2021年中國AI教學(xué)行業(yè)產(chǎn)業(yè)鏈分析 AI教學(xué)行業(yè)發(fā)展與投資咨詢

• 2021年7月20日 ZhouXun來源：中研網(wǎng)整理 1027 65
• 繁體

人工智能(AI)在教育各個(gè)場景的應(yīng)用，簡單點(diǎn)可以描述為：有一個(gè)感知或采集設(shè)備，獲取相關(guān)的數(shù)據(jù)信息，匯總到一個(gè)大池子里(數(shù)據(jù)中心)，將數(shù)據(jù)處理、分析整合成信息之后，通過共享，最后可能是人也可能是人工智能根據(jù)信息作出決策。

人工智能(AI)在教育各個(gè)場景的應(yīng)用，簡單點(diǎn)可以描述為：有一個(gè)感知或采集設(shè)備，獲取相關(guān)的數(shù)據(jù)信息，匯總到一個(gè)大池子里(數(shù)據(jù)中心)，將數(shù)據(jù)處理、分析整合成信息之后，通過共享，最后可能是人也可能是人工智能根據(jù)信息作出決策。當(dāng)然，當(dāng)前的實(shí)際應(yīng)用中，沒有絕對的全域數(shù)據(jù)收集。從教育場景來看，主流場景有：教學(xué)、管理、評價(jià)等。

各個(gè)學(xué)者各家企業(yè)，對技術(shù)在教育場景的應(yīng)用分類細(xì)度上有所差別，目前教育信息化行業(yè)，人工智能的應(yīng)用比較成熟的產(chǎn)品主要是智能批改、智能題庫、自適應(yīng)學(xué)習(xí)和分級閱讀，當(dāng)前它更多還是承擔(dān)教學(xué)輔助的角色，未來可能將覆蓋更多的教學(xué)核心環(huán)節(jié)。

這五類玩家各有所長，對AI+教育的滲透程度不一，發(fā)展階段各異，其中在線教育機(jī)構(gòu)與AI技術(shù)供應(yīng)商因業(yè)務(wù)與數(shù)據(jù)資源積累和技術(shù)開發(fā)優(yōu)勢，滲透程度較高。隨著各類行業(yè)玩家對AI+教育領(lǐng)域的不斷探索，未來行業(yè)分工將進(jìn)一步明確，在競爭中走向融合創(chuàng)新。人工智能技術(shù)既改變了傳統(tǒng)教育的育人目標(biāo)，即從"育分"轉(zhuǎn)而為"育人"，因材施教成為可能。智適應(yīng)學(xué)習(xí)針對學(xué)生具體情況和個(gè)體需求提供個(gè)性化解決方案;AI作為主講老師改變了整個(gè)教學(xué)流程，釋放了教師人力，并基于教學(xué)大數(shù)據(jù)進(jìn)行決策，實(shí)現(xiàn)精準(zhǔn)教學(xué)的同時(shí)使學(xué)習(xí)速度和靈活性得到了進(jìn)一步的提升;人工智能實(shí)現(xiàn)校園內(nèi)部信息流通以及跨區(qū)域的資源互通，打通了信息以及資源流通壁壘。

中國AI教學(xué)行業(yè)產(chǎn)業(yè)鏈分析

第一節(jié) AI教學(xué)行業(yè)產(chǎn)業(yè)鏈分析

一、產(chǎn)業(yè)鏈結(jié)構(gòu)分析

圖表：產(chǎn)業(yè)鏈結(jié)構(gòu)分析

數(shù)據(jù)來源：中研普華研究院

二、與上下游行業(yè)之間的關(guān)聯(lián)性

行業(yè)與上下游的之間關(guān)聯(lián)性是較為緊密的，上游是下游的發(fā)展基礎(chǔ)，而下游的發(fā)展反作用于上游產(chǎn)業(yè)的不斷跟進(jìn)。

第二節(jié) AI教學(xué)上游行業(yè)分析

隨著大數(shù)據(jù)的發(fā)展，計(jì)算能力的提升，人工智能近兩年迎來了新一輪的爆發(fā)。而人工智能的實(shí)現(xiàn)依賴三個(gè)要素：算法是核心，硬件和數(shù)據(jù)是基礎(chǔ)，芯片就是硬件的最重要組成部分。它其實(shí)包括兩個(gè)計(jì)算過程：1、訓(xùn)練(Train);2、應(yīng)用(Inference)。

