1、 1 本报告版权属于安信证券股份有限公司。本报告版权属于安信证券股份有限公司。 各项声明请参见报告尾页。各项声明请参见报告尾页。 xml 三类三类人工智能人工智能企业或终将同台竞技企业或终将同台竞技 回溯人工智能的发展史，奠定当下的商业化的理论知识，可以追溯到回溯人工智能的发展史，奠定当下的商业化的理论知识，可以追溯到70 年前，发展至今年前，发展至今，我们认为我们认为其其大体可以划分为三个阶段大体可以划分为三个阶段： 第一阶段（第一阶段（1943-2006 年） ：年） ：这是奠定人工智能发展的理论知识积累的时期，期间也曾产生过一些阶段性成果，但总体而言受限于数据规模与算力，相关研究进展缓慢

2、； 第二阶段（第二阶段（2006-2016 年） ：年） ：算法、算力与数据都较前期有了质的飞跃，三重合力推动人工智能应用效果显著，在计算机视觉、语音识别等多领域取得了重大技术突破，人工智能开始具备商业价值； 第三阶段 （第三阶段 （2016年至今） ：年至今） ：以 Alpha Go 打败李世石为里程碑事件，人工智能开始全面推向商业化应用， 全球各国都高度关注人工智能的发展， 中国尤甚。 在政策扶持、 强大数字基建支撑等多重因素下，中国在人工智能应用场景上的优势尤为突出。 三类企业各有所长，或终将同台竞技。三类企业各有所长，或终将同台竞技。我们将人工智能行业的参与方概括为三类，并总结了其在竞

3、争中的优势与相对劣势： 互联网科技巨头互联网科技巨头：以谷歌、百度、阿里巴巴、腾讯、字节跳动为代表。具备较强的算法能力，掌握数据资源（特别是 C 端数据） ，且品牌效应显著，能力最为全面，在竞争中占有较大优势；但确容易面临内部资源分配问题； AI 创业企业：创业企业：以商汤科技、旷视科技、云从科技、依图科技为代表。研发能力突出，且多以自研框架为主，特定场景算法能力的优势凸显；但缺少行业与客户的积累； 传统硬件厂商等传统硬件厂商等：以海康威视、大华软件为代表。在特定场景中有多年业务积累，向智能化方向升级适应 AI 时代。其优势在于具有强大的销售渠道与客户拓展能力，但在算法能力上相对弱势。 三类企

4、业将在未来一段时间内共享行业增长红利，但随着行业增速放缓，或终将同台竞技，产生客户资源竞争或价值链的再分配，竞争格局有望进一步清晰。 AI 创业企业面临的共同课题创业企业面临的共同课题。我们认为下一阶段，AI 创业企业都将面临以下两个课题： 盈利的压力：盈利的压力：目前 AI 四小龙都处于亏损状态，实现盈利的路径反映在业务层面可以重点关注客户拓展与模式创新带来的收入增长，以及规模效应逐步显现推动费用率显著下降； 路径的选择路径的选择：人工智能场景落地复杂且业务链条长，我们判断上述厂商势必需要进行一定的取舍，具体有两条路径：一是沿着场景进行取舍，从而产生业务场景的垂直化；二是沿着产业链环节进行取

5、舍，从而带来产业链的分工化。 风险提示：风险提示：行业增长不及预期、行业竞争格局恶化。 Tabl e_Ti t l e 2022 年年 01 月月 14 日日 传媒传媒 Tabl e_BaseI nf o 行业深度分析行业深度分析 证券研究报告 投资投资评级评级 领先大市领先大市-A 维持维持评级评级 Tabl e_Fi rst St oc k 首选股票首选股票 目标价目标价 评级评级 Tabl e_C hart 行业表现行业表现 资料来源：Wind资讯 % 1M 3M 12M 相对收益相对收益 15.38 25.46 37.67 绝对收益绝对收益 9.76 22.45 24.79 相关报告相

6、关报告 传媒互联网 2022 年策略报告：虚拟数字人与 NFT 的交集IP 孵化与商业化的新逻辑 2022-01-03 科技巨头布局元宇宙系列报告 14：Apple， 肩负着将 AR/VR 设备推向通用型硬件的使命 2021-12-30 科技巨头布局元宇宙系列报告 13：HTC&索尼&小米以硬件为始，构筑内容生态闭环 2021-12-28 科技巨头布局元宇宙系列报告 12：阿里巴巴&亚马逊云计算巨头布局元宇宙的同与异 2021-12-19 科技巨头布局元宇宙系列报告 11：以Epic Games 的虚幻引擎为代表的游戏引擎对比，以 Valve 的 SteamVR 为代表的 VR 社交平台对比

7、2021-12-13 -13%-7%-1%5%11%17%23%-052021-09媒体(中信) 沪深300 行业深度分析/传媒 2 本报告版权属于安信证券股份有限公司。本报告版权属于安信证券股份有限公司。 各项声明请参见报告尾页。各项声明请参见报告尾页。 内容目录内容目录 1. 人工智能：将“人”由现实映射到虚拟世界的技术脉络之一人工智能：将“人”由现实映射到虚拟世界的技术脉络之一. 4 2. 奠定当下的商业化的理论知识，可以追溯到奠定当下的商业化的理论知识，可以追溯到 70 年前年前 . 5 2.1. 1943-2006 年：理论知识积累的时期，相关研究进展缓慢 .

8、5 2.2. 2006-2016 年：算法、算力与数据三重合力推动，人工智能取得重大突破 . 6 2.3. 2016 年至今：人工智能全面走向商业化应用，中国在应用场景优势突出 . 8 3. 基础层蓬勃发展，关注场景规模的增长基础层蓬勃发展，关注场景规模的增长 .11 3.1. 基础层：算法实力大幅提升，ASIC 与云计算将进一步释放算力 .11 3.1.1. 算法：算法实力大幅提升，Tensor flow 与 Pytorch 为主流框架. 12 3.1.2. 算力：芯片逐步走向定制化，云计算将进一步释放算力 . 13 3.2. 技术层：以计算机视觉为核心，广泛作用于多个场景 . 15 3.2

9、.1. 计算机视觉：人工智能最大细分市场，在安防领域应用最为广泛 . 15 3.2.2. 自然语言处理：语音助手快速发展，广泛应用于物联网 . 16 3.3. 应用层：城市治理相关占比近半，关注传统场景渗透率提升与新场景突破. 17 4. 三类企业各有所长，或终将同台竞技三类企业各有所长，或终将同台竞技. 18 4.1. 互联网科技巨头: 资源最为全面，竞争优势突出 . 18 4.1.1. 谷歌：AI First，人工智能领域综合实力 Top1 . 18 4.1.2. 百度：中国最早 all in AI 的科技巨头，率先抢占 AI 时代 . 20 4.2. AI 创业企业：多以自研框架为主，技

10、术优势突出. 22 4.2.1. 商汤科技：以强大底层基建支撑长尾场景布局，规模效应初现 . 23 4.2.2. 旷视科技：重点布局三大物联网场景，打造“算法-软件-硬件”协同模式 . 24 4.3. 传统硬件厂商：推进智能化业务布局，在客户资源与产品交付方面占优 . 25 4.3.1. 海康威视：安防龙头向智能化升级，积极布局全方位产品生态 . 25 4.4. 三类企业对比：当前共享增长红利，长期看或终将同台竞技. 27 5. AI 创业企业面临的共同课题创业企业面临的共同课题. 28 5.1. 盈利的压力：强化获客与商业化能力，重视规模化产出水平. 28 5.2. 路径的分歧：场景垂直化

11、or 产业链分工化，终将面临选择 . 28 6. 投资建议投资建议. 30 7. 风险提示风险提示. 30 图表目录图表目录 图 1：人工智能系统构成. 4 图 2：人工智能的三个阶段 . 5 图 3：人工智能发展历程（1942-2016 年） . 6 图 4：与传统学习算法相比较，深度学习能显著提升表现. 6 图 5：1970-2020 年处理器中晶体管数量的增长趋势（纵坐标为指数增长） . 7 图 6：2010-2025 年全球数据规模的变化 . 7 图 7：计算机视觉识别突破 98.52% . 8 图 8：2012-2015 年语音识别错误率显著下降至 4.7%. 8 图 9：2016

12、年 Alpha Go 4：1 击败李世石 . 8 图 10：2013-2020 年中国 AI 投融资事件数及融资总额 . 8 图 11：人工智能技术逐渐深入到各行各业 . 10 图 12：人工智能产业链 .11 图 13：神经网络算法的基本模型 . 12 nMtNsQpRqMxPnPpMyRyQvM9PcMaQmOnNpNoMjMpPoPlOnMqP9PpPxOwMtQrMvPpNuN行业深度分析/传媒 3 本报告版权属于安信证券股份有限公司。本报告版权属于安信证券股份有限公司。 各项声明请参见报告尾页。各项声明请参见报告尾页。 图 14：算法模型需要进行大量的训练 . 12 图 15：Alp

13、haGo Zero 与此前版本实力对比. 12 图 16：主流算法的推出时间 . 13 图 17：CPU/GPU 芯片构造不同所适用的场景存在差异. 13 图 18：商汤科技正在建设的人工智能计算中心 . 15 图 19：计算机视觉是人工智能产业最大的细分市场 . 15 图 20：2019-2025 年计算机视觉核心产品及带动的产业规模 . 15 图 21：中国计算机视觉行业市场结构 . 16 图 22：DuerOS 支持 60 多个智能家居品类接入 . 17 图 23：2020 年中国人工智能市场行业规模 . 17 图 24：2020 年中国人工智能市场行业份额 . 17 图 25：全球主要

14、科技巨头综合 AI 技术实力. 19 图 26：谷歌面向全球开发者提供丰富工具集以构建强大 AI 协作生态 . 19 图 27：百度 AI 发展历程. 20 图 28：百度 AI 生态. 20 图 29：Apollo 的智能交通生态 . 21 图 30：赋能多样化的智能硬件DuerOS 用户的 24 小时 . 21 图 31：基于百度工业大数据的充电桩智能运维 . 22 图 32：百度人工智能农林业虫情识别智能化管理. 22 图 33：2020 年中国公有云 IaaS 市场份额 . 22 图 34：2020 年中国 AI 公有云服务市场份额 . 22 图 35：商汤科技产品与服务矩阵 . 23

15、 图 36：2019-2021H1 公司每年生产商用模型数 . 24 图 37：2019-2021H1 研发人员人均生产商用模型数量 . 24 图 38：旷视科技产品与服务矩阵 . 25 图 39：海康威视发展历程. 26 图 40：海康威视业务框架体系. 27 图 41：人工智能商业模式演进. 28 图 42：商汤科技与旷视科技的毛利率对比 . 30 表 1：科技巨头先后宣布将人工智能作为重点战略 . 9 表 2：2015-2021 年中国各部委人工智能政策盘点 . 9 表 3：AI 创业企业 IPO 现状汇总.11 表 4：国内外部分代表性 AI 芯片厂商情况 . 14 表 5：人工智能三

16、大技术. 15 表 6：智能语音转写的各项实际应用 . 16 表 7：三类人工智能参与方的代表企业. 18 表 8：谷歌发展人工智能的重要事件 . 18 表 9：AI 四小龙创始团队介绍 . 22 表 10：各类参与公司的竞争优劣势. 27 表 11：主要 AI 科技企业技术产品与应用场景对比 . 29 行业深度分析/传媒 4 本报告版权属于安信证券股份有限公司。本报告版权属于安信证券股份有限公司。 各项声明请参见报告尾页。各项声明请参见报告尾页。 1. 人工智能人工智能：将“人”由现实映射到虚拟世界的技术：将“人”由现实映射到虚拟世界的技术脉络脉络之一之一 人工智能人工智能的本质的本质是希望

