“星夜20点”是证通财富推出的一档与金融圈大咖面对面的栏目，针对时事热点，当前经济形势以及行业投资机会，邀请顶级大咖，为大家提供资产配置指导。
第三期，我们邀请了光大证券计算机行业首席分析师，给大家分析当下的热点话题“人工智能时代的投资机会”。
姜国平演讲实录
大家好，我是光大证券的计算机研究员姜国平，感谢证通公司给我这个机会跟大家交流一下我们在人工智能领域的一些研究成果。在开始讲之前根据合规的要求我有一个小的声明，就是交流不代表个股的推荐，所有关于具体的股票推荐以我们光大证券计算机团队所发出的正式报告为准。我在交流过程中可能会提到一些公司的名字，这只是为了整个行业研究的需要，也不代表股票的推荐。
那么正式开始，最近人工智能非常的热，无论是从创业的一级市场到二级市场到国家的政策层面都非常热。我们怎么去看人工智能的机会，我今天会简单介绍一下，从大背景包括一个大的分类，包括未来的一些细化的方向，包括选择的一些标准。
人工智能从大的方面来说，它意味着是一个新的时代的到来。我们从历史上去看，可以去看几个大的阶段。从最早的农业文明到工业文明到信息文明以及未来智能文明，它所在这几个大的阶段里，它的要素是不一样的。
农业时代的话，包括像农具、农产品、人力；工业时代的话，主要是机械设备、工业品、石油；信息时代的话，信息设备、数据电力；智能时代的话，未来就是数据、智能工具、智能产品。这个将是未来的智能式的核心，我们现在就慢慢进入一个所谓的智能时代。
人工智能发展其实已经有很长的历史了，最早可以追溯到1943年到1956年这个阶段，是人工智能诞生的阶段。当时主要以控制论和早期的神经网络的出现为标志，真正的行业上比较认同的就是人工智能诞生的点是1956年的达特茅斯会议，它标志就是人工智能理论的诞生。
接下来其实发展的并不是特别顺利，经过了早期的一大发现到后面的两次低谷，中间的再度繁荣，以及到了2000年前后再次新的探索，基本上到了2002/2003年以后，行业开始加速，就是一个新的浪潮。也是从语音、视觉这些技术取得了比较大的进展，尤其是深度学习的出现，引领人工智能进入了一个新的浪潮。
我们去观察的话，从2015年开始整个的人工智能浪潮开始加速，趋势出现了几个特征。第一个就是出现了一个开源的浪潮，越来越多的公司开始把自己的机器学习的技术，作为工具去开放给全球的开发者去使用。
第二个就是创业融资升温，就是创业领域非常多。
第三个特点就是巨头加速布局，从15年开始我们看到各个科技巨头，对人力、人才的需求增强已经成为一个非常重要的特征；大家无论是从应用到技术的一些基础研究，都在加快布局。
第四个特征就是产品应用落地，我们看到一些陆陆续续的产品出现，这些产品无论是面向普通消费者的还是面向行业应用的，都开始慢慢推向市场。从15年开始，我会看到人工智能是开始加速了。
之所以人工智能快速加速，有几个先决的条件。第一个是大量的数据，尤其是过去几年信息文明的发展，互联网的发展，带来了大量的数据。无论是围绕个人生活领域的一些数据，还是围绕着金融领域的数据，包括医疗、交通、安防等等。积累大量的数据，无论是结构化的非结构化的数据，这些数据的积累成为了人工智能高速发展的一个重要的基础。
第二点就是算力的便宜，就是芯片的高速发展，机器的运算速度的提升，以及并行计算的成熟，使得这种算力比较容易获取而且成本也在大幅下降。
另外，从产业参与者来说，过去经过互联网30年的发展，它的业态和格局相对的稳定，很多的巨头或者一些新的挑战者，它们需要找一个新的方向、找到新的领域，那么人工智能的未来是具备这样的特征，一个足够大的市场有足够大想象力的一个趋势。很多创业公司也在里面，纷纷涌起。而且再加上巨头的大量布局，所以说这几年人工智能开始加速发展。
说到人工智我们一定要提一下深度学习，深度学习它的出现是加速了人工智能的发展，尤其是在一些领域加速了它的落地。比如说，原来有些人工智能产品能做一些事情但是它的准确率比较低，使它可能永远停留在一个实验室阶段，具体使用的话比较遥远。但是深度学习出来了以后，在一些领域里面使得人工智能的准确率大幅提高，产品的出来了以后就接近实用，这是一个非常大的进展。
