前言
人工智能不再是概念：我们的调研发现，基于人工智能的视频分析技术正在不断拓宽安防技术的应用范围，实现实时车辆轨迹追踪等以前只有在警匪片里才有的新功能。通过基于用户画像的精准广告投放，互联网公司在过去三年提高了广告单次点击成本（CPC）170%。IBMWatson从2015年开始为病人提供肺癌等四种癌症的个性化治疗方案。汽车主机大厂的路线图显示2021年前后能够实现真正的无人驾驶服务。这些新技术的商用无疑会对公共安全、医疗、广告、汽车制造业造成颠覆性的变化。
数据比算法重要：我们认为人工智能的商业化，仅仅依靠技术是很难继续走下去的。数据的规模和采集能力决定了人工智能在这个行业的发展速度。在这方面，感谢线上消费的发展和十几年平安城市建设，互联网和安防行业的智能化走在了其他行业前面。看好海康威视、大华股份、科大讯飞、东方网力、千方科技、阿里巴巴、腾讯、新浪在安防和互联网行业的AI变现机会。医疗大数据是下一个热点，看好东软、思创医惠和东华软件在医疗大数据领域的长期成长机会。
人工智能=「人工+智能」：只有投入更多的研发人员和数据，才会获得更多的智能。仅靠一两名人工专家很难解决复杂的人工智能问题。中国企业的人工智能转型，需要依靠的是在研发费用和研发人员规模上的持续投入。在这方面，华为排名全球前十，阿里巴巴、中兴、百度、腾讯、海康等公司也在世界前列。
看好数据中心/传感器/半导体行业面临结构性成长机会：智能化有两个直接结果。第一是企业服务加速向云计算的迁移。我们预计全球公有云市场今后几年保持25%的年复合增长，到2020年达到约950亿美元的规模。为了支撑云服务发展，八大全球主要科技公司在数据中心资本开支到2020年将达约900亿美元，约占全球电信业资本开支的25%。第二是收集数据需求的增加，手机及汽车上搭载传感器数量大幅上升。我们预计车载传感器市场从2016年的82亿美金扩大到2025亿的290亿美金（15%CAGR）。数据中心及手机、汽车内计算能力的上升，推动人工智能相关芯片需求从2016年37亿美金扩大到2025年的566亿美金。
风险人工智能创新进度低于预期。
我们从人工智能的两个维度，以及围绕这两个维度展开的竞争，即软件开发框架和计算芯片。对当下最热门的议题——TPU进行详细解读。
报告认为人工智能服务提供商之间的竞争主要包括两个维度：
软件开发框架：主要的框架包括谷歌的Tensor Flow，Facebook，IBM，谷歌DeepMind支持的Torch，Microsoft的CNTK，Amazon的MXNet。NVidia也提供自己的软件开发框架CUDA。这些公司之间的竞争类似于智能手机操作系统上iOS/Andorid之间的竞争。
计算芯片：目前的竞争对手包括NVidia/AMD的CPU，谷歌的TPU，Xilinux的FPGA之间在计算成本和速度上的竞争。这些公司之间的竞争类似与高通和联发科在手机芯片上的竞争。在TPU的例子上我们看到，谷歌利用其在软件开发框架上的优势，减小切换计算芯片（GPU to TPU）时的软件修改成本，形成一个Tensor Flow+TPU的封闭生态环境。
一、10年之后我们还能做什么？
根据耶鲁大学和牛津大学的研究人员对352位人工智能专家进行了采访，人工智能到2060年前后有50%的概率完全超过人类。这份研究预测在10年内，人工智能将会在以下领域超过人类：翻译领域（2024），高中水平的写作（2026），驾驶卡车（2027）。
在这份报告里，我们着重分析四种人工智能技术（语音，图像，自然语言处理，机器人）对五个行业（安防，互联网电商/广告，消费电子，汽车，医疗）的影响（图表2）。
1.1从技术角度来看
语音技术成熟但应用场景有限。语音识别是目前发展最成熟的人工智能技术。Nuance，科大讯飞，Google，百度等主流厂商的近场语音识别率都达到99%以上。但目前应用场景局限在电子病例，智能客服，在线教育，车载导航等少数几个领域。随着未来语音识别种类的进一步丰富，识别环境通用性的增强，以及远厂语音技术的突破，一定会帮助拓展其应用范围到智能家居等更多场景中。
