產業鏈上中下游各司其職，將技術轉化成生產力

從宏觀視角來看，人工智能產業鏈可以分為上中下游，其中上游提供的是基礎能力;中游將基礎能力轉化成具體的AI技術;下游則將AI技術具體運用到各行各業，形成生產力。下圖代表的是人工智能產業鏈的全景示意。

上游提供基礎計算能力、方法和數據

上游代表的是支撐人工智能行業發展的基礎設施和方法，主要包括AI芯片、數據以及AI算法。

AI芯片是支撐人工智能行業發展的基礎硬件，提供適配於AI算法的計算能力，當前國內外都有不少公司專注於AI芯片的設計，同時部分中游公司也進行AI芯片的設計以更好匹配自己公司的專用計算模型。

數據對於AI技術在具體行業的應用有非常重要的作用，主要的數據掌握在行業中下游公司中，但是數據的處理是一個較為專業化的工作，當前國內外均出現少數公司專注於數據處理，為行業中下游提供數據資源服務。

當前的主流AI算法一般基於深度學習技術，進行AI算法研究的主力軍一般是各大院校以及科研機構，部分實力較強的中游企業也具備很強的原創研究能力。

關注樂晴智庫，看深度行業報告(公眾號ID:lqzk767,網站:www.767stock.com)

中游將基礎計算能力和方法轉化成四類AI技術

中游代表的是基於現有的AI算法，在實際應用中能達到較好智能效果，具備擴展性，在各行各業的應用前景廣泛的基礎性技術。當前的基礎技術可以分為智能語音、計算機視覺、自然語言處理以及其他類技術。

智能語音指的是利用計算機對語音信息進行分析處理，以模仿人類實現能聽、能說等語音能力的技術，語音識別和語音合成目前是其核心應用。智能語音技術當前的發展已經比較成熟，在很多領域的應用已經接近人類的水平，比如智能語音交互就在迅速成為主流的人機交互方式。

計算機視覺指的利用計算機對圖像或視頻信息進行處理分析，以模擬實現人類通過眼睛觀察和理解外界世界的技術，當前的主要應用包括了圖像視頻的復原和增強、分割和識別、理解和自動匹配等。計算機視覺技術給機器安上了智慧的眼睛，能替代很多原本需要人類才能完成的工作。隨著近年來計算機視覺技術在多個領域的應用取得突破，目前其已成為人工智能最為炙手可熱的技術分支。

自然語言處理指的是利用計算機對語言文字進行分析，以模擬實現人類對於語言的理解和掌控的技術，當前的主要應用包括自然語言理解和自然語言生成。自然語言處理是實現認知智能的關鍵技術，雖然當前依然面臨較大挑戰，但其未來的進步和突破對人類社會的意義將十分深遠。

其他類指的是基於人工智能算法對一些特定類問題進行方案設計，利用計算機將其智能解決的技術，其從實際效果來看，針對相應問題實現了模擬人類智能。這類技術相比前三類技術，其應用範圍相對較窄，基礎性較弱，為了便於分類，我們將這些技術統稱為其他類。典型的應用場景包括棋類的AlphaGo，智能遊戲選手AlphaStar，金融領域的反欺詐反洗錢、智能投顧、自動交易等。

中游技術類企業具備很強的研發能力，佔據了行業內軟件類技術的高地，並且在發展過程中也逐步建立了資金和數據的壁壘。同時中游人工智能技術是鏈接產業上下游的關鍵，且具備較強基礎性和橫向擴展性，需要利用這些技術的下游廠商很多。因此其中的競爭獲勝者未來有可能成為人工智能行業的核心公司，當前的領先公司非常具備長期跟蹤的價值。

但是技術類的公司存在變現困難的問題。雖然一些基礎技術比如人臉識別的擴展速度很快，全國的機場都已鋪開，但是短期內依靠技術輸出獲得的營收和現金流收入依然較為有限，這些企業主要通過股權融資的方式獲取資金，信貸業務合作的難度較大。

下游綜合利用各類AI技術解決各自行業的應用問題

產業鏈下游指的是人工智能技術在各個行業中的實際應用，是技術和場景結合並落地的環節。當前人工智能應用落地比較多的下游行業包括金融、安防、教育、醫療、自動駕駛、智慧城市、智能穿戴等，產業鏈的中下游企業均有參與。

