2018年人工智能產(chǎn)業(yè)預測

中科創(chuàng)達的AI布局

人工智能已成為各行各業(yè)的助推力，其正在為醫(yī)療、汽車、安防、金融等行業(yè)加速賦能。作為全球領先的智能平臺技術提供商，中科創(chuàng)達大膽跨界合作，聯(lián)合芯片、算法、模組等全球領先合作伙伴打造智能視覺生態(tài)平臺，為客戶提供從芯片層、驅(qū)動層、操作系統(tǒng)層到算法層的完整的嵌入式人工智能解決方案，助力并加速智能手機、智能物聯(lián)網(wǎng)、智能汽車等領域的產(chǎn)品化與技術創(chuàng)新以及AI落地。

從百度的All in AI到騰訊的AI in All，科技公司對人工智能的企圖心日益增強。在國家戰(zhàn)略、市場創(chuàng)投和技術突破三重推動力下，AI成為引爆計算機行業(yè)的一大熱點。

數(shù)據(jù)來源：IDC《中國人工智能市場生態(tài)體系研究報告，2017》

* 此圖展示該細分市場的典型廠商，非全部廠商。

* 在各細分市場，企業(yè)通過銷售該領域的產(chǎn)品或服務來取得商業(yè)化收益。

如火如荼的AI浪潮

2017年前三季度 AI 板塊、創(chuàng)業(yè)板、計算機板塊漲跌幅

從今年年初，AI 板塊表現(xiàn)一直優(yōu)于創(chuàng)業(yè)板和計算機板塊以及 A 股，且上升趨勢明顯。即便在下半年整體行業(yè)板塊下跌情況下，AI 板塊依舊堅挺，上漲態(tài)勢明顯，且遠好于大盤，AI 熱點已被引爆。

人工智能發(fā)展分析

2011年人工智能迎來爆發(fā)

深度學習技術的引入是人工智能發(fā)展的重要分水嶺。

人工智能從1956 年達特茅斯會議中誕生。在 2011 年以前，機器僅僅充當人類臂膀的延伸，不能夠創(chuàng)造知識經(jīng)驗，主要作用是精于計算，機器僅僅承擔著動作執(zhí)行的角色，根據(jù)機器遇到的情況執(zhí)行人事先設定好的指令。

而深度學習賦能的機器，能夠進行學習和推理，即從海量數(shù)據(jù)中提取經(jīng)驗的規(guī)則，以及經(jīng)驗存儲的數(shù)據(jù)結構，并根據(jù)機器遇到的情況、學習階段得到的經(jīng)驗，以人事先設定的方式進行解讀并執(zhí)行特定任務。

AI產(chǎn)業(yè)鏈梳理

基于深度學習人工智能主要由數(shù)據(jù)、算法、算力構成

深度學習的三個基本構成是“數(shù)據(jù)”、“算法”、“算力”。

數(shù)據(jù)是深度學習學習階段汲取知識經(jīng)驗的重要來源，互聯(lián)網(wǎng)時代大量的搜索記錄、社交數(shù)據(jù)、交易數(shù)據(jù)等蘊含了大量人類的信息，將這些信息結構化存儲在神經(jīng)網(wǎng)絡中，是機器更好地服務人類和解決問題的寶貴資。互聯(lián)網(wǎng)公司、運營商、行業(yè) IT 系統(tǒng)用戶由于扼守了數(shù)據(jù)的源頭，將是未來人工智能的重要玩家，數(shù)據(jù)積累量大、方便獲取、有海量數(shù)據(jù)分析處理需求的行業(yè)也將是，人工智能極具發(fā)展?jié)摿Φ男袠I(yè)。

學習階段中的神經(jīng)網(wǎng)絡結構設計、如何根據(jù)海量數(shù)據(jù)訓練神經(jīng)網(wǎng)絡，推理階段如何根據(jù)訓練好的神經(jīng)網(wǎng)絡進行決策，解決問題，均是算法。由于深度學習算法壁壘較高，在這一領域會出現(xiàn)強者通吃的局面，算法開發(fā)公司是另一重要玩家，將其開發(fā)的人臉識別、語音識別等算法賣給更加懂行業(yè)的公司，支持其開發(fā)面向行業(yè)的應用，例如商湯科技。

