• 项目
首页>>文章列表 >>行业研究
行业研究

金准人工智能分享工信部2018年中国区块链产业白皮书(二) 2018-05-22 16:19:58

(三)区块链安全防护

1.区块链面临的安全问题与应对措施

1)底层代码的安全性

区块链项目(尤其是公有链)的一个特点是开源。通过开放源代码,来提高项目的可信性,也使更多的人可以参与进来。但源代码的开放也使得攻击者对于区块链系统的攻击变得更加容易。2016年10月,国家互联网应急中心发布《开源软件源代码安全漏洞分析报告——区块链专题》,针对区块链领域的知名开源软件,结合漏洞扫描工具和人工审计的方式,在代码层面发现高危安全漏洞746个,中危漏洞3497个,数量较多的高危漏洞有不安全的随机数、不安全的JNI、空指针解引用等。2018年3月,慢雾安全团队披露了一起由于以太坊生态缺陷导致的亿级数字资产盗窃事件。攻击者利用以太坊节点Geth/ParityRPCAPI鉴权缺陷,恶意调用eth_sendTransaction盗取数字资产,持续时间长达两年。应对措施主要有两方面:一是使用专业的代码审计服务,二是了解安全编码规范,防患于未然。

2)密码算法的安全性

以比特币为例,每个区块都对应一个散列值,采用SHA256算法计算得到。在现阶段,该算法依旧满足散列函数的三个特性,单向性、弱无碰撞性和强无碰撞性,是安全的。由于SHA1和MD5已经被密码学者找到碰撞,所以,不应选取这两个算法作为区块链中的散列算法。比特币中的交易采用了椭圆曲线数字签名算法ECDSA,确保了交易的完整性。比特币中的椭圆曲线采用的是Koblitz曲线(secp256k1)而非美国国家标准与技术研究院(NIST)推荐的secp256r1。虽然当前并无证据,但有分析认为secp256r1有可能是被NIST选取的带后门的椭圆曲线,而比特币在无形中避开了这一风险。

随着量子计算机的发展,越来越多的研究人员开始关注能够抵抗量子攻击的密码算法,如基于格的密码算法等。椭圆曲线密码并不能抵抗量子攻击,当对于密码的量子攻击在未来成为现实时,所有不能够抵抗量子攻击的密码算法都存在较大风险,需要被替换。不过,在比特币中,比特币地址是对公钥进行散列并使用base58编码后的结果,如果比特币资金存放在一个没有支出过的地址里,这意味着公钥尚未公开,则它们在量子计算机面前是安全的。

应对措施有:作为设计者,一是在设计时采用现阶段安全的密码算法,同时关注抗量子攻击的密码研究的进展,在其成熟后优先考虑使用;二是参考比特币对于公钥地址的处理方式,降低公钥泄露所带来的潜在的风险。作为用户,尤其是比特币用户,每次交易后的余额都采用新的地址进行存储,确保有比特币资金存储的地址的公钥不外泄。

3)共识机制的安全性

当前的共识机制有工作量证明(ProofofWork,PoW)、权益证明(ProofofStake,PoS)、授权权益证明(DelegatedProofofStake,DPoS)、实用拜占庭容错(PracticalByzantineFaultTolerance,PBFT)等。PoW面临51%攻击问题。由于PoW依赖于算力,当攻击者具备算力优势时,找到新的区块的概率将会大于其他节点,这时其具备了撤销已经发生的交易的能力。需要说明的是,即便在这种情况下,攻击者也只能修改自己的交易而不能修改其他用户的交易(攻击者没有其他用户的私钥)。在PoS中,攻击者在持有超过51%的Token量时

才能够攻击成功,这相对于PoW中的51%算力来说,更加困难。在PBFT中,恶意节点小于总节点的1/3时系统是安全的。

总的来说,任何共识机制都有其成立的条件,作为攻击者,还需要考虑的是,一旦攻击成功,将会造成该系统的价值归零,这时攻击者除了破坏之外,并没有得到其他有价值的回报。对于区块链项目的设计者而言,应该了解清楚各个共识机制的优劣,从而选择出合适的共识机制或者根据场景需要,设计新的共识机制。

4)智能合约的安全性

智能合约具备运行成本低、人为干预风险小等优势,但如果智能合约的设计存在问题,将有可能带来较大的损失。2016年6月,以太坊最大众筹项目TheDAO被攻击,黑客获得超过350万个以太币,后来导致以太坊分叉为ETH和ETC。2017年11月7日Parity多重签名合约漏洞导致93万个以太币永久丢失。

应对措施主要有两方面:一是对智能合约进行安全审计,二是遵循智能合约安全开发原则。智能合约的安全开发原则有:对可能的错误有所准备,确保代码能够正确的处理出现的bug和漏洞;谨慎发布智能合约,做好功能测试与安全测试,充分考虑边界;保持智能合约的简洁;关注区块链威胁情报,并及时检查更新;清楚区块链的特性,如谨慎调用外部合约等。

5)数字钱包的安全性

数字钱包主要存在三方面的安全隐患:第一,设计缺陷。2014年底,某签报因一个严重的随机数问题(R值重复)造成用户丢失数百枚数字资产。第二,数字钱包中包含恶意代码。2017年,有网友使用某投资微信群推荐的钱包软件,导致数字资产丢失[13]。第三,电脑、手机丢失或损坏导致的丢失资产。应对措施主要有四个方面:一是确保私钥的随机性;二是在软件安装前进行散列值校验,确保数字钱包软件没有被篡改过;三是使用冷钱包;四是对私钥进行备份。

2.区块链安全服务

针对目前区块链存在的底层代码、密码算法、共识机制、智能合约、数字钱包等安全问题,该领域也出现了一些提供安全服务的公司,它们主要通过技术手段、代码审计帮助客户解决各种区块链安全问题。

例如,成都链安科技有限公司对区块链智能合约进行形式化验证,开发了面向区块链智能合约安全性和功能正确性验证平台VaaS。目前,VaaS平台已支持主流区块链平台(如以太坊、EOS等)智能合约的形式化验证,并且已与国内10多家区块链行业的知名企业建立了合作关系。VaaS形式化验证平台,采用了多种形式化验证方法,具有验证效率高、自动化程度高、人工参与度低、易于使用、支持多个合约开发语言、可支持大容量区块链底层平台的形式化验证等优点。

VaaS提供了针对智能合约的形式化验证工具,极大提高了智能合约的安全性与可靠性。产品通过对合约代码进行严格的安全验证,杜绝逻辑漏洞,确保合约安全,在满足实际应用效率需求的同时,达到有效控制漏洞风险的目的。

再如,厦门慢雾科技有限公司,专注区块链生态安全,已经为全球多家知名区块链公司做了安全审计与防御部署,作为第三方审计单位审计了200多份以太坊智能合约,累计发现数十个高危、中危安全问题。区块链生态风控产品——恶意钱包地址库,涵盖钓鱼、勒索、盗窃三大类型的恶意钱包地址,涵盖多种区块链数字资产,同时提供Python、NodeJS、Go、Java等主流语言的SDK,可灵活接入产品风控体系。依托慢雾的墨子系统及蜜罐分析技术,以及能够近实时监控、分析社交媒体上钓鱼信息的语义识别模块,再辅以其安全团队专业的筛选、判断,保证了数据的准确有效。此外,通过其广大的生态合作伙伴,还可实现恶意钱包信息共享。“慢雾区”区块链安全社群已累计辐射人数达10多万人,通过共享威胁情报、交流区块链安全技术,与众多的区块链从业人员一起共同努力为区块链生态安全添砖加瓦。

3.量子技术发展带来的安全挑战和应对

量子计算机就是建立在量子实体(如光子、电子、原子、离子)基础上运行量子比特的计算机,由于量子计算机具有基于量子比特的并行处理信息的能力,理论上其计算能力随量子比特位数的增加呈指数级增加,因此相比经典计算机具有超级强大的计算能力。国际上,Google、IBM、微软等公司都投入了巨资研发量子计算机的硬件及软件,2017年IBM公司宣布研制出具有50个量子比特的量子计算原型机,2018年Google公司发布了72个量子比特的量子芯片,微软公司主要针对拓扑量子计算进行研发,2018年宣布取得重大进展。国内也有多个科研机构及阿里巴巴、腾迅、百度等互联网公司在量子计算领域进行前沿研究。

量子计算机将会给现在使用的密码体系带来重大的安全威胁。区块链主要依赖椭圆曲线公钥加密算法生成数字签名来安全地交易,目前最常用的ECDSA、RSA、DSA等在理论上都不能承受量子攻击。

根据理论预测,对于一定长度的基于非对称椭圆曲线加密算法ECC密钥,用目前超级计算机需要几十年才能破解的密码如果采用具有数千个量子比特的量子计算机及Shor算法预计数十分钟就可以破解。可见,一些量子算法将对目前区块链所采用的公钥密码体系产生严重的威胁,必须提出应对量子计算的安全策略。

为了应对量子计算机给密码带来的安全威胁,目前主要可以采用基于抗量子计算密码和量子密钥的方法。抗量子计算密码的优势在于,将抗量子计算密码应用于互联网中不需要添加额外的硬件设备,特别是昂贵的量子硬件系统,有利于快速大规模普及应用。量子密钥的优势在于其具有更高的基于物理上的安全性,而目前主要的缺点在于需要基于相对昂贵的量子硬件系统,将来量子硬件设备会进一步集成化和降低成本,这将有利于量子密钥的广泛应用。在今后的实际应对策略中,可以根据具体应用的安全需求,将两种策略组合使用。

应对策略1:采用抗量子计算密码。

量子计算机对一些特定数学问题可以极大地加速计算,但是目前看并没有对所有数学问题都具有加速作用,因此可以利用量子计算机不擅长的数学问题来进行抗量子计算加密算法的研发。国际上早在2006年就举行了抗量子计算密码研讨会,目前有多个被认为是抗量子计算的加密体制:基于Hash的密码、基于纠错码的密码、基于格的密码、基于多变量公钥密码等,这些加密方法被认为在足够长的密钥下可以抵抗经典与量子计算攻击。

目前,国外已经有区块链采用了抗量子计算密码加密算法,英国的抗量子账本(Quantum Resistant Ledger,www.theqrl.org)采用了能够抵抗量子计算攻击的加密算法。而抗量子计算密码如果要广泛应用还需要相关国际通用标准的制定,因为新算法必须要既能抵抗量子计算机的攻击又能抵抗传统经典计算机的攻击,需要进行深入研究。抗量子计算密码本质上仍然是基于数学的安全,未来量子计算进一步发展也有可能突破某些数学难题,让部分抗量子计算密码不再安全。如果纯粹从安全性上考虑也存在一定风险,因此人们也在关注基于物理安全的量子密钥加密方式。

应对策略2:采用量子密钥。

量子密钥分发(Quantum Key Distribution,QKD)是利用光子的量子性质而分配密钥的一种方式,通过这种方式产生的密钥可以不断地给用户提供新的随机密钥,而且这是来自于物理层的随机性。在量子密钥分发的过程中,并不直接将密钥通过信道传给对方,而是双方经过进一步协商后产生密钥,如果中间有人试图窃听,那么就会增加系统的误码率而被发现,通信双方就可以舍弃这一段不安全的密钥而协商新的随机密钥。相比基于数学算法的密钥,量子密钥是基于物理上的安全,因此即使运算能力强大的量子计算机也无法对其进行计算破解。1984年IBM的科学家Charles Bennett及其合作者提出了首个量子密钥分发协议BB84协议,之后又发展出了E91、B92、MDI-QKD等协议。中国在这个领域后来居上,目前处于世界最领先的水平。2017年,俄罗斯科学家将量子密钥分发技术应用于区块链的加密,并在实验上进行了成功的演示。

(四)区块链行业服务机构

1.区块链媒体及社区

随着区块链的火热以及产业规模的初步形成,行业内也涌现出了诸如起风财经、IT桔子、深链财经、巴比特、火讯财经、火星财经、荣格财经、链得得、布络克财经、布络客、小雨智媒、大家区块链、三点钟社群、飞鸟社区等一批媒体及社区。IT桔子的数据显示,截至2018年3月31日,区块链媒体及社区领域的新公司数量为58家,投资事件数量为28起,融资额多在数百万、千万乃至上亿级别。其中,仅2018年第一季度该领域就发生了18起投资事件,包括:火星财经、虎尔财经、链得得、巴比特等均拿到了投资。区块链媒体及社区也成为当季区块链产业的一个热门投资方向。

对于一个新赛道而言,投资人往往会先投资一家行业媒体,用来了解整个行业的信息,以及掌握一定的舆论权,这也是很多投资人会选择从投资媒体来入局区块链领域的原因。此外,由于整个区块链产业的价值凸显,财富聚集效应明显,因此在2018年有很多专业的传统媒体人相继进入区块链领域创业,财经、金融界等传统财经媒体开设区块链频道或专栏,这也让区块链相关的内容质量得到很大提升。

目前,区块链媒体及社区领域的创业,主要还是以行业新闻、快讯、深度报道、行情、数据、社区、社群等形式为主,与其他的媒体形式并没有本质差异。从商业模式来看,该领域的公司基本上还是以广告收入为主,另外会衍生出一些相关的培训、活动会务、评级、数据等增值服务,盈利模式也没有超出传统范畴。

随着入局者的增多,僧多粥少的局面很快就会出现。毕竟,媒体还是一门流量的生意,而现在很多区块链媒体的发展脉络大体一致,同质化严重。与此同时,整个区块链领域的发展也已经开始趋于理性,对于众多的区块链媒体入局者来说,洗牌期即将到来。最后市场上能够存活下来的区块链媒体及社区,一定是那些传播区块链正能量,真正为用户创造价值,具备独特优势的公司。

2.投资机构

传统的主流投资机构在区块链领域,一度被称为“古典派”。但是,这些机构经历过多轮的经济周期洗礼,其专业能力仍在市场上具备很强的竞争力。实际上,像IDG资本、红杉资本中国、英诺天使基金、真格基金这几家主流投资机构很早就开始参与到区块链领域的投资,

例如:IDG资本早在2012年就开始布局区块链,其在国内投资了比特大陆、平安集团旗下的金融壹账通、水滴公司以及火星财经等。其中,像比特大陆、金融壹账通这两家公司均是独角兽公司;红杉资本中国投资了比特大陆、UGChain等;英诺天使基金投资了网录科技、算力回收RNNC项目、一本区块链以及区块链投资学院等;真格基金投资了币世界、EcomChain等。在国内的区块链投资领域,传统主流投资机构在专业能力和品牌方面依然具备很强的竞争优势。

与此同时,也出现一批新成立的Token投资机构,它们主要关注海外市场的区块链领域投资。根据IT桔子的数据,在2017年新成立的46家投资机构中,出现了9家专投区块链项目的新型投资机构,它们在新机构中占比近20%。但是随着传统VC纷纷募集立足于海外市场的Token投资机构,那些新型的投资机构势必要面对更大的竞争压力。类似于2017年那种野蛮生长的投资状态已经结束了,行业开始趋于理性。

3.行业组织和行业研究机构

区块链产业的发展和应用落地离不开行业组织的支持。据不完全统计,从2015年12月到2017年底,在国内成立的与区块链相关的联盟/协会已经达到了近20个[14]。涌现出了中国计算机学会区块链专委会、中关村区块链产业联盟、可信区块链联盟、中国电子学会区块链专委会、中国移动通信联合会国际区块链创新应用联盟、中国区块链研究联盟、北京区块链技术应用协会、浙江省区块链技术应用协会、深圳市区块链协会、金融区块链合作联盟(深圳)等等一大批区块链组织机构。这些组织为行业内人士提供了一个专业的交流与合作平台,对于促进中国区块链产业健康发展和加快应用落地起到了巨大的推动作用。例如:

中国计算机学会区块链专委会,旨在团结、联合、组织区块链领域的专业人士开展学术交流活动,提高我国区块链领域的科研、教学及人才培养水平,促进区块链研究成果的应用和产业化,提升我国在国际区块链领域的学术影响力。

中关村区块链产业联盟发起设立于2016年2月,在中关村管委会指导下,由清华大学、北京大学、北京邮电大学、北京航空航天大学、中国信息通信研究院、中国移动研究院、中国联通研究院、微软、北京世纪互联宽带数据中心有限公司、点亮投资管理有限公司、布比(北京)网络技术有限公司等50多家单位自愿联合区块链产业相关单位发起成立。该联盟立足于区块链产业,聚焦区块链技术的标准化及产业化,推广区块链技术的研究和应用,在产业研究、政策建议、网络协议标准、专利体系、创业孵化、创新应用、国际合作方面开展积极探索。

可信区块链联盟由中国信通院牵头发起,旨在推动区块链基础核心技术研究和行业应用落地,加快可信区块链标准的更新迭代,支撑政府决策,促进区块链行业良性健康发展,提升我国区块链国际影响力。

为整合及协调金融区块链技术资源,形成金融区块链技术研究和应用探索的合力与协调机制,2016年5月,微众银行联合深圳市金融科技协会、深证通等企业,牵头成立了金融区块链合作联盟(深圳)(简称:金链盟),目前金链盟成员单位已过百家,涵盖银行、基金、证券、保险、地方股权交易所、科技公司等多个行业,遍布24个城市。金链盟成员机构致力于金融区块链技术及应用探索,在云服务、数字资产、信用、场外股权市场、理财产品发行及交易、积分、保险、票据等领域展开研究,逐渐从理念走向实践应用。

基于大数据、智能与信息学科的交叉特征以及其在法学、信息技术、金融学方面应用的广阔前景,中国首家专注于大数据、区块链、监管科技为代表的金融科技政策法律研究和商业实践探索的科研实践机构——“法链实验室”成立。在科研学术方面,实验室从事监管科技前沿的原创性研究;在社会服务方面,实验室发挥自身的资源优势,同企业和政府建立紧密的联系,成为产学研协同发展中心,为政府、企业提供高质量的咨询服务。实验室凭借自身的前沿知识,致力于大数据的分析和应用,推动监管科技发展。

此外,由于区块链产业的高速发展,导致了人才短缺问题严重。因此,全国各地区的相关高校也在积极探索该领域的人才培养模式,为中国的区块链产业输送人才资源。例如:清华大学iCenter、浙江大学软件学院、同济大学金融科技研究院、北邮在线区块链教育与研究中心、哈尔滨工业大学(深圳)、西安电子科技大学、深圳高等金融研究院等高校均在开设区块链相关课程。

随着各大高校或者机构的区块链人才培养模式的建立和完善,将会为中国的区块链产业源源不断地输送更多优秀人才。再加上区块链联盟/协会的推动,中国的区块链产业发展将会迈上一个新台阶。

三、区块链在金融领域应用发展情况

区块链的各类特性提供信任机制,具备改变金融基础架构的潜力,各类金融资产,如股权、债券、票据、仓单、基金份额等都可以被整合到区块链账本中,成为链上的数字资产,在区块链上进行存储、转移、交易。区块链技术的去中介化,能够降低交易成本,使金融交易更加便捷、直观、安全。区块链技术与金融业相结合,必然会创造出越来越多的业务模式、服务场景、业务流程和金融产品,从而对金融市场、金融机构、金融服务以及金融业态发展带来更多影响。随着区块链技术的改进以及区块链技术与其他金融科技的结合,区块链技术将逐步适应大规模金融场景的应用。下面对区块链技术在供应链金融、贸易金融(信用证、保函、福费廷、保理、票据)、征信、交易清算、积分共享、保险、证券等典型金融场景的应用展开梳理。

(一)供应链金融

供应链金融是银行将核心企业和上下游企业联系在一起提供灵活运用的金融产品和服务的一种融资模式。供应链金融是一个新兴的、规模巨大的存量市场。前瞻产业研究院数据显示,2017年中国供应链金融市场规模为13万亿元,这个数字预计在2020年增长至15万亿元。供应链金融能够为上游供应商注入资金,提高供应链的运营效率和整体竞争力,对于激活供应链条运转有重要意义。供应链金融的融资模式主要包括应收账款融资、保兑仓融资和融通仓融资等。其中,提供融资服务的主体包括银行、龙头企业、供应链公司及服务商、B2B平台等多方参与者。

供应链金融参与方主要包括:核心企业,中小企业,金融机构和第三方支持服务。其中,在供应链链条上下游中拥有较强议价能力的一方被称为核心企业,供应链金融上下游的融资服务通常围绕核心企业所展开。由于核心企业通常对上下游的供应商、经销商在定价、账期等方面要求苛刻,供应链中的中小企业常出现资金紧张、周转困难等情况,导致供应链效率大幅降低甚至停止运转。因此,供应链金融产业面临的核心问题是中小企业融资难,融资贵,成本高,周转效率低。供应链金融平台、核心企业系统交易本身的真实性难以验证,导致资金端风控成本居高不下。供应链中各个参与方之间的信息相互割裂,缺乏技术手段把供应链生态中的信息流、商流、物流和资金流打通,信息无法共享从而导致信任传导困难、流程手续繁杂、增信成本高昂,链上的各级数字资产更是无法实现拆分、传递和流传。世界银行报告显示,中国的中小微企业中有4成存在信贷困难或无法从正规金融体系获得外部融资的问题。小微企业自身受限于公司业务、资金和规模,存在抗风险能力低、财务数据不规范、企业信息缺乏透明度等问题,信用难以达到企业融资标准。另一方面,由于担保体系和社会信用体系发展落后,中微小企业获得贷款的可能性更低,利率更高。尤其对二级供应商经销商来说,他们未与核心企业直接建立业务往来关系,在申请银行融资时处于不利地位。

