人工智能是計算機科學(xué)的一個分支，它企圖了解智能的實質(zhì)，并生產(chǎn)出一種新的能以人類智能相似的方式做出反應(yīng)的智能機器，該領(lǐng)域的研究包括機器人、語言識別、圖像識別、自然語言處理和專家系統(tǒng)等。人工智能從誕生以來，理論和技術(shù)日益成熟，應(yīng)用領(lǐng)域也不斷擴大，可以設(shè)想，未來人工智能帶來的科技產(chǎn)品，將會是人類智慧的“容器”。
這里光大證券計算機行業(yè)首席分析師姜國平，為大家分析了當(dāng)下的熱點話題“人工智能時代的投資機會”。
姜國平演講實錄
大家好，我是光大證券的計算機研究員姜國平，在開始講之前根據(jù)合規(guī)的要求我有一個小的聲明，就是交流不代表個股的推薦，所有關(guān)于具體的股票推薦以我們光大證券計算機團隊所發(fā)出的正式報告為準(zhǔn)。我在交流過程中可能會提到一些公司的名字，這只是為了整個行業(yè)研究的需要，也不代表股票的推薦。
那么正式開始，最近人工智能非常的熱，無論是從創(chuàng)業(yè)的一級市場到二級市場到國家的政策層面都非常熱。我們怎么去看人工智能的機會，我今天會簡單介紹一下，從大背景包括一個大的分類，包括未來的一些細化的方向，包括選擇的一些標(biāo)準(zhǔn)。
人工智能從大的方面來說，它意味著是一個新的時代的到來。我們從歷史上去看，可以去看幾個大的階段。從最早的農(nóng)業(yè)文明到工業(yè)文明到信息文明以及未來智能文明，它所在這幾個大的階段里，它的要素是不一樣的。
農(nóng)業(yè)時代的話，包括像農(nóng)具、農(nóng)產(chǎn)品、人力；工業(yè)時代的話，主要是機械設(shè)備、工業(yè)品、石油；信息時代的話，信息設(shè)備、數(shù)據(jù)電力；智能時代的話，未來就是數(shù)據(jù)、智能工具、智能產(chǎn)品。這個將是未來的智能式的核心，我們現(xiàn)在就慢慢進入一個所謂的智能時代。
人工智能發(fā)展其實已經(jīng)有很長的歷史了，最早可以追溯到1943年到1956年這個階段，是人工智能誕生的階段。當(dāng)時主要以控制論和早期的神經(jīng)網(wǎng)絡(luò)的出現(xiàn)為標(biāo)志，真正的行業(yè)上比較認(rèn)同的就是人工智能誕生的點是1956年的達特茅斯會議，它標(biāo)志就是人工智能理論的誕生。
接下來其實發(fā)展的并不是特別順利，經(jīng)過了早期的一大發(fā)現(xiàn)到后面的兩次低谷，中間的再度繁榮，以及到了2000年前后再次新的探索，基本上到了2002/2003年以后，行業(yè)開始加速，就是一個新的浪潮。也是從語音、視覺這些技術(shù)取得了比較大的進展，尤其是深度學(xué)習(xí)的出現(xiàn)，引領(lǐng)人工智能進入了一個新的浪潮。
我們?nèi)ビ^察的話，從2015年開始整個的人工智能浪潮開始加速，趨勢出現(xiàn)了幾個特征。第一個就是出現(xiàn)了一個開源的浪潮，越來越多的公司開始把自己的機器學(xué)習(xí)的技術(shù)，作為工具去開放給全球的開發(fā)者去使用。
第二個就是創(chuàng)業(yè)融資升溫，就是創(chuàng)業(yè)領(lǐng)域非常多。
第三個特點就是巨頭加速布局，從15年開始我們看到各個科技巨頭，對人力、人才的需求增強已經(jīng)成為一個非常重要的特征；大家無論是從應(yīng)用到技術(shù)的一些基礎(chǔ)研究，都在加快布局。
第四個特征就是產(chǎn)品應(yīng)用落地，我們看到一些陸陸續(xù)續(xù)的產(chǎn)品出現(xiàn)，這些產(chǎn)品無論是面向普通消費者的還是面向行業(yè)應(yīng)用的，都開始慢慢推向市場。從15年開始，我會看到人工智能今天是開始加速了。
之所以人工智能快速加速，有幾個先決的條件。第一個是大量的數(shù)據(jù)，尤其是過去幾年信息文明的發(fā)展，互聯(lián)網(wǎng)的發(fā)展，帶來了大量的數(shù)據(jù)。無論是圍繞個人生活領(lǐng)域的一些數(shù)據(jù)，還是圍繞著金融領(lǐng)域的數(shù)據(jù)，包括醫(yī)療、交通、安防等等。積累大量的數(shù)據(jù)，無論是結(jié)構(gòu)化的非結(jié)構(gòu)化的數(shù)據(jù)，這些數(shù)據(jù)的積累成為了人工智能高速發(fā)展的一個重要的基礎(chǔ)。