17、计算机具备是希望计算机具备像像人类人类一样一样感知感知、处理与分析处理与分析问题的能力问题的能力。从人类应对外界刺激所作出的反馈的流程来看，大概需要以下三步：1）通过眼睛、耳朵等感官获得外界刺激；2）将信息传输至大脑进行处理，并基于大脑的处理结果与此前的经验积累，做出判断；3）借助语言进行表达或者指导手、脚等四肢做出行动，对外界刺激做出反馈或者进行互动。 参考人类处理问题的流程参考人类处理问题的流程与能力与能力来看，人工智能来看，人工智能系统系统应当具备的应当具备的三三大大核心模块核心模块为为： 1） 感知感知模块模块：类似于人类的眼睛、耳朵等感官一样，人工智能需要借助摄像头、传感器等进行图像

18、、 声音等信息的收集， 并将其传输至像大脑一样的数据处理中枢进行信息处理； 2） 思考思考模块：模块：类似于人类大脑，人工智能应该有数据处理中心对所收集的数据进行处理分析，人类根据大脑处理后的信息，并基于一定的经验与知识对所处的环境进行判断，并最终做出决策，所以在人工智能中，需要对计算机进行大规模的数据训练，使其具备一定的知识积累，产生类似于人类的“经验” ，从而具备对新接收的数据进行分析和判断的能力； 3） 行动行动模块：模块：在做出判断后，人类通过语言或行动对外界做出反馈，那么人工智能则需要借助语音输出或向硬件设备等发出信号指导其行动，对应语音合成等技术。 图图 1：人工智能系统构成人工智

19、能系统构成 资料来源：陆奇主题演讲人工智能时代的创新创业浪潮 、安信证券研究中心 根据计算机所具备的能力根据计算机所具备的能力，我们，我们可以将其发展阶段划分为计算智能可以将其发展阶段划分为计算智能、感知智能感知智能、认知智能这认知智能这三个阶段三个阶段：1）计算智能：）计算智能：计算机能够实现存储与计算，并作为传输信息的重要手段，比如在过去一段时间内，计算机最大的发展是将一切信息都尽可能的数字化，从早期的计算与文字，到发展至今的电商、娱乐等场景的数字化；2）感知智能：）感知智能：计算机开始看懂与听懂，并能够做出一些判断及行动，比如 Siri 语音助手等；3）认知智能：）认知智能：机器能够像人

20、一样进行思考，并主动的做出行动，比如在完全自动驾驶场景下，汽车能够自己做出超车、转弯的行动等。 站在当前时点来看， 现实世界的数字化不断深入， 我们认为计算机已经基本具备了计算智能，当前阶段当前阶段是帮助计算机是帮助计算机从计算智能从计算智能进一步进一步走向感知智能，走向感知智能，能够看懂与听懂能够看懂与听懂外界环境并做出一外界环境并做出一定的反馈；定的反馈；并并随着知识的积累所带来的智能化的提升，随着知识的积累所带来的智能化的提升，使计算机由使计算机由感知智能逐步向认知智能感知智能逐步向认知智能的阶段进行演进的阶段进行演进。 行业深度分析/传媒 5 本报告版权属于安信证券股份有限公司。本报告

21、版权属于安信证券股份有限公司。 各项声明请参见报告尾页。各项声明请参见报告尾页。 图图 2：人工人工智能的三个阶段智能的三个阶段 资料来源：艾瑞咨询、安信证券研究中心 移动互联网之后，新一轮现实映射到虚拟世界的探索中，我们认为硬件与 AI 分别是两种技术脉络。硬件实时传输与人体机能相关的弯曲、力度、触感；AI 模拟人的大脑对人行为、动作、表情的驱动。这两种技术脉络的结合应用，预计将开启此轮探索的软硬一体化的运行特质。 2. 奠定当下的商业化的理论知识，可以追溯到奠定当下的商业化的理论知识，可以追溯到 70 年前年前 回溯人工智能的发展史，我们认为大体可以划分为三个阶段： 第一阶段（1943-2

22、006 年） ：这是奠定人工智能发展的理论知识积累的时期，期间也曾产生过一些阶段性成果，但总体而言受限于数据规模与算力，人工智能更多还是停留在研究及理论阶段； 第二阶段（2006-2016 年） ：算法、算力与数据规模都较前期有了质的飞跃，三者效用叠加成果显著，在计算机视觉、语音识别等多个领域取得了重大的技术突破，人工智能开始进入商业应用阶段； 第三阶段（2016 年至今） ：以 Alpha Go 打败李世石为里程碑事件，人工智能开始全面推向商业化应用，在各行各业遍地开花。全球各国都高度重视人工智能的发展，中国尤甚。在政策扶持、强大数字基建支撑等多重因素下，中国人工智能应用场景尤为丰富。 2.

23、1. 1943-2006 年年：理论知识积累的时期，理论知识积累的时期，相关相关研究进研究进展缓慢展缓慢 回顾人工智能早期发展史，其可以追溯至 1943 年，直至 2006 年之前由于当时的算力受限且数据不足，算法没办法充分发挥其作用，这一阶段主要是人工智能理论知识的启蒙与积累阶段，期间也曾产生一些阶段性成果，但整体研究进展较为缓慢。其中，一些典型的理论积累如下： 思想思想启蒙启蒙：1943 年，沃伦麦卡洛克和沃尔特皮茨发表了神经活动中内在思想的逻辑演算 ，这启发了后来神经网络和深度学习的产生。1950 年著名的图灵测试诞生，按照“人工智能之父”艾伦图灵的定义：如果一台机器能够与人类展开对话（

24、通过电传设备）而不能被辨别出其机器身份，那么称这台机器具有智能。1956 年夏天，美国达特茅斯学院举行了历史上第一次人工智能研讨会，被认为是人工智能诞生的标志。会上，麦卡锡首次提出了“人工智能”这个概念，纽厄尔和西蒙则展示了编写的逻辑理论机器。 从推理期至知识期，期间推出大量专家系统。从推理期至知识期，期间推出大量专家系统。20 世纪 50-70 年代，人们认为如果能赋予计算机推理能力，机器就有智能，人工智能研究处于“推理期” ，之后人们意识到人类能够进行业深度分析/传媒 6 本报告版权属于安信证券股份有限公司。本报告版权属于安信证券股份有限公司。 各项声明请参见报告尾页。各项声明请参见报告尾

25、页。 行判断、决策还需要知识，人工智能在 70 年代进入“知识期” ，诞生了大量的专家系统如Dendral，但由于当时的计算机有限的内存和处理速度不足以解决任何实际的人工智能问题，导致研究缺乏进展，美国和英国相继缩减经费支持，人工智能进入第一次低谷。 第五代计算机项目第五代计算机项目：1981 年，日本经济产业省拨款 8.5 亿美元用以研发第五代计算机项目，在当时被叫做人工智能计算机。随后，英国、美国纷纷响应，开始向信息技术领域的研究提供大量资金。但是专家系统的实用性仅仅局限于某些特定情景。到了上世纪 80 年代晚期，美国国防部高级研究计划局（DARPA）的新任领导认为人工智能并非“下一个浪潮

26、” ，拨款将倾向于那些看起来更容易出成果的项目；此外第五代计算机项目宣告失败，人工智能进入第二次低谷期。 图图 3：人工智能发展历程（：人工智能发展历程（1942-2016 年年） 资料来源：艾瑞咨询 2.2. 2006-2016 年年：算法、算力与数据三重算法、算力与数据三重合力推动合力推动，人工智能，人工智能取得重大取得重大突破突破 人工智能算法的开发通常离不开三个核心要素，即算法、算力人工智能算法的开发通常离不开三个核心要素，即算法、算力、数据数据。2006-2016 年年这十年这十年间间，这三大核心要素均迎来了质的飞跃这三大核心要素均迎来了质的飞跃： 第一重飞跃：第一重飞跃：深度学习算

27、法能够支持训练更大规模的神经网络。深度学习算法能够支持训练更大规模的神经网络。深度学习算法能够训练更大规模的神经网络 2006 年 Geoffrey Hinton 和他的学生 Ruslan Salakhutdinov 在 科学 上发表文章，给出多层神经网络更好训练方法，至此神经网络算法才开始真正具有深度。与过去传统的人工智能算法相比，深度学习算法能够训练更大规模的神经网络，从而解决更复杂的问题， 而且随着数据规模的提升， 规模越大的神经网络的深度学习算法表现出的效果越显著。 图图 4：与传统学习算法相比较，深度学习能显著提升表现与传统学习算法相比较，深度学习能显著提升表现 资料来源：deepl

28、earning.ai，吴恩达AI for everyone 行业深度分析/传媒 7 本报告版权属于安信证券股份有限公司。本报告版权属于安信证券股份有限公司。 各项声明请参见报告尾页。各项声明请参见报告尾页。 第二重飞跃：第二重飞跃：芯片发展遵循摩尔定律，算力得到质的芯片发展遵循摩尔定律，算力得到质的提升提升。摩尔定律指出芯片上可容纳的晶体管数目，约每隔 18 个月便会增加一倍，性能也将提升一倍。1945 年世界上第一台计算机ENIAC 的速度是能在一秒内完成 5000 次定点的加减法运算，到 2007 年采用英特尔酷睿芯片的个人电脑计算速度为每秒 500 亿次浮点运算，是 ENIAC 的 10

29、00 万倍，体积和耗电量却小了很多；到 2012 年全球最快的计算机 IBM 的红杉的计算速度为 1.6 亿亿次，比 19 个月前竟提高了将近 6 倍。（数据来源： 吴军 浪潮之巅 ） 通过以上几组数据可以发现， 自 2006年 Geoffrey Hinton 发布有关深度学习的文章后，计算机的算力得到了质的提升，可以有效的支撑大规模的模型训练。 图图 5：1970-2020 年处理器中晶体管数量的增长趋势年处理器中晶体管数量的增长趋势（纵坐标为指数增长）（纵坐标为指数增长） 资料来源：维基百科 第三重飞跃：第三重飞跃：PC 互联网与互联网与移动互联网的发展为移动互联网的发展为人工智能人工智能

30、模型模型训练训练提供了庞大的提供了庞大的数据积累数据积累。PC 互联网的发展使用户的许多场景线上化，比如新闻讯息、邮件、电商等，产生了相当规模的数据；而移动互联网又进一步地将智能手机等更多终端纳入互联网体系，并产生丰富新的应用， 使数据规模得到了进一步地增长。 根据 IDC 预测， 全球数据圈将从 2018 年的 33ZB增至 2025 年的 175ZB。 图图 6：2010-2025 年年全球全球数据规模的变化数据规模的变化 资料来源：IDC 行业深度分析/传媒 8 本报告版权属于安信证券股份有限公司。本报告版权属于安信证券股份有限公司。 各项声明请参见报告尾页。各项声明请参见报告尾页。 三

31、重合力推动三重合力推动人工智能在多领域取得技术突破人工智能在多领域取得技术突破，逐步开始具有商业价值，逐步开始具有商业价值。在更强大的算力支 撑下， 通过大规模训练数据喂养的深度学习算法模型表现出更优异的效果， 推动计算机视觉、语音识别等领域取得了重大的技术突破，比如 2014 年香港中文大学汤晓鸥教授团队发布DeepID 系列人脸识别算法准确率达到 98.52%，全球首次超过人眼识别率，突破了工业化应用红线；根据易观数据，2009 年深度神经网络算法被应用于语音识别领域时，语音识别准确率突破 90%，至 2016 年百度、搜狗等头部公司都先后宣布其语音识别率达到了97%。这一阶段，人工智能开

32、始呈现出一定的应用价值，开始逐步走向商业化。 图图 7：计算机计算机视觉识别突破视觉识别突破 98.52% 图图 8：2009-2016 年语音识别率大幅提升年语音识别率大幅提升 资料来源：央视新闻 资料来源：易观，安信证券研究中心 2.3. 2016 年至今年至今：人工智能全面走向商业化应用，中国在应用场景优势突出人工智能全面走向商业化应用，中国在应用场景优势突出 Alpha Go 打败李世石打败李世石进一步推动人工智能走向大众，并引爆了资本的热情。进一步推动人工智能走向大众，并引爆了资本的热情。2016 年 Alpha Go 打败了人类围棋世界冠军李世石， 引发了全世界的关注， 这是人工智

