人工智能产业链解析 $寒武纪
来源：雪球App，作者：千舟万重山，（https://xueqiu.com/6263588477/253788896）
$寒武纪-U(SH688256)$ $科大讯飞(SZ002230)$ $浪潮信息(SZ000977)$
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。
算法、算力、数据是人工智能核心的三大要素，三要素不断创新推动人工智能行业发展。
数据方面，不同场景和需求推动数据规模快速扩大，多个知识集的建立推动人工智能应用落地。
算力方面，训练用芯片、推断用芯片应模型计算量需求不断提升算力，同时推断用芯片定制化发展，类脑芯片、存内计算、量子计算等依旧是相关技术的重点探索方向。
算法方面，预训练模型存在朝大规模、多模态方向演进的趋势，低内存、低计算量的轻量化深度学习技术应需求而生，“生成式人工智能”技术推动听说读写多项能力有机结合。
一、数据要素产业链
人工智能的发展需要有大量的数据支撑来进行训练和学习，数据是人工智能算法开发迭代的重要基础。
数据要素产业链主要包括数据供给、数据服务及流通、数据应用，其核心是资源化与价值化。
数据资源化环节首先要对个人、企业、政府的数据采集，并在此基础上进行数据整理与聚合，并对数据进行分析，使数据要素转变为可使用资源。
数据价值化主要涉及登记、确权、定价等流程。处理后的数据资源首先需要通过确权来提供规章性的保护，随后在数据交易平台市场通过供需关系确定价格并实现流通，在此过程中，第三方数据服务商为客户提供相应数据资源的应用服务，从而完成数据价值变现。
二、算力产业链
算力是人工智能的核心基础底座，为人工智能提供基本的计算能力的支撑，算力大小代表着对数据处理能力的强弱。
算力网产业链上游为基础软硬件，包括芯片/器件、服务器、交换机、路由器、光模块、操作系统、数据库、中间件等芯片、器件、软件、设备；中游算力网络与平台包括IDC服务、边缘计算、AI计算、网络设备、光传输等；下游面向数字化转型的各垂直行业，包括政务、工业、教育、交通、智慧城市等行业应用。
算力产业链中的关键环节为芯片、服务器、IDC、云服务等。
三、AI大模型产业链
AI大模型是人工智能迈向通用人工智能的里程碑技术。AI大模型是人工智能预训练大模型的简称，包含了“预训练”和“大模型”两层含义，二者结合产生了新的人工智能模式，即模型在大规模数据集上完成预训练后，仅需少量数据的微调甚至无需微调，就能直接支撑各类应用。
AI大模型包括NLP大模型、CV大模型、多模态大模型等。目前，Transformer架构在AI大模型领域占据主导地位，如BERT、GPT系列等。
（1）NLP大模型
自然语言处理（NLP）主要通过学习通用语言，使得模型具备语言理解和生成能力。在AI的感知层（识别能力），目前机器在语音识别（SpeechRecognition）的水平基本达到甚至超过了人类的水平。然而，机器在处理自然语言时还是非常困难，主要是因为自然语言具有高度的抽象性，语义组合性，理解语言需要背景知识和推理能力。
（2）计算机视觉（CV）大模型
视觉大模型是通过学习大量的图像和视频数据，形成具备视觉通用能力。相较于上千亿参数的NLP模型相比，CV模型规模要小两三个数量级。目前CV大模型的发展还存在一些挑战，包括：1）在CV领域可用于训练的有效数据比NLP领域有不少差距，2）CV领域的学习方法还需要突破，3）不同的视觉应用仍需要依赖于不同的模型，如何建立通用的视觉模型还是未知，4）供训练的图像尺寸越来越大，较小的模型也可能有很大的计算量。
（3）多模态模型
多模态机器学习（MultiModalMachineLearning,MMML）是指通过机器学习的方法实现处理、理解及融合多源模态信息的能力，模态是指某种类型的信息，例如文本、图像、视频、音频等，目前比较热门的研究方向是文本-图像的模型及应用。
#人工智能# #AI大模型# #AI算力#