越来越多的人工智能企业正叩响科创板的大门

近年来，在算法、算力和大数据三大要素驱动下，人工智能的产业成熟度正不断提升，同时，越来越多的人工智能企业正叩响科创板的大门。

依据产业链上下游的关系，人工智能被划分为基础层、中间技术层和下游应用层。其中国内人工智能产业侧重于技术层和应用层，与之相比，基础层则是整个人工智能产业链的技术薄弱环节。比如对于AI芯片的研发，虽然寒武纪、地平线、华为等中国公司布局了AI芯片，但与英伟达、AMD、Intel、Xilinx 等美国的公司相比，中国的人工智能芯片行业正处在萌芽期。

整体来看，华泰证券在2020年5月发布的深度报告中指出，从产业生态来看，我国偏重于技术层和应用层，短期来看，应用终端领域投资产出明显，但其难以成为引导未来经济变革的核心驱动力。中长期来看，人工智能发展根源于基础层（算法、芯片等）研究有所突破。

三大技术方向

在人工智能产业链中，中游技术类企业具有技术生态圈、资金和人才三重壁垒，是人工智能产业的核心。华泰证券报告指出，相比较绝大多数上游和下游企业聚焦某一细分领域，技术层向产业链上下游扩展较为容易。

进一步来看，技术层主要包括算法理论（机器学习）、开发平台（开源框架）和应用技术，其中我国在算法理论和开发平台的核心技术仍有所欠缺，但在应用技术的部分领域已具备长足的优势。

记者了解到，计算机视觉、智能语音、自然语言处理是三大主要技术方向，也是中国市场规模最大的三大商业化技术领域。

在计算机视觉领域，根据沙利文咨询的统计预测，2019年中国计算机视觉行业市场规模约为219.64亿元人民币，预计2024年将达到1613.03亿元人民币。目前该行业市占率前四名的企业分别为：商汤科技，旷视科技，依图科技和云从科技。

而对于智能语音和自然语言处理，根据沙利文咨询的统计预测，2019 年中国智能语音行业市场规模约为 218.4 亿元人民币，预计2024 年将达到489.8 亿元人民币。

受益于计算机视觉、智能语音、图像识别、自然语言处理等技术的快速发展，人工智能已广泛地渗透和应用于诸多垂直领域，产品形式也趋向多样化。

记者了解到，当前运用相对成熟的是 AI+赋能产业，包含：安防、智能汽车、新零售、 医疗、教育等和 AI+产品，包含：智能音箱、翻译笔、机器人、智能家居等。

破局场景碎片化

值得注意的是，尽管AI可以赋能多个产业，但AI技术的落地仍受限于场景的碎片化。而为特定垂直行业提供定制化服务，成为一种较为普遍的解决方案。

比如在云从科技发展早期，其根据客户需求提供定制化技术开发服务占比较大；在AI智能语音公司云知声的盈利模式中，也存在为客户提供具有一定定制成分的场景智能化解决方案，以此获得相应的收入；另外腾讯旗下AI实验室——腾讯优图，也会针对很多的行业会做一些专业的解决方案的定制，包括为工业、广电传媒等行业定制特定的解决方案。

总体来看，虽然计算机视觉、智能语音等特定领域实现了单点突破，但单一模块化解决方案难以满足日益复杂的细分场景需求。腾讯优图实验室副总经理黄飞跃此前向包括记者在内的媒体表示，即使这些（定制化）解决方案也不够解决太多的长尾客户的需求。

记者获悉，腾讯优图研发了一些自动化的AI平台，通过前述平台来满足客户更多的长尾的定制化的需求。

腾讯优图实验室总监吴永坚向包括记者在内的媒体解释，当前遇到比较大的一些问题应该是场景的碎片化和垂直性较强，因此优图希望把当前的工程和研究能力往AI平台化方向发展，平台把整个AI流程标准化，从数据的准确，到算法模型的选择和训练，再到整个模型的部署和实施，“即通过平台模式去解决将来会看得到AI垂直化和散落化的一些问题”。

除腾讯优图外，云从科技也提出一种相似的理念，即人机协同操作系统。其招股书显示，人机协同操作系统主要为标准化的产品，其可根据不同应用场景客户需求提供的多种人机协同应用产品和整体操作系统。

有观点认为，人工智能产业将逐步向工业化迈进。既拥有行业知识又拥有智能技术的企业通过提供标准化、模块化的产品和服务，将为横向多行业全场景赋能。

芯片！芯片？

与人工智能的技术层和应用层相比，基础层有着更高的壁垒。

华泰证券报告指出，基础层由于创新难度大、技术和资金壁垒高等特点，底层基础技术和高端产品市场主要被欧美日韩等少数国际巨头垄断。

以基础层中的AI芯片为例，目前GPU（通用型）、FPGA（半定制化）、ASIC（全定制化）是AI 芯片行业的主流技术路线。其中GPU擅长大规模并行运算，可平行处理海量信息，是AI 芯片的首选，目前英伟达和AMD占据GPU芯片市场的主要份额，其中英伟达占GPU市场份额的 70%-80%。

FPGA同样是AI芯片市场的重要细分市场，从经济成本看，FPGA重复成本高于同类ASIC芯片，规模化量产下，ASIC芯片单位IC成本随产量增加持续走低，总成本显著低于FPGA。但从时间成本看，FPGA无需等待芯片流片周期，编程后可直接使用，相比于ASIC可助于企业节约产品上市时间。

在FPGA领域，国内百度、阿里、上海复旦、紫光同创等在布局，但与赛灵思、Intel等巨头相比，在市占率、技术等方面尚存差距；而在ASIC领域，国内初创芯片企业有寒武纪、比特大陆和地平线等，互联网巨头有百度、华为和阿里等。

华泰证券在研报中认为，国内布局主要集中在终端 ASIC 芯片，部分领域处于世界前列，但多以初创企业为主，且尚未形成有影响力的“芯片−平台−应用”的生态；而在GPU 和 FPGA领域，中国尚处于追赶状态，高端芯片依赖海外进口。

不过，记者注意到，近年来，越来越多的AI公司选择走向“造芯”之路，比如云知声早在2014年就表态必须研发面向物联网的芯片，目前公司已量产了两款AI专用芯片；依图科技也在2019年推出了首款定制芯片：求索。

创道咨询执行董事步日欣向记者表示，专注于应用领域的人工智能企业，大概率都会开发自有芯片，能够结合自己产品算法、应用特点，提高产品性能，开发更有竞争力的产品。

人工智能行业内人士向记者指出，简单来说，研发AI芯片，就是找一家代工厂商，将自身的算法定制到芯片中，关键的问题是，是否有必要去做AI芯片，是面向资本市场做、还是服务于自身的业务。

“市场对于AI芯片的选择很多，客户对于AI芯片的选择可以是寒武纪、可以是华为海思，也可以是地平线等” ，上述业内人士进一步补充道，“AI芯片需要很高的投资，能否覆盖成本也是要考虑的”。

记者了解到，AI公司中，云从科技目前未选择自研芯片，而是聚焦于操作系统，其AI芯片选择合作研发的方式，公司当前承担着工信部“基于自研 SoC 芯片的高准确度人脸识别产业化应用”。

云从科技联合创始人姚志强曾表示， 在“造芯”过程中，由于芯片是一个系统工程，云从会基于自身优势自研其中的核心组件，而非全部。

除云从科技外， AI公司第四范式同样侧重自研操作系统。
责任编辑:tzh