人工智能行业前景如何？

人工智能应用不断深化，多重合力推动前景广阔。

1.政策层：人工智能上升至国家战略，“十四五”将加速产业落地

全球各国都很重视人工智能，中国尤甚。人工智能引起了全球各国的关注，中国更是将人工 智能上升至国家战略的层面，给予行业的发展强有力的政策支持。政府不仅从 2015 年人工 智能应用发展初期，就将人工智能写入《中国制造 2025》、《“十三五”规划纲要》等重要政 府文件中，确定了人工智能在我国未来经济发展中的重要作用；还随着人工智能行业的不断 发展，对政策内容也持续进行细化，从顶层设计至创新成果转化路径，再到芯片、开源平台 等技术层面都有相应政策指导，为行业提供了清晰的路径指引。

《“十四五”数字经济发展规划》将进一步加速人工智能产业落地。2022 年 1 月，国务院印 发《“十四五”数字经济发展规划》提出八项重点任务，从中可以看出“十四五”期间，在 支撑人工智能发展的算力、数据等底层技术以及企业数字化、政务数字化治理等上层应用层 面等都将得到政策的重点扶持，我们认为《“十四五”数字经济发展规划》将进一步加速人 工智能产业落地，从而带动行业规模的持续壮大。

预计人工智能将发挥基础性作用，未来市场空间广阔。根据艾瑞咨询数据，预计 2021 年人 工智能核心产业规模为 1998 亿，带动相关产业规模为 7695 亿。随着产业渗透的提升，预 计 2026 年人工智能核心产业规模将达到 6050 亿，复合增速为 24.8%；同期人工智能所带 动的产业规模将达到 2.1 万亿，复合增速将为 22.3%。我们认为随着人工智能技术的发展与 应用产品的成熟，人工智能将渗透千行百业，发挥类似 “水、电、煤”般的基础性作用， 因此从更长期来看，其市场将更为广阔，将面临持续的增长机遇。

2.应用层：人工智能全面落地开花，增量来自于行业渗透率提升

政策支持等多重因素推动下，中国人工智能应用场景落地成果显著。政府的有力扶持、国内 强大的数字基建能力叠加广阔的市场体系，中国人工智能应用场景遍地开花。AI 被广泛应用 至大数据研判、运筹优化、智能风控、人机交互等生产活动的各个环节，特别是在政府、金 融、互联网、交通等行业的渗透率较高，AI 所发挥的价值已被验证并且正在进入规模化的阶 段；在制造、能源等行业也已经产生了一些标杆案例，待进一步挖掘为典型应用场景。对比 国外在底层架构上的优势，我们认为中国在应用场景上的优势将尤为突出。

政府城市治理与运营、互联网、金融为人工智能应用最为广泛的三大领域。从下游场景来看， 政府城市治理与运营为最大的应用场景，市场份额接近一半（49%），互联网、金融行业的 市场份额分别为 18%、12%，排名第二、三位。我们判断上述三大行业是人工智能应用最为 广泛的前三大领域的核心原因在于：1）所处行业数字基础设施完善，数字化程度较高，数 据易获取，为人工智能的应用提供了丰富的“原材料”；2）资金实力较为雄厚，具有较强的 付费意愿与付费能力。

云从科技以智慧治理与智慧金融为两大核心应用领域，具体来看与治理、金融有关两大领域 目前在应用人工智能领域方面的发展阶段如下： 1）智慧治理 政策推动与疫情催化的背景下，各级政府高度关注智慧城市建设，全国 94%、71%的省会、 计划单列市已开展新型智慧城市顶层设计，推动各类智慧城市工程落地（数据来源：腾讯研 究院）。同时，各级政府已经成为人工智能相关企业最重要客户之一，在智慧城市建设方面 进行了大规模的投入，根据中国信通院测算，2020 年全国智慧城市投资总额达 2.4 万亿元， 同比增长 41.18%。从 2021Q1 来看，尽管受疫情影响下智慧城市的建设节奏预期将有所放 缓，但超千万的智慧城市的订单数量仍实现了较快的增长，根据智东西数据，2021Q1 超过 千万的智慧城市的订单数量有 220 个，合计金额达到 95.53 亿。

