酷魚精選人工智慧的大腦應該長什麼樣？

本文轉載自新財富酷魚(www.ikuyu.cn)——投研交流及高端金融定製服務平台

1.深度學習推動新一輪計算革命

1.1.深度學習完全不同於傳統計算模式

深度學習作為新一代計算模式，近年來，其所取得的前所未有的突破掀起了人工智慧新一輪發展熱潮。

深度學習本質上是多層次的人工神經網絡算法，即模仿人腦的神經網絡，從最基本的單元上模擬了人類大腦的運行機制。

由於人類大腦的運行機制與計算機有著鮮明的不同，深度學習與傳統計算模式有非常大的差別。

1.2.深度學習需要大規模並行計算

深度學習的人工神經網絡算法與傳統計算模式不同，它能夠從輸入的大量數據中自發的總結出規律，從而舉一反三，泛化至從未見過的案例中。

因此，它不需要人為的提取所需解決問題的特徵或者總結規律來進行編程。

人工神經網絡算法實際上是通過大量樣本數據訓練建立了輸入數據和輸出數據之間的映射關係，其最直接的應用是在分類識別方面。

例如訓練樣本的輸入是語音數據，訓練後的神經網絡實現的功能就是語音識別，如果訓練樣本輸入是人臉圖像數據，訓練後實現的功能就是人臉識別。

1、用已有的樣本數據去訓練人工神經網絡；

2、用訓練好的人工神經網絡去運行其他數據。

這種差別提升了對訓練數據量和並行計算能力的需求，降低了對人工理解功能原理的要求。

1.3.傳統計算架構無法支撐深度學習的海量數據並行運算

根據上文的分析我們可以看到，深度學習與傳統計算模式最大的區別就是不需要編程，但需要海量數據並行運算。

傳統處理器架構（包括x86和ARM等）往往需要數百甚至上千條指令才能完成一個神經元的處理，因此無法支撐深度學習的大規模並行計算需求。

為什麼傳統計算架構無法支撐深度學習的大規模並行計算需求？因為傳統計算架構計算資源有限。

傳統計算架構一般由中央運算器（執行指令計算）、中央控制器（讓指令有序執行）、內存（存儲指令）、輸入（輸入編程指令）和輸出（輸出結果）五個部分構成，其中中央運算器和中央控制器集成一塊晶片上構成了我們今天通常所講的CPU。

我們從CPU的內部結構可以看到：實質上僅單獨的ALU模塊（邏輯運算單元）是用來完成指令數據計算的，其他各個模塊的存在都是為了保證指令能夠一條接一條的有序執行。

這種通用性結構對於傳統的編程計算模式非常適合，同時可以通過提升CPU主頻（提升單位時間執行指令速度）來提升計算速度。

但對於並不需要太多的程序指令，卻需要海量數據運算的深度學習的計算需求，這種結構就顯得非常笨拙。

尤其是在目前功耗限制下無法通過提升CPU主頻來加快指令執行速度，這種矛盾愈發不可調和。

因此，深度學習需要更適應此類算法的新的底層硬體來加速計算過程，也就是說，新的硬體對我們加速深度學習發揮著非常重要的作用。

目前主要的方式是使用已有的GPU、FPGA等通用晶片。

2.新計算平台生態正在建立

2.1.GPU因其並行計算優勢最先被引入深度學習

GPU作為應對圖像處理需求而出現的晶片，其海量數據並行運算的能力與深度學習需求不謀而合，因此，被最先引入深度學習。

2011年吳恩達率先將其應用於谷歌大腦中便取得驚人效果，結果表明12顆NVIDIAD的GPU可以提供相當於2000顆CPU的深度學習性能，之後紐約大學、多倫多大學以及瑞士人工智慧實驗室的研究人員紛紛在GPU上加速其深度神經網絡。

英偉達（Nvidia）是全球可編程圖形處理技術的領軍企業，公司的核心產品是GPU處理器。

英偉達通過GPU在深度學習中體現的出色性能迅速切入人工智慧領域，又通過打造NVIDIACUDA平台大大提升其編程效率、開放性和豐富性，建立了包含CNN、DNN、深度感知網絡、RNN、LSTM以及強化學習網絡等算法的平台。

