人工智能行业深度报告AI算力需求快增长平台化基础设施成焦点

人工智能行业深度报告-AI算力需求快增长平台化基础设施成焦点一、AI应用场景广阔，AI公司规模持续扩大（一）人工智能产业链梳理人工智能行业是对算力、算法和数据等数字资源进行创造、加工、整合，最终实现用机器替代人，为传统行业智慧赋能。完整的人工智能产业链是在上游厂商提供专有算力和开发环境支持下，中游通过自研核心AI算法，搭载在硬件设备上，开发出行业级解决方案，再销售给下游各行业客户。具体包括：

（1）上游基础层：主要提供AI专有算力支持和开发环境的设备和服务，包括AI芯片、系统开发框架、AI服务器等基础设施等；

（2）中游技术层：在AI算力的支持下，通过系统开发框架进行各场景数据的训练和学习，开发出计算机视觉、语音语义、知识图谱等AI算法，并将其搭载于硬件设备上形成行业级解决方案；

（3）下游应用层：针对不同的行业和场景，进行人工智能技术的商业化落地。AI产业上游产品标准化程度较高，市场集中度高；中下游定制化开发占比较大，市场分散。以AI芯片和系统开发框架为主的AI上游的产品提供的算力算法支持具有通用性特征，容易形成标准化产品；此外，其技术壁垒高，掌握关键技术的英伟达、谷歌等海外科技公司持续提升产品性能、培育软件开发生态，已有较高市占率。行业中下游由于场景碎片化，软硬件产品定制化开发占比较大，商业模式以提供整体解决方案的项目制为主。商汤、科大讯飞等独立AI公司以AI算法起家在行业中市占率较高，但其面临两方面挑战：（1）以百度和阿里为代表的大型科技公司对AI持续投入，并推出基于公有云的AI服务；（2）在部分垂直领域，人脸识别和更早投入应用的语音语义等智能感知技术进入门槛降低，初创型AI企业纷纷入局。因此，中游市场格局呈现出逐渐分散的趋势，2017-2020H1，AI软件市场CR5分别为51%、49%、41%和38%。AI硬件在各场景快速渗透，软件功能不断丰富持续升级，价值量持续提升。在城市管理、企业管理、人居生活等各场景中，智能化改造和升级的需求旺盛，智能硬件设备快速渗透，软件的功能不断丰富。在摄像头、录音笔等前端设备中，AI算法和设备耦合程度较高，固定设备上搭载的软件功能和接口相对固定。我们判断前端设备预计将呈现出软硬件融合发展的趋势。在服务器和数据中心等后台设备中，如城市大脑的大型行业级平台所需处理的数据类型多样，算法更加综合，包含数字孪生、计算机视觉、自然语言处理等，开发难度更高；且AI模型的训练需要专用的AI芯片的支持，硬件的专用化程度也较高。后台设备中的软件和硬件预计将向更加专业化的方向发展。AI芯片和服务器等后台设备技术壁垒高，由专业的硬件设备商提供。在后台硬件领域，AI芯片技术开发难度较高，技术迭代周期短，具有较高的技术壁垒。以英伟达、寒武纪为代表的专业AI芯片公司技术积淀深厚，产品持续迭代，已成为服务器和数据中心等后台设备中AI算力的主要提供商。商汤2020年自研AI芯片STPU流片成功，截止2021年底已产出1.6万个STPU芯片。商汤开发的STPU芯片定制化程度高，针对其城市管理和商业场景业务中的智能视频分析量身定做，目前仅用于内部赋能，并未对外销售。此外，商汤在通用型的深度神经网络的训练和推理任务中，仍需要外购芯片来满足AI运算的需求。因此，独立AI公司造芯对于英伟达、寒武纪等专业AI芯片公司的影响较为有限。（二）AI软件公司快速成长，产品商业化落地仍在探索1.AI技术快速落地，独立AI公司规模持续扩大人工智能技术种类较多，计算机视觉和广义的自然语言处理占比较大。按类型来分，人工智能技术具体包括计算机视觉、机器学习、智能语音、自然语言处理、知识图谱等。根据亿欧智库的数据，2020年，我国人工智能各项技术中计算机视觉占比29%，排名第一。计算机视觉技术对于海量图像和视频数据识别处理并提取出有价值的信息，已在各行业广泛应用。围绕决策智能环节的数据挖掘、机器学习等技术已在智能推荐、人机交互等领域应用。2020年，数据挖掘占比14%；机器学习占比12%。