北京知名荨麻疹医院 http://m.39.net/pf/a_9204186.htmlAI（ArtificialIntelligence）人工智能。中文拼音“爱”。
政策支持
图2：AI人工智能相关支持政策
行业概况
问题：AI是什么？AI应用到哪里？
AI，人工智能，是机器展现出的智能（智力）。智力：学习、理解和推理的能力。机器：将能量传输或者改变以进行某种任务。
AI可以和任何智力任务相关。现代AI技术运用广泛。通常而言，当一项技术成为主流技术，它便不被认为是AI，这叫做AI效应。比如说，随着技术进步，opticalcharacterrecognition（文字识别）不再被认为是AI。
现阶段被划分为AI的能力包括：
1.成功理解人类的谈话，（人类是唯一有说话能力的动物）
2.参与高水平的战略性游戏竞赛（比如象棋和围棋），
3.汽车自动驾驶，
4.CDN智力路由，（路由即因特网资料包的路径安排，CDN即内容传送网络）
5.解读复杂数据。
AI相关重要概念
AI鼻祖：图灵。年，英国数学家、逻辑学家阿兰·麦席森·图灵(~)提出了一种抽象的计算模型——图灵机(TuringMachine），用纸带式机器来模拟人们进行数学运算的过程，图灵本人被视为计算机科学之父。
计算机，发明于二战期间（），目的是使用三角法来计算如何用鱼雷集中移动中的目标。
年，图灵发表了一篇划时代的论文《计算机器与智能》，文中提出了人工智能领域著名的图灵测试-让你通过对话（非语言，看不见对方的情况下）来判断你是跟机器对话还是和人对话，如果对方是机器，而你认为是人，则机器具备人工智能。
图3：图灵测试
AI的技术路径
图4：思考：科大讯飞说的对吗？
来源：科大讯飞网络公开资料
科大讯飞：人工智能的核心技术发展有2条主线：第一是以深度神经网络为代表的算法，第二个是脑科学和类脑科学研究。
图5：思考：一级市场的AI投资逻辑全面吗？
来源：36氪网络公开资料
AI研究目前还没有统一的理论或思想。AI研究者们在很多问题上存在分歧。长久以来，未有定论的问题包括：
1.AI应该通过学习哪种方式模拟人的智力，心理学还是神经学?
2.鸟类生物学对航空工程学没有参考意义，是否人类生物学对AI也没有参考意义？
3.如何描述智能行为，用简单、优雅的原则（比如逻辑或优化），还是要需要解决大量完全不相关的问题？
4.如何再现智能，用高级象征符号（类似于语言和想法），还是用“亚象征（符号）”？
StuartShapiro（斯图尔特夏皮罗）将AI研究分为3种，计算心理学、计算哲学和计算机科学。计算心理学制作计算机程序模拟人类行为。计算哲学用来发展具有适应性的，自由的计算机思维。计算机科学则是制作机器只进行人类以前能够完成的行为。
技术路径
1.人工头脑学（控制论）和大脑模拟
在20世纪40年代和50年代，一些研究人员探索了神经学，信息理论和控制论之间的联系。其中一些人建立了使用电子网络展示基本智慧的机器，例如W.GrayWalter的海龟和约翰霍普斯基野兽。许多研究人员经常在普林斯顿大学的视觉学会和英国的比例俱乐部聚会。到年，这种方法在很大程度上被放弃了，20世纪80年代它的一些要素复苏。
2.象征符号（Symbolic）
20世纪50年代中期，当进入数字计算机时代，人工智能研究开始探索将人类智力简化为象征符号的可能性。研究主要集中在卡内基梅隆大学，斯坦福大学和麻省理工学院三个机构中，每个机构都开发出自己的研究风格。约翰·海格兰（JohnHaugeland）将这些方法命名为AI“好老人AI”或“GOFAI”。20世纪60年代，象征符号法在模拟小型示范项目的高层次思想方面取得了巨大的成功。基于控制论或神经网络的方法被放弃。20世纪60年代和70年代的研究人员相信，象征符号法最终将成功地创造出具有人工通用智能（AGI机器能做人能做的所有事情）的机器，并将其视为其领域的目标。
