• 项目
首页>>文章列表 >>行业研究
行业研究

金准产业研究 房地产行业白皮书

前言

诺贝尔经济学奖得主克鲁格曼曾提出“核心—边缘”理论,即在一个平衡的区域内,能够自发形成经济集聚的核心和边缘区,而两者的空间结构地位并非一成不变的。这个理论在今天仍有借鉴意义,在人口、经济和产业等多重推拉力下,我国城市“地壳运动”正在持续进行,有的城市上升,有的城市下沉。金准产业研究团队重申,基本面才是支撑房地产发展的根本因素,房地产发展是基本面的投射,城市的生命周期就是房地产的生命周期。

风起于青萍之末。城市晋级赛激战正酣,房地产行业亦呈现出新趋势。金准产业研究团队发现,趋向于“零和游戏”的节点上,无论在城市发展抑或行业发展中,人口都已成为重要的活力因子。本次白皮书金准产业研究团队聚焦新趋势新机遇时,对人口的结构、迁移也给予了重点关注。金准产业研究团队发现以下3个新趋势:

趋势一,“工程师红利”,发展新动能。人口规模已告别高增长的数量红利,但巨大的人口基数下,人口素质提升和城镇化迁徙等结构变化,正在带来新一轮的人口质量红利。过去十年间,我国国民受教育程度显著提升,人才竞争决定未来城市格局之变,这也是各城市打响“人才争夺之战”的底层逻辑。

趋势二,边界模糊,尖角耸起。城镇化发展到新阶段,都市圈发展的市场边界早已跨越了行政边界,核心城市更加集聚,但区域内核心可能不只1个;而在部分人口基数庞大的三四线城市,城区人口集聚。

趋势三,“冰山”融化,首位提升。制约中西部发展的“冰山”远程运输成本,正在消解。尤其以武汉为首的中部和以成渝为首的西南区域,承接了东部大量的高端制造业,经济贡献度明显提升,核心城市人口聚力明显拔升。增量开发市场:2018年四季度,全国性的市场运行周期拐点已确立。预计2019年将是“调整年”,整体延续调整。但局部窗口显现,下半年先行一二线城市有望率先筑底放量。

存量经营市场:前期火热的长租公寓却遭遇“风波年”证明存量经营当前仍面临诸多难点痛点,因而需理清发展逻辑、关注周期波动、聚焦核心城市。

金准产业研究团队认为,市场调整并不可怕,调整期往往也是机遇期。正由于行业高位即时调整,很大程度上避免了市场出现1991年日本、1998香港和2008年美国的危机情况,从而行业发展更具韧性,金准产业研究团队对于增量市场规模未来5—10年仍将维持十万亿++更有信心。这也为还需要时间培育的存量市场提供了更大的动能基础和时间缓冲。

展望未来,随着公募Reits的开放,以及市场利率中枢的缓步下行,一线和二线热点城市将迎来一个开发与经营长期并存,平衡发展的新时代。行业逐渐形成一个符合“租购并举”,满足人民多层次和多样化需求的新生态,成为美好生活的同行者。

一、行业生命周期

城市基本面决定行业生命周期,峰值时代聚焦最优百城探究房地产行业两大核心驱动力——人口及城市,可以发现:人口步入“质量红利”周期阶段,峰值时代房地产增长动能转化,未来发展机遇来源于人口结构变化,2.5亿高素质人口迁移选择将塑造未来城市格局。经济转型升级下,新一轮产业分工逐步形成,城市竞争格局动态调整,三大都市圈的底层驱动逻辑亦有差异,中西部核心城市呈崛起之势。房地产峰值时代更应追寻需求而非供给,布局聚焦最优百城。

1.1人口维度:2.5亿高素质人口规模创国家纪录

人口总量高位区间,内部结构变化趋势是关键变量。

中国人口增长率的高峰期已过,《国家人口发展规划:2016至2030》对于人口趋势的判断是“十三五时期出生人口将有所增多,十四五之后受育龄妇女数量减少和人口老龄化影响,人口增长势能减弱”,2020年中国人口预计为14.2亿,2030年总人口达到14.5亿的峰值。90后有2.1亿,而00后仅为1.6亿,人口总量进入高位区间,新生人口规模趋势性下滑已不可逆转,但人口内部结构性变化不可忽视。

人口迈入“质量红利”周期,人才竞争决定未来城市格局之变。

近期关于人口危机的探讨,很多人将其归因于对生育的政策性限制,但其实世界上绝大多数国家没有限制人口,但全球生育率仍在不断下滑;这称为工业化生育率悖论,指随着经济发展,生育率是趋于下滑的。而随着工业化推进、经济高速发展,高等教育得以大规模推广,过去十年间,我国国民受教育程度显著提升,人口素质红利待爆发。

人口周期转变,人口迁移形势随之变化。一方面,流动人口规模在2014年前后趋势性下滑,这与流动人口主要构成——农民工年龄结构显著上升关系较大,金准产业研究团队观察到农民工有回流三四线城市迹象,这也是这一轮三四线房地产市场及消费市场大爆发的重要背景之一。另一方面,90后中超7000万人受过高等教育,80后中3500万高等院校毕业生,未来将有52.5亿人受过高等教育,而这部分高质量人口的迁移选择将深刻改变中国城市格局。

2.2城市维度:最优百城呈现动态更新发展

经济“强核”发展,高质量人口继续向核心城市聚集。

选取2000、2010和2018年三个时点,追踪各区域GDP占全国比重,可以看出:北方区域GDP贡献度普遍下滑,其中东北下滑最为明显;而以武汉为首的中部和以成渝为首的西南区域贡献度显著提升。

全国资金流向趋势亦印证了“南强北弱”的发展态势,从社会融资规模看,长三角及珠三角的资金汇集能力仍在提升,而除京津冀以外的广大北方区域,资金吸引力下降较为显著。

进一步细化至城市层面,核心城市经济贡献度持续提升:(1)三大城市群,京津冀核心城市贡献度最高、长三角、珠三角核心城市贡献率略有提升但幅度不大。其中,珠三角九市GDP占广东全省比例从2000年的78%上升至现在的85%;(2)北方区域其他核心城市贡献比例不高,未来优势发展资源有进一步向核心城市聚集可能性;(3)中部区域,武汉区域贡献度提升显著提升,而郑州、南昌在省内经济优势地位虽有提升趋势、但暂时优势仍不明显。

三大都市圈底层驱动力各异,城市发展形态阶段不同。

京津冀、长三角和粤港澳三大都市圈是中国经济发展的核心引擎。这里以占全国5%的土地、24%的人口,创造了43%的GDP总量,并培育出超过3000家上市企业,为房地产市场贡献了26%的成交规模。三大都市圈虽各具特色,但都有极大的发展空间和潜力,无疑仍将成为未来高素质人口的首选流入之地。

基于不同的现状特征和资源条件,三大都市圈的整体发展策略各有侧重。京津冀都市圈侧重“协同”,是高度发展的北京、天津与基础设施薄弱的河北间的“平衡差距、疏解京津”;长三角都市圈侧重“一体化”,是上海、杭州、南京与周边群星的“区域互通、市场合作、一体同城化”;粤港澳大湾区侧重“融合”,是香港、澳门与珠三角间的制度创新、科技创新。

京津冀都市圈:政策驱动强,单核主导发展不平衡政治心脏,政策优势明显。京津冀都市圈历来是我国的政治中心,政策倾斜力度大。但反过来由于其行政色彩偏重,导致市场化程度不高。以北京为单核的空间布局,资源矛盾加剧,环境恶化。北京过强的虹吸效应,导致周边城市增长乏力,呈现单核特征。

产业分工尚待调整,方能形成合力。改变北京过高的高端服务业占比,增强对天津和河北的第二产业拉动,逐渐让要素和人口向周边城市合理流动。

长三角都市圈:资本高地,创新创意引领新发展独具历史积淀,经济与教育基础雄厚。长三角既有港口优势,又腹地广阔,自古就是富庶之地。教育资源丰富,为知识经济发展打下了坚实的基础。城市串珠型分布,空间外溢尚待发力。跨城交通主要依赖高铁,上海、杭州、南京等核心城市内部仍有较多的可拓展用地,有效外溢不足。产业门类齐备,创业活力十足。长三角在生物医药、高端装备等先进制造业领域处于领先地位,以阿里巴巴为代表的互联网新经济更是引领新一轮变革。

粤港澳大湾区:高度市场化,创新驱动可持续发展商贸基础厚实,高度自由化市场经济体。以香港、广州为代表的商贸之都,海纳百川,积累了深厚的商业传统和坚实的商贸基础,市场经济意识深植人心。城市呈连绵带状发展,已形成跨城职住关系。城市建成区已基本相连,形成了完善的城际立体交通网络。公交化的跨城地铁使市场边界已不局限于行政边界。

全球独特的完整产业链,创新能力突出。香港金融中心+深圳科创中心+广州商贸中心,造就了完备的产业链,形成了城市发展和人才流入的持续动力。

“冰山”成本消解,中西部核心城市首位提升。

全国城市GDPTOP020折射城市格局的变化,背后是经济产业格局的变化。制约中西部发展的“冰山”远程运输成本,正在消解。武汉、西安、成都、贵阳等城市新崛起,承接了东部大量的高端制造业,形成具有自身特色的产业“名牌”。例如,武汉的装备制造和信息技术制造总产值均超千亿,成为“中国光谷”;西安成为“硬科技之都”、贵阳成为“大数据之都”、成都成为“全球一流显示产业基地”等。产业地位提升,也使得这些城市房地产市场加速发展。

中西部核心城市人口聚力显著拔升是重要例证。对比中西部典型省份省会与省内其他城市小学生人数增幅,发现:2010年以前,省会对省内人口吸引力并不显著,具体表现为小学生人数增减是同向变化的;2010年以后,省会城市人口吸引力明显提升,如成都小学生规模累计增幅近四成,而同期四川其他城市小学生规模仍处于负增长区间。

人口规模拐点降至,人口分布走向“零和博弈”,未来高素质人口将进一步向大中城市聚集,这也是各城市打响“人才争夺之战”的底层逻辑。金准产业研究团队重申基本面(人口、经济、产业等)才是支撑房地产发展的根本因素,房地产发展是基本面的投射,城市的生命周期就是房地产的生命周期。

基于对全国城市生命周期的反复研究及验证,金准产业研究团队提出:峰值时代,房地产布局百城理论,聚焦百城,动态调整。聚焦“胡焕庸线”东南,一二线城市及珠三角、长三角、京津冀三大城市群仍将主导峰值时代;北方人口、资源、经济向少数大城市的集聚效应会更明显,而当前“南强北弱”格局下,南方城市整体看布局机会点优于北方。同时,随着产业发展格局和城市格局的变化,动态调整百城名单。

二、市场运行周期

增量开发市场、存量经营市场均面临短周期波动、调整当前行业发展环境“错综复杂”,经历过去三年的超级大周期,市场回归理性、回归真实居住需求,不论是增量开发,还是存量经营市场,均面临短周期波动、调整,但其中亦不乏结构性机会点。

2.1增量市场:2019年总体调整,先行一二线有望率先筑底

当前市场阶段:全国性市场拐点已现,从“轮涨”到“轮调”。

本轮全国周期是从去年3季度开始趋势性走弱,全国性市场“拐点”出现在四季度。金九银十不如预期,是全国市场拐点出现的重要时点,据微观项目监测反馈,四季度多数城市开始出现“以价换量”现象,这也基本符合金准产业研究团队2018年初的判断,当时的判断是2018年上半年比下半年好,市场氛围逐季度走弱。

本轮周期三大突出特征决定2019市场走势。

城市轮动分化,不同城市的周期阶段差异大。

不同与以往周期大多数城市市场阶段几乎是同步的,本轮周期中,全国范围内不同城市市场“春夏秋冬”同时都存在。从70城新房价格指数可看出,以往各线城市价格变动时点基本一致,前后时间差不超过一个季度;而本轮周期先行一二线城市2015年下半年开始领涨,于2017年年中逐步走向横盘或调整,而三四线城市周期差异更为显著,城市群三四线紧随核心城市,中西部非城市群三四线周期滞后先行城市一年以上。

行政强干预左右市场供求,致市场信号部分失真。

本轮调控政府介入程度之深,调控工具之多,恰恰证明政府对房地产的重视程度之高,其中行政手段在本轮调控中色彩浓厚,对市场供求价的直接影响较大。调控工具丰富,但政策效果存在一定程度对冲,如限购限贷降低有效需求,而限价、摇号则传导“产品性价比及稀缺性”信号。另一方面,行政干预下正常供求规律自平衡能力减弱,部分二线城市房价体系扁平化,市场存在局部失灵。

房价和购买力错配,三四线城市购买力透支下带来更长的寻底期。

本轮房价涨幅超以往任何周期,从分线城市成交总价占比来看,一线城市总价段300万以上成交占比明显提升;二线城市100-300万总价段产品成主流;三四线总价段100万以上产品占比提升20多个百分点。

2019年,金准产业研究团队不可忽视中央“稳地价、稳房价、稳预期”的决心,为保证楼市平稳运动,中央将持续对冲,通过授予地方灵活空间,用政策面(如放宽落户条件、取消限售)、资金面(如购房利率上浮区间下调)等工具释放利好。随着资金从三四线城市向一二线城市回流,预计全年市场将延续调整,先行一二线城市将有望率先筑底。

2.3经营市场:理清发展逻辑、关注周期波动、聚焦核心城市

1998-2018年,房地产行业经历了房改以来高速发展的20年,这期间,增量开发是行业绝对主导,近年随着增量开发进入峰值时代,房企积极开启存量经营的发展布局,2018年,前期火热的长租公寓却遭遇“风波”已证明存量经营时代发展的波折。

