研究报告全文：证券研究报告2023年03月06日AIGC系列专题超配从AI技术演进看AIGC奇点临近未来已来核心观点行业研究行业专题人工智能新一轮生产力革命1人工智能AI基于机器学习和数据分传媒析的方法赋予机器人类的能力从而实现解放人力降本提效的目的从超配维持评级C端用户需求来看人工智能解决的是与人相关的娱乐出行健康等生活证券分析师张衡证券分析师夏妍场景中的痛点2AI在C端的应用分为两方面a对原有劳动力的替代与021-60875160021-60933162生产力效率的提升如语音识别智能客服机器翻译等b需求创造zhangheng2guosencomcnxiayan2guosencomcnS0980517060002S0980520030003如基于AI算法的千人千面的信息分发如抖音快手小红书等内容生成AIGC人机交互如ChatGPT等辅助驾驶安防等市场走势算法创新及算力进步数据爆发催化本轮人工智能奇点将至1人工智能的技术演进经历了符号主义连接主义和行为主义在行为主义思想中引入了连接主义的理念最终诞生引导AI落地的深度学习技术2深度学习技术的出现改变了传统AI的技术路线解决了传统机器学习算法无法处理大量数据准确率遭遇瓶颈的问题使得AI从理论上具备了工程化落地的可能3基于摩尔定理的算力提升互联网及数字经济的快速发展带来的数据量井喷使得AI最终从设想走向场景落地在语音识别图像识别等领域的计算准确度都实现了突破性进展并得到广泛应用资料来源Wind国信证券经济研究所整理从算法推荐到内容生成AIGC有望引发新一轮内容与平台投资机遇1结相关研究报告合AI技术特点我们认为AI能够创造价值的领域必须必备以下三点要素传媒互联网周报-数字中国顶层规划出台ChatGPT开放API有适合的商业化场景行业内存在需求AI能够为行业带来降本提效存在加速场景应用爆发2023-03-05海量多维数据算力及开发成本具备合理的商业化回报可能2从传媒传媒互联网周报-ChatGPT有望提升广告货币化率中观维度持续看好游戏板块2023-02-27互联网的实践来看基于AI算法推送的信息分发模型已经为web20时代传媒互联网周报-ChatGPT搜索催生NewBing多家公司计划接入文心一言2023-02-20主流的信息组织模式并诞生出以字节跳动快手小红书等为代表典型产传媒行业2022年业绩前瞻与展望-严冬已过暖风徐来品和商业案例3内容生成AIGC时代的大门正在打开海量的数据资2023-02-13传媒互联网周报-ChatGPT加速商业化看好AIGC在游戏数源快速提升的算力水平和不断降低的单位算力成本开销基于深度学习的字人领域的应用2023-02-12预训练大模型构建的通用大模型显著降低应用开发门槛数字化的高渗透率赋予充裕场景应用可能从PGC到AIGC内容生产的大爆炸将重塑内容与平台生态商业模式新一轮产业机遇渐行渐近投资建议从生产力到商业化应用基于科技及产业视角聚焦传媒互联网关键环节核心标的预训练大模型有望走向成熟并成为AIGC应用的技术底座降低应用开发门槛与成本摩尔定理迭代的算力有望不断降低模型训练及运维成本AIGC场景化应用有望迎来爆发期并成为产业链核心价值点建议从数据与场景应用两个角度把握传媒互联网关键产业链环节与核心标的建议关注1数据要素及IP角度推荐中文在线视觉中国浙数文化人民网等标的2场景落地关注汤姆猫昆仑万维恺英网络芒果超媒三人行蓝色光标哔哩哔哩等标的风险提示技术进步低于预期应用落地低于预期监管政策风险等重点公司盈利预测及投资评级公司公司投资收盘价总市值EPSPE代码名称评级元亿元2022E2023E2022E2023E002027SZ分众传媒买入63892141028042228152002555SZ三七互娱买入22715036814416615771368300413SZ芒果超媒买入32656107911513428392437资料来源Wind国信证券经济研究所预测请务必阅读正文之后的免责声明及其项下所有内容证券研究报告内容目录AI人工智能第四次生产力革命5AI发展原动力提效降本在新一轮技术革命中抢占先机5产业链及发展历程三起两落数据及算力爆发带来新一轮AI发展机遇6产业链基础层技术层应用层6发展历程60年三起两落呈螺旋式发展6人工智能技术流派及我们所处的阶段8技术演进行为主义连接主义诞生深度学习技术8技术现状深度学习技术带动本轮人工智能发展9实现要素海量数据及高效算力是深度学习实现基础11所处时代基于统计规律的弱人工智能时代但商业化价值已经展现12万事俱备人工智能场景应用有望全面爆发15资源层数据及算力的大幅提升将AI推向浪潮之巅16技术环境开源框架大幅降低开发门槛18外部环境政策助力人工智能迎来发展良机19从算法推荐到内容生成AI有望引发新一轮内容与平台投资周期21AI赋能字节跳动充分展现内容分发时代AI商业化价值21生成式AIAIGC从信息分发到内容生成更为宏大的时代机遇24