20170927-长城证券-人工智能专题深度报告（系列6）_计算瓶颈突破_商用价值提升_引爆AI市场_确定规则场景易被AI取代_41页_2mb

报告摘要

人工智能专题深度报告总结

核心内容

人工智能（AI）正引领新一轮产业革命，其本质是“用机器取代人类工作”，结合了机器规模化生产与人工个性化生产的双重优势，从而实现“低成本与差异化”并存，增强企业竞争力。AI可广泛应用于传统行业，推动产业升级，并在图像识别、语音识别等领域接近或达到人类水平。

主要观点

AI对产业的影响：
- AI可通过规模化生产降低成本，同时通过个性化生产满足消费者需求。
- AI在具有明确规则的行业中，如智能安防、无人驾驶，具有较强的替代潜力。
- 随着AI技术成熟，其在行业中的渗透率和应用规模将不断提升。
AI的发展阶段：
- AI正经历第三次爆发，受计算能力突破和商用价值提升推动。
- AI可分为基础层（算力支撑）、技术层（算法平台）和应用层（行业渗透）。
计算瓶颈的突破：
- 传统芯片（CPU）难以满足深度学习算法的计算需求，GPU、FPGA、ASIC等芯片的出现显著提升了AI的计算能力。
- GPU已成为深度学习训练的“事实标准”，而推理环节则对实时性和能效有更高要求。
AI芯片市场竞争格局：
- 不同芯片在计算效率与通用性上难以兼顾，AI生态可能决定最终胜出的芯片类型。
- 海外科技巨头（如英伟达、Google、IBM、Intel、苹果、华为）均在积极布局AI芯片领域。
- 国内芯片企业正加速崛起，有望在未来的全球芯片格局中占据一席之地。
AI应用前景：
- AI在智能安防、无人驾驶等领域的应用潜力较大，因为这些行业的AI需求度与技术成熟度均较高。
- AI在教育、医疗等行业的应用仍面临技术瓶颈，短期内难以大规模推广。

关键信息

市场规模与增长：
- 根据艾瑞咨询，2020年全球AI市场规模将达到1190亿元，年复合增速约19.7%。
- 中国AI市场规模增速将达50%，远超全球平均水平。
技术突破：
- 深度学习算法通过增加隐层数量显著提升了模型精度，目前图像识别准确率超过90%。
- 英伟达GPU芯片在三年内将深度学习效率提升50倍，成为AI训练的主流选择。
芯片发展：
- CPU适合复杂指令处理，但不适用于深度学习；GPU适合并行处理，效率更高。
- FPGA和ASIC在特定应用场景下具有更高的计算效率和更低的能耗，但使用门槛较高。
- 国内芯片制造工艺正在快速提升，2017年已有多家晶圆厂投产，预计未来将有更多投资。
行业应用：
- 智能安防领域可关注东方网力、海康威视、大华股份等企业。
- 无人驾驶领域可关注四维图新、均胜电子等企业。

投资建议

关注AI需求度与技术成熟度高的行业：
- 智能安防和无人驾驶是当前AI应用潜力较大的领域，建议投资者重点关注。
关注AI芯片企业：
- 英伟达、Google、IBM、Intel、苹果、华为等企业均在AI芯片领域有布局，未来市场格局可能发生变化。

风险揭示

政策与市场风险：
- 海外科技巨头AI研发可能受政策抑制。
- AI产业融资可能受美联储加息影响。
技术与应用风险：
- AI应用推广不及预期。
- 芯片、算法研发可能遭遇未知障碍。
- 应用层难以适应基础层和核心技术层的快速变化。
国内竞争风险：
- 国内企业使用国际开源平台，缺乏自身核心竞争力。
- AI产品同质化严重，存在市场竞争激烈的风险。

结论

人工智能正处于第三次爆发时期，计算瓶颈的突破与商用价值的提升是其发展的重要推动力。AI将重塑传统行业竞争格局，特别是在具有明确规则的领域。随着AI技术的成熟，其应用潜力将逐步显现，尤其是智能安防和无人驾驶等领域。尽管存在诸多风险，但AI产业的前景依然广阔，投资者应关注技术成熟度与需求度较高的行业和企业。

展开完整摘要