进击的安徽：安徽优势产业系列之人工智能.pdf

敬请参阅末页重要声明 及评级说明 证券研究报告 计算机 行业 研究 /深度报告 主要观点 ： 当前人工智能产业 迎来 新一轮发展浪潮 人工智能产业经历三次发展浪潮，当前处于新一轮发展的机遇期。主要驱动力来自四方面： 1） 深度学习算法促使人工智能真正实现应用落地场景 ； 2） 摩尔定律支撑 AI 芯片快速发展，为人工智能算法提供充足算力支撑 ； 3） 移动终端普及产生海量数据，为人工智能算法提供丰富训练样本 ； 4） 人工智能上升为国家战略 ；扶持政策陆续出台。预计 2020年 国内人工智能核心产业规模将超过 220亿美元，复合增速接近 65%，发展空间广阔。 安徽人工智能产业具有多重发展优势 安徽发展人工智能的产业优势主要体现在以下几个方面： 1） 政策优势：政府积极布局人工智能产业 ； 2） 产业链优势：人工智能产业链完整，企业核心技术突出 ； 3） 科研优势：科教机构集聚，科研实力雄厚 ； 4）落地优势：传统优势行业转型升级提供落地场景 ； 5） 集聚 优势：产业布局逐渐完备，区域聚集效应初步显现 。 中国声谷是安徽人工智能产业发展的新高地 中国声谷是由工信部与安徽省政府共建的部省重点合作项目，是国家级产业基地 ，同时也是安徽人工智能产业“一核两地多点”产业布局的核心。 2017 年，安徽省政府印发关于印发支持中国声谷建设若干政策的通知 ，每年 配套的地方专项资金达到 8 亿元 。 2019 年， 中国声谷实现总产值达到 810 亿元。 截止 2020 年 6 月，入园企业数量达到 910家。 中国声谷 通过平台 战略 ，为 园区 企业对接技术、资金、渠道、制造、人才等多种资源， 从而加快产业集聚 。 根据规划， 2020 年中国声谷的总产值有望超过 1000 亿元，真正成为 安徽人工智能产业发展的新高地 。 科大讯飞是安徽人工智能产业的引领者 根据中国声谷 的发展战略，科大讯飞是中国声谷建设的核心企业。科大讯飞专注语音产业 20 余年，在人工智能领域掌握了语音、语义、自然语言处理、图像识别、机器学习等多项核心技术，具备全球领先的技术储备。当前科大讯飞已经从战略 1.0 时代向 2.0 时代迈进，实现在教育、政法、医疗、消费者等多个优势赛道的人工智能规模化落地应用， AI 技术红利有望逐步兑现。 我们看好当前人工智能产业的发展，以及安徽对人工智能产业的 重点投入和 大力 扶持 ，建议投资者重点关注安徽人工智能产业龙头科大讯飞的投资价值。 风险提示 ： 全球疫情加剧冲击国内经济，降低企业信息化投资需求；国内外巨头入局加剧人工智能产业竞争；人工智能落地进度和产业应 用不及预期 进击的安徽： 安徽优势产业 系列 之 人工智能 行业 评级： 增 持 报告 日期 ： 2020-07-22 行业指数与沪深 300 走势比较 分析师： 尹沿技 执业证书号： S0010520020001 邮箱： yinyjhazq 研究助理 ： 夏瀛韬 执业证书号： S0010120050024 邮箱： xiaythazq 相关报告 1.华安证券 _行业研究 _行业深度 _车联网V2X， 5G 下游应用黄金赛道 2020-05-18 2.华安证券 _行业研究 _行业深度 _智造升级，科技赋能主旋律 工业互联网深度研究 2020-05-26 3. 华安证券 _行业研究 _计算机行业 _事件点评 _北上广新基建方案解读，车联网和工业互联网是重点 2020-06-15 Table_ProfitDetail 计算机 /行业深度 敬请参阅末页重要声明 及评级说明 2 / 27 证券研究报告 正文 目录 一 人工智能产业迎来新一轮发展浪潮 . 4 1.1 人工智能产业经历三次浪潮 . 4 1.2 多重因素促使当前人工智能产业 快速发展 . 6 1.3 人工智能产业发展空间巨大 . 9 二 安徽人工智能产业具有多重发展优势 . 10 2.1 政策优势：政府积极布局人工智能产业 . 10 2.2 产业链优势：人工智能产业链完整，企业核心技术突出 . 11 2.3 科研优势：科教机构集聚，科研实力雄厚 . 11 2.4 落地优势：传统优势行业转型升级提供落地场景 . 12 2.5 集聚优势：产业布局逐渐完备，区域集聚效应初步显现 . 