科技行业数据科技数据驱动创新系列：点亮前沿应用科技树看好零代码云计算、商用自动驾驶和虚拟现实新投资趋势-210816（22页）.pdf

上传人：栗****苦

编号：49201

2021-08-17

PDF 22页 997.94KB

《科技行业数据科技数据驱动创新系列：点亮前沿应用科技树看好零代码云计算、商用自动驾驶和虚拟现实新投资趋势-210816（22页）.pdf》由会员分享，可在线阅读，更多相关《科技行业数据科技数据驱动创新系列：点亮前沿应用科技树看好零代码云计算、商用自动驾驶和虚拟现实新投资趋势-210816（22页）.pdf（22页珍藏版）》请在三个皮匠报告上搜索。

1、同时，我们认为对于不同主题，结合主题背景看编程语言的时序变迁也能代表研发重点的转变。我们将研发端主流的 20 多种编程语言粗略划分成为 5 个等级，以编程语言是否贴近应用端为主要标准，结合具体应用场景将其划分为等级 1 到等级 5，其中等级 5 代表编程语言最贴近应用，等级 1 代表最底层编程语言。其中我们认为等级 2 和等级 5 的时序变化情况在一般情况下最具代表性，具体介绍如下：等级1:底层开发语言，一定程度可以直接控制计算机的硬件调度，适合高性能计算场景，例如深度学习框架内核等。等级2:偏底层开发的面向对象编程语言，具有封装的特性但开发大型项目仍然需要严格的设计和架构，例如游戏引擎、高性

2、能计算等场景。(重点关注>等级3:移动端开发等相关语言。等级4:与等级5一定场景可以互相替代的脚本语言，研发场景主要包括后台开发、脚本编写等，具有较丰富的代码包复用体系。等级5:学习成本最低且封装程度最高的脚本语言，研发场景包括机器学习、应用构建等，具有最丰富的代码包复用体系。(重点关注)我们回测了6个主题的编程语言占比年度变化情况，以人工智能为例，2012和2013年分别是计算机视觉和自然语言处理的变革时点，由于python作为神经网络的主流编程语言，所以也能在编程语言占比的时序变化中看到明显的异动。2012年，Hinton提出的AlexNet 网络在lmagenet图像识别大赛中将错误率从25%以上提升到了15%，一举颠覆了图像识别领域，推动了卷积神经网络的广泛应用。2013年自然语言处理领域提出了基于神经网络和反向传播算法的词向量训练方法，得以将词语编码成为计算机可识别的向量形式，极大推动了后续的发展。从2012年起，人工智能主题项目的等级5编程语言占比迅速提升，在2015年以更高的斜率提升直至2018年开始持平，这也是基于深度学习的神经网络主题彭博发展的高频写照。其他领域结合行业背景也有同样的分析逻辑，在部分方向可以通过语言的变迁跟踪主题研发内容的变革。

科技行业数据科技数据驱动创新系列：点亮前沿应用科技树看好零代码云计算、商用自动驾驶和虚拟现实新投资趋势-210816（22页）.pdf

相关报告