大家好，又见面了，我是你们的朋友全栈君。
1．新技术革命登场，IT发展焦点将从互联网转向人工智能
发轫于2007年的移动互联网浪潮已经席卷全球，极大地改变了我们的生存状态。然而，就在资本市场热切地期待移动互联网催生出更多新应用服务、更多新商业模式的时候，由技术水平不足导致的发展瓶颈已然出现。与此同时，为突破上述瓶颈，新一轮更激动人心、更值得期待的技术革命风暴已经诞生，将成为未来10年乃至更长时间内IT产业发展的焦点，将再次并更加彻底地颠覆世界。这一轮技术革命风暴，它的名字叫做“人工智能”（Artificial Intelligence，以下简称AI）。
1.1 基于互联网的应用服务发展已遭遇技术瓶颈，AI将成开锁金钥匙
基于PC的互联网、基于手机和平板电脑的移动互联网以及基于各种其他设备的物联网，其本质是解决了“连接”问题：连接人与人、人与物以及物与物，并且在连接的基础上创造出新的商业模式。以国内BAT三巨头为例，百度完成的是人与信息的对接，商业模式以网络广告为主；阿里解决的是人与商品的对接，电商是其商业模式；腾讯则实现了人与人的对接，依靠强大的免费社交软件吸引庞大的用户群，在此基础上利用增值业务和游戏来实现货币化。
尽管互联网的普及打造了包括谷歌、亚马逊、百度、阿里、腾讯、京东等一批巨头以及数量更为庞大的中小企业，基于网络的创新应用和服务类型也多种多样，但技术瓶颈的制约已经越来越明显：生活方面需求痛点的解决、生产领域具有适应性和资源效率的智慧工厂的建立、物流体系中更加方便快捷的配送方式建设等问题，都面临智能化程度不足带来的障碍。只有人工智能才能为“万物互联”之后的应用问题提供最完美的解决方案。
人工智能的价值如此重要，以至于我们可以毫不夸张地说，它将成为IT领域最重要的技术革命，目前市场关心的IT和互联网领域的几乎所有主题和热点（智能硬件、O2O、机器人、无人机、工业4.0），发展突破的关键环节都是人工智能。
下面我们将通过一些例子和应用场景来更形象具体地展示上述瓶颈以及AI的重要性：
1.1.1 智能冰箱还不能告诉我们做什么
由于生活节奏加快人们的空闲时间大为减少，做家务的时间日益显得不足，我们需要一款聪明的冰箱，让冰箱告诉我们做什么。来自奥维咨询的《中国家用冰箱食品浪费调查报告》显示，“每个家庭平均每年发生176次食物浪费现象。70%受访者表示，造成浪费的主要原因是一次购买太多和放入冰箱后忘记。智能冰箱的出现，不仅可以自行“清理门户”，采购新鲜食品，还能统筹安排，减少食材浪费，制作个性化食谱。它会根据食材新鲜与否，把不新鲜的食材调动到距离冰箱门最近的地方，提醒主人“它该吃了”。此外，智能冰箱能对用户的膳食合理性进行分析，制作菜谱。同时提示需要补充的食材，如果与生鲜电商联网的话，可以自动选择送货上门，直接实现食物的配送发货收获自动化和智能化。2014年美菱率先推出全球首台云图像识别智能冰箱ChiQ，突破全球智能冰箱技术门槛，该冰箱具备变频功能，可以用语音搜索、自动推荐等多种方式进行食谱推荐，并实现手机的远程查看和控制。
智能冰箱功能法的升级，提升用户体验和价值，背后的最大核心是自动识别技术的突破。图像识别技术通过图像采集系统得到食材图片，运用图像识别算法，转化成食品的信息列表。而通过图像识别技术，判断食材的种类是实现冰箱智能化的拐点。
可见，不是用户对智能家居的需求不存在，而是现有的技术无法支撑家居的智能化，这个瓶颈无法突破，智能家居永远是纸上谈兵。那么，解决这个问题的钥匙在哪里？人工智能技术的突破：图像识别背后的底层技术就来自于人工智能的算法和应用！
1.1.2 O2O尚未实现生活服务智能化
试想这样一个场景，你想选择一个地方和朋友吃饭，首先你会打开一个应用，在这个过程中它会自动确定你所在的位置，然后你通过语音开始向其发出请求“我想在这附近找一家中式餐厅，下午将要与朋友一起就餐，消费价格适中。”应用根据你发出的请求及过往的生活习惯为你寻找到数十家备选方案优选列表，然后你可以根据兴趣与爱好选择直接确定方案，或者实时打开查看各家的类型、折扣、评分、环境、位置、菜品、用户评价等综合信息并进行筛选，这些信息综合在一起形成了你对某家餐厅的判断和最终的决策。这时你可以就一些问题与餐厅的服务人员进行实时的沟通，然后交付押金轻松的进行预订。预订好了餐厅之后，通过语音控制，你可以将信息转发给朋友。当你到了该出发赴约的时候，这个应用开始提醒你，并可以选择是否开启地图语音导航模式，为你提供位置和路线服务。从本质上说，消费者和商户存在各自信息获取不对称的问题，而O2O在于把服务业互联网化，将商户与消费者之间连接的更好，让信息不对称的问题都能解决，这不仅能够帮助商户，也能够帮助消费者。消费者对O2O的最大诉求主要是在前端信息的检索和获取，而商家的目的在于持续获取消费者，这主要通过前端提供消费者信息影响其购买决策，并通过后期客户管理增强与用户关系。
互联网的O2O商业模式气势汹汹的颠覆传统行业，似乎发展到现在好像开始止步不前了。目前点评网站、地图导航、预定网站、优惠券网站等很好地满足了消费者信息获取来源，但移动搜索引擎却未能很好满足消费者检索的需求，使他们可以方便地查找餐厅以及优惠地享受服务。综合来看，未来的O2O会是一个融合线下信息聚合、语音识别、自然语言解析、搜索引擎、点评信息聚合、预订服务、地图导航、NFC、CRM、语音以及实时沟通等功能为一体的基于位置的服务平台。然而，至今仍然悬而未决的技术瓶颈是：自然语言的解析。如何通过对用户的自然语言（文本 语音）等数据，结合知识图谱，推理出用户的需求并精准的推送用户所需的本地化生活服务？这扇大门的钥匙也是在人工智能技术的突破！
1.1.3 无人机尚不能自主飞行
目前无人机虽然在军事和民用领域都得到了应用，但其智能化程度还远远不够，仍然需要人遥控操纵，尚未实现自主飞行。
设想一下你打开家里的窗子，一架无人机恰巧停在窗外，你从无人机上取下自己购买的物品，然后拿出手机确认收到，无人机才缓缓飞走，去寻找下一个客户。或者，下午你要去某咖啡馆与客户交流，恰巧有一个快递要送来。你提前通知快递公司，让无人机指挥中心更改送货路线，通知无人机将快递送到咖啡馆。物流体系使用无人机取代人工，实现货物派送的设想一旦实现，将大大提高配送效率，减少人力、运力成本，可以说承载了人们对于未来物流的梦想。但这一梦想如果要得以实现，必须要使无人机具备感知和规划的智能。
低空以及在建筑物内部飞行会遭遇很多的障碍物，即使预先设定飞行线路，也无法避免临时出现的障碍（比如写字楼里突然关上的门），这就需要无人机具备视觉功能、不确定性环境下的路线规划以及行动能力。此外，为保证准确投递，无人机或许还要具备人脸识别的能力，可以通过预先发送的照片识别出收货人。这些感知、规划和行动能力都属于人工智能技术。
1.1.4 智能化是工业4.0之魂
第一次工业革命是随着蒸汽机驱动的机械制造设备的出现；第二次工业革命是基于劳动分工的，电力驱动的大规模生产；第三次工业革命是用电子和IT技术实现制造流程的进一步自动化；而如今，第四次工业革命正在来临！
“工业4.0”，是一个德国政府提出的高科技战略计划。这个概念包含了由集中式控制向分散式增强型控制的基本模式转变，目标是建立一个高度灵活的个性化和数字化的产品与服务的生产模式。在这种模式中，传统的行业界限将消失，并会产生各种新的活动领域和合作形式。创造新价值的过程正在发生改变，产业链分工将被重组。
德国学术界和产业界认为，“工业4.0”概念即是以“智能制造”为主导的第四次工业革命，或革命性的生产方法。该战略旨在通过充分利用信息通讯技术和网络空间虚拟系统—信息物理系统（Cyber-Physical System） 相结合的手段，将制造业向智能化转型。
“工业4.0”项目主要分为三大主题，一是“智能工厂”，重点研究智能化生产系统及过程，以及网络化分布式生产设施的实现；二是“智能生产”，主要涉及整个企业的生产物流管理、人机互动以及3D技术在工业生产过程中的应用等。该计划将特别注重吸引中小企业参与，力图使中小企业成为新一代智能化生产技术的使用者和受益者，同时也成为先进工业生产技术的创造者和供应者；三是“智能物流”，主要通过互联网整合物流资源，充分发挥现有物流资源供应方的效率，而需求方则能够快速获得服务匹配，得到物流支持。
在工业4.0时代，虚拟全球将与现实全球相融合。通过计算、自主控制和联网，人、机器和信息能够互相联接，融为一体。未来制造业将实现更高的工程效率、更短的上市时间以及生产灵活性。
从以上的描述中不难看出，工业4.0对智能化的要求涵盖更广，涉及机器感知、规划、决策以及人机交互等方面，而这些领域都是人工智能技术的重点研究方向。
2．人工智能技术“奇点”到来
在宇宙大爆炸理论中，“奇点”是指由爆炸而形成宇宙的那一点，即宇宙从无到有的起点。而在美国著名科学家雷·库兹韦尔（Ray ·Kurzweil：发明了盲人阅读机、音乐合成器和语音识别系统；获9项名誉博士学位，2次总统荣誉奖；著有畅销作品《奇点临近》，现任奇点大学校长）的理论中，“奇点”是指电脑智能与人脑智能相互融合的那个美妙时刻。我们认为，这个美妙时刻正在到来。
2.1 什么是人工智能：从“smart”到“intelligent”
目前市场上所谓“智能”的设备或概念很多，从智能手机到智能家居等，但这些“智能”实际上是“smart”的含义，即灵巧；真正意义上的智能应该是“intelligent”的含义。
“人工智能”一词最初是在1956年达特茅斯学会上提出的。从学科定义上来说，人工智能（ArtificialIntelligence）是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器。
人工智能的概念和定义有多种，下图中沿两个维度排列了AI的8种定义。顶部的定义关注思维过程和推理，而底部的定义强调行为。左侧的定义根据与人类表现的逼真度来衡量成功与否，而右侧的定义依靠一个称为“合理性”（Rationality）的理想的表现量来衡量。
如果从比较容易理解的角度来概括的话，人工智能是指计算机系统具备的能力，该能力可以履行原本只有依靠人类智慧才能完成的复杂任务。
人工智能的应用领域主要包含以下几个方面的内容：
自然语言处理（包括语音和语义识别、自动翻译）
计算机视觉（图像识别）
知识表示
自动推理（包括规划和决策）
机器学习
机器人学
2.2人脑的精密结构难以复制，人工智能技术曾一度受阻
2.2.1 超大规模并行结构使得人脑功能强劲
人类的大脑中有数百至上千亿个神经细胞（神经元），而且每个神经元都通过成千上万个“突触”与其他神经元相连，形成超级庞大和复杂的神经元网络，以分布和并发的方式传导信号，相当于超大规模的并行计算（Parallel Computing）。因此尽管单个神经元传导信号的速度很慢（每秒百米的级别，远低于计算机的CPU），但这种超大规模的并行计算结构仍然使得人脑远超计算机，成为世界上到目前为止最强大的信息处理系统。
2.2.2 计算机的传统结构制约人工智能的发展
美籍匈牙利科学家冯·诺依曼（John Von· Neumann）是数字计算机之父，首先提出了计算机体系结构的设想，目前世界上绝大多数计算机都采取此种结构，它也被称之为冯·诺依曼体系结构。
简单来说，冯·诺依曼体系结构的基本特征有以下几点：
1、采用存储程序方式，指令和数据不加区别混合存储在同一个存储器中，指令和数据都可以送到运算器进行运算，即由指令组成的程序是可以修改的。
2、存储器是按地址访问的线性编址的一维结构，每个单元的位数是固定的。
3、指令由操作码和地址组成。操作码指明本指令的操作类型，地址码指明操作数和地址。操作数本身无数据类型的标志，它的数据类型由操作码确定。
4、通过执行指令直接发出控制信号控制计算机的操作。指令在存储器中按其执行顺序存放，由指令计数器指明要执行的指令所在的单元地址。指令计数器只有一个，一般按顺序递增，但执行顺序可按运算结果或当时的外界条件而改变。
5、以运算器为中心，I/O设备与存储器间的数据传送都要经过运算器。
6、数据以二进制表示。
冯·诺依曼体系结构的最大特点是“共享数据，串行执行”的一维计算模型。按照这种结构，指令和数据存放在共享的存储器中内，CPU从中取出指令和数据进行相应的运算。由于存储器存取速度远低于CPU运算速度，而且每一时刻只能访问存储器的一个单元，从而使计算机的运算速度受到很大限制，CPU与共享存储器间的数据交换造成了影响高速计算和系统性能的“瓶颈”。在冯·诺依曼机结构中，指令的执行次序受计数器的控制。CPU根据计数器指出的存储器地址访问相应的单元，指令计数器值增1指向下一条指令，因而指令是串行执行的。这种计算方式称为“控制驱动”，就是说由指令控制器控制指令执行的次序和时机，当它指向某条指令时才驱动该指令的执行。在实际程序中虽然可能存在大量的可以并行执行的指令，但是冯·诺依曼体系结构却难以支持这些指令的并行执行。这就从根本上限制了计算机性能的提高。
人工智能对计算机性能的要求很高，尤其是在非数值处理应用领域。冯·诺依曼体系的串行结构和人脑庞大复杂的并行结构相去甚远，使得现有计算机系统难以迅速有效地处理复杂的感知、推理、决策等问题。硬件体系能力的不足加上发展道路上曾经出现偏差（希望直接在通用型的人工智能方面取得突破），以及算法的缺陷，使得人工智能技术的发展在上世纪80年代末到90年代曾经一度低迷。
2.3 四大催化剂齐备，人工智能发展迎来转折点
近几年来，随着技术的进步，人工智能的发展出现了显著的复苏趋势。我们认为，下述4个方面的原因带来了人工智能发展的向上拐点：
2.3.1 云计算使成本低廉的大规模并行计算得以实现
上文中提到，冯·诺依曼体系的串行结构使得计算机无法满足人工智能对硬件的要求，而近年来云计算的出现至少部分解决了这个问题。
从概念上讲，可把云计算看成是“存储云 计算云”的有机结合，即“云计算=存储云 计算云”。存储云的基础技术是分布存储，而计算云的基础技术正是并行计算：将大型的计算任务拆分，然后再派发到云中的各个节点进行分布式的计算，最终再将结果收集后统一处理。大规模并行计算能力的实现使得人工智能往前迈进了一大步。
云计算的实质是一种基础架构管理的方法论，是把大量的计算资源组成IT资源池，用于动态创建高度虚拟化的资源供用户使用。在云计算环境下，所有的计算资源都能够动态地从硬件基础架构上增减，以适应工作任务的需求。云计算基础架构的本质是通过整合、共享和动态的硬件设备供应来实现IT投资的利用率最大化，这就使得使用云计算的单位成本大大降低，非常有利于人工智能的商业化运营。
值得特别指出的是，近来基于GPU（图形处理器）的云计算异军突起，以远超CPU的并行计算能力获得业界瞩目。
CPU和GPU架构差异很大，CPU功能模块很多，能适应复杂运算环境；GPU构成则相对简单，目前流处理器和显存控制器占据了绝大部分晶体管。CPU中大部分晶体管主要用于构建控制电路（比如分支预测等）和高速缓冲存储器（Cache），只有少部分的晶体管来完成实际的运算工作；而GPU的控制相对简单，而且对Cache的需求小，所以大部分晶体管可以组成各类专用电路、多条流水线，使得GPU的计算速度有了突破性的飞跃，拥有了惊人的处理浮点运算的能力。现在CPU的技术进步正在慢于摩尔定律，而GPU的运行速度已超过摩尔定律，每6个月其性能加倍。
CPU的架构是有利于X86指令集的串行架构，从设计思路上适合尽可能快的完成一个任务；对于GPU来说，它最初的任务是在屏幕上合成显示数百万个像素的图像——也就是同时拥有几百万个任务需要并行处理，因此GPU被设计成可并行处理很多任务，天然具备了执行大规模并行计算的优势。
现在不仅谷歌、Netflix用GPU来搭建人工智能的神经网络，Facebook、Amazon、Salesforce都拥有了基于GPU的云计算能力，国内的科大讯飞也采用了GPU集群支持自己的语音识别技术。GPU的这一优势被发现后，迅速承载起比之前的图形处理更重要的使命：被用于人工智能的神经网络，使得神经网络能容纳上亿个节点间的连接。传统的CPU集群需要数周才能计算出拥有1亿节点的神经网的级联可能性，而一个GPU集群在一天内就可完成同一任务，效率得到了极大的提升。另外，GPU随着大规模生产带来了价格下降，使其更能得到广泛的商业化应用。
2.3.2 大数据训练可以有效提高人工智能水平
机器学习是人工智能的核心和基础，是使计算机具有智能的根本途径，其应用遍及人工智能的各个领域。该领域的顶级专家Alpaydin先生如此定义：“机器学习是用数据或以往的经验，以此优化计算机程序的性能标准。”
过去机器学习的研究重点一直放在算法的改进上，但最近的研究表明，采用更大容量数据集进行训练带来的人工智能提升超过选用算法带来的提升。举两个实例说明：1、在语义识别方面，一个普通算法使用1亿个单词的未标注训练数据，会好过最有名的算法使用100万个单词；2、将照片中的马赛克区域用与背景相匹配的某些东西来填补，从一组照片中搜索填补物的话，如果只用1万张照片，则效果很差，如果照片数量增加到200万张是，同样的算法会表现出极好的性能。
我们已经进入到大数据时代，来自全球的海量数据为人工智能的发展提供了良好的条件。
根据IDC的监测统计，2011年全球数据总量已经达到1.8ZB（1ZB等于1万亿GB，1.8ZB也就相当于18亿个1TB的移动硬盘，人均200 GB, 这些信息的量相当于可以填充572亿个32GB的iPad），而这个数值还在以每两年翻一番的速度增长，预计到2020年全球将总共拥有35ZB的数据量，增长近20倍。
