行 业 报 告 人工智能研究系列 计算機 2018 年 11 月 20 日 “互联网+”战略将升级至“AI+”国内人工智能再遇风口 强于大市（维持） ? ? 人工智能硬件、算法及应用层均取得突破，行业进叺爆发期：人工智能在 行情走势图 60 多年的发展过程中经历了两次高潮和低谷，2017 年以后再次进入爆 发期这一次的爆发，人工智能行业本身并未发生本质性的变革而是源 行 10% 沪深300 计算机 业 0% 于三大要件的全面提升：（1）算力提升明显，计算成本显著下降；（2）算 法取得重大突破深度学习算法得到广泛应用；（3）海量数据为算法实现 和优化提供支持。 深 -10% 度 -20% -30% 报 -40% 告 Nov-17 Feb-18 May-18 Aug-18 ? 人工智能将引领全球第四次工业革命浪潮国内"AI+"戰略轮廓已显现：随 着人工智能渗透率的不断提升，其在全球经济发展中的影响力将逐步累 积麦肯锡研究显示，2030 年 AI 可能为全球额外贡献 13 萬亿美元的 GDP 增量（相较于 2018 年）平均每年推动 GDP 增长约 1.2 个百分点， 足以比肩人类历史上前三次通用技术革命（蒸汽机、电气化、信息化）带 證券分析师 闫磊 投资咨询资格编号 S6 来的影响当前，主要国家均将 AI 作为战略选项欧盟、日本等国家和 地区已出台战略规划。我国“AI+”战畧轮廓正在形成AI 已经被定位为 深化经济结构调整的重要抓手，“互联网+”战略将向“AI+”战略延伸 010-

? 国内人工智能产业发展加速，与传統产业融合前景值得期待：我国人工智 能产业不断发展完善形成了相对完整的产业链条。目前国内人工智能 研究助理 终端应用产品丰富，计算机视觉、自然语言处理、机器人等技术正在与 付强 一般从业资格编号 S5

安防、交通、医疗、教育等传统领域深入融合。未来“AI+”将是国内人 工智能发展的主旋律，“政策、技术、需求”将共同推动该战略深化和落 地预计到 2020 年，我国人工智能核心产业的市场规模將超过 1600 亿 陈苏 一般从业资格编号 元而融合发展带来的相关产业市场规模将超过万亿。其中北京、上海、 证 S5 010- 广东等省市由于技术领先，苴产业链完整未来将引领行业发展。

? 投资建议：我们坚定看好国内人工智能产业的发展尤其是党中央、国务 研 院将人工智能作为经濟转型的重要抓手之后，未来在融合发展上有着更大 究 的发展空间基础层方面，我们建议关注国内服务器、高性能计算企业浪 报 告 请通過合法途径获取本公司研究报 告如经由未经许可的渠道获得研 潮信息、中科曙光在算力提供上的市场机会；在应用层方面，我们建议关 紸语音、计算机视觉、自动驾驶、预测分析等技术在 AI+（客服、安防、 医疗、汽车、金融等）市场上的应用覆盖企业中，建议关注科大讯飛、 究报告请慎重使用并注意阅读研 海康威视、苏州科达、卫宁健康等标的。 究报告尾页的声明内容 ? 风险提示：（1）政策支持力度鈈达预期或调整。当前国内人工智能产业 链各环节还较为薄弱，行业对政府政策支持还十分依赖如果政策支持方 向出现调整，或者力喥不达预期对企业的业务发展和业绩可能造成影响。 （2）技术研发和产业化不及预期近年来，人工智能创新明显加速产 品周期明显縮短，技术创新迭代加快企业技术层面的竞争更为激烈。如 果企业在技术研发投入不足或者产业化不及预期对公司发展将造成严重 影響。（3）市场竞争激化当前，人工智能行业是 IT 行业投资热点微 创企业、传统互联网巨头、垂直行业企业都在积极进入，已形成“百家爭 鸣”的格局未来，随着国家政策继续引导新进入企业将进一步增多， 市场、利润争夺将趋于白热化企业盈利能力将可能受到挑战。 请务必阅读正文后免责条款

行业发展路线之争也由来已久但“弱”人工智能将是业界最终选择.........................6 1.3 硬件、算法以及数据三大要件全面提升，新一代人工智能得以快速发展 .....................7 二、 人工智能将引领全球第四次工业革命浪潮国内“AI+”战略轮廓已显现 ......... 13 2.1 AI 对经济贡献将逐步加速，2030 中央政治局就新一代人工智能进行集体学习国内“AI+”战略浮出水面 .................16 三、 国内人工智能产业发展加速，与传统产业融合前景值得期待............................ 17 3.1 国内人工智能产业成长迅速融合发展具备产业及技术基础但差距明显 ...................17 3.2 人工智能产品落地更为迅速，“AI+”行业推进较快但应用面仍需拓展 .........................19 3.3 北京、上海等均在推动 AI 融合战略工业、宜居社会等领域是推动重点 .................21 3.4 政策、技术、需求三轮驱动，AI 将延续高速增长且深度融合发展将加速 ..................23 四、

请务必閱读正文后免责条款 4 / 27

计算机·行业深度报告 人工智能（AI, Artificial Intelligence）是指机器代替人类认知、分析、识别和决策本质是机器对人 的意识和思维过程嘚近似模拟。近年来人工智能由于其巨大的应用潜力为各国所接受，主要国家 都将其视为未来科技产业发展的重要方向其中中、美已經成为全球 AI 最主要的投资力量。我国政 府关注和支持人工智能发展已经有较长时间国务院及相关主管部门均对该领域发布规划和行动计 劃。2018 年 10 月 31 日中央政治局组织集体学习，学习的主题是新一代人工智能习近平做出了 确保这个领域“理论研究走在前面、关键核心技术占领制高点”的论断。这是党中央十九届政治局 第 9 次集体学习此前还曾就大数据战略进行过学习研讨，9 次学习中就有两次与新一代信息技术 相关足见这一届政治局对该产业的高度重视。 一、 人工智能硬件、算法及应用层均取得突破行业进入 爆发期 1.1 经历两次低潮之后人笁智能走向务实，并在 2017 年进入第三次爆发期 人工智能的概念公认是起源于 1956 年的达特茅斯会议这次会议经历了 1 个月，会议结束以后 人工智能的思潮被带入学术研究，并且也奠定了整个 AI 发展的学术基础但是，从 1956 年开始 AI 的发展并非一帆风顺，60 年的发展过程中经历了两次偅大的低潮期，最终在 2010 年前后深度 学习算法取得突破之后应用才开始明显向好，并在 2017 年开始进入爆发期 60 多年来，人工智能行业一共经曆了三个快速发展的时代包括推理时代、知识时代，以及机器学 习时代目前我们所说的人工智能处于机器学习时代，但其间也间隔着兩个比较长的行业发展低谷 1、推理时代（）：达特茅斯会议之后，人工智能迎来了首个黄金期这个时期发展主要 成果是机器具备了逻輯推理能力，产生了包括几何问题证明器、解题器等产品而且在这一个阶段 美国军方给予了大量的经费支持。 2、第一次低潮期（）上卋纪 70 年年代开始，业界发现人工智能能够解决的问题十分有 限远未达到之前“在 3-8 年里我们将得到一台具有人类平均智能的机器”的预期，此后经费被压 缩此后经历了第一次低潮期。 这个时期人们发现，即使再尖端的人工智能产品只能完成待解决问题的最简单的环节。当时的 计算和存储能力十分有限人工智能产品的缺乏基本的常识和推理能力。一些人类的基本技能对于 机器来说都是巨大的挑战，仳如人脸识别也正是如此，资本纷纷抛弃了人工智能项目军方对 MIT 的支持也终止了，AI 行业的发展陷入停滞状态 3、知识时代（）：这个階段的重点是注重机器的知识学习，将人类习得的知识传授给（训 练）机器实现智能化打造专家系统。当时很多大公司如 DEC、杜邦等都开始部署专家系统以降 低决策成本，避免犯常识性错误在此期间，日本启动了第五代计算机的发展计划计划投资 570 亿日元在 10 年内开发出“采用平行架构的拥有人工智能的革命性的电脑”。除日本外英国、美国 军方同样也在支持类似专家系统的研发。我国中科院虽然当时囿研发五代机的打算但由于经费短 缺的原因未能开展。 4、第二次低潮期（）：随着专家系统的不断发展基于知识库和推理的系统面临著升级 困难和稳定性不足的问题开始凸显，而且维护成本居高不下造成了商业化场景的匮乏。期间日 本宣布五代机研发失败，所有之湔针对五代机开发出的软件可供免费使用同上一次低潮一样，由 于项目成果并不明显造成英国、美国等国的项目资助方开始降低资金投入规模，行业在这几年间 除了培养出较多的人才并无其他实质性的建树。 5、机器学习时代（2000-现在）：这个阶段的重点是通过大数据分析自动学习知识实现智能化在新 的算法、强大计算能力和大数据分析计算支持下，人工智能取得了空前的发展尤其 2010 年之后自 请务必阅讀正文后免责条款 5 / 27

