人工智能语言处理行业分析报告.docx

1、人工智能语言处理行业分析报告2016年人工智能语言处理行业分析报告2016年8月目 录一、行业管理 41、行业主管部门及监管体制 4（1）工业和信息化部 4（2）中国软件行业协会 42、行业法规政策 4二、行业概况 61、软件行业概况 62、细分行业概况 7（1）自然语言处理（NLP）领域 7（2）人工智能领域 8三、行业格局 101、基础层 102、技术层 113、应用层 11四、行业发展趋势 121、技术发展趋势 12（1）深度学习技术使人工智能得到飞速发展 13（2）大数据为人工智能的学习提供丰富的土壤 13（3）GPU并行架构使复杂计算成为可能 132、市场发展趋势 14五、行业壁垒

2、171、技术壁垒 172、人才壁垒 173、资金壁垒 18六、行业风险 181政策风险 182、技术风险 183、人才流失风险 194、市场风险 19七、影响行业发展的因素 191、有利因素 19（1）政策因素 19（2）行业发展好于预期 20（3）行业发展趋于规范 202、不利因素 20（1）行业人才缺乏 20（2）行业发展所需资金量较大 21（3）语义理解技术尚需完善 21八、行业主要企业简况 221、Autonomy 222、拓尔思 223、小i机器人 22一、行业管理1、行业主管部门及监管体制软件和信息技术服务业采用法律约束、行政管理和行业自律相结合的管理模式，主要由以下部门监管：（1

3、）工业和信息化部软件和信息技术服务业的行政主管部门是中华人民共和国工业和信息化部，其与软件服务业直接相关的职责主要包括：指导软件业发展；拟订并组织实施软件、系统集成及服务的技术规范和标准；推动软件公共服务体系建设；推进软件服务外包；指导、协调信息安全技术开发。（2）中国软件行业协会中国软件业协会主要负责对各地软件企业认定机构的认定工作进行业务指导、监督和检查，软件产品登记认证和软件企业资质认证。软件著作权登记的业务主管部门是国家版权局中国版权保护中心和中国软件登记中心，由国家版权局授权中国软件登记中心承担计算机软件权登记工作。2、行业法规政策为推动软件行业的发展，国务院及有关政府部门先后颁布了

4、一系列法规政策，为软件行业发展建立了优良的政策环境，在较长时期内对软件行业发展带来促进作用。近年来，我国各政府部门陆续发布了一系列支持行业发展的文件：二、行业概况1、软件行业概况全球信息化的兴起，带动了软件产业的快速发展，尤其是进入20 世纪90 年代以来，世界软件产业获得了飞速的发展。在全球软件产业快速发展大趋势下，国内软件业蓬勃发展，近十年来，我国软件和信息技术服务业实现的收入保持年均20%以上的增长，产业规模不断扩大，产业结构不断优化，创新能力显著增强。高端软件和新兴信息服务产业是国家战略性新兴产业，为此国家出台一系列优惠政策，从税收、研究经费、进出口优惠、人才培养、知识产权保护、市场开

5、发和投融资等方面给予了较为全面的政策支持。未来是我国软件和信息技术服务业转型的关键时期，新一代信息技术和通信技术加快融合，云计算、物联网、移动互联、大数据、人工智能等蓬勃发展，信息通信技术的应用渗透到经济和社会生活各个领域，将培育众多新的产业增长点，软件和信息技术服务产业格局面临重大调整和突破，同时也是行业发展的重大机遇。根据工业和信息化部公布的数据，2009 年至2014 年我国软件行业收入分别为0.95 万亿元、1.34 万亿元、1.84 万亿元、2.50 万亿元、3.06 万亿元和3.70 万亿元，同比增长20.2%、41.05%、37.31%、35.87%、22.40%和20.92%。

