海外人工智能AI行业调研投资展望分析报告Word文档下载推荐.docx

海外人工智能AI行业调研投资展望分析报告Word文档下载推荐.docx

《海外人工智能AI行业调研投资展望分析报告Word文档下载推荐.docx》由会员分享，可在线阅读，更多相关《海外人工智能AI行业调研投资展望分析报告Word文档下载推荐.docx（22页珍藏版）》请在冰豆网上搜索。

AI产业链中，芯片产业率先引来爆发。

PCGPU巨头NVIDIA已经将业务重点转向AI领域，2016年，AI芯片相关的数据中心增速（145%）、汽车电子增速（52%）业务远高于传统游戏业务增速（18%）、及原设备制造&

IP业务增速（-11%），AI芯片业务呈现爆发增长态势。

PCCPU巨头Intel也将业务重心由PC芯片、移动芯片转向云计算、物联网及AI等领域。

2016年，Intel数据中心（云计算）和物联网营收增速分别为7.85%和14.80%，远超过传统PC客户端业务增速2.14%，Intel数据中心及物联网营收占比不断走高，云服务及物联网业务成为Intel驱动营收增长的主要因素。

Intel数据中心营收占比从2014年Q2的24.80%提升至2016年的29.12%，物联网营收占比从2014年Q2的3.84%提升至2016年的4.46%。

无人驾驶解决方案的龙头Mobileye，受ADAS系统（主要为EyeQ3/4芯片）强劲需求驱动，2015年实现营收2.41亿美元，2011-2015年营收年复合增长率高达65.90%，业绩增长极为强劲。

1.1NVIDIA——AI芯片业绩呈现爆发增长

NVIDIA业务重点从PCGPU转向人工智能领域：

NVIDIA是视觉计算技术的全球行业领袖。

目前NVIDIA已从传统PCGPU业务转向游戏、专业工作站、数据中心和汽车电子四大业务，并致力于打造基于AI平台化公司，构建端到端的深度学习平台。

NVIDIA在AI和自动驾驶领域，形成了以TeslaP100和DGX-1为核心的训练体系，以P4/P40和Tensor-RT为核心的数据中心推理体系，及以JetsonTX1与Jetpack2.3、DRIVEPX2与Driveworks为核心的智能设备体系。

NVIDIA在上述领域从硬软件到解决方案上都进行了全面布局，构建了端到端的深度学习平台。

NVIDIA致力于深度学习芯片研发，其应用于AI领域的TeslaP100芯片开发费用高达20亿美元（2016年NVIDIA营收为69.10亿）。

NVIDIA在全球首发多款重磅深度学习芯片助推AI革命，其PASCAL架构GPU在三年内助推深度学习加速高达50倍（最新为65X），未来几年内，还将学习速度再提高10倍。

目前深度学习解决方案几乎完全依赖NVIDIAGPU加速计算。

随着科技巨头相继开源AI开发工具，开发者可跳过高昂的AI算法研发环节，直接使用国际优秀AI开源平台、GPU等计算芯片、大数据来进行训练，极大幅度降低AI开发者技术门槛，AI市场有望迎来另一波商用化高潮。

根据机构预计，GPU市场规模将迅速扩大，到2025年销售额将增长至142亿美元。

在人工智能、汽车电子、VR等强烈需求驱动下，独立GPU龙头企业NVIDIA市值屡创新高，2016年股价涨幅高达230%。

图1：

NVIDIA全面布局AI，构建端到端深度学习平台

图2：

NVIDIAGPU3年间将深度学习效率提升50倍

AI芯片业务营收呈现爆发增长：

基于传统PCGPU业务渐于饱和、及对AI潜在市场强烈看好，GPU巨头NVIDIA正积极谋求战略转型。

2015年Q1已不再提及传统PCGPU业务，并将战略重点投向游戏、专业工作站、数据中心和汽车电子等四大市场，NVIDIAGPU芯片目前在虚拟现实、人工智能和无人驾驶汽车等领域位于重要中心。