发展逻辑:增量开发市场利润的合理回归,是存量经营市场崛起的必要条件。

任何行业发展的逻辑基础是资金的投入聚集,资金的轮转走向,很大程度决定行业的兴衰趋势。金准产业研究团队可以看到很多这种轮转关系,如房地产与股市之间的跷跷板效应,一二线城市与三四线城市的房地产周期轮动,房地产的增量开发与存量经营市场,同样存在着一定的轮转关系。过去20年,增量开发市场的高盈利性,是房地产行业高速发展的逻辑基础,大量资金涌入推动行业高速增长,同时反过来成为社会融资利率高原的保卫者。

近年来,增量开发的高盈利性已出现趋势性下降,房企的毛利率逐渐向社会资本平均回报水平回归。这种回归将从3个层面推动峰值时代向存量时代的过渡:一是房价涨幅放缓倒逼购房客户不再单纯依赖房价上涨获得升值收益;二是利润下行倒逼房企形成经营创造价值的思维和行动;三是收益下行带动社会融资成本的理性回调。因此,增量开发盈利水平的合理回归,很大程度上是存量经营市场未来能够真正崛起的必要条件。

周期波动:存量经营与增量开发一样,存在市场周期波动规律。

观察成熟的美国存量经营市场,存在着明显的周期波动规律。美国写字楼市场运行周期波峰明显,与经济周期高度相关,遭遇波谷阶段的1998年、2008年恰逢经济危机时点,且对房地产交易市场,经营市场运行周期相对较长。

国内一线城市的商办经营亦呈现波峰波谷特征。因此,研究存量经营市场,应和增量市场一样,关注运行周期规律,分析供求关系、政策环境等因素,从中寻找规律和机会。

聚焦核心:存量经营比增量开发市场更不均衡,聚焦少数头部核心城市。

不同城市房地产行业发展所处的生命周期阶段差异显著,少数头部核心城市的增量开发起步早、更成熟,存量经营市场的机会将更加突出。实际上,2018年是外资投资国内商办力度最大的一年,外资投资上海商办市场占比超一半,北京、杭州、武汉、南京等头部城市商办也吸引了海外资金目光。可以看出:国外资本对商办物业投资是波动的,且更注意城市选择,当前外资认为北京、上海等核心城市商办产品已具备投资性价比。

三、2019房地产行业趋势

3.1 2019年房价预测

自1998年,我国住房制度改革以来,商品房这个字眼进入人们的视野已经整整20个年头。目前,商品房早已经脱离“居住功能”这一基本属性,成为大多数家庭与个人资产投资与保值增值的必需品。但是商品房,作为一种特殊的商品,依然具备商品的属性,其一是供求关系决定价格走势;其二是符合市场经济学规律,价格不可能只涨不跌,应该有涨有跌。

以北京、上海、广州、深圳、香港等为代表的一线城市:近期预期微跌10%左右,长期看还是有一定上涨空间。目前,北上深等三座城市二手房成交均价约6万元/平米(下同),广州约4万元/平米,香港20万元/平米,2017年北上广深等四城经济总量和人口已经全面超过香港,未来10-20年之内前面超越香港,上海、深圳、北京、广州依次突围,未来3-5年内,北上深房价均价至少10万元/平米(即涨幅至少50%),广州至少6万元/平米(即涨幅至少50%)。

以杭州、武汉、成都和南京等为代表的强二线城市,近期预期保持相对稳定,长期看先跌后涨,涨幅不小,上涨幅度不会低于50%。目前,杭州现均价逼近5万,接近上海;武汉、成都、南京等现均价超过2万,四者是副省级城市、省会中心城市、人口超级城市(常住人口超过或接近1000万)、GDP均超1万亿元、教育重镇、人口持续净流入,未来看好四大城市率先突围加入新一线城市阵营,房价超过4万元/平米,涨幅接近100%。

以佛山、东莞、重庆、天津、青岛、宁波、苏州、无锡等为代表的弱二线城市,近期预期会滞涨,但是人口与产业聚集地,近期有调整空间,未来涨幅不会太大,但是增幅有限,未来房价预计稳定在2万5000元/平米以上。

以珠海、中山、惠州、南通、济南、绍兴、厦门、泉州、常州等为代表的强三线城市,近期有一定幅度下跌,但是区域经济发达,未来还是有一定上涨空间,未来房价还是有望站稳2万元/平米,有望接近2万5000元/平米。

以江门、肇庆、廊坊、承德、张家口、镇江、金华、廊坊、承德、张家口等为代表的弱三线城市,区域分化严重,环北京区域黑洞效应明显预计有明显回落,估计还有下跌空间;长三角存在产业外溢效应,预计先微跌后缓慢反弹,珠三角预计不会有太大跌幅,借助粤港澳大湾区概念,将有会一波大的涨幅。

综合考虑到高净值人群与中产阶层集聚度、经济与产业基础状况、人口净流入以及交通便利性等诸多因素,还是极力看多一线和强二线城市2019年房价触底反弹趋势,中等看多中等及弱二线、长三角与珠三角强三线城市2019年房价,看平一般区域强三线2019年房价,基本没有太多增长空间,严重看空弱三线、环北京以及四线城市2019年和2020年房价。

从2018年7月开始,全国主要大中城市房价陆续才开始有所松动,而10月份开始正式全面下行,因此,预计在严厉调控下,2019年房价呈现见顶回落的过程,全国范围至少有10%以上跌幅,未来3-5年看会出现城市与区域分化的走势。预计到2019年第二季度左右,部分城市才会比较大的降幅,达到阶段性谷底,同时中央和地方政策在各种因素的作用之下或许开始松动,因此2019年6月份前后部分城市迎来买房入手抄底的良机。

3.2 2019年房地产市场走势展望

不可否认,过去十年是我国房地产行业发展的黄金时代,整个行业迎来历史性发展机遇,并于2018年中到达阶段性顶点。展望即将到来2019年,预期中国内地房地产调控仍然不会放松,是否继续升级加码有待观察。2019年,中国内地房地产市场,虽然充满诸多变数,但是毫无疑问,房地产行业整体阶段性下行的趋势依然确立。作为全球三大金融中心之一,香港楼市一向是东亚地区楼市的风向标,倾巢之下岂有完卵,香港楼市即将面临10年以来最惨淡的下跌,作为血脉相连且彼此融入的内地市场,又岂有继续不跌之理?

当前中国经济处于“新常态”发展阶段,宏观经济整体趋势下行,国内经济增速持续放缓,宏观经济面临结构调整与传统产业升级迭代,2019年房地产行业整体下行不可逆转的趋势,我们依然要坚定信心,坚守希望,同时坚持不破不立,稳中求变。中国内地房地产行业增速放缓,企业转型升级已是刻不容缓,整个房地产行业也正在经历从一级增量市场占优到二级存量市场主导的转变,由高增长进入了“去库存”阶段。同时,中央推行“租购并举”制度,支持住房购买与出租两者并行。在这样的市场环境下,房地产行业已由过去的黄金时代步入白银时代,甚至逐渐走进青铜时代,未来房地产开发商可能从“卖房子”转向“卖服务”,实践“存量时代,运营为王”的理念。

结语

“在绝望中寻找希望,人生终将辉煌”——这句新东方创始人俞敏洪的经典座右铭,曾经激励着无数怀揣出国求学梦想的有志青年,用勤奋、智慧与执着的人生态度,最终实现自己的人生梦想,成功抵达大洋彼岸。我们依然可以清晰的看到,相对于欧美等发达国家,中国内地房地产市场发展上行趋势远远没有结束,庞大的人口基数、日益提升消费升级需求以及宏观经济未来触底反弹的宏观基本面,都会成为2019年下半年我国房地产市场触底后企稳反弹的最好注释。“不经历风雨怎么见彩虹”,经历2017年的热烈,2018年的迷茫,即将到来2019年的坚守,相信在凛凛寒冬中,定会迎来2020年的中国内地房地产行业的希望之春。


金准人工智能 全球AI报告分享

前言

截止2018年上半年,在全球范围内共监测到4998AI企业。其中美国2039家世界第一,其次是中国1040家(不含港澳台地区)。过去,为全球可持续发展发声的更多是美国科技巨头,而今这一局面正在发生变化,在人工智能领域处于领先地位的中国企业开始走到台前,思考如何以技术发展促进全球可持续工业发展的问题,承担起更多国际社会责任。

斯坦福全球AI报告旨在通过具体数据全面追踪人工智能的最新进展。金准人工智能专家推荐来自斯坦福大学的报告《2018全球AI年度报告》,从学术研究、产业、软件开源、公共利益等方面介绍2018年AI的发展,并记录计算机视觉、自然语言理解等领域的技术进展。

一、2018AI论文发表概况

1.1按学科分类

下图显示了学术论文的年度出版率相对于1996年的比率的增长。该图比较了所有科研领域、计算机科学(CS)和人工智能(AI)的论文增长。

1996年到2017年,每年发表的AI论文的增长率都超过了CS领域,这表明AI论文的增长不仅仅是出于人们对计算机科学的兴趣增加。

1996-2017论文按学科分类发表增速

1.2按地区分类

下图显示了按地区分类发表的AI论文数量。欧洲一直是AI论文的最大生产地-2017年Scopus的AI论文中有28%来自欧洲。与此同时,尽管2008年左右中国论文数量出现波动,2007年至2017年在中国发表的论文数量增加了150%。

1998-2017论文按地区分类发表增速

1.3细分领域分类

下图按子类别展示了Scopus上的AI论文数量。类别不是互斥的。2017年发表的AI论文中,有56%来自机器学习与概率推理(Machine Learning and Probabilistic Reasoning)这一研究方向,而2010年只有28%。图中展示的大多数2014-2017年期间的论文发表速度都比2010-2014年期间快。最突出的是神经网络(Neural Networks)方向,2010-2014年复合年增长率(CAGR)只有3%,而2014-2017年的复合年增长率达到37%。

1998-2017Scopus子类别的AI论文数量

1.4 arXiv 上的AI论文

arXiv是一个收集物理学、数学、计算机科学、生物学与数理经济学的论文预印本的网站。下图显示了arXiv上的AI论文数量。右轴是指arXiv上所有AI论文的总和(由灰色虚线表示)。

arXiv上的AI论文数量一直在增加。这些论文无论是经过同行评议还是已被AI会议接受,都表明AI作者倾向于传播他们的研究,这也表明了该领域的竞争性。自2014年以来,计算机视觉(CV)和模式识别是arXiv上最大的AI子类别。这除了表现出人们对计算机视觉的兴趣日益增长之外,这也表明其他AI应用领域的增长。

arXiv上按子类别划分的AI论文数量(2010-2017)

1.5按地区活动关注度分类

下图显示了美国,欧洲和中国的相对活动指数(RAI)。RAI通过将其与AI中的全球研究活动进行比较来近似区域的专业化程度。RAI被定义为一个国家的AI出版物产出相对于AI出版物全球份额的份额。1.0表示一个国家在AI中的研究活动与AI中的全球活动完全一致。高于1.0的值意味着更重视,而低于1.0的值意味着较少重视。中国的AI论文更侧重于工程技术和农业科学,而美国和欧洲的AI论文则倾向于关注人文科学和医学与健康科学。与2000年的数据相比,2017年的数据显示,这三个地区的专业化程度提高,而中国则转向农业。这符合我们的预期,因为中国是最大的食品生产国,并且倾向于将其研究重点放在应用AI上。

各区域AI研究关注重点(2000年)

各区域AI研究关注重点(2017年)

1.6按机构关注度分类

下图展示了与政府,企业和医疗机构有关的Scopus论文数量。2017年,中国政府发表的AI论文数量几乎是中国企业的4倍。自2007年以来,中国的政府发表AI论文数量增加了400%,而同期企业AI论文仅增加了73%。在美国,相对较大比例的AI论文是由公司发表。2017年,美国企业AI论文的比例比中国企业AI论文的比例高6.6倍,比欧洲高4.1倍。

中国按机构分类的AI论文(1998-2017)

美国按机构分类的AI论文(1998-2017)

欧洲按机构分类的AI论文(1998-2017)

各地区企业发表AI论文的增长(2009-2017)

各地区政府发表AI论文的增长(2009-2017)

1.7 AI论文引用概况

下图显示了地区划分AI作者的平均加权引用。加权引用(FWCI)是AI作者在该地区接收的平均引用次数除以所有AI作者的平均引用次数。FWCI显示了学者引用书相对于世界平均水平。FWCI为0.85表明论文的引用率比世界平均水平低15%。虽然欧洲每年发布的AI论文数量最多,但欧洲的FWCI仍保持相对平稳,与世界平均水平相当。相比之下,中国已大幅增加其FWCI。2016年,中国的AI作者被引用率比2000年高出44%。尽管如此,美国的总引用率仍高于其他地区,比全球平均水平高出83%。

AI作者的地域加权引用(1998-2016)

1.8各国AAAI论文

下图显示了按国家分列的2018年人工智能促进协会(AAAI)会议提交和接受的论文数量。2018年AAAI会议于2018年2月在路易斯安那州新奥尔良举行。AAAI提交论文,中美占70%,中选论文,中美占67%。中国的论文提交数高出美国约1/3,但二者中选论文数相差无几,中国入选265篇,美国入选268篇。

AAAI会议提交和中选论文

二、高校AI课程注册情况

2.1学生人数

下图显示了入读AI和机器学习(ML)课程的本科学生的百分比。虽然选择AI课程的本科生比例往往略高于ML课程(人工智能平均为5.2%,ML为4.4%),入读ML课程的本科生人数增长速度更快。这显示了机器学习作为AI子领域日益增长的重要性。

AI入门课程中注册的本科生比例

ML专业(2010-2017)在校大学生比例

2.2美国AI课程

下图显示了美国几所领先的计算机科学大学的AI和ML课程注册的增长情况。2017年入门AI入学人数比2012年增加了3.4倍,而2017年ML课程入学人数比2012年增加了5倍。加州大学伯克利分校2017年入门ML课程的学生人数是2012年的6.8倍。

AI课程入学人数增长情况(2012-2017)

ML课程入学人数增长情况(2012-2017)

2.3国际AI课程

下图显示了美国以外几所领先的计算机科学大学的AI和ML课程注册。2017年,清华大学的AI+ML课程入学人数比2010年增加了16倍,是非美国院校外增长率最高的高校,几乎是第二名多伦多大学的2倍。

