人工智能+行业市场调研分析报告.docx

人工智能+行业市场调研分析报告.docx

《人工智能+行业市场调研分析报告.docx》由会员分享，可在线阅读，更多相关《人工智能+行业市场调研分析报告.docx（13页珍藏版）》请在冰豆网上搜索。

人工智能+行业市场调研分析报告

2017年人工智能+行业市场调研分析报告

目录

人工智能：

智能手机以后下一个超级周期3

一、人工智能将会成为下一个通用计算平台3

二、人工智能+半导体：

GPU，CPU还是FPGA7

三、人工智能+5G：

第一个为超级大脑设计的网络9

1、射频、天线、SDN/NFV、光模块、物联网是5G的关键技术12

2、受益厂商14

四、人工智能+电子元器件：

声学/光学传感器新的增长点15

1、人工智能+行业应用（安防/电信/智能驾驶/手机）15

人工智能：

智能手机以后下一个超级周期

一、人工智能将会成为下一个通用计算平台

我们认为人工智能将成为继计算机，智能手机以后人类社会两个重要的通用计算平台。

一个成功的通用计算平台的要素需要包括

（1）杀手级的应用，

（2）通用的操作系统，（3）以半导体为代表的底层硬件，（4）支持平台上用户之间互联互通的通信网络。

在PC时代，微软Windows操作系统和IntelCPU的结合，加速了个人和商用PC的普及。

微软Office系统成为PC平台上的杀手级应用。

联想/HP/DELL等PC品牌商和固网运营商也受益于行业增长的红利。

在智能手机时代，ARM架构的低功耗芯片，4G通信网络和谷歌的Android操作系统的结合推动智能手机行业的快速发展，这之上诞生了像微信和Facebook这样拥有10亿级用户的杀手级应用。

人工智能时代的诞生来自于以

（1）GPU/FPGA为代表的并行处理芯片，

（2）谷歌等开发的深度神经网络算法框架，与（3）汇集在云平台的海量数据的结合。

今后我们认为对新数据的需求会加速智能硬件（如亚马逊音箱）和5G物联网的普及。

在应用层面，我们相信人工智能技术与汽车，医疗，教育，安防，金融等行业的结合，会诞生出比AlphaGo更加令人吃惊的应用来。

图表1：

人工智能会成为下一代通用计算平台

资料来源：

公司数据，北京欧立信调研中心

在已经过去的4G的投资周期里，我们学到的经验是当新的投资周期到来时，第一波受益的是为平台提供硬件的设备商，然后是平台商的利润和现金流受益于平台用户的增加而改善，最后是在平台上成功开发出新服务的创新企业（e.g.亚马逊的电商服务）。

我们建议在人工智能的投资策略上，我们建议投资者可以先关注半导体等人工智能相关硬件，然后是云平台/物联网等和大数据相关的公司，最后是安防，医疗，教育等垂直行业的创新型人工智能应用。

图表2：

人工智能的投资逻辑：

如何从4G的投资经验里借鉴

资料来源：

公司数据，北京欧立信调研中心

表格1：

人工智能产业链公司一览

资料来源：

公司数据、IT桔子、36Kr，北京欧立信调研中心

对VC来说，人工智能是2016最重要的投资目标。

根据CBInsight的统计，2016年全球人工智能方面的投资金额同比增加了60%，交易数量也从2012年的160笔上升到658笔。

但是最近半年我们注意到AWS、Google等主要云计算服务商开始把人工智能（例如：

图像识别）集成到自己的云服务中。

这对试图以SaaS模式向客户提供收费服务的人工智能公司来说可能形成巨大挑战。

所以我们认为目前这些高估值的人工智能初创企业来说，他们或者会成为云计算公司的收购标的，或者成为需要和理解行业应用的公司相结合，成为某个垂直行业的SaaS服务提供商。

