「強勢推薦」120張圖勾勒全球AI產業完整圖譜！
根據耶魯大學和牛津大學的研究人員對352位人工智慧專家進行了採訪，
中金公司（CICC）6月19日發佈了一份長達71頁的人工智慧的證券研究報告《人工智慧時代，10年之後我們還能幹什麼？》。
主要觀點
人工智慧不再是概念：我們的調研發現，基於人工智慧的視頻分析技術正在不斷拓寬安防技術的應用範圍，實現即時車輛軌跡追蹤等以前只有在警匪片裡才有的新功能。通過基於用戶畫像的精准廣告投放，互聯網公司在過去三年提高了廣告單次點擊成本（CPC）170%。
資料比演算法重要：我們認為人工智慧的商業化，僅僅依靠技術是很難繼續走下去的。資料的規模和採集能力決定了人工智慧在這個行業的發展速度。
人工智慧=“人工+智慧”：只有投入更多的研發人員和資料，
看好資料中心/感測器/半導體行業面臨結構性成長機會：智能化有兩個直接結果。第一是企業服務加速向雲計算的遷移。我們預計全球公有雲市場今後幾年保持25%的年複合增長，到2020年達到約950億美元的規模。為了支撐雲服務發展，八大全球主要科技公司在資料中心資本開支到2020年將達約900億美元，約占全球電信業資本開支的25%。第二是收集資料需求的增加，手機及汽車上搭載感測器數量大幅上升。我們預計車載感測器市場從2016年的82億美金擴大到2025億的290億美金（15%CAGR）。資料中心及手機、汽車內計算能力的上升，推動人工智慧相關晶片需求從2016年37億美金擴大到2025年的566億美金。
風險：人工智慧創新進度低於預期。
【劃重點】本報告乾貨滿滿，所以特地挑出了一張極具代表性的內容：人工智慧的兩個維度，以及圍繞這兩個維度展開的競爭，即軟體發展框架和計算晶片。對當下最熱門的議題——TPU進行詳細解讀。
報告認為人工智慧服務提供者之間的競爭主要包括兩個維度
軟體發展框架：主要的框架包括穀歌的TensorFlow，Facebook，IBM，穀歌DeepMind支持的Torch，Microsoft的CNTK，Amazon的MXNet。NVidia也提供自己的軟體發展框架CUDA。這些公司之間的競爭類似于智慧手機作業系統上iOS/Andorid之間的競爭。
計算晶片：目前的競爭對手包括NVidia/AMD的CPU，穀歌的TPU，Xilinux的FPGA之間在計算成本和速度上的競爭。這些公司之間的競爭類似與高通和聯發科在手機晶片上的競爭。在TPU的例子上我們看到，谷歌利用其在軟體發展框架上的優勢，減小切換計算晶片（GPU to TPU）時的軟體修改成本，形成一個Tensor Flow+TPU的封閉生態環境。
10年之後我們還能做什麼？
在這份報告裡，我們著重分析四種人工智慧技術（語音，圖像，自然語言處理，機器人）對五個行業（安防，互聯網電商/廣告，消費電子，汽車，醫療）的影響。
從技術角度來看：
語音技術成熟但應用場景有限。語音辨識是目前發展最成熟的人工智慧技術。Nuance，科大訊飛，Google，百度等主流廠商的近場語音辨識率都達到99%以上。但目前應用場景局限在電子病例，智慧客服，線上教育，車載導航等少數幾個領域。隨著未來語音辨識種類的進一步豐富，識別環境通用性的增強，以及遠廠語音技術的突破，一定會幫助拓展其應用範圍到智慧家居等更多場景中。
圖像識別落地機會最多。圖像識別技術不但有著非常高的識別準確率，而且能夠很快給出智慧的回饋，因此圖像識別技術最容易快速落地到各行各業中。安防行業中的車輛資料提取，醫療行業的影像診斷，電商行業中的精准行銷，以及輔助駕駛都為圖像識別技術提供許多落地變現的機會。
自然語言處理在互聯網行業中應用最為成熟。我們注意到基於人工智慧的精准行銷正幫助互聯網廣告公司不斷提升流量價值，而且一些智慧的銷售客服機器人正在逐步替代人工成為線上銷售，售後維護的主力軍。
智慧型機器人技術有待成熟。我們注意到一些公司開始在倉儲機器人、手術機器人等細分行業進行探索。但技術還有待成熟。
從行業角度來看：
安防是人工智慧在中國最容易變現的行業：十幾年的平安城市建設，使中國的城市管理者已經積累了強大的視頻資料獲取能力。交通擁堵及反恐等應用場景又急需最先進的人工智慧技術。
互聯網廣告和電商蘊含大量的資料，為人工智慧在互聯網廣告和電商領域的應用提供了廣闊的資源和空間。例如，互聯網公司通過基於用戶畫像的精准廣告投放，在過去三年提高了廣告單次點擊成本（CPC）170%。
AI促進消費電子升級換代：3D光學感測等AI功能會幫助現有智慧手機提高售價，同時促進智慧音箱等新品類的發展。
汽車行業2021年前後實現無人駕駛：隨著Tesla AutoPilot 2系統的發佈，GM宣佈自己的自動駕駛系統Super Cruise。我們注意到汽車智慧發展呈現加速趨勢。我們預計汽車主機大廠在2021年前後能夠實現商業化的無人駕駛服務。
醫療行業空間巨大，但技術還有待成熟。電子病歷的建立，不僅僅用到了語音辨識技術，也整合了醫療大資料；影像診斷則用到了圖像識別技術，現在在國內外都已經形成成熟的商業模式。輔助治療和手術機器人由於技術的尚不完善，還在小範圍推廣。由於語音辨識技術和機器視覺技術的成熟，大量應用這兩個技術的行業將迎來AI變現的更多機會。
直接受益行業：
資料中心：人工智慧的普及會推動雲計算服務及資本開支的快速增長。我們預計到2020年，八大主要科技公司在資料中心相關的資本開支總計將達約900億美元，約占全球電信業資本開支的25%。
半導體：我們認為2020年人工智慧相關半導體的市場空間將達到117億美元，其中雲端伺服器市場規模76億美元，智慧手機移動端41億美元。除了上游的晶片設計廠商將受益之外，中下游晶圓代工及封裝測試廠也將同步獲益。
感測器：第二是收集資料需求的增加，手機及汽車上搭載感測器數量大幅上升。我們預計感測器市場從2016年的82億美金擴大到2025億的290億美金（15%CAGR）。
視頻、智慧駕駛、軟體框架、晶片、光學、音箱、雲7大產業鏈
全球主要AI科技公司市值
研發開支與研發費用率一覽
智慧化推動安防行業的第三次升級
中國視頻監控行業在過去十幾年經歷了兩次重要的升級換代 ：
（1）高清化：在這次升級的主要變化是攝像機的清晰度從標清（30萬圖元）升級到100萬圖元或以上。圖像傳輸方法從原本通過同軸電纜傳輸的類比信號過渡到通過局域IP網或同軸電纜傳輸的數位信號。後端設備也從DVR（Digital Video Recorder）過渡到NVR（Network Video Recorder）。NVR的物理位元臵還是在本地（例如，社區內）。
（2）網路化：在這次升級中的主要變化是，視頻被直接傳回資料中心內的集中存儲。（IP-SAN）。主要的優勢是方便集中管理以及可監控的區域大大增加。
隨著2016年以來人工智慧技術在視頻分析領域的突破，視頻監控行業正處在第三次重要的升級週期的開始階段。
（3）智能化：我們認為這次升級主要包括：（a）前端攝像機的智慧化升級以支援結構化資料提取；（b）後端設備強化計算分析功能，以支援複雜的視頻分析；（c）對應特定行業應用的人工智慧分析軟體快速增長。
安防攝像機的智慧化升級
傳統的網路攝像機直接把高清視頻回傳給資料中心裡的NVR，由於回傳視頻資料量巨大，很難對所有圖像進行即時分析。大部分時候是對保存的圖像進行事後分析。通過在網路攝像頭上添加人工智慧晶片（例如，NVidia的Jetson TX2、Movidius的Myriad 2 Vision等晶片），前端攝像頭可以即時對視頻資料進行結構化處理。例如，設臵在交通路口的攝像可以提取車牌，車型等汽車資訊和乘客數量，是否帶安全帶等乘客資訊回傳給資料中心。方便進行即時分析，優化系統反應能力。
根據IHS統計，全球安防攝像頭市場2016年約95億美元，預計到2020年將達到128.4億美元，CAGR為8.1%。其中，網路攝像機占比將從2016年的82%上升到2020年的90%。同時，我們預計相當一部分網路攝像機將迎來智慧化升級。目前，中國佔據全球44%的需求，海康威視已成為安防攝像頭的全球龍頭。
後端設備強化計算分析功能
後端設備強化計算分析功能，以支援複雜的視頻分析：傳統的NVR（Network video recorder）的主要功能是壓縮存儲視頻資訊。通過添加GPU等人工智慧加速晶片和應用處理軟體，智慧NVR能夠實現圖像識別，特徵提取，人體識別、人員檢索等功能。一些公司率先在裡面加入人工智慧處理能力，如海康的“超腦”系列。
根據IHS的資料，後端錄影存放裝置的市場規模2016年約38億美元，到2020年將達42.7億美元，CAGR為2.4%。中國依舊佔據了全球42%的市場需求，海康威視成為全球龍頭。從產品占比趨勢觀察，基於伺服器的集中式存儲的占比將逐漸降低。這表明未來的存儲將更加分散化，NVR等設備的增長更快。
視頻管理分析系統(VMS)新增人工智慧功能
視頻管理分析系統（VMS）的主要功能是彙集分析視頻資訊，以及控制前端安防設備。由於技術上的限制，在人工智慧拘束出現以前，即時視頻分析的應用範圍一致相對較小。
傳統上，中國市場客戶傾向于購買包含前端攝像機、後端存放裝置和VMS的一體解決方案，所以海康威視、大華股份、宇視科技等擁有軟硬體一體化解決方案的廠商一直保持較高市場份額。隨著對基於人工智慧的視頻分析產品的產品要求不斷提高，商湯科技、Face++等在人工智慧演算法上有特色的公司也積極切入VMS市場。
海康威視：針對公安行業、交通行業、金融行業、司法行業、能源行業、智慧樓宇行業、文教衛生等七大行業分別開發了各自的解決方案。根據IHS的統計，海康的iVMS系列產品中國市場佔有率23%。
東方網力：廣泛應用於各行業、公安、平安城市等領域。為彌補演算法方面的短板，東方網力和商湯科技合作，提升人臉識別的性能。
商湯科技：優勢在於電腦視覺演算法和技術，以及相關的行業應用。2014年公司在LFW的準確率達99.15%，首次超越人眼；並在ImageNet2014大規模物體識別競賽中獲得全球第二，僅次於Google，2015年取得兩項世界第一。核心技術包括：人臉技術、智慧監控、圖像識別、文字識別、圖像及視頻編輯、深度學習框架。公司技術應用於：智慧金融、智慧商業、智慧安防等領域。
Face++：專注於人臉檢測，包括人臉檢測、對比、搜索、關鍵點定位、人臉屬性。並提供人工智慧開發平臺。
平安城市新階段帶動智慧安防快速發展
根據IHS統計，2016年全球安防設備市場規模達到158.6億美金，同比增長6.6%。其中中國市場最大，市場規模67.25億美金，同比增長11.6%，占全球42%。美洲市場第二，市場規模39.6億美金，同比增長4.1%，占全球25%。
從中國市場來看，市場主要包括三個細分市場
（1）政府市場（30~35%）：主要包括各地公安，交通，司法部門。銷售管道以系統集成商為主。需求受政府固定資產投資拉動，對價格不敏感，是視頻分析服務的重度使用者。
（2）大企業市場（35~40%）：主要包括銀行，電信，石油，文教衛等大型國有企業和事業單位等。銷售管道以解決方案為主，需求受經營規模擴大的影響。
（3）中小企業及個人市場（25~35%）：主要包括中小企業，也包括個人消費需求（儘管需求很小）。銷售管道以標準產品的分銷為主。
根據我們調研，目前人工智慧相關產品主要目標市場是政府市場。其驅動力來自於各地政府強化各類平安城市相關工程。經過十幾年的平安城市建設，中國的主要城市已經積累了強大的視頻資料獲取能力。如何利用採集到的資料解決交通擁堵及治安問題一直是各地政府有待解決的問題。
基於人工智慧的新一代視頻分析技術為城市管理開闢了一條新的路徑。並將驅動當前67億美元的中國安防設備市場繼續以年增速15%以上增長。其中，交通管理和公共安全等政府相關專案（約占整體市場規模30%）是最主要的應用領域。以下是在交管和公安現場的實例。
交通違法抓拍
通過對前端攝像頭和後端系統進行智慧化升級，利用前端攝像頭對抓取的圖像快速處理，將明顯的違法行為進行智慧識別，並在後端進行收集和二次處理。可對多種交通違法行為進行取證，包括機動車闖紅燈、違法停車、壓線、變道、逆行、超速、人行橫道不避讓行人、違反規定使用專用車道、行人闖紅燈等各種交通違法行為。