算力与数据皆备大模型加速AIGC技术导入应用创新场景落地渐行渐近26从PGC到AIGCAI有望重构内容与媒介生态30投资建议奇点临近拥抱内容与平台新投资机遇31风险提示33请务必阅读正文之后的免责声明及其项下所有内容2证券研究报告图表目录图1人工智能所涉及的基础技术及终端产品5图2人类历史上四次工业革命6图3人工智能发展的三次浪潮7图4深度学习使图像识别逐渐超越人眼可达精度8图5人工智能三大学派9图6三代人工智能算法判定过程10图7三代人工智能算法判定过程11图8传统机器学习VS深度学习数据量及准确度11图9深度学习算法数据量与准确率间的关系11图10基于深度学习的人工智能技术架构12图11弱人工智能的典型应用13图12电影机械姬中的强人工智能形象13图13人工智能所属阶段及判断方法14图14部分职业的自动化潜力15图15全球人工智能市场规模及增速15图16中国人工智能市场规模及增速15图17数据量快速增长16图18典型CPU架构17图19典型GPU架构17图20人工智能算力发展概况17图21英伟达芯片高性能计算能力显著提升17图22人工智能技术成熟度曲线18图23我国新一代人工智能发展规划战略目标21图24互联网数据量指数级上升22图25千人千面内容推荐系统原理23图26文娱领域已应用AI推荐算法的各内容平台23图27信息分发方式演进23图28字节跳动凭借AI推荐算法成为我国互联网领域的第四极24图29字节跳动营业收入及增速24图30字节跳动与BAT2021年营业收入亿元人民币24图31AIGC自20世纪中期萌芽以来经历了四个发展阶段25图32AIGC技术积累融合26图33ChatGPT训练模型28图34ChatGPT百度搜索指数大幅提升28图35训练大模型预训练精调模式29图36AIGC的主要形式与应用30图37AIGC是内容生产的新模式31请务必阅读正文之后的免责声明及其项下所有内容3证券研究报告表1人工智能产业链概览6表2人工智能的分类标准及定义12表3主流开源框架18表4中国人工智能行业重要政策梳理19表5AI算法推荐在文娱领域应用22表6主流生成模型一览表27表7主流AIGC预训练模型一览表27表8国内预训练大模型29表9重点公司估值表32请务必阅读正文之后的免责声明及其项下所有内容4证券研究报告AI人工智能第四次生产力革命AIArtificialIntelligence1952年图灵在计算机械与智能一文中提到了图灵测试来验证机器是否具有智能如果一台机器能够与人类展开交流并且有超过30的人无法在规定时间内识别出与自己交谈的是人还是机器那么这台机器可以被认为是具有智能的后来科技界又提出了其他界定人工智能的标准例如能否实现语音识别机器翻译自动写作等等本报告中所提及的人工智能技术不仅包括具有自然语言处理能力或通过图灵测试的AI技术还包括有海量数据超复杂性要求实时性人类智能暂时无法处理的机器智能技术图1人工智能所涉及的基础技术及终端产品资料来源36kr国信证券经济研究所整理AI发展原动力提效降本在新一轮技术革命中抢占先机微观提效降本科技让生活更美好从C端用户需求来看人工智能解决的是与人相关的娱乐出行健康等生活场景中的痛点人工智能在C端的应用分为两方面1对原有劳动力的替代与生产力效率的提升如语音识别智能客服机器翻译等2新增需求的满足如千人千面的信息分发如抖音快手小红书等内容生成AIGC人机交互如ChatGPT等辅助驾驶安防等从B端需求来看企业对于效率的提升需求旺盛人工智能在金融公共安全医疗健康等领域均取得了较为普遍的应用宏观新一轮技术革命赢得未来国与国之间科技竞争的主动权人工智能有望引领了蒸汽革命电气技术革命以及信息产业革命之后的第四次生产力革命118世纪60年代英国率先发展并完成了第一次工业革命在随后的一个多世界里成为了世界霸主219世纪60年代完成了资产阶级革命或改革的美德法日在第二次工业革命中崛起使人类进入电气时代3进入20世纪中叶以信息技术新能源技术的代表的第三次科技革命在美国兴起进一步强化了美国的霸主地位自2006年以来Hinton提出深度学习算法令机器在自主学习方面有了革命性的突破同时伴随着海量数据的积累GPU芯片计算能力的提升人工智能的三大要素算法算力和数据皆已准备就绪2016年AlphaGo首次击败人类问鼎世界冠军人工智能的关注度急速攀升而近期人工智能技术在安防金融医疗内容分发领域的持续落地使AI技术在提效降本解放劳动力提升资源配置效率方面的巨大作用得以显现我们认为在本轮变革中具有良好技术沉淀和全面布局的国家有望抢得科技的主请务必阅读正文之后的免责声明及其项下所有内容5证券研究报告动权图2人类历史上四次工业革命资料来源36kr国信证券经济研究所整理产业链及发展历程三起两落数据及算力爆发带来新一轮AI发展机遇产业链基础层技术层应用层总体来看人工智能产业链可分为基础支撑层技术层和应用层基础层提供算力主要包含人工智能芯片传感器大数据及