计算机行业深度研究：人工智能时代，AI赋能，世界重塑

- 1 - 敬请参阅最后一页特别声明 长期竞争力评级：高于行业均值 市场数据(人民币） 行业优化平均市盈率 48.81 市场优化平均市盈率 18.46 国金计算机指数 7002.59 沪深300指数 3831.30 上证指数 3353.62 深证成指 11063.10 中小板综指 11783.01 相关报告 1.《无人零售: 技术破局引领商业变革》，2017.9.15 2.《企业级服务景气度提升，AI延伸至消费电子端》，2017.9.11 3.《计算机行业研究周报》，2017.8.14 4.《特斯拉Model3正式交车，关注智能驾驶主题性机会》，2017.7.31 5.《基金板块持仓进入低配状态，抓住分化行情中结构性》，2017.7.24 钱路丰 分析师 SAC执业编号：S1130517060003 q ianlufeng@gjzq.com.cn 潘宁河 联系人 p anninghe@gjzq.com.cn 蒲梦洁 联系人 p umengjie@gjzq.com.cn 人工智能时代：AI赋能，世界重塑 行业观点  密集投入，巨头引领，全球AI加速赋能：当前，全球每年有100+亿美金，累计1000+亿美金（Pitchbook数据统计），持续投入到全球AI的发展。巨头（谷歌/亚马逊/苹果等）引领，AI并购潮起，数据和人才成为并购争夺的重点。在资本和巨头的悉心呵护下，明星初创独角兽的不断涌现，AI加速赋能，面向医疗、金融、安防、教育、交通、物流等各类行业的企业级（B端）和消费级（C端）AI应用层出不穷。存量市场的革新，增量市场的创造，AI赋能加速，整体发展有超预期。  三大核心要素交互驱动：算法、数据、计算力：（1）优质算法的不断迭代，以及算法隐含层数的增加（即深度神经网络DNN出现），使得AI仰仗的模型性能大幅优化；（2）互联网的发展，特别是移动互联网的快速繁荣，使得目前数据产生量已经远远超过用于训练AI模型的数据量。在目前仍以监督学习为主流的背景下，“数据标注成本高、算法隐含层数增加要求更多标注数据来训练模型”，这两个原因使得“可用”数据仍不足够；（3）计算力不断提升，GPU+CPU是目前机器学习首选的芯片组合。计算效率更高的FPGA、ASCI等新型芯片兴起，不断挑战着GPU在机器学习领域中的地位。GPU、FPGA、ASCI各具优缺点，三种芯片的计算效率依次提高、灵活性依次降低、开发难度依次增加。  政策加码，AI上升到国家战略层面，存弯道超车可能：有别于传统IT技术发展的滞后性，AI这一全新领域，国内的人才储备、政策、资本，是紧跟全球领先地区的发展，这也给弯道超车提供了可能。美国和日本分别于2016年发布《美国国家人工智能研究与发展战略规划》、《人工智能研发目标和产业化路线图》。而国内也于2017年7月重磅出台《新一代人工智能发展规划》，将AI发展上升到国家战略层面，分三阶段实施人工智能战略（理论和技术体系建设、完善及配套法律体系建设、AI应用发展），力争在2030年成为人工智能领域的世界领导者，核心产业规模超1万亿，带动相关产业规模超10万亿元。  AI赋能行业，应用不断深化，同时AIaaS的发展，显著降低AI创新门槛： 我们以语音识别、智能投顾、智能安防为例，系统地阐述了AI赋能行业带来的显著变化，并看好企业级市场（B端）市场深度发力。同时，消费级AI有望在巨头的引领下产生质的变化。AIaaS实际上是AI应用服务收费方式从“许可授权”向“按需付费”的转变，从而降低了客户“智能化”实施的门槛。国内外AIaaS均从2016年底才开始起步，亚马逊AWS、阿里云、百度云纷纷推出基于GPU/FPGA云化解决方案，面向中小企/创业者提供创新服务，加速AI创新应用渗透。 投资建议：  我们通过深度AI产业链调研和上市公司调研（详见正文第五部分），看好AI加速赋能带来的行业快速成长趋势。重点推荐：科大讯飞、中科曙光、同花顺、苏州科达、熙菱信息、思创医惠、四维图新、东方网力、拓尔思，建议关注富瀚微、中科创达、浪潮信息、浙大网新、佳都科技、汉王科技、工大高新等（各公司AI方面的布局和进展，详见正文第五部分）。 风险提示  技术的应用落地不及预期  行业竞争加剧风险 5967653671047673824188109378160919161219170319170619国金行业 沪深300 2017年09月18日 计算机 评级：增持 维持评级 行业深度研究 证券研究报告 行业深度研究 - 2 - 敬请参阅最后一页特别声明 内容目录 1、黎明已至，未来已来 .............................................. 6 1.1、群雄逐鹿，人工智能掀全球并购浪潮 ..................................................6 1.2、渗透加速：B/C端，应用不断创新.......................................................8 2、三大驱动要素相继突破瓶颈，人工智能已至爆发节点 .................. 9 2.1、算法：层数更深使模型性能更优，巨头开源DL框架意在“集思广益” .................................................................................................................10 2.2、数据：数据“量”已足够，标注成本大成“隐忧” ...........................16 2.3、计算力：GPU为密集计算提速，专用芯片兴起大势所趋 .....................19 3、政策密集发布，推动我国AI水平赶超国外 .......................... 