图像识别落地机会最多。图像识别技术不但有着非常高的识别准确率，而且能够很快给出智能的反馈，因此图像识别技术最容易快速落地到各行各业中。安防行业中的车辆数据提取，医疗行业的影像诊断，电商行业中的精准营销，以及辅助驾驶都为图像识别技术提供许多落地变现的机会。
自然语言处理在互联网行业中应用最为成熟。我们注意到基于人工智能的精准营销正帮助互联网广告公司不断提升流量价值，而且一些智能的销售客服机器人正在逐步替代人工成为线上销售，售后维护的主力军。
智能机器人技术有待成熟。我们注意到一些公司开始在仓储机器人、手术机器人等细分行业进行探索。但技术还有待成熟。
1.2从行业角度来看
安防是人工智能在中国最容易变现的行业：十几年的平安城市建设，使中国的城市管理者已经积累了强大的视频数据采集能力。交通拥堵及反恐等应用场景又急需最先进的人工智能技术。
互联网广告和电商蕴含大量的数据，为人工智能在互联网广告和电商领域的应用提供了广阔的资源和空间。例如，互联网公司通过基于用户画像的精准广告投放，在过去三年提高了广告单次点击成本（CPC）170%。
AI促进消费电子升级换代：3D光学感测等AI功能会帮助现有智能手机提高售价，同时促进智能音箱等新品类的发展。
汽车行业2021年前后实现无人驾驶：随着TeslaAutoPilot2系统的发布，GM宣布自己的自动驾驶系统Super Cruise。我们注意到汽车智能发展呈现加速趋势。我们预计汽车主机大厂在2021年前后能够实现商业化的无人驾驶服务。
医疗行业空间巨大，但技术还有待成熟。电子病历的建立，不仅仅用到了语音识别技术，也整合了医疗大数据；影像诊断则用到了图像识别技术，现在在国内外都已经形成成熟的商业模式。辅助治疗和手术机器人由于技术的尚不完善，还在小范围推广。由于语音识别技术和机器视觉技术的成熟，大量应用这两个技术的行业将迎来AI变现的更多机会。
1.3直接受益行业
数据中心：人工智能的普及会推动云计算服务及资本开支的快速增长。我们预计到2020年，八大主要科技公司在数据中心相关的资本开支总计将达约900亿美元，约占全球电信业资本开支的25%。
半导体：我们认为2020年人工智能相关半导体的市场空间将达到117亿美元，其中云端服务器市场规模76亿美元，智能手机移动端41亿美元。除了上游的芯片设计厂商将受益之外，中下游晶圆代工及封装测试厂也将同步获益。
传感器：第二是收集数据需求的增加，手机及汽车上搭载传感器数量大幅上升。我们预计传感器市场从2016年的82亿美金扩大到2025亿的290亿美金（15%CAGR）。
1.4主要图表：视频、智能驾驶、软件框架、芯片、光学、音箱、云7大产业链
1.5全球主要AI科技公司市值、研发开支与研发费用率一览
一、AI+安防：智能化推动安防行业的第三次升级
中国视频监控行业在过去十几年经历了两次重要的升级换代：
（1）高清化：在这次升级的主要变化是摄像机的清晰度从标清（30万像素）升级到100万像素或以上。图像传输方法从原本通过同轴电缆传输的模拟信号过渡到通过局域IP网或同轴电缆传输的数字信号。后端设备也从DVR（Digital Video Recorder)过渡到NVR（Network Video Recorder）。NVR的物理位臵还是在本地（例如，小区内）。
（2）网络化：在这次升级中的主要变化是，视频被直接传回数据中心内的集中存储
（IP-SAN）。主要的优势是方便集中管理以及可监控的区域大大增加。
随着2016年以来人工智能技术在视频分析领域的突破，我们认为视频监控行业正处在第三次重要的升级周期的开始阶段。
（3）智能化：我们认为这次升级主要包括：(a)前端摄像机的智能化升级以支持结构化数据提取，(b)后端设备强化计算分析功能，以支持复杂的视频分析，(c)对应特定行业应用的人工智能分析软件快速增长。
2.1安防摄像机的智能化升级
传统的网络摄像机直接把高清视频回传给数据中心里的NVR，由于回传视频数据量巨大，很难对所有图像进行实时分析。大部分时候是对保存的图像进行事后分析。通过在网络摄像头上添加人工智能芯片（例如，NVidia的JetsonTX2、Movidius的Myriad2Vision等芯片），前端摄像头可以实时对视频数据进行结构化处理。例如，设置在交通路口的摄像头可以提取车牌，车型等汽车信息，和乘客数量，是否带安全带等乘客信息回传给数据中心。方便进行实时分析，优化系统反应能力。
