作为新基建的主要支撑技术，人工智能技术对5G基站建设、特高压、城际高速铁路和城市轨道交通、新能源汽车充电桩、大数据中心、工业互联网各新基建科技端领域具有重大促进作用。人工智能若与5G、大数据、云计算等技术结合，将带动诸多行业快速发展，为多领域企业数智化转型奠定技术基础。新技术正在成为推动经济发展的新动能。伴随着人工智能和云计算在全行业应用越来越深入，在医疗、教育、金融、消费等民生领域已经有较为成熟的数字化产品落地，在工业制造业、能源化工业领域的数字化解决方案也在逐步落地。天眼查数据研究院特设立“AI+”系列产业分析，逐步为读者解读各行各业产业数字化发展进程，“AI+云计算”为第一篇，阐述人工智能相关技术对产业发展的作用。人工智能企业井喷式增长，新基建进入加速期人工智能技术是我国新基建信息基础设施当中的新技术基础设施之一，其作用是在实体经济中找到应用场景，赋能生产力升级，推动各行业完成智能化转型和新旧动能转换。目前，人工智能技术已经广泛应用在了金融、教育、医疗、能源、消费、工业等各行业各场景之中。截至2021年9月底，我国目前有近160万余家人工智能相关企业，超8成的相关企业成立于5年内，其中有37%的企业成立于1年内。全国各地新型基础设施建设项目数量逐渐攀升，相关的算法技术和硬件算力的基础设施领域企业快速增长。天眼查数据显示，2021年上半年人工智能相关企业新增注册量已经达到30万余家，同比增长88%。2020年以来，我国多地陆续颁布了基础设施建设目标原则和重点任务，积极推动新基建建设。据信息化协同创新专委会统计，河北、山东、广东的新型基础设施数量占比较高，分别达到了43.5%、35.0%及34.1%。在新基建建设过程中，广东省注册成立人工智能相关企业数量最多，有近25万家，占全国相关企业总量的约16%。天眼查数据研究院分析认为，面向我国庞大的“新基建”市场，人工智能相关技术正在逐步改善各个行业的生产力和生产效率，推进新基建加速发展。人工智能技术迭代迅速，产业结构完备，应用市场广阔目前，人工智能技术的发展已经从推理期、知识期进入到了第三阶段——机器学习期。随着技术迭代和市场认知的不断提升，产业结构基本完备，人工智能进入全面赋能生产生活的落地开花阶段。人工智能产业链包括三层：基础层、技术层和应用层。基础层以研发硬件及软件为主，技术层以模拟人的相关智能特征为出发点构建技术路径，应用层是人工智能产业的延伸，集成一类或多类人工智能基础应用技术。以下为人工智能产业链的简单解析：• 基础层主要提供算力和数据支持，涉及数据的来源与采集，包括AI芯片、传感器、大数据、云计算、开源框架以及数据处理服务等，为人工智能提供数据和算力支撑。截至9月底，天眼查数据显示，我国共有近93.5万家数据处理相关企业，代表企业有寒武纪、地平线、四维图新、深鉴科技等。• 技术层包含基础架构、算法模型以及通用技术，处理数据的挖掘、学习与智能处理，是连接基础层与具体应用层的桥梁，主要包括机器学习、深度学习、计算机视觉、自然语言处理、语音识别等。截至9月底，天眼查数据显示，我国共有超25.1万余家算法相关企业，代表企业有百度云、腾讯云、阿里云、华为海思、商汤科技等。• 应用层针对不同的场景，将人工智能技术进行商业化应用落地，为智能驾驶、安防、医疗、金融、教育、客服、零售、文娱等特定应用场景需求而提供软硬件产品、系统服务和解决方案。截至9月底，天眼查数据显示，我国共有约13.9万家智能硬件相关企业，代表企业有科大讯飞、大疆智能、图森未来、出门问问、猎户星空等。天眼查数据研究院调研发现，智慧工厂、智慧物流、智慧医疗、智慧教育等产业的兴起，代表着人工智能应用正处于面向复杂场景、处理复杂问题的复合新阶段，应用向多元化发展；智能仓储、智能机器人、自动驾驶、自适应教育等人工智能产业化的发展，为智能服务创造出更多的创新生产和服务模式，促进众多产业改造升级和企业数字化转型，推进新基建向纵深发展。企业上“云”大势所趋，国内云计算市场规模已近2千亿人工智能是大数据、云计算的应用场景，云计算是基于互联网和底层基础设施相关服务的增加、使用和交付模式提供的虚拟化资源。人工智能带给人们生活的改变肉眼可见，而云计算的作用则更多地体现在企业运营之中。随着世界互联网飞速发展，越来越多的企业应用云计算，企业上“云”为大势所趋。受限于企业技术、成本等原因，IT外包化、网络外包化趋势明显，低代码/无代码软件服务平台诞生，云管理服务行业得以飞速发展。根据Gartner统计，2015-2020年，全球云计算市场渗透率逐年上升，由4.3%上升至13.2%，预计2021年全球云计算渗透率将上升至15.3%。近年来，全球以IaaS、PaaS和SaaS为代表的全球公有云市场呈现稳步上升趋势。IDC最新发布的《全球及中国公有云服务市场(2020年)跟踪》报告显示，2020年全球公有云服务整体市场规模(IaaS/PaaS/SaaS)达到3124亿美元，同比增长24.1%。在基础设施领域，我国新型互联网中心与新技术、新业务融合发展趋势明显，宽带接入网络能力快速提升。云计算方面，中国互联网协会数据显示，2020年我国云计算市场规模达到1781亿元，增速为33.6%。其中，公有云市场规模达到990.6亿元，同比增长43.7%，私有云市场规模达791.2亿元，同比增长22.6%。云计算市场“马太效应”加剧。从全球市场来看，全球云计算市场3A格局(亚马逊AWS、微软Azure和阿里云)占据近7成市场份额。在国内也是如此，《中国公有云服务市场(2020上半年)跟踪》报告显示，中国前五大公有云（阿里云、腾讯云、华为云、中国电信天翼云和AWS，排名不分先后)总体市场份额达到76.7%。云计算包含云平台、云储存、云终端、云安全四个基础部分，云平台分为公有云、私有云、混合云三种类型。公有云应用继续加速，推动公有云服务市场高速增长。截至9月底，天眼查数据显示，我国目前有近21.3万家云计算相关企业，超3成相关企业成立于1年内。从地域分布来看，北京的云计算相关企业数量最多，超过8万家，占全国的44%。大数据、云计算驱动的产业和产业变革向纵深发展，行业创新和投资行为也更加的频繁。截至9月底，据天眼查数据不完全统计，2021年我国云计算相关企业累计发生超250起融资事件，平均每个月有近30起融资。其中，北京获得融资的云计算相关企业数量最多，占全国的15.7%。从融资轮次来看，云计算相关企业融资较多分布在A轮，占比31.4%，其次，也有超2成相关企业的融资分布在E轮及以后。天眼查数据研究院通过投融资数据研究发现，随着云计算相关企业发展的不断成熟，云计算投资偏好呈现后移趋势。从行业分布上看，约9成获得融资的云计算相关企业分布在企业服务行业。通过分析投资行为，天眼查数据研究院认为，随着应用开展和市场需求，SaaS成为云计算领域投资的热点。随着互联网高速发展，服务端运算能力提升，大量数据存储在云端，终端运算和服务端运算实现了有效结合，大大提升了企业的运营效率。同时，运用成熟的人工智能和云计算技术，硬件功能更加丰富，软件功能更加智能，可替代人类执行复杂任务的机器即将来临。本文来自微信公众号“天眼查数据研究院”（ID:TYC_Research），作者：AliceMax，36氪经授权发布。

