B 端應用率先落地，C端繼續發力…星河互聯人工智慧白皮書2018

2017年國內外投融資分析

截至2017年底，國內人工智慧領域投資交易筆數達到254筆，全年的投融資事件數量相較2016年有很大幅度的上升，人工智慧行業依然火爆。同期國外該領域的投資交易筆數達到555筆。

與2016年類似，2017年智能機器人仍然是獲投最多的領域。倉儲機器人方面，Geek+在2017年完成了兩輪融資，融資額都在1億元以上。協作機器人方面，庫伯特完成4000萬元A輪和1.1億B輪融資，遨博智能獲得6000萬元A輪融資，揚天科技獲得5000萬元Pre-A輪融資。在服務型機器人方面，達闥科技、Makeblock、Roobo智能管家、優必選和進化者機器人也都獲得了1億元以上的融資。其次，演算法及通用技術領域2017年也有很大收穫，計算機視覺和自然語言處理／語音識別技術的幾個企業在2017年都獲得了新一輪的融資。

2017年人工智慧領域的投資在下半年開始活躍，第四季度是本年度交易數量最多的季度。從投資階段數量佔比來看，2017年A輪項目融資事件佔比相比去年有所提升，反映了去年的早期項目很多都在2017年發展到了下一輪。

2017年人工智慧領域有多起1億元以上的投資事件，主要集中在演算法及通用技術領域，幾乎佔了半壁江山。除了前面已經提到的計算機視覺領域和自然語言處理／語音識別領域的代表企業，還有包括深醒科技、驀然認知、碼隆科技、雲從科技等，也都獲得了億元以上的融資。

2017年在人工智慧領域投資數量最多的是紅杉中國，投資了依圖科技、推想科技等9家企業，深創投在2017年投資了7家企業位列第二。星河互聯在人工智慧領域投資了5家企業，排名並列第四位。

該領域國外的投資交易筆數達到555筆，與國內不同的是，國外早期階段的投資數量佔比達到42%，而A輪的佔比只有20%，創投市場比國內更活躍。從海外的投資熱點領域來看，美國人工智慧初創企業最熱的三個領域是自然語言處理、機器學習和計算機圖像。從海外巨頭動向來看，蘋果、谷歌、微軟、亞馬遜和Facebook這五大科技巨頭逐步投入越來越多的資源搶佔人工智慧市場。同時，科技巨頭掀起人工智慧併購高潮，以增強在人工智慧領域的領先地位或彌補缺失業務。

2017年5月，英偉達GPU技術大會上發布新產品TeslaV10，這是英偉達投入數千人、耗時數年、投入30億美元打造的全新計算卡。10月，英偉達又推出新一代AI計算機系統，助力無人駕駛計程車，目前已有超過25家客戶使用該晶元研發新一代的無人駕駛汽車、自動駕駛計程車和長途卡車。

11月，谷歌發布了TensorFlowLite開發者預覽版，這是一款TensorFlow用於移動設備和嵌入式設備的輕量級解決方案，其技術突破在於可以支持設備上機器學習模型的低時延推理。

同樣是11月，谷歌宣布對外開放聊天機器人數據分析平台Chatbase，幫助開發人員更好的分析和優化他們的機器人，以提高轉化率和準確性。

各個細分領域的趨勢判斷

1、AI晶元將贏得越來越多的關注

隨著人工智慧在演算法上的逐漸發展，並開始考慮技術落地的現實情況，AI晶元就開始贏得越來越多的關注。晶元的競爭，本質上來說是運行速度和成本的競爭。通用與專用，GPU、FPGA、ASIC三個技術路線如何實現分工和接替，是接下來AI晶元市場的一個焦點。相對而言，TPU具有低成本優勢，將部分替代GPU。隨著AI企業對AI算力的需求越來越高，未來將會有更多企業採用ASIC解決方案。

