2021年中国AI行业发展现状与重点企业分析报告（16页）.pdf

1、计算机视觉、语音识别、自动驾驶作为 AI 市场规模最大和最有潜力的方向，将持续享受行业红利。AI 在最近十年的进展迅速，包括机器学习、自然语言处理、计算机视觉、智适应技术等领域都得到了长足的发展。根据清华大学数据显示，计算机视觉、语音识别、自然语言处理是中国市场规模最大的三个应用方向，分别占比 34.9%、24.8%和 21%。此外，自动驾驶的本质属于人工智能，通过多维数据的搜集和处理，经过处理器分析，指导车辆的驾驶决策，随着智能网联、自动驾驶技术的不断深入，AI 技术在自动驾驶中将发挥越来越重要的作用。此外，根据 2021 年 1 月 20 日清华大学人工智能研究院发布的人工智能发展报告 2

2、020，中国在 2011-2020 年已经成为全球 AI 专利申请量最大的国家和地区，而 2019 年国际著名 AI 会议期刊 NeurIPS 有 29%的论文来自中国，国内 AI 发展的土壤日益丰富。我们认为，未来以视觉和语音作为数据入口的 AI 赛道，将会在技术自身迭代的推动下不断形成新的商业应用落地，持续享受到技术改造社会所形成的行业红利。1.3 AI 具有规模效应，数据积累、模型迭代提升行业 Know-howAI 技术边际成本极低，具有规模效应，长期的数据积累和模型迭代将提升头部企业的行业 Know-how。与所有软件类似的，AI 运用的边际成本极低，以人工智能替代人力必定具有规模效应

3、，可以显著降本增效。例如平安开发的智能客服机器人，目前已经广泛应用于平安银行，具备语义分析能力与自主学习能力，能够不断扩充知识库，代替人力自动大量前端常规业务流程。截止 2019 年，平安智能语音机器人已覆盖集团 83%的金融销售场景、81%的客服场景，全年累计服务量达 8.5 亿次，可实现每年坐席成本下降 11%。 2017 年，Google 与 CMU(卡内基梅隆大学)进行了一次合作，集成 30 个 GPU 图形处理器并使用 3 亿张标记图片集(往往 100 万即可)，结果显示数据量和图像识别算法的准确性存在相关性，物体检测评分提升 3 个 pct，而在科技行业一点微小的提升都可能产生巨大

4、的产品差异，例如自动驾驶领域的汽车视觉准确率。 头部企业有实力针对更多场景进行落地。许多行业具有复杂的碎片化应用场景，不同场景下的行业 Know-how 实质上构成专业壁垒。头部大厂往往有较为庞大的产品及平台团队，能够针对碎片化的需求，开发出成千上万针对不同场景的产品和系统并不断迭代，适合搭载 AI 实现细分领域的智能化。 头部企业的数据积累能力更强。由于海量数据是 AI 自我迭代不可或缺的基础，拥有更多数据积累的头部厂商将获得更好的 AI 训练结果，并从 AI 赋能中率先获益。例如，中国平安 95511 客服以每天服务客户 96 万次、年接触客户 3.5 亿次的速度累积了庞大的声音数据库，助力声纹识别技术实现 1 秒内高达 99.7%的精准度。再如全球安防龙头海康威视，具备庞大的设备存量与数据积累，可以基于深度学习技术推出 AI 智能摄像机等智慧监控产品，支持人脸识别、行为分析、人体属性分析、人脸动态对比等智能检测，具备比人脑更精准的安防大数据归纳能力。