人工智能产业深度报告.docx

《人工智能产业深度报告.docx》由会员分享，可在线阅读，更多相关《人工智能产业深度报告.docx（19页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。

1、人工智能产业深度报告主要观点：AI是当前三大科技红利之一，行业景气度高，未来成长空间大。人工智 能、云 计算和5G是当前三大科技红利。数据、算力、算法的三大变革，催化AI再 迎发展热潮。艾瑞咨询的报告显示，预计2022年国内人工智能赋能实体经 济的市场规模将达到1573亿。根据中国人工智能计算力发展评估报告 的预测，2020年国内AI市场规模将达到62. 7亿美金，2019-2024年人 工智能市场复合增速将保持在30%以上，2024年会达到172.2亿美金。 同时， 中国在全球AI市场的占比将从2020年的12. 5%上升 到2024年的15. 6%o人工智能行业景气度高，未来成长空间大。打

2、造AI全栈能力是核心竞争力，人工智能专业壁垒高。AI完整产业链包 括三 层：1）基础层为AI提供数据以及算力的支撑；2）技术层提供了各类AI算法、 架构以及应用平台；3）应用层主要挖掘在各个行业和产品的AI+应用 价值。 目前国内各公司在赋能应用的同时，也在积极打造AI开放平台，布 局芯片， 希望通过局部全栈能力打造出差异化优势。人工智能投入大，专业壁垒高。国 内目前融资占比前三的领域为计算机视觉与图像（143亿），自然 语音处理 （122 亿），自动驾驶（107 亿）；2009 年至2018 年，中国在人工智能领域论文发表量超过9万篇，占全球人工智能论文发表总量的22. 7%, 在人工智能发

3、表论文数量排名前15的机构中，中国共有5家研究机构上 榜。需求爆发叠加政策鼓励加速产业化落地，AI企业进入红利兑现期。从需求端来 看，发展AI已是全球共识。目前安防、智能汽车、教育、医疗、新零 售等是 热点应用领域。1） AI+安防市场在2020年会达到453.4亿元的市场规模; 2）全球智能驾驶汽车出货量在2021年增速有望超过25%,在2024年等进行具体评估，摆脱传统 教材的桎梏，对学习资源进行再整合和动态生成, 即对学生进行个性化教学方案的精准推送。机器代替老师批改课后作业，使得教师更专注于教学环节。随着OCR以及语义 分 析技术的不断进步，自动批改作业已逐渐成为可能。计算机能够根据自

4、然语 言处理技术对文本进行语法纠错，例如：各种英语时态的主谓一致，单复数以 及遣词造句等，甚至可以根据语言模型是给出意见和建议，这将能够有效的节 省教师批改作业的时间，学生也可以更快地获得反馈，从而显著提高教师的教 学效率以及学生的学习效率。除 了简单的判定选择，填空等客观题的批改，市 面上已经出现批改主观题的教学技术。 例如：英文作文批改产品，机器通 过OCR技术去识别手机拍摄的手写的英语作文，对语法、单词等错误进行批 注，并最终给出作文评分。随着图像识别技术以及自然语言处理技术的不断完 善，类似产品将层出不穷，作业的自动批改将会变得越来越实用、准确，教师 除了可以节省出相应的批改作业时间，

5、还可以直接获得每一个学生在每一 道题 的直观统计表现，从而快速掌握学生对某一知识点的掌握程度，并对教学方案 进行合理调整。1.7 AI+医疗：提高诊疗环节效率，促进资源合理分配AI+医疗有助于在就医的各环节提升效率，实现医疗资源合理分配。1)在挂号 候 诊环节，利用人脸识别、语音识别、远场识别等技术，获取患者病理特征， 与患者完成关于病情的初步互动，并通过传感器完成体温、心率等指标的初步 测量工作，从而实现身份识别、挂号、导诊的功能，减轻医院的运营压力。2) 在诊断阶段，放射科的 医疗大数据为AI医学影像提供了入口，利用计算机视 觉技术，进行图像分割、特征提取、定量分析、对比分析等工作，通过机

6、器初 筛、医生确定的方式完成最终阅片，这将大大提高工作效率，同时具备依靠模 型客观判断、可强化学习的优势。艾瑞咨询的 报告显示，AI在影像方面的应用 目前还处于起步阶段，预计在2022年会有9.7亿的市场规模。3) AI辅 助诊断则基于海量临床文档、报告、原始医学图像等多维数据，基于 人工智能 算法，综合多学科知识存储，为医生诊断治疗提供参考。4）电子病历、推荐用 药、健康管理等应用场景也将从不同维度提升医疗效率，挖掘医疗市场潜力。总 的来说，AI+医疗通过介入多种医疗场景，把宝贵的医院资源分配到核心业务中; 同时将 顶级医疗机构的能力下放，可填补当前巨大的医疗供求缺口，促进医疗 公平。医疗资

