西南证券研究发展中心 计算机研究团队 2021年12月 人工智能行业专题（一） “寒冬”or“拂晓”， 捕捉AI企业上市潮机遇 联系人：邓文鑫 电话：15123996370 邮箱： 联系人：叶泽佑 电话：021-58351932 邮箱： 分析师：常潇雅 执业证号：S1250517050002 邮箱： 1 AI是我国数字化转型的关键支撑，产业加速发展抢占战略高地。在当前“百年未有之大变局”的 历史格局之下，各行各业的数字化改革正在加速推进，人工智能与5G、工业互联网、物联网等并 列为新型基础设施建设，成为我国数字化转型需求的关键支撑。政策助推下，产业有望呈现加速 发展态势。 从技术角度出发，AI处于关键突破阶段。以计算机视觉、语音识别为代表的人工智能技术在经历 了萌芽期和期望膨胀期后，已逐步渡过了泡沫破裂的低谷期，伴随GPT-3等超大训练模型的出世 ，AI技术带来的红利远未见顶，未来十年将是“弱人工智能”向“强人工智能”发展的关键阶段 ，AI赛道具备典型的大空间、长赛道特点，有望持续受益。 AI企业即将迎来上市潮，捕捉投资机遇。我国AI企业早期投融资次数自2019年起显著下降，同期 中后期投资占比大幅提升，资金和优质资源配置向优质AI企业集中，行业第一轮洗牌加速。行至 2021年尾，以商汤、云从为代表的人工智能独角兽即将上市，本文通过对人工智能产业链以及同 业个股的梳理，探讨其投资机遇。 风险提示：人工智能技术发展不及预期；业绩可预见性受限；行业竞争加剧等。 投资要点 2 前言：当前中国AI产业进入融合发展阶段 2017至2019年，政府工作报告连续三年均提及加快人工智能产业发展； 2020年，人工智能更是与5G基站、大数据中心、工业互联网等一起被列入新基建范围。 2021年，中国AI产业进入深度融合发展期，迎来新的发展机遇。 当前我国人工智能产业背景 技术突破 从单点技术应用走向融 合创新 资本市场 一级市场趋于饱和，即 将迎来上市潮 落地融合 各行业全面铺开、深度 落地，反哺技术发展 国际竞争 AI成为各国角逐焦点， 中国影响力不断扩大 数字经济 AI成为数字经济底座， 支撑能力持续提升 后疫情时代 助力抗疫和复工，解锁 落地新场景，加速发展 3 技术融合突破+数字经济底座 当前我国正处于“弱人工智能”向“强人工智能”过渡阶段。 深度学习、计算机视觉、语音识别等核心技术正逐步走向成熟，我国在AI芯片、知识图谱、脑机接 口等领域开始逐步突破。 伴随AI的场景应用不断丰富深化，单一技术难以满足复杂场景下的智能化需求，AI开始向横向和纵 向延伸，以开放平台为载体，与5G、物联网、区块链、边缘计算等技术集成融合，提供标准化、 模块化的产品和服务（即AIaaS）。 人工智能与5G、工业互联网、物联网等并列为新型基础设施建设，成为我国数字化转型需求的关 键支撑，赋能传统行业完成智能化转型。 物联网 5G 区块链 数据中心 人工智能 大数据 工业 农业 城市 采集 传输 存储 分析 应用 AI与各类技术融合应用，成为数字经济底座 4 后疫情时代+产业加速落地铺开 当前我国近80%的人工智能企业分布在应用层，其中泛安防、企业服务和机器人最为热门。 人工智能在抗疫关键战役中起到巨大作用，AI测温、AI排查、疫情监控平台、医院消毒机器人等 在各地加速普及；后疫情时代，AI亦有效助力复工，居民对人工智能的乐观态度从疫情前的70% 水平提升至90%水平，汽车、大健康、教育等应用场景的渗透率大幅提升。 总体来讲，我国人工智能产业呈现出上游寻求突破，中游龙头企业试水，下游百花齐放的产业格 局。 50 54 58 62 68 75 113 160 255 0 50 100 150 200 250 300 教育 基础元件 家居 金融 大健康 汽车 安防 通用型方案 机器人 我国AI企业的垂直领域分布 疫情加速AI落地 数据来源：中国信通院，亿欧智库，西南证券整理 发布国家新一代人工智能标准体系建设指 南 发布关于促进人工智能和实体经济深度融 合的指导意见 5 国际竞争 AI成为“兵家必争之地”，各国人工智能的战略布局加快，辅以政策频繁落地驱动。 中国影响力持续提升，中国的AI企业数量占全世界的份额比重由2018年的20%提升至25%。 