4.4苹果的采用将带动 3D 光学感测在手机中的渗透
前臵3D光学感测，判断用于生物辨识：我们判断苹果在今年的纪念款iPhone中将采用前臵3D光学感测，期初主要用于生物辨识（如虹膜辨识、人脸辨识等），以替代现有电容指纹识别方案，达到取消Home键，提升屏占比和改善用户体验。
未来后臵3D感测，以实现AR功能：苹果CEO Cook多次提及看好AR技术，并在今年2月公开表明AR的重要性与智能手机并列（a big idea like the smart phone）。我们认为苹果使用多颗3D光学传感器是大势所趋，未来将在手机背面也放至3D光学传感设备，以最终实现AR相关应用。
AR与AI算法和GPU密不可分。3D光学感测摄像头提供了景深数据，若配合算法就可以实现增强现实功能，其中AI算法至关重要，这在硬件上对GPU提出了要求。以微软Kinect为例，其算法要用到GPU的平行加速能力，否则无法实现real-time。2017年4月，苹果表示将自行研发GPU，未来15~24个月间减少依赖GPU长期合作伙伴英国Imagination Technologies，并通知Imagination将不再需要后者帮助开发iPhone和iPad的图形技术，终止专利费支付。我们认为与其一直以来致力于自主发展AI软、硬件有关。
智能音箱主要由麦克风阵列，远场语音识别算法和扬声器组成。Amazon最早开发实现基于麦克风阵列的远场语音识别，大幅度扩大了语音识别的应用场景。亚马逊设计了一个名为「ARS」的自动语音识别处理系统。ARS由七个麦克风和一个音频信号过滤系统构成。七个麦克风组成的列阵能让Echo捕捉到环境中的细微声音，音频信号过滤系统过滤掉环境噪音，从而辨别出人声。使用ARS后，即使用户在25英尺（7.62米）之外发出命令，Echo也能够准确识别。除了Amazon以外，科大讯飞和联发科也开始提供类似整体解决方案。中国公司中，歌尔股份（002241.SZ），瑞声科技（2018.HK）等是全球重要麦克风阵列厂商，国光电器（002045.SZ），通力电子（1249.HK）是主要音箱厂商。
3D光学产业链主要集中在欧美，我国在滤光片、模组和设备全球领先：3D光学感测的产业链主要集中在欧美，领先厂商包括意法半导体、AMS（奥地利）、Lumentum等，A/H上市企业主要在光学镜片和模组、滤光片以及半导体设备上领先，我们推荐进入苹果供应链的ASM Pacific，关注水晶光电（未覆盖）。另外，随着安卓阵营的跟随，模组厂商舜宇光学、欧菲光（未覆盖）和邱钛科技（未覆盖）有望受益。
结构光在硬件上增加了衍射元件。结构光和TOF在硬件上的差异不大，都由发射端和接收端构成，主要的区别在于结构光需要将光源变成特定的图谱，所以需要衍射光学元件（DOE）。硬件配臵分为发射端与接收端两大部分：发射端：主要厂商为国际光通信和传感器大厂，集中在欧美。
VSCEL作为光源：3D感测主要采用红外光作为光源，原因是比可见光波长更长。VSCEL的光线相较于普通激光器而言具有低功耗、体积小的优势。VSCEL原先主要应用于光通信和光互连领域，国外Finisar（FNSR.US）和Avago两巨头占据市场的80%，被广泛采用于辅助聚焦、距离传感、识别等领域。目前国内仅光迅科技具备10Gbps以下VCSEL生产能力。
4.5晶圆级镜头、滤光片和DOE：
晶圆级光学镜头（WLO）主要功能是将点光源转化为线光源，WLO用半导体工艺生产，提高了镜头的生产效率，一片8寸的白玻璃可以切割成数千颗准直镜头；缺点在于不能调焦。主要厂家为奥地利的AMS（AMS.SIX）。AMS2016年10月收购掌握了大部分专利的准直镜头WLO（Wafer-level Optics）制造商Heptagon。