犯罪分子抓捕
以海康威視的系統破獲的某個搶劫案為例。為了從大量的視頻圖像中找到嫌疑人，需要對來自500多個監控點的長達250個小時的視頻進行分析，如果採用人力查閱，需要至少30天時間，但如果採用基於深度學習的視頻分析技術，僅需要不到5秒。
另一個案例是，2012年的“1.6蘇湘渝系列持槍搶劫殺人案”，當時對1萬多個監控點產生的2000多T資料進行人工查閱，投入了1500多名幹警耗時一個多月。根據海康威視估算，如果採用人工智慧分析僅需要幾分鐘。
根據IHS資料，全球視頻監控設備市場到2020年將達202億美元，是2016年的1.3倍。我們估計，在AI的驅動下，硬體設備市場的增長將維持較長的時間。
不論全球市場還是中國市場，海康威視、大華股份、宇視科技等中國公司已經佔據較為領先的地位，其中海康威視在全球和中國市場均排名第一。
我們認為，一方面受益於中國視頻監控行業規模在全球占比較高，另一方面，中國龍頭公司的技術和產品的競爭力有了極大的提升。我們預計，這種趨勢仍會保持，中國龍頭公司的全球市占率將繼續提升。
AI+互聯網：
AI加速電商廣告市場發展
電子商務：AI簡化用戶的消費行為
2015年以來，由於互聯網流量紅利逐漸見頂，行業發展重點走向以提升轉化效率以及付費習慣培養的精細模式。在電子商務領域，由於大資料的累積以及底層演算法的快速發展，人工智慧開始進入該領域，通過對消費者購買決策過程的深度學習和解析精准定位用戶。主要的應用是為了更精准的推薦商品以及對用戶的購買行為作出更好的解釋。
大資料是人工智慧的重要基礎，複雜場景催生技術革新
經過爆發式的行業增長，電子商務行業已經完成了早期的資料累積，大資料的產生為人工智慧技術打下基礎。而購物場景不斷延伸，端到端的互聯網消費者行為呈現高度離散的狀態，消費者可觸達點的增加同樣加大了電商平臺對於消費行為把握的難度，因此亟待更高效的方式對使用者購買行為作出更好的解釋，以實現更精准的商品推薦。
人工智慧的知識發現體系更適合解釋當下更為複雜的線上購買決策
根據MillardBrown2016年的研究，傳統行銷通常認為消費者購買品牌是一個線性過程，但現實中情況卻要更為複雜，特別是互聯網帳號體系的出現，線上消費者在其他如社交平臺的分享同樣會影響消費者的最終購買決策。此外，隨著人均可支配收入的進一步提升，影響消費者購買決定的變數同樣變得更為複雜。除了最基本的對於性價比的考量，粉絲效應、生活方式、特殊事件甚至對於環保的考量都有可能影響消費者最終的購買決定。
互聯網環境下，品牌以及商品與消費者的接觸點顯得分散且數量遠大於從前，人工智慧的資料採擷和知識發現功能為解析大量資料間隱藏的依賴關係提供了具有參考意義的一條解決路徑。目前該技術在中國的具體應用表現為在售前，通過基於大資料分析的使用者畫像個性化推薦，向消費者主動展示其購買的產品內容。
目前個性化推薦主要是以分析消費者一定時間內的流覽記錄為主，技術上並不難實現，主要門檻在於商業資料累積以及推薦邏輯優化。在當下全球電子商務領域，Amazon的智慧推薦系統被公認為推薦演算法最好的系統，其服務主要體現為個性化首頁、多頁面關聯商品推薦和多品類關聯促銷。在中國，個性化推薦的形式和Amazon並無太大區別，以發展程度最高的淘寶千人千面模組為例，2016年雙11個性化的智能賣家推薦的測試中，點擊率和訪客成交轉化率分別上升了25%和40%，前次展示支付金額提升了56%。目前淘寶平臺上的鑽展以及直通車均已採用千人千面的資料分析，其解決的主要問題在於如何優化平臺海量流量分流從而優化流量貨幣化效率。
電商領域人工智慧技術的商業化已經開始萌芽，阿裡巴巴自2015年開始加速個性化電商推廣工具的研發，並已將一部分人工智慧演算法融入底層結構，例如：
基於全網電商數據、跨管道資料以及協力廠商資料的客戶運營產品–聚星台，可實現店鋪“千人千面‖的個性化互動行銷以及全域會員運營。
通過標記的方式圈定潛在客群，建立個性化的用戶細分和精准行銷的資料管理合作平臺–達摩盤。
以及開放付費API的人工智慧系統–阿裡雲ET等。
感知智慧引領資訊檢索以及溝通效率提升，即看即買。
儘管互聯網技術解決了傳統零售獲客能力有限的問題，在購物體驗以及溝通交流方面仍然與線下存在差別，尤其是非標品的售賣，例如服飾退換貨率可以高達30~40%。如何更高效的發掘和理解用戶需求進行溝通一直是電商企業努力的方向之一。更為直觀方便的圖片、語音辨識技術因此被應用到了電商服務上。
消費者的購買需求通常具有即時性的特徵，這一點可從2016年底開始奢侈品牌紛紛推出“即看即買”的行銷策略中窺見一二。通常電商消費者在搜索商品時平均需要6個以上的點擊來達成交易，並伴隨大量的輸入以及重複搜索嘗試。2013年底在移動電商滲透之前Statista曾有研究表明，消費平均購物放棄率為67.9%。而今天這一比例已大幅下降，除了更加便捷的購物車服務以及支付環節以外，搜索環節的匹配效率提升同樣起到了提升轉化率的作用。
圖片識別加強電商平臺資料流程動效率。圖片搜索通過色彩圖形以及空間的比對，即使消費者並不知道品牌或商品名仍然可以快速幫助用戶找到其感興趣的商品，真正實現了“即看即買”。對於平臺賣家來說，自商品上線的那一刻圖片識別技術就開始貫穿始終，包括自動檢測商家上傳圖片是否存在侵權、投放推廣時的自動匹配以及關鍵字搜索式的自動圖片推薦；從而提升了電商平臺的資料流程動效率以及運營效率。
語音辨識技術向智慧客服的獨立產品進一步反覆運算。基於語音辨識的搜索也被首先應用到了電商服務中，例如淘寶應用內臵的語音搜索，早在2013年就已經可以支援中英文品牌名混雜的複雜搜索情況。京東則將智慧客服小咚嵌入其App通過語音辨識以及語義分析幫助用戶查找用戶可能感興趣的商品。
隨著大資料的不斷發展，目前語音辨識技術正在逐漸向更為複雜的智慧客服反覆運算演變。一方面人力成本逐年攀升，對運營效率提升提出挑戰；另一方面售前售後的大部分問題重複率高，存在大量可使用人工智慧介入的場景；因此刺激了行業對基於語音辨識的人工智慧進行投入。
Chatbot（聊天機器人）的出現使得語音辨識進一步從底層應用的技術研究和電商附加服務逐漸走向獨立產品，例如亞馬遜的開放Alexa語音服務，開發者可以利用Alexa Skills Set或選擇接入語音服務，將自有內容資源上傳，在用戶出發Alexa中定義的“意圖”時，開發者可在自有伺服器上實現“回答”。
Facebook同樣于去年4月開發了Chatbot的平臺，該服務可以通過即時通信軟體用自然語言解答客戶的問題甚至説明客戶提交訂單，目前在Facebook邀請的傳統零售品牌中，Tommy Hilfiger的人工智慧甚至可以在交流中融入真實的角色性格。儘管目前仍沒有資料能直接證明傳統零售通過此類服務顯著提供銷售量，但我們認為人機對話水準的提升仍將在長期範圍內促進電子商務的進一步滲透。國內同樣存在類似應用產品，例如阿裡雲ET以及科大訊飛的語音辨識均已開始向企業用戶開放開發埠。
儘管人工智慧技術仍處於發展早期，但在改善電子商務售前、售中和售後運營效率的過程中均已開始產生不同程度的增益效果。隨著演算法進一步優化，預計其對於簡單重複人力的替代過程將帶來更多營業效率提升。另外，除了底層演算法的優化，我們看到智慧客服和物流機器人領域已經有成型的獨立產品萌芽，預計主題投資的風潮將在未來的一段時間加速這些領域內商業化進程，預計我們將在這些細分領域內最早看到商業化產品的成型。
廣告：AI商業化應用最成熟的領域之一
自2012年以來，中國互聯網廣告市場經歷了年複合增長率39%的高速增長期。主要的驅動力來自于傳統媒體的式微帶來的預算轉移、移動設備的大爆發帶來的新廣告平臺以及更高ROI的新廣告形式。根據eMarketer資料，2016年互聯網廣告市場規模已經達到404億美金，其中移動廣告占比已經達到35%。其中基於大資料的AI技術已經起到不小的推動作用。
人工智慧（AI）在廣告行銷領域的應用是現階段AI商業化應用最成熟的領域之一，從AI技術的應用階段來看，已經初步進入感官智慧的範疇，且在計算智慧領域的技術和使用場景已經有充分的發展。精准行銷和智慧投放就是其中最重要的應用形式，主要的思路是利用高互聯網/移動互聯網滲透率下積累的大資料（根據《2016年騰訊智慧行銷白皮書》，當年互聯網每日產生資料量已達18萬億GB），通過資料採擷和機器學習等手段，建立行銷物件、產品以及媒介的個性與傳播模型，再通過AI技術進行高效的智慧投放。
精准行銷：提升直接反映在單位流量價
在傳統的受眾到達模式中，即使基於前期的市場研究，在廣告投放的管道和形式上進行了充分的選擇，但是對目標客戶定位的顆粒度則受限於資料規模和智慧技術無法進一步深入，而基於大資料的AI技術則很好地解決了這點。
以今日頭條為例，作為最早在廣告業務中採用AI技術的應用公司之一，AI對其使用者規模的擴展和變現能力產生了巨大的推動作用。預計2017年其廣告銷售收入可以達到150億元。今日頭條基於機器學習技術實現了個性化內容推送，按使用者閱讀偏好進行追蹤，AI演算法對歷史資料進行分析，為使用者生成個性化的閱讀模式。然後推薦他們可能會感興趣的內容，並在不斷反覆運算中優化。通過這一流程，今日頭條在2016年9月已實現每天76分鐘的每用戶平均使用時長，在其同類應用中達到最高水準，同時也大大改善了廣告效果。目前今日頭條平均點擊率接近3~4%，而其他新聞類應用僅為1%左右。
精准行銷能力的提升直接反映在單位流量價值的提升對廣告主定價能力的增強。以資訊流廣告為例，在過去4年中，主要資訊流廣告平臺（包括騰訊廣點通、新浪扶翼、今日頭條、陌陌）的廣告單次點擊定價（CPC）由2013年0.5~0.8元上漲至2016年的1.5~2元。
智能投放
不僅僅是受眾定位一側，在廣告投放一側，AI也在不斷重構廣告主的投放方式與投放策略。在傳統的媒體採買模式中（即人工選取投放的媒體管道和預算），往往是“一籃子”的覆蓋，即使能夠進行一定程度上的細分，也無法完成即時定價和智慧匹配。而隨著廣告主對行銷效果和ROI的追求不斷推動，程式化購買的出現利用AI自動化技術實現了破局。
程式化購買廣告是一種基於AI自動化技術和大資料，將廣告主的具體廣告請求對具體的廣告位（而不是單一媒體）進行智慧投放的互聯網廣告交易模式。其中，大資料是程式化購買的基礎，AI自動化技術是實現高效的手段。程式化購買廣告市場在過去兩年獲得井噴式發展，到2016年已達到308.5億元，這其中還不包括頭部流量平臺的自有程式化交易體系（這部分收入已經包含在平臺廣告收入當中）。
AI技術解決的核心痛點是由於資訊不對稱造成的使用者定價低效，即使在精准定位的前提下，也無法高效率（低成本）地到達。而在AI的幫助下，廣告主可以將散佈在不同媒體的廣告位，通過精確行銷（如前文描述）的定位後，在高度資料化的廣告交易平臺中，由AI指揮自動化系統根據設定的績效指標不斷進行智慧定向和即時競拍，取代了人工進行管道選擇、媒體分析的過程，大大提高了自動化水準、橫跨媒體平臺的能力和成本效率。
AI+廣告的未來發展方向
廣告（包括廣義的行銷）作為公司商業模式變現的第一環節，在移動互聯網流量紅利逐漸褪去，用戶獲取成本不斷高企的背景下，對AI技術的需求只會越來越大，但背後的商業邏輯則始終不離精准（高質高量的用戶）和高效（低成本）的核心。因此我們看好AI和廣告結合的以下三個趨勢：
社交廣告空間巨大：社交網路能夠提供最豐富的使用者行為資料和使用者畫像，為AI的深度學習提供了最適合的資料基礎。從廣告形式來看，以資訊流形式為代表。根據艾瑞諮詢的資料，在2016年，資訊流廣告規模達到267億元，且在未來2~3年將保持50%以上的高速增長。社交廣告整體滲透率在數字廣告中僅8~9%，遠低於美國的28%。
“品效合一”深度實現：由於大資料正逐漸成為現實，橫跨單一媒體平臺和單一廣告形式的用戶畫像能力不斷提高，品牌廣告和效果廣告之間的界限正在逐漸模糊，而廣告主的關注點始終在於可衡量行銷效益。我們認為在這種背景下，能夠利用AI技術和現有流量，提供智慧整合全方位行銷手段，靈活達到廣告主的行銷需求，將是未來廣告運營商的競爭優勢所在。