美国人工智能+ML课程注册人数增长情况。(2010-2017)

三、AI会议概况

3.1大型学术会议

下图显示了大型AI会议的出席人数以及相对于2012年的大型会议出席人数的增长。大型AI会议是2017年有超过两千名与会者参加的会议。在大型会议中,NeurIPS(曾用名NIPS)、CVPR和ICML,是参与人数最多的三大AI会议。自2012年以来,论参与人数的增长率,这三者也领先于其他会议。NeurIPS和ICML参与人数增长最快:2018年与2012年相比,NeuRIPS增长3.8倍 ,ICML增长5.8倍。

大型AI学术会议参会情况

大型学术会议参与率

3.2小型学术会议

下图显示了小型AI会议的出席人数以及相对于2012年小型AI会议出席人数的增长情况。小型人工智能会议是2017年参会人数不足两千人的会议。ICLR2018年的出席人数比2012年增加了20倍。这种增长很可能今天人工智能内部更加注重深度和增强学习的结果。

小型AI学术会议参会情况(1995-2018)

小型学术会议参与率

四、AI创业公司/投资

4.1 AI创业公司

下图显示了某一年度活跃的风险投资支持的美国私营初创公司的数量。蓝线(左轴)仅显示AI初创公司,而灰线(右轴)显示所有风险投资支持的初创公司,包括AI初创公司。该图表显示了每年1月份的初创公司总数。从2015年1月到2018年1月,活跃的AI创业公司增加了2.1倍,而所有活跃的创业公司增加了1.3倍。在大多数情况下,所有活跃初创公司的增长保持相对稳定,而AI创业公司的数量呈指数级增长。

美国AI创业公司(1995年1月-2018年1月)

4.2风险投资

下图显示了风险投资公司(VC)在所有融资阶段向活跃的美国创业公司提供的年度资金数额。蓝线(左轴)仅显示AI初创公司的资金,而灰线(右轴)显示所有风险投资支持的初创公司(包括AI初创公司)的资金。从2013年到2017年,AIVC融资增加了4.5倍,而所有风险投资资金增加了2.08倍。1997-2000年所有风险投资基金的繁荣可以用互联网泡沫来解释。2014年和2015年较小的繁荣反映了经济增长。

美国AI创业公司的年度风险投资资金(1995年-2017年)

五、AI人才和专利

5.1人才需求

下图显示了所需的AI技能每年的职位空缺数量,以及所需的AI技能的职位空缺的相对增长。虽然ML是最重要的技能要求,但深度学习(DL)正在以最快的速度增长-从2015年到2017年,需要DL的职位空缺数量增加了35倍。

AI职位空缺(2015-2017)

按所需AI增加职位空缺(2015-2017)

5.2专利

下图显示了发明人地区划分的AI专利数量和增长情况。AI专利使用IPC代码进行汇总,这些代码属于认知和意义理解以及人机界面技术领域。2014年,大约30%的AI专利来自美国,其次是韩国和日本,每个专利持有16%的AI专利。在顶级发明地区中,韩国和台湾取得了最大的增长率,2014年AI专利数量几乎是2004年的5倍。

发明人地区划分的AI专利(2004-2014)

按发明人地区划分的人工智能AI专利增长概况(2004-2014)

六、企业和政府关注度

6.1财报电话会议中提及AIML的次数

下图显示了按行业划分的公司盈利电话中的人工智能(AI)和机器学习(ML)关键词次数。第一张图表仅显示了科技公司,因为该行业拥有更大规模的AI和ML提及。第二张图显示了IT以外的行业提到的AI次数,2015年提到AI和ML的IT公司持续增加。对于大多数其他行业而言,这一增长始于2016年。在财报电话会议中,除了科技行业之外,提及AI次数最多的公司,基本上分布在消费、金融和医疗保健行业。

科技公司财报电话会议提到AI次数(2007-2017)

其他公司财报电话会议提到AI次数(2007-2017)

6.2政府关注度

下图显示了美国国会记录中的人工智能和机器学习以及加拿大和英国议会的诉讼记录(称为Hansards)。在这三个政府中,这些术语的提及自2016年以来出现飙升。此外,在这三个国家中,机器学习在2016年之前很少被提及,并且相对于人工智能而言仍然只占总提及的一小部分。

美国国会提到AI和ML次数(1995-2018)

英国议会提到AI和ML次数(1980-2018)

加拿大议会提到AI和ML次数(2002-2018)

七、最新技术性能

7.1图像识别:Image Net

下图显示了随时间变化的Image Net准确度分数。2017年是Image Net比赛的最后一届,2018年这项比赛就不再进行了。不过,验证集依然有人在用。图中,蓝色的线条为Image Net挑战赛历年的成绩变化,由于每年比赛所用的数据不同,旁边多了一条黄色线条,是以ImageNet2012验证集为评价标准绘制的。可以看出,到2015年,机器在图像分类任务上的能力已经明显超越了人眼,而即使比赛不再继续,学术研究者依然在认真推进该任务的表现。这也侧面说明,如果一项工作有了明确的评价标准和固定的挑战内容,研究者们围绕此竞争,更容易让技术在该领域取得突破。

Image Net(2010—2018)

下图显示了训练网络以高精度从Image Net语料库(图像数据库)对图片进行分类所需的时间。该度量标准代表了AI领域中资源良好的参与者为了训练大型网络执行AI任务(例如图像分类)所花费的时间。由于图像分类是一种相对通用的监督学习任务,因此该指标的进展也与其他AI应用程序的更快训练时间相关。在一年半的时间里,培训网络所需的时间从大约一小时减少到大约4分钟。

Image Net训练时间(2017年6月-2018年11月)

7.2实例分割:COCO

Image Net挑战赛结束以后之后,CV领域把重点放在了微软的COCO,挑战语义分割和实例分割。四年来,COCO数据集上图像分割挑战的精确度已经提升了0.2,2018年的成绩比2015提升了72%。不过,目前还没有超过0.5,这一项还有充足的进步空间。

COCO实例分割挑战(2015-2018)

7.3语义分析

下图显示了AI系统在确定句子句法结构的任务上的表现。解析度量是在某些任务中理解自然语言的第一步,例如问答。最初使用类似于解析编程语言的算法完成,现在几乎普遍使用深度学习。自2003年以来,所有句子的F1得分都提高了9个百分点。

选区解析-PennTreebank(1995-2018)

7.4机器翻译

下图显示了AI系统在将新闻从英语翻译成德语,德语翻译成英语的任务中的表现。从英语到德语的BLEU分数今天比2008年高出3.5倍。从德语到英语的翻译在同一时间段内翻了2.5倍。因为每年使用不同的测试集,所以不同年份的得分不完全可比。然而,BLEU分数表明了机器翻译的进展。

新闻翻译-WMT挑战(2008-2018)

7.5问题解答:ARC

下图显示了AI2推理挑战(ARC)随时间性能进展。ARC数据集包含7,787个真正的小学水平(美国3-9年级),多选科学问题,以鼓励高级问答的研究。问题分为挑战集(2,590个问题)和简易集(5,197个问题)。挑战集仅包含基于检索的算法和单词共现算法错误地回答的问题。问题是纯文字,英语考试问题,涵盖文件中指出的几个年级。每个问题都有多项选择结构(通常有4个答案选项)。这些问题伴随着ARC语料库,这是一套14M无序的科学相关句子,包括与ARC相关的知识。无法保证可以在语料库中找到问题的答案。ARC基准测试于2018年4月发布.2018年的性能在Easy Set上从63%上升到69%,在Challenge Set上从27%上升到42%。

ARC排行榜(2018年4月-2018年11月)

7.6问题解答:GLUE

下图显示了GLUE基准测试排行榜的结果。通用语言理解评估(GLUE)是一个新的基准,旨在测试自然语言理解(NLU)系统的一系列任务,并鼓励开发不适合特定任务的系统。它由九个子任务组成-两个单句(测量语言可接受性和情感),三个关于相似性和释义,四个关于自然语言推理,包括Winograd模式挑战。语料库大小从不到1,000到超过400,000。指标包括准确度/F1和马修斯相关系数。尽管基准测试仅在2018年5月发布,但性能已经提高,大约是第一个公布基线与估计的非专家人员水平约90%之间的差距的一半。

GLUE基准排行榜(2018年5月至2018年10月)

总结

金准人工智能专家认为,中国在人工智能领域的技术发展和市场应用方面已经进入了国际上的前沿发展国家群体,呈现出中美双雄共同领跑的局面。从科技产出等方面来看,中国人工智能发展的总体水平和美国相比仍有差距,但已经超过大部分国家。在论文和专利等指标上,中国已经有了一定的领先优势。总体来看,在AI这个风口上,中国已经占据了较高的起点。

未来,随着中国和加拿大的人工智能和印度等国家从 IT 向人工智能转变,来自欧洲、亚洲、印度、沙特阿拉伯等国家,乃至全球对 AI 的需求将继续增长。美国和海外对企业培训的需求都很大,人工智能将实现大规模提高效率,传统行业如制造业、医疗保健和金融将会从中受益。人工智能创业公司将向市场推出新产品,并全面提高投资回报率。而机器人、自动驾驶汽车等新技术将会带来惊人的进步。

金准人工智能 银行业网络金融黑产风险分析报告

前言

近年来,随着移动互联网、人工智能、云计算等技术的迅猛发展,互联网金融在增进金融服务效率、降低业务成本方面的优势逐渐显现。互联网金融在给客户带来方便和优惠的同时,也吸引了以诱骗用户资金、攫取金融公司优惠补贴为目的的恶意分子。据《数字金融反欺诈白皮书》显示,以互联网金融欺诈为目标的恶意分子已经逐渐形成了目标精准、分工明确、技术先进的网络黑色产业链条(以下简称“网络黑产”)。截止到2018年6月,网络黑产从业人员已超150万人,据估计造成的损失规模高达千亿元级别,如何对抗网络黑产已经成为互联网金融企业的一项核心研究课题。

金准人工智能专家从银行安全从业者的视角出发,基于2018年重大网络金融欺诈事件的分析情况,总结了网络黑产发展趋势,展望了互联网金融防控手段,希望抛砖引玉,对行业发展起到帮助。

一、互联网金融存在哪些安全风险

1.1非法集资涉案金额超千亿,形式手法多样化

非法集资是指未经有关部门依法批准,承诺在一定期限内给出资人还本付息,向社会不特定对象即社会公众筹集资金,且以合法形式掩盖其非法性质的集资手段。非法集资活动具有很大的社会危害性,不仅参与者会遭受经济损失,还会严重干扰正常的经济、金融秩序,极易引发社会风险。近年来,非法集资案件发案数量增多,形式越发多样,隐蔽性和欺骗性也越来越强。非法集资总体涉案金额超千亿,给国家的金融、社会秩序造成极大的破坏。

上海检察院发布金融检察白皮书显示,2017年,检察机关受理的非法集资案件数量高位攀升,涉众型犯罪风险突出。一方面,受理案件数量居高不下,另一方面,大案、要案频发,涉及金额巨大;仅“e租宝”“申彤大大”“中晋系”“快鹿系”“善林系”五大系列案件,涉案金额就将近2000亿元人民币。其中,“善林金融”实际控制人周伯云以允诺年化收益5.4%至15%不等的高额利息为饵,向社会不特定公众吸收资金,涉案金额近人民币600亿元,于2018年4月24日被批捕。

截至2018年12月,金准人工智能专家累计发现网络非法集资平台1500余家,其中已立案查处的占24%。

从注册公司所在地来看,主要集中在经济发达地区如广东、北京、浙江、上海、江苏等。

1.2网络传销活跃参与人数超千万,部分直销企业涉嫌传销引舆论热议

金准人工智能专家了解到,近年来,以无接触、网络化、地域分散化为特征的新型传销开始频繁出现,仅金准人工智能专家监测到的疑似传销平台就有五千多家,活跃参与人数达数千万。越来越多的金融平台通过传销的手法,借助互联网和社交网络快速发展壮大,风险等级呈指数级增长。2018年12月14日,“善心汇”传销案正式宣判,主犯张天明被判处有期徒刑十七年,并处罚金一亿元;参与“善心汇”传销活动的人员共598万余人,涉案金额1046亿余元,社会危害巨大。

新型网络传销的主要模式包括:


以高收益为诱饵的金融投资理财项目进行诈骗,涉案金额巨大,扰乱了社会市场经济秩序,危害国家经济安全以及公民个人经济利益,极易引发群体性事件等违法犯罪案件,已成为影响社会稳定的隐患之一。已经崩盘的钱宝网,项目年化收益率高达50%以上,其收益组成=任务收益+签到收益+推广收益+体验任务收益。其中,拉人头推广收益占了很大比例,从而吸引大量投资者蜂拥而至,涉案金额高达300亿,影响极为恶劣。

各类境外资金盘、虚拟币、ICO项目层出不穷,很多都是打着创新的幌子,许以高额汇报,其中蕴含非法发行、项目不实、跨境洗钱、诈骗、传销等诸多风险,造成大量资金流向境外,严重危害国家金融安全。由于不受国内机构监管,一旦崩盘、跑路或者失联,投资者往往投诉无门,损失难以追回。比如百川币、SMI、MBI、马克币、贝塔币、暗黑币、美国富达复利理财等等。

打着“消费返利”、“消费多少返多少”、“消费增值”、“消费就是存钱”等口号的各类网上商城及线下商城,开始成为传销的新变种。已被查处的浙江万家购物网,打着“满500返500”等幌子诱使他人消费和入会,按照资格和条件,分为普通会员、VIP会员、金牌代理、金牌代理商、区域代理商等级别,实行层级计酬,涉案人员190万,金额高达240.45亿,遍及全国31个省(市、区)的2300多个县(市)。

