智能平台白皮书.pdf

智能平台白皮书 6 编写单位： 商汤智能产业研究院 上海人工智能技术协会 中国企业联合会智慧企业推进委员会 编写组指导： 杨 小 帆 商汤科技联合创始人、副总裁 林达华 商汤科技联合创始人、研究院副院长 章海东 上海市人工智能技术协会会长 柏东海 中国企业联合会副理事长 田 丰 商汤智能产业研究院院长 编写组： 刘志毅 商汤智能产业研究院主任 田 小 丰 商汤智能产业研究院院长 杨 小 燕 商汤智能产业研究院战略生态研究主任 李兆松 商汤科技研究院产品总监 尹 小 智 商汤智能产业研究院首席架构师 郭俊翔 商汤智能产业研究院助理研究员 鸣谢： 高 小 洋 商汤科技研究院技术执行总监 张行程 商汤科技研究院研究副总监 何聪辉 商汤科技研究院研究副总监 高春雷 商汤科技研究院高级产品经理 葛佳烨 商汤科技研究院项目经理 佘君虎 商汤科技研究院项目经理 王少伟 商汤科技研究院售前项目经理 张馨月 商汤科技研究院项目经理 叶安华 商汤科技研究院高级研究员 王 小 欢 商汤科技研究院高级研究员 吴珂馨 商汤科技研究院见习产品经理 庄汉阳 商汤科技工程院技术执行总监 陈 小 恺 商汤科技 EIG 研究中心研究副总监 旷章辉 商汤科技视频大数据事业部研究总监 江訢华 商汤科技视频大数据事业部产品经理 伊 小 帅 商汤科技新兴业务产品线研究执行总监 刘恒一 商汤科技新兴业务产品线高级项目经理 张 小 斌 商汤科技海外业务事业群项目经理 目录 CONTENTS 1.1 背景：发展引领，需求驱动 .10 1.2 趋势：技术先行、人才进步、产业升级 .12 1.2.1 技术先行 .12 1.2.2 人才进步 .14 1.2.3 产业升级 .15 1.3 生态聚合：智能平台推动城市向新型智慧宜居而演化，“焕”新基建 .16 第 一章 趋势 篇 2.1 人工智能的行业发展、投资情况和技术生态 .20 2.1.1 人工智能行业发展 .20 2.1.2 人工智能投资情况 .21 2.1.3 人工智能技术生态 .21 2.2 人工智能的平台商业基础设施 .23 2.3 智慧型企业生态模型 .25 第 二章 生态 篇 3.1 智能平台定位 .28 3.2 智能平台标准范式：1+4+N .28 3.2.1 “1”计算平台 .28 3.2.2 “4”数据、算法、算力、领域专业能力 .29 3.2.3 “N”聚合生态 .29 3.3 典型应用剖析 .30 3.3.1 广电“短视频”解决方案（L1 级）.30 3.3.2 中东某国资背景企业移动车载智能执法解决方案（L2级）.32 3.3.3 某知名车企自动驾驶解决方案（L3 级）.33 3.3.4 某自动驾驶公司超算平台解决方案（L4 级）.34 第 三章 价值 篇 未来先至，智能平台点亮智慧生活 .7 前言 7 前言 未来先至，智能平台点亮智慧生活 人类历史上，科技的每一次重大突破，都会引起生产力的深刻变革，重塑产业价值链和经济组织形式，推动人类社 会经济和文明的不断进步。 在农业社会，人类使用简单的手工工具，以土地为生产资料，在马斯洛人口陷阱中经历了漫长的时代更替，直到 18 世纪蒸汽机的发明和使用，技术变革带来了生产工具的革命性发展，能量密度更高的机器制造取代手工劳作，标志着人 类社会进入工业化发展时期。 短短两百多年，从蒸汽机、内燃机到电动机，技术变革不断提升机器“体力”，带来生产效率成百倍、千倍的提高。 随着两次工业革命的结束，人类社会迎来空前的物质繁荣。基于标准化的规模经济是机器大工业时代的核心特征，资源 向大型企业集中，中小企业依附于大企业生存，是市场配置的次要角色。 20 世纪 40 年代，电子计算机的诞生掀起信息技术革命。过去三十年，随着互联网、个人电脑、智能手机的应用和 普及，物理世界从消费端开始不断比特化，数字经济时代到来，并涌现出诸如谷歌、Facebook、亚马逊、腾讯、阿里 巴巴、百度等大型互联网平台。这些平台型企业，在网络效应和技术外溢效应的带动下，凭借流量优势不断延展业务边界， 从“吃喝玩乐”到“衣食住行”，逐渐渗透在人们消费生活的方方面面，null促使包括传媒、零售、金融等众多行业发生 近乎颠覆性的变革，新商业模式层出不穷。网络效应是这个时代的核心特征，资源通过平台聚合，再通过平台优化配置， “大平台 + 小而美”取代大型企业成为生产组织最优解。 最近十年，以人工智能为代表的信息科技取得了突破性进展，人类社会又迎来了新一轮的生产力革命。