基於AI的新廣告形式吸引預算：目前AI在廣告領域的應用仍著重於對已有廣告體系的增強，如提高轉化率、通過增加用戶粘性增加廣告庫存等。我們注意到隨著感知智慧甚至認知智慧的發展，已經開始有企業在嘗試引入新的廣告形式以吸引客戶，同時改善受眾體驗。
AI+消費電子：促進換機與升級，孕育新市場
人工智慧加速升級，孕育新市場
在過去的二十年間，主導消費電子的終端應用從PC切換到智慧手機，然而自2007年蘋果發佈iPhone已有十年，全球智慧手機滲透率已近飽和，據Gartner預測，2017~2020年PC出貨將持續負增長，而智慧手機的出貨增速僅維持在1~2%。我們認為人工智慧對消費電子行業主要有以下左右。
新功能推動單機價值量上升。AI演算法的採用帶來語音辨識、人臉識別、VR/AR等新功能在消費電子中的滲透，對於整機廠而言，新功能將帶來單機價值量的提升，實現豐富產品線和差異化，以提升或者穩定產品價格；而對零部件廠商而言，更多感測器以及專業性能的處理器需求不斷提升規格，帶來市場空間的成倍增長。
AI應用提升換機頻率。同樣以iPhone為例，美國是iPhone最大的用戶市場，而使用者換機的頻率和iPhone重大更新密切相關，每次出現重大革新之時，用戶換機傾向增加，換機週期縮短。因此，預計以3D光學感測等為代表的AI應用的加入，將促進使用者對原有的設備進行更新。
AI加速新應用誕生，空間不容小覷：借助AI演算法工具，例如語音辨識、機器視覺、3D導航等，智慧音箱、無人機、VR、共用單車、智慧攝像頭……熟悉的智慧硬體都在性能和使用者體驗上擁有明顯提升，而成本的增加微乎其微。以大疆Spark為例，其售價僅為3,299元，但擁有更先進的手勢識別功能。未來，判斷AI將應用於更多的消費電子領域。此類智慧設備領域雖然當前尚未放量（年出貨規模在1,000萬台以下），市場規模在100億美元以下，但總體規模依舊不容忽視，據IDC預測，2020年僅AR/VR可望成長至千億美元（vs.2016年的52億美元）。
服務性收入帶來商業模式新思路：對整機廠而言，出售硬體為主的商業模式有望迎來變革。以全球科技市值龍頭蘋果而言，蘋果全球擁有超過10億部的iOS裝臵，提供包括Apple Store,Apple Pay,Apple Music及iCloud存儲等服務型收入，並不斷增加AI的含量。2016年蘋果發佈了面向協力廠商應用擴展的SiriKit，相冊開始支援人臉識別，為用戶提供更加切合實際需求的服務。最近的一個季度，蘋果的服務性收入達到70.4億美元，貢獻營收13%，同比增長18%，已經成為最快的收入增長來源。
智慧音箱帶動聲學產業鏈加速發展：2017年6月5號蘋果在WWDC（The Apple Worldwide Developers Conference）發佈了自己的智慧影響產品，趕上了Amazon和Google的腳步。我們預計中國的主要互聯網和消費電子公司在今年晚一點時間也會發佈音箱產品。
無論是何種智慧音箱，本質上都是由接收端——語音辨識與分析——發射端組成。智慧手機也完全配備智慧語音助手+麥克風+揚聲器，但是和手機相比，Always-on是智慧音箱的一個重要特性，它簡化用戶使用行為。在封閉空間內，呼叫智慧音箱遠比拿手機方便，拿手機需要使用者的大腦進行一系列操作指令，首先要回憶手機在哪裡，然後要起身找到手機，拿起手機，解鎖，之後開啟語音助手，才能進行人機交互。智慧音箱的麥克風一直處於開機狀態，只需要喊一聲即可喚醒使用。從使用者大腦習慣“偷懶”的思維模式而言，智慧音箱在封閉空間內的優勢遠大于智能手機。現實中，智慧音箱目前被開發出的功能仍偏少，根據Forrester統計，截至2016年年底，設臵時間和唱歌成為最高頻率應用。從Google和Amazon的產品進化中我們可以看到，更多使用場景正在被探索中。
3D光學感測：從生物辨識到AR/VR。應用場景廣泛
3D光學感測看似僅是在傳統二維的光學傳感上增加了一個維度，但是其應用場景不可估量。我們將其簡單歸納為兩類：3D探測和空間定位。其中3D探測可以用於生物辨識、機器視覺、和影像感測（主要應用於輔助駕駛、3D交互等）；空間定位則主要應用於3D地圖構建和AR/VR定位。
受益于智慧手機等消費電子需求帶動，根據Yole預測，在2016~2022年3D感測設備市場空間年複合增速將達37.7%，其中2017年設備市場空間接近20億美元，其中消費電子貢獻約25%。
演算法難度從簡單到複雜。在硬體上，3D光學感測在發射與接收端已非常成熟；在演算法難度上，生物辨識與機器視覺屬於較為基礎的應用，而輔助駕駛、3D交互則需要疊加多種基礎方案配合形成，到AR與VR，則需要前幾種技術的綜合疊加和有機應用，且對處理器的運算能力要求極高。
生物識別：3D光學感測可應用於虹膜、面部、光學指紋識別等多項生物識別領域，生物識別的演算法複雜程度低，也是3D光學感測的入門級應用。
虹膜識別穩定性較指紋識別更高，3D光學感測獨有優勢。與指紋識別的方案類似，3D光學感測還可以進行面部識別和虹膜識別，虹膜識別系統具有高安全性的優勢，可找出約2000個不同的特徵點，與指紋約100個特徵點相比，精確性更高。但虹膜圖像因為尺寸小，景深小，有效對焦不方便，因此圖像獲取是一個具有挑戰性的問題，採用波長為800納米上下的近紅外光源採集，虹膜圖像是最清晰的。
面部識別當前誤差仍較大。當前，面部識別的精准度無法上升到令人滿意的階段，對相似度高的臉容易出現識別誤差，且在佩戴眼鏡的情況下則無法識別。
3D機器視覺：提供更精確的資訊，應用於汽車和精密製造。目前我們所應用的機器視覺大多數是2D視覺，2D視覺一般只能做到讀取編碼、條碼等，無法讀取空間位臵。三維機器視覺提供準確、即時的三維位元臵資訊，以便在汽車和精密製造產業中實現具有挑戰性的元件驗證、物流和機器人應用的自動化，包括裝上貨架/取下貨架、卸垛、打包和組裝驗證等。產業尚處於萌芽期。整體而言，3D機器視覺實現的門檻與生物識別相似，機器視覺龍頭Cognex早已有代表性的產品推出。目前主要應用于對先進生產要求高的汽車工業等，但大規模滲透尚未打開。
輔助駕駛：雷射雷達在ADAS領域應用前景甚廣，應用障礙主要受制于成本。影像感測其實最先應用於汽車輔助駕駛（ADAS）領域，發射和接收裝臵一般被稱為雷射雷達。3D光學感測起到收集路況資訊的主要作用，在自適式巡航控制、車道偏移警示、車側盲點偵測、前方碰撞警示、夜視與停車輔助系統等多領域發揮感測功能。但受制于成本尚未普及。
相較于毫米波雷達，雷射雷達的主要優劣勢有：
優勢：精度更高，速度更快，適合遠距離傳輸；
劣勢：在雨雪霧等極端天氣下性能較差；採集的資料量過大，目前價格高昂。
3D交互
Leap Motion的手勢識別：2013年，Leap Motion採用兩個可見光攝像頭完成3D手勢建模。手勢的語法資訊是通過手的構形、手的運動變化來傳遞。人手是一個多肢節系統，隨著關節的運動手的形狀在不斷變化，這種變化可以通過指段和關節的狀態空間位元臵的變化來描述，建立手的幾何模型和運動學模型。
大疆Spark將目標跟蹤與機器視覺演算法相結合：2017年5月，大疆Spark發佈，在無人機上引用紅外感測的3D手勢識別，原理是將電腦視覺演算法中的手勢識別和目標跟蹤演算法與普通的工業攝像機相結合，帶動手勢識別的應用領域擴展到消費級無人機。
PrimeSense被蘋果收購，商業化應用指日可待。3D光學感測領域的創業先驅PrimeSense誕生于2005年，其提供從紅外光編碼、3D感測器晶片和CMOS感測器的一整套3D感測解決方案，並搭載於微軟Kinect之中，用於動作捕捉。2013年PrimeSense被蘋果以3.45億美元收購（蘋果史上最大手筆收購之一），判斷隨著3D光學感測器被應用於iPhone，PrimeSense的3D感知功能商用化指日可待。
AR/VR：Tango是最具代表性的移動端3D空間測繪項目。Tango計畫是穀歌自2014年開始開發的項目，此專案的宗旨又被形容為“讓機器/設備像我們一樣看世界”。以最常見的智能機為例，其後臵攝像頭僅能拍照二維畫面，手機無法真正識別空間的存在。而Tango可以讓這些設備能夠具有完整的空間意識，並且能夠充分理解我們和環境的關係。Tango最大的貢獻在於3D測繪，即對周圍的環境和區域掃描並繪製立體地圖。實現：
重塑Google地圖，借助消費者的手機，通過室內導航和測繪搭建完整的3D地圖。
VR應用，Google I/O大會提出開發VR一體機，不借助類似 HTC Vive外臵的鐳射定位設備，僅靠自身的地圖就可以實現3D空間定位，足以見其佈局3D地圖用意深遠。
AR技術，實現教育、虛擬購物、遊戲娛樂等多種功能。
蘋果的採用將帶動3D光學感測在手機中的滲透
前臵3D光學感測，判斷用於生物辨識：我們判斷蘋果在今年的紀念款 iPhone中將採用前臵3D光學感測，期初主要用於生物辨識（如虹膜辨識、人臉辨識等），以替代現有電容指紋識別方案，達到取消 Home鍵，提升屏占比和改善用戶體驗。
未來後臵3D感測，以實現AR功能：蘋果CEOCook多次提及看好AR技術，並在今年2月公開表明AR的重要性與智慧手機並列（a big idea like the smartphone）。蘋果使用多顆3D光學感測器是大勢所趨，未來將在手機背面也放至3D光學傳感設備，以最終實現AR相關應用。
AR與AI演算法和GPU密不可分。3D光學感測攝像頭提供了景深資料，若配合演算法就可以實現增強現實功能，其中AI演算法至關重要，這在硬體上對GPU提出了要求。以微軟Kinect為例，其演算法要用到GPU的平行加速能力，否則無法實現real-time。2017年4月，蘋果表示將自行研發GPU，未來15~24個月間減少依賴GPU長期合作夥伴英國Imagination Technologies，並通知Imagination將不再需要後者説明開發iPhone和iPad的圖形技術，終止專利費支付。我們認為與其一直以來致力於自主發展AI軟、硬體有關。
智慧音箱主要由麥克風陣列，遠場語音辨識演算法和揚聲器組成。Amazon最早開發實現基於麥克風陣列的遠場語音辨識，大幅度擴大了語音辨識的應用場景。亞馬遜設計了一個名為“ARS”的自動語音辨識處理系統。ARS由七個麥克風和一個音訊信號過濾系統構成。七個麥克風組成的列陣能讓Echo捕捉到環境中的細微聲音，音訊信號過濾系統過濾掉環境噪音，從而辨別出人聲。使用ARS後，即使用戶25英尺（7.62米）之外發出命令，Echo也能夠準確識別。除了Amazon以外，科大訊飛和聯發科也開始提供類似整體解決方案。中國公司中，歌爾股份，瑞聲科技等是全球重要麥克風陣列廠商，國光電器，通力電子是主要音箱廠商。
3D光學產業鏈主要集中在歐美，我國在濾光片、模組和設備全球領先：3D光學感測的產業鏈主要集中在歐美，領先廠商包括意法半導體、AMS（奧地利）、Lumentum等，A/H上市企業主要在光學鏡片和模組、濾光片以及半導體設備上領先，我們推薦進入蘋果供應鏈的ASM Pacific，關注水晶光電（未覆蓋）。另外，隨著安卓陣營的跟隨，模組廠商舜宇光學、歐菲光（未覆蓋）和邱鈦科技（未覆蓋）有望受益。
結構光在硬體上增加了衍射元件。結構光和TOF在硬體上的差異不大，都由發射端和接收端構成，主要的區別在於結構光需要將光源變成特定的圖譜，所以需要衍射光學元件（DOE）。硬體配臵分為發射端與接收端兩大部分：發射端：主要廠商為國際光通信和感測器大廠，集中在歐美。
VSCEL作為光源：3D感測主要採用紅外光作為光源，原因是比可見光波長更長。VSCEL的光線相較于普通雷射器而言具有低功耗、體積小的優勢。VSCEL原先主要應用於光通信和光互連領域，國外Finisar（FNSR.US）和Avago兩巨頭佔據市場的80%，被廣泛採用於輔助聚焦、距離傳感、識別等領域。目前國內僅光迅科技具備10Gbps以下VCSEL生產能力。
晶圓級鏡頭、濾光片和DOE：