区块链技术可以实现供应链金融体系的信用穿透,为二级供应商分销商解决融资难、融资贵的问题。区块链在其中发挥两个作用,首先是核心企业确权过程,包括整个票据真实有效性的核对与确认;其次是证明债权凭证流转的真实有效性,保证债权凭证本身不能造假,实现信用打通,进而解决二级供应商的授信融资困境。在这个信任的生态中,核心企业的信用(票据、授信额度或应付款项确权)可以转化为数字权证,通过智能合约防范履约风险,使信用可沿供应链条有效传导,降低合作成本,提高履约效率。更为重要的是,当数字权证能够在链上被锚定后,通过智能合约还可以实现对上下游企业资金的拆分和流转,极大的提高了资金的转速,解决了中小企业融资难、融资贵的问题。

例如,腾讯区块链+供应链金融解决方案致力于连接核心企业资产端及金融机构资金端,以源自核心企业的应收账款为底层资产,通过腾讯区块链技术实现债权凭证的转让拆分。其中,在原始资产登记上链时,通过对供应商的应收账款进行审核校验与确权,确认贸易关系真实有效,以保证上链资产的真实可信。债权凭证可基于供应链条进行层层拆分与流转,每层流转均可完整追溯登记上链的原始资产,以实现核心企业对多级供应商的信用穿透。此外,平台还与多家金融机构进行合作,提升资金配置效率、支持小微企业基于供应链进行融资,降低融资成本,支持实体经济。

再如,易见供链管理股份有限公司基于HyperledgerFabric研发的区块链供应金融服务系统“易见区块”平台真实刻画贸易双方的交易背景,为金融机构提供贷前预审及贷后管理辅助功能。供应商在平台上发起融资需求,金融机构响应,核心企业确权,由易见区块提供平台服务,金融机构为供应商提供融资服务。有效扩大金融机构的低风险资金投放,提升供应商的资金周转率,降低融资成本,优化核心企业采购环境。区块链技术还可被应用于供应链金融的信息安全领域。易见区块解决了ABS投资人无法实时查看底层资产数据的问题。传统情况下,ABS的底层资产时刻可能发生变化,但所有企业不可能无条件开放数据给其他人随时观看。易见区块保障了底层资产证券化后数据调用的安全问题,平台允许有权限的投资人通过API接口实时查看数据,并对他们的查看时间和频率进行记录,保证了信息安全。此外,

易见区块利用区块链技术保障了金融仓储的在线回购业务的金额安全性,使出售和回购流程都可以在线完成,并保证有审计回查空间。截至2018年3月31日,易见区块系统已有150户企业用户,在线投放金额21亿元,涉及医药、化工、制造、大宗、物流、航空等多个领域。

再如,2018年2月6日,金融壹账通推出区块链方案“壹账链”,覆盖交易额超12万亿,注册金融机构800余家,壹企银融资平台接入中小企业节点数近17000个。该方案借助全球首创的加密信息可授权式解密共享技术,可支持国密算法的异地快速一键部署;不仅能降低中小银行和金融机构获得高性能区块链底层设计服务的成本,也为监管部门创造了透明、高效的监管环境。在供应链金融场景方面,平安银行开发了核心企业应收账款服务平台,在区块链中记录应收账款确权、流转、融资、到期支付的全流程信息。利用区块链技术去鉴别供应链中的资产,实现资产信息链内公示并可追溯,不可篡改、不可删除。

2017年6月,浙商银行基于趣链科技底层区块链平台Hyperchain开发的“应收款链平台”上线。该平台是利用区块链技术将企业应收账款转化为在线支付和融资工具,帮助企业去杠杆、降成本的一款创新金融科技产品。专门用于办理企业应收账款的签发、承兑、保兑、支付、转让、质押和兑付等业务。截至2018年5月,已有600多家企业入驻该平台,为其提供便利的支付和融资渠道。

(二)贸易金融

中国银行业从整体资金规模、用户数量、市场份额等方面在国际上都有一席之地,但是在基础设施建设方面还有很多欠缺。比如银行间业务报文的传递还在依靠国际组织Swift、EDI等,这些国际组织控制了平台、数据、用户,尤其是与银行之间国际贸易、国际收支数据。

2017年开始,部分国内银行已经开始思考建立银行间业务报文收发联盟的问题,着手打造自己基于区块链系统的贸易金融平台。通过贸易金融项下的区块链信用证、保函、福费廷、保理、票据,以联盟链的形式建立银行间报文交互网络,国内银行、境外分行、国际银行以平等、共享、自由的身份加入,同时可以利用区块链多方参与的特性邀请生态企业一起参与,国家官方机构如海关、税务、司法、工商也可以参与共建生态。生态一旦建成,不但可以解决银行间报文收发的问题,同时也可以帮助银行、监管机构识别贸易背景真实性,跟踪信贷风险,建立以中国银行业为基础的业务标准、报文标准、技术标准,让中国银行业在国际金融领域真正起到主导作用。

1.信用证

传统信用证业务流程面临着信用证开立后大多以纸质形式传递,安全性低,校验难。银行间的信用证开立目前没有电子化渠道,多为信开,在发生信用证修改、到单、通知等情况时,没有直接信息交互通道。银行间国内信用证目前多使用SwiftMT799、MT999或者二代支付的报文,MT799与MT999不能支持中文,二代支付报文较短不能满足要求。

利用区块链技术建立链接多个买方行和卖方行的联盟链,实现真正意义上的电开,并作到准实时送达,链上主体通过相互授信建立头寸管理和轧差机制,实现信用证链上实时写入,实时读取以及实时验证验押,从而降低票据、信用证的在途时间,加快资金周转速度。同时,信用证的变化可以实时被其他相关行或企业及第三方获取,可保证各方信息透明,确保相关方利益。通过区块链技术的引入,信用证信息可以在链上实现安全、快速、可追溯的传递,并且可支持中文报文,在国内信用证结算中可以取代SWIFT,从而实现自主安全可控的国内信用证交换体系。

例如,2017年7月,云象区块链助力中国民生银行推出了基于区块链的国内信用证信息传输系统(BCLC),改变了银行传统信用证业务模式。信用证的开立、通知、交单、承兑报文、付款报文各个环节均通过该系统实施,缩短了信用证及单据传输的时间,报文传输时间可达秒级,大幅提高了信用证业务处理效率,同时利用区块链的防篡改特性提高了信用证业务的安全性。具体来说,利用区块链技术结合信用证业务系统,建立起基于区块链技术的信用证信息和贸易单据电子化传输体系,实现了国内信用证电开代替信开。BCLC将银行连接成一个网络,使得开证、通知、交单、承兑、付款的过程更加透明可追踪,各个节点都能看到整个信用证业务的办理流程和主要信息,比传统信用证业务更透明和高效,避免错误和欺诈的发生。目前,中信银行已与民生银行合作推出首个银行业国内信用证区块链应用。

再如,2017年9月,苏宁金融牵头苏宁银行相关部门上线了区块链国内信用证信息传输系统,目前已开出国内信用证金额达1.3亿元。该系统采用hyperledgerfabric联盟链技术,由中信银行、民生银行、苏宁银行组成,实现了严格合规、无需第三方、实时开证、全程加密的国内信用证线上开证、通知、交单、到单、承兑、付款、闭卷等功能。信息传递方面,区块链国内信用证联盟成员能够立即收取联盟链内开证单据,无需加入SWIFT或手工核押,有效解决苏宁银行外部信息交互难题。流通性方面,联盟内各行开立的国内证互认,拓宽了融资转让渠道。业务处理方面,单据电子化上传能够加快业务流程,审核信息的自动校验,减少操作风险。用户体验方面,区块链的防篡改特性提高了信用证业务的安全性,极大提升了用户体验水平,增强了苏宁银行的获客能力。

2.保函

传统保函业务大多数流程需要人工参与,效率低导致银行人力成本高。保函安全性不高,存在造假的可能,遗失后补办困难,缺乏信任机制,索偿不便,受益人利益有时难以保障。保函相关方业务流程相互独立,存在信息不对等的情况。

建设保函业务区块链管理平台,吸引保函业务相关方加入,从招标开始、开具保函到保函撤销过程中关键信息生成区块保存在区块链中,联通业务相关方本来孤立的业务流程、所有业务信息都存储在区块链上,保证信息安全、透明、不可篡改。用区块链技术,可以实现信息共享,加快信息流通,减少信息不对等造成的风险;联通业务相关方的流程提升各方工作效率,有效降低成本;打造全新的保函业务应用模式。

例如,2017年9月,趣链科技与兴业银行合作的基于区块链技术的投标保函申请系统上线,对传统投标保函在业务渠道、交互方式和底层技术上进行了创新,实现了投标保函业务的全流程在线操作和办理,在保障业务数据真实可信的同时提高了客户体验。

3.福费廷

传统的福费廷业务流程中没有市场公开报价平台,交易报价依赖微信、QQ等通讯工具,信息传递安全存在隐患,询价成本高、效率低。各类单据采用传真或邮寄方式,容易丢失,安全性较差。债权转让书和转让通知书以SWIFT报文、邮件、传真等方式确认,容易篡改,难以确认合法性。

利用区块链技术结合业务应用系统实现卖出行发布福费廷公告信息,信息内容包含信用证基础要素信息及卖出行联系方式等信息。每笔福费廷交易均可在联盟链上跟踪和追溯往来报文信息及区块信息。

例如,建设银行浙江省分行与杭州联合银行合作,实现业内首笔跨行区块链福费廷交易,此笔业务借助区块链技术连接买入行、卖出行双方,通过在线询价、报价,发送电文、传输单据等功能,实现交易电子化,有效提升时效性、安全性、便捷性。截至2018年1月,建设银行区块链福费廷业务量已超过20亿元人民币,18家境内分行和海外机构已开始使用区块链福费廷功能。

4.保理

传统国际保理业务面临的问题主要是海外分支机构不是国际保理会员,无法使用EDI系统进行报文信息交互,工作效率低,安全性较差,客户体验较差。发票、贷项清单等以纸质方式传递,安全性低,校验难。海外分支机构与国内分行没有信息交互渠道,只能通过SWIFT报文方式,时效性较差,且存在操作风险。

基于区块链技术的保理业务平台可以实现出口商或者出口保理商发送卖方信息或信用额度申请信息,包含初步信用额度申请或正式信用额度申请。进口保理商根据出口保理商发来的出口商信息进行初步信用额度或正式信用额度批复并且报价。出口保理商根据实际使用中的额度情况可发起信用额度调整申请,进口保理商收到申请后进行回复。出口商或出口保理商进行发票或贷项清单的转让信息登记或取消,进口保理商收到后发至进口商进行确认。进口保理商将进口商的付款或核准付款信息发送至出口保理商,出口保理商也可通过系统将间接付款信息发送至进口保理商。贸易过程中如有争议,进出口保理商均可发起争议或将争议情况通知及解决信息发送给对方。进口保理商可将冲销或应收反转让信息及保理佣金及其他费用信息发送给出口保理商。进出口保理商业务关系终止后,出口保理商可发起保理协议的磋商或终止信息。进出口保理商双方可互发汇款或其他自由格式的报文信息。

5.票据

当前票据市场上,存在众多的票据掮客、中介,不透明、高杠杆错配、违规交易等现象并不少见,诱发多种风险。首先,从道德风险看,纸票中“一票多卖”、电票中“打款背书不同步”的现象时有发生,区块链技术不可篡改的特性能够有效防范上述问题。其次,从操作运营风险看,当前票据信息传递需要依赖中心化的服务系统,基于区块链技术架构建立的新型数字票据业务模式,可实现票据价值的去中心化传递,降低系统中心化带来的操作和运营风险。最后,从市场风险看,中介市场大量的资产错配不仅导致了自身损失,还捆绑了银行的利益。此外,当前的票据市场在信息交流上更多是单对单,容易导致信息的不对称和时效差,且操作方式各异,监管只能通过现场审核的方式来进行,对业务模式和流转缺乏全流程的快速审查、调阅手段。票据是一种有价凭证,其在传递中一直需要隐藏的“第三方”角色来确保交易双方的安全可靠。借助区块链的可编程性以及数据透明性,可有效控制参与者资产端和负债端的平衡,形成更真实的市场价格指数,从而更好地把控市场风险。通过区块链的信息记载和回溯,易于建立基于关键字或其他智能方式的信息检索和提醒,提升信息的有效性,并可借助其开放性的优势让信息更加快速传导至需求者,减少市场的信息不对称。由于区块链不需要中心化的服务器,系统的优化或变更不需要通过多个环节的时间跨度,对于现在依赖系统来办理业务的票据体系来说是极大优化,让经营的决策更加简单、直接和有效,提高整个票据市场的运作效率。基于区块链中智能合约的使用,利用可编程的特点在票据流转的同时,通过编辑程序可以控制价值的限定和流转方向。区块链数据前后相连构成的不可篡改的时间戳,使得监管的调阅成本大大降低,完全透明的数据管理体系也提供了可信任的追溯途径。同时,对于监管规则也可以在链条中通过编程来建立共用约束代码,实现监管政策全覆盖和控制。

2018年1月25日,根据中国人民银行总行的安排部署,由上海票据交易所、数字货币研究所牵头,中钞信用卡产业发展有限公司杭州区块链技术研究院(简称中钞区块链技术研究院)承接、会同4家商业银行(工商银行、中国银行、浦发银行、杭州银行)研发的“基于区块链技术的数字票据交易平台”实验性生产系统成功上线试运行。上午9:30:07,第一张数字票据在上海票据交易所开出,票面金额为16万元,顺利完成签发、承兑、贴现和转贴现业务。该平台采用联盟链技术,央行、数字票据交易所、商业银行以及其他参与机构以联盟链节点的形式经许可后接入数字票据网络。不同的节点在接入时可以根据角色不同和业务需求授予不同的链上操作权限,包括投票权限、记账权限和只读权限等。数字票据发行后以智能合约的形式登记在联盟链上,并在链上进行交易撮合。结算则通过数字票据交易所连接联盟链之外现有的基于账户的支付平台完成。数字票据交易所的主要角色是充当交易结算过程中的信任中介,交易撮合主要由商业银行和参与机构等各参与方基于联盟链的共享数据自行完成。在这个系统中,传统票据生命全周期的功能全部实现,包括:出票、背书转让、贴现、转贴现、托收等。该系统基于同态加密+零知识证明,开发了一套隐私保护方案,支持信息在交易对手方可见、监管方具有看穿能力。并有强大灵活的监管隐私保护机制,实时获取当前进行的交易的详细信息,监控可疑或异常票据业务,并通过操作权限或系统参与方的准入权限等方面限制保证数字票据的金融安全。

(三)征信

中国的征信行业未来市场规模将达千亿级,征信市场空间巨大,但目前整个行业征信数据形成孤岛,信息不能共享,无法产生更大的价值。在目前的征信机构中,无论资本市场信用评估机构、商业市场评估机构还是个人消费市场评估机构都需要进行数据的安全共享,同时需要降低金融风险和数据获取成本,促进整个行业健康安全发展。

通过技术手段有效解决数据共享和存储的面临的问题,更加清楚的了解用户画像有助于判断和决策,减少风险和降低成本,促进信息共享。以征信行业突出的黑名单共享业务场景作为例,在跨领域、跨行业、跨机构的环境下,用传统的技术实现黑名单共享实现难度大且成本高,很难实现多方互信。同时,传统中心化的技术实现共享黑名单还存在信息容易被篡改、且数据无法追溯,共享信息的真实性无法保证。传统技术实现共享黑名单很难做到数据在各个机构间准实时同步,存在数据一致性和实时性的问题。

利用区块链技术对接各个联盟机构黑名单业务系统建立联盟机构黑名单存证平台,将分散在各个征信机构间的黑名单数据整合在一起实现数据共享,建立良性循环实现系统自治。这种方案带来的好处是成本低,对现有系统改造小、平台布设成本低。数据可追溯,黑名单数据所有机构共享。数据实时同步,黑名单数据更新时效高,数据可用性高。通用性强,系统提供通用的API服务,可以对接各种银行和征信机构的应用系统。

例如,深交所针对区域性股权市场中介机构信息无法共享的需求痛点制定了《基于区块链的场外股权交易平台》课题,建设“中介机构征信链”,制订了区域股权市场的中介机构征信标准,将区块链作为改善中介机构数据真实性和精确性的技术手段,有助于中介机构减少欺诈,降低业务风险,更为重要的意义是打通了区域股权市场互联互通的路径。2017年11月完成中介机构征信链正式发布上线,各股交中心已开展业务测试,可通过系统共享和查询链上中介机构信息。利用区块链技术的无中心化、不可篡改等特点实现股权市场之间的中介机构信息共享。中介机构征信链的联通和业务落地,是探索区域性股权市场互联互通的第一步,为未来区域性股权市场之间实现公告存证、登记存管等业务提供坚实基础,并为统一监管提供可能。

六合数字科技基于区块链技术传递信用,将区块链应用于中小企业主体的信用形成和交易环节的四流合一验证,解决中小企业评估难题,并与银行等金融机构形成联盟共识,通过区块链的分布式验证,共建信用识别和认定机制,帮助中小企业解决采购与融资难题。

苏宁金融于2018年2月上线金融行业区块链黑名单共享平台系统,将金融机构的黑名单数据加密存储在区块链上,金融机构可通过独立部署节点接入联盟链,开展区块链黑名单数据上传和查询等业务。通过区块链技术,该平台实现了无运营机构的去中心化黑名单共享模式,解决了黑名单数据不公开、数据未集中、获取难度大等行业痛点,且成本低廉,有效降低了金融机构的运营成本,更保护了客户的隐私和金融机构的利益。

(四)交易清算

在传统的交易模式中,记账过程是交易双方分别进行的,不仅要耗费大量人力物力,而且容易出现对账不一致的情况,影响结算效率。同时,传统清算业务环节太多,清算链条太长,导致清算流程耗时过长,对账成本居高不下。另外,清算中心过于集中,存在技术上的单点风险。

基于区块链技术可以实现准实时的交易(即清算功能),提升现有金融系统的清/结算效率。通过区块链系统,交易双方或多方可以共享一套可信、互认的账本,所有的交易清结算记录全部在链可查,安全透明、不可篡改、可追溯,极大提升对账准确度和效率。通过搭载智能合约,还可以实现自动执行的交易清结算,从而实现交易即清算,大大降低对账人员成本和差错率,极大的提高清算的效率,在某些交易频度不高、业务实时性关联度不强的场景下,完全可以满足清算业务的需求并且极大的优化现有的流程。

例如,微众银行设计了基于区块链的机构间对账平台,利用区块链技术将资金信息和交易信息等旁路上链,建立起公开透明的信任机制,优化了微众银行与合作行的对账流程,提升了降低了合作行的人力和时间成本,提升了对账的时效性与准确度。通过基于区块链的机构间对账平台,机构间可共建透明互信的区块链账本,交易数据只需秒级即可完成同步,能快速生成准确可信的账目数据,从而实现了T+0日准实时对账、提高运营效率、降低运营成本、增强对账透明度与提升信任度等目标,且业务符合现有监管法规。自2016年8月底上线以来,上海华瑞银行、长沙银行、洛阳银行等相继加入使用,截至目前平台稳定运行1年多,始终保持零故障,记录的真实交易笔数已达千万量级。

(五)积分共享

积分系统是指为银行/企业提供成熟的会员积分系统和丰富的会员积分卡系统服务,提供会员储值积分系统应用和会员积分卡营销解决方案。消费者在消费过程中会遇到各个银行、商家、机构等不同的积分系统。这些积分系统由于在各个组织内封闭,不能通用,造成了积分消费困难、利用率低。此外,各机构拥有自己的用户数据库,通过查询可以得知用户个人身份信息,无法对用户隐私进行保护。积分数据有被篡改风险,无法保证信息安全。各机构积分系统复杂,无法准确制定平衡的兑换比例。

基于区块链技术可以在各个企业之间建立一种不可篡改的信任登记机制,为不同积分的打通互换提供了可能,从而能够盘活积分,促使各家消费服务手段的升级,共同打造互信共赢的协同商圈。通过区块链搭建各个商家参与的积分联盟链,用户将联盟中不同商户内的自有积分,在区块链通用积分交易平台兑换成通用积分,即可用通用积分在联盟内任意商户进行消费结算。用户在系统内以账户地址形式存在,不同商户间无法获取用户信息。数据存于区块链中不可篡改,积分操作记录存于本地可被溯源,避免用户积分数据造假。商户自有体系内的积分可以通过兑换成通用积分流通起来,提升用户获取积分积极性。

例如,基于区块链技术,众安科技的极线平台在不透露用户信息的前提下实现了积分更多场景的使用,通过众安链路由技术与其他链上的积分进行跨链管理,从而形成积分联盟。众安科技基于区块链技术将原本商家和供应商的两套账本变成共同记录在同一个区块链上并且双方共用的同一套账本,双方数据互信,信息流和资金流同步,可以实现商家和供应商之间免对账,结算资金实时划拨。众安科技的极线平台,为有用户经营的商家提供了一整套积分发行和积分消耗的工具,帮助商家快速且低成本的搭建属于商家自己积分商城,让小微企业用积分经营用户变得简单、方便、成本低。目前极线平台已经和南方航空,积分豆,火堆公益等机构开展了区块链积分的合作。

