人工智能行业现状、格局及产业链分化路径分析

人工智能快速发展，泛安防为最大场景。

ChatGPT 关注度背后反映 AI 行业进入认知智能新阶段，应用场景将被进一步打开。人工智能 经历了近 70 余年的发展，技术的升级迭代使 AI 理解以及赋能应用场景能力不断提升，现阶 段已经进入场景广泛打开，渗透率提升：

PC 互联网及移动互联网的快速发展推动数据量呈现快速增长。2006 年杰弗里·辛顿以 及他的学生鲁斯兰·萨拉赫丁诺夫发表的深度学习算法模型支撑训练更大规模的神经网 络，大幅提升了算法的性能；芯片发展遵循摩尔定律，算力得到质的提升。

三重合力推动下，计算机视觉、 语音识别等领域取得了重大的技术突破，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，突破了工业应用红线。机器能够实现“看得懂”、“听得见”的 功能，人工智能的发展阶段由计算智能迈入感知智能的阶段，被广泛应用于安防、金融、 医疗等 To G、ToB 的场景中；

NLP 技术的使 AI 由感知智能进一步向认知智能进步。2022 年以来 ChatGPT、AI 绘画为 代表的生成式 AI 引起了学术界、产业的极大关注，其背后是以 OpenAI 为代表的公司以 Transformer 模型（2017 年提出）为基础，通过大模型的训练方式使得自然语言处理（NLP） 技术得到巨大的突破，使机器能够“听得懂”人类语言，从而具备了认知的能力， AI 迈 向认知智能的阶段，成为通往 AGI 方向上的重要里程碑。同时 ChatGPT 在搜索场景中所 体现出的高效等案例也使 AIGC 在 To C 的应用场景的降本增效被极大的打开，拓展了 AI 应用能力。

人工智能是万亿级的大产业，仍处于快速增长的阶段。得益于技术的迭代与政策的支撑，人 工智能所能解决的问题越来越多，所能赋能的应用场景也在不断成熟且日益丰富，人工智能 作为一项工具，正在成为数字经济时代的基础设施之一。据艾瑞咨询测算，2021 年人工智能 核心产品市场规模预计达到 1998 亿元，至 2026 年将达到 6050 亿元，期间年复合增长率达 24.8%。同时 2021 年由人工智能所带动的相关产业规模预计达 7695 亿元，预计 2023 年将突 破万亿元。

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。由于算法、数据、 算力是人工智能基础层的三大核心要素，特别是数据的可得性对于人工智能的应用尤为关键， 在安防、政务、、互联网、金融、医疗等行业，其成熟的数据化体系使数据易得，从而更好地 实现建模需要，因此这些场景也是人工智能应用落地最早、发展阶段最为成熟的领域。截止 2020 年政府城市治理和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。

以城市治理及金融场景为例，目前这类行业对人工智能仍处于加大投资的阶段，推动人工智 能技术应用的渗透率不断提升：

在城市治理领域，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，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%；

在金融领域，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 机器学习和知识图谱等技术飞速发展，为银行风控体系智能化升级奠基。据艾瑞咨询测 算，预计 2022 年金融场景 AI 投入规模约 414.5 亿，占金融领域科技总投入的比重为 9.9%，较 2021 年提高 1.4pct。

在传统领域渗透率提升的同时，人工智能将不断重塑新的产业生态。人工智能在不同场景中 的渗透情况存在较为明显的差异，在安防、金融等领域的应用相对成熟，而在其他许多领域 则处于发展初期。展望未来，人工智能将一方面通过智慧化改造帮助企业降本增效，综合计 算机视觉、语音识别等技术不断解决客户痛点，以此提升在传统行业的渗透率，并实现算法 模型供给上的规模效应，从而助力 AI 企业的营收增长；另一方面，人工智能也在塑造新的产 业生态，比如智能驾驶、内容生产（如虚拟数字人的生成与驱动）等，这些新业态的发展与 技术突破将为行业带来新的增量与弹性。

AI 业务链条长，上下游参与方众多。AI 本质是一种赋能应用场景智能化升级的工具，但由 于国内许多业务场景还未完成数字化升级，因而在业务落地时多提供综合解决方案，需要针 对场景痛点进行定制化改造，涉及的产业链条较长，参与者众多。以云天励飞所处的安防场 景为例，其主要参与方包括上游的软硬件商，中游的设备商、解决方案商，下游的渠道和集 成商，以及通讯网络运营商、ICT 服务商等。上游的软硬件商主要提供算法、芯片和关键零 组件，中游的设备商和解决方案商提供设备和整体解决方案，下游的渠道商和集成商负责销 售产品和实施解决方案，ICT 服务商负责提供通信网络等基础设施，最终以整体解决方案的 形式呈现至客户。云天励飞所在的产业链环节主要是上游的软硬件商和中游的解决方案商， 在设备、通信网络、系统集成等环节未大规模涉及，与典型的设备商如海康威视等，典型的 系统集成商、运营服务商如中国电信等，ICT 服务商如华为等共同构成了完整的产业链条。

当前产业链边界模糊，未来产业格局将进一步清晰。目前行业处于发展初期，产业成熟度相 对不高，上下游具备资源禀赋的公司先后入局，产业链上的业务边界相对模糊。对于单个厂 商而言，既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。我们认为考虑规 模经济的因素，产业链必将产生一定程度的分化，分化的方向将沿着两条路径进行：一是沿 着场景进行取舍，从而产生业务场景的垂直化；二是沿着产业链环节进行取舍，从而带来产 业链的分工化。

1）路径一：场景分化。考虑研发投入与行业场景 Know-How 的壁垒，公司会寻找具备竞争优势的场景进行深耕，最 大化实现规模效应。以 AI 四小龙的业务布局为例，目前已经可以看到一定程度的分化，目商 汤科技的应用场景最为全面，覆盖智慧城市、智慧企业、智慧生活、智能汽车四大场景，其 中智慧城市与智慧商业为核心，而 AI 四小龙中的其他三家公司除了在城市与商业上也有布 局外，在部分场景上已经存在差异化，比如旷视科技差异化布局智慧物流、智慧仓储等供应 链物联网，云从科技在金融领域较为突出，依图科技在智能医疗方向投入较多。

2) 路径二：产业链分化。人工智能发展初期多采取软硬一体的定制化方案，未来我们认为从产业链环节看，专注于垂 直领域的公司会尽可能覆盖更多的产业链环节以保证效率，或者将深耕某个环节通过规模化 尽可能的掌握产业链定价权。 ChatGPT 的出现受到行业内的广泛关注，其背后的 GPT-3.5 是自然语言方向的通用大模型， ChatGPT 的高关注将推动行业更坚定的走上通用大模型的路径。以 GPT-3 为例，模型参数量 为 1750 亿，训练数据集达到 45TB，超大的参数量及数据集将需要大规模的算力支撑，而算 力又是重资本投入，因此我们认为产业链将进一步分化为通用大模型与行业模型，具备资金 实力与研发人才壁垒的公司将更具实力在通用大模型领域布局，而落地能力更强的公司将在 垂直场景进行深耕，通过满足客户的应用场景效率提升而不断获得更多订单，从而实现收入 增长。 综上，我们认为当前处于 AI 模型公司的产业链分化的起点，产业中众多的参与者将各凭资 源禀赋找到适合产业链环节卡位，获得相应环节利润，进而提升整个产业链运转效率，推动 产业链利润最大化。