33、能史上里程碑事件，自此人工智能从学界开始走向大众市场。 同时也推动一级市场投融资热潮， 根据 IT 桔子数据，2016 年国内 AI 投融资事件快速增加，融资总额较 2015 年近乎翻倍。2016-2018 年 AI 投融资事件总数为 2917 起，投资总额为 4006.48 亿，为 AI 创业提供了强大的资本助力。 图图 9：2016 年年Alpha Go 4：1 击败李世石击败李世石 图图 10：2013-2020 年中国年中国 AI 投融资事件数及融资总额投融资事件数及融资总额 资料来源：腾讯新闻 资料来源：艾瑞咨询，安信证券研究中心 同时，各大科技巨头先后将人工智能确认为未来的重点发展

34、战略同时，各大科技巨头先后将人工智能确认为未来的重点发展战略。在国外以谷歌为代表，将未来发展战略将从移动为先（Mobile First）调整为“人工智能为先” （AI First） ，通过内生增长（发展自研算法体系 Tensor Flow 等）与外延收购（大规模并购人工智能领域公司，如DeepMind） 提升人工智能综合实力； 国内以百度为代表， 率先布局人工智能战略， 并于 2016年就推出百度大脑、飞桨算法等产品，建立起强大的人工智能底层基础。 90% 97% 86%88%90%92%94%96%98%2009年 2016年 行业深度分析/传媒 9 本报告版权属于安信证券股份有限公司。本报

35、告版权属于安信证券股份有限公司。 各项声明请参见报告尾页。各项声明请参见报告尾页。 表表 1：科技巨头先后宣布将人工智能作为重点战略：科技巨头先后宣布将人工智能作为重点战略 公司公司 时间时间 主要内容主要内容 海外海外 Google 2017 年 10 月 在 Google O/I开发者大会上提出，公司未来发展战略将从移动为先（Mobile First）调整为“人工智能为先” （AI First） Facebook 2016 年 4 月 扎克伯格在 F8 年度开发者大会上发布 Facebook 未来十年规划，将人工智能、VR/AR、连接作为公司未来 5-10 年战略重点 微软 2017 年

36、5 月 人工智能取代“移动为先、云为先”战略成为微软新愿景；2016 年 9 月，微软组件新的“微软人工智能与研究事业部” ，与原有的“人工智能研究部门”合并，以推动微软人工智能的技术研究和应用推广，成为微软四大业务之一。 亚马逊 2017 年 4 月 亚马逊首席执行官杰夫贝佐斯在股东信中表示将人工智能纳入公司长期发展规划 Apple 2017 年 10 月 苹果高管 Heff Williams 表示人工智能将会成为今后苹果产品的重要基石，包括iPhone 和 Apple Watch 产品线 国内国内 百度 2016 年 7 月 李彦宏在百度云计算战略发布会上发布了百度云“人工智能+大数据+云

37、计算“三位一体的发展战略；2016 年百度大脑平台开放，飞桨上线； 腾讯 2017 年 11 月 腾讯在 2017 腾讯全球合作伙伴大会上公布了“AI in All”战略，包括“基础研究场景共建AI开放”三层 AI架构，落地社交、内容、游戏、医疗、零售、金融、安防、翻译这八大场景。 资料来源：虎嗅、经济观察报、环球网等、安信证券研究中心 全球各国都很重视人工智能全球各国都很重视人工智能，中国尤甚中国尤甚。人工智能引起了全球各国的关注，中国更是将人工智能上升至国家战略的层面，给予行业的发展强有力的政策支持。政府不仅从 2015 年人工智能应用发展初期，就将人工智能写入中国制造 2025 、 “十

38、三五”规划纲要等重要政府文件中，确定了人工智能在我国未来经济发展中的重要作用；还随着人工智能行业的不断发展，对政策内容也持续进行细化，从顶层设计至创新成果转化路径，再到芯片、开源平台等技术层面都有相应政策指导，为行业提供了清晰的路径指引。 表表 2：2015-2021 年中国各部委年中国各部委人工智能政策人工智能政策盘点盘点 颁布时间颁布时间 颁布主体颁布主体 政策名称政策名称 政策内容政策内容 2015 年 5 月 国务院 中国制造 2025 发展智能装备、智能产品和生产过程智能化 2015 年 7 月 国务院 国务院关于积极推动“互联网+”行动的指导 提升终端产品智能化 2016 年 3

39、月 十二届全国人大四次会议 中华人民共和国国民经济和社会发展第十三个五年规划纲要 人工智能写入“十三五”规划纲要 2016 年 4 月 发改委 机器人产业发展规划 2016-2020 产业规模持续增长。自主品牌工业机器人年产量达到 10 万台，六轴及以上工业机器人年产量达到 5 万台以上。服务机器人年销售收入超过 300 亿，在助老助残、医疗康复等领域实现小批量生产及应用。培育 3 家以上具有国际竞争力的龙头企业，打造 5 个以上机器人配套产业集群 2016 年 5 月 发改委 “互联网+”人工智能三年行动实施方案 到 2018 年，创建人工智能基础资源和创新平台 2016 年 8 月 国务院

40、 “十三五”国家科技创新规划 重点发展大数据驱动的类人工智能技术 2016 年 9 月 工业和信息部、国家发展和改革委员会 智能硬件行业创新发展专项行动（2016-2018） 重点发展可穿戴设备、智能车载设备、智能医疗健康设备、智能服务机器人、工业级智能硬件等 2017 年 3 月 国务院 “十三五”国家战略性新兴产业发展规划 新增“人工智能 2.0” ，人工智能进一步上升为国家战略， “人工智能”首次被写入全国政府工作报告 2017 年 7 月 国务院 新一代人工智能发展规划 确定人工智能发展三步走战略目标，人工智能上升为国家战略层面。提出了面向 2030年我国新一代人工智能发展的指导思想、

41、战略目标、重点任务和保障设施，部署构筑我国人工智能发展的先发优势，加快构建创新型国家和世界科技强国。 2017 年 10 月 十九大 十九大报告 人工智能写进十九大报告，将推动互联网、大数据、人工智能和实体经济深度融合。 2017 年 12 月 工信部 新一代 AI产业发展三年行动规划（2018-2020 年） 重点扶持神经网络芯片，实现人工智能芯片在国内实现规模化应用 行业深度分析/传媒 10 本报告版权属于安信证券股份有限公司。本报告版权属于安信证券股份有限公司。 各项声明请参见报告尾页。各项声明请参见报告尾页。 2019 年 3 月 科技部网信办 关于促进人工智能和实体经济深度融合的指导

42、意见 探索人工智能创新成果应用转化路径和方法，构建智能经济 2019 年 8 月 科技部 国家新一代人工智能开放创新平台建设工作指引 鼓励人工智能细分领域领军企业搭建开源、开放平台，推动行业应用 2020 年 7 月 中央网信办等五部门 国家新一代人工智能标准体系建设指南 到 2021 年，明确人工智能标准化顶层设计，研究标准体系建设和标准研制的总体规则，明确标准之间的关系，指导人工智能标准化工作的有序开展，完成关键通用技术、关键领域技术、伦理等 20 项以上重点标准的预研工作。到 2033 年，初步建立人工智能标准体系，重点研制数据、算法、系统、服务等重点急需标准，并率先在制造、交通、金融、

43、安防、家居、养老、环保、教育、医疗健康、司法等重点行业和领域进行推进。建设人工智能标准试验验证平台，提供公告服务能力。 2021 年 7 月 工业和信息化部 新型数据中心发展三年行动计划 推动新型数据中心与人工智能等技术协同发展，构建完善新型智能算力生态体系 2021 年 9 月 国家新一代人工智能治理专业委员会 新一代人工智能伦理规范 旨在将伦理道德融入人工智能全生命周期，为从事人工智相关活动的自然人、法人和其他相关机构等提供伦理指引。 资料来源：中国政府网，国家发展和改革委员会、工业和信息化部、科技部等、安信证券研究中心 政策支持等多重因素推动下，政策支持等多重因素推动下，中国人工智能中国

44、人工智能应用场景的发展尤为应用场景的发展尤为显著显著。政府对人工智能行业的支持不仅体现在政策方面，同时政府也是人工智能应用的重要采购商，从商汤科技与旷视科技的收入构成来看，2020 年营业收入占比最高的均为包含安防在内的城市管理场景。政府的有力扶持、国内强大的数字基建能力叠加广阔的市场体系，中国人工智能应用场景遍地开花。 AI 被广泛应用至大数据研判、 运筹优化、 智能风控、 人机交互等生产活动的各个环节，特别是在政府、金融、互联网、交通等行业的渗透率较高，AI 所发挥的价值已被验证并且正在进入规模化的阶段；在制造、能源等行业也已经产生了一些标杆案例，待进一步挖掘为典型应用场景。 对比国外在底

45、层架构上的优势， 我们认为中国在应用场景上的优势将尤为突出。 图图 11：人工智能技术逐渐深入到各行各业人工智能技术逐渐深入到各行各业 资料来源：艾瑞咨询 得益于国内丰富的应用场景得益于国内丰富的应用场景，国内国内 AI 创业企业创业企业营收已达一定规模营收已达一定规模，开始密集进入资本化阶开始密集进入资本化阶段段。国内以安防、金融、城市运维等为代表的的人工智能应用场景的快速发展也推动 AI 创业公司的业绩增长， 目前头部 AI创业企业的营收规模也达到一定的体量， 开始积极准备 IPO。我们统计了部分公司的 IPO 进展现状，目前商汤科技已经于 2021 年 12 月底在港交所成功上市，成功摘

46、下“AI 第一股”的称号，截止 2022 年 1 月 7 日，商汤市值达到 2450 亿港币，较发行时上涨超过 90%；此外，旷视科技、云从科技、格灵深瞳、云天励飞已经通过上交所审核，进入注册阶段；第四范式、创新奇智已在港交所提交招股书。整体来看，AI 创业企业多处在 IPO 的最后阶段，再考虑商汤科技上市后超预期的股价表现，我们判断 2022 年将有望迎来人工智能企业的上市潮。 行业深度分析/传媒 11 本报告版权属于安信证券股份有限公司。本报告版权属于安信证券股份有限公司。 各项声明请参见报告尾页。各项声明请参见报告尾页。 表表 3：AI 创业企业创业企业 IPO 现状现状汇总汇总 公司公

47、司 上市地上市地 IPO 最新进展时间最新进展时间 主要主要技术领域技术领域 2020 年营收年营收 备注备注 商汤（0020.HK） 港交所港交所 已上市（2021.12.30） 计算机视觉 34.46 亿 截止1.7市值为2450 亿港币 旷视科技 科创板 通过上交所审核， 证监会问询中（2021.12.29） 计算机视觉 13.91 亿 云从科技 科创板 通过上交所审核（2021.7.20） 计算机视觉 7.55 亿 依图科技 科创板 终止（2021.6.30） 计算机视觉 - 第四范式 港交所港交所 提交招股书（2021.8.14） 机器学习 9.42 亿 创新奇智 港交所港交所 提交

48、招股书（2022.1.3） 计算机视觉、 机器学习 4.62 亿 格灵深瞳 科创板 通过上交所审核（2021.11.9） 计算机视觉 2.43 亿 云天励飞 科创板 通过上交所审核（2021.8.6） 计算机视觉 4.26 亿 云知声 科创板 终止（2021.2.19） 语音识别、 语音合成等 2.19 亿 （2019 年） 资料来源：Wind，上交所，安信证券研究中心 3. 基础层蓬勃发展，关注场景规模的增长基础层蓬勃发展，关注场景规模的增长 人工智能产业链主要分为基础层、技术层、应用层三个层级，其中：人工智能产业链主要分为基础层、技术层、应用层三个层级，其中：1）基础层）基础层以数据、算力

