繁體
  • 简体中文
  • 繁體中文

熱門資訊> 正文

人工智能行業深度:行業格局、市場前景、產業鏈及相關企業深度梳理

2025-02-05 21:26

人工智能正成為新一輪科技革命和產業變革的重要驅動力量,正與千行百業深度融合,成為經濟結構轉型升級的新支點。根據全球人工智能市場研究報告,2021年全球人工智能軟件市場規模達到370億美金,預計到2027年全球人工智能軟件市場規模將增長到1423億美金。中國也將成為全球第二大人工智能軟件市場。在中國,人工智能技術已在安防監控、智能家居及教育培訓等領域落地生根。隨着人工智能技術的快速發展,相關應用部署正在迅速擴大,人工智能產業將帶給開發者和相關企業更多市場機會。

由於人工智能行業的巨大市場機會和發展潛力,中國各級政府高度重視,積極支持人工智能產業的發展。從2017年國務院發佈《新一代人工智能發展規劃》到現在,國家陸續出臺了多項政策,鼓勵人工智能行業的發展與創新,人工智能已經上升爲我國國家戰略。促進政策還包括《關於支持建設新一代人工智能示範應用場景的通知》、《關於加快場景創新以人工智能高水平應用促進經濟高質量發展的指導意見》、《新型數據中心發展三年行動計劃(2021-2023年)》、《新一代人工智能治理原則》等。2021年3月,國家「十四五」規劃正式發佈,指出要培育壯大人工智能等新興產業,推動通用化和行業性人工智能開放平臺建設。這些產業政策為促進我國人工智能產業發展提供了增長動力和長期保障。

循着以上產業發展背景和長期發展趨勢,我們對人工智能產業進行深入分析。人工智能產業有着怎樣的歷史發展階段?現階段國內市場現狀如何?人工智能涉及哪些技術要素?當下國內外行業格局怎樣?相關產業鏈及重點佈局企業有哪些?人工智能產業的社會經濟價值如何?整體而言,人工智能市場前景怎樣?以下我們將針對這些問題,為大家一一解析。

01

行業概述

1、定義

根據國家標準化管理委員會發佈的《人工智能標準化白皮書(2018年)》,人工智能(AI)是指利用數字計算機或者由數字計算機控制的機器,模擬、延伸和擴展人類的智能,感知環境、獲取知識並使用知識獲得最佳結果的理論、方法、技術和應用系統。

人工智能是計算機科學的一個分支,被定義為能夠模擬與人類大腦相關聯的認知智能行為的「機器」,它是研究、開發用於模擬、延伸和擴展人的智能的理論、方法、技術及應用系統的一門新的技術科學。1956年由約翰.麥卡錫首次提出,當時的定義為「製造智能機器的科學與工程」。人工智能目的就是讓機器能夠像人一樣思考,讓機器擁有智能。時至今日,人工智能的內涵已經大大擴展,是一門交叉學科。

2、分類

人工智能可以被劃分爲兩個類別,即弱人工智能(Artificial Narrow Intelligence,ANI)與強人工智能(Artificial General Super Intelligence,AGI),弱人工智能只能完成單一、特定的任務,而強人工智能可以在各方面與人類的技能相類似。

3、特徵

根據人工智能的技術邏輯,人工智能有以下特徵:

(1)大數據為基底,算法為核心

人工智能是建立在數據之上的技術。人工智能發展的高度取決於數據為其提供的大量知識和豐富的經驗,即通過在各個領域巨大的數據庫中進行採集、加工、處理、分析和挖掘;在有豐富數據的基礎上,通過人工智能算法,形成有價值的信息和知識模型,以此為人類提供服務。

(2)硬件為橋樑,人機合一

人工智能是智能化機器,是智能物體與人類智慧的融合。人工智能系統能夠藉助傳感器等硬件對外界環境進行感知。具體而言,通過人的五種基本感覺,視、聽、嗅、味、觸接收各方信息,並以此通過文字、語音、表情輸出必要的反應。藉助人工智能作為現實與虛擬的接口,可實現人類與機器、人類與人類之間的共同協作。

(3)具備學習、推理能力,實現動態迭代

人工智能具有適應特性,能夠隨環境、數據或任務變化自動調節參數,優化模型。充分利用機器洞察人心的能力、人類對機器的駕馭能力,深入數字化連接,實現機器的自我迭代。

4、三要素:數據、算力、算法

數據、算力、算法是人工智能三要素。人工智能模型的應用分為訓練、推理兩大環節。其中,數據與算力是模型訓練的基礎,算法是模型實現路徑,近年人工智能的快速發展得益於三大要素的共同進步。

