1、1 1 行 业 及 产 业 行 业 研 究 / 行 业 深 度 证 券 研 究 报 告 计算机 2020 年 12 月 31 日 AI 产业化：2021 高景气主线 看好全行业 AI 赋能系列深度之一 相关研究 AI 技术 “平民化” 后的应用红利期 2020 下半年 AI 行业投资策略 2020 年 7 月 1 日 海康威视（002415）深度：统一软件 架构，软化里程碑！ （ “智”造 TMT 系列 深度之九） 2020 年 2 月 18 日 本期投资提示： 本篇报告核心判断是：2021 为 AI 产业化/资本化大年，同时 AI 将成为计算机 2021 年高 景气投资主线，看好 AI 领军
2、。给出 5 个维度的理由：1）AI 技术底座足以支撑应用爆发， AI 芯片大量成熟量产且性能逐年翻倍、AI 算法效率每 16 个月翻倍；2）AI 新三要素“产 品/方案/工程化”是竞争焦点，行业 Know-How 为何成为关键变量；3）AI 领军的工程 化能力是护城河，项目的成本、效率、质量均占优，中台化后优势扩大；4）借助智能化 转型提效降费成为刚需，智能方案采购的 ROI 达到 50%-150%；5）AI 产业生态“合- 分-合”三阶段推演，当前分散，但行业领军通过 AI 平台，未来实现整合。2016-2017 市场对 AI 预期高但实际经历调整，此轮热潮与之相比，关键提升也在上述 5 个
3、维度。 首先，对 AI 技术底座系统梳理。分析了 2020 版 AI 芯片选型目录中的 37 款成熟量产 AI 芯片方案，结合 AI 芯片性能逐年翻倍的“黄氏定律” 、AI 算法效率每 16 个月提高一倍的 规律，以及云厂商开放大量云化 AI 能力，推断当前 AI 技术积累足以支撑行业应用爆发。 其次，提出 AI 新三要素“产品/方案/工程化”是当前竞争焦点。AI 产业从早期“技术驱 动”向“商业驱动”阶段发展。AI 商业化落地需要算法/产品/系统/解决方案的整体交付， 过程中，不同 AI 厂商的行业 Know-How 形成明显分化。详述各细分领域痛点和智能化应 用场景，并根据电力行业智能化、
4、零售行业货架分析两个案例给出具体解释。 第三，工程化能力是 AI 领军的优势和护城河。结合客户对智能系统的期待值曲线，证明 领军公司借助强工程化能力，用更低的成本、更高的效率落地更优质的智能化方案。且 AI 领军中台化后，成本和效率的优势进一步提升，海康 EBG 大量落地 AI 赋能项目即是证明。 第四，需求端借助智能化转型提效降费，已经成为刚需。宏观环境转向高质量发展、存量 市场竞争压力放大、 政策导向突出科技应用三重因素均推动 AI 产业化加速； 我们计算客户 采购智能化方案后的 ROI，大多为 50%-150%，证明客户持续智能化升级的内生动力。 最后，AI 产业生态“合-分-合”三阶段
5、推演。目前正处在需求快速扩大、技术供应商数量 大量涌现的 2.0 阶段，在一些平台复制难度较高的垂直赛道仍然存在机会窗口。但 Al 开放 平台的模式，逐步成为行业领军的共识。随着这些 AI 平台成熟度和影响力不断提升，未来 行业将走向整合，AI 产业链条从上下游关系演化为平台型关系。推测最终产业格局以横向 扩张的平台型 AI 为主导，垂直型 AI 公司在一些细分领域提供补充。 结合上述对行业的判断，我们认为 AI 领军在 2021 年较有机会。催化因素包括：a）享受 AI 行业需求爆发带来的高景气，获得业绩增长的持续动力；b）具备显著工程化优势、人 员成本优势、中台化的效率优势，在竞争中将扩大
6、市占率；c）领军公司通常已建成 AI 开 放平台，借助生态圈建设整合产业生态，或成为 AI 产业走向 3.0 阶段的最大赢家；d）AI 独角兽纷纷开启 IPO 进程，预计带来板块更高关注度。重点关注 AI 领军：海康威视、虹 软科技、科大讯飞、金山办公。建议关注 AI 基础设施受益的浪潮信息、中科曙光、寒武 纪；拟 IPO 的 AI 公司云从科技、依图科技、旷视科技、云天励飞、云知声等。 风险提示：由于应用场景碎片化，下游落地慢于预期；部分 AI 芯片可能面临制造方面的瓶 颈；部分 AI 新秀企业的自我造血能力较弱，长期生存能力有待证明。 请务必仔细阅读正文之后的各项信息披露与声明 2 2 行
