2017年资管人工智能行业分析报告

2017年人工智能行业分析报告
一、人工智能重新进入高速发展期 (2)
二、人工智能产业链已经成型，科技巨头纷纷进驻 (6)
三、我国政策大力支持人工智能产业发展 (9)
四、人工智能应用场景丰富 (11)
1、智能安防 (11)
2、无人驾驶 (13)
3、智慧医疗 (16)
五、人工智能领域投融资迅速增长，市场前景无限 (18)
一、人工智能重新进入高速发展期
人工智能（Artificial Intelligence，AI）是指使用机器代替人类实现认知、识别、分析、决策等功能，其本质是对人的意识与思维的信息过程的模拟，是一门综合了计算机科学、生理学、哲学的交叉学科。

凡是使用机器代替人类实现认知、识别、分析、决策等功能，均可认为使用了人工智能技术。

人工智能是一项基础技术，因此理论上可以用于所有基础行业实现部分人类职能的替代。

人工智能基础要素获得突破性进展使得行业重新进入高速发展期。

人工智能发端于上世纪五十年代，经历了几次繁荣与低谷。

2016 年谷歌所收购的DeepMind 公司的人工智能AlphaGo 赢得与世界围棋冠军的比赛重新点燃了大众对人工智能的热情并且持续升温。

催生这波人工智能热潮的原因是产业发展的三个重要基础要素：超大规模的计算能力、大数据、机器学习尤其是深度学习算法都获得了突破性的进展。

也可以看出，此前人工智能的发展一旦遇上三大要素的一个瓶颈就会陷入低潮。

2017年人工智能AI行业分析报告2017年9月目录一、计算瓶颈突破，AI迎来第三次爆发，颠覆传统竞争模式 (9)1、AI同时实现“低成本与差异化”，增强企业竞争力 (9)（1）“以人工智能为代表的新兴产业”正引导第四次产业革命 (9)（2）人工智能可同时实现“成本降低、及差异化”，大幅增强竞争优势 (10)（3）国内人力红利消退，AI可提高工作效率 (11)（4）个性化需求崛起，定制化生产成为潮流 (12)（5）实例分析：汽车制造业的变迁 (14)2、产学研全面推进，AI迎来第三次爆发 (16)（1）算法、数据、算力遭遇研究瓶颈，AI历经数次起伏 (16)（2）人工智能正处于第三轮爆发时期 (17)（3）AI上升为国家战略，政策红利有望持续释放 (19)3、“计算瓶颈突破&商用价值提升”引爆AI产业链 (20)（1）传统神经网络算法难以有效训练 (21)（2）深度学习可有效刻画复杂事物属性 (21)（3）英伟达GPU芯片突破“深度学习模型计算能力瓶颈” (23)（4）深度学习算法效果显著，语音识别/图像识别接近或达到人类水平，产业化进程有望加速 (24)二、各科技巨头加速布局，AI芯片进展迅速 (25)1、芯片制造工艺提升，“GPU、FPGA、ASIC”计算能力持续改善 (25)（1）CPU串行计算难满足深度学习需要 (25)（2）“芯片的计算效率与通用性”难以兼顾 (29)（3）芯片制造工艺提升，“GPU、FPGA、ASIC”计算能力改善，人工智能逐步走向实用 (30)（4）推理输出环节的AI芯片市场更为巨大，对芯片“实时性、能效性”要求较高 . 31（5）AI生态系统有望决定“AI芯片竞争态势” (31)（6）国内芯片进口依赖度较大、集中于产业链低端，国家高度重视芯片发展 (32)2、Google：通过“TensorFlow系统、TPU芯片”再塑AI时代生态 (34)（1）Google 拥有“TensorFlow、AlphaGo”两套AI系统 (34)3、NVIDIA：受AI市场强劲需求驱动，AI芯片业务持续爆发 (36)（1）NVIDIA业务重点从PC GPU转向人工智能领域 (36)（2）AI芯片业务营收呈现爆发增长 (38)4、英特尔：收购FPGA龙头Altera，巨资研发AI专用芯片（Xeon Phi）.. 40（1）Intel业务重心由PC芯片、移动芯片拓展至云计算、物联网及AI等领域 (40)5、IBM：重磅推出多款并行式类脑芯片，大幅提升AI算力 (41)（1）重磅推出多款并行式类脑芯片，大幅提升AI算力 (41)6、苹果：iPhoneX集成A11人工智能芯片，以支持Core ML及AI应用 (42)7、华为：发布全球首款AI移动芯片（麒麟970） (45)三、AI易取代“确定规则”的工作，关注智能安防、无人驾驶等领域 (47)1、AI可进行模式识别，易取代“确定规则”任务 (47)（1）人机结合，AI必然逐步取代人类工作 (47)（2）AI易于取代“具有明确规则的工作” (48)2、自然语言处理应用领域广泛，是当前AI技术瓶颈 (49)（1）自然语言处理实现“人机自由沟通”，带来极大便利 (49)（2）自然语言处理作为人机接口，应用前景广泛，是当前AI技术发展的瓶颈 (50)3、AI商业潜能受“技术成熟度、行业规模、渗透率”驱动 (51)（1）“AI商业潜能”取决于“技术成熟度、细分行业规模、及渗透率高低” (51)（2）“大数据+行业理解”构成AI企业的竞争壁垒 (53)4、智能安防：国内安防市场增速较快，智能安防成为行业趋势 (54)（1）国内安防市场增速较快，智能安防成为行业趋势 (54)（2）东方网力：国内领先的视频监控管理产品与解决方案提供商 (55)5、无人驾驶：行业前景广阔，ADAS系统受益行业快速发展 (57)（1）无人驾驶技术较为成熟、行业前景广阔，ADAS系统受益行业快速发展 (57)（2）Mobileye：全球ADAS芯片和自动驾驶解决方案的顶尖提供商 (57)（3）受ADAS系统强劲需求驱动，Mobileye在2011-2015年营收年增速高达65.90% (58)人工智能（AI）本质为“用机器取代人类工作”，结合了“机器规模化生产、与人工个性化生产的优势”。