25 3.1、国外政策已先行，AI成为各国争抢的高地 ........................................25 3.2、《发展规划》出台，我国AI上升至国家战略层面 ...............................26 4、多领域应用落地，引领智能化升级浪潮 ............................. 29 4.1、语音识别：DNN助力模型性能提升，中美应用场景存异 .....................29 深度学习使得语音识别技术上获得突破，但仍有多种困难待解决 ............29 国内外语音龙头公司对比：语音电子病历能否成为讯飞第一营收来源？..31 4.2、智能投顾：美国领跑全球市场，中国监管环境使得智投受限 .............45 美国领跑全球智能投顾市场，呈现出“低管理费率、低门槛”特征.........46 案例：嘉信理财智能投顾产品——零费率模式下转向B端收费 ...............49 中美对比之下，国内智能投顾因面临多重监管限制而掣肘.......................50 4.3、智能安防：智能化是未来增长引擎，前后端智能分工协作 .................54 简单算法往前端迁移，后端与前端智能化分工协作 .................................56 《行业标准》出炉，加速视频监控智能化步伐 ........................................59 高成本不会阻碍智能化过程，可用数据和算法是未来竞争高点................59 4.4、AI正成为基础设施，AI-aaS降低企业智能化实施门槛 ......................62 5、投资建议 ....................................................... 66 6、风险提示 ....................................................... 71 行业深度研究 - 3 - 敬请参阅最后一页特别声明 图表目录 图表 1、从2011年开始全球人工智能/机器学习领域的风投投资额显著上升 ............. 6 图表 2、科技巨头纷纷加入人工智能并购之战 ....................................... 6 图表 3、各科技巨头公司频频并购人工智能领域初创公司 ............................. 7 图表 4、AI技术深入各大垂直领域使得C端新品不断涌现B端应用日渐成熟 ............ 9 图表 5、人工智能从1956年发展至今一共经历了三次浪潮 ........................... 10 图表 6、机器学习的实施步骤 .................................................... 11 图表 7、深度学习网络（算法）实际上是由一组复杂的函数构成 ...................... 11 图表 8、常见的神经网络提出的时间及其应用领域 .................................. 12 图表 9、机器学习常用的神经网络模型（算法）结构汇总 ............................ 13 图表 10、语音识别词错误率与训练小时数量及算法模型之间的关系 ................... 14 图表 11、百度在语音识别技术中通过不断迭代算法，使得模型的准确率不断提高 ....... 14 图表 12、在ImageNet竞赛中，深度学习算法隐含层数越深，则图像识别错误率随之显著降低 ............................................................................ 15 图表 13、GitHub 中最受欢迎的开源深度学习框架排名 .............................. 16 图表 14、已经开源的主流深度学习框架 ........................................... 16 图表15、近年数据产生速度不断上升而数据的储存成本在不断下降 ................... 17 图表 16、智能安防带标记的数据价格一览表 ....................................... 17 图表17、随着训练集样本数量的不断增加，CT图像识别准确率随之增加 ............... 18 图表 18、训练深度学习模型的时间很大程度上取决于硬件配置 ....................... 20 图表 19、计算机的硬件体系可分为主机和外部设备两部分，其中芯片是硬件体系的核心 . 20 图表 20、CPU是基于低延时的设计而GPU是基于大吞吐量的设计 ..................... 21 图表 21、在“CPU+GPU”的组合中5%的任务交给了GPU来执行 ....................... 22 图表 22、利用GPU加速后，浮点运算性能得到极大提升 ............................. 22 图表 23、专用芯片（ASIC）的计算效率虽然最高，但是灵活性最低 ................... 23 图表 24、CPU、GPU、TPU在LSTM、CNN等六种神经网络上的性能表现 ................. 24 图表 25、CPU、GPU、FPGA、ASIC在处理计算密集型任务