人工智能（AI）將接棒移動互聯(lián)網(wǎng)，成為下一輪科技創(chuàng)新紅利的主要驅動力。透過豐富的數(shù)據(jù)采集（互聯(lián)網(wǎng)和IoT）、更快的數(shù)據(jù)傳輸（5G）、更強大的數(shù)據(jù)運算處理（AI），科技企業(yè)和傳統(tǒng)企業(yè)將在更廣泛的領域深度融合。AI將廣泛助力傳統(tǒng)行業(yè)轉型，滲透互聯(lián)網(wǎng)競爭下半場，催生無人駕駛、城市大腦、工業(yè)互聯(lián)網(wǎng)、農(nóng)業(yè)大腦、智慧醫(yī)療、Fintech、機器人等廣義AI應用，醞釀萬億級市場和投資機會。
投資要點
正文
AI孕育萬億級別市場
人工智能（AI）指利用技術學習人、模擬人，乃至超越人類智能的綜合學科。人工智能技術可以顯著提升人類效率，在圖像識別、語音識別等領域快速完成識別和復雜運算。此外，面對開放性問題，人工智能技術亦可通過窮舉計算找到人類預料之外的規(guī)律和關聯(lián)。自1956年“人工智能”概念首次被提出，AI技術“三起兩落”。本輪人工智能騰飛受益于持續(xù)提升的AI算力對神經(jīng)網(wǎng)絡算法的優(yōu)化。
AI產(chǎn)業(yè)鏈分為：基礎層、技術層、應用層。基礎層主要包括：AI芯片、IoT傳感器等，技術層主要包括：圖像識別、語音識別、自然語言處理NLP、知識圖譜等，應用層的場景包括：無人駕駛、智慧安防、智慧城市（城市大腦）、金融科技（Fintech）、智慧醫(yī)療、智慧物流等領域。
AI市場規(guī)?？焖俪砷L。中國是全球第二大AI力量，人工智能企業(yè)超過1000家。2018年中國AI市場規(guī)模約330億元人民幣，全球AI市場規(guī)模約2700億美元。我們預計，中國人工智能市場規(guī)模有望成長至萬億量級，成為下一輪科技創(chuàng)新紅利的主導力量。Statista預計2019、2020年，全球人工智能市場規(guī)模將分別增長59%、61%，成長至6800億美元量級。我們判斷，中國人工智能市場有望在2030年達到萬億量級，傳統(tǒng)行業(yè)和技術的結合是主要的應用領域，2G（對政府）和2B（對企業(yè)）將成為主要的營收來源。
AI應用于移動互聯(lián)網(wǎng)下半場
當前我們正處于兩輪科技紅利的交替期。移動互聯(lián)紅利逐漸消退，人工智能紅利興起。我們判斷，AI技術應用于移動互聯(lián)網(wǎng)領域，將有助于互聯(lián)網(wǎng)公司提升效率和資源匹配的精準度。在智能手機硬件，以及社交、游戲、電商、短視頻、音樂等互聯(lián)網(wǎng)領域，AI技術已經(jīng)開始廣泛應用。
智能手機銷量見頂，移動互聯(lián)網(wǎng)進入細化競爭的下半場，AI是主要競爭手段。自2007年全球第一款量產(chǎn)智能手機iPhone放量，智能手機市場歷經(jīng)十年繁榮。至2016年智能機銷量見頂，當年共銷售14.73億部，CAGR超過30%（ 2.5%）。2016年中國智能手機銷售4.65億部（ 9%），達到歷史高點。
智能手機硬件紅利結束，但移動互聯(lián)網(wǎng)市場仍在持續(xù)增長。智能手機普及帶來C端數(shù)據(jù)量和數(shù)據(jù)流量持續(xù)高速增長，移動互聯(lián)網(wǎng)產(chǎn)業(yè)營收規(guī)模持續(xù)較快增長。居民數(shù)字消費快速滲透，國內移動互聯(lián)網(wǎng)接入戶均流量從165MB/月（2014年1月）快速成長至6GB/月（2018年12月），并仍保持較快增長。互聯(lián)網(wǎng)競爭下半場，人工智能技術有助提升資源匹配銷量，助力移動互聯(lián)網(wǎng)企業(yè)（如阿里巴巴、拼多多、美團點評等公司）提升市場份額。
AI應用于更廣泛的領域
從2C到2G、2B，AI應用于更廣泛的領域，助力傳統(tǒng)行業(yè)轉型和市場競爭格局重構。傳統(tǒng)行業(yè)的效率具備較大提升空間，結合自身多年積累的數(shù)據(jù)，借助于物聯(lián)網(wǎng)IoT、工業(yè)互聯(lián)網(wǎng)、產(chǎn)業(yè)互聯(lián)網(wǎng)技術，傳統(tǒng)行業(yè)有望匯總更多維度、更長歷史周期的數(shù)字化數(shù)據(jù)，結合AI技術，用于提升效率。在城市治理領域，G端（政府端）對于交通、安防、政務等領域存在效率優(yōu)化需求；在B端（企業(yè)端），工業(yè)企業(yè)可望利用AI技術進一步提升可靠性和效率、降低成本。AI將廣泛應用于自動駕駛、家居、安防、交通、醫(yī)療、教育、政務、金融、商業(yè)零售等領域。
AI產(chǎn)業(yè)鏈分為：基礎層、技術層、應用層。基礎層主要包括：AI芯片、IoT傳感器等，技術層主要包括：圖像識別、語音識別、自然語言處理NLP、知識圖譜等，應用層的場景包括：無人駕駛、智慧安防、智慧城市（城市大腦）、金融科技Fintech、智慧醫(yī)療、智慧物流等領域。
