AI产业研究：行业拐点将至，不同AI公司价值几何？

1. 人工智能产业进入深水区，技术发展推动场景化落地

1.1 政策、技术、资本三轮驱动行业发展，中美领跑

过去十年全球人工智能发展迅速，各国纷纷从战略上布局人工智能，加强 顶层设计和人才培养。我国 2017 年《新一代人工智能发展规划》发布， 明确提出“三步走”的战略目标，人工智能全面上升为国家战略。2017 年 10 月，人工智能写入十九大报告；17 年 12 月，《促进新一代人工智能产 业发展三年行动计划（2018-2020 年）》；18 年 3 月，人工智能再次被写入 政府工作报告。政策密集出台，行业进入发展黄金阶段。 2016 年，美国国家科学技术委员会（NSTC）发布《国家人工智能研发战 略计划》全面布局人工智能发展。2019 年 2 月，美国总统特朗普签署行政 命令，正式启动美国人工智能计划，为美国首次推出国家层面的人工智能 促进计划。欧盟于 2018 年发布《欧盟人工智能战略》，并计划在 2020 年 底至少投入 200 亿欧元。从专利数量、AI 学者分部等情况看，中美领跑。

      

全球主流技术大多处于泡沫到低谷期的过渡阶段，小样本学习是重要发展 方向。根据 Gartner 发布的 2020 年人工智能技术成熟度曲线，GPU 加速器成熟度最高，将在 2 年内达到成熟期。机器学习、聊天机器人、计算机 视觉和 FPGA 加速器技术处于低谷期，自然语言处理、深度神经网络和人 工智能云服务即将结束泡沫期迈入低谷期，提升技术的可复用性、扩展性 和安全性才能实现二次繁荣。传统深度学习需要大量有标注的数据样本， 数据较难获得且对算力要求高。小样本学习基于少量数据实现模型训练， 是未来发展方向，当前在图像检索、人脸识别等领域已经得到应用。

计算机视觉、语音识别和自然语言处理是当前中国市场规模最大的技术。计算机视觉市场目前已在人脸识别、工业视觉、OCR 和内容理解等领域获 得重大突破，面临视频爆炸下海量视频数据处理需求以及重点落地场景对 技术精度的需求。语音技术市场份额仅次于计算机视觉，技术链日趋完善， 在语音输入、语音转文字、智能家居等领域已有成熟应用，未来需适应更 复杂的应用场景，满足新型人机交互范式和互联网应用需求。自然语言处 理受益于神经网络技术和深度学习的发展，在机器翻译、对话系统等场景 广泛应用，未来需提升文本理解的精度和深度，优化语言生产与表达质量。

      

人工智能产业链参与者众多，商业模式、场景化落地成为核心竞争焦点。 以 BATH 为首的科技巨头、字节跳动等互联网公司、AI 四小龙为典型的 AI 算法提供商，寒武纪等创业公司独角兽作为 AI 芯片提供商，以及海康威视、 大华股份、科大讯飞等综合解决方案提供商是行业的核心参与者，在产业 链上下游群雄逐鹿，多有布局。人工智能产业链包括三层：基础层、技术 层和应用层。从基础层和技术层来看，人工智能三大核心要素数据、算法 和算力已相对成熟，场景化落地成为核心竞争力。

资本市场短期遇冷，主要与前期预期过高与行业发展遭遇瓶颈有关。据 IT 橘子与深圳市人工智能行业协会统计数据，中国 AI 行业融资规模与投融资 数量 2013-2018 年整体快速增长，但 2019 年出现 45%左右的显著下滑， 2020 年投融资金额恢复 42.5%正增长，但距 2018 年颠覆时期仍有差距， 投融资数量仍有下降。一级市场曾被广泛看好的 AI四小龙 IPO 进程并非一 帆风顺，今年 7 月 2 日依图科技主动撤回申报，暂停科创板上市；旷视科 技在港交所碰壁后转战科创板，仅云从科技在 7 月 20 日成功过会，8 月 27 日商汤科技申请登录港股。我们认为资本市场早期对于人工智能行业回 报周期过于乐观，以及市场对当前创业型 AI 公司商业落地和变现模式存疑 是近两年资本市场遇冷的主要原因。

