人工智能行业研究分析

中国人工智能产业规模远高于全球17%的增速水平 5G技术商用推动整个机器智能化进程5G将激发诸如智能网联汽车、远程医疗手术等各类创新应用，补齐制约人工智能发展的短板，极大拓展AI应用场景，5G与人工智能将共同引发智能终端产业下一轮技术和创新变革。2018年中国新一代信息技术产业规模突破23万亿元，同比增长12%，部分新兴技术领域中国已经进入全球第一梯队。中国人工智能产业规模预计达到339亿元，同比增长56%，远高于全球17%的增速水平。4月16日，在第一届中国国际智能终端产业发展大会新闻发布会上，21世纪经济报道从中国通信学会副理事长、秘书长张延川处获悉上述消息。在他看来，人工智能将引发诸多领域的颠覆性变革，视觉、语音、自然语言等领域的应用正逐渐向终端延伸。随着产业配套不断成熟，逐步走向商用的5G网络，将为人工智能这一“云端大脑”搭建一条“信息高速公路”，为庞大数据量和信息量的传递提供了高速传输通道，推动整个机器智能化进程。智能终端为新技术“试刀”张延川指出，当前以数字化网络化智能化为主要特征的新工业革命和数字经济浪潮席卷全球，为中国信息通信行业带来巨大的发展新机遇。中国部分新兴技术领域已经进入全球第一梯队，从人工智能产业看，中国人工智能领域融资金额居全球之首，达到325亿美元，在全球占比达到58%。据前瞻产业研究院发布的《中国人工智能行业市场前瞻与投资战略规划分析报告》统计数据显示，2015中国人工智能市场规模已突破100亿元，到了2016年中国人工智能市场规模达到141.9亿元，同比增长26.3%。截止到2017年中国人工智能市场规模增长至216.9亿元，同比增长52.8%。初步测算2018年中国人工智能市场规模将达339亿元左右，比2017年增长56.3%，远高于全球17%的增速水平。并预测在2019、2020年中国人工智能市场规模将达500亿元、710亿元。2015-2020年复合年均增长率为44.5%。2015-2020年中国人工智能市场规模统计及增长情况预测数据来源：前瞻产业研究院整理从新型显示产业看，中国大陆地区已经成为全球液晶显示产能最大的地区，预计2018年中国大陆地区的显示产业规模将超过3000亿元。在张延川看来，面向特定领域的人工智能(即专用人工智能)由于应用背景需求明确、领域知识积累深厚、建模计算简单可行，形成了特定人工智能领域的单点突破，在特定领域智能水平的单项测试中可以超越人类智能，如机器人机器翻译、图像篡改检测等领域，人工智能的运用已较为普遍和成熟。各类企业浅滩布局人工智能各类企业也纷纷将人工智能作为战略重点，全面抢滩人工智能生态布局。2017年谷歌将未来发展战略从“MobileFirst”调整为“AIFirst”。华为在2018全联接大会上首发AI战略。小米在2018年上海世界人工智能大会上明确表示，要把人工智能作为最重要的战略。从这些领先的智能终端企业争相向AI转型的动作不难看出，人工智能将是智能终端产业的下一个风口。不久前，华为发布的《GIV2025打开智能世界产业版图》白皮书预计，到2025年，个人智能终端数将达400亿，个人智能助理普及率达90%，智能服务机器人将步入12%家庭；全球企业对AI的采用率将达86%。中国信息通信研究院副总工程师史德年向21世纪经济报道表示，智能终端正在成为新技术的“试验田”，成为引领产业创新的重要领域。由于用户规模庞大，人工智能、虚拟现实、生物识别、柔性显示等新技术都率先在智能手机等智能终端上获得了规模使用。史德年表示，目前智能手机是人工智能图像识别、语音识别、虹膜等生物识别技术使用规模最大、细分应用最多的领域。虚拟现实与手机结合的盒子类虚拟现实产品已经成为占比最大的三大产品类别之一。OLED柔性屏手机占比快速提升，现在最新折叠屏技术也是先从手机开始应用。中国房地产业协会副会长张力威在发布会上表示，智能家居、智慧住宅已是必然趋势，但随之带来的挑战十分巨大。智能家居、智慧住宅产业极其复杂，产品覆盖范围广，涉及房地产企业、传统家电企业、智能硬件企业、互联网企业等等各方，应用场景千变万化，利益诉求五花八门。更为关键的是产业链各方各自为战，标准难以形成统一，对智能家居、智慧住宅的快速普及形成了极大的阻力。冲刺商用，5G终端陆续上市在张延川看来，人工智能是一个“云端大脑”，而5G则是一条“信息高速公路”。依靠“高速公路”带来的信息和数据，人工智能才能不断学习和演化，完成机器智能化进程。此外，5G商用指日可待。2018年6月14日，第一版本(R15)的5G核心网标准已在SA全会上批准冻结。随着SA5G标准正式确立，城市规模组网试验的展开，5G商用已经进入倒计时。2019年5G产业配套将会逐步完备，2020年开启全球商用。按照工信部统一部署，2018年12月中国已正式向三家基础电信企业发放了5G试验频率使用许可，下一步将开展5G规模试验，当前多个城市已经开始打造城市级的高质量5G精品网络。“5G可分别从数据、时效和算力为人工智能技术提供更好的支撑基础，大幅促进其各类终端使用场景的落地和应用。”张延川指出，5G将激发诸如智能网联汽车、远程医疗手术等各类创新应用，补齐制约人工智能发展的短板，极大拓展AI应用场景，5G与人工智能共同引发智能终端产业下一轮技术和创新变革。5G芯片、终端的研发正在全力加速，华为、中兴、小米、OPPO等企业已经在MWC2019世界移动通信大会上集中发布了各自的5G手机。史德年表示，2019年是全球5G商用的冲刺期，面向消费者的5G终端将陆续上市。手机产业经历了模拟转数字、功能机转智能机等两次大的转型，又一次到了5G技术带动的从改变生活向改变社会的转型。根据Gartner的统计，2018年全球手机终端消费的市场规模超过4100亿美元，远高于PC和平板的2100亿美元，服务器的750亿美元，是信息通信端类设备中规模最大的市场。手机产业链很长，手机的处理器、射频器件、显示屏、摄像头、电池、功能膜、外壳等组件，涉及了计算、通信、光电显示、化工等不同领域。不过，史德年也指出， 5G的高频率、高功耗对手机基带芯片、毫米波射频器件、超高清显示屏、手机金属背壳等产业链都提出了新要求。上述白皮书显示，到2025年，全球设备和物的联接数量将达到1000亿，5G联网车辆将超过6千万，车联网市场空间将达1450亿美元。届时，全球有40亿头牲畜、2000万个集装箱、3亿个LED路灯、18亿只水表等都将被打上“数字标签”，道路上的车辆、工厂的设备在制品、货运途中的集装箱、飞机发动机、室内或户外的环境监测设备……都将被联接到网络中。万物感知带来的数据洪流将与各产业深度融合，形成工业物联网、车联网等新兴产业。万物感知、万物联接和万物智能将重塑整个商业世界。（文章来源：前瞻产业研究院）

当前我国人工智能行业基础条件已经具备，随着相关政策的加速落地，将促使我国人工智能产业步入新的发展阶段，乐观估计2020年我国人工智能市场规模有望突破1600亿。深圳前瞻产业研究院人工智能行业研究小组，长期关注人工智能行业的发展动态，积极参与深圳市人工智能行业协会等权威机构举办的会议活动，结合人工智能行业的产业链结构、市场发展现状、投资情况及典型案例，对人工智能行业的发展前景和趋势做出前瞻性分析，并发布《2019年人工智能行业现状与发展趋势报告》。来源: 前瞻网

■ 人工智能下游场景多样，市场空间达万亿元。人工智能技术通用性强，可以广泛应用在社会生产生活中，当前安防、金融、教育、医疗、自动驾驶、交通、消费品、工业生产是主要应用领域。根据国务院的《新一代人工智能规划》，到2030年，下游核心产业规模将达万亿元。■ 下游应用领域的近年市场规模可以从IT化程度、试错成本两个维度进行判断。某个人工智能下游应用领域的IT化程度越高、试错成本越低，则其近几年可达的市场规模将越大。根据此原则进行判断，下游领域近几年的市场规模将是安防>金融>消费品>教育>交通>工业生产>医疗=自动驾驶。■ 智能安防市场空间达千亿、产品类公司中的龙头企业优势明显。国内安防市场达万亿元，AI技术当前渗透率低于30%，未来提升空间较大。其中的产品类公司规模效应明显，龙头企业海康、大华全球市占率已达37%，在AI时代其研发、成本、数据的优势将进一步增强，市占率有望进一步提升。■ 智慧金融落地场景多样，参与企业多元化。国内金融科技蓬勃发展，市场空间达2500亿，当前已经有七大核心AI应用场景在快速落地。金融机构、金融科技公司、互联网公司、人工智能企业均是行业的重要参与者，不同企业在不同应用场景具备竞争优势，场景和企业竞争力匹配度高的腾讯微众、恒生电子、同盾科技、硅基智能等值得长期跟踪。■ 智慧教育市场空间巨大，高价值客户是关键。当前国内的智慧教育行业呈现百花齐放的局面，其中自适应教育、智能工具类、AI少儿外语培训是相对优质的赛道,企业营收保持连年翻倍的增长，但由于高价值客户获客成本高企/留存率低等问题造成行业盈利困难。展望未来，优势赛道中高价值客户留存率高的公司如乂学教育有望长期胜出。■ 智能交通市场空间达千亿，道路和轨交是主航道。我国出行方式以公路和铁路为主，2018年占比分别达到76%、19%。在智能公路领域，行业内的领先企业是千方科技，其占据系统、数据和技术的优势，未来有望成为智慧交通大脑；在智能铁路领域，智能轨交近年发展迅速，其中佳都科技具备一体化实施和AI应用能力优势，未来有望胜出。■ 四大风险需要关注。人工智能下游企业需关注行业监管、技术创新、中美贸易战以及子行业自身发展所可能带来的风险。相关报告：人工智能行业报告（上篇）——中国造AI将崛起，数据以及平台类公司前景广阔原标题：人工智能行业报告（下篇）——忽如一夜春风来，千树万树梨花开1．人工智能下游：场景多样化、长期空间巨大人工智能产业链可以分为上中下游，我们在上篇报告里重点分析了上中游的行业发展情况、竞争格局以及重点企业的经营特点，本篇报告我们将重点分析产业链下游的发展情况。人工智能产业链下游指的是将人工智能技术在各个行业中实际应用的企业，这些企业将技术和场景结合并落地，既需要一定的人工智能技术应用能力又需要在相应行业的经验和实施能力，当前人工智能应用落地比较多的下游行业包括安防、金融、教育、医疗、自动驾驶、交运、消费品、工业生产等。 1.1人工智能下游应用场景丰富多样，横跨众多领域应用从图1中我们不难发现，相比产业链的中上游，下游的应用场景明显丰富很多，横跨了从TO G、TO B到TO C的多个领域。我们在图中列出的重点下游应用场景有八个，然而实际的场景远远不止，比如政务、司法、快递、零售、电力、智能穿戴、社交等也都是当前正在快速发展和应用人工智能技术并落地的领域，为了便于简化，都包含在其他类里。图1：人工智能产业链下游资料来源：招商银行研究院丰富的应用场景充分体现了人工智能技术基础性的特点，其未来将长期在各方面逐步改变人类的生活和生产方式，对人类社会产生积极而深远的影响。1.2下游是人工智能落地主力军，远期市场达万亿元人工智能下游产业的市场空间，理论上应当分别计算各个子行业的空间进行加总。但由于下游牵涉到的行业非常多，同时这些子行业也都在快速发展中，对其空间的估算结果往往是定性和数量级的估算，我们认为更有意义的是从宏观角度，定性的把握行业的发展趋势。我们采用2017年国务院印发的《新一代人工智能发展规划》的数据，来对未来人工智能产业的下游空间进行估算。根据规划，到2030年，我国的人工智能核心产业规模将达到1万亿元，而相关产业规模将达到10万亿元，本文定义的产业链下游更接近于发展规划所称的核心产业。同时我们也针对下游的各主要子行业进行了市场空间大致的估算，进行加总后和《新一代人工智能发展规划》的数据基本吻合。相比上中游而言，虽然技术水平要求不高，但由于下游是人工智能落地主力军，总体市场规模要更大。图2：人工智能下游未来空间估算（亿元）资料来源：国务院、招商银行研究院1.3人工智能下游应用领域近年可达的市场规模可以从IT化程度以及试错成本两个维度进行判断面对纷繁复杂的下游应用领域，我们面临的首要问题是进行行业的选择和判断，然而这是十分困难的。一方面所有的下游领域从业者都自称AI技术对行业影响巨大，能大幅提升效率，改变行业的面貌；另一方面如果从中长期来看，这些提升和变化确实存在较大可行性。然而通过对具体子行业的深入分析及实地调研后，我们发现，不同应用领域AI技术实际推进的速度差别较大，经营状况和业务模式也各有特点。进一步研究我们发现，经营状况和业务模式的差异更多是由各子行业本身的行业特性所决定，只能具体行业具体分析，但是AI技术在行业内实际推进的速度则具备一定的共性和规律性，我们可以通过IT化程度和试错成本这两个维度对未来的推进速度进行前瞻性的判断：■IT化程度：指的是该领域内的主要应用场景中，在人工智能技术应用之前，已经实现了基础的IT化和自动化。这个维度之所以很重要，是因为当前主流的人工智能技术均发源于计算机科学，其理论的研究、技术的实现、工程的落地均离不开大量IT设施以及系统的支撑。不同领域的IT化程度差别很大，比如在金融领域，现有系统的IT化程度已经很高，大量的业务交易可以线上实现，存量的IT系统非常复杂完善，那么无论是人脸识别还是自动化交易，只要在现有IT系统中加入最新训练的算法，匹配相应的场景，就能迅速实现其功能；而在医疗领域，现有的治疗模式还是以医生和病人的一对一方式为主，不同医院之间的基础IT数据都尚未打通，IT化程度非常有限，如果需要将AI技术运用到相应领域需要进行系统建设的难度和工作量非常大。■试错成本：指的是该领域的主要场景中，利用AI技术改变原有模式的风险，也即AI技术如果搞错了，是否会有很大的影响或者后果。如在安防领域，试错的成本就相对较低，本身传统的安防就不具备自动识别犯罪分子的功能，如果有遗漏并不会造成损失，最坏情况下将正常人识别成犯罪分子，也可以通过人工识别或者实际验证得到修正。而在某些领域比如L4级别的自动驾驶，试错成本就非常高，一旦系统出现问题可能导致事故和人员伤亡。总到来说，IT化程度越高、试错成本越低，某领域的推进速度则越快，而越快的推进速度则代表了近年可达的市场规模越大。图3代表的是我们对主要AI下游领域IT化程度、试错成本这两个维度的判断分析：图3：不同AI下游领域的IT化程度、试错成本资料来源：招商银行研究院通过该图我们可以分析得到主要AI下游领域近年可达的市场规模，安防>金融>消费品>教育>交通>工业生产>医疗=自动驾驶。下游领域的选择应将近年市场规模和行业特点综合来看，我们上面已经总结出判断近年市场规模的系统性方法，接下来将对各子行业的特点及其和AI结合的情况具体进行分析，限于篇幅，将主要聚焦在安防、金融、教育、交通、医疗这五个关注度较高的下游领域。2．智能安防市场空间达千亿，产品类公司中的龙头企业将是核心玩家随着计算机视觉技术的快速发展，近年安防成为了AI技术运用最多最快的领域之一，智能安防也成为了人工智能下游行业中最炙手可热的应用方向，而这也和我们之前对于行业发展速度的判断是一致的。 2.1 国内安防市场空间达万亿元，产品类公司具备规模效应近年来，随着计算机视频监控技术的发展，硬件成本的降低，平安城市、智慧城市、雪亮工程的不断推进，安防行业在过去几年取得了飞速发展。据中安网以及HIS统计，2011-2017年中国安防市场规模CAGR高达14.5%，高于全球市场（+8.5%），其中政府、大企业客户贡献最大，民用市场较小。未来随着监控成本的不断下降，智能化的不断增强，政府端的安防工程仍将稳步推进，而商业端、民用端的需求会快速增加，国内安防市场仍将保持10%以上的较快增速。据IHS预测，2019年全球安防市场规模将达到3000亿美元，增速达8%；据中安网预测，2019年中国安防市场规模将达到8700亿元，增速将达15%。