计算瓶颈突破和商用价值提升引爆AI市场.pdf
50墨值下载
http://www.cgws.com
请参考最后一页评级说明及重要声明
投资评级：推荐（维持）
报告日期：
2017
年
09
月
27
日
甄峰 075583516231
Email:zhenfeng@cgws.com
执业证书编号:S1070516100001
联系人（研究助理）：
黄红卫 010- 88366060-8787
Email:huangwh@cgws.com
从业证书编号:S1070116080084
林彦宏 0755-83881635
Email:linyh@cgws.com
从业证书编号:S1070117010015
行业表现
数据来源：贝格数据
相关报告
<<中小板指数或止跌上扬，创业板指数下
跌风险犹存>> 2017-06-14
<<中小板指数或止跌上扬，创业板指数下
跌风险犹存>> 2017-06-14
<<海外科技巨头 AI 基础层业务已经爆发，
AI 产业红利将传导至应用层>> 2017-03-07
“计算瓶颈突破
&
商用价值提升”引爆
AI
市场，确定规则场景易被
AI
取代
——
人工智能专题深度报告
(
系列
6)
投资建议。
人工智能（AI
）本质为“用机器取代人类工作”，结合了“机
器规模化生产、与人工个性化生产的优势”。运用 AI 改造传统行业，可同
时实现低成本及差异化，大幅提升企业竞争力。随着消费变迁，消费者更
加注重于差异化及个性化，追求定制化生产，AI 将重塑产业竞争格局。
目前，人工智能正处于第三轮爆发时期，AI 产学研加速推进，行业前景
持续向好。鉴于当前 AI 基础层（AI 芯片、云计算等算力支撑）盈利已经
爆发，考虑到产业链传导效应，未来 AI
产业盈利亮点还将传导至应用层。
先前，“芯片计算能力受限”一度制约了深度学习算法的应用
。近年来，
“计算瓶颈突破&商用价值提升”引爆了人工智能市场，而自然语言处理
是当前 AI 技术瓶颈。AI
芯片市场而言：
1
）“推理输出环节的芯片市场容
量”将远超过“模型训练环节”。训练环节注重
“处理容量及处理速度”，
而推理输出环节必保证“实时性及能效结构”；2）“ CPU、GPU、FPGA
、
ASIC”各类芯片的“计算效率与通用性”难以兼顾，AI 生态未来或决定
哪种芯片结构最终花落谁家。同时，国内 AI 芯片企业崛起势头明显。AI
商业应用而言：
1）凡是具有明确规则的工作，很快会被人工智能取代；
没有明确规则（如自然语言处理、语义理解），替代进程相对缓慢；2）
AI 细分行业的商业潜能主要取决于“替代技术的可能性、应用行业的规
模大小、及渗透率高低”；3）就 AI 行业应用前景而言，某行业的 AI 需
求度（行业规模×AI 产品渗透率）比较高，且技术成熟度比较高”时，
AI
应用潜力就比较大。
因此，我们建议投资者关注
AI
需求度及技术成熟
度均高的智能安防、无人驾驶等领域。
智能安防领域，可关注东方网力
（
300367.SZ）、海康威视（002415.SZ）、大华股份（002236.SZ）
等标的。
无人驾驶领域，可关注四维图新（002405.SZ）、均胜电子（600699.SH）
等标的。
人工智能可同时实现低成本及差异化，将重塑产业竞争格局。
传统企业
竞争中，需选择“成本领先、差异化、集中化”三类战略中的一种，但三
种战略内部存在矛盾、不可兼顾，而“处于中间战略或者战略定位模糊的
企业”则难以争取到“成本导向客户”及“（差异化）价值导向客户”，处
于竞争劣势。波特教授认为，若某一战略或技术可同时实现“成本降低、
及差异化”，则会大幅提升竞争优势。机器易实现批量化生产，但难满足
个性化；人工易实现个性化，但难满足规模化需要。
人工智能（
AI
）本
质为“用机器取代人类工作”，结合了“机器规模化生产、与人工个性化
生产的优势”：
1）“ AI+行业”可通过规模化生产，从而“大幅提升工作
效率并降低生产成本”；2）“ AI+
行业”还可通过个性化生产，实现定制
化及专门服务，充分满足消费者的差异化需求。
因此运用
AI
改造传统行
业，可同时实现低成本及差异化，大幅提升企业竞争力。
随着“汽车、
