1、AIAI行业深度报告：行业深度报告：下游场景迭代创新，产业链轮动机遇涌现下游场景迭代创新，产业链轮动机遇涌现证券分析师侯宾联系邮箱：执业证号：S0600518070001日期：2022年03月22日证券研究报告行业深度报告通信2 2目录目录“十四五”强调AI发展价值，技术创新日益成熟产业链协同发展，AI赋能多元场景建议关注的标的风险提示3AI历经三次发展浪潮，开启认知智能时代历经三次发展浪潮，开启认知智能时代 AI发展历经发展历经 60 余年，经历三次发展浪潮，当前正处于第三次发展浪潮之中。余年，经历三次发展浪潮，当前正处于第三次发展浪潮之中。2011 年至今，大数据、云计算、互联网和物联网等
2、信息技术的发展，泛在感知数据和图形处理器等计算平台推动以深度神经网络为代表的人工智能技术飞速发展，人工智能场景多元化。目前目前AI发展处于第三代，即认知智能时代。发展处于第三代，即认知智能时代。AI从技术阶段上主要分为运算智能、感知智能和认知智能三个层次。从技术阶段上主要分为运算智能、感知智能和认知智能三个层次。运算智能，即快速计算和记忆存储能力；感知智能即视觉、听觉、触觉等感知能力；认知智能即具有推理、可解释性的能力。目前AI在认知智能领域还处于初级阶段处于初级阶段。数据来源：人工智能发展报告2011-2020，东吴证券研究所图：人工智能的发展历程图：人工智能的发展历程4数据来源：东吴证券研
3、究所整理算法算法 AI产业诞生初期，算法是AI最底层框架，为抢占先发优势、形成技术壁垒、垄断数据以优化算法，AI行业掀起第一波投资热潮。算力算力 随着人工智能产业的发展和算力需求提升，高算力AI芯片成为必要，市场投资热情高涨。行业解决方案行业解决方案 当前AI技术逐步落地，下游需求多点爆发，不同场景AI差异化的需求使得行业综合解决方案环节成为更具备竞争优势的产业赛道。从算法到算力，综合解决方案成当前从算法到算力，综合解决方案成当前AI行业投资热点行业投资热点5数据来源：东吴证券研究所整理算法：算法：通用算法趋于稳定：通用算法趋于稳定：通用算法是AI产业的基本生产要素，差异化优势不明显，行业迭代
4、速度开始放缓，竞争格局趋于稳定。行业算法差异化优势明显：行业算法差异化优势明显：以大厂的通用算法为基础，构筑“行业+算法”更加贴近客户需求，商业化能力强。针对特定的行业和场景，借助预置的行业工作流，灵活实现AI应用开发及持续迭代。算力：算力：海外龙头公司优势明显：海外龙头公司优势明显：由于深厚的历史积累，从竞争格局来看,国外科技巨头仍占据AI芯片主要市场份额。国内厂商快速追赶：国内厂商快速追赶：新兴应用场景给了国内芯片设计公司切入机会，以海思为首的国内AI芯片设计公司快速崛起。行业解决方案：行业解决方案：下游需求快速提升：下游需求快速提升：国内安防、智能驾驶、医疗等应用场景协同AI技术构建数字
5、化商业模式，数字经济加持下，行业需求提升较快。针对细分行业的差异化服务能力的重针对细分行业的差异化服务能力的重要性仍然显著：要性仍然显著：对AI平台的需求从传统的一站式解决方案向差异化、定制化方案过渡，针对特定行业、特定业务的AI应用制定综合解决方案的重要性凸显。三大投资环节特征明显三大投资环节特征明显6AI企业在人工智能多领域深入布局企业在人工智能多领域深入布局硬件层算法层应用层芯片传感器比特大陆比特大陆海康威视海康威视数据来源：东吴证券研究所整理7第一章：“十四五”强调AI发展价值，技术创新日益成熟81.1 政策长期利好，十四五“打造数字经济新优势”强调政策长期利好，十四五“打造数字经济新
6、优势”强调AI发展价值发展价值 国家高度重视国家高度重视AI 领域发展，不断推出相关政策助力领域发展，不断推出相关政策助力AI持续进步。持续进步。各地积极出台政策支持人工智能基础设施发展，已有较为清晰的建设思路，如北京、上海、广东聚焦基础研究领域，江苏、浙江、福建、山东偏重应用层面。工信部批复的八大人工智能创新应用先导区是我国人工智能基础设施建设的先行先试区。工信部批复的八大人工智能创新应用先导区是我国人工智能基础设施建设的先行先试区。八大先导区先后发布人工智能行动方案，方案围绕公共数据集、先进计算/超级计算机/智能计算、智能感知/智能网联/智能芯片等人工智能基础设施进行重点布局。表：表：20