7、源总量少、资源分布不均、诊疗效率低是当前我国医疗行业的突出问 题。根据36氮研究院发布的2020人工智能医疗产业发展蓝皮书统计, 2019年我国共 有三级医院2749个，在我国一至三级医院总量中占比 为11.60%,但三级医院医疗服务 工作量占比为56. 75%,且我国三级医院主 要集中在北京、上海、广州等大城市，中小 城市医疗资源相对不足。截 至2019年末，我国共有卫生技术人员1010万人，其中执业医师和执业 助理医师382万人，注册护士 443万人，而全年总诊疗人次为85.2亿 人次，医疗供给同样存在较大压力。老龄化程度加剧，慢性病发病率上升，催生大量医疗需求。第一财经的信息显 示， 中

8、国将在2022年左右进入老龄社会，届时65岁及以上人口将占总 人口的14%以上。 根据公共卫生科学数据中心早期的统计数据，国内各种慢性 病的发病率大部分呈上升趋势，可以推测该上行趋势仍将继续；另一方面，我 国人口慢性病发病率也在不断增力口，比如高血压在2008年之后发病率达 到0. 05%o上述这些都会带来大量的医疗需求。2技术突破：深度学习算法拓宽场景边界深度学习算法扩大应用场景，打开市场向上空间。2016年，Google的AlphaG。以 绝对优势完胜李世石九段，深度学习成为了近年来计算机行业 最火的技术名词。随着算力的大踏步前进，工业界开始在一些特定领域，例如 计算机视觉、自然语言处理、

9、个性推荐系统等，尝试部署更多的深度学习模型。 从趋势上来看，深度学习算法拓宽 了 AI的应用边界，比如AI+汽车中的自动驾驶，AI+医疗的影像识别等。麦肯锡在 OotesfromtheAIfrontier： Applicationsandvalueofdeeplearning 报告 中提到，对19个行业的400多个案例进行分析，其中2/3的企业表明 使用深度学习是为了提高现有 性能；69%的案例表明深度神经网络可以提高技术 无法达到的性能；15%的案例完全应用了深度神经网络。深度学习的价值不在于 模型和算法多优秀，而在于如何去更好的运用这些算法。现阶段深度学习算法对数据具有依赖性，降低商业化应

10、用成本是当务之急。目 前 从实验室中的人工智能技术和真实落地的人工智能技术商用需要跨越三个阶 段。第一，来源于实验室数据集的过度理想化，并未考虑到现实商用环境中存 在各种噪声，使得训练环境和生产环境下数据分布变化大，实验室中训练好的 模型需要针对真实的商用生产环境调试；第二，现实中部分场景数据少且格式 不统一，存在大量脏数据、假数 据、违规数据等问题，需要进行数据清洗和结 构化处理；第三，由于数据自身的隐私性和珍贵性，大部分商业落地场景都要 求私有化部署，这就要求人工智能公司需要外派高级算法工程师驻场，导致人 均能效低。我们认为，如果能实现以上三个阶段的跨越，则该应用就大概率可 以快速规模化落

11、地。传统人工智能和深度学习算法互为补充。通过贝叶斯原理，我们可以证明著名 的奥卡姆剃刀原则：即如果两个理论可以获得相同的预言集，那么假设更少的 理论为真的概率更高。传统人工智能算法模型之所以比深度神经网络简单，是 因为深度神经网 络往往会在网络中进行特征再提取和特征再学习。即便是在大 数据场景下，只要无需另构特征，深度神经网络仍然无法完全取代传统人工智 能算法。我们认为，传统AI算法一直在工业界扮演着稳定解决问题的工具角 色，传统AI算法有着可解释性强、对数据依赖性弱、对算力要求低、模型简 单的四大优势。与深度学习算法相比，传统AIM 法仍然有其自身特色，二者 不是简单的替换逻辑，在未来的应用

12、中会互为补充。小样本训练甚至无监督学习是解决AI对数据依赖的可能技术路径。从深度学 习 到迁移学习，前百度首席科学家吴恩达曾表示：“迁移学习将会是继监督学 习之后的下 一个机器学习商业成功的驱动力”。目前学术界基于迁移学习理论 提出了零次学习（即 模型可以对训练集中没有出现过的类别自动创造出相应的 映射）和一次学习（即训练 集的每个类别仅含有少量样本），而元学习的出现, 使得通用人工智能模型成为可能， 人工智能系统不再是单任务型模型，通用模 型不必对每一个任务中的知识重新开始学习，随着模型对环境的不断感知，模 型可以解决越来越多的任务。我们认为这会是未来人工智能发展的主要技术趋 势。3护城河高