第二點就是算力的便宜，就是芯片的高速發(fā)展，機器的運算速度的提升，以及并行計算的成熟，使得這種算力比較容易獲取而且成本也在大幅下降。
另外，從產(chǎn)業(yè)參與者來說，過去經(jīng)過互聯(lián)網(wǎng)30年的發(fā)展，它的業(yè)態(tài)和格局相對的穩(wěn)定，很多的巨頭或者一些新的挑戰(zhàn)者，它們需要找一個新的方向、找到新的領(lǐng)域，那么人工智能的未來是具備這樣的特征，一個足夠大的市場有足夠大想象力的一個趨勢。很多創(chuàng)業(yè)公司也在里面，紛紛涌起。而且再加上巨頭的大量布局，所以說這幾年人工智能開始加速發(fā)展。
說到人工智我們一定要提一下深度學(xué)習(xí)，深度學(xué)習(xí)它的出現(xiàn)是加速了人工智能的發(fā)展，尤其是在一些領(lǐng)域加速了它的落地。比如說，原來有些人工智能產(chǎn)品能做一些事情但是它的準(zhǔn)確率比較低，使它可能永遠停留在一個實驗室階段，具體使用的話比較遙遠。但是深度學(xué)習(xí)出來了以后，在一些領(lǐng)域里面使得人工智能的準(zhǔn)確率大幅提高，產(chǎn)品的出來了以后就接近這種實用，這是一個非常大的進展。
深度學(xué)習(xí)簡單來說，它是一種比機器學(xué)習(xí)更具備了一定智能化的這種學(xué)習(xí)，我們傳統(tǒng)講的機器學(xué)習(xí)一般是我們會去給它替代幾個特征，然后機器根據(jù)這些特征給你一些結(jié)果，它自己去找一些正中間的對應(yīng)的一些函數(shù)的關(guān)系。
對傳統(tǒng)機器學(xué)習(xí)來說，可以舉一個例子，比方說我們統(tǒng)計了一些芒果它的一些物理特征，顏色、大小、形狀、產(chǎn)地，把這些特征跟它的甜度、多汁的程度、成熟度直接去做一個對應(yīng)，這樣的對應(yīng)的數(shù)據(jù)有一個數(shù)據(jù)庫，然后機器去學(xué)習(xí)這個數(shù)據(jù)庫里面東西，從而得出一個特征，就我們說的這個顏色、大小、形狀、產(chǎn)地這些特征跟這個甜度、多汁度、成熟度這個列的一個對應(yīng)關(guān)系，這個就是他學(xué)習(xí)的一個結(jié)果。
當(dāng)我們把一個芒果的特征輸入進去以后，它能根據(jù)這些特征去發(fā)展出這個芒果甜不甜，它的成熟程度怎么樣。這是我們說它學(xué)習(xí)出來一個產(chǎn)品，那么這個產(chǎn)品就是傳統(tǒng)的機器學(xué)習(xí)。
因為在這里面需要我們?nèi)斯とザx它，需要根據(jù)哪些特征去得出這個結(jié)果。而深度學(xué)習(xí)，它不需要我們?nèi)巳ソo它限制或者說幫它去歸納哪些特征，它會自己去學(xué)習(xí)，就完成了特征提取的過程，這是它更為智能的一個方面。
剛剛我們也提到，目前來說開源是人工智能行業(yè)里面非常重要的一個趨勢，尤其是一些像谷歌，微軟，它們都在做這樣一些東西，它們的一些項目相對來說是屬于巨頭們搶占自己地盤，站在人工智能話語權(quán)的一個重要的手段。它開源以后會引來很多人去學(xué)習(xí)去完善去應(yīng)用它，那么未來占據(jù)一定的地位以后，它可能會形成類似于生態(tài)的一種效果，甚至提升成一種人工智能操作系統(tǒng)的這么一個地位。
所以說使大家紛紛的去開源去搶占，那么這樣帶來的一個結(jié)果是什么呢？未來的從算法的門檻可能會越來越低。一些技術(shù)的話，可能會以云的形式或者API的形式去提供，數(shù)據(jù)包括未來的場景可能慢慢的會越來越重要，這是開源對于未來的一個影響。
人工智能未來如果去找投資的方向的話，可以從三個層面去看，分別是應(yīng)用層、技術(shù)層和基礎(chǔ)層。應(yīng)用層很簡單，主要是講的是從應(yīng)用的角度，應(yīng)用軟件、應(yīng)用終端，比方從醫(yī)療、金融、智能駕駛，從這些角度切入進去的圍繞著應(yīng)用的場景，這種我們叫應(yīng)用層。
