（報(bào)告出品方/作者：華安證券，尹沿技）
主要觀點(diǎn)：
AI 是當(dāng)前三大科技紅利之一，行業(yè)景氣度高，未來(lái)成長(zhǎng)空間大。人工智 能、云計(jì)算和 5G 是當(dāng)前三大科技紅利。數(shù)據(jù)、算力、算法的三大變革，催 化 AI 再迎發(fā)展熱潮。艾瑞咨詢的報(bào)告顯示，預(yù)計(jì) 2022 年國(guó)內(nèi)人工智能賦能 實(shí)體經(jīng)濟(jì)的市場(chǎng)規(guī)模將達(dá)到 1573 億。根據(jù)《中國(guó)人工智能計(jì)算力發(fā)展評(píng)估報(bào) 告》的預(yù)測(cè)，2020 年國(guó)內(nèi) AI 市場(chǎng)規(guī)模將達(dá)到 62.7 億美金，2019-2024 年人工 智能市場(chǎng)復(fù)合增速將保持在 30%以上，2024 年會(huì)達(dá)到 172.2 億美金。同時(shí)， 中國(guó)在全球 AI 市場(chǎng)的占比將從 2020 年的 12.5%上升到 2024 年的 15.6%。人 工智能行業(yè)景氣度高，未來(lái)成長(zhǎng)空間大。
打造 AI 全棧能力是核心競(jìng)爭(zhēng)力，人工智能專業(yè)壁壘高。AI 完整產(chǎn)業(yè)鏈包 括三層：1）基礎(chǔ)層為 AI 提供數(shù)據(jù)以及算力的支撐；2）技術(shù)層提供了各類 AI 算法、架構(gòu)以及應(yīng)用平臺(tái)；3）應(yīng)用層主要挖掘在各個(gè)行業(yè)和產(chǎn)品的 AI+應(yīng)用 價(jià)值。目前國(guó)內(nèi)各公司在賦能應(yīng)用的同時(shí)，也在積極打造 AI 開(kāi)放平臺(tái)，布 局芯片，希望通過(guò)局部全棧能力打造出差異化優(yōu)勢(shì)。人工智能投入大，專業(yè) 壁壘高。國(guó)內(nèi)目前融資占比前三的領(lǐng)域?yàn)橛?jì)算機(jī)視覺(jué)與圖像（143 億），自然 語(yǔ)音處理（122 億），自動(dòng)駕駛（107 億）；2009 年至 2018 年，中國(guó)在人工智 能領(lǐng)域論文發(fā)表量超過(guò) 9 萬(wàn)篇，占全球人工智能論文發(fā)表總量的 22.7%，在 人工智能發(fā)表論文數(shù)量排名前 15 的機(jī)構(gòu)中，中國(guó)共有 5 家研究機(jī)構(gòu)上榜。
需求爆發(fā)疊加政策鼓勵(lì)加速產(chǎn)業(yè)化落地，AI 企業(yè)進(jìn)入紅利兌現(xiàn)期。從需 求端來(lái)看，發(fā)展 AI 已是全球共識(shí)。目前安防、智能汽車、教育、醫(yī)療、新零 售等是熱點(diǎn)應(yīng)用領(lǐng)域。1）AI+安防市場(chǎng)在 2020 年會(huì)達(dá)到 453.4 億元的市場(chǎng)規(guī) 模；2）全球智能駕駛汽車出貨量在 2021 年增速有望超過(guò) 25%，在 2024 年年 出貨量超過(guò) 5000 萬(wàn)輛；3）預(yù)計(jì)到 2022 年 AI+在線教育市場(chǎng)能達(dá)到 700 億左 右規(guī)模；4）新零售中 AI 的投入預(yù)計(jì)在 2022 年將達(dá)到 178.8 億元。從政策端 來(lái)看，中央政治局在 2020 年年初和其后的“內(nèi)循環(huán)新格局”發(fā)展理念中，都 有提及新基建的投資方向，而人工智能就是新基建的重要組成部分。隨后 11 月份發(fā)布的十四五規(guī)劃建議稿中，人工智能與其他前沿科技一起，成為了中 國(guó)科技領(lǐng)域的發(fā)展重點(diǎn)。我們認(rèn)為，在需求爆發(fā)和政策鼓勵(lì)下， 產(chǎn)業(yè)化落地加速，當(dāng)前人工智能產(chǎn)業(yè)有望進(jìn)入規(guī)模商用的紅利兌現(xiàn)階段。
1 賽道清晰：當(dāng)前 AI 聚焦五大熱點(diǎn)行業(yè)
1.1 需求爆發(fā)，AI 再迎發(fā)展熱潮
人工智能行業(yè)高景氣，三大變革催化 AI 再迎發(fā)展熱潮。艾瑞咨詢的報(bào)告顯示，預(yù) 計(jì) 2022 年國(guó)內(nèi)人工智能賦能實(shí)體經(jīng)濟(jì)的市場(chǎng)規(guī)模將達(dá)到 1573 億。中國(guó)電子技術(shù)標(biāo)準(zhǔn) 化研究院將人工智能定義為是利用數(shù)字計(jì)算機(jī)或者數(shù)字計(jì)算機(jī)控制的機(jī)器模擬、延伸 和擴(kuò)展人的智能，感知環(huán)境、獲取知識(shí)并使用知識(shí)獲得最佳結(jié)果的理論、方法、技術(shù) 及應(yīng)用系統(tǒng)。為什么當(dāng)下要再提人工智能？主要是三方面因素變革催化：1）移動(dòng)互聯(lián) 網(wǎng)的爆發(fā)為 AI 提供了豐富的訓(xùn)練數(shù)據(jù)，根據(jù) IDC 的統(tǒng)計(jì)到 2025 年全球數(shù)據(jù)流量會(huì)達(dá) 到 175ZB。2）硬件尤其是算力指數(shù)級(jí)的提升，讓 AI 訓(xùn)練的時(shí)間大幅度降低，目前用 于 L3 自動(dòng)駕駛量產(chǎn)項(xiàng)目的 NVIDIA Xavier 能夠達(dá)到 30 每秒浮點(diǎn)運(yùn)算次數(shù)。3）以神經(jīng) 網(wǎng)絡(luò)為代表的機(jī)器學(xué)習(xí)算法的突破,尤其是在 2015 年的 ImageNet 挑戰(zhàn)結(jié)果中機(jī)器識(shí)別 首次超越人類。我們認(rèn)為，人工智能在經(jīng)過(guò)一段時(shí)期的應(yīng)用摸索階段之后，目前規(guī)模 化應(yīng)用賽道逐步清晰，安防、教育、醫(yī)療、新零售、自動(dòng)駕駛等都是當(dāng)前的熱門方向。
AI+應(yīng)用目前以安防為主，AI+醫(yī)療需求在疫情之后大幅增加。1）從人工智能需 求的產(chǎn)生來(lái)看，AI 在產(chǎn)業(yè)變革和升級(jí)過(guò)程中發(fā)揮重要作用，AI 的運(yùn)用結(jié)合生活和工業(yè) 生產(chǎn)中的多場(chǎng)景進(jìn)行應(yīng)用落地，能夠衍生出很多新產(chǎn)品、新產(chǎn)業(yè)、新業(yè)態(tài)和新模式， 從而重構(gòu)生產(chǎn)、分配、交換和消費(fèi)等經(jīng)濟(jì)活動(dòng)環(huán)節(jié)，以此來(lái)推動(dòng)經(jīng)濟(jì)結(jié)構(gòu)的變革并改 變現(xiàn)有人們的生活方式。2）從 AI 應(yīng)用較為成熟的領(lǐng)域來(lái)看，人工智能行業(yè)已逐步滲 透到各行業(yè)當(dāng)中，據(jù)前瞻產(chǎn)業(yè)研究院的統(tǒng)計(jì)，AI+安防在 2019 年人工智能的各類應(yīng)用 中占比超過(guò) 50%，緊隨其后的是 AI+金融（占比 15.80%）和 AI+營(yíng)銷（占比為 11.60%）。 3）從新興的 AI 領(lǐng)域來(lái)看，最近幾年自動(dòng)駕駛、教育、新零售領(lǐng)域 AI 的發(fā)展極其迅 速。由于 2020 年伊始爆發(fā)的新型冠狀病毒疫情，AI+醫(yī)療的需求大大增加，這將會(huì)極 大地反推 AI 應(yīng)用落地于醫(yī)療領(lǐng)域。
1.2 景氣度高，人工智能市場(chǎng)保持高速增長(zhǎng)
