编辑| 14 从百度的All in AI到腾讯的AI in All，科技公司在人工智能领域的野心越来越大。
在国家战略、市场风险投资和技术突破的三重推动下，人工智能成为引爆计算机行业的热门话题。
本期的智能内参，推荐东北证券的一份人工智能行业深度报告，该报告从数据、算法、算力/芯片三个维度梳理了当前人工智能产业链，并解读AI+医疗和AI+汽车两大用例。
如果您想收藏本文完整报告，回复关键词“nc”即可下载。
以下为智能内参呈现的干货信息： AI浪潮汹涌▲前三季度AI板块、创业板、计算机板块涨跌。
今年以来，AI板块表现优于创业板、计算机板块、A股，并有所上涨。
趋势很明显。
即使下半年整体行业板块下跌，AI板块依然坚挺，上涨趋势明显，远好于大盘。
AI热点已被引爆。
▲人工智能发展分析▲2019年人工智能爆发深度学习技术的引入是人工智能发展的重要分水岭。
人工智能诞生于2001年的达特茅斯会议。
2000年之前，机器只是人类手臂的延伸，无法创造知识和经验。
他们的主要作用是善于计算。
机器只起到动作执行的作用，根据机器遇到的条件执行预先设定的指令。
深度学习赋能的机器可以进行学习和推理，即从海量数据中提取经验规则，以及存储经验的数据结构，并由人类根据机器遇到的情况和过程中获得的经验预先设定。
学习阶段。
解释和执行特定任务的方式。
AI产业链概览▲基于深度学习的人工智能主要由数据、算法、算力构成。
深度学习的三个基本组成部分是“数据”、“算法”和“计算能力”。
数据是深度学习学习阶段知识和经验的重要来源。
互联网时代，大量的搜索记录、社交数据、交易数据等蕴藏着大量的人类信息。
这些信息在神经网络中的结构化存储使机器能够更好地为人类和解决问题提供宝贵的资源。
互联网企业、运营商、行业IT系统用户，因为守护着数据的源头，将成为未来人工智能的重要参与者。
积累大量数据、易于获取、有海量数据分析处理需求的行业也将是“人工智能”的两极。
具有发展潜力的产业。
学习阶段神经网络结构的设计，如何基于海量数据训练神经网络，以及推理阶段如何基于训练好的神经网络进行决策和解决问题，都是算法。
由于深度学习算法的进入门槛较高，该领域将会出现强者通吃的局面。
算法开发公司是另一个重要参与者，将他们开发的面部识别、语音识别和其他算法出售给更了解该行业的公司。
支持他们开发面向行业的应用程序，例如商汤科技。
学习阶段和推理阶段都需要高强度的并行计算能力作为支撑。
传统CPU不擅长此类计算，因此新型芯片设计和服务器架构设计是当前的重点研究领域。
算力支撑是人工智能发展的基础，在这一领域占据制高点的公司有望成长为下一个英特尔和ARM。
人工智能应用的多样性和广度催生了AI平台，AI平台提供基于云端的硬件资源和可调用的算法包，供客户快速、轻松地构建自己的人工智能应用（例如百度AI平台）。
一般来说，人工智能应用主要分为两类。
一是汽车、安防、医疗等传统行业引入人工智能，提升行业服务质量。
这就是所谓的“AI+”；另一种类型专注于开发由人工智能支持的新应用程序。
东北证券指出，2019年技术层面重点关注AI芯片和AI算法公司，应用层面重点关注“AI+医疗”和“AI+汽车”。
AI开启芯片新赛道▲代表性AI芯片公司名单CPU的设计目标是拥有强大的通用性，能够处理各种数据类型。
同时逻辑判断处理要求要求其具有分支跳转和中断处理能力。
这些都使得CPU的内部结构变得异常复杂。
深度学习的计算是大规模的数据处理，类型高度统一，相互之间没有依赖性。
它是一个不需要中断的纯粹计算环境。
因此，传统的CPU架构需要数百甚至数千条指令才能完成深度学习过程中单个神经元的处理，无法支持深度学习的大规模并行计算需求。
如果传统CPU的架构不改变，即使晶体管数量继续增加，也无法满足深度学习的计算需求。
AI时代需要新的、更合适的处理器。
目前流行的AI芯片方案包括： 1、基于GPU的通用芯片，以NVIDIA为代表，高性能、高功耗、高价格，适合学习阶段（数据中心）。
GPU+CPU异构架构面向AI； 2、基于FPGA的半定制芯片，以Intel（Altera）、Xilinx、深鉴科技等公司为代表，与CPU+GPU相比，FPGA的高性能和低功耗使得FPGA+CPU能够提供更好的单位功耗消费性能更好，更容易修改和编程； 3、全定制芯片（ASIC），以寒武纪、地平线、神剑科技等公司为代表，大多针对消费类前端应用，功耗比通用芯片更高。
芯片和半定制芯片更有优势。
虽然研发周期长，但量产后成本较低。
与CPU、GPU被少数巨头垄断不同，AI芯片开辟了一条新赛道。
我国涌现了寒武纪、神剑科技、地平线机器人等一批优秀企业。
他们有望实现弯道超车。
目前，他们已经引起了资本市场的广泛关注。
AI趋势下，预计热度不减。
强的AI算法总是强的 ▲ 神经网络类型总结 人工智能算法设计包括：神经网络结构设计（卷积神经网络、循环神经网络、深度神经网络三种）、基于海量数据训练神经网络算法学习阶段，推理阶段基于经过训练的神经网络执行决策算法。
这三个环节相辅相成，设计过程中需要考虑网络宽度、网络深度、网络存储数据类型、网络存储空间、算法训练时间等。
在计算机视觉专利申请数量方面，据乌镇智库统计，我国于2016年超过美国，并此后不断扩大优势。
