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_2mb

人工智能行业2017年中期策略总结

核心内容

• 行业趋势：人工智能正成为继移动互联网之后新的科技高地，各大科技公司正加速向AI转型。
• 行业评级：增持
• 报告日期：2017-06-29
• 核心观点：人工智能的发展依赖于大数据、大模型和大计算三大支柱，其中硬件和软件的结合是未来发展的关键。

主要观点

1. 谷歌和百度转向人工智能为先

• 谷歌和百度均宣布转型为人工智能公司，表明AI已成为科技行业的核心方向。
• 谷歌在图像识别、语音识别、无人驾驶等领域取得显著进展，2016年通过AlphaGo战胜围棋冠军李世石，展现了深度学习和强化学习的结合。
• 百度则通过ApolloOS平台，开放无人驾驶技术，推动自动驾驶发展。

2. 真实经济向虚拟经济迁移

• 2008年金融危机后，宏观调控失效，经济复苏乏力，信息虚拟经济展现出强大的增长潜力。
• 科技公司的研发投入显著高于中国同行，如2016年美国科技公司R&D费用中位数为26.4%，远超中国科技公司。

3. 大模型、大计算、大数据是深度学习三大支柱

• 大模型：如AlphaGo的深度神经网络结构，以及百度的CNN模型，用于车道和车辆检测。
• 大计算：从CPU到GPU、FPGA、ASIC，硬件的发展为深度学习提供了更强大的计算能力。
• 大数据：数据的积累和处理能力是深度学习应用的重要基础。

4. AI技术发展路径不同

• 软技术公司（如谷歌、百度）专注于AI算法和模型的前沿研究。
• 电商和社交巨头（如亚马逊、腾讯）则在垂直领域深耕，如语音识别、图像识别等。

关键信息

5.1 人工智能大模型：谷歌的阿尔法狗和百度的阿波罗计划

• 阿尔法狗：采用深度学习嵌入蒙特卡洛树搜索，策略网络、估值网络和MCTS结合，使AI在围棋领域取得突破。
• 百度ApolloOS：基于CNN的车道和车辆检测系统，实现高速公路和城市道路的自动驾驶测试。

5.2 人工智能发展历史：符号主义与连接主义，机器学习与深度学习

• 符号主义：强调逻辑推理，代表技术包括决策树、归纳逻辑程序设计（ILP）等。
• 连接主义：基于神经网络，强调特征自动提取，如CNN和DNN。
• 深度学习：虽然缺乏严格的理论基础，但因大数据和大计算的发展，成为主流。

5.3 人工智能大计算演变

• 硬件演进：从CPU到GPU，再到FPGA和ASIC，计算能力不断提升。
• 开源平台：如TensorFlow、DMTK、Torch7、PaddlePaddle等，推动AI发展。

5.4 人工智能大数据

• 数据获取：科技公司通过布局低回报业务获取用户大数据，为AI发展做准备。
• 技术应用：如刷脸支付、语音助手、自动驾驶等，都依赖于大数据支持。

5.5 全球各大AI公司财务分析

• 美国科技公司：研发投入远高于中国公司，如苹果、谷歌、亚马逊等。
• 中国科技公司：如百度，研发投入有所下降，但仍在AI领域积极布局。

总结

人工智能正成为科技行业的重要发展方向，其发展依赖于大数据、大模型和大计算三大支柱。谷歌和百度分别在国际和国内引领AI技术，通过深度学习和强化学习实现技术突破。与此同时，美国科技公司在研发投入和创新上表现出更强的优势，而中国科技公司则在垂直领域积极布局。随着AI技术的不断演进，其在图像识别、语音识别、自动驾驶等领域的应用日益广泛，为未来的经济发展提供了新的动力。