一、人工智能的第三次浪潮

  人工智能是一门研究和开发用于模拟和扩展人的思维信息过程并形成应用系统的技术科学。从发展历程来看，1956年在达特茅斯会议首次提出了人工智能概念，宣告了人工智能学的诞生。1980年，多层神经网络算法的出现，掀起了人工智能发展的第二次发展浪潮，众多学者纷纷投开发出各式新型人工智能算法，但因当时算力普遍不足且缺少数据样本对这些算法进行参数校正，使得人工智能技术难以落地，发展再次进入沉寂。进入21世纪以来，在摩尔定律与互联网技术的驱动下，算力和数据量均出现了指数性的飞跃，满足了前期各类先进新型算法的实践需求，从而掀起了人工智能技术波澜壮阔的第三次发展浪潮。2018年的亚洲最大消费电子展CES Asia上，人工智能成为了最大亮点，随着阿里巴巴、百度、京东、小米、联想等品牌在智能领域中的崛起，智能音箱、智能电视、智能空调等诸如此类的产品愈来愈多，不断满足消费者的消费需求，人工智能逐渐飞入寻常百姓家。

二、人工智能的三大驱动力

人工智能第三次发展浪潮，离不开对早期研发的瓶颈——算法、算力以及数据量的全面突破，我们将其称之为当前人工智能技术的三大驱动力：

第一：算法。算法是人工智能中最为核心的基础技术，只有在确立了算法的基础上，数据和算力方能发挥作用。相比于传统的专家系统，当前的人工智能技术尽管已经可以面对复杂情况，但尚未达到通用智能的地步，在各应用场景仍需要开发对应的特殊算法。例如，在语音识别领域，长短时记忆网络算法(LSTM）是主流结构；而在计算机识别图像时，卷积神经网络算法（CNN）往往更为适合。

第二：算力。新型算法离不开强大算力的支持。以新型算法的代表——神经网络算法为例，其变量与参数动辄以亿为单位计数，所需运算量在千亿亿次浮点运算（10Exa FLOPS）量级，且这一数量级正逐年攀升。受限于架构设计理念，传统芯片仅能够处理小样本数据的复杂运算，无法处理海量数据的简单并行运算，计算能力的提升只能靠数量堆砌（例如超级计算机天河二号拥有312万个计算核心），造成体积庞大，因此算力一度成为人工智能技术落地的主要瓶颈。然而近年来人工智能专用芯片的诞生，为此类问题提供了突破性的解决方案。人工智能专用芯片通过设置专有指令集、调整矩阵结构以及设置人工神经元电路等方法，使其对大数据的简单并行计算能力出现了大幅的提升。例如，寒武纪最新推出的MLU100芯片，其单颗计算能力峰值能达到每秒128万亿次，这相比于使用传统Ivy Bridge芯片架构的天河二号超级计算机所使用的基础芯片（平均单个核心算力仅每秒176亿次）达到了近万倍的提升。

第三：数据。目前的数据可以被划分为三个类型：互联网用户数据、企业系统数据以及物联网数据。互联网用户数据是传统的一类大数据，包含人们的社交网络、消费行为、信息收集习惯、出行规律等，与大众生活息息相关且早已完成互通互联，能最容易地被整合。企业系统数据则是以ERP、MES、CRM等系统中已被数字化存储但依旧被“孤立”在企业或政府服务器中的数据，这些数据一旦经过互联网的相互整合将产生巨大经济价值，比如政府掌握的居民电费数据和地产公司掌握的房屋销售情况相结合就可以得出房屋空置率，政府可根据此项数据做出政策调整。物联网数据则是被物联网设备从物理世界数字化到虚拟世界的数据，例如可穿戴设备所反馈的人体心率变化和热量消耗，又或是钢厂锅炉反应堆传感器所反馈的锅炉实时温度，这些数据通过人工智能系统进行深入分析，将极大的提高工业生产效率，改善人们生活。

三大驱动力有机结合带来人工智能颠覆性的改变。第三次发展浪潮中人工智能最重要的特征，就是设计理念从过去注重因果的“人为设定”，转变到由数据驱动的“自主学习”的方法上，令机器可处理任务复杂度大幅提升。在早期以“人为设定”为设计理念，并以专家系统为代表的人工智能中，每一项功能都是人为设计的线性解决方案，一旦涉及到诸如理解人一段话语的意义这种多变量维度的复杂环境，编程人员将无力遍历所有可能发生的情况。而三大驱动力的有机结合——通过先进算法，在特定的AI芯片中，对采集到的大数据样本进行快速处理——将使得新人工智能能够从数据中“自主学习”关键变量与参数，不断自发迭代优化，在功能上持续升级，充分体现了其智能的一方面。

三、我国人工智能前景广阔

美国在人工智能相关算法理论和算力设施基础上有着先发优势。在算法方面，根据国外最大的开源软件托管平台Github统计，在现有的AI算法学习库中，活跃度最高的为谷歌Tensor Flow学习库且远远甩开第二名；在算力方面，国际传统芯片巨头英伟达和AMD对人工智能芯片的研发依然有着专利优势与技术优势。但是，我国在数据方面具有天然优势，有望与其他要素形成正反馈，创造弯道超车的广阔市场前景。在人工智能隐含伦理和法律风险问题上，欧美国家耗费了大量精力进行反复讨论，导致大量数据无法有效利用且应用项目落地放缓。而我国的数据隐私限制较少，产业变现的政策难度较低。在高速产业发展趋势下，丰富的数据资源可加快算法升级，活跃的资本将吸引更多专业人才，我国可逐渐弥补算法落后的局面。同时，新型人工智能专用芯片在底层架构发生变革，相比于传统芯片领域，芯片技术壁垒在人工智能行业将逐渐消失，我国在此技术变革之际与国际领先水平站在了同一起跑线。