數據:人工智能「燃料」,全球數據量指數級增長。深度學習算法是推動人工智能技術突破性發展的關鍵技術理論,大量訓練數據的訓練支撐是深度學習算法的基礎。訓練數據越多、越完整、質量越高,模型推斷的結論越可靠。根據Dimensional Research的全球調研報告,72%的受訪者認為至少使用超過10萬條訓練數據進行模型訓練,才能保證模型的有效性和可靠性。根據中國信通院數據,到2035年,全球數據量將達2142ZB,是2020年數據量的45-46倍。數據量的指數級增長有望為人工智能產業發展提供「燃料」。

算力:人工智能「底座」,AI芯片是核心。人工智能模型的訓練依賴大量算力支持,海量算力是大規模訓練及生產人工智能模型的前提。數據海量增加,算法模型愈加複雜,應用場景的深入和發展,帶來了對算力需求的快速提升。根據《2022-2023中國人工智能計算力發展評估報告》,2021年中國智能算力規模達155.2每秒百億億次浮點運算(EFLOPS),2022年智能算力規模將達到268.0EFLOPS,預計到2026年智能算力規模將進入每秒十萬億億次浮點計算(ZFLOPS)級別,達到1,271.4EFLOPS,2021-2026年期間年複合增長率達52.3%,而同期通用算力規模年複合增長率為18.5%。AI芯片專門用於處理人工智能相關的計算任務,其架構針對人工智能算法和應用進行專門優化,具有高效處理大量結構化和非結構化數據的特徵。AI芯片類型包括GPU、NPU、ASIC、FPGA等,其中GPU是主要的人工智能加速芯片,根據《2022-2023中國人工智能計算力發展評估報告》,2021年GPU佔據中國AI芯片約89%的份額。

算法:人工智能「發動機」,深度學習是主流方向。2006年深度學習算法的提出使AI進入新發展階段,其通過卷積的方式,取代了機器學習中特徵提取環節。我們認為,近年AI應用的繁榮來源於AI算法持續突破創新,而且是在大數據、大算力的支持下發揮出較大的威力。深度學習典型算法包括卷積神經網絡(CNN)、遞歸神經網絡(RNN)、前饋神經網絡(FNN)、生成對抗網絡(GAN)等。2017年谷歌提出Transformer算法,此后Transformer廣泛應於自然語言處理,並逐步在計算機視覺等領域應用,OpenAI最近發佈的ChatGPT也是以此為基礎構建。

02

不同歷史發展階段

1、一波三折,深度學習引領第三次發展浪潮

人工智能第一次發展浪潮:推理與搜索佔據主導,但由於當時機器計算能力的不足而經歷了第一次低迷期。人工智能(Artificial Intelligence,縮寫AI),是研究、開發用於模擬、延伸和擴展人的智能的理論、方法、技術及應用系統的一門新的技術科學。這一概念最早由麻省理工學院的約翰·麥卡錫在1956年的達特茅斯會議上提出,隨之迎來了人工智能的第一次發展浪潮(1956-1974)。這一時期的核心在於讓機器具備邏輯推理能力,通過推理與搜索嘗試開發能夠解決代數應用題、證明幾何定理、使用英語的機器。該階段的成果幾乎無法解決實用問題,另外實際應用中人工智能計算量的增長是驚人的,特別是模擬人類感知帶來的巨大運算量遠超70年代的計算能力,因此人工智能經歷了第一次低迷期。

人工智能第二次發展浪潮(1980-1987):專家系統開始商業化,場景侷限性限制其發展。這一時期的核心是基於「專家系統」思想,讓AI程序能解決特定領域問題,知識庫系統和知識工程成爲了這一時期的主要研究方向,專家系統能夠根據該領域已有的知識或經驗進行推理和判斷,從而做出可以媲美人類專家的決策。典型代表如醫學專家系統MYCIN,MYCIN具有450條規則,其推導患者病情的過程與專家的推導過程類似,開處方的準確率可以達到69%,該水平強於初級醫師,但比專業醫師(準確率80%)還是差一些。隨着人們發現專家系統具有很強的場景侷限性,同時面臨着升級迭代的高難度和高昂的維護費用,AI技術發展經歷了第二次低迷期。

從1993年開始,AI技術步入了第三次發展浪潮:深度學習引領浪潮。這一時期,計算性能上的障礙被逐步克服,2006年深度學習這一重要理論被提出,並解決了訓練多層神經網絡時的過擬合問題。2011年以來,深度學習算法的突破進一步加速了AI技術發展的第三次浪潮,標誌性事件是2012年ImageNet圖像識別大賽,其深度CNN網絡的錯誤率僅為15%左右,遠遠好於第二名支持向量機算法的26%,這一結果迅速點燃了產業對神經網絡和深度學習的興趣,深度學習也快速的實現了商業化。

2、總結:三次浪潮均始於算法突破,兩次寒冬則由於算力和數據量限制

第一次浪潮:核心是符號主義(邏輯主義),最重要的成果是邏輯推理、啓發式搜索,第一次浪潮中產生的方法主要是基於知識或模型驅動的,建立在「if-then」結構的人工設定的形式邏輯基礎;