13 三 中国声谷：安徽人工智能产业发展新高地 . 14 3.1 政策引领下，中国 声谷快速成长 . 14 3.2 产业规划清晰，发展前景广阔 . 16 3.3 平台战略构建产业生态，助力集聚效应显现 . 17 3.4 产业规模不断扩大，带动作用明显 . 18 四 科大讯飞：安徽人工智能产 业引领者 . 20 4.1 发展历程：聚焦人工智能，坚持技术驱动 . 20 4.2 发展规模：营收破百亿，研发投入持续加大 . 20 4.3 发展战略： “顶天立地 ”，步入 AI 规模化应用新阶段 . 21 4.4 顶天：多项技术全球领先 . 22 4.5 立地：优势赛道开启规模商用 . 23 投资建议 . 26 风险提示 . 26 计算机 /行业深度 敬请参阅末页重要声明 及评级说明 3 / 27 证券研究报告 图表目录 图表 1 人工智能产业发展历程 . 4 图表 2 ILSVRC TOP 5 ERROR ON IMAGENET . 6 图表 3 通用计算机能力的演变 . 7 图表 4 全球数据中心 IP 流量快速增 长 . 7 图表 5 国内人工智能产业主要政策梳理 . 8 图表 6 全球人工智能产业规模与增速 . 9 图表 7 国内人工智能产业规模和增速 . 9 图表 8 安徽人工智能产业主要政策梳理 . 10 图表 9 安徽人工智能产业发展目标 . 10 图表 10 安徽人工智能产业链典型企业梳理 . 11 图表 11 安徽人工智能产业重点科研机构整理 . 12 图表 12 安徽人工 智能创新应用示范工程涉及产业 . 12 图表 13 安徽人工智能产业空间布局 . 13 图表 14 中国声谷发展历程 . 14 图表 15 中国声谷支持政策梳理 . 15 图表 16 中国声谷主要发展目标 . 16 图表 17 中国声谷平台建设情况 梳理 . 17 图表 18 中国声谷获得多项国家级荣誉 . 19 图表 19 中国声谷产业规模和增速 . 19 图表 20 科大讯飞发展历程 . 20 图表 21 科大讯飞营业收入及同比增速 . 21 图表 22 科大讯飞归母净利润 及同比增速 . 21 图表 23 科大讯飞研发投入持续加大 . 21 图表 24 科大讯飞费用管控良好 . 21 图表 25 科大讯飞主营业务概览 . 22 图表 26 科大讯飞主营业务收入分布图 . 23 图表 27 科大讯飞部分消费类产品 . 24 图表 28 科大讯飞 618 战绩表 . 24 图表 29 科大讯飞 “停课不停学 ”解决方案 . 24 图表 30 科大讯飞新冠肺炎影像辅助诊断平台 . 25 图表 31 科大讯飞智医助 理电话机器人 . 25 计算机 /行业深度 敬请参阅末页重要声明 及评级说明 4 / 27 证券研究报告 一 人工智能产业 迎 来 新一轮发展 浪潮 1.1 人工智能产业经历三次浪潮 人工智能经历三次浪潮 ，当前处于第三次高速成长期 。 人工智能产生于 1956 年在美国达特茅斯学院举行的“人工智能（ Artificial Intelligent,简称 AI） 夏季研讨会”，至今已有 60 年的发展历史，大致经历了三次浪潮。在人工智能的前两次浪潮当中，由于技术未能实现突破式进展，相关应用始终难以达到预期效果，无法支撑起大规模商业化应用，最终在经历过两次高潮与低谷之后，人工智能归于沉寂。随着信息技术快速发展和互联网快速普及，以 2006 年深度学习模型的提出为标志，人工智能迎来第三次高速成长。 第一次兴起（ 1956-1974）：人工智能诞生并快速发展。 50 年代中期，随着数字计算机的兴起，一些科学家直觉地感到可以进行数字操作的机器也可以进行符号操作，而符号操作可能是人类思维的本质。这是创造智能机器地一条新路。 1955 年， Newell和 Simon 在 J. C. Shaw 的协助下开发了“逻辑理论家（ Logic Theorist） ”。这个程序能够证明数学原理中前 52 个定理中的 38 个，其中某些证明比原著更加新颖和精巧。1956 年，达特茅斯会议上 AI 的名称和任务得以确定，同时出现了最初的成就和最早的一批研究 者，因此这一事件被广泛承认为 AI 诞生的标志。达特茅斯会议之后的数年是大发现的时代。