智能手表概念股 1、飞亚达A(股票代码：000026) 关联原因 ：2018年，公司“FIYTA”品牌发布业内首款指针式有氧能力智能手
来源：雪球App，作者：hjm900，（https://xueqiu.com/3387092172/246698735）
1、飞亚达A(股票代码：000026)
关联原因：2018年，公司“FIYTA”品牌发布业内首款指针式有氧能力智能手表JOYUP系列，“JEEP”品牌推出智能全境界腕表。其中，“JEEP”品牌智能手表，是公司在重智能腕表领域的创新突破，其采用高通无线电技术，打造4G全网独立通话及运动、导航、支付等功能
所属其他概念:电子商务、军工股、基金重仓股、深圳本地、网红、央企控股、预盈预增、中航系、智能穿戴、智能手表
2、德赛电池(股票代码：000049)
关联原因：公司是智能手表电池的重要供应商
所属其他概念:2021年10月解禁、2021年9月解禁、5G、储能、地方国资改革、电子元件、广东国资改革、汇金概念、华为产业链、基金重仓股、锂电池、苹果概念、全面屏、全息手机、融资融券、深股通、深圳本地、特斯拉、无线耳机、小米概念、新能源汽车、移动互联网、预盈预增、证金持股、智能穿戴、智能手表
3、合力泰(股票代码：002217)
关联原因：国内智能手表触控显示模组的主要供应商，是小天才、360、华为、小米等智能手表品牌的主力供应商
所属其他概念:3D玻璃、5G、触摸屏、ETC、富士康概念、富时罗素概念、高送转、华为产业链、基金重仓股、OLED、柔性屏、融资融券、深股通、生物识别、新零售、信托重仓股、预亏预减、折叠屏、智能穿戴、智能手表
4、科大讯飞(股票代码：002230)
关联原因：参股公司有智能手表产品，其将根据市场情况，适时推出支持4G网络的儿童手表
所属其他概念:5G、保险重仓股、车联网、重组、大数据、独角兽概念、大盘蓝筹、分拆上市预期、富时罗素概念、高校、工业4.0、汇金概念、华为HMS、军工股、教育信息化、MSCI、人工智能、人脸识别、融资融券、深股通、商汤科技概念股、生物识别、数字孪生、蔚来汽车概念股、雄安新区、虚拟现实、云办公、远程办公、远程医疗、云计算数据中心、预盈预增、智慧城市、智慧医疗、智慧政务、智能穿戴、智能手表、智能音箱、在线教育、职业教育
5、歌尔股份(股票代码：002241)
关联原因：智能穿戴产品是公司既定的重要产品战略方向，主要包括智能手表、智能手环等
所属其他概念:3D眼镜、传感器、独角兽概念、大盘蓝筹、电子元件、Facebook、富士康概念、富时罗素概念、工业4.0、工业互联网、汇金概念、华为产业链、基金重仓股、MSCI、苹果概念、融资融券、深股通、生物识别、物联网、无线耳机、小米概念、虚拟现实、移动互联网、预盈预增、智能穿戴、智能手表、智能音箱
6、水晶光电(股票代码：002273)
关联原因：20年1月披露，公司光学面板已经小批量出货给智能手表产品
所属其他概念:3D玻璃、3D眼镜、安防监控、保险重仓股、超高清视频、车联网、长三角经济区、富时罗素概念、汇金概念、华为产业链、激光雷达、基金重仓股、LED照明、宁德时代概念股、苹果概念、全息概念、全息手机、融资融券、社保重仓、深股通、无人驾驶、小米概念、虚拟现实、移动互联网、证金持股、智能穿戴、智能手表、增强现实
7、卓翼科技(股票代码：002369)
关联原因：公司智能穿戴产品取得了新的突破，已为战略客户批量生产出货了新一代的智能手表，主要客户包含华为、小米及其生态链公司等
所属其他概念:创投、重组、工业4.0、华为产业链、基金重仓股、举牌、科创板概念股、壳资源、量子通信、苹果概念、区块链、融资融券、深圳本地、物联网、无线耳机、小米概念、预盈预增、智能穿戴、智能手表
8、东山精密(股票代码：002384)
关联原因：公司是iWatcn苹果智能手表FPC供应商
所属其他概念:5G、保险重仓股、长三角经济区、重组、光伏、华为产业链、基金重仓股、江苏本地、MiniLED、OLED、苹果概念、全面屏、融资融券、深股通、特斯拉、小米概念、新三板、信托重仓股、预盈预增、智能穿戴、智能手表