图4：全球安防行业总产值资料来源：IHS、招商银行研究院图5：中国安防行业总产值资料来源：中安网、招商银行研究院安防市场的结构占比来看，安防工程占比最高，中安网的数据表明，2017年中国安防行业产值分布中，安防工程占比为62%，安防产品占比为30%，服务及其他占比为8%。图6：2017年中国安防行业产值分布资料来源：中安网、招商银行研究院尽管安防工程的占比最高，但是由于工程类实施具备很强的地域性特点，市场天然分散，每个地区工程服务商都有一定生存空间，因此该领域的集中度一直很低。中安网的数据显示，2014年全国范围内的安防工程类生厂商数目达到14000个，并且逐年增加达到了2018年的16000个。相比而言，安防产品类企业则具备较强的规模化效应，因此近年的市场集中度在不断提升。中安网的数据显示，全国范围内的安防产品类企业数量已经由2014年的接近10000个逐年递减到2018年的4000个。图7：安防产品、安防工程类企业数量（个）资料来源：中安网、招商银行研究院2.2 AI技术大幅拓展安防的价值，渗透率还有较大提升空间历史上，安防行业经历了从模拟化到数字化、低精度到高清晰、单机部署到网络化的发展过程，而AI技术尤其是计算机视觉技术的发展使得安防行业从“看的到看的清”进化成“看的懂”，进入智能化发展的新阶段，将安防的应用领域和应用价值大幅度拓展。在传统的公安领域，AI已经助力安防实现自动发现嫌疑犯等高价值应用，而在很多新兴领域，视频识别技术也可大大拓展安防的使用价值。表 1：AI监控在各领域的应用资料来源：中信证券、招商银行研究院由于AI技术在安防的多个应用领域都能产生较大价值，从2017年开始，AI产品在安防产品厂商中的销售占比迅速提升，但是当前的渗透率仍然有限，未来还有较大提升空间。艾瑞咨询的数据表明，安防前端产品的营收占比从2017年的5%提升到2018年的10%；后端产品的营收占比从17%提升到28%。图8：AI产品在安防前端营收占比资料来源：艾瑞咨询、招商银行研究院图9：AI产品在安防后端营收占比资料来源：艾瑞咨询、招商银行研究院随着安防产品的AI渗透率的不断提升，未来一段时间内，中国的智能安防软硬件市场依然将保持较快增速。据艾瑞咨询预测，国内智能安防2018 年的市场规模达 135 亿元，预计 2019 年市场仍将保持高增速，到 2020 年市场规模可达到 453 亿，长期而言，若安防产品中的AI渗透率能达到30%，智能安防的市场规模将达千亿元。图10：国内智能安防软硬件市场规模资料来源：艾瑞咨询、招商银行研究院2.3 安防产品类龙头企业优先受益于AI技术，强者愈强 如前文所述，安防工程子行业规模虽然明显较大，但该领域市场集中度提高难度较大，因此这类企业在安防智能化的浪潮中属于被动参与者。安防产品类企业虽然行业占比较低，但是技术门槛高，是实现安防智能化的关键，同时其集中度也在近年不断提升，行业小企业迅速出清，因此是安防智能化浪潮中的主导力量。而在中大型企业中，龙头企业的优势则更为明显，通过分析近年数据我们可以看到，安防龙头的业务增速远远快于行业平均增速，同时大幅也快于行业内其他中大型企业。2008~2018年，龙头企业海康、大华的营收复合增速达到41%，远大于15%的行业平均增速，也大幅高于行业内其他上市公司平均25%的增速。同时IHS的数据显示，这两家企业的合计全球市占率也由2012年的12.3%增加到2018年的37.4%。可以说双寡头垄断的格局已经形成。图11：08~18年海康、大华营收变化（亿元）资料来源：Wind、招商银行研究院图12：海康、大华全球市占率变化资料来源：IHS、招商银行研究院过去安防产品的龙头企业之所以快速发展，是因为其具备较强的技术研发优势和产品整合能力，进而构筑了研发、成本、渠道、产品溢价等全方位的优势和壁垒；AI时代到来后，智能化的需求和应用将给行业龙头构筑更高的壁垒，具体包括：■研发优势进一步扩大：为了顺应AI时代的安防趋势，海康和大华均加大了研发投入。根据2018年年报的数据，海康和大华的研发人员总数分别为1.6万和8千， 而第二梯队企业的研发人员总数一般在几百的量级；海康和大华的研发费用分别为44.8亿元和22.8亿元，而第二梯队企业的研发费用一般仅在亿元量级。同时海康和大华均成立了高规格的AI研究院，与ADI、TI等全球顶尖企业建立联合实验室，打造自己的安防AI核心竞争力。未来随着AI技术在安防领域的渗透率不断提升，龙头企业的技术优势将进一步扩大。■ 成本优势进一步增强：AI时代安防领域的一个重要增量是AI芯片的迅速增加，在这个领域海康和大华均开始提前布局，着手进行自研芯片的开发。安防领域的AI芯片技术难度适中，属于特定领域的芯片，和国内AI芯片行业当前的发展水平契合度较高，刚好属于龙头企业可以自研而中小企业很难进入的领域。未来随着自研芯片使用比例的不断扩大，龙头企业相比中小企业的成本优势将进一步凸显。■ 数据优势开始显现：安防类AI产品的算法也需要的大量的数据进行训练，当前行业内龙头企业的市占率很高，对数据的占有也具备绝对的优势，拥有各个行业、各个应用场景的海量数据以及使用经验。这些数据能助力龙头企业根据不同的行业和应用场景，训练出多个精确定制化的算法，已取得更好的智能监控效果。表 2：龙头公司2018年研发投入情况资料来源：招商银行研究院展望未来，人工智能将给安防领域带来更多的增量和变数，而其中影响最大的是安防产品类领域，其中的龙头公司海康威视和大华股份已经积极布局进行AI时代的转型。展望未来，他们相对行业内其他公司的领先优势将进一步加深，有望占据AI安防时代的先机，不断扩大自己的业务规模和市占率。值得注意的是，虽然在传统安防企业中，海康和大华的竞争优势非常明显，但是现在行业逐步有新的玩家开始进入，比如华为和阿里就在大力进入AI+安防的领域。以华为为例，近年华为安防已经从三级部门提升至二级部门，成为公司重要发展战略。2017年聚焦投入安防，2018年发布软件定义摄像头架构，2019年进一步提出“2+4+N”战略。华为的优势在于其强大的研发实力以及安防AI芯片的龙头地位。对于AI安防领域的竞争态势，我们也需要密切跟踪这些新进企业的经营状况。3．智慧金融市场空间大，落地场景多，参与企业多元化人工智能技术在金融领域的应用速度也很快，盖因金融科技的快速发展，已成为金融行业的核心支柱力量。根据IDC的预测，到2020年，银行、保险、证券这三大金融核心领域的IT市场规模将达到2500亿元，而其中银行IT的市场规模就达到接近2000亿元。图13：银行IT市场规模预测（亿元）资料来源：IDC、招商银行研究院图14：保险IT市场规模预测（亿元）资料来源：IDC、招商银行研究院图15：金融IT市场规模（银行、保险、证券）资料来源：IDC、招商银行研究院近年来金融行业正在运用AI技术不断向智慧金融转型，我们预期未来AI技术在金融科技领域的渗透率将能达到40%以上。3.1 智慧金融落地场景多样化、赋能动力充足智慧金融近年来发展迅速，应用场景丰富而多样，典型的如智慧网点、智能客服、智能信贷、智能合控、智能投顾、智能投研、智能保险等。在这些场景下金融行业可以通过AI技术提升效率和竞争力，赋能效果显著，以下做具体介绍。智慧网点：网点是商业银行最重要的服务场所和品牌形象的代表，随着网络渠道的发展，银行不能简单裁撤网点以节省成本，而是需要进行网点变革，通过以客户为中心，建设轻型化、特色化、社区化的新型网点，以实现用更低成本对客户进行更好的服务。新型网点人员少面积小，为了实现对客户的有效服务，只有通过人工智能技术的手段，才能实现小面积少人员快速实现对客户的有效服务。因此智慧网点应运而生，图16列举了人工智能技术在智慧网点的典型应用，这些应用能大幅提升效能和客户体验。图16：人工智能技术在智慧网点的应用资料来源：36Kr、招商银行研究院智能客服：金融业的服务属性决定了其具有大量客户沟通运营的需求，银行业尤其突出。客服作为企业与用户沟通的直接出口，需要兼具专业解答能力、营销能力与良好的沟通交流能力。当前，客服行业人员素质参差不齐，高素质客服短缺且成本较高，而智能客服在成本、效率上具备明显优势。智能客服除了可以模拟客服人员和客户进行沟通外，还可通过语音识别、大数据挖掘技术对银行海量的通话记录进行智能分析上，挖掘分析有价值的信息，为服务与营销提供数据与决策支持，对客户的运营也能有明显的提升作用。智能合控（合规与风控）：反欺诈反洗钱一直是商业银行和监管部门面临的核心问题，因此产生了合规与风控的需求。人工智能技术近年来在这些领域得到了广泛应用，与传统的被动式监管相比，AI和大数据分析技术的结合能够实现对海量数据的实时挖掘，主动发现、智能监控。图17：智能合控流程示意资料来源：招商银行研究院2017年人民银行成立了金融科技委员会，将强化监管科技应用实践，利用大数据、人工智能、云计算等技术丰富金融监管手段，提升跨行业、跨市场交叉性金融风险的甄别、防范和化解能力，这也为智能合控的发展带来了更多机遇。智能信贷：信贷管理是商业银行的核心业务，智能信贷能基于人工智能和大数据技术，实现线上信贷业务的全流程优化和监控，提升风控能力和运营效率，降低成本。精准信用画像和信贷审批自动化是经营效率提升的主要环节。深度学习算法可利用大数据为用户建立信用画像，从而更加前瞻性地反映申请者的信用状况，快速形成对潜在客户的风险评估。智能化的决策引擎则利用风险评估数据对借贷形成审批、额度、定价等的判断，可从贷前、贷中和贷后的各个环节实现信贷业务精细化以及自动化运作。图18：智能信贷流程示意资料来源：艾瑞咨询、招商银行研究院智能投顾：智能投顾是人工智能技术在财富管理领域的应用，它通过一系列智能算法综合评估用户的风险偏好、投资目标、财务状况等基本信息，并结合现代投资组合理论为用户提供自动化、个性化的理财方案。智能投顾的核心环节包括：用户画像、大类资产配置（投资标的选择）、投资组合构建和动态优化等。智能投顾相比人工服务具有专业高效、降低门槛、客观中立等优势。■ 专业高效：相比于传统投顾，智能投顾更高效。在用户端，智能投顾通过问卷或互联网上的留存数据进行用户的投资画像，快速针对客户的基本信息、风险偏好和投资目标等进行综合评估，在资产端平台自动进行分析和产品匹配，生成投资组合建议。■ 降低门槛：传统投顾主要针对高净值客户，覆盖范围有限，服务成本高，起步资金门槛在50~100万元，高端服务需要千万元级别的资金。而智能投顾则依靠技术优势，有效节省了人力成本，从而大大降低了服务门槛，可有效覆盖中产及以下的普通投资者。■ 客观中立：传统投顾完全依赖投资顾问个人的能力和品行，如何保障投资顾问的道德操守，避免人性的贪婪和恐惧，是重要挑战。而智能投顾通过计算机的大量参与，可有效避免很多人为因素的干扰。根据艾瑞咨询的预测，到2020年，中国智能投顾市场将达1884亿元。图19：中国智能投顾市场规模（亿元）资料来源：艾瑞咨询、招商银行研究院图20：智能投顾系统示意资料来源：36Kr、招商银行研究院智能投研：指利用机器学习、知识图谱等技术，将数据、信息和决策进行智能整合，实现数据之间的智能化关联，自动化地完成信息的收集、清洗、分析和决策等工作。它能提高投研者的工作效率和投资能力。和人工投研相比，智能投研自动化程度高，能自动从行业新闻、公司新闻、招股书、年报、公告、行业研究报告等半结构化或非结构化数据中批量自动抽取重要信息，并建立知识图谱，实现数据搜集、事件分析、舆情影响、行行业趋势分析的一站式服务，具有高效、客观的优势。图21：智能投研流程示意资料来源：36Kr、招商银行研究院智能保险：保险也是对数字和科技要求很高的行业，当前面临互联网的巨大挑战，客户对险种功能和理赔效率的需求在不断提升，对公司的精算风控也提出更高要求。人工智能技术可以从售前、承保、理赔、售后等多个环节提升运营效率，优化定价，为用户提供个性化的产品推送。以车险理赔为例，通过运用语音识别、图像识别等技术，可以实现智能理赔，克服欺诈骗保、理赔时间长等问题。据艾瑞咨询统计，智能理赔可以带来40%以上的运营效能提升，将理赔时效从3天缩短至30分钟。图22：车险智能理赔示意资料来源：艾瑞咨询、招商银行研究院3.2四大类公司是行业主要参与者，不同维度各具特点智慧金融领域的主要参与者包括金融机构、金融科技公司、互联网公司、人工智能公司。其中金融机构指的是银行、保险、证券等金融核心领域的大型金融企业及其子公司如平安科技；金融科技公司指的是长期进行某一特定金融领域信息化工作的公司，典型的如恒生电子、同花顺、万得等；互联网公司指的是大家熟知的BATJ互联网巨头及从其衍生的一些金融服务公司如蚂蚁金服、微众等；人工智能技术公司指的是近年成立的，掌握最前沿人工智能技术的公司。这几类公司各具特点和竞争优势，可以从客户和数据、技术创新能力、业务理解能力、行业经营能力这几个维度来分析：■客户和数据：金融机构以及互联网公司最具优势，其中金融机构拥有最大而全的金融客户以及数据，互联网公司拥有最大的C段客户基础。部分金融科技公司如同花顺也在自己的细分领域拥有大量数据，而绝大部分人工智能技术公司在客户数据上十分缺乏。■ 技术创新能力：人工智能技术公司和互联网公司具备相对优势，其中人工智能技术公司在AI核心领域的研发应用能力最强，而互联网公司则具备极强的用户体验、产品设计以及综合运营能力。金融科技公司的优势特定细分领域的IT开发能力丰富，金融机构的优势在对金融业务场景理解深刻，相比前两者的核心技术能力均略有差距。■ 业务理解能力：金融机构的理解毫无疑问是最深刻的，金融科技公司对自己熟悉的特定领域有较深刻的认识，互联网公司通过前期的尝试也对金融业务有一定的理解，而人工智能技术公司起步晚，理解最薄弱。■ 行业经营能力：金融机构的牌照最为齐全，金融科技公司和互联网公司都具备少量金融牌照，而人工智能技术公司的牌照最为缺乏。表 3：四大类公司及其不同维度的能力优势资料来源：招商银行研究院3.3 不同类型公司在不同场景具备竞争优势 如前文所述，智慧金融的主要参与者各自具备不同维度的特点，同时智慧金融的应用场景也非常多元化，这些多元化的场景所需要的核心能力各不相同，因此这些参与者和场景存在关联关系，不同类型的参与者适合进行不同类型场景的建设：■ 智慧网点适合金融机构和人工智能技术公司参与，因为该场景非常具体，需要金融机构提供场地，人工智能公司提供技术，相互结合 。■ 智能客服的主要优势参与方是人工智能技术公司，主要的原因是该场景技术要求高，技术普适性广，可快速复用，适合技术领先公司参与。■ 智能信贷则是金融机构、互联网企业各具优势。金融企业的优势在业务经验丰富、金融数据全面、IT流程成熟稳定，可以基于现有系统，制定符合金融规律的智能信贷模型，高效运行。互联网企业的优势在于海量的客户及部分非金融信息，如腾讯、阿里具备海量到社交和电商信息，他们可以利用这些信息及其先进的大数据处理能力，实现长尾客户的智能信贷，获得下沉市场并向中小金融机构赋能。■ 智能合控的优势企业是人工智能公司，主要是因为这项业务技术要求高，既非金融机构的盈利点，同时监管部门也有需求，因此第三方人工智能公司作为中立的技术提供者有优势。■ 智能投顾的优势参与者是金融机构和金融科技公司，投顾是对金融专业能力要求很高的行业，金融机构是该领域的翘楚，将AI技术应用后可以大幅提升效能；而部分投资领域的金融科技公司如同花顺、雪球通过长年积累，掌握大量客户信息、交易数据，也具备智能投顾的基础。■ 智能投研适合金融科技和人工智能企业参与，因为该领域对数据和技术要求都很高。部分金融科技企业如同花顺、万得具备数据和IT运营能力；部分新型企业如文因互联、萝卜投研则具备技术优势，可将数据更好整合分析。■ 智能保险的优势企业也是金融机构和互联网公司，保险龙头机构的数据规模大，行业经验丰富，互联网公司则具备更广泛的客户基础和更灵活的应用场景。