国内AI芯片市场及主要企业寒武纪业务及商业模式分析

内容目录

1、关注点1：业务和商业模式 ........................................................................... - 5 -

1.1 业务：“云-边-端”全覆盖........................................................................ - 5 -

1.2 商业模式：IP+Fabless ......................................................................... - 7 -

2、关注点2：产业链 .......................................................................................... - 9 -

2.1 产业链上下游情况................................................................................. - 9 -

2.2 上下游集中度高 .................................................................................. - 11 -

3、关注点3：行业概况（双轮驱动，空间广阔） ............................................ - 13 -

3.1 驱动力：产业升级+政策支持.............................................................. - 13 -

3.2 AI芯片行业：增长迅速，未来或将成为千亿赛道 ............................... - 14 -

4、关注点4：竞争对手和公司竞争优势........................................................... - 17 -

4.1 人工智能芯片竞争格局 ....................................................................... - 17 -

4.2 公司竞争优势...................................................................................... - 19 -

5、盈利预测与投资建议.................................................................................... - 22 -

图表目录

图表1：公司营收占比........................................................................................ - 5 -图表2：公司产品............................................................................................... - 6 -图表3：终端智能处理器架构............................................................................. - 6 -图表4：边缘智能芯片思元220 ......................................................................... - 7 -图表5：云端智能芯片及加速卡和智能计算集群系统的业务流程...................... - 9 -图表6：人工智能芯片产业链............................................................................. - 9 -图表7：主要产品的业务流程示意图................................................................ - 10 -图表8：下游客户集中度.................................................................................. - 12 -图表9：上游供货商情况.................................................................................. - 13 -图表10：公司所在行业为AI芯片行业............................................................ - 14 -图表11：2016年-2021年全球智能驾驶汽车市场规模预测............................ - 15 -图表12：人工智能芯片在消费电子各领域市场规模预测（亿美元）.............. - 15 -图表13：2016年-2021年超级数据中心数量变化 .......................................... - 16 -图表14：2017年-2022年云端智能芯片市场规模及预测 ................................ - 16 -图表15：2018年-2025年全球人工智能芯片市场规模................................... - 17 -图表16：2019-2024年中国人工智能芯片市场规模及预测............................. - 17 -图表17：2018年全球AI芯片公司榜单........................................................... - 18 -图表18：主流AI芯片公司对比........................................................................ - 19 -图表19：公司产品是底层芯片和基础系统软件................................................ - 20 -图表20：核心技术框架结构 ............................................................................. - 20 -图表21：重要股东........................................................................................... - 21 -图表22：主要核心技术及研发人员对应情况.................................................... - 21 -图表23：研发支出情况 .................................................................................... - 22 -图表24：收入拆分........................................................................................... - 23 -图表25：公司主要财务指标 ............................................................................ - 26 -

1、关注点1：业务和商业模式

1.1 业务：“云-边-端”全覆盖

?主营业务构成。公司的主营业务是应用于各类云服务器、边缘计算设备、

终端设备中人工智能核心芯片的研发、设计和销售，为客户提供丰富的

芯片产品与系统软件解决方案。主要产品包括终端智能处理器IP、云端

智能芯片及加速卡、边缘智能芯片及加速卡以及与上述产品配套的基础

系统软件平台。根据公司招股说明书的信息，2019年：

1)智能计算集群系统业务营收占比66.72%；

2)云端智能芯片及加速卡业务营收占比17.77%；

3)终端智能处理器IP业务营收占比15.49%；

4)其他业务营收占比0.03%。

图表1：公司营收占比

?“云-边-端”全覆盖。不难看出，2019年之前，终端智能处理器IP业

务是收入主要构成部分，营收占比98%以上。2019年，公司主要收入

为智能计算集群系统业务、云端智能芯片及加速卡业务和终端智能处理

器IP业务。目前，公司业务和产品覆盖“云-边-端”。

图表2：公司产品

?终端智能处理器是终端设备中支撑人工智能处理运算的核心器件，例如

近年来各品牌旗舰级手机上与图像视频、语音、自然语言相关的智能应

用均依靠终端智能处理器提供计算能力支撑。为了提升性能降低功耗，

同时节省成本，终端智能处理器通常不是以独立芯片的形式存在，而是

作为一个模块集成于终端设备的SoC 芯片当中。公司的终端智能处理

器IP 产品主要有1A、1H 和1M 系列。TOPS是T era Operations Per

Second的缩写，1TOPS代表处理器每秒钟可进行一万亿次（10^12）

操作。

图表3：终端智能处理器架构

?云端智能芯片及加速卡是云服务器、数据中心等进行人工智能处理的核

心器件，主要作用是为云计算和数据中心场景下的人工智能应用程序提

供硬件计算资源，支撑该类场景下的人工智能处理任务。公司云端智能

芯片产品可覆盖视觉处理、语音处理、自然语言处理、推荐系统、搜索

引擎及传统机器学习等多样化应用领域，支持人工智能推理和训练任务。

公司已量产的云端智能芯片及加速卡产品可提供从30TOPS 到

128TOPS 的单加速卡单芯片计算能力。可为客户提供一机双卡、一机

四卡、一机八卡等不同配置的服务器产品，单台服务器的人工智能计算

能力最高可达1024TOPS。

?边缘智能芯片及加速卡。边缘计算是在终端和云端之间的设备上配备适

度的计算能力，一方面可弥补终端设备计算能力不足的劣势，另一方面

可缓解云计算场景下数据安全、隐私保护、带宽与延时等潜在问题。公

司2019 年11 月推出了边缘智能芯片思元220 及相应的M.2 加速卡，

可支持边缘计算场景下的智能数据分析与建模、视觉、语音、自然语言

处理等多样化的人工智能应用。

图表4：边缘智能芯片思元220

1.2 商业模式：IP+Fabless

?从运营模式来看，集成电路企业主要包括IDM（垂直整合制造）、Fabless

（无晶圆厂）、Foundry（代工厂）以及封装测试企业（OSAT），集成

电路设计行业运营模式主要为其中的IDM模式和Fabless模式。采用

IDM模式运营的企业，其业务涵盖了从芯片设计、晶圆制造到封装测试

整个流程，行业发展早期的大部分集成电路企业均采用该模式。目前仅

有英特尔、三星、德州仪器等国际集成电路巨头采用这一运营模式。采

用Fabless模式运营的企业，主要专注于芯片设计和产品销售两个环节，

晶圆制造和封装测试等流程均采用委外合作的方式进行。

?公司经营模式为Fabless。公司自成立以来的经营模式均为Fabless 模

式，未发生变化。公司专注于智能芯片的设计和销售，而将晶圆制造、

封装测试等其余环节委托给晶圆制造企业、封装测试企业及其他加工厂

商代工完成。

?智能处理器核是公司所有智能芯片产品的基础，它一方面是根据智能终

端应用需求形成终端智能处理器IP 产品，通过集成于终端设备的SoC 芯片当中以IP 授权的形式获得收入；另一方面是作为底层核心模块支撑公司所有的云端智能芯片及加速卡、边缘智能芯片及加速卡研发。