無論是學習階段，還是推理階段，均需要高強度的并行計算能力作為支撐，傳統(tǒng)CPU不擅長這種計算類型，所以新的芯片設計以及服務器架構設計是當前重點研究領域，算力支撐是人工智能發(fā)展的基礎，占領這一領域制高點的公司有望成長為下一個英特爾、Arm。

人工智能應用的多樣性與廣泛性催生了 AI 平臺，提供云化的硬件資源以及可供調(diào)用的算法包，供客戶方便快捷地構建自己的人工智能應用（例如百度AI平臺）。總的來看，AI應用主要分為兩類，一是汽車、安防、醫(yī)療等傳統(tǒng)行業(yè)將 AI 引入以提高本行業(yè)的服務質(zhì)量，這就是所謂的“AI+”；另一種類型是著力于開發(fā) AI 催生出的新應用。

2018年的 AI 爆點

東北證券指出，2018 年，在技術層面重點關注AI芯片和AI算法公司，在應用層面重點關注“AI+醫(yī)療”和“AI+ 汽車”。

AI芯片代表性企業(yè)一覽

CPU 的設計目標是具有很強的通用性以處理各種不同的數(shù)據(jù)類型，同時邏輯判斷處理需求又要求其具有分支跳轉(zhuǎn)和中斷處理能力，這些都使得 CPU 的內(nèi)部結構異常復雜。而深度學習的計算是類型高度統(tǒng)一的、相互無依賴的大規(guī)模數(shù)據(jù)處理，是一個不需要被打斷的純凈的計算環(huán)境。

因此，傳統(tǒng)的 CPU 架構需要數(shù)百甚至上千條指令才能完成一個深度學習過程中單個神經(jīng)元的處理，無法支撐深度學習的大規(guī)模并行計算需求。如果傳統(tǒng) CPU 的架構不改變，即使繼續(xù)提高晶體管的數(shù)量，也無法滿足深度學習的計算需求。AI時代需要新的、更為合適的處理器。

目前流行的AI芯片解決方案包括：

1、基于GPU的通用芯片，代表企業(yè)為英偉達，性能高 、 功耗大 、價格高 ，適用于學習階段（數(shù)據(jù)中心），GPU+CPU 異構架構成為面向AI；

2、基于FPGA的半定制化芯片，代表企業(yè)有英特爾（Altera）、Xilinx、深鑒科技等，相比于CPU+GPU，F(xiàn)PGA的高性能低功耗等優(yōu)勢使FPGA+CPU可以提供更好的單位功耗性能，且更易于修改和編程；

3、全定制化芯片（ASIC），代表企業(yè)有寒武紀、地平線機器人、深鑒科技等，大多針對消費前端應用，在功耗方面比通用芯片和半定制芯片更具優(yōu)勢，雖然研發(fā)周期長，但量產(chǎn)后成本更低。

與CPU、GPU被幾個巨頭壟斷不同，AI 芯片開辟了一個全新的賽道，我國涌現(xiàn)出了寒武紀、深鑒科技、地平線機器人等一批優(yōu)秀的企業(yè)，有望實現(xiàn)彎道超車，目前已經(jīng)引起了資本市場的廣泛關注，在 AI 大潮流下，預計 2018 年熱度仍然不減。

AI算法強者恒強

神經(jīng)網(wǎng)絡類型總結

人工智能算法設計包括：神經(jīng)網(wǎng)絡結構設計（卷積神經(jīng)網(wǎng)絡、循環(huán)神經(jīng)網(wǎng)絡、深度神經(jīng)網(wǎng)絡三種）、學習階段中根據(jù)海量數(shù)據(jù)訓練神經(jīng)網(wǎng)絡算法，和推理階段根據(jù)訓練好的神經(jīng)網(wǎng)絡進行決策算法。三個環(huán)節(jié)相輔相成，設計過程中需要考慮到網(wǎng)絡寬度、網(wǎng)絡深度、網(wǎng)絡存儲數(shù)據(jù)類型、網(wǎng)絡存儲空間、算法訓練時間等。