在短短兩年里，與NVIDIA在深度學習方面展開合作的企業便激增了近35倍，增至3,400多家企業，涉及醫療、生命科學、能源、金融服務、汽車、製造業以及娛樂業等多個領域。

2.2.IT巨頭爭相開源人工智慧平台

深度學習系統一方面需要利用龐大的數據對其進行訓練，另一方面系統中存在上萬個參數需要調整。

IT巨頭開源人工智慧平台，旨在調動更多優秀的工程師共同參與發展其人工智慧系統。

開放的開發平台將帶來下游應用的蓬勃發展。

最典型的例子就是谷歌開源安卓平台，直接促成下游移動網際網路應用的空前繁榮。

2.3.開源人工智慧平台可以增強雲計算業務的吸引力和競爭力

以谷歌為例，用戶使用開源的TensorFlow平台訓練和導出自己所需要的人工智慧模型，然後就可直接把模型導入TensorFlowServing對外提供預測類雲服務，相當於TensorFlow系列把整個用深度學習模型對外提供服務的方案全包了。

實質上是將開源深度學習工具用戶直接變為其雲計算服務的用戶，包括阿里、亞馬遜在內的雲計算服務商都將機器學習平台嵌入其中作為增強其競爭實力和吸引更多用戶的方式。

2015年以來，全球人工智慧頂尖巨頭均爭向開源自身最核心的人工智慧平台，各種開源深度學習框架層出不窮，其中包括：Caffe、CNTK、MXNet、Neon、TensorFlow、Theano和Torch等。

3.人工智慧催生新一代專用計算晶片

回顧計算機行業發展史，新的計算模式往往催生新的專用計算晶片。

人工智慧時代新計算的強大需求，正在催生出新的專用計算晶片。

3.1.GPU及其局限性

目前以深度學習為代表的人工智慧新計算需求，主要採用GPU、FPGA等已有適合併行計算的通用晶片來實現加速。

在產業應用沒有大規模興起之時，使用這類已有的通用晶片可以避免專門研發定製晶片（ASIC）的高投入和高風險，但是，由於這類通用晶片設計初衷並非專門針對深度學習，因而，天然存在性能、功耗等方面的瓶頸。

隨著人工智慧應用規模的擴大，這類問題將日益突出：GPU作為圖像處理器，設計初衷是為了應對圖像處理中需要大規模並行計算。

因此，其在應用於深度學習算法時，有三個方面的局限性：

第一，應用過程中無法充分發揮並行計算優勢。

深度學習包含訓練和應用兩個計算環節，GPU在深度學習算法訓練上非常高效，但在應用時一次性只能對於一張輸入圖像進行處理，並行度的優勢不能完全發揮。

第二，硬體結構固定不具備可編程性。

深度學習算法還未完全穩定，若深度學習算法發生大的變化，GPU無法像FPGA一樣可以靈活的配臵硬體結構；

第三，運行深度學習算法能效遠低於FPGA。

學術界和產業界研究已經證明，運行深度學習算法中實現同樣的性能，GPU所需功耗遠大於FPGA，例如國內初創企業深鑒科技基於FPGA平台的人工智慧晶片在同樣開發周期內相對GPU能效有一個數量級的提升。

3.2.FPGA及其局限性

FPGA，即現場可編輯門陣列，是一種新型的可編程邏輯器件。

其設計初衷是為了實現半定製晶片的功能，即硬體結構可根據需要實時配臵靈活改變。

目前的FPGA市場由Xilinx和Altera主導，兩者共同占有85％的市場份額，其中Altera在2015年被intel以167億美元收購（此交易為intel有史以來涉及金額最大的一次收購案例），另一家Xilinx則選擇與IBM進行深度合作，背後都體現了FPGA在人工智慧時代的重要地位。