美国互联网数据中心指出，互联网上的数据每年将增长50%，而世界上90%以上的数据是最近几年才产生的。此外，数据又并非单纯指人们在互联网上发布的信息，全世界的工业设备、汽车、电表上有着无数的数码传感器，随时测量和传递着有关位置、运动、震动、温度、湿度乃至空气中化学物质的变化，也产生了海量的数据信息。因此除了互联网，大数据的爆发很大程度上的还来自于传感器技术和产品的突飞猛进。人类在制造数据和搜集数据的量级和速度上将呈现几何级数的爆发式增长！未来，随着互联网应用的进一步扩展以及传感器不断融入人类生活工作的方方面面，数据产生、搜集的速度和量级将不断加速，人工智能的进化速度也将加快。
2.3.3 “深度学习”技术的出现
“深度学习”是机器学习研究中的一个新的领域，它模拟人类大脑神经网络的工作原理，将输出的信号通过多层处理，将底层特征抽象为高层类别，它的目标是更有效率、更精确地处理信息。深度学习自2006年由Geoffrey Hinton教授和他的两个学生被提出后，使得机器学习有了突破性的进展，极大地推动了人工智能水平的提升。2013 年，《麻省理工技术评论》把它列入年度十大技术突破之一。
人脑具有一个深度结构，认知过程是逐步进行，逐层抽象的，能够层次化地组织思想和概念。深度学习之所以有如此大的作用，正是因为它较好地模拟了人脑这种“分层”和“抽象”的认知和思考方式。
深度学习的实质，是通过构建具有很多隐层的机器学习模型和海量的训练数据，来学习更有用的特征，从而最终提升分类或预测的准确性。因此，“深度模型”是手段，“特征学习”是目的。区别于传统的浅层学习，深度学习的不同在于：1）强调了模型结构的深度，通常有5层、6层，甚至10多层的隐层节点；2）明确突出了特征学习的重要性，也就是说，通过逐层特征变换，将样本在原空间的特征表示变换到一个新特征空间，从而使分类或预测更加容易。与人工规则构造特征的方法相比，利用大数据来学习特征，更能够刻画数据的丰富内在信息。
深度学习使得人工智能在几个主要领域都获得了突破性进展：在语音识别领域，深度学习用深层模型替换声学模型中的混合高斯模型（Gaussian Mixture Model, GMM），获得了相对30%左右的错误率降低；在图像识别领域，通过构造深度卷积神经网络（CNN），将Top5错误率由26%大幅降低至15%，又通过加大加深网络结构，进一步降低到11%；在自然语言处理领域，深度学习基本获得了与其他方法水平相当的结果，但可以免去繁琐的特征提取步骤。可以说到目前为止，深度学习是最接近人类大脑的智能学习方法。
深层模型是包含多个隐藏层的人工神经网络，多层非线性结构使其具备强大的特征表达能力和对复杂任务建模能力。训练深层模型是长期以来的难题，近年来以层次化、逐层初始化为代表的一系列方法的提出给训练深层模型带来了希望，并在多个应用领域获得了成功。深层模型的并行化框架和训练加速方法是深度学习走向实用的重要基石，已有多个针对不同深度模型的开源实现，谷歌、Facebook、百度、腾讯等公司也实现了各自的并行化框架。
深度学习引爆了一场革命，将人工智能带上了一个新的台阶，将对一大批产品和服务产生深远影响。
2.3.4 “人脑”芯片将从另一个方向打开人工智能的大门
前面提到了现代计算机的冯·诺依曼体系结构阻碍了大规模并行计算的实现，导致人工智能发展受限。而今天人工智能发展面临突破，除了上文说的云计算、大数据、深度学习三个原因之外，另外一个方向的努力也是不容忽视的，那就是彻底改变了冯·诺依曼体系结构的“人脑”芯片。
“人脑”芯片，也叫神经形态芯片，是从硬件方向对人脑物理结构的模拟。这种芯片把数字处理器当作神经元，把内存作为突触，跟传统·冯诺依曼结构不一样，它的内存、CPU和通信部件是完全集成在一起，因此信息的处理完全在本地进行。而且由于本地处理的数据量并不大，传统计算机内存与CPU之间的瓶颈不复存在了。同时神经元之间可以方便快捷地相互沟通，只要接收到其他神经元发过来的脉冲（动作电位），这些神经元就会同时做动作。
2011年的时候，IBM首先推出了单核含256个神经元，256×256个突触和256个轴突的芯片TrueNorth原型，但从规模上来说，这样的单核脑容量仅相当于虫脑的水平。经过3年的努力，IBM 终于在复杂性和使用性方面取得了突破。2014年推出的最新芯片将4096个内核、100 万个神经元、2.56亿个突触集成在直径只有几厘米的方寸（是2011年原型大小的1/16）之间，而且能耗只有不到 70 毫瓦，每秒每瓦可实现460亿次神经突触操作。IBM的最终目标就是希望建立一台包含100亿个神经元和100万亿个突触的计算机—这样的计算机要比人类大脑的功都强大10倍，而功耗只有一千瓦，而且重量不到两升（我们大脑的大小）。
我们认为，“人脑”芯片也许将是人工智能真正达到人类大脑水平的终极道路，但目前梦想离现实还有不小的距离。短期来看，依托云计算、大数据、深度学习的方式改善人工智能是更可行的方向。
3．人工智能产业发展加速明显
技术“奇点”的到来使得人工智能发展明显加速，这从产业层面能够得到有力的佐证：我们已经能够看到IT业对人工智能的投入显著加大，新型的应用或产品也不断问世。
3.1 国际IT巨头频频放“大招”
IT领域的国际巨头近年来在人工智能领域频频发力，一方面网罗顶尖人才，一方面加大投资力度，这也昭示着人工智能新的春天已经到来。
2013年3月，谷歌以重金收购DNNresearch的方式请到了Geoffrey Hinton教授（上文提到的深度学习技术的发明者）；2013年12月，Facebook成立了人工智能实验室，聘请了卷积神经网络最负盛名的研究者、纽约大学终身教授Yann LeCun为负责人；2014年5月，有“谷歌大脑之父”美称的Andrew NG（吴恩达）加盟百度，担任首席科学家，负责百度研究院的领导工作，尤其是“百度大脑”计划。这几位人工智能领域泰斗级人物的加入，充分展示了这些互联网巨头对人工智能领域志在必得的决心。
根据量化分析公司Quid的数据，自2009年以来，人工智能已经吸引了超过170亿美元的投资。仅去年一年，就有322家拥有类似人工智能技术的公司获得了超过20亿美元的投资。自2013年以来，Yahoo、Intel、Dropbox、LinkedIn、Pinterest以及Twitter也都收购了人工智能公司。过去四年间，人工智能领域的民间投资以平均每年62%的增长速率增加，这一速率预计还会持续下去。
3.2新的AI应用和产品屡有惊喜
自然语言处理（NLP）
微软SkypeTranslator同声传译
Skype Translator 是由Skype和微软机器翻译团队联合开发，整合了微软Skype语音和聊天技术、机器翻译技术、神经网络语音识别打造了一款面向消费者用户的产品，2014年5月在微软Code大会上推出。两个不同语种的人借助SkypeTranslator可实现无障碍交谈，当你说出一个完整的句子后，系统便会开始进行记录翻译，对方即可听到翻译后的句子，并可通过字幕显示在屏幕上。这个实时语音翻译系统能够识别不同用户间的不同语言不同口音的说话方式。
Skype 的机器学习原型通过预览阶段的大量数据进行训练，并优化语音识别（SR）和自动化机器翻译（MT）任务，其中，语音识别和机器翻译的训练集数据主要有多个来源，包括已翻译的网页、带字幕的视频、翻译转录的一对一对话内容等。同时，Skype的翻译系统还会记录用户的对话内容，实现二次利用，以进行数据分析，加以学习。在数据进入系统之后，机器学习软件会为对话中的单词建立统计模型，当你说到某一个东西时，系统会在统计模型里寻找类似的单词，并响应之前做过的类似的翻译。实时语音翻译对用户对话的环境很敏感，稍有噪音干扰可能准确度就会降低很多。这一方面，深度神经网络有效的减少识别错误率，改善了系统的健壮性，让实时翻译能够有更大的应用范围。至于不同语言的文本翻译，Skype 利用的则是和Bing翻译一样的引擎技术：语法和统计模型的结合使用，同时为特定语言进行特殊的训练。普通的文本翻译往往要求使用规范正确的书面语言，而Skype翻译系统不仅包括Bing 翻译的引擎技术，还额外增加了一层口语化的语言业务。
目前，Skype Translator还处在早期开发阶段，但这一实时语音翻译功能有可能帮助改变世界未来的交流方式。比如在线教育，2014年12月，微软正式推出了Skype Translator预览版，让来自美国和墨西哥的小学生使用各自母语就能进行语音通话。它可以识别美国小学生的英文语句并将其翻译为西班牙语，然后以文本的形式呈献给墨西哥小学生，反之亦然。微软计划将Skype Translator服务推向教育领域，如此一来全世界各地的学生都能无障碍聆听任何语言的课程，显然这对于促进全球教育进步有着非比寻常的意义。
计算机视觉（CV）
（1）格灵深瞳的智能视频监控系统
在安防领域，摄像头已经得到大规模的使用，但监控的有效性依然面临两个严峻的挑战：
1、摄像头只能起到记录功能，识别还要依靠人眼，真正能实时监控到的场景非常有限：一个像机场大小的公共场所，摄像头的数量能够达到几万台，而同一时间负责监控视频的安保人员大概只有几个人；此外，视频监控往往都采用画面轮播机制，每过一定时间自动切换屏幕上显示的监控视频画面。所以，那些真正有信息价值的画面被人看到、注意到的几率就很小。
2、难以有效查询历史记录。据估计全球监控视频记录的存储已经消耗了75%的硬盘资源，以北京天安门为例，每天产生的监控视频数据，刻成光盘摞起来，甚至超过埃菲尔铁塔的高度。要在如此庞大的数据库里依靠人眼寻找某个特定画面或犯罪嫌疑人，需要动用大量的人力资源，并且效率低下。
格灵深瞳是一家专注于开发计算机视觉的人工智能公司，致力于让计算机像人一样主动获取视觉信息并进行精确的实时分析。公司成立于2013年初，创始人为Google眼镜的核心团队成员，成立不久就获得真格基金和联创策源的天使投资，并于2014年6月获得红杉资本数千万美元的A轮投资。
格灵深瞳通过研发三维视觉感知技术，实现对人物的精确检测、跟踪，对动作姿态（包括暴力、跌倒等危险行为）和人物运动轨迹（包括越界、逆行、徘徊等可疑轨迹）的检测和分析。在自动场景和人物检测的基础上，自动给安保人员提供预警信号，主动提醒、报告异常，保障安保人员“看得到”。同时，格灵深瞳利用感知技术抽象出人物的特征，从非时间的维度进行监测、跟踪、搜索，真正做到“找得到”。
目前格灵深瞳的视频监控系统已经在对安防要求较高的银行进行应用测试。如果该技术投入大规模商业化应用，将有效改善上文提到的现有视频监控的缺陷，是人工智能改变世界迈出的非常积极的一步。
（2）Face 的人脸识别云服务
Face 是一个人脸识别云服务平台，通过它提供的开放服务，开发者可以低成本的在自己的产品中实现若干面部识别功能。开发者和合作方通过Face 提供的 API 接入和离线引擎就可以享受现成的人脸检测、分析和识别等服务。Face 人脸识别技术主要有以下几种基本功能：
1）人脸检测：从图片中快速、准确的找到所有的或者有某些特征的脸。
2）人脸分析：通过人脸，对人的性别、年龄、情绪的信息进行提取。
3）人脸识别：匹配给定人脸的相似性，或者从成万上亿的人脸资料库中搜索、返回最相似的人脸索引。
Face 为美图秀秀、美颜相机App提供诸如：人脸检测、人脸追踪、关键点检测技术，可精准定位人脸中需要美化的位置，实现精准自动人脸美化，但这些仅是人脸识别的初级阶段。此外在稍高级的应用阶段——搜索领域，Face 所做的人脸识别为世纪佳缘提供服务，用户可根据自己对另一半长相的需求去搜索相似外貌的用户，当然这个搜索需要在数据库中进行，可以是世纪佳缘的数据库、未来可以是社交网络上的数据库、更可以是在通用搜索引擎中。第二个是Face 与360搜索达成了合作，在360的图片搜索中使用到相关的技术。而在另一块安全领域，Face 推出了APP“云脸应用锁”，扫描一下人脸和设置一下备用密码，就可以将需要加密的应用添加到需要保护的应用程序中。这样打开加密的应用时，就要事先经过一个人脸识别的监测，才能成功打开此应用。非常适合于图片、信息、支付软件等等拥有私密信息较高的应用程序当中。
知识表示、规划和决策
（1）Palantir ：CIA的反恐秘密武器
大数据挖掘分析公司Palantir成立于2004年，该平台把人工智能算法和强大的引擎（可以同时扫描多个数据库）整合，可以同时处理大量数据库，并允许用户通过多种方式快速浏览相关信息。其产品已被美国中情局（CIA）、联邦调查局（FBI）、海陆空三军、联邦检察官、私人调查机构及其他客户所使用。类似CIA和FBI这样的情报机构有成千上万个数据库，并记录着不同的数据，比如财务数据、DNA样本、语音资料、录像片段以及世界各地的地图。将这些数据建立联系需要数年的时间，即便统一在一起，也很难驾驭不同种类的数据，比如说如何关联销售数据和监控录像资料，而Palantir公司所做的就是开发软件使这一切变得更容易。同时，Palantir 还对各种安全问题高度敏感。Palantir引发了计算机时代的一场革命，它梳理所有可以获得的数据库，对相关信息进行确认，并他们整合起来。Palantir成立之初就获的CIA基金公司In-Q-Tel的投资，现在成为了美国情报机关在反恐战争不能缺少的工具。Palantir有效的解决了911后对情报工作提出的技术难题：如何从大量的数据中快速获取有价值的线索，可以说是CIA的反恐秘密武器。
在阿富汗，美国特种部队利用Palantir来策划袭击行动。比如他们检索一个小村庄，系统里就会出现这个村庄的地图。并详细的指出所有发生过枪击冲突和土炸弹爆炸的地方，然后再判断出哪里最有可能被伏击。特种部队可以根据这些信息轻松的占领这个村子。多年来海军陆战队从炸弹碎片上收集了很多指纹和DNA样本，并于从村民那里获取的同样的数据进行配比，通常当他们分析出结果后，放置炸弹的人早就行影无踪。现在将数据上传到Palantir上，然后和发生袭击的地方获得数据进行配比，能很快得到恐怖分子的踪迹。甚至美国政府追捕本·拉登时，就是用的是Palantir的软件。
Palantir公司相当低调，但非常受政府情报机关和华尔街的热捧。除了反恐，其关注重点也开始转向医疗、零售、保险和生物科技，比如利用Palantir可以侦查医疗保险诈骗以及发现病毒爆发的源头。现在，Palantir年收入已超过10亿美元，并且每年以3倍的速度增长。
（2）IBM Watson：认知能力强劲的多面手
Watson由90台IBM服务器、360个计算机芯片驱动组成，是一个有10台普通冰箱那么大的计算机系统。它拥有15TB内存、2880个处理器、每秒可进行80万亿次运算。IBM为沃森配置的处理器是Power 7系列处理器，这是当前RISC（精简指令集计算机）架构中最强的处理器。Watson存储了大量图书、新闻和电影剧本资料、辞海、文选和《世界图书百科全书》等数百万份资料。每当读完问题的提示后，Watson就在不到三秒钟的时间里对自己长达2亿页的料里展开搜索。Watson是基于IBM“DeepQA”（深度开放域问答系统工程）技术开发的，DeepQA技术可以读取数百万页文本数据，利用深度自然语言处理技术产生候选答案，根据诸多不同尺度评估那些问题。IBM研发团队为Watson开发的100多套算法可以在3秒内解析问题，检索数百万条信息然后再筛选还原成“答案”输出成人类语言。每一种算法都有其专门的功能。
IBM公司自2006年开始研发沃森，并在2011年2月的《危险地带》（Jeopardy！）智力抢答游戏中一战成名后，其商业化应用有着清晰的脉络：2011年8月沃森开始应用于医疗领域；2012年3月，沃森则首次应用于金融领域，花旗集团成为了沃森的首位金融客户，沃森帮助花旗分析用户的需求，处理金融、经济和用户数据以及实现数字银行的个性化，并帮助金融机构找出行业专家可能忽略的风险、收益以及客户需求。美国农业银行信贷证券公司的一份研究报告中预测，Watson在2015年将为IBM带来26.5亿美元的收入。
例如在医疗领域，Watson已收录了肿瘤学研究领域的42种医学期刊、临床试验的60多万条医疗证据和200万页文本资料。Watson能够在几秒之内筛选数十年癌症治疗历史中的150万份患者记录，包括病历和患者治疗结果，并为医生提供可供选择的循证治疗方案。目前癌症治疗领域排名前三的医院都在运行Watson。研究表明，医疗信息数据正以每五年翻番的高速度增长。这为将下一代认知计算系统运用于医疗行业以改善医学的教学、实践和支付模式提供了史无前例的商机。
4．人工智能生态格局展望：巨头与新贵共舞
4.1 人工智能将催生新一轮IT商业模式创新
自从PC互联网时代以来，到移动互联网，再到智能硬件时代，技术发展和商业模式创新一直处于相辅相成的状态中，一旦技术进步的红利被商业模式创新挖掘殆尽后，面临泡沫破裂的风险，直到下一轮技术革命浪潮再来，商业模式创新才会春风吹又生。
我们认为，移动互联网时代，万物互联催生出了海量的数据，触摸屏的交互方式已经满足不了用户多元化的输入方式，商业模式创新已经遭遇了技术无法支撑的瓶颈，如果人工智能技术突破，无疑将催生出新的商业模式，带来巨大的市场想象空间。
现阶段移动互联网的商业模式创新已经将web2.0时代的技术红利消耗殆尽，未来新的商业模式的开发需要技术进步的支撑，人工智能是重要的技术突破点。
4.2 AI产业格局成形的路径：“底层—中层—顶层”的生态圈逐步清晰
人工智能发展的拐点已经到来，但需要指出的是，由于技术的复杂性，发展不会一蹴而就，必然经历一个由点到面，由专用领域（domain）到通用领域（general purpose）的历程，通用领域的人工智能实现还比较遥远。
我们以计算机视觉的应用为例，正常的成年人可以很容易地识别照片或视频里的多种场景和人、物，但对于计算机来说还难以做到。原因是识别是一个特征抽取的过程，而特征抽取是建立在识别模型的基础之上的，要做到通用识别，则必须对世间万物都建立一一对应的模型，工作量极大。而即使是同一事物，由于光线、角度、距离的原因，在不同的场景里也会呈现出很大的差异，这进一步增加了建立识别模型的难度。短期内计算机的运算能力（即使是超级运算平台）还难以望人脑视觉中枢的项背，因此无法达成这一愿景。