图表3：

AI-as-a-service：

云服务提供商占据优势，AI服务将被整合

资料来源：

公司数据，北京欧立信调研中心

二、人工智能+半导体：

GPU，CPU还是FPGA

人工智能对计算能力要求很高。

深度学习是从大量数据中自发地总结出规律，而传统的计算模式需要人为提取所需解决问题的特征或者总结规律来进行编程。

因此，深度学习对计算能力要求非常高，深度学习更像“暴力计算”。

GPU取代CPU成为人工智能主流芯片。

CPU中七成的晶体管用来构建Cache，只有少部分用来构建运算单元（ALU）。

而GPU绝大部分晶体管都用户构建计算单元，一般拥有数以千计的计算核心，非常适合大规模并行计算，可大大加快机器学习的数据训练速度。

图表4：

GPU中有更多晶体管用于数据处理

资料来源：

Nvidia，北京欧立信调研中心

图表5：

GPUvs.FPGA比较

资料来源：

B，北京欧立信调研中心

FPGA是受人瞩目的新星。

在能耗方面，GPU并不理想。

FPGA是可编程逻辑器件，可以通过编程改变其硬件功能，具有高性能、低能耗的特点。

单位能耗所提供的计算能力是GPU的数倍甚至10倍。

但FPGA的价格较高，单位计算能力的成本比GPU要高很多。

ASIC仍有用武之地。

ASIC的最大缺点是无法修改，灵活性很差，但ASIC体积更小、功耗更低、成本更低（在大规模出货的情况下）。

从开发时间角度，一般来说，如果基于FPGA的开发周期大约为6个月，则相同规格的ASIC则需要至少1年左右。

尽管AISC可能拥有较低的成本，但ASIC的一次性投入很高，根据Nervana的数据，开发一个AI芯片的总成本可能高达5,000万美元，只能出货量足够大，才可能将单片成本摊的更低。

总体而言，AISC灵活性差，需要有足够大的市场来保证成本价格，而且开发周期很长；在算法快速迭代（如某些深度学习算法）的场景中需要谨慎应用。

表格2：

CPUvs.GPUvs.FPGAvs.ASIC

资料来源：

公司数据、Nvidia、B，北京欧立信调研中心

异构计算是人工智能时代的主流趋势。

根据上面分析，没有哪种硬件能够完美地满足深度学习的计算要求，因此多种计算核心组合（异构计算）将是未来趋势。

目前，在数据训练阶段，GPU为主，而在推断应用阶段，以FPGA为主。

同时，由于FPGA强大的计算能力，越来越多地被用到数据中心里进行计算加速。

例如，微软Azure云有46万台服务器部署了FPGA，必应有1.5万台，Exchange服务有9.5万台，共计57万台。

三、人工智能+5G：

第一个为超级大脑设计的网络

3月7日，全球电信标准组织3GPP宣布，将于2017年12月发布5G的第一个版本—5GNSA（Non-StandAlone），这比原本的进度提前了6个月。

这对韩国电信（在2018年冬奥会推出5G服务）和Verizon（准备在2017年推出商业化的固定无线5G服务）来说是个好消息，因为他们计划在2018年开始5G服务。

这项标准加速的提案由28家公司联合提出，包括AT&T、DoCoMo、SKTelecom、Vodafone、Ericsson、华为、Intel、KDDI、诺基亚等。

一般来说设备商需要6~12个月生产新设备，这正好与标准完成时间以及部分运营商试商用启动时间相吻合。

图表6：

5G标准提速，5G路线图

资料来源：

TSR，北京欧立信调研中心

图表7：

5G通信系统的关键KPI

资料来源：

ITU，北京欧立信调研中心

图表8：

5G的三大场景

资料来源：

华为，北京欧立信调研中心

5G首先表现在系统性能的极大提升。

5G峰值速率将从4G时代的100~300Mbps大幅提升至20Gbps，空口（AirInterface）时延将从4G时代的10ms大幅降低至1ms。

5G将支持每平方公里100万节点的连接。

频谱效率将提升3倍，可支持每小时500公里的移动速度等。

各项指标均比4G有极大提升。

技术指标的提升使得5G首次引入物联网场景。

5G首次使用一张网支持人与人通信以及物联网两大场景，完成通信场景全覆盖。

5G支持的场景包括三大类：

增强移动宽带eMBB（EnhancedMobileBroadband）、低功耗大连接机器通信mMTC（massiveMachine-TypeCommunication）、超高可靠低时延机器通信uMTC（Ultra-reliablelowlatencyMachine-TypeCommunication）。

