2013年，深度学习算法的出现标志着人工智能的发展推向了另一个高峰。深度学习算法陆续在图像识别和语音识别领域取得了成功，识别率分别超过了95% 和 99%，人工智能行业也以深度学习算法为铺垫迈入了感知智能时代。
在数据层，截至2016年初，全球产生的数据量已达到8.59ZB，预计2020年将达到44ZB，CAGR 达到 50%以上，这也为深度学习算法在图像领域的训练提供了海量数据样本。截至2016年第一季度，全球基于深度学习的图像识别人工智能初创企业达到180家左右，每家企业平均融资额约为1000万美金。IT巨头诸如谷歌、、英特尔、苹果、推特以及国内的BAT等，都纷纷出手，在图像识别领域积极布局，掌握先入优势。未来人工智能将进入高速成长期，图像识别行业的应用场景也将遍及智慧交通、智慧安防、智慧城市、智慧医疗、智慧家居等，新的投资机会将不断涌现。
人工智能的产业链大致可分为三层：技术层、基础层和应用层。其中技术层是核心层面，又细分为框架层、算法层、通用技术层。基础层可细分为计算能力层、数据层。应用层可分为应用平台层、解决方案层。图像识别作为人工智能的主要子集，其结构与整个人工智能的产业链高度契合，大体可以分为三层，基础硬件层：高清摄像头、芯片、传感器、服务器、数据与数据传送，负责感知并获取数据；软件算法层：图像识别软件算法厂商、解决方案提供商，负责连接硬件和软件将数据通过算法转化为可以变现的解决方案；用户层：维修保养等业务，相当于售后服务，是产业链中和 C 端连接最紧密的一块，能及时了解用户反馈和需求。其中软件算法层为核心层面。
根据 的统计数据，随着深度学习算法引发人工智能发展史的第三次高潮以及政府战略政策重点关注人工智能行业，人工智能行业的全球投资额已由 2010 年的 2 亿美元迅速增长到 2015 年的 12 亿美元，而 2016 年一季度已超过 4 亿美元，预计 2016 年投资额将超过 16 亿美元，2017 年有望达到 20 亿美金以上，众多资金的纷纷涌入带来了人工智能行业的腾飞，可谓是天时地利人和，未来的 5-10 年就是人工智能行业发展的黄金时代。
预计未来全球图像识别领域，在基础层 IT 龙头企业将实现多头垄断局面，并形成竞争性合作，而在软件算法层和用户层，基本难以实现一家独大，初创企业可找到各自细分领域的独特切入点和应用场景，开创自己的商业模式，充分竞争。从技术角度来看，图像识别技术处于人工智能产业链的算法层，与上下游的应用层和硬件基础层联系紧密。目前深度学习的日趋成熟也促进了图像识别技术的高速发展，产业链上中下游形成协同效应。从应用热点和盈利性等多方面考量，建议可以多关注以下五大场景，驾驶辅助：与激光雷达系统LiDAR、图像处理和车联网结合，实现成熟的ADAS系统和无人驾驶技术；活动安检：协助大型活动进行安全检查，统计人数并对现场人流量热点图进行实时分析，并对现场视频进行结构化标注分析，提前预警异常事件；人机互动：从现在的人机机械单向多点传输指令进化成未来的多生物途径双向信息交互，实现沉浸式智能操作；智能制造：实现在工业制造中自动操作和监控筛选出不良产品；自动建模：利于基于深度学习算法的图像识别技术辅助地理建模、分析卫星传回的图像、分析医疗影像并辅助治疗等。
———END———
限 时 特 惠： 本站每日持续更新海量各大内部创业教程，永久会员只需99元，全站资源免费下载 点击查看详情
站 长 微 信： hs105011