深度学习简单来说，它是一种比机器学习更具备了一定智能化的这种学习，我们传统讲的机器学习一般是我们会去给限定几个特征，然后根据这些特征给一些结果，机器自己去找这中间对应的函数关系。
对传统机器学习来说，可以举一个例子，比方说我们统计了一些芒果它的一些物理特征，颜色、大小、形状、产地，把这些特征跟它的甜度、多汁的程度、成熟度直接去做一个对应，这样的对应的数据有一个数据库，然后机器去学习这个数据库里面东西，从而得出这个颜色、大小、形状、产地这些特征跟这个甜度、多汁度、成熟度一个对应关系，这个就是他学习的一个结果。
当我们把一个芒果的特征输入进去以后，它能根据这些特征去计算出这个芒果甜不甜，它的成熟程度怎么样。这是我们说它学习出来一个产品，那么这个产品就是传统的机器学习。
因为在这里面的特征需要我们人工去定义它，需要根据哪些特征去得出这个结果。而深度学习，它不需要我们人去给它限制或者说帮它去归纳哪些特征，它会自己去学习，就完成了特征提取的过程，这是它更为智能的一个方面。
刚刚我们也提到，目前来说开源是人工智能行业里面非常重要的一个趋势，尤其是一些像谷歌，微软，它们都在做这样一些东西，它们的一些项目相对来说是属于巨头们抢占自己地盘，站在人工智能话语权的一个重要的手段。它开源以后会引来很多人去学习去完善去应用它，那么未来占据一定的地位以后，它可能会形成类似于生态的一种效果，甚至提升成一种人工智能操作系统的这么一个地位。
所以说使大家纷纷的去开源去抢占，那么这样带来的一个结果是什么呢？未来的从算法的门槛可能会越来越低。一些技术的话，可能会以云的形式或者API的形式去提供，数据包括未来的场景可能慢慢的会越来越重要，这是开源对于未来的一个影响。
人工智能未来如果去找投资的方向的话，可以从三个层面去看，分别是应用层、技术层和基础层。应用层很简单，主要是讲的是从应用的角度，应用软件、应用终端，比方从医疗、金融、智能驾驶，从这些角度切入进去的围绕着应用的场景，这种我们叫应用层。
另外一个从技术层的角度，主要是从算法的一些模型，比方说围绕的图像识别或者语音识别或者手势控制，在技术领域比较专的，那么它未来可以通过云的形式或API的形式去输出主能力。
还有就是基础层，基础层主要就是像围绕着海量数据并行计算的一些基础的应用硬件和软件，包括芯片、传感器、计算平台等等，那么这是技术层。
这三个大的层面可以框出来，就是未来围绕着人工智能投资一些方向。
应用层的话我们现在会看到，有几个领域可能是人工智能比较容易落地的几个领域。比方说智能驾驶，因为这个领域目前来看很多的巨头已经在做，而且无论是从整车厂还是到最终的消费者，都比较感兴趣。未来的确可以提升驾驶的安全性，这是非常重要的一点。另外一方面，比如像医疗，比方说医疗影像，传统来说，人力读起来比较慢，准确率可能会比较低，容易漏掉一些特征，那么机器可以比较快速的对这些影像进行判断。
像安防，涉及到就是它的视频，其实每一帧的图像里面包含着大量的信息，传统上对这种图像这种视频的信息处理还是比较难的，人工智能的介入，可以从大量的视频里面快速的提取到一些相对结构化的信息。
我们8月底的时候写过一个报告，讲人工智能在医疗影像的应用，这里正好可以稍微展开一下，医疗领域里面的数据80~90%基本上都是影像数据，这是跟影像数据本身这种非结构化的数据格式是有关系的。在过去这么多年里我们会发现医疗影像数据动作特别快，每年30%的增长；但是影像科医生的增速却很慢，基本上只有4%的增速。缺口越来越大，影像科医生面临的负担也越来越重，每天读大量的数据会造成负担比较重，而且疲劳的情况下会造成错误率提升，造成大量的误诊率。像三甲医院的医生大部分准确率是在70%左右，小医院的准确率可能只有50%-60%。
这种医疗影像，它是人工智能未来去渗透的非常好的一个方向，因为影像的基础就是图像识别，在过去这么多年来说，人工智能里面进步比较快的就是图像识别领域。从国外来看，有不少的厂商已经在包括肺结节、皮肤癌、乳腺癌等一些细的病种里面人工智能识别率可以做到非常高了，已经接近90%的准确率，基本是超过了最专业的医生的准确率。