第二次浪潮:專家系統推動人工智能從理論走向實際,BP算法解決非線性分類,成果集中在語音識別、語音翻譯等領域;

第三次浪潮:深度學習的突破,基於深度學習的神經網絡成功用於圖像、語音識別。

03

國內市場現狀

1、人工智能行業迎來新一輪發展浪潮

近年來,在大數據、算法和計算機能力三大要素的共同驅動下,人工智能進入高速發展階段,其識別率、準確率均有大幅提高,在諸多落地場景中都展現了很強的實用性。

人工智能行業整體市場呈現高速增長趨勢。2021年全球市場人工智能市場收入規模(含軟件、硬件及服務)達850億美元。IDC預測,2022年該市場規模將同比增長約20%至1017億美元,並將於2025年突破2000億美元大關,CAGR達24.5%。根據德勤數據,中國人工智能市場規模由2017年的709億元增長至2025年的5460億元,年均複合增長率為29%。

2、人工智能上升至國家戰略層面,場景應用是近期關注重點

行業長期發展戰略清晰明確,政策重點支持。我國2017年提出《新一代人工智能發展規劃》,對人工智能的行業發展提出了明確的戰略目標,預計到2030年,我國要形成較為成熟的人工智能理論和技術體系,產業競爭力達到國際領先水平。后續密集出臺了一系列相關的支持性政策,我國人工智能在國家戰略層面,分別從技術突破、人才培養、創新平臺、倫理要求、場景應用等方面,形成了一套綜合、系統的人工智能建設和發展的頂層設計。近期的政策中更加註重人工智能的場景應用,通過人工智能與實體經濟的深度融合,培育新的經濟增長點。

我國政府高度重視人工智能行業的發展。2017年以來多次在政府工作報告中提及人工智能產業,2022年提出加快發展工業互聯網,培育壯大集成電路、人工智能等數字產業,提升關鍵軟硬件技術創新和供給能力。接下來,人工智能項目會更加註重於場景創新與應用,促進我國經濟的高質量發展。

04

技術要素分析

1、技術演進

人工智能技術演進可分為三個發展階段,分別為計算智能、感知智能和認知智能。

運算智能:即快速計算和記憶存儲能力。計算機比較具有優勢的便是運算能力和存儲能力,現階段計算智能應用已經實現並逐漸成熟,1996年IBM的深藍計算機戰勝了當時的國際象棋冠軍卡斯帕羅夫,這一事件標誌着人類在強運算型場景下的計算能力已經不如機器算力了。

感知智能:即類似人的視覺、聽覺、觸覺等對外界刺激做出反應的能力。人和動物能夠通過各種智能感知能力與自然界進行交互。機器通過AI技術,也可實現這種類人智能,如自動駕駛汽車就是通過激光雷達等感知設備和人工智能算法實現這樣的感知智能的。當前人類社會的AI技術正處於感知智能不斷完善的階段。

認知智能:通俗講是一種「能理解會思考」的能力。未來機器能在沒有數據信息被動輸入的情況下,主動進行環境感知、信息採集、邏輯判斷、做出決策等,實現類人智能。在這一階段機器能夠替代大量的傳統體力勞動,並輔助人們做出理論上的最優決策。

2、底層技術

(1)機器學習

機器學習人工智能的核心,是使計算機具有智能的根本途徑。機器學習專注於算法,允許機器學習而不需要編程,並在暴露於新數據時進行更改,讓計算機不依賴確定的編碼指令,模擬或實現人類的學習行為,以獲取新的知識或技能,重新組織已有的知識結構使之不斷改善自身的性能。基於處理數據種類的不同,可分為有監督學習、無監督學習、半監督學習和強化學習等幾種類型。基於學習方法的分類,可分為歸納學習、演繹學習、類比學習、分析學習。基於數據形式的分類,可分為結構化學習和非結構化學習。

(2)機器視覺

機器視覺是指用機器代替人眼來做測量和判斷,自動採集並分析圖像,以獲取控制或評估特定零件和特定活動所需的數據。機器視覺是一項綜合技術,包括圖像處理、機械工程技術、控制、電光源照明、光學成像、傳感器、模擬與數字視頻技術、計算機軟硬件技術(圖像增強和分析算法、圖像卡、I/O卡等)。

(3)自然語言處理

自然語言處理(NLP)是指利用人類交流所使用的自然語言與機器進行交互通訊的技術。通過人為對自然語言的處理,使得計算機對其能夠可讀並理解。自然語言處理技術是人工智能最早的應用技術,該技術細分領域包括文本分類和聚類、信息檢索和過濾、機器翻譯等。文本分類和聚類按照關鍵字詞做出統計,建造一個索引庫,用於檢索。信息檢索和過濾是對網絡關鍵詞進行瞬時檢查並運行處理,機器翻譯是利用深度學習算法,進行語言翻譯並提升正確性。

