未来已来,人工智能万亿市场一触即发


报告摘要

1、基础+政策+资本助推人工智能稳步发展,万亿市场一触即发

2016年AlphaGo击败李世石九段围棋高手一石激起千层浪,热点引爆人工智能,经历两起两落的人工智能在数据、芯片、算法的助推下迈入真正的黄金增长期;2017年人工智能政策频繁出台,《促进新一代人工智能产业发展三年行动计划(2018-2022)》明确指出以新一代人工智能技术产业化和集成应用为重点,推动人工智能与商业场景的深度融合;资本涌入市场飞速扩张,中国人工智能市场规模从2012年的51.7亿元上升至2017年的152.1亿元,预计2018年将逼近238.2亿元,年复合增长率达到17%,资金聚集智慧医疗、智慧金融等领域。技术基础+政策+资本三足鼎立,人工智能大步向前,万亿市场一触即发。

2、基础层、技术层格局初定,下游AI+应用稳站行业风口

(1)上游基础设施主要是硬件芯片提供商。其中Intel在计算机CPU领域一家独大,Nvidia在GPU方面遥遥领先,FPGA的核心玩家是Altera、Xilinx,Altera已被Intel收购,硬件芯片方面寡头局面已经形成,技术壁垒短时难以打破。随着人工智能快速发展,全球科技领域的顶尖巨头争相投入针对人工智能计算进行优化的定制芯片,国内BAT系投资的中小创业企业有一定看点。

(2)中游技术层主要包含语音识别、数据挖掘、自然语言处理、计算机视觉等通用技术平台的搭建,以科大讯飞为龙头的语音识别技术格局基本已定,计算机视觉也已经浮现出商汤科技、旷视科技等企业。新三板技术层鲜有布局,专注于技术平台开发的企业只有捷通华声一家。

(3)下游AI+应用百花齐放,新三板市场智慧医疗、智慧金融、服务机器人成风口。当前AI+应用此起彼伏,新三板企业中发展最为成熟的主要在利用生物识别的安防与数据挖掘方面的精准营销领域,技术水平与主板公司不分上下,市场竞争格局凸显。而立足于自然语言识别与计算机视觉的高速成长,金融、医疗、服务机器人、智慧城市等领域市场空间广阔,格局未定,具备较大的发展潜力,形成投资风口。据估算,在中国预计至2030年,金融行业人工智能将带来约6000亿元人民币的降本增益效益,医疗行业人工智能可以带来约4000亿元人民币的降本价值,形成投资的风口。

3、重点关注:通过梳理新三板上涉及人工智能的公司,在AI+应用层面,建议重点关注的公司有:捷通华声837790.OC(语音识别,拟摘牌);天智航834360.OC(智慧医疗);益盟股份832950.OC(智慧金融);中源智人833135.OC(工业机器人);中科汇联835529.OC(服务机器人);清睿教育834987.OC(智慧教育);群智合836442.OC(互联网及其应用);海鑫科金430021.OC(智慧安防)。

4、风险提示:人工智能技术发展速度不如预期;应用层技术落地不如预期


一、基础+政策+资本三力共趋,“AI+应用”成行业风口

2016年3月,一场长达5小时的搏杀,谷歌人工智能AlphaGo与围棋世界冠军李世石的人机大战最后一场结束,AlphaGo以4:1的比分获胜。这场惊世对局一石激起千层浪,“人工智能”这一看似遥远的概念开始进入普通公众的认知,引爆整个商业圈。而这其实并非人工智能第一次出现在人们的视野中,人工智能的发展起于20世纪50年代,发展至今已经经历了六十余年。这六十年间,人工智能经历了两次潮起潮落,真正的热浪在后面不断袭来。

20世纪50年代,明斯基组织的达特茅斯会议标志着人工智能的诞生,艾伦图灵提出的图灵测试引发了学者们对于数学证明系统、知识推理系统的研究热情,人工智能在学术圈掀起热潮。然而当时的电子计算机诞生不久,机器运算速度过慢、数据源缺乏、算法过于简单,都无法支撑人工智能的发展。到了20世纪70年代,人工智能便逐渐淡出人们的视野。

20世纪80年代,基于统计模型的技术开始兴起,XCON专家系统取得成功,霍普费尔德网络与反向传播算法使得神经网络在模式识别领域开始有所建树。然而即便当时算法已经有了一定的提升,但是只能用于特定领域与场景,具有较大的局限性,计算力的不足以及数据的缺乏使得人工智能的技术无法满足商业需求,人工智能的发展再一次进入寒冬。

直至2006年期,Hinton使用DBN算法成功训练深度神经网络,人工智能迎来了第三次春天。CNN、RNN算法开始发展起来;伴随着互联网的发展,海量的数据积累为人工智能提供了充足的数据库;GPU在深度学习中的应用使得神经网络的计算速度提高了几个量级。基础软件、硬件、数据池的改善,为人工智能的发展提供了强劲的支撑。同样不同于前两次的热潮,人工智能这一次的发展由学术圈拓宽到商业圈,大量资本的涌入、商业场景的支撑都使得人工智能真正进入了增长的黄金期。

1. 数据、算法、硬件到位,助推人工智能稳步变革

1.1 爆发式的大数据增长为AI提供养料

在前两次人工智能发展的浪潮中,数据的缺乏使得算法难以得到很好的验证与发展。数据支撑是人工智能得以发展的基础。

大数据爆发式的增长为算法的训练提供了很好的养料。随着互联网时代的到来,数据打破了地域、行业的限制,随着PC、移动互联网、电子设备的增加推进了数据指数式的增长。根据监测统计,2016年全球的数据总量为16ZB,根据市场调研机构IDC的预计,到2020年,全球数据总量将40ZB,我国数据量达8.6ZB;到2025年,全球的数据总量将达到163ZB,是目前的10倍,全球每人每天与联网设备互动的次数将近4800次,平均每18秒产生一次互动。

