1、首席科技产业分析师：许英博 联系人：洪嘉骏 中信证券研究部 前瞻研究 2019年1月22日 科技先锋系列科技先锋系列13 谷歌AI：2018年重要进展 1 资料来源：谷歌与Alphabet年报，中信证券研究部 Alphabet的研发费用 谷歌近年AI领域的代表性收购案例 AI是谷歌的明确战略 谷歌AI研究团队负责人Jeff Dean近日发布了公司2018年AI研究总结（Looking Back at Googles Research Efforts in 2018），包括了主要成果、工作方向、相关代表性论文。 2016年谷歌将公司战略改为AI First，致力打造领先技术与生态。整体研发支出由

2、2013年的71亿增至 2017年的166亿，同时也是全球AI领域的最大雇主。 自2010年迄今，谷歌体系并购18家以上的AI相关公司；旗下初创公司以DeepMind为代表，深度应用 在搜索、云服务、自动驾驶、语音助理等产品线，并对外拓展应用场景与商业模式。 谷歌开发机器学习架构TensorFlow、专用芯片TPU、AutoML Vision等产品。基于广泛的用户场景与 数据接口，将发挥出训练与应用端的竞争优势，软硬结合建立相关生态。 资料来源：IT桔子，Statista，中信证券研究部 被收购公司名被收购公司名 谷歌体系应用谷歌体系应用 被收购公司名被收购公司名 谷歌体系应用谷歌体系应用 N

3、even Vision Picasa, Google Goggles DeepMind Google DeepMind Metaweb Google Search Dropcam Nest Labs Phonetic Arts Google Voice, Translate Wavii Knowledge Graph SayNow Google Voice Jetpac Picasa PittPatt Android AIMatter Google Photos Clever Sense Google Maps Moodstocks Google Photos Viewdle Android

4、API.AI Google Assistant DNNresearch Google, X Halli Labs Next Billion Users项目 Emu Google Hangouts, Google Now Dark Blue Labs & Vision Factory Google DeepMind Flutter Google, Android, X 2 在社会公益方面的贡献 洪水预测洪水预测：利用算法准确、及时地预测洪水的强度和范围，使受灾地区的人们采取合适的预防措施。 地震预测：地震预测：相对传统的物理模型，机器学习模型可以更准确地预测余震的位置。 其他研究其他研究：例如科

5、学家使用卷积神经网络识别座头鲸、检测系外行星、识别病变的木薯植物等 资料来源： Google AI Blog 识别应用帮助农民检测虫病识别应用帮助农民检测虫病 高精度模型预测洪水的规模高精度模型预测洪水的规模 3 量子计算取得突破 有别于传统半导体的2进位算法，量子计算机是利用量子间的纠缠态进行运算；n个量子比特 的计算机，理论上可以进行2位元运算。（但目前实际运用能力远低于理论值） 谷歌开发了72量子比特的计算机Bristlecone，在领域内获得量子数目的领先。 发布了量子计算机的开源编程框架Cirq并探索了在神经网络的运用，分享了在理解量子处理 器性能波动方面的经验和技术。 安装安装Br

6、istlecone芯片芯片 资料来源： Google AI Blog 72量子比特的处理器量子比特的处理器Bristlecone 资料来源： Google 官网 4 在在GLUE基准测试中，基准测试中，BERT的最优结果提高了的最优结果提高了7.6% 自然语言理解 在智能语音方面，谷歌根据Transformer架构，开发了Universal Transformer的增强兼容版， 在翻译和语言推理等自然语言任务有显著提升。 开发了深度双向、无监督的语言模型BERT，可使用纯文本语料库进行预训练，再利用迁移学 习对各种任务进行微调。BERT在11个自然语言任务上有显著提升。 资料来源： Googl

7、e AI Blog 5 Google Lens Pixel 2 拍摄的运动照片拍摄的运动照片 图片、声音、视频的感知研究 图像识别：图像识别：提高Google Photos中自动组织内容的能力。Google Lens的图像识别能力再提升，利用Google Assistant能赋予更多环境识别与实时查询的功能。 Looking to Listen：根据视频内容做智能判断，强化视频中说话者的声音，尤其在多人讲话或背景嘈杂的 场景。该技术能应用在视频的语音增强、视频会议，甚至助听器上。 MobileNetV2：运动物体的计算机视觉模型，已被广泛应用于学术界和工业界。MorphNet：是一种深度学 习

