人工智能行業(yè)專題研究：三類人工智能企業(yè)或終將同臺競技

1、人工智能行業(yè)專題研究：三類人工智能企業(yè)或終將同臺競技1.人工智能：將“人”由現(xiàn)實映射到虛擬世界的技術(shù)脈絡(luò)之一人工智能的本質(zhì)是希望計算機具備像人類一樣感知、處理與分析問題的能力。從人類應(yīng)對外 界刺激所作出的反饋的流程來看，大概需要以下三步：1）通過眼睛、耳朵等感官獲得外界 刺激；2）將信息傳輸至大腦進行處理，并基于大腦的處理結(jié)果與此前的經(jīng)驗積累，做出判 斷；3）借助語言進行表達或者指導(dǎo)手、腳等四肢做出行動，對外界刺激做出反饋或者進行 互動。參考人類處理問題的流程與能力來看，人工智能系統(tǒng)應(yīng)當(dāng)具備的三大核心模塊為：1）感知模塊：類似于人類的眼睛、耳朵等感官一樣，人工智能需要借助攝像頭、傳感器等 進行

2、圖像、聲音等信息的收集，并將其傳輸至像大腦一樣的數(shù)據(jù)處理中樞進行信息處理；2）思考模塊：類似于人類大腦，人工智能應(yīng)該有數(shù)據(jù)處理中心對所收集的數(shù)據(jù)進行處理分 析，人類根據(jù)大腦處理后的信息，并基于一定的經(jīng)驗與知識對所處的環(huán)境進行判斷，并 最終做出決策，所以在人工智能中，需要對計算機進行大規(guī)模的數(shù)據(jù)訓(xùn)練，使其具備一 定的知識積累，產(chǎn)生類似于人類的“經(jīng)驗”，從而具備對新接收的數(shù)據(jù)進行分析和判斷的 能力；3）行動模塊：在做出判斷后，人類通過語言或行動對外界做出反饋，那么人工智能則需要 借助語音輸出或向硬件設(shè)備等發(fā)出信號指導(dǎo)其行動，對應(yīng)語音合成等技術(shù)。根據(jù)計算機所具備的能力，我們可以將其發(fā)展階段劃分為計算

3、智能、感知智能、認知智能這 三個階段：1）計算智能：計算機能夠?qū)崿F(xiàn)存儲與計算，并作為傳輸信息的重要手段，比如 在過去一段時間內(nèi)，計算機最大的發(fā)展是將一切信息都盡可能的數(shù)字化，從早期的計算與文 字，到發(fā)展至今的電商、娛樂等場景的數(shù)字化；2）感知智能：計算機開始看懂與聽懂，并 能夠做出一些判斷及行動，比如 Siri 語音助手等；3）認知智能：機器能夠像人一樣進行思 考，并主動的做出行動，比如在完全自動駕駛場景下，汽車能夠自己做出超車、轉(zhuǎn)彎的行動 等。站在當(dāng)前時點來看，現(xiàn)實世界的數(shù)字化不斷深入，我們認為計算機已經(jīng)基本具備了計算智能， 當(dāng)前階段是幫助計算機從計算智能進一步走向感知智能，能夠看懂與聽懂外

4、界環(huán)境并做出一 定的反饋；并隨著知識的積累所帶來的智能化的提升，使計算機由感知智能逐步向認知智能 的階段進行演進。移動互聯(lián)網(wǎng)之后，新一輪現(xiàn)實映射到虛擬世界的探索中，我們認為硬件與 AI 分別是兩種技 術(shù)脈絡(luò)。硬件實時傳輸與人體機能相關(guān)的彎曲、力度、觸感；AI 模擬人的大腦對人行為、動 作、表情的驅(qū)動。這兩種技術(shù)脈絡(luò)的結(jié)合應(yīng)用，預(yù)計將開啟此輪探索的軟硬一體化的運行特 質(zhì)。2. 奠定當(dāng)下的商業(yè)化的理論知識，可以追溯到 70 年前2.1. 1943-2006 年：理論知識積累的時期，相關(guān)研究進展緩慢回顧人工智能早期發(fā)展史，其可以追溯至 1943 年，直至 2006 年之前由于當(dāng)時的算力受限 且數(shù)據(jù)不

5、足，算法沒辦法充分發(fā)揮其作用，這一階段主要是人工智能理論知識的啟蒙與積累 階段，期間也曾產(chǎn)生一些階段性成果，但整體研究進展較為緩慢。其中，一些典型的理論積 累如下：思想啟蒙：1943 年，沃倫麥卡洛克和沃爾特皮茨發(fā)表了神經(jīng)活動中內(nèi)在思想的邏輯 演算，這啟發(fā)了后來神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)的產(chǎn)生。1950 年著名的圖靈測試誕生，按照“人 工智能之父”艾倫圖靈的定義：如果一臺機器能夠與人類展開對話（通過電傳設(shè)備）而不 能被辨別出其機器身份，那么稱這臺機器具有智能。1956 年夏天，美國達特茅斯學(xué)院舉行 了歷史上第一次人工智能研討會，被認為是人工智能誕生的標(biāo)志。會上，麥卡錫首次提出了 “人工智能”這個概念，

6、紐厄爾和西蒙則展示了編寫的邏輯理論機器。從推理期至知識期，期間推出大量專家系統(tǒng)。20 世紀 50-70 年代，人們認為如果能賦予計 算機推理能力，機器就有智能，人工智能研究處于“推理期”，之后人們意識到人類能夠進行判斷、決策還需要知識，人工智能在 70 年代進入“知識期”，誕生了大量的專家系統(tǒng)如 Dendral，但由于當(dāng)時的計算機有限的內(nèi)存和處理速度不足以解決任何實際的人工智能問題， 導(dǎo)致研究缺乏進展，美國和英國相繼縮減經(jīng)費支持，人工智能進入第一次低谷。第五代計算機項目：1981 年，日本經(jīng)濟產(chǎn)業(yè)省撥款 8.5 億美元用以研發(fā)第五代計算機項目， 在當(dāng)時被叫做人工智能計算機。隨后，英國、美國紛紛

7、響應(yīng)，開始向信息技術(shù)領(lǐng)域的研究提 供大量資金。但是專家系統(tǒng)的實用性僅僅局限于某些特定情景。到了上世紀 80 年代晚期， 美國國防部高級研究計劃局（DARPA）的新任領(lǐng)導(dǎo)認為人工智能并非“下一個浪潮”，撥款 將傾向于那些看起來更容易出成果的項目；此外第五代計算機項目宣告失敗，人工智能進入 第二次低谷期。2.2. 2006-2016 年：算法、算力與數(shù)據(jù)三重合力推動，人工智能取得重大突破人工智能算法的開發(fā)通常離不開三個核心要素，即算法、算力、數(shù)據(jù)。2006-2016 年這十年 間，這三大核心要素均迎來了質(zhì)的飛躍：第一重飛躍：深度學(xué)習(xí)算法能夠支持訓(xùn)練更大規(guī)模的神經(jīng)網(wǎng)絡(luò)。深度學(xué)習(xí)算法能夠訓(xùn)練更大 規(guī)模