7、业深度 请务必仔细阅读正文之后的各项信息披露与声明 第 2 页 共 29 页 简单金融 成就梦想 投资案件 结论和投资建议 结合我们对行业的判断，AI 领军在 2021 年较有机会。催化因素包括：a）享 受 AI 行业需求爆发带来的高景气，获得业绩增长的持续动力；b）具备显著工程化 优势、人员成本优势、中台化的效率优势，在竞争中将扩大市占率；c）领军公司 通常已建成 AI 开放平台，借助生态圈建设整合产业生态，或成为 AI 产业走向 3.0 阶段的最大赢家；d）AI 独角兽纷纷开启 IPO 进程，预计带来板块更高关注度。重 点关注 AI 领军：海康威视、虹软科技、科大讯飞、金山办公。建议关注
8、AI 基础设 施受益的浪潮信息、中科曙光、寒武纪；拟 IPO 的 AI 公司云从科技、依图科技、 旷视科技、云天励飞、云知声等。 原因及逻辑 总结本文， 我们判断 2021 为 AI 产业化/资本化大年， 同时 AI 将成为计算机 2021 年高景气投资主线。具体而言有以下核心结论： 1）AI 技术底座系统梳理。分析了 2020 版 AI 芯片选型目录中的 37 款成熟量产 AI 芯片方案，结合 AI 芯片的性能逐年翻倍的“黄氏定律” ，以及 AI 算法效率每 16 个 月提高一倍的规律，推断当前 AI 技术积累足以支撑行业应用爆发。 2）提出 AI 新三要素“产品/方案/工程化”是当前竞争焦
9、点，AI 产业从早期“技 术驱动”向“商业驱动”阶段发展。过程中，行业 Know-How 形成明显分化，详述各 细分领域痛点和智能化应用场景，典型案例：零售行业货架分析。 3）工程化能力是 AI 领军护城河。结合客户对智能系统的期待值曲线，证明领军公 司借助强工程化能力，可以用更低成本、更高效率落地更优质的智能化方案。且 AI 领 军中台化后， 成本和效率的优势进一步提升， 海康 EBG 大量落地 AI 赋能项目即是证明。 4）需求端：借助智能化转型提效降费已经成为刚需，宏观环境、竞争压力、政策 导向三重因素均推动 AI 产业化加速；计算客户采购智能化方案后的 ROI，大多为 50%-150%
10、，证明客户持续智能化升级的内生动力。 5）供给端：AI 产业生态“合-分-合”三阶段推演，目前正处在需求快速扩大、技 术供应商数量快速增长的 2.0 阶段， 在一些平台复制难度较高的垂直赛道仍然存在机会 窗口，但随着领军公司的 AI 平台成熟度和影响力不断提升，未来行业将走向整合。 有别于大众的认识 2016-2017市场对AI预期高但实际经历调整， 市场好奇当前这一轮热潮有何不同。 我们对比后认为，当前由于 AI 技术底座（算力的性价比/算法的效率）大幅提升、领军 公司的产品/方案/工程化经过了大量实例验证，积累足够行业 Know-How，且需求端 提效降费迫切，此轮热潮预计能够大量兑现业绩
11、、并持续更长时间。 市场可能担心 GDPR等隐私数据保护政策会限制 AI 产业。 实际上，包括 GDPR在 内的各国政策，保护的仅是“个人数据” 。对于在 B 端/G 端，尤其是工业互联网产生的 海量数据，仍然能够自由地应用而不受限制。这也是 AI 领军重点的发展方向。 qRoRpPtOxOmNrOqRtOqNpR7N8QaQnPmMpNrRkPoPpNfQmPoPaQrQoQwMmOwOxNrQtM 3 3 行业深度 请务必仔细阅读正文之后的各项信息披露与声明 第 3 页 共 29 页 简单金融 成就梦想 1. 2021：AI产业化/资本化大年. 6 2. AI 三要素“算力/算法/数据”：
12、进阶与挑战并存 . 8 2.1 算力/算法：AI 技术底座今非昔比.8 2.2 数据：GDPR 严管个人数据，C 端 AI 应用承压. 11 3. AI 新三要素“产品/方案/工程化”：竞争焦点 . 13 3.1 产品/方案：行业 Know-How 形成明显分化 . 14 3.2 工程化能力：AI 领军的护城河 . 17 4. 需求端：提效降费成刚需，ROI 促使智能化普及 . 20 4.1 进入高质量发展阶段，产业数字化加速追赶海外 . 20 4.2 智能化转型高 ROI，驱动其快速普及 . 22 5. 供给端：开放平台/生态强力助推 AI 落地 . 25 5.1 AI 产业生态三阶段推演：
13、合-分-合 . 25 5.2 领军搭建的 AI 平台成为核心基础设施 . 26 6. 投资建议 . 27 目录 4 4 行业深度 请务必仔细阅读正文之后的各项信息披露与声明 第 4 页 共 29 页 简单金融 成就梦想 图表目录 图 1：申万宏源计算机历年策略报告对 AI 发展阶段的判断 . 6 图 2：国内新创 AI 公司数在 2015-2016 达到峰值 . 7 图 3：AI 领域一级市场融资数在 2017 年达到峰值 . 7 图 4：2021 为 AI 产业化/资本化大年，预计 AI 成为投资主线. 8 图 5：昇腾 310 大幅降低 AI 单位功耗与成本 . 10 图 6：黄氏定律：预
