《【研报】计算机行业深度报告：精读新股系列（七）国内主要AI公司对比研究-20210103（47页）.pdf》由会员分享，可在线阅读，更多相关《【研报】计算机行业深度报告：精读新股系列（七）国内主要AI公司对比研究-20210103（47页）.pdf（47页珍藏版）》请在三个皮匠报告上搜索。

1、国内主要国内主要AIAI公司对比研究公司对比研究 精读新股系列（精读新股系列（七七） 刘玉萍刘玉萍 S02 2021年年1月月3日日 周翔宇周翔宇 S01 证券研究报告证券研究报告 | 行业行业深度深度报告报告 信息技术信息技术一一一一 | 计算机计算机 2 核心观点 2021年计算机板块将迎来AI企业上市潮，甄选有规模效应标品的盈利潜力企业。我国AI产业通用层的计算 机视觉企业依图科技、云从科技、旷视科技、云天励飞，语音识别企业云知声，将陆续在A股科创板或港 股上市。目前，相关AI企业营收快速增长，但净利润均处于大幅亏损状态。资本热潮退却，唯有利用

2、AI技 术为行业带来较好效率提升和新增价值，并且有标准化产品释放规模效应的企业，才能走出高额的研发 人员成本困境而实现盈利。 “ “AI算法+芯片” ” or 深耕细分行业做全解决方案？我国AI企业多成长于安防、金融（互联网金融/传统金融） 及智能手机行业，当竞争日益加剧，算法价格持续下降，AI企业大都走上软硬件一体化道路：为算法软件 寻求AI芯片（目前以边缘AI计算专用芯片为主）或者智能终端载体。AI算法技术与芯片技术如能良好结合， 一方面有助于降低应用解决方案硬件成本而提升综合毛利率（依图“求索”芯片自用已明显带动软硬件组合 业务毛利率提升），另一方面芯片量产销售后也将有可观的规模效应（云

3、天励飞DeepEye1000已经开始量 产销售，芯片业务毛利率快速提升），云天励飞、依图以此路径为主。做深行业综合解决方案，如商汤、 旷视、云从的路径，一方面需AI价值创造潜力大的赛道，另一方面还需加强算法复用性并与行业通用智能 终端实现紧绑定。当然，紧跟技术迭代变革是AI产业永恒的主题。 海外龙头企业已将AI技术成熟落地应用，我国与之相比仍有较大提升空间。科技巨头如苹果、微软、亚马 逊、Facebook、Google等企业在AI深度布局，但AI业务并未体现在营收中，而是已将AI技术融入日常经营 业务中，如Google将AI应用于广告投放，亚马逊将AI应用于线上零售，相比我国AI四小龙依然处于

4、积极寻 求AI算法商业化落地场景，海外龙头AI企业在产业链中已处于领先地位。此外，海外AI芯片企业在产业链 中处于主导地位，国内AI芯片仍有较大提升空间。 风险提示：行业技术迭代风险；上市推进不及预期。 qRsNqQsPvMrQqPmNnQsPsM6McM8OnPoOmOqRiNnNqRiNpPsObRnMrNuOmNqRwMnQtP 3 待上市AIAI公司对比分析 5 5家即将上市AIAI企业速览 从“AI“AI四小龙” ”看AIAI商业化场景及趋势 AIAI企业经营情况对比分析 AIAI标的详解 海外AIAI产业情况及发展趋势 4 1.1 待上市AI标的概览 表1 1：待上市AIAI标的概

5、览（单位：亿元） 招商证券 注：收入、净利润及净资产为2019年数据，旷视科技为2018年数据 2021年，计算机视觉企业“AI四小龙”中的依图科技、云从科技、旷视科技，及云天励飞；语音识别企业云知 声，将陆续在A股科创板或港股上市。目前这些AI企业营收快速增长，但净利润均属于大幅亏损状态。 公司成立日期收入净利润发行种类申报时间拟募资金募集资金用途 旷视科技2011.1014.27-33.52 H股 2019.8.25未公开 研发人员投入；建立数据中心；丰富解决方案种类； 完善销售及市场推广计划；未来两年实施全球战略； 寻找战略投资或收购机遇；补流。 依图科技2013.27.17-36.47