預(yù)計(jì) 2019-2024 年中國(guó)人工智能市場(chǎng)復(fù)合增速超 30%，增長(zhǎng)空間大。國(guó)內(nèi)人工智 能的增速快于全球增速，中國(guó)在全球 AI 市場(chǎng)的占比將從 2020 年的 12.5%上升到 2024 年的 15.6%。根據(jù) IDC 與浪潮集團(tuán)聯(lián)合發(fā)布的《2020-2021 中國(guó)人工智能計(jì)算力發(fā)展評(píng) 估報(bào)告》預(yù)測(cè)，2020 年國(guó)內(nèi) AI 市場(chǎng)規(guī)模將達(dá)到 62.7 億美金，2019-2024 年人工智能市 場(chǎng)復(fù)合增速保持 30.4%，2024 年將達(dá)到 172.2 億美金。我們認(rèn)為，人工智能景氣度高， AI 產(chǎn)業(yè)的快速發(fā)展和潛在的巨大空間，將會(huì)為整個(gè)產(chǎn)業(yè)鏈提供良好的發(fā)展基礎(chǔ)，尤其 是已經(jīng)進(jìn)入技術(shù)轉(zhuǎn)化階段的自動(dòng)駕駛、深度語(yǔ)義分析、智適應(yīng)學(xué)習(xí)、跨語(yǔ)言文本挖掘， 和成熟階段的硬件加速、深度神經(jīng)網(wǎng)絡(luò)等，相關(guān)企業(yè)的成長(zhǎng)空間大。
商業(yè)落地模式得到重視，更多實(shí)體經(jīng)濟(jì)中的落地場(chǎng)景和產(chǎn)品得到認(rèn)可。經(jīng)過(guò) 2015- 2018 年的人工智能投資熱潮，風(fēng)險(xiǎn)資本逐漸回歸理性，全球人工智能初創(chuàng)企業(yè)的投融 資規(guī)模在 2018 年達(dá)到一個(gè)階段性頂部，人工智能產(chǎn)業(yè)的野蠻生長(zhǎng)期已經(jīng)過(guò)去。以中國(guó) 為例，人工智能行業(yè)在 2014-2019 年 Q3，共計(jì) 2845 起投融資項(xiàng)目，總計(jì)融資額為 3583.65 億元， 2019 年前三季度是 254 個(gè)項(xiàng)目，融資金額為 577.17 億元。通過(guò)將 AI 技術(shù)與傳 統(tǒng)行業(yè)結(jié)合，對(duì)傳統(tǒng)行業(yè)的經(jīng)營(yíng)模式和業(yè)務(wù)流程進(jìn)行改造，從而進(jìn)入新一階段的發(fā)展。 我們認(rèn)為，AI、云計(jì)算和 5G 是當(dāng)前的三大科技紅利，人工智能涉及到的基礎(chǔ)層、技 術(shù)層、應(yīng)用層相關(guān)企業(yè)都會(huì)持續(xù)受益，通過(guò)產(chǎn)品研發(fā)投入和商業(yè)模式探索形成壁壘， 多個(gè)垂直細(xì)分賽道的企業(yè)未來(lái)成長(zhǎng)空間廣闊。人工智能產(chǎn)業(yè)通過(guò)數(shù)年摸索，發(fā)現(xiàn)真正 能帶來(lái)收益的行業(yè)目前聚焦在安防、智能汽車、新零售、教育、醫(yī)療等。
1.3 AI+安防：當(dāng)前人工智能落地最佳場(chǎng)景
AI 賦能安防多種應(yīng)用場(chǎng)景，安防投資依然保持一定增速。1）從 AI 在公共安全中 各環(huán)節(jié)扮演的角色來(lái)看，利用 AI 技術(shù)進(jìn)行模型訓(xùn)練，能夠提升警務(wù)效率。當(dāng)前視頻監(jiān) 控為安防的主要手段，人工智能參與到視頻圖片中的信息提取，從而構(gòu)建模型，主要 包括行為人、隨行人員、車輛、周邊物品的特點(diǎn)與行為，獲得高階語(yǔ)義、強(qiáng)表達(dá)能力 的特征，分類儲(chǔ)存。需要使用信息時(shí)，可通過(guò)行為人車物特征、時(shí)間段、區(qū)域等條件 搜索，或是以事件（現(xiàn)場(chǎng)圖片）進(jìn)行搜索，實(shí)現(xiàn)高效篩選，加之以公安系統(tǒng)中的手機(jī) 號(hào)、車票和住宿信息，能夠快速勾勒出行為人的行動(dòng)軌跡，提高抓捕、尋人等警務(wù)的 辦案效率，實(shí)現(xiàn)“利用科技手段提升警力”的目的。AI 可賦能多種安防情景，應(yīng)用廣 闊。2）AI 在安防相關(guān)的其他行業(yè)，AI+安防在交通行業(yè)的流量監(jiān)控、智能樓宇的安防 與能耗控制、工業(yè)園區(qū)的風(fēng)險(xiǎn)識(shí)別和民用安全布防等場(chǎng)景也有應(yīng)用。3）從市場(chǎng)規(guī)模和 增速來(lái)看，雖然增速有所下滑，但市場(chǎng)規(guī)模依然保持一定增長(zhǎng)。根據(jù)艾瑞咨詢的統(tǒng)計(jì)， AI+安防市場(chǎng)在 2017-2020 年有望實(shí)現(xiàn) 39.5/135.3/350.0/453.4 億元的市場(chǎng)規(guī)模，復(fù)合增 速更是高達(dá) 166.5%。
借助 AI 技術(shù)，安防由被動(dòng)監(jiān)控向主動(dòng)預(yù)警發(fā)展。一方面，利用人工智能和大數(shù)據(jù) 技術(shù)，可以對(duì)大型公共場(chǎng)所和道路進(jìn)行監(jiān)控，當(dāng)流量超過(guò)閾值時(shí)則提醒采取限流等措 施，實(shí)現(xiàn)人流管控和交通疏導(dǎo)；另一方面，可利用大數(shù)據(jù)進(jìn)行潛在犯罪的預(yù)判，結(jié)合 行為人先前犯罪前科等數(shù)據(jù)，對(duì)其可疑行為（如購(gòu)買違禁品、在特定地點(diǎn)蹲點(diǎn)徘徊等） 進(jìn)行識(shí)別和預(yù)警。得益于 AI 技術(shù)的發(fā)展，AI+安防正在由被動(dòng)安防向主動(dòng)預(yù)警發(fā)展。 圖 6 是依圖的 AI 人像大數(shù)據(jù)系統(tǒng)正在進(jìn)行特征比對(duì)。
AI 重構(gòu)海量數(shù)據(jù)，政策支持下智能安防行業(yè)快速發(fā)展。1）安防數(shù)據(jù)量大。據(jù) IHS Markit 統(tǒng)計(jì)，2018 年全球用于視頻監(jiān)控的存儲(chǔ)出貨達(dá) 81 EB，相當(dāng)于 9200 萬(wàn)小時(shí)的視 頻（1080p @2Mbps）。這些存儲(chǔ)通常分布在錄像機(jī)（DVR 或者 NVR），內(nèi)部存儲(chǔ)以及 外部存儲(chǔ)系統(tǒng)中。傳統(tǒng)的安防架構(gòu)已經(jīng)無(wú)法滿足如此海量傳輸、存儲(chǔ)的要求。AI 技術(shù) 對(duì)于非結(jié)構(gòu)化的視頻數(shù)據(jù)進(jìn)行結(jié)構(gòu)化或半結(jié)構(gòu)化處理，分流了后端計(jì)算負(fù)載，降低了 網(wǎng)絡(luò)運(yùn)營(yíng)成本。同時(shí)人工智能在安防中的運(yùn)用還可以降低監(jiān)控人員由于疲勞帶來(lái)的忽略率。2）2020 年以來(lái)，政策持續(xù)鼓勵(lì) AI 在安防中的創(chuàng)新。各部委發(fā)布一系列支持 AI+ 安防行業(yè)發(fā)展的政策，明確指出智能安防是人工智能創(chuàng)新應(yīng)用的重點(diǎn)推廣領(lǐng)域。
1.4 AI+智能汽車：實(shí)現(xiàn)自動(dòng)駕駛有賴于 AI 的發(fā)展
自動(dòng)駕駛是汽車智能化的重要應(yīng)用方向。1）AI 的必要性。攝像頭、雷達(dá)、未來(lái) 還會(huì)部署的激光雷達(dá)等傳感器、高精度地圖、定位系統(tǒng)、以及車路協(xié)同相互合作，集 環(huán)境感知、認(rèn)知、規(guī)劃決策和多等級(jí)輔助駕駛等功能于一體，在全球范圍內(nèi)受到了業(yè) 界和政府層面的密切關(guān)注，這些數(shù)據(jù)的處理需要 AI 算法的支持。2）國(guó)家政策的指引。 根據(jù) 11 月 11 號(hào) 發(fā) 布《智能網(wǎng)聯(lián)汽車技術(shù)路線圖 2.0》的指引，計(jì)劃到 2025 年，PA、 CA 新車占比超過(guò) 50%；C-V2X 終端新車裝配率 50%；到 2035 年，中國(guó)方案智能網(wǎng)聯(lián) 汽車技術(shù)和產(chǎn)業(yè)體系全面建成，網(wǎng)聯(lián)式高度自動(dòng)駕駛智能網(wǎng)聯(lián)汽車實(shí)現(xiàn)大規(guī)模應(yīng)用。