晶圓級光學鏡頭（WLO）主要功能是將點光源轉化為線光源，WLO用半導體工藝生產，提高了鏡頭的生產效率，一片8寸的白玻璃可以切割成數千顆准直鏡頭；缺點在於不能調焦。主要廠家為奧地利的AMS（AMS.SIX）。AMS2016年10月收購掌握了大部分專利的准直鏡頭WLO（Wafer-level Optics）製造商Heptagon。
DOE：僅在結構光方案中使用。主要廠家包括奇景光電（HIMX.US）、精材（3374.TW）、采鈺（2014年從台積電剝離）等。
濾光片：過濾掉頻率不符合的光源。水晶光電（002273.SZ）與 Viavi（IIVI.US）國際領先。
接收端：除舜宇光學和ASM Pacific佔據領導地位外，歐菲光與球臺有望受益于安卓陣營對3D光學感測的採用。
鏡片：與可見光鏡片不同，紅外光鏡片需要滿足廣角的特性，以盡可能保 留深度資訊。例如Google Tango的紅外鏡頭，就是舜宇光學（2382.HK）製造的；主要廠商還包括臺灣的大立光（3008.TW）和玉晶光（3406.TW）。
CIS感測器：CIS感測器由可見光和紅外感測器組成，主要廠商為奧地利AMS（AMS.SIX），以及意法半導體（STM.N）。
CIS感測器製造設備和主動對準工具：主要提供商為ASM Pacific，佔據全球主要市場份額。
模組：舜宇光學、歐菲光、邱鈦科技等在模組上佔據全球光學模組的重要地位。在聯想Phab2pro中，舜宇光學提供了後臵三顆鏡頭的模組，包括一顆TOF鏡頭發射脈衝光及一顆魚眼鏡頭進行動態捕捉。
全球智慧駕駛發展最新動態5
主要車廠加快自動駕駛佈局，互聯網科技公司積極切入
整車廠加快佈局自動駕駛，預計到2021年全面實現L5。目前看來，汽車市場普遍處於SAE Level2自動駕駛的部署，即輔助自動駕駛為主，主要車企的規劃則大多是到2020~2021年間實現Level 5的完全自動駕駛。
特斯拉：第二代Autopilot系統已經更換了全新的硬體系統Hardware 2.0，與其相對應的軟體將採取逐步升級的方式，第一步升級為Enhanced Autopilot；第二步再升級為Autopilot 2.0（全自動駕駛能力），時間點為2017年年底。特斯拉CEO在公開演講中表示，特斯拉自動駕駛系統將在2年後達到Level 5級別，而在這之前特斯拉將繼續其高級自動駕駛系統服務。
福特：計畫2021年實現完全自動駕駛汽車（SAE Level 4）的商業運作，這款車將不會有方向盤、刹車踏板、油門等，最初擬用於提供打車或車輛共乘服務，不會首先面向消費者。
通用：通用計畫逐步提升自動駕駛水準，近期聚焦半自動駕駛技術，如“超級巡航(SuperCruise)”有望在今年晚些時候在凱迪拉克CT6上實現，在高速公路上行駛將能夠解放雙手。我們認為，在不久的將來，一旦通用將超級巡航引入到其車型中，極有潛力提升其量產車型的競爭力和定價能力。
豐田：在技術開發上有優勢，有很多自動駕駛領域的專利，也產出了部分樣車。但豐田擔憂道路事故的風險，因而商業化還需要時間。
日產：在自動駕駛技術的商業化應用上極有野心，2016年8月推出的Serena小型貨車上搭載了ProPilot高速公路單車道自動駕駛技術。這一技術得到了消費者的積極回應：與上一代車型相比，上市後的七個月內訂單上漲34%，其中56%是配備了ProPilot系統。2018年，日產計畫推出多車道自動駕駛技術，首先是實現在高速公路上的自主變道，到2020年實現在城市道路上的自動駕駛。
大眾：大眾與科技公司Mobileye簽署合作協定，在自動駕駛領域共同開發全新高智慧導航地圖。大眾集團的2025戰略，提出將自動駕駛技術、電氣化及數位化這三大領域作為集團未來發展的重點。在今年的北美車展上，大眾發佈了可實現高度自動駕駛的電動概念車I.D。
寶馬：去年7月寶馬就聯合英特爾和Mobileye達成合作協定，聯手研發高度自動駕駛和全自動駕駛的解決方案以及創新系統，寶馬還謀求更多的優質合作夥伴加入自動駕駛技術研發領域，形成開放式平臺合作。預計到2021年將實現量產車型高度自動駕駛。
互聯網公司積極切入無人駕駛
除了傳統汽車廠商，科技公司也把目光聚焦在無人駕駛領域，通常從汽車智慧化的核心軟體技術入手，切入無人駕駛領域。百度和谷歌在高精度地圖方面有顯著優勢，Uber在無人貨運方面已有佈局，蘋果開發了智慧防撞系統。
同時，自動駕駛領域的合作趨勢日趨明顯。1）對傳統汽車廠商來說，與互聯網公司、有科技含量的零部件公司、以及汽車共用服務商開展合作，是避免被淘汰的有效路徑；2）對科技企業來說，自主造車並非最明智的選擇，畢竟未來汽車不僅僅等於“互聯網＋輪子”；3）對零部件供應商來說，只有依託於汽車製造和科技企業，才能推動汽車互聯、加速無人駕駛或自動駕駛的普及，從而創造價值。
自動駕駛硬體：通用平臺正在興起
汽車晶片：合縱連橫加速發展
通常汽車主機廠在零部件的採購上，傾向採用垂直整合的商業模式。主要主機廠的電子元器件供應鏈也相對獨立。全球前四大車載晶片供應商恩智浦、英飛淩、瑞薩，意法半導體都有各自主要服務的主機廠和一級供應商。
過去幾年，包括Mobileye在內的主要汽車晶片公司已經在提供ADAS的晶片解決方案。從性能上來看，汽車晶片和英偉達、高通等提供的消費級晶片有較大差距。但由於整車廠對汽車晶片的安全性有較高要求，消費級晶片很難直接進入汽車晶片市場。
在過去的一年裡，我們看到在汽車晶片行業發生了一系列並購。
英特爾/Mobileye：Intel宣佈以150億美金並購Mobileye。在汽車半導體領域，英特爾同時擁有Mobileye、Yogitech、Arynga等幾個重要資產。Mobileye目前是領先的汽車視覺處理供應商，已為25家廠商的273款車型配備單目攝像頭視覺處理晶片，Mobileye的EyeQ系列均為完整的SoC架構，在SAE-Level3和Level4上分別有5個合作項目。公司預計到2019年實現收入11億美元，隱含年均增長46%。
公司從2012年開始研究深度神經網路（DNN，深度學習演算法的一種）在汽車視覺中的應用，2015年10月量產的第三代晶片產品EyeQ3使用了DNN演算法用來構建環境模型，實現了目前業內最為精湛的holistic path planning。
高通/NXP：高通宣佈以380億美金並購恩智浦（NXP）。2016年發佈BlueBox平臺，為OEM廠商提供設計、製造、銷售Level4（SAE）自動駕駛汽車的解決方案計算平臺。
英偉達：在圖形處理上先發優勢明顯，是汽車廠商推進自動駕駛的技術夥伴，目前已宣佈與特斯拉、奧迪、豐田、富豪、博世、ZF等達成合作。公司推出了車用超級電腦Drive PX2，包含有4個處理器（2個GPU，2個Tegra）和12個CPU，每秒可進行2,400萬次深度學習計算，以對來自不同感測器的資訊作出即時反應。同時，英偉達通過開放PX平臺，與相關車廠或一級供應商合作開發快速和定制化的SoC。
瑞薩電子（Renesas）2017年4月發佈了Renesas Autonomy，一個全新設計的ADAS和自動駕駛開放平臺。
意法半導體（STMicro）與Mobileye合作開發，兩家公司最早在2005年就開始研發ADAS晶片。2016年5月Mobileye和意法半導體宣佈將合作研發Mobileye第五代系統晶片EyeQ5，作為2020年實現全自動駕駛（FAD）汽車的中央處理器，並執行感測器融合程式，預計在2018年上半年可提供EyeQ5的工程樣品。
德州儀器（TI）的汽車片上系統（SoC）解決方案TDA2x提供了一個開放的平臺，TDA2x為前臵攝像頭、泊車輔助、雷達及融合應用的入門級解決方案提供了一種可實現高性能的架構。TDA3x則主要用於幫助汽車製造商開發出更加尖端的應用，同時減少交通事故並使初、中級汽車實現更自主的駕駛體驗。
感測器：攝像頭搭載數量上升，雷射雷達加速發展
通過對最新發佈的智慧駕駛平臺的分析，我們注意到兩個明顯趨勢。
搭載攝像頭數量上升：我們認為，要實現L3/4級別的自動駕駛，單車的攝像頭數量將從L1/2級別的2顆增加到10顆。Tesla新推出的Auto Pilot 2平臺總共含有8個攝像頭，其中包括1個3目前視攝像頭，3個前環視攝像頭，3個後環視攝像頭，1個後視攝像頭，比Auto Pilot 1中1個單色前視攝像頭數量大幅度增加。
雷射雷達技術發展迅速：雷射雷達能夠發射雷射光束，並通過捕捉反射回來的信號繪製出3D模型。大多數切入自動駕駛的車企都選擇搭載雷射雷達，除了Tesla只依靠攝像頭和普通雷達。制約自動駕駛向L3/4挺進的主要原因在於搭載的電子元器件成本太高，雷射雷達目前的平均售價在5,000美金左右，因此如何快速的降低成本成為重中之重。Velodyne於近日推出了一款經濟實惠的新型雷射雷達，與傳統的機械雷射雷達不同，新型感測器能使用電子束引導雷射光束轉向。這款新產品具有體積小，性能穩定，價格便宜等優勢。
市場規模：2025年達到486億美元
自動駕駛硬體規模2025年可達486億美元。Gartner認為，現有汽車電子占全球半導體市場僅為10.0%左右，2017年市場規模2017年將成長6.2%達到343億美元，2018年增長7.2%至358億美元。我們通過對各等級的自動駕駛滲透率進行了測算，在2025年自動駕駛感測器與計算晶片的規模可達486億美元。
目前硬體價格高昂阻礙L3/4普及：我們對SAE要求的各等級自動駕駛需要加裝的硬體成本進行了測算，主要分為計算晶片和感測器兩部分。從L1到L4，級別越高，所需要加裝的硬體成本也在上升，整體而言，2016年L1/2的單車電子加裝成本為648美元，L3/4則需21,920美元，其中中央控制和處理器佔據絕大多數成本，例如，Nvidia DrivePX2的售價高達1.5萬美元。
2025年L3/4的加裝成本有望下降至4,688美元。我們對主要硬體成本的價格曲線進行了假設，隨著攝像頭、雷射雷達、晶片成本的不斷下降，以及軟體處理的優化，判斷到2025年，L3/4等級的自動駕駛成本有望從超過2萬美元縮減到4,688美元，同時帶來滲透率的提升。
下圖歸納了亞洲自動駕駛/電動車產業鏈的情況。
中國在動力電池技術上全球領先，但在汽車電子上相對薄弱，主要平臺目前掌握在Continental、Bosch、Denso等全球一級供應商手裡。中國公司主要作為二級供應商參與到整個供應鏈中去。中國公司相對較強的零部件包括：（1）電子感測器（舜宇），（2）車機（航盛，華陽，德賽）。
中國廠商在汽車電子產業鏈中的佈局：
舜宇光學：是全球最大車用鏡頭提供商，產品覆蓋了車載攝像頭的各個領域（前視、後視、內視（駕駛員監控/手勢識別）、環視、智慧後視鏡等。進入HUD與雷射雷達領域，全方位佈局傳感硬體。
歐菲光：公司通過汽車電子業務、智慧中控業務、智慧駕駛業務以及互聯網+業務切入汽車電子領域。公司在感測器（攝像頭、雷達）、控制器（高清全景環視系統、ADAS高級輔助駕駛系統）等方面進行了產品佈局。同時，公司投資了美國的Cruise Automation，其產品可將普通車輛變成自動駕駛汽車，第一代自動駕駛系統適用於奧迪A4和S5。
得潤電子：擁有全面的連接器佈局，前瞻性佈局車聯網，收購義大利OBD（行車記錄儀）模組龍頭企業Meta，向車聯網保險等軟體服務領域拓展。
四維圖新：佈局無人駕駛，構建高精度地圖、動態交通資訊。同時，打造趣駕WeDrive3.0完整車聯網生態平臺，產品包括純車機方案WeCar、車機互聯方案WeLink、和作業系統趣駕OS。
比亞迪：佈局BMS，母公司集電池、BMS、電動汽車研發於一身，垂直整合優勢明顯。比亞迪汽車電子已經有多年積累，2014年上市內臵Android作業系統的車型。
德賽電池與欣旺達則在電池封裝與BMS上領先佈局。
深圳航盛電子（未上市）致力於為整車廠開發生產智慧網聯汽車資訊系統、智慧駕駛輔助系統、新能源汽車控制系統等產品。未來，公司將重點佈局車內ADAS、安全技術和智慧駕駛技術。
華陽（待上市，我國最大的鐳射頭和汽車音箱生產商之一）將圍繞車本身，在相關的感知系統和通信定位和決策系統上佈局，推出三個領域的產品：車身電子控制系統、娛樂系統、高級駕駛輔助系統。
