疫情催化新一个AI的“黄金时代”将由自动驾驶、金融服务和医药疫苗研发带领

1、目录 HYPERLINK l _TOC_250011 自动驾驶：下一个黄金十年的大幕开启 1 HYPERLINK l _TOC_250010 自动驾驶车载芯片作为技术研发壁垒相对最高的一环，市场空间广阔 2 HYPERLINK l _TOC_250009 车载摄像头、毫米波雷达、激光雷达也有望迎来市场快速增长的阶段 4 HYPERLINK l _TOC_250008 AI 金融：不谋而合，全面赋能前中后台 7 HYPERLINK l _TOC_250007 银行业积极拥抱 AI，深耕细分场景的 SaaS 企业或将受益 9 HYPERLINK l _TOC_250006 AI 保险从投保到理赔全

2、线场景落地，节本增效实现与消费者的双赢 11 HYPERLINK l _TOC_250005 智能投顾方兴未艾，有望引领下一个 AI 金融的浪潮 12 HYPERLINK l _TOC_250004 AI 医疗：缓解医疗资源供需矛盾，疫情加速赋能 14 HYPERLINK l _TOC_250003 AI 加速药物及疫苗研发 16 HYPERLINK l _TOC_250002 AI 挖掘基因组学研发潜能 16 HYPERLINK l _TOC_250001 AI 医疗影像检查场景进入差异化竞争阶段 17 HYPERLINK l _TOC_250000 智能医院和医疗仪器 18风险因素 19插

3、图目录图 1：人工智能算法动态搜寻随机树模型实现自动驾驶路径规划 2图 2：Mobileye 神经网络视频识别技术 2图 3：国内 L1-L5 自动驾驶等级在新车销量中渗透率预测 2图 4：从国产到合资，ADAS 及 DMS 市场空间广阔 3图 5：2026 至 2030 年，L3 及以上高级别赛道的竞争格局 3图 6：中国乘用车市场摄像头规模预测 4图 7：车载摄像头产业链关系 4图 8：中国乘用车市场毫米波雷达规模预测 5图 9：中国乘用车市场激光雷达规模预测 6图 10：自动驾驶产业链图谱 7图 11：AI 金融的细分场景及市场格局 9图 12：银行中台的 AI 风控是主要落地场景 10

4、图 13：AI 银行前中后台应用场景概览 10图 14：AI 金融风控示意图 11图 15：AI 保险从投保到理赔全线场景落地 12图 16：AI 保险前中后台应用场景概览 12图 17：智能投顾管理资产规模近年迅速增长 13图 18：2019 年美中占据智能投顾市场 95%份额 13图 19：智能投顾的商业模式 13图 20：英伟达在多个领域助力 AI 医疗 15图 21：药企巨头与 AI 初创企业合作 16图 22：谷歌 AI 团队通过 Nucleus 和 TensorFlow 进行 DNA 测序相关研究 17图 23：西门子医疗与英特尔一起构建心脏 MRI 的 AI 分析能力 18图 2

5、4：从肺部扫描中检测新冠肺炎的症状 18图 25：机器人辅助手术设备 18图 26：AI 医疗产业竞争层次 19表格目录表 1：主流毫米波雷达供应商和整车厂关系 5表 2：主要海外激光雷达参与厂商介绍 6表 3：主要国内激光雷达参与厂商介绍 6 自动驾驶：下一个黄金十年的大幕开启自动驾驶是目前人工智能技术中最前沿和应用最广阔的方向。迈向自动驾驶新 10 年，随着汽车电动化、传感器和车载芯片技术和成本改善、机器学习算法突破、云计算普及以及 5G 和车联网的出现，全球乘用车和商用车纷纷试水。自动驾驶，已经 Ready！在“多样性+冗余性”软硬件配置主导下，我们认为产业里车载芯片和传感器领域存在巨大

6、投资机会。我们认为 2026 年将会是自动驾驶产业的分水岭，从现在到 2025 年，乘用车的自动驾驶功能将会从 ADAS 往 L3 迈进，我们预计其渗透率将会从现在的不到 30%上涨到 65%，往后到 2030 年，L2+和 L3 的渗透率将继续提高，总渗透率将达到 75%。商用车方面，自动驾驶“场景为王”的路径已初现端倪，并集中发展 L4 或以上的商业落地和变现。我们认为 2023-2025 年将会出现由科技巨头和初创企业主导的各场景 L4-L5 商用车量产。自动驾驶的社会意义在于尽量减少车与车和车与人之间的碰撞，从而减少意外，增加路面的安全性。从成本和法规来看，我们认为乘用车中短期内难以承

7、担 L4 往上的传感器配置成本，所以现阶段从 ADAS 往 L3 的递进式升级，以及智能座舱应用可能更为可行。在新老车企的角力中，特斯拉能相对成功的推进汽车电动化和智能化，我们认为主要鉴于他们是一家新兴企业，没有传统车企的包袱、内部政治和利益博弈的干扰。而传统车企的转型就是个典型的“创新者窘境”。我们认为传统车企应该将新科技部门完全拆分出来，摆脱包袱，分割利益，各自为政。老牌车企通用和福特均通过收购技术团队，展现较强的变革决心。而宝马、大众、奔驰等欧洲车企，则通过同行协作和产业联盟，谋求共同落地。中国乘用车在自动驾驶上则受益于政策保护，虽起步较晚，但拥有相对大的成长空间。国内传统车企跟欧洲车企

