一，来龙去脉
春节期间，AI聊天机器人关注度进一步攀高，而且微软还宣布与其母公司扩大合作伙伴关系，将向其投资数十亿美元；更有公司实现“沾即涨”，类似地，“美版今日头条”宣布将与合作，拟使用帮助内容创作。之后短短两天，其股价便涨超300%。这一幕和一年多前海外市场对于元宇宙首股的态度是差不多，当时也是惊讶于元宇宙的能量。
所以，今年必须聊一聊，人工智能这个话题。
二，认识人工智能
人工智能（ ，缩写 AI），是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能一共经历了三次发展浪潮，值得一提的是，人工智能三次浪潮均始于算法突破，两次寒冬则是由于算力和数据量的限制。
人工智能三次浪潮：
人工智能第一次发展浪潮：推理与搜索占据主导，但由于当时机器计算能力的不足而经历了第一次低迷期。
人工智能第二次发展浪潮（1980-1987）：专家系统开始商业化，场景局限性限制其发展。
从 1993 年开始，AI 技术步入了第三次发展浪潮：深度学习引领浪潮。
三，人工智能产业链
人工智能产业链：主要分为基础层、技术层和应用层。基础层主要包括人工智能芯片、传感器、云计算、数据采集及处理等产品和服务，智能传感器、大数据主要负责数据采集，AI 芯片和云计算一起负责运算。技术层是连接产业链基础层与应用层的桥梁，包括各种深度学习框架、底层算法、通用算法和开发平台等。应用层则是将人工智能进行商业化应用，主要提供各种行业解决方案、硬件和软件产品。
1.基础层
1）基础层之 AI 芯片：
CPU 凭借通用性，依然在 AI 训练中占据重要位置；GPU 凭借生态优势和强大的计算能力在 AI 应用中占据主导地位，FPGA/ASIC 未来占比将不断提升。AI 芯片是目前人工智能产业链中与国外差距较大的一个环节，AI 芯片国产替代空间大。
除 AI 芯片以外，基础层还包括光学、声学传感器，公司包括舜宇光学、禾赛科技等；计算平台主要指的是能够为人工智能计算提供所需的专用算力的数据计算中心，主要包括浪潮、阿里云、腾讯云、华为云等。数据服务主要指的是为各业务场景中的 AI 算法训练与调优而提供的数据库设计、数据采集、数据清洗、数据标注与数据质检服务，主要公司包括海天瑞声、爱数智慧、云测、标贝科技等；硬件设施主要指的是 AI 芯片和传感器。
2.技术层
技术层为包括核心算法在内的关键技术研发和生产企业，主要分为 AI 软件框架、理论算法、通用技术三个方面。其中通用技术主要指的是感知、认知、思维、决策等不同的应用方向的技术，包括计算机视觉、、知识图谱、推荐系统等，相关公司包括商汤科技（计算机视觉）、云从科技（计算机视觉）、科大讯飞（自然语言处理）等。随着底层理论算法的不断创新和通用技术的不断成熟，人工智能算法模型所需算力呈现指数级增长趋势。 2012 年以前，模型的算力需求以接近摩尔定律的速度增长（两年翻一倍）。2012 年以后，模型训练所需计算量增长接近一年翻 10 倍。
3.应用层
安防占据 AI 应用主要场景，金融应用 AI 较好，医疗、工业具有一定快速应用前景。目前人工智能已在安防、金融、教育、交通、医疗、家居、营销等多垂直领域取得一定发展，尤其是 AI+ 安防、金融、交通领域发展较快，典型公司有海康威视、商汤科技等；应用产品维度广阔，包括自动驾驶汽车、无人机、智能语音助手、智能机器人等，典型公司包括小马智行、科大讯飞等。
四，细分赛道
1.深度学习
机器学习是人工智能的一个研究分支——通过计算模型和算法从数据中学习规律，机器学习有很多种算法，包括神经网络、kNN、朴素贝叶斯、支持向量机（SVM）等算法。其中，深度神经网络战胜支持向量机算法，并在此后逐步超越人类。而深度学习的理论基础就是神经网络，神经网络层数够深就可以称为深度模型。
深度学习是过去十年 AI 研究最热方向，也是商业化应用最广泛的算法之一。深度学习在包括计算机视觉、自然语言处理、推荐系统等相关领域都取得了优异成果。深度学习便从最初简单的感知机算法，简单的神经网络，发展到目前参数量达到数千万亿的庞大而复杂的神经网络，成为当下人工智能技术、应用、产业中的主流解决方案。
