摘要：上世紀50年代誕生的人工智能經過一個甲子的發展，尤其是在計算機科學、數字技術和神經元理論的推動下，人工智能已逐步成為一個已遠遠超出了計算機科學，在理論和實踐上都已自成一個系統的新興科學。無論是基礎層的芯片、云和數據科學的進步，還是技術層算法推動了語言、視覺和深度學習技術，都將人工智能技術推到了每一個人的面前，并開始深度影響我們的生活、改造我們的經濟、顛覆我們的認知和社會秩序。
定義與概述
人工智能(Artificial Intelligence)，英文縮寫為AI。它是利用數字計算機或者數字計算機控制的機器研究、開發用于模擬、延伸和擴展人的智能，感知環境、獲取知識并使用知識獲得最佳結果的理論、方法、技術及應用系統。
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，將會是人類智慧的“容器”。人工智能可以模擬人的意識和思維。人工智能不是人的智能，但能像人那樣思考、也可能超過人的智能。
人工智能是包括十分廣泛的科學，它由不同的領域組成，如機器學習，計算機視覺等等，總的說來，人工智能研究的一個主要目標是使機器能夠勝任一些通常需要人類智能才能完成的復雜工作。
人工智能自二十世紀七十年代以來被稱為世界三大尖端技術之一(空間技術、能源技術、人工智能)。也被認為是二十一世紀三大尖端技術(基因工程、納米科學、人工智能)之一。近三十年來它獲得了迅速的發展，在很多學科領域都獲得了廣泛應用，并取得了豐碩的成果，人工智能已逐步成為一個獨立的分支，其范圍已遠遠超出了計算機科學的范疇，無論在理論和實踐上都已自成一個系統。
發展歷史
1956年，被認為是人工智能之父的JOHN MCCARTHY組織了一次學會，將許多對機器智能感興趣的專家學者聚集在一起進行了一個月的討論.他請他們到VERMONT參加“DARTMOUTH人工智能夏季研究會”。從那時起，這個領域被命名為“人工智能”。
當20世紀50年代，數字計算機研制成功，研究者開始探索人類人工智能是否能簡化成符號處理。60~70年代的研究者確信符號方法最終可以成功創造強人工智能的機器，并通過一些語言和程序進行了探索。專注于符號和邏輯。
80年代符號人工智能停滯不前，很多人認為符號系統永遠不可能模仿人類所有的認知過程，特別是感知，機器人，機器學習和模式識別。很多研究者開始關注子符號方法解決特定的人工智能問題。90年代，人工智能研究發展出復雜的數學工具來解決特定的分支問題，并通過編程設計出特定的智能Agent。Agent是指駐留在某一環境下，能持續自主地發揮作用，具備駐留性、反應性、社會性、主動性等特征的計算實體。這段時間專注的是連接與反饋。1997年5月3～11日，其中GARRY KASPAROV以2.5：3.5輸于改進后的“深藍”影響深遠。
進入新世紀后，人工智能迎來的大的發展。特別是隨著大數據和超級計算能力出現后，人工智能進入了廣泛的開發與應用階段。基于大數據、神經元網絡和數學統計的綜合，機器學習能力、硬件的提高都將識別率和準確率提高到新高度，并將人工智能推升到科技的浪尖。
技術邏輯
人工智能根據從底層到應用的技術邏輯可以分成基礎層、技術層、應用層(如圖1示)。
圖1.人工智能技術邏輯示意圖
基礎層
基礎層從硬件和理論層面，為人工智能的實現提供了根本保障，主要包括AI芯片和深度學習算法。全球人工智能芯片行業處于初步發展階段，主要包括通用型GPU芯片、半定制FPGA芯片和全定制ASIC芯片。
GPU核心技術長期被海外企業壟斷，中國進口依存度高于90%。ASIC的開發難度大，研發投入高，目前商用量處于較低水平。未來隨著芯片行業的發展與進步，ASIC將憑借著體積小、功耗低、計算性能高、量產成本低的優勢的搶占GPU的市場份額，成為行業內主流的芯片類型，預測ASIC市場規模在2025年達到331.4億元，在2020至2025年期間年復合增長率為46.3%。
圖1.國內AI芯片市場分析
(數據來源：WIND資訊，西南證券整理)
圖像傳感器分為CMOS圖像傳感器與CCD圖像傳感器兩種，CMOS圖像傳感器的綜合性能比CCD更具有優勢，且生產成本更低，因此占據絕大部分市場份額;2019年，CMOS圖像傳感器在全球圖像銷售額中占比約為85%。國內圖像處理芯片龍頭主要是格科微(Galaxycore，688728)。
