来源：乐晴智库精选
▌AI步入下半场
IT每十年一阶段形成六大阶段
每一轮科技革命都会带来新的赢家
基础设施—通用平台—应用层的发展路径
每一轮科技革命均印证基础设施先行的发展路径
基础设施与通用平台易形成寡头垄断
应用层的发展愈来愈依托于生态
云计算厂商的资本开支规律
基础设施的高投入带来云收入的高增长，反之未必成立
17-18年为此轮基础设施投入的高峰
2020年，随着5G的大规模应用有望带来又一次的AIIaaS的军备竞赛
AI基础设施处于爆发前夜
AMD7nmGPU面世加速AIaaS普及。AMD7nmGPU打破NVIDIA垄断，动辄上万的AIGPU有望降价。
传统服务器无法满足日益增长的AI算力需要。
互联网巨头开始争夺下一代通用平台
云、边、端统一管理平台成为新一代企业上云关键。华为AI全栈解决方案，分层API和预集成方案，以期实现任何场景性价比的最优化。
微软Kubernetes开源架构，将云边端操作系统打通。阿里云云边端一体化计算平台，设备端:提供物联网操作系统AliOSThings;边缘端:IoT边缘计算产品LinkEdge。
行业Know-How成为AI场景核心壁垒
各细分行业积累要求不同，行业属性强。金融、医疗、政务等均有各自独特行业属性，龙头普遍积累时间长护城河深。
BAT加速入股布局B端。今年以来，BAT加速入股抢占AI场景入口。
▌三大因素助力AI算力爆发
传统服务器难以满足AI算力需求
摩尔定律失效，CPU性能提升遭遇瓶颈。Intel宣布正式停用“Tick-Tock”处理器研发模式，未来研发周期将从两年周期向三年期转变。单颗CPU性能的提升在放缓。
传统服务器难以满足并行算法需求。服务器CPU出货量增长停滞。
AI芯片步入成长期
7nm制程的突破有望带来AIGPU大规模商用
AMD7nmAIGPU面世，功耗比再次提升。
同等功耗下，新核心性能提升超过25%，同等频率下，功耗降低50%。
拥有世界最快的FP64/FP32PCI-E浮点性能，可进行机器学习训练和推理、硬件虚拟化和端到端的ECC纠错保护。
FPGA云端加速布局
FPGA的优势主要体现在拥有更高的每瓦性能、非规整数据计算更高的性能、更高的硬件加速性能、更低的设备互联延迟。
微软基于FPGA的ProjectBrainwave云端单个图像只需要在1.8毫秒内就能处理，超过了现存的所有云服务。
阿里FPGA云服务器平台FaaS主要面向人工智能、半导体设计、基因计算、视频图像处理、数据分析决策等场景。
ASIC芯片:华为与寒武纪成为主导
华为AI全栈解决方案进军AI芯片。
2018年10月，华为正式发布两颗AI芯片，分别为华为昇腾910和昇腾310。
两款芯片都采用达芬奇架构，其中华为昇腾910的单芯片计算密度最大，比目前最强的NVIDIAV100的125T还要高上一倍，预计在明年第二季度正式推出;而昇腾310则是昇腾的mini系列，主打终端低功耗AI场景，具有极致高效计算低功耗AISoC，目前已经量产。
据介绍，2019年昇腾还有3个系列，将用于智能手机、智能穿戴、智能手表等。”
寒武纪IP授权+芯片出售，与华为错位竞争。Dainnaoyu为全球首个深度学习指令集。
开源AI软件带动AIaaS需求
越来越多的企业选择AI开源平台及软件。TensorFlow、Caffe、CNTK等AI开源平台及诸如Google、Facebook、Microsoft和BAT等采用越来越多的AI算法。
到2022年，一半以上的AI服务器收入有望来自于AI开源软件。根据IDC的统计，AI服务器中来自于AI开源软件的比例将由2017年的38.6%上升到53.8%。
定制化:互联网巨头AI服务器个性化定制需求增强
浪潮信息:面向不同下游客户与行业提供定制化AI服务器解决方案
•通过与下游客户合作为客户提供定制化AI服务器解决方案，2017年9月，浪潮与百度联合发布ABC一体机;2018年4月与科大讯飞联合发布“AIBooster”方案，提供面向语音识别、智能翻译的训练方案。
•面向多行业提供定制化AI解决方案，目前包括智能视频分析IVA、医疗影像、电力设备巡检、金融汇率预测、语音识别等多行业人工智能解决方案。
下一代算力:量子计算
国内外科技企业均已进军量子计算领域，国内阿里起步较早，百度与腾讯尚处于前期阶段。
谷歌2018年3月推出了拥有世界第一72量子比特的量子芯片Bristlecone;
阿里于2018年5月研制出世界最强的量子电路模拟器“太章”并模拟了81比特的随机量子电路，预计两至三年内推出量子芯片;
