第三部分、人工智能产业的投资逻辑
短期产业看点云端化、模块化、垂直化
从人工智能的发展来看,目前仍然处于早期阶段,云端化并实现不断地机器训练和模型迭代尤其重要。
通过深度神经网络,人工智能语音、图像、知识库等模块的搭建将形成未来一段时间内的主要产业形态。相关企业容易受益于先发优势。
人工智能核心技术不断推进,垂直产品化将成为区分企业竞争力的主要看点。
语音领域一看点在于垂直领域产品化能力
对于实现技术突破的领域,产品化能力、垂直化能カ成为核心竞争力。
对于语音识别技术而言,拥有先发优势的服务机器人将具备数据积累的领先地位。在垂直领域,例如车載、客服、智能家电垂直领域的应用有望率先成为爆发的热点。
语义理解仍然具备巨大的技术差距。垂直领域有望率先满足消费者基本需求,但能够实现人机交互差距巨大。
图像识别一安防具备巨大应用空间,仍处于起步阶段
对于实现技术突破的领域,产品化能力、垂直化能力成为核心竞争力。
安防领域和搜索引擎有望成为图像识别率先应用的场景。
免责声明
本研究报告中所提供的信息仅供参考。报告根据国际和行业通行的准则,以合法渠道获得这些信息,尽可能保证可靠、准确和完整,但并不保证报告所述信息的准确性和完整性。本报告不能作为投资研究决策的依据,不能作为道义的、责任的和法律的依据或者凭证,无论是否已经明示或者暗示。
标的一览
语音识别与应用
科大讯飞(语音识別龙头,"讯飞超脑"进军认知智能制高点)
智臻智能(企业级人工智能服务)
懒人云（智能语音系统电销机器人）
图像识别与应用
东方网力(视频大数据龙头,参股全球领先家用机器人和安防机器人)
佳都科技(旗下云从科技的人脸识别技术已经在金融行业应用)
长高集团(收购郑州金惠,网络信息安全与过滤)
汉王科技(人脸识别、读写识别等领域领军企业）
川大智胜(2015年定増4.5亿元研发三维人脸识别技术)
大数据
东方国信(大数据智能分析龙头)
数据堂(大数据分析交易平台)
智能驾驶
保千里(智能驾驶中传感部分)
亚太股份(积极布局传感器领域
四维图新(智能驾驶中地图部分)
欧菲光(智能驾驶全产业链)
深度智能与应用
思创医惠(与全球人工智能领军企业IBM合作)
附录:机器学习是人工智能的核心技术
机器学习是一门让计算机在非精确编程下进行活动的科学。在过去十年,机器学习促成了无人驾驶车、高效语音识别、精确网络搜索及人类基因组认知的大力发展。
附录:深度学习和非监督学习是机器学习的最新版本迭代
深度学刁-通过一套算法将高度抽象数据进行多级分层或多次非线性转化的建模。
附录:非监督学习成为人工智能研究重点
附录:神经网络
人工神经网络是受到生物神经网络的启发
每一个神经元都可以处理一定信息并传递给下一个神经元；
人工神经网络中,每一个“运算单元”代表一个“神经元”；
运算单元之间的交又形成了神经网络。
附录:深度神经网络
深度神经网络相比于浅层神经网络的最大区别在于数据从输入端到输出端过程中,节点数量和拓扑结构的不同；
目前没有统一标准来评判模型的深浅,但普遍意义上讲,深度学习模型将包含多层非线性模型(CAP>2),而超深度学习特指CAP大于10的神经网络模型。
权重分配路径( Credit Assignment Path)是指从输入端到输出端的距离。对于简单神经网络,CAP等于其神经网络的层数。对于递归神经网络,数据可能多次通过同一层神经节点,因此CAP可能接近无穷大。
附录:语义理解模型
语义理解的难点在于：
输入端维度较大
输岀端没有标准答案
语义理解的解决方案包括：
知识图谱技术
深度神经网络
行业专家认为未来5年内将出现革命性模型提升语义理解效率。
附录: IBM Watson性格分析模型-“拟人”与“懂人”
2015年12月15日,IBM以API的方式开放了人工智能系统 Watson,允许企业和组织把收集到的资料放到这个“大脑”中进行分析这类性格分析就是由名为“ Personality Insights”(性格洞察）的API实现的。
通过这个API,IBM能够了解到非常多人们性格和行为间的关系,比如那些性格外向的人会更多地点击广告和关注他人,还有在谦虚、开放、友好方面得高分的人更喜欢re-twet,向外传播消息除了心理学之外,这些分析对于市场营销来说也有着重要意义。
附录: IBM Watson机器人
Watson机器人相关数据：
2880 CPU；
15TB内存；
2000人研发团队；
10亿美元投资；
每秒钟可以处理500GB的信息,相当于每秒钟可处理100万本书籍。
DEEPQA系统:
可以回答70%问题；
正确率达到90%。
2008年完成一个问题需要2小时运算；
2015年完成一个问题只需要3秒运算。
与IBM合作研发 Watson的八所大学
MIT-负责基于实时追踪计算开发
CMU-负责 Watson QA系统的基础算法。
RPI-负责虚拟化工具。
德州大学-负责自动推理以及常识知识研发。
麻省大学一负责信息检索能力研发。
特伦托大学-负责自我学习及人机会话能力。
南加州大学一负责信息提取及分析。
阿尔巴尼大学一负责QA系统运行能力保证。
附录:深度学习技术的应用案例(二）
Nuance通过14年研究努力,终于在加入深度学习模型后将车载语音识别系统的识别错误率降低到1%以下。
有研究将深度学习技术用于营销自动化领域,通过对客户的RFM变量分析,可以较为准确地预测客户生命周期价值(CLV）。
2019年人工智能发展报告相关阅读：
2019年人工智能发展报告——（第一部分）人工智能领域进入产业爆发的拐点
2019年人工智能发展报告——（第二部分）人工智能细分领域与产业链