13、：AI全栈能力构筑核心竞争优势人工智能涉及全产业链，AI全栈能力会成为企业的核心竞争优势。人工智能完 整产业链包括三层：基础层、技术层和应用层。基础层是人工智能产业的基础, 为人工智能提供数据以及算力的支撑，基础层分为计算硬件、计算系统技术和 数据三部分； 技术层提供了各类人工智能算法、架构以及应用平台；应用层主 要与产业和产品融合，呈现百花齐放的态势，人工智能在多个行业与产品中都 拥有巨大的应用价值。1.1 应用层：蓬勃发展，百花争鸣应用层呈现百花齐放态势，产业化趋势加速。人工智能面向特定应用场景需求 而 形成软硬件产品或解决方案，应用层主要包括行业解决方案和消费者产品。 随着人工智能技术逐

14、步渗透各行各业，AI+解决方案和AI+产品亦层出不穷， 形成了新技术推 动新产品，新产品革新传统行业的良性商业闭环。目前产业链 中位于该环节的相关人工智能公司最多。运用相对成熟的是AI+赋能产业，包 含：安防、智能汽车、新零售、 医疗、教育等和AI+产品，包含：智能音箱、 翻译笔、机器人、智能家居等。1.2 技术层：专业壁垒高，平台和算法是核心技术层是人工智能产业的核心，巨头环伺，专业壁垒高。人工智能以模拟人的 智 能相关特征为出发点，构建技术路径。技术层分为算法理论、开发平台和应 用技术三 部分。在技术层的竞争中，无论中国还是美国，企业巨头的策略都是“三”管齐下。1）通过招募高端人才来组建相

15、应的实验室研究团队，从而加快 关键技术的研发，建立相应的技术壁垒；2）通过收购一些细分领域的优秀初创 公司，降低巨头进入该领域的 成本，同时完善公司的整体战略布局；3）通过开 源技术平台，吸引全球开发者一起构 建相应的生态体系。美国典型的公司 有 Google、Microsoft、IBM、Facebook；国内布局 AI实验室的代表企业有百 度、阿里巴巴、腾讯、字节跳动、快手。1.3 基础层：关注AI芯片和传感器，新兴技术加速创新计算硬件的创新集中在AI芯片和传感器。计算硬件代表企业有美国的英伟达， 中国的华为，寒武纪等。AI芯片通常指针对人工智能算法做了特殊加速设计的 芯片，是 人工智能产业

16、的核心硬件。相比于美国的英伟达、AMD. Intel.Xilinx等公司，中国的 人工智能芯片行业正处在萌芽期，国内的寒武纪、地平 线、华为等布局了 AIASIC,知存科技的投入主要集中在存算一体芯片。人工 智能芯片逐渐在取代传统芯片的某些应用场景。随着云计算和边缘计算需求的 高速增长，传统芯片厂商将持续发展新的合作模式，以应对新客户的需求。全 球人工智能芯片在2018-2025年期间保持46%左右的复合增速，2025年 有望达到726亿美金的市场规模。ICT新兴技术包含云计算和5G等。计算机系统技术不仅仅指代数据库、操作 系统等基础框架，广义的ICT技术也包含了云计算和5G,代表企业有百度、

17、 腾讯、阿里 巴巴、华为等。受益于5G商用网络的普及，结合高效的云计算架 构，终端用户可以 摆脱终端算力不足的困境，通过云端的强大算力和快速信息 传输实现对环境的快速反 应，这些新兴技术都对AI的发展起到了很大的促进 作用。4关注度高：发展人工智能已成全球共识1中美是全球AI高地，中国公司正加速发展美企起步早，中国公司正在加速追赶。1)从企业数量上来看，中国信息通信研 究院2019年4月发布的全球人工智能产业数据报告显示，截 止2019年3月底，全球仍然活跃的人工智能企业共5386家，其中美 国，中国，英国分别以2169家，1189家和404家分列前三，人工智能企 业数量排名前20的城市中，美

18、国占据10席，中国占据4席。2) 从AI行业发展阶段来看，美国AI行业发展历经四个阶段，分别为1991年 到1997 年的萌芽期，1998 年到2004 年的发展期，2005 年到2013年的高速成长期，以及2013年至今的平稳期。而中国人工智能产业则是从1996年正式进入萌芽期，2003年进入发展期，企业数量 从2003年的29家增长到了 2007 年的57家，2008 年进入高速 成长期，经过5年的时间，于2015年到达166家的峰值后进入平稳期。 2015 年的峰值，相当于1999到 2012新增AI企业数量的总和。中美研究机构抢占学术研究高地，金字塔尖仍被美国占领。2009年至2018