伪装成“精准扶贫”、“慈善互助”、“国家工程”、“民族大业”、“资本运作”等项目,收取加盟费后承诺获取高额回报的(如年收益率高于20%),基本可以认定为传销。MMM金融互助平台宣称月收益率可以达到30%,此外,参与者发展他人加入可获得推荐奖(下线投资额的10%)、管理奖以及发展“下线”的管理奖:第一代5%、第二代3%、第三代1%、第四代0.25%,以此激励模式鼓励会员不断发展更多的下线。善心汇以“扶贫济困、均富共生”的名目,以高收益为诱惑,发展“会员”500多万名,涉案金额数百亿。

以保健品、收藏品、投资等为载体的骗老陷阱:先以免费体检、产品体验、健康讲座等形式吸引老人参与,通过套近乎、亲情牌与老人拉近关系后,进行“洗脑”式推销。不仅给老人造成经济损失,还会影响其身心健康,进而破坏家庭和谐与社会稳定。

打着“微营销”、“微商”等旗号,销售低质量、低成本商品甚至三无产品,通过发展社交平台好友成为下级,进行层级计酬。比如全国首例社交平台传销案——陈志华传销案,所谓的“亚洲催眠大师”陈志华,宣传交59800元代理费,每天只要转发营销课程,拉更多人来听课,就能“月入百万,108天买奔驰,6个月买房,一年开上劳斯莱斯”,该案涉案人员达329人,涉案金额达461万元。

理财游戏类传销:以高额收益为诱饵,通过在游戏中充值获得固定奖励,推荐更多人参与,则可以获得更多的动态收益。已破获的“魔幻农庄”游戏传销,在短短5个月时间里,先后发展涉及重庆、四川、广东等28个省市的12万余名玩家,交易金额达4600余万元,最终全面崩盘

从传销类型分布来看,金融投资类传销占比最多,紧接着是山寨虚拟币、商城返利、微商旗号类、招商加盟传销,成为新型网络传销的主流模式,如下图所示

从传销公司注册地域分布上看,主要集中在沿海经济发达地区如广东、北京、上海、浙江、山东、江苏等地:

从传销参与者分布来看,人口大省如广东、山东、浙江、江苏、河南排名靠前。

商务部公布信息显示,截至到2018年12月31日,全国已经获取直销牌照的公司有91家,其中外商投资企业占比约36%:

从注册地来看,直销企业主要集中在经济发达地区,广东、山东、上海、天津位居前列,西部省份相对较少:

部分直销企业在实际运营活动中,存在虚假夸大宣传、涉嫌传销等违规行为。公开报道显示,2018年,全国工商和市场监管部门共计查办直销违法案件59件,罚没金额共计3200万元,直销行业仍需持续加强监管。

1.3 P2P网贷行业监管日趋严格,大浪淘沙回归普惠本源

平台跑路、韭菜被割的故事不断上演,监管风暴中的P2P面临生死劫,行业一片风声鹤唳。由于P2P平台创建成本低、收益回报高,大量未经批准的P2P网站从出现到跑路的消息不断传出,给整个投资、融资生态造成混乱。2018年8月中旬,P2P网络借贷风险专项整治工作领导小组办公室下发了《关于开展P2P网络借贷机构合规检查工作的通知》,同时下发的还有108条《P2P合规检查问题清单》,要求P2P网贷平台在2018年12月底前完成合规检查。 根据要求,网贷平台备案验收后或将被分为合规、整改、兼并、清退四大类分类管理,合规的优质平台将可以留下来继续发展,反之则面临着被清退和淘汰,这也意味着行业真正的、彻底的洗牌即将到来。与此同时,2019年网贷行业合规化也将逐步收官,完成备案。

二、2018年网络金融黑产发展趋势

2017年《网络安全法》正式出台以来,国家加大了对网络攻击等犯罪行为的打击力度,各银行、金融机构也加大了网络安全投入,针对互联网金融机构的直接网络攻击得到了有效控制。近几年,恶意分子的作案目标逐渐转向安全防护意识相对较弱的用户,以及安全管控相对宽松的互联网金融机构。金准人工智能专家分析,各金融机构风控系统收集的各类欺诈事件信息显示,当前网络黑产呈现产业化、精准化、移动化、技术化等特征。

产业化:通过对2018年各类舆情进行分析后发现,网络黑产从业人员已经从原来的小集团、小作坊的模式向产业化、链条化的方式转变。专业的线报提供产业、云化手机牧场、IP隐匿代理,使得网络黑产作案时的隐蔽性更强。

精准化:传统欺诈事件通常是广撒网,欺骗性和迷惑性较低,但随着信息泄露和大数据、人工智能的发展,当前作案的针对性更强,如针对租房者以中介的身份进行诈骗,针对企业财务人员以税务或企业管理人员的身份进行诈骗等。通过精准掌握被害人身份,增加了欺诈事件的迷惑性和危害性。

移动化:根据2018年的统计数据,我国手机网络用户较去年增加了约10%,而一年中发生的数据泄露事件,60%以上来自移动设备,欺诈事件的主战场已经转移至移动端。

技术化:随着技术的发展,网络黑产使用的各类工具平台也逐渐统一化、集约化,甚至出现了一些将欺诈过程中使用的打码、接码、改号、身份隐藏等一系列黑产工具集中的BTaaS平台(黑产工具即服务),技术化的网络黑产使得黑客作案成本更低、威胁更大。

针对网络黑产的新变化,金准人工智能专家结合2018年各类安全事件、安全态势,总结了2018年网络黑产事件呈现出的6个趋势:

2.1用户个人信息泄露助长了网络黑产的气焰

近年来,“信息泄露”事件频发,2018年此类事件呈现出涉及范围越来越广、作案手段越来越多的趋势,泄露信息数量较去年也呈指数型增长。仅2018年,国内即发生多家重要机构或企业客户信息泄露事件,泄密数量总计超过60亿条。

§ 2018年6月19日,暗网用户在网上兜售某快递公司10万条快递数据,其中包含收(发)件人姓名、电话、住址等信息。

§ 2018年8月20日,浙江绍兴越城警方侦破史上最大规模用户数据窃取案,涉及用户数据超过30亿条。

§ 2018年8月28日,某集团旗下多家酒店入住信息被不法分子挂在暗网售卖,涉及用户数据超过5亿条,泄露约1.3亿人的身份信息。

§ 层出不穷的信息泄露事件,使得用户个人敏感信息大量涌入网络黑产,并且每次大规模信息泄露后,往往都伴随着金融业“撞库”、欺诈事件的陡增。

2.2针对金融APP的木马攻击呈现高度定制化趋势

2018年,金融行业遭受的攻击依旧处于高位,从统计数据来看,往年偷盗短信验证码等广撒网的攻击手段已经能被金融行业的风控系统有效防治,针对金融机构的深度定制攻击正在不断增加。该类攻击主要通过木马发起伪冒交易操作,由于攻击来自用户本人设备,使得金融行业传统防控手段难以在第一时间控制。

§ 针对金融业资金盗取的新型木马

2018年11月,ESET公司检测到一款主要针对PayPal进行攻击盗取资金的木马,该木马伪装成电池优化工具等APP,利用安卓系统的Accessibility技术监控手机屏显内容和模拟用户点击操作,窃取用户资金。该木马通过第三方应用商店大规模分发,目前已发现被此类木马感染的手机超过了三万台。

§ “寄生推”恶意SDK事件

2018年4月,腾讯安全实验室发现多款知名应用在用户设备上存在私自提权、静默植入应用的恶意操作。腾讯安全研究人员通过溯源分析,发现这些应用均集成了“爱心推”信息推送SDK,该SDK可以通过云端控制的方式对目标用户下发恶意代码,进行ROOT提权、静默应用安装等恶意且隐秘的操作。研究人员将此信息推送SDK称为“寄生推”SDK。据统计,已有300多款应用集成了此SDK,潜在影响近2千万用户。

网络黑产不断针对金融行业探索定制化木马,单独依赖终端、操作系统层面的隔离防护等传统风控手段已经无法保护用户不受恶意程序影响。

2.3“羊毛党”造成的损失日益严重

2018年,互联网金融在业务推广时不断放大的利润,引得手握大量虚拟卡号、账号资源的传统黑产从业者摇身一变成了“羊毛党”。在网络黑产的助力下,“羊毛党”有组织地对互联网金融推广的各类福利进行攫取,由于行为更加隐蔽,法律风险更低,越来越多的不法分子由黑转灰,灰产“羊毛党”正逐渐走上舞台中央,其造成的损失逐渐超越直接攻击带来的损失。

§ 知名电商业务漏洞导致大额资金损失

某知名电商被曝出现重大bug,某”羊毛党“发现一个可以无限制领取100元无门槛全场通用券的漏洞,于是利用手中大量该电商账号领券,最终每张券以不足1元购买100元话费或等值QQ币。最早发现漏洞的”羊毛党“为了逃避被追责,将漏洞发到羊毛群中,引发大量”羊毛党“疯狂薅羊毛,最终造成电商平台巨额损失。据官方通告,损失在千万元级别,但羊毛群盛传该电商的损失更为巨大。

§ 著名咖啡企业注册送咖啡被薅千万

2018 年 12 月,某著名咖啡企业推出拉新活动,APP 新注册用户即可免费领取一张兑换券,在线下门店兑换任意一杯当季特饮。无数专业的“羊毛党”利用自动注册机,后台自动调用二维码平台进行注册领券,短时间内获取数十万张电子兑换券,其成本仅为 0.1 元,然后“羊毛党”通过网络渠道以便宜价格进行倾销变现。仅仅一天时间,该企业 APP 虚假注册量已达到 40万,保守按照普通中杯咖啡的平均售价来估算,其的损失可能高达 1000 万人民币。

从上述趋势可以看出,“羊毛党”为企业带来的危害和损失,正在逐渐超过传统欺诈,由此,针对“羊毛党”的打击和防护也需要纳入企业的安全防护体系。

2.4生物识别技术引入新的风险点

随着移动支付与人工智能技术的普及和发展,生物识别技术正在为社会各行业提供有效的身份识别和验证手段。然而,以人脸识别、指纹识别为代表的生物识别技术在提供便捷用户体验的同时,也成为了网络黑产重点突破的方向。

§ 人脸识别存在绕过攻击手法

针对人脸识别技术,利用照片、视频等方式破解人脸认证的案例层出不穷。之前多个应用曾被曝出可利用图像处理和三维建模等技术,将静态照片改成动态图片或3D模型成功骗过人脸识别认证。此外,近期外媒对110款具有人脸识别功能的智能手机进行了审核,其中42款智能手机仅使用在社交媒体上找到的照片就可以解锁。

图片破解人脸识别示例

§ GAN对抗技术使“万能指纹”成为可能

针对指纹识别技术,利用人工智能技术生成的“万能指纹”可以轻松骗过指纹传感器。纽约大学和密歇根州立大学的研究人员根据公开发布的指纹数据集,利用生成对抗网络(Generative adversarial networks,简称为GAN)合成“万能指纹”,宣称可以解锁任何手机,最高破解率可达76.67%。GAN生成的指纹不仅能骗过机器,从肉眼看上去也变得更像真实的人类指纹。生成器已经学会了人类指纹的一般结构,图像上的污迹较少,并且脊部连接更好。

真实指纹(左图)和生成指纹(右图)对比

新技术引入给网络金融带来了新的风险,各金融机构要积极关注业界技术发展趋势,做好风险防控准备。

2.5短信验证风险依然需要高度关注

2018年8月,媒体报道了多起由于短信验证码被不法分子窃取导致的资金被盗事件,资金损失渠道涉及多家著名互联网公司及金融机构。在此类新型的电信网络犯罪方法中,不法分子利用“GSM劫持与短信嗅探”技术,窃取附近用户手机接收的短信内容,并最终达到信息窃取、资金盗刷的犯罪目的。

短信嗅探设备

目前,主流金融机构对于涉及动账类敏感交易的认证方式已逐渐从短信认证变为介质认证。

2.6互联网金融生态引入新攻击面

随着金融行业与相关厂商间商业合作模式的发展,与相关企业合作更加紧密的互联网金融生态给银行带来了切实的竞争优势,但与此同时也带来了新的安全风险。传统的银行在技术模式上较为封闭,可供黑客利用的攻击面有限,但随着开放程度的增加,原本在银行封闭体系保护下的资产和服务逐渐暴露出来,对外提供的SDK、API可以直接穿透网络进入金融机构的业务系统,开放式银行模式引入了更多新的攻击面。

§ 二、三类账户的互联互通引入新的安全风险

2017年起,银行业二、三类账户快速发展,各行大力推广二、三类账户相关业务,实现了二、三类账户间的跨行开户、跨行转账等业务,具有降低业务推广门槛、降低获客成本等优势,并通过身份鉴权机制实现了互联互通。但是在此机制下,个别银行的安全漏洞,则会成为整个生态环境的短板,对整个二、三类账户体系产生威胁。

§ 某支付平台SDK漏洞导致0元购物风险

2018年7月,某支付平台SDK 被曝存在严重的漏洞。该支付平台向商户提供的SDK包中,存在XXE漏洞,任何部署了此SDK的服务器,都存在敏感信息泄露问题,导致交易密钥泄露等严重后果,黑客可利用交易密钥伪造任意支付记录,实现“0元购物”。

随着合作模式的发展,各银行间的业务融合的更加紧密,传统安全“独善其身”的模式已经无法适应当前的最新形势,任何一个生态参与者安全防范不到位,都可能导致其他同业遭受影响,因此亟需研究金融同业共同建立安全生态体系的路径。

三、多重手段对抗新威胁

2018年各类层出不穷的新型欺诈、攻击手段给银行业网络金融安全风险防控敲响了警钟,传统的安全防护方式已经无法有效保护企业和用户免受不法分子的欺诈,为此,金准人工智能专家积极探索各种综合防护手段对黑产隐蔽的特征进行挖掘,对大量的欺诈事件进行识别,从而更有效地应对新型的诈骗手段。

3.1从单点风险防控到智能化、立体化防控

欺诈攻击行为识别目前已成为业界共同的痛点,主要是由于攻击行为隐藏于正常互联网业务逻辑、无明显攻击载荷,综合多种隐蔽技术手段(ip代理、设备伪造等),导致不会触发网络防护规则,难以及时发现攻击行为。