8、的路径类似，同样依赖产业联盟共同发展，如上汽-Mobileye、广汽-腾讯、长安-地平线等。而国内造车新势力的自动驾驶目前还是主要依托外部技术，如蔚来-Mobileye、理想-Mobileye/地平线、小鹏-英伟达等合作结盟。商用车追求“一步到位”的高级别 L4-L5 的落地，由此衍生出四大场景：1）自动驾驶出租车 Robotaxi；2）自动驾驶货运卡车；3）半封闭场景微循环或固定路线；和 4）最后一公里物流配送。我们认为，Robotaxi 在技术实现难度上是最高的，但经济效益较高，所以玩家以科技巨头和行业巨头为主，如谷歌的 Waymo、腾讯和阿里参股的滴滴出行、百度、通用和福特等。而 Rob

9、otaxi 的商业落地是典型的“以时间换空间”模式，也是通往消费级完全自动驾驶的必经之路。在高速公路上长途行驶的无人货运卡车是 MIT Tech Review 2017 年全球十大新兴科技趋势之一。从货运成本、司机短缺以及技术实现的角度，都被认为能较快落地。代表公司包括谷歌的 Waymo 和独角兽图森未来。在相对封闭场景下定制化路线的微循环自动驾驶接驳车(物流车)，面向学校、园区、机场、港口及矿山等，场景相对简单也较成熟，从技术实现角度看虽然落地应该比以上两类要快，但经济效益在目前的高成本下较难凸显。代表公司包括驭势科技和百度等。最后一公里无人派送车实现无人化的末端配送，是电商、物流、外卖、闪

10、送等的兵家必争之地。我们认为目前最后一公里物流主要的瓶颈还在于成本。中外代表初创公司包括 Nuro.ai、新石器等，以及巨头，例如亚马逊、菜鸟、京东、苏宁及美团等。图 1：人工智能算法动态搜寻随机树模型实现自动驾驶路径规划图 2：Mobileye 神经网络视频识别技术资料来源：Waymo 官网资料来源：Mobileye 官网图 3：国内 L1-L5 自动驾驶等级在新车销量中渗透率预测L1-L5L3L1/L2L4/L5我们认为2025年前后ADAS有可能逐步被L3级别功能替代，但整个智能驾驶传感器硬件市场将稳步增长我们预计到2030年国内乘用车的车载芯片市场有望达290亿元，传感器市场有望达90

11、0亿元。100%90%80%70%60%50%40%30%20%10%2040E2039E2038E2037E2036E2035E2034E2033E2032E2031E2030E2029E2028E2027E2026E2025E2024E2023E2022E2021E2020E2019E0%资料来源：IHS，&预测自动驾驶车载芯片作为技术研发壁垒相对最高的一环，市场空间广阔中国乘用车车载芯片市场正处于快速上升的阶段。我们认为中国自主乘用车品牌在长期来看会更倾向于使用本土化优势较明显的国产车载芯片。未来随着国产芯片技术逐渐成熟，将会跟国外芯片正面竞争。我们认为国产芯片凭着本土化优势，在合资品牌

12、的渗透率也将有所提升，增长潜力巨大。我们预计未来 10 年国内乘用车自动驾驶市场的发展主要可分为两个阶段，并以 2026年为分水岭。在此之前，以 L1 和 L2 等级车载芯片市场为主，ADAS 功能渗透率不断提高至逐渐饱和，主要车载芯片玩家包括国内的地平线、黑芝麻、华为，以及国外的 Mobileye。目前以 Mobileye 的产品更为成熟，在全球渗透率达 70%，但其黑箱子解决方案较为局限，且本土化服务能力较弱；而国内玩家中地平线具有先发优势，我们认为其有望成为 Mobileye 在国内的最大竞争对手。2026 年以后，以 L3 及以上高级别赛道竞争为主，而 L1 和 L2 的功能渗透率将被

13、 L3+取而代之逐渐下降，预计国内外主要玩家包括地平线、华为、黑芝麻、英伟达和 Mobileye。其中我们长期看好英伟达构建的高算力软硬件一体化自动驾驶闭环，并赋能 L3 及以上级别保持绝对优势。但华为以 Tier 1 供应商作为定位，在芯片、激光雷达、毫米波雷达等也有研发，并凭着自身在 5G 的实力，打造“5G 汽车生态圈”，剑指高级别自动驾驶市场，也不容忽视。中国自主乘用车品牌的车载芯片市场规模：我们预测从 2019 年到 2030 年，中国自主品牌乘用车的 ADAS 到 L3 渗透率将从 20%增长到达 75%，而芯片市场规模也将从约 3亿元增长至逾 100 亿元。除了自动驾驶芯片的需求

14、量快速增长外，乘用车也将逐步标配驾驶员检测系统(DMS)，所以 DMS 也会随着自动驾驶芯片上量而快速上升。我们预测到 2030年 DMS 芯片市场规模有望达到 30 亿元，整体 ADAS+DMS 的市场规模将逾 130 亿元。另外，我们也预计合资品牌的 ADAS 和 DMS 芯片规模将逾 150 亿元。叠加起来，市场规模共约为 280 亿元。图 4：从国产到合资，ADAS 及 DMS 市场空间广阔 2030年预测 国产品牌 合资品牌合资品牌市场总计156亿元国产品牌市场总计133亿元假设2030年DMS功能渗透率达到55%平均每车需要安装的AI芯片价值500元市场规模40亿元假设2030年D

15、MS功能渗透率达到42%平均每车需要安装的AI芯片价值500元市场规模29亿元DMS市场假设2030年L1-L3 ADAS渗透率达到80%平均每车需要安装的AI芯片价值1000元市场规模116亿元假设2030年L1-L3 ADAS渗透率达到75%平均每车需要安装的AI芯片价值1000元市场规模104亿元ADAS市场（L1-L3）2019年乘用车销量为1300万台（每年1%增速）2030年预计增长至1450万台。2019年乘用车销量为840万台（每年5%增速）2030年预计增长至1368万台。新车销量 国产+合资共计289亿元资料来源：乘联会，&预测图 5：2026 至 2030 年，L3 及以