      

1.2 行业发展进入深水区，商业模式为主要瓶颈

AI行业发展进入深水区，从 AI公司财务表现、资本市场融资情况可见一斑。我们认为商业模式和变现能力是行业发展的主要瓶颈。

人工智能的概念形成于 20 世纪 50 年代，诞生于 1956 年的达特茅斯会议。 其发展阶段经历三次浪潮：1）50-60 年代注重逻辑推理的机器翻译时代， 机器人和智能软件开始出现；2）70-80 年代依托知识积累构建模型的专家 系统时代，但由于缺乏实用性，行业很快趋冷；3）2006 年起深度学习算 法的推出，开始了重视数据、自主学习的认知智能时代。在数据、算法和 计算力条件成熟的条件下，本次人工智能的爆发浪潮中技术开始落地，深 入到应用层面，帮助传统行业创造切实经济效果。截至今天，主要的算法 工具仍基于深度学习，从算法角度看行业并未实现巨大的技术突破。

实战落地场景分散，产品标准化程度低。早期 AI 公司重视算法精度提升， 然而算法走出实验室环境，对具体的场景适应能力仍有差距。如：人脸识 别技术易受静态和动态、是否化妆、有无戴口罩等外部因素影响。数据是 模型训练的重要生产资料，纯 AI 技术公司缺乏对业务场景的理解和高质量 的业务数据所有权，需要与数字化程度高、数据资源丰富的客户合作，政 企客户成为重要起点。以数字化程度最高的公安和金融为例，客户需要的 非单个模块或开发包，也不具备 SDK 集成能力，而是一整套定制化的解决 方案。不同业务应用无法规模化，使 AI 算法公司业务变重。以海康威视为 代表的的传统安防厂商转型 AI 成功，正是基于业务场景的理解和数据积淀。

知识产权和伦理问题也是导致行业发展瓶颈的重要原因。我国当前知识产 权保户环境不成熟，抄袭成本低，难以形成无形资产的价值体系。全球主 要深度学习算法框架开源以后同质化竞争严重，Google 的 TensorFlow 与 Facebook 的 PyTorch 在全球占据 90%市场份额。在一些涉及生命安全等 方向的应用场景，伦理问题成为制约因素。如：根据产业链调研数据，医 疗行业 AI 读片识别准确率约 70%，高于人工肉眼识别准确率（约 40%）， 但人工智能误诊的责任归属存在分歧；自动驾驶场景大概率维持在 L2 级， 技术装备水平高的车型声称 L2.5 等，难以实现 L3 级的跨越，主要也是因 为车祸责任归属问题。

各种因素综合，使 AI 算法公司的商业模式和变现能力受到挑战。AI 四小 龙上市招股书显示亏损严重。高定制化开发难以通过规模化复制降低成本， 缺乏数据所有权和对业务场景的理解降低客户界面议价能力，激烈的市场 竞争提高人力成本、降低人均效益。资本市场遇冷也在情理之中。

1.3 风物长宜放眼量，长期看 AI 市场空间广阔

虽然短期内 AI 行业遇冷，但长期看市场空间广阔。根据 2017 年国务院 《新一代人工智能发展规划的通知》的“三步走”战略目标，到 2020 年 人工智能总体技术和应用与世界先进水平同步，产业竞争力进入国际第一 方阵，核心产业规模超过 1500 亿元，带动相关产业规模超过 1 万亿元； 到 2025 年 AI 基础理论实现重大突破，并进入全球价值链高端，核心产业 规模超过 4000 亿元，带动相关产业规模超过 5 万亿元；到 2030 年理论、 技术与应用总体达到世界领先水平，核心产业规模超过 1 万亿元，带动相 关产业规模超过 10 万亿元。市场空间非常广阔。