云计算其中芯片具有极高的技术门槛且生态搭建已基本成型目前该层级的主要布局玩家为NvidiaAMD英特尔等在内的国际科技巨头国内在基础层的布局和实力均相对薄弱技术层主要解决具体类别问题这一层级主要依托运算平台和数据资源进行海量识别训练和机器学习建模开发面向不同领域的应用技术包括语音识别自然语言处理计算机视觉和机器学习技术等科技巨头谷歌IBM亚马逊苹果阿里巴巴百度都在该层级深度布局并涌现了如商汤科技旷世科技科大讯飞等诸多独角兽公司应用层主要解决场景落地问题利用AI技术针对行业提供产品服务和解决方案其核心是商业化得益于人工智能的全球开源社区应用层的进入门槛相对较低但也是商业价值最大的环节典型如算法推动在抖音快手等应用端落地表1人工智能产业链概览核心能力细分领域产业生态搭建以BATJ为代表的科技巨头开始自然人工智基础层计算力芯片传感器云计算大数据能基础学科实验室加大研发力度同时将触角延伸到对基础层创业公司的投资截至目前包括腾讯百度阿里在内的计算机视觉自然语言处理语言技术层技术开发和输出多个巨头开始构建自己的人工智能平台识别机器学习希望在人工智能时代延续自己的产业优势机器人无人机自动驾驶智能巨头公司占有数据优势巨头公司开始搭应用层商业化的解决方案客服智能物流客户画像等建针对应用层的开源平台资料来源德勤研究国信证券经济研究所整理发展历程60年三起两落呈螺旋式发展回顾人工智能技术的发展历程我们发现人工智能所经历的三次兴起浪潮均源请务必阅读正文之后的免责声明及其项下所有内容6证券研究报告于底层算法的革命性进展而前两轮的衰落是由于数据处理性能及底层算法的局限使AI技术从成熟度以及商业可行性上无法落地2006年Hinton提出颠覆性的深度学习算法使得AI产业迈出关键性一步利用多层神经网络将人类从复杂的算法归纳中解放出来只要给予机器足够多的数据便能使其自动归纳出算法叠加底层算力GPU的不断发展及互联网时代海量数据的积累人工智三驾马车算法算力和数据皆已准备就绪使AI技术彻底走出实验室逐步渗透进各个行业和场景图3人工智能发展的三次浪潮资料来源艾瑞咨询智能时代国信证券经济研究所整理第一轮兴于感知神经网络终于计算机性能约束兴起1956年达特茅斯会议开启了人工智能的元年仅在定理层次等证明了AI商用的可能性实际应用还十分有限1956年以约翰麦卡锡马文明斯基克劳德香农等为代表的科学家们在达特茅斯组织了一场为期两个月的人工智能夏季研讨会探讨如何通过机器模拟人类学习或人类智能的其他特征本次会议结束后很多国家政府研究机构军方等都开始投资人工智能掀起了第一波人工智能热潮在第一波AI的浪潮中占据主导地位的思想是逻辑主义即通过引入符号方法进行语义处理将待研究和解决的问题转化为可以用计算机处理的符号运用逻辑公理进行解答从而实现人机互动第一波人工智能浪潮的总体成就有限仅在定理证明等特定领域取得了成功受制于计算机性能及可获取的数据量当时的人工智能只能完成玩具式的简单任务在语音图像识别及想起游戏等看似简单的任务上进展都十分有限衰落计算机的性能制约了早期程序的应用人工智能的发展首次预冷受限于计算机的处理性能当时其所能处理的程序对象少且复杂度低机器无法读取足够的数据实现智能化AI自然无法大规模落地商用1973年学者莱特希尔发表了一份具有影响力的评估报告人工智能一般性的考察报告指出迄今为止人工智能没有在任何领域发生之前预想的重大影响人工智能的投入是金钱的浪费该报告发表后英国政府随后终止了对爱丁堡等几所高效的人工智能项目的支持到70年代中期美国和其他国家在该领域的投入也大幅度削减人工智能发展进入寒冬第二轮兴于BP神经网络终于专家系统失败兴起1980年代Hopfield神经网络和BT训练算法的提出使基于AI技术的专家系统首次得以商用Hopfield神经网络是通过对动物或人脑的基本单元一神经元建模和连接探索模拟动物或人脑神经系统的学习联想记忆和模式识别等功能的人工模型基于该模型IBM等公司开发出了一系列用于模拟专家决策请务必阅读正文之后的免责声明及其项下所有内容7证券研究报告的专家系统使人工智能第一次实现商业化落地衰落算法局限使计算结遭遇瓶颈人工智能由于实际商用成本过高再次衰落专家系统的维护成本极高但神经元网络只能解决单一问题数据量积累到一定程度后计算结果便不再改进实际应用价值有限1987年苹果和IBM生产的台式机性能超过了由Symbolics等厂商生产的通用计算机专家系统逐渐淘汰第三轮兴于深度学习算法强于数据及算力兴起2006年Hinton提出了神经网络DeepLearning算法将人类从复杂的算法归纳中解放了出来使人工智能再一次聚焦了学术界和产业界的目光从底层算法来讲深度学习算法弥补了传统BP神经网络的缺陷1多隐层的人工神经网络具有优异的特征学习能力从而有利于可视化或分类2传统人工神经网络的训练难度可以通过逐层初始化来克服通俗来讲本轮算法的革命性进步在于不需要人工去提取规则特征机器通过海量数据即可自动实现规