随着百度等搜索引擎提供大量的搜索数据,腾讯社交平台积累社交数据,阿里巴巴京东等形成大规模的电商数据,滴滴打车、共享单车收集交通数据……不同场景数据量的增多、数据类别的全面化使得不同商业场景的人工智能应用成为可能。

1.2 深度学习助推AI商业应用高速发展

深度学习的出现使得机器进一步具备了更强的学习能力。不同于数学证明系统、统计技术、专家系统等传统计算算法,深度学习算法不需要人为提取特征,而是通过大量的数据训练人工神经网络,神经网络学习隐含在数据中的深层次规律,对数据进行分类识别,用训练得到的神经网络再去推断并得出输出结果。这种算法突破了过去传统浅层学习算法的局限,改变了机器学习算法的设计的思路。

随着神经网络的不断强化、构建,神经网络的层数逐渐增多,机器学习的精确率越高,且提升的速度也在不断增加,2016年,在Imagenet图像分类比赛中,使用神经网络进行图像分类已经能将错误率降低到2.9%。深度学习带来的高效率与显著效果使得人工智能技术得以从学术领域转战应用到商业场景中。

1.3 芯片变革为AI算法提供高速跑道

传统CPU芯片难以满足深度学习高性能并行计算的需求。在深度神经网络的训练过程中,为了得到具备普遍意义的效果,这个训练的过程需要海量的数据量;而由于神经网络在计算过程中存在大量的矩阵和卷积计算,传统CPU不具备大量数据并行处理的能力,计算效率较低,而人工智能算法需要具有大量数据并行处理能力并做了针对性优化的芯片支持。

针对性优化的芯片为AI算法提供高速跑道。不同于适合多线程处理的CPU芯片,GPU是图片处理器,专门为执行复杂的数学和几何计算而设计,这些计算是图形渲染的必须,在浮点运算和并行运算方面能够提供数十倍乃至数百倍于CPU的能力,而这正是神经网络计算所需要的。在发现GPU能够很好的应用在深度学习之后,英伟达针对这些应用场景研发出针对性的产品以及加速驱动程序。同时谷歌、寒武纪、特斯拉等公司也开始研发针对深度学习优化的ASIC芯片,大量针对性芯片的研发带来人工智能芯片发展的一场变革。

2. 国家政策大力引导,战略布局人工智能

2.1 人工智能上升至国家战略层面

美国是人工智能发展最为领先的国家,早在2013年就出台了人工智能的相关政策,将“国家机器人”作为重点发展领域。2016年5月,成立了“人工智能及其学习委员会”。紧接着在2016年10月,发布了《为了人工智能的未来做好准备》与《美国国家人工智能研究与发展规划战略》,进一步将人工智能上升到国家战略层面。

我国人工智能的政策出台略晚于美国,但是紧跟其后,很快也将人工智能发展上升到了战略层面。自2015年5月发布《中国制造2025》,提出发展智能制造;接着在7月在《国务院关于积极推进“互联网+”行动的指导意见》中第一次正式将“人工智能”字眼放进政策文件中。2016年间,关于人工智能的政策文件大量发布,充分体现人工智能方面的政策支持力度不断增强。到2017年初,“科技创新2030重大项目”将“人工智能2.0”添加进体现国家重大科技项目中;2017年7月,国务院发布《新一代人工智能发展规划》,正式将人工智能发展提升到国家战略层面。2018年3月,《政府工作报告》第二次提及人工智能,指出加强新一代人工智能研发应用,在医疗、养老、教育、文化、体育等多领域推进“互联网+”。政策上的强化趋势意味着人工智能即将迎来一次长久的爆发式增长,万亿市场近在眼前。

通过政策归纳总结发现,芯片以及技术作为人工智能发展的基础要素,始终是政策关注的关键点;而在人工智能的应用层面,其中工业机器人的发展是国家最开始重视并且始终保持着足够重视的应用领域;其次,智慧医疗、智慧城市、智慧教育以及无人驾驶这些应用领域考虑到人口老龄化的加速、技术变更的必要性,也成为了较受政策关注的领域。

2.2 各省份争相布局,智能制造成重点

随着人工智能在国家战略的调整,各省市也纷纷出台相应政策布局人工智能发展战略。北京早在2015、2016年就以中关村为中心布局智能硬件与智能机器人的发展;广东省在16年“促进大数据发展行动计划”中将自然语言理解、及其学习、深度学习等技术的作为发展方向;陕西、吉林省也分别在16年发布支持智能家居、智能终端、智能汽车、智能机器人发展意见书。而上海市等9省市则集中于17年末出台人工智能发展实施意见以相应国家层面的人工智能发展战略。各省份政策对人工智能国家战略的细化与支持为人工智能技术加应用的落地奠定了坚实的政治基础。

通过上表可以发现,基础硬件以及技术层面,北京、广东、上海、重庆、浙江给予了一定的关注,其具备足够的高校人才作为支撑;而因为中科院以及科大讯飞都坐落在安徽,安徽在技术层面的发展也较为突出且较为重视。从人工智能的应用层面来看,其中智能制造、智能机器人是各省份都抢先布局的领域,足以体现工业发展在各省份的重要地位,同时,智慧医疗以及无人驾驶的发展在2017年开始被逐渐提出,而随着自然语言处理技术的不断发展,服务机器人也开始受到重视。

3. 商业资本参与,AI投资风口成型

人工智能是一个高门槛行业,主要体现在资本技术要求双高,前期需要大量的资金驱动,再结合长时间的数据技术培育才能把人工智能的正效应充分传递到应用层。目前人工智能市场体量和增速巨大,商业资本积极参与,AI投资风口成型。据赛迪公开数据显示,2015年全球人工智能市场规模为1683.9亿元,预计2018年将逼近2700亿元,年复合增长率达到17%。另根据麦肯锡预计,到2025年,人工智能应用市场总值将达到1270亿美元。截止2017年,据人工智能创投数据库统计目前我国有上千家人工智能相关公司,发生多次投资事件,好的市场前景使得人工智能涌入大量资本,2000年至今,互联网各大巨头纷纷布局人工智能,人工智能一直是市场所追逐的热点。

