重磅：中國人工智能產業(yè)鏈分析（值得收藏）

原標題：【中信策略】人工智能專題報告（策略篇）——人工智能：揚帆未知的藍海

這篇長達1.5萬字的人工智能產業(yè)投資研究報告里，分析師冷靜而嚴謹?shù)乜春蒙疃葘W習、圖像識別和智能機器人這三片投資藍海。報告認為，歷史上人工智能的投資如果在應用層出現(xiàn)泡沫，未來的機會往往在技術層。

從二十年前超級計算機“深藍”戰(zhàn)勝國際象棋大師加里·卡斯帕羅夫到如今圍棋世界冠軍李世石在與谷歌AlphaGO的比拼中投子認輸，我們見證了人工智能（Artificial Intelligence，簡稱AI）從孩提時代一路走來，橫空出世的AlphaGo同時引發(fā)了棋界和科技界的“大地震”，人類智力“最后的堡壘”也轟然倒塌，我們似乎已經無法阻擋人工智能超越人類的步伐。作為人工智能發(fā)展里程碑上濃墨重彩的一筆，此次“人機大戰(zhàn)”正式宣告著信息社會實現(xiàn)由“互聯(lián)網+”向“人工智能+”質的飛躍，也昭示著以信息技術為代表的“舊IT”（Information Technology）已被以人工智能領軍的“新IT”（Intelligent Technology）無情地趕下了歷史舞臺。

2016年，恰逢人工智能誕生60周年。近年來，從習近平主席提到的“機器人革命”，中國版工業(yè)4.0，到李克強總理的“萬眾創(chuàng)新”；從國務院在《關于積極推進“互聯(lián)網+”行動的指導意見》中將人工智能推上國家戰(zhàn)略層面，到“十三五”規(guī)劃的“科技創(chuàng)新-2030項目”中將智能制造和機器人列為重大工程之一，人工智能在中國掀起了新一輪技術創(chuàng)新的浪潮。一切都預示著：人工智能正在為產業(yè)革命的新風口，人類歷史上最好的“人工智能+”時代已經到來。

WHY：AI或將催化下一輪產業(yè)革命

社會的飛躍發(fā)展必經路徑：科技革命驅動產業(yè)革命

經驗表明：歷史上每一次的社會重大飛躍都伴隨著科技革命?？萍几锩▋蓚€范疇：科學革命和技術革命?？茖W革命是技術革命的前提，但是科學革命不一定會帶來產業(yè)變革，技術革命是科學革命到產業(yè)革命的必經之路。

縱觀人類近代史上五次重要的科技革命：第一次科學革命的結果是建立了完整的近代科學體系，由于它并未從理論到技術層面進行實用，社會的生產力水平并未實現(xiàn)質的飛躍。只有在以蒸汽機為代表的第一次工業(yè)革命（也可以稱為第一次技術革命）爆發(fā)后，人類社會的生產力和發(fā)展水平才開始了快速而穩(wěn)定的提升。人類社會也從依靠生物能的農業(yè)時代進入了依靠機械能的工業(yè)時代。二十世紀下半場的第三次技術革命則是將二十世紀上半葉的第二次科學革命的理論實用化。第三次技術革命驅動了以第三產業(yè)為代表的新興產業(yè)高速發(fā)展，推動人類進入到知識化、信息化、網絡化的新時代，這極大地提高了資本、技術等要素跨境流動的便利性。人類社會從此從工業(yè)社會逐步邁入信息社會。西方發(fā)達國家得以陸續(xù)進入后工業(yè)化時代，而其傳統(tǒng)部門則向陸續(xù)入場的新興與發(fā)展中國家轉移。無論是工業(yè)信息化還是信息工業(yè)化，第三次技術革命帶動了先發(fā)國家勞動生產率的快速提升。

從勞動生產率角度來看，在歷史的長河中，僅有的兩次勞動生產率飛躍式提高都是技術進步帶來的結果。以蒸汽機為代表的第一次工業(yè)革命的廣泛應用之后，勞動生產率才出現(xiàn)了快速的上升；而在第三次技術革命時期，上升的速度更快。在工業(yè)革命席卷各國之前，長期以來人均產出或勞動生產率的提升是很難觀測到的，如圖2所示，在工業(yè)革命之前，英國人均GDP的增長十分緩慢，而工業(yè)革命之后，這一指標迅速上升。如圖3，根據Ian Morris測算的社會發(fā)展指數(shù)，工業(yè)革命也是西方率先走向現(xiàn)代化并長期領先東方的重要因素。工業(yè)革命帶來了生產方式、交通運輸、國際貿易、甚至是社會階層和全球力量格局的變化。歷史學教授Gregory Clark認為：“人類歷史中其實只發(fā)生了一件事，即1800年前后開始的工業(yè)革命。只有工業(yè)革命之前的世界和工業(yè)革命之后的世界之分，人類其他的歷史細節(jié)有意思，但不關鍵”。

人工智能或將引領下一輪產業(yè)變革

人工智能引領的這場革命是否能刮起產業(yè)的颶風呢？人工智能給人類社會帶來的變革似乎不像歷次科技革命一樣，僅僅停留在延伸人的體力和腦力上，而是進入了人和機器共同演化的時代。

