戴尔5460(戴尔5460一体机拆解)

小智资讯 2023-08-21 08:48:18 7

一、行业概述

1、定义

根据国家标准化管理委员会发布的《人工智能标准化白皮书（2018年）》，人工智能（AI）是指利用数字计算机或者由数字计算机控制的机器，模拟、延伸和扩展人类的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术和应用系统。

人工智能是计算机科学的一个分支，被定义为能够模拟与人类大脑相关联的认知智能行为的“机器”，它是研究、开发用于模拟、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。1956年由约翰.麦卡锡首次提出，当时的定义为“制造智能机器的科学与工程”。人工智能目的就是让机器能够像人一样思考，让机器拥有智能。时至今日，人工智能的内涵已经大大扩展，是一门交叉学科。

2、分类

人工智能可以被划分为两个类别，即弱人工智能（Artificial Narrow Intelligence，ANI）与强人工智能（Artificial General Super Intelligence，AGI），弱人工智能只能完成单一、特定的任务，而强人工智能可以在各方面与人类的技能相类似。

3、特征

根据人工智能的技术逻辑，人工智能有以下特征：

（1）大数据为基底，算法为核心

人工智能是建立在数据之上的技术。人工智能发展的高度取决于数据为其提供的大量知识和丰富的经验，即通过在各个领域巨大的数据库中进行采集、加工、处理、分析和挖掘；在有丰富数据的基础上，通过人工智能算法，形成有价值的信息和知识模型，以此为人类提供服务。

（2）硬件为桥梁，人机合一

人工智能是智能化机器，是智能物体与人类智慧的融合。人工智能系统能够借助传感器等硬件对外界环境进行感知。具体而言，通过人的五种基本感觉，视、听、嗅、味、触接收各方信息，并以此通过文字、语音、表情输出必要的反应。借助人工智能作为现实与虚拟的接口，可实现人类与机器、人类与人类之间的共同协作。

（3）具备学习、推理能力，实现动态迭代

人工智能具有适应特性，能够随环境、数据或任务变化自动调节参数，优化模型。充分利用机器洞察人心的能力、人类对机器的驾驭能力，深入数字化连接，实现机器的自我迭代。

4、三要素：数据、算力、算法

数据、算力、算法是人工智能三要素。人工智能模型的应用分为训练、推理两大环节。其中，数据与算力是模型训练的基础，算法是模型实现路径，近年人工智能的快速发展得益于三大要素的共同进步。

数据：人工智能“燃料”，全球数据量指数级增长。深度学习算法是推动人工智能技术突破性发展的关键技术理论，大量训练数据的训练支撑是深度学习算法的基础。训练数据越多、越完整、质量越高，模型推断的结论越可靠。根据DimensionalResearch的全球调研报告，72%的受访者认为至少使用超过10万条训练数据进行模型训练，才能保证模型的有效性和可靠性。根据中国信通院数据，到2035年，全球数据量将达2142ZB，是2020年数据量的45-46倍。数据量的指数级增长有望为人工智能产业发展提供“燃料”。

算力：人工智能“底座”，AI芯片是核心。人工智能模型的训练依赖大量算力支持，海量算力是大规模训练及生产人工智能模型的前提。数据海量增加，算法模型愈加复杂，应用场景的深入和发展，带来了对算力需求的快速提升。根据《2022-2023中国人工智能计算力发展评估报告》，2021年中国智能算力规模达155.2每秒百亿亿次浮点运算（EFLOPS），2022年智能算力规模将达到268.0EFLOPS，预计到2026年智能算力规模将进入每秒十万亿亿次浮点计算（ZFLOPS）级别，达到1,271.4EFLOPS，2021-2026年期间年复合增长率达52.3%，而同期通用算力规模年复合增长率为18.5%。

AI芯片专门用于处理人工智能相关的计算任务，其架构针对人工智能算法和应用进行专门优化，具有高效处理大量结构化和非结构化数据的特征。AI芯片类型包括GPU、NPU、ASIC、FPGA等，其中GPU是主要的人工智能加速芯片，根据《2022-2023中国人工智能计算力发展评估报告》，2021年GPU占据中国AI芯片约89%的份额。

