《AI行业研究报告：人工智能时代：AI赋能世界重塑(1).pdf》由会员分享，可在线阅读，更多相关《AI行业研究报告：人工智能时代：AI赋能世界重塑(1).pdf（74页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、 - 1 - 敬请参阅最后一页特别声明 长期竞争力评级长期竞争力评级：高于行业均值高于行业均值 市场数据市场数据( (人民币）人民币） 行业优化平均市盈率 48.81 市场优化平均市盈率 18.46 国金计算机指数 7002.59 沪深 300 指数 3831.30 上证指数 3353.62 深证成指 11063.10 中小板综指 11783.01 相关报告相关报告 1.无人零售: 技术破局引领商业变革 ， 2017.9.15 2.企业级服务景气度提升，AI 延伸至消 费电子端 ，2017.9.11 3.计算机行业研究周报 ，2017.8.14 4.特斯拉 Model3 正式交车，关注智能驾
2、驶主题性机会 ，2017.7.31 5.基金板块持仓进入低配状态，抓住分化 行情中结构性 ，2017.7.24 钱路丰钱路丰 分析师分析师 SACSAC执业编号：执业编号：S1130517060003S1130517060003 qianlufengqianlufeng 潘宁河潘宁河 联系人联系人 panninghepanninghe 蒲梦洁蒲梦洁 联系人联系人 pumengjiepumengjie 人工智能时代：人工智能时代：AIAI 赋能，世界重塑赋能，世界重塑 行业观点行业观点 密集投入，巨头引领密集投入，巨头引领，全球，全球 AIAI 加速赋能加速赋能：当前，全球每年有 100+亿美金
3、， 累计 1000+亿美金（Pitchbook 数据统计） ，持续投入到全球 AI 的发展。巨 头（谷歌/亚马逊/苹果等）引领，AI 并购潮起，数据和人才成为并购争夺的 重点。在资本和巨头的悉心呵护下，明星初创独角兽的不断涌现，AI 加速赋 能，面向医疗、金融、安防、教育、交通、物流等各类行业的企业级（B 端）和消费级（C 端）AI 应用层出不穷。存量市场的革新，增量市场的创 造，AI 赋能加速，整体发展有超预期。 三大核心要素交互驱动：算法、数据、计算力三大核心要素交互驱动：算法、数据、计算力： （1）优质算法的不断迭代， 以及算法隐含层数的增加（即深度神经网络 DNN 出现） ，使得 AI
4、 仰仗的模型 性能大幅优化； （2）互联网的发展，特别是移动互联网的快速繁荣，使得目 前数据产生量已经远远超过用于训练 AI 模型的数据量。在目前仍以监督学 习为主流的背景下， “数据标注成本高、算法隐含层数增加要求更多标注数 据来训练模型” ，这两个原因使得“可用”数据仍不足够； （3）计算力不断 提升，GPU+CPU 是目前机器学习首选的芯片组合。计算效率更高的 FPGA、 ASCI 等新型芯片兴起，不断挑战着 GPU 在机器学习领域中的地位。GPU、 FPGA、ASCI 各具优缺点，三种芯片的计算效率依次提高、灵活性依次降低、 开发难度依次增加。 政策加码，政策加码，AIAI 上升到国家
5、战略层面，上升到国家战略层面，存弯道超车可能：存弯道超车可能：有别于传统 IT 技术 发展的滞后性，AI 这一全新领域，国内的人才储备、政策、资本，是紧跟全 球领先地区的发展，这也给弯道超车提供了可能。美国和日本分别于 2016 年发布美国国家人工智能研究与发展战略规划 、 人工智能研发目标和产 业化路线图 。而国内也于 2017 年 7 月重磅出台新一代人工智能发展规 划 ，将 AI 发展上升到国家战略层面，分三阶段实施人工智能战略（理论和 技术体系建设、完善及配套法律体系建设、AI 应用发展） ，力争在 2030 年成 为人工智能领域的世界领导者，核心产业规模超 1 万亿，带动相关产业规模