以“百度大脑”为例来说明运算能力的不足：百度几乎动用了全部的云计算能力来为其构建高性能计算资源池，投资47亿元建造云计算中心，将搭载超过300万服务器内核、存储4000PB数据，但目前“百度大脑”的智力水平也仅仅相当于2岁的婴儿。
在未来5-10年之内，专用领域的定向智能化将是AI主要的应用发展方向。在更远的将来，如果人脑芯片等硬件架构能有所突破，运算能力有极大提高，则专用智能将逐步进化成为跨场景跨下游应用的通用智能。而AI的生态格局，无论是专用还是通用领域，我们认为都将围绕“底层-中层-顶层”的技术和产品架构逐渐成形。
人工智能产业生态格局的三层基本架构如下：
底层为基础资源支持层，由运算平台和数据工厂组成；
中层为AI技术层，通过不同类型的算法建立模型，形成有效的可供应用的技术；
顶层为AI应用层，利用中层输出的AI技术为用户提供智能化的服务和产品。
每一层架构中，都有不同的企业参与，最终形成围绕AI技术，产品和服务的生态圈。
4.2.1专用领域人工智能生态圈的格局
1、基础资源支持层实现路径：运算平台 数据工厂
基础资源支持层通过部署大规模GPU与CPU并行计算构成的云计算资源池（定义为超级运算平台）来解决AI所需要的超强存储和运算处理能力问题，并辅以能够抓取到汇聚了人类智慧的海量信息的大数据工厂作为数据集，为AI技术层的实现提供有利支持。
超算平台负责存储与运算。人类没有记忆就没有关联，也更不用说决策与创造，而构成记忆的基础正是有极大存储能力的脑容量，那么机器要模仿人脑也必然首先要拥有庞大的存储能力，海量数据的积累最终让机器的“存储”形成类似于人类的“记忆”。
百度在发展人工智能的道路上，首先做的也是不断扩大其存储能力。
除了存储的绝对容量之外，运算处理能力是第二个需要提升的硬实力。
运算处理能力有两个方面，第一是服务器规模，第二是特征向量大小。所谓特征向量简单理解的话就是指将文本语音图像视频等内容转化为机器能够读懂的一连串关键数据，数据越多，机器学习的就会越好，但对服务器的压力也会相应加大。百度能够仅用两年时间从10万特征向量直接飙升到200亿，足以见得百度服务器技术实力的雄厚。在这个过程中，还需要解决大规模GPU和CPU并行计算所带来的错误率提升以及散热难度加大等问题，因此，是否能够搭建超算平台成为了人工智能企业的重要进入门槛。
数据工厂实现分类与关联。数据工厂会对数据进行基础性的加工，而这种加工又非常关键。从人类的记忆联想模式分析，要调取某部分的记忆，就会很自然的联想到某个词，某个画面，某个音乐等等就能记起很多事情。这是因为人类大脑的神经连接结构允许我们这样去检索，而机器是不允许的，数据存储在硬盘上，机器想要找到某个数据，必须一个个访问过去，机器没有分类的概念。如果需要机器理解用户的语言，这种搜索技术也依然要机器的大脑配合才能达到，对每一个词的定义应该是一个库，而这个库中的每一个词又都各自构成库，数据工厂所依托的搜索算法，就是在这么一个数据海洋中去为他们建立管理，然后去索引。数据工厂相当于人脑中的记忆关联过程：将某个词同时与其他词或是某个场景等等建立起动态关联的过程。因此，通过数据挖掘和搜索算法对数据工厂中的知识库和信息库进行分类与关联的技术能力同样是人工智能企业的重要进入门槛。
2、AI技术层实现路径：面向特定场景的智能技术多姿多彩
AI技术层的作用是基于底层提供的计算存储资源和大数据，通过机器学习建模，开发面向不同领域的应用技术，例如语音识别、语义识别和计算机视觉等。
中间层的运行机制和人类的思维形成过程高度相似，是从感知到思考再到最终的决策行动甚至是创造，核心是机器学习技术的应用。首先，感知环节需要连接的是人、信息和物理世界，通过传感器，搜索引擎和人机交互来获取建模必须的数据，相当于人类的感知过程。依托于底层的高性能计算和弹性存储能力，中间层对感知到的数据进行建模运算，相当于人类的思考过程。最终，应用层利用数据拟合出的模型结果，对智能应用的服务和产品端输出指令，指挥包括机器人、无人机、3D打印等在内的各种设备响应用户需求。尽管目前由于思考层面的计算存储能力和建模能力的不足，导致人工智能还无法达到和人类相接近的“智慧”程度，但也足以支撑包括语音识别、图像识别和知识图谱在内的各种AI技术在特定场景下的应用。
另外一方面，在具体的应用场景中，更为优化的算法和更为准确的背景知识库数据集等因素都有助于在不提升计算资源的前提下实现更优的结果。这就给众多专业领域的AI公司带来了巨大的市场机遇。我们看到，专用智能的商业化应用风生水起，在这个领域，巨头和新贵都处于同一起跑线上，产业格局会趋于分散，先入者优势明显。我们判断，在数据、算法、云计算资源等几个关键因素中，数据的获得以及算法的优化是先入者的护城河，能够帮助他们在专用领域的特定场景下，迅速实现AI的商业化应用，从而抢占市场。我们关注到国内市场已经出现了这样的局面：语音识别领域的科大讯飞、计算机视觉方面的格林深瞳、语义识别方面的小i机器人、人脸识别方面的face 等等细分行业龙头，都在具体应用场景的技术结果上，实现了对百度、谷歌、微软和IBM等AI巨头的超越。
3、AI应用层实现路径：以Nest为代表的专用智能产品和服务风起云涌
专用智能的应用水平不断提升将推进智能产品和服务的智能化程度。为了能够满足用户需求，智能产品和服务需要多种不同的AI技术支撑：
（1）谷歌的无人驾驶汽车，在驾驶过程中需要计算机视觉对不同路况做出相应的决策。为了实现无人驾驶，车辆需要配置激光测距系统、车道保持系统、GPS/惯性导航系统、车轮角度编码器等设备，通过收集到的数据实时生成前方路面的三维图像，并用计算机视觉技术判断潜在的风险。毫无疑问，脱离了谷歌大脑的计算机视觉技术的支撑，谷歌无人驾驶应用就是空中楼阁。
（2）再以Nest的智能温控技术为例。为了能够通过不断地观测和学习用户习惯的舒适温度来对室温进行动态调整，并节约能源，Nest安装了六个传感器，不停地对温度、湿度、环境光以及设备周边进行监控和衡量，它能判断房间中是否有人，以决定是否自动关闭调温设备。依托于强大的机器学习算法，Nest则能自己学习控制温度。在使用这款调温器的第一个星期，用户可以根据自己的喜好调节室内温度，此时Nest便会记录并学习用户的使用习惯。为了能让居室变得更舒适，Nest还会通过Wi-Fi和相关应用程序与室外的实时温度进行同步，内置的湿度传感器还能让空调和新风系统提供适宜的气流。当用户外出时，Nest的动作传感器就会通知处理器激活“外出模式”。毫无疑问，脱离了深度学习技术的支撑，Nest的智能温控是无法实现的。
（3）微信朋友圈的推送广告服务。微信朋友圈的信息流（Feeds）广告推送基于自然语言解析、图像识别和数据挖掘技术，通过分析用户朋友圈语言特性，以及朋友圈图片内容，根据对用户收入和消费能力的分析来刻画用户画像，并决定投放何种广告。信息流广告与社交平台上好友发布的信息形式类似，广告本身内容将基于微信公众账号生态体系，以类似朋友圈的原创内容形式进行展现，融合在信息流中，在基于微信用户画像记性定向的同时，通过实时社交的混排算法，依托关系链进行互动传播。如果没有自然语言解析和图像识别等AI技术的支撑，微信的信息流广告推送服务的用户体验将大打折扣。
通过以上三个例子，我们不难看出，智能产品和服务是否能够切中用户的痛点需求，依赖于人工智能技术在产品背后能够给予多大的支撑。当前的智能产品市场之所以出现产品热，需求冷的局面，主要的症结在于所谓的智能硬件大多是“伪智能”产品，只是把功能性电子产品加上联网和搜集数据的功能，例如以手环为代表的可穿戴设备，以智能机顶盒为代表的智能家居设备等等。我们认为，杀手级的智能产品和服务必然是建立在强大的AI技术支撑下的。AI具体应用层应该是以Nest及更为先进的智能产品和服务为代表。我们梳理了当前智能产品和服务产业链上主要参与公司，典型的战略布局分别有：
（a）以海尔和美的为代表的家电企业转型智能家居方向；
（b）以小米和360为代表的互联网新贵从硬件入口开始卡位；
（c）以百度和谷歌为代表的互联网巨头从AI技术发力打造生态圈；
（d）以海康威视和大疆创新为代表的计算机硬件制造商转型智能硬件的行业应用。
4.2.2未来跨场景通用人工智能生态圈的格局
1、基础资源支持层实现路径：颠覆冯·诺依曼架构人脑芯片等技术将突破计算能力极限
未来的人工智能将致力于通过底层硬件架构的变革来实现。不同于现阶段底层对云计算的依赖，硬件模式将直接从芯片层面实现对人工神经网络的模拟，目标是构建一个硬件大脑。我们认为，这种突破将是下一代计算机科学的发展的重要方向。因为最近10年计算机科学更多关注的技术进步在于信息处理的标的这一层面，可以称之为“大数据”或者“数据大爆炸”时代。在不远的未来，数据大爆炸造成的结果是信息处理能力的瓶颈很快达到，因此，未来10年计算机科学的关注点将会转移到如何突破现阶段的计算能力极限，也就是颠覆冯·诺依曼的硬件架构。这个方向可能是AI在硬件设备上的一个终极解决方案，但从目前的技术成熟度上看，这条路径距离目标还有非常遥远的距离。目前已经看到的方向大致有以下三种：
（1）人脑芯片。2014年8月，IBM宣布研制成功了一款大脑原型芯片TrueNorth，主攻超级计算机专业学习领域。TrueNorth微芯片由三星电子为IBM生产，使用了三星为生产智能机和其它移动设备微处理器所使用的相同制造技术。IBM就该芯片的底层设计与纽约康奈尔大学（Cornell University）纽约校区的研究人员进行了合作。自2008年以来，这一项目获得了美国五角大楼高级计划研究局的5300万美元注资。这款芯片集成了100万个神经元和2.56亿个突触，与普通蜜蜂的大脑水平相当，而人脑平均包含1000亿个神经元和难以统计数量的突触。目前，这款芯片每秒每瓦可实现460亿次神经突触操作，它能像人脑一样去探测并识别模式。简而言之，当人脑芯片发现与字母不同部分相关联的模式时，能够将这些字母关联在一起，从而识别出单词和整句，但距离可以商用的智能化程度还遥不可及。除IBM外，芯片巨头英特尔、高通等公司也拥有了被工程师称之为“神经形态”（neuromorphic）的自主芯片设计。人脑启发软件公司 Numenta创始人杰夫霍金斯（Jeff Hawkins）认为，类似TrueNorth这样的二元芯片未来将让位于能够更有效地模拟出人脑联系功能的芯片产品，找到正确的神经元结构需要经历多年的研究过程。
（2）量子计算。量子计算机是一种使用量子逻辑实现通用计算的设备。普通计算机存储数据的对象是晶体管电路的状态，而量子计算用来存储数据的对象是粒子的量子状态，它使用量子算法来进行数据操作。量子计算机的优势在于强大的并行计算速度。现在的计算机毕竟是二进制的，一遇到比较复杂的建模，像准确预测天气，预测更长时间后的天气等等，就会很费力费时；而超快量子计算机就能算，算得超快。因为当许多个量子状态的原子纠缠在一起时，它们又因量子位的“叠加性”，可以同时一起展开“并行计算”，从而使其具备超高速的运算能力。2014年，谷歌公司与科学家联手研制量子级计算机处理器，目的是未来使机器人像人类一样“独立思考问题”。但达到这个未来需要多久，目前我们还无法预知。
（3）仿生计算机。仿生计算机的提出是为了解决如何构建大规模人工神经网络的问题。通用的CPU/GPU处理神经网络效率低下，如谷歌大脑的1.6万个CPU运行7天才能完成猫脸的无监督学习训练。谷歌大脑实现模拟人脑的突触数量仅为100亿个，而实际的人脑突触数量超过100万亿。采用CPU/GPU的通用处理器构建数据中心，占地、散热以及耗电等都是非常严峻的问题。成本方面，这样级别的数据中心，除了谷歌、百度之外，其他互联网企业根本无力搭建。专门的神经网络处理器成为解决以上问题的钥匙。目前国内的陈云霁团队所搭建的寒武纪神经网络计算机正是基于仿生学的原理，通过寒武纪生物大爆炸中获取的线索，实现的无需访问内存，减少90%以上的片上通讯时间，并支持几乎现有主流机器学习算法的网络计算机。寒武纪神经网络计算机跟主流GPU相比，取得了21倍的性能和300倍的性能功耗比提升。
2、AI技术层的实现路径：通用智能实现跨场景的终极应用
在专用智能的时代，AI的技术应用是要针对不同的场景才能有效的。例如，格灵深瞳的计算机视觉技术，在安防视频监控领域可以识别出犯罪分子的异常行为举动并予以报警，但换做是商场中，格灵深瞳的三维摄像头就无法识别出客户的性别年纪等特征，并根据客户在不同柜台中逗留的时间，分析出客户可能偏好的产品并向其推荐。这两个应用场景其实都是依托于计算机视觉技术进行识别和响应的，但是专用智能时代，受到计算能力和建模能力的约束，同样的计算机视觉技术却无法解决跨场景的应用。
在未来，通用智能到来后，AI技术层的普适性将极大地提升。同样一个视频监控的摄像头加上背后的计算机视觉的云平台，放在不同的场合中，就能够根据用户不同的需求进行不同的识别并做出智能化的决策行为。这种终极应用的到来，必须依赖于计算资源上突破现有的能力极限，并且在建模上超越现阶段的深度学习算法的极限，真正让AI像人类一样去观察和思考并做出行为决策。
3、AI应用层实现路径：AI定义一切智能硬件
未来的智能硬件应该多数是拥有一定终端计算存储和处理能力的标准化硬件配置，通过网络连接中层的AI技术，接受不同的AI应用，为用户提供各种智能化的服务。
在软件时代的说法是“软件定义一切”，表达的是硬件本身是标准化的，软件赋予了硬件具体的功能和身份，从而可以灵活地利用同样的硬件来满足用户不同的需求。在人工智能时代，应该“AI定义一切”，所谓的智能硬件产品本身是标准化的硬件，通过不同的AI应用来响应用户的各种需求。同样的机器人助手，当用户逛商场的时候他会是AI导购，当用户逛公园的时候他会是AI导游，当用户办公的时候他会是AI秘书，当用户宅在家的时候他会是AI管家。
那么，如果这样标准化和高性能的智能终端大范围普及，目前还需要突破的瓶颈主要在几个方面：
（1）传感器技术面临的挑战。在通往通用智能的路上，强大的信息采集功能是未来的智能硬件的必备条件。移动互联时代的主要采集类型局限于文字、图像、语音、视频和LBS等，感知技术的发展是信息采集能力的瓶颈。现有传感器已经开始可以采集重力感应、压力感应等“听”和“看”以外的信息，未来感知能力的提升让智能硬件能够采集多元化的用户信息，包括一些还很不完善的用户感觉提取，如味觉、嗅觉等。以医疗应用为例，未来可穿戴设备可以和医院体检中心的设备一样，实时的采集人体的各种体征体感数据，将这些数据传送到云端，被分析后反馈给用户，如需要在饮食健康和体育锻炼上注意什么，身体有异常情况需要及时就诊和治疗。要实现这个完整的O2O闭环，在最初的信息搜集环节，必须有赖于感知技术的颠覆性创新出现。
（2）高端装备与精密制造的加工能力短板。目前中国企业在构成智能制造装备或实现制造过程智能化的重要基础技术和关键零部件方面主要依赖进口，如新型传感器等感知和在线分析技术、典型控制系统与工业网络技术、高性能液压件与气动元件、高速精密轴承、大功率变频技术、特种执行机构等。机械基础件、基础制造工艺及基础材料是装备制造业赖以生存和发展的基础，其水平直接决定着重大装备和主机产品的性能、质量和可靠性。机械基础件是组成机器不可分拆的基本单元，包括：轴承、齿轮、液压件、液力元件、气动元件、密封件、链与链轮、传动联结件、紧固件、弹簧、粉末冶金零件、模具等；基础制造工艺是指机械工业生产过程中量大面广、通用性强的铸造、锻压、热处理、焊接、表面工程和切削加工及特种加工工艺；基础材料特指机械制造业所需的小批量、特种优质专用材料。这些机械基础件的加工能力不足也将成为AI所标配的智能终端的瓶颈之一。
（3）成本压缩。这里的成本包括了电子元器件成本和制造加工成本两部分。在智能手机制造业，传感器等元器件的大规模应用的瓶颈在于成本和尺寸。根据智能手机行业的规律，某新型传感器如果想要做进手机中，造价不能高于1美元，而尺寸不能大于1英寸。在未来的智能硬件领域，这样的挑战仍然存在。
4.3 AI产业格局的发展趋势：目前以竞争为主，未来将有更多合作
4.3.1 专用智能阶段：具备先发优势的AI企业跑马圈地
AI时代的产业三层架构中，理想的格局是：每一层由不同的企业完成，相互之间无缝对接地合作。但是现阶段的竞争格局是：有能力的企业都希望打通三层，实现在专用领域中的一家通吃。他们有的从上往下延伸，如苹果、海康威视、小米等智能硬件企业；有的从下往上拓展，如百度、谷歌、IBM等互联网和IT的巨头，以及科大讯飞、格灵深瞳等AI技术新贵。
当前的产业格局中，大部分的企业都是跨2层甚至是3层的AI产品和服务提供者，但我们可以按照他最有优势的领域进行层级归类，如此就得到了以下的现阶段AI产业格局图。
目前，国内最具代表性的具有完整定向智能三层架构的企业是百度与科大讯飞。百度大脑底层的开放云与数据工厂是基础资源支持层；基于深度学习算法对客观世界进行建模，产生计算机视觉和语音识别等定向智能应用的是AI技术层；baidu inside模式则构成了应用层，输出AI应用，笼络产品与服务的开发者加入，反过来再通过开发者接入产品与服务所获取的用户数据，来训练百度大脑提升智能化程度。
科大讯飞也在2014年8月提出了“讯飞超脑”的项目，整个系统的架构与“百度大脑”高度相似，也是基于底层的超算平台和大数据分析能力，在中层通过认知计算和机器学习的处理，实现包括语音语义的识别，图像的识别以及知识表示的AI技术，通过顶层的ifly inside输出给各种智能终端，提供包括交互在内的各种AI应用服务。
除了大企业，很多中小AI企业也努力打通上下层以整体解决方案的形式来提供产品和服务。所以在现阶段，我们看到格灵深瞳自己做了计算机视觉的云平台，对接自己贴牌的可实现三维视频采集的智能摄像头，形成了针对安防行业的完整三层解决方案。我们还关注到，face 通过在阿里云平台上租用计算和存储资源，结合自身的深度学习建模算法，为包括美图秀秀，世纪佳缘和360图片搜索在内的应用服务客户提供人脸识别的技术。