3、應用技術

(1)智能芯片

AI芯片主要有傳統芯片和智能芯片兩類,另外還有受生物腦啓發設計的類腦仿生芯片等。傳統芯片可以覆蓋人工智能程序底層所需要的基本運算操作,但在芯片架構、性能等方面無法適應人工智能技術與應用的快速發展;智能芯片是專門針對人工智能領域設計的芯片,包括通用和專用兩種類型。其中通用型智能芯片具有普適性,在人工智能領域內靈活通用;專用型智能芯片是針對特定的應用場景需求設計的。

(2)生物識別

生物識別技術是指通過人類生物特徵進行身份認證的一種技術,人類的生物特徵通常具有可測量或可自動識別和驗證、遺傳性或終身不變等特點,因此生物識別認證技術較傳統認證技術存在較大的優勢。生物識別技術的主要研究對象還包括語音、臉部、虹膜、視網膜、體形、個人習慣(包括敲擊鍵盤的力度和頻率、簽字)等,與之相應的識別技術包括語音識別、人臉識別、虹膜識別等。生物識別技術比傳統的身份鑑定方法更具安全、保密和方便性。生物特徵識別技術具不易遺忘、防偽性能好、不易偽造或被盜、隨身「攜帶」和隨時隨地可用等優點。

05

行業格局分析

1、行業現狀

(1)各國紛紛從戰略上佈局人工智能,加強頂層設計和人才培養

當前包括美國、歐洲和中國在內的多個國家,都將大力發展AI產業提升到國家戰略層面。2019年2月,美國總統特朗普簽署行政命令,正式啟動美國人工智能計劃,為美國首次推出國家層面的人工智能促進計劃。歐盟於2018年發佈《歐盟人工智能戰略》,並計劃在2020年底至少投入200億歐元。

中國方面,以2015年《中國製造2025》出臺為開端,人工智能被寫入「十三五」規劃綱要及政府工作報告。2017年國務院發佈《新一代人工智能發展規劃》,將人工智能上升到了國家戰略層面。隨后多部門相繼出臺若干核心政策和規劃,為我國人工智能行業快速發展提供助力。

(2)中美領跑,中國人工智能人才數量快速增長,已發展成為人工智能大國

近年來,中國人工智能人才數量快速增長,已發展成為人工智能大國。從發表論文和論文被引用的數量可以反映中國人才和技術研究能力與美國和歐洲相比的快速進步。

根據斯坦福研究院Human-Centered AI發佈的《2021年人工智能指數報告》,在三大人工智能強國(中國、美國和歐盟)中,中國的人工智能論文發表量和被引用量均居全球首位。2020年中國期刊發表數量以18.0%的比例超過美國(12.3%)和歐盟(8.6%)。

(3)全球人工智能市場規模快速增長,中國市場增速全球第一

全球人工智能產業規模快速增長,軟件佔比提升。隨着數據量的增長及相關複雜性不斷增加,傳統軟件無法處理、分析及提取其中有用的信息,產生人工智能技術需求。根據沙利文的報告,2020年全球人工智能技術支出(包括硬件、軟件、服務)為687億美元,預計2025年達到2212億美元,年複合增速達到26.3%。其中人工智能軟件支出佔比將提高,預計2025年全球人工智能軟件市場規模將達到1218億美元,佔總支出比例達到55.1%,2020-2025年複合增速達到31.9%。

人工智能支出已經成為支持企業數字化轉型支出的主力之一。隨着數字經濟發展,企業積極打造敏捷反應機制,推進精益化管理,提升組織創新能力,大力投資數字化轉型相關技術,特別是在人工智能領域。人工智能支出已經成為支持企業數字化轉型支出的主力之一。根據IDC數據,全球範圍內,企業在包括硬件、軟件和服務在內的人工智能(AI)市場的技術投資增速,將顯著高於數字化轉型(DX)支出和GDP增速。

中國是全球人工智能第二大市場,預計增速有望全球第一。根據沙利文的報告,2020年中國人工智能市場規模為295億元,預計2025年達到1671億元,年複合增速為41.5%,其中軟件市場規模佔比將由2020年的9%提升至2025年的24.1%。

2、競爭格局

(1)全球視角

美國是人工智能核心發源地之一,在技術上擁有全球領先地位,而中國是人工智能應用場景第一強國,中美成為全球人工智能發展的第一梯隊。其它國家人工智能發展正在快速跟進,其中歐盟、俄羅斯、德國、日本等發達國家為第二梯隊的主力軍,不同國家的發展側重也都稍有不同。

(2)國內情況

人工智能產業包括了基礎層、技術層以及應用層,目前我國已形成了較成熟的人工智能生態。在基礎層,大數據、雲計算、邊緣計算、智能芯片領域,國內領先的企業有阿里巴巴、華為、寒武紀等代表企業;在技術層,我國在計算機視覺、智能語音、機器學習、自然語言處理等細分領域也誕生了諸如科大訊飛雲從科技、商湯科技、曠視科技等企業。