8、的神經(jīng)網(wǎng)絡(luò) 2006 年 Geoffrey Hinton 和他的學(xué)生 Ruslan Salakhutdinov 在科學(xué)上發(fā) 表文章，給出多層神經(jīng)網(wǎng)絡(luò)更好訓(xùn)練方法，至此神經(jīng)網(wǎng)絡(luò)算法才開始真正具有深度。與過去 傳統(tǒng)的人工智能算法相比，深度學(xué)習(xí)算法能夠訓(xùn)練更大規(guī)模的神經(jīng)網(wǎng)絡(luò)，從而解決更復(fù)雜的 問題，而且隨著數(shù)據(jù)規(guī)模的提升，規(guī)模越大的神經(jīng)網(wǎng)絡(luò)的深度學(xué)習(xí)算法表現(xiàn)出的效果越顯著。第二重飛躍：芯片發(fā)展遵循摩爾定律，算力得到質(zhì)的提升。摩爾定律指出芯片上可容納的晶 體管數(shù)目，約每隔 18 個月便會增加一倍，性能也將提升一倍。1945 年世界上第一臺計算機 ENIAC 的速度是能在一秒內(nèi)完成 5000 次定點的加

9、減法運算，到 2007 年采用英特爾酷睿芯 片的個人電腦計算速度為每秒 500 億次浮點運算，是 ENIAC 的 1000 萬倍，體積和耗電量 卻小了很多；到 2012 年全球最快的計算機 IBM 的紅杉的計算速度為 1.6 億億次，比 19 個 月前竟提高了將近 6 倍。（數(shù)據(jù)來源：吳軍浪潮之巔）通過以上幾組數(shù)據(jù)可以發(fā)現(xiàn)，自 2006 年 Geoffrey Hinton 發(fā)布有關(guān)深度學(xué)習(xí)的文章后，計算機的算力得到了質(zhì)的提升，可以有效 的支撐大規(guī)模的模型訓(xùn)練。第三重飛躍：PC 互聯(lián)網(wǎng)與移動互聯(lián)網(wǎng)的發(fā)展為人工智能模型訓(xùn)練提供了龐大的數(shù)據(jù)積累。 PC 互聯(lián)網(wǎng)的發(fā)展使用戶的許多場景線上化，比如新聞訊

10、息、郵件、電商等，產(chǎn)生了相當(dāng)規(guī) 模的數(shù)據(jù)；而移動互聯(lián)網(wǎng)又進一步地將智能手機等更多終端納入互聯(lián)網(wǎng)體系，并產(chǎn)生豐富新 的應(yīng)用，使數(shù)據(jù)規(guī)模得到了進一步地增長。根據(jù) IDC 預(yù)測，全球數(shù)據(jù)圈將從 2018 年的 33ZB 增至 2025 年的 175ZB。三重合力推動人工智能在多領(lǐng)域取得技術(shù)突破，逐步開始具有商業(yè)價值。在更強大的算力支 撐下，通過大規(guī)模訓(xùn)練數(shù)據(jù)喂養(yǎng)的深度學(xué)習(xí)算法模型表現(xiàn)出更優(yōu)異的效果，推動計算機視覺、 語音識別等領(lǐng)域取得了重大的技術(shù)突破，比如 2014 年香港中文大學(xué)湯曉鷗教授團隊發(fā)布 DeepID 系列人臉識別算法準確率達到 98.52%，全球首次超過人眼識別率，突破了工業(yè)化應(yīng) 用紅

11、線；根據(jù)易觀數(shù)據(jù)，2009 年深度神經(jīng)網(wǎng)絡(luò)算法被應(yīng)用于語音識別領(lǐng)域時，語音識別準 確率突破 90%，至 2016 年百度、搜狗等頭部公司都先后宣布其語音識別率達到了 97%。這 一階段，人工智能開始呈現(xiàn)出一定的應(yīng)用價值，開始逐步走向商業(yè)化。2.3. 2016 年至今：人工智能全面走向商業(yè)化應(yīng)用，中國在應(yīng)用場景優(yōu)勢突出Alpha Go 打敗李世石進一步推動人工智能走向大眾，并引爆了資本的熱情。2016 年 Alpha Go 打敗了人類圍棋世界冠軍李世石，引發(fā)了全世界的關(guān)注，這是人工智能史上里程碑事件， 自此人工智能從學(xué)界開始走向大眾市場。同時也推動一級市場投融資熱潮，根據(jù) IT 桔子數(shù)據(jù)， 20

12、16 年國內(nèi) AI 投融資事件快速增加，融資總額較 2015 年近乎翻倍。2016-2018 年 AI 投融 資事件總數(shù)為 2917 起，投資總額為 4006.48 億，為 AI 創(chuàng)業(yè)提供了強大的資本助力。同時，各大科技巨頭先后將人工智能確認為未來的重點發(fā)展戰(zhàn)略。在國外以谷歌為代表，將 未來發(fā)展戰(zhàn)略將從移動為先（Mobile First）調(diào)整為“人工智能為先”（AI First），通過內(nèi)生增 長（發(fā)展自研算法體系 Tensor Flow 等）與外延收購（大規(guī)模并購人工智能領(lǐng)域公司，如 DeepMind）提升人工智能綜合實力；國內(nèi)以百度為代表，率先布局人工智能戰(zhàn)略，并于 2016 年就推出百度大

13、腦、飛槳算法等產(chǎn)品，建立起強大的人工智能底層基礎(chǔ)。全球各國都很重視人工智能，中國尤甚。人工智能引起了全球各國的關(guān)注，中國更是將人工 智能上升至國家戰(zhàn)略的層面，給予行業(yè)的發(fā)展強有力的政策支持。政府不僅從 2015 年人工 智能應(yīng)用發(fā)展初期，就將人工智能寫入中國制造 2025、“十三五”規(guī)劃綱要等重要政 府文件中，確定了人工智能在我國未來經(jīng)濟發(fā)展中的重要作用；還隨著人工智能行業(yè)的不斷 發(fā)展，對政策內(nèi)容也持續(xù)進行細化，從頂層設(shè)計至創(chuàng)新成果轉(zhuǎn)化路徑，再到芯片、開源平臺 等技術(shù)層面都有相應(yīng)政策指導(dǎo)，為行業(yè)提供了清晰的路徑指引。政策支持等多重因素推動下，中國人工智能應(yīng)用場景的發(fā)展尤為顯著。政府對人工智能行

14、業(yè) 的支持不僅體現(xiàn)在政策方面，同時政府也是人工智能應(yīng)用的重要采購商，從商湯科技與曠視 科技的收入構(gòu)成來看，2020 年營業(yè)收入占比最高的均為包含安防在內(nèi)的城市管理場景。政 府的有力扶持、國內(nèi)強大的數(shù)字基建能力疊加廣闊的市場體系，中國人工智能應(yīng)用場景遍地 開花。AI 被廣泛應(yīng)用至大數(shù)據(jù)研判、運籌優(yōu)化、智能風(fēng)控、人機交互等生產(chǎn)活動的各個環(huán)節(jié)， 特別是在政府、金融、互聯(lián)網(wǎng)、交通等行業(yè)的滲透率較高，AI 所發(fā)揮的價值已被驗證并且正 在進入規(guī)?；碾A段；在制造、能源等行業(yè)也已經(jīng)產(chǎn)生了一些標(biāo)桿案例，待進一步挖掘為典 型應(yīng)用場景。對比國外在底層架構(gòu)上的優(yōu)勢，我們認為中國在應(yīng)用場景上的優(yōu)勢將尤為突出。得益于國

15、內(nèi)豐富的應(yīng)用場景，國內(nèi) AI 創(chuàng)業(yè)企業(yè)營收已達一定規(guī)模，開始密集進入資本化階 段。國內(nèi)以安防、金融、城市運維等為代表的的人工智能應(yīng)用場景的快速發(fā)展也推動 AI 創(chuàng) 業(yè)公司的業(yè)績增長，目前頭部 AI創(chuàng)業(yè)企業(yè)的營收規(guī)模也達到一定的體量，開始積極準備 IPO。 我們統(tǒng)計了部分公司的 IPO 進展現(xiàn)狀，目前商湯科技已經(jīng)于 2021 年 12 月底在港交所成功 上市，成功摘下“AI 第一股”的稱號，截止 2022 年 1 月 7 日，商湯市值達到 2450 億港幣， 較發(fā)行時上漲超過 90%；此外，曠視科技、云從科技、格靈深瞳、云天勵飛已經(jīng)通過上交所 審核，進入注冊階段；第四范式、創(chuàng)新奇智已在港交所提交

