157页深度报告：人工智能引发的四大场景革命（转载原文在智东西）

2017年，人工智能彻底燥起来了：顶层设计相继出台，科技巨头扎堆布局生态，创投界狠下血本，细分产业频爆独角兽。那么，不说远的，不玩虚的，当前技术发展的势态如何？各个细分领域是怎样收到影响的？巨头和创企都在做啥，怎么做？

本期攻略，我们推荐来自渤海证券的人工智能行业专题报告，从通信（数据）、芯片两大底层发展，以及安防、金融、汽车、医疗四个细分领域盘点当下AI技术的影响力，解读投资热点及其背后的逻辑。

*人工智能分类与应用场景

从目前人工智能的应用场景来看，当前人工智能仍是以特定应用领域为主的弱人工智能，如图像识别、语音识别等生物识别分析，如智能搜索、智能推荐、智能排序等智能算法等。商业模式主要集中在应用感知智能技术，如身份认证，基于人脸识别的门禁、打卡及安防，以语音识别、语义理解为核心的智能客服、语音助手等。

而涉及到垂直行业，人工智能多以辅助的角色来辅佐人类进行工作，诸如目前的智能投顾、自动驾驶汽车等，而真正意义上的完全摆脱人类且能达到甚至超过人类的人工智能尚不能实现。预计随着认知智能技术的加速突破与应用，运算能力、数据量的大幅增长以及算法的提升，人工智能市场将加速爆发，未来人工智能+汽车、人工智能+医疗等产业均将创在巨大的商业价值。

一、AI+通信：规划海量数据

一直以来，由于通信产业的发展可以推动经济增长，通信产业是世界各国和地区高度重视产业，相关政策扶持和资金投入可观。5G、物联网、光网等更是行业中的重点。

*北美地区2888家物联网相关企业，融资1250亿美元，价值6130亿美元

根据规划，5G服务将在2020年推出，但是国内外多家运营商将加快推出5G业务技术。物联网方面，已经出现比较成熟的商业模式，包括智能抄表、智能穿戴以及环境监控等。宽带固网方面，全光网已经成为标配，宽带战略已成各国基本策略，宽带市场主流数量级是“千兆”。

*5G网络逻辑视图

有分析认为，2020年将有超过500亿台机器和设备进行互联，超过2000亿个联网传感器产生海量数据。联网汽车每天将产生4TB数据，一个联网工厂每天将创造超过 1PB 数据。

大数据正式人工智能的燃料，而传输这些海量数据还是依靠5G等高速宽带的通信技术。5G边缘计算将使机器人、自动驾驶汽车、可穿戴设备、无人驾驶飞机和其它对网络延迟敏感的系统，比如 VR/AR 等，自己成为一个微数据中心。

*5G边缘计算：一旦实现，可带来毫秒单位级别的网络延迟，使得海量数据实时处理成为可能

与此同时：面对越来越复杂的无线通信网络系统，以往的设计与管理方式已经不能满足，引入人工智能可以帮助通信行业进行分布式网络创新设计，不断增强通信网络的性能和容量，用于帮助电信运营商管理和优化其技术设施的工具和服务，如智能化网络监测与维护、自动化管理和闭环优化、新型的网络规划流程、网络自主安全防护等。

此外，对于通信行业，AI 技术可以最大限度地有效利用带宽和信息存储和检索的自动化，改进数字通信中过滤、搜索和语言翻译等技术，将会极大的拓展未来通信技术的应用空间，为5G应用开辟一个新的蓝海。

二、AI+芯片：技术竞备场

*数据中心软、硬件市场份额比例

数据是AI的燃料，那么计算能力就是引擎了，人工智能芯片是集成电路中的一个新兴分支。2016年人工智能芯片市场规模达到6亿美金，预计到 2021年将达到52亿美金，年复合增长率达到 53%。