6、 超 10 万亿元。 AIAI 赋能行业，应用不断深化，同时赋能行业，应用不断深化，同时 AIaaSAIaaS 的发展，显著降低的发展，显著降低 AIAI 创新门槛：创新门槛： 我们以语音识别、智能投顾、智能安防为例，系统地阐述了 AI 赋能行业带 来的显著变化，并看好企业级市场（B 端）市场深度发力。同时，消费级 AI 有望在巨头的引领下产生质的变化。AIaaS 实际上是 AI 应用服务收费方式从 “许可授权”向“按需付费”的转变，从而降低了客户“智能化”实施的门 槛。国内外 AIaaS 均从 2016 年底才开始起步，亚马逊 AWS、阿里云、百度云 纷纷推出基于 GPU/FPGA 云化解决
7、方案，面向中小企/创业者提供创新服务， 加速 AI 创新应用渗透。 投资建议：投资建议： 我们通过深度 AI 产业链调研和上市公司调研（详见正文第五部分） ，看好 AI 加速赋能带来的行业快速成长趋势。重点推荐：重点推荐：科大讯飞、中科曙光、同花 顺、苏州科达、熙菱信息、思创医惠、四维图新、东方网力、拓尔思，建议 关注富瀚微、中科创达、浪潮信息、浙大网新、佳都科技、汉王科技、工大 高新等（各公司 AI 方面的布局和进展，详见正文第五部分） 。 风险提示风险提示 技术的应用落地不及预期 行业竞争加剧风险 5967 6536 7104 7673 8241 8810 9378 160919 1612
8、19 170319 170619 国金行业 沪深300 2017 年年 09 月月 18 日日 计算机计算机 评级：评级：增持增持 维持评级维持评级 行业深度研究行业深度研究 证券研究报告 用使司公限有理管金基银瑞投国供仅告报此 此报告仅供国投瑞银基金管理有限公司使用 行业深度研究 - 2 - 敬请参阅最后一页特别声明 内容内容目录目录 1、黎明已至，未来已来 . 6 1.1、群雄逐鹿，人工智能掀全球并购浪潮 .6 1.2、渗透加速：B/C 端，应用不断创新.8 2、三大驱动要素相继突破瓶颈，人工智能已至爆发节点 . 9 2.1、算法：层数更深使模型性能更优，巨头开源 DL 框架意在“集思广益
9、” .10 2.2、数据：数据“量”已足够，标注成本大成“隐忧” .16 2.3、计算力：GPU 为密集计算提速，专用芯片兴起大势所趋 .19 3、政策密集发布，推动我国 AI 水平赶超国外 . 25 3.1、国外政策已先行，AI 成为各国争抢的高地 .25 3.2、 发展规划出台，我国 AI 上升至国家战略层面 .26 4、多领域应用落地，引领智能化升级浪潮 . 29 4.1、语音识别：DNN 助力模型性能提升，中美应用场景存异 .29 深度学习使得语音识别技术上获得突破，但仍有多种困难待解决 .29 国内外语音龙头公司对比：语音电子病历能否成为讯飞第一营收来源？.31 4.2、智能投顾：美
10、国领跑全球市场，中国监管环境使得智投受限 .45 美国领跑全球智能投顾市场，呈现出“低管理费率、低门槛”特征.46 案例：嘉信理财智能投顾产品零费率模式下转向 B端收费 .49 中美对比之下，国内智能投顾因面临多重监管限制而掣肘.50 4.3、智能安防：智能化是未来增长引擎，前后端智能分工协作 .54 简单算法往前端迁移，后端与前端智能化分工协作 .56 行业标准出炉，加速视频监控智能化步伐 .59 高成本不会阻碍智能化过程，可用数据和算法是未来竞争高点.59 4.4、AI 正成为基础设施，AI-aaS 降低企业智能化实施门槛 .62 5、投资建议 . 66 6、风险提示 . 71 行业深度研