9、奋达科技(股票代码：002681)
关联原因：智能硬件领域垂直一体化解决方案提供商，19年12月互动平台披露，智能手表、手环是公司智能穿戴主要产品，前三季度同比增长超300%
所属其他概念:3D眼镜、车联网、重组、富士康概念、富时罗素概念、高商誉、工业4.0、汇金概念、华为产业链、家电、基金重仓股、苹果概念、深股通、深圳本地、腾讯、无线耳机、小米概念、虚拟现实、预亏预减、智能穿戴、智能手表、智能音箱、增强现实
10、长信科技(股票代码：300088)
关联原因：公司于互动平台披露，“小天才”智能手表系我司旗下子公司东莞德普特电子独供；小米于19年11月5日发布的智能手表由长信科技供应，同时还为北美消费电子巨头的最新款智能穿戴产品及华为WATCHGT2模组产品供货
所属其他概念:3D眼镜、车联网、触摸屏、大数据、富时罗素概念、高送转、汇金概念、华为产业链、基金重仓股、LCD、锂电池、面板/LCD、OLED、苹果概念、全面屏、柔性屏、融资融券、深股通、石墨烯、特斯拉、蔚来汽车概念股、无人驾驶、小米概念、新能源汽车、新三板、预盈预增、折叠屏、智能穿戴、智能手表
11、长盈精密(股票代码：300115)
关联原因：公司是可穿戴产品零组件供应商，公司可穿戴相关组件产品包括TWS耳机、触控笔、智能手表等，是三星等新款智能手表金属壳的主要供应商
所属其他概念:5G、电子烟、电子元件、富时罗素概念、国产芯片、工业4.0、汇金概念、华为产业链、基金重仓股、锂电池、流感/口罩、宁德时代概念股、苹果概念、全面屏、氢能源/燃料电池、氢燃料电池、柔性屏、融资融券、深股通、深圳本地、特斯拉、无线耳机、小米概念、新能源车零部件、新能源汽车、预盈预增、折叠屏、证金持股、智能穿戴、智能手表
12、力源信息(股票代码：300184)
关联原因：公司全资子公司深圳鼎芯的智能手表、智能手环方案是目前礼品市场的主流方案商；此外，公司全资子公司武汉帕太销售的日系知名品牌JAE的连接器应用在部分客户的智能手表中
所属其他概念:5G、保险重仓股、车联网、电力物联网、电子商务、电子元件、ETC、国产芯片、华为产业链、华为海思概念、基金重仓股、能源互联网、物联网、无线耳机、预盈预增、智能穿戴、智能手表
13、北京君正(股票代码：300223)
关联原因：华米旗下的AMAZFIT智能运动手表采用了公司的芯片
所属其他概念:3D眼镜、超高清视频、重组、国产芯片、汇金概念、集成电路、基金重仓股、区块链、人工智能、融资融券、物联网、信创产业、预盈预增、智能穿戴、智能手表、智能音箱、增强现实、中芯国际概念股
14、和晶科技(股票代码：300279)
关联原因：19年11月18日互动平台披露，子公司智慧树以平台+内容+硬件+服务为广大园所、家长、幼儿提供全方位的服务，其中硬件包括智能手表等产品
所属其他概念:5G、阿里巴巴、超高清视频、创投、创业板壳股、江苏本地、教育信息化、商汤科技概念股、腾讯、物联网、业绩爆雷、预盈预增、智慧城市、智能手表、在线教育
15、中科创达(股票代码：300496)
关联原因：19年11月21号披露，智能手表是公司IoT量产终端的其中一种产品，公司与某国际奢侈品厂商及某知名品牌厂商均有合作
所属其他概念:5G、边缘计算、车联网、分拆上市预期、富时罗素概念、华为产业链、华为海思概念、基金重仓股、理想汽车概念股、区块链、人工智能、融资融券、社保重仓、深股通、数字货币、物联网、无人驾驶、无线耳机、虚拟现实、新型病毒防治、移动互联网、预盈预增、智能穿戴、智能电视、智能手表
16、智动力(股票代码：300686)
关联原因：公司旗下子公司在智能可穿戴手表有相应布局，公司生产和销售的消费电子器件均可运用在智能终端上，相关产品已批量供货
所属其他概念:基金重仓股、深圳本地、粤港澳大湾区、折叠屏、智能手表
17、博信股份(股票代码：600083)
