来源：智东西

概要：数万手机AR应用上市，AI芯片打入旗舰手机，数据中心ML芯片多样化，移动数字经济继续开挂。

2017年，很多传统TMT巨头面临增长缓趋，于是考虑重资产化追求规模效应，开拓、转型成了战略选择。

因此，2018年将会是互联网马太效应进一步强化的一年，与此同时，机器学习/人工智能、虚拟现实等新兴科技将出现在一些简单的应用场景，通信技术进一步发展，数字内容产业继续繁荣。

数万手机AR应用上市

AR将成为手机应用、操作系统以及智能手机更新换代的主要驱动因素之一。

德勤预计，明年售出的所有较高端的智能手机会搭载AR影像功能，而且不需要消费者支出额外的费用。在中国，由于软硬件的提高加上政策的支持，为AR移动端爆发营造了良好的生态环境，预计将迎来AR+时代。AR头盔也会取得进步与发展，高级的AR设备数量不断增加，但是考虑到可得性，智能手机在2018年仍然是最流行的AR设备。

预期2018年全球将有超过十亿智能手机用户生产至少一次AR内容；至少三亿用户将会是 AR 内容生产的常客，他们每月生产至少一次 AR 内容。同时，2018 年将会有上万个搭载AR相关的应用上市，到 2018 年底将有超过十亿位智能手机用户下载过，观看过，或更新过，具有 AR 内容生成的手机应用。

保守估计2018年全球 AR 内容手机应用收入将略低于一亿美元。2018年起AR发展进入追求质量的阶段。未来几年对AR技术来说也是至关重要的，因为 AR 的核心技术(摄像头，传感器，芯片)效能会继续提高，AR可以应用的领域将会加快扩大。

▲AR发展演进（援引东兴证券）

综上，AR将在2018年进入增量初期，设备数量不断增加，数万相关手机应用上市。对于开发者而言，应考虑的是何时加入AR才能优化用户体验（如，实景街道显示），何时没有加入AR的必要（如，导航过程）；对于企业，不应将 AR 作为答案，而应尝试将 AR 与市场营销、产品销售、技术指导以及售后服务等领域结合。

到2020年AR创造的直接盈利将超过十亿美元，未来AR将突破基础应用层面，深入影像、游戏、社交、家居、教育等各个领域。尽管未来会出现很多搭载AR功能的应用，但只有那些能持续生产有深度的、优质的AR内容的App才能在AR浪潮中笑到最后。

智能手机开启微创新

从产品的形态来看，2018年智能手机将进入“微创新”时代。区别于以往针对外形的改造，未来智能手机的创新将是无形的，体现在处理器、传感器、软件、人工智能和内存的改进。

1、AI芯片进一步渗透

▲与机器学习相关手机应用的消费者调查

以人工智能为例，2017年，高端智能手机已经开始采用人工智能芯片，到2023年，人工智能芯片将成为智能手机的标配，随着任一价格段的智能手机都搭载人工智能芯片，基于机器学习的应用程序也将稳定上升。

2、红外生物认证或成主流

传感器方面，前置红外线摄像头有望成为主流，智能手机或将在 2018 年搭载并最终取代指纹识别成为主要的生物识别认证装置。而保留指纹识别的智能手机将升级指纹识别感应装置，很可能利用超声波技术确保指纹在潮湿或油腻状态下也能识别成功。

3、摄像头成应用开发热点

▲使用智能手机拍照和摄像功能的频率调查

与此同时，借助更好的、高度集成的软件和硬件，智能手机的摄像头成像质量也将越来越好，越来越多的应用于工作环境中（如获取以名片、宣传册等形式呈现的信息，复制图像，编辑图像内容，使用红外摄像头检测热能以分析引擎故障，检测家用电器等）。

4、手机应用场景继续扩大

▲智能手机在生活场景中的应用情况调查

▲使用智能手机初步处理工作的调查

此外，基于处理器、传感器、软件的改进，手机储存空间的升级，智能手机应用类型将进一步增加，强化功能聚合的特点，使其成为更多应用的首选设备。当前，智能手机已经吸收了包括音乐、游戏、信息推送、支付等在内覆盖生活场景的功能。到 2023 年，智能手机将在商业环境中获得更广泛的用途。

▲美国智能手机销售价格趋势示意

从市场的角度来看，德勤预测，未来五年智能手机市场的渗透率、使用频率、出货量都将继续增长。

到2023年底，发达国家智能手机普及率将超过90%，较2018年增加5%；智能手机的销量将在2023年达到18.5亿，比2018年增长19%。用户平均每天查看手机65次，比2018年增加20%，这种使用频率比任何其他数字设备都高，可能会刺激越来越多的以智能手机为中心的变革。

