人工智能（AI）将接棒移动互联网，成为下一轮科技创新红利的主要驱动力。透过丰富的数据采集（互联网和IoT）、更快的数据传输（5G）、更强大的数据运算处理（AI），科技企业和传统企业将在更广泛的领域深度融合。AI将广泛助力传统行业转型，渗透互联网竞争下半场，催生无人驾驶、城市大脑、工业互联网、农业大脑、智慧医疗、Fintech、机器人等广义AI应用，酝酿万亿级市场和投资机会。
投资要点
正文
AI孕育万亿级别市场
人工智能（AI）指利用技术学习人、模拟人，乃至超越人类智能的综合学科。人工智能技术可以显著提升人类效率，在图像识别、语音识别等领域快速完成识别和复杂运算。此外，面对开放性问题，人工智能技术亦可通过穷举计算找到人类预料之外的规律和关联。自1956年“人工智能”概念首次被提出，AI技术“三起两落”。本轮人工智能腾飞受益于持续提升的AI算力对神经网络算法的优化。
AI产业链分为：基础层、技术层、应用层。基础层主要包括：AI芯片、IoT传感器等，技术层主要包括：图像识别、语音识别、自然语言处理NLP、知识图谱等，应用层的场景包括：无人驾驶、智慧安防、智慧城市（城市大脑）、金融科技（Fintech）、智慧医疗、智慧物流等领域。
AI应用于移动互联网下半场
当前我们正处于两轮科技红利的交替期。移动互联红利逐渐消退，人工智能红利兴起。我们判断，AI技术应用于移动互联网领域，将有助于互联网公司提升效率和资源匹配的精准度。在智能手机硬件，以及社交、游戏、电商、短视频、音乐等互联网领域，AI技术已经开始广泛应用。
智能手机销量见顶，移动互联网进入细化竞争的下半场，AI是主要竞争手段。自2007年全球第一款量产智能手机iPhone放量，智能手机市场历经十年繁荣。至2016年智能机销量见顶，当年共销售14.73亿部，CAGR超过30%（2.5%）。2016年中国智能手机销售4.65亿部（9%），达到历史高点。
智能手机硬件红利结束，但移动互联网市场仍在持续增长。智能手机普及带来C端数据量和数据流量持续高速增长，移动互联网产业营收规模持续较快增长。居民数字消费快速渗透，国内移动互联网接入户均流量从165MB/月（2014年1月）快速成长至6GB/月（2018年12月），并仍保持较快增长。互联网竞争下半场，人工智能技术有助提升资源匹配销量，助力移动互联网企业（如阿里巴巴、拼多多、美团点评等公司）提升市场份额。
AI应用于更广泛的领域
从2C到2G、2B，AI应用于更广泛的领域，助力传统行业转型和市场竞争格局重构。传统行业的效率具备较大提升空间，结合自身多年积累的数据，借助于物联网IoT、工业互联网、产业互联网技术，传统行业有望汇总更多维度、更长历史周期的数字化数据，结合AI技术，用于提升效率。在城市治理领域，G端（政府端）对于交通、安防、政务等领域存在效率优化需求；在B端（企业端），工业企业可望利用AI技术进一步提升可靠性和效率、降低成本。AI将广泛应用于自动驾驶、家居、安防、交通、医疗、教育、政务、金融、商业零售等领域。
AI产业链分为：基础层、技术层、应用层。基础层主要包括：AI芯片、IoT传感器等，技术层主要包括：图像识别、语音识别、自然语言处理NLP、知识图谱等，应用层的场景包括：无人驾驶、智慧安防、智慧城市（城市大脑）、金融科技Fintech、智慧医疗、智慧物流等领域。
资本和科技巨头是AI投资的主要力量，积极布局全产业链。2017年全球人工智能投融资规模达395亿美元，融资事件1208笔；中国境内融资事件369笔，占全球31%。2018年上半年，中国AI投资总规模1527亿，显著超越2017全年（754亿）。