11、究 - 3 - 敬请参阅最后一页特别声明 图表目录图表目录 图表 1、从 2011 年开始全球人工智能/机器学习领域的风投投资额显著上升 . 6 图表 2、科技巨头纷纷加入人工智能并购之战 . 6 图表 3、各科技巨头公司频频并购人工智能领域初创公司 . 7 图表 4、AI 技术深入各大垂直领域使得 C 端新品不断涌现 B 端应用日渐成熟 . 9 图表 5、人工智能从 1956 年发展至今一共经历了三次浪潮 . 10 图表 6、机器学习的实施步骤 . 11 图表 7、深度学习网络（算法）实际上是由一组复杂的函数构成 . 11 图表 8、常见的神经网络提出的时间及其应用领域 . 12 图表 9、
12、机器学习常用的神经网络模型（算法）结构汇总 . 13 图表 10、语音识别词错误率与训练小时数量及算法模型之间的关系 . 14 图表 11、百度在语音识别技术中通过不断迭代算法，使得模型的准确率不断提高 . 14 图表 12、在 ImageNet 竞赛中，深度学习算法隐含层数越深，则图像识别错误率随之显著降 低 . 15 图表 13、GitHub 中最受欢迎的开源深度学习框架排名 . 16 图表 14、已经开源的主流深度学习框架 . 16 图表 15、近年数据产生速度不断上升而数据的储存成本在不断下降 . 17 图表 16、智能安防带标记的数据价格一览表 . 17 图表 17、随着训练集样本数
13、量的不断增加，CT 图像识别准确率随之增加 . 18 图表 18、训练深度学习模型的时间很大程度上取决于硬件配置 . 20 图表 19、计算机的硬件体系可分为主机和外部设备两部分，其中芯片是硬件体系的核心 . 20 图表 20、CPU 是基于低延时的设计而 GPU 是基于大吞吐量的设计 . 21 图表 21、在“CPU+GPU”的组合中 5%的任务交给了 GPU 来执行 . 22 图表 22、利用 GPU 加速后，浮点运算性能得到极大提升 . 22 图表 23、专用芯片（ASIC）的计算效率虽然最高，但是灵活性最低 . 23 图表 24、CPU、GPU、TPU 在 LSTM、CNN 等六种神经
14、网络上的性能表现 . 24 图表 25、CPU、GPU、FPGA、ASIC 在处理计算密集型任务时的性能比较 . 24 图表 26、CPU、GPU、FPGA、ASIC 的实现比较 . 24 图表 27、各类芯片主要厂商 . 25 图表 28、美国人工智能产业政策梳理 . 25 图表 29、日本人工智能产业政策梳理 . 26 图表 30、中国政府密集出台人工智能相关政策 . 27 图表 31、 “新一代人工智能发展规划”与其他“6+9”个重大项目处于同样的战略地位 . 28 图表 32、 新一代人工智能发展规划三个阶段的战略目标侧重点各有不同 . 28 图表 33、 新一代人工智能发展规划六大重
15、点任务 . 29 图表 34、典型的语音识别（ASR）原理概要 . 29 图表 35、语音识别经过多年发展目前正处于第三阶段 . 30 图表 36、基于深度学习算法（DNN）的语音识别词错误率较传统方法（GMM）明显下降 . 30 图表 37、目前语音识别还面临着多种技术困难 . 31 图表 38、噪声数据库 Aurora4 世界最高水平研究机构的系统性能对比 . 31 图表 39、2002 年全球语音识别市场份额 . 32 图表 40、2015 年全球语音识别市场份额 . 32 图表 41、2015 年中国语音识别市场份额 . 32 图表 42、Nuance 主要产品、解决方案及其盈利模式