6、CDR2020.11.475.05 人工智能IP及高性能SoC芯片；基于视觉推理的边缘 计算系统；人工智能计算系统；高阶视觉智能计算 平台；语音语义能力平台；补流。 云从科技2015.38.07-17.63科创板2020.12.337.50 升级人机协同操作系统；建设轻舟系统生态；人工 智能解决方案综合服务生态；补流。 云天励飞2014.82.30-5.10科创板2020.12.930.00 城市AI计算中枢及智慧应用；面向场景的下一代AI 技术；视觉AI芯片；补流。 云知声2012.62.19-2.92科创板2020.11.39.12 人工智能技术中台；面向物联网边缘计算的AI芯片 研发平台

7、；基于AI的智慧医院解决方案；补流。 5 1.2 待上市企业主要聚焦在AI通用层 、招商证券 AI技术的实现依靠基础层和通用层： 基础层提供芯片、算法、数据等基础计算能力支持。AI芯片的提供者不仅包括英特尔、谷歌、英伟达等 大型国际公司，也包括华为、寒武纪、地平线等国内知名公司。AI计算框架开源，包括神经网络开源库 （TensorFlow）、卷积神经网络开源框架（Caffe）和开源的深度学习工具包（CNTK）。 通用层提供感知、认知计算等通用技术，包括计算机视觉、语音识别、自然语言处理。AI视觉代表企业 包括“AI四小龙”：商汤、旷视、依图和云从；语音AI代表企业包括：科大讯飞、思必驰、云知声

8、等。 图1 1：我国人工智能行业图谱 视觉AI 寒武纪推出世界首款商用深度 学习专用处理器 2017年 TPU 2.0 发布，训练效能加强； Apple 发布A11芯片与神经引擎 2018年 华为公布自研AI芯片 2019年 特斯拉发布全自动驾驶芯片 (FSD)； 阿里巴巴公布自研AI芯片 图3434：AIAI芯片发展历程 35 卷积层池化层全连接层 图3636：卷积神经网络算法框架 海量训练数据为人工智能发展的必要条件。目前以深度学习为主的机器学习离不开海量的数据做支撑， AlphaGo在打败围棋世界冠军前学习了成千上万张棋谱，Google发布的人类动作识别数据集（AVA）可以 精准识别人类

9、的动作，其学习的对象则是Youtube上海量的视频。 我国大量的数据为人工智能行业发展提供了得天独厚的基础。中国作为人口基数最大的国家，是数据的 最大生产者，据IDC估算，2020年中国的数据量将达到8060EB，占全球数据量的18%。计算机视觉技术发 展以大量训练数据为前提，我国海量的数据孕育了一批以机器视觉技术为核心的企业，如商汤、依图、 旷世、云从四大独角兽。 人工智能的核心是算法。算法作为人工智能技术的引擎主要用于计算、数据分析和自动推理。自2006年 深度学习被正式提出，深度学习开启了学术界与工业界的浪潮。2012年，卷积神经网络（CNN）AlexNet 以碾压性的优势夺冠Image

10、Net，得到了众多研究者的注意。 卷积神经网络是目前人工智能主流算法之一。卷积神经网络是一种前馈神经网络，由一个或多个卷积层、 池化层和顶端全连接层组成。和其他深度学习算法相比，卷积神经网络在大型图像处理和语音识别领域 有出色表现。 3.1 AI产业基础层 - 算法和数据 36 3.1 AI产业通用层计算机视觉 招商证券 计算机视觉是使用计算机模仿人类视觉系统的科学，让计算机拥有类似人类提取、处理、理解和分析 图像以及图像序列的能力。计算机视觉技术包括目标检测、目标识别和行为识别三个过程。 计算机视觉行业将进入快速发展阶段。预测2019年至2025年中国计算机视觉核心产品规模年均复合增 长率将