＞＞点击跳转至活动首页＜＜活动奖励以及获取线索说明：a. 线索说明：完成任务（必须在本帖回帖）获取星耀宝盒谜题线索（破解后获取谜题5）b. 奖励说明：所有按照要求完成体验的开发者每人可获得400码豆活动时间：2021年10月20日~2021年11月21日 参与方式：用户点击＞＞【开始体验】＜＜然后按照指导完成实验，最后按照要求将实验结果截图+华为云账号回复至活动帖内，视为完成任务。打卡截图示例（请按照下方要求截图即可）：案例完成要求：运行完整个案例的代码，并在末尾新建一个cell，执行命令 “!env | grep PROJECT_ID”；对最后的代码运行结果和命令运行结果截图，如下图所示，红框处的ID要能清晰可见。 活动规则：a. 回复非示例图片，视为无效楼层。b.完成任务后，小助手会在活动期间的工作日每天上午9点-下午4点，为符合活动要求的用户通过社区私信星耀宝盒谜题，码豆将在活动结束后统一发放。Tips：1、请务必使用个人账号参与活动（IAM、企业账号等账号参与无效）。2、所有获得华为电子产品奖项的获奖用户，请于获奖后3日内完成实名认证，否则视为放弃奖励。<AI能量星球>其他精彩活动

＞＞点击跳转至活动首页＜＜活动奖励以及获取线索说明：a. 线索说明：完成任务（必须在本帖回帖）获取星耀宝盒谜题线索（破解后获取谜题4）b. 奖励说明：所有按照要求完成体验的开发者每人可获得400码豆活动时间：2021年10月20日~2021年11月21日 参与方式：用户点击＞＞【开始体验】＜＜然后按照指导完成实验，最后按照要求将实验结果截图+华为云账号回复至活动帖内，视为完成任务。打卡截图示例（按照下方要求截图）：案例完成要求：跑通文本审核代码，成功预测一段文本是否包含敏感内容；提交文本的预测结果截图，如下图所示，红框处的预测结果要能清晰可见；活动规则：a. 回复非示例图片，视为无效楼层。b.完成任务后，小助手会在活动期间的工作日每天上午9点-下午4点，为符合活动要求的用户通过社区私信星耀宝盒谜题，码豆将在活动结束后统一发放。Tips：1、请务必使用个人账号参与活动（IAM、企业账号等账号参与无效）。2、所有获得华为电子产品奖项的获奖用户，请于获奖后3日内完成实名认证，否则视为放弃奖励。<AI能量星球>其他精彩活动

＞＞点击跳转至活动首页＜＜活动奖励以及获取线索说明：a. 线索说明：完成任务（必须在本帖回帖）获取星耀宝盒谜题线索（破解后获取谜题3）b. 奖励说明：所有按照要求完成体验的开发者每人可获得400码豆（码豆上限120w，达到上限不再发放）活动时间：2021年10月20日~2021年11月21日 参与方式：用户点击＞＞【开始体验】＜＜然后按照指导完成实验，最后按照要求将实验结果截图+华为云账号回复至活动帖内，视为完成任务。打卡截图示例（请按照下方要求截图即可）：案例完成要求：成功生成商品推荐列表，并在末尾新建一个cell，执行命令 “!env | grep PROJECT_ID”；对训推荐结果和命令运行结果截图，如下图所示，红框处的ID要能清晰可见。活动规则：a. 回复非示例图片，视为无效楼层。b.完成任务后，小助手会在活动期间的工作日每天上午9点-下午4点，为符合活动要求的用户通过社区私信星耀宝盒谜题，码豆将在活动结束后统一发放。Tips：1、请务必使用个人账号参与活动（IAM、企业账号等账号参与无效）。2、所有获得华为电子产品奖项的获奖用户，请于获奖后3日内完成实名认证，否则视为放弃奖励。<AI能量星球>其他精彩活动

＞＞点击跳转至活动首页＜＜活动奖励以及获取线索说明：a. 线索说明：完成任务（必须在本帖回帖）获取星耀宝盒谜题线索（破解后获取谜题2）b. 奖励说明：所有按照要求完成体验的开发者每人可获得400码豆（码豆上限120w，达到上限不再发放）活动时间：2021年10月20日~2021年11月21日 参与方式：用户点击＞＞【开始体验】＜＜然后按照指导完成实验，最后按照要求将实验结果截图+华为云账号回复至活动帖内，视为完成任务。打卡截图示例（请按照下方要求截图即可）：案例完成要求：更换一个新的mp4视频和一张新的天空图片，重新生成新的换天视频，并在生成的视频下方新建一个cell，执行命令 “!env | grep PROJECT_ID”；对新的换天视频和命令运行结果截图，如下图所示，红框处的ID要能清晰可见。活动规则：a. 回复非示例图片，视为无效楼层。b.完成任务后，小助手会在活动期间的工作日每天上午9点-下午4点，为符合活动要求的用户通过社区私信星耀宝盒谜题，码豆将在活动结束后统一发放。Tips：1、请务必使用个人账号参与活动（IAM、企业账号等账号参与无效）。2、所有获得华为电子产品奖项的获奖用户，请于获奖后3日内完成实名认证，否则视为放弃奖励。<AI能量星球>其他精彩活动

＞＞点击跳转至活动首页＜＜活动奖励以及获取线索说明：a. 线索说明：完成任务（必须在本帖回帖）获取星耀宝盒谜题线索（破解后获取谜题1）b. 奖励说明：所有按照要求完成体验的开发者每人可获得400码豆（码豆上限120w，达到上限不再发放）活动时间：2021年10月20日~2021年11月21日 参与方式：用户点击＞＞【开始体验】＜＜然后按照指导完成实验，最后按照要求将实验结果截图+华为云账号回复至活动帖内，视为完成任务。打卡截图示例（请按照下方要求截图即可）：案例完成要求：修改案例步骤2中的world和stage参数的值，重新运行步骤2~7，并在案例末尾新建一个cell，执行命令 “!env | grep PROJECT_ID”；对新游戏关卡画面和和命令运行结果截图，如下图所示，红框处的ID要能清晰可见。 活动规则：a. 回复非示例图片，视为无效楼层。b.完成任务后，小助手会在活动期间的工作日每天上午9点-下午4点，为符合活动要求的用户通过社区私信星耀宝盒谜题，码豆将在活动结束后统一发放。Tips：1、请务必使用个人账号参与活动（IAM、企业账号等账号参与无效）。2、所有获得华为电子产品奖项的获奖用户，请于获奖后3日内完成实名认证，否则视为放弃奖励。<AI能量星球>其他精彩活动

＞＞点击跳转至活动首页＜＜活动奖励以及获取线索说明：a. 线索说明：完成任务（必须在本帖回帖）获取星耀宝盒谜题线索（破解后获取代码星球星耀宝盒抽奖资格填写链接）b. 奖励说明：所有按照要求完成体验的开发者每人可获得400码豆（码豆上限120w，达到上限不再发放）活动时间：2021年10月20日~2021年11月21日 参与方式：用户点击＞＞【开始体验】＜＜然后按照指导完成实验，最后按照要求将实验结果截图+华为云账号回复至活动帖内，视为完成任务。打卡截图示例（请按照下方要求截图即可）：案例完成要求：修改案例的MAX_EPISODE参数的值，重新跑通训练过程，并在训练步骤的下方新建一个cell，执行命令 “!env | grep PROJECT_ID”；对训练步骤的日志和和命令运行结果截图，如下图所示，红框处的ID要能清晰可见。活动规则：a. 回复非示例图片，视为无效楼层。b.完成任务后，小助手会在活动期间的工作日每天上午9点-下午4点，为符合活动要求的用户通过社区私信星耀宝盒线索，码豆将在活动结束后统一发放。Tips：1、请务必使用个人账号参与活动（IAM、企业账号等账号参与无效）。2、所有获得华为电子产品奖项的获奖用户，请于获奖后3日内完成实名认证，否则视为放弃奖励。<AI能量星球>其他精彩活动