資本和科技巨頭是AI投資的主要力量，積極布局全產(chǎn)業(yè)鏈。2017年全球人工智能投融資規(guī)模達395億美元，融資事件1208筆；中國境內融資事件369筆，占全球31%。2018年上半年，中國AI投資總規(guī)模1527億，顯著超越2017全年（754億）。
中美是人工智能技術和應用的兩極。美國在AI通用芯片領域具備較強優(yōu)勢，如英偉達GPU、賽靈思FPGA、谷歌TPU等；亦在無人駕駛、語音助手、云計算、智能手機硬件、AR&VR等領域擁有諸多優(yōu)秀創(chuàng)業(yè)公司。中國是全球第二大AI力量，人工智能企業(yè)超過1000家。中國在ASIC專用芯片領域有所突破，亦在2G（對政府）和2B（對企業(yè)）的“場景”端和“算法”端快速迭代。
基礎層：AI芯片、深度學習等
算力：AI芯片
芯片是AI產(chǎn)業(yè)的制高點。本輪人工智能產(chǎn)業(yè)繁榮源于大幅提升的AI算力，使得深度學習和多層神經(jīng)網(wǎng)絡算法成為可能。從使用場景來看，相關硬件包括：云側推理芯片、云側測試芯片、終端處理芯片、IP核心等。在云端的“訓練”或“學習”環(huán)節(jié)，英偉達GPU具備較強競爭優(yōu)勢，谷歌TPU亦在積極拓展市場和應用。在終端的“推理”應用領域FPGA和ASIC可能具備優(yōu)勢。美國在GPU和FPGA領域具有較強優(yōu)勢，擁有英偉達、賽靈思、AMD等優(yōu)勢企業(yè)，谷歌、亞馬遜亦在積極開發(fā)AI芯片。中國企業(yè)在專用ASIC領域試圖拓展，創(chuàng)業(yè)公司如地平線等積極探索。
算法：深度學習
深度學習正在向深度神經(jīng)網(wǎng)絡過渡。機器學習是通過多層非線性的特征學習和分層特征提取，對圖像、聲音等數(shù)據(jù)進行預測的計算機算法。深度學習為一種進階的機器學習，又稱深度神經(jīng)網(wǎng)絡（DNN：Deep Neural Networks )。針對不同場景（信息）進行的訓練和推斷，建立不同的神經(jīng)網(wǎng)絡與訓練方式，而訓練即是通過海量數(shù)據(jù)推演，優(yōu)化每個神經(jīng)元的權重與傳遞方向的過程。而卷積神經(jīng)網(wǎng)絡，能考慮單一像素與周邊環(huán)境變量并簡化數(shù)據(jù)提取數(shù)量，進一步提高神經(jīng)網(wǎng)絡算法的效率。
神經(jīng)網(wǎng)絡算法成為大數(shù)據(jù)處理核心。AI通過海量標簽數(shù)據(jù)進行深度學習，優(yōu)化神經(jīng)網(wǎng)絡與模型，并導入推理決策的應用環(huán)節(jié)。20世紀90年代是機器學習、神經(jīng)網(wǎng)絡算法快速崛起的時期，算法在算力支持下得到商用。20世紀90年代以后，AI技術的實際應用領域包括了數(shù)據(jù)挖掘、工業(yè)機器人、物流、語音識別、銀行業(yè)軟件、醫(yī)療診斷和搜索引擎等。相關算法的框架成為科技巨頭的布局重點。
技術層
圖像識別
圖像識別的核心技術是計算機視覺。計算機視覺（Computer Vision，CV）是用機器替代人眼，對目標進行識別、跟蹤和測量等，并處理為人眼觀察或易于機器檢測的圖像的技術。技術上需要大量的圖像數(shù)據(jù)對計算機進行訓練，如人臉、動物圖片、證件圖片等，依靠AI芯片和深度學習算法進行歸類判斷，最終對輸入圖像進行識別。
圖像識別可廣泛用于各類場景。圖像識別技術已經(jīng)用于動態(tài)人臉識別、在線/離線活體檢測、超大人像庫實時檢索、證件識別、行人檢測、軌跡分析等領域，具體到2G和2G端可用于地產(chǎn)、安防、交通、無人駕駛、零售、商業(yè)等具體場景。
圖像識別
依靠深度學習和芯片突破，語音識別的準確度不斷提升。語音識別將人發(fā)出的語音詞匯內容轉換為文字或指令，主要是分析句子、句法以及結構，以便將人類語言轉換為計算機語言。以深度神經(jīng)網(wǎng)絡算法取代傳統(tǒng)模型后，語音識別的單詞錯誤率每年下降約18%，以谷歌、微軟、亞馬遜為代表的巨頭已經(jīng)開發(fā)出具備人類級別的語音識別系統(tǒng)。
語音識別是智能語音的前端技術。智能語音涉及語音采集、語義理解、自然語言生成、語音合成等技術。在語音采集部分，相較于圖像識別、語音識別的算法復雜度更高、標簽數(shù)據(jù)量更大、精確度要求更高。在語音識別領域，通過高性能麥克風陣列和神經(jīng)網(wǎng)絡算法可以實現(xiàn)高精度識別。
自然語言處理NLP
自然語言處理（Natural Language Processing，NLP）是研究人機之間以人類語言進行交流的方法的過程。NLP包括多方面步驟，基本由認知、理解、生成等部分?；跀?shù)據(jù)及知識圖譜，計算機通過閱讀（知識）自動獲取信息，通過NLP可以將輸入的語言變?yōu)橛芯唧w含義的符號，再根據(jù)使用者意圖進行處理，重新編為人類語言輸出。與語音識別關注準確度不同，NLP更多關注語言的具體含義及語境，試圖理解句子意圖和上下文含義。