新生代“机器之芯”抬头

德勤预测，到2018年末，被用作机器学习（ML）加速器的数据中心芯片中，GPU和CPU仍占大头，约有25%会是FPGA或者ASIC，以追求灵活性、更低的能耗以及更高的效益。而这一市场，从2016年的数据来看，是基本完全被GPU垄断的。

首先，GPU可以说是深度学习爆发的直接原因之一，故其主流的ML芯片市场地位毋庸置疑，预计2018年将推出专门针对机器学习优化架构的GPU产品（如英伟达Volta系列）；

其次，FPGA亦有市场积累，已被微软、亚马逊（AWS）和百度等企业用于ML任务，且有研究人员表示在某些情况下，FPGA的速度和运算力可能比GPU还要强，预计2018年需求超过20万；

最后来看ASIC，制造商很多，包括英特尔、富士通、谷歌等，2017年总收益大约在150亿美元左右，预计2018年用于终端的ML芯片需求量在5亿左右。

此外，IBM的TrueNorth这类采用忆阻器和ReRAM等新器件来提高存储密度的高技术含量芯片，产能未知，功用不明，整体来说可能低于10万块，甚至低于1万块。

▲全球数据中心ML芯片销量示意

2016年面向机器学习芯片售出的GPU芯片数约为10万到20万，德勤预计，这一数据将在2018年涨至50万左右，届时，针对机器学习的FPGA销量约达20万，ASIC约10万。

鉴于芯片价格不同，德勤未对整体ML芯片市场规模进行进一步预测。有企业指出，到2020年用于数据中心训练和加速的GPU市场将达260亿美元；另有分析指出截至2022年，机器学习加速产品的市场规模将达45亿到91亿美元。

五大新技术促发ML部署

德勤预计 2018 年，人工智能将渗透智能手机的软硬件，无人驾驶领域技术企业依旧成为主导，AI+工业机器人对制造业的冲击也将日益凸显，财务机器人将取代高度重复性的人类工作，AI+金融成为热点；大中型企业机器学习应用与试点数量将翻倍，超过三分之二的大型企业的部署与试点数量均超过10个。

当下，机器学习面临专业人员短缺、需要海量数据训练模型、可能受到法规限制等障碍。新技术手段的进步将清除上述障碍，使机器学习的发展变得更加便捷、快速。以应用的广泛程度作为标准，德勤认为最值得关注的五项新技术手段如下：

1、数据科学自动化

数据科学从数据清洗到探索性资料分析、特征工程、特征选取、预测建模、模型选择等占据数据科学家 80%时间的流程都可以被完全或部分自动化。而现在，成熟企业或初创企业提供了众多用于数据科学自动化的工具与技术，能够将机器学习概念验证时间从几个月缩短到几天。

2、减少训练模型所需数据

训练一个机器学习模型需要多达数百万的数据，获取、标记训练数据也非常耗时且成本高昂。然而，一系列减少训练模型所需数据的技术已经出现：其中一种是通过算法模拟真实数据特点从而合成数据，另一种减少训练模型所需数据的技术是迁移学习。

3、缩短训练时间

大型企业与初创硬件制造商正在开发专用硬件（例如 GPU、FPGA 和 ASIC），通过加快运算速度和芯片内部数据传输以减少训练机器学习模型所需时间。这些专用处理器能够成倍地加速机器学习训练与执行又降低了相关成本。

4、能够解释结论

机器学习无法解释系统作出决策的依据（黑箱问题），对模型答案的信任问题以及合规问题造成机器学习不适用于许多场景。有幸的是，MIT的研究人员发布了一种训练神经网络的方法，它能够准确解释机器学习决策的基本原理。

5、本地部署

机器学习正越来越多地进入移动设备和智能传感器，并在智能家居、智慧城市、自动驾驶、可穿戴设备以及工业物联网领域扩张。随着智能手机成为部署机器学习的选项，以及潜在应用数量也在增加，企业部署机器学习应用和试点的数量也会增加。

综上，机器学习发展初期的过程中，企业应关注自动化数据科学、数据合成与迁移学习等新兴技术、计算资源配置（云供应商与自家数据中心）、可解释商业模型的技术、芯片性能进展等。