DOE：仅在结构光方案中使用。主要厂家包括奇景光电（HIMX.US）、精材（3374.TW）、采钰（2014年从台积电剥离）等。
滤光片：过滤掉频率不符合的光源。水晶光电（002273.SZ）与Viavi（IIVI.US）国际领先。
接收端：除舜宇光学和ASM Pacific占据领导地位外，欧菲光与球台有望受益于安卓阵营对3D光学感测的采用。
镜片：与可见光镜片不同，红外光镜片需要满足广角的特性，以尽可能保留深度信息。例如Google Tango的红外镜头，就是舜宇光学（2382.HK）制造的；主要厂商还包括台湾的大立光（3008.TW）和玉晶光（3406.TW）。
CIS传感器：CIS传感器由可见光和红外传感器组成，主要厂商为奥地利AMS（AMS.SIX），以及意法半导体（STM.N）。
CIS传感器制造设备和主动对准工具：主要提供商为ASMPacific，占据全球主要市场份额。
模组：舜宇光学、欧菲光、邱钛科技等在模组上占据全球光学模组的重要地位。在联想Phab2pro中，舜宇光学提供了后臵三颗镜头的模组，包括一颗TOF镜头发射脉冲光及一颗鱼眼镜头进行动态捕捉。
五、AI+汽车：全球智能驾驶发展最新动态5
5.1主要车厂加快自动驾驶布局，互联网科技公司积极切入
整车厂加快布局自动驾驶，预计到2021年全面实现L5。
目前看来，汽车市场普遍处于SAELevel2自动驾驶的部署，即辅助自动驾驶为主，主要车企的规划则大多是到2020~2021年间实现Level5的完全自动驾驶。
特斯拉：第二代Autopilot系统已经更换了全新的硬件系统Hardware2.0，与其相对应的软件将采取逐步升级的方式，第一步升级为Enhanced Autopilot；第二步再升级为Autopilot2.0（全自动驾驶能力），时间点为2017年年底。特斯拉CEO在公开演讲中表示，特斯拉自动驾驶系统将在2年后达到Level5级别，而在这之前特斯拉将继续其高级自动驾驶系统服务。
福特：计划2021年实现完全自动驾驶汽车（SAELevel4）的商业运作，这款车将不会有方向盘、刹车踏板、油门等，最初拟用于提供打车或车辆共乘服务，不会首先面向消费者。
通用：通用计划逐步提升自动驾驶水平，近期聚焦半自动驾驶技术，如「超级巡航（Super Cruise）」有望在今年晚些时候在凯迪拉克CT6上实现，在高速公路上行驶将能够解放双手。我们认为，在不久的将来，一旦通用将超级巡航引入到其车型中，极有潜力提升其量产车型的竞争力和定价能力。
丰田：在技术开发上有优势，有很多自动驾驶领域的专利，也产出了部分样车。但丰田担忧道路事故的风险，因而商业化还需要时间。
日产：在自动驾驶技术的商业化应用上极有野心，2016年8月推出的Serena小型货车上搭载了Pro Pilot高速公路单车道自动驾驶技术。这一技术得到了消费者的积极响应：与上一代车型相比，上市后的七个月内订单上涨34%，其中56%是配备了Pro Pilot系统。2018年，日产计划推出多车道自动驾驶技术，首先是实现在高速公路上的自主变道，到2020年实现在城市道路上的自动驾驶。
大众：大众与科技公司Mobileye签署合作协议，在自动驾驶领域共同开发全新高智能导航地图。大众集团的2025战略，提出将自动驾驶技术、电气化及数字化这三大领域作为集团未来发展的重点。在今年的北美车展上，大众发布了可实现高度自动驾驶的电动概念车I.D。
宝马：去年7月宝马就联合英特尔和Mobileye达成合作协议，联手研发高度自动驾驶和全自动驾驶的解决方案以及创新系统，宝马还谋求更多的优质合作伙伴加入自动驾驶技术研发领域，形成开放式平台合作。预计到2021年将实现量产车型高度自动驾驶。