德賽西威（未上市）與百度聯手，將圍繞BCU和MapAuto兩個維度，在高精度地圖與自定位、汽車環境感知、決策等技術領域展開合作。其大股東是上市公司德賽電池的母公司。
AI+醫療：從電子病歷到輔助診療手術機器人，應用前景廣泛
AI+通信：資料中心資本開支，物聯網帶動行業發展
AI+半導體：為晶片市場注入新動力
編輯：投資廣州
我們預計全球公有雲市場今後幾年保持25%的年複合增長，到2020年達到約950億美元的規模。為了支撐雲服務發展，八大全球主要科技公司在資料中心資本開支到2020年將達約900億美元，約占全球電信業資本開支的25%。第二是收集資料需求的增加，手機及汽車上搭載感測器數量大幅上升。我們預計車載感測器市場從2016年的82億美金擴大到2025億的290億美金（15%CAGR）。資料中心及手機、汽車內計算能力的上升，推動人工智慧相關晶片需求從2016年37億美金擴大到2025年的566億美金。風險：人工智慧創新進度低於預期。
【劃重點】本報告乾貨滿滿，所以特地挑出了一張極具代表性的內容：人工智慧的兩個維度，以及圍繞這兩個維度展開的競爭，即軟體發展框架和計算晶片。對當下最熱門的議題——TPU進行詳細解讀。
報告認為人工智慧服務提供者之間的競爭主要包括兩個維度
軟體發展框架：主要的框架包括穀歌的TensorFlow，Facebook，IBM，穀歌DeepMind支持的Torch，Microsoft的CNTK，Amazon的MXNet。NVidia也提供自己的軟體發展框架CUDA。這些公司之間的競爭類似于智慧手機作業系統上iOS/Andorid之間的競爭。
計算晶片：目前的競爭對手包括NVidia/AMD的CPU，穀歌的TPU，Xilinux的FPGA之間在計算成本和速度上的競爭。這些公司之間的競爭類似與高通和聯發科在手機晶片上的競爭。在TPU的例子上我們看到，谷歌利用其在軟體發展框架上的優勢，減小切換計算晶片（GPU to TPU）時的軟體修改成本，形成一個Tensor Flow+TPU的封閉生態環境。
10年之後我們還能做什麼？
在這份報告裡，我們著重分析四種人工智慧技術（語音，圖像，自然語言處理，機器人）對五個行業（安防，互聯網電商/廣告，消費電子，汽車，醫療）的影響。
從技術角度來看：
語音技術成熟但應用場景有限。語音辨識是目前發展最成熟的人工智慧技術。Nuance，科大訊飛，Google，百度等主流廠商的近場語音辨識率都達到99%以上。但目前應用場景局限在電子病例，智慧客服，線上教育，車載導航等少數幾個領域。隨著未來語音辨識種類的進一步豐富，識別環境通用性的增強，以及遠廠語音技術的突破，一定會幫助拓展其應用範圍到智慧家居等更多場景中。
圖像識別落地機會最多。圖像識別技術不但有著非常高的識別準確率，而且能夠很快給出智慧的回饋，因此圖像識別技術最容易快速落地到各行各業中。安防行業中的車輛資料提取，醫療行業的影像診斷，電商行業中的精准行銷，以及輔助駕駛都為圖像識別技術提供許多落地變現的機會。
自然語言處理在互聯網行業中應用最為成熟。我們注意到基於人工智慧的精准行銷正幫助互聯網廣告公司不斷提升流量價值，而且一些智慧的銷售客服機器人正在逐步替代人工成為線上銷售，售後維護的主力軍。
智慧型機器人技術有待成熟。我們注意到一些公司開始在倉儲機器人、手術機器人等細分行業進行探索。但技術還有待成熟。
從行業角度來看：
安防是人工智慧在中國最容易變現的行業：十幾年的平安城市建設，使中國的城市管理者已經積累了強大的視頻資料獲取能力。交通擁堵及反恐等應用場景又急需最先進的人工智慧技術。
互聯網廣告和電商蘊含大量的資料，為人工智慧在互聯網廣告和電商領域的應用提供了廣闊的資源和空間。例如，互聯網公司通過基於用戶畫像的精准廣告投放，在過去三年提高了廣告單次點擊成本（CPC）170%。
AI促進消費電子升級換代：3D光學感測等AI功能會幫助現有智慧手機提高售價，同時促進智慧音箱等新品類的發展。
汽車行業2021年前後實現無人駕駛：隨著Tesla AutoPilot 2系統的發佈，GM宣佈自己的自動駕駛系統Super Cruise。我們注意到汽車智慧發展呈現加速趨勢。我們預計汽車主機大廠在2021年前後能夠實現商業化的無人駕駛服務。
醫療行業空間巨大，但技術還有待成熟。電子病歷的建立，不僅僅用到了語音辨識技術，也整合了醫療大資料；影像診斷則用到了圖像識別技術，現在在國內外都已經形成成熟的商業模式。輔助治療和手術機器人由於技術的尚不完善，還在小範圍推廣。由於語音辨識技術和機器視覺技術的成熟，大量應用這兩個技術的行業將迎來AI變現的更多機會。
直接受益行業：
資料中心：人工智慧的普及會推動雲計算服務及資本開支的快速增長。我們預計到2020年，八大主要科技公司在資料中心相關的資本開支總計將達約900億美元，約占全球電信業資本開支的25%。
半導體：我們認為2020年人工智慧相關半導體的市場空間將達到117億美元，其中雲端伺服器市場規模76億美元，智慧手機移動端41億美元。除了上游的晶片設計廠商將受益之外，中下游晶圓代工及封裝測試廠也將同步獲益。
感測器：第二是收集資料需求的增加，手機及汽車上搭載感測器數量大幅上升。我們預計感測器市場從2016年的82億美金擴大到2025億的290億美金（15%CAGR）。
視頻、智慧駕駛、軟體框架、晶片、光學、音箱、雲7大產業鏈
全球主要AI科技公司市值
研發開支與研發費用率一覽
智慧化推動安防行業的第三次升級
中國視頻監控行業在過去十幾年經歷了兩次重要的升級換代 ：
（1）高清化：在這次升級的主要變化是攝像機的清晰度從標清（30萬圖元）升級到100萬圖元或以上。圖像傳輸方法從原本通過同軸電纜傳輸的類比信號過渡到通過局域IP網或同軸電纜傳輸的數位信號。後端設備也從DVR（Digital Video Recorder）過渡到NVR（Network Video Recorder）。NVR的物理位元臵還是在本地（例如，社區內）。
（2）網路化：在這次升級中的主要變化是，視頻被直接傳回資料中心內的集中存儲。（IP-SAN）。主要的優勢是方便集中管理以及可監控的區域大大增加。
隨著2016年以來人工智慧技術在視頻分析領域的突破，視頻監控行業正處在第三次重要的升級週期的開始階段。
（3）智能化：我們認為這次升級主要包括：（a）前端攝像機的智慧化升級以支援結構化資料提取；（b）後端設備強化計算分析功能，以支援複雜的視頻分析；（c）對應特定行業應用的人工智慧分析軟體快速增長。
安防攝像機的智慧化升級
傳統的網路攝像機直接把高清視頻回傳給資料中心裡的NVR，由於回傳視頻資料量巨大，很難對所有圖像進行即時分析。大部分時候是對保存的圖像進行事後分析。通過在網路攝像頭上添加人工智慧晶片（例如，NVidia的Jetson TX2、Movidius的Myriad 2 Vision等晶片），前端攝像頭可以即時對視頻資料進行結構化處理。例如，設臵在交通路口的攝像可以提取車牌，車型等汽車資訊和乘客數量，是否帶安全帶等乘客資訊回傳給資料中心。方便進行即時分析，優化系統反應能力。
根據IHS統計，全球安防攝像頭市場2016年約95億美元，預計到2020年將達到128.4億美元，CAGR為8.1%。其中，網路攝像機占比將從2016年的82%上升到2020年的90%。同時，我們預計相當一部分網路攝像機將迎來智慧化升級。目前，中國佔據全球44%的需求，海康威視已成為安防攝像頭的全球龍頭。
後端設備強化計算分析功能
後端設備強化計算分析功能，以支援複雜的視頻分析：傳統的NVR（Network video recorder）的主要功能是壓縮存儲視頻資訊。通過添加GPU等人工智慧加速晶片和應用處理軟體，智慧NVR能夠實現圖像識別，特徵提取，人體識別、人員檢索等功能。一些公司率先在裡面加入人工智慧處理能力，如海康的“超腦”系列。
根據IHS的資料，後端錄影存放裝置的市場規模2016年約38億美元，到2020年將達42.7億美元，CAGR為2.4%。中國依舊佔據了全球42%的市場需求，海康威視成為全球龍頭。從產品占比趨勢觀察，基於伺服器的集中式存儲的占比將逐漸降低。這表明未來的存儲將更加分散化，NVR等設備的增長更快。
視頻管理分析系統(VMS)新增人工智慧功能
視頻管理分析系統（VMS）的主要功能是彙集分析視頻資訊，以及控制前端安防設備。由於技術上的限制，在人工智慧拘束出現以前，即時視頻分析的應用範圍一致相對較小。
傳統上，中國市場客戶傾向于購買包含前端攝像機、後端存放裝置和VMS的一體解決方案，所以海康威視、大華股份、宇視科技等擁有軟硬體一體化解決方案的廠商一直保持較高市場份額。隨著對基於人工智慧的視頻分析產品的產品要求不斷提高，商湯科技、Face++等在人工智慧演算法上有特色的公司也積極切入VMS市場。
海康威視：針對公安行業、交通行業、金融行業、司法行業、能源行業、智慧樓宇行業、文教衛生等七大行業分別開發了各自的解決方案。根據IHS的統計，海康的iVMS系列產品中國市場佔有率23%。
東方網力：廣泛應用於各行業、公安、平安城市等領域。為彌補演算法方面的短板，東方網力和商湯科技合作，提升人臉識別的性能。
商湯科技：優勢在於電腦視覺演算法和技術，以及相關的行業應用。2014年公司在LFW的準確率達99.15%，首次超越人眼；並在ImageNet2014大規模物體識別競賽中獲得全球第二，僅次於Google，2015年取得兩項世界第一。核心技術包括：人臉技術、智慧監控、圖像識別、文字識別、圖像及視頻編輯、深度學習框架。公司技術應用於：智慧金融、智慧商業、智慧安防等領域。
Face++：專注於人臉檢測，包括人臉檢測、對比、搜索、關鍵點定位、人臉屬性。並提供人工智慧開發平臺。
平安城市新階段帶動智慧安防快速發展
根據IHS統計，2016年全球安防設備市場規模達到158.6億美金，同比增長6.6%。其中中國市場最大，市場規模67.25億美金，同比增長11.6%，占全球42%。美洲市場第二，市場規模39.6億美金，同比增長4.1%，占全球25%。
從中國市場來看，市場主要包括三個細分市場
（1）政府市場（30~35%）：主要包括各地公安，交通，司法部門。銷售管道以系統集成商為主。需求受政府固定資產投資拉動，對價格不敏感，是視頻分析服務的重度使用者。
（2）大企業市場（35~40%）：主要包括銀行，電信，石油，文教衛等大型國有企業和事業單位等。銷售管道以解決方案為主，需求受經營規模擴大的影響。
（3）中小企業及個人市場（25~35%）：主要包括中小企業，也包括個人消費需求（儘管需求很小）。銷售管道以標準產品的分銷為主。
根據我們調研，目前人工智慧相關產品主要目標市場是政府市場。其驅動力來自於各地政府強化各類平安城市相關工程。經過十幾年的平安城市建設，中國的主要城市已經積累了強大的視頻資料獲取能力。如何利用採集到的資料解決交通擁堵及治安問題一直是各地政府有待解決的問題。
基於人工智慧的新一代視頻分析技術為城市管理開闢了一條新的路徑。並將驅動當前67億美元的中國安防設備市場繼續以年增速15%以上增長。其中，交通管理和公共安全等政府相關專案（約占整體市場規模30%）是最主要的應用領域。以下是在交管和公安現場的實例。
交通違法抓拍
通過對前端攝像頭和後端系統進行智慧化升級，利用前端攝像頭對抓取的圖像快速處理，將明顯的違法行為進行智慧識別，並在後端進行收集和二次處理。可對多種交通違法行為進行取證，包括機動車闖紅燈、違法停車、壓線、變道、逆行、超速、人行橫道不避讓行人、違反規定使用專用車道、行人闖紅燈等各種交通違法行為。
犯罪分子抓捕
以海康威視的系統破獲的某個搶劫案為例。為了從大量的視頻圖像中找到嫌疑人，需要對來自500多個監控點的長達250個小時的視頻進行分析，如果採用人力查閱，需要至少30天時間，但如果採用基於深度學習的視頻分析技術，僅需要不到5秒。
