【政策動態】
科技部：要關注人工智慧發展的多層次性
10月9日從科技部獲悉， 近日， 科技部黨組成員、副部長李萌赴浙江德清出席中國工程院舉行的人工智慧發展戰略研究項目成果報告會。
首先， 李萌副部長介紹了科技部在前一階段對規劃和項目實施的準備工作， 對下一步人工智慧的戰略研究工作提出了建議， 強調在規劃和項目的實施過程中， 始終要重視戰略研究， 院士專家要發揮更多的前瞻引領作用。
一是要關注人工智慧發展的多層次性。 應用驅動是目前人工智慧發展的重要戰略路徑， 要從應用著眼逐步深化。 目前人工智慧技術處於弱人工智慧向強人工智慧過渡的階段， 現有的弱人工智慧技術還有廣闊發展空間， 要充分運用現有技術滿足從宏觀到微觀各個領域智慧化的新需求， 提升產業發展水準， 提高人民生活品質和社會治理能力。
二是要保持戰略清醒和戰略定力。 當前“人工智慧熱”總體是好的， 表明社會非常重視科學技術前沿發展， 這展現了一個社會的眼光和層次， 這樣一個氛圍有利於吸引更多資源， 推動人工智慧的研發與應用， 把規劃和項目更好地部署實施。 但是人工智慧要健康的發展不能靠炒作， 不能靠忽悠， 作為科技部門， 作為科學家， 要始終保持清醒的頭腦， 必須依靠科技作為高端引領， 要打算做更長遠的事， 把構建人工智慧的科技創新體系作為重中之重， 加快突破新一代人工智慧基礎理論和關鍵共性技術， 形成持續創新能力。
三是要高度關注人工智慧發展可能帶來的社會影響。
四是考慮如何加強人工智慧學科和團隊建設。 要研究人工智慧作為一級學科所具有的獨特范式， 建設人工智慧學科體系。 重視對未來人工智慧發展與應用所需要的知識結構、人才結構的研究， 提出培養高端人才和創新團隊的具體建議。
五是加強研究人工智慧發展對基礎設施和科學設施的需求。 研究提出人工智慧應用需要補強哪些基礎設施， 未來實現強人工智慧需要什麼樣的特有基礎設施， 提升人工智慧科學研究能力需要哪些特有科學裝置和設備。 李萌副部長希望各位專家繼續為規劃和重大專案實施貢獻智慧和力量。
【京訊解讀】
1.人工智慧， 主要用來研究機器在思考、學習、規劃等行為的擬人態進化， 使之解決問題的能力大幅提升。 近年來， 隨著人工智慧技術的逐漸成熟， 產業化進程已經起步。
2.人工智慧的加速發展將對生產、生活產生革命性變革， 隨著新一代資訊技術在傳統行業的應用不斷落地， 將使得科技真正滲透到各細分行業，
3.人工智慧產業的發展潛力巨大， 目前， 我國在人工智慧領域的投資規模不斷增大， 政府也為人工智慧產業發展提供了良好的政策支持。 《新一代人工智慧發展規劃》中明確提出， 到2020年人工智慧總體技術和應用與世界先進水準同步， 人工智慧產業成為新的重要經濟增長點。
4.我國在人工智慧領域具有國際競爭力， 已經在深度學習、圖像識別、語音交互等領域實現了技術突破， 處於國際領先水準。 隨著人工智慧技術在運算能力、資料量以及演算法等方面的進一步提升， 將加快與傳統產業的深化融合， 各應用領域有望率先受益， 同時還將帶動感測器、晶片、軟體、雲計算、大資料等領域發展。
【機構解讀】
電腦：人工智慧時代：AI賦能，世界重塑
密集投入，巨頭引領，全球AI加速賦能：當前，全球每年有100+億美金，累計1000+億美金（Pitchbook資料統計），持續投入到全球AI的發展。巨頭（谷歌/亞馬遜/蘋果等）引領，AI並購潮起，資料和人才成為並購爭奪的重點。在資本和巨頭的悉心呵護下，明星初創獨角獸的不斷湧現，AI加速賦能，面向醫療、金融、安防、教育、交通、物流等各類行業的企業級（B端）和消費級（C端）AI應用層出不窮。存量市場的革新，增量市場的創造，AI賦能加速，整體發展有超預期。
三大核心要素交互驅動：演算法、資料、計算力：（1）優質演算法的不斷反覆運算，以及演算法隱含層數的增加（即深度神經網路DNN出現），使得AI仰仗的模型性能大幅優化；（2）互聯網的發展，特別是移動互聯網的快速繁榮，使得目前資料產生量已經遠遠超過用於訓練AI模型的資料量。在目前仍以監督學習為主流的背景下，“資料標注成本高、演算法隱含層數增加要求更多標注資料來訓練模型”，這兩個原因使得“可用”資料仍不足夠；（3）計算力不斷提升，GPU+CPU是目前機器學習首選的晶片組合。計算效率更高的FPGA、ASCI等新型晶片興起，不斷挑戰著GPU在機器學習領域中的地位。GPU、FPGA、ASCI各具優缺點，三種晶片的計算效率依次提高、靈活性依次降低、開發難度依次增加。
政策加碼，AI上升到國家戰略層面，存彎道超車可能：有別于傳統IT技術發展的滯後性，AI這一全新領域，國內的人才儲備、政策、資本，是緊跟全球領先地區的發展，這也給彎道超車提供了可能。美國和日本分別於2016年發佈《美國國家人工智慧研究與發展戰略規劃》、《人工智慧研發目標和產業化路線圖》。而國內也於2017年7月重磅出臺《新一代人工智慧發展規劃》，將AI發展上升到國家戰略層面，分三階段實施人工智慧戰略（理論和技術體系建設、完善及配套法律體系建設、AI應用發展），力爭在2030年成為人工智慧領域的世界領導者，核心產業規模超1萬億，帶動相關產業規模超10萬億元。