8、的网络结构，在算力条件的限制下，仍能提高图像和音频模型的性能。 计算摄影：计算摄影：基于多帧合成，在Pixel 2中开发动态照片功能，在Motion Stills中实现增强现实模式。2019年将 专注在夜视（Night Sight）的能力，使Pixel 手机能够“在黑暗中拍照”。 Motion Stills 的的AR模式模式 资料来源： Google AI Blog 资料来源： Google AI Blog 资料来源： Google AI Blog 6 ADAM和AMSGRAD在维凸问题上的性能比较 算法和软件系统 算法研究：算法研究：算法是谷歌系统的支柱，涉及其所有产品。2018年的相关研究

9、涵盖了从理论基础到应用算 法，从图挖掘到隐私保护计算的广泛领域。 机器学习：机器学习：涉及机器学习的连续优化到分布式组合优化，代表性研究包括神经网络中随机优化算法的 收敛性，并为基于梯度的优化组合提供基础。 软件系统：软件系统：引入Mesh TensorFlow，能简化大规模分布式计算；发布了TensorFlow的深度神经排序库 TF-Ranking library；发布NumPy的变体架构JAX，能以Python做任意顺序的自动区分。 TF-Ranking库 资料来源： Google AI Blog 资料来源： Google AI Blog 7 自动机器学习AutoML AutoML，也称为

10、meta-learning，是指利用机器学习算法，更高效执行机器学习。 发布了使用进化算法，为各种视觉任务匹配最高效的神经网络架构。 在应用上，研究证明AutoML可用于 自动生成图像变换序列，以提高各种图像模型的准确性。 自动查找符号优化的表达方式，比常用的优化规则更有效 AdaNet自适应地生成神经网络的集合，以最小集成损失进行迭代 资料来源： Google AI Blog 8 TPU与Research Cloud 单个TPU v3设备 TPU v3 Pod的一部分 资料来源： Google AI Blog 资料来源： Google AI Blog 第三代第三代TPU：TPU (张量处理器

11、)是基于Tensor Flow的机器学习加速芯片，支持大规模的训 练和推理。 TPU Cloud：全球各地能够在谷歌的研究基础上进行构建。例如通过Colab在TPU上优化 BERT，同时研究人员从TensorFlow Research Cloud获得免费的TPU计算能力。 9 开源软件和数据集 TensorFlow 2015年以来下载超过3000万次，超过1700个贡献者，提交了4.5万个文档与修改。 TensorFlow在2018年发布了8个重要版本并增加了主要功能（如eager execution）。 随着TensorFlow Lite、TensorFlow.js和TensorFlow P

12、robability的推出，生态大幅扩张。 Open Images V4：包含1540万个边界框的数据集、190万张图像（ 600个类别）以及3010万 个经过人工检查的图像级标签（ 19794个类别）。 发布新技术，更高效地使用Fluid Annotation创建可视化数据集。 完整 MNIST 数据集的 tSNE 嵌入的实时演变 COCO数据集图像上的Fluid Annotation界面 资料来源： Google AI Blog 10 机器人抓取未知物体 机器人技术 教机器人抓取从来没见过的物体，相关研究获得CoRL 2018 最佳系统论文奖。 结合机器学习和实物采样，在机器人运动的研究取

13、得了进展。首次在线训练真实机器人的深 度强化学习模型并且研究新的平衡控制方法。 资料来源： Google AI Blog 波士顿动力（已被软银收购）的机器狗Spot 资料来源： CNET 11 追踪大脑单个神经突的追踪大脑单个神经突的 3D模型模型 聚焦质量评估聚焦质量评估 AI在其他领域的应用 自动学习在科学应用的例子包括： 通过数据挖掘恒星的光曲线，寻找新的太阳系外行星 将ML应用神经细胞自动重建的高精度模型，准确性提高了一个数量级。 发掘到短DNA序列的起源或功能 检测失焦显微镜图片 医疗应用医疗应用：经过训练的模型来识别视网膜眼底图像，其检测糖尿病的准确率相当于专业的眼科医生， 甚至略

