「重磅報告」120圖勾勒全球AI產業完整圖譜：BAT華為研發費用PK

新智元推薦

在新智元公眾號回復【中金】下載報告全文

中金證券研究報告

主題研究：

原文標題《人工智慧時代，10 年之後我們還能幹什麼？》

聯繫人：黃樂平（leping.huang@cicc.com.cn）

分析員：盧婷、何玫、吳越

【主要觀點】

人工智慧不再是概念：我們的調研發現，基於人工智慧的視頻分析技術正在不斷拓寬安防技術的應用範圍，實現實時車輛軌跡追 蹤等以前只有在警匪片里才有的新功能。通過基於用戶畫像的精準廣告投放，互聯網公司在過去三年提高了廣告單次點擊成本（CPC）170%。IBM Watson 從 2015 年開始為病人提供肺癌等四 種癌症的個性化治療方案。汽車主機大廠的路線圖顯示 2021 年前 後能夠實現真正的無人駕駛服務。這些新技術的商用無疑會對公 共安全、醫療、廣告、汽車製造業造成顛覆性的變化。

數據比演算法重要：我們認為人工智慧的商業化，僅僅依靠技術是 很難繼續走下去的。數據的規模和採集能力決定了人工智慧在這 個行業的發展速度。在這方面，感謝線上消費的發展和十幾年平安城市建設，互聯網和安防行業的智能化走在了其他行業前面。看好海康威視、大華股份、科大訊飛、東方網力、千方科技、阿里巴巴、騰訊、新浪在安防和互聯網行業的 AI 變現機會。醫療大數據是下一個熱點，看好東軟、思創醫惠和東華軟體在醫療大數據領域的長期成長機會。

人工智慧=「人工+智能」：只有投入更多的研發人員和數據，才 會獲得更多的智能。僅靠一兩名人工專家很難解決複雜的人工智 能問題。中國企業的人工智慧轉型，需要依靠的是在研發費用和 研發人員規模上的持續投入。在這方面，華為排名全球前十，阿里巴巴、中興、百度、騰訊、海康等公司也在世界前列。

看好數據中心/感測器/半導體行業面臨結構性成長機會：智能化有兩個直接結果。第一是企業服務加速向雲計算的遷移。我們預 計全球公有雲市場今後幾年保持 25%的年複合增長，到 2020 年 達到約 950 億美元的規模。為了支撐雲服務發展，八大全球主要科技公司在數據中心資本開支到 2020 年將達約 900 億美元，約佔 全球電信業資本開支的 25%。第二是收集數據需求的增加，手機及汽車上搭載感測器數量大幅上升。我們預計車載感測器市場從 2016 年的 82 億美金擴大到 2025 億的 290 億美金（15% CAGR）。 數據中心及手機、汽車內計算能力的上升，推動人工智慧相關芯 片需求從 2016 年 37 億美金擴大到 2025 年的 566 億美金。

風險人工智慧創新進度低於預期。

【劃重點】本報告乾貨滿滿，我們挑出了一張極具代表性的內容：人工智慧的兩個維度，以及圍繞這兩個維度展開的競爭，即軟體開發框架和計算晶元。對當下最熱門的議題——TPU進行詳細解讀。

報告認為人工智慧服務提供商之間的競爭主要包括兩個維度

? 軟體開發框架：主要的框架包括谷歌的 TensorFlow，Facebook，IBM，谷歌 DeepMind 支持的 Torch，Microsoft 的 CNTK，Amazon 的 MXNet。NVidia 也提供自己的軟體開 發框架 CUDA。這些公司之間的競爭類似於智能手機操作系統上 iOS/Andorid 之間的 競爭。

? 計算晶元：目前的競爭對手包括 NVidia/AMD 的 CPU，谷歌的 TPU，Xilinux 的 FPGA 之間在計算成本和速度上的競爭。這些公司之間的競爭類似與高通和聯發科在手機 晶元上的競爭。在 TPU 的例子上我們看到，谷歌利用其在軟體開發框架上的優勢， 減小切換計算晶元（GPU to TPU）時的軟體修改成本，形成一個 Tensor Flow+TPU 的封閉生態環境。

更多內容，參見下文。

摘要：10年之後我們還能做什麼？

根據耶魯大學和牛津大學的研究人員對 352 位人工智慧專家進行了採訪，人工智慧到2060 年前後有 50%的概率完全超過人類。這份研究預測在 10 年內，人工智慧將會在以 下領域超過人類：翻譯領域（2024），高中水平的寫作（2026），駕駛卡車（2027）。

在這份報告里，我們著重分析四種人工智慧技術（語音，圖像，自然語言處理，機器人） 對五個行業（安防，互聯網電商/廣告，消費電子，汽車，醫療）的影響（圖表 2）。

從技術角度來看：

語音技術成熟但應用場景有限。語音識別是目前發展最成熟的人工智慧技術。Nuance， 科大訊飛，Google，百度等主流廠商的近場語音識別率都達到 99%以上。但目前應用場 景局限在電子病例，智能客服，在線教育，車載導航等少數幾個領域。隨著未來語音識 別種類的進一步豐富，識別環境通用性的增強，以及遠廠語音技術的突破，一定會幫助拓展其應用範圍到智能家居等更多場景中。

圖像識別落地機會最多。圖像識別技術不但有著非常高的識別準確率，而且能夠很快給 出智能的反饋，因此圖像識別技術最容易快速落地到各行各業中。安防行業中的車輛數 據提取，醫療行業的影像診斷，電商行業中的精準營銷，以及輔助駕駛都為圖像識別技 術提供許多落地變現的機會。

自然語言處理在互聯網行業中應用最為成熟。我們注意到基於人工智慧的精準營銷正幫助互聯網廣告公司不斷提升流量價值，而且一些智能的銷售客服機器人正在逐步替代人 工成為線上銷售，售後維護的主力軍。

智能機器人技術有待成熟。我們注意到一些公司開始在倉儲機器人、手術機器人等細分 行業進行探索。但技術還有待成熟。

從行業角度來看：

安防是人工智慧在中國最容易變現的行業：十幾年的平安城市建設，使中國的城市管理 者已經積累了強大的視頻數據採集能力。交通擁堵及反恐等應用場景又急需最先進的人 工智能技術。

互聯網廣告和電商蘊含大量的數據，為人工智慧在互聯網廣告和電商領域的應用提供了廣闊的資源和空間。例如，互聯網公司通過基於用戶畫像的精準廣告投放，在過去三年 提高了廣告單次點擊成本（CPC）170%。

AI 促進消費電子升級換代：3D 光學感測等 AI 功能會幫助現有智能手機提高售價，同時 促進智能音箱等新品類的發展。

汽車行業 2021 年前後實現無人駕駛：隨著 Tesla AutoPilot 2 系統的發布，GM 宣布自己 的自動駕駛系統 Super Cruise。我們注意到汽車智能發展呈現加速趨勢。我們預計汽車主機大廠在 2021 年前後能夠實現商業化的無人駕駛服務。

醫療行業空間巨大，但技術還有待成熟。電子病歷的建立，不僅僅用到了語音識別技術，也整合了醫療大數據；影像診斷則用到了圖像識別技術，現在在國內外都已經形成成熟 的商業模式。輔助治療和手術機器人由於技術的尚不完善，還在小範圍推廣。由於語音 識別技術和機器視覺技術的成熟，大量應用這兩個技術的行業將迎來 AI 變現的更多機會。