5.2互联网公司积极切入无人驾驶
除了传统汽车厂商，科技公司也把目光聚焦在无人驾驶领域，通常从汽车智能化的核心软件技术入手，切入无人驾驶领域。百度和谷歌在高精度地图方面有显著优势，Uber在无人货运方面已有布局，苹果开发了智能防撞系统。
同时，自动驾驶领域的合作趋势日趋明显。1）对传统汽车厂商来说，与互联网公司、有科技含量的零部件公司、以及汽车共享服务商开展合作，是避免被淘汰的有效路径；2）对科技企业来说，自主造车并非最明智的选择，毕竟未来汽车不仅仅等于「互联网＋轮子」；3）对零部件供应商来说，只有依托于汽车制造和科技企业，才能推动汽车互联、加速无人驾驶或自动驾驶的普及，从而创造价值。
自动驾驶硬件：通用平台正在兴起
5.3汽车芯片：合纵连横加速发展
通常汽车主机厂在零部件的采购上，倾向采用垂直整合的商业模式。主要主机厂的电子元器件供应链也相对独立。全球前四大车载芯片供应商恩智浦、英飞凌、瑞萨，意法半导体都有各自主要服务的主机厂和一级供应商。
过去几年，包括Mobileye在内的主要汽车芯片公司已经在提供ADAS的芯片解决方案。从性能上来看，汽车芯片和英伟达、高通等提供的消费级芯片有较大差距。但由于整车厂对汽车芯片的安全性有较高要求，消费级芯片很难直接进入汽车芯片市场。
在过去的一年里，我们看到在汽车芯片行业发生了一系列并购。
英特尔/Mobileye：Intel宣布以150亿美金并购Mobileye。在汽车半导体领域，英特尔同时拥有Mobileye、Yogitech、Arynga等几个重要资产。Mobileye目前是领先的汽车视觉处理供应商，已为25家厂商的273款车型配备单目摄像头视觉处理芯片，Mobileye的EyeQ系列均为完整的SoC架构，在SAE-Level3和Level4上分别有5个合作项目。公司预计到2019年实现收入11亿美元，隐含年均增长46%。
公司从2012年开始研究深度神经网络（DNN，深度学习算法的一种）在汽车视觉中的应用，2015年10月量产的第三代芯片产品EyeQ3使用了DNN算法用来构建环境模型，实现了目前业内最为精湛的holistic path planning。
高通/NXP：高通宣布以380亿美金并购恩智浦（NXP）。2016年发布BlueBox平台，为OEM厂商提供设计、制造、销售Level4（SAE）自动驾驶汽车的解决方案计算平台。
英伟达：在图形处理上先发优势明显，是汽车厂商推进自动驾驶的技术伙伴，目前已宣布与特斯拉、奥迪、丰田、沃尔沃、博世、ZF等达成合作。公司推出了车用超级计算机DrivePX2，包含有4个处理器（2个GPU，2个Tegra）和12个CPU，每秒可进行2,400万次深度学习计算，以对来自不同传感器的信息作出实时反应。同时，英伟达通过开放PX平台，与相关车厂或一级供应商合作开发快速和定制化的SoC。
瑞萨电子（Renesas）2017年4月发布了Renesas Autonomy，一个全新设计的ADAS和自动驾驶开放平台。
意法半导体（STMicro）与Mobileye合作开发，两家公司最早在2005年就开始研发ADAS芯片。2016年5月Mobileye和意法半导体宣布将合作研发Mobileye第五代系统芯片EyeQ5，作为2020年实现全自动驾驶（FAD）汽车的中央处理器，并执行传感器融合程序，预计在2018年上半年可提供EyeQ5的工程样品。
德州仪器（TI）的汽车片上系统（SoC）解决方案TDA2x提供了一个开放的平台，TDA2x为前臵摄像头、泊车辅助、雷达及融合应用的入门级解决方案提供了一种可实现高性能的架构。TDA3x则主要用于帮助汽车制造商开发出更加尖端的应用，同时减少交通事故并使初、中级汽车实现更自主的驾驶体验。
