2022年人工智能行业研究报告

    第一章 行业概况
    人工智能（Artificial Intelligence），英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。
    人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。
    人工智能从诞生以来，理论和技术日益成熟，应用领域也不断扩大，可以设想，未来人工智能带来的科技产品，将会是人类智慧的“容器”。人工智能可以对人的意识、思维的信息过程的模拟。人工智能不是人的智能，但能像人那样思考、也可能超过人的智能。总体来讲，当前对人工智能的定义大多可划分为以下四类：
    
    图：人工智能产业链
    
    资料来源：资产信息网 千际投行 iFinD
    按照人工智能的智能程度，一般分为以下三类：
    弱人工智能 （ANI）：是指专注于且只能解决单个特定领域问题的人工智能
    强人工智能 （AGI）：是指能够胜任人类所有工作的人工智能
    超强人工智能 （ASI）：是指在科学创造力、智能和社交能力等每一个方面都比最强人类大脑聪明的人工智能。
    
    资料来源：资产信息网 千际投行 行行查
    人工智能具有算力、算法、数据三大要素，其中基础层提供算力支持，通用技术平台解决算法问题，场景化应用挖掘数据价值。
    图 人工智能三大要素
    
    资料来源：资产信息网 千际投行
    人工智能可分为以下三个发展阶段：
    运算智能：即快速计算和记忆存储能力。计算机比较具有优势的是运算能力和存储能力，现阶段计算智能应用已经实现并逐渐成熟，1996年IBM的深蓝计算机战胜了当时的国际象棋冠军卡斯帕罗夫，这一事件标志着人类在强运算型场景下的计算能力已经不如机器算力了。
    感知智能：即类似人的视觉、听觉、触觉等对外界刺激作出反应的能力。人和动物能够通过各种智能感知能力与自然界进行交互。机器通过AI技术，也可实现这种类人智能，如自动驾驶汽车就是通过激光雷达等感知设备和人工智能算法实现这样的感知智能的。当前人类社会的AI技术正处于感知智能不断完善的阶段。
    认知智能：通俗讲是一种“能理解会思考”的能力。未来机器能在没有数据信息被动输入的情况下，主动进行环境感知、信息采集、逻辑判断，做出决策等，实现类人智能。在这一阶段机器能够替代了大量的传统体力劳动，并辅助人们做出理论上的最优决策。
    1．1 发展历程
    自1956年“人工智能”概念和理论首次被提出，AI 产业和技术发展主要经历如下发展阶段：
    20世纪50年代——20世纪70年代
    受制于算力性能、数据量等，更多停留在理论层面。1956年达特茅斯会议推动了全球第一次人工智能浪潮的出现，当时乐观的气氛弥漫着整个学界，在算法方面出现了很多世界级的发明，其中包括一种叫做增强学习的雏形， 增强学习就是谷歌AlphaGo算法核心思想内容。
    而70年代初，AI遭遇了瓶颈：人们发现逻辑证明器、感知器、增强学习等只能做很简单、用途狭隘的任务，稍微超出范围就无法应对。当时的计算机有限的内存和处理速度不足以解决任何实际的AI问题。这些计算复杂度以指数程度增加，成为了不可能完成的计算任务。
    20世纪80年代——20世纪90年代
    专家系统是人工智能的第一次商业化尝试，高昂的硬件成本、有限的适用场景限制了市场的进一步向前发展。在80年代，专家系统AI程序开始为全世界的公司所采纳，而“知识处理”成为了主流AI研究的焦点。专家系统的能力来自于它们存储的专业知识，知识库系统和知识工程成为了80年代AI研究的主要方向。但是专家系统的实用性仅仅局限于某些特定情景，不久后人们对专家系统的狂热追捧转向巨大的失望。
    另一方面，1987年到1993年现代PC的出现，其费用远远低于专家系统所使用的Symbolics和Lisp等机器。相比于现代PC，专家系统被认为古老陈旧而非常难以维护。于是，政府经费开始下降，寒冬又一次来临。
    2015年至今
    逐步形成完整的产业链分工、协作体系。人工智能第三起的标志性事件发生在2016年3月，谷歌DeepMind研发的AlphaGo在围棋人机大战中击败韩国职业九段棋手李世石。随后，大众开始熟知人工智能，各个领域的热情都被调动起来。这次事件确立了以DNN神经网络算法为基础的统计分类深度学习模型，这类模型相比于过往更加泛化，通过不同的特征值提取可以适用于不同的应用场景中。
    同时，2010年—2015年移动互联网的普及也为深度学习算法带来了前所未有的数据养料。得益于数据量的上涨、运算力的提升和机器学习新算法的出现，人工智能开始大调整。人工智能的研究领域也在不断扩大，包括专家系统、机器学习、进化计算、模糊逻辑、计算机视觉、自然语言处理、推荐系统等。深度学习的发展，让人工智能进入新的发展高潮。
    1．2 市场现状
    市场规模
    随着技术的不断发展人工智能也逐渐出现在大众眼前，人工智能是一个新兴产业，所涉及的面广对于人才的要求高，近些年人工智能市场规模不断扩大随着人工智能技术的成熟应用场景也在扩展。
    