16、. 33 图表 43、Nuance 在 2006 年通过收购 Dictaphone 进入医疗市场 . 33 行业深度研究 - 4 - 敬请参阅最后一页特别声明 图表 44、科大讯飞主要产品、解决方案及其盈利模式 . 34 图表 45、教育行业是科大讯飞第一大营收来源（2016 年） . 35 图表 46、医疗业务是 Nuance 的第一大营收来源，但是近几年业务已“增长乏力” . 35 图表 47、Nuance 各业务毛利率变化情况 . 36 图表 48、近三年 Nuance 各业务营收比重变化情况 . 36 图表 49、在政策推进上中国正式启动电子病历建设的时间晚于美国 5 年 . 37 图
17、表 50、美国电子病历分级情况 . 37 图表 51、中美电子病历系统发展情况对比 . 38 图表 52、美国语音输入电子病历的需求在 2005 年开始爆发 . 38 图表 53、从 2005 年到 2012 年底，美国语音电子病历的渗透率提高了 35.39% . 39 图表 54、深度学习出现之后语音识别词错误率明显下降 . 40 图表 55、美国医学转录（MT）工作流程 . 41 图表 56、中国医生每天需要花费大量时间用于病历书写 . 42 图表 57、中国医生使用电子模板书写病历，只需对模板中的文字稍作修改即可 . 42 图表 58、北大口腔医院使用语音电子病历系统为病人看诊 . 43
18、 图表 59、医院规模越大，语音电子病历的渗透率越高 . 43 图表 60、我国大中型医院的数目远超美国 . 44 图表 61、2009 年医疗语音市场竞争格局 . 44 图表 62、构建医学语料库需要和各大医院合作 . 45 图表 63、“AI+金融”细分应用领域及典型公司 . 46 图表 64、美国智能投顾市场发展历程 . 46 图表 65、智能投顾全球客户数量及市场渗透率 . 47 图表 66、智能投顾全球资产管理规模预测（AUM） . 47 图表 67、全球明星智能投顾公司资产管理规模（AUM）排名（截至 2017.2） . 48 图表 68、2017 年全球 TOP15 的智能投顾公
19、司基本信息及其管理费率（数据更新至 2017.6.3） . 48 图表 69、CSIA 从这 27 种不同风格的 ETF 中每种选出两支 ETF 供机器再次筛选 . 49 图表 70、Schwab Intelligent Portfolios 向一位以管理养老金为投资目的的客户提供的资 产配置建议 . 50 图表 71、嘉信理财旗下智能投顾产品（Schwab Intelligence Portfolios）的盈利模式及业 务流程 . 51 图表 72、国内智能投顾平台及其背景 . 51 图表 73、美国是全球最大的 ETF 市场 . 52 图表 74、截至 2016 年底美国共有 1716 支
20、 ETF，管理规模达到 2.5 万亿美元 . 52 图表 75、美国智能投顾所投资的标的以 ETF 为主 . 53 图表 76、智能投顾在国内无法完成交易执行环节导致服务链被打断 . 53 图表 77、从 2016 年 9 月开始基金代销牌照已经呈现放缓趋势 . 54 图表 78、安防系统由 8 个子系统构成 . 55 图表 79、2016 年视频监控市场市占率排名 . 56 图表 80、国内外监控设备厂商及计算机视觉初创公司纷纷布局“AI+安防” . 56 图表 81、公安视频图像分析系统功能分类 . 57 图表 82、前端实现简单的图像分析功能，后端再进行复杂的二次加工处理 . 57 图表
21、 83、使用智能摄像机之后“人脸检出率”和“抓拍准确率”均大幅提升 . 58 图表 84、后端智能化视频监控系统工作原理 . 59 图表 85、公安和交通部门对安防产品的需求最大 . 59 图表 86、公安视频图像系统主要由图像采集系统、分析系统、应用系统 3 部分组成 . 60 行业深度研究 - 5 - 敬请参阅最后一页特别声明 图表 87、公安视频图像分析系统“目标检测与识别”功能的准确率要求 . 60 图表 88、去年中国视频监控摄像机出货量增速明显放缓 . 61 图表 89、由于智能化中国视频监控市场仍将快速增长 . 61 图表 90、前后端智能化产品嵌入的 GPU 模块 . 61 图