5.4传感器：摄像头搭载数量上升，激光雷达加速发展
通过对最新发布的智能驾驶平台的分析，我们注意到两个明显趋势。
搭载摄像头数量上升：金准产业研究团队认为，要实现L3/4级别的自动驾驶，单车的摄像头数量将从L1/2级别的2颗增加到10颗。Tesla新推出的AutoPilot2平台总共含有8个摄像头，其中包括1个3目前视摄像头，3个前环视摄像头，3个后环视摄像头，1个后视摄像头，比AutoPilot1中1个单色前视摄像头数量大幅度增加。
激光雷达技术发展迅速：激光雷达能够发射激光束，并通过捕捉反射回来的信号绘制出3D模型。大多数切入自动驾驶的车企都选择搭载激光雷达，除了Tesla只依靠摄像头和普通雷达。制约自动驾驶向L3/4挺进的主要原因在于搭载的电子元器件成本太高，激光雷达目前的平均售价在5,000美金左右，因此如何快速的降低成本成为重中之重。Velodyne于近日推出了一款经济实惠的新型激光雷达，与传统的机械激光雷达不同，新型传感器能使用电子束引导激光束转向。这款新产品具有体积小，性能稳定，价格便宜等优势。
5.5市场规模：2025年达到486亿美元
自动驾驶硬件规模2025年可达486亿美元。金准产业研究团队认为，现有汽车电子占全球半导体市场仅为10.0%左右，2017年市场规模2017年将成长6.2%达到343亿美元，2018年增长7.2%至358亿美元。我们通过对各等级的自动驾驶渗透率进行了测算，在2025年自动驾驶传感器与计算芯片的规模可达486亿美元。
目前硬件价格高昂阻碍L3/4普及：我们对SAE要求的各等级自动驾驶需要加装的硬件成本进行了测算，主要分为计算芯片和传感器两部分。从L1到L4，级别越高，所需要加装的硬件成本也在上升，整体而言，2016年L1/2的单车电子加装成本为648美元，L3/4则需21,920美元，其中中央控制和处理器占据绝大多数成本，例如，NvidiaDrivePX2的售价高达1.5万美元。
2025年L3/4的加装成本有望下降至4,688美元。我们对主要硬件成本的价格曲线进行了假设，随着摄像头、激光雷达、芯片成本的不断下降，以及软件处理的优化，判断到2025年，L3/4等级的自动驾驶成本有望从超过2万美元缩减到4,688美元，同时带来渗透率的提升。
下图归纳了亚洲自动驾驶/电动车产业链的情况。
中国在动力电池技术上全球领先，但在汽车电子上相对薄弱，主要平台目前掌握在Continental、Bosch、Denso等全球一级供应商手里。中国公司主要作为二级供应商参与到整个供应链中去。中国公司相对较强的零部件包括：（1）电子传感器（舜宇），（2）车机（航盛，华阳，德赛）。
中国厂商在汽车电子产业链中的布局：
舜宇光学：是全球最大车用镜头提供商，产品覆盖了车载摄像头的各个领域（前视、后视、内视（驾驶员监控/手势识别）、环视、智能后视镜等。进入HUD与激光雷达领域，全方位布局传感硬件。
欧菲光：公司通过汽车电子业务、智能中控业务、智能驾驶业务以及互联网+业务切入汽车电子领域。公司在传感器（摄像头、雷达）、控制器（高清全景环视系统、ADAS高级辅助驾驶系统）等方面进行了产品布局。同时，公司投资了美国的Cruise Automation，其产品可将普通车辆变成自动驾驶汽车，第一代自动驾驶系统适用于奥得润电子：拥有全面的连接器布局，前瞻性布局车联网，收购意大利OBD（行车记录仪）模块龙头企业Meta，向车联网保险等软件服务领域拓展。
四维图新：布局无人驾驶，构建高精度地图、动态交通信息。同时，打造趣驾WeDrive3.0完整车联网生态平台，产品包括纯车机方案WeCar、车机互联方案WeLink、和操作系统趣驾OS。
