AI时代将是前后端

计算平台的全方位革命

计算机行业发展的核心驱动力是数字化的广度与深度，而数字化的进程基本上都是由大规模的计算平台驱动。陆奇在奇绩创坛指出，计算平台是推动数字化的核心结构（平台是“可延伸的体验”或“可延伸的能力”），从历史上看，平均每12年左右都有一代新的计算平台出现，这些计算平台都有一个核心结构：前端集中于人机交互的效率和覆盖度（鼠标、键盘、手指触摸、语音、自然交互、等等），后端集中于计算资源（计算、存储、通信）与信息处理的规模，空间覆盖度（分布式数据库，全球互联网，移动互联网，等等）。我们已经经历了IBM主机、PC、互联网、移动互联网四次计算平台的更迭，目前正处于从移动互联网向AIoT时代发展的“分水岭”。

上游芯片应用分布表明

AI已经在数据中心、安防、汽车等领域规模化落地

2020年第三季度全球AI芯片龙头英伟达数据中心业务收入达19.0亿美元，环比增长8%，同比增长162%，显示下游AI规模化需求的强劲增长。截至第三季度，英伟达数据中心业务累计收入达47.93亿美元，同比增长137.87%。继谷歌云平台和微软Azure之后，亚马逊和甲骨文共同宣布，全面提供基于NVIDIA A100™GPU的云计算实例的普遍可用性。2020年10月，英伟达发布AI视频流平台NVIDIA Ma xine™，该平台可提高流质量，具备凝视校正、超分辨率、噪声消除、人脸补光等AI功能。2020年10月，发布了采用8nm工艺Ampere（安培）架构RTX A6000、RTXA40两款专业图形和计算GPU，分别面向工作站和服务器用途，两款产品采用RT Core、Tensor Core和CUDA Core，加速图形、渲染、计算和AI。

英伟达汽车业务2020年第三季度收入为1.25亿美元，环比增长13%。英伟达与梅赛德斯-奔驰共同宣布，由NVIDIA赋力的下一代MBUXAI驾驶舱系统将率先应用于全新S级轿车当中，提供增强现实平视显示系统、AI语音助手和交互式图形等功能，同时与现代汽车集团共同宣布，自2022年起，NVIDIADRIVE™车载信息娱乐系统将成为该韩国汽车制造商旗下全部现代、起亚和Genesis车型的标准配臵。英伟达也宣布理想汽车将采用自动驾驶汽车软件定义平台NVIDIA DRIVE AGX Orin™开发其下一代电动车。

国内AI芯片独角兽寒武纪也逐渐摆脱了以终端智能处理器IP为主的单一经营模式。2019年公司主营业务收入绝大部分为云端智能芯片及加速卡业务和智能计算集群系统业务收入，业务模式拓宽有效规避了主要客户转向自主研发对公司业绩产生的冲击。

国内车规级AI芯片独角兽地平线产品布局完整，实现车规级智能芯片前装量产。地平线近期公告成为目前中国唯一实现车规级智能芯片前装量产的科技企业，并已经形成覆盖从L2到L3级别的“智能驾驶+智能座舱”芯片方案的完整产品布局。下一步，地平线将推出性能更为强劲的汽车智能芯片征程6（Journey 6），采用车规级7nm工艺，人工智能算力超过400TOPS。2021年1月7日，地平线公告完成C2轮4亿美元融资，由Baillie Gifford、云锋基金、中信产业基金、宁德时代联合领投。至此，地平线计划中的7亿美元C轮融资已经完成5.5亿美元。融资计划将资金主要用于加速新一代L4/L5级汽车智能芯片的研发和商业化进程，以及建设开放共赢的合作伙伴生态。参与本轮投资的其他机构还包括：Aspex思柏投资、CloudAlpha Tech Fund、和暄资本、Neumann Advisors、日本ORIX集团、山东高速资本、英才元资本、元钛长青基金和中信建投等。