49、、算法为核心；2）技术层）技术层是建立在基础层的核心能力之上，通过打造一套人工智能系统使机器能够像人类一样进行感知与分析，其中最关键的领域包括计算机视觉（图像识别与分析） 、语音识别与自然语言处理技术（语音识别与合成） 、机器学习与深度学习（分析决策及行动）等；3）应用层）应用层是将技术能力与具体场景相融合，帮助企业/城市管理者等客户降本增效，目前主要应用的场景有泛安防、金融、医疗、自动驾驶等领域。 图图 12：人工智能产业链人工智能产业链 资料来源：艾瑞咨询 3.1. 基础基础层层：算法实力大幅提升，：算法实力大幅提升，ASIC 与云计算将进一步释放算力与云计算将进一步释放算力 人工智能算法

50、的开发通常离不开三个核心要素，即深度学习框架、强大的数据运算能力、大人工智能算法的开发通常离不开三个核心要素，即深度学习框架、强大的数据运算能力、大量的训练用数据，目前这三大基础要素的量的训练用数据，目前这三大基础要素的变化主要呈现在几个方面：变化主要呈现在几个方面：1）算法算法：算法实力大幅提升，目前 Tensor Flow、Pytorch 为主流算法框架，百度飞桨算法影响力不断增强；2）算力算力：近年涌现出非常多定制化 AISC 芯片，进一步推动终端算力提升；另一方面云计算的发展将更加充分地支撑超大规模的计算力；3）数据：）数据：人工智能快速发展的核心原因之一是行业深度分析/传媒 12 本

51、报告版权属于安信证券股份有限公司。本报告版权属于安信证券股份有限公司。 各项声明请参见报告尾页。各项声明请参见报告尾页。 互联网、移动互联网两个时代的发展实现了大规模的数字化，为算法的训练提供了充足的数据资源。展望未来，5G 的到来将推动万物互联，数据连接量及规模将实现高速增长。以下我们将重点介绍算法与算力的演进与现状： 3.1.1. 算法算法：算法算法实力大幅提升，实力大幅提升，Tensor flow 与与 Pytorch 为主流框架为主流框架 算法的基本原理算法的基本原理。算法是指解决不同问题的特定模式。以最为典型的神经网络算法为例，它可以简单理解为从输入层到输出层的一种函数关系。如下图，

52、输入一张图片后，系统会经过计算最终确定是什么进行输出，这里从输入图片到对应得出是 T-Shirt 之间的关系就代表着解决该类问题的算法模型。模型内部可能是通过赋予前一层输入参数不同权重加总得出下一层的每个节点 （神经元） 的数据， 依次逐层计算， 最终得出输出层结果。 为了得出这一模型，需要进行大量的训练，比如在此处案例中，需要输入大量带有标记的图片信息，让计算机自己学习规律，从而分辨出图片中的是 T-shirt 还是动物等其他物体。当训练结果达到一定标准时，模型可以进行使用。 图图 13：神经网络算法的基本模型神经网络算法的基本模型 图图 14：算法模型需要进行大量的训练算法模型需要进行大量

53、的训练 资料来源：奇乐编程学院，安信证券研究中心 资料来源：奇乐编程学院 近年近年人工智能算法人工智能算法实力得到大幅提升实力得到大幅提升。以历代 AlphaGo 版本的实力对比为例：1）2016 年3 月，AlphaGo 以 4-1 的成绩战胜世界围棋冠军李世石；2）2017 年 1 月，AlphaGo 以大师（Master） 为注册名， 依次对战数十位人类顶尖高手， 取得 60:0 的胜利； 3） 2017 年 10 月，谷歌下属公司 Deepmind 在自然上发表论文，表示新版程序 AlphaGo Zero 在无任何人类输入的条件下，从空白状态学起，能够迅速自学围棋 40 天后，击败所有

54、此前的 AlphaGo版本；4）2017 年 12 月，AlphaGo 研究团队提出了 Alpha Zero，它可以在 8 个小时训练击败李世石版本 AlphaGo，也可以轻松击败训练 3 天时间的 AlphaGo Zero。 图图 15：AlphaGo Zero 与此前版本实力对比与此前版本实力对比 资料来源：环球科学 行业深度分析/传媒 13 本报告版权属于安信证券股份有限公司。本报告版权属于安信证券股份有限公司。 各项声明请参见报告尾页。各项声明请参见报告尾页。 Tensor Flow 与与 Pytorch 算法框架使用最为广泛，国产百度飞桨算法影响力逐步提升。算法框架使用最为广泛，国产

55、百度飞桨算法影响力逐步提升。算法框架可以理解是算法模型的集合，是可以解决某些特定问题的工具集。为推动研发的进步与生态建设，谷歌等大型公司及组织将自研的算法框架进行开源，目前主流的算法框架有谷歌旗下的 Tensorflow 与 Keras、Meta（原 Facebook）旗下的 Pytorch、微软旗下的 CNTK、伯克利大学推出的 Caffe 等，其中 Tensor Flow 与 Pytorch 是当前使用最为广泛的两个开源算法框架。从国内看，百度 2016 年推出的自研飞桨算法框架也形成强大的开发者影响力，根据 2021 年百度开发者大会公布的数据，目前接入的开发者已经超过 400 多万。

56、图图 16：主流主流算法的算法的推出时间推出时间 资料来源：商汤科技公司官网 国内国内 AI 算法公司算法公司以以自研框架自研框架为主为主，有望在有望在应对复杂场景具有更快的反应能力应对复杂场景具有更快的反应能力。国内头部 AI算法公司大多成立于 2014 年前后，当时 Tensorflow、Pytorch 还未开源，缺少相对成熟完善的算法框架，因此各家公司的底层算法多以自研为主，比如商汤科技的 SenseParrots、旷视科技的天元框架等。自研的算法框架一方面有效地支撑了公司自身前端业务，另一方面在面对复杂的场景变化时，也保证了更快的反应能力，团队能够及时调整模型而无需等待开源算法框架的更

57、新，本质上也代表了 AI 算法公司在底层技术能力上更有优势。 3.1.2. 算力：算力：芯片逐步走向定制化，云计算将进一步释放算力芯片逐步走向定制化，云计算将进一步释放算力 GPU 处理大规模并行运算，在人工智能场景中处理大规模并行运算，在人工智能场景中更适用更适用。通用芯片主要分为 CPU、GPU 两种类型，两者的设计构造不同，适用场景有所差异：1）CPU 芯片中算术单元相对较小，控制单元较多，主要用于处理小数据量的复杂逻辑运算；2）GPU 是图形处理芯片，控制单元较少，算术逻辑单元较多，可用于处理大规模数据量的简单运算。2009 年吴恩达以及斯坦福大学研究小组发现，由于 GPU 芯片中有大

58、量的算术逻辑单元，具有更强的并行计算处理能力，并于 2011 年吴恩达将其应用于谷歌大脑众取得了显著效果，此后纽约大学、多伦多大学的研究人员均采用 GPU 加速器神经网络算法的训练， 因此 GPU 芯片在人工智能算法训练中应用更为广泛。 图图 17：CPU/GPU 芯片构造不同所适用的场景存在差异芯片构造不同所适用的场景存在差异 资料来源：公众号半导体行业观察 行业深度分析/传媒 14 本报告版权属于安信证券股份有限公司。本报告版权属于安信证券股份有限公司。 各项声明请参见报告尾页。各项声明请参见报告尾页。 FPGA 与与 ASIC 芯片因可定制化受到关注。芯片因可定制化受到关注。FPGA（F

59、ield Programmable Gate Array） ，即现场可编辑门阵列，其设计初衷是为了实现半定制芯片的功能，即硬件结构可根据需要实时配臵灵活改变。相较于 CPU、GPU 芯片，FPGA 芯片的灵活性高、性能强、能耗低，但是价格更高，因此也存在着明显缺陷。近年来，科技巨头纷纷在为人工智能算法定制的 ASIC 芯片上发力，比如谷歌推出了适配 Tensor Flow 算法的 TPU 芯片、高通的 Cloud AI 芯片、英伟达的 Teala 系列芯片等；国内也涌现出一批 AI 芯片厂商，不仅包括中星微、寒武纪、海思半导体等芯片设计厂商，还包括百度、阿里等互联网公司，以及 AI 算法公司如

60、依图科技、商汤等。ASIC 针对不同的人工智能场景进行了定制优化，能够达到性能更强，同时能耗更低的效果。 表表 4：国内外：国内外部分部分代表性代表性 AI 芯片厂商情况芯片厂商情况 公司公司 代表代表芯片芯片 芯片简介芯片简介 应用场景应用场景 国外 高通 Cloud AI 100 芯片 2019 年推出，采用 7纳米工艺打造，AI性能是骁龙 855 移动平台的50 倍 边缘计算、自动驾驶等 谷歌 TPU 为适配Tensor flow 算法设计的专用集成芯片，第一代应用于Alpha Go 谷歌计算引擎等 Inter Nervana NNP芯片 分别有面向训练的NNP-T和面向推理的 NNP-

61、I 数据中心等 英伟达 Tesla 系列芯片 专为 AI、大数据应用场景开发 智慧城市、自动驾驶 国内 中星微 星光摩尔一号 人工智能机器视觉芯片 寒武纪 思元 370 系推出的第三代人工智能芯片 云端推理、训练 地平线 征程、旭日 专注于人工智能本地化机器学习芯片 边缘计算、汽车计算 海思半导体 昇腾 310/910 昇腾 310 为华为收款全栈全场景人工智能芯片 云边端全栈 百度 通用芯片昆仑、 “鸿鹄”智能语音芯片 兼容百度自研的飞桨深度学习算法 云端、智能家居 阿里 平头哥含光 800 是阿里推出的第一款 AI推理芯片 阿里云端 依图科技 求索芯片 视觉算法优化、智能计算密度较高 云端

62、和边缘的通用视觉 资料来源：虎嗅、新浪财经、安信证券研究中心 各类芯片各有场景需求各类芯片各有场景需求，预计预计 ASIC 将逐步成为主流将逐步成为主流。人工智能算法的应用简单可以概括为训练与推理两个阶段，其中一般训练阶段需要通过多轮迭代得出最优的模型，可能会遇到大规模的并行运算；而推理阶段主要做逻辑判断，相较而言数据需求量比较小，此时使用 CPU芯片、FPGA 芯片处理有时更合适，所以不同场景下对各类芯片均具有一定的需求。整体来看，未来由于人工智能场景不断增长，将导致的芯片需求增加，且对效率有更高要求，因此预计定制化的 ASIC 芯片将成为主流。 此外，云计算也为超大规模的此外，云计算也为超

63、大规模的算力需求算力需求提供了一种解决方式。提供了一种解决方式。云计算支撑下，应用场景可以不受硬件终端性能限制，进行大规模的数据运算；同时在云端可以实现不同数据中心的算力共享，能够集成更大规模的数据资源作为底层基础设施，支撑超大规模的模型调度需求。以商汤科技为例，公司在上海临港建立的人工智能算力基础设施商汤智算中心（AIDC）将于 2022 年初投入使用，能够提供每秒 3.74 百亿亿次浮点运算的总算力，进一步夯实了公司的人工智能基础设施。 （数据来源：公司官网） 行业深度分析/传媒 15 本报告版权属于安信证券股份有限公司。本报告版权属于安信证券股份有限公司。 各项声明请参见报告尾页。各项声

64、明请参见报告尾页。 图图 18：商汤科技正在建设的人工智能计算中心商汤科技正在建设的人工智能计算中心 资料来源：商汤科技官网 3.2. 技术层：技术层：以计算机视觉为核心，广泛作用于多个场景以计算机视觉为核心，广泛作用于多个场景 人工智能的三大核心技术分别是计算机视觉、自然语言处理、知识图谱，主要是帮助计算机看得懂、听得懂、具备一定的推理与逻辑能力，是推动计算机具备感知智能的关键技术。 表表 5：人工智能人工智能三大技术三大技术 领域领域 简介简介 计算机视觉 指计算机从图像中识别出物体、场景和活动的能力，计算机视觉技术可分为人脸识别、图像检测、图像检索、目标跟踪、风格迁移 等几大板块 自然语