    资料来源：资产信息网 千际投行 报告大厅
    根据人工智能市场分析数据显示，截至2017年，中国人工智能市场规模达到237．4亿元，比2016年增长67％。其中，计算机视觉市场具有生物识别技术，形象认可，视频识别等技术核心规模最大，占34．9％，达到82．8亿元。2021年中国人工智能市场规模将达到415．5亿元，同比增长75％。预计到2023年中国人工智能市场规模将超过2000亿。人民币2364亿元，2021 － 2023年复合增长率约为43．73％。
    从应用领域来看，目前我国人工智能在政府、金融、互联网、零售等领域的人机对话、远程作业、质控风控、营销运营、决策支持等诸多环节存在不同程度的应用，行业主要客户也主要来自上述领域。其中，政府城市管理和运营的市场份额接近50％，成为推动我国人工智能行业发展的重要动力。其次是互联网，占比18％。第三是金融，占比12％。
    投融资情况
    根据2021 年斯坦福大学发布的《2021 年人工智能指数报告》，2018 年开始全球Al 公司的融资持续向龙头初创公司聚集，2018 年开始每年新成立的公司数量持续下降，但是Al 融资金额依旧保持上升趋势。
    
    资料来源：资产信息网 千际投行 广闻广识
    图：中国人工智能企业的上市情况
    
    资料来源：资产信息网 千际投行 广闻广识
    第二章 商业模式和技术发展2．1 产业链
    人工智能产业链主要分为基础层、技术层、应用层三个层级：
    基础层以数据、算力、算法为核心；
    技术层是建立在基础层的核心能力之上，通过打造一套人工智能系统使机器能够像人类一样进行感知与分析，其中最关键的领域包括计算机视觉（图像识别与分析）、语音识别与自然语言处理技术（语音识别与合成）、机器学习与深度学习（分析决策及行动）等；
    应用层是将技术能力与具体场景相融合，帮助企业／城市管理者等客户降本增效，目前主要应用的场景有泛安防、金融、医疗、自动驾驶等领域。
    在上述三个层级之外，通常面向终端时还涉及硬件交付，如摄像头、服务器、芯片等，所以人工智能产业链涉及业务方众多。
    图：产业链
    
    资料来源：资产信息网 千际投行 招商银行
    图：产业链图谱概览
    
    资料来源：资产信息网 千际投行 艾瑞咨询
    上游
    人工智能基础层是支撑各类人工智能应用开发与运行的资源平台，主要包括数据资源、硬件设置和计算力三大要素。
    
    资料来源：资产信息网 千际投行 广闻广识
    人工智能基础层主要包括智能计算集群、智能模型敏捷开发工具、数据基础服务与治理平台三个板块。
    智能计算集群：提供支持AI模型开发、训练或推理的算力资源，包括系统级AI芯片和异构智能计算服务器，以及下游的人工智能计算中心等；
    智能模型敏捷开发工具：主要实现AI应用模型的生产，包括开源算法框架，提供语音、图像等AI技术能力调用的AI开放平台和AI应用模型效率化生产平台；
    数据基础服务与治理平台：实现应用所需的数据资源生产与治理，提供AI基础数据服务及面向AI的数据治理平台。
    AI基础层企业通过提供AI算力、开发工具或数据资源助力人工智能应用在各行业领域、各应用场景落地，支撑人工智能产业健康稳定发展。
    图：人工智能基础层分类
    