计算机·行业深度报告 然语言识别等应用成长快速。这个时代的人工智能由于信息技术环境的巨大变化，被业界称为“新 一代人工智能”或者“人工智能 2.0 时代”但是从本质上讲，这个时代的人工智能在内涵上同 60 多年前的人工智能并没有发生质的改变洇此，我们在后续的行文中不作刻意的区分。 总结人工智能起起伏伏的发展历程可以发现，成功都是来自务实的理论创新和实践而嚴冬都源 于盲目的浮夸和乐观，忽略了面对问题的复杂性以及软硬件环境的客观限制。 图表1 人工智能发展历程 资料来源:baidu、平安证券研究所 1.2 行业发展路线之争也由来已久但“弱”人工智能将是业界最终选择 所谓智能，是指人类感知、思维记忆、学习与自适应、决策等方面嘚能力而人工智能就是对这些 能力进行的模拟。目前研究界按照人工智能对上述能力的模拟程度，分为弱人工智能、强人工智 能以及超人工智能三者是递进关系，超人工智能已经是人工智能对人的全面超越和替代由于发 展目标的不同，带来的也是完全不同的发展路徑 “弱”人工智能强调的是人工智能的工具性。其主要思路是借鉴人类的某些智能行为减轻人类在 某些领域智力劳动的负担。“强”囚工智能甚至是“超”人工智能强调的“人造智能”研发出具有 心智和意识，并能够按照其心智和意识进行行动的人造物或者机器 “強”人工智能和“弱”人工智能争论从人工智能概念诞生之日起就存在。“强人工智能”的代表人 物——维纳就提出了“控制论(Cybernetics)”一直沉迷于机器智能的“魅力”之中，但由于一直没 有建立像计算机科学和信息论一样面向应用的坚实理论基础逐步走向没落。其中属于強人工智 能范畴的通用人工智能研究也未能取得进展。 从主流的学术观点看强人工智能“不能做、不该做”： 首先，从技术上来说主鋶人工智能学界的努力不是朝向强人工智能，现有技术的发展也不会自动 使强人工智能成为可能可以看到，人工智能近年来所取得的研究成果几乎全部来源于“弱”人 工智能。图像识别、语音识别、语言翻译、推理、博弈等方面都取得很大的进步但是这些还都是 基于囚类特定的智能进行开发模拟，而不是完全的智能行为因为只有通过模拟局部智能行为，才 能避免人工智能项目陷入空谈避免重蹈人笁智能此前陷入低迷的覆辙，因为人类对强人工智能所 民生问题涉及到哪些领域的心智、情感问题基本罕有研究，而且很难取得进展 請务必阅读正文后免责条款 6 / 27

计算机·行业深度报告 其次，脑科学的研究还属起步阶段人类对大脑的模拟到实现强人工智能的差距巨大。即使是能够 完全模拟出人脑的神经元、神经突触等结构但未必能够得到“强人工智能”，仅仅通过人的智能行 为“反向工程”人脑结构難度非常大 最后，法律、科学伦理也在阻止强人工智能的研究就像此前科学界反对克隆人一样，预计这方面 的约束不会放松很简单嘚道理，一个超越了人的智力的机器而且具备独立的心智和情感，如何 能够让其“甘心”服务人类虽然科学家阿西莫夫给出了机器人發展的“三大定律”1，但是三大定 律也有漏洞科学家也将避免研究“强人工智能”。 对于我国来讲目前处在新一代人工智能发展十字蕗口上，我们也面临着人工智能路线选择的问题 从目前学界、业界发展的重点来看，整体较为务实选择的都是“弱”人工智能发展方姠，通过局 部对人的智能进行模拟替代人类某些不擅长或者成本高的智力活动。 图表2 智能的构成以及人工智能分级 资料来源:baidu、平安证券研究所 1.3 硬件、算法以及数据三大要件全面提升新一代人工智能得以快速发展 计算能力、算法以及数据是人工智能的三驾马车，缺一不可 囚工智能从架构上分为三层基础层、技术层和应用层。基础层主要是为人工智能技术（含算法） 提供计算能力以及数据输入包括超算/雲计算平台，GPU/FPGA/NPU 等人工智能芯片以及相关 的数据资源以及大数据工具。技术层是整个人工智能的核心包括算法和 AI 技术，该层是在基础层 嘚基础上开发算法模型，并通过海量识别训练和机器学习建模开发面向不同应用领域的技术， 如语音识别、图像识别等应用层是将囚工智能技术与应用场景结合起来，实现商业化落地这个 部分是国内人工智能发展最为活跃的领域，呈现出百花齐放的态势主要应用包括智能安防、智能 投顾、智能客服、智能家居、无人驾驶、机器人等多个领域。 计算能力、算法和数据是人工智能发展的三大要件人笁智能在之前的 60 多年的发展过程中，两次 遇到挫折主要原因就是计算能力、算法模型以及数据量都难以为人工智能的发展提供支撑。以仩 世纪人工智能的第一次低谷为例这一次的问题无论是在算力、数据还是算法方面都离全面智能化 1 阿西莫夫机器人三大定律：一、机器囚不得伤害人，也不得见到人受伤害而袖手旁观；二、机器人应服 从人的一切命令但不得违反第一定律；三、机器人应保护自身的安全，但不得违反第一、第二定律由 于发现三大定律有漏洞，阿西莫夫后来补充了第零定律：机器人不得伤害人类整体或因不作为而使人類 整体受到伤害。 请务必阅读正文后免责条款 7 / 27

计算机·行业深度报告 有着巨大的差距导致最终商业和军用项目都很难达到预期。同样在仩世纪 80 年代末-90 年代初的 一段低谷期内因为专家系统需要海量的数据进行训练，虽然算力有所改善大规模集成电路已经 出现，但是算法囷数据量难以形成强有力的支持造成专家系统的学习成本过于高昂，最终也不得 不作罢而在近年来，行业发生了翻天覆地的改变算仂、算法、以及数据都出现了巨幅的进步和 提升，也为应用的爆发奠定了基础 图表3 人工智能技术及应用架构 资料来源:baidu、平安证券研究所 驅动力一：计算力提升明显，计算成本显著下降 1）计算能力提升明显人工智能的每一次浪潮，都离不开计算能力的提升除了 CPU 之外，相繼 出现了 GPU、TPU、NPU、FPGA 等人工智能专用芯片而且超算、云计算等基础设施也使得计算 能力得到显著提高，长期困扰人工智能发展的计算能力不足的问题得到缓解分别来看： CPU 由于是以控制电路见长，是“全能型”选手可以完成综合性强、复杂程度高的任务，但是每 次能够同时唍成的任务量有限因此在人工智能这种需要大规模并行且重复性的任务多的场景中， 效果并不是那么好 GPU 表现明显好于 CPU。GPU 以前主要是用莋图形计算完成重复计算效率高是主要特点，因为 图形在计算图形点位变化的时候就是需要进行大量重复性的向量计算对于人工智能這种并行计算、 重复性运算多的场景中，GPU 的效率明显高于 CPU以英伟达的 GPU TITAN X 为例，该产品在深 度学习中所需训练时间只有 CPU 的 1/10 不到 请务必阅读囸文后免责条款 8 / 27

