2018年全球人工智能核心产业市场规模超过了5557亿美元
2018年全年，全球人工智能核心产业市场规模超过555.7亿美元，相较于2017年同比增长50.2%，其中基础层市场规模约为111.1亿美元，技术层市场规模约为172.3美元，而应用层市场规模最大，为272.3亿美元；我国人工智能核心产业市场规模超过83.1亿美元，相较于2017年同比增长约48.4%，其中基础层市场规模约为16.6亿美元，技术层市场规模约为24.1亿美元，应用层市场规模约为42.4亿美元。
全球人工智能核心产业各层级市场规模
具体到核心产业的各个层级，全球市场规模中基础层智能芯片占比仍然最高，约为55.6亿美元，表明智能芯片仍然是未来全球人工智能产业的重要发展方向之一，此外算法模型和智能传感器体量相当，分别为22.2亿美元和33.3亿美元；技术层方面，得益于智能语音助理和人机语音交互技术的大幅度进步，语音识别市场迎来全面爆发期，达到118.9亿美元，占据技术层整体规模的三分之二以上，图像视频识别次之为41.3亿美元，文本识别相对市场规模较小仅为12.1亿美元；应用层市场规模分布较为平均，智能教育和智能安防市场规模分别为43.6亿美元与43.4亿美元，均为16%左右，其它产业发展规模继续保持稳步增长。
我国人工智能核心产业各层级市场规模
市场规模方面，智能芯片在基础层产业中占比最大为9.1亿美元，智能传感器和算法模型分别达到4.2亿美元和3.3亿美元，整体产业结构与全球特征趋势匹配；技术层方面语音识别占据了绝大部分市场份额，达到16.2亿美元，图像视频识别市场规模居中为5.5亿美元，而文本识别市场规模只有2.4亿美元左右，仍存在相当的发展潜力；由于国内市场特定的场景需求与消费习惯，智能机器人和智能安防等产业发展较快，领跑应用层市场，分别达到8.5亿美元和6.8亿美元，智能驾驶产业规模达到4.2亿美元，发展态势良好，未来有望进一步提高市场份额。
背景知识
根据人工智能产业目前发展特点，将围绕人工智能技术及衍生出的主要应用形成的具有一定需求规模、商业模式较为清晰可行的行业集合定义为人工智能核心产业。核心产业分为基础层、技术层和应用层，结合目前常见应用场景，依据产业链上下游关系，再将其主要划分为既相对独立又相互依存的若干种产品及服务。
2023年我国大数据产业规模达157万亿元 同比增长18%
记者从日前举行的2023中国国际大数据产业博览会新闻发布会上获悉：2022年我国大数据产业规模达1.57万亿元，同比增长18%，成为推动数字经济发展的重要力量。
数字基础设施实现跨越式发展。2022年底，我国已建成全球最大的光纤网络，光纤总里程近6000万公里，数据中心总机架近600万标准机架，全国5G基站超过230万个，均位居世界前列。
数字产业创新发展加快提升。人工智能、物联网等领域的发明专利授权量居全球前列，数字经济核心产业规模加快增长，全国软件业务收入从2012年的2.5万亿元增长到2022年的10.8万亿元。
数字赋能实体经济成效显著。2022年，我国制造业数字化转型深入推进，智能农业加快发展，农作物耕种收综合机械化率已超72%，有效提高农业生产效率。服务业数字化水平显著提升，电子商务、移动支付规模全球领先。
大数据产业是以数据生成、采集、存储、加工、分析、服务为主的战略性新兴产业，是激活数据要素潜能的关键支撑，是加快经济社会发展质量变革、效率变革、动力变革的重要引擎。工信部信息技术发展司有关负责人表示，下一步将加快5G和千兆光网建设，全面推进6G技术研发，深化IPv6规模部署和应用，推动国家一体化大数据中心枢纽节点建设，夯实大数据产业发展根基。同时，鼓励各类所有制企业参与数据要素市场建设，推动大数据与各行业深度融合，充分发挥大数据的乘数效应和倍增作用。（记者韩鑫）
人工智能产业研究：行业拐点将至，不同AI公司价值几何
（报告出品方/作者：国金证券，罗露）
1.人工智能产业进入深水区，技术发展推动场景化落地
1.1政策、技术、资本三轮驱动行业发展，中美领跑
过去十年全球人工智能发展迅速，各国纷纷从战略上布局人工智能，加强顶层设计和人才培养。我国2017年《新一代人工智能发展规划》发布，明确提出“三步走”的战略目标，人工智能全面上升为国家战略。2017年10月，人工智能写入十九大报告；17年12月，《促进新一代人工智能产业发展三年行动计划（2018-2020年）》；18年3月，人工智能再次被写入政府工作报告。政策密集出台，行业进入发展黄金阶段。2016年，美国国家科学技术委员会（NSTC）发布《国家人工智能研发战略计划》全面布局人工智能发展。2019年2月，美国总统特朗普签署行政命令，正式启动美国人工智能计划，为美国首次推出国家层面的人工智能促进计划。欧盟于2018年发布《欧盟人工智能战略》，并计划在2020年底至少投入200亿欧元。从专利数量、AI学者分部等情况看，中美领跑。
全球主流技术大多处于泡沫到低谷期的过渡阶段，小样本学习是重要发展方向。根据Gartner发布的2020年人工智能技术成熟度曲线，GPU加速器成熟度最高，将在2年内达到成熟期。机器学习、聊天机器人、计算机视觉和FPGA加速器技术处于低谷期，自然语言处理、深度神经网络和人工智能云服务即将结束泡沫期迈入低谷期，提升技术的可复用性、扩展性和安全性才能实现二次繁荣。传统深度学习需要大量有标注的数据样本，数据较难获得且对算力要求高。小样本学习基于少量数据实现模型训练，是未来发展方向，当前在图像检索、人脸识别等领域已经得到应用。
计算机视觉、语音识别和自然语言处理是当前中国市场规模最大的技术。计算机视觉市场目前已在人脸识别、工业视觉、OCR和内容理解等领域获得重大突破，面临视频爆炸下海量视频数据处理需求以及重点落地场景对技术精度的需求。语音技术市场份额仅次于计算机视觉，技术链日趋完善，在语音输入、语音转文字、智能家居等领域已有成熟应用，未来需适应更复杂的应用场景，满足新型人机交互范式和互联网应用需求。自然语言处理受益于神经网络技术和深度学习的发展，在机器翻译、对话系统等场景广泛应用，未来需提升文本理解的精度和深度，优化语言生产与表达质量。