AI 在感知和決策階段扮演著重要角色。車輛自動(dòng)駕駛必須經(jīng)過(guò)感知、決策和執(zhí)行 三階段，人工智能在感知和決策階段扮演著重要角色。近年來(lái)，人工智能基礎(chǔ)層的不 斷突破，使得汽車所搭載的處理器不但可以同時(shí)應(yīng)對(duì)更多的識(shí)別任務(wù)和決策，還能部 署對(duì)算力要求更高地深度學(xué)習(xí)模型。例如目前在小鵬量產(chǎn)車型 P7 上搭載的 NVIDIA Xavier 能夠達(dá)到 30 TFLOPS（每秒浮點(diǎn)運(yùn)算次數(shù)）的性能。深度學(xué)習(xí)算法的運(yùn)用極大 地提高了汽車識(shí)別道路、行人等障礙物的正確率，還實(shí)現(xiàn)了傳統(tǒng)人工智能算法無(wú)法支 持的多目標(biāo)檢測(cè)任務(wù)，更有望通過(guò)深層次網(wǎng)絡(luò)模擬了人腦復(fù)雜的決策系統(tǒng)。
作為智能汽車的眼睛，計(jì)算機(jī)視覺(jué)是感知層的關(guān)鍵技術(shù)。智能汽車通過(guò)多傳感器 融合來(lái)實(shí)現(xiàn)對(duì)車輛運(yùn)行環(huán)境的感知。雷達(dá)傳感器的主要作用是幫助車輛探測(cè)一定范圍 內(nèi)的障礙物方位、距離和速度等信息；視覺(jué)傳感器除了可以探知車道、交通信號(hào)燈、 交通標(biāo)志牌等非行駛障礙物信息，還可以傳遞更為豐富的障礙物信息。攝像頭作為智 能汽車的眼睛，如何準(zhǔn)確且無(wú)遺漏的對(duì)周圍環(huán)境進(jìn)行準(zhǔn)確判斷，是最為高效的感知手 段。目前最先進(jìn)的人工智能算法已經(jīng)達(dá)到通過(guò)單攝像頭完成交通線識(shí)別、信號(hào)燈識(shí)別、 行人檢測(cè)和其它車輛檢測(cè)。通過(guò)帶有 AI 功能的單攝像頭也已經(jīng)實(shí)現(xiàn)自動(dòng)緊急制動(dòng)、自 適應(yīng)巡航、車道中心保持輔助以及交通擁堵輔助等輔助駕駛功能。以具體單品 MINIEYE 的 AI 防碰儀為例，官網(wǎng) 1699 元的價(jià)格作為參考，我國(guó)目前汽車保有量已 經(jīng)超過(guò) 2.7 億輛，假設(shè)碰撞安全車距提醒 ADAS 產(chǎn)品后裝滲透率如果達(dá)到 2%，即 540 萬(wàn)輛車安裝防撞儀，則可以帶動(dòng)約 45 億的市常
作為智能汽車的大腦，決策模塊是自動(dòng)駕駛的基矗決策系統(tǒng)主要分為兩部分： 一部分是多模態(tài)融合決策，另一部分是道路規(guī)劃決策。多模態(tài)融合決策即通過(guò)“眼睛” 去識(shí)別路況，從而實(shí)現(xiàn)紅燈停，綠燈行，禮讓行人等決策，決策準(zhǔn)確率往往與計(jì)算機(jī) 視覺(jué)識(shí)別準(zhǔn)確率正相關(guān)。例如簡(jiǎn)單的紅燈停場(chǎng)景，智能汽車需要識(shí)別出是否是紅燈， 在哪停下，結(jié)合車輛當(dāng)前速度決定何時(shí)剎車。根據(jù) IDC 報(bào)告的預(yù)測(cè)，全球智能駕駛汽 車出貨量在 2021 年會(huì)迎來(lái)拐點(diǎn)，增速有望超過(guò) 25%，隨后會(huì)保持 10%以上的增速，在 2024 年超過(guò) 5000 萬(wàn)輛。
自動(dòng)駕駛服務(wù)以示范項(xiàng)目形式陸續(xù)落地，商業(yè)化迎來(lái)曙光。2020 年 4 月，長(zhǎng)沙率 先全面開(kāi)放了無(wú)人駕駛出租車服務(wù)；10 月 12 日，北京也開(kāi)放了無(wú)人駕駛出租車試乘， 當(dāng)日訂單量突破 2600 單；10 月 21 日，蘇州落地全國(guó)首個(gè)常態(tài)化運(yùn)營(yíng)的 5G 無(wú)人公交。 無(wú)人公交在開(kāi)放的城市道路上運(yùn)行，且速度最高達(dá)到 50km/h。該無(wú)人公交車除了具備 避讓行人車輛、自動(dòng)變道、自動(dòng)轉(zhuǎn)向、紅綠燈識(shí)別等基本功能，還能應(yīng)對(duì)各類城市復(fù) 雜交通場(chǎng)景，例如穿行人車混雜的路口、應(yīng)對(duì)后車加塞、“鬼探頭”等。我們認(rèn)為， 2021 年是智能汽車，尤其是 L2+自動(dòng)駕駛的爆發(fā)年，AI 作為必不可少的技術(shù)，相關(guān) ADAS 產(chǎn)品滲透率會(huì)得到快速提升，自動(dòng)駕駛將率先在高速和泊車場(chǎng)景下實(shí)現(xiàn)規(guī)�；涞亍�
1.5 AI+新零售：利用人工智能重構(gòu)互動(dòng)式消費(fèi)場(chǎng)景
AI 賦能零售全流程數(shù)據(jù)互聯(lián)互通，實(shí)現(xiàn)三方共贏。1）AI 賦能新零售。傳統(tǒng)零售 場(chǎng)景主要是通過(guò)商品和資金形成閉環(huán)，零售業(yè)的智能化轉(zhuǎn)型并不是對(duì)各個(gè)環(huán)節(jié)做幾何 拼接，AI 引入數(shù)據(jù)要素作為驅(qū)動(dòng)力。對(duì)于傳統(tǒng)零售商來(lái)說(shuō)，AI 從客戶群體和貨物供應(yīng) 鏈的管理，到消費(fèi)場(chǎng)景的重構(gòu)，都具備優(yōu)勢(shì)。AI 的運(yùn)用高度內(nèi)嵌在新零售流程中，讓 各個(gè)環(huán)節(jié)通過(guò)數(shù)據(jù)作為紐帶形成閉環(huán),通過(guò)優(yōu)化，達(dá)到運(yùn)營(yíng)效率的全面升級(jí)，實(shí)現(xiàn)了客 戶群體、零售商、生產(chǎn)商的三方共贏。2）AI 在新零售中的市場(chǎng)規(guī)模。根據(jù)艾瑞咨詢的 報(bào)告，2018 年國(guó)內(nèi)現(xiàn)代渠道主要零售數(shù)字化建設(shè)投入為 285.1 億元，其中 AI 的投入規(guī) 模約 9 億元，占比 3.15%。AI 投入在零售商數(shù)字化建設(shè)投入中的比例持續(xù)提升，2020 年整個(gè)國(guó)內(nèi)商業(yè)數(shù)字化建設(shè)投入約 462.9 億元，其中 AI 投入 63.9 億元，預(yù)計(jì)這一數(shù)字 在 2022 年將達(dá)到 178.8 億元，占新零售整體數(shù)字化建設(shè)的投入比例約為 25.5%。
人工智能在顧客端實(shí)現(xiàn)個(gè)性化推薦，讓商家對(duì)產(chǎn)品和推廣策略快速調(diào)整成為可能。針對(duì)客戶群體管理方面，零售商們都在打造高效，便捷，個(gè)性化的購(gòu)物體驗(yàn)。AI+新零 售通過(guò)收集和分析客戶行為數(shù)據(jù)，對(duì)客戶進(jìn)行個(gè)性化推薦，使得客戶可以快速找到其 想要的物品；此外，智能機(jī)器人客服在降低超市人員人工成本的同時(shí)，可以 24 小時(shí)不 間斷地提供服務(wù)，使得消費(fèi)者在需要的時(shí)候獲得及時(shí)的幫助；最后，計(jì)算機(jī)視覺(jué)還可 以在不接觸任何物品的情況下完成支付結(jié)算。隨著大量客戶的消費(fèi)數(shù)據(jù)積累，商家可 以對(duì)產(chǎn)品研發(fā)和推廣策略進(jìn)行再調(diào)整。越是了解客戶行為和趨勢(shì)，就能更加精準(zhǔn)地滿 足消費(fèi)者的需求。人工智能可以幫助零售商改進(jìn)需求預(yù)測(cè)，做出定價(jià)決策和優(yōu)化產(chǎn)品 擺放，最終讓客戶就在正確的時(shí)間、正確的地點(diǎn)與正確的產(chǎn)品產(chǎn)生聯(lián)系。
AI 助力零售業(yè)提升供應(yīng)鏈管控效率。貨物供應(yīng)鏈管控方面，計(jì)算機(jī)視覺(jué)技術(shù)可以 幫助零售商實(shí)現(xiàn)商品識(shí)別、物損檢測(cè)、結(jié)算保護(hù)等功能，這使得零售商在降低人工成 本的同時(shí)提升倉(cāng)儲(chǔ)管理的效率。傳統(tǒng)零售商面臨的一大挑戰(zhàn)就是保持準(zhǔn)確的庫(kù)存。AI 通過(guò)打通整個(gè)供應(yīng)鏈和消費(fèi)側(cè)環(huán)節(jié)，消除各個(gè)環(huán)節(jié)的數(shù)據(jù)孤島效應(yīng)，為零售商提供包 括店鋪、購(gòu)物者和產(chǎn)品的全面細(xì)節(jié)化數(shù)據(jù)，這有助于零售商對(duì)庫(kù)存管理的決策更加合 適。此外，AI 還可以快速識(shí)別缺貨商品和定價(jià)錯(cuò)誤，提醒員工庫(kù)存不足或物品錯(cuò)位， 以便實(shí)現(xiàn)獲得更及時(shí)的庫(kù)存。