人工智能的產生具有堅實的科學理論基礎。算法、數(shù)據和計算三大基礎要素共同驅動人工智能發(fā)展。其中算法是機器實現(xiàn)人工智能的核心，計算能力和大數(shù)據是人工智能的基礎。一直以來人工智能突破主要依賴于算法性能的提升，近年來主要有工程學法和模擬法實際應用在人工智能技術中，推動人工智能開始發(fā)展至感知智能階段。而隨著第三次技術革命以來計算機、互聯(lián)網在數(shù)據生成、采集、存儲、計算等環(huán)節(jié)的突破，為人工智能進入高速發(fā)展階段提供了堅實的基礎。

在國內外的國家戰(zhàn)略層面，資金和政策都傾力支持人工智能研究與產業(yè)的持續(xù)發(fā)展。歐盟委員會將在未來十年內拿出10 億美元支撐歐盟“人腦計劃”研究。而隨著近年來國內業(yè)界的不斷推動，人工智能在“十三五”規(guī)劃首年被納入到國家戰(zhàn)略發(fā)展層面，結合互聯(lián)網經濟熱點帶來的資金支持和國家源源不斷的人才儲備和大量研發(fā)投入，必將推動人工智能產業(yè)進入新一輪創(chuàng)新發(fā)展的黃金階段。

人工智能不僅僅是科學革命，更悄然改變人們日常生活的方方面面。當韓國棋王李世石在與谷歌AlphaGo的比拼中投子認輸?shù)哪且豢?，人類既震驚于人工智能已經可以超越人類的水平，也開始將更多的目光投入人工智能這一領域，殊不知在經歷了60年的發(fā)展歷程之后，在金融業(yè)、汽車制造業(yè)、醫(yī)療保健行業(yè)甚至藝術創(chuàng)作領域這些似乎與人工智能并不那么相關的行業(yè)，都已經逐步實現(xiàn)了人工智能的應用。

隨著人工智能與傳統(tǒng)行業(yè)的不斷結合，人工智能產業(yè)鏈迎來爆發(fā)式增長。從產業(yè)分類和公司數(shù)量來看，咨詢公司Venture Scanner統(tǒng)計，2016年全球人工智能公司已突破1000家，跨越13個子門類，融資金額高達48億美元。在這13個種類中，研究機器學習（應用）的人工智能公司數(shù)目最多，達260家，約占整個行業(yè)的30%。從區(qū)域分布情況來看，歐美等西方國家發(fā)展較為迅猛，其中美國以499家人工智能公司占據絕對主導地位，且初創(chuàng)公司數(shù)量眾多；而以中國為首的發(fā)展中國家在人工智能領域顯然仍處于起步階段，真正布局該產業(yè)的公司較少，以傳統(tǒng)互聯(lián)網巨頭進軍人工智能領域為主，如百度、阿里巴巴等。

但是人工智能應用仍是廣闊的等待開拓的藍海市場。從技術層面而言，人工智能技術的發(fā)展可以分為三個階段：計算智能、感知智能和認知智能，目前已經融合在各種傳統(tǒng)產業(yè)中的人工智能應用主要集中在第一個階段——計算智能，少量應用已經開始試水第二階段的技術，即感知智能。考慮到全面的感知智能所需的應用化技術、完善的數(shù)據、高性能芯片還有待于進一步發(fā)展，感知智能技術應用普及還需要5~10年，而認知層的技術突破和數(shù)據、計算等基礎資源的提升和積累是值得期待的長期發(fā)展方向。

我們認為，目前較為成熟的感知智能技術（如語音、視覺識別的服務、硬件產品等）的應用開發(fā)所形成的新“人工智能+”將引領產業(yè)變革，成為推動社會飛躍發(fā)展的新動力。在傳統(tǒng)產業(yè)，人工智能可以在制造業(yè)、農業(yè)教育、金融、交通、醫(yī)療、文體娛樂、公共管理等領域得到廣泛應用，將不斷引入新的業(yè)態(tài)和商業(yè)模式；在新興產業(yè)，人工智能還可以帶動工業(yè)機器人、無人駕駛汽車、VR、無人機等處于產業(yè)生命周期導入期的公司飛躍式發(fā)展。從具體應用方向來看，如今十分火熱的工業(yè)4.0、人臉識別、智能答題機器人、智能家居、智能安保、智能醫(yī)療、虛擬私人助理等人工智能概念是有望得到快速爆發(fā)的重點領域。

HOW：從AI歷史看未來

“人工智能”一詞最初是在1956 年達特茅斯學會上提出的。從學科定義上來說，人工智能是研究、開發(fā)用于模擬、延伸和擴展人的智能的理論、方法、技術及應用系統(tǒng)的一門新的技術科學。人工智能是計算機科學的一個分支，它企圖了解智能的實質，并生產出一種新的能以人類智能相似的方式做出反應的智能機器。

人工智能的發(fā)展歷史大致可以分為三個階段：帶有理想主義色彩的起步期，由“專家系統(tǒng)”大范圍應用而推動的第二波浪潮，以及由基礎設施、技術融合與應用拓展共同推動的第三波浪潮（1993年至今）。

歷史沿革：三大發(fā)展浪潮—“理想主義”、“專家系統(tǒng)”、“三大動力”

有理想主義色彩的起步期（1956-1974）

這個階段的起步期人工智能是以“計算機不斷解決以往人類從沒設想過其能解決的問題”為特征的，解文字題、證明定理甚至是學習語言。正是這樣的超預期激發(fā)了人們對于人工智能的暢想，對人工智能做出了大量樂觀的預測。

