前言

人工智能不再是概念：我们的调研发现，基于人工智能的视频分析技术正在不断拓宽安防技术的应用范围，实现实时车辆轨迹追踪等以前只有在警匪片里才有的新功能。通过基于用户画像的精准广告投放，互联网公司在过去三年提高了广告单次点击成本（CPC）170%。IBMWatson从2015年开始为病人提供肺癌等四种癌症的个性化治疗方案。汽车主机大厂的路线图显示2021年前后能够实现真正的无人驾驶服务。这些新技术的商用无疑会对公共安全、医疗、广告、汽车制造业造成颠覆性的变化。

数据比算法重要：我们认为人工智能的商业化，仅仅依靠技术是很难继续走下去的。数据的规模和采集能力决定了人工智能在这个行业的发展速度。在这方面，感谢线上消费的发展和十几年平安城市建设，互联网和安防行业的智能化走在了其他行业前面。看好海康威视、大华股份、科大讯飞、东方网力、千方科技、阿里巴巴、腾讯、新浪在安防和互联网行业的AI变现机会。医疗大数据是下一个热点，看好东软、思创医惠和东华软件在医疗大数据领域的长期成长机会。

人工智能=「人工+智能」：只有投入更多的研发人员和数据，才会获得更多的智能。仅靠一两名人工专家很难解决复杂的人工智能问题。中国企业的人工智能转型，需要依靠的是在研发费用和研发人员规模上的持续投入。在这方面，华为排名全球前十，阿里巴巴、中兴、百度、腾讯、海康等公司也在世界前列。

看好数据中心/传感器/半导体行业面临结构性成长机会：智能化有两个直接结果。第一是企业服务加速向云计算的迁移。我们预计全球公有云市场今后几年保持25%的年复合增长，到2020年达到约950亿美元的规模。为了支撑云服务发展，八大全球主要科技公司在数据中心资本开支到2020年将达约900亿美元，约占全球电信业资本开支的25%。第二是收集数据需求的增加，手机及汽车上搭载传感器数量大幅上升。我们预计车载传感器市场从2016年的82亿美金扩大到2025亿的290亿美金（15%CAGR）。数据中心及手机、汽车内计算能力的上升，推动人工智能相关芯片需求从2016年37亿美金扩大到2025年的566亿美金。

风险人工智能创新进度低于预期。

我们从人工智能的两个维度，以及围绕这两个维度展开的竞争，即软件开发框架和计算芯片。对当下最热门的议题——TPU进行详细解读。

报告认为人工智能服务提供商之间的竞争主要包括两个维度：

软件开发框架：主要的框架包括谷歌的Tensor Flow，Facebook，IBM，谷歌DeepMind支持的Torch，Microsoft的CNTK，Amazon的MXNet。NVidia也提供自己的软件开发框架CUDA。这些公司之间的竞争类似于智能手机操作系统上iOS/Andorid之间的竞争。

计算芯片：目前的竞争对手包括NVidia/AMD的CPU，谷歌的TPU，Xilinux的FPGA之间在计算成本和速度上的竞争。这些公司之间的竞争类似与高通和联发科在手机芯片上的竞争。在TPU的例子上我们看到，谷歌利用其在软件开发框架上的优势，减小切换计算芯片（GPU to TPU）时的软件修改成本，形成一个Tensor Flow+TPU的封闭生态环境。

一、10年之后我们还能做什么？

根据耶鲁大学和牛津大学的研究人员对352位人工智能专家进行了采访，人工智能到2060年前后有50%的概率完全超过人类。这份研究预测在10年内，人工智能将会在以下领域超过人类：翻译领域（2024），高中水平的写作（2026），驾驶卡车（2027）。

在这份报告里，我们着重分析四种人工智能技术（语音，图像，自然语言处理，机器人）对五个行业（安防，互联网电商/广告，消费电子，汽车，医疗）的影响（图表2）。

1.1从技术角度来看

语音技术成熟但应用场景有限。语音识别是目前发展最成熟的人工智能技术。Nuance，科大讯飞，Google，百度等主流厂商的近场语音识别率都达到99%以上。但目前应用场景局限在电子病例，智能客服，在线教育，车载导航等少数几个领域。随着未来语音识别种类的进一步丰富，识别环境通用性的增强，以及远厂语音技术的突破，一定会帮助拓展其应用范围到智能家居等更多场景中。