2.计算机视觉
计算机视觉是“赋予机器自然视觉能力”的学科。实际上，计算机视觉是研究视觉感知问题的学科：视觉感知是指对“环境表达和理解中，对视觉信息的组织、识别和解释的过程”。计算机视觉领域中早期的重要算法同时也是深度学习发展中的重要革新，后续计算机视觉在内容生成、特征提取两个方面又向前迈出了一大步。随着计算机视觉算法和技术的不断成熟，下游应用场景也逐步渗透和拓展。
从核心产品和产业规模来看，计算机视觉产品技术在泛安防中的应用深受政策及财政支持，多年以来一直是计算机视觉乃至整个国内人工智能产业实际落地的重要基石。这一领域的代表公司有商汤科技、海康威视、大华股份；从竞争格局上分析，目前中国计算机视觉行业主要分为三大阵营：1）AI 算法公司；2）互联网巨头；3）传统安防巨头了；目前我国计算机视觉市场呈现出市场集中度高的特点，以“CV 四小龙”为代表的头部企业已逐渐占据国内 CV 的主要市场份额。
3.AIGC
AIGC 即 AI- ，是一种新的内容生产方式。AIGC 当前快速发展得益于生成模型的飞跃。AIGC 已被广泛用于多种行业，包括娱乐、客户服务与营销。AIGC 领域投资力度空前。扩散模型（ Model）正引起 AIGC 领域新一波浪潮。得益于生成模型的突破，AIGC 迎来快速发展阶段，在文本、图像与视频领域应用广泛， AIGC领域的发展已经从生成对抗网络推动逐渐转向扩散模型推动，算法模型迭代层出不穷，生成文字、视频质量不断提高。该领域众多公司获得投资青睐，投资机会已显现，值得关注。
4.NLP
自然语言处理（ ，NLP）是基于自然语言理解和自然语言生成的信息处理技术，近些年来，自然语言处理在机器翻译、智能语言助手、文本自动分类都取得了突破性进展。随着预训练语言模型的提出和计算机算力的快速提升，自然语言处理技术已经进入全新的发展阶段。当前自然语言处理的快速发展已让我们更加临近图灵测试的奇点，未来人工智能将深刻地改变我们的生产生活方式。我们应当重点关注自然语言处理的技术进展、大规模商业的落地途径以及我国超大规模预训练模型的发展进展。
五，行业现状
1.从整体市场规模上来看，人工智能行业整体市场呈现稳步增长的趋势。
2021 年全球市场人工智能市场收入规模（含软件、硬件及服务）达 850 亿美元。IDC 预测，2022 年该市场规模将同比增长约 20%至 1017 亿美元，并将于 2025 年突破 2000 亿美元大关，CAGR 达 24.5%。中国人工智能市场规模（含软件、硬件及服务）达 82亿美元，占全球市场规模的 9.6%，在全球人工智能产业化地区中仅次于美国和欧盟，位居全球第三。数据显示，中国人工智能市场规模由 2016 年的 154 亿元增长至 2020 年的 1280 亿元，年均复合增长率为 69.9%。2022 年中国人工智能市场规模将达 2729 亿元。
2.计算机视觉和自然语言处理是商业化落地较快的两项人工智能通用技术。
计算机视觉相关技术已经十分成熟，技术落地效果超过人类水平，目前国内有 35%的 AI 企业聚集计算机视觉领域，2020 年市场规模近千亿，在所有领域中占比最高，是目前最具商业化价值的 AI 赛道。自然语言处理技术逐步实现从学术研究发展到商业应用推广的转变，核心产品及带动的相关产业规模均稳步增长，2021 年自然语言处理核心产品规模预计达到 219亿元，相关产业规模达到 514 亿元，未来几年年增长率均维持在 20%左右。
六，市场前景
1.自动驾驶：技术不断突破，渗透率不断提升
视觉 正推动自动驾驶向前迈进。 模型因其注意力机制解决了 CNN 中卷积层遮挡区域检测问题，成为了自动驾驶领域的首选，交叉注意力机制目前也更有利于 模型在汽车上进行部署， 模型正推动自动驾驶技术实现飞跃式的迭代。