几种方式：
▲认知模拟，研究人类解决问题的技能，用心理学（想法）模拟；
▲基于逻辑的，不管算法，基于主要逻辑；
▲反逻辑，比如常识；
▲基于知识的，比如专家系统。
3.亚象征符号（Sub-symbolic）
到20世纪80年代，符号AI的进步似乎停滞不前，许多人认为，象征符号系统永远不能模仿人类所有的认知，特别是感知，机器人制造和操作，学习，以及模式识别。一些研究人员开始研究“亚象征”方法来处理具体的AI问题。亚象征符号法可以在没有具体知识的情况下达到人工智能。
几种方式：
▲实体智慧，专注于使机器人移动和生存的基本工程问题；
▲计算智能和软计算，神经网络是软计算的一个例子，不是用完整的逻辑解决问题，而是寻找近似的解决方案；
▲机器学习和统计学，在20世纪90年代，AI研究人员开发了复杂的数学工具来解决具体问题。这些工具是真正的科学的，因为它们的结果既可以衡量又可以验证，并且它们造就了AI最近许多的成功。共享的数学语言还允许与更加成熟的领域（如数学，经济学或运营研究）进行高水平的协作。斯图尔特·罗素和彼得·诺维格（PeterNorvig）将这一运动描述为“革命”和“neats（逻辑派）的胜利”。有批评者认为，这些技术（除了少数）过于专注于特定问题，未能解决普遍人工智能的长期目标。
AI的发展速度？指数级增长
图6：摩尔定律
来源：经济学人杂志网络公开资料
年时任仙童半导体公司研究开发实验室主任的摩尔应邀为《电子学》杂志35周年专刊写了一篇观察评论报告，题目是：“让集成电路填满更多的元件”。在摩尔开始绘制数据时，发现了一个惊人的趋势：每个新芯片大体上包含其前任两倍的容量，每个芯片的产生都是在前一个芯片产生后的18-24个月内。
如果这个趋势继续的话，计算能力相对于时间周期将呈指数式的上升。摩尔的观察资料，就是后来的摩尔定律，所阐述的趋势一直延续至今，且仍不同寻常地准确。
AI未来可能出现指数级增长，类比摩尔定律：
5年10倍，10年倍，40年1亿倍，50年亿倍。
发展阶段
图7：语义识别准确率
图8：图像识别准确率
目前语音识别的技术成熟度较高，已达到95%的准确度。然而，需要指出的是，从95%的准确度到99%的准确度带来的改变才是质量的飞跃，是人们从偶尔使用语音变到常常使用。
NLP自然语言处理语义：分析“他”是谁？
爸爸抱不起儿子，因为他太重了。
爸爸抱不起儿子，因为他太累了。
图9：AI人工智能公司逐年成立数量
目前来看，AI类比互联网和计算机的发展状况，处于早期阶段。
AI应用
竞赛
有一些竞赛推动了人工智能的研究。推广的主要领域是：机器通用智能，对话，数据挖掘，（机器人）车，机器人足球和游戏。
医疗保健
人工智能通过协助医生进入医疗行业。根据彭博科技资讯，微软开发了AI来帮助医生找到正确的癌症治疗方法。和癌症相关的研究和药物数量巨大。有超过种药物和疫苗来治疗癌症。这对医生不利，因为选择太多，使得为患者选择合适的药物变得更加困难。微软正在开发一个名为“汉诺威”的项目。其目标是记住癌症所需的处方，然后给出建议，哪些药物组合在一起对具体患者最有效。还有正在研发的一个项目是治疗骨髓性白血病，一种致命的癌症，其治疗方法在几十年内没有改善。据报道另一项研究发现，人工智能在确定皮肤癌方面与训练有素的医生一样优秀。还有一项研究是使用人工智能来尝试监测多个高风险患者，这是通过根据从现场医生到患者互动询问中获得的数据完成的。
