国内人工智能应用不断拓展，机器学习相关技术迅速崛起

2023-08-14 09:47

手机浏览

一、机器学习技术已广泛应用于金融、教育、零售等多个领域

机器学习是指模拟人类的学习过程，通过数学模型、算法和统计学方法分析数据，发现规律和模式，从而做出预测和决策。机器学习可以通过学习的类型和学习算法的深度进行分类：（1）按照学习模式的不同，机器学习可以分为监督学习、无监督学习、半监督学习、和强化学习；（2）按照算法深浅的不同，机器学习可以分为浅度学习和深度学习。

机器学习分类与应用

分类	类别	具体内容	模型与算法
学习模式	监督学习	该类算法需要有标记的训练数据，即数据集中包含输入和相应的输出，通过对已有数据的学习来预测新数据的输出。	分类、回归
	无监督学习	该类算法不需要标记的训练数据，只有输入数据。它们的任务是在不确定任何输出情况下对数据进行建模。	聚类、异常检测、降维
	半监督学习	这种算法需要使用标记和未标记的数据来学习模型。使用未标记数据来提高模型的准确性和泛化能力，这可以在数据量有限的情况下提高学习效率。	Semi-Supervised GAN
	强化学习	增强学习是一种通过与环境进行交互来学习最佳决策的算法。它的目标是学习一个策略，以最大化某种奖励或利润。	值函数优化、策略优化
算法深度	浅度学习	浅度学习也被称为传统机器学习或基础机器学习，它是指那些只有一层或几层简单的神经网络模型，简单的对数据进行统计分析，从而得出预测结果。	线性回归、逻辑回归、决策树、支持向量机（SVM）、朴素贝叶斯
算法深度	深度学习	基于多层神经网络的机器学习技术。相比于浅度学习，深度学习模型具有更强的表达能力和更高的预测精度。深度学习模型可以自动从原始数据中提取特征，这些特征在模型的训练过程中是动态更新的。	深度神经网络（DNN）、卷积神经网络（CNN）、循环神经网络（RNN）

资料来源：观研天下数据中心整理

机器学习在人工智能应用市场中的应用机器学习应用覆盖领域，智慧金融、智慧医疗、智慧教育、智慧工业、智慧政务、智慧零售和智慧互娱等领域。2006年以来,深度学习的推广应用速度逐步加快，应用领域不断拓宽，其逐渐成为机器学习领域的主流算法。随着机器学习算法的不断改进，国内市场机器学习在互联网、金融业、以及零售业行业渗透率已超过60%。

资料来源：观研天下数据中心整理

（一）互联网行业推荐系统应用

根据观研报告网发布的《中国人工智能行业现状深度研究与发展前景分析报告（2023-2030年）》显示，在互联网行业，推荐系统是互联网行业中应用机器学习最广泛的领域。推荐系统通过分析用户的历史行为数据，如购买记录、搜索记录等，来预测用户的偏好并向其推荐个性化的商品、服务、信息等。

中国互联网市场庞大，互联网用户众多，推荐系统加速框架产业市场规模呈现逐年增长的趋势。随着推荐算法在互联网产业中的重要性快速提升，国内外推荐系统加速框架产业市场规模呈现逐年增长的趋势。2022年中国推荐系统加速框架产业市场规模达5.52万亿元，预计到2024年中国推荐系统加速框架产业市场规模将超过7.7万亿元。

资料来源：NVIDIA，观研天下数据中心整理

（二）金融行业风险控制和投资决策

在金融领域，机器学习可满足金融机构在数据处理安全性、速度、精确度等方面的高要求,其在信用评分、投资组合管理、金融产品推荐、客户关系管理、金融欺诈检测等场景具有高适用性。金融机器学习产品由于与金融机构多业务场景均可密切结合，且产品能力在海量高质量金融业务数据助力下得到快速提升，成为金融市场主要拉力之一。