基于云的數據服務是人工智能的基礎，該市場近十年成為全球信息產業領域的熱點，互聯網與通信巨頭紛紛把云建設作為市場競爭的關鍵，全球公有云服務市場規模2022年將超過5000億美元。
圖2.全球云市場規模
(數據來源：WIND資訊，西南證券整理)
而基于云數據、云計算的人工智能賦能也在各個領域迅速展開。云端的主要作用是存儲數據，中國大數據儲量居世界首位，其中金融征信是最主要的大數據交易行業及用途。
技術層
技術層是基于基礎層的支撐，設計出的解決某一類過去需要人腦解決問題的通用方法，具體包括智能語音、計算機視覺、自然語言處理以及機器學習技術等四大人腦功能的處理方法。這些方法基于深度學習算法，根據具體的數據以及處理場景，形成了專門的成套技術處理方法和最佳實踐。通過技術層的實現，可以將基礎層提供的算力以及計算方法運用到具體領域。
人工智能在計算機上實現時有2種不同的方式。一種是采用傳統的編程技術，使系統呈現智能的效果，而不考慮所用方法是否與人或動物機體所用的方法相同。這種方法叫工程學方法(ENGINEERING APPROACH)，它已在一些領域內作出了成果，如文字識別、電腦下棋等。另一種是模擬法(MODELING APPROACH)，它不僅要看效果，還要求實現方法也和人類或生物機體所用的方法相同或相類似。如遺傳算法(GENERIC ALGORITHM，簡稱GA)和人工神經網絡(ARTIFICIAL NEURAL NETWORK，簡稱ANN)。
2014至2019年，中國計算機視覺市場規模由11.1億元增長至136.7億元，年復合增長率達51.9%。從短期來看，中國計算機視覺市場規模將保持快速增長趨勢，預測2019至2023年中國計算機視覺行業市場規模年均復合增長率將達45%，2023年規模達603.5億元。
圖3.計算機視覺市場規模
(數據來源：WIND資訊，西南證券整理)
自然語言處理技術是人工智能的關鍵技術，現階段的自然語言處理技術商業化并不成熟，部分已實現商業化應用的自然語言處理技術相關產品(如智能客服)均無法將直接收益歸因于自然語言處理技術，因此自然語言處理技術產生的市場營收規模較小。2014至2019年，中國自然語言處理市場規模從4.1億元增長至30.7億元，年均復合增長率為49.6%。隨著智能設備數量的增長以及行業智能化業務處理水平要求的提高，自然語言處理市場有望得到進一步拓展，預測2019至2023年中國自然語言處理市場營收規模年均復合增長率將達48.8%，在2023年達到150.7億元。
圖4.中國自然語言處理市場
(數據來源：WIND資訊，西南證券整理)
語音識別技術是自然語言處理技術的一個方面，主要應用于聲紋核身、身紋解鎖、電話與機器人服務等業務場景中。中國語音識別技術不斷進步，專利申請數量上升趨勢明顯。銀行客戶對語音客服需求性高，因此銀行業對語音識別的準確率上有很高的要求，目前中國工商銀行智能客服“工小智”的語音識別準確率已達98%。中國人工智能語音識別領域的專利申請量總體上呈上升趨勢，2010至2018年，年均復合增長率達34.3%，在2018年達到峰值7,249項。由此可見，人工智能語音識別領域的發展受到各科研企業的重視，正在迎來全面的技術進步，將更有效、更廣泛地應用業務場景。
圖5.中國機器學習市場規模
(數據來源：WIND資訊，西南證券整理)
人工智能應用的核心，是基于神經網絡的深度學習，也稱機器學習。機器學習是一門多領域交叉學科，涉及概率論、統計學、逼近論、凸分析、算法復雜度理論等多門學科。專門研究計算機怎樣模擬或實現人類的學習行為，以獲取新的知識或技能，重新組織已有的知識結構使之不斷改善自身的性能，是人工智能核心。該方法的特點是需要根據特定應用目的，利用大量且優質的數據，對學習網絡進行反復訓練，通過傳播算法，不斷自動變換各層以及各節點的參數，以最終得到符合實際應用要求的訓練結果。
應用層