图像识别落地机会最多。图像识别技术不但有着非常高的识别准确率，而且能够很快给出智能的反馈，因此图像识别技术最容易快速落地到各行各业中。安防行业中的车辆数据提取，医疗行业的影像诊断，电商行业中的精准营销，以及辅助驾驶都为图像识别技术提供许多落地变现的机会。

自然语言处理在互联网行业中应用最为成熟。我们注意到基于人工智能的精准营销正帮助互联网广告公司不断提升流量价值，而且一些智能的销售客服机器人正在逐步替代人工成为线上销售，售后维护的主力军。

智能机器人技术有待成熟。我们注意到一些公司开始在仓储机器人、手术机器人等细分行业进行探索。但技术还有待成熟。

1.2从行业角度来看

安防是人工智能在中国最容易变现的行业：十几年的平安城市建设，使中国的城市管理者已经积累了强大的视频数据采集能力。交通拥堵及反恐等应用场景又急需最先进的人工智能技术。

互联网广告和电商蕴含大量的数据，为人工智能在互联网广告和电商领域的应用提供了广阔的资源和空间。例如，互联网公司通过基于用户画像的精准广告投放，在过去三年提高了广告单次点击成本（CPC）170%。

AI促进消费电子升级换代：3D光学感测等AI功能会帮助现有智能手机提高售价，同时促进智能音箱等新品类的发展。

汽车行业2021年前后实现无人驾驶：随着TeslaAutoPilot2系统的发布，GM宣布自己的自动驾驶系统Super Cruise。我们注意到汽车智能发展呈现加速趋势。我们预计汽车主机大厂在2021年前后能够实现商业化的无人驾驶服务。

医疗行业空间巨大，但技术还有待成熟。电子病历的建立，不仅仅用到了语音识别技术，也整合了医疗大数据；影像诊断则用到了图像识别技术，现在在国内外都已经形成成熟的商业模式。辅助治疗和手术机器人由于技术的尚不完善，还在小范围推广。由于语音识别技术和机器视觉技术的成熟，大量应用这两个技术的行业将迎来AI变现的更多机会。

1.3直接受益行业

数据中心：人工智能的普及会推动云计算服务及资本开支的快速增长。我们预计到2020年，八大主要科技公司在数据中心相关的资本开支总计将达约900亿美元，约占全球电信业资本开支的25%。

半导体：我们认为2020年人工智能相关半导体的市场空间将达到117亿美元，其中云端服务器市场规模76亿美元，智能手机移动端41亿美元。除了上游的芯片设计厂商将受益之外，中下游晶圆代工及封装测试厂也将同步获益。

传感器：第二是收集数据需求的增加，手机及汽车上搭载传感器数量大幅上升。我们预计传感器市场从2016年的82亿美金扩大到2025亿的290亿美金（15%CAGR）。

1.4主要图表：视频、智能驾驶、软件框架、芯片、光学、音箱、云7大产业链

1.5全球主要AI科技公司市值、研发开支与研发费用率一览

一、AI+安防：智能化推动安防行业的第三次升级

中国视频监控行业在过去十几年经历了两次重要的升级换代：

（1）高清化：在这次升级的主要变化是摄像机的清晰度从标清（30万像素）升级到100万像素或以上。图像传输方法从原本通过同轴电缆传输的模拟信号过渡到通过局域IP网或同轴电缆传输的数字信号。后端设备也从DVR（Digital Video Recorder)过渡到NVR（Network Video Recorder）。NVR的物理位臵还是在本地（例如，小区内）。

（2）网络化：在这次升级中的主要变化是，视频被直接传回数据中心内的集中存储

（IP-SAN）。主要的优势是方便集中管理以及可监控的区域大大增加。

随着2016年以来人工智能技术在视频分析领域的突破，我们认为视频监控行业正处在第三次重要的升级周期的开始阶段。

（3）智能化：我们认为这次升级主要包括：(a)前端摄像机的智能化升级以支持结构化数据提取，(b)后端设备强化计算分析功能，以支持复杂的视频分析，(c)对应特定行业应用的人工智能分析软件快速增长。

2.1安防摄像机的智能化升级

传统的网络摄像机直接把高清视频回传给数据中心里的NVR，由于回传视频数据量巨大，很难对所有图像进行实时分析。大部分时候是对保存的图像进行事后分析。通过在网络摄像头上添加人工智能芯片（例如，NVidia的JetsonTX2、Movidius的Myriad2Vision等芯片），前端摄像头可以实时对视频数据进行结构化处理。例如，设置在交通路口的摄像头可以提取车牌，车型等汽车信息，和乘客数量，是否带安全带等乘客信息回传给数据中心。方便进行实时分析，优化系统反应能力。