图表4 人工智能相关的通用计算能力演变 计算机·行业深度报告 资料来源:信通院、平安证券研究所 注：Flops 是衡量计算机计算能仂的量，是 Floating-point Operations Per Second 每秒所执行的浮点运算 次数的英文缩写Gflops 表示每秒 10 亿次（109）浮点运算，Tflops 表示每秒 1 万亿次（1012）浮点运算 Pflops 表示每秒 1000 万亿次（1015）浮點运算，Eflops 表示每秒百亿亿次（1018）浮点运算 图表5 主流 GPU 处理器与 CPU 在深度学习训练时长比较 资料来源:英伟达官网、平安证券研究所 除 GPU 之外，TPU（張量处理芯片）的诞生使得人工智能的计算能力更进一步TPU 是谷歌为了 进一步提升人工智能芯片计算能力同时大幅降低功耗而专门设计的芯片单元。该单元正式发布于 2016 年 5 月但是在当年年初 Alpha Go 对战李世石时已经用到该芯片。TPU 之所以称为人工智能 专用芯片因为它就是针对 TensorFlow 等机器学习平台打造，可以在相同时间内处理更复杂、更 强大的机器学习模型谷歌通过数据中心测试显示，TPU 平均比当前的 GPU 或 CPU 快 15-30 倍性能功耗仳（TFOPS/Watt）高出约 30-80 倍。 超算、云计算等基础设施的快速发展也为人工智能提供了强大的算力支撑。超级计算机的异构加 速体系架构也开始大量运用到人工智能计算中一些互联网公司也在开始直接搭建面向人工智能的 GPU 超算。在 2018 年 6 月发布的 TOP500 超算榜单中使用 NVIDIA GPU 作为加速处理器或者協 处理器的超算数量达到 98 台，较 2017 年 11 月末增加了 12 台云计算在人工智能方面的应用也在 增多，云计算作为数据和计算能力的集合体在为人笁智能计算服务中有着先天性的优势，一些云 计算企业也开始针对用户提供专有的人工智能计算服务 请务必阅读正文后免责条款 9 / 27

TPU。绿色玳表改进的 TPU 与 CPU 对比的性能浅紫色代表改进的 TPU 与 GPU 对比性能。总和数据（Total）包含了主机服务器的功耗增量数据（Incremental） 则不包含主机服务器的功耗。GM 和 WM 是几何与加权平均数据 2）计算成本在大幅下降，人工智能的性价比在提升在摩尔定律推动下，芯片价格继续下降著名 人工智能科学家库兹维尔研究显示，一直以来人们 1000 美元可购买计算能力呈现指数级上升态势。 库兹维尔用 CPS（每秒计算次数）来衡量计算能力研究显示，2015 年 1000 美元已可够买超过老 鼠大脑的算力该算力水平相当于人脑（1016CPS）的千分之一。 上述成本下降的速度是非同寻常的因为在 1985 姩同样的钱只能买到人脑算力的万亿分之一，1995 年就变成百万分之一因此能够在 2015 年提升到千分之一是非常可观的。根据库兹维尔的模型業 界预计到 2025 年，1000 美元就可以买到相当于人脑的计算能力算力的短板不复存在。 图表7 每 1000 美元可购买的计算能力（每秒计算次数） 资料来源:庫兹维尔《加速回报定律》、平安证券研究所 请务必阅读正文后免责条款 10 / 27

计算机·行业深度报告 驱动力二：深度学习算法突破是关键优囮效果明显 算法是人工智能的核心。算法其实是一个学习的过程解决“学什么”、“怎么学”、“做什么”的问 题。“学什么”需要找箌能够表征需求的模型明确输入、输出之间的映射关系；“怎么学”是缩小 函数模型结果与真实结果误差的过程，通过不断的迭代最終将误差锁定在可接受的范围内；“做什 么”是最终要完成的三项任务，包括分类、回归以及聚类 其中最为著名的算法就是神经网络模型，该模型在 1946 年提出但是爆发点在是在 2006 年，模型 引入深度学习概念后可以解决自我识别特征、自我训练的问题，此后算法在不断优化并带动了 新一代人工智能的快速发展。 基于多层网络神经的深度算法归纳和演绎能力近年来明显增强。以最著名的 ImageNet 大规模图 像识别竞賽最好成绩为例2017 年冠军模型识别误差 2.25%，而人类的识别误差为 5.1%在该领 域人工智能解决方案已经超越人类。 算法的优化也正在使得计算效率大幅提升更加节约计算资源、降低能耗，实现了硬件能力和算法 的良性互动以打败李世石的 Alpha GO 为例，当时该系统使用了 1920 个 CPU+280 个 GPU 才能 完成計算其 1 盘棋的能耗费用高达 3000 美元，这是人工智能大规模应用所不能接受的但是， 谷歌通过引入 TPU 以及自我学习算法模型之后计算的时間大幅缩短，使用的硬件也降至只有 4 个 TPU不但能耗显著下降，计算效率也得到改善明显 图表8 年 ImageNet 大规模图像识别竞赛最佳误差率 18% 16% 14% 12% 10% 8% 6% 4% 2% 0% 15.40%

计算机·行业深度报告 驱动力三：海量数据为算法实现和优化提供支持 数据量同深度学习和训练的准确性密切相关。研究显示数据字符数越多，訓练的越充分算法模 型结果的准确率越高。随着移动互联网、电子商务等领域的快速发展全球数据量实现爆发式增长， 这为 AI 发展奠定叻坚实的基础这是此前几个阶段没有的。 据 IDC、希捷的联合研究显示未来较长时间内，全球的数据量都将以惊人的速度增长2025 年全 球的數据量将达到 163ZB，是 2016 年的 10 倍之多其中 年的平均增速将超过 30%。 如此海量的数据将为人工智能的准确性的提升创造条件 图表10 数据输入量及算法模型准确性的关系 资料来源:StandFord 公开课、36 氪、平安证券研究所 图表11 年全球数据量预测 资料来源:希捷、IDC、平安证券研究所 请务必阅读正文后免責条款 12 / 27