智能汽车是百年汽车工业史上一次伟大的范式转移，将复制智能手机的交互与功能变革两大路径。手机智能化的核心是交互从按键到触屏，功能从通话工具到移动上网平台。智能汽车同样复制这两条路径，交互方面从机械仪表盘变革为数字仪表、中控大屏为核心的智能驾驶舱，功能方面从驾驶工具转变为具有自动驾驶能力的移动平台。自动驾驶将重新定义汽车产业规则。汽车的产品定义将不再是“行走的精密仪器”，也不只是一台“行走的计算机”，而是“行走的第三空间”。

科技巨头已经将汽车作为手机后

最重要的智能终端进行布局

汽车是华为终端“1+8+N”战略未来最重要一环，华为组织架构变革表明16万亿产值的新智能终端大时代正式开启。从2013年建立“车联网业务部”开始，华为已经清楚地认识到新时代的浪潮是由智能网联汽车领衔的，并在汽车领域沿云、管、端三大方向深耕7年。

2020年2月24日的华为发布会上，余承东再次强调华为1（手机）+8（车机、音箱、耳机、手表/手环、平板、大屏、PC、AR/VR）+N（泛IOT设备）战略，非常清楚地展现了华为的全场景智慧生活战略。华为轮值董事长徐直军明确表示“（AI）未来最能颠覆的一个产业就是汽车产业，中国自动驾驶电动汽车将颠覆16万亿产值市场”。根据IDC数据，这是2019年中国智能手机市场的近20倍，汽车无疑是华为终端“1+8+N”战略最重要一环。2020年11月25日，华为心声社区发布华为EMT关于智能汽车部件业务管理的决议：

1、将智能汽车解决方案BU（IAS BU）的业务管辖关系从ICT业务管理委员会调整到消费者业务管理委员会，同时任命汪涛为消费者业务管理委员会成员。

2、重组消费者BG IRB为智能终端与智能汽车部件IRB，将智能汽车部件业务的投资决策及组合管理由ICT IRB调整到智能终端与智能汽车部件IRB。任命余承东为智能终端与智能汽车部件IRB主任。

华为智能汽车布局在ICT领域主要集中云服务，智能网联，智能驾驶和智能座舱四个方面：

华为汽车云服务主要提供了三种服务类型：数据服务，训练服务和仿真服务。数据服务的功能是整合处理车载硬件平台上输出的传感器数据，回放雷达、摄像头等不同格式的数据；同时也支持PB级海量存储、交互式大数据查询和海量数据治理。训练服务针对管理和训练自动驾驶模型，它可以不断在新的数据集和测试集上提升模型的准确度，持续提升自动驾驶安全系数。其平台提供软硬件加速，能大幅缩短训练时间，提升训练效率。而仿真服务适用于数据服务和训练服务的基础上，提供仿真、场景库管理、场景片段、评测系统等应用工具，确保自动驾驶模型合规、安全、可度量、质量达标，快速集成到ADAS版本中。

华为专为智能驾驶而打造的MDC（ ：移动数据中心）定位为智能驾驶的计算平台。其包含标准化的系列硬件产品、智能驾驶操作系统AOS、VOS及MDC Core、配套工具链及车路云协同服务，支持组件服务化、接口标准化、开发工具化，满足车规级安全要求。MDC平台支持软硬件解耦和L2+~L5级别自动驾驶的平滑演进。

华为MDC平台具有“三高一低”的特性，“高性能、高安全、高可靠、高能效、确定性低时延”的技术优势，并坚持“平台+生态”战略。华为积极与产业链上下游的传感器、执行器及应用算法等生态合作伙伴展开多层次的合作，目前已与近50家合作伙伴建立合作关系，并完成相关技术验证测试工作。华为MDC携手多家行业组织讨论与制定了智能驾驶功能软件平台框架与接口规范，支持感知、融合、定位、决策、规划、控制等功能模块的组件化与灵活组合。

