『壹』 人工智慧的基礎層是什麼發展前景如何
人工智慧行業主要上市公司：目前國內人工智慧行業的上市公司主要有網路網路(BAIIDU)、騰訊(TCTZF)、阿里巴巴(BAIBAI)、科大訊飛(002230)等。
本文核心數據：人工智慧基礎層分類,人工智慧基礎層市場規模,人工智慧基礎層融資情況,人工智慧基礎層融資輪次分布情況,工智能基礎層細分賽道融資情況
1、人工智慧基礎層規模增長較快
人工智慧基礎層是支撐各類分工智能應用開發與運行的資源平台，主要包括演算法、算力和數據三大要素。人工智慧基礎層主要包括智能計算集群、智能模型敏捷開發工具、數據基礎服務與治理平台三個板塊。
智能計算集群提供支AI模型開發、訓練或推理的算力資源，包括系統級AI晶元和異構智能計算伺服器，以及下游的人工智慧計算中心等;
智能模型敏捷開發工具模塊主要實現AI應用模型的生產，包括開源演算法框架，提供語音、圖像等AI技術能力調用的AI開放平台和AI應用模型效率化生產平台;
數據基礎服務與治理平台模塊則實現應用所需的數據資源生產與治理，提供AI基礎數據服務及面向AI的數據治理平台。AI基礎層企業通過提供AI算力、開發工具或數據資源助力人工智慧應用在各行業領堿、各應用場景落地，支撐人工智慧產業健康穩定發展。
以上數據參考前瞻產業研究院《中國人工智慧行業市場前瞻與投資戰略規劃分析報告》。
我們知道了基礎設施是人工智慧產品得以存在的原始基礎，那麼有基礎設施有哪些呢？
感測器是一種物理裝置或生物器官，能夠探測或感受外界的信號、物理條件或化學組成，並將探知的信息船體給其他裝置或器官，比如人的皮膚能感覺到冷熱、濕潤、乾燥，感受器將這些信號傳輸給大腦，大腦再指令人做出加衣減衣喝水開窗通風等的行為。
感測器的作用是將一種信號模式轉換成另外一種信號模式。感測器如何分類呢？
按照不同的領域，感測器分為以下類型：壓力感測器、溫度感測器、PH感測器、流量感測器、液位感測器、超聲波感測器、浸水感測器、照度感測器等等，感測的種類繁多，主流感測器可以分為以下幾種：
（1）生物感測器
它是將各類型的生物響應轉化成電信號的分析設備。目前生物感測器主要應用於醫療保健領域、食品檢測領域、環江檢測領域等
（2）光敏感測器
它是將光信號轉化為電信號的感測器，可以理解為模擬人的視覺能力，圖像感測CCD、CMOS、人體感應燈、人體感應開關、光控開關、手機屏幕靈度調節等，都是光敏感測器的應用實例。
（3）聲音感測器
聲音感測器就可以理解為人的AI產品的耳朵。常見的走廊聲控燈就用到了聲音感測器。
（4）化學感測器
它對各種化學物質敏感，並將其濃度轉化為電信號，是AI產品的「鼻子」。目前化學感測器被廣泛應用於大氣污染監測、礦產資源的探測、氣象觀測、工業自動化、農業生鮮保存等領域。
總體來講，目前感測器主要應用於四類人工智慧產品，分別是：可穿戴應用、高級輔助駕駛系統、健康監測、工業控制。
隨著圖像識別、語音識別、搜索/推薦引擎等深度學習在應用中其價值得到了廣泛的認可，其過程的兩個關鍵環節——訓練和推斷需要強大的計算能力，因此，晶元已經成為AI領域建立競爭壁壘的關鍵。
AI晶元有哪些類別呢？按照用途可以分為以下三類：模擬訓練、雲端推斷、設備端推斷
（1）模擬訓練環節的晶元
這個過程由於要處理海量的數據和復雜的深度神經網路，因此需要GPU來提高深度模型的訓練效率，與CPU相比，GPU具備強大的並行計算能力與浮點能力，還能提供更快的處理速度、更少的伺服器投入和更低的功耗。除了PGU外，谷歌提供的TPU也能提供訓練環節的深度網路加速能力。
（2）雲端推斷的晶元
目前主流的AI應用需要通過雲端提供服務，將採集到的數據傳到雲端伺服器，再伺服器的、CPU、GPU、TOPU出路推斷任務，然後再將處理結果返回終端。所以，是將推斷環節放在雲端。
（3）終端設備的晶元。
也可稱為嵌入式設備的晶元，比如智能手機、智能安防攝像頭、機器人等設備就是採用這類晶元。
按定製化程度劃分，又可以分為通用晶元、半定製化晶元（FPGA晶元）、全定製化晶元（ASIC）。
3、基礎平台
（1）大數據技術
大數據技術是人工智慧的前提，而大數據的目標只有一個——從海量數據中挖掘價值。
（2）雲計算技術
根據美國國家標准與技術研究院的定義：雲計算是一種按使用量付費的模式，這種模式提供可用的、便捷的、按需的網路訪問，進入可配置的計算資源共享池（資源包括網路、伺服器、存儲、應用軟體、服務），這些資源能夠被快速提供，只需很少的管理工作，或與服務上進行很少的交互。
雲計算技術大大減少了企業的經濟消耗。