?终端智能处理器产品主要以IP 授权形式应用于智能终端设备中。公司

不出售实体芯片产品，只出售终端智能处理器IP授权。IP 授权的收费模式一般分为两部分：一部分是固定费用（license 费用），在IP 授权时支付一定费用；另一部分是提成费用（royalty 费用），一般是每一片使用其IP 的芯片实现销售按一定金额或者单价比例收取一定费用。固定费用为许可技术通过验收后，许可产品正式出货前，按照授权许可实施进度分阶段收取相应费用；提成费用为被授权方量产芯片并销售许可产品后的每个季度末，按照许可产品的累计销售数量所在区间，分标准收取相应费用。

?云和边产品主要以实体芯片或加速卡的形式销售。公司的云端智能芯片

及加速卡、边缘智能芯片及加速卡业务主要以实体芯片或加速卡的形式直接销售给服务器厂商、IDC 厂商、大型互联网公司及相关行业应用厂商获得收入。云端智能芯片和边缘智能芯片，均基于寒武纪智能处理器核设计，结合云端和边缘端需求，增加一些外围接口和功能模块的智能芯片；云端智能加速卡和边缘智能加速卡，分别是基于云端智能芯片和边缘智能芯片，增加外围电路模块形成加速卡产品。

?云端智能芯片及加速卡。公司在完成芯片设计的一系列复杂流程后，将

最终的芯片版图交付给台积电进行晶圆代工，然后委托日月光或Amkor 等厂商完成芯片的封装测试，再由电路板厂商使用芯片生产出加速卡，最后将加速卡销售给客户。云端智能芯片及加速卡需与服务器厂商生产的服务器整机产品进行适配，通过服务器厂商、OEM 厂商针对其稳定性、运行速度和功耗等严格认证，才能进入大规模商用阶段。

?智能计算集群系统业务主要是根据云计算数据中心行业客户的应用场景

需求，使用公司自有的云端智能芯片产品与基础系统软件平台，为客户定制、集成并交付智能计算集群整套软硬件系统所获取的收入。在此模式下，公司自有的云端智能芯片加速卡是服务器集群核心智能计算能力的来源；公司将加速卡集成到配套服务器及相关系统中，配置相应的基础系统软件与开发工具，最终形成智能计算集群系统交付客户验收。公司云端智能芯片及加速卡和智能计算集群系统的整体业务流程如下图所示：

图表5：云端智能芯片及加速卡和智能计算集群系统的业务流程

2、关注点2：产业链

2.1 产业链上下游情况

公司在人工智能芯片领域参与的环节和角色。市场分析、规格分析、芯

片设计、硬件方案设计、EDA验证、后端设计、样片测试、可靠性测试、

量产销售等核心流程均由公司主导完成，芯片流片、封装测试、量产等

其余环节则由外协供应商代工完成。

图表6：人工智能芯片产业链

图表7：主要产品的业务流程示意图

上游：所需设备和原材料。

1)端：终端智能处理器IP 业务。公司不出售实体芯片产品，只出售

终端智能处理器IP授权，因此公司上游主要采购用于芯片研发设计

所需的软件工具和硬件平台，包括EDA工具软件、服务器、存储以

及网络设备等。

2)云：云端智能芯片及加速卡业务。公司为典型的Fabless模式，负

责制定芯片的规格参数、完成芯片设计和验证、提供芯片设计版图，

而芯片的生产制造、封装测试、加速卡加工则通过委外方式完成，

因此公司需要向晶圆制造厂采购定制加工生产的晶圆，向封装测试

厂采购封装、测试服务，向加工厂商采购加速卡加工服务。

3)智能计算集群系统业务。公司需要采购生产加速卡的原材料和委外

服务，其次还需要根据客户的定制化要求，采购相应配套的服务器、

存储设备及网络设备等，并签订相应的委外加工合同，由委外供应

商进行生产。公司根据市场预测和订单情况，采用“战略性库存和

标准部件储备”的采购模式。

?下游：产品应用场景。公司主要客户为芯片设计厂商、服务器厂商及有

数据中心建设需求的地方政府。公司2016 年3 月成立，公司先后推出

了用于终端场景的寒武纪1A、寒武纪1H、寒武纪1M 系列芯片、基于

思元100 和思元270 芯片的云端智能加速卡系列产品以及基于思元

220 芯片的边缘智能加速卡。

1)端。寒武纪1A、寒武纪1H已集成于超过1 亿台智能手机及其他智

能终端设备（智能摄像头等）中。

2)云。思元系列产品应用于浪潮、联想、新华三等多家服务器厂商的

产品中。在人工智能芯片设计初创企业中，公司是少数已实现产品

成功流片且规模化应用的公司之一。智能计算集群系统业务主要客

户是云计算数据中心行业客户。

3)边。思元220 边缘智能芯片及相应的M.2 加速卡于2019 年11 月

正式发布。目前，公司边缘智能芯片及加速卡产品已与部分客户签

署销售合同，同时部分客户处于送样及测试阶段。公司预计2020 年

内可实现规模化出货。

2.2 上下游集中度高

?下游客户集中度高。2017 年至2019 年，公司向前五名客户的销售收

入占比分别为100.00%、99.95%和95.44%。2017 年和2018 年，公

司几乎所有收入均来自华为海思，华为海思将寒武纪终端智能处理器IP

集成于其旗舰智能手机芯片中。2019 年，公司拓展了云端智能芯片和

加速卡、智能计算集群业务和相应的新客户，如服务器厂商、云服务厂

商、企业和地方政府等。

?上游供应商集中度优化。2017 年至2018 年，公司业务收入主要来自

于出售终端智能处理器IP，采购的原材料主要为芯片IP 和EDA 工具等授权，该授权一般采用“固定费用+提成费用”的模式进行整体收费；

2019年，公司开始销售云端智能芯片及加速卡产品和智能计算集群系统，除了授权费之外，电子设备、晶圆、电子元器件为主要采购内容。2019年上游供应商TOP5集中度下降到66.49%。公司向前五名供应商采购的内容主要为晶圆、芯片IP、EDA 工具等。其中，

1)上海国际代理Cadence、Alchip、Synopsys 等原始供应商向公

司销售芯片IP及EDA工具等。

2)深圳朗华代理台积电、Avago、泰科源等原始供应商向公司销售晶

圆及相关电子元器件等。

?上游原材料分析。芯片IP 和EDA 工具授权用于芯片设计环节，电子设

备为应用于智能计算集群系统或公司日常研发工作的服务器、电脑等硬件设备，硅片晶圆的生产由晶圆代工厂完成，电子元器件包括PCB板、内存、连接器、电阻、电容等各类型用于产品研发和生产的电子原材料，委外加工服务中芯片的封装测试由封测厂商完成，服务器智能加速卡的组装由加速卡加工厂商完成，除上述采购内容之外的其他采购则主要为用于产品生产和研发相关的辅材、配件、软硬件等原材料或服务。

