2017-智能大时代，数据驱动未来_66页_5mb

智能时代与人工智能行业分析总结

核心内容

人工智能正迎来新的爆发期，其发展具备主客观条件的成熟性。数据的积累、计算能力的提升、深度学习算法的突破，以及开源工具的普及，共同推动了人工智能技术的快速发展和应用落地。智能时代将复制PC时代的产业格局，形成基础层、技术层、应用层的三级结构。

主要观点

1. 智能时代到来的必然性

   • 互联网提供了大量、多维、完备的数据，成为数据驱动决策的基础。
   • 并行计算的成熟、芯片成本的下降和深度学习算法的突破，使得数据处理工具更加完善。
   • 互联网的稳定格局促使行业巨头与创业者共同探索新的增长点，人工智能成为理想选择。

2. 深度学习的突破

   • 深度学习通过自学习特征，提升了特征提取效率和分类准确性。
   • 深度学习在语音识别、图像识别和自然语言处理等领域取得显著成果。
   • 深度学习的层次结构使其能够实现更复杂的函数逼近，从而提升识别与决策能力。

3. 开源推动行业发展

   • 开源软件降低了AI开发门槛，促进了技术共享和生态构建。
   • 互联网巨头如Google、Facebook、微软等纷纷开源深度学习框架，如TensorFlow、Torch等。
   • 开源促进了数据的快速增长，形成正循环，推动AI技术的广泛应用。

4. 智能时代的产业格局

   • 人工智能产业将形成基础层（芯片）、技术层（算法平台）和应用层（具体产品）的三级结构。
   • 基础层将由技术实力强、资金充足的公司主导。
   • 技术层将出现多个主流框架，但在垂直领域，领先技术提供商更具优势。
   • 应用层将百花齐放，智能+将成为标配，市场能力和数据积累是核心竞争要素。

关键信息

技术突破与应用

• 深度学习通过自学习特征和层次结构，显著提升了语音、图像识别的准确率。
• Google通过开源TensorFlow，推动了AI技术的广泛应用，其在多个产品中使用深度学习技术。
• 语音识别领域，科大讯飞作为国内龙头，准确率超过99%，并拓展至教育等其他领域。

行业分析与投资建议

• 建议从产业格局的终局与不同层次的核心竞争要素两个维度筛选投资标的。
• 基础层：推荐高性能计算机企业中科曙光，建议关注景嘉微和英伟达(NVIDIA)。
• 技术层：推荐科大讯飞，因其在语音识别领域具有显著优势。
• 应用层：看好智能+金融（同花顺）、智能+医疗（思创医惠）、智能+汽车（四维图新）、智能+安防（东方网力）、智能+交通（千方科技）。

风险提示

• 计算能力提升不及预期的风险。
• 模型算法改进缓慢的风险。
• 平台发展缓慢的风险。

图表与数据

图表

• 图1：文明的进化历程。
• 图2：人工智能的发展历程。
• 图3：人工智能、机器学习、深度学习的关系。
• 图4：人类大脑的思考方式。
• 图5：机器学习的建模过程。
• 图6：特征表达对识别效果的影响。
• 图7：传统机器学习的步骤。
• 图8：人工神经元的结构与功能。
• 图9：人工神经元的样本训练目标。
• 图10：深度学习的复杂函数逼近。
• 图11：深度学习的层次性结构。
• 图12：高层特征为低层特征的加权组合。
• 图13：任务领域的特征层次结构。
• 图14：人脑视觉抽象认知机理。
• 图15：数据是人工智能的燃料。
• 图16：串行运算示意图。
• 图17：并行运算示意图。
• 图18：GPU比CPU包含更多计算单元。
• 图19：开源促进数据增长形成正循环。
• 图20：分布式TensorFlow提升运行速度。
• 图21：人工智能的层次结构。
• 图22：企业切入AI的三种方式。
• 图23：智能时代有望复制PC与手机时代格局。
• 图24：人类活动、海量数据、人工智能形成链条。
• 图25：传感器在无人驾驶中的作用。
• 图26：科大讯飞语音云平台架构。
• 图27：Turing OS在机器人中的位置。
• 图28：Face++云脸应用锁。
• 图29：2020年机器学习市场将由四家公司主导。
• 图30：AI横跨13个垂直技术领域。
• 图31：人机交互方式的演化。
• 图32：语音交互应用丰富。
• 图33：Alexa成为语音入口。
• 图34：Alexa提升亚马逊购物体验。
• 图35：计算机视觉应用广泛。
• 图36：AI赋予无人机环境感知能力。
• 图37：AI赋予无人机视觉追踪能力。
• 图38：动作捕捉技术用于影视制作。
• 图39：提供人机手势交互的行业解决方案。
• 图40：AI应用层生态。
• 图41：Atlas机器人自主行走。
• 图42：Atlas机器人搬盒子。
• 图43：服务机器人的分类。
• 图44：Rokid家庭服务机器人。
• 图45：Rokid的功能。
• 图46：中国智慧医疗市场规模。
• 图47：AI在医疗领域的应用。
• 图48：沃森医生的诊断过程。
• 图49：全球自动驾驶汽车销量预测。
• 图50：汽车通过多传感器感知环境。
• 图51：汽车理解环境数据并准备左转。
• 图52：自动驾驶依赖AI决策。
• 图53：自动驾驶的四个阶段。
• 图54：谷歌无人驾驶历程。
• 图55：中国智能家居市场规模。
• 图56：智能家居概念示意图。
• 图57：Nest智能家居产品示意图。
• 图58：全球生物特征识别市场规模。
• 图59：生物特征识别类型。
• 图60：马云展示“刷脸支付”。
• 图61：TPU板样式图。
• 图62：TPU机房样式图。
• 图63：Cloud Vision API在云端提供服务。
• 图64：Cloud Vision API识别人脸。
• 图65：谷歌语音API。
• 图66：深度学习在Google产品中广泛应用。
• 图67：AI主要并购事件。
• 图68：巨头并购AI公司的交易数。
• 图69：2016谷歌I/O大会AI相关产品。

表格

• 表1：2015年人工智能发展的四个特征。
• 表2：部分典型的AI开源项目。
• 表3：AI芯片的典型方案。
• 表4：知名机器学习云端API平台。
• 表5：视觉图像领域的典型开放API云平台。
• 表6：语音识别领域的典型开放API云平台。
• 表7：具有AI通用平台属性的典型案例。
• 表8：十三个垂直领域介绍。
• 表9：智能家居企业分类。
• 表10：2008-2016年谷歌AI并购事件。
• 表11：二级市场相关标的梳理。
• 表12：二级市场标的估值与财务数据。
• 表13：一级市场相关标的梳理。

总结

人工智能正迎来新的发展高潮，其核心在于深度学习技术的突破和开源生态的推动。智能时代将复制PC时代的格局，形成基础层、技术层、应用层的三级结构。数据、计算能力和算法是推动AI发展的三大核心要素。随着开源的普及，行业门槛降低，智能+将成为各行业的标配，市场能力和数据积累成为应用层企业的核心竞争要素。投资建议关注具备核心技术优势和数据积累的企业，如科大讯飞、同花顺、思创医惠、四维图新、东方网力和千方科技等。同时，需警惕计算能力、算法改进和平台发展等方面的潜在风险。