儘管FPGA倍受看好，甚至新一代百度大腦也是基於FPGA平台研發，但其畢竟不是專門為了適用深度學習算法而研發，實際仍然存在不少局限：

第一，基本單元的計算能力有限。

為了實現可重構特性，FPGA內部有大量極細粒度的基本單元，但是每個單元的計算能力（主要依靠LUT查找表）都遠遠低於CPU和GPU中的ALU模塊。

第二，速度和功耗相對專用定製晶片（ASIC）仍然存在不小差距；，第三，FPGA價格較為昂貴，在規模放量的情況下單塊FPGA的成本要遠高於專用定製晶片。

3.3.人工智慧定製晶片是大趨勢

從發展趨勢上看，人工智慧定製晶片將是計算晶片發展的大方向：

第一，定製晶片的性能提升非常明顯。

例如NVIDIA首款專門為深度學習從零開始設計的晶片TeslaP100數據處理速度是其2014年推出GPU系列的12倍。

谷歌為機器學習定製的晶片TPU將硬體性能提升至相當於按照摩爾定律發展7年後的水平。

需要指出的是這種性能的飛速提升對於人工智慧的發展意義重大。

中國科學院計算所研究員、寒武紀深度學習處理器晶片創始人陳雲霽博士在《中國計算機學會通訊》上撰文指出：通過設計專門的指令集、微結構、人工神經元電路、存儲層次，有可能在3~5年內將深度學習模型的類腦計算機的智能處理效率提升萬倍（相對於谷歌大腦）。

提升萬倍的意義在於，可以把谷歌大腦這樣的深度學習超級計算機放到手機中，幫助我們本地、實時完成各種圖像、語音和文本的理解和識別；更重要的是，具備實時訓練的能力之後，就可以不間斷地通過觀察人的行為不斷提升其能力，成為我們生活中離不開的智能助理。

第二，下游需求量足夠攤薄定製晶片投入的成本。

人工智慧的市場空間將不僅僅局限於計算機、手機等傳統計算平台，從無人駕駛汽車、無人機再到智能家居的各類家電，至少數十倍於智慧型手機體量的設備需要引入感知交互能力。

而出於對實時性的要求以及訓練數據隱私等考慮，這些能力不可能完全依賴雲端，必須要有本地的軟硬體基礎平台支撐。

僅從這一角度考慮，人工智慧定製晶片需求量就將數十倍於智慧型手機。

第三，通過算法切入人工智慧領域的公司希望通過晶片化、產品化來盈利。

目前通過算法切入人工智慧領域的公司很多，包括採用語音識別、圖像識別、ADAS（高級駕駛輔助系統）等算法的公司。

由於它們提供的都是高頻次、基礎性的功能服務，因此，僅僅通過算法來實現商業盈利往往會遇到瓶頸。

通過將各自人工智慧核心算法晶片化、產品化，則不但提升了原有性能，同時也有望為商業盈利鋪平道路。

目前包括Mobileye、商湯科技、地平線機器人等著名人工智慧公司都在進行核心算法晶片化的工作。

目前為人工智慧專門定製晶片的大潮已經開始逐步顯露，英偉達在今年宣布研發投入超過20億美元用於深度學習專用晶片，而谷歌為深度學習定製的TPU晶片甚至已經秘密運行一年，該晶片直接支撐了震驚全球的人機圍棋大戰。

我國的寒武紀晶片也計劃於今年開始產業化。

人機圍棋大戰中的谷歌「阿爾法狗」（AlphaGo）使用了約170個圖形處理器（GPU）和1200個中央處理器（CPU），這些設備需要占用一個機房，還要配備大功率的空調，以及多名專家進行系統維護。

AlphaGo目前用的晶片數量，將來如果換成中國人研製的「寒武紀」架構的晶片，估計一個小盒子就全裝下了。

這意味著「阿爾法狗」將可以跑得更快些。

人工智慧專用晶片的湧現表明從晶片層面開啟的新一輪計算模式變革拉開帷幕，是人工智慧產業正式走向成熟的拐點。

4.人工智慧晶片發展路線圖

設計晶片的目的是從加速深度學習算法到希望從底層結構模擬人腦來更好實現智能。

目前人工智慧晶片涵蓋了基於FPGA的半定製、針對深度學習算法的全定製、類腦計算晶片三個階段。

4.1.基於FPGA的半定製人工智慧晶片

在晶片需求還未成規模、深度學習算法暫未穩定需要不斷疊代改進的情況下，利用具備可重構特性的FPGA晶片來實現半定製的人工智慧晶片是最佳選擇。

這類晶片中的傑出代表是國內初創公司深鑒科技，該公司設計了「深度學習處理單元」（DeepProcessingUnit，DPU）的晶片，希望以ASIC級別的功耗來達到優於GPU的性能，其第一批產品就是基於FPGA平台。