16、上高级别赛道的竞争格局公司产品（L2+及以上级别）优势劣势芯片DCU地平线J35TOPSMatrix 40 TOPS地平线创始团队研发实力有保证核心技术自主研发计算平台开放性适中本土化服务能力优于国外竞争对手整车项目对比国内竞争对手具有先发优势成立时间短，导致车企合作相对较少估值偏高目前ADAS相关芯片收入占比较少目前已量产合作项目主要为智能座舱，与辅助驾驶耦合程度较低J596TOPS黑芝麻A100040-70TOPS-自研图像感知技术和神经网络加速器NPU本土化服务能力优于国外竞争对手定位L2+以上的无人驾驶成立时间相对短，合作车企较少芯片仍需量产爬坡时间创始团队以产业背景为主目前和对标公司

17、英伟达的距离还有待验证A1000L16TOPS华为昇腾 3108-16TOPSMDC 600352 TOPS填补国内Tier 1阵营的空白“端、管、云” 布局华为MDC600具有性能优势，搭载华为昇腾芯片成立“5G汽车生态圈”，深化合纵连横，加速发展整车厂数据共享保守起步较晚（2019年首次以Tier 1的定位亮相），目前定位不明确昇腾 910256-512TOPSMDC 30064 TOPSMobileyeEye Q42.5TOPS-以摄像头为主的图像识别技术龙头，拥有较强的技术壁垒深耕高精度地图数据采集黑箱子解决方案，适合本身算法研发能力欠缺的车企尚没有完全证明其在高级别自动驾驶系统上的综

18、合能力黑箱子解决方案不能满足部分车企的研发需求国内市场的本土化服务能力较弱，包括采集地图数据必须要和国内公司合作Eye Q524TOPS英伟达Xavier30TOPSDRIVE PXPegasus 320 TOPS完整的自动驾驶策略方案，在L3及往上的自动驾驶技术上保持绝对优势Orin在L4/5高级别的水平绝对领先NVIDIA DRIVE 自动驾驶软件系统平台，实现软硬件一体化的闭环壁垒解决方案开放性高，满足车企研发需求国内市场的本土化服务能力较弱目前缺乏用于L1/L2低级别辅助驾驶的芯片与国内厂商竞争，进入国产乘用车市场或受阻解决方案开放性高，研发能力较弱的车企应用有难度Orin36-200

19、TOPSDRIVE AGXOrin 2000 TOPS资料来源：各公司官网，&车载摄像头、毫米波雷达、激光雷达也有望迎来市场快速增长的阶段对比人类驾驶员，传感器相当于我们的五官。摄像头相当于自动驾驶系统的眼睛，毫米波雷达及超声波雷达相当于系统的耳朵，而激光雷达则提供精度和 3D 模型，四者各有优势，为系统提供全天候全方位的环境感知能力。车载摄像头行业有望复制消费电子摄像头市场的发展路径，主要厂商包括镜头供应商舜宇光学科技、以及 CMOS 图像传感器供应商安森美和豪威科技，产业链下游的模组封装市场则较为分散且由日韩厂商主导，主要玩家有松下、索尼、法雷奥和富士通等。我们预测车载摄像头国内市场有望从

20、 2019 年的约 24 亿元增长至 2030 年的 280 亿元以上。图 6：中国乘用车市场摄像头规模预测（亿元）300250L1L2L3L4/520661014222833320015010050 2515112 9 3558714352211259842471343758136357213834831379013409202023273130262019E 2020E 2021E 2022E 2023E 2024E 2025E 2026E 2027E 2028E 2029E 2030E资料来源：乘联会，Yole Dveloppement，&预测图 7：车载摄像头产业链关系光学镜片舜宇光学

21、 Sekonixkantasu富士胶片大立光学亚洲光学 滤光片旭硝子大真空水晶光电深圳激埃特 Optrontec日本电波 保护膜3M LG美能达蔡司海泰耐司镜头组舜宇光学大立光学玉晶光学联合光电先进光亚光胶合材料乐泰东洋爱普生道康宁恒诚伟业日本精工CMOS芯片安森美豪威科技索尼三星 安捷伦格科微电子模组松下法雷奥富士通舜宇光学索尼图像识别软件/芯片Mobileye地平线黑芝麻NVIDIA华为 封装 车载摄像头解决方案 资料来源：新材料在线，&毫米波雷达是目前最具性价比的测距传感器，基本上作为 L2 及以上级别自动驾驶系统的标配，包括短距应用的 24GHz 和探距更长、精度更高的 77GHz 毫

22、米波雷达。目前关键技术被外商垄断，全球毫米波雷达市场集中度高，主要玩家是世博、大陆和海拉等传统零部件供应商，国内玩家则主要有华域汽车和德赛西威。我们预测毫米波雷达国内市场有望从 2019 年的约 50 亿元增长至 2030 年的 310 亿元以上。图 8：中国乘用车市场毫米波雷达规模预测（亿元）350300250200150L1L2L3L4/521381792161162127616010627153113403195603442811710050 03 6 284354101669111914315602122232324222119181715132019E 2020E 2021E 202