四大市场中，数据中心、汽车电子市场均为AI应用领域，NVIDIA未来发展极为倚重AI技术。

2016年，NVIDIA实现营收高达69.1亿美元，同比上年增长38%，这主要是受游戏、数据中心及可视化、Tegra无人驾驶系统等产品强劲需求驱动，其中，搭载于游戏平台和数据中心的GeForce显卡增长尤为亮眼。

细分业务而言，数据中心（加速计算平台Tesla®

、深度学习超级计算机DGX-1、图形虚拟化平台NVIDIAGRID™）实现营收8.30亿美元，同比上年增长145%，市场对于人工智能、深度学习、云计算和虚拟化计算、深度学习超级计算机DGX-1的强烈需求旺盛；

Tegra处理器业务（Tegra无人驾驶系统）收入达4.87亿美元，同比上年增长52%。

数据中心增速（145%）、汽车电子增速（52%）远高于传统游戏业务增速（18%）、及原设备制造&

IP业务增速（-11%），AI芯片市场需求旺盛，呈现爆发增长态势。

2016年，英伟达毛利率高达58.8%，反映了GeForce游戏GPUs、数据中心平台、深度学习的强劲需求、及高议价能力。

表1：

NVIDIA与AI相关的“数据中心、汽车电子业务”增速远高于“传统游戏业务、原设备制造&

IP业务”及增速

1.2英特尔——巨资打造AI芯片业务，云服务及物联网驱动业绩增长

Intel业务重心由PC芯片、移动芯片拓展至云计算、物联网及AI等领域：

英特尔是全球最大的个人计算机零件和CPU制造商。

近年来，随着PC市场、移动终端市场渐于饱和，其传统业务表现不佳，为避免过度依赖PC、服务器业务，公司积极谋求战略转型，将业务从PC芯片、移动芯片拓展至数据中心（云服务）、物联网、人工智能等领域。

英特尔围绕AI进行系列收购，根据CBInsights，Intel在AI领域总投资额排在第二位。

英特尔AI布局将从优化计算能力及感知能力等方向切入，重点聚集于新一代AI计算芯片及新一代视觉感知等领域，以延续传统业务（CPU）、及商业模式（打造生态系统）优势。

AI终端布局，Intel聚焦于人机交互，进一步提升终端设备智能化水平，并将设备数据上传至后端数据中心。

AI后端布局，着力研发适合机器学习CPU芯片、及FPGA芯片，以拓展AI计算性能。

AI软件布局，致力于提供数学核心函数库和提供较高级别算法的数据分析加速库。

未来英特尔将打通从云端数据中心到设备终端，历经大数据处理环节，再回到云端数据中心等AI闭环，打造AI生态系统以谋求领导地位。

AI用CPU芯片：

Intel试图将CPU优势延伸至深度学习领域。

目前Intel正为

AI应用研发至强融核处理器家族XeonPhi，计划2017年推出至强XeonPhi新型

芯片。

至强Phi专攻高度并行的工作负载，可处理深度学习专有的某些指令，而

无需集成外部处理器。

2016年8月，Intel耗资4亿美元收购Nervana，试图通过

NervanaSystems在硅层实现机器学习，而非基于GPU架构。

AI用FPGA芯片：

以167亿美元收购FPGA芯片厂家Altera，试图研发一体化芯片，融合FPGA、至强系列优势。

图3：

英特尔全面布局人工智能领域

图4：

FPGA可明显降低人工智能算法能耗

云服务及物联网业务成为驱动营收增长：

英特尔提出“2016重建计划”，将未来工作重心从PC芯片转向物联网和云计算，2016年度，云计算及物联网成为公司盈利最大亮点。

英特尔数据中心（云服务）、物联网的营收占比不断走高，数据中心营业收入占比从2014年Q2的24.80%提升至2016年的29.12%，物联网营收占比从2014年Q2的3.84%提升至2016年的4.46%。

受益于云服务、物联网的销量及售价增加，2016年，数据中心和物联网营收增速分别为7.85%和14.80%，远超过传统PC客户端业务增速2.14%，云服务及物联网业务成为驱动营收增长的主要因素。