AI 市场主要构成有 AI 芯片、硬件、软件等，2025 年规模有望超千亿美元。 2019 年中国市场 AI 服务器出货量 7.9 万台，未来 5 年 CAGR 约 20%。假设数据中心单台服务器平均售价约 7 万美元，可配 8 张 GPU 芯片卡，每张卡单价约 5 万元人民币，则 2025 年中国 AI 服务器 市场规模约 165 亿美元。当前 AI 服务器大约占 AI 硬件市场 85%份额，未 来更多边缘侧计算设备接入，假设 AI 服务器占比下降至 80%，则 2025 年 AI 硬件市场规模 206 亿美元。GPU 卡出货量约 188 万片。AI 芯片主要用 于数据中心服务器，但在车载计算单元、边缘及终端设备等也有广泛使用， 产品形态丰富，单价相对较低，保守估计 AI芯片市场规模约 200 亿美元。 当前 AI 软件占比较低，约 30%-40%，预计未来软件及服务占比能提升到 60%+，2025 年中国 AI总体市场规模有望超 1000 亿美元。

5G、云计算等技术进步推动 AI 协同发展。AI 深度学习算法依赖数据，高 数字化程度的行业拥有较密集数据资源，成为 AI 优先落地的领域。云化是 智能化的基础，行业数字化还需遵循 C>B>A 的路径，即先云化，再 有大数据最后实现智能化。大带宽、低时延、万物互联的 5G 网络有望带 动流量和数据量爆发，我们认为 5G 网络杀手级应用在当前建网阶段尚未 出现，2C 端 VR/AR 和 2B 端工业互联网或许是两个孵化方向。云计算与 5G 技术推广、渗透率提升有望推动更多人工智能场景落地。

深度学习框架是战略制高点，同样具备国产化替代机遇。深度学习框架作 为底层语言和算法模型的骨架，将数据、算力、算法三者相连接，向下对 接芯片（算力），向上支撑应用，可省去开发者从 0 到 1 地搭建地基的成本， 提高开发效率，与 AI 芯片构成 AI 基础设施底座，是“智能时代的操作系统”。如今 TensorFlow 和 PyTorch 占据全球主要市场份额，但开发端的需 求动态化、多元化，没有一个框架可以满足全部市场需求，也不断出现挑 战者，即：后来者仍有机会突围。当前中国的 AI 训练严重依赖美国的开源 框架，数据安全存在隐患，在中美关系影响下或提前生变。

更多的 AI 人才供给或降低人力成本，提升人均效益。AI 四小龙持续亏损 的原因之一在于人力成本过高。特别是高度定制化的碎片场景，需要较多 人力投入，导致人均效益低。经测算，AI 行业人均费用约 50 万，与人均 收入相当。海康威视之所以能在安防行业跑通 AI 商业模式，一方面是安防 行业数据量大、业务场景明确，另一方面是人效优势叠加规模化效应使公 司将“成本三低”做到极致：平均人力成本低、运营和销售成本低、产量 扩大后边际成本低。随着 AI人才供给增加，人力成本下降，AI 技术公司盈 利和变现能力提升，或能改变行业结构，使行业拐点前。

2. 主要行业参与者商业模式多样化，各有侧重

2.1 综合解决方案提供商：软硬一体，场景为王

AI 算法依赖硬件载体赋能行业，提供软硬一体的解决方案当前较为普遍。随着计算机视觉、自然语言处理、智能语音等核心技术的成熟，单点技术 已不能满足客户的复杂需求，企业转向寻求获取人工智能综合解决方案， 人工智能产业的焦点从单点技术研发转向与多元化的应用场景和行业间的 深度融合。2020 年，中国人工智能市场主要客户来自政府城市治理和运营 （公安、交警、司法、城市运营、政务），互联网与金融行业也位居前列。 医疗、工业和教育等行业也具备巨大发展潜力，未来有望成为人工智能市 场新增长点。

      