23、2E 2023E 2024E 2025E 2026E 2027E 2028E 2029E 2030E资料来源：乘联会，Yole Dveloppement，&预测表 1：主流毫米波雷达供应商和整车厂关系供应商类别供应商整车厂商法雷奥特斯拉海拉宝马、奥迪电装一汽丰田外资奥托立夫广汽本田富士通天丰田博世东风本田、东风日产、未来、上汽通用五菱、吉利大陆沃尔沃华域汽车上汽乘用车德赛西威电咖汽车自主森思泰克一汽红旗行易道北京汽车（非量产）安智汽车长城汽车、江淮汽车（非量产）资料来源：OFweek，Marklines，&激光雷达的技术壁垒较高，目前还面临着技术路径不确定、车规级量产化、价格高昂等问题。国内外

24、该领域的发展水平较为接近，国外玩家主要有 Velodyne、Quanergy、Ibeo和 Innoviz，国内玩家包括禾赛科技、速腾聚创和览沃科技等。作为传感器环节最贵的零部件之一，我们认为其价格会随着技术进步逐渐下探，从数十万美元级降至数百美元级。由此带来在 L3 和 L4/5 级别的配置，我们预测激光雷达国内市场有可能在 2030 年增长至约 300 亿元规模。图 9：中国乘用车市场激光雷达规模预测（亿元）350300250200150100L3L4/51122580466112029616050120 7 14286144162871051141281401352019E 2020E 2

25、021E 2022E 2023E 2024E 2025E 2026E 2027E 2028E 2029E 2030E资料来源：乘联会，Yole Dveloppement，&预测表 2：主要海外激光雷达参与厂商介绍海外VelodyneQuanergyIbeoInnoviz成立时间2005 年2012 年1998 年2016 年国家美国美国德国以色列市场估值18 亿美元16 亿美元/5.5 亿美元雷达类型机械、固态固态机械、固态固态HDL-64E（2007 年）核心产品HDL-32E（2010 年）VLP-16VLS-12（2017 年）Velarray（单方向）HDL-64：7 万美元（早期）H

26、DL-32：4 万美元（早期）M8、S3-8量产 S3 价格LUX 4L、LUX 8LScaLa（简配版）Innoviz One Inooviz Pro产品价格VLS-128：量产 1 千美元Velarray：数百美元有望降至 250 美元ScaLa 数百美元Innoviz one 数百美元合作伙伴沃尔沃、福特、奔驰等德尔福等奥迪、四维图新等宝马等资料来源：各 LiDAR 公司官网，Crunchbase，CB Insights，IT 桔子，&表 3：主要国内激光雷达参与厂商介绍国内览沃科技速腾聚创禾赛科技北科天绘成立时间2016 年2014 年2014 年2015 年市场估值/3 亿美元9 亿

27、美元/雷达类型固态机械、固态机械、固态机械、固态核心产品MID40、MID100、Horizon Tele-15Horizion: 900 美元RS-LiDAR-M1 RS-LiDAR-16/32RS-RubyPandar QT/XT、GT Pandar128、64、40/40P Pandora 多传感器融合套件R-Fans 16/32 C-Fans 32/128产品价格Tele-15:1300 美元RS-LiDAR-M1 1898 美元Pandar64/QT 4999 美元/合作伙伴AutoX、希迪智驾等菜鸟、上汽及北汽等地平线、百度、博世等四维图新、铁科院等资料来源：各 LiDAR 公司官

28、网，Crunchbase，CB Insights，IT 桔子，&商用车公司谷歌(GOOGL.US) 百度(BAIDU.US)感知系统Uber(UBER.US)Lyft(LYFT.US)滴滴出行(未上市) 文远知行(未上市)驭势科技(未上市) Nuro.ai(未上市)新石器(未上市)图森未来(未上市)摄像头机器视觉系统算法谷歌(GOOGL.US)百度(BIDU.US)特斯拉(TSLA.US)及一众全栈方案初创公司毫米波雷达主控芯片英伟达(NVDA.US)英特尔(INTC.US)/Mobileye地平线、黑芝麻、华为（未上市）激光雷达距离检测车用芯片决策系统汽车电子零部件超声波雷达GPS/导航定位

29、理解规 划系统恩智浦(NXPI.US)英飞凌(IFX.GR)德州仪器(TXN.US) 意法半导体(STM.US)赛灵思(XLNX.US)瑞萨电子(6723.JP)华域汽车(600471.SH)科博达(603786.SH) 星宇股份(601799.SH) Mando(204320.KR)现代摩比斯(012330.KR)高精度地图TomTom(TOM2.AS)四维图新(002405.SZ)HERE(未上市)阿里巴巴(BABA.US)/高德地图千方科技(002373.SZ)高通(QCOM.US)V2X车联网LG Innotek (011070.KS)中科创达(300496.SZ)北斗星通(00215

30、1.SZ)三菱电机(6503.JP)同致(3552.TW)日本电装(6902.JP)日本京瓷(6971.JP)Velodyne(VLDR.US)、IBEO、Quanergy、Innoviz 速腾聚创、禾赛科技、览沃科技、北科天绘（未上市）Aptiv(APTV.US)德国大陆(CON.GR)Hella(HLE.GR)英飞凌(IFX.GR)日本电装(6902.JP)Bosch(未上市)德赛西威(002920.SZ)华域汽车(600741.SH)奥托立夫(ALV.US)Valeo(FR.PA)Clarion(6796.JP)索尼(SNE.US)舜宇光学(02382.HK)欧菲光(002456.SZ)