在計算機視覺專利申請數(shù)方面，據(jù)烏鎮(zhèn)智庫統(tǒng)計，我國已于 2005 年超過美國，之后一直不斷擴大優(yōu)勢。剛剛落下帷幕的計算機視覺頂會 ICCV 2017 上，我國創(chuàng)業(yè)公司曠視科技（Face++）在 MS COCO 物體檢測、人體關鍵點檢測，以及 Places物體分割三項比賽中擊敗微軟、谷歌、Facebook 等對手，奪得了第一名。

AI 算法的開發(fā)，不僅僅是一個工程問題，還需要壁壘較高的深度學習數(shù)學理論。由于算法的可復制性以及人工智能算法的高壁壘性，這一領域有望實現(xiàn)強者恒強，目前已經(jīng)嶄露頭角的曠視科技、商湯科技、科大訊飛等值的繼續(xù)關注。

AI+的兩大用例

01

AI+汽車：出行新生態(tài)

全球“乘客經(jīng)濟”市場規(guī)模細分

2030-2050全球?乘客經(jīng)濟市場規(guī)模

AI 將變革整個汽車乃至出行行業(yè)，構建新的經(jīng)濟生態(tài)。

目前比較流行的ADAS（高級駕駛輔助系統(tǒng)）作為汽車智能化的基礎，隨著 ADAS 技術水平的提升及滲透率提高，將逐步實現(xiàn)單車智能化，即通過給車輛裝備智能軟件及多種傳感器、控制器、執(zhí)行器等裝臵，基于車載裝置實現(xiàn)車輛自主駕駛，結合現(xiàn)代通信與網(wǎng)絡技術（包括 4G/5G、DSRC、GPS 等）和云計算處理信息并傳輸信號，從而指導城市交通系統(tǒng)。

據(jù) Intel 與研究公司 Strategy Analytics 聯(lián)合發(fā)布的一份報告預計，無人駕駛汽車將在未來迅猛發(fā)展，打破現(xiàn)有買車出行模式，構建新的出行即服務模式，其衍生出的“乘客經(jīng)濟”（由全自動無人駕駛汽車所催生的經(jīng)濟和社會價值）市場的規(guī)模將在 2050 年前達到 7 萬億美元。

據(jù) IHS 預測，到 2035年全球無人駕駛汽車銷量將達 2100 萬輛，而 2025 年全球無人駕駛汽車銷量將達 60萬輛，而中國將成為全球最大的無人駕駛汽車市場，預計到 2035 年中國將擁有超過570 萬輛無人駕駛汽車。

無人駕駛產(chǎn)業(yè)鏈縱深長， 分為單車智能、網(wǎng)聯(lián)路段信息及車與出行服務三大板塊。

單車智能板塊分為智能感知層面、規(guī)劃層面及執(zhí)行層面三部分，旨在通過車載傳感器及信息處理分析設備，實現(xiàn)車輛自動執(zhí)行，目前ADAS 技術滲透率提升， 部分成熟領域有望實現(xiàn)國產(chǎn)替換 。

網(wǎng)聯(lián)路段信息分為V2X網(wǎng)絡建設及路端信息采集兩部分，旨在建立并運營適用于 V2X 的網(wǎng)絡及建立路段信息采集系統(tǒng)并持續(xù)運營，就目前來看，LTE-V 標準在中國更具發(fā)展前景，大唐電信有望受益；四維圖新、中海達、超圖軟件等高精地圖企業(yè)也在各自領域逐步實現(xiàn)國產(chǎn)替換，做到行業(yè)龍頭。