這個階段對于人工智能的許多嘗試并不是以實際應用為目的的，許多人工智能程序更像是“玩具”，而研究者們均致力于盡快設計出能夠通過“圖靈測試”的人工智能機器，對于通向這一目標的路徑并沒有很清晰的認識。隨著研究進程不斷受阻，研究者很快就意識到人工智能的許多基礎設施上的限制在上世紀70年代是不可能克服的。這些障礙包括極其有限的計算能力，缺乏能夠處理運算量指數(shù)增長的問題的算法，缺乏數(shù)據，難以處理圖像識別等感知問題，需要不斷改變基礎架構來適應不同的問題等。因為這些問題的限制，人工智能進入上世紀70年代以后止步不前，研究資金支持也大幅縮減，在1974年到1980年之間，人工智能進入第一波低谷。

由“專家系統(tǒng)”大范圍應用而推動的第二波浪潮（1980-1987）

“專家系統(tǒng)”是一個用于模擬人類專家決策過程的計算機系統(tǒng)，是人工智能歷史上第一個較為成功的應用，并在八十年代被許多大型企業(yè)所接受。1980年，一款名為XCON的專家系統(tǒng)程序被設計出來，這款程序能夠根據用戶的需求自動選取DEC公司計算機系統(tǒng)（集群）里面合適的部分來完成計算任務。在1980年到1986年間，XCON平均每年幫DEC公司節(jié)省4000萬美元的成本。在這個階段，人們逐漸意識到研發(fā)人工智能的目的不僅僅是為了設計出能通過“圖靈測試”的機器，能夠以現(xiàn)有的條件幫助人類解決在實際工作中的問題并提高效率才是更為重要的目的。

正是因為人工智能的實際應用前景被挖掘，越來越多的公司投入資金研發(fā)不同類型的專家系統(tǒng)，人工智能進入第二個高速發(fā)展期。這個階段人工智能開始逐步形成一個產業(yè)，誕生了一批公司，比如硬件公司Symbolics和LispMachines，軟件公司如IntelliCorp和Aion。這個階段最標志性的事件是HiTech和Deep Thought擊敗了國際象棋大師，Deep Thought也為后來IBM的Deep Blue奠定了基礎。

第二波浪潮在80年代末結束了，最大的問題是“專家系統(tǒng)”的成本一直無法降下來，隨著美國和日本經濟走入低迷，市場對于人工智能的熱情也大幅下降。更重要的是，蘋果和IBM在這個階段對于家用電腦的開發(fā)進入加速期，家用電腦的性能甚至逐步趕超Lisp machine，“專家系統(tǒng)”這樣一個空間達到數(shù)億美金的市場在頃刻間就消失了。此外，1991年日本的“第五代項目”（從1981年開始推動）的失敗標志著人工智能進入第二個低潮。

由基礎設施、技術融合與應用拓展共同推動的第三波浪潮（1993至今）

經過了將近半個世紀的發(fā)展，人工智能從90年代中旬終于進入了一個爆發(fā)期。在這個階段，人工智能相關的技術已經逐步被應用到各個領域，只不過研究者們越來越弱化人工智能這個概念，大眾除了“深藍擊敗國際象棋世界冠軍”、“AlphaGo擊敗圍棋世界冠軍”之類的事件，大都沒有意識到人工智能的應用已經逐步滲透進生產和生活的方方面面。

人工智能的第三波浪潮是由基礎設施、技術融合與應用拓展共同推動的。

（1）基礎設施領域的進步

在基礎設施領域，最核心的進步便是運算能力的提升以及數(shù)據資源的積累。運算能力方面，在過去將近50年的時間里，集成電路上元器件的數(shù)目持續(xù)的以幾何級數(shù)增長。即便當前傳統(tǒng)計算機性能提升已經進入瓶頸期，互聯(lián)網基礎設施的提升又使得云計算成為可能，把大量的計算資源組成資源池并用于動態(tài)創(chuàng)建高度虛擬化的資源供用戶使用。云計算大大降低了人工智能的商業(yè)化運營成本，推動了人工智能的進步。

此外，GPU的廣泛應用使得大規(guī)模并行計算的效率大幅提升，這也為人工智能的多任務執(zhí)行提供了基礎。

基礎設施領域的另一個大的進步便是海量數(shù)據資源的積累。海量的數(shù)據使得機器學習的效果大幅提升，并且數(shù)據量本身的增加還能夠彌補算法上的缺陷。根據IDC的統(tǒng)計，全球數(shù)據總量在未來的增速驚人，預計到2020年全球總數(shù)據量大約達到35ZB，是2011年的將近20倍。

（2）技術融合

人工智能是處于技術前沿的各學科融合并共同推進的領域。人工智能的開發(fā)也越來越多地將數(shù)學、系統(tǒng)控制、經濟等領域的知識結合起來，最常用的基礎工具包括貝葉斯網絡、隱式馬爾科夫鏈、信息理論、隨機建模、神經網絡、動態(tài)優(yōu)化以及近期因谷歌的AlphaGo而聞名的蒙特卡洛樹搜索?？鐚W科的技術融合在人工智能基礎設施上表現(xiàn)的更為重要。

例如，在計算領域，傳統(tǒng)的電路只能實現(xiàn)0或1的存儲你，集成芯片或是云計算最終都是由無數(shù)個基本電路組成的，難逃“能耗”的問題，勢必需要一個能夠在計算能力上產生質的飛躍的設計。量子計算機在理論上能夠解決這一問題，一個量子可以呈現(xiàn)多態(tài)，那么大規(guī)模計算所需要的量子數(shù)就大大縮減。不過，根據海森堡不確定原理，一旦外界對量子的具體狀態(tài)進行觀察（或者說計算機讀取一個量子的狀態(tài)），那么量子的狀態(tài)就是確定的，不再具有多態(tài)。顯然，這樣的問題已經不是計算機科學能夠解決的問題，勢必需要基礎理論研究的支持。又比如，人工智能的許多設計思想來自于腦科學研究，通過模擬人腦思考的過程來設計計算機的基礎架構。