2019年中国人工智能行业市场现状及发展前景分析未来智能制造将成为行业主战场

2019年中国人工智能行业市场现状及发展前景分析未来智能制造将成为行业主战场未来智能制造将是人工智能的主战场国家工业信息安全发展研究中心认为，目前我国人工智能和制造业融合有着广泛的基础，智能制造是“中国制造2025”的主攻方向，而人工智能是引领新一轮科技革命和产业变革的战略性技术。但新一代人工智能技术在制造业重点领域的应用刚刚起步，人工智能与制造业的融合尚处于初级阶段，未来智能制造将是人工智能的主战场。 1、人工智能+制造业创造新业态目前中国人工人工智能迈向了2.0阶段，以通过互联网联系在一起的一套巨大的智能系统为标志。从智能制造业角度出发，人工智能技术正在深入改造制造行业。新一代人工智能技术与制造业实体经济的深度融合，成为应用市场一大亮点，催生了智能装备、智能工厂、智能服务等应用场景，创造出自动化的一些新需求、新产业、新业态。

2、政策春风利好工智能发展 2017年，人工智能被首次写入到政府工作报告中，2018年政府工作报告中提出：“发展壮大新动能，做大做强新兴产业集群，实施大数据发展行动，加强新一代人工智能研发应用，在医疗、养老、教育、文化、体育等多领域推进‘互联网+’。发展智能产业，拓展智能生活。”，2019年的政府工作报告中，对人工智能的描述也由“加快人工智能等技术研发和转化”、“加强新一代人工智能研发应用”变为“深化大数据、人工智能等研发应用”，可见在国家层面上，对人工智能产业的重视程度日益加深。 3、2018年中国人工智能产业规模超400亿在政策和技术的推动下，中国人工智能产业发展迅速。跟据中国信通院数据，2015年到2018年中国人工智能产业规模复合平均增长率为54.6%，高于全球平均水平(约36%)。2018年，中国人工智能产业市场规模已达到415.5亿元。其中，企业技术集成与方案提供、关键技术研发和应用平台两个应用领域据发展火热。

2019年版人工智能行业市场调研分析报告

2019年版人工智能行业市场调研分析报告（部分内容） China's Industrial Market Research and Prospect Forecast Analysis Report(2019-2025) （专业、精准、高效，助力企业决策）

2015-2017年机器人产业发展综况一、全球机器人行业规模分析当前，全球机器人市场规模持续扩大，工业、特种机器人市场增速稳定，服务机器人增速突出。技术创新围绕仿生结构、人工智能和人机协作不断深入，产品在教育陪护、医疗康复、危险环境等领域的应用持续拓展，企业前瞻布局和投资并购异常活跃，全球机器人产业正迎来新一轮增长。全球市场规模根据调研的数据，2017年，全球机器人市场规模达到232亿美元，2012-2017年的平均增长率接近17%。其中，工业机器人147亿美元，服务机器人29亿美元，特种机器人56亿美元。图1：2017年全球机器人规模占比（一）工业机器人：销量稳步增长，亚洲市场依然最具潜力目前，工业机器人在汽车、金属制品、电子、橡胶及塑料等行业已经得到了广泛的应用。随着性能的不断提升，以及各种应用场景的不断明晰，2012年以来，工业机器人的市场正以年均15.2%的速度快速增长。据IFR统计显示，2016年全球工业机器人销售额首次突破132亿美元，其中亚洲销售额76亿美元，欧洲销售额26.4亿美元，北美地区销售额达到17.9亿美元。中国、韩国、日本、美国和德国等主要国家销售额总计占到了全球销量的3/4，这些国家对工业自动化改造的需求激

活了工业机器人市场，也使全球工业机器人使用密度大幅提升，目前在全球制造业领域，工业机器人使用密度已经超过了70台/万人。2017年，工业机器人将进一步普及，销售额有望突破147亿美元，其中亚洲仍将是最大的销售市场。图2：2012-2020年全球工业机器人销售额及增长率（二）服务机器人：人工智能兴起，行业迎来高速发展新机遇随着信息技术快速发展和互联网快速普及，以2006年深度学习模型的提出为标志，人工智能迎来第三次高速发展。与此同时，依托人工智能技术，智能公共服务机器人应用场景和服务模式正不断拓展，带动服务机器人市场规模高速增长。2017年，全球服务机器人市场达29亿美元。2020年将快速增长至69亿美元，2016-2020年的平均增速高达27.9%。2017年，全球医疗服务机器人、家用服务机器人和专用服务机器人市场规模分别为16.2亿美元、7.8亿美元和5亿美元，其中医疗服务机器人市场规模占比最高达55.9%，高于家用服务机器人29个百分点，其中智能服务机器人的比例快速提升。

人工智能芯片项目可行性报告

人工智能芯片项目可行性报告规划设计/投资分析/产业运营

摘要 2018年全球正处于“后摩尔定律时代”，万物互联和万物智能得以实现，伴随着大数据的发展、计算能力的提升，全球人工智能近年迎来了新一轮的爆发。2018年几乎每个月，全球主流科技公司推出的定制人工智能芯片项目数量都会较上个月有所增加。与全球主流科技公司相比，我国人工智能芯片厂商也相继发布新版、升级版AI芯片，并且新版本芯片都取得了突破性发展。从全球人工智能芯片竞争格局来看，云端训练芯片方面英伟达一家独大，推断芯片百花齐放。其中全球安防人工智能芯片市场竞争格局稳定，现有厂商凭借与下游客户长期的合作，有望继续受益于安防智能化的升级，属于新进入者的市场空间有限。该人工智能芯片项目计划总投资21775.70万元，其中：固定资产投资15290.38万元，占项目总投资的70.22%；流动资金6485.32万元，占项目总投资的29.78%。本期项目达产年营业收入45161.00万元，总成本费用35900.08 万元，税金及附加382.55万元，利润总额9260.92万元，利税总额10920.84万元，税后净利润6945.69万元，达产年纳税总额3975.15 万元；达产年投资利润率42.53%，投资利税率50.15%，投资回报率31.90%，全部投资回收期4.64年，提供就业职位841个。

人工智能芯片项目可行性报告目录第一章概况一、项目名称及建设性质二、项目承办单位三、战略合作单位四、项目提出的理由五、项目选址及用地综述六、土建工程建设指标七、设备购置八、产品规划方案九、原材料供应十、项目能耗分析十一、环境保护十二、项目建设符合性十三、项目进度规划十四、投资估算及经济效益分析十五、报告说明十六、项目评价十七、主要经济指标

人工智能芯片的分类

人工智能芯片的分类近年来人工智能芯片领域的科学家们进行了富有成果的广泛研究，主要集中在AI芯片目前的两种发展方向。一个方向是继续延续经典的冯·诺依曼计算架构，以加速计算能力为发展目标，主要分为并行加速计算的GPU(图形处理单元)、半定制化的FPGA(现场可编程门阵列)、全定制化的ASIC(专用集成电路)。另一个方向就是颠覆传统的冯·诺依曼计算架构，采用基于类脑神经结构的神经拟态芯片来解决算力问题。一、按架构分类 (1)图形处理单元(graphics processing unit，GPU)。GPU是相对较早的加速计算处理器，具有速度快、芯片编程灵活简单等特点。由于传统CPU的计算指令遵循串行执行方式，不能发挥出芯片的全部潜力，而GPU具有