则的特征提取将最复杂的算法归纳留给机器去完成数据显示自2012年在图像识别领域引入深度学习算法以来图像识别的错误率显著降低并通过深度学习训练层数的增长及优化在2015年通过ResNet模型使图像识别的精度超过了人眼可达的精度图4深度学习使图像识别逐渐超越人眼可达精度资料来源AI芯片国信证券经济研究所整理强化底层算力的高速发展及多维数据的快速积累使本轮人工智能得以爆发计算机硬件设施的发展如GPU图形处理器TPU张量处理器等新一代芯片及FPGA现场可编程门陈列异构计算服务器提供了足够的计算力能够支持人工智能算法的原型数据的可获得性和质量在这一时期得到了极大的改善互联网物联网等产业的发展也为人工智能提供了规模空前的训练数据人工智能三大要素算法算力和数据的准备就绪使人工智能快速渗透到各产业中如安防金融医疗文娱等人工智能技术流派及我们所处的阶段技术演进行为主义连接主义诞生深度学习技术AI的技术流派经历了符号主义连接主义和行为主义在行为主义思想中引入了连接主义的技术诞生本轮的深度强化学习技术请务必阅读正文之后的免责声明及其项下所有内容8证券研究报告符号主义符号主义又称为逻辑主义在人工智能早期一直占据主导地位该学派认为人工智能源于数学逻辑其实质是模拟人的抽象逻辑思维用符号描述人类的认知过程早期的研究思路是通过基本的推断步骤寻求完全解出现了逻辑理论家和几何定理证明器等上世纪70年代出现了大量的专家系统结合了领域知识和逻辑推断使得人工智能进入了工程应用PC机的出现以及专家系统高昂的成本使符号学派在人工智能领域的主导地位逐渐被连接主义取代连接主义连接主义又称为仿生学派当前占据主导地位该学派认为人工智能源于仿生学应以工程技术手段模拟人脑神经系统的结构和功能连接主义最早可追溯到1943年麦卡洛克和皮茨创立的脑模型由于受理论模型生物原型和技术条件的限制在20世纪70年代陷入低潮行为主义行为主义又称为进化主义近年来随着AlphaGo取得的突破而受到广泛关注该学派认为人工智能源于控制论智能行为的基础是感知行动的反应机制所以智能无需知识表示无需推断智能只是在与环境交互作用中表现出来需要具有不同的行为模块与环境交互以此来产生复杂的行为在人工智能的发展过程中符号主义连接主义和行为主义等流派不仅先后在各自领域取得了成果各学派也逐渐走向了相互借鉴和融合发展的道路特别是在行为主义思想中引入连接主义的技术从而诞生了深度强化学习技术成为AlphaGo战胜李世石背后最重要的技术手段图5人工智能三大学派资料来源人工智能教育国信证券经济研究所整理技术现状深度学习技术带动本轮人工智能发展人工智能算法经历了既定规则系统浅层学习算法和深度学习算法三个阶段其中深度学习算法彻底将人类从复杂的算法抽象中解放了出来用深度神经网络海量数据打破了计算准确度的瓶颈带动了本轮人工智能的爆发人工智能算法所经历的三大阶段及实现过程如下1既定规则系统及其实现过程请务必阅读正文之后的免责声明及其项下所有内容9证券研究报告既定规则系统尚不属于机器学习的范围其背后的关系为人力搭建算法的逻辑关系面对待处理的问题由人提取出问题特征再由人设定好算法规则交由机器进行运行例如判断某幅图片是否为猴子既定规则系统执行过程如下1人为提取猴子各部分像素特征2人为设定猴子判定规则如眼睛鼻子嘴巴等部位的像素应分别位于哪一区间内3机器根据读取到的像素及判定规则计算当前图片是否为猴子输出结果是或否如下图所示图6三代人工智能算法判定过程资料来源人工智能教育国信证券经济研究所整理2传统机器学习算法及实现过程传统机器学习算法彻底将人类从复杂的算法抽象中解放了出来但对复杂数据的处理受到明显制约简单来说机器学习是一种实现人工智能的方法深度学习算法是实现机器学习的技术传统机器学习算法又称浅层算法这类算法如反向传播算法BP算法支持向量机SVMBoosting等局限性在于对有限样本和计算单元的情况下对复杂函数的表示能力有限对复杂数据的处理受到制约例如在图像识别领域浅层学习的识别准确率较低主要原因为该算法的处理逻辑偏向浅层不能穷举复杂的情景在准确率达到一定程度后即使再投入更多数据准确率依然无法提升如判断某幅图片是否为猴子传统机器学习算法执行过程如下1人为提取猴子各部分像素特征2机器自动归纳猴子的判定规则如眼睛鼻子嘴巴等部位的像素应分别位于哪一区间内3机器根据读取到的像素及判定规则计算当前图片是否为猴子输出结果是或否3深度学习算法及实现过程深度学习与传统的机器学习最主要的区别在于随着数据规模的增加其判断准确度也在不断增长判断准确度的提升使人工智能技术可大规模应用于语音识别图像识别等多个领域2006年Hinton提出深度学习算法该算法与传统的机器学习算法最大的区别在于随着数据规模的增加算法计算准确率也不断增长当数据很少时深度学习算法的性能并不突出随着数据量的增加其优越性得以体现如图8所示传统机器学习算法在拟合度达到某一特定值后再增加数据量其拟合度不再提升深度学习算法拟合准确度随