（3）應用拓展

實際應用的拓展也在激發(fā)人工智能技術的不斷創(chuàng)新。最典型的例子是便是人工智能在機器人領域的應用，傳統(tǒng)的機器人僅僅是數(shù)控的機械裝置，不能適應變化的環(huán)境，與人類的“溝通”成本也非常高。這樣的機器人越來越不適應互聯(lián)網時代的生產需要，于是誕生了對于“互動機器人”的需求：機器人需要能夠隨時與人進行溝通修正任務（這需要對自然語言進行識別，同時要具備能夠自我生成運行代碼的能力）、適應隨時變化的環(huán)境（比如物流機器人能夠躲避障礙）、輔助人們的決策（投資顧問、醫(yī)療診斷、教育培訓、智能翻譯等）。這些應用領域反過來推動了人工智能技術層的進步。應用拓展的范圍和經濟收益也是吸引資本持續(xù)進入相關領域的重要動力。

國外人工智能發(fā)展情況：深度學習成為最熱門領域

回顧人工智能的發(fā)展歷史，在實現(xiàn)人工智能上有三種路線：一是基于邏輯方法進行功能模擬的符號主義路線，代表領域有二十世紀80年代的專家系統(tǒng)和知識工程；二是基于統(tǒng)計方法仿生模擬的連接主義路線，代表領域有機器學習和人腦仿生；三是行為主義，是從進化的角度出發(fā)，基于智能控制系統(tǒng)的理論、方法和技術，研究擬人的智能控制行為。

從當前國外人工智能的發(fā)展情況來看，其中第二條線路是主流，基于人工神經網絡的深度學習是當前最熱的研究領域，被Google、Facebook、IBM、NEC以及其他互聯(lián)網公司廣泛使用，最典型的應用領域是圖像和語音識別。

圖像識別、語音識別、智能搜索是深度學習技術出現(xiàn)以來發(fā)展最快的幾個領域，其迅速地從試驗論證階段進入到相對成熟的應用階段。隨著這些基礎應用領域的成熟，一些高級應用領域的熱度也逐步開始上升。例如Google在力推的自動駕駛項目，需要建立感知能力、決策能力以及不斷自主學習的能力，可以說是人工智能技術的集大成者。自動駕駛技術需要算法做各種條件下面的路面目標檢測、識別交通標志以及形成統(tǒng)一的路況感知。

國外人工智能發(fā)展情況：深度學習成為最熱門領域

從人工智能的歷史來看，每一類人工智能的應用均要經過實驗室階段、試點階段、推廣階段和普及階段。盡管國內企業(yè)在人工智能基礎科研方面與美日等國家有巨大差距，但人工智能相關的企業(yè)大都從已經進入試點階段的技術或應用切入，并在視覺、語音識別等技術領域處于國際領先水平。根據2015年艾瑞咨詢的統(tǒng)計，中國人工智能領域已有近百家創(chuàng)業(yè)公司，約65家獲得投資，共計29.1億元人民幣，其中曠視科技、優(yōu)必選、云之聲、SenseTime四家公司登上艾瑞獨角獸榜單。

國內不同規(guī)模的企業(yè)在具體的切入點上有有所區(qū)別。百度、阿里巴巴這樣的巨頭公司坐擁海量的數(shù)據和計算資源，切入點更靠近基礎設施層，尤其是在數(shù)據資源、算法和云計算等領域；科大訊飛、曠視科技、格林深瞳這樣具有一定技術積累的企業(yè)，通常從技術層進行切入，在語音識別、視覺識別等領域不斷積累技術優(yōu)勢；而優(yōu)必選、出門問問、UBTECH等創(chuàng)業(yè)公司則更多的從硬件產品、虛擬場景、虛擬賦予、商業(yè)智能等應用領域切入。

以史為鑒：人工智能發(fā)展路徑展望——技術領域、應用領域雙輪驅動

如果將人工智能的產業(yè)鏈分為基礎設施層、技術層和應用層，通過回顧和分析人工智能過去的發(fā)展路徑，我們認為人工智能的發(fā)展往往是靠應用層的需求或是基礎設施層的進步推動的，主要存在以下兩種路徑——需求創(chuàng)造供給，或者供給創(chuàng)造需求。

路徑一：應用層的需求推動人們對于AI技術層（算法等）的開發(fā)，技術層的進步使得基礎設施的利用效率不斷提高。不過，當技術層發(fā)展到一定階段時，基礎設施的利用效率提升空間很小，此時需要基礎設施層的不斷升級來支持，一旦基礎設施層對于AI的支持跟不上，或是應用層的需求飽和，AI的前進步伐就放緩，甚至進入“寒冬”（如80年代的專家系統(tǒng)）。

路徑二：基礎設施層的迅速進步使得技術層可以實現(xiàn)的拓展越來越多（比如基于大數(shù)據的海量運算的語音識別、人臉識別、搜索等），而技術層的多元化使得人們發(fā)現(xiàn)有大量應用層的創(chuàng)新可以推進，解決當前各行業(yè)的痛點，甚至創(chuàng)造和培育新的需求。