7、16-2021年中国人工智能发展重要政策年中国人工智能发展重要政策数据来源：人工智能发展报告2011-2020，十四五规划纲要，中国信通院，东吴证券研究所2016被写入“十三五”规划纲要“互联网+”人工智能三年行动实施方案“十三五”国家科技创新规划“十三五”国家战略性新兴产业发展规划2017首次被写入政府工作报告，被写入十九大报告国务院关于印发新一代人工智能发展规划的通知促进新一代人工智能产业发展三年行动计划（2018-2020年）2018再次被写入政府工作报告高等学校人工智能创新行动计划新一代人工智能产业创新重点任务揭榜工作方案2019将人工智能升级为智能+关于促进人工智能和实体经济深度融合
8、的指导意见新一代人工智能治理原则发展负责任的人工智能国家新一代人工智能创新发展试验区建设工作指引2020人工智能成为“新基建”中重要一项关于“双一流”建设高校促进学科融合 加快人工智能领域研究生培养的若干意见中央与一号文件提到加快人工智能等技术在农业领域的应用2021我国十四五规划纲要出台，提出“打造数字经济新优势”的建设方针并强调了人工智能等新兴数字产业在提高国家竞争力上的重要价值。序号地域发布时间政策1北京2021.6北京市加快新型基础设施建设行动方案(2020-2022年2天津滨海新区2021.5天津市制造强市建设三年行动计划3杭州2019.12杭州市建设国家新一代人工智能创新发展试验区
9、行动方案4广州2020.2广州人工智能与数字经济试验区建设总体方案2020.6广州市关于推进新一代人工智能产业发展的行动计划5成都2021.5成都高新区创建成都国家人工智能创新应用先导区行动计划6上海浦东2020.6关于建设人工智能上海高地构建一流创新生态的行动方案（2019-2021年）7深圳2019.5深圳新一代人工智能发展行动计划(2019-2023年)8济南-青岛 2020.5济南-青岛人工智能创新应用先导区融合发展实施方案表：表：八大先导区人工智能发展政策八大先导区人工智能发展政策9389,571 47,260 050,000100,000150,000200,000250,0003
10、00,000350,000400,000450,000中国日本世界知识产权组织专利申请数量1.2 AI研究水平稳步上升，研究水平稳步上升，中国中国AI学术能力位居世界前列学术能力位居世界前列 AI领域学术研究水平稳步提升，中国高水平论文发表及专领域学术研究水平稳步提升，中国高水平论文发表及专利申请具有领先优势。利申请具有领先优势。2011-2020年AI领域高水平论文发表量整体上呈现稳步增长态势，取得 R-CNN 算法、神经机器翻译的新方法等科研成果。从高水平科研论文的国家分布来看，中国以22686篇人工智能领域论文的发表量位居第二，仅次于美国，遥遥领先于其他国家。2011-2020年全球人工
11、智能专利申请量年全球人工智能专利申请量 521264项。中国专项。中国专利申请量为利申请量为 389571项，位居世界第一项，位居世界第一，占全球总量的74.7%，是排名第二的美国专利申请量的 8.2 倍。图：图：2011-2020年年AI领域国际顶级期刊会议论文数量（篇）领域国际顶级期刊会议论文数量（篇）数据来源：人工智能发展报告2011-2020，东吴证券研究所图：图：2011-2020年年AI领域高水平论文发表量前十国家（篇）领域高水平论文发表量前十国家（篇）数据来源：人工智能发展报告2011-2020，东吴证券研究所33,255 22,686 05,00010,00015,00020,
12、00025,00030,00035,000美国中国德国英国日本加拿大法国韩国意大利 澳大利亚论文数量1823810,00011,00012,00013,00014,00015,00016,00017,00018,00019,0002010201120122013201420152016201720182019论文数量图：图：2011-2020年年全球全球AI 专利申请量排名专利申请量排名数据来源：人工智能发展报告2011-2020，东吴证券研究所101.3 AI应用技术未来应用技术未来趋势：端趋势：端-边边-云算力协同云算力协同 端端-边边-云帮助缓解云端的工作负载的同时，解决了终端算力不足、
13、计算功耗大的难题。云帮助缓解云端的工作负载的同时，解决了终端算力不足、计算功耗大的难题。设备端产生的大量数据，若直接上传到云端处理，会对云端的带宽、算力、存储空间等造成巨大压力。在算力协同的模式下，云端的云计算中心承担模型训练任务，贴近端侧的各设备进行模型推理，二者之间的边缘侧负责通用模型的转移学习。未来，边缘计算向算力集群异构设计发展未来，边缘计算向算力集群异构设计发展，其异构化程度将会高于传统的数据中心，异构设计的突破将会进一步提高端边云的整体计算效能，进而加速AI模型的训练与推理。云cloud边缘Edge端Device算力:100+TOPS功耗:100+W延时:100ms算力:10-10