為什么需要人工智能芯片?神經(jīng)網(wǎng)絡(luò)算法應(yīng)用的不斷發(fā)展，使得傳統(tǒng)的 CPU 已經(jīng)無法負(fù)擔(dān)幾何級增長的計(jì)算量。深度學(xué)習(xí)作為機(jī)器學(xué)習(xí)的分支，是當(dāng)前人工智能研究的主流方式。簡單說就是用數(shù)學(xué)方法模擬人腦神經(jīng)網(wǎng)絡(luò)，用大量數(shù)據(jù)訓(xùn)練機(jī)器來模擬人腦學(xué)習(xí)過程，其本質(zhì)是把傳統(tǒng)算法問題轉(zhuǎn)化為數(shù)據(jù)和計(jì)算問題。所以對底層基礎(chǔ)芯片的要求也發(fā)生了根本性改變：人工智能芯片的設(shè)計(jì)目的不是為了執(zhí)行指令，而是為了大量數(shù)據(jù)訓(xùn)練和應(yīng)用的計(jì)算。

目前適合深度學(xué)習(xí)的人工智能芯片主要有GPU、FPGA、ASIC三種技術(shù)路線。三類芯片代表分別有英偉達(dá)(NVIDIA)的Tesla系列GPU、賽靈思(Xilinx)的FPGA和Google的TPU。GPU 最先被引入深度學(xué)習(xí)，技術(shù)最為成熟;FPGA具有硬件可編程特點(diǎn)，性能出眾但壁壘高。ASCI 由于可定制、低成本是未來終端應(yīng)用的趨勢。

1、DPU

GPU使用SIMD(單指令多數(shù)據(jù)流)來讓多個(gè)執(zhí)行單元以同樣的步伐來處理不同的數(shù)據(jù)，原本用于處理圖像數(shù)據(jù)，但其離散化和分布式的特征，以及用矩陣運(yùn)算替代布爾運(yùn)算適合處理深度學(xué)習(xí)所需要的非線性離散數(shù)據(jù)。作為加速器的使用，可以實(shí)現(xiàn)深度學(xué)習(xí)算法。

GPU由并行計(jì)算單元和控制單元以及存儲單元構(gòu)成GPU擁有大量的核(多達(dá)幾千個(gè)核)和大量的高速內(nèi)存，擅長做類似圖像處理的并行計(jì)算，以矩陣的分布式形式來實(shí)現(xiàn)計(jì)算。同CPU不同的是，GPU的計(jì)算單元明顯增多，特別適合大規(guī)模并行計(jì)算。

2、FPGA

FPGA是用于解決專用集成電路的一種方案。專用集成電路是為特定用戶或特定電子系統(tǒng)制作的集成電路。人工智能算法所需要的復(fù)雜并行電路的設(shè)計(jì)思路適合用FPGA實(shí)現(xiàn)。FPGA計(jì)算芯片布滿“邏輯單元陣列”，內(nèi)部包括可配置邏輯模塊，輸入輸出模塊和內(nèi)部連線三個(gè)部分，相互之間既可實(shí)現(xiàn)組合邏輯功能又可實(shí)現(xiàn)時(shí)序邏輯功能的獨(dú)立基本邏輯單元。

FPGA相對于CPU與GPU有明顯的能耗優(yōu)勢，主要有兩個(gè)原因。首先，在FPGA中沒有取指令與指令譯碼操作，在Intel的CPU里面，由于使用的是CISC架構(gòu)，僅僅譯碼就占整個(gè)芯片能耗的50%;在GPU里面，取指令與譯碼也消耗了10%～20%的能耗。其次，F(xiàn)PGA的主頻比CPU與GPU低很多，通常CPU與GPU都在1GHz到3GHz之間，而FPGA的主頻一般在500MHz以下。如此大的頻率差使得FPGA消耗的能耗遠(yuǎn)低于CPU與GPU。

3、ASIC

ASIC(專用定制芯片)是為實(shí)現(xiàn)特定要求而定制的芯片，具有功耗低、可靠性高、性能高、體積小等優(yōu)點(diǎn)，但不可編程，可擴(kuò)展性不及FPGA，尤其適合高性能/低功耗的移動端。

目前，VPU和TPU都是基于ASIC架構(gòu)的設(shè)計(jì)。針對圖像和語音這兩方面的人工智能定制芯片，目前主要有專用于圖像處理的VPU，以及針對語音識別的FAGA和TPU芯片。

更多AI教學(xué)行業(yè)研究分析，可以點(diǎn)擊購買中研普華產(chǎn)業(yè)研究院的《2021-2026年中國AI教學(xué)行業(yè)發(fā)展分析與投資研究咨詢報(bào)告》。

• 相關(guān)深度報(bào)告REPORTS

  

  2021-2026年中國AI教學(xué)行業(yè)發(fā)展分析與投資研究咨詢報(bào)告

  人工智能在教育各個(gè)場景的應(yīng)用，簡單點(diǎn)可以描述為：有一個(gè)感知或采集設(shè)備，獲取相關(guān)的數(shù)據(jù)信息，匯總到一個(gè)大池子里（數(shù)據(jù)中心），將數(shù)據(jù)處理、分析整合成信息之后，通過共享，最后可能是人也可...

  查看詳情

延伸閱讀

推薦閱讀

猜您喜歡