根据统计，全球安防摄像头市场2016年约95亿美元，预计到2020年将达到128.4亿美元，CAGR为8.1%。其中，网络摄像机占比将从2016年的82%上升到2020年的90%。同时，我们预计相当一部分网络摄像机将迎来智能化升级。目前，中国占据全球44%的需求，海康威视已成为安防摄像头的全球龙头。
2.2后端设备强化计算分析功能
后端设备强化计算分析功能，以支持复杂的视频分析：传统的NVR（Network video recorder）的主要功能是压缩存储视频信息。通过添加GPU等人工智能加速芯片和应用处理软件，智能NVR能够实现图像识别，特征提取，人体识别、人员检索等功能。一些公司率先在里面加入人工智能处理能力，如海康的「超脑」系列。
根据数据，后端录像存储设备的市场规模2016年约38亿美元，到2020年将达42.7亿美元，CAGR为2.4%。中国依旧占据了全球42%的市场需求，海康威视成为全球龙头。从产品占比趋势观察，基于服务器的集中式存储的占比将逐渐降低。这表明未来的存储将更加分散化，NVR等设备的增长更快。
2.3视频管理分析系统（VMS）新增人工智能功能
视频管理分析系统（VMS）的主要功能是汇集分析视频信息，以及控制前端安防设备。由于技术上的限制，在人工智能拘束出现以前，实时视频分析的应用范围一致相对较小。
传统上，中国市场客户倾向于购买包含前端摄像机、后端存储设备和VMS的一体解决方案，所以海康威视、大华股份、宇视科技等拥有软硬件一体化解决方案的厂商一直保持较高市场份额。随着对基于人工智能的视频分析产品的产品要求不断提高，商汤科技、Face++等在人工智能算法上有特色的公司也积极切入VMS市场。
海康威视：针对公安行业、交通行业、金融行业、司法行业、能源行业、智能楼宇行业、文教卫生等七大行业分别开发了各自的解决方案。根据IHS的统计，海康的iVMS系列产品中国市场占有率23%。
东方网力：广泛应用于各行业、公安、平安城市等领域。为弥补算法方面的短板，东方网力和商汤科技合作，提升人脸识别的性能。
商汤科技：优势在于计算机视觉算法和技术，以及相关的行业应用。2014年公司在LFW的准确率达99.15%，首次超越人眼；并在ImageNet2014大规模物体识别竞赛中获得全球第二，仅次于Google，2015年取得两项世界第一。核心技术包括：人脸技术、智能监控、图像识别、文字识别、图像及视频编辑、深度学习框架。公司技术应用于：智慧金融、智慧商业、智慧安防等领域。
Face++：专注于人脸检测，包括人脸检测、对比、搜索、关键点定位、人脸属性。并提供人工智能开发平台。
2.4平安城市新阶段带动智能安防快速发展
根据统计，2016年全球安防设备市场规模达到158.6亿美金，同比增长6.6%。其中中国市场最大，市场规模67.25亿美金，同比增长11.6%，占全球42%。美洲市场第二，市场规模39.6亿美金，同比增长4.1%，占全球25%。
从中国市场来看，金准产业研究团队认为市场主要包括三个细分市场
（1）政府市场（30~35%）：主要包括各地公安，交通，司法部门。销售渠道以系统集成商为主。需求受政府固定资产投资拉动，对价格不敏感，是视频分析服务的重度用户。
（2）大企业市场（35~40%）：主要包括银行，电信，石油，文教卫等大型国有企业和事业单位等。销售渠道以解决方案为主，需求受经营规模扩大的影响。
（3）中小企业及个人市场（25~35%）：主要包括中小企业，也包括个人消费需求（尽管需求很小）。销售渠道以标准产品的分销为主。
根据我们调研，目前人工智能相关产品主要目标市场是政府市场。其驱动力来自于各地政府强化各类平安城市相关工程。经过十几年的平安城市建设，中国的主要城市已经积累了强大的视频数据采集能力。如何利用采集到的数据解决交通拥堵及治安问题一直是各地政府有待解决的问题。基于人工智能的新一代视频分析技术为城市管理开辟了一条新的路径。并将驱动当前67亿美元的中国安防设备市场继续以年增速15%以上增长。其中，交通管理和公共安全等政府相关项目（约占整体市场规模30%）是最主要的应用领域。以下是在交管和公安现场的实例。