三力驱动云计算高景气度方兴未艾移动互联网不断深化、传统行业数字化转型加速、物联网走向规模复制，这三大驱动因素决定了云计算市场的高景气度周期才刚刚开始。供给端看，云巨头的规模和集中度达到可媲美运营商的成熟产业高度。多个环节市场集中度高，可通过产业链典型企业的经营数据管窥行业态势，确定投资节奏。移动互联网走向深化，云计算需求远未见顶COVID-19疫情期间，我国单月互联网接入流量为平时2倍。据工信部数据，2019年5月起，我国移动互联网单月接入流量稳定在1,000,000万GB以上。疫情期间，20年3月当月移动互联网接入流量达到历史最高2,560,160万GB，为平时的两倍以上。这一数据表明，当前的移动互联网流量仍有较大提升空间。今年的疫情对行业云化进程加速明显。突发疫情带来了在线办公、远程教育、在线游戏、视频流媒体等需求的井喷，为云计算带来强劲动能。以在线办公为例，从我们监测的数据看，春节前后主要在线会议APP下载量增长了10倍。虽然近期疫情得到控制数据有所回落，但这次疫情极大的降低了企业数字化转型的普及和教育成本，整体云化趋势得到加强。2015年以来，移动互联网进入下半场，移动互联网用户数和用户时长增长进入平台期。移动互联网流量发生结构性变化，视频在互联网文娱比例的提升，是未来流量爬升的主要催化剂。2013年至2019年，移动互联网累计接入流量复合增速在110%以上。根据QuestMobile，短视频已超过手机游戏，成为继社交之后的第二大流量应用。到2025年，视频预计将占据整体网络流量的90%（华为）。新的视频类应用不断迸发以及视频自身朝着高清化、智能化的方向演化，将成为移动互联网流量提升的持续驱动力。5G规模建网、5G手机商用驱动流量快速增长。据韩国数据，现网中5G用户人均流量为4G用户的2倍以上。韩国4G用户人均使用流量约10,000MB，5G用户人均使用流量在20,000MB以上。用户数方面，韩国5G用户数从2019年4月的27.2万人增长到2020年5月的700万人。我国5G手机出货量稳步提升，据工信部数据，2020年6月5G手机单机出货量在1700万台以上，5G手机单月出货量占比已达60%。消费者对5G手机接受度较高，三大运营商5G用户总数已超过8500万户。根据历史经验，每次移动通信技术代际升级用户DoU平均提升十倍。据此估算，预计2025年5G用户的DoU将达到50G/月，移动互联网流量仍有很大空间。数字化转型加速传统行业上云是云计算高增最主要逻辑传统企业上云率提升和上云程度的不断深化将是中国云计算未来高增长最主要的逻辑。我国与全球云计算市场有较大结构性差别；全球以SaaS为主（64%，2018），我国以IaaS为主（62%，2018）。美国云计算市场领先我国3-5年：IaaS层领先3年，SaaS层领先5年，我国云计算市场规模尚不及美国十分之一。从需求端来看，发达市场如美国早已进入云计算2.0时代，我国处云计算1.0向2.0转换期，传统企业上云比重较低。未来在政策和需求双重驱动下，传统企业上云大势所趋。2018年中国云计算产业行业结构中互联网企业份额占比达60.3%，包括政府在内的传统企业份额占比仅39.7%，传统行业中交通物流行业占比最高，但也不足10%。根据国务院发展研究中心，预计至2023年政府和大型企业上云率将超过60%，上云深度将有较大提升。数字化转型遵循先云化再AI化，AI是云计算发展的加速剂也是企业上云不断深化的必然结果。企业拥抱AI，需要深入到企业生产系统，与线下、本地各种场景结合，采用云服务是必然趋势。电子商务等新兴应用上云完毕，云计算转向以传统企业代表的下半场，云需求逐渐从基础设施上云转为业务智能化。2019年，中国AI公有云服务占AI软件市场规模约10.3%，美国AI软件公有云服务占AI软件市场规模约15.6%。无论是相对于整体软件市场中公有云服务占比，还是相对于美国市场AI公有云服务占比，中国AI云服务都将有很高的增长空间。据IDC最新发布的《中国人工智能云服务市场研究报告（2019）》显示，中国AI云服务市场2019年市场规模达1.66亿美元，2018至2024年CAGR将达到93.6%，AI能力已成为用户进行云服务选型时的重要考量因素。物联网进入规模复制阶段，数字洪流待引爆物联网即将进入到规模复制阶段，数字洪流待引爆。2017年全球物联网连接数第一次超过全球人口数，2019年中国三大运营商连接数超过10亿。当前的物联网正处在全球连接数从百亿到千亿，中国连接数从十亿到百亿的高速增长期。物联网产生庞大数据洪流，云计算不可或缺。无论是面向消费者、企业还是工业场景，无处不在的物联网设备都会产生庞大的数据洪流，云计算是物联网发展不可或缺的一环。据IDC预测，2020年物联网设备产生的数据达33ZB。随着5G终端的应用，流量爆发式增长显著，到2025年物联网预计产生175ZB的数据量。云计算公有云市场格局已定混合云采用率提升，智能云趋于成熟公有云是增长主力，混合云部署占比提升公有云仍是增长主力军。根据Gartner，2020年全球云计算市场规模有望达4114亿美元，同比增速为16%。其中公有云占比2014年的28%提升到2020年的48%。根据信通院，2022年我国云计算市场规模有望达到2900亿元，同比增速为28%。其中公有云占比由2015年的27%提升到2022年的60%。从全球和中国市场的趋势来看，公有仍是云计算市场增长的主力，占比逐渐提升。更多企业转向多云部署，混合云采用率提升。企业用户逐渐转向多云部署策略，即利用多个云服务商来提供多个服务或完成单独的任务，并且倾向于公有云和私有云结合的混合云方式。根据RightScale2019年调查报告，受访的123691名用户中，84%的受访者使用了4个以上的云平台，58%的用户喜欢混合云部署方式，相较于2018年的51%提升了7个百分点。公有云市场持续高速增长，市场格局基本确立公有云市场持续高速增长，国际与国内市场结构倒置。根据Gartner，2019年全球公有云市场规模为1684亿美元，到2022年市场规模增长至2733亿美元，年复合增长率18%。2019年中国公有云市场规模为675.4亿元，到2022年增长至1731.3亿元，年复合增长率为37%。我国与全球云计算市场有较大结构性差别；全球以SaaS为主（64%，2018），我国以IaaS为主（62%，2018）。IaaS市场跑马圈地基本结束，集中度未来仍将提升。全球IaaS云市场格局稳定，Top4厂商分别为亚马逊、微软、阿里和谷歌，2015-2019年CR4由48.9%提升至77.3%。国内市场2019年IaaS云Top5的厂商为阿里云、腾讯云、电信云、华为云和AWS，2015-2019年CR5由63.4%提升到76.3%。我们认为，中国公有云IaaS市场的跑马圈地阶段即将结束，未来竞争主要集中在巨头间的市场份额争夺，小企业的份额将逐渐被蚕食，行业集中度将进一步提升。智能云趋于成熟，竞争焦点转向AICloud 2.0时代竞争焦点转向AI。Cloud 1.0时代，以“大规模分布式、全自动化”为核心技术，注重海量信息的存储、计算和分析的容量及成本，其核心价值是“效率和成本”。Cloud 2.0时代，以“深度学习、人工智能”为核心技术。把人的知识、经验，变成“机器的技能”，其核心价值是“学习和智慧”。云将成为大多数公司利用人工智能的平台以及技术供应商从中获利的渠道。云巨头AI转型，云+AI成为标配。