中美是人工智能技术和应用的两极。美国在AI通用芯片领域具备较强优势，如英伟达GPU、赛灵思FPGA、谷歌TPU等；亦在无人驾驶、语音助手、云计算、智能手机硬件、AR&VR等领域拥有诸多优秀创业公司。中国是全球第二大AI力量，人工智能企业超过1000家。中国在ASIC专用芯片领域有所突破，亦在2G（对政府）和2B（对企业）的“场景”端和“算法”端快速迭代。
基础层：AI芯片、深度学习等
算力：AI芯片
算法：深度学习
深度学习正在向深度神经网络过渡。机器学习是通过多层非线性的特征学习和分层特征提取，对图像、声音等数据进行预测的计算机算法。深度学习为一种进阶的机器学习，又称深度神经网络（DNN：DeepNeuralNetworks)。针对不同场景（信息）进行的训练和推断，建立不同的神经网络与训练方式，而训练即是通过海量数据推演，优化每个神经元的权重与传递方向的过程。而卷积神经网络，能考虑单一像素与周边环境变量并简化数据提取数量，进一步提高神经网络算法的效率。
技术层
图像识别
图像识别的核心技术是计算机视觉。计算机视觉（ComputerVision，CV）是用机器替代人眼，对目标进行识别、跟踪和测量等，并处理为人眼观察或易于机器检测的图像的技术。技术上需要大量的图像数据对计算机进行训练，如人脸、动物图片、证件图片等，依靠AI芯片和深度学习算法进行归类判断，最终对输入图像进行识别。
图像识别可广泛用于各类场景。图像识别技术已经用于动态人脸识别、在线/离线活体检测、超大人像库实时检索、证件识别、行人检测、轨迹分析等领域，具体到2G和2G端可用于地产、安防、交通、无人驾驶、零售、商业等具体场景。
依靠深度学习和芯片突破，语音识别的准确度不断提升。语音识别将人发出的语音词汇内容转换为文字或指令，主要是分析句子、句法以及结构，以便将人类语言转换为计算机语言。以深度神经网络算法取代传统模型后，语音识别的单词错误率每年下降约18%，以谷歌、微软、亚马逊为代表的巨头已经开发出具备人类级别的语音识别系统。
语音识别是智能语音的前端技术。智能语音涉及语音采集、语义理解、自然语言生成、语音合成等技术。在语音采集部分，相较于图像识别、语音识别的算法复杂度更高、标签数据量更大、精确度要求更高。在语音识别领域，通过高性能麦克风阵列和神经网络算法可以实现高精度识别。
自然语言处理NLP
NLP是智能语音的核心技术。语音识别和采集技术已经依靠AI芯片、深度学习算法及麦克风阵列硬件得到解决，而语义理解仍有很多基础工作要积累，譬如算法建模、数据标签、知识图谱等。NLP在智能语音中负责将计算机语音重新编为人类语言进行输出，要尽可能缩小歧义，是智能语音的核心技术。以语音识别NLP的智能语音技术在芯片算力和深度神经算法加持下其准确度正进一步提高。
知识图谱
知识图谱提供了管理组织海量数据的能力。知识图谱融合了认知计算、知识表示和推理、信息检索与抽取、自然语言处理与语义Web、数据挖掘与机器学习，是人工智能的重要研究领域。知识图谱的应用可以直接为用户提供答案和解决方案，直接显示满足客户需求的结构化信息内容。
应用层：场景AI
从2C到2G、2B，AI应用于更广泛的领域，助力传统行业转型和市场竞争格局重构。传统行业的效率具备较大提升空间，结合自身多年积累的数据，借助于物联网IoT、工业互联网、产业互联网技术，传统行业有望汇总更多维度、更长历史周期的数字化数据，结合AI技术，用于提升效率。在城市治理领域，G端（政府端）对于交通、安防、政务等领域存在效率优化需求；在B端（企业端），工业企业可望利用AI技术进一步提升可靠性、提升效率、降低成本。AI将广泛应用于自动驾驶、家居、安防、交通、医疗、教育、政务、金融、商业零售等领域。