AI+新零售模式將依托用戶體驗(yàn)重新定義零售場(chǎng)景，長(zhǎng)期來(lái)看具備成本優(yōu)勢(shì)。零 售行業(yè)從業(yè)人員的勞動(dòng)效率（商品銷售額/零售業(yè)從業(yè)人數(shù)）從 2018 年起開(kāi)始出現(xiàn)下 跌趨勢(shì)。計(jì)算機(jī)視覺(jué)技術(shù)和自然語(yǔ)言處理技術(shù)的不斷推進(jìn)，將使得零售商對(duì)具體客戶 的消費(fèi)行為和習(xí)慣有著更進(jìn)一步的洞察力；AI 可以改變現(xiàn)有人工售后成本高，效率低 的問(wèn)題，機(jī)器人助理會(huì)使得售后環(huán)節(jié)效率大大提升�？梢灶A(yù)見(jiàn)到，未來(lái)新零售場(chǎng)景會(huì) 是一個(gè)高度語(yǔ)境化和個(gè)性化的購(gòu)物場(chǎng)景。
1.6 AI+教育：AI 讓因材施教和個(gè)性化學(xué)習(xí)成為現(xiàn)實(shí)
在線教育市場(chǎng)規(guī)模快速提升，AI+教育占比持續(xù)提升。1）從市場(chǎng)規(guī)模來(lái)看，在線 教育市場(chǎng)在 2018 年達(dá)到 2517.6 億元，其中 AI 技術(shù)相關(guān)的教育規(guī)模是 123.8 億元。預(yù) 計(jì)未來(lái) 2020 年上升至 3807.4 億元，到 2022 年 AI 相關(guān)的在線教育能達(dá)到 700 多億規(guī) 模；2）從滲透率來(lái)看，AI 技術(shù)相關(guān)的教育市場(chǎng)規(guī)模從 2018 年的占比 4.9%，預(yù)計(jì)到 2020 年將達(dá)到 8.6%，2021 年之后會(huì)超過(guò) 10%。
人工智能讓知識(shí)點(diǎn)的教與學(xué)更加精準(zhǔn)。人工智能技術(shù)可以大規(guī)模滿足用戶的個(gè)性 化學(xué)習(xí)需求。教育產(chǎn)業(yè)智能化的目標(biāo)也非常明確，針對(duì)學(xué)習(xí)管理環(huán)節(jié)、學(xué)習(xí)測(cè)評(píng)環(huán)節(jié) 和認(rèn)知思考環(huán)節(jié)三管齊下，來(lái)完成整個(gè)輔助學(xué)習(xí)功能的場(chǎng)景閉環(huán)。1）站在學(xué)生角度， 人工智能從學(xué)習(xí)方式和需求入手，針對(duì)不同的學(xué)生生成個(gè)性化和定制化的學(xué)習(xí)方案， 同時(shí)提供高效的學(xué)習(xí)體驗(yàn)和課后追蹤服務(wù)。2）站在教師角度，通過(guò)收集學(xué)生反饋來(lái)提 升教學(xué)質(zhì)量和完善教學(xué)細(xì)節(jié)，智能評(píng)測(cè)系統(tǒng)則能根據(jù)具體學(xué)生的情況，為教師提供精 準(zhǔn)的干預(yù)措施建議，從而實(shí)現(xiàn)教學(xué)的高效化。
利用 AI 進(jìn)行學(xué)習(xí)畫像，智能教育平臺(tái)是產(chǎn)業(yè)智能化的基石。智能教育平臺(tái)的搭建 包括兩個(gè)方面，分別是學(xué)生數(shù)據(jù)收集和數(shù)據(jù)深度分析。智能教育平臺(tái)除了可以完整追 蹤并記錄學(xué)生的線上學(xué)習(xí)過(guò)程，還應(yīng)對(duì)每一位學(xué)生的實(shí)際數(shù)據(jù)，例如：檔案數(shù)據(jù)、學(xué) 習(xí)成績(jī)、時(shí)間數(shù)據(jù)、掌握知識(shí)情況、特長(zhǎng)愛(ài)好、閱讀數(shù)據(jù)等進(jìn)行記錄和存儲(chǔ)，然后智 能教育平臺(tái)通過(guò)人工智能技術(shù)去預(yù)測(cè)學(xué)生的學(xué)習(xí)偏好、特長(zhǎng)特點(diǎn)、智力水平、學(xué)習(xí)薄 弱環(huán)節(jié)等，最后延伸出職業(yè)發(fā)展、專業(yè)發(fā)展等。所有的這些做法都將從學(xué)生一入學(xué)就 將開(kāi)始，讓每個(gè)學(xué)生都能接受適合自身特點(diǎn)的個(gè)性化學(xué)習(xí)，創(chuàng)造出了一種個(gè)性化的教 育模式。根據(jù)科大訊飛披露的信息，公司統(tǒng)計(jì)了江蘇南通如皋市 2016 年至今的教育行 業(yè)應(yīng)用案例成效。智慧課堂產(chǎn)品覆蓋了如皋市 80%的初中，100%的高中，服務(wù) 2000 名 教師以及近 5 萬(wàn)名學(xué)生，累積分析 3500 次測(cè)量數(shù)據(jù)，為 200082 名學(xué)生推送了 802368 份個(gè)性化作業(yè)。實(shí)現(xiàn)了教師閱卷時(shí)長(zhǎng)減少 36%，統(tǒng)計(jì)時(shí)長(zhǎng)減少 98%，備課時(shí)間減少 24%。 學(xué)生作業(yè)時(shí)間減少 32%，錯(cuò)題解決率達(dá)到 80%以上，平均作業(yè)時(shí)長(zhǎng)縮短約 40 分鐘，取 得了良好的應(yīng)用成效。
以個(gè)性化學(xué)習(xí)手冊(cè)為載體動(dòng)態(tài)生成學(xué)習(xí)資源，實(shí)現(xiàn)因材施教目標(biāo)。傳統(tǒng)教育行業(yè) 的學(xué)習(xí)資源往往是預(yù)設(shè)型，事實(shí)上所有的預(yù)設(shè)型學(xué)習(xí)資源無(wú)法覆蓋每一個(gè)學(xué)生的每一 個(gè)需求，當(dāng)預(yù)設(shè)型資源面對(duì)全體時(shí)會(huì)缺少部分重要的部分，更何況在中國(guó)，不同地區(qū) 所用的教材版本也有所不同，預(yù)設(shè)型的學(xué)習(xí)資源無(wú)法實(shí)現(xiàn)通用性。而人工智能技術(shù)可以通過(guò)智能教育平臺(tái)，對(duì)具體學(xué)生的學(xué)習(xí)行為，知識(shí)水平等進(jìn)行具體評(píng)估，擺脫傳統(tǒng) 教材的桎梏，對(duì)學(xué)習(xí)資源進(jìn)行再整合和動(dòng)態(tài)生成，即對(duì)學(xué)生進(jìn)行個(gè)性化教學(xué)方案的精 準(zhǔn)推送。
機(jī)器代替老師批改課后作業(yè)，使得教師更專注于教學(xué)環(huán)節(jié)。隨著 OCR 以及語(yǔ)義分 析技術(shù)的不斷進(jìn)步，自動(dòng)批改作業(yè)已逐漸成為可能。計(jì)算機(jī)能夠根據(jù)自然語(yǔ)言處理技 術(shù)對(duì)文本進(jìn)行語(yǔ)法糾錯(cuò)，例如：各種英語(yǔ)時(shí)態(tài)的主謂一致，單復(fù)數(shù)以及遣詞造句等， 甚至可以根據(jù)語(yǔ)言模型是給出意見(jiàn)和建議，這將能夠有效的節(jié)省教師批改作業(yè)的時(shí)間， 學(xué)生也可以更快地獲得反饋，從而顯著提高教師的教學(xué)效率以及學(xué)生的學(xué)習(xí)效率。除 了簡(jiǎn)單的判定選擇，填空等客觀題的批改，市面上已經(jīng)出現(xiàn)批改主觀題的教學(xué)技術(shù)。 例如：英文作文批改產(chǎn)品，機(jī)器通過(guò) OCR 技術(shù)去識(shí)別手機(jī)拍攝的手寫的英語(yǔ)作文，對(duì) 語(yǔ)法、單詞等錯(cuò)誤進(jìn)行批注，并最終給出作文評(píng)分。隨著圖像識(shí)別技術(shù)以及自然語(yǔ)言 處理技術(shù)的不斷完善，類似產(chǎn)品將層出不窮，作業(yè)的自動(dòng)批改將會(huì)變得越來(lái)越實(shí)用、 準(zhǔn)確，教師除了可以節(jié)省出相應(yīng)的批改作業(yè)時(shí)間，還可以直接獲得每一個(gè)學(xué)生在每一 道題的直觀統(tǒng)計(jì)表現(xiàn)，從而快速掌握學(xué)生對(duì)某一知識(shí)點(diǎn)的掌握程度，并對(duì)教學(xué)方案進(jìn) 行合理調(diào)整。
