20170418-浙商证券-人工智能行业深度报告_产业爆发的拐点_34页_4mb

人工智能产业爆发拐点分析总结

核心内容

人工智能在2017年进入产业爆发的拐点，主要得益于深度学习算法的优化、计算能力的突破以及数据的积累。科技巨头和政府政策共同推动了人工智能的商业化进程，使其在多个行业实现场景应用。

主要观点

• 技术突破：深度学习算法的出现解决了传统机器学习在特征提取方面的瓶颈，使人工智能在语音识别、图像识别等领域达到商用化水平。
• 计算力提升：GPU、FPGA、NPU等并行计算芯片的出现，极大提升了人工智能的运算效率，降低了训练成本。
• 数据积累：互联网、物联网的普及带来海量数据，为人工智能提供训练素材，数据成为AI行业的重要壁垒。
• 资本投入：人工智能领域投资持续增长，推动产品化进程和产业链构建。
• 政策支持：国内外政策不断加码，人工智能上升为国家战略，加速行业发展。

关键信息

1. 深度学习技术推动商业化

• 深度学习技术使人工智能从感知阶段走向商用。
• 语音识别准确率超过95%，人脸识别错误率低至0.001%。
• 计算机视觉识别错误率已低于人眼识别错误率（4.94%）。
• 科大讯飞的RNN算法在语音识别中误识率0.7%，旷世科技、格灵深瞳的人脸识别误识率0.001%。

2. 运算力与数据为AI提供引擎

• 深度学习需要强大的计算能力和海量数据。
• 传统线性模型在交通指示牌识别中准确率仅为92%，而深度神经网络模型准确率高达98.8%。
• GPU等并行计算芯片显著提升AI训练效率，NVIDIA的DGX-1大幅提升深度学习训练速度。

3. AI产业链结构清晰

• 人工智能产业链分为基础支撑层、技术应用层和产品层。
• 基础支撑层包括算法模型和AI芯片。
• 技术应用层包括感知类技术，如语音识别、计算机视觉和自然语言处理。
• 产品层包括终端产品，如智能音箱、无人驾驶系统等。

4. 科技巨头布局AI产业链

• Google：推出TensorFlow和DeepMindLab，收购DeepMind、Nest等公司，布局TPU、无人驾驶、医疗诊断等。
• NVIDIA：主导GPU市场，推出DGX-1和Tesla P100芯片，为AI提供计算支持。
• IBM：推出TrueNorth芯片，研发量子计算技术，布局Watson、医疗诊断、类脑计算。
• 微软：推出CNTK、A-eye视觉芯片，收购多家AI公司，布局FPGA和云计算。
• 百度：推出PaddlePaddle框架，牵头筹建深度学习国家工程实验室，布局自动驾驶和语音识别。

5. AI应用场景优先爆发于数据化高的行业

• 安防：利用计算机视觉识别行人、车辆和人群，误识率极低，成为AI刚需市场。
• 医疗：通过图像识别和深度学习辅助医生进行诊断，减少人工干预，提高效率。
• 金融：应用于智能投顾、风险评估等场景，提升服务效率。
• 教育：推动个性化教学，优化学习体验。
• 零售：提升智能推荐、库存管理等效率。

6. 投资建议

• 基础技术：中科曙光，推动AI与上层应用融合。
• 感知技术：科大讯飞，代表语音识别领域。
• 大数据行业：海康威视、万东医疗，将AI切入核心业务。
• 无人驾驶与机器人：合众思壮、埃斯顿、机器人，代表AI在交通和工业领域的应用。

行业评级

• 人工智能行业：看好。

行业发展与竞争格局

• 人工智能技术逐步从“专有人工智能”向“通用人工智能”过渡。
• 巨头通过开源平台、AI芯片和兼并收购等方式，抢占技术制高点。
• AI产业链将向优势企业集中，形成完整生态。

总结

人工智能在2017年进入产业化拐点，技术、数据和资本三方面共同推动行业发展。科技巨头在AI领域布局全面，形成从基础层到产品层的完整产业链。感知技术（语音、视觉）逐步成熟，推动AI在安防、医疗、金融等高数据化行业中落地应用。未来3-5年，AI将以服务智能为主，数据化程度高的行业将率先爆发场景应用。投资建议聚焦于基础技术、感知技术、大数据行业以及AI与机器人结合的领域，重点关注具有核心技术能力、产业链布局和商业化能力的公司。