另一個案例是，2012年的“1.6蘇湘渝系列持槍搶劫殺人案”，當時對1萬多個監控點產生的2000多T資料進行人工查閱，投入了1500多名幹警耗時一個多月。根據海康威視估算，如果採用人工智慧分析僅需要幾分鐘。
根據IHS資料，全球視頻監控設備市場到2020年將達202億美元，是2016年的1.3倍。我們估計，在AI的驅動下，硬體設備市場的增長將維持較長的時間。
不論全球市場還是中國市場，海康威視、大華股份、宇視科技等中國公司已經佔據較為領先的地位，其中海康威視在全球和中國市場均排名第一。
我們認為，一方面受益於中國視頻監控行業規模在全球占比較高，另一方面，中國龍頭公司的技術和產品的競爭力有了極大的提升。我們預計，這種趨勢仍會保持，中國龍頭公司的全球市占率將繼續提升。
AI+互聯網：
AI加速電商廣告市場發展
電子商務：AI簡化用戶的消費行為
2015年以來，由於互聯網流量紅利逐漸見頂，行業發展重點走向以提升轉化效率以及付費習慣培養的精細模式。在電子商務領域，由於大資料的累積以及底層演算法的快速發展，人工智慧開始進入該領域，通過對消費者購買決策過程的深度學習和解析精准定位用戶。主要的應用是為了更精准的推薦商品以及對用戶的購買行為作出更好的解釋。
大資料是人工智慧的重要基礎，複雜場景催生技術革新
經過爆發式的行業增長，電子商務行業已經完成了早期的資料累積，大資料的產生為人工智慧技術打下基礎。而購物場景不斷延伸，端到端的互聯網消費者行為呈現高度離散的狀態，消費者可觸達點的增加同樣加大了電商平臺對於消費行為把握的難度，因此亟待更高效的方式對使用者購買行為作出更好的解釋，以實現更精准的商品推薦。
人工智慧的知識發現體系更適合解釋當下更為複雜的線上購買決策
根據MillardBrown2016年的研究，傳統行銷通常認為消費者購買品牌是一個線性過程，但現實中情況卻要更為複雜，特別是互聯網帳號體系的出現，線上消費者在其他如社交平臺的分享同樣會影響消費者的最終購買決策。此外，隨著人均可支配收入的進一步提升，影響消費者購買決定的變數同樣變得更為複雜。除了最基本的對於性價比的考量，粉絲效應、生活方式、特殊事件甚至對於環保的考量都有可能影響消費者最終的購買決定。
互聯網環境下，品牌以及商品與消費者的接觸點顯得分散且數量遠大於從前，人工智慧的資料採擷和知識發現功能為解析大量資料間隱藏的依賴關係提供了具有參考意義的一條解決路徑。目前該技術在中國的具體應用表現為在售前，通過基於大資料分析的使用者畫像個性化推薦，向消費者主動展示其購買的產品內容。
目前個性化推薦主要是以分析消費者一定時間內的流覽記錄為主，技術上並不難實現，主要門檻在於商業資料累積以及推薦邏輯優化。在當下全球電子商務領域，Amazon的智慧推薦系統被公認為推薦演算法最好的系統，其服務主要體現為個性化首頁、多頁面關聯商品推薦和多品類關聯促銷。在中國，個性化推薦的形式和Amazon並無太大區別，以發展程度最高的淘寶千人千面模組為例，2016年雙11個性化的智能賣家推薦的測試中，點擊率和訪客成交轉化率分別上升了25%和40%，前次展示支付金額提升了56%。目前淘寶平臺上的鑽展以及直通車均已採用千人千面的資料分析，其解決的主要問題在於如何優化平臺海量流量分流從而優化流量貨幣化效率。
電商領域人工智慧技術的商業化已經開始萌芽，阿裡巴巴自2015年開始加速個性化電商推廣工具的研發，並已將一部分人工智慧演算法融入底層結構，例如：
基於全網電商數據、跨管道資料以及協力廠商資料的客戶運營產品–聚星台，可實現店鋪“千人千面‖的個性化互動行銷以及全域會員運營。
通過標記的方式圈定潛在客群，建立個性化的用戶細分和精准行銷的資料管理合作平臺–達摩盤。
以及開放付費API的人工智慧系統–阿裡雲ET等。
感知智慧引領資訊檢索以及溝通效率提升，即看即買。
儘管互聯網技術解決了傳統零售獲客能力有限的問題，在購物體驗以及溝通交流方面仍然與線下存在差別，尤其是非標品的售賣，例如服飾退換貨率可以高達30~40%。如何更高效的發掘和理解用戶需求進行溝通一直是電商企業努力的方向之一。更為直觀方便的圖片、語音辨識技術因此被應用到了電商服務上。
消費者的購買需求通常具有即時性的特徵，這一點可從2016年底開始奢侈品牌紛紛推出“即看即買”的行銷策略中窺見一二。通常電商消費者在搜索商品時平均需要6個以上的點擊來達成交易，並伴隨大量的輸入以及重複搜索嘗試。2013年底在移動電商滲透之前Statista曾有研究表明，消費平均購物放棄率為67.9%。而今天這一比例已大幅下降，除了更加便捷的購物車服務以及支付環節以外，搜索環節的匹配效率提升同樣起到了提升轉化率的作用。
圖片識別加強電商平臺資料流程動效率。圖片搜索通過色彩圖形以及空間的比對，即使消費者並不知道品牌或商品名仍然可以快速幫助用戶找到其感興趣的商品，真正實現了“即看即買”。對於平臺賣家來說，自商品上線的那一刻圖片識別技術就開始貫穿始終，包括自動檢測商家上傳圖片是否存在侵權、投放推廣時的自動匹配以及關鍵字搜索式的自動圖片推薦；從而提升了電商平臺的資料流程動效率以及運營效率。
語音辨識技術向智慧客服的獨立產品進一步反覆運算。基於語音辨識的搜索也被首先應用到了電商服務中，例如淘寶應用內臵的語音搜索，早在2013年就已經可以支援中英文品牌名混雜的複雜搜索情況。京東則將智慧客服小咚嵌入其App通過語音辨識以及語義分析幫助用戶查找用戶可能感興趣的商品。
隨著大資料的不斷發展，目前語音辨識技術正在逐漸向更為複雜的智慧客服反覆運算演變。一方面人力成本逐年攀升，對運營效率提升提出挑戰；另一方面售前售後的大部分問題重複率高，存在大量可使用人工智慧介入的場景；因此刺激了行業對基於語音辨識的人工智慧進行投入。
Chatbot（聊天機器人）的出現使得語音辨識進一步從底層應用的技術研究和電商附加服務逐漸走向獨立產品，例如亞馬遜的開放Alexa語音服務，開發者可以利用Alexa Skills Set或選擇接入語音服務，將自有內容資源上傳，在用戶出發Alexa中定義的“意圖”時，開發者可在自有伺服器上實現“回答”。
Facebook同樣于去年4月開發了Chatbot的平臺，該服務可以通過即時通信軟體用自然語言解答客戶的問題甚至説明客戶提交訂單，目前在Facebook邀請的傳統零售品牌中，Tommy Hilfiger的人工智慧甚至可以在交流中融入真實的角色性格。儘管目前仍沒有資料能直接證明傳統零售通過此類服務顯著提供銷售量，但我們認為人機對話水準的提升仍將在長期範圍內促進電子商務的進一步滲透。國內同樣存在類似應用產品，例如阿裡雲ET以及科大訊飛的語音辨識均已開始向企業用戶開放開發埠。
儘管人工智慧技術仍處於發展早期，但在改善電子商務售前、售中和售後運營效率的過程中均已開始產生不同程度的增益效果。隨著演算法進一步優化，預計其對於簡單重複人力的替代過程將帶來更多營業效率提升。另外，除了底層演算法的優化，我們看到智慧客服和物流機器人領域已經有成型的獨立產品萌芽，預計主題投資的風潮將在未來的一段時間加速這些領域內商業化進程，預計我們將在這些細分領域內最早看到商業化產品的成型。
廣告：AI商業化應用最成熟的領域之一
自2012年以來，中國互聯網廣告市場經歷了年複合增長率39%的高速增長期。主要的驅動力來自于傳統媒體的式微帶來的預算轉移、移動設備的大爆發帶來的新廣告平臺以及更高ROI的新廣告形式。根據eMarketer資料，2016年互聯網廣告市場規模已經達到404億美金，其中移動廣告占比已經達到35%。其中基於大資料的AI技術已經起到不小的推動作用。
人工智慧（AI）在廣告行銷領域的應用是現階段AI商業化應用最成熟的領域之一，從AI技術的應用階段來看，已經初步進入感官智慧的範疇，且在計算智慧領域的技術和使用場景已經有充分的發展。精准行銷和智慧投放就是其中最重要的應用形式，主要的思路是利用高互聯網/移動互聯網滲透率下積累的大資料（根據《2016年騰訊智慧行銷白皮書》，當年互聯網每日產生資料量已達18萬億GB），通過資料採擷和機器學習等手段，建立行銷物件、產品以及媒介的個性與傳播模型，再通過AI技術進行高效的智慧投放。
精准行銷：提升直接反映在單位流量價
在傳統的受眾到達模式中，即使基於前期的市場研究，在廣告投放的管道和形式上進行了充分的選擇，但是對目標客戶定位的顆粒度則受限於資料規模和智慧技術無法進一步深入，而基於大資料的AI技術則很好地解決了這點。
以今日頭條為例，作為最早在廣告業務中採用AI技術的應用公司之一，AI對其使用者規模的擴展和變現能力產生了巨大的推動作用。預計2017年其廣告銷售收入可以達到150億元。今日頭條基於機器學習技術實現了個性化內容推送，按使用者閱讀偏好進行追蹤，AI演算法對歷史資料進行分析，為使用者生成個性化的閱讀模式。然後推薦他們可能會感興趣的內容，並在不斷反覆運算中優化。通過這一流程，今日頭條在2016年9月已實現每天76分鐘的每用戶平均使用時長，在其同類應用中達到最高水準，同時也大大改善了廣告效果。目前今日頭條平均點擊率接近3~4%，而其他新聞類應用僅為1%左右。
精准行銷能力的提升直接反映在單位流量價值的提升對廣告主定價能力的增強。以資訊流廣告為例，在過去4年中，主要資訊流廣告平臺（包括騰訊廣點通、新浪扶翼、今日頭條、陌陌）的廣告單次點擊定價（CPC）由2013年0.5~0.8元上漲至2016年的1.5~2元。
智能投放
不僅僅是受眾定位一側，在廣告投放一側，AI也在不斷重構廣告主的投放方式與投放策略。在傳統的媒體採買模式中（即人工選取投放的媒體管道和預算），往往是“一籃子”的覆蓋，即使能夠進行一定程度上的細分，也無法完成即時定價和智慧匹配。而隨著廣告主對行銷效果和ROI的追求不斷推動，程式化購買的出現利用AI自動化技術實現了破局。
程式化購買廣告是一種基於AI自動化技術和大資料，將廣告主的具體廣告請求對具體的廣告位（而不是單一媒體）進行智慧投放的互聯網廣告交易模式。其中，大資料是程式化購買的基礎，AI自動化技術是實現高效的手段。程式化購買廣告市場在過去兩年獲得井噴式發展，到2016年已達到308.5億元，這其中還不包括頭部流量平臺的自有程式化交易體系（這部分收入已經包含在平臺廣告收入當中）。
AI技術解決的核心痛點是由於資訊不對稱造成的使用者定價低效，即使在精准定位的前提下，也無法高效率（低成本）地到達。而在AI的幫助下，廣告主可以將散佈在不同媒體的廣告位，通過精確行銷（如前文描述）的定位後，在高度資料化的廣告交易平臺中，由AI指揮自動化系統根據設定的績效指標不斷進行智慧定向和即時競拍，取代了人工進行管道選擇、媒體分析的過程，大大提高了自動化水準、橫跨媒體平臺的能力和成本效率。
AI+廣告的未來發展方向
廣告（包括廣義的行銷）作為公司商業模式變現的第一環節，在移動互聯網流量紅利逐漸褪去，用戶獲取成本不斷高企的背景下，對AI技術的需求只會越來越大，但背後的商業邏輯則始終不離精准（高質高量的用戶）和高效（低成本）的核心。因此我們看好AI和廣告結合的以下三個趨勢：
社交廣告空間巨大：社交網路能夠提供最豐富的使用者行為資料和使用者畫像，為AI的深度學習提供了最適合的資料基礎。從廣告形式來看，以資訊流形式為代表。根據艾瑞諮詢的資料，在2016年，資訊流廣告規模達到267億元，且在未來2~3年將保持50%以上的高速增長。社交廣告整體滲透率在數字廣告中僅8~9%，遠低於美國的28%。
“品效合一”深度實現：由於大資料正逐漸成為現實，橫跨單一媒體平臺和單一廣告形式的用戶畫像能力不斷提高，品牌廣告和效果廣告之間的界限正在逐漸模糊，而廣告主的關注點始終在於可衡量行銷效益。我們認為在這種背景下，能夠利用AI技術和現有流量，提供智慧整合全方位行銷手段，靈活達到廣告主的行銷需求，將是未來廣告運營商的競爭優勢所在。
基於AI的新廣告形式吸引預算：目前AI在廣告領域的應用仍著重於對已有廣告體系的增強，如提高轉化率、通過增加用戶粘性增加廣告庫存等。我們注意到隨著感知智慧甚至認知智慧的發展，已經開始有企業在嘗試引入新的廣告形式以吸引客戶，同時改善受眾體驗。
AI+消費電子：促進換機與升級，孕育新市場
人工智慧加速升級，孕育新市場