各国（地区）AI相关战略动作频出 提高AI在国防部署中的重要性 颁布维护美国在人工智能领域领导地位 、国家人工智能研发战略计划、美国 人工智能时代：行动蓝图 加强伦理立法实践，构建可信赖与安全的AI 监管框架，发布人工智能监管新路径 立足疫情后需求，对AI投资从30亿欧元增至 50亿欧元 发布日本下一代人工智能促进战略，确 定了人工智能在政府、产业界和学术界合作 行动目标 发布第2期战略性创新推进计划（SIP） 我国AI企业数量占比提升 中国 20% 美国 40% 其他 40% 中国 25% 美国 38% 其他 37% 2018年 2020年 数据来源：全球人工智能战略与政策观察，亿欧智库，西南证券整理 6 资本市场 2 6 4 11 29 58 85 89 34 15 7 3 1 2 3 13 28 37 57 53 32 38 1 1 7 11 9 15 1 1 4 4 8 2 5 2 8 1 6 8 14 23 27 0% 20% 40% 60% 80% 100% 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020 2021H1 种子轮/天使轮 PreA/A/A+ PreB/B/B+ C/C+ D 战略投资 0.27 0.72 0.63 1.1 1.17 1.37 3.28 120 232 341 400 242 183 141 0 50 100 150 200 250 300 350 400 450 0 0.5 1 1.5 2 2.5 3 3.5 2015 2016 2017 2018 2019 2020 2021H1 平均单笔融资金额（左轴，亿元） 融资次数（右轴，次） 数据来源：36氪，前瞻产业研究院，西南证券整理 2014-2018期间，AI领域初创企业如雨后春笋般涌出，投融资事件数在2018年达到顶峰。 我国AI企业早期投融资次数自2019年起显著下降，同期中后期投资占比大幅提升，其中C轮以后 投融资占比超过50%，AI产业投融资次数减少，轮次后移。 2020年起，AI企业平均单笔融资金额从1亿元左右跨越至3.3亿元，其中地平线、涂鸦智能等单 笔融资金额超过30亿元，资金和优质资源配置向优质AI企业集中，行业第一轮洗牌加速。 AI企业各轮次投融资占比 AI企业平均单笔融资金额 7 2 5 目 录 一、人工智能综述 二、从感知到认知，技术红利远未见顶 三、群雄林立，捕捉AI厂商上市潮机遇 1 人工智能 8 数据来源：中国电子元件行业协会，人工智能，西南证券整理 人工智能是模拟、延伸和扩展人的智能（学习、推理、思考、规划等），以使计算机实现人的头脑思 维的技术。 人工智能利用机器模拟人类意识和思想，以代替甚至超越人类的认知、分析和决策，达到机器以人类 的思维方式执行任务。 人工智能三要素 人工智能发展三次浪潮 数据：提升识别率和精准度。 算法：算法是机器学习的实现途径，机器学习是一种可 以从数据分析中获得信息进行预测的算法。最热门的机 器学习是深度学习（神经网络）。 算力：包括软件和硬件的开发。计算机、芯片等载体提 供了基本算力。 9 1 人工智能产业链 基础层是AI产业的根基，为人工智能提供数据及算力支撑 技术层是AI产业的核心，以模拟人的智能相关特征为出发点，构建技术路径 应用层是AI产业的延伸，面向特定场景需求形成软硬件产品或解决方案 人工智能产业链结构 数据来源：前瞻产业研究院，西南证券整理 10 人工智能产业链图谱 1 人工智能产业链 数据来源：艾瑞咨询，西南证券整理 1 中美人工智能发展领跑 11 数据来源： Tortoise Intelligence ，西南证券整理 世界各国AI指标排名 中美两国领跑人工智能行业，中国的发展和政府策略指标世界排名第一。 海外专业调研机构Tortoise Intelligence发布AI指数，对世界各国人工智能进行排名，衡量指标包括研 究、编程平台、投资和政府支出等150个指标。AI综合排名前十的国家依次为美国、中国、英国、加 拿大、德国、法国、新加坡、韩国、日本和爱尔兰。 中国有两项指标位居首位，分别为发展指标和政府策略指标。发展指标方面，2019年每十项AI专利就 有7项在中国申请。政府策略指标方面，中国在人工智能行业投入的公共资金是世界其他国家总和的 1.5倍。 1 中美人工智能发展领跑 12 数据来源： 前瞻产业研究院，公开资料，西南证券整理 中美两国人工智能政策 我国人工智能政策先行，持续落地推动。 我国初期政策偏向互联网行业，终端应用市场发展迅速，但算法和算力领域发展受到一定程度的忽 视，需要长期投入研发创新的基础层还有待突破。 