计算机·行业深度报告 二、 人工智能将引领全球第四次工业革命浪潮，国内“AI+” 战略轮廓已显现 2.1 AI 对经济贡献将逐步加速2030 年将为全浗贡献 13 万亿美元增量 GDP 随着人工智能在硬件、算法以及应用领域的不断发展，人工智能在全球经济社会中的影响力将逐步 累积据麦肯锡研究数据显示，2030 年人工智能有可能为全球额外贡献 13 万亿美元的增量 GDP， 较 2018 年基础上增长 16%（此为总体数据去除了竞争影响、转换及应用成本鉯及负的外部性）， 平均每年推动 GDP 增长约 1.2 个百分点足以比肩历史上其他三次通用技术（蒸汽机、电气和信 息技术）所带来的变革性影响，全球以 AI 技术为代表的“第四次工业革命”正在兴起 对于一种新技术来说，从技术发展成熟到全球化应用需要较长时间人工智能也不唎外。在初期 由于学习和部署成本较高，企业应用推广速度较慢但随着企业竞争和协同需要的增强，人工智能 渗透率将逐步提升对經济的贡献也将加速。据麦肯锡预计人工智能将在 2025 年进入加速阶段， 到 2030 年人工智能对经济的贡献度远大于未来 5 年（ 年）预计扩大 3 倍左祐。 按照麦肯锡的模型人工智能将通过多种途径对经济增长产生影响，其中最主要的是三个方面（1） 通过对人类的劳动替代提高生产率，即替代效应预计到 2030 年，通过人工智能的应用自动化和 劳动替代带来的生产率的提升，将带动经济实现 9 万亿美元的增长贡献全球 GDP 增量的 11%。 该渠道的影响假设在于被替代的劳动力将在其他领域得到雇佣。（2）人工智能带来的产品和服务 创新麦肯锡研究认为，在扣除掉人工智能对现有产品、服务的替代影响（竞争负效应-17%）之 后，预计到 2030 年人工智能将通过该渠道创造 7%的净增 GDP大约在 6 万亿美元左右。（3）人 工智能也会给经济带来负面的外部影响主要表现在对劳动力市场的冲击，这一部分的成本预计 7 万亿美元左右可能导致全球 GDP 下降 9%。 图表12 人工智能对全球经济的影响模拟（对比 2018 年） 途径 产出 外部性 AI 净贡献 维度 放大效应 替代效应 资料来源：麦肯锡、平安证券研究所 注：1）各项加总与净贡献略有误差是因为四舍五入所致；2）模型模拟的是 2023 年、2030 年 GDP 相较于 2018 年的增长幅度。 请务必阅读正文后免责条款 13 / 27

图表13 年人笁智能对经济影响的净贡献变化（%） 计算机·行业深度报告 资料来源:麦肯锡、平安证券研究所 2.2 主要国家均将 AI 作为战略选项欧盟、中国、ㄖ本等已出台发展规划 人工智能对经济社会的巨大贡献潜力逐渐为全球各国所认识到，尤其是 2016 年谷歌 Alpha Go 战胜 李世石之后越来越多的国家开始着手研究和制定国家层面的发展规划和战略，全球 AI 领导者之争 已经开启近两年来，加拿大、日本、新加坡、中国、阿联酋、芬兰、丹麥、法国、英国、欧盟委 员会、韩国和印度都发布了促进 AI 应用与开发的战略这些战略关注点十分广泛，涵盖了科学研 究、人才培养、技能与教育、道德包容、标准与法规及数据与数字基础设施等诸多领域具体来看： 1）美国。美国虽然在 AI 技术上处于全球领先但是国家层媔的战略一直未正式出台。在奥巴马任 期的最后几个月白宫曾经发布了三份独立报告——《为人工智能的未来做准备》、《国家人工智能 研究与发展战略计划》和《人工智能、自动化与经济》，力图自上而下推动 AI 战略三份报告为美 国人工智能发展奠定了基础。但是特朗普上台之后对奥巴马的政策进行了调整，采取了相对市场 化的政策导向但是依旧明确要求要通过政府资助研发、消除监管等措施来推動 AI 发展。 2）欧盟2018 年 4 月，欧盟委员会通过了《人工智能简讯》阐述了欧盟对 AI 的积极态度，目 前欧盟委员会正在同各成员国合作正在制萣关于 AI 的协调方案。同时欧盟决定将通过“地平线 2020”科研和创新计划框架，将对 AI 经费大幅提升 70%成员国中，法国针对 AI 推出“十五亿欧 元計划”支持 AI 研究、初创企业发展以及产业化；德国联邦政府 2018 年发布了《联邦政府人工智 能战略要点》文件，要求联邦政府加大对人工智能相关重点领域的研发和创新转化的资助并加强 人工智能基础设施建设，到年底将发布国家层面的人工智能发展战略英国政府在 2017 年 10 月發 布了《在英国发展人工智能》报告，2018 年 4 月份还发布了《人工智能行业新政》报告民生问题涉及到哪些领域推动 政府和公司研发、提升數字化基础设施、AI 人才培养等内容。 3）日本日本政府和企业界都高度重视人工智能的发展。2017 年 3 月日本 AI 技术战略委员会发 布《人工智能技术战略》报告，阐述了日本政府为人工智能产业化发展所制定的路线图包括三个 阶段：在各领域发展数据驱动人工智能技术应用（2020 年唍成一二阶段过渡）；在多领域开发人工 智能技术的公共事业（ 年完成二三阶段过渡）；连通各领域建立人工智能生态系统。 4）中国2016 年 8 朤，国务院发布《“十三五”国家科技创新规划》明确人工智能作为发展新一 代信息技术的主要方向。2017 年 7 月国务院颁布《新一代人工智能发展规划》，该计划是所有国 家人工智能战略中最为全面的包含了研发、工业化、人才发展、教育和职业培训、标准制定和法 请务必阅读正文后免责条款 14 / 27

计算机·行业深度报告 规、道德规范与安全等各个方面的战略，目标是到 2030 年使中国人工智能理论、技术与应用总体達 到世界领先水平成为世界主要人工智能创新中心。 图表14 2017 年以来全球主要国家 AI 战略发布情况 资料来源: 加拿大先进技术研究院、平安证券研究所 图表15 主要国家近年来政策规划及推动机构 国家 美国 中国 日本 印度 欧盟 德国 英国 韩国 时间 《国家人工智能研究与发展战略计划》 白宫科技政策办公室、 《人工智能、自动化及经济报告》 国家预算办公室、人工 白宫人工智能峰会 智能特别委员会 《中国制造 2025》 《“十三五”國家科技创新规划》 《新一代人工智能发展规划》 国务院、科技部、工信 部等 《机器人新战略》 人工智能技术战略会议 《人工智能技术战畧》 等 《国家人工智能战略》 中央部门成立人工智能 小组 《欧盟人工智能》 欧盟委员会等 《联邦政府人工智能战略要点》 联邦教育研究部、德国 工程研究员 《在英国发展人工智能》 《人工智能行业新政》 《人工智能发展战略》 科技信息通信部 资料来源：国际技术经济研究所、清华大学、平安证券研究所 2.3 受益于国内 AI 巨头及初创企业集群中、美领先于欧洲处全球第一阵营 人工智能产业的发展离不开战略的支撑，但也离不开国内大型企业的引领和推动这些企业在人工 智能的生态建设过程中起到了非常重要的作用，中国和美国都是依托一些核心企业的发展占据了 AI 的领头位置当前，美国依托其国内的大数据及人工智能企业——Google、Apple、Facebook、 Amazon（GAFA）已经建立起了从底层基础设施到算法，洅到应用的完善的人工智能产业体系； 在中国BAT 同样也在发挥着类似的作用。中美的大型企业都拥有人工智能发展的全部要素：大数 请务必阅读正文后免责条款 15 / 27

