2018年智能投研行业分析报告
- 格式:docx
- 大小:2.49 MB
- 文档页数:27
2018年人工智能行业市场调研分析报告目录一、百度:孤注一掷,全面押注人工智能 (5)1.1 人才储备 (5)1.2 计算设施 (7)1.3 数据积累 (8)1.4 技术算法 (9)1.5 应用场景 (9)二、阿里:融入人工智能,不断扩大云计算先发优势 (11)2.1 人才储备 (11)2.2 计算设施 (13)2.3 数据积累 (13)2.4 技术算法 (14)2.5 应用场景 (14)三、腾讯:自带用户与数据,AI 与内在业务结合为主 (15)3.1 人才储备 (16)3.2 计算设施 (18)3.3 数据积累 (18)3.4 技术算法 (19)3.5 应用场景 (19)风险提示 (21)图目录图 1:“人机料法环”五要素模型 (4)图 2:基于百度大脑和智能云的人工智能 ABC 布局 (5)图 3:近年来从百度离职的 AI 技术牛人 (6)图 4:腾讯云 AI 产品服务矩阵图 (15)图 5:腾讯人工智能相关实验室 (16)表目录表 1:百度通过收购获得人才加盟 (6)表 2:百度硬件基础设施投入 (7)表 3:百度相关平台建设 (8)表 4:百度技术算法公开案例 (9)表 5:百度技术算法相关投资案例 (9)表 6:百度人工智能应用场景 (9)表 7:阿里人工智能相关实验室 (12)表 8:阿里人才招募 (12)表 9:阿里基础计算设施 (13)表 10:阿里技术算法公开案例 (14)表 11:阿里人工智能应用场景 (14)表 12:腾讯人才招募及培养 (17)表 13:腾讯硬件基础设施投入 (18)表 14:腾讯相关平台建设 (18)表 15:腾讯技术算法公开案例 (19)表 16:腾讯人工智能应用场景 (20)梳理人工智能关键要素时,借鉴制造业领域质量管理方法,提出推动人工智能商业化进展的”人机料法环“五要素模型,具体而言将各方面要素概括为:人才储备、计算设施、数据积累、技术算法、应用场景。
2017-2018年人工智能应用前景分析报告(此文档为word格式,可任意修改编辑!)2017年11月正文目录一、新一代AlphaGo Zero自学成才,40天超越Master版本. 3 (一)全新强化学习算法,无需标注样本自学提升能力 (3)(二)40天超越Master版本,更高的性能,更低的功耗 (4)二、深度强化学习——人工智能发展下一站,应用前景广阔 . 6 (一)深度学习+强化学习,通用人工智能研发再下一城 (6)(二)高质量模拟训练提升能力,应用前景广阔未来可期 (8)三、主要公司分析 (9)四、风险提示 (10)图表目录图1:AlphaGo Lee的策略网络以及价值网络 (3)图2:MCTS使用神经网络fθ模拟落子选择的过程示意 (4)图3:AlphaGo Zero训练的实证评估情况 (5)图5:AlphaGo不同版本的计算能力对比 (6)图6:强化学习研究主体对应人类大脑思考模式 (7)图7:三大类深度强化学习算法 (7)图8:英伟达发布的ISAAC机器人训练模拟世界 (9)一、新一代AlphaGo Zero自学成才,40天超越Master版本(一)全新强化学习算法,无需标注样本自学提升能力AlphaGo产品曾击贤多位围棋世界冠军,此次发布的 Zero版本功能要更强大,可以说是历史上最强的围棋选手。
AlphaGo Zero能取得到这样的成绩,是使用了一种新的强化学习方式。
首先,AlphaGo Zero只使用一个神经网络。
以前版本的AlphaGo 使用一个“策略网络”Policynetwork)来选择下一个落子位置和一个“价值网络”Value network)来预测游戏的赢家。
AlphaGoZero 将策略网络和价值网络整合为一个架构,含有很多基二卷积神经网络的残差模块,这些残差模块中使用了批正则化(batch normalization)和非线性整流凼数(rectifier nonlinearities),使得它能够更有效地进行训练和评估。
2018年人工智能专题市场调研分析报告1.未来已来,人工智能时代开启1.1弱人工智能已加速渗透,强人工智能并不遥远根据传统认知科学的研究成果,智能包含以下几种能力:1)感知能力。
感知能力即对外界情况的感受与认知,其中包含两种处理方式:一种是面对简单或紧急情况,可不经大脑思考进行本能反应与应对。
另一种是面对复杂情况,需要经大脑皮层进行处理与思考后,做出反应与应对;2)记忆与思维能力。
其中,记忆是对感知到的外界信息或由思维产生的内部知识的存储过程,思维是对所存储的信息或知识的本质属性、内部规律等的认识过程;3)学习和自适应能力。
能通过学习和自适应进行智能思维能力进化是人类智能的重要体现;4)决策与行为能力。
即通过对信息或知识判别后,进行主观决策与行为。
图1:智能具体包含四种能力人工智能是计算机科学的一个分支,它企图了解智能的实质,并生产出一种新的能以人类智能相似的方式做出反应的智能机器,该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。
人工智能产品背后的数据、软件及算法等是人工智能的核心要素,而包括机器人、语音助手等在内的软硬件产品仅是人工智能的载体。
人工智能的概念很宽泛,可将人工智能依据实力划分为三类:1)弱人工智能:仅擅长某个单方面应用的人工智能,超出特定领域外则无有效解;2)强人工智能:人类级别的人工智能,在各方面都能和人类比肩,且无法简单进行人类与机器的区分;3)超人工智能:在各个领域均可以超越人类,在创新创造、创意创作领域均可超越人类,可解决任何人类无法解决的问题。