与“刀耕火 种”的农业社会，“机械代人”的工业社会不同，人工智能通过提升机器“智力”提高生产效率，驱动产业智能化升级， 带领数字经济向数“智”经济发展，人类社会步入智能时代。 回溯过去，展望未来，我们不难发现每一次技术变革的背后都是人类文明社会生产力进步与对更高质量生活的追求 之间的默契作用。在智能经济浪潮的引领下，人类如何实现技术突破，创造美好生活成为当前最值得期待的发展目标， 而人工智能作为其中最具活力的弄潮儿，已然成为当前智能经济时代最关键的因素之一。null近平总书记指出，人工智能 是引领这一轮科技革命和产业变革的战略性技术，具有溢出带动性很强的“头雁”效应。加快发展新一代人工智能是我 们赢得全球科技竞争主动权的重要战略抓手，是推动我国科技跨越发展、产业优化升级、生产力整体跃升的重要战略资源。 与发展初期实现简单人脸识别或语言处理相比，现在的人工智能已经深度参与到智慧城市建设，如智能交通依靠大 智能平台白皮书 8 数据采集、分析，精准动态控制公共交通系统与交通信号从而实现大规模人流与拥堵交通的快速疏解；智能医疗则可利 用经过脱敏化处理的千万名患者的数据，实现医疗影像的自动分析与识别，生理数据的动态监控，准确定位病灶及时发 现病情，为人民生命安全保驾护航以上这些应用所需要的多维度数据采集与处理、高并发传输与大规模运算，已经 无法依靠简单的本地化算力与存储系统，智能平台应运而生。本文旨在通过一系列数据与案例，生动全面阐述当前智能 平台发展情况、技术生态与典型应用场景，为您更加全面洞悉智能平台的未来提供有力信息支撑。 前言 9 智能平台白皮书 1.1 背景：发展引领，需求驱动 1.2 趋势：技术先行、人才进步、产业升级 1.2.1 技术先行 1.2.2 人才进步 1.2.3 产业升级 1.3 生态聚合：智能平台推动城市向新型智慧宜居而演化，“焕”新基建 趋势篇 TRENDS 第 一章 10 1.1 背景：发展引领，需求驱动 在科技发展推动人类生产力进步，新的需求催生新型基础设施。以典型的视觉互联网为例，思科在2019年发布的 移动可视网络指数预测报告中分析：2022年底79%的移动数据流量来自视频（2018年占比为58%），55亿移 动用户将使用80多亿部移动设备，通过交互视频参与远程会议、在线上课、收看节目广告、玩游戏、看病问诊、社交 聊天等活动，不论“下行流量”（短视频、游戏、广告等）还是“上行流量”（录制短视频、视频课程、医疗影相、自 动驾驶等）都将飞速增长。另一方面，英特尔预测2028年90%的互联网流量是视频，而人均视频数据需求将增长7倍， VR、AR 应用会逐步向全民普及。由此我们可以发现，视觉数据大爆炸时，智能开放平台、AI 超算中心、AI 芯片等智 能平台关键要素已然成为当前万物互联背景下的“新型基础设施”。 生产力进步令人类进一步追求更高质量的生产生活，新型基础设施发掘新商业需求。以过去三十年的科技经验为例， 依靠第一代集中式服务器机房，美国世界 500 强支撑起全球创新商业模式；依靠第二代分布式并行 CPU 的云计算中心， FAANG、BAT 等公司支撑起网络游戏、电子商务、在线搜索等移动互联网商业模式；而现在，依靠第三代分布式并行 AI 芯片的机器学null超算中心，Netflix、抖音 /TikTok、快手、B 站等正在探索基于视觉的全新商业模式。通过云边端部 署的训练芯片、推理芯片等“新型基础设施”，持续推动着“视频商业”的飞速进化与行业创新。 基于以上理解，我们可以将智能平台的产生背景总结为以下三个关键理念： （1）惠民 智能平台服务智慧城市建设，其背景中最重要的就是建设宜居城市并让城市中的全体公民公平享有发展红利，null就 是“惠民”。 当前人类正在遭受劳动力日趋短缺的威胁，据CNN报道，老龄化浪潮不可阻挡，全球34个国家步入“超高龄社会”， 趋势篇 第一章：趋势篇 智能平台的兴起，基于人们对于高密度、多维度、碎片化数据信息的采集、存储、计算、分析等一系列处理流程的 “智能计算”需求；而“智能计算”需求的出现，则源于科技发展所推动的人类生产力进步，和人类对于科技赋能下的 更高质量生产生活的追求之间的相互作用，所催生的对于“数据”这一全新生产要素的应用。如果说数据是建立当前数 字经济摩天大厦的钢筋螺母，那么智能平台则是浇筑吊装这些组件的大型工程器械，正所谓“工欲善其事，必先利其器”， 高性能、强可靠的智能平台可以极大提升大规模数据的处理效率与分析精度，令当前智慧城市建设如虎添翼。 