着数据量及神经网络层数的增加而提升例如在引入深度学习之前语音识别的准确率连续三年稳定在764引入该算法后其准确率逐年递增2017年已达945如判断某幅请务必阅读正文之后的免责声明及其项下所有内容10证券研究报告图片是否为猴子深度学习算法的执行过程如下人为将海量带有标签的图像数据到计算机中无需进行任何特征提取或规则设定算法自动根据输入图像的特征归纳出判定规则并泛化至后续判断过程中图7三代人工智能算法判定过程资料来源艾瑞咨询国信证券经济研究所整理图8传统机器学习VS深度学习数据量及准确度图9深度学习算法数据量与准确率间的关系资料来源机器之心国信证券经济研究所整理资料来源36kr国信证券经济研究所整理实现要素海量数据及高效算力是深度学习实现基础海量数据及高效算力是深度学习实现基础深度学习全称深度神经网络本质上是多层次的人工神经网络算法即从结构上模拟人脑的运行机制从最基本的单元上模拟了人类大脑的运行机制算法的实现过程分为训练和推断两个阶段训练阶段需要海量数据输入训练出一个复杂的深度神经网络模型推断指利用训练好的模型使用待判断的数据去推断得出各种结论大数据时代的到来图形处理器GraphicsProcessingUnitGPU等各种更加强大的计算设备的发展使得深度学习可以充分利用海量数据标注数据弱标注数据或无标注数据自动地学习到抽象的知识表达即把原始数据浓缩成某种知识简单来说在深度学习算法的基础上海量数据解决了计算精准度的问题算力的提升解决了计请务必阅读正文之后的免责声明及其项下所有内容11证券研究报告算速度的问题图10基于深度学习的人工智能技术架构资料来源中国信通院国信证券经济研究所整理所处时代基于统计规律的弱人工智能时代但商业化价值已经展现人工智能的分类标准及定义李开复及王咏刚在人工智能一书中将人工智能按照智能程度的强弱划分为弱人工智能ArtificialNarrowIntelligence简称ANI强人工智能ArtificialGeneralIntelligence简称AGI和超人工智能ArtificialSuperintelligence简称ASI三个层次各层级特点及典型代表如下表所示表2人工智能的分类标准及定义层级定义特点典型应用AlphaGoAIphaGo专注于且只能解决单个特定领域弱人工智能只能在某一方面代替人类行为Zero人脸识别问题的人工智能语音识别本身拥有人类的思维具有知觉和能够胜任人类所有工作的人工智自我意识能够独立能够进行思考强人工智能尚无能计划解决问题抽象思维理解复杂理念快速学习等在科学创新通识和社交技能等多具有高级思维能力且全方面优于超人工智能尚无领域均优于人类人类目前只存在人类想象中资料来源人工智能国信证券经济研究所整理弱人工智能ANI也称为限制领域人工智能或应用型人工智能本质上是某个特定领域内基于统计规律的大数据处理者通俗来讲弱人工智能只专注于完成某个特定的任务例如语音识别图像识别和翻译是擅长单个方面的人工智能类似高级仿生学该阶段的AI技术是为了解决特定具体类的任务问题而存在底层原理是从海量数据中从中归纳出模型再泛化至新的数据中进行正向运算例如谷歌的AlphaGo和AlphaGoZero就是典型弱人工智能尽管它们能够战请务必阅读正文之后的免责声明及其项下所有内容12证券研究报告胜象棋领域的世界级冠军但也仅限于擅长于单个游戏领域的人工智能图11弱人工智能的典型应用资料来源国信证券经济研究所整理强人工智能AGI是人类级别的人工智能拥有独立思想和意识在各方面均能与人类媲美拥有AGI的机器不仅是一种工具其本身可拥有思维能够进行独立的思考计划解决问题抽象思维理解复杂理念快速学习等可实现全面仿人性在智力水平和行动能力方面与人类基本没有差别目前只存在于电影及人类想象中图12电影机械姬中的强人工智能形象资料来源国信证券经济研究所整理超人工智能假设计算机程序通过不断发展智力水平可以超越人类则由此产生的人工智能系统就可以被称为超人工智能在人工智能的三个层级中超人工智能的定义最为模糊目前还没有精准预测能够说明超越人类最高水平的智慧到底会表现为何种能力对于超人工智能目前只能从哲学或科幻的角度加以想象请务必阅读正文之后的免责声明及其项下所有内容13证券研究报告当前人工智能现状基于统计规律的弱AI时代当前人工智能尚属于弱人工智能阶段按照人工智能的执行深度我们将人工智能的判定层次分为计算智能感知智能和认知智能三个层次1计算智能神经网络和遗传算法的出现使机器能够高效快速地处理海量数据目前该技术的应用已相当成熟2感知智能技术已相对成熟典型应用语音识别及人脸识别准确率分别超过98和993认知智能还有较大提升空间典型应用包括机器翻译和计算机视觉认知这两项技术与人力还有较大差距通过以上对三个层级的分析我们判断人工智能技术尚不具备完全认知能力处于垂直领域的应用投入商用自主认知尚待攻克的弱人工智能阶段图13人工智能所属阶段及判断方法资料来源国信证券经济研究所整理弱人工智