一、老树新花，重视人工智能主题逻辑变化

市场普遍认为人工智能技术停留于概念和实验阶段，离产业化应用尚远。我们认为，政策推动叠加科技巨头发力，将加速人工智能产业化落地。人工智能主题逻辑由海外因素主导转为国内因素主导。

人工智能主题迎逻辑变化，由海外因素转为国内因素主导

人工智能主题的历史行情多由海外催化因素主导。例如最著名的AlphaGo战胜人类棋手李世石之战，催化了2016年3月人工智能主题行情。市场对人工智能应用的认知，多停留在机器学习的层面，对人工智能的各行业应用及产业化落地进度认识不足，担心上市公司业绩无法兑现。

政府工作报告首提人工智能，开启产业化新篇章

从政策层面来看，在最近一年内，涉及人工智能产业的政策越来越频繁，中国对发展人工智能的战略意图越来越凸显。国务院总理李克强在第十二届全国人大第五次会议发表的政府工作报告中，首次提及了人工智能产业，报告中指出将加快培育壮大新兴产业，其中就包括对新材料、人工智能、集成电路等技术的研发和转化；两会前国家发改委正式批复了19个国家工程实验室，其中有3个分属人工智能领域，涉及深度学习技术及应用、类脑智能技术及应用及虚拟现实/增强现实技术及应用；2017年年初的全国科技工作会议上，科技部部长万钢透露目前正在编制人工智能的专项规划，并研究论证人工智能重大项目的立项工作。如果参照相关政策在“互联网＋”概念下掀动的浪潮，可以预期更多热钱和创业者会涌入人工智能领域，开启国内人工智能产业化篇章。

国内科技巨头发力人工智能，引领产业化落地

百度李彦宏与小米雷军相继提出相关两会提案，倡导人工智能上升为国家战略。百度牵头的深度学习国家实验室已于3月2日揭牌。李彦宏两会三个提案聚焦人工智能。百度关于人工智能的提案分别是《关于利用人工智能和大数据技术，帮助解决走失儿童问题》、《关于打造智能交通信号灯，缓解交通拥堵问题》和《关于加强人工智能行业应用，构建国家创新型经济》。我们认为，人工智能在交通信号上的应用，可在很大程度上改善目前城市交通拥堵状况，在中国显得尤为迫切；人工智能在各行业应用，很可能进一步得到资本和政策的支持。

二、人工智能行业空间广，产业化发展已初露端倪

市场对人工智能应用认知多停留在深度学习领域（如AlphaGo），我们认为人工智能产业化应用已初露端倪。百度“刷脸支付”入选MIT全球十大技术突破，人工智能在精准医疗、安防监控、教育等领域已积累大量实验数据。在数据支撑、技术突破、需求引导和政策推动的合力下，人工智能规模化应用已经具备一定爆发基础，行业想象空间大。

政策与技术合力推动，国内产业爆发条件初步具备

目前来看，政策和资金的支持、人才储备、技术的积累和突破已为人工智能的发展提供了基础条件；在数据支撑、技术突破和政策推动的合力下，人工智能规模化应用已经具备一定爆发基础。

从技术层面来看，二十一世纪前十年一系列奠定人工智能研究进程的技术，如大数据、物联网和深度学习算法的发展，为人工智能的爆发提供了基础。根据统计，2015年全球产生的数据总量达到了十年前的20多倍，物联网提供了计算机感知和控制物理世界的接口与手段，摄像头和相机记录了关于世界的大量图像和视频，麦克风记录语音和声音，各种传感器将它们感受到的世界数字化。这些技术带来了海量数据和人机频繁互动，使人工智能变得更加实用，并已经通过多种方式在逐渐改变着我们的行业，渗透进我们的生活。

下图：全球传感器市场规模逐年扩大

应用场景广泛，行业空间大

机器学习是人工智能的核心。机器可以利用算法分析数据、学习数据并不断进行“自我训练”，随后对现实世界情况作出判断和预测。Google旗下的DeepMind已经成为人工智能领域的明星，其团队开发的围棋人工智能程序AlphaGo在2016年与围棋世界冠军、职业九段选手李世石进行人机大战，并以4:1的总比分获胜；随后又在中国棋类网站上以“大师”（Master）进行注册，并与中、日、韩等国数十位围棋高手进行快棋对决，连续60局无一败绩；中国第四范式拟打造大规模分布式机器学习建模平台和人工智能应用者开发平台，为数据科学家和系统工程师等提供支持。机器学习拓展了人工智能的领域范围，越来越多的机器辅助功能正逐渐变为可能。

下图：机器学习相关公司产品应用和融资额

人工智能产业链可以根据技术层级从上到下，分为基础层、技术层和应用层，不同层级需要不同规模的投入，具有不同的战略布局。基础层是构建生态的基础，价值最高，布局时间也最长，众多互联网公司拥有大量的用户注册和运营信息，通过整合可以搭建“硬件+软件+数据”的整体方案解决平台，如谷歌、Facebook和百度等企业；技术层是由基础层过渡到应用层的中间环节，需要进行中长期布局，软件公司作为以软件技术为基础的公司，拥有大量的研究型与技术型人才，可以通过对算法的研究与创新，以技术作为突破口，建立技术优势，如微软、IBM等老牌巨头；应用层直接对接解决方案，投入低，变现能力快，直接面向消费者群体，可以通过细分市场数据，建立多维度的场景应用，逐步积累用户，如苹果、亚马逊和众多创业公司等。