在應用層,人工智能技術與其他領域結合,應用有智能機器人、智能終端、智能交通、公共安全等。其中機器人領域有新松機器人、科沃斯機器人等代表企業,而眾多互聯網巨頭也紛紛入局智能終端的研發與物聯網生態的打造,具有代表性的企業包括了華為、小米、聯想、中興等。

06

產業鏈及相關企業

1、產業鏈概況

人工智能產業鏈主要分為基礎層、技術層和應用層。基礎層主要包括人工智能芯片、傳感器、雲計算、數據採集及處理等產品和服務,智能傳感器、大數據主要負責數據採集,AI芯片和雲計算一起負責運算。技術層是連接產業鏈基礎層與應用層的橋樑,包括各種深度學習框架、底層算法、通用算法和開發平臺等。應用層則是將人工智能進行商業化應用,主要提供各種行業解決方案、硬件和軟件產品。

2、產業鏈上游解析

基礎層提供數據資源、硬件設施以及計算力平臺等一系列基本支持。具體來看,基礎層包括人工智能芯片、傳感器、大數據及雲計算等,其中大數據與智能傳感器的主要任務是數據採集,AI芯片與雲計算則負責數據分析與運算,技術門檻較高,生態搭建已基本成型。目前,浪潮、戴爾、HPE分列全球人工智能基礎設施市場份額前三,其中浪潮以16.4%的市場佔有率成為全球人工智能基礎設施的龍頭玩家。

通用計算芯片CPU、GPU全球市場基本被Intel、Nvidia等美國芯片廠商壟斷,技術與專利壁壘較高,卡脖子現象嚴重。華為麒麟、巴龍、昇騰鯤鵬四大芯片有望突破此壁壘。未來幾年,全球各大芯片企業、互聯網巨頭、初創企業都將成為該市場的主要玩家。計算力指數國家排名中美國列國家計算力指數排名第一,坐擁全球最多超大規模數據中心,這是美國算力的基礎保障。中國列第二,AI算力領跑全球。日本、德國、英國分別位列第三至第五名。計算平臺方面,全球市場被亞馬遜、谷歌、阿里、騰訊、華為等公司基本壟斷,但小公司的計算平臺憑藉價格優勢仍有生存空間。

3、產業鏈中游解析

技術層是AI產業發展的核心,包括通用技術、AI技術框架以及算法模型等。這一層級依託於海量數據的挖掘處理與機器學習建模,來進行各種應用技術的開發,從而解決實踐中的具體類別問題。計算機視覺、自然語言處理、語音識別、機器學習、深度學習、知識圖譜為這一層級的代表性技術。優勢企業如谷歌、亞馬遜、Facebook加快部署機器學習、深度學習底層平臺,建立產業事實標準。

目前業內已有近40個各類AI學習框架,生態競爭異常激烈,全球公司先后推出用於深度學習模型訓練的開源框架,包括Caffe、Theano、Torch、MXNet、TensorFlow等,極大降低了人工智能技術在實踐中的入門門檻,中國的百度飛槳(PaddlePaddle),清華大學的計圖(Jittor)和華為推出的MindSpore也先后問世。除了谷歌、阿里、百度、騰訊等科技巨頭在紛紛佈局外,如商湯、曠視、科大訊飛等公司也加入了技術層深耕行列。

4、產業鏈下游解析

應用層是人工智能技術在各不同場景下的商業化應用。人工智能已在金融、教育、交通、醫療、家居、營銷等多垂直領域取得較大發展;與此同時,智能終端、模型預測控制、推薦系統、定位與地圖構建等服務層面及自動駕駛汽車、無人機、智能機器人、智能語音助手等人工智能產品發展迅速。

受人工智能技術應用的鏈條長、短期獲益難度大等因素影響,一些早期的技術型企業也紛紛將重心轉移到等垂直領域的軟硬件解決方案當中。眾多人工智能各類企業「從謀求單點技術的極致,向場景化綜合生態發展」,這無疑推進了AI技術與商業應用場景的落地與融合。國外應用企業以蘋果、IBM等為代表,而中國企業在應用層發展最為活躍,除華為、小米、阿里巴巴等大型企業外,眾多中小型企業也紛紛加入應用層的競爭行列當中。

5、相關企業

(1)科大訊飛:AI+行業應用領域領跑者

公司深耕智能語音領域,戰略轉型人工智能賽道,發展成為行業領軍企業。公司在智 能語音行業佈局多年,核心技術優勢明顯,2010年以來向人工智能產業發展,推動AI與各行業的應用結合,在智慧教育、智能辦公、智慧公安、醫學影像、智能汽車、智慧服務、智慧城市等領域不斷取得成果。