人工智能产业链参与者众多，商业模式、场景化落地成为核心竞争焦点。以BATH为首的科技巨头、字节跳动等互联网公司、AI四小龙为典型的AI算法提供商，寒武纪等创业公司独角兽作为AI芯片提供商，以及海康威视、大华股份、科大讯飞等综合解决方案提供商是行业的核心参与者，在产业链上下游群雄逐鹿，多有布局。人工智能产业链包括三层：基础层、技术层和应用层。从基础层和技术层来看，人工智能三大核心要素数据、算法和算力已相对成熟，场景化落地成为核心竞争力。
资本市场短期遇冷，主要与前期预期过高与行业发展遭遇瓶颈有关。据IT橘子与深圳市人工智能行业协会统计数据，中国AI行业融资规模与投融资数量2013-2018年整体快速增长，但2019年出现45%左右的显著下滑，2020年投融资金额恢复42.5%正增长，但距2018年颠覆时期仍有差距，投融资数量仍有下降。一级市场曾被广泛看好的AI四小龙IPO进程并非一帆风顺，今年7月2日依图科技主动撤回申报，暂停科创板上市；旷视科技在港交所碰壁后转战科创板，仅云从科技在7月20日成功过会，8月27日商汤科技申请登录港股。我们认为资本市场早期对于人工智能行业回报周期过于乐观，以及市场对当前创业型AI公司商业落地和变现模式存疑是近两年资本市场遇冷的主要原因。
1.2行业发展进入深水区，商业模式为主要瓶颈
AI行业发展进入深水区，从AI公司财务表现、资本市场融资情况可见一斑。我们认为商业模式和变现能力是行业发展的主要瓶颈。
人工智能的概念形成于20世纪50年代，诞生于1956年的达特茅斯会议。其发展阶段经历三次浪潮：1）50-60年代注重逻辑推理的机器翻译时代，机器人和智能软件开始出现；2）70-80年代依托知识积累构建模型的专家系统时代，但由于缺乏实用性，行业很快趋冷；3）2006年起深度学习算法的推出，开始了重视数据、自主学习的认知智能时代。在数据、算法和计算力条件成熟的条件下，本次人工智能的爆发浪潮中技术开始落地，深入到应用层面，帮助传统行业创造切实经济效果。截至今天，主要的算法工具仍基于深度学习，从算法角度看行业并未实现巨大的技术突破。
实战落地场景分散，产品标准化程度低。早期AI公司重视算法精度提升，然而算法走出实验室环境，对具体的场景适应能力仍有差距。如：人脸识别技术易受静态和动态、是否化妆、有无戴口罩等外部因素影响。数据是模型训练的重要生产资料，纯AI技术公司缺乏对业务场景的理解和高质量的业务数据所有权，需要与数字化程度高、数据资源丰富的客户合作，政企客户成为重要起点。以数字化程度最高的公安和金融为例，客户需要的非单个模块或开发包，也不具备SDK集成能力，而是一整套定制化的解决方案。不同业务应用无法规模化，使AI算法公司业务变重。以海康威视为代表的的传统安防厂商转型AI成功，正是基于业务场景的理解和数据积淀。
知识产权和伦理问题也是导致行业发展瓶颈的重要原因。我国当前知识产权保户环境不成熟，抄袭成本低，难以形成无形资产的价值体系。全球主要深度学习算法框架开源以后同质化竞争严重，Google的TensorFlow与Facebook的PyTorch在全球占据90%市场份额。在一些涉及生命安全等方向的应用场景，伦理问题成为制约因素。如：根据产业链调研数据，医疗行业AI读片识别准确率约70%，高于人工肉眼识别准确率（约40%），但人工智能误诊的责任归属存在分歧；自动驾驶场景大概率维持在L2级，技术装备水平高的车型声称L2.5等，难以实现L3级的跨越，主要也是因为车祸责任归属问题。
各种因素综合，使AI算法公司的商业模式和变现能力受到挑战。AI四小龙上市招股书显示亏损严重。高定制化开发难以通过规模化复制降低成本，缺乏数据所有权和对业务场景的理解降低客户界面议价能力，激烈的市场竞争提高人力成本、降低人均效益。资本市场遇冷也在情理之中。
1.3风物长宜放眼量，长期看AI市场空间广阔
虽然短期内AI行业遇冷，但长期看市场空间广阔。根据2017年国务院《新一代人工智能发展规划的通知》的“三步走”战略目标，到2020年人工智能总体技术和应用与世界先进水平同步，产业竞争力进入国际第一方阵，核心产业规模超过1500亿元，带动相关产业规模超过1万亿元；到2025年AI基础理论实现重大突破，并进入全球价值链高端，核心产业规模超过4000亿元，带动相关产业规模超过5万亿元；到2030年理论、技术与应用总体达到世界领先水平，核心产业规模超过1万亿元，带动相关产业规模超过10万亿元。市场空间非常广阔。
AI市场主要构成有AI芯片、硬件、软件等，2025年规模有望超千亿美元。2019年中国市场AI服务器出货量7.9万台，未来5年CAGR约20%。假设数据中心单台服务器平均售价约7万美元，可配臵8张GPU芯片卡，每张卡单价约5万元人民币，则2025年中国AI服务器市场规模约165亿美元。当前AI服务器大约占AI硬件市场85%份额，未来更多边缘侧计算设备接入，假设AI服务器占比下降至80%，则2025年AI硬件市场规模206亿美元。GPU卡出货量约188万片。AI芯片主要用于数据中心服务器，但在车载计算单元、边缘及终端设备等也有广泛使用，产品形态丰富，单价相对较低，保守估计AI芯片市场规模约200亿美元。当前AI软件占比较低，约30%-40%，预计未来软件及服务占比能提升到60%+，2025年中国AI总体市场规模有望超1000亿美元。