下图：人工智能广义产业链全景

人工智能将率先在医疗、金融、零售、交通等数据电子化水平较高、数据较集中等行业大量涌现，用以解决行业痛点。在医疗领域，人工智能可以为千百万人改善健康状况，提供临床决策支持、病人监控、医疗管理等技术；在金融领域，智能个人身份识别可以解决金融终端安全隐患，智能高频交易可以提高金融决策效率；在零售领域，人工智能将提供精准化、个性化搜索，降低营销和运营成本，提升用户体验并迎合消费升级；在交通领域，人工智能将会用于无人驾驶、智能汽车、智能交通分流等场景，从而有效解决现行交通中普遍存在的驾驶感受差、事故易发、道路交通拥堵等问题。

市场投入增大，巨头押注布局

科技巨头在人工智能上的投入明显增大，一方面网罗顶尖人工智能的人才，另一方面加大投资、并购力度，行业发展空间巨大，昭示着人工智能的春天已经到来。

人工智能市场规模和全球投资总额逐年增长，各国对人工智能的发展日益重视。数据显示，2015年全球人工智能市场规模到达1683.9亿元，预计2020年将达到近3700亿元，年复合增长率预计17%；2014年人工智能领域全球投资额为10亿美元，同比增长近50%。欧美等发达国家纷纷从国家战略层面加紧布局人工智能，各自推出国家大脑计划，如美国的“国家机器人计划”、欧盟的人脑工程、日本经济产业省的“新产业结构蓝图”等。

下图：全球人工智能领域市场规模

下图：人工智能领域全球投资总额

全球科技巨头纷纷在基础层、技术层、应用层全面布局人工智能，通过深厚的技术底蕴，持续扩展应用场景。“人工智能+医疗”的龙头IBMWatson在全球智能医疗决策支持市场的规模预计在2019年达到2000多亿美元，IBM智慧医疗业务前景广阔；Google则聚焦于机器学习，如建设以Nest为基础的智能家居生态系统、开发全球第一款完全自动驾驶原型车“豆荚车”、探索智慧医疗细化领域的应用前景；Facebook成立了人工智能研究团队，并专注于图像识别领域，近年来收购的初创企业都与人脸识别技术有关。

众多国内企业嗅到人工智能领域所蕴含的巨大商机，纷纷投入到人工智能的研发之中。作为天然的大数据企业，百度拥有强大的数据获取能力和数据挖掘能力，已于2014年正式发布整合了大数据、百度地图LBS的智慧商业平台，由其牵头筹建的深度学习国家实验室已于3月2日揭牌；阿里云宣布推出的人工智能ET已具备智能语音交互、图像/视频识别、交通预测、情感分析等技能；腾讯研发出的智能撰稿机器人Dreamwriter可以在第一时间自动生成稿件，一分钟内将重要资讯送达用户。

下图：科技巨头在人工智能领域的竞争与布局

三、产业化拐点到来，应用初现端倪

图像识别技术率先产业化。依托计算机视觉和深度学习技术，计算机可以对图像进行处理、分析和理解，从而为用户提供信息并进行人机交互。在图像识别技术具体应用方面，旷视科技旗下产品Face++现已成长为世界最大的人脸识别技术平台，并推出了Face++Financial、Face++Security、Face++BI等人脸验证解决方案产品，以应用于金融、安防、零售等领域；百度“PayingwithYourFace”刷脸识别技术荣登MIT全球十大突破性技术榜单；美国Affectiva公司在情绪识别技术方面、新加坡ViSenze在商品推荐导购技术方面进行了实践。随着专门的神经网络和专门的视觉硬件等技术的成熟，计算机视觉和人类视觉之间的差距正不断缩小，计算机视觉将会是人工智能的下一个前沿领域。

下图：计算机视觉相关公司产品应用和融资额

智能驾驶产业化趋势明确。智能驾驶可以实现交通交由自动驾驶汽车接管，实现人与货物的实时接取和运送，从而彻底改变城市运行机制和居民生活。目前，打车软件公司Uber已推出无人驾驶汽车载客服务，在美国东部宾夕法尼亚州匹兹堡市上路试运行；福特宣布计划在2021年前开发出没有方向盘和踏板的全自动驾驶汽车；特斯拉一直是智能网联汽车领域的先行者，并在不断尝试打造基于大数据和深度学习的系统，在全世界范围内，特斯拉汽车通过与驾驶员互动收集信息，通过空中升级的方式将各种信息推送给车辆，致力将智能驾驶打造成更安全的交通方式。此外，智能汽车的出现将会重塑整个汽车产业链，用于辅助驾驶系统和互联泊车方面的传感器技术和电池技术将会进一步得到提升。

下图：智能驾驶相关公司产品应用和融资额