14、0TOPS功耗:10-100W云边缘延时:30ms移动边缘延时:20ms私有边缘延时:2ms算力:1-10TOPS功耗:0.1-10W延时:1ms算法下行与数据上传训练推理STEP 1 算法输出：预训练阶段从通用数据池获取云端储存的公共数据云服务器算力集群预训练，此环节为边缘Al的底座输出基础的通用云端模型STEP 2 算法执行：边缘转移学习阶段从边缘数据池获取已存储的私有数据边缘服务器算力集群通过转移学习，对模型进行调优输出调优后的边缘模型STEP 3 信息输出：模型推理阶段从通用数据池获取云端储存的公共数据云服务器算力集群预训练，此环节为边缘Al的底座输出基础的通用云端模型生成最终的边缘模
15、型边缘服务器算力集群进行增量学习边缘数据接入，获取已存储的增量数据图：图：端端-边边-云算力协同运算流程云算力协同运算流程数据来源：艾瑞咨询，东吴证券研究所111.4 AI市场规模保持高速增长，行业前景广阔市场规模保持高速增长，行业前景广阔 2021年年AI赛道火热，赛道火热，总投资额达到总投资额达到775亿美元，亿美元，2022年全球年全球AI市场规模预计超市场规模预计超4000亿美元。亿美元。根据IDC最新数据，全球人工智能收入预计到2022年同比增长19.6%，达到4328亿美元。预计2023年将突破5000亿美元大关。根据Tortoise Intelligence的最新报告，2021年
16、AI投资总额达到775亿美元，较2020年同期360亿美元增长115%。中国人工智能产业市场规模保持高速增长，行业景气度高中国人工智能产业市场规模保持高速增长，行业景气度高。据艾瑞咨询预测，2021年，人工智能核心产业规模预计达到年，人工智能核心产业规模预计达到1998亿元，亿元，2026年AI核心产业规模预计超过6000亿元，带动产业规模预计为21077亿元。未来市场约30%-45%是AI创业企业占据，外围赛道切换而来的互联网公司、云服务公司、大数据公司、信息技术服务公司、通信设备公司以及个别科研院所将切分其余市场。AI产业高景气和潜在巨大空间将会为整个产业链提供良好发展基础。图：图：201
17、9-2025年中国人工智能产业规模（单位：亿元）年中国人工智能产业规模（单位：亿元）数据来源：艾瑞咨询，东吴证券研究所2019-2026年AI核心产品CAGR达24.8%AI带动相关产业CAGR达22.3%注：AI核心产业包括计算机视觉、智能语音、对话式AI、机器学习、知识图谱与NLP、AI芯片等核心产业；相关产业指有相关性的软硬件产品和服务图：人工智能规模经济图：人工智能规模经济S曲线曲线数据来源：信通院，东吴证券研究所199860502107705,00010,00015,00020,00025,00020192020e 2021e 2022e 2023e 2024e 2025e 2026
18、e人工智能核心产业规模人工智能带动产业规模12第二章：产业链协同发展，AI赋能多元场景132.1 AI产业链协同发展，赋能多行业应用产业链协同发展，赋能多行业应用人工智能人工智能产业链可分为基础层、技术层和应用层。产业链可分为基础层、技术层和应用层。AI产业链基础层主要包括数据提供商、算力提供商、算力模型生产商；技术层包括关键技术领域和通用技术领域；应用层则包含安防、医疗等多场景应用。AI应用遍及各行各业，场景丰富。应用遍及各行各业，场景丰富。不同人工智能技术提供专属行业的解决方案，并不断探索更多行业应用。图：图：人工智能人工智能产业链产业链图：图：2020年年人工智能技术在企业中主要应用场景
19、集中度人工智能技术在企业中主要应用场景集中度数据来源：艾瑞咨询，东吴证券研究所整理数据来源：艾瑞咨询，东吴证券研究所整理应用层泛安防金融医疗互联网工业零售教育交通技术层机器学习知识图谱通用技术计算机视觉自然语言处理语音识别关键技术基础层大数据基础数据数据算力模型生产智能芯片智能服务器与计算中心算力智能云开放平台开源框架效率化生产平台计算机视觉智能安全监控 50%智慧交互大屏 38%知识图谱智能辅助指挥决策/商业情报分析决策46%智能诊断与维修助手41%语音识别AI客服系统 76%智能语音助手 71%机器学习预测模型 42%智能风控 36%自然语言处理文本智能审阅 54%自动报告 54%142.