自动驾驶/无人驾驶：AI汽车
从辅助驾驶ADAS到无人驾驶，图像识别等AI技术在汽车领域广泛应用。科技企业直接布局L4、L5级别的高级自动驾驶和无人驾驶。汽车企业通过产品迭代的方式，在L2、L3级别自动驾驶和ADAS领域有所进展。我们认为，自动驾驶是AI技术的重要应用场景，近年来的人工智能投资大量集中于新造车力量（自动驾驶新能源汽车）、自动驾驶芯片和解决方案（Mobileye、地平线等）、自动驾驶商业化运营（主线科技、图森科技等）。此外，传统汽车OEM和零部件供应商也在发力，希望在自动驾驶领域获得更大市场。
科技巨头开始转向更适应快速量产的解决方案
谷歌的无人驾驶项目始于2009年，并在2016年成立Waymo来扩大业务。截至2018年10月Waymo实际路测超千万英里，全行业领先。公司并在2018年宣布订购8万辆车，筹建L4自动驾驶的改装产线；目前已在凤凰城推出无人出租车WaymoOne，建立收费模式与运营经验，可望加速商用。此外，Waymo积极布局海外，2018年在上海注册全资子公司。
英伟达推出L2自动驾驶系统DRIVEAutoPilot，在多方向上配备个镜头，能够在汽车变道、行人与骑行人士识别、停车辅助、实时地图生成和驾驶员状态监控等多方面提供辅助。
百度发布Apollo3.5版本、“自动驾驶物流”商业化解决方案ApolloEnterprise、面向自动驾驶的高性能开源计算框架ApolloCyberRT。Apollo3.5版本可以实现包括市中心和住宅场景在内的复杂城市道路无人驾驶，更智能、更强大的自动驾驶解决方案可以在多个应用场景实现全面覆盖。百度Apollo无人驾驶巴士亦在北京海淀公园等园区开始试运营。
传统汽车厂商和零部件供应商开始更多地展示其产品的智能化、数字化应用。以BBA（奔驰、宝马、奥迪）为代表，超大尺寸的车载屏幕已经进入量产阶段，未来越来越多的车辆会搭载更大、更多的屏幕。车内影音娱乐系统也与VR/AR等技术进行了深度融合。传统汽车企业在人机交互（智能语音）、智能导航、辅助驾驶ADAS等领域迭代探索。
部分龙头汽车零部件供应商开始设想L4/L5级自动驾驶技术普及后的出行体验。博世在2019年CES上展示多项创新技术，涉及能源、交通拥堵和环境污染等方面；首次展示了其无人驾驶电动巴士概念车，该车配备了电动车动力总成系统、360度环绕传感器、互联管理和车载电脑等创新技术。大陆集团展示了未来城市的解决方案和关键技术，比如智能交叉路口技术等。
语音助手、智能音箱、智能家居：AIIoT
语音助手具有AI互联网的生态入口属性。语音助手的主要功能目前集中在信息查询、影音娱乐、个人助手、部分生活服务、智能家居及其他硬件控制等为主。语音助手目前主要集成在智能手机等移动设备上，依靠巨头的系统生态圈，嵌入移动终端的语音助手将会发挥AI生态接口的作用。语音助手具有较好的用户粘性，同时用户对语音助手的使用对智能手机、Pad等现有设备已具有替代和分流作用。
巨头开放智能语音AI能力，推动自有AI互联网生态构建。随着计算机视觉等其他AI技术的融入，智能语音在行业市场中应用场景有望持续扩展。全球科技巨头在全力布局智能语音助手、智能音箱，打造智能语音生态等的同时，亦通过智能语音技术能力的开放提升自身在行业市场的参与度。数据、算法与算力、应用场景为当前人工智能产业三大核心要素，科技巨头具有技术和生态的双重优势，有望以基础技术开放平台为抓手，实现数据、应用场景等层面的不断积累，从而推动AI生态的构建和闭环，并最终实现自我持续强化。