中国银联借助IBM区块链技术打造跨行银行卡积分通兑平台,优化与各大银行的结算流程与配置,提高客户忠诚度。跨行积分兑换系统的打造可以解除积分使用的种种限制,但按照传统模式搭建该系统却成本极高。银联借助IBMBlockchain的分布式账本技术改变传统平台“管理信用”的方式,减少或去掉原来依赖第三方实现的信任过程以及成本,以期实现交易即结算。未来该平台将允许消费者与他人交易自己通过购物和其他奖励措施所获得的积分,通过开放银行间的激励机制以及增加可用的奖励种类来提升客户忠诚度。此概念原型由IBM超级账本Fabric网络beta版作为支撑,并且强调银行积分只能在被接受的合作伙伴之间进行交易。此举在大幅降低交易成本的同时,也将全面提升银行与商户的资本流动速率。

(六)保险

在保险经营过程中,信用是基础,而传统的“社会信任”模式已经难以适应社会和经济发展的需要。保险标的是保险利益的载体,是保险合同的基础,也是经营管理的主要对象。“唯一性”是保险标的管理的基础和重点,也是保险承保和理赔定损的难点所在。每年全球艺术品和收藏品的伪造和诈骗行为给保险业带来20多亿美元的损失,传统技术手段难以防范。

在区块链的应用背景下,其分布式和加密技术特征,结合相关识别技术,可以为解决身份“唯一性困境”提供解决框架和实现路径,确保数据和信息真实可靠,有效溯源,为防范保险欺诈提供有力技术保障。利用区块链的时间戳和分布式特征,结合物联网技术,可以为时间和空间范畴内的保险唯一性解决提供全新的可能。同时,还可以打破时空的局限,实现基于区块链的跨时空的信息管理,为保险产品和服务创新,特别是场景化和碎片化的创新奠定基础,构建基于风险标的更加细化和动态的保险解决方案,实现个性化和高效的保险服务。

蓝石科技与科技保险平台合作,利用大数据+区块链的底层技术,建立了针对非标人群的风险精算和风险管理平台。同时,与各地卫计委、三甲医院、专业医疗机构合作,接入了多地、多家医疗机构,建立了国内最大规模的、服务于保险场景的联盟链,获取了大量精准的医疗及费用数据,并基于对这些数据的精准分析,在国内首家推出癌症患者带癌投保的抗癌险,为65岁老人、慢病治疗人群等提供了多款差异化保险产品。在实际业务开展过程中,蓝石科技利用区块链技术,将保险产品信息及投保过程、流通过程、营销过程、理赔过程的信息进行整合并写入区块链,实现了全流程追溯、数据在交易各方之间公开透明,以及保险公司、保险机构、监管部门、消费者之间的信任共享,最终形成一个完整且流畅的信息流,取得了良好的社会效益和经济效益。截至2017年12月,付费用户已超80万,单月保费规模超过1000万,预计2018全年保费规模超5个亿。已经与多个区域的多个机构建立了业务合作。仅辽宁一地,就与40余家医院,200多家教育机构,近千家养老机构确定了合作关系。

2017年8月,信美人寿相互保险社上线国内保险业首个爱心救助账户,运用区块链技术记账,实现相互保险。信美会员遭遇重大灾害、意外事故等,在得到现有保障及援助(包括社会统筹保险、商业保险等)后仍生活困难的,还可以申请爱心救助账户的额外救助。引入区块链技术,每笔资金流向都公开透明,每笔资金流转数据都不可篡改,每笔资金的去处和用途都有迹可查,以确保爱心救助账户的透明性。

金准人工智能分享工信部2018年中国区块链产业白皮书(一) 2018-05-22 16:15:31

前言

当前,新一轮科技革命和产业变革席卷全球,大数据、云计算、物联网、人工智能、区块链等新技术不断涌现,数字经济正深刻的改变着人类的生产和生活方式,成为了经济增长的新动能。区块链作为一项颠覆性技术,正在引领全球新一轮技术变革和产业变革,有望成为全球技术创新和模式创新的“策源地”,推动“信息互联网”向“价值互联网”变迁。我国《“十三五”国家信息化规划》中把区块链作为一项重点前沿技术,明确提出需加强区块链等新技术的创新、试验和应用,以实现抢占新一代信息技术主导权。目前,我国区块链技术持续创新,区块链产业初步形成,开始在供应链金融、征信、产品溯源、版权交易、数字身份、电子证据等领域快速应用,有望推动我国经济体系实现技术变革,组织变革和效率变革,为构建现代化经济体系作出重要贡献。

2018年中国区块链产业白皮书》系统的分析了我国区块链产业发展现状,对我国当前区块链产业的生态构成进行了解析,总结我国区块链产业发展特点,特别是对于区块链技术在金融领域和实体经济的落地应用进行了深入研究,通过列举大量区块链应用和产业实践展现了区块链技术较快落地的典型领域、典型模式和典型案例,最后对我国区块链产业的重要发展趋势进行了展望,对于一些行业热点问题也给出了我们的认识。

一、区块链产业发展总体特点

我国区块链产业目前处于高速发展阶段,创业者和资本不断涌入,企业数量快速增加。区块链应用加快落地,助推传统产业高质量发展,加快产业转型升级。利用区块链技术为实体经济“降成本”、“提效率”,助推传统产业规范发展。此外,区块链技术正在衍生为新业态,成为经济发展的新动能。区块链技术正在推动新一轮的商业模式变革,成为打造诚信社会体系的重要支撑。与此同时,各地政府积极从产业高度定位区块链技术,政策体系和监管框架逐步发展完善。

(一)我国区块链产业生态初步形成,方兴未艾

1.产业呈现高速发展,企业数量快速增加

截至2018年3月底,我国以区块链业务为主营业务的区块链公司数量已经达到了456家,产业初步形成规模。

1近五年中国区块链产业新成立公司数量和融资事件数变化趋势(数据截止到2018.3.31)

从中国区块链产业的新成立公司数量变化来看,2014年该领域的公司数量开始增多,到2016年新成立公司数量显著提高,超过100家,是2015年的3倍多。2017年是近几年的区块链创业高峰期,由于区块链概念的快速普及,以及技术的逐步成熟,很多创业者涌入这个领域,新成立公司数量达到178家。

股权投资情况可以较好反映社会资本对与产业的关注和支持力度。涉及区块链公司股权投资事件数量为249起。从2016年开始,区块链领域的投资热度出现明显上升,投资事件达到60起,是2015年的5倍。2017年是近几年的区块链投资高峰期,投资事件数量接近100起。在2018年第一季度,区块链领域的投资事件数量就达到了68起。从目前趋势来看,由于区块链技术的落地速度也在加快,市场开始趋于理性,股权投资人更愿意投资能看到有具体落地场景的项目,预计今年区块链领域的投资会是一个高峰期。

2中国区块链产业相关公司融资轮次分布状况

从中国区块链公司融资轮次分布状况来看,目前有接近90%的投资事件集中在早期阶段(A轮及以前),另外有9%的投资事件属于战略投资,B轮及以后的投资事件占比仅为2%。因此,区块链产业目前还处于非常早期的阶段。随着整个产业的高速发展以及项目落地速度的加快,融资轮次将逐渐往后延伸,未来会出现更多进入中后期阶段的项目。区块链产业发展方兴未艾。

2. 从设备制造到产业应用,区块链产业链条脉络逐渐明晰

32018年中国区块链产业生态

根据本次调研情况来看,目前我国区块链产业链条已经形成,从上游的硬件制造、平台服务、安全服务,到下游的产业技术应用服务,到保障产业发展的行业投融资、媒体、人才服务,各领域的公司已经基本完备,协同有序,共同推动产业不断前行。

从区块链产业细分领域新成立公司分布状况来看,截至2018年3月底,区块链领域的行业应用类公司数量最多,其中为金融行业应用服务的公司数量达到86家,为实体经济应用服务公司数量达到109家。此外,区块链解决方案、底层平台、区块链媒体及社区领域的相关公司数量均在40家以上。

4中国区块链产业细分领域公司和融资事件数分布(数据截止到3018.3.31)

从区块链产业细分领域投资事件分布状况来看,行业应用服务相关的公司获投事件数最多,总共达到了113起,可见投资人对于有具体的应用场景,能够实际落地的项目越来越看重。底层平台领域的获投事件数为42起,区块链媒体及社区领域的获投事件数也达到了28起。区块链领域正在吸引越来越多的创业者和资本入场,成为创新创业的新高地。随着区块链技术的发展以及应用的加速落地,产业规模将不断增加,该领域未来有望成为新的经济增长点。

3.互联网巨头涌入快速推动我国区块链产业发展

区块链技术不仅受到了创业企业的青睐,也受到了互联网巨头企业的广泛关注,互联网巨头企业纷纷拓展区块链业务,快速推动我国区块链产业发展。目前,腾讯、阿里巴巴、百度、京东等互联网行业巨头纷纷加入区块链技术的研究与场景应用中来。腾讯基于TrustSQL核心技术,打造领先的企业级区块链基础服务平台。目前,腾讯区块链已经落地供应链金融、医疗、数字资产、物流信息、法务存证、公益寻人等多个场景。例如,腾讯基于供应链场景下的真实交易数据,通过腾讯区块链技术及运营资源,构建“腾讯区块链+供应链金融解决方案”,从根本上改善小微企业的融资困境,助力地方产业转型升级。阿里巴巴基于区块链技术去中心化、分布式存储及防篡改的特性已落地了多个应用场景,包括公益、正品追溯、租赁房源溯源、互助保险等,并且申请专利数量已达到80件左右。百度金融先后与华能信托、长安新生等落地了国内首单区块链技术支持证券化项目和区块链技术支持交易所ABS项目。京东运用区块链技术搭建“京东区块链防伪追溯平台”,从解决商品的信任痛点出发,精准追溯到商品的存在性证明特质,让所有生产、物流、销售和售后信息分享进来,共同铸建完整且流畅的信息流,并且也采用区块链技术来解决ABS参与各方的信任问题,在区块链的系统架构上完成交易,确认资产的权属和资产的真实性。巨头涌入给我国区块链产业发展注入了新动能,产业蓄势待发,并将借着新时代的东风快速崛起。

(二)地域分布相对集中,产业集聚效应明显

从中国区块链公司的地域分布状况来看,北京、上海、广东、浙江依然是区块链创业的集中地,四地合计占比超80%。其中,北京以175家公司、占比38%处于绝对的领先地位;上海以95家公司,占比21%位居第二;广东省以71家公司、占比16%位居第三;浙江省以36家公司、占比8%位居第四。除此以外,中国区块链创业活跃度前十名的省份还包括江苏、四川、福建、湖北、重庆、贵州。

5中国区块链创业活跃度TOP10省份

从中国区块链创业活跃度靠前城市来看,北京、上海、深圳、杭州依然为中国大陆区块链创业活跃度最高的四座城市,公司占比达到78%。除此以外,中国区块链创业活跃度前十位城市还包括广州、成都、南京、厦门、重庆、贵阳。

随着区块链技术和应用的快速迭代,区块链向传统行业的扩展进程将进一步加快,未来区块链企业以及区块链领域项目与传统产业场景结合的需求将持续提升,因此地域分布将更加广泛。

(三)区块链应用呈现多元化,从金融延伸到实体领域

区块链技术具备分布式、防篡改、高透明和可追溯的特性,非常符合让整个金融系统业务需求,因此目前已在支付清算、信贷融资、金融交易、证券、保险、租赁等细分领域落地应用。例如,民生银行与中信银行合作推出首个国内信用证区块链应用,中国平安的资产交易、征信两大应用场景都已上线,招商银行落地了国内首个区块链跨境支付应用,微众银行通过基于区块链的机构间对账平台把对账时间从T+1日缩短至T+0,实现了日准实时对账。

随着区块链技术创新发展逐步成熟,产业应用的实际效果愈发显现,区块链的应用已从金融领域延伸到实体领域,电子信息存证、版权管理和交易、产品溯源、数字资产交易、物联网、智能制造、供应链管理等领域。区块链技术开始与实体经济产业深度融合,形成一批“产业区块链”项目,迎来产业区块链“百花齐放”的大时代。例如,北京溯安链科技有限公司的溯源服务已经在广西小红薯、阳原杂粮、黑龙江富硒大米生产流通供应链得到了应用,这不仅满足了客户的区块链溯源需求,还提升了产品的附加值。安妮股份基于区块链的版权存证服务,已为百万作品提供了确权服务,部分解决了内容创作者的痛点和难点。发挥区块链技术在确权、授权与维权过程中的海量、快速、即时特性,逐步实现“创作即确权、使用即授权、发现即维权”。沃尔玛基于区块链的创新食品供应链协作模式使农场到门店的追溯过程从26小时减少至10秒,并且调阅文件仅需半分钟。

随着区块链的价值得到广泛的认可,越来越多的行业正在提出自己的区块链解决方案。从应用范围看,区块链技术几乎在所有的产业场景都能落地应用,原因是几乎所有的产业场景都涉及交易,都有降成本、提效率、优化产业诚信环境的需求,而这正是区块链技术落地应用后能迅速发挥的作用。

区块链技术应用落地的主战场是实体经济产业领域,区块链技术的价值也将集中体现为落地产业场景后带来的价值增量。目前,传统产业中的实物流并没有广泛转化为信息流,原因之一是很多实体经济企业,尤其是中小微企业并没有办法基于业务的数字化转型获得很大的实际收益,反而要承担信息泄露等一系列风险。所以不少企业并没有积极推动业务的数字化转型,导致实物流向信息流的映射存在不完整、不全面、不系统的情况。利用区块链技术,结合物联网和工业互联网技术应用,以及在基于新型供应链金融模式的推动下,大量交易

信息已经开始由线下转向链上,企业的管理系统和机器设备的联网率开始提升,数字资产成为企业资产的重要组成部分,实体产业的商业模式也将实现前所未有的深度变革。

(四)实现“协作环节信息化”,助力实体经济降成本提效率

从目前实际的落地案例看,产业区块链技术落地应用要实事求是地为产业解决一些“小问题”,着力于提升产业协作环节的信息化水平,具体可从“降成本”和“提效率”两个方面推动传统产业的发展。

随着我国数字经济发展,在企业内部,信息化水平往往已经比较高,各类管理系统已经非常先进,但是在企业之间协作的环节,很多情况下并没有被信息系统所覆盖。比如不同类型的机构进行在对账时,往往要从信息系统中导出电子表格,并用邮件发送。甚至需要打印表格、盖章后邮寄,对方收到后再与系统数据进行比对。整个业务流程并不复杂,但是消耗了很多人力物力,成本较高,而且制约了业务运行效率和用户体验的提升。因此,很多联盟链系统都实际上是在解决这个问题,提升企业之间协作环节的信息化水平。在这个领域,用传统中心化的数据库方式建设,成本相对较高,授权机制复杂,可扩展性较差,信息安全问题难以保障,多主体难以实现互信。而区块链技术则能够让多种业务主体平等交流,信息共享,实时核对数据一致性。

这些基于区块链的系统,本质上是在“弱信任”环境中,有效实现多主体信息共享、有效协作的信息化手段。

用区块链的方式实现信息共享,除了成本低,效率高之外,还可以实现“信任传递”或“信任外溢”,基于区块链技术,由于上链信息不可篡改,因此在交易双方共同验证一笔交易之后,也可以让第三方信任这个信息,这实际上就使得这种可信的状态可以传导到第三方,进而实现数据的资产化。此外让机构从“黑盒”状态转为“白盒”状态,也就是机构运作机制透明化,使得自证清白变得非常容易,极大地降低多主体之间的互信成本。

进而,区块链将发挥“提高产业链协同效率”的作用。提升产业协同水平是推动中国制造迈向中高端的重要途径,也是建设现代化经济体系的重要要求。但是目前在很多产业,产业链协同效率仍然不高,在国际贸易领域这个问题尤为突出。例如:在国际贸易中,商品的原产地、检验检疫、通关等系列证明文件,各国标准不一,有关部门和外贸企业核验这些证书证明真实性、准确性的成本和难度都比较高,直接导致国际贸易商品流通速度慢,跨国协同难度高。在国际上难以通过设立统一的认证机构解决这些问题。基于区块链技术,打通各国商品流通信息,可以实现对国际贸易商品流通全过程的溯源,甚至互信实现快速通关,进而大大简化相关手续,提升效率。

(五)技术滥用导致产业发展存在一定的风险,不可忽视

尽管区块链技术的正向价值逐步显现,但是产业发展过程中仍然伴随出现了一系列不可忽视的风险。一方面是合规性风险,在区块链发展的早期阶段,由于它本身具有传递价值的属性,因此引来了一些不是专注于技术应用,而是热衷于通过ICO(首次代币发行)进行非法集资、传销甚至是欺诈的行为。2017年9月,7部门联合发布《关于防范代币发行融资风险的公告》,直指野蛮生长的代币融资行为。与早期的互联网相似,区块链发展早期也要特别警惕资本市场的过分炒作和虚假宣传。一些区块链应用项目存在不切实际的宣传和炒作,使得市场估值偏离基本价值或者被赋予过高的期望。此外,还有一些项目从本质上并没有真正利用区块链技术,只是打着区块链的旗号,获得了与实际价值完全不相符的估值。有的项目的所谓创新脱离了实体经济的需求,完全是投机行为。

另一方面是技术层面的风险,尽管区块链融密码学、分布式存储等多项技术于一身,但这并不意味着它本身没有漏洞。例如,存在51%攻击、自私挖矿等攻击方式。区块链需要引入大量公共资源参与到体系中来,如参与计算的节点数太少,则会面临51%被攻击的可能性,严重威胁网络系统运作和价值。再如,私钥和终端安全。在当前区块链中,私钥存储在用户终端本地。如果用户的私钥被窃取,将给用户的数字资产造成严重的损失。又如,共识机制安全。目前,除PoW外,PoS、DPoS等多种共识机制虽然已经被提出,但是否能够实现真正的安全可信,尚不能完全证明。此外,还有可能通过传统的网络攻击方式,造成网络堵塞,迫使区块链网络出现硬分叉,进而导致对整个区块链系统的可信性受到质疑,网络体系的价值就会崩盘,给网络参与者造成惨重的集体损失。除了区块链本身的技术漏洞,网络参与主体责任划分、账本数据最终归属、成本偏高、交易区块具有选择性等问题,也会导致区块链技术落地应用时会面临较大风险。

(六)产业政策体系逐步构建,产业发展环境持续优化

1.区块链产业发展的政策体系逐步完善,各地政府积极从产业高度定位区块链技术

区块链技术已经上升到国家科技战略层面。2016年12月,《国务院关于印发“十三五”国家信息化规划的通知》中首次提及区块链,并将其与量子通信、人工智能、虚拟现实、大数据认知分析、无人驾驶交通工具等技术一起作为重点前沿技术,明确提出需加强区块链等新技术的创新、试验和应用,以实现抢占新一代信息技术主导权。其次,相关行业、国家和国际标准也在加速制定,解决区块链的关键技术标准问题,促进区块链产业生态化发展。为把握区块链产业发展机遇,抢占区块链产业发展制高点,各地政府及时出台区块链技术和产业发展扶持政策,让区块链产业迎来了一次新的爆发。

目前,各地政府积极从产业高度来定位区块链技术,把握技术升级带来的产业升级新机遇。例如,2018年3月河北省政府印发《关于加快推进工业转型升级建设现代化工业体系的指导意见》,提出积极培育发展区块链等未来产业,打造世界级高端高新产业集群。2018年4月国务院批复了《河北雄安新区规划纲要》,强调重点发展信息技术产业,要求超前布局区块链、太赫兹、认知计算等技术研发及试验。

贵州省提前布局区块链产业,2016年12月,贵阳市政府发布《贵阳区块链发展和应用》白皮书,计划5年建成主权区块链应用示范区。2017年2月,在《贵州省数字经济发展规划(2017-2020年)》报告中提出建设区块链数字资产交易平台,构建区块链应用标准体系等目标。2017年6月,贵阳市人民政府下发支持区块链发展和应用的试行政策措施,对区块链产业提供政策扶植。

广州积极出台相关政策,积极推进区块链产业发展,2017年12月,广州出台第一部关于区块链产业的政府扶植政策—《广州市黄埔区广州开发区促进区块链产业发展办法》,预计每年将增加2亿元左右的财政投入。

2017年2月,南京市人民政府下发《市政府办公厅关于印发“十三五”智慧南京发展规划的通知》,明确提出要使区块链等一批新技术形成突破并得以实际应用。2017年5月,无锡软件行业协会区块链专业委员会暨物联网与区块链联合实验室成立。2017年12月,苏州高铁新城向社会开放首批15个区块链应用场景,并发布9条扶持政策,吸引区块链企业和人才落户。

2017年6月,山东省市北区人民政府印发了《关于加快区块链产业发展的意见(实行)》,力争到2020年,形成一套区块链可视化标准,打造一批可复制推广的应用模板,引进和培育一批区块链创新企业。2017年9月,青岛发布了“链湾”白皮书,计划成立全球区块链中心,建设青岛“全球区块链+”创新应用基地。2017年12月,青岛国际沙盒研究院在崂山区发布了全球首个基于区块链的产业沙盒“泰山沙盒”。

2017年7月,赣州区设立块链金融产业沙盒园,在企业入驻、技术扶持、运营、金融等方面予以扶植。2017年9月,江西省人民政府下发《关于印发江西省“十三五”建设绿色金融体系规划的通知》,鼓励发展区块链技术、可信时间戳认定等互联网金融安全技术,服务绿色金融发展。

2017年11月,重庆市经济和信息化委员会发布《关于加快区块链产业培育及创新应用的意见》,提出到2020年,力争全市打造2-5个区块链产业基地,初步形成国内重要的区块链产业高地和创新应用基地。2018年4月,成都市大数据协会区块链专业委员会成立。2017年12月,广西壮族自治区人民政府办公厅关于印发《广西进一步扩大和升级信息消费持续释放内需潜力实施方案的通知》,大力发展软件和信息技术服务业,开展基于区块链、人工智能等新技术的试点应用。