19、年，中国在人工智能领域论文发表量超过9万篇，占全球人工智 能论文发表总量的22.7%, 其中2018年占比高达27.4%。在人工智能发 表论文数量排名前15的机构中，中国科学院系统排名第一，加州大学系统 和法国国家科学研究中心分列二，三位。除了中国科学院系统，包括清华大学, 上海交通大学，哈尔滨工业大学和北京航空航天大学共5家中国研究机构上榜, 美国同期有7家上榜。在被引论文统计中，美国虽然仍是全球 高被引论文总 量最多的国家，但中国近年来高质量论文涨势明显，2018年中国高被引 论文 数量已占全球总量的45%o腾讯研究院的中美两国人工智能产业发展全面解 读 显示，对比四大AI顶级会议近三年的

20、录用论文统计，美国作者发表论文 占比52%,中国排名第二，占比18%o4.2保持AI应用层市场优势，加大技术和基础层投入AI全栈能力是未来核心竞争力。美国在基础层优势巨大，以开源算法平台为 例， Google、Facebook Microsoft都推出了自己的深度学习算法的开源平台, 而中国有百 度的paddleo在技术层的云平台中，美国作为云计算的初始玩家, 占据市场主导地位。 中国的阿里、华为、腾讯等互联网巨头推出了领先的云服 务平台。在应用层，中美互 联网巨头都有属于自己的垂直应用平台。以语音平 台为例，GoogleAssistant. Cortana. 科大讯飞语音开放平台、百度大脑都

21、是 业内知名平台。大数据优势是中国发展人工智能的重要优势，AI技术发展需要 有大量的数据积累进行训练，中国较为完备的工业体 系和庞大的人口基数，在 数据积累方面优势明显。国内企业在保持应用层数据优势的 同时，应加大基础 技术研究及专利积累，形成AI全栈能力。5驱动力强：AI有望进入红利兑现期1 AI商业化形式明确，赋能产业是趋势人工智能的应用必须与产业深度结合，持续挖掘行业赛道潜力。Gartner在2020年发布的新兴技术成熟度曲线中继续扩大了对AI潜力预测的覆盖, 在人工智能技术领 域增加了多个类别，包括复合型人工智能、可生成型人工智 能、负责型人工智能、人 工智能开发增强、嵌入式人工智能和

22、人工智能增强设 计。从技术的研发周期判断，人工智能行业正处于第三波爆发期，而这波浪潮 最大的特点就是与业务紧密结合的AI应用场景逐渐落地，比如说工业视觉、 车载领域的ADAS和DMS产品等。只有把握行 业数据，同时拥有先进算法和 强大计算能力的企业将成为最主要的推动者。行业赋能和消费者产品是AI当前落地主要形式。AI在面向不同行业的技术使 用度存在差异。目前来看，数据获取的难易程度和多少会对人工智能落地产生 影响；同时，因为深度学习算法对场景数据的依赖，所以对长尾场景包容度高 的应用落地就会 更快，例如安防、教育等。目前人工智能技术落地商业化的方式主要有两种，一种是 基于行业痛点的解决方案，另

23、一种则是面向消费者打造 爆款C端产品。图29详细对 比了 AI典型行业和产品的成熟度情况，并 针对核心与辅助环节进行了分拆。从行业赋能来看，保持政府开支的同时，挖掘企业服务市场潜力是未来方向。针对行业痛点的解决方案，最成功的莫过于安防行业。整个安防行业的核心在 于视频监控，视频监控的无人化和精准化一直是改革升级的目标。随着计算机 视觉技术近年来出现质的突破，安防行业迅速进入智能化时代。安防行业积累 了大量的数据，且数据 整洁度高，数据采集流程成熟完善，工作流自动化程度 高，应用场景清晰，以政府开支为主的商业模式在国家相应政策的鼓励下实施 效率高，另外，安防对于长尾的容错度也相对没那么苛刻，这些

24、客观因素的叠 加使得AI+安防迅速落地和商业化成型。再以AI+医疗/健康行业举例，虽然 行业内部积攒了大量的数据，但数据整洁度一般，工 作流自动化程度较弱，使 得AI+医疗/健康仍处于智能化的初级阶段。仍处于蓝海的AI+文娱产业 和AI+能源产业则更多的是受制于数据积累量不够多，工作流自动化程度不高, 行业应用仍然亟需相应的规范，才能引领人工智能技术更好的渗透。从消费者产品来看，产品的成熟度受场景复杂度、用户心理接受度、技术水平 等 多方面影响大。1）智能音箱。各大厂商都在布局的智能音箱产品，核心环节 在于人机深层次互动，主要功能点在聊天问答、家居控制、消费支付等，所用 到的人工智能核 心技术

25、正是近年来发展迅猛的语音识别和语义识别技术，技术 成熟度较高，产品场景 较为简单，主要聚焦在室内，同时消费者用户心理接受 度也高。根据前瞻产业研究院的统计，智能音箱目前作为最为成功的AI+消费 者产品，2019年的出货量达到1.469亿 台，市场规模为119亿美金。2） 个人工作助理。同样运用语音识别和语义识别技术成熟度较高，由于场景较智 能音箱更为复杂，同时部分用户担心个人信息安全，目前渗 透率较低。3）智医 助理。目前仍然处在市场教育的前期，因为患者和医院由于担心误 诊误疗的发 生，对AI医生产品都有较强的抵触心理，而如果将AI+医生替换为AI+医 生助理，即由决策者角色改变为建议者角色，