11、达15.9%，2025年规模达1537亿元；带动相关产业规模复合增长率达22.5%，2025年规模达4858 亿元。 安防行业占中国计算机视觉行业约54%。2018年中国计算机视觉技术主要应用于安防、广告营销和泛 金融身份认证。根据IDC的市场跟踪，2018年中国计算机视觉技术输出规模最大的3个行业是政府、金 融和互联网，最大的两个场景为政府行业中的平安城市以及金融行业中基于人脸识别的身份认证，未 来我国计算机视觉行业有望加强向医疗、无人驾驶等领域发展。 图3737：中国计算机视觉核心产品及带动相关产业规模（亿元） 633 862 969 1,054 1,232 1,410 1,537 1,4

12、39 2,249 2,659 3,036 3,601 4,351 4,858 0 1000 2000 3000 4000 5000 6000 20192020E2021E2022E2023E2024E2025E 核心产品规模带动相关产业规模 37 3.1 AI产业通用层 - 语音识别 招商证券 语音识别是让机器识别和理解说话人语音信号内容的新兴学科，目的是将语音信号转变为文本字符或者 命令的智能技术，利用计算机理解讲话人的语义内容，使其听懂人类的语音，从而判断说话人的意图， 是一种非常自然和有效的人机交流方式。语音识别包含两个阶段：第一个阶段是学习和训练，第二个阶 段就是识别，识别结果的好坏与

13、模板库是否准确、模型参数的好坏以及特征参数的选择都有直接的关系。 语音识别目前应用领域广泛。在日常生活中，AI语音助手能识别并完成语音交付的任务，如Siri、Cortana、 小度等。在教育领域，可进行语音转写、语音测评，提高批改效率。在金融领域，银行推出数字银行助 理来解决客户的支付需求，同时提高支付安全性，如加拿大皇家银行的客户可以使用Siri支付账单。 中国语音识别市场规模将飞速增长。移动互联网、智能家居、汽车、医疗、教育、金融等领域的应用 带动语音识别产业规模持续快速增长，据艾瑞咨询数据显示，2019年中国智能语音核心产品规模达到 45亿元，带动相关产业规模达到231亿元，2025年核

14、心产品规模将达到159亿元，年复合增长率为23.3%。 图3838：中国智能语音垂直行业应用核心产品及带动相关产业规模（亿元） 45 58 73 90 108 131 159 231 317 414 483 574 682 875 0.0 200.0 400.0 600.0 800.0 1000.0 20192020E2021E2022E2023E2024E2025E 核心产品规模带动相关产业规模 38 3.1 AI产业通用层 - 自然语言处理 自然语言处理是文字AI的主要组成部分，其目的是实现人机间的信息交流，是指用计算机对自然语言的形、 音、义等信息进行处理，即对字、词、句、篇章的输入、输

15、出、识别、分析、理解、生成等的操作和加工以 实现人机间的信息交流。其具体表现形式包括机器翻译、文本摘要、文本分类、文本校对、信息抽取、语音 合成、语音识别等，自然语言处理机制涉及两个流程，包括自然语言理解和自然语言生成。 从在语音信息处理领域中，学界主要采用图灵试验判断计算机是否 理解了某种自然语言。具体判断步骤包含以下几条： 1. 问答：机器人能正确回答输入文本中的有关问题; 2. 文摘生成：机器有能力生成输入文本的摘要; 3. 释义：机器能用不同的词语和句型来复述其输入的文本; 4. 翻译：机器具有把一种语言翻译成另一种语言的能力。 图4040：自然语言发展历程 图3939：自然语言理解层

16、次 语音分析词法分析句法分析语义分析语用分析 2008年 深度学习被正式提出 70年代 理性主义方法 基于统计的方法 50年代 图灵测试 经验主义的方法 基于规则的方法 39 3.2 AI产业分析，我国计算机视觉技术领先 、招商证券 在以人脸识别为主的应用领域，我国AI企业在全球已具备较强竞争力 根据美国国家标准与技术研究院（NIST）的2018年全球人脸识别算法测试（FRVT），前五名均被中国公 司包揽，显示出了我国AI企业强大的竞争力。 中国拥有更多的数据样本是人脸识别技术保持全球领先的核心。深度学习需要大量的数据，这正是我 国的优势，随着安防、身份认证、移动支付等大量应用的快速崛起为我国