堅持「平臺+賽道」發展戰略,公司構建自有業務閉環生態體系。公司堅持「平臺+賽道」的人工智能戰略,依託國內首家上線的 AI 開放平臺——訊飛開放平臺,為開發者提供一站式人工智能解決方案,構建AI 產業生態,並在教育、醫療、辦公、智慧城市等領域實現AI的深度應用,在多語種語音合成和識別、自然語言處理、圖文識別、人機交互等領域提供豐富的AI能力,賦能下游客户的效率提升。

推動 AI 走向強人工智能,「訊飛超腦 2030 計劃」為公司明確未來成長空間規劃。2022 年,公司發佈「訊飛超腦 2030 計劃」,旨在構建基於認知智能的複雜智能系統,深度融合垂直行業的細分場景任務,實現各業務場景賦能。公司計劃分為三個階段,第一階段着眼於機器人和數字虛擬人領域;第二階段着眼於自適應行走的外骨骼機器人和陪伴數字虛擬人家族,以及面向青少年的抑郁症篩查平臺;第三階段計劃全面進入家庭場景。

(2)拓爾思:國內 NLP 龍頭廠商

深耕 NLP 領域 30 年,公司發展成為國內政務領域 NLP 龍頭廠商。公司以「語義智能+」為發展戰略深耕多年,主要業務覆蓋內容安全和互聯網空間治理、數字政府和數據智能三大板塊,向以黨政機關及企事業單位為主的下游客户提供大數據檢索、智能風控營銷、輿情監控等服務。公司以深耕多年的大數據積累與行業領先的 NLP 技術成為國內政府政務領域 NLP 龍頭,多年以來一直保持行業領先的市場地位。

公司以 NLP 技術為核心,金融、政府、公安領域競爭優勢顯著。目前公司以公共安全市場為最主要業務,產品和場景包括公安情報研判指揮、公安知識圖譜、公安輿情監控、開源情報智能分析、開源情報數據採集監測以及各類領域知識庫構建;在信息安全領域,全資子公司天行網安提供各類網安產品服務。

公司積極開闢新賽道,機器人+虛擬人有望為公司業務提供新增量。公司將以「虛擬人+」場景為突破口,開發支撐虛擬人的 AI 技術平臺,推動虛擬人在各行業場景中的率先落地。公司基於中文 NLP 核心技術、海量數據積累及具備行業專業能力的知識圖譜等元宇宙技術基因的優勢,致力構建數字虛擬人的智能引擎,提供虛擬人智能對話、知識積累、語義理解和智能決策等技術支撐。

在機器人領域,公司與頭部 AI 廠商共同合作研究人形機器人軟件技術。合作雙方將 在人形機器人的智能化方面,研發雲端協同的AI算法框架以及面向特定領域的知識圖譜技術,公司在NLP、知識圖譜領域的積澱將賦能機器人軟件大腦及開放軟件生態的構建。

(3)商湯-W:人工智能領域全球領軍

商湯科技是全球知名的人工智能軟件與技術的領軍企業。公司不斷增強行業領先的全棧式人工智能能力,涵蓋感知智能、決策智能、智能內容生成和智能內容增強等關鍵技術領域,同時包含AI芯片、AI傳感器及AI算力基礎設施在內的關鍵能力。此外,商湯前瞻性打造新型人工智能基礎設施——SenseCore商湯AI大裝置,打通算力、算法和平臺,大幅降低人工智能生產要素價格,實現高效率、低成本、規模化的AI創新和落地,進而打通商業價值閉環,解決長尾應用問題,推動人工智能進入工業化發展階段。商湯科技業務涵蓋智慧商業、智慧城市、智慧生活、智能汽車四大板塊,相關產品與解決方案市場認可度較高。

(4)雲從科技:國內領先的人機協同解決方案提供商

雲從科技是國內領先的人機協同解決方案提供商,致力於助推人工智能產業化進程和各行業智慧化轉型升級。公司一方面憑藉自主研發的人工智能核心技術打造了人機協同操作系統,通過對業務數據、硬件設備和軟件應用的全面連接,把握人工智能生態的核心入口,為客户提供信息化、數字化和智能化的人工智能服務;另一方面,基於人機協同操作系統,賦能智慧金融、智慧治理、智慧出行、智慧商業等應用場景,為更廣泛的客户羣體提供以人工智能技術為核心的行業解決方案。公司將人工智能科技融合大數據技術,在金融、治理、交通、商業、醫療、教育及新基建等各個領域,提供優質而豐富的整合解決方案,每天為全球數億人次用户帶來更智能、便捷及人性化的AI生活體驗。