AI 赋能行业与行业反哺 AI 诞生两类参与者。纯 AI 算法较难单独定价售卖， 且市场规模较校AI 技术公司往往通过项目集成搭售硬件以扩大规模、提 升算法能力，或是专注某些易变现的行业率先实现盈利；另一类为传统硬 件公司，在某些行业已具备领先的市场地位，明确 AI 需求后再进行智能化 转型。科大讯飞作为智能语音行业龙头，持续布局智慧教育行业，横向发 展智能城市、智慧医疗等领域。虹软科技聚焦人脸分析与图像分析技术， 提供智能摄像视觉解决方案，成为国内外主流手机、相机品牌的供应商。 安防巨头海康威视、大华股份亦跟随人工智能浪潮，打造产业智能化转型， 成以视频技术为核心的智能物联网解决方案和大数据服务提供商。有“AI 四小龙”之称的商汤、依图、云从、旷视，布局多个领域，寻求人工智能 在行业中的落地场景。

商汤科技：AI 算法龙头，底层平台赋能行业升级

创始背景与战略：

AI 算法龙头，“1+1+X”打造核心竞争力。公司成立于 2014 年，创始人为 香港中文大学工程学院教授汤晓鸥，业务聚焦于计算机视觉和深度学习领 域。公司推行“1（基础研发）+1（产品和服务化）+X（行业应用）”战略， 通过自行研发的 SenseCore 商汤 AI 大装，打通算力、算法和平台之间 的连接与协同。

产品壁垒与商业模式： 专有的 AI 基础设施、强大的软件平台、丰富的商用场景和生态能力是公司 的核心竞争力。SenseCore 具备 500 亿个参数，是目前基于公开信息的全球计算机视觉领域中参数最大的模型，可有效解决数据中的长尾问题、隐私计算，并加快人工智能模型的部署和商业化进程。截至 2021 年 H1，公 司在主要区域市场战略性地建立 23 个 AI 训练集群，拥有 超过 20000块GPU，总算力每秒 1.17 百亿次浮点运算，软件平台客户已超过 2400 家， 覆盖 250 家 500 强企业、119 座城市，30+车企，4.5 亿+智能手机。

目前公司技术涵盖人脸和人体分析、SLAM 与 3D 视觉、图像识别、机器人控制与传感、海量视频理解与挖掘、自动驾驶、医学图像分析等领域， 进而衍生出城市开放平台、智慧诊疗平台、智慧交通平台、金融身份核验、 智能车舱、手机人脸识别等产品及服务，赋能安防、医疗、金融、自动驾驶、智能手机等行业。公司官网披露的产品主要有三类：计算平台、软件 算法、硬件终端设备。根据产业链调研，公司产品多以私有云为部署方式， 算法平台封装成 SDK 按照调用次数收费，软件按订阅制收费或单独出售 license，硬件按件出售，具体依项目情况而定。

依图科技：芯片+算法的实战型 AI 公司

创始背景与战略：

公司成立于 2012 年，当前拥有约 1500 名员工，创始人为加州大学洛杉矶 分校统计学博士朱珑及前阿里资深云计算专家林晨曦。朱珑师从计算机视 觉奠基人 Alan Yuille 教授，在麻省理工、纽约大学等世界著名院校担任过 研究员，曾在世界顶级刊物发表数十篇论文，学术研究能力扎实。林晨曦 为前阿里云资深专家、技术总监，曾在微软亚洲研究院从事机器学习、计 算机视觉、信息检索以及分布式系统方向的研究工作。公司与“四小龙” 中其他几家企业最大的不同点是其技术并非来自创始团队的科研成果转化， 而是从行业需求出发，于 2013 年为苏州公安开发了车辆识别系统，将套 牌车的识别率从不足 30% 提高到 90%，后续完善能力矩阵、进军芯片。 我们认为实战型公司文化有利于挖掘客户需求，提升商业转换率。