11 智能平台白皮书 世界上 17 亿人口已经超过 65 岁，年轻劳动力短缺导致用工成本不断攀升、最低工资水平上涨、人口红利消失，这一点 在我国尤为凸显。 一方面，我国近几年快速推进城市化建设，创造了人类发展史上前所未有的伟大辉煌成就；但与此同时，崭新的城 市虽然代替了破败的村镇，但城市相关配套设施与社会发展，和快速变化的人口结构与快速增长的人均可支配收入相比 仍存在显著差距。 例如在我国的大型城市尤其是一线或特大型城市，市民每天早晚都要饱受交通高峰的困扰，诸如像北京这样的城市 面对交通资源管理难题往往束手无策；再例如虽然我国已经基本实现城null居民基本医疗保险，但医疗资源分布不均仍是 一项亟待解决的社会难题，大量优秀的医疗资源集中在头部城市，城镇与不同区域城市之间的医疗资源差异悬殊，在导 致头部医疗机构不堪重负的同时，null致使null镇医疗条件无法满足患者看病就医需求。还有就是当前日趋严峻的人口老龄 化问题，我国拥有全世界绝对数量最多的老龄化人口群体，广大中老年人无法切实享受城市发展红利，尤其是面对数字 经济浪潮与科技发展，大量电子产品与互联网服务成为一张无形的围栏，使得这一部分人群难以融入现代社会，造成一 系列社会问题亟待我们充分利用数据资源加以解决。 “惠民”的理念可以解释为：“普惠利他，普惠大众”。智能平台基于惠民这一理念，赋能 AI 技术推动智能社会的建设， 把满足人民对美好生活的向往作为科技创新的落脚点，把“惠民、利民、富民、改善民生”作为科技创新的重要方向， 通过典型的 AI 公共服务切实保护公众利益。 （2）兴业 智能平台不仅有为公民提供更加便捷美好的生活，令人工智能科技红利普惠大众的需要，null有激活旧场景、拓展新 业态，推动城市产业转型升级的需要，这里我们将其简称为“兴业”。但智能化泛滥与所带来的管理挑战null影响企业效益。 根据Strategy Analytics分析，2025年，5G和智能制造将带来全球400亿台物联网终端，将部分工作、生活“自动化” 的同时，诸多企业主正在面对蝗虫般泛滥的硬件“管理挑战”、“安全挑战”，以AI来管理IoT是智能企业的“标配”。 “兴业”针对不同对象可以有不同的阐述。从行业发展来看，我国作为制造业大国，拥有全世界规模最大的劳动密 集型产业，而其中绝大多数是基于传统行业，包括纺织服装、塑料制品、零件组装、能源矿产等。一方面，这些传统行 业在以软件开发为代表的高新技术产业的带动与大数据、云计算、人工智能等智能经济典型技术范式的引领下，正在积 极寻求智能化转型的道路；另一方面，在现有传统行业基础上，新一轮科技革命null催生出了许多制造行业的新产品、新 业态和新模式。无论是智能化转型还是新业态拓展，其所需要的大量数据与计算资源都有赖于智能平台的深度赋能；加 之这些企业往往不具备过硬的自建平台的能力，一套具有开放生态的智能平台从而支持广大长尾客户根据需要深度定制 所需功能显得尤为重要。 从城市发展来看，“兴业”更多体现在对于城市的激活与重塑，创新驱动城市发展。随着包括道路、桥梁、交通枢 纽等在内的城市传统基础设施建设日趋完善，如何在现有基础上提升城市发展水平成为一项关键命题。城市的建设与发 12 趋势篇 展确保全产业各项生产要素的供需平衡与金融市场的稳定运行，这就需要城市突破现有桎梏寻求新增长点。产业转型升 级同时null会带动城市区域协同发展，以区域为单位，建立云计算平台或数据存储中心等ICT基础设施，将切实有效确保 企业能够拥有转型升级的基础保障，同时null为城市创造新就业岗位、新发展业态与新增长活力。 （3）善治 所谓“善治”，主要是指城市管理与社会公共治理的数字化转型。城市在发展，规模不断扩大，所带来的一系列城 市治理与环境保护问题null成为当前值得关注的热点命题。尤其是在中国，城市化的快速推进导致一些地方城null发展不均 衡，地域发展分化较为严重，随之而来的各种管理问题尤为凸显。例如市民政务办理，传统的“属地办理”原则，面对 当前高流动性的城市公民而言显然有诸多不便，同时一些地方城市与null村之间的界限愈发模糊，但在社会治理中依然存 在城null区别对待的情况，显然不符合发展规律；再例如随着城市的不断拓展，一些地方不合理城市化所导致的水土流失、 植被破坏、违章建筑等难题亟待疏解，利用传统人力资源显然低效而执行力差。 