综上所述，我国在人工智能三大驱动引擎上无明显短板，三者彼此循环促进下将形成正反馈，我国人工智能产业将迎来高速发展。按国家颁布的《新一代人工智能发展规划》，我国的人工智能产业发展战略将分成3步走：2020年核心产业规模超过1500亿，2025年超过4000亿，而到了2030年，国家的战略目标是1万亿，并且在该年力争成为世界主要AI创新中心。由此可见，我国在人工智能领域中存在着广阔市场前景，值得我们重点关注。

图1 三大驱动要素相辅相成示意图

四、人工智能投资机会

    根据我国人工智能应用项目落地现状，我们选取了当前三大要素结合的最好且最具有投资价值的产业链：“AI+医疗”，“AI+安防”以及“AI+金融”进行介绍。

“AI+医疗”产业链：在过去，医疗场景中有医学影像、病历、医学文献、问诊录音、网上问诊文本等大量非结构化数据。这些数据人工处理效率和利用率低下且成本高，常常造成民众看病难、看病贵的问题，随着国民生活水平和对健康重视程度逐渐提高，医疗行业迫切需要提升效率。人工智能的强大识别和高速处理能力，可以有效地帮医生筛选出最核心有效的信息从而提高医学诊断效率，甚至进一步挖掘疾病规律、分析疾病相关性、构建疾病谱等。此外，在药物研发环节，传统的药物研发需要大量的模拟测试，研发所需经济和时间成本高。通过人工智能对药物研发的各个阶段进行升级，利用AI强大的自我学习能力对数以百万计生物或药物分子进行拟合、筛选、分类，可以大大降低研发成本提高效率。人工智能极大的扩充了医疗行业的发展前景，目前国内产业雏形已成并将持续壮大。建议关注的相关标的有：翰宇药业、东华软件、卫宁健康等。

图2 “AI+医疗”产业链

“AI+安防”产业链：在 “平安城市”政策下，安防产业经历了一轮快速发展，带来了大量高清摄像头，然而由于高清化带来了海量数据，传统后端分析时效性差，人工需求大，已经难以满足平安城市的管理要求。随着AI在算法以及硬件层面的发展，人工智能可以直接对这类高清图像数据进行快速处理。算力方面，新ASIC架构的AI芯片相比于传统芯片有着大幅的提高，同时有效降低了成本，有助于促进智能摄像头普及。例如，佳都科技公告中标广东省公安视频云一期项目，标志着我国第一个“AI+安防”的应用落地，揭示了公安整体对安防的需求越发智能化。建议关注的相关标的有：海康威视、佳都科技、大华股份、千方科技等。

图3 “AI+安防”产业链

“AI+金融”产业链：金融行业每天会产生大量交易数据、政经新闻、公司公告、客户信息等。这些数据除了体量大，时效性也较强。金融从业者往往需要对这海量信息在最短的时间内及时消化并做出反馈，例如决定是否授信、买卖证券或确认洗钱账户等。在过去，人受限于精力和各方面因素影响，很多时候难免会有反应迟缓做不到最优决策的问题。人工智能技术则可以利用其语义处理和智能决策算法，配合强大的算力支持，全天候无休的收集信息、识别有效点、筛选重点并做出精准判断。总体来看，人工智能在征信与风控、投资决策、精准营销、反洗钱还有身份验证方面等金融各细分领域都能大幅提高金融业工作效率，有着巨大市场前景。建议关注的相关标的有：恒生电子、中国平安、同花顺等。

图4 “AI+金融”产业链

我们对人工智能的发展历程做了一个回顾，阐述了人工智能将对社会产生的颠覆性改变和广阔的市场前景，并总结了人工智能行业发展的三大驱动力和它们之间相互依存促进的关系。目前来看，在人工智能这一片蓝海之中，企业角逐的重心大都围绕着这三大驱动力进行布局，其中“AI+医疗”，“AI+安防”以及“AI+金融”三大产业链布局最为成型。接下来，世纪证券研究所将基于这一框架继续对人工智能进行深入分析，挖掘人工智能未来商业模式，持续跟踪行业发展，从而寻找到在AI发展浪潮中最佳的投资机会。

此轮人工智能的爆发，已将概念转换为实用技术带入人们的生活。作为新一轮生产力革命的驱动核心，人工智能将催生新的技术、产品、产业、模式，从而引发经济结构的重大变革，实现社会生产力的指数级提升。未来人工智能的发展趋势将呈现以下特征：技术平台开源化，降低合作壁垒是提高效率的重要因素；专用智能向通用智能转变，能否减少对领域知识的依赖性、提高处理任务的普适性，是未来衡量人工智能发展水平的重要指标；从感知向认知的迭代，机器从学习知识到理解知识，是人工智能必须跨越的阶段。奇点已至，未来已来，我们除了正确把握人工智能的发展趋势外，还应留给自己对未来无限的畅想。