*GPU 与 FPGA+CPU优劣势对比

目前，GPU由于海量数据并行计算优势，只需要进行高速运算而不需要逻辑判断，在人工智能芯片领域具有统治地位，占有 36%的市场份额，而且有逐渐增长趋势，2016 年营收同比增长 37%，归母净利润同比增长 124%。

另外一个AI芯片设计方案是使用 CPU+FPGA 结构，利用 FPGA 动态处理数据的能力，数据中心就可以把单位功耗下的数据处理能力提高。全球有60多家公司先后斥资数十亿美元研发FPGA，但最终成功的只有两家：Xilinx与Altera（2015年被英特尔167亿美元拍下）。FPGA 主要应用于通信、军队、工业、自动驾驶等领域，其中自动驾驶与数据中心将是未来增长的核心。

*人工智能芯片一览（援引招商证券）

除了目前主流的这两种改善通用芯片用于半定制的深度学习算法之外，业内也在积极研发面向人工智能应用的新的芯片，包括谷歌的TPU、我国中科院计算所的寒武纪（面向感知智能技术，传A轮融资1亿美元，传麒麟970芯片已搭载了寒武纪嵌入式IP），这类的针对特定算法以及特定框架的全定制AI芯片，以及更近一步的，IBM 的TrueNorth这类的类脑芯片（BPU）。

*国内AI芯片相关政策文件一览

三、AI+安防：稳增长 强需求

*安防政策汇总

受平安城市建设刺激，2016年我国安防行业市场规模已经达到总产值达到5400亿元，同比增加9%。预计未来几年，中国安防行业市场规模将从2015年的近5000亿元增长到2020年的8759亿元，年增长率在 11%以上。

市场结构方面，视频监控在安防行业所占市场份额最大，占到了 50%，是构建安防系统中的核心；实体防护、楼宇对讲占 25%；出入口控制占 13%；防盗报警占 8%；防爆安检占 5%。

*智能安防流程

安防未来发展趋势将从事后追查升级到事前预防，这一升级的关键是人工智能。目前智能安防系统可以实现目标检测（车牌识别）、人脸识别（属性提取）、目标分类（车、行人）等功能。主要应用包括运动目标检测、周界入侵防范、目标识别、车辆检测、人流统计等方面。

*安防系统主要构成

*智能安防中的主流AI芯片

安防系统主要由包括前段（感知）、传输、存储、后台显示/控制、综合管理平台等构成。目前芯片主要应用于安防前端设备（SoC 芯片，包括CPU、图像信号处理、视音频编码模块、网络接口模块等）与后端系统（GPU为主，利用深度学习和大数据技术进行大数据归纳，实现在复杂环境下人、车、物的多重特征信息提取和事件检测）。

四、AI+金融：场景多 刚起步

金融科技（Fintech）覆盖一整个金融科技的生态圈，包括支付清算、融资、金融基础设施建设、大数据、交易、保险以及投资管理等，其生态可归类为智能投顾（私人财富管理）、区块链（比特币）、监管科技、数字银行、支付与清算以及其他多元金融七类，其中，智能投顾、保险科技以及监管科技的发展较快。

*金融科技生态示意图

根据巴曙松教授的《中国金融科技发展评估与趋势展望》，金融科技有三个发展阶段：

Fintech 1.0，金融行业通过传统的IT软、硬件的应用来实现办公和业务的电子化、自动化，从而提高业务效率，这时候 IT 技术、IT 公司并没有直接参与到公司的业务环节。

Fintech 2.0，主要是金融业搭建在线的业务平台，利用互联网或者移动终端的渠道来收集用户信息，实现金融业务中的资产端、交易端、支付端、资金端的任意组合的互联互通，本质上是对传统金融渠道的变革，实现信息共享和业务融合，其中包括互联网的基金销售、P2P 互联网借贷以及互联网保险。

Fintech 3.0，金融业通过大数据、云计算、人工智能、区块链这些新的 IT 技术来改变传统的金融信息采集来源、风险定价模型、投资决策过程、信用中介角色，大幅提升传统金融的效率，代表技术就是大数据征信、智能投顾以及供应链金融。