正因为如此，施政者对于充分利用大数据、云计算、人工智能等技术实现更加科学合理高效可靠的城市管理与社会 治理的需求尤为明确，而这null需要可满足城市级规模数据处理的智能平台的有力支持。充分利用现有数据资源，打破地 理与区域管理高墙，让数据多跑路，让群众少跑路；同时有效利用地理信息、遥感数据、水文气象等数据，借助机器学 null等模型，在更少人力资源配置的情况下实现更加精准的城市多维度、全方面管理，保障城市可持续发展。 1.2 趋势：技术先行、人才进步、产业升级 智能平台基于惠民、兴业、善治的背景，为城市与产业可持续发展奠定坚实基础保障。智能平台从无到有发展壮大， 有赖于以下三个方面的关键性趋势：技术先行、人才进步、产业升级。 1.2.1 技术先行 智能平台服务于人工智能技术，而人工智能技术本身的突破和发展源自数据、算法、算力三大要素的内在驱动。若想 实现人工智能的精妙应用，数据的采集、存储、传输、分发与云端的处理、分析等，需要强大的算力、科学精准的算法与 稳定充足的存储保障，与之对应的基础设施有超算平台、算法栈以及云存储中心，这null是智能平台不可或缺的关键组成部分。 （1）数据在线 作为智能经济最为关键的生产要素之一，数据的价值在于 “流动”。在互联网出现之前，IT 信息化已经开始，很多企 13 智能平台白皮书 业搭建起内部的信息系统，产生了大量数据，但这些数据因为缺乏流动和互联互通，形成无数的“数据孤岛”，仅少量 作为内部运营的经验参考，大部分数据价值并未得到有效开垦和利用，成为无法创造经济价值的“死”数据。 互联网的出现，让数据重新“活”了起来。互联网的灵魂是“在线”，而在线的本质是“连接”和“流通”，企业 从消费端第一次感受到数据“在线”带来的巨大价值，数据正成为企业最重要的生产要素和战略性资源。基于消费者在 互联网上的行为记录、互动和反馈，企业通过数据搜集、分析，有效指导生产和营销，实现投入产出效益的大幅提高。 尤其是进入移动互联网时代，无时无处的连接，使得消费数据颗粒度越来越小，按需生产（C2M）、直播带货、柔性供应、 用户全链路参与等新商业模式不断涌现， 传统线性价值链逐步瓦解，动态价值网络正在形成 。最为典型的是基于阿里电 商平台的产销组织模式，无数的个人和企业通过数据在线和交互，快速响应长尾用户需求。由消费端引导的价值链重塑， null倒逼企业开始重新思考传统模式下的生产流程和决策机制。 如果将PC互联网和移动互联网比喻为数据在线的1.0和2.0时代，那么在线3.0，则是5G浪潮下正在发生的 万物互联。伴随着移动智能终端、基于MEMS 传感器、智能机器、智能设备、摄像设备的广泛普及，物理世界正在被 高速的比特化、在线化。据IDC发布数据时代2025的报告显示，2010 年全球产生的数据量仅为 2ZB（1ZB=10 亿TB=10000亿GB），到2025年全球每年产生的数据将高达175ZB，相当于每天产生 491EB 的数据，年均增长 20%。 总的来说，数据在未来有以下两大趋势：一个是数据类型与维度不断拓展，随着传感器与on-sensor计算的发展， 将迎来又一轮高潮；另一个就是数据的流动更加紧密，由互联网走向万物互联，数据在线从消费端、需求侧向生产端、 供给侧逐步延展，打通生活、生产各个环节，物理世界与数字世界不断融合，“数据孤岛”被逐一连接，在产业上下游、 合作伙伴间数据共享的基础上，进一步深化网络协作，不断推动动态价值网络向更成熟、高效、价值最大化方向演进。 （2）算法提效 算法的本质是对物理世界运行规律的提炼通过对数据的学null找到数据间的内在规律（关系），并以模型化的方 式表达出来，辅助人类做出更高效的决策。整个数据学null和模型训练的效率，主要取决于过程中所使用的生产力工具的 水平高低。 随着物理世界比特化，数据规模指数级增长的同时，null将带来数据处理和分析难度指数级增加，需要与之匹配的生 产力工具对海量、复杂的数据生产要素进行高效挖掘。目前，针对复杂的大数据关系，基于深度学null的算法训练是最高 效的方式之一，在计算机视觉、自然语言处理以及信息检索等多个领域不断刷新记录，逼近或超越人类极限。最为典型 的即是 2016 年围棋比赛战胜李在石的 AlphaGo，点燃了深度学null算法的燎原之势，null将人工智能带入了大众视野。人 工智能时代的发展，势必会引起新型算法栈的兴起与突破，算法的迭代与模型的升级将进一步加速人工智能落地与应用 进程。 