6、2、细分行业概况（1）自然语言处理（NLP）领域自然语言处理（NLP）是计算机科学领域与人工智能领域中的一个重要方向，它是研究能实现人与计算机之间用自然语言进行有效通信的各种理论和方法。它是实现人机交互的前提，是理解人类语言数据的基础。从现有的理论和技术现状看，通用的、高质量的自然语言处理系统，仍然是较长期的努力目标，但是针对某一特定应用范围，具有相当自然语言处理能力的实用系统已经出现，有些已商品化，甚至开始产业化。典型的例子有：多语种数据库和专家系统的自然语言接口、各种机器翻译系统、全文信息检索系统、自动文摘系统等。近年来，各大科技公司也专注于自然语言处理，意图为人机交互构建基础，如苹果收购

7、VocallQ，以提高计算机理解自然语言的能力；微软收购Netbreeze，对社交数据进行分析等。根据Gartner2015年度发布的智能设备相关技术成熟度曲线报告，基于自然语言的相关智能技术成熟并普及尚需5-10年时间。可以看出，计算机对自然语言的真正理解尚需一定的产业发展周期，而特定领域的自然语言处理则逐渐进入应用阶段。下图为2015年Gartner AI相关技术成熟度曲线随着信息通信技术、互联网的迅速普及，自然语言处理的应用需求急剧增加，人们迫切需要实用的自然语言处理技术打破语言屏障，为人机之间的信息交流提供便捷、自然、有效的沟通方式（2）人工智能领域人工智能（AI），是研究、开发用于模

8、拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。是计算机科学的一个分支，试图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。就目前人工智能的发展实力与阶段，我们可以将人工智能分为三大类：弱人工智能，这是狭义智能，指擅长单个方面的人工智能机器开始像人类一样会计算，传递信息，比如AlphaGo。强人工智能，这是广义智能，指思考、计划、解决问题、抽象思维、理解复杂理念、快速学习等各方面都能和人类比肩的人工智能。超人工智能，这是超义智能，指几乎所有领域都超过人类的人工智能，包括科学创新

9、、社交、商业等。现阶段人工智能仍处于“少年期”，已基本实现狭义智能，正在向广义智能的阶段迈进，未来各领域的应用有望逐步放量。无论从技术成熟度还是资本市场关注度看，都还有很大的发挥空间。目前，人工智能的主战场主要集中在北美和西欧地区。IBM借Watson“以点带面”转型人工智能解决方案提供商，Watson被运用到超过三十五个国家十七个产业领域，包括：医疗、法律、服务机器人、运动健身、玩具、食谱制造等。而谷歌通过整合形成“人工智能帝国”，正将机器学习逐渐应用到所有产品之中。2015年，谷歌成立母公司Alphabet，通过该集团，谷歌将不同业务的研发独立出来，以子公司的形式进行业务开展，大力发展人工

10、智能领域。三、行业格局人工智能作为后互联网时代最有可能撬动行业格局的技术工具，一直是发达国家行业巨头疯狂追求的领域。一方面，欧美日等国早已将人工智能提升至国家战略层面；另一方面，谷歌、XX、Facebook等行业巨头及各类PE/VC争相涌入。以中国为代表的发展中国家已然意识到人工智能的关键性，正紧锣密鼓实施追赶甚至超越，人工智能必定是下一个十年的投资金矿。人工智能的生态格局可按照“基础层技术层应用层”的架构展开，每个层次中都有不同的企业参与，构成整个行业生态组织。1、基础层基础层由运算平台和数据工厂组成。数据类似于人类的记忆，记忆存在碎片性、关联性的特点。通过大规模的GPU与CPU并行计算构成

11、的云计算平台，具备超强的存储和运算能力，可以对海量数据进行存储，并通过运算建立数据间的关联。由于多项人工智能技术是基于统计模型进行的数据概率计算，因此，经过数据工厂加工过的有用数据可以为人工智能的模型训练提供丰富的数据来源，对人工智能技术层发展提供强有力的支持。基础资源层需要具备强大的数据存储能力和计算能力，因此一般集中于Google、XX、IBM、微软等IT行业巨头。2、技术层技术层，是基于基础层提供的存储资源和大数据，通过机器学习建模，开发面向不同领域的应用技术。人工智能技术层是一个从感知到思考再到最终决策行动的过程，是联通原始数据到最终应用的必然过程，它包含感知智能和认知智能两个阶段。感