26、患者和医院的心理接受度大大 增强。4.1 技术成熟和数据红利，加速AI产业化落地算力和算法双双突破，技术成熟加速人工智能应用浪潮。人工智能产业在历史 上的发展，也曾经历过两次低谷。1）第一次低谷出现在1974年-1980年, 人工智能产业被算法和算力双重限制。一方面是感知器，逻辑证明器等初级算 法无法应对更复杂的场景，另一方面则是当时计算机的算力极其有限，无论是 内存还是中央处理器的处理速度都无法适应人工智能所需要的实际情况；2）第 二次低谷则出现在1987-1993年，虽然出现了为人工智能行业量身定制的Lisp语言和机器，但是依旧被计算硬件所局限；3）如今，随着近年 来GPU、FPGA、AS

27、IC等各种硬件的大规模应用，云端服务器和终 端的计算能 力获得了极大提升，与此同时数据规模的快速增长以及算法研究的不断深 入， 人工智能已经在某些特定任务达到或超越人类，这使得人工智能技术可以代替 人类进行一些重复性的工作，为人工智能技术的应用落地打下坚实的基础，这 里面最优代表性的事件为ImageNet的挑战结果，以及AlphaGo战胜人类棋 手事件。数据仍保持高增长，数据素材对AI模型准确性至关重要。数据部分包括采集， 标注和分析。数据部分指的是完整的大数据产业链，现阶段人工智能技术还处 于弱人工智能阶段，只有充分的数据训练集才能最大发挥出机器的智能性，即 数据的采集和标 注很大程度上取决

28、了现有人工智能技术的上限。根据IDC预 测，全球数据流量将继续维持指数级增长，预计在2025年突破175ZBO中 国受益于5G网络的快速铺开，将成为全球数据增长的主力。数据的快速积累 将极大程度上提高人工智能模型的准确性。4.2 高校纷纷设立AI专业，人才培养是产业化的有力保障中国产业人才储量远低于美国，基础层人才缺口巨大。人工智能行业之争主要 体现为人才之争，尤其在基础层和技术层领域。腾讯研究院的数据统计显示， 美国人工智能团队共有约78700名工程师，而中国仅仅有大约39200名工 程师储备。放眼九大领域，单就工程师数量，中国仅仅在智能机器人一个领域 优于美国，在语音识别和自动驾驶领域略领

29、先于美国，而在其他六大领域都存 在缺口。以人工智能产业链划分，美国有22%的工程师从事基础层相关领域， 而中国的比例仅3.3%；技术层上，中美工 程师比率相差无几，都在35%附近; 应用层上，中国工程师比例达到了 62%,美国占 比为40%o按照亿欧2020全球人工智能人才培养报告的统计，全球范围内，中国 对AI岗位 的需求最为旺盛，2018年有12113个空缺。高校纷纷设立AI专业，提升AI基础性和原创性研究能力。1）与AI相关专 业和院系。国内和AI相关的专业主要有智能科学与技术、数据科学与大数据、 机器人工程、人工智能，通常设立在人工智能学院、计算机系、智能科学与技 术系、自动化与 智能

30、科学系。2） AI需要复合型人才。根据国务院新一代人 工智能发展规划的通知， 从学习的课程来看，应当形成“人工智能+X”复合 专业培养新模式，重视人工智能与 数学、计算机科学、物理学、生物学、心理 学、社会学、法学等学科专业教育的交叉 融合。3）从设置AI专业的高校数 量来看，2019年3月，教育部批准35所高校新增人工智能本科专业， 2020年3月3日，教育部官方网站更新了关于公布2019年度 普 通高等学校本科专业备案和审批结果的通知。新增人工智能专业的高校达 到了 180所， 是此次新增备案专业数量较多的学科。我们做一个测算，假设 每个学校每年平均培养100名人工智能毕业生，则形成稳态后

31、每年可以为社会 输送1.8万AI专业人才。4.3 政策鼓励，人工智能是新基建重要方向（略）年出货量超过5000万辆；3）预计到2022年AI+在线教育市场能达到700亿左右规模；4）新零售中AI的投入预计在2022年将达到178.8亿元。从政策端来看，中央政治局在2020年年初和其后的“内 循环新格局”发展理念中，都 有提及新基建的投资方向，而人工智能就是新基 建的重要组成部分。随后11月份发布的十四五规划建议稿中，人工智能与其 他前沿科技一起，成为了中 国科技领域的发展重点。我们认为，在需求爆发和 政策鼓励下， 产业化落地加速，当前人工智能产业有望进入规模商用的红利兑 现阶段。1赛道清晰：当