    资料来源：资产信息网 千际投行
    通用计算芯片CPU、GPU 全球市场基本被Intel、Nvidia 等美国芯片厂商垄断，技术与专利壁垒较高，卡脖子现象严重。华为麒麟、巴龙、昇腾及鲲鹏四大芯片有望突破此壁垒。未来几年，全球各大芯片企业、互联网巨头、初创企业都将成为该市场的主要玩家。
    计算力指数国家排名中美国列国家计算力指数排名第一，坐拥全球最多超大规模数据中心，这是美国算力的基础保障。中国列第二，AI 算力领跑全球。日本、德国、英国分别位列第三至第五名。
    计算平台方面，全球市场被亚马逊、谷歌、阿里、腾讯、华为等公司基本垄断，但小公司的计算平台凭借价格优势仍有生存空间。
    中游
    技术层作为人工智能产业的核心，主要依托基础层的运算平台和海量数据资源进行识别训练和机器学习建模，以开发面向不同领域的应用技术，对应用层的产品智能化程度起着决定性作用。根据技术层级分为通用技术层、AI软件框架层和算法模型层。
    
    资料来源：资产信息网 千际投行 广闻广识
    算法作为人工智能技术的引擎，主要用于计算、数据分析和自动推理。当前最为主流的基础算法是深度学习算法，深度学习可以从大量数据中自动总结规律，并使其适应自身结构，从而应用到案例中。随着基础算法的成熟和稳定，算法发展重点转向工程实现——软件框架，很多企业开始转向建设算法模型工具库，将算法封装为软件框架，提供给开发者使用。
    目前美国是该领域发展水平最高的国家，以谷歌、Facebook、IBM和微软为主的科技巨头均将人工智能的重点布局在算法理论和软件框架等门槛高的技术之上。而我国基础理论体系尚不成熟，鲜有拥有针对算法的开放平台，百度的Paddle－Paddle、腾讯的Angle等国内企业的算法框架尚无法与国际主流产品竞争。
    下游
    应用层是基于技术层的能力，去解决具体现实生活中的问题。比如利用计算机视觉技术，实现金融、安防等多个领域的人脸识别；利用智能语音技术，实现智能音箱、录音笔等的语音识别；利用自然语言处理技术，用于智能客服的问答。
    
    资料来源：资产信息网 千际投行 广闻广识
    在实际的应用中，技术层和应用层的关系是相互交叉的，某个领域的应用可能用到多个维度的技术层的能力，比如金融行业的应用对于智能语音、计算机视觉、自然语言处理技术都会有需求；同样某个技术层的能力也可以广泛应用到多个不同的应用领域，比如计算机视觉技术可以广泛应用到金融、安防、医疗、交通、教育等多个维度。
    2．2 商业模式
    人工智能相关产业大概分为五类：销售智能设备、提供智能服务、智能平台变现、智能软件授权以及智能项目整合。不同的商业领域决定AI技术的变现能力，根据五类产业内容又可分为计算能力、数据、算法框架、应用平台和解决方案六类商业领域，其进入壁垒、演化路径与短期长期价值各不相同。
    图：人工智能常见五种商业模式
    
