20170629-华安证券-海外TMT行业2017年中期策略_从移动互联网为先_转向人工智能为先_24页_1mb

人工智能行业分析报告总结

核心内容

本报告为2017年海外TMT行业中期策略，聚焦人工智能（AI）的发展趋势、技术演进及行业应用。报告指出，人工智能正在成为继移动互联网之后的新科技高地，各大科技公司正从软硬结合的角度推动AI技术的发展，同时，全球经济正在从真实经济向虚拟经济迁移，AI作为科技创新的核心，成为解决经济危机的新方式。

主要观点

• 人工智能为先：谷歌和百度已从移动互联网为先转向人工智能为先，软硬件结合推动AI发展。谷歌自2016年起成为AI为先的公司，百度则在2017年明确表示转型为AI公司。
• 经济迁移趋势：随着真实经济复苏动力不足，虚拟经济（如AI、互联网）成为新的增长点，尤其在游戏、社交、电商等领域的应用日益广泛。
• AI三大支柱：深度学习的成功依赖于大数据、大模型和大计算。其中，大模型的发展推动了AI的落地，大计算则通过硬件演进（CPU、GPU、FPGA、ASIC）为AI提供了强大支撑。
• AI技术发展路径：AI技术发展经历了符号主义、连接主义、机器学习和深度学习的演变，当前深度学习在图像识别、语音识别等领域取得突破。
• AI平台与系统：各大科技公司积极开源AI平台，如Google的TensorFlow、微软的DMTK、Facebook的Torch7、百度的PaddlePaddle，推动AI技术普及。

关键信息

1. 人工智能大模型

• AlphaGo：通过深度学习嵌入蒙特卡洛树搜索（MCTS）实现围棋对弈，包含策略网络、估值网络和MCTS三部分。其训练过程使用了3000万份人类棋谱，采用异步多线程搜索和GPU并行计算，实现快速训练和高效推理。
• 百度ApolloOS：开放无人驾驶平台，支持环境感知、路径规划、车辆控制等功能，目标是实现L4至L5级别的自动驾驶。百度投入200亿元研发无人驾驶，使用CNN和深度学习进行车道和车辆检测，支持实时识别。

2. 人工智能发展历史

• 机器学习：以统计方法构建模型，如支持向量机（SVM）和逻辑回归（LR），在早期AI发展中占据主流。
• 深度学习：通过神经网络模拟人类大脑，其特点是自动抽取特征、处理复杂任务。深度学习的兴起源于Geoffrey Hinton等人的贡献，特别是2006年提出深度信念网络（DBN）和2012年ImageNet竞赛中表现优异。
• AI的挑战：深度学习模型参数多，训练数据需求大，且代价函数高度非凸，容易陷入局部最优，因此需要更高效的算法和硬件支持。

3. 大计算演变

• 硬件演进：从CPU到GPU再到FPGA和ASIC，计算能力不断提升。GPU适用于大规模并行计算，FPGA则具有高能效比和可编程性，适用于特定任务。
• 深度学习平台：Google TensorFlow、微软DMTK、Facebook Torch7、百度PaddlePaddle等开源平台推动AI技术普及，为模型训练和部署提供支持。

4. 人工智能大数据

• 数据驱动：科技公司通过布局电商、社交等业务获取海量数据，为AI提供训练素材。AI的发展依赖于大数据积累。
• 应用方向：Google在图像识别、语音识别、无人驾驶等领域广泛应用AI技术，百度则在智能驾驶、智能助手、图像识别等方面取得进展，苹果推出HomePod和iMac Pro，亚马逊推出Echo音箱，腾讯则通过Mariana平台支持微信语音识别、图像识别和广告推荐等业务。

5. 全球AI公司财务分析

• 研发投入：美国科技公司（如苹果、谷歌、亚马逊）的研发投入显著高于中国公司，2016年美国科技公司R&D费用增长中位数为26.4%，而中国科技公司（如百度）则出现下降。
• AI行业格局：美国在AI领域领先，中国则在应用层面追赶。AI公司如苹果、谷歌、亚马逊等均获得较高市值，显示市场对其技术前景的认可。

总结

人工智能正在成为科技发展的新方向，各大公司通过软硬结合推动AI落地。深度学习作为核心技术，依赖于大数据、大模型和大计算的协同发展。从经济角度来看，AI引领虚拟经济的增长，为解决真实经济复苏乏力问题提供新思路。未来，随着AI平台和系统的不断完善，以及硬件计算能力的提升，AI将在更多领域实现突破。