从未来看，我们认为人工智能在智慧城市建设中的应用仍有增长空间，其驱动力预计将主要 反映在三个层面的渗透率提升上：城市渗透率提升 根据腾讯研究院数据显示，全国 94%、71%的省会、计划单列市已开展新型智慧城市顶层设 计，推动各类智慧城市工程落地，但整体而言考虑到政府预算规模、应用场景的丰富度、数 据等原因，目前智慧城市的建设与项目落地处于以一二线城市为主，正逐步向下沉城市进行 渗透的过程中。根据智东西数据，2022Q1 智慧城市千万级项目数量排在前三的分别是广东 （23 个）、浙江（21 个）、江西（15 个）；投资总金额排名前三的分别是广东（12.26 亿）、安徽（11.97 亿）、云南（8.63 亿），总体以沿海发达省份为主，部分内陆省份的投资规模也 在显著提升。

应用场景渗透率提升。智慧城市的建设作为系统性工程，在雪亮工程等项目的推动下，安防等场景的智能化升级改 造较早及投资规模较大，比如根据智东西统计 2022Q1 智慧城市千万级项目细分领域的分布 来看，数量排名前三的细分领域分别是智慧医疗（42 个）、智慧警务或雪亮工程（32 个）、 智慧交通（26 个）；投资总金额排名前三的分别是智慧城市（13.84 亿）、智慧政务或数字政 府（13.67 亿）、智慧警务或雪亮工程（13.48 亿），整体来看安防、政务等建设的投资金额 较大，但是智慧医疗与智慧交通等场景的建设正在逐步兴起。未来随着城市智慧化升级改造 的进程逐步推进，将有越来越多场景被纳入其中，甚至开始覆盖越来越多的长尾场景，从而 不断地从全方位开始提升城市的精细化治理能力。

单个应用场景智慧化渗透率的提升。就某个具体场景来看，人工智能应用的渗透率也将逐步提升。以摄像头智能化为例，根据艾 瑞咨询数据，预计2021 年中国 AI 摄像头出货量为 1888 万，至 2022 年将达到 3458 万，预 计同比增长约83.16%，其增长的原因在于通常智慧安防的项目是分批次进行智能化升级的， 接入平台的摄像头路数会逐渐增加，同时所承载的智能化功能也将逐渐丰富，以此来适配更 加精细化的管理。从渗透率角度看，根据 HIS 预测 2021 年中国摄像头安装数量将达到5.6亿台，综合以上两组数据进行测算，中国目前 AI 摄像头渗透率仅为 3.4%，因此从长期来看， 中国 AI 摄像头渗透率仍有大幅提升的空间。

2）智慧金融。在金融行业方面，智慧金融解决方案的主要需求方为银行与保险，人工智能可以应用在包括 身份识别、智能风控、智能投顾、智能客服等场景中，提供人脸识别、身份核验等服务，具 体从其发展阶段来看可以分为三个阶段： 1）在发展初期，人工智能在金融行业的应用主要以风险监测、智能问答等方面有些零星探 索，后续各家银行依托自身数据积累，开始在客服、运营、风控等应用场景开展实践并 取得成效。以此为基础，各家银行开始加紧建设人工智能技术有关的基础设施与技术平 台，如工商银行的“工银图灵”、中国银行的“中银大脑”等；

2）在企业级人工智能平台的支撑下，金融行业进一步加快服务模式重塑和业务形态变革， 反映在更流畅的人机交互模式、个性化营销策略以及金融增值服务等方面；3）将突破物理网点与时空限制，嵌入更多的线上线下场景，形成以客户为中心，无处不在的金融服务体验。从行业的观察来看，目前智慧金融正在由第二阶段向第三阶段逐步过渡，我们预计人工智能 与金融的融合将体现在更多元、更深层次的各个方面，仍有非常大的提升空间。

