大市中国

大市中国 > 国际 >

人工智能行业投资研究报告:AI产学研加速推进 行业前景持续向好

2017-09-28 19:16:00

 

来源:长城证券

投资建议。人工智能(AI)本质为“用机器取代人类工作”,结合了“机器规模化生产、与人工个性化生产的优势”。运用AI改造传统行业,可同时实现低成本及差异化,大幅提升企业竞争力。随着消费变迁,消费者更加注重于差异化及个性化,追求定制化生产,AI将重塑产业竞争格局。目前,人工智能正处于第三轮爆发时期,AI产学研加速推进,行业前景持续向好。鉴于当前AI基础层(AI芯片、云计算等算力支撑)盈利已经爆发,考虑到产业链传导效应,未来AI产业盈利亮点还将传导至应用层。先前,“芯片计算能力受限”一度制约了深度学习算法的应用。近年来,“计算瓶颈突破&商用价值提升”引爆了人工智能市场,而自然语言处理是当前AI技术瓶颈。AI芯片市场而言:1)“推理输出环节的芯片市场容量”将远超过“模型训练环节”。训练环节注重“处理容量及处理速度”,而推理输出环节必保证“实时性及能效结构”;2)“CPU、GPU、FPGA、ASIC”各类芯片的“计算效率与通用性”难以兼顾,AI生态未来或决定哪种芯片结构最终花落谁家。同时,国内AI芯片企业崛起势头明显。AI商业应用而言:1)凡是具有明确规则的工作,很快会被人工智能取代;没有明确规则(如自然语言处理、语义理解),替代进程相对缓慢;2)AI细分行业的商业潜能主要取决于“替代技术的可能性、应用行业的规模大小、及渗透率高低”;3)就AI行业应用前景而言,某行业的AI需求度(行业规模×AI产品渗透率)比较高,且技术成熟度比较高时,AI应用潜力就比较大。因此,我们建议投资者关注AI需求度及技术成熟度均高的智能安防、无人驾驶等领域。智能安防领域,可关注东方网力(300367.SZ)、海康威视(002415.SZ)、大华股份(002236.SZ)等标的。无人驾驶领域,可关注四维图新(002405.SZ)、均胜电子(600699.SH)等标的。

人工智能可同时实现低成本及差异化,将重塑产业竞争格局。传统企业竞争中,需选择“成本领先、差异化、集中化”三类战略中的一种,但三种战略内部存在矛盾、不可兼顾,而“处于中间战略或者战略定位模糊的企业”则难以争取到“成本导向客户”及“(差异化)价值导向客户”,处于竞争劣势。波特教授认为,若某一战略或技术可同时实现“成本降低、及差异化”,则会大幅提升竞争优势。机器易实现批量化生产,但难满足个性化;人工易实现个性化,但难满足规模化需要。人工智能(AI)本质为“用机器取代人类工作”,结合了“机器规模化生产、与人工个性化生产的优势”:1)“AI+行业”可通过规模化生产,从而“大幅提升工作效率并降低生产成本”;2)“AI+行业”还可通过个性化生产,实现定制化及专门服务,充分满足消费者的差异化需求。因此运用AI改造传统行业,可同时实现低成本及差异化,大幅提升企业竞争力。随着“汽车、家电、电子消费品”等行业日益成熟,由于人类天然具备个性化需求,“这类直接面向消费者的行业话语权”逐步由卖方转向买方,消费者更加注重于差异化及个性化,追求定制化生产,AI将重塑产业竞争格局。

人工智能正处于第三轮爆发时期,盈利亮点由基础层传导至应用层:目前,人工智能处于第三次爆发时期,AI产学研持续推进:1)风投、PE资本竞相涌入;2)“AI相关专利申请数量、市场规模”大增;根据艾瑞咨询,2020年全球AI市场规模将达到1190亿元,年复合增速约19.7%;同期,中国人工智能增速将达91亿元,年复合增速超50%,远超全球增速,市场前景广阔。3)人工智能亦大幅跑赢市场指数,AI超额收益明显。人工智能可分为基础层、技术层和应用层,基础层为算力支撑(AI芯片、云计算),技术层为算法平台,应用层是AI向各传统行业渗透应用。受AI市场(无人驾驶、数据中心)的强劲需求驱动,在过去十余个季度,海外科技巨头英伟达的业绩增速持续超出华尔街预期,英伟达股价一骑绝尘,从2015年的23美元增长至目前187.55美元(2017/9/18,区间涨幅高达8倍)。鉴于当前AI基础层(AI芯片、云计算等算力支撑)盈利已经爆发,考虑到产业链传导效应,未来AI产业盈利亮点还将传导至应用层。