根据统计，全球安防摄像头市场2016年约95亿美元，预计到2020年将达到128.4亿美元，CAGR为8.1%。其中，网络摄像机占比将从2016年的82%上升到2020年的90%。同时，我们预计相当一部分网络摄像机将迎来智能化升级。目前，中国占据全球44%的需求，海康威视已成为安防摄像头的全球龙头。

2.2后端设备强化计算分析功能

后端设备强化计算分析功能，以支持复杂的视频分析：传统的NVR（Network video recorder）的主要功能是压缩存储视频信息。通过添加GPU等人工智能加速芯片和应用处理软件，智能NVR能够实现图像识别，特征提取，人体识别、人员检索等功能。一些公司率先在里面加入人工智能处理能力，如海康的「超脑」系列。

根据数据，后端录像存储设备的市场规模2016年约38亿美元，到2020年将达42.7亿美元，CAGR为2.4%。中国依旧占据了全球42%的市场需求，海康威视成为全球龙头。从产品占比趋势观察，基于服务器的集中式存储的占比将逐渐降低。这表明未来的存储将更加分散化，NVR等设备的增长更快。

2.3视频管理分析系统（VMS）新增人工智能功能

视频管理分析系统（VMS）的主要功能是汇集分析视频信息，以及控制前端安防设备。由于技术上的限制，在人工智能拘束出现以前，实时视频分析的应用范围一致相对较小。

传统上，中国市场客户倾向于购买包含前端摄像机、后端存储设备和VMS的一体解决方案，所以海康威视、大华股份、宇视科技等拥有软硬件一体化解决方案的厂商一直保持较高市场份额。随着对基于人工智能的视频分析产品的产品要求不断提高，商汤科技、Face++等在人工智能算法上有特色的公司也积极切入VMS市场。

海康威视：针对公安行业、交通行业、金融行业、司法行业、能源行业、智能楼宇行业、文教卫生等七大行业分别开发了各自的解决方案。根据IHS的统计，海康的iVMS系列产品中国市场占有率23%。

东方网力：广泛应用于各行业、公安、平安城市等领域。为弥补算法方面的短板，东方网力和商汤科技合作，提升人脸识别的性能。

商汤科技：优势在于计算机视觉算法和技术，以及相关的行业应用。2014年公司在LFW的准确率达99.15%，首次超越人眼；并在ImageNet2014大规模物体识别竞赛中获得全球第二，仅次于Google，2015年取得两项世界第一。核心技术包括：人脸技术、智能监控、图像识别、文字识别、图像及视频编辑、深度学习框架。公司技术应用于：智慧金融、智慧商业、智慧安防等领域。

Face++：专注于人脸检测，包括人脸检测、对比、搜索、关键点定位、人脸属性。并提供人工智能开发平台。

2.4平安城市新阶段带动智能安防快速发展

根据统计，2016年全球安防设备市场规模达到158.6亿美金，同比增长6.6%。其中中国市场最大，市场规模67.25亿美金，同比增长11.6%，占全球42%。美洲市场第二，市场规模39.6亿美金，同比增长4.1%，占全球25%。

从中国市场来看，金准产业研究团队认为市场主要包括三个细分市场

（1）政府市场（30~35%）：主要包括各地公安，交通，司法部门。销售渠道以系统集成商为主。需求受政府固定资产投资拉动，对价格不敏感，是视频分析服务的重度用户。

（2）大企业市场（35~40%）：主要包括银行，电信，石油，文教卫等大型国有企业和事业单位等。销售渠道以解决方案为主，需求受经营规模扩大的影响。

（3）中小企业及个人市场（25~35%）：主要包括中小企业，也包括个人消费需求（尽管需求很小）。销售渠道以标准产品的分销为主。

根据我们调研，目前人工智能相关产品主要目标市场是政府市场。其驱动力来自于各地政府强化各类平安城市相关工程。经过十几年的平安城市建设，中国的主要城市已经积累了强大的视频数据采集能力。如何利用采集到的数据解决交通拥堵及治安问题一直是各地政府有待解决的问题。基于人工智能的新一代视频分析技术为城市管理开辟了一条新的路径。并将驱动当前67亿美元的中国安防设备市场继续以年增速15%以上增长。其中，交通管理和公共安全等政府相关项目（约占整体市场规模30%）是最主要的应用领域。以下是在交管和公安现场的实例。