算法：人工智能“发动机”，深度学习是主流方向。2006年深度学习算法的提出使AI进入新发展阶段，其通过卷积的方式，取代了机器学习中特征提取环节。我们认为，近年AI应用的繁荣来源于AI算法持续突破创新，而且是在大数据、大算力的支持下发挥出较大的威力。深度学习典型算法包括卷积神经网络（CNN）、递归神经网络（RNN）、前馈神经网络（FNN）、生成对抗网络（GAN）等。2017年谷歌提出Transformer算法，此后Transformer广泛应于自然语言处理，并逐步在计算机视觉等领域应用，OpenAI最近发布的ChatGPT也是以此为基础构建。

二、不同历史发展阶段

1、一波三折，深度学习引领第三次发展浪潮

人工智能第一次发展浪潮：推理与搜索占据主导，但由于当时机器计算能力的不足而经历了第一次低迷期。人工智能（ArtificialIntelligence，缩写AI），是研究、开发用于模拟、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。这一概念最早由麻省理工学院的约翰·麦卡锡在1956年的达特茅斯会议上提出，随之迎来了人工智能的第一次发展浪潮（1956-1974）。这一时期的核心在于让机器具备逻辑推理能力，通过推理与搜索尝试开发能够解决代数应用题、证明几何定理、使用英语的机器。该阶段的成果几乎无法解决实用问题，另外实际应用中人工智能计算量的增长是惊人的，特别是模拟人类感知带来的巨大运算量远超70年代的计算能力，因此人工智能经历了第一次低迷期。

人工智能第二次发展浪潮（1980-1987）：专家系统开始商业化，场景局限性限制其发展。这一时期的核心是基于“专家系统”思想，让AI程序能解决特定领域问题，知识库系统和知识工程成为了这一时期的主要研究方向，专家系统能够根据该领域已有的知识或经验进行推理和判断，从而做出可以媲美人类专家的决策。典型代表如医学专家系统MYCIN，MYCIN具有450条规则，其推导患者病情的过程与专家的推导过程类似，开处方的准确率可以达到69%，该水平强于初级医师，但比专业医师（准确率80%）还是差一些。随着人们发现专家系统具有很强的场景局限性，同时面临着升级迭代的高难度和高昂的维护费用，AI技术发展经历了第二次低迷期。

从1993年开始，AI技术步入了第三次发展浪潮：深度学习引领浪潮。这一时期，计算性能上的障碍被逐步克服，2006年深度学习这一重要理论被提出，并解决了训练多层神经网络时的过拟合问题。2011年以来，深度学习算法的突破进一步加速了AI技术发展的第三次浪潮，标志性事件是2012年ImageNet图像识别大赛，其深度CNN网络的错误率仅为15%左右，远远好于第二名支持向量机算法的26%，这一结果迅速点燃了产业对神经网络和深度学习的兴趣，深度学习也快速的实现了商业化。

2、总结：三次浪潮均始于算法突破，两次寒冬则由于算力和数据量限制

第一次浪潮：核心是符号主义（逻辑主义），最重要的成果是逻辑推理、启发式搜索，第一次浪潮中产生的方法主要是基于知识或模型驱动的，建立在“if-then”结构的人工设定的形式逻辑基础；

第二次浪潮：专家系统推动人工智能从理论走向实际，BP算法解决非线性分类，成果集中在语音识别、语音翻译等领域；

第三次浪潮：深度学习的突破，基于深度学习的神经网络成功用于图像、语音识别。

三、国内市场现状

1、人工智能行业迎来新一轮发展浪潮

近年来，在大数据、算法和计算机能力三大要素的共同驱动下，人工智能进入高速发展阶段，其识别率、准确率均有大幅提高，在诸多落地场景中都展现了很强的实用性。

人工智能行业整体市场呈现高速增长趋势。2021年全球市场人工智能市场收入规模（含软件、硬件及服务）达850亿美元。IDC预测，2022年该市场规模将同比增长约20%至1017亿美元，并将于2025年突破2000亿美元大关，CAGR达24.5%。根据德勤数据，中国人工智能市场规模由2017年的709亿元增长至2025年的5460亿元，年均复合增长率为29%。