17、人脸识别算法的研发积累了 了海量数据；而海外公司更注重隐私，在数据源上不及中国，根据英特尔的预测，2020年全球数据总 量达到44ZB，中国达到8ZB，占全球五分之一。 #Developer VISA Photos FNMRFMR0.000001 VISA Photos FNMRFMR0.0001 MUGSHOT Photos FNMRFMR0.00001 WILD Photos FNMRFMR0.000004 CHILD EXP Photos FNMRFMR0.01 1yitu-0020.0040.0010.0130.052 2yitu-0010.0070.0030.0130.0580.57

18、8 3sensetime-0010.0090.0030.0131.000 4sensetime-0020.010.0030.0151.000 5siat-0020.0130.0040.0140.0550.428 6ntechlab-0040.0130.0040.0130.0460.420 7ntechlab-0050.0140.0020.0130.050 8megvii-0020.0140.0040.0300.071 9vocord-0050.0160.0030.0140.048 10everai-0010.0160.0040.0130.031 表2222：FRVT2018FRVT2018最终

19、排名 虽然在人脸识别领域我国AI企业具备比较强竞争力，但我国AI企业与海外巨头相比在综合实力上依然存在 一定差距，具体体现为： 海外AI龙头公司谷歌、亚马逊、Facebook、微软、苹果等互联网龙头企业在AI综合实力上有较大优势 英伟达、Mobileye等企业在AI芯片领域有较大优势 40 3.2 海外AI龙头企业分析 全球市值最高的五家科技公司均在AI市场进行了布局：Apple自2010年以来已经收购了15家人工智能公 司，并将其人工智能技术融入到各种产品中；Google和亚马逊在云服务、无人驾驶、虚拟现实、无人 机、仓储机器人等领域均布局；Facebook依托社交网络，从产品中获得数据、训

20、练数据，再将其人工智 能产品反作用于社交网络用户；Microsoft则致力于将人工智能技术应用到智能助手、AR/VR等领域。 公司 应用层技术层基础层 消费级产品行业解决方案技术平台/ /框架芯片 GoogleGoogle无人车，Google Home Voice Intelligence API、Google Cloud TensorFlow系统、Cloud Machine Learning Engine 定制化TPU、Cloud TPU、 量子计算机 Amazon 智能音箱Echo、Alexa语音助手、 无人超市 Amazon Lex、Amazon Polly、 Amazon Recogn

21、ition AWS分布式机器学习平台Annapurna ASIC Facebook 聊天机器人Bot、人工智能管家 Jarvis、智能照片管理应用 Moments 人脸识别技术、DeepFace、 DeepMask、 SharpMask、 MultipathNet 深度学习框架 Torchnet、 FBLearn Flow 人工智能硬件平台Big Sur Microsoft 小兵聊天机器人、Skype即时翻 译、Cortana虚拟助理、Tay、智 能摄像头A-eye 微软认知服务DMTK、Bot FrameworkFPGA AppleSiri、iOS照片管理N/AN/AApple Neural

22、 Engine 、招商证券 表2323：全球主要科技/ /互联网公司在AIAI领域的布局 41 3.2 海外AI龙头企业分析 海外企业虽然在AI深度布局，但AI业务并未体现在营收中。 谷歌2019年营业收入为1619亿美元，但谷歌主要收入来源来自于其广告业务，2019年谷歌广告业务 营收占比83.3%。 亚马逊2019年营收2805亿美元，其中线上商店、实体商店及零售相关服务合计占比达到82.5%，AWS 云计算占比达到12.49%。 微软2019年营收1430亿美元，其中个人电脑业务（Surface、Windows）占比33.74%，生产力和企业 流程（Office）占比32.44%；云业务