另外一個從技術(shù)層的角度，主要是從算法的一些模型，比方說圍繞的圖像識別或者語音識別或者手勢控制，在技術(shù)領(lǐng)域比較專的，那么它未來可以通過云的形式或API的形式去輸出主能力。
還有就是基礎(chǔ)層，基礎(chǔ)層主要就是像圍繞著海量數(shù)據(jù)并行計算的一些基礎(chǔ)的應(yīng)用硬件和軟件，包括芯片、傳感器、計算平臺等等，那么這是技術(shù)層。
這三個大的層面可以框出來，就是未來圍繞著人工智能投資一些方向。
應(yīng)用層的話我們現(xiàn)在會看到，有幾個領(lǐng)域可能是人工智能比較容易落地的幾個領(lǐng)域。比方說智能駕駛，因為這個領(lǐng)域目前來看很多的巨頭已經(jīng)在做，而且無論是從整車廠還是到最終的消費者，都比較感興趣。未來的確可以提升駕駛的安全性，這是非常重要的一點。另外一方面，比如像醫(yī)療，比方說醫(yī)療影像，傳統(tǒng)來說，人力讀起來比較慢，準(zhǔn)確率可能會比較低，容易漏掉一些特征，那么機器可以比較快速的對這些影像進行判斷。
像安防，涉及到就是它的視頻，其實每一幀的圖像里面包含著大量的信息，傳統(tǒng)上對這種圖像這種視頻的信息處理還是比較難的，人工智能的介入，可以從大量的視頻里面快速的提取到一些相對結(jié)構(gòu)化的信息。
我們8月底的時候?qū)戇^一個報告，講人工智能在醫(yī)療影像的應(yīng)用，這里正好可以稍微展開一下，醫(yī)療領(lǐng)域里面的數(shù)據(jù)80~90%基本上都是影像數(shù)據(jù)，這是跟影像數(shù)據(jù)本身這種非結(jié)構(gòu)化的數(shù)據(jù)格式是有關(guān)系的。在過去這么多年里我們會發(fā)現(xiàn)醫(yī)療影像數(shù)據(jù)動作特別快，每年30%的增長；但是影像科醫(yī)生的增速卻很慢，基本上只有4%的增速。缺口越來越大，影像科醫(yī)生面臨的負擔(dān)也越來越重，每天讀大量的數(shù)據(jù)會造成負擔(dān)比較重，而且疲勞的情況下會造成錯誤率提升，造成大量的誤診率。像三甲醫(yī)院的醫(yī)生大部分準(zhǔn)確率是在70%左右，小醫(yī)院的準(zhǔn)確率可能只有50%-60%。
這種醫(yī)療影像，它是人工智能未來去滲透的非常好的一個方向，因為影像的基礎(chǔ)就是圖像識別，在過去這么多年來說，人工智能里面進步比較快的就是圖像識別領(lǐng)域。從國外來看，有不少的廠商已經(jīng)在包括肺結(jié)節(jié)、皮膚癌、乳腺癌等一些細的病種里面人工智能識別率可以做到非常高了，已經(jīng)接近90%的準(zhǔn)確率，基本是超過了最專業(yè)的醫(yī)生的準(zhǔn)確率。
從安防角度來說，從研發(fā)角度來說，攝像機它在拍圖像、拍視頻的時候，它的后臺就可以做到同步的分析。比方說視頻中出現(xiàn)的人，這個人是男人女人？什么顏色的衣服？什么顏色的頭發(fā)？有沒有拿包？這些基本特征可以在視頻獲取的同時它會去提取里面一些結(jié)構(gòu)化的信息。比方說當(dāng)視頻中出現(xiàn)一輛汽車的時候，它會自動去提取這輛汽車的顏色、提取他的車牌、提取它的車型……
那么需要去搜索視頻中的一些特征的時候，比方說需要搜索黑色的奔馳汽車，這些特征輸入以后，它可以在各個路口的各種治安卡口的視頻里面快速把相應(yīng)的符合特征的視頻截圖找出來，這個是可以大大提高從安防角度去做一些搜索的效果。以前基本是靠人去看的，這個來看肯定是好多了，所以說像安防也是未來滲透的一個非常好的場景。
從應(yīng)用層面的話，我們?nèi)フ夜疽话闶侨タ磶讉�要素，比方說像影像，它過去有沒有積累大量的影像數(shù)據(jù)，比方說它有沒有做算法的能力，包括它未來有沒有去變現(xiàn)的能力，有沒有應(yīng)用的場景，因為這種場景對于人工智能做英語的公司來說意味著兩點。第一點，可以變現(xiàn)，可以賺錢；第二點，就是它可以把它的產(chǎn)品在實際應(yīng)用中有一個反饋，進一步提升它在實際中應(yīng)用的準(zhǔn)確率。
