人工智慧全產業鏈深度透析（一）：投資邏輯

繼經典的《5G全產業鏈深度分析》、《特斯拉產業鏈深度分析》之後，研究君團隊將目標鎖定在人工智慧這個主題行業投資機會上！十篇系列的重磅乾貨，從今天開始，為您一一呈現！

【乾貨布局】篇投資策略+篇核心股池+篇金股研報

從A股角度看，很多個股都號稱是「人工智慧概念股」，其實不然！魚龍混雜，魚目混珠的多！ 我們只做最實戰的投資策略！

OK，人工智慧-全網最強系列投資策略，開啟！

一、如何理解人工智慧？

【定義】人工智慧（Artificial Intelligence），英文縮寫為AI。

人工智慧是指計算機系統具備的能力，它可以履行原本只有依靠人類智慧才能完成的複雜任務。

AI（人工智慧）概念，誕生於1956年達特茅斯（Dartmouth）會議，1959年劃時代論文《計算機器與智能》中提出AI領域著名的圖靈測試此後演算法和研究不斷迭代，經歷1956-1974年的推理黃金時代、1974-1980年的第一次瓶頸期、1980-1987年專家系統發展、1987-1993年的第二次寒冬、1993-2010年學習期復甦，之後跟隨大數據、雲計算興起，演算法模型和並行運算的結合雙輪驅動人工智慧發展。

行業目前進入爆發期，表現在三個層面：

（1）生態基礎層面：移動互聯網、物聯網的快速發展為人工智慧產業奠定生態基礎；

（2）軟體層面：已有數學模型被重新發掘，新興合適演算法被發明，重要成果包括圖模型、圖優化、神經網路、深度學習、增強學習等；

（3）硬體層面：摩爾定律助力，伺服器強大的計算能力尤其是並行計算單元的引入使人工智慧訓練效果顯著提速，除原有 CPU 外，GPU、FPGA、ASIC（包括 TPU、NPU 等 AI 專屬架構晶元）各種硬體被用於演算法加速，提速人工智慧在雲端伺服器和終端產品中的應用和發展。

二、四維度剖析 AI 內涵

1

人工智慧的分類

根據人工智慧的應用，人工智慧可以分為專有人工智慧、通用人工智慧、超級人工智慧。根據人工智慧的內涵，人工智慧可以分為類人行為（模擬行為結果）、類人思維（模擬大腦運作）、泛（不再局限於模擬人）智能。

2

人工智慧與人的關係

機器主導、人主導、人機融合。現階段，人工智慧正在從專有人工智慧向通用人工智慧發展過渡，人工智慧已不再局限於模擬人的行為結果，而拓展到「泛智能」應用，即更好地解決問題、有創意地解決問題和解決更複雜的問題。

3

人工智慧的三個階段

運算智能、感知智能、認知智能。

4

人工智慧的三大驅動因素

演算法/技術驅動、數據/計算、場景和顛覆性商業模式驅動。

下面，我們將重點圍繞上述四個緯度的內容，展開和大家分享下。

三、人工智慧的三階段

人工智慧分為三個階段：運算智能、感知智能、認知智能。

1

運算智能

即快速計算和記憶存儲能力。人工智慧所涉及的各項技術的發展是不均衡的。現階段計算機比較具有優勢的是運算能力和存儲能力。

1996年IBM的深藍計算機戰勝了當時的國際象棋冠軍卡斯帕羅夫。從此，人類在這樣的強運算型的比賽方面就不能戰勝機器了。

2

感知智能

即視覺、聽覺、觸覺等感知能力。人和動物都具備，能夠通過各種智能感知能力與自然界進行交互。自動駕駛汽車，就是通過激光雷達等感知設備和人工智慧演算法，實現這樣的感知智能的。