表 4：不同类型智慧金融公司和场景的契合情况资料来源：招商银行研究院根据上述的分析，我们在表5整理了国内主要的智慧金融参与企业，并对其优势领域进行归类。表 5：主要智慧金融企业（请查阅PDF版本报告，如需全文请联系招商银行研究院研究管理团队。）4．智慧教育市场空间巨大，高价值客户是关键和安防领域不同，教育领域虽然试错成本也较低，但过去IT化程度也低，造成其推进过程中遇到的困难比安防领域要大，突出表现在高价值客户的获客成本高和留存率低。但是试错成本低，行业空间大给智慧教育类公司带来的好处是只要产品过硬，舍得投入营销费用，往往能获得营收的快速增长。4.1 智慧教育中长期市场空间达千亿元，当前呈现百花齐放的局面 教育行业是一个六万亿的市场，因此智慧教育的发展空间很大，根据艾瑞咨询的预测，到2022年，国内智慧教育的市场空间将达到1724亿元。虽然实际的市场发展未必如其预期的这么迅速，但中长期而言，该领域将达到千亿规模基本是行业的共识。图23：中国智慧教育市场空间预测（亿元）资料来源：流利说招股书、艾瑞咨询、招商银行研究院虽然人工智能技术和教育结合的时间并不长，但是当前的智慧教育已经呈现百花齐放的局面，多个细分领域在快速增长，主要包括自适应教育、智能工具、AI外语培训等。自适应教育因材施教，国外发展较成熟，国内处于快速发展期 自适应教育指的是通过人工智能技术，进行大数据分析，自动分析学生的知识掌握阶段和性格特点，自动调整学生的学习路径，以帮助学生达到更有效的学习效果、获得更好的体验。图24：自适应教育流程示意资料来源：艾瑞咨询、招商银行研究院自适应教育最大的优势在于能够定位到每位学生的知识漏洞，能够引导学生进行最适合他自己的下一步学习内容和活动，当学生在学习过程中遇到课程难度过高或过低时，课程的难易程度都可以自动调整。老师也可以根据系统提供的学习状态评估报告来分析每个学生的知识空白，并即时调整学习进度，为每个学生提供个性化教学。所以从理论上说，自适应学习是解决在线教育的“因材施教”问题的潜在可行方案之一，内容、数据与技术是支撑自适应学习系统开发的关键。自适应教育在国外发展较早，相对成熟，国外逐步涌现出了Knewton、DreamBox等教育科技明星公司，根据亿欧咨询的数据，Knewton已经成为美国排名第一的AI+教育公司。自适应教育之所以在国外得到较快发展，是因为其在教育实践中体现出了明显效用， Knewton的实测数据表明，自适应教育相比传统教育能产生较大的差异性提升。 表 6：Knewton自适应研究样本资料来源：鲸准研究院、招商银行研究院表 7：Knewton自适应研究结果资料来源：鲸准研究院、招商银行研究院紧随国外发展，国内近年的自适应教育热度明显提升，好未来、新东方、乂学等教育公司均陆续推出自适应学习产品。以乂学教育为例，据公开资料显示，成立四年来，其下属的松鼠AI已经累积学生数据近200万,在全国20多个省300多个城市签署了1800多家合作学校，同时其营收从2015年的800万元增加到2018年的10亿元，每年都保持400%的速度增长。图25：乂学教育营收快速增长资料来源：公开资料搜集、招商银行研究院展望未来，国内的自适应教育行业具备巨大的发展潜力。智能工具类企业具备入口优势，用户规模巨大教育行业的智能工具类企业指的是利用AI技术，为老师和学生提供智能化工具服务的公司，当前的核心应用包括拍照搜题以及智能批改：■ 拍照搜题指的是上传题目照片，然后系统通过图像识别、模式匹配等方法自动定位到题料库中的题目，将解题方法反馈的过程。■ 智能批改指的是上传已经完成作答的作业，自动识别并判断学生作业效果并反馈的过程。这两类应用有一定的关联度，行业内的公司往往是从拍照搜题类应用起家，逐步扩展到智能批改类的应用，行业内的代表公司有作业盒子、猿辅导、作业帮等。大部分智能工具类企业的基础工具服务是免费的，这些企业主要是将工具服务作为一个好的入口，获得足够多优质的线上用户，再进一步开展相关增值服务，比如线上课外培训来获得收入。基于免费服务的特性，智能工具类企业迅速获得了大量用户。据公开资料显示，作业帮2018年7月的月活用户已超过7000万，付费用户总数超过500万。作业盒子2018年底的用户数量也超过4000万，覆盖10万所学校，独立日活超过500万，MAU超1500万，每日生产学习行为数据超过2亿条。基于庞大的用户群体，智能工具类企业可以开展低质优价的在线教育服务，营收也获得了快速增长。据公开资料显示，预计2016、2017、2018年猿辅导的营收分别为1.2亿元， 3亿元、15亿元，而作业帮、学霸君在2018年的营收也达到了10亿元的量级。图26：智能工具类公司用户数资料来源：公开资料搜集、招商银行研究院图27：智能工具类公司收入资料来源：公开资料搜集、招商银行研究院不过，需要注意的是，这些企业虽然在工具入口上具备优势，但是在课外培训的内容上和行业巨头有差距，当前新东方、学而思等公司也在大力布局线上培训，该营收渠道未来将长期面临巨头的竞争。AI外语培训市场参与者众多，少儿相比成人更优外语培训也是众多AI公司切入教育赛道的选择，这些企业有的如流利说是通过积累大量的外语语料库，通过AI老师实现对多个用户的低成本智能教学；有的如VIPKID是通过线上外语培训起家，逐步引入AI技术，生成AI助教，助推实现在线外语教育的个性化。外语培训门槛较低，众多创业者和中小企业不断进入该领域，因此在线外语培训竞争激烈较为激烈，对AI 类公司构成了较大挑战。外语培训可分为少儿和成人两类，相较而言少儿类客单价和留存率高，因为少儿往往注意力和自学能力有限，需要通过老师的引导，付费意愿和持续性较强；而成人的学习渠道多样，付费意愿低，时间有限坚持性有限。国家统计局发布的数据表明，2018年少儿英语培训市场600亿，线上66亿需求，近年保持20%的速度增长，其中VIPKID占据了55%的市场份额，营收向50亿的规模迈进。而偏向于成人外语培训的两大龙头英语流利说和51talk的营收目前在10亿元的规模，和VIPKID有一定差距，同时由于获客成本和留存率的问题，上市后依然亏损严重。相比较而言，我们认为AI少儿外语培训类的赛道相对更优。4.2 高价值客户获客成本高企，留存率低造成行业盈利困难教育行业是朝阳产业，教育行业的智能化趋势当前也已经是业界共识，领先AI教育公司的营收表现也不错，但是当前的绝大多数AI教育公司都出现盈利困难的情况，这主要是由于高价值客户获客成本较高和留存率较低。需要指出的是，我们这里讨论的是高价值客户，指的是有较强支付意愿，愿意付出较多金钱如一年几百元以上的客户。部分AI教育公司如智能工具类公司由于具备免费和工具两大属性，可以低成本获得大量客户，但是这些客户中真正具备较强支付意愿的客户比例很少。根据公开渠道整理的数据，当前在线教育的高价值客户的获客成本很高，从几百元到上万元不等，而AI教育属于在线教育中的新兴延展，其获客成本相对更高。这也导致了部分公司营销成本高企，如流利说的营销费用已经超过了营业收入 。除了获客成本高昂外，留存率低也是AI教育公司面临的重大挑战。由于部分公司的内容和教育效果不及预期，造成很多花费巨额营销费用吸引来的高价值客户，并没有持续购买服务，流失了。高价值客户续费率作为企业的核心数据，一般很少公布，但我们可以从部分上市公司的报告推测出其续费率非常有限。从流利说公布的2019年一季报以及半年报可以计算得出，虽然其营收增长，营销费用高企，但付费用户数从一季度的110万下降到了二季度的90万，隐含的流失率非常高。图28：在线教育高价值客户获客成本估算资料来源：公开渠道整理、招商银行研究院图29：续费率对高价值用户数量影响很大资料来源：招商银行研究院高价值客户获客成本高企、留存率低这两大障碍造成当前的AI教育类公司盈利困难。从公开资料梳理，当前的AI教育类公司能获得正向盈利的不到3%。4.3 优势赛道中高价值客户留存率高的公司有望长期胜出尽管行业当前面临盈利困难的问题，但教育智能化的趋势已经形成，行业内企业营收增长很快，消费者习惯在迅速培养，我们预期未来行业洗牌结束，竞争格局稳定后，龙头AI教育类公司具备长期发展前景，而当前优势赛道中高价值客户留存率高的公司有望长期胜出，这也可以成为我们选择企业的出发点。首先是要选择优势的赛道。根据前文的分析，我们认为从赛道排序来说，自适应教育>智能工具类企业>AI少儿外语培训>AI成人外语培训，优势赛道的企业未来发展会更好。其次是相比高价值客户获客成本而言，客户留存率更为关键。随着互联网红利的逐渐消退，各在线TO C行业的获客成本均在逐年提升，以京东为例，2012~2017年，京东的获客成本上涨了4倍，因此未来教育行业获客成本高企的现状很难改变。所以对所有的AI教育公司来说，提高客户留存率，将自己花费大量营销成本获取的付费用户，发展成长期忠诚客户，是最关键的工作。图30：京东历年活跃用户获客成本资料来源：公开资料整理、招商银行研究院根据这两大影响因素，我们将主要的AI教育企业判断如下，建议银行主要聚焦在第一二档的公司。表 8： 国内主要AI教育公司判断（请查阅PDF版本报告，如需全文请联系招商银行研究院研究管理团队。）另外，值得注意的是，好未来和新东方这两大教育巨头也在逐步加大AI技术的投入，未来会是所有AI教育公司的重磅竞争对手。其中好未来的投入更迅速，在2019年8月29日的世界人工智能大会上，其被科技部宣布依建设智慧教育开放创新平台。对于AI教育企业，我们同时需要密切关注其和这两大巨头的竞争关系。5．智能交通市场空间达千亿，信息化龙头具备明显竞争优势交通领域的试错成本和行业壁垒相比教育行业要更高，因此不像教育行业那样，有那么多的初创企业参与者和细分赛道领域。同时由于交通领域的IT化建设相对开始较早，部分龙头企业具备先发优势，参与智能交通的企业往往是从过往的交通信息化企业转型而来。5.1智能交通持续受益于政策，道路和轨道交通是主航道智能交通能提高运输效率、缓解拥堵以及提升交通安全，国内政策一直大力支持，在十九大报告也进一步提出中国要建设成为交通强国，从侧重投资过度到依靠科技，因此国内未来近年的智能交通市场规模将保持较快增长。据中国投资咨询网的预计，2018 年我国城市智能交通市场规模将达到620 亿元，未来五年(2018-2022)年均复合增长率约为20.33%，2022 年将达到1300 亿元。图31：中国城市智能交通市场规模（亿元）资料来源：中国投资咨询网、招商银行研究院智能交通的涵盖面较广，主要包括道路、轨道、水运、航运这四大方面。 而根据国家统计局公布的数据，2018年国内旅客出行的主要方式是公路和铁路运输，因此道路和轨道交通的市场需求大，是主要航道。图32：2018年中国旅客运输方式结构分析资料来源：国家统计局、招商银行研究院5.2 智能道路系统有望发展成智慧交通大脑，龙头企业数据优势明显智慧交通大脑指的是利用人工智能技术，基于自动搜集的海量实时交通数据，进行深度运算，以实现对于交通场景的智能实时调度，达到减少城市拥堵、提升居民出行体验的目的。智慧交通大脑实现的关键在于对人、车、路信息的搜集以及分析，过去限于技术水平，只能停留在理论的设想，而随着计算机视觉技术的不断突破，已可以让机器智能实时识别道路上的人、车信息及其行为，交通大脑的实现已经不再遥远。图33：智慧交通大脑建设中需要融合的数据资料来源：华泰证券、招商银行研究院数据对于人工智能算法的训练非常重要，而智慧城市大脑的决策行为既需要实时又十分繁多，因此历史和实时的交通数据就极其关键。国内的智能道路系统建设企业往往是从传统的道路信息化企业转型而来，因此其中的龙头企业深度介入了国内现有核心道路的信息化系统，不仅包括道路信息，也包括了ETC、交委、交警等道路管理部门的相应信息，具备先发优势。而对于最核心的人、车、路信息，龙头企业可以在对现有系统的升级改造过程中，加入AI视觉识别的模块，以实现对于现有道路的实时信息的获取。所以从数据获取的角度来说，龙头企业的先发竞争优势很大。当前国内智能道路交通龙头是千方科技，其在该领域的市场份额是主要竞争对手的三倍以上。除了拓展现有优势外，业务层面继续围绕智慧交通全面布局，积极和各大车厂合作进行V2X测试；资本层面引入阿里巴巴作为第二大股东，提升自己的技术实力。我们预期未来，千方科技基于自身的数据、技术和资金的优势，有望不断拓展自己在智能道路领域的竞争优势，朝智慧交通大脑的方向发展，成为智能交通领域的核心企业。5.3 智能轨道处于快速发展期，综合具备一体化实施和AI 应用能力的公司有望胜出虽然总的铁路运输旅客人数和公路运输相比差距较大，但是近年随着各大城市的地铁、轻轨等轨道交通建设快速展开，智能轨道企业也迎来了发展良机。来自中国轨道交通协会的数据表明，国内城市轨道在建线路长度由2013年的四千公里逐步增加到了2017年的六千公里，呈稳步上升态势。与此相应，城市轨交的信息化建设也增长迅速，据中国产业信息网的统计，信息化投资额由2015年的124亿元迅速增加到了2017年的187亿元，预计到2020年将达到326亿元的规模。图34：国内城市轨道在建线路长度资料来源：中国城市轨道交通协会、招商银行研究院图35：国内城市轨道交通信息化投资额(亿元)资料来源：中国产业信息网、招商银行研究院轨交信息系统主要包括自动售检票系统、站台门系统、综合监控系统、通信系统这四大模块。图36：轨交信息化主要模块资料来源：佳都科技、招商银行研究院而随着AI技术的发展，这四大模块都可以产生很多新的进步，比如自动售检票系统可以通过人脸自动识别自动出入，助力乘客享受更便捷的出行和支付体验；综合监控系统可以通过视觉技术对乘客、客流、物品特征进行分析，优化高峰时段分流管理、可疑物品监测、可疑人员识别，为地铁安全运营提供技术保障。因此轨交信息化行业正逐步往轨交智能化发展。 过去的轨交信息化企业往往聚焦于四大模块中的一个，整体市场较为分散，近年来少数龙头企业逐步通过内部研发和外部收购等方式，逐步完善了自己的产品结构，全面掌握了四大模块的核心技术。我们认为，未来随着轨交信息化向轨交智能化转变，项目实施难度不断增加，智能轨交的订单会越来越倾向于具备一体化实施能力的企业，全面掌握四大模块的智能轨交企业会有一定竞争优势。此外轨道交通领域的安全性要求相比安防更高，有一定的试错成本，因此对企业的AI技术能力也提出较高要求。虽然在一些核心算法上可以借助中游AI技术平台的力量，但是企业依然需要具备较高的AI技术理解和应用能力，这样才能做到整体系统的风险可控，保证系统运行的稳定和安全，实现自主可控。因此具备较强AI技术应用能力的企业也会具备竞争优势。佳都科技是国内智能轨道交通的领先企业，一方面是在行业内率先全面掌握了智能轨交系统的四大核心技术，另一方面近年也大力投入AI技术的研发，技术方面内部成立了两大AI研究院；资本方面2015年开始不断投资优秀AI企业如云从科技，对于AI技术的理解和应用在国内轨交企业中相对领先。佳都科技近年来连获智能轨交的大单，未来有望不断提升自己在智能轨交行业的市场份额。需要注意的风险点在于城市轨交建设具有一定的地域性，对于佳都科技是否能在其他城市复制其在广州的竞争力，尚待观察。6．AI+医疗愿景美好，短期面临巨大挑战医疗行业虽然空间巨大，但其面临着IT化程度低和试错成本高这两大难题，因此造成当前的AI+医疗更多是雷声大、雨点小。虽然AI+医疗的参与者众多，但这些企业往往是初创企业，项目的落地和实际营收困难重重，短期而言面临巨大挑战。6.1 AI+医疗能解决医疗痛点，理论市场空间达千亿元医疗行业是大健康领域的重要分支，近年保持快速增长，前瞻产业研究院的数据表明，国内医疗行业的市场规模由2010年的2133亿元增加到了2017年的5901亿元，未来仍将保持稳步增长，达到万亿元的规模。