當前中國還處于行業(yè)應用層起步到快速發(fā)展的階段，應用層的投資機會和投入回報率遠高于技術層和基礎設施層，當這個階段出現(xiàn)泡沫時，投資機會可能更多地出現(xiàn)在技術層，當技術層停滯并出現(xiàn)泡沫時，投資機會可能更多在基礎設施層。根據從目前人工智能的發(fā)展情況來看，技術領域的運用已經進入加速期，預計5~10年就能陸續(xù)成熟。在基礎設施領域，量子計算等新型芯片模式短期內還很難實現(xiàn)，不過基于云端架構的并行計算模式已經逐步進入成熟期，短期內基礎設施還不會對人工智能的發(fā)展形成障礙。從當前的情況來看，預計應用領域和技術領域將成為人工智能進一步發(fā)展的兩個核心驅動力。

WHAT：AI是跨行業(yè)、跨學科的綜合技術

AI橫跨4大核心技術，涵蓋13個細分領域

人工智能是一個跨學科、跨行業(yè)的綜合性學科。人工智能最初的核心是實現(xiàn)“智能”這一概念，即機器可以像人一樣思考，而不只是被動式的執(zhí)行人發(fā)出的每一步指令。人們研究出許多算法將這一想法得以實現(xiàn)，計算機開始可以自己學習，之后慢慢發(fā)展成機器算法這個研究方向。而后，由于人們對于將智能分別運用到圖像、語言、聲音處理和與硬件之間的互動方面的需求增加，自然語言處理、圖像識別和人際交互這三個領域又各自發(fā)展成獨立的研究方向，他們借用機器學習中的一些算法并更多地加入有自身特性的技術。因此，人工智能現(xiàn)在演化成了機器學習、自然語言處理、圖像識別以及人機交互這四大模塊。

機器學習技術：指計算機通過對大量已有數(shù)據的處理分析和學習，從而擁有預測判斷和做出最佳決策的能力。這項技術與計算機科學、統(tǒng)計學、數(shù)學優(yōu)化算法等都有著密不可分的關系。其代表算法有深入學習、人工神經網絡、決策樹、增強算法等。

自然語言處理技術：指讓計算機可以理解人類的語言，包括將人類語言轉化為計算機程序可以處理的形式及將計算機數(shù)據轉化為人類自然語言兩種形式。這里指的語言可以是聲音也可以是文字。這項技術的主要內容包括信息檢索、信息抽取、詞性標注、句法分析、多語處理、語音識別等。

圖像處理技術：指讓計算機擁有人類的視覺功能，可以獲得、處理并分析和理解圖片或多維度數(shù)據。這項技術的主要內容包括圖像獲得、圖像過濾和調整、特征提取等。

人機交互技術：指計算機系統(tǒng)和用戶可以通過人機交互界面進行交流。這項技術包括的主要內容包括計算機圖像學、交互界面設計、增強現(xiàn)實等。

隨著現(xiàn)在人們對這些技術單一或者多樣化的運用，有一部分開發(fā)出的產品或服務也演變出各自的子領域并迅速發(fā)展。根據行業(yè)特性的不同，我們將人工智能細分成13個子領域，如圖26所示。咨詢公司Venture Scanner統(tǒng)計，2016年全球人工智能公司已突破1000家，跨越13個子門類，融資金額高達48億美元。整體來看，AI產業(yè)不論是行業(yè)規(guī)模、還是吸金能力都在飛速擴張中。根據Bank of America預測的數(shù)據：未來五年人工智能的年復合增速36%，預計2020年將達到700億美元。在上述13細分行業(yè)中，研究機器學習（應用）的人工智能公司數(shù)目最多，達260家，約占整個行業(yè)的30%。

橫向比較：機器學習、圖像識別、智能機器人最具發(fā)展?jié)摿?/strong>

我們從未來發(fā)展空間、產業(yè)投資回報率、產業(yè)成熟度、應用場景拓展廣度等幾個方面來橫向比較人工智能的各個細分領域的發(fā)展前景。

從未來市場空間和行業(yè)增速來看，發(fā)展速度最快、市場空間最大的三個領域是機器學習、圖像識別和智能機器人。根據咨詢公司Tractica的預測，機器學習領域從2015年1.09億美元的市場規(guī)模，將以年復合增長率超過60%的速度飛速發(fā)展，預計2024年將突破100億美元。目前已經擁有龐大市場容量的圖像識別同樣不可小覷。2014年圖像識別領域市場規(guī)模已達57億美元，在接下來的五年內將以42%的年復合增長率繼續(xù)擴張，預計2019 年可達333億美元。此外，智能機器人領域也將隨著應用場景的不斷擴展迎來一輪高速增長MarketsAndMarkets的機器人市場研究數(shù)據顯示：機器人行業(yè)的總市值將以每年20%的增速增長，并于2020年達到約80億美元，若將硬件與軟件細分開來，軟件部分的增速高達30%。

從投資回報率和產業(yè)成熟度來看，機器學習、圖像識別、智能機器人仍然是最受產業(yè)資本青睞的三個細分領域。眾所周知，風投公司傾向于將資金流向投資回報率最高的新興產業(yè)，對比人工智能領域的風險融資額度能夠很好地反映該領域的投資回報率。Venture Scanner公司的調查數(shù)據顯示：無論從總體融資額度還是企業(yè)平均融資額度，機器學習都牢牢占據榜首；圖像識別領域的總體融資額度和企業(yè)平均融資額度緊隨其后；而智能機器人領域由于公司數(shù)量較少，在融資總量上稍有落后，但其企業(yè)平均融資額度高達1400萬美元，僅次于機器學習和圖像識別領域。此外，從各領域公司創(chuàng)辦時間而言，機器學習、圖像識別以及智能機器人也是最為“年輕”的三個領域之一，產業(yè)內技術成熟度還不夠高，未來幾年將提供廣闊的藍海市場。