5G、云计算等技术进步推动AI协同发展。AI深度学习算法依赖数据，高数字化程度的行业拥有较密集数据资源，成为AI优先落地的领域。云化是智能化的基础，行业数字化还需遵循C—>B—>A的路径，即先云化，再有大数据最后实现智能化。大带宽、低时延、万物互联的5G网络有望带动流量和数据量爆发，我们认为5G网络杀手级应用在当前建网阶段尚未出现，2C端VR/AR和2B端工业互联网或许是两个孵化方向。云计算与5G技术推广、渗透率提升有望推动更多人工智能场景落地。
深度学习框架是战略制高点，同样具备国产化替代机遇。深度学习框架作为底层语言和算法模型的骨架，将数据、算力、算法三者相连接，向下对接芯片（算力），向上支撑应用，可省去开发者从0到1地搭建地基的成本，提高开发效率，与AI芯片构成AI基础设施底座，是“智能时代的操作系统”。如今TensorFlow和PyTorch占据全球主要市场份额，但开发端的需求动态化、多元化，没有一个框架可以满足全部市场需求，也不断出现挑战者，即：后来者仍有机会突围。当前中国的AI训练严重依赖美国的开源框架，数据安全存在隐患，在中美关系影响下或提前生变。
更多的AI人才供给或降低人力成本，提升人均效益。AI四小龙持续亏损的原因之一在于人力成本过高。特别是高度定制化的碎片场景，需要较多人力投入，导致人均效益低。经测算，AI行业人均费用约50万，与人均收入相当。海康威视之所以能在安防行业跑通AI商业模式，一方面是安防行业数据量大、业务场景明确，另一方面是人效优势叠加规模化效应使公司将“成本三低”做到极致：平均人力成本低、运营和销售成本低、产量扩大后边际成本低。随着AI人才供给增加，人力成本下降，AI技术公司盈利和变现能力提升，或能改变行业结构，使行业拐点前臵。
2.主要行业参与者商业模式多样化，各有侧重
2.1综合解决方案提供商：软硬一体，场景为王
AI算法依赖硬件载体赋能行业，提供软硬一体的解决方案当前较为普遍。随着计算机视觉、自然语言处理、智能语音等核心技术的成熟，单点技术已不能满足客户的复杂需求，企业转向寻求获取人工智能综合解决方案，人工智能产业的焦点从单点技术研发转向与多元化的应用场景和行业间的深度融合。2020年，中国人工智能市场主要客户来自政府城市治理和运营（公安、交警、司法、城市运营、政务），互联网与金融行业也位居前列。医疗、工业和教育等行业也具备巨大发展潜力，未来有望成为人工智能市场新增长点。
AI赋能行业与行业反哺AI诞生两类参与者。纯AI算法较难单独定价售卖，且市场规模较小。AI技术公司往往通过项目集成搭售硬件以扩大规模、提升算法能力，或是专注某些易变现的行业率先实现盈利；另一类为传统硬件公司，在某些行业已具备领先的市场地位，明确AI需求后再进行智能化转型。科大讯飞作为智能语音行业龙头，持续布局智慧教育行业，横向发展智能城市、智慧医疗等领域。虹软科技聚焦人脸分析与图像分析技术，提供智能摄像视觉解决方案，成为国内外主流手机、相机品牌的供应商。安防巨头海康威视、大华股份亦跟随人工智能浪潮，打造产业智能化转型，成以视频技术为核心的智能物联网解决方案和大数据服务提供商。有“AI四小龙”之称的商汤、依图、云从、旷视，布局多个领域，寻求人工智能在行业中的落地场景。
商汤科技：AI算法龙头，底层平台赋能行业升级
创始背景与战略：
AI算法龙头，“1+1+X”打造核心竞争力。公司成立于2014年，创始人为香港中文大学工程学院教授汤晓鸥，业务聚焦于计算机视觉和深度学习领域。公司推行“1（基础研发）+1（产品和服务化）+X（行业应用）”战略，通过自行研发的SenseCore商汤AI大装臵，打通算力、算法和平台之间的连接与协同。
产品壁垒与商业模式：专有的AI基础设施、强大的软件平台、丰富的商用场景和生态能力是公司的核心竞争力。SenseCore具备500亿个参数，是目前基于公开信息的全球计算机视觉领域中参数最大的模型，可有效解决数据中的长尾问题、隐私计算，并加快人工智能模型的部署和商业化进程。截至2021年H1，公司在主要区域市场战略性地建立23个AI训练集群，拥有超过20000块GPU，总算力每秒1.17百亿次浮点运算，软件平台客户已超过2400家，覆盖250家500强企业、119座城市，30+车企，4.5亿+智能手机。
目前公司技术涵盖人脸和人体分析、SLAM与3D视觉、图像识别、机器人控制与传感、海量视频理解与挖掘、自动驾驶、医学图像分析等领域，进而衍生出城市开放平台、智慧诊疗平台、智慧交通平台、金融身份核验、智能车舱、手机人脸识别等产品及服务，赋能安防、医疗、金融、自动驾驶、智能手机等行业。公司官网披露的产品主要有三类：计算平台、软件算法、硬件终端设备。根据产业链调研，公司产品多以私有云为部署方式，算法平台封装成SDK按照调用次数收费，软件按订阅制收费或单独出售license，硬件按件出售，具体依项目情况而定。
依图科技：芯片+算法的实战型AI公司
创始背景与战略：
公司成立于2012年，当前拥有约1500名员工，创始人为加州大学洛杉矶分校统计学博士朱珑及前阿里资深云计算专家林晨曦。朱珑师从计算机视觉奠基人AlanYuille教授，在麻省理工、纽约大学等世界著名院校担任过研究员，曾在世界顶级刊物发表数十篇论文，学术研究能力扎实。林晨曦为前阿里云资深专家、技术总监，曾在微软亚洲研究院从事机器学习、计算机视觉、信息检索以及分布式系统方向的研究工作。公司与“四小龙”中其他几家企业最大的不同点是其技术并非来自创始团队的科研成果转化，而是从行业需求出发，于2013年为苏州公安开发了车辆识别系统，将套牌车的识别率从不足30%提高到90%，后续完善能力矩阵、进军芯片。我们认为实战型公司文化有利于挖掘客户需求，提升商业转换率。
产品壁垒与商业模式：