    资料来源：资产信息网 千际投行
    目前，国内外的中大型厂商都已经初步形成了各自不同的核心竞争力，依据五大类人工智能商业内容呈现出的最终形式大致可以分为以下三类公司。
    人工智能创业公司：主要是依靠其对于某一垂直领域的技术研发或渠道优势，通过销售相关技术产品设备或服务获得盈利。人工智能领域创业的技术门槛较高，一旦成功产业化，则竞争压力相对较小。商业模式相对比较传统，在获得市场关注和盈利前，需要投资人在人才与研发环节持续投入。而获得源源不断的融资也靠创始人的声誉背书，因此这类企业短时间内的收入模型和盈利模式比较模糊。
    人工智能平台：大型人工智能科技公司一般布局都在基础功能平台服务上，如大数据、云计算平台。现在越来越多的巨头也把资源投入到了AI领域，如微软旗下成熟的AI平台。大型科技巨头公司将主要精力花在布局基础设施上，且大型人工智能平台主要都是靠应用程序接口（API）来盈利，调用的API次数越多，收费越高。而在调用这些API的同时，用户通常还会涉及其他服务，如服务器、虚拟机、数据库等，这也将为企业盈利带来新的增长点。
    人工智能咨询与定制服务：主要根据企业和客户的需求进行定制化的人工智能解决方案。现阶段，人工智能方案对于传统制造与服务类企业来说，规模化应用及成本控制难度较大。但随着未来AI技术的发展，与人工智能服务相关的产品成本必将下降，中小型企业也可以负担并愿意进行智能升级改造。
    AI咨询与定制服务的商业模式较为独特，目前大致有以下两种模式：
    成熟的AI专利应用，如开发一个独家专利的人工智能解决方案产品，并出售给下游用户，其产品可标准化、规模化量产。
    客户定制化服务，比如为某家公司客户进行产品定制服务，服务的归属权归客户所有，服务公司无权转卖，此类定制服务价格较高，竞争能力强。
    2．3 技术发展
    对国内人工智能行业的各个专利申请人的专利数量进行统计，排名前列的公司依次为：中兴通讯、京东方A、四川长虹、视源股份、海康威视、浪潮信息、大华股份、航天信息等。
    图 国内人工智能行业专利数量 Top 10
    
    资料来源：资产信息网 千际投行 iFinD
    截至2021 年上半年我国人工智能专利技术占比已超过65％，远超美、日韩等其他国家，处于绝对领先地位。从技术构成来看，目前“用于阅读或识别印刷或书写字符或者用于识别图形．．．”的专利申请数量最多，为34450 项，占总申请量的20．88％。
    图：全球人工智能专利来源国分布情况
    
    资料来源：资产信息网 千际投行 广闻广识
    2．4 政策监管
    人工智能行业根据中国证监会颁布的《上市公司行业分类指引》（2012年修订）和国家统计局《国民经济行业分类》（GB／T4754－2017）隶属于“软件和信息技术服务业”（行业代码为I65）。根据《战略性新兴产业分类（2018）》隶属于“新一代信息技术产业”中的“人工智能”行业。
    人工智能行业的行政监管部门为工信部，负责拟订信息产业的规划、政策和标准并组织实施，指导行业技术创新和技术进步，组织实施有关国家科技重大专项，推进相关科研成果产业化，推动软件业、信息服务业和新兴产业发展。
    人工智能的自律协会包括：
    中国软件行业协会：协助政府部门组织制定、修改行业的国家标准、行业标准及推荐性标准，并推进标准的贯彻落实；开展软件和信息服务行业的调查与统计，提出行业中、长期发展规划的咨询建议；根据软件行业发展需要，组织行业人才培训、人才交流等。
    中国人工智能产业发展联盟：聚集产业生态各方力量，联合开展人工智能技术、标准和产业研究，共同探索人工智能的新模式和新机制，推进技术、产业与应用研发，开展试点示范，广泛开展国际合作等。
    中国人工智能学会：组织和领导会员开展人工智能科学与技术的创新研究，促进人工智能科学与技术的发展；开展国内、国际学术交流活动，提高会员的学术水平；开展人工智能科学与技术的咨询与培训；组织开展对人工智能领域科学技术和产业发展战略的研究，向政府部门提出咨询建议等。
    人工智能的行业政策包括：
    
    资料来源：资产信息网 千际投行
    2020年国家标准化管理委员会、中央网信办国家发展改革委、科技部、工业和信息化部关于印发《国家新一代人工智能标准体系建设指南》的通知，将人工智能标准体系结构分为八大部分。
    基础共性标准：包括术语、参考架构、测试评估三大类，位于人工智能标准体系结构的最左侧，支撑标准体系结构中其它部分。
    支撑技术与产品标准：对人工智能软硬件平台建设、算法模型开发、人工智能应用提供基础支撑。
    基础软硬件平台标准：主要围绕智能芯片、系统软件、开发框架等方面，为人工智能提供基础设施支撑。
    关键通用技术标准：主要围绕智能芯片、系统软件、开发框架等方面，为人工智能提供基础设施支撑。
    关键领域技术标准：主要围绕自然语言处理、智能语音、计算机视觉、生物特征识别、虚拟现实／增强现实、人机交互等方面，为人工智能应用提供领域技术支撑。
    产品与服务标准：包括在人工智能技术领域中形成的智能化产品及新服务模式的相关标准。
    行业应用标准：位于人工智能标准体系结构的最顶层，面向行业具体需求，对其它部分标准进行细化，支撑各行业发展。
    安全／伦理标准：位于人工智能标准体系结构的最右侧，贯穿于其他部分，为人工智能建立合规体系。
    图：人工智能标准体系结构
    
