20161009-光大证券-计算机行业：智能大时代，数据驱动未来_66页_5mb

智能时代与人工智能行业深度分析总结

核心内容

本报告深入分析了人工智能（AI）在当前技术发展背景下的兴起与应用前景，强调了数据、算法和计算能力作为AI发展的三大支柱。同时，报告探讨了AI产业的结构，预测其将复制PC时代的格局，并提出了从基础层、技术层到应用层的多层次发展路径。

主要观点

1. 智能时代到来

• 人工智能的爆发是必然的，主客观条件已成熟。
• 互联网带来的数据量、维度和完备性为AI提供了基础。
• 并行计算、芯片成本下降和深度学习算法的突破，使得数据处理工具成熟。
• 互联网业态稳定，为AI发展提供了新的突破口。

2. 深度学习的突破

• 深度学习是一种自学习特征的方法，通过多层次网络结构实现复杂的函数逼近。
• 与传统机器学习相比，深度学习能自动提取特征，提升识别和分类的准确性。
• 深度学习在语音识别、图像识别和自然语言处理等领域取得了显著成果。

3. 开源助推行业发展

• 开源是AI时代发展的助推剂，降低行业门槛，促进技术普及。
• 互联网巨头纷纷开源深度学习框架，如TensorFlow、CNTK等，吸引人才并构建生态。
• 开源推动数据增长，形成正循环，促进AI系统训练与优化。

4. AI产业格局与投资标的

• AI产业可划分为基础层、技术层和应用层。
• 基础层以芯片和计算能力为核心，技术层以算法模型为主，应用层以“AI+”形式扩展。
• 投资建议：
  • 基础层：推荐中科曙光，关注景嘉微和英伟达。
  • 技术层：推荐科大讯飞。
  • 应用层：推荐同花顺（智能+金融）、思创医惠（智能+医疗）、四维图新（智能+汽车）、东方网力（智能+安防）、千方科技（智能+交通）。

关键信息

技术发展

• 深度学习通过多层网络结构，实现输入与输出之间复杂的函数逼近。
• 人工神经网络模仿人脑结构，具有多输入、单输出的非线性模型。
• GPU擅长并行计算，大幅提升了深度学习的训练效率。

行业应用

• AI在语音识别、图像识别、自然语言处理、医疗、交通、安防等领域广泛应用。
• Google、微软、Facebook等公司通过开源和并购，构建了完整的AI生态。

投资分析

• 投资建议基于产业格局和不同层次企业的核心竞争力。
• 各行业应用层企业具有市场能力和数据积累的优势，具备成长潜力。

风险提示

• 计算能力提升不及预期。
• 模型算法改进缓慢。
• 平台发展缓慢。

行业图谱

• 人工智能、机器学习、深度学习是依次包含的关系。
• AI产业链包含基础层（芯片、数据）、技术层（算法、模型）、应用层（各行业智能化应用）。
• 云平台和API服务成为AI技术落地的重要载体。

典型案例

• Google开源TensorFlow，推动深度学习发展。
• 科大讯飞语音云平台提供全面的语音交互技术。
• 浪潮、科大讯飞与Altera合作打造CPU+FPGA异构计算方案。

总结

人工智能正步入新的发展阶段，其爆发具有必然性。深度学习作为核心技术，通过自学习特征和层次结构，显著提升了识别和分类的准确性。开源潮流降低了技术门槛，推动了行业繁荣。AI产业有望复制PC时代的格局，形成基础层、技术层和应用层的三层次结构。各层次企业应根据自身优势选择不同的切入路径。投资建议聚焦于具备核心竞争力和技术积累的行业领先企业。