32、前AI聚焦五大热点行业需求爆发，AI再迎发展热潮人工智能行业高景气，三大变革催化AI再迎发展热潮。艾瑞咨询的报告显示， 预计2022年国内人工智能赋能实体经济的市场规模将达到1573亿。中 国电子技术标准化研究院将人工智能定义为是利用数字计算机或者数字计算机 控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得 最佳结果的理论、方法、技术 及应用系统。为什么当下要再提人工智能？主要 是三方面因素变革催化：1）移动互联 网的爆发为AI提供了丰富的训练数据, 根据IDC的统计到2025年全球数据流量会达 到175ZB。2）硬件尤其是 算力指数级的提升，让AI训练的时间大幅度降低，目

33、前用于L3自动驾驶 量产项目的NVIDIAXavier能够达到30每秒浮点运算次数。3）以神经网 络为代表的机器学习算法的突破，尤其是在2015年的ImageNet挑战结果中 机器识别首次超越人类。我们认为，人工智能在经过一段时期的应用摸索阶段 之后，目前规模 化应用赛道逐步清晰，安防、教育、医疗、新零售、自动驾驶 等都是当前的热门方向。AI+应用目前以安防为主，AI+医疗需求在疫情之后大幅增加。1）从人工智能需 求的产生来看，AT在产业变革和升级过程中发挥重要作用，AT的运用结合生活和工业 生产中的多场景进行应用落地，能够衍生出很多新产品、新产业、新 业态和新模式，从而重构生产、分配、交换和

34、消费等经济活动环节，以此来推动经济结构的变革并改变现有人们的生活方式。2）从AI应用较为成熟的领 域来看，人工智能行业已逐步渗透到各行业当中，据前瞻产业研究院的统计， AI+安防在2019年人工智能的各类应用中占比超过50%,紧随其后的 是 AI+金融（占比15.80%）和 AI+营销（占比为11.60%） o 3）从新兴 的AI领域来看，最近几年自动驾驶、教育、新零售领域AI的发展极其迅 速。 由于2020年伊始爆发的新型冠状病毒疫情，AI+医疗的需求大大增加，这将会 极大地反推AI应用落地于医疗领域。1.1 景气度高，人工智能市场保持高速增长预计2019-2024年中国人工智能市场复合增速

35、超30%,增长空间大。国内人 工智 能的增速快于全球增速，中国在全球AI市场的占比将从2020年 的12. 5%上升到2024年的15. 6%o根据IDC与浪潮集团联合发布的 2020-2021中国人工智能计算力发展评 估报告预测，2020年国内AI 市场规模将达到62.7亿美金，2019-2024年人工智能市场复合增速保 持30.4%, 2024年将达到172.2亿美金。我们认为，人工智能景气度 高，AI产业的快速发展和潜在的巨大空间，将会为整个产业链提供良好的发展 基础，尤其 是已经进入技术转化阶段的自动驾驶、深度语义分析、智适应学习、 跨语言文本挖掘，和成熟阶段的硬件加速、深度神经网络等

36、，相关企业的成长空间大。商业落地模式得到重视，更多实体经济中的落地场景和产品得到认可。经 过2015- 2018年的人工智能投资热潮，风险资本逐渐回归理性，全球人工智 能初创企业的投融资规模在2018年达到一个阶段性顶部，人工智能产业的 野蛮生长期已经过去。以中国 为例，人工智能行业在2014-2019年Q3,共 计2845起投融资项目，总计融资额为3583. 65亿元，2019年前三季度 是254个项目，融资金额为577. 17亿元。通过将AI技术与传统行业 结合，对传统行业的经营模式和业务流程进行改造，从而进入新一阶段的发 展。 我们认为，AI、云计算和5G是当前的三大科技红利，人工智能涉

37、及到的 基础层、技术层、应用层相关企业都会持续受益，通过产品研发投入和商业模 式探索形成壁垒， 多个垂直细分赛道的企业未来成长空间广阔。人工智能产业 通过数年摸索，发现真正能带来收益的行业目前聚焦在安防、智能汽车、新零 售、教育、医疗等。1.2 AI+安防：当前人工智能落地最佳场景AI赋能安防多种应用场景，安防投资依然保持一定增速。1）从AI在公共安全 中各环节扮演的角色来看，利用AI技术进行模型训练，能够提升警务效率。 当前视频监 控为安防的主要手段，人工智能参与到视频图片中的信息提取，从 而构建模型，主要 包括行为人、随行人员、车辆、周边物品的特点与行为，获 得高阶语义、强表达能力的特征，