高并行结构，在处理图形数据和复杂算法方面拥有比CPU更高的效率。在结构上，CPU主要由控制器和寄存器组成，而GPU则拥有更多的逻辑运算单元(arithmetic logic unit，ALU)用于数据处理，这样的结构更适合对密集型数据进行并行处理，程序在GPU系统上的运行速度相较于单核CPU往往提升几十倍乃至上千倍。同时，GPU 拥有了更加强大的浮点运算能力，可以缓解深度学习算法的训练难题，释放人工智能的潜能。但是GPU也有一定的局限性。深度学习算法分为训练和推断两部分，GPU平台在算法训练上非常高效。但在推断中对于单项输入进行处理的时候，并行计算的优势不能完全发挥出来。 (2)现场可编程门阵列(field programmable gate array，FPGA)。FPGA是在PAL、GAL、CPLD等可编程器件基础上进一步发展的产物。其基本原理是在FPGA芯片内集成大量的基本门电路以及存储器，用户可以通过更新FPGA配置文件(即烧入)来定义这些门电路以及存储器之间的连线。这种烧入不是一次性的，因此，它既解决了定制电路灵活性的不足，又克服了原有可编程器件门电路数有限的缺点。与GPU不同，FPGA同时拥有进行数据并行和任务并行计算的能力，适用于以硬件流水线方式处理一条数据，且整数运算性能更高，因此常用于深度学习算法中的推断阶段。不过FPGA通过硬件的配置实现软件算法，

企业管理培训市场分析

企业管理培训市场分析最近复旦大学管理学院“总裁高级研修班”在培训业掀起了不小的波澜，继而中欧、奥杰等管理学院的总裁研修班纷纷杀进高层管理者培训（EDP市场，一时，培训市场热闹非凡，商家喜在眉梢，企业管理者跃跃欲试，企业管理培训的新蛋糕一一高管培训，越做越香，越做越大。企业高层管理者何以如此热情高涨，搭着时间、精力和钱财，聚在一起“纸上谈兵”呢？这与中国的经济大环境密切相关。市场经济的发展，制度的逐步完善，使中国经济进入微利时代，微利时代重管理；中国加入WTC后，国际化竞争日益激烈，知识更新的速度加快，高层管理者面对机会与挑战并存的发展空间， “充电”成为他们迫切的需求，这一需求进而又成为培训业突飞猛进发展的催化剂。高管培训市场前景可观，但欠缺规范化据国家统计局、工商局的最新统计数据，我国现有注册企业796万家，其中外资企业超过40万家，预算内企业20万家，如果高管培训能够在中国广泛普及，那么市场前景相当可观。统计数据显示，中国培训业规模正以每年30%的速度递增，2002年中国培训业收入达到2000亿元。据中欧国际工商管理学院的专家分析：目前中国高层经理培训的市场价值为2.5亿美元，并且还在不断增长，到2006年，这个市场的价值将达到40亿美元，40亿美元的“蛋糕”一一诱惑着国内外的玩家们。虽然前景喜人，但另一面也不容忽视：我国的高管培训市场尚处于起步阶段，鱼龙混杂，竞争无序，距离规范化的产业市场还有很大距离。这主要体现在：培训机构良莠不齐：有些培训机构只看重暂时利益，一套教材、一名讲师、一间教室就可以完成培训，教学质量差，“一锤子买卖”现象严重；师资匮乏：在国外，高管培训的受聘教师大都是资深企业管理者，并采用企业实际的案例来进行教学，注重实战性和时效性。我国目前像这样富有本土经验尤其是深入了解企业培训需求的教师十分缺乏，这一点已成为制约高管培训发展的“瓶颈”。课程僵化：有些培训机构奉行“拿来主义”，课程照搬照抄，没有自主开发的核心课程，对所有管理者进行统一培训，本土案例少，缺乏针对性和系统性。品牌弱势：全国大大小小的培训机构繁多，但用户心目中值得信赖的品牌培训机构却寥寥无几。

人工智能市场调研分析报告

目录第一节人工智能与深度学习 (3) 一、人工智能：让机器像人一样思考 (3) 二、机器学习：使人工智能真实发生 (4) 三、人工神经网络：赋予机器学习以深度 (4) 四、深度学习：剔除神经网络之误差 (5) 第二节深度学习的实现 (5) 一、突破局限的学习算法 (6) 二、骤然爆发的数据洪流 (6) 三、难以满足的硬件需求 (7) 第三节现有市场——通用芯片GPU (8) 一、GPU是什么？ (8) 二、GPU和CPU的设计区别 (8) 三、GPU和CPU的性能差异 (9) 四、GPU行业的佼佼者：Nvidia (10) 五、Nvidia的市场定位：人工智能计算公司 (11) 六、Nvidia的核心产品：Pascal家族 (12) 七、Nvidia的应用布局：自动驾驶 (13) 八、Nvidia的产业优势：完善的生态系统 (14) 第四节未来市场：半定制芯片FPGA (14) 一、FPGA是什么？ (14) 二、FPGA和GPU的性能差异 (15) 三、FPGA市场前景 (16) 四、FPGA现有市场 (17) 五、FPGA行业的开拓者：Intel (17) 六、Intel的产品布局 (17) 七、Intel的痛点：生态不完善 (18) 八、Intel的优势 (19) 第五节投资前景 (20)

第一节人工智能与深度学习 2016年，AlphaGo与李世石九段的围棋对决无疑掀起了全世界对人工智能领域的新一轮关注。在与李世石对战的5个月之前，AlphaGo因击败欧洲围棋冠军樊麾二段，围棋等级分上升至3168分，而当时排名世界第二的李世石是3532分。按照这个等级分数对弈，AlphaGo每盘的胜算只有约11%，而结果是3个月之后它在与李世石对战中以4比1大胜。AlphaGo的学习能力之快，让人惶恐。一、人工智能：让机器像人一样思考自AlphaGo之后，“人工智能”成为2016年的热词，但早在1956年，几个计算机科学家就在达特茅斯会议上首次提出了此概念。他们梦想着用当时刚刚出现的计算机来构造复杂的、拥有与人类智慧同样本质特性的机器，也就是我们今日所说的“强人工智能”。这个无所不能的机器，它有着我们所有的感知、所有的理性，甚至可以像我们一样思考。人们在电影里也总是看到这样的机器：友好的，像星球大战中的C-3PO；邪恶的，如终结者。强人工智能目前还只存在于电影和科幻小说中，原因不难理解，我们还没法实现它们，至少目前还不行。我们目前能实现的，一般被称为“弱人工智能”。弱人工智能是能够与人一样，甚至比人更好地执行特定任务的技术。例如，Pinterest上的图像分类，或者Facebook的