-15%
-10%
-5%
0%
5%
中小板综
分析师
证券研究报告
行
业
深
度
报
告
行
业
报
告
中
小
市
值
行
业
行业深度报告
长城证券 2 请参考最后一页评级说明及重要声明
家电、电子消费品”等行业日益成熟，由于人类天然具备个性化需求，“这
类直接面向消费者的行业话语权”逐步由卖方转向买方，
消费者更加注重
于差异化及个性化，追求定制化生产，
AI
将重塑产业竞争格局。
人工智能正处于第三轮爆发时期，盈利亮点由基础层传导至应用层：
目
前，人工智能处于第三次爆发时期，
AI 产学研持续推进：1）风投、PE
资本竞相涌入；2）“ AI 相关专利申请数量、市场规模”大增；根据艾瑞
咨询，2020 年全球 AI 市场规模将达到 1190 亿元，年复合增速约 19.7%
；
同期，中国人工智能增速将达 91 亿元，年复合增速超 50%，远超全球增
速，市场前景广阔。3）人工智能亦大幅跑赢市场指数，AI
超额收益明显。
人工智能可分为基础层、技术层和应用层，基础层为算力支撑（AI
芯片、
云计算），技术层为算法平台，应用层是 AI 向各传统行业渗透应用。受
AI
市场（无人驾驶、数据中心）的强劲需求驱动，在过去十余个季度，
海外科技巨头英伟达的业绩增速持续超出华尔街
预期，英伟达股价一骑绝
尘，从 2015 年的 23 美元增长至目前 187.55 美元（2017/9/18，区间涨幅
高达 8
倍 ）。
鉴于当前
AI
基础层（
AI
芯片、云计算等算力支撑）盈利已
经爆发，考虑到产业链传导效应，未来
AI
产业盈利亮点还将传导至应用
层。
“计算瓶颈突破
&
商用价值提升”引爆
AI
产业链，自然语言处理为
AI
当前技术瓶颈：
“提高 AI 模型精度”需要增加深度学习层数以抽取更多特
征。深度学习算法在训练模型时，随着“隐层层数增加及训练数据规模扩
大”， 训 练 AI 模型时的计算量呈现几何式增长，而“芯片计算能力受限”
一度制约了深度学习算法的应用。2013-2015 年，英伟达深度学习用 GPU
计算性能提升 50X，训练天数远低于 CPU 芯片，解决了“训练 AI 模型的
计算能力瓶颈”。目前，英伟达 GPU 芯片成为“训练深度学习模型的事实
标准”。深度学习刻画事物属性的维度将随着层数增加而增加，精度可通
过大量事例（大数据）学习来保证。就应用而言，先前很长时间内，图像
与语音识别准确率仅可达 80-85%
，但通过深度神经网络及大数据的训练，
准确率提升了 10-20%，目前准确率超过 90%，语音识别/图像识别接近或
达到人类水平，可适用于大部分商业场景。
“计算瓶颈突破
&
商用价值提
升”是近年人工智能爆发的两大关键要素。自然语言处理作为人机接口，
在“机器识别、智能助理、智能客服”等领域应用前景广泛，是当前 AI
技术发展的瓶颈。
“芯片的计算效率与通用性”难以兼顾，
AI
生态或将决定
“AI
芯片市场
”
花落谁家：
先前受限于芯片计算能力，传统神经网络一般为“十几层到几
十层”，难进一步增加。随着
“芯片制造工艺的进步（芯片制造工艺已经
达 10nm）”及“GPU、FPGA、ASIC”等 AI 专用型芯片的计算能力持续
提高，现在算力可支撑“神经网络层数达几千层”，AI
模型的精度进一步
提升。人工智能应用环节分为训练、推理输出两个步骤，“推理输出环节
的芯片市场容量”将远超过“模型训练环节”。
对芯片要求而言，训练环
节计算工作量极大，注重是服务器的“处理容量及处理速度”；推理输出
环节必须保证“实时性及能效结构”。
目前，英伟达 GPU 芯片成为 AI 模
型训练的事实标准，但其未必“推理数据环节”的标准。各类芯片比较而
言，从 CPU、GPU、FPGA 到 ASIC，晶体管中的计算单元占比越高，计
of 41
50墨值下载
【版权声明】本文为墨天轮用户原创内容，转载时必须标注文档的来源（墨天轮），文档链接，文档作者等基本信息，否则作者和墨天轮有权追究责任。如果您发现墨天轮中有涉嫌抄袭或者侵权的内容，欢迎发送邮件至：contact@modb.pro进行举报，并提供相关证据，一经查实，墨天轮将立刻删除相关内容。
下载排行榜
评论