20、2 基础层：大数据平台技术升级，云原基础层：大数据平台技术升级，云原生思想提升效率生思想提升效率 数据资源是人工智能技术产业创新发展的驱动力之一。数据资源是人工智能技术产业创新发展的驱动力之一。数据集作为数据资源的核心组成部分，是指经过专业化设计、采集、清洗、标注和管理，生产出来的专供人工智能算法模型训练的数据。大数据的核心始终是面向海量数据的存储、计算、处理等基础技术。“十四五”对大数据的发展作出了重要部署“十四五”对大数据的发展作出了重要部署，规划稿中“大数据”一词出现了十四次，而“数据”一词则出现了六十余次。我国提出“加快培育数据要素市场”后，大数据的发展迎来了全新的阶段。2020年开始
21、，大数据技术的发展重点从单一注重效率提升效率提升，演变为“效率提升、赋能业务、加强安全、促进流通”“效率提升、赋能业务、加强安全、促进流通”四者并重。云计算开始发展后，传统大数据平台和数据库逐渐从私有部署转化为云上部署。随着云原生概念的兴起，大数据技术产品逐步迭代升级，云原生大数据技术产品开始成为产业变革的浪潮云原生大数据技术产品开始成为产业变革的浪潮。图：图：数据平台技术演变数据平台技术演变数据来源：中国信通院，东吴证券研究所整理时间企业产品2020.12阿里云原生数据库PolarDB2020.12腾讯云原生数据库TDSQL-C2020.12腾讯云原生消息队列TDMQ2020.12AWSAm
22、azon Aurora Serverless V22021.5腾讯云原生数据湖2021.5阿里云原生数据仓库AnalyticDB2021.5华为云原生数据湖产品FusionInsightMRS2021.9百度云原生湖仓架构2021.10阿里云原生湖仓一体产品2.0表：近一年发布的云原生大数据技术产品表：近一年发布的云原生大数据技术产品152.3 基础层：基础层：AI芯片发展实现算力提升，云端向边缘与端侧转移是趋势芯片发展实现算力提升，云端向边缘与端侧转移是趋势 人工智能基础层的三要素中，算力算力是驱动AI产业化和产业AI化发展的关键，作为集成运算逻辑与硬件的载体芯片而存在。当前当前AI芯片主要
23、分为芯片主要分为GPU、FPGA、ASIC。与CPU相比，GPU、FPGA、ASIC在功耗比更高。GPU擅长处理简单并行计算，但是功耗更高，目前占有大部分市场份额；FPGA可以重复编辑，功耗较低；ASIC性能与研发成本均处于高微，其任务具有不可更改的特点。未来，未来，AI芯片由云端训练向边缘与端侧推理转移是趋势。芯片由云端训练向边缘与端侧推理转移是趋势。云端训练需求是AI芯片市场的主流需求，因为模型首先要在云端经过训练、调优与测试，再转移到端侧。未来，云端模型不断下放，推理需求逐渐取代训练需求，推理芯片市场崛起。表：各种芯片算力优缺点与功耗对比表：各种芯片算力优缺点与功耗对比数据来源：CSDN
24、，艾瑞咨询，东吴证券研究所优点优点缺点缺点算力（算力（GFLOPS）功耗（功耗（W）功耗比（倍）功耗比（倍）灵活性灵活性CPU通用性好，串行运算能力强，适用于逻辑运算开发难度大，运算单元占比少13301459很高GPU拥有较强的并行运算能力，通用性较强价格、功耗高，并行运算能力在推理端无法完全发挥874030029高FPGA可对芯片硬件层进行灵活编译，且功耗远远小于CPU和GPU硬件编程语言难以掌握，成本较高，单个单元的计算能力较弱18003060中ASIC针对专门的任务进行架构层的优化设计，可实现PPA最优化设计、量产后成本最低初始设计投入大，可编程架构设计难度较大4500.5900低162
25、.3 基础层：基础层：AI芯片提供人工智能算力，市场芯片提供人工智能算力，市场规模潜力巨大规模潜力巨大 在训练芯片方面，头部企业重点布局相关芯片研发，打破国外企业长期垄断局面。在训练芯片方面，头部企业重点布局相关芯片研发，打破国外企业长期垄断局面。华为、寒武纪、百度等企业相继发布云端训练芯片，华为昇腾910 芯片成为全球单芯片计算密度最大的芯片之一。我国的我国的AI芯片行业仍处于起步期，市场空间充足。芯片行业仍处于起步期，市场空间充足。据艾瑞咨询预测，2021年我国AI芯片市场规模为297亿元，到2026年，我国AI芯片市场规模将达到1917亿元，2021-2026年的相关 CAGR=45.2
