2017-人工智能——战略性看好人工智能，行业应用落地是硬道理_47页-5mb

人工智能行业研究报告总结

核心内容

人工智能（AI）作为一项具有深远影响的技术，正经历新一轮突破性发展。本报告从技术基础、行业应用、产业链结构及重点公司分析等方面全面探讨了AI的现状与未来趋势。

主要观点

1. AI技术发展历史：人工智能自1956年达特茅斯会议诞生以来，经历了多个阶段的发展与低谷，当前在深度学习、计算能力和大数据的支持下，正迎来新的突破。
2. 技术基石：AI的发展依赖于三大核心技术：深度学习算法、计算能力（如GPU、TPU）和大数据。其中，深度学习算法成为推动AI应用落地的核心引擎。
3. 计算能力演进：从CPU到GPU，再到专用芯片如TPU、寒武纪处理器和DianNao架构，计算能力的提升为AI的广泛应用提供了基础。
4. 行业应用落地：AI正在多个垂直领域加速落地，包括汽车、医疗、安防和机器人等，其中语音识别和图像识别已达到商业化高度。
5. 科技巨头引领：科技巨头如英伟达、谷歌和英特尔在AI技术发展和产业链构建方面起着主导作用，同时初创企业也在特定领域展现出强劲的潜力。
6. 重点公司分析：报告指出，中科曙光、科大讯飞、海康威视等A股公司以及商汤科技、旷视科技等初创企业是值得关注的重点。

关键信息

人工智能发展历史

• 1956年：达特茅斯会议标志着AI的诞生。
• 1956-1974年：AI进入黄金年代，实现多项突破。
• 1974-1980年：第一次低谷，AI研究受计算能力和数据限制。
• 1980-1987年：AI进入专家系统阶段，商业化开始。
• 1987-1993年：第二次低估，AI研究继续前行。
• 1993年至今：AI技术不断进步，逐渐应用于各行各业。

AI技术基石

• 深度学习算法：Geoffrey Hinton的论文推动了深度学习的发展，使得AI应用成为可能。
• 计算能力：GPU、TPU和专用芯片的出现，为AI计算提供了强大的支持。
• 大数据：互联网的发展使得数据资源丰富，为AI提供了数据基础。

AI在垂直领域的应用

• AI+汽车：自动驾驶技术正逐步实现，从L1到L4级别的系统正在测试与应用。
• AI+医疗：医学影像诊断、辅助诊断、药物研发等应用已进入实践阶段。
• AI+安防：人脸识别、车辆检测等技术已广泛应用。
• AI+机器人：智能仓储机器人是AI与传统机器人结合的典型案例。

重点公司

• 海外科技巨头：英伟达、谷歌、英特尔等公司在AI领域占据重要地位。
• A股重点公司：
  • 中科曙光（603019）：高性能计算龙头，布局“从芯到云”全产业链。
  • 科大讯飞（002230）：从智能语音到人工智能，行业应用加速落地。
  • 海康威视（002415）：视频安防龙头，智能化和AI创新业务推动公司持续成长。
• 初创企业：商汤科技、旷视科技等在AI技术与应用方面表现突出。

投资要点

• 行业前景：AI有望再次极大提升人类生产和组织效率，行业机遇巨大。
• 投资建议：对中科曙光、科大讯飞、海康威视等公司给予“强烈推荐”。
• 风险提示：包括技术路线风险、算法迭代风险、行业落地低于预期、估值风险等。

人工智能产业链

人工智能产业链由三部分组成：

1. 基础支撑层：包括深度学习理论、神经网络等模型算法和GPU、ASIC等关键硬件。
2. 技术应用层：包括计算机视觉和自然语言处理等。
3. 垂直应用层：AI在汽车、医疗、安防、金融等领域的具体应用。

技术发展与应用

• 深度学习算法：深度学习算法在图像识别和语音识别等领域取得了重大进展，准确率已达到人类水平。
• 神经网络结构：包括前馈网络、反馈网络和自组织网络，其中前馈网络是深度学习的基础。
• 卷积神经网络：用于图像识别，具有强大的特征提取能力，能够自动学习图像特征，提高识别准确率。
• 计算硬件发展：GPU、TPU、寒武纪处理器等硬件加速计算的发展，为AI提供了更高效的计算平台。

风险提示

• 技术路线风险：AI技术路线可能发生变化，影响企业的发展。
• 算法迭代风险：算法不断更新，可能导致现有系统需要频繁调整。
• 行业落地低于预期：AI在实际应用中可能面临落地难题。
• 估值风险：AI行业快速发展，可能导致估值过高，影响投资回报。

总结

人工智能正迎来新一轮发展浪潮，其技术进步与行业应用的结合将极大提升人类生产和组织效率。科技巨头和初创企业在推动AI技术发展和应用落地方面各具优势，而A股重点公司则在AI产业链中占据重要位置。尽管AI面临诸多风险，但其发展潜力巨大，值得投资者关注。