交通违法抓拍
通过对前端摄像头和后端系统进行智能化升级，利用前端摄像头对抓取的图像快速处理，将明显的违法行为进行智能识别，并在后端进行收集和二次处理。可对多种交通违法行为进行取证，包括机动车闯红灯、违法停车、压线、变道、逆行、超速、人行横道不避让行人、违反规定使用专用车道、行人闯红灯等各种交通违法行为。
犯罪分子抓捕
以海康威视的系统破获的某个抢劫案为例。为了从大量的视频图像中找到嫌疑人，需要对来自500多个监控点的长达250个小时的视频进行分析，如果采用人力查阅，需要至少30天时间，但如果采用基于深度学习的视频分析技术，仅需要不到5秒。
另一个案例是，2012年的「1.6苏湘渝系列持枪抢劫杀人案」，当时对1万多个监控点产生的2000多T数据进行人工查阅，投入了1500多名干警耗时一个多月。根据海康威视估算，如果采用人工智能分析仅需要几分钟。
根据数据，全球视频监控设备市场到2020年将达202亿美元，是2016年的1.3倍。我们估计，在AI的驱动下，硬件设备市场的增长将维持较长的时间。
不论全球市场还是中国市场，海康威视、大华股份、宇视科技等中国公司已经占据较为领先的地位，其中海康威视在全球和中国市场均排名第一。
金准产业研究团队认为，一方面受益于中国视频监控行业规模在全球占比较高，另一方面，中国龙头公司的技术和产品的竞争力有了极大的提升。我们预计，这种趋势仍会保持，中国龙头公司的全球市占率将继续提升。
三、AI+互联网：AI加速电商广告市场发展
电子商务：AI简化用户的消费行为
2015年以来，由于互联网流量红利逐渐见顶，行业发展重点走向以提升转化效率以及付费习惯培养的精细模式。在电子商务领域，由于大数据的累积以及底层算法的快速发展，人工智能开始进入该领域，通过对消费者购买决策过程的深度学习和解析精准定位用户。主要的应用是为了更精准的推荐商品以及对用户的购买行为作出更好的解释。
3.1大数据是人工智能的重要基础，复杂场景催生技术革新
经过爆发式的行业增长，电子商务行业已经完成了早期的数据累积，大数据的产生为人工智能技术打下基础。而购物场景不断延伸，端到端的互联网消费者行为呈现高度离散的状态，消费者可触达点的增加同样加大了电商平台对于消费行为把握的难度，因此亟待更高效的方式对用户购买行为作出更好的解释，以实现更精准的商品推荐。
3.2人工智能的知识发现体系更适合解释当下更为复杂的线上购买决策
根据研究，传统营销通常认为消费者购买品牌是一个线性过程，但现实中情况却要更为复杂，特别是互联网账号体系的出现，线上消费者在其他如社交平台的分享同样会影响消费者的最终购买决策。此外，随着人均可支配收入的进一步提升，影响消费者购买决定的变量同样变得更为复杂。除了最基本的对于性价比的考量，粉丝效应、生活方式、特殊事件甚至对于环保的考量都有可能影响消费者最终的购买决定。
互联网环境下，品牌以及商品与消费者的接触点显得分散且数量远大于从前，人工智能的数据挖掘和知识发现功能为解析大量数据间隐藏的依赖关系提供了具有参考意义的一条解决路径。目前该技术在中国的具体应用表现为在售前，通过基于大数据分析的用户画像个性化推荐，向消费者主动展示其购买的产品内容。
目前个性化推荐主要是以分析消费者一定时间内的浏览记录为主，技术上并不难实现，主要门槛在于商业数据累积以及推荐逻辑优化。在当下全球电子商务领域，Amazon的智能推荐系统被公认为推荐算法最好的系统，其服务主要体现为个性化首页、多页面关联商品推荐和多品类关联促销。在中国，个性化推荐的形式和Amazon并无太大区别，以发展程度最高的淘宝千人千面模块为例，2016年双11个性化的智能卖家推荐的测试中，点击率和访客成交转化率分别上升了25%和40%，前次展示支付金额提升了56%。目前淘宝平台上的钻展以及直通车均已采用千人千面的数据分析，其解决的主要问题在于如何优化平台海量流量分流从而优化流量货币化效率。
电商领域人工智能技术的商业化已经开始萌芽，阿里巴巴自2015年开始加速个性化电商推广工具的研发，并已将一部分人工智能算法融入底层结构，例如：
基于全网电商数据、跨渠道数据以及第三方数据的客户运营产品–聚星台，可实现店铺「千人千面」的个性化互动营销以及全域会员运营。