3.1 大量资金涌入人工智能,企业数量井喷

当前由于基础、政策、资本的全面推动,人工智能企业数量越来越多。根据相关数据2012-2016年,全球人工智能企业新增5154家,是此前12年的1.75倍。全球人工智能融资规模达224亿美元,占2000-2016年累积融资规模的77.8%。仅2016年的融资规模就达到92.2亿美元,是2012年的5.87倍,与2000年-2013年累积融资规模相当;2000-2016年,中国人工智能企业数累积增长1477家,融资规模累积达27.6亿美元。其中,2014-2016年三年是中国人工智能发展最为迅速的时期。在这三年里新增的人工智能企业数量占累积总数的55.38%,融资规模占总数的93.59%。

截止2017年,据人工智能创投数据库统计目前我国有1553家人工智能相关公司,发生1572件投资事件,总投资额1649亿元,资本涌入市场飞速扩张,中国人工智能市场规模从2012年的51.7亿元上升至2017年的152.1亿元,预计2018年将逼近238.2亿元,年复合增长率达到17%。根据罗兰贝格预测,至2030年,人工智能将在中国产生10万亿元的产业带动效益。

美国市场研究公司CB Insight公布了最新的数据研究报告,2017年全球AI初创企业融资金额达152亿美元,其中中国人工智能创业公司占据了48%,相较于2016年的11.6%实现了翻倍增长。美国AI初创企业融资金额占38%,中国的人工智能创企融资额超越美国首次跃居全球首位。

3.2 资金聚集AI+医疗及金融,巨头布局人工智能生态圈

资金聚集和巨头布局,全球 AI 加速赋能。当前,全球每年有 100+亿美金,累计 1000+亿美金(Pitchbook 数据统计),持续投入到全球 AI 的发展。国际巨头(谷歌/亚马逊/苹果等)引领AI并购潮起,数据和人才成为并购争夺的重点。在资本和巨头的悉心呵护下,明星初创独角兽的不断涌现,AI 加速赋能,面向医疗、金融等各类行业的企业。

从国内外投资角度来看,资金都是往应用上靠拢,且都在医疗、金融领域较多。下列表格显示相关应用层企业资金情况,其中国内在医疗健康、金融以及陪伴与服务相关应用最为丰富;国外在医疗、金融、无人驾驶以及销售、农业上运用较为丰富。其中医疗有着最迫切的变革需求,能否通过人工智能+医疗助力变革,成了群雄逐鹿的新浪潮。另外,金融业对其它行业来说充当着润滑油的作用,而人工智能与金融的自然切合将给金融业带去很多新兴的应用。

2017年人工智能行业发生了许多新兴的融资事件,融资主要集中在无人驾驶、智能机器人相关应用上。其中蔚来汽车、今日头条、出门问问获得上亿美元资金融资,人工智能行业在资金的推动下,配合基础建设的日益成熟,数据的相关积累,预计2018将在应用层持续爆发。

另外,国内的巨头也开始纷纷布局人工智能,其中布局最多的是应用层,主要布局服务机器人、金融、医疗、自动驾驶领域。阿里系倾向于布局安防与金融领域的技术和应用层公司;腾讯系则全面布局各种领域的AI技术和应用公司,全产业链布局;百度系最为重视基础层技术的国内巨头,主要关注语音识别与交互,无人驾驶。


二、三板人工智能行业布局

人工智能行业依据上中下的结构特征被划分为:基础层、技术层、应用层,各层面环环相扣,基础层提供技术运算的平台、资源、算法,应用层的发展离不开技术的应用。

基础层分为硬件和软件。硬件即具备储存、运算能力的芯片,以及获取外部数据信息的传感器;软件则为用以计算的大数据。

技术层主要是人工智能技术,能够用于解决不同类别的问题。人工智能算法主要是机器学习的算法,含有线性模型、逻辑回归、决策树模型、支持向量机、贝叶斯分类器、聚类算法等广泛用于统计分类的方法;近年来开发出的且最为广泛使用的是神经网络的深度学习算法,具体可分为CNN、RNN、GAN,神经网络算法与传统的统计分类算法具备不一样的算法设计思路。按照不同技术解决的不同问题,技术层在行业划分中往往会按照解决问题导向划分领域,如语音识别、机器视觉、自然语言处理、数据挖掘、自动控制等,当前最广泛解决的问题主要为语音识别、自然语言处理、机器视觉、数据挖掘。

应用层则是将算法技术运用到具体的商业应用场景中,能够模拟人类且比人类更加高效的解决问题。人工智能的应用领域与应用程度取决于相应选择的算法以及算法的成熟程度。

考虑到新三板企业主要是初创企业或者深扎于某一单一领域的企业,规模并不十分大,大部分的三板企业通常是有着传统行业的背景与数据积累,进而将人工智能应用于具体的细分场景,基础层与技术层的企业较少。

1. 基础层布局初定,寡头局面成型

1.1 国际巨头争相布局,定制化芯片成发展热点

基础层中芯片等硬件的研发往往需要长时间周期、大量资金的投入,是人工智能行业发展的根基。考虑芯片作为行业发展的重要命脉,以及生产芯片需要的高技术与高投入,芯片通常是巨头们争相驱逐的市场。联发科、高通、Intel 等知名大厂,自行设计各自的 IC 芯片,提供不同规格、效能的芯片给下游厂商选择,所以总的来说高端芯片均由总设计师所垄断。其中Intel在计算机CPU领域一家独大,Nvidia在GPU方面遥遥领先,FPGA的核心玩家是Altera、Xilinx,Altera已被Intel收购,硬件芯片方面寡头局面已经形成,形成的技术壁垒短时难以打破。全球人工智能和芯片领域的顶尖巨头争相投入,国内BAT系投资的中小创业企业有一定看点。