65、言处理 像计算机视觉技术一样，将各种有助于实现目标的多种技术进行了融合，实现人机间自然语言通信，通常包括语音识别、语义识别、语音合成三部分 知识图谱 Google 在 2012 年提出来的概念。知识图谱基于图的数据结构，从海量信息中抽去多个维度的特征信息，并在这些特征信息素材的基础上，通过智能推理实现从数据到可视化图像深加工，从而能够直观易懂的展现给用户，并与用户交互 资料来源：商业新知网浅析人工智能三大核心技术 ，安信证券研究中心 3.2.1. 计算机视觉计算机视觉：人工智能最大细分市场，在安防领域应用最为广泛人工智能最大细分市场，在安防领域应用最为广泛 计算机视觉为人工智能领域最大细分市场

66、， 预计行业规模超过千亿。计算机视觉为人工智能领域最大细分市场， 预计行业规模超过千亿。 根据艾瑞咨询测算， 2020年计算机视觉市场规模为 862.1 亿，是人工智能产业最大的细分市场，占比为 57%；预计至2025 年计算机视觉行业市场规模将达到 1537.1 亿，年均复合增速为 12.26%；同时其所带动的产业规模将达到 4858.4 亿，市场空间广阔。 图图 19：计算机视觉是人工智能产业最大的细分市场：计算机视觉是人工智能产业最大的细分市场 图图 20：2019-2025 年计算机视觉核心产品及带动的产业规模年计算机视觉核心产品及带动的产业规模 资料来源：艾瑞咨询，安信证券研究中心

67、资料来源：艾瑞咨询，安信证券研究中心 计算机视觉应用广泛，安防影像计算机视觉应用广泛，安防影像分析分析占据市场份额最大。占据市场份额最大。计算机视觉行业的应用主要分为七大类，包括安防影像分析、广告营销分析、泛金融身份认证（解决方案） 、互联网娱乐、泛行业深度分析/传媒 16 本报告版权属于安信证券股份有限公司。本报告版权属于安信证券股份有限公司。 各项声明请参见报告尾页。各项声明请参见报告尾页。 金融身份认证（云服务、SDK 等） 、手机及创新领域等，其中安防影像分析占据一半以上的市场份额，高达 67.9%，其他应用如广告营销分析、泛金融身份认证（解决方案） 、互联网娱乐、泛金融身份认证（云服

68、务、SDK 等） 、手机、创新领域的占比分别为 18.1%、4.0%、3.8%、3.7%、1.7%、0.9%。 图图 21：中国计算机视觉行业市场结构中国计算机视觉行业市场结构 资料来源：中商产业研究院，安信证券研究中心 3.2.2. 自然语言处理自然语言处理：语音助手语音助手快速发展，快速发展，广泛应用于物联网广泛应用于物联网 智能语音转写是自然语言处理中相对基础且应用较为广泛的一种场景智能语音转写是自然语言处理中相对基础且应用较为广泛的一种场景。智能语音转写是语音识别的一种，很多公司以此为基础打造了非常多成熟的产品，比如科大讯飞旗下的“讯飞听见” 、搜狗旗下的“搜狗听写” 、迅捷文字语音转

69、化器、灵云听语等，目前该类产品的语音识别准确率可达 98%，在日常的办公、学习中得到了广泛的应用。围绕着这一功能，这些公司都形成了全面的产品体系，并发展出较为成熟的商业模式。 表表 6：智能语音智能语音转写的转写的各项实际应用各项实际应用 讯飞听见讯飞听见 搜狗听写搜狗听写 迅捷文字语音转化器迅捷文字语音转化器 灵云听语灵云听语 上线时间上线时间 2017 年 2017 年 2018 年 2020 年 业务定位业务定位 语音转写及翻译服务，侧重平台生态，人机耦合服务 语音转写服务，侧重工具性，与录音笔硬件的搭配使用 文字语音互转、翻译 侧重语音识别及实时转写 产品终端产品终端 APP、网页端、

70、PC客户端 APP、网页端、PC客户端 APP、PC客户端 APP、网页端 产品功能产品功能 多语种及方言录音识别转文字；支持人工精转，支持在线翻译 多语种及方言录音识别转文字，音频转写；支持对话翻译、同声传译 实时语音、录音与文字互转；视频转文字；多语种语音翻译 语言转文字稿、字幕，支持中英识别 技术能力技术能力 准确率最高可达 98% 技术准确率可达 98% / 识别率最高可达 98% 硬件支持硬件支持 讯飞智能录音笔、录音宝 搜狗录音笔所有型号、爱国者录音笔特定型号 / / 商业模式商业模式 商品模式多元化，积极拓展服务方式，通过用户分层分析，为用户提供个性化服务 商业侧重录音笔+APP

71、生态 在视频、录音、实时语音转文字基础上，积极拓展文字转语音、语音翻译等业务 商业探索更侧重于挖掘语音/音频转文字服务深度，并无额外横向业务拓展 资料来源：易观，安信证券研究中心 语音助手得到快速发展，被广泛应用于物联网。语音助手得到快速发展，被广泛应用于物联网。苹果在 2016 年开发者大会上发布了 Siri 功能，用户可以使用 Siri 查询路线、拨打电话、发送信息等。Siri 作为一个语音助手，其背后的核心技术就是自然语言处理。根据 AI 前线数据，通过对多语言说话者的 12.8 万个带有相应交互上下文的口述话语内部语料库进行严格训练，Siri 在同时执行自动语音识别和说话者识别的任务时

72、平均准确率达到 87%。在 Siri 的示范效应下，语音助手得到了快速发展，被广泛应用于智能家居、智能车载等物联网领域，比如百度目前以 Dueros 为基础，打造了非常多元的硬件体系，目前在智能家居领域支持超过 60 多个品类的产品接入。 67.9% 18.1% 4.0% 3.8% 3.7% 1.7% 0.9% 安防影像分析 广告营销分析 泛金融身份认证（解决方案） 互联网娱乐 泛金融身份认证（云服务、SDK） 手机 创新领域 行业深度分析/传媒 17 本报告版权属于安信证券股份有限公司。本报告版权属于安信证券股份有限公司。 各项声明请参见报告尾页。各项声明请参见报告尾页。 图图 22：Due

73、rOS 支持支持 60 多个智能家居品类接入多个智能家居品类接入 资料来源：DuerOS开放平台 3.3. 应用层：应用层：城市治理相关占比近半，关注传统场景渗透率提升与新场景突破城市治理相关占比近半，关注传统场景渗透率提升与新场景突破 人工智能产业规模突破人工智能产业规模突破千千亿，政府城市治理与运营亿，政府城市治理与运营场景场景占比接近一半。占比接近一半。根据艾瑞数据测算，2020 年中国人工智能产业规模达到 1512.5 亿， 同比增长 38.94%； 预计 2025 年中国人工智能产业规模将增长至 4532.6 亿，年均复合增速为 24.55%。同时，预计 2023 年由人工智能所带动

74、的相关产业规模将突破万亿，人工智能行业的发展将成为推动经济增长的重要力量。从下游场景来看，政府城市治理和运营为最大的应用场景，市场份额接近一半（49%） ，互联网、金融行业的市场份额分别为 18%、12%，排名第二、三位。 图图 23：2020 年中国人工智能市场行业年中国人工智能市场行业规模规模 图图 24：2020 年中国人工智能市场行业份额年中国人工智能市场行业份额 资料来源：艾瑞咨询，安信证券研究中心 资料来源：艾瑞咨询，安信证券研究中心 展望未来，关注传统场景的大规模智能化展望未来，关注传统场景的大规模智能化升级浪潮升级浪潮及新型场景的快速及新型场景的快速突破突破。人工智能在不同场景

75、中的渗透情况存在较为明显的差异， 在安防、 金融等领域等应用相对成熟且渗透率较高，人工智能所发挥的价值主要是通过智慧化改造帮助企业降本增效，在这些场景中，如何通过不断解决客户痛点建立行业影响力来保证持续的订单与供给上的规模效应将成为行业下一阶段主流；同时人工智能也在塑造新的产业生态，比如智能驾驶、内容生产（如虚拟数字人的生成与驱动）等，这些新业态的发展与技术突破将为行业带来新的增量与弹性 以虚拟数字人以虚拟数字人创作创作为例为例，涉及涉及 NLP、TTS、知识图谱等知识图谱等多项多项人工智能技术人工智能技术。具体而言，虚拟数字人要有感知，包括视觉感知与听觉感知，即能看得见、听得懂、会思考、能回

76、答、能呈现，涉及多维度的技术点，比如看得见就涉及识别物体、识别表情、识别图像等；听得见指的是语音识别，将听见的声音转换成文字去理解，达到听得懂状态，涉及到自然语言理解（NLP） ；理解之后还需进行回复，涉及到知识图谱；如何回复（是生成声音还是生成图形）涉及到语音合成（TTS） 。 AI 的价值在于大幅降低了制作成本的价值在于大幅降低了制作成本、简化了制作流程。、简化了制作流程。即使突破了静态下高仿真的瓶颈，如49% 18% 12% 5% 4% 4% 2% 6% 政府城市治理与运营 互联网 金融 地产与零售 医疗和生命科学 工业 学历教育 其他 行业深度分析/传媒 18 本报告版权属于安信证券股

77、份有限公司。本报告版权属于安信证券股份有限公司。 各项声明请参见报告尾页。各项声明请参见报告尾页。 何让数字虚拟人自然地交互，也是一大难题。人类可以从表情、肢体中读取丰富的非语言信息，因此数字虚拟人的表情、动作中一些细微的不自然都能被人们所察觉到。比如一个简单皱眉，将牵动骨骼、肌肉、皮肤的一系列变化，若用传统的手工方式去调整，工作量极其巨大。此时，AI 的价值就体现了，可以大幅降低工作量与制作成本。 4. 三类企业各有所长，或终将同台竞技三类企业各有所长，或终将同台竞技 在人工智能发展的大浪潮中，入局者众多，目前行业内的参与方主要分为三类：1）人工智能初创企业，如商汤科技、旷视科技、云从科技、

78、依图科技等 AI 四小龙，它们以顶尖的人工智能技术见长，创始人均具有深厚的前沿技术背景；2）向 AI 技术方向升级的传统硬件厂商，如海康威视、大华股份等，主要为客户提供软硬一体的综合智能解决方案；3）互联网科技巨头，如字节跳动、百度等，基于既有业务不断夯实的算法能力，并逐渐将该能力拓展至新的应用场景。 整体来看， 行业参与者众多且资源禀赋各异， 呈现出百花齐放的竞争态势。 表表 7：三类人工三类人工智能参与方的代表企业智能参与方的代表企业 特点特点 代表企业代表企业 AI创业企业 创始人一般均具有较强的学术科研背景，在人工智能领域具有较深的技术积累 商汤科技、旷视科技、云从科技、依图科技、第四

79、范式、科大讯飞、虹软科技等 传统硬件厂商 基于原有业务的智能化升级趋势布局人工智能，从而加强自身的技术能力 海康威视、大华软件等 互联网科技巨头 通常是基于自身业务需要布局人工智能，后对外提供人工智能服务 谷歌、百度、阿里巴巴、腾讯、字节跳动等 资料来源：安信证券研究中心 4.1. 互联网科技巨头互联网科技巨头: 资源最为全面，竞争优势突出资源最为全面，竞争优势突出 互联网科技巨头发展人工智能一般是起源于自身的业务需要，比如谷歌、百度搜索业务对于人工智能具有较大需求，随着数据积累和业务能力提升产生价值外溢，逐步对外提供人工智能解决方案，并在各个场景进行业务尝试与布局。此处我们主要以谷歌、百度为

80、例介绍该类企业发展情况，具体如下： 4.1.1. 谷歌谷歌：AI First，人工智能，人工智能领域领域综合实力综合实力 Top1 2017 年在 Google O/I 大会上，谷歌提出公司战略将由 Mobile First 转变为 AI First，谷歌通过投资与引入人才打造了强大的人工智能体系。2016 年 AlphaGo 打败围棋选手李世石，推动人工智能受到市场广泛关注， 是人工智能发展历程中重要的里程碑事件， 而 AlphaGo 的背后就是谷歌于 2014 年收购的开发团队 DeepMind；2015 年谷歌开发深度学习系统 Tensor Flow，目前是深度学习领域使用最为广泛的深度