38、分类储存。需要使用信息时，可通过行为人 车物特征、时间段、区域等条件搜索，或是以事件（现场图片）进行搜索，实 现高效筛选，加之以公安系统中的手机号、车票和住宿信息，能够快速勾勒出 行为人的行动轨迹，提高抓捕、寻人等警务的办案效率，实现“利用科技手段 提升警力”的目的。AI可赋能多种安防情景，应用广 阔。2） AI在安防相关的 其他行业，AI+安防在交通行业的流量监控、智能楼宇的安防与能耗控制、工业 园区的风险识别和民用安全布防等场景也有应用。3）从市场规模和 增速来看， 虽然增速有所下滑，但市场规模依然保持一定增长。根据艾瑞咨询的统计，AI+ 安防市场在2017-2020 年有望实现39. 5

39、/135. 3/350. 0/453. 4 亿元的市场规 模，复合增 速更是高达166.5%。借助AI技术，安防由被动监控向主动预警发展。一方面，利用人工智能和大数 据技术，可以对大型公共场所和道路进行监控，当流量超过阈值时则提醒采取 限流等措施，实现人流管控和交通疏导；另一方面，可利用大数据进行潜在犯 罪的预判，结合行为人先前犯罪前科等数据，对其可疑行为（如购买违禁品、 在特定地点蹲点徘徊等）进行识别和预警。得益于AI技术的发展，AI+安防 正在由被动安防向主动预警发展。图6是依图的AI人像大数据系统正在 进行特征比对。AI重构海量数据，政策支持下智能安防行业快速发展。1）安防数据量大。据I

40、HSMarkit统计，2018年全球用于视频监控的存储出货达81 EB,相当 于9200万小时的视频（1080p 2Mbps）。这些存储通常分布在录像机（DVR或者NVR）,内部存储以及外部存储系统中。传统的安防架构已经无 法满足如此海量传输、存储的要求。AI技术对于非结构化的视频数据进行结构 化或半结构化处理，分流了后端计算负载，降低了 网络运营成本。同时人工智 能在安防中的运用还可以降低监控人员由于疲劳带来的忽略率。2） 2020年以来, 政策持续鼓励AI在安防中的创新。各部委发布一系列支持AI+安防行业发 展的政策，明确指出智能安防是人工智能创新应用的重点推广领域。1.3 AI+智能汽车

41、：实现自动驾驶有赖于AI的发展自动驾驶是汽车智能化的重要应用方向。1）AI的必要性。摄像头、雷达、未 来还会部署的激光雷达等传感器、高精度地图、定位系统、以及车路协同相互 合作，集环境感知、认知、规划决策和多等级辅助驾驶等功能于一体，在全球 范围内受到了业 界和政府层面的密切关注，这些数据的处理需要AI算法的支 持。2）国家政策的指引。根据H月11号发布智能网联汽车技术 路线图2.0的指引，计划到2025年，PA、 CA新车占比超过50%； C- V2X终端新车装配率50%；到2035年，中国方案智能网联汽车技术和产业 体系全面建成，网联式高度自动驾驶智能网联汽车实现大规模应用。AI在感知和决

42、策阶段扮演着重要角色。车辆自动驾驶必须经过感知、决策和执 行 三阶段，人工智能在感知和决策阶段扮演着重要角色。近年来，人工智能基 础层的不 断突破，使得汽车所搭载的处理器不但可以同时应对更多的识别任务 和决策，还能部署对算力要求更高地深度学习模型。例如目前在小鹏量产车 型 P7上搭载的NVTDTAXavier能够达到30 TFL0PS （每秒浮点运算次数）的性能。深度学习算法的运用极大 地提高了汽车识别道路、行人等障碍物的正 确率，还实现了传统人工智能算法无法支 持的多目标检测任务，更有望通过深 层次网络模拟了人脑复杂的决策系统。作为智能汽车的眼睛，计算机视觉是感知层的关键技术。智能汽车通过多

43、传感 器融合来实现对车辆运行环境的感知。雷达传感器的主要作用是帮助车辆探测 一定范围内的障碍物方位、距离和速度等信息；视觉传感器除了可以探知车道、 交通信号灯、交通标志牌等非行驶障碍物信息，还可以传递更为丰富的障碍物 信息。摄像头作为智能汽车的眼睛，如何准确且无遗漏的对周围环境进行准确 判断，是最为高效的感知手段。目前最先进的人工智能算法已经达到通过单摄 像头完成交通线识别、信号灯识别、 行人检测和其它车辆检测。通过带有AI 功能的单摄像头也已经实现自动紧急制动、自 适应巡航、车道中心保持辅助以 及交通拥堵辅助等辅助驾驶功能。以具体单品MINIEYE的AI防碰仪为例，官 网1699元的价格作为