通过对新三板芯片公司的梳理,这里我们将芯片笼统的定义为电子元器件相关公司。新三板行业主要有47家相关公司, 总的来看芯片类的三板公司大部分没有自己核心的专业设计技术,半数以上属于代工厂性质。新三板芯片公司发展得较好的是中感微(835399.OC),在传感网相关领域实现大量前瞻性的技术储备,在音频传感产品线方面具备领先技术和良好的市场表现。公司目前已拥有国内外专利及专利申请700多件,其中授权专利300多件,并包括6项美国专利。

目前应用层可能爆发的医疗应用上的生物芯片将是未来的一个看点,涉及生物芯片、生物传感器的公司新三板主要有:微点生物(835054.OC)、源宜基因(838686.OC)、赛乐奇(834496.OC)。

1.2 AI专有数据布局不多,细分行业数据成突破口

大数据作为人工智能最基本的养料,有着与芯片不相上下的重要性,数据的规模决定了算法训练的效果。然而国内的数据市场已经格局相对明显,BAT分别作为互联网、电商、社交平台,掌握着绝大部分的数据,同时通过投资滴滴打车、美团等企业掌握生活交通等数据。对于新三板企业而言,只能通过深入某一细分领域,获取BAT还没有完全掌握的行业数据如医疗、教育等数据,才有机会跑在巨头之前。

基础大数据层面,新三板专注于做数据库的只有数据堂(831428.OC)一家企业,是新三板大数据第一股,旨在打造数据银行,已经具备2000TB的数据集。公司服务过华为、百度、三星等知名企业。公司与北京大数据研究院合作,成立联合实验室,董事高管的中科院、北交背景为公司的技术提供充足的背景支撑,当前公司开拓出AI线,为AI技术的发展提供专业处理后的数据支撑,占总营收的75%左右。(风险提示:公司因为可能存在数据泄露的情况,已经停牌过半年的时间)

2. 技术层鲜有布局,国内技术格局显现

技术层面,当前国内公司的布局已经初步显现出来,语音识别方面技术平台布局以科大讯飞、思必驰、云知声、捷通华声等为主,且随着语音识别技术的不断成熟,各大语音识别技术平台开始转向自然语言处理技术的研发。计算机视觉方面技术平台布局以商汤科技、旷视科技、格林深瞳、依图科技、云从科技为等为主。

技术层的布局主要需要底层具备足够的算力及大数据,通过大量的数据训练算法,机器学习依托平台进行不同方向的技术研发。这一技术平台的搭建与发展需要一定的时间周期、大量的研发人才与资本投入,且短时间未必能够带来技术变现,对于三板公司而言很难同时具备足够的规模、资本、技术水平进行.三板上专门做技术平台的公司很少,只有其中捷通华声是主要专攻于语音识别发家,后期开始发展自然语言处理,不过在深耕于技术之后,也开始逐渐转变向技术的应用发展。技术平台的创建需要大量的资本投入、研发技术人才,

3. 深耕商业场景,应用层百花齐放

三板上的公司大都规模较小,扎堆于人工智能技术的场景应用,深入发展某一项技术的应用。主要布局涉及工业机器人、智慧医疗、智慧金融、服务机器人、智慧教育、智慧城市、智慧安防、智慧家居、互联网及互联网应用、无人驾驶这几个方面。

3.1 工业机器人:图像识别拭待深入,深度机器学习仍需深耕

制造业作为国家经济发展的一大重要的实体支撑,智能制造、工业机器人的发展始终备受国家政策的支持。工业机器人方面当前可发展的人工智能技术主要是计算机视觉,可用于机器人的分拣、产品定位、产品质检这些还较为初期的层面;其次是语言识别、人机交互的技术应用,通过语音进行机器的控制,发展这类的企业不多。

三板上涉及工业机器人的企业有四十家企业,但大部分的企业主要还是停留在自动化生产线的构建,以人工编程为主要的技术支持,值得关注的是发展智能图像检测的中源智人。少数企业会使用机器视觉进行定位、分拣,但是以简单的图像处理为主,还具备很大的技术发展空间。其中辉科股份将语音识别用于对工业机器人的控制应用方式较为特别。

相比之下,主板上发展智能工业机器人的企业较多,大部分是在计算机视觉技术方面训练机器人的图像检测能力,相比新三板的企业有更强大的资本与技术支撑。

备注:深红色的应用代表新三板企业已经掌握的相对成熟,淡红色表示有涉足但技术不成熟,白色的代表该方向应用新三板企业还没有涉足。(下同)

3.2 智慧医疗:手术机器人突出,辅助治疗缺乏数据支撑

考虑当前医疗资源的紧缺性、培养医疗人才的耗时性、医疗资源分布不均等背景,无论从政策导向还是实际需求层面,智慧医疗都是需要迫切发展的行业。智慧医疗发展的基础是互联网医疗,需要构建完备且高质量的医疗数据平台,而医疗平台搭建的复杂性、医疗数据的保密性都使得互联网医疗很难以真正发展起来,近年来互联网医疗经历了飞速发展的泡沫期与泡沫破裂期。但是随着人工智能技术的不断发展,国外以手术机器人、辅助治疗、医疗影像判读为代表的人工智能技术已经发展得相对成熟的冲击下,中国的医疗平台的构建以及智慧医疗技术的发展有了更为强劲的助推力量。

当前主板上发展智慧医疗主要方向为医疗影像智能判读、病例理解和检索两个方面,达成对医生进行辅助治疗,代表公司为思创医惠、万东医疗、鱼跃医疗,依赖于较充足的资本以及优越的渠道资源获得医疗信息。但中国的互联网医疗平台搭建并不完备,有许多医疗资源并不全面,大多还是掌握在医院手中,因此当前国内辅助治疗发展进程相比国外更加缓慢,大部分处于研发投入阶段,商业格局并未确定,还有很大的市场空间,距离技术的成熟还需要较长时间。