产品壁垒与商业模式：

公司业务主要分为智能公共服务与智能商业两大类：智能公共服务业务的 客户主要为政府部门和医疗机构，覆盖城市管理、医疗健康等场景；智能 商业园区为商业地产、金融、制造、交通运输、互联网等企业客户提供园 区管理、网点服务、安全生产、交通出行和互联网服务等场景。 公司为客户提供人工智能硬件、软件及软硬件组合及 SaaS 服务等解决方 案，三类产品营收占比分别为 24%、15%和 61%。其中硬件产品销售主要 为内嵌操作系统和基础功能软件的服务器、摄像机等。其中，原石系列智 能服务器搭载公司自行研发的 QuestCore 求索芯片，该芯片单颗代替人工 智能推理计算中所需的 CPU、GPU 及解码器等多种类型算力的组合，适 用于云端计算和边缘端计算场景，主要为缩短人工智能芯片与算法、服务 器的适配过程，加快设备的设计开发及发布，目前尚未单独销售。

2.2 互联网公司：数据资料变现，推荐算法为主

以字节跳动为首的互联网公司在满足自身业务需求基础上实现技术外溢。与综合解决方案提供商不同，互联网公司主要优势来源于自身业务中台能 力积淀，将自身数据资料变现，以推荐算法见长，收取广告费。

字节跳动：火山引擎提供全链条解决方案，赋能企业数字化转型

创始背景与战略：

字节跳动的 AI能力源于自身业务需求，包括基于头条 App 的推荐算法、文 本理解、机器翻译，基于抖音生态的美颜、语音合成和音乐方向 AI 技术等。 公司的快速增长产生技术溢出，建立火山引擎，将推荐算法等技术打包成 解决方案出售给企业级客户，实现技术变现。火山引擎的架构体系分为四 层：统一基础服务、技术中台、智能应用和解决方案。从底层系统到上层 客户端一站式赋能，满足企业多种需求和应用场景，以更低的成本支撑业 务增长。

      

产品壁垒与商业模式：

公司的算法技术源于自身业务理解，能为客户带来实际的营销效果提升， 同时字节有独特的收费模式。其他厂商卖推荐算法主要有两套方案：1）卖 推荐平台，客户基于机器学习平台做自己的开发和优化，基于 GPU和带宽 等按照使用量收费；2）按照一次性的价格售卖成熟模型。字节是基于效果 收费，如：之前推荐准确度是 60%，字节算法提升到了 80%，就按照差额 20%进行收费。字节大约 17-18 年进行技术输出，最开始给小米等手机合 作商的应用商店提供推荐算法，逐渐扩展到浏览器内容推荐、照相机图像 优化等方面，并增加客户范围。基于效果收费的模式在前期准确率快速提 升时广告收入同样提升，但当准确率提升到一定程度后天花板仍然明显。 平台 SDK 各厂商的收费模式比较类似，基本类似订阅制，但字节跳动的 算法认可度较高，可产生一定技术溢价。

2.3 云计算巨头：引领前沿技术，防御型作战为主

科技巨头积极主导人工智能研发平台发展。数据收集、数据预处理、数据 标注、模型训练、模型评估和模型部署等一系列任务，无一不考验着企业 的 AI模型精度和 AI开发效率、AI 算力资源等 AI开发能力。目前大数据、 云计算是我国人工智能发展的重点核心技术，占比高达 41.13%。国内云计 算巨头在资金、技术、人才获取方面优势显著，且能基于自己的场景需求 封装 AI 能力，仅需考虑产品化的增量成本，在结构性成本上有天然优势， 因此主导人工智能平台发展。如：阿里云、百度大脑日调用量已突破 1 万 亿次， AI开放平台用户已超 12 亿人，在国内具备较强行业影响力。

      

AI 是云计算巨头与客户接触的触点，防御型作战为主，赋能数字化转型。AI 能力是客户数字化转型项目控标的条目之一。以阿里云为例，公司业务 重心仍以 IaaS 层的云服务为主，通过 AI 开放平台提供通用的 AI 能力，需 要定制的解决方案服务则主要由 ISV 及已有相应产品/服务的合作伙伴来完 成。客户关注投标厂商是否有对应行业的服务经验。阿里云的人工智能废 钢定级平台利用机器视觉和行业知识结合，解决了长山西晋南钢铁集团的 废钢判级问题，节省废钢定级时间近 1/3、卸车时间 6-10 分钟，便是未来 获取类似的数字化转型项目的经验积累。