直接受益行業：

數據中心：人工智慧的普及會推動雲計算服務及資本開支的快速增長。我們預計到 2020年，八大主要科技公司在數據中心相關的資本開支總計將達約 900 億美元，約佔全球電信業資本開支的 25%。

半導體：我們認為 2020 年人工智慧相關半導體的市場空間將達到 117 億美元，其中雲端伺服器市場規模 76 億美元，智能手機移動端 41 億美元。除了上游的晶元設計廠商將 受益之外，中下游晶圓代工及封裝測試廠也將同步獲益。

感測器：第二是收集數據需求的增加，手機及汽車上搭載感測器數量大幅上升。我們預 計感測器市場從 2016 年的 82 億美金擴大到 2025 億的 290 億美金（15% CAGR）。

主要圖表： 視頻、智能駕駛、軟體框架、晶元、光學、音箱、雲7大產業鏈

全球主要AI科技公司市值、研發開支與研發費用率一覽

AI+安防：智能化推動安防行業的第三次升級

中國視頻監控行業在過去十幾年經歷了兩次重要的升級換代：

（1）高清化：在這次升級的主要變化是攝像機的清晰度從標清（30 萬像素）升級到 100 萬像素或以上。圖像傳輸方法從原本通過同軸電纜傳輸的模擬信號過渡到通過局域 IP 網 或 同 軸電 纜傳 輸的 數字信 號 。 後 端設 備也從 DVR（Digital Video Recorder) 過 渡到 NVR（Network Video Recorder）。NVR 的物理位臵還是在本地（例如，小區內）。

（2）網路化：在這次升級中的主要變化是，視頻被直接傳回數據中心內的集中存儲

(IP-SAN)。主要的優勢是方便集中管理以及可監控的區域大大增加。

隨著 2016 年以來人工智慧技術在視頻分析領域的突破，我們認為視頻監控行業正處在第 三次重要的升級周期的開始階段。

（3）智能化：我們認為這次升級主要包括：(a) 前端攝像機的智能化升級以支持結構化 數據提取，(b) 後端設備強化計算分析功能，以支持複雜的視頻分析，(c) 對應特定行業 應用的人工智慧分析軟體快速增長。

安防攝像機的智能化升級

傳統的網路攝像機直接把高清視頻回傳給數據中心裡的 NVR，由於回傳視頻數據量巨大， 很難對所有圖像進行實時分析。大部分時候是對保存的圖像進行事後分析。通過在網路 攝像頭上添加人工智慧晶元（例如，NVidia 的 Jetson TX2、Movidius 的 Myriad 2 Vision 等晶元），前端攝像頭可以實時對視頻數據進行結構化處理。例如，設臵在交通路口的攝 像頭可以提取車牌，車型等汽車信息，和乘客數量，是否帶安全帶等乘客信息回傳給數 據中心。方便進行實時分析，優化系統反應能力。

根據 IHS 統計，全球安防攝像頭市場 2016 年約 95 億美元，預計到 2020 年將達到 128.4 億美元，CAGR 為 8.1%。其中，網路攝像機佔比將從 2016 年的 82%上升到 2020 年的 90%。同時，我們預計相當一部分網路攝像機將迎來智能化升級。目前，中國佔據全球44%的需求，海康威視已成為安防攝像頭的全球龍頭。

後端設備強化計算分析功能

後端設備強化計算分析功能，以支持複雜的視頻分析：傳統的 NVR(Network video recorder)的主要功能是壓縮存儲視頻信息。通過添加 GPU 等人工智慧加速晶元和應用處理軟體，智能 NVR 能夠實現圖像識別，特徵提取，人體識別、人員檢索等功能。一些公 司率先在裡面加入人工智慧處理能力，如海康的「超腦」系列。

根據 IHS 的數據，後端錄像存儲設備的市場規模 2016 年約 38 億美元，到 2020 年將達 42.7 億美元，CAGR 為 2.4%。中國依舊佔據了全球 42%的市場需求，海康威視成為全 球龍頭。從產品佔比趨勢觀察，基於伺服器的集中式存儲的佔比將逐漸降低。這表明未 來的存儲將更加分散化，NVR 等設備的增長更快。

視頻管理分析系統(VMS)新增人工智慧功能

視頻管理分析系統（VMS）的主要功能是彙集分析視頻信息，以及控制前端安防設備。 由於技術上的限制，在人工智慧拘束出現以前，實時視頻分析的應用範圍一致相對較小。

傳統上，中國市場客戶傾向於購買包含前端攝像機、後端存儲設備和 VMS 的一體解決方 案，所以海康威視、大華股份、宇視科技等擁有軟硬體一體化解決方案的廠商一直保持 較高市場份額。隨著對基於人工智慧的視頻分析產品的產品要求不斷提高，商湯科技、 Face++等在人工智慧演算法上有特色的公司也積極切入 VMS 市場。

海康威視：針對公安行業、交通行業、金融行業、司法行業、能源行業、智能樓宇行業、 文教衛生等七大行業分別開發了各自的解決方案。根據 IHS 的統計，海康的 iVMS 系列 產品中國市場佔有率 23%。

東方網力：廣泛應用於各行業、公安、平安城市等領域。為彌補演算法方面的短板，東方 網力和商湯科技合作，提升人臉識別的性能。

商湯科技：優勢在於計算機視覺演算法和技術，以及相關的行業應用。2014 年公司在 LFW 的準確率達 99.15%，首次超越人眼；並在 ImageNet 2014 大規模物體識別競賽中獲得 全球第二，僅次於 Google，2015 年取得兩項世界第一。核心技術包括：人臉技術、智能 監控、圖像識別、文字識別、圖像及視頻編輯、深度學習框架。公司技術應用於：智慧 金融、智慧商業、智慧安防等領域。

Face++：專註於人臉檢測，包括人臉檢測、對比、搜索、關鍵點定位、人臉屬性。並 提供人工智慧開發平台。

平安城市新階段帶動智能安防快速發展

根據 IHS 統計，2016 年全球安防設備市場規模達到 158.6 億美金，同比增長 6.6%。其 中中國市場最大，市場規模 67.25 億美金，同比增長 11.6%，佔全球 42%。美洲市場第 二，市場規模 39.6 億美金，同比增長 4.1%，佔全球 25%。

從中國市場來看，我們認為市場主要包括三個細分市場

（1） 政府市場（30~35%）：主要包括各地公安，交通，司法部門。銷售渠道以系統 集成商為主。需求受政府固定資產投資拉動，對價格不敏感，是視頻分析服務的 重度用戶。

（2） 大企業市場（35~40%）：主要包括銀行，電信，石油，文教衛等大型國有企業 和事業單位等。銷售渠道以解決方案為主，需求受經營規模擴大的影響。

（3） 中小企業及個人市場（25~35%）：主要包括中小企業，也包括個人消費需求（盡 管需求很小）。銷售渠道以標準產品的分銷為主。

根據我們調研，目前人工智慧相關產品主要目標市場是政府市場。其驅動力來自於各地 政府強化各類平安城市相關工程。經過十幾年的平安城市建設，中國的主要城市已經積 累了強大的視頻數據採集能力。如何利用採集到的數據解決交通擁堵及治安問題一直是 各地政府有待解決的問題。基於人工智慧的新一代視頻分析技術為城市管理開闢了一條 新的路徑。並將驅動當前 67 億美元的中國安防設備市場繼續以年增速 15%以上增長。 其中，交通管理和公共安全等政府相關項目（約佔整體市場規模 30%）是最主要的應用 領域。以下是在交管和公安現場的實例。