NLP是智能語音的核心技術。語音識別和采集技術已經(jīng)依靠AI芯片、深度學習算法及麥克風陣列硬件得到解決，而語義理解仍有很多基礎工作要積累，譬如算法建模、數(shù)據(jù)標簽、知識圖譜等。NLP在智能語音中負責將計算機語音重新編為人類語言進行輸出，要盡可能縮小歧義，是智能語音的核心技術。以語音識別 NLP的智能語音技術在芯片算力和深度神經(jīng)算法加持下其準確度正進一步提高。
知識圖譜
知識圖譜提供了管理組織海量數(shù)據(jù)的能力。知識圖譜融合了認知計算、知識表示和推理、信息檢索與抽取、自然語言處理與語義Web、數(shù)據(jù)挖掘與機器學習，是人工智能的重要研究領域。知識圖譜的應用可以直接為用戶提供答案和解決方案，直接顯示滿足客戶需求的結構化信息內容。
以語音和圖像作為知識圖譜，AI技術快速滲透。對AI來說，數(shù)據(jù)多為無效或原始信息，需要大量的歸類與標簽工作，才能為后期的分析與學習所用。而語音和圖像數(shù)據(jù)由于來源廣、可得性高，語音及圖像知識圖譜與行業(yè)數(shù)據(jù)庫，成為當前人工智能的積累重點。
應用層：場景 AI
從2C到2G、2B，AI應用于更廣泛的領域，助力傳統(tǒng)行業(yè)轉型和市場競爭格局重構。傳統(tǒng)行業(yè)的效率具備較大提升空間，結合自身多年積累的數(shù)據(jù)，借助于物聯(lián)網(wǎng)IoT、工業(yè)互聯(lián)網(wǎng)、產(chǎn)業(yè)互聯(lián)網(wǎng)技術，傳統(tǒng)行業(yè)有望匯總更多維度、更長歷史周期的數(shù)字化數(shù)據(jù)，結合AI技術，用于提升效率。在城市治理領域，G端（政府端）對于交通、安防、政務等領域存在效率優(yōu)化需求；在B端（企業(yè)端），工業(yè)企業(yè)可望利用AI技術進一步提升可靠性、提升效率、降低成本。AI將廣泛應用于自動駕駛、家居、安防、交通、醫(yī)療、教育、政務、金融、商業(yè)零售等領域。
自動駕駛/無人駕駛：AI 汽車
從輔助駕駛ADAS到無人駕駛，圖像識別等AI技術在汽車領域廣泛應用。科技企業(yè)直接布局L4、L5級別的高級自動駕駛和無人駕駛。汽車企業(yè)通過產(chǎn)品迭代的方式，在L2、L3級別自動駕駛和ADAS領域有所進展。我們認為，自動駕駛是AI技術的重要應用場景，近年來的人工智能投資大量集中于新造車力量（自動駕駛 新能源汽車）、自動駕駛芯片和解決方案（Mobileye、地平線等）、自動駕駛商業(yè)化運營（主線科技、圖森科技等）。此外，傳統(tǒng)汽車OEM和零部件供應商也在發(fā)力，希望在自動駕駛領域獲得更大市場。
科技巨頭開始轉向更適應快速量產(chǎn)的解決方案
谷歌的無人駕駛項目始于2009年，并在2016年成立Waymo來擴大業(yè)務。截至2018年10月Waymo實際路測超千萬英里，全行業(yè)領先。公司并在2018年宣布訂購8萬輛車，籌建L4自動駕駛的改裝產(chǎn)線；目前已在鳳凰城推出無人出租車WaymoOne，建立收費模式與運營經(jīng)驗，可望加速商用。此外，Waymo積極布局海外，2018年在上海注冊全資子公司。
英偉達推出L2 自動駕駛系統(tǒng)DRIVE AutoPilot，在多方向上配備個鏡頭，能夠在汽車變道、行人與騎行人士識別、停車輔助、實時地圖生成和駕駛員狀態(tài)監(jiān)控等多方面提供輔助。
百度發(fā)布Apollo3.5版本、“自動駕駛物流”商業(yè)化解決方案Apollo Enterprise、面向自動駕駛的高性能開源計算框架ApolloCyber RT。Apollo3.5版本可以實現(xiàn)包括市中心和住宅場景在內的復雜城市道路無人駕駛，更智能、更強大的自動駕駛解決方案可以在多個應用場景實現(xiàn)全面覆蓋。百度Apollo無人駕駛巴士亦在北京海淀公園等園區(qū)開始試運營。
傳統(tǒng)汽車廠商和零部件供應商開始更多地展示其產(chǎn)品的智能化、數(shù)字化應用。以BBA（奔馳、寶馬、奧迪）為代表，超大尺寸的車載屏幕已經(jīng)進入量產(chǎn)階段，未來越來越多的車輛會搭載更大、更多的屏幕。車內影音娛樂系統(tǒng)也與VR/AR等技術進行了深度融合。傳統(tǒng)汽車企業(yè)在人機交互（智能語音）、智能導航、輔助駕駛ADAS等領域迭代探索。
部分龍頭汽車零部件供應商開始設想L4/L5級自動駕駛技術普及后的出行體驗。博世在2019年CES上展示多項創(chuàng)新技術，涉及能源、交通擁堵和環(huán)境污染等方面；首次展示了其無人駕駛電動巴士概念車，該車配備了電動車動力總成系統(tǒng)、360度環(huán)繞傳感器、互聯(lián)管理和車載電腦等創(chuàng)新技術。大陸集團展示了未來城市的解決方案和關鍵技術，比如智能交叉路口技術等。
