《AI趋势观察-人工智能六大行业投资展望》由会员分享，可在线阅读，更多相关《AI趋势观察-人工智能六大行业投资展望（9页珍藏版）》请在金锄头文库上搜索。
1、AI 趋势观察人工智能六大行业投资展望近日，专注人工智能（AI）的商汤科技宣布完成 4.1 亿美元 B 轮融资，创下全球人工智能领域单笔融资最高纪录。Test in Asia 数据库显示，中国整个科技行业 2017 年上半年总计完成了 278 亿美元的融资活动。据 IT 桔子数据统计，2017 年第一季度国内人工智能领域投资事件不到 10 起，总融资额却高达近 50亿人民币。人工智能已成为当下最热门的投资领域。走出去智库（CGGT）认为，人工智能技术正加速向经济社会各个领域全面渗透，重构生产、分配、交换、消费等各环节。从目前来看，人工智能技术可广泛应用于工业、安防、教育、医疗、金融以及无人驾驶
2、等六大行业多个细分领域中，但由于算法、数据获取、政策安排等因素，在不同的行业里，其人工智能技术的落实呈现出不同的阶段和历程，因此企业投资的方向也应相应有所侧重。今日分享来自申万宏源研究的一篇报告，对于上述六大行业的产业趋势及商业路径分别给予详细推演，供各位读者参考。要点1、比对技术细则，可将人工智能的细分行业分为三线：一线为工业、安防，技术成熟、数据容易获得、应用已初步验证。二线为教育、医疗，技术相对成熟，数据获取有渠道壁垒，应用落地需要较长测试期及整合。三线为金融、无人驾驶，技术相关性较弱，数据难获得，应用需要长期测试及行政允许。2、工业领域中一线公司将快速成长，自动检测等应用会形成独立市场
3、。3、医疗领域，AI 发展主要受限于医院、病人以及卫生部门等数据获取难度，产品验证与资质需要时间。4、金融行业中，AI 技术主要应用在智能投顾、征信、金融搜索引擎、身份验证和智能客服等方面。Gartner：部分 AI 技术已开始落实2016 年 7 月的 Gartner 技术曲线表明，人工智能（AI ）的部分技术已过了期望膨胀期,可开始落实。根据 Gartner 公司的研究，AI 技术产业化可按照变革性高低和时间长短区分出投资的三个象限。1、适合产业价值的投资技术:机器视觉、自然语言处理。2、适合产业趋势的投资技术:认知专家顾问、虚拟个人助理、商业无人机、智能机器人、情感运算。3、适合主题方向
4、的投资:自动驾驶汽车(与车联网、新能源汽车区分 )、通用机器智能、脑机接口。图 1 Gartner 技术曲线（2016 年 7 月）从三项技术细则比对来看，可将人工智能细分行业分为三线：一线：工业、安防，技术成熟、数据容易获得、应用已初步验证。二线：教育、医疗，技术相对成熟，数据获取有渠道壁垒，应用落地需要较长测试期及整合。三线：金融、无人驾驶，技术相关性较弱，数据难获得，应用需要长期测试及行政允许。表 1：AI 各行业不同的技术冲击层次资料来源：海康威视网站，科大讯飞网站，谷歌网站，颠覆医疗、智能时代，CSDN 等，申万宏源研究六大行业 AI 发展展望1、工业：一线公司快速增长产业趋势： 目
5、前是工业 2.0 向工业 3.0 转化； AI 增强精度已经验证,预计发那科（Fanuc ）排程构成历史新高； 自动检测等应用形成独立市场。商业路径： 技术成熟推进工业机器人在金属加工、建筑和重型机械领域应用； ABB、发那科、库卡和安川电机四家传统机器人公司加速 AI 转型，市场份额将进一步提高，AI 技术公司在合作中积累下游行业理解，短期内难以形成独立的商业模式。市场空间： 2019 年全球工业机器人出货量将超过 400 万台，2017-2019 年复合增长率超过 13%； 2020 年全球工业机器人市场空间超过 20 亿美元，2017-2019 年复合增长率超过 6%； 短期内以先进算法