這種半定製晶片雖然依託於FPGA平台，但是利用抽象出了指令集與編譯器，可以快速開發、快速疊代，與專用的FPGA加速器產品相比，也具有非常明顯的優勢。

4.2.針對深度學習算法的全定製人工智慧晶片

這類晶片是完全採用ASIC設計方法全定製，性能、功耗和面積等指標面向深度學習算法都做到了最優。

谷歌的TPU晶片、我國中科院計算所的寒武紀深度學習處理器晶片就是這類晶片的典型代表。

以寒武紀處理器為例，目前寒武紀系列已包含三種原型處理器結構：寒武紀1號（英文名DianNao，面向神經網絡的原型處理器結構）、寒武紀2號（英文名DaDianNao，面向大規模神經網絡）、寒武紀3號（英文名PuDianNao，面向多種深度學習算法）。

其中寒武紀2號在28nm工藝下主頻為606MHz，面積67.7mm2，功耗約16W。

其單晶片性能超過了主流GPU的21倍，而能耗僅為主流GPU的1/330。

64晶片組成的高效能計算系統較主流GPU的性能提升甚至可達450倍，但總能耗僅為1/150。

4.3.第三階段：類腦計算晶片

這類晶片的設計目的不再局限於僅僅加速深度學習算法，而是在晶片基本結構甚至器件層面上希望能夠開發出新的類腦計算機體系結構，比如會採用憶阻器和ReRAM等新器件來提高存儲密度。

這類晶片的研究離成為市場上可以大規模廣泛使用的成熟技術還有很大的差距，甚至有很大的風險，但是長期來看類腦晶片有可能會帶來計算體系的革命。

這類晶片的典型代表是IBM的Truenorh晶片。

TrueNorth處理器由54億個連結電晶體組成，構成了包含100萬個數字神經元陣列，這些神經元又可通過2.56億個電突觸彼此通信。

該晶片採用跟傳統馮諾依曼不一樣的結構，將內存、處理器單元和通信部件完全集成在一起，因此信息的處理完全在本地進行，而且由於本地處理的數據量並不大，傳統計算機內存與CPU之間的瓶頸不復存在。

同時神經元之間可以方便快捷地相互溝通，只要接收到其他神經元發過來的脈衝（動作電位），這些神經元就會同時做動作實現事件驅動的異步電路特性。

由於不需要同步時鐘該晶片功耗極低：16個TrueNorth晶片的功耗僅為2.5瓦，僅與平板電腦相當。

類腦計算晶片市場空間巨大。

根據Markets-and-Markets預測，包含消費終端的類腦計算晶片市場將在2022年以前達到千億美元的規模，其中消費終端是最大市場，占整體98.17%，，其他需求包括工業檢測、航空、軍事與國防等領域。

5.核心晶片是人工智慧時代的戰略制高點

5.1.核心晶片決定一個新的計算平台的基礎架構

核心晶片將決定一個新的計算時代的基礎架構和未來生態，因此，谷歌、微軟、IBM、Facebook等全球IT巨頭都投巨資加速人工智慧核心晶片的研發，旨在搶占新計算時代的戰略制高點，掌控人工智慧時代主導權。

回顧在PC和移動網際網路時代分別處於霸主地位的X86架構和ARM架構的發展歷程，可以看到：從源頭上掌控核心晶片架構取得先發優勢，對於取得一個新計算時代主導權有多麼重要。