表2：

英特尔与AI相关的数据中心、物联网业务大幅增速高于传统PC芯片业务

1.3Mobileye——ADAS系统需求旺盛，营收持续强劲增长

全球ADAS芯片和自动驾驶解决方案的顶尖提供商：

Mobileye致力于计算机视觉、地图及机器学习领域，是全球ADAS（高级驾驶辅助系统）芯片和自动驾驶解决方案的龙头企业。

ADAS是辅助驾驶，核心是环境感知，不以完全控制汽车为的，而自动驾驶则是替代人工作。

与Google、Tesla着眼于完全自动驾驶不同，Mobileye则采用更廉价可行方案，着眼于提供ADAS系统。

Mobileye主打产品是一款基于摄像头的ADAS芯片——EyeQ芯片，EyeQ识别率已高达99.99%。

目前，自动驾驶尚处“有限的自动驾驶”早期，ADAS系统作用关键，MobileyeADAS系统的市占率高达75%。

截至2016年1月，其ADAS9产品被应用于通用、宝马、沃尔沃、特斯拉等20个整车厂的237款车型，全球已有超过1000万辆汽车使用了Mobileye技术。

Mobileye持续更迭EyeQ3芯片，2015年发布EyeQ4，且计划EyeQ5芯片于2019-2020年面世，巩固MobileyeADAS系统优势。

图5：

MobileyeEyeQ芯片发展蓝图

图6：

ADAS系统对应汽车自动化1-3级

受ADAS系统强劲需求驱动，Mobileye在2011-2015年营收年增速高达65.90%：

受ADAS系统强劲需求驱动，Mobileye营业收入增长强劲，2015年实现营收2.41亿美元，Mobileye在2011-2015年营收年复合增长率高达65.90%。

2015年实现净利润0.68亿美元，成功扭亏为盈。

Mobileye按细分市场可分为：

原始设备制造（OEM，原装市场）、和售后市场（AM，后装市场）。

原装市场（OEM）提供专有的软件算法和EyeQ®

芯片，主要面对自动驾驶系统的一级整合商。

后装市场（AM）可提供完整ADAS系统（包括专有软件算法、EyeQ®

芯片、照相机及其它配件），主要面向“购车者、汽车经销商及汽车进口商”等汽车终端客户。

2015年，Mobileye原装市场（OEM）实现营收2.02美元，同比上年增长65.57%；

后装市场（AM）实现营收0.39亿美元，同比上年增长77.27%。

随着ADAS系统。

随着汽车交通安全问题关注度增加，消费者追捧配备ADAS系统的汽车，全球汽车庞大存量市场将加装ADAS系统，Mobileye后装市场（AM）正迅速打开，预计公司高营收增速将持续。

表3：

2015年，Mobileye营收增速高达67.36%，呈现爆发增长态势

2.AI技术层——算法龙头（Google、IBM）引领AI时代，加速数据资源变现

Google、IBM专注于人工智能（AI）技术层，研发更高级AI算法，积累AI底层技术。

搜索巨头Google加速推进“后智能手机时代”战略，重点聚焦于机器学习算法。

AI增强客户粘性，持续扩大Google用户流量，再将用户流量变现为广告业务盈利。

2016年Google广告收入增速高达17.80%，AI强化谷歌广告业务高增长势头。

PC巨头IBM在2016年11月，撤销全球业务咨询GBS和技术服务GTS等部门，并转型成认知解决方案和云平台公司。

2016年IBM“云平台、数据分析、移动解决方案、安全解决方案”等战略业务实现营收353.37亿美元（占比44.22%、增长0.55%），以IBMWatson为代表的认知解决服务实现营收181.87亿美元（占比22.76%、增长1.94%），从营收体量、营收增速来看，IBM的AI相关业务均大幅超过传统互联网业务，“云计算、人工智能”等已成为IBM业绩的主要贡献点。

总体而言，AI算法龙头公司（Google、IBM），在人工智能各领域涉足较广，并加速AI向传统行业渗透，正