數據體量的增長要求前端和雲端未來在數據處理計算上進行分工，從市場空間上而言，前端晶元的需求量遠大於雲端，但前端更加需要考慮工業設計與經濟性，如果說雲端的晶元目前已經形成格局的話，前端的晶元格局還尚未形成。

同時，晶元化模式下對演算法公司也形成挑戰，純靠演算法的盈利模式未來有可能遇到瓶頸，演算法的可晶元化將會是對演算法本身的考量之一，而演算法的不斷更新引發的晶元迭代，會引起晶元界一輪又一輪的技術競賽，最後可能和其他半導體一樣，AI晶元最終也會落入大企業才能生存的局面。

2、語音將成為下一代交互方式，腦機介面未來可能會快速拓展

語音交互毫無懸念將成為下一代交互方式，應用領域也已從ToB向ToC（車載、家居）過渡。語音識別目前的核心人才來自中科院聲學所、自動化所、清華等院校。目前各個企業的基因和優勢不同，未來很難出現一家獨大局面，我們初步判斷會出現2-3家共存的局面。同時，百度、搜狗、華為等巨頭有進場的可能性。

目前語音識別整體識別率在90%以上，但麥克風陣列、語義理解等整體的發展仍處於早期，巨頭與准巨頭布局意願強烈，預測會有一些併購出現。細分領域，比如語義理解，仍然存在創業機會。遠景來看，語音發展的終極出路可能為個人助手的入口和出口，該助手背後的AI系統能整合多方面的用戶功能需求，從這點看，智能語音的道路漫長且充滿想像。

腦機介面（Brain-ComputerInterface,BCI）是在人或動物腦（或腦細胞的培養物）與外部設備間建立的直接連接通路。近十幾年來，腦機介面被快速拓展應用到其他領域，例如軍事、航天、醫療等。未來腦機介面將往類腦智能和混合智能兩個方向發展。

類腦智能是致力於採用硬體和軟體技術模擬人腦的工作原理以實現人類水平的智能系統。它可以將人腦記憶、推理和注意等認知機制相關的神經計算模型應用於人工智慧演算法和硬體系統，實現從神經元到神經細胞集群再到全腦認知功能的模擬，發展可自適應的類腦學習方法和認知結構，構建更高效能的新一代人工神經網路模型；混合智能則著力於融合生物智能與人工智慧，充分利用各自優點，發展「人在迴路」（Humanintheloop,指計算機與人腦合作，共同管理或操作一個系統）的混合增強智能、人機智能共生的行為增強與腦-機智能協同、人機群組協同和腦-機組網等新型智能技術結合協同智能、群體智能技術，最終實現藉助人工智慧突破生物智能的局限，發展出兼有生物智能與人工智慧優勢互補的新型智能形態。

3、智能機器人將向細分垂直領域深度發展

智能機器人分為服務機器人和工業機器人、特種機器人。服務機器人目前更多地應用在銀行、酒店、展會（ToB）、高端家庭（ToC）等場景，同時也在輔助診療等細分領域展開應用，應用前景廣泛。但是目前的服務機器人大多只能完成各種功能的堆積和疊加，解決需求痛點不明顯。此外，國內市場中，大於1萬台出貨量的服務機器人企業非常少見。

從各細分領域的需求來看，服務機器人未來會有很好的發展前景，但基於目前一些技術應用（如視覺、語音、自然語言處理等）尚不成熟，用戶體驗受限，真正的爆點尚未到來。服務機器人產業競爭格局尚未穩定成型，面臨良好的市場發展契機，具有高頻需求的智能服務機器人成為未來重點關註標的。未來服務機器人將結合行業應用往各個細分垂直領域發展。整體而言，我們不太看好現階段基於簡單功能集成和堆積的機器人，希望未來出現多模態集成、與場景結合、可以落地並真正解決用戶痛點的好產品。