交通違法抓拍

通過對前端攝像頭和後端系統進行智能化升級，利用前端攝像頭對抓取的圖像快速處理， 將明顯的違法行為進行智能識別，並在後端進行收集和二次處理。可對多種交通違法行 為進行取證，包括機動車闖紅燈、違法停車、壓線、變道、逆行、超速、人行橫道不避 讓行人、違反規定使用專用車道、行人闖紅燈等各種交通違法行為。

犯罪分子抓捕

以海康威視的系統破獲的某個搶劫案為例。為了從大量的視頻圖像中找到嫌疑人，需要 對來自 500 多個監控點的長達 250 個小時的視頻進行分析，如果採用人力查閱，需要至少 30 天時間，但如果採用基於深度學習的視頻分析技術，僅需要不到 5 秒。

另一個案例是，2012 年的「1.6 蘇湘渝系列持槍搶劫殺人案」，當時對 1 萬多個監控點產 生的 2000 多 T 數據進行人工查閱，投入了 1500 多名幹警耗時一個多月。根據海康威視估算，如果採用人工智慧分析僅需要幾分鐘。

根據 IHS 數據，全球視頻監控設備市場到 2020 年將達 202 億美元，是 2016 年的 1.3 倍。 我們估計，在 AI 的驅動下，硬體設備市場的增長將維持較長的時間。

不論全球市場還是中國市場，海康威視、大華股份、宇視科技等中國公司已經佔據較為 領先的地位，其中海康威視在全球和中國市場均排名第一。

我們認為，一方面受益於中國視頻監控行業規模在全球佔比較高，另一方面，中國龍頭 公司的技術和產品的競爭力有了極大的提升。我們預計，這種趨勢仍會保持，中國龍頭 公司的全球市佔率將繼續提升。

AI+互聯網：AI 加速電商廣告市場發展

電子商務：AI 簡化用戶的消費行為

2015 年以來，由於互聯網流量紅利逐漸見頂，行業發展重點走向以提升轉化效率以及付 費習慣培養的精細模式。在電子商務領域，由於大數據的累積以及底層演算法的快速發展， 人工智慧開始進入該領域，通過對消費者購買決策過程的深度學習和解析精準定位用戶。 主要的應用是為了更精準的推薦商品以及對用戶的購買行為作出更好的解釋。

大數據是人工智慧的重要基礎，複雜場景催生技術革新

經過爆髮式的行業增長，電子商務行業已經完成了早期的數據累積，大數據的產生為人 工智能技術打下基礎。而購物場景不斷延伸，端到端的互聯網消費者行為呈現高度離散 的狀態，消費者可觸達點的增加同樣加大了電商平台對於消費行為把握的難度，因此亟待更高效的方式對用戶購買行為作出更好的解釋，以實現更精準的商品推薦。

人工智慧的知識發現體系更適合解釋當下更為複雜的線上購買決策

根據 MillardBrown2016 年的研究，傳統營銷通常認為消費者購買品牌是一個線性過程， 但現實中情況卻要更為複雜，特別是互聯網賬號體系的出現，線上消費者在其他如社交 平台的分享同樣會影響消費者的最終購買決策。此外，隨著人均可支配收入的進一步提 升，影響消費者購買決定的變數同樣變得更為複雜。除了最基本的對於性價比的考量， 粉絲效應、生活方式、特殊事件甚至對於環保的考量都有可能影響消費者最終的購買決定。

互聯網環境下，品牌以及商品與消費者的接觸點顯得分散且數量遠大於從前，人工智慧 的數據挖掘和知識發現功能為解析大量數據間隱藏的依賴關係提供了具有參考意義的一 條解決路徑。目前該技術在中國的具體應用表現為在售前，通過基於大數據分析的用戶畫像個性化推薦，向消費者主動展示其購買的產品內容。

目前個性化推薦主要是以分析消費者一定時間內的瀏覽記錄為主，技術上並不難實現， 主要門檻在於商業數據累積以及推薦邏輯優化。在當下全球電子商務領域，Amazon 的 智能推薦系統被公認為推薦演算法最好的系統，其服務主要體現為個性化首頁、多頁面關聯商品推薦和多品類關聯促銷。在中國，個性化推薦的形式和 Amazon 並無太大區別， 以發展程度最高的淘寶千人千面模塊為例，2016 年雙 11 個性化的智能賣家推薦的測試 中，點擊率和訪客成交轉化率分別上升了 25%和 40%，前次展示支付金額提升了 56%。 目前淘寶平台上的鑽展以及直通車均已採用千人千面的數據分析，其解決的主要問題在 於如何優化平台海量流量分流從而優化流量貨幣化效率。

電商領域人工智慧技術的商業化已經開始萌芽，阿里巴巴自 2015 年開始加速個性化電 商推廣工具的研發，並已將一部分人工智慧演算法融入底層結構，例如：

?基於全網電商數據、跨渠道數據以及第三方數據的客戶運營產品 – 聚星台，可實現 店鋪「千人千面‖的個性化互動營銷以及全域會員運營。

?通過標記的方式圈定潛在客群，建立個性化的用戶細分和精準營銷的數據管理合作 平台 – 達摩盤。

?以及開放付費 API 的人工智慧系統 – 阿里雲 ET 等。

感知智能引領信息檢索以及溝通效率提升，即看即買

儘管互聯網技術解決了傳統零售獲客能力有限的問題，在購物體驗以及溝通交流方面仍 然與線下存在差別，尤其是非標品的售賣，例如服飾退換貨率可以高達 30~40%。如何 更高效的發掘和理解用戶需求進行溝通一直是電商企業努力的方向之一。更為直觀方便 的圖片、語音識別技術因此被應用到了電商服務上。

消費者的購買需求通常具有即時性的特徵，這一點可從 2016 年底開始奢侈品牌紛紛推出「即看即買」的營銷策略中窺見一二。通常電商消費者在搜索商品時平均需要 6 個以 上的點擊來達成交易，並伴隨大量的輸入以及重複搜索嘗試。2013 年底在移動電商滲透 之前 Statista 曾有研究表明，消費平均購物放棄率為 67.9%。而今天這一比例已大幅下降，除了更加便捷的購物車服務以及支付環節以外，搜索環節的匹配效率提升同樣起到 了提升轉化率的作用。

圖片識別加強電商平台數據流動效率。圖片搜索通過色彩圖形以及空間的比對，即使消 費者並不知道品牌或商品名仍然可以快速幫助用戶找到其感興趣的商品，真正實現了「即 看即買」。對於平台賣家來說，自商品上線的那一刻圖片識別技術就開始貫穿始終，包括自動檢測商家上傳圖片是否存在侵權、投放推廣時的自動匹配以及關鍵字搜索式的自動 圖片推薦；從而提升了電商平台的數據流動效率以及運營效率。