(5)格靈深瞳:場景聚焦的計算機視覺龍頭

格靈深瞳是一家行業領先的人工智能科技公司,公司專注於將先進的計算機視覺技術和大數據分析技術與應用場景深度融合,提供面向城市管理、智慧金融、商業零售、體育健康、軌交運維等領域的人工智能產品及解決方案。深瞳技術致力於感知物理世界中的人、車、物、場等的基礎屬性、行為、特徵信息,同時深入挖掘內在的關聯、關係等多維圖譜。基於深瞳大腦學習平臺、高性能計算平臺、智能大數據平臺構造低成本、高性能、可擴展的視覺計算系統,為各行業用户深度賦能,提供雲、邊、端一體化的無感切換體驗。深瞳技術主要分為視覺感知類算法、數據智能挖掘類技術、高性能計算技術。

(6)海天瑞聲:AI 訓練數據標註優質提供商

公司是國內領先的訓練數據專業提供商,致力於為 AI 產業鏈各類機構提供專業數據集。公司致力於為各類 AI 廠商和機構提供算法模型開發訓練需要的專業數據集,覆蓋智能語音(語音識別、語音合成等)、計算機視覺、自然語言等多個核心領域,應用場景多元,包含人機交互、智能駕駛、智能家居、智慧城市等。

公司智能語音業務發展成熟,競爭壁壘高且小語種領域優勢顯著。公司在語音語言學 基礎研究方面積累深厚,基於發音詞典構建技術和流程技術的持續迭代,構建高質量的自然語言處理模型訓練所需的標註數據,截至 2022H1 公司已具備 190 個語種/方言的覆蓋能力,並且公司致力於開拓海外市場,未來業務規模有望加速擴張。

公司成立智能駕駛事業部,積極佈局自動駕駛業務。公司於 2022 年 6 月上線了第三代智能駕駛標註平臺,目前自動駕駛數據標註方面業務已覆蓋全景語義分割、2D圖像標註、2D/3D融合標註、3D點雲標註等。公司基於多年以來在數據標註領域的算法積澱,在標註效率、準確度等指標上具備顯著競爭優勢,未來有望構建行業領先的綜合性、規模化和自動化的數據處理能力體系。

公司客户資源粘性高優勢顯著,未來有望受益行業加速發展和人工智能商業化進程加速。公司在智能語音業務方面與字節跳動、阿里巴巴、騰訊、百度、科大訊飛及海外大型客户保持良好合作關係,考慮人工智能未來有望加速商業化應用,疊加國家信創浪潮政策支持,公司有望迎來加速成長期。

07

社會經濟價值

1、促進數字技術與實體經濟深度融合,賦能傳統產業轉型升級

2021年3月我國十四五規劃綱要出臺,提出「打造數字經濟新優勢」的建設方針,並強調了人工智能等新興數字產業在提高國家競爭力上的重要價值。規劃綱要指出要充分發揮海量數據和豐富應用場景優勢,促進數字技術與實體經濟深度融合,賦能傳統產業轉型升級,以數據驅動生產過程優化,催生新產業、新業態、新模式。數字經濟的高速發展爲人工智能發展創造了良好的經濟與技術環境;同時,人工智能作為關鍵性的新型信息基礎設施,也被視為拉動我國數字經濟發展的新動能。隨着新基礎設施計劃的實施、消費互聯網的升級和產業互聯網的發展,人工智能科技產業開始步入全面融合發展的新階段,成為數字經濟時代的核心生產力和產業底層支撐能力,是激活數字經濟相關產業由數字化向智能化升級的核心技術。

2、人工智能助力產業經濟價值實現

(1)人工智能於各環節提升經濟生產活動效能

近年來,人工智能技術及產品在企業設計、生產、管理、營銷、銷售多個環節中均有滲透且成熟度不斷提升。同時,隨着新技術模型出現、各行業應用場景價值打磨與海量數據積累下的產品效果提升,人工智能應用已從消費、互聯網等泛C端領域,向製造、能源、電力等傳統行業輻射。以計算機視覺技術主導的人臉識別、光學字符識別(OCR)、商品識別、醫學影像識別和以對話式AI技術主導的對話機器人、智能外呼等產品的商業價值已得到市場充分認可;除感知智能技術外,機器學習、知識圖譜、自然語言處理等技術主導的決策智能類產品,也在客户觸達、管理調度、決策支持等企業業務核心環節體現價值。

(2)人工智能產業發展,將打開新一輪城市與區域競爭變局

在產業數字化和數字產業化浪潮下,城市經濟轉型和升級過程中創造出的智能化需求,是促進創新資源聚集和產業發展的關鍵因素。以智能化需求為導向,構建和培育富有活力的創新生態,是區域人工智能科技產業發展的前提和基礎。人工智能產業發展也打開了新一輪的城市與區域競爭變局。根據中國新一代人工智能發展戰略研究院2018-2021年針對區域人工智能科技產業競爭力評價指數的追蹤研究表明,2021年長三角總評分首次超過京津冀位列第一。人工智能和實體經濟融合發展進程的加速和北方人工智能科技產業創新資源的「南移」,是改變區域競爭力發展格局的重要因素。因此,各區域應加速補全人工智能及面向各行業的產業鏈、積極建設示範性智慧應用場景、前瞻佈局人工智能相關標準及管理體系、推動公共研發等資源共享,強化科研與人才培育建設、鼓勵系統性超前研發佈局等以把握人工智能產業發展的重大歷史機遇。