关联原因：19年半年报披露，公司已开发并销售TOPPERS儿童智能手表W1
所属其他概念:股权转让、江苏本地、人工智能、无线耳机、预盈预增、折叠屏、智能手表、智能音箱
18、环旭电子(股票代码：601231)
关联原因：AppleWatchSIP封装独家供应商，SIP封装全球龙头，生产线具备行业领先的制程能力
所属其他概念:3D眼镜、富时罗素概念、沪股通、汇金概念、基金重仓股、苹果概念、融资融券、上海本地、UWB超宽带、无线耳机、虚拟现实、证金持股、智能穿戴、智能手表、增强现实
19、三六零(股票代码：601360)
关联原因：19年半年报披露，公司深度介入儿童智能设备领域，儿童手表合计上市3款产品，市场占有率超过12%，2018年度智能儿童手表销量120万只，取得业务收入约为2.4亿元；18年5月，拟定增募集资金方向之一为智能儿童手表扩产项目
所属其他概念:车联网、大数据、富时罗素概念、高质押率、互联网金融、江苏本地、区块链、人工智能、融资融券、手游、网络安全、物联网、网络直播、云计算、预亏预减、智能穿戴、智能手表
AI人工智能概念简介
1、人工智能、机器学习、深度学习的关系image.png大关系。
image.png发展历史关系。
image.png内容关系。1.1什么是人工智能人工智能（ArtificialIntelligence），英文缩写为AI。是计算机科学的一个分支。人工智能是对人的意识、思维的信息过程的模拟。人工智能不是人的智能，但能像人那样思考、也可能超过人的智能。数学常被认为是多种学科的基础科学，数学也进入语言、思维领域，人工智能学科也必须借用数学工具。
人工智能实际应用：机器视觉，指纹识别，人脸识别，视网膜识别，虹膜识别，掌纹识别，专家系统，自动规划，智能搜索，定理证明，博弈，自动程序设计，智能控制，机器人学，语言和图像理解，遗传编程等。人工智能目前也分为：强人工智能(BOTTOM-UPAI)和弱人工智能(TOP-DOWNAI)，有兴趣大家可以自行查看下区别。
1.2什么是机器学习机器学习(MachineLearning,ML)，是人工智能的核心，属于人工智能的一个分支。机器学习理论主要是设计和分析一些让计算机可以自动“学习”的算法。机器学习算法是一类从数据中自动分析获得规律，并利用规律对未知数据进行预测的算法。所以机器学习的核心就是数据，算法（模型），算力（计算机运算能力）。机器学习应用领域十分广泛，例如：数据挖掘、数据分类、计算机视觉、自然语言处理(NLP)、生物特征识别、搜索引擎、医学诊断、检测信用卡欺诈、证券市场分析、DNA序列测序、语音和手写识别、战略游戏和机器人运用等。机器学习就是设计一个算法模型来处理数据，输出我们想要的结果，我们可以针对算法模型进行不断的调优，形成更准确的数据处理能力。但这种学习不会让机器产生意识。机器学习的工作方式
选择数据：将你的数据分成三组：训练数据、验证数据和测试数据。
模型数据：使用训练数据来构建使用相关特征的模型。
验证模型：使用你的验证数据接入你的模型。
测试模型：使用你的测试数据检查被验证的模型的表现。
使用模型：使用完全训练好的模型在新数据上做预测。
调优模型：使用更多数据、不同的特征或调整过的参数来提升算法的性能表现。
image.png机器学习的分类
基于学习策略的分类
1、机械学习(Rotelearning)
2、示教学习(Learningfrominstruction或Learningbybeingtold)
3、演绎学习(Learningbydeduction)
4、类比学习(Learningbyanalogy)
5、基于解释的学习(Explanation-basedlearning,EBL)
6、归纳学习(Learningfrominduction)
基于所获取知识的表示形式分类
1、代数表达式参数
2、决策树
3、形式文法
4、产生式规则
5、形式逻辑表达式
6、图和网络
7、框架和模式（schema）
8、计算机程序和其它的过程编码
9、神经网络