1.7 AI+醫(yī)療：提高診療環(huán)節(jié)效率，促進(jìn)資源合理分配
AI+醫(yī)療有助于在就醫(yī)的各環(huán)節(jié)提升效率，實(shí)現(xiàn)醫(yī)療資源合理分配。1）在掛號(hào)候 診環(huán)節(jié)，利用人臉識(shí)別、語(yǔ)音識(shí)別、遠(yuǎn)場(chǎng)識(shí)別等技術(shù)，獲取患者病理特征，與患者完 成關(guān)于病情的初步互動(dòng)，并通過(guò)傳感器完成體溫、心率等指標(biāo)的初步測(cè)量工作，從而 實(shí)現(xiàn)身份識(shí)別、掛號(hào)、導(dǎo)診的功能，減輕醫(yī)院的運(yùn)營(yíng)壓力。2）在診斷階段，放射科的 醫(yī)療大數(shù)據(jù)為 AI 醫(yī)學(xué)影像提供了入口，利用計(jì)算機(jī)視覺(jué)技術(shù)，進(jìn)行圖像分割、特征提 娶定量分析、對(duì)比分析等工作，通過(guò)機(jī)器初篩、醫(yī)生確定的方式完成最終閱片，這 將大大提高工作效率，同時(shí)具備依靠模型客觀判斷、可強(qiáng)化學(xué)習(xí)的優(yōu)勢(shì)。艾瑞咨詢的 報(bào)告顯示，AI 在影像方面的應(yīng)用目前還處于起步階段，預(yù)計(jì)在 2022 年會(huì)有 9.7 億的市 場(chǎng)規(guī)模。3）AI 輔助診斷則基于海量臨床文檔、報(bào)告、原始醫(yī)學(xué)圖像等多維數(shù)據(jù)，基于 人工智能算法，綜合多學(xué)科知識(shí)存儲(chǔ)，為醫(yī)生診斷治療提供參考。4）電子病歷、推薦 用藥、健康管理等應(yīng)用場(chǎng)景也將從不同維度提升醫(yī)療效率，挖掘醫(yī)療市場(chǎng)潛力�？偟� 來(lái)說(shuō)，AI+醫(yī)療通過(guò)介入多種醫(yī)療場(chǎng)景，把寶貴的醫(yī)院資源分配到核心業(yè)務(wù)中；同時(shí)將 頂級(jí)醫(yī)療機(jī)構(gòu)的能力下放，可填補(bǔ)當(dāng)前巨大的醫(yī)療供求缺口，促進(jìn)醫(yī)療公平。
醫(yī)療資源總量少、資源分布不均、診療效率低是當(dāng)前我國(guó)醫(yī)療行業(yè)的突出問(wèn)題。根據(jù) 36 氪研究院發(fā)布的《2020 人工智能醫(yī)療產(chǎn)業(yè)發(fā)展藍(lán)皮書》統(tǒng)計(jì)，2019 年我國(guó)共 有三級(jí)醫(yī)院 2749 個(gè)，在我國(guó)一至三級(jí)醫(yī)院總量中占比為 11.60%，但三級(jí)醫(yī)院醫(yī)療服務(wù) 工作量占比為 56.75%，且我國(guó)三級(jí)醫(yī)院主要集中在北京、上海、廣州等大城市，中小 城市醫(yī)療資源相對(duì)不足。截至 2019 年末，我國(guó)共有衛(wèi)生技術(shù)人員 1010 萬(wàn)人，其中執(zhí) 業(yè)醫(yī)師和執(zhí)業(yè)助理醫(yī)師 382 萬(wàn)人，注冊(cè)護(hù)士 443 萬(wàn)人，而全年總診療人次為 85.2 億人 次，醫(yī)療供給同樣存在較大壓力。
老齡化程度加劇，慢性病發(fā)病率上升，催生大量醫(yī)療需求。第一財(cái)經(jīng)的信息顯示， 中國(guó)將在 2022 年左右進(jìn)入老齡社會(huì)，屆時(shí) 65 歲及以上人口將占總?cè)丝诘?14%以上。 根據(jù)公共衛(wèi)生科學(xué)數(shù)據(jù)中心早期的統(tǒng)計(jì)數(shù)據(jù)，國(guó)內(nèi)各種慢性病的發(fā)病率大部分呈上升 趨勢(shì)，可以推測(cè)該上行趨勢(shì)仍將繼續(xù)；另一方面，我國(guó)人口慢性病發(fā)病率也在不斷增 加，比如高血壓在 2008 年之后發(fā)病率達(dá)到 0.05%。上述這些都會(huì)帶來(lái)大量的醫(yī)療需求。
2 技術(shù)突破：深度學(xué)習(xí)算法拓寬場(chǎng)景邊界
深度學(xué)習(xí)算法擴(kuò)大應(yīng)用場(chǎng)景，打開(kāi)市場(chǎng)向上空間。2016 年，Google 的 AlphaGo 以 絕對(duì)優(yōu)勢(shì)完勝李世石九段，深度學(xué)習(xí)成為了近年來(lái)計(jì)算機(jī)行業(yè)最火的技術(shù)名詞。隨著 算力的大踏步前進(jìn)，工業(yè)界開(kāi)始在一些特定領(lǐng)域，例如計(jì)算機(jī)視覺(jué)、自然語(yǔ)言處理、 個(gè)性推薦系統(tǒng)等，嘗試部署更多的深度學(xué)習(xí)模型。從趨勢(shì)上來(lái)看，深度學(xué)習(xí)算法拓寬 了 AI 的應(yīng)用邊界，比如 AI+汽車中的自動(dòng)駕駛，AI+醫(yī)療的影像識(shí)別等。麥肯錫在 《Notes from the AI frontier: Applications and value of deep learning》報(bào)告中提到，對(duì) 19 個(gè)行業(yè)的 400 多個(gè)案例進(jìn)行分析，其中 2/3 的企業(yè)表明使用深度學(xué)習(xí)是為了提高現(xiàn)有 性能；69%的案例表明深度神經(jīng)網(wǎng)絡(luò)可以提高技術(shù)無(wú)法達(dá)到的性能；15%的案例完全應(yīng) 用了深度神經(jīng)網(wǎng)絡(luò)。深度學(xué)習(xí)的價(jià)值不在于模型和算法多優(yōu)秀，而在于如何去更好的 運(yùn)用這些算法。
現(xiàn)階段深度學(xué)習(xí)算法對(duì)數(shù)據(jù)具有依賴性，降低商業(yè)化應(yīng)用成本是當(dāng)務(wù)之急。目前 從實(shí)驗(yàn)室中的人工智能技術(shù)和真實(shí)落地的人工智能技術(shù)商用需要跨越三個(gè)階段。第一， 來(lái)源于實(shí)驗(yàn)室數(shù)據(jù)集的過(guò)度理想化，并未考慮到現(xiàn)實(shí)商用環(huán)境中存在各種噪聲，使得 訓(xùn)練環(huán)境和生產(chǎn)環(huán)境下數(shù)據(jù)分布變化大，實(shí)驗(yàn)室中訓(xùn)練好的模型需要針對(duì)真實(shí)的商用 生產(chǎn)環(huán)境調(diào)試；第二，現(xiàn)實(shí)中部分場(chǎng)景數(shù)據(jù)少且格式不統(tǒng)一，存在大量臟數(shù)據(jù)、假數(shù) 據(jù)、違規(guī)數(shù)據(jù)等問(wèn)題，需要進(jìn)行數(shù)據(jù)清洗和結(jié)構(gòu)化處理；第三，由于數(shù)據(jù)自身的隱私 性和珍貴性，大部分商業(yè)落地場(chǎng)景都要求私有化部署，這就要求人工智能公司需要外 派高級(jí)算法工程師駐場(chǎng)，導(dǎo)致人均能效低。我們認(rèn)為，如果能實(shí)現(xiàn)以上三個(gè)階段的跨 越，則該應(yīng)用就大概率可以快速規(guī)模化落地。
傳統(tǒng)人工智能和深度學(xué)習(xí)算法互為補(bǔ)充。通過(guò)貝葉斯原理，我們可以證明著名的 奧卡姆剃刀原則：即如果兩個(gè)理論可以獲得相同的預(yù)言集，那么假設(shè)更少的理論為真 的概率更高。傳統(tǒng)人工智能算法模型之所以比深度神經(jīng)網(wǎng)絡(luò)簡(jiǎn)單，是因?yàn)樯疃壬窠?jīng)網(wǎng) 絡(luò)往往會(huì)在網(wǎng)絡(luò)中進(jìn)行特征再提取和特征再學(xué)習(xí)。即便是在大數(shù)據(jù)場(chǎng)景下，只要無(wú)需 另構(gòu)特征，深度神經(jīng)網(wǎng)絡(luò)仍然無(wú)法完全取代傳統(tǒng)人工智能算法。我們認(rèn)為，傳統(tǒng) AI 算 法一直在工業(yè)界扮演著穩(wěn)定解決問(wèn)題的工具角色，傳統(tǒng) AI 算法有著可解釋性強(qiáng)、對(duì)數(shù) 據(jù)依賴性弱、對(duì)算力要求低、模型簡(jiǎn)單的四大優(yōu)勢(shì)。與深度學(xué)習(xí)算法相比，傳統(tǒng) AI 算 法仍然有其自身特色，二者不是簡(jiǎn)單的替換邏輯，在未來(lái)的應(yīng)用中會(huì)互為補(bǔ)充。