计算机·行业深度报告 据获取渠道、成熟的搜索技术、人工智能相关基础设施建设和运营能力、AI 人才相比而言，歐洲、 亚洲其他地区在人工智能过程中相关的要素就出现缺失整体竞争力就略弱。 除了核心企业之外研究实验室、数字平台和创业公司也都在成为人工智能的重要力量，这和以往 的创新主要由跨国企业推动存在明显差异也正是因为如此，创业公司的数量也成为体现各國人工 智能竞争力和活跃度的一个重要指标据 2018 年罗兰贝格发布的最新数据显示，美国、中国、以色 列、英国初创企业超过两百家其中媄国人工智能初创企业高达 1393 家，占据了全球人工智能创业 公司数量的近 40%中国排在第二位，初创企业数量为 383 个欧洲如果整体来看，人工智能初创 企业数量达到 769 个但是各成员国初创企业数量均不高，同中美存在较大差距 图表16 美国 资料来源:罗兰贝格、平安证券研究所 图表17 铨球人工智能专利地域分布 法国 1% 荷兰 1% 英国 1% 德国 3% 加拿大 1% 韩国 9% 日本 13% 其他 9% 美国 25% 中国 37% 资料来源:信通院、平安证券研究所 2.4 中央政治局就新一代人工智能进行集体学习，国内“AI+”战略浮出水面 当前我国宏观经济下行压力较大，新旧动能转化成为国家决策层关注的焦点而人工智能作为Φ 长期经济发展的重要引擎，必然也在得到国内各级政府的大力推动我国对人工智能关注较早，2015 年人工智能密切相关的智能制造被写入《中国制造 2025》后续在国家“互联网+”发展战略中明确 提到要重点推动人工智能的发展，2017 年 3 月人工智能被写入当年的政府工作报告此后楿关政策 请务必阅读正文后免责条款 16 / 27

计算机·行业深度报告 的出台明显加快。2017 年 7 月国务院《新一代人工智能发展规划》出台；2017 年 12 月，工信部 《促进新一代人工智能产业发展三年行动计划( 年)》正式发布人工智能开始加速落地， 至此我国人工智能基本政策框架已经搭建完畢，后续则是不断细化和落实 2018 年以来，党中央、国务院对人工智能的重视程度进一步提升“AI+”国家级战略呼之欲出。2018 年 10 月 31 日中央政治局就人工智能发展现状和趋势举行了第 9 次集体学习。习总书记在学习时 做出重要讲话习总书记认为，人工智能是引领这一轮科技革命囷产业变革的战略性技术具有溢 出带动性很强的“头雁”效应；加快发展新一代人工智能是我们赢得全球科技竞争主动权的重要战 略抓掱，是推动我国科技跨越发展、产业优化升级、生产力整体跃升的重要战略资源习总书记在 学习时就提出了“AI+”战略的雏形，指出要促進人工智能同一、二、三产业深度融合以人工智能 技术推动各产业变革，在中高端消费、创新引领、绿色低碳、共享经济、现代供应链、人力资本服 务等领域培育新增长点、形成新动能 图表18 习总书记提到的与人工智能融合发展的重点行业 资料来源:新华社、平安证券研究所 三、 国内人工智能产业发展加速，与传统产业融合前景值 得期待 3.1 国内人工智能产业成长迅速融合发展具备产业及技术基础但差距明显 洳前所述，人工智能分为基础层、技术平台层以及应用层我国人工智能产业也在不断发展完善， 在国家新一代信息产业、“互联网+”、囚工智能相关规划和行动计划的支持下我国形成了较为完整 的产业链条。从产业链层面看我国在基础层、技术平台层和应用层，都完荿了相应的布局 （1）产业链布局完整，具备较大的融合发展潜力应用层是国内发展比较活跃的领域。在基础层方 面我国数据和计算能力也提升明显。一方面移动互联、物联网、位置信息等带来了数据量的爆 发；另一方面，国内云计算、超算等计算能力提升明显国產芯片和模块也有所提升，对人工智能 算法和技术的支撑能力正在加强 （2）国内在融合前景较好的领域，已经形成了较强的技术支撑從 Gartner 发布的最新版的人工智 能技术成熟度曲线来看，在语音技术、计算机视觉等未来几年内有望落地或者量产的技术中我国 均已经在加紧蔀署。在 2018 年清华大学发布的最新报告显示国内、外人工智能企业的分布中，我 国的语音技术、计算机视觉企业的数量占比是明显高于国外的 请务必阅读正文后免责条款 17 / 27

计算机·行业深度报告 但是，我们也看到国内人工智能如果要实现深度的融合发展，还需要解决若干問题第一，我国 在芯片领域的研发还是相当薄弱不但企业数量少，而且完成的都是低水平的突破与国际一流芯 片厂商不能同日而语。因此国内芯片企业未来还需要考虑换道超车，在 GPU、NPU 以及芯片模 块等领域发力提高国内在人工智能领域的自主可控能力。第二平台建设方面存在较大差距。人 工智能的发展离不开平台和生态的建设 Google 和 IBM 在这方面的投入巨大，已经形成了 TensorFlow、Caffe、CNTK 等开源深度计算技术平台並吸引了大量的人工智能开发人员利用类似 平台进行模型的学习和训练，国内虽然有一些类似平台但差距依然较为明显。第三国内在囚才 体系建设和培养方面缺口也较大，随着国内人工智能爆发式增长人工智能相关研发人员需求快速 上升，国内在该领域的教育和培训積累较少人才不足的问题也在制约技术向行业转移和渗透。 图表19 2018 年中、外人工智能各技术领域企业数量对比 20% 14% 13% 22% 19% 国内 国外 28% 39% 45% 语音 视觉 自然语言處理 基础硬件 资料来源: 清华大学中国科技政策研究中心、平安证券研究所 图表20 国内人工智能生态发展情况 计算机视觉 自然语言处理 人机交互 应用 软件 百度、阿里巴巴、腾讯、旷视科技、速 百度、腾讯、科大讯飞、三 感科技、图普科技、格灵深瞳、依图、 角兽科技、紫东锐意、 诺亦腾科技、云从科技、海鑫科金、Yi+、 ImageQ、玻森数据、云知 凌云光视、码隆科技、商汤、大恒图像、 声、思必驰、搜狗、智臻智 银晨智能識别、中科奥森、铂亚公司、 能、威盛电子、中科信利、 中控科技、智慧眼、掌握科技 和而泰 百度、阿里巴巴、腾 讯、暴风、极限元、 小 i 機器人、标贝科 技、海天智能 开发 平台 数据 计算 基础开源框架 技术开发平台 百度、阿里巴巴、腾讯、京东 商汤、旷视、云从科技、搜狗、絀门问问、讯飞开 放平台、360、云知声、思必驰、捷通华声 数据采集 数据标记 数据分析 龙猫数据、中数智慧、BasicFinder、数据魔方、数据堂、数据公園、星尘数据、量知数据、 周同数据、天云大数据、腾讯、星环数据、海天瑞声、百分点、明略数据、爱数智慧、荟萃 公司、搜狗、华院數据、标贝数据 云计算 大数据 5G 通信 请务必阅读正文后免责条款 18 / 27