美国虽然2015年才有战略层面的政策出台，公共资金投入较晚，但由于拥有人才和技术的优势， 目前仍处于领先地位，尤其在算法和算力硬件领域布局超前。 相较于美国人工智能行业的全面发展，中国人工智能产业发展存在“头重脚轻”的结构性问题，近 年来的政策已开始逐步强调技术创新的关键性。 基础层 1.1 中美人工智能基础层对比 14 数据来源： 沙利文咨询，前瞻产业研究院，西南证券整理 我国人工智能产业链基础层存在短板，但近期曙光初现。 受限于创新难度大、技术和资金壁垒高的特点，我国基础层的发展时间较短，在底层技术和基础理论领域 积累不足，尚缺乏标志性研究成果，长期以来受制于欧美日韩等AI国际巨头。 美国人工智能大型厂商综合布局AI产业链，芯片、传感器、云计算等均有对应领域的绝对龙头；中国人工 智能企业布局侧重应用层和技术层，基础层企业占比最少，仅占人工智能企业的2.8%，且多为传统互联网 巨头。 近年来，伴随华为海思、地平线、寒武纪等“国产之光”出现，我国在基础层已有初步突破，呈现快速追 赶的良好发展态势。 2019年中国人工智能企业层次分布 中美人工智能基础层厂商 1.1 中美人工智能基础层对比（云计算领域） 15 一、云计算领域，中国企业入局云计算数据中心，国外科技巨头占据大部分市场份额。 云计算不仅是人工智能的基础计算平台，也是人工智能集成到众多应用中的便捷途径。 中国企业阿里云、腾讯云、百度云纷纷布局了云计算数据中心，但服务器化、SDN、开发语言等核 心技术仍掌握在亚马逊、微软等国外科技巨头中。 从竞争格局来看，国外科技巨头仍占据主要市场份额，亚马逊、微软、谷歌组成的CR3占比达到 60%，此外，以阿里云为代表的国产云计算厂商开始崛起，份额稳步扩张。 中美云计算厂商市场份额趋势 厂商 产品种类 优势 Amazon AWS 云主机、对象存储、 弹性块存储、数据库、 云分发、管理工具与 应用程序服务 数据中心遍布多个国家，入行 时间早，经验丰富，产品成熟 细分产品丰富，帮助客户覆盖 更多领域 Microsoft Azure 云主机、对象存储、 数据库、块存储、云 分发、管理工具、 Web与移动应用管理 规模巨大，云服务覆盖国家广 泛 客户资源丰富，积累多年大客 户以及企业服务经验 阿里云 云主机、对象存储、数据库、云分发 产品种类丰富 数据资源丰富 软件开发和创新能力强，拥有 IaaS服务经验 腾讯云 云主机、数据库、块存储 在社交、视频和游戏领域产品 众多，经验丰富 微信开放平台带来大量客户 软件开发和创新能力强，拥有 一定的IaaS服务经验 中美云计算厂商对比 数据来源： Synergy Research Group，各公司官网，西南证券整理 1.1 中美人工智能基础层对比（传感器领域） 16 数据来源： 中国传感器（技术、产业）发展蓝皮书，西南证券整理 二、智能传感器领域，我国技术水平较国外尚有较大差距，高精度传感器依赖国外进口。 智能传感器领域，国内传感器共性关键技术尚未突破，技术水平相比国外尚有较大差距，同时国内 市场格局较为分散，缺乏引领技术的龙头企业。 国内生产的多为低端传感器，中高端传感器进口比例超80%，传感器芯片进口比例高达90%，智 能传感器自主研发程度较低。 以安防行业中的监控摄像传感器为例，一直以来由日本索尼、韩国三星、美国豪威科技掌控，国内 安防传感器多依赖进口；尽管有国内龙头企业海康威视、大华股份自研传感器，但仍主要集中于中 低端领域。 中外传感器产业差距 1.1 中美人工智能基础层对比（AI芯片领域） 数据来源： 公开资料，西南证券整理 人工智能芯片分类 三、人工智能芯片领域，主流人工智能芯片分为GPU、FPGA和ASIC三种，目前GPU处于人工智能芯 片主导地位，FPGA与ASIC芯片发展势头迅猛。（芯片是AI产业的心脏） 依据芯片部署位置，人工智能芯片可分为云端和终端芯片；依据芯片功能，可分为训练和推理芯片 ，其中训练芯片涉及到海量数据与大规模计算，因此仅适合部署在云端。 AI芯片行业的主流技术路线分为GPU、FPGA与ASIC三类，GPU、FPGA属于通用型芯片，ASIC 属于为AI特定场景定制的芯片。 GPU由于可支撑大量数据并行计算等优势，仍主导AI芯片市场；FPGA芯片因低延迟、计算架构灵 活可定制的优势，正受到各大国际巨头越来越多的关注；ASIC芯片非常适用于人工智能，尤其是 应对未来爆发的面向应用场景的定制化芯片需求。 