近日,市场研究 & 咨询公司 Grand View Research发布了一份深度学习市场分析报告。该报告从行业、解决方案、硬件、应用程序、终端使用、区域等方面对深度学习进行了评估及趋势分析。
该报告主要回答了以下问题:
从 2013 年到 2015 年,该市场有多大?
到 2014 年,该市场会有怎样的发展?
哪个领域会推动或引领市场发展?
竞争环境和市场参与者有什么样的行为?
市场参与者主要采用了什么样的持续发展战略?
下面是该报告的部分主要结论。
市场洞察
2016 年,全球深度学习市场估值为 2.72 亿美元,其在自动驾驶和医疗行业的应用越来越多,有望为行业增长做出突出贡献。这项技术的崛起得益于数据驱动的复杂应用,包括语音和图像识别。它可以和其他技术一起克服大数据量和高计算能力的挑战以及改进数据存储。不同终端应用行业产生的数据量迅速增加,这是行业发展的一个动力。另外,人机交互需求的增长为解决方案提供商提供了新的增长点。
为了将这项技术应用到自己的产品系列,组织进行了大量的投资。2016 年 12 月,SK Telecom 宣布与 Intel 公司签署协议基于深度学习开发车联网(V2X)技术和视频识别。在今后几年,政府增加投资也有望推动行业的发展。例如,中国发展和改革委员会就资助了一个深度学习实验室。
解决方案洞察
软件主导了深度学习行业,这一部分正经历着激烈的变革,转变成以深度学习为基础的软件即服务(SaaS)。这些解决方案不仅整理和聚合数据,而且还挖掘信息,生成预测及结论。另外,算法和硬件的巨大发展促进了芯片行业的增长。其重要性的凸显导致了许多软件和硬件领域的收购。
硬件洞察
2016 年,图形处理单元(GPU)支配了硬件市场。与其他芯片组相比,GPU 可以提供更好的性能。增强虚拟内容的发展需求使得深度学习应用对 GPU 的需求日益增加。行业巨头的研发活动有望对 GPU 芯片组的发展需求产生积极的影响。例如,2017 年初,谷歌宣布推出其云机器学习和计算引擎来提升计算密集型任务的性能。
2016 年,刚刚开始进入深度学习领域,现场可编程逻辑门阵列(FPGA)就占据了一个边际收益份额,在未来一段时间内有望获得大的发展。在耗电量相同的情况下,FPGA 可以提供比 GPU 更好的性能。该市场尚处于起步阶段,将来有望发展成为一个可靠的替代方案。
应用洞察
2016 年,图像识别主导了应用程序领域,获得了 40% 多的市场份额。Facebook 的面部识别功能是这项技术中一个最广泛的应用。不过,图像识别在医疗和国防这两个垂直领域的推广有望在下一个八年中成为行业的增长点。汽车和金融服务正准备采用这项技术改善运营,改进产品。
2016 年,数据挖掘获得了超过 5% 的市场份额。数据分割需求有望推动这一方面的发展。面向决策和其他推理的数据挖掘正在大数据分析领域引发一场革命。
终端使用洞察
2016 年,得益于遥感、目标检测 & 定位、声谱图分析、网络异常发现及恶意软件检测,深度学习在航空及国防部门的应用贡献了超过 20% 的市场收入。
航空和国防部门利用该技术在各种嵌入式平台上处理大型数据集,借助图像处理和数据挖掘来预测和评估未来的行动方案。例如,美国国土安全部就在综合环境分析和模拟(SEAS)项目中使用该技术评估未来的事件。
汽车行业也贡献了很大的市场份额。汽车制造商认识到了自动驾驶汽车的影响,正在他们的生态系统中采用这项技术。例如,奥迪利用深度学习算法识别交通信号灯。
区域洞察
2016 年,北美在深度学习市场的占比超过了 45%,这主要得益于人工智能和神经网络的投资增加。图像和模式识别在这一地区的高采用率有望在未来一段时间内带来新的增长机遇。此外,政府支持增加有望对行业发展产生积极的影响。联邦政府内部成立的人工智能和机器学习次级委员会为行业发展提供了动力。欧洲也为这个行业的发展作出了突出贡献。
竞争性洞察
NVIDIA、英特尔、谷歌及微软是这个市场的主要参与者。为了开发出适用的硬件及占领市场,他们正致力于合并和收购。例如,2016 年 8 月,英特尔宣布收购 Nervana Systems。另外,企业正在将深度学习技术构建到自己的产品中。例如,2016 年 11 月,GE Healthcare 宣布与美国加州大学合作,开发深度学习算法程序库,协助医师诊断以及让治疗更加有效和准确。
感兴趣的读者可以点击这里免费索取报告样本。
感谢陈思对本文的审校。
给InfoQ 中文站投稿或者参与内容翻译工作,请邮件至 editors@cn.infoq.com 。也欢迎大家通过新浪微博( @InfoQ , @丁晓昀),微信(微信号: InfoQChina )关注我们。
评论