機器在感知世界方面，比人類還有優勢。人類都是被動感知的，但是機器可以主動感知，如：激光雷達、微波雷達和紅外雷達。

3

認知智能

即能理解會思考的能力。人類有語言，才有概念，才有推理，所以概念、意識、觀念等都是人類認知智能的表現。

四、人工智慧的三大驅動因素

人工智慧的三大核心驅動因素包括：演算法、數據、算力。

1

演算法

從1957年第一個神經網路——感知器被提出以來，便不斷有新的演算法湧現，尤其是在上世紀80年代，以及 20 世紀初至今，新演算法出現頻率比較高；

演算法的不斷迭代使得模型的準確率不斷提高 ，另一方面神經網路自身隱含層數的增加，也明顯提升了模型性能，及模型對現實的刻畫能力。

下圖是常見的神經網路提出的時間及其應用領域：

近幾年各大知名互聯網科技公司以及科研機構都相繼開源了自己的深度學習框架，大大縮短了構建演算法的時間。像谷歌 Tensorflow、伯克利 Caffe、微軟 CNTK 等等這樣的深度學習框架實際上是一個神經網路模型庫，裡面彙集了各種各樣的神經網路模型。

2

數據

數據和雲存儲遵從摩爾定律每過兩年，世界上的數據量就會翻倍，同時用於存儲這些數據的成本則會以同樣的速度下降；

得益於互聯網時代的到來以及移動互聯網時代的發展，每天數據都已驚人的速度增長。IDC 報告顯示，在2013年的人類產生數據是4.4個ZB ，到2020年這個數字將會增加到 444個ZB（1ZB=1012GB），複合年增長率達到36%。

目前已經積累的數據量，已經遠遠超過人工智慧需求的數據量。在目前人工智慧演算法，還是以監督學習演算法為主導的背景下， 需要對數據進行標註才可用於模型訓練 ，而且標記數據成本高昂，所以從這個意義上而言，雖然目前數據數量巨大並且還在高速增長，但是「可用」數據很少。

機器學習演算法可分為監督學習、半監督學習、無監督學習。監督學習和無監督學習的區別，在於當訓練模型優化模型參數時，是否需要帶標記的數據（在圖像識別中，如果一張小貓的圖片被研究人員標記為「貓」，並且輸入到模型中用以訓練模型，那麼這裡被標記為「貓」的圖片就被稱為帶標記的數據）；

標記數據的費用往往十分昂貴。以機器翻譯為例，如果請人工來翻譯，一個單詞的費用大約為 5-10美分，一個句子平均長度大約為30個單詞，如果需要標註1000萬個雙語句對，亦即找專家翻譯 1000 萬句話，所有標註費用估算下來大約為 2200萬美元（數據來源：微軟亞洲研究院）。

3

算力

訓練深度學習演算法的所需要的時間，很大程度上取決於硬體配置；

訓練一個模型大概需要1-3周的時間，訓練一個複雜的模型的時間則更多（例如 AlphaGo的策略神經網路和價值網路合計需要4周即一個月的時間）；

而且在訓練模型的過程中，往往需要嘗試很多組參數，每調整一次就需要重新訓練，所花費的時間將更長（例如在訓練百度的機器翻譯系統的過程中一共嘗試了10組參數，那麼整個訓練時間就是100天）；

如果計算資源不足以支撐大規模計算，那麼對於產品更新換代和技術創新將十分不利。

計算能力取決於計算機的硬體部分，而晶元是硬體體系的核心。在整個硬體體系中，只有CPU、GPU等晶元有運算器、控制器。所以晶元是硬體體系的核心，決定了計算機的計算能力；

目前用於機器學習的計算晶元主要有 CPU（中央處理器）、GPU（圖形處理器）、FPGA（現場可編程門陣列）、ASIC（應用型專用集成電路）四種架構。其中，GPU是深度學習領域首選的晶元，在該領域擁有最高的市佔率。

(7)四種晶元的對比情況

五、人工智慧：第三次浪潮！

1

第三次浪潮、國家級戰略

在人工智慧發展最為領先的美國，總統奧巴馬在2016年5月發表報告《為了人工智慧的未來做好準備》，並發布《美國國家人工智慧研究與發展戰略規劃》，從研發、法律法規、技術標準、人才引進等各方面作了詳盡的規劃，從此人工智慧成為美國國家戰略產業之一。

近兩年，我國也將人工智慧上升到國家戰略行業。2017年7月，國家發布《新一代人工智慧發展規劃》，到2020年人工智慧總體技術和應用與世界先進水平同步，核心產業規模超過1500億元，到2025年人工智慧核心產業規模超過4000億元，到2030年人工智慧理論、技術與應用總體達到世界領先水平，核心產業規模超過1萬億元。