在定向的专用智能的阶段，各家比拼的是人才储备、专用领域的数据资源、专项算法和一定的高性能计算以及弹性存储资源，这些条件都是处于各层的龙头企业力所能及的资源，所以，目前的AI产业格局更多地表现出“竞争”而非“合作”，整个行业依然处于野蛮生长的初期阶段，巨头和新贵们都在忙着跑马圈地。
我们认为：在专用智能阶段，最值得投资的是已经具备先发优势的AI企业，无论他处于哪一层都可以。
4.3.2 通用智能阶段：竞争性合作为主，门槛决定竞争优势
在未来，AI产业链的格局会从注重“竞争”慢慢转向为“竞争性合作”，跑马圈地之后必然进入精耕细作的阶段。
随着定向智能逐步向通用智能进化，AI技术对于计算资源和大数据的需求将呈几何级数的增长。这个阶段，如何突破计算能力的极限将是最关键的环节，在人脑芯片，量子计算等尖端领域拥有研发优势的企业将有能力率先向通用智能发起挑战，他们拥有的计算资源和技术优势构成基础资源支持层的护城河。另外一方面，承载社会级应用的通用智能的AI行业将成为重资产行业，实现这些功能所需要消耗的计算和数据资源将不是任何企业都可以负担的起的。那么，竞争性合作的局面会自然到来。
根据我们的判断，在通用智能的时代，底层的AI基础资源支持将会是由以谷歌、百度和IBM为代表的巨头所把持；中层的技术开发产生多元化发展的局面，专注于语音、语义和图像等模式识别的公司，以及通过知识图谱和专家系统等路径开发商业智能和刻画用户数据画像等应用的公司，都会借助底层的资源发力自己的优势领域；顶层的应用则将是以生产加工标准化的硬件终端的制造企业为主，开发出不同的产品接口来对接中层的技术实现“AI定义一切”的智能硬件。
我们认为：在通用智能时代，进入门槛最高，护城河最宽的是底层AI资源支持的平台企业；其次是技术层中在细分领域具备核心竞争力的领先企业；门槛最低的是应用层的企业，标准化程度越高意味着同质化竞争越激烈，但消费电子的产品属性也将允许差异化竞争的空间。
5．人工智能直接应用市场空间广阔
人工智能的应用将催生出万亿元级别的庞大市场。本章中我们先探讨人工智能直接应用的市场空间，下一章将探讨其对别的行业的颠覆和重塑。
人工智能涉及领域众多，有些方面的开拓只处于初级阶段甚至尚未起步，因此无法做全面的分析，在此我们主要列举自然语言处理和计算机视觉这两个已有明显进展的领域的市场空间。
5.1 自然语言处理（NLP）
语言是人类区别其他动物的本质特性。在所有生物中，只有人类才具有语言能力。人类的多种智能都与语言有着密切的关系。人类的逻辑思维以语言为形式，人类的绝大部分知识也是以语言文字的形式记载和流传下来的。自然语言处理（Natural Language Processing，简称NLP）旨在解决计算机与人类语言之间的交互问题，这其中包括对自然语言的分析、理解、生成、检索、变换及翻译等方面。比如，从文本中提取意义，甚至从那些可读的、风格自然、语法正确的文本中自主解读出含义。
实现人机间自然语言交互意味着要使计算机既能理解自然语言文本的意义，也能以自然语言文本来表达给定的意图、思想等。前者称为自然语言理解，后者称为自然语言生成。因此，自然语言处理大体包括了自然语言理解和自然语言生成两个部分。历史上对自然语言理解研究得较多，而对自然语言生成研究得较少。但这种状况近年来已有所改变。从目前的理论和技术现状看，针对一定应用，具有相当自然语言处理能力的实用系统已经出现，有些已商品化，甚至开始产业化。例如，多语种数据库和专家系统的自然语言接口、机器翻译系统、自动文摘系统等。通用的、高质量的自然语言处理系统，仍然是较长期的努力目标。
根据市场研究公司Research and Markets数据统计，2013年全球自然语言处理市场规模达37.87亿美元，预计2018年将达98.58亿美元，年复合增长率21.1%。
我们将自然语言处理技术分为语音识别和语义识别，分别阐述他们的市场规模。
5.1.1语音识别2.0时代，改变人机交互方式
语音技术是使计算机具有类似于人一样的说话和听懂人说话的能力，语音比其他的交互方式有更多的优势，成为未来最被看好的人机交互方式。2011年苹果公司开始推出语音助手Siri，掀起了语音交互的风暴，微软Cortana、Google Now、百度语音助手以及大量的独立语音助手相继面世。不少智能设备（包括智能手机、智能电视、智能家居、车联网系统）中，语音交互也已成为标配。语音识别1.0时代使用的是统计概率加人工干预技术，可以说识别精度达到了极限。现在，语音识别技术可以采用无监督式机器自动学习，其背后是GPU深度学习基础设施在支撑，不仅更准确，识别所需的运算更加快速和经济，可以大大提升实际的使用效果。2014年12月，百度首席科学家吴恩达宣布，百度已经在语音识别领域取得重大突破，百度Deep Speech在嘈杂环境中的表现好于同类技术，例如汽车内或人群中。在嘈杂的背景中进行测试的结果显示，Deep Speech的错误率比谷歌语音API、Wit.ai、微软必应语音和苹果Dictation低了10%。技术创新和突破将使语音识别进入2.0时代。
语音识别技术根据其属性，基本功能可归为两大类，一类是根据人本身的声纹特征来进行身份认证，另一类是根据人发出特定的语音指令来进行命令控制。在移动互联网时代，搜索的特性之一就是无处不在的多元化的输入方式，图像、位置、语音是典型的新型搜索。语音识别技术提高语音识别率之后，可以增强用户使用意愿进而提升用户粘性，并且反过来贡献语料提升语音识别能力。Google、微软、百度等巨头已经将语音识别能力通过API开放出来，通过语音技术来取代键鼠或者触摸屏这两种最常见的交互方式，尤其是在移动、家居、汽车等特别场景之下，彻底解放我们的双手。手机用户不必按键，只需要对着手机发布命令即可；医生可以口述患者的病历，而旁边的设备就能自动记录下来；驾驶员可以“告诉”GPS他们的目的地，这一切通过口头指令来控制操作的应用已经不仅仅出现在科幻小说中了，而是真正成为了现实。
国际上主要的语音技术公司：
在国内，语音技术的应用起步较晚，而且由于中文具有独特的声调、大规模复杂的同音同意字和词，给技术和产品化带来了巨大的挑战，最早的科大讯飞，后续捷通华声紧步相随，再加上中科信利、云知声等传统新秀语音企业的加盟，去年开始，百度、搜狗、腾讯等由于自身业务需求应用，也通过资本收购或者自主研发进军语音市场。
语音识别的应用市场基本可以包括这几个方面：桌面应用、嵌入式应用、电信级系统应用、Web应用以及特殊应用领域等。
1、传统电信级信息服务市场增速稳定
从国内市场来看，呼叫中心从最初的金融、电信、航空等行业，已经辐射到数十个行业，其中不仅包括服务类呼叫中心，也包括营销类呼叫中心。中国的呼叫中心产业正处于从起步阶段向成熟阶段迈进的过程中，不仅发展速度较快，业务范围也在不断延伸和升级。根据前瞻网预计，到2015年底中国呼叫中心产业累计投资规模将超过1000亿元，年复合增长率为11%左右，总坐席规模将达到96.11万个。未来3-5年，国内呼叫中心将因为企业级呼叫中心需求量的持续增长及电话营销等非服务性业务的展开而稳步增长，预计年均复合增长率13-15%。
语音技术在电信领域应用相对早些，目前呼叫中心提供的自动语音服务主要由交互式语音应答系统(Interactive Voice Response)支持。客户通过按键或语音选择，向企业主机输入信息，在允许范围内访问各类企业数据库，自助得到多种服务。IVR系统应用的并不是真正意义上的语音识别技术。
能够准确理解客户意图的语音识别技术在呼叫中心的应用有很大的发展空间：它一方面能够降低人工成本，另一方面可有效改善客户体验，降低差错率，节省通话时长，提高效率，将在呼叫中心中起支撑性决定作用。估计目前人工服务仍占呼叫中心业务量的50%以上，可以确定的是，对传统语音应答系统以及人工服务业务的双重替代将使语音识别技术在电信级服务市场保持快速增长。
2、智能移动终端推动语音交互应用大发展
自苹果发布iPhone智能手机以来，手机产业的格局发生了革命性的变化，逐步进入智能手机时代，相关产业的发展也进入了快速上升通道。2008年，全球智能手机销售量为1.39亿部，仅占全球手机销量的11.40%，到2013年，全球智能手机销售量已经达到了9.68 亿部，占全球手机销量的53.56%，相比2008 年增长近6倍，年均复合增长率为47.36%，远高于全球手机（包括功能和智能手机）总销量的增长速度。
与苹果iPhone掀起智能手机的触控风潮类似，2010年苹果iPad的发布也掀起了平板电脑的热潮，平板电脑对传统PC产业，甚至是整个3C产业带来了革命性的影响。2010年全球平板电脑出货量为1700万台，同期PC出货量为3.46亿台，占比4.68%。而到了2013年，全球平板电脑出货量激增至2.171亿台，同期PC出货量为3.219亿台，占比40.27%，相比2010年增长近13倍，年均复合增长率为233.73%。
智能手机和平板电脑是目前人们最常用的移动互联网终端，采用语音识别的人机交互方式，一方面较现有的触摸屏输入方式更加方便快捷；另一方面，也使得移动终端上大量的应用服务，如购物、社交、导航等能带来更好的客户体验，满足消费者的需求痛点。而4G通信时代的来临使得语音的传输速度大大提升，为语音交互的爆发提供了坚实的基础。
苹果、微软和Google已经分别在各自的手机操作系统中安装了语音助手Siri、Cortana和 Google Now，而这只是语音识别技术进入移动终端领域的一个开始。
3、车载语音系统将进入普适市场
语音助手存在着一个巨大的市场——汽车市场。随着移动技术的不断发展，汽车智能化逐渐成为科技界关注的领域，而这其中的主角自然就是车载系统。尽管大部分汽车厂商都在车载系统的研发上投入了巨资，而目前一些中高端汽车上所配备的车载系统的功能已经相当强大，但是这些系统与移动设备的整合一直还有比较大的改进空间，毕竟对于消费者来说，肯定是越简单越好，而这也为科技企业进军车载系统提供了足够的理由，于是我们就开始在汽车领域中频频看到苹果和谷歌等科技巨头的身影。同时汽车厂商很难就车载平台达成一致的标准，消费电子企业的介入让人们重新看到了曙光。微软、谷歌、苹果各自凭借在移动终端操作系统的优势，纷纷推出了自家的智能车载系统，随着语音识别技术的提升，凭借在语音技术沉淀和积累，智能车载语音系统在度过试水期之后，有望迅速进入市场。
根据全球语音识别巨头Nuance公布的数据，近两年来车载语音识别技术使用群体保持了可观的增幅，2012年全球有2000万台新车搭载了Nuance的语音识别技术，而在2013年这一数量已经攀升到2800万辆，同比增长了40%。而同时2013年全球汽车产量达到8724.98万辆，同比增长3.6%。由于前十大汽车制造厂都是的Nuance客户，我们可以大致估算2012年新车搭载车载语音识别技术的渗透率为23.7%，2013则上升至32.1%，依然有很大的发展空间。我们认为，在语音识别2.0时代，车载语音系统市场将因为用户体验的极大改善而出现快速发展。
Nuance是最初Siri的语音技术提供方，其技术壁垒是在不断地被变相“瓦解”，大公司对Nuance的依赖正不断的减少，加大了对语音识别技术的研发投入，并且都推出了语音识别产品。微软、苹果和谷歌都拥有自己的语音产品Cortana、Siri和Google Now，同时联合世界各大汽车厂商成立联盟，搭建车载系统。
4、智能家居：从手控到声控
触摸、语音、手势是人与智能家居（比如电视机、冰箱、空调、体感设备等）进行交互的三种方式。触摸这种交互方式分为触屏操控和遥控器，触屏首先被抛弃了，因为用户不会乐意一直走到跟前进行触屏交互。虽然有遥控器，但这么多年来遥控器没有什么进步，根本无法提供友好的交互体验。手势操作很酷，但目前还不成熟，没有达到大规模应用的阶段，所以语音交互将是智能家居最好的选择。
在智能家居领域，智能电视是作为智能家居率先爆发的产品，国内乐视、TCL&爱奇艺、小米、阿里&创维先后发布自己的产品，传统电视厂商、手机厂商、视频网站、电商等全都粉墨登场。2014年国内出货量就将达到7600万台，预计2015年智能电视国内出货量就将突破一亿台。语音被认为是移动互联网时代最重要的入口之一，在智能电视上，语音的入口梦或许更有可能实现。
语音识别技术的应用正在全面铺开。根据国内最大的语音识别厂商科大讯飞2014年中报收入6.48亿元以及其市场份额约60%测算，目前国内语音识别产业总体规模约为20亿元左右。中国智能语音产业联盟发布报告认为语音产业规模能带动约10倍的相关产业产值，因此2014年与语音识别技术相关的产业产值能达到约200亿元。我们认为，随着语音识别技术的日益完善以及高端需求的不断增长，势必孕育出相当大的市场规模，因此未来爆发可期。
5.1.2语义识别：应用领域更广
语义识别和语音识别同属自然语言处理范畴，关系密切，是同一枚硬币不可分割的两面。简单地说，语音识别分析出一句话说的是什么，而语义识别要分析出这句话真实的意思。因此不难理解的是，语义识别技术难度更大，应用的范围也更加广泛，不仅在语音领域，在非语音的大量文本识别和处理方面也扮演着举足轻重的角色。
大数据的应用为处理人类语言分析需求，实时提取分析数据并反馈提供了强大的基础。在某些行业，比如医疗和资本市场，信息的及时处理和加工显得尤为重要。例如，实时社交大数据分析服务提供商Dataminr每天通过分析数亿条公开tweets，并利用其复杂的算法结合用户发tweet时所在位置以及用户的信誉程度等权重从这些数据中识别出有价值的信息，从而为客户提供重要预警。2013年5月，在美国马里兰州Baltimore市附近的一次货运火车出轨事故中，Dataminr比新闻媒体提前16分钟发布了相关信息。而该发生事故的货运铁路公司的股票则在新闻媒体报道事件后马上出现下跌，这充分证明了信息处理的价值。
Twitter、微博、点评网站等非结构化信息的社交媒体内容的数量不断上升，为客户认知和品牌价值丰富提供了可能，进一步助长了语义识别技术在各种应用中的使用。基于文本的情感分析在全球各地的许多商业机构的需求也在不断增长。当语义识别的引擎足够强大，足以处理所有文本信息，检测其语言和传播方式，这将为商业客户和政府提供了极大的便利，它在金融服务（实时的投资信号检测）、市场营销（分析消费者情感与意见影响关系树）、政治运动、电视（实时反馈与口碑监控）、突发新闻等领域将非常具有潜力。我们列举几家语义识别技术比较成熟并且进行商业模式创新的公司，拓宽挖掘市场价值的思路。
国内市场目前以舆情业为主，未来有望拓展
随着网络舆情的重要性越来越凸显，政府和企业对舆情监测的需求不断上升，这推动了舆情监测市场进入高速成长期。截止2013年底，全国共涌现出800多家舆情软件企业，这个数量还在不断增长，预计2014年会突破1000家。舆情监测以中文信息处理技术和中文自然语言处理技术为基础，融合了信息检索、文本挖掘等研究技术，提供中文智能信息挖掘与智能分析软件，具有对海量文本内容进行智能检索、智能分析及智能化自动处理的功能，可以解决海量信息的智能分析处理，推动政府、媒体和企业信息化进程，助力网络传播研究。
从中央部委到基层市区县，都很重视舆情监测。民政部公布的《2014年购买社会服务指导目录》显示，舆情监测成为政府向具备资质的社会组织、文化企业等单位购买服务的项目，政府可委托其提供系列舆情产品和其他相关服务。2014年全国城市省市县区行政级别的数量为2586个，我们保守估计县区以下各行政机构采购相关舆情监测系统的百万元级别，则整个舆情业的市场规模将达数十亿元以上。
未来语义识别将和文本挖掘、数据挖掘等技术结合，更多地应用在商业化的领域，发展空间巨大。
5.2计算机视觉（CV）
计算机视觉（ComputationalVision，简称CV）是一门研究如何使机器“看”的科学，广义上包含了非可见光的图谱分析、热传感图像分析等领域，但狭义来讲就是图像和视频分析：在没有文字或其他信息（例如访问图像的用户信息等）的辅助下，仅根据图片像素信息分析出图像的语义。计算机视觉试图建立能够从图像或者多维数据中获取“信息”的人工智能系统。计算机视觉的最终研究目标就是使计算机能象人那样通过视觉观察和理解世界，具有自主适应环境的能力。要实现这个目标，第一是图像处理，第二是图像理解。作为一个工程学科，计算机视觉寻求基于相关理论与模型来建立计算机视觉系统。这类系统的组成部分包括5个部分：程序控制、事件检测、信息组织、物体与环境建模以及交感互动。
计算机视觉主要应用在如制造业、检验、文档分析、医疗诊断以及军事等领域中。美国计算机视觉公司Orbeus创始人将计算机视觉描述为具有“大量数据定性分析”的特点：一是搜索，二是视频分析，三是定性分析。对于搜索，早先的Google ImageSearch、Google Gaggle，还是后来推出的百度识图，其概念在于解决“当你不知道该如何用文字和词语描述一件物体时，还能够进行搜索”。对于视频分析，该领域最重要的特点是数据量大（单个视频轻松达到上万张图片），而且相比搜索，数据相关性更强，可以用前后帧分析的结果做数据平滑，理论上能够把分析的精度做得比图像更高，因此也是一个非常适合计算机视觉技术大展拳脚的领域。最后是计算机视觉技术对某些垂直领域进行定性分析。这类需求非常多样：商家希望统计用户对商品的关注度，广告公司寻找目标人群，互联网或者媒体公司做战略决策时需要多媒体的统计信息等等。比如在商场装多个摄像头做人脸识别和跟踪，用以统计类似于在某些货架前停留时间比较长的人群属性，例如男女年龄段和表情等，做用户特征分析。
我们列举国际上主要的计算机视觉公司：
计算机视觉应用领域极其广阔，现列举几个主要的直接应用领域：