类别 优点 缺点 GPU 提供了多核并行计算的基础结构， 且核心数非常多，可以支撑大量数 据的并行计算，拥有更高的浮点运 算能力 管理控制能力（最弱），功耗 （最高） FPGA 可以无限次编程，延时性比较低， 同时拥有流水线并行和数据并行、 实时性最强、灵活性最高 开发难度大、只适合定点运算、 价格比较昂贵 ASIC 为集成电路技术与特定用户的整机 或系统技术紧密结合的产物，与通 用集成电路相比体积更小、重量更 轻、功耗更低、可靠性提高、性能 提高、保密性增强、成本降低 灵活性不够，成本比FPGA贵 人工智能芯片优缺点比较 17 18 数据来源： T4ai，telecomled，西南证券整理 GPU芯片主要厂商布局 GPU占领人工智能芯片主要市场份额，英伟达与AMD双寡头垄断GPU市场，中国企业与国际AI巨头 差距较大。 GPU可支撑大量数据并行计算，拥有更高的浮点运算能力，目前主导AI芯片市场，2019年GPU在 云端训练市场占比高达75%。 中国企业尚未布局云端训练芯片，短期内难以与国际芯片大厂相较量。 全球范围内，英伟达与AMD形成双寡头垄断的竞争格局，GPU芯片厂商营收前三位分别为英伟达 、AMD和英特尔，三者的营收总和约能代表整个GPU行业的总体收入。 2019年GPU前三位收入份额 1.1 中美人工智能基础层对比（AI芯片领域） 19 FPGA芯片主要厂商布局 FPGA芯片市场被Xilinx与Altera双寡头垄断，国内企业处于起步阶段，短期无法撼动FPGA市场格局。 FPGA芯片拥有可以无限次编程，延时性比较低，同时拥有流水线并行和数据并行、实时性最强、灵 活性最高等优势。 FPGA芯片市场被Xilinx与Altera(被Intel收购)垄断，二者合计市场份额近90%，其中Xilinx市场份额 超过一半，处于绝对领导地位。 中国企业阿里、百度、紫光国微等已入局FPGA芯片，但短期内难以撼动全球FPGA市场格局。 2019年全球FPGA市场竞争格局 数据来源： MRFR，华经产业研究院，西南证券整理 1.1 中美人工智能基础层对比（AI芯片领域） 20 数据来源： 公开资料，西南证券整理 ASIC芯片主要厂商布局 ASIC芯片市场竞争格局分散，我国ASIC芯片与国际领先技术差距较小，部分领域处于领先地位。 ASIC芯片与通用集成电路相比体积更小、重量更轻、功耗更低、可靠性提高、性能提高、保密性 增强、成本降低，为面向特定用户需求设计的定制芯片，适用于多种终端设备。 我国ASIC芯片技术与国际技术水平差距较小，部分领域处于世界先列。 ASIC芯片领域巨头与初创公司均有参与，目前尚未出现足以垄断市场的巨头公司。国外ASIC芯片 主导公司为谷歌，国内主导公司为寒武纪。 国内外各公司云端ASIC芯片产品 数据来源： 各公司官网，西南证券整理 公司 产品 推理 训练 算力 产地 谷歌 Cloud TPU v3 420TOPS 国外 英特尔 Nervana NNP-T / 119TOPS 国外 Groq TSP 250TFLOPS 国外 寒武纪 MLU270 128TOPS 国内 平头哥 含光800 / 性能78563IPS 国内 华为 昇腾910 512TOPS 国内 百度 昆仑芯片 260TOPS 国内 依图 Questcore 15TOPS 国内 1.1 中美人工智能基础层对比（AI芯片领域） 21 1.1 中美人工智能基础层对比（AI芯片领域） 国家政策大力支持，中国“芯”快速导入。 近年来，为解决芯片“卡脖子”问题，国家相继颁布一系列产业支持政策，带动国内人工智能芯 片迅猛发展。 在技术取得突破后，国产芯片正式步入爆发期，根据艾媒数据，预计2021年我国AI芯片市场规 模实现翻倍，预计2023年市场规模将突破千亿元，2018-2023年预计CAGR超过80%。 