图37：国内医疗市场规模资料来源：前瞻产业研究院、招商银行研究院但是当前国内医疗行业依然存在医生数量不足，培养周期长、高质量医生缺乏、医疗资源地域分布不平衡等诸多痛点：■ 医生数量不足：中国病理医生与人口比例为 1:70000，而美国为1:2000，差距较大。■ 医生培养周期长：独立上岗医生培训周期长达 8 年，导致医疗人力成本高，无法迅速满足持续增长的医疗需求。■ 高质量医生缺乏：在我国全部卫生人员之中，大学本科以下学历比例占到69.4%，大学本科与研究生学历比例仅占30.6%，可见我国卫生人员整体受教育水平偏低，高质量卫生人员较缺乏。■ 医疗资源配置不均衡：据统计，2015年每千人口医疗卫生机构床位数平均仅，城市为8.27个、农村仅为3.71个，资源配置不平衡。图38：国内卫生人员学历分布（2015）资料来源：Wind、招商银行研究院图39：每千人口医疗卫生机构床位数（2015）资料来源：亿欧、招商银行研究院AI+医疗可以通过大量诊疗案例和病理图像的深度学习，实现AI智能诊疗，从供给端提供大量较高水平的AI医生，缓解医患矛盾，地域分布等痛点。若假设未来AI技术在医疗行业中的渗透率能达到10%，那么根据2025年的医疗行业空间推测，AI+医疗市场空间将达到千亿元，十分巨大。6.2 当前发展面临巨大挑战，等待曙光到来 尽管理论的空间和但是当前的AI+医疗面临巨大挑战，行业内公司获取订单和有效营收困难，主要是有以下几个原因：■ AI+医疗的技术水平有待提升，以IBM的WATSON为例，虽然研发投入上百亿美元，但在美国的应用依然困难重重，内部也爆出过开错药的问题。 ■ 医疗行业事关人民群众生命健康，试错成本很高，造成主流医疗机构对AI技术的实际使用非常谨慎，目前尚处于试验和探索的阶段。■ 医疗行业的政策限制较多，AI技术进入实用也面临着众多监管政策的挑战。■ 国内医疗行业的信息化程度相比发到国家较低，不同医院之间甚至医院内部的信息孤岛都很严重，AI技术实施的载体不完善。总体而言，虽然AI+医疗未来的理论空间十分巨大，但当前还处于发展初期，面临很多困难，银行的介入还需要等待行业曙光出现。7．布局建议及风险提示7.1 布局建议 （请查阅PDF版本报告，如需全文请联系招商银行研究院研究管理团队。）表 9：人工智能下游行业大方向判断（请查阅PDF版本报告，如需全文请联系招商银行研究院研究管理团队。）资料来源：招商银行研究院7.2 风险提示（1）行业监管风险：试错成本是下游子行业发展速度的重要因素，如果未来政府层面出于安全等考虑对行业加强监管，有可能导致相应行业的试错成本增加，发展速度变慢。（2）技术创新风险：如果未来出现新的不基于深度学习的技术方法，能够取得更好的智能效果，现有下游企业的技术方案、技术积累可能需要推倒重来，存在技术变迁的风险。（3）中美贸易战风险：当前人工智能云端用的主要芯片来源还是美国进口，如果贸易战进一步加剧，可能造成芯片价格上升、性能下降，对下游企业的经营造成压力。（4）子行业自身发展风险：这个需要针对行业具体分析，如智能安防领域需关注华为和阿里的竞争风险；智慧教育领域需关注留存率风险。相关报告：人工智能行业报告（上篇）——中国造AI将崛起，数据以及平台类公司前景广阔——End ——转载声明：本文章版权归招商银行研究院所有，招商银行研究院允许在满足以下条件时转载本文：1.转载时保留本文全部内容，不得进行任何删改；2.转载时请注明出处，并在“原文链接”中保留原始公众号文章链接；3.转载时必须保留本转载声明。本期作者方国栋，行业研究员

智能硬件终端发展历程久、变革速度快每个时代都有属于自己的“智能时代”，17-19世纪中到19世纪末，“蒸汽时代”的到来，改变了工业和交通方式，推动人类产业的变革，19世纪末和20世纪初是“电气时代”，发电机和内燃机的诞生成为动力新能源，解决了交通工具的发动机问题，20世纪四五十年代开始是“信息时代”，以知识经济为代表的新型经济成为各国综合国力竞争成败的关键。电子计算迅速发展和广泛应用，21世纪以来全球进入“智能时代”，以人工智能、5G 通信、光电芯片、大数据等为代表的智能化技术趋向成熟，人工智能将进一步解放人类的双手甚至大脑。“智能时代”的特征就是世界是个物物相连的互联网，智能硬件终端等同于应用在各个场景中的智能机器人，智能机器人的脑、眼、耳、口、手、腿分别对应相应的技术支撑，且智能硬件终端的发展正在逐渐打破产品边界，由内而外形成功能融合、数据融合、生态融合。智能硬件终端领域正处于高速发展的时期2019年我国智能硬件终端行业进入高速发展阶段，以小米、华为为代表的行业大厂凭借自身软件开发能力、用户基数以及完善的产业链多重优势，其各自运营的生态大局已初具规模，以小米MIUI系统和华为手机为控制核心的智能硬件终端产品线规模扩展迅速。初创型的智能硬件终端企业逐渐壮大，资本市场出现一些新的上市公司，像科大讯飞、京东方、智米科技、华米科技等，这些企业既包含了技术研发又有丰富的智能硬件终端产品体系，还有部分企业背靠互联网基因的母公司，培养了良好的用户生态，比如猎户星空、小米生态链企业。当下，智能硬件终端企业的商业模式相对比较明晰，盈利途径相对多元，企业发展进入相对稳定的时期。从投资角度来看，现阶段及未来十年都属于相对安全阶段。智能硬件终端的市场规模上万亿智能硬件终端的领域包含的范围甚广，现阶段智能家居设备、智能机器人、智能车载设备、智能医疗设备、智能可穿戴设备、智能大屏设备、智能安防设备等细分场景领域都有较好的落地和应用，每个领域的产品品类都很丰富。有数据显示，“万物智能”时代的物联网将拥有10万亿美元的市场空间，按照硬件占比20%-30%来计算，智能硬件设备的潜在市场空间约2~3万亿美元。本篇报告主要研究的内容有：智能硬件终端领域的发展演进过程智能硬件终端领域的发展驱动力智能硬件终端领域的市场规模及投融资情况智能硬件终端领域的产业链分析智能硬件终端领域的细分领域分析概述智能硬件终端领域的未来发展趋势及风险痛点以下为《物联网“向死而生”，智能硬件“以梦为马”》36氪智能硬件终端行业研究报告全文。点击报告下载全文，提取码：2u33关于36氪研究院36 氪研究院是 36 氪子品牌，专注于一级市场的行业研究，通过定性定量结合的方式研究新兴行业与企业，欢迎大家积极与我们交流讨论。分析师： 李晓晓 lixiaoxiao@36kr.com Wechat:15011504594 ； 关注泛人工智能、文娱消费领域

报告综述：国内产业链初步成型，上中下游各司其职。经过近年的快速发展，国内人工智能 产业逐步分化出了上中下游，其中上游提供基础能力;中游将基础能力转化成AI 技术;下游则将AI 技术具体运用到特定行业，形成生产力。由于下游应用行 业非常多，限于篇幅，本篇将重点分析行业的中上游，后续文章将对行业下游 进行深入分析。国内市场规模超千亿元，政策规划空间达万亿元。由于中游是核心技术环节，我 们根据中游的技术分类对市场空间进行估算，其中智能语音将保持40%左右的稳 定中高速增长、计算机视觉将连续超过100%爆发增长、自然语言处理将以20%的 增速稳步发展、其他类的潜在空间也十分巨大。综合来看，国内人工智能市场 空间规模到2020 年将超千亿元，而根据国务院的新一代人工智能规划，到2030 年国内人工智能的核心产业规模将达到万亿元，相关产业规模将达10 万亿元。上游AI 芯片公司国内较为弱小，数据资源公司值得培育。国内AI 芯片公司集中 在设计环节，而IC 设计行业国内较为弱小，2017 年在全球市场占比仅有11%， 且偏低端，未来将面临较大挑战，但在当前中美贸易战背景下，部分龙头公司 如海思、寒武纪、紫光展锐依然值得跟踪。数据资源公司当前处于发展初期， 作为行业服务提供商其成长的确定性和现金流表现均十分优秀，未来值得长期 培育，典型公司如海天瑞声的业务拓展迅速，财务报表稳健。中游技术平台公司将成为产业链中的核心玩家。中游技术平台作为连接上下游的 核心环节，在产业链中具备核心价值。其中智能语音和计算机视觉的技术相对 成熟，应用前景确定性高，同时国内这两个领域的公司发展较快，头部公司已 经脱颖而出。科大讯飞在智能语音市场占比达44%，商汤科技在视觉类公司中市 场占比达30%。不同领域企业特点不同，经营策略有所区别。AI 芯片公司建议聚焦龙头，资产类 业务需根据财务状况谨慎处理;数据资源公司建议提前布局，全方位经营，包 括资产类以及存款类业务;技术平台公司建议针对头部企业中短期拓展存款类 业务，未来可考虑进行资产类业务的投放。报告内容：1.人工智能:新一轮产业升级的核心推动力人工智能，英文缩写为 AI(Artificial Intelligence)，指的是由人类发明设 计的智能系统，能够模仿人类的思考方式，实现人脑的部分功能，替代人脑解 决特定问题。1.1 人工智能当前处于第三次大发展期，赋能产业升级人工智能的概念最早在 20 世纪 50 年代提出，1956 年的达特茅斯暑期会 议上正式提出了人工智能的概念。期间经历了三次发展浪潮，当前处于第三次 大发展期。第一次浪潮发生在 1956~1976 年，主导理论是逻辑主义，主要成果是完成 了一些定理证明以及逻辑程序语言 prolog。第二次浪潮发生在，1976~2006 年，主导理论是连接主义，主要成果是神 经网络理论的提出以及应用。但是在实践中发现可以解决一些简单单一问题， 对于复杂问题的处理效果不尽理想。第三次浪潮发生在 2006~现在，可以称之为基于互联网大数据的深度学 习，将大数据、神经元网络和数学统计的方法结合在一起。第三次浪潮的理论 基础和第二次浪潮类似，主要的差别在于基于神经网络的深度学习算法取得了 巨大的成功。这里的主要推动因素包括了硬件的进步、卷积神经网络模型优 化、参数训练技巧的发展等。前两次浪潮解决了人工智能的一些基础理论问题，第三次浪潮的发展已经 使得人工智能技术的发展程度(识别率、准确率等)可以实际解决很多传统需 要人类大脑才能解决的问题，具备了很强的实用性，获得生产力。1.2 人工智能根据从底层到应用的技术逻辑可以分成基础层、 技术层、应用层人工智能根据从底层到应用的技术逻辑可以分成基础层、技术层、应用 层。基础层从硬件和理论层面，为人工智能的实现提供了根本保障，主要包括AI芯片和深度学习算法。AI 芯片的发展进步，提供了越来越强的计算能力; 深度学习算法的建立，提供了AI解决问题的计算方法。技术层是基于基础层的支撑，设计出的解决某一类过去需要人脑解决问题 的通用方法，具体包括智能语音、计算机视觉、自然语言处理以及其他类这四 大人脑功能的处理方法。这些方法基于深度学习算法，根据具体的数据以及处 理场景，形成了专门的成套技术处理方法和最佳实践。通过技术层的实现，我 们可以将基础层提供的算力以及计算方法运用到具体领域，去真实对应到大脑 的某一类功能以及实践能力。应用层是基于技术层的能力，去解决具体现实生活中的问题。比如利用计 算机视觉技术，实现金融、安防等多个领域的人脸识别;利用智能语音技术， 实现智能音箱、录音笔等的语音识别;利用自然语言处理技术，用于智能客服 的问答。在实际的应用中，技术层和应用层的关系是相互交叉的，某个领域的 应用可能用到多个维度的技术层的能力，比如金融行业的应用对于智能语音、计算机视觉、自然语言处理技术都会有需求;同样某个技术层的能力也可以广 泛应用到多个不同的应用领域，比如计算机视觉技术可以广泛应用到金融、安 防、医疗、交通、教育等多个维度。1.3 数据、算法、算力、领域专业能力是人工智能效果的关键当前的人工智能应用的核心，是基于神经网络的深度学习，该方法的特点 是需要根据特定应用目的，利用大量且优质的数据，对学习网络进行反复训 练，通过传播算法，不断自动变换各层以及各节点的参数，以最终得到符合实 际应用要求的训练结果。深度学习的训练特点，决定了数据、算法、算力、领域专业能力是人工智能效果的关键:数据:深度学习算法的核心在于通过优质的数据去训练，是否取得任务相 关的足量优质数据集是人工智能技术取得成功的关键。科大讯飞在智能语 音领域的重要优势，是有足够优秀的方言训练数据，因此其语音识别产品 能够较好应对各种方言的情况，形成护城河。 算法:虽然深度学习的核心框架相对固定，但是为了使得学习模型在特定 应用场景取得较好效果，往往需要做很多的算法优化和工程优化，以使得 模型最终在具体场景取得更好的效果，比如更快的计算效率，更准确的分 类概率等。每年的人工智能顶级会议IJCAI 、AAAI 等均由大量论文，针 对很多具体应用场景，对深度学习算法从各个角度进行改进和优化。因此 对特定领域，具备强大的算法能力，是产品和企业成功的关键技术保障。 算力:由于现在需要解决的具体问题越来越复杂，云端的人工智能算法对 硬件的计算能力需求近乎无止境。虽然当前芯片技术不断进步，云计算的 提供越来越完善，但是对于一些高难度高复杂度的人工智能工作，依然需 要非常大的算力才能训练出足够好的解决模型。这样强大的算力也非常昂 贵，很多小公司无力承担。 领域专业能力:最后，人工智能技术的落地应用，最终还是要和应用场景 结合起来，往往需要最终的实施公司，既理解行业痛点，又具备丰富的行 业实施经验以及渠道能力，方能更好地将技术和具体硬件以及流程结合， 取得好的实施效果。1.4 人工智能发展中美“双雄并立”，成为国家战略相比之前历次工业革命中的落后状态，中国在人工智能时代从技术到产业 的多方面已经进入了国际领先集团。国际范围来看，人工智能行业呈现美国相 对领先，中美“双雄并立”构成第一集团，英日法德等传统发达国家构成第二 集团的竞争局面。同时全球各国针对AI 领域的发展均出台政策大力支持，其 中又尤以中国和美国的支持力度较大，上升到国家战略层面。中国的人工智能基础研究能力仅次于美国，处于第二集团基础研究能力是衡量一个国家行业发展水平的重要标志，其中科研论文和人才是核心指标，综合这两个指标来看，中国的人工智能基础研究能力仅次于美国，处于第二集团。中国AI 论文数量从2000 年开始快速攀升，根据清华大学的统计，我国(含 港澳台)的AI 论文数量，从1997 年的1000 余篇快速增长至2017 年的37000 多篇;占全球的比例也从4.26%增长至27.68%。经过这些年的快速进步，我国的人工智能论文数量无论是累计值还是当期 值都处于国际领先地位，和美国共同构成了第一集团。英国、日本、德国、印 度、法国等国家的论文数量处于第二集团。虽然中国的AI 论文数量已经处于世界领先地位，但是在核心科研人才方面 还有较大提升空间。清华大学的研究表明，美国的AI 领域杰出人才1数量遥遥 领先，是第二名英国的接近五倍。中国的AI 科研人才2数量也很多，但是杰出 人才占比很低，数量上和英国、德国、法国、意大利相近处于第二集团。将科研论文和核心人才综合来看，不难看出中国的AI 基础研究能力仅次于 美国。中美两国的人工智能产业化程度全球领先人工智能行业的产业化程度可以从企业数量以及投融资额这两个维度进行 判断，而中美两国和其他国家相比，在这两个维度上的优势都非常明显。近年中国人工智能企业数量快速涌现。信通院的数据表明，中国人工智能 企业的数量从 2012 年的 300 家迅速增长到 2017 年末的 1000 家左右。横向来看，中国的人工智能企业数量在全球范围内仅次于美国，稳居第 二。信通院的数据显示，截止 2018 年 6 月，美国和中国的人工智能企业数量 分别为 2028、1011 家，分列一二名，随后排名第三的英国的企业数量仅有 392 家，排名第九的瑞典仅有 55 家，和中美差距较大。近年随着人工智能应用范围越来越广，全球和中国的人工智能领域的投融 资规模都呈上涨趋势，其中来自中国的增长尤其迅速，占比也越来越高。