我們前段時間也寫了一個報告，就是萬東醫(yī)療，它主要是有一個子公司就做人工智能，它在過去很多年做遠程影像診斷的時候記著大量的影像數(shù)據(jù)。而且它本身的二股東是阿里健康，在算法方面也是跟阿里一起協(xié)同。那么本身的話，它自己網(wǎng)聯(lián)上用也是一個很好的應(yīng)用場景，包括說的可以變現(xiàn)，也可以去進一步提升它實際應(yīng)用的準(zhǔn)確率，從這幾個要素來看的話都是比較好的。
從安防角度來說，我們看目前包括像海灘、像大華他們積極的去應(yīng)用，包括自己去開發(fā)一些人工智能一些算法，主要是用在后端，有些已經(jīng)加在前端了。那么去實現(xiàn)一些視頻的結(jié)構(gòu)化信息的獲取，就是我們剛才講的應(yīng)用層。
第二層面是技術(shù)層，技術(shù)層來說的話，在某一個領(lǐng)域里面有比較獨特技術(shù)的公司比較典型。像科大訊飛這樣的公司，現(xiàn)在科大訊飛主要是語音識別，還有像圖像識別、人臉識別；比較典型的像商談科技，它沒有上市；包括像谷歌，它也是圖像識別、語音識別很多領(lǐng)域都做得很好。
未來這種技術(shù)型公司他會通過語音的形式或者通過API的形式輸出它的這種技術(shù)能力，比如像谷歌它又做了圖像識別的API、包括語音識別apI；像科大訊飛做了它的語音。就是說一個創(chuàng)業(yè)公司，它只要把語音給扔上去，那么另外一端它就可以得到語音識別的結(jié)果。這種就是種技術(shù)性的公司。
技術(shù)性公司最典型的看它的真正的技術(shù)實力，就是比較硬的一些實力，看它準(zhǔn)確率提升。另一方面看他去獲取合作伙伴、包括未來獲取用戶的能力，利用技術(shù)來去變現(xiàn)的能力。如果說他自己沒有廣泛的渠道，那肯定要借助合作伙伴去變現(xiàn)，就是說它這種技術(shù)是市場推廣的能力，以及未來形成這種生態(tài)的一種可能，這種事比較重要的。
技術(shù)上來說，這里比較典型就是芯片，現(xiàn)在圍繞人工智能做了一些優(yōu)化的芯片開始出現(xiàn)，無論是用在大型的服務(wù)器端。尤其像GTO，它對于人工智能的運算是比較有優(yōu)勢，包括說現(xiàn)在也開始在移動端出現(xiàn)一些人工智能芯片，像蘋果的最新的手機芯片里面也是一些人工智能功能在里面，也就是說有些這種移動的芯片，它會加一些人工智能優(yōu)化的東西。可以大大提升它的某些方面的速度，比如人臉識別速度，或者一些固定的某一種類型算法的速度。
基礎(chǔ)領(lǐng)域的話拼的也就是一些底層的技術(shù)，誰能夠把技術(shù)做好，而且在芯片上比較容易落地，或者說能做到好的性價比，那么這個是他一個真正的方向。基礎(chǔ)層的公司并不特別多，從創(chuàng)業(yè)的角度來說，它也是創(chuàng)業(yè)門檻比較高的一個方向。像現(xiàn)在以中科院系的5G的芯片目前來說還是在市場上聲譽比較高。也開始往移動端，包括說像跟華為的一些移動芯片已經(jīng)開始合作。這些領(lǐng)域來說，未來也會出現(xiàn)一些比較牛的公司。
以上是我從三個角度：應(yīng)用、技術(shù)和基礎(chǔ)的三個層面去講的一些投資方向，我們?nèi)绻吹帽容^長遠的話就是為了一個大的趨勢或者一個大的格局，很可能慢慢的會類似于目前的rpc一個格局，一些巨頭的會占據(jù)越來越壟斷的地位，一些大型的公司甚至擁有類似于操作系統(tǒng)這樣一個層面的優(yōu)勢。那么其他公司可能在技術(shù)上這些創(chuàng)業(yè)或做一些個別的應(yīng)用集中度也會越來越高，那么但是中短期來看還是處于百花齊放的階段，很多創(chuàng)業(yè)公司在一些細節(jié)領(lǐng)域都會做出比較好的一些東西來。
在應(yīng)用市場的話，未來會出現(xiàn)一些細分的趨勢，在某些應(yīng)用里面也會容易出一些。這種獨角獸公司啊在某些領(lǐng)域里會應(yīng)用，里面會做得特別好，這個是從這個我們?nèi)タ粗卸唐诘倪@么一個趨勢。
（來源：證通財富）