10、多种表示形式的组合
综合分类
1、经验性归纳学习(empiricalinductivelearning)
2、分析学习（analyticlearning）
3、类比学习
4、遗传算法（geneticalgorithm）
5、联接学习
6、增强学习（reinforcementlearning）
学习形式分类
1、监督学习(supervisedlearning)
2、非监督学习(unsupervisedlearning)
注：细分的话还有半监督学习和强化学习。当然，后面的深度学习也有监督学习、半监督学习和非监督学习的区分。监督学习（SupervisedLearning）是指利用一组已知类别的样本调整分类器的参数，使其达到所要求性能的过程，也称为监督训练或有教师学习。也就是我们输入的数据是有标签的样本数据（有一个明确的标识或结果、分类）。例如我们输入了50000套房子的数据，这些数据都具有房价这个属性标签。
监督学习就是人们常说的分类，通过已有的训练样本（即已知数据以及其对应的输出）去训练得到一个最优模型（这个模型属于某个函数的集合，最优则表示在某个评价准则下是最佳的）。再利用这个模型将所有的输入映射为相应的输出，对输出进行简单的判断从而实现分类的目的。就像我输入了一个人的信息，他是有性别属性的。我们输入我们的模型后，我们就明确的知道了输出的结果，也可以验证模型的对错。
举个例子，我们从小并不知道什么是手机、电视、鸟、猪，那么这些东西就是输入数据，而家长会根据他的经验指点告诉我们哪些是手机、电视、鸟、猪。这就是通过模型判断分类。当我们掌握了这些数据分类模型，我们就可以对这些数据进行自己的判断和分类了。在监督式学习下，输入数据被称为“训练数据”，每组训练数据有一个明确的标识或结果，如对防垃圾邮件系统中“垃圾邮件”“非垃圾邮件”，对手写数字识别中的“1“，”2“，”3“，”4“等。在建立预测模型的时候，监督式学习建立一个学习过程，将预测结果与“训练数据”的实际结果进行比较，不断的调整预测模型，直到模型的预测结果达到一个预期的准确率。
监督式学习的常见应用场景如分类问题和回归问题。常见监督式学习算法有决策树（ID3，C4.5算法等），朴素贝叶斯分类器，最小二乘法，逻辑回归（LogisticRegression），支持向量机（SVM），K最近邻算法（KNN，K-NearestNeighbor），线性回归（LR，LinearRegreesion），人工神经网络（ANN，ArtificialNeuralNetwork），集成学习以及反向传递神经网络（BackPropagationNeuralNetwork）等等。
image.png非监督学习（UnsupervisedLearing）是另一种研究的比较多的学习方法，它与监督学习的不同之处，在于我们事先没有任何训练样本，而需要直接对数据进行建模。是否有监督（Supervised），就看输入数据是否有标签（Label）。输入数据有标签（即数据有标识分类），则为有监督学习，没标签则为无监督学习（非监督学习）。在很多实际应用中，并没有大量的标识数据进行使用，并且标识数据需要大量的人工工作量，非常困难。我们就需要非监督学习根据数据的相似度，特征及相关联系进行模糊判断分类。半监督学习（Semi-supervisedLearning）是有标签数据的标签不是确定的，类似于：肯定不是某某某，很可能是某某某。是监督学习与无监督学习相结合的一种学习方法。半监督学习使用大量的未标记数据，以及同时使用标记数据，来进行模式识别工作。当使用半监督学习时，将会要求尽量少的人员来从事工作，同时，又能够带来比较高的准确性。
image在此学习方式下，输入数据部分被标识，部分没有被标识，这种学习模型可以用来进行预测，但是模型首先需要学习数据的内在结构以便合理的组织数据来进行预测。半监督学习有两个样本集，一个有标记，一个没有标记。分别记作Lable={(xi,yi)}，Unlabled={(xi)}，并且数量,L