公司业务主要分为智能公共服务与智能商业两大类：智能公共服务业务的客户主要为政府部门和医疗机构，覆盖城市管理、医疗健康等场景；智能商业园区为商业地产、金融、制造、交通运输、互联网等企业客户提供园区管理、网点服务、安全生产、交通出行和互联网服务等场景。公司为客户提供人工智能硬件、软件及软硬件组合及SaaS服务等解决方案，三类产品营收占比分别为24%、15%和61%。其中硬件产品销售主要为内嵌操作系统和基础功能软件的服务器、摄像机等。其中，原石系列智能服务器搭载公司自行研发的QuestCore求索芯片，该芯片单颗代替人工智能推理计算中所需的CPU、GPU及解码器等多种类型算力的组合，适用于云端计算和边缘端计算场景，主要为缩短人工智能芯片与算法、服务器的适配过程，加快设备的设计开发及发布，目前尚未单独销售。
2.2互联网公司：数据资料变现，推荐算法为主
以字节跳动为首的互联网公司在满足自身业务需求基础上实现技术外溢。与综合解决方案提供商不同，互联网公司主要优势来源于自身业务中台能力积淀，将自身数据资料变现，以推荐算法见长，收取广告费。
字节跳动：火山引擎提供全链条解决方案，赋能企业数字化转型
创始背景与战略：
字节跳动的AI能力源于自身业务需求，包括基于头条App的推荐算法、文本理解、机器翻译，基于抖音生态的美颜、语音合成和音乐方向AI技术等。公司的快速增长产生技术溢出，建立火山引擎，将推荐算法等技术打包成解决方案出售给企业级客户，实现技术变现。火山引擎的架构体系分为四层：统一基础服务、技术中台、智能应用和解决方案。从底层系统到上层客户端一站式赋能，满足企业多种需求和应用场景，以更低的成本支撑业务增长。
产品壁垒与商业模式：
公司的算法技术源于自身业务理解，能为客户带来实际的营销效果提升，同时字节有独特的收费模式。其他厂商卖推荐算法主要有两套方案：1）卖推荐平台，客户基于机器学习平台做自己的开发和优化，基于GPU和带宽等按照使用量收费；2）按照一次性的价格售卖成熟模型。字节是基于效果收费，如：之前推荐准确度是60%，字节算法提升到了80%，就按照差额20%进行收费。字节大约17-18年进行技术输出，最开始给小米等手机合作商的应用商店提供推荐算法，逐渐扩展到浏览器内容推荐、照相机图像优化等方面，并增加客户范围。基于效果收费的模式在前期准确率快速提升时广告收入同样提升，但当准确率提升到一定程度后天花板仍然明显。平台SDK各厂商的收费模式比较类似，基本类似订阅制，但字节跳动的算法认可度较高，可产生一定技术溢价。
2.3云计算巨头：引领前沿技术，防御型作战为主
科技巨头积极主导人工智能研发平台发展。数据收集、数据预处理、数据标注、模型训练、模型评估和模型部署等一系列任务，无一不考验着企业的AI模型精度和AI开发效率、AI算力资源等AI开发能力。目前大数据、云计算是我国人工智能发展的重点核心技术，占比高达41.13%。国内云计算巨头在资金、技术、人才获取方面优势显著，且能基于自己的场景需求封装AI能力，仅需考虑产品化的增量成本，在结构性成本上有天然优势，因此主导人工智能平台发展。如：阿里云、百度大脑日调用量已突破1万亿次，腾讯AI开放平台用户已超12亿人，在国内具备较强行业影响力。
AI是云计算巨头与客户接触的触点，防御型作战为主，赋能数字化转型。AI能力是客户数字化转型项目控标的条目之一。以阿里云为例，公司业务重心仍以IaaS层的云服务为主，通过AI开放平台提供通用的AI能力，需要定制的解决方案服务则主要由ISV及已有相应产品/服务的合作伙伴来完成。客户关注投标厂商是否有对应行业的服务经验。阿里云的人工智能废钢定级平台利用机器视觉和行业知识结合，解决了长山西晋南钢铁集团的废钢判级问题，节省废钢定级时间近1/3、卸车时间6-10分钟，便是未来获取类似的数字化转型项目的经验积累。
3.商业模式决定财务表现，长期盈利能力值得关注
3.1营收结构的差异导致行业内部盈利状况悬殊
行业总体增速显著，AI四小龙增速总体超传统硬件厂商。受益于过去几年“雪亮工程”、企业数字化转型，视频与安防行业景气度持续上升，物联网、人工智能、大数据、云计算技术发展等机遇，海康威视、大华股份等头部传统硬件公司保持良好的业绩增长态势，而19年中美贸易摩擦、20年疫情原因带来出口降低，科大讯飞调整非战略性业务，收入增速伴随经营规模进一步扩张的难度提升而有所放缓。AI四小龙与虹软科技因营收基数小，覆盖的场景和产品矩阵更加丰富完善，行业解决方案持续迭代，以及硬件设备出货量增加等因素，营收增速总体超过传统硬件厂商同期。
传统硬件厂商毛利率总体稳定，算法提供商除虹软科技以外波动较大。头部传统硬件企业凭借深厚的行业经验，毛利率稳定维持50%左右，波动范围小于10Pct。其中海康威视市场份额领先，对上游供应链和制造成本管控优势显著，毛利率稳步提升。虹软科技因提供算法为主，长期维持90%以上高毛利率。AI四小龙因产品组合差异，毛利率波动较大。业务构成对公司盈利能力影响巨大。
以科大讯飞为例，公司智慧教育产品矩阵渐趋完善，因材施教解决方案规模化复制加速提升盈利水平。公司作为深耕AI教育行业的龙头，智慧教育始终是公司业务基本盘，行业高速发展以及疫情期间在线教育需求普及是公司业绩增长主因。2021H1智慧教育业务收入占总营收高达29%，同期增速高达31.53%，拉动营收逆市高增。ToB业务场景公司不断中标智慧教育项目，2019年底中标的安徽省蚌埠市智慧学校建设项目已获教育部认可为“智慧教育示范区”，截至2020年底智慧教育产品已在中国31个省级行政区广泛应用，与全国38,000余所学校深度合作，服务过亿师生。ToC业务因学习机产品高度标准化，随着产品矩阵完善、出货量增加，显现强大的变现能力和较高毛利率（约54%）。
虹软科技作为国内视觉AI的领军企业，27年专注于计算机视觉算法，智能手机视觉解决方案一直是虹软科技的主要营收来源，收入占比从2016年的67%提升到2021H1的93%。2020年智能手机视觉解决方案的毛利率高达94.93%，使公司总体毛利率（近90%）远超同行业平均水平。虽然2020年新冠疫情的影响下手机出货量在全球范围内呈下降趋势，但由于公司已将视觉解决方案广泛布局，进一步提升市场份额，带来公司智能手机业务营收的逆势高增长。未来智能驾驶业务将成公司的第二增长曲线。