据CNN报道，华盛顿儿童国家医学中心的外科医生最近进行了一项研究，成功地用自动机器人进行手术。该团队观测机器人执行软组织手术，机器人进行了一场开放手术，缝合猪肠，该团队称比人类外科医生做得更好。
汽车行业
基于AI的无人驾驶，为汽车行业的发展做出了贡献。截至年，有超过30家公司利用AI创造无人驾驶汽车。涉及AI的几家公司包括特斯拉，谷歌和苹果公司。
许多组件有助于自动驾驶汽车的运作。这些车辆配有制动，换道，防撞，导航和制图等系统。这些系统以及高性能计算机一起整合到一辆复杂的汽车里。
影响无人车功能的一个主要因素是地图。通常，车辆会预先导入驾驶区域的地图。该地图包括路灯和路缘高度的数据，以便车辆知晓其周围环境。然而，Google一直在研究一种算法，创造一种能够适应各种新环境的设备，将不再需要预先导入地图。一些自动驾驶车辆没有配备方向盘或刹车，所以还有研究算法，如何让乘客在其中感知速度和驾驶条件，维持一种安全的环境。
金融
金融机构长期以来一直使用人工神经网络系统来检测正常范围以外的收费或索赔，将其标记做调查。
自年开始，美国安全太平洋国家银行成立了一个防欺诈工作组，以打击未经授权使用借记卡的情况。像Kasisito和Moneystream这样的APP（应用程序）在金融服务中被使用。
银行利用人工智能系统组织运营，维护簿记，投资股票和管理物业。人工智能可以在夜间做出反应，或者在不上班时做出反应。年8月，机器人在模拟金融交易大赛中击败了人类。
通过监测用户的任何异常的行为模式，AI也减少了欺诈和犯罪。
应用举例：语音
先有软件，再有硬件。
事件：微软Build开发者大会推出Cortana智能音箱
评论：以智能硬件为载体，人工智能行业在加速发展。国外的四大科技巨头就差苹果还没推出相应的智能语音设备，亚马逊有AmazonEcho、谷歌有GoogleHome，微软有Cortana智能音箱，如果在今年的WWDC，苹果没有推出Siri智能音箱，那可就慢了其它竞争对手半拍。微软发布的由哈曼卡顿制造的Cortana智能音箱——HarmanKardonInvoke，用户可以使用Cortana指令去从事各种任务，包括可通过微软的即时通讯软件Skype拨打和接听电话，支持语音控制音乐播放，能提供度音频输出。外观上，HarmanKardonInvoke呈圆柱形，类似亚马逊的AmazonEcho，不同之处在于Invoke更倾向于上宽下窄的设计。微软与第三方硬件厂商的关系向来密切，尤其是在硬件领域的联手合作，这次微软还找来了惠普和英特尔帮忙。微软已经和英特尔签署协议，由英特尔为Cortana设备创建参考平台，而惠普将会推出全新的Cortana智能音箱，虽然两家的方向不同，但是无疑都能共同推动微软在智能语音设备领域的发展。或许在接下来的日子，会有更多其它厂商也加入到这个阵营中。
图10：AI+应用场景举例
图11：AI+教育
来源：东方证券网络公开资料
国外格局
-9-29，Facebook、Amazon、GoogleAlphabet、IBM和微软发布公告称将联合成立一个人工智能（AI）联盟，这几家巨头将成为伙伴关系，共同进行AI技术研究和AI领域推广。
AI联盟最大使命是进行行业标准和规范讨论，包括探讨AI促进社会中的变革方式。此外，AI的伦理、包容性和隐私等也是这个联盟的重要研究课题。
AI联盟的市值合计为15.37万亿，如果加上参与AI的苹果、特斯拉和中国BAT，则市值高达25.8万亿，约为中国股票市值的49%，中国GDP（国内生产总值）的35%。
图12：国际AI联盟
来源：万得海银研究