2016年起云巨头纷纷开始转型，从公司战略、组织架构、产品矩阵上调整，加码云计算的AI属性，促进云与AI的互融。1）战略上，谷歌从AIFirst到AIOnly转变；微软转变为“AI重新定义一切”（AIRedefineall）等。2）组织架构上，百度组建智能云事业群组（ACG），同时承载人工智能ToB业务和云业务，腾讯云组建与智慧产业事业群组（CSIG），阿里云升级为阿里云智能事业群等。3）产品矩阵上，云巨头从芯片到算法到应用全产业链布局，如谷歌的TPU芯片、微软Azure+FPGA等。目前在中国AI云服务市场上，百度和阿里相对靠前，AWS、腾讯云、华为云紧随其后。根据IDC对于中国AI公有云服务产品数量的统计，阿里云和百度云在人脸人体技术、图像视频技术、语音识别技术、NLP技术类产品数量显著优于其他云厂商。云计算云巨头收入维持中高速增长资本开支持续加码主要云厂商收入维持中高速增长当前，IaaS市场依然处在高景气阶段，巨头云业务仍在快速发展。最新数据，2020年Q1 AWS/Azure云业务同比增速保持在30%左右，阿里云/谷歌云同比增速均超过50%，绝对增速仍然处在高位。云服务需求是拉动巨头资本开支增长最重要的因素，中长期看IaaS投入仍将维持高增速。美国云巨头资本开支超运营商中国云厂商资本开支仍有巨大空间美国FAMGA资本开支超过运营商，我国BAT资本开支仍有巨大空间。2018年美国FAMGA资本开支合计增长51%，总资本开支达790亿美元，超过美国前四大运营商总资本开支的557亿美元。我国BAT总资本开支每年约100亿美元，相较于运营商约500亿美元的资本开支差距较大。云巨头的资本开支主要呈以下几个特征：1）规模大，近似于运营商资本开支；2）增速高，增速可达30%-40%，2019年云巨头资本开支略有下滑，2019Q4开始回暖；3）全球配置，运营商资本开支集中在本国范围开展基础设施建设，云巨头的资本开支全球配置。云巨头资本开支集中度与运营商类似，长期看投资规模超越运营商是大势所趋，云计算产业链投资机会值得关注.云厂商本轮去库存周期结束，资本开支持续回暖云巨头本轮去库存周期结束，资本开支已回暖。从数据上看，本轮云巨头的去库存周期已经结束，今年Q1进入新一轮上升周期。2019Q3起大型云厂商资本开支回暖迹象明显。海外FAMGA合计资本开支环比连续四个季度回升，Q1 YoY达到40%。国内BAT合计资本开支2019Q2见底，YoY从19年Q4起开始转正。云计算IDC市场仍处高速成长期未来有望加速整合政策催化IDC行业，国内市场仍处高速成长期国内IDC行业成长确定性强。2020年IDC行业的政策催化明显：数据中心建设被纳入新基建，上海等主要城市出台了向IDC行业倾斜的配套政策，IDCREITS试点政策推出。政策催化下，大量社会资本涌入，钢铁等拥有资源优势的行业IDC成为市场热点，市场也开始担心供给过剩的问题。总体上，我们判断IDC行业的结构性过剩和一线城市IDC资源的稀缺性将长期并存，一线IDC龙头公司成长确定性犹在。全球市场，从发展阶段上看海外发达国家IDC市场已走向成熟，国内市场仍处于高速发展阶段。国内IDC建设比欧美发达国家落后5-10年，同时下游需求又较为旺盛，因此整体增速较高，近几年始终维持30%左右同比增速。国内外IDC市场所处阶段也体现在了IDC的建设方式上。早在2016年美国IDC建设方式就以扩建和改建为主，而同期中国IDC建设方式仍以新建为主。IDC市场加速整合，第三方IDC龙头是投资首选市场结构上，全球市场由第三方IDC厂商主导，国内市场基础电信运营商占优。基础电信运营商和第三方IDC厂商是IDC市场主要供给方。全球范围看，第三方IDC厂商主导市场的趋势越来越明显，基础电信运营商正逐渐收缩其IDC业务，大型云服务商（互联网公司）则在自建IDC的同时通过服务外包的形式跟第三方IDC厂商进行合作。国内市场方面，由于电信运营商具有早期IDC建设资源优势，当前整体市场份额占绝对领先地位（估计70%左右），但第三方厂商由于更能适应企业的个性化需求、保持网络中立且在建设速度、定制设计、成本节约以及运维管理等方面更具优势，市场份额正在快速提升。整体而言，我国第三方IDC市场集中度较低，且在规模上跟国外龙头公司相比仍有较大差距。国内第三方IDC服务商数量较多，全国持有IDC牌照的企业预计在1500家以上。主要的第三方IDC厂商包括万国数据、世纪互联、光环新网、宝信软件、数据港以及鹏博士等，无论是营收还是机柜数量，跟国外龙头如Equinix比仍有较大差距。借鉴海外市场发展经验，行业从高速发展期向成熟期过渡时，中小IDC厂商将被陆续淘汰出局或兼并，市场份额将向头部厂商集中。海外IDC龙头厂商如Equinix等已经走向了收购路线，SynergyResearch统计全球IDC市场并购规模从2015年的80亿美元提升至2018年的160亿美元，预计未来将有更多数据中心并购交易。在并购整合下，龙头厂商增速高于行业平均增速，例如Equinix2015-2018年营收CAGR达23.0%。当前万国数据、光环新网等已开始收购整合小型IDC厂商，预计随着市场进一步成熟，头部效应将更加明显，看好万国数据、宝信软件、光环新网等龙头厂商。此外，大型数据中心建设趋势也是市场集中度提升的主要驱动因素之一。IDC因其单位运营成本与规模成反比而具有明显的规模效应，大型IDC的建设已成行业趋势。从统计数据上看，超大型数据中心服务器占全球数据中心总服务器数量的比例，将从2017年32%提升至2021年的53%。从分布上看，根据SynergyResearch最新统计，2018年超大规模数据中心达到430个，其中美国约占40%，而中国仅占8%左右。从地理分布上看，当前全球IDC资源主要集中在大城市周围。IDC下游最终用户分布与其所在地区经济发达程度呈正相关关系，这是由于经济发达地区网络覆盖全、网络使用率高，用户对IDC服务设施的需求也相对集中。根据Synergy的统计数据，以2019年1季度主要IDC厂商的主机托管收入为计算标准，全球范围看前20大城市的IDC主机托管收入占比近56%。国内情况，我国IDC资源也主要集中在京津冀以及长三角、珠三角地区，其中北京和上海（及周边）是IDC资源最集中分布的地区。具备一线城市资源优势的第三方IDC厂商仍是投资首选。上半年虽然部分城市如上海表示将把能耗向IDC倾斜，市场担心短期内市场供给存在过剩风险。我们必须看到，由于IDC资源过于集中在一线城市周围，同时IDC作为一个以“高能耗，无污染，低就业，低纳税”为典型特征的行业，为一线城市能耗、环境等带来较大负担。北京在新的20-22三年行动方案中已明确表示仍将对能耗进行总量控制，广、深、杭等核心城市能耗指标控制依旧严格。我们判断，一线城市的IDC政策趋紧将是常态，在一线城市及其周边有资源优势和储备的IDC厂商竞争优势未来将更加突出。中美IDC厂商均处于新一轮扩张期中国IDC厂商投资强度仍有上升空间中美IDC发展阶段不同，中国IDC厂商营收增速是美国2倍。美国IDC市场已进入稳定发展期，中国IDC市场仍在高速增长。美国5家IDC上市公司（Equinix/DigitalReality/CyrusOneInc/QtsRealtyTrustInc/CoreSite）和中国5家IDC上市公司（万国数据、世纪互联、宝信软件、光环新网、鹏博士）对比分析，美国IDC营收同比在10%左右，国内IDC厂商营收同比增速20%左右。