14、测 AI 芯片性能逐年翻倍 . 10 图 7：公有云厂商开放了大量云化 AI 能力 . 10 图 8：2019-2024 全球 AI 服务器收入 CAGR 达 19.4% . 10 图 9：随着算法能力提升，训练特定任务所需的 AI 计算量快速下降 . 11 图 10：联邦学习可实现在不共享数据的前提下，完成联合建模. 12 图 11：政府和金融仍是 AI 最大的应用领域 . 13 图 12：数据潜力的进一步挖掘，将释放 AI 应用空间 . 13 图 13：下一阶段需重点关注智能制造、智能零售、智能医疗等领域的应用场景14 图 14：商业驱动阶段，算法远非解决问题的完整答案 . 15 图 15
15、：以电力行业 AI 应用为例，区分算法/产品/系统/解决方案 . 15 图 16：看似相同的货架分析场景，实际的方案路径完全不同 . 17 图 17：智能系统落地是一项系统工程 . 17 图 18：智能应用系统研发的期望曲线 . 18 图 19：海康威视已建立完整的统一研发体系（中台）支撑 AI 工程化 . 19 图 20：海康官方发布的赋能应用案例数量汇总 . 19 图 21：宏观、竞争、政策三重驱动下，AI 产业化的需求旺盛 . 20 图 22：我国经济进入增速换挡期 . 20 图 23：资本投入产出效率已经见顶回落 . 21 图 24：制造业平均工资上涨压缩了劳动力红利 . 21 图 2
16、5：我国数字经济规模占比与发达国家差距较大 . 21 图 26：我国工业领域的数字经济渗透率明显落后. 21 图 27：全球主要国家加速出台政策，引导 AI 技术支持实体经济 . 22 图 28：我国数字化转型投入增速将超过美国 . 22 5 5 行业深度 请务必仔细阅读正文之后的各项信息披露与声明 第 5 页 共 29 页 简单金融 成就梦想 图 29：AI 应用可以在多个维度为企业创造价值 . 23 图 30：AI 产业生态的三阶段推演 . 25 图 31：海康威视 AI 开放平台极大地降低了 AI 开发门槛 . 26 图 32：生态平台将成为 AI 产业运行的关键一环，重塑 AI 产业链
17、条 . 27 表 1：申万宏源计算机历年 AI 策略报告核心观点逐步验证 . 6 表 2：A 股近期上市/拟上市 AI 公司情况. 7 表 3：边缘和端侧应用的成熟 AI 芯片方案已经大量涌现 . 8 表 4：2020 年部分 AI 芯片量产落地情况 . 9 表 5：欧美和中国在近年均加速了个人隐私保护相关立法工作 . 11 表 6：机器视觉四小龙已将重心转向 AI 商业化落地 . 13 表 7：工业领域各细分行业的特点、痛点和应用场景均有明显差异 . 16 表 8：客户采购 AI 软件统一平台等应用后绩效 ROI 模拟测算，以及海康威视 LTV 增加 测算. 23 表 9：制造业各细分领域
18、AI 平台复制难度分析 . 26 表 10：相关公司估值表 . 28 6 6 行业深度 请务必仔细阅读正文之后的各项信息披露与声明 第 6 页 共 29 页 简单金融 成就梦想 1. 2021：AI 产业化/资本化大年 两轮 AI 热潮比较（2016-2017 vs. 2020-2021）：2017 年 AI 行业进入泡沫期后的 整合阶段，经过 3 年蓄力，目前正处于第二轮加速成长期。申万宏源计算机每年策略报告 均给出国内 AI 行业所处景气周期位置，2016-2017 年为行业爆发的泡沫期，随后进入整 合阶段， 经过 3 年蓄力后， 2020-2021 再次加速成长。 我们认为， 2021
19、为 AI 产业化大年， 在新老“AI 三要素”以及行业供需两端的共同助推下，AI 加速在下游各领域应用落地并兑 现红利；同时，2021 为 AI 资本化大年，AI 独角兽有望集中登陆二级市场，助推板块性热 度。我们在最新年度策略明确判断：AI 将是计算机 2021 年高景气投资主线之一。 图 1：申万宏源计算机历年策略报告对 AI 发展阶段的判断 资料来源：申万宏源研究 回顾历年 AI 策略，核心观点逐步验证。如下表所示，我们 2016.11 即前瞻性指出“人 工智能发展正处于 Know-How 时代，并在 2018.11 进一步明确行业 Know-How 成为 AI 场景核心壁垒；2017.