2017年人工智能行业研究报告2017年9月目录一、人工智能成为国家级战略布局空前，有望实现跳跃式发展 (4)1、人工智能上升为国家战略，政策落地速度超预期 (4)2、人工智能产业投资规模持续增长 (7)二、软硬件基础逐渐成熟，应用场景不断扩张 (9)1、AI芯片领域井喷发展，终端+云端协作成为趋势 (9)（1）AI芯片纷纷涌现，AI-PU有望成为未来趋势 (9)（2）首个大批量应用的终端AI芯片麒麟970粉墨登场 (12)2、行业应用加速，关注计算机视觉、智能医疗、零售、无人驾驶进展 (13)（1）人工智能技术持续进步，行业应用加速 (13)（2）阿里亮相无人超市指出新场景 (15)三、政策资本投入力度超预期，产业有望迎来加速发展 (16)过去一年左右的时间里，人工智能的行业政策、投资规模、发展进程方面取得众多进展，迎来了全新的局面。

《新一代人工智能发展规划》发布，人工智能上升到国家战略。

按照2017 年7 月的发展规划，人工智能战略有了明确的路线图、政策支持范围和实施方式，而人工智能是国家竞争的高地，未来政策支持力度有望持续提升。

万亿级别产业规模计划、高力度的政策支持，我国人工智能产业从中持续受益。

人工智能产业投资持续增长。

人工智能行业的融资规模作为可比性较强的量化数据，今年在2016 年翻倍发展的基础上再次实现了跨越式增长，并购和布局等也越发活跃。

资本和人才等产业资源加速投入、碰撞和整合，人工智能行业迎来持续爆发。

AI芯片发展迅速，人工智能硬件基础逐渐成熟。

AI专用训练芯片持续发展，未来将挑战GPU 的霸主地位；随着麒麟970 的发布，终端AI芯片也将陆续出现，“CPU+GPU+AI-PU”有望成为终端标配，将进一步推动人工智能应用的加速发展。

软硬件基础逐渐成熟，行业有望超预期发展。

人工智能带来的生产力的飞跃极为惊人，在众多行业有望取得广泛应用，变革人类生产生活方式。

行业应用上，计算机视觉和“人工智能+医疗”领域高速发展，为其他分支树立了标杆；高级应用上，无人驾驶和无人超市为行业的深刻变革带来了巨大的发展机遇，相关产业链有望迎来发展良机。