“计算瓶颈突破&商用价值提升”引爆AI产业链,自然语言处理为AI当前技术瓶颈:“提高AI模型精度”需要增加深度学习层数以抽取更多特征。深度学习算法在训练模型时,随着“隐层层数增加及训练数据规模扩大”,训练AI模型时的计算量呈现几何式增长,而“芯片计算能力受限”一度制约了深度学习算法的应用。2013-2015年,英伟达深度学习用GPU计算性能提升50X,训练天数远低于CPU芯片,解决了“训练AI模型的计算能力瓶颈”。目前,英伟达GPU芯片成为“训练深度学习模型的事实标准”。深度学习刻画事物属性的维度将随着层数增加而增加,精度可通过大量事例(大数据)学习来保证。就应用而言,先前很长时间内,图像与语音识别准确率仅可达80-85%,但通过深度神经网络及大数据的训练,准确率提升了10-20%,目前准确率超过90%,语音识别/图像识别接近或达到人类水平,可适用于大部分商业场景。“计算瓶颈突破&商用价值提升”是近年人工智能爆发的两大关键要素。自然语言处理作为人机接口,在“机器识别、智能助理、智能客服”等领域应用前景广泛,是当前AI技术发展的瓶颈。

“芯片的计算效率与通用性”难以兼顾,AI生态或将决定“AI芯片市场”花落谁家:先前受限于芯片计算能力,传统神经网络一般为“十几层到几十层”,难进一步增加。随着“芯片制造工艺的进步(芯片制造工艺已经达10nm)”及“GPU、FPGA、ASIC”等AI专用型芯片的计算能力持续提高,现在算力可支撑“神经网络层数达几千层”,AI模型的精度进一步提升。人工智能应用环节分为训练、推理输出两个步骤,“推理输出环节的芯片市场容量”将远超过“模型训练环节”。对芯片要求而言,训练环节计算工作量极大,注重是服务器的“处理容量及处理速度”;推理输出环节必须保证“实时性及能效结构”。目前,英伟达GPU芯片成为AI模型训练的事实标准,但其未必“推理数据环节”的标准。各类芯片比较而言,从CPU、GPU、FPGA到ASIC,晶体管中的计算单元占比越高,计算效率越高,且芯片通用性降低、专用化加强、易用性降低。“各个芯片的计算效率与通用性”难以兼顾,未来“AI推理输出的芯片市场”花落谁家仍未知。具体而言,各科技巨头亦加速布局AI芯片:1)Google:通过“TensorFlow系统、TPU芯片(ASIC)”再塑AI时代生态;2)NVIDIA:受AI市场强劲需求驱动,AI芯片(GPU)业务持续爆发;3)Intel:收购FPGA龙头Altera,巨资研发AI专用芯片(XeonPhi);4)IBM:重磅推出多款并行式类脑芯片,大幅提升AI算力;5)苹果:iPhoneX集成A11人工智能芯片,以支持CoreML及AI应用;6)华为:发布全球首款AI移动芯片(麒麟970)。就计算机发展历程而言:操作系统和芯片具有“极强的规模效应”,均形成寡头垄断格局。与“PC时代、智能手机时代”不同的是,人工智能系统对“芯片的专用性”要求更高,而非强调通用性。因此,人工智能系统的生态未来或决定哪种芯片结构将最终获胜。虽然国内芯片进口依赖度较大、集中于产业链低端。但中国高度重视芯片发展,近年来,“芯片设计、芯片制造企业”成长迅速,预计在未来“全球芯片、人工智能产业格局”上,国内芯片厂家有望后来居上。

AI易取代“具有明确规则的工作”,AI商业潜能取决于“行业规模、AI渗透率、技术成熟度”,关注智能安防及无人驾驶:当前AI技术仅可做模式识别,其对目标对象进行“分类、识别”,还无法进行理解,也不具备创造性。“AI模式识别”是在规则场景下的决策控制,以模式识别为主的技术能力决定了AI产业分布(当前,AI产业大部分为视觉、语音处理)。就AI对人工工作替代进程而言:1)凡是具有明确规则的工作,很快会被人工智能取代;没有明确规则(如自然语言处理、语义理解),替代进程相对缓慢。AI应用必须与行业相结合。AI细分行业的商业潜能主要取决于“替代技术的可能性、应用行业的规模大小、及渗透率高低”。AI替代技术的可能性主要取决于“技术成熟度”,而“AI在某一细分行业的渗透率”主要取决于AI产品性价比情况:1)性能方面:深度学习在“语音识别、图像识别、智能安防、无人零售等”应用领域,所发挥的效用已经超过人类智能。未来还大概率向教育、医疗等领域发展;2)成本而言:机器人成本降低到人工成本的一定程度,机会才会涌现。但AI具备明显规模效应,成本可随着规模增加而迅速降低;而随着全球经济向前、及老龄化持续加重,人力成本攀升势头明显。AI替代人类工作将成为历史趋势。就AI行业应用前景而言,某行业的AI需求度(行业规模×AI产品渗透率)比较高,且技术成熟度比较高时,AI应用潜力就大:1)当需求度很低时,即使技术成熟度很高,应用潜力亦有限;2)如果AI需求度很高,但技术却不成熟(比如教育),行业的中期机会亦较少(技术突破需要较长时间)。综合考虑“AI需求度及技术成熟度”,我们建议投资者关注AI需求度及技术成熟度均高的智能安防、无人驾驶等领域。

相关报告:中国人工智能行业“十三五”发展趋势与投资机会研究报告
郑重声明:本文版权归原作者所有,转载文章仅为传播更多信息之目的,如有侵权行为,请第一时间联系我们修改或删除,多谢。