23、占比33.82%。 Facebook2019年营收707亿美元，其中广告收入占比达到98.53% 苹果2019年营收2602亿美元，其中硬件收入占比高达82.21%。 海外龙头AI企业已经将人工智能技术融入其日常经营业务中，例如谷歌将AI应用于广告投放，亚马逊将 AI应用于线上零售，我们认为相比我国AI四小龙依然处于积极寻求AI算法商业化落地，海外龙头AI企业 在产业链中已处于领先地位。 海外AI龙头企业在收购兼并上更具优势，例如谷歌收购DeepMind，苹果收购Drive.ai，Intel收购 Mobileye，微软收购Xoxco等，我们认为海外企业在AI领域扩张速度及布局的深度更具优势。

24、招商证券 42 3.3 海外AI芯片企业分析 Microsoft、NVIDIA官网、招商证券 AI芯片市场蛋糕正逐渐做大，该领域目前处于非零和竞争的阶段，不同功能、不同定位的芯片传统厂商、 科技公司、互联网公司、初创公司均能在各自的领域中和平共存。 整体来看，深度学习训练端在“ “通用性和能耗比” ”之间不断寻找平衡。目前GPU仍然是第一选择，推断端由 于更接近终端应用，需求也更加细分，包括CPU/FPGA/ASIC和GPU都会在这个领域发挥各自的优势。 训练（TrainingTraining）推断（InferenceInference） 需要的数据量多少 运算量大小 硬件 GPUGPU：以N

25、VIDIA为主，AMD为辅，主打通 用性，多维计算及大规模并行计算架构契合 深度学习的需要，是训练环节第一选择 GPUGPU：NVIDIA的Volta GPU也开始布局推断端， 深度学习下游端还有CPU/FPGA/ASIC等芯片， 但竞争态势中NVIDIA仍然占主导 ASICASIC：以Google的TPU 2.0、Intel的 Nervana Engine为代表，针对特定框架进 行深度优化定制，但开发周期较长，通用性 较低 FPGAFPGA：依靠可编程性及电路级别的通用性，适 用于开发周期较短的loT产品、传感器数据预处 理工作以及小型开发试错升级迭代阶段等，但较 成熟的量产设备多采用ASI

26、C CPUCPU：通用性强，但难以适应于人工智能时 代大数据并行计算工作 ASICASIC：下游推断端更接近终端应用，需求也更 加细分，随着NVIDIA的DLA、寒武纪的NPU推 出市场，将依靠特定优化和效能等优势，在深度 学习市场取得一席之地 表2424：人工智能芯片对比 43 3.3 海外AI芯片企业分析 招商证券（注：上市公司市值截至2020年12月31日，营收为最近财年业绩） 海外AI芯片企业在产业链中处于主导地位，国内AI芯片寒武纪与海外企业依然有较大差距 表2525：人工智能芯片对比 公司名称类型行业地位发布产品研发成果市值/公司营收 英伟达GPU NVIDIA在GPU市场占据一家

27、独大的地位； 深度学习训练端由NVIDIA垄断；推断端中 NVIDIA也占主导地位。在浮点运算、并行 计算等部分计算方面，NVIDIA的GPU可以 提供数十倍乃至上百倍于CPU的性能， Google无人驾驶汽车采用的是NIVIDIA的移 动终端处理器Tegra。 Tesla GPU系列 2016年发布的Tesla P100是基于Pascal架构的专用人工智能GPU，较以往 产品可以让深度学习神经网络的处理速度提高12倍，提供了较之前的 Kepler架构K40、K80超过50倍的性能提升；2017年发布基于Volta架构的 Tesla V100，配合张量处理指令Tensor Core，将训练吞吐

28、量提高至上代 Pascal的12倍，在HPC的常规浮点运算速度提高1.5倍，推断速度提高6倍。 未来NVIDIA2-3年的GPU产品线，全都会基于Volta架构 市值：3221亿美元 营收：109亿美元 谷歌ASIC/TPU Google通过推出TPU涉足人工智能芯片领 域，旨在实现在更低能耗下用更短时间完 成更多任务的芯片。这与Google一直以来 的目标具有高度一致性，即“空前的高效”， Google在芯片上的布局并不急于将TPU商 业化，其终极目标是彻底停止GPU的使用， 这对于NVIDIA是巨大的威胁。 TPU（Tensor Processing Unit ）2.0 TPU是Googl