12、知智能连接的是人、信息和物理世界，通过传感器、搜索引擎和人机交互来获取建模必须的数据。从技术路径上看，我们目前处于由感知智能向认知智能进化的阶段，感知智能仍然是当下重要突破的领域。以文本识别、语音识别、人脸识别为代表的感知智能技术是实现人机交互的首要步骤，也是实现智能应用的必备条件，目前相关技术已逐步成熟并商业化落地，随着人工智能应用的快速推进，市场空间将被逐步打开。3、应用层应用层为人工智能生态的顶层结构，利用中间层输出的技术为用户提供智能化的产品和服务，以加工标准化硬件的制造企业和专用领域服务业为主，通过特定端口对接中间层的技术实现。主要为人工智能与传统产业相结合实现不同场景的应用，如无人

13、驾驶汽车、智能家居、智能医疗等领域。下图为架构模型目前，人工智能产业链格局初现，从基础层和技术层，再到应用层，除了近年来底层技术的突破，下游行业需要倒逼也是人工智能发展的重要动力，诸如人机互动多元化倒逼自然语言处理、人口老龄化倒逼智能服务机器人等等。在多种因素的共同影响下，人工智能的行业格局必定更加清晰，明确。四、行业发展趋势1、技术发展趋势深度学习、大数据、GPU并行计算三大核心技术持续突破，人工智能产业链初具雏形。（1）深度学习技术使人工智能得到飞速发展深度学习的概念源于人工神经网络的研究，是机器学习的分支，旨在建立、模拟人脑进行分析学习的神经网络。通过将底层特征形成更加抽象的高层属性类别

14、或特征，以发现数据的分布式特征。深度学习采取与神经网络相似的分层结构，系统由包括输入层、隐层、输出层组成的多层网络，且只有相邻层节点之间有连接。其之于人工智能的重要作用主要体现在其可模拟人脑的“分层”与“抽象”的认识过程，其本质是通过构建具有很多隐层的机器学习模型及海量的训练数据，来学习及预测有用的特征，进而最终提升分类或预测准确性。（2）大数据为人工智能的学习提供丰富的土壤数据资源在机器学习的过程中扮演极其重要的作用，其可为机器学习训练提供绝佳素材，使机器在学习过程中不断优化参数进而变得更加聪明。依据EMC数据，全球数据资料存储量将于2020年达到40ZB，比之前预估的高出14%，未来5年的

15、复合年均增长率接近40%。随着互联网逐渐渗透至社会生活的方方面面，以及物联网的蓬勃发展，数据量的产生与积累都将进一步加速增长，数据来源也将更为全面，是人工智能学习的绝佳土壤，由此推动人工智能的加速突破。（3）GPU并行架构使复杂计算成为可能深度学习能完美模拟人脑中神经元深度传递的过程，解决学习过程中的复杂问题，但同时也带来了巨大的计算挑战，而GPU并行架构突破了大规模并行计算限制。GPU的处理能力与存储器宽带层面相较CPU具有明显优势，可通过增加并行处理单元和存储控制单元提高处理能力和存储宽带。与CPU利用复杂控制单元和缓存提高少量执行单元的效率不同，GPU将更多晶体管用作执行单元，可并行处理多个任务，更符合人工智能对计算能力的需求。深度学习、大数据、GPU并行架构技术作为基础性技术，在近年来的发展对人工智能的研究产生了深刻的影响，极大地推动了人工智能研究能力的提升，加速了人工智能相关技术的产业应用步伐。2、市场发展趋势（1）基于对人工智能巨大商业前景的看好，资本加速进入人工智能领域的态势愈加清晰，不仅体现在数量和流速持续增加，更体现在各大互联网巨头陆续对人工智能产业链进行不同程度的布局。在国外，苹果2010年收购Siri；谷歌耗资4亿英镑收购英国深度学习创业公司DeepMind，全力研发“谷歌大脑”，并在机器人、无人驾驶等领域取得里程碑式成就；Fa