對於中游企業而言，一般來說其會利用自己在具體某項AI技術的優勢，承接自身技術優勢佔重要地位且市場空間較大的下游行業應用，親自下場參與競爭，以期儘快獲得較好的市場份額。如科大訊飛就利用自己的語音識別技術，在智能語音+教育領域自己承接了較多的下游具體訂單。

下游企業指的是產業+人工智能的複合類企業。這類企業的特點是首先在某個行業背景深厚，專業能力、項目實施與營銷能力都十分優秀;其次是具備技術創新的基因，能快速利用最新的人工智能技術，將其應用到自己的行業產品或項目中，實現行業+人工智能的結合，進一步提升自己在行業內的競爭力，打造更好的產品或者服務。

下游企業雖然技術上和中游企業相比有一定差距，但是由於其直接面向客戶，進行項目建設或者產品銷售，能短時間內獲得較大的銷售收入以及現金流，同時部分項目和研發需要前期投入，也有一定的資金需求，相對適合銀行進行信貸類業務。同時由於這些企業在特定領域內的積累和優勢較大，其未來的行業+人工智能模式也將具備較強競爭力，也具備長期合作價值。

人工智能在國內市場空間超千億元，國際市場空間達數百億美元

當前的人工智能產業鏈中，中游是核心環節且掌握核心技術，因此我們將人工智能市場根據智能語音、計算機視覺、自然語言處理等中游核心技術進行劃分，分別計算基於各項核心技術而發展出的市場的空間，來估算總體的人工智能市場空間。

進行這樣的估算後，我們可以知道未來三年在國內的市場空間有望達到千億元量級，國際市場空間將達到數百億美元。

智能語音在國內外均進入穩定中高速增長期智能語音是人工智能技術中成熟度較高，較早開始產業化進程的技術，近年形成了較為廣泛的客戶群體和應用領域，保持了較為穩定的中高速增長。中商產業研究院預計到2018年，國際和國內的智能語音市場規模將分別達到141.1億美元以及159.7億元。由於國內的智能語音市場規模相比國際差距較大，未來幾年仍有望保持40%左右的中高速增長。

計算機視覺在國內將持續爆發式增長

計算機視覺技術從2012年開始取得了突破性的進步，權威的ILSVRC挑戰賽的錯誤率迅速降低，進而在很多領域的應用逐步跨過了識別率的門檻，使其具備了很強的經濟價值;

同時隨著國內平安中國建設的穩步推進，金融科技的快速發展，計算機視覺技術的下游需求迅速擴大，兩者的疊加造成了計算機視覺這兩年在國內迎來了爆發式增長，同時這樣的趨勢仍在延續。中商產業研究院預計到2020年，國內計算機視覺市場空間將達到755.5億元，連續四年保持100%以上的增長速度。

國際市場空間方面Forrester、Tractica公司分別預測未來全球計算機視覺市場空間將超過200億美元、260億美元。相比而言，國內企業在計算機視覺領域的應用走在了國際前列。

自然語言處理將穩步發展，技術突破將是關鍵

自然語言處理技術(NLP)的理論下游空間十分廣闊，但是當前的技術發展離真正實用，即接近人類的語言理解能力還有較大距離。

信通院預測全球的自然語言處理市場規模預計將從2016年的76.3億美元增長到2021年的160.7億美元，複合年增長率16.1%，國內2017年的自然語言處理市場規模大約為49.77億元，相對國際來說較為落後。

基於NLP技術得不到突破進步的保守預期下，我們預測到2021年，國內的NLP市場大約保持20%的中速增長。

其他類技術也具備很大市場空間

其他類技術中比較重要的包括智能投顧和反洗錢技術。智能投顧過去幾年呈現高速增長的趨勢，據智研諮詢、花旗銀行預測，美國智能投顧規模到2020年將達到2.2萬億美元，複合增長率82%;據Statisa預測，中國智能投顧規模到2022年將達到6651億美元，複合增長率87%。若假設管理費率為百分之一，那麼國際國內的智能投顧市場空間分別達到百億美元以及人民幣的量級。

反欺詐反洗錢類應用的市場空間也十分巨大。ReportLinker2019年最新發布的報告顯示，2018年全球反洗錢軟件市場規模為9.057億美元，預計2027年將達到49.932億美元，複合增長率21.1%。未來的反洗錢軟件基本都將採用人工智能技術，有望成為百億美元的市場。（報告來源：招商銀行研究院/方國棟）