智能音箱：巨头全力布局，市场加速普及。全球已有众多科技巨头进入智能音箱市场，包括美股五强FAAMG、中国BAT、小米、科大讯飞等。自首发至2018年6月，亚马逊、谷歌、阿里、小米智能音箱累计销量分别超过3000万、1500万、500、100万台。借助丰富的产品线、爆款定价策略等优势，科技巨头有望持续主导全球智能音箱市场。
科技巨头发力AIoT生态体系。越来越多的公司兼容主流的智能家居生态，比如三星、LG、索尼、Vizio等发布的新产品均同时支持谷歌Assistant和亚马逊的Alexa。
智能客服
AI助力线下新零售。AmazonGo为亚马逊提出的无人商店概念，无人商店于2018年1月22日在美国西雅图正式对外营运。AmazonGo结合了云计算和机器学习，应用拿了就走技术(JustWalkOutTechnology)和智能识别技术（AmazonRekognition）。店内的相机、感应监测器以及背后的机器算法会辨识消费者拿走的商品品项，并且在顾客走出店时将自动结账，是零售商业领域的全新变革。
对于传统线下商业，电子化、数据化和智能化有助提升效率。线下商业企业开始尝试使用电子价签、基于计算机视觉的数据跟踪和分析、人工智能在选址和运营中的应用。我们判断，电子化、数据化和智能化将助力线下商业零售行业竞争格局重构。
线上商业零售，以数据为基础打造闭环AI商业生态。以阿里为例，在零售、电子商务端的大数据以数据银行的形式作为底层数据，通过大数据、云计算、AI分析为客户提供决策支持，覆盖金融、社交、商业、物流等多体系，形成完整的AI商业生态体系。
智能安防
国内安防市场具有较大潜力。目前国内安防市场规模稳步增长，相比发达国家，我国摄像头渗透率仍待提高。海康威视是目前国内乃至于全球的安防龙头，产品由底层的摄像头硬件、人脸及物体识别算法、后台系统、数据库等全面覆盖。
城市大脑：AI城市治理
大城市病和新型城镇化给城市治理带来新挑战，刺激AI城市治理的需求。大中型城市随着人口和机动车数量的增加，城市拥堵等问题比较突出。随着新型城镇化的推进，智慧城市将会成为中国城市的主要发展模式。而智慧城市涉及的AI安防、AI交通治理将会成为G端的主要落地方案。2016年杭州首次进行城市数据大脑改造，高峰拥堵指数下降至1.7以下。目前以阿里为代表的城市数据大脑已经进行了超过15亿元的投资，主要集中在智能安防、智能交通等领域。
城市交通也是AI的重点场景。从城市问题与落地的技术瓶颈来看，交通领域具有优先的落地价值。以城市大脑为中枢，连接摄像头、车辆标签、交通流量等数据，通过云端的分析和整合，从而实现对城市的精准分析、整体研判、协同指挥，缓解拥堵、停车困难、路线规划、事故处理、违章告发等首要交通问题。
智慧医疗：AI医疗
Fintech：AI金融
AI金融已在智能投顾领域大规模应用。智能投顾也称机器人投顾（Robo-Advisor)，主要是结合大数据、机器学习、市场信息来分析预测金融资产的价格走势；并根据客户收益目标及风险承受能力，构建符合客户需求的投资组合。量化投资在过去几年呈现高速增长。据拓墣产业研究预测，全球智能投顾规模在2020年达到5.9万亿美元（CAGR75%）；Statista预测，中国智能投顾资产规模将在2022年达到6651亿美元（CAGR87%）。在2018Q2国内三家智能投顾规模最大的三家银行：招商银行、中国银行、工商银行的智能投顾规模分别达到116.25亿元、40亿元和20亿元。
数据是AI的核心
