深度学习的基本原理 中国人工智能技术及应用研究

深度学习的基本原理

深度学习本质上是一种新兴的机器学习算法，其基本模型框架是基于ANN的，如含有多隐层的感知器。其可以通过对数据的底层特征进行学习从而得到更加抽象的隐藏特征，从而特到数据的分布式规律，进而预测或分类数据。

深度学习是一种学习数据表征的算法，它可以从无规律、抽象的观测值即输入值中学习到数据的隐藏特征，比如CNN算法通过输入的图片像素点RGB值可以学习到图片的内部特征，例如图片中的实体、数字等。深度学习的好处是其用高效的特征提取算法替代了原始的手工获取特征的手段。

中国深度学习技术专利申请趋势分析

从2015年开始，深度学习技术专利申请量开始呈现指数式增长，2020年，深度学习领域申请专利共计44613件，是目前年度申请量的峰值，说明我国创新主体对该领域的重视程度不断提高，深度学习技术的专利布局正处于活跃时期。

从深度学习相关专利的申请量和授权量排名上看，我国TOP10创新主体中，企业与高等院校平分秋色，其中，百度公司以3619件的申请量和647件的授权量成为深度学习领域专利申请量和授权量的双料冠军。科研院所中，浙江大学、清华大学和电子科技大学等排名靠前。

上述创新主体在深度学习领域建立了长期的技术研发策略和专利布局战略，形成了一定的先发优势。

人工智能技术及其发展趋势

算力已经成为人工智能继续发展的重中之重;另一方面从芯片到算力的转化依然存在巨大鸿沟，多元算力价值并未得到充分释放。如何快速完成多元芯片到计算系统的创新，已经成为推动人工智能产业发展的关键环节。

巨量化也表现在模型应用规模大。互联网头部公司的AI开放平台已经吸引了超百万的AI开发者，这些AI开放平台每天承载着数万亿次的调用量，数百万小时的语音识别，超过百亿张图像识别，超过万亿句自然语言理解等等。如此巨量的调用对算力中心的应用支撑能力带来了极大的挑战。

多元化、巨量化、生态化给整个计算产业带来的挑战是空前的。从调研情况来看，2021年中国人工智能市场支出预计超过500亿元人民币，企业在这一领域的硬件支出远超过软件和服务的支出。

人工智能的使用可降低制造商20%的加工成本，而这一减少最高有70%源自于更高的劳动生产率。

人工智能可以帮助企业提高智能化运营水平，实现降本增效:其次，人工智能、5G、工业互联网等技术融合应用，推动制造业生产及服务模式、决策模式、商业模式发生变化;最后，人工智能带动制造业价值链重构，有利于中国抢占全球制造业产业链上的价值高地。

全球人工智能及相关场景在制造业应用的市场规模在2016年约为1.2千亿美元，到2025年有望超过7.2千亿美元，复合年均增长率预计超过25%。

想知道更多中国深度学习行业具体分析，可点击中研普华产业研究院出版的《2021-2025年中国深度学习发展及趋势专项研究报告》