81、学习框架之一。 表表 8：谷歌发展人工智能的重要事件：谷歌发展人工智能的重要事件 时间时间 事件事件 2013.03 收购 DNN Reserch，招募 Geoffrey Hinton 2013.12 连续收购 Schaft 等 8 家机器人公司 2014.01 以 4 亿美元收购 DeepMind；以 32 亿美元收购 Nest 2014.10 收购智能家居控制系统公司 Rebolv 2015.03 与 Ethicon 战略合作，研发机器人辅助手术平台 2015.10 投资德国人工智能研究中心 DFKI 2015.11 开放第二代深度学习系统 Tensor Flow 2017.10 谷歌提出

82、公司战略将由 Mobile First 转变为 AI First 2019 将搜索与人工智能部门合并，由谷歌大脑负责人统领超前技术研究，并将人工智能技术应用拓展至所有产品和服务 资料来源：36Kr、CBInsights、安信证券研究中心 行业深度分析/传媒 19 本报告版权属于安信证券股份有限公司。本报告版权属于安信证券股份有限公司。 各项声明请参见报告尾页。各项声明请参见报告尾页。 发展至今，谷歌在 AI 研发人员、学术论文数量等都处于行业领先水平，根据沙利文评估，谷歌在综合 AI 的技术实力与落地能力两个维度都在科技巨头中处于行业前列，具有非常强大的 AI 综合实力。 图图 25：全球主要

83、科技巨头综合：全球主要科技巨头综合 AI 技术实力技术实力 资料来源：沙利文，199it 在底层技术与架构方面，在底层技术与架构方面，谷歌采用软件与硬件结合的方式，为企业及开发者提供开源深度学习框架 TensorFlow 及相对应的 TPU（Tensor Processing Unit） 芯片，其中 Tensor Flow是谷歌AI及机器学习的核心算法框架， 谷歌将该算法进行开源， 目前Tensor Flow 是全球范围内使用最为广泛的 AI 算法框架，被广泛应用于 PC、移动应用的开发场景中； TPU 是谷歌专门为深度学习框架 Tensor Flow 所推出的芯片， 随着人工智能场景所处理的

84、数据量急剧增长，传统的通用处理器芯片有些性能不足，TPU 的芯片相较于 GPU 芯片而言，可以采用矩阵计算的方式，能够同时处理更强大的数据量级，更加适应 AI 时代爆发增长的数据规模。 在应用层，在应用层，谷歌不仅将 AI 的技术能力全面应用于自身的各项前端业务，比如谷歌搜索、Youtube、 谷歌翻译、 谷歌地图等， 同时在安卓系统的迭代上不断融入 AI 的技术能力， 自 2018年谷歌发布 Android 9.0 开始，基于 AI 的功能逐渐增加，包括 Google Assistant、为用户提供软件预测、自适应电池容量、智能相册标记功能等。 图图 26：谷歌面向全球开发者提供丰富工具集以

85、构建强大谷歌面向全球开发者提供丰富工具集以构建强大 AI 协作生态协作生态 资料来源：谷歌AI官网 行业深度分析/传媒 20 本报告版权属于安信证券股份有限公司。本报告版权属于安信证券股份有限公司。 各项声明请参见报告尾页。各项声明请参见报告尾页。 4.1.2. 百度百度：中国最早中国最早 all in AI 的科技巨头，率先抢占的科技巨头，率先抢占 AI 时代时代 百度布局百度布局 AI 较早，并逐步释放较早，并逐步释放 AI 能力能力。百度先于阿里、腾讯布局 AI，以搜索场景为起点，现已经形成完整的 AI 生态：1）2010 年以前，百度技术的迭代主要围绕其搜索业务开展。2010-2015

86、 年，百度持续布局 AI 技术，并逐步向 NLP、机器翻译、语音、图像、知识图谱、机器学习等技术研发；2）2016 年百度大脑发布，并对外开放 AI 核心技术，不断赋能各个产业；3）2016 年百度还推出飞桨深度学习平台，赋能自身移动生态，提高搜索效率，根据2019 百度世界大会， 百度搜索结果的首条满足率在 2017-2019 年分别达到 16%、 37%、 58%；4）2018-2021 年，百度通过组织架构升级及战略升级，不断推动“云+AI”战略，通过自身AI 体系中的飞桨深度学习平台与百度昆仑芯片在软硬件方面分别积累了算法与算力等方面的优势，推动百度智能云实现“云智一体” 。 图图 2

87、7：百度百度 AI 发展历程发展历程 资料来源：百度官网，安信证券研究中心 目前百度已经形成了全方位的人工智能生态体系，以百度大脑为底层技术核心引擎，在飞桨深度学习平台、百度昆仑芯片、DuerOS 平台与智能硬件的加持下，不断深化 AI 技术在 B端客户侧的商业化，并通过 AI 赋能云服务，以百度智能云为载体，加速 AI 在各行业的商业化。具体来看如下： 图图 28：百度百度 AI 生态生态 资料来源：招股说明书，百度大脑官网，安信证券研究中心 行业深度分析/传媒 21 本报告版权属于安信证券股份有限公司。本报告版权属于安信证券股份有限公司。 各项声明请参见报告尾页。各项声明请参见报告尾页。

88、在芯片方面在芯片方面，2018 年百度正式推出百度昆仑芯片，并于 2019 年下半年流片成功，2020 年初实现量产，2021 年 8 月，百度宣布昆仑第二代芯片实现量产。高性能、低成本的昆仑芯片可赋能多个业务场景，助力百度多个业务协同发展，例如云智一体的百度智能云、Apollo自动驾驶开放平台、DuerOS 等。 在算法方面在算法方面，TensorFlow、PyTorch 以及百度旗下的飞桨 PaddlePaddle 深度学习平台是被最广泛使用的三大 AI开源平台， 其中 TensorFlow、 PyTorch 分别为国外的 Google、 Facebook旗下的平台，而百度飞桨深度学习平台

89、则是市场三强中唯一国产品牌。根据百度世界 2021大会，截至 2021 年 8 月，飞桨的开发者数量累计达到 360 万，开发了 40 万个 AI 模型，累计服务 13 万企事业单位，覆盖工业、农业、医疗、城市管理、交通、金融等众多领域。 在平台层面，在平台层面，百度大脑以昆仑芯片为硬件，以飞桨为开源框架，以数据库为发动燃料，使其成为底层支柱；通过整合内部开发的用于语音识别、计算机视觉、NLP 与知识图谱的算法，向合作伙伴及开发人员开放其技术供前端的业务场景进行调用。 在应用场景方面，在应用场景方面，百度大脑在提升搜索等前端业务效率的同时， 重点支撑 Apollo、 DuerOS、智能云三大平

90、台，分别代表着百度在智能驾驶、物联网、其他企业应用场景方向的布局： Apollo：2017 年推出全球首个自动驾驶开放平台 Apollo。公司明确了 Apollo 智能驾驶业务的三种商业模式：1）为主机厂商提供 Apollo 自动驾驶技术解决方案，助力车企快速搭建自动驾驶能力，目前百度 Apollo 自动驾驶产品已经迭代至 6.0 版本，是目前国内互联网公司中发展时间最早、积累最为深厚的自动驾驶市场的领先者；2）百度造车，端到端地整合百度自动驾驶方面的创新，如与吉利展开合作，成立智能电动汽车公司集度汽车；3）共享无人车，百度无人车商业化进程一直在加速，Robotaxi 已开启常态化商业运营，截

91、至 2019 年年底，百度无人驾驶车队已有 300 辆车，且在 13 个城市开始测试； DuerOS ：DuerOS 是百度度秘事业部研发的对话式人工智能系统。2015 年，机器人助理度秘（Duer）首次亮相。2017 年，对话式人工智能操作系统 DuerOS 发布，并与海尔、美的、联想等合作，赋予设备语音交互功能，实现设备智能化。2018 年，百度参投 BroadLink，推进“AI+IoT”产业发展。2019 年，小度助手 5.0 发布，同时推出小度智能音箱大金刚、小度智能音箱 Play 及小度在家 1C 4G 版。2021 年 8 月，百度继续推出智能巨屏电视 V86、小度主动降噪耳机等

92、产品； 图图 29：Apollo 的智能交通生态的智能交通生态 图图 30：赋能多样化的智能硬件赋能多样化的智能硬件DuerOS 用户的用户的 24 小时小时 资料来源：百度Apollo智能驾驶官网 资料来源：百度DuerOs官网 智能云：随着产业智能化的逐步深入，百度逐步形成从纯 AI 技术架构发展到软硬件协行业深度分析/传媒 22 本报告版权属于安信证券股份有限公司。本报告版权属于安信证券股份有限公司。 各项声明请参见报告尾页。各项声明请参见报告尾页。 同对接，从 AI 本身发展到 AI 与大数据、云计算相结合，使得百度可对外提供多种云产品与云解方案。目前百度智能云已经在智慧工业、智慧金融

93、、智慧城市、智慧医疗等多个领域落地， 根据 IDC 数据， 2020 年百度智能云在中国公有云 Iaas 市场份额为 3.7%，排名第七；在中国 AI 公有云市场份额为 33.3%，排名第一，百度在“云智一体”市场上的优势更为突出。 图图 31：基于百度工业大数据的充电桩智能运维基于百度工业大数据的充电桩智能运维 图图 32：百度人工智能百度人工智能农林业虫情识别智能化管理农林业虫情识别智能化管理 资料来源：百度AI开放平台 资料来源：百度AI开放平台 图图 33：2020 年中国年中国公有云公有云 IaaS 市场份额市场份额 图图 34：2020 年中国年中国 AI 公有云服务市场份额公有云

94、服务市场份额 资料来源：IDC，安信证券研究中心 资料来源：IDC，安信证券研究中心 4.2. AI 创业企业：多以自研框架为主，技术优势突出创业企业：多以自研框架为主，技术优势突出 深度学习算法推动人工智能在计算机视觉、语音识别等领域的技术突破，从而带动了一批 AI创业企业先后成立，如“AI 四小龙”中的商汤科技、旷视科技、云从科技、依图科技等一批公司在 2014 年前后成立，其创始人多来自学界或具有深厚的科研背景，开启了人工智能领域的技术创业。 表表 9：AI 四小龙创始团队介绍四小龙创始团队介绍 公司公司 创立时间创立时间 创始人创始人/团队团队 简介简介 商汤科技商汤科技 2014 年

95、年 汤晓鸥 获得麻省理工的博士学位；1998 年起担任港中文教授，2009 年获得 CVPR最佳论文奖,为有史以来亚洲第一次获得该等奖项。 王晓刚 获得麻省理工学院计算机科学博士学位，其发表的论文获引用逾 65,000 次，H指数为 120 徐立 上海交通大学本硕，香港中文大学博士，专注于计算机视觉及计算成像学的研究，曾任联想集团的研究科学家。 徐冰 获得香港中文大学信息工程及数学双学位，曾作为香港中文大学多媒体实验室的博士候选人，重点研究深度学习及计算机视觉。 旷视科技旷视科技 2013 年年 印奇 曾就读于清华大学计算机科学实验班（ “姚班” ） ，毕业于哥伦比阿里云, 38.5% 腾讯云

96、, 12.7% 华为云, 11.1% 天翼云, 9.0% 亚马逊云科技, 5.1% 金山云, 4.1% 百度智能云, 3.7% 浪潮云, 3.3% 京东云, 2.5% U Cloud, 2.1% 其他, 7.9% 百度智能云, 33.3% 阿里云, 26.9% 腾讯云, 18.1% 华为云, 13.6% 其他, 8.1% 行业深度分析/传媒 23 本报告版权属于安信证券股份有限公司。本报告版权属于安信证券股份有限公司。 各项声明请参见报告尾页。各项声明请参见报告尾页。 亚大学计算机科学（计算机传感）硕士学位 唐文斌 曾就读于清华大学计算机科学实验班（ “姚班” ） ，曾任谷歌中国实习工程师、微