其中，eMBB聚焦人与人之间的通信体验，主要针对4G的通信性能进行提升。

mMTC和uMTC都是物联网的应用场景，但各自侧重点不同。

mMTC集中在大连接场景，而uMTC主要聚焦低时延高可靠性。

表格3：

5G应用场景

资料来源：

3GPP，北京欧立信调研中心

1、射频、天线、SDN/NFV、光模块、物联网是5G的关键技术

射频和天线将首先受益。

为满足5G极高的传输速率，技术上不得不采用更宽的频段，更多的天线。

由于低频点已经被现在的各种通信系统瓜分完毕，因此5G不得不考虑更高频点，如20GHz、60GHz甚至80GHz。

更高的频点意味着小区的覆盖半径大为缩小（无线信号传输距离和频点的平方成反比）。

同时，高频点对射频和天线提出了新的需求（4G由于工作在低频点，现有的射频和天线技术无法满足5G需求）。

总体而言，我们可以看到增量机会：

更密集的小区、新的射频和天线。

这两点将带来的投资机会包括：

更多的基站，利好通信设备商：

但具体的5G基站数量将在运营商的资本开支意愿和理论覆盖数量之间进行平衡。

运营商将很可能量入为出，对某些场景可能并不需要进行全覆盖，降低资本开支压力。

但我们仍然认为5G由于新频点和多场景的引入，必然要部署比4G多得多的基站。

更多的光模块：

更密集的小区，意味着更多的光网络回传和前传，需要更多的光模块。

由于5G的极高速率，将对40G/100G光模块有更多需求。

需要更密集的光网络来连接基站。

由于5G基站密度更高，我们认为届时仍然需要对基站回传和前传的光网络进行投资，光接入网的投资将温和放量，利好光纤厂商和PON设备商，特别是WDM-PON设备商。

支持高频点的新的射频和天线：

满足高频点通信需求的新射频和新天线将出现。

低成本民用的高频点的射频器件有待开发，包括滤波器、放大器、射频开关等关键器件。

支持低频点的射频和天线：

部署密度大幅提升意味着覆盖同样的区域需要更多的射频和天线。

低频点的射频和天线技术较为成熟，将最早受益于5G建设。

除了以上积极的投资机会，5G的影响还包括：

理论上需要更多的站址，但随着基站小型化的发展，无风扇和高集成度的基站在体积、重量、功耗和安装便利性方面将有极大提升，路灯杆、墙壁等都可以部署基站。

考虑到5G基站可利用自身的高频点做回传，未来只要是有电源的地方就可以部署小基站。

综上，5G是否需要更多正式的站址仍需要进一步评估。

因此，与市场不同，我们认为对中国铁塔公司的影响偏正面，但不必过于乐观。

5G首次纳入物联网场景，利好物联网、SDN/NFV厂商。

网络切片是5G使用一张网络支持多通信场景（人与人、人与物、物与物）的基础，也是5G网络架构演进的关键技术。

SDN（SoftwareDefinedNetwork）/NFV（NetworkFunctionsVirtualization）是实现网络切片的关键技术。

物联网场景的纳入将开启新的通信场景，未来将对各领域带来巨大改变。

5G投资规模将超过4G。

截至2016年年底，中国三大运营商拥有将近300万个4G基站，预计运营商已为4G投入了4,800亿人民币的资本开支。

考虑到工信部《信息基础设施重大工程建设三年行动方案》希望运营商在2016~2018年再增加200万个4G基站（2016年已新增约100万个4G基站），中国4G资本开支最终将超过6,400亿人民币。

由于5G比4G基站密度更高，技术上更加复杂，即使考虑到技术进步带来的成本下降，我们预计5G的投资也将比4G更多。

图表9：

中国电信行业对2G/3G/4G的资本开支情况（十亿人民币）

资料来源：

公司数据，北京欧立信调研中心

我们认目前时点（5G预商用前夜）与中国2012年所处阶段类似，当时正处于4G网络预商用前夜。

如果我们比较中兴通讯（00763.HK）的估值情况，两个时点在P/B估值水平方面也类似。

因此，我们认为现在可以开始关注5G相关的投资机会。

图表10：

中兴通讯投资周期，5G正当时

资料来源：

中兴通讯，北京欧立信调研中心

2、受益厂商

5G的技术指标和场景，与4G相比有极大的变化，基站部署密度的提升和新的频点为无线基站设备、射频、天线、光模块等带来投资机会。

同时，物联网以及为支持物联网场景的SDN/NFV技术值得关注。

受益厂商包括：

通信设备商：

中兴通讯（000063.SZ/0763.HK）、烽火通信（600498.SZ）等；

光模块：

光迅科技（002281.SZ）、新易盛（300502.SZ）、昂纳光通信（0877.HK）、华工科技（000988.SZ）子公司华工正源、中际装备（300308.SZ）（拟收购光模块公司苏州旭创）、博创科技（300548.SZ）、天孚通信（300394.SZ）等；

射频和天线：

通宇通讯（002792.SZ）、盛路通信（002446.SZ）、京信通信（2342.HK）、摩比天线（0947.HK）、大富科技（300134.SZ）、麦捷科技（300319.SZ）、武汉凡谷（002194.SZ）、三安光电（600703.SZ）等；

