2017-人工智能专题：“人工智能”时代呼啸而来_73页_6mb

人工智能行业研究报告总结

核心内容

人工智能（AI）作为一门模拟、延伸和扩展人类智能的学科，经历了多次发展高潮与低谷。自2010年以来，AI进入爆发式增长期，得益于大数据、云计算和算法的共同推动。人工智能正在成为新一轮技术变革的核心，将对各行各业产生深远影响。

主要观点

1. 人工智能第三次浪潮：人工智能在经历两次高潮和低谷后，进入第三次浪潮，各国纷纷将AI上升至国家战略层面。
2. 开源平台竞争激烈：各大科技巨头和科研机构竞相开源AI技术，争夺AI生态圈的话语权，比Android对移动生态的影响更深远。
3. 人工智能芯片发展迅速：从通用芯片向专用AI芯片发展，类脑计算不断进化，效率大幅提升。
4. AI应用广泛：人工智能正在向各个行业渗透，包括安防、制造业、金融、交通、教育、法律和医疗等。
5. 投资建议：建议关注具有数据和应用能力的A股公司，如东方网力、同花顺、思创医惠、中科创达、神州泰岳等。

关键信息

人工智能发展历程

• 1956年：人工智能学科诞生，达特茅斯会议提出AI概念。
• 1956-1974年：AI第一次大发展，取得了诸多成果。
• 1974-1980年：AI第一次低谷，由于技术瓶颈和数据缺失，研究进展缓慢。
• 1980-1987年：AI第二次发展，专家系统被广泛应用。
• 1987-1993年：AI第二次低谷，专家系统逐渐被取代。
• 1993-2010年：AI复苏期，技术不断进步。
• 2010年至今：AI进入爆发式增长期，大数据、云计算和算法推动AI快速发展。

人工智能开源平台

• TensorFlow：Google的开源深度学习平台，支持多种编程语言，性能优异，已广泛应用于多个领域。
• DMTK：微软的分布式机器学习工具包，包含LightLDA和DWE等算法，提升模型训练效率。
• Torchnet：Facebook基于Torch7开发的轻量级机器学习平台，支持多种任务，如图像识别、自然语言处理等。
• OpenAI Gym：非盈利性开源AI平台，专注于增强学习、无监督学习和算法生成。
• Paddle：百度的深度学习平台，具备高性能、灵活性和可扩展性，已广泛应用于语音识别、图像处理等领域。
• 其他开源工具：包括Caffe、Theano、MXNet、CNTK、DL4J等，各有特色，适用于不同场景。

人工智能芯片

• NVIDIA GPU：在深度学习领域广泛应用，其专用芯片如Tesla P100，显著提升AI计算能力。
• FPGA：兼顾性能与灵活性，成为AI领域的强劲对手。
• 专用AI芯片：如IBM的TrueNorth芯片和中星微电子的“星光智能一号”，大幅提升AI算法运行效率。

人工智能应用

• 安防：专注于生物识别技术，如人脸识别、虹膜识别等。
• 制造业：推动从半自动化向全自动化生产发展。
• 金融：应用于投资决策、信用风控和智能支付。
• 无人驾驶：技术突破和立法加快，AI决定可靠性。
• 法律：用于案件预判和文案编纂，提高效率。
• 智能家居：AI有望成为核心，推动行业升级。
• 医疗：提升健康诊断和药品研发效率。

投资建议

• 推荐公司：
  • 东方网力（人工智能+安防）
  • 同花顺（人工智能+金融）
  • 思创医惠（人工智能+医疗）
  • 中科创达（人工智能+底层操作系统）
  • 神州泰岳（人工智能+大数据）
• 关注公司：科大讯飞、佳都科技、汉王科技

风险提示

• 政策支持力度低于预期
• 核心技术发展遭遇瓶颈

财务指标概览

结论

人工智能正在以“人工智能+”的形式席卷各行各业，其发展受到大数据、云计算和算法的共同推动。各大科技巨头和科研机构在开源平台、芯片和应用层面展开激烈竞争，争夺AI时代的主导权。AI技术的不断进步和广泛应用，预示着AI将成为未来技术发展的核心驱动力。