人工智能是計算機科學的一個分支，它企圖了解智能的實質，并生產出一種新的能以人類智能相似的方式做出反應的智能機器，該領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等。人工智能從誕生以來，理論和技術日益成熟，應用領域也不斷擴大，可以設想，未來人工智能帶來的科技產品，將會是人類智慧的“容器”。
這里光大證券計算機行業首席分析師姜國平，為大家分析了當下的熱點話題“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，在開始講之前根據合規的要求我有一個小的聲明，就是交流不代表個股的推薦，所有關于具體的股票推薦以我們光大證券計算機團隊所發出的正式報告為準。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，無論是從創業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，包括選擇的一些標準。
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。從最早的農業文明到工業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。
農業時代的話，包括像農具、農產品、人力；工業時代的話，主要是機械設備、工業品、石油；信息時代的話，信息設備、數據電力；智能時代的話，未來就是數據、智能工具、智能產品。這個將是未來的智能式的核心，我們現在就慢慢進入一個所謂的智能時代。
人工智能發展其實已經有很長的歷史了，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。當時主要以控制論和早期的神經網絡的出現為標志，真正的行業上比較認同的就是人工智能誕生的點是1956年的達特茅斯會議，它標志就是人工智能理論的誕生。
接下來其實發展的并不是特別順利，經過了早期的一大發現到后面的兩次低谷，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，行業開始加速，就是一個新的浪潮。也是從語音、視覺這些技術取得了比較大的進展，尤其是深度學習的出現，引領人工智能進入了一個新的浪潮。
我們去觀察的話，從2015年開始整個的人工智能浪潮開始加速，趨勢出現了幾個特征。第一個就是出現了一個開源的浪潮，越來越多的公司開始把自己的機器學習的技術，作為工具去開放給全球的開發者去使用。
第二個就是創業融資升溫，就是創業領域非常多。
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成為一個非常重要的特征；大家無論是從應用到技術的一些基礎研究，都在加快布局。
第四個特征就是產品應用落地，我們看到一些陸陸續續的產品出現，這些產品無論是面向普通消費者的還是面向行業應用的，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。第一個是大量的數據，尤其是過去幾年信息文明的發展，互聯網的發展，帶來了大量的數據。無論是圍繞個人生活領域的一些數據，還是圍繞著金融領域的數據，包括醫療、交通、安防等等。積累大量的數據，無論是結構化的非結構化的數據，這些數據的積累成為了人工智能高速發展的一個重要的基礎。
第二點就是算力的便宜，就是芯片的高速發展，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，從產業參與者來說，過去經過互聯網30年的發展，它的業態和格局相對的穩定，很多的巨頭或者一些新的挑戰者，它們需要找一個新的方向、找到新的領域，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。很多創業公司也在里面，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展。
說到人工智我們一定要提一下深度學習，深度學習它的出現是加速了人工智能的發展，尤其是在一些領域加速了它的落地。比如說，原來有些人工智能產品能做一些事情但是它的準確率比較低，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。但是深度學習出來了以后，在一些領域里面使得人工智能的準確率大幅提高，產品的出來了以后就接近這種實用，這是一個非常大的進展。
深度學習簡單來說，它是一種比機器學習更具備了一定智能化的這種學習，我們傳統講的機器學習一般是我們會去給它替代幾個特征，然后機器根據這些特征給你一些結果，它自己去找一些正中間的對應的一些函數的關系。
對傳統機器學習來說，可以舉一個例子，比方說我們統計了一些芒果它的一些物理特征，顏色、大小、形狀、產地，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，這樣的對應的數據有一個數據庫，然后機器去學習這個數據庫里面東西，從而得出一個特征，就我們說的這個顏色、大小、形狀、產地這些特征跟這個甜度、多汁度、成熟度這個列的一個對應關系，這個就是他學習的一個結果。
當我們把一個芒果的特征輸入進去以后，它能根據這些特征去發展出這個芒果甜不甜，它的成熟程度怎么樣。這是我們說它學習出來一個產品，那么這個產品就是傳統的機器學習。
因為在這里面需要我們人工去定義它，需要根據哪些特征去得出這個結果。而深度學習，它不需要我們人去給它限制或者說幫它去歸納哪些特征，它會自己去學習，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的一個重要的手段。它開源以后會引來很多人去學習去完善去應用它，那么未來占據一定的地位以后，它可能會形成類似于生態的一種效果，甚至提升成一種人工智能操作系統的這么一個地位。
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。一些技術的話，可能會以云的形式或者API的形式去提供，數據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，分別是應用層、技術層和基礎層。應用層很簡單，主要是講的是從應用的角度，應用軟件、應用終端，比方從醫療、金融、智能駕駛，從這些角度切入進去的圍繞著應用的場景，這種我們叫應用層。