2、人工智能上升至国家战略层面，场景应用是近期关注重点

行业长期发展战略清晰明确，政策重点支持。我国2017年提出《新一代人工智能发展规划》，对人工智能的行业发展提出了明确的战略目标，预计到2030年，我国要形成较为成熟的人工智能理论和技术体系，产业竞争力达到国际领先水平。后续密集出台了一系列相关的支持性政策，我国人工智能在国家战略层面，分别从技术突破、人才培养、创新平台、伦理要求、场景应用等方面，形成了一套综合、系统的人工智能建设和发展的顶层设计。近期的政策中更加注重人工智能的场景应用，通过人工智能与实体经济的深度融合，培育新的经济增长点。

我国政府高度重视人工智能行业的发展。2017年以来多次在政府工作报告中提及人工智能产业，2022年提出加快发展工业互联网，培育壮大集成电路、人工智能等数字产业，提升关键软硬件技术创新和供给能力。接下来，人工智能项目会更加注重于场景创新与应用，促进我国经济的高质量发展。

四、技术要素分析

1、技术演进

人工智能技术演进可分为三个发展阶段，分别为计算智能、感知智能和认知智能。

运算智能：即快速计算和记忆存储能力。计算机比较具有优势的便是运算能力和存储能力，现阶段计算智能应用已经实现并逐渐成熟，1996年IBM的深蓝计算机战胜了当时的国际象棋冠军卡斯帕罗夫，这一事件标志着人类在强运算型场景下的计算能力已经不如机器算力了。

感知智能：即类似人的视觉、听觉、触觉等对外界刺激做出反应的能力。人和动物能够通过各种智能感知能力与自然界进行交互。机器通过AI技术，也可实现这种类人智能，如自动驾驶汽车就是通过激光雷达等感知设备和人工智能算法实现这样的感知智能的。当前人类社会的AI技术正处于感知智能不断完善的阶段。

认知智能：通俗讲是一种“能理解会思考”的能力。未来机器能在没有数据信息被动输入的情况下，主动进行环境感知、信息采集、逻辑判断、做出决策等，实现类人智能。在这一阶段机器能够替代大量的传统体力劳动，并辅助人们做出理论上的最优决策。

2、底层技术

（1）机器学习

机器学习人工智能的核心，是使计算机具有智能的根本途径。机器学习专注于算法，允许机器学习而不需要编程，并在暴露于新数据时进行更改，让计算机不依赖确定的编码指令，模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。基于处理数据种类的不同，可分为有监督学习、无监督学习、半监督学习和强化学习等几种类型。基于学习方法的分类，可分为归纳学习、演绎学习、类比学习、分析学习。基于数据形式的分类，可分为结构化学习和非结构化学习。

（2）机器视觉

机器视觉是指用机器代替人眼来做测量和判断，自动采集并分析图像，以获取控制或评估特定零件和特定活动所需的数据。机器视觉是一项综合技术，包括图像处理、机械工程技术、控制、电光源照明、光学成像、传感器、模拟与数字视频技术、计算机软硬件技术（图像增强和分析算法、图像卡、I/O卡等）。

（3）自然语言处理

自然语言处理（NLP）是指利用人类交流所使用的自然语言与机器进行交互通讯的技术。通过人为对自然语言的处理，使得计算机对其能够可读并理解。自然语言处理技术是人工智能最早的应用技术，该技术细分领域包括文本分类和聚类、信息检索和过滤、机器翻译等。文本分类和聚类按照关键字词做出统计，建造一个索引库，用于检索。信息检索和过滤是对网络关键词进行瞬时检查并运行处理，机器翻译是利用深度学习算法，进行语言翻译并提升正确性。

3、应用技术

（1）智能芯片

AI芯片主要有传统芯片和智能芯片两类，另外还有受生物脑启发设计的类脑仿生芯片等。传统芯片可以覆盖人工智能程序底层所需要的基本运算操作，但在芯片架构、性能等方面无法适应人工智能技术与应用的快速发展；智能芯片是专门针对人工智能领域设计的芯片，包括通用和专用两种类型。其中通用型智能芯片具有普适性，在人工智能领域内灵活通用；专用型智能芯片是针对特定的应用场景需求设计的。