软硬件结合的项目制销售模式降低AI四小龙总体盈利能力。云从科技营收主要来源于软硬件组合，营收占比约60%，对应毛利率仅27%。毛利率最高（85%）的软件授权业务在云从科技营收中占比仅25%。旷视科技主营业务可分为消费物联网解决方案（细分为云端SaaS类和移动终端类），城市物联网解决方案和供应链解决方案。公司以城市物联网解决方案为主要营收来源，占比近65%，而其毛利率仅为30%。毛利率近80%的云端SaaS类营收占比仅20%，且近两年呈现递减趋势。AI四小龙销售以软硬件一体化或解决方案为主，改善商业模式、提升纯软件销售比重是提升盈利水平的关键。
3.2期间费用管控加强，研发投入争相加码
得益于业务模式逐渐清晰，费用投入逐渐产生规模效应，行业费用率水平趋缓。科大讯飞等成熟公司的销售费用率与管理费用率逐渐下滑并趋于稳定，费用管控效果明显。AI四小龙由于经营管理模式尚未成熟，费用率相对较高。成长期公司的销售费用率偏高尤为突出，与其销售力量相对薄弱、在市场上议价能力不强、项目竞争有关。此外，AI四小龙项目之间差异大，需向客户提供专业化、定制化服务，平均人力成本较高。其中依图科技2018年度销售费用率高达92.81%，主要因为当年公司业务辐射区域逐步向全国及境外发展，大规模投入市场拓展。2019年云从科技管理费用率达181.69%，由于公司对员工发放了13.03亿元股权激励。
各企业争相加码研发投入强度。AI是人才密集型行业，人才储备对于算法质量影响深远，不同公司间的人才争夺抬升行业平均研发人员成本。从员工构成看，各家公司研发人员均超半数以上，在企业规模不断扩张、员工总数持续增长的同时，行业内公司均能保证研发人员数量的同步提高。其中，依图科技2020H1研发人员占比达55.54%，商汤科技2021H1研发人员占比达67.97%。从研发支出看，AI四小龙保持着极高的投入强度与增速，不断加强技术研发和创新，从而提升公司竞争力。
高强度的研发投入使AI四小龙净利润难以转正。以科大讯飞为代表的成熟企业已形成较大的经营规模，净利润稳定并逐步上升。AI四小龙由于高强度的研发投入及营收规模较小，尚未实现净利润转正。2019年云从科技和依图科技净利润创历史新低，作为技术驱动型企业，为抓住行业发展机遇，不断加大研发创新及市场开拓的投入，使营业总成本增幅超过70%。而虹软科技作为智能视觉行业先行者，在“技术开放+产业链生态”的赋能体系惠及下，积极将计算机视觉解决方案布局至各类场景，高毛利决定了高达29%左右的高净利润。
AI四小龙人均效益有待提升。海康威视、大华股份的人均收入基本稳定在150万元上下，科大讯飞人均收入持续上升，2020年也达到100万元以上。AI算法公司除虹软科技人均收入总体增长至100万，其余公司不足50万。其中，商汤科技2021H1人均收入约31万元。但从人均费用看，科大讯飞、海康威视基本低于25万，大华股份也控制在40万以内，而AI四小龙中除了云从科技基本控制在30万内，其余公司平均人均费用40万左右，商汤科技2021H1人均费用约50万元，人均效益有待提升。
3.3客户结构影响公司营运能力
行业整体营运能力略有下降，部分公司受客户影响大。AI四小龙面临付款周期长、回款慢的挑战。这些公司的业务最终客户主要为政府、事业单位、大型国企等，付款审批流程较为复杂，易受项目验收节奏影响，一定程度上引致合同回款速度相对较慢。此外，因中美贸易磨擦持续升温，预期供应链采购可能出现波动，战略性采购使存货周转率相应降低。AI四小龙的前五大客户销售收入集中度普遍高于传统硬件厂商，导致抗风险能力较差。以依图科技为例，前五大客户收入贡献占比从2017年的35%左右提升至2020年62%。其他公司近年运营周转次数略有下降，但仍然相对稳定。
4.投资分析
AI行业关注重点及催化因素
经过几十年发展，AI技术公司、新算法层出不穷，图像识别、语音识别等技术红利快速释放，但过去十年主要仍基于深度学习算法。行业生态体系更为明晰，单技术同质化明显，竞争力主要体现在落地场景的丰富程度和具体细节，且多模能力组合、赋能其他行业时AI技术与专业知识的结合成为趋势。本文主要总结了三类AI技术商业模式、四类主要行业参与者，建议关注以下方面：
1）收入构成及确认方式：由于AI使用场景丰富，若是集成类政企项目，单个厂商较难具备完整能力，通常变为硬件销售为主，软件收入占比低，拉低整体盈利水平，且收入进度受客户项目验收节奏影响，降低运营指标，影响现金流；
2）AI赋能行业还是行业反哺AI：以海康威视为代表的传统硬件公司已蝉联八年安防行业市场份额第一，对下游客户的需求具备深刻洞察，且有较强供应链管理能力，在此基础上发展AI能力市场目标更为明确；类似如字节跳动的AI能力主要基于今日头条App、抖音生态等自身业务需求，再做技术外溢；阿里的强项主要也与电商业务和商品推荐有关。纯粹技术厂商需对市场需求和客户使用场景有足够的经验积淀，才能形成差异化竞争优势。
3）标准化程度高、可规模复制的产品可解盈利之困：当前AI独角兽厂商所接定制化、私有化的项目订单较多，无法形成规模化复制优势，导致人均效益偏低。以科大讯飞为例，ToC产品高度标准化，可随市场份额提升、学习机等产品出货量、学智网订阅量增加而摊薄制造成本与研发、销售费用投入，提升盈利水平。
4）数据是AI发展重中之重：人工智能三要素算法、算力、数据中毫无疑问数据最重要，当前算法同质化严重，算力过剩，数据量大却精细度不足。大数据、数据仓库、数据分析相关公司或成为投资机会，建议关注数据处理公司龙头明略科技。
5）人员成本下降或迎来行业拐点：AI市场水大鱼大，随着各个行业场景落地，市场对AI认知更清晰，可选的供应商范围更多。当前AI行业商业模式类似咨询公司，未来人才供给增加，一级市场泡沫破裂后人员成本下降或许带来利润水平会上升，给行业带来结构性变化。