为了便于读者了解我国目前区块链产业有关的政策,特将国家和地方的政策进行了汇编,具体政策内容请见本报告附件2和附件3。

2.积极加强行业监管,有力防范金融风险

根据党的十九大的总体部署,防范和化解重大风险是未来中国三年的经济工作重点之一,而防范和化解重大风险的关键则是防控金融风险。因此,我国也积极加强行业监管,防范区块链发展过程中可能出现的金融风险,维护国家金融的稳定和安全,促进区块链产业规范健康发展,以更好地发挥区块链“价值互联网”的积极作用。

ICO本质上是区块链初创项目的融资工具,通常为早期投资者通过向ICO项目发起人支付比特币或以太币等主流虚拟货币,获得项目发起方基于区块链技术初始产生的加密数字代币。根据国家互联网金融安全技术专家委员会于2017年7月25日发布的《2017上半年国内ICO发展情况报告》,ICO融资规模和用户参与程度呈加速上升趋势,累计参与人次达10.5万。一些项目因早期天使融资失败,而转向ICO融资模式。因此,这些ICO项目风险均非常高,甚至涉及传销、欺诈。

2017年9月4日,中国人民银行、中央网信办、工业和信息化部、工商总局、银监会、证监会、保监会联合发布《关于防范代币发行融资风险的公告》,明确代币发行融资本质上是一种未经批准非法公开融资的行为,涉嫌非法发售代币票券、非法发行证券以及非法集资、金融诈骗、传销等违法犯罪活动。并要求各类代币发行融资活动应当立即停止。已完成代币发行融资的组织和个人应当做出清退等安排,合理保护投资者权益,妥善处置风险。明确规定任何所谓的代币融资交易平台不得从事法定货币与代币、“虚拟货币”相互之间的兑换业务,不得买卖或作为中央对手方买卖代币或“虚拟货币”,不得为代币或“虚拟货币”提供定价、信息中介等服务。各金融机构和非银行支付机构不得直接或间接为代币发行融资和“虚拟货币”提供账户开立、登记、交易、清算、结算等产品或服务,不得承保与代币和“虚拟货币”相关的保险业务或将代币和“虚拟货币”纳入保险责任范围。

经过半年的集中整治,互联网金融领域总体风险水平明显下降,非法集资在互联网蔓延势头得到遏制。目前全国摸排出的首次货币行(ICO)平台和比特币等虚拟货币交易场所已基本实现无风险退出。

区块链是一项前沿技术,技术造成的新监管挑战也在要求监管技术的持续进步。金融科技细分领域的“Reg-Tech”(监管科技)。就是利用大数据、人工智能和区块链等的新技术,来解决监管合规问题,减少合规费用。区块链备案平台、基于区块链的监管体系等都属于Reg-Tech领域。国内已经出现从事监管科技的公司,他们主要为政府和各大银行等金融监管机构提供监管科技解决方案。金丘科技、众享比特等公司专门推出基于区块链的监管体系。

二、区块链产业细分领域发展情况

区块链各细分领域蓬勃发展,从硬件制造、基础设施到底层技术开发、平台建设,再到安全防护、行业应用,以及媒体社区等区块链行业服务机构,已经初步形成了一个完整的产业生态链。

(一)平台建设

1.底层平台(公有链/联盟链/BaaS

在区块链产业,平台级的机会是目前很多公司关注的方向。无论是创业公司还是大公司,纷纷在布局区块链底层平台,希望能抢占下一波红利。但是,由于区块链还处于非常早期的阶段,因此各家对于平台的理解和实践路径并不一样。目前,公有链、联盟链和BaaS是三种比较主流的平台模式。

1)公有链

公有链是指向全世界所有人开放,每个人都能成为系统中的一个节点参与记账的区块链,它们通常将激励机制和加密数字验证相结合,来实现对交易的共识。

目前,公有链被看作是区块链领域最有前景的方向,因为它更符合区块链的本质,很可能成为下一个系统级的平台。公有链的优点包括:能够保护用户免受开发者的影响;所有交易数据都默认公开;访问门槛低,任何人只要有联网的计算机就能访问;能够通过社区激励机制更好地实现大规模的协作共享等等。

作为底层平台,公有链能够推动整个社会进入“可信数字化”时代,真正开启“价值互联网”的新篇章。一方面,基于区块链的激励模式推进分享经济向共享经济升级,这也符合创新、协调、绿色、开放、共享的新发展理念,是一种更高层次的新型平台经济;另一方面,基于底层公链的区块链应用也将迎来大爆发,DAPP时代即将来临。DAPP之于底层公链,就如同APP之于IOS和Android系统,未来可能会衍生出一个新的生态体系。

虽然公有链有很多优点,但是其存在的挑战依然很大。对于公有链来说,节点数越多意味着系统的安全性和公平性越高,这就带来了系统效率的低下,因为每增加一个节点,就需要多达成一次共识。节点数和效率就成为了一个悖论。例如:比特币每秒能处理7笔交易,以太坊每秒能处理20-30笔交易。由于TPS每秒的并发量太低,导致比特币和以太坊等公链普遍存在交易费用高、确认时间长、扩展性差等问题。此外,很多的公有链项目都是先搭建平台,再去找应用场景,这也为后面的实际落地带来了一定的挑战。

目前在公有链领域,我国技术处于世界先进水平,已经诞生了几家比较领先的底层平台公司。

2)联盟链

联盟链是指若干个机构共同参与记账的区块链,即联盟成员之间通过对多中心的互信来达成共识。联盟链的数据只允许系统内的成员节点进行读写和发送交易,并且共同记录交易数据。

联盟链作为支持分布式商业的基础组件,更能满足分布式商业中的多方对等合作与合规有序发展要求。例如:联盟链会更适合组织机构间的交易和结算,类似于银行间的转账、支付,通过采用联盟链的形式,就能打造一个很好的内部生态系统来大幅提高效率。

联盟链和公链相比,在高可用、高性能、可编程,隐私保护上更有优势,它被认为是“部分去中心”或者是“多中心”的区块链。联盟链让节点数得到了精简,能够使得系统的运行效率更高、成本更低,在单位时间内能够确认的交易数量要比公链大很多,更容易在现实场景中落地。此外,联盟链相对于公有链非常重要的特点就是节点准入控制与国家安全标准支持,确保认证准入、制定监管规则符合监管要求,在可信安全的基础上提高交易速度。在联盟链领域,目前有几个比较典型的案例,例如:

超级账本(Hyperledger)是由Linux基金会于2015年发起的推进区块链数字技术和交易验证的开源项目,吸引了包括华为、腾讯云、百度金融、三星、IBM、英特尔、Fujitsu、Cisco、Redhat、Oracle等众多公司参与,目前已经有超过200家会员单位。超极账本项目的目标是让成员共同合作,共建开放平台,满足来自多个不同行业的用户案例,并简化业务流程。超级账本旗下有多个区块链平台项目,包括IBM贡献的Fabric项目,Intel贡献的Sawtooth项目,以及Iroha、Burrow、Indy等。

微众银行自2015年开始投入资源探索区块链技术,目前已研发了两大区块链开源底层平台。其一是联合万向区块链与矩阵元共同推出企业级联盟链底层平台BCOS,并在2017年7月完全开源。随后,又联合金链盟开源工作组的多家机构共同研发并开源了BCOS的金融分支版本——FISCOBCOS,目前已有数十家企业基于FISCOBCOS平台,聚焦区块链应用场景的落地,在包括供应链、票据、数据共享、资产证券化、征信、场外股权市场等场景进行实践。

3)BaaS

BaaS通常是一个基于云服务的企业级的区块链开放平台,可一键式快速部署接入、拥有去中心化信任机制、支持私有链、联盟链或多链,拥有私有化部署与丰富的运维管理等特色能力。BaaS目前可广泛应用于金融、医疗、零售、电商、游戏、物联网、物流供应链、公益慈善等行业中,重塑商业模式,提升客户在行业内的影响力。

目前,大公司在BaaS方面的动作更加活跃,因为它们都有自己的云服务,并且生态体系内的业务场景丰富,适合根据具体的业务场景来试错和反推平台服务。此外,由于公有链的共识机制导致系统效率低下,而BaaS是基于对大公司的平台信任,去构建部分去中心化或者弱中心化的架构,从而在一定程度上达到可信化和效率的兼顾。BaaS服务将用户对公有云或者大公司的品牌信任注入到平台中,能够加快区块链的普及,降低用户的使用门槛,扩大区块链的使用场景。

腾讯区块链BaaS开放平台,定位于打造领先的企业级区块链基础服务平台,帮助客户从业务的角度理解区块链,专注于帮助企业快速搭建上层区块链应用场景。腾讯区块链以“区块链+”的战略定位,致力于连接应用场景,针对供应链金融、物流信息、公益寻人、法务存证、医疗处方等应用场景的痛点,推出行业级区块链解决方案。目前,腾讯区块链BaaS开放平台提供共享账本和数字资产两大业务模型。共享账本模型主要适用于解决信息不对称、提供存证证明等需要进行信息有效性共享的场景。数字资产模型主要针对可数字化的资产交易场景,通过与业务场景中进行有机结合,能够有效防止数据篡改,进行完整追溯,规避数据伪造风险。

华为云区块链服务BCS聚焦于区块链云技术平台建设,帮助企业在华为云上搭建企业级区块链行业方案和应用,共同推动区块链应用场景落地,打造基于区块链的公共信任基础设施和共赢生态。BCS基于华为云领先的云原生技术(如容器等)搭建,可最快5分钟完成区块链部署,同时提供多种安全、高效共识算法,用户可以在2000+TPS和10000+TPS共识算法上根据业务需求和场景进行选择。

基于华为云全栈安全能力,BCS服务通过分层加密、国密支持、同态加密和零知识证明等安全技术,全面保护区块链系统的账户、节点、账本和数据,确保用户和交易信息安全。目前,BCS主要专注4大类9小类应用场景,包括数据资产、IoT、运营商和金融领域等,如:身份认证、数据存证/交易,新能源、公益捐赠、普惠金融等。

公有链与联盟链/BaaS虽然采取了不同的策略和发展路径,但是两者依然会长期共存,甚至有些平台最后可能会殊途同归,或者通过跨链技术将分散的联盟链系统与公链相连接,形成更大范围的价值互联网产业生态。

2.数字资产存储

区块链产业的发展需要有新型的数字资产存储方式,这就催生了数字钱包的诞生。对于数字钱包来说,安全性需求永远是排在第一位的。近几年,数字资产安全问题屡见不鲜,数字钱包作为区块链产业链上一个重要环节,需要打造更加安全可靠的存储环境。此外,对于普通用户来说,数字钱包的使用门槛依然很高,便捷性和易用性亟待提升。这些需求均在推动着数字钱包的不断迭代更新。

数字钱包提供钱包地址的创建、数字加密资产的转账、钱包地址的历史交易查询等功能。数字钱包按照密码学原理,可以创建一个或多个钱包地址,每个钱包地址对应一个密钥对:私钥和公钥。在数字加密资产的世界里,私钥是最重要的,它是数字加密资产所有权的唯一凭证,因为公钥和地址均能通过私钥推导出来。因此,私钥的生成和存储方式决定了数字加密资产的安全性,而数字钱包的主要作用就是帮助用户管理和使用私钥。另外,为了降低用户的使用门槛,助记词则成为明文私钥的另一种表现形式,它是为了帮助用户去记忆复杂的私钥,增加便捷性。

安全是数字钱包的根基,一个安全的数字钱包应该能在任何时候都让用户的私钥/助记词处于安全保护之下。在此原则下,加密数字钱包的设计应遵循以下安全体系:基础安全体系(存储安全、网络安全、内存安全、安装包安全)、密钥管理安全体系、开发流程安全体系和用户行为安全体系。

目前,数字钱包类型主要分为冷钱包和热钱包等。冷钱包就是不联网的钱包,也叫离线钱包;热钱包就是保持联网上线的钱包,也就是在线钱包。冷钱包不联网会比热钱包更安全,因为它能保证私钥不接触网络,从而防止私钥被黑客窃取。IT桔子的数据显示,截至2018年3月底,中国开发数字钱包的相关公司数量大约有15家,基本上都是以开发热钱包为主。

此外,去中心化也是区块链领域数字钱包发展的一大特点。中心化钱包和去中心化钱包的最根本区别就是,私钥是否自持。去中心化钱包的特点包括:第一、私钥是用户自持,当然密码也是用户自持;

第二、资产是存储在区块链上,而不是托管在中心化的服务器上,并且目前也无需实名认证,即可生成钱包;第三、无法实现“账户冻结”、“交易回滚”等操作。因此,去中心化钱包很难遭受黑客的集中攻击,用户也不用担心钱包服务商出现监守自盗的情况

例如:猎豹移动在海外推出移动安全数字资产安全钱包SafeWallet,主打区块链客户端安全保护,解决钱包类产品安全问题。功能上可发送和接收数字加密资产、管理多个钱包、多链支持、多种

钱包导入方式、实时资产价格、最优的交易费用算法、区块链知识学习及测试等等。该钱包引入了三层安全防御体系(用户行为安全、手机防御安全、资产安全管理),并有良好的易用性和安全专业能力。能方便用户更好地保护和管理他们的数字加密资产。

imToken是一个去中心化的数字钱包,用户可以独立生成钱包、导入钱包、存储密钥、助记词备份、转账等,并且不需要在服务器层面和imToken做任何交互。imToken在服务器上不会存储用户的密钥、助记词等敏感信息,该信息均存储在用户自己的手机上,同时在开发层面关闭了iCloud等云同步功能,用以保护用户敏感信息。转账操作方面,用户可以在个人设置里面自由选择区块链节点服务。此外,imToken在用户风控系统方面所做的工作还包括:给用户设置准入门槛,用户需要完成钱包风险测评题才能被允许使用imToken产品;建立了恶意钱包地址库、恶意网址库、风险合约库等,imToken在发现用户向恶意地址转账、使用恶意网址或者风险合约时,给予及时的提醒和阻止,最大限度保障用户的资产安全性;建立了区块链的安全事件库,当发生新的安全漏洞或钓鱼事件时,imToken给予用户及时的推送提醒,向用户普及区块链安全方面的知识等。截至目前,imToken拥有300万活跃用户,覆盖全球200多个国家和地区,国外用户占比30%。

北京库神信息技术有限公司自主研发的硬件冷钱包,是一款基于智能操作系统的区块链资产存储设备,可存储多种区块链资产。库神钱包系统采用冷热分离架构,二维码通信方式让私钥不触网,彻底根绝私钥被黑客窃取的风险。钱包由两部分组成:硬件冷钱包(冷端)及库神APP(联网端),冷端主要负责构造交易并对交易进行数字签名,库神APP负责查询地址余额及广播发送交易。冷端接触私钥,但不接触网络。库神APP接触网络,但处理的都是区块链公开透明的信息,无安全风险。

随着全球范围内黑客攻击的日益增加,对于钱包安全性的挑战将会越来越大,钱包公司需要通过对产品和技术的不断迭代更新,来为用户的数字加密资产保驾护航。

3.区块链技术解决方案

区块链解决方案主要是指在底层平台的基础上进行扩展,目的是便于开发者基于区块链技术开发出产品和应用,或者是服务商直接为客户提供针对具体业务场景的解决方案。

例如:中钞区块链技术研究院推出的络谱区块链登记开放平台基于底层自主开发的区块链技术——开放的许可链建立了6层信任金字塔模型,即基于区块链账本的可信记录、基于国家授时中心的可信时间、基于数字证书的可信身份、基于数字签名的可信行为、基于智能合约的可信关系,以区块链技术锚定构建多维度的数字网络社会,并为该络谱生态中的所有伙伴提供存在性证明、完整性证明、身份证明、时间戳证明、数据关系证明和凭证登记流转等能力。同时,联合各合作方对数字身份、可信数据、数字凭证进行可信登记,向调用这些信息的第三方提供存在性、完整性、身份、时间戳、数据关系和凭证登记等信息。这些信息具备可验证、可审计、可追溯、不可篡改等特性。络谱提供的服务不仅包括信息数据的登记、存证等业务,还可以在众多合作场景中取得广泛应用,实现区块链上的各要素之间实施互动,如政务处理、司法鉴定、信息溯源、安全防伪等;为政府、司法机构、公益组织和企事业单位提供便捷安全的信息服务和流程再造的技术支持。例如,针对身份与凭证相互关系的数字凭证权属变更、针对身份与数据相互关系的认证与授权、针对凭证与数据相互关系的审计服务、针对处置与数据相互关系的决策与投票等。目前该平台对社会各界开放注册,从发布以来已注册企业超过一百多家。

北京众享比特科技有限公司积极开展自主创新,获得38项软件著作权,并已申请35项核心专利,借助区块链技术优势和沙计算网络平台,从接入安全、通信安全、存储安全、交易安全四个维度构建去中心化的网络安全体系。采用独特的内容寻址和P2P通信技术提供安全高效的去中心化网络服务,通过区块链技术实现公信透明的数据存储和智能合约应用。此外,众享比特推出基于区块链的数据库应用平台——ChainSQL,将区块链技术与传统数据库技术结合,打造不可篡改、安全、一致、低成本的数据库,推动了数据库技术的演进。在金融领域,众享比特研发出区块链清分管理平台、信用证管理平台、保函管理平台等以科技创新推动金融服务变革,提升金融服务效率,降低金融服务成本。在监管层面,众享比特针对各行业的监管需求推出区块链交易监管平台、审计数据报送平台、医疗数据审计平台等系列产品,通过对现有系统进行技术升级,解决审计数据不真实、监管工作难开展等实际问题。已展开实践的案例包括:中信银行的区块链信用证业务、江苏银行的区块链票据业务和基于区块链的供应链金融平台、建设银行的区块链保函平台、苏宁的区块链黑名单共享平台、南京银行的区块链清算系统、株洲市政府区块链敏感数据审计平台、公安视频区块链存证系统等。

联动优势科技有限公司自主研发的优链(UChains),是面向行业联盟链场景而设计的底层区块链平台,采用独创共识算法及异构多子链架构等,支持广域网、大范围全网共识,支持超大账本和在线数据,满足复杂场景下大业务量和持续化运营需求。针对当前小微企业和个体工商户群体融资难、融资慢、融资周期长的问题,联动优势基于优链,使用区块链技术记录从境外电商平台中采集的境内供应商的订单状态、境内供应商的融资请求、每一笔融资的状态变化、还款状况。再对境内供应商的跨境贸易应收款进行质押授信:首先,严格控制总体授信额度,防止超额融资;其次,授信额度可以无限拆分,从而允许供应商多次融资;最后,授信额度随还款情况进行动态调整。从而对相关合作伙伴提供供应商的信誉等级等方面的可信数据服务。目前,该平台已经上线近半年,保持7×24小时稳定运行,服务WISH电商平台的卖家过万。在2017年末,联动优势跨境结汇业务的月交易额较年初呈现约10倍增长。此外,联动优势与北汽福田达成战略合作,共建汽车行驶大数据网络平台,依托联动优势的区块链、大数据及云服务等技术资源优势,从汽车产品的研发、制造到客户应用全方位搜集、存储、分析及共享相关信息,为福田汽车、行业客户、经销商及供应商、合作伙伴、政府部门等提供车联网整体解决方案。

(二)区块链硬件制造和基础设施

区块链硬件制造和基础设施起源于区块链的共识机制之一——POW(ProofofWork,工作量证明机制),即全网计算节点通过算力竞争记账权,来获取经济奖励。此外,分布式记账是区块链的核心特征之一,而区块链硬件设备充当了记账节点的功能。随着区块链的价值体现,参与竞争记账的人数越来越多,造成全网算力的难度呈现出指数级上升,这对区块链硬件设备的产量和性能都提出了更高的要求,推动这个行业持续创新发展,转型升级,在国际上取得了领先地位。

1.算力难度上升和记账节点增加推动区块链硬件制造产业蓬勃

发展区块链硬件制造的核心在于芯片的计算能力,因此在算力难度提升的情况下,竞争记账也经历了最早从个人计算机上的CPU(中央处理器)记账,到GPU(独立显卡)记账,再到专业矿机的诞生,以及专业矿机又从FPGA(可编程门阵列)过渡到ASIC(专用集成电路)等。区块链硬件制造在算力难度不断增加的驱动下蓬勃发展,芯片计算能力不断提升,它是整个区块链产业发展的基石。同时,计算力的提高也推动了其他领域的发展,例如:人工智能领域就十分依赖计算力,人工智能芯片TPU也同样是ASIC芯片,依靠区块链硬件设备起家的比特大陆和嘉楠耘智就在去年发布了AI芯片。

在区块链硬件领域,中国的相关公司具有绝对优势,全球大部分区块链硬件均由中国厂商生产。世界排名前三的区块链硬件设备厂商比特大陆、嘉楠耘智和亿邦科技,均是中国公司的。在算力的军备竞赛下,谁的区块链硬件算力更强,就能抢占更多的市场份额。芯片的设计和研发能力,是这场军备竞赛的决定性因素,因此,非常有力地促进了我国专用芯片设计产业的创新发展。

例如:比特大陆是一家自主设计和研发的高性能计算芯片企业,生产销售区块链硬件设备,并有矿池、云端挖矿平台及AI芯片。比特大陆区块链硬件设备的产生源于区块链的共识机制之一“POW(工作量证明机制)”,公司研发的区块链POW计算芯片处于国际领先地位,市场占有率位列国际第一。比特大陆的核心竞争力在于能设计出单位耗电量内,运算效率最高的挖矿芯片,并坚持在研发方面高投入并逐渐形成垄断竞争优势。同时,公司开始发展AI芯片业务,经过两次迭代,目前已达到国际一流水平。