根据高工智能研究院数据，截至 2022 年 9 月，我国前向 L2 级 ADAS 前装渗透率已达 27.7%，2019-2021年该数据分别为 2%、12%、19.4%。未来国内自动驾驶级别将从 L2 向 L3/L4 转换，例如上海市发布《上海市加快智能网联汽车创新发展实施方案》指出，到 2025 年，上海市初步建成国内领先的智能网联汽车创新发展体系，产业规模力争达到 5000 亿元，具备组合驾驶辅助功能（L2 级）和有条件自动驾驶功能（L3 级）汽车占新车生产比例超过 70%，具备高度自动驾驶功能（L4 级及以上）汽车在限定区域和特定场景实现商业化应用。
智能驾驶是 2023 年的重要景气赛道之一：一是展望 2023 年，消费需求将有所复苏；二是智能驾驶的渗透率继续提升，2023 年下半年比亚迪、广汽 Aion、吉利极氪等传统车厂都会有硬件达到 L4 级别的自动驾驶车型量产；三是原材料价格回落及人民币可能将进入升值通道，板块毛利率有望逐步修复。因此，2023 年整个板块在总量、渗透率还有盈利水平上都将有向好的边际变化。
2.FPGA：高成长、高壁垒的优质赛道，看好 FPGA 芯片国产替代
FPGA 的全称为 Field- Gate Array，即现场可编程门阵列。FPGA 的无指令特征，使其具有时延低、单位能耗比低、并行运算更高效三大特征，在执行并行运算的时候（AI领域），与 CPU、GPU 相比，FPGA 具有更高的速度和极低的计算能耗，使深度学习实时计算更容易在端侧执行。
中国市场增速快于全球市场。根据 Frost& 数据，中国 FPGA 市场从 2016 年的约 65.5 亿元增长至2019 年的 129.6 亿元，复合增速为 25.48%。工业、汽车电子、数据中心成为 FPGA 增长最快的细分市场，全球 FPGA 公司均呈现快速增长。
全球FPGA市场呈现寡头垄断格局。中国 FPGA 市场由赛灵思()和英特尔(Intel)两家供应商主导，两家公司在中国的市场份额超过 70%。美国限制国内 AI 芯片发展，FPGA 最大下游通信领域频受制裁，信创快速推进，FPGA 将受益于信创发展。目前国内安路科技、紫光同创等公司是民用 FPGA 领域收入规模最大的两家企业，目前 28nm 制程已经可以量产，基本覆盖大部分下游需求，并且先进制程研发和生产也在途中，看好 FPGA 国产替代机会。
3.AI+工业：助力制造业转型升级，看好国产替代机会
1）机器视觉
机器视觉是光学、机械、电子、计算、软件等技术一体化的工业应用系统，其利用相机和计算机代替人的视觉感知和判断能力，自动采集并分析图象，以获取用于控制或评估特定活动所需的数据。主要由成像、信号分析与处理、决策与执行三个关键环节构成。功能上具体可以分为识别、测量、定位和检测四种。
在工业应用场景中，机器视觉相比人眼视觉在识别精确度、识别速度、环境要求、识别客观性、可靠性、工作效率、数据价值方面均存在显著优势，能够较好的替代人工进行工作。
工业机器视觉产业链上游为零部件及软件算法，是产业链中价值较高的部分，中游为视觉装备及方案，下游为具体的应用场景与行业。
随我国工业制造转型升级和数字化不断推进，工业机器视觉产业市场规模增长迅速。整体上看，根据 GGII 数据显示，2021年国产品牌机器视觉市场份额占比 58.43%，国产渗透率逐步提升。随着新能源、汽车电子及半导体等下游行业的扩产加速，工业机器视觉的国产化替代进程将进一步提速。
2）EDA
全球 EDA 行业呈现寡头垄断格局，国产厂商迎来发展机遇期。商业模式和高壁垒决定了 EDA 公司受下游需求波动影响较小。高壁垒以及良好的业务稳定性和成长性，使得 EDA 公司如新思科技、 在美股半导体板块中估值一直相对较高。
EDA 行业保持稳定增长，国内增速更快。根据赛迪数据，2020 年全球 EDA 行业实现总销售额 72.3 亿美元，同比增长 10.7%。预计至 2024 年，全球市场规模有望达到 105 亿美元，2020-2024 年复合年均增长率为 7.8%。 2020 年国内 EDA 市场规模为 66.2 亿，预计至 2024 年，我国 EDA 工具市场规模有望达到 115 亿元人民币，2020至 2024 年的市场规模符合年均增长率近 17%。