44、参考，我国目前汽车保有量已经超过2.7亿辆，假 设碰撞安全车距提醒ADAS产品后装渗透率如果达到2%,即540万辆车安 装防撞仪，则可以带动约45亿的市场。作为智能汽车的大脑，决策模块是自动驾驶的基础。决策系统主要分为两部 分：一部分是多模态融合决策，另一部分是道路规划决策。多模态融合决策即 通过“眼睛”去识别路况，从而实现红灯停，绿灯行，礼让行人等决策，决策 准确率往往与计算机视觉识别准确率正相关。例如简单的红灯停场景，智能汽 车需要识别出是否是红灯，在哪停下，结合车辆当前速度决定何时刹车。根据IDC报告的预测，全球智能驾驶汽车出货量在2021年会迎来拐点，增 速有望超过25%,随后会保持1

45、0%以上的增速，在2024年超过5000万 辆。自动驾驶服务以示范项目形式陆续落地，商业化迎来曙光。2020年4月，长 沙率 先全面开放了无人驾驶出租车服务；10月12日，北京也开放了无人 驾驶出租车试乘， 当日订单量突破2600单；10月21日，苏州落地全国首个常态化运营的5G无人公交。无人公交在开放的城市道路上运行，且速 度最高达到50km/ho该无人公交车除了具备 避让行人车辆、自动变道、自动 转向、红绿灯识别等基本功能，还能应对各类城市复杂交通场景，例如穿行人 车混杂的路口、应对后车加塞、“鬼探头”等。我们认为，2021年是智能汽 车，尤其是L2+自动驾驶的爆发年，AI作为必不可少的技

46、术，相关ADAS产品 渗透率会得到快速提升，自动驾驶将率先在高速和泊车场景下实现规模化落地。1.4 AI+新零售：利用人工智能重构互动式消费场景AI赋能零售全流程数据互联互通，实现三方共赢。1)AI赋能新零售。传统零 售场景主要是通过商品和资金形成闭环，零售业的智能化转型并不是对各个环 节做几何拼接，AI引入数据要素作为驱动力。对于传统零售商来说，AI从客户 群体和货物供应链的管理，到消费场景的重构，都具备优势。AI的运用高度内 嵌在新零售流程中，让各个环节通过数据作为纽带形成闭环，通过优化，达到运 营效率的全面升级，实现了客户群体、零售商、生产商的三方共赢。2) AI在 新零售中的市场规模。

47、根据艾瑞咨询的 报告，2018年国内现代渠道主要零售 数字化建设投入为285.1亿元，其中AI的投入规模约9亿元，占 比3.15%。AI投入在零售商数字化建设投入中的比例持续提升，2020年整个 国内商业数字化建设投入约462.9亿元，其中AI投入63.9亿元，预计 这一数字在2022年将达到178.8亿元，占新零售整体数字化建设的投入 比例约为 25. 5%o人工智能在顾客端实现个性化推荐，让商家对产品和推广策略快速调整成为可 能。针对客户群体管理方面，零售商们都在打造高效，便捷，个性化的购物体 验。AI+新零售通过收集和分析客户行为数据，对客户进行个性化推荐，使得客 户可以快速找到其 想要

48、的物品；此外，智能机器人客服在降低超市人员人工成 本的同时，可以24小时不 间断地提供服务，使得消费者在需要的时候获得 及时的帮助；最后，计算机视觉还可以在不接触任何物品的情况下完成支付结 算。随着大量客户的消费数据积累，商家可以对产品研发和推广策略进行再调 整。越是了解客户行为和趋势，就能更加精准地满 足消费者的需求。人工智能 可以帮助零售商改进需求预测，做出定价决策和优化产品 摆放，最终让客户就 在正确的时间、正确的地点与正确的产品产生联系。AI助力零售业提升供应链管控效率。货物供应链管控方面，计算机视觉技术可 以 帮助零售商实现商品识别、物损检测、结算保护等功能，这使得零售商在降 低人工

49、成本的同时提升仓储管理的效率。传统零售商面临的一大挑战就是保持 准确的库存。AI通过打通整个供应链和消费侧环节，消除各个环节的数据孤岛效 应，为零售商提供包 括店铺、购物者和产品的全面细节化数据，这有助于零售 商对库存管理的决策更加合 适。此外，AI还可以快速识别缺货商品和定价错误, 提醒员工库存不足或物品错位，以便实现获得更及时的库存。AI+新零售模式将依托用户体验重新定义零售场景，长期来看具备成本优势。零 售行业从业人员的劳动效率（商品销售额/零售业从业人数）从2018年起 开始出现下跌趋势。计算机视觉技术和自然语言处理技术的不断推进，将使得 零售商对具体客户的消费行为和习惯有着更进一步的洞察力；AI可以改变现有 人工售后成本高，效率低的问题，机器人助理会使得售后环节效率大大提升。 可以预见到，未来新零售场景会是一个高度语境化和个性化的购物场景。1.5 AI+教育：AI让因材施教和个性化学习成为现实在线教育市场规模快速提升，AI+教育占比持续提升。1）从市场规模来看