20、7 从核心技术成熟度推导下游主要行业应用成熟节奏，并在每篇策略 报告中更新 AI 在各个领域应用情况； 2017.11 聚焦 AI 芯片， 明确 ASIC 为最佳方案； 2020.7 指出新一轮 AI 红利期即将开启。以上核心观点正在获得产业的逐步验证。 表 1：申万宏源计算机历年 AI 策略报告核心观点逐步验证 时间 报告名称 核心观点 2016.11 人工智能的“KNOW-HOW”时代如何 理解非主题地投资人工智能（2017 AI 策略） 前瞻性指出“人工智能发展正处于 Know-How 时代，即基础算法已 成熟，行业应用型算法及各类应用、商业模式快速丰富的时代” 2017.7 “技术冲击
21、”AI 细分行业的演进猜想人 工智能投资展望（2017H2 AI 策略） 回顾 AI 发展史历次寒冬期，并从算力、算法、数据技术三要素决定冲 击层次。一线为安防、工业，特征为收入、利润将快速兑现。二线为 教育、医疗，特征为技术确定性高、空间较大、具有规模化优势而进 展较慢。三线为金融、智能驾驶，特征为技术未证明绝对可行，产业 处于快速尝试期 7 7 行业深度 请务必仔细阅读正文之后的各项信息披露与声明 第 7 页 共 29 页 简单金融 成就梦想 2017.11 AI 国芯破局，行业切入成长期2018 人 工智能行业投资策略 聚焦 AI 的基础算力， 三种 AI 芯片方案优劣比较， 明确 AS
22、IC 为最佳方 案。指出 AI 行业从导入期切入成长期，手机、安防场景将马上步入商 业化，教育、医疗正孕育商业模式 2018.6 新 AI 算力，新“安迪-比尔”成长！ 人 工智能行业 2018 年下半年投资策略 人工智能 AI 也遵循“安迪-比尔”定律，即从芯片、硬件、到软件、 应用、平台；由于“安迪-比尔”定律传导，出现 AIaaS，出现 Docker 技术，这是机会的蓝海 2018.11 新算力下的 2019AI 全行业智能深化 2019 年 AI 行业投资策略 AI 基础设施处于爆发前夜；行业 Know-How 成为 AI 场景核心壁垒， BAT 加速入股 B 端龙头抢占 AI 场景入
23、口 2020.7 AI 技术“平民化”后的应用红利期2020 下半年 AI 行业投资策略 预计 2020H2 将有大量 AI 芯片成熟并批量出货，算力成本大幅下降； 算法优化，效率提升类似“摩尔定律”；开放平台和生态助推 AI 应用 普及；AI 赋能在制造、零售、教育等领域潜力巨大 资料来源：申万宏源研究 资本化大年的证据：对国内 AI 初创企业而言，2016-2017 为一级市场融资高峰， 2020-2021开启二级市场 IPO高峰。 据亿欧智库统计， 国内 AI公司新创数量在2015/2016 年达到高点，均超过 200 家；AI 领域一级市场融资数量随后达到峰值，2017 年完成 455
24、 起。2017 年之后，新创 AI 企业数量和投融资数量迅速下降，AI 一级市场降温。时至 2020 年底， 依图、 云从、 云天励飞、 云知声等 AI 独角兽公司集中披露招股书， 有望陆续完成 IPO， 开启新一轮资本热度，同时佐证行业应用走向成熟。 图 2：国内新创 AI 公司数在 2015-2016 达到峰值 图 3：AI 领域一级市场融资数在 2017 年达到峰值 资料来源：亿欧，申万宏源研究 资料来源：亿欧，申万宏源研究 表 2：A 股近期上市/拟上市 AI 公司情况 AI 公司 成立年份 主要方向 上市进程 云天励飞 2014 机器视觉 2020.12 首次披露招股书（科创板） 云
25、从科技 2015 机器视觉 2020.12 首次披露招股书（科创板） 依图科技 2013 机器视觉 2020.11 首次披露招股书（科创板） 云知声 2012 智能语音 2020.11 首次披露招股书（科创板） 旷视科技 2013 机器视觉 2019.8 首次披露招股书（港股） 寒武纪 2016 AI 芯片 2020.7 科创板上市 石头科技 2014 智能家居 2020.2 科创板上市 虹软科技 2003 机器视觉 2019.7 科创板上市 资料来源：wind，申万宏源研究 63 70 138 215 228 120 53 32 0 50 100 150 200 250 2012A2013A