語音助手、智能音箱、智能家居：AI IoT
巨頭密集布局互聯(lián)網(wǎng)語音助手。語音助手是智能語音在個人用戶上的主要應用形式，目前市場產(chǎn)品主要包括蘋果Siri、微軟Cortana、谷歌Assistant、亞馬遜Alexa等。產(chǎn)品的主要形式為：以智能手機、智能音箱、智能電視等為硬件載體，通過語義交互、對話等形式為客戶提供信息查詢、硬件控制、在線購物、影音娛樂等功能。目前全球主要科技巨頭均推出了相關產(chǎn)品及服務。
語音助手具有AI 互聯(lián)網(wǎng)的生態(tài)入口屬性。語音助手的主要功能目前集中在信息查詢、影音娛樂、個人助手、部分生活服務、智能家居及其他硬件控制等為主。語音助手目前主要集成在智能手機等移動設備上，依靠巨頭的系統(tǒng)生態(tài)圈，嵌入移動終端的語音助手將會發(fā)揮AI生態(tài)接口的作用。語音助手具有較好的用戶粘性，同時用戶對語音助手的使用對智能手機、Pad等現(xiàn)有設備已具有替代和分流作用。
巨頭開放智能語音AI能力，推動自有AI 互聯(lián)網(wǎng)生態(tài)構建。隨著計算機視覺等其他AI技術的融入，智能語音在行業(yè)市場中應用場景有望持續(xù)擴展。全球科技巨頭在全力布局智能語音助手、智能音箱，打造智能語音生態(tài)等的同時，亦通過智能語音技術能力的開放提升自身在行業(yè)市場的參與度。數(shù)據(jù)、算法與算力、應用場景為當前人工智能產(chǎn)業(yè)三大核心要素，科技巨頭具有技術和生態(tài)的雙重優(yōu)勢，有望以基礎技術開放平臺為抓手，實現(xiàn)數(shù)據(jù)、應用場景等層面的不斷積累，從而推動AI生態(tài)的構建和閉環(huán)，并最終實現(xiàn)自我持續(xù)強化。
智能音箱：巨頭全力布局，市場加速普及。全球已有眾多科技巨頭進入智能音箱市場，包括美股五強FAAMG、中國BAT、小米、科大訊飛等。自首發(fā)至2018年6月，亞馬遜、谷歌、阿里、小米智能音箱累計銷量分別超過3000萬、1500萬、500、100萬臺。借助豐富的產(chǎn)品線、爆款定價策略等優(yōu)勢，科技巨頭有望持續(xù)主導全球智能音箱市場。
科技巨頭發(fā)力AIoT生態(tài)體系。越來越多的公司兼容主流的智能家居生態(tài)，比如三星、LG、索尼、Vizio等發(fā)布的新產(chǎn)品均同時支持谷歌Assistant和亞馬遜的Alexa。
智能客服
智能客服是AI應用最廣泛的細分行業(yè)。智能客服的核心技術包含語音識別、自然語言處理、知識圖譜，部分涉及計算機視覺，其采用自然語言技術理解客戶意圖，并通過知識圖譜來構建客服機器人的理解和回答體系，可提升企業(yè)的服務效率、節(jié)省人工客服成本。知名智能客服系統(tǒng)服務商有:環(huán)信、Udesk、風語者。而AI 客服又可以和AI 機器人進行結合，典型產(chǎn)品如小i客服機器人。按照行業(yè)平均水平，機器人客服可以解決70%左右問題，其余由人工處理。據(jù)IDC統(tǒng)計，全球2018年AI系統(tǒng)支出中，客戶服務與智能銷售的支出規(guī)模分別為29億美元和17億美元，合計占總支出規(guī)模的19%。
AI助力線下新零售。Amazon Go為亞馬遜提出的無人商店概念，無人商店于2018年1月22日在美國西雅圖正式對外營運。Amazon Go結合了云計算和機器學習，應用拿了就走技術(Just Walk Out Technology)和智能識別技術（Amazon Rekognition）。店內的相機、感應監(jiān)測器以及背后的機器算法會辨識消費者拿走的商品品項，并且在顧客走出店時將自動結賬，是零售商業(yè)領域的全新變革。
對于傳統(tǒng)線下商業(yè)，電子化、數(shù)據(jù)化和智能化有助提升效率。線下商業(yè)企業(yè)開始嘗試使用電子價簽、基于計算機視覺的數(shù)據(jù)跟蹤和分析、人工智能在選址和運營中的應用。我們判斷，電子化、數(shù)據(jù)化和智能化將助力線下商業(yè)零售行業(yè)競爭格局重構。
線上商業(yè)零售，以數(shù)據(jù)為基礎打造閉環(huán)AI商業(yè)生態(tài)。以阿里為例，在零售、電子商務端的大數(shù)據(jù)以數(shù)據(jù)銀行的形式作為底層數(shù)據(jù)，通過大數(shù)據(jù)、云計算、AI分析為客戶提供決策支持，覆蓋金融、社交、商業(yè)、物流等多體系，形成完整的AI 商業(yè)生態(tài)體系。
智能安防
AI 安防是AI圖像識別2G的主要落地方式。傳統(tǒng)安防設備將音視頻材料簡單記錄后，需要大批量人工進行逐一甄別或實時監(jiān)控。引入AI后，算法可以自動將人像及事故場景與預設標簽比較，識別出特定人物及事故，充分盤活原有音視頻及圖像數(shù)據(jù)資源。AI 安防可用于市政治安管理，提升智能發(fā)現(xiàn)的事件數(shù)目，降低事件發(fā)生處理平均時長，對警、消、救等各類車輛進行聯(lián)合指揮調度。也可以用于車站、機場等需要驗證信息的特殊場景，減少人工成本及審核時間，提高效率。