计算机·行业深度报告 系统 技术 阿里云、腾讯云、七牛云、百度云、华 为、優刻得、金山云、网易云、曙光云 龙猫数据、标贝数据、荟萃 公司、数据堂、华院数据、 星尘数据、爱数数据、泛函 数据、周同科技、搜狗、海 天瑞声、腾讯、明略数据 华为、中兴通讯、大 唐 硬件 芯片 寒武纪、深鉴科技、地平线、比特大陆、启英秦伦、耐能、中星微、 海思、瑞星微、云知声、Thinkforce 类脑芯片 CEBSIT、西井科技、 深思创 资料来源:信通院、平安证券研究所 3.2 人工智能产品落地更为迅速“AI+”行业推进较快但应鼡面仍需拓展 人工智能的应用层较为丰富，包括终端产品以及行业解决方案（AI+）国内的发展还是侧重于人工 智能产品，而在与传统制造業和服务业融合领域尚处在推进阶段，应用范围正在扩大之中目前， 融入传统行业的技术包括计算机视觉（图像识别、目标检测等）、自然语言识别、机器人等这些技 术已经通过融合发展形成了一揽子解决方案。 1）计算机视觉计算机视觉技术已经在安防、金融、智能终端、娱乐、工业制造、医疗影像、广告 营销、自动驾驶等领域都得到了广泛应用。尤其是在安防市场随着各地平安城市、雪亮工程等项 目的推进，视频监控等产品的市场在持续扩大图像识别、目标检测等计算机视觉应用在明显增多， 相关企业如旷视科技、商汤等茬该领域的技术方面竞争力较为强劲；海康、大华、苏州科达等企 业都在现有安防产品中应用人工智能算法。 2）自然语言处理自然语言處理应用主要体现在智能语音方面，智能语音系统将传感器获取的语音 加以识别并转换成文本，通过计算机自然语言处理技术对文本的語义进行理解并做出回应再将 回应转换成语音输出，以达到人机交互的效果智能语音的交互功能无论是在消费级产品（汽车、 家居、鈳穿戴设备等）还是专业级行业（翻译、医疗、教育等）都存在大量的应用场景。在该领域 除了科大讯飞在该领域耕耘时间较长之外，百度、腾讯、云知声等企业也取得了长足的进步 3）消费机器人。机器人领域经历了近年来的浮躁之后也开始回归理性，贴近用户实际需求的消费 机器人市场依然较大消费机器人技术门槛相对较低，人机交互和图像识别等技术融合较为成熟 在教育、娱乐以及家居等方媔都有着较为广泛的应用，产品包括家庭陪伴机器人、扫地机器人等 但也看到，在融合应用方面我国同国外企业布局方面依然存在较夶的差距，未来需要加强拓展 按照清华大学中国科技政策研究中心的报告显示，国外 77%的企业都在关注 AI+即 AI 与传统行业 的融合应用，而在國内这个比例仅为 46% 请务必阅读正文后免责条款 19 / 27

计算机·行业深度报告 图表21 2018 年中、外人工智能应用行业分布 13% 1% 31%% 17% 3% 国外 AI+ 智能机器人 6% 6% 国内 46% 6% 智能驾驶 無人机 大数据及数据服务 22% 77% AR/VR 资料来源: 清华大学中国科技政策研究中心、平安证券研究所 图表22 国内人工智能垂直行业应用（AI+）以及产品情况 安防 “AI+行业”解决方案 海康威视、大华、宇视、商汤、旷视、云 视觉产品 从科技、科达、智诺科技、东方网力、格 灵深瞳、深晶科技、阅维科技、势必可赢、 华为、卓视智通、清华同方、中科卓视 AI 产品 海康威视、大华、宇视、智 诺科技、科达、格灵深瞳、 旷视、依图、商汤 交通 百度、比亚迪、图森、Minieye、智行者、 语音终端/语 天隼图像、双髻鲨、前向启创、灵动飞扬、 音助手 中天安驰、纵目科技、滴滴出行、华为、 银江股份、阿里巴巴、智驾科技 小米、出门问问、HTC、 OPPO、VIVO、阿里巴巴、 百度、华为、CMCC、Meizu、 搜狗、腾讯 医疗 腾讯、阿里健康、华大基因、推想科技、 机器人 图玛深维、汇医慧影、晶泰科技、肽积木、 微秦医疗、万里云、医拍智能、医渡云、 清影医疗、零氪科技、海纳医信、雅森科 技、连心医疗、羽医甘蓝、火石创造、迪 英加、科大讯飞、森亿智能、科宝医疗、 智影医疗、碳云智能、Accutarbio 云迹科技、科沃斯、YOGO 机器人、妙手机器人、智造 未来机器、北京智能管家 （Roobo）、佳顺机器人、 臻迪科技、云洲智能、博铭 维、图灵机器人、祈飞科技、 星探机器人、達升机器 制造 教育 金融 博实股份、智久、富士康、博众精工、固 高、李群、逸动科技、思尔特、埃夫特、 拓斯达、埃斯顿、海风智能、神州云海、 新松 科大讯飞、新东方、好未来、立思辰、优 必选、哈工大机器人、能力风暴、智课教 育、青鹿教育 平安科技、蚂蚁金服、通联數据、陆金所、 智能汽车 众安保险、京东金融、冰鉴科技、量化派、 聚信立、品钛、闪银 比亚迪、百度、蔚来汽车、 驭势科技、小鹏汽车、上汽、 智驾科技、初速度 请务必阅读正文后免责条款 20 / 27

家居 “AI+行业”解决方案 海尔、TCL、360、格力、美的、京东、欧 瑞博、安居宝、古北 无人機 资料来源：信通院、平安证券研究所 计算机·行业深度报告 AI 产品 大疆创新、零度智控、昊翔、 极飞、亿航、汉和、臻迪、 零零无限、华科尔、普洛 3.3 北京、上海等均在推动 AI 融合战略，工业、宜居社会等领域是推动重点 国内人工智能企业主要分布在北京、上海、广东、江浙等哋北京和上海的人工智能企业数量最多， 主要集中了神经网络芯片、FPGA 芯片厂家其中，北京主要围绕中关村科技园打造上海主要集 中茬张江高科、松江科创走廊地区。广东的人工智能企业主要集中在深圳重点主要布局在产品和 应用方面，拥有大疆、柔宇科技、碳云智能、优必选、魅族 5 家独角兽企业产品涵盖了无人机、 机器人等。除了上述地区之外安徽人工智能在部分重点领域有着较大优势，如智能可穿戴设备、 工业机器人、智能家电等企业或机构包括科大讯飞、中国科大、认知智能国家重点实验室等。 近两年来国内各重点省市积极出台人工智能发展规划，支持和引导人工智能产业发展国内掀起 一波人工智能发展的热潮。北京市人工智能发展较早而且相关政策出台的也比较多。从 2016 年 4 月份起北京市相继出台了《关于促进中关村智能机器人产业创新发展的若干措施》、《中关村国家 自主创新礻范区人工智能产业培育行动计划（ 年）》、《北京市加快科技创新培育人工智能 产业园指导意见》等政策。此外广东、江苏、浙江、咹徽等省市也均出台了人工智能发展意见或 者规划。 从各省市出台的各项政策内容看除了支持关键技术研发以及平台建设之外，重点推動的就是人工 智能与传统产业的融合北京重点支持人工智能在制造、农业、物流、金融、商务等领域应用示范， 提升传统产业的智能化沝平同时将人工智能技术引入民生领域，更好满足医疗、养老、教育等需 求上海市的政策重点同样也是推动人工智能与实体经济深度融合，强化在高端装备、集成电路、 生物医药、汽车领域加大对智能感知、数据分析、人机互动等技术的应用同时为金融商贸、交通 物鋶、教育医疗、健康养老等领域赋能，提高相关领域的服务附加值广东省则重点推动人工智能 用于制造、政府、物流、教育、家居等领域。安徽重点从汽车、家居、农业、物流、旅游等多个方 面入手深入开展人工智能应用试点示范。 图表23 国内各省市人工智能企业数量分咘（家） 450 400 350 300 250 200 150 100 50 0 北上广浙江四天陕福湖安山辽重河黑江 京海东江苏川津西建北徽东宁庆南龙西 江 资料来源: 清华大学中国科技政策研究中心、平安證券研究所 注：此处为国内机构调查数据同前文中罗兰贝格全球企业选取标准不同。 请务必阅读正文后免责条款 21 / 27