人工智能芯片技术趋势研究分析报告

人工智能芯片技术趋势研究分析报告 2010 年以来，由于大数据产业的发展，数据量呈现爆炸性增长态势，而传统的计算架构又无法支撑深度学习的大规模并行计算需求，于是研究界对AI 芯片进行了新一轮的技术研发与应用研究。AI 芯片是人工智能时代的技术核心之一，决定了平台的基础架构和发展生态。 AI芯片基本知识及现状从广义上讲只要能够运行人工智能算法的芯片都叫作AI 芯片。但是通常意义上的AI 芯片指的是针对人工智能算法做了特殊加速设计的芯片，现阶段，这些人工智能算法一般以深度学习算法为主，也可以包括其它机器学习算法。人工智能与深度学习的关系如图所示。人工智能与深度学习深度学习算法，通常是基于接收到的连续数值，通过学习处理，并输出连续数值的过程，实质上并不能完全模仿生物大脑的运作机制。基于这一现实，研究界还提出了SNN（Spiking Neural Network，脉冲神经网络）模型。作为第三代神经网络模型，SNN 更贴近生物神经网络——除了神经元和突触模型更贴近生物神经元与突触之外，SNN 还将时域信息引入了计算模型。目前基于SNN 的AI 芯片主要以IBM 的TrueNorth、Intel 的Loihi 以及国内的清华大学天机芯为代表。 1、AI 芯片发展历程从图灵的论文《计算机器与智能》和图灵测试，到最初级的神经元模拟单元——感知机，再到现在多达上百层的深度神经网络，人类对人工智能的探索从来就没有停止过。上世纪八十年代，多层神经网络和反向传播算法的出现给人工智能行业点燃了新的火花。反向传播的主要创新在于能将信息输出和目标输出之间的误差通过多层网络往前一级迭代反馈，将最终的输出收敛到某一个目标范围之内。1989 年贝尔实验室成功利用反向传播算法，在多层神经网络开发了一个手写邮编识别器。

人工智能芯片项目申报材料

人工智能芯片项目申报材料规划设计/投资方案/产业运营

报告说明— 该人工智能芯片项目计划总投资21266.68万元，其中：固定资产投资16354.87万元，占项目总投资的76.90%；流动资金4911.81万元，占项目总投资的23.10%。达产年营业收入36306.00万元，总成本费用28621.56万元，税金及附加352.90万元，利润总额7684.44万元，利税总额9097.26万元，税后净利润5763.33万元，达产年纳税总额3333.93万元；达产年投资利润率36.13%，投资利税率42.78%，投资回报率27.10%，全部投资回收期5.19年，提供就业职位532个。 2018年全球正处于“后摩尔定律时代”，万物互联和万物智能得以实现，伴随着大数据的发展、计算能力的提升，全球人工智能近年迎来了新一轮的爆发。2018年几乎每个月，全球主流科技公司推出的定制人工智能芯片项目数量都会较上个月有所增加。与全球主流科技公司相比，我国人工智能芯片厂商也相继发布新版、升级版AI芯片，并且新版本芯片都取得了突破性发展。从全球人工智能芯片竞争格局来看，云端训练芯片方面英伟达一家独大，推断芯片百花齐放。其中全球安防人工智能芯片市场竞争格局稳定，现有厂商凭借与下游客户长期的合作，有望继续受益于安防智能化的升级，属于新进入者的市场空间有限。

第一章总论一、项目概况（一）项目名称及背景人工智能芯片项目（二）项目选址某产业基地对各种设施用地进行统筹安排，提高土地综合利用效率，同时，采用先进的工艺技术和设备，达到“节约能源、节约土地资源”的目的。项目建设区域以城市总体规划为依据，布局相对独立，便于集中开展科研、生产经营和管理活动，并且统筹考虑用地与城市发展的关系，与项目建设地的建成区有较方便的联系。undefined （三）项目用地规模项目总用地面积56428.20平方米（折合约84.60亩）。（四）项目用地控制指标该工程规划建筑系数79.69%，建筑容积率1.52，建设区域绿化覆盖率5.64%，固定资产投资强度193.32万元/亩。（五）土建工程指标

教育培训类上市企业分析新

一、中国教育培训市场概况（一）市场规模及前景民办教育培训，是民办教育的重要领域，也是我国打造国民终身教育体系的重要环节。据国际数据中国公司（IDC China）的最新数据：2008年，中国的私人教育支出总额高达5608亿元人民币。其中，课外辅导支出达823亿元。来自《中国教育培训行业报告》的数据显示，2009年，教育培训市场在严峻的金融危机中突破6800亿元的产值，到2012年这一数字预计达到9600亿元。每年的复合增长率将达到12%。其中民办教育的年均复合增长率将达到16%，大于公办教育年均9%的增长率，而其在整个市场所占的比例也将从2009年的40%增加到44%。尽管未来5年学生总数呈下降趋势，但就支出而言，教育市场将出现快速增长。目前各类在册的培训机构约在10万家左右。有中国家庭把开支的1/3用在了教育上，中国人口数字庞大，形成强势消费能力，这是海外投资公司目前看好国内教育培训行业的关键所在。这样一个盈利前景丰厚的行业，已成为风险资本家关注的重要市场，所以短短几年间就有11家教育机构登陆美国证券交易市场，其中仅2010年就有四家企业先后上市。（二）市场分类北京师范大学教育经济研究所所长杜育红认为目前在我国，教育类公司的主要业务分为三类：一类是家庭教育，弥补学校教育的不足；二是各类实用技能的培训；三是为公立教育系统提供服务。从中国经济发展阶段与人口的状况看，这几个方面应该都有非常大的市场潜力。而包括新东方、学大、学而思在内的这些公司，属于家庭教育服务类，他们的上市说明我国家庭教育存在着较大的市场潜力。二、上市条件分析（一）某个细分领域的领导者从已上市的教育培训机构来看，都是该细分领域内的领导者。如何做到领域的领导者则牵涉到企业的内部管理、各部门架构、员工培训、师资力量的保证等各个方面。这类企业的发展关键看管理能力能不能与发展速度相匹配。无论教育培训行业的哪一个细分领域，从不同的角度来说都有足够大的市场。比如，语言培训这个领域中，上市机构有专注于新托福和GRE的新东方和专攻雅思培训的环球雅思；中小学辅导领域中，产生了专攻一对一教育的学大和班级化教学的学而