工業機器人領域，目前國內缺乏核心技術，技術壁壘低，競爭激烈。儘管如此，我國工業自動化程度低，起步晚，仍有巨大的市場需求空間。未來的工業機器人團隊除了研發機器人本體之外，也會自主研發伺服電機、減速器、控制器等核心零部件。工業機器人團隊將逐步從系統集成往各個細分垂直領域進行深度發展，例如AGV、協作式機器人、柔性機械臂、輕型機械臂、視覺檢測等。

我國工業自動化程度低，起步晚，仍有巨大的市場需求空間。未來的工業機器人團隊除了研發機器人本體之外，也會自主研發伺服電機、減速器、控制器等核心零部件。工業機器人團隊將逐步從系統集成往各個細分垂直領域進行深度發展，例如AGV、協作式機器人、柔性機械臂、輕型機械臂、視覺檢測等。

特種機器人，指代替人類從事高危環境和特殊工況的機器人，主要包括軍事應用機器人、極限作業機器人和應急救援機器人。目前地方上民營老牌小型公司國內有若干家，特種機器人的深度發展需要懂得特定行業需求和根據需求進行定製。特種機器人產品研發周期長，一般至少需要一年半。目前的特種機器人團隊相對比較傳統，產品方面存在與人工智慧技術相結合的機會。

4、工業無人機行業資本市場趨于謹慎，優質成熟企業更受青睞

工業級無人機可以廣泛應用於農業植保、電力巡檢、警用安防、物流快遞等領域，目前行業處於發展起步期，成長空間較大。工業級無人機雖然在十多年前就開始出現，但是成本高昂，無法大規模普及。大疆的成功一方面提高了各個行業對於無人機的認知度，大規模量產降低了上游零部件成本，同時也吸引了一大批研發人員進入無人機行業解決技術難題。因此消費級無人機的成功反過來帶動了無人機在各個行業的普及和滲透。無人機細分領域之間沒有嚴格的技術壁壘，能夠相互複製滲透。2016年以來無人機行業資本市場趨于謹慎，創業公司舉步維艱，優質成熟企業更受青睞。

未來，行業無人機將在植保、安防、測繪、電力四個工業級細分領域進行深耕。商業飛控的價格將逐步合理化，產業資源整合步伐加快。

5、無人駕駛應用場景受限，會在低速、封閉場景中率先突破

想要真正實現無人駕駛，需要人、車、網三者協同作用，無人駕駛的落地，暫看不到時間表。我們判斷未來2-3年內，無人駕駛目標在於突破Level2，達到Level3。車網協同的V2X（V2V，V2I）目前處於制定標準階段，會隨5G到來逐步成熟。無人駕駛應用場景受限，無人駕駛車輛會在低速、封閉場景或高速貨車中率先突破使用。

無人駕駛涉及的技術，例如激光雷達、毫米波雷達、視覺等，目前面臨著成本高和技術不成熟等問題。激光雷達2017年的發展趨勢是從機械式激光雷達向全固態激光雷達轉變，各個廠商均在拼速度與方案；毫米波雷達技術方面，頻段從24G向77G演變，晶元層被NXP和Infineon壟斷，國內晶元層的突破值得關注；無人駕駛視覺方面，正在從單目向雙目轉變，雙目視覺存在投資機會。總的來說，無人駕駛依賴多感測器融合演算法及平台，我們不太看好創業公司做，百度等科技巨頭公司的生態力更強。

6、基於醫療圖譜的AI應用正在對醫療行業進行重塑

AI賦能於醫療，是一項降本增效的工具。基於醫療圖譜的AI應用正在對醫療行業進行重塑，通過對電子病歷、醫療影像、病理生理學等數據整合，可以分析和預測人體的健康狀態，並獲取準確的處方信息，幫助醫生做出迅速有效的判斷。市場上已經湧現了一批「醫療+AI」的公司，主要分為八大類：醫學影像類、輔助診療、疾病風險預測、藥物挖掘、健康管理、醫院管理、輔助醫學研究平台、虛擬助理等。