据信 通院的统计，2017 年全球人工智能投融资总规模为395 亿美元，中国达到了277.1 亿美元，占全球融资总额的70%。2013 年到2018 年的第一季度全球AI 行业累计投融资数据中，中国占比60%，美国29%，合计占比接近90%。人工智能成为中美国家战略，政策重心各有特点近年来，随着人工智能技术的快速发展，全球展开了AI 军备竞赛，各主 要发达国家均出台了不少支持和引导 AI 行业发展的政策，其中又尤以中国和 美国的支持力度较大，上升到国家战略层面。我国人工智能政策的一个突出特点是数量非常多，持续性强，并且充分涵 盖了中央和地方。科瑞唯安公司和清华大学公共管理学院的联合研究表明，我 国中央政府层面的人工智能政策逐年增加，近年发布量维持在 30 以上。而我 国省级政府的 AI 政策则数量更多，在 2015 年达到了峰值 276，近两年虽有所 回落也都保持在 50 以上。这些中央以及省级层面的政策相互呼应，从资金、 税收、项目等多个层面持续支持人工智能行业的发展。从 2017 年开始，人工智能连续三年进入政府工作报告，而 2019 年的政府 工作报告不仅继续大力推进人工智能发展，更首次提出智能+的概念，充分体 现我国从顶层设计的角度，将人工智能视为国家战略中重要的基础设施，推动 其与产业的融合，加速经济结构升级。可以说我国对于人工智能的重视程度非 常高，已经上升到国家战略的层面。虽然美国的 AI 实力全球领先，但美国政府的人工智能相关规划政策 2016~2017 年才开始逐步发布，如《国家人工智能研究和发展战备计划》、 《人工智能、自动化和经济》、《人工智能白皮书》等。近一年以来美国政府 的重视程度大为提高， 2019 年的财政预算要求是美国历史上第一个制定人工 智能和无自助、无人系统作为行政研发重点的预算。而2019 年 2 月，特朗普 总统签署的行政命令创建了一个名为《美国人工智能倡议(American AI Initiative)》的项目，集全国之力“优先考虑 AI 投资”，标志着人工智能也已 经成为美国的国家战略。美国的这些政策总体来说聚焦于应对人工智能蓬勃发展的大趋势，着眼长 期对国家安全与社会稳定的影响与变革，保持美国对人工智能发展始终具有主 动性与预见性，对于重要的人工智能领域力图保持世界领先地位。由于其他国家的人工智能综合实力相比美中两国有一定差距，因此其往往 是聚焦于其本身原有的和人工智能能够较好结合的优势行业，去发展自己在局 部领域的核心竞争力。如德国的优势在于利用人工智能和工业4.0 的结合，英 国致力于人工智能和硬件芯片的结合，而日本则试图利用人工智能打造新一代 机器人。2.国内人工智能产业链初步成型，市场空间超千亿元2.1 产业链上中下游各司其职，将技术转化成生产力从宏观视角来看，人工智能产业链可以分为上中下游，其中上游提供的是 基础能力;中游将基础能力转化成具体的 AI 技术;下游则将AI 技术具体运用 到各行各业，形成生产力。下图代表的是人工智能产业链的全景示意。上游提供基础计算能力、方法和数据上游代表的是支撑人工智能行业发展的基础设施和方法，主要包括 AI 芯 片、数据以及 AI 算法。 AI 芯片是支撑人工智能行业发展的基础硬件，提供适配于AI 算法的计算 能力，当前国内外都有不少公司专注于AI 芯片的设计，同时部分中游公 司也进行AI 芯片的设计以更好匹配自己公司的专用计算模型。 数据对于AI 技术在具体行业的应用有非常重要的作用，主要的数据掌握 在行业中下游公司中，但是数据的处理是一个较为专业化的工作，当前国 内外均出现少数公司专注于数据处理，为行业中下游提供数据资源服务。 当前的主流AI 算法一般基于深度学习技术，进行AI 算法研究的主力军一 般是各大院校以及科研机构，部分实力较强的中游企业也具备很强的原创 研究能力。中游将基础计算能力和方法转化成四类AI 技术 中游代表的是基于现有的 AI 算法，在实际应用中能达到较好智能效果，具 备扩展性，在各行各业的应用前景广泛的基础性技术。当前的基础技术可以分 为智能语音、计算机视觉、自然语言处理以及其他类技术。 智能语音指的是利用计算机对语音信息进行分析处理，以模仿人类实现能 听、能说等语音能力的技术，语音识别和语音合成目前是其核心应用。智 能语音技术当前的发展已经比较成熟，在很多领域的应用已经接近人类的 水平，比如智能语音交互就在迅速成为主流的人机交互方式。 计算机视觉指的利用计算机对图像或视频信息进行处理分析，以模拟实现 人类通过眼睛观察和理解外界世界的技术，当前的主要应用包括了图像视 频的复原和增强、分割和识别、理解和自动匹配等。计算机视觉技术给机 器安上了智慧的眼睛，能替代很多原本需要人类才能完成的工作。随着近 年来计算机视觉技术在多个领域的应用取得突破，目前其已成为人工智能 最为炙手可热的技术分支。 自然语言处理指的是利用计算机对语言文字进行分析，以模拟实现人类对 于语言的理解和掌控的技术，当前的主要应用包括自然语言理解和自然语 言生成。自然语言处理是实现认知智能的关键技术，虽然当前依然面临较 大挑战，但其未来的进步和突破对人类社会的意义将十分深远。其他类指的是基于人工智能算法对一些特定类问题进行方案设计，利用计 算机将其智能解决的技术，其从实际效果来看，针对相应问题实现了模拟 人类智能。这类技术相比前三类技术，其应用范围相对较窄，基础性较弱， 为了便于分类，我们将这些技术统称为其他类。典型的应用场景包括棋类 的AlphaGo，智能游戏选手AlphaStar，金融领域的反欺诈反洗钱、智能 投顾、自动交易等。中游技术类企业具备很强的研发能力，占据了行业内软件类技术的高地， 并且在发展过程中也逐步建立了资金和数据的壁垒。同时中游人工智能技术是 链接产业上下游的关键，且具备较强基础性和横向扩展性，需要利用这些技术 的下游厂商很多。因此其中的竞争获胜者未来有可能成为人工智能行业的核心 公司，当前的领先公司非常具备长期跟踪的价值。但是技术类的公司存在变现困难的问题。虽然一些基础技术比如人脸识别 的扩展速度很快，全国的机场都已铺开，但是短期内依靠技术输出获得的营收 和现金流收入依然较为有限，这些企业主要通过股权融资的方式获取资金，信 贷业务合作的难度较大。下游综合利用各类AI 技术解决各自行业的应用问题产业链下游指的是人工智能技术在各个行业中的实际应用，是技术和场景结合并落地的环节。当前人工智能应用落地比较多的下游行业包括金融、安防、教育、医疗、自动驾驶、智慧城市、智能穿戴等，产业链的中下游企业均有参与。对于中游企业而言，一般来说其会利用自己在具体某项AI 技术的优势， 承接自身技术优势占重要地位且市场空间较大的下游行业应用，亲自下场 参与竞争，以期尽快获得较好的市场份额。如科大讯飞就利用自己的语音 识别技术，在智能语音+教育领域自己承接了较多的下游具体订单。下游企业指的是产业+人工智能的复合类企业。这类企业的特点是首先在 某个行业背景深厚，专业能力、项目实施与营销能力都十分优秀;其次是 具备技术创新的基因，能快速利用最新的人工智能技术，将其应用到自己 的行业产品或项目中，实现行业+人工智能的结合，进一步提升自己在行 业内的竞争力，打造更好的产品或者服务。下游企业虽然技术上和中游企业相比有一定差距，但是由于其直接面向客 户，进行项目建设或者产品销售，能短时间内获得较大的销售收入以及现金 流，同时部分项目和研发需要前期投入，也有一定的资金需求，相对适合银行 进行信贷类业务。同时由于这些企业在特定领域内的积累和优势较大，其未来 的行业+人工智能模式也将具备较强竞争力，也具备长期合作价值。2.1 人工智能在国内市场空间超千亿元，国际市场空间达数百 亿美元当前的人工智能产业链中，中游是核心环节且掌握核心技术，因此我们将 人工智能市场根据智能语音、计算机视觉、自然语言处理等中游核心技术进行 划分，分别计算基于各项核心技术而发展出的市场的空间，来估算总体的人工 智能市场空间。进行这样的估算后，我们可以知道未来三年在国内的市场空间有望达到千亿元量级，国际市场空间将达到数百亿美元。智能语音在国内外均进入稳定中高速增长期智能语音是人工智能技术中成熟度较高，较早开始产业化进程的技术，近 年形成了较为广泛的客户群体和应用领域，保持了较为稳定的中高速增长。中 商产业研究院预计到 2018 年，国际和国内的智能语音市场规模将分别达到 141.1 亿美元以及 159.7 亿元。由于国内的智能语音市场规模相比国际差距较 大，未来几年仍有望保持40%左右的中高速增长。计算机视觉在国内将持续爆发式增长计算机视觉技术从 2012 年开始取得了突破性的进步，权威的 ILSVRC 挑 战赛的错误率迅速降低，进而在很多领域的应用逐步跨过了识别率的门槛，使 其具备了很强的经济价值;同时随着国内平安中国建设的稳步推进，金融科技 的快速发展，计算机视觉技术的下游需求迅速扩大，两者的叠加造成了计算机 视觉这两年在国内迎来了爆发式增长，同时这样的趋势仍在延续。中商产业研究院预计到 2020 年，国内计算机视觉市场空间将达到 755.5 亿元，连续四年保持 100%以上的增长速度。国际市场空间方面 Forrester、Tractica 公司分别预测未来全球计算机视觉 市场空间将超过200 亿美元、260 亿美元。相比而言，国内企业在计算机视觉 领域的应用走在了国际前列。自然语言处理将稳步发展，技术突破将是关键自然语言处理技术(NLP)的理论下游空间十分广阔，但是当前的技术发 展离真正实用，即接近人类的语言理解能力还有较大距离。信通院预测全球的自然语言处理市场规模预计将从2016 年的 76.3 亿美元 增长到 2021 年的 160.7 亿美元，复合年增长率 16.1%，国内 2017 年的自然 语言处理市场规模大约为 49.77 亿元，相对国际来说较为落后。基于 NLP 技术得不到突破进步的保守预期下，我们预测到 2021 年，国内 的 NLP 市场大约保持 20%的中速增长。其他类技术也具备很大市场空间其他类技术中比较重要的包括智能投顾和反洗钱技术。智能投顾过去几年 呈现高速增长的趋势，据智研咨询、花旗银行预测，美国智能投顾规模到 2020 年将达到 2.2 万亿美元，复合增长率 82%;据 Statisa 预测，中国智能投 顾规模到 2022 年将达到 6651 亿美元，复合增长率 87%。若假设管理费率为 百分之一，那么国际国内的智能投顾市场空间分别达到百亿美元以及人民币的 量级。反欺诈反洗钱类应用的市场空间也十分巨大。ReportLinker2019 年最新发 布的报告显示，2018 年全球反洗钱软件市场规模为 9.057 亿美元，预计 2027 年将达到 49.932 亿美元，复合增长率 21.1%。未来的反洗钱软件基本都将采 用人工智能技术，有望成为百亿美元的市场。3.上游AI 芯片国内企业较为弱小，数据资源公司提供服务将长期受益人工智能产业链上游的算法环节，主要以高校和科研机构为主，算法信息 一般都是及时公开的，因此在上游环节，银行的业务合作的主要对象是AI 芯 片以及数据资源公司。当前上游 AI 芯片国内产业能力较为弱小，其中云端芯片面临国外的英伟 达、INTEL 等几大巨头的竞争，虽然具备挑战但风险较大;终端芯片由于要求 较低具备一定的国产化机会但市场空间有限，因此该领域总体能投放的信贷量 有限。数据资源公司国内当前规模较小，但是数据资源服务好比人工智能行业的 铲子，未来的需求将十分巨大，这类公司的成长空间和现金流都将较好，其中 的优秀公司将具备很多银行业务合作的机会。3.1 AI 芯片类公司面临国际竞争压力大，云端终端均面临挑战当前国内的 AI 芯片类公司主要集中在芯片设计环节，而国内的芯片设计行 业和国际差距较大。IC insights 的数据表明，2017 年中国大陆的芯片设计产 业市场份额占全球比例只有 11%，而其中 5%还是海思(华为)、中兴、大唐的内部转移支付。虽然 AI 芯片是一个新领域，国内厂商更具备弯道超车的可能，但由于国内 整体芯片设计能力较低，其和国际竞争对手挑战的竞争压力很大。AI 芯片和 传统芯片并不是完全割裂的关系，从原理上来说，传统的 CPU 和显卡都可以 进行 AI 运算， 只是在效率和性价比上会和 AI 芯片有差距。由于深度学习程序 的设计特点，决定了其需要的是大规模并行计算能力，这一点恰好是显卡的强 项，因此显卡龙头英伟达可以将其在传统芯片领域的设计经验，迅速复用到深 度学习的计算领域，成为 AI 芯片的领导者。我们可以看到，当前国际上 AI 芯 片的领先企业主要集中在国外，且一般具备十年以上的芯片设计经验。AI 芯片分为云端和终端，云端芯片一般用于数据中心，通用性强市场空间 大，但是竞争也更为激烈。终端芯片一般用于各种智能硬件设施，需要适应特 定场景的特定需求，具备定制化的特点，因此每个特定市场的空间相对小，竞 争压力较小。国内坚持进行云端芯片设计的厂商很少，少数国家队企业如寒武 纪科技虽然技术在国内领先，想象空间很大，但其未来的不确定性依然很大; 国内进行终端芯片设计的厂商相对较多，部分企业如思必驰、云知声能够快速 获得一定的营收，但特定领域的市场有限，企业成长空间受限。3.2 数据资源公司财务数据健康，未来成长空间可期数据对于人工智能的效果有非常重要的作用，产业链中下游公司均可以通 过自身的项目和产品获得一定数据，但是由于对于数据的处理也需要更加专业 的技能，同时单个公司的数据总存在不够完善的地方，中小公司的业务数据相 对匮乏，因此专业的数据资源公司应运而生。这些公司通过数据资源定制服 务、数据库产品、数据资源相关的应用服务等方式为人工智能行业提供数据支 持，具体如下: 数据资源定制服务:根据客户对人工智能算法模型开发、训练、拓展及优 化等过程所需数据资源的个性化需求，为客户量体裁衣地提供定制化数据 资源的设计及开发服务，对客户提供的数据进行处理，最终形成符合客户需求的定制化数据资源，客户享有最终形成的定制化数据资源的知识产权。 数据库产品:根据对人工智能算法模型应用领域、行业发展趋势、市场需 求等的评估和研判，设计并开发多种数据库产品，开发完成后授权给客户 使用。数据库产品的知识产权属于数据资源公司。 数据资源相关的应用服务:直接为下游客户提供有效的数据资源相关的应 用服务，协助客户实现人工智能算法模型的识别率提升、语言种类拓展和 垂直应用领域拓展等，助力人工智能技术及应用的设计、开发和领域拓 展。这三类服务均覆盖智能语音、计算机视觉、自然语言处理等人工智能的主 要技术领域。数据资源类公司起步较晚，公司较少，国内主要有海天瑞声、慧听科技、 标贝科技，国外的领军企业是appen。但这些公司发展较快，财务指标也非常 健康 。海天瑞声近三年净利润均为正且增长六倍，经营性现金流的增长和净 利润基本同步;appen 近三年的营收和净利润也均有翻倍的增长。从业务特点、行业发展的角度来看，我们认为数据资源类公司和创新药领 域的 CRO/CMO 公司有较多相似的地方，都属于朝阳行业中提供服务的公 司。未来其中的领先公司将能保持业务拓展和财务数据的稳步发展。3.3 产业链上游公司选择标准以及判断AI 芯片类公司具备技术要求高、投入大、风险大的特点，在发展初期需要 国家支持，因此对于这类公司，主要从其技术实力、股东资金背景、成功产品 的角度进行判断: 技术实力:主要看相应公司是否具备领先的科研队伍，拥有院士、千人计 划专家或者国际芯片大厂成功经验技术人员。 股东资金背景:主要看相应公司的重要股东是否有国家队或者 BAT 等顶 尖企业，历次融资情况是否充足，满足业务发展需求。 成功产品:主要看历史上是否真的产出过比较成功的芯片，较大规模运用 到实践中，如云端服务器、知名手机设备等。