嘉楠耘智的主营业务是专用集成电路(ASIC)芯片以及衍生设备的研发、设计及销售,并提供相应的系统解决方案和技术服务。其量产芯片的热密度超过每平方毫米1瓦,是目前顶级GPU(Nvidia/AMD)和CPU(Intel)通常热密度限制的2倍,且无可靠性问题。此外,嘉楠耘智发布了全球第一款量产人工智能芯片KPU(KnowledgeProcessingUnit),该芯片卷积计算性能是目前主流CPU芯片(ARM)的1000倍。截至2017年12月底,嘉楠耘智累计售出基于28nm以及16nm技术芯片设备总算力约为2000P,占同期公有区块链全网新增算力的25%以上,并且是台积电(全球最大晶圆代工厂)中国北方区最大客户。

2.区块链计算中心成为主流,共享计算模式落地应用

由于全网算力难度的上升,个人充当记账节点的时代也早已在算力竞争愈演愈烈中宣告结束,区块链计算中心开始成为主流,它为整个区块链产业的发展提供算力资源。区块链计算中心主要由矿池组成,其最基本职能就是将个人的算力聚集起来参与竞争记账。在经历了激烈的竞争以后,矿池的垄断效应越来越明显,很多小的矿池已经在这场游戏中被淘汰。

另外,共享计算的新型云计算概念被迅雷公司提出,它是一种以区块链技术为基础,通过已授权的智能硬件设备记录、汇总社会普通家庭中闲置的带宽、存储、计算等资源,并通过跨平台、低功耗的虚拟化技术,以及节点就近点对点访问的智能调度技术,提供实现更快、更易扩展、更环保的计算资源。通过基于此类智能硬件作为桥梁,可以把个体用户的闲置带宽、存储、算力等资源汇聚成能够为企业使用的优质资源,将企业和个人连接在一起,让个体用户的资源可以为企业所用。例如:迅雷在2017年推出中国首个共享计算场景下区块链应用——玩客奖励计划。通过玩客云智能硬件和区块链技术的结合,迅雷使共享经济业务规模实现跨越式增长,目前服务于上百家企业,有效降低了企业的运营成本,同时也改善了用户的互联网应用使用体验。

截至2017年12月,迅雷通过共享计算为全社会节约了价值15亿元的带宽资源,相当于节省6000万度电,减少50250吨二氧化碳排放,预计这些数字在2018年还将显著提升,对于贯彻落实宽带网络提速降费、节能减排等有关国家战略作出积极贡献。截至2018年4月16日,迅雷通过玩客云与区块链技术构造可信任的共享计算生态,通过区块链技术促使共享经济模式形成规模化的商业应用,可以为全社会提供150多万个加速节点,超过1500PB的海量存储空间、30Tb/s的储备带宽,可以满足企业对存储、网络加速、边缘计算、函数计算等各类需求,有效提升了社会资源的利用效率。

上海璧碚符木数据科技有限公司自主研发的RRChain基于区块链技术收集并利用个人电脑和智能终端的剩余算力。基于RRChain的算法特性,使得用户参与哈希计算的操作门槛可以降至最低。通过闲置的CPU进行包括哈希计算在内的各种运算,达到广泛吸引普通用户参与,广泛收集剩余算力的目的。收集起来的剩余算力可以用于科学研究、大数据分析、算法模型训练等等不同领域。

金准人工智能 量子计算机调研报告 2018-05-21 11:42:32

前言

量子计算行业调研报告,解读技术发展现状和潜在应用,分析其可能带来的行业影响和高潜力的早期应用,以及企业需要考虑的对策。

一、量子计算简明手册

 

量子计算机即根据量子物理学来构建的计算机,能够完成当前的经典计算机无法解决的信息处理和存储任务。

当然,不是所有人都需要这种计算能力,量子计算主要针对数据密集型应用,比如搜索、加密、机器学习等,以及制药、化学、能源等领域的建模。未来,由量子计算机和经典计算机组组成的混合系统将轻松解决当下看来相当棘手的问题。

目前,量子计算的发展进程相当于早期的二进制计算机,即机械计算机、真空管和半导体之争的阶段。

金准人工智能专家认为,量子计算将在接下来的25年间经历三代发展,走向技术成熟。其中,初代量子计算将被企业用于解决特定的实际业务和研发需求。金准人工智能专家预计,到2030年,量子计算的应用市场规模可达500多亿美元,当然,这得基于逻辑量子比特的制造和集成能力达到基础量子计算所需的最低要求。

这并不容易,仅量子模拟为例,就需要约150个可纠错、高保真的逻辑量子比特。所谓的单个逻辑量子比特,往往对应着数十甚至上千的物理单元(物理量子比特)。此外,多量子比特系统的有效测量方案也有待研究。

现在,量子计算的主要玩家有IBM(最近公布了自家研发的20比特量子处理器和49比特模拟器)、谷歌(发布了72比特处理器Bristlecone),以及英特尔、微软、麻省理工、耶鲁、牛津等。

 

二、量子计算的三类优势

量子计算为解决一些问题提供了巨大的速度优势

实现量子计算商业应用有两个先决条件:拥有足够数目量子比特的处理器,和解决各类应用背后数学问题的量子算法。事实上,密码学、机器学习等领域的相关算法已经存在,处理器也在积极研发中。

相比于经典计算,量子计算有以下三类(不同任务下的)速度优势:

1.显著的速度优势

经典计算机是按顺序运行的,这对于大型、复杂的问题就很困难,比如大数因数分解(破解最常见的密码体系)。相比之下,量子计算机相当于提供了一个天然的并行运算,能够同时试验多个可能的解,比已知最快经典算法有“指数型(超多项式)”加速。(为应对量子计算破密,中国已经发射量子通讯卫星进行防御。)

这种运行加速的优势可以还用于只要和化学研发。目前,对于分子间相互作用的模拟计算复杂程度随着分子数目的增加呈指数性增长,就跟求大数因数分解似的。根据费曼(Richard Feynman)的观点,量子处理器可以一次性考虑所有的可能交互,并求解最低能量状态,即对应实际的分子交互模式。

基于此,金准人工智能专家预测2030年的,在制药行业,量子计算市场规模将达200亿美元,化学、材料科学等科技密集型产业的规模将达70亿美元。

2.温和的速度优势

面向非结构化的搜索任务,包括一些机器学习的应用,运算时间也会随着问题规模指数性增长。此时,量子算法,如Grover搜索的优势就体现出来了。Grover搜索利用量子态的纠缠特性和量子并行计算原理,运算时间仅随着问题规模线性增长。

今天,大规模的搜索和机器学习问题是通过大量的、并行的、专门的GPU来解决的。参考GPU霸主英伟达的业绩,金准人工智能专家预测,到2030年,此类取代基于GPU的算法应用规模将超200亿美元。此类基于量子计算平台的搜索优化应用,很可能就是驱动谷歌、IBM投入研发的主因。

3.不明确的速度优势

当前的经典量子计算在解决路由运输和物流优化等复杂操作或网络的问题是,已经显现了良好的性能,尽管量子计算方法可能解除现有运算的极限,但据调研,企业基于现有算法的可用性,并不认为有必要关注其潜能。因此,未来量子计算能否在此类问题中开启新的价值,尚不明确。

三、量子计算三级跳

量子计算目前最主要的技术挑战就是构建足够数目的逻辑量子比特来实现运算,以及足够多的物理量子比特数目来保证逻辑量子比特的可用性,实现纠错。

目前,量子计算主流的实现平台有超导、离子阱和半导体(以及光学系统)。为评估每种系统对应的市场发展和应用规模,金准人工智能专家对不同尺寸量子计算机的使用进行了等效的“摩尔定律”分析(即量子计算可扩展性)。

量子堆栈及其业务模型(量子计算技术堆栈将有多个层)

基于量子计算的“等效摩尔定律”(物理量子比特集成数目约每两年翻一番),预计量子计算机将经历三代发展:

1、2018到2028年,工程师们将研发出可用于低复杂程度的量子模拟问题的非通用量子计算机。

2、2028到2039年,逻辑量子比特数量将扩展到50多个,并实现所谓的“量子霸权”,更快速的执行特定算法的应用程序,主要包括分子模拟、研发和软件开发等,创造巨大的市场潜力。量子信息处理将进一步发展,企业对量子模拟方法变得更为熟悉。

3、2031到2042年,量子计算机将在模拟、搜索和运算中执行高级功能,实现各类商业应用,对比经典计算机具有明显的优势。预计二代、三代量子计算机发展的交界处,就是量子计算超越经典计算(在特定应用中)的临界点。预计2030年之后,量子计算的发展将显著加速。

四、初代量子计算应用在望

尽管大型的、高级的量子计算应用看起来似乎还得几十年,但企业高管们是时候开始了解初代量子计算的可用性了,特别是在接下来的几年,有些可能的应用来的可能比我们预期的快。

在这段时间里,一些有限的量子计算功能将出现在企业应用中,如化学领域中相对简单的分子(模拟亚原子水平)和特殊的优化。企业将在实际使用中逐渐熟悉量子计算方法和工具。事实上,IBM和微软在发展量子计算社区、量子计算模拟器,以及易于使用的工具包。

随着量子算法、编程语言、可用的云端量子处理器的到来,开发者将逐步将其合并到软件解决方案中,与经典算法结合起来实现混合计算系统。这个学习阶段很关键,特定领域的工作者将借此提高意识和经验,加速走向量子霸权。

制药研发中的复杂分子发现对应着150-300亿美元的量子计算市场机会

部分制药行业的高管预估,量子模拟可将药物发现率提高5%到10%,并优化(节约)15%到20%的研发时间。与此同时,他们还认为更优的分子设计将推动药物审批效率。

一家大型制药公司的研发部门副总指出:在原子水平上,目前的高性能计算无法处理大多数的模拟,量子计算可以成倍的提高药物发现概率。在美国,如果复杂的量子模拟是可行的,有10%的公司愿意为其承担费用,这对应着150亿到300亿美元的量子计算市场机会。事实上,目前全球高性能计算的市场规模是100亿美元。

此外,量子计算还可以用于无序搜索、机器学习算法数据集,从而释放数据的价值。对于物联网时代,数以百亿计的设备将数据的规模带到了一个全新的水平。

对于某些问题,寻找解决方案需要尝试和错误,同时测试潜在的解决方案。如果我们的问题规模对应着100万条路径,一个二进制计算机平均需要50万次才能找到正确的解,但一个运行Grover搜索的量子处理器只需要1000次尝试,快了500倍。

这些问题,就对应着机器学习,即在大型数据集和大量的数据上进行培训,通过试错和监督学习完成对象检测和识别等任务。目前机器学习/人工智能基于并行的低成本的GPU,但量子计算将加速数据处理,扩大数据容量。随着更多量子算法的发现,量子计算预计将在2030年渗透200亿美元的高性能机器学习计算市场。

 

五、技术的今天和明天

Gartner2016 新兴技术炒作周期曲线图

金准人工智能专家指出,从原理上来看,与经典量子计算相比,量子计算主要有着三点不同:

1、比特状态的不同

二进制计算机使用二进制比特/位(bit):1和0,也就是人们常常理解的开和关。而量子比特(qubit)的1和0的状态可以同时存在,即叠加态。

2、比特操作的不同

经典计算机的比特操作是分开的,而量子计算机可以实现量子纠缠,即操作一个比特,同时及将影响与该比特纠缠的其他所有比特的状态。

3、工作方式的不同

经典计算机是按顺序进行运算的,而量子计算机可以同时计算所有的可能性,并通过参数设置干预,筛选出正确的解。

除了待掌握的新的工作原理,对于工程师而言,量子计算目前的实用性还有几个麻烦:主流的超导量子计算需要极低温运行条件(接近绝对0度);现有的量子比特很难维持自身的状态,容易受到各类环境影响产生错误(这也就是为什么需要极低温和极好的信噪分离),由此引发保真度问题、退相干问题等,且目前尚无完美的量子纠错方案。事实上,目前看来,对于大型可实用的量子模拟,单个逻辑量子比特可能需要3000来个物理比特。

 

尽管现在的量子计算机看起来笨重,但经典计算机也是这么一步步走过来的。

目前,部分量子计算技术正在达到可用性的阈值,离子阱和超导量子计算已经步入商用。离子阱量子计算的高品质量子比特,使其在关键领域商用进程和成本方面都优于超导量子计算。2017年末,研究者成功制备了14比特纠缠的离子阱量子计算系统,能够以99.9%的可靠性执行特定的运算。同等性能的超导系统为9比特,99.4%可靠性。

如果用“等效量子计算摩尔定律”(不考虑纠错算法的进展),离子阱技术将在2040年实现150逻辑比特系统,满足主要的量子模拟应用所需。如果将纠错算法的进展考虑近来,时间线可能往前推个十年,2028到2030年就能实现规模和成本方面皆可用的量子模拟应用。

事实上,微软正在做基于拓扑的1:1(单个物理比特就能组成一个逻辑比特)的量子计算,但暂无原型。因此,金准人工智能专家认为初代量子计算的市场主流很可能是离子阱系统。当然,离子阱量子计算机也有很多待解决的问题。

一旦建立了技术可行性,我们将看到S型曲线的采用模式(新兴技术炒作周期曲线图)。考虑到量子处理在不同领域的优势程度和解决问题的算法成熟度,加上可行的平台即服务模式,金准人工智能专家预计量子计算五年内在显著的速度优势领域可达到70%的普及率(参考GPU在机器学习领域的采用率),未来15年在温和的速度优势领域可达到50%的普及率。不明确的速度优势领域,量子计算采用的会比较慢,可能15年后普及率不到25%。

总的来看,参考目前的消费电子市场规模,保守估计(不考虑量子纠错算法的进展),量计算应用市场规模2035年将达20亿美元,之后暴涨,2050年飙至2600多亿美元;乐观估计(考虑量子纠错算法的进展),2035年将达600亿美元,2050年飙至2950亿美元。

量子计算市场规模预测(技术里程碑将决定市场增长速度)

 

六、致高管的小建议

量子计算不是对所有人都有意义,但对于数据密集型行业工作者而言,量子计算在大型复杂问题中的先进性有望推进研发进程,拓展业务边界。目前,BASF(世界最大的化工厂)、VW(大众)、Airbus(民机制造商)等大佬均以入坑。

入坑的第一步,就是建立对IBM、微软等公司提供的量子计算平台、工具和算法的概念性理解和经验累积。QxBranch、QC Ware、1Qbit等算法开发公司正在为量子计算的多领域应用寻找可能性。企业可能还得找研究大牛合作,事实上IBM就抱着MIT的大腿。

特别点明下制药和化工企业,他们应该开始探索使用量子处理器进行分子模拟的方案了(IBM已经用量子计算准确地模拟了迄今为止最大的分子:铍氢化物BeH2)。企业们应该从量子计算下手寻找研发突破,鼓励研发人员用搜索、神经网络和优化算法加速工作,并将其发展为行业竞争优势。

 

总结

金准人工智能专家认为,量子计算作为下一代信息技术的关键,和当前物理学前沿研究的重大科学问题,已经引发了各国政府和产业界的关注,其硬件和软件方面都有着积极进展。有两个基本问题可能需要澄清一下:量子计算机并不能取代经典计算机,我们还没有研发出通用量子计算。而金准人工智能专家在报告中多次点名制药公司,一方面是量子模拟在制药公司的药品研发过程中能起到有效的加速,另一方面是制药公司有研发投入和获取回报的能力。因此,制药很可能成为量子计算的商用突破口。


金准人工智能 AI与算力分析报告 2018-05-18 17:19:42

前言

人工智能是一门计算机技术,主要让计算机去替代人来完成部分工作。如今主流的技术主要是指使用深度学习等算法来实现替代人工,完成大量简单重复性劳动。

虽然人工智能概念的提出已有将近60年了,但之前的发展速度一直偏慢,主要原因是无论方法如何进步,实际使用效果依旧差强人意。从2015年起,人工智能迎来了真正的大爆发,这在很大程度上与GPU的广泛应用有关。

人工智能的高速发展将为各个产业带来翻天覆地的变化。目前很多商业领域已经采用人工智能,尤其在谷歌、百度这样的公司,在它们的搜索、推荐、广告等领域都已使用了类似机器学习的技术。

2012年以来,AI训练任务所运用的算力每3.43个月就会翻倍,这一数字大大超越了芯片产业长期存在的摩尔定律(每18-24个月芯片的性能会翻一倍)。自2012年以来,AI算力增长了超过 300,000 倍(而如果是以摩尔定律的速度,只应有12倍的增长)。

硬件算力的提升一直是AI快速发展的重要因素。因此,金准人工智能专家表示,如果我们希望目前的发展趋势持续下去,我们就需要为研发远超当前算力的全新系统做好准备。

一、为何要从算力角度来看AI的发展?

推动AI发展的动力有三个:算法、数据、算力。算法是否有创新发展难以量化跟踪,而数据的巨大体量也难以计算,但算力是可以量化的,这为我们探究AI的发展进程提供了机会。

1.人工智能高速发展的基础是算法、数据和硬件算力

算法、数据和硬件算力组成了人工智能高速发展的三要素。人工智能的实现所需要具备的基础,第一个是优秀的人工智能算法,比如现在最流行的深度学习算法,就是近期人工智能领域中最大的突破之一,为人工智能的商业化带来了希望;第二个是被收集的大量数据,数据是驱动人工智能取得更好的识别率和精准度的核心因素;第三个是大量高性能硬件组成的计算能力,以前的硬件算力并不能满足人工智能的需求,当GPU和人工智能结合后,人工智能才迎来了真正的高速发展。从目前情况看,以上三要素缺一不可。

为什么人工智能近两年才开始爆发?主要是因为直到今日,人工智能的算法、数据和硬件才满足了人工智能的基本需求。算法方面,以人脸识别为例,在2013年深度学习应用到人脸识别之前,各种方法的识别成功率只有不到93%,低于人眼的识别率,因此不具备商业价值。而随着算法的更新,深度学习使得人脸识别的成功率提升到了97%,这才为人脸识别的应用奠定了商业化基础。第二,在数据方面,进入互联网时代后,出现了大数据的高速发展与积累,这为人工智能的训练学习过程奠定了良好的基础。比如,在AlphaGo的学习过程中,核心数据来自互联网的3000万例棋谱,而这些数据的积累是历经了十多年互联网行业的发展。所以直到今年,基于深度学习算法的AlphaGo才取得突破性进展。离开了这些棋谱数据的积累,机器战胜人是无法实现的。第三点是硬件的算力。在二十年前,一个机器人,当时是用32个CPU,达到120MHz的速度。现在的人工智能系统使用的是成百上千个GPU来提升计算能力,这使得处理学习或者智能的能力得到比较大地增强。之前用CPU一个月才能出结果,然后再去调整参数,一年只能调整12次,也就是有12次迭代。GPU产生后,大幅提升了计算量,现在用GPU可以一天就出结果,这样可以迭代得更快,这是技术大幅发展的条件。

2.大数据迎来爆发式增长 现有算力无法匹配

互联网时代下的大数据高速积累,现有计算能力无法匹配。全球的数据总量正以飞快的速度增长,根据IDC的数字宇宙报告,全球所有信息数据中的90%产生于近几年,数据总量正在以指数形式增长。从2003年的5EB,到2013年的4.4ZB,并将于2020年达到44ZB。也就是说,2020年每个人可以均摊到5200GB以上的数据量。而且到2020年,将近40%的信息都可能会被云提供商“触摸到”;约三分之一的数据,即超过13000EB的数据将具有大数据价值。基于现有的计算能力,在如此庞大的数据面前,人工智能的训练学习过程将变得无比漫长,甚至完全无法实现最基本的人工智能,因为数据量已经超出了内存和处理器的承载上限,这将极大限制人工智能的发展和应用。

3.摩尔定律趋于极限 经典计算瓶颈需要被打破

摩尔定律趋于失效,经典计算机的计算能力到达瓶颈。对于目前的经典计算机,处理器的计算性能已渐渐远离摩尔定律,因为CPU中晶体管的数量无法实现每两年翻一番的预期。主要原因是现有芯片设计工艺已达到10纳米,预计2020年到达2纳米。这个级别上的晶体管只能容纳10个原子,电子的行为将不再服从传统的半导体理论,此时晶体管将变得不再可靠。

 

摩尔定律到达瓶颈后,提升算力的方式只能靠增加芯片数量。目前,面对单个芯片的算力瓶颈,人们普遍的做法是做加法,即增加计算集群中芯片的总数量,来提升运算处理能力。比如:要计算1+1和2+2两个任务,对于单个芯片而言,就需要消耗两单位的计算时间,逐个完成这两个任务。而同时使用两个芯片的话,经过一定程序上的优化,可以实现在一个单位的计算时间内,完成这两项计算任务。

金准人工智能专家认为,虽然使用大量的算力暴露出了当前AI算法不够高效的问题,但是,重要的技术突破依然必须在足够的算力基础上才能实现。所以,从算力的角度来审视AI的发展是合理的。

在算力的分析中,金准人工智能专家认为起决定作用的数字并不是单个CPU的速度,也不是数据中心的最大容量,而是用于训练单个模型所需的算力——这一数值最有可能代表当前最佳算法的强大程度。

以模型计的算力需求与总算力有很大不同,因为并行计算的限制(硬件和算法上)使得模型不可能太大,训练的效率也不会太高。

金准人工智能专家发现,目前,算力发展的趋势是每年大约增加10倍。这种增长的实现,部分是因为有更为专业的硬件(如GPU和TPU)使得芯片每秒能够执行更多操作,但主要还是因为有研究人员们不断寻找更好的并行计算方法,并花费大量资金才实现的。

二、如何计量算力?

