20160508-国金证券-人工智能行业专题：改变未来的人工智能_33页_2mb

报告摘要

人工智能行业专题总结

核心内容

人工智能（AI）作为当前最前沿和基础性的技术之一，正经历第三次崛起，其发展由算法、数据和计算能力三要素共同驱动。当前AI技术已逐渐成熟，应用逐步落地，涉及多个行业领域，如安防、金融、医疗、汽车、教育等，成为未来产业变革的重要推动力。

主要观点

人工智能的发展历程：人工智能经历了两起两落，目前在深度学习、大数据和计算能力的推动下进入第三次快速发展阶段。
三要素驱动AI：算法（如深度学习）、数据（大数据）和计算能力（云计算、GPU）是AI发展的三大核心要素。
AI技术成熟与应用落地：语音识别、图像识别和自然语言处理等技术已较为成熟，正在推动各行业智能化转型。
政策与巨头布局：各国政府对AI技术给予高度重视，科技巨头纷纷布局AI领域，推动技术发展与商业化落地。
行业智能化趋势：AI正成为各行各业智能化升级的重要工具，推动生产力提升和商业模式创新。

关键信息

算法：深度学习推动突破

深度学习技术：2006年Hinton等人提出深度学习后，AI取得重大突破。深度学习模型在多个领域表现优于传统算法。
算法融合：AI技术在应用中往往结合多种算法，如AlphaGo结合了增强型深度学习与蒙特卡洛树搜索。
深度神经网络：CNNs和RNNs等深度神经网络在图像和语音处理方面效果显著，结合使用效果更佳。

数据：大数据是AI发展的基础

数据增长：全球数据总量从2011年的1.8ZB增长至2020年的35ZB，增长近20倍。
大数据市场：全球大数据市场在2014年达到285亿美元，预计2017年将突破500亿美元。
数据训练：大数据是深度学习模型训练的基础，提高了AI识别和预测的准确性。

计算能力：云计算与GPU推动发展

云计算发展：2015年全球云计算市场规模突破1800亿美元，成为AI发展的重要基础设施。
GPU应用：GPU的并行处理能力显著提升了深度学习的训练效率，NVIDIA的P100芯片是当前AI计算能力的重要代表。
低功耗计算：AI计算能力正在向“云+端”模式发展，强调低功耗、低成本、低体积。

政策与巨头布局

国际布局：美国、欧盟和日本均启动了脑研究计划，如美国的BRAIN、欧盟的HBP和日本的Brain/MINDS。
国内政策：中国出台了多项政策，如《中国制造2025》《“互联网+”行动指导意见》等，推动AI发展。
科技巨头：谷歌、Facebook、IBM、微软、苹果、阿里、腾讯、百度等均在AI领域布局，如谷歌的无人驾驶、FaceBook的深度学习、IBM的Watson平台等。

应用领域

安防+AI：视频智能分析技术是AI在安防行业的主要应用，实现目标检测、识别、跟踪等。
金融+AI：AI在金融领域应用于身份验证、市场分析、风险管理等，如支付宝的Smile to Pay技术、Capitalico平台等。
医疗+AI：IBM Watson在医疗领域提供诊断、数据分析和智能建议，如Watson for Oncology。
汽车+AI：AI在智能驾驶中应用，包括环境感知、路径规划、高精度地图等。
其他行业：AI在制造业、教育、广告、传媒、法律、智能家居和农业等领域也有广泛应用。

行业观点

AI的发展将推动多个行业的变革，带来新的商业模式和产业形态。
未来AI将更注重无监督学习、迁移学习和聚焦模型，提升智能化水平。
AI在多个细分领域已具备商业化能力，如语音识别、图像识别、自然语言处理等。

风险提示

人工智能发展不及预期
产业政策变化
科技巨头进入的威胁

图表目录

图表1：人工智能从诞生开始经历了两起两落
图表2：人工智能生态
图表3：人工智能发展的三个阶段
图表4：BBC预测2020年全球AI市场规模183亿美元
图表5：艾瑞咨询预测2020年中国AI市场规模91亿元
图表6：人工神经网络结构图
图表7：深度学习算法结构图
图表8：卷积神经网络（CNNs）
图表9：递归神经网络（RNN）
图表10：深度学习方法使语音识别错误率大幅降低
图表11：深度学习方法使手写识别错误率大幅降低
图表12：2005-2020全球数据总量
图表13：2011-2017全球云计算市场规模
图表14：云计算助推大数据发展
图表15：计算能力的指数增长推动技术进步
图表16：NVIDIA P100 GPU芯片
图表17：IBM TRUENORTH神经元芯片
图表18：IBM TRUENORTH芯片架构
图表19：美国大脑研究计划
图表20：欧盟人脑工程项目
图表21：国内AI相关政策
图表22：深度学习四剑客
图表23：国内外科技巨头AI布局
图表24：人工智能创业公司957家
图表25：AI创业公司13个分类
图表26：AI创业公司不同类别的数量
图表27：AI创业公司不同类别的风险投资额
图表28：AI创业公司平均成立时间
图表29：不同年份AI创业公司数量
图表30：语音识别是目前最成熟的人工智能技术之一
图表31：2015年全球和中国智能语音市场份额
图表32：智能语音需求增长与场景丰富
图表33：科技巨头从语音切入布局AI
图表34：我国企业在FDDB2015取得好成绩
图表35：我国企业在LFW2015取得好成绩
图表36：IMAGENET计算机视觉竞赛
图表37：国内衣+团队获IMAGENET2015多项第一
图表38：国内外典型图像识别和视频识别公司
图表39：生物识别一般过程
图表40：生物识别应用领域
图表41：Narrative Science自动写作
图表42：新华社“快笔小新”写稿机器人
图表43：智能视频分析技术
图表44：美国Palantir大数据应用
图表45：美国天网计划使用机器学习
图表46：AI在金融领域的应用
图表47：支付宝Smile to Pay技术
图表48：声纹识别功能
图表49：日本Capitalico AI交易平台
图表50：美国Rebellion AI资产管理
图表51：IBM Watson诊断过程
图表52：IBM Watson发展之路
图表53：IBM Watson Analytics应用
图表54：谷歌无人驾驶汽车结构示意
图表55：谷歌无人驾驶汽车
图表56：无人驾驶车辆和车道检测
图表57：无人驾驶过程中的3D地图
图表58：AI在其他行业的应用
图表59：人工智能产业结构图
图表60：中国主要AI相关公司分布
图表61：部分AI相关上市、挂牌公司

公司梳理及投资建议

基础层：包括数据资源和计算能力相关的公司，如NVIDIA、IBM等。
技术层：包括算法和模型开发公司，如地平线机器人、中科寒武纪等。
应用层：包括在具体行业应用的公司，如旷视科技、格灵深瞳、商汤科技、云从科技、捷通华声、云知声、思必驰、智臻智能、中通网络、图灵机器人、优必选、Minieye、驭势科技、国科微等。

总结

人工智能正成为未来产业变革的重要基础力量，其发展依赖于算法、数据和计算能力的共同推动。随着技术的不断成熟和应用的逐步落地，AI在多个行业展现出巨大潜力。科技巨头和创业公司在AI领域的布局日益广泛，推动了产业链的形成。投资建议关注能够成功商业化的企业，特别是那些在基础层、技术层和应用层均有布局的公司。

展开完整摘要