交通违法抓拍

通过对前端摄像头和后端系统进行智能化升级，利用前端摄像头对抓取的图像快速处理，将明显的违法行为进行智能识别，并在后端进行收集和二次处理。可对多种交通违法行为进行取证，包括机动车闯红灯、违法停车、压线、变道、逆行、超速、人行横道不避让行人、违反规定使用专用车道、行人闯红灯等各种交通违法行为。

犯罪分子抓捕

以海康威视的系统破获的某个抢劫案为例。为了从大量的视频图像中找到嫌疑人，需要对来自500多个监控点的长达250个小时的视频进行分析，如果采用人力查阅，需要至少30天时间，但如果采用基于深度学习的视频分析技术，仅需要不到5秒。

另一个案例是，2012年的「1.6苏湘渝系列持枪抢劫杀人案」，当时对1万多个监控点产生的2000多T数据进行人工查阅，投入了1500多名干警耗时一个多月。根据海康威视估算，如果采用人工智能分析仅需要几分钟。

根据数据，全球视频监控设备市场到2020年将达202亿美元，是2016年的1.3倍。我们估计，在AI的驱动下，硬件设备市场的增长将维持较长的时间。

不论全球市场还是中国市场，海康威视、大华股份、宇视科技等中国公司已经占据较为领先的地位，其中海康威视在全球和中国市场均排名第一。

金准产业研究团队认为，一方面受益于中国视频监控行业规模在全球占比较高，另一方面，中国龙头公司的技术和产品的竞争力有了极大的提升。我们预计，这种趋势仍会保持，中国龙头公司的全球市占率将继续提升。

三、AI+互联网：AI加速电商广告市场发展

电子商务：AI简化用户的消费行为

2015年以来，由于互联网流量红利逐渐见顶，行业发展重点走向以提升转化效率以及付费习惯培养的精细模式。在电子商务领域，由于大数据的累积以及底层算法的快速发展，人工智能开始进入该领域，通过对消费者购买决策过程的深度学习和解析精准定位用户。主要的应用是为了更精准的推荐商品以及对用户的购买行为作出更好的解释。

3.1大数据是人工智能的重要基础，复杂场景催生技术革新

经过爆发式的行业增长，电子商务行业已经完成了早期的数据累积，大数据的产生为人工智能技术打下基础。而购物场景不断延伸，端到端的互联网消费者行为呈现高度离散的状态，消费者可触达点的增加同样加大了电商平台对于消费行为把握的难度，因此亟待更高效的方式对用户购买行为作出更好的解释，以实现更精准的商品推荐。

3.2人工智能的知识发现体系更适合解释当下更为复杂的线上购买决策

根据研究，传统营销通常认为消费者购买品牌是一个线性过程，但现实中情况却要更为复杂，特别是互联网账号体系的出现，线上消费者在其他如社交平台的分享同样会影响消费者的最终购买决策。此外，随着人均可支配收入的进一步提升，影响消费者购买决定的变量同样变得更为复杂。除了最基本的对于性价比的考量，粉丝效应、生活方式、特殊事件甚至对于环保的考量都有可能影响消费者最终的购买决定。

互联网环境下，品牌以及商品与消费者的接触点显得分散且数量远大于从前，人工智能的数据挖掘和知识发现功能为解析大量数据间隐藏的依赖关系提供了具有参考意义的一条解决路径。目前该技术在中国的具体应用表现为在售前，通过基于大数据分析的用户画像个性化推荐，向消费者主动展示其购买的产品内容。

目前个性化推荐主要是以分析消费者一定时间内的浏览记录为主，技术上并不难实现，主要门槛在于商业数据累积以及推荐逻辑优化。在当下全球电子商务领域，Amazon的智能推荐系统被公认为推荐算法最好的系统，其服务主要体现为个性化首页、多页面关联商品推荐和多品类关联促销。在中国，个性化推荐的形式和Amazon并无太大区别，以发展程度最高的淘宝千人千面模块为例，2016年双11个性化的智能卖家推荐的测试中，点击率和访客成交转化率分别上升了25%和40%，前次展示支付金额提升了56%。目前淘宝平台上的钻展以及直通车均已采用千人千面的数据分析，其解决的主要问题在于如何优化平台海量流量分流从而优化流量货币化效率。