31、整车厂特斯拉(TSLA.US) 通用汽车(GM.US)福特汽车(F.US) 现代(005380.KR)宝马(BMW.FR) 奥迪(NSU.GR)丰田(7203.JP) 本田(7267.JP)蔚来(NIO.US)理想(LI.US) 小鹏(XPEV.US)图 10：自动驾驶产业链图谱资料来源：乘联会，Yole Dveloppement，&绘制 AI 金融：不谋而合，全面赋能前中后台金融业是目前人工智能渗透较为深入的行业之一，例如智慧网点、智能客服及智能理赔等场景已深入人心。展望未来，随着 AI 软硬件的快速迭代，AI+金融有望从底层改变目前金融行业数据冗杂及运营成本高企的问题，从前中后台全面赋能，

32、一方面通过定制化多元化的产品扩大用户群体增收，另一方也可以降低冗余的人力及运营开支。金融业的三大细分行业中，目前银行和保险业 AI 应用相对成熟，落地化程度高，而资管对应的智能投顾则方兴未艾，有望成为下一片蓝海。我们认为在 AI 金融的产业里场景为王，深耕细分场景的公司存在较大投资机会。AI 技术与金融业的属性不谋而合。从金融业的数据属性来看，传统金融业的底层存在超万亿字节的个人信息、记账及交易记录等，而如果要将这些非结构化的数据进行高阶分析及预测将耗费大量人力、时间及运营成本，但 AI 技术的出现则可以通过机器学习快速地将数据结构化并借助历史信息进行推断分析。此外，金融业的服务属性决定了大部

33、分业务是围绕用户展开的，AI 技术可提升服务场景效率，并为广大用户提供定制化多元化的服务。从环节来看，AI 可全面赋能金融业前中后台。前台包括智能身份识别、智能营销、智能理赔等，AI 可扩大业务半径获取长尾客户，并可以用户画像为核心，高效定制服务以提高客户体验及粘性；中台包括 AI 风控、智能投资、智能合规管理等，AI 可提高运营效率、降低运营成本及潜在损失，例如优化授信定价、贷前贷后管理及反欺诈反洗钱等；后台包括智能运营管理和智能平台建设，AI 旨在优化流程，降低管理成本。AI 技术的快速迭代和日趋成熟也是 AI 金融落地的基础。自然语言处理、生物识别等为定制化多元化的服务提供技术支持；硬件

34、算力的提升使得大规模的数据训练及深度学习成为可能；知识图谱、云计算和物联网的大范围应用则将孤立的数据联结加速了 AI 风控的落地；此外在疫情下，金融业无接触营销、节本增效的需求以及用户居家办公尤其是年轻一代对网上服务的热衷也助推了 AI 金融的加速发展。在过去 5 年 MIT Technology Review杂志发布的十大突破性科技中，诸多与 AI 金融相关的科技应用也相继取得突破，包括流利对话的 AI 助手、刷脸支付、数字货币等已在目前金融业中普及并得到广泛运用。AI 金融的节本增效空间广阔，投资 AI 成为金融业下一阶段转型的必需。看重 AI 广阔的潜在节本增效空间，金融业也正在加大对

35、AI 的投资。2019 年，全球金融业的 AI 直接投资约为 67 亿美元，预计到 2025 年可达 226 亿美元，年化增速达 23.4%。摩根大通、花旗等国际金融巨头也在加大与 AI 相关的科技支出，例如摩根大通 2019 年包括 AI 在内的科技投资超一百亿美元，并在年报中屡次提及 AI 业务进展。AI 金融一方面可通过定制化多元化的产品扩大用户群体，另一方也可以降低冗余的人力及运营开支。参考金融业中的银行和保险部门，据 Business Insider 预计，2020-2023 年间 AI 或可为两者节省 4470/3900亿美元的运营成本。从行业角度，我们认为银行和保险场景成熟，落地

36、化程度高，而资管行业的智能投顾则方兴未艾。例如银行和保险业对于前中台业务例如智能营销、智能承保、智能理赔及 AI 风控（反欺诈反洗钱等）的应用已相当成熟，并诞生了诸多初创 SaaS 服务商及一体化 AI 保险企业，例如 Comply Advantage、Hyperscience、Lemonade 及 Zesty.ai等等。尽管智能投顾目前尚不能对股市等复杂场景进行精准预测，但已有相关智能配置及动态调仓产品问世，随着未来 AI 技术的深入，也有望加速对资管行业的变革，例如 Betterment、Wealthfront 等智能投顾先驱资产管理规模已超 200 亿美元。AI 金融主要玩家包括传统金融

37、机构、互联网巨头、传统金融 IT 公司、支付公司、投资及顾问公司及新兴的初创金融科技公司六大类。我们认为 AI 金融领域传统金融公司、互联网公司受益其海量的客户数据及强大的资金实力，发力全环节，有望占据先机，两者代表例如摩根大通、花旗、平安集团、招商银行及以 FAAMG 和 BATJ 为代表的中美互联网巨头。但两者也各自存在问题亟待解决，例如传统金融公司 AI 应用“以点代面”，尚未形成前中后台联动的 AI 整体规划；而相比传统金融机构牌照和场景覆盖的优势，互联网巨头尽管在数据获取及分析上更胜一筹，但在金融这类高杠杆、高风险及强监管的领域开展业务或将受到监管层的限制。支付公司作为连接银行与客户

38、的中间环节，在中台例如风险管理及交易层面也布局颇多，例如 Visa 及 Mastercard 等。此外，在例如自然语言处理、生物识别、防欺诈反洗钱等模块化细分赛道内，传统金融 IT 公司及新兴的初创金融科技公司也有望通过深耕产品取胜，例如 Salesforce、Oracle 等。最后，投资及顾问公司则着重发力定制化产品（市场营销）及交易环节，以期吸引更多长尾中低净值客户青睐，例如 Betterment、Wealthfront 等。图 11：AI 金融的细分场景及市场格局聊天机器人Chatbots（前台）定制化产品PersonalizedProducts（前台）风险管理RiskManagemen