时间 政策 主要内容 2021年3月 “十四五”规划 纲要和2035年远 景目标纲要 “十四五”期间，我国新一代人工智能产业将 着重构建开源算法平台、并在学习推理与决策、 图像图形等重点领域进行创新，聚焦高端芯片 等关键领域 2020年8月 新时期促进集成 电路产业和软件产 业高质量发展的若 干政策 国家鼓励的集成电路设计、装备、材料、封装、 测试企业和软件企业，自获利年起，第一至第 二年免征企业所得税，第三至第五年按照25% 的法定税率减半征税 2019年3月 关于促进人工智 能和实体经济深度 融合的指导意见 把握新一代人工智能的发展特点，结合不同行 业、不同区域特点，探索创新成果应用转化的 路径和方法，构建数据驱动、人机协同、跨界 融合共创分享的智能经济形态 2017年7月 新一代人工智能发展规划 到2020年、2025年和2030年，人工智能核心 产业规模分别超过1500、4000、10000亿元， 带动相关产业规模分别超过1万亿、5万亿、 和10万亿元，2030年成为世界主要人工智能 创新中心 63.6 115.5 183.8 360.8 850.2 1338.8 0 200 400 600 800 1000 1200 1400 1600 2018 2019 2020 2021E 2022E 2023E 中国人工智能芯片市场规模（亿元） 政策积极推动国产AI芯片发展 预计2023年国产AI芯片规模突破千亿元 数据来源： 前瞻产业研究院，西南证券整理 22 1.1 中美人工智能基础层对比（AI芯片领域） 中后期投融资比例增加，国产芯片 逐渐跑出清晰格局。 据工信部数据，2015年国内芯片 设计企业只有736家，截至2020 年 12 月份， 企 业 快 速 扩 充 至 2218家。 当前行业投资重心逐渐由初创公 司向有一定技术实力积累的企业 转变，成熟度有所增加，华为海 思、地平线、寒武纪、比特大陆 等优质企业引领着国内AI芯片的 发展。 时间 公司名称 轮次 金额 投资方 2021/4/25 艾利特 B+轮 2亿人民币 联想创投、张江集团等 2021/4/23 地平线 战略投资 未透露 韦豪创芯 2021/4/23 墨芯 战略投资 未透露 智慧互联产业基金 2021/4/16 星云智联 天使轮 数亿人民币 高瓴创投、鼎晖投资等 2021/3/1 天数智芯 C轮 12亿人民币 沄柏资本、大钲资本等 2021/2/9 地平线 C+轮 3.5亿美元 中金资本、比亚迪、长城汽车等 2021/1/7 地平线 C+轮 4亿美元 Baillie Gifford、云锋基金、中信产业基金、宁德时代等 2021/1/5 燧原科技 C轮 18亿人民币 中信产业基金、中金资本等 0.3 8.9 17.1 30.4 54.9 59 5 15 14 24 21 18 0 5 10 15 20 25 30 0 10 20 30 40 50 60 70 2015 2016 2017 2018 2019 2020 投资金额（左轴，亿元） 投资事件（右轴，起） 数据来源： IT桔子，西南证券整理 45.8% 9.5% 11.1% 45.8% 33.3% 44.4% 33.3% 11.1% 4.2% 4.8% 16.7% 4.2% 19.0% 16.7% 0% 20% 40% 60% 80% 100% 2018 2019 2020 种子/天使轮 A轮 B轮 C/D轮 战略投资 AI芯片近期投融资事件 AI芯片投融资轮次分布 AI芯片投融资金额及事件数 23 1.1 中美人工智能基础层对比（大数据领域） 四、人工智能产业目前已发展至量变瓶颈阶段，需要通过大量的数据进行训练从而完成质变突破，数据 采集和标注是关键一环。（数据是AI产业的燃料） 数据为算法模型提供基础资源，基于深度学习的人工智能技术，核心在于通过计算寻找数据中的规 律，运用该规律对具体任务进行预测和决断。 数据量呈指数增长。根据IDC，全球每年产生的数据量从2016年的16.1ZB将猛增至2025年的 163ZB，其中80%-90%是非结构化数据。 数据经过清洗与标注才能被唤醒价值。人工智能基础数据服务并非人们想象中的数据作坊，其发展 依赖于技术的数据处理平台和工具，以及科学高效的管理。在我国，每年被清洗和标注的语音数据 超过200万小时，图片则有数亿张。 数据 采集 标注 图像/视频 人脸、人体、车 辆、服饰、动物、 植物、商标、场 景、手写体、印刷 文字等 支持2D及3D图像/视频的标注，包括分类、 属性标注、关键点标注、框位置标注、精细 分割、轨迹跟踪标注、语义理解标注、多设 备关联标注等 语音数据 普通话、各地方言、 少数民族语言、各 式英语、亚洲语系、 欧洲语系、美洲语 系 对单段落、多段落等各类语音进行时间截、 语音内容、发音人性别、是否有口音、语速、 情感、各类噪音等进行标注 文本数据 互联网实网文本、 知识图谱、平行语 料库、家居车载等 特定场景问句 对文本进行分词、槽位、句法、情感、时间 要素、语种互译等不同层级进行标注 16.1 163 0 20 40 60 80 100 120 140 160 180 2016 2025 全球数据量（ZB） 数据来源： IDC，西南证券整理 数据量呈指数级增长 常见数据采集和标注分类 24 1.1 中美人工智能基础层对比（大数据领域） 行业由野蛮生长进入规范成长期，格局逐渐清晰。 