26、2014A2015A2016A2017A2018A2019A 中国历年新创立的AI公司数量 32 82 172 267 371 455 368 116 0 100 200 300 400 500 2012A2013A2014A2015A2016A2017A2018A2019A 中国AI领域一级市场投融资数量 8 8 行业深度 请务必仔细阅读正文之后的各项信息披露与声明 第 8 页 共 29 页 简单金融 成就梦想 2021 同时也是 AI 产业化大年，蕴藏重要投资机会。这是本文的重点，我们在后续章 节详述理由。 图 4：2021 为 AI 产业化/资本化大年，预计 AI 成为投资主线 资料来源
27、：申万宏源研究 2. AI 三要素“算力/算法/数据”：进阶与挑战并存 2.1 算力/算法：AI 技术底座今非昔比 AI 技术底座提升之一：AI 芯片选择面大幅拓宽。2019 为国产 AI 芯片发布大年，科技 巨头和 AI 初创公司均有显著进展。国产替代加速的背景下，叠加国产 AI 芯片更好的性价 比，预计下游应用厂商导入更为迅速，我们认为 2021 年国产 AI 芯片将大量成熟并批量出 货。在中国人工智能产业发展联盟发布的AI 芯片技术选型目录（2020）中，已经收录 了 3 款云端训练芯片、6 款云端推断芯片、6 款边缘计算芯片、22 款终端芯片，均为成熟 可用的 AI 芯片方案。且目前已
28、有多款国产 AI 芯片实现了十万级以上的出货量验证。对下 游应用厂商而言，选择面极大丰富。 表 3：边缘和端侧应用的成熟 AI 芯片方案已经大量涌现 应用领域 公司名称 芯片名称 上市时间 功耗 深度学习计算能力 INT8 FP16 通用 NVIDIA Jetson Nano 2019 年 3 月 5W | 10W 0.5 TFLOPS Jetson TX2 2017 年 3 月 7.5W | 15W 1.3TFLOPS Jetson Xavier NX 2019年11月 10W |15W 14|21TOPS Jetson AGX Xavier 2018年12月 10W |15W |30W 3
29、2TOPS 16TFLOPS Jetson AGX Xavier 2019 年 10W |20W 19.3TOPS 9.6TFLOPS 华为 昇腾 310AI 处理器 2019 年 8Tops4W 16 Tops8W 16TOPS 8T 瑞芯微 RK1808 2019 年 6 月 3W 3TOPS 100GFLOPS RK3399Pro 2018 年 1 月 10W 3TOPS 0.3T 天数智芯 Iluvatar CoreX I 2019年10月 峰值 5W NA 4.8T 安防、机器 人、车载 云天励飞 DeepEye1000 2019 年 9 月 典型功耗 2W 支持 支持 紫光展锐 虎
30、贲 T710 2019 年 8 月 2.3W 3.2TOPS 0.5TOPS 9 9 行业深度 请务必仔细阅读正文之后的各项信息披露与声明 第 9 页 共 29 页 简单金融 成就梦想 海思 Hi3516D V300 2018年10月 典型 1.0W 1TOPS Hi3519A V100 2018 年 7 月 典型 1.9W 2TOPS Hi3559A V100 2018 年 1 月 典型 3W 4TOPS Hi3562 V100 2020 年 3 月 典型 0.6W 0.5TOPS Hi3566 V100 2020 年 3 月 典型 1W 1TOPS Hi3568 V100 2020 年 6
31、 月 典型 1.9W 1.5TOPS Hi3569 V100 2020 年 6 月 典型 3W 4TOPS 语音 启英泰伦 CI1103 2019 年 9 月 工作功耗：100mW 深聪半导体 TH1520 2019 年 1 月 200mW 16GOPS 2GOPS 清微智能 TX210 2019 年 6 月 工作模式 450uW 12.8GOPS 资料来源：AI 芯片技术选型目录（2020），申万宏源研究 表 4：2020 年部分 AI 芯片量产落地情况 芯片厂商 芯片型号 芯片类型 量产落地情况 百度 昆仑 1 云端 AI 芯片 2020 年底已经量产 2 万片，性能相比 T4 GPU 提