受益于移动互联网红利，全球数据量或将从16ZB（2016年）快速增长到40ZB（2020年），到2025年或增至160ZB。数据中心IDC需求持续较高增长。物联网IoT将进一步增加数据量和数据维度，驱动数据量增速超预期。5G技术将进一步提升移动互联网传输速度和连接数，带来工业互联网和智慧城市等更广泛的机遇。预计2020-2025年，5G订阅用户数将从0.4亿爆发式增长到26.1亿（CAGR=131%）。云计算市场亦将持续较快增长。数据产业链（采集、传输、存储、运算）孕育更广泛的AI投资机遇。
数据采集：从互联网到IoT
AI物联网时代：万物互联。中国物联网市场规模已经达到11605亿元；ICinsights也预测，2019年全球物联网的设备连接数将会增长30亿部以上。大规模loT设备的使用将会让数据采集更加便利，也会增加AI学习和计算的数据量。
数据传输：从4G到5G
5G商用可望进一步拉动数据量增速及数据传输效率。根据Statista预测，2020-2025年全球5G订阅用户将从0.4亿爆发式增长到26.1亿（CAGR=131%）；GSMA也预测，5G手机数将从2021年的1亿部增长至2025年的11亿部（CAGR=224%）。5G设备的大规模商用将会带来移动终端数据量的增加和数据传输速度的提高。
数据存储：IDC需求迅速增长
2017年全球IDC市场规模535亿美元（18%），中国市场946亿人民币（32%）。我们判断，未来5-10年数据量仍将持续高速增长，预计到2020年，全球数据中心市场规模接近900亿美元（CAGR为18%）、中国市场近2000亿人民币（CAGR为31%）。
AI云计算高景气度带来需求。AI与云计算已逐步成IDC市场首要需求方，在数据量爆炸式增长及AI背景下，IDC有望保持更快的发展速度，我们预计国内产业2017~2020年的CAGR为42%，而同期全球、美国市场预计分别为26%、23%。
亚马逊
亚马逊：以Alexa为核心开发AIoT体系。Alexa主要通过2个核心服务连接开发者和消费者构建生态:AVS(AlexaVoiceService)和ASK(AlexaSkillKit)。AVS让设备厂商把Alexa的“智能大脑”内嵌进自己开发的设备里，让Alexa深入到不同IoT设备。而ASK提供工具和接口给第三方开发者添加定制化的Alexa技能，提供更多服务。另外，Amazon推出连接工具箱ACK(AlexaConnectKit)，允许设备制造商不联网、不走云端、不需开发技能，通过本地连接就可实现设备“智能化”。Amazon的布局极具前瞻性，笼络了消费者和开发者的同时降低技术门槛让传统的硬件制造商进入生态。最终目标是以Alexa为核心，深入到家居家电、消费级可穿戴设备到汽车的一切平台，最终实现AIoT万物互联。
以AWS云计算为基础布局底层技术。AWS平台上可以选择预先训练的计算机视觉、语言、推荐和预测AI服务。他们可轻松与客户的应用程序集成，帮助处理常见使用案例，如个性化推荐、实现联络中心现代化、提升安全性和提高客户参与度。AmazonSageMaker可以帮助开发人员和数据科学家快速轻松地构建、训练和部署任何规模的机器学习（ML）模型。它消除了各行业运用机器学习的复杂性。亚马逊为进一步深入机器学习领域推出第一款AI芯片Inferentia，在已训练模型的基础上进行推理任务，Inferentia芯片可以担负90%的算力，将推理成本降低75%左右。它支持多种机器学习框架，包括TensorFlow、ApacheMXNet、PyTorch等。
谷歌以科技与智能为核心，深入AIoT场景。谷歌在基础层提高人工智能技术的竞争优势，开发TPU专用芯片提高算力，研发更高级的深度学习算法TensorFlow，增强在图形识别和语音识别领域的能力，对信息进行更深层加工、处理。谷歌将AI渗透到了旗下各产品，延长AIoT全产业链，从互联网、移动互联网等传统业务延伸到智能家居、自动驾驶、机器人等领域，积累更多数据信息形成，最终形成以数据为核心的AIoT生态闭环。