車與出行服務包括車輛共享運營、車輛后服務、車輛遠程管理等，預計營運車輛、出租車等將成為無人駕駛最先落地領域，“乘客經(jīng)濟”是未來出行發(fā)展新模式。

在各國政經(jīng)環(huán)境的鼓勵下，基于深度學習的人工智能產(chǎn)業(yè)布局，包括數(shù)據(jù)、算法、算力（芯片），充斥著科技大佬、傳統(tǒng)巨頭和創(chuàng)投行業(yè)的熱情，從而帶來的更深的基層研發(fā)和更多樣的落地場景。盡管某些層面免不了未來的寡頭格局，但人工智能也給很多中小創(chuàng)企留下了差異化的上升空間。鑒于醫(yī)療、汽車、安防、金融等領域的智能化起步早，數(shù)據(jù)更為豐富（數(shù)字化轉(zhuǎn)化、傳感器數(shù)據(jù)等），有望成為即將大勢的“AI+”行業(yè)。

02

AI+醫(yī)療：場景是制高點

在應用層面，2018年應重點關注數(shù)據(jù)積累量大、方便獲取、有海量數(shù)據(jù)分析處理需求的行業(yè)，例如AI+醫(yī)療和AI+汽車，這些行業(yè)的 AI 應用將極具發(fā)展?jié)摿Α?/p>

近年來國內(nèi)醫(yī)療AI融資情況

近年來國外醫(yī)療AI融資情況

全球醫(yī)療健康數(shù)據(jù)量情況

醫(yī)療AI的四大核心要素和三項行業(yè)規(guī)則

醫(yī)療 AI 的基本功能需要通過算法對大量醫(yī)療數(shù)據(jù)進行計算從而得到較優(yōu)化的算法。最終醫(yī)療 AI 要運用到具體的醫(yī)療應用場景中，比如骨齡 AI 產(chǎn)品嵌入 PACS 系統(tǒng)中（或形成獨立軟件），輔助兒科醫(yī)生判斷兒童發(fā)育程度。

醫(yī)療行業(yè)細分領域眾多，且不同領域間壁壘高，算法和數(shù)據(jù)等共性資源要素不能構成核心競爭要素，最終結局是控制場景者將聚集其它資源要素；從數(shù)據(jù)特色來看，醫(yī)療數(shù)據(jù)種類眾多，分布極其分散，所有權歸屬國家，比如醫(yī)療數(shù)據(jù)通常存儲在各地醫(yī)院內(nèi)，數(shù)據(jù)格式和結構都呈現(xiàn)多樣性，也就是說單一企業(yè)僅能掌握少數(shù)病種數(shù)據(jù)或少數(shù)區(qū)域內(nèi)所有數(shù)據(jù)。

所以醫(yī)藥或醫(yī)療器械領域行業(yè)的細分領域通常會出現(xiàn)寡頭競爭格局：因為在寡頭競爭格局（無論是多寡頭還是單寡頭）的行業(yè)里，行業(yè)上下游都存在較弱的議價能力，只具備單一競爭要素的企業(yè)，都將直接或間接依附寡頭而存活。

目前，醫(yī)療 AI 正呈現(xiàn)爆發(fā)式發(fā)展趨勢。首先，醫(yī)療資料數(shù)字化成為醫(yī)療 AI 得以發(fā)展的牢固基礎；其次，關鍵算法、數(shù)據(jù)存儲、云平臺等信息技術突破式發(fā)展表明醫(yī)療 AI 發(fā)展時機初步成熟；資本的熱捧更是加速醫(yī)療AI行業(yè)的發(fā)展。

數(shù)據(jù)表明，2014 年以來國內(nèi)外醫(yī)療AI初創(chuàng)型企業(yè)融資活動開始加劇，資本開始大量涌入醫(yī)療 AI 領域。國內(nèi)更是從2016 年開始呈現(xiàn)井噴式發(fā)展趨勢，2015年總融資額僅為239.2 百萬元，但 2016年總融資額高達1529.7 百萬元，2017年1-8月已經(jīng)到達1842.13 百萬元。