通过标记的方式圈定潜在客群，建立个性化的用户细分和精准营销的数据管理合作平台–达摩盘。
以及开放付费API的人工智能系统–阿里云ET等。
3.3感知智能引领信息检索以及沟通效率提升，即看即买
尽管互联网技术解决了传统零售获客能力有限的问题，在购物体验以及沟通交流方面仍然与线下存在差别，尤其是非标品的售卖，例如服饰退换货率可以高达30~40%。如何更高效的发掘和理解用户需求进行沟通一直是电商企业努力的方向之一。更为直观方便的图片、语音识别技术因此被应用到了电商服务上。
消费者的购买需求通常具有即时性的特征，这一点可从2016年底开始奢侈品牌纷纷推出「即看即买」的营销策略中窥见一二。通常电商消费者在搜索商品时平均需要6个以上的点击来达成交易，并伴随大量的输入以及重复搜索尝试。2013年底在移动电商渗透之前Statista曾有研究表明，消费平均购物放弃率为67.9%。而今天这一比例已大幅下降，除了更加便捷的购物车服务以及支付环节以外，搜索环节的匹配效率提升同样起到了提升转化率的作用。
图片识别加强电商平台数据流动效率。图片搜索通过色彩图形以及空间的比对，即使消费者并不知道品牌或商品名仍然可以快速帮助用户找到其感兴趣的商品，真正实现了「即看即买」。对于平台卖家来说，自商品上线的那一刻图片识别技术就开始贯穿始终，包括自动检测商家上传图片是否存在侵权、投放推广时的自动匹配以及关键字搜索式的自动图片推荐；从而提升了电商平台的数据流动效率以及运营效率。
语音识别技术向智能客服的独立产品进一步迭代。
基于语音识别的搜索也被首先应用到了电商服务中，例如淘宝应用内臵的语音搜索，早在2013年就已经可以支持中英文品牌名混杂的复杂搜索情况。京东则将智能客服小咚嵌入其App通过语音识别以及语义分析帮助用户查找用户可能感兴趣的商品。随着大数据的不断发展，目前语音识别技术正在逐渐向更为复杂的智能客服迭代演变。一方面人力成本逐年攀升，对运营效率提升提出挑战；另一方面售前售后的大部分问题重复率高，存在大量可使用人工智能介入的场景；因此刺激了行业对基于语音识别的人工智能进行投入。Chat bot（聊天机器人）的出现使得语音识别进一步从底层应用的技术研究和电商附加服务逐渐走向独立产品，例如亚马逊的开放Alexa语音服务，开发者可以利用Alexa Skills Set或选择接入语音服务，将自有内容资源上传，在用户出发Alexa中定义的「意图」时，开发者可在自有服务器上实现「回答」。Facebook同样于去年4月开发了Chat bot的平台，该服务可以通过即时通信软件用自然语言解答客户的问题甚至帮助客户提交订单，目前在Facebook邀请的传统零售品牌中，Tommy Hilfiger的人工智能甚至可以在交流中融入真实的角色性格。尽管目前仍没有数据能直接证明传统零售通过此类服务显著提供销售量，但我们认为人机对话水平的提升仍将在长期范围内促进电子商务的进一步渗透。国内同样存在类似应用产品，例如阿里云ET以及科大讯飞的语音识别均已开始向企业用户开放开发端口。
尽管人工智能技术仍处于发展早期，但在改善电子商务售前、售中和售后运营效率的过程中均已开始产生不同程度的增益效果。随着算法进一步优化，预计其对于简单重复人力的替代过程将带来更多营业效率提升。另外，除了底层算法的优化，我们看到智能客服和物流机器人领域已经有成型的独立产品萌芽，预计主题投资的风潮将在未来的一段时间加速这些领域内商业化进程，预计我们将在这些细分领域内最早看到商业化产品的成型。
3.4广告：AI商业化应用最成熟的领域之一
自2012年以来，中国互联网广告市场经历了年复合增长率39%的高速增长期。主要的驱动力来自于传统媒体的式微带来的预算转移、移动设备的大爆发带来的新广告平台以及更高ROI的新广告形式。根据eMarketer数据，2016年互联网广告市场规模已经达到404亿美金，其中移动广告占比已经达到35%。其中基于大数据的AI技术已经起到不小的推动作用。