架构调整，OtherBets专注研发与创新业务。从谷歌剥离后，OtherBets旗下业务具有更好的独立性与激励机制，有助推进前瞻性技术与实验性项目，承袭谷歌以科技改变人类生活的愿景。从业务性质来看，OtherBets可视为兼具研发创新、风险投资、孵化器的机构；主要投入在社会公益、人工智能、自动驾驶以及医疗健康四大领域。OtherBets专注于非互联网场景，科技仍为其业务主轴，并大量运用AI等数据科学，目前在AI算法领域已是全球领先。
BAT及科大讯飞是国内AI的龙头企业。科技部公布首批国家新一代人工智能开放创新平台名单中包括百度、阿里、腾讯和科大讯飞四大公司。具体来看，依托百度来建设自动驾驶国家新一代人工智能开放创新平台，依托阿里云公司建设城市大脑国家新一代人工智能开放创新平台，依托腾讯公司建设医疗影像国家新一代人工智能开放创新平台，依托科大讯飞公司建设智能语音国家新一代人工智能开放创新平台。
阿里
阿里：城市大脑进军2G领域。城市大脑是以大数据和AI算法为基础，用以优化城市管理和城市设计的云计算、物联网综合信息数据管理平台，是AI、云计算在2G端的使用场景之一。城市大脑利用实时全量的城市数据资源全局优化城市公共资源，即时修正城市运行缺陷，实现城市治理模式、服务模式和产业发展的三重突破。
城市大脑极大提升了城市运行效率。依靠智能安防、智能交通，城市大脑在城市事件感知与智能处理、社区与安全、交通拥堵与信号控制、公共出行与运营车辆调度等领域实现了城市治理与运行效率的提高。
百度
Apollo：5AIoT与无人智能驾驶的结合。Apollo是一个开放的、完整的、安全的平台，为合作伙伴提供一套完整的软硬件和服务系统，包括车辆平台、硬件平台、软件平台、云端数据服务等四大部分。百度也在车辆和传感器等领域选择了协同度和兼容性更好的供应商，推荐给接入Apollo开放平台的第三方合作伙伴使用，进一步降低自动驾驶的研发门槛。百度也将开放环境感知、路径规划、车辆控制、车载操作系统等功能的代码或能力，并且提供完整的开发测试工具。
DuerOS以语音作为入口，打造未来智能家居和万物互联的关键节点。任何厂商需要用到语音交互和语音识别，都可以轻松使用，所有场景、应用都可以围绕语音展开，用语音操控。从而形成AIoT生态。
腾讯
腾讯依靠基础算力开发通用技术并应用于场景。2018年9月30日腾讯宣布组织架构调整，新成立云与智慧产业事业群（CSIG）、平台与内容事业群（PCG）开放生态战略连接用户，数字技术助力产业升级由封闭走向开放，核心层聚焦“连接内容”，形成从内到外的产业森林。
腾讯云AI赋能，助力开拓对外2B业务。2018年腾讯云市场份额保持国内第二，腾讯云坚持“AI即服务”的业务基石，纵向整合垂直行业，打造模块化产业升级解决方案。腾讯云提供的行业解决方案包括智慧医疗、智慧零售、智慧出行、智慧金融、智慧工业等，聚焦社交、内容、游戏、医疗、零售、金融、安防、翻译八大场景。
搭建AI医疗影像平台。2017年8月3日腾讯发布AI医学影像产品——腾讯觅影，发力医疗影像AI。这是腾讯第一个应用在医学领域的AI产品。该产品可应用于内窥镜、CT、MRI等，利用腾讯AILab提供的深度学习技术，在医学影像中进行疾病早期筛查及诊断。腾讯觅影一共包括6个医疗AI系统，分别是：早期食管癌智能筛查系统、早期肺癌筛查系统、糖尿病性视网膜病变智能筛查系统、智能辅助诊疗系统、宫颈癌筛查智能辅助系统、乳腺癌淋巴清扫病理图像识别系统。筛查一个内镜检查用时不到4秒。对早期食管癌的筛查准确率高达90%，可以有效辅助医生发现癌变征兆，将病魔遏制在摇篮里。