《新一代人工智慧發展規劃》分三階段分別在AI理論和技術體系、應用領域、政策法規、產業規模、產業競爭力等方面設定了戰略目標， 每個階段的目標側重點各有不同。

《規劃》中的六大重點任務從底層理論和技術，到中間的平台，再到上層應用作了全面而詳盡的規劃。

六、巨頭爭霸賽

2016年全球人工智慧市場規模達到 293億美元。預計2020年全球人工智慧市場規模將達到1200億美元，複合增長率約為20%。這種爆髮式增長的科技，離不開巨頭的引領。

1

谷歌

谷歌的搜索演算法從1998年Page Rank演變至2015年的Rank Brain，從基於鏈接的網站排名轉變為採用人工智慧驅動的查詢匹配系統；

2

亞馬遜

2015年4月，亞馬遜發布Amazon ML，能夠為毫無經驗的客戶提供雲數據的機器學習功能。2016年5月，亞馬遜開源DSSTNE，並通過改善搜索、定製化產品推薦以及語音識別，改善端到端的用戶體驗。

3

蘋果

蘋果同樣是人工智慧領域活躍的收購商。被其收入囊中的公司，包括Vocal IQ、Perceptio、Emotient、Turi以及Tuplejump等。

蘋果公司挖到英偉達CUDA庫以及GPU加速軟體項目負責人。在此之前，公司最初的人工智慧成功之一是Siri，它也是首款嵌入移動技術的虛擬助手。

4

微軟

微軟正在試圖將人工智慧大眾化。據了解，微軟公司的人工智慧研究團隊人數超過5000人，關注於改變人類與機器互動的體驗。

5

IBM

IBM一直是人工智慧領域的先驅。過去10年內，IBM在認知計算方面擁有超過1400項專利，硅/納米技術上有7200項專利。其取得的成就不僅包括上世紀90年代的深藍，還有2011年的Watson。

目前，Watson的應用包括病患治療分析、基於Twitter數據的股票推薦、零售行業的消費者行為分析及對抗網路安全威脅。

6

中國企業

我們的企業正在拚命追趕。5月4日，百度董事長李彥宏通過內網發布全員信，希望百度從全球最大的中文搜索引擎徹底轉型人工智慧科技公司。將人工智慧作為公司發展的戰略轉型方向，這稱得上是拼盡全力了。

七、A股人工智慧題材炒作復盤

人工智慧領域，這一系列重磅動作，在A股市場都可找到相應的股票上漲反應。

（1）2017年5月底，中國圍棋天才柯潔對決AlphGo，「人工智慧」引發激烈討論，A股科大訊飛（002230）自6月起持續上漲。

（2）2017年7月5號，百度AI開發者大會，路暢科技（002813）成為Apollo計劃首批合作夥伴。

（3）2017年8月，國內頂尖的人工智慧晶元公司：寒武紀宣布完成1億美元A輪融資。A股中科曙光（603019）次日漲停。關聯邏輯：2016年 4月26日，中科曙光與人工智慧晶元研發公司「寒武紀」簽署深化合作協議。

（4）2017年9月2日，華為在德國發布人工智慧首款晶元：麒麟970（集成了寒武紀1A處理器作為其核心人工智慧處理單元）。這一事件徹底引爆了人工智慧 + 晶元複合概念。

A股中科曙光，以及晶元類的公司：國科微、富瀚微、景嘉微等，從9月初開啟了一輪大漲。

【重大利好】

經過近半年的籌備，我們已經不僅儲備了5G、晶元和特斯拉的核心金股，而且還有《「君」選未來行業領袖》的9隻行業龍頭股，在擇股方面已經鋪墊完成，於是我們在昨日隆重推出了《君選核心股票池周策略》。

我們周策略的主要目的是：擇時！根據市場的風向，我們會從以上的個股中，篩選5隻短線爆發力最強的股票，以方便投資者跟隨操作。同時，如果周中股票有所異動，我們也會及時發文跟蹤，歡迎大家前來訂閱。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！