AI賦能行業，應用不斷深化，同時AIaaS的發展，顯著降低AI創新門檻：我們以語音辨識、智慧投顧、智慧安防為例，系統地闡述了AI賦能行業帶來的顯著變化，並看好企業級市場（B端）市場深度發力。同時，消費級AI有望在巨頭的引領下產生質的變化。AIaaS實際上是AI應用服務收費方式從“許可授權”向“按需付費”的轉變，從而降低了客戶“智慧化”實施的門檻。國內外AIaaS均從2016年底才開始起步，亞馬遜AWS、阿裡雲、百度雲紛紛推出基於GPU/FPGA雲化解決方案，面向中小企/創業者提供創新服務，加速AI創新應用滲透。投資建議：
我們通過深度AI產業鏈調研和上市公司調研（詳見正文第五部分），看好AI加速賦能帶來的行業快速成長趨勢。重點推薦：科大訊飛、中科曙光、同花順、蘇州科達、熙菱信息、思創醫惠、四維圖新、東方網力、拓爾思，建議關注富瀚微、中科創達、浪潮資訊、浙大網新、佳都科技、漢王科技、工大高新等（各公司AI方面的佈局和進展，詳見正文第五部分）。
風險提示
技術的應用落地不及預期
行業競爭加劇風險
（國金證券）
本網站非證券投資諮詢機構，所有資訊產品都是站在第三者立場的行業性中立採編，文中所有涉及的分析、判斷僅代表一家之言，不作為投資依據，亦不暗示任何投資建議，僅為滿足投資者知情權，投資者據此操作，風險自擔。
【機構解讀】
電腦：人工智慧時代：AI賦能，世界重塑
密集投入，巨頭引領，全球AI加速賦能：當前，全球每年有100+億美金，累計1000+億美金（Pitchbook資料統計），持續投入到全球AI的發展。巨頭（谷歌/亞馬遜/蘋果等）引領，AI並購潮起，資料和人才成為並購爭奪的重點。在資本和巨頭的悉心呵護下，明星初創獨角獸的不斷湧現，AI加速賦能，面向醫療、金融、安防、教育、交通、物流等各類行業的企業級（B端）和消費級（C端）AI應用層出不窮。存量市場的革新，增量市場的創造，AI賦能加速，整體發展有超預期。
三大核心要素交互驅動：演算法、資料、計算力：（1）優質演算法的不斷反覆運算，以及演算法隱含層數的增加（即深度神經網路DNN出現），使得AI仰仗的模型性能大幅優化；（2）互聯網的發展，特別是移動互聯網的快速繁榮，使得目前資料產生量已經遠遠超過用於訓練AI模型的資料量。在目前仍以監督學習為主流的背景下，“資料標注成本高、演算法隱含層數增加要求更多標注資料來訓練模型”，這兩個原因使得“可用”資料仍不足夠；（3）計算力不斷提升，GPU+CPU是目前機器學習首選的晶片組合。計算效率更高的FPGA、ASCI等新型晶片興起，不斷挑戰著GPU在機器學習領域中的地位。GPU、FPGA、ASCI各具優缺點，三種晶片的計算效率依次提高、靈活性依次降低、開發難度依次增加。
政策加碼，AI上升到國家戰略層面，存彎道超車可能：有別于傳統IT技術發展的滯後性，AI這一全新領域，國內的人才儲備、政策、資本，是緊跟全球領先地區的發展，這也給彎道超車提供了可能。美國和日本分別於2016年發佈《美國國家人工智慧研究與發展戰略規劃》、《人工智慧研發目標和產業化路線圖》。而國內也於2017年7月重磅出臺《新一代人工智慧發展規劃》，將AI發展上升到國家戰略層面，分三階段實施人工智慧戰略（理論和技術體系建設、完善及配套法律體系建設、AI應用發展），力爭在2030年成為人工智慧領域的世界領導者，核心產業規模超1萬億，帶動相關產業規模超10萬億元。
AI賦能行業，應用不斷深化，同時AIaaS的發展，顯著降低AI創新門檻：我們以語音辨識、智慧投顧、智慧安防為例，系統地闡述了AI賦能行業帶來的顯著變化，並看好企業級市場（B端）市場深度發力。同時，消費級AI有望在巨頭的引領下產生質的變化。AIaaS實際上是AI應用服務收費方式從“許可授權”向“按需付費”的轉變，從而降低了客戶“智慧化”實施的門檻。國內外AIaaS均從2016年底才開始起步，亞馬遜AWS、阿裡雲、百度雲紛紛推出基於GPU/FPGA雲化解決方案，面向中小企/創業者提供創新服務，加速AI創新應用滲透。投資建議：
我們通過深度AI產業鏈調研和上市公司調研（詳見正文第五部分），看好AI加速賦能帶來的行業快速成長趨勢。重點推薦：科大訊飛、中科曙光、同花順、蘇州科達、熙菱信息、思創醫惠、四維圖新、東方網力、拓爾思，建議關注富瀚微、中科創達、浪潮資訊、浙大網新、佳都科技、漢王科技、工大高新等（各公司AI方面的佈局和進展，詳見正文第五部分）。
風險提示
技術的應用落地不及預期
行業競爭加劇風險
（國金證券）
本網站非證券投資諮詢機構，所有資訊產品都是站在第三者立場的行業性中立採編，文中所有涉及的分析、判斷僅代表一家之言，不作為投資依據，亦不暗示任何投資建議，僅為滿足投資者知情權，投資者據此操作，風險自擔。