无线家庭网络成热潮

从通信产业来看，低成本高效的无线技术借着互联网的推广将成为一种趋势，基于移动手机的无线家庭网络未来规模或超乎想象。

▲2017年“仅基于移动手机的家庭网络”城镇差异调查

▲2017年“仅基于移动手机的家庭网络”收入差异调查

▲2017年“仅基于移动手机的家庭网络”年龄差异调查

▲2017年“仅基于移动手机的家庭网络”婚恋差异调查

调查显示，偏远地区家庭网络仅依赖手机的情况要多于城市地区，低收入人群也比高收入人群更偏向于依赖手机搭建家庭网络，青年群体比年长的人们更愿意采用基于手机的家庭网络，单身青年比已婚青年采用无线家庭网络的概率更高。

▲2017年“仅基于移动手机的家庭网络”调查

德勤预计，2018年将有20%的家庭采用基于移动手机的家庭网络（home internet），甚至是校园网络、办公室网络等。即，不用同轴电缆，不用光纤，不用DSL铜线，就用无线技术。而这一数字将在2022年涨至30%到40%。

数字内容订阅攀升期

▲全球数字媒体订阅量（亿）

德勤预计到 2018 年底，50%发达国家的成年人会订阅至少两种仅提供线上的媒体服务，而到2020 年将上升到 4 种。2018年，用户每月订阅电视频道、电影、音乐、新闻以及杂志每项的平均费用低于十美元。预计今年年底有 6.8 亿美元的订阅量，大约 3.5 亿订阅用户。

由于媒体行业的蓬勃发展，2018 年在线媒体订阅量以及人均和每户平均订阅数量上升超过 20%，并在未来一段时间内保持增长。但要注意到, 除了视频与音乐之外, 线上订阅用户的总数并不多，像新闻的订阅用户只有几千万。未来发达国家五分之一的成年人会为至少 5 个线上收费媒体付费，这一数据将于 2020 年底上升到10个。这批用户每月平均将花费 100 美元于购买线上媒体服务(或者每年花费超过 1,200 美元)。订阅多个线上媒体的行为是家庭订阅多个传统媒体行为的升级。

线上媒体订阅量增加的原因从供给方看，是因为越来越多公司提供线上媒体订阅服务，同时内容资料库走向碎片化；此外服务商提供订阅套餐的数量也在上升, 消费者需要订阅多个服务才能获得"完整版"。从需求方看，媒体内容差异性刺激消费者为线上内容付费的意愿。此外一些媒体频道的线上模式的质量比传统模式更有吸引力。

现场直播将直接创收5450亿刀

▲2018年直播行业收入（十亿美元）

德勤全球预计，2018 年全球现场直播行业将产生 5,450 亿美元的直接收入，传统渠道将贡献98.5%的收入，剩余收入来自网络直播和电竞直播。在网络和电子时代，直播变得更有吸引力，同时也能产生更大的回报，直播行业将保持蓬勃的态势。(在本文中，直播行业是指广义的直播，包括电视直播、电台直播、网络直播、线下大型活动等。)

空中上网即将启航

得益于卫星供应商、ATG 供应商以及接受设备方技术的进步，明年航班上网服务将迎来提速降费时代。

放眼全球，德勤预计 2018 年将新增1600-2000架提供航班上网服务的飞机，占所有商用飞机的三分之一，将会有越来越多的消费者可以享受到航班上网服务。2018年全球超过四分之一的乘客可以在空中享受到上网服务，空中上网市场规模约为十亿美元，其中大部分来自乘客为连接网络支付的费用。其实在像北美这样的成熟市场，航班上网已经存在多年，但随着覆盖航线的增加、网速的提升以及每趟航班数据能力的加强，越来越多乘客会使用航班上网，在飞行中上网不再只是头等舱的权利。

2018年将是移动网络继续推广的一年，包括无线家庭网络、空中网络等形式将进一步发展，从而推动数字内容产业的订阅量和直播价值的增加。更让我们感兴趣的是，人工智能/机器学习和增强现实这两个关键词将直接体现在目前互联网应用最为广泛，场景最为丰富且最易推广的智能手机上，带来直接经济效益的同时倒逼ML技术和芯片产业进步。

链接: https://pan.baidu.com/s/1mhNnCu8 密码: mhbw

未来智能实验室是人工智能学家与科学院相关机构联合成立的人工智能，互联网和脑科学交叉研究机构。由互联网进化论作者，计算机博士刘锋与中国科学院虚拟经济与数据科学研究中心石勇、刘颖教授创建。

未来智能实验室的主要工作包括：建立AI智能系统智商评测体系，开展世界人工智能智商评测；开展互联网（城市）云脑研究计划，构建互联网（城市）云脑技术和企业图谱，为提升企业，行业与城市的智能水平服务。

  如果您对实验室的研究感兴趣，欢迎支持和加入我们。扫描以下二维码或点击本文左下角“阅读原文”