* 截至2016年末，我国风投对Fintech企业不同轮投资额度占比

目前，国内Fintech多处于1.0末期，2.0初期，多为大数据调查、全金融产业链服务商和消费金融企业，未来发展空间较大。国务院发布《十三五国家科技创新规划》，规划中称，要促进科技金融产品和服务创新，建设国家科技金融创新中心等。此外，今年5月15日，央行发布消息，中国人民银行成立金融科技（Fintech）委员会。

*我国智能网联汽车发展目标及路径

所谓“智能汽车”，就是在普通车辆的基础上增加了先进的传感器（雷达、摄像）、控制器、执行器等装置，通过车载传感系统和信息终端实现与人、车、路等的智能信息交换，使车辆具备智能的环境感知能力，能够自动分析车辆行驶的安全及危险状态，并使车辆按照人的意愿到达目的地，最终实现替代人来操作的目的。目前，全球各国纷纷加快智能汽车相关立法工作。

*汽车电子模块示意图

根据汽车电动化、智能网联化趋势以及消费升级，未来汽车电子配臵功能日益增多，成本占比将逐步提高。渤海证券预测，到2020年国内汽车电子市场规模将超 9000亿元，2016-2020年复合增速超18%，而全球汽车电子市场规模2020年有望超2万亿元，市场空间巨大。

*ADAS主要功能及所需部件

*国外主流厂商ADAS产品及功能

从发展路劲来看，传统车企与互联网厂商在智能汽车发展路径存在差异：

传统车企遵循从功能车-智能车-自动驾驶汽车逐步发展的路径，由易向难，从简单到复杂，而互联网厂商始终以颠覆式的姿态进入。整车厂商大多以辅助驾驶为核心，逐步试验并装配高级辅助驾驶系统，进而由辅助驾驶过渡到自动驾驶；

而互联网厂商在整车制造、零部件制造等领域经验尚浅，但在云计算、大数据处理、人工智能、高精度地图等领域有较为明显的优势，以人工智能和高精度地图等“软实力”为核心推出无人驾驶解决方案，从“软”向“车”。

*主要汽车企业与自动驾驶公司合作情况（援引车云网）

从目前发展情况看，丰田、沃尔沃、宝马、Tesla 等主流跨国车企无人驾驶技术主要从自动驾驶 1 级（个别功能自动）向自动驾驶 4 级（完全自动驾驶）横向发展，遵循由易到难，由简单到复杂的发展路径，通过车联网和ADAS着手，自建或共建高精度地图系统，不断丰富自动驾驶功能及内涵，循序渐进，最终实现真正意义上的无人驾驶。

*国外主要汽车企业无人驾驶技术发展概况

国内的情况是，无人驾驶汽车技术发展仍以汽车厂商为主导，整体上处于自动驾驶 1 级（个别功能自动）到自动驾驶 2 级（多种功能自动）的过渡阶段，智能网联汽车已掌握了远程遥控泊车、自动巡航、自动跟车、车道保持、换道行驶、自主超车等功能，根据各厂商规划，2025 年多数厂商将有望实现高度自动驾驶功能。

*国内主要车企智能汽车发展进展及规划情况

如何让新药研发更便宜

近年生物创新药研发成功率的上升带动了新药研发总体成功率的提升，2012-2014 年间达到了 本世纪以来的高点11.6%，但是距离前期高点仍然有差距。研发成功率下降意味着费用不断攀升，每种新药的平均研发成本上升，通过降低研发成本来提高新药收益率也成为了摆在医药行业面前的重要课题。

*不同年代新药研发成本（百万美元）

目前来看，无论是 IT 业还是医药行业，业内巨头企业都已经注意到了人工智能技术在创新药研发领域应用的前景，纷纷展开布局。

Google 与斯坦福大学的 Pande Lab 合作，利用大规模多任务网络进行了药物筛选，通过深度学习来处理巨大的数据库，加快药物的开发速度。IBM Watso也能够帮助研究人员确定新的药物靶点和发现现有药物的新适应症，阅读和理解大量的科学论文、专利、临床试验数据、电子实验室笔记、毒理学报告和其他专有数据，发现数据之间的联系，目前已与国际多家知名药企（以色列Teva、辉瑞制药等）合作。