字节跳动
字节跳动成立AILab，研究领域聚焦AI前沿，覆盖面广泛。AI实验室以语音、图像、深度学习为主，在人脸识别、人体识别、智能美妆、手势识别等技术基础上开发趣味类型APP，同时给依靠深度学习，为用户有针对性地推送新闻及视频资讯。
科大讯飞
业务方向上多元化发展。基于智能语音和人工智能的源头核心技术，汇聚产业优势资源，扩展各个应用领域。讯飞目前主要有三大事业群，消费者事业群、教育事业群、智慧城市事业群，涉及领域包括教育信息化服务、智慧城市、智能客服、车载等众多业务方向。在核心技术上，有讯飞研究院和大数据研究院进行核心技术的不断研究和突破。
基于讯飞领先的核心技术开放了全球首个面向开发者的语音云平台。自此确定了讯飞开放平台作为科大讯飞核心技术重要窗口的战略定位。2010年开始陆续开放了语音听写、语音合成、命令词识别、个性化听写等服务，基本每年都会开放大量的核心技术能力，包括在2015年随之智能硬件行业的兴起，陆续开放了面向智能硬件方向的远场交互方案，如麦克风阵列、用户级唤醒、AIUI等服务。同时讯飞开放平台秉承开放共赢的理念，持续为开发者输送最好的服务，核心的效果也在全面提升。
打造语音识别领域生态与场景。依托技术优势以及“讯飞开放平台”。科大讯飞以平台为依托建立了智能语音生态圈，提供细分行业的产品和解决方案，主要场景包括教育、智慧城市、政法等，构建了以生态细分场景的双翼战略。
海康威视
海康威视是目前国内乃至于全球的安防龙头。产品由底层的摄像头硬件、人脸及物体识别算法、后台系统、数据库等全面覆盖。公司依托“雪亮工程”与政府合作，对城市及乡镇的安防提供智能化解决方案。公司产品覆盖智能摄像头、人证对比、智能摄像机等。随着公司研发支出的提升，未来公司将进一步在智能安防领域扩大市场规模。
初创公司
初创企业数目回落，行业格局有望向头部集中。2012-2015年是AI创业高峰期，大量AI企业进入市场，与近年来随着投资额的增长相反，新创公司数目大幅度下滑。由于科技公司具有马太效应，强势企业及先入企业的头部效应会更加明显，以估值前50名的企业为例，达到C轮融资的企业比例仅有48%，原有分散的行业格局有望得到进一步集中。
神经网络技术面临新的瓶颈，人工智能技术面临伦理压力，科技巨头面临更严格的数据安全法规和反垄断压力等。
许英博
中信证券前瞻研究首席分析师，毕业于清华大学汽车工程系，2007年进入中信证券研究部任汽车行业分析师。2016年，许女士牵头成立前瞻研究团队，在中国证券市场上率先以前沿科技为主要内容开展跨行业研究和跨境研究，研究内容聚焦于“数据产业链和人工智能”、“新能源汽车和智能驾驶”等前沿领域。许女士曾多次获得新财富最佳分析师“汽车和汽车零部件”行业第一名，多次获得水晶球奖和金牛奖最佳分析师“汽车”行业第一名，曾获IIAllChina（InstitionalInvestor，机构投资人）最佳分析师“汽车”行业第二名。2017年AsiaMoney亚洲货币最佳分析师“科技硬件（Tech）行业第二名。
本资料不构成对具体证券在具体价位、具体时点、具体市场表现的判断或投资建议，不能够等同于指导具体投资的操作性意见，普通的个人投资者若使用本资料，有可能会因缺乏解读服务而对报告中的关键假设、评级、目标价等内容产生理解上的歧义，进而造成投资损失。因此个人投资者还须寻求专业投资顾问的指导。本资料仅供参考之用，接收人不应单纯依靠本资料的信息而取代自身的独立判断，应自主作出投资决策并自行承担投资风险。