一、人工智慧概況

人工智慧（Artificial Intelligence）是指使用機器代替人類實現認知、識別、分析、決策等功能，其本質是對人的意識與思維的信息過程的模擬，是一門綜合了數學、計算機科學、神經學、哲學的交叉學科。凡是使用機器代替人類實現認知、識別、分析、決策等功能，均可認為使用了人工智慧技術。

二、人工智慧產業基本競爭格局：美國領先，中國緊隨

從全球範圍來看，對人工智慧布局的主要有美國、中國、日本以及歐洲等發達國家和地區，中美兩國在技術儲備、人才儲備、資本支持力度等各個方面都明顯處於領先地位，中美角力成為AI賽場的主基調。

根據騰訊研究院發布的報告《中美兩國人工智慧產業發展全面解讀》，截至2017年6月，全球人工智慧企業總數達到2,542家，其中美國擁有1,078家（佔比42%），其次是中國，擁有592家（佔比23%），中美兩國相差486家。其餘872家企業分布在瑞典、新加坡、日本、英國、澳大利亞、以色列、印度等國家。

AI產業的競爭，說到底是人才和知識儲備的競爭。只有投入更多的科研人員，不斷加強基礎研究，才會獲得更多的智能技術。美國研究者更關注基礎研究，人工智慧人才培養體系紮實，研究型人才優勢顯著。具體來看，在基礎學科建設、專利及論文發表、高端研發人才、創業投資和領軍企業等關鍵環節上，美國形成了能夠持久領軍世界的格局。

美國產業人才總量約是中國的兩倍。美國1,078家人工智慧企業約有78,000名員工，中國592家公司中約有39,000位員工，約為美國的50%。

深度學習引領了AI發展最新的熱潮。究其原因，在於演算法和數據在近十年來獲得了重大的突破。當下，人工智慧產業出現了九大發展熱點領域，分別是晶元、自然語言處理、語音識別、機器學習應用、計算機視覺與圖像、技術平台、智能無人機、智能機器人、自動駕駛。

在美國AI創業公司中排名前三的領域為：自然語言處理（252家），機器學習應用（Machine Learning Application)（242家）以及計算機視覺與圖像（190家）。

在中國AI創業公司中排名前三的領域為：計算機視覺與圖像（146家）、智能機器人（125家）以及自然語言處理（92家）。

三、人工智慧產業鏈概述

人工智慧從產業鏈的角度大致可以分為三個層次：基礎層（上游）、技術層（中游）、應用層（下游）。基礎層（上游）為整個AI產業提供基礎設施，技術層（中游）提供通用AI技術能力，應用層（下游）按照不同場景推出落地的解決方案。

基礎層（上游）：主要由AI晶元、感測器等硬體和演算法模型（軟體）和兩部分構成。其中感測器與IoT的感知層相似，包括GPU、FPGA、NPU等在內的AI晶元負責運算，演算法模型則負責訓練數據。國內以寒武紀、深鑒科技為代表的公司主要從事包括GPU、FPGA及ASIC等各類AI晶元的研發設計。

技術層（中游）：主要為整個產業鏈提供通用AI技術能力，其中感知層包括計算機視覺和語言識別兩項重要的機器感知任務，這兩項技術成熟度較高，國內目前有大量的初創公司選擇了這兩個領域。

應用層（下游）：集成了某種或多種基礎應用技術的，面向如工業、自動駕駛、家居、倉儲物流、金融、醫療等不同應用場景的產品或方案。

四、人工智慧投資機會和重點關注細分賽道

從產業鏈的角度分析，建議投資者重點關注技術層（中游）優質標的，技術層是整個AI產業鏈上中美技術、資本重合的焦點，規模化變現在即。

基礎層是整個產業鏈上中美差距最大的環節：

1）企業數量對比：從基礎層的晶元企業數量來看，中國擁有14家，美國33家，中國僅為美國的42%；而技術層，中國擁有273家，美國擁有586家，中國為美國的46%；在應用層，中國擁有304家公司，美國擁有488家，中國是美國62.3%；

2）基礎層人才儲備差距：AI產業美國人才總量約為中國的2倍，但是基礎層人才數量是中國的13.8倍；

3）專利技術壁壘極高：在過去十多年裡，Intel、IBM、東芝、三星等60多家公司曾試圖進軍AI晶元，但紛紛慘敗，主要原因在於先發廠商的專利技術壁壘。以FPGA領域為例，近9,000項專利構築了長長的知識產權壁壘，強如Intel也不得不耗資167億美元收購Altera以獲得一張FPGA領域的門票；

4）投資周期長：以FPGA產品為例，從投入研發到產品真正規模化生產差不多要七年，這期間幾乎沒有任何商業回報。

應用層中美差距最小，但投資過熱需警惕泡沫：

1）「基礎層/技術層/應用層」公司數量對比：美國為1：18：15，中國為1：20：22，整體結構上中國應用層企業數量佔比較高；

2）泡沫前兆，資本富餘而項目短缺：從新增AI創業公司數量角度而言，騰訊研究院預測2016-2019E美國每年新增AI公司數量依次為54-29-35-52，中國每年新增AI公司數量依次為77-13-30-45，企業數量新增速度劃滑坡明顯。而國內應用層企業佔比又過高，很大一部分資本將不得不湧入存量的應用層企業，估值泡沫化風險較大；

3）應用層是整個AI產業鏈變現最晚的環節：市場熱炒的以自動駕駛、智能無人機等為代表的許多應用層項目，根據Gartner發布的2017新興技術成熟度曲線來看，培育成熟尚需5-10年，甚至超過10年，短時間內無法直接應用於消費級市場。業績壓力之下，大部分應用層企業很有可能捨棄大眾消費級市場而致力於解決企業級問題，回歸到傳統IT廠商的角色，進一步加大營收難度。

技術層規模化盈利預計將在2-5年內實現：從Gartner發布的2017新興技術成熟度曲線來看，人工智慧技術層當中以計算機視覺、自然語言處理為核心的部分開始向右側移動，規模化變現在即。

整個AI產業中，中美共同側重於技術層中的計算機視覺與圖像、自然語言處理兩大領域，美國五大科技巨頭蘋果、谷歌、微軟、亞馬遜、臉書和國內互聯網領軍者「BAT」也紛紛通過組建內部科學家團隊以及外延式併購的方式布局這兩大領域。

而資本也紛紛選擇助力技術層，獨角獸破蛹而出：國內融資佔比排名前二的AI領域都在技術層，分別為計算機視覺與圖像和自然語言處理，湧現了一批以商湯科技、曠視科技、雲叢科技、虹軟科技等為代表的優秀獨角獸企業。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！