    资料来源：资产信息网 千际投行 东吴证券
    第三章 行业估值、定价机制和全球龙头企业3．1 行业综合财务分析和估值方法
    图：指数表现
    
    
    
    
    
    资料来源：资产信息网 千际投行 iFinD
    人工智能行业估值方法可以选择市盈率估值法、PEG估值法、市净率估值法、市现率、P／S市销率估值法、EV ／ Sales市售率估值法、RNAV重估净资产估值法、EV／EBITDA估值法、DDM估值法、DCF现金流折现估值法、NAV净资产价值估值法等。
    3．2 行业发展和驱动因子
    多个行业希望利用AI实现数字化转型
    当前，数字化浪潮来袭，以人工智能为代表的新一代数字技术日新月异，催生了数字经济这一新的经济发展形态。过去20余年消费互联网的充分发展为我国数字技术的创新、数字企业的成长以及数字产业的蓬勃发展提供了重要机遇。人工智能等新一代信息技术的快速发展和应用，推动着各行各业加速向数字化迈进。伴随着数字技术的融合应用以及我国供给侧结构性改革的不断深化，加快AI等数字技术与产业经济的融合发展成为多个行业的共识。
    大量人工智能高端人才
    高端人才对于一个行业的影响毋庸置疑，甚至可以说，一个国家在人工智能领域的实力主要取决于少数精英研究人员的质量。目前世界范围内，美国仍然是拥有最多拔尖研究人员的国家，这就是为什么美国在人工智能发明的年代能够取得领先地位，并且进入应用的时代时，他们比自己的同行有优势。
    近年来，我国企业对于机器学习、知识图谱等领域关注度逐年增加，尤其在金融、教育、医疗领域，并由此吸引了越来越多的人才从事相关领域的学习。在研究热度、就业前景、政策红利等多方面因素叠加下，未来我国有望培养大量该领域的高端人才。
    移动互联网的推动
    随着人工智能进入应用时代，数据的应用量得到了大幅提升。当今人工智能应用的核心，就是通过深度学习在海量数据中概括出人类难以发觉的细微联系的能力。数据可以被视为支撑人工智能运行的原材料。
    我国拥有大量的移动互联网用户基础，为我国人工智能行业提供数据支撑。截至2021年上半年，我国手机网民规模为10．07亿，较2020年12月新增手机网民2092万，网民中使用手机上网的比例为99．6％
    技术进步
    （1）边缘计算技术：通过将边缘技术应用于人工智能，可以提供更快的计算和洞察力、更好的数据安全性以及对持续运营的有效控制。因此，它可以提高支持人工智能的应用程序的性能，并降低运营成本。
    （2）分布式计算技术：可以将计算任务分派给多个分布式服务器进行下发，计算完成后再将结果通过不同的分布式服务器进行汇总，通过中央控制器合成展现。分布式计算架构与人工智能计算相辅相成，共同完成大数据处理和计算任务。
    政府政策支持
    政府政策在驱动中国人工智能发展方面的作用是显著的但常常被人误解。政府常常挑选优势企业进行补贴，或者发布命令规定应当发展的技术。如果人工智能对经济的影响远小于当前预期，那么投入人工智能的资源可能是一种浪费。
    另外，由于许多人工智能技术都已经成熟，选择哪些进行支持对公共部门来说是一个问题。政府的参与绝不是技术领先的先决条件，但随着人工智能更深入地渗透到现实系统中，政府参与可能会加速技术产生经济影响。
    3．3 行业风险分析和风险管理
    表：常见行业风险因子
    