5.2.英特爾X86處理器晶片壟斷PC時代

計算機指令集架構可以分為複雜指令集(CISC)和精簡指令集（RISC）兩種。

PC時代處於壟斷地位的X86架構就是屬於複雜指令集。

複雜指令集在處理複雜指令上具備先天優勢，但同時也存在設計複雜、難以流水作業、高功耗的問題。

實質上精簡指令集正是上世紀80年代針對複雜指令集缺點設計出來的，學術界當時一致認為精簡指令集更為領先。

但是PC時代的晶片霸主英特爾早在精簡指令集發明之前的處理器晶片8086就採用了複雜指令集的X86架構，在後續的80286、80386等系列處理器晶片繼續採用兼容的X86架構，同時加強每一代處理器對上層軟體的兼容，並與微軟建立了Wintel聯盟牢牢支撐整個PC的應用生態。

習慣了使用英特爾X86處理器的軟體公司不再願意使用其他架構的處理器，即使它們的性能更好。

其結果就是：上世紀90年代幾乎只有英特爾一家公司堅持開發X86架構的處理器，卻戰勝了MIPS、PowerPC、IBM、HP、DEC等及其他各家精簡指令集的處理器，X86架構牢牢掌控了PC時代的主導權。

5.3.ARM成為移動網際網路時代的霸主

移動網際網路時代，英特爾並沒有延續其在PC時代的優勢，而是一家此前名不見經傳的英國晶片設計公司ARM成為壟斷移動處理器晶片的新霸主。

ARM的成功有三方面的原因：

第一，ARM在20世紀90年代初為蘋果公司設計CPU起家（ARM是由Acorn、蘋果和VLSITechnology聯合出資成立）,因而其在智慧型手機革命開啟之初就進入了這個快速成長的市場，與蘋果的關係奠定了其架構在移動處理器市場先發優勢；

第二，ARM處理器隸屬於精簡指令架構，相對於複雜指令架構的X86處理器天然具備低功耗優勢，而這在移動市場極為重要；

第三，ARM創造了只授權核心設計IP不生產晶片的商業模式，迅速拉攏各大晶片巨頭建立自己的生態聯盟。

一、新的計算時代來臨之時往往是新興企業彎道超車的絕佳機遇，再強勢的傳統巨頭也難免面臨重新洗牌的局面；

二、把握核心晶片架構的先發優勢，在此基礎上迅速建立生態體系是在一個新計算變革時代來臨時的成功關鍵。

三、目前使用的GPU、FPGA均非人工智慧定製晶片，天然存在局限性，人工智慧專用晶片對於巨頭和初創企業都同一起跑線的藍海。

6.投資建議

我們正處在從資訊時代邁向智能時代的重要拐點，人工智慧將推動新一輪計算革命，而晶片行業作為產業最上游，是人工智慧時代的開路先鋒：一方面具備行業先導指標的意義，另一方面也是在人工智慧產業發展初期率先啟動、彈性最大的行業。

資訊時代產生了英特爾這樣的千億市值的晶片巨頭，擁有更大應用市場的人工智慧時代必將孕育出更多的「英特爾」。

結合各家公司在人工智慧領域的戰略，我們重點推薦已經在人工智慧算法晶片化方向上前瞻布局的公司：

·東方網力(合作方商湯科技自主研發深度學習核心晶片，打造包括平台作業系統Parrots和專用深度學習機器Sensebox的完整體系)

·科大訊飛（戰略投資全球深度學習處理器晶片領軍公司寒武紀）

·漢邦高科（與清華電子系合作布局人工智慧核心算法的晶片化）

·和而泰（卡位智能設備控制器入口）

此外，專用深度學習晶片和計算平台將大大提升人工智慧算法運行效率,推動產業應用加速發展,繼續重點推薦同花順(多年打造人工智慧投資機器人業績驚艷)、思創醫惠(與全球人工智慧龍頭IBM沃森合作)、科遠股份(工業機器人龍頭積極布局服務機器人)、漢王科技(人臉識別、讀寫識別領軍企業)等。

此外，近期有多家公司進軍圖像識別或指紋識別等人工智慧基礎領域,我們也建議關注這類預期差相對較大的公司,包括遠方光電、神思電子、北部灣旅、奧飛動漫、崑崙萬維、江南化工等。