能所带来的收效依然十分可观弱人工智能在特定领域的表现均超过人类多种劳动密集型工作均具有较强自动化潜力2017年10月AlphaGo的升级版本实现了不通过向人类学习只通过概率计算和自学自练就达成自我超越战胜李世石的初代AlphaGo由IBM开发人工智能Waston使用机器学习来分析和解读海量医疗数据和文献检查患者数据做出治疗决定印度班加罗尔研究表明Waston与医生在提供肺癌结肠癌和直肠癌治疗建议方面一致性比例分别高达9681和93微软公司的人工智能虚拟机器人小冰学习了20世纪20年代以来519位诗人的现代诗自2017年2月起小冰在天涯豆瓣贴吧简书四个平台上使用了27个化名发表的诗歌作品几乎没有被发现是机器所作不仅如此人工智能在交通教育金融领域也展示出了巨大的应用前景与人类相比人工智能在数据存储调用分析处理方面的强大能力以及在特定危险情境下的生存能力都有望为人类生活带来巨大颠覆麦肯锡报告表明多种人力劳动密集机械类工作都具有较强的自动化潜力住宿和餐饮服务制造交通和仓储等职业自动化潜力巨大请务必阅读正文之后的免责声明及其项下所有内容14证券研究报告图14部分职业的自动化潜力资料来源麦肯锡国信证券经济研究所整理2020年弱人工智能为全球GDP带来14的提升人工智能将提升社区劳动生产率特别是在有效降低劳动成本优化产品和服务创造新市场和就业等方面将为人类的生产和生活带来革命性的转变据Sage预测2020年人工智能的出现将为全球GDP带来14的提升相当于157万亿美元的增长根据世界银行及产新智库的分析人工智能作为当下最先进生产力如果能为制造业提高1的效率全球制造业便会节约3000亿美元再细分到各个产业为航空提高1的效率相当于300亿美元为电力提高1的效率相当于660亿美元为医疗系统效率提高1相当于630亿美元为铁路系统效率提高1相当于270亿美元为石油天然气资本支出降低1相当于900亿美元综上截至2025年人工智能可能影响32万亿美元的全球制造业领域相当于将影响全球50的经济图15全球人工智能市场规模及增速图16中国人工智能市场规模及增速资料来源沙利文咨询国信证券经济研究所整理资料来源沙利文咨询国信证券经济研究所整理万事俱备人工智能场景应用有望全面爆发相比于前两轮的AI浪潮我们认为本轮人工智能应用将全面爆发的原因如下1请务必阅读正文之后的免责声明及其项下所有内容15证券研究报告深度学习算法的革命性颠覆使数据量成为决定拟合结果的核心要素在本轮深度学习算法出现前AI的主要算法是BPSVM等浅层算法由于其处理逻辑停留在浅层即使在拥有海量数据的情况下拟合结果的准确率在提升至某一瓶颈后便无法提升人工智能难以处理复杂的问题深度学习算法得益于多层神经网络可直接用海量数据暴力破解出计算算法数据量越高拟合精准度越高这说明只要具备充足的数据和算力便能快速训练出精准的算法这使得决定人工智能准确度的核心由算法转变为数据和算力2海量多维数据及GPU算力已准备就绪为算法运行提供充足燃料和引擎互联网使海量数据积累成为可能而GPU的出现满足了机器学习大规模并行计算要求至此人工智能的三驾马车算法算力数据皆已准备就绪3开源框架大幅降低了AI的使用门槛4政策及资本的助力AI被广泛认为人类历史上第四次工业革命美国中国等科技大国均将其提升至顶层战略高度加之资本注入及催化弱人工智能的商用已广泛落地资源层数据及算力的大幅提升将AI推向浪潮之巅互联网及数字经济的快速发展为AI算法训练提供充裕的数据来源人工智能领域顶级专家吴恩达曾提到发展人工智能就像用火箭发射卫星需要强大的引擎和足够的燃料算法模型就是其引擎高性能的算力是打造引擎的工具海量的数据就是引擎的燃料基于深度学习的算法特点其计算准确度与数据量基本成正比例如在输入30万张人类对弈棋谱并经过3000万次自我对弈后人工智能AlphaGo具备了媲美顶尖棋手的棋力当前机器学习所能应用的数据已经不局限于文本数字等结构化数据还包括视频音频图片等非结构化数据而根据IDC的统计数据2021年全球数据量已经达到82ZB预计到2026年将达到214ZB图17数据量快速增长资料来源IDC国信证券经济研究所整理GPU的发展解决了深度学习的训练速度和相应的成本问题1英伟达于2016年推出P1002017年推出V1002020年推出A1004年间从P100至A100英伟达GPU芯片高性能计算能力提升11倍2022年英伟达持续迭代推出H100其最新请务必阅读正文之后的免责声明及其项下所有内容16证券研究报告的H100芯片在A100的基础上将训练表现提升9倍2算力芯片的快速迭代使得提升AI模型训练速度和下游用户体验同时基于摩尔定律的算力提升也使得单位算力开销持续下降从技术成熟度和商业化成本两端加速AI技术走向普及图18典型CPU架构图19典型GPU架构资料来源知乎国信证券经济研究所整理资料来源知乎国信证券经济研究所整理图20人工智能算力发展概况资料来源中国信通院国信证券经济研究所整理