华为智能互联（HiCar)是华为提供的人-车-家全场景智慧互联（HUAWEIHiCar Smart Connection）解决方案。该方案具有四个特点：安全交互、无感互联、硬件互助和生态共享。HiCar通过分布式软总线技术、分布式虚拟化能力和应用服务共享虚拟化技术，构建了一个开放的平台解决方案。HiCar提供两项重要的开放能力，手机应用和服务接入开放能力（Car Kit）和汽车硬件设备接入开放能力（HiCarSDK）。手机应用和服务接入开放能力是通过集成CarKit，手机应用可以实现在手机和车机间的无缝体验。而汽车硬件设备接入开放能力通过集成HiCarSDK，车机等汽车硬件可以快速接入HiCar，共享手机丰富的应用生态和服务。

2021年将是L2以上自动驾驶汽车

量产的“分水岭”

L3是自动驾驶重要的“分水岭”。高等级自动驾驶意味着手、脚、眼和注意力将逐步被解放，从“机器辅助人开车”（L2）到“机器开车人辅助”（L3）”、“机器开车”（L4/L5）意味着车主的生产力、时间的释放，应用价值发生质变，L3是用户价值感受的临界点，将成为产业重要分水岭。

激光雷达方案是目前体验最佳的智能驾驶系统，车规级高性能激光雷达发布有望打破高级别自动驾驶量产成本瓶颈。相比毫米波雷达和摄像头，激光雷达在目标轮廓测量、角度测量、光照稳定性、通用障碍物检出等方面都具有极佳的能力。而在难点场景下，例如城区非规范行人、非规范道路，甚至是非规范驾驶的行为，急需激光雷达来解决。可以说激光雷达是解决连续自动驾驶体验的关键传感器，是目前体验最佳的智能驾驶系统。

2020年12月21日，中国汽车工业协会主办的T10 ICV CTO峰会在上海召开，华为首次面向行业正式发布车规级高性能激光雷达产品和解决方案。华为此次发布车规级高性能激光雷达产品从一开始就选择了难度极高的面向乘用车的前装量产的产品化开发，而没有选择从传统旋转机械式激光雷达切入。其基于场景分析，华为设计、开发了这款96线中长距激光雷达产品，可以实现城区行人车辆检测覆盖，并兼具高速车辆检测能力，更符合中国复杂路况下的场景华为智能汽车解决方案BU总裁王军公开表示未来计划将激光雷达的成本降低至200美元，这将打破高级别自动驾驶量产成本瓶颈。

2021年，激光雷达有望成为造车新势力中高端车型标配。小鹏汽车2021年1月1日官方正式宣布与大疆孵化的Livox览沃科技达成合作，将在2021年推出的全新量产车型上使用其生产的小鹏定制版车规级激光雷达，Livox也正式成为小鹏汽车在激光雷达领域的首家合作伙伴。在本次合作中，Livox基于浩界Horiz车规级激光雷达平台为小鹏汽车进行了一系列定制化开发，最终提供的车规级量产版本在量程、FOV、点云密度等多个核心指标上都做到了业内领先水平。长安汽车董事长朱华荣近期也公开宣布将携手华为、宁德时代，一起打造高端智能汽车品牌。在其公布的长安方舟架构中，将预留36个传感器，其中包含5个激光雷达。

政策：“绿灯”频开，合法上路在即。2020世界智能网联汽车大会开幕式上，国家智能网联汽车创新中心《智能网联汽车技术路线图2.0》正式发布。《技术路线图2.0》系统梳理、更新、完善智能网联汽车的定义、技术架构和智能化网联化分级，分析了智能网联汽车的技术发展现状和未来演进趋势，其中最重要的是研究了面向2035年的智能网联汽车技术发展总体目标：

1、在智能网联汽车技术和产品创新能力方面拥有世界排名前十的供应商企业1-2家；

2、PA（部分自动驾驶）、CA（有条件自动驾驶）级智能网联汽车渗透率持续增加，2025年达50%，2030年超过70%。C-V2X终端的新车装配率2025年达50%，2030年基本普及；