在刚刚结束的计算机视觉顶级会议ICCV上，中国初创公司旷视科技（Face++）在MS COCO物体检测、人体关键点检测、Places物体分割三项比赛中击败微软、谷歌、Facebook等对手，获得冠军一等奖。
第一名。
AI算法的开发不仅是一个工程问题，还需要深度学习数学理论，门槛很高。
由于算法的可复制性以及人工智能算法的进入门槛较高，该领域有望实现永远强大的目标。
已经崛起的旷视科技、商汤科技、科大讯飞持续关注。
在应用层面，AI+的两大用例应重点关注数据积累量大、访问方便、需要海量数据分析处理的行业，如AI+医疗和AI+汽车。
人工智能在这些行业的应用将具有巨大的发展潜力。
AI+医疗：场景就是制高点▲全球医疗健康数据▲医疗AI的四大核心要素和三大行业规则医疗AI的基本功能需要通过算法对大量的医疗数据进行计算，得到更优化的算法。
最终，医疗AI将应用于特定的医疗应用场景，例如骨龄AI产品嵌入PACS系统（或形成独立软件），帮助儿科医生确定儿童的发育水平。
医疗行业细分领域众多，不同领域之间壁垒较高。
算法、数据等共性资源要素并不能构成核心竞争要素。
最终的结果是，控制了现场的人就会收集到其他的资源元素。
从数据特征来看，医疗数据有多种类型。
分布极其分散，所有权属于国家。
例如，医疗数据通常存储在全国各地的医院中，数据格式和结构多种多样。
这意味着单个企业只能掌握几种疾病的数据或少数地区的全部数据。
因此，医药或医疗器械行业的细分领域通常存在寡头垄断竞争格局：因为在寡头竞争格局的行业（无论是多重寡头垄断还是单一寡头垄断），行业上下游议价能力较弱权力大、只具有单一竞争要素的企业将直接或间接依赖寡头生存。
当前，医疗人工智能正呈现爆发式发展趋势。
首先，医疗数据数字化成为医疗AI发展的坚实基础；其次，关键算法、数据存储、云平台等信息技术的突破性发展，标志着医疗人工智能的发展时机初步成熟；资本的热情正在加速医疗AI产业的发展。
。
数据显示，今年以来，国内外医疗AI初创公司的融资活动开始加剧，资本开始大量涌入医疗AI领域。
国内自2008年以来呈现井喷式发展态势，年度融资总额仅为20万元，但年度融资总额却高达70万元。
今年1-8月已达13万元。
AI+汽车：出行新生态 ▲全球“客运经济”市场规模细分 ▲全球“客运经济”市场规模 人工智能将改造整个汽车乃至出行行业，构建新的经济生态。
目前流行的ADAS（高级驾驶辅助系统）是车辆智能化的基础。
随着ADAS技术的完善和普及率的提高，自行车将逐渐智能化，即为车辆配备智能软件以及各种传感器和控制装置。
它利用车载设备实现车辆自动驾驶，并结合现代通信和网络技术（包括4G/5G、DSRC、GPS等）和云计算来处理信息和传输信号，以指导城市交通系统。
英特尔与研究公司Strategy Analytics联合发布的报告显示，预计未来无人驾驶汽车将快速发展，打破现有的买车出行模式，构建新的出行即服务模式。
由此衍生出的“乘用车经济”（全自动驾驶和无人驾驶汽车所产生的经济和社会价值（economic and Social value）市场规模）到今年将达到7万亿美元。
据IHS预测，2020年全球无人驾驶汽车销量将达到1万辆，2020年全球无人驾驶汽车销量将达到60万辆，中国将成为全球最大的无人驾驶汽车市场。
预计到2020年，中国无人驾驶汽车保有量将超过1万辆。
▲自动驾驶产业版图 自动驾驶产业链长而深，分为自行车智能、网联路段信息、车辆及出行服务三大板块。
自行车智能细分分为三个部分：智能感知层、规划层和执行层。
旨在通过车载传感器和信息处理分析设备实现车辆自动执行。
目前，ADAS技术渗透率不断提高，部分成熟领域有望实现国产替代。
联网路段信息分为V2X网络建设和路端信息采集两部分。
旨在建立并运营适合V2X的网络，建立路段信息采集系统并持续运营。
目前，LTE-V标准在中国较为重要，大唐电信有望受益发展前景；四维图新、海大、超图软件等高精度地图企业也在各自领域逐步替代国产产品，成为行业领军者。
汽车及出行服务包括车辆共享运营、车辆售后服务、车辆远程管理等，预计运营车辆和出租车将成为自动驾驶首先落地的领域。
“客运经济”将是未来出行发展的新模式。
智东西认为，在各国政治经济环境的鼓励下，以深度学习为基础的包括数据、算法、算力（芯片）在内的人工智能产业布局，正受到科技巨头、传统巨头、科技巨头的热捧。
风险投资行业，从而导致将会有更深入的草根研发和更多样化的实施场景。
虽然未来寡头垄断格局在某些层面上不可避免，但人工智能也为很多中小型创业公司留下了差异化的提升空间。
鉴于医疗、汽车、安防、金融等领域智能化起步较早，数据更丰富（数字化转型、传感器数据等），有望成为即将到来的“AI+”产业。
附：重点推荐标的（东北证券） 风险提示：AI底层技术研发难度大、投资周期长。
新进入者很难在短时间内获得优势。
对于投资者来说，投资的不确定性也较大；此外，行业应用仍在研发中，存在落地效果不及预期的风险。
下载提醒：如果您想收藏本文完整报告，可回复关键词“nc”即可下载。
智能内参权威数据·专业解读。
了解智能行业必看报告。
在知东西里回复“智能内参”即可查看全部报道。