6.1.東方網力：與商湯科技合作打造深度學習專用晶片體系

合作方商湯科技打造深度學習晶片體系。

公司合作方商湯科技是國內最頂尖的深度學習公司之一，目前不但正在自主研發深度學習核心晶片，同時也在打造包括深度學習平台作業系統Parrots和專用深度學習機器Sensebox的完整體系，是全球極少數能夠建議深度學習基礎軟硬體生態的公司。

「雲聯網、視頻大數據、智能硬體」三大戰略版圖布局逐漸完善，視頻大數據空間廣闊。

公司收購愛耳目布局家庭安防、收購動力盈科切入安防視頻運營領域，攜手商湯科技加強視頻大數據技術，投資JIBO開啟智能機器人布局。

視頻未來將成為數據的主要載體，視頻聯網後下一步發展將是視頻大數據，空間廣闊；公司還積極布局智能機器人，有望和自身視頻大數據、深度學習等技術產生良好的協同效應。

加碼警用無人機市場，公司在公安信息化、智能化領域再進一步。

警用無人機屬於專業級無人機，在警用安防領域的地位也逐年提升，包括城市防控，交通管理、消防救援、緝毒邊防、森林防火、違建排查等領域的優勢尤為明顯。

公司和602所未來計劃深入合作，成立合資公司主導運營平台，共同開發警用無人機租賃和銷售市場。

值得注意的是：雙方承諾，將對方視為以警用無人機產品作為平台的城市公共安全管控系統的唯一合作夥伴。

人工智慧戰略加速推進。

公司近年來在人工智慧領域布局頻頻，攜手商湯加強自身深度學習和圖像視頻識別技術；參股眾景視界切入警用智能眼鏡；參股JIBO和Knightscope布局服務機器人和安防機器人，體現了公司卓越的戰略眼光；此次和國內直升機龍頭企業602所獨家合作切入警用無人機租賃和銷售市場，全方位布局智能硬體和智能機器人，為長期發展奠定堅實基礎。

公司擬定增18億元用於投資視雲大數據及智能終端產業化項目、智能服務機器人項目等，如順利實施，將如虎添翼。

投資建議：國內視頻大數據龍頭，內生增長強勁，持續加碼大數據和人工智慧，掘金公安信息化市場，空間巨大。

暫不考慮定增攤薄，預計2016-2017年EPS分別為0.58元和0.77元，維持「買入-A」評級，6個月目標價35元。

6.2.科大訊飛：打造中國「最強大腦」

戰略投資寒武紀晶片公司。

寒武紀開創了全球深度學習處理器晶片先河，根據寒武紀創始人陳天石博士公開演講表示，寒武紀處理器的模擬平台早在幾年前就已經在科大訊飛的機房裡運行，目前科大訊飛是寒武紀公司的戰略投資人。

公司與寒武紀公司軟硬體強強聯合，未來有望在人工智慧領域取得突破性進展。

"人工智慧+教育"初露鋒芒。

2015年公司人工智慧技術在教育行業落地進展喜人，包含「考、評、教、學、管」全產品的智慧教育整體解決方案全國迅速推廣；公司人工智慧技術已經應用於廣東、江蘇、上海、重慶、山東等10餘省市的中高考英語聽說考試，全年累計測試考生數近1000萬，中英文作文機器評分技術已在部分省市的初高中畢業會考中開始應用；公司完成15個省級教育平台、20餘個市/縣/區級教育信息化整體方案的建設，服務覆蓋師生超過8000萬；面向學生的個性化教與學平台智學網已經與近百個地市/區縣簽訂長期服務協議，平台用戶突破500萬，覆蓋學校超過4000所，並構建起了全國規模最大、體系最全、配臵最靈活的雲測評大數據分析平台，全國最大的試卷資源匯集和加工體系，為教育業務的爆發奠定了良好的勢能和價值源泉。

打造以公司為核心的人工智慧生態圈。

2015年公司語音開放平台的總用戶數達到7億，月活躍用戶達1.8億（增長67%），開發者達11萬（增長200%），日服務量達12.98億人次（增長389%），訊飛輸入法用戶達3億，活躍用戶達8500萬（增長47%），公司同時研發了對人工智慧產業具有里程碑意義的AIUI語音交互全新方案，該方案集成了方言識別、全雙工、打斷糾錯、多輪對話等一系列領先技術，大幅提升了人機語音交互的成功率，定義了萬物互聯時代人機語音交互技術的新標準，為打造以公司為核心的人工智慧產業生態奠定了堅實基礎。