电商领域人工智能技术的商业化已经开始萌芽，阿里巴巴自2015年开始加速个性化电商推广工具的研发，并已将一部分人工智能算法融入底层结构，例如：

基于全网电商数据、跨渠道数据以及第三方数据的客户运营产品–聚星台，可实现店铺「千人千面」的个性化互动营销以及全域会员运营。

通过标记的方式圈定潜在客群，建立个性化的用户细分和精准营销的数据管理合作平台–达摩盘。

以及开放付费API的人工智能系统–阿里云ET等。

3.3感知智能引领信息检索以及沟通效率提升，即看即买

尽管互联网技术解决了传统零售获客能力有限的问题，在购物体验以及沟通交流方面仍然与线下存在差别，尤其是非标品的售卖，例如服饰退换货率可以高达30~40%。如何更高效的发掘和理解用户需求进行沟通一直是电商企业努力的方向之一。更为直观方便的图片、语音识别技术因此被应用到了电商服务上。

消费者的购买需求通常具有即时性的特征，这一点可从2016年底开始奢侈品牌纷纷推出「即看即买」的营销策略中窥见一二。通常电商消费者在搜索商品时平均需要6个以上的点击来达成交易，并伴随大量的输入以及重复搜索尝试。2013年底在移动电商渗透之前Statista曾有研究表明，消费平均购物放弃率为67.9%。而今天这一比例已大幅下降，除了更加便捷的购物车服务以及支付环节以外，搜索环节的匹配效率提升同样起到了提升转化率的作用。

图片识别加强电商平台数据流动效率。图片搜索通过色彩图形以及空间的比对，即使消费者并不知道品牌或商品名仍然可以快速帮助用户找到其感兴趣的商品，真正实现了「即看即买」。对于平台卖家来说，自商品上线的那一刻图片识别技术就开始贯穿始终，包括自动检测商家上传图片是否存在侵权、投放推广时的自动匹配以及关键字搜索式的自动图片推荐；从而提升了电商平台的数据流动效率以及运营效率。

语音识别技术向智能客服的独立产品进一步迭代。

基于语音识别的搜索也被首先应用到了电商服务中，例如淘宝应用内臵的语音搜索，早在2013年就已经可以支持中英文品牌名混杂的复杂搜索情况。京东则将智能客服小咚嵌入其App通过语音识别以及语义分析帮助用户查找用户可能感兴趣的商品。随着大数据的不断发展，目前语音识别技术正在逐渐向更为复杂的智能客服迭代演变。一方面人力成本逐年攀升，对运营效率提升提出挑战；另一方面售前售后的大部分问题重复率高，存在大量可使用人工智能介入的场景；因此刺激了行业对基于语音识别的人工智能进行投入。Chat bot（聊天机器人）的出现使得语音识别进一步从底层应用的技术研究和电商附加服务逐渐走向独立产品，例如亚马逊的开放Alexa语音服务，开发者可以利用Alexa Skills Set或选择接入语音服务，将自有内容资源上传，在用户出发Alexa中定义的「意图」时，开发者可在自有服务器上实现「回答」。Facebook同样于去年4月开发了Chat bot的平台，该服务可以通过即时通信软件用自然语言解答客户的问题甚至帮助客户提交订单，目前在Facebook邀请的传统零售品牌中，Tommy Hilfiger的人工智能甚至可以在交流中融入真实的角色性格。尽管目前仍没有数据能直接证明传统零售通过此类服务显著提供销售量，但我们认为人机对话水平的提升仍将在长期范围内促进电子商务的进一步渗透。国内同样存在类似应用产品，例如阿里云ET以及科大讯飞的语音识别均已开始向企业用户开放开发端口。

尽管人工智能技术仍处于发展早期，但在改善电子商务售前、售中和售后运营效率的过程中均已开始产生不同程度的增益效果。随着算法进一步优化，预计其对于简单重复人力的替代过程将带来更多营业效率提升。另外，除了底层算法的优化，我们看到智能客服和物流机器人领域已经有成型的独立产品萌芽，预计主题投资的风潮将在未来的一段时间加速这些领域内商业化进程，预计我们将在这些细分领域内最早看到商业化产品的成型。

3.4广告：AI商业化应用最成熟的领域之一

自2012年以来，中国互联网广告市场经历了年复合增长率39%的高速增长期。主要的驱动力来自于传统媒体的式微带来的预算转移、移动设备的大爆发带来的新广告平台以及更高ROI的新广告形式。根据eMarketer数据，2016年互联网广告市场规