AI深度学习模型需要耗费大量时间和算力,若有足够的信息,就可以估计出已知训练结果的总算力需求。

这份分析报告中,我们使用petaflop/s-day(pfs-day)作为算力的计量单位。一个单位的petaflop/s-day(pfs-day)代表在一天时间内每秒执行10^15 次,总计约为10^20次神经网络操作(operations)。这种计量方法类似于电能的千瓦时。

我们不测量硬件FLOPS数的理论峰值,而是尝试估计执行的实际操作数量。我们将任何加法或乘法计为单个操作,而不考虑数值精度,同时忽略集成模型。

通过金准人工智能专家的计算,目前每次算力翻倍的时间为3.43个月。

三、算力发展的时期特征

以下两张图表展示了最为人熟知的几个AI机器学习模型以petaflop/s-days计的计算总量,即其所需的算力。

 

几个最为人熟知的AI机器学习模型以petaflop/s-days计的计算总量,即其所需的算力

从图表中我们可以发现AI算力发展分为4个时期。

2012年之前:使用GPU进行机器学习还不常见,因此,在这个时期,图中显示的最小算力都难以达到。

2012年-2014年:使用很多个GPU进行模型训练的基础架构还不常见,这个时期多使用1-8个速度为1-2TFLOPS的GPU进行训练,可达到0.001-0.1 pfs-days的算力水平。

2014年-2016年:普遍使用10-100个速度为5-10 TFLOPS的GPU进行大规模的模型训练,可达到0.001-0.1 pfs-days的算力水平。这个时期的数据说明,减少数据并行化的返回值带来的收益会递减,这意味着更大规模的模型训练带来的价值是有限的。

2016年-2017年:出现可以实现更大规模算法并行化的方法(如较大的批量规模、架构搜索和专家迭代)以及使用专用硬件(如TPU和更快速的网络连接),极大地突破了算力的限制,尤其是对某些模型来说。

AlphaGo Zero和AlphaZero是大家熟悉的大型算法并行化例子,而很多其他同等规模的应用现在在算法层面上也是可行的,而且也可能已经投入了应用。

四、量子计算:人工智能的革命性算力

量子计算机有望提供更强的计算能力。量子计算机提供了另一条增强计算能力的思路,它的并行计算的特性,使得它可以一次同时处理多个任务,有望实现计算能力上的超越。

1.量子计算的算力呈指数级增长

量子计算的核心优势是可以实现高速并行计算。在计算机科学中,无论经典计算还是量子计算,他们的计算功能的实现都可以分解为简单的逻辑门运算。简单来讲,每一次逻辑门的运算都要消耗一个单位时间来完成。经典计算机的运算模式通常是一步一步进行的,它的每一个数字都是单独存储的,而且是逐个运算。所以对于4个数字进行同一个操作时,要消耗4单位时间。而在量子计算中,一个2个量子比特的存储器可以同时存储4个数字,这里一个量子态可以代表所有存储的数字。科学家通过特定设计对量子态进行一次变换,即可对4个数字同时操作,而且只消耗1单位时间。这种变换相当于经典计算的逻辑门,实现了对存储器中的数字并行运算,这被称为量子并行计算。可以看到,当量子比特数量越大时,这种运算速度的优势将越明显,它可以达到经典计算机不可比拟的运算速度和信息处理功能。

对于量子计算机,在半导体材料和超导材料等领域,科学家也已经积累了数十年的理论与经验。现在最有希望的量子计算机方案之一就是低温超导系统,它涉及了半导体材料与超导材料的应用,主要是基于硅晶体,掺杂一定量的超导材料,实现量子计算。而现有的技术积累将极大促进该方案的发展与快速突破,用更短的时间实现大规模的商业化应用。

值得注意的是,量子计算机的量子比特数量以指数增长的形式快速上升,从2003年起的1位量子比特,到2013年512位量子比特的计算机,再到2015年实现1000位量子比特。目前,非通用型量子计算机已经实现了1000位量子比特,在特定算法上,计算效率比经典计算机要快一亿倍。

2.量子计算机的全球商业化进程加速

量子计算机经过近40年时间的理论研究阶段,在2007年首次实现硬件方面的商业化。目前发展迅速的是非通用型量子计算机,而通用型量子计算机还处于起步阶段。我们认为,通用型量子计算机和非通用型量子计算机最终将在市场上共存,并共同向经典计算机的市场份额发起挑战。

“十三五”规划期间,量子计算机被我国列为重点研究方向之一,国内已有不少科研团队关注量子计算领域,他们的主要关注点在于量子算法和量子计算机的实现上。另有一些研究团队关注在高温新型超导材料等基础研究领域,这些基础研究的突破也能大力促进量子计算产业的高速发展。2016年8月,我国量子计算机研究取得突破性进展,中国科技大学量子实验室宣布成功研发了半导体量子芯片。

3.量子人工智能算法相比经典算法节省大量时间

经典计算机的计算核心使用的是中央处理器,是一种基于半导体理论设计的电子芯片,用于串行运算。而在量子计算机中,它的计算核心是量子芯片,通过量子的叠加性带来了并行运算的能力,替代传统的电子芯片。可以看到,量子计算机与经典计算机的物理实现完全不同,如果在量子计算机中使用经典算法的话,那么量子芯片将和普通电子芯片发挥基本相同的功能,只能实现串行计算。这是由于设计经典算法时,其设计思想是基于串行运算而得到的,这是经典算法自身的局限性。为此,需要设计相应的量子人工智能算法,才能实现量子计算的超强算力,这种专门面向量子计算设计的人工智能算法被称为量子人工智能算法。

4.量子计算提升人工智能效率拓展应用场景

在很多应用领域,人工智能需要拥有快速处理数据、快速响应的能力。比如智能驾驶等应用场景,对于人工智能的反应速度要求很高。再比如手机上的人工智能系统,对于数据的处理能力要求非常高,在这些应用场景中,急需人工智能的硬件系统实现可移动化和快速响应能力。

随着人工智能对硬件计算能力的需求不断提升,人工智能从单机或者小型服务器模式,逐步转型为云计算模式。目前,随着人工智能应用的发展,单机或者小型服务器模式的劣势逐渐显现。一方面,这种模式可提供的算力到达了一个瓶颈阶段,已无法满足人工智能对算力的需求;另一方面,这种模式是一次性采购的,对于用户的资金压力较大,并且后期维护成本不低,需要自己搭建相应的软件环境。现阶段一种主要的解决方案是将人工智能应用或者服务放在云端,运用云计算平台提供更加优质廉价的人工智能服务,其主要的优点是可以按照实际需求来购买计算能力,随时满足现阶段的应用需求。另外,付费模式相对弹性,按照使用状况来逐次结算费用,减轻资金压力。

在摩尔定律近乎失效的情况下,基于现有的计算能力,在如此庞大的数据面前,人工智能的训练学习过程将变得无比漫长,甚至完全无法实现最基本的功能。而量子计算机的量子比特数量以指数形式增长,也就是每两年翻一番。又因为量子计算的特点,其计算能力是量子比特数量的指数级,这个增长速度将远远大于数据量的增长,为数据爆发时代的人工智能带来了强大的硬件基础。

从服务器到云计算,人工智能的应用场景得到了极大的拓展,我们认为量子计算也将拓展人工智能的应用场景。我们认为,人工智能的发展存在三个阶段:服务器时代、云计算时代、量子计算时代。其中量子计算时代为人工智能带来的颠覆,除了在计算能力方面,更重要的是极大地增加了应用场景。

5.量子计算可实现人工智能的小型化

现在的人工智能系统使用的是成百上千个GPU来提升计算能力,这使得处理学习或者智能的能力得到比较大地增强,然而这套系统也需要庞大的硬件机柜和相配套的硬件机房。较大型的人工智能硬件系统需要将近半个足球场的占地空间,这无疑是对人工智能发展的一个重要限制。随着大数据时代的不断进步,数据将呈现指数级增长,而基于CPU或者GPU云计算的数据中心将无法满足数据爆发的需求。

目前非通用型量子计算机已经实现了1000位量子比特,在特定算法上,计算效率比经典计算机要快一亿倍。也就是如果想要实现人工智能,原来需要一千台计算机,或者需要一万台计算机的规模,现在只要用一台量子计算机就可以了。而且这个量子计算机的计算能力完全能够满足人工智能对速度的要求,也就是人工智能将不再依赖于大型服务器集群,或者庞大的云计算中心。

6.量子计算可高速处理大数据 实现人工智能移动化

目前量子计算较为成功的应用集中在大数据快速搜索,这主要是因为在这个应用领域中,诞生了优秀的量子计算算法,使得经典计算体系中无解或者趋近无解的问题,在量子计算的环境中,转化为了可解并且能快速求解的状态,使得这个领域成为目前量子计算的重要应用方向。

量子芯片的大数据处理能力将实现人工智能的移动化,主要的应用场景包括:车载智能系统、无人机的智能系统或者手机上的人工智能系统。主要可行的方案有两种:第一是它们实时收集的大量信息和传感器数据,之后传输给云端的量子计算系统,在云端实现超短时间内的快速运算,然后再将结果反馈给相应移动端,实现对移动端的控制。这种方案的优势在于可以极大节省计算的时间,提高智能系统的响应速度。另一种方案是通过自身携带的量子计算系统,可以在本地处理大量的数据,并且得到实时响应,指导汽车自动驾驶或者对手机终端反馈信息。这个系统的优势是不只节省了计算时间,还完全省去了上传和下传数据的时间。但是这种方案的不确定性在于量子芯片能否在日常环境中直接使用,比如不再要求超低温的环境等。总之,这些应用场景对于数据处理能力的要求非常高,而量子计算通过节省大量的计算时间,实现可移动化的人工智能系统,提供数据的快速响应能力。

总结

金准人工智能专家认为,人类的算力需求每3.43个月就会翻倍,每年大约增加10倍,这样的发展趋势将会继续。

很多创业公司都在开发AI专用的芯片,一些企业声称他们将在接下来一两年大幅提高芯片的算力。这样一来,人们就可以仅仅通过重新配置硬件,以更少的经济成本得到强大的算力。而在并行性方面,很多近期出现的新算法在原则上也可以结合,例如,架构搜索和大规模并行SGD。

另一方面,并行化算法的发展会被经济成本限制,而芯片效率的发展将会被物理上的局限所限制。金准人工智能专家认为,虽然如今最大规模的AI模型训练使用的硬件,仅单个硬件就要花费百万美元的采购成本(尽管摊销下来,成本已经低了很多)。但今天的神经网络计算的主体部分仍然在于推理阶段,而不是模型训练阶段,这意味着企业可以重新改装或采购更多的芯片用于模型训练。

因此,如果有足够的经济基础,我们甚至可以看到更多的大规模并行训练,从而使这一趋势持续数年。全世界的总体硬件预算是每年1万亿美元,可以看到,经济成本对并行化算法的发展限制仍然远未达到。

金准人工智能专家认为,对于这种趋势将持续多久,以及持续下去会发生什么,用过去的趋势来预测是不足够的。

但是,即使算力增长的潜力目前处于我们可以掌控的范围,也必须从今天就为研发远超当前算力的全新系统做好准备,并开始警觉AI的安全问题和恶意使用问题。

这种远见对于负责任的政策制定和负责任的技术发展都至关重要,我们必须走在这些趋势前面,而不是对这些趋势置之不理。

金准人工智能 AI芯片发展前景研究报告 2018-05-17 17:11:46

前言

智能芯片的分类有很多,一般智能芯片就相当于一个单片机,负责处理收集到的感应信号,再通过电器开关驱动电力马达,将指令传递给传动系统来完成初始要达到的效果。那么智能芯片发展前景会是怎样的呢?

近年来,AI厚积薄发,因深度学习获得突破,创业和投资的情绪高涨,全球科技巨头如谷歌、微软、苹果、IBMFacebook、英特尔等都砸入巨额投资,将人工智能视为下一个技术引爆点,包括欧、美、日本与中国大陆等国纷纷将人工智能技术纳入国家蓝图,人工智能显然已成为各国、各科技企业竞争的下一个战场。

一、AI芯片发展现状

1.中国智能芯片市场广阔

2016年,我国固定互联网宽带接入用户29721万户,比上年增加3774万户,其中固定互联网光纤宽带接入用户22766万户,比上年增加7941万户;移动宽带用户94075万户,增加23464万户。移动互联网接入流量93.6亿G,比上年增长123.7%。

互联网上网人数7.31亿人,增加4299万人,其中手机上网人数6.95亿人,增加7550万人。互联网普及率达到53.2%,其中农村地区互联网普及率达到33.1%。软件和信息技术服务业完成软件业务收入48511亿元,比上年增长14.9%。

通过对智能芯片市场前景分析,2016年全球人工智能公司已突破1000家,跨越13个子门类,融资金额高达48亿美元。整体来看,AI产业不论是行业规模、还是吸金能力都在飞速扩张中。根据金准人工智能专家预测的数据:未来五年人工智能的年复合增速36%,预计2020年将达到700亿美元。

随着大数据的发展,计算能力的提升,人工智能近两年迎来了新一轮的爆发。2016年人工智能芯片市场规模达到6亿美金,预计到2022年将达到60亿美金,年复合增长率达到46.7%,增长迅猛,发展空间巨大。从云端芯片来看,目前GPU占据云端人工智能主导市场,占人工智能芯片市场份额的35%。

人工智能(AI)与芯片发展趋势,被认为是中美贸易摩擦的关键原因之一,不过根据最新发布的全球AI芯片公司排名显示,在全球前24名的AI芯片公司名单中,美国公司依然独霸该行业。中国公司虽占有6席,表现最佳的华为却仅排名第12位,再次为中国业界亮起警讯。

金准人工智能专家根据市场研究公司Compass Intelligence近日以公司表现、产品表现、市场表现以及独特市场等四大指针,评比出全球前24名AI芯片企业,美国企业共囊括14家,其中辉达(Nvidia)、英特尔(Intel)与IBM雄踞前3强。中国企业部分,有华为海思(12名)、Imagination(15名)、瑞芯微(20名)、芯原(21名)、寒武纪(23位)以及地平线(24名)等入榜。

通过对智能芯片市场前景分析,从全部GPU市场来看,英特尔目前占了71%,英伟达占了16%,AMD占了13%。但从分立式GPU市场来看,英伟达占了71%,AMD占了29%。因此英伟达在分立式GPU市场产品中占有占有绝对的优势,其产品广泛应用于数据中心的人工智能训练。

中国人工智能市场份额年增速高达50%,远超全球平均水平的19.7%。随着相关知识产权的不断开放和技术的不断积累,未来我国在人工智能芯片领域的发展速度有望大幅提高。国内已经有部分企业在沿人工智能产业链进行布局,在核心芯片、大数据、生物识别、物联网、安防等领域,国内公司均已顺利切入并取得一定突破进展。

2.中国智能芯片依赖进口

中国企业入榜家数虽为全球第二,但没有一家挤进全球前10。此前,美国政府上月宣布,禁止该国公司在7年内向中国通信设备大厂中兴通讯销售芯片等产品,该份榜单此时出炉再次引发众多讨论与担忧。评论文章不禁表示:中国芯片要崛起还有多远?

为从制造大国变身制造强国,中国政府于2015年宣布了“中国制造2025”计划,其重中之重就是推动半导体发展,美国政府屡屡抨击该计划是中国力挺其企业收购美国半导体公司,以获得美国尖端科技的工具。

金准数据显示,自2013年以来,中国每年需要进口超过2千亿美元的芯片,已连续多年超越石油位居进口品项之霸,2017年更达到历史新高的2,601亿美元,由此可见,中国芯片高度依赖进口的危机。

金准人工智能专家分析指出,目前中国的芯片产品,主要集中在电源、逻辑、存储、MCU、半导体分立器件等中低端产品。在高度要求稳定性和可靠性的通讯、工业、医疗以及国防军事和航空航天的应用方面,中国国产芯片远远落后于国际水平。尤其在高速光通信接口、大规模FPGA、高速高精度ADC╱DAC等核心领域的高技术含量的关键器件,仍完全依赖美国供货商。

3.中国政府百亿资金力挺产业

因此稍早美国对中兴祭出7年禁售令,不啻为一严重警讯,且也激起中国官方与企业对半导体产业的加速投入热潮。

426日,中国国家主席习近平到武汉视察武汉新芯集成电路制造有限公司时表示,要加快在芯片技术上取得重大突破。随后即有消息传出,国家集成电路产业投资基金(俗称大基金)已接近完成1,200亿元人民币的二期募资,预计该笔资金将有更大比例的金额投入芯片设计等环节。本月初又有消息指,中国政府今年已安排近百亿元资金,将主要投入半导体、新材料、工业互联网等领域。

另外,4月下旬,中国互联网巨头阿里巴巴先是宣布正在研发一款超级AI芯片,紧接着又宣布全资收购一家大规模量产芯片的科技公司。此外,中国科学院则是在本月初发布中国首款云端AI芯片:寒武纪MLU100云端智能芯片。为避免重蹈中兴覆辙,降低对国外芯片产品依赖,中国大陆正加速半导体布局。

二、人工智能专用芯片的主要驱动因素

为展望人工智能芯片领域的发展前景,金准人工智能专家主要分析了人工智能芯片的驱动因素、行业格局和发展轨迹。金准人工智能专家还将回顾从一般应用到神经网络应用对计算性能要求的转变,以及这种转变对高性能计算提出了何种挑战。基于此,很多创业公司都在寻找创新方法,提出针对人工智能算法而优化的新架构。

然后金准人工智能专家将评估巨头们在云端技术中的主导地位,同时也将评估那些分别以云计算和边缘计算为切入点的优秀创业公司。大部分行业巨头还是倾向把精力聚焦在云服务上,而创业者们则多选择关注边缘计算。

最后金准人工智能专家将探讨新的前沿技术包括类脑芯片和量子计算等,以探索新兴技术带来的人工智能芯片架构改变的可能性。

目前越来越多的企业借助人工智能为业务赋能,这将会持续推动人工智能芯片的发展

这些新的人工智能应用将大多建立在基础设施层的解决方案上

包括云端,终端设备和混合环境

同时这些新的应用(如:无人驾驶等)会产生更多的数据

不仅是新的应用,随着IoT技术和5G网络的发展,预计会有更多的数据产生

而与其他机器学习的算法不同,与深度学习相关的算法,其能力会随着训练数据的增多而提高

鉴于未来的应用场景会更加复杂,人工智能需要实现自动编程

但是现有的处理器最初并不是为人工智能算法而设计的,因此需要开发新的为人工智能算法而优化的硬件。

三、人工智能主导的对算力的需求如何推动趋势发展

以上金准人工智能专家分析了人工智能的驱动因素。接下来金准人工智能专家将探讨由人工智能主导的对算力的需求将如何推动这些趋势:

1未来基于深度学习的神经网络算法的训练将会依赖更大量的数据集

2这将会导致对计算性能的要求从一般应用转向基于神经网络的应用,即增加对高性能计算的需求

3深度学习算法既是计算密集型的,又是内存密集型的,对处理器的性能要求极高

因此,一些创业公司研发新的人工智能优化芯片将会加速人工智能在各个领域的应用

深度学习将持续推动神经网络算法训练

人工智能算法的优化需要越来越多的数据集

对计算性能的要求将会从一般应用转向基于神经网络的应用

深度学习算法既是计算密集型的,又是内存密集型的

提高处理器的性能可以通过以下几种方式:矩阵乘法

神经网络的量化

图像处理

AI芯片,可以说是深度学习的专用芯片,具备在很高的内在并行度、大量的浮点计算能力以及矩阵预算的能力,算法、算力、数据,是它三个核心的元素。在相同的精度下,与传统的通用CPU相比,它的处理速度更快、所需的服务器更少、功耗更低。一个简单的显性例子是,AI芯片下的处理能力每秒能够达到5700张图片,而如今所用的CPU则每秒仅能识别140张图片。

一些新的方法专注于图像处理和稀疏矩阵的特性,强调计算时输入和输出的通信

以及在内存架构中针对人工智能算法的优化和芯片的大规模并行计算能力

对芯片的选择取决取决于应用场景:即用于训练还是推断,云端还是终端亦或是两者的混合

行业巨头正在尝试不同的方案

延迟和场景化是边缘计算的关键驱动因素

展望未来,我们更可能会看到联合学习——一个多层次的基础设施,学习不仅发生在云端也发生在终端

人工智能芯片领域,可以分为面向云端数据中心的芯片和面向终端的嵌入式人工智能芯片两大门类。而英伟达的GPU已经成为在云端服务器的霸主,金准数据显示,世界上目前约有3000多家AI初创公司,大部分都采用了英伟达提供的硬件平台。在端方面,英伟达推出了16nm的AI芯片XAVIER、自动驾驶平台DRIVEPX,并且开源了DLA深度学习加速器项目。凭借着巨大的优势,英伟达的股价已经从2016年初的30美元,飙升至如今的255美元,飞升了八倍之多。

这将会推动ASIC、FPGA和其他新兴类型的芯片组产量的增加

四、AI专用芯片中国正齐头赶上

虽然在通用芯片领域中国已经失去先发优势,但是对于AI芯片,我们看到了不同的市场面貌。

目前, 主要用于底层运算的芯片,从行业上来讲,大概有三个方向:

第一个方向是以英伟达为代表的GPU方案,很多企业正在使用的通用芯片;

第二个是FPGA方案,作为专用集成电路(ASIC)领域中的一种半定制电路而出现;