引領智能客服和智能汽車行業變革。

2015年公司在中國移動、中國聯通、中國電信等三大運營商，工商銀行、招商銀行、交通銀行、建設銀行、浦發銀行、中國平安、陽光保險等各大金融保險機構，國家電網，航空公司，政府機關，醫療機構，廣電行業，速運行業等主要呼叫中心市場領域實現了智能客服的規模化應用和全面布局，已經成為呼叫中心行業轉型發展最為倚重的內在驅動力之一。

智能汽車領域，公司已與奔馳、寶馬、大眾、豐田、雷克薩斯、馬自達、上汽、一汽、長城、長安、吉利、奇瑞、江淮、廣汽、海馬、東南等國內外汽車品牌開展合作，搭載訊飛語音技術的轎車前裝出貨車型達到31款，牢牢掌握行業市場占有率第一的先發優勢。

投資建議：公司作為國內語音產業無可爭議的龍頭，在教育、車載、智能客服等領域的長期布局已經逐步進入收穫期，而公司傾力打造的AIUI奠定了以訊飛為核心的人工智慧產業生態的基礎，後續發展空間廣闊，預計2016-2017年EPS0.44和0.55元，維持「買入-A」評級，6個月目標價40元。

6.3.中科曙光：雲計算龍頭，人工智慧晶片新貴

國內雲計算行業當之無愧的龍頭。

超級計算機領域：在Green500全球能效比最高的前十名超級計算機中，公司占據3台，名列前茅；伺服器和存儲陣列領域：公司集中在四路、刀片伺服器等高端領域。

根據IDG數據，公司在國內伺服器和存儲陣列領域市場份額均名列第六，尤其難得的是公司NAS儲存斬獲2015年全品牌第一名，這是國產品牌首次在中國地區NAS存儲市場排名中斬獲份額冠軍。

公司積極拓展雲計算運營業務，截至2015年底已累計建設20個城市雲計算中心，初步形成了規模性雲數據網絡。

公司還攜手VMware成立合資公司，大幅提升雲計算軟體技術水平。

海光攜手AMD加碼晶片投資，前途無量。

公司參股27%的子公司海光公司大股東是成都工業投資有限公司及其關聯方，曾任北京龍芯集成電路總經理的自然人唐志敏也持有海光公司股份。

據媒體報導，AMD與天津海光達成協議，擬設立合資公司生產只在中國銷售的伺服器晶片，此舉將大幅加強公司在晶片領域的能力，並且和公司業務具有極高的協同性。

攜手寒武紀晶片公司，開創深度學習處理器紀元。

寒武紀公司在全球開創了深度學習處理器研發先河，其處理器晶片能夠大幅提升深度學習算法運行效率，相比較於目前主流GPU有上百倍的性能提升，未來具備極為廣闊的應用空間。

公司與寒武紀戰略合作有望在人工智慧時代占據先發優勢，打造智能計算的服務平台，實現新的跨越式發展。

投資建議：國內當之無愧的IT基礎設施和雲計算龍頭，在超級計算機、伺服器、存儲陣列、雲計算都名列前茅，攜手VMWare，子公司海光攜手AMD，與寒武紀合作，均與公司業務極具協同性，前途無量。

預計2016-2017年EPS分別為0.44元和0.50元，維持「買入-A」評級，6個月目標價45元。

6.4.漢邦高科：推動人工智慧在安防、ADAS等領域應用和晶片化

攜手清華電子系，推動人工智慧算法晶片化。

公司公告旗下產業基金北京漢銀創新與北京文通圖像識別技術研究中心有限公司共同出資設立北京飛識科技有限公司。

飛識科技主要從事人工智慧技術研究和應用，目標應用領域為安防視頻智能監控以及自動駕駛領域，研究的細分領域包括人臉識別、行為識別、視頻濃縮、模糊檢索、ADAS輔助駕駛系統等。