三板上智慧医疗的发展主要为手术机器人以及智慧医疗平台的搭建,其中手术机器人当前仅有天智航一家企业,发展的较为成熟,是全球第五家获得医疗机器人产品注册许可公司。智慧医疗平台的搭建又分为两个发展的重点方向,一是电子病历这一结构化的数据库的构建,二是医疗影像这一非结构化的数据库的构建,这两个都是后期机器学习不可或缺的一部分。但是在医疗平台构建方面,电子病历的质量以及完备性都较差,大部分平台还主要是进行病人看病信息的录入以及挂号等线上操作的实现。涵盖医疗影像、电子病历信息收集处理的公司只有两家,且受地域因素影响,可获取的数据十分有限,质量难以评估。

由上图可得知,人工智能+医疗在主板和新三板的发展都还处于初期,并没有覆盖全部应用方向和具备较大的市场空间。主板以辅助治疗为主,新三板企业手术机器人发展较好,辅助治疗方面技术水平相比主板企业弱很多,还处于平台构建、数据积累阶段。

3.3 智慧金融:各大中小企业争先布局,主要从智能投顾切入

智慧金融的人工智能应用三板上主要分为智能投顾以及反欺诈和监控预警。其中智能投顾主要应用机器学习技术,以数据挖掘是最基础的步骤,这与互联网及互联网的应用有些交叉重合。这一领域上市公司中同花顺、东方财富等具备大量金融数据的企业已经抢先布局,但因为当前各中小金融理财平台较多,都有智能化发展的需求,这一类市场空间较大,技术变现较快,大中小公司纷纷参与布局,竞争较为激烈。其中专攻金融数据的益盟股份值得关注,由腾讯参股,营收规模已达六亿,以完备的投顾+培训的服务体系积累了良好的客户群体。

其次是金融的反欺诈和监控预警,这一类应用三板上企业较少,且大部分企业主要是侧重于监控预警,利用数据挖掘中特征抽取进而辨别非正常的数据交易,利用计算机视觉中生物识别进行支付交易的监控预警。智能客服领域,拥有大量数据的金融行业也是各大客服争抢布局的一大区域。

3.4 服务机器人:市场需求大而广,分散化格局带来发展机会

服务机器人的应用市场范围十分广泛,随着人口红利的消失、劳动力成本的上升,当前发展的较为迫切且发展到一定成熟度的是伴随着自然语言处理技术发展的智能客服。三板上主攻智能客服的有四家企业,其中发展的规模较大一些的智臻智能,但是已经提交了拟摘牌申请。其他三家企业分别是基于传统业务开拓智能客服业务,中科汇联是从事内容管理,有强大的政务平台运营背景;快商通具备呼叫医疗平台网站运营背景;ST中通同时开展了呼叫中心业务。智能客服当前市场已经展现出一定的竞争格局,淘宝等电商平台掌握了电商客服市场,但是考虑自然语言处理技术还正处于发展期,企业、政务端的智能客服市场还没有完全被开发,智能客服的客户并不具备完全的粘性,市场格局并未完全稳定下来,仍具备巨大的发展空间。

服务机器人的另一方面应用是智能家居、智慧城市等方面,如送餐机器人、扫地机器人、清洁机器人等应用。这一类的应用上市公司海尔、科沃斯、美的、格力等大型家电企业都已经开展布局,相比三班企业有更强的资本和技术优势。发展这一类的企业三板上只有三家,其中清洁机器人应用更多的是路径的规划,送餐机器人应用的语音识别、人机交互、机器视觉等技术更加突出一些,但是穿山甲的规模较小,且因为研发投入基本占比50%,盈利表现并不突出。虽然大小家电都开始争相布局,但服务机器人的涵盖范围十分广,技术应用模式还没有完全发展确定,市场的边界也相对更宽。


3.5 智慧教育:个性化学习与口语测评两大阵营齐头并进

智慧教育的发展当前主要应用于测评(作业、口语)与个性化推荐方向。主板上的相关企业布局口语、作业测评方面主要是以科大讯飞为代表的口语测评;而好未来、立思辰等企业则依赖已有的较为完善的教育培训课程体系,重点布局个性化学习。

新三板应用到人工智能技术的教育企业只有四五家左右,根据主板企业的分类也分为两个方向。最成熟的是归属于新东方系的清睿教育的口语识别技术,当前作业批改的技术发展还不是很成熟.另一类是归属于好未来系的校宝在线,但是技术还不是很成熟,仅是通过数据挖掘进行精准教育的推送。三板上其他大部分教育企业主要还是在智慧校园等将学生、老师、学校、家长互联互通平台的构建,人工智能技术体现不多。随着自然语言处理技术的不断提升、平台构建的不断完善化,结合教育领域当前教育资源分布不均、教育资源稀缺的情况,智慧教育还有很大的发展空间。

3.6 智慧城市:扎推智慧安防,城市云平台依赖地域支持

智慧城市当前主要应用于智慧交通与安防。三板中发展的较为成熟的技术是计算机视觉中的生物特征识别技术,这一项技术也是当前智慧城市中较关键的技术,使用最广泛的是指纹识别、人脸识别次之。在这一领域新三板和主板公司的发展布局差距不大,同时因为新三板企业的主业发展更加聚焦,在不同的细分生物识别领域基础更被看好。同样布局广泛的是基于视频数据发展的智能视频监控分析,依托于当前计算机视觉的发展,这一领域的市场发展的潜力较大。

智慧交通层面应用最多的是智能摄像头、以及智能停车场,但是技术层面还不是很成熟。大部分的三板企业还处于智慧城市平台的搭建阶段,为政府、公安机关、社区搭建智慧平台,进行数据的积累,构建城市的产业网络,技术的发展则需要依托平台的构建完成。但是这方面的数据网络的构建在主板以及BAT巨头层面已经发展的较为完善了。美团等外卖掌握着大量商家、客户的地理信息;滴滴打车、mobike掌握着城市交通、车辆与客户的地理信息这些数据把握在他们的手中使得一些三板的小企业很难做起交通信息相关的平台。三板企业的发展则往往需要依托于政府的支持,具备较大的地域限制。