5.风险提示
人工智能技术进展不及预期。人工智能行业属于技术密集型行业，如果未来关键技术未能实现突破、相关性能指标未达预期，可能会对行业发展造成不利影响
人工智能落地进度和产业应用不及预期。行业内公司依赖技术产业化进行盈利，如果人工智能解决方案未能准确契合市场需求，或该市场增长不及预期甚至规模下行，行业内公司收入利润可能低于预期
中美贸易摩擦。中美贸易摩擦可能造成人工智能技术研发交流阻滞和上游人工智能芯片供应不利，从而影响行业内公司经营结果
行业竞争加剧。行业内公司不仅面临大型综合性科技企业如Google、华为等的竞争，在人工智能细分的垂直领域如也面临众多创新企业的挑战，行业竞争加剧可能导致人才成本增加、潜在项目盈利性降低，对公司带来不利影响
宏观经济波动、宏观政策变化风险。行业内公司受到政府部门资金投入的影响较大，与国家产业政策和宏观经济关联性强。如果未来由于宏观经济增速放缓、产业政策调整等因素造成上述资金投入下降，整体市场需求将会受到不利影响
（本文仅供参考，不代表我们的任何投资建议。如需使用相关信息，请参阅报告原文。）
精选报告来源：【未来智库官网】。
2019年中国人工智能行业市场规模与发展前景 人工智能将进入应用落地快速发展期【组图】
当前位置：前瞻产业研究院»经济学人»研究员专栏2019年中国人工智能行业市场规模与发展前景人工智能将进入应用落地快速发展期【组图】UVc分享到：徐烁•2019-08-2715:13:52来源：前瞻产业研究院E32256G02023-2028年中国人工智能行业发展前景预测与投资战略规划分析报告2023-2028年全球人工智能芯片（AI芯片）行业市场调研与发展前景研究报告2023-2028年中国大数据产业发展前景与投资战略规划分析报告2023-2028年中国云计算产业发展前景预测与投资战略规划分析报告2023-2028年中国生物识别技术行业市场调研与投资预测分析报告2019年，人工智能连续第三年出现在政府工作报告中，从“加快”、“加强”到“深化”，说明我国的人工智能产业已经走过了萌芽阶段与初步发展阶段，下个阶段将进入快速发展时期，并且更加注重应用落地。据中国信通院数据，中国人工智能规模从2015年到2018年的复合平均增长率为54.6%，2018年市场规模已达到415.5亿元。据前瞻中性预测，2020年我国AI市场规模约在700-1000亿元左右。未来，我国人工智能将继续向着规模化、安全化和健康化趋势发展。
我国人工智能进入快速发展时期，更加注重应用落地
2015年以来，人工智能在国内获得快速发展，国家相继出台一系列政策支持人工智能的发展，推动中国人工智能步入新阶段。2019年，人工智能连续第三年出现在政府工作报告中，继2017、2018年的“加快人工智能等技术研发和转化”，“加强新一代人工智能研发应用”关键词后，2019年政府工作报告中使用了“深化大数据、人工智能等研发应用”等关键词。从“加快”、“加强”到“深化”，说明我国的人工智能产业已经走过了萌芽阶段与初步发展阶段，下个阶段将进入快速发展时期，并且更加注重应用落地。
中国人工智能产业规模逐年上升，2018年市场规模已达到415.5亿元
近年来，中国人工智能产业发展迅速，语音识别和计算机视觉成为国内人工智能市场最成熟的两个领域。自2015年开始，中国人工智能产业规模逐年上升，据中国信通院数据，2015年到2018年复合平均增长率为54.6%，高于全球平均水平（约36%）。2018年，中国人工智能产业市场规模已达到415.5亿元。
中性预测2020年我国AI市场规模在700-1000亿元左右
据前瞻对国内外多家权威机构2020年中国人工智能规模预测情况的汇总，乐观估计2020年我国人工智能市场规模有望突破1600亿；中性预测2020年我国AI市场规模在700-1000亿元左右。
人工智能将向着规模化、安全化、健康化趋势发展
从全球层面来看，新一代人工智能产业将呈现四个发展趋势。
（1）产业规模趋势
各国政府和产业界投入日益增长，人工智能技术的进一步成熟将带来更多的新产品、新服务，人工智能驱动的自动化将提升全要素生产率增长，产业规模将爆发式增长。
（2）国际竞争趋势
近年来，世界各国紧密出台人工智能规划、政策和投资计划，从国家战略层面强化人工智能布局，在新一轮国际科技竞争将展现出新局面。目前中国已经成为人工智能大国，未来将更加深度参与全球人工智能产业合作竞争，成为人工智能的重要推动者。
（3）技术趋势
类脑智能蓄势待发，目前已有多国开始了“脑科学研究”；量子智能也将加快孕育，已成为全球公认下一代计算技术，将为人工智能带来革命性发展机遇。
（4）风险趋势
随着人工智能逐渐普惠社会，人工智能安全风险和社会治理等问题将逐步提上日程。
从中国角度来看，未来十年都将是人工智能技术加速普及的爆发期，人工智能产品制造在各领域中实现，人工智能不断向日常生活渗透，产业规模大幅提升。同时，人工智能具有显著的溢出效应，将带动其他相关技术的持续进步，助推传统产业转型升级和战略性新兴产业整体性突破。随着我国发布《产业结构调整指导目录（征求意见稿）》，人工智能行业向着健康化发展。未来，中国人工智能将呈现四个主要发展趋势。
以上数据来源参考前瞻产业研究院发布的《中国人工智能行业市场前瞻与投资战略规划分析报告》。
更多深度行业分析尽在【前瞻经济学人APP】，还可以与500+经济学家/资深行业研究员交流互动。
前瞻产业研究院-深度报告REPORTS2023-2028年中国人工智能行业发展前景预测与投资战略规划分析报告本报告前瞻性、适时性地对人工智能行业的发展背景、供需情况、市场规模、竞争格局等行业现状进行分析，并结合多年来人工智能行业发展轨迹及实践经验，对人工智能行业未来...
