国金证券中期投资策略会纪要：大数据时代的TMT产业投资——唐鹏飞

迎接认知科技时代的到来：大数据、云计算及机器智能唐鹏飞大数据的四个维度（4V）：数据量大(Volume)：计量单位可达到是PB(1000TB)，乃至ZB(10亿个TB)。类型繁多(Variety)：包括结构化、半结构化、非结构化数据。价值密度低(Value)：有价值信息被淹没在海量信息之中速度快、时效高(Velocity)：处理速度也跟上数据增长速度，时效性要求高。大数据的本质：从海量数据中挖掘出有价值的信息，全球互联网流量正在暴涨，而大数据基础设施成本正在下降，收集的数据量正在呈指数增长，而处理和存储这些海量数据的成本正在下降，这两大趋势正在为大数据创造更强大的使用场景。大数据的深度应用——机器智能机器智能，是机器学习与人工智能的统称。机器智能已经帮助我们更快地得到我们需要的重要业务信息，监视重要的系统，更加有效率地为我们人类服务，机器智能是数据的深度应用，数据是机器学习和人工智能的基础。2006年深度学习的突破引发了新一轮的机器智能热潮“深度学习”是机器学习研究中的一个新的领域，它模拟人类大脑神经网络的工作原理，将输出的信号通过多层处理，将底层特征抽象为高层类别，它的目标是更有效率、更精确地处理信息。深度学习自2006年由GeoffreyHinton教授和他的两个学生被提出后，使得机器学习有了突破性的进展，极大地推动了人工智能水平的提升。2013年，《麻省理工技术评论》把它列入年度十大技术突破之一。深度机器学习使机器在感知智能方面开始超过人。深度机器学习使机器在认知智能方面突飞猛进。预测到2045年，整个机器的智能会超过地球上所有人类智能的总和大数据产业价值链分为信息价值链和IT价值链数据的所有权很明确，至多由数据源厂商而非工具商所拥有。而出于隐私保护等方面的规定，数据不可进行单独出售，必须经过一定的处理（如脱敏、分析）。从这个角度上看，数据源公司必须依赖工具类厂商，才能享受数据的变现价值。关注产品化程度高的大数据工具厂商。从IT产业发展历史来看，能提供通用产品化工具的厂商往往是走的最远的。以企业办公软件市场为例，微软凭借Office的通用性攥取了该市场的大部分份额，并且逐步拓展Office套件功能侵蚀其他厂商的份额。我们认为这一规律在大数据时代依然不变，因为做通用工具的边际利润要大于做专用项目解决方案，这一规律是不因大数据的到来而反转的。通用工具只需要很小的改动就能用来拓展新的行业，拓展新市场的边际成本低 ，边际利润高。而专注于特定行业项目的公司不得投入人力物力以很高的初始成本开发新的市场。类似Hortonworks、Cloudera及MapR的Hadoop发行商，高附加值服务与独创性工具是核心竞争力。由于Hadoop的开源属性，对于发行商产品的附加值、独特性有较高的要求，如果不能针对下游用户需求开发具有针对性的平台或工具，则竞争力大大减弱。同时，传统的基于MapReduce框架的Hadoop发行版本，也应该看到Spark的迅速发展的趋势。行业集中度将不断提高。目前，独立大数据工具厂商数量众多，并且处于初创阶段，若要增强自身大数据工具产品的实力，最迅速、最有效的方法即是通过收购的方式。我们认为，未来市场份额较小、缺乏竞争优势的小厂商将逐步被有实力的数据源厂商、数据管理、分析厂商吞并。而留存的少数独立厂商，其商业模式仍然是工具类软件。未来我们基金将会重点关注的三个领域：一是大数据和机器人工智能二是依靠大数据和机器学习，形成的所谓机器辅助学习和机器辅助教育，三是智能交通，主要聚焦在智能汽车上新应用案例：自动驾驶未来10年汽车七大关键发展趋势：汽车动力效率更高；使用新材料；无人驾驶汽车；供应链进化；新的竞争者；汽车网络；转移至新兴市场。