16、招股書。整體來看，AI 創(chuàng)業(yè)企業(yè) 多處在 IPO 的最后階段，再考慮商湯科技上市后超預(yù)期的股價表現(xiàn)，我們判斷 2022 年將有 望迎來人工智能企業(yè)的上市潮。3. 基礎(chǔ)層蓬勃發(fā)展，關(guān)注場景規(guī)模的增長人工智能產(chǎn)業(yè)鏈主要分為基礎(chǔ)層、技術(shù)層、應(yīng)用層三個層級，其中：1）基礎(chǔ)層以數(shù)據(jù)、算 力、算法為核心；2）技術(shù)層是建立在基礎(chǔ)層的核心能力之上，通過打造一套人工智能系統(tǒng) 使機器能夠像人類一樣進行感知與分析，其中最關(guān)鍵的領(lǐng)域包括計算機視覺（圖像識別與分 析）、語音識別與自然語言處理技術(shù)（語音識別與合成）、機器學(xué)習(xí)與深度學(xué)習(xí)（分析決策及 行動）等；3）應(yīng)用層是將技術(shù)能力與具體場景相融合，幫助企業(yè)/城市管理者等客

17、戶降本增 效，目前主要應(yīng)用的場景有泛安防、金融、醫(yī)療、自動駕駛等領(lǐng)域。3.1. 基礎(chǔ)層：算法實力大幅提升，ASIC 與云計算將進一步釋放算力人工智能算法的開發(fā)通常離不開三個核心要素，即深度學(xué)習(xí)框架、強大的數(shù)據(jù)運算能力、大 量的訓(xùn)練用數(shù)據(jù)，目前這三大基礎(chǔ)要素的變化主要呈現(xiàn)在幾個方面：1）算法：算法實力大 幅提升，目前 Tensor Flow、Pytorch 為主流算法框架，百度飛槳算法影響力不斷增強；2） 算力：近年涌現(xiàn)出非常多定制化 AISC 芯片，進一步推動終端算力提升；另一方面云計算的 發(fā)展將更加充分地支撐超大規(guī)模的計算力；3）數(shù)據(jù)：人工智能快速發(fā)展的核心原因之一是互聯(lián)網(wǎng)、移動互聯(lián)網(wǎng)兩個時

18、代的發(fā)展實現(xiàn)了大規(guī)模的數(shù)字化，為算法的訓(xùn)練提供了充足的數(shù) 據(jù)資源。展望未來，5G 的到來將推動萬物互聯(lián)，數(shù)據(jù)連接量及規(guī)模將實現(xiàn)高速增長。以下 我們將重點介紹算法與算力的演進與現(xiàn)狀：3.1.1. 算法：算法實力大幅提升，Tensor flow 與 Pytorch 為主流框架算法的基本原理。算法是指解決不同問題的特定模式。以最為典型的神經(jīng)網(wǎng)絡(luò)算法為例，它 可以簡單理解為從輸入層到輸出層的一種函數(shù)關(guān)系。輸入一張圖片后，系統(tǒng)會經(jīng)過 計算最終確定是什么進行輸出，這里從輸入圖片到對應(yīng)得出是 T-Shirt 之間的關(guān)系就代表著 解決該類問題的算法模型。模型內(nèi)部可能是通過賦予前一層輸入?yún)?shù)不同權(quán)重加總得出下一

19、 層的每個節(jié)點（神經(jīng)元）的數(shù)據(jù)，依次逐層計算，最終得出輸出層結(jié)果。為了得出這一模型， 需要進行大量的訓(xùn)練，比如在此處案例中，需要輸入大量帶有標(biāo)記的圖片信息，讓計算機自 己學(xué)習(xí)規(guī)律，從而分辨出圖片中的是 T-shirt 還是動物等其他物體。當(dāng)訓(xùn)練結(jié)果達到一定標(biāo)準 時，模型可以進行使用。近年人工智能算法實力得到大幅提升。以歷代 AlphaGo 版本的實力對比為例：1）2016 年 3 月，AlphaGo 以 4-1 的成績戰(zhàn)勝世界圍棋冠軍李世石；2）2017 年 1 月，AlphaGo 以大師 （Master）為注冊名，依次對戰(zhàn)數(shù)十位人類頂尖高手，取得 60:0 的勝利；3）2017 年 10 月

20、， 谷歌下屬公司 Deepmind 在自然上發(fā)表論文，表示新版程序 AlphaGo Zero 在無任何人 類輸入的條件下，從空白狀態(tài)學(xué)起，能夠迅速自學(xué)圍棋 40 天后，擊敗所有此前的 AlphaGo 版本；4）2017 年 12 月，AlphaGo 研究團隊提出了 Alpha Zero，它可以在 8 個小時訓(xùn)練擊 敗李世石版本 AlphaGo，也可以輕松擊敗訓(xùn)練 3 天時間的 AlphaGo Zero。Tensor Flow 與 Pytorch 算法框架使用最為廣泛，國產(chǎn)百度飛槳算法影響力逐步提升。算法 框架可以理解是算法模型的集合，是可以解決某些特定問題的工具集。為推動研發(fā)的進步與 生態(tài)建設(shè)

21、，谷歌等大型公司及組織將自研的算法框架進行開源，目前主流的算法框架有谷歌 旗下的 Tensorflow 與 Keras、Meta（原 Facebook）旗下的 Pytorch、微軟旗下的 CNTK、 伯克利大學(xué)推出的 Caffe 等，其中 Tensor Flow 與 Pytorch 是當(dāng)前使用最為廣泛的兩個開源 算法框架。從國內(nèi)看，百度 2016 年推出的自研飛槳算法框架也形成強大的開發(fā)者影響力， 根據(jù) 2021 年百度開發(fā)者大會公布的數(shù)據(jù)，目前接入的開發(fā)者已經(jīng)超過 400 多萬。國內(nèi) AI 算法公司以自研框架為主，有望在應(yīng)對復(fù)雜場景具有更快的反應(yīng)能力。國內(nèi)頭部 AI 算法公司大多成立于 20

22、14 年前后，當(dāng)時 Tensorflow、Pytorch 還未開源，缺少相對成熟完善 的算法框架，因此各家公司的底層算法多以自研為主，比如商湯科技的 SenseParrots、曠視 科技的天元框架等。自研的算法框架一方面有效地支撐了公司自身前端業(yè)務(wù)，另一方面在面 對復(fù)雜的場景變化時，也保證了更快的反應(yīng)能力，團隊能夠及時調(diào)整模型而無需等待開源算 法框架的更新，本質(zhì)上也代表了 AI 算法公司在底層技術(shù)能力上更有優(yōu)勢。3.1.2. 算力：芯片逐步走向定制化，云計算將進一步釋放算力GPU 處理大規(guī)模并行運算，在人工智能場景中更適用。通用芯片主要分為 CPU、GPU 兩種 類型，兩者的設(shè)計構(gòu)造不同，適用