人工智能行业发展前景展望及市场规模预测

一、人工智能的内涵及分类（一）人工智能的内涵人工智能（Artificial Intelligence，简称AI）是研究人类智能活动的规律，构造具有一定智能的人工系统，研究如何让计算机去完成以往需要人的智力才能胜任的工作，也就是研究如何应用计算机的软硬件来模拟人类某些智能行为的基本理论、方法和技术。人工智能是计算机学科的一个分支，既被称为20世纪世界三大尖端科技之一（空间技术、能源技术、人工智能），也被认为是21世纪三大尖端技术之一（基因工程、纳米科学、人工智能）。人工智能被发达国家视为人类的最后科学尖端，科研领域皇冠上的明珠。（二）人工智能的分类人工智能的概念很宽泛，按照人工智能的实力可分为三大类： 1、弱人工智能：在特定领域等同或者超过人类智能或效率的机器智能。 2、强人工智能：各方面都能和人类比肩的人工智能。 3、超人工智能：在包括科学创新、通识和社交技能等各个领域都超越人类的人工智能。人工智能的革命就是从弱人工智能，通过强人工智能，最终达到超人工智能的过程。目前人类已经掌握弱人工智能，生活中弱人工智能无处不在，比如Siri、垃圾邮件过滤器、谷歌翻译、电商网站上的商品推送、谷歌无人驾驶汽车等等。人脑与电脑的最大差别在于，一些我们认为困难的事情，如微积分、金融市场策略、翻译等，对于电脑来说都十分容易；但一些人类认为容易的事情，如视觉、动态、移动、直觉，对于电脑来说却是十分困难。而要达到人类级别的智能，电脑必须要理解更高深的东西，比如微小的脸部表情变化，以为为什么喜欢这个而不喜欢那个，要达到这样的水平首先在硬件方便要增加电脑处理速度，其次在软件方面要让电脑变得智能。美国发明家、未来学家Kurzweil估算出人脑的运算能力是10^16 cps（calculations per second，每秒计算次数，描述运算能力的单位），即1亿亿次计算每秒。现在世界上最快的超级计算机，中国的天河二号，运行能力已达到3.4亿亿次，已经超过人脑，但由于其成本高、规模大、功耗高，使其并不能够被商业及广泛运用。Kurzweil认为考虑电脑发展程度的标杆是看1000美元能买到多少cps，当1000美元能买到人脑级别的1亿亿运算能力的时候，强人工智能就成为生活的一部分。而目前1000美元能买到10万亿cps（人脑的千分之一），根据加速回报定律，科技的进步将呈指数型增长，按照这个速度，到2025年1000美元就可以买到和人脑运算速度抗衡的电脑了。二、人工智能的产业链分析从发展路径及阶段上看，实现人工智能需经历三个阶段：计算智能（能存会算）、感知智能（能听会说、能看会认）和认知智能（能理解会思考）。

教育培训类上市企业分析新完整版

教育培训类上市企业分析新 HEN system office room 【HEN16H-HENS2AHENS8Q8-HENH1688】

人工智能芯片项目可行性报告 (3)

人工智能芯片项目可行性报告 xxx有限公司

摘要近年来，各类势力均在发力AI芯片，参与者包括传统芯片设计、 IT厂商、技术公司、互联网以及初创企业等，产品覆盖了CPU、GPU、FPGA、ASIC等。在市场调研机构CompassIntelligence2018年发布的AIChipsetIndexTOP24榜单中，前十依然是欧美韩日企业，国内芯片企业如华为海思、联发科、Imagination(2017年被中国资本收购)、寒武纪、地平线机器人等企业进入该榜单，其中华为海思排12位，寒武纪排23位，地平线机器人排24位。按厂商来看，Intel作为全球第二大半导体企业，在数据处理类芯片市场中拥有三成左右的份额。而与数据处理相关的DRAM/NAND存储芯片厂商合计市场份额达37%，三星、SK海力士、镁光均进入竞争。Nvidia/AMD/Xilinx虽绝对收入占比仍然较低，但将受益于“CPU+xPU”异构计算方式的普及，享受市场需求高速增长带来的红利。城市AI技术的创新在一定程度上也代表着这个城市的AI芯片的发展水平以及发展潜力。城市是承载AI技术创新融合应用的综合性载体，也是人类与AI技术产生全面感知的集中体验地。过去几年，全球各地的主要城市都在AI技术的发展中发挥了差异化作用，构建了各自

的生态体系，并在赋能产业应用、助力区域经济发展方面实现初步效果，掀起了人类对新一轮产业革命的思考、认知和行动。随着AI应用纷纷落地于城市层面，城市逐渐成为AI创新融合应用的主战场。虽然全球各地AI技术的关键成功要素各有差异，但总体而言都构建了有利于技术与城市融合的生态发展体系。通过对超过50 个AI技术细分应用行业、100多个AI技术相关的大学及研究机构、 200多家头部企业、500多个投资机构、7000家AI企业、10万名AI 领域核心人才的持续跟踪观察，总结了以城市为主体的AI技术及产业生态体系的特点、框架及发展路径。计算芯片(如CPU、GPU、FPGA、ASIC)在数据处理类芯片中占比最高，其中GPU拥有27%左右的份额，CPU和ASIC市占率不相上下，分别为17%/15%。FPGA灵活度强但普及度低，在开发早期和小规模应用时优势比较明显。该人工智能芯片项目计划总投资20648.88万元，其中：固定资产投资14195.56万元，占项目总投资的68.75%；流动资金6453.32万元，占项目总投资的31.25%。达产年营业收入46583.00万元，总成本费用35848.43万元，税金及附加383.86万元，利润总额10734.57万元，利税总额12599.06

国内企业培训行业分析

国内企业培训各阶层分析一、五大企业群体企业培训是随着国民经济持续平稳发展、企业经营从资源型关系型向效益型创新型转化过程而日益兴起的。特别是民营企业高速发展、管理日益成熟、经营者意识到能力滞后于市场机会，现有人员能力水平与企业发展战略对人员能力要求的矛盾日益突出，导致企业对培训的日益关注和重视。2010年企业培训产值达到1670亿的规模，并以高于25%的速度持续增长。庞大的市场机会、不甚清晰的培训需求、不甚成熟的采购标准和流程、加之行业准入门槛低，企业培训行业中群雄并起战火纷争，各种商业模式和业务模型并存，可谓“烽火连天、鱼龙混杂”。为更加理性和清晰地了解培训行业现状，不防分析一下开展培训的企业客户类型、不同需求层次，并试着总结不同的培训机构阵营，从而对企业客户加强培训组织和管理工作、帮助培训机构分析战略定位、制定业务策略提供些许借鉴。在国内企业培训市场，“客户群体”有很多种分法，比如从企业所有制性质、所属行业、所在地区、产值规模、意识及所处阶段等。在这里，暂从企业培训成熟度、采购模式和发展阶段简要分成五类。 1、外资一类以世界500强企业在华机构为代表。这类企业有着成熟的流程和体系，在人员入职、岗前培训、在职培训、员工进阶发展方面都有成熟的套路。这类企业80%培训由世界级专业培训机构全球统签，由在华或亚太区的外企培训机构或授权机构交付。偶有零星或少量面向社会采购课程作为补充。另一类是“非著名”外企，他们很重视培训和人才培养工作，认为培训是