3.7 智慧家居:仍处于家居云平台搭建中,智能锁迎发展风口

三板上智慧家居的发展更多处于智慧网络的构建,通过wifi或者无限蓝牙的方式将各个家居产品连接到手机APP上,利用智能手机进行控制,这些控制中人工智能的技术没有很多,但是平台的构建对人工智能技术的发展是不可或缺的。

当前智慧家居应用人工智能技术则主要是人机交互与家庭安防。其中人机交互考虑智能机器人能够与人进行对话沟通,需要利用语音识别、自然语言处理等技术。家庭安防则利用生物识别技术,虽然生物识别技术已经发展的较为成熟,但是在家庭安防锁的普及率还是很低的,安防锁具备较大的市场空间,其中当前家庭安防主要是应用指纹锁,而指纹锁的稳定性以及不完全的指纹识别率使得指纹锁一般还需要配备密码锁等辅助使用。随着技术不断的发展,虹膜识别、掌静脉、指静脉识别的发展,家庭安防的市场格局有望发生较大的改变。

3.8 互联网及应用:精准营销先行,细分领域数据挖掘遍地开花

互联网以及互联网应用当前主要利用到数据挖掘技术,再进一步的发展方向将是利用数据训练自然语言处理技术,其中最重要的是数据的数量与质量的保证。新三板大部分的公司在这个场景上应用更多的是数据挖掘技术,主要应用于移动营销、舆情商情挖掘分析、证券新闻分析、政务数据挖掘等方面。

数据挖掘方面发展的最为成熟的是移动营销行业,这一类企业与国内BAT巨头、国外谷歌等巨头形成了上下游协作关系,利用大量的互联网数据,绘制用户的个人画像进行精准营销,技术的完善主要是随着2012年发展起来的程序化购买技术的不断成熟而发展。当前三板上的移动营销企业格局已经基本稳定,发展至今市值过亿、营收过亿的只有少数几家,分别又分为主攻海外和内陆市场,龙头已现。

其他细分领域的数据挖掘技术则主要依托于数据类别的专有性、数据量的大小,对企业机器学习发展的能力有较大的影响,市场格局较为分散,新三板上已经具备一定规模的有英富森(主要处理政务、教育等数据)、孔明科技(主要处理快消、电商、金融数据)、美林数据(主要处理工业数据),数据具备强专有性的有群智合(地理物理数据处理),而北科瑞声于极天信息侧重于舆情商情挖掘,重点发展自然语言处理等技术,不过当前规模不大。这一市场空间较大,若数据具备专有性,公司具备更大的发展可能性。

3.9 无人驾驶&无人机:企业布局零散,人工智能技术应用少

无人驾驶&无人机领域三板上的企业公司较少,只有3家左右。其中无人机三板上有臻迪科技,但是当前的人工智能技术应用不多,因为空中的交通环境相比陆地更为简单,当前主要还是处于遥控或设定路程飞行的阶段;相比之下,无人驾驶的交通环境更为复杂,涉及需要使用的技术业更加复杂,当前百度、驭驶、大疆等巨头已经抢先布局并且已经发展的较为突出了,考虑到三板企业的规模更小,技术水平也有一定的差距,这个方向的市场空间已经较小。


三、新三板人工智能重点关注业务及公司推荐

1. 应用导入,长期重点关注AI+医疗、服务机器人领域

三板上的公司主要应用到的技术为语音识别、自然语言处理、计算机视觉、数据挖掘。

(1)三板公司技术发展的较成熟且较广泛使用的是计算机视觉中生物识别技术以及数据挖掘技术的应用。

其中生物识别技术主要应用于安防领域,具体细分为指纹识别、人脸识别、虹膜识别、静脉识别。应用最为广泛的是指纹识别以及人脸识别,但是这二者的识别率以及召回率相比虹膜识别以及静脉识别都要更弱一些,往往需要辅助以电子ID卡的帮助才能够保证准确率。在这个背景之下,考虑在政府、金融、安保等很多安全需求性更高的领域对于生物识别的精准性有着超高的要求,精准率、稳定性、适用广泛性更高的静脉识别则有着更好的发展前景。三板上发展静脉识别的公司大致有三四家左右,技术层面上已经发展的较为出色。

得益于互联网的飞速发展以及大数据技术的提升,数据挖掘是三板上发展的也较为成熟的技术应用。无疑,数据挖掘技术的发展中最根本、最基础的是数据源。当前我国的数据俨然被分为了两种类型,一类是被BAT巨头所掌握的社交、搜索、电商数据;第二类则是金融、医疗、政务等具体细分行业的更加专业系统的数据,这些数据BAT难以做到垄断性的控制,而也只有从这些数据方面,三板的公司才有发展的空间与可能。其中,三板公司发展的较为成熟的是移动营销领域应用程序化购买展开的精准营销,另有一些细分的专业领域因为具备专有的数据资源而发展的比较完善。

(2)技术发展相对成熟但在新三板公司应用广泛新不高的是语音识别技术。

其中语音识别技术发展的最好的是捷通华声,重点发展语音识别技术。语音识别作为人工智能技术领域中的感知层面的技术,最早发展起来,数据资源也比较充足,但是从技术的应用角度来看,因为基本的发展格局已定,市场上语音识别的技术与巨头都已经出现,继续发展该技术的企业很少。主要应用领域是在智慧教育的口语测评以及智慧家居的人机交互方面。

(3)技术发展还处于发展探索阶段但在新三板企业应用需求比较广泛的是自然语言处理技术与计算机视觉。

人工智能当前的发展已经由感知层逐步进入了认知层面,要做到认知,自然语言处理技术是发展一大必要技术。当前的自然语言技术无论是在主板还是三板,发展的都并不完全成熟,还需要不断的训练、强化。捷通华声已经由语音识别领域的发展扩展到自然语言处理技术的发展。三板当前对自然语言处理技术需求最广泛的是在服务机器人的客服机器人领域、智慧医疗的电子病历、智慧教育的作业批改等领域,其中发展较靠前的是客服机器人领域,但是技术的发展仍没有达到能够十分精准理解自然语言的层面。