我们根据以上标准，对国内主要的 AI 芯片企业进行了评价和划分，我们认 为，综合评价第四档的企业暂时不具备业务合作的必要，综合评价第三档及以 上的公司值得长期跟踪。数据资源公司核心的竞争力包括人才技术、数据积累、客户资源:人才技术:核心技术人员以及在数据资源领域的经验积累。数据积累:在智能语音、计算机视觉、自然语言处理等各领域积累的重要数据。客户资源:是否覆盖行业内核心客户，如 BAT、知名中游技术公司等。当前国内专业的数据资源公司非常少，主要参与者有海天瑞声、慧听科 技、标贝科技，其中海天瑞声由于拟申报科创板，信息披露较为完善。从披露 的信息来看，海天瑞声在人才技术、数据积累、客户资源等方面的积累均处于 非常优秀的水平，是一家非常值得长期合作的企业。慧听科技、标贝科技这两家企业的公开信息非常缺乏，若能获得相应数据，可以和海天瑞声的业务和财务进行对比，以确定这些公司的行业地位。4.中游技术平台将是产业链中的核心玩家在整个人工智能产业链中，我们认为中游的技术平台类公司将有望成为产 业链中的核心环节，具备更大的不可替代性和护城河，长期而言有望持续输出 价值。其中智能语音类和计算机视觉类公司经历了几轮洗牌后，当前脱颖而出 的头部公司具备相对稳定的竞争格局，新入局的厂家想要挑战的难度较大。同 时这两类公司当前的技术成熟度较高，潜在应用场景又非常广泛，可拓展性很 强，具备长期合作的价值。4.1 中游技术平台类公司是人工智能产业链的核心环节，在产 业链中地位相对有利在人工智能产业链中，中游技术平台类公司的地位比较核心，主要是因为 其具备较强壁垒，同时向产业链上下游的扩张较为容易。技术平台类公司具备较强壁垒，规模提升能带来马太效应。技术平台类公司的壁垒体现在人才、资金、技术生态圈三个方面。平台类公司需要非常强大的研发团队和科研基因，才能第一时间消化吸收 最新的科研论文成果，并应用到具体技术领域。我们可以看到，当前国内影响 力最大的几个技术平台类公司，其创始人团队基本都出身于顶级名校或者国内 顶级科研机构。同时，中游平台建设也需要大量资金。一方面当前顶尖的AI 人才，需要很 高的薪酬才能吸引，IDG 的数据显示2017 年人工智能从业人员平均薪酬是大数 据等其他热门岗位的150%以上;另一方面，算力是决定技术应用效果的重要因 素，需要大量的资金自建或者租用计算资源;最后，建设长期生态，需要有功 能完善强大、用户友好易于推广的平台系统，前期也需要长期资金的投入，所 以具备资金壁垒。以科大讯飞为例，为进一步进行平台建设和研发，其2018 年增发的资金需求达到了56 亿元的量级。生态圈指的是中游企业基于其领先的技术实力，搭建人工智能开放平台， 以云服务等方式提供人工智能领域的技术、产品和解决方案，为行业内的企业 和个人用户，提供高效优质服务。生态圈不仅可以通过各种服务获得相应收入， 更重要的是培育了企业和个人的使用习惯，增强了自身技术和解决方案的影响 力。同时生态圈平台可以利用云计算的特性，以非常低的成本迅速扩展自己的 服务对象;而用户和使用场景的迅速扩张，则进一步提升了用户的信任度和服 务的质量，形成正向循环。以科大讯飞为例，自2015 开始加大力度建设生态 平台后，其开发者数量近年增长迅速，接近百万量级。因此平台类企业还具备 技术生态圈的壁垒。技术平台类公司具备较强上下游扩展能力相比上下游公司来说，中游的技术平台类公司具备更强的上下游扩展能力。 绝大部分下游公司往往专注在某个细分领域，其规模和实力有限，进行专业的 技术研发并非其优势能力;即便是少数下游强势企业如海康威视，就算其能真 正自行发展人工智能技术，专注于安防领域的AI 研发，也很难技术输出到其 他关联度很小的领域。而技术平台类公司则可以借助自己的资金和技术优势，在一些规模较大，利润丰厚的领域直接获取下游的需求订单，这也是当前的平 台类公司一直在推行的“平台+赛道”的商业模式。上游的AI 芯片类公司技术能力更多在半导体领域，当前也处于初创期，资 金需求很大，不具备中游扩展的能力。而技术平台类公司，为了获取更适合自 身公司算法技术的芯片，可以通过合作或者自研的方式，进行某些难度较低的 专用AI 芯片的开发。4.2 计算机视觉和智能语音类公司竞争格局稳定，具备长期合 作价值在四大类平台公司中，当前来看计算机视觉以及智能语音类公司最具备长 期合作价值。而自然语言处理的技术成熟度不够高，且国内的积累较国外差距 较大，竞争格局也不稳定;其他类平台也存在竞争格局不够清晰的问题，尚未 看到下游应用空间大且脱颖而出的企业。计算机视觉和智能语音类公司技术相对成熟、国内企业实力较强根据前文的分析，计算机视觉和智能语音类公司技术成熟，正处于行业下 游迅速应用的时期。同时相比国外，计算机视觉和智能语音也是国内企业的优 势领域。根据信通院的数据统计，人工智能企业的应用领域分布中，国内企业在视 觉和语音方面的比例要大于国外，而自然语言处理的比例大幅低于国外。竞争格局逐步稳固，头部企业脱颖而出据前文数据，2016 年开始人工智能初创企业产生的速度已经大幅降低，而 计算机视觉和智能语音类平台公司的市场竞争格局逐步稳固，部分头部企业已 经脱颖而出，竞争优势明显。据IDC 统计，2017 年中国计算机视觉市场份额中，商汤、旷世、依图、云 从四家公司已经占据了70%的市场份额;据前瞻产业研究院的统计，2018 年我 国智能语音市场份额中，科大讯飞占据了44%的市场份额。同时，这些头部企业不仅当前占据了主要的市场，在2018 年他们依旧持续进行融资，用于研发和业务拓展，不断扩大自己的资金和技术优势。4.3 技术平台类公司选择标准以及判断技术平台类公司的判定标准，可以从业务领域和平台综合能力两方面来看。业务领域方面，根据我们前文的分析，计算机视觉、智能语音类属于较好 领域，自然语言处理、其他类属于一般领域。平台综合能力则要从下游客户质量、平台打造能力 、技术输出营收、创始 团队实力、公司研发投入、资本能力、激励机制等方面来判断，其中: 下游客户质量主要指的是购买公司输出技术的是否是行业内顶尖的， 对技术要求高的公司，比如BAT、海康威视等。客户行业地位以及技 术要求越高，越能证明公司的能力。 平台打造能力主要指的是公司现有平台的输出能力，主要包括技术平 台的标准化、效率、易用性、用户数量等。 技术输出营收，重点需要看的是由于技术输出带来的直接营收。比如 收取相应公司的技术服务费，云端AI 服务收入等。需要区别的是基于 工程项目类的营收，因为这种营收不同行业差别很大，技术附加值也 较难判断。 创始团队实力，重点看的是创始团队的技术背景，是否是人工智能领 域顶尖高校科班出身，或者具备行业内顶尖公司的成功经验，以及在 学术领域具备丰硕成果。 公司研发投入指的是具体用于AI 技术以及平台的实际投入，要和用于IT 项目的项目人员实施投入区分开来。激励机制指的是能否给予核心人员足够激励，比如BAT 公司在这一方 面就明显弱了一些。（来源：招商证券）如果您喜欢此类文章，我们请关注或使用评论功能↓↓声明：转载此文是出于传递更多信息之目的。若有来源标注错误或侵犯了您的合法权益，请作者持权属证明与本网联系，我们将及时更正、删除，谢谢。

　核心观点中国步入技术驱动增长的高质量发展阶段，政策将持续加码推动芯片全面国产化中国数字经济产业已经成为驱动经济增长的新动能，2019年数字经济规模占GDP的比重达36.2%;作为数字经济产业底层基础的集成电路，却严重依赖进口，2020年前八个月，中国集成电路进口金额超过万亿元;未来政策将持续加码发展集成电路产业，实现芯片全面国产化。中国AI芯片有望引领国产芯片实现弯道超车，预计2023年中国AI芯片市场规模将突破千亿元5G基站、大数据中心、人工智能等新型基础建设的完善，促使AI芯片成为引领芯片行业未来发展的重要方向;政策、资本、技术、市场等多重因素将驱动AI芯片这一新赛道快速发展，中国芯片有望实现弯道超车;预计2023年中国AI芯片市场规模将超过千亿元。存算一体化AI芯片是未来主流方向，受益于下游需求的强劲驱动力而快速发展人工智能产业的成熟化发展驱动AI芯片由通用型向专用型发展，急剧增长的数据量对AI芯片的性能以及能耗提出了更高要求;能够兼具性能和成本的存算一体化AI芯片符合未来发展趋势，在下游需求的推动下有望快速发展。以下为报告节选内容AI芯片行业相关概念介绍芯片是集成电路(Integrated circuit)的简称，由半导体材料以及电容、电阻等器件集成并封装得到，是半导体元件产品的主要构成部分。AI芯片是用于人工智能应用领域的专用集成电路。人工智能技术落地驱动AI芯片行业发展人工智能(Artificial Intelligence，AI)，作为计算机科学最前沿的发展方向，同时也是新一轮产业变革的核心驱动力，具有巨大的市场前景。面向人工智能应用的AI算法，除具有传统算法一般的性能特征，还具备处理大量非结构化数据、处理过程计算量大、参数量大等新特质，亟须强大的运算能力和高效的访存能力支撑。AI芯片行业仍处在发展起步阶段AI芯片技术架构分类继“软件定义芯片”的定制化AI芯片被愈发重视后，“存算一体化”架构成为AI芯片技术架构的新发展方向。中国数字经济比重持续上升，新型基础设施是引擎随着数字化转型不断深入，中国数字经济规模持续增加。2019年中国数字经济规模达35.8万亿元，占GDP比重为36.2%。艾媒咨询分析师认为，数字经济蓬勃发展是大势所趋，人工智能、云计算、5G 等新型基础设施构成推动数字经济发展新引擎。AI芯片作为人工智能的核心关键，受益于数字经济发展浪潮，拥有广阔前景。国家大力扶植集成电路产业，政策资金多重利好持续落地面对芯片产业核心技术受限于外国的现状，近几年中央出台多项重大产业政策扶持集成电路、人工智能等产业发展，各省市同时积极跟进，利好政策全方面密集落地，从税收减免、创新鼓励、基础设施建设到资金支持等多角度为AI芯片行业发展营造良好政策环境。中国集成电路企业积极研发，夯实AI芯片行业发展基础数据显示，2020上半年，中国集成电路企业登记申请的集成电路布图设计数量达5176件，同比增长78.2%，其中广东、江苏、上海为数量排名靠前的三大地区，贡献了六成以上的总数。艾媒咨询分析师认为，中国集成电路企业积极研发，一方面是国内下游市场需求广阔，另一方面是受中美贸易影响。企业主动或被动式研发都将夯实AI芯片行业发展基础，推动中国集成电路行业实现赶超。全球集成电路市场规模波动上升，AI芯片是新方向数据显示，2019年全球集成电路市场规模达3304亿美元，较2018年出现回落。艾媒咨询分析师认为，随着产业信息化、智能化的深入，集成电路市场规模将迎来新一轮上升趋势，其中AI芯片将成为引领产业增长的主流技术方向。未来五年全球AI芯片市场将保持高速增长态势数据显示，2019年全球人工智能芯片市场规模为110亿美元。随着人工智能技术日趋成熟，数字化基础设施不断完善，人工智能商业化应用将加速落地，推动AI芯片市场高速增长，预计2025年全球人工智能芯片市场规模将达726亿美元。半导体产业向中国转移，国产AI芯片迎来新机遇AI芯片产业链图谱芯片制造资金技术壁垒高，技术变革助力国产芯片赶超芯片设计由IDM企业和Fabless企业负责，其中分工模式(Fabless-Foundry)的出现主要由于芯片制程工艺的发展，研发费用和生产线投资费用大幅上涨。芯片设计和制造环节，均涉及大量的技术和资金投入，资金壁垒和技术壁垒高，产业链条长。芯片产业链技术迭代快速，人工智能的发展加速了芯片行业技术变革。产业链转移叠加万物智联时代的到来，为基础相对薄弱的国产芯片，提供了换道超车的机会。中国AI芯片发展机遇(一)：制程工艺演进，驱动芯片迭代制程工艺升级可以提升芯片集成密度，随之而来的是芯片性能的提升和功耗的降低，这也使得工艺升级成为芯片制造巨头比拼的关键。当集成密度逼近物理架构的上限，芯片性能升级效用变弱，开辟新路径、新方法升级芯片性能将成为必要之举，进而为AI 芯片行业发展注入新动能。中国AI芯片发展机遇(二)：应用场景广，产品需求多元目前AI技术及应用场景大多体现在图像识别、语音识别等弱AI上，随着场景的广泛覆盖以及AI技术的进一步发展，AI芯片产品也将更加细分多元。艾媒咨询分析师认为，AI芯片商用前景广阔，但落地困难的局面导致行业并未形成稳定的市场格局，对于行业新老玩家而言是挑战，更是机遇。　中国AI芯片发展机遇(三)：突破存储瓶颈，下游强力驱动AI芯片主要运用在云端和终端(包括边缘端)，不同场景的应用对AI芯片的性能提出了不同要求。在以传统冯诺依曼架构方式为主的AI芯片市场中，当运算能力发展到一定程度，存储部件就决定了AI芯片的性能上限，同等条件下，“存算一体”架构能够有效降低AI芯片能耗和成本，突破“存储墙”难题，是AI芯片未来发展主流方向。　中国AI芯片行业市场规模有望持续快速增长iiMedia Research(艾媒咨询)数据显示，2019年中国AI芯片市场规模约为115.5亿元。艾媒咨询分析师认为，5G商用的普及将催生AI芯片在军用、民用等多个领域的应用需求，中国政府也有望趁5G的领先优势，倾注大量资源发展AI芯片，抢占科技战略制高点。在政策、市场、技术等合力作用下，中国AI芯片行业将快速发展，在国际上的话语权也将持续加强，预计2023年市场规模将突破千亿元。中国AI芯片需求场景发展不平衡特征明显AI芯片作为人工智能产业的发展核心，需求场景分布广泛，但发展速度并不均衡。云计算、消费电子、智能家居、智能安防是目前市场渗透度较高、发展速度相对领先的场景，而机器人、自动驾驶、智能制造和智慧医疗等应用领域发展相对缓慢，具有较大潜力。中国AI芯片主要需求场景(一)：云计算iiMedia Research(艾媒咨询)数据显示，2019年全球云计算市场规模近2000亿美元，随着全球数字化的深入发展，云计算市场规模将持续增长，预计2023年全球云计算市场规模将超过3000亿美元。艾媒咨询分析师认为，一方面传统数据中心能耗高、运算效率低的特点亟需改善，另一方面新增的云计算需求催生了多元化的AI芯片产品，吸引不少新玩家进入云端芯片领域，推动了AI芯片行业的发展。　中国AI芯片主要需求场景(二)：智能安防安防领域是终端AI芯片典型的应用场景，因图像识别技术以及大数据技术发展较为成熟，智能安防的发展和普及相对较快。iiMedia Research(艾媒咨询)数据显示，2019年中国安防行业市场规模达到8260亿元，并且在过去五年保持不低于10%的增长速度。艾媒咨询分析师认为，在一系列政府项目如“平安城市”、“雪亮工程”的推动下，智能安防将成为中短期内AI芯片落地的最佳场景。中国AI芯片主要需求场景(四)：机器人iiMedia Research(艾媒咨询)数据显示，全球机器人出货量逐年走高，预计2023年将突破2000万个。目前的AI技术仍是弱AI阶段，不具备自主推理能力，与市场期待存在一定距离。艾媒咨询分析师认为，机器人的智能化程度将在技术和市场的双向驱动下逐步增强，AI芯片需求爆发性增长还需时日，但市场潜力巨大。寒武纪：企业介绍寒武纪成立于2016年，目前已在A股科创板上市。公司以云服务器、智能边缘设备、智能终端设备的核心处理器芯片的研发、设计、销售为主营业务。凭借过硬的技术和产品，公司得到了市场和资本的广泛认可。寒武纪：产品情况公司自研的AI芯片产品已经实现了云、边、端三大领域的全覆盖，部分产品已经实现量产出货。艾媒咨询分析师认为，寒武纪的AI芯片产品群，拥有研发的协同优势，在国产替代日趋强烈的背景下，技术和产品的商用进程将会提升，有助于巩固和强化公司的先发优势。寒武纪：经营情况过去三年，寒武纪收入增长快速，至2019年总收入达4.44亿元，2020年上半年总收入为0.87亿元，同比下降11.01%，主要系终端智能处理器IP授权业务收入大幅下降造成。