图21英伟达芯片高性能计算能力显著提升请务必阅读正文之后的免责声明及其项下所有内容17证券研究报告资料来源英伟达官网国信证券经济研究所整理图22人工智能技术成熟度曲线资料来源Gartner国信证券经济研究所整理技术环境开源框架大幅降低开发门槛各巨头在2016年纷纷创立AI开源的开发框架人工智能的开发框架是底层硬件与上层软件之间的纽带可以视作人工智能进行开发和应用的操作系统以往的专家系统是基于本地化专业知识进行运算以知识库和推理机为中心进行展开推理机设计内容由不同的专家系统应用环境决定不具备通用性同时知识库是开发者收集录入的专家分析模型与案例的资源集合只能在单机系统环境下使用且无法连接网络升级更新不便企业的软件框架实现有闭源和开源两种形式少数企业选择闭源方式开发软件框架目的是打造技术壁垒目前业内主流软件框架基本都是基于开源化运营如谷歌的TensorFlow脸书的Torchnet微软的DMTKIBM的SystemML三星的VELES等均具有分布式深度学习数据库和商业级即插即用功能表3主流开源框架巨头开源框架时间说明IBMSystmeML2015年使用Java编写可实现三大功能定制算法多个执行模式自动优化Caffe支持非常多的计算机视觉领域算法目前仍然有非常多的卷积神经网络伯克利大学Caffe2013年模型还都依赖于这个框架FacebookTorch2015年灵活且速度快缺点是要求开发者掌握Lua语言可扩展性比较差通用灵活使用数据流图进行计算并提供了可视化工具缺点是速度慢且GoogleTensorFlow2015年占用内存大模型库不够丰富百度PaddlePaddle2016年易用高效灵活可扩展支持Kubernetes深度学习数据库请务必阅读正文之后的免责声明及其项下所有内容18证券研究报告微软DMTK2015年可同时使用多台服务器缺点是缺乏可视化YahooOpen-AI2016年更专注于开发和对比的强化学习RL算法的深度学习系统资料来源36kr国信证券经济研究所整理外部环境政策助力人工智能迎来发展良机中国密集出台人工智能相关政策并将AI上升至国家战略力求在下一轮工业革命中抢占先机自2015年以来国内不断出台推动人工智能发展的鼓励政策包括1建立人工智能促进机制2为人工智能提供近支持包括税收优惠财政扶持及制定金融政策等3推动创新包括促进产业集群布局创新基地鼓励人才培养4政府制定规制与保障措施等表4中国人工智能行业重要政策梳理时间政策发文单位主要内容加快推动新代信息技术与制造技术融合发展把智能2015年5月中国制造2025国务院制造作为两化深度融合的主攻方向着力发展智能装备和智能产品推进生产过程智能化将人工智能列为其11项重点行动之一具体行动为培育发展人工智能新兴产业推进重点领域智能产品创国务院关于积极推进互2015年7月国务院新提升终端产品智能化水平主要目标是加快人工智联网行动的指导意见能核心技术突破促进人工智能在智能家居智能终端智能汽车机器人等领域的推广应用人工智能写入十三五规划纲要加快信息网络新技中华人民共和国国民经济术开发应用重要突破大数据和云计算关键技术自主2016年3月和社会发展第十三个五年规可控操作系统高端工业和大型管理软件新兴领域人划纲要工智能技术到2020年自主品牌工业机器人年产量达到10万台六轴及以上工业机器人年产量达到5万台以上服务机机器人产业发展规划工业和信息化部国家发展和2016年4月器人年销售收入超过300亿元工业机器人主要技术2016-2020年改革委员会财政部指标达到国外同类产品水平机器人用精密减速器伺服电机及驱动器等关键零部件取得重大突破到2018年打造人工智能基础资源与创新平台人工智能产业体系创新服务体系标准化体系基本建立基础核心技术有所突破总体技术和产业发展与国际同互联网人工智能三国家发展改革委科技部工业2016年5月步应用及系统级技术局部领先在重点领域培育若干年行动实施方案和信息化部中央网信办全球领先的人工智能骨干企业初步建成基础坚实创新活跃开放协作绿色安全的人工智能产业生态形成千亿级的人工智能市场应用规模发展新一代信息技术其中人工智能方面重点发展大十三五国家科技创新2016年7月国务院数据驱动的类人智能技术方法在基于大数据分析的类规划人智能方面取得重要突破以推动终端产品及应用系统智能化为主线着力强化技术攻关突破基础软硬件核心算法与分析预测模型先进工业设计及关键应用提高智能硬件创新能力着智能硬件产业创新发展专工业和信息化部国家发展和2016年9月力优化发展环境加快智能硬件应用普及进程加强行项行动2016-2018年改革委员会业公共服务平台建设夯实智能硬件发展基础着力繁荣产业生态建立标准知识产权创业创新平台应用示范间的联动机制培育新模式新业态发展人工智能培育人工智能产业生态推动人工智能十三五国家战略性新技术向各行业全面融合渗透具体包括加快人工智能2016年11月国务院兴产业发展规划支撑体系建设推动人工智能技术在各领域应用