23、場景有所差異：1）CPU 芯片中算術(shù)單元相對較小，控制 單元較多，主要用于處理小數(shù)據(jù)量的復(fù)雜邏輯運算；2）GPU 是圖形處理芯片，控制單元較 少，算術(shù)邏輯單元較多，可用于處理大規(guī)模數(shù)據(jù)量的簡單運算。2009 年吳恩達以及斯坦福 大學(xué)研究小組發(fā)現(xiàn)，由于 GPU 芯片中有大量的算術(shù)邏輯單元，具有更強的并行計算處理能 力，并于 2011 年吳恩達將其應(yīng)用于谷歌大腦眾取得了顯著效果，此后紐約大學(xué)、多倫多大 學(xué)的研究人員均采用 GPU 加速器神經(jīng)網(wǎng)絡(luò)算法的訓(xùn)練，因此 GPU 芯片在人工智能算法訓(xùn)練 中應(yīng)用更為廣泛。FPGA 與 ASIC 芯片因可定制化受到關(guān)注。FPGA（Field Programmab

24、le Gate Array），即現(xiàn) 場可編輯門陣列，其設(shè)計初衷是為了實現(xiàn)半定制芯片的功能，即硬件結(jié)構(gòu)可根據(jù)需要實時配 臵靈活改變。相較于 CPU、GPU 芯片，F(xiàn)PGA 芯片的靈活性高、性能強、能耗低，但是價 格更高，因此也存在著明顯缺陷。近年來，科技巨頭紛紛在為人工智能算法定制的 ASIC 芯 片上發(fā)力，比如谷歌推出了適配 Tensor Flow 算法的 TPU 芯片、高通的 Cloud AI 芯片、英 偉達的 Teala 系列芯片等；國內(nèi)也涌現(xiàn)出一批 AI 芯片廠商，不僅包括中星微、寒武紀、海思 半導(dǎo)體等芯片設(shè)計廠商，還包括百度、阿里等互聯(lián)網(wǎng)公司，以及 AI 算法公司如依圖科技、 商湯等。

25、ASIC 針對不同的人工智能場景進行了定制優(yōu)化，能夠達到性能更強，同時能耗更 低的效果。各類芯片各有場景需求，預(yù)計 ASIC 將逐步成為主流。人工智能算法的應(yīng)用簡單可以概括為 訓(xùn)練與推理兩個階段，其中一般訓(xùn)練階段需要通過多輪迭代得出最優(yōu)的模型，可能會遇到大 規(guī)模的并行運算；而推理階段主要做邏輯判斷，相較而言數(shù)據(jù)需求量比較小，此時使用 CPU 芯片、FPGA 芯片處理有時更合適，所以不同場景下對各類芯片均具有一定的需求。整體來 看，未來由于人工智能場景不斷增長，將導(dǎo)致的芯片需求增加，且對效率有更高要求，因此 預(yù)計定制化的 ASIC 芯片將成為主流。 HYPERLINK /SH600848.htm

26、l 此外，云計算也為超大規(guī)模的算力需求提供了一種解決方式。云計算支撐下，應(yīng)用場景可以 不受硬件終端性能限制，進行大規(guī)模的數(shù)據(jù)運算；同時在云端可以實現(xiàn)不同數(shù)據(jù)中心的算力 共享，能夠集成更大規(guī)模的數(shù)據(jù)資源作為底層基礎(chǔ)設(shè)施，支撐超大規(guī)模的模型調(diào)度需求。以 商湯科技為例，公司在上海臨港建立的人工智能算力基礎(chǔ)設(shè)施商湯智算中心（AIDC）將 于 2022 年初投入使用，能夠提供每秒 3.74 百億億次浮點運算的總算力，進一步夯實了公司 的人工智能基礎(chǔ)設(shè)施。3.2. 技術(shù)層：以計算機視覺為核心，廣泛作用于多個場景人工智能的三大核心技術(shù)分別是計算機視覺、自然語言處理、知識圖譜，主要是幫助計算機 看得懂、聽得懂

27、、具備一定的推理與邏輯能力，是推動計算機具備感知智能的關(guān)鍵技術(shù)。3.2.1. 計算機視覺：人工智能最大細分市場，在安防領(lǐng)域應(yīng)用最為廣泛計算機視覺為人工智能領(lǐng)域最大細分市場，預(yù)計行業(yè)規(guī)模超過千億。根據(jù)艾瑞咨詢測算，2020 年計算機視覺市場規(guī)模為 862.1 億，是人工智能產(chǎn)業(yè)最大的細分市場，占比為 57%；預(yù)計至 2025 年計算機視覺行業(yè)市場規(guī)模將達到 1537.1 億，年均復(fù)合增速為 12.26%；同時其所帶 動的產(chǎn)業(yè)規(guī)模將達到 4858.4 億，市場空間廣闊。計算機視覺應(yīng)用廣泛，安防影像分析占據(jù)市場份額最大。計算機視覺行業(yè)的應(yīng)用主要分為七 大類，包括安防影像分析、廣告營銷分析、泛金融身份

28、認證（解決方案）、互聯(lián)網(wǎng)娛樂、泛金融身份認證（云服務(wù)、SDK 等）、手機及創(chuàng)新領(lǐng)域等，其中安防影像分析占據(jù)一半以上的 市場份額，高達 67.9%，其他應(yīng)用如廣告營銷分析、泛金融身份認證（解決方案）、互聯(lián)網(wǎng) 娛樂、泛金融身份認證（云服務(wù)、SDK 等）、手機、創(chuàng)新領(lǐng)域的占比分別為 18.1%、4.0%、 3.8%、3.7%、1.7%、0.9%。3.2.2. 自然語言處理：語音助手快速發(fā)展，廣泛應(yīng)用于物聯(lián)網(wǎng) HYPERLINK /SZ002230.html 智能語音轉(zhuǎn)寫是自然語言處理中相對基礎(chǔ)且應(yīng)用較為廣泛的一種場景。智能語音轉(zhuǎn)寫是語音 識別的一種，很多公司以此為基礎(chǔ)打造了非常多成熟的產(chǎn)品，比如科大

29、訊飛旗下的“訊飛聽 見”、搜狗旗下的“搜狗聽寫”、迅捷文字語音轉(zhuǎn)化器、靈云聽語等，目前該類產(chǎn)品的語音識 別準確率可達 98%，在日常的辦公、學(xué)習(xí)中得到了廣泛的應(yīng)用。圍繞著這一功能，這些公司 都形成了全面的產(chǎn)品體系，并發(fā)展出較為成熟的商業(yè)模式。語音助手得到快速發(fā)展，被廣泛應(yīng)用于物聯(lián)網(wǎng)。蘋果在 2016 年開發(fā)者大會上發(fā)布了 Siri 功 能，用戶可以使用 Siri 查詢路線、撥打電話、發(fā)送信息等。Siri 作為一個語音助手，其背后 的核心技術(shù)就是自然語言處理。根據(jù) AI 前線數(shù)據(jù)，通過對多語言說話者的 12.8 萬個帶有相 應(yīng)交互上下文的口述話語內(nèi)部語料庫進行嚴格訓(xùn)練，Siri 在同時執(zhí)行自動語

30、音識別和說話者 識別的任務(wù)時平均準確率達到 87%。在 Siri 的示范效應(yīng)下，語音助手得到了快速發(fā)展，被廣 泛應(yīng)用于智能家居、智能車載等物聯(lián)網(wǎng)領(lǐng)域，比如百度目前以 Dueros 為基礎(chǔ)，打造了非常 多元的硬件體系，目前在智能家居領(lǐng)域支持超過 60 多個品類的產(chǎn)品接入。3.3. 應(yīng)用層：城市治理相關(guān)占比近半，關(guān)注傳統(tǒng)場景滲透率提升與新場景突破人工智能產(chǎn)業(yè)規(guī)模突破千億，政府城市治理與運營場景占比接近一半。根據(jù)艾瑞數(shù)據(jù)測算， 2020 年中國人工智能產(chǎn)業(yè)規(guī)模達到 1512.5 億，同比增長 38.94%；預(yù)計 2025 年中國人工智 能產(chǎn)業(yè)規(guī)模將增長至 4532.6 億，年均復(fù)合增速為 24.55