小樣本訓(xùn)練甚至無(wú)監(jiān)督學(xué)習(xí)是解決 AI 對(duì)數(shù)據(jù)依賴的可能技術(shù)路徑。從深度學(xué)習(xí) 到遷移學(xué)習(xí)，前百度首席科學(xué)家吳恩達(dá)曾表示：“遷移學(xué)習(xí)將會(huì)是繼監(jiān)督學(xué)習(xí)之后的下 一個(gè)機(jī)器學(xué)習(xí)商業(yè)成功的驅(qū)動(dòng)力”。目前學(xué)術(shù)界基于遷移學(xué)習(xí)理論提出了零次學(xué)習(xí)（即 模型可以對(duì)訓(xùn)練集中沒(méi)有出現(xiàn)過(guò)的類別自動(dòng)創(chuàng)造出相應(yīng)的映射）和一次學(xué)習(xí)（即訓(xùn)練 集的每個(gè)類別僅含有少量樣本），而元學(xué)習(xí)的出現(xiàn)，使得通用人工智能模型成為可能， 人工智能系統(tǒng)不再是單任務(wù)型模型，通用模型不必對(duì)每一個(gè)任務(wù)中的知識(shí)重新開(kāi)始學(xué) 習(xí)，隨著模型對(duì)環(huán)境的不斷感知，模型可以解決越來(lái)越多的任務(wù)。我們認(rèn)為這會(huì)是未 來(lái)人工智能發(fā)展的主要技術(shù)趨勢(shì)。
3 護(hù)城河高：AI 全棧能力構(gòu)筑核心競(jìng)爭(zhēng)優(yōu)勢(shì)
人工智能涉及全產(chǎn)業(yè)鏈，AI 全棧能力會(huì)成為企業(yè)的核心競(jìng)爭(zhēng)優(yōu)勢(shì)。人工智能完整 產(chǎn)業(yè)鏈包括三層：基礎(chǔ)層、技術(shù)層和應(yīng)用層�；A(chǔ)層是人工智能產(chǎn)業(yè)的基礎(chǔ)，為人工 智能提供數(shù)據(jù)以及算力的支撐，基礎(chǔ)層分為計(jì)算硬件、計(jì)算系統(tǒng)技術(shù)和數(shù)據(jù)三部分； 技術(shù)層提供了各類人工智能算法、架構(gòu)以及應(yīng)用平臺(tái)；應(yīng)用層主要與產(chǎn)業(yè)和產(chǎn)品融合， 呈現(xiàn)百花齊放的態(tài)勢(shì)，人工智能在多個(gè)行業(yè)與產(chǎn)品中都擁有巨大的應(yīng)用價(jià)值。
3.1 應(yīng)用層：蓬勃發(fā)展，百花爭(zhēng)鳴
應(yīng)用層呈現(xiàn)百花齊放態(tài)勢(shì)，產(chǎn)業(yè)化趨勢(shì)加速。人工智能面向特定應(yīng)用場(chǎng)景需求而 形成軟硬件產(chǎn)品或解決方案，應(yīng)用層主要包括行業(yè)解決方案和消費(fèi)者產(chǎn)品。隨著人工 智能技術(shù)逐步滲透各行各業(yè)，AI+解決方案和 AI+產(chǎn)品亦層出不窮，形成了新技術(shù)推 動(dòng)新產(chǎn)品，新產(chǎn)品革新傳統(tǒng)行業(yè)的良性商業(yè)閉環(huán)。目前產(chǎn)業(yè)鏈中位于該環(huán)節(jié)的相關(guān)人 工智能公司最多。運(yùn)用相對(duì)成熟的是 AI+賦能產(chǎn)業(yè)，包含：安防、智能汽車、新零售、 醫(yī)療、教育等和 AI+產(chǎn)品，包含：智能音箱、翻譯筆、機(jī)器人、智能家居等。
3.2 技術(shù)層：專業(yè)壁壘高，平臺(tái)和算法是核心
技術(shù)層是人工智能產(chǎn)業(yè)的核心，巨頭環(huán)伺，專業(yè)壁壘高。人工智能以模擬人的智 能相關(guān)特征為出發(fā)點(diǎn)，構(gòu)建技術(shù)路徑。技術(shù)層分為算法理論、開(kāi)發(fā)平臺(tái)和應(yīng)用技術(shù)三 部分。在技術(shù)層的競(jìng)爭(zhēng)中，無(wú)論中國(guó)還是美國(guó)，企業(yè)巨頭的策略都是“三”管齊下。 1）通過(guò)招募高端人才來(lái)組建相應(yīng)的實(shí)驗(yàn)室研究團(tuán)隊(duì)，從而加快關(guān)鍵技術(shù)的研發(fā)，建立 相應(yīng)的技術(shù)壁壘；2）通過(guò)收購(gòu)一些細(xì)分領(lǐng)域的優(yōu)秀初創(chuàng)公司，降低巨頭進(jìn)入該領(lǐng)域的 成本，同時(shí)完善公司的整體戰(zhàn)略布局；3）通過(guò)開(kāi)源技術(shù)平臺(tái)，吸引全球開(kāi)發(fā)者一起構(gòu) 建相應(yīng)的生態(tài)體系。美國(guó)典型的公司有 Google、Microsoft、IBM、Facebook；國(guó)內(nèi)布局 AI 實(shí)驗(yàn)室的代表企業(yè)有百度、阿里巴巴、騰訊、字節(jié)跳動(dòng)、快手。
3.3 基礎(chǔ)層：關(guān)注 AI 芯片和傳感器，新興技術(shù)加速創(chuàng)新
計(jì)算硬件的創(chuàng)新集中在 AI 芯片和傳感器。計(jì)算硬件代表企業(yè)有美國(guó)的英偉達(dá)，中 國(guó)的華為，寒武紀(jì)等。AI 芯片通常指針對(duì)人工智能算法做了特殊加速設(shè)計(jì)的芯片，是 人工智能產(chǎn)業(yè)的核心硬件。相比于美國(guó)的英偉達(dá)、AMD、Intel、Xilinx 等公司，中國(guó)的 人工智能芯片行業(yè)正處在萌芽期，國(guó)內(nèi)的寒武紀(jì)、地平線、華為等布局了 AI ASIC，知 存科技的投入主要集中在存算一體芯片。人工智能芯片逐漸在取代傳統(tǒng)芯片的某些應(yīng) 用場(chǎng)景。隨著云計(jì)算和邊緣計(jì)算需求的高速增長(zhǎng)，傳統(tǒng)芯片廠商將持續(xù)發(fā)展新的合作 模式，以應(yīng)對(duì)新客戶的需求。全球人工智能芯片在 2018-2025 年期間保持 46%左右的復(fù) 合增速，2025 年有望達(dá)到 726 億美金的市場(chǎng)規(guī)模。
ICT 新興技術(shù)包含云計(jì)算和 5G 等。計(jì)算機(jī)系統(tǒng)技術(shù)不僅僅指代數(shù)據(jù)庫(kù)、操作系 統(tǒng)等基礎(chǔ)框架，廣義的 ICT 技術(shù)也包含了云計(jì)算和 5G，代表企業(yè)有百度、騰訊、阿里 巴巴、華為等。受益于 5G 商用網(wǎng)絡(luò)的普及，結(jié)合高效的云計(jì)算架構(gòu)，終端用戶可以 擺脫終端算力不足的困境，通過(guò)云端的強(qiáng)大算力和快速信息傳輸實(shí)現(xiàn)對(duì)環(huán)境的快速反 應(yīng)，這些新興技術(shù)都對(duì) AI 的發(fā)展起到了很大的促進(jìn)作用。
4 關(guān)注度高：發(fā)展人工智能已成全球共識(shí)
4.1 中美是全球 AI 高地，中國(guó)公司正加速發(fā)展
美企起步早，中國(guó)公司正在加速追趕。1）從企業(yè)數(shù)量上來(lái)看，中國(guó)信息通信研究 院 2019 年 4 月發(fā)布的《全球人工智能產(chǎn)業(yè)數(shù)據(jù)報(bào)告》顯示，截止 2019 年 3 月底，全 球仍然活躍的人工智能企業(yè)共 5386 家，其中美國(guó)，中國(guó)，英國(guó)分別以 2169 家，1189 家和 404 家分列前三，人工智能企業(yè)數(shù)量排名前 20 的城市中，美國(guó)占據(jù) 10 席，中國(guó) 占據(jù) 4 席。2）從 AI 行業(yè)發(fā)展階段來(lái)看，美國(guó) AI 行業(yè)發(fā)展歷經(jīng)四個(gè)階段，分別為 1991 年到 1997 年的萌芽期，1998 年到 2004 年的發(fā)展期，2005 年到 2013 年的高速成長(zhǎng)期， 以及 2013 年至今的平穩(wěn)期。而中國(guó)人工智能產(chǎn)業(yè)則是從 1996 年正式進(jìn)入萌芽期，2003 年進(jìn)入發(fā)展期，企業(yè)數(shù)量從 2003 年的 29 家增長(zhǎng)到了 2007 年的 57 家，2008 年進(jìn)入高 速成長(zhǎng)期，經(jīng)過(guò) 5 年的時(shí)間，于 2015 年到達(dá) 166 家的峰值后進(jìn)入平穩(wěn)期。2015 年的峰 值，相當(dāng)于 1999 到 2012 新增 AI 企業(yè)數(shù)量的總和。