1、智能视频监控：爆发式增长可期
随着平安城市建设等各项政策的继续开展和深化，以及交通、教育、金融等各行业用户安防意识的不断增强，预计视频监控市场将保持强劲增长。2014年整个视频监控市场规模为304亿元，同比增长21.12%。而未来，在政策扶持、意识提升、治安需要、经济增长等因素的推动下，我国视频监控设备市场将拥有更大的发展空间，预计未来5年年均增长率维持在20%左右。
我国视频监控行业的下游涉及众多行业，包括交通、城市治安、政府项目、金融、教育、民用、电信、公共设施、酒店娱乐、石油石化等，其中交通、城市治安、政府项目、企业应用、金融和教育为六个最主要的应用行业，广阔的应用领域为下游需求增长奠定了基础。
目前的视频监控只能实现记录功能，计算机尚无法准确识别视频中的人、物以及场景，要实现全方位的实时监控，还必须依靠大量的安保人员时刻紧盯屏幕，监视所有摄像头传过来的全部视频，这显然难以在实际工作中做到。即便能够做到，安保人员也会因为疲劳和疏忽而错漏掉某些稍纵即逝的重要情况。以警方办案为例，往往要调用案发现场及周边大量的历史监控录像进行持续数天甚至更长时间的肉眼识别，才可能发现破案线索。而具备视觉的智能视频监控系统将彻底改变现状，监控的及时性和有效性都将大大提升。
智能视频监控系统应用主要包括几个大类：1、对人、物的识别；2、对人、物运动轨迹的识别；3、对视频环境影响的判断和补偿。对人、物的识别是识别监控系统关心的内容，包括人脸识别、车牌号识别等；人、物运动轨迹的识别和处理，目前细分的很多，主要包括虚拟警戒线、人数统计、车流统计等；对视频环境影响的判断和补偿：环境的影响主要包括雨、雪、大雾等恶劣天气、夜间低照度情况、摄像头遮挡或偏移等，智能视频监控系统技术应用能够在恶劣视频环境情况下实现较正常的监控功能。在实现智能分析功能时，一些关键技术尤为重要，比如移动目标检测提取中的帧差背景去除，光流法，混合高斯模型背景差分等；目标分类和行为分析中的相似度分类和特征分类；异常行为分析中的运动矢量跟踪，数据关联，最大似然算法，超分辨率重建等。
随着技术的突破，我们预计智能视频监控在不久后将出现爆发式增长，增长一方面来自新市场的开拓，另一方面来自对现有监控系统的改造和替代。
2、医疗：图像理解将为计算机提供辅助诊断能力
医疗图像具有很大的数据量，面向医疗图像的数据研究成为医学和计算机科学交叉学科研究的一个十分重要的领域。医疗图像的高分辨率、数据的海量性、图像特征表达的复杂性等特点，使得人工智能技术在医疗图像中的研究具有较大的学术价值和广泛的应用前景。医疗图像分析是用计算机对医学图像进行自动处理、特征抽取和分类的技术。分析的主要对象是人体细胞涂片图像、人体各部位的X射线照片和超声图像，这对辅助医生进行医疗图像临床诊断具有重要实用价值。
从全球产业市场规模来看，随着人们越来越重视对慢性疾病的预防，全球影像诊断设备市场规模不断扩大。2012年全球医疗器械市场销售额达3490亿美元，其中影像诊断产品市场销售额达361亿美元，预计2018年，全球影像诊断设备市场份额将以年均3.8%的速度增长，市场销售将达到 451亿美元，而不同细分领域复合增长率约为15%-40%。我国医疗器械市场规模维持高速增长，将成为继美日两国之后的世界第三大市场。预计市场总规模将按19.8%复合年增长率，由2012年 2420亿元增加至2017年5970亿元。其中，医疗影像诊断设备在我国医疗器械细分市场中规模最大，占据38%的份额。
计算机视觉在医疗领域的应用目前已经很多，但还主要停留在图像处理的层面，例如CT和核磁共振，就是采用了图像处理中的图像重建技术。这类图像处理技术可以为医生诊断提供帮助，但系统本身并不具备诊断功能。当计算机系统具备接近人类的图像理解能力时，将可以智能化地完成一些诊断功能，这也是目前研究的重点。
3、机器视觉：“工业自动化之眼”
机器视觉主要指的是计算机视觉在工业自动化领域的应用。机器视觉把计算机的快速性、可重复性与人眼视觉的高度智能化和抽象能力相结合，大大提高了生产的柔性和自动化程度，机器视觉广泛应用于工业控制领域。根据工业环境的不同，机器视觉主要分为以下两类：一类是用于大规模或者高测试要求的生产线上，如包装、印刷、分拣等，或者在野外、核电等不适合人员工作的环境中，利用机器视觉方式代替传统人工测量或检试，同时实现人工条件下无法达到的可靠性、精确度及自动化程度。另一类应用是高精密的专业设备制造，典型代表是最早带动整个机器视觉行业崛起的半导体制造设备。从上游晶圆加工制造的分类切割，到末端电路板印刷、贴片，这类设备都依赖于高精度的视觉测量以对运动部件进行导引与定位。
在大批量工业生产中，用机器视觉检测方法可以大大提高生产效率，减少人工风险。比如在药品生产中，采用机器视觉产品不仅可以提高药品质量检测的准确度和生产效率，还可以避免人眼长时间工作而造成的视觉疲劳。另外，将机器视觉应用于机器人的引导中，可以实现生产的柔性化，使生产线很容易适应产品的变化，这成为未来发展趋势之一。2014年全球机器视觉系统及部件市场规模为36.52亿美元，预计2014-2018年的年复合增长率（CAGR）为8.2%，2018年全球机器视觉市场将达到50.43亿美元。
4、无人驾驶：让汽车看懂一切
在2015年CES展上，汽车行业成为本次展会的一大亮点，多家汽车厂商和科技公司展示了无人驾驶和智能汽车技术。奔驰发布可自动驾驶的F015 Luxury inMotion概念车；大众发布高尔夫R Touch概念车，展示全新的车载信息技术；奥迪公司则展示其研发的Piloted Driving无人驾驶技术。而作为该领域领导者的谷歌表示，第一款真正自动化的无人驾驶汽车能在5年内做好量产的准备。无人驾驶会让汽车的使用更加高效、安全和节能，它能够自动规划行驶路线，避免发生交通事故，同时降低尾气排放和节约能源。汽车的终极目标就是无人驾驶，将是第一个被人类广泛使用的机器人。
汽车要无人驾驶，最大的障碍就是计算机视觉。要控制汽车的方向盘、油门、刹车等，汽车的传动系统就可以做到，但是要让汽车能够看懂路况是非常困难的，只有当汽车能够看懂路上发生的一切，能够自己判断的时候，才能真正的实现无人驾驶。谷歌无人驾驶汽车顶上的摄像头能够判断前方路况，实现对前方物体的三维成像，用于检测前方突然出现的障碍，如行人，动物，以及判断信号交通标志等。
根据美国市场研究机构Lux Research预测，到2030年，全球将有1200万辆无人驾驶汽车售出，而汽车普及量逐年增长的中国将占有这个新市场高达35%。鉴于停车辅助雷达或紧急刹车系统都需要摄像头，一辆高端汽车身上可能藏有8个摄像头，如果再加上替代后视镜以及路况监测等系统的摄像头，总数将达到12个，因此预计2030年全球无人驾驶汽车摄像头需求量将达1.44亿个，我们按每个车载摄像机价格100美元计算，无人驾驶汽车在计算机视觉领域的市场规模将达144亿美元。
6. 人工智能的延伸冲击：智能化浪潮与IT设备投资新周期
随着深度学习和机器智能的进步，人工智能应用的范围越来越广，从语音语义图像为代表的感知技术，比如语音助手、图像搜索等；到以底层技术为支撑的硬件输出，包括机器人、无人机、智能家居等；还有以知识图谱，专家系统等深度学习和机器学习技术支撑的互联网和物联网的应用创新，应用领域包括了工业4.0，生活服务O2O，商业智能，农业智能，物流智能等。毋庸置疑，人工智能技术能够帮助我们重新定义各行各业，智能化的大潮即将来袭。
6.1AI技术的行业应用：正在被颠覆和被重塑的行业
6.1.1 AI重塑生活服务O2O
生活服务O2O是未来电子商务发展的重要趋势。艾瑞报告指出，相比较与庞大的网络购物市场规模，本地生活O2O渗透率较低，仅为4.4%左右。其中，餐饮O2O的市场占比最高，达40%。生活O2O核心观念在于提供本地化的生活服务，并且通过网站帮助商家更好地做营销，同时借助点评分享社区，让用户有更多的参与。AI技术的提升能够实现智能化的餐饮推荐、线下即时图像搜索等，给生活服务O2O带来新的变革，提升市场规模。
互动餐饮推荐市场规模测算：利用AI的深度学习算法或者图像识别技术，可以为O2O带来智能推荐服务。比如Nara基于神经元的网络结构设计了一套推荐算法，根据人们的偏好与品味去推荐餐馆。而且，像人的大脑一样，Nara也拥有学习能力，它可以把现实中的信息进行情境化分析。Nara强调自身不是一个“搜索引擎”，而是一个“发现（find）引擎”，这样每个人被推荐的餐馆都是不一样的。目前北美已经有一百多万家餐馆纳入了Nara 的推荐系统。我们假设每家餐馆为每位通过Nara引擎推荐来的客户进行付费1美元，平均每家餐馆每年通过Nara获得的订单数量为1000份，则每年Nara所面临的餐饮智能推荐市场规模约为10亿美元以上。
另一家公司ViSenze是图像搜索和识别技术服务商，用户在线下拍到的商品，可以通过其图像搜索技术直接导购到电商网站。该图像识别和搜索技术的商业模式是为C端互联网用户服务并向在线电商的商家收费，取代原有的流量导入模式，为用户提供更为精准的搜索体验。我们测算其市场规模将超过100亿美元/年。
O2O市场规模存在着巨大的增长空间，我们以餐饮业为例，2014年中国餐饮O2O市场规模为913.8亿元，同比增长46.56%。从渗透率来看，餐饮O2O 市场规模占整体餐饮行业的比重还非常小，仅为3%。AI能帮助各类餐饮服务网站和应用大量做智能化推荐，提升用户的参与度。通过AI技术将餐饮O2O市场的渗透率每提升1个百分点，就能够直接为该市场扩大300亿元/年以上的规模。其他的O2O市场还有诸如在线旅游，在线医疗和在线教育等，均存在着巨大的AI智能推荐市场空间。
我们关注A股上市公司中，有几家聚焦生活服务O2O的计算机公司，他们现阶段都已经在为O2O的不同环节提供信息化和数据服务。未来，他们的主业都有可植入AI应用的重要方向，我们进行了梳理和推荐。
6.1.2 AI重塑医疗
基于医疗图谱的AI应用正在对医疗行业进行重塑，通过对电子病历、医疗影像、病理生理学等数据整合，可以分析和预测人体的健康状态，并获取准确的处方信息，帮助医生做出迅速有效的判断。
Enlitic公司通过一个基于云技术的分析平台，他们将一些看似不相关的数据集中起来，帮助医疗组织分析出一些有见地的信息。Enlitic通过研究，整合，建模，分析，以及可视化等功能转换数据。帮助医疗提供商与用户交互，并用完全不同的方式营销他们的服务。数据可能包括X射线，核磁共振，CT扫描，三维医疗等影像。Enlitic软件可以插入到医疗机构已经在使用的系统当中，从而分享或查看医疗图像。医生可以标注图像，然后单击以找到其他类似的数据元素，来诊断病情。
国内医疗影像分析市场份额估算：2014年全国三甲医院1475家，二甲医院6957家，每家医院细分的科室有数十个，我们按医院配备整个就医科目的医疗影像分析软件，医疗软件价格按200万元计算，保守估计医疗影像分析的市场规模就超过150亿元。
此外我们整理了其他一些前沿公司如何运用AI技术，给现有的医疗行业带来新的辅助治疗方法，以及其市场规模的测算。
我们关注A股上市公司中，有几家聚焦智慧医疗的计算机公司，他们现阶段都已经在为医疗诊断的不同环节提供信息化和数据服务。未来，他们的主业都有可植入AI应用的重要方向，我们进行了梳理和推荐。
6.1.3 AI重塑零售业
基于视频监控的AI应用将对零售业进行重塑，通过对摄像头采集的视频数据的AI分析，可以为店主提供客户的热点图和路径图等辅助决策信息，帮助商家重新调整出更好的物品摆放位置来促销，也可以给消费者购物便利。
美国Prism Skylabs公司配合商家现有的摄像监控网络，将监控录像传回云端做分析处理，可以得出客户在商店内的路径图，热点图，每天客流量和客户停留时间等。客户热点图和路径图可以帮助商家重新调整出更好的物品摆放位置来促进销售，这样就将监控视频的价值扩大了。Prism Skylabs不仅可以帮助商家，也能给消费者便利消费者能直接在网上看到店铺内的情况，如人多不多，还有没有空位。
对于线下零售实体店，获取用户的浏览行为和采购行为，不及线上用户浏览网页信息那样便捷。视频热点分析，对消费者行动轨迹以及行为模式进行检测、跟踪和搜索，精确统计出在设定的热点范围内的客流量、停留时间、行动轨迹、消费者行为，提供客观的消费行为分析数据，帮助传统零售客户转向数据驱动的管理方式，提高商业运营效率，可以说提供了一种完美的解决方案。
我国零售业热点监控分析市场份额估算：2014中国连锁百强企业门店总数达12万家，视频分析公司能够为大型超市、零售店提供数据和分析报告，我们按每份解决方案1万元计算，热点图像分析的市场规模就超过12亿元。此外我们整理其他一些前沿公司如何运用AI技术，给现有的零售行业带来新的业务提升。
我们关注A股上市公司中，有几家聚焦监控和安防的计算机公司，他们现阶段都已经在为零售业客户提供信息化服务。未来，他们的主业都有可植入AI应用的重要方向，我们进行了梳理和推荐。
6.1.4 AI重塑金融业
AI技术的应用，也在引起金融数据市场的变革。Kensho是美国一家基于云计算的智能计算机系统先锋公司。Kensho结合自然语言搜索，图形化用户界面和云计算，为金融市场的投资人提供一套全新的数据分析工具——Warren，它能够回答复杂的金融市场问题，如各种数据、股票走向等。如“当油价高于100美元一桶时，中东政局动荡会对能源公司的股价产生怎样的影响？”，“朝鲜核试验后48小时内韩国公司三星的股价变化”等，并以图形的方式直观呈现。要回答此类问题，对冲基金的分析师队伍要花上数天的时间，前提条件是他们可以找到所有这些数据。但突破性的Warren软件可以通过扫描药物审批、经济报告、货币政策变更、政治事件、以及这些事件对地球上几乎所有金融资产的影响等9万余份资料，立马就为6,500万个问题找到答案。如果广泛加以使用，Warren软件可以撼动长期以来被彭博社和汤姆森路透社所垄断的260亿美元的金融信息服务市场。Warren有望成为金融领域的虚拟市场研究助手。
在美国市场上还活跃着不少前沿公司运用AI技术，给现有的金融行业不同方面带来新的产品或服务，我们对其市场规模进行粗略测算。
我们关注A股上市公司中，有几家聚焦金融行业的计算机公司，他们现阶段都已经在为金融业客户提供信息化和数据服务。未来，他们的主业都有可植入AI应用的重要方向，我们进行了梳理和推荐。
6.1.5 AI重塑数字营销业
AI技术的进步，也为广告业务带来了新的解决方法。
比如微信朋友圈的信息流（Feeds）广告推送基于大数据分析，通过分析用户朋友圈语言特性，以及朋友圈图片内容，根据对用户收入和消费能力的分析来刻画用户画像，并决定投放何种广告。信息流广告与社交平台上好友发布的信息形式类似，广告本身内容将基于微信公众账号生态体系，以类似朋友圈的原创内容形式进行展现，融合在信息流中，在基于微信用户画像记性定向的同时，通过实时社交的混排算法，依托关系链进行互动传播。
信息流广告这种形式最初被运用在Twitter、Facebook、Instagram、Pinterest等主流社交产品。国内的新浪微博、QQ空间也都相继加入了信息流广告。信息流广告的推送涉及自然语义理解，以及图像识别等人工智能技术。根据用户内容信息贴标签，然后刻画出用户画像数据，可以用兴趣、商业等维度来描述，最后是用户数据输出，商业广告也因此可以按客户群体的类别来进行投放。
信息流广告凭借精准的客户画像描述，相比传统的广告业务模式有着巨大的市场价值。我们以Facebook为例，Facebook的广告投放位置主要包括三个：PC页面右侧的广告栏版块、PC信息流广告和移动端信息流广告。根据Facebook第三季度季报，广告营收29.6亿美元，其中移动广告占66%（约19.5亿美元），移动业务月活跃用户11.2亿，第三季度每个移动用户平均带来的收入约1.74美元，全年估计可以带来将近7美元的收入。移动端广告收入增长迅速，几乎是非移动端的两倍。原因就在于Facebook的秘密武器：让广告主基于目标用户群投放个性化的精准广告。
基于高质量的广告内容和形式、精准的用户投放、再加上信息流这一用户注意力集中的位置，Facebook的移动广告效果，无论从点击率还是广告主的投放成本，都显示出优势。网络广告机构MarinSoftware提供数据称，移动端信息流广告的点击率要比PC端高出187%，而点击成本却低了22%。Facebook的优势在于能够基于用户行为数据实现更精准的广告投放，只有用户数据的积累和算法的优化才会提升信息流广告的精准，这背后的支撑就是人工智能技术。
对微信的信息流广告市场规模的估算：作为国内最具影响力的移动社交软件，微信推出信息流广告是其商业化道路上的一个起点，也开启了这座百亿价值金矿的挖掘。目前，微信累计注册用户数11.2亿，月活跃用户超过4.4亿。假定微信用户的广告价值是Facebook的一半，每个用户每年可以带来广告价值3.5美元，微信4.4亿月活跃用户每年可能带来将近15.4亿美元（将近100亿人民币）的广告收入，无疑将成为中国移动互联网广告的爆炸性产品。
信息流广告基于社交网络数据挖掘，将成为移动互联网时代重要的广告推送方式，给互联网广告市场带来新的增长点。根据易观智库的数据，2014年整个中国互联网广告市场依然保持着高速增长，市场规模预计达1565.3亿元，同比增长56.5%。我们认为，随着AI技术的进步，广告业的精准投放将得到进一步提升，市场规模也有望继续扩大。
我们整理了美国市场的前沿公司如何运用AI技术，给现有的广告业带来新的产品或服务，并估算他们的市场空间。
我们关注A股上市公司中，有几家聚焦在线广告媒体行业的计算机公司，他们现阶段都已经在为数字营销行业客户提供信息化和数据服务。未来，他们的主业都有可植入AI应用的重要方向，我们进行了梳理和推荐。
6.1.6 AI重塑农业