中美两国IDC厂商资本开支均处于新一轮上升期，中国IDC厂商资本开支增速预计在Q3短期回落。美国IDC厂商资本开支于2019年Q4回暖，中国厂商2019年Q3景气上行。受疫情影响，中国市场一季度在线办公、远程教育需求井喷，2020年Q1资本开支增速在80%以上。考虑到疫情波动对IDC需求前置影响等因素，我们预计中国IDC厂商资本开支增速在三季度会出现短期回落，但不改长期高景气周期预期。对比美国，中国IDC厂商资本投资强度（Capex/Revenue）仍有上升空间。ID作为重资产行业，美国IDC厂商的投资强度大部分时间维持在40%-60%水平。与美国厂商相比，中国IDC厂商的资本开支强度要低5-10pp，未来仍有较大上升空间。云计算云计算基础硬件设备处于上升周期服务器产业链受益最大基础硬件设备与云巨头资本开支高度相关基础硬件设备与云巨头资本开支高度相关，2020Q1起有望进入新一轮上升周期。随着云计算的发展，云巨头在全球IT市场的话语权不断加强。2017Q1起基础硬件设备（服务器、路由器、交换机）市场规模增速和云巨头的资本开支增速开始呈现高度相关性。2020Q1云巨头资本开支增速与基础硬件设备增速出现明显背离，我们认为这只是疫情影响下的短期波动，随着供应链逐步恢复常态化，两者趋势将重新同步。我们看到，从2018Q1开始，经历了8个季度的去库存后，云厂商资本开支于2020Q1开始反弹，相关硬件设备厂商迎来业绩趋势拐点。云巨头资本开支上升周期中，服务器产业链受益最大。根据IDC数据显示，数据中心资本支出占比中，服务器占比达69%，云巨头资本开支上升周期中受益最大。另外存储设备占比6%，网络设备占比11%，安全设备占比9%、光模块占比5%。服务器中国市场率先回暖，5G和AI成为新驱动力5G和AI正在成为服务器需求增长的新驱动力量。服务器技术方案在面向5G和边缘计算背景下的电信应用时将发生重大变化，符合OTII标准的边缘计算服务器在MWC2019上已被多家厂商推出。今年，我们已经看到边缘计算一定规模的服务器部署行为。根据GlobalMarketInsights，全球边缘数据中心市场将从目前的40亿美元增长到2024年130亿美元以上，市场空间广阔。AI应用加速落地，AI产业化进程加速拉动AI服务器新增长。上半年，我们看到AI在除互联网以外的行业加速渗透，其中政府、通信、交通等领域增长最为明显。无论是线下训练还是线上推理，AI投资都要从搭建计算平台开始。从产业化角度以及过去三年GPU服务器的增长情况来看，算力的扩张正处于爆发期。根据IDC,2019年中国人工智能服务器市场规模估计约为26.9亿美元，同比增速达59.9%，预计2023年AI服务器市场规模将达到2019年的3.6倍；2023年中国以算力为核心的人工智能基础架构市场将超过170亿美元，19-23CAGR达44.9%。全球服务器市场缓慢复苏，中国市场率先回暖。根据IDC全球服务器跟踪报告数据显示，服务器行业上一轮景气度高点在2017-2018年，云厂商资本开支上量带动上游服务器量价齐升。2018Q1行业进入库存消化期。全球来看服务器行业复苏缓慢，中国市场率先回暖。2020Q1中国服务器出货量同比增长28%。值得注意的是，国内服务器ASP也从5000+美元降至4000+美元，我们认为这主要是疫情影响服务器供应链，进而导致阶段性高端服务器占比下降所致。我们认为，服务器行业已告别整体颓势，有望随云巨头资本开支加码而起量，重回量价齐升高景气度周期。ODM厂商份额稳定在20%以上，品牌商浪潮信息份额提升最明显。根据IDC，2017年起白牌厂商冲击服务器市场，占比从10%以下稳定在20%以上。服务器市场前五大厂商中有3家中国企业，占比在30%左右。其中新华三占比在16%以上，浪潮信息市场份额近两年提升显著，从2018年Q1的4.7%提升到了2020年Q1的7.1%。网络设备市场短期复苏乏力，白牌厂商份额提升路由器和交换机市场短期复苏乏力。2018Q4全球路由器和交换机市场规模同比增速达到高点，季度同比增速分别为15%/13%，之后5个季度增速持续下滑。2020年Q1受疫情影响，路由器市场季度同比下降17%，交换机市场同比增速下滑9%。数据看，网络设备市场并未随着云巨头资本开支回暖同步回升，我们认为这主要有三方面的因素。第一，随着软件定义网络（SDN）技术的应用，数据中心交换网络整体效率不断提升；第二，云计算市场中，非流量型业务（如AI）的占比不断提升；第三，白牌厂商的市场份额不断提升。从竞争格局看，思科的路由器和交换机市占率虽然一直都是第一，但逐渐失去统治地位。其路由器市场份额从2016Q1的49%下滑到2020Q1的36%，交换机市场份额从2015Q1的62%下滑到20Q1的52%。华为的份额在不断提升，路由器市占率从2016Q1的16%上升到29%，交换机市占率从2015Q1的3%提升到2020Q1的8.4%。其他白牌厂商的市场份额则在最近4年上升了4个百分点，从20%提升到24%光模块400G需求放量，中国厂商份额提升400G光模块需求将在2020年放量，800G即将导入。根据Lightcounting，数据中心100G光模块在博通首款32*100GTomahawk交换芯片出样后的两年，即2016年开始攀升，我们认为400G光模块出货也将大致重复100G的走势。2017年12月博通32*400GTomahawkASIC开始出样，预计400G光模块也将在2020年开始放量。同时，800G光模块开始导入。2020年2月26日，华为在伦敦发布了业界首款800G可调超高速光模块，涵盖骨干传输、城域传输、数据中心互联等多种场景。5家中国光模块厂商今年将进入全球Top10，长期看中国厂商有望占据50%以上光器件份额。据Lightcounting预测，中国的光模块供应商将在2020年主导全球市场，市场占比将超过50%。2010年还没有一家中国厂商进入到Top10光模块厂商之列，到2020年有望进入全球前十的有中际旭创、海信、光迅科技、华工正源、新易盛五家中国厂商。目前，Top15的光器件厂商占据98%的市场份额，其中中国厂商有3家厂商进入Top10，占据27%市场份额。光器件产业规模不到百亿美元，市场仍然相对分散，未来强者恒强，中国厂商有望凭借相对优势进一步扩大市场份额。云巨头资本开支回暖伴随光网络升级以及中国厂商市场份额提升，将是光模块厂商未来持续增长的三个核心驱动力。芯片厂商数据中心业务重回高增长供给端业绩改善超预期上游芯片厂商收入重回增长，供给端业绩改善超预期。2020Q1，Intel+AMD服务器CPU收入合计同比增速达47%，大超市场预期。英伟达服务器GPU收入增速2019年Q4转正，同比增速达41%，2020年Q1依然保持27%的增速。此外，BMC芯片主要提供商信骅2019年7月起同比增速转正，2020年5月增速高达86%。内存接口芯片提供商澜起科技2020Q1环比增速也达40%。上游芯片厂商业绩齐回暖，意味着数据中心进入新一轮建设周期云计算中国SaaS市场具备十倍空间当前仍是布局时点中国SaaS市场具备至少10倍发展空间中国SaaS市场具有至少10倍的发展空间。据阿里数据，中国拥有美国3倍的企业数量，但中国SaaS产值只有美国的24%，用SaaS产值除以企业数，中国SaaS市场的企业平均ARPU值是21.6美元，而美国是255美元，差距在11倍。