比亚迪：布局BMS，母公司集电池、BMS、电动汽车研发于一身，垂直整合优势明显。比亚迪汽车电子已经有多年积累，2014年上市内臵Android操作系统的车型。
德赛电池与欣旺达则在电池封装与BMS上领先布局。
深圳航盛电子（未上市）致力于为整车厂开发生产智能网联汽车信息系统、智能驾驶辅助系统、新能源汽车控制系统等产品。未来，公司将重点布局车内ADAS、安全技术和智能驾驶技术。
华阳（待上市，我国最大的激光头和汽车音箱生产商之一）将围绕车本身，在相关的感知系统和通信定位和决策系统上布局，推出三个领域的产品：车身电子控制系统、娱乐系统、高级驾驶辅助系统。
德赛西威（未上市）与百度联手，将围绕BCU和MapAuto两个维度，在高精度地图与自定位、汽车环境感知、决策等技术领域展开合作。其大股东是上市公司德赛电池的母公司。
六、AI+医疗：从电子病历到辅助诊疗手术机器人，应用前景广泛
语音交互、计算机视觉、认知计算等技术蓬勃发展，助推医疗领域的快速突破。通过人工智能的手段，医生诊疗、患者自诊的效率可以大幅提升。具体的应用场景包括：语音录入病例、医疗影像智能识别、辅助诊疗/癌症诊断、医疗机器人、个人健康大数据的智能分析等。其中，（1）语音录入病历已在国外具备成熟应用，国内从去年起已开始逐步试点落地；（2）医疗影像智能识别尽管处于发展初期，但市场创业热情极高，不过仍需要解决数据标注等难题；（3）在辅助诊疗、癌症诊断、生物医学研究等领域，随着IBM Watson、Google DeepMind等巨头的切入，产品化进度突飞猛进，目前Watson已在国内数家医院落地，国内部分医疗IT与人工智能巨头企业也在着手研发；（4）Intuitive Surgical、天智航等企业已在手术机器人领域深根多年，近期导诊服务机器人也在集中上线；（5）个人健康大数据智能分析仍处于单点突破的阶段，可以通过一些特征数据实现对特定疾病的预测。综合来看，AI+医疗是人工智能应用中具备强大市场潜力的新兴领域。
6.1语音录入病历：国际巨头已现，中国市场发展广阔
传统电子病历录入耗时过长，成为医生的职业困扰，电子病历（EMR）的设计初衷是实现高效诊疗和数据共享，但实际操作中医生却需要耗费大量时间录入病历，诊疗效率并未得到有效提升。根据医学网站《丁香园》调查，50%以上的住院医生每天用于写病历的平均时间达4小时以上，其中一部分甚至超过7小时；据美国医学会（AMA）统计，医生职业生涯约15%~20%的时间用在病历书写等文档工作上，而接受训练的医生（如住院医生）所耗费的时间更是高达30%，电子病历录入的简易性和高效性成为临床医生的迫切需求。
语音录入成为主要解决方案，兼容性和准确率是应用的关键。语音电子病历允许医生通过口述的方式进行病历的录入，成为代替传统电子病历的主要解决方案，语音输入系统需要与现有的医疗信息化系统相结合，兼容不同版本的HIS、EMR、PACS等子系统；此外，准确率是语音录入的核心评价指标之一，尤其医疗领域的专有名词数量众多，系统必须进行有针对性的优化，这也为准确识别和录入增加了难度。
6.2医疗影像智能识别：上市公司和创业公司纷纷布局，整体处于商业化初期阶段
医疗影像数据丰富，人工识别存在不足。据统计，医疗行业90%的数据源于医疗影像，而现阶段的医疗影像诊断分析主要由医师人工完成，存在着一定的不足。（1）医师数量存在缺口。医疗影像数据保持着年均30%的高速增长，而中国放射科医师数量年均增速仅4.1%，基层医生更是严重缺乏，人手不足旺旺导致影像科医生工作时间过长；（2）医师的疲劳或经验不足可能引起错误的诊断。据统计，我国普遍疾病的误诊率高达27%左右，重大疾病的误诊率更是高达40%左右；（3）对影响的识别存在较强的主观性，医师之间的技术和经验有所差异，对同一资料的解读也可能存在分歧；（4）人工识别仅基于个人小样本的经验，很难利用全行业的大规模数据获取进一步的有效信息。