第三个是自研集成电路,比如像深鉴、寒武纪、地平线这些公司,他们都在自己做一些专用的人工智能芯片,用来做深入学习的训练或运算。

GPU的运算架构恰好适合于深度学习大量的并行计算,因此迅速进入了AI市场,FPGA的特点在于和硬件结合比较紧密,编程比较灵活,底层配置和构建比较灵活。但从开发难度、架构难度到功耗、成本和运算成本等角度,这两种方式都有弊端。所以最理想的方式,就是自研一种真正适合人工智能运算的专有芯片。

当然,专有芯片研发周期长、成本大,比起GPU等通用芯片,专有芯片的研发尚处于早期,竞争格局也尚未明朗。竞争格局不明朗,对于中国来说,就意味着机会。

1. 国家政策利好

第一是产业政策,中国的产业园或者说产业政策本来就有聚焦效应,这对于芯片产业的发展来说非常重要;第二是资本市场支持,芯片作为国家核心科技战略很难去美国上市,国家未来一定会让其在A股上市,对于收入、利润满足不了现有A股上市标准的,将会有一系列改革,这是必然趋势,现在国家已经有指导意见但还没有细则;第三,国家有可能从补贴的角度给予芯片创业项目支持。

2. 新兴技术领域中国并未落后

近几年在人工智能、无人驾驶、VR/AR等新兴技术领域,中国并未落后,最为典型的就是人工智能领域,中美的差距不是特别大,并不像工业时代。

3. 人工智能设备的本地化计算趋势是自研芯片的机会

过去人工智能设备都是云端运算,但是云端识别在运算速度、网络占用、交互体验等方面都有很大的弊端,比如智能音箱简单的唤醒功能需要将信息上传至服务器,经过云端处理之后再返回至本地机器人,一旦网络出现问题,整个交互体验都会受到影响。因此,未来本地化运算将是人工智能发展的趋势之一,未来如果每台终端都有一个本地化的计算芯片,体验会更好。

4. 通用芯片大厂的路径依赖,为自研芯片的发展创造了时间和空间

移动互联网时代英特尔转型移动端芯片是失败的,巨头多年巨额的研发支出,很难被摒弃。

芯片的竞争本质上是运行速度和成本的竞争。通用与专用,GPU、FPGA、ASIC三个技术路线如何实现分工和接替,是接下来AI芯片市场的一个焦点。

总结

基于人工智能的发展趋势,金准人工智能专家认为基于软件算法的技术创新类项目未来竞争壁垒会进一步降低,而硬件技术的创新比软件算法创新更具壁垒,同时在大厂路径依赖的情况下,某些领域创业公司反而更快、更有优势。

但是,芯片研发周期性很长,研发成功率低,是一个资金密集型和人力密集型行业。作为门槛较高的领域,要实现国产芯片的赶超,做芯片的创业公司对团队和投资人都有一定要求。

首先需要团队背景过硬,团队本身有强大的技术、资源等光环,只有这样的团队才更容易获得资本的支持。目前发展比较好的深鉴科技、寒武纪都是这样的团队。

二是投资者需要了解行业。芯片投资是高风险、高回报的,芯片创业不像做企业服务,3个月产品就能上线,半年之后产生数据,芯片的研发就需要三到五年,芯片的投资也是长期的而不是短期的,这是跟其很多行业都不同的投资逻辑。

作为投资人,必须懂芯片,才能了解为什么在天使阶段就有高估值,才了解行业规律愿意承担投资的风险,在早期参与进去并且保证创业团队不会因为资金问题而无法坚持。

目前我国已经在政策层面多次出台相关文件,将人工智能作为重点布局领。AI芯片是AI行业发展的必然路径,行业驱动因素较为明显。虽然目前英伟达在GPU上获得了较高的地位,但随着技术的演进以及前端芯片的打开,未来行业格局仍有可能有较大的改变。

基于芯片的强需求性,以及目前芯片运行速度和成本均无法满足现有需求的现状,星河互联会重点关注AI芯片领域。


金准人工智能分享Deep Mind报告 ——AI“元强化学习”的关键因素同样存在于人类大脑 2018-05-16 16:59:56

前言


比起人类,深度学习算法已经在很多任务上的表现更优秀。但它们的学习效率很低。一个电子游戏,人类玩一个下午大概就会了,而算法得花上百个小时。Deep Mind认为,这可能是人类的元学习能力占了优势。

Deep Mind指出,人类之所以能非常快地掌握新事物,原因可能是能从以往的经历中提取出规律,这种能力称为元学习。

不过元学习的底层机制一直是个谜。

Deep Mind利用元强化学习来解释人类大脑的快速学习原理,探索多巴胺(dopamine)在人脑学习中的地位,并据此提出了强化学习模型未来的发展思路。


一、前额叶皮质——人脑中的元强化学习系统


Deep Mind在该研究中使用AI来探索大脑中的多巴胺所发挥的帮助学习的作用。通过这项研究,Deep Mind使用元强化学习(meta-RL)算法,指出多巴胺的作用不仅仅是奖励对过去行为的学习,它发挥的是整体作用,特别是在前额叶区域,它使我们能高效地学习新知识、执行新任务——而不需要像深度学习算法那样,依赖大量数据进行训练。

多巴胺是人们所熟悉的大脑快乐信号,通常被用来类比AI强化学习算法中使用的奖励预测误差信号,AI和人脑通过反复试错来进行学习与决策,正是由这种奖励推动的。


1.什么是元学习


说到什么是元强化学习,必须先说到什么是元学习。

正如我们所见,目前,AI系统已经掌握多种视频游戏(例如Atari的经典游戏 Breakout和Pong)的玩法,或像阿尔法狗一样学会了下围棋。虽然其表现令人印象深刻,但AI仍然依赖于数千小时的游戏经验才能达到并超越人类玩家的表现,而人类仅需数分钟就可以掌握视频游戏的基本玩法。对大脑何以能在少量的经验下快速学习这一问题的探究推动了元学习(meta-learning)或“学习如何学习”理论的发展。

由于人脑往往轻而易举便能学会更加错综复杂的事物,人们提出了“元学习”理论(theory of meta-learning),换句话说,就是“学习如何学习”。一般认为,我们的学习可以分为两个时间尺度:短期学习中,我们往往更专注于事实的学习;而长期学习中,我们更偏重任务中抽象的技巧与规则。正是这样长期、短期学习的结合帮助我们有效学习,并得以在新任务中快速而灵活地应用新知识。


2.什么是元强化学习


而在人工智能系统中,这种“元学习”结构的再创造被称为“元强化学习”(meta-reinforcement learning),在进行快速、单次的学习任务中极富有成效。然而,要从神经科学角度解释人脑中相应的机制则困难得多。


元学习,即从例子中快速学习,以及随着时间的推移从这些例子中明白事物的规则。这被认为是人类比AI能更有效地获得新知识的原因之一。

AI 系统中基于强化学习算法创建这种元学习结构,即元强化学习(meta-RL)。


二、多巴胺在人脑学习中的作用


我们最新运用了人工智能研究中“元强化学习”的框架,以探索多巴胺(dopamine)在人脑学习中的地位。多巴胺因作为大脑中的“快乐信号”被大家熟知,目前被认为是一种“奖励预测误差”(reward prediction error,RPE)信号,类似于人工智能中的强化学习算法。Deep Mind提出,多巴胺的功能并不只是从过往事件中估测奖励值。事实上,多巴胺尤其在前额叶皮质区中扮演着且重要的整体性角色,使我们在新任务中高效、迅速、灵活地学习。

Deep Mind虚拟再现了神经科学领域中6个现实的元学习(meta-learning)实验来测试他们提出的理论。每个实验需要一个元强化学习智能体(meta-RL agent)使用相同的基础原则或技能(但在某些维度上有所变化)来执行任务。研究者使用标准的深度强化学习技术(代表多巴胺)训练了一个循环神经网络(代表前额叶),然后对比该循环神经网络的活动数据和之前神经科学实验研究成果的真实数据是否相同,以求证明其理论。

Deep Mind虚拟再现的其中一个实验是Harlow实验,这是一个 1940 年代提出的心理训练测试,用于探索元学习的概念。在1940年的Harlow实验训练中,研究人员先向一组猴子展示了2个它们不熟悉的物体并让它们进行选择,其中1个物体能带来食物奖励。这两个物体被展示了 6 次,每次展示中两个物体的左右位置都是随机的,因此猴子必须学会选择哪个物体才能带来食物奖励。然后,研究人员又向它们展示了2个新物体并让它们进行选择,这时也是只有其中1个能带来食物奖励。通过该训练过程,猴子摸索出了一种策略来选择可以获得奖励的物体:猴子学会了在第一次选择时进行随机选择,然后基于奖励反馈选择有奖励的物体,而不是只选择左右位置。该实验证明了猴子可以从例子中快速学会完成任务,并学会抽象的任务规则,即元学习(meta-learning)。

虚拟Harlow实验中,元强化学习智能体需要将关注点移向它认为与奖励相关的目标

人类要有很强的学习能力,掌握到多变事物的规律,不可能仅依赖突触增强这种长期慢性的改变。这暗示着多巴胺很可能有能力抽象出模块化的信息。不过,这不是科学家首次用AI模拟人脑。

荷兰内梅亨大学就用循环神经网络预测出了人脑处理感知信息的过程,特别是视觉刺激。但Deep Mind官博认为,大体来讲这些发现对机器学习领域有更大的启发,对神经生物学倒没起到什么推进的作用。

去年,Deep Mind针对人脑的部分解剖结构建模,用神经网络模仿前额皮质的活动以及海马的记忆。结果得到了一个强于大多数网络的AI。最近,DeepMind把研究重心转移到了理性机制上,造了一个合成的神经网络,可进行逻辑推演以及解决问题。

通过这个多巴胺的研究,医学界终于可以从神经网络研究中有所收获和启发了。

AI里获得对神经生物学界有启发的认知洞见,这两个学科之间的互哺非常可贵。希望随着AI研究的深入,对人脑的运作机制有更多的了解,进一步设计出学习能力更强大的智能体。

Deep Mind使用虚拟计算机屏幕和随机展示的图像模拟了一个类似的测试。他们发现元强化学习智能体(meta-RL agent)的学习方式与Harlow实验中的猴子非常相似,这种相似性即使在展示完全没见过的全新图像时也会存在,即元强化学习智能体(meta-RL agent)能快速学习解决不同规则的大量任务,而且因此它还学到了进行快速学习的通用法则。

事实上,这些元强化学习网络迅速地适应了一系列不同规则和结构的实验任务;也正是因为它们已经了解了如何适应各种任务,它们还学会了高效学习的一些普适性原则。


上图展示了元强化学习算法在多个任务基础上学习如何高效地解决新任务

更重要的是,传统神经科学观点认为,多巴胺可以加强前额叶系统中神经元间的突触联系,慢慢的改变神经元间突触的权重,从而强化大脑的特定的行为。而Deep Mind此次研究结果表明多巴胺不仅可以通过改变突触权重来强化大脑的特定行为,还可以快速编码和传输关于抽象任务规则的重要信息,使得大脑能够更快适应新任务。

模拟循环神经网络中编码动作和奖励历史的独立单元

而且,长期以来,神经科学家们发现前额叶皮质中有类似上一段提到的神经激活模式,这种模式适应速度快且灵活,但他们一直找不到一个合理的解释。前额叶皮质的神经网络不依赖缓慢的突触权重变化来学习抽象任务规则,而是使用多巴胺直接编码的基于模型或例子的信息来快速学习,这个思路为前额叶皮质快速而灵活神经激活模式提供了更合理的解释。

据此,Deep Mind不仅为神经科学做出了贡献,还运用了元强化学习(meta-RL)算法使AI像人脑一般可以快速解决并适应新的任务。


三、元强化学习(meta-RL)的意义


近年来,Deep Mind团队的阿尔法狗打遍围棋界,这让大家惊讶,Deep Mind似乎解决了通用AI中极其核心的一个问题,就是要让AI自己学会思考、学会推理。去年,Deep Mind团队又宣布要用AI挑战《星际争霸2》电脑游戏,然而却遭遇失败。

这是因为AI学会下围棋,是运用了深度强化学习的方法,而非AI真的学会了推理。在围棋棋盘上,给AI提供的选择数量仅有几百个,而《星际争霸2》给AI提供的选择数量达到上千万个,AI需要非常长的时间熟悉这些选择与选择带来的结果,才能做出正确的选择。

然而在面对巨量选择的情况下,人类依然没问题,而且人类通过战略战术大幅度降低了选择范围,因此如何使AI能够学会思考,而不只是从过往经验中慢慢强化正确选择,并快速构建战略以完成新目标非常关键。而模仿人类的元学习(meta-learning)便是使AI学会处理这种高难度问题的解决方法。

运用元强化学习(meta-RL)算法的AI能真正帮助人类解决各种类型的问题,而不只是执行某个特定任务,这将使得AI真正适用到人们的生活、工作中。以AI机器人将来或走进千家万户为例,每个人对AI机器人的要求是不同的,每个家庭的环境也并不相同,如果AI机器人运用元强化学习(meta-RL)算法,则不需要长时间的学习就能快速灵活的适应每个家庭的需求。

总结

一直以来,神经科学家们在前额叶皮质中观察到了不少类似的神经活动模式,然而关于这些适应及时且具有灵活性的模式,他们始终没能找到合理的解释。对于神经模式的多变性,有一种较为合理的观点:前额叶皮质并不依赖于突触权重随着规则结构学习的缓慢改变,而是基于直接编码于多巴胺的抽象模型信息。

我们的研究证明了,人工智能中元强化学习的关键因素同样存在于大脑中,而提出的理论不仅结合了对多巴胺和前额叶皮质的现有认知,还解释了神经科学与心理学的许多未知现象。

这进而引发一些对其他问题的思考:基于结构和模型的学习是如何发生在脑中的?为什么多巴胺本身就编码模型信息?前额叶皮质的神经元是如何调节学习信号的?此外,从人工智能得到的结果能应用到神经科学、心理学等其他学科的发现上,这就进一步强调了不同学科领域间的互惠价值。未来我们期待这一研究成果能够反向,从大脑神经环路的组织结构中获得启发,从而设计出更新、更好的强化学习模型。



金准人工智能 DRAM行业深度报告 2018-05-15 16:58:10

前言

 

存储器市场爆发,DRAM市场前景看好。2017年全球存储器市场增长率达到60%,首次超越逻辑电路,成为半导体第一大产品。DRAM继续保持半导体存储器领域市占率第一。DRAM厂商中,三星、SK海力士和美光均采用IDM模式继续保持垄断地位,合计市占率超过95%,国产厂商开始积极布局,2018年将实现量产,有望逐步改变当前产业格局。DRAM消费产品中,移动终端、服务器和PC依旧占据头三名,合计占比86%,未来将继续拉动DRAM消费增长。

三星领先优势明显,传统技术难以替代。三星于2017年开始量产第二代10nm级8GbDDR4DRAM,并持续扩大整体10nm级DRAM的产能,继续维持与其他DRAM大厂1-2年以上的技术差距。新型存储器由于存在CMOS兼容问题和器件级变化性,且DRAM的性价比高,技术成熟且具有规模优势,金准人工智能专家预计未来5-10年内难以被替代。

同时,由于DRAM的平面微缩接近极限并向垂直方向扩展,18/16nm之后,薄膜厚度无法继续缩减,且不适合采用高介电常数材料和电极,继续在二维方向缩减尺寸已不再具备成本和性能方面的优势,3DDRAM在宽松尺寸下能够实现高密度容量,且寄生阻容减少,延时串扰低,未来可能成为DRAM的演进方向。

受益于需求增长拉动,DRAM保持量价齐增态势。随着5G商用逼近以及云计算、IDC业务的拉动,移动终端、服务器和PC侧的消费需求增长明显。各大厂商扩产热情不减,包括三星在韩国平泽的P1厂房和Line15生产线,SK海力士的M14生产线,以及美光在广岛的Fab15和Fab16的扩产计划,但由于光刻技术接近瓶颈,良率问题日益突出以及新技术的出现,各厂商工艺进程都有所推迟,金准人工智能专家预计2018年全球DRAM产能增加10%,2018年DRAM依旧保持量价齐增态势。

 

一、半导体产业格局:价格推升成为半导体领域最大细分市场

1.全球半导体格局:亚太成为全球重心,存储器首超逻辑电路

存储器作为半导体行业的重要分支,在经历了2015和2016年的持续走低后,2017年,全球存储器市场迎来了爆发,增长率达到60%。世界半导体贸易统计协会报告显示,2017年,存储器销售额为历年来新高,超过1200亿美元,占全球半导体市场总值的30.1%,主要原因是DRAM和NANDFlash从2016年下半年起缺货并引发涨价,2017年,DRAM平均售价同比上涨77%,销售总值达720亿美元,同比增长74%;NANDFlash平均售价同比上涨38%,销售总额达498亿美元,同比增长44%;NORFlash为43亿美元。金准人工智能专家分析,三大存储器的价格大幅上涨导致全球存储器总体市场增长58%,存储器也首次超越历年占比最大的逻辑电路,成为全球半导体市场销售额占比最高的分支,在产业中占据极为重要的地位。

 

2017年半导体产品市场全球地区分布中,亚太及其他地区占比为60.6%,同比增长18.9%;北美地区占比为21.2%,同比增长31.9%;欧洲地区半导体产品市场占比为9.3%,同比增长16.3%;日本半导体产品市场占比为8.9%,同比增长12.6%。亚太地区作为全球最大的半导体消费市场,金准人工智能专家认为主要有两方面原因:一是由于中国产品规模在亚太地区的占比逐年提升,2016年占比更是创下92.4%的历史新高;二是由于中国的产品规模逐年增加,且增长率连续几年都高于亚太及其他地区整体水平,中国市场的良好表现有效拉动了整个亚太地区的增长。

 

2.DRAM全球市场:市占率第一,三巨头垄断地位难撼动

2.1DRAM继续占据存储器细分市场第一

2017年全球半导体存储市场,DRAM的价格/Gb增长了47%,由于价格大涨,DRAM市场规模到达722亿美元,较2016年的415亿美元增长了74%,市场占有率53%,继续保持半导体存储器领域市占率第一的地位。

 

2.2DRAM供给侧分析:国内在建产能释放有望逐步改变市场格局

从当前DRAM全球市场份额来看,韩国独占鳌头,市场集中度很高。金准数据显示,2017年三季度,韩国半导体行业两大巨头——三星和SK海力士在全球DRAM市场份额合计达到72.4%,占据全球领先地位。其中,三星以44.5%的市场份额稳居市场第一宝座,SK海力士以27.9%的市场份额紧追其后,美光科技(22.9%)、南亚科技(2.2%)、华邦电子(0.8%)分列其后。

 

从制程工艺角度来看,DRAM存储器已经步入10nm阶段。据金准人工智能专家了解,目前,三星已大规模采用20nm工艺,并率先量产18nm工艺。SK海力士则以25nm工艺为主,已导入21nm工艺。美光目前以30nm工艺为主,20nm工艺进入良率提升阶段。2017年底,三星已开发出全球最小的动态随机存取记忆体(DRAM)芯片,采用10nm级工艺,继续扩大对竞争对手的技术领先优势,同时将在2018年把多数现有DRAM生产转为10nm级芯片。

 

金准人工智能专家预测,国内厂商在DRAM领域一直处于空白,但有望于2018年实现突破。目前已形成福建晋华和合肥长鑫两大阵营,其中,福建晋华的是32nm的DRAM利基型产品,主攻消费型电子市场;合肥长鑫的是19nmDRAM,主攻行动式内存产品,并且将在2018年底前实现试产,开通生产线。此外,长江存储和兆易创新也对DRAM进行了布局。

福建晋华集团与台湾联电合作,一期投资370亿元,在晋江建设12英寸晶圆DRAM厂,2018年建成月产能6万片,年产值12亿美元。规划到2025年四期建成月产能24万片。

合肥长鑫投资494亿元建设12英寸DRAM工厂,预计2019年底将实现达12.5万片的月产能,以生产19nmDRAM产品为主。

长江存储启动了武汉存储器基地建设,总投资240亿美元,计划2018年投产,2020年形成月产能30万片的规模,其中涵盖DRAM。

兆易创新将与合肥市产业投资控股有限公司合作开展12英寸晶圆、19nm工艺存储器的研发项目,包括DRAM内存颗粒,项目预算约180亿元人民币,此次项目建成后将实现月产能2000-3000片。

 

金准人工智能专家认为,国内厂商由于仍处于起步阶段,存储器的研发能否成功,未来几年将是关键期,研发成功后,良率能否提升到较高水平,成本控制是否能够达到预期,知识产权能否做到有效保护等,仍然有一定的不确定性,从研发成功至量产并形成销售,仍然需要长达几年时间。因此,金准人工智能专家预计国内在建产能是个逐步释放的过程,但随着国内在建产能陆续释放,国家存储器产业的不断成熟,有望逐步改变当前的产业格局,对全球DRAM产业发展起到积极推动的作用。

2.3DRAM分产品对比:移动终端、服务器、PC依旧是三大主力市场

2010-2017年,DRAM各类应用产品中,移动终端的份额持续提升,服务器份额也稳中有升,PC份额大幅下降。2017年DRAM市场份额中,移动终端占据约37%的市场份额,领跑DRAM应用市场;服务器约20%紧随其后;PC约13%位列第三,移动终端、服务器和PC也构成了DRAM三大消费产品,合计占比约70%。

 