投资，有着较清晰的人才培养和内训需求，需求层次较高，需要人才培养的咨询规划甚至外包服务而不仅是采购课程。 2、国资系即国资委监管的企业集团。又分为两类，一类是国家国资委监管的122户央企集团为代表，辐射各产业板块、省级地市级公司，除了央企控股金融行业上市公司外，这些央企集团分布于26个不同行业的270余家上市公司，一类是各省国资委监管企业，为各省支柱企业集团千余家。这类企业在培训上可谓“财大气粗”，企业培训开展历史比较久，花钱请大腕的年代几乎都请过。现在已从请“名师”到简单的“课程引入”，已经到了针对特定人群定制相应的培训方案，正渐成体系。 3、大型民营/合资集团这是国民经济中很“活跃”的一个群体，数量庞大。经过二三十年的创业和发展，有的已具备一定产业规模和影响力，知名企业和品牌繁多，逐步建立了现代企业制度，进行了大量流程和标准化探索。在企业培训上也是一个主要群体，是公开课和内训课程的主体。从趋势来看，标准的公开课和内训课程已无法满足其对人才培养的需求，其中相当数量企业的高层明确提出“培训课也搞过很多，我们要的不是一门课，而是一套解决问题的方法，要通过一系列任务和计划做一个项目”。很多企业已或有计划建立“企业大学”或“商学院”类组织，希望针对特定群体开发适合自己战略和业务的培训课程、探索符合自己实际需求的人才系统培养方法。 4、高速发展民营企业这类企业还没有发展到大型和超大型集团的规模，但市场机会、企业成长性和发展势头很好，一部分已实现上市进入资本市场，剩余大部分都有上市的计划。同时这类企业在经历第一次创业之后，面临二次创业或第二代创业，相对初创期，当前对人员能力建设和提升的需求更为迫切。这类企业一般没有系统的培训计划，偶尔选择一些老师进行内训，培训组织或培训体系还处在初期，但在意识到其重要性后正在逐步加强。

2020年中国人工智能产业发展分析报告

目录一、对2020年形势的基本判断 (4) （一）从产业链建设看，人工智能数据、算法、算力生态条件日益成熟。 4 （二）从政策推动来看，全国各级地方将根据自身实际情况申报和落地人工智能创新应用先导区。 (6) （三）从投融资情况看，我国人工智能产业投资市场将关注易落地的底层技术公司。 (7) 二、需要关注的几个问题 (9) （一）我国人工智能领域的基础创新投入严重不足。 (9) （二）我国人工智能产业的算力算法核心基础相对薄弱。 (10) 三、应采取的对策建议 (13) （一）以算力为核心加强人工智能基础能力建设。 (13) （二）体系化梳理我国人工智能产业供应链现状。 (13) （三）推动国内人工智能企业加快开拓国内外应用市场并提升出海抗风险能力。 (14) （四）在国际社会上提出发展“负责任的人工智能”。 (14)

【内容提要】 2019年以来，中国人工智能产业发展迅猛，在产业链建设、政策推动、投融资发展上取得新进展，但也面临各种内外部压力和挑战。展望2020年，全国各级地方将根据自身实际情况申报和落地人工智能创新应用先导区，国内人工智能产业投融资将更关注落地前景好的底层技术公司，但产业整体面临的外部形势将更为严峻。需关注的问题有我国人工智能领域的基础创新投入严重不足，国内人工智能产业的算力算法基础相对薄弱，以算法战、深度伪造为代表的人工智能技术滥用给我国经济社会带来潜在负面影响等。基于上述分析，赛迪智库电子信息研究所提出，以算力为核心加强人工智能基础能力建设、体系化梳理我国人工智能产业供应链现状、加快开拓国内外应用市场并提升出海抗风险能力、发展“负责任的人工智能”等措施建议。 2019年人工智能数据、算法、算力生态条件日益成熟，我国人工智能产业发展将迎来新一轮战略机遇，智能芯片、智能无人机、智能网联汽车、智能机器人等细分产业，以及医疗健康、金融、供应链、交通、制造、家居、轨道交通等重点应用领域发展势头良好。展望2020年，全国各级地方将根据自身实际情况申报和落地人工智能创新应用先导区，国内人工智能产业投融资将更关注易落地的底层技术公司，但同时产业发展的外部形势将更为严峻，美国对我国人工智能产业的压制可能从上游元器件转向下游行业应用。

2017年AI芯片行业深度研究报告

２０１７年ＡＩ芯片行业深度研究报告

投资要点： ?AI应用爆发，底层芯片架构亟待革新：科技巨头的大力投入及政策扶持正推动AI下游应用的迅猛增长，AI正在安防、无人驾驶、医疗等市场快速落地。而AI应用的发展离不开底层芯片架构的革新。传统芯片架构在处理神经网络算法时功耗较高，速度无法满足需求，因此催生了AI芯片的诞生，例如Google的TPU、寒武纪的NPU 等均是专门为AI应用度身定做的专有芯片，未来AI芯片将成为无论是移动端还是云端的标配，将成为下一阶段AI产业竞争的关键所在。 ?AI产业链中，最为看好上游AI芯片环节：目前时间点，AI产业链上游的芯片企业的成长性最为确定，盈利模式最为清晰，AI芯片市场是率先受益于AI产业高速发展的环节，无论下游哪个应用领域率先落地，AI芯片市场都将迎来数倍的高速增长。根据智研咨询统计，2016 年人工智能芯片市场规模达到6亿美元，预计到2021年将达到52 亿美元，年复合增长率达到53%。仅测算安防前端智能摄像头市场，目前国内安防芯片市场规模约30亿人民币左右，预计未来三年，搭载人工智能模块的安防芯片市场存在三倍以上的成长空间，可达百亿级。 ?看好低成本高性能的ASIC发展路线，国内厂商或将弯道超车：目前AI芯片技术主流路径为GPU、FPGA、ASIC等，场景方面分为云端、终端两大类，其中云端环境条件较为宽松，GPU暂时满足需求，未来AI ASIC芯片有望成为重要组成部分。终端受制于能耗，体积约束，同时应用场景相对明晰，对ASIC芯片需求强烈，我们看好ASIC路径发展前景。NVIDEA、INTEL、AMD等传统芯片巨头在GPU及FPGA领域具有不可撼动的优势，而国内中小芯片设计公司的优势在于细分场景下的ASIC芯片。随着AI芯片市场的快速发展，国内AI芯片设计公司在ASIC路线存在弯道超车的良好机遇。 ?行业评级及投资策略维持计算机行业“中性评级”，给予人工智能板块买入评级，AI应用普及，AI芯片市场需求迅速上升，我们看好国内公司在ASIC芯片方面存在弯道超车的机遇，未来三年迎来爆发式成长，建议积极关注行业投资机会，短期重点推荐智能安防芯片市场。 ?重点推荐个股1、富瀚微：安防芯片A股龙头，受益安防人工智能化发展；2、中科创达：芯片嵌入式解决方案A股龙头，麒麟970采用公司方案。建议关注：1、东软集团：无人驾驶芯片技术储备丰富，发展潜力较大；2、四维图新：无人驾驶芯片技术储备丰富，发展潜力较大；3、中科曙光：云端人工智能服务器潜力巨大；4、浪潮信息：与IBM建立合资企业研发人工智能服务器，前景远大。 ?风险提示：1）相关公司业绩不达预期的风险；2）行业政策变动风险；3）市场系统性风险。