26、%，市场保持快速增长态势。图：图：2019-2026年我国年我国AI芯片市场规模统计情况及预测芯片市场规模统计情况及预测数据来源：艾瑞咨询，东吴证券研究所整理0%10%20%30%40%50%60%70%010020030040050060070080020192020e2021e2022e2023e2024e2025e市场规模（亿美元）增长率（%）图：图：2019-2025年全球年全球AI芯片市场规模统计情况及预测芯片市场规模统计情况及预测数据来源：前瞻产业研究院，东吴证券研究所整理0%10%20%30%40%50%60%05001,0001,5002,0002,50020192020 20
27、21e 2022e 2023e 2024e 2025e 2026e市场规模（亿元）增长率（%）172.4 技术层技术层：机器学习（机器学习（ML）与数据治理逐渐走向一体化）与数据治理逐渐走向一体化 作为数字产业化的商业应用与产业数字化的技术工具，机器学习迎来发展机遇。相关产业规模处于增量爬升阶段，存量市场尚未形成。据艾瑞咨询预测，2021年，中国机器学习核心产品的市场规模年，中国机器学习核心产品的市场规模为为275亿元，带动规模为亿元，带动规模为1809亿元，核心规模亿元，核心规模2021-2026年年CAGR=20.6%。主要核心产品为大数据类产品与机器学习平台的软件部分，下游应用行业以金融
28、、工业、医疗、自动驾驶及互联网为主。未来数据治理与机器学习应用开发将逐渐走向一体化。未来数据治理与机器学习应用开发将逐渐走向一体化。机器学习应用厂商往往面临模型与数据无法同步的问题。数据治理厂商完成数据治理后，本就对客户的业务数据有了深入了解，且模型应用开发可增加新的业务收入。这意味着数据治理与机器学习平台产品的边界将会被突破并连接。1672242753293994775787001025146818092179264731583766442105001,0001,5002,0002,5003,0003,5004,0004,5005,000201920202021e2022e2023e2024
29、e2025e2026e核心产品市场规模（亿元）带动相关产业规模（亿元）0%10%20%30%40%50%交互服务物流电力电信公安能源政务营销零售互联网工业医疗金融图：图：机器学习应用于企业数据业务机器学习应用于企业数据业务图：图：2019-2026年中国机器学习核心产品及带动相关产业规模年中国机器学习核心产品及带动相关产业规模图：图：2018-2021年年11月中国机器学习融资获投企业占比月中国机器学习融资获投企业占比数据来源：艾瑞咨询，东吴证券研究所整理182.4 技术层技术层：垂直行业的知识图谱未来或将拉动市场规模：垂直行业的知识图谱未来或将拉动市场规模 知识图谱是新一代的知识工程技术，自
30、动获取大数据中的数据、信息等内容并梳理，组合成图谱形式。知识图谱是新一代的知识工程技术，自动获取大数据中的数据、信息等内容并梳理，组合成图谱形式。其产品类型以通用知识图谱通用知识图谱与垂直行业知识图谱垂直行业知识图谱为主。通用知识图谱强调知识广度，逐渐演变为通用互联网知识图谱，形成搜索引擎、智能推荐、智能问答三大产品类型，产品发展较为成熟。行业知识图谱强调知识深度，用于问答、辅助决策与业务分析，是支持Al大脑深度思考的知识库基础，是未来主要的增长点。在实际应用中，知识图谱和自然语言处理在实际应用中，知识图谱和自然语言处理NLP往往有相同目的往往有相同目的。全球知识图谱的厂商多数是以NLP为主营
31、业务的厂商逐步构建知识图谱业务。未来新的增量市场则由垂直行业的知识图谱与NLP应用或解决方案提供。知识图谱在研究发展阶段，在工业界还没有形成大规模应用。知识图谱在研究发展阶段，在工业界还没有形成大规模应用。艾瑞咨询数据显示，2021年，我国知识图谱核心产品的市场规模为107亿元，带动规模为412亿元，核心规模2021-2026年CAGR=22.5%。据Gartner预测，距离生产成熟至少还需5-10年。图：知识图谱目前图：知识图谱目前主要应用场景主要应用场景知识融合互联网大数据具有分布异构的特点，知识图谱可以对这些数据资源进行语义标注和链接，建立以知识为中心的资源语义集成服务。语义搜索和推荐知
