人工智能_战略性看好人工智能_行业应用落地是硬道理_44页_3mb

人工智能行业分析总结

核心内容

人工智能（AI）是模拟和扩展人类智能的科学，旨在通过算法、计算能力和数据实现自动化的智能行为。当前AI技术正经历新一轮突破，其发展速度和影响范围堪比互联网革命，有望极大提升人类生产和组织效率。

AI产业链分为三部分：基础支撑层（包括深度学习理论、神经网络、GPU/ASIC等硬件）、技术应用层（如计算机视觉和自然语言处理）以及垂直应用层（如自动驾驶、医疗、安防、机器人等）。科技巨头和科研机构在基础层和核心技术方面占据主导地位，而市场机会则更多集中在应用场景的落地。

主要观点

• AI技术发展：AI经历了六十年的发展历程，从1956年的达特茅斯会议开始，历经多个发展阶段，最终在深度学习、计算能力和大数据的支持下迎来突破。
• 深度学习技术：深度学习算法（如卷积神经网络CNN、递归神经网络RNN）是当前AI应用的核心，其强大的特征学习能力使其在语音识别、图像识别等领域达到商业化高度。
• 计算能力：GPU、TPU、FPGA等计算设备为AI提供了强大的算力支持，尤其是GPU在深度学习中的广泛应用，加速了AI技术的落地。
• 应用场景：AI在多个垂直领域实现应用落地，如自动驾驶、医疗影像分析、人脸识别和视频监控等，其中医疗和安防领域已取得显著成果。
• 科技巨头与初创企业：科技巨头如英伟达、谷歌、英特尔和百度在AI技术发展和应用中发挥引领作用；而初创企业如商汤科技、旷视科技等也在AI应用中崭露头角。

关键信息

技术基石

AI的三大技术基石为：

1. 深度学习算法：如卷积神经网络、递归神经网络，具备强大的特征提取和学习能力。
2. 计算能力：GPU、TPU、FPGA等硬件加速了深度学习模型的训练和推理过程。
3. 大数据：丰富的数据资源为AI提供了学习的基础，使得模型可以处理复杂的现实问题。

AI产业链结构

• 基础支撑层：深度学习理论、神经网络模型、GPU/ASIC等。
• 技术应用层：计算机视觉、自然语言处理等。
• 垂直应用层：自动驾驶、医疗、安防、机器人等。

AI应用现状

• 自动驾驶：L1和L2级辅助驾驶已成熟，L3和L4级自动驾驶正在试验，未来将逐步普及。
• 医疗：AI在医学影像诊断、药物研发、智能问诊等方面已有应用，如阿里健康“Doctor You”和百度“CT阿尔法狗”等。
• 安防：人脸识别、车辆检测、车型车牌识别等技术已广泛应用，商汤科技和旷视科技是代表企业。
• 机器人：AI与传统机器人结合，如仓储物流机器人，已在多个场景中投入使用。

重点公司

• 海外科技巨头：英伟达、谷歌、英特尔等。
• A股重点公司：中科曙光（603019）、科大讯飞（002230）、海康威视（002415）。
• 初创企业：商汤科技、旷视科技等。

投资要点

• AI技术突破性强，应用前景广阔，具备显著的行业增长潜力。
• 深度学习算法、计算能力、大数据三者相辅相成，共同推动AI应用落地。
• AI在医疗、安防、自动驾驶等领域的应用已经取得初步成果，未来将有更大发展空间。
• 风险包括技术路线不确定性、算法迭代速度快、行业落地速度低于预期以及估值风险。

重要数据与趋势

• 2016-2019年AI相关公司EPS与PE：
  • 中科曙光：2016年EPS为0.35，2019年EPS为0.82，PE从71.0降至30.3。
  • 科大讯飞：2016年EPS为0.35，2019年EPS为0.74，PE从127.7降至60.4。
  • 海康威视：2016年EPS为0.80，2019年EPS为1.63，PE从37.2降至18.2。
• AI发展速度：AI在多个领域已达到或接近人类水平，未来有望全面超越人类。
• AI商业化：语音识别和图像识别已实现商业化，成为AI落地的重要标志。

风险提示

• 技术路线风险：AI技术发展路径尚不明确，可能因技术路线选择不当而影响应用效果。
• 算法迭代风险：AI算法更新速度快，企业可能面临技术迭代带来的成本压力。
• 行业落地风险：AI在某些行业中的落地速度可能低于预期，影响投资回报。
• 估值风险：AI行业估值较高，可能面临市场回调风险。

作者信息

• 署名：李超
• 执业编号：S0960511030016
• 联系方式：021-52340812，lichao@china-invs.cn

行业数据

• 上市公司家数：192家
• 总市值：21,084.46亿元
• 占A股比例：3.91%
• 平均市盈率：420.56倍

未来展望

AI技术将继续在多个领域深化应用，尤其是医疗、安防和自动驾驶等。科技巨头和初创企业将共同推动AI的发展，未来十年AI有望在所有可描述和定义的领域超过人类。