應用場景擴展方面，機器學習、圖像識別、自然語言識別和智能機器人是應用范圍較為廣泛的幾個領域。機器學習技術當前已廣泛應用于廣告、媒體、消費業(yè)等，并且需求不斷增加，未來還將快速滲入醫(yī)療、制造、金融、教育業(yè)，對眾多傳統(tǒng)行業(yè)形成巨大沖擊。圖像識別技術目前的應用領域很廣并且需求非常大，具體包括安防監(jiān)控系統(tǒng)、無人駕駛、商品消費、工業(yè)制造、醫(yī)藥、體育和娛樂業(yè)等等，并且在未來幾年將大規(guī)模應用于智能機器人的開發(fā)中。自然語言識別未來可廣泛應用于穿戴設備、智能家居、智能汽車等領域，此外在很多安全保密系統(tǒng)中，語音識別技術也發(fā)揮著重要的作用。但是，該技術目前在不同口音的處理、背景噪音、區(qū)分同音異形異義詞方面仍然存在一些難以解決的困難。而隨著智能機器人功能的逐漸完善，未來在農業(yè)、工業(yè)以及醫(yī)療、消費等服務行業(yè)都能代替人工完成多項任務，既能節(jié)省大量人力成本又能提高工作效率和質量。

綜合以上分析，我們認為機器學習、圖像識別和智能機器人是目前整個人工智能產業(yè)鏈中發(fā)展前景最好的三大領域。

Who：誰能脫穎而出？技術壁壘、跑對賽道、優(yōu)先布局

人工智能是跨學科、跨行業(yè)的綜合性學科，以大數(shù)據為基礎、以核心技術為驅動，應用領域極其廣闊，想象空間極大。在這樣一個復雜度、精細度極高的產業(yè)內，什么樣的企業(yè)能夠脫穎而出呢？我們認為具備技術壁壘、跑對賽道、優(yōu)先布局特征的企業(yè)最具發(fā)展前景。具體來看：

技術壁壘：巨頭企業(yè)通過并購初創(chuàng)技術企業(yè)形成技術優(yōu)勢

國際互聯(lián)網巨頭爭相收購人工智能技術開發(fā)公司搶奪核心技術。技術是人工智能產業(yè)發(fā)展的必備要素，因此在加強自身研發(fā)投入的同時，各個互聯(lián)網巨頭公司紛紛收購有技術優(yōu)勢的初創(chuàng)型企業(yè)來快速獲得技術、形成壁壘。在過去的幾年里，超過20家專注于開發(fā)人工智能技術的企業(yè)被蜂擁而至的大型互聯(lián)網公司收購，谷歌、亞馬遜、蘋果、IBM、雅虎、Facebook、Intel等互聯(lián)網行業(yè)巨頭收購動作最為頻繁。

谷歌作為人工智能領域的領頭羊進行了5次至關重要的收購，涉及深度學習、推薦引擎、圖片搜索等多個技術領域，值得一提的是，近期戰(zhàn)勝韓國棋手李世石的AlphaGo是2014年谷歌花費4億美元收購的英國初創(chuàng)公司DeepMind所創(chuàng)造的。而據彭博社報道，亞馬遜于2015年秋季秘密收購了硅谷初創(chuàng)公司Orbeus，該團隊專注于人臉識別技術，其核心產品ReKognition能夠自動分類和辨別照片中的內容，目前的識別對象可以包括人臉、場景、陸標、物體等其他概念。Orbeus的照片軟件PhotoTime不僅早于谷歌發(fā)行的基于人工智能的應用，其使用的圖像識別算法也比Facebook先前收購的Face.com更加細致。

跑對賽道：選擇重點領域進行突破，所選領域未來有爆發(fā)點

人工智能產業(yè)目前尚處于成長初期，應用領域非常廣且又是技術密集型產業(yè)，任何一個領域的發(fā)展都需要投入大量的科學資金、科技人才和物力等等。即便是資金技術雄厚的巨頭企業(yè)也很難在人工智能產業(yè)鏈全部領域全面開花，這個時候很多公司往往會選擇一個或者幾個重點領域進行重點布局，因此，公司戰(zhàn)略所選的領域未來是否具有爆發(fā)潛力就至關重要，也就是我們所說的“跑對賽道，脫穎而出”。

基于我們從產業(yè)資本投資方向，行業(yè)屬性及發(fā)展路徑等幾個維度的比較分析，我們認為重點布局在機器學習、圖像識別、智能機器人三大領域的公司最可能脫穎而出。

機器學習主要指的是人工智能領域應用中比較熱門的深度學習，通過多層次的學習而得到對于原始數(shù)據的不同抽象層度的表示，進而提高分類和預測等任務的準確性。深度學習可以應用于包括圖像識別、自然語言處理、廣告點擊率預估乃至人工智能平臺（如谷歌大腦）等在內的多個產品，并大幅度地提升這些產品的性能，各大研究機構和公司都投入了大量的資源進行相關的研究和開發(fā)。