32、识图谱可以将用户搜索输入的关键词，映射为知识图谱中客观世界的概念和实体，搜索结果直接显示出满足用户需求的结构化信息内容，而不是互联网网页。问答和对话系统基于知识的问答系统将知识图谱看成一个大规模知识库，通过理解将用户的问题转化为对知识图谱的查询，直接得到用户关心问题的答案。大数据分析与决策知识图谱通过语义链接可以帮助理解大数据，提供决策支持。数据来源：人工智能发展报告2011-2020，东吴证券研究所64.4%50.7%26.0%23.3%21.9%20.5%15.1%13.7%9.6%8.2%6.8%4.1%2.7%0%10%20%30%40%50%60%70%金融医疗工业公安互联网政务营销
33、交互服务司法电力电信零售能源图：图：2018-2020年年11月我国知识图谱业务月我国知识图谱业务获投企业占比获投企业占比数据来源：艾瑞咨询，东吴证券研究所整理192.4 技术层技术层：自然语言处理（自然语言处理（NLP）与智能语音、知识图谱等衔接捆绑）与智能语音、知识图谱等衔接捆绑 自然语言处理自然语言处理(NLP)主要研究人与计算机之间如何使用人类自然语言进行有效沟通。主要研究人与计算机之间如何使用人类自然语言进行有效沟通。NLP技术通过词典法或统计法将文章中的词语进行分割，由最大熵、HMM或CRF等算法训练模型，对名词等词性类别进行识别和标注，再根据规则法或统计法对句法结构进行分析，得到
34、完整句式，最终产出一个计算机可识别的语料库，供后续需求调取。NLP一般不单独作为独立的产品出售，而是作为底层技术，与智能语音、知识图谱等技术衔接捆绑一般不单独作为独立的产品出售，而是作为底层技术，与智能语音、知识图谱等技术衔接捆绑，在独立的产品化模块方面发展较慢。近两年，对话机器人使得与智能语音相关NLP产品迎来了发展机遇。随着通用或垂直行业知识图谱的构建，NLP与知识图谱将变得更为紧密。据艾瑞统计研究，2021年，中国年，中国NLP核心产品的市场规模为核心产品的市场规模为171亿元，带动规模为亿元，带动规模为450亿元亿元，到到2026年年,核心产品核心产品规模将达到规模将达到459亿元亿元
35、，CAGR=24.8%，带动规模将超过，带动规模将超过1000亿元。亿元。自然语言处理以金融与医疗为热门赛道。自然语言处理以金融与医疗为热门赛道。金融赛道中，银行的风控、营销、反欺诈、反洗钱等应用需基于NLP进行知识挖掘，基于知识图谱实现多层关系挖掘，对业务有较高的实用价值；医疗赛道中，CDSS、智慧病案、医学数据智能平台、药物分子计算平台等产品或工具需基于NLP与知识图谱构建医学知识库，辅助临床决策或药物研发。2.2%3.3%3.3%5.4%9.8%18.5%20.7%25.0%27.2%32.6%39.1%45.7%0%5%10%15%20%25%30%35%40%45%50%司法电信人事
36、公安零售工业营销交互服务政务互联网医疗金融图：图：2018-2020年年11月我国月我国NLP获投企业业务获投企业业务获投企业占比获投企业占比89114171219271333391459278332450546651774905106102004006008001,0001,200201920202021e2022e2023e2024e2025e2026e核心产品市场规模（亿元）带动相关产业规模（亿元）图：图：2019-2026年中国年中国NLP核心产品及带动相关产业规模核心产品及带动相关产业规模数据来源：艾瑞咨询，东吴证券研究所整理202.4 技术层：计算机视觉行业集中度高，头部企业突出技
37、术层：计算机视觉行业集中度高，头部企业突出 计算机视觉是一个让计算机看到图像的过程，计算机视觉是一个让计算机看到图像的过程，在分类、定位、检测、分割等基本语义感知研究表现良好，未来如何像人类将多模态信息融合分析、适应三维世界、突破依赖数据输入的局限、与知识和常识结合解决高层次问题以及主动感知与适应复杂变化等都将是计算机视觉技术可期待的下一次拐点。艾瑞咨询数据显示，2020年我国计算机视觉产品的市场规模占整个人工智能行业的年我国计算机视觉产品的市场规模占整个人工智能行业的57%，带动相关产业，如计算机通信设备销售、医疗器械等专用设备销售的产业规模超过2200亿元。国内计算机视觉行业集中度高，头部
38、企业突出，业务同质化程度高，市场竞争激烈国内计算机视觉行业集中度高，头部企业突出，业务同质化程度高，市场竞争激烈：商汤、旷视、依图、云从是我国计算机视觉行业四大头部企业，已逐渐占据主要市场份额，且集中度越来越高。但都以安防和金融业务为主，同质化程度较高。68155450780112002004006008001,0001,20020172018201920202021e市场规模（亿元）17.4%15.2%9.8%9.0%48.0%商汤科技旷视科技云从科技依图科技其他企业2.7%4.1%5.5%6.8%11.0%13.0%15.1%34.2%44.5%47.3%50.7%64.4%0%10%20