2017年人工智能行业市场调研分析报告目录第一节大资管，人工智能的下一站 (6)一、人工智能已悄然来临 (6)二、正本清源，从产业链出发理清研究脉络 (8)第二节资产管理：人工智能颠覆式利器出鞘 (9)一、人工智能辅助之“量化交易” (9)二、人工智能辅助之“证券研究” (13)第三节财富管理：智能投顾的春天 (16)一、从“投资顾问”的智能化说起 (16)二、智能投顾的主要优势 (18)三、发力智能投顾的核心要素 (20)四、国内第三方智能投顾比较分析 (21)第四节全球先行者的启示 (24)一、以智能投顾为例，美国起步早、发展快 (24)二、传统公司后来居上成为行业领导者 (28)三、海外代表性公司分析 (30)第五节本土化思考：挑战与机遇共存 (36)一、投资理念仍未成熟，刚性兑付尚未打破 (36)二、牌照等监管问题制约，主要用途为销售辅助工具 (37)三、牌照等监管问题制约，主要用途为销售辅助工具 (38)四、资本市场条件尚不成熟，行业发展需因地制宜 (39)五、传统及初创企业齐发力，多方落地后市场万亿空间可期 (40)六、中国智能投顾领域的杰出代表 (41)第六节重点公司分析 (47)一、同花顺：“人工智能+金融”时代的领跑者 (47)三、赢时胜：致力打造国内领先的财富管理企业 (48)三、浙大网新：剑指人工智能2.0 时代领军企业，前瞻布局智能投顾 (49)四、恒生电子：科技为本，打造“百万亿”财富管理生态圈 (49)五、东方财富：“流量＋数据”助力智能投顾业务抢占市场先机 (50)图表目录图表1：Kensho 用机器取代初级分析师 (6)图表2：“大资管”，人工智能破局之深水区 (7)图表3：“大资管”产业链结构图 (8)图表4：从全球最佳实践观察到的四大典型资管模式 (9)图表5：人工智能系统模型 (10)图表6：“人工智能+证券投资”模型 (11)图表7：典型的人工智能证券投资系统一天的流程 (12)图表8：人工智能辅助量化交易的比对效果 (12)图表9：自然语义搜索关联知识图谱 (14)图表10：知识图谱构建下的潜在信息关联性 (15)图表11：投资顾问，连接金融产品与客户的重要桥梁 (16)图表12：智能投顾服务模式示意 (17)图表13：本质上是技术替代人工，效率提升服务长尾 (17)图表14：智能投顾的四大主要优势 (18)图表15：智能投顾服务长尾用户 (19)图表16：智能投顾前后两端盈利模式 (19)图表17：发力智能投顾的核心要素 (21)图表18：璇玑智投2016 组合风险与收益 (21)图表19：蓝海智投2016 组合风险与收益 (22)图表20：璇玑智投和蓝海智投组合风险与收益汇总 (22)图表21：海外智能投顾发展迅速 (25)图表22：美国ETF 净资产占可投资资产份额变化 (25)图表23：美国单年新设智能投顾公司数 (26)图表24：美国智能投顾融资情况 (27)图表25：传统机构加入推动美国智能投顾高速增长 (27)图表26：投顾服务演变情况 (28)图表27：美国各智能投顾公司份额 (29)图表28：嘉信的发展历程 (31)图表29：FutureAdvisor 投资组合结构与平均结构对比 (32)图表30：Wealthfront 风险测评 (34)图表31：Wealthfront 自动生成资产配置 (34)图表32：Betterment 独特的收费模式 (35)图表33：2004.1.31 至2016.6.30 累计收益 (35)图表34：中国自然人及机构投资者比例 (37)图表35：中国投资者按可投资金融资产金额分类 (37)图表36：中国金融行业分业管制条件下智能投顾行业情况 (38)图表37：中美ETF 基金数量及资产规模对比 (39)图表38；中国可投资资产规模及高净值人群可投资资产规模对比 (40)图表39：保险子页面下的智能投顾推荐组合 (42)图表40：一账通APP 月活数 (42)图表41：璇玑公司根据不同投资组合配置底层资产 (43)图表42：“斗牛二八轮动”历史业绩 (44)图表43：招商银行“摩羯智投”核心功能界面 (45)图表44：京东智投建议理财组合与同期银行存款对比 (46)图表45；弥财为代表的智能投顾公司低成本、高收益优势 (47)表格目录表格1：璇玑智投与蓝海智投2016 年度基本情况 (21)表格2：璇玑智投与蓝海智投资产类别及组合资产配置 (23)表格3：璇玑智投基金产品备选池 (23)表格4：蓝海智投基金产品备选池 (24)表格5：顶级PE 加码智能投顾 (27)表格6：美国传统金融机构布局智能投顾概览 (28)表格7：美国成熟型公司概览 (29)表格8：美国创新公司概览 (30)表格9：Betterment 融资情况 (36)表格10：中国各类智能投顾公司代表 (40)第一节大资管，人工智能的下一站一、人工智能已悄然来临继长尾信贷后，“大资管”将成为人工智能渗透的又一领域。