鼓励各行业加强与人工智能融合逐步实现智能化升级人工智能首次被写入政府工作报告一方面要加快培育新材料人工智能集成电路生物制药第五代2017年3月2017年政府工作报告移动通信等新兴产业另一方面要应用大数据云计算物联网等技术加快改造提升传统产业把发展智能制造作为主攻方向到2020年人工智能技术和应用与世界先进水平同步人工智能核心产业规模超过1500亿元带动相关产业规模超过1万亿元2025年人工智能基础理论国务院关于印发新一代人实现重大突破部分技术与应用达到世界领先水平核2017年7月国务院工智能发展规划的通知心产业规模超过4000亿元带动相关产业规模超过5万亿元2030年人工智能理论技术与应用总体达到世界领先水平核心产业规模超过1万亿元带动相关产业规模超过10万亿元2017年10月十九大报告人工智能写入十九大报告将推动互联网大数据人请务必阅读正文之后的免责声明及其项下所有内容19证券研究报告工智能和实体经济深度融合从推动产业发展角度出发结合中国制造2025促进新一代人工智能产业对新一代人工智能发展规划相关任务进行了细化和2017年12月发展三年行动计划工业和信息化部落实以信息技术与制造技术深度融合为主线以新一2018-2020年代人工智能技术的产业化和集成应用为重点推动人工智能和实体经济深度融合人工智能连续两年被列入政府工作报告加强新一代人工智能研发应用在医疗养老教育文化体育等2018年3月2018年政府工作报告多领域推进互联网发展智能产业拓展智能生活通过人工智能主要细分领域选拔领头羊先锋队树新一代人工智能产业创新2018年11月工业和信息化部办公厅立标杆企业培育创新发展的主力军加快我国人工智重点任务揭榜工作方案能产业与实体经济深度融合把握新一代人工智能的发展特点结合不同行业不同关于促进人工智能和实体区域特点探索创新成果应用转化的路径和方法构建2019年3月经济深度融合的指导意见数据驱动人机协同化解融合共创分享的智能经济形态官方首次明确了新基建的范围人工智能列入七大2020年4月国家发改委新闻发布会领域到2021年明确人工智能标准化顶层设计研究标准国家标准化管理委员会中体系建设和标准研制的总体规则明确标准之间的关国家新一代人工智能标准2020年8月央网信办国家发展改革委系指导人工智能标准化工作的有序开展完成关键通体系建设指南科技部工业和信息化部用技术关键领域技术伦理等20项以上重点标准的预研工作到2023年初步建立人工智能标准体系瞄准人工智能等前沿领域实施一批具有前瞻性战略国民经济和社会发展第十性的国家重大科技项目推动互联网大数据人工智2021年3月四个五年规划和二O三五年能等同各产业深度融合推动先进制造业集群发展构远景目标建一批各具特色优势互补结构合理的战略性新兴产业增长引擎培育新技术新产品新业态新模式引导超大型大型数据中心集聚发展构建数据中心集群推进大规模数据的云端分析处理重点支持对全国一体化大数据中心协发展改革委网信办工业和海量规模数据的集中处理支撑工业互联网金融证券2021年5月同创新体系算力枢纽实施方信息化部能源局灾害预警远程医疗视频通话人工智能推理等抵近案一线高频实时交互型的业务需求数据中心端到端单项网络时延原则上在20毫秒范围内新型数据中心发展三年行推动新型数据中心与人工智能等技术协同发展构建完2021年7月工业和信息化部动计划2021-2023年善新型智能算力生态体系场景创新成为人工智能技术升级产业增长的新路径关于加快场景创新以人工科技部教育部工业和信息场景创新成果持续涌现推动新一代人工智能发展上水2022年7月智能高水平应用促进经济高化部交通运输部农业农村平鼓励在制造农业物流金融商务等重点行业质量发展的指导意见部卫生健康委深入挖掘人工智能技术应用场景促进智能经济高端高效发展坚持面向世界科技前沿面向经济主战场面向国家重大需求面向人民生命健康充分发挥人工智能赋能经济社会发展的作用围绕构建全链条全过程的人工智关于支持建设新一代人工2022年8月科技部能行业应用生态支持一批基础较好的人工智能应用场智能示范应用场景的通知景加强研发上下游配合与新技术集成打造形成一批可复制可推广的标杆型示范应用场景首批支持建设十个示范应用场景资料来源政府官网国信证券经济研究所整理新一代人工智能发展规划提出了三步走战略目标加速AI再各行业渗透落地第一步到2020年人工智能总体技术和应用与世界先进水平同步人工智能产业成为新的重要经济增长点核心产业规模超过1500亿元带动相关产业规模超过1万亿元第二步到2025年新一代人工智能在智能制造智能医疗智慧城市智能农业国防建设等领域得到广泛应用核心产业规模超过4000亿元相关产业规模超过5万亿元第三步到2030年人工智能理论技术与应用总体达到世界领先水平形成涵盖核心技术关键系统支撑平台和智能应用的完备产业链和高端产业群人工智能核心产业规模超过1万亿元带动相关产业规模超过10万亿元请务必阅读正文之后的免责声明及其项下所有内容20