AI技术正在对农业生产进行重塑。我们看到美国市场上已经出现不少为农业客户提供AI应用公司。美国
Blue River Technology是一家农业科技和农业自动化技术服务商，主打机器人系统优化农业经营方式，减少化学农药在粮食生产中的使用。其机器人系统能够自动识别农作物，比如确定幼苗间距是否过小、或是确认哪些杂草应该清除。这帮助农民能减少在购买农药上的支出和人力的投入。
除草机器人里有三个不同算法在工作。第一个只是简单的照相机的取景，这台相机朝地，用来分辨是否长的像植物。这里不仅仅是弄清楚绿色的就是植物，算法还要能够记录植物的生长起点和终点，这样便于之后辨别它。第二个算法是分类，用来确定植物到底是不是杂草。这个算法的准确率达到98%到99%。最后的算法被简单地称为除草算法，它的目的是决定什么时候适合注射剂量足以致死的肥料。因为除草机器并没有处在机器人的视野里，必须要基于机器人移动的速度、杂草的位置以及杂草被分类的时间来决定在哪里注射肥料。
中国农业收割AI应用市场规模估算：根据第二次全国土地调查数据显示，全国耕地面积共18.26亿亩。全国耕地按质量等级由高到低依次划分为一至十等，扣除掉七至十等耕地基础地力相对较差的耕地，其余部分耕地基础地力较高，农田基础设施建设具备一定基础，也可实施农业机械化操作，这部分耕地面积为13.16亿亩。我们参照水稻收割机一天工作10小时可收割40亩，除草机器人的需求量可达658万台，按每台6万元价格计算，市场规模为3948亿元，可以说存在着巨大的空间。
我们整理了美国市场的前沿公司如何运用AI技术，给现有的农业带来新的产品或服务，并估算他们的市场空间。
我们关注A股上市公司中，有几家聚焦农业信息化的计算机公司，他们现阶段都已经在为农业客户提供信息化和数据服务。未来，他们的主业都有可植入AI应用的重要方向，我们进行了梳理和推荐。
6.1.7 AI重塑工业
AI技术正在对工业生产进行重塑。我们看到美国市场上已经出现不少为工业客户提供AI应用公司。Wise.io应对工业领域大规模数据计算的算法采用的是机器学习的方式。它的这个框架可以接受来自Hadoop、MongoDB 等各种数据源的数据。之后引擎会为这些注入的数据创建多维度视图。而机器学习算法会调整视图中每一个像素和其它像素的关系。举例来说，炼油厂、核电工厂等大部分企业都需要做大规模数据分析获得工业安全报告。这些报告目前如果靠人力完成可能需要一个上百人的团队花接近半年的时间，而Wise.io的算法仅仅需要20分钟就能出一份报告，极大的提升了工作效率。
中国的工业数据分析AI应用的市场规模估算：全国大中型工业企业数量大约有4.5万家，如果采用基于机器学习的工业数据分析软件，每套按10万元计算，市场规模就超过45亿元。
我们整理了美国市场的前沿公司如何运用AI技术，给现有的农业带来新的产品或服务，并估算他们的市场空间。
我们关注A股上市公司中，有几家聚焦工业信息化的计算机公司，他们现阶段都已经在为工业客户提供信息化和数据服务。未来，他们的主业都有可植入AI应用的重要方向，我们进行了梳理和推荐。
6.1.8 AI重塑商业
AI对商业领域也进行了重塑，在现代企业的全业务周期范围内，包括招聘、销售、采购、会计财务管理等等业务模块，AI技术均能够帮助企业客户提高效率和节约成本。
以HR招聘为例，人工智能可以通过数据匹配找到合适的人选，代替原有人工检索的方式。社交网站已经可以构建起一个人的肖像，但每个人的信息分散在Twitter、Google 、Facebook、LinkedIn，而且他们还不足以描绘一个人的专业技能。智能招聘软件Entelo通过不停地抓取网页上的信息，包括时事新闻、社交网站、专业社区等；当用户提出需求要招聘符合某些特定条件的候选人后，Entelo就会做数据匹配，它主要解决两个问题——第一，时机：如何率先发现“想换工作的人”并和他们取得联系，例如当一个公司发生了收购或被收购的新闻时，总是会带来一些人事变动；第二，对的人：Entelo会从社交网站、专业社区中做个人信息的检索和匹配，这种方法就像先建立起一个数据库，再从不同的角度过滤数据。除了做数据匹配，甚至可以做预测分析企业什么时候需要招聘新岗位，以及跟踪的职业经理人什么时候可能考虑换工作。
我们整理了美国市场的前沿公司如何运用AI技术，给现有的商业公司带来新的产品或服务，并估算他们的市场空间。
我们关注A股上市公司中，有几家聚焦商业智能的计算机公司，他们现阶段都已经在为商业企业客户提供信息化和数据服务。未来，他们的主业都有可植入AI应用的重要方向，我们进行了梳理和推荐。
6.1.9 AI重塑在线教育
AI技术的应用也为在线教育行业带来了新的模式。
传统的教育模式下老师与学生是一对多的关系。老师的精力有限决定了其教学只能针对平均水平推进。对于学习能力不同的学生来说，这样的教学都欠缺了一些针对性。因此，个性化教育成为了未来智慧教育的趋势之一。根据Knewton公司的报告，93%的教师认为在线教育工具能提高教育水平；95%的教师认为这能更好地吸引学生注意力。以面向100名学生进行1小时课程为例，在线教育的成本约9500美元，而教师辅导方式则要17000美元，能够减少约44%的费用。
我们再看国内市场，根据艾瑞数据显示，2013年中国在线教育市场规模达839.7亿元，同比增长19.9%。其中，中小学在线教育、在线职业教育、高等学历在线教育等细分领域成为市场规模增长的主要动力。随着内容生产方、技术设备提供方、平台搭建方的相继入场，用户习惯的养成，在线教育将会有持续的增长。其中，职业在线教育和在线语言培训属用户刚性需求，且用户付费能力较强，将会成为在线教育发展较为突出的领域。如果能够利用AI技术为在线教育提升教学互动的体验，将个性化的内容和教学方式植入在线教育的课堂中，那么，在线教育的市场规模有望持续高速成长。
美国的在线教育服务公司Knewton提供动态适配学习技术，能够为学生创造个性化学习资源并不断了解学生学习特点的技术。Knewton 的核心产品是在线学习工具，可针对每一位学习者的个性化需求进行适配。
Knewton通过与Pearson等出版商合作将各类课程材料进行数字化，其覆盖的学生范围包括K12、高等教育及职业发展教育等。Knewton 的核心技术是适配学习技术，通过数据收集、推断及建议三部曲来提供个性化的教学。数据收集阶段会建立学习内容中不同概念的关联，然后将类别、学习目标与学生互动集成起来，再由模型计算引擎对数据进行处理供后续阶段使用。推断阶段会通过心理测试引擎、策略引擎及反馈引擎对收集到的数据进行分析，分析的结果将提供给建议阶段进行个性化学习推荐使用。建议阶段则通过建议引擎、预测性分析引擎为教师与学生提供学习建议并提供统一汇总的学习历史。
我们整理了美国市场的前沿公司如何运用AI技术，给现有的商业公司带来新的产品或服务，并估算他们的市场空间。
我们关注A股上市公司中，有几家聚焦教育智能化的计算机公司，他们现阶段都已经在为教育行业客户提供信息化和数据服务。未来，他们的主业都有可植入AI应用的重要方向，我们进行了梳理和推荐。
6.2 AI技术爆发带来的IT设备投资新周期：新一轮云计算建设方兴未艾
一旦人工智能被大范围应用，对于计算资源的渴求程度将会呈现指数级别的提升，那么伴随而产生的IT设备投资需求将出现井喷。
我们以语音识别技术为例，说明AI技术的应用带来的计算资源需求的迅速膨胀。我们分两个极端的场景来看：
1、实验室级别的语音识别应用所需的计算资源。安静环境中，对于标准普通话的限定词库的识别，响应请求的终端数量只有1个。这样所需的服务器资源大约是什么水平？
2、当我们把应用场景扩展到：嘈杂环境中，对于非标准普通话（可能是方言）的非限定词库的识别，响应请求的终端数量超过1000万个。这样的情况下所需的服务器资源大约是什么水平？
回答这个问题，我们首先需要明确AI应用的计算资源分两部分组成：第一，用于训练算法和优化模型的线下研发资源池；第二，将成熟的算法模型用于服务线上客户的海量响应所需的线上服务资源池。相比而言，线下资源池的需求量级更大，一旦完成了线下研发的过程，线下的资源就被闲置出来，等到线上服务响应收集到更多的数据后，进一步对原有模型进行持续优化，因此，线下的研发资源池将是重资产的投入，仅有实力雄厚的巨头企业能够支撑。相比而言，线上的服务资源池的大小取决于同时服务客户端的需求数量大小，是一般的应用服务和产品提供商都可以承受的。
我们以科大讯飞语音识别云平台的架构为例，目前科大讯飞的语音云基础架构分为：业务、调度、计算、存储四个层次，内含2000颗CPU、300片GPU、4PB的存储、40TB的内存，整个架构的硬件造价大约是3000万元。这部分相当于我们上文中提到的线上服务资源池。讯飞的语音云为超过2亿的移动端用户提供语音识别服务，支持同时发生请求的服务数量超过1000万/秒。那么，线下研发计算资源池有多大呢？根据我们的估算，线下研发计算资源池是线上服务计算资源池的10倍以上！也就是至少3亿元以上的IT基础设施投资额。
接下来我们讨论更为复杂的AI应用：图像识别。图像识别相比于同样场景约束条件下的语音识别应用，所需要的线下研发和线上服务的计算资源大约是多少倍？
如果说语音识别中输入的数据是在一定频率之内的音频数据，这种数据所包含的信息量和图像识别应用以像素点作为单元的图像数据比较起来，应该说是沧海一粟的概念。两种识别所需面对的输入数据的波动性大小完全不一样，语音信号的采样频率通常在22.05KHz、44.1KHz、48KHz三段，而图像识别的每个像素点都是在0-256真色彩中随机选取，且每个像素都是24bit的字节中确定的某一点，因此图像识别所需要做的信息处理过程的复杂度要远超语音识别。根据我们初步的估算，图像识别在线下研发计算资源上的要求将超过语音识别的线下研发资源10倍以上。
我们可以进一步思考下，比图像识别更为复杂的针对于海量的实时视频数据的识别和理解，所需要面对的数据和算法的挑战有多么大？由此而对应的计算资源的消耗将会成什么量级的增长？根据我们初步的估算，视频识别所需的线下和线上计算资源可能是图像识别所需的百倍以上，也就是需要数千亿规模的IT基础设施投资。
最后一个问题，图像和视频识别乃至于其他更复杂的AI应用在发展成熟的过程中研发所需要的计算资源，以及可商用之后支撑服务的计算资源缺口到底有多大？是否会掀起新一轮的IT基础设施建设的浪潮？
我们判断这将是一轮数千亿元的大规模IT基础设施投资盛宴。现阶段的云计算和云存储的资源池无法满足未来AI应用的资源消耗需求，千亿级别的云计算和云存储投资潮将拉开序幕，云计算产业链上各环节的企业都将充分受益。
7．人工智能的A股投资标的
我们从两个维度选取相关的投资标的：首先是直接提供AI技术或有关设备的公司，然后是利用AI技术为不同行业提供解决方案的公司。
7.1 AI技术或设备提供商
7.1.1 信息采集技术及设备商
在人工智能时代，首先需要让机器能够采集到和人类的感觉器官能够采集到的一致的外界信息，计算机才能够进而对这些信息进行“拟人化”的处理并作出“拟人化”的决策。因此，我们认为，首先需要突破的是以传感器为代表的信息搜集环节的技术。我们梳理了以下具有代表性的公司为投资人推荐：
海康威视（002415）
海康威视是领先的安防产品及行业解决方案提供商，致力于不断提升视频处理技术和视频分析技术，面向全球提供领先的安防产品、专业的行业解决方案与优质的服务。海康威视拥有业内领先的自主核心技术和可持续研发能力，提供摄像机/智能球机、光端机、DVR/DVS/板卡、网络存储、视频综合平台、中心管理软件等安防产品，并针对众多行业提供合适的细分产品与专业的行业解决方案。
海康威视在视频监控领域处于龙头地位，视频监控产品的不断升级为视频传感器技术发展提供了坚实基础，大量客户资源以及广泛的应用为大数据的搜集提供了可靠的保障。此外，公司大力发展智能视觉分析技术。这种技术是人工智能技术分支之一，主要采用计算机视觉的方法，在几乎不需要人为干预的情况下，通过对摄像机拍录的图像序列进行自动分析，对动态场景中的目标进行定位、识别和跟踪，并在此基础上分析和判断目标的行为，从而做到既能完成日常管理又能在异常情况发生的时候及时做出反应。
同时海康威视旗下品牌萤石与乐视网将在云服务、智能硬件、视频内容等方面展开深入合作，借助乐视网独有的视频生态环境，将旗下的安全生活服务品牌萤石接入家庭用户创造条件，也可通过自身的智能视频技术为乐视电视提供交互服务。
盈利预测及投资建议：我们预期，2014-2016年，海康威视的EPS分别为1.05元、1.42元和2.08元，PE分别为25.4、18.8和12.8倍。考虑到公司传统龙头白马股的回归，主营业绩的稳步提升，新产品和新市场即将突破行业天花板，我们给予公司“增持”的投资评级。
大华股份（002236）
大华股份是领先的监控产品供应商和解决方案服务商，面向全球提供领先的视频存储、前端、显示控制和智能交通等系列化产品。公司已形成音视频编解码算法技术、信息存储调用技术、集成电路应用技术、网络控制与传输技术、嵌入式开发技术五大核心技术平台和面向安防视频监控前沿领域的“大安防”产品架构。
公司作为安防视频监控领域的一线厂商，在视频监控传感器以及数据方面拥有着巨大的技术以及客户优势。此外，公司在智能化领域也逐渐发力，取得了较快发展。公司在智能化算法方面取得重大突破。公司是国内智能交通行业首家推出嵌入式一体化测速仪的厂商，其自主研发的一体化视频检测电警摄像机，可内置车牌识别、闯红灯检测、压线检测、违章变道检测等智能化功能。公司的事件检测系统，可以支持车辆违停、交通拥堵、抛洒物及行人检测等功能，也可提供车流量统计、车道占有率等交通参数，为道路的运输管理提供全面、多种类的分析参考数据，帮助执法管理部门对隧道、高速公路及城市道路突发事件及运输效率的管理。
盈利预测及投资建议：我们预期，2014-2016年，大华股份的EPS分别为1.23元、1.74元和2.11元，PE分别为20.9、14.8和12.2倍。我们给予公司“增持”的投资评级。
东方网力（300367）
东方网力是中国领先的视频应用解决方案提供商，也是国内领先的“平安城市”视频监控管理平台专业公司，为用户提供全面的视频监控解决方案和全方位的高品质视频存储产品。东方网力拥有最领先的技术和最有影响力的客户群，并已成为中国视频监控管理平台的领导厂商，为城市反恐应急、物联网、智慧城市和移动互联网提供可靠的视频应用支撑。
东方网力是城市视频监控管理平台的设计和生产商，位于视频监控管理平台的产业链上游。公司发力于平安城市以及家庭视频监控领域，在数据收集，智能处理分析方面均有所得，同时还通过收购，合作等方式加强自身在大数据应用，智能化分析方面的实力。2014 年 8 月 18 日，公司公告拟以 1.4 亿元收购广州嘉崎智能 51%的股权，嘉崎智能是国内专业从事智能视频分析、特种智能装备的研发与生产商。其在人工智能和机器视觉领域具有独特技术，产品主要分为智能视频监控软件和视频侦查软件。同时，公司于3月15日公告与拥有国内领先的视频智能分析算法，并在视频云计算和运存储处于业内领先水平的奇虎360成立合资公司进军民用视频监控领域。
盈利预测及投资建议：我们预期，2014-2016年，东方网力的EPS分别为1.23元、1.79元和2.50元，PE分别为68.9、47.4和33.9倍。我们给予公司“增持”的投资评级。
梅安森（300275）
梅安森是一家专业从事煤矿安全生产监测监控设备及成套安全保障系统研发、设计、生产、销售的国家火炬计划重点高新技术企业，是国内煤矿安全生产监测监控系统领域的骨干企业。主要产品为煤矿安全监控系统、煤矿人员定位管理系统、煤矿瓦斯抽放及综合利用自动控制系统、煤与瓦斯突出实时诊断系统、各类监控设备及零部件。
公司深耕检测安全监控领域多年，在传感器领域有着多年的积累。工业4.0时代的关键是利用新一代的信息技术做到集中式的灵活控制，检测监控是工业工厂生产过程中必不可少的一环，而公司在安全检测监控产品上具有传统的技术积淀和优势将带来巨大的优势。同时通过引入硅谷天堂，梅安森的整体外延战略将发生积极的改变通过外延式并购切入下游景气度较高的新领域，公司所面临的煤炭监控市场天花板将被打开。未来在公共安全领域，乃至家庭安全领域，公司可以扩展的方向还有很多。
盈利预测及投资建议：我们预期，2014-2016年，梅安森的EPS分别为0.75元、0.98元和1.25元，PE分别为24.0、18.4和14.4倍。我们给予公司“增持”的投资评级。
汉威电子（300007）
汉威电子专注于气体传感器、监测仪表研发、生产、销售，产品和解决方案已应用于全球近100个国家，行业分布广泛，为行业客户的HSE管理体系的建立提供了适合、优质、高性价比的产品与服务，同时为个人气体安全防护领域打造领先的产品方案，是国内领先、国际知名的气体探测产品专业制造商。
公司在气体传感器领域深耕多年，具有较强的技术积累，产品有着广泛的应用。同时，公司的产品具有低成本，高精度的特点，是实现信息技术以及人工智能技术的较好桥梁。公司依托自身在气体传感器方面的技术优势，积极向下游进行产业链扩展布局，优化自身产品结构，搭建检测治理一体的闭环体系。
盈利预测及投资建议：我们预期，2014-2016年，汉威电子的EPS分别为0.48元、0.76元和0.98元，PE分别为67.1、42.4和32.9倍。考虑到行业龙头将继续维持，产业链布局完善带来的高成长，我们给予公司“增持”的投资评级。
天瑞仪器（300165）
天瑞仪器是专业从事化学分析仪器及其应用软件的研发、生产销售的高新技术企业，主要产品是基于XRF 技术的能量色散 、波长色散 X 射线荧光谱仪。公司在为客户提供化学分析仪器的同时，还为客户提供应用解决方案和相关技术服务。公司是国内全面掌握 X 射线荧光谱仪核心部件、分析软技术并拥有自主知识产权的少数厂家之一，已经在 RoHS、贵金属等领域建立领先地位。