97、软亚洲研究院实习研究员 杨沐 曾就读于清华大学计算机科学实验班（ “姚班” ） 。 云从科技云从科技 2015 年年 周曦 毕业于美国伊利诺伊大学电子与计算机工程专业，获得博士学位。2011 年 11 月至 2015 年 5 月担任中科院重庆绿色智能技术研究院智能多媒体技术研究中心主任、电子信息技术研究所副所长，曾入选“中科院百人计划” ，建立中科院人脸识别团队。 依图科技依图科技 2013 年年 朱珑 UCLA 统计学博士，师从计算机视觉奠基人 Alan Yuille 教授，从事计算机视觉的统计建模和人工智能的研究 林晨曦 上海交通大学计算机科学工学硕士，任微软亚洲研究院研究员，从事机器学习

98、、计算机视觉、信息检索以及分布式系统方向的研究工作 资料来源：公司公告，安信证券研究中心 4.2.1. 商汤科技：商汤科技：以强大底层基建支撑长尾场景布局，规模效应初现以强大底层基建支撑长尾场景布局，规模效应初现 2014 年3 月， 香港中文大学多媒体实验室的汤晓鸥团队发布 Gaussian Face 人脸识别算法，在全球首次突破人眼识别能力，将计算机视觉能力进一步向前推进。2014 年 10 月，汤晓鸥带领团队创立商汤科技，开启了将实验室成果推向市场的商业化路径。发展至今，商汤科技已经成为行业领先的人工智能软件公司，总部位于上海及香港，业务辐射国内及日本、新加坡等地。公司通过向客户销售人工

99、智能软硬一体产品及相关服务获取收入，2020 年已经实现 34.46 亿收入，服务全球超过 1200 名客户。 商汤科技专注于计算机视觉和深度学习技术，独创了“1（基础研究）+1（产品及解决方案）+X（行业） ”的商业模式，坚持以原创基础研究为支撑，以自主研发的深度学习训练框架SenseParrots 为核心，逐步打造出一套通用人工智能基础设施 SenseCore。同时公司也通过自研芯片与传感器，以及自建超算中心 AIDC 为 SenseCore 提供强大的算力支持。得益于人工智能底层基建的不断完善，截止 2021 年，公司的商业化人工智能模型数目已经超过22000 个，专利及专利申请数目超过

100、 8000 个，具有强大的技术研发能力。 图图 35：商汤科技产品与服务矩阵：商汤科技产品与服务矩阵 资料来源：公司公告 基于人工智能基础设施平台 SenseCore，公司已经将商业化应用场景拓展至智慧商业、智慧城市、智慧生活、智能汽车四大核心领域，为客户打造针对性人工智能综合场景解决方案。具体来看，其产品矩阵包括： 1）面向智慧商业的商汤方舟企业开放平台：主要满足制造、基础设施、金融等行业客户在行业深度分析/传媒 24 本报告版权属于安信证券股份有限公司。本报告版权属于安信证券股份有限公司。 各项声明请参见报告尾页。各项声明请参见报告尾页。 数据感知、流程自动化等方面的需求，从而提高企业运营

101、效率； 2）面向智慧城市的商汤城市开放平台：主要为城市管理者提供城市运营系统，通过 AI 模型将来自于物联网设备的监测信息转化为运营洞察、事件警报及管理行动，帮助提高城市运营的安全性、便利性等； 3） 面向智慧生活的 SenseME、 SenseMars、 SenseCare 平台： 其中 SenseME 主要赋能 IoT设备，使其具备感知智能及内容增强的能力；SenseMars 主要赋能手机、AR/VR 设备、智慧大屏，提升用户体验；SenseCare 平台主要为诊断、治疗及康复等医疗服务进行赋能； 4）面向智慧汽车的商汤绝影智能汽车平台：主要为车企客户提供 ADAS 系统、智能座舱系统以及

102、帮助其实现车辆及道路、交通信号等及路侧设施的检测等自动驾驶相关的技术。 得益于得益于 SenseCore成熟完善的人工智能模型生产流程， 公司的研发效率不断提升。成熟完善的人工智能模型生产流程， 公司的研发效率不断提升。 截至2021年 6 月 30 日,公司已积累生产超过 22,000 个驱动不同应用的商用人工智能模型,涉及多个垂直行业；2019-2020 年公司每年生产的商用模型数分别为1152 个、9753 个, 2021 年上半年进一步提高到了 8377 个；2019-2020 年研发人员每人年均生产的商用模型数量分别为 0.44个、3.45 个，2021 年上半年又继续提高到了 5.

103、24 个。 图图 36：2019-2021H1 公司每年生产商用模型数公司每年生产商用模型数 图图 37：2019-2021H1 研发人员人均生产商用模型数量研发人员人均生产商用模型数量 资料来源：公司公告，安信证券研究中心 资料来源：公司公告，安信证券研究中心 4.2.2. 旷视科技旷视科技：重点布局三大物联网场景，打造“重点布局三大物联网场景，打造“算法算法-软件软件-硬件硬件”协同模式”协同模式 旷视科技创立于 2011 年，其三位创始人为印奇、唐文斌、杨沐，他们是来自于清华大学计算机科学实验班（ “姚班” ）同学，在计算机视觉领域具备相关的研究与从业经历。公司发展至今已成为全球领先的人

104、工智能产品和解决方案公司，参与制订了 20 余项人工智能相关的国家、行业及团体标准，服务数十万开发者和超过 3000 家行业客户，业务遍布全球。 公司自主研发的新一代 AI生产力平台 Brain+， 包括深度学习框架 MegEngine （旷视天元） 、深度学习云计算平台 MegCompute 以及数据管理平台 MegData，将算法、算力和数据能力融为一体， 助力AI技术实现了从算法生产到应用的全流程化和规模化供给。 依托于 Brain+，公司构建了强大的 AIoT 产品体系，通过“算法-软件-硬件”的协同设计模式，实现了从 IoT连接、数据处理、数字孪生到应用赋能的功能集成。 基于业界顶尖

105、的人工智能基础研究与工程实践能力，公司以物联网作为人工智能技术落地的载体，通过构建完整的 AIoT 产品体系，面向消费物联网、城市物联网、供应链物联网三大核心场景提供行业解决方案： 1） 消费物联网消费物联网：提供基于移动终端的解决方案和基于云端 SaaS 的解决方案，通过 AI 技术赋能摄像头，提高客户运营效率，进而改善持有移动终端的用户体验。 2） 城市互联网城市互联网：提供应用于智慧城市及智慧建筑管理的解决方案，智慧城市管理协助政府行业深度分析/传媒 25 本报告版权属于安信证券股份有限公司。本报告版权属于安信证券股份有限公司。 各项声明请参见报告尾页。各项声明请参见报告尾页。 机构改善

106、公共安全、优化交通管理、改进城市资源规划；智慧建筑管理则可协助企业加强物业安保，提升物业住户和访客体验。 3） 供应链互联网供应链互联网： 提供智慧物流解决方案和智慧工业解决方案， 通过AI技术赋能操作系统、机器人与自动化装备，帮助企业实现仓库、工厂的数字化、智能化升级，提高供应链效率。从而帮助物流公司和制造商有效部署、协调和管理机器人及自动化装备，以支持复杂的物流和生产任务。 图图 38：旷视科技产品与服务矩阵旷视科技产品与服务矩阵 资料来源：公司公告，安信证券研究中心 整体来看，旷视科技从人工智能算法出发，围绕三大重点场景深度布局“算法-硬件-软件”一体化的生态，具有较强的业务落地能力。同

107、时，相较于其他公司，旷视科技在供应链物联网领域形成差异化布局，具备一定的竞争优势。 4.3. 传统硬件厂商传统硬件厂商：推进智能化业务布局，在客户资源与产品交付方面占优：推进智能化业务布局，在客户资源与产品交付方面占优 在人工智能对各个场景进行智能化改造的过程中，许多传统硬件厂商、ISV 等公司通过跟进人工智能技术的发展，完成了自身产品矩阵的智能化升级，并抓住行业增长的机遇实现了业绩的增长。此处，我们以海康威视为代表，对这类公司进行简要介绍： 4.3.1. 海康威视海康威视：安防龙头向智能化升级，积极布局全方位产品生态：安防龙头向智能化升级，积极布局全方位产品生态 安防龙头全面向智能化方向升级

108、。安防龙头全面向智能化方向升级。海康威视成立于 2001 年，2010 年5 月于深交所上市，发展至今二十余年，其业务发展可以概括为三大阶段： 1） 数字化发展阶段 （2001-2010 年） ： 公司推出后端视频压缩产品， 并进军前端摄像头业务； 2） 网络、高清化发展阶段（2010-2015 年） ：公司从传统模拟 DVR 加矩阵方案向高清化、IP 化解决方案发展； 3） 智能化发展阶段（2015-2021 年） ：公司研发的人工智能、云计算、 5G 等技术逐步落地，推出的安防产品进入智能化阶段。 行业深度分析/传媒 26 本报告版权属于安信证券股份有限公司。本报告版权属于安信证券股份有限

109、公司。 各项声明请参见报告尾页。各项声明请参见报告尾页。 图图 39：海康威视发展历程海康威视发展历程 资料来源：公司官网，安信证券研究中心 聚焦于智能物联网、大数据服务和智慧业务，致力于为客户提供聚焦于智能物联网、大数据服务和智慧业务，致力于为客户提供从从软硬件一体化的软硬件一体化的项目解决方项目解决方案，其中案，其中： 1） 硬件产品可分为边缘节点产品、边缘域产品与云中心产品三个部分：边缘节点产品聚焦全面智能感知，包括前端摄像机产品、智能交通与移动执法产品、门禁与对讲产品、报警产品等；边缘域产品服务于场景化智能落地，包括多功能一体化智能设备和智能视频传输设备； 云中心产品服务于数据中心建设

110、，包括通用计算、智能计算、通用存储、流式存储和大屏显示等产品； 2） 软件产品可分为软件平台、智能算法、数据模型和业务服务四个部分：软件平台提供底端支持，包括云计算、云存储平台等基础软件平台，AR 实景指挥平台、VR 全景应用平台等跨多行业通用软件平台与 100 多个行业应用软件平台；智能算法服务于人工智能分析，包括可用于多个行业智能应用开发的通用算法和针对不同行业需求开发的行业专用算法； 数据模型基于物信融合数据资源平台，为各行各业提供大数据应用服务；业务服务针对部分行业提供系统运维服务、数据工程服务与业务运营服务。 面向三大客群，助力客户数字化升级。面向三大客群，助力客户数字化升级。201

111、8 年海康威视进行业务组织架构重组，将国内业务分为公共服务事业群（PBG） 、企事业事业群（EBG） 、中小企业事业群（SMBG）三大业务群，分别面向不同的客户，助力其实现数字化转型升级：1）公共服务事业群（PBG）面向公共服务领域用户，赋能智慧城市、智慧警务、智慧交通、智慧城管等多方面智慧业务，推动行业和城市数字化转型；2）企事业事业群（EBG）面向企事业用户，基于 AI Cloud 架构，为用户提供智能物联、物信融合技术，推出传统信息化、设备设施物联、场景智能物联融于一体的数字企业解决方案；目前已在煤矿冶金、商业地产、制造企业、烟酒盐、物流、零售连锁、教育教学等多个行业用户中实践落地；3）

112、中小企业事业群（SMBG）面向中小企业用户，致力于打造泛安防产业互联网，由海康互联和海康云商两大主线平台构成泛安防互联网产品矩阵，通过生产端、流通端、营销端、使用端的全链路数字化，为中小企业提供多元应用场景下的泛安防服务。此外，公司还通过八大创新业务进行前瞻性业务布局，包括海康机器人等，形成完整的业务框架体系。 行业深度分析/传媒 27 本报告版权属于安信证券股份有限公司。本报告版权属于安信证券股份有限公司。 各项声明请参见报告尾页。各项声明请参见报告尾页。 图图 40：海康威视业务框架体系海康威视业务框架体系 资料来源：公司公告 4.4. 三类企业对比三类企业对比：当前共享增长红利，长期当前