3.技术层：由单点突破向多点融合发展，或将成为基础设施之一

在互联网发特别是移动互联网发展的推动下，人工智能技术中最重要的三大要素算力、数据、 算法均实现了质的飞跃：1）算力：芯片发展遵循摩尔定律，算力得到质的提升。2007 年采 用英特尔酷睿芯片的个人电脑计算速度为每秒 500 亿次浮点运算，是 ENIAC 的 1000 万倍， 体积和耗电量却小了很多；到 2012 年全球最快的计算机 IBM 的红杉的计算速度为 1.6 亿亿 次，比 19 个月前竟提高了将近 6 倍；2）数据：PC 互联网与移动互联网的发展为人工智能 模型训练提供了庞大的数据积累，根据 IDC 预测，全球数据圈将从 2018 年的 33ZB 增至 2025 年的 175ZB；3）算法：2006 年 Geoffrey Hinton 和他的学生 Ruslan Salakhutdinov 在《科学》上发表文章，给出多层神经网络更好训练方法，至此神经网络算法才开始真正具 有深度，使深度学习算法能够支持训练更大规模的神经网络。

三重合力推动人工智能在计算机视觉、自然语言处理、知识图谱等单点技术上实现重大突破， 比如 2014 年香港中文大学汤晓鸥教授团队发布 DeepID 系列人脸识别算法准确率达到 98.52%，全球首次超过人眼识别率，突破了工业化应用红线；根据易观数据，2009 年深度 神经网络算法被应用于语音识别领域时，语音识别准确率突破 90%，至 2016 年百度、搜狗等头部公司都先后宣布其语音识别率达到了 97%。这一阶段，单点技术的突破催生了人工智 能在特定场景的初步应用。

目前人工智能技术应用正在从单点突破向技术融合及业务链条融合的方向过渡。人工智能经 历了对单点技术的聚焦关注后，客户逐渐发现自身的复杂需求难以得到快速响应，转向寻求 获取人工智能综合解决方案，反映在技术层面表现为由计算机视觉等单点感知向视觉+语音 等多模态感知、从人工智能在单个环节的应用向感知—认识——决策等多个环节进行融合以 及通过提供软硬件一体解决方案以实现对全业务链条赋能等方向发展，形成行业价值闭环。 我们认为未来随着人工智能应用在政务、商业、生活等场景的渗透率的不断提升，人工智能 技术将日益成为“水、电、煤”般的基础性设施，持续赋能体验的升级。

4.产业链：业务链条复杂，衍生出两种不同的商业路径

人工智能产业链主要分为基础层、技术层、应用层三个层级，其中：1）基础层以数据、算 力、算法为核心；2）技术层是建立在基础层的核心能力之上，通过打造一套人工智能系统 使机器能够像人类一样进行感知与分析，其中最关键的领域包括计算机视觉（图像识别与分 析）、语音识别与自然语言处理技术（语音识别与合成）、机器学习与深度学习（分析决策及 行动）等；3）应用层是将技术能力与具体场景相融合，帮助企业/城市管理者等客户降本增 效，目前主要应用的场景有泛安防、金融、医疗、自动驾驶等领域。在上述三个层级之外， 通常面向终端时还涉及硬件交付，如摄像头、服务器、芯片等，所以人工智能产业链涉及业 务方众多。

整体而言，人工智能产业的发展仍处于初级阶段，从针对某个项目的落地来看，通常既需要需要考虑与业务场景的融合，又需要从技术层面具备适应业务场景变化的能力，同时还需要 保证与硬件设备具有较高的兼容性，以及落地施工的工程能力，所涉及的业务链条较长，对 于单一的公司很难做到对多元的业务场景和完整的产业链条的兼顾，导致人工智能企业目前 很难同时在技术领先性、规模化与商业化等维度之间做到很好的平衡，所以目前我们看到 AI 四小龙等人工智能算法企业多处于亏损状态。

我们观察到行业中目前主要有两种业务模式：1）由系统集成商面向终端客户提供服务，其 中人工智能企业聚焦于算法与模型生产等核心技术环节提供高毛利的软件服务，这需要持续 大规模的研发投入与 AI 基础设施建设，以保证技术的领先性，如同商汤科技所推出的 SenseCore 的大模型装臵，通过大模型来实现低成本、高效率的模型量产；2）聚焦于某一 垂直场景，由人工智能企业向终端客户或者系统集成商提供软硬件一体的综合解决方案，由 于涉及部分硬件的采购，会导致人工智能企业的毛利率相对较低，但这种模式下能够提高人 工智能解决方案的交付能力，获得更好的客户体验，从而有利于持续获客，如云从科技聚焦 于智慧治理、智慧金融领域，以提供软硬件一体的解决方案为主，2021 年人工智能解决方 案的营收占比达到 86.87%。