國內安防市場具有較大潛力。目前國內安防市場規(guī)模穩(wěn)步增長，相比發(fā)達國家，我國攝像頭滲透率仍待提高。?？低暿悄壳皣鴥饶酥劣谌虻陌卜例堫^，產(chǎn)品由底層的攝像頭硬件、人臉及物體識別算法、后臺系統(tǒng)、數(shù)據(jù)庫等全面覆蓋。
城市大腦：AI 城市治理
大城市病和新型城鎮(zhèn)化給城市治理帶來新挑戰(zhàn)，刺激AI 城市治理的需求。大中型城市隨著人口和機動車數(shù)量的增加，城市擁堵等問題比較突出。隨著新型城鎮(zhèn)化的推進，智慧城市將會成為中國城市的主要發(fā)展模式。而智慧城市涉及的AI 安防、AI 交通治理將會成為G端的主要落地方案。2016年杭州首次進行城市數(shù)據(jù)大腦改造，高峰擁堵指數(shù)下降至1.7以下。目前以阿里為代表的城市數(shù)據(jù)大腦已經(jīng)進行了超過15億元的投資，主要集中在智能安防、智能交通等領域。
城市交通也是AI的重點場景。從城市問題與落地的技術瓶頸來看，交通領域具有優(yōu)先的落地價值。以城市大腦為中樞，連接攝像頭、車輛標簽、交通流量等數(shù)據(jù)，通過云端的分析和整合，從而實現(xiàn)對城市的精準分析、整體研判、協(xié)同指揮，緩解擁堵、停車困難、路線規(guī)劃、事故處理、違章告發(fā)等首要交通問題。
智慧醫(yī)療：AI 醫(yī)療
AI 醫(yī)療多應用于醫(yī)療輔助場景。在醫(yī)療健康領域的AI產(chǎn)品涉及智能問診、病史采集、語音電子病歷、醫(yī)療語音錄入、醫(yī)學影像診斷、智能隨訪、醫(yī)療云平臺等多類應用場景。從醫(yī)院就醫(yī)流程來看，診前產(chǎn)品多為語音助理產(chǎn)品，如導診、病史采集等，診中產(chǎn)品多為語音電子病例、影像輔助診斷，診后產(chǎn)品以隨訪跟蹤類為主。綜合整個就診流程中的不同產(chǎn)品，當前AI 醫(yī)療的主要應用領域仍以輔助場景為主，取代醫(yī)生的體力及重復性勞動。AI 醫(yī)療的海外龍頭企業(yè)是Nuance，公司50%的業(yè)務來自智能醫(yī)療解決方案，而病歷等臨床醫(yī)療文獻轉寫方案是醫(yī)療業(yè)務的主要收入來源。
Fintech：AI 金融
AI 金融已在智能投顧領域大規(guī)模應用。智能投顧也稱機器人投顧（Robo-Advisor)， 主要是結合大數(shù)據(jù)、機器學習、市場信息來分析預測金融資產(chǎn)的價格走勢；并根據(jù)客戶收益目標及風險承受能力，構建符合客戶需求的投資組合。量化投資在過去幾年呈現(xiàn)高速增長。據(jù)拓墣產(chǎn)業(yè)研究預測，全球智能投顧規(guī)模在2020年達到5.9萬億美元（CAGR 75%）；Statista預測，中國智能投顧資產(chǎn)規(guī)模將在2022年達到6651億美元（CAGR 87%）。在2018Q2國內三家智能投顧規(guī)模最大的三家銀行：招商銀行、中國銀行、工商銀行的智能投顧規(guī)模分別達到116.25億元、40億元和20億元。
數(shù)據(jù)是AI的核心
受益于移動互聯(lián)網(wǎng)紅利，全球數(shù)據(jù)量或將從16ZB（2016年）快速增長到40ZB（2020年），到2025年或增至160ZB。數(shù)據(jù)中心IDC需求持續(xù)較高增長。物聯(lián)網(wǎng)IoT將進一步增加數(shù)據(jù)量和數(shù)據(jù)維度，驅動數(shù)據(jù)量增速超預期。5G技術將進一步提升移動互聯(lián)網(wǎng)傳輸速度和連接數(shù)，帶來工業(yè)互聯(lián)網(wǎng)和智慧城市等更廣泛的機遇。預計2020-2025年，5G訂閱用戶數(shù)將從0.4億爆發(fā)式增長到26.1億（CAGR=131%）。云計算市場亦將持續(xù)較快增長。數(shù)據(jù)產(chǎn)業(yè)鏈（采集、傳輸、存儲、運算）孕育更廣泛的AI投資機遇。
數(shù)據(jù)采集：從互聯(lián)網(wǎng)到IoT
AI物聯(lián)網(wǎng)時代：萬物互聯(lián)。中國物聯(lián)網(wǎng)市場規(guī)模已經(jīng)達到11605億元；IC insights也預測，2019年全球物聯(lián)網(wǎng)的設備連接數(shù)將會增長30億部以上。大規(guī)模loT設備的使用將會讓數(shù)據(jù)采集更加便利，也會增加AI學習和計算的數(shù)據(jù)量。
數(shù)據(jù)傳輸：從4G到5G
5G將驅動新商業(yè)模式的產(chǎn)生。相比4G傳輸，5G具有超高速率、超低時延、超高密度傳輸?shù)膬?yōu)勢，可增加吞吐率并與更多用戶同時工作。5G有機會滿足IoT設備長時間在線、低功耗待機、實時喚醒等不頻繁、小數(shù)據(jù)量卻需快速響應的需求，助力IoT實現(xiàn)爆發(fā)式增長。