113、共享增长红利，长期看看或终将同台竞技或终将同台竞技 我们认为算法我们认为算法、数据数据、客户资源是、客户资源是当前阶段较为重要的三项能力当前阶段较为重要的三项能力，综合三类企业公司的发展综合三类企业公司的发展历史历史、业务业务模式模式来看，我们来看，我们尝试推演尝试推演三类公司在三类公司在算法算法、数据数据、客户资源三个维度上、客户资源三个维度上各自的优各自的优劣势劣势： 1）互联网）互联网科技巨头：科技巨头：互联网巨头在人工智能方向上的能力最为全面，本身具有较强的算法能力，又掌握了大量的数据资源（特别是 C 端数据） ，并且大多公司已经具有国民认知度，品牌效应显著，所以在竞争中占有较大优势；

114、但是互联网巨头多数有自身业务基本盘，比如阿里的电商、字节跳动的短视频等，目前公司更多是将人工智能作为底层支撑进行布局，而不完全是独立业务线，未来可能面临资源分配问题； 2）AI 创业企业：创业企业：其优势在于具有突出的技术研发能力，且多数以自研框架为主，在一些特定场景会体现出算法能力的优势；不足在于公司的发展时间相对较短，缺少行业与客户的积累，销售渠道布局相对薄弱，可能在竞争中处于相对弱势； 3）传统硬件厂商等：传统硬件厂商等：以海康威视为代表的传统厂商在特定场景中有多年的业务积累，具有成熟的销售渠道与更强的客户拓展能力，以及对产业链上下游的理解更深。以此为基础，公司也在寻求智能化升级，打造从

115、硬件到软件一体的解决方案，形成了较强的产品交付能力。其相对弱势的地方主要体现在算法能力上，需要一定时间追赶 AI 算法公司。 表表 10：各类参与公各类参与公司的竞争司的竞争优劣势优劣势 竞争竞争优势优势 相对弱势相对弱势 互联网科技巨头互联网科技巨头 有较强的算法能力； 掌握了大量的数据资源（特别是 C端数据） ；大多公司具有国民认知度，品牌效应显著。 内部资源分配问题 AI 创业企业创业企业 具有较强的技术积累，研发能力较强； 以自研框架为主，在特定场景反应能力更快速 缺少行业与客户的积累， 销售渠道布局相对薄弱 传统硬件厂商等传统硬件厂商等 成熟的销售渠道与更强的客户拓展能力 产品交付能

116、力较强 算法等技术能力相对薄弱 资料来源：安信证券研究中心 当前共享增长红利当前共享增长红利，长期看长期看或终将同台竞技或终将同台竞技。目前人工智能仍具有较大的增长空间，如前所述，其驱动力来自于传统场景的渗透率提升及新业态的不断涌现与增长。在行业增长的背景行业深度分析/传媒 28 本报告版权属于安信证券股份有限公司。本报告版权属于安信证券股份有限公司。 各项声明请参见报告尾页。各项声明请参见报告尾页。 下，三类公司各凭资源禀赋从不同方向切入，我们认为在一段时间内三类公司都将充分受益于行业增长红利，并逐渐在竞争中找到适合自己的场景定位与角色定位，去构建自身竞争壁垒。从长期来看，行业增长逐步放缓，

117、三类公司或终将走向竞争，体现在客户资源的竞争或价值链的利益分配上，彼时竞争格局有望更加清晰。 5. AI 创业企业面临的共同课题创业企业面临的共同课题 5.1. 盈利盈利的的压力压力：强化获客与商业化能力，重视规模化产出水平强化获客与商业化能力，重视规模化产出水平 目前 AI 四小龙都处于亏损状态，分析其财务表现报表来看，主要问题在于研发投入较高等原因所导致的亏损问题。从财务视角来看，实现盈利的路径主要来自于收入端的快速增长与费用端显著下降，反映在业务层面，我们认为可以重点关注以下两个方面的变化： 关注关注一一：客户拓展与模式创新带来的收入增长客户拓展与模式创新带来的收入增长。从收入端的增长来

118、看，一方面需要企业能够深耕应用场景与产业链上下游，为服务的客户提供精细化的能力，打造标杆性案例，并通过客户口碑传播不断拓展新的客户资源；另一方面可以通过商业模式的创新，找到更契合公司核心竞争力的盈利模式，比如目前主流的收入模式为项目制或者软件销售，未来是否有可能演化出咨询模式、平台模式等。 图图 41：人工智能商业模式演进人工智能商业模式演进 资料来源：艾瑞咨询，安信证券研究中心 关注二：规模效应逐步显现推动费用率显著下降。关注二：规模效应逐步显现推动费用率显著下降。人工智能行业的最大的成本与费用主要来自于人员成本，背后的原因在于：一方面自研算法框架需要投入大量人员进行基础研究，以保证技术的持

119、续领先；另一方面是由于场景复杂性所导致的底层模型的复用率不高。提高模型的复用性，减少个性化研发的需求数量，从而降低对研发人员的需求，是未来人工智能企业扭亏为盈的关键之一。 综上， 对盈利能力的关注将推动综上， 对盈利能力的关注将推动 AI 算法公司算法公司在加大获客能力的同时， 也将考虑如何在加大获客能力的同时， 也将考虑如何規模化、規模化、低成本地生产高性能的低成本地生产高性能的 AI 模型。模型。 5.2. 路径的分歧：路径的分歧：场景垂直化场景垂直化 or 产业链分工化，终将面临选择产业链分工化，终将面临选择 人工智能人工智能场景场景落地复杂且落地复杂且业务链条长，未来或业务链条长，未来

120、或将产生一定的业务路径分歧将产生一定的业务路径分歧。AI 技术的落地可能带来颠覆性的业务变革，所以算法需要与所落地的场景有深度的融合，前端场景的细微变化都可能带来后端技术与算法的调整，对于单个厂商而言，既需要考虑与业务场景的融合，又需要从技术层面具备适应业务场景变化的能力，同时还需要保证与硬件设备具有较高的兼容性，以及落地施工的工程能力，所涉及的业务链条较长。如果从规模经济的角度来看，单一的公司很难做到对多元的业务场景和完整的产业链条的兼顾，所以在追求业务扩张与规模行业深度分析/传媒 29 本报告版权属于安信证券股份有限公司。本报告版权属于安信证券股份有限公司。 各项声明请参见报告尾页。各项声

121、明请参见报告尾页。 效应的大背景下，我们判断上述入局的厂商势必需要进行一定的取舍。这种取舍将主要沿着两条路径进行：一是沿着场景进行取舍，从而产生业务场景的垂直化；二是沿着产业链环节进行取舍，从而带来产业链的分工化： 1）路径一：场景分化路径一：场景分化 全场景布局全场景布局 or 垂直场景？垂直场景？以城市与商业为核心，细分行业以城市与商业为核心，细分行业上上有所差异。有所差异。目前商汤科技的应用场景最为全面，覆盖智慧城市、智慧企业、智慧生活、智能汽车四大场景，其中智慧城市与智慧商业为核心。AI 四小龙中的其他三家公司除了在城市与商业上也有布局外，在部分场景上已经存在差异化，比如旷视科技差异化

122、布局智慧物流、智慧仓储等供应链物联网，云从科技在金融领域较为突出，依图科技在智能医疗方向投入较多。 表表 11：主要：主要 AI 科技企业技术产品与应用场景对比科技企业技术产品与应用场景对比 商汤科技商汤科技 旷视科技旷视科技 云从科技云从科技 依图科技依图科技 智慧生活智慧生活 摄影图像优化 应用于元宇宙， 提供物理世界的数字重建、生成虚拟化身，并支持人机交互的功能 应用于医学诊断、 手术规划及康复建议 设备解锁解决方案 计算摄影解决方案 云端 SaaS 类解决方案 智能医疗临床决策解决方案 智能医疗大数据解决方案 智能医疗管理解决方案 智慧城市智慧城市 智慧化管理:出行交通管理、城市服务、

123、 环境保护、应急响应等方面 智慧城市解决方案， 如智慧公共安全、智慧交通管理等； 智慧治理综合解决方案： 智慧校园 医院智能化管控解决方案 智慧城市、社区等 城市视觉中枢解决方案 智慧社区解决方案 智慧商业智慧商业 工业应用，如缺陷检查等 提供安全及安保、运营服务、资产管理及设施维护等服务 智慧物流解决方案，如搬运、分拣等 智慧工业解决方案 智慧建筑解决方案：智慧社区、智慧园区、智慧商业网点 智慧金融综合解决方案， 如身份认证、业务合规、网店升级等 智慧出行综合解决方案 （民航机场智慧出行解决方案， 如差异化安检等； 城市智慧公交运营调度等） 智慧商业综合解决方案 （智慧汽车零售解决方案、 智

124、慧房地产案场解决方案等） 通用园区解决方案 安全生产解决方案 网点全解析解决方案 “一脸通城”解决方案 其他其他 自动驾驶方案 资料来源：公司公告，安信证券研究中心（注：各家公司对应用场景及技术的分类方式略有差异，目前的分类方式主要参考商汤科技与旷视科技，并对其他进行重新划分与归纳） 2) 路径二路径二：产业链分化产业链分化 软硬一体软硬一体 or 软件为主？软件为主？产业链环节不同，导致业务毛利率产业链环节不同，导致业务毛利率水平存在差异水平存在差异。人工智能可能对应用场景带来颠覆性的改变，因此发展初期多以定制化方案为主，多采取软硬一体的项目制合作方式。旷视科技深耕于三大重点场景，打造了“硬

125、件-软件-算法”协同的模式，与行业更贴近，能够提供的服务更加综合，但是由于存在硬件成本导致毛利率相对较低，2021H1旷视科技毛利率为 34.44%。而商汤科技在招股说明书中表示，公司将采取优先推广软件的销售策略，未来将更倾向于提供软件服务，也推动了公司毛利率的明显上升，2021H1 毛利率提升至 72.95%。 行业深度分析/传媒 30 本报告版权属于安信证券股份有限公司。本报告版权属于安信证券股份有限公司。 各项声明请参见报告尾页。各项声明请参见报告尾页。 图图 42：商汤科技与旷视科技的毛利率对比商汤科技与旷视科技的毛利率对比 资料来源：Wind，安信证券研究中心 我们推断未来看不同 A

126、I 企业是适合采用软硬一体的商业模式还是以算法等软件为主的商业模式， 核心在于其所处行业客户所需要的产品是以标准化为主还是定制化为主， 比如在安防、智慧社区等场景中， 产品需要结合客户的需求进行定制化， 可能更适合软硬一体的解决方案；而在医疗、自动驾驶领域，产品可以被标准化，则通过售卖标准化的软件产品有望获得更高的毛利。 6. 投资建议投资建议 建议关注布局人工智能赛道的三类公司：1）AI 创业企业，如商汤科技、旷视科技、云从科技、依图科技等；2）向 AI 技术方向升级的传统硬件厂商，如海康威视、大华股份等；3）互联网科技巨头，如谷歌、百度等。 7. 风险提示风险提示 行业增长行业增长不及预期

127、：不及预期：目前人工智能行业发展阶段的核心在于解决客户的痛点，既需要对场景的理解，又需要较高的技术水平，对参与者提出较高的要求。若无法针对大规模应用场景提出有效解决方案或进展低于预期，则可能导致行业的增速放缓，从而使产业链上各主要公司的营收增速放缓。 行业行业竞争格局恶化：竞争格局恶化：当前人工智能领域入局者众多，各自凭借自身资源禀赋参与其中，众多入局者的竞争可能会导致行业秩序混乱，从而形成恶性竞争，不利于公司的长期发展。 50.96% 62.23% 42.55% 33.11% 34.44% 56.48% 56.80% 70.57% 72.95% 0%10%20%30%40%50%60%70%80%200202021H1旷视科技 商汤科技