語音識別技術向智能客服的獨立產品進一步迭代。

基於語音識別的搜索也被首先應用到了電商服務中，例如淘寶應用內臵的語音搜索，早在 2013 年就已經可以支持中英文品牌 名混雜的複雜搜索情況。京東則將智能客服小咚嵌入其 App 通過語音識別以及語義分析 幫助用戶查找用戶可能感興趣的商品。隨著大數據的不斷發展，目前語音識別技術正在 逐漸向更為複雜的智能客服迭代演變。一方面人力成本逐年攀升，對運營效率提升提出 挑戰；另一方面售前售後的大部分問題重複率高，存在大量可使用人工智慧介入的場景； 因此刺激了行業對基於語音識別的人工智慧進行投入。Chatbot（聊天機器人）的出現使 得語音識別進一步從底層應用的技術研究和電商附加服務逐漸走向獨立產品，例如亞馬 遜的開放 Alexa 語音服務，開發者可以利用 Alexa Skills Set 或選擇接入語音服務，將自 有內容資源上傳，在用戶出發 Alexa 中定義的「意圖」時，開發者可在自有伺服器上實 現「回答」。Facebook 同樣於去年 4 月開發了 Chatbot 的平台，該服務可以通過即時通 信軟體用自然語言解答客戶的問題甚至幫助客戶提交訂單，目前在 Facebook 邀請的傳統 零售品牌中，Tommy Hilfiger 的人工智慧甚至可以在交流中融入真實的角色性格。儘管目前仍沒有數據能直接證明傳統零售通過此類服務顯著提供銷售量，但我們認為人機對 話水平的提升仍將在長期範圍內促進電子商務的進一步滲透。國內同樣存在類似應用產 品，例如阿里雲 ET 以及科大訊飛的語音識別均已開始向企業用戶開放開發埠。

儘管人工智慧技術仍處於發展早期，但在改善電子商務售前、售中和售後運營效率的過 程中均已開始產生不同程度的增益效果。隨著演算法進一步優化，預計其對於簡單重複人 力的替代過程將帶來更多營業效率提升。另外，除了底層演算法的優化，我們看到智能客 服和物流機器人領域已經有成型的獨立產品萌芽，預計主題投資的風潮將在未來的一段 時間加速這些領域內商業化進程，預計我們將在這些細分領域內最早看到商業化產品的成型。

廣告：AI 商業化應用最成熟的領域之一

自 2012 年以來，中國互聯網廣告市場經歷了年複合增長率 39%的高速增長期。主要的 驅動力來自於傳統媒體的式微帶來的預算轉移、移動設備的大爆髮帶來的新廣告平台以 及更高 ROI 的新廣告形式。根據 eMarketer 數據，2016 年互聯網廣告市場規模已經達到 404 億美金，其中移動廣告佔比已經達到 35%。其中基於大數據的 AI 技術已經起到不小 的推動作用。

人工智慧（AI）在廣告營銷領域的應用是現階段 AI 商業化應用最成熟的領域之一，從AI 技術的應用階段來看，已經初步進入感官智能的範疇，且在計算智能領域的技術和使 用場景已經有充分的發展。精準營銷和智能投放就是其中最重要的應用形式，主要的思路是利用高互聯網/移動互聯網滲透率下積累的大數據（根據《2016 年騰訊智慧營銷白 皮書》，當年互聯網每日產生數據量已達 18 萬億 GB），通過數據挖掘和機器學習等手段， 建立營銷對象、產品以及媒介的個性與傳播模型，再通過 AI 技術進行高效的智能投放。

精準營銷：提升直接反映在單位流量價

在傳統的受眾到達模式中，即使基於前期的市場研究，在廣告投放的渠道和形式上進行 了充分的選擇，但是對目標客戶定位的顆粒度則受限於數據規模和智能技術無法進一步 深入，而基於大數據的 AI 技術則很好地解決了這點。

以今日頭條為例，作為最早在廣告業務中採用 AI 技術的應用公司之一，AI 對其用戶規模 的擴展和變現能力產生了巨大的推動作用。預計 2017 年其廣告銷售收入可以達到 150億元。今日頭條基於機器學習技術實現了個性化內容推送，按用戶閱讀偏好進行追蹤，AI 演算法對歷史數據進行分析，為用戶生成個性化的閱讀模式。然後推薦他們可能會感興 趣的內容，並在不斷迭代中優化。通過這一流程，今日頭條在 2016 年 9 月已實現每天76 分鐘的每用戶平均使用時長，在其同類應用中達到最高水平，同時也大大改善了廣告 效果。目前今日頭條平均點擊率接近 3~4%，而其他新聞類應用僅為 1%左右。

精準營銷能力的提升直接反映在單位流量價值的提升對廣告主定價能力的增強。以信息 流廣告為例，在過去 4 年中，主要信息流廣告平台（包括騰訊廣點通、新浪扶翼、今日 頭條、陌陌）的廣告單次點擊定價（CPC）由 2013 年 0.5~0.8 元上漲至 2016 年的 1.5~2 元。

智能投放

不僅僅是受眾定位一側，在廣告投放一側，AI 也在不斷重構廣告主的投放方式與投放策 略。在傳統的媒體採買模式中（即人工選取投放的媒體渠道和預算），往往是「一籃子」 的覆蓋，即使能夠進行一定程度上的細分，也無法完成實時定價和智能匹配。而隨著廣 告主對營銷效果和 ROI 的追求不斷推動，程序化購買的出現利用 AI 自動化技術實現了破局。

程序化購買廣告是一種基於 AI 自動化技術和大數據，將廣告主的具體廣告請求對具體的 廣告位（而不是單一媒體）進行智能投放的互聯網廣告交易模式。其中，大數據是程序 化購買的基礎，AI 自動化技術是實現高效的手段。程序化購買廣告市場在過去兩年獲得 井噴式發展，到 2016 年已達到 308.5 億元，這其中還不包括頭部流量平台的自有程序化 交易體系（這部分收入已經包含在平台廣告收入當中）。

AI 技術解決的核心痛點是由於信息不對稱造成的用戶定價低效，即使在精準定位的前提 下，也無法高效率（低成本）地到達。而在 AI 的幫助下，廣告主可以將散布在不同媒體 的廣告位，通過精確營銷（如前文描述）的定位後，在高度數據化的廣告交易平台中， 由 AI 指揮自動化系統根據設定的績效指標不斷進行智能定向和實時競拍，取代了人工進 行渠道選擇、媒體分析的過程，大大提高了自動化水平、橫跨媒體平台的能力和成本效率。

AI+廣告的未來發展方向

我們認為，廣告（包括廣義的營銷）作為公司商業模式變現的第一環節，在移動互聯網 流量紅利逐漸褪去，用戶獲取成本不斷高企的背景下，對 AI 技術的需求只會越來越大，但背後的商業邏輯則始終不離精準（高質高量的用戶）和高效（低成本）的核心。因此我們看好 AI 和廣告結合的以下三個趨勢：

? 社交廣告空間巨大：社交網路能夠提供最豐富的用戶行為數據和用戶畫像，為 AI 的深度學習提供了最適合的數據基礎。從廣告形式來看，以信息流形式為代表。根 據艾瑞諮詢的數據，在 2016 年，信息流廣告規模達到 267 億元，且在未來 2~3 年 將保持 50%以上的高速增長。社交廣告整體滲透率在數字廣告中僅 8~9%，遠低於 美國的 28%。

? 「品效合一」深度實現：由於大數據正逐漸成為現實，橫跨單一媒體平台和單一廣 告形式的用戶畫像能力不斷提高，品牌廣告和效果廣告之間的界限正在逐漸模糊， 而廣告主的關注點始終在於可衡量營銷效益。我們認為在這種背景下，能夠利用 AI 技術和現有流量，提供智能整合全方位營銷手段，靈活達到廣告主的營銷需求，將 是未來廣告運營商的競爭優勢所在。