EDA 结合人工智能是趋势。EDA 问题具有高维度、不连续、非线性和高阶交互的特性，机器学习等算法能够显著提高 EDA 的自主程度，提升 IC 设计效率，缩短研发周期。人工智能赋能 EDA 主要从 和 两方面实现，从 方面，通过机器学习对 DRC、能耗、时序等预测，在参数模型建立过程中实现参数的优化，同时实现更高效的物理空间设计。 方面，通过机器学习方式，减少人工干预，极大释放劳动力。
EDA巨头积极进行人工智能与芯片设计的深度融合。国产 EDA 产商迎来新战略机遇期。目前全球 EDA 工具上大约有近百家，排名前三的公司分别是新思科技（）、铿腾电子（）和明导（），三家巨头占据着全球近 7 成左右的市场份额，在中国的市占率更是超过 95%。2022 年 8 月生效的《2022 芯片与科学法案》对 EDA 软件进行了出口管制，芯片核心技术自主可控势在必行，国产 EDA 厂商迎来重要的发展机遇。
七，投资策略
人工智能本质上是工具，要结合算法成熟度、数据积累和算力情况等多方面去判断其在不同领域的应用情况，同时下游行业发展的不同周期也一定程度上影响 AI 的应用，认为未来 AI 投资方向主要来自四个方面：
第一，算法相对比较成熟，数据训练也达到商业化要求，处于从 1 到 N 渗透的阶段，典型的如深度学习算法在金融、教育、工业等领域的应用，重点关注教育行业复苏以及工业领域的 AI 应用。
工业和机器视觉的结合，是未来几年 AI 应用最重要的方向之一，核心成长逻辑有三方面：一是下游高成长带动需求，如新能源领域快速发展带动了相关智能视觉检测设备；二是国产替代，成本叠加服务优势，有望逐步替代基恩士、康耐视等；三是新冠疫情下，制造业对机器替代人的诉求更强了，该领域公司都具备品类拓张的能力。由于多数工业领域的机器视觉公司主要收入来自消费电子领域，去年受下游需求影响增速较慢，今年有望复苏。
第二，算法尚不成熟，数据积累量不够，算力也刚刚突破，整体看仍处于从 0 到 1 阶段，典型的如自动驾驶。
智能驾驶是今年重要景气赛道之一：一是展望今年，消费需求有所复苏；二是智能驾驶的渗透率继续提升，明年下半年比亚迪、广汽 Aion、吉利极氪等传统车厂明年都会有硬件达到 L4 级别的自动驾驶车型量产；三是人民币进入升值通道，板块毛利率将逐步修复。
第三，新算法的应用，实现从 0 到 1，创造出新的需求。如 Model（扩散模型）的推出，基于扩散模型的文本生成图像模型越来越多，并很快扩展到文本生成视频、文本生成 3D、文本生成音频等，创造出新的业态和应用。
第四，AI 软硬件平台的国产化比例提升。在中美贸易战、科技战持续深化的背景下，加强对卡脖子的关键核心技术研发的支持，加速国产替代的步伐，重点看好 FPGA、EDA 等细分板块。
八，相关上市公司
中科创达（）：智能驾驶、边缘计算打开新的成长空间
中科创达：公司第三成长曲线智能驾驶、边缘计算今年将通过订单或者定点兑现逻辑，并且都实现了多平台布局，尤其是未来随着公司自动驾驶域控器等产品的推出，将让公司从汽车智能化软件走向硬件，将与车的销量直接挂钩，带来弹性；第二曲线智能座舱、物联网模组继续高增长；第一曲线智能软件业务增长还将受益于 Arm PCArm 份额提升趋势。可以看到的是，科技领域有大算力需求出现的时候，往往意味着复杂操作系统的需求，而这就意味着中科创达拥有较为广阔的成长空间。公司在每个变化的行业，都展示了较强的适配性和竞争力，也是公司持续成长的来源。
德赛西威（）：座舱稳定增长，自动驾驶域控制器持续放量