31、%。同時，預(yù)計 2023 年由人工智能 所帶動的相關(guān)產(chǎn)業(yè)規(guī)模將突破萬億，人工智能行業(yè)的發(fā)展將成為推動經(jīng)濟增長的重要力量。 從下游場景來看，政府城市治理和運營為最大的應(yīng)用場景，市場份額接近一半（49%），互 聯(lián)網(wǎng)、金融行業(yè)的市場份額分別為 18%、12%，排名第二、三位。展望未來，關(guān)注傳統(tǒng)場景的大規(guī)模智能化升級浪潮及新型場景的快速突破。人工智能在不同 場景中的滲透情況存在較為明顯的差異，在安防、金融等領(lǐng)域等應(yīng)用相對成熟且滲透率較高， 人工智能所發(fā)揮的價值主要是通過智慧化改造幫助企業(yè)降本增效，在這些場景中，如何通過 不斷解決客戶痛點建立行業(yè)影響力來保證持續(xù)的訂單與供給上的規(guī)模效應(yīng)將成為行業(yè)下一 階

32、段主流；同時人工智能也在塑造新的產(chǎn)業(yè)生態(tài)，比如智能駕駛、內(nèi)容生產(chǎn)（如虛擬數(shù)字人 的生成與驅(qū)動）等，這些新業(yè)態(tài)的發(fā)展與技術(shù)突破將為行業(yè)帶來新的增量與彈性。以虛擬數(shù)字人創(chuàng)作為例，涉及 NLP、TTS、知識圖譜等多項人工智能技術(shù)。具體而言，虛擬 數(shù)字人要有感知，包括視覺感知與聽覺感知，即能看得見、聽得懂、會思考、能回答、能呈 現(xiàn)，涉及多維度的技術(shù)點，比如看得見就涉及識別物體、識別表情、識別圖像等；聽得見指 的是語音識別，將聽見的聲音轉(zhuǎn)換成文字去理解，達到聽得懂狀態(tài)，涉及到自然語言理解 （NLP）；理解之后還需進行回復(fù)，涉及到知識圖譜；如何回復(fù)（是生成聲音還是生成圖形） 涉及到語音合成（TTS）。AI

33、 的價值在于大幅降低了制作成本、簡化了制作流程。即使突破了靜態(tài)下高仿真的瓶頸，如何讓數(shù)字虛擬人自然地交互，也是一大難題。人類可以從表情、肢體中讀取豐富的非語言信 息，因此數(shù)字虛擬人的表情、動作中一些細微的不自然都能被人們所察覺到。比如一個簡單 皺眉，將牽動骨骼、肌肉、皮膚的一系列變化，若用傳統(tǒng)的手工方式去調(diào)整，工作量極其巨 大。此時，AI 的價值就體現(xiàn)了，可以大幅降低工作量與制作成本。4. 三類企業(yè)各有所長，或終將同臺競技 HYPERLINK /SZ002415.html 在人工智能發(fā)展的大浪潮中，入局者眾多，目前行業(yè)內(nèi)的參與方主要分為三類：1）人工智 能初創(chuàng)企業(yè)，如商湯科技、曠視科技、云從科

34、技、依圖科技等 AI 四小龍，它們以頂尖的人 工智能技術(shù)見長，創(chuàng)始人均具有深厚的前沿技術(shù)背景；2）向 AI 技術(shù)方向升級的傳統(tǒng)硬件廠 商，如?？低?、大華股份等，主要為客戶提供軟硬一體的綜合智能解決方案；3）互聯(lián)網(wǎng) 科技巨頭，如字節(jié)跳動、百度等，基于既有業(yè)務(wù)不斷夯實的算法能力，并逐漸將該能力拓展 至新的應(yīng)用場景。整體來看，行業(yè)參與者眾多且資源稟賦各異，呈現(xiàn)出百花齊放的競爭態(tài)勢。4.1. 互聯(lián)網(wǎng)科技巨頭: 資源最為全面，競爭優(yōu)勢突出互聯(lián)網(wǎng)科技巨頭發(fā)展人工智能一般是起源于自身的業(yè)務(wù)需要，比如谷歌、百度搜索業(yè)務(wù)對于 人工智能具有較大需求，隨著數(shù)據(jù)積累和業(yè)務(wù)能力提升產(chǎn)生價值外溢，逐步對外提供人工智 能

35、解決方案，并在各個場景進行業(yè)務(wù)嘗試與布局。此處我們主要以谷歌、百度為例介紹該類 企業(yè)發(fā)展情況，具體如下：4.1.1. 谷歌：AI First，人工智能領(lǐng)域綜合實力 Top12017 年在 Google O/I 大會上，谷歌提出公司戰(zhàn)略將由 Mobile First 轉(zhuǎn)變?yōu)?AI First，谷歌通 過投資與引入人才打造了強大的人工智能體系。2016 年 AlphaGo 打敗圍棋選手李世石，推 動人工智能受到市場廣泛關(guān)注，是人工智能發(fā)展歷程中重要的里程碑事件，而 AlphaGo 的背 后就是谷歌于 2014 年收購的開發(fā)團隊 DeepMind；2015 年谷歌開發(fā)深度學(xué)習(xí)系統(tǒng) Tensor Fl

36、ow，目前是深度學(xué)習(xí)領(lǐng)域使用最為廣泛的深度學(xué)習(xí)框架之一。發(fā)展至今，谷歌在 AI 研發(fā)人員、學(xué)術(shù)論文數(shù)量等都處于行業(yè)領(lǐng)先水平，根據(jù)沙利文評估， 谷歌在綜合 AI 的技術(shù)實力與落地能力兩個維度都在科技巨頭中處于行業(yè)前列，具有非常強 大的 AI 綜合實力。在底層技術(shù)與架構(gòu)方面，谷歌采用軟件與硬件結(jié)合的方式，為企業(yè)及開發(fā)者提供開源深度學(xué) 習(xí)框架 TensorFlow 及相對應(yīng)的 TPU（Tensor Processing Unit） 芯片，其中Tensor Flow是谷歌AI及機器學(xué)習(xí)的核心算法框架，谷歌將該算法進行開源，目前Tensor Flow 是全球范圍內(nèi)使用最為廣泛的 AI 算法框架，被廣泛應(yīng)

37、用于 PC、移動應(yīng)用的開發(fā) 場景中；TPU 是谷歌專門為深度學(xué)習(xí)框架 Tensor Flow 所推出的芯片，隨著人工智能場景所處理 的數(shù)據(jù)量急劇增長，傳統(tǒng)的通用處理器芯片有些性能不足，TPU 的芯片相較于 GPU 芯 片而言，可以采用矩陣計算的方式，能夠同時處理更強大的數(shù)據(jù)量級，更加適應(yīng) AI 時 代爆發(fā)增長的數(shù)據(jù)規(guī)模。在應(yīng)用層，谷歌不僅將 AI 的技術(shù)能力全面應(yīng)用于自身的各項前端業(yè)務(wù)，比如谷歌搜索、 Youtube、谷歌翻譯、谷歌地圖等，同時在安卓系統(tǒng)的迭代上不斷融入 AI 的技術(shù)能力，自 2018 年谷歌發(fā)布 Android 9.0 開始，基于 AI 的功能逐漸增加，包括 Google A