中美研究機(jī)構(gòu)搶占學(xué)術(shù)研究高地，金字塔尖仍被美國(guó)占領(lǐng)。2009 年至 2018 年，中 國(guó)在人工智能領(lǐng)域論文發(fā)表量超過(guò) 9 萬(wàn)篇，占全球人工智能論文發(fā)表總量的 22.7%， 其中 2018 年占比高達(dá) 27.4%。在人工智能發(fā)表論文數(shù)量排名前 15 的機(jī)構(gòu)中，中國(guó)科學(xué) 院系統(tǒng)排名第一，加州大學(xué)系統(tǒng)和法國(guó)國(guó)家科學(xué)研究中心分列二，三位。除了中國(guó)科 學(xué)院系統(tǒng)，包括清華大學(xué)，上海交通大學(xué)，哈爾濱工業(yè)大學(xué)和北京航空航天大學(xué)共 5 家中國(guó)研究機(jī)構(gòu)上榜，美國(guó)同期有 7 家上榜。在被引論文統(tǒng)計(jì)中，美國(guó)雖然仍是全球 高被引論文總量最多的國(guó)家，但中國(guó)近年來(lái)高質(zhì)量論文漲勢(shì)明顯，2018 年中國(guó)高被引 論文數(shù)量已占全球總量的 45%。騰訊研究院的《中美兩國(guó)人工智能產(chǎn)業(yè)發(fā)展全面解讀》 顯示，對(duì)比四大 AI 頂級(jí)會(huì)議近三年的錄用論文統(tǒng)計(jì)，美國(guó)作者發(fā)表論文占比 52%，中 國(guó)排名第二，占比 18%。
4.2 保持 AI 應(yīng)用層市場(chǎng)優(yōu)勢(shì)，加大技術(shù)和基礎(chǔ)層投入
AI 全棧能力是未來(lái)核心競(jìng)爭(zhēng)力。美國(guó)在基礎(chǔ)層優(yōu)勢(shì)巨大，以開(kāi)源算法平臺(tái)為例， Google、Facebook、Microsoft 都推出了自己的深度學(xué)習(xí)算法的開(kāi)源平臺(tái)，而中國(guó)有百 度的 paddle。在技術(shù)層的云平臺(tái)中，美國(guó)作為云計(jì)算的初始玩家，占據(jù)市場(chǎng)主導(dǎo)地位。 中國(guó)的阿里、華為、騰訊等互聯(lián)網(wǎng)巨頭推出了領(lǐng)先的云服務(wù)平臺(tái)。在應(yīng)用層，中美互 聯(lián)網(wǎng)巨頭都有屬于自己的垂直應(yīng)用平臺(tái)。以語(yǔ)音平臺(tái)為例，Google Assistant、Cortana、 科大訊飛語(yǔ)音開(kāi)放平臺(tái)、百度大腦都是業(yè)內(nèi)知名平臺(tái)。大數(shù)據(jù)優(yōu)勢(shì)是中國(guó)發(fā)展人工智 能的重要優(yōu)勢(shì)，AI 技術(shù)發(fā)展需要有大量的數(shù)據(jù)積累進(jìn)行訓(xùn)練，中國(guó)較為完備的工業(yè)體 系和龐大的人口基數(shù)，在數(shù)據(jù)積累方面優(yōu)勢(shì)明顯。國(guó)內(nèi)企業(yè)在保持應(yīng)用層數(shù)據(jù)優(yōu)勢(shì)的 同時(shí)，應(yīng)加大基礎(chǔ)技術(shù)研究及專利積累，形成 AI 全棧能力。
5 驅(qū)動(dòng)力強(qiáng)：AI 有望進(jìn)入紅利兌現(xiàn)期
5.1 AI 商業(yè)化形式明確，賦能產(chǎn)業(yè)是趨勢(shì)
人工智能的應(yīng)用必須與產(chǎn)業(yè)深度結(jié)合，持續(xù)挖掘行業(yè)賽道潛力。Gartner 在 2020 年 發(fā)布的新興技術(shù)成熟度曲線中繼續(xù)擴(kuò)大了對(duì) AI 潛力預(yù)測(cè)的覆蓋，在人工智能技術(shù)領(lǐng) 域增加了多個(gè)類別，包括復(fù)合型人工智能、可生成型人工智能、負(fù)責(zé)型人工智能、人 工智能開(kāi)發(fā)增強(qiáng)、嵌入式人工智能和人工智能增強(qiáng)設(shè)計(jì)。從技術(shù)的研發(fā)周期判斷，人 工智能行業(yè)正處于第三波爆發(fā)期，而這波浪潮最大的特點(diǎn)就是與業(yè)務(wù)緊密結(jié)合的 AI 應(yīng) 用場(chǎng)景逐漸落地，比如說(shuō)工業(yè)視覺(jué)、車載領(lǐng)域的 ADAS 和 DMS 產(chǎn)品等。只有把握行 業(yè)數(shù)據(jù)，同時(shí)擁有先進(jìn)算法和強(qiáng)大計(jì)算能力的企業(yè)將成為最主要的推動(dòng)者。
行業(yè)賦能和消費(fèi)者產(chǎn)品是 AI 當(dāng)前落地主要形式。AI 在面向不同行業(yè)的技術(shù)使用 度存在差異。目前來(lái)看，數(shù)據(jù)獲取的難易程度和多少會(huì)對(duì)人工智能落地產(chǎn)生影響；同 時(shí)，因?yàn)樯疃葘W(xué)習(xí)算法對(duì)場(chǎng)景數(shù)據(jù)的依賴，所以對(duì)長(zhǎng)尾場(chǎng)景包容度高的應(yīng)用落地就會(huì) 更快，例如安防、教育等。目前人工智能技術(shù)落地商業(yè)化的方式主要有兩種，一種是 基于行業(yè)痛點(diǎn)的解決方案，另一種則是面向消費(fèi)者打造爆款 C 端產(chǎn)品。圖 29 詳細(xì)對(duì) 比了 AI 典型行業(yè)和產(chǎn)品的成熟度情況，并針對(duì)核心與輔助環(huán)節(jié)進(jìn)行了分拆。
從行業(yè)賦能來(lái)看，保持政府開(kāi)支的同時(shí)，挖掘企業(yè)服務(wù)市場(chǎng)潛力是未來(lái)方向。針 對(duì)行業(yè)痛點(diǎn)的解決方案，最成功的莫過(guò)于安防行業(yè)。整個(gè)安防行業(yè)的核心在于視頻監(jiān) 控，視頻監(jiān)控的無(wú)人化和精準(zhǔn)化一直是改革升級(jí)的目標(biāo)。隨著計(jì)算機(jī)視覺(jué)技術(shù)近年來(lái) 出現(xiàn)質(zhì)的突破，安防行業(yè)迅速進(jìn)入智能化時(shí)代。安防行業(yè)積累了大量的數(shù)據(jù)，且數(shù)據(jù) 整潔度高，數(shù)據(jù)采集流程成熟完善，工作流自動(dòng)化程度高，應(yīng)用場(chǎng)景清晰，以政府開(kāi) 支為主的商業(yè)模式在國(guó)家相應(yīng)政策的鼓勵(lì)下實(shí)施效率高，另外，安防對(duì)于長(zhǎng)尾的容錯(cuò) 度也相對(duì)沒(méi)那么苛刻，這些客觀因素的疊加使得 AI+安防迅速落地和商業(yè)化成型。再 以 AI+醫(yī)療/健康行業(yè)舉例，雖然行業(yè)內(nèi)部積攢了大量的數(shù)據(jù)，但數(shù)據(jù)整潔度一般，工 作流自動(dòng)化程度較弱，使得 AI+醫(yī)療/健康仍處于智能化的初級(jí)階段。仍處于藍(lán)海的 AI+文娛產(chǎn)業(yè)和 AI+能源產(chǎn)業(yè)則更多的是受制于數(shù)據(jù)積累量不夠多，工作流自動(dòng)化程 度不高，行業(yè)應(yīng)用仍然亟需相應(yīng)的規(guī)范，才能引領(lǐng)人工智能技術(shù)更好的滲透。