从安防角度来说，从研发角度来说，摄像机它在拍图像、拍视频的时候，它的后台就可以做到同步的分析。比方说视频中出现的人，这个人是男人女人？什么颜色的衣服？什么颜色的头发？有没有拿包？这些基本特征可以在视频获取的同时它会去提取里面一些结构化的信息。比方说当视频中出现一辆汽车的时候，它会自动去提取这辆汽车的颜色、提取他的车牌、提取它的车型……
那么需要去搜索视频中的一些特征的时候，比方说需要搜索黑色的奔驰汽车，这些特征输入以后，它可以在各个路口的各种治安卡口的视频里面快速把相应的符合特征的视频截图找出来，这个是可以大大提高从安防角度去做一些搜索的效果。以前基本是靠人去看的，这个来看肯定是好多了，所以说像安防也是未来渗透的一个非常好的场景。
从应用层面的话，我们去找公司一般是去看几个要素，比方说像影像，它过去有没有积累大量的影像数据，比方说它有没有做算法的能力，包括它未来有没有去变现的能力，有没有应用的场景，因为这种场景对于人工智能做应用的公司来说意味着两点。第一点，可以变现，可以赚钱；第二点，就是它可以把它的产品在实际应用中有一个反馈，进一步提升它在实际中应用的准确率。
第二层面是技术层，技术层来说的话，在某一个领域里面有比较独特技术的公司比较典型。像科大讯飞这样的公司，现在科大讯飞主要是语音识别，还有像图像识别、人脸识别；比较典型的像商汤科技，它没有上市；包括像谷歌，它也是图像识别、语音识别很多领域都做得很好。
未来这种技术型公司他会通过云的形式或者通过API的形式输出它的这种技术能力，比如像谷歌它又做了图像识别的API、包括语音识别apI；像科大讯飞做了它的语音云。就是说一个创业公司，它只要把语音给扔上去，那么另外一端它就可以得到语音识别的结果。这种就是种技术性的公司。
技术性公司最典型的看它的真正的技术实力，就是比较硬的一些实力，看它准确率提升。另一方面看他去获取合作伙伴、包括未来获取用户的能力，利用技术来去变现的能力。如果说他自己没有广泛的渠道，那肯定要借助合作伙伴去变现，就是说它这种技术是市场推广的能力，以及未来形成这种生态的一种可能，这种事比较重要的。
基础层来说，这里比较典型就是芯片，现在围绕人工智能做了一些优化的芯片开始出现，无论是用在大型的服务器端，像GPU，它对于人工智能的运算是比较有优势，包括说现在也开始在移动端出现一些人工智能芯片，像苹果的最新的手机芯片里面也是一些人工智能功能在里面，也就是说有些这种移动的芯片，它会加一些人工智能优化的东西。可以大大提升它的某些方面的速度，比如人脸识别速度，或者一些固定的某一种类型算法的速度。
基础领域的话拼的也就是一些底层的技术，谁能够把技术做好，而且在芯片上比较容易落地，或者说能做到好的性价比，那么这个是他一个真正的方向。基础层的公司并不特别多，从创业的角度来说，它也是创业门槛比较高的一个方向。像现在以中科院系的寒武纪芯片目前来说还是在市场上声誉比较高。也开始往移动端，包括说像跟华为的一些移动芯片已经开始合作。这些领域来说，未来也会出现一些比较牛的公司。
以上是我从三个角度：应用、技术和基础的三个层面去讲的一些投资方向，我们如果看得比较长远的话就是为了一个大的趋势或者一个大的格局，很可能慢慢的会类似于目前的PC的一个格局，一些巨头的会占据越来越垄断的地位，一些大型的公司甚至拥有类似于操作系统这样一个层面的优势。那么其他公司可能在技术上做些创业或做一些个别的应用集中度也会越来越高，那么但是中短期来看还是处于百花齐放的阶段，很多创业公司在一些细分领域都会做出比较好的一些东西来。
在应用市场的话，未来会出现一些细分的趋势，在某些应用里面也会容易出一些。这种独角兽公司啊在某些领域里会应用，里面会做得特别好，这个是从这个我们去看中短期的这么一个趋势。
好的，那么我今天就到这里，谢谢各位，大家有什么问题的话，我们可以再交流。
网友评论