2017年我国人工智能行业市场综合发展态势图文深度分析报告
（2017.5.19）
人工智能首次进入“十三五”规划，2018年目标形成千亿级规模市场。

自2016年起，人工智能领域建设已上升至国家战略层面，相关政策进入全面爆发期。

2016年5月，发改委在《“互联网+”人工智能三年行动实施方案》中明确提出，到2018年国内要形成千亿元级的人工智能市场应用规模。

未来几年内，人工智能产业有望持续获得国家大力支持，预计更多细化政策将陆续出台，加速人工智能需求落地。

人工智能上升国家战略地位，政策支持力度逐步加大
从布局方向上看，巨头底层发力革新技术，创企顶层切入拓宽应用。

以BAT为代表的互联网巨头由于资金实力和整合能力较强，因此对于人工智能领域偏向于从底层基础技术层进行布局，研究算法、研发芯片等以此为触角向AI其他环节延伸。

同时还有上市公司中如科大讯飞、远方光电和川大智胜等实力较强的公司则通过语音和图像技术开放平台和应用切入人工智能等。

对于初创企业来说，则倾向于从应用层入手，直接开发相关人工智能应用产品或者服务，如智能家居、车载智能、安防中身份识别和验证、语音翻译等，呈现出一片百花齐放的局面。

资本市场敏锐地捕捉到人工智能的商业化前景，我国人工智能领域投融资热度快速升温。

自2012-2015年开始，我国人工智能行业的投融资金额、次数及参与机构数量等均迅速增长，年增长率均超过。

2017年人工智能行业市场调研分析报告目录一、人工智能的起源与发展 (6)（一）人工智能的起源（ 1943——1956） (6)（二）人工智能的发展（ 1956——至今） (7)2.1 第一个黄金发展期（ 1956——1974） (7)2.2 人工智能的冬天（ 1974——1980） (7)2.3 发展期( 1980——2006) (7)2.4 高速发展期（ 2006——） (7)二、人工智能产业链明晰，未来市场规模巨大 (8)（一）数据与运算力是人工智能的基础 (9)1.1 芯片的快速发展带动运算力的提升 (9)1.2 大数据与云服务的热潮奠定数据基础 (14)（二）人工智能技术逐渐成熟，驱动未来发展 (16)2.1 深度学习引领智能热潮 (16)2.2 蒙特卡洛树搜索运用于 AlphaGo (17)（三）人工智能产品与服务不断推出，得到市场的广泛认可 (22)三、政策密集出台，助力人工智能发展 (23)四、“人工智能+”重塑各行各业，推动行业革新 (24)（一） AI+安防 (24)（二） AI+金融 (33)（三） AI+家居 (40)（四） AI+汽车 (44)（五） AI+医疗 (52)（六） AI+教育 (59)三、风险提示 (66)图目录图 1：人工智能发展史 (6)图 2：人工智能各领域现状 (8)图 3：人工智能产业链 (8)图 4：NVIDIA GPU 3 年把深度学习效率提升了 50 倍 (10)图 5：NVIDIA 人工智能客户数 (10)图 6：NVIDIA 同期年增长率 (11)图 7：寒武纪芯片 (13)图 8：中星微“星光智能一号” (13)图 9：国内大数据产业图谱 (14)图 10：公共云服务市场份额 (15)图 11：深度学习的例子 (16)图 12：蒙特卡洛树搜索四个步骤 (18)图 13：Alphago 的运作机理 (19)图 14：国内人工智能技术层研究占比 (20)图 15：Echo 智能音箱销量(万台) (22)图 16：国内人工智能应用层竞争格局 (23)图 17：2011-2016 国内安防市场规模与增速 (24)图 18：2017-2022 国内安防市场规模预测 (25)图 19：安全应用场景分类分类占比 (25)图 20：2012-2016年安防摄像机清晰度变化 (26)图 21：安防摄像机码率占比 (27)图 22：2010-2015 年 ImageNet 比赛图像识别准确率 (28)图 23：商汤科技深度学习并行训练集群系统 (28)图 24：智能安防提取结构化数据与传统安防对比 (29)图 25：人脸检测与分析 (29)图 26：身份识别 (30)图 27：商汤科技人群分析 (31)图 28：监控打架行为 (31)图 29：监控敏感区滞留行为 (32)图 30：长尾市场存在大量未开发客户 (34)图 31：智能投顾主要流程 (35)图 32：传统私人理财顾问的服务流程 (36)图 33：智能投顾的优势 (37)图 34：传统量化交易实现过程 (37)图 35：人工智能在量化交易中的应用 (38)图 36：腾讯云智能客服 (39)图 37：智能家居产品列举 (41)图 38：国内智能家居 2017-2021 年市场规模预测（亿元） (41)图 39：国内智能家居竞争格局 (42)图 40：语音交互核心环节及现阶段成果 (42)图 41：自动驾驶发展的两种路径 (44)图 42：google 无人汽车发展的三个阶段 (46)图 43：全球 ADAS 市场规模 (47)图 44：NHTSA 和 SAE 自动驾驶（ ADAS）分级 (47)图 45：无人驾驶系统结构 (48)图 46：ADAS 各模块厂商分布 (48)图 47：自动驾驶系统单车零部件成本及相关领域一览 (49)图 48：Mobileye 视觉神经网络 (50)图 49：普通导航地图与智能驾驶地图区别 (51)图 50：高精度定位在 ROI 中的应用 (51)图 51：个人医疗数据爆炸增长 (52)图 52：医疗行业的生态系统 (53)图 53：深度学习在医学影像中的应用 (56)图 54：IBM Watson 诊断流程 (56)图 55：全球医疗机器人行业营收规模 (57)图 56：达芬奇机器人组成 (58)图 57：教育产业发展趋势 (59)图 58：人工智能在教育领域的应用 (60)图 59：AI+教育全球图谱 (60)图 60：自适应学习和传统教学比较 (61)图 61：英语语音识别率 (63)图 62：专家系统在教育领域的应用方向 (63)图 63：科大讯飞上市以来在教育领域布局 (63)图 64：人工智能作文评分工作原理 (64)图 65：普通话模拟测试与学习系统 (65)图 66：大学英语纸笔考试智能阅卷与分析系统 (65)表目录表 1：国内人工智能芯片 (12)表 2：五大巨头争夺科技人才，建立 AI 实验室 (19)表 3：国外五大公司人工智能发展状况 (20)表 4：国内企业人脸识别技术测试表现 (21)表 5：国内研究语音识别与自然语言处理的企业 (22)表6：人工智能相关政策汇总 (24)表 7：AI+金融三大应用简介 (34)表 8：国内外主要智能音箱产品 (43)表 9：NavigantResearch 自动驾驶领域实力排名 (45)表 10：国内人工智能+医疗相关政策 (54)表 11：人工智能在医疗领域的运用 (55)表 12：主要电子病历公司对比 (55)一、人工智能的起源与发展人工智能从 1956 年被正式提出以来，一共有 61 年的历史了，期间经历 3 次高潮， 2 次低谷，而最后一次高潮开始于 2006 年，至今仍在延续，并随着各项技术的提升和相关应用的推广继续将人工智能推上新的高峰。