39、t (中台）防欺诈FraudPrevention（中台）交易Trading（中台）流程自动化Process对应公司Automation(后台）金融机构（银行、保险）互联网巨头 支付公司 投资及顾问传统金融IT 初创公司资料来源：logo 来自各家公司官网，&绘制银行业积极拥抱 AI，深耕细分场景的 SaaS 企业或将受益我们认为传统银行业内部面临快速增长的产品线和接踵而来的成本瓶颈限制，外部面临长期低息的环境和数字金融的竞争，亟需拓宽盈利渠道、裁减开支。AI 可通过感知、理解、机器学习和深度学习代替人力完成大量的机械的程序性的工作，赋能银行前中后台的智能身份识别、智能客服、AI 风控等业务，对

40、银行业极具吸引力。据 Business Insider 预测，2020-2023 年 AI 的赋能可使全球银行业节省 4470 亿美元成本，其中中台 AI 风控价值量最高，或将实现 2170 亿美元成本的缩减。从环节看，1）以智能身份识别及智能客服为代表的前台业务是传统银行和 AI 科技融合较深的领域。人脸识别和语音识别将 AI 光学和声学落地，覆盖到银行智能身份识别的基础业务中。基于 AI 的智能客服现已成银行标配，在降低运营成本、提升服务效率和用户体验上表现突出；2）以反洗钱、防欺诈为代表的中台风控业务是 AI 落地的主要场景，Business Insider 预测 2020-2023 年

41、 AI 赋能全球银行业所带来的近半的成本收缩出自中台。AI 算法基于大数据多轮追溯，侦破关键转账节点和可疑交易网络，可以有效降低可疑交易误报率。 3）受制于较低的潜在行业规模和投资回报率，以信贷审批和智能平台运营为代表的后台业务与 AI 技术的融合度目前相对较低。图 12：银行中台的 AI 风控是主要落地场景实现程度圆圈面积代表未来5年潜在投资回报率大小反诈骗智能身份识别反洗钱流程自动化减少误报率智能存款投资建议共同汇报标准 (后台)共同汇智能客服报标准客户互动(前台)银行前台银行中台银行后台银行支持程度资料来源：Business Insider，&绘制我们认为银行业的未来趋势是融入 AI 生

42、态，构建多维合作。国外包括 Capital One、摩根、花旗、高盛在内的大行一方面加速内部的 AI 布局，另一方面在细分场景与初创 SaaS企业合作；而国内或将形成大行+科技巨头的合纵连横。国有四大行分别携手 BATJ。农行与百度、建行与阿里巴巴、中行与腾讯、工行与京东纷纷以签署战略合作协议或设立金融科技实验室的方式达成战略合作。考虑到中外银行积极向 AI 转型的力度，我们认为深耕细分赛道并在算法及经验上占有先机的 SaaS 公司也有机会通过融入生态，通过深度定制合作的方式分一杯羹，例如之前提到的 Comply Advantage、Hypescience 等，也包括国内例如云从科技、科大讯飞

43、等。图 13：AI 银行前中后台应用场景概览环节前台中台后台潜在成本缩减规模$217B$31B$198B成熟度高细分场景成熟度低智能客服反诈骗和风控 反洗钱和客户身份验证信贷审批语音助理生物识别法务及合规智能合约资料来源：Business Insider，&绘制AI 金融风控技术上可分为四步，首先是数据获取，例如收集客户数据、交易数据及行为数据等；第二步将数据进行初步处理，例如对各类数据进行标签、匹配及联结等简单操作；第三步则是进行更深层次的场景分析，参照底层的商业规则、风控指标及异常值等利用神经网络模型进行训练分析；最后一步则是输出异常值警报及风险的来源路径等。图 14：AI 金融风控示意图

44、资料来源：QuantexaAI 保险从投保到理赔全线场景落地，节本增效实现与消费者的双赢我们认为产品同质化难以满足客户个性化的需求、信息不对称导致的运营成本增加和保险欺诈是保险行业发展的陈年苛疾。据国际保险监督管协会统计，全球每年有 20%-30%的保单涉嫌欺诈，而由于保险公司无法区分，导致信誉良好的保险人每年多承受几百美元的保费开支。AI 技术通过深度学习、外部数据整合和流程化处理，将在分销、承保、定价、理赔等多个细分赛道赋能保险业，市场前景广阔。据 Business Insider 预计，2020-2023年 AI 技术将为保险业减少 3900 亿美元的成本，其中前台业务价值量最高，或将实

45、现 1680亿美元成本的缩减。从环节看，1）前台客户端从定制投保到秒级理赔全线场景落地，大数据、定制化和自动化贯穿客户的全线产品体验。例如美国新兴 AI 保险公司 Lemonade 支付和理赔可在 3秒内完成，国内互联网保险众安在线双 11 期间的承保峰值可达每秒 3 万单。2）中台的客户分析和欺诈甄别为保险公司上了一重保险，有效规避了因信息不对称导致的逆向选择和道德风险。3）后台的风险评估、理赔评估和档案管理则通过大数据对潜在的风险进行检测和预警，通过流程自动化减少公司的运营成本。图 15：AI 保险从投保到理赔全线场景落地保险欺诈监测最优要素配置定制客户服务自动保单生成减少因保险欺诈造成的

