深度学习引领行业发展，算法模型可解释性问题有待改善

自2006年起，深度学习发展迅速，逐步成为机器学习领域的主流算法之一，为机器学习的升级发展注入动力。机器学习模型通常只输出结果，而难以阐释推理和运算过程，机器学习算法模型可解释性差不利于行业发展。在机器学习的算法类型中，深度学习的可解释问题最为突出，机器学习行业需通过逐步改善深度学习等算法模型的可解释性问题来实现升级发展。

机器学习行业定义及分类

机器学习指专门研究计算机怎样模拟或实现人类的学习行为以获取新的知识或技能的学科，使计算机重新组织已有的知识结构并不断改善自身的性能。机器学习以数据为基础，通过研究样本数据寻找规律，并根据所得规律对未来数据进行预测。机器学习是人工智能的核心，广泛应用于数据挖掘、计算机视觉、自然语言处理、生物特征识别等人工智能领域。

按学习模式的不同，机器学习可分为监督学习、无监督学习、强化学习。按算法网络深度的不同，机器学习可分为浅层学习和深度学习。

机器学习分类

来源: 头豹研究院编辑整理

机器学习行业产业链分析

机器学习产业链包括上游的人工智能芯片供应商、云计算平台服务商、大数据服务商，中游的机器学习技术服务商以及下游的机器学习应用服务商。

机器学习行业产业链

来源: 头豹研究院编辑整理

上游：

机器学习产业链上游为支持基础层，上游的人工智能芯片供应商主要负责提供GPU、ASIC、FPGA等人工智能专用芯片，大数据服务商提供的服务包括数据采集、数据处理、数据存储、数据交易等，云计算平台服务商提供的服务包括IaaS、PaaS、SaaS等。

中游：

中游的机器学习技术服务商是机器学习产业链的关键主体，其提供的服务包括机器学习基础开源框架以及机器学习技术开放平台。机器学习基础开源框架是构建机器学习模型的重要根基，谷歌、亚马逊、Facebook等互联网巨头在机器学习基础开源框架领域具有领先优势。机器学习技术开放平台为开发者提供基于机器学习的应用开发环境，可简化开发者对算法的接口调用、可视化、参数调优等自动化任务的管理。

下游：

下游的机器学习应用服务商为最终用户提供基于机器学习的垂直领域应用服务，机器学习广泛应用于金融、教育、医疗、工业、零售等垂直领域，应用领域还在不断扩展。

中国机器学习行业市场规模分析

2006年以来，深度学习的推广应用速度逐步加快，应用领域不断拓宽，其逐渐成为机器学习领域的主流算法。在深度学习的带动发展下，机器学习在人工智能应用市场中的应用占比从2014年的9.6%上升至2018年的12.2%。人工智能市场规模从2014年71.7亿元增长至2018年的339.0亿元，年复合增长率达47.5%，在人工智能商业化应用步伐逐步加快以及机器学习应用占比不断提高的发展背景下，机器学习发展进一步加快。

机器学习广泛应用于金融、教育、医疗、工业、零售、能源等多个垂直领域，2014至2018年，各垂直领域的机器学习应用项目平均市场价格处于500万元至580万元区间内，根据各垂直领域机器学习项目平均市场价格以及项目数量进行计算，中国机器学习行业市场规模从2014年的8.7亿元增长至2018年的52.5亿元，年复合增长率达56.7%。随着机器学习算法的不断改进，其在各垂直领域的应用将进一步加深，各垂直领域的机器学习应用项目数量将不断增多，中国机器学习行业市场规模将继续扩大。

中国机器学习行业市场规模，2014-2023年预测

来源: 头豹研究院编辑整理

中国机器学习行业驱动因素分析

Ø 深度学习发展迅速

作为机器学习领域的主流算法之一，深度学习凭借其适应性强、准确率高等特点获得市场高度关注，应用领域不断拓宽，其在图像识别、语音识别、人脸识别等领域的应用逐步加深，发展步伐显著加快，深度学习的迅速发展是推动机器学习行业升级发展的重要因素。

Ø 机器学习技术开放平台为行业发展提供有力支持

机器学习技术开放平台在机器学习产业链中起着承上启下的关键作用，为机器学习行业发展提供有力支持。机器学习技术开放平台在整合机器学习算法、机器学习基础开源框架、机器学习应用开发等要素和资源的基础上，利用可视化交互设计快速构建并部署机器学习模型，进一步简化机器学习模型的构建，显著加快机器学习模型应用的落地速度。

Ø 资本投入推动行业发展

机器学习作为人工智能领域的重要技术，是资本市场重点关注对象之一。在资本力量推动下，一批以机器学习为核心驱动的初创型公司进入到市场中，逐渐成为市场中的有力竞争者。资本投入可帮助初创型机器学习公司构建技术团队、获取训练数据、研发应用产品、拓展产品市场，逐步提高其市场竞争力。

中国机器学习行业驱动因素

来源: 头豹研究院编辑整理

中国机器学习行业发展趋势

Ø 发展胶囊网络

胶囊网络是在卷积神经网络基础上发展而来，其可克服卷积神经网络在物体大幅度旋转后识别能力不足、对物体之间的空间辨识度差等问题。胶囊网络所需训练数据量少，能灵活应对存在重叠对象的拥挤场景，在图像识别领域具有广阔应用发展前景，发展胶囊网络是机器学习行业的重要发展趋势。

Ø 发展生成对抗网络

生成对抗网络进一步拓展了深度学习，使其能处理更大范围的无监督任务。生成对抗网络的对抗训练机制优势逐渐突出，其应用领域不断扩展，发展生成对抗网络是机器学习行业的重要发展趋势。生成对抗网络广泛应用于图像处理、声音处理、语篇分析等多个领域，应用领域还在不断扩展。

Ø 发展深度强化学习

深度强化学习由深度学习和强化学习结合而成，其同时具有深度学习的感知能力和强化学习的决策能力。深度强化学习具有灵活度高、扩展性强、所需训练数据量少等特点，其应用范围不断扩展，推广速度逐渐加快，发展深度强化学习是机器学习行业的一大发展趋势。

中国机器学习行业发展趋势

来源: 头豹研究院编辑整理

深度见解

机器学习是人工智能应用落地的核心加速器，在机器学习算法不断改进的发展背景下，机器学习在各垂直领域的应用逐步加深，各垂直领域的机器学习应用项目数量不断增多，人工智能应用项目的推广速度显著加快。深度学习为机器学习的升级发展注入动力，随着胶囊网络、生成对抗网络等深度学习算法模型不断改善和推广，机器学习行业有望迎来新一轮快速发展。

推荐阅读

机器视觉—智能制造“新视界”

制造释放工业机器人产业本土企业潜力

公有基础计算资源按需使用，尽享高效低廉之利

5g商用开启，智能驾驶行业发展进入快车道

医疗机器人蓬勃发展，开启智慧医疗时代