從消費(fèi)者產(chǎn)品來(lái)看，產(chǎn)品的成熟度受場(chǎng)景復(fù)雜度、用戶心理接受度、技術(shù)水平等 多方面影響大。1）智能音箱。各大廠商都在布局的智能音箱產(chǎn)品，核心環(huán)節(jié)在于人機(jī) 深層次互動(dòng)，主要功能點(diǎn)在聊天問(wèn)答、家居控制、消費(fèi)支付等，所用到的人工智能核 心技術(shù)正是近年來(lái)發(fā)展迅猛的語(yǔ)音識(shí)別和語(yǔ)義識(shí)別技術(shù)，技術(shù)成熟度較高，產(chǎn)品場(chǎng)景 較為簡(jiǎn)單，主要聚焦在室內(nèi)，同時(shí)消費(fèi)者用戶心理接受度也高。根據(jù)前瞻產(chǎn)業(yè)研究院 的統(tǒng)計(jì)，智能音箱目前作為最為成功的 AI+消費(fèi)者產(chǎn)品，2019 年的出貨量達(dá)到 1.469 億 臺(tái)，市場(chǎng)規(guī)模為 119 億美金。2）個(gè)人工作助理。同樣運(yùn)用語(yǔ)音識(shí)別和語(yǔ)義識(shí)別技術(shù)成 熟度較高，由于場(chǎng)景較智能音箱更為復(fù)雜，同時(shí)部分用戶擔(dān)心個(gè)人信息安全，目前滲 透率較低。3）智醫(yī)助理。目前仍然處在市場(chǎng)教育的前期，因?yàn)榛颊吆歪t(yī)院由于擔(dān)心誤 診誤療的發(fā)生，對(duì) AI 醫(yī)生產(chǎn)品都有較強(qiáng)的抵觸心理，而如果將 AI+醫(yī)生替換為 AI+醫(yī) 生助理，即由決策者角色改變?yōu)榻ㄗh者角色，患者和醫(yī)院的心理接受度大大增強(qiáng)。
5.2 技術(shù)成熟和數(shù)據(jù)紅利，加速 AI 產(chǎn)業(yè)化落地
算力和算法雙雙突破，技術(shù)成熟加速人工智能應(yīng)用浪潮。人工智能產(chǎn)業(yè)在歷史上 的發(fā)展，也曾經(jīng)歷過(guò)兩次低谷。1）第一次低谷出現(xiàn)在 1974 年-1980 年，人工智能產(chǎn)業(yè) 被算法和算力雙重限制。一方面是感知器，邏輯證明器等初級(jí)算法無(wú)法應(yīng)對(duì)更復(fù)雜的 場(chǎng)景，另一方面則是當(dāng)時(shí)計(jì)算機(jī)的算力極其有限，無(wú)論是內(nèi)存還是中央處理器的處理 速度都無(wú)法適應(yīng)人工智能所需要的實(shí)際情況；2）第二次低谷則出現(xiàn)在 1987-1993 年， 雖然出現(xiàn)了為人工智能行業(yè)量身定制的 Lisp 語(yǔ)言和機(jī)器，但是依舊被計(jì)算硬件所局限； 3）如今，隨著近年來(lái) GPU、FPGA、ASIC 等各種硬件的大規(guī)模應(yīng)用，云端服務(wù)器和終 端的計(jì)算能力獲得了極大提升，與此同時(shí)數(shù)據(jù)規(guī)模的快速增長(zhǎng)以及算法研究的不斷深 入，人工智能已經(jīng)在某些特定任務(wù)達(dá)到或超越人類，這使得人工智能技術(shù)可以代替人 類進(jìn)行一些重復(fù)性的工作，為人工智能技術(shù)的應(yīng)用落地打下堅(jiān)實(shí)的基礎(chǔ)，這里面最優(yōu) 代表性的事件為 ImageNet 的挑戰(zhàn)結(jié)果，以及 AlphaGo 戰(zhàn)勝人類棋手事件。
數(shù)據(jù)仍保持高增長(zhǎng)，數(shù)據(jù)素材對(duì) AI 模型準(zhǔn)確性至關(guān)重要。數(shù)據(jù)部分包括采集，標(biāo) 注和分析。數(shù)據(jù)部分指的是完整的大數(shù)據(jù)產(chǎn)業(yè)鏈，現(xiàn)階段人工智能技術(shù)還處于弱人工 智能階段，只有充分的數(shù)據(jù)訓(xùn)練集才能最大發(fā)揮出機(jī)器的智能性，即數(shù)據(jù)的采集和標(biāo) 注很大程度上取決了現(xiàn)有人工智能技術(shù)的上限。根據(jù) IDC 預(yù)測(cè)，全球數(shù)據(jù)流量將繼續(xù) 維持指數(shù)級(jí)增長(zhǎng)，預(yù)計(jì)在 2025 年突破 175ZB。中國(guó)受益于 5G 網(wǎng)絡(luò)的快速鋪開(kāi)，將成 為全球數(shù)據(jù)增長(zhǎng)的主力。數(shù)據(jù)的快速積累將極大程度上提高人工智能模型的準(zhǔn)確性。
5.3 高校紛紛設(shè)立 AI 專業(yè)，人才培養(yǎng)是產(chǎn)業(yè)化的有力保障
中國(guó)產(chǎn)業(yè)人才儲(chǔ)量遠(yuǎn)低于美國(guó)，基礎(chǔ)層人才缺口巨大。人工智能行業(yè)之爭(zhēng)主要體 現(xiàn)為人才之爭(zhēng)，尤其在基礎(chǔ)層和技術(shù)層領(lǐng)域。騰訊研究院的數(shù)據(jù)統(tǒng)計(jì)顯示，美國(guó)人工智能團(tuán)隊(duì)共有約 78700 名工程師，而中國(guó)僅僅有大約 39200 名工程師儲(chǔ)備。放眼九大 領(lǐng)域，單就工程師數(shù)量，中國(guó)僅僅在智能機(jī)器人一個(gè)領(lǐng)域優(yōu)于美國(guó)，在語(yǔ)音識(shí)別和自 動(dòng)駕駛領(lǐng)域略領(lǐng)先于美國(guó)，而在其他六大領(lǐng)域都存在缺口。以人工智能產(chǎn)業(yè)鏈劃分， 美國(guó)有 22%的工程師從事基礎(chǔ)層相關(guān)領(lǐng)域，而中國(guó)的比例僅 3.3%；技術(shù)層上，中美工 程師比率相差無(wú)幾，都在 35%附近；應(yīng)用層上，中國(guó)工程師比例達(dá)到了 62%，美國(guó)占 比為 40%。按照億歐《2020 全球人工智能人才培養(yǎng)》報(bào)告的統(tǒng)計(jì)，全球范圍內(nèi)，中國(guó) 對(duì) AI 崗位的需求最為旺盛，2018 年有 12113 個(gè)空缺。
高校紛紛設(shè)立 AI 專業(yè)，提升 AI 基礎(chǔ)性和原創(chuàng)性研究能力。1）與 AI 相關(guān)專業(yè)和 院系。國(guó)內(nèi)和 AI 相關(guān)的專業(yè)主要有智能科學(xué)與技術(shù)、數(shù)據(jù)科學(xué)與大數(shù)據(jù)、機(jī)器人工 程、人工智能，通常設(shè)立在人工智能學(xué)院、計(jì)算機(jī)系、智能科學(xué)與技術(shù)系、自動(dòng)化與 智能科學(xué)系。2）AI 需要復(fù)合型人才。根據(jù)國(guó)務(wù)院《新一代人工智能發(fā)展規(guī)劃的通知》， 從學(xué)習(xí)的課程來(lái)看，應(yīng)當(dāng)形成“人工智能+X”復(fù)合專業(yè)培養(yǎng)新模式，重視人工智能與 數(shù)學(xué)、計(jì)算機(jī)科學(xué)、物理學(xué)、生物學(xué)、心理學(xué)、社會(huì)學(xué)、法學(xué)等學(xué)科專業(yè)教育的交叉 融合。3）從設(shè)置 AI 專業(yè)的高校數(shù)量來(lái)看，2019 年 3 月，教育部批準(zhǔn) 35 所高校新增人 工智能本科專業(yè)，2020 年 3 月 3 日，教育部官方網(wǎng)站更新了《關(guān)于公布 2019 年度普 通高等學(xué)校本科專業(yè)備案和審批結(jié)果的通知》。新增人工智能專業(yè)的高校達(dá)到了 180 所， 是此次新增備案專業(yè)數(shù)量較多的學(xué)科。我們做一個(gè)測(cè)算，假設(shè)每個(gè)學(xué)校每年平均培養(yǎng) 100 名人工智能畢業(yè)生，則形成穩(wěn)態(tài)后每年可以為社會(huì)輸送 1.8 萬(wàn) AI 專業(yè)人才。
5.4 政策鼓勵(lì)，人工智能是新基建重要方向（略）
6 投資建議（詳見(jiàn)報(bào)告原文）
新一代人工智能正在全球范圍內(nèi)蓬勃興起，為經(jīng)濟(jì)社會(huì)發(fā)展注入了新動(dòng)能，正在 深刻改變?nèi)藗兊纳a(chǎn)生活方式 。我們認(rèn)為，在 2021 年相關(guān)人工智能公司有望實(shí)現(xiàn)業(yè) 績(jī)釋放和估值提升的戴維斯雙擊。推薦關(guān)注: 科大訊飛、中科創(chuàng)達(dá)、�？低�、大華股 份、銳明技術(shù)、虹軟科技、地平線、商湯科技、曠視科技、依圖科技、云從科技、云 知聲。
7 風(fēng)險(xiǎn)提示
1） 人工智能技術(shù)進(jìn)展不及預(yù)期；
2） 人工智能落地進(jìn)度和產(chǎn)業(yè)應(yīng)用不及預(yù)期；
3） 全球疫情加劇沖擊國(guó)內(nèi)經(jīng)濟(jì)，降低企業(yè)人工智能投資需求。
（報(bào)告觀點(diǎn)屬于原作者，不代表我們的任何投資建議。如需使用相關(guān)信息，請(qǐng)參閱報(bào)告原文。）
精選報(bào)告來(lái)源：【未來(lái)智庫(kù)官網(wǎng)】。