縱觀國際，谷歌可謂跑對機器學習領域賽道的最佳典范。谷歌在機器學習領域的投入和研發(fā)水平遠超其他對手，更是在被稱為機器學習年的2015年取得了這個領域多項突破性的進展。

放眼國內，百度是目前國內唯一一家有望在機器學習領域與谷歌相媲美的公司。百度2013年率先決定成立深度學習研究院，主要進行深度學習&機器學習、機器人、人機交互、圖片識別等方面的研究。此后，百度繼續(xù)加大在機器學習領域的研發(fā)投入，2014年5月在美國硅谷投資3億美元成立百度美國研發(fā)中心，宣布任命人工智能泰斗，原Google Brain項目負責人吳恩達為百度公司的首席科學家，全面負責百度研究院。2014年，百度發(fā)布大數(shù)據計劃，擬運用機器學習完成“開放云-數(shù)據工廠-百度大腦”的三層設計。

圖像識別是指計算機從圖像中識別出物體、場景和活動的能力。傳統(tǒng)的圖像識別技術只能簡單識別或查找靜態(tài)圖像，對視頻分析、動態(tài)識別等則是有待于開發(fā)的潛力市場。不僅如此，圖像識別還可以應用到特別廣泛的社會領域，比如智能安保和互聯(lián)網金融、社會福利保障、電子商務等領域。因此，在圖像識別領域跨越的一個小小步伐，就有可能帶來可觀的收益。

舉例來說，一家初創(chuàng)公司Dextro正在開發(fā)能夠進行視頻識別的軟件并憑借這個產品，成功進入了2015年在線視頻企業(yè)Top15。Dextro主要運用深度學習算法進行視頻分析，它們正在開發(fā)的平臺SSM（Sight，Sound&Motion）可以幫助用戶尋找最有新聞價值的視頻。Dextro目前提供兩種服務，一種是在線視頻搜索，即像文字搜索一樣尋找、解釋和分類視頻，可以用于提升視頻編輯剪輯工作效率和實現(xiàn)視頻與廣告的智能匹配；另一種是監(jiān)控視頻管理，能夠快速鎖定監(jiān)控視頻中的圖像，可以用于家庭智能安保、城市空間布局分析和犯罪分子識別等領域。

根據國際機器人聯(lián)盟(IFR)按應用領域的劃分，可以將智能機器人分為工業(yè)機器人和服務機器人兩大類，并且廣泛應用于生產組裝、維護保養(yǎng)、修理、醫(yī)療、清洗、保安、救援、監(jiān)護等領域。隨著智能機器人能實現(xiàn)的功能越來越多，提供的服務越來越精細化，刺激著智能機器人規(guī)模的快速增長。生活中，人們厭煩了從事類似于清潔、看護、保安等重復性工作，這種簡單勞動力的不足使服務機器人有著巨大的市場，因此家庭清潔機器人、殘障看護機器人、住宅安全和監(jiān)視機器人應運而生；而隨著人們生活水平的提高和全球人口老齡化的到來，能夠提供教育、醫(yī)療、娛樂等專業(yè)化服務的智能機器人也開始倍受人們追捧。受到這些剛性需求的驅動，公司涉足智能機器人領域就等同搭上規(guī)模擴張的“快速列車”。

美國直覺外科公司正是憑借其王牌產品達芬奇機器人在10年間一舉擴張成為全球最優(yōu)秀的醫(yī)用機器人公司。達芬奇機器人目前世界上最成功的手術機器人系統(tǒng)，它是為外科醫(yī)生手術操作中提供直觀的控制運動、精細組織操作和三維高清晰度視覺能力而設計的，同時允許外科醫(yī)生進行微創(chuàng)手術。達芬奇機器人由三部分組成：外科醫(yī)生控制臺、床邊機械臂系統(tǒng)、成像系統(tǒng)。實施手術時主刀醫(yī)師不與病人直接接觸，通過三維視覺系統(tǒng)和動作定標系統(tǒng)操作控制，由機械臂以及手術器械模擬完成醫(yī)生的技術動作和手術操作。目前美國FDA已經批準將達芬奇機器人手術系統(tǒng)用于成人和兒童的普通外科、胸外科、泌尿外科、婦產科、頭頸外科以及心臟手術。得益于世界市場對醫(yī)用機器人的持續(xù)認可和需求增長，直覺外科公司在過去的10年里規(guī)?？焖贁U張，營業(yè)收入復合增長率達30%，達芬奇機器人使用范圍復合增長16%，使用頻率達52.3萬次。

領先布局：國外將技術開發(fā)拓展到商業(yè)領域，國內將場景設計進行商業(yè)落地

隨著AI技術的發(fā)展，AI技術幾乎可以應用到現(xiàn)代商業(yè)的各個領域。由于AI涉及到許多復雜的技術，通過長時間的積累和學習還可以進行自我改進，原有的客戶使用情況還能提供源源不絕的數(shù)據供進一步改進參考。因此，在人工智能領域的商業(yè)化盡早進行布局，占據市場、積累客戶資源獲得足夠多的基礎數(shù)據就至關重要。我們發(fā)現(xiàn)，國內外公司都在商業(yè)化應用領域積極地進行探索，國外的商業(yè)化以技術為核心，通過優(yōu)化算法推廣到實際應用；國內的商業(yè)化更側重場景設計，注重個人體驗，相對來說，核心技術優(yōu)勢的進步并不那么明顯。具體如下：