3、高度自动驾驶车辆2025年首先在特定场景和限定区域实现商业化应用，并不断扩大运行范围。

《技术路线图2.0》也围绕乘用车、货运车辆、客运车辆，制定分阶段发展目标与里程碑：

乘用车发展里程碑：2025年左右，CA级自动驾驶乘用车技术的规模化应用，HA级自动驾驶乘用车技术开始进入市场。2030年左右，HA级自动驾驶乘用车技术的规模化应用，典型应用场景包括城郊道路、高速公路以及覆盖全国主要城市的城市道路。2035年以后，FA级自动驾驶乘用车开始应用。

货车发展里程碑：2025年左右，高速场景DA、PA级自动驾驶技术规模化应用，CA级自动驾驶货运车辆开始进入市场。限定场景HA级自动驾驶实现商业化应用，高速公路队列行驶开始应用等。2030年左右，城市道路HA级自动驾驶技术开始应用，高速公路HA级自动驾驶技术实现商业化应用，限定场景HA级自动驾驶、高速公路队列行驶实现规模商业应用，典型应用场景覆盖全国主要城市的城市道路。2035年以后，FA级智能网联货运车辆开始应用。

客运车发展里程碑：2025年左右，限定场景公交车（如BRT）CA级自动驾驶技术商业化应用、限定场景接驳车HA级自动驾驶技术商业化应用。2030年左右，HA级自动驾驶接驳车规模化应用，限定场景HA级自动驾驶公交车（BRT）商业化应用，HA级自动驾驶城市道路公交车开始进入市场。2035年以后，实现城市道路公交车HA级自动驾驶技术规模化应用，高速公路客运车HA级自动驾驶商业化应用。随技术发展，逐步实现全路况条件下的自动驾驶。

根据目前自动驾驶核心部件配臵与部件价格，结合此次《智能网联汽车技术路线图2.0》目标中要求PA（部分自动驾驶）、CA（有条件自动驾驶）级智能网联汽车渗透率在2025年达到50%，2030年超过70%，2030年左右HA级自动驾驶接驳车规模化应用的目标，我们对国内自动驾驶前装套件市场规模进行了测算，预计在未来10年国内自动驾驶前装市场将达到千亿美元量级。

AI激活了企业级碎片化的数字化需求

2018年海康发布的AICloud架构核心具有重要意义：挖掘丰富的碎片化应用场景，推动企业级市场的商业化落地。2016年以来，安防行业的高增速逐步放缓，同年海康威视正式提出AI智能化浪潮到来。这一年，公司将深度学习算法和产品结合，推出了全系列深度智能产品；2017年海康威视以云边融合的AICloud计算架构大力推进人工智能在物联网领域的发展和应用；2018年海康威视将两池一库四平台软件产品整合形成物信融合数据平台，330智涌钱塘峰会上，公司公开表示：从视频感知到智能物联、再到物信融合，海康威视已是一家大数据公司。这是一个费用投入与公司能力不断转化的过程。通过自建AI开放平台，开源开放底层技术及算法框架等方式，能够迅速聚拢上下游合作伙伴并汇聚广大开发者。一方面加速自有先进技术的应用落地，另一方面以开发者及开源社区为切入点，挖掘丰富的碎片化应用场景，推进商业化落地。

AICloud开放平台从架构层面奠定了传统安防公司向企业级AI巨头转型的基础。国内的AI开放平台可分为两种，一种是智能云下通用全面的AI开放平台，包括阿里的机器学习PAI，腾讯的智能钛工业AI平台TI-Insight，华为云ModelArts等，面向不同层次的AI开发者，具备不同产品价值。第二种是提供垂直技术或场景的人工智能开放平台，如专注计算机视觉的旷视科技Face++、安防场景的海康威视，教育场景的好未来AI开放平台等。

AI开放平台供给需求侧因素。AI开放平台致力于协助产业主体以低成本、高效率开展AI创新应用，行业需求侧是驱动AI开放平台发展迭代的关键，供给侧需要整合平台所需的数据、算法、算力等要素，需求侧则需要一定规模量级的主体依托平台资源开展应用创新试验。