华为于2018年10月发布了量子计算模拟器HiQ云服务平台，包含量子计算模拟云服务和量子编程框架，模拟了全振幅42量子比特，单振幅81量子比特的量子计算。
AI与云产生交集，AIaaS刺激更多产业机会
容器是一种新兴的轻量架构方案，能够高效利用系统资源(相同的硬件可以创建的容器数量是虚拟机的4-6倍)。
虚拟机管理程序对整个设备进行抽象处理，通常对系统要求很高，而容器只是对操作系统内核进行抽象处理，使用共享的操作系统，高效、成本低、可快速按需扩容、简化部署管理。
容器非常有潜力替换虚拟机成为云计算的基础架构，并成为主流的软件应用承载模式。
AI算法日趋成熟
语音识别、虚拟现实与机器视觉已从导入期进入成长期。
算力的发展为算法实现创造条件
深度学习的大规模实现需要算法的支持。
互联网与移动网同样带来大量的训练数据。
语音识别与计算机视觉开始商用
标准化的数据集丰富。语音与图像数据较易标签化。15年图像识别准确率变已超过人类。
CNN、RNN等神经网络基础算法成熟。根据Imagenet等测试结果，语音识别与机器识别准确率均已在90%以上。
语义识别获突破性进展
自然语言处理(NLP)为语义识别的主要基础算法。
简单来说，就是用计算机来处理、理解以及运用人类语言(如中文、英文等)，属于人工智能的一个分支，又常被称为计算语言学。
深度学习与NLP的结合加速语义识别突破。
语义识别需要完成5个阶段:分类、匹配、翻译、结构化预测、序贯决策过程。目前深度学习有助于解决前四个任务，并已经成为解决这些问题的当前最佳技术。
Google宣布开启NLP新时代
Google宣布BERT模型开启NLP新时代。
BERT是一种预训练语言表示的新方法，机器阅读理解较高级水平测试SQuAD1.1中表现出惊人的成绩:全部两个衡量指标上全面超越人类。
模型的地位类似于ResNet在图像识别的地位，将成为NLP基础算法。
无人驾驶算法不断成熟
智能驾驶尝试步入L4阶段。Tesla与百度算法不断迭代，BATJ车载OS不断推进，园区公交开始商用。
▌安防、医疗与金融有望率先应用
语音识别:AI音箱风靡全球
语音交互打造智能家居。根据Canalys的统计2018年第二季度，全球智能音箱出货量总计达到了1680万台，相比去年同期的580万台增长了187%。
海外Google与Amazon，国内阿里、小米与讯飞成为代表。
机器视觉的直接应用:安防与医疗AI
“云边结合”前置智能算法，以边缘计算替代后端智能NVR实现特征提取，人员检索功能，将成为安防智能化主体。
海康以“视觉大数据”构建AICloud平台。18年4月，海康宣布采用云边融合独特架构，基于“萤石+行业+平台”战略，在其安全生活业。务平台萤石云平台上提供服务。
医疗AI:医疗影像诊断率先突破
多层神经网络算法的成熟
多层神经网络构建的深度学习模型(DNN)是2017年发展最快的一项技术。DNN的可解释性得到突破:将每一个神经元都与一个topic进行关联，于是整个网络变得具有可解释性。
标准化影像数据的大量积累。医疗信息化红利开始兑现。
医疗影像公司解决方案的不断成熟。代表公司:卫宁健康、万里云、和仁科技等
医疗AI:诊疗市场与IT投入进入爆发期
云平台方式提供影像拍摄和辅助诊断。以公有云或私有云的方式部署，有效提升医生诊断效率。
根据IDC统计，影像AI至少提高数倍工作效率，每年可为医院节约几百万元的费用或者增加百万甚至千万元的收入。
由影像AI向全医疗领域AI横向拓展。根据IDC预测，2017年医疗人工智能(AI)诊疗服务市场规模达到1.83亿元，预计到2022年将达到58.75亿元，2017至2022年的年复合增长率为100.1%。
2017年医疗人工智能(AI)的IT投入规模为1.1亿元，预计到2022年将达到16.5亿元，2017至2022年的复合增长率为71.8%
工业AI:机器视觉与激光的完美结合
相关标的:宝信软件、新北洋、海康威视、汉得信息、Keyence、Cognex、IsraVision
重新定义工业，有望实现对检测人员的大量替代
检测数据的积累分析可进一步提升良率
金融AI:智能风控与影像采集
AI策略从动量/舆情走向风控/数据库，开始反转
金融反诈骗。分析用户登陆行为、用户图关系、弱可信关系等
影像采集。金融以身份认证为主
自然语言处理:法律成为下一个风口
司法AI分析技术日趋成熟。目前的NLP算法已经把法律领域从为大的文档制作预测编码系统，转移到为诉讼提供分析。硅谷律师事务所已使用LexMachinaAI算法分析收集竞争情报，从而做出更好的决策、资源调配和调整客户计费。