艾媒咨询分析师认为，寒武纪技术及产品商业化能力虽已处国内芯片行业前列，但对大客户的严重依赖以及巨大研发投入导致的盈利问题尚未得到有效解决，未来仍需进一步优化业务及产品结构，以降低经营风险。寒武纪：舆情表现艾媒商情舆情数据监测系统显示，系统监测期间“寒武纪”网络口碑数值为47.4，整体舆论偏正向;网络关注度地域分布较广。艾媒咨询分析师认为，寒武纪作为中国AI芯片行业龙头，受到广泛关注，虽然面临股价波动与亏损的争议，但基于公司较强的科研实力以及民众对国产芯片崛起的殷切期待，市场普遍看好其发展前景。　知存科技：企业介绍知存科技成立于2017年，专注于模拟存算一体的终端智能芯片设计，主要运用于智能物联网终端应用场景。公司的模拟存算一体芯片能够有效提升AI运算效率，降低成本，2019年已推出国际首个存算一体的AI芯片。艾媒咨询分析师认为，知存科技的技术和产品，能够满足下游应用场景对芯片效率和算力日益提升的要求，符合行业未来发展方向，拥有极大的商业化价值。持续的融资进一步验证了资本市场看好其发展前景。知存科技：产品情况知存科技创新地使用eFlash存储器完成神经网络存储和运算一体化，突破了AI的存储墙问题。其存算一体芯片产品，相比于基于冯诺依曼架构的AI芯片，更契合终端应用场景对高算力、低功耗、低成本、低时延的要求。艾媒咨询分析师认为，5G、大数据、云计算等新型基础设施建设的进一步完善，将加速万物智联时代的到来，对高运算力、低功耗的存算一体AI芯片产品需求将日益强烈。知存科技自主研发的产品不仅在技术上实现了引领，还有望走在量产商用的前列。知存科技：核心竞争力艾媒咨询分析师认为，知存科技具有领先的技术优势和轻量化运营特点，集中资源深耕智能终端，有利于强化其技术和价格优势，进而巩固和提升产品竞争力，未来发展潜力巨大。知存科技：舆情表现艾媒商情舆情数据监测系统显示，系统监测期间“知存科技”网络口碑数值为52.9;网络关注度主要集中在中部和东部。艾媒咨询分析师认为，由于存算一体芯片领域在全球范围内仍处于发展初期，因知存科技是国际上首个推出存算一体芯片产品的企业，网络口碑表现较佳。随着产品应用落地加速，其品牌影响力将进一步提升。中国AI芯片行业发展趋势分析芯片行业政策利好不断，芯片全面国产化进程提速芯片是信息化时代、数字化时代的基石。中国作为全球最大的半导体消费市场，芯片自给率不足，严重依赖进口。为发展国产芯片，实现进口替代，近年来政府出台了一系列政策支持国产芯片行业发展。今年7月份，利好政策再度加码，国务院发文表示将从财税、投融资、研究开发、进出口、人才、知识产权、市场应用、国际合作等8个方面进行扶持，以加快集成电路和软件产业发展。艾媒咨询分析师认为，国家重磅利好政策的陆续出台，将推动芯片国产化进程提速，芯片行业将获得广阔的国产替代空间。数字经济时代加速到来，芯片行业迎来新一轮高速增长数字经济正在成为全球经济增长的新动能，为抢占数字经济制高点，中国加速推进5G基站、大数据中心、人工智能、工业互联网等新型基础设施建设。艾媒咨询分析师认为，数字经济时代的到来将催生大量高端芯片、专用芯片的需求，驱动国产芯片行业创新发展。受益于存量需求替代以及增量需求释放，芯片行业将迎来新一轮的高速增长阶段。半导体产业与人工智能产业融合驱动，AI芯片行业进入发展“快车道”芯片行业具有较高的技术、资金、人才等进入壁垒，半导体垂直分工模式降低了芯片行业的准入门槛，此外，以AI芯片为代表的高端芯片前景广阔。细分环节较低的准入门槛以及全新的芯片赛道，吸引了人工智能领域的新玩家入局，传统芯片企业也在加速研发适用于AI应用场景的芯片。艾媒咨询分析师认为，在半导体产业和人工智能产业的融合驱动作用下，AI芯片行业将进入发展“快车道”。AI芯片架构由通用向专用发展，存算一体AI芯片是未来趋势新型基数设施的完善，推动了人工智能技术在消费领域以及工业生产领域的应用，落地场景趋向细分化、垂直化。艾媒咨询分析师认为，下游应用驱动AI芯片由通用架构向专用架构变革，急剧增长的数据量对AI芯片的算力和功耗提出了更高要求。存算一体技术不仅能够使AI设备性能得到提升，还能降低成本。在下游应用的强驱动下，存算一体AI芯片将成为未来主流发展方向。本文部分数据及图片内容节选自艾媒研究院发布的《2020上半年中国人工智能芯片行业研究报告》。

作为新一轮科技革命和产业变革的核心驱动力,人工智能正在对全球经济、社会进步和人类生活产生深刻的影响。 在中国,人工智能是目前最火热的投资领域,也是中国政府最具价值的战略布局之一。现在,人工智能产业技术到达了什么样的水平呢?中国信息通信研究院此前发布的《 2018世界人工智能产业发展深度分析报告》,从智能硬件、计算机视觉技术、智能语音技术以及自然语言理解这四大核心方面去一一解析。1、智能硬件智能硬件的重要组成部分包括智能传感器与智能芯片。打个比方,假若我们把人工智能的中枢大脑理解成智能芯片,那么分布着神经末梢的神经元就是智能传感器。智能传感器是将传统传感器、微处理器及相关电路一体化,形成的具有初级感知处理能力的相对独立的智能处理单元。智能芯片具备高性能的并行计算能力,且同时支持主流人工神经网络算法。目前,智能传感器主要包括有触觉、视觉、超声波、温度、距离传感器等;智能芯片主要包括有 GPU、FPGA、ASIC以及类脑芯片等。ResearchAndMarkets报告显示:2017年智能传感器全球市场价值为269.06亿美元,预计到2023年总市场规模达到706.17亿美元。《新一代人工智能发展规划》预计,到2020年,中国智能计算芯片市场规模将达到100亿元。纵观全球智能硬件市场,诸如霍尼韦尔、BOSCH、ABB等国际巨头在全面布局智能传感器的多种产品类型;在中国,也涌现了汇顶科技的指纹传感器,昆仑海岸的力传感器,但产品布局相对单一。智能芯片方面,在全球市场有NVIDIA的GPU、谷歌的TPU、英特尔的NNP和VPU、IBM的True North、ARM的DynamIQ、高通的骁龙系列、Imagination的GPU Power VR等主流企业产品。在中国,有华为海思的麒麟系列、寒武纪的NPU、地平线的BPU、西井科技额deepsouth(深南)和deepwell(深井)、云知声的UniOne、阿里达摩院在研的Ali-NPU等。2、计算机视觉技术计算机视觉技术初步具备了类似人类对图像特征分级识别的视觉感知与认知机理,拥有速度快、精度高、准确性高等一系列优点。计算机视觉技术主要实现产业应用中对图像或视频内物体/场景识别、分类、定位、检测、图像分割等功能的需求,因此被广泛应用于实现视频监控、自动驾驶、车辆/人脸识别、医疗影响分析、机器人自主导航、工业自动化系统、航空及遥感测量等领域。MarketsAndMarkets报告显示:2017年基于人工智能的计算机视觉全球市场规模为23.7亿美元,预计2023年会达到253.2亿美元。预测期(2018-2023)内复合年增长率47.54%。世界范围内,各国都陆续涌现出了一大批优秀的计算机视觉公司。譬如亚马逊、谷歌、微软、Facebook等大型企业,也不乏专注垂直应用领域的初创公司,例如根据住宅航拍照片进行智能估值的Cape Analytics,以及Steam、Oculus Home、Vlveport等VR内容分发平台。在中国,计算机视觉领域的AI公司在技术探索和商业落地方面都已经走在世界前列。例如商汤科技当前正在为各大智能手机厂商提供AI+拍摄、AR特效与AI身份证验证等功能服务;旷视科技专注视觉算法技术,除人证合一服务外,还拓展到智慧城市、智慧商业等领域;云从科技深耕金融、安防领域,目前是中国银行业第一大AI供应商;图普科技专注图像识别的商业落地,目前聚焦在互联网内容审核、商业智能、泛安防三条产品线。依图、Yi+、格灵深瞳等企业也有各自不同的布局。3、智能语音技术智能语音技术是一种可以实现将文本或命令与语音信号相互智能转化的技术,主要包含语音识别与语音合成。语音识别就好比“机器的听觉系统”,通过识别和理解,把语音信号转变为响应的文本或命令。语音合成就好比“机器的发音系统”,让机器通过阅读响应的文本或命令,将其转化为个性化的语音信号。智能语音技术因其可以实现人机语音交互、语音控制、声纹识别等功能,被广泛应用于智能音箱、语音助手等领域。中商产业研究院数据线上:2017年,全球智能语音市场规模为110.3亿美元,同比增长30%。2017年中国智能语音市场规模达到105.07亿元,与2016年相比增长70%。随着智能语音应用产业的脱产,市场需求增大,预计2018年中国智能语音市场规模将进一步增长,达到159.7亿元。目前,智能语音技术在用户终端上的应用最为火热。许多互联网公司纷纷投入人力和财力展开对此方面的研究和应用,目的是通过语音交互的新颖和便利模式迅速占领客户群。在美国,以评估的Siri,微软PC端的Cortana、移动端的微软小冰,谷歌的Google Now,Amazon的Echo都是家喻户晓的产品应用;在中国,诸如科大讯飞、思必驰、云知声,以及互联网巨头BAT等均深入布局其中。4、自然语言处理自然语言处理包含了多种多样的研究方向,其主要包括自然语言理解和自然语言生成。通俗的说,前者是实现计算机“理解”自然语言文本思想或意图;后者是实现计算机用自然语言文本“表述”思想或意图。从应用上看,包括机器翻译、舆情监测、自动摘要、观点提取、字幕生成、文本分类、问题回答、文本语义对比等等。MarketsAndMarkets数据显示,全球自然语言处理市场规模预计将从2016年的76.3亿美元增长到2021年的160.7亿美元,符合年增长率16.1%。《中国人工智能发展报告2018》报告显示:2017年中国人工智能市场规模达到237亿元,其中自然语言处理市场占比21%,也就是49.77亿元。目前,已经有许多相关的成熟技术应用产品。如美国的亚马逊、Facebook以及中国的字节跳动等公司利用自然语言技术实现旗下购物网站、社交平台或新闻平台的产品评论、社区评论和新闻文章主题分类与情感分析等功能。谷歌、百度、有道等公司应用纯熟并在不断智能升级的在线翻译服务;诸如日本的Logbar、中国的科大讯飞与搜狗等企业的随身多语言翻译机等。在基础平台方面,在美国有Korea.ai、Lingumatics等,在中国有百度云、腾讯文智、语言云等。舆情检测系统方面应用,包括有美国的Xalted的iAcuity,中国朝闻天下的Wom-Monitor,创略科技的本果舆情等。值得肯定的是,近年来我国人工智能产业技术创新以及行业应用都在加速推进,在不少领域已经具备国际竞争力甚至取得了领先优势。尽管如此,我们想要取得长足进步,还亟需解决更多技术积累、行业融合应用以及人才队伍等方面的突出问题。转载请注明出处。

2018年以来，人工智能需求持续爆发，受政策利好影响，核心技术公司与资本市场实现更好对接，企业资金压力得到缓解，落地应用进程加快，医疗健康成为资本关注的重点落地应用方向。投资机构、互联网巨头、传统医疗巨头、传统企业纷纷布局医疗人工智能。医疗资源供需矛盾突出，是我国医疗行业面临的根本问题，也是人工智能医疗的主要发展驱动力。人工智能作为一种创新技术，改变了医疗领域的供给端，对传统医疗机构运作方式带来变革，为现有医疗工作带来流程改进与效率提升，从而催生巨大增量市场。2018年我国医疗人工智能市场规模达到200亿元，CAGR超过40%，随着智能化程度不断提升，潜在市场空间巨大。医疗影像、辅助诊断、新药研发和健康管理是人工智能医疗的主要应用方向。医疗影像是我国AI医疗领域最为成熟的细分领域，目前市场竞争格局未定，高质量数据获取与标注能力成为核心竞争力。手术机器人是人工智能辅助诊断领域比较活跃的应用，临床决策系统的进入壁垒较高。人工智能以算法和算力优势，应用于新药研发各环节，解决新药研发周期长、成功率低和费用高的问题。人工智能在健康管理领域应用广泛，包括风险识别、虚拟护士、移动医疗、健康干预等多个场景。本报告主要研究以下问题：目前AI医疗市场现状如何，有怎样的发展趋势？AI与医疗领域结合将带来哪些颠覆性价值？AI医疗的发展驱动力有哪些？这些因素是否可持续？投资机构、互联网巨头、传统医疗巨头等如何布局AI医疗？AI医疗有哪些主要应用场景？商业模式是怎样的？未来AI医疗公司的核心竞争力是什么？AI医疗领域有哪些头部公司值得关注？注：本报告PDF版本可点击链接下载，提取码：tg3b关于36氪研究院36氪研究院是36氪子品牌，专注于一级市场的行业研究，通过定性定量结合的方式研究新兴行业与企业，欢迎大家积极与我们交流讨论。

2018年1月17日，由IT耳朵主办的主题为【万物皆有AI】的IEIC·IT耳朵智能创新大会暨智能行业创新企业颁奖盛典在亚洲大酒店隆重开幕。一天时间、两场圆桌论坛，50余位人工智能顶级大咖、100家主流媒体、1000名合作伙伴与行业精英参与。全国人工智能领袖登台发表主旨演讲，人工智能领域菁英从多个角度探讨了如何推动中国智能 产业蓬勃发展。大会全面展现了中国人工智能学术研究和产业投资现状，为未来五到十年中国智能产业健康发展提供了路线图。IT桔子创始人兼CEO文飞翔IT桔子创始人兼CEO文飞翔在现场指出人工智能非常重要的三大要素：第一，计算力；第二，算法；第三，数据；这些是构成近一年来人工智能高速发展的基石。同时还主持发布了《2017年人工智能行业发展研究报告白皮书》，白皮书对2017年中国人工智能行业发展做详细解读，涵盖行业概况、创投趋势、行业应用案例、焦点问题等内容，以数据驱动发展、洞见行业未来。白皮书详情可关注IT耳朵官网或官方微信。以下为文飞翔演讲实录：非常感谢大家听到现在，前面三位的嘉宾为大家从学术、科研界，包括产业界，分享了他们在探索的很多细节，我的分享可能相对而言比较宏观一点，和大家一起帮助我们来回顾这几年，尤其是2017年整个AI行业发展到了什么样子的程度，再就是大公司在这个领域做了哪些。然后我们非常多的创业和创新的公司进行了哪些，此外还包括非常典型的一些垂直行业的应用场景，以及最后提出来的一些问题，可能都非常值得我们在接下来去进行思考的。首先，AI从来不是一个很新的行业，刚才严博士也提到过，其实在第一批学习的时候，那个时候AI并不吃香，比如说体现在50年代、80年代。进入到21世纪之后，整个深度学习的技术发展带动了这一波的创业热潮，即便到目前为止，其实它仍然在延续当中。在提人工智能三大核心之前，一定要跟大家讲，在整个2017年非常多的大公司和初创公司提到了一个新的概念，就叫做在新的时代里面，大数据是生产质量，人工智能是生产力，互联网是生产关系。如果说从生产力、生产质量和生产关系的角度重新梳理所有行业的话，就得到了那句经典的话，当前中国所有的行业和产业可能都值得大家去重新做一遍。 人工智能的三大要素 再回到人工智能本身里面，也可以发现在它当中也有几个非常重要的三要素。 第一，计算资源。 在计算力资源里面成就了非常多的公司，无论是英美达上市翻了多少倍，还有芯片公司。 第二，算法方面。 各种各样的算法帮助社会极大提高运行效率。 最后，数据。 底层数据基础，大数据在国内不是新的行业，到了2017年突然发现不管是AR、VR行业，当它和人工智能合在一起带动了整个产业进行了一波新的升级。每一个产业不同技术的应用场景其实是有周期的，这里的周期没有用大家非常熟悉的曲线，可能结合国内实际的应用。首先来看，第一梯队主要是用产业界公司的数量来进行演示，可以发现在机器人领域和在无人机这些领域的公司数量是最多的，而且他们这几年在商用场景上面也得到了非常多的垂线。比如说，我知道有一家做农业的无人机或者是做电力的无人机，其实它的商用场景都比以前想象的更大一些。第二梯队整个自然语音处理带动着产业的发展。