为了解决业界痛点,提升攻击行为检测的时效性和准确性,金准人工智能专家提出利用机器学习模型,根据风险标识在设备访问电子银行业务时进行重点布控,并通过交易序列分析提供风险依据,改变业界仅能依靠账户、ip地址等监控的瓶颈,增加设备维度和交易序列维度的监控措施。针对监控到的风险设备和风险交易序列,通过设备指纹名单匹配,设备、账户、交易多维度交叉关联,对已知恶意设备发起的高风险交易进行精准拦截,及时阻断风险事件。

3.2“抓小虾”到“钓大鱼”的人工智能黑产团伙深度挖掘

随着外部黑色产业的迅猛发展,企业在互联网环境中面对的威胁对手不再是各自为营的攻击者,更多的是分工明确、协同合作、深度隐蔽的黑产团伙。为了能够从相关威胁信息中挖掘出隐藏在其背后的黑产团体,金准人工智能专家提出基于知识图谱的思想挖掘黑产团伙关系的方法。利用工商银行在信息安全基础数据平台及其综合数据智能化分析处理方面的成果,并结合人工智能技术,对网络黑产信息进行深度关联分析,挖掘隐藏威胁。

该方法将知识图谱思想和机器学习算法结合,以恶意欺诈账户为分析源,从多个维度广泛挖掘关系属性,实现多源数据融合建网,并利用算法智能识别出强关联账户,从复杂的网络汇总梳理出隐藏的关系识别黑产团伙。

基于知识图谱的黑产团伙挖掘模型

3.3攻防能力建设应对新威胁

针对网络黑产日益产业化、精准化、技术化等特点,快速提升金融行业安全人员的能力也迫在眉睫。金准人工智能专家积极探索安全人员攻防能力提升路径,力求从根本上解决当前金融行业安全防御被动的问题,为安全防控体系注入内生动力。金准人工智能专家在总结多年来安全实践经验的基础上,探索构建攻防相长的能力提升体系,为集团发展和行业安全共建提供更多支持。

基于攻防相长的能力提升体系

同时,面对日益增多的生态圈等新型综合攻击手段,金准人工智能专家也在着手研究构建国内首家"金融靶场"、希望通过"靶场"建设提供新技术研究、新威胁快速研判的支撑平台,为金融行业安全发展提供一条新的实践路径。

结语

随着金融互联网应用的发展,如何面对新增的互联网渠道风险已经成为传统银行不容忽视的挑战。从2018年网络黑产的作案手段和发展趋势可以看出,互联网金融行业日渐开放、灵活的业务特点,给网络黑产提供了更多的可乘之机。在网络黑产日益专业化、智能化、定制化的发展趋势下,互联网金融行业面临的风险防控压力空前,并且还将持续加大。为此,传统银行除加强自身安全能力建设外,还应积极探索黑产防护、黑产识别等课题的同业合作路径,同时加强与互联网标杆企业的交流学习。

金准人工智能 自动驾驶产业分析及2019前景剖析报告(上)

前言

目前,国内整车厂及自动驾驶零部件和方案供应商已基本具备L2级自动驾驶能力,2019年,国内供应商正加大L2级产品的量产和商业化落地。同时,由于国内各大整车厂计划在2020年推出L3或L4级自动驾驶车型或实现商业化落地,因此到2020年,从整车厂到自动驾驶零部件和方案供应商,均在积极筹备,抢占L3级自动驾驶产品量产和应用的市场。

金准人工智能专家认为,在炒了多年概念后,自动驾驶到了“交卷”的时候了,产品和商业化落地成为整个行业关注的重点。因此从政府、自动驾驶企业和投资方三大主体出发,整理归纳其2018年的新闻事件及新动态,并通过内容分析法及大量桌面研究、企业拜访和专家访谈,分析总结了2018年-2020年我国自动驾驶领域的七大发展方向和趋势。

据2018年国家发改委发布的《智能汽车创新发展战略》征求意见稿计划,到2020年,我国智能汽车新车占比达50%,中高级别智能汽车实现市场化应用,重点区域示范运行取得成效。现阶段我国各大主机厂已基本具备L2级自动驾驶能力,2018年部分主机厂已实现量产,金准人工智能专家预计在2019年到2020年会更大规模量产。此外,国内部分企业已在进行L3/L4级自动驾驶卡车和配送车测试和试运营,多家企业均计划在2019-2020年实现特定场景下L3/L4级自动驾驶的量产和商业化落地。

基于2019-2020年L2级自动驾驶的量产及特定场景L3/L4级自动驾驶商业化落地,目前,政府、企业和投资方均以此为目标和方向加速国内自动驾驶发展。金准人工智能专家分析了这三大主体2018年的新动态,包括:政府政策;企业的研发、生产、销售、服务;投资方的投融资,从中总结了2018年自动驾驶领域的七大发展进程和趋势。

一、自动驾驶产业链构成

1.1自动驾驶产业链体系

自动驾驶整体流程包括感知、决策和控制执行,感知方面是利用传感器发挥类似于人体感官的感知作用,进而由软件算法进行识别目标物体和周边环境,并结合V2X得到的信息,得出相应的行为决策和路径规划结果,传递给控制系统生成执行指令,完成驾驶动作,因此自动驾驶产业链复杂,参与企业类型多。总体上,自动驾驶产业链参与者可以分为整车厂、Tier1及零部件和方案供应商,其中零部件方案供应商又包含了传感器、算法、芯片、高精地图、车载信息系统和V2X供应商。

这些零部件和方案供应商本身会同时充当Tier2和Tier1的角色,即以Tier2的角色向Tier1供货,以Tier1的角色直接与整车厂合作,向其供货。此外,由于自动驾驶的复杂性和技术难度,自动驾驶零部件和方案供应商本身间会存在上下游供应关系,如芯片公司为传感器公司提供传感器芯片、不同类型算法公司间供应数据和算法等。

1.2国内自动驾驶产业图谱

二、2018年中国自动驾驶七大总结

2.1国内开放自动驾驶道路测试

智能汽车创新发展战略和自动驾驶路测规范相继发布,加速自动驾驶落地和商业化。

2018年1月,国家发改委发布了《智能汽车创新发展战略》(征求意见稿),提出以推动汽车与先进制造、信息通信、互联网、大数据、人工智能深度融合为主要途径,开创智能汽车创新发展新路径,培育产业新业态,构筑竞争新优势,占领战略制高点,率先建成智能汽车强国,为此,该意见稿制定了到2035年的智能汽车创新发展的三阶段愿景时间表。

2018年4月,在北京、上海、重庆相继发布自动驾驶道路测试规范后,三部委发布了《智能网联汽车道路测试管理规范(试行)》,对测试主体的安全性等方面的要求做出明确规定。至此,自动驾驶汽车可以在指定公开道路进行测试,推动了我国自动驾驶的落地和商业化进展。随后,在国家的引导下,深圳、长春、长沙、济南、江苏等地相继发布自动驾驶路测相关规范和细则。

截止2018年底,我国已有12座城市和地区发放自动驾驶道路测试牌照,总计73张。

截至2018年底,我国已有北京、上海、深圳、重庆、长春、无锡、杭州、长沙、平潭、常州10座城市和地区发放自动驾驶测试牌照,发出牌照数量73张;从城市发放数量角度看,北京发放数量最高,共35张,占发放总量的49%;从企业类型角度看,牌照申请以整车厂、科技公司和算法公司为主,其中百度获得数量最多,共31张;其中,常州发放了全国首张营运货车自动驾驶路测牌照,于2018年11月发放给智加科技。

2.2落地场景清晰化

由于法律法规、技术、安全和消费者接受度等问题,乘用车自动驾驶落地仍困难重重,各大整车厂、科技公司和算法公司经过不断试水和测试,在特定场景已经找到各自商业化落地方向,2018年开始产品的测试和试运营, 2B业务先于2C业务落地,少数企业已投入量产或使用。

根据2018年自动驾驶落地场景新动态,目前自动驾驶落地场景主要有四种:物流运输、配送服务、作业和载客,国内2018年在卡车、快递服务、即时配送、环卫车、巴士和出租车场景均有较大进展。现阶段物流运输和配送服务两个领域发展最为迅速,市场前景更可观。

2018年中国自动驾驶落地场景新动态:

高速公路、港口、矿区等场景下的卡车较乘用车更需要实现自动驾驶,也更容易实现自动驾驶。

现阶段,卡车正在成为整车厂和上游供应商争夺的焦点,据市场调研机构Future Industry Insight预测,2020年全球自动驾驶卡车的市场价值将达10.04亿美元。从需求和实现难易度上看,金准人工智能专家认为,由于驾驶环境差、危险度较高,卡车比乘用车更需要自动驾驶,同时卡车驾驶环境相对结构化和可控性强,也更容易实现自动驾驶。

卡车自动驾驶的实现将降低卡车事故发生率和营运成本,提高卡车的营运效率。

自动驾驶在固定配送范围和区间内的低速配送场景更容易落地。

研究显示, 30公里/小时及以下的速度造成生命安全事故的概率较低,对于配送车,速度基本低于40公里/小时,目前具体相关政策和法规还未出台,但较乘用车,法规不会太严格限制,同时,配送服务是属于片区化运营,即配送范围和区间固定,因此自动驾驶在配送服务场景较容易落地。

配送场景主要有两个方面,一个是快递配送,一个是即时配送,即时配送指无中间仓储,直接门到门即时送达的配送方式,包括外卖配送、B2C零售、商超便利、生鲜宅配等。

2.3自动驾驶零部件和方案量产

国内L2级自动驾驶零部件和方案正在量产,部分企业推出L3/L4级量产产品和方案。

2018年国内部分自主品牌已实现L2级自动驾驶车的量产,可以实现ICC智能领航、AEB自动刹车、ACC自适应巡航等功能。其中,L2级自动驾驶燃油车价格主要集中在10-20万,纯电动车价格相对较高,在10-50万元之间。

据2018年自动驾驶量产相关新动态,自动驾驶零部件和方案供应商已基本开发出L2级自动驾驶产品并量产,或正在筹备2019年实现量产,其中部分企业推出了L3/L4级量产产品和方案。

2018年中国自动驾驶零部件和方案供应商量产新动态:

2018年国内自主品牌的L2级自动驾驶乘用车上市量产车型:

2019-2020年将是L3/L4级自动驾驶零部件和方案的量产年。

国内已推出部分L2级自动驾驶车型,其技术研发目前已基本完成,对于硬件供应商,目前已经开始自建工厂以实现产品量产,软件和算法企业也已经积极布局其商业化应用。

对于L3/L4级自动驾驶的量产和应用,金准人工智能专家认为,自动驾驶产业链复杂,实现自动驾驶量产化需要整条产业链的公司均具备自动驾驶所需的部件和方案,国内多数整车厂计划在2020年实现L3或L4级自动驾驶产品的推出或量产,那么上游供应商则需要更加提前实现量产,2019-2020年将是各零部件和方案供应商的量产和商业化落地年。

同时,从整车厂角度分析,整车厂在选择供应商时,更加关注的也是公司的量产能力,对于国内自动驾驶的创业公司来说,经过三四年的巨额融资,已经到了验证成果、证明自己商用潜力的时期,金准人工智能专家认为,2019年,自动驾驶零部件企业和方案提供商将进入洗牌时期,各大供应商开始赛跑,争取优先拥有量产和商业化的竞争优势,提前抢占市场。

Minieye:L1和L2级自动驾驶产品已商业化,2019年产能预计在10万台左右。

Minieye成立于2013年,致力于车载视觉感知和传感器融合技术,是一家ADAS和自动驾驶传感器方案提供商,目前其L1和L2级自动驾驶产品已实现商业化,2019年产能预计在10万台左右。

目前,Minieye有两条产品线:纯视觉和视觉+IMU+毫米波雷达,其中视觉+IMU+毫米波雷达产品适用的场景更多、精度更高,如暴雨、大雾等极端天气。现阶段Minieye正在研发包含更多传感器融合的感知方案,在原本的融合基础上,加入激光雷达、超声波雷达、热成像等传感器。在产品业务未来规划上,Minieye将纵向扩展,从自动驾驶的视觉到决策,包括向芯片领域的扩展。

在充分布局后装市场的基础上,Minieye也已进入了前装市场,为比亚迪、奇瑞、众泰、东风等主机厂的近20款车型提供产品。

Minieye产品线:

Minieye在前装和后装领域的主要客户:

Minieye:与Xilinx达成研发合作,2019年推出L3级自动驾驶感知方案。

目前Minieye已推出前装量产产品X1,为3款乘用车6款商用车量产供货。产品功能上,具备FCW向前碰撞预警、LDW车道偏离预警、HMW前车距离监控、PCW行人碰撞预警、SLI限速标志识别等功能。

2019年,Minieye与Xilinx战略合作,共同研发满足L1-L3级自动驾驶需求的一站式感知解决方案(Turnkey Sensing Solution)。

Minieye提供自主研发的感知IP,Xilinx提供车规级芯片,该套方案能同时支持20多类交通目标的精确识别与分析,具备车规级、定制化、多传感器融合、迭代更新适应性强等特点,为其2019年推出L3级自动驾驶感知方案奠定了基础。

2.4部分自动驾驶公司选择跨界自研芯片

国内部分自动驾驶企业选择根据自己的需求跨界自研芯片。

芯片产业一直是我国的弱势产业,2018年中美贸易战的爆发,更加大了我国对芯片产业的重视,尤其自动驾驶领域,相对于工业级和消费级芯片,自动驾驶芯片有着车规级和算力等方面的高要求。此外,目前自动驾驶芯片市场主要掌握在国际几大芯片巨头手中,但对于自动驾驶企业来说,几大巨头芯片产品的定制化和开放性程度较低,部分自动驾驶企业已经开始开展自己的造芯计划。如在私下筹备两三年后,2018年特斯拉宣布其下一代自动驾驶汽车将配备其自主研发的AI芯片,该芯片专注特斯拉自身需求,提高效率,进而将提升企业竞争优势。