我們預計在未來，醫學影像領域中AI+醫學影像軟體，AI+醫學影像設備及耗材等第三方影像中心將大量出現，是AI+醫學影像的重要結合點；輔助診療領域中，數據整合是關鍵，醫療機器人也將大範圍落地應用；藥物挖掘領域由於技術難度高、產品化周期相對較長，因此AI賦能的藥物挖掘將降低產品化的周期，在癌症靶向藥物的研發方面將會首先落地。

7、AI在金融領域的應用滲透較深，未來在以下四個領域將深入發展

身份認證：無論是已經發展相當成熟的證卡識別、指紋識別，還是正在高速發展的人臉識別、虹膜識別等，都為金融業帶來了更高的安全保障。未來，模式識別技術將在金融領域有更多應用。

智能客服：通過語音識別、語義理解，將出現24小時無間斷的在線或語音問答系統，提高金融業客服的辦事效率。未來，智能客服將有可能全面替代人工客服。

智能投顧：結合個人客戶的風險偏好和理財目標，為其提供個性化的資產管理和在線投資建議。未來智能投顧將有可能替代現有人類投資顧問。

金融預測與反欺詐：通過導入海量金融交易數據，使用深度學習技術，從金融數據中自動發現問題。如大量分析信用卡數據，識別詐騙交易，可提前預測交易變化趨勢，作出相應對策。未來，隨著人工智慧技術和金融科技的發展，金融預測與反欺詐需求量將大量增加。

8、AI還將賦能更多的垂直細分領域，成為真正的「新電能」

AI+零售：基於視頻監控的AI應用將對零售業進行重塑，通過對攝像頭採集的視頻數據的分析，不僅可以為店主提供客戶的熱點圖和路徑圖等輔助決策信息，還可以幫助商家重新調整物品擺放位置來促銷，並可以給消費者帶來便利。目前AI在零售領域的應用還沒有那麼深入，主要落地場景是在銷售端，例如貨架監測和管理機器人、智能穿衣鏡等。

未來AI+零售將可以實現對顧客、商品、供應鏈和物流管理的智能化，實現對每一位消費者的全方位畫像，並實現C2M的柔性生產和個性化商品製造、一站式供應鏈和物流倉儲系統。

AI+安防：安防監控行業從高清化、網路化再升級，向人工智慧應用深化方向發展。隨著攝像頭的增多，產生了超大量數據，行業需要一種全新的方法來進行視頻內部信息的提取和分析。當前攝像頭高清技術日漸成熟，圖像識別技術也已發展到了一定的高度，計算機視覺等技術的成熟足以滿足人工智慧在安防領域的應用條件。因此，未來AI+安防的發展將日趨成熟和穩定，逐步形成規模化應用。

AI+教育：相較於AI在其他領域的應用，AI對教育行業的影響相對要晚一些。AI+教育一方面依賴大量數據和機器學習演算法，另一方面也依賴應用場景。在教育行業真正擁有大量數據的教育企業非常少，多數企業數據不是可結構化分析的數據，因此，AI在教育行業的應用，短期之內很難形成規模效應。短期之內，技術對於教育行業來說不是最重要的，但隨著人工智慧技術的發展，自然語言處理能力足夠強之後，可能很大一部分教師的工作將被AI替代。我們認為，未來教育行業裡面做服務的大公司與AI技術公司存在合併的機會。

AI+智能商業：智能商業的發展演進，是一個長期奮鬥的目標，需要五年、十年甚至更長的時間。星河互聯CEO傅淼提出，為構建一個支持決策的優化模型而做出的關於決策變數的決策，這可能恰恰是AI-EnhancedDSS的核心所在。AI的應用可能使模型構建和演變的決策變得自動化，意味著模型本身，包括決策變數、目標函數、約束條件，這些成為了優化的決策變數，形成了一個優化的嵌套，這也意味著基於機器學習的模型自動適應和自動演化成為可能。當然，這無論從理論上還是實踐上都需要大量的工作要做，但是這樣的機制才是真正的IntelligentBusiness，這是我們努力的終極目標。