对许多人而言，这一阶段开发出的程序堪称神奇：计算机可以解决代数应用题，证明几何定理，学习和使用英语。当时大多数人几乎无法相信机器能够如此“智能”。研究者们私下的交流和公开发表的论文中表达出相当乐观的情绪，认为具有完全智能的机器将在二十年内出现。 ARPA（国防高等研究计划署）等政府机构向这一新兴领域投入了大笔资金。 1963 年 6 月， MIT 从新建立的 ARPA（即后来的 DARPA,国防高等研究计划局）获得了二百二十万美元经费，用于资助 MAC 工程。此后， ARPA每年提供三百万美元，直到七十年代为止。 图表 1 人工智能产业发展历程 资料来源： 艾瑞咨询 ，华安证券研究所 计算机 /行业深度 敬请参阅末页重要声明 及评级说明 5 / 27 证券研究报告 第一次低谷：算力和算法存在局限，人工智能步入低谷。 1974 年到 1980 年，人工智能的瓶颈逐渐显现，逻辑证明器、感知器、增强学习只能完成指定的工作，对于超出范围的任务则无法应对，智能水平较为低级，局限性较为突出。 AI 开始遭遇批评，随之而来的还有资金上的困难。 AI 研究者对其课题的难度未能做出正确的判断：此前的过于乐观使人们期望过高，当承诺无法兑现时，对 AI 的资助就缩减或取消了。同时，由于 Marvin Minsky 对感知器的激烈批评，联结主义（即 神经网络）销声匿迹了十年。造成这种局面的主要原因有两点： 1）计算机的运算能力有限。当时的计算机有限的内存和处理速度不足以解决任何实际的 AI 问题。例如， Ross Quillian 在自然语言方面的研究结果只能用一个含二十个单词的词汇表进行演示，因为内存只能容纳这么多。2）计算复杂性呈指数增长，依据现有算法无法完成计算任务。 第二次兴起（ 1980-1987）：数学模型实现重大突破，专家系统得以应用。 进入 20世纪 80 年代，人工智能再次回到了公众的视野当中。人工智能相关的数学模型取得了一系列重大发明成果，其中包括著名的多层神经网络（ 1986）和 BP 反向传播算法（ 1986）等，这进一步催生了能与人类下象棋的高度智能机器（ 1989）。其他成果包括通过人工智能网络来实现自动识别信封上邮政编码的机器，精度可达 99%以上，已经超过普通人水平。与此同时，卡耐基梅隆大学为 DEC 公司制造出了专家系统（ 1980），这个专家系统可帮助 DEC 公司每年节约 4000 万美元左右的费用，特别是在决策方面能提供有价值的内容。受此鼓励， 很多国家包括日本、美国都再次投入巨资开发所谓第 5代计算机（ 1982），当时叫做人工智能计算机。 第二次低谷（ 1987-1993）：成本高且难维护，人工智能再次步入低谷。 为推动人工智能的发展，研究者设计了 LISP 语言，并针对该语言研制了 Lisp 计算机。该机型指令执行效率比通用计算机更高，但价格昂贵且难以维护，始终难以大范围推广普及。与此同时，在 1987 年到 1993 年间，苹果和 IBM 公司开始推广第一代台式机，随着性能的不断提升和销售价格的不断降低，这些个人电脑逐渐在消费市场上占据了优势，越来越多的计算机走入个人 家庭，价格昂贵的 Lisp 计算机由于古老陈旧且难以维护逐渐被市场淘汰，专家系统也逐渐淡出人们的视野，人工智能硬件市场出现明显萎缩。同时，政府经费开始下降，人工智能又一次步入低谷。 第三次兴起：信息时代催生新一代人工智能。 得益于数据的快速增长、计算能力的大幅提升以及机器学习算法的持续优化，新一代人工智能在某些给定任务中已经展现出达到或超越人类的工作能力，并逐渐从专用型智能向通用型智能过度，有望发展为抽象型智能。随着应用范围的不断拓展，人工智能与人类生产生活联系地愈发紧密。1997 年 5 月 11 日，深蓝成为战胜国际象 棋世界冠军卡斯帕罗夫地第一个计算机系统。2006 年，加拿大多伦多教授杰弗里辛顿提出了深度学习的概念，极大地发展了人工神经网络算法，提高了机器学习的能力。 2016 年，谷歌 AlphaGo 利用深度学习算法战胜人类围棋顶尖高手李世石，再次将人工智能的关注度推向了新的顶峰。 计算机 /行业深度 敬请参阅末页重要声明 及评级说明 6 / 27 证券研究报告 1.2 多重因素促使当前人工智能产业快速发展 算法：深度学习算法促使人工智能真正实现应用落地场景。 