應用層主要是指場景和產品。產品可以定義為智能操作系統，如機器人(工業、客服)、無人機、自動駕駛汽車、無人艦艇等。而應用場景主要集中于勞動密集型行業、危險及復雜環境。包括工業、軍事、安防、金融、教育、醫療、交通、物流、城市管理等。決定于人工智能應用的約束指標有IT化程度和試錯成本。IT化水平越高+試錯成本越低應用場景越廣泛，反之越難。目前在民用市場，安防、金融、教育、城市管理、物流等行業人工智能應用越來越廣泛。而交通和醫療領域目前處于加快發展階段。
圖6.我國大數據交易行業分析
(數據來源：WIND資訊，西南證券整理)
中國人工智能產業在各方的共同推動下進入爆發式增長階段，市場發展潛力巨大。iiMedia Research(艾媒咨詢)數據顯示，2020年人工智能行業核心產業市場規模超過1500億元，預計在2025年將超過4000億元，未來中國有望發展為全球最大的人工智能市場。
未來人工智能的應用場景范圍將持續擴大，深度滲透到各個領域，引領產業向價值鏈高端邁進，同時也為改善民生起到重要作用。目前企業正加大自主研發投入，促進人工智能與大數據、云計算以及區塊鏈技術相互融合，引領生產變革成為促進新經濟增長的主要投資方向。
市場與展望
人工智能目前已經在安防、金融、工業制造、商業貿易、文體教育、城市管理等方面得到了廣泛的應用，2020年人工智能產業規模保持平穩增長，產業規模達到了3031億元，同比增長15%，增速略高于全球的平均增速。產業主要集中在北京、上海、廣東、浙江等省份，我國在人工智能芯片領域、深度學習軟件架構領域、中文自然語言處理領域進展顯著。AI+安防在2019年人工智能的各類應用中占比超過50%，緊隨其后的是AI+金融(占比15.80%)和AI+營銷(占比為11.60%)，隨著技術的進一步發展，人工智能未來還將在醫療服務和自動駕駛等交通領域迅速得到拓展。
安防
利用AI技術進行模型訓練，能夠提升警務效率。當前視頻監控為安防的主要手段，人工智能參與到視頻圖片中的信息提取，從而構建模型，主要包括行為人、隨行人員、車輛、周邊物品的特點與行為，獲得高階語義、強表達能力的特征，分類儲存。需要使用信息時，可通過行為人車物特征、時間段、區域等條件搜索，或是以事件(現場圖片)進行搜索，實現高效篩選，加之以公安系統中的信息，能夠快速勾勒出行為人的行動軌跡，提高抓捕、尋人等警務的辦案效率，實現“利用科技手段提升警力”的目的。
借助AI技術，還可以將安防由被動監控向主動預警發展。一方面，利用人工智能和大數據技術，可以對大型公共場所和道路進行監控，并根據流量變化實行有效管控和交通疏導;此外還可利用大數據進行潛在犯罪預判，結合犯罪前科云數據，對其可疑行為進行識別和預警。
2020年以來，政策持續鼓勵AI在安防中的創新。公安部、市場監督總局和工信部發布了一系列支持AI+安防行業發展的政策，如《公共安全重點區域視頻圖像信息采集規范》(公安部)、《工業和信息化部辦公廳關于推動工業互聯網加快發展的通知》(工信部)等法規，進一步引導人工智能安防向社會各個領域延申。
金融
金融尤其是銀行業，近年來面臨人工成本和利差擠壓雙重壓力，為了應對未來競爭，近年來各銀行相繼成立金融科技子公司，加大在金融科技領域的資金投入，擴大科技人員儲備，加強人工智能在各業務場景的應用。2020年五大國有銀行在金融科技領域的投資約占營業收入的3%，其中工商銀行資金投入最多，增速最快。2014至2019年期間銀行業平均離柜率整體趨勢上升明顯，從67.88%持續上升至的89.77%。
表2.主要國有商業銀行對金融科技的投入
(數據來源：WIND資訊，西南證券整理)
中國銀行業已經歷金融電子化、金融信息化、互聯網金融階段，目前正處于金融科技迅速發展的階段，各銀行積極發展金融科技，陸續推出多種創新型智能機具，全面向智能化、數字化銀行轉型升級。從云及大數據在金融領域的市場規模就可見一斑。
圖7.云及大數據在金融領域的市場規模
(數據來源：WIND資訊，西南證券整理)
計算機視覺技術主要應用于銀行業務中人臉識別的身份認證環節中，助力銀行業電子支付、刷臉取款、遠程開戶、安保監控等領域快速發展，為銀行客戶金融安全及消費安全提供保障。銀行中的智能機具主要通過人臉識別對客戶進行身份驗證，人臉識別準確率達99%以上。
語音識別技術主要應用于聲紋核身、身紋解鎖、電話銀行等業務場景中，助力銀行降低人力負擔，提升業務效率及用戶體驗;中國語音識別技術不斷進步，專利申請數量上升趨勢明顯。銀行客戶對語音客服需求性高，因此銀行業對語音識別的準確率上有很高的要求，目前中國工商銀行智能客服“工小智”的語音識別準確率已達98%。