工業自動化：隨著「中國製造2025」的提出和產業的轉型升級，大公司對產品質量、不良率等指標更加關注，越來越多客戶開始尋求機器智能的解決方案。我們認為標準化產品仍存在巨大發展空間，其中電子行業規模最大，汽車行業滲透率最高，製藥、食品緊隨其後。在核心器件方面，工業相機、圖形處理單元存在進口替代的機會。利用最新深度學習成果，提供高精、高速、高可靠性解決方案的初創公司有殺出重圍的機會。我們比較看好使用深度學習方法，從軟體端、硬體端、雲端在3C、汽車、製藥行業提供解決方案的公司。

星河互聯關注的投資機會

基於人工智慧的發展趨勢，我們認為基於軟體演算法的技術創新類項目未來競爭壁壘會進一步降低，硬體技術的創新比軟體演算法創新更具壁壘，而軟硬體產品服務提供商由於其鏈接產業鏈上下游，將佔用核心地位，是我們認為最具投資價值的一類企業。其中，企業級產品提供商將比消費級產品提供商，在短期內更具布局價值。比如，AI晶元、機器視覺、腦機介面、工業機器人、智能製造等領域。

1、AI晶元是AI行業發展的必然路徑，行業驅動因素較為明顯。雖然目前英偉達在GPU上獲得了較高的地位，但隨著技術的演進以及前端晶元的打開，未來行業格局仍有可能有較大的改變。基於晶元的強需求性，以及目前晶元運行速度和成本均無法滿足現有需求的現狀，我們認為AI晶元領域值得布局。

《中國製造2025》計劃提及的十大領域中，首先就提到了發展國產晶元，目前中國核心集成電路的國有晶元佔有率基本都在個位數。高通在中國的晶元銷售和專利許可費收入占其全球總營收近六成。加之中美貿易戰的影響，美國晶元禁止向國內部分企業售賣。國有晶元的需求和迫切發展得到國家和各大企業的重視，自研通用型晶元有了新的進入機會。另外，專用型晶元高度定製化的屬性使得進入仍然存在一定的可能，例如類腦晶元。未來行業內可能出現AI演算法團隊延伸到晶元環節，或者晶元企業通過外部獲取演算法進行晶元化進入AI行業這兩種路線，相比較而言後者更符合晶元行業的屬性特徵，行業中已經有產品初步得到驗證的實力雄厚的公司更有希望勝出。

我們認為計算機視覺的驅動因素在於下游安防等行業的不斷推動，盈利模式將是這個行業後續發展的關鍵因素。而工業視覺目前的驅動因素在於下游製造業的智能化升級，人工智慧的應用取決於業內領先者VIDI的演算法的實際效果是否達到人們的預期，國內追趕者能否突破自己創業團隊的數據瓶頸，以儘快實現對VIDI的追趕。無論是工業和非工業領域的機器視覺，在各自領域都有著顯著的需求痛點，行業的發展空間明確。而3D視覺方面我們認為格局尚未初現，目前是一個值得布局的階段。

這一領域國內幾家主要企業已經樹立了品牌，但ToB的項目制業務模式規模效應和網路效應並不十分顯著，我們認為該賽道勝出的關鍵成功要素是將品牌和技術轉化為盈利，行業格局的變數對於其中的企業是機遇也是挑戰。AI+工業視覺我們認為國內有可能出現類似VIDI這樣的公司，從而一改原先各個細分領域各立山頭的局面，在製造業智能化改造的需求推動下，率先實現了AI+技術上的突破的企業能率先佔據有利位置。