我们认为,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。
而未来随着运算能力、数据量的大幅增长以及算法的提升,弱人工智能将逐步向强人工智能转化,机器智能将从感知、记忆和存储向认知、自主学习、决策与执行进阶。
2018年人工智能行业市场调研分析报告目录第一节“算法红利”即将消失,AI产业落地时代关注三大壁垒 (5)一、人工智能时代到来,各行业面临变革 (5)二、AI算法超人类能力,极端场景也能实现感知与认知 (6)三、“算法红利”即将消失 (8)四、三大壁垒日益显现 (9)第二节人工智能技术赋能安防行业,打开市场增长空间 (12)一、高清摄像头升级为“AI+安防”提供可能性 (12)二、AI赋能安防,点线面全维度布防 (15)三、AI赋能安防行业所提供的核心价值 (21)第三节安防投入持续增加,为“AI+安防”落地提供资金支持 (22)一、恐怖袭击频发,全球安防市场保持增长 (22)二、国内政府需求驱动,安防产业前景向好 (23)三、安防-PPP模式出现,多快好省建设平安城市 (26)第四节多维度掘金“AI+安防”投资机遇 (31)一、软件及运营成为新阶段投资重点,AI软件厂商最为受益 (31)二、新疆地区和二三线城市将成为智能安防投入重点 (33)三、技术实力与三个产业化壁垒观察AI安防企业核心竞争力 (34)图表目录图表1:CNN图像识别算法原理 (5)图表2:支付宝刷脸支付 (5)图表3:微软Windows10支持刷脸解锁 (6)图表4:人脸识别超越人眼 (7)图表5:图像处理技术突破光源限制 (7)图表6:ImageNet比赛中历年算法识别率提升主要源于神经网络模型复杂度增加 (8)图表7:AI模型训练需要大量优质标注数据 (10)图表8:IBM在AI医疗领域并购版图 (10)图表9:人工智能(Machine Learning)刚刚经历盖特纳最热区间 (11)图表10:我国视频监控的四个阶段 (12)图表11:模拟摄像机与网络摄像机的比较 (14)图表12:H.264 VS H.265不同清晰度下码率对比(Mbps) (14)图表13:H.265 VS Smart265,1080P下码率对比(Mbps) (15)图表14:中国生物识别市场规模与预测(亿元) (16)图表15:中国人脸识别行业市场规模预测(亿元) (17)图表16:图像识别在道路监控及交通执法中的应用 (18)图表17:套牌车分析系统应用 (18)图表18:人群分析与重点区域布防应用 (20)图表19:语言要素及语义理解模型 (21)图表20:全球安防设备销售额预测 (22)图表21:中国安防行业成长的驱动因素 (23)图表22:中国安防行业市场规模 (23)图表23:安防行业产业链示意图 (24)图表24:2016安防行业热度占比 (25)图表25:PPP项目流程图 (26)图表26:第三批PPP项目一览 (28)图表27:截止2016年底项目落地率超过30% (29)图表28:各地PPP项目数量不断扩大 (29)图表29:各地PPP项目金额不断增长 (30)图表30:2015-2017(1-3)订单项目数量占比 (32)图表31:2015-2017(1-3)订单合同金额占比 (32)图表32:全国安防订单数量分布 (33)图表33:全国安防订单金额分布 (34)图表34:AI图像识别的技术梯队化 (34)图表35:数据获取能力比较 (35)图表36:产品化能力比较 (36)图表37:渠道能力比较 (36)表格目录表格1:近期全球恐袭事件一览 (22)表格2:PPP相关政策梳理 (27)表格3:近期PPP安防相关项目梳理 (31)表格4:智能安防领域企业实力比较 (37)第一节“算法红利”即将消失,AI产业落地时代关注三大壁垒一、人工智能时代到来,各行业面临变革2016年,人工智能的概念随着AlphaGo打败人类棋手开始大热。
2018年人工智能行业深度分析报告人工智能(artificial intelligence )是由人创造的具有自然生物智能特征的系统,具有一定的感知、认知、记忆、分析、判断和行为的能力。
人工智能和生物智能的形成机制不同,前者是根据人的需求被设计和创造出来的,后者则是自然界漫长进化过程中逐步通过遗传和学习形成的。
人工智能有别于人类智能,后者特指人类这一生物体所具有的智能,限定在人体内。
但人工智能可以学习和获得人和其他生物的智能,其感知、认知、记忆、分析、判断和行为的方式可以显著区别于和超越人类智能。
当前的人工智能在特定领域虽然具备了强大的功能,仍属于弱人工智能的范畴,离超级人工智能还有很大的距离。
社会对人工智能的认知和理解要摆脱科幻小说和影视作品的戏剧化设定,理性客观看待人工智能的长处和短板。
得益于算法的突破、计算能力的大幅度提高以及数据可获得性的极大改善,第三波人工智能热潮正席卷全球。
和前两次不同,在这一波人工智能热潮中,人工智能的技术已经开始广泛地渗入和应用于诸多领域,包括社交媒体、搜索引擎、工业自动化、电子商务平台、交通出行和物流、安防、医疗和教育等,展现出巨大的潜力。
中国在人工智能领域追赶迅速,在一些领域已经积累了一定的发展基础,进入国际领先者的行列。
与发达国家相比,中国人工智能整体发展水平缺少重大原创成果,在基础理论、核心算法以及关键设备、高端芯片、重大产品与系统、基础材料、元器件、软件与接口等方面还存在很大的差距。