深度学习算法又称深度学习神经网络（ Deep Neural Networks），是从原来的人工神经网络模型发展而来。“深度”是指神经网络的层数以及每一层的节点数量。从最早 2012 年提出的 AlexBet（ 8 个网络层），到 2015 年提出的 ResNet（ 150 个网络层），层次的复杂度呈几何倍数递增，从而算法的准确度也迅速提升。深度学习算法分为“训练”和“推断”两个过程，“训练”环节通过海量数据的输入，经过优化算法得到模型中的各种参数，“推断”环节即是用训练好的模型参数，在新的外部数据输入下得到优化的结果。目前，深度学习算法在一些领域已经能够强于人类的表现，比如在机器视觉领 域，算法对物体和场景的分类和检测错误率已经低于人类，可以做到在一些场合替代人类的重复性和疲劳性工作，从而为人工智能真正实现应用场景落地提供了可能 。 算力：摩尔定律支撑 AI 芯片快速发展，为人工智能算法提供充足算力支撑。 由于深度学习算法需要针对海量数据做出快速的训练和推断，因此计算机硬件性能成为人工智能商业化应用的重要制约因素，此前两次人工智能浪潮的消退在很大程度上与算力无法匹配算法的运行有关。当前，在摩尔定律的支撑下， AI 芯片快速发展。从最初通用的 CPU 到并行计算能力优越的 GPU，再到专为深度学习算法定制的 FPGA 和ASIC 芯片， AI 芯片的算力从 GFLOPS（每秒十亿次浮点运算数）迅速提升至 TFLOPS（万亿次）乃至 PFLOPS（千万亿次），功耗则逐渐降低，从而真正实现了深度学习算法在云端和设备端商业应用的可行性。 图表 2 ILSVRC Top 5 Error on ImageNet 数据 来源： ImageNet 官网， 华安证券研究所 计算机 /行业深度 敬请参阅末页重要声明 及评级说明 7 / 27 证券研究报告 数据：移动终端普及产生海量数据，为人工智能算法提供丰富训练样本。 近年来，得益于互联网、移动设备和传感器的大量普及，全球产生并存储的数据量急剧增加，为通过深度学习的方法来训练人工智能提供了丰富的样本。根据思科发布 的全球云计算指数白皮书预测，全球互联网数据流量到 2021 年将达到 23.9ZB/年，其中数据中心流量达到 20.6ZB/年，占比达 86%，成为全球互联网数据流量的主要来源。 数据中心流量的复合增速将达到 25%，增长迅速。 海量的数据将为人工智能算法模型提供源源不断地素材，促使人工智能算法更加准确高效。 图表 3 通用计算机能力的演变 资料来源： 2018 世界人工智能产业发展蓝皮书，华安证券研究所 图表 4 全球数据中心 IP 流量 快速增长 数据 来源： 思科全球云计算指数白皮书 ，华安证券研究所 计算机 /行业深度 敬请参阅末页重要声明 及评级说明 8 / 27 证券研究报告 政策：人工智能上升为国家战略。 2017 年，国务院出台的新一代人工智能发展规划提到“到 2030 年，使中国成为世界主要人工智能创新中心”，人工智能正式上升至国家战略层面。从国家互联网 +行动计划到“十三五”的相关规划，均明确将人工智能作为战略性新兴产业，给予重点扶持。工业和信息化部印发的促进新一代人工智能产业发展三年行动计划（ 2018-2020 年），进一步明确了人工智能的战略 地位 。 2019年两会期间， “人工智能”连续三年被写入政府工作报告，并首次提出“智能 +”，强调“促进新兴产业高速发展，深化大数据、人工 智能等研发费用”。 2019 年 3 月 19 日，中央全面深化改革委员会第七次会议通过了关于促进人工智能和实体经济深度融合的指导意见，人工智能商业化应用 有望 加速推进。 我们认为， 过去 IT 产业的发展建立了 Wintel 的体系框架，海外如美国占据着产业的主导权，而伴随 IT 产业进入产业互联网时代，新一代信息技术快速发展，中美两国再次站在了同一起跑线上， 产业竞争格局有望重构， 中国 或将 借助 人工智能等 新兴产业的发展，实现部分领域的弯道超车。因此，国内对人工智能的重视程度将继续保持，人工智能产业在国内的发展前景广阔。 图表 5 国内人工智能产业主要政策梳理 时间 行政机关 政策标题 主要内容2 0 1 5 年7