22、表 91、智能安防前后端智能设备及训练阶段都需要 GPU 提供支持 . 62 图表 92、安防行业拥有海量数据 . 62 图表 93、海康威视通过建立半监督学习框架解决数据标记成本问题 . 63 图表 94、海康威视在互联网文字识别竞赛中成绩排名第一 . 63 图表 95、亚马逊、谷歌、微软纷纷提供“按需付费”的 AI-aaS（AI 即服务） . 63 图表 96、国内阿里云、百度云、初创公司及上市公司推出的 AI-aas 服务 . 64 图表 97、我国人工智能产业链上市公司及主要创业公司全景图 . 67 图表 98、推荐标的及 AI 业务进展 . 68 行业深度研究 - 6 - 敬请参阅最
23、后一页特别声明 1 1、黎明已至，未来已来黎明已至，未来已来 1 1.1.1、群雄群雄逐鹿，逐鹿，人工智能掀全球并购浪潮人工智能掀全球并购浪潮 从从 20112011 年开始，人工智能并购潮年开始，人工智能并购潮初现端倪，且近五年全球一级市场每年在初现端倪，且近五年全球一级市场每年在 AI/AI/MLML 领域的投资额领域的投资额都一直维持在百亿美元级别都一直维持在百亿美元级别。根据 Pitchbook 的数据，全 球人工智能/机器学习领域的风投投资额由 2010 年的 44.39 亿美元骤增翻倍至 2011 年的 95.09 亿美元。20122016 年每年的投资额都维持在百亿美元量级， 目
24、前仍然处于 AI 投资热浪的高潮期。 图表图表 1、从从2011年开始全球人工智能年开始全球人工智能/机器学习领域的风投投资额显著上升机器学习领域的风投投资额显著上升 数据来源：PitchBook，国金证券研究所 从从 20122012 年开始，各大科技巨头公司也逐渐加紧人工智能领域的并购步伐年开始，各大科技巨头公司也逐渐加紧人工智能领域的并购步伐。从 CBINSIGHTS 的数据中可以发现：谷歌是人工智能领域最活跃的“猎头公司” （2012 年至 2017Q1 一共有 11 起并购事件） ，苹果、Facebook、英特尔、微软、 亚马逊、Salesforce 等明星科技公司也纷纷加入人工智能
25、的并购之战，争抢数 据和人才。 图表图表 2、科技巨头纷纷加入人工智能并购之战科技巨头纷纷加入人工智能并购之战 并购标的并购标的 公告日公告日 主营业务主营业务 收购方收购方:亚马逊亚马逊 2lemetry Inc. 2015/3/16 IoT: 跟踪并管理已连接的设备 Orbeus 2015/9/1 基于 AI的图像识别技术 收购方收购方:苹果苹果 Vocal IQ 2015/10/2 基于 AI的语音识别 Perceptio 2015/10/5 基于 AI的智能手机图片分类 Emotient 2016/1/7 利用 AI技术通过分析人物面部表情读取情绪 Turi 2016/8/5 提供给开
26、发者和数据科学家的机器学习平台 Tuplejump Software 2016/9/26 机器学习及大数据技术开发者 行业深度研究 - 7 - 敬请参阅最后一页特别声明 收购方：收购方：Salesforce Tempo AI 2015/5/29 基于 AI的智能日历 APP MinHash 2015/12/16 为市场营销人员开发的 AI平台和虚拟个人助手 PredictionIO 2016/2/19 开发一个开放源代码的机器学习服务器 Metamind 2016/4/4 深度学习平台（自然语言处理，计算机视觉，数据库预测等） 收购方收购方:微软微软 Equivio 2015/1/21 基于机