14 趋势篇 （3）算力支撑 深度学null的准确性高度依赖数据规模，如自动驾驶、石油和天然气勘探以及医疗成像等，至少需要数十亿个训练元 素和几十亿字节的训练数据集，这对计算能力提出较高要求。人工智能芯片，包括GPU、FPGA、ASIC、类脑芯片等 的出现，让大规模数据训练效率大大提升，加速了深度学null算法的迭代速度，促进了人工智能行业的大发展。与此同时， 用于数据计算和存储的超算中心纷纷拔地而起，为人工智能应用落地提供算力支撑。据统计，2019 年全球超大规模数据 中心已超过 500 个，为 2015 年数量的两倍，并仍在高速扩张中。 算力的支撑，一方面是硬件的发展与基础计算技术（如量子计算）的突破，另一方面还有软件层的进一步优化，从 底层改善现有算力效能，实现更加出色的垂直化部署与软件技术栈调用。 数据在线化提速，深度学null算法优化，芯片性能提高和超算中心发展，激发人工智能技术觉醒，并迅速与场景结合落地生花， 从线上到线下卷起一股产业智能化浪潮，推动智能时代加速到来。 1.2.2 人才进步 数字经济时代，人工智能正成为引领科技创新和产业发展的核心力量。人工智能产品与服务正在持续地渗透到人们 的日常工作、生活、学null和社交等领域，null推动国内各区域、各类型的科技企业和传统产业企业纷纷向人工智能领域开拓。 经过多年的持续发展，中国在人工智能领域取得重要进展，国际科技论文发表量和发明专利授权量已居世界前列，部分 领域核心关键技术实现重要突破，但是人才问题仍然是制约该产业发展的关键。 图 人工智能产业人才岗位类型 （来源： 人工智能产业人才发展报告 ，工业和信息化部人才交流中心） 传递客户需求 把 控项目进度 其 他 岗 位 高级管理岗 运营岗 服务岗 服 务 null null 产品经理岗 销售岗 市场岗 项目经理岗 高端技术岗 实用技术岗 应用开发岗 算法研究岗 支撑服务 支撑服务 支撑服务 产品运营 客户服务 经营管理企业 经营管理企业 洞悉目标行业 未来趋势 需求调研 产品宣贯 营销推广 筛选客户需求 把 控项目进度 输出场景化 产品模型 分解算法 /技术 计算机技术支撑 15 智能平台白皮书 从人才供给的角度来说，智能平台得以发展的切实保障是日趋提升的人才质量。相对于上个世纪中叶到后期出生的 刚接触计算机的人们，对于数字化基础设施的接纳与了解程度往往限于其早年所接受的教育与生活经历，具有较高门槛； 但出生在1995-2009年间“Z”世代的年轻人，从一开始就成长在万物互联的新时代，其受到互联网、即时通讯、短讯、 MP3、智能手机和平板电脑等科技产物影响很大，对于人工智能技术的理解与掌握和其他更加年长的人相比更具优势， null更愿意参与到数字基础设施的建设与发展之中。 事实证明，Z世代正在成为影响这个世界的重要力量：根据联合国的人口调查统计，Z世代人口在2019年占据全 球总人口的 32%，成为人口最多的一代人；而中国则拥有全球最大规模的 Z 世代，共 3.28 亿人的“互联网原住民”在 2020 年将贡献 40% 的社会消费，他们是新兴技术红利的享有者与共创者。Z 世代一方面积极拥抱新产品、新业态，同 时创造一部分全新职业与社会角色；另一方面，Z世代整体在数字化开发方面的素养提升，为智能平台的推广、落地与 应用扫清了一部分障碍。 从人才发展的角度来看，AI 技术的发展和产业化落地对企业的人才管理和组织结构将带来新的改变。首先，企业需 要组织一只懂 AI 的团队来构建自身的 AI 能力，从而催生了对 AI 人才的刚性需求。除了在外部市场上抢夺人才，企业null 须建立内训机制，或者与高校合作等方式培养AI后备人才，以弥补市场上的人才缺口；其次，对于企业来说，“AI+” 并不单是技术嫁接原有业务，而是与业务做深度融合，实际上是对企业底层操作系统的切换。这就如同过去我们谈“互 联网 +”，不只是在原有业务的基础上做一个线上平台，而是需要将线上线下资源全部打通，实现全渠道融合。 因此，AI 团队在企业组织的顶层设计上，不是一个附属存在，而应作为技术中台，站在企业战略高度去支持业务 AI 化，这null要求组织架构须做出新的安排。此外，AI 技术推动企业智能化升级，必将替代一部分传统职能，同时孕育出新 的人才需求，需要企业对传统的人力资本结构做出新的调整，以 AI 人才为核心，确保企业在人力配置上达到最优。 1.2.3 产业升级 产业升级，具体可以解构为以下两个方面：“AI 产业化”与“产业 AI 化”。 （1）AI产业化：AI由论文模型走向工厂车间，“大规模”与“标准化”落地进程加速，“可定制” 未来可期。 “大规模”和“标准化”是工业时代的两大关键词，其中“标准化”是工业时代的底层操作系统。现代化企业基于 标准化的零件规格、工艺流程、生产范式，自上而下组织资源、分工协作，实现工业时代规模化的生产目标；同样，AI 的工业化之路，null需要建立在标准化的基础之上。人工智能企业通过为企业提供标准化、模块化、工具化的 AI 产品与解 决方案，一方面大幅降低企业获取 AI 能力的技术门槛，减少资金投入和时间成本，同时加速 AI 工业化进程，推动 AI 技 术实现快速、规模化的产业落地；另一方面，在 AI 落地过程中所产生的大量的真实数据，null可以进一步训练底层的算法 引擎，持续优化 AI 解决方案，稳固 AI 企业的技术壁垒。 16 趋势篇 但与此同时，我们null注意到现有标准化产品有时无法满足复杂应用场景下企业的精准需求，尤其是面对一些非标场 景，将人工智能深度定制化的能力以较低的门槛下放给企业，这就是智能平台的进一步价值。智能平台推动产业升级， 其关键的一点就是秉承开放的理念，在确保工业管理下精度、稳定性、鲁棒性等关键指标不缺损的情况下，基于一套拥 有合理封装和广范受众交互语言的智能平台，为企业提供模块定制、动态调参、组件选型等定制化功能，使得企业得以 根据自身需求，获取强相关的功能并大规模复用，这null是智能开放平台相对于传统工业时代底层操作系统的显著优势。 需要注意的是，“可定制”与“标准化”并不矛盾，“可定制”是对传统“标准化”的进一步诠释。在商汤看来， 加快AI工业化进程，本质上即是整合内部资源和技术能力，进行高度的模块化和标准化，再通过AI开放平台的方式对 外灵活输出，将 AI 技术与具体行业有机结合，根据不同场景与业主需求提供高度匹配的产品与服务，最终实现赋能百业 的战略目标。 （2）产业 AI 化：智能平台赋能 AI 重塑企业核心业务，解决痛点拓展价值释放新动能。 中国企业的竞争模式大体上经历了三个不同阶段：互联网尚未普及的90年代，信息不对称是企业制胜的法宝，当 时的市场分割，信息流动性不高，使得掌握一手市场或政策信息的企业获得了快速发展的机会；2000 年，对土地等核心 资源的占有形成企业的竞争壁垒，造就了地产行业的黄金十年；而到了今天，随着技术迭代加速，变化已成常态，如何 控制和利用变化所带来的不确定性成为企业的新命题。 产业 AI 化的主要体现在于融合人工智能的新支柱产业的诞生，与相关社会基础设施的进一步完善。包括自动驾驶、 机器人在内的自主系统发展和社会场景与工作属性的数字化，现有职业与产业将被深度重塑。在此浪潮下，主动拥抱变化， 顺势而为，利用 AI 技术手段提升企业业务运营和决策效率，驱动企业的新模式转型和智能化升级，以技术的确定性应对 未来的不确定，是企业核心竞争力的直接体现。 1.3 生态聚合：智能平台推动城市向新型智慧宜居而演化，“焕” 新基建 传统智慧城市建设思路急需做出突破性变革。据 IDC 数据显示，2020 年，中国智慧城市投资高达 266 亿美元， 是仅次于美国的全球第二大市场；我们可以看到，包括 5G、人工智能、工业互联网、大数据中心、新能源充电桩、城 际高速铁路和城际轨道交通在内的城市级新基建范围更大，虽前途光明但道路曲折。尤其是当新冠疫情突然袭来，传统 智慧城市暴露出“重人工轻智能”、“重效率轻自然”、“重功能轻韧性”三个问题，亟待有效疏解。 17 智能平台白皮书 展望面向未来的新基建，应聚焦新型智慧城市、公园城市、海绵城市的发展方向，我们认为未来十年是打造中国超 级城市群的新基建窗口期。“从信息化到智能化再到智慧化，是建设智慧城市的必由之路。”应通过智能平台集中大数据、 云计算、人工智能等资源，推进城市治理现代化，让大城市变得更“聪明”。 城市级智能平台为打造因地制宜、千城千面的新型智慧城市提供有力基础支撑。中国拥有 130 个百万人口以上的城 市，自然环境各异，产业集群各有千秋，人文历史百花齐放。如何将全球领先的发展模式、经济范式、治理方法个性化落地， 并根据城市生长速度、现实挑战进行快速调整，是每一位市长的目标、市民的心愿。 