5G商用可望進一步拉動數(shù)據(jù)量增速及數(shù)據(jù)傳輸效率。根據(jù)Statista預測，2020-2025年全球5G訂閱用戶將從0.4億爆發(fā)式增長到26.1億（CAGR=131%）；GSMA也預測，5G手機數(shù)將從2021年的1億部增長至2025年的11億部（CAGR=224%）。5G設備的大規(guī)模商用將會帶來移動終端數(shù)據(jù)量的增加和數(shù)據(jù)傳輸速度的提高。
數(shù)據(jù)存儲：IDC需求迅速增長
2017年全球IDC市場規(guī)模535億美元（ 18%），中國市場946億人民幣（ 32%）。我們判斷，未來5-10年數(shù)據(jù)量仍將持續(xù)高速增長，預計到2020年，全球數(shù)據(jù)中心市場規(guī)模接近900億美元（CAGR為18%）、中國市場近2000億人民幣（CAGR為31%）。
AI云計算高景氣度帶來需求。AI與云計算已逐步成IDC市場首要需求方，在數(shù)據(jù)量爆炸式增長及AI背景下，IDC有望保持更快的發(fā)展速度，我們預計國內產(chǎn)業(yè)2017~2020年的CAGR為42%，而同期全球、美國市場預計分別為26%、23%。
一線互聯(lián)網(wǎng)巨頭著重打造生態(tài)。從全球互聯(lián)網(wǎng)巨頭的AI戰(zhàn)略上看，除了蘋果與Facebook將相關技術主要用于自身的產(chǎn)品服務，其他巨頭致力于以技術為核心打造開放性的云端AI生態(tài)，在基礎層布局芯片，技術層布局平臺框架，應用層提供行業(yè)解決方案和消費級產(chǎn)品。
亞馬遜
亞馬遜：以Alexa為核心開發(fā)AIoT體系。Alexa主要通過2個核心服務連接開發(fā)者和消費者構建生態(tài): AVS (Alexa Voice Service)和ASK (Alexa Skill Kit)。AVS讓設備廠商把Alexa的“智能大腦”內嵌進自己開發(fā)的設備里，讓Alexa深入到不同IoT設備。而ASK提供工具和接口給第三方開發(fā)者添加定制化的Alexa技能，提供更多服務。另外，Amazon推出連接工具箱 ACK (Alexa Connect Kit)，允許設備制造商不聯(lián)網(wǎng)、不走云端、不需開發(fā)技能，通過本地連接就可實現(xiàn)設備“智能化”。Amazon的布局極具前瞻性，籠絡了消費者和開發(fā)者的同時降低技術門檻讓傳統(tǒng)的硬件制造商進入生態(tài)。最終目標是以Alexa為核心，深入到家居家電、消費級可穿戴設備到汽車的一切平臺，最終實現(xiàn)AIoT萬物互聯(lián)。
以AWS云計算為基礎布局底層技術。AWS平臺上可以選擇預先訓練的計算機視覺、語言、推薦和預測AI服務。他們可輕松與客戶的應用程序集成，幫助處理常見使用案例，如個性化推薦、實現(xiàn)聯(lián)絡中心現(xiàn)代化、提升安全性和提高客戶參與度。Amazon SageMaker可以幫助開發(fā)人員和數(shù)據(jù)科學家快速輕松地構建、訓練和部署任何規(guī)模的機器學習（ML）模型。它消除了各行業(yè)運用機器學習的復雜性。亞馬遜為進一步深入機器學習領域推出第一款AI芯片Inferentia，在已訓練模型的基礎上進行推理任務，Inferentia芯片可以擔負90%的算力，將推理成本降低75%左右。它支持多種機器學習框架，包括TensorFlow、Apache MXNet、PyTorch等。
谷歌以科技與智能為核心，深入AIoT場景。谷歌在基礎層提高人工智能技術的競爭優(yōu)勢，開發(fā)TPU專用芯片提高算力，研發(fā)更高級的深度學習算法TensorFlow，增強在圖形識別和語音識別領域的能力，對信息進行更深層加工、處理。谷歌將AI滲透到了旗下各產(chǎn)品，延長AIoT全產(chǎn)業(yè)鏈，從互聯(lián)網(wǎng)、移動互聯(lián)網(wǎng)等傳統(tǒng)業(yè)務延伸到智能家居、自動駕駛、機器人等領域，積累更多數(shù)據(jù)信息形成，最終形成以數(shù)據(jù)為核心的AIoT生態(tài)閉環(huán)。
架構調整，Other Bets專注研發(fā)與創(chuàng)新業(yè)務。從谷歌剝離后，Other Bets旗下業(yè)務具有更好的獨立性與激勵機制，有助推進前瞻性技術與實驗性項目，承襲谷歌以科技改變人類生活的愿景。從業(yè)務性質來看，Other Bets可視為兼具研發(fā)創(chuàng)新、風險投資、孵化器的機構；主要投入在社會公益、人工智能、自動駕駛以及醫(yī)療健康四大領域。Other Bets專注于非互聯(lián)網(wǎng)場景，科技仍為其業(yè)務主軸，并大量運用AI等數(shù)據(jù)科學，目前在AI算法領域已是全球領先。
