人工智能，挑战与机遇.pptx

核心观点深度学习引领人工智能，开启新一轮产业变革。人工智能的三大支柱为“运算平台+数据资源+算法”， 共同推动人工智能不断突破。深度学习在人工神经网络基础上发展而来，自2006年提出之后快速发展， 在搜索技术，数据挖掘，机器翻译，自然语言处理，语音，推荐和个性化技术等领域不断取得突破， 深度学习推动人工智能产业开启新一轮革命。根据艾瑞咨询预测，2020年，人工智能产业规模预计超 过1500亿元；到2025年，产业规模预计超过4500亿元，市场空间巨大。下游渗透较多的行业包括安防、 金融、教育、汽车、商业、医疗健康等。人工智能产业链：三层结构——基础层、技术层、应用层基础层：产业发展的支撑者与使能者。“运算平台+数据资源”属于基础层范畴，运算平台对应芯片、 云计算等，数据资源对应传感器、行业数据和服务等。基础层通常需要大量资金、人力、核心数据 的持续投入，竞争门槛较高。技术层：底层框架、核心算法、通用技术。技术层“玩家”开发底层框架、研究新型算法、提高通 用技术水平，主要包含计算机视觉、语音及自然语言处理、机器学习等领域，对研发能力要求较高， 非巨头公司和巨头公司分庭抗礼的格局初步形成。应用层：百花齐放，充满机遇。应用层的主要任务是实现人工智能在各垂直行业的场景化落地。智 慧城市、互联网、金融、教育、医疗、地产、零售等赛道是AI企业的重点关注领域。垂直领域场景 化覆盖面广，充满机遇，未来有望呈现出百花齐放的格局。人工智能的机遇与挑战AI未来发展前景如何？——从历史来看，人工智能的发展呈现螺旋向上趋势，人工智能技术不断革 新发展是推动产业升级的关键，以深度学习、智能语音、CV、NLP为代表的技术仍有巨大发展空间。数据从何而来？——人工智能算法训练需要大量数据资源，可借助物联网、大数据等技术获取数据，AI公司有望依靠产品+技术+场景的完整解决方案，形成数据闭环，增强竞争优势。商业模式路在何方？——软硬结合是AI商业化的典型特点，与生态伙伴加深合作关系，实现优势赛道突破与控盘至关重要；从边界来看，伴随AI产业化程度加深，AI应用有望从2B向2C全面渗透。1投资建议风险因素：人工智能相关技术发展不及预期；商业化推进速度不及预期；产品与解决方案市场需求放 缓。投资建议：新一轮产业变革中，人工智能推动科技快速发展。人工智能正逐步从技术研发阶段向商业 化落地快速推进，目前已进入赋能传统产业链与各产业深度融合的关键时期。近期，伴随部分AI公司 IPO的关键推进，2021年有望迎来AI企业上市潮。我们看好技术积累深厚、产品优质、产业理解深入 的AI公司，相关企业有望借助自身对赛道的控盘力实现产品和技术之间的优势转化，不断兑现AI产业 的红利。建议关注科大讯飞、中科创达、德赛西威、恒生电子、虹软科技，以及暂未上市的商汤科技、 云从科技等。重点公司盈利预测、估值及投资评级公司名称收盘价(元)EPS(元)PE评级2020E2021E2022E2020E2021E2022E科大讯飞51.780.560.730入中科创达146.421.011.371.8314510780增持德赛西威122.90.921.111.3513411191买入恒生电子101.991.131.381入资料来源：Wind，中信证券研究部注：股价为2021年1月21日收盘价2CONTENTS目录一、 人工智能开启新一轮产业变革二、 人工智能产业链各环节机遇涌现三、 人工智能的挑战与机遇：能者为王3一、人工智能开启新一轮产业变革三大支柱支撑，向认知智能迈进资本+政策+需求驱动，产业高速增长41.1 三大支柱：运算平台+数据资源+算法人工智能通常是指“研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用的一门新的 技术科学”。人工智能的发展需要“运算平台+数据资源+算法”。机器学习属于人工智能的其中一个领域，通过经验学习优化计算机算法，其根本在于海量数据的训练。深度学习在人工神经网络的基础上发展而来，实现了从大数据中自动提取数据特征并设计特征模型，摆 脱了传统神经网络算法中需要人工工程进行各层的特征设计的弊端。人工智能发展的三大支柱人工智能、机器学习和深度学习的关系及发展时间算法人工智能数据资源运算平台资料来源： 中信证券研究部整理资料来源： NVIDIA，中信证券研究部51.1 发展历程：向认知智能迈进人工智能三次浪潮首次提出：1955年的达特茅斯会议上；在此之后的几十年里，人工智能的发展经历了两起两落；从2006年起由于深度学习算法的出现，人工智能产业第三次浪潮开启。计算——感知——认知人工智能已经跨过了能存会算（快速计算和记忆存储能力）的计算智能，正在处于能听会说、能看会认（视觉、听觉、触觉等感知能力）的感知智能阶段。深度学习