查看详情
本文来源前瞻产业研究院，内容仅代表作者个人观点，本站只提供参考并不构成任何投资及应用建议。（若存在内容、版权或其它问题，请联系：service@qianzhan.com）品牌合作与广告投放请联系：0755-33015062或hezuo@qianzhan.com在招股说明书、公司年度报告等任何公开信息披露中引用本篇文章内容，需要获取前瞻产业研究院的正规授权。如有IPO业务合作需求请直接联系前瞻产业研究院IPO团队，联系方式：400-068-7188。
p20q0我要投稿
UVc分享：标签：人工智能行业人工智能规模人工智能前景人工智能行业品牌、内容合作请点这里：寻求合作››
产业规划
园区规划
产业招商
可行性研究
碳中和
市场调研
IPO咨询
前瞻经济学人专注于中国各行业市场分析、未来发展趋势等。扫一扫立即关注。前瞻产业研究院中国产业咨询领导者，专业提供产业规划、产业申报、产业升级转型、产业园区规划、可行性报告等领域解决方案，扫一扫关注。相关阅读RELEVANT2022年中国人工智能医疗行业发展现状及市场规模分析逐渐完善的产业基础提振投资信心【组图】
2021年全球人工智能行业市场规模与投融资现状分析未来人工智能将呈现螺旋式发展
2023年全球智慧水务行业市场现状及发展前景分析人工智能技术加速与水务行业融合【组图】
预见2023：《2023年中国人工智能行业全景图谱》(附市场规模、竞争格局和发展前景等)
2022年中国人工智能行业发展现状与市场规模分析市场规模超3000亿元【组图】
2023年中国人工智能芯片行业市场现状及发展前景分析AI芯驱动引领未来【组图】
中国信通院：2023年中国人工智能产业规模大约3100亿元
中新社北京12月15日电(记者刘育英)2020年，全球人工智能产业规模1565亿美元，增长率是12%，中国人工智能产业规模大约3100亿元人民币，同比增长15%。
在15日中国信息通信研究院ICT+深度观察报告会上，中国信息通信研究院副总工程师王爱华介绍了上述情况。根据信通院监测平台数据，截至今年10月，全球共有人工智能企业将近5600家，中国将近1450家。近几年人工智能企业数量基本保持平稳态势，进入到平台期。
“跟全球各个行业和领域一样，今年上半年人工智能产业投融资情况并不好，但是第三季度有了强力反弹”，据王爱华介绍，“今年人工智能C轮以后投融资占比超过50%，前期的投融资热潮已经渐入尾声，下一步需要公开市场进行募资”。
王爱华发布的“人工智能发展深度观察”报告称，人工智能的学术研究今年依然热度不减，据信通院统计，2010年到2019年的10年间，全球人工智能领域发布论文总量超过73万篇，中国是论文产出最高的国家，总量超过18万篇，而且占比还在逐年增高，2019年达到32.3%。
在融合应用来看，中国国内今年在医疗领域有巨大突破，截至11月底，国内一共有9家企业的10个人工智能产品获得医疗器械三类证，实现了零的突破而且是巨大的突破。
自动驾驶领域商用步伐也在提速。最近，百度获得北京市首批无人化路测第一阶段许可，谷歌到今年9月份仅发生18起小型事故及29起险些碰撞事故，凤凰城取消了车内安全员。
王爱华认为，未来10年是全球数字经济迈入智能社会的黄金发展期，建议以建设人工智能新基建为契机，加速构建人工智能相关能力；发挥应用先导示范作用，深度落地融合应用；以法律伦理标准先行，完善治理能力体系建设。(完)
【编辑:朱延静】2023年全球人工智能行业市场现状、竞争格局及发展前景分析 未来市场规模高速增长
全球人工智能应用场景将不断丰富，市场规模持续扩大
当前，国内外互联网巨头纷纷将人工智能作为下一次产业革命的突破口，积极加大投资布局，与此同时，随着人工智能技术进步和基础设施建设不断完善的推动下，全球人工智能应用场景将不断丰富，市场规模持续扩大。
“人工智能”一词最初是在1956年美国计算机协会组织的达特矛斯(Dartmouth)学会上提出的，人工智能发展至今经历过经费枯竭的两个寒冬(1974-1980年、1987-1993年)，也经历过两个大发展的春天(1956-1974年、1993-2005年)。从2006年开始，人工智能进入了加速发展的新阶段，并行计算能力、大数据和先进算法，使当前人工智能加速发展;同时，近年来人工智能的研究越来越受到产业界的重视，产业界对AI的投资和收购如火如荼。
1、全球人工智能技术迈入深度学习阶段
机器学习是实现人工智能的一种重要方法，深度学习(DeepLearning)是机器学习(MachineLearning)的关键技术之一。深度学习自2006年由JefferyHinton实证以来，在云计算、大数据和芯片等的支持下，已经成功地从实验室中走出来，开始进入到了商业应用，并在机器视觉、自然语言处理、机器翻译、路径规划等领域取得了令人瞩目的成绩，全球人工智能也正式迈入深度学习阶段。
与此同时，全球人工智能领域对新技术的探索从未停止，新技术层出不穷，例如近年来一些新的类脑智能算法提出来，将脑科学与思维科学的一些新的成果结合到神经网络算法之中，形成不同于深度学习的神经网络技术路线，如胶囊网络等，技术的不断进步是推动全球人工智能的发展的不竭动力，这些新技术的研究和应用将加快全球人工智能的发展进程。
2、全球主要经济体加快人工智能战略布局
人工智能作为引领未来的战略性技术，目前全球主要经济体都将人工智能作为提升国家竞争力、维护国家安全的重大战略。自2013年以来，包括美国、中国、欧盟、英国、日本、德国、法国、韩国、印度、丹麦、芬兰、新西兰、俄罗斯、加拿大、新加坡、阿联酋、意大利、瑞典、荷兰、越南、西班牙等20多个国家和地区发布了人工智能相关战略、规划或重大计划，越来越多的国家加入到布局人工智能的队列中，从政策、资本、技术人才培养、应用基础设施建设等方面为本国人工智能的落地保驾护航。
3、全球人工智能领域新基建扩容趋势明显
人工智能新基建包含智能芯片、5G、感知网络、数据中心等支持人工智能发展的生产性设施建设，同时人工智能与实体经济深度融合做构建的智能经济形态也是人工智能领域新基建的一部分。