BAT及科大訊飛是國內AI 的龍頭企業(yè)。科技部公布首批國家新一代人工智能開放創(chuàng)新平臺名單中包括百度、阿里、騰訊和科大訊飛四大公司。具體來看，依托百度來建設自動駕駛國家新一代人工智能開放創(chuàng)新平臺，依托阿里云公司建設城市大腦國家新一代人工智能開放創(chuàng)新平臺，依托騰訊公司建設醫(yī)療影像國家新一代人工智能開放創(chuàng)新平臺，依托科大訊飛公司建設智能語音國家新一代人工智能開放創(chuàng)新平臺。
阿里
阿里：城市大腦進軍2G領域。城市大腦是以大數(shù)據(jù)和AI算法為基礎，用以優(yōu)化城市管理和城市設計的云計算、物聯(lián)網(wǎng)綜合信息數(shù)據(jù)管理平臺，是AI、云計算在2G端的使用場景之一。城市大腦利用實時全量的城市數(shù)據(jù)資源全局優(yōu)化城市公共資源，即時修正城市運行缺陷，實現(xiàn)城市治理模式、服務模式和產(chǎn)業(yè)發(fā)展的三重突破。
城市大腦極大提升了城市運行效率。依靠智能安防、智能交通，城市大腦在城市事件感知與智能處理、社區(qū)與安全、交通擁堵與信號控制、公共出行與運營車輛調度等領域實現(xiàn)了城市治理與運行效率的提高。
百度
百度AI的核心戰(zhàn)略是開放賦能。百度搭建以DuerOS、Apollo為代表的AI平臺，開放生態(tài)，形成數(shù)據(jù)與場景的正向迭代?；诎俣然ヂ?lián)網(wǎng)搜索的數(shù)據(jù)基礎，自然語言處理、知識圖譜和用戶畫像技術逐步成熟。在平臺以及生態(tài)層，百度云是很大的計算平臺，開放給所有的合作伙伴，變成基礎的支撐平臺，上面有百度大腦的各種能力。同時還有一些垂直的解決方案，比如基于自然語言的人機交互的新一代操作系統(tǒng)以及與智能駕駛相關的Apollo。整車廠商可以調用其中他們需要的能力，汽車電子廠商也可以調用他們需要的相應能力，共建整個平臺和生態(tài)。
Apollo：5AIoT與無人智能駕駛的結合。Apollo是一個開放的、完整的、安全的平臺，為合作伙伴提供一套完整的軟硬件和服務系統(tǒng)，包括車輛平臺、硬件平臺、軟件平臺、云端數(shù)據(jù)服務等四大部分。百度也在車輛和傳感器等領域選擇了協(xié)同度和兼容性更好的供應商，推薦給接入Apollo開放平臺的第三方合作伙伴使用，進一步降低自動駕駛的研發(fā)門檻。百度也將開放環(huán)境感知、路徑規(guī)劃、車輛控制、車載操作系統(tǒng)等功能的代碼或能力，并且提供完整的開發(fā)測試工具。
DuerOS以語音作為入口，打造未來智能家居和萬物互聯(lián)的關鍵節(jié)點。任何廠商需要用到語音交互和語音識別，都可以輕松使用，所有場景、應用都可以圍繞語音展開，用語音操控。從而形成AIoT生態(tài)。
騰訊
騰訊依靠基礎算力開發(fā)通用技術并應用于場景。2018年9月30日騰訊宣布組織架構調整，新成立云與智慧產(chǎn)業(yè)事業(yè)群（CSIG）、平臺與內容事業(yè)群（PCG）開放生態(tài)戰(zhàn)略連接用戶，數(shù)字技術助力產(chǎn)業(yè)升級由封閉走向開放，核心層聚焦“連接 內容”，形成從內到外的產(chǎn)業(yè)森林。
騰訊云 AI賦能，助力開拓對外2B業(yè)務。2018年騰訊云市場份額保持國內第二，騰訊云堅持“AI即服務”的業(yè)務基石，縱向整合垂直行業(yè)，打造模塊化產(chǎn)業(yè)升級解決方案。騰訊云提供的行業(yè)解決方案包括智慧醫(yī)療、智慧零售、智慧出行、智慧金融、智慧工業(yè)等，聚焦社交、內容、游戲、醫(yī)療、零售、金融、安防、翻譯八大場景。
技術層：三大AI實驗室推動技術研發(fā)和場景落地。AI Lab成立于2016年4月，隸屬于騰訊技術工程事業(yè)群（TEG），主要關注基礎研究，如語音與自然語言處理。優(yōu)圖實驗室成立于2012年，于2018年9月升級為計算機視覺研發(fā)中心。微信AI聯(lián)合實驗室成立于2011年，與香港科技大學合作，聚焦語音識別。
搭建AI醫(yī)療影像平臺。2017年8月3日騰訊發(fā)布AI醫(yī)學影像產(chǎn)品——騰訊覓影，發(fā)力醫(yī)療影像AI。這是騰訊第一個應用在醫(yī)學領域的AI產(chǎn)品。該產(chǎn)品可應用于內窺鏡、CT、MRI等，利用騰訊AI Lab提供的深度學習技術，在醫(yī)學影像中進行疾病早期篩查及診斷。騰訊覓影一共包括6個醫(yī)療AI系統(tǒng)，分別是：早期食管癌智能篩查系統(tǒng)、早期肺癌篩查系統(tǒng)、糖尿病性視網(wǎng)膜病變智能篩查系統(tǒng)、智能輔助診療系統(tǒng)、宮頸癌篩查智能輔助系統(tǒng)、乳腺癌淋巴清掃病理圖像識別系統(tǒng)。篩查一個內鏡檢查用時不到4秒。對早期食管癌的篩查準確率高達90%，可以有效輔助醫(yī)生發(fā)現(xiàn)癌變征兆，將病魔遏制在搖籃里。
字節(jié)跳動