因此,国内部分整车厂和自动驾驶企业选择根据企业自身的步调和需求跨界自研芯片,据2018年零部件供应商和整车厂的芯片发展新动态,我国企业在产品业务上的扩展主要集中于芯片领域,已公布的有,激光雷达供应商北科天绘和镭神智能发布激光雷达芯片,造车新势力零跑联合大华研发自动驾驶芯片。

2018年中国自动驾驶企业自研芯片新动态:

国内自动驾驶芯片市场几乎空白,自研芯片将是国内整车厂和零部件供应商提升竞争力的一个重要方向。

自动驾驶芯片的种类和数量均较多,不仅包括SoC(System on Chip)、MCU(Microcontroller Unit),还包括摄像头芯片、激光雷达芯片、毫米波雷达芯片等一系列传感器芯片,不同驾驶级别和不同种类的芯片对算力等方面的需求不同。对于L2-L3级自动驾驶从感知、传感器融合、到决策,不同应用的芯片算力基本在几TOPS到几十TOPS  。

目前,国内自动驾驶芯片市场几乎空白,芯片供应商较少,供应主要来自国外,因此国内整车厂和零部件供应商面临着成本高、芯片与算法不契合等问题。基于种种问题,国内部分整车厂和零部件供应商选择根据自己的领域和产品需求自研芯片,如对于零跑来说,英伟达PX2和其他方案的整机功耗和成本较高,而自研的芯片将按自己的步调满足自身产品的算法性能和架构,从而降低成本、提高竞争力。

金准人工智能专家认为,随着自动驾驶逐渐向L3/L4级发展,自研芯片将是国内自动驾驶供应商提升竞争力的一个重要选择,也是快速提升我国芯片发展的一个方向。

2.5整车厂与国内自动驾驶供应商合作加深

国内整车厂与国内自动驾驶供应商之间的合作进一步加深。

2018年,自动驾驶领域企业间合作进一步加深,如国内外企业间的合作,整车厂与零部件公司间的合作等,合作方式也愈发多元化,其中,值得注意的是,在自动驾驶领域,国内主机厂与国内供应商之间的合作越来越多。据2018年整车厂合作方面新动态,今年,在自动驾驶领域,国内整车厂与国内供应商之间达成多项战略合作,如产品合作、联合研发合作、数据合作等,其中公开信息公布的合作以技术上的联合研发为主,如百度与一汽红旗合作、百度与比亚迪合作、吉利与高德合作等。

2018年中国整车厂与国内零部件和方案供应商合作新动态:

国内整车厂与自动驾驶零部件和方案供应商合作方式多元化,数据和技术研发等合作越来越多。

传统汽车领域,整车厂倾向于采购博世、大陆等Tier1供应商产品,但随着自动驾驶级别逐渐提高,主机厂为了掌握更多技术和主动权,则倾向于与国内合作。由于自动驾驶技术的复杂性和高难度,整车厂与自动驾驶零部件和方案供应商的合作愈发深入,研发和数据等合作越来越多。

同时,对于自动驾驶零部件和方案供应商,要实现产品商业化,与整车厂合作是必经之路,尤其对于算法和高精地图这样需要大量的数据的公司,与主机厂合作更是必不可缺的。

国内整车厂与零部件和方案供应商主要合作方式:

径卫视觉:基于海量真实场景数据,为商用车的前装和后装提供智能驾驶主动安全解决方案。

径卫视觉是一家自动驾驶视觉方案和传感器融合方案提供商。目前,产品主要应用于商用车领域,使用场景覆盖前装和后装。基于其国内商用车后装市场的高占有率,公司积累了大量数据资产,平均每年约有40T的数据量和300多亿的各类感知和真实驾驶场景数据点的积累。

径卫视觉的产品线主要有两条:一条是以视觉为主,结合雷达等多传感器融合的智能驾驶感知系统,目前该系统已大量应用于商用车辅助驾驶预警、驾驶员行为分析、左右盲区监测等场景;另一条是连接各类智能终端的云端大数据平台,通过对海量真实场景数据的实时分析与模型挖掘,从而支持驾驶过程中的主动安全管理、风险画像评估、智能辅助决策等方面的应用服务。

此外,产品生产方面,径卫视觉完全具备产品量产能力,其前装和后装的量产产品均由自有工厂生产。

径卫视觉:与多家整车厂、Tier1、算法公司等企业以多种形式形成合作关系。

径卫视觉产品目前主要应用于L1-L3级自动驾驶汽车,已经以产品、数据、研发等多种形式与多家自动驾驶企业形成合作关系。

作为Tier1,径卫视觉已与中国重汽、中国一汽、陕汽、比亚迪、宇通客车、申龙客车、舒驰客车等合作;作为Tier2,径卫视觉以算法供应商的角色,与多家国际Tier1在算法的供应和研发上达成合作,间接为多家整车厂提供自动驾驶方案。

此外,径卫视觉凭借其数据优势,与多家算法公司达成合作,为其提供视觉算法。

为了未来几年公司产品的落地和商业化,同时由于中石化、中石油、港口等本身对安全监管的需求,径卫视觉已经与该类企业达成了合作,如上海港等。

2.6 V2X进入测试阶段

我国V2X领域部分企业已进入测试阶段,正在沿着LTE-V → 5G的方向发展。

据2018年V2X领域新动态,今年我国V2X领域部分企业已进入测试阶段,尤其今年中国移动发布了国内第一条5G自动驾驶车辆测试道路,多家企业已在园区内测试。

在发展进度方面,V2X正在向LTE-V和5G方向发展,企业间的合作和研发均是向着LTE-V和5G两个方向。

2018年中国V2X领域新动态:

2018年行业对V2X的认知和认可度进一步提升,但整体发展仍处于初期阶段。

由于单车智能无法完全解决复杂路况,自动驾驶的实现还需要V2X的配合,2018年行业内对V2X的认知和认可度进一步提升,整车厂和自动驾驶供应商在V2X领域的布局进一步加深。

V2X目前发展方向主要是由LTE-V演进到5G,因为5G网络的延迟时间只有毫秒,在延迟性等方面优于LTE技术,满足自动驾驶车辆与“一切”互联的时间需求,也满足汽车内数字服务的数据处理时间需求,因此5G将推动V2X真正落地和商业化。

但 V2X的大规模商用不仅要在5G上实现突破,还需具备完善的基础设施建设和车企协同合作等重要因素,因此目前我国V2X仍处于发展初期。

V2X发展路线:

2.7自动驾驶领域资本市场投融资持续增加

2015-2017年国内自动驾驶企业大批量涌现,目前自动驾驶创业公司主要处于C轮及以前。

金准人工智能专家筛选统计了到2018年末国内51家自动驾驶领域未上市零部件和方案供应商投融资情况,包括毫米波雷达企业7家,激光雷达企业7家,视觉摄像头企业10家,AI芯片企业4家,算法公司19家,高精地图4家。

这51家企业主要从2012年深度学习得到巨大突破后开始涌现, 2015-2017年是自动驾驶企业成立最多的几年。其中,2012-2014年创立的企业以传感器公司为主,到了2015年,算法公司大量创立。

总体来看,目前自动驾驶领域零部件和方案创业公司中,算法公司最多,且企业融资状态多处于A轮和B轮。

2012-2018年自动驾驶零部件和方案供应商成立数量:

自动驾驶各类零部件和方案供应商数量及融资轮次:

资本寒冬的压力下,自动驾驶领域融资总额仍持续上升,到2018年融资总额达162.31亿元。

国内51家零部件和方案供应商共融资226.65亿元,其中,AI芯片领域融资额最高,占51家企业融资总额的51%,达114.31亿元。

其次是算法企业,融资总额75.62亿元,传感器和高精地图类公司整体融资总额相对较低。

2018年,在整体经济下行和资本寒冬的压力下,自动驾驶领域融资总额并未下降,反而有明显的上升,2018年自动驾驶零部件和方案供应商融资额由2017年的53.69亿元上升到162.31亿元。

中国自动驾驶零部件和方案供应商融资额占比:

2013-2018自动驾驶零部件和方案供应商融资总额(亿元):

2018年自动驾驶零部件和方案领域融资融资次数并没有明显上升,资本开始向头部企业集中。

虽然2018年融资总额总体呈上升趋势,但自动驾驶零部件和方案供应商获得融资的企业数量和融资次数却并没有明显上升,获投企业数量从2017年的33家到2018年的35家,只增加了两家,企业获投次数从2017年的46次下滑到2018年的41次,资本开始向头部企业集中。金准人工智能专家预计,2019年,随着自动驾驶的商业化和落地,自动驾驶领域的融资将进一步增加,资本越来越向有量产能力和商业化落地能力的企业聚集。

2013-2018年自动驾驶零部件和方案获投企业数量:

2013-2018自动驾驶零部件和方案供应商融资次数:

2018年自动驾驶领域中,算法类企业数量最多,AI芯片类企业融资总额最高。

51家自动驾驶零部件和方案供应商中,2018年获得融资的有35家,这其中以算法企业为主,有14家,占比40%,AI芯片类企业最少,只2家。

但从融资总额角度看,2018年自动驾驶AI芯片企业融资额最高,达90.68亿,主要因为地平线获得高额融资,达68.38亿元(10亿美元)。而传感器类企业融资总额相对较低,2018年自动驾驶毫米波雷达融资额仅0.83亿元。

其中,高精地图创业公司从2017年开始获得融资,到2018年,融资总额已达7.06亿。金准人工智能专家认为,随着自动驾驶等级逐渐升高,L3及以上自动驾驶必须配备高精地图,在国内高精地图企业发布第一张地图并应用后,该领域将愈发受资本市场青睐。

2018年自动驾驶领域各类获投企业数量占比:

2018年自动驾驶领域各类获投企业融资总额占比:

三、中国自动驾驶面临的主要问题

自动驾驶产业链核心技术和市场仍主要由国外企业掌握,国内产品竞争力相对较弱。

相较于国际整体自动驾驶发展,国内自动驾驶近几年虽发展迅速,但美国、欧洲占据先发优势,国内自动驾驶企业整体数量和体量都较小,产品竞争力弱,自动驾驶产业链核心技术仍主要由国外企业掌握,整车厂的自动驾驶零部件和方案主要来自国外企业。

对于国内企业来说,自动驾驶仍面临着政策、技术、人才等各方面的挑战,但其中,人才、专利和车规认证是现阶段亟待解决的几个问题。

我国自动驾驶仍面临人才缺口和专利壁垒大的问题。

3.1人才缺口大

国内自动驾驶领域人才缺口仍较大,目前主要呈现国内自动驾驶院校资源不足、高经验值人才不足和人才分配不均三个特点。

另外,据日本专利分析公司Patent Result数据显示,全球自动驾驶专利竞争力排名中,Top50中没有国内企业,其中滴滴排名90,百度排名114位。自动驾驶领域核心技术中,中国企业掌握十分少,且我国企业的专利高度集中在国内,这对国内企业来说,形成巨大的专利壁垒。

国内自动驾驶院校资源不足。国内自动驾驶领域的核心人才主要来自国外知名大学、国际知名自动驾驶或科技公司,国内院校中,清华、中科院等少数几个学校发展较强,培育了部分业内精英,国内整体上仍面临专业设置少、师资缺乏等问题。

高经验值人才不足。据领英的自动驾驶汽车人才数据显示,中国自动驾驶人才中,拥有5-15年工作经验的人才占比最高,达64%,但美国拥有16年以上工作经验的人是行业主力,占总数41%,国内自动驾驶领域高经验值人才明显不足。部分企业为了解决人才问题选择在硅谷设研发中心,从事自动驾驶技术研发,如上汽、广汽、长安、Roadstar.ai等。

北上广人才聚集,人才分配不均。据领英自动驾驶人才数据显示,新能源和智能汽车领域人才中,70%聚集在北上广深,长三角地区的苏州、南京和杭州为人才第二梯队,从人才流动的角度看,2018年自动驾驶领域人才净流入排名前三的城市依次为上海(+37%)、苏州(+23%)和北京(+22%)。人才分布的不均匀也是困扰其他城市发展自动驾驶产业的一大问题。

3.2专利壁垒大

自动驾驶专利竞争力排行榜前10家企业:

车规级认证是产品进入整车厂首张“通行证”,目前算法和软件方面的车规标准仍需加强和完善。

安全是整车厂最关注问题之一,能否通过车规级认证,决定着能否被整车厂接收,因此在实现量产和商业化前夕,车规级认证将是自动驾驶供应商首先需要解决的问题之一。目前自动驾驶领域车规级认证主要有功能安全标准 ISO 26262、可靠性标准 AEC-Q100、质量管理标准 IATF 16949,但是现阶段的认证标准主要还是硬件方面,自动驾驶算法和软件上的标准仍需加强和完善。

功能安全标准 ISO 26262

ISO 26262道路车辆功能安全国际标准是针对总重不超过3.5吨八座乘用车,以安全相关电子电气系统的特点所制定的功能安全标准,是评判汽车电子元件稳定性优劣的标准之一,该标准仅针对安全相关电子电机系统(电气/电子/可编程电子安全相关系统),包含电机,电子与软体零件。

ISO 26262中,对ASIL (汽车安全完整性等级)进行了限定,ASIL分为A、B、C、D四个等级, ASIL D为最高汽车安全完整性等级,对功能安全的要求最高。

S表示发生危险时导致的伤害的严重性,S3代表危及生命或致命的伤害;

E代表处于危险中的可能性,E4代表可能性最高;

C代表危险事件发生时,事件能被控制,并减小或避免的可能性,C3代表很难控制或不可控

QM表示与安全无关。

ASIL测评:

可靠性标准 AEC-Q100

AEC-Q100(基于集成电路应力测试认证的失效机理)是国际汽车电子协会对汽车集成电路IC制定的车规级验证标准。

AEC-Q100规范主要包含7大类别的测试:加速环境应力测试、加速生命周期模拟测试、封装组装整合测试、芯片制造可靠性测试、电性验证测试、缺陷筛选测试、封装凹陷整合测试。