46、损失提高效率降低成本客户需求预测提高服务质量优化定价策略确定最优价格提供差异化产品贯彻顾客价值主张便捷的服务方式欺诈甄别实时的私人定制化服务承保人及通过社交监测欺诈迹象10%的财产和伤亡索赔存在潜在欺诈30%的索赔金额可以通过反欺诈被减免80%的保费被用于支付和赔偿的相关流程相关资源安排最佳产品推荐预测分析风险管理健康和其他补贴承保人及其它要素配置80%的行政流程可由AI代替6%-8%的产能将被释放定制化的客户互动53%的高风险行为被减少$200万美元的年度成本将被节省智能化的保单生成39%的重复性行政工作可以被AI替代资料来源：dxc，&绘制图 16：AI 保险前中后台应用场景概览环节前台中

47、台后台$168B$99B$125B潜在成本缩减规模价值高私人定制保单反诈骗风险管理细分智能客服反洗钱和客户身份验证理赔管理价值低智能理赔合规档案管理场景资料来源：Business Insider，&绘制智能投顾方兴未艾，有望引领下一个 AI 金融的浪潮智能投顾是指根据客户特征和风险偏好，基于量化投资策略推荐投资组合，并追踪宏观经济波动和市场情绪，进行自动风控和授权调仓。我们认为与传统投顾相比，智能投顾以低门槛、低费率、高效率的优势覆盖了下沉市场和中低净值客户。随着移动互联、大数据、云计算以及 AI 技术的成熟和年轻一代消费群体对数字化产品的期待，智能投顾有望成为 AI 金融的下一片蓝海。据 S

48、imCorp 统计，2019 年全球智能投顾管理资产规模超万亿美元，同比增长 84%，2023 年全球智能投顾或将管理超 2.6 万亿美元的资产，2020-2023年化增速可达 36%。我们认为人机结合的混合模式是未来智能投顾发展的主流。智能投顾主要有三种商业模式以机器为主（Betterment、Motif）、以人为主（银行、证券、基金等传统资管机构）和人机结合（Wealthfront、Vanguard）。人机结合的混合模式兼顾业务的广度和深度，一方面基于 AI 算法可实现低成本下长尾用户的高覆盖，另一方面基于客户分层为高净值客户提供差异化的人工服务。根据 MyPrivateBanking 预

49、测，到 2025 年，混合模式所管理的资产规模将占到智能投顾的 86%。中国智能投顾始于 15 年由蓝海智投和理财魔方的引入，以平安一账通和国金涌富为代表的传统金融机构和以百度股市通为代表的互联网巨头也随之入局。资管赛道的 AI 变革已是箭在弦上，但监管趋严或将成为“达摩克里斯之剑”。图 17：智能投顾管理资产规模近年迅速增长图 18：2019 年美中占据智能投顾市场 95%份额全球智能投顾AUM（万亿美元） 同比（%）107%2.652.3384%1.901.501.040.560.2744%27%23%14%332120%100%80%美国 中国 欧洲 其他18%77%3% 2%260%1

50、40%120%02017201820192020E2021E2022E0%2023E资料来源：SimCorp（含预测），&资料来源：SimCorp，&图 19：智能投顾的商业模式智能投顾机器为主以人为主人机结合社交跟投主题投资量化投资公司财报宏观数据事件驱动传统金融公司互联网金融公司第三方平台原有平台扩展投资辅助建议大类资产配置被动主动策略投资国外企业国内企业资料来源：logo 来自各公司官网，&绘制 AI 医疗：缓解医疗资源供需矛盾，疫情加速赋能在人口老龄化和医护人员短缺的大环境下，AI 是缓解医疗资源供需矛盾的一个重要解决方案。AI 能为现有的医疗体系带来流程改进与效率提升，减轻医务人员的

51、工作负担，以及加速药物和疫苗的研发进度。海量的文献和数据样本、算力的提升和并行计算的出现，以及广阔的应用场景，造就了深度学习作为赋能 AI 医疗的主要技术。而新冠疫情更加速催化了 AI 在药物和疫苗研发的渗透。我们看到从跨行业科技巨头，到细分应用市场的创业公司，均参与到 AI 医疗当中。AI 是缓解医疗资源供需矛盾的一个重要解决方案。美国医学院联合会 AAMC 就预计到 2033 年美国将面临 5.4 万-13.9 万名医务人员缺口，而新冠疫情的出现加剧了供需缺口。而整体医疗系统的成本也在人口老龄化、慢性病增多、新药研发费用增加的情况下被不断推高，由此催生出巨大增量市场。Markets and

52、 Markets 预测全球 AI 医疗市场规模有望从 2019 年的 49 亿美元增长至 2026 年的 452 亿美元，年化增速达到 45%。AI 医疗产业结构从基础层、技术层、到应用层呈现倒金字塔形态。从底层算力和数据支持开始，以英伟达、英特尔、赛灵思为代表的 AI 芯片巨头，通过强大的通用计算力，为医疗研发环节加速赋能。而科技巨头贯穿基础层到技术层，以 IBM 为早期积极布局者，与诸多医疗机构建立合作实验室，此外包括苹果、谷歌、微软、阿里、腾讯、百度等科技互联网巨头，到通用电气、西门子、美敦力等专业市场龙头，均在 AI 医疗领域深挖掘。而深度学习衍生出来的机器视觉、语音识别、自然语义处理

53、等技术辅助，也容纳了包括科大讯飞等诸多技术公司。此外技术层还包含云计算、大数据等环节。应用层市场方向我们划分为药物及疫苗研发、基因组学、医学影像、智能医院和医疗仪器四个领域，我们也认为这将成为 AI 医疗发展的四个主要方向。1）药物及疫苗研发方向，Fior Markets 预测全球 AI 药物研发市场会从 2019 年的 16 亿美元增长至 2027 年的超过 400 亿美元，借助 AI 实现精准医疗，包括通过自然语义处理 NLP 发现靶点，机器学习进行药物分子设计和化合物筛选，深度学习和认知计算能力进行药物晶型预测，深度学习加速疫苗研发环节中发现病毒蛋白结构和预测病毒抗原表位等。参与者包括传