    资料来源：资产信息网 千际投行
    核心竞争力风险
    人工智能行业为技术密集型行业。业内公司掌握的核心技术及业内公司研发水平将严重影响业内公司的核心竞争力。随着人工智能应用及算法的逐步普及，人工智能芯片受到了多家集成电路龙头企业的重视，该领域也成为多家初创集成电路设计公司发力的重点。此外，研发项目的进程及结果的不确定性较高，业内公司将面临前期的研发投入难以收回、预计效益难以达到的风险。
    应对措施：未来，业内公司应不断贴近市场需求，提升研发投入效率，保障产品的快速迭代，以此保障公司提升自身的核心竞争力。
    行业风险
    近年来，随着人工智能应用及算法的逐步普及，人工智能受到了市场的重视。总体来看，人工智能技术迭代速度加快，技术发展路径尚在探索中，尚未形成具有绝对优势的架构和系统生态。随着越来越多的厂商推出人工智能产品，该市场竞争日趋激烈。
    应对措施：未来，公司应加强研发管理，提升研发效率，以应对行业风险。
    宏观环境风险
    业内公司采购部分境外 IP、软件，主要通过美元进行结算。业内公司自签订采购合同至收付汇具有一定周期。随着公司经营规模的不断扩大，未来若人民币与美元汇率发生大幅波动，公司未能准确判断汇率走势，或未能及时实现结汇导致期末外币资金余额较高，将可能产生汇兑损失，对公司的财务状况及经营业绩造成不利影响。
    新冠疫情风险
    全球新冠疫情仍在持续，国内外多地疫情反复，如果进一步失控，有可能对公司的市场销售以及现场交付工作造成较大影响。
    应对措施：公司应毫不松懈地做好疫情防控工作，努力保护员工健康，持续密切关注疫情态势，慎重评估其对公司经营的影响，并积极应对，尽可能降低疫情带来的负面影响。
    3．4 竞争分析 － SWOT 模型
    优势
    人工智能可以提供各种各样的应用来服务人类，比如京东和淘宝的智能推荐，无人车的自动驾驶。人工智能可用于完成最困难，最复杂甚至最危险的任务。我们可以利用人工智能的优势并充分利用它。人工智能还可以节省人力资源和提高效率，帮助我们完成单调，重复和耗时的过程。并且人工智能可以不停地工作，但人们不能这样做。同时人工智能能够比人们更快地完成复杂的任务，节省大量时间并加快进程，并且人工智能的成本与人力成本相比要低很多。
    劣势
    人工智能系统还无法超出场景或语境理解行为，并且具有不可预测性，用户无法预测人工智能会做出何种决策，这既是一种优势，也会带来风险，因为系统可能会做出不符合设计者初衷的决策。最后是安全问题和漏洞。机器会重结果而轻过程，它只会通过找到系统漏洞，实现字面意义上的目标，但其采用的方法不一定是设计者的初衷。例如，网站会推荐一些极端主义视频，因为刺激性内容可以增加浏览时间。再如，网络安全系统会判断人是导致破坏性软件植入的主要原因，于是索性不允许人进入系统。
    机遇
    无论人类社会自身的需求，还是由于人工智能的介入而产生的新需求，这些需求本身都为人工智能的发展提供了难得的机遇。虽然这些机遇不一定促成人工智能的进步，但它们的确是人工智能进一步发展的动力。人类总是期望人工智能可以更安全、更贴心地服务于人类，为人类创造更多的便利。
    威胁
    从技术层面来说，当前人工智能仍然面临着众多技术上的难题。技术上的难题关系着人工智能是否具有可靠性与高效性，能否取得人类信任，能否避免出现重大技术事故等。
    从社会规范层面来看，人工智能的快速发展在一定程度上打破了传统的社会规范，也因此带来了一系列的社会问题。这些问题的出现，为人工智能的发展带来了诸多隐忧，甚至在一定程度上阻碍了人工智能的发展。人工智能能否解决人类对人工智能自身发展的担忧，在很大程度上决定着其自身的发展前景。
    3．5 中国企业重要参与者
    中国主要企业有海康威视［002415．SZ］、工业富联［601138．SH］、京东方A［000725．SZ］、中兴通讯［000063．SZ］、科大讯飞［002230．SZ］、恒生电子［600570．SH］、澜起科技［688008．SH］、闻泰科技［600745．SH］、兆易创新［603986．SH］、圣邦股份［300661．SZ］等。
    