38、ssistant、為用戶提 供軟件預(yù)測、自適應(yīng)電池容量、智能相冊標(biāo)記功能等。4.1.2. 百度：中國最早 all in AI 的科技巨頭，率先搶占 AI 時代百度布局 AI 較早，并逐步釋放 AI 能力。百度先于阿里、騰訊布局 AI，以搜索場景為起點， 現(xiàn)已經(jīng)形成完整的 AI 生態(tài)：1）2010 年以前，百度技術(shù)的迭代主要圍繞其搜索業(yè)務(wù)開展。 2010-2015 年，百度持續(xù)布局 AI 技術(shù)，并逐步向 NLP、機器翻譯、語音、圖像、知識圖譜、 機器學(xué)習(xí)等技術(shù)研發(fā)；2）2016 年百度大腦發(fā)布，并對外開放 AI 核心技術(shù)，不斷賦能各個 產(chǎn)業(yè)；3）2016 年百度還推出飛槳深度學(xué)習(xí)平臺，賦能自身移

39、動生態(tài)，提高搜索效率，根據(jù) 2019 百度世界大會，百度搜索結(jié)果的首條滿足率在 2017-2019 年分別達到 16%、37%、58%； 4）2018-2021 年，百度通過組織架構(gòu)升級及戰(zhàn)略升級，不斷推動“云+AI”戰(zhàn)略，通過自身 AI 體系中的飛槳深度學(xué)習(xí)平臺與百度昆侖芯片在軟硬件方面分別積累了算法與算力等方面 的優(yōu)勢，推動百度智能云實現(xiàn)“云智一體”。目前百度已經(jīng)形成了全方位的人工智能生態(tài)體系，以百度大腦為底層技術(shù)核心引擎，在飛槳 深度學(xué)習(xí)平臺、百度昆侖芯片、DuerOS 平臺與智能硬件的加持下，不斷深化 AI 技術(shù)在 B 端客戶側(cè)的商業(yè)化，并通過 AI 賦能云服務(wù)，以百度智能云為載體，加

40、速 AI 在各行業(yè)的商業(yè) 化。具體來看如下：在芯片方面，2018 年百度正式推出百度昆侖芯片，并于 2019 年下半年流片成功，2020 年 初實現(xiàn)量產(chǎn)，2021 年 8 月，百度宣布昆侖第二代芯片實現(xiàn)量產(chǎn)。高性能、低成本的昆侖芯 片可賦能多個業(yè)務(wù)場景，助力百度多個業(yè)務(wù)協(xié)同發(fā)展，例如云智一體的百度智能云、Apollo 自動駕駛開放平臺、DuerOS 等。在算法方面，TensorFlow、PyTorch 以及百度旗下的飛槳 PaddlePaddle 深度學(xué)習(xí)平臺是被 最廣泛使用的三大 AI開源平臺，其中 TensorFlow、PyTorch 分別為國外的 Google、Facebook 旗下的平

41、臺，而百度飛槳深度學(xué)習(xí)平臺則是市場三強中唯一國產(chǎn)品牌。根據(jù)百度世界 2021 大會，截至 2021 年 8 月，飛槳的開發(fā)者數(shù)量累計達到 360 萬，開發(fā)了 40 萬個 AI 模型，累 計服務(wù) 13 萬企事業(yè)單位，覆蓋工業(yè)、農(nóng)業(yè)、醫(yī)療、城市管理、交通、金融等眾多領(lǐng)域。在平臺層面，百度大腦以昆侖芯片為硬件，以飛槳為開源框架，以數(shù)據(jù)庫為發(fā)動燃料，使其 成為底層支柱；通過整合內(nèi)部開發(fā)的用于語音識別、計算機視覺、NLP 與知識圖譜的算法， 向合作伙伴及開發(fā)人員開放其技術(shù)供前端的業(yè)務(wù)場景進行調(diào)用。在應(yīng)用場景方面，百度大腦在提升搜索等前端業(yè)務(wù)效率的同時，重點支撐 Apollo、DuerOS、 智能云三大平

42、臺，分別代表著百度在智能駕駛、物聯(lián)網(wǎng)、其他企業(yè)應(yīng)用場景方向的布局：Apollo：2017 年推出全球首個自動駕駛開放平臺 Apollo。公司明確了 Apollo 智能駕駛 業(yè)務(wù)的三種商業(yè)模式：1）為主機廠商提供 Apollo 自動駕駛技術(shù)解決方案，助力車企快 速搭建自動駕駛能力，目前百度 Apollo 自動駕駛產(chǎn)品已經(jīng)迭代至 6.0 版本，是目前國內(nèi) 互聯(lián)網(wǎng)公司中發(fā)展時間最早、積累最為深厚的自動駕駛市場的領(lǐng)先者；2）百度造車， 端到端地整合百度自動駕駛方面的創(chuàng)新，如與吉利展開合作，成立智能電動汽車公司集 度汽車；3）共享無人車，百度無人車商業(yè)化進程一直在加速，Robotaxi 已開啟常態(tài)化 商

43、業(yè)運營，截至 2019 年年底，百度無人駕駛車隊已有 300 輛車，且在 13 個城市開始 測試； HYPERLINK /SZ300024.html DuerOS ：DuerOS 是百度度秘事業(yè)部研發(fā)的對話式人工智能系統(tǒng)。2015 年，機器人 助理度秘（Duer）首次亮相。2017 年，對話式人工智能操作系統(tǒng) DuerOS 發(fā)布，并與 海爾、美的、聯(lián)想等合作，賦予設(shè)備語音交互功能，實現(xiàn)設(shè)備智能化。2018 年，百度 參投 BroadLink，推進“AI+IoT”產(chǎn)業(yè)發(fā)展。2019 年，小度助手 5.0 發(fā)布，同時推出小 度智能音箱大金剛、小度智能音箱 Play 及小度在家 1C 4G 版。20

44、21 年 8 月，百度繼續(xù) 推出智能巨屏電視 V86、小度主動降噪耳機等產(chǎn)品；智能云：隨著產(chǎn)業(yè)智能化的逐步深入，百度逐步形成從純 AI 技術(shù)架構(gòu)發(fā)展到軟硬件協(xié)同對接，從 AI 本身發(fā)展到 AI 與大數(shù)據(jù)、云計算相結(jié)合，使得百度可對外提供多種云產(chǎn) 品與云解方案。目前百度智能云已經(jīng)在智慧工業(yè)、智慧金融、智慧城市、智慧醫(yī)療等多 個領(lǐng)域落地，根據(jù) IDC 數(shù)據(jù)，2020 年百度智能云在中國公有云 Iaas 市場份額為 3.7%， 排名第七；在中國 AI 公有云市場份額為 33.3%，排名第一，百度在“云智一體”市場 上的優(yōu)勢更為突出。4.2. AI 創(chuàng)業(yè)企業(yè)：多以自研框架為主，技術(shù)優(yōu)勢突出深度學(xué)習(xí)算法

45、推動人工智能在計算機視覺、語音識別等領(lǐng)域的技術(shù)突破，從而帶動了一批 AI 創(chuàng)業(yè)企業(yè)先后成立，如“AI 四小龍”中的商湯科技、曠視科技、云從科技、依圖科技等一批 公司在 2014 年前后成立，其創(chuàng)始人多來自學(xué)界或具有深厚的科研背景，開啟了人工智能領(lǐng) 域的技術(shù)創(chuàng)業(yè)。4.2.1. 商湯科技：以強大底層基建支撐長尾場景布局，規(guī)模效應(yīng)初現(xiàn)2014 年3 月，香港中文大學(xué)多媒體實驗室的湯曉鷗團隊發(fā)布 Gaussian Face 人臉識別算法， 在全球首次突破人眼識別能力，將計算機視覺能力進一步向前推進。2014 年 10 月，湯曉鷗 帶領(lǐng)團隊創(chuàng)立商湯科技，開啟了將實驗室成果推向市場的商業(yè)化路徑。發(fā)展至今，

