CICC发布了一份长达71页的人工智能研究报告《人工智能时代，10年之后我们还能干什么？》。对全球特别是中国企业当下的人工智能态势作了全面的介绍：包括BAT、华为、科大讯飞、海康威视等企业的市值、研发投入开支与研发费用率以及排名等详细信息。报告涉及安防、互联网、消费电子、汽车、医疗、通信、芯片7大行业。

文章不乏非常有洞见的观点，比如：TPU等专用芯片会部分取代GPU等。这一报告是对AI行业发展研究得最为全面和透彻的研报之一，现将主要观点摘录如下：

人工智能不再是概念：我们的调研发现，基于人工智能的视频分析技术正在不断拓宽安防技术的应用范围，实现实时车辆轨迹追踪等以前只有在警匪片里才有的新功能。通过基于用户画像的精准广告投放，互联网公司在过去三年提高了广告单次点击成本（CPC）170%。IBMWatson从2015年开始为病人提供肺癌等四种癌症的个性化治疗方案。汽车主机大厂的路线图显示2021年前后能够实现真正的无人驾驶服务。这些新技术的商用无疑会对公共安全、医疗、广告、汽车制造业造成颠覆性的变化。

数据比算法重要：我们认为人工智能的商业化，仅仅依靠技术是很难继续走下去的。数据的规模和采集能力决定了人工智能在这个行业的发展速度。在这方面，感谢线上消费的发展和十几年平安城市建设，互联网和安防行业的智能化走在了其他行业前面。看好海康威视、大华股份、科大讯飞、东方网力、千方科技、阿里巴巴、腾讯、新浪在安防和互联网行业的AI变现机会。医疗大数据是下一个热点，看好东软、思创医惠和东华软件在医疗大数据领域的长期成长机会。

人工智能=‘人工+智能’：只有投入更多的研发人员和数据，才会获得更多的智能。仅靠一两名人工专家很难解决复杂的人工智能问题。中国企业的人工智能转型，需要依靠的是在研发费用和研发人员规模上的持续投入。在这方面，华为排名全球前十，阿里巴巴、中兴、百度、腾讯、海康等公司也在世界前列。

看好数据中心/传感器/半导体行业面临结构性成长机会：智能化有两个直接结果。第一是企业服务加速向云计算的迁移。我们预计全球公有云市场今后几年保持25%的年复合增长，到2020年达到约950亿美元的规模。为了支撑云服务发展，八大全球主要科技公司在数据中心资本开支到2020年将达约900亿美元，约占全球电信业资本开支的25%。第二是收集数据需求的增加，手机及汽车上搭载传感器数量大幅上升。我们预计车载传感器市场从2016年的82亿美金扩大到2025亿的290亿美金（15%CAGR）。数据中心及手机、汽车内计算能力的上升，推动人工智能相关芯片需求从2016年37亿美金扩大到2025年的566亿美金。

软件开发框架：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也提供自己的软件开发框架CUDA。这些公司之间的竞争类似于智能手机操作系统上 iOS/Andorid之间的竞争。

计算芯片：目前的竞争对手包括NVidia/AMD的CPU，谷歌的TPU，Xilinux的FPGA之间在计算成本和速度上的竞争。这些公司之间的竞争类似与高通和联发科在手机芯片上的竞争。在TPU的例子上我们看到，谷歌利用其在软件开发框架上的优势，减小切换计算芯片（GPUtoTPU）时的软件修改成本，形成一个TensorFlow+TPU的封闭生态环境。

根据耶鲁大学和牛津大学的研究人员对352位人工智能专家进行了采访，人工智能到2060年前后有50%的概率完全超过人类。这份研究预测在10年内，人工智能将会在以下领域超过人类：翻译领域（2024），高中水平的写作（2026），驾驶卡车（2027）。

在这份报告里，我们着重分析四种人工智能技术（语音，图像，自然语言处理，机器人）对五个行业（安防，互联网电商/广告，消费电子，汽车，医疗）的影响。

从技术角度来看：

语音技术成熟但应用场景有限。语音识别是目前发展最成熟的人工智能技术。Nuance，科大讯飞，Google，百度等主流厂商的近场语音识别率都达到99%以上。但目前应用场景局限在电子病例，智能客服，在线教育，车载导航等少数几个领域。随着未来语音识别种类的进一步丰富，识别环境通用性的增强，以及远厂语音技术的突破，一定会帮助拓展其应用范围到智能家居等更多场景中。