目前中国在人工智能的研究论文、专利申请和授权增量上已经居世界前列,但研究论文的质量、影响力和专利质量还有待提高。
在人工智能领域,中国高等院校、研究机构和企业的研究实力、资金投入以及杰出人才培养上,与美国、欧洲相比也存在较大的差距。
得益于互联网的普及、国际人才流动、市场规模以及整体研发水平的提升,中国在云计算、模式识别、机器学习的研发追赶较快,在产业化应用上已有部分企业居于世界前列。
2018年人工智能行业市场调研分析报告目录一、人工智能的定义和变展历程 (6)1. 定义 (6)2. 发展历程 (6)二、 AI 技术基石 (7)1. 三大技术基石:深度学习算法+计算能力+大数据 (7)2. 神经网络与深度学习 (8)3. 计算能力:从 CPU 和 GPU 到 TPU,当前 AI 的加速计算模式 (13)三、自然语言处理和计算机视觉:语音和图像识别达到商业化高度 (18)1. 自然语言处理和机器翻译 (20)2. 计算机视觉和图像识别 (22)3. 卷积神经网络基本原理 (24)四、科技巨头引领人工智能技术变展 (26)1. 英伟达:从游戏到人工智能,再次引领 GPU 通用计算潮流 (26)2. 谷歌:以 AlphaGo 和 TensorFlow 开源为例,全面布局深耕细作 (29)3. 英特尔:并购融合 ASIC 和 FPGA,提供 AI 计算整体解决方案 (31)4. IBM、百度等公司 AI 战略简介 (34)五、下游商业模式:AI+垂直应用 (35)1. AI+汽车:自动驾驶正徐徐走来 (36)2. AI+医疗:影像诊断等率先在医院实践 (39)3. AI+安防:人脸识别和车辆检测获得广泛应用 (41)4. AI+机器人:智能仓储是典型应用场景之一 (44)六、部分重点公司 (46)1. 中科曙光:高性能计算龙头,积极布局“从芯到云”全产业链 (46)2. 科大讯飞:从智能语音到人工智能,行业应用加速落地 (50)3. 海康威视:视频安防龙头,智能化和 AI 创新业务推动公司持续成长 (54)七、风险提示 (58)图目录图 1:AI 的三大技术基石 (8)图 2:机器学习与神经网络之间的关系 (9)图 3:神经元 M-P 模型和单层神经网络结构 (9)图 4:前馈神经网络 (11)图 5:深度学习与传统方法的区别 (13)图 6:加速计算是现在 AI 的基石 (14)图 7:GPU 加速计算原理 (14)图 8:GPU 和 CPU 差异示意图 (15)图 9:TPU 结构图 (16)图 10:寒武纪-1A(Cambricon-1A) (16)图 11:DianNao 结构图和 Layout (17)图 12:图像识别和语音识别错误率达到人类水平 (18)图 13:2016 年 CHiME 比赛试错误率对比(六麦克风场景) (19)图 14:ILSVRC 图像识别挑战赛分类错误率 (20)图 15:神经机器翻译的编码器-解码器框架 (21)图 16:计算机视觉系统框架 (23)图 17:简化的卷积神经网络结构 (24)图 18:二维卷积运算示意图 (25)图 19:最大池化运算操作示意图 (25)图 20:英伟达在 GPU 领域的变展阶段 (26)图 21:深度学习领域与英伟达合作的组织数量 (27)图 22:英伟达季度营收及分部(百万美元) (28)图 23:英伟达自动驾驶专用芯片 Xavier (29)图 24:英特尔 AI 战略 (32)图 25:英特尔面向深度学习的通用架构 (32)图 26:英特尔 Nervana 平台 (33)图 27:百度深度学习开源平台(PaddlePaddle) (34)图 28:百度大脑技术服务 (34)图 29:人工智能产业链框架 (35)图 30:自动驾驶变展路径 (36)图 31:自动驾驶原理框架 (37)图 32:驾驶分级概况 (37)图 33:自动驾驶路线图 (38)图 34:百度 Apollo 技术框架 (39)图 35:百度 Apollo 开放路线图 (39)图 36:人脸检测跟踪 (42)图 37:行人车辆检测 (43)图 38:旷视科技智能安防解决方案 (43)图 39:亚马逊 Kiva 机器人 (45)图 40:极智嘉仓储机器人 (45)图 41:中科曙光营收变动情况 (47)图 42:中科曙光净利润和毛利率变动情况 (47)图 43:2016 年中国 HPC TOP100 厂商份额(系统数) (48)图 44:2016 年中国 HPC TOP100 厂商份额(总性能) (48)图 45:科大讯飞核心技术示意图 (51)图 46:科大讯飞战略架构 (51)图 47:科大讯飞营收变动情况 (52)图 48:科大讯飞净利润和毛利率变动情况 (52)图 49:海康威视营收变动情况 (55)图 50:海康威视净利润和毛利率变动情况 (55)图 51:海康威视视频监控智能化 (56)图 52:海康威视创新业务 (57)表目录表 1:自动驾驶的四个等级 (37)表 2:AI+医疗应用场景(按照医疗阶段) (40)表 3:AI+医疗应用场景(按照应用层次) (40)表 4:商汤科技核心技术描述 (42)表 5:中科曙光2016年营收结构 (46)表 6:中科曙光盈利预测 (50)表 7:科大讯飞重要国际比赛成绩 (50)表 8:科大讯飞 2016 年营收结构 (53)表 9:科大讯飞盈利预测 (54)表 10:海康威视 2016 年及 2017 上半年营收结构 (55)表 11:海康威视盈利预测 (58)一、人工智能的定义和变展历程1. 定义人工智能(Artificial Intelligence,AI),是研究用于模拟和扩展人的智能的理论方法及应用系统的科学,是对人的意识和思维过程进行模拟的科学。