29、e开发的AISC芯片方案，专为机器学习量身定做的，TPU2.0 能够同时应用于高性能计算和浮点计算，与TPU1.0只能应用于推断不同， TPU2.0还可以用于训练环节，自下而上的进入深度学习上游，应用在图 像和语音识别、机器翻译和机器人等领域，加速对单个大型机器学习 模型的训练。效率大大超过GPU，支持Google搜索、照片、翻译等产品， 最有名的AlphaGo也是基于TPU运行的。目前TPU2.0是一款直接与NVIDIA 的Tesla系列竞争的产品 市值：11690亿美 元 营收：1619亿美元 高通CPU/ASIC 高通是全世界最大的手机芯片制造商，拥 有海量的移动通信技术专利。2016年

30、高通 骁龙芯片数量占整个安卓手机芯片市场超 过50%，高通骁龙处理器已经成为高端智 能手机的标配，高通骁龙X50 5G调制解调 器芯片组成功实现了全球首个5G数据连接。 但近几年高通发展不利，2017Q3销售收入 为59亿美元，同比下滑5%，净利润仅有2 亿美元，同比暴跌90%。2017年10月，高 通宣布与商汤科技合作，实现手机终端设 备的本地推断。 Qualcomm Kryo CPU、 Qualcomm Adreno GPU 或Qualcomm Hexagon DSP 高通骁龙产品线覆盖了四种不同型号，包括骁龙200、骁龙400、骁龙 600、骁龙800，前两者属于高通的入门级产品，600

31、属于中高端产品， 800属于高端系列产品。高通的产品布局也非常全面，实现了 CPU/GPU/DSP做异构运算。 市值：1662亿美元 营收：235亿美元 寒武纪ASIC 寒武纪作为全球第一个成功流片的AI芯片 公司，目前1A芯片通过IP授权形式进入华 为发布的全球首款人工智能移动计算平台 麒麟970,，手机中的主要应用场景包括语 音识别、人脸图像识别、传感器数据采集 融合等。公司在理论技术储备和研发实力 上都处于国际领先水平，公司主打自下而 上的策略，从提供低功耗嵌入式终端的本 地智能处理芯片解决方案入手，计划逐步 向服务器云端的训练处理芯片布局。 寒武纪1A 寒武纪1A芯片是世界首款商用深度

32、学习专用处理器。在计算机视觉、 语音识别、自然语言处理等任务上具备全面优于CPU和GPU的通用性和 能耗比。面向智能手机、安防监控、可穿戴设备、无人机和智能驾驶 等各类终端设备 市值：620亿人民 币 营收：4.44亿人民 币 寒武纪1H16、 1H8、1M 1H8面向低功耗场景视觉应用，1H16具有更广泛的通用性和更高性能， 1M面向智能驾驶领域。这三款产品相较于寒武纪1A在能效比、功耗和 成本开销等方面进行了优化，适用范围覆盖了图像识别、安防监控、 智能驾驶、无人机、语音识别、自然语言处理等各个重点应用领域 寒武纪 MLU100、 MLU200 MLU作为PCle加速卡插在云服务器上，面向

33、的潜在客户包括BAT、各类 数据中心，主要服务于服务器端的大数据智能处理需求，应用于智能 云服务以及企业级智能应用。 44 3.4 视觉AI未来应用场景：工业自动化 招商证券 除安防领域外，我们认为计算机视觉未来潜在应用 场景将聚焦在工业自动化、自动驾驶以及医疗领 域。 计算机视觉技术在工业领域即机器视觉，机器 视觉是一种基础功能性技术，是机器人自主行 动的前提，能够实现计算机系统对于外界环境 的观察、识别以及判断等功能。 机器视觉在工业自动化领域的应用目前可主要 分为四方面：识别、检测、测量、机械手引 导。 日本基恩士、美国康耐视两大巨头几乎垄断了 全球50%以上的市场，我国机器视觉依然有较