46、商湯科技 已經(jīng)成為行業(yè)領(lǐng)先的人工智能軟件公司，總部位于上海及香港，業(yè)務(wù)輻射國內(nèi)及日本、新加 坡等地。公司通過向客戶銷售人工智能軟硬一體產(chǎn)品及相關(guān)服務(wù)獲取收入，2020 年已經(jīng)實 現(xiàn) 34.46 億收入，服務(wù)全球超過 1200 名客戶。商湯科技專注于計算機視覺和深度學(xué)習(xí)技術(shù)，獨創(chuàng)了“1（基礎(chǔ)研究）+1（產(chǎn)品及解決方案） +X（行業(yè)）”的商業(yè)模式，堅持以原創(chuàng)基礎(chǔ)研究為支撐，以自主研發(fā)的深度學(xué)習(xí)訓(xùn)練框架 SenseParrots 為核心，逐步打造出一套通用人工智能基礎(chǔ)設(shè)施 SenseCore。同時公司也通 過自研芯片與傳感器，以及自建超算中心 AIDC 為 SenseCore 提供強大的算力支持。得

47、益 于人工智能底層基建的不斷完善，截止 2021 年，公司的商業(yè)化人工智能模型數(shù)目已經(jīng)超過 22000 個，專利及專利申請數(shù)目超過 8000 個，具有強大的技術(shù)研發(fā)能力?；谌斯ぶ悄芑A(chǔ)設(shè)施平臺 SenseCore，公司已經(jīng)將商業(yè)化應(yīng)用場景拓展至智慧商業(yè)、智慧 城市、智慧生活、智能汽車四大核心領(lǐng)域，為客戶打造針對性人工智能綜合場景解決方案。 具體來看，其產(chǎn)品矩陣包括：1）面向智慧商業(yè)的商湯方舟企業(yè)開放平臺：主要滿足制造、基礎(chǔ)設(shè)施、金融等行業(yè)客戶在數(shù)據(jù)感知、流程自動化等方面的需求，從而提高企業(yè)運營效率；2）面向智慧城市的商湯城市開放平臺：主要為城市管理者提供城市運營系統(tǒng)，通過 AI 模型 將來自

48、于物聯(lián)網(wǎng)設(shè)備的監(jiān)測信息轉(zhuǎn)化為運營洞察、事件警報及管理行動，幫助提高城市運營 的安全性、便利性等；3）面向智慧生活的 SenseME、SenseMars、SenseCare 平臺：其中 SenseME 主要賦能 IoT 設(shè)備，使其具備感知智能及內(nèi)容增強的能力；SenseMars 主要賦能手機、AR/VR 設(shè)備、智 慧大屏，提升用戶體驗；SenseCare 平臺主要為診斷、治療及康復(fù)等醫(yī)療服務(wù)進行賦能；4）面向智慧汽車的商湯絕影智能汽車平臺：主要為車企客戶提供 ADAS 系統(tǒng)、智能座艙系 統(tǒng)以及幫助其實現(xiàn)車輛及道路、交通信號等及路側(cè)設(shè)施的檢測等自動駕駛相關(guān)的技術(shù)。得益于 SenseCore 成熟完

49、善的人工智能模型生產(chǎn)流程，公司的研發(fā)效率不斷提升。截至2021 年 6 月 30 日,公司已積累生產(chǎn)超過 22,000 個驅(qū)動不同應(yīng)用的商用人工智能模型,涉及多個垂 直行業(yè)；2019-2020 年公司每年生產(chǎn)的商用模型數(shù)分別為 1152 個、9753 個, 2021 年上半年 進一步提高到了 8377 個；2019-2020 年研發(fā)人員每人年均生產(chǎn)的商用模型數(shù)量分別為 0.44 個、3.45 個，2021 年上半年又繼續(xù)提高到了 5.24 個。4.2.2. 曠視科技：重點布局三大物聯(lián)網(wǎng)場景，打造“算法-軟件-硬件”協(xié)同模式曠視科技創(chuàng)立于 2011 年，其三位創(chuàng)始人為印奇、唐文斌、楊沐，他們是來

50、自于清華大學(xué)計 算機科學(xué)實驗班（“姚班”）同學(xué)，在計算機視覺領(lǐng)域具備相關(guān)的研究與從業(yè)經(jīng)歷。公司發(fā)展 至今已成為全球領(lǐng)先的人工智能產(chǎn)品和解決方案公司，參與制訂了 20 余項人工智能相關(guān)的 國家、行業(yè)及團體標(biāo)準，服務(wù)數(shù)十萬開發(fā)者和超過 3000 家行業(yè)客戶，業(yè)務(wù)遍布全球。公司自主研發(fā)的新一代 AI生產(chǎn)力平臺 Brain+，包括深度學(xué)習(xí)框架 MegEngine（曠視天元）、 深度學(xué)習(xí)云計算平臺 MegCompute 以及數(shù)據(jù)管理平臺 MegData，將算法、算力和數(shù)據(jù)能力 融為一體，助力AI技術(shù)實現(xiàn)了從算法生產(chǎn)到應(yīng)用的全流程化和規(guī)模化供給。依托于 Brain+， 公司構(gòu)建了強大的 AIoT 產(chǎn)品體系

51、，通過“算法-軟件-硬件”的協(xié)同設(shè)計模式，實現(xiàn)了從 IoT 連接、數(shù)據(jù)處理、數(shù)字孿生到應(yīng)用賦能的功能集成?；跇I(yè)界頂尖的人工智能基礎(chǔ)研究與工程實踐能力，公司以物聯(lián)網(wǎng)作為人工智能技術(shù)落地的 載體，通過構(gòu)建完整的 AIoT 產(chǎn)品體系，面向消費物聯(lián)網(wǎng)、城市物聯(lián)網(wǎng)、供應(yīng)鏈物聯(lián)網(wǎng)三大 核心場景提供行業(yè)解決方案：1）消費物聯(lián)網(wǎng)：提供基于移動終端的解決方案和基于云端 SaaS 的解決方案，通過 AI 技術(shù) 賦能攝像頭，提高客戶運營效率，進而改善持有移動終端的用戶體驗。2）城市互聯(lián)網(wǎng)：提供應(yīng)用于智慧城市及智慧建筑管理的解決方案，智慧城市管理協(xié)助政府機構(gòu)改善公共安全、優(yōu)化交通管理、改進城市資源規(guī)劃；智慧建筑管理

52、則可協(xié)助企業(yè)加 強物業(yè)安保，提升物業(yè)住戶和訪客體驗。 HYPERLINK /SZ300024.html 3）供應(yīng)鏈互聯(lián)網(wǎng)：提供智慧物流解決方案和智慧工業(yè)解決方案，通過AI技術(shù)賦能操作系統(tǒng)、 機器人與自動化裝備，幫助企業(yè)實現(xiàn)倉庫、工廠的數(shù)字化、智能化升級，提高供應(yīng)鏈效 率。從而幫助物流公司和制造商有效部署、協(xié)調(diào)和管理機器人及自動化裝備，以支持復(fù) 雜的物流和生產(chǎn)任務(wù)。整體來看，曠視科技從人工智能算法出發(fā)，圍繞三大重點場景深度布局“算法-硬件-軟件” 一體化的生態(tài)，具有較強的業(yè)務(wù)落地能力。同時，相較于其他公司，曠視科技在供應(yīng)鏈物聯(lián) 網(wǎng)領(lǐng)域形成差異化布局，具備一定的競爭優(yōu)勢。4.3. 傳統(tǒng)硬件廠商：推