人工智能（AI）在广告营销领域的应用是现阶段 AI 商业化应用最成熟的领域之一，从AI技术的应用阶段来看，已经初步进入感官智能的范畴，且在计算智能领域的技术和使用场景已经有充分的发展。精准营销和智能投放就是其中最重要的应用形式，主要的思路是利用高互联网/移动互联网渗透率下积累的大数据（根据《2016年腾讯智慧营销白皮书》，当年互联网每日产生数据量已达18万亿GB），通过数据挖掘和机器学习等手段，建立营销对象、产品以及媒介的个性与传播模型，再通过AI技术进行高效的智能投放。
3.5精准营销：提升直接反映在单位流量价
在传统的受众到达模式中，即使基于前期的市场研究，在广告投放的渠道和形式上进行了充分的选择，但是对目标客户定位的颗粒度则受限于数据规模和智能技术无法进一步深入，而基于大数据的AI技术则很好地解决了这点。
以今日头条为例，作为最早在广告业务中采用AI技术的应用公司之一，AI对其用户规模的扩展和变现能力产生了巨大的推动作用。预计2017年其广告销售收入可以达到150亿元。今日头条基于机器学习技术实现了个性化内容推送，按用户阅读偏好进行追踪，AI算法对历史数据进行分析，为用户生成个性化的阅读模式。然后推荐他们可能会感兴趣的内容，并在不断迭代中优化。通过这一流程，今日头条在2016年9月已实现每天76分钟的每用户平均使用时长，在其同类应用中达到最高水平，同时也大大改善了广告效果。目前今日头条平均点击率接近3~4%，而其他新闻类应用仅为1%左右。
精准营销能力的提升直接反映在单位流量价值的提升对广告主定价能力的增强。以信息流广告为例，在过去4年中，主要信息流广告平台（包括腾讯广点通、新浪扶翼、今日头条、陌陌）的广告单次点击定价（CPC）由2013年0.5~0.8元上涨至2016年的1.5~2元。
3.7智能投放
不仅仅是受众定位一侧，在广告投放一侧，AI也在不断重构广告主的投放方式与投放策略。在传统的媒体采买模式中（即人工选取投放的媒体渠道和预算），往往是「一篮子」的覆盖，即使能够进行一定程度上的细分，也无法完成实时定价和智能匹配。而随着广告主对营销效果和ROI的追求不断推动，程序化购买的出现利用AI自动化技术实现了破局。
程序化购买广告是一种基于AI自动化技术和大数据，将广告主的具体广告请求对具体的广告位（而不是单一媒体）进行智能投放的互联网广告交易模式。其中，大数据是程序化购买的基础，AI自动化技术是实现高效的手段。程序化购买广告市场在过去两年获得井喷式发展，到2016年已达到308.5亿元，这其中还不包括头部流量平台的自有程序化交易体系（这部分收入已经包含在平台广告收入当中）。
AI技术解决的核心痛点是由于信息不对称造成的用户定价低效，即使在精准定位的前提下，也无法高效率（低成本）地到达。而在AI的帮助下，广告主可以将散布在不同媒体的广告位，通过精确营销（如前文描述）的定位后，在高度数据化的广告交易平台中，由AI指挥自动化系统根据设定的绩效指标不断进行智能定向和实时竞拍，取代了人工进行渠道选择、媒体分析的过程，大大提高了自动化水平、横跨媒体平台的能力和成本效率。
3.8 AI+广告的未来发展方向
金准产业研究团队认为，广告（包括广义的营销）作为公司商业模式变现的第一环节，在移动互联网流量红利逐渐褪去，用户获取成本不断高企的背景下，对AI技术的需求只会越来越大，但背后的商业逻辑则始终不离精准（高质高量的用户）和高效（低成本）的核心。因此我们看好AI和广告结合的以下三个趋势：
社交广告空间巨大：社交网络能够提供最丰富的用户行为数据和用户画像，为AI的深度学习提供了最适合的数据基础。从广告形式来看，以信息流形式为代表。根据艾瑞咨询的数据，在2016年，信息流广告规模达到267亿元，且在未来2~3年将保持50%以上的高速增长。社交广告整体渗透率在数字广告中仅8~9%，远低于美国的28%。
「品效合一」深度实现：由于大数据正逐渐成为现实，横跨单一媒体平台和单一广告形式的用户画像能力不断提高，品牌广告和效果广告之间的界限正在逐渐模糊，而广告主的关注点始终在于可衡量营销效益。我们认为在这种背景下，能够利用AI技术和现有流量，提供智能整合全方位营销手段，灵活达到广告主的营销需求，将是未来广告运营商的竞争优势所在。
基于AI的新广告形式吸引预算：目前AI在广告领域的应用仍着重于对已有广告体系的增强，如提高转化率、通过增加用户粘性增加广告库存等。我们注意到随着感知智能甚至认知智能的发展，已经开始有企业在尝试引入新的广告形式以吸引客户，同时改善受众体验。