图像识别落地机会最多。图像识别技术不但有着非常高的识别准确率，而且能够很快给出智能的反馈，因此图像识别技术最容易快速落地到各行各业中。安防行业中的车辆数据提取，医疗行业的影像诊断，电商行业中的精准营销，以及辅助驾驶都为图像识别技术提供许多落地变现的机会。

自然语言处理在互联网行业中应用最为成熟。我们注意到基于人工智能的精准营销正帮助互联网广告公司不断提升流量价值，而且一些智能的销售客服机器人正在逐步替代人工成为线上销售，售后维护的主力军。

智能机器人技术有待成熟。我们注意到一些公司开始在仓储机器人、手术机器人等细分行业进行探索。但技术还有待成熟。

从行业角度来看：

安防是人工智能在中国最容易变现的行业：十几年的平安城市建设，使中国的城市管理者已经积累了强大的视频数据采集能力。交通拥堵及反恐等应用场景又急需最先进的人工智能技术。

互联网广告和电商蕴含大量的数据，为人工智能在互联网广告和电商领域的应用提供了广阔的资源和空间。例如，互联网公司通过基于用户画像的精准广告投放，在过去三年提高了广告单次点击成本（CPC）170%。

AI促进消费电子升级换代：3D光学感测等AI功能会帮助现有智能手机提高售价，同时促进智能音箱等新品类的发展。

汽车行业2021年前后实现无人驾驶：随着TeslaAutoPilot2系统的发布，GM宣布自己的自动驾驶系统SuperCruise。我们注意到汽车智能发展呈现加速趋势。我们预计汽车主机大厂在2021年前后能够实现商业化的无人驾驶服务。

医疗行业空间巨大，但技术还有待成熟。电子病历的建立，不仅仅用到了语音识别技术，也整合了医疗大数据；影像诊断则用到了图像识别技术，现在在国内外都已经形成成熟的商业模式。辅助治疗和手术机器人由于技术的尚不完善，还在小范围推广。由于语音识别技术和机器视觉技术的成熟，大量应用这两个技术的行业将迎来AI变现的更多机会。

直接受益行业：

数据中心：人工智能的普及会推动云计算服务及资本开支的快速增长。我们预计到2020年，八大主要科技公司在数据中心相关的资本开支总计将达约900亿美元，约占全球电信业资本开支的25%。

半导体：我们认为2020年人工智能相关半导体的市场空间将达到117亿美元，其中云端服务器市场规模76亿美元，智能手机移动端41亿美元。除了上游的芯片设计厂商将受益之外，中下游晶圆代工及封装测试厂也将同步获益。

传感器：第二是收集数据需求的增加，手机及汽车上搭载传感器数量大幅上升。我们预计传感器市场从2016年的82亿美金扩大到2025亿的290亿美金（15%CAGR）。

主要图表：视频、智能驾驶、软件框架、芯片、光学、音箱、云7大产业链

全球主要AI科技公司市值、研发开支与研发费用率一览

中国视频监控行业在过去十几年经历了两次重要的升级换代：

（1）高清化：在这次升级的主要变化是摄像机的清晰度从标清（30万像素）升级到100万像素或以上。图像传输方法从原本通过同轴电缆传输的模拟信号过渡到通过局域IP网或同轴电缆传输的数字信号。后端设备也从DVR（DigitalVideoRecorder）过渡到NVR（NetworkVideoRecorder）。NVR的物理位臵还是在本地（例如，小区内）。

（2）网络化：在这次升级中的主要变化是，视频被直接传回数据中心内的集中存储（IP-SAN）。主要的优势是方便集中管理以及可监控的区域大大增加。

随着2016年以来人工智能技术在视频分析领域的突破，我们认为视频监控行业正处在第三次重要的升级周期的开始阶段。

（3）智能化：我们认为这次升级主要包括：（a）前端摄像机的智能化升级以支持结构化数据提取，（b）后端设备强化计算分析功能，以支持复杂的视频分析，（c）对应特定行业应用的人工智能分析软件快速增长。

安防摄像机的智能化升级

传统的网络摄像机直接把高清视频回传给数据中心里的NVR，由于回传视频数据量巨大，很难对所有图像进行实时分析。大部分时候是对保存的图像进行事后分析。通过在网络摄像头上添加人工智能芯片（例如，NVidia的JetsonTX2、Movidius的Myriad2Vision等芯片），前端摄像头可以实时对视频数据进行结构化处理。例如，设置在交通路口的摄像头可以提取车牌，车型等汽车信息，和乘客数量，是否带安全带等乘客信息回传给数据中心。方便进行实时分析，优化系统反应能力。

根据统计，全球安防摄