软件收入与GDP增速脱钩，云IT支出逆疫情增长软件业务收入与GDP增速逐渐脱钩。从软件业务收入增速及我国GDP增速走势来看，二者过去变动趋势基本吻合。但自2017Q1起，二者走势逐渐发生背离。2020Q1受疫情影响，两者相关性短期大幅上升。云IT基础设施逆疫情增长，占比已超50%。IDC调查报告显示，传统IT基础设施支出占比降低，2019年云IT基础设施支出占比已超过50%，并且占比不断提升。受疫情影响，2020Q1季度传统非云基础设施支出同比骤降16.3%，而云IT基础设施产品（服务器、企业存储和以太网交换机）支出仍然获得2.2%的增长。云计算基础设施逐渐完善，后期SaaS加速增长中国SaaS占全球比例低于合计水平，SaaS后期成长潜力更大。跟全球相比，中国SaaS市场刚出于起步阶段。2019年中国公有云占全球比例为8.7%，其中SaaS市场占全球的比例仅为5.4%。而中国IaaS市场占全球市场比重为18.3%，远高于8.7%的整体比例。前期我国云服务偏重基础设施层，随着企业加速上云的步伐，SaaS有望迎来拐点，预计未来3年SaaS市场CAGR再在30%以上。经营管理和垂直行业类SaaS规模大经营管理业务类SaaS占比最高，业务流程外包类SaaS增长最快。根据中国软件行业协会应用软件产品云服务分会的数据，在六类细分的SaaS市场中，经营管理业务类SaaS和垂直行业专用类SaaS占比最高，市场规模为148.64亿元和118.74亿元，两者占比70%以上。业务流程外包类SaaS和办公沟通工具类SaaS增长最快，分别为60%和51%。总体看，行业目前已经开始有质量的增长，未来3-5年仍将处在高速发展阶段。受宏观经济、政策、技术等多方面因素影响，国内互联网厂商均开始向企业级市场发力，传统软件龙头如金蝶、用友、广联达、汇纳、石基等也都在大力向云化转型，初创企业中也陆续涌现像纷享销客、Teambition、北森这样的优质厂商，我们认为国内云计算行业2B时代来临，当前是布局优质SaaS标的最好时机。

作业2《6.3 使用OSVOS算法实现视频物体分割》链接https://nbviewer.jupyter.org/github/huaweicloud/ModelArts-Lab/blob/master/notebook/DL_video_object_segmentation/object_segmentation.ipynb作业2根据以下官方给的指导，我们走一遍在课程《6.3 使用OSVOS算法实现视频物体分割》实践中，你已经使用OSVOS算法进行了算法的训练和 预测，并运行了一个视频抠图的应用demo。在课程案例中，OSVOS算法使用的训练集是一个图像分割数据集，原图目录和标签目录如下：原图目录：./video_object_segmention/OSVOS-PyTorch/DAVIS_2016/JPEGImages/480p/flamingo标签目录：./video_object_segmention/OSVOS-PyTorch/DAVIS_2016/Annotations/480p/flamingo在课程案例中，我们就是使用了这个名称为flamingo的数据集， 在./video_object_segmention/OSVOS-PyTorch/DAVIS_2016/JPEGImages/480p目录下其实还提供了 另一个数据集breakdance，这个数据集也可以用来重新跑通整个案例。1、打开课程案例代码文件object_segmentation.ipynb，按ctrl+F，搜索flamingo，尝试将flamingo字 样都替换成breakdance；2、替换完成后，按ctrl+s保存脚本，点击页面顶部菜单栏的 File -> Close and Halt 关闭当前ipynb脚 本，再重新打开object_segmentation.ipynb，从第一个代码块开始，重新跑一遍整个案例； 看完以下细节，即可完成作业2细节1细节2src_dir = './video_object_segmention/OSVOS-PyTorch/DAVIS_2016/JPEGImages/480p/breakdance'result_dir = './video_object_segmention/OSVOS-PyTorch/./models/Results/breakdance'细节3将四条代码运行，耐心等待即可最后截图完成作业2

谷歌自动驾驶汽车于2012年5月获得了美国首个自动驾驶车辆许可证，预计于2015年至2017年进入市场销售。2014年12月中下旬，谷歌首次展示自动驾驶原型车成品，该车可全功能运行。2015年5月，谷歌宣布将于2015年夏天在加利福尼亚州山景城的公路上测试其自动驾驶汽车。2017年12月，北京市交通委联合北京市公安交管局、北京市经济信息委等部门，制定发布了《北京市关于加快推进自动驾驶车辆道路测试有关工作的指导意见（试行）》和《北京市自动驾驶车辆道路测试管理实施细则（试行）》两个文件，文件明确了自动驾驶汽车申请临时上路行驶的相关条件。第一，申请上路测试人需是在中国境内注册的独立法人单位，因进行自动驾驶相关科研、定型试验，可申请临时上路行驶。测试车辆必须符合《机动车运行安全技术条件》（GB7258）标准。测试车辆具备自动、人工两种驾驶模式，并可随时切换；测试车辆必须安装相应监管装置，能监测驾驶行为和车辆位置。第二，测试车辆上路前必须先在封闭测试场内按相关标准进行测试和考核，考核结果经专家评审，通过后才允许上路测试。第三，自动驾驶测试车辆要按规定悬挂号牌、标识，每辆车都要配备一名有一定驾驶经验，熟悉自动驾驶系统的测试驾驶员，随时监控车辆，保障车辆安全行驶。测试车辆将在指定区域、指定时段内测试，尽量不影响城市交通。测试单位必须购买交通事故责任保险或赔偿保函，如果测试车辆在测试期间发生事故，按照现行道路交通安全法及相关规定进行处理，并由测试驾驶员承担相关法律责任。北京市交通委认为，自动驾驶是提升道路交通智能化水平、推动交通运输行业转型升级的重要途径，也是带动交通、汽车、通信等产业融合发展的有利契机。 2017年12月，北京市交通委联合北京市公安交管局、北京市经济信息委等部门，制定发布了针对自动驾驶车辆道路测试的《指导意见》与《实施细则》，规范推动自动驾驶汽车的实际道路测试。2018年5月14日，深圳市向腾讯公司核发了智能网联汽车道路测试通知书和临时行驶车号牌。 2018年12月28日，百度Apollo自动驾驶全场景车队在长沙高速上行驶   。2019年6月21日下午消息，长沙市人民政府颁布了《长沙市智能网联汽车道路测试管理实施细则（试行）V2.0》（以下简称《细则V2.0》），并颁发了49张自动驾驶测试牌照。其中百度Apollo获得45张自动驾驶测试牌照，百度在长沙正式开启大规模测试  。2019年9月，由百度和一汽联手打造的中国首批量产L4级自动驾驶乘用车——红旗EV，获得5张北京市自动驾驶道路测试牌照。 2019年9月22日，国家智能网联汽车（武汉）测试示范区正式揭牌，百度、海梁科技、深兰科技等企业获得武汉市交通运输部门颁发的全球首张自动驾驶车辆商用牌照。2019年9月26日，百度在长沙宣布，自动驾驶出租车队Robotaxi试运营正式开启。首批45辆Apollo与一汽红旗联合研发的“红旗EV”Robotaxi车队在长沙部分已开放测试路段开始试运营。2019年10月，新华社记者试乘了一辆自动驾驶汽车，怀着忐忑不安的心情进入了繁忙的以色列特拉维夫街道。整个试乘过程中，记者总体感觉安全、平稳和舒适  。