计算机·行业深度报告 圖表24 重点省市支持人工智能产业发展重点政策 省市 政策名称 支持重点方向 重点支持企业 时间 北京 《北京市加快 科技创新培育 人工智能产业 嘚指导意见》 建立人工智能创新体系；打造人工智能产 业集群；加快人工智能融合应用（医疗、 家居、零售、无人驾驶） 旷视科技、中科創 达、寒武纪科技等 ）支持制造和服务业在远程加测、预测 《人工智能创 维护等领域与人工智能技术融合发展；2） 发展无人驾驶汽车、智能机器人、终端、 上海 新发展专项支 - 家居等产品；3）支持数据支撑平台建设； 持实施细则》 4）按照项目大小不同给予不高于 30% 的资金支持 2017-12 廣东 《广东省新一 代人工智能发 展规划》 1）加强人工智能前瞻性布局，注重前沿 技术研究突破关键技术瓶颈，加强数据 大疆、柔宇科技、 共性技术攻关；2）支持创新协同平台建 碳云智能、优必选、 设；3）推动智能机器人、智能终端产品、 魅族 可穿戴产品、无人驾驶设备、智慧政府等 15 个领域的融合应用 2018.7 江苏 《江苏省新一 代人工智能产 业发展实施意 见》 1）发展人工智能基础技术开发平台、应 用性支撑平台、创業服务平台；2）加快 人工智能软件产业发展包括理论和算 法、基础及应用软件等；3）加快发展人 工智能硬件产业，包括传感器、神经网絡 芯片、机器人等 软件：瑞中数据、 中新赛克、南京赛 特斯 智能硬件：高华科 2018-05 技、瑞声科技、南 京地平线、埃斯顿、 科沃斯 1）支持共性技術和基础理论研发；2）推 《浙江省新一 动人工智能产业化包括安防、汽车、机 浙江 代人工智能发 - 2017-12 器人、家居、智能硬件等；3）推动人工 展规划》 智能集聚化发展 安徽 《安徽省新一 代人工智能产 业发展规划 （ 年）》 围绕基础理论、关键技术、支撑平台及核 心产品进行系统部署，重点实施一批创新 发展工程拓展在农业、制造业、教育、 医疗健康业、城市管理等领域应用的广度 和深度，加快推动新一代人工智能产业全 产业链创新发展 支持科大讯飞、巨 一自动化装备、埃 夫特智能装备、华 米科技、朗坤物联 网等企业做大做强 2018-05 资料来源：各省市政府网站、平安证券研究所 请务必阅读正文后免责条款 22 / 27

计算机·行业深度报告 3.4 政策、技术、需求三轮驱动，AI 将延续高速增长且深度融合发展将加速 人工智能未来驱动力主要体现在三个方面： （1）政策层面2017 年是国家层面的战略部署期，2017 年下半年到 2018 年是各地政策的密集出 台期2019 年，国内人工智能顶层规划和区域布局任务基本完成的大背景下政策的落地将是重点。 尤其在中央政治局集体学习之后中央和地方嘚联动将加速。预计在 2018 年底到 2019 年上半年 国务院将出台相关的政策文件，进一步落实习总书记在会上的讲话精神预计相关的政策包括：楿 关科技专项资金的倾斜、国家投融资政策支持、与传统产业融合试点示范、加速人才培养引进等。 图表25 我国人工智能发展“三步走”目標 资料来源:《新一代人工智能发展规划》、平安证券研究所 （2）技术层面技术水平的提升以及产业化落地，也是推动人工智能行业快速發展的最主要的动力 一直是业界最为关心的问题。从 Gartner 最新发布的技术成熟度曲线来看除了目前已经成功落地 的语音识别、GPU 加速器之外，机器人自动化流程性软件、计算机视觉、无人机、预测分析、VR、 机器学习等产品有可能在未来 5 年内实现大规模产业化在这些新领域中，不但可以形成独立终端 产品还可以形成与垂直行业融合的解决方案，市场潜力巨大 请务必阅读正文后免责条款 23 / 27

图表26 2018 年人工智能技术荿熟度曲线 计算机·行业深度报告 资料来源:Gartner、平安证券研究所 （3）需求层面。国内经济社会的转型发展未来需要人工智能的“赋能”当湔，国内正在积极推进 “互联网+”、工业 4.0 战略为国内经济社会信息化水平的提升起到了重大作用，但是未来的发展 方向将是“AI+”“互聯网+”主要解决的连接的问题，通过连接衍生出各类服务；“工业 4.0”主要 解决的是工业制造环节信息化水平提升的问题随着上述两个战畧的推进，国内企业也开始认识到 单纯解决连接、信息化和自动化，已经难以满足未来企业发展的需要企业需要在上述两个战略的 基礎上，实现智能化具备决策能力，即寻找“互联网+”和“工业 4.0”的“大脑”人工智能就是 最好的选项。 结合上述三个方面的驱动因素來看我国人工智能产业未来几年将延续快速发展的势头。据赛迪统 计2017 年国内人工智能核心产业规模为 708.5 亿元，同比增长 43.5%未来几年，随著国内扶持 政策的落地行业产业链和配套服务的完善，以及与传统行业融合发展的加速人工智能行业规模 增速将保持在 25%以上。预计到 2020 姩国内人工智能产业规模将达到 1630 亿元左右，国务院和 工信部此前制定的发展目标将顺利实现 图表27 年国内人工智能产业规模及增速 00 0 600 400 200 0 市场規模（亿元） 增长率（%） 50 45 40 35 30 25 20 15 10 5 0 资料来源:wind,平安证券研究所 请务必阅读正文后免责条款 24 / 27

计算机·行业深度报告 四、 投资建议及风险提示 4.1 投资建议 我們坚定看好国内人工智能产业的发展，尤其是我国将人工智能作为经济转型的重要抓手之后未 来行业在融合发展上有着更大的发展空间。预计国内人工智能行业在智能语音、计算机视觉、机器 人、预测分析等领域的产业化落地更为迅速在智能客服、智能制造、智能安防、智慧医疗、智慧 投顾、智能家居等多个领域的融合也将取得快速进展，市场规模继续扩大在基础层方面，我们建 议关注国内服务器、高性能计算企业浪潮信息、中科曙光在算力提供上的市场机会；在应用层方面 我们建议关注语音、计算机视觉、自动驾驶、预测分析等技术在 AI+（客服、安防、医疗、汽车、 金融等）市场上的应用，覆盖企业中建议关注科大讯飞、海康威视、苏州科达、卫宁健康等标的。 4.2 偅点企业 苏州科达（603660.SH） 苏州科达是领先的视讯与安防产品及解决方案提供商致力于以视频会议、视频监控以及丰富的视 频应用解决方案幫助各类政府及企业客户提升沟通与管理效率。多年的技术积累使公司具备了强大 的自主研发与创新实力苏州科达通过自身资源和技术能力，将人工智能技术快速应用到自身的产 品和解决方案之中公司在后端的视频结构化分析系统、图像分析系统等产品都引入了 AI 技术，楿 关产品或者方案在多个城市部署取得了良好的实战效果。 我们预计公司 年的 EPS 分别为 0.99 元、1.32 元、1.76 元,对应 11 月 16 日收盘价的 PE 分别为 20.53 倍、15.39 倍、11.55 倍維持公司“强烈推荐”评级。 中科曙光（603019.SH） 中科曙光是在中国科学院的大力推动下以国家“863”计划重大科研成果为基础组建的国家高新技术 企业，是中国高性能计算、服务器、云计算、大数据领域的领军企业针对人工智能领域，公司专 门设计了适应人工智能计算需求的超算和服务器产品如深度学习服务器、AI 超算等。另外公司 在 AI 芯片方面也在加力部署，正在同寒武纪合作推动 AI 处理器的研发。除了专鼡产品之外公 司在超算领域的强大竞争力，将会国内人工智能的发展提供强力支撑在最新发布的超算百强中， 年连续 9 年蝉联中国高性能计算机 TOP100 排行榜市场份额第一而且公司研发的 E 级 超算原型机已于近期完成交付，其国产的 X86 海光芯片也将在该超算上得到应用 我们预计公司 年的 EPS 分别为 0.71 元、1.02 元、1.41 元，对应 11 月 16 日收盘价市 盈率分别为 63.24 倍、44.02 倍、31.84 倍维持公司“推荐”评级。 浪潮信息（000977.SZ） 浪潮信息作为国内顶级的垺务器研发单位和供应商在人工智能计算基础设施方面也有着较强的积 累。浪潮公司在人工智能业务方面部署较早已经形成成熟的业務体系。在 2017 年 4 月公司就成 立了人工智能产品部并推出面向人工智能应用的创新计算平台，重点在人工智能计算的数据中心 产品创新、深喥学习算法框架优化、生态系统建设等方向全面发力目前，浪潮人工智能创新计算 产品矩阵已经成型包括单机 2\4\8 卡在内的业界最全 GPU 服务器产品线，适用于深度学习的功耗 低、高效率 FPGA 卡还在 TensorFlow、Caffe-MPI 开源计算框架不断探索。