四、AI+消费电子：促进换机与升级，孕育新市场
4.1人工智能加速升级，孕育新市场
在过去的二十年间，主导消费电子的终端应用从PC切换到智能手机，然而自2007年苹果发布iPhone已有十年，全球智能手机渗透率已近饱和，据Gartner预测，2017~2020年PC出货将持续负增长，而智能手机的出货增速仅维持在1~2%。我们认为人工智能对消费电子行业主要有以下左右。
新功能推动单机价值量上升。AI算法的采用带来语音识别、人脸识别、VR/AR等新功能在消费电子中的渗透，对于整机厂而言，新功能将带来单机价值量的提升，实现丰富产品线和差异化，以提升或者稳定产品价格；而对零部件厂商而言，更多传感器以及专业性能的处理器需求不断提升规格，带来市场空间的成倍增长。
AI应用提升换机频率。同样以iPhone为例，美国是iPhone最大的用户市场，而用户换机的频率和iPhone重大更新密切相关，每次出现重大革新之时，用户换机倾向增加，换机周期缩短。因此，预计以3D光学感测等为代表的AI应用的加入，将促进用户对原有的设备进行更新。
AI加速新应用诞生，空间不容小觑：借助AI算法工具，例如语音识别、机器视觉、3D导航等，智能音箱、无人机、VR、共享单车、智能摄像头……我们熟悉的智能硬件都在性能和用户体验上拥有明显提升，而成本的增加微乎其微。以大疆Spark为例，其售价仅为3,299元，但拥有更先进的手势识别功能。未来，判断AI将应用于更多的消费电子领域。此类智能设备领域虽然当前尚未放量（年出货规模在1,000万台以下），市场规模在100亿美元以下，但总体规模依旧不容忽视，据IDC预测，2020年仅AR/VR可望成长至千亿美元（vs.2016年的52亿美元）。
服务性收入带来商业模式新思路：对整机厂而言，出售硬件为主的商业模式有望迎来变革。以全球科技市值龙头苹果而言，苹果全球拥有超过10亿部的iOS装臵，提供包括Apple Store,Apple Pay，Apple Music及iCloud存储等服务型收入，并不断增加AI的含量。2016年苹果发布了面向第三方应用扩展的SiriKit，相册开始支持人脸识别，为用户提供更加切合实际需求的服务。最近的一个季度，苹果的服务性收入达到70.4亿美元，贡献营收13%，同比增长18%，已经成为最快的收入增长来源。
智能音箱带动声学产业链加速发展：2017年6月5号苹果在WWDC（The Apple Worldwide Developers Conference）发布了自己的智能影响产品，赶上了Amazon和Google的脚步。我们预计中国的主要互联网和消费电子公司在今年晚一点时间也会发布音箱产品。
无论是何种智能音箱，本质上都是由接收端——语音识别与分析——发射端组成。智能手机也完全配备智能语音助手+麦克风+扬声器，但是和手机相比，Always-on是智能音箱的一个重要特性，它简化用户使用行为。在封闭空间内，呼叫智能音箱远比拿手机方便，拿手机需要用户的大脑进行一系列操作指令，首先要回忆手机在哪里，然后要起身找到手机，拿起手机，解锁，之后开启语音助手，才能进行人机交互。智能音箱的麦克风一直处于开机状态，只需要喊一声即可唤醒使用。从用户大脑习惯「偷懒」的思维模式而言，智能音箱在封闭空间内的优势远大于智能手机。现实中，智能音箱目前被开发出的功能仍偏少，根据Forrester统计，截至2016年年底，设臵时间和唱歌成为最高频率应用。从Google和Amazon的产品进化中我们可以看到，更多使用场景正在被探索中。
4.2 3D光学感测：从生物辨识到AR/VR。应用场景广泛
3D光学感测看似仅是在传统二维的光学传感上增加了一个维度，但是其应用场景不可估量。我们将其简单归纳为两类：3D探测和空间定位。其中3D探测可以用于生物辨识、机器视觉、和影像感测（主要应用于辅助驾驶、3D交互等）；空间定位则主要应用于3D地图构建和AR/VR定位。
受益于智能手机等消费电子需求带动，根据Yole预测，在2016~2022年3D感测设备市场空间年复合增速将达37.7%，其中2017年设备市场空间接近20亿美元，其中消费电子贡献约25%。