（2）生物识别

生物识别技术是指通过人类生物特征进行身份认证的一种技术，人类的生物特征通常具有可测量或可自动识别和验证、遗传性或终身不变等特点，因此生物识别认证技术较传统认证技术存在较大的优势。生物识别技术的主要研究对象还包括语音、脸部、虹膜、视网膜、体形、个人习惯（包括敲击键盘的力度和频率、签字）等，与之相应的识别技术包括语音识别、人脸识别、虹膜识别等。生物识别技术比传统的身份鉴定方法更具安全、保密和方便性。生物特征识别技术具不易遗忘、防伪性能好、不易伪造或被盗、随身“携带”和随时随地可用等优点。

五、行业格局分析

1、行业现状

（1）各国纷纷从战略上布局人工智能，加强顶层设计和人才培养

当前包括美国、欧洲和中国在内的多个国家，都将大力发展AI产业提升到国家战略层面。2019年2月，美国总统特朗普签署行政命令，正式启动美国人工智能计划，为美国首次推出国家层面的人工智能促进计划。欧盟于2018年发布《欧盟人工智能战略》，并计划在2020年底至少投入200亿欧元。

中国方面，以2015年《中国制造2025》出台为开端，人工智能被写入“十三五”规划纲要及政府工作报告。2017年国务院发布《新一代人工智能发展规划》，将人工智能上升到了国家战略层面。随后多部门相继出台若干核心政策和规划，为我国人工智能行业快速发展提供助力。

（2）中美领跑，中国人工智能人才数量快速增长,已发展成为人工智能大国

近年来，中国人工智能人才数量快速增长，已发展成为人工智能大国。从发表论文和论文被引用的数量可以反映中国人才和技术研究能力与美国和欧洲相比的快速进步。

根据斯坦福研究院Human-CenteredAI发布的《2021年人工智能指数报告》，在三大人工智能强国（中国、美国和欧盟）中，中国的人工智能论文发表量和被引用量均居全球首位。2020年中国期刊发表数量以18.0%的比例超过美国（12.3%）和欧盟（8.6%）。

（3）全球人工智能市场规模快速增长，中国市场增速全球第一

全球人工智能产业规模快速增长，软件占比提升。随着数据量的增长及相关复杂性不断增加，传统软件无法处理、分析及提取其中有用的信息，产生人工智能技术需求。根据沙利文的报告，2020年全球人工智能技术支出（包括硬件、软件、服务）为687亿美元，预计2025年达到2212亿美元，年复合增速达到26.3%。其中人工智能软件支出占比将提高，预计2025年全球人工智能软件市场规模将达到1218亿美元，占总支出比例达到55.1%，2020-2025年复合增速达到31.9%。

人工智能支出已经成为支持企业数字化转型支出的主力之一。随着数字经济发展，企业积极打造敏捷反应机制，推进精益化管理，提升组织创新能力，大力投资数字化转型相关技术，特别是在人工智能领域。人工智能支出已经成为支持企业数字化转型支出的主力之一。根据IDC数据，全球范围内，企业在包括硬件、软件和服务在内的人工智能（AI）市场的技术投资增速，将显著高于数字化转型（DX）支出和GDP增速。

中国是全球人工智能第二大市场，预计增速有望全球第一。根据沙利文的报告，2020年中国人工智能市场规模为295亿元，预计2025年达到1671亿元，年复合增速为41.5%，其中软件市场规模占比将由2020年的9%提升至2025年的24.1%。

2、竞争格局

（1）全球视角

美国是人工智能核心发源地之一，在技术上拥有全球领先地位，而中国是人工智能应用场景第一强国，中美成为全球人工智能发展的第一梯队。其它国家人工智能发展正在快速跟进，其中欧盟、俄罗斯、德国、日本等发达国家为第二梯队的主力军，不同国家的发展侧重也都稍有不同。

（2）国内情况

人工智能产业包括了基础层、技术层以及应用层，目前我国已形成了较成熟的人工智能生态。在基础层，大数据、云计算、边缘计算、智能芯片领域，国内领先的企业有阿里巴巴、华为、寒武纪等代表企业；在技术层，我国在计算机视觉、智能语音、机器学习、自然语言处理等细分领域也诞生了诸如科大讯飞、云从科技、商汤科技、旷视科技等企业。