08

市場前景前瞻

人工智能技術在我國呈現政策大力支持、應用場景多元化、技術成熟度不斷提升等發展態勢,具備廣闊的市場前景。

1、中國人工智能行業整體呈快速發展趨勢,行業大環境持續向好

從2017年以來,中國一直在大力發展人工智能產業,從政策及資本上給予行業很大的支持,人工智能也與5G、大數據、工業互聯網等新興技術產業一起被列入新基建範圍。

2020-2022年,是中國人工智能商業化較快的時期,AI進入了深度融合的發展期,開始運用於各行各業。回看近幾年AI的發展,行業大環境與快速發展的趨勢未改變。

2、政策:人工智能政策紅利日益凸顯

自2015年以來,人工智能被先后寫進「十三五」、「十四五」國家發展規劃綱要。此后,中央部委出臺了諸多人工智能工作計劃、實施意見。在國家持續推動下,各地也緊跟大潮,充分結合自身優勢和產業基礎,積極佈局人工智能發展規劃。例如,2019年,長沙市發佈《關於進一步促進人工智能產業發展的意見》提出設立人工智能產業發展專項資金,每年列支5億元,用於支持全市人工智能產業發展,重點支持產業集聚、企業引培、研發創新、示範應用、人才培養、金融創新、生態優化等方面。2022年,廣州市發佈《關於開展2022年度新一代信息技術、人工智能政策兑現工作的通知》提出針對人工智能示範應用、獲獎情況進行資金獎勵,並對相關企業租房用房、舉辦重大活動提供資金支持。

3、技術:應用驅動創新、積極補齊短板,已基本形成創新高地

目前中國各類AI技術全面發展,除了由市場需求驅動的應用技術發展之外,在政策牽引及業務需求驅動下,中國市場也在積極補齊基礎理論研究方面的短板,大力推動如AI芯片、深度學習等領域的技術突破,從底層技術出發賦能AI產品及解決方案的迭代。

從技術創新角度看,以中國為首的東亞地區,已基本形成了人工智能創新高地,中國在專利、論文量及全球佔比也在逐年提升。

4、產業融合:AI持續泛化,持續深入賦能傳統行業並保持健康發展態勢

當前,人工智能已廣泛應用於人們日常生產、生活的方方面面,人工智能工具的引入也為中國數字經濟發展帶來巨大的增量,其發展態勢健康穩定、持續且樂觀。同時,在產業智能化轉型升級的進程中,傳統行業的參與程度將越來越深入,這將為AI提供海量的數據和更豐富的應用場景,為人工智能的應用打開新的空間。

5、產業規模持續擴大,市場份額將進一步集中

隨着人工智能產業的不斷發展和投資,人工智能產業規模在過去五年持續增長。根據2017年國務院發佈的《新一代人工智能發展規劃》,到2020年人工智能與世界先進水平同步,核心產業規模超過1500億元,帶動相關產業規模超過1萬億元;到2025年,核心產業規模將超過4000億元,帶動相關產業規模超過5萬億元。

2021年人工智能核心產業規模預計達到1998億元規模,預計將於2026年超過6000億元,對應2021年到2026年的CAGR為24.8%,帶動產業規模超過2萬億元。隨着越來越多的頭部企業登陸資本市場,市場份額將進一步集中。

09

參考研報

1. 天風證券-基金研究:人工智能進入發展快車道

2. 浙商證券-人工智能行業深度:潮起潮落,拐點已過,AIGC有望引領人工智能商業化浪潮

3. 中信建投-人工智能行業2023年投資策略報告:AI大時代,把握賦能、創新與安全三條主線

4. Omdia-人工智能行業:中國人工智能框架市場調研報告

5. 螞蟻集團研究院-人工智能行業:人工智能在ESG投融資領域的應用與發展

6. 富途證券-人工智能行業研究框架:政策助推產業發展,落地場景創新拓展

7. 廣聞廣識-人工智能行業產業研究報告(上):關鍵詞,AI、深度學習、市場規模

8. 艾瑞諮詢-科技行業2021年中國人工智能產業研究報告(Ⅳ):數字經濟時代的產業升級探索

9. 億歐智庫-人工智能行業:2022中國AI商業落地研究報告

(轉自:中關村智慧城市信息化產業聯盟)

風險及免責提示:以上內容僅代表作者的個人立場和觀點,不代表華盛的任何立場,華盛亦無法證實上述內容的真實性、準確性和原創性。投資者在做出任何投資決定前,應結合自身情況,考慮投資產品的風險。必要時,請諮詢專業投資顧問的意見。華盛不提供任何投資建議,對此亦不做任何承諾和保證。