在過去的二十年間，主導消費電子的終端應用從PC切換到智慧手機，然而自2007年蘋果發佈iPhone已有十年，全球智慧手機滲透率已近飽和，據Gartner預測，2017~2020年PC出貨將持續負增長，而智慧手機的出貨增速僅維持在1~2%。我們認為人工智慧對消費電子行業主要有以下左右。
新功能推動單機價值量上升。AI演算法的採用帶來語音辨識、人臉識別、VR/AR等新功能在消費電子中的滲透，對於整機廠而言，新功能將帶來單機價值量的提升，實現豐富產品線和差異化，以提升或者穩定產品價格；而對零部件廠商而言，更多感測器以及專業性能的處理器需求不斷提升規格，帶來市場空間的成倍增長。
AI應用提升換機頻率。同樣以iPhone為例，美國是iPhone最大的用戶市場，而使用者換機的頻率和iPhone重大更新密切相關，每次出現重大革新之時，用戶換機傾向增加，換機週期縮短。因此，預計以3D光學感測等為代表的AI應用的加入，將促進使用者對原有的設備進行更新。
AI加速新應用誕生，空間不容小覷：借助AI演算法工具，例如語音辨識、機器視覺、3D導航等，智慧音箱、無人機、VR、共用單車、智慧攝像頭……熟悉的智慧硬體都在性能和使用者體驗上擁有明顯提升，而成本的增加微乎其微。以大疆Spark為例，其售價僅為3,299元，但擁有更先進的手勢識別功能。未來，判斷AI將應用於更多的消費電子領域。此類智慧設備領域雖然當前尚未放量（年出貨規模在1,000萬台以下），市場規模在100億美元以下，但總體規模依舊不容忽視，據IDC預測，2020年僅AR/VR可望成長至千億美元（vs.2016年的52億美元）。
服務性收入帶來商業模式新思路：對整機廠而言，出售硬體為主的商業模式有望迎來變革。以全球科技市值龍頭蘋果而言，蘋果全球擁有超過10億部的iOS裝臵，提供包括Apple Store,Apple Pay,Apple Music及iCloud存儲等服務型收入，並不斷增加AI的含量。2016年蘋果發佈了面向協力廠商應用擴展的SiriKit，相冊開始支援人臉識別，為用戶提供更加切合實際需求的服務。最近的一個季度，蘋果的服務性收入達到70.4億美元，貢獻營收13%，同比增長18%，已經成為最快的收入增長來源。
智慧音箱帶動聲學產業鏈加速發展：2017年6月5號蘋果在WWDC（The Apple Worldwide Developers Conference）發佈了自己的智慧影響產品，趕上了Amazon和Google的腳步。我們預計中國的主要互聯網和消費電子公司在今年晚一點時間也會發佈音箱產品。
無論是何種智慧音箱，本質上都是由接收端——語音辨識與分析——發射端組成。智慧手機也完全配備智慧語音助手+麥克風+揚聲器，但是和手機相比，Always-on是智慧音箱的一個重要特性，它簡化用戶使用行為。在封閉空間內，呼叫智慧音箱遠比拿手機方便，拿手機需要使用者的大腦進行一系列操作指令，首先要回憶手機在哪裡，然後要起身找到手機，拿起手機，解鎖，之後開啟語音助手，才能進行人機交互。智慧音箱的麥克風一直處於開機狀態，只需要喊一聲即可喚醒使用。從使用者大腦習慣“偷懶”的思維模式而言，智慧音箱在封閉空間內的優勢遠大于智能手機。現實中，智慧音箱目前被開發出的功能仍偏少，根據Forrester統計，截至2016年年底，設臵時間和唱歌成為最高頻率應用。從Google和Amazon的產品進化中我們可以看到，更多使用場景正在被探索中。
3D光學感測：從生物辨識到AR/VR。應用場景廣泛
3D光學感測看似僅是在傳統二維的光學傳感上增加了一個維度，但是其應用場景不可估量。我們將其簡單歸納為兩類：3D探測和空間定位。其中3D探測可以用於生物辨識、機器視覺、和影像感測（主要應用於輔助駕駛、3D交互等）；空間定位則主要應用於3D地圖構建和AR/VR定位。
受益于智慧手機等消費電子需求帶動，根據Yole預測，在2016~2022年3D感測設備市場空間年複合增速將達37.7%，其中2017年設備市場空間接近20億美元，其中消費電子貢獻約25%。
演算法難度從簡單到複雜。在硬體上，3D光學感測在發射與接收端已非常成熟；在演算法難度上，生物辨識與機器視覺屬於較為基礎的應用，而輔助駕駛、3D交互則需要疊加多種基礎方案配合形成，到AR與VR，則需要前幾種技術的綜合疊加和有機應用，且對處理器的運算能力要求極高。
生物識別：3D光學感測可應用於虹膜、面部、光學指紋識別等多項生物識別領域，生物識別的演算法複雜程度低，也是3D光學感測的入門級應用。
虹膜識別穩定性較指紋識別更高，3D光學感測獨有優勢。與指紋識別的方案類似，3D光學感測還可以進行面部識別和虹膜識別，虹膜識別系統具有高安全性的優勢，可找出約2000個不同的特徵點，與指紋約100個特徵點相比，精確性更高。但虹膜圖像因為尺寸小，景深小，有效對焦不方便，因此圖像獲取是一個具有挑戰性的問題，採用波長為800納米上下的近紅外光源採集，虹膜圖像是最清晰的。
面部識別當前誤差仍較大。當前，面部識別的精准度無法上升到令人滿意的階段，對相似度高的臉容易出現識別誤差，且在佩戴眼鏡的情況下則無法識別。
3D機器視覺：提供更精確的資訊，應用於汽車和精密製造。目前我們所應用的機器視覺大多數是2D視覺，2D視覺一般只能做到讀取編碼、條碼等，無法讀取空間位臵。三維機器視覺提供準確、即時的三維位元臵資訊，以便在汽車和精密製造產業中實現具有挑戰性的元件驗證、物流和機器人應用的自動化，包括裝上貨架/取下貨架、卸垛、打包和組裝驗證等。產業尚處於萌芽期。整體而言，3D機器視覺實現的門檻與生物識別相似，機器視覺龍頭Cognex早已有代表性的產品推出。目前主要應用于對先進生產要求高的汽車工業等，但大規模滲透尚未打開。
輔助駕駛：雷射雷達在ADAS領域應用前景甚廣，應用障礙主要受制于成本。影像感測其實最先應用於汽車輔助駕駛（ADAS）領域，發射和接收裝臵一般被稱為雷射雷達。3D光學感測起到收集路況資訊的主要作用，在自適式巡航控制、車道偏移警示、車側盲點偵測、前方碰撞警示、夜視與停車輔助系統等多領域發揮感測功能。但受制于成本尚未普及。
相較于毫米波雷達，雷射雷達的主要優劣勢有：
優勢：精度更高，速度更快，適合遠距離傳輸；
劣勢：在雨雪霧等極端天氣下性能較差；採集的資料量過大，目前價格高昂。
3D交互
Leap Motion的手勢識別：2013年，Leap Motion採用兩個可見光攝像頭完成3D手勢建模。手勢的語法資訊是通過手的構形、手的運動變化來傳遞。人手是一個多肢節系統，隨著關節的運動手的形狀在不斷變化，這種變化可以通過指段和關節的狀態空間位元臵的變化來描述，建立手的幾何模型和運動學模型。
大疆Spark將目標跟蹤與機器視覺演算法相結合：2017年5月，大疆Spark發佈，在無人機上引用紅外感測的3D手勢識別，原理是將電腦視覺演算法中的手勢識別和目標跟蹤演算法與普通的工業攝像機相結合，帶動手勢識別的應用領域擴展到消費級無人機。
PrimeSense被蘋果收購，商業化應用指日可待。3D光學感測領域的創業先驅PrimeSense誕生于2005年，其提供從紅外光編碼、3D感測器晶片和CMOS感測器的一整套3D感測解決方案，並搭載於微軟Kinect之中，用於動作捕捉。2013年PrimeSense被蘋果以3.45億美元收購（蘋果史上最大手筆收購之一），判斷隨著3D光學感測器被應用於iPhone，PrimeSense的3D感知功能商用化指日可待。
AR/VR：Tango是最具代表性的移動端3D空間測繪項目。Tango計畫是穀歌自2014年開始開發的項目，此專案的宗旨又被形容為“讓機器/設備像我們一樣看世界”。以最常見的智能機為例，其後臵攝像頭僅能拍照二維畫面，手機無法真正識別空間的存在。而Tango可以讓這些設備能夠具有完整的空間意識，並且能夠充分理解我們和環境的關係。Tango最大的貢獻在於3D測繪，即對周圍的環境和區域掃描並繪製立體地圖。實現：
重塑Google地圖，借助消費者的手機，通過室內導航和測繪搭建完整的3D地圖。
VR應用，Google I/O大會提出開發VR一體機，不借助類似 HTC Vive外臵的鐳射定位設備，僅靠自身的地圖就可以實現3D空間定位，足以見其佈局3D地圖用意深遠。
AR技術，實現教育、虛擬購物、遊戲娛樂等多種功能。
蘋果的採用將帶動3D光學感測在手機中的滲透
前臵3D光學感測，判斷用於生物辨識：我們判斷蘋果在今年的紀念款 iPhone中將採用前臵3D光學感測，期初主要用於生物辨識（如虹膜辨識、人臉辨識等），以替代現有電容指紋識別方案，達到取消 Home鍵，提升屏占比和改善用戶體驗。
未來後臵3D感測，以實現AR功能：蘋果CEOCook多次提及看好AR技術，並在今年2月公開表明AR的重要性與智慧手機並列（a big idea like the smartphone）。蘋果使用多顆3D光學感測器是大勢所趨，未來將在手機背面也放至3D光學傳感設備，以最終實現AR相關應用。
AR與AI演算法和GPU密不可分。3D光學感測攝像頭提供了景深資料，若配合演算法就可以實現增強現實功能，其中AI演算法至關重要，這在硬體上對GPU提出了要求。以微軟Kinect為例，其演算法要用到GPU的平行加速能力，否則無法實現real-time。2017年4月，蘋果表示將自行研發GPU，未來15~24個月間減少依賴GPU長期合作夥伴英國Imagination Technologies，並通知Imagination將不再需要後者説明開發iPhone和iPad的圖形技術，終止專利費支付。我們認為與其一直以來致力於自主發展AI軟、硬體有關。
智慧音箱主要由麥克風陣列，遠場語音辨識演算法和揚聲器組成。Amazon最早開發實現基於麥克風陣列的遠場語音辨識，大幅度擴大了語音辨識的應用場景。亞馬遜設計了一個名為“ARS”的自動語音辨識處理系統。ARS由七個麥克風和一個音訊信號過濾系統構成。七個麥克風組成的列陣能讓Echo捕捉到環境中的細微聲音，音訊信號過濾系統過濾掉環境噪音，從而辨別出人聲。使用ARS後，即使用戶25英尺（7.62米）之外發出命令，Echo也能夠準確識別。除了Amazon以外，科大訊飛和聯發科也開始提供類似整體解決方案。中國公司中，歌爾股份，瑞聲科技等是全球重要麥克風陣列廠商，國光電器，通力電子是主要音箱廠商。
3D光學產業鏈主要集中在歐美，我國在濾光片、模組和設備全球領先：3D光學感測的產業鏈主要集中在歐美，領先廠商包括意法半導體、AMS（奧地利）、Lumentum等，A/H上市企業主要在光學鏡片和模組、濾光片以及半導體設備上領先，我們推薦進入蘋果供應鏈的ASM Pacific，關注水晶光電（未覆蓋）。另外，隨著安卓陣營的跟隨，模組廠商舜宇光學、歐菲光（未覆蓋）和邱鈦科技（未覆蓋）有望受益。
結構光在硬體上增加了衍射元件。結構光和TOF在硬體上的差異不大，都由發射端和接收端構成，主要的區別在於結構光需要將光源變成特定的圖譜，所以需要衍射光學元件（DOE）。硬體配臵分為發射端與接收端兩大部分：發射端：主要廠商為國際光通信和感測器大廠，集中在歐美。
VSCEL作為光源：3D感測主要採用紅外光作為光源，原因是比可見光波長更長。VSCEL的光線相較于普通雷射器而言具有低功耗、體積小的優勢。VSCEL原先主要應用於光通信和光互連領域，國外Finisar（FNSR.US）和Avago兩巨頭佔據市場的80%，被廣泛採用於輔助聚焦、距離傳感、識別等領域。目前國內僅光迅科技具備10Gbps以下VCSEL生產能力。
晶圓級鏡頭、濾光片和DOE：
晶圓級光學鏡頭（WLO）主要功能是將點光源轉化為線光源，WLO用半導體工藝生產，提高了鏡頭的生產效率，一片8寸的白玻璃可以切割成數千顆准直鏡頭；缺點在於不能調焦。主要廠家為奧地利的AMS（AMS.SIX）。AMS2016年10月收購掌握了大部分專利的准直鏡頭WLO（Wafer-level Optics）製造商Heptagon。
DOE：僅在結構光方案中使用。主要廠家包括奇景光電（HIMX.US）、精材（3374.TW）、采鈺（2014年從台積電剝離）等。
