中國AI教學(xué)行業(yè)發(fā)展分析與投資研究分析

• 2022年7月16日 HaoChenChong來源：互聯(lián)網(wǎng) 325 14
• 繁體

人工智能在教育各個場景的應(yīng)用，簡單點可以描述為：有一個感知或采集設(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)前的實際應(yīng)用中，沒有絕對的全域數(shù)

中國AI教學(xué)行業(yè)發(fā)展分析與投資研究分析

人工智能在教育各個場景的應(yīng)用，簡單點可以描述為：有一個感知或采集設(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、評價等。

各個學(xué)者各家企業(yè)，對技術(shù)在教育場景的應(yīng)用分類細度上有所差別，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，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)生具體情況和個體需求提供個性化解決方案;AI作為主講老師改變了整個教學(xué)流程，釋放了教師人力，并基于教學(xué)大數(shù)據(jù)進行決策，實現(xiàn)精準教學(xué)的同時使學(xué)習(xí)速度和靈活性得到了進一步的提升;人工智能實現(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。

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(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，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，以及用矩陣運算替代布爾運算適合處理深度學(xué)習(xí)所需要的非線性離散數(shù)據(jù)。作為加速器的使用，可以實現(xiàn)深度學(xué)習(xí)算法。

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

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)計思路適合用FPGA實現(xiàn)。FPGA計算芯片布滿“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)部連線三個部分，相互之間既可實現(xiàn)組合邏輯功能又可實現(xiàn)時序邏輯功能的獨立基本邏輯單元。

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消耗的能耗遠低于CPU與GPU。

3、ASIC

ASIC(專用定制芯片)是為實現(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，但不可編程，可擴展性不及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。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。

想要了解更多AI教學(xué)行業(yè)詳細分析，請點擊中研普華出版的《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告》

• 相關(guān)深度報告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告

  人工智能在教育各個場景的應(yīng)用，簡單點可以描述為：有一個感知或采集設(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