?基於 AI 的新廣告形式吸引預算：目前 AI 在廣告領域的應用仍著重於對已有廣告體 系的增強，如提高轉化率、通過增加用戶粘性增加廣告庫存等。我們注意到隨著感 知智能甚至認知智能的發展，已經開始有企業在嘗試引入新的廣告形式以吸引客戶， 同時改善受眾體驗。

AI+消費電子：促進換機與升級，孕育新市場

人工智慧加速升級，孕育新市場

在過去的二十年間，主導消費電子的終端應用從 PC 切換到智能手機，然而自 2007 年蘋 果發布 iPhone 已有十年，全球智能手機滲透率已近飽和，據 Gartner 預測，2017~2020 年 PC 出貨將持續負增長，而智能手機的出貨增速僅維持在 1~2%。我們認為人工智慧對 消費電子行業主要有以下左右。

新功能推動單機價值量上升。AI 演算法的採用帶來語音識別、人臉識別、VR/AR 等新功能 在消費電子中的滲透，對於整機廠而言，新功能將帶來單機價值量的提升，實現豐富產 品線和差異化，以提升或者穩定產品價格；而對零部件廠商而言，更多感測器以及專業 性能的處理器需求不斷提升規格，帶來市場空間的成倍增長。

AI 應用提升換機頻率。同樣以 iPhone 為例，美國是 iPhone 最大的用戶市場，而用戶換 機的頻率和 iPhone 重大更新密切相關，每次出現重大革新之時，用戶換機傾向增加，換 機周期縮短。因此，預計以 3D 光學感測等為代表的 AI 應用的加入，將促進用戶對原有 的設備進行更新。

AI 加速新應用誕生，空間不容小覷：藉助 AI 演算法工具，例如語音識別、機器視覺、3D 導航等，智能音箱、無人機、VR、共享單車、智能攝像頭……我們熟悉的智能硬體都在 性能和用戶體驗上擁有明顯提升，而成本的增加微乎其微。以大疆 Spark 為例，其售價 僅為 3,299 元，但擁有更先進的手勢識別功能。未來，判斷 AI 將應用於更多的消費電子 領域。此類智能設備領域雖然當前尚未放量（年出貨規模在 1,000 萬台以下），市場規模 在 100 億美元以下，但總體規模依舊不容忽視，據 IDC 預測，2020 年僅 AR/VR 可望成 長至千億美元（vs. 2016 年的 52 億美元）。

服務性收入帶來商業模式新思路：對整機廠而言，出售硬體為主的商業模式有望迎來變 革。以全球科技市值龍頭蘋果而言，蘋果全球擁有超過 10 億部的 iOS 裝臵，提供包括 Apple Store, Apple Pay, Apple Music 及 iCloud 存儲等服務型收入，並不斷增加 AI 的含 量。2016 年蘋果發布了面向第三方應用擴展的 SiriKit，相冊開始支持人臉識別，為用戶 提供更加切合實際需求的服務。最近的一個季度，蘋果的服務性收入達到 70.4 億美元， 貢獻營收 13%，同比增長 18%，已經成為最快的收入增長來源。

智能音箱帶動聲學產業鏈加速發展：2017 年 6 月 5 號蘋果在 WWDC(The Apple Worldwide Developers Conference) 發布了 自己的智能影響產品，趕上了 Amazon 和 Google 的腳步。我們預計中國的主要互聯網和 消費電子公司在今年晚一點時間也會發布音箱產品。

資料來源：Apple, Samsung, Google, 中金公司研究部

無論是何種智能音箱，本質上都是由接收端——語音識別與分析——發射端組成。智能 手機也完全配備智能語音助手+麥克風+揚聲器，但是和手機相比，Always-on 是智能音 箱的一個重要特性，它簡化用戶使用行為。在封閉空間內，呼叫智能音箱遠比拿手機方 便，拿手機需要用戶的大腦進行一系列操作指令，首先要回憶手機在哪裡，然後要起身 找到手機，拿起手機，解鎖，之後開啟語音助手，才能進行人機交互。智能音箱的麥克 風一直處於開機狀態，只需要喊一聲即可喚醒使用。從用戶大腦習慣「偷懶」的思維模 式而言，智能音箱在封閉空間內的優勢遠大於智能手機。現實中，智能音箱目前被開發 出的功能仍偏少，根據 Forrester 統計，截至 2016 年年底，設臵時間和唱歌成為最高頻 率應用。從 Google 和 Amazon 的產品進化中我們可以看到，更多使用場景正在被探索中。

3D 光學感測: 從生物辨識到 AR/VR。應用場景廣泛

3D 光學感測看似僅是在傳統二維的光學感測上增加了一個維度，但是其應用場景不可估 量。我們將其簡單歸納為兩類：3D 探測和空間定位。其中 3D 探測可以用於生物辨識、 機器視覺、和影像感測（主要應用於輔助駕駛、3D 交互等）；空間定位則主要應用於 3D 地圖構建和 AR/VR 定位。

受益於智能手機等消費電子需求帶動，根據 Yole 預測，在 2016~2022 年 3D 感測設備市 場空間年複合增速將達 37.7%，其中 2017 年設備市場空間接近 20 億美元，其中消費電 子貢獻約 25%。

演算法難度從簡單到複雜。在硬體上，3D 光學感測在發射與接收端已非常成熟；在演算法難 度上，生物辨識與機器視覺屬於較為基礎的應用，而輔助駕駛、3D 交互則需要疊加多種 基礎方案配合形成，到 AR 與 VR，則需要前幾種技術的綜合疊加和有機應用，且對處理 器的運算能力要求極高。

生物識別：3D 光學感測可應用於虹膜、面部、光學指紋識別等多項生物識別領域，生物 識別的演算法複雜程度低，也是 3D 光學感測的入門級應用。

?虹膜識別穩定性較指紋識別更高，3D 光學感測獨有優勢。與指紋識別的方案類似， 3D 光學感測還可以進行面部識別和虹膜識別，虹膜識別系統具有高安全性的優勢， 可找出約 2000 個不同的特徵點，與指紋約 100 個特徵點相比，精確性更高。但虹 膜圖像因為尺寸小，景深小，有效對焦不方便，因此圖像獲取是一個具有挑戰性的 問題，採用波長為 800 納米上下的近紅外光源採集，虹膜圖像是最清晰的。

? 面部識別當前誤差仍較大。當前，面部識別的精準度無法上升到令人滿意的階段， 對相似度高的臉容易出現識別誤差，且在佩戴眼鏡的情況下則無法識別。

3D 機器視覺：提供更精確的信息，應用於汽車和精密製造。目前我們所應用的機器視覺 大多數是 2D 視覺，2D 視覺一般只能做到讀取編碼、條形碼等，無法讀取空間位臵。三 維機器視覺提供準確、實時的三維位臵信息，以便在汽車和精密製造產業中實現具有挑 戰性的組件驗證、物流和機器人應用的自動化，包括裝上貨架/取下貨架、卸垛、打包和 組裝驗證等。產業尚處於萌芽期。整體而言，3D 機器視覺實現的門檻與生物識別相似， 機器視覺龍頭 Cognex 早已有代表性的產品推出。目前主要應用於對先進生產要求高的 汽車工業等，但大規模滲透尚未打開。