海外AI商業(yè)化應用：將技術開發(fā)拓展到商業(yè)領域，擁有核心技術的互聯(lián)網巨頭和創(chuàng)業(yè)企業(yè)最容易脫穎而出。海外AI的商業(yè)化注重技術開發(fā)，基于大數(shù)據基礎、算法優(yōu)化來提高技術水平進而再把技術開發(fā)拓展到商業(yè)化領域：以技術為核心，商業(yè)化則是再進一步的必然結果，一般來說商業(yè)化的項目都是其在技術技術領域已經達到足夠多的積累之后才發(fā)生的。具體來看：1）Facebook，圍繞大數(shù)據挖掘的技術核心，建造能夠理解海量數(shù)據的人工智能機器，通過挖掘用戶數(shù)據信息為用戶推薦其更為喜歡的瀏覽內容；2）蘋果，基于語音識別的核心技術，開發(fā)人工智能語音系統(tǒng)Siri，用戶通過語音對話對蘋果下指令；3）Uniqul，基于人臉識別技術，最早推出了人臉識別支付技術，推進AI與金融相結合的商業(yè)模式發(fā)展；4）Bettermen，建立個人投資管理平臺，只要在Betterment 平臺上，回答幾個關于你的投資目標的問題，Betterment會根據你的回答做分析給出相應的投資組合建議，并通過平臺直接投資。

國內AI商業(yè)化應用：優(yōu)化場景設計進行商業(yè)化布局。與海外國家相比，國內的AI核心技術優(yōu)勢并不那么明顯，相應的在商業(yè)化應用領域也并非注重核心技術的提供而是投入于優(yōu)化商業(yè)場景，加強用戶體驗。有人力、財力基礎的三大國內巨頭互聯(lián)網公司最具商業(yè)場景落地優(yōu)勢。具體來看：1）百度，百度將語音技術、圖片識別技術、O2O服務進行場景落地，用戶通過百度輸入一段語音，百度通過語音技術將其準確的翻譯為文字，再通過自然語言理解技術對該需求進行理解，最后給出用戶想要的電影票預訂、酒店預訂、景點門票預訂等服務；2）阿里巴巴，城里DST部門專門進行大數(shù)據挖掘，通過用戶產生的大數(shù)據進而為其推薦更多其有潛在購買欲望的產品；3）騰訊，旗下的QQ、微信有著巨大的用戶流量，向客戶精準投放廣告并開放“人臉識別”API。

投資策略：聚焦高前景細分領域技術突破者和商業(yè)化應用先行者

技術騰飛與應用拓展帶來人工智能第三波浪潮。目前人工智能的技術領域的發(fā)展還在起飛期，企業(yè)通過選擇重點領域進行突破，機器學習、圖像識別和智能機器人三大領域將有望帶來技術騰飛；而近幾年來國際互聯(lián)網巨頭爭相收購初創(chuàng)技術企業(yè)，加速人工智能布局，逐漸形成技術優(yōu)勢；技術層的進步人工智能進入發(fā)展的上升通道，應用層投資機會和投入回報率也隨之高企。

揚帆人工智能未知藍海，掘金細分領域投資機會。我們基于發(fā)展?jié)摿?、市場空間、應用范圍三個方面的考慮，重點推薦兩條投資主線：

主線一，聚焦發(fā)展技術優(yōu)勢，通過并購重組在短時間內形成技術壁壘優(yōu)勢，或者集中投入于具備前景的細分技術領域的企業(yè)。一方面我們看好通過投資或收購人工智能領域開發(fā)公司，快速地獲得技術優(yōu)勢、進而領先布局人工智能領域的龍頭企業(yè)；另一方面，針對發(fā)展前景廣闊的機器學習、圖像識別和智能機器人三個最具發(fā)展領域，投入大量研發(fā)資金推動技術創(chuàng)新、搶先形成技術壁壘的公司具備投資價值。

主線二，優(yōu)先布局商業(yè)化應用，利用技術拓展和場景優(yōu)化進行人工智能商業(yè)化落地的公司能快速享受成長。“人工智能+”將引領產業(yè)變革，不斷引入新的業(yè)態(tài)和商業(yè)模式。目前主要落地場景包括金融、教育、家居、安保、娛樂等傳統(tǒng)行業(yè)，同時人工智能在無人駕駛汽車、VR、無人機等新興產業(yè)的發(fā)展也同樣值得期待。

來源：CITICS策略

作者：中信策略團隊

編輯：IPRdaily 趙珍  /   校對：IPRdaily   縱橫君

“投稿”請投郵箱“iprdaily@163.com”

「關于IPRdaily」

IPRdaily成立于2014年，是全球影響力的知識產權媒體+產業(yè)服務平臺，致力于連接全球知識產權人，用戶匯聚了中國、美國、德國、俄羅斯、以色列、澳大利亞、新加坡、日本、韓國等15個國家和地區(qū)的高科技公司、成長型科技企業(yè)IP高管、研發(fā)人員、法務、政府機構、律所、事務所、科研院校等全球近50多萬產業(yè)用戶（國內25萬+海外30萬）；同時擁有近百萬條高質量的技術資源+專利資源，通過媒體構建全球知識產權資產信息第一入口。2016年獲啟賦資本領投和天使匯跟投的Pre-A輪融資。

（英文官網：iprdaily.com  中文官網：iprdaily.cn） 

本文來自CITICS策略并經IPRdaily.cn中文網編輯。轉載此文章須經權利人同意，并附上出處與作者信息。文章不代表IPRdaily.cn立場，如若轉載，請注明出處：“http://islanderfriend.com/”