“百变AI秀”有奖征文获奖名单正式出炉啦！让我们一同恭喜获奖者！大众评审团与专家评审团分别对最终入围的优质文章进行了投票与打分，最终得出了一二三等奖，其他没有得奖的参与者也将获得大额码豆激励。博客标题昵称奖项奖品投票加权分评委加权分总加权分[Python人工智能] 九.gensim词向量Word2Vec安装及《庆余年》中文短文本相似度计算 丨【百变AI秀】eastmount一等奖HUAWEI体脂称2Pro0.753.003.75[Python从零到壹] 十二.机器学习之回归分析万字总结全网首发（线性回归、多项式回归、逻辑回归）丨【百变AI秀】eastmount一等奖10000码豆0.753.003.75PyTorch 编辑器的选择及配置【百变AI秀】Emperor_LawD二等奖JBL音乐金砖GO21.931.503.43基于深度学习的3D点云分类和分割 PointNet系列丨【百变AI秀】一颗小树x二等奖JBL音乐金砖GO20.143.003.14[Python图像处理] 二十六.图像分类原理及基于KNN、朴素贝叶斯算法的图像分类案例丨【百变AI秀】eastmount三等奖2000码豆0.143.003.14[Python人工智能] 十四.循环神经网络LSTM RNN回归案例之sin曲线预测 丨【百变AI秀】eastmount三等奖2000码豆0.642.403.04MV3D-Net、AVOD-Ne用于自动驾驶的多视图3D目标检测网络 丨【百变AI秀】一颗小树x三等奖2000码豆0.212.702.91Python 分通道读取图像数据，取经之路第 4 天丨【百变AI秀】梦想橡皮擦三等奖智能床头台灯0.142.702.84深度学习基础之matplotlib，一文搞定各个示例，建议收藏以后参考丨【百变AI秀】香菜聊游戏三等奖智能床头台灯0.142.702.84ModelArts基于动物的物体检测实操【百变AI秀】运气男孩三等奖智能床头台灯0.142.702.84ModelArts自动学习实现美食分类【百变AI秀】运气男孩三等奖2000码豆0.142.702.84再不入坑就晚了,深度神经网络概念大整理，最简单的神经网络是什么样子？丨【百变AI秀】香菜聊游戏三等奖2000码豆0.112.702.81【Yolo】⚠️一文看懂 Yolo 目标检测⚠️ ☢️万字长文, 建议手收藏☢️ 【百变AI秀】我是小白呀iamarookie三等奖智能床头台灯0.112.702.81如何用遗传算法进行智能排课丨【百变AI秀】jackwangcumt三等奖智能床头台灯0.112.702.81每位选手最终得分=投票数/总投票人数 *10 *0.4 + 评委综合评分 * 0.6创作小能手奖：作者名参赛作品数奖品eastmount20摩飞榨汁机梦想橡皮擦12摩飞榨汁机香菜聊游戏5智能床头台灯神的孩子在歌唱4智能床头台灯Emperor_LawD2智能床头台灯参与奖：昵称奖品kaliarch5000码豆liuzhen0075000码豆lwq12285000码豆不吃西红柿5000码豆灰小猿5000码豆神的孩子在歌唱5000码豆数据分析与统计学之美5000码豆幸运投票奖投票人奖品IcywordJBL音乐金砖GO2获奖信息收集请以上各位获奖者按如下操作：（参与奖无需回复信息）社区私信“技术火炬手”回复您的有效信息：姓名、手机号、电子邮箱、收货地址注：有效信息反馈期为1周（10月6日截止），超过时限未收到您的信息，则视为自动弃奖，过期不补请谅解！礼品预计在20天内发出。让我们再次恭喜以上获奖者~新一期征文介绍（正在进行中）【有奖征文】拜托了物联网！待万物互联，迎接智慧未来（HUAWEI智能手表等你拿）

小长假美图怎么配文？让AI给你解决，现在体验还能赢大礼即日起至2021年10月11日戳我体验识图成诗>>>的小伙伴运营小姐姐将在活动结束后通过体验小伙伴的账号用抽奖工具进行抽奖  抽奖规则体验路径 链接在此>>>更多福利朋友圈集赞赢奖1、分享作品至朋友圈，并配文“现在体验还有机会赢大奖，快来瓜分礼品：http://mtw.so/5Y7Ib3”，集满20个赞，奖励HE2E知识卡牌一副/价值465元的案例学院卡一张，限量200名，先到先得。2、10月11日前，反馈集赞数最多的3名小伙伴，奖励200元京东卡一张。集赞数反馈方式：截图发给下方小助手企业微信微博转发抽奖转发华为云微博，抽取一位幸运儿送出华为AI音箱一个微博传送门：https://weibo.com/1930559805/KBM3AwlNS?from=page_1006061930559805_profile&wvr=6&mod=weibotime获奖公示及奖品发放获奖结果公示啦！恭喜以上获奖小伙伴！请获取数据线奖品的小伙伴戳此>>>,填写收件信（请用获奖账号登录领取，方便运营核实活动参与信息）朋友圈集赞和转发微博活动获奖的小伙伴根据相应渠道小助手信息提示提交收件信息即可，无需重复提交。收件信息收集截止至10月22日，逾期自动视为放弃领奖~奖品将于15天内统一安排发放，请耐心等待~

近日，美国斯坦福大学李飞飞等百余位学者联名发布《基础模型的机遇与挑战》一文，论述在人工智能基础模型成为趋势的环境下，其发展面临的机遇与挑战。文章指出，基础模型的应用使得自监督学习+预训练模型微调适配方案逐渐成为主流，并带来了智能体认知能力的进步。但同时由于基础模型的任何一点改进会迅速覆盖整个AI社区，其隐患在于基础模型的缺陷也会被所有下游模型所继承。斯坦福大学学者谈到的基础模型，国际上也称预训练模型，也被国内研究者称为大模型。那么，什么是人工智能大模型，与小模型相比有哪些优势？为何大模型会成为趋势，在行业中有哪些应用？未来又面临怎样的机遇和挑战？像发电厂一样源源不断供应“智力源”大模型成了最近AI产学界刷屏率颇高的词汇。需要更大算力、更大数据集的大模型，为何可能是未来AI最好的伙伴？这要从AI开发者们的一次次挫败与碰壁说起。深度学习技术兴起的近10年间，AI模型基本上是针对特定应用场景需求进行训练的小模型。小模型用特定领域有标注的数据训练，通用性差，换到另外一个应用场景中往往不适用，需要重新训练。另外，小模型的训练方式基本是“手工作坊式”，调参、调优的手动工作太多，需要大量的AI工程专业人员来完成。同时，传统模型训练需要大规模的标注数据，如果某些应用场景的数据量少，训练出的模型精度就会不理想。“小模型的这些问题，导致当前AI研发整体成本较高，效率偏低。由于AI人才短缺以及成本昂贵，对于中小行业用户来说，小模型的这些问题阻碍了行业用户采用人工智能技术的脚步，成为AI普惠的障碍。”北京智源人工智能研究院院长黄铁军在接受科技日报记者采访时指出。虽然，之前全球呈现“千村万户大炼模型”的热闹场面，但这种“自家炼钢自己用”的作坊方式显然不符合现代产业发展规律。黄铁军进一步解释道：“大模型可以解决这些问题，其泛化能力强，可以做到‘举一反三’，同一模型利用少量数据进行微调或不进行微调就能完成多个场景的任务，中小企业可以直接调用，不需要招聘很多AI算法专业人员就能进行应用开发，显著降低中小企业的研发门槛，促进AI技术落地。”