39、%30%40%50%60%70%司法电力AR/VR能源营销服务互联网金融医疗政务制造安防零售图：图：2020年计算机视觉市场竞争格局年计算机视觉市场竞争格局（按收入份额计）（按收入份额计）图：图：2017-2021年我国计算机视觉规模统计及预测年我国计算机视觉规模统计及预测图：图：2017-2020年年10月我国计算机视觉获投企业占比月我国计算机视觉获投企业占比数据来源：艾瑞咨询，东吴证券研究所整理数据来源：中商产业研究院，东吴证券研究所整理212.4 技术层：全球智能语音进入规模化发展阶段技术层：全球智能语音进入规模化发展阶段110.3141.1167.9202.6263.80%5%10%1
40、5%20%25%30%35%05010015020025030020172018201920202021e全球智能语音规模（亿美元）增速（%）1061501782172850%5%10%15%20%25%30%35%40%45%05010015020025030020172018201920202021e我国智能语音规模（亿元）增速（%）企业平台赛道讯飞开发平台DuerOSAliGenie语音开放平台云小微语音开放平台教育、医疗、智能办公等智能家居、智能客服机器人智能家居、新制造、新零售、酒店、航空等车载、智能语音助手图：图：2017-2021年中国智能语音规模统计情况及预测年中国智能语音规模
41、统计情况及预测图：图：2017-2021年全球智能语音规模统计情况及预测年全球智能语音规模统计情况及预测数据来源：中国语音产业联盟，东吴证券研究所整理图：图：企业推进“平台企业推进“平台+赛道”发展模式赛道”发展模式 智能语音技术可通过声音信号的前端处理、语音识别智能语音技术可通过声音信号的前端处理、语音识别(ASR)、自然语言处理、自然语言处理(NLP)、语音合成、语音合成(TTS)等形成完整的人机等形成完整的人机语音交互。语音交互。智能语音技术落地分为三类应用场景：垂类应用，以语音识别、语音合成和语音转写为主。消费级智能硬件中加载的语音助手。对话机器人，文本机器人、语音机器人和多模态数字人
42、等。智能语音产业进入规模化阶段，并保持快速增长态势智能语音产业进入规模化阶段，并保持快速增长态势。2020年全球智能语音规模达到202.6亿美元，增速一直保持在20%左右，稳定持续增长。受产业数字化和疫情影响，受产业数字化和疫情影响，2020年我国智能语音规模达到年我国智能语音规模达到217亿元。亿元。未来，智能语音场景应用将落地，助力教育、医疗多行业智慧化转型。未来，智能语音场景应用将落地，助力教育、医疗多行业智慧化转型。例如，智能语音可应用于在线教育课堂管理、线上教学、口语测评等。在医疗行业从单一的语音识别病例及导诊技术向语音+语义的智能化语音辅助系统转型。222.5 应用层：应用层：AI
43、落地场景多元化，深入触达行业核心痛点落地场景多元化，深入触达行业核心痛点 AI渗透赋能产业，推动传统产业革新。渗透赋能产业，推动传统产业革新。在应用层面，人工智能主要面向特定应用场景的差异化需求形成具体产品或系统解决方案。目前，AI+细分行业的模式形成了“技术推动产品、产品核心行业”的良性商业闭环。在各应用场景中，安防、智能汽车、新零售、教育等领域已经相对成熟。AI应用从降本增效到找寻行业增量空间，协同构建数字化商业模式应用从降本增效到找寻行业增量空间，协同构建数字化商业模式：AI逐步从行业发展的有益补充转变为产业数字化转型的核心竞争力，多数企业、产业尝试将AI与主营核心业务流程结合，利用AI
44、的技术技术优势找寻业务新增长点。通用底层技术结合行业细分需求，标杆方案构建助力规模场景应用通用底层技术结合行业细分需求，标杆方案构建助力规模场景应用：在具体应用中，企业通常会选择市场空间大、存在明显痛点且与自身技术优势匹配的行业进入，通过完善核心技术及打造标杆案例构建业务壁垒，并不断深化与垂直场景的融合度数据来源：中国人工智能产业研究报告（），东吴证券研究所图：人工智能渗透各行业情况图：人工智能渗透各行业情况图：图：2020年中国人工智能市场行业份额（按产值计）年中国人工智能市场行业份额（按产值计）政府城市治理和运营互联网金融地产与零售医疗与生命科学工业学历教育232.5.1 AI+安防安防：