2018年人工智能行业市场调研分析报告目录第一节未来已来,人工智能时代开启 (12)一、弱人工智能已加速渗透,强人工智能并不遥远 (12)二、人工智能发展历经波折,现已进入加速爆发期 (13)三、算法层、硬件层、数据层均实现突破,人工智能加速爆发 (15)1、深度学习推动神经网络算法发展步入爆发期 (15)2、计算成本指数级下降,芯片加速发展为深度学习奠定计算基础 (19)3、数据量爆炸,为深度学习奠定数据基础 (23)第二节巨头涌入、资本角力,加速布局未来 (27)第三节政策不断强化,支撑人工智能产业发展 (31)第四节市场前景广阔,中国在全球竞争力强 (34)一、人工智能底层技术相对成熟,大规模应用仍需探索 (34)二、华人在人工智能领域贡献度高,中国全面发力追赶美国 (35)三、市场空间大,预计未来应用加速落地后将进一步打开增长空间 (37)第五节人工智能在各行业的应用 (39)一、人工智能+通信 (39)1、国际通信行业发展状况 (39)(1)通信行业总体状况 (39)(2)通信行业的新视角 (40)1)通信资源共享 (40)2)视频流量爆发 (40)3)数字化演进 (41)(3)通信行业发展重点 (41)2、国内通信行业状况 (42)(1)国内通信行业总体状况 (43)(2)国内电信用户与业务发展状况 (44)(3)国内通信能力 (47)3、人工智能技术对通信行业的影响 (49)(1)通信行业对人工智能技术的需求 (49)(2)通信领域中的数据分析与机器学习 (51)1)数据分析实现精准化市场营销 (51)2)数据分析实现数字化产品创新 (52)3)数据分析实现个性化客户服务 (52)(3)人工智能纳入通信系统的必然性 (53)1)面对日益复杂的资源和动态的流量经营,运营商需要更智能化的管理 (53)2)决策和管理的智能化,自动化将给运营商带来成本降低和效率提高 (53)3)运营商需要进行数字转型,按需提供服务 (54)(4)人工智能对通信系统的创新改造 (54)4、人工智能与5G技术 (56)5、通信行业人工智能相关企业 (60)二、人工智能+金融 (61)1、Fintech发展现状 (61)(2)Fintech不同场景的应用 (61)1)以嘉信理财为例,智能投顾扩大其受托管理资产规模 (62)2)监管科技伴随 Fintech 而来,获政策加持 (65)3)保险科技发展迅速,政策支持力度较大 (67)2、我国Fintech发展现状 (68)(1)我国保险科技处在发展初期,发展较为迅速 (69)(2)Fintech 在智能投顾方面的应用被部分券商视为其转型财富管理业务的工具之一 (70)(3)微众银行、网商银行作为互联网银行代表陆续进入盈利期 (70)(4)我国Fintech企业中,应用在大数据调查、消费金融以及全产业链金融服务的数量较多 (72)3、我国 Fintech 的发展趋势 (74)(1)我国 Fintech 企业大多数处在风投早期投资阶段,未来发展潜力大 (74)(2)政策支持发展金融科技,央行成立金融科技委员会 (75)4、金融科技公司对标部分A股上市公司 (76)三、人工智能+芯片 (76)1、人工智能芯片概况 (76)(1)芯片在人工智能体系中的作用 (76)(2)人工智能芯片市场规模 (77)2、人工智能芯片主流架构分析 (78)(1)GPU (78)1)什么是GPU? (79)2)GPU 的发展历史 (80)3)GPU 快速发展的原因——特殊的技术迎来了最好的的时代 (81)4)GPU代表厂商英伟达 (83)(2)FPGA (86)1)什么是FPGA (86)2)FPGA相比与其他芯片的优势 (86)3)FPGA在人工智能中的应用 (87)4)FPGA 市场分析 (88)(3)FPGA VS GPU 优劣势对比 (90)3、人工智能主要应用领域之安防 (90)(1)安防市场分析 (90)(2)安防对人工智能的需求分析 (93)(3)芯片在安防产业链中的作用 (95)4、国内芯片发展现状与有利因素 (97)5、行业相关企业分析 (99)四、人工智能+汽车 (99)1、智能汽车概念及分级 (99)2、智能汽车发展动态及路径探讨 (101)(1)国内外发展动态分析 (101)1)国外发展情况 (102)2)国内发展情况 (107)3、受益路径分析 (113)(1)汽车电子 (113)(2)ADAS (120)4、投资策略与相关企业分析 (126)(1)政策催化,加速推进智能汽车商用化 (126)(2)相关企业分析 (130)五、人工智能+新药研发 (130)1、创新药研发成本持续提升 (130)2、巨头积极布局人工智能药物研发 (136)3、海外初创型企业兴起助力行业发展 (138)(1)Nmbus Therapeutics (139)(2)BenevolentAI (142)(3)Atomwise (143)(4)Exscientia (143)(5)BergHealth (145)4、国内发展现状与有利因素 (146)六、人工智能+医疗服务 (154)1、医疗服务领域:医疗用机器人最具发展前景 (154)(1)医疗机器人引领医疗技术革命 (154)(2)国内市场:政策利好+市场需求,行业发展迅速 (156)(3)手术机器人:突破传统手术概念,成长空间大 (159)(4)康复机器人:增速最快的医疗机器人 (168)2、人工智能+医学影像临床需求旺盛,已成投资热点 (174)3、人工智能技术在医学诊疗领域应用广泛 (179)4、健康管理成为蓝海市场,人工智能有望逐步介入 (183)(1)智能健康和养老迎来发展契机 (183)(2)可穿戴设备和家用医疗器械行业发展现状 (186)(3)积极对接健康管理,借力人工智能,提升附加价值 (194)七、人工智能+医保控费 (198)1、医保基金日趋紧张,控费刻不容缓 (198)2、医保违规问题较多,传统监管效果不佳 (199)3、智能化监管成为有效提高医保监管水平的新手段 (204)4、相关公司介绍—成都数联易康科技有限公司 (208)图表目录图表1:智能具体包含四种能力 (12)图表2:人工智能分类与应用场景 (13)图表3:人的视觉处理系统 (15)图表4:人工智能算法发展历程 (16)图表5:传统神经网络和深度学习神经网络对比 (17)图表6:Google translate 语义识别准确率 (18)图表7:2010-2016 年ImageNet 比赛图像识别错误率 (18)图表8:芯片性能进化过程 (19)图表9:1000 美元能买到的计算能力呈指数级增长 (20)图表10:Nvidia Titan X 与CPU 大数据训练时间对比 (21)图表11:GPU 计算能力发展趋势 (21)图表12:传统DNNs 中FPGA 与GPU 性能对比 (22)图表13:稀疏DNNs 中FPGA 与CPU 性能对比 (22)图表14:大数据是人工智能发展的保障 (23)图表15:全球数据总量(ZB) (24)图表16:数据量与准确率之间的关系 (25)图表17:人工智能领域季度投资金额持续增长(截至2017Q1) (28)图表18:人工智能领域投资分布 (29)图表19:Gartner2017 新兴技术成熟度曲线 (34)图表20:2006-2015 年华人在AI 领域贡献变化趋势 (35)图表21:中美人工智能各领域团队人数分布 (36)图表22:全球人工智能产业规模 (37)图表23:2016-2017 年6 月电信业务收入发展情况 (43)图表24:2017 年1-6 月电信业务收入结构占比情况(固定和移动) (43)图表25:移动宽带用户当月净增数和总数占比 (44)图表26:光纤接入固定宽带接入用户占比 (45)图表27:手机上网用户和对移动电话用户渗透率 (45)图表28:移动电话用户和通话量增幅比较 (46)图表29:移动互联网接入流量和户均流量比较 (47)图表30:互联网宽带接入端口数发展情况 (48)图表31:移动电话基站数发展情况 (48)图表32:光缆线路总长度发展情况 (48)图表33:5G 网络逻辑视图 (57)图表34:5G 技术路线与场景 (58)图表35:金融科技生态示意图 (61)图表36:嘉信理财每1%受托管理客户资产的成本支出 (63)图表37: 嘉信理财收入结构图 (63)图表38:2017Q2 年嘉信理财收入结构 (64)图表39:公司受托管理客户资产规模(单位:十亿美元)及增速(右轴) (65)图表40:全球范围内监管科技的投资额度(左轴,百万美元)及投资企业数量(右轴) (66)图表41:全球范围内保险科技的投资额度(左轴,百万美元)及投资企业数量(右轴) (67)图表42:众安保险2015-2016 年度各险种保险保费收入(亿元,左轴)及同比增速(右轴) (69)图表43:微众银行营业收入(左轴,亿元)及同比增速(右轴) (72)图表44:截至2016 年末,我国风投对Fintech 企业不同轮投资额度占比 (74)图表45:美国风投自2010-2017Q1 针对Fintech 企业投资额度(单位:十亿美元) (75)图表46:人工智能系统 (77)图表47:人工智能芯片主要市场数据 (77)图表48:人工智能芯片市场规模预测(亿美金) (78)图表49:Nvidia 独立显卡 (79)图表50:CPU 与GPU 架构对比 (81)图表51:Nvidia GeForce 8 并行架构 (82)图表52:Nvidia 最新人工智能系统 (83)图表53:英伟达合作组织数目增长情况 (83)图表54:英伟达营收及增长率 (84)图表55:英伟达归母净利润及增长率 (85)图表56:FPGA Stratix (86)图表57:FPGA + CPU 架构图 (87)图表58:亚太地区FPGA 市场按应用市场规模预测 (88)图表59:2016FPGA 市场份额比较 (89)图表60:CPU、GPU 与FPGA 应用方向对比 (90)图表61:中国安防行业市场规模 (91)图表62:2015 中国安防市场结构 (91)图表63:人脸识别与人体识别 (93)图表64:车辆识别 (94)图表65:智能安防流程 (95)图表66:安防系统主要构成 (95)图表67:网络摄像机部署方案 (96)图表68:主要汽车企业与自动驾驶公司合作情况 (102)图表69:国外智能汽车发展历程简析 (102)图表70:宝马无人驾驶时代座舱(2017 CES Asia) (105)图表71:本田自动驾驶共享汽车(2017 CES Asia) (105)图表72:MOBILEYE 近几年营收持续快速增长(单位:亿元) (106)图表73:英伟达今年Q1 营收继续高速增长(单位:亿元) (106)图表74:百度无人驾驶汽车 (109)图表75:长安无人驾驶汽车 (110)图表76:国内主要车企自动驾驶发展规划 (110)图表77:传统车厂自动驾驶汽车演进路线 (111)图表78:以谷歌为代表的互联网厂商直接切入无人驾驶汽车 (112)图表79:汽车电子模块示意图 (113)图表80:汽车电子架构图 (114)图表81:汽车电子成本占整车比重 (115)图表82:国汽车消费升级较明显(09/16 年受政策扰动大) (115)图表83:国内主要豪华车销量占比逐步提升 (116)图表84:新能源汽车销量快速增长(单位:辆) (117)图表85:汽车电子各模块所处生命周期 (117)图表86:我国汽车电子市场规模预测 (117)图表87:摄像头与传感器是实现ADAS 功能解决方案以及完全自动驾驶的重要前提 (118)图表88:我国车用传感器产量(单位:万只) (119)图表89:我国车载传感器市场预测 (120)图表90:80-90 后对汽车功能需求多样化 (121)图表91:ADAS 作用多 (122)图表92:ADAS 模块主要功能 (123)图表93:智能驾驶未来发展目标 (124)图表94:国内ADAS 渗透率及预测 (124)图表95:国内新车ADAS 市场空间大 (125)图表96:我国智能网联汽车发展目标及路径 (126)图表97:我国智能网联汽车发展阶段规划 (127)图表98:汽车电子及ADAS相关企业 (130)图表99:FDA 历年批准新药数量 (131)图表100:全球生物医药企业研发投入 (131)图表101:不同年代新药研发总体成功率 (132)图表102:不同年代小分子药物和生物药研发成功率 (133)图表103:不同年代新药研发成本(百万美元) (134)图表104:新药研发效率情况 (134)图表105:新药研发的流程 (135)图表106:新药研发各阶段所需时间 (136)图表107:Nimbus Therapeutics 重点关注的领域 (140)图表108:Nimbus Therapeutics 的优势 (140)图表109:Nimbus Therapeutics 自有产品研发管线 (141)图表110:Nimbus Therapeutics 合作产品研发管线 (141)图表111:Exscientia的药物研发过程 (144)图表112:Exscientia 的合作伙伴和领域 (145)图表113:晶泰科技投资方 (146)图表114:晶泰科技药物固相筛选与设计平台架构图 (147)图表115:我国人工智能药物研发企业兴起的先决条件 (148)图表116:近年医药行业股权投资的机构数量 (149)图表117:近年来医药行业股权投资金额和案例数 (149)图表118:各国生物医药领域研发支出占比 (150)图表119:近年来1.1 类化药申报数量 (150)图表120:不同研究阶段发生并购案例数量比例 (151)图表121:医疗机器人的主要应用领域 (154)图表122:全球医疗机器人销售量 (155)图表123:全球医疗机器人市场规模预测 (155)图表124:2014 年全球医疗机器人市场分布 (156)图表125:2014 年全球医疗机器人公司收入分布情况 (156)图表126:我国老龄化进程加快 (158)图表127:我国城镇居民可支配收入逐年增加 (158)图表128:PUMA560 工业机器人 (159)图表129:Intuitive Surgical 生产的达芬奇医疗机器人 (160)图表130:未来全球手术机器人数量及相关医生人数 (161)图表131:达芬奇手术机器人系统组成构建及各自功能特点 (162)图表132:截至2016Q2 全球达芬奇机器人系统装机量 (163)图表133:近年来达芬奇机器人在各治疗领域使用次数 (163)图表134:2007-2016 年Intuitive Surgical 营收及增速 (164)图表135:2007-2016 年Intuitive Surgical 净利润及增速 (164)图表136:近年来达芬奇在我国大陆的装机量 (165)图表137:2011-2016 年我国达芬奇机器人手术数量情况 (167)图表138:2016 年国内达芬奇手术按病种分类 (167)图表139:截止2015 年底国内手术累计量超1000 例的医院 (168)图表140:牵引式和悬挂式康复机器人 (169)图表141:可穿戴外骨骼式康复机器人 (169)图表142:全球康复机器人市场发展预期 (170)图表143:全球不同区域康复机器人市场发展预期 (170)图表144:ReWalk 公司两款产品 (171)图表145:近年来ReWalk 营业收入情况 (172)图表146:近年来ReWalk 净利润情况 (172)图表147:国产康复机器人系统 (173)图表148:糖尿病导致的视网膜病变 (175)图表149:4D flow MRI 技术下的心脏血液流动 (176)图表150:国外部分医疗影像人工智能公司 (176)图表151:IBM Watson 模拟人类医生诊断模式的处理逻辑 (180)图表152:2016 年IBM Watson 所布局的医疗领域一览 (181)图表153:IBM 与杭州认知合作的首批医院 (181)图表154:沃森智能联合会诊平台图示 (183)图表155:城镇和农村居民收入情况 (184)图表156:城镇和农村居民医疗保健支出情况 (184)图表157:不同慢性疾病的患病率(‰) (185)图表158:各种问市的可穿戴设备 (186)图表159:可穿戴设备发展历程 (186)图表160:历年全球可穿戴设备出货量 (188)图表161:可穿戴设备市场份额情况 (188)图表162:历年全球可穿戴设备出货量 (189)图表163:2017 年Q1 中国可穿戴设备市场份额情况 (190)图表164:不同种类可穿戴设备出货量 (191)图表165:全球家用医疗器械市场规模(亿美元) (192)图表166:中国医疗器械市场规模(亿元) (192)图表167:家用医疗器械发展趋势 (193)图表168:Fitbit 营业收入情况 (195)图表169:Fitbit 净利润情况 (196)图表170:北京健康云层级图 (197)图表171:乐心智能健康云平台 (198)图表172:近年我国城镇基本医疗保险基金收入与支出情况 (198)图表173:公司主要产品介绍 (208)表格目录表格1:人工智能发展历程 (13)表格2:国内外巨头‚人工智能‛布局 (27)表格3:科技巨头AI 芯片布局情况 (28)表格4:我国人工智能政策 (31)表格5:全球监管科技公司的案例 (65)表格6:微众银行经营数据(单位:亿元) (71)表格7:Fintech 商业模式全球比较 (73)表格8:金融科技公司对标的部分A 股上市公司 (76)表格9:GPU 发展路径 (80)表格10:GPU 与FPGA+CPU 优劣势对比 (90)表格11:安防政策汇总 (92)表格12:智能安防中的主流AI 芯片对比 (96)表格13:NHTSA 和SAE 对自动驾驶的分级 (100)表格14:智能网联汽车智能化等级 (100)表格15:智能网联汽车网联化等级 (101)表格16:国外主要汽车企业无人驾驶技术发展概况 (103)表格17:国内主要车企智能汽车发展进展及规划情况 (108)表格18:自动驾驶与无人驾驶的差异 (113)表格19:传感器类型介绍 (119)表格20:ADAS 主要功能及所需部件 (122)表格21:国外主流厂商ADAS 产品及功能 (125)表格22:欧美日等主流国家强制要求安装部分ADAS 功能 (125)表格23:国家智能汽车相关支持政策 (127)表格24:国内智能网联汽车示范基地成立情况 (129)表格25:FDA 优化药物审评程序的主要政策 (132)表格26:与国际医药巨头开展合作的人工智能/新药研发公司 (138)表格27:国内外AI+新药研发企业 (138)表格28:BergHealth 研发管线情况 (146)表格29:国内创新药企业licence-out 项目统计 (152)表格30:近年来涉及创新药的一系列政策 (153)表格31:近年来支持医疗机器人发展的相关政策和文件 (157)表格32:医疗机器人发展历程中代表性产品 (161)表格33:目前达芬奇机器人在全国医院的装机情况 (165)表格34:人工读片和人工智能影像分析对比 (175)表格35:近年来国内医疗影像企业在人工智能领域融资情况 (177)表格36:近年来国内医疗影像企业在人工智能领域融资情况 (178)表格37:2016 年IBM Watson 在医疗领域的大事记一览 (180)表格38:部分可穿戴设备主要功能 (187)表格39:部分可穿戴设备主要功能 (191)表格40:天津市医保违规六大案例 (199)表格41:目前我国医保基金使用监管存在的主要问题 (201)表格42:部分地区规范医保定点医疗机构行为的相关政策 (202)表格43:六国对医疗机构违规行为监管情况 (203)表格44:近年我国政府出台的鼓励医保智能监管的相关政策 (205)表格45:各地引入医保智能监管系统后成效显著 (206)第一节未来已来,人工智能时代开启一、弱人工智能已加速渗透,强人工智能并不遥远根据传统认知科学的研究成果,智能包含以下几种能力:1)感知能力。
2018年人工智能行业深度分析报告人工智能(artificial intelligence )是由人创造的具有自然生物智能特征的系统,具有一定的感知、认知、记忆、分析、判断和行为的能力。
人工智能和生物智能的形成机制不同,前者是根据人的需求被设计和创造出来的,后者则是自然界漫长进化过程中逐步通过遗传和学习形成的。
人工智能有别于人类智能,后者特指人类这一生物体所具有的智能,限定在人体内。
但人工智能可以学习和获得人和其他生物的智能,其感知、认知、记忆、分析、判断和行为的方式可以显著区别于和超越人类智能。
当前的人工智能在特定领域虽然具备了强大的功能,仍属于弱人工智能的范畴,离超级人工智能还有很大的距离。
社会对人工智能的认知和理解要摆脱科幻小说和影视作品的戏剧化设定,理性客观看待人工智能的长处和短板。
得益于算法的突破、计算能力的大幅度提高以及数据可获得性的极大改善,第三波人工智能热潮正席卷全球。
和前两次不同,在这一波人工智能热潮中,人工智能的技术已经开始广泛地渗入和应用于诸多领域,包括社交媒体、搜索引擎、工业自动化、电子商务平台、交通出行和物流、安防、医疗和教育等,展现出巨大的潜力。
中国在人工智能领域追赶迅速,在一些领域已经积累了一定的发展基础,进入国际领先者的行列。
与发达国家相比,中国人工智能整体发展水平缺少重大原创成果,在基础理论、核心算法以及关键设备、高端芯片、重大产品与系统、基础材料、元器件、软件与接口等方面还存在很大的差距。
目前中国在人工智能的研究论文、专利申请和授权增量上已经居世界前列,但研究论文的质量、影响力和专利质量还有待提高。
在人工智能领域,中国高等院校、研究机构和企业的研究实力、资金投入以及杰出人才培养上,与美国、欧洲相比也存在较大的差距。
得益于互联网的普及、国际人才流动、市场规模以及整体研发水平的提升,中国在云计算、模式识别、机器学习的研发追赶较快,在产业化应用上已有部分企业居于世界前列。