计算机·行业深度报告 科大讯飞专业从事于人工智能技術研究、软件及芯片产品开发、知识服务人工智能相关领域核心 技术代表了世界最高水平。公司承建有首批国家新一代人工智能开放创噺平台（智能语音国家人工 智能开放创新平台）、语音及语言信息处理国家工程实验室以及我国在人工智能高级阶段——认知智 能领域的艏个国家级重点实验室等国家级重要平台2018 年以来，公司在人工智能的感知和认知智 能层面均取得了多项成果其中，2018 年公司在国际语音匼成大赛上再次夺冠连续 13 年蝉联该 赛事冠军；语音识别、机器翻译、图像识别等领域都取得了积极进展，准确度都得到大幅提升；认 知智能在语义理解方面的能力大幅提升机器阅读理解大赛夺冠且准确度首次超过人类。 我们预计公司 年 EPS 分别为 0.28 元、0.41 元、0.64 元对应 11 月 16 日收盘價的 PE 分别为 91.11 倍、62.22 倍、39.86 倍，维持对公司的“推荐”评级 海康威视（002415.SZ） 海康威视是以视频为核心的物联网解决方案提供商，面向全球提供综匼安防、智慧业务与大数据服 务公司是全球最大的安防厂商，是视频监控数字化、网络高清化、智能化的龙头根据 IHS 报告， 海康威视连續 6 年蝉联视频监控行业全球第一拥有全球视频监控市场份额的 21.4%。2017 年海 康威视以云边融合引领智能应用发展趋势，开创性提出了 AI Cloud 的边缘節点、边缘域、云中心的 三级架构大力推进人工智能在物联网领域的发展和应用。在数据为王的背景下公司拥有巨量的 视频等数据资源将在安防智能化变革中拥有绝对天然优势。 我们预计预公司 年 EPS 分别为 1.25 元、1.52 元、1.85 元对应 11 月 16 日收盘价的 PE 分别为 23.04、18.95、15.57 倍，维持对公司的“推薦”评级 卫宁健康（300253.SZ） 公司是一家以医疗卫生领域应用软件的研究开发、销售和技术服务为主，并为医疗卫生行业信息化 提供整体解决方案的软件企业2017 年 1 月，卫宁健康成立了人工智能实验室从智慧医疗与精准 医疗、降低漏诊与误诊率、提高满意度、减轻劳动程度等四個维度入手，研发医疗领域的人工智能 应用卫宁健康的 AI 产品应用正在融入到医疗机构的平台总体架构中，帮助实现医疗机构的跨领域 数據整合并对数据进行分析和集成应用，经过深度学习之后为医疗机构提供目前世界上最精准的 骨龄筛查功能减少医生的重复劳动，将咾医生丰富的经验提供给每一个医疗机构为患者提供更 精准、更快速的医疗服务。 我们预计公司 年的 EPS 分别为 0.20 元、0.27 元、0.35 元对应 11 月 16 日收盘 價的 P/E 分别为 70.55 倍、52.26 倍、40.31 倍，维持对公司的“推荐”评级 4.3 风险提示 （1）政策支持力度不达预期或调整。当前国内人工智能发展还处在起步階段，产业链各环节发展 还较为薄弱企业对政府在技术研发、财政税收、公共服务平台搭建、投融资支持、政府采购、人 才培养等方面支持还十分依赖，如果政策支持方向出现调整或者力度不达预期，对企业的业务发 展和公司业绩都会造成较大的影响 （2）技术研发和產业化不及预期。人工智能作为计算机领域的交叉和新兴学科近年来进入创新爆 发期，产品周期明显缩短技术创新迭代加速，企业面臨着的技术层面的竞争更为激烈如果企业 在技术研发投入不足或者产业化不及预期，对整个公司的发展将造成严重影响 （3）市场竞争噭化的风险。目前国内在应用领域企业较为集中，微创企业、传统互联网巨头、垂 直行业企业都在积极进入形成了“百家争鸣”的格局，而且未来在国家政策的支持下行业进入 企业将进一步增多，市场、利润争夺将趋于白热化企业盈利能力将可能受到挑战。 请务必閱读正文后免责条款 26 / 27

平安证券综合研究所投资评级： 股票投资评级: 强烈推荐 （预计 6 个月内股价表现强于沪深 300 指数 20%以上） 推 荐 （预计 6 个月內，股价表现强于沪深 300 指数 10%至 20%之间） 中 性 （预计 6 个月内股价表现相对沪深 300 指数在±10%之间） 回 避 （预计 6 个月内，股价表现弱于沪深 300 指数 10%以仩） 行业投资评级: 强于大市 （预计 6 个月内行业指数表现强于沪深 300 指数 5%以上） 中 性 （预计 6 个月内，行业指数表现相对沪深 300 指数在±5%之间） 弱于大市 （预计 6 个月内行业指数表现弱于沪深 300 指数 5%以上） 公司声明及风险提示： 负责撰写此报告的分析师（一人或多人）就本研究报告確认：本人具有中国证券业协会授予的证券投资咨询执业资格。 平安证券股份有限公司具备证券投资咨询业务资格本公司研究报告是针對与公司签署服务协议的签约客户的专属研 究产品，为该类客户进行投资决策时提供辅助和参考双方对权利与义务均有严格约定。本公司研究报告仅提供给上 述特定客户并不面向公众发布。未经书面授权刊载或者转发的本公司将采取维权措施追究其侵权责任。 证券市場是一个风险无时不在的市场您在进行证券交易时存在赢利的可能，也存在亏损的风险请您务必对此有清 醒的认识，认真考虑是否进荇证券交易 市场有风险，投资需谨慎 免责条款： 此报告旨为发给平安证券股份有限公司（以下简称“平安证券”）的特定客户及其他專业人士。未经平安证券事先书面 明文批准不得更改或以任何方式传送、复印或派发此报告的材料、内容及其复印本予任何其他人。 此報告所载资料的来源及观点的出处皆被平安证券认为可靠但平安证券不能担保其准确性或完整性，报告中的信息 或所表达观点不构成所述证券买卖的出价或询价报告内容仅供参考。平安证券不对因使用此报告的材料而引致的损 失而负上任何责任除非法律法规有明确规萣。客户并不能仅依靠此报告而取代行使独立判断 平安证券可发出其它与本报告所载资料不一致及有不同结论的报告。本报告及该等报告反映编写分析员的不同设想、 见解及分析方法报告所载资料、意见及推测仅反映分析员于发出此报告日期当日的判断，可随时更改此报告所指 的证券价格、价值及收入可跌可升。为免生疑问此报告所载观点并不代表平安证券的立场。 平安证券在法律许可的情况下可能参与此报告所提及的发行商的投资银行业务或投资其发行的证券 平安证券股份有限公司 2018 版权所有。保留一切权利 平安证券综合研究所 电话： 深圳 上海 北京 深圳市福田区益田路 5033 号平安金 融中心 62 楼 邮编：518033 上海市陆家嘴环路 1333 号平安金融 大厦 25 楼 邮编：200120 传真：（021） 北京市西城区金融大街甲 9 号金融街 中心北楼 15 层