目前中國銀行業依托人工智能加速轉型升級，將人工智能覆蓋到前、中、后臺各個領域，使各項業務、流程能夠智能化、自動化辦理，目前智能客服、生物識別、智能風控在銀行的應用率高，未來智能投顧的商用率有望提升。大力發展人工智能，打造“智能銀行”，改變傳統的營銷、服務、管理模式，優化升級其金融體系，為消費者提供更便捷、安全、有效的服務體驗。
除了銀行，未來面臨國際競爭壓力的證券公司的人工智能也將步入快車道，智能投資、智能投顧和投資客服機器人將迅速進入市場。
工業制造
隨著勞動力成本上升以及復雜條件下的制造場景越來越多，基于人工智能技術的機器人越來越進入現代工業領域，智慧設計、智能制造、自動物流越來越成為制造業的投資方向。其中生產/制造是應用人工智能技術感知最強的環節，占比達57.3%，供應鏈/物流占比為37.1%銷售拓展占比為33.7%，工程研發占比為28.1%。人工智能技術極大地提高了生產效率，提高企業高質量的生產服務。同時也是傳統企業數字化轉型的重要力量。
圖8.工業機器人供應
(數據來源：WIND資訊，西南證券整理)
醫療服務
隨著老年社會和全民醫療體系的建立。我國診療人次接近40億人次，巨大的市場和醫療資源分布不均衡為人工智能在醫療領域的應用打開了空間。其主要應用在電子病歷、影像診斷、藥物研發、健康管理、精準醫療和醫療機器人等六個方面。2020年，新冠疫情的爆發加速了AI+醫療的發展與應用。
由于醫療要求的精準性很高，因此人工智能的應用目前依然處于早期階段。
自動駕駛
自動駕駛是百姓最感興趣的人工智能應用場景，也是目前人工智能領域投資最活躍的研究方向。2020年4月，長沙率先全面開放了無人駕駛出租車服務;10月12日，北京也開放了無人駕駛出租車試乘，當日訂單量突破2600單;10月21日，蘇州落地全國首個常態化運營的5G無人公交。無人公交在開放的城市道路上運行，且速度最高達到50km/h。該無人公交車除了具備避讓行人車輛、自動變道、自動轉向、紅綠燈識別等基本功能，還能應對各類城市復雜交通場景，例如穿行人車混雜的路口、應對后車加塞、“鬼探頭”等。
根據IDC報告的預測，全球智能駕駛汽車出貨量在2021年會迎來拐點。
圖9.全球智能駕駛汽車出貨量
(數據來源：IDC報告，西南證券整理)
我國頂層設計非常重視自動駕駛技術的應用，將自動駕駛汽車繼新能源汽車之后，我國汽車產業跨越式發展的主要方向。2020年11月11號國家智能網聯汽車創新中心首席科學家發布了智能網聯汽車技術路線圖2.0》的指引，計劃到2025年，PA、CA新車占比超過50%;C-V2X終端新車裝配率50%;到2035年，中國方案智能網聯汽車技術和產業體系全面建成，網聯式高度自動駕駛智能網聯汽車實現大規模應用。
此外，人工智能在智慧城市、智慧教育、智慧家電、智慧建筑、智慧農業等領域也發展迅速，應用場景越來越多的被得到開發。
政策支持
2017年7月國務院發布《新一代人工智能發展規劃》，將新一代人工智能放在國家戰略層面進行部署。
《2019年政府工作報告》將人工智能升級為智能+，要推動傳統產業改造提升,特別是要打造工業互聯網平臺，拓展“智能+”,為制造業轉型升級賦能。要促進新興產業加快發展,深化大數據、人工智能等研發應用壯大數字經濟。
2019年3月19日主持召開中央全面深化改革委員會第七次會議并發表重要講話。會議審議通過了《關于促進人工智能和實體經濟深度融合的指導意見》。
2020年3越，教育部《關于公布2019年度普通高等學校本科專業備案和審批結果的通知》，180所高校開設人工智能專業。
2020年6月，《全國人大常委會2020年度立法工作計劃》，重視對人工智能、區塊鏈、基因編輯等新技術新領域相關法律問題的研究：繼續推動理論研究工作常態化、機制化，發揮科研機構、智庫等“外腦”作用，加強與有關方面的交流合作，抓緊形成高質量的研究成果。
此外，北京、上海、山東、廣東、江西、重慶、福建、安徽、遼寧等省市以及深圳、杭州、成都、濟南等城市均發布了支持人工智能的相關法規和政策。
免責聲明：市場有風險，選擇需謹慎！此文僅供參考，不作買賣依據。
營業執照公示信息