2017年我国人工智能行业发展态势
图文综合分析报告
（2017.09.06）
一、人工智能产业链明晰，算法处核心地位
人工智能产业链可简单划为三层，即底层基础层、中间层技术层与上层应用层。

其中， 1）基础层包含硬件存储与计算资源和数据资源等， GPU 芯片、云计算平台、传感器、数据等均包含在此层中； 2）技术层包含算法、模型平台，感知智能算法、认知智能算法等均在此层中； 3）应用层包含硬件产品和软件与服务，硬件中包含无人机、机器人及其他智能硬件等，软件与服务包含语音输入法、虚拟助手、自动驾驶及智能安防等。

人工智能产业链
从目前的发展情况看，算法层为人工智能产业链的核心，支撑上层应用的发展，目前感知智能已加速发展，认知智能为人工智能在算法层面的下一个突破方向。

而底层基础层中的数据能力与计算能力主要的发展方向为低成本与小型化，数据采集的发展方向为多样化，移动互联网的发展已经为产业积累了一定的数据，未来随着物联网的发展将积累更多的环境与行为层面数据，丰富数据构成。

应用层主要与各垂直行业结合开发深度人工智能应用。

2017年人工智能市场分析报告目录1. 算法和计算力瓶颈已突破，数据为关键 (4)1.1 场景化数据的获得，是当下人工智能发展之关键 (4)1.2 经历二次低谷，算法和计算力的瓶颈已突破 (4)2. 人工智能下一阶段驱动力，超大场景化数据集 (5)2.1 算法非门槛：模型性能随训练数据呈线性增长 (6)2.2 场景为王：场景化数据是人工智能产品商业化的根本 (8)3. 天然具备场景化数据源的子行业猜想 (10)3.1 安防场景：视频监控前端龙头，掌握数据入口优势 (10)3.1.1 视频监控类公司拥有的场景化数据节点丰富 (11)3.1.2 海康威视和大华股份等前端龙头企业，占据数据入口优势 (11)3.1.3 商汤等算法公司，与企业合作以获取数据支撑 (12)3.2 医疗场景：医学图像数据及医疗数据为基点 (13)3.2.1 IBM Watson 通过并购获取数据源 (14)3.2.2 思创医惠：医疗信息化提供商，以数据为源升级智能化平台 (15)3.3 无人驾驶场景：对多维数据获取能力要求高 (16)3.3.1 四维图新：入股 HERE，高精地图数据实力再巩固 (16)3.3.2 东软集团：产品+解决方案双管齐下，智能驾驶业务稳健前行 (17)3.4 金融场景：数据获取门槛较高 (17)3.4.1 恒生电子：从证券交易信息化切入智能投顾 (18)3.4.2 同花顺：从互联网金融信息服务向人工智能延伸 (19)4. 风险提示 (19)图目录图 1：人工智能发展历程 (4)图 2：模型容量和 GPU 计算能力显著提升，而训练数据集规模有限 (6)图 3：模型性能随数据量呈线性增长 (7)图 4：GE Predix平台应用---预测喷射发动机下次清洗时间 (9)图 5：Goole 机器学习系统帮助数据中心节能 (9)图 6：商汤科技SenseFace人脸布控系统 (12)图 7：商汤科技视频结构化系统 (12)图 8：IBM Watson 的发展历史 (14)图 9：Watson 通过并购以获取医疗数据源，扩大版图 (15)图 10：NHTSA 无人驾驶等级 (16)图 11：人工智能在金融领域的应用 (17)表目录表 1：我国平安城市视频监控市场规模预测 (11)1. 算法和计算力瓶颈已突破，数据为关键1.1 场景化数据的获得，是当下人工智能发展之关键1956 年，美国达特茅斯大学会议标志着人工智能研究的正式诞生，推动了了全球第一次人工智能浪潮。