    资料来源：资产信息网 千际投行 iFinD
    （1）海康威视：成立于2001年，是一家专注技术创新的科技公司。海康威视致力于将物联感知、人工智能、大数据技术服务于千行百业，引领智能物联网新未来。
    （2）科大讯飞：成立于1999年，是亚太地区知名的智能语音和人工智能上市企业。自成立以来，一直从事智能语音、自然语言理解、计算机视觉等核心技术研究并保持了国际前沿技术水平；积极推动人工智能产品和行业应用落地，致力让机器“能听会说，能理解会思考”，用人工智能建设美好世界。2008年，公司在深圳证券交易所挂牌上市（股票代码：002230）。
    （3）寒武纪：成立于2016年，专注于人工智能芯片产品的研发与技术创新，致力于打造人工智能领域的核心处理器芯片，让机器更好地理解和服务人类。寒武纪产品广泛应用于服务器厂商和产业公司，面向互联网、金融、交通、能源、电力和制造等领域的复杂 AI 应用场景提供充裕算力，推动人工智能赋能产业升级。
    3．6 全球重要竞争者
    中国科学院大数据挖掘与知识管理重点实验室所发布的《2019人工智能发展白皮书》披露全球人工智能企业TOP20榜单，排名前十分别是：微软、谷歌、Facebook、百度、大疆创新、旷视科技、科大讯飞、Automation Anywhere和IBM。
    
    资料来源：资产信息网 千际投行 中科院
    （1）微软：是一家美国跨国科技企业，由比尔·盖茨和保罗·艾伦于1975年4月4日创立。公司总部设立在华盛顿州雷德蒙德（Redmond，邻近西雅图），以研发、制造、授权和提供广泛的电脑软件服务业务为主。最为著名和畅销的产品为Windows操作系统和Office系列软件，是全球最大的电脑软件提供商、世界PC（Personal Computer，个人计算机）软件开发的先导。
    （2）谷歌：成立于1998年9月4日，由拉里·佩奇和谢尔盖·布林共同创建，被公认为全球最大的搜索引擎公司。谷歌是一家位于美国的跨国科技企业，业务包括互联网搜索、云计算、广告技术等，同时开发并提供大量基于互联网的产品与服务，其主要利润来自于关键词广告等服务。
    （3）Facebook：成立于2004年2月4日，总部位于美国加州门罗公园。Facebook最初是为大学生设计的，由马克·扎克伯格于2004年在哈佛大学就读时创建。
    第四章 未来展望
    AI基础技术进一步突破
    AI经历“革命性十年”的大发展，底层算法以深度学习为核心。随着AI的大规模应用，AI技术已出现瓶颈。科学家与工程师们在现有技术框架下克服瓶颈，但却很难将其消除。算法层面，人工智能目前处于初级阶段，从被动感知向主动感知、认知和决策还需要技术全面提升；算力层面，人工智能对计算提出更高要求，当前的计算体系在成本、性能与能耗上均不堪重负。
    智能云将成社会“水电煤”
    越来越多企业意识到AI价值，然而AI技术门槛颇高，企业自行研发并不现实，也无必要。基于 “云服务”模式，企业可快速基于云端AI技术能力开发AI应用。前十年，云计算是社会数字化基础设施；新十年， AI将成为云计算市场的一大增量，智能云则将成为智能社会的水电煤。
    服务机器人迎来黄金发展期
    前十年，大规模爆发的AI应用却不多。在消费市场，智能音箱、智能汽车、智能家居等少数产品实现智能化并大规模销售；在行业市场，在防疫、教育、金融、物流等少数行业，AI开始逐步应用。
    新十年有望爆发式增长的AI应用则是服务机器人。服务机器人是指除工业机器人之外的、用于非制造业并服务于人类的各种先进机器人，主要包括个人／家庭用服务机器人和公共服务机器人。人口老龄化加剧、劳动力成本上升，服务机器人市场需求更加强劲。
    AI进一步“下沉”到传统行业
    前十年，AI在一些行业率先落地，主要集中在金融、教育、娱乐、信息等相对新兴的第三产业。新十年，AI则会进一步“下沉”到千行百业，包括制造业、医疗、养老业以及古老的农业。