2016年前，国内人工智能概念爆发，大量的AI公司拿到融资，巨量数据采标需求随之诞生；但早期的AI基础数据服 务门槛较低，玩家鱼龙混杂，行业标准模糊，质量参差不齐。 伴随AI进入落地阶段，垂直场景数据成为主要需求，众多小型AI基础数据服务公司在数据质量和采标能力上达不到 要求，或被淘汰，或依附大平台，行业格局逐渐清晰。 以百度、阿里为代表的科技巨头和以海天瑞声、龙猫数据、Appen、数据堂为代表的AI企业纷纷建设数据采集与标 注服务团队，在支撑自身人工智能技术研发的同时对外输出数据采标能力。根据IDC和艾瑞咨询，我国AI基础数据 服务市场有望在2025年突破百亿元规模。 未来，越来越多的长尾、小概率事件所产生的数据需求增强，机器模拟或机器生成数据将成为解决该问题的良好 途径，或成为AI数据服务商的护城河。 25.9 34.9 45.4 57.2 70.3 83.7 97.9 113.6 0 20 40 60 80 100 120 2018 2019 2020 2021E 2022E 2023E 2024E 2025E 基础数据服务市场规模（亿元） AI基础数据服务市场规模及增速 部分AI基础数据服务主要玩家矩阵 数据来源： IDC，西南证券整理 需求方 提供方 技术层 26 数据来源：公开资料，西南证券整理 1.2 中美人工智能技术层对比 技术层为整体产业链提供通用AI技术能力，是推动人工智能发展上限的核心。 技术层包括底层算法理论（主要基于机器学习）、开发平台（开源框架）和应用技术（计算机视觉、 智能语音、生物特征识别、自然语言处理）。 相比较绝大多数上游和下游企业聚焦于某一细分领域，技术层向产业链上下游扩展较为容易，也吸引 了大批核心玩家纷纷布局。 当前国内开源算法框架等技术和生态链尚不成熟，但在计算机视觉和语音识别等应用技术领域已达到 全球领先水平；综合来看，中美技术层的差距不如基础层明显。 技术层 算法理论 开发平台 应用技术 机器学习 基础开源框架 技术开放平台 计算机视觉 智能语音 自然语言理解 知识图谱 中国人工智能技术层产业链 27 我国人工智能专利和论文量世界领先，但专业性和针对性有所不足。 2009-2018年，中国AI累计专利数量达到68467件，论文数量达到30303篇，位列全球第一；其中高质 量论文较为匮乏，引用率和影响力均不及美国，但近年来呈现快速追赶的态势。 我国AI产业过于依赖开源代码和现有数学模型，导致专业性和针对性不足，效果往往不能满足具体任 务的实际要求。以图像识别为例，用开源代码开发出的AI算法可以准确识别人脸、车牌，但对医学影 像的识别上难以达到临床要求。 我国专利和论文数量领先 数据来源：乌镇智库，nature，西南证券整理 1.2 中美人工智能技术层对比 68467 30200 6983 1095 797 0 10000 20000 30000 40000 50000 60000 70000 80000 中国 美国 韩国 加拿大 英国 专利数量 30303 18144 8188 7416 6168 6000 5916 0 5000 10000 15000 20000 25000 30000 35000 中国 美国 英国 印度 西班牙 德国 日本 论文数量 我国AI研究影响力不及美国但快速追赶 28 顶尖AI人才缺口较大，我国基础教育优势突出，未来转化空间大。 人才是人工智能产业的核心竞争力。据领英大数据显示，全球AI人才供给在300万左右，其中深度学 习人才供给为9.5万人，但招聘职位的数量仍约为求职者数量的三倍，供需严重失衡。 根据剑桥大学AI全景报告，全球顶尖AI人才有近60%在美国工作，中国位列第二，但占比仅有11%。 值得注意的是，在中国接受本科教育的顶尖AI人才占比最高，达到29%；但从国内的大学毕业后，继 续在 NeurIPS 上发表论文的毕业生中有 54% 都去了美国。 