32、 升1.5-3倍。 百度昆仑2预计在2021年上半年量产， 性能将比昆仑 1 提升 3 倍 地平线 征程 2 自动驾驶 AI 芯片 2020 年 12 月出货量已超 10 万，搭载此款芯片的 汽车实现了 L2+级自动驾驶，预计 2022 年前装装 车量将超百万 SigmaStar 星宸科技 降龙系列 AI 视觉芯片 在安防领域，为海康威视、大华、宇视等企业提供 全系列 IPC 处理芯片；希望成为全球最大的 AI Camera 系统芯片供应商 比特大陆 算丰系列 云端/终端 AI 芯片 基于最新款自研 AI 芯片 BM1684，比特大陆 AI 超 算中心助力北京、福州、安徽等地的智慧城市项目 鲲
33、云科技 CAISA 数据流 AI 芯片 2020 年 6 月完成量产， 相较于英伟达边缘端旗舰产 品 Xavier，鲲云的星空加速卡 X3 可实现 1.48-4.12 倍的实测性能提升 亿智电子 SV/SA/SH 系列 端侧视觉 AI 芯片 2020 年底已有超百万颗芯片量产落地，落地的场景 以人脸设备为主 资料来源：电子发烧友，申万宏源研究 AI 技术底座提升之二：AI 芯片的性能逐年翻倍（黄氏定律）。“黄氏定律(Huangs Law)”由英伟达创始人黄仁勋名字命名，对 AI 性能的提升作出预测：预测 GPU 将推动 AI 性能实现逐年翻倍。英伟达首席科学家 Dally 称：“在摩尔定律逐渐
34、失效的当下，如果想 提高计算机性能，黄氏定律就是一项重要指标，且在可预见的未来都将一直适用。” 事实上除了 GPU 外，其他厂商推出的 AI 芯片性价比提升更加明显。如 2019 年 4 月 华为宣布基于昇腾 310 的 Atlas 平台上市。昇腾 310 已经具备了 64TOP INT8 整数计算能 力、功耗仅为 67W，即 1.05W/TOP；Atlas 300 AI 加速卡的上市价格为 13699 元，即 214 元/TOP。而当时主流 GPU 的算力单位功耗约为 2W/TOP，算力单位成本约为 681 元 /TOP。 1010 行业深度 请务必仔细阅读正文之后的各项信息披露与声明 第
35、10 页 共 29 页 简单金融 成就梦想 图 5：昇腾 310 大幅降低 AI 单位功耗与成本 图 6：黄氏定律：预测 AI 芯片性能逐年翻倍 资料来源：华为，申万宏源研究 资料来源：NVIDIA，申万宏源研究 AI 技术底座提升之三：云厂商提供强大的云化 AI 能力。据 IDC，2019 年全球 AI 服 务器销售额达到 99 亿美金，并将在 2024 年达到 239 亿美金，复合增速 19.4%。其中部 署在云端 AI 服务器销售额占比逐年提升，并将在 2021 年超过 50%，证明 AI 云服务成长 潜力大。其中我国 AI 服务器增长尤其强劲：2019 年中国 AI 服务器出货量为 7
36、.9 万台，同 比增长 46.7%；预计中国 AI 服务器市场在 2018-2023 年的年复合增长率为 37.9%。 与此同时，国内的公有云厂商开放了大量云化 AI 能力（如人脸识别、智能语音、NLP 等），为 AI 普及应用提供了坚实的算力基础。且自 2018 年以来，多家云计算厂商（或其 母公司）发布用于训练或推理的云端 AI 芯片，强化了底层支撑能力。 图 7：公有云厂商开放了大量云化 AI 能力 图 8：2019-2024 全球 AI 服务器收入 CAGR 达 19.4% 注：圆圈大小代表当前开放 AI 能力的数量 资料来源：IDC，申万宏源研究 资料来源：IDC，申万宏源研究 AI
37、 技术底座提升之四：AI 算法优化，效率每 16 个月提高一倍。基于权威研究机构 OpenAI 对 2012 年以来的算法效率跟踪，在 ImageNet 分类上训练具有相同性能的神经 网络，所需要的计算量，每 16 个月降低一倍。在 WMT-14 的翻译任务上，算法效率翻倍 所需的时间仅为 6 个月。这些结果表明，对于 AI 任务，算法上的进步相比硬件的进步（服 从摩尔定律或黄氏定律），产生的效益接近甚至更高。 0 100 200 300 400 500 600 700 800 0 0.5 1 1.5 2 2.5 主流GPU昇腾310 AI算力单位功耗（W） AI算力单位成本（元，右轴） 2.