2018年至2022年国内金融科技领域总计发生融资事件1570起，轮次分布较为平均。从技术分类看，2022年机器学习产品与自然语言处理产品更受资本青睐，资本热度较高，而知识图谱和智能语音产品与2020年、2021年相比，资本热度有所下降。从应用场景分布看，融资企业更多布局客服与运营业务优化场景；同时，信贷风控与合规控制、精准营销两大场景的合计占比较高，是融资企业广泛布局的热点场景。

资料来源：桔子IT，观研天下数据中心整理

二、上游产业的快速发展，为机器学习提供了强有力的基础

机器学习上游为基础层提供了数据采集与处理、云计算平台服务商、芯片设计、算法开发和必要的硬件设备制造等基础设施支持，为机器学习技术和平台提供了强有力的基础。

在机器学习市场中，基础层核心芯片被英伟达、英特尔、IBM、谷歌、微软、高通等海外传统芯片大厂商掌控,云计算由谷歌、亚马逊、阿里云等互联网巨头引领，大数据服务商数量多，分布零散，市场竞争激烈。

（一）芯片设计

AI 芯片是基于硅的、支持 AI 的芯片，可为笔记本电脑、智能可穿戴设备和智能手机等连接设备提供高处理能力。AI 芯片通过增强分析功能、虚拟现实 (VR) 和增强现实 (AR) 增强设备的操作性能，从而提高用户体验。人工智能芯片主要用于汽车、消费电子、医疗保健、自动化、机器人、物联网和国防。

从AI芯片设计环节分析，目前适用于机器学习的主流芯片有图形处理器(GPU)、张量处理器(TPU)、可编程门列阵(FPGA)、应用集成电路(ASIC)、以及神经处理单元(NPU)。不同类型的机器学习芯片适用于不同的应用场景，在选择特定芯片时需要考虑场景的特点需求，例如性能、功耗、定制化和可扩展性。

人工智能在改善消费者服务和降低运营成本方面的接受度、人工智能应用程序数量的增加、处理能力的提高以及深度学习和神经网络的日益普及是人工智能芯片市场的主要的驱动力。2021-2022年全球AI芯片数量年均复合增速为26.53%，2022年全球AI芯片数量为1433万套左右，具体如下：

资料来源：观研天下数据中心整理

（二）云计算平台服务商

人工智能大模型的快速发展引发数字应用使用方式和算力资源供给的双向变革，云计算作为数字世界操作系统价值正在全面展现。2022年，我国云计算市场规模达4550亿元，国内云计算市场仍处于快速发展期，预计2025年我国云计算整体市场规模将超万亿元。

资料来源：通信院，观研天下数据中心整理

从厂商层面来看，国内运营商强势增长引领新一轮市场发展。其中，2022年电信运营商云计算市场增长迅猛，天翼云、移动云、联通云分别营收579亿元、503亿元和361亿元，增速均超100%远超行业平均水平。阿里云、天翼云、移动云、华为云、腾讯云、联通云2022年占据中国公有云IaaS市场份额前六，公有云PaaS方面，2022年阿里云、华为云、腾讯云、天翼云百度云处于领先地位。

资料来源：观研天下数据中心整理

三、国产机器学习框架持续发力，机器学习平台头部厂商规模化效应明显

机器学习技术层基础开源框架以谷歌的TensorFlow.亚马逊的MXNet、Facebook 的Pytorch、Theano、 Caffe、 Keras 等为主,机器学习技术开放平台主流产品包括亚马逊的Amazon Machine Learning、微软的Azure机器学习工作台、腾讯的DI-X机器学习平台、阿里云机器学习PAI等。

中国目前市场前三大机器学习框架为谷歌的TensorFlow，Meta的PyTorch，和百度的飞桨稳居前三，三者共占据超80%的市场份额。其中以百度——“飞桨”为代表的机器学习平台，已经冲破了过去在中国市场上谷歌、Facebook的垄断局面。随着国内人工智能进入大规模落地阶段，越来越多的开发者和企业正在基于国产机器学习平台开展智能化转型应用。

2022年中国机器学习框架市场份额占比

2022年中国机器学习框架市场份额占比