53、進智能化業(yè)務(wù)布局，在客戶資源與產(chǎn)品交付方面占優(yōu) HYPERLINK /SZ002415.html 在人工智能對各個場景進行智能化改造的過程中，許多傳統(tǒng)硬件廠商、ISV 等公司通過跟進 人工智能技術(shù)的發(fā)展，完成了自身產(chǎn)品矩陣的智能化升級，并抓住行業(yè)增長的機遇實現(xiàn)了業(yè) 績的增長。此處，我們以?？低暈榇?，對這類公司進行簡要介紹： HYPERLINK /SZ002415.html 4.3.1. ?？低暎喊卜例堫^向智能化升級，積極布局全方位產(chǎn)品生態(tài)安防龍頭全面向智能化方向升級。?？低暢闪⒂?2001 年，2010 年5 月于深交所上市，發(fā)展 至今二十余年，其業(yè)務(wù)發(fā)展可以概括為三大階段：1）數(shù)字化

54、發(fā)展階段（2001-2010 年）：公司推出后端視頻壓縮產(chǎn)品，并進軍前端攝像頭業(yè)務(wù)；2） 網(wǎng)絡(luò)、高清化發(fā)展階段（2010-2015 年）：公司從傳統(tǒng)模擬 DVR 加矩陣方案向高清化、 IP 化解決方案發(fā)展；3） 智能化發(fā)展階段（2015-2021 年）：公司研發(fā)的人工智能、云計算、5G 等技術(shù)逐步落地，推 出的安防產(chǎn)品進入智能化階段。聚焦于智能物聯(lián)網(wǎng)、大數(shù)據(jù)服務(wù)和智慧業(yè)務(wù)，致力于為客戶提供從軟硬件一體化的項目解決方 案，其中：1） 硬件產(chǎn)品可分為邊緣節(jié)點產(chǎn)品、邊緣域產(chǎn)品與云中心產(chǎn)品三個部分：邊緣節(jié)點產(chǎn)品聚焦全面智能 感知，包括前端攝像機產(chǎn)品、智能交通與移動執(zhí)法產(chǎn)品、門禁與對講產(chǎn)品、報警產(chǎn)品等；

55、邊緣域 產(chǎn)品服務(wù)于場景化智能落地，包括多功能一體化智能設(shè)備和智能視頻傳輸設(shè)備；云中心產(chǎn)品服務(wù) 于數(shù)據(jù)中心建設(shè)，包括通用計算、智能計算、通用存儲、流式存儲和大屏顯示等產(chǎn)品；2） 軟件產(chǎn)品可分為軟件平臺、智能算法、數(shù)據(jù)模型和業(yè)務(wù)服務(wù)四個部分：軟件平臺提供底端支持， 包括云計算、云存儲平臺等基礎(chǔ)軟件平臺，AR 實景指揮平臺、VR 全景應(yīng)用平臺等跨多行業(yè)通 用軟件平臺與 100 多個行業(yè)應(yīng)用軟件平臺；智能算法服務(wù)于人工智能分析，包括可用于多個行 業(yè)智能應(yīng)用開發(fā)的通用算法和針對不同行業(yè)需求開發(fā)的行業(yè)專用算法；數(shù)據(jù)模型基于物信融合數(shù) 據(jù)資源平臺，為各行各業(yè)提供大數(shù)據(jù)應(yīng)用服務(wù)；業(yè)務(wù)服務(wù)針對部分行業(yè)提供系統(tǒng)運

56、維服務(wù)、數(shù)據(jù) 工程服務(wù)與業(yè)務(wù)運營服務(wù)。面向三大客群，助力客戶數(shù)字化升級。2018 年?？低曔M行業(yè)務(wù)組織架構(gòu)重組，將國內(nèi)業(yè) 務(wù)分為公共服務(wù)事業(yè)群（PBG）、企事業(yè)事業(yè)群（EBG）、中小企業(yè)事業(yè)群（SMBG）三大業(yè) 務(wù)群，分別面向不同的客戶，助力其實現(xiàn)數(shù)字化轉(zhuǎn)型升級：1）公共服務(wù)事業(yè)群（PBG）面 向公共服務(wù)領(lǐng)域用戶，賦能智慧城市、智慧警務(wù)、智慧交通、智慧城管等多方面智慧業(yè)務(wù)， 推動行業(yè)和城市數(shù)字化轉(zhuǎn)型；2）企事業(yè)事業(yè)群（EBG）面向企事業(yè)用戶，基于 AI Cloud 架 構(gòu)，為用戶提供智能物聯(lián)、物信融合技術(shù)，推出傳統(tǒng)信息化、設(shè)備設(shè)施物聯(lián)、場景智能物聯(lián) 融于一體的數(shù)字企業(yè)解決方案；目前已在煤礦冶

57、金、商業(yè)地產(chǎn)、制造企業(yè)、煙酒鹽、物流、 零售連鎖、教育教學(xué)等多個行業(yè)用戶中實踐落地；3）中小企業(yè)事業(yè)群（SMBG）面向中小 企業(yè)用戶，致力于打造泛安防產(chǎn)業(yè)互聯(lián)網(wǎng)，由?？祷ヂ?lián)和?？翟粕虄纱笾骶€平臺構(gòu)成泛安防 互聯(lián)網(wǎng)產(chǎn)品矩陣，通過生產(chǎn)端、流通端、營銷端、使用端的全鏈路數(shù)字化，為中小企業(yè)提供 多元應(yīng)用場景下的泛安防服務(wù)。此外，公司還通過八大創(chuàng)新業(yè)務(wù)進行前瞻性業(yè)務(wù)布局，包括 ?？禉C器人等，形成完整的業(yè)務(wù)框架體系。4.4. 三類企業(yè)對比：當(dāng)前共享增長紅利，長期看或終將同臺競技我們認為算法、數(shù)據(jù)、客戶資源是當(dāng)前階段較為重要的三項能力，綜合三類企業(yè)公司的發(fā)展 歷史、業(yè)務(wù)模式來看，我們嘗試推演三類公司在算法、

58、數(shù)據(jù)、客戶資源三個維度上各自的優(yōu) 劣勢：1）互聯(lián)網(wǎng)科技巨頭：互聯(lián)網(wǎng)巨頭在人工智能方向上的能力最為全面，本身具有較強的算法 能力，又掌握了大量的數(shù)據(jù)資源（特別是 C 端數(shù)據(jù)），并且大多公司已經(jīng)具有國民認知度， 品牌效應(yīng)顯著，所以在競爭中占有較大優(yōu)勢；但是互聯(lián)網(wǎng)巨頭多數(shù)有自身業(yè)務(wù)基本盤，比如 阿里的電商、字節(jié)跳動的短視頻等，目前公司更多是將人工智能作為底層支撐進行布局，而 不完全是獨立業(yè)務(wù)線，未來可能面臨資源分配問題；2）AI 創(chuàng)業(yè)企業(yè)：其優(yōu)勢在于具有突出的技術(shù)研發(fā)能力，且多數(shù)以自研框架為主，在一些特 定場景會體現(xiàn)出算法能力的優(yōu)勢；不足在于公司的發(fā)展時間相對較短，缺少行業(yè)與客戶的積 累，銷售渠道布局相對薄弱，可能在競爭中處于相對弱勢；3）傳統(tǒng)硬件廠商等：以?？低暈榇淼膫鹘y(tǒng)廠商在特定場景中有多年的業(yè)務(wù)積累，具有 成熟的銷售渠道與更強的客戶拓展能力，以及對產(chǎn)業(yè)鏈