立足于新三板当前的行业格局,新三板上的企业无论是从市场规模还是企业的资本背景,都要比主板公司的更弱,但是考虑人工智能的发展仍旧处于成长期,深耕于某一细分领域不断进行技术深入发展可能为新三板企业带来高速的增长。对于新三板企业而言,可以考虑:(1)技术相对发展成熟且市场格局还未确定(变动性大)、仍具有较大市场空间的领域(2)技术正处于高速发展期、市场空间广阔、资本及政策大力支持的领域。

在前文的分析中,从技术层面看,新三板企业的技术发展主要分布为自然语言处理、计算机视觉、数据挖掘、语音识别技术四个方面,成熟程度也有不同的分布。细分行业领域主要分布于智慧医疗、工业机器人、服务机器人等九个领域,结合主板企业分布的情况市场,对于三板企业市场空间大小不一。依照这两个维度绘制行业发展分布图如下所示。

结合上述推荐逻辑以及行业主要技术成熟度、新三板发展空间分布情况,同时结合政策导向以及资本的导向,我们建议长期重点关注市场空间大、技术发展成熟度不高的智慧医疗、服务机器人;同时关注市场空间大、技术相对成熟、技术变现快的智慧金融、智慧教育、智慧家居、智慧城市以及互联网及其应用等领域。

2. 公司推荐

2.1 捷通华声:全方位AI云平台生态构建者

公司成立于2000年10月,于2016年6月。公司长期专注于全方位人工智能技术研究与产业化应用于服务,早在2011年就推出了中文语音合成技术,率先抢占国内智能语音领域市场,已经构建起由灵云公有云、灵云全智能能力平台、灵云智能解决方案组成的生态型灵云产品体系,覆盖人工智能语音、图像、语义理解、生物特征识别四个主要领域,提供公有云、私有云两种服务方式。

公司当下已经与三大运营商、华为、腾讯、intel等等企业达成战略合作伙伴,同时公司在金融方面广泛布局,服务客户含中国银行、农业银行、中信银行等,已成为金融领域人工智能应用的先行者。公司核心技术人员来自清华、中科院、北邮、北理工等学校,同时公司与清华大学联合创建了“清华灵云人工智能研究中心”,与清华大学电子系、自动化系等建立了稳定的合作研究机制,以高校为背景,为公司的技术研发提供了强劲的技术后盾。

公司2015-2017年营收以及归母净利润都维持稳定增长态势,2017年上半年有所下滑是因为2017年报告期间,公司增加了在语义理解、图像识别等领域技术产品的研发投入,下半年随着智能客服系统等新产品的推出,有望提高盈利能力。

提示:公司在2018年4月5日发表了拟申请在新三板终止挂牌的提示公告。

2.2 天智航:全球领先的骨科手术机器人开创者

天智航成立于2010年10月,于2015年11月挂牌新三板,是我国第一个医疗机器人产品注册许可公司,是全球第五家获得医疗机器人产品注册许可公司。公司通过投资设立天河诚公司等及对法国SPW公司增资,搭建了为医疗机构提供涵盖“手术室环境工程、骨科手术机器人等核心设备、骨科医用耗材及临床技术支撑服务”的智能化骨科机器人微创手术中心综合解决方案的能力。

主要产品“天玑”是国际上唯一能够开展创伤骨科、脊柱外科手术的机器人,精准、微创、智能、低辐射,螺钉准确率93%,骨盆骨折经皮螺钉内固定准确率100%,已经在全国数十家医院使用,累计手术超过2000例。 公司与北航、清华、中国人民解放军医院、积水潭医院医院形成“产学研医”的协同创新模式,为公司的研发技术与研发落地提供了强劲的支撑。

根据2017年的年报显示,公司在2017年的业绩实现的爆发式的增长,营收直逼1亿,同比增长264.11%,第一次实现扭亏为盈,主要是得益于“天玑”在上市首年在市场拓展上得到了阶段性的成果,销量大幅提升。公司未来会在大力推动骨科机器人临床应用的同时,继续进行医疗机器人的研发创新,推进其他临床应用。

智慧医疗平台:建议关注鑫亿软件(电子病历系统、医疗影像系统搭建)、佑康股份(依托佑康云生态圈发展慢病管理)

2.3 益盟股份:携手腾讯,打造三位一体金融服务体系

益盟股份成立于2005年12月,并与2015年7月挂牌新三板,腾讯参股为其第二大股东,持股比例为19.12%,二者形成良好的战略合作。公司主要基于互联网金融信息为投资者提供数据化、模型化、智能化的证券投资辅助决策工具、量化策略软件及投资教育产品与服务,打造了一套三位一体的完备的智慧金融投资服务体系。

公司的用户年平均续约率高达70%以上,拥有行业内最具粘性的用户,网页每天的访问量达上亿次,形成了较高品牌效应。公司的董事高管大都是来自浙大、北大、复旦、上海交大,具备金融和计算机复合型背景,有很好的金融投顾能力以及模型算法研究与技术开发能力,为公司的发展提供专业性技术支撑。

公司在2016、2017年财务数据有较大的波动,相比2015年下降很多,主要是因为金融行业受市场环境的影响较大。同时公司开始于2016年加大在人工智能中机器学习等方面的技术的研发投入,以用于智能投顾等智慧金融业务的开展。

2.4 中源智人:智能图像检测领域先行者

中源智人成立于2003年3月,与2015年12月挂牌新三板。公司是以显示频的检测和装备为主营,从2013年公司开始拓展智能图像检测机器人业务,是国内较早发展智能图像检测技术的企业之一,公司两项业务相互协调促进。公司的3D立体视觉机器人项目获得国家科技进步奖二等奖,公司当前的业务重心正在逐渐向智能图像检测机器人方向偏移。

公司董事高管具备清华大学、港科大、上海交大等高校自动化、电子计算背景,同时,公司已经和清华大学、华南理工大学展开科学合作,打造了强大的研究后盾。公司当前已经拥有图像视觉处理、工业机器人控制及新型显示器件COG、FOG的关键技术,获得41项机器人相关的专利及软件著作权。