字節(jié)跳動成立AI Lab，研究領域聚焦AI前沿，覆蓋面廣泛。AI實驗室以語音、圖像、深度學習為主，在人臉識別、人體識別、智能美妝、手勢識別等技術基礎上開發(fā)趣味類型APP，同時給依靠深度學習，為用戶有針對性地推送新聞及視頻資訊。
科大訊飛
業(yè)務方向上多元化發(fā)展。基于智能語音和人工智能的源頭核心技術，匯聚產(chǎn)業(yè)優(yōu)勢資源，擴展各個應用領域。訊飛目前主要有三大事業(yè)群，消費者事業(yè)群、教育事業(yè)群、智慧城市事業(yè)群，涉及領域包括教育信息化服務、智慧城市、智能客服、車載等眾多業(yè)務方向。在核心技術上，有訊飛研究院和大數(shù)據(jù)研究院進行核心技術的不斷研究和突破。
基于訊飛領先的核心技術開放了全球首個面向開發(fā)者的語音云平臺。自此確定了訊飛開放平臺作為科大訊飛核心技術重要窗口的戰(zhàn)略定位。2010年開始陸續(xù)開放了語音聽寫、語音合成、命令詞識別、個性化聽寫等服務，基本每年都會開放大量的核心技術能力，包括在2015年隨之智能硬件行業(yè)的興起，陸續(xù)開放了面向智能硬件方向的遠場交互方案，如麥克風陣列、用戶級喚醒、AIUI等服務。同時訊飛開放平臺秉承開放共贏的理念，持續(xù)為開發(fā)者輸送最好的服務，核心的效果也在全面提升。
打造語音識別領域生態(tài)與場景。依托技術優(yōu)勢以及“訊飛開放平臺”?？拼笥嶏w以平臺為依托建立了智能語音生態(tài)圈，提供細分行業(yè)的產(chǎn)品和解決方案，主要場景包括教育、智慧城市、政法等，構建了以生態(tài) 細分場景的雙翼戰(zhàn)略。
?？低?/span>
?？低暿悄壳皣鴥饶酥劣谌虻陌卜例堫^。產(chǎn)品由底層的攝像頭硬件、人臉及物體識別算法、后臺系統(tǒng)、數(shù)據(jù)庫等全面覆蓋。公司依托“雪亮工程”與政府合作，對城市及鄉(xiāng)鎮(zhèn)的安防提供智能化解決方案。公司產(chǎn)品覆蓋智能攝像頭、人證對比、智能攝像機等。隨著公司研發(fā)支出的提升，未來公司將進一步在智能安防領域擴大市場規(guī)模。
初創(chuàng)公司
初創(chuàng)企業(yè)數(shù)目回落，行業(yè)格局有望向頭部集中。2012-2015年是AI創(chuàng)業(yè)高峰期，大量AI企業(yè)進入市場，與近年來隨著投資額的增長相反，新創(chuàng)公司數(shù)目大幅度下滑。由于科技公司具有馬太效應，強勢企業(yè)及先入企業(yè)的頭部效應會更加明顯，以估值前50名的企業(yè)為例，達到C輪融資的企業(yè)比例僅有48%，原有分散的行業(yè)格局有望得到進一步集中。
初創(chuàng)公司聚焦語音、視覺，需關注數(shù)據(jù)來源多樣、場景豐富的公司。國內AI企業(yè)主要投資領域集中在自然語言、語音及計算機視覺領域，此類領域具備數(shù)據(jù)資源及適用場景豐富的特征，需關注具有相似特征的領域、具備關鍵技術及與政府合作的公司，或行業(yè)龍頭潛在的收購標的。
神經(jīng)網(wǎng)絡技術面臨新的瓶頸，人工智能技術面臨倫理壓力，科技巨頭面臨更嚴格的數(shù)據(jù)安全法規(guī)和反壟斷壓力等。
許英博
中信證券前瞻研究首席分析師，畢業(yè)于清華大學汽車工程系，2007年進入中信證券研究部任汽車行業(yè)分析師。2016年，許女士牽頭成立前瞻研究團隊，在中國證券市場上率先以前沿科技為主要內容開展跨行業(yè)研究和跨境研究，研究內容聚焦于“數(shù)據(jù)產(chǎn)業(yè)鏈和人工智能”、“新能源汽車和智能駕駛”等前沿領域。許女士曾多次獲得新財富最佳分析師“汽車和汽車零部件”行業(yè)第一名，多次獲得水晶球獎和金牛獎最佳分析師“汽車”行業(yè)第一名，曾獲II All China （Institional Investor，機構投資人）最佳分析師“汽車”行業(yè)第二名。2017年Asia Money亞洲貨幣最佳分析師“科技硬件（Tech）行業(yè)第二名。
特別聲明
本資料所載的信息僅面向專業(yè)投資機構，僅供在新媒體背景下研究觀點的及時交流。本資料所載的信息均摘編自中信證券研究部已經(jīng)發(fā)布的研究報告或者系對已發(fā)布報告的后續(xù)解讀，若因對報告的摘編而產(chǎn)生歧義，應以報告發(fā)布當日的完整內容為準。本資料僅代表報告發(fā)布當日的判斷，相關的分析意見及推測可在不發(fā)出通知的情形下做出更改，讀者參考時還須及時跟蹤后續(xù)最新的研究進展。
本資料不構成對具體證券在具體價位、具體時點、具體市場表現(xiàn)的判斷或投資建議，不能夠等同于指導具體投資的操作性意見，普通的個人投資者若使用本資料，有可能會因缺乏解讀服務而對報告中的關鍵假設、評級、目標價等內容產(chǎn)生理解上的歧義，進而造成投資損失。因此個人投資者還須尋求專業(yè)投資顧問的指導。本資料僅供參考之用，接收人不應單純依靠本資料的信息而取代自身的獨立判斷，應自主作出投資決策并自行承擔投資風險。