智能识别基于图形学和深度学习技术，有望提升信息复用率、识别效率和准确率。在医疗影像的智能识别中，首先借助计算机图形技术对医疗影像进行预处理、图像分割、特征提取、匹配判断等处理，而后结合后台数据库中的医疗影像数据，基于深度学习方式构建模型，针对医疗影像进行识别并给出判断。相比传统人工读片，智能识别充分提高了信息的重复利用率，能够以更客观、低成本、高效率的方式进行影响识别。
智能识别解决行业痛点，实现医院、患者、医生三方面共赢。医生方面，智能识别减少了读片时间，辅助医生减低误诊概率，提高诊疗水平；患者方面，智能识别能够有效减少患者的诊疗时间，方便患者进行远程诊疗，享受一线城市和大型三甲医院的高水平医疗；医院方面，对大规模的数据加以充分利用，建立整体的数字化平台，提高医院的核心业务能力，同时也有望推进医院之间的数据交换和共享。
6.3辅助诊疗：以Watson为例，规模化应用值得期待
辅助诊疗作为认知智能的深层次应用，是“AI+医疗”的核心场景之一。通过理解和学习医师的专业知识，辅助诊疗技术平台模仿专业医师的判断过程，针对疾病作出诊断，并给出诊断的置信范围。目前，辅助诊疗行业较为成熟的案例是IBM的Watson系统，国内人工智能公司科大讯飞也在积极布局。
6.4医疗机器人：手术机器人达芬奇去嫉妒较高，导诊机器人集中面市
医疗机器人市场空间广阔，手术机器人占据65%份额。根据波士顿咨询的数据，2016年全球医疗机器人行业每年营收达到74.7亿美元，2020年有望达到114亿美元，年均复合增长率约为11.1%；至2018年年全球医疗机器人的销量达到约4000台，2014~2018年CAGR达到34.45%。按照应用场景，医疗机器人可分为手术机器人、诊疗机器人、护理机器人、康复机器人、导诊机器人、医用教学机器人等。手术机器人是整个医疗机器人市场中占比最大的产品。
6.5个人健康大数据分析、精准医疗等
“AI+医疗”还可以用于个人健康大数据跟踪与分析、基因检测、精准医疗等方面。
智能软硬件共同助力个人健康大数据分析。个人健康的大数据分析可分为两个方面：一方面是基于个人数据实时监测和分析的日常健康管理，另一方面是个体治疗中的病情监控、评估疗效、康复护理等信息管理。智能软硬件设备高度写作，医疗设备霍克穿戴设备进行健康情况、运动情况、睡眠情况等数据的实时采集，而后将数据传输至后台软件，基于大数据平台和个人健康模型进行分析及预测。据英国咨询公司CCS Insight预测，2016年可穿戴式行业规模140亿美元，2020年则有望达340亿美元，CAGR达到24.8%，个人可穿戴设备的增长有望促进个人健康数据分析的普及。
基因测序技术逐步成熟，各国基因组计划相继启动，精准医疗具备发展基础，精准医疗基于基因测序、分析和诊断技术，为个体制定个性化的预防措施或提供精确的靶向治疗方案。目前，基因测序技术经历了三次迭代，二代测序技术已经成熟，精准医疗具备了测序的技术基础。2011年起，各国的基因组计划相继开展，精准医疗具备了大规模的生物学数据资源。根据BBC Research的数据，全球精准医疗市场从2005年的187亿美元增长到2015年的585亿美元，年均复合增速12%，预计2020年全球精准医疗市场规模将达1023亿美元。目前，可以进行基因诊断的疾病已经达到3000余种，主要集中在NIPT（无创产前诊断）、肿瘤诊疗、辅助生殖、遗传病风险评估、罕见病筛查等领域。