2018-2019年度中国人工智能市场研究报告

一、2018年中国人工智能产业整体概述 (4) (一) 产业发展概述 (4) 1、产业概述 (4) 2、产业规模与增长 (5) 3、基本特点 (5) (二) 产业结构分析 (7) 1、产业结构 (7) 2、产品结构 (8) 二、2019-2021年中国人工智能产业发展预测 (8) (一) 市场发展趋势 (8) 1、开源平台成为巨头生态之争主战场 (8) 2、人工智能产业将与智慧城市建设协同发展 (8) 3、高校跨界创新成为新趋势 (9) 4、人工智能加速阶段，人工智能芯片成为新机遇 (9) (二) 2019-2021年中国人工智能产业规模预测 (9) (三) 2019-2021年细分结构预测 (10) 1、产业结构 (10) 2、产品结构 (10) 三、中国人工智能产业重点企业分析 (11) (一) 阿里AI (11) (二) 商汤科技 (13) (三) 明略数据 (14) (四) 思特奇 (16) 四、建议 (17) (一) 以政府示范带动重点行业应用落地 (17) (二) 构建人工智能开放创新平台 (17) (三) 针于不同发展阶段进行差异化布局 (17) (四) 针对重点应用领域构建技术创新壁垒 (18) 表目录表1 2016-2018年中国人工智能产业规模及增长 (5) 表4 2016-2018年中国人工智能产业结构细分 (7) 表5 2018- 2021年中国人工智能产业规模与增长预测 (9) 表6 2019- 2021年中国人工智能产业结构预测 (10) 表7 2019-2021年中国人工智能产业产品结构预测 (10) 表8 阿里巴巴人工智能产品分析 (12) 表9 商汤科技人工智能技术分析 (14) 表10 思特奇人工智能AIPaaS 产品 (17)

企业培训资料场现状分析报告

企业培训市场现状分析 1.行业发展现状及前景 1.1.中国企业培训市场前景与行业现状 1999年7月自北京大学经济学院企业家特训班开班以来，经过10年的努力，中国企业需要培训的意识已经在企业家心里扎根。到目前为止，中国企业培训业蕴含价值500亿人民币的市场规模，并且以每年30%的速度增长，可以说市场前景非常广阔。中国企业培训需求不断增长，但中国培训机构不成熟，现在全国大约有7万家培训机构，力量分散，市场混乱，主要体现在以下几个方面： 1、价格战，老师价格越来越高，门票价格却越来越低，招生困难，培训机构的利润越来越微薄； 2、不具备规模化经营，没有树立自身品牌； 3、核心缺陷：没有稳定的赢利模式。整个企业培训行业越来越难做，培训市场一片混乱，但是虽然现状是这样，但企业培训市场的前景，依然被看好，因为全国有多达3000万家企业，而每个企业在生存、发展、壮大过程中都会面临各种各样对内、对外的问题（企业战略、人力资源、节约成本、销售管理等等），所以存在着巨大的企业培训需求。据2005年权威机构统计数据：2005年有培训计划的企业占86%，实际实施的企业占40%，这一数据能充分证明我们培训行业的前景。正是由于这样巨大的潜在市场前景，风险投资机构时刻都在关注着企业培训市场，但是由于整个企业培训业没有一个稳定的盈利模式，导致风险投资在这个行业得投入比例

只占在中国投资总额的0.6%。故此，只要谁有了稳定的盈利经营模式，具备了核心的团队和巨大市场，那么，势必将会吸引风投的注入！ 2中国企业培训机构的六大危机需求远远大于供给的企业培训市场，为什么没有造就出象分众传媒那样在资本市场上耀眼的明星企业？一个核心的缺陷，就是市场过于分散，没有一个稳定的赢利模式！中国企业培训市场正在面临以下几大危机：师资整合危机没有师资整合能力，知名老师请不起，没名气老师推不动产品研发危机绝大多数机构已经习惯了根据课程找老师找老师，自己根本就不具备课程的研发能力宣传推广危机手段单一，除了电话营销，搞人海战术，基本上没有能力也没有实力进行广告宣传，更不用说电视广告了。品牌影响危机很多机构是依靠老师的影响力来招生，根本没有自己的品牌售后服务危机培训业属于服务行业，但是培训机构根本没有售后服务意识，大多数是一锤子买卖。造成客户流失严重。风险抵抗危机各地机构之间不团结，各自为战，相互竞争，内耗严重，造成抵抗风险能力相当差。这是我们各培训机构普遍面临的问题，以上每种危机都是制约我们培训机

人工智能芯片项目可行性报告 (1)

人工智能芯片项目可行性报告 xxx科技发展公司

摘要人工智能产业规模高速增长，全球市场调研机构IHSMarkit发布数据显示，到2025年AI应用市场规模将从2019年的428亿美元激增到1289亿美元。回顾2019年，AI机器人群聊、管控道路桥梁积水、写作、智能客服……人工智能做了许多原本人类才会做的事情。数不尽的纷繁应用背后离不开AI芯片的基础支撑。日前，AI芯片新老牌厂商“混战”国际消费类电子产品展览会，全面覆盖当前人工智能六大核心落地场景，包括云端训练、云端推理、智能手机、AIoT视觉推理、AIoT语音推理、自动驾驶等，国内AI芯片进入落地阶段。根据中国人工智能产业发展联盟(以下简称联盟)提供的数据， 2019年以来国内外芯片厂商共发布AI芯片近30款。 AI芯片怎样支撑多姿多彩的人工智能应用落地?评测标准进展如何?今年的亮点、看点又在哪?科技日报记者采访了相关专家。回顾2019年，AI机器人群聊、管控道路桥梁积水、写作、智能客服……人工智能做了许多原本人类才会做的事情。数不尽的纷繁应用背后离不开AI芯片的基础支撑，它是如何驱动AI“作业”的呢?

目前消费类智能产品大量应用人工智能、大数据等技术，芯片作为硬件载体，承担了“让智能产品发挥作用”的功能。鲲云科技创始人兼CEO牛昕宇介绍，人工智能行业有三个核心驱动力：算法、算力和数据。人工智能芯片作为人工智能应用的底层硬件，为其提供算力支撑。“通过技术创新，不断提升人工智能计算的性能、降低其成本和功耗，从而支持越来越复杂的人工智能应用。” 如果把运行各种人工智能技术集合比作一个人的话，人工智能芯片就是它的大脑实体，而各种聊天、视频制作、自动驾驶应用就是它根据自己所能接触到的数据，学习到的经验知识进行的操作。一方面，随着数据经验的积累，它们运行的人工智能应用会越来越精确，另一方面，它的学习受限于大脑的容量(芯片计算能力)、培养成本(芯片成本)以及大脑运算消耗的热量(芯片功耗)。 AI芯片的发展，离不开人工智能技术的发展。人工智能从1956年诞生至今，共经历过三次大的浪潮。进入21世纪，随着计算机性能的提升和海量数据的产生，机器学习和CNN网络(卷积神经网络)获得突破，算法、算力和数据满足了人工智能的商业化落地需求，人工智能迎来了高速发展的阶段。