物联网：

宜通世纪（300310.SZ）、高新兴（300098.SZ）、远望谷（002161.SZ）等；SDN/NFV：

中兴通讯（000063.SZ/0763.HK）、烽火通信（600498.SZ）、通鼎互联（002491.SZ）、星网锐捷（002396.SZ）、振华科技（000733.SZ）等。

图表11：

5G相关受益个股

资料来源：

公司数据，北京欧立信调研中心

四、人工智能+电子元器件：

声学/光学传感器新的增长点

人工智能与Mems麦克风的结合有效提升语音识别效果。

语音识别在现实应用中遇到的主要障碍在于远距离识别效率低，存在更多地震动、噪声干扰。

而采用麦克风阵列可以提升捕捉语音信号的质量。

歌尔股份在Mems麦克风制程上拥有深入的耕耘，并为Echo提供代工。

AAC在新加坡的研发中心也在Mems麦克风上倾注了大量精力。

1、人工智能+行业应用（安防/电信/智能驾驶/手机）

AI+安防：

海康威视/大华：

人工智能特别是图像识别技术在安防领域的应用，可以帮助安防系统解决如何理解视频内容的问题，在人流监控，车牌记录等实际业务场景上有广泛的应用前景。

中国安防行业自2012年开始推广高清化，目前高清覆盖率已经较高。

当前需要解决的首要问题是安防数据的结构化问题。

海康/大华推出的新一代摄像头都能够对视频做简单的识别，贴上标签（e.g.车牌号，驾驶员性别，是否带安全带），今后通过对结构化数据的分析实现业务的智能化。

海康和大华从2015年开始先后推出从视频中挖掘数据的智能结构化服务器和能够在前端产生结构化数据的智能摄像机。

实现了智能化从后端到前端的延伸发展。

除此之外，海康/大华也分别设立控股子公司，把人工智能技术应用到智能工厂管理等新兴领域。

AI+电信设备：

华为把人工智能技术应用在其全球技术服务（GlobalTechnicalservice）部门，帮助运营商进行自动化的网络管理维护和服务，同时预测对网络大流量进行预测，使网络规划与优化从被动走向主动，帮助运营商降低运营成本。

AI+智能设备：

苹果的Siri、Amazon的Echo以及华为的MINDAI智能助理等，是人工智能在智能手机上的流行应用。

智能设备相对PC时代，最核心的是随时随地性（人类绝大部分需求是冲动和随意的），AI使得人机交互更加便利，从而更多、更详细和更准确地收集用户需求，带来的是用户大数据质量的快速提升。

基于智能手机的传感器所接收的数据，AI做出的动作和反应将自动适应用户偏好；后台通过对各类数据综合处理，对用户需求自动进行精准响应，包括人机对话回答用户问题、商品推送、各类服务推荐等，大幅缩短从发现需求到满足需求的中间链条。

AI+汽车：

得润电子/舜宇：

AI在反应速度、信息处理量等方面比人类有明显优势。

机器的反应（10ms以下，5G可提供1ms空口时延）远快于人的反应速度（几百ms级）。

人工智能能处理的信息量包括交通实况、其它车辆信息、道路和行人信息、天气信息等，远超人类“只看眼前”的信息量。

由AI催生的智能驾驶将毫无疑问可大幅提升当前交通效率，降低事故发生概率，保障人车安全。

受益公司包括传感器、计算、电动汽车、IoT公司等。

智能驾驶的产业链包括从电动汽车、传感器、控制、计算以及连接等各领域。

通过各类传感器，如摄像头、雷达（激光雷达、超声雷达等），收集路况信息；通过汽车内部的计算单元实时做出驾驶判断；驾驶指令发送至车辆控制部件执行。

由于传统整车厂的限制，电动汽车反而在智能驾驶上更加积极。

作为全球最大的车载摄像头供应商，舜宇光学的车载镜头广泛的搭载与包括Tesla在内的智能汽车上。

我们估计车载镜头业务在2016年贡献15%的集团利润，今后3年受益于车载传感器市场的结构性增长机会，保持30%左右的稳定增长。

得润电子于2012年收购意大利汽车线束企业Plati公司，并与德国KROMBERG&SCHUBERT在华成立合资公司“科世得润”，正式转型进军汽车电子领域。

自2015年收购Meta后，得润电子又与一系列平台级企业展开战略合作关系，2016年携手国际ADAS龙头厂商Mobileye，全面开展车联网平台的建设和大数据研究。