在应用层，人工智能技术与其他领域结合，应用有智能机器人、智能终端、智能交通、公共安全等。其中机器人领域有新松机器人、科沃斯机器人等代表企业，而众多互联网巨头也纷纷入局智能终端的研发与物联网生态的打造，具有代表性的企业包括了华为、小米、联想、中兴等。

六、产业链

1、产业链概况

人工智能产业链主要分为基础层、技术层和应用层。基础层主要包括人工智能芯片、传感器、云计算、数据采集及处理等产品和服务，智能传感器、大数据主要负责数据采集，AI芯片和云计算一起负责运算。技术层是连接产业链基础层与应用层的桥梁，包括各种深度学习框架、底层算法、通用算法和开发平台等。应用层则是将人工智能进行商业化应用，主要提供各种行业解决方案、硬件和软件产品。

2、产业链上游解析

基础层提供数据资源、硬件设施以及计算力平台等一系列基本支持。具体来看，基础层包括人工智能芯片、传感器、大数据及云计算等，其中大数据与智能传感器的主要任务是数据采集，AI芯片与云计算则负责数据分析与运算，技术门槛较高，生态搭建已基本成型。目前，浪潮、戴尔、HPE分列全球人工智能基础设施市场份额前三，其中浪潮以16.4%的市场占有率成为全球人工智能基础设施的龙头玩家。

通用计算芯片CPU、GPU全球市场基本被Intel、Nvidia等美国芯片厂商垄断，技术与专利壁垒较高，卡脖子现象严重。华为麒麟、巴龙、昇腾及鲲鹏四大芯片有望突破此壁垒。未来几年，全球各大芯片企业、互联网巨头、初创企业都将成为该市场的主要玩家。计算力指数国家排名中美国列国家计算力指数排名第一，坐拥全球最多超大规模数据中心，这是美国算力的基础保障。中国列第二，AI算力领跑全球。日本、德国、英国分别位列第三至第五名。计算平台方面，全球市场被亚马逊、谷歌、阿里、腾讯、华为等公司基本垄断，但小公司的计算平台凭借价格优势仍有生存空间。

3、产业链中游解析

技术层是AI产业发展的核心，包括通用技术、AI技术框架以及算法模型等。这一层级依托于海量数据的挖掘处理与机器学习建模，来进行各种应用技术的开发，从而解决实践中的具体类别问题。计算机视觉、自然语言处理、语音识别、机器学习、深度学习、知识图谱为这一层级的代表性技术。优势企业如谷歌、亚马逊、Facebook加快部署机器学习、深度学习底层平台，建立产业事实标准。

目前业内已有近40个各类AI学习框架，生态竞争异常激烈，全球公司先后推出用于深度学习模型训练的开源框架，包括Caffe、Theano、Torch、MXNet、TensorFlow等，极大降低了人工智能技术在实践中的入门门槛，中国的百度飞桨（PaddlePaddle），清华大学的计图（Jittor）和华为推出的MindSpore也先后问世。除了谷歌、阿里、百度、腾讯等科技巨头在纷纷布局外，如商汤、旷视、科大讯飞等公司也加入了技术层深耕行列。

4、产业链下游解析

应用层是人工智能技术在各不同场景下的商业化应用。人工智能已在金融、教育、交通、医疗、家居、营销等多垂直领域取得较大发展；与此同时，智能终端、模型预测控制、推荐系统、定位与地图构建等服务层面及自动驾驶汽车、无人机、智能机器人、智能语音助手等人工智能产品发展迅速。

受人工智能技术应用的链条长、短期获益难度大等因素影响，一些早期的技术型企业也纷纷将重心转移到等垂直领域的软硬件解决方案当中。众多人工智能各类企业“从谋求单点技术的极致，向场景化综合生态发展”，这无疑推进了AI技术与商业应用场景的落地与融合。国外应用企业以苹果、IBM等为代表，而中国企业在应用层发展最为活跃，除华为、小米、阿里巴巴等大型企业外，众多中小型企业也纷纷加入应用层的竞争行列当中。