濾光片：過濾掉頻率不符合的光源。水晶光電（002273.SZ）與 Viavi（IIVI.US）國際領先。
接收端：除舜宇光學和ASM Pacific佔據領導地位外，歐菲光與球臺有望受益于安卓陣營對3D光學感測的採用。
鏡片：與可見光鏡片不同，紅外光鏡片需要滿足廣角的特性，以盡可能保 留深度資訊。例如Google Tango的紅外鏡頭，就是舜宇光學（2382.HK）製造的；主要廠商還包括臺灣的大立光（3008.TW）和玉晶光（3406.TW）。
CIS感測器：CIS感測器由可見光和紅外感測器組成，主要廠商為奧地利AMS（AMS.SIX），以及意法半導體（STM.N）。
CIS感測器製造設備和主動對準工具：主要提供商為ASM Pacific，佔據全球主要市場份額。
模組：舜宇光學、歐菲光、邱鈦科技等在模組上佔據全球光學模組的重要地位。在聯想Phab2pro中，舜宇光學提供了後臵三顆鏡頭的模組，包括一顆TOF鏡頭發射脈衝光及一顆魚眼鏡頭進行動態捕捉。
全球智慧駕駛發展最新動態5
主要車廠加快自動駕駛佈局，互聯網科技公司積極切入
整車廠加快佈局自動駕駛，預計到2021年全面實現L5。目前看來，汽車市場普遍處於SAE Level2自動駕駛的部署，即輔助自動駕駛為主，主要車企的規劃則大多是到2020~2021年間實現Level 5的完全自動駕駛。
特斯拉：第二代Autopilot系統已經更換了全新的硬體系統Hardware 2.0，與其相對應的軟體將採取逐步升級的方式，第一步升級為Enhanced Autopilot；第二步再升級為Autopilot 2.0（全自動駕駛能力），時間點為2017年年底。特斯拉CEO在公開演講中表示，特斯拉自動駕駛系統將在2年後達到Level 5級別，而在這之前特斯拉將繼續其高級自動駕駛系統服務。
福特：計畫2021年實現完全自動駕駛汽車（SAE Level 4）的商業運作，這款車將不會有方向盤、刹車踏板、油門等，最初擬用於提供打車或車輛共乘服務，不會首先面向消費者。
通用：通用計畫逐步提升自動駕駛水準，近期聚焦半自動駕駛技術，如“超級巡航(SuperCruise)”有望在今年晚些時候在凱迪拉克CT6上實現，在高速公路上行駛將能夠解放雙手。我們認為，在不久的將來，一旦通用將超級巡航引入到其車型中，極有潛力提升其量產車型的競爭力和定價能力。
豐田：在技術開發上有優勢，有很多自動駕駛領域的專利，也產出了部分樣車。但豐田擔憂道路事故的風險，因而商業化還需要時間。
日產：在自動駕駛技術的商業化應用上極有野心，2016年8月推出的Serena小型貨車上搭載了ProPilot高速公路單車道自動駕駛技術。這一技術得到了消費者的積極回應：與上一代車型相比，上市後的七個月內訂單上漲34%，其中56%是配備了ProPilot系統。2018年，日產計畫推出多車道自動駕駛技術，首先是實現在高速公路上的自主變道，到2020年實現在城市道路上的自動駕駛。
大眾：大眾與科技公司Mobileye簽署合作協定，在自動駕駛領域共同開發全新高智慧導航地圖。大眾集團的2025戰略，提出將自動駕駛技術、電氣化及數位化這三大領域作為集團未來發展的重點。在今年的北美車展上，大眾發佈了可實現高度自動駕駛的電動概念車I.D。
寶馬：去年7月寶馬就聯合英特爾和Mobileye達成合作協定，聯手研發高度自動駕駛和全自動駕駛的解決方案以及創新系統，寶馬還謀求更多的優質合作夥伴加入自動駕駛技術研發領域，形成開放式平臺合作。預計到2021年將實現量產車型高度自動駕駛。
互聯網公司積極切入無人駕駛
除了傳統汽車廠商，科技公司也把目光聚焦在無人駕駛領域，通常從汽車智慧化的核心軟體技術入手，切入無人駕駛領域。百度和谷歌在高精度地圖方面有顯著優勢，Uber在無人貨運方面已有佈局，蘋果開發了智慧防撞系統。
同時，自動駕駛領域的合作趨勢日趨明顯。1）對傳統汽車廠商來說，與互聯網公司、有科技含量的零部件公司、以及汽車共用服務商開展合作，是避免被淘汰的有效路徑；2）對科技企業來說，自主造車並非最明智的選擇，畢竟未來汽車不僅僅等於“互聯網＋輪子”；3）對零部件供應商來說，只有依託於汽車製造和科技企業，才能推動汽車互聯、加速無人駕駛或自動駕駛的普及，從而創造價值。
自動駕駛硬體：通用平臺正在興起
汽車晶片：合縱連橫加速發展
通常汽車主機廠在零部件的採購上，傾向採用垂直整合的商業模式。主要主機廠的電子元器件供應鏈也相對獨立。全球前四大車載晶片供應商恩智浦、英飛淩、瑞薩，意法半導體都有各自主要服務的主機廠和一級供應商。
過去幾年，包括Mobileye在內的主要汽車晶片公司已經在提供ADAS的晶片解決方案。從性能上來看，汽車晶片和英偉達、高通等提供的消費級晶片有較大差距。但由於整車廠對汽車晶片的安全性有較高要求，消費級晶片很難直接進入汽車晶片市場。
在過去的一年裡，我們看到在汽車晶片行業發生了一系列並購。
英特爾/Mobileye：Intel宣佈以150億美金並購Mobileye。在汽車半導體領域，英特爾同時擁有Mobileye、Yogitech、Arynga等幾個重要資產。Mobileye目前是領先的汽車視覺處理供應商，已為25家廠商的273款車型配備單目攝像頭視覺處理晶片，Mobileye的EyeQ系列均為完整的SoC架構，在SAE-Level3和Level4上分別有5個合作項目。公司預計到2019年實現收入11億美元，隱含年均增長46%。
公司從2012年開始研究深度神經網路（DNN，深度學習演算法的一種）在汽車視覺中的應用，2015年10月量產的第三代晶片產品EyeQ3使用了DNN演算法用來構建環境模型，實現了目前業內最為精湛的holistic path planning。
高通/NXP：高通宣佈以380億美金並購恩智浦（NXP）。2016年發佈BlueBox平臺，為OEM廠商提供設計、製造、銷售Level4（SAE）自動駕駛汽車的解決方案計算平臺。
英偉達：在圖形處理上先發優勢明顯，是汽車廠商推進自動駕駛的技術夥伴，目前已宣佈與特斯拉、奧迪、豐田、富豪、博世、ZF等達成合作。公司推出了車用超級電腦Drive PX2，包含有4個處理器（2個GPU，2個Tegra）和12個CPU，每秒可進行2,400萬次深度學習計算，以對來自不同感測器的資訊作出即時反應。同時，英偉達通過開放PX平臺，與相關車廠或一級供應商合作開發快速和定制化的SoC。
瑞薩電子（Renesas）2017年4月發佈了Renesas Autonomy，一個全新設計的ADAS和自動駕駛開放平臺。
意法半導體（STMicro）與Mobileye合作開發，兩家公司最早在2005年就開始研發ADAS晶片。2016年5月Mobileye和意法半導體宣佈將合作研發Mobileye第五代系統晶片EyeQ5，作為2020年實現全自動駕駛（FAD）汽車的中央處理器，並執行感測器融合程式，預計在2018年上半年可提供EyeQ5的工程樣品。
德州儀器（TI）的汽車片上系統（SoC）解決方案TDA2x提供了一個開放的平臺，TDA2x為前臵攝像頭、泊車輔助、雷達及融合應用的入門級解決方案提供了一種可實現高性能的架構。TDA3x則主要用於幫助汽車製造商開發出更加尖端的應用，同時減少交通事故並使初、中級汽車實現更自主的駕駛體驗。
感測器：攝像頭搭載數量上升，雷射雷達加速發展
通過對最新發佈的智慧駕駛平臺的分析，我們注意到兩個明顯趨勢。
搭載攝像頭數量上升：我們認為，要實現L3/4級別的自動駕駛，單車的攝像頭數量將從L1/2級別的2顆增加到10顆。Tesla新推出的Auto Pilot 2平臺總共含有8個攝像頭，其中包括1個3目前視攝像頭，3個前環視攝像頭，3個後環視攝像頭，1個後視攝像頭，比Auto Pilot 1中1個單色前視攝像頭數量大幅度增加。
雷射雷達技術發展迅速：雷射雷達能夠發射雷射光束，並通過捕捉反射回來的信號繪製出3D模型。大多數切入自動駕駛的車企都選擇搭載雷射雷達，除了Tesla只依靠攝像頭和普通雷達。制約自動駕駛向L3/4挺進的主要原因在於搭載的電子元器件成本太高，雷射雷達目前的平均售價在5,000美金左右，因此如何快速的降低成本成為重中之重。Velodyne於近日推出了一款經濟實惠的新型雷射雷達，與傳統的機械雷射雷達不同，新型感測器能使用電子束引導雷射光束轉向。這款新產品具有體積小，性能穩定，價格便宜等優勢。
市場規模：2025年達到486億美元
自動駕駛硬體規模2025年可達486億美元。Gartner認為，現有汽車電子占全球半導體市場僅為10.0%左右，2017年市場規模2017年將成長6.2%達到343億美元，2018年增長7.2%至358億美元。我們通過對各等級的自動駕駛滲透率進行了測算，在2025年自動駕駛感測器與計算晶片的規模可達486億美元。
目前硬體價格高昂阻礙L3/4普及：我們對SAE要求的各等級自動駕駛需要加裝的硬體成本進行了測算，主要分為計算晶片和感測器兩部分。從L1到L4，級別越高，所需要加裝的硬體成本也在上升，整體而言，2016年L1/2的單車電子加裝成本為648美元，L3/4則需21,920美元，其中中央控制和處理器佔據絕大多數成本，例如，Nvidia DrivePX2的售價高達1.5萬美元。
2025年L3/4的加裝成本有望下降至4,688美元。我們對主要硬體成本的價格曲線進行了假設，隨著攝像頭、雷射雷達、晶片成本的不斷下降，以及軟體處理的優化，判斷到2025年，L3/4等級的自動駕駛成本有望從超過2萬美元縮減到4,688美元，同時帶來滲透率的提升。
下圖歸納了亞洲自動駕駛/電動車產業鏈的情況。
中國在動力電池技術上全球領先，但在汽車電子上相對薄弱，主要平臺目前掌握在Continental、Bosch、Denso等全球一級供應商手裡。中國公司主要作為二級供應商參與到整個供應鏈中去。中國公司相對較強的零部件包括：（1）電子感測器（舜宇），（2）車機（航盛，華陽，德賽）。
中國廠商在汽車電子產業鏈中的佈局：
舜宇光學：是全球最大車用鏡頭提供商，產品覆蓋了車載攝像頭的各個領域（前視、後視、內視（駕駛員監控/手勢識別）、環視、智慧後視鏡等。進入HUD與雷射雷達領域，全方位佈局傳感硬體。
歐菲光：公司通過汽車電子業務、智慧中控業務、智慧駕駛業務以及互聯網+業務切入汽車電子領域。公司在感測器（攝像頭、雷達）、控制器（高清全景環視系統、ADAS高級輔助駕駛系統）等方面進行了產品佈局。同時，公司投資了美國的Cruise Automation，其產品可將普通車輛變成自動駕駛汽車，第一代自動駕駛系統適用於奧迪A4和S5。
得潤電子：擁有全面的連接器佈局，前瞻性佈局車聯網，收購義大利OBD（行車記錄儀）模組龍頭企業Meta，向車聯網保險等軟體服務領域拓展。
四維圖新：佈局無人駕駛，構建高精度地圖、動態交通資訊。同時，打造趣駕WeDrive3.0完整車聯網生態平臺，產品包括純車機方案WeCar、車機互聯方案WeLink、和作業系統趣駕OS。
比亞迪：佈局BMS，母公司集電池、BMS、電動汽車研發於一身，垂直整合優勢明顯。比亞迪汽車電子已經有多年積累，2014年上市內臵Android作業系統的車型。
德賽電池與欣旺達則在電池封裝與BMS上領先佈局。
深圳航盛電子（未上市）致力於為整車廠開發生產智慧網聯汽車資訊系統、智慧駕駛輔助系統、新能源汽車控制系統等產品。未來，公司將重點佈局車內ADAS、安全技術和智慧駕駛技術。
華陽（待上市，我國最大的鐳射頭和汽車音箱生產商之一）將圍繞車本身，在相關的感知系統和通信定位和決策系統上佈局，推出三個領域的產品：車身電子控制系統、娛樂系統、高級駕駛輔助系統。
德賽西威（未上市）與百度聯手，將圍繞BCU和MapAuto兩個維度，在高精度地圖與自定位、汽車環境感知、決策等技術領域展開合作。其大股東是上市公司德賽電池的母公司。
AI+醫療：從電子病歷到輔助診療手術機器人，應用前景廣泛
AI+通信：資料中心資本開支，物聯網帶動行業發展
AI+半導體：為晶片市場注入新動力
編輯：投資廣州