38、8 4.3 4.7 6.9 9.8 11.9 13.2 4.0 4.43.7 4.7 6.0 6.5 6.6 0.9 1.2 1.3 1.9 2.7 3.5 4.1 0 5 10 15 20 25 2018A 2019A 2020E 2021E 2022E 2023E 2024E 全球AI服务器收入规模（十亿美元） CloudOn premisesEdge 1111 行业深度 请务必仔细阅读正文之后的各项信息披露与声明 第 11 页 共 29 页 简单金融 成就梦想 图 9：随着算法能力提升，训练特定任务所需的 AI 计算量快速下降 注：此处衡量算法效率的指标是在特定任务上（如 ImageNe
39、t）达到相同性能所需的计算量（FLOPs） 注 2：Original 列指改进前的神经网络模型，Improved 列指改进后的模型，Doubling Time 列指的 是效率翻倍所需时间。 如第三行可以解读为： 在 WMT 14 的翻译任务上， Transformer 相比seq2seq， 训练的效率提升了 61 倍，所用时间约为 3 年，也即翻倍时间为 6 个月 资料来源：OpenAI，申万宏源研究 2.2 数据：GDPR 严管个人数据，C 端 AI 应用承压 GDPR 及国内个人数据保护政策陆续出台。欧盟通用数据保护条例（GDPR）自 2018 年 5 月正式出台至今已两年有余。该条例是迄
40、今为止全球覆盖范围最广、最严格的数 据安全隐私保护法规，代表着全球对数据保护领域探索的前沿。多个国家紧跟 GDPR 实施 步伐制定数据保护法，进一步完善本国数据保护制度，强化数据保护。如 2018 年 6 月， 美国加州颁布了 2018 年加州消费者隐私法案 （CCPA） ， 印度在 2018 年 7 月发布 2018 年个人数据保护法案（草案），巴西总统在 2018 年 8 月批准了通用数据保护法。 我国也正在加快推动个人信息保护法和数据安全法等信息保护立法工作。 表 5：欧美和中国在近年均加速了个人隐私保护相关立法工作 法案名称 地区 生效时间 核心内容 通用数据保护条例（GDPR） 欧盟
41、 2018 年 5 月 GDPR 被称为有史以来数据保护的最高标准， GDPR 保护的 仅是“个人数据”（personal data），条例对数据使用的 透明度、 身份数据的保存期限、 企业和组织在对个人数据的 操作流程均有限制， 以及规定生物信息属于其所有者。 违反 GDPR 的企业，可能面临巨额罚款。 加州消费者隐私法案（CCPA） 美国加州 2020 年 1 月 CCPA 被认为是美国国内最严格的隐私立法， 规定了新的消 费者权利，涉及企业收集的个人信息的访问、删除和共享， 旨在加强消费者隐私权和数据安全保护。 企业负有保护个人 信息的责任，消费者控制并拥有其个人信息。 个人信息保护法（
42、草案） 中国 2020 年 10 月 公开征求意见 草案确立了个人信息处理应遵循的原则， 强调处理个人信息 应当采用合法、正当的方式，具有明确、合理的目的，限于 实现处理目的最小范围；除法律规定的情形外，收集、使用 个人信息应当向个人告知并取得同意， 并要求个人信息处理 者采取必要的安全保护措施，保护个人信息安全。 资料来源：全国人大，腾讯研究院，申万宏源研究 1212 行业深度 请务必仔细阅读正文之后的各项信息披露与声明 第 12 页 共 29 页 简单金融 成就梦想 个人数据保护法案主要影响 C 端数据采集和 AI 应用。 由于收集数据的一方经常不是使 用数据的一方，如 A 方收集数据，转
43、移到 B 方清洗，再转移到 C 方建模，最后将模型卖给 D 方使用。这种数据在实体间转移，交换和交易的形式违反了 GDPR，并可能遭到法案严 厉的惩罚。 联邦学习是理想的破局方案。联邦学习是指在进行机器学习的过程中，各参与方可借 助其他方数据进行联合建模。各方无需共享数据资源，即数据不出本地的情况下，进行数 据联合训练，建立共享的机器学习模型。联邦学习使多个参与方在保护数据隐私、满足合 法合规要求的前提下继续进行机器学习，解决数据孤岛问题。联邦学习目前已经在消费金 融、医疗、广告等领域的 AI 应用中发挥作用。 图 10：联邦学习可实现在不共享数据的前提下，完成联合建模 资料来源： 联邦学习白
44、皮书 ，申万宏源研究 B 端/G 端的 AI 应用则继续享受数据红利。GDPR 等法规保护的仅是“个人数据”， 主要限制 C 端；而由工业互联网、5G 普及等带来源源不断的增量数据将继续推动 B/G 端 的 AI 落地应用。据 IDC 统计，当前国内人工智能落地最大的两个领域分别是政府和金融， 与其数据量优势相对应（见图 11、12）。预计随着制造业、零售业等下游领域数字化转型 深入，数据潜力释放，AI 赋能应用将进入快速增长期。所以在当前时点，我们更加关注 AI 在 B/G 端落地带来的投资机会。 智能制造意味着数据、互联等新生产资料与生产关系的革命性变化。石油、煤炭等矿 藏实际是数十亿年太