AI美国资本市场对重要参与者的平均估值28.2倍。
国内行业主要参与者
因为语言环境不同，国内的中文AI有其独特竞争优势，比如说科大讯飞在语音识别上有优势。
图13：基于中文环境，中国AI公司具有竞争优势
中国大陆股市共39家AI相关上市公司，平均估值PE为41.1倍，算上BAT估值在49.5倍。
图14：中国资本市场AI估值
来源：万得海银研究
AI产业链
图15：AI产业链
来源：36氪研究院海银研究
技术支撑层主要由算法模型（软件）和关键硬件（AI芯片、传感器）两部分构成。传感器负责收集数据，AI芯片（GPU,FPGA,NPU等）负责运算，算法模型负责训练数据。
基础应用层主要由感知类技术和其他深度学习应用构成。感知技术主要用于让机器完成对外部世界的探测，即看懂世界、听懂、读懂世界，由计算机视觉、语音识别、语义识别一并构成，是人工智能产品或方案不可或缺的重要部分。唯有看懂、听懂、读懂，才能够做出分析判断，进而采取行动，让更复杂层面的智慧决策、自主行动成为可能。
方案集成为集成了一类或多类基础应用技术的，面向应用场景特定需求的产品或方案。人工智能作为一类技术，应用在多种多样的应用场景中；而在各类产品中人工智能的比重或有区别，但其本质都是让机器更好的服务于我们的生产和生活。
科技巨头们纷纷布局人工智能产业链，具体来讲有三种方式；打造AI开源平台、布局AI芯片、布局AI核心技术。
图16：AI开源平台
来源：36氪研究院海银研究
图17：AI芯片布局
来源：36氪研究院海银研究
图18：AI技术布局
股权项目历史退出回报情况
从数据来看，截止年4月，有统计的退出案例数共个，平均退出年限3.2年，平均回报倍数5.73倍；年平均退出年限4.02年，平均退出回报3倍；年至今平均退出年限3.85年，平均退出回报2.97倍。
图19：股权项目历史退出回报情况
来源：私募通海银研究
AI股权项目中国资本市场退出回报、退出期限
图20：AI人工智能相关股权项目退出回报
注：统计的是上市当日的账面回报倍数，实际退出回报依据资本市场表现会有所差异。自年IPO重启以来，新股上市后普涨，回报倍数普遍更高。
来源：海银研究部王震
免责条款
本报告由海银财富管理有限公司制作。本报告中的信息均来源于已公开的资料及信息，但海银财富管理有限公司（以下简称“海银财富”）对这些资料和信息的准确性及完整性不作任何保证。本报告中的信息、意见等均仅供投资者参考之用，不构成所述证券买卖的出价或征价。该信息、意见并未考虑到获取本报告人员的具体投资目的、财务状况以及特定需求，在任何时候均不构成对任何人的个人推荐。
投资者应当对本报告中的信息和意见进行独立评估，并应同时考量各自的投资目的、财务状况和特定需求，必要时就法律、商业、财务、税收等方面咨询专业财务顾问的意见。对依据或者使用本报告所造成的一切后果，海银财富均不承担任何法律责任。
本报告所载的意见、评估及预测仅为本报告出具日的观点和判断。该意见评估及预测无需通知即可随时更改。过往的表现亦不应作为日后表现的预示和担保。在不同时期，海银财富可能会发出与本报告所载意见、评估及预测不一致的研究报告。
海银财富的销售人员、交易人员以及其他专业人士可能会依据不同假设和标准、采用不同的分析方法而口头或书面发表与本报告意见及建议不一致的市场评论和/或交易观点。海银财富没有将此意见及建议向报告所有接收者进行更新的义务。海银财富的其他投资业务部门可能独立做出与本报告中的意见或建议不一致的投资决策。
本报告的版权仅为海银财富所有，未经书面许可任何机构和个人不得以任何形式转发、翻版、复制、刊登、发表或引用。