34、大 提升空间，预计2020年我国机器视觉市场规模 150亿元。 10.8 22.7 35.4 47.6 61.2 69.7 77 103 127.5 150 110% 56% 34% 29% 14% 10% 34% 24% 18% 0% 20% 40% 60% 80% 100% 120% 0 20 40 60 80 100 120 140 160 20001720182019 2020E #应用领域示例应用场景 1识别 标准一维码、二维码的解码 电子产品制造 汽车 消费品行业 食品和饮料业 物流业 包装业 医药业 光学字符识别（OCR)和确认（OCV

35、) 色彩和瑕疵检测 2检测 零部件的有无检测 目标位置和方向检测 3测量 尺寸和容量检测 预设标记的测量 4机械手引导输出坐标空间，引导机械手准确定位 表2626：机器视觉的主要应用场景 图4141：我国机器视觉市场规模（亿元） 45 3.4 视觉AI未来应用场景：自动驾驶 智能网联汽车路线图2.0、招商证券 除安防领域外，我们认为计算机视觉未来潜在应用场景将聚焦在工业、自动驾驶以及医疗领域。 随着车载视觉传感器的性能大幅提升，自动驾驶已经成为计算机视觉的下一个蓝海市场。自动驾驶 中，车辆在行驶时需要实时地去感知周围的环境，包括行驶路径、周围障碍物、交通信号等等。自动 驾驶车辆的 “眼睛”就是

36、传感器包括摄像头、激光雷达、超声波等等。 摄像头数据（图片）包含丰富的颜色信息，所以对于精细的障碍物类别识别、信号灯检测、车道线检 测、交通标志检测等问题就需要依赖计算机视觉技术。 目前，特斯拉、谷歌、Mobileye等海外企业依然是自动驾驶行业的领先者，国内百度、商汤、地平线等 企业处于快速追赶阶段。近日，百度发布了L4级纯视觉自动驾驶方案Apollo Lite。 今年12月，我国发布了智能网联汽车路线图2.0：到2025年，PA(部分自动驾驶)、CA(有条件自动驾 驶)级智能网联汽车市场份额超过50%，HA（高度自动驾驶）级智能网联汽车实现限定区域和特定场景 商业化应用，标志着我国智能驾驶

37、技术渗透率将快速提升。 490 681 893 1226 1702 2358 0 500 1000 1500 2000 2500 200192020E2021E 图4242：我国智能驾驶行业市场规模及预测（亿元） 46 3.4 视觉AI未来应用场景：医疗影像 招商证券 除安防领域外，我们认为计算机视觉未来潜在应用场景将聚焦在工业、自动驾驶以及医疗领域。 目前，我国医疗影像检查收入占医院总收入的10%-20%，与检验科接近，仅次于药品。2019年我国医疗 费用支出为约为5.9万亿人民币，以10%的来计算，医学影像市场规模接近6000亿，随着人口增长、消 费升级、影像技术创新

38、，将继续扩容。 当影像数据积累到一定规模后，影像产业链可延伸至计算机视觉技术领域，出现影像智能诊断应用。 计算机视觉技术供应商面向客户包括中游的医学影像成像设备生产商，也包括下游的影像诊断服务提 供者如公立医疗机构、民营医疗机构、线上影像平台等。 医疗影像智能分析公司的核心竞争力在于影像数据规模和影像数据的可解读性。其中，覆盖多病种的 有效数据库是前提，算法是处理和解读影像数据的成功关键。 相关行业影像智能分析影像诊断服务影像诊断设施 化工 钢铁 互联网 有色金属 3D打印 已用材料 多科室设备 专科用设备 PACS 远程影像诊断系统 公立医疗机构 民营医疗机构 线上影像平台 独立影像中心 诊断效率提升为主 诊断准确度提升为主 影像诊断服务+ +影像智能分析：提升诊断效率 影像诊断设施+ +影像智能分析：使影像设备智能化 图4343：医疗影响产业链 47 风险提示 风险提示 1、行业技术迭代风险：AI技术迭代较快且同质性强，行业竞争相对激烈。若相关AI算法企业技术迭 代放缓，则下游客户可能选择竞品代替，面临淘汰危机。 2、上市推进不及预期：截至目前，相关AI企业上市依旧存在不确定性。