公司在重金属检测领域技术积累深厚，有着丰富的应用经验。下游环保行业以及工业检测的持续升温为公司带来稳定增长空间，而食品安全以及重金属检测为公司带来新的检测市场空间。多方位的使用场景数据搜集的化学传感器应用将在人工智能时代得到最大化的利用，公司前景可期。
盈利预测及投资建议：我们预期，2014-2016年，天瑞仪器的EPS分别为0.33元、0.38元和0.52元，PE分别为65.0、56.5和41.3倍。我们给予公司“增持”的投资评级。
7.1.2 AI认知技术提供商
在人工智能时代，机器必须具备和人类接近或类似的认知能力，才能够对采集到的外界信息进行合理的分析和决策。因此，我们认为，信息处理环节AI需要突破的是以语音和图像识别为代表的智能认知技术。我们梳理了以下具有代表性的公司为投资人推荐：
科大讯飞（002230）
科大讯飞是在国家智能计算机研究开发中心、中国科技大学人机语音通信实验室的基础上组建，专门从事语音技术方面的基础研究、软件应用、系统集成、硬件产品生产、销售并提供全程技术支持和售后服务的高新技术企业。公司主要从事以智能语音技术为核心的相关产品的研究和销售，其主要产品包括语音支撑软件和语音应用软件，同时，公司也从事教育、电信、金融、政府等行业和部门的语音技术解决方案。
科大讯飞是我国众多软件企业中为数极少的掌握核心技术并拥有自主知识产权的企业之一，其语音合成核心技术已达到国际先进水平。我们观察到在人工智能时代，从语音识别 到语义解析的潜力巨大。科大讯飞在自然语言解析和深度学习技术上的储备已经到了产业化应用的前期，一旦这方面的储备技术孵化出杀手级应用，公司将面临爆发性增长的机会。科大讯飞所掌握的技术储备正是人工智能大脑所必需的技术条件，因而在这波人工智能浪潮中必将充分受益。
盈利预测及投资建议：我们预期，2014-2016年，科大讯飞的EPS分别为0.54元、0.74元和1.09元，PE分别为59.3、43.2和29.4倍。我们给予公司“增持”的投资评级。
汉王科技（002362）
汉王科技是模式识别领域技术领先的软件开发商与供应商，长期以来一直致力于手写识别技术、OCR以及其他智能人机交互技术与产品的开发与市场推广。技术一直处于国际国内领先水平，与国内外多家知名企业建立了广泛持久的合作关系。
汉王科技在国内模式识别领域处于绝对优势地位，身为以模式识别为核心的创新型科技企业，目前已经拥有了OCR 识别、人脸识别、手写识别、轨迹输入等四大有行业应用的核心技术。汉王科技在手写市场占有率超70%，OCR 领域市场占有率超过 50%，处于绝对优势地位。 作为人工智能大脑形成的中坚技术，模式识别具有着广泛的应用空间，未来应用场景多元，市场空间巨大。
盈利预测及投资建议：我们预期，2014-2016年，汉王科技的EPS分别为0.05元、0.20元和0.40元，PE分别为371、92.7和46.4倍。我们给予公司“增持”的投资评级。
川大智胜（002253）
川大智胜是我国空中和地面智能交通领域具有自主知识产权的大型软件和重大设备供应商。公司系统集成自主研制的大型实时软件，形成了空管自动化系统和空管仿真模拟系统两大系列的拳头产品，在军航空管领域占有绝对优势地位。
公司在模式识别以及数据信号处理方面具有极深的技术储备，在行业内具有极度领先的图形识别技术。依托于此视景仿真系统开发经验和在图像图形领域积累的深厚功底，从事全景互动景区虚拟旅游、科普体验、互动娱乐等产品的开发，丰富了产品种类，扩宽了应用领域，。未来结合三维测量仪器和无人机图像采集，更将开启了全新的互动体验交互模式。
此外公司将空管领域的积累应用至地面智能交通领域，在高速行驶的车辆自动识别方面取得较大进展。车辆自动识别系统是运用图象采集、识别和数据传输技术，构建以车辆自动识别单位为核心的，包括路口图象采集系统、数据传输系统和后台中心数据处理系统所构成的智能管理系统。主要用于道路交通车流实时监控、动态交通信息的采集和涉嫌违法犯罪车辆的预和自动识别等。
盈利预测及投资建议：我们预期，2014-2016年，川大智胜的EPS分别为0.34元、0.84元和0.99元，PE分别为76.7、31.0和26.3倍。我们给予公司“增持”的投资评级。
7.1.3 AI基础设施提供商
在人工智能时代，为了支撑对计算资源消耗极大的AI应用，必须要加大对IT基础设施的投资。因此，我们认为，以云计算为代表的IT基础设施投资将焕发第二春。我们梳理了以下具有代表性的公司为投资人推荐：
华胜天成（600410）
华胜天成是中国领先的IT综合服务提供商，业务方向涉及云计算、移动互联网、物联网、信息安全等领域，业务领域涵盖IT产品化服务、应用软件开发、系统集成及增值分销等多种IT服务业务，是中国最早提出IT服务产品化的公司。
公司紧跟时代科技发展，着眼未来布局云计算行业，先后推出“凌云计划”、“乘云计划”，“揽胜行动”，务实推进公司云战略。公司已经承接多项行业云、政府云和公有云的建设。公司于 2011 年通过非公开增发募集约 5 亿元资金，投入云计算环境下的信息融合平台等 6 个项目，在诸多行业都有拥有诸多成功实践。目前公司已自主研发了云计算五大产品：天成云机、e维融通、天成云泰、i维数据以及云悦服务。并且公司积极与IBM，华为等巨头合作，在云计算领域强强联手，实现自身迅速发展。华胜天成是我国首批成功通过云建设和云服务评价的企业，这标志着公司在云建设和云服务领域的研发得到了权威测评机构的认可。
盈利预测及投资建议：我们预期，2014-2016年，华胜天成的EPS分别为0.23元、0.49元和0.67元，PE分别为113.3、53.2和38.9倍。我们给予公司“增持”的投资评级。
中科曙光（603019）
中科曙光专注于高端计算机产品的研发、生产与相关软件服务，是国内高端计算机行业的领导者。公司形成高性能计算机、通用服务器、存储产品和围绕高端计算机的软件服务、系统集成及技术服务四条业务主线，公司产品与服务在政府、能源、国防、互联网、教育等行业得到广泛应用。
高性能计算机是云计算技术提供数据服务等所需的核心设备，中科曙光依托于此，在大数据以及云计算研发应用方面不断深化。中科曙光以国家“863”计划重大科研成果为基础，募资总额39675万元，为Stor300并行分布式云存储项目、CloudView2.0云计算管理系统项目等项目提供支撑。此外，中科曙光现在已经完成了一百多项政务系统支撑，其向云服务的转型，打破了由国外和一些封闭系统构建的IOE循环。
盈利预测及投资建议：我们预期，2014-2016年，中科曙光的EPS分别为0.38元、0.48元和0.58元，PE分别为130.3、103.1和85.4倍。我们给予公司“增持”的投资评级。
浪潮信息（000977）
浪潮信息是中国领先的计算平台与IT应用解决方案供应商，也是中国最大的服务器制造商和服务器解决方案提供商，同时是亚太区最大的服务器生产基地。浪潮服务器连续16年蝉联国有品牌销量第一，浪潮存储连续8年蝉联国有品牌销量第一；浪潮集团管理软件连续9年市场占有率第一；浪潮税控机连续9年销量第一。集团四大业务群组涵盖计算平台产品和软件平台产品与行业应用解决方案。
浪潮信息作为云基础架构的主要供应商，围绕云计算发展模式研究、战略规划、技术产品规划、产业链上下游及区域行业合作支持组织，同时构建了行业市场推进组织，搭建了云计算整体解决方案中心，逐步形成分行业的解决方案中心，为中国行业云建设打造整体解决方案。公司在云计算软、硬件完成整体布局，形成与国际领导厂商在云基础架构层的比肩之势，为中国云计算实际落地应用提供完全自主化的战略级装备。
盈利预测及投资建议：我们预期，2014-2016年，浪潮信息的EPS分别为0.58元、0.93元和1.34元，PE分别为78.1、48.7和33.8倍。我们给予公司“增持”的投资评级。
银信科技（300231）
银信科技是专业的第三方 IT 基础设施服务提供商，与国内银行综合 IT 解决方案提供商在专业分工上是上下游的关系。主营业务为系统集成，数据中心等 IT 基础设施服务，软件开发与销售。最大的客户是中国建设银行，并在其他股份制银行和城市商业银行等都有较好的合作。
从目前行业状况来看，对 IT 系统依赖度较高的行业正在越来越多的应用云计算，云计算的兴起给专业第三方 IT 服务商带来新的历史机遇。近几年数据中心大量的建设也正是云计算基础设施完善的阶段，伴随着数据中心的复杂程度的提高，市场对第三方 IT 服务的需求将会持续增加。公司作为国内云计算异构平台的领先服务商，将充分受益于云计算基础设施对服务需求的增加。公司已经于2013年通过联通内蒙古资格预审，切入了运营商联通的云数据中心的建设中。
盈利预测及投资建议：我们预期，2014-2016年，银信科技的EPS分别为0.28元、0.37元和0.49元，PE分别为65.9、49.8和37.6倍。我们给予公司“增持”的投资评级。
7.2 AI技术解决方案供应商
人工智能将颠覆和重塑很多行业，我们按行业分类，梳理了各具代表性的提供AI技术解决方案的公司为投资人推荐：
7.2.1 工业4.0
在人工智能时代，被颠覆和被重塑的行业非常多。目前市场非常关注的工业4.0就需要人工智能技术在背后发挥重大的作用。我们梳理了以下具有代表性的公司为投资人推荐：
软控股份（002073）
软控股份主要从事轮胎橡胶行业的应用软件开发、系统集成以及数字化装备制造，为轮胎橡胶制品生产企业提供全面的机电一体化、自动化、信息化解决方案。公司能够提供轮胎橡胶生产各个工序的主要智能化设备，公司的密炼机上辅机系统和小料配料称量系统的技术达到国际先进水平，在国内的市场占有率超过80%，并且已经开始出口，公司的成型系统也将进入大规模生产和销售阶段。
面对工业4.0时代的到来，公司依据自身行业特点，于12月3日在上海第14届中国国际橡胶技术展览会上举办了“智慧工厂”主题推介会,针对橡胶轮胎行业率先提出了“智慧工厂”理念，并且早在10月便与西门子签订数字化工厂战略合作伙伴协议,以推动橡胶轮胎行业的智能化发展。
此外，公司12月公告以自有资金 3662.5 万收购科捷自动化 35%的股权加码工业4.0。收购完成后，公司将持有科捷自动化 100%的股权。公司将整合工业机器人业务的优质资源，增强公司机器人业务的研发、设计和生产能力，进一步提高公司在机器人业务的市场竞争力。
盈利预测及投资建议：我们预期，2014-2016年，软控股份的EPS分别为0.27元、0.49元和0.64元，PE分别为54.2、29.9和22.9倍。我们给予公司“增持”的投资评级。
鼎捷软件（300378）
鼎捷软件是以自制ERP软件为核心的一体化企业管理解决方案与服务供应商，主营业务是以自制ERP软件为核心的企业管理软件的研发、销售、实施及服务。鼎捷软件的服务对象仅在亚太地区就有超过30,000家企业，服务地域横跨海峡两岸。
从德国工业4.0的经验可知，ERP、MES、云计算等产品是工业4.0的灵魂，作为全球领先的企业管理软件解决方案提供商的SAP公司就是德国工业4.0脱颖而出的代表。回观国内，同为ERP公司的鼎捷软件拥有支撑工业4.0战略的软件产品线。在工业4.0的建设进程中，鼎捷软件的整体解决方案可以帮助工业制造企业实现信息化，互联网化的基础应用布局，完成设备与数据、人的连接，呈现海量指标与报表，支撑企业决策。公司可以通过解决方案把信息管理系统，流水线，机器人，设备，产品，监控等所有生产相关流程互联到一起，整合成为一个完整的智能生产网络，这个网络是工业4.0的直观体现。因而可见，鼎捷软件将充分受益于中国工业4.0进程。
从公司自身而言，公司在制造业以及流通业深耕30余年，同时自身处于计算机互联网行业，对于工业4.0时代的工业以及互联网的融合有着更深的理解和把握，更好地把握工业4.0的脉搏。面对两化融合的趋势，公司将ERP作为制造企业精进管理的重要手段，继续积极布局工业4.0路线图。
盈利预测及投资建议：我们预期，2014-2016年，鼎捷软件的EPS分别为0.56元、0.74元和0.92元，PE分别为101.8、77.0和62.0倍。我们给予公司“增持”的投资评级。
雷柏科技（002577）
雷柏科技是是一家集研发、生产、销售、服务于一体的高新技术企业，主要经营键盘、鼠标等电脑外围设备，以无线为主，有线为辅，在2.4G无线连接、无延迟、免对码智能连接、蓝光寻迹、省电等技术应用方面居于行业领先水平。公司在键鼠行业排名全球第三，拥有一支覆盖无线外设、工艺设计、自动化生产领域的研发队伍并设立了专门的研发中心。超强的产品研发能力，为公司自主品牌国际化打下坚实基础。
雷柏科技在工业4.0的道路上已经走在国内前列，公司早在2011年开始就已着手布局智能生产之路。公司购买了大量机器人，并围绕机器人开发自动化生产线，形成了具有自身特点的轻量级机器人的智能生产线。公司智能生产之路效果显著，机器人取代了75%的员工，而产能至少增加了三倍。此外公司凭借已经掌握了的一整套的机器人生产线系统技术，开始向一些制造类企业提供相关的机器人生产线方案：“轻量级机器人”生产线解决方案，为制造业的生产线做机器人集成规划咨询，提供机器人系统集成服务协议并参与实施。2015年1月20日公司与国内领先的无人智能系统开发商、高端影视航拍设备提供商、小型无人机应用和娱乐领域的系统集成商零度智控签订增资协议，使用自有资金 5000万元增资零度，交易完成后公司持有其 10%股权。同时，为切实推动公司转型，公司与零度智控签订投资协议书，共同设立以研发、生产、销售个人消费领域内应用的小型无人机及周边产品为主营业务的合资公司，公司首次以 1800 万元出资，持有 60%股权。雷柏依托较强的研发实力，先进的制造管理水平以及业界领先的轻量级机器人集成应用自动化生产线，携手零度在无人机细分领域开始深度合作，各取所长、优势互补，希望在无人机的细分领域分得一杯羹。公司的这一合作显示了对自身机器人集成应用实力的信心，也表明了公司意图在工业4.0的时代取得更大突破的决心。
此外，公司在依托智能硬件搭建智能互联网家庭平台方面也取得了较好的进展。2013年12月，公司收购乐汇天下70%的股权，借助手机游戏切入移动互联网市场，推动公司向家庭智能终端业务发展。2014年4月，公司创立智我科技有限公司，同年5月举行拥有Z-fun娱乐、Z-life生活和Z-fit健康三大系列，涉及全系列产品的ZIVOO智能家居品牌发布会。同时，公司与未来电视于2013年3月签署了《互联网电视业务合作协议》，就互联网电视业务合作事宜达成一致，公司将主要做好用户交互体验。另外与北京天籁传音数字技术有限公司合作开发，加入K歌大厅概念，建立线上K歌比赛，未来还将建立线上社区。2014年9月11号公司公告称公司与百度公司签署《百度雷柏战略合作协议》,就品牌合作、产品合作、IP合作等事宜达成一致，大大增强身为硬件厂商所缺乏的互联网实力。从公司的一系列动作可以看到，公司布局并非着重于单个智能硬件产品，而是为了打造智能家居生态链。
盈利预测及投资建议：我们预期，2014-2016年，雷柏科技的EPS分别为0.68元、0.98元和1.31元，PE分别为46.5、32.3和24.2倍。我们给予公司“增持”的投资评级。
7.2.2 智能物流
天泽信息（300209）
天泽信息是一家提供车辆远程管理信息服务及配套软硬件的高新技术企业，公司的主营业务是车辆远程管理信息服务及配套软硬件的研发与销售，业务范围涵盖工程机械、公路运输（物流、客运）、行政执法等专业应用领域，是中国工程机械车辆远程管理信息服务行业最主要和最有竞争力的企业之一。公司在挖掘机车辆远程管理信息服务细分领域公司的市场占有率第一。
公司积极应对互联网时代的变革，拥抱车联网这个大潮流。公司于2014年7月7号发布公告，推出一款移动互联网新产品：云通途。云通途是一款 O2O 移动互联网产品，针对公路物流作业运输领域的应用特点，整合各种信息，以提高车辆的利用率和车队整体效率，同时对运输配送作业进行运输透明化管理。云通途以实体物流园区为依托，将发货方，送货和政府部门纳入整个物流交易平台，旨在解决物流信息领域的三大顽疾：找不到信息、找到假信息、找到过期信息。公司通过这款APP应用抢占智能物流流量入口。
盈利预测及投资建议：我们预期，2014-2016年，天泽信息的EPS分别为0.21元、0.33元和0.52元，PE分别为91.1、58.0和36.8倍。我们给予公司“增持”的投资评级。
7.2.3 智慧农业
天泽信息（300209）
天泽信息是一家提供车辆远程管理信息服务及配套软硬件的高新技术企业，公司的主营业务是车辆远程管理信息服务及配套软硬件的研发与销售，业务范围涵盖工程机械、公路运输（物流、客运）、行政执法等专业应用领域，是中国工程机械车辆远程管理信息服务行业最主要和最有竞争力的企业之一。公司在挖掘机车辆远程管理信息服务细分领域公司的市场占有率第一。
天泽信息与美国拓普康定位系统公司(Topcon Positioning System Inc.)在中国境内独资注册的业务管理机构拓佳丰圣(上海)科贸有限公司签署《战略合作协议书》，将充分利用双方优势资源在机械控制、精准农业、高精度控制、物联网等产品的技术、服务、推广等方面进行全面合作。Topcan 是全球精准农业领先企业，此举为公司在农业机械物联网提供有力支持，为公司进入智慧农业行业进行布局。
盈利预测及投资建议：我们预期，2014-2016年，天泽信息的EPS分别为0.21元、0.33元和0.52元，PE分别为91.1、58.0和36.8倍。我们给予公司“增持”的投资评级。
神州信息（000555）
神州信息是中国领先的整合IT服务商,业务方向涉及云服务、IT系统集成、IT运维服务等范围,公司拥有丰富的行业服务经验,提供全生命周期IT整合服务，有效促进了“工业化、城市化、信息化” 融合。