飛識科技技術來源於清華大學電子系，有望為公司的安防視頻監控智能化戰略提供核心底層技術，推動人工智慧算法向多個應用領域和場景進行拓展和晶片化工作。

國內領先的安防產品及行業解決方案提供商。

公司是國內領先的安防產品及行業解決方案提供商，已成功開發了多個系列數字監控產品，形成音視頻壓縮卡、嵌入式數字視頻錄像機、網絡視頻伺服器、模擬攝像機、網絡攝像機等多個系列數字監控核心產品，主要面向金融、公安、電訊、交通、司法、教育、電力、水利、軍隊等多個行業。

安防視頻監控行業潛力巨大。

安防行業是十二五規劃重點行業，視頻監控市場則是安防行業市場中規模最大且最具增長潛力的細分領域。

受益於「平安城市」建設、金融行業安全性要求、城市軌道交通大規模開工、民用領域的不斷拓展，國內安防視頻監控市場未來將保持較快增長。

下游終端客戶廣泛分布在金融、交通、城市監控、教育、政府、住宅、零售等行業，未來滲透率有望得到進一步提升。

公司擁有技術優勢、產品優勢和健全的營銷體系。

公司從成立以來始終專注於技術創新，堅持以自主智慧財產權為核心競爭力，在國內眾多從事同類業務的企業中表現出較強的技術研發能力和業務創新能力。

公司已經基本建立起了覆蓋全國的分銷體系，並正逐步向國外拓展。

針對大客戶的直銷模式加漢邦一點通服務體系的建立更是提升了公司的競爭力。

投資建議：預計公司2016-2017年EPS分別為0.74元、1.39元，我們其公司與清華大學合作推進人工智慧技術在安防、ADAS領域應用和晶片化工作，維持「買入-A」評級，3個月目標價60元。

6.5.和而泰：卡位智能家用設備控制器入口

家庭用品智能控制器產業領先企業，高端市場增長潛力大。

目前公司是全球家用智能控制器市場的主力企業之一，產品主要供應全球高端市場，是伊萊克斯、惠而浦、西門子、GE、HUNTER、SEB、三星、松下等全球著名客戶在智能控制器領域的全球主要合作夥伴，或中國唯一合作夥伴，並且公司後續在這些客戶中的市場份額具有大幅提升的潛力。

智能控制器是物聯網大數據平台的入口之一。

智能控制器一般來說集程序控制、信息探測、資源調度、輸出執行為一體，在家電等整機產品中扮演「心臟」與「大腦」的角色，發揮關鍵作用，是相應整機產品的最核心部件之一。

公司設計生產的智能控制器種類繁多，幾乎涵蓋個人與家庭生活的所有場景，2016年單一年份的控制器產量有望突破8000萬個，可採集的數據無論是深度和廣度，都屬於業內領先，掌握著未來物聯網的核心數據埠，有著不可替代的入口優勢。

台利用物聯網數據核心入口，打造大數據云平台C-life。

公司新一代物聯網平台聚焦個人與家庭生活場景集群，包括大數據存儲與處理中心、人工智慧與商業智能中心、大數據服務平台與開放式接入平台，通過雲計算技術與商業智能技術服務家庭與個人生活。

2015年公司的智能家電控制、智能臥室、智能美容美妝產品族正式批量上市銷售，並與包括家電、家紡、家居、美容美妝、醫療健康、兒童用品等行業過百家優秀企業簽訂了戰略合作協議，擴大自身平台所覆蓋的智能家居生態圈。

投資建議：公司戰略清晰，傳統業務家庭用品智能控制器方面，五年內目標成為全球高端市場最專業、最具影響力、市場占有率最高的核心企業之一；新興業務方面，大力推進新一代網際網路與大數據平台，致力於未來五年將該平台打造成全國舉足輕重的新一代網際網路與大數據產業的核心平台。

預計公司2015-2016EPS為0.33、0.45元，維持「買入-A」評級，6個月目標價35元。

7.風險提示

人工智慧應用落地不及預期；晶片研發風險。

（完）

點擊「閱讀原文」，登陸新財富酷魚(www.ikuyu.cn)，閱讀更多精彩研報