算法难度从简单到复杂。在硬件上，3D光学感测在发射与接收端已非常成熟；在算法难度上，生物辨识与机器视觉属于较为基础的应用，而辅助驾驶、3D交互则需要叠加多种基础方案配合形成，到AR与VR，则需要前几种技术的综合叠加和有机应用，且对处理器的运算能力要求极高。
生物识别：3D光学感测可应用于虹膜、面部、光学指纹识别等多项生物识别领域，生物识别的算法复杂程度低，也是3D光学感测的入门级应用。
虹膜识别稳定性较指纹识别更高，3D光学感测独有优势。与指纹识别的方案类似，3D光学感测还可以进行面部识别和虹膜识别，虹膜识别系统具有高安全性的优势，可找出约2000个不同的特征点，与指纹约100个特征点相比，精确性更高。但虹膜图像因为尺寸小，景深小，有效对焦不方便，因此图像获取是一个具有挑战性的问题，采用波长为800纳米上下的近红外光源采集，虹膜图像是最清晰的。
面部识别当前误差仍较大。当前，面部识别的精准度无法上升到令人满意的阶段，对相似度高的脸容易出现识别误差，且在佩戴眼镜的情况下则无法识别。
3D机器视觉：提供更精确的信息，应用于汽车和精密制造。目前我们所应用的机器视觉大多数是2D视觉，2D视觉一般只能做到读取编码、条形码等，无法读取空间位臵。三维机器视觉提供准确、实时的三维位臵信息，以便在汽车和精密制造产业中实现具有挑战性的组件验证、物流和机器人应用的自动化，包括装上货架/取下货架、卸垛、打包和组装验证等。产业尚处于萌芽期。整体而言，3D机器视觉实现的门槛与生物识别相似，机器视觉龙头Cognex早已有代表性的产品推出。目前主要应用于对先进生产要求高的汽车工业等，但大规模渗透尚未打开。
辅助驾驶：激光雷达在ADAS领域应用前景甚广，应用障碍主要受制于成本。影像感测其实最先应用于汽车辅助驾驶（ADAS）领域，发射和接收装臵一般被称为激光雷达。3D光学感测起到收集路况信息的主要作用，在自适式巡航控制、车道偏移警示、车侧盲点侦测、前方碰撞警示、夜视与停车辅助系统等多领域发挥感测功能。但受制于成本尚未普及。
相较于毫米波雷达，激光雷达的主要优劣势有：
优势：精度更高，速度更快，适合远距离传输；
劣势：在雨雪雾等极端天气下性能较差；采集的数据量过大，目前价格高昂。
4.3 3D 交互
Leap Motion的手势识别：2013年，Leap Motion采用两个可见光摄像头完成3D手势建模。手势的语法信息是通过手的构形、手的运动变化来传递。人手是一个多肢节系统，随着关节的运动手的形状在不断变化，这种变化可以通过指段和关节的状态空间位臵的变化来描述，建立手的几何模型和运动学模型。
大疆Spark将目标跟踪与机器视觉算法相结合：2017年5月，大疆Spark发布，在无人机上引用红外感测的3D手势识别，原理是将计算机视觉算法中的手势识别和目标跟踪算法与普通的工业摄像机相结合，带动手势识别的应用领域扩展到消费级无人机。
Prime Sense被苹果收购，商业化应用指日可待。3D光学感测领域的创业先驱Prime Sense诞生于2005年，其提供从红外光编码、3D传感器芯片和CMOS传感器的一整套3D感测解决方案，并搭载于微软Kinect之中，用于动作捕捉。2013年Prime Sense被苹果以3.45亿美元收购（苹果史上最大手笔收购之一），判断随着3D光学传感器被应用于iPhone，Prime Sense的3D感知功能商用化指日可待。
AR/VR：Tango是最具代表性的移动端3D空间测绘项目。Tango计划是谷歌自2014年开始开发的项目，此项目的宗旨又被形容为「让机器/设备像我们一样看世界」。以最常见的智能机为例，其后臵摄像头仅能拍照二维画面，手机无法真正识别空间的存在。而Tango可以让这些设备能够具有完整的空间意识，并且能够充分理解我们和环境的关系。Tango最大的贡献在于3D测绘，即对周围的环境和区域扫描并绘制立体地图。实现：
重塑Google地图，借助消费者的手机，通过室内导航和测绘搭建完整的3D地图。
VR应用，GoogleI/O大会提出开发VR一体机，不借助类似HTCVive外臵的激光定位设备，仅靠自身的地图就可以实现3D空间定位，足以见其布局3D地图用意深远。
AR技术，实现教育、虚拟购物、游戏娱乐等多种功能。
