主客观条件成熟 智能时代到来

回顾人工智能的发展史,现在的爆发具有其必然性。首先,互联网带来更大量、更多维也更完备的数据,是数据驱动决策的基础。其次,随着并行计算的成熟以及芯片等硬件成本的大幅下降,以及深度学习算法的突破,数据处理工具已经成熟,金矿能够挖掘。再者,最重要的是,互联网经过近三十年的蓬勃发展,业态与格局已经稳定,提升的空间和边际效应逐步减弱。在这样的背景下,无论是行业巨头还是新进入的创业者,都需要寻找一个新的尚待挖掘的具有巨大前景和空间的领域,人工智能无疑具备这样的特征。于是创业公司叠起,巨头大力布局,智能时代到来。

深度学习框架突破,推动智能应用快速落地

准确的特征表达是识别物理世界并进行分类的关键。传统的特征表达主要依靠手工设计良好的特征提取器,需要大量的工程技术和专业领域知识,对事物的刻画程度和效率也有所欠缺。深度学习通过读取海量数据实现特征的自学习,对事物特征能有更本质的认识,效率也大幅提高。以语音识别为例,深度学习用深层神经网络替换声学模型中的混合高斯模型,降低了30%左右的错误率,而Google将深度学习应用于语音搜索领域,3个月将搜索的相对错误率减少了10%。深度学习框架的突破,有力推动了机器视觉、语音识别、自然语言处理等领域应用的快速落地。

开源工具降低行业门槛,驱动产业繁荣

自80年代初GNU发布至今,开源思潮日益广泛而深刻的影响着软件产业的发展,诞生了一批诸如Linux、Apache等成功的开源软件项目,也出现了年营收超过20亿美金以开源为基础并打造出成功商业模式的RedHat公司。而在人工智能时代,出于对人才、标准、数据等领域的争夺,互联网巨头正纷纷开源自己的深度学习框架,如Google的Tensorflow,Facebook的Torch。开源工具涌现无疑会大幅降低行业进入门槛,驱动智能产业加速繁荣。

复制PC时代格局,智能+将百花齐放

从产业格局的终局来看,人工智能产业有望复制PC时代格局,且不同层次的企业有不同的核心竞争要素要求。基础层的芯片领域仍将是寡头垄断的局面,核心竞争要素包括技术实力、领先优势以及资金实力等。技术层长期来看大概率会出现几个大一统的框架平台,但由于不同领域发展程度参差不齐,中短期在垂直领域领先的技术提供商由于能够占领更大的应用市场获取更多的开发支持从而更好的训练自己的模型并更快形成以自己为核心的生态体系,从而独具价值。而随着开源推动技术门槛的降低,不同行业业务属性的不同使得未来应用层将是百花齐放的局面,智能+将成为标配,市场能力和数据积累将是这层企业的核心竞争要素。

他山之石,收购助力Google在AI领域全方位布局

Google自2008年至今在人工智能领域完成收购超过12家,涉及深度学习框架、人脸识别、语音识别等多个领域,不断完善在人工智能领域布局。在基础层,Google设计了用于驱动深层神经网络的专用芯片TPU,以支撑TensorFlow。在技术层,Google向第三方开发者提供CloudVisionAPI、GoogleCloudSpeechAPI、开源自然语言解析器SyntaxNet等应用开发接口,并开源分布式版本深度学习框架TensorFlow。在应用层,Google将人工智能应用到无人驾驶汽车、手术机器人、GoogleSearch等众多产品中。人工智能领域已经成为Google未来重要的战略布局方向。

两维度筛选投资标的

我们认为应该从产业格局的终局以及不同层次的核心竞争要素两个维度筛选优质标的:(1)基础层:芯片领域未来将是寡头垄断的格局,从计算能力和芯片布局双受益的角度推荐高性能计算机的领导企业中科曙光,建议关注景嘉微和美股标的英伟达(NVIDIA)。(2)技术层:在垂直领域领先的技术提供商由于能够占领更大的应用市场获取更多的开发支持从而更好的训练自己的模型并更快的形成以自己为核心的生态体系,从而独具价值,推荐国内语音合成与识别龙头科大讯飞。(3)应用层:智能+将成为标配,市场能力和数据积累将是这层企业的核心竞争要素,看好在行业内已有较大的市场份额和数据积累的企业在智能时代的成长潜力。智能+金融推荐同花顺,智能+医疗推荐思创医惠,智能+汽车推荐四维图新,智能+安防推荐东方网力,智能+交通推荐千方科技。

风险分析

计算能力提升不及预期的风险;模型算法改进缓慢的风险;平台发展缓慢的风险。