輔助駕駛：激光雷達在 ADAS 領域應用前景甚廣，應用障礙主要受制於成本。影像感測 其實最先應用於汽車輔助駕駛（ADAS）領域，發射和接收裝臵一般被稱為激光雷達。3D 光學感測起到收集路況信息的主要作用，在自適式巡航控制、車道偏移警示、車側盲點 偵測、前方碰撞警示、夜視與停車輔助系統等多領域發揮感測功能。但受制於成本尚未 普及。

相較於毫米波雷達，激光雷達的主要優劣勢有：

?優勢：精度更高，速度更快，適合遠距離傳輸；

?劣勢：在雨雪霧等極端天氣下性能較差；採集的數據量過大，目前價格高昂。

3D 交互

? Leap Motion 的手勢識別：2013 年，Leap Motion 採用兩個可見光攝像頭完成 3D 手勢建模。手勢的語法信息是通過手的構形、手的運動變化來傳遞。人手是一個多 肢節系統，隨著關節的運動手的形狀在不斷變化，這種變化可以通過指段和關節的 狀態空間位臵的變化來描述，建立手的幾何模型和運動學模型。

? 大疆 Spark 將目標跟蹤與機器視覺演算法相結合：2017 年 5 月，大疆 Spark 發布， 在無人機上引用紅外感測的 3D 手勢識別，原理是將計算機視覺演算法中的手勢識別 和目標跟蹤演算法與普通的工業攝像機相結合，帶動手勢識別的應用領域擴展到消費 級無人機。

? PrimeSense 被蘋果收購，商業化應用指日可待。3D 光學感測領域的創業先驅 PrimeSense 誕生於 2005 年，其提供從紅外光編碼、3D 感測器晶元和 CMOS 感測 器的一整套 3D 感測解決方案，並搭載於微軟 Kinect 之中，用於動作捕捉。2013 年 PrimeSense 被蘋果以 3.45 億美元收購（蘋果史上最大手筆收購之一），判斷隨著 3D 光學感測器被應用於 iPhone，PrimeSense 的 3D 感知功能商用化指日可待。

AR/VR：Tango 是最具代表性的移動端 3D 空間測繪項目。Tango 計劃是谷歌自 2014 年 開始開發的項目，此項目的宗旨又被形容為「讓機器/設備像我們一樣看世界」。以最常 見的智能機為例，其後臵攝像頭僅能拍照二維畫面，手機無法真正識別空間的存在。而 Tango 可以讓這些設備能夠具有完整的空間意識，並且能夠充分理解我們和環境的關係。 Tango 最大的貢獻在於 3D 測繪，即對周圍的環境和區域掃描並繪製立體地圖。實現：

?重塑 Google 地圖，藉助消費者的手機，通過室內導航和測繪搭建完整的 3D 地圖。

? VR 應用，Google I/O 大會提出開發 VR 一體機，不藉助類似 HTC Vive 外臵的激光 定位設備，僅靠自身的地圖就可以實現 3D 空間定位，足以見其布局 3D 地圖用意深 遠。

?AR 技術，實現教育、虛擬購物、遊戲娛樂等多種功能。

蘋果的採用將帶動 3D 光學感測在手機中的滲透

前臵 3D 光學感測，判斷用於生物辨識：我們判斷蘋果在今年的紀念款 iPhone 中將採用 前臵 3D 光學感測，期初主要用於生物辨識（如虹膜辨識、人臉辨識等），以替代現有電 容指紋識別方案，達到取消 Home 鍵，提升屏佔比和改善用戶體驗。

未來後臵 3D 感測，以實現 AR 功能：蘋果 CEO Cook 多次提及看好 AR 技術，並在今年 2 月公開表明 AR 的重要性與智能手機並列（a big idea like the smartphone）。我們認為 蘋果使用多顆 3D 光學感測器是大勢所趨，未來將在手機背面也放至 3D 光學感測設備， 以最終實現 AR 相關應用。

AR 與 AI 演算法和 GPU 密不可分。3D 光學感測攝像頭提供了景深數據，若配合演算法就可 以實現增強現實功能，其中 AI 演算法至關重要，這在硬體上對 GPU 提出了要求。以微軟 Kinect 為例，其演算法要用到 GPU 的平行加速能力，否則無法實現 real-time。2017 年 4 月，蘋果表示將自行研發 GPU，未來 15~24 個月間減少依賴 GPU 長期合作夥伴英國 Imagination Technologies，並通知 Imagination 將不再需要後者幫助開發 iPhone 和 iPad 的圖形技術，終止專利費支付。我們認為與其一直以來致力於自主發展 AI 軟、硬體有關。

智能音箱主要由麥克風陣列，遠場語音識別演算法和揚聲器組成。Amazon 最早開發實現 基於麥克風陣列的遠場語音識別，大幅度擴大了語音識別的應用場景。亞馬遜設計了一 個名為「ARS」的自動語音識別處理系統。ARS 由七個麥克風和一個音頻信號過濾系統 構成。七個麥克風組成的列陣能讓 Echo 捕捉到環境中的細微聲音，音頻信號過濾系統過 濾掉環境噪音，從而辨別出人聲。使用 ARS 後，即使用戶在 25 英尺（7.62 米）之外發 出命令，Echo 也能夠準確識別。除了 Amazon 以外，科大訊飛和聯發科也開始提供類似 整體解決方案。中國公司中，歌爾股份(002241.SZ)，瑞聲科技 (2018.HK)等是全球重要 麥克風陣列廠商，國光電器 (002045.SZ)，通力電子 (1249.HK)是主要音箱廠商。

3D 光學產業鏈主要集中在歐美，我國在濾光片、模組和設備全球領先： 3D 光學感測的 產業鏈主要集中在歐美，領先廠商包括意法半導體、AMS（奧地利）、Lumentum 等，A/H 上市企業主要在光學鏡片和模組、濾光片以及半導體設備上領先，我們推薦進入蘋果供 應鏈的 ASM Pacific，關注水晶光電（未覆蓋）。另外，隨著安卓陣營的跟隨，模組廠商舜 宇光學、歐菲光（未覆蓋）和邱鈦科技（未覆蓋）有望受益。

結構光在硬體上增加了衍射元件。結構光和 TOF 在硬體上的差異不大，都由發射端和接 收端構成，主要的區別在於結構光需要將光源變成特定的圖譜，所以需要衍射光學元件（DOE）。硬體配臵分為發射端與接收端兩大部分： 發射端：主要廠商為國際光通信和感測器大廠，集中在歐美。

VSCEL 作為光源：3D 感測主要採用紅外光作為光源，原因是比可見光波長更長。VSCEL 的光線相較於普通激光器而言具有低功耗、體積小的優勢。VSCEL 原先主要應用於光通 信和光互連領域，國外 Finisar (FNSR.US) 和 Avago 兩巨頭佔據市場的 80%，被廣泛采 用於輔助聚焦、距離感測、識別等領域。目前國內僅光迅科技具備 10Gbps 以下 VCSEL 生產能力。

晶圓級鏡頭、濾光片和 DOE：

? 晶圓級光學鏡頭（WLO）主要功能是將點光源轉化為線光源，WLO 用半導體工藝 生產，提高了鏡頭的生產效率，一片 8 寸的白玻璃可以切割成數千顆準直鏡頭；缺 點在於不能調焦。主要廠家為奧地利的 AMS（AMS.SIX）。AMS 2016 年 10 月收購 掌握了大部分專利的準直鏡頭 WLO（Wafer-level Optics）製造商 Heptagon。