2、腦機介面未來將成為新一代顛覆性信息技術，成為融合人腦智能和人工智慧不可分割與替代的堅固橋樑。2017年7月8日國務院發布的《新一代人工智慧發展規劃》特別指出我國人工智慧未來以類腦智能、混合智能、協同智能、群體智能等前沿技術為重點發展方向。未來人工智慧將是以類腦技術、腦科學技術、腦機智能融合技術為核心，從微觀到宏觀、從結構到功能全面模擬和融合生物智能的全新智能形態。目前腦機介面技術相對不成熟，仍處於早期發展階段，國內外還未有成熟企業出現，估值相對合理。我們認為腦機介面將是人工智慧下一個風口的「黑科技」，值得布局。

但腦機介面現階段的發展較為早期，未來實現爆髮式的增長仍需5-10年。我們認為具備腦機介面核心技術和技術儲備能力、並能夠長期堅持在該領域發展的團隊有機會勝出。

3、醫療AI領域，除了利用AI視覺讀片，精密外科手術機器人、外骨骼、製藥機器人、配藥機器人、消毒機器人、機器人護士、機器人助手等方面的應用也呈爆髮式增長。近期，CFDA准批首款國產神經外科手術機器人Remebot，臨床試驗效果值得期待，或許不久後將正式上崗。我們認為，此類具有核心技術和產品化能力強的醫療AI機器人團隊，值得重點關注。

4、工業機器人領域，從產業鏈上游來看，我們投資儘可能地尋找自研伺服電機、減速器、控制器等核心零部件的企業；從中游來看，我們傾向於選擇市場資源完善、團隊經驗豐富、具有一定盈利能力的本體製造公司；在一些細分的小領域，如AGV、協作式機器人、柔性機械臂、輕型機械臂、視覺檢測等，我們選擇挖掘有潛力的成長型項目。

我們認為這個領域值得投資的標的有兩種，一種是產品創新型企業，比如產品可以通過軟體更新實現快速的功能自定義從而實現柔性化生產，最終實現產品有較強通用性；另一種是有較高行業壁壘的企業，別人很難進入該領域。例如，我們比較看好機器視覺在工業檢測和無人駕駛方面的應用。

5、從產業升級和智能製造層面看投資機會，我們比較看好用新技術重構工業、製造業，使產業升級帶來的機會。例如，我們比較看好3D列印。目前，3D列印技術尚不夠成熟、列印速度不高、設備與原材料成本過高、生產質量不穩定。現階段的3D列印還停留在桌面級，市場已陷入「紅海」，銷量大幅增長，而工業級3D印表機則略顯慘淡。金屬3D列印領域目前正快速發展，應用端空間逐漸打開，也是我們比較看好的方向。金屬3D列印適用於加工難的材料，大而複雜的高性能整體構件，已經大量應用於C919、X-Space等航空航天領域，但是也面臨使用稀有保護氣體成本高、量產加工速度慢的問題。CLIP快速光固化3D列印公司Carbon3D完成2億美元D輪融資，估值17億美元，該技術路線極大地提高了3D列印的速度，降低了表面粗糙度，國內具備相關技術的創業公司值得關注。總體來看，3D列印是一種變革性的製造新技術，發展潛力巨大，未來會與傳統技術相互補充，形成新的工藝。3D列印雖然不會顛覆或取代傳統製造技術，但未來應用廣泛，我們認為值得布局。

6、從區塊鏈角度看投資機會，在這一輪「第四次工業革命」中，AI代表生產力，區塊鏈帶來了新的生產關係，互聯網、人工智慧、區塊鏈相繼重構產業。區塊鏈將在數據方面提高AI的有效性，AI也能在電力消耗、安全、隱私等方面來優化區塊鏈的應用。基於區塊鏈的共識機制、可追溯、無法篡改特點，區塊鏈可以為AI提供一份更加優良的數據。區塊鏈在人工智慧領域的投資機會，我們比較關注數據訓練、礦機專用晶元、物流等行業防偽溯源、基於區塊鏈的AI操作系統等領域的應用。

人工智慧事業部總經理劉瑋瑋

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！