２０１７年人工智能行业深度分析报告内容目录1、黎明已至，未来已来 (6)1.1、群雄逐鹿，人工智能掀全球并购浪潮 (6)1.2、渗透加速：B/C端，应用不断创新 (8)2、三大驱动要素相继突破瓶颈，人工智能已至爆发节点 (9)2.1、算法：层数更深使模型性能更优，巨头开源DL框架意在“集思广益” (10)2.2、数据：数据“量”已足够，标注成本大成“隐忧” (16)2.3、计算力：GPU为密集计算提速，专用芯片兴起大势所趋 (19)3、政策密集发布，推动我国AI水平赶超国外 (25)3.1、国外政策已先行，AI成为各国争抢的高地 (25)3.2、《发展规划》出台，我国AI上升至国家战略层面 (26)4、多领域应用落地，引领智能化升级浪潮 (29)4.1、语音识别：DNN助力模型性能提升，中美应用场景存异 (29)深度学习使得语音识别技术上获得突破，但仍有多种困难待解决 (29)国内外语音龙头公司对比：语音电子病历能否成为讯飞第一营收来源？..314.2、智能投顾：美国领跑全球市场，中国监管环境使得智投受限 (45)美国领跑全球智能投顾市场，呈现出“低管理费率、低门槛”特征 (46)案例：嘉信理财智能投顾产品——零费率模式下转向B端收费 (49)中美对比之下，国内智能投顾因面临多重监管限制而掣肘 (50)4.3、智能安防：智能化是未来增长引擎，前后端智能分工协作 (54)简单算法往前端迁移，后端与前端智能化分工协作 (56)《行业标准》出炉，加速视频监控智能化步伐 (59)高成本不会阻碍智能化过程，可用数据和算法是未来竞争高点 (59)4.4、AI正成为基础设施，AI-aaS降低企业智能化实施门槛 (62)5、投资建议 (66)6、风险提示 (71)图表目录图表 1、从2011年开始全球人工智能/机器学习领域的风投投资额显著上升 (6)图表 2、科技巨头纷纷加入人工智能并购之战 (6)图表 3、各科技巨头公司频频并购人工智能领域初创公司 (7)图表 4、AI技术深入各大垂直领域使得C端新品不断涌现B端应用日渐成熟 (9)图表 5、人工智能从1956年发展至今一共经历了三次浪潮 (10)图表 6、机器学习的实施步骤 (11)图表 7、深度学习网络（算法）实际上是由一组复杂的函数构成 (11)图表 8、常见的神经网络提出的时间及其应用领域 (12)图表 9、机器学习常用的神经网络模型（算法）结构汇总 (13)图表 10、语音识别词错误率与训练小时数量及算法模型之间的关系 (14)图表 11、百度在语音识别技术中通过不断迭代算法，使得模型的准确率不断提高 (14)图表 12、在ImageNet竞赛中，深度学习算法隐含层数越深，则图像识别错误率随之显著降低 (15)图表 13、GitHub 中最受欢迎的开源深度学习框架排名 (16)图表 14、已经开源的主流深度学习框架 (16)图表15、近年数据产生速度不断上升而数据的储存成本在不断下降 (17)图表 16、智能安防带标记的数据价格一览表 (17)图表17、随着训练集样本数量的不断增加，CT图像识别准确率随之增加 (18)图表 18、训练深度学习模型的时间很大程度上取决于硬件配置 (20)图表 19、计算机的硬件体系可分为主机和外部设备两部分，其中芯片是硬件体系的核心.20图表 20、CPU是基于低延时的设计而GPU是基于大吞吐量的设计 (21)图表 21、在“CPU+GPU”的组合中5%的任务交给了GPU来执行 (22)图表 22、利用GPU加速后，浮点运算性能得到极大提升 (22)图表 23、专用芯片（ASIC）的计算效率虽然最高，但是灵活性最低 (23)图表 24、CPU、GPU、TPU在LSTM、CNN等六种神经网络上的性能表现 (24)图表 25、CPU、GPU、FPGA、ASIC在处理计算密集型任务时的性能比较 (24)图表 26、CPU、GPU、FPGA、ASIC的实现比较 (24)图表27、各类芯片主要厂商 (25)图表 28、美国人工智能产业政策梳理 (25)图表 29、日本人工智能产业政策梳理 (26)图表 30、中国政府密集出台人工智能相关政策 (27)图表 31、“新一代人工智能发展规划”与其他“6+9”个重大项目处于同样的战略地位 (28)图表 32、《新一代人工智能发展规划》三个阶段的战略目标侧重点各有不同 (28)图表 33、《新一代人工智能发展规划》六大重点任务 (29)图表 34、典型的语音识别（ASR）原理概要 (29)图表 35、语音识别经过多年发展目前正处于第三阶段 (30)图表 36、基于深度学习算法（DNN）的语音识别词错误率较传统方法（GMM）明显下降 (30)图表37、目前语音识别还面临着多种技术困难 (31)图表38、噪声数据库Aurora4世界最高水平研究机构的系统性能对比 (31)图表39、2002年全球语音识别市场份额 (32)图表40、2015年全球语音识别市场份额 (32)图表41、2015年中国语音识别市场份额 (32)图表42、Nuance主要产品、解决方案及其盈利模式 (33)图表43、Nuance在2006年通过收购Dictaphone进入医疗市场 (33)图表44、科大讯飞主要产品、解决方案及其盈利模式 (34)图表45、教育行业是科大讯飞第一大营收来源（2016年） (35)图表46、医疗业务是Nuance的第一大营收来源，但是近几年业务已“增长乏力” (35)图表47、Nuance各业务毛利率变化情况 (36)图表48、近三年Nuance各业务营收比重变化情况 (36)图表49、在政策推进上中国正式启动电子病历建设的时间晚于美国5年 (37)图表50、美国电子病历分级情况 (37)图表51、中美电子病历系统发展情况对比 (38)图表52、美国语音输入电子病历的需求在2005年开始爆发 (38)图表53、从2005年到2012年底，美国语音电子病历的渗透率提高了35.39% (39)图表54、深度学习出现之后语音识别词错误率明显下降 (40)图表55、美国医学转录（MT）工作流程 (41)图表56、中国医生每天需要花费大量时间用于病历书写 (42)图表57、中国医生使用电子模板书写病历，只需对模板中的文字稍作修改即可 (42)图表58、北大口腔医院使用语音电子病历系统为病人看诊 (43)图表59、医院规模越大，语音电子病历的渗透率越高 (43)图表60、我国大中型医院的数目远超美国 (44)图表61、2009年医疗语音市场竞争格局 (44)图表62、构建医学语料库需要和各大医院合作 (45)图表 63、“AI+金融”细分应用领域及典型公司 (46)图表 64、美国智能投顾市场发展历程 (46)图表65、智能投顾全球客户数量及市场渗透率 (47)图表66、智能投顾全球资产管理规模预测（AUM） (47)图表 67、全球明星智能投顾公司资产管理规模（AUM）排名（截至2017.2） (48)图表 68、2017年全球TOP15的智能投顾公司基本信息及其管理费率（数据更新至2017.6.3） (48)图表 69、CSIA从这27种不同风格的ETF中每种选出两支ETF供机器再次筛选 (49)图表70、Schwab Intelligent Portfolios向一位以管理养老金为投资目的的客户提供的资产配置建议 (50)图表71、嘉信理财旗下智能投顾产品（Schwab Intelligence Portfolios）的盈利模式及业务流程 (51)图表72、国内智能投顾平台及其背景 (51)图表73、美国是全球最大的ETF市场 (52)图表74、截至2016年底美国共有1716支ETF，管理规模达到2.5万亿美元 (52)图表 75、美国智能投顾所投资的标的以ETF为主 (53)图表 76、智能投顾在国内无法完成交易执行环节导致服务链被打断 (53)图表 77、从2016年9月开始基金代销牌照已经呈现放缓趋势 (54)图表 78、安防系统由8个子系统构成 (55)图表79、2016年视频监控市场市占率排名 (56)图表 80、国内外监控设备厂商及计算机视觉初创公司纷纷布局“AI+安防” (56)图表81、公安视频图像分析系统功能分类 (57)图表82、前端实现简单的图像分析功能，后端再进行复杂的二次加工处理 (57)图表83、使用智能摄像机之后“人脸检出率”和“抓拍准确率”均大幅提升 (58)图表84、后端智能化视频监控系统工作原理 (59)图表85、公安和交通部门对安防产品的需求最大 (59)图表86、公安视频图像系统主要由图像采集系统、分析系统、应用系统3部分组成 (60)图表87、公安视频图像分析系统“目标检测与识别”功能的准确率要求 (60)图表88、去年中国视频监控摄像机出货量增速明显放缓 (61)图表89、由于智能化中国视频监控市场仍将快速增长 (61)图表90、前后端智能化产品嵌入的GPU模块 (61)图表91、智能安防前后端智能设备及训练阶段都需要GPU提供支持 (62)图表92、安防行业拥有海量数据 (62)图表93、海康威视通过建立半监督学习框架解决数据标记成本问题 (63)图表94、海康威视在互联网文字识别竞赛中成绩排名第一 (63)图表95、亚马逊、谷歌、微软纷纷提供“按需付费”的AI-aaS（AI即服务） (63)图表96、国内阿里云、百度云、初创公司及上市公司推出的AI-aas服务 (64)图表97、我国人工智能产业链上市公司及主要创业公司全景图 (67)图表98、推荐标的及AI业务进展 (68)1、黎明已至，未来已来1.1、群雄逐鹿，人工智能掀全球并购浪潮从2011年开始，人工智能并购潮初现端倪，且近五年全球一级市场每年在AI/ML领域的投资额都一直维持在百亿美元级别。