另外一個從技術層的角度，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，在技術領域比較專的，那么它未來可以通過云的形式或API的形式去輸出主能力。
還有就是基礎層，基礎層主要就是像圍繞著海量數據并行計算的一些基礎的應用硬件和軟件，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。
應用層的話我們現在會看到，有幾個領域可能是人工智能比較容易落地的幾個領域。比方說智能駕駛，因為這個領域目前來看很多的巨頭已經在做，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，比如像醫療，比方說醫療影像，傳統來說，人力讀起來比較慢，準確率可能會比較低，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構化的信息。
我們8月底的時候寫過一個報告，講人工智能在醫療影像的應用，這里正好可以稍微展開一下，醫療領域里面的數據80~90%基本上都是影像數據，這是跟影像數據本身這種非結構化的數據格式是有關系的。在過去這么多年里我們會發現醫療影像數據動作特別快，每年30%的增長；但是影像科醫生的增速卻很慢，基本上只有4%的增速。缺口越來越大，影像科醫生面臨的負擔也越來越重，每天讀大量的數據會造成負擔比較重，而且疲勞的情況下會造成錯誤率提升，造成大量的誤診率。像三甲醫院的醫生大部分準確率是在70%左右，小醫院的準確率可能只有50%-60%。
這種醫療影像，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域。從國外來看，有不少的廠商已經在包括肺結節、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，已經接近90%的準確率，基本是超過了最專業的醫生的準確率。
從安防角度來說，從研發角度來說，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。比方說視頻中出現的人，這個人是男人女人？什么顏色的衣服？什么顏色的頭發？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構化的信息。比方說當視頻中出現一輛汽車的時候，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。
從應用層面的話，我們去找公司一般是去看幾個要素，比方說像影像，它過去有沒有積累大量的影像數據，比方說它有沒有做算法的能力，包括它未來有沒有去變現的能力，有沒有應用的場景，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，可以賺錢；第二點，就是它可以把它的產品在實際應用中有一個反饋，進一步提升它在實際中應用的準確率。
我們前段時間也寫了一個報告，就是萬東醫療，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據。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同。那么本身的話，它自己網聯上用也是一個很好的應用場景，包括說的可以變現，也可以去進一步提升它實際應用的準確率，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用，包括自己去開發一些人工智能一些算法，主要是用在后端，有些已經加在前端了。那么去實現一些視頻的結構化信息的獲取，就是我們剛才講的應用層。
第二層面是技術層，技術層來說的話，在某一個領域里面有比較獨特技術的公司比較典型。像科大訊飛這樣的公司，現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、語音識別很多領域都做得很好。
未來這種技術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。就是說一個創業公司，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果。這種就是種技術性的公司。
技術性公司最典型的看它的真正的技術實力，就是比較硬的一些實力，看它準確率提升。另一方面看他去獲取合作伙伴、包括未來獲取用戶的能力，利用技術來去變現的能力。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，就是說它這種技術是市場推廣的能力，以及未來形成這種生態的一種可能，這種事比較重要的。
技術上來說，這里比較典型就是芯片，現在圍繞人工智能做了一些優化的芯片開始出現，無論是用在大型的服務器端。尤其像GTO，它對于人工智能的運算是比較有優勢，包括說現在也開始在移動端出現一些人工智能芯片，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。
基礎領域的話拼的也就是一些底層的技術，誰能夠把技術做好，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�；A層的公司并不特別多，從創業的角度來說，它也是創業門檻比較高的一個方向。像現在以中科院系的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開始合作。這些領域來說，未來也會出現一些比較牛的公司。
以上是我從三個角度：應用、技術和基礎的三個層面去講的一些投資方向，我們如果看得比較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這樣一個層面的優勢。那么其他公司可能在技術上這些創業或做一些個別的應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，很多創業公司在一些細節領域都會做出比較好的一些東西來。
在應用市場的話，未來會出現一些細分的趨勢，在某些應用里面也會容易出一些。這種獨角獸公司啊在某些領域里會應用，里面會做得特別好，這個是從這個我們去看中短期的這么一個趨勢。
（來源：證通財富）