27、器学习的法律法规文字分析服务 Revolution Analytics 2015/1/27 专业从事于统计计算的 R编程语言的开源分析公司 Wand Labs 2016/6/16 短信 APP及聊天机器人开发者 Genee 2016/8/23 AI 行程助手服务 收购方收购方:谷歌谷歌 DeepMind 2014/1/16 专业从事于机器学习，高级算法、神经系统科学的 AI公司 Emu 2014/8/6 带有人工智能助手的移动设备消息 APP Jetpac 2014/8/15 基于 AI的移动设备照片分享应用 Dark Blue Labs 2014/10/23 专业从事于自然语言理解的深度学习
28、创业公司 Vision Factory 2014/10/23 专业从事于视觉识别系统的深度学习创业公司 Timeful 2015/5/4 基于机器学习的行程安排工具 Speaktoit(Api.ai) 2016/9/21 语音识别和自然语言理解解决方案 数据来源：CB INSIGHTS，国金证券研究所 图表图表 3、各科技巨头公司频频并购人工智能领域初创公司各科技巨头公司频频并购人工智能领域初创公司 行业深度研究 - 8 - 敬请参阅最后一页特别声明 数据来源：CBINSIGHTS，国金证券研究所 1.21.2、渗透加速：渗透加速：B/CB/C 端，应用不断创新端，应用不断创新 人工智能技术加
29、速渗透，使得消费级和企业级产品服务不断智能化升级人工智能技术加速渗透，使得消费级和企业级产品服务不断智能化升级。实质 上人工智能作为一系列技术的集合体，诞生伊始就不断渗透至各种场景，赋能 至各种应用；近年来随着技术上不断突破以及相应硬件支持设备性能不断提升， AI 渗透速度已呈现加速之势。对于存量市场而言，AI 使得现有的产品及服务的 效率得到提升、成本得到极大控制（例如面向 C 端的智能投顾、面向 B 端的智 能客服） ；同时 AI 还在不断创造着增量市场，持续扩大人工智能自身的产业规 模（例如 C 端自动驾驶、B 端无人机） 。 以智能客服为例，小 i 机器人从 2006 年就开始帮助金融
30、、电信运营商以及政府 等客户构建智能客服机器人。传统的呼叫中心人均成本约为每年 10 万，目前小 i 的智能客服机器人已经取代了建设银行原来的 9000 名人工客服，每年可以为 建设银行节省 9 亿元开支。可见人工智能技术深入原来的存量市场之后，使得 企业成本大幅降低，进而增厚利润。 行业深度研究 - 9 - 敬请参阅最后一页特别声明 图表图表 4、AI技术深入各大垂直领域使得技术深入各大垂直领域使得C端新品不断涌现端新品不断涌现B端应用日渐成熟端应用日渐成熟 领域领域 2C2C 2B2B 语音语音交互交互 语音助手 Siri、微软小娜、智能音 箱 Echo、聊天机器人微软小冰 语音客服（小
31、i 机器人） 、电商智能 客服店小蜜（阿里巴巴） 计算机视觉计算机视觉 自动驾驶、图片搜索引擎 智能安防、物流分拣、成品无损检 测、高位作业监控 机器人机器人 社交机器人（小鱼在家、Jibo） 、 早教机器人（Jay Robotix） 、消费 级无人机（大疆） 、家庭陪伴类机 器人（Robax） 无人机（Technidrone） 、物流机器人 （Robby） 、送餐机器人 （Casabots） 、重工业/机械制造类机 器人（李群自动化） 教育教育 拍照搜题、题库推荐（学霸君、百 度作业帮） 自动批卷（学霸君） 金融金融 智能投顾（理财魔方、同花顺、招 银魔蝎智投、广发金贝塔） 金融安全（支付宝