同时,该标准也对零件工作温度等级做出了定义规范。

AEC-Q100对零件工作温度等级的定义规范:

质量管理标准 IATF 16949

IATF 16949 是全球通用的汽车行业质量管理标准,适用于汽车整车厂及其供应商,目标是在汽车供应链中提供持续改进、预防缺陷、减少变差和浪费的质量管理体系。整个质量管理体系测评范围包括项目的策划、实施、检查、改进等一系列工作,关注提高顾客满意度。

四、2019自动驾驶技术前景剖析

4.1多国支持自动驾驶技术发展落地

自动驾驶能减少因人为失误操作导致的交通事故,还能解决因塞车、使用者寻找车位等待时间过长的交通痛点问题,因此是未来汽车发展的重要方向之一。世界各国对自动驾驶技术的发展,都予以相应的扶持。

2018年12月25日,日本政府就“高度自动驾驶汽车将可能在2020年上路”征求公众意见。

欧盟委员会也针对自动驾驶公布了时间进度表,称力争在2020年实现高速公路的自动驾驶和在城市道路的低速自动驾驶,在2030年步入完全自动驾驶社会。

美国有33个州开放了自动驾驶路测,加州和亚利桑那州允许没有驾驶员陪同的自动驾驶汽车上路测试。

2017年12月,北京市印发《北市市关于加快推进自动驾驶车辆道路测试有关工作的指导意见(试行)》和《北京市自动驾驶车辆道路管理实施细则(试行)》,成为全国首个出台自动驾驶路测指导意见和管理细则的城市。此后,上海、广州、深圳等8个城市相继发放自动驾驶路测牌照。

在工业和信息化部、国家发展改革委、科技部三部委2017年联合印发的《汽车产业中长期发展规划》中明确提及,到2020年,我国汽车DA(驾驶辅助)、PA(部分自动驾驶)、CA(有条件自动驾驶)系统新车装配率超过50%,网联式驾驶辅助系统装配率达到10%,满足智慧交通城市建设需求。到2025年,汽车DA、PA、CA新车装配率达80%,其中PA、CA级新车装配率达25%,高度和完全自动驾驶汽车开始进入市场。

4.2中美标准略有差异 总目标一致

根据美国汽车工程师协会SAE的界定,将自动驾驶分为L0-L5几个级别,《中国制造2025》重点领域技术路线图对智能网联汽车分为DA、PA、HA、FA四个级别,2016中国汽车工程学会年会又发布了《智能网联汽车技术路线图》,将智能网联汽车更为细致地分为了DA、PA、CA、HA、FA五个级别。

中美自动驾驶分级对比

对比中美标准可以看出,中国的DA级对应美国的L1级,PA级对应L2级,CA级对应L3级,HA级对应L4级,FA级对应L5级。

近年来,ADAS(高级驾驶辅助系统)越来越多地使用在量产车上,ADAS主要是通过各种车载传感器收集车内外的环境数据, 进行静、动态物体的辨识、侦测与追踪等技术上的处理,从而让驾驶者在最快的时间察觉可能发生的危险,并采取相应的措施,以提升驾乘安全性。自动驾驶技术的实现,要依赖ADAS的成熟和完善。

目前,自动驾驶的技术仍然处于从L2到L3过渡的阶段,目前,不少国外主机厂计划在2019年左右开始向市场投放L3级量产车,并将在2021年左右实现L4级自动驾驶;国内部分传统主机厂计划在2020年实现L3级自动驾驶,2025年以后实现L4级以上的自动驾驶。

4.3自动驾驶核心技术分布三大区域

要实现自动驾驶,车辆需要感知识别,感知自身位置、其他车辆与周围环境的距离以及相对的运动关系,这需要对环境扫描和建模,离不开各种传感器。同时,对环境监测还需要高精度地图,车联网以及汽车大数据等重要技术。

车辆有了感知,通过对收集的信息进行综合处理,需要路线规划,并在异常情况下提出异常处理方案,这部分是自动驾驶的决策规划。

有了规划,就是控制车辆驱动和制动及转向等,这就是自动驾驶系统的控制执行部分。在《中国人工智能系列白皮书-智能驾驶(2017)》中,自动驾驶的结构框图如下):

智能驾驶系统结构框图:

从图中可以看出,要实现自动驾驶,需要各模块技术配合。

在感知识别系统中,需要对环境进行正确识别,多传感器搭配方案成为必然,而激光雷达是其中的重要应用。目前而言,固态激光雷达是主流发展趋势,但相对成熟的MEMS激光雷达仍存在准确性、安全性和成本的各种限制。车联网是自动驾驶和未来智能交通运输系统的关键技术,实现通讯协议标准统一,是车联网普及的前提,也是保障车辆安全的基础。目前DSRC标准已经成熟,但存在潜在干扰问题;LTE-V和LTE V2X技术尚不能完全替代DSRC标准,仍在探索实验过程中。

4.4老牌车企跨界合作,全面布局

面对自动驾驶,传统车企和高新技术创新公司都在布局,或专注于整体布局、平台搭建,或专注于某一项技术……

在自动驾驶技术的发展过程中,传统车企凭借丰富的制造经验和完善的配套服务体系,偏向基于对现有ADAS(高级驾驶辅助系统)功能和技术不断完善,从而实现自动驾驶。它们通过自建、收购和与自动驾驶公司、激光雷达公司、高精地图及打车平台形成跨界合作,在全产业链积极布局。

典型汽车企业自动驾驶布局概况:

4.5科技企业专注“智能”深耕

而新型技术公司及互联网企业,则凭借先进的互联网技术、较为成熟的算法和云服务平台,基于人工智能提升汽车作为移动机器人的深度学习能力和自主决策能力,逐步实现自动驾驶。

谷歌 Waymo、百度Apollo、Mobileye等科技企业都在通过不同方式进行自动驾驶相关技术的研发和推进,阿里、腾讯、华为等也纷纷在车载OS、车联网基础设施、数据和高精地图的布局。

我国典型科技企业自动驾驶布局概况:

4.6车企扎堆布局L2/L3级车

自动驾驶是一个拥有很高技术壁垒的行业,在经历了2018年美国优步自动驾驶汽车路测撞亡行人事件后,行业发展和投资逐渐趋于理性。目前虽然离真正的自动驾驶商业化尚需时日,但大多厂商都积极在“准自动驾驶”级别的商业化落地方面提出各自的解决方案,而且在对感知识别、决策规划和控制执行模块,也都有着不同的处理方式。

典型自动驾驶解决方案概况:

4.7欧洲专利申请,欧美远高于中国

2018年11月,欧洲专利局(EPO)与欧洲汽车研发理事会(EUCAR)合作发布报告《专利和自动驾驶汽车》。报告显示2011-2017年,申请自动驾驶专利的,以欧洲和美国最多,分别占据总量的37.2%和33.7%;其次是日本和韩国,分别占比13.3%和7.3%;中国申请数量为194个,全球占比约为3.2%。

2011-2017年欧洲专利局自动驾驶专利申请地区分布:


4.8感知分析与决策和通信申请专利最多

2017年,欧洲自动驾驶汽车专利申请中,排名前三位的领域是感知分析与决策、通信和计算算法。

2011-2017欧洲专利局自动驾驶专利申请领域分布:

4.9中国通信技术专利超四成

根据欧洲专利局统计的近年各领域专利申请总数以及每个领域的地区分布,欧洲和日本多集中在感知分析决策方面,其次都集中在车辆控制和通信技术;而美国、韩国和中国首先集中在通信技术,其次是感知分析决策方面。

中国专利申请主要集中在通信技术(41.0%),在自动驾驶的车辆控制(13.8%)和计算算法占比(10.1%)对比其他国家和地区的专利占比相对较低。

2011-2017年欧洲专利局自动驾驶各专利申请地区的专利技术领域分布:

从欧洲专利局公布的2017年的专利申请情况来看,企业在感知分析与决策、通信和计算算法3个领域布局最多。在这3个领域中,中国企业除在通信领域中布局较多以外,在感知分析与决策、计算算法方面布局较少。



金准人工智能 自动驾驶产业分析及2019前景剖析报告(下)

4.10细分领域布局助自动驾驶商业落地

根据欧洲专利局近年的专利分布,每一领域主要集中在以下典型技术:

欧洲专利局自动驾驶各领域典型技术专利方向:

综合欧美日及中国企业的专利布局情况及在自动驾驶技术应用的情况,金准人工智能专家认为,自动驾驶核心技术集中在激光雷达尤其是固态激光雷达及感知技术、车联网通讯协议及通讯技术、数据技术、高精地图等方面,布局这些技术,是自动驾驶商业化落地的重要基础。

感知识别部分是自动驾驶采集分析数据的主要来源,通过技术发展推动固态激光雷达降价,能有效提高自动驾驶解决方案的经济性。

车联网是实现自动驾驶决策分析的保障。车联网通讯技术以及车联网的安全性成为主要的技术壁垒。

数据是自动驾驶实现过程中重要的依据,也是未来保证自动驾驶稳定和安全的前提。数据收集、数据处理等,需要计算算法技术突破。

高精地图是自动驾驶实现的关键要素。数字地图的精度直接关系到自动驾驶的安全性和稳定性。

4.11“准自动驾驶”是目前投资重点

目前,自动驾驶技术仍然处于从L2到L3过渡的阶段(即中国标准PA/CA阶段),基于这两个阶段的企业较多,但也是目前投资的重点;L4到L5(中国标准的HA/FA)的完全自动驾驶技术处于逐步完善过程中,商业化尚需时日。

虽然目前各大厂商都在积极推进自动驾驶技术的发展,多数企业也都设置了2018年-2025年投放不同级别自动驾驶量产车的目标,但目前实验过程中仍不断有事故发生。这说明距离自动驾驶技术商业化落地还有一段艰难的路要走,投资人对此要有足够的准备和耐心。

今后,金准人工智能专家还会继续关注自动驾驶细分领域的技术发展与投资需求,关注自动驾驶的未来前景,期待与技术先行者、投资人一起目睹自动驾驶时代真正来临。

结语

2019已来,中国汽车产业将正式进入运营元年,也将是高精度定位上车应用的元年,新零售网络将形成,汽车售价也将更透明,自动驾驶乘用车依然是伪需求,汽车将逐渐走出中控屏智能,软件定义车的时代真的要来了,大数据平台的建设与运营将成为核心竞争力之一。对于造车新势力来说,这一年将会拉开距离,没有产品会活不下去。

另外,我们也不得不面对,汽车行业未来两年,将进入调整期,而数字化也将会成为关键词。对于整个汽车行业来说,这是充满挑战的一年,也是充满机遇的一年,就看如何去应对和把握。


金准产业研究 芯片专题:FPGA,可再编程芯片行业分析

前言

FPGA具备可编辑性,未来有望成主流。FPGA作为目前仅有的支持再编程的芯片,应对未来5G时代到来后激增的芯片设计及功能使用需求,FPGA可以避免如ASSP或者ASIC所需要的较长的生产及设计周期,而是直接与FPGA芯片上实现再编程,对硬件进行更改从而满足用户或设计需求。

FPGA市场规模稳定扩大,2025年有望达到125亿美元。根据MRFR统计以及预测,在2013年全球FPGA的市场规模在45.63亿美元,至2018年全球FPGA的市场规模缓步增长至63.35亿美元。但随着目前5G时代的进展以及AI的推进速度,MRFR预测FPGA在2025年有望达到约125.21亿美元

核心是AI、大数据、以及云计算,应用下游是汽车、数据中心、和工业。根据HIS以及MRFR的统计以及预测,未来FPGA的市场增量点将会集中在汽车(智能驾驶)、数据中心、以及工业智能自动化上。在2018年,通讯领域所用FPGA占据约40%,消费电子占据23%,为最大的应用下游根据MRFR预测至2025年时最大的应用领域将是汽车,占比29%,而数据中心以及工业的占比也将直线上升至13%和19%。

FPGA行业高速集中,Xilinx以及Altera占据超过70%的全球市场份额,国产化发展空间较大。目前全球2018年FPGA的市场规模约在63亿美元的层次,而Xilinx以及Altera占据了绝大一部分,国产FPGA芯片的身影在国际舞台上较难看见,但同时也意味着此间留给中国进行国产替代化的空间较大。

国产FPGA企业初露荷角,静待FPGA领域的建设。虽然技术壁垒高铸于此细分行业,但是目前中国仍然有约10家企业开始发力,我们统计了几家关于FPGA研发的几家公司,其FPGA的进展已经成功进入该行业,并且成功出货,供入军方订单。金准产业研究团队看好中国本土FPGA设计公司在后期不断的追赶甚至超越。

一、FPGA:可再编程芯片设计

1.1什么是FPGA?