54、统医药研发巨头如辉瑞、GSK、默沙东以及 Moderna、阿斯利康为代表的疫苗研发公司，还有 IBM Watson Health、英伟达、BioXcel、晶泰科技、Benevolent AI、Atomwise 等一众技术公司。麻省理工科技评论也将基于 AI 的药物分子筛选列为 2020 年的全球十大突破性技术之一。基因组学方向主要是通过 AI 分析构成人类基因组的大约 30 亿个碱基对，更精确高效地进行 DNA 测序和分析，并促进药物靶标的识别和潜在新疗法的开发，实现个性化、精准治疗。此外基因编辑应用还存在着一些风险和伦理困境，MIT、哈佛大学等学术研究机构就正在通过 AI 机器学习来提高基因

55、编辑工具 CRISPR-Cas9 的效果。Grand View Research 预测整个基因测序市场规模到 2027 年会达到 112 亿美元，而 AI 通过深度神经网络对基因组进行高通量测序提升效率、节约成本。包括谷歌、基因测序巨头 Illumina、加拿大初创公司 Deep Genomics、国内的华大基因、贝瑞基因等公司均参与其中。医疗影像诊断是 AI 在医疗领域应用最多且最成熟的场景，目前也进入差异化竞争阶段，最主要是利用 AI 图像识别辅助影像识别和病理切片检测等。目前全球在该领域的创业公司达 1000 多家，国内 AI 医学影像的企业数量有约 90 家，应用集中涉及肺结节、眼科等

56、场景。Markets and Markets 预测全球医疗影像市场规模到 2024 年会达 335 亿美元。 AI 影像诊断的主要玩家有三类：1）互联网或人工智能行业巨头，如 IBM、谷歌 Deepmind、英特尔和腾讯等；2）创业公司，包括深睿医疗、数坤科技和连心医疗等；以及 3）传统医疗信息化公司，将业务延伸到智能诊断领域，如东软医疗等。智能医院和医疗仪器可以再分为两个方向，智能医院通过 AI 带来管理工作流程上的多方面效率提升，本次新冠疫情催化了以 AI+公共卫生管理为代表的新发展重点。同时互联网医疗以平安好医生、阿里健康等在远程医疗辅助、健康管理等方面切入市场。另外在医疗仪器领域，则以

57、 AI 与机器人结合为主，应用场景从手术机器人拓展至康复机器人、服务机器人、试验机器人等，包括达芬奇机器人手术系统以及辅助康复器械等，主要参与公司包括 Intuitive Surgical、Stryker Corporation 等，在这个细分市场 Markets and Markets预测全球市场规模会从 2018 年的 65 亿美元增长至 2023 年的 167 亿美元。此外，今年医疗界的一大课题就是抗击新冠疫情以及疫苗的研发。2020 年 3 月，由工业界、学术界和美国联邦机构共同组成了 The COVID-19 High Performance Computing(HPC) Conso

58、rtium，该联盟旨在利用强大的运算能力，推动研究人员更快的发现可应对新冠病毒的快速检测，以及潜在的治疗方法。MIT 近日也基于用户网络上传的咳嗽录音，通过AI 语音识别技术，开发出能识别出新冠病毒无症状感染者的咳嗽声，识别率达到 100%。而对于确诊病人的咳嗽声识别率能达到 98.5%。MIT 此前将该 AI 模型应用在阿兹海默症病人研究上，此后在今年拓展至新冠疫情的识别中。图 20：英伟达在多个领域助力 AI 医疗 NVIDIA：医疗健康与生命科学用于医疗健康行业的智能计算平台：NVIDIA Clara凭借一个适用于医学影像、基因组学以及患者监控的平台（可以部署在任何地方，从嵌入式系统到边

59、缘，再到每一个云），助力医疗健康行业进行创新并加速实现精准医疗发展。药物研发借助加速计算，研究人员能够以虚拟方式同时建立数百万个分子的模型和筛查数百种潜在药物，从而降低成本并缩短解决问题的时间。基因组学通过使用 HPC 加速人口研究和癌症基因组学中的基因组分析，可以帮助识别罕见疾病并更快地将定制的疗法推向市场，从而进一步实现精准医疗目标。医学影像AI 驱动的工具可以成为一双额外的“眼睛”，帮助临床医生快速阅读图像、计算测量结果、监控变化和确定紧急检查结果，以优化工作流程和改善患者护理。智能的医院和医疗仪器从智能传感器到支持实时高级图像处理的医疗仪器，边缘AI 可以提供即时见解、优化患者护理和实

60、现智能医院的承诺。资料来源：NVIDIA 官网，&绘制AI 加速药物及疫苗研发药物研发具有研发周期长、成本高、成功率低的三大特点。根据麻省理工科技评论统计数据，新药的商业化成本需要花费 25 亿美元，主要难点之一就是发现制药分子化合物。现在我们可以通过 AI 机器学习等模式大规模探索分子数据库和制药属性，大幅降低新药及疫苗的研发成本，并缩短新药及疫苗的研发周期。Fior Markets 预测全球 AI 药物研发市场会从 2019 年的 16 亿美元增长至 2027 年的超过 400 亿美元规模，主要借助 AI 实现精准医疗，包括通过自然语义处理 NLP 发现靶点，机器学习进行药物分子设计和化合