公司2015年-2017上半年的营业收入始终保持稳定且高速的增长态势,但是净利润表现不佳,主要是因为显示频的业务出现质量问题成本较高。近年来,公司智能图像检测机器人业务的占比在不断上升,且预计未来比重还将增加。

2.5 中科汇联:深耕内容管理,大力发展智能客服云平台

中科汇联成立于1999年,与2016年1月挂牌新三板,公司设立以来从事内容管理软件的开发,主要服务对象为政务系统,新开发出智能客服云平台业务,当前已经形成智能客服+内容管理的商业模式。

公司的 AIKF 爱客服智能客服云平台已经拥有30000+多家中小企业用户,企业用户指数级增长,9 亿次客户对话服务,具备一定的品牌影响力。研发技术方面,公司与清华大学语音中心在语音识别、语音合成、机器学习等领域合作;同时与哈工大的智能技术与自然语言处理研究实验室合作,全面发展NLP技术;与北京大学也形成产学研合作,公司已获取软件著作权61项。

公司2015-2017年营收缓慢稳定上升,但是净利润在2016年有所下跌,主要随着智能客服业务的开展, 公司的研发投入增加。

2.6 清睿教育:强双引擎智能语音识别能力的教育服务商

公司成立于2012年11月,于2015年12月挂牌新三板,主要从事教育软件的设计开发,并开拓出智能听说教练双引擎智能语音技术,通过语音识别以及感知心理学对学生的发音进行纠正,该技术比同行业的其他语音识别技术要更加精准。公司“智慧学习空间”的搭建以及公司的智能语音技术相辅相成,互相达成引流作用。

当前公司采取的是B2B2C的经营销售模式,2017年间公司合作的经销商超过600家,覆盖290个城市、13000多所学校,积攒了大规模的用户群体以及口语语音数据库。公司董事高管有清华电子工程、中科院声学所信号处理、人大、北理工背景,为公司的智能语音识别提供技术背景支撑。同时俞敏洪作为公司的董事,为公司技术与英语口语的结合,提供了充足的专业资源支撑。

公司的财务表现也较为突出,营业收入随着公司口语100产品的推广,开始凸显成效,净利润在2016、2017年实现了4倍、2倍的增长。

2.7 群智合:地理物理大数据平台,阿里云助力AI业务发展

公司成立于,与2016年4月挂牌新三板,主营业务包括地震数据处理解释一体化平台及其应用系统。公司采用 Hadoop 分布式文件系统,支持包括 Map-reduce、Spark、 MPI 等多种并行架构,已经为中石化、北京市规划委、联想等提供服务。

公司目前已经与中石油、中海油、康菲石油、中国石油大学等达成技术交流与沟通,获得合作意向;同时,与北京市规划和国土资源管理委员会就移动端的3D图像展示进行研究与合作。公司当前作为阿里云授权服务中心,与阿里云展开全面合作,计划与2018年利用已有的相对专有性数据开展智慧城市、工业大数据、人工智能方面的业务。公司的董事、高管具备清华、北大、微软的学术及工作北京,核心技术人员分别来自北大、中石油、中国地质大学等高校,能够有效将计算机技术与地理信息数据有效结合利用。

公司近年来营收与净利润都表现优异,维持稳定高速的增长,2017年营收增速高达142.83%,净利润增速高达456.11%。

2.8 海鑫科金:掌握多生物识别技术的公安智能领先厂商

公司成立于1998年,是国内最早进入生物识别与公安智能化的企业,已经形成包含人脸、指纹、DNA、笔迹、虹膜等多生物特征识别的一套完备的服务体系,产品服务覆盖全国30个省份,能承建千万级指掌纹识别系统和亿级人脸识别。

公司与intel就最新发布的Xeon系列处理器、英特尔摄像头等都进行了深度合作。同时与清华大学、公安大学、中科院自动化所等科研机构进行多次产学研用的合作,还成立了海鑫科金院士专家工作站,公司在生物特征识别、模式识别、神经元网络等技术方面都具备较强的实力。2017年公司指纹识别算法通过美国标准研究院NIST的 MINEX III指纹算法评测,Generator 全球排名第4;Matcher全球排名第5,在参测中国厂商中算法排名第1;在FVC-onGoing权威的指掌纹算法评测中,关键指标误识率、拒识率、等错误率取得第1。

2017年公司的营收及净利润都有所下降,主要是因为公司展开多领域探索,研发费用的投入不断攀升,而随着人工智能政策的频繁出台,竞争更加激烈,成本上升,对公司形成冲击。但是考虑公司在研发方面成果颇丰,有望在接下来获取更多的客户。


重要声明

本报告信息均来源于公开资料,但新三板智库不对其准确性和完整性做任何保证。本报告所载的观点、意见及推测仅反映新三板智库于发布报告当日的判断。该等观点、意见和推测不需通知即可作出更改。在不同时期,或因使用不同的假设和标准、采用不同分析方法,本公司可发出与本报告所载观点意见及推测不一致的报告。

报告中的内容和意见仅供参考,并不构成新三板智库对所述证券买卖的出价或询价。本报告所载信息不构成个人投资建议,且并未考虑到个别投资者特殊的投资目标、财务状况或需求。不对因使用本报告的内容而引致的损失承担任何责任,除非法律法规有明确规定。客户不应以本报告取代其独立判断或仅根据本报告做出决策。

本报告版权归新三板智库所有,新三板智库对本报告保留一切权利,未经新三板智库事先书面许可,任何机构和个人不得以任何形式翻版、复制、发表或引用本报告的任何部分。如征得新三板智库同意进行引用、刊发的,需在允许的范围内使用,并注明出处为“新三板智库”,且不得对本报告进行任何有悖原意的引用、删节和修改,否则由此造成的一切不良后果及法律责任由私自翻版、复制、刊登、转载和引用者承担。