基于以上探索，我们认为“互联网+”背景下所建立的聚合创新创业生态体系，包括金融资本、人才资本、数据等 生产资本与硬件层面所集成的个人终端，以及包括摄像头、信号灯、公共交通等在内的城市公共数字基础设施，将有力 刺激智能平台的发展，城市数据经过智慧大脑的高效处理与全域、实时、预判分析，集中“机器能力”与“专家智慧” 才能实现个性化升级、动态化调整、创新化发展；网连市民、看清数据、用好算法正在成为新一代智慧城市科学数字治 理的必备“新智力”。 综上所述，我们认为人工智能时代将有以下特征：未来的前端与后端将以智能平台的形式呈现，前端基于AR/VR、 脑机接口等全新交互方式，后端则基于量子计算、区块链等全新计算平台，为用户提供具有定义性的体验和能力，在智 慧城市、大规模计算、合成生物学、能源、太空等前瞻与战略领域形成具有核心优势的聚合生态体系。 19 智能平台白皮书 2.1 人工智能的行业发展、投资情况和技术生态 2.1.1 人工智能行业发展 2.1.2 人工智能投资情况 2.1.3 人工智能技术生态 2.2 人工智能的平台商业基础设施 2.3 智慧型企业生态模型 生态篇 ECOLOGY 第 二章 20 2.1 人工智能的行业发展、投资情况和技术生态 2.1.1 人工智能行业发展 从行业上来看，人工智能应用主要布局在 ToB 领域，尤其针对企业数字化转型方向，业务发展迅猛。根据亿欧智库 统计，经过10余年的快速发展，中国人工智能企业主要聚焦于行业解决方案、企业服务、机器人、大健康、安防等赛道。 从这一点我们不难看出，一方面人工智能的价值在于与行业深度融合，而融合的过程null就是 AI 企业与行业传统企业深度 合作、共同推动场景适配挖掘、AI赋能，进而实现降本增效；另一方面，人工智能技术不仅需要优秀的算法，null需要海 量的数据输入才能产生优良的应用模型，而这些数据的最主要来源便是广大行业应用，因此 AI 的进一步发展必然引领企 业的数字化转型，同时企业数字化转型null会反作用于AI产业发展。 我们有理由相信，在这种协同共促的作用之下，未 来AI在产业互联网、视觉物联网等领域必将产生巨大价值，带来全行业的智能化变革。 从人工智能垂直领域来看，AI芯片作为提供边缘计算能力的关键，有效助推终端人工智能快速发展。以GPU、 FPGA、ASIC 和类脑芯片为代表的 AI 芯片大放异彩，其算力和功耗等性能指标的快速提升为终端设备实现本地智能化 提供了可能；与此同时，基于5G等高带宽低时延通信传输的实时响应需求null在不断拉近人工智能与终端设备，如自动 驾驶领域，汽车需要对周围环境中的复杂目标物体实现厘米级别的精准感知与毫秒级的实时响应，并做出高可靠低时延 的智能决策，单纯依靠本地化运算或云端处理显然是不可取的，而应当基于终端本地智能化与云端协同配合，综合数据 并将无网络信号等极端情况考虑在内，这无疑对本地化算力与通信传输提出了更高的要求，null催生了 AI 芯片和更高性能 通信技术的发展。 生态篇 第二章：生态篇 163 153 131 113 98 95 81 77 77 46 行业解决方案 企业服务 机器人 大健康 安防 互联网服务 金融 汽车 基础元件 教育 图 中国人工智能相关企业所属的垂直行业分布 TOP 10 （来源：亿欧数据（统计截止时间为 2020 年 4 月） 21 智能平台白皮书 2.1.2 人工智能投资情况 从资本上来看，人工智能私募投资热潮加速降温，市场逐渐趋于饱和；根据亿欧智库统计，中国 AI 私募投资热度在 2017-2018 年达到顶峰后，投资频次和投资额度开始逐年回落，2019 年全年投资频次仅为 2018 年的 30%，而 2020 年1-4月种子轮/天使轮的投资事件仅占2019年全年同轮次投资事件的34%。 这样的现象反映了人工智能行业整体发 展处境，经历快速发展期后的理性回归，让企业不得不重新审视落地场景与商业形态；同时随着科创板的成立，新融资 渠道助推人工智能企业释放活力，同时null为人工智能企业的商业模式提出了更高的要求。 2.1.3 人工智能技术生态 人工智能按照技术架构可分为基础层、技术层、应用层。基础层主要包括运算硬件 ( 算力 )、计算系统技术、数据与 基础算法框架。运算硬件不仅有提供算力的 GPU/FPGA、神经网络等运算芯片，还有获取数据的传感器，上述硬件作 为人工智能技术的载体，共同提供了其必不可少的数据侦测与运算能力保障;而数据是人工智能的基础，量级庞大冗杂 质量参差不齐的非结构化与半结构化数据，经过基础算法框架的采集、清洗、标注与分析、整理与存储，形成具有一定 结构化特性的数据集，并在算力的支持下用于算法框架的训练;人工智能技术还需突破硬件本体的限制才能进一步实现 （来源：亿欧数据（统计截止时间为 2020 年 4 月） 22 生态篇 图 人工智能基础层、技术层和应用层 （来源：招商证券） 应用与落地，这就需要云计算、通信网络与数据存储流动的可靠支持和信息传输保障。 