顶尖AI人才工作地 数据来源：剑桥大学AI全景报告-2020 ，西南证券整理 1.2 中美人工智能技术层对比 顶尖AI人才本科毕业国家 美国 59% 中国 11% 欧洲 10% 加拿大 6% 英国 4% 其他 10% 中国 29% 美国 20% 欧洲 18% 印度 8% 加拿大 5% 英国 4% 伊朗 3% 以色列 3% 其他 10% 1.2 中美人工智能技术层对比 29 中国及全球人工智能技术层产业规模及年增长率 算法理论和开发平台领域，国内已有所突破，但尚缺乏经验和生态，处于追赶地位。 机器学习算法是人工智能的热点，开源框架成为国际科技巨头和独角兽布局的重点。开源深度学习 平台是允许公众使用、复制和修改的代码，是人工智能应用技术发展的核心推动力。 美国AI技术生态趋于构建形成，在芯片与算力、深度学习框架等领域上领先中国，如亚马逊与谷歌 拥有超过300万台服务器，谷歌与脸书拥有Tensor Flow与Pytorch等行业主流框架。 百度等中国厂商正引领转型进程：百度等厂商高度重视AI领域自主知识产权，推出国产AI芯片昆仑与 鸿鹄、深度学习平台PaddlePaddle飞浆等，已初步应用于工业、农业、服务业等业务场景，服务230 余万开发者，整体应用广度和深度在逐步追赶。 中美总体实力对比 数据来源：赛迪顾问，西南证券整理 30 美国仍是深度学习开源框架领域发展水平最高的国家。 国际上广泛使用的深度学习开源框架包括Google的TensorFlow、Facebook的PyTorch、Amazon的mxnet和微软 的CNTK等。根据剑桥大学的2020版AI全景报告，在顶会论文中，研究人员开始更多从TensorFlow切换至 PyTorch；在GitHub上，约有47%的最新实现是基于PyTorch，而TensorFlow下滑至18%。 开发框架竞争焦点已从模型库转移至易用性和硬件适配优化，三大主流框架开始合作圈地：TensorFlow与Keras形 成排他性合作；mxnet与Gluon联合，由亚马逊和微软共同维护；PyTorch以Troch和Caffe2作为后端框架，内部先 天构筑高级语言接口。 我国基础理论体系尚不成熟，百度的PaddlePaddle、腾讯的Angle、华为的MindSpore、旷视的MegEnine等国内 企业的算法框架尚无法与国际主流产品竞争，未得到业界的广泛认可和应用，主要体现在：核心技术和相关创新能 力有限，训练性能和跨平台支持能力不足，超前设计与开发能力不足。 全球主流深度学习框架开源时间轴 数据来源：CSDN， 剑桥大学AI全景报告-2020，西南证券整理 1.2 中美人工智能技术层对比 PyTorch成为顶会研究最常用的框架 31 在应用技术的部分领域，中国实力与欧美比肩。 计算机视觉、智能语音、自然语言处理是三大主要技术方向，也是中国市场规模最大的三大商业 化技术领域。 受益于互联网产业发达，积累大量用户数据，国内计算机视觉、语音识别领先全球。 自然语言处理当前市场竞争尚未成型，虽然中国的研究起步较晚，且中文存在大量一词多义、同 音异义、笔画复杂的情况，但百度的能力已后来居上，被认为超越谷歌和微软。 三大领域高水平论文量 数据来源：清华大学人工智能发展报告2020，西南证券整理 1.2 中美人工智能技术层对比 三大领域累计专利申请量 1103 1237 413 883 645 393 0 200 400 600 800 1,000 1,200 1,400 计算机视觉 语音识别 自然语言处理 中国 美国 84455 22576 6775 22414 9198 4410 0 10,000 20,000 30,000 40,000 50,000 60,000 70,000 80,000 90,000 计算机视觉 语音识别 自然语言处理 中国 美国 32 具体来看： 计算机视觉领域：以海康威视、AI四小龙等为代表的中国企业，技术优势主要体现在人脸识别，其应用场景多为安 全监控系统。相比而言，由于隐私政策，欧美的人脸识别技术难以发展实行。如2020年8月，英国法院裁决警察部门 使用自动面部识别（AFR）违反了数据保护和平等法以及隐私权。 语音识别领域：以科大讯飞、百度、腾讯等为代表的中国企业表现优秀，尤其是在中文识别和处理上，依靠庞大的 语音数据库建立起不可复制的优势。例如，腾讯可从其月活超10亿的微信用户获得语音数据。 自然语言处理领域：百度的自然语言处理模型ERNIE参考Google的BERT模型，让其预测文章中一串被隐藏的汉字，来 学习文字组合的特点和联系，并且中文的特性要求ERNIE能够理解汉字组合后的内在含义。