第三梯队是在计算机视觉和图像这一块，整个右下角非常长的技术，可能一方面因为技术没有发展到非常成熟的场景，第二与产业结合的关系没有发生到应用场景。下面的字非常的小，但是因为IT耳朵也帮大家印了白皮书就不细致的念了，主要把两大行业是当前AI渗透率非常高的。第一方面是在医疗健康行业，其实大家都知道做医疗健康行业创业非常难，不管是以前的互联网医疗，还是前几年的移动医疗，其实整体上面的发展都潮起潮落。但是到了AI时代之后，我们突然发现AI跟医疗的结合，无论是在这种基因领域还是在影像领域都让整个医疗健康得到了更大的发展。而且它本身并不会去影响到现在医生的多点职业，就是这种医疗改革还没有特别大的紧密关系。第二方面可能是在整个的汽车产业，上周CES刚刚结束，大家都在开玩笑说，CES可能接下来会成为汽车公司，另外的一种车展的方式。接下来是几个图简单的带过，因为它奠定了我们接下来的分析框架。 第一，产业链框架来说。 在对公司进行分类的时候，分别会从应用层、算法层和基础层里面处于哪一个阶段进行分类。 第二，基于基础有发布人工智能的数据库， 也对上面的领域进行了更细的分类，此外得到了一个比较简单的行业图谱。当然这个行业图谱目前也在结合一些新的公司出现再进行下一步的升级。 创投趋势 整个创投的宏观趋势，让大家知道一下在2017年大概投了多少的钱，然后有多少的公司在这领域里面进行探索。 第一，数量。 2017年的浪潮假如说是AI的话，从来这些大多数公司不是在2017年成立的，可能比较早的公司在2014年、2015年成立，在2017年得到一个集中的爆发。另外在地点分布。北京仍然是这些领域公司非常聚焦的一个地方。当然我们也知道在AI领域里面可能非常多，非常有实力的公司都在北京和硅谷或者是北京和西二旗多个地方同时设立研发基地。 第二，金额。 可以看到从2015年以来，这个领域投资金额增长的非常快速，到了2017年大概在国内市场里面整个经济100亿美元这样的一个数量级。但是我们可以看到另外一个趋势，虽然说2017年人工智能很火，但是在投资事件上面是在下滑的。也就是说对于2017年才选择进入人工智能的公司除非团队特别豪华，比如说我们知道前几天百度的一个研究院院长刚刚创业，天使轮都融了1.52亿人民币，除此之外，其实绝大多数的公司在2017年新成立，在初创期还是一个相对而言比较艰难的过程。另外人才竞争角度来说，因为头部公司其实在这个领域拿到了非常多的钱，这个时候他们在吸引人才上面相比初创公司更加有优势。这样会导致AI的方向也有可能像所关注的其他行业一样越来越出现倒挂的现象。但是因为这个领域在非常多的产业上面，还没有得到一个特别深的探索。换句话说，其实他们的商业模式和变现路径，目前来看还是比较初级或者是比较浅显的一个方式，才会让很多新的公司觉得在这个领域里面可能还是有机会。但是不断拉伸的投资金额，在整个行业投资的成本或者是创业的门槛其实是越来越高了。刚才讲的多的金额偏向中后期为主，尤其是相对成熟的技术和产业里面，看哪些领域会相对而言比较多？橙色的图是代表投资事件的数量，黄色的线条是代表金额的变化。首先来看，数量和金额呈正比并没有那么多的行业，绝大多数呈现的一些方面可能是倒挂的。但是有三个技术领域是现在非常火热的现象，首先计算机视觉是非常发达，不管是数量还是金额上面都是在自动驾驶领域，因为门槛非常高，数量比较少，但是金额比较大，其实是在自然语言处理这一块。刚才讲的可能是累积的数量，回到2017年，前面51VR的朋友分享的时候也讲，他们把VR用在了整个自动驾驶的车上面。回到这上面，2017年自动驾驶的头部公司正在不断的出现，而且这些头部公司拿到了更多的钱之后，VR对他们而言也可能是一个成本投入或者是一个研发的地方。这个领域相比其他行业拿到了更多的钱，一些做其他领域的公司，确实不管是激光雷达这些技术公司，其实也围绕着自动驾驶在做他们的产业链更深的一些布局。这里是一个列表，把去年相对而言融资比较大的公司进行了梳理和总结。我们来做另外一个对比，把AI行业对比其他的行业可以来看到一些情况，其实在这个行业比例上面远远高于其他的行业，2017年，大家感觉整个创投环境在U字型谷底，没有起暖回升，U字型谷底什么现象大家都不知道。带来的现象是初创型公司不好融资，再就是巨额公司聚集在5%或者10%的头部项目，绝大部分的公司拿到的平均融资金额是非常的少。总体带来的是所有行业的获投率下降，但是AI获投率比其他行业高的倍数是非常高的，哪怕是比现在更火热的区块链技术，其实也是高了非常多的比例。这里梳理了投资机构。首先来说，其实这份表统计的并不完整，尤其是在表里面看到越早期的基金可能会占据着越大的优势。如果说把基金的投资数量跟金额去做对比的话，其实会发现在整个2017年有非常多的产业基金，甚至是国家队基金，其实在AI行业是花了比这些基金更多的资金量。讲完初创公司的宏观情况之后，会跟大家来回顾整个2017年所关注的国外大公司和国内的大公司，他们有哪些新的动展？因为时间有限，再加上图里面非常的清楚，和大家简单地把每张图过一遍。非常重要的还是花时间来分享AI到底影响着我们哪些行业和产业？首先是Google，毫无疑问是整个AI领先的策略。可以看到其实它在以AI为导向里面，无论是在技术的储备上面，还是他们把AI用到Google自己的各个产业链上面，其实是相对而言非常的完善。一个典型的现象就是Google回到了中国，以通过设立Google研究院的方式来进行。虽然说微软在宣传上面没有Google或者是没有Facebook或者是AWS那么的火热，不得不承认微软是AI领域里面最大的黄埔军校，为整个产业贡献了非常多的人才。在Facebook这一块，因为Facebook的广告营销伴随着非常多中国公司的出海，其实它的这种营收的增幅是非常的快速。这个时候在AI领域开源的计划或者是开放平台的计划，其实比其他的一些公司做得会更加彻底一些。因为IBM的技术实力和资源是非常的资深，可以看到他们有非常多的品类成为AI领域里面非常知名的IP。讲完几家国外的大公司之后，可以来看中国的这些BAT巨头有哪些探索。百度无论是在去年的世界大会上，其实整个产业都是与AI智能高度的挂钩。在这个过程当中虽然说有非常多的失败，但是也可以看到非常多像我们这样子的开发者，还有像很多这样子的初创公司，其实大家用了非常多百度这些开源出来的技术方案。只是目前这些技术方案对于开发者而言还没有来进行收费，但是我们帮他们贡献了大量的数据和大量的测试场景。此外，对于阿里而言，其实在阿里去年的阿里云栖大会上有非常多的主题跟人工智能挂钩，而且阿里云也成为阿里在各地AI领域里面非常重要的桥头堡。阿里云在国内目前大概可以占到50%到60%左右的市场份额，如果单有一天在云资源上面的平台和数据都能够把AI工具应用上去的话，其实阿里在底层基础之上的积累，可能比其他所有的中国公司都要更加资深一些。腾讯方面，我们一直都知道腾讯是一家比较低调的公司，2017年做得最大的就是一方面在加强自己的研发团队，包括在研究院体系里面去搭建AI人才的布局。另外一方面腾讯在AI领域的投资，无论是中国还是在海外的投资，其实相比其他的公司都是非常多的。最后一张是比较简单的图，前面讲的这些公司，他们在这些消费级的产品，包括在行业的解决方案，还有他们在技术的积累和在芯片的上面进行了哪些自己的研发或者是进行了哪些对外的一些布局。 人工智能的行业应用案例 行业应用案例，因为前面的几位嘉宾介绍了非常多的行业案例，有一些已经分享过的接下来可能会带过，这里梳理了十多个产业，大概说一下AI怎么帮我们各行各业进行升级。首先是AI 智能家居，小米是里面最典型的代表，尤其是小米对整个米 优品进行升级以后，一方面是在销售这一端和供应链这一端都打下了非常好的基础，这个时候它可能有更好的条件去吸引更多的公司，去跟它共同搭建智能硬件的生态体系。正是因为这些外围的智能生态体系搭建，可能才让小米从此前的2014年、2015年的低谷当中出来，而且现在看上去其实是越来越有实力。此外是AI 医疗的应用，IBM应该是这个领域里面的龙头公司。虽然说，此前是在计算机的技术上面，国内在去IO医患，但是在医疗健康领域里面，国外领先中国公司一个到两个的时代，在5年差距和10年差距来衡量医疗健康领域落后是这样的一个差距，导致国内非常多的医疗健康应用在2017年得到了大爆发的时代。但是他们如何更快的应用到各个临床场景或者是这些医疗机构的His系统或者是更多的长进里面去，可能还是相比国外公司是有一些落后的，在这个案例是我今天唯一举的一家海外的公司。随着大家健康意识的提高，以AI为技术基础的个性化配餐、健身服务越来越多。健康有益自研的ego-AI精准健康管理系统已经识别了千余种常见菜品，识别率高达90%。AI 教育，乂学教育，我们都知道学习是被动的学习，如何把被动的学习换成主动的学习就要与人的个性化与因材施教相关联的。其实很难得到系统的实现，然后学霸君在这个领域里面进行了非常多的探索。AI 金融，蚂蚁金服是非常大的尝试，尤其是前面几年在提互联网金融（互金），2017年在严监管领域里面用了FinTech，连蚂蚁金服互金公司在科技领域里面投入了更多的实力，他们希望通过现在技术的应用与传统的金融机构去进行更多的合作。AI 安防，SpeakIn与广东省公安厅合作建立“智能声系统联合实验室”，共同投入研发公安业务与安防领域的先进产品与系统，云技术公司怎么跟国内的安防领域去进行结合，而且安防也是现在AI公司最大的一个变现产业之一。AI 零售，去年新零售很火热，带动了一波无人零售店、无人货架这样子的，缤果盒子刚刚又融完一轮5000万美元，虽然说他们的零售无人便利店升级到3.0，但是在目前的很多场景看来，其实大家可会觉得相比渗透到各家办公室的无人货架，可能在智能化方面还是相对而言有非常多提升的空间。AI 物流，京东物流是典型的，他们货舱里面把各种各样的智能设备和配送的软硬件场景都得到了非常大效率的提升。AI 汽车，百度的阿波罗计划是在这个领域目前相对而言是比较领先的，但是刚刚的CES开完，其实也看到传统制造公司在这领域里面有可能逆袭和反超的。AI 出行，滴滴已经不是大家所想象的，每天看到表面上的价格在上涨，其实它的背后也沉淀了大量的数据，他们现在也在跟非常多的地方政府做非常多智慧交通的计划。 AI已经走到了哪一步 第一，从技术的角度来看， 此前严博士也提到，目前的AI可能到了强人工阶段，也就是假设把人工智能分成这样子三个阶梯的话，横坐标和纵坐标，其实可以看到在科幻电影和小说里面呈现的场景依然属于超人工智能的场景，可能我们距离那个路径还有非常非常长的一个路径。但是目前在强人工智能领域里面或者是在帮助人去提升一部分的效率方面，其实它已经发展到了一个比较好的地步。假设去看这样的一张图，可以看到在技术的验证方面，因为人才是这个领域最大的驱动力，不管是高校、科研院所，其实在人才的储备和技术的方面，其实已经得到了非常多的检验。但是在人才技术，就是我们把这些关键的技术和场景落地的时候，其实不管是在终端的产品还是在2B的产品上面或者是在这些行业上面的结合，其实还处在一个比较简单的阶段。有一个非常简单的例子，就是李非非（音）的教授在他的TD演讲里面讲了一个场景，一个三岁的小孩子，当然那是他自己的孩子，其实他能够接受到整个世界的变化，现在AI可能连这一步还做不到。如果说把AI去对比人的年龄的话，可能目前AI它都还没有到人三岁的一个阶段。因为我们都知道对于婴幼儿而言，三岁之前的事情可能并不记得，但是三岁之前对整个世界的感知和感官是非常多的。目前的AI对比人的年龄而言，其实还在一个婴幼儿的年龄段。 第二，跟产业相关联的。 在这里用了三国鼎立，其实它格局并不明显，在整个产业链上毫无疑问包括三类公司，第一类是互联网的巨头，对比国外可能是Facebook、Google，亚马逊这样的公司。对比中国的互联网巨头可能是BAT包括京东和头条公司。但他们是产业链条当中的一个环节，其实还有两个环节，一个环节是更有效率的技术公司或者是技术公司来组成的公司，在2017年这些技术公司是非常多的，他们也是风险投资者，希望去赌下一个未来能够超越BAT的公司，无论是像Face 还是商汤和非常多的公司，在这个领域拿到的钱一定比以前互联网巨头，不管是上市的时候融的资金量，还是在没有上市之前融的资金量都要多几倍，但是他们能否独立的成长起来其实也是非常值得去期待的。另外也是一定不能忽略的一块是行业的巨头和产业的巨头。无论是国内国外汽车行业的巨头国内国外的，还是医疗健康行业的公司，还是非常多农业的公司。其实他们也组成了另外的阵地，不同的阵较量是不一样的，一定是线上线下或者是AI 上前后的竞争。对于互联网巨头跟AI技术的公司一定是新的场景，本身自己的内部有非常多的场景要去进行消化，这样子非常多外部的场景可能留给新兴的公司去进行探索。对于最下面的一条线而言，他们是合作的关系还是竞争的关系？可能未来AI的巨头可能会被传统的公司进行收购。无论是在场景上面，还是资本上面，在未来几年时间里面会发生非常大的格局变化，在格局变化里面会让大家稍微有一点点战争的感觉。当然现在无法去提叫做AI的生存战争，但是我相信AI产业也会像其他的打车领域或者是无人货架领域或者是像非常多的行业一样，它一定会有一天面临着战争，这种战争其实还是非常激烈的。而且我们都知道，在这个领域里面可能不（英文）的公司有可能会丧失更多的机会。 第三，人工智能的泡沫？ 我们都知道所有的行业都有泡沫，一个行业要成熟其实没有泡沫是挺难进行的，而且2018年刚开年，今天17号，两周多的时间，其实热点变化的非常快，以至于让非常多的公司在担忧说，2018年开年是不是非常像2000年的纳斯达克危机。因为不管是在虚拟货币领域，还是在技术领域，还是在直播场景领域，从前到中间的行业应用到最下沉怎么样子获取上百万的DAU（音）或者两百万的DAU，这种打法跟以前的做法完全不一样。大家觉得可能泡沫到了极致，前面说到现在还在U字型谷底，说白了泡沫还没有被人戳穿。回到AI领域，其实它同样如此，不可避免会面临非常多的泡沫。也就在这个领域里面，接下来会迎接越来越多的公司去进行关闭，因为有非常多的问题并没有被解决。第一方面是从技术到可以的商品和产品，其实路径还非常的长。第二方面是市场的份额很难去获取，也就是说没有绝对的领先者，这个市场份额的分布还是比较分散的，并没有形成行业非常明显的梯队。第三个方面是缺乏与巨头的竞争，巨头可能是行业的巨头。第四个方面是行业的售价仍然是非常高的，可能超过了比较成熟的单品客单价，这样对产品进行迭代和升级时候的购买医院并没有那么的强烈。最后一块是这个领域的人才成本是非常的高，如果说这个钱不够，很有可能研发都没有办法去继续，如果研发没有办法去继续，从研发到最后场景的落地还有更长的路径。这是最后的一张，如果说包括在座的各位和包括我在内非常的笃定AI是当前重要的生产链工具的话，我们通过非常多公司的努力去把目前在国内各种各样的行业，大家都能够重新去做一遍，这些重新去走一遍，可能是一种颠覆式的创新，也有可能是赋能。因为赋能和颠覆式创新可能是两种不一样的概念。比如说大家熟悉了目前的外卖之后，有可能大家对于以前的点餐方式完全给替换掉了，还有更多的可能是还是要回到产业的本身，然后AI可能是这个过程当中非常非常重要的一个工具。在这个领域里面，其实我们还面临着很多外围的环境，包括我们面临着资本的环境，包括我们面临着一个国家的竞争环境。也就是说，如果说两个超级大国要在未来的几年进行全面的较量，其实AI会是这个领域当中非常关键的词语，这个时候可能会在极大的投入上面，会给过去人才的流动和流通，会给过去科技的发展带来一些政治层面或者经济层面的影响。其实它也是对整个AI非常担忧的一个原因所在。本文来自IT耳朵，创业家系授权发布，略经编辑修改，版权归作者所有，内容仅代表作者独立观点。