45、阳能量的积累与转化，并在自然界循环，工业数据也类似。来自工艺 环节的数据在网络空间汇集、处理、沉淀，最终又在工艺环节体现价值。与蒸汽时代、电 力时代的技术革命相仿，数据将成为工业企业的重要生产资料，TMT将成为重要的生产工 具。 1313 行业深度 请务必仔细阅读正文之后的各项信息披露与声明 第 13 页 共 29 页 简单金融 成就梦想 图 11：政府和金融仍是 AI 最大的应用领域 图 12：数据潜力的进一步挖掘，将释放 AI 应用空间 资料来源：IDC，申万宏源研究 资料来源： 2019 年人工智能发展白皮书 ，申万宏源研究 3. AI 新三要素“产品/方案/工程化”：竞争焦点 人工智能
46、企业已经逐步从早期“技术驱动”向“商业驱动”阶段发展。AI 新三要素“产 品/方案/工程化”是人工智能从实验室走向大规模商业化的必备能力，也是当前阶段 AI 公 司的竞争焦点。与实验室研究不同，商业化是企业如何利用 AI 技术来解决实际的问题，并 通过市场进行规模化变现的商业行为，它关系到人工智能的技术能力、易用性、可用性、 成本、可复制性以及所产生的客户价值。当前 AI 商业化仍存在“实验室-商业社会鸿沟”， 要从早期普遍强调技术优势，过渡到更加注重产品化、更加融合生态、更加解决实际问题 的商业化发展阶段。 表 6：机器视觉四小龙已将重心转向 AI 商业化落地 场景 商汤科技 旷视科技 云从
47、科技 依图科技 安防 方舟城市级开放视觉平台、 人脸动态比对服务器等产品 城市管理、楼宇园区管理数 字化解决方案 AI+人像大数据、智慧社区 实有人口。智慧园区安防解 决方案 城市安全、智慧园区解决方 案 金融 线上金融（文字识别等）、 线下金融（智慧网点、会员 识别等） 卡证信息录入、身份认证 智慧网点、智慧识人、风控 解决方案 智能网点、刷脸取款解决方 案 零售 智慧商业解决方案 零售行业数字化解决方案 智慧门店综合、 智慧 4S 专营 店、房地产智慧案场人脸识 别解决方案 顾客识别、轨迹热区、4S 店 标准化解决方案 汽车 高级辅助驾驶系统、智能车 舱 车主身份验证、司机驾驶状 态分析
48、/ / 交通 人群分析系统 / 民航旅客出港服务、航站楼 管理服务、民航大数据服务 解决方案 / 医疗 智慧诊疗平台 / / care.ai医疗智能全栈式产品 解决方案 1414 行业深度 请务必仔细阅读正文之后的各项信息披露与声明 第 14 页 共 29 页 简单金融 成就梦想 教育 AI 基础教育、智慧校园解决 方案 数字行业数字化解决方案 / / 物流 / 仓储物流数字化解决方案 / / 制造 / 工厂制造数字化解决方案 / / 手机 人脸 3D 重建方案、手机图 像处理解决方案、手机人脸 解锁方案等产品 手机安全、影像解决方案 / / 资料来源：公司官网、公司招股书、申万宏源研究 寻找
49、合适的落地场景，是 AI 厂商走向商业化的关键一步。根据 IDC 最新发布的中国人 工智能应用场景发展报告，结合机器视觉四小龙当前的产业布局，我们对 AI 商业化落地场 景有如下判断：1）生物识别、智慧城市、智慧金融等领域已经实现广泛应用，当然，智慧 城市和智慧金融领域的应用成熟度、市场空间仍然有较大的上行潜力；2）预计下一阶段重 点发力的领域是智能零售和智能制造；3）智能医疗和智能教育的长期增长潜力大，但需要 较长时间培育和积累，预计需要 5 年左右时间迎来应用高峰。 图 13：下一阶段需重点关注智能制造、智能零售、智能医疗等领域的应用场景 资料来源：IDC，申万宏源研究 3.1 产品/方案
50、：行业 Know-How 形成明显分化 AI 商业化落地需要算法/产品/系统/解决方案的整体交付。四个层级具体定义见下图。 我们发现，在先前的技术驱动阶段被过分强调的 AI 算法，实际上很难直接解决现实中的问 题。部分简单业务应用中，方案或系统的重要性或降低，算法+产品即可满足需求；但越复 杂的应用，系统平台和整体解决方案对最终效果的影响越大。且相比于标准化和数量有限 的算法，越到上层，定制化和复杂程度就越高，也越需要 AI 厂商具备更深入的行业 1515 行业深度 请务必仔细阅读正文之后的各项信息披露与声明 第 15 页 共 29 页 简单金融 成就梦想 Know-How、更丰富的系统设计开
sgpjbg002
工作日 8:30 - 17:30
会员动态：
报告分类
新质生产力
ChatGPT
新能源汽车
大模型
Sora
机器人
微短剧
芯片
薪酬
白皮书
低空经济
数据要素
创新药
人工智能
AI产业
信息科技
互联网
消费经济
汽车交通
电商零售
传媒娱乐
医药健康
投资金融
能源环境
地产建筑
传统产业
英文报告
其它
扫码登录
手机快捷登录
账号登录
