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

报告摘要

人工智能行业研究报告总结

核心内容

人工智能（AI）作为一项颠覆性技术，经历了六十多年的发展，正迎来新一轮突破性进展。该技术具备模拟和扩展人类智能的能力，其发展依赖于三大技术基石：深度学习算法、计算能力和大数据。当前，AI在自然语言处理和计算机视觉领域已实现商业化应用，尤其在语音识别和图像识别方面，达到与人类相当的准确率。

人工智能产业链由基础支撑层、技术应用层和垂直应用层构成，其中基础层包括深度学习理论、神经网络模型和关键硬件（如GPU、TPU、ASIC等），技术应用层涵盖计算机视觉和自然语言处理，而垂直应用层则包括自动驾驶、医疗、安防和机器人等具体行业应用。科技巨头、科研机构和部分创业公司在基础层和核心技术上占据主导地位，而市场机会则更多体现在各类应用场景中。

主要观点

技术进步：人工智能的发展受到深度学习理论、计算能力提升和数据资源丰富三方面因素推动，其潜力巨大，有望再次提升人类的生产和组织效率。
硬件演进：从CPU、GPU到TPU和专用AI芯片，计算能力的提升为AI的落地提供了坚实基础。
应用落地：AI在多个垂直领域取得突破，包括自动驾驶、医疗影像诊断、人脸识别和仓储机器人等。
投资机会：AI产业前景广阔，重点公司包括海外巨头英伟达、谷歌等，以及A股企业如中科曙光、科大讯飞、海康威视等，初创企业如商汤科技、旷视科技也值得关注。
风险提示：AI行业面临技术路线、算法迭代、行业落地和估值风险等挑战。

关键信息

技术基石

深度学习算法：以人工神经网络（ANN）为代表，2006年Hinton的论文开启深度学习在学术界和工业界的浪潮。
计算能力：GPU因其并行处理能力成为AI加速计算的首选，TPU是谷歌为特定AI任务设计的专用芯片，寒武纪和DianNao是面向机器学习的专用处理器，具有更高的能效。
大数据：互联网的发展使得数据资源丰富，为AI模型训练提供了关键支撑。

人工智能应用

自然语言处理（NLP）：包括语音识别、语音合成和机器翻译，神经机器翻译（NMT）已取代统计机器翻译成为主流。
计算机视觉（CV）：在医学影像分析、自动驾驶、安防识别等领域广泛应用，卷积神经网络（CNN）是其核心技术。
自动驾驶：从L1到L5，AI在决策层发挥关键作用，英伟达和百度等企业推动其发展，预计未来几年将逐步实现完全自动驾驶。
医疗AI：在影像诊断、药物研发、基因分析等领域取得突破，如阿里健康“Doctor You”系统和IBM Watson平台。
安防AI：人脸识别、车辆检测等技术已广泛应用，商汤科技、旷视科技等初创企业在该领域表现突出。

重点公司

海外科技巨头：英伟达在GPU领域占据主导地位，谷歌通过AlphaGo和TensorFlow全面布局AI，英特尔通过并购整合提供AI计算整体解决方案。
A股重点公司：中科曙光、科大讯飞、海康威视等公司在AI应用和硬件研发方面表现突出。
初创企业：商汤科技、旷视科技等在AI算法和应用场景方面展现出强劲发展势头。

投资要点

AI产业前景广阔：随着技术进步和行业应用落地，AI有望成为下一个重大技术变革。
科技巨头引领发展：英伟达、谷歌和英特尔等公司在AI技术的推动和应用落地方面起着关键作用。
垂直应用机会：AI在汽车、医疗、安防和机器人等领域的应用，是未来投资的重点方向。
重点公司表现：中科曙光、科大讯飞和海康威视等公司在AI领域展现出良好的成长性，投资评级为“强烈推荐”。

风险提示

技术路线风险：AI技术发展存在多种路径，不同技术路线可能影响最终应用效果。
算法迭代风险：AI算法持续进化，可能对现有系统产生颠覆性影响。
行业落地低于预期：AI技术的商业化进程可能面临技术、政策和市场等多方面挑战。
估值风险：AI行业估值较高，可能面临市场波动和盈利不及预期的风险。

行业表现

行业占比：AI占A股总市值的3.91%，显示出其在资本市场的重要地位。
平均市盈率：当前行业平均市盈率高达420.56倍，反映市场对其未来增长的乐观预期。

作者信息

署名人：李超
执业编号：S0960511030016
联系方式：021-52340812 / lichao@china-invs.cn
资料来源：Wind、中投证券财富研究部

总结

人工智能作为一项颠覆性技术，正在经历快速发展阶段，其技术进步和应用落地为各行各业带来巨大机遇。当前，AI在自然语言处理和计算机视觉领域已实现商业化，而自动驾驶、医疗、安防和机器人等垂直应用场景正在加速推进。科技巨头如英伟达、谷歌和英特尔在技术基础和计算能力方面占据主导地位，而A股公司如中科曙光、科大讯飞和海康威视在应用层表现突出。尽管AI行业发展前景广阔，但技术路线、算法迭代、行业落地和估值风险仍是需要关注的重要因素。

展开完整摘要