近年来，全球人工智能发展的生产性设施建设步伐加快，2020年新冠疫情在全球爆发，对全球的经济生产活动产生较大的冲击，但值得注意的是，全球范围内的新基建业务扩容未被阻断，从各国政府到行业主要企业都积极参与到人工智能新基建的建设中。
人工智能芯片是人工智能的大脑，随着全球人工智能终端设备数量的增长以及边缘计算的需求逐步提升，全球人工智能芯片需求量快速增长，市场规模不断扩大。
根据Tractica公布的数据显示，2019年全球人工智能芯片市场规模达110亿美元，预计2020年全球人工智能芯片市场规模将增加至175亿美元，2025年全球人工智能芯片市场规模有望突破720亿美元。
5G的低延迟、高速度和边缘计算能力可以推动人工智能设备更智能地进行大量的数据连接，提升人工智能设备的学习能力，与此同时将5G网络与人工智能技术相结合，可以有效提高5G网络的智能化程度，使网络从人工配置参数与使用专家的经验编制策略转变为网络智能配置参数与智能策略自动生成成为可能。
由此可见，5G与人工智能的互促式发展可以加速全球人工智能应用突破与落地，因此，目前全球范围正在加快5G商用推广的步伐，全球5G基础设施建设如火如荼。
根据GSMA(全球移动通信系统协会)公布的数据显示，截至2020年7月底，全球38个国家已经部署了92张5G移动网络，较4月底增加了22张;截至2020年9月，全球5G终端达到18类362款，其中162款手机，113款已经上市，其中70%+支持SA(独立组网)，5G商用正在加快。
根据爱立信公布的数据显示，截至2020年6月底，全球范围内共部署了约72万个5G基站，2020年8月这一数据增加至80万个，前瞻预计，到2020年底，全球5G基站总数将达到100万个。
近年来，随着计算能力越来越强，云计算、大数据、虚拟化等技术的出现，让人工智能有了可依赖的现实技术基础。人工智能的算法需要依赖海量的数据，利用海量的样本进行机器学习。
数据中心天然就是一个海量数据库，每天生成的和转发的数据都在呈指数增长，有了这些数据，再利用大数据技术去分析，就能得到很多有意义的数据供人工智能学习;与此同时，人工智能要依赖计算，只有高速的计算能力才能在短时间完成指定的任务，现在的数据中心利用网络进行分布式计算，大大提高了计算能力，人工智能的学习能力可以得到大幅提升。数据中心为人工智能提供更多的技术支撑与创造无限可能。
全球数据中心建设加快有力的推动了人工智能的发展，从2017年开始，伴随着大型化、集约化的发展，全球数据中心数量开始缩减，但值得注意的是，随着行业集中度的逐步提升，全球超大型数据中心数量总体增长，据Cisco的统计数据显示，2019年，全球超大型数据中心数量约447个;至2020年，全球超大新数据中心将达到485个。
根据Gartner公布的数据显示，2017年底全球部署机架数达到493.3万架，安装服务器超过5500万台，2019年全球数据中心部署的机架数量约为495.4万架。预计2020年机架数将超过498万架，服务器超过6200万台。
4、全球人工智能商业化加速应用场景愈发丰富
人工智能技术经过过去近10年的快速发展已经取得较大突破，随着人工智能理论和技术的日益成熟，人工智能场景融合能力不断提升，因此，近年来商业化应用已经成为人工智能科技企业布局的重点，欧洲、美国等发达国家和地区的人工智能产业商业落地期较早，中国作为后期之秀，近年来在政策、资本的双重推动下，人工智能商业化应用进程加快。目前，人工智能技术已在金融、医疗、安防、教育、交通、制造、零售等多个领域实现技术落地，且应用场景也愈来愈丰富
值得注意的是，尽管目前全球范围内人工智能商业化进程正加速推进，但受制于应用场景的复杂度、技术的成熟度、数据的公开水平等限制，全球人工智能仍处在产业化和市场化的探索阶段，落地场景的丰富度、用户需求和解决方案的市场渗透率仍有待提高。
5、全球人工智能市场规模快速增长
基于人工智能技术的各种产品在各个领域代替人类从事简单重复的体力或脑力劳动，大大提升了生产效率和生活质量，也促进了各个行业的发展和变革。
普华永道数据预测，受到下游需求倒逼和上游技术成型推动的双重动因，2020年全球人工智能市场规模将达到2万亿美元，预计未来几年市场将继续保持高速增长，到2030年全球市场规模将达到15.7万亿美元的规模，约合人民币104万亿元。
6、北美地区人工智能产业发展领先
近年来，人工智能在北美洲、亚洲、欧洲地区发展愈演愈烈。北美、亚洲和欧洲是全球人工智能发展最为迅速的地区。截止2019年底，北美地区共有2472家人工智能活跃企业，超级独角兽企业78家;亚洲地区活跃人工智能企业1667家，超级独角兽企业8家;欧洲地区活跃人工智能企业1149家，超级独角兽企业8家。
注：超级独角兽指的是估值超过100亿美元的企业
7、科技巨头纷纷布局人工智能行业
近年来，全球科技巨头纷纷布局人工智能。在美国地区，Google实行“全面开花”的策略，在云服务、无人驾驶、虚拟现实、无人机、仓储机器人等领域均有布局。Facebook依托社交网络，从产品中获得数据、训练数据，再将其人工智能产品反作用于社交网络用户。
微软则致力于将人工智能技术应用到智能助手、AR/VR等领域，例如Skype及时翻译、小冰聊天机器人、Cortana虚拟助理等应用。在中国，互联网巨头企业如百度、腾讯和阿里均纷纷依托自身平台优势，构建人工智能服务产品，主要布局于人工智能应用层领域。
8、全球人工智能新一轮资本热潮方兴未艾
从生产方式的智能化改造，到生活水平的智能化提升，再到社会治理的智能化升级，新一代人工智能的应用驱动特征愈加明显，大量新兴应用场景持续培育形成。快速丰富的数据储备，逐渐清晰的业务逻辑，以及即将落地的商业价值，促使全球人工智能新一轮资本热潮方兴未艾。
根据CBInsights公布的数据显示，2014-2019年全球人工智能融资金额和融资次数逐年增长，2019年再创新高，融资金额达到265.80亿美元，融资次数超过2000次。
以上数据及分析均来自于前瞻产业研究院《中国人工智能行业市场前瞻与投资战略规划分析报告》，同时前瞻产业研究院提供产业大数据、产业规划、产业申报、产业园区规划、产业招商引资、IPO募投可研等解决方案。