德赛西威：公司是自主域控制器龙头和智能驾驶平台型公司，聚焦智能座舱、智能驾驶和车联网三大业务群。公司第二代座舱域控制器已规模化量产，第三代座舱产品已经获得长城、奇瑞、广汽埃安、理想等多个厂商定点，公司目前正在与高通合作开发第四代智能座舱系统。智能驾驶方面，公司致力于“提供智能驾驶整体解决方案”，从智能传感器到智能驾驶域控制器及相关算法的全栈自研解决方案及多种形态业务模式组合。传感器涵盖超声波雷达，摄像头，毫米波雷达，T-BOX 等产品。车联网方面，公司已实现整车级 OTA、网络安全、蓝鲸 OS 终端软件、智能进入、座舱安全管家、信息安全等网联服务产品的商品化，获得包括一汽在内的多个客户订单。受益于智能化渗透率提升、域控产品升级带来的量价齐升，公司未来增长确定性强。
安路科技（）：民用 FPGA 领军企业 从行业来看，FPGA 是逻辑芯片中的优质赛道，且具有广泛的下游，市场空间广阔。
安路科技作为民用 FPGA 龙头，高增长可期。公司拓展更先进的制程和更大的逻辑规模，不断丰富产品线，高端的凤凰系列产品不断推出新产品，市场份额有望快速提升；嵌入式芯片 FPSoC 已经量产，未来将持续放量；公司不断拓展新应用场景，已推出车规级芯片。随着收入规模快速增长，公司将进入利润释放期。
中控技术（）：流程工业智能化龙头，品类扩张逻辑不断兑现
软件产品不断丰富，品类扩张逻辑不断兑现。公司是国内领先的流程工艺智能制造整体解决方案提供商，一直致力于流程工业的自动化、数字化和智能化。公司不断拓展产品线，实现了从单一产品到多元化产品，再到整体系统解决方案供应商的转变，具备较强的核心竞争力。公司深耕流程化工业，将长期受益于流程工业的自动化、数字化、智能化改造趋势。公司的软件产品不断丰富，近期发布了工业过程控制与设计平台 iAPEX，该软件平台支持工厂工艺设计、过程模拟与分析、工艺改进和孪生工厂开发，赋能工厂全生命周期的决策优化，将填补国内流程模拟仿真与分析软件空间，随着品类扩张和渗透率提升，预计公司的软件业务保持较高的增长速度。公司加速海外业务推进，海外营收能力不断提升。
广立微（）：WAT 测试设备龙头，数据分析业务打开成长空间
受益于 WAT 测试设备放量以及数据分析软件业务的高增长。WAT 测试设备高壁垒、高粘性，替代难度非常大。目前，全球该设备的 95%市场被是德科技占据，国内主要就广立微一家有大规模可商业化的产品。该设备需求跟晶圆厂扩产相关，我们预计国内每年至少有 400-500 台 WAT 设备需求量。设备单价平均 500 万，国内市场规模 20-25 亿，替代空间广阔。目前公司 WAT 测试设备已进入华虹、客户 A、粤芯、合肥晶合集成、长鑫存储等主流客户。公司去年出货 20 台，今年预计 40 台以上，空间广阔、放量可期。未来有望拓展海外市场，以及切入到高精度 CP 测试等新领域，从而进一步打开成长空间。
华大九天（）：模拟 EDA 全流程龙头，商业化能力不断加强、应用领域不断拓宽
华大九天模拟全流程工具不断成熟，商业化能力不断加强、应用领域不断拓宽，受益于国内模拟芯片快速发展，公司份额有望持续提升。随着公司寄生参数及仿真产品、版图验证产品的能力提升，公司模拟全流程整体工具成熟度进一步提升，商业化能力不断增强。其次，公司 EDA 工具在分立器件、电源管理类芯片设计能力较强，之后在其他模拟 IC 品类中的能力也将不断增强，应用领域也将不断拓宽。同时，我国模拟芯片产业发展较快，模拟芯片领域优秀公司不断涌现，华大九天本士化服务、定制开发能力相对较强，将不断获得国内厂商青睐，未来将实现高速增长。对于国内 EDA 公司来说，核心是看产品的商业化能力，包括功能完整度、仿真速度及精确度、晶圆厂合作及认证情况以及制程情况。经过几年发展，华大九天商业化能力有了明显提升，无论是点工具布局的完整度、先进制程的使用，还是仿真速度及精确度都有了明显提升，因此在客户范围、应用领域都有新的突破。
以上是我自己收集的资料，也就是和大家一起分享下。
本人不推荐任何个股，不收会员，没有QQ群，也没有微信群，也从不与任何人发生利益关系，所有信息只为自己学习使用，不作为买卖依据，买者自负，卖者也自负。
相关文章