金准人工智能专家预计到2018年,DRAM移动终端和服务器消费份额将继续增长,PC消费将继续下降,到达历史最低点。

3.产业链模式:存储器产业崛起有赖于IDM水平

观察全球存储器产业模式,不同于垂直分工模式,存储器产业基本采用的是IDM模式,采用IDM模式的产值占比存储芯片总产值90%以上。三星、SK海力士、美光等DRAM巨头无一例外都采用IDM模式,都拥有自己的晶圆制造厂与封测厂,产业布局相当完善。IDM模式的优势在于其具有资源的内部整合优势,以及具有较高的利润率。由于IDM模式贯穿半导体生产流程的始终,不存在工艺流程对接问题,新产品从开发到面市的时间较短,且因为覆盖前端的IC设计和末端的品牌营销环节,具有较高的利润率水平。

 

存储器产业竞争的核心要素在于制造工艺和规模化效应。由于芯片设计相对简单,标准化程度高,导致存储芯片产业极其依赖规模化,同时工艺制程转变快,紧跟摩尔定律。各厂商之间竞争的特点是通过拼制造工艺、拼产能,最终赢得市场,所以生产制造能力是存储器厂商的核心竞争力,各厂商往往严格把控,台湾地区存储器产业之所以走向没落,没能打造出强大的IDM厂商是一个重要因素。因此,我们认为DRAM产业采用IDM作为主流竞争模式短期内不会改变。

二、存储器分类及DRAM

1.存储器概念、作用及分类

存储器的主要功能是存储程序和各种数据,并能在计算机运行过程中高速、自动地完成程序或数据的存取,是具有“记忆”功能的设备。存储器的种类很多,按其用途可分为主存储器和辅助存储器。主存储器又称内存储器(简称内存),可以与CPU直接交换数据,特点是速度快,容量小,价格高。

辅助存储器又称外存储器(简称外存),是指除计算机内存及CPU缓存以外的储存器,此类储存器一般断电后仍然能保存数据,用来存放当前没有使用的程序和数据,特点是速度慢,容量大,价格低,常见的外存储器有硬盘、软盘、光盘、U盘等。按照关闭计算机时数据是否丢失,可分为易失性存储器和非易失性存储器。易失性存储器在关闭计算机时数据会丢失,非易失性存储器在关闭计算机时数据不会丢失。

按照存储介质来分,可以分为光学存储器、半导体存储器和磁性存储器。其中,光学存储器非易失,耐用性好,记录密度高;半导体存储器体积小、存取速度快、存储密度高、与逻辑电路接口容易;磁性存储器非易失,存取速度慢。半导体存储器按照功能又可分为只读存储器ROM和随机存取存储器RAM。

 

1.2DRAM工艺流程

DRAM是随机存储器RAM的一种,也是最为常见的系统内存,DRAM使用电容存储。由于DRAM只能将数据保持很短的时间,当关机或断电时,其中的信息都会随之丢失,为了保持数据,必须隔一段时间刷新一次,如果存储单元没有被刷新,存储的信息就会丢失。

 

DRAM工艺制造分为八个步骤,分别是浅槽隔离、阱、栅极、存储单元及周边电路器件、电容、接触孔、金属线和通孔、钝化层及引脚,每个步骤由一步或多步工艺流程制成。

 

 

 

 

1.3DRAM产品细分

SDRAM(同步动态随机存储器)作为DRAM的一种升级,是通过在现有的标准动态存储器中加入同步控制逻辑,利用一个单一的系统时钟同步所有的地址数据和控制信号。使用SDRAM不但能提高系统表现,还能简化设计、提供高速的数据传输。在功能上,它类似常规的DRAM,且也需时钟进行刷新。SDRAM是一种改善了结构的增强型DRAM,已经逐渐成为PC机的标准内存配臵。

SDRAM从发展到现在已经经历了五代,第一代SDRSDRAM为单倍数据传输率,第二代DDRSDRAM为双信道同步动态随机存取内存,第三代DDR2SDRAM为双信道两次同步动态随机存取内存,第四代DDR3SDRAM为双信道三次同步动态随机存取内存,第五代DDR4SDRAM为双信道四次同步动态随机存取内存,每一代的更新都伴随着传输速率的大幅提升。

 

三、DRAM发展趋势:传统技术难以替代,各厂商技术竞赛

1.存储技术对比

从市场规模来看,当下最主流的存储器是DRAM,NANDFlash,NORFlash,尤其是前两者,占据了所有半导体存储器规模的95%左右。DRAM需要不断的刷新,才能保存数据,主要应用在内存里,而NANDFlash容量较大,改写速度快,适用于大量数据的存储,应用市场包括记忆卡、U盘及固态硬盘(SSD)等。

 

在某些领域,新型存储器已经涌现,从目前的结果看,阻变存储器(RRAM)容量大、速度快(读写时间<10ns)、能耗低,相比于其他新型存储技术,与CMOS工艺兼容,被认为是代替DRAM的一个可能的选择。但是由于其严重的器件级变化性,且DRAM的性价比高,技术成熟且具有规模优势,预计未来5-10年内很难被替代。

2. 3DDRAM技术

由于DRAM的平面微缩正在一步步接近极限并向垂直方向扩展,18/16nm之后,由于薄膜厚度无法继续缩减,以及不适合采用高介电常数材料和电极等原因,继续在二维方向缩减尺寸已不再具备成本和性能方面的优势。

3DDRAM技术体现在芯片层面,而非晶体管层面,即其3D指的是3D封装——采用TSV将多片芯片堆叠在一起,随着电子产品对DRAM容量要求和性能的提升,未来3DDRAM比重将呈上升趋势。

 

3DDRAM优点:

1)宽松尺寸下实现高密度容量:和3DNAND类似,Z方向的扩展能力使得其对平面微缩的要求降低,从而可以在较大制程下大幅提升单根内存条容量。

2)寄生阻容减少,延时串扰降低:改用3D封装之后,很多芯片之间的连接由水平面上交杂的铜线变成了垂直方向的通孔,互连线长度大大降低,从而极大的改善了后道线间延时和串扰,对芯片性能的提升有很大的帮助。

3.三大厂商积极布局

从现阶段的技术发展而言,韩国的三星电子依然领先于SK海力士、美光等竞争对手,三星除了积极扩大存储器产量,确保市场上的领先地位之外,也积极发展晶圆代工事业,将其视为半导体领域的新成长动力。

3.1三星扩产维持技术优势

2017年12月20日,三星宣布已开始量产第二代10nm级8GbDDR4DRAM,并持续扩大整体10nm级DRAM的生产,有助于满足全球不断飙升的DRAM芯片需求,继续加强三星市场竞争力。第二代10nm级8GbDDR4是全球尺寸最小DRAM,采用先进的专有电路设计技术,比第一代芯片快10%,功耗降低15%。相比第一代10nm级工艺,采用第二代工艺可使产能提高30%,扩大行业领先优势。

三星还将加速其下一代DRAM芯片和系统开发计划,包括应用于企业服务器、移动设备、超级计算机、高性能计算系统和高速显卡的DDR5、HBM3、LPDDR5和GDDR6等产品。此外,三星预计将迅速提高第二代10nm级DRAM产品产量,而且还将生产更多的主流的第一代10nm级DRAM,共同满足全球高端电子系统对DRAM产品日益增长的需求。

三星可能采取的扩产动作,除了应对供给吃紧状况,最重要的是借助提高DRAM产出量,压抑内存价格上涨幅度。虽然短期内的高资本支出将带来折旧费用的提升,并导致获利能力下滑,但三星着眼的是长期的产业布局与保有其在DRAM市场的领先地位,以及与其他DRAM大厂维持1-2年以上的技术差距,提升新进者进入门槛。此外,明年是中国内存发展的元年,三星透过压低DRAM或是NAND的价格,将能提升国内竞争者的进入门槛,并使竞争对手亏损扩大、增加发展难度并减缓其开发速度。

三星有意将其平泽厂二楼原定兴建NAND的产线,部分转往生产DRAM,并全数采用18nm制程,加上原有Line17还有部分空间可以扩产,预计三星此举最多将2018年DRAM产出量提升80-100K,也代表三星的DRAM产能可能由2017年底的390K一口气逼近至500K的水平,亦将带动三星2018年bitgrowth由原本预估的18%成长上升至23%。

 

3.2受惠于市场需求,SK海力士导入新技术和新工艺

2017年全球市场对存储器需求猛涨,特别是服务器领域,全球互联网数据中心迅速增加。受惠于服务器市场的强劲需求和移动产品价格上涨,SK海力士2017年Q4市场形势继续良好,DRAMbitgrowth增长3%(环比),平均销售价格上涨9%,营收约84.5亿美元,同比增长68%,营业利润约41.83亿美元,同比暴涨191%,营业利润率49%,净利润约30.13亿美元,同比增长98%。其中DRAM营收占该季度营收77%,NANDFlash营收占该季度营收22%。

 

SK海力士将通过在服务器和SSD产品导入新的技术与工艺来满足日益增长的市场需求。未来将扩大1xnmDRAM产能,这一产品已在2017年Q4量产,并应用于PC、移动设备和服务器产品。

3.3美光业绩优于预期,年底步入1xnm阵营

存储器市况优于预期,美光将2018年Q2营收目标自原先的68亿至72亿美元,调高到72亿至73.5亿美元。美光调升展望,意味着DRAM需求持续看好,DRAM价格第一季持续调涨3~5%,MobileDRAM第一季涨幅3%。预计2018年Q2DRAM占整体营收的71%,营收环比增长14%,同比增长76%,出货量环比上升约5%,平均售价环比上升约10%。

健康的市场供需环境,使DRAM产业长期保持增长的动力,金准人工智能专家预计2018年DRAM市场bitgrowth将增长20%,符合行业增长水平。此外,美光将利用先进的技术优势降低成本,加强在市场上的竞争力,预计在2018年底将提供1xnmDRAM产品。

四、DRAM预测:需求大幅拉动,量价齐增态势明显

1.供给端:产能增长有限,摩尔定律放缓将会持续

1.1三巨头垄断全球90%产能,2018产能增速10%

DRAM价格飙涨带动2017年全球半导体产值冲破4000亿美元,观察全球DRAM产业三大厂商,三星、SK海力士两大韩系厂商在扩产脚步上是猛踩油门,包括三星在韩国平泽的P1厂房和Line15生产线,以及SK海力士的M14生产线;同时,美光在广岛的Fab15和Fab16也有DRAM扩产计划,但产能的增加仍主要依靠两大韩系厂商。

全球90%以上的DRAM芯片供给掌握在三星、SK海力士和美光三家企业手中。根据三家公司目前最新的建厂规模,2017年全球每季度芯片产能为1100K左右。根据金准人工智能专家预测,到2018年,三星和SK海力士将会有接近20%左右的产能提升,美光的产能增量为10%,预计全球每季度芯片产能为1200K左右,2018年产能同比增速在10%左右,其中2018年Q4环比增速将会比较明显。

 

1.2良率问题及新技术出现,产能增速放缓

1994-2014年,DRAM产业的bitgrowth整体呈下降趋势。其中,1994-2003年bitgrowth平均增速为70%左右,2004-2014年bitgrowth平均增速为45%左右,2017年,DRAM的bitgrowth则降到了20%以下,金准人工智能专家预计2018年bitgrowth将继续下滑。主要原因在于,随着工艺尺寸越来越小,DRAM良率无法得到有效控制。以目前最为成熟的193nm浸没式光刻技术来看,它在精确度及成本上达到了一个近乎完美的平衡,但是随着处理图形的尺度不断缩小,线宽减少越来越困难,图形已经变形严重,解决办法是二重曝光,把版图中同一层次较复杂的图形分解成两个层次较简单图形的组合,用两层光罩分两次完成。随着工艺的进一步进化,还需要三重,四重曝光,65nm的工艺往往需要20多层光罩,到了14nm,由于要使用多重曝光,光罩数可能要增加到80,这样繁琐的做法,势必带来巨大的良率问题,进而影响产能释放。

 

目前193nm光刻技术已经走到尽头,而EUV光刻设备年产能极其有限,这些问题使得DRAM工艺节点突破困难重重,各厂商工艺进度计划也被迫一再推迟。2017年,三星1ynm进度不及预期;SK海力士2016年和2017年工艺进展持续不及预期;美光从2016年开始1xnm制程就开始落后于计划,2017年1ynm继续不及预期,影响到了2018年的扩产增速。同时,卖方主导DRAM市场和新型非易失性存储器技术的出现也都造成了全球范围内DRAM龙头企业技术升级和扩产意愿下降。

1.3DRAM涨价带动盈利提升

DRAM技术瓶颈虽然带来了产能扩张上的困难,但是全球前五大厂商却也因此获得了价格上涨带来的巨大利润。金准人工智能专家以DRAM收入占比较高的SK海力士和美光两家公司作为研究对象,发现其DRAM产品收入占比从2016年Q2以来在持续上升,因此技术瓶颈导致的扩产难题反而让SK海力士和美光的DRAM业务盈利能力大幅提升。

 

回顾DRAM的价格走势,2012年以后DRAM就已经进入了长期涨价通道。因此,金准人工智能专家判断在没有大的产能提升或者技术突破的前提下,DRAM持续涨价的态势将在未来长期存在。特别是由于2020年5G商用的节点越来越近,DRAM市场极有可能出现2013年4G商用后的快速涨价期。

2.终端结构性增长仍然存在,5G带动需求加速提升

DRAM市场的下游需求方面,由于移动终端、服务器和PC合计份额占比约70%,因此,这三大类应用的需求基本决定了整个DRAM市场的需求。

2.1移动终端:国产手机占据半壁江山,需求持续上升

2015年开始,手机就进入到每年15亿台的稳定换机周期,2017年全球销量前十大的智能手机中,国产品牌已经占有六席,占有率仍在持续提升,金准人工智能专家预计2018年国产手机占有率将达到53%,移动终端对DRAM的需求具有继续向国产机品牌集中的趋势。

 

DRAM在手机中的平均存储容量保持在每年10%-20%的增长速度,结合手机市场的增长,DRAM需求将继续增长,预计2018年移动终端的DRAM需求将增长18.7%。

2.2服务器:5G、云计算、IDC发力,增长率第一

服务器出货量继续平稳上升,2016年和2017年的年增长率分别为3.4%和3.7%,预计2018年为2.9%。同时服务器单系统容量未来增长速度将会持续,预计2018年单系统容量将达到184GB,同比增长35.8%。2020年5G商用在即,未来云计算、IDC的发展都需要海量数据存储,金准人工智能专家认为服务器未来无论从系统出货量,还是单系统DRAM容量提升都具有长期的成长驱动力。预计2018年服务器对DRAM需求增长率为26.1%,将成为增速最大的产品类型。

 

2.3PC:市场整体稳定,未来小幅提升

PC市场仍然保持稳定,我们认为其对DRAM的需求也将保持相对稳定的小幅增长态势,预计2018年PC领域的市场增长率为6.6%。

3.结论:多方需求拉动,步入持续量增涨价周期

2018-2020年,DRAM扩产仍将受困于技术瓶颈和国际大厂的垄断,因此DRAM产品全球bitgrowth将继续徘徊在20%左右的历史低位水平。但是下游终端应用的市场需求将持续温和上升,特别是终端品牌继续向国产品牌集中,造成国产手机对于DRAM产品的需求出现区域性的增加,同时5G、云计算、IDC等将拉动服务器应用大幅增长。我们判断2018-2020年阶段DRAM产品将处于持续性的涨价周期。

可能产生变化的因素:

大陆DRAM产能大部分将会在2019年以后开始量产,如果进程顺利将有可能缓解DRAM供需缺口。

4.DRAM产业链:国产晶圆规模受限,设备厂商势头正劲

按半导体制造流程,可分为硅片制造、晶圆制造、封装测试三个环节,晶圆制造设备占比最高。其中,硅片制造企业全球只有大约10家,其中前5家企业占有98%的市场份额,分别是日本信越、日本胜高、台湾环球晶圆、德国Siltronic、韩国SKSiltronic。国内厂商如重庆超硅,成都超硅,上海新昇,宁夏银和,金瑞泓等,产能规模还十分有限,国内DRAM厂商晶圆依赖进口的形势短期不会改变。

 

半导体设备行业细分领域众多,大致上可以分为沉积设备、光刻设备、刻蚀设备、材料制备设备、表面处理设备、注入设备等几大块。其中光刻设备成本最高,占比高达39%。

 

全球来看,美国应用材料公司(AMAT)是半导体设备厂商的龙头,市值600亿美金,除了光刻机以外的所有设备几乎都是第一。而最核心、技术门槛最高光刻设备,目前被荷兰ASML垄断,占据了全球高达80%的市场份额以及全部的高端市场份额。由于高端技术壁垒太强,国内厂商选择从中低端开始切入,目前已具备部分核心设备的制造能力,如光刻机、离子注入机、CMP、ECD等设备。2017年中国半导体设备需求规模约70多亿美元,保持全球占比前三位,金准人工智能专家预计到2018年可能超过110亿美元,位列全球第二,设备增长空间持续走高,随着国家政策支持力度加大,大基金持续投入,未来我们看好如下公司:兆易创新、北方华创、长川科技、长江存储。

4.1兆易创新

行业景气度提升,公司利润翻倍。报告期内,公司实现营业收入20.30亿元,同比增长36.32%;归属于上市公司股东的净利润3.97亿元,同比增长125.26%;归属于上市公司股东的扣非净利润为3.32亿元,同比增长119.93%。

国家政策利好,DRAM。有望率先突破。《中国制造2025》中明确计划2020年中国大陆集成电路产业内需市场自主生产制造率将达40%,2025年将更进一步提高至70%,基于信息安全考虑和巨大的进口替代空间,集成电路产业将是未来10年国家政策重点支持的领域,根据《国家电路产业发展推进纲要》,到2020年,集成电路行业销售收入年均增速超过20%。在DRAM产品上,公司通过与合肥产投的合作,将开展12英寸晶圆、19nm工艺存储器的研发项目,其中就包括有DRAM内存颗粒,项目预算约180亿元人民币,建成后将实现月产能2000-3000片,填补国内DRAM领域空白。

风险提示:行业竞争加剧;新产线建设不及预期。

4.2北方华创

受益全球半导体产能转移,业绩增长显著。公司2017年实现总营收为22.23亿元,同比增长37.01%;归属于上市公司股东的净利润为1.26亿元,同比增长35.21%。分行业来看,电子工艺装备营收14.35亿元,同比增长43.96%,其中半导体设备11.34亿元,同比增长39.47%。

产品规模持续提升,行业龙头地位继续加固。2017年公司持续提升产品技术研发和规模化生产能力,满足集成电路领域快速增长的市场需求,产品订单快速增长,进一步巩固了在泛半导体领域的竞争地位。包括Etch、PVD、单片退火设备、立式炉、清洗机等在内的多项12英寸关键集成电路装备实现了在国内龙头代工企业和领军存储器企业的应用,8英寸设备也全面进驻国内主流代工厂和IDM企业。

半导体产业步入新周期,市场环境欣欣向荣。半导体产业市场方面,2017年以来全球半导体产业进入了由人工智能(AI)和5G等技术驱动的新一轮成长阶段,这些技术为智能汽车、智能城市、智慧医疗、AR/VR等创新性的终端应用构建了起步和发展基础,并拉动了半导体产业的又一轮成长,使半导体产业在今后3-5年内都将处于一个相对稳定的成长阶段。政策方面,自主发展集成电路产业已经上升到国家战略高度,在政策和资金支持、下游市场广阔以及全球半导体制造产能转移的利好背景下,中国半导体产业将迎来难得的的发展机遇。

风险提示:市场竞争加剧;技术更新不及预期。

4.3长川科技

国内客户需求旺盛,经营业绩大幅提升。公司2017年前三季度实现总营收为0.99亿元,同比增长70.13%;归属于上市公司股东的净利润为0.25亿元,同比增长78.76%;归属于上市公司股东的扣非净利润为0.17亿元,同比增长110.26%。

产品全面覆盖国内龙头封测企业,市占率有望进一步提升。公司拥有多项自主知识产权和核心技术,生产的集成电路测试机和分选机产品已获得长电科技、华天科技、通富微电、士兰微、华润微电子、日月光等多个一流集成电路企业的使用和认可。随着公司持续深入的研发和产品的不断升级,产品性能将进一步提升,产品类型和客户群体将进一步扩充,公司市场占有率将继续提升。

风险提示:行业波动风险;政府补助不及预期。

4.4长江存储

国家资金大力扶持,国产存储量产准备。长江存储一期由国家集成电路产业投资基金、湖北国芯产业投资基金和武汉新芯股东湖北省科技投资集团共同出资,在武汉新芯的基础上建立,二期由紫光集团和国家集成电路产业投资基金共同出资。目前芯片生产机台正式进场安装,标志着国家存储器基地从厂房建设阶段进入量产准备阶段。

具额投资初见成效,市场订单实现“零”的突破。武汉存储器基地20/18nm生产线建设,总投资240亿美元,计划2018年投产,2020年形成月产能30万片的规模,其中涵盖DRAM。目前32层3DNAND芯片已经获得第一笔订单,总计10776颗,将用于8GBUSD存储卡产品。

风险提示:行业竞争加剧;产线建设不及预期。

总结

存储器市场爆发,DRAM市场前景看好,三星领先优势明显,传统技术难以替代,3DDRAM未来可能成为DRAM的演进方向。受益于需求增长拉动,DRAM保持量价齐增态势。金准人工智能专家建议关注国家政策资金支持带来的投资机会:兆易创新(A股存储器龙头)、北方华创(A股集成电路设备龙头)、长川科技(A股封测设备龙头)。同时,金准人工智能专家也注意到行业竞争加剧,需求增长不达预期。