智能语音和自然语言处理等技术以语音转文字、智能搜索、智能翻译等形式落地。2020年，智能语音占比11%，自然语言处理占比6%。2.AI应用的商业模式仍在探索中软硬件一体化解决方案需要采购的设备和人力成本较高。独立AI公司通常本身不生产硬件，因此需要采取外购材料和服务的形式生产出适合公司AI算法的软硬件设备。其中外购材料包括主机、服务器、摄像设备等；外购服务包括安装调试、定制开发等。2021年，商汤和云从外购硬件和项目外包成本占总成本的比例分别为89.0%和95.3%。旷视科技2021年上半年硬件成本和工程交付成本占总成本比例为80.2%。安防公司大力提升AI技术水平，AI初创公司被迫提升研发费用率。2020年，商汤、旷视和云从的研发费用率分别为71%、64%和77%，远高于海康的10%和大华的11%。但从绝对金额来看，一体化设备公司的研发费用远超AI初创公司。一体化设备公司依靠其渠道和资本优势，AI算法技术水平逐渐与AI初创公司缩小差距，从而不断扩大行业市场份额。随着前端设备AI技术红利逐步削弱，独立AI公司一方面需要提升研发费用率保持既有产品的竞争力；另一方面则要寻找新的技术制高点，打造新的技术壁垒。3.人工智能软件行业的市场格局比较分散以商汤、科大讯飞为代表的独立AI公司在技术积累、场景下沉、渠道开拓方面已经走在了行业前列，市场份额较为领先，但其面临大型科技公司、一体化设备公司和新兴AI公司的追赶。随着百度、阿里为代表的大型科技公司和海康、大华为代表的一体化设备公司在AI技术的研发持续投入，前端设备的AI算法和独立AI公司的技术差距快速缩小。一体化设备公司在城市运营管理领域深耕多年，已形成全国性的销售网络，品牌和渠道优势明显，议价能力较独立AI公司更强。此外，在部分垂直领域，人脸识别等智能感知技术门槛降低，初创型AI企业纷纷入局，相应市场份额有所提升。我们认为，未来人工智能行业竞争将会进一步加剧，各家公司在前沿技术的开发进度、产品的商业化落地、市场开拓以及产业链布局是竞争的关键因素。（三）AI应用随着下沉扩散而更加碎片化1.AI应用场景广阔人工智能已在多个场景应用，城市管理场景占比较高。基于前端感知设备获取的海量数据，AI算法在边缘端和后端实时运算，识别并提取有价值的信息，为城市管理部门、互联网公司、金融机构、商业及汽车场景等提供智能化服务。具体包括：（1）城市管理：主要为公安、政法、交通、应急、文教卫等政府和大型企事业客户提供综合管理平台、态势预测、全息档案等服务。根据艾瑞咨询的数据，城市治理与运营占AI市场份额较大，2020年占比为49%，排名第一；（2）互联网场景：为互联网公司提供智能推荐、智能搜索、精准营销等服务；（3）金融行业：为金融机构客户提供数字化身份认证、刷脸支付、网点数字化、风险管理等服务；（4）商业场景：为购物中心、百货商超、汽车4S店等消费场景提供销售人员管理、消费者洞察、智能停车、商户业态调整等服务；（5）汽车场景：为自动辅助驾驶提供感知、决策和执行等行为提供广泛技术支撑。由于各家统计口径不同，当前数据参考有限。根据沙利文的数据，2018-2020年，汽车视觉AI市场CAGR为54.9%，高于计算机视觉市场的CGAR45.4%。2018-2020年，汽车场景的视觉AI应用占计算机视觉软件市场的比例分别为6.3%、7.2%和7.2%，逐年提升（数据来源：商汤招股说明书）。除了基于视觉的DMS（驾驶监控系统）、PAS（倒车辅助系统）等AI应用外，基于智能语音的人机交互系统、基于多源数据融合的车路协同系统以及后台决策和执行系统等AI应用正在汽车场景快速渗透。未来随着高等级自动驾驶车辆渗透率的提升，我们预计汽车场景的AI市场将呈现高速增长的趋势。银行业通过科技提升竞争力，金融行业智能化转型趋势明确。利率市场化之后，存贷利差收窄，导致银行业利润率普遍下降，人力和资本对于边际效益改善效果不佳。此外，商业银行的产品同质化严重，以及互联网厂商的跨界竞争迫使银行业急需寻找其他途径提升竞争力。近年来，以银