20161212-联讯证券-计算机行业2017年投资策略：AI深度入侵，产业深耕智能升级_74页_5mb

计算机行业2017年投资策略总结

核心内容

本报告分析了计算机行业2016年的走势及估值情况，并展望了人工智能（AI）在2017年的投资机会。人工智能作为当前技术革命的核心，正在经历第三次浪潮，其在多个行业领域展现出巨大的发展潜力，尤其是在金融和智能汽车领域。

主要观点

1. 行业表现：

   • 计算机行业在2016年整体呈现震荡下行态势，但部分次新股仍被市场给予高估值。
   • 计算机行业指数与创业板指数走势相似，显示出投资者对计算机行业的估值仍带有创业板特征。
   • 优质成长股在产业链中具有投资价值，2017年应重点关注人工智能+金融和人工智能+汽车两大重点板块。

2. 人工智能的发展：

   • 人工智能发展经历了三次浪潮，当前正迎来第三次高潮。
   • AI技术发展受到云计算、大数据、移动互联网的推动，具备强大的感知、计算和学习能力。
   • 深度学习是当前AI技术发展的核心，具有显著的预测准确性和学习能力。

3. 技术层：

   • 人工智能核心技术包括计算机视觉、机器学习、自然语言处理、机器人技术和智能语音技术。
   • 技术层的发展为AI在应用层的落地提供了坚实的基础，未来有望实现商业化。

4. 应用层：

   • 金融、医疗、教育、安防、交通等领域是AI应用的主要方向。
   • 金融领域AI应用包括智能客服、智能投顾、量化交易、自动报告生成等。
   • AI在金融领域具有显著的商业潜力，能够提升效率、降低成本、优化服务。

关键信息

• 人工智能技术：AI技术已进入成熟阶段，具备广泛应用前景。
• 产业链结构：AI产业链分为基础层、技术层和应用层，其中基础层由硬件和数据资源组成，技术层包含各种AI技术，应用层则涉及具体行业。
• 投资逻辑：应关注基础层和技术层的布局，同时聚焦应用层中的重点行业，如金融和智能汽车。
• 风险因素：人工智能技术发展未达预期、政策因素等。

技术层：人工智能核心技术及其现状

1. 计算机视觉

• 计算机视觉是AI感知世界的基础，广泛应用于人脸识别、图像识别等领域。
• 国内外巨头如Google、微软、百度、阿里、腾讯等均在该领域进行布局。
• 技术发展依赖于传感器和深度学习算法。

2. 机器学习

• 机器学习是AI的核心，其策略包括机械学习、传授学习、类比学习和事例学习。
• 深度学习在图像、语音识别、金融预测等领域取得显著进展。
• 多所大学和科技公司如微软、谷歌、百度等在深度学习领域投入大量研发。

3. 自然语言处理（NLP）

• NLP技术包括语音识别、语义分析、自然语言理解等。
• 在金融、客服、教育等领域具有广泛应用。
• 技术瓶颈在于大规模语料数据和语义分析的进一步完善。

4. 机器人技术

• 机器人分为工业机器人和服务机器人，其中工业机器人已进入成熟期。
• 服务机器人需要解决判断能力、灵活操作和人机协同等问题。
• 人工智能机器人有助于解决人口老龄化问题，市场前景广阔。

5. 智能语音技术

• 智能语音技术包括识别、理解、搜索和生成。
• 百度、Google、Apple、微软等公司在该领域占据领先地位。
• 语音识别准确率已达90%以上，未来有望进一步提升。

应用层：人工智能商海浪潮，金融先起

1. 人工智能在金融领域持续升温

• 金融行业具备大量数据资源，是AI应用的热点领域。
• 应用场景包括智能客服、语音识别、金融预测、反欺诈、智能投顾等。
• 人工智能能够提升金融服务效率，优化投资决策。

2. 辅助量化交易

• 量化交易模型分为三个阶段，AI的应用提升了模型的准确性和适应性。
• AI能够处理海量数据，捕捉市场机会，提高资本市场的有效性。

3. 智能投顾

• 智能投顾提供低成本、优服务的在线财务管理解决方案。
• 通过大数据和AI算法，实现动态平衡投资组合。
• 在美国发展迅速，已在全球范围内获得广泛认可。

投资建议

• 重点板块：人工智能+金融和人工智能+汽车。
• 投资逻辑：关注基础层和技术层的布局，尤其是具备高成长潜力的优质个股。
• 推荐标的：关注具有AI技术优势和行业应用能力的公司，如科大国创、久远银海、多伦科技、恒泰实达等。

