关于人工智能的报告(人工智能专题报告)

（报告出品方/作者：中信证券，杨泽原、丁奇）

一、 人工智能开启新一轮产业变革

1.1 三大支柱支撑，向认知智能迈进

人工智能：通常是指“研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用的一门新的 技术科学”。人工智能的发展需要“运算平台+数据资源+算法”。

机器学习：属于人工智能的其中一个领域，通过经验学习优化计算机算法，其根本在于海量数据的训练。

深度学习：在人工神经网络的基础上发展而来，实现了从大数据中自动提取数据特征并设计特征模型，摆 脱了传统神经网络算法中需要人工工程进行各层的特征设计的弊端。

三次工业革命均引发人类社会格局发生颠覆性的改变，人工智能有望开启新一轮产业革命

第一次（18世纪60s）：蒸汽机成为动力机，解放了生产力；

第二次（19世纪70s）：电力得到应用，推动电气、化学、石油等重工业的兴起；

第三次（20世纪40s）：进入信息时代。信息时代先后出现了计算机、互联网、移动互联网、物联 网等几次技术变革。但部分领域近年来放缓趋势已经开始出现。

1.2 资本+政策+需求驱动，产业高速增长

投融资：资本争相涌入

近年来人工智能投融资火热，资本争相涌入。随着AlphaGo等具有较大影响力的应用逐步落地，产业界与资本界均对人工智能前景充满期待，人 工智能有望开启新一轮产业革命，大型公司纷纷展开“AI军备竞赛”。

二级市场助推人工智能企业发展。私募市场与二级市场逐渐形成衔接，助推AI企业向下一个阶段发展。在二级市场，最受资本青睐的 是行业解决方案和智能风控，其次是服务机器人、ADAS系统和AI芯片，最后是智能影像医疗和智 能营销。 近期，伴随部分AI独角兽IPO获受理，2021年有望迎来AI企业上市潮，二级市场助推AI企业发展。

政策端：政策大力支持

确立“三步走”目标，加速人工智能深度应用创新建设，全面推动AI产业落地。 国务院2017年《新一代人工智能发展规划》中确立“三步走”目标，第一步，到2020年人工智能 总体技术和应用与世界先进水平同步；第二步，到2025年人工智能基础理论实现重大突破、技术与 应用部分达到世界领先水平；第三步，到2030年人工智能理论、技术与应用总体达到世界领先水平。

加强人工智能与经济社会深度融合，积累经验做法、标杆案例 。科技部2019年8月发布《国家新一代人工智能创新发展试验区建设工作指引》，指出要充分发挥地 方在试验区建设中的主体作用，3年内形成一批人工智能与经济社会发展深度融合的典型模式，积累一批可复制可推广的经验做法，打造一批具有重大引领带动作用的人工智能创新高地。

明确“新基建” ，注入“新动能” 。受疫情影响，数字经济发展迎来关键窗口期。2020年3月，中央明确“新基建”进度，加固、升级 人工智能长期发展创新的数字底座，开启AI发展新空间。

应用场景：落地场景丰富

AI的最终任务是实现人工智能在各垂直行业的场景化落地 。从全球看，人工智能企业主要集中在AI+（各个垂直领域）、大数据和数据服务、视觉、智能机器人领域，其中AI+企业主要集中在商业（主要包含市场营销和客户管理领域）、医疗健康、金融领域。

从中国看，各垂直领域的AI企业同样集中在各类垂直行业中，渗透较多的包括医疗健康、金融、商 业、教育和安防等领域，根据中国信通院数据，其中医疗健康领域占比最大达到22%，其次在金融 和智能商业化领域占比分别达到14%和11%。

二、 人工智能产业链各环节机遇涌现

人工智能产业链包括基础层、技术层和应用层：

1）基础层是指对AI提供支撑性服务的硬件平台，包括芯片、传感器、数据和服务、生物识别、云 计算等；

2）技术层是指实现计算机感知和认知的程序算法，主要包括机器学习、计算机视觉、语音及自 然语言处理等；

3）应用层是指将人工智能是现在垂直领域的应用，包括工业机器人、服务机器人、智能医疗、 智能金融等。

前文我们提到了一个观点——“运算平台+数据资源+算法”为人工智能提供三大支柱， 接下来我们将继续沿着这条线，分析人工智能产业链不同层次的投资机会。

三、 人工智能的挑战与机遇：能者为王

挑战一：AI未来发展前景如何？

挑战：人工智能的发展呈现螺旋向上趋势 。计算能力上，经历了早期计算、LISP机器、GPU/TPU的发展；算法演化上，经历了Perceptron、专 家系统、BP、深度学习的技术发展；核心数据上，经历了从少量到大量再到海量的递进；实用效果 上，历经感知、认识、决策的步步推进。

机遇一：技术持续创新迭代推动应用深化

以机器学习为主流方向的人工智能基础技术包括有监督学习、无监督学习、强化学习等技术，但这 些技术只是针对部分特定场景，比如说分类、聚类、求最优解等，而现实世界往往是复杂的，深度 强化学习等新兴技术的快速发展推动AI向更接近人类思维的方向进步，解决更复杂的认知智能问题。

深度强化学习：强化学习与深度学习结合。深度学习具有较强的感知能力，但是缺乏一定的决策能 力；而强化学习具有决策能力，对感知问题束手无策。将两者结合起来，优势互补，为复杂系统的 感知决策问题提供了解决思路。

挑战二：数据从何而来？

挑战：人工智能算法训练需要大量数据资源 。 例：百度人脸识别系统在2015年FDDB检测数据集和LFW识别数据集上的实验结果均获得世界最 高的准确率。ImageNet数据库包括1000类150万张图片。 百度使用了 200 万类 2亿张图片 ， 数量上是 ImageNet数据库的一百多倍。

机遇二：产品+技术+场景完整方案形成数据闭环

大数据：人工智能发展的三大重要基础之一（算力、算法、数据）。大数据的作用包括挖掘、传输、存储、分析、分类等；大数据是人工智能“思考”和“决策”的重 要参考，提供数据支持；物联网是促进大数据和AI结合的重要方式，大数据和AI的结合反哺物联网 应用的发展。

AI公司有望依靠产品+技术+场景的完整解决方案，构筑数据闭环。 2B/2C提供庞大的数据来源；物联网使得数据形式更加多样化；客户资源深厚的头部公司具备广泛 的数据基础，以BATH为例，利用庞大的数据量和技术积累，切入AI领域，为中小企业提供数据来 源、算力等，助力AI普惠

挑战三：商业化路在何方？

挑战：初创企业商业模式路在何方？ 从软件核心知识产权、定价模式、数据所有权等维度看，形式较为多样化，当前商业模式未成定局。

机遇三：实现优势赛道控盘突破

以AI技术为切入点，推动“平台+赛道”战略布局，控盘教育等核心赛道。

1）教育：2B2C闭环协同助力打造AI+教育领军，2B产品包括智慧课堂、智慧校园及区域教育云 平台等，2C产品包括智能学习机等；

2）政法：智能庭审、辅助判案等产品各地持续推广；

3）医疗：智医助理等AI产品在各地区域化复制落地。

以计算机视觉为核心技术驱动，应用规模化落地。

1）平台：自主研发 并建立了全球顶级的深度学习平台和超算中心。

2）应用：深入探索多个垂直行业领域，业务涵盖 智能手机、互联网娱乐、汽车、智慧城市、以及教育、医疗、零售、广告、金融、地产等多个行 业。

（本文仅供参考，不代表我们的任何投资建议。如需使用相关信息，请参阅报告原文。）

精选报告来源：【未来智库官网】。