*与国际医药巨头开展合作的人工智能/新药研发公司

*国内外AI+ 新药研发企业

如何优化医疗服务

经过 30 多年的快速发展，医疗机器人已在神经外科、腹腔内科、胸外科、骨外科、血管介入、颅面外科等多个领域得到了较广泛的应用。根据使用领域的不同可以分为手术机器人、外骨骼机器人、护理机器人和康复机器人等。目前市场上手术机器人和康复机器人商业化应用最为广泛，其中手术机器人市场份额约60%，居首位。

*2014年全球医疗机器人市场分布

据 IFR 统计，2004 年全球医疗机器人销量为 386 台，2014 年达 1224 台（外科手术辅助机器人销量 978 台，占比最高），年复合增速达 12.2%，预计 2018 年全球医疗机器人销量达 4000 台，2014-2018 年期间复合增速为 34.4%。从市场规模上看，据波士顿咨询测算，2016 年全球医疗机器人销售额超 70 亿美元，其中手术机器人占 60%左右市场，预计 2016-2020 年复合增长率能稳定在15.4%，至 2020 年全球医疗机器人规模有望达到 114 亿美金。

*医疗机器人发展历程中代表性产品

*106家医疗保健领域的新兴AI企业

*2016年IBM Watson在医疗领域的大事记一览

如何进行国民健康管理

人工智能技术另一个可能得到广泛应用的领域就是健康管理和养老。在国务院发布的《新一代人工智能发展规划》中提出，要加强群体智能健康管理，突破健康大数据分析、物联网等关键技术，研发健康管理可穿戴设备和家庭智能健康检测监测设备，推动健康管理实现从点状监测向连续监测、从短流程管理向长流程管理转变。

*部分可穿戴设备功能介绍

*中国医疗器械市场规模 （亿元）

如何进行医保控费

城镇基本医疗保险基金支出增速超过收入增速已成常态。近年，我国医保基金支出水平增长迅猛，城镇基本医疗保险基金支出增速在 2009、2010、2013 以及2014 年度均超过收入增速，医保基金面临的压力越来越大，控费已刻不容缓。

*近年我国城镇基本医疗保险基金收入与支出情况

随着信息技术特别是人工智能技术的不断发展，医保监测逐步走向智能化时代，即借助医保信息化系统而建立的一种更加科学的医疗保险监管体系，涵盖事前、事中、事后的诊疗全过程，管理对象包括参保人、医师、医院和药店，管理的处方内容包括药品、检验检查及医用材料。

如果发生违规问题，监控系统会及时预警，医疗保险经办机构会立即采取措施。医疗服务机构和医师在服务过程中如果不按规则办事，监控系统会立即警告或者制止，医疗保险经办机构则会立即进行跟踪管理。

*近年我国政府出台的鼓励医保智能监管的相关

医疗保险智能监管改变了以往缺乏专业支持、手段单一、效率低下的审核模式，实现了医保监管向智能化、精准化、高效化转变。除监管方式和工具方面的经验外，在监管形式上，发达国家开始更多地运用信息技术来对医保基金使用的全流程进行监管。

人工智能爆发的路线是场景化应用→万物互联→真·人工智能。其背后的逻辑是，目前的技术水平仅支持特定需求的定制的弱人工智能，更多的布局倾向于感知技术，而非认知技术，因此，基于模式识别的身份认证、安防，以及辅助性的驾驶、医疗、金融（专业）数据分析将成为主要的落地产品。与此同时，各大科技巨头也在积极布局基础层技术，包括通信（大数据的基础）和芯片，以及面向专业领域的认知技术，在这些方面，国内确实略为逊色。

附：国内外巨头的AI布局