七、市场前景前瞻

人工智能技术在我国呈现政策大力支持、应用场景多元化、技术成熟度不断提升等发展态势，具备广阔的市场前景。

1、中国人工智能行业整体呈快速发展趋势，行业大环境持续向好

从2017年以来，中国一直在大力发展人工智能产业，从政策及资本上给予行业很大的支持，人工智能也与5G、大数据、工业互联网等新兴技术产业一起被列入新基建范围。

2020-2022年，是中国人工智能商业化较快的时期，AI进入了深度融合的发展期，开始运用于各行各业。回看近几年AI的发展，行业大环境与快速发展的趋势未改变。

2、政策：人工智能政策红利日益凸显

自2015年以来，人工智能被先后写进“十三五”、“十四五”国家发展规划纲要。此后，中央部委出台了诸多人工智能工作计划、实施意见。在国家持续推动下，各地也紧跟大潮，充分结合自身优势和产业基础，积极布局人工智能发展规划。例如，2019年，长沙市发布《关于进一步促进人工智能产业发展的意见》提出设立人工智能产业发展专项资金，每年列支5亿元，用于支持全市人工智能产业发展，重点支持产业集聚、企业引培、研发创新、示范应用、人才培养、金融创新、生态优化等方面。2022年，广州市发布《关于开展2022年度新一代信息技术、人工智能政策兑现工作的通知》提出针对人工智能示范应用、获奖情况进行资金奖励，并对相关企业租房用房、举办重大活动提供资金支持。

3、技术：应用驱动创新、积极补齐短板，已基本形成创新高地

目前中国各类AI技术全面发展，除了由市场需求驱动的应用技术发展之外，在政策牵引及业务需求驱动下，中国市场也在积极补齐基础理论研究方面的短板，大力推动如AI芯片、深度学习等领域的技术突破，从底层技术出发赋能AI产品及解决方案的迭代。

从技术创新角度看，以中国为首的东亚地区，已基本形成了人工智能创新高地，中国在专利、论文量及全球占比也在逐年提升。

4、产业融合：AI持续泛化，持续深入赋能传统行业并保持健康发展态势

当前，人工智能已广泛应用于人们日常生产、生活的方方面面，人工智能工具的引入也为中国数字经济发展带来巨大的增量，其发展态势健康稳定、持续且乐观。同时，在产业智能化转型升级的进程中，传统行业的参与程度将越来越深入，这将为AI提供海量的数据和更丰富的应用场景，为人工智能的应用打开新的空间。

5、产业规模持续扩大，市场份额将进一步集中

随着人工智能产业的不断发展和投资，人工智能产业规模在过去五年持续增长。根据2017年国务院发布的《新一代人工智能发展规划》，到2020年人工智能与世界先进水平同步，核心产业规模超过1500亿元，带动相关产业规模超过1万亿元；到2025年，核心产业规模将超过4000亿元，带动相关产业规模超过5万亿元。

2021年人工智能核心产业规模预计达到1998亿元规模，预计将于2026年超过6000亿元，对应2021年到2026年的CAGR为24.8%，带动产业规模超过2万亿元。随着越来越多的头部企业登陆资本市场，市场份额将进一步集中。

参考研报：

1.天风证券-基金研究：人工智能进入发展快车道

2.浙商证券-人工智能行业深度：潮起潮落，拐点已过，AIGC有望引领人工智能商业化浪潮

3.中信建投-人工智能行业2023年投资策略报告：AI大时代，把握赋能、创新与安全三条主线

4.Omdia-人工智能行业：中国人工智能框架市场调研报告

5.蚂蚁集团研究院-人工智能行业：人工智能在ESG投融资领域的应用与发展

6.富途证券-人工智能行业研究框架：政策助推产业发展，落地场景创新拓展

7.广闻广识-人工智能行业产业研究报告（上）：关键词，AI、深度学习、市场规模

8.艾瑞咨询-科技行业2021年中国人工智能产业研究报告（Ⅳ）：数字经济时代的产业升级探索

9.亿欧智库-人工智能行业：2022中国AI商业落地研究报告

TAG: #人工智能 #技术 #发展

《戴尔5460(戴尔5460一体机拆解)》文档下载： PDF DOC TXT

本文地址： http://www.mehmetgundogdu.com/zixun/6656.html