14、高于医生水平。 ML评估糖尿病视网膜病变评估糖尿病视网膜病变 资料来源： Google AI Blog 感谢您的信任与支持！感谢您的信任与支持！ THANK YOU 许英许英博博 首席科技产业分析首席科技产业分析师师 执业证书编号：S41 联系人：洪嘉骏联系人：洪嘉骏 前前瞻研究员瞻研究员 邮件： 分析师声明分析师声明 主要负责撰写本研究报告全部或部分内容的分析师在此声明：（i）本研究报告所表述的任何观点均精准地反映了上述每位分析师个人对标的证券和发行人的看法；（ii）该分析师所得报酬的任何组成部分无论是在过去、现在及将来均不会直接或间接地 与研究报告所表述的具体建议或观

15、点相联系。 评级评级说明说明 其他声明其他声明 本研究报告由中信证券股份有限公司或其附属机构制作。中信证券股份有限公司及其全球的附属机构、分支机构及联营机构（仅就本研究报告免责条款而言，不含CLSA group of companies），统称为“中信证券”。 法律主体声明法律主体声明 本研究报告在中华人民共和国（香港、澳门、台湾除外）由中信证券股份有限公司（受中国证券监督管理委员会监管，经营证券业务许可证编号：Z20374000）分发。本研究报告由下列机构代表中信证券在相应地区分发：在中国香港由CLSA Limited分 发；在中国台湾由CL Securities Taiwan Co., L

16、td.分发；在澳大利亚由CLSA Australia Pty Ltd.分发；在美国由CLSA group of companies（CLSA Americas, LLC（下称“CLSA Americas”）除外）分发；在新加坡由CLSA Singapore Pte Ltd.（公司注册编 号：198703750W）分发；在欧盟由 CLSA （UK）分发；在印度由CLSA India Private Limited分发（地址：孟买（400021）Nariman Point的Dalamal House 8层；电话号码：+91-22-66505050；传真号码：+91-22-22840271；公司识别

17、号： U67120MH1994PLC083118；印度证券交易委员会注册编号：作为证券经纪商的INZ000001735，作为商人银行的INM000010619，作为研究分析商的INH000001113）；在印度尼西亚由PT CLSA Sekuritas Indonesia分发；在日本由CLSA Securities Japan Co., Ltd.分发；在韩国由CLSA Securities Korea Ltd.分发；在马来西亚由CLSA Securities Malaysia Sdn Bhd分发；在菲律宾由CLSA Philippines Inc.（菲律宾证券交易所及证券投资者保护基金会员）分

18、发；在泰国由CLSA Securities (Thailand) Limited分发。 针对不同司法管辖区的声明针对不同司法管辖区的声明 中国中国：根据中国证券监督管理委员会核发的经营证券业务许可，中信证券股份有限公司的经营范围包括证券投资咨询业务。 美国：美国：本研究报告由中信证券制作。本研究报告在美国由CLSA group of companies（CLSA Americas除外）仅向符合美国1934年证券交易法下15a-6规则定义且CLSA Americas提供服务的“主要美国机构投资者”分发。对身在美国的任何人士发送 本研究报告将不被视为对本报告中所评论的证券进行交易的建议或对本报告中

19、所载任何观点的背书。任何从中信证券与CLSA group of companies获得本研究报告的接收者如果希望在美国交易本报告中提及的任何证券应当联系CLSA Americas。 新加坡：新加坡：本研究报告在新加坡由CLSA Singapore Pte Ltd.（资本市场经营许可持有人及受豁免的财务顾问），仅向新加坡证券及期货法s.4A（1）定义下的“机构投资者、认可投资者及专业投资者”分发。根据新加坡财务顾问法下财务顾问 （修正）规例（2005）中关于机构投资者、认可投资者、专业投资者及海外投资者的第33、34、35及36条的规定，财务顾问法第25、27及36条不适用于CLSA Singa

20、pore Pte Ltd.。如对本报告存有疑问，还请联系CLSA Singapore Pte Ltd.（电 话：+65 6416 7888）。MCI (P) 071/10/2018。 加拿大：加拿大：本研究报告由中信证券制作。对身在加拿大的任何人士发送本研究报告将不被视为对本报告中所评论的证券进行交易的建议或对本报告中所载任何观点的背书。 英国：英国：本段“英国”声明受英国法律监管并依据英国法律解释。本研究报告在英国须被归为营销文件，它不按英国金融行为管理手册所界定、旨在提升投资研究报告独立性的法律要件而撰写，亦不受任何禁止在投资研究报告发布前进行交易的限制。 本研究报告在欧盟由 CLSA （