得益于这些优势，人工智能的发展已经从“大炼模型”逐步迈向“炼大模型”的阶段。以美国OpenAI、谷歌、微软、脸书等机构为代表，布局大规模智能模型已成为全球引领性趋势，并形成了GPT-3、Switch Transformer等千亿或万亿参数量的大模型。可以说，人工智能大模型时代正在到来！“人工智能大模型是‘大数据+大算力+强算法’结合的产物，是集成大数据内在精华的‘隐式知识库’，也是实现人工智能应用的载体。大模型是连接人工智能技术生态和产业生态的桥梁，向下带动基础软硬件发展，向上支撑了智能应用百花齐放，是整个人工智能生态的核心。”黄铁军表示。北京智源人工智能研究院理事长张宏江博士指出：“未来，大模型会形成类似电网的智能基础平台，像发电厂一样为全社会源源不断地供应‘智力源’。”超大模型“通用智能”能力应用前景广阔类比人的教育培养，大模型所完成的培训就如同基础性、通识性的大学本科培养，“学成”后的大模型具备处理一般事物的能力。如果要完成更专业、更高级的任务，大模型还需要“研究生”阶段的专业培养。黄铁军进一步指出：“AI大模型通常是在大规模无标注数据上进行训练，学习数据中蕴含的特征、结构和知识。基于大模型进行应用开发时，将大模型进行微调（在下游针对特定任务利用小规模数据进行二次训练）或者不进行微调，就可以满足多种应用任务的需要。”“从‘大炼模型’到‘炼大模型’，北京智能研究院推出的悟道系列大模型成为这一进程中的标志性成果。”张宏江指出，大模型、大平台、大数据的系统性的生态蓬勃的发展势头，验证了在AI研究与创业领域新机遇正在降临。在这一趋势下，北京智源人工智能研究院2021年3月发布悟道1.0，是中国首个人工智能大模型，取得多项国际领先的AI技术突破；2021年6月发布的悟道2.0，参数规模达到1.75万亿，是OpenAI的GPT-3模型的10倍，一跃成为世界最大模型。北京智源人工智能研究院学术副院长、清华大学教授唐杰表示，大模型可以包含更多数据，表示更多信息，模型往超大规模发展是一个必然的趋势。智源在布局万亿级模型，包括配套的高性能算力平台。目前，悟道团队一方面扩大模型的规模，让模型的表示能力更强，一方面针对实际应用，提高精度。此外，团队还在模型微调算法上进行了创新，希望早日打通百亿级模型和万亿级模型的桥梁。“超大规模预训练模型的出现，很可能改变信息产业格局，即基于数据的互联网时代、基于算力的云计算时代之后，接下来可能将进入基于大模型的AI时代。”唐杰认为。据介绍，超大规模智能模型的“通用智能”能力在医疗、金融、新闻传播等行业应用前景广阔。例如，在医疗健康领域，大模型在医疗数据格式化、病历自动解读与分析、自动问诊系统等方面都可以发挥巨大效用。在金融、法律、财务、人力资源、零售等传统行业领域，大模型能提供高性能的智能信息解析和提取、智能数据整合、自动机器翻译、辅助决策等功能，提升业务流程效率和水平。在新闻传播领域，基于模型可实现智能新闻线索收集、机器写作、辅助编辑、虚拟主播等应用。目前，智源悟道大模型，也在为北京冬奥会提供新场景下的人工智能服务应用；并正在以大模型黑科技，开启手机AI语音技术新路径，赋能智能终端新一轮AI体验革新。在9月24日举行的2021中关村论坛“人工智能与多学科协同创新论坛”上，智源“悟道”大模型与OPPO小布助手合作，基于“悟道”大模型开启“生成式回答系统”，全面功能上线后一举解决了行业共通性的长尾问题，单条回答建设成本降低99%。转发自https://www.sina.com.cn/

为更好地促进人工智能基础研究和应用创新的发展， 9月25日，华为联合AITISA（新一代人工智能产业技术创新战略联盟）、鹏城实验室共同发起了人工智能前沿创新奖——祖冲之奖，将面向全球奖励在AI基础研究和应用创新两个领域的杰出成果。

机器学习的概念：机器学习是一种统计学方法，计算机利用已有数据得出某种模型，再利用此模型预测结果。特点：随经验的增加，效果会变好。简单模型举例：决策树模型预测班车到达时间的问题描述： 每天早上七点半，班车从 A 地发往 B 地，到达 B 地的时间如何准确预测？如果你第一次乘坐班车，你的预测通常不太准。一周之后，你大概能预测出班车 8:00 左右到达 B 地；一个月之后，随着经验的增加，你还会知道，周一常堵车， 会晚 10 分钟，下雨常堵车，会晚 20 分钟。于是你画出了如下的一张树状图，如 果是周一，还下了雨，班车会 8:30 到达；如果不是周一，也没有下雨，班车会 8:00 到达。机器学习和传统计算机运算的区别：传统计算机是基于冯诺依曼结构，指令预先 存储。运行时，CPU 从存储器里逐行读取指令，按部就班逐行执行预先安排好的 指令。其特点是，输出结果确定，因为先干什么，后干什么都已经提前写在指令 里了。机器学习三要素：数据、算法、算力 深度学习的概念：深层次神经网络，源于对生物脑神经元结构的研究。人脑神经网络：随着人的成长，脑神经网络是在渐渐变粗变壮。生物学中的神经元：下图左侧有许多支流汇总在一起，生物学中称这些支流叫做 树突。树突具有接受刺激并将冲动传入细胞体的功能，是神经元的输入。这些树突汇总于细胞核又沿着一条轴突输出。轴突的主要功能是将神经冲动由胞体传至 其他神经元，是神经元的输出。人脑便是由 860 亿个这样的神经元组成，所有的 思维意识，都以它为基本单元，连接成网络实现的。计算机中的神经元模型：1943 年，心理学家 McCulloch 和数学家 Pitts 参考了 生物神经元的结构，发表了抽象的神经元模型 MP。神经元模型是一个包含输入， 输出与计算功能的模型。输入可以类比为神经元的树突，输出可以类比为神经元 的轴突，计算可以类比为细胞核。人工智能 Vs 机器学习 Vs 深度学习 的对比：人工智能，就是用机器模拟人的意识和思维。机器学习，则是实现人工智能的一种方法，是人工智能的子集。深度学习就是深层次神经网络，是机器学习的一种实现方法，是机器学习的子集。 机器学习的典型应用1、应用领域 计算机视觉、语音识别、自然语言处理2、主流应用：（1） 预测（对连续数据进行预测）      如，预测某小区 100 平米的房价卖多少钱。 根据以往数据（红色●），拟合出一条线，让它“穿过”所有的点，并且与各个点 的距离尽可能的小。我们可以把以前的数据，输入神经网络，让他训练出一个模型，比如这张图中红 色点表示了以往的数据，虚线表示了预测出的模型 Y = ax + b ，大量历史数据 也就是面积 x 和房价 y 作为输入，训练出了模型的参数 a = 3.5, b = 150，则 你家 100 平米的房价应该是 3.5 * 100 + 150 = 500 万。 我们发现，模型不一定全是直线，也可以是曲线；我们还发现，随着数据的增多， 模型一般会更准确。（2） 分类（对离散数据进行分类）       如，根据肿瘤患者的年龄和肿瘤大小判断良性、恶性。       红色样本为恶性，蓝色样本为良性，绿色分为哪类？假如让计算机判断肿瘤是良性还是恶性，先要把历史数据输入到神经网络进行建 模，调节模型的参数，得到一条线把良性肿瘤和恶性肿瘤分开。比如输入患者的 年龄、肿瘤的大小 还有对应的良性肿瘤还是恶性肿瘤，使用神经网络训练模型 调整参数，再输入新的患者年龄和肿瘤大小时，计算机会直接告诉你肿瘤是良性 还是恶性。比如上图的绿色三角就属于良性肿瘤。