图表目录

• 图表1: 计算机指数与上证指数以及沪深300走势对比
• 图表2: 计算机指数与创业板指数走势对比
• 图表3: 计算机行业前三季度营收增速家数比例
• 图表4: 所有A股标的前三季度营收增速家数比例
• 图表5: 计算机行业前三季度营收增速家数比例
• 图表6: 所有A股标的前三季度营收增速家数比例
• 图表7: TMT相关可比行业指数走势
• 图表8: 计算机行业标的2016年度股价变化情况
• 图表9: 科大国创主营业务比例
• 图表10: 久远银海主营业务比例
• 图表11: 多伦科技主营业务比例
• 图表12: 恒泰实达主营业务比例
• 图表13: 人工智能与游戏博弈的历史
• 图表14: AlphaGo原理图
• 图表15: 人工智能三个层次
• 图表16: 人工智能发展历史
• 图表17: IBM深蓝战胜国际象棋大师
• 图表18: 深度学习随着数据量增加预测准确性提高
• 图表19: 云计算技术
• 图表20: 人工智能三大理论派别
• 图表21: AI逐步发展进化
• 图表22: 2020年有500亿个连接设备
• 图表23: 全球运动检测传感器市场
• 图表24: CPU与GPU结构对比图
• 图表25: FPGA结构图
• 图表26: 浅层学习和深度学习的结构区别
• 图表27: 人工智能产业链层次
• 图表28: 人工智能产业链全球收入预测
• 图表29: 投资人工智能的顶级公司
• 图表30: 最活跃的人工智能投资公司（2011年-2016年5月）
• 图表31: 计算机视觉处理过程
• 图表32: 国外巨头布局计算机视觉技术
• 图表33: 国内巨头布局计算机视觉技术
• 图表34: 机器学习的四种主要策略
• 图表35: 机器学习与人类思考的类比
• 图表36: 机器学习市场地图
• 图表37: 各领域利用深度学习发展的初创公司
• 图表38: 巨头对机器学习投资研发
• 图表39: 智能语音应用场景
• 图表40: 面向互联网应用的NLP技术体系
• 图表41: 工业机器人技术成熟度曲线
• 图表42: 服务型机器人市场成长率与技术难度
• 图表43: 智能语音相关技术和功能
• 图表44: 百度、Google的语言识别技术精确度
• 图表45: 用户使用语音交互技术的因素
• 图表46: 国内外智能语音助理产品和厂商
• 图表47: 人工智能产业化基础
• 图表48: 人工智能细分应用领域公司
• 图表49: 全球AI市场规模
• 图表50: 人工智能细分场景
• 图表51: 人工智能产业链应用层部分公司及产品
• 图表52: 人工智能子产业热点图（截止2016年6月15日）
• 图表53: 人工智能在金融行业的应用设想
• 图表54: 量化交易构建
• 图表55: 量化交易三个阶段
• 图表56: 智能算法交易和非智能算法交易
• 图表57: 全球知名人工智能对冲基金
• 图表58: 智能投顾募集基金趋势
• 图表59: 世界TOP5智能投顾公司
• 图表60: Wealthfront智能投顾界面
• 图表61: 我国大众富裕人口占比
• 图表62: 我国大众富裕人口投资规模占比
• 图表63: 中美智能投顾市场对比
• 图表64: 中美智能投顾市场对比
• 图表65: 自动生成报告流程
• 图表66: 智能生成报告公司
• 图表67: 金融搜索引擎公司
• 图表68: 智能汽车发展路径图
• 图表69: 三大主要推动因素
• 图表70: 下一阶段发展趋势分析
• 图表71: 下一阶段发展趋势分析
• 图表72: 英伟达芯片概览
• 图表73: TEGRA
• 图表74: DRIVE™PX2
• 图表75: 各芯片公司产品及客户情况一览
• 图表76: FPGA架构图
• 图表77: FPGA、CPU、GPU执行GaxPy算法每次迭代时间
• 图表78: FPGA、CPU、GPU执行GaxPy算法每次迭代能耗
• 图表79: 传统FPGA开发流程与C-to-FPGA开发流程
• 图表80: FPGA近年来热点应用
• 图表81: 语音识别成熟阶段图
• 图表82: 驾驶操作习惯
• 图表83: 语音产品各大公司一览
• 图表84: 视觉ADAS可实现的功能
• 图表85: 单目、双目摄像头的比较
• 图表86: Mobileye的图像识别产品发展历程
• 图表87: 视觉系ADAS产品供应体系
• 图表88: 国内11家视觉方案供应商的技术和产品比较
• 图表89: BOSCH高精地图分层范例
• 图表90: 高精度地图市场规模（亿美元）
• 图表91: TomTom展示车道级高精度定位技术
• 图表92: HERE地图技术
• 图表93: 高德地图提供多种行业解决方案
• 图表94: 高德指数
• 图表95: 客户变化情况
• 图表96: 智能交通广泛应用于交通运输的各个细分领域
• 图表97: 中国智能交通框架体系
• 图表98: 智能交通系统结构
• 图表99: 中国车联网市场具备巨大市场潜力
• 图表100: 至2025年新售车辆将全面步入车联网时代
• 图表101: 一线城市交通拥堵情况愈渐严重
• 图表102: 标志性交通问题日益严重
• 图表103: 2005-2014年我国汽车交通事故情况
• 图表104: ETC显著提高传统通行效率
• 图表105: 航空枢纽运载比率图
• 图表106: 枢纽地面操作流程
• 图表107: 枢纽优化方法
• 图表108: 车联网渗透率增长情况
• 图表109: 2014-2020年中国车联网规模预测
• 图表110: 中国及全球车联网规模预测
• 图表111: 车联网汽车份额预测
• 图表112: 中国车联网前、后装终端规模
• 图表113: 2017年推荐标的

结论

人工智能正处于快速发展阶段，其在金融和智能汽车等领域的应用前景广阔。投资者应关注AI技术的布局和应用层的商业落地，尤其是具备高成长潜力的优质个股。未来AI产业将形成多维度的竞争格局，涵盖生态构建者、技术+场景突破者、传统行业垂直细分开拓者和底层技术切入者等。