32、证件校验降低虚假 交易率） 、防信用卡盗刷（Stripe） 、 反洗钱（Palantir） 、征信（蚂蚁金 服） 、信贷（Leading Club） 、金融智 能客服（彭博） 、金融资讯 （Kensho） 医疗医疗 生活方式管理及监控（AiCure） 、 健康医疗大数据平台（碳云智能） 药物研发（Atomwise） 、医疗影像诊 断（Baylabs） 、辅助诊疗（IBM Watson） 、病历分析（lumiata） 、急 救/外科手术（Gauss Surgical-实时 监控手术失血量） 数据来源：国金证券研究所整理 2 2、三大三大驱动驱动要素相继突破瓶颈，人工智能已至爆发节点要素相继突破瓶
33、颈，人工智能已至爆发节点 “人工智能”概念“人工智能”概念诞生于诞生于 19561956 年的达特茅斯会议，年的达特茅斯会议，AIAI 从从 19561956 年发展至今一共年发展至今一共 经历了经历了三次浪潮三次浪潮。从人工智能的发展过程中的潮起潮落中可以看出：在人工智 能的第一次浪潮时，算法是主要瓶颈第一次浪潮时，算法是主要瓶颈，原始的单层感知机无法处理复杂函数从 而没有实际运用的能力；第二次浪潮时，数据第二次浪潮时，数据和计算力和计算力成为主要瓶颈成为主要瓶颈，神经网 络隐含层数的增加要求拥有充足的用于训练模型的数据集，但是 80 年代可以采 集到的数据极为有限，而且用大量的数据进行训练
34、也要求相应的硬件计算资源 及计算能力的提升，当时的硬件水平也无法满足大规模的计算需求，以上因素 使得深度神经网络“无用武之地” ，最终在 20 多年之后通过优化算法降低了对 数据的依赖；而近几年数据、算法、计算能力的逐一突破使得人工智能迎来了数据、算法、计算能力的逐一突破使得人工智能迎来了 第三次浪潮第三次浪潮。 行业深度研究 - 10 - 敬请参阅最后一页特别声明 图表图表 5、人工智能从人工智能从1956年发展至今一共经历了三次浪潮年发展至今一共经历了三次浪潮 数据来源：网易科技、钛媒体、国金证券研究所绘制 2.2.1 1、算法：、算法：层数更深使模型性能更优，巨头开源层数更深使模型性能更
35、优，巨头开源 DLDL 框架意在“集思广益”框架意在“集思广益” 开发机器学习模型的过程可分为两个阶段：训练阶段开发机器学习模型的过程可分为两个阶段：训练阶段（TrainingTraining）和和推理推理阶段阶段 （InferenceInference） 。 训练阶段训练阶段（TrainingTraining）又可以细分为 3 个步骤第一步开发人员需要定义一 组函数，这一过程实际上就是在组建神经网络模型；第二步开发人员把海量数 据所组成的数据集（文字、图形、视频等各种形式的数据）输入到模型中，然 后经过计算输出最终结果后将输出结果与预定的目标结果进行对比，这一过程 也就是在训练上一步建好的模
36、型，初步建成的模型所输出的结果和预定要达到 的目标结果之间存在着误差，在第二步最后要定义一个总误差函数；第三步， 计算并调整模型中的函数参数，使得第二步模型输出值与目标值之间的总误差 函数值最小，使得总误差最小的参数集合将被选定为“最佳”函数的参数， 参数选定后“最佳”函数也随之确定。 完成训练阶段的这 3 个步骤以后，还需要用训练数据集之外的其他数据测试 “最佳”函数在遇到从未接触过的数据时其输出结果是否依然准确。如果输 出结果是准确的，则说明训练阶段所得到的“最佳”函数是一个“学习”能 力比较强的模型；如果输出结果不准确，说明机器只能识别自己“见”过的数 据而不能识别出没见过的数据（即“过拟合现象” ） ，机器还没有具备较好的学 习能力，需要开发人员再返回修改模型及参数，直至测试结果准确为止。这也 就是上面所提到的第二阶段“推理推理阶段阶段” （InferenceInference） 。 行业深度研究 - 11 - 敬请参阅最后一页特别声明 图表图表 6、机器学习的实施步骤机器学习的实施步骤 数