DOE：僅在結構光方案中使用。主要廠家包括奇景光電（HIMX.US）、精材(3374.TW)、 采鈺（2014 年從台積電剝離）等。

?濾光片：過濾掉頻率不符合的光源。水晶光電(002273.SZ) 與 Viavi (IIVI.US) 國際 領先。

接收端：除舜宇光學和 ASM Pacific 佔據領導地位外，歐菲光與球台有望受益於安卓陣營 對 3D 光學感測的採用。

鏡片：與可見光鏡片不同，紅外光鏡片需要滿足廣角的特性，以儘可能保留深度信息。 例如 Google Tango 的紅外鏡頭，就是舜宇光學(2382.HK) 製造的；主要廠商還包括台灣 的大立光(3008.TW) 和玉晶光(3406.TW)。

CIS 感測器：CIS 感測器由可見光和紅外感測器組成，主要廠商為奧地利 AMS (AMS.SIX)， 以及意法半導體(STM.N)。

CIS 感測器製造設備和主動對準工具：主要提供商為 ASM Pacific，佔據全球主要市場份 額。

模組：舜宇光學、歐菲光、邱鈦科技等在模組上佔據全球光學模組的重要地位。在聯想 Phab2pro 中，舜宇光學提供了後臵三顆鏡頭的模組，包括一顆 TOF 鏡頭髮射脈衝光及一 顆魚眼鏡頭進行動態捕捉。

AI+汽車：全球智能駕駛發展最新動態5

主要車廠加快自動駕駛布局，互聯網科技公司積極切入

整車廠加快布局自動駕駛，預計到 2021 年全面實現 L5

目前看來，汽車市場普遍處於 SAE Level2 自動駕駛的部署，即輔助自動駕駛為主，主要 車企的規劃則大多是到 2020~2021 年間實現 Level 5 的完全自動駕駛。

特斯拉：第二代 Autopilot 系統已經更換了全新的硬體系統 Hardware 2.0，與其相對 應的軟體將採取逐步升級的方式，第一步升級為 Enhanced Autopilot；第二步再升 級為 Autopilot 2.0（全自動駕駛能力），時間點為 2017 年年底。特斯拉 CEO 在公開 演講中表示，特斯拉自動駕駛系統將在 2 年後達到 Level 5 級別，而在這之前特斯 拉將繼續其高級自動駕駛系統服務。

福特：計劃 2021 年實現完全自動駕駛汽車(SAE Level 4)的商業運作，這款車將不會 有方向盤、剎車踏板、油門等，最初擬用於提供打車或車輛共乘服務，不會首先面 向消費者。

通用：通用計劃逐步提升自動駕駛水平，近期聚焦半自動駕駛技術，如「超級巡航 (SuperCruise)」有望在今年晚些時候在凱迪拉克 CT6 上實現，在高速公路上行駛將 能夠解放雙手。我們認為，在不久的將來，一旦通用將超級巡航引入到其車型中， 極有潛力提升其量產車型的競爭力和定價能力。

豐田：在技術開發上有優勢，有很多自動駕駛領域的專利，也產出了部分樣車。但 豐田擔憂道路事故的風險，因而商業化還需要時間。

日產：在自動駕駛技術的商業化應用上極有野心，2016 年 8 月推出的 Serena 小型 貨車上搭載了 ProPilot 高速公路單車道自動駕駛技術。這一技術得到了消費者的積 極響應：與上一代車型相比，上市後的七個月內訂單上漲 34%，其中 56%是配備了 ProPilot 系統。2018 年，日產計劃推出多車道自動駕駛技術，首先是實現在高速公 路上的自主變道，到 2020 年實現在城市道路上的自動駕駛。

大眾：大眾與科技公司 Mobileye 簽署合作協議，在自動駕駛領域共同開發全新高智 能導航地圖。大眾集團的 2025 戰略，提出將自動駕駛技術、電氣化及數字化這三 大領域作為集團未來發展的重點。在今年的北美車展上，大眾發布了可實現高度自 動駕駛的電動概念車 I.D。

寶馬：去年 7 月寶馬就聯合英特爾和 Mobileye 達成合作協議，聯手研發高度自動駕 駛和全自動駕駛的解決方案以及創新系統，寶馬還謀求更多的優質合作夥伴加入自 動駕駛技術研發領域，形成開放式平台合作。預計到 2021 年將實現量產車型高度 自動駕駛。

互聯網公司積極切入無人駕駛

除了傳統汽車廠商，科技公司也把目光聚焦在無人駕駛領域，通常從汽車智能化的核心 軟體技術入手，切入無人駕駛領域。百度和谷歌在高精度地圖方面有顯著優勢，Uber 在 無人貨運方面已有布局，蘋果開發了智能防撞系統。

同時，自動駕駛領域的合作趨勢日趨明顯。1）對傳統汽車廠商來說，與互聯網公司、有 科技含量的零部件公司、以及汽車共享服務商開展合作，是避免被淘汰的有效路徑；2） 對科技企業來說，自主造車並非最明智的選擇，畢竟未來汽車不僅僅等於「互聯網＋輪 子」；3）對零部件供應商來說，只有依託於汽車製造和科技企業，才能推動汽車互聯、 加速無人駕駛或自動駕駛的普及，從而創造價值。

自動駕駛硬體：通用平台正在興起

汽車晶元：合縱連橫加速發展

通常汽車主機廠在零部件的採購上，傾向採用垂直整合的商業模式。主要主機廠的電子 元器件供應鏈也相對獨立。全球前四大車載晶元供應商恩智浦、英飛凌、瑞薩，意法半 導體都有各自主要服務的主機廠和一級供應商。

過去幾年，包括 Mobileye 在內的主要汽車晶元公司已經在提供 ADAS 的晶元解決方案。 從性能上來看，汽車晶元和英偉達、高通等提供的消費級晶元有較大差距。但由於整車 廠對汽車晶元的安全性有較高要求，消費級晶元很難直接進入汽車晶元市場。

在過去的一年裡，我們看到在汽車晶元行業發生了一系列併購。

英特爾/Mobileye：Intel 宣布以 150 億美金併購 Mobileye。在汽車半導體領域，英 特爾同時擁有 Mobileye、Yogitech、Arynga 等幾個重要資產。Mobileye 目前是領先 的汽車視覺處理供應商，已為 25 家廠商的 273 款車型配備單目攝像頭視覺處理芯 片，Mobileye 的 EyeQ 系列均為完整的 SoC 架構，在 SAE-Level 3 和 Level 4 上分 別有 5 個合作項目。公司預計到 2019 年實現收入 11 億美元，隱含年均增長 46%。

公司從 2012 年開始研究深度神經網路（DNN，深度學習演算法的一種）在汽車視覺 中的應用，2015 年 10 月量產的第三代晶元產品 EyeQ3 使用了 DNN 演算法用來構建 環境模型，實現了目前業內最為精湛的 holistic path planning。

高通/NXP：高通宣布以 380 億美金併購恩智浦（NXP）。2016 年發布 BlueBox 平台， 為 OEM 廠商提供設計、製造、銷售 Level 4（SAE）自動駕駛汽車的解決方案計算平 台。