3. 商业模式决定财务表现，长期盈利能力值得关注

3.1 营收结构的差异导致行业内部盈利状况悬殊

行业总体增速显著，AI 四小龙增速总体超传统硬件厂商。受益于过去几年 “雪亮工程”、企业数字化转型，视频与安防行业景气度持续上升，物联网、 人工智能、大数据、云计算技术发展等机遇，海康威视、大华股份等头部 传统硬件公司保持良好的业绩增长态势，而 19 年中美贸易摩擦、20 年疫 情原因带来出口降低，科大讯飞调整非战略性业务，收入增速伴随经营规 模进一步扩张的难度提升而有所放缓。AI 四小龙与虹软科技因营收基数小， 覆盖的场景和产品矩阵更加丰富完善，行业解决方案持续迭代，以及硬件 设备出货量增加等因素，营收增速总体超过传统硬件厂商同期。

      

传统硬件厂商毛利率总体稳定，算法提供商除虹软科技以外波动较大。头 部传统硬件企业凭借深厚的行业经验，毛利率稳定维持 50%左右，波动范围小于 10 Pct。其中海康威视市场份额领先，对上游供应链和制造成本管 控优势显著，毛利率稳步提升。虹软科技因提供算法为主，长期维持 90% 以上高毛利率。AI 四小龙因产品组合差异，毛利率波动较大。业务构成对 公司盈利能力影响巨大。

以科大讯飞为例，公司智慧教育产品矩阵渐趋完善，因材施教解决方案规 模化复制加速提升盈利水平。公司作为深耕 AI 教育行业的龙头，智慧教育 始终是公司业务基本盘，行业高速发展以及疫情期间在线教育需求普及是 公司业绩增长主因。2021H1 智慧教育业务收入占总营收高达 29%，同期 增速高达 31.53%，拉动营收逆市高增。To B 业务场景公司不断中标智慧 教育项目，2019 年底中标的安徽省蚌埠市智慧学校建设项目已获教育部认 可为“智慧教育示范区”，截至 2020 年底智慧教育产品已在中国 31 个省 级行政区广泛应用，与全国 38,000 余所学校深度合作，服务过亿师生。To C 业务因学习机产品高度标准化，随着产品矩阵完善、出货量增加，显现 强大的变现能力和较高毛利率（约 54%）。

      

虹软科技作为国内视觉 AI 的领军企业，27 年专注于计算机视觉算法，智 能手机视觉解决方案一直是虹软科技的主要营收来源，收入占比从 2016 年的 67%提升到 2021H1 的 93%。2020 年智能手机视觉解决方案的毛利 率高达 94.93%，使公司总体毛利率（近 90%）远超同行业平均水平。虽 然 2020 年新冠疫情的影响下手机出货量在全球范围内呈下降趋势，但由 于公司已将视觉解决方案广泛布局，进一步提升市场份额，带来公司智能 手机业务营收的逆势高增长。未来智能驾驶业务将成公司的第二增长曲线。

软硬件结合的项目制销售模式降低 AI 四小龙总体盈利能力。云从科技营收 主要来源于软硬件组合，营收占比约 60%，对应毛利率仅 27%。毛利率最 高（85%）的软件授权业务在云从科技营收中占比仅 25%。旷视科技主营 业务可分为消费物联网解决方案（细分为云端 SaaS 类和移动终端类），城 市物联网解决方案和供应链解决方案。公司以城市物联网解决方案为主要 营收来源，占比近 65%，而其毛利率仅为 30%。毛利率近 80%的云端 SaaS 类营收占比仅 20%，且近两年呈现递减趋势。AI 四小龙销售以软硬 件一体化或解决方案为主，改善商业模式、提升纯软件销售比重是提升盈 利水平的关键。