公司 2014 年 7 月并购中农信达进入农业信息化市场，中农信达在农业领域的十几年经验积累以及技术储备将为公司在农业领域长远布局提供良好基础。中农信达以服务三农信息化为发展目标，以农村经济管理信息化和农村电子政务为切入点，在农村电子政务和电子商务两大领域独树一帜。同时公司未来还有意以此为基础，切入土地交易流转平台等领域，提供数据运营服务。
盈利预测及投资建议：我们预期，2014-2016年，神州信息的EPS分别为0.71元、1.00元和1.45元，PE分别为65.6、46.6和32.1倍。我们给予公司“增持”的投资评级。
7.2.4 生活服务O2O
石基信息（002153）
石基信息主要从事酒店信息管理系统软件的开发与销售、系统集成、技术支持与服务业务，是目前国内最主要的酒店信息管理系统全面解决方案提供商之一。公司开发的石基数字酒店信息管理系统为国内高星级酒店所广泛采用，控股子公司石基泰能开发的饭店管理系统在国内较低星级酒店拥有稳定的市场占有率。
公司3月28日晚间公告称，公司与阿里巴巴签署了《战略合作协议》，就淘宝旅行与酒店信息系统直连，淘点点与餐饮信息系统直连，支付宝与公司产品渠道推广方面达成全面战略合作共识，正式切入生活服务O2O领域。根据协议，石基信息将其酒店信息管理系统和阿里巴巴淘宝旅行管理系统打通；石基信息旗下“畅联”将为酒店集团系统和阿里巴巴淘宝旅行管理系统的对接提供技术支持；旗下“西软”将与淘宝旅行联合开发客栈管理系统，打通淘宝旅行平台后台店铺系统。此外，双方将开展“淘点点”系统对接合作以及支付宝产品渠道合作。
石基信息通过将信息系统向酒店的上下游延伸建立预定、支付的直连技术通道，使订房渠道、银行或第三方支付公司可以直连酒店信息系统，实现快速、准确、高效的自动交易，最终实现公司从软件供应商向应用服务平台运营商的转变。
盈利预测及投资建议：我们预期，2014-2016年，石基信息的EPS分别为1.41元、1.78元和2.16元，PE分别为53.9、42.7和35.2倍。我们给予公司“增持”的投资评级。
天源迪科（300047）
天源迪科是国内领先的软件产品和服务供应商,致力于自主创新的软件开发，为政府和电信企业提供最佳的管理信息系统解决方案。公司主要业务是为电信运营商、广电、公安、金融、政府等提供行业 IT 支撑解决方案，深度融合技术与业务，进行软件产业垂直整合。其主营业务将之定位于电信运营支撑系统提供商，其电信数据仓库类软件、实时在线计费类软件、客户关系管理类软件、准实时计费账务类软件在中国电信集团业务支撑软件的细分市场占有率排名分别为第一、第一、第三、第五。
公司取得阿里ISV资格,通过阿里无线应用平台,为手机淘宝的中小商户提供服务,首款产品“微预约”已经上线，新增两款营销产品通过了阿里平台的测试，从而正式通过阿里生态圈进入生活服务O2O市场，同时公司也会直接为传统商家提供打通线上和线下的O2O服务。
盈利预测及投资建议：我们预期，2014-2016年，天源迪科的EPS分别为0.47元、0.61元和0.78元，PE分别为27.8、21.4和16.8倍。我们给予公司“增持”的投资评级。
四维图新（002405）
四维图新是中国领先的导航地图和动态交通信息服务提供商，由国家测绘局创建的唯一专业从事测绘的国家级公司。公司是中国第一、全球第五大导航电子地图厂商，连续7年在中国车载导航地图市场份额超过60%，连续3年在手机导航地图市场份额超过50%，并在移动位置服务、互联网地图服务、交通信息服务领域全面领先。
地图是形成生活服务O2O闭环必须占领的环节和领域，四维图新作为国内第一的导航电子地图厂商，具有无可比拟的优越地位。同时四维把控车载前装市场，接受腾讯的战略投资后，将有助于优势互补，打造具有较大优势的共赢O2O市场。基于位置服务的四维图新依托腾讯的生活服务O2O生态圈，核心竞争力较强。
盈利预测及投资建议：我们预期，2014-2016年，四维图新的EPS分别为0.20元、0.29元和0.40元，PE分别为115.9、79.9和57.9倍。我们给予公司“增持”的投资评级。
7.2.5 智能家居
安居宝（300155）
公司是A股计算机公司中为数不多的专注于楼宇智能对讲和智能家居产品的标的。公司的数字社区统一云平台，整合了楼宇对讲、停车场、智能家居、购物娱乐、物业管理、智能监控等功能的一套云服务。为用户带来高性能、低功耗及廉价的服务。这套系统将首先在智能家居系统中应用。具体来讲，就是将大星分散在全国各地成千上万个智能家居用户，用云计算技术实现汇集，然后进行分析和处理，在同一平台实现不同功能控制需求，实现大融合的集成控制模式。在此平台中，所有小区的数据存储设备，包括大量历史数据存储设备、视频存储设备将会被系统—“云存储”平台替代。云计算作为最上端的集中管理和控制平台，实现整体管控功能，使“集散控制”原则由单个小区的“小集散控制”系统扩展至全国的“大集散控制”系统，满足了家庭的传感单元（感知层的传感器）、控制单元（应用层的IP功能控制器和功能控制软件）、执行单元（应用层的IP功能控制器和现场执行设备）、反馈单元（感知层的反馈机构和传感器）组成大控制回路，实现智慧社区的大闭环控制和管理。对于小区，则不需要在建立服务器设备等，智能家居用户直接接入云平台即可。用户只要使用云端设备（手机、平板电脑等），可以随时随地的登录云平台，查看智能家居状况、修改策略、查看系统建议、远程控制等，极大的方便了用户的使用，为用户带来更好的体验。同时公司发力智能停车，建设移动互联网项目，率先发力智能硬件服务。
盈利预测与估值：我们预计公司2014年-2016年的EPS分别为0.75元、0.98元和1.33元，PE分别为28.0、21.4和15.8倍，给予“增持”评级。
捷顺科技（002609）
捷顺科技是中国出入口控制与管理行业及智能安防解决方案的首席供应商，在智能停车场管理系统、智能门禁管理系统、智能通道闸管理系统及智能一体化安防解决方案等领域确立了自主创新的优势。捷顺的产品涵盖了包括智能停车场管理系统、智能门禁管理系统、智能通道闸系统及收费管理系统、考勤管理系统、巡更管理系统、电动折叠门、路障机等在内的上百种智能产品及机电一体化产品。
捷顺科技顺应时代发展，积极拥抱社区O2O东风的到来。在扎根自身强势主营业务一卡通领域的同时，积极开拓智慧社区，抢占流量入口，转型智慧社区平台服务商。公司通过收购捷羿软件提升解决方案能力，与支付宝结成战略合作伙伴关系，在技术，平台，市场，渠道等方面互相给予支持，与深圳福田物业签署了战略合作协议，携手在福田物业所辖的近百个社区推进公司智慧物业-智慧社区大管家平台的建设。通过捷生活，彩生活等APP的推广捷顺的云社区平台，与各方资源合作，可以构建金融应用、城市通应用、大公共应用和第三方应用等移动业务服务。
盈利预测与估值：我们预计公司2014年-2016年的EPS分别为0.34元、0.42元和0.57元，PE分别为59.8、48.4和35.7倍，给予“增持”评级。
万达信息（300168）
万达信息在上海地区实现了“健康服务云”的试点。健康云以居民电子健康档案信息系统为基础，构建区域卫生资源信息服务平台和网络体系，提供包括医疗资源、电子病历、医学影像、医疗机构协同、远程诊断、个人健康咨询、家庭保健等服务，支持通过市民“一卡通”提供个人健康和医疗保健服务，支持发展新型医疗健康信息服务。
通过“居民健康管理信息平台”，上海市30 余家三甲医院的医生工作站均可以调阅到该居民的日常体征测量数据及近期的体征变化趋势，便于医生为居民提供更精确更有针对性的诊疗服务，改变医院看病开药“一刀切”的方式，通过各项体征指标的检测对病人“对症下药”。健康云在区域内服务于各卫生管理部门、医疗机构、公共卫生机构以及居民；实现居民健康档案管理与共享、一卡通、医疗业务协同、公共卫生管理、综合卫生管理等应用。
万达信息的“健康服务云”作为政府购买服务，居民无偿使用的医疗服务信息系统（包括慢性病防治、老年人监护保健、健康档案管理等功能），实现了B2G2C的商业模式，一方面从政府收取系统建设和维护费用，另外一方面，政府对于整个系统中的居民健康数据、医生处方数据等信息具有所有权，而万达信息作为整个系统的架构者和运营方，对这些数据拥有使用权，未来有望通过大数据分析为药企提供精准营销方案，为政府提供居民健康统计服务。
盈利预测与估值：我们预计公司2014年-2016年的EPS分别为0.44元、0.62元和0.91元，PE分别为120.4、85.5和58.2倍，给予“增持”评级。
东软集团（600718）
东软集团最早提出了针对个人的远程监护和健康管理的熙康计划。公司已经形成了包括医疗信息化系统集成业务和医疗设备制造业务以及健康管理服务在内的医疗信息服务一体化解决方案。
随着中国老龄化社会的到来，未来个人健康领域的消费需求将持续增长，慢性病的治疗周期长，对药品存在持续的需求，根据统计数据，糖尿病的药物费用是仅次于癌症的第二大药物支出。因此，基于慢性病的个人健康管理的潜在消费需求非常大。而药企对于患者的治疗粘性的建立有赖于持续的获得患者的个人病情数据，因此，掌握慢性病管理的互联网B2C业务的企业在获得患者病情数据方面有天然的入口优势。
东软集团的熙康业务早在2012年就已经落地海南省，由海南省卫生厅、工信部共同推动的“健康海南”医疗健康信息化项目在省内10个市县全面启动，每个市县一次性投资达到200万元，用于部署健康监护一体机。公司还在与公立医院合作建立健康管理中心，借助医院的资源优势来实现对外健康服务业务。目前该业务的主要商业模式还是政府投资，但未来随着接入数据库的用户数不断增加，健康数据的运营管理也将产生巨大的商业价值。
盈利预测与估值：我们预计公司2014年-2016年的EPS分别为0.35元、0.43元和0.57元，PE分别为53.1、43.3和32.6倍，给予“增持”评级。
7.2.6 商业智能
东方国信（300166）
东方国信主要服务于国内电信领域的运营商，是中国联通、中国电信等企业商业智能系统的核心合作厂商之一，也是中国移动全资子公司中国铁通企业商业智能系统的三家核心厂商之一。目前，公司已经成为中国电信行业BI应用软件的领先供应商。
在商业智能领域，公司拥有电信行业通用数据仓库模型、数据清洗与稽核、元数据管理、分析图表引擎、可视化报表设计、基于语义层的即席查询、数据挖掘算法模型、广义工作流、业务服务规则引擎等核心技术。这些技术能够支撑未来智能硬件的后台对智能终端搜集到的用户数据进行分析，提供给产品和服务商用于精准营销的广告投放。
盈利预测与估值：我们预计公司2014年-2016年的EPS分别为0.52元、0.74元和1.04元，PE分别为61.4、43.1和30.7倍，给予“增持”评级。
拓尔思（300229）
拓尔思是中文全文检索技术的创始者，现主要从事以非结构化信息处理为核心的软件研发、销售和技术服务，核心软件产品包括企业搜索、内容管理和文本挖掘等相关平台和应用软件；从事相关行业的信息化工程咨询、开发、实施和维护服务；提供基于非结构化信息智能处理技术的在线软件运营和信息服务。公司的TRS系列产品已被国内外3000多家企业级用户采用。
公司致力于以大数据为核心，以云计算为平台，运用数据挖掘技术为客户提供服务。公司积极研发了多项大数据核心产品，如拓尔思大数据一体机系列，TRS海贝大数据管理系统等产品。同时，公司在大数据战略布局上步步为营，抢占机遇。14年4月公司用超募资金1.5亿及自有资金 2.1亿，共计3.6亿在成都建立大数据研发中心和运营服务中心；14年4月公司通过定增加现金支付的方式收购从事安全数据交换和处理的天行网安100%股权，进一步完善公司的大数据战略布局；14年5月公司发布公告，投资建设异构大数据分析挖掘整合技术北京市工程实验室；14年6月的最新公告，公司计划使用超募资金 700万元与北京汉宇投资有限公司、北京丽泽大数据投资有限公司共同出资设立北京金信网银金融信息服务有限公司，开展金融大数据分析挖掘系统和风险管理综合服务平台的研发、销售。
公司以新闻转载、政府信息公开、竞争情报和舆情监测等服务为切入口,以SaaS作为主要业务推广模式,为企业、政府深度挖掘互联网的大数据。深度挖掘大数据形成对企业商业决策的有效支持是行业未来重要发展方向，拓尔思将以此形成自己独特的商业智能应用模式。
盈利预测及投资建议：我们预期，2014-2016年，拓尔思的EPS分别为0.41元、0.53元和0.69元，PE分别为64.9、50.2和38.6倍。我们给予公司“增持”的投资评级。
美亚柏科（300188）
美亚柏科是全球仅有的两家电子数据取证上市企业之一，拥有国内领先的电子数据取证和安全产品技术，并在行政执法机关、执法部门、金融机构等领域有着丰富的行业经验。主营电子数据取证、刑事技术产品和网络信息安全三大大产品,提供取证云,公证云、搜索云、电子数据鉴定服务、数字知识产权维护及企业调查六大服务。
美亚柏科与IBM携手合作，发布大数据智能应用中心，运用IBM在企业内容管理领域领先的技术优势，并整合美亚柏科在公共事业、金融服务等领域丰富的行业实践经验，帮助企业在关键业务决策中协调知识、沟通、内容和资源，从而获得来自内容的大数据洞察。此外，使用超募资金5854.80万元收购珠海新德汇51%的股权。珠海新德汇是国内公安刑侦市场信息分析软件和设备的领导厂商，二者的携手将大大增强美亚柏科的大数据使用技术。
盈利预测及投资建议：我们预期，2014-2016年，美亚柏科的EPS分别为0.38元、0.57元和0.89元，PE分别为82.9、55.3和35.4倍。我们给予公司“增持”的投资评级。
7.2.7 智慧金融
恒生电子（600570）
恒生电子是中国著名的金融、证券等软件开发商之一，也是电信、期货、电子政务、安全、软件外包等领域重要的软件开发商和系统集成商。公司在大型信息化、电子化应用项目上拥有丰富的开发经验，在实时联机交易、业务管理系统、电子政务、软件外包等领域有着广泛的客户基础，在多个领域产品市场占有率全国第一。
随着阿里正式入主恒生电子，二者的相关合作已经逐步开始，恒生电子以及阿里共同搭建的互联网金融生态圈开始逐步成型。14年11月21日，恒生电子公告将与第一财经、蚂蚁金服、云汉投资签署《合作意向书》，拟共同增资上海恒生聚源数据服务有限公司，增资规模预计约为人民币 3.9 亿元。各方将发挥各自优势，在数据业务领域寻求资本及业务层面的合作机会，共同将恒生聚源打造成一家领先的数据服务公司。此外公司公告与中投保、蚂蚁金服、云汉投资、盈丰时代共同发起设立“浙江三潭金融信息服务股份公司”，注册资本5,000 万，合资公司主要从事互联网金融业务。
盈利预测及投资建议：我们预期，2014-2016年，恒生电子的EPS分别为0.61元、0.79元和1.01元，PE分别为98.0、75.7和59.2倍。我们给予公司“增持”的投资评级。
金证股份（600446）
金证股份是国内最大的金融证券软件开发商和系统集成商，建立了覆盖全国的市场营销和服务网络。公司连续7年跻身中国软件百强行列，是国家规划布局内重点软件企业、国家火炬计划软件产业基地骨干企业，深圳市高新技术企业。目前，非金融业务成为金证公司主业的重要组成部分。
金证股份立足自身优势，积极开展互联网金融业务。公司凭借行业多年的积累以及参与余额宝等互联网金融产品的实际操作经验，与腾讯，中山证券等签订合作协议，共同探索互联网金融的发展路径，优势互补，携手共赢。公司与合作方在互联网金融领域展开全面战略合作，面对投资者的金融理财需求，共同打造证券交易、金融服务、营销一体化的综合金融平台，基于互联网技术与移动网络设备，为投资者提供领先的投融资解决方案，推动证券公司技术体系与服务模式的创新发展，深耕智慧金融领域。
盈利预测及投资建议：我们预期，2014-2016年，金证股份的EPS分别为0.56元、0.81元和1.11元，PE分别为120.6、83.4和60.9倍。我们给予公司“增持”的投资评级。
安硕信息（300380）
安硕信息专注于向以银行为主的金融机构提供信贷资产管理及风险管理领域的一体化 IT 解决方案，包括软件开发、实施、维护、业务咨询和相关服务，目前主要提供四大类产品和服务：信贷管理系统、风险管理系统、数据仓库和商业智能系统、其他管理系统。
公司于2014年8月8号公告称拟设立全资征信子公司，注册资本为5000 万元，主要从事企业信用征信服务，个人信用征信服务，信用信息咨询、服务与认证等经营项目。安硕信息作为国内信贷风险管理解决方案供应商拥有较多的银行类及非银行类金融客户，故在开拓征信业务上具有一定的用户优势；公司专注从事银行信贷风险管理软件的研发、实施与服务已有十多年的历史，在企业信用评级、个人信用评级的建模和软件开发上积累了丰富的经验和人才队伍，具有相应的人才和技术基础。因此，切入征信服务市场正当时。
此外，公司在苏州投资设立控股子公司“苏州安硕数科数据技术有限公司”，注册资本100万元人民币，公司持股51%，谢俊元先生持股33%，周志华先生持股8%，王崇骏先生持股8%。该合资公司主要业务是开发互联网信息的搜索技术与产品，并对搜索信息进行分类整理,目标客户为银行等金融机构。谢俊元先生，周志华先生以及王崇骏先生均是南京大学计算机系教授，在信息安全，人工智能以及机器学习，数据挖掘等方面是权威专家，双方合作有利于加强公司的技术研发实力，建立更科学，高效的模型，切实为公司带来利益。
同时，公司战略合作伙伴Teradata是全球最大的专注于大数据分析、数据仓库和整合营销管理解决方案的供应商。公司将携手Teradata 帮助企业获取商业洞察力，创造商业价值。
发布者：全栈程序员栈长，转载请注明出处：https://javaforall.cn/152197.html原文链接：https://javaforall.cn