英偉達：在圖形處理上先發優勢明顯，是汽車廠商推進自動駕駛的技術夥伴，目前 已宣布與特斯拉、奧迪、豐田、沃爾沃、博世、ZF 等達成合作。公司推出了車用超 級計算機 Drive PX2，包含有 4 個處理器（2 個 GPU，2 個 Tegra）和 12 個 CPU，每 秒可進行 2,400 萬次深度學習計算，以對來自不同感測器的信息作出實時反應。同 時，英偉達通過開放 PX 平台，與相關車廠或一級供應商合作開發快速和定製化的 SoC。

瑞薩電子（Renesas）2017 年 4 月發布了 Renesas Autonomy，一個全新設計的 ADAS 和自動駕駛開放平台。

意法半導體（STMicro）與 Mobileye 合作開發，兩家公司最早在 2005 年就開始研 發 ADAS 晶元。2016 年 5 月 Mobileye 和意法半導體宣布將合作研發 Mobileye 第五 代系統晶元 EyeQ5，作為 2020 年實現全自動駕駛（FAD）汽車的中央處理器，並執 行感測器融合程序，預計在 2018 年上半年可提供 EyeQ5 的工程樣品。

德州儀器（TI）的汽車片上系統（SoC）解決方案 TDA2x 提供了一個開放的平台， TDA2x 為前臵攝像頭、泊車輔助、雷達及融合應用的入門級解決方案提供了一種可 實現高性能的架構。TDA3x 則主要用於幫助汽車製造商開發出更加尖端的應用，同 時減少交通事故並使初、中級汽車實現更自主的駕駛體驗。

感測器：攝像頭搭載數量上升，激光雷達加速發展

通過對最新發布的智能駕駛平台的分析，我們注意到兩個明顯趨勢。

搭載攝像頭數量上升：我們認為，要實現 L3/4 級別的自動駕駛，單車的攝像頭數量將從 L1/2 級別的 2 顆增加到 10 顆。Tesla 新推出的 Auto Pilot 2 平台總共含有 8 個攝像頭， 其中包括 1 個 3 目前視攝像頭，3 個前環視攝像頭，3 個後環視攝像頭，1 個後視攝像頭， 比 Auto Pilot 1 中 1 個單色前視攝像頭數量大幅度增加。

激光雷達技術發展迅速：激光雷達能夠發射激光束，並通過捕捉反射回來的信號繪製出 3D 模型。大多數切入自動駕駛的車企都選擇搭載激光雷達，除了 Tesla 只依靠攝像頭和 普通雷達。制約自動駕駛向 L3/4 挺進的主要原因在於搭載的電子元器件成本太高，激光 雷達目前的平均售價在 5,000 美金左右，因此如何快速的降低成本成為重中之重。 Velodyne 於近日推出了一款經濟實惠的新型激光雷達，與傳統的機械激光雷達不同，新 型感測器能使用電子束引導激光束轉向。這款新產品具有體積小，性能穩定，價格便宜 等優勢。

市場規模：2025 年達到 486 億美元

自動駕駛硬體規模 2025 年可達 486 億美元。Gartner 認為，現有汽車電子佔全球半導 體市場僅為 10.0%左右，2017 年市場規模 2017 年將成長 6.2%達到 343 億美元，2018 年增長 7.2%至 358 億美元。我們通過對各等級的自動駕駛滲透率進行了測算，在 2025年自動駕駛感測器與計算晶元的規模可達 486 億美元。

目前硬體價格高昂阻礙 L3/4 普及：我們對 SAE 要求的各等級自動駕駛需要加裝的硬體 成本進行了測算，主要分為計算晶元和感測器兩部分。從 L1 到 L4，級別越高，所需要 加裝的硬體成本也在上升，整體而言，2016 年 L1/2 的單車電子加裝成本為 648 美元， L3/4 則需 21,920 美元，其中中央控制和處理器佔據絕大多數成本，例如，Nvidia Drive PX2 的售價高達 1.5 萬美元。

2025 年 L3/4 的加裝成本有望下降至 4,688 美元。我們對主要硬體成本的價格曲線進 行了假設，隨著攝像頭、激光雷達、晶元成本的不斷下降，以及軟體處理的優化，判斷 到 2025 年，L3/4 等級的自動駕駛成本有望從超過 2 萬美元縮減到 4,688 美元，同時帶 來滲透率的提升。

下圖歸納了亞洲自動駕駛/電動車產業鏈的情況。

中國在動力電池技術上全球領先，但在 汽車電子上相對薄弱，主要平台目前掌握在 Continental、Bosch、Denso 等全球一級供 應商手裡。中國公司主要作為二級供應商參與到整個供應鏈中去。中國公司相對較強的 零部件包括：（1）電子感測器（舜宇），（2）車機（航盛，華陽，德賽）。

中國廠商在汽車電子產業鏈中的布局：

? 舜宇光學：是全球最大車用鏡頭提供商，產品覆蓋了車載攝像頭的各個領域（前視、 後視、內視（駕駛員監控/手勢識別）、環視、智能後視鏡等。進入 HUD 與激光雷達 領域，全方位布局感測硬體。

?歐菲光：公司通過汽車電子業務、智能中控業務、智能駕駛業務以及互聯網+業務 切入汽車電子領域。公司在感測器（攝像頭、雷達）、控制器（高清全景環視系統、 ADAS 高級輔助駕駛系統）等方面進行了產品布局。同時，公司投資了美國的 Cruise Automation，其產品可將普通車輛變成自動駕駛汽車，第一代自動駕駛系統適用於 奧迪 A4 和 S5。

? 得潤電子：擁有全面的連接器布局，前瞻性布局車聯網，收購義大利 OBD（行車記 錄儀）模塊龍頭企業 Meta，向車聯網保險等軟體服務領域拓展。

? 四維圖新：布局無人駕駛，構建高精度地圖、動態交通信息。同時，打造趣駕 WeDrive3.0 完整車聯網生態平台，產品包括純車機方案 WeCar、車機互聯方案 WeLink、和操作系統趣駕 OS。

? 比亞迪：布局 BMS，母公司集電池、BMS、電動汽車研發於一身，垂直整合優勢明 顯。比亞迪汽車電子已經有多年積累，2014 年上市內臵 Android 操作系統的車型。

?德賽電池與欣旺達則在電池封裝與 BMS 上領先布局。

? 深圳航盛電子（未上市）致力於為整車廠開發生產智能網聯汽車信息系統、智能駕 駛輔助系統、新能源汽車控制系統等產品。未來，公司將重點布局車內 ADAS、安 全技術和智能駕駛技術。

? 華陽（待上市，我國最大的激光頭和汽車音箱生產商之一）將圍繞車本身，在相關 的感知系統和通信定位和決策系統上布局，推出三個領域的產品：車身電子控制系 統、娛樂系統、高級駕駛輔助系統。

? 德賽西威（未上市）與百度聯手，將圍繞 BCU 和 MapAuto 兩個維度，在高精度地 圖與自定位、汽車環境感知、決策等技術領域展開合作。其大股東是上市公司德賽 電池的母公司。

AI+醫療：從電子病歷到輔助診療手術機器人，應用前景廣泛

因微信字數限制，以下內容以圖片形式呈現。在新智元公眾號回復【中金】下載報告全文。

AI+通信：數據中心資本開支，物聯網帶動行業發展

AI+半導體：為晶元市場注入新動力

【聲明】以上報告及數據均來自 CICC，不代表新智元立場與觀點。在新智元公眾號回復【中金】下載報告全文

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！