正文共：971字-5图
预计阅读时间：3分钟
人工智能（AI）技术，指利用计算机程序使人造机器呈现类人类智能的技术。基于实现功能，人工智能技术可分为训练层、感知层及认知层，分别模拟人类学习能力、信息获取能力及逻辑推演能力。由于工业细分行业数量较多，且同行业内工艺、生产线、产品的差异性较高，基于海量样本实现的深度学习技术难以在工业领域实现落地。中国工业领域AI渗透率较低，AI技术应用规模较小。2020年，中国智能制造行业市场规模预计将达到2.7万亿元，同比增长12.6%。
GPU芯片市场地位稳固，ASIC芯片未来市场需求空间充足
GPU凭借较强的应用通用性、较强的处理能力及较低的量产成本等优势，成为部署于数据中心的AI算法训练处理器主流选择。从短期来看，GPU产品在数据中心领域中的地位较为稳固，市场需求预计将稳定增长。具备目前最强处理能力及最低量产成本的ASIC将成为端侧AI芯片解决方案的主流选择。从短期来看，ASIC产品持续升级将进一步降低芯片单颗成本，促进ASIC规模化应用落地，推动ASIC市场需求进一步释放。
消费、政务及金融领域AI行业发展推动工业领域AI算法实现创新突破
消费、金融及政务领域AI应用的快速拓展，助力AI算法开发平台行业发展进入快车道。从短期来看，工业领域样本量的匮乏导致AI技术难以快速实现应用落地。而在消费、政务及金融领域，AI技术的应用将持续深化，推动AI算法开放平台行业发展，促进AI技术迭代创新。从长期来看，AI技术的突破及应用经验的积累或将推动AI技术向工业领域渗透加速.
小样本学习算法将成为推动工业领域智能化转型的关键技术
对样本量要求较低的小样本学习算法将是推进工业领域智能化转型的核心。相较于深度学习算法，小样本学习算法通过预归类样本实现对算法学习过程的简化，减少对样本数量的依赖。小样本学习算法在处理少类别任务时表现较好，但仍需解决多类别任务时所面临的过拟合问题。小样本学习算法的成熟将成为推动工业领域人工智能技术渗透加速的关键。
如果您想下载本文的报告，可以在水木人工智能学堂（公众号：smaiedu）回复关键词“ai175”获取。
来源 | 先进制造业
版权声明：本号内容部分来自互联网，转载请注明原文链接和作者，如有侵权或出处有误请和我们联系。