2017年资产管理人工智能行业分析报告2017年7月目录一、人工智能成为Fintech又一重点领域 (6)1、BlackRock的Aladdin平台，应用于金融机构的运行全流程 (7)2、Kensho基于庞大过往数据实现预测分析 (11)3、Sqreem主要用于前台的客户服务，或延伸至后台的风险控制 (13)4、Alpaca量化投资决策的应用 (13)5、总结：海外AI研究稳步推进，科技、金融机构各有发展优势 (15)二、人工智能技术发展 (17)1、人工智能发展历史 (17)（1）初级阶段 (17)（2）第二阶段 (18)（3）第三阶段 (19)（4）第四阶段 (20)（5）第五阶段 (20)2、人工智能技术分类 (22)3、人工智能技术走进“大资管”行业 (24)三、人工智能在资管行业前、中、后台的应用 (25)1、各类金融机构资产管理投资范围重合，跨机构、跨行业竞争趋势明显 .. 252、从资管机构组织架构看人工智能技术的改善作用 (28)（1）前台：以自然语言处理等技术辅助市场拓展 (28)①智能投顾，资产管理服务下沉，提升获客能力 (28)②自然语言处理，辅助客户服务 (30)（2）中台：以自然语言处理辅助行业研究，以模式识别辅助风险控制 (30)（3）后台：以海量计算能力辅助后台 (32)四、智能投顾，资产管理服务下沉、辅助市场扩展 (32)1、智能投顾，促进资产管理服务下沉 (32)（1）费率低，门槛低，覆盖客户范围广数量多 (33)（2）效率高 (33)（3）避免情绪化的影响 (34)2、智能投顾海外发展已较为成熟，国内环境有差异 (34)3、海外经验：智能投顾促进金融产品销售 (36)（1）先锋基金 (36)（2）嘉信理财 (37)4、中外智能投顾发展对比 (37)五、人工智能技术实现发展，提升资产管理能力 (40)1、人工智能辅助权益类资产投资 (40)（1）主动投资（Active Investment）： (40)（2）被动投资（Passive Investment）： (41)2、人工智能技术在投资决策中的应用难点 (41)3、未来，投资决策对于技术的依赖程度不断提升，带给技术厂商更多挑战与发展空间 (42)六、国内人工智能在资产管理领域应用发展现状 (43)1、同花顺：面向C端的辅助投资金融终端 (44)2、恒生电子：面向B端的人工智能解决方案 (45)（1）智能投顾 (46)（2）智能数据 (46)（3）iSee机器人 (46)（4）智能客服 (46)3、采用人工智能技术的主动量化投资基金陆续面世 (47)（1）泰达宏利同顺大数据基金 (47)（2）广发百发大数据策略价值灵活配置混合型证券投资基金 (49)七、挑战与风险 (51)1、对信息安全提出更高的要求 (51)2、缺乏足够多的实战数据 (51)3、人工智能用于直接投资的相关监管政策仍然处于空白 (51)4、高度依赖程序化投资，可能在特定条件下放大系统性风险 (51)人工智能在资产管理行业的应用主要集中在前台获客与中台投研及估值风控等环节。