23 智能平台白皮书 2.2 人工智能的平台商业基础设施 图 智慧视频产业生态图 （来源：商汤智能产业研究院） 商业是新技术的孵化器。正如“双11”催生了云计算，视觉商业浪潮正在催生出新一代智慧视觉计算平台(VAIaaS， 即V+AI as a service)，例如突其来的新冠疫情，让所有企业认识到“无商不视（频）”的智能战略，从直播卖货、 短视频私域流量、长视频场景广告、视频上学、视觉远程医疗、音视频会议室、快递机器人（自动驾驶）、社区无人机等等， 以95后、00后为代表的“视觉消费者”正在引领在线市场向“视频商业”全面转型。在消费需求侧，全球逾千万的 APP 纷纷上线视频交互功能，而在商业供给侧，近百亿的 AIoT 设备加入视觉传感器（摄像头、红外等），变身 VAIoT 终端，例如有视觉交互功能的手机、电视、游戏机、XR 眼镜、广告屏、汽车、工业机器手、农业植保机。 图 人工智能创造价值的核心模式 数据 创造商业 / 社会价值 达到目的应用知识 从数据中 获取知识 AI系统 硬件 + 软件 + 算法 更多的数据（闭环反馈 Feedback Loop） 智慧视觉基础设施（ VIaaS） 视频运营生态圈（ VaaS） 视频生态端 （感知 VAIoT） 视频消费端 （有屏 VIoT） KOL/KOC 城市管理 制片方 企业 消费者 政府 学生 企业 AI芯片 异构计算 虚拟化 AI并行计算平台 算法工具链 训练框架 数据平台 推理 框架 集料管理 智慧城市 增强现实 文娱游戏 视频广告 智慧房地产 智慧教育 智慧医疗 智慧遥感 长短视频平台 视频电商平台 游戏社交平台 在线教育平台 电视台 电影院线 城市监管者 在线医疗平台 手机 IP摄 像头 智能 家电 智能 汽车 无人 机 运动 相机 影视 摄像 机 机器 人 手机 指挥 大屏 平板 车载 屏 AR眼 镜 院线 大屏 电视 屏 广告 屏 24 生态篇 智慧视觉基础设施加速产业升级。 以商汤为例，过去 5 年商汤在全球智能手机、智慧城市、自动驾驶、在线 视频娱乐、AR、智慧医疗、教育、遥感等诸多行业AI实战中，沉淀出业界领先的端到端开放视觉计算平台，依托强大 的算力底座，深度学null训练框架、视觉数据辅助标注、视觉算法工具链、分布式异构计算等能力模块，支持企业在视觉 商业场景中必需的行业解决方案。商汤自主研发的 SenseParrots 开放计算平台主要具有五大独特优势： （1）高性能： SenseParrots 训练常用业务模型速度超过 Facebook PyTorch 30%（32 卡分类任务），在千卡级大规模 GPU 集 群上保持 90% 以上加速效率，率先实现分钟级大规模训练，可 55s 完成 alexnet 网络在 ImageNet 数据集训练； （2）强兼容： SenseParrots 兼容当前主流训练框架，无缝兼容 PyTorch，具有衔接主流训练框架生态等优势，同时兼容不同硬件 架构，支持基于多款国产芯片高效训练； （3）低成本： SenseParrots 具备高效训练推理一体能力，支持快速算法原型开发，提供全流程模型生产平台，减少多环节人力投入， 降低人力损耗与成本； （4）大规模： SenseParrots 融合存储集成了高速缓存，实现数据冷热分离和近计算处理，成本是业界通用存储方案的 1/5，训练时 间缩短 50%，通过全链路 I/O 优化实现了百万级 QPS，满足万亿规模的海量数据存储和超大模型的高效训练； （5）快速部署： SenseParrots 支持集群在不同虚拟化程度的灵活场景下从小时到分钟级别的快速上线；支持分钟级别的集群弹性扩 缩容；在高资源需求场景下，利用灵活的租借、抢占、碎片化管理等调度机制实现更高的资源利用率以及任务吞吐量；同时 结合镜像预加载以及 I/O 缓存等机制支持大任务的秒级启动。 25 智能平台白皮书 目前全球大多数企业面对“劳动力短缺”、“智能终端泛滥”与“气候持续恶化”三大挑战，而这null是企业向智能 化转型的三大驱动力。帮助企业实现“全生命周期”的智能化转型，null是商汤“新一代人工智能开放创新平台”的核心工作， 并且肩负起产业创新的使命。商汤