2018年人工智能行业分析报告2017年12月目录一、几乎停滞的互联网红利与“一日千里”的人工智能 (5)1、几乎停滞的互联网红利 (5)2、人工智能进入全面大发展时代 (6)(1)政策层面:上升至国家战略,自上而下全面启动 (6)(2)技术层面:进步之快举世震惊 (7)(3)产业层面:应用落地不断提速 (8)二、人工智能的下一步发展趋势:从云到端 (10)1、数据的关键作用是人工智能与以往IT技术最大的差别 (10)2、目前人工智能主要集中在云端和数据集中度高的行业 (11)3、数据决定人工智能从云到端发展将是必然趋势 (12)(1)数据感知:实时、完备的感知数据需要各类前端硬件配合 (13)(2)数据处理:随时性、实时性、隐私性决定需要有本地AI计算终端 (14)(3)数据交互:向更自然交互方式发展决定终端硬件需要有AI能力 (15)三、2018年有望成为人工智能从云到端的拐点 (17)1、AI终端芯片走向成熟 (17)2、AI巨头提供“一站式”解决方案降低准入门槛 (19)3、AI技术将与5G、智能IOT形成叠加效应 (21)四、2018:人工智能突飞猛进 (24)1、AI改变传统终端硬件的功能和业务模式 (24)(1)手机:预计2018年AI将成为手机标配 (24)(2)安防:预计2018年深度学习摄像头将放量 (25)(3)汽车:2018年自动驾驶汽车有望量产 (28)2、AI能力构筑独立硬件载体 (29)(1)家居:从智能音箱到“家庭大脑”独立设备 (29)(2)AR:从软件走向硬件的拐点 (30)五、重点企业简析 (34)1、海康威视:行业龙头引领智能化浪潮 (35)2、大华股份:后端优势助力率先享受人工智能红利 (37)3、东方财富:携互联网强大基因打造智能科技券商 (38)4、浪潮信息:AI基础设施龙头崛起 (38)5、恒生电子:智敬未来,赋能金融 (40)6、四维图新:自动驾驶产业链的整合者 (40)7、富瀚微:打造安防AI芯片领域的“展讯” (41)8、超图软件:发挥GIS基础软件优势,积极布局人工智能 (43)9、千方科技:拟收购宇视科技,进军“安防+AI” (44)10、和而泰:C-Life平台开启智慧家居的人工智能时代 (46)几乎停滞的互联网红利与“一日千里”的人工智能形成鲜明对比。
2018年智能投研行业
分析报告
2018年1月
目录
一、人工智能技术实现计算机“自主学习” (4)
1、基于统计学,实现机器学习 (4)
2、深度学习是机器学习的重要算法 (6)
二、借助“人工智能”,实现智能投研 (11)
1、存在众多人工智能手段解决投研问题 (11)
(1)打破传统投研“数据孤岛”,智能投研提高传统投研效率 (14)
(2)应用“另类投资数据”,智能投研提升传统投研前瞻性、准确性 (16)
(3)数据多样化+模型多样化,智能投研丰富传统投研方式 (19)
2、智能投研将凸显金融专业知识的重要性 (22)
三、逻辑仍为核心,智能投研“工具革命”影响深远 (23)
以计算机技术为基础,基于大数据、量化投资以及人工智能技术,将传统投研实现“智能化”,是智能投研的一种重要实现方式。
具体而言,我们认为智能投研具体包括以下几方面:①传统投研中数据分析实现智能化;②大数据技术应用于传统投研;③量化投资技术继续发展;④人工智能技术对大数据技术和量化投资优化与改造,应用于传统投研。
智能投研以数据为基础,以逻辑为核心。
①数据是基础。
在表现形式上,智能投研可以认为是数据+模型,其中,大量的、多种类型的数据是所有分析和计算的基础。
②逻辑是核心。
智能投研所揭示的规律实际上是一种“变量间的相关关系”,而不是准确的因果关系,所以,智能投研的兴起可以认为是基于数据来发现、验证行业逻辑或是公司逻辑中的某一个环节,之后更重要的是依照行业逻辑以及专业知识等来解释这种数据上的相关关系,即使发现的这种“相关关系”不能进行专业的解释(并不是所有的经验都能上升到理论层面),这种关系的成立和应用也需要使用者“具体问题具体分析”,形成新的应用逻辑(比如高频交易算法获得的相关关系)。
因此,无论这种新兴的投研工具如何发展,最核心的还是“逻辑”。
智能投研强化逻辑能力(认知能力)在投研领域的地位。
①智能投研将新工具应用于传统投研,“人”的部分技能被工具替代,由此投研领域的角逐将集中在更核心的逻辑能力-即认知能力;②智能投研基于统计学原理,人的逻辑能力在整个模型的设置、优化等环节中都发挥着重要作用。
智能投研是一种新的“生产工具”,对金融行业影响深远。
①“生产工具的进步会带来生产关系的变化”,由此会对整个金融行业带来深远的影响。
②生产工具不是替代人工,而是代替人的某种功能。
“生产工具在本质上是人的外化功能体,是物化了的知识力量”。
生产工具能够“代替工人而具有技能和力量,它本身就是能工巧匠,人在生产中的地位将发生改变”。
比如,即使是再精巧合脚的鞋子,能够跑多远,还是取决于人的体能,但是汽车出现后,“跑”的这种功能完全由汽车承担,人在能够走多远这件事上的地位完全发生变化。
我们认为对智能投研的认识,不能仅仅认为智能投研是一种精巧的工具,而是应该从“是新鞋子还是汽车”,这个角度去理解。
一、人工智能技术实现计算机“自主学习”
1、基于统计学,实现机器学习
相对于传统的计算机编程方式,机器学习中“学习”是让计算机自主的学习“知识”,发现规律。
传统的计算机编程本质上计算机的“自动化”,是用代码指挥计算机执行指令,在这个环节中所有的逻辑都是外部输入。
而机器学习的目的是通过一定的编程技术,让计算机通过对数据的处理,获得新的知识,发现新的规律,这个规律和知识,并不是提前输入到计算机内,是计算机自主学习而来。