NLP权威榜单GLUE跑分结 果显示，ERNIE得分90.1排名第一，超过微软和谷歌的模型得分，是世界上首个突破90分大关的AI训练模型。 百度ERNIE模型架构 数据来源：百度，GLUE，西南证券整理 1.2 中美人工智能技术层对比 百度ERNIE跑分位列世界第一 应用层 34 1.3 中美人工智能应用层对比 群雄逐鹿，格局未定 应用层以底层技术能力为主导，切入不同场景和应用，提 供产品和解决方案。近年来，关注度较高的应用场景主要 包括安防、金融、教育、医疗、交通、广告营销等。 从融合深度上，由于场景复杂度、技术成熟度和数据公开 水平的不同，导致各场景应用成熟度不同。例如，政策导 向和海量数据助推下，AI+安防、金融和客服领域有较为 深入的应用，医疗和教育领域是产品或服务单点式切入， 尚未形成完整的解决方案。 由于基础设施复杂和数据获取难度大，AI+制造业依赖深 度定制，正在缓慢渗透。此外，AI+农业国内尚未产生成 熟产品。 人工智能 技术体系 基础层 技术层 应用层 解决各行业领域 实际场景问题 应用场景市场广阔，全球格局未定。 受益于全球开源社区，应用层进入门槛较低。目前应用层 是人工智能产业链中市场规模最大的层级。据中国电子学 会统计，2019年，全球应用层产业规模将达到360.5亿元 ，约为技术层的1.67倍，基础层的2.53倍。 在全球范围内，人工智能仍处在产业化和市场化的探索阶 段，落地场景的丰富度、用户需求和解决方案的市场渗透 率均有待提高。目前，国际上尚未出现拥有绝对主导权的 垄断企业，在很多细分领域的市场竞争格局尚未定型。 全球新一代人工智能产业规模及增长率情况 555.7 718.2 929.3 1230.7 1630.2 0 500 1000 1500 2000 2018年 2019年E 2020年E 2021年E 2022年E 产业规模（亿美元） 资料来源：中国电子学会，西南证券整理 35 中国侧重应用层产业布局，市场发展潜力大。 欧洲、美国等发达国家和地区的人工智能产业商业落地期较早，以谷歌、亚马逊等企业为首的科 技巨头注重打造于从芯片、操作系统到应用技术研发再到细分场景运用的垂直生态，市场整体发 展相对成熟；而应用层是我国人工智能市场最为活跃的领域，其市场规模和企业数量也在国内AI 分布层级占比最大。 据艾瑞咨询统计，2019年，国内77%的人工智能企业分布在应用层。得益于广阔市场空间以及 大规模的用户基础，中国市场发展潜力较大，且在产业化应用上已有部分企业居于世界前列。例 如，中国AI+安防技术、产品和解决方案引领全球产业发展，海康威视和大华股份分别占据全球 智能安防企业的第一名和第四名。 77% 18% 5% 应用层企业 技术层企业 基础层企业 数据来源：公开资料，西南证券整理 2018年，77%的国内人工智能企业分布在应用层 1.3 中美人工智能应用层对比 36 AI依靠垂直行业+产品逐步落地渗透，传统行业和产品依靠AI提升附加值。 行业应用：AI赋能传统行业，涵盖医疗、金融、安防、教育、文娱、零售、物流、城市管理等诸 多垂直领域，从单点赋能逐步过渡至全流程智慧管理。 行业产品：热门设备主要有智能汽车、智能机器人、智能家居、可穿戴设备等，从单品智能逐步 过渡至场景智能。 数据来源：公开资料，西南证券整理 1.3 中美人工智能应用层对比 行业 部分应用领域 企业服务 零售营销、供应链管理、AI客服 金融 智慧银行、智能投顾、智能投研、风险管控 制造 智能排产、缺陷检测、设备检测 安防 视频监控、智能报警、智慧警务、门禁管理 教育 拍照搜题、语音测评、智能批改、AI课堂 医疗 CDSS、电子病历、新药开发、医学影像 城市管理 违章检测、垃圾管理、智能巡检、灾害防控 产品 具体产品 智能汽车 自动驾驶解决方案、人机交互平台 机器人 家庭机器人、服务机器人、工业机器人 智能家居 智能门锁、智能音箱、智能灯光、智能窗帘 可穿戴设备 智能手环、智能手表、智能眼睛、智能头盔 AI+传统行业 AI+传统产品 37 AI+安防 智能安防渗透率显著提升，垂直加深仍有可为。 2020年我国安防产业整体规模超过8000亿元，其中“AI+安防”市场规模约为453亿元，智能安防 渗透率达5.5%，较2017年不足1%的水平有显著提升。据亿欧智库估算，2022年我国安防产业规模 将接近万亿元，同时“AI+安防”市场规模突破700亿元，智能安防渗透率也将超过7%。 随着安防行业上游技术的革新，安防产品也逐步拓展为涵盖智能