45、AI优势高度契合安防行业需求，增强全行业能动性优势高度契合安防行业需求，增强全行业能动性 视频监控升级为行业发展核心主线，视频监控升级为行业发展核心主线，AI引入助力行业能力实现跨越式发展。引入助力行业能力实现跨越式发展。安防行业围绕视频监控技术升级主线共经历五次变革。其中，随着2015年AI技术引入行业，行业逐步从被动监控转而主动识别，从“看得到、看得远、看得清”向“看得懂“转变”安防产业的核心环节为中游设备商安防产业的核心环节为中游设备商：随着中游集中度的提高，安防设备龙头企业取得了技术、资源和规模优势，既能高度整合上游资源，又渗透下游工程和运营市场 AI特性高度贴合行业痛点特性高度贴合行
46、业痛点：AI技术优势精准应用到安防监控、公安数据相关领域，有效解决行业数据多、分析难等传统痛点。在具体应用中，监控视频细分领域份额占比最大。数据来源：中国AI+安防行业发展研究报告，东吴证券研究所图：图：AI与安防监控的契合之处与安防监控的契合之处图：图：2018年年AI+安防软硬件细分市场占比安防软硬件细分市场占比（按产值计）（按产值计）视频监控（中心侧）视频监控（端侧）视频监控（边缘侧）出入口控制安防智能机器人知识图谱其他数据来源：中国AI+安防行业发展研究报告，东吴证券研究所安安防防四四大大痛痛点点AIAI四四大大特特点点 监控与布控难度大监控与布控难度大：需要基于人的轨迹布控 干扰信息
47、多、数据量庞大，有效数据挖掘难干扰信息多、数据量庞大，有效数据挖掘难 警力耗费大警力耗费大：单个案件侦破平均需要调看3000小时录像，急需技术手段提升业务效率 源头管理不足源头管理不足：传统安防侧重事后侦查，源头管理、动态管理等方面存在明显漏洞 基于计算机视觉的人脸识别基于计算机视觉的人脸识别：实现准确识别追踪 干扰信息多、数据量庞大，有效数据挖掘难干扰信息多、数据量庞大，有效数据挖掘难 关联数据挖掘能力强关联数据挖掘能力强 锁定嫌疑人速度快锁定嫌疑人速度快：通过各类感知与认知技术可将锁定嫌疑人轨迹时间缩短到分秒 实时分析实时分析：使安防管控提至预警和实施响应阶段242.5.2 AI+教育：深
48、度渗透各教学环节，着力提升教育公平及个性化教育教育：深度渗透各教学环节，着力提升教育公平及个性化教育 市场需求和政府政策双动因高效推动教育产业智能化。市场需求和政府政策双动因高效推动教育产业智能化。随着政策的大力支持及AI技术的成熟，AI+教育的商业模式及核心诉求逐渐清晰，行业价值空间较高。校外教育方面，由于在线教学用户体验不佳、教学效果难以评估，智能化产品及AI应用仍需进一步探索；校内教育方面，各级学校信息化设备普及度仍较低，缺乏核心教学数据，故智能设备、智能整体方案落地是该部分的关键。AI教学应用逐步渗透各教学活动环节。教学应用逐步渗透各教学活动环节。从“教、学、管、考”各环节来看，AI技
49、术已经逐步渗透教学闭环，从教学侧和学习侧双侧一齐赋能教育行业。值得注意的是，由于教育行业的特殊性，AI+教育要侧重提升教学质量，深化促进教育公平和个性化教育数据来源：2019年中国AI+教育行业发展研究报告，东吴证券研究所图：图：AI+教育驱动因素及发展逻辑教育驱动因素及发展逻辑图：图：AI与各教学环节融合形式与各教学环节融合形式精确化教学精确化教学科学化管理科学化管理面向教育者面向教育者个性化学习个性化学习自动化评阅自动化评阅面向面向受教育者受教育者教教学学管管理理学学习习考考试试智能助教智能助教智能批改智能批改学情分析学情分析VRARVRAR教学教学拍照搜题拍照搜题游戏学习游戏学习教育机器
50、人教育机器人自适应学习自适应学习机器组卷机器组卷口语考评口语考评试卷分析试卷分析机器阅卷机器阅卷智慧校园智慧校园决策支持决策支持校园监控校园监控智能排课智能排课252.6.3 AI+金融：基本实现全场景覆盖，科技助力传统金融数字化转型金融：基本实现全场景覆盖，科技助力传统金融数字化转型“十四五”规划中指出，要有序推进金融创新，稳妥发展金融科技，加快金融机构数字化转型。“十四五”规划中指出，要有序推进金融创新，稳妥发展金融科技，加快金融机构数字化转型。地方积极响应中央战略布局，因地制宜出台扶持政策。以银行、保险和证券业为代表的传统金融行业，存在人工成本高、信息不对称、获客难转化低等问题。AI+金