FPGA(Field Programmable GateArray),即现场可编程门阵列,于1985年由Xilinx创始人之一Ross Freeman发明。FPGA的诞生时间晚于摩尔定律的出现约20年,但FPGA自发明后,发展之快超乎想象,且目前FPGA已是全球领先的先进工艺。

说到FPGA芯片,与其他芯片最大的区别就是FPGA设计不是研发FPGA芯片,而是用FPGA进行设计。FPGA是一种在PAL(可编程逻辑阵列)、GAL(通用阵列逻辑)、CPLD(复杂可编程逻辑器件)等传统逻辑电路和门阵列的基础上发展起来的一种半定制电路,主要应用于ASIC(专用集成电路)领域,既解决了半定制电路的不足,又克服了原有可编程器件门电路数有限的缺点。

简单来说,即FPGA芯片可以每隔几秒就改变芯片上的运行硬件设计,而其他芯片,例如ASIC芯片则在出厂的时候就已经固化,无法进行改变。

 

1.2 FPGA优劣之势

FPGA最大的特点就是灵活,实现你想实现的任何数字电路,可以定制各种电路。减少受制于专用芯片的束缚。真正为自己的产品量身定做。在设计的过程中可以灵活的更改设计。而且它强大的逻辑资源和寄存器资源可以让你轻松的去发挥设计理念,其并行执行,硬件实现的方式可以应对设计中大量的高速电子线路设计需求。

FPGA比DSP拥有更快的速度,可以实现非常复杂的高速逻辑

FPGA比ASIC(专用芯片)有更短的设计周期和灵活性,免去昂贵的开版费用FPGA可以随时裁减,增加你想要的功能达到规避设计风险,回避芯片厂商的限制。

 

 

虽然FPGA具备着灵活性,可再编辑性,但这也就致使FPGA芯片中预留了更大的面积,以及可配臵逻辑,即增加了一定的成本以及功耗。

以下我们选取了FPGA与ASIC、ASSP进行了8方面的对比来显示FPGA的优劣势:

 

FPGA与ASIC对比

成本:如果ASIC流片量大,实现同样逻辑的FPGA成本将是ASIC的10倍以上。按照上面的初步测算,以5万片流片为零界点,低于5万片的小批量多批次的专用控制设别(如雷达、航天飞机、汽车电子、路由器,这些高价值、批量相对较小、多通道计算的专用设备)采用FPGA更加经济划算。

功耗:FPGA中的芯片的面积比ASIC更大,这是因为FPGA厂商并不知道下游的具体需求应用,故在芯片中装入规模巨大的门电路(其实很多没有使用到),而大数据和物联网、国防、汽车等,这些领域对低功耗要求不高。

编程设计:FPGA的发展中,软件将占据60%的重要程度。例如Xilinx公司60%~70%的研发人员从事软件工作。除了考虑芯片架构,编程设计时还要考虑应用场景多样性、复杂性和效率。FPGA编程需要采用的专用工具进行HDL编译,再烧录至FPGA中,其技术门槛非常高。

1.3 FPGA发展趋势

从技术端来看FPGA的未来发展,我们预测在未来的一段时间内FPGA将继续遵循摩尔定律的演变发展。目前目前Xilinx的16nm工艺FPGA已经成熟商用。而Altera被Intel收购后逐步切换至Intel的工艺上面来,现在也推出基于Intel14nm工艺的Stratix10等高端芯片。

 

翻阅Xilinx官网,我们可以看到Xilinx对于FPGA的产品计划将会是持续缩小其芯片的面积,也符合我们的想法,即今年内将继续保持摩尔定律所述,缩小其芯片尺寸的一个技术发展趋势。

 

二、受益大数据、AI、云计算,市场空间持续增长

2.1 FPGA市场情况

2.1.1市场规模情况

根据MRFR统计以及预测,在2013年全球FPGA的市场规模在45.63亿美元,至2018年全球FPGA的市场规模缓步增长至63.35亿美元。

但随着目前5G时代的进展以及AI的推进速度,MRFR预测FPGA在2025年有望达到约125.21亿美元。

2.1.2地区分布情况

对于全球FPGA的市场分布而言,MRFR统计对于FPGA的下游应用地区分布而言,目前最大的为亚太地区,占比39.15%,北美占比33.94%,欧洲占比19.42%而至2025年,亚太地区的占比将会继续的提高至43.94%,此间原因也主要因为下游应用市场在未来的主要增长大部分集中在亚太地区。

 

2.1.3下游分布情况

按照FPGA下游应用来分拆FPGA的市场规模的话,我们可以看到在2018年而言,通讯领域所用FPGA占据约40%,消费电子占据23%,为最大的应用下游;根据MRFE预测至2025年时最大的应用领域将是汽车,占比29%,而数据中心以及工业的占比也将直线上升至13%和19%。

 

2.2下游应用如何助力

对于未来FPGA的重要发展趋势:汽车、数据中心而言,我们通过总结延伸出未来FPGA最重要的核心其实依旧是AI、大数据、以及云计算。

 

但我们仍然将从以下汽车以及数据中心两个最大的增长点进行具体的应用领域简述。

2.2.1汽车领域

在汽车领域而言,目前汽车相机以及传感器中FPGA的应用已经相对成熟,而在未来发展的趋势:自动/智能驾驶汽车的人工智能系统中,FPGA的适用度将是最为契合的用于处理越来越复杂的ADAS和自动驾驶。

例如,辅助驾驶系统的视频分析功能采用超低延时精确算法对来自车辆摄像机的实时视频输入进行分析,在瞬间做出判断。如若使用ASIC或者ASSP芯片,则开发进度将无法跟上发展越来越快的研发周期,从而拖累开发周期。

 

目前在智能驾驶中使用FPGA的研发人员不断增加,其主要原因我们归纳后主要为以下几点:

1.FPGA可以实现重新编程,无需重新设计

2.节约时间,无需重新设计、投片、制造

3.FPGA设计软件设计软件提供创新技术,以加速系统设计,并利用FPGA系统内验证减少调试工作。

使用FPGA能持续帮助芯片设计这一流程不断适应并调整因汽车产业所新增的需求对芯片的改动,而无需进行重新设计及生产新芯片的复杂流程,实现真正的芯片个性化,可定制化,以及可更改化。

2.2.2数据中心领域

当前,数据中心已经成为全球信息存储、处理、分发的核心设施,是支撑网络信息化社会的重要支柱,国内外对数据中心的建设需求非常旺盛。数据中心与传统的计算机托管机房相比,具有鲜明的特点,也面临着严峻的挑战。

1.首先是规模庞大。可由数千个同构的计算节点组成,带有各自的网络、存储子系统,有独立的供电设备和冷却系统,具有更大规模的软件架构、存储设备和硬件计算平台,共同提供少量规模非常巨大的互联网应用和服务。

2.其次是需求多样且快速演化。数据中心运行的业务类型从早期的搜索引擎、语义分析、语言翻译到最新的知识图谱、人工智能等,种类繁多且随着需求和技术的发展而不断变化。这些应用和服务所需的软硬件架构、计算模型、编程模型也不尽相同,对计算能力和计算类型的加速需求也不尽相同。

3.再是能耗巨大。数据中心的能耗开销通常占总运行成本50%左右,且能耗总量巨大,2013年仅美国数据中心就使用了910亿千瓦时电能。预计到2020年,能耗将增加53%,上升到1390亿千瓦时。同时,数据中心对环境也造成了巨大的压力。控制能耗、提高效率成为大数据中心建设运维行业的共识,也是当前研究的热点。

4.最后是数据安全。随着数据中心的密集建设,数据中心所存储的数据将会是呈几何倍数增长,而对应的也将会有更多的敏感数据,例如:个人信息、银行支付信息等,如何在未来数据中心成为信息化社会的重中之重的同时保护数据中心信息的安全也是众多问题之中的关键之一。

 

对于FPGA而言,在数据中心的应用将会较为简单的解决这类问题。

首先FPGA可以根据新的或者变化的需求及应用进行调整,保证了因为需求的快速变化而致使的原芯片的不适用

其次就是FPGA的使用可以帮助数据中心在异构运算中使其新能功耗之比达到最大化,保证了能源消耗的解决方式

再之即使FPGA在信息保密方面可以通过加密数据的方式保证其数据及信息的安全。

三、寡头垄断,行业聚集

3.1 FPGA竞争格局

目前FPGA的应用已经被多方企业使用,从IBM,Facebook这类国际巨头至中国BAT均已经开启了FPGA的应用。

英特尔167亿美元收购Altera,整合Altera多年FPGA技术以及英特尔自身的生产线,推出CPU+FPGA异构计算产品主攻深度学习的云端推断市场亚马逊AWS、微软、百度、阿里云、腾讯云均围绕FPGA进行云端推断相应布局,具体如下表所示。

备受瞩目的FPGA市场巨大,在2018年63.35亿美元的市场空间,但其市场分布却十分聚集。目前市场由Xilinx和Altera(已被Intel收购)霸占,行程了高度垄断,两者合计占据超过70%的市场空间而行业前五则占据了全球约为88%的市场份额。

其主要原因也是因为技术专利的限制和较长开发周期使得FPGA行业形成很高壁垒,也进而巩固行业巨头领先地位。

 

3.2中国的FPGA“芯”在哪?

目前中国IC厂商在FPGA这个细分领域和国外巨头的差距远远比其他领域要大,其中最大的原因就是FPGA技术门槛非常高,核心技术只掌握在及其少数的公司手上。根据统计目前Xilinx和Altera拥有超过6000项专利,对该行业的后进入者形成了难以跨越的技术壁垒。

因此,国内FPGA的发展只能靠自主技术和自主产品。虽然国内FPGA企业起步较晚,发展过程可能会很漫长,但我们依然可以看到部分企业已崭露头角。

 

结语

虽然FPGA的发展处于上升期,但如若FPGA所在的半导体行业疲软,将对FPGA的发展构成较大的阻碍,同时下游需求的不景气也将直接影响到FPGA的研发动力以及行业规模增速的状态。FPGA在未来最重要的应用场景有望为AI、5G、以及数据中心。而如果AI、5G的发展进度不及预期,对于FPGA的使用也将造成一定程度的影响。

金准产业研究 区块链落地场景研究报告(下)


5.2如何竞争:根据自身市场定位来优化区块链战略

一旦公司找到了一个有潜力的应用场景,那进入第二步,根据目标市场的定位来制定竞争策略。我们之前对于可行性的讨论,大多局限于企业自身可以影响的范围,即使是技术和资产限制也可以通过一些权衡和调整来形成一个可行的方案。但我们这里要说的是,公司在区块链方面的战略将受两个最重要的市场因素决定,而这两点恰恰是公司本身很难通过主观努力改变的:

1市场支配地位——企业对于该场景中主要参与者的影响能力

2标准化和监管壁垒——该场景对于监管许可和协调标准的需求程度

这两个因素对于确定公司的最佳战略路径至关重要,因为它们是实现协作的必要条件。区块链的价值在于网络效应与协作,所以需要各方共同遵守一个标准才能够实现价值——多个单一的区块链与传统数据库相比并没有优势。随着技术的发展,终将出现市场公认的标准,而对非主导标准的投资则将完全浪费。

先从公司在市场上的地位出发考量,决定在这四种战略路径中(领导者、召集者、跟随者、进攻者)选择哪一种,然后再来看具体应用场景上先关注哪一个。

领导者

市场领导者应该立即采取行动,保持其市场地位,并从自己的优势出发利用机会制定行业标准。如果在一个政策和监管壁垒较少的场景,占有主导地位的玩家完全有机会建立市场标准的解决方案。

对这类公司来说,最大的风险就是不作为,这将导致他们失去扩大竞争优势的机会。采用了行业领导者战略路径的一个例子是Change Health care,作为美国最大的独立的医疗行业IT公司之一,他们推出了企业级的医疗区块链平台,用于处理索赔和支付。

召集者

召集人要做的事情是推动旨在建立新行业标准的联盟和对话,而此举将颠覆各自现有的业务。除非是在一个领域占有绝对统治地位的玩家,其他人没有办法在一个需要面临更大监管和标准壁垒的领域靠单打独斗来建立区块链标准和应用。相反,他们可以把自己定位和塑造成“召集人”的角色,联合这个领域的其他玩家一同制定标准,并从中尽可能获得更多价值。

值得一提的是,运用“召集人”策略必须要找高价值的应用场景,例如贸易融资这种如果没有广泛共识的标准就无法实现其价值的领域。采用“召集人”战略的一个例子是丰田,他们的研究所集合了全球四个合作伙伴一同建立汽车领域的区块链联盟,专注于为自动驾驶提供区块链解决方案,包括数据共享、点对点交易,基于使用的保险等。

跟随者

如果在市场上处于追随者的定位,也应该仔细考虑并实施适当的区块链策略。这个级别的玩家对于行业内其他参与者没有很大的影响力,尤其是区块链应用还需要面对强监管和标准壁垒。对这类企业来说,不能对市场的新技术变化视而不见,而是应该密切关注区块链的发展,并做好快速采用新标准的准备。如同企业已经在采用云服务的同时面临着潜在风险,但也同时建立了法律框架一样,跟随者们也应该制定如何实施和部署区块链技术的战略。

对区块链领域而言,“跟随者”战略其实是特别危险的,因为行业中制定规则的少数玩家可能会建立需要许可的私有区块链网络,例如船运行业。那么无论跟随者动作有多快,可能在规则制定的那一刻就已经出局了。对这类公司而言,可以选择早站队,选择加入现有的、有潜力的联盟来降低这种出局的风险。而加入联盟的短期投资成本会远远低于掉队的长期成本。

进攻者

进攻者往往是新进入市场的玩家,他们没有现有的市场份额需要去保护,因此他们更有动力寻找和采用破坏性、颠覆性的商业模式和区块链解决方案。“进攻者”战略适用于通过向市场提供一种颠覆性的服务来破坏现有玩家格局的最具颠覆潜力的应用场景。金融、保险、理财等大多数点对点的应用都可以划分到这类场景。采用“进攻者”战略的一个例子是澳大利亚一家创业公司PowerLedger,作为一个再生能源的点对点交易平台,他们通过ICO筹集了3400万澳元。

而已经在这个市场中的玩家,可以在非核心的数字业务中率先用“进攻者”战略进行部署。那些区块链即服务(BaaS)的提供商通常采用攻击策略,因为他们要做的就是把服务卖到自己目前并不在其中的行业。而采用攻击战略的公司往往会寻求与该领域主导公司合作,来提升自身在行业内的影响力。

结语

从我们的分析可以得出结论,市场炒作背后,区块链技术对于公司确实具有战略价值,这种价值短期来看表现在降低成本和去中介价值,长期来看可能会产生新的商业模式。现有的数字基础设施和区块链即服务(BaaS)产品的增长降低了试错成本,许多公司已经投入试水。然而,受到一些基础性因素的制约,哪些具体应用可以规模化,何时能做到规模化,这种规模化何时能获得投资回报,还需要时间来证明。

我们采用务实和怀疑的态度,评估区块链的各种应用对于市场影响的规模和速度,这能帮助我们找到最佳的赛道以及最适合自己的竞争策略,使公司短期内就能够获益。事实上,那些在行业内有绝对统治地位、有能力把自己的区块链打造成行业通用解决方案的巨头级玩家,应该采取行动,立即、马上采取行动!