6、为代表的工业流程管理技术市场规模依赖于制造业企业和技术公司之间的议价博弈；中长期工业机器人的市场空间主要被减速机、伺服系统、本体控制器等提供商占领，其中减速机所占市场空间超过 30%。2、安防：摄像头延续一代、看好公安 IT 深化产业趋势： 摄像头市场具有延续一代可能，从数字到网络单摄像头价值翻三倍，智能化具有进一步提升可能，集中化程度提高； 公安系统从传统集成向数据集中、视频分析、指挥调度推进； 依图、云从、商汤、Face+均有相对成熟的视频分析应用，2017 年进入推广期。商业路径： 市场空间：根据 IHS 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
7、128.4 亿美元，年均复合增速为 8.1%。其中，网络摄像机占比将从 2016 年的 82%上升到2020 年的 90%。摄像头市场在升级过程中将体现集中化趋势；公安信息化市场：三线城市公安信息化警务云+视频分析+指挥调度，目前处于试点期间，投资规模约 1000 万元。3、教育：数据和应用造就规模优势产业趋势： 技术具有壁垒：需要综合语音识别、知识图谱，适应大量样本的算法； 数据、应用决定具有规模优势，巨头公司掌握更多维、更优质的数据资源，初创公司数据范围受限。学校、学生重视品牌效应； 教育产业化进程中付费者与使用者分离且对价格敏感性较低，AI 技术在教育效率优化的过程中一旦突破用户使用阈值
8、可实现近乎零边际成本的大规模出货。商业路径： 4、医疗：空间确定，需要耐心产业趋势： 对于医疗影像领域的影响主要是通过深度卷积神经网络（CNN）算法对大量医疗影像资料的筛选辨别； 由于此轮深度学习在技术层面的突破主要是图像和语音，对于自然语言处理（NLP）以及知识图谱的冲击有限。辅助医疗系统中的核心技术是系统运用自然语言处理技术，理解学习大量的文献资料并形成知识图谱，同时基于自然语言对话系统和用户进行交互； 医院、病人、卫生部门等数据获取具有渠道难度，产品验证与资质需要时间。商业路径： HIS、医疗平台，是目前的主要收入来源； 专科分析、智能耗材，辅助有 DGR、医保控费等推进（预计 3 年）
9、； 专家系统、耗材放量（预计 3 年后）5、金融：技术冲击有限，应用落地正当时产业趋势： 智能投顾实际冲击有限。技术上看，深度学习主要增加回溯功能，对主流量化冲击有限，结果并不稳定； 智能客服（恒生）、财经搜索（同花顺、恒生）、身份验证（云从科技）已经处于产业应用阶段，但技术类公司市场空间有限； 证券类科技公司将会显著增多，量化类产品普及（如同花顺金融大师等）。表 2 金融行业 AI 应用领域商业路径 远程开户、客服支撑等项目； AI 为效果的投资辅助决策； 智能投顾（需要算法革新）。6、自动驾驶：产业承接新能源、车联网浪潮 产业趋势： L1/L2 级别的 ADAS（高级驾驶辅助系统）现阶段已
10、经基本成熟，未来 5 年内将加快其在轻型车中的渗透；L4/L5 完全自动驾驶技术将在 2020 年后逐渐放量，但是相关政策法规等对产业落地存在不确定性。 承接新能源、车联网浪潮，三大产业链叠加释放。商业路径： 2017-2020 年，Mobileye 与传统车企形成的第一阵营主导，英特尔收购后加强了与宝马、奥迪等车企以及原料供应商和一级供应商的合作，并在 EyeQ4/5 中引入安全冗余，完全实现 L2 级（传统车企对安全的要求极为苛刻保守）； 2025 年，谷歌、百度形成的第二阵营主导，认知计算和激光雷达成本突破阈值实现全自动驾驶汽车放量，由此带来的边缘计算将加大对英伟达的车载计算平台的需求； 2030 年，两大阵营技术路线融合实现突破。激光雷达与机器视觉等多传感器全面融合；高精度地图 2D 和 3D 互相补充，平衡数据量和精确度；政策法规充分适应自动驾驶新局面。