21、UK）发布，该公司由金融行为管理局授权并接受其管理。本研究报告针对2000年金融服务和市场法2005年（金融推介）令第19条所界定的在投资方面具有专业经验的人士，且涉及到的任何投资活动仅针对此类人士。 若您不具备投资的专业经验，请勿依赖本研究报告的內容。 一般性声明一般性声明 本研究报告对于收件人而言属高度机密，只有收件人才能使用。本研究报告并非意图发送、发布给在当地法律或监管规则下不允许向其发送、发布该研究报告的人员。本研究报告仅为参考之用，在任何地区均不应被视为买卖任何证券、金融工具的要约 或要约邀请。中信证券并不因收件人收到本报告而视其为中信证券的客户。本报告所包含的观点及建议并未考虑个

22、别客户的特殊状况、目标或需要，不应被视为对特定客户关于特定证券或金融工具的建议或策略。对于本报告中提及的任何证券或金融工 具，本报告的收件人须保持自身的独立判断。 本报告所载资料的来源被认为是可靠的，但中信证券不保证其准确性或完整性。中信证券并不对使用本报告所包含的材料产生的任何直接或间接损失或与此有关的其他损失承担任何责任。本报告提及的任何证券或金融工具均可能含有重大的风险，可能 不易变卖以及不适合所有投资者。本报告所提及的证券或金融工具的价格、价值及收益可能会受汇率影响而波动。过往的业绩并不能代表未来的表现。 本报告所载的资料、观点及预测均反映了中信证券在最初发布该报告日期当日分析师的判断

23、，可以在不发出通知的情况下做出更改，亦可因使用不同假设和标准、采用不同观点和分析方法而与中信证券其它业务部门、单位或附属机构在制作类似的其他 材料时所给出的意见不同或者相反。中信证券并不承担提示本报告的收件人注意该等材料的责任。中信证券通过信息隔离墙控制中信证券内部一个或多个领域的信息向中信证券其他领域、单位、集团及其他附属机构的流动。负责撰写本报告的分析师的 薪酬由研究部门管理层和中信证券高级管理层全权决定。分析师的薪酬不是基于中信证券投资银行收入而定，但是，分析师的薪酬可能与投行整体收入有关，其中包括投资银行、销售与交易业务。 若中信证券以外的金融机构发送本报告，则由该金融机构为此发送行为

24、承担全部责任。该机构的客户应联系该机构以交易本报告中提及的证券或要求获悉更详细信息。本报告不构成中信证券向发送本报告金融机构之客户提供的投资建议，中信证券以及 中信证券的各个高级职员、董事和员工亦不为（前述金融机构之客户）因使用本报告或报告载明的内容产生的直接或间接损失承担任何责任。 未经中信证券事先书面授权，任何人不得以任何目的复制、发送或销售本报告。未经中信证券事先书面授权，任何人不得以任何目的复制、发送或销售本报告。 中信证券中信证券2019版权所有。保留一切权利。版权所有。保留一切权利。 免责声明免责声明 投资建议的评级标准投资建议的评级标准 报告中投资建议所涉及的评级分为股票评级和行

25、业评级（另有说明的除外）。评级标准为报告发 布日后6到12个月内的相对市场表现，也即：以报告发布日后的6到12个月内的公司股价（或行业 指数）相对同期相关证券市场代表性指数的涨跌幅作为基准。其中：A股市场以沪深300指数为基 准，新三板市场以三板成指（针对协议转让标的）或三板做市指数（针对做市转让标的）为基准； 香港市场以摩根士丹利中国指数为基准；美国市场以纳斯达克综合指数或标普500指数为基准。 评级评级 说明说明 股票评级股票评级 买入 相对同期相关证券市场代表性指数涨幅20%以上； 增持 相对同期相关证券市场代表性指数涨幅介于5%20%之间 持有 相对同期相关证券市场代表性指数涨幅介于-10%5%之间 卖出 相对同期相关证券市场代表性指数跌幅10%以上； 行业评级行业评级 强于大市 相对同期相关证券市场代表性指数涨幅10%以上； 中性 相对同期相关证券市场代表性指数涨幅介于-10%10%之间； 弱于大市 相对同期相关证券市场代表性指数跌幅10%以上 证券研究报告证券研究报告 2019年年1月月22日日