人工智能（AI）技術，指利用計算機程序使人造機器呈現類人類智能的技術?；趯崿F功能，人工智能技術可分為訓練層、感知層及認知層，分別模擬人類學習能力、信息獲取能力及邏輯推演能力。由于工業細分行業數量較多，且同行業內工藝、生產線、產品的差異性較高，基于海量樣本實現的深度學習技術難以在工業領域實現落地。中國工業領域AI滲透率較低，AI技術應用規模較小。2020年，中國智能制造行業市場規模預計將達到2.7萬億元，同比增長12.6%。
GPU芯片市場地位穩固，ASIC芯片未來市場需求空間充足
GPU憑借較強的應用通用性、較強的處理能力及較低的量產成本等優勢，成為部署于數據中心的AI算法訓練處理器主流選擇。從短期來看，GPU產品在數據中心領域中的地位較為穩固，市場需求預計將穩定增長。具備目前很強處理能力及很低量產成本的ASIC將成為端側AI芯片解決方案的主流選擇。從短期來看，ASIC產品持續升級將進—步降低芯片單顆成本，促進ASIC規?；瘧寐涞?，推動ASIC市場需求進—步釋放。
消費、政務及金融領域AI行業發展推動工業領域AI算法實現創新突破
消費、金融及政務領域AI應用的快速拓展，助力AI算法開發平臺行業發展進入快車道。從短期來看，工業領域樣本量的匱乏導致AI技術難以快速實現應用落地。而在消費、政務及金融領域，AI技術的應用將持續深化，推動AI算法開放平臺行業發展，促進AI技術迭代創新。從長期來看，AI技術的突破及應用經驗的積累或將推動AI技術向工業領域滲透加速.
小樣本學習算法將成為推動工業領域智能化轉型的關鍵技術
對樣本量要求較低的小樣本學習算法將是推進工業領域智能化轉型的核心。相較于深度學習算法，小樣本學習算法通過預歸類樣本實現對算法學習過程的簡化，減少對樣本數量的依賴。小樣本學習算法在處理少類別任務時表現較好，但仍需解決多類別任務時所面臨的過擬合問題。小樣本學習算法的成熟將成為推動工業領域人工智能技術滲透加速的關鍵。
本站系本網編輯轉載，轉載目的在于傳遞更多信息，并不代表本網贊同其觀點和對其真實性負責。如涉及作品內容、版權和其它問題，請在30日內與本網聯系，我們將在地—時間刪除內容！[聲明]本站文章版權歸原作者所有內容為作者個人觀點本站只提供參考并不構成任何投資及應用建議。本站擁有對此聲明的很終解釋權
標簽：