AICloud平台推出与业务架构变革几乎同步：从七个事业部到三个业务群。海康从2009年开始推出解决方案，覆盖公安、交通、司法、金融、文教卫、能源和楼宇7大行业和40余个子行业的纵向垂直行业布局。为更好地适应客户需求，公司在2018年启动业务架构的变革重组，将国内业务分为PBG、EBG、SMBG三个业务群。PBG的技术门槛相对较高，以整体解决方案为主，海康的优势是可以从底层IaaS做到顶层SaaS，协同性优势降低了顶层SaaS的搭建成本。EBG的增长驱动力来自于大型企业自身主导的数字化转型，相对于转型之前企业对视觉的产品需求或增加1-2个量级。SMBG销售偏碎片化，海康的竞争优势在于其具备品牌优势和更好的门店库存管理能力。

企业级公有云平台云眸发力零售市场。云眸公有云应用服务入口，依托于萤石云的设备接入、设备管理、流媒体、AI模型管理等物联网PaaS服务，提供面向连锁、社区、普教等细分行业的SaaS云服务；依托AI开放平台，作为细分场景碎片化智能的公有云应用服务入口。

海康在企业级市场的红利已经开始显现。海康的业务架构为PBG、EBG、SMBG并重，其中政府业务是重要构成部分，因为公司物信融合最重要的用户之一是政府，且政府掌握了大量资源，拥有管理提升的需求。但目前，海康的收入结构已经由政府收入为主逐渐转向企业发力。来自政府的收入依然保持体量最大，但增速放缓，2019年仅增长4.09%。EBG和SMBG的业务在2019年均保持23%以上的高增速。2020年上半年，国内与海外先后受到新冠疫情的冲击，加之中美之间的贸易冲突，公司经营面对的压力在三个BG均有体现，但EBG仍然是增速最为抢眼的事业部。

安防“双雄”有望真正迎来AI红利期

2016年起，安防行业高速增长的趋势放缓，海康、大华两大龙头在传统安防主业的基础上，进一步为用户多元化需求场景探索更丰富的应用类型，创新业务出现。随着新元素不断推动着安防行业的智能化和网络化进程，安防行业开始进入变革拐点。2020年，疫情黑天鹅加之国际形势的复杂变迁，安防行业在波折中面临更大的机遇和挑战，随着AI在安防行业的规模化应用逐步显现，海康已经开始进入新一轮估值提升周期，而大华与海康的估值“剪刀差”也有望缩小。

总量看，海康的营收较大华优势明显，但两家增速趋势相近，头部竞争格局短时间内不会出现显著变化。海康的毛利和净利均优于大华，但近年来大华的研发支出占营业收入比例更高。从员工结构来看，双方均以技术人员为主。2019年海康拥有技术人员19065人，大华7161人。大华的技术人员占比更高，2019年研发人员占员工总数过半，这与其高研发支出率一致。从知识产权来看，截至最新财报海康专利数量为4594，大华的这一指标为2991。

AI独角兽的上市凸显AI软件

在安防中“含金量”不断提升

2020年四季度以来，多家人工智能独角兽陆续被科创板受理或公布其上市计划，依图科技、云从科技、云天励飞、旷视科技等备受瞩目的人工智能“独角兽”公司已处于上市受理或辅导阶段。AI独角兽的的集体上市一方面能够丰富资本市场对于AI落地场景与商业模式的认知，有利于提升AI行业关注度，另一方面，AI独角兽上市后的业务构成与财务指标也能够直观显示AI软件在安防等行业中渗透率不断提升的重要变化。

AI企业营收整体增速较高，同时部分AI企业毛利率优势明显，凸显近几年安防行业AI软件占比在迅速提升。从2017-2020Q2的数据可以看到，AI企业相对于传统安防毛利率波动率较大，毛利率波动率较大的原因在于其受综合解决方案中硬件类型、硬件数量、安装服务规模等因素影响较大，当外购硬件或者安装服务比例上升时，项目毛利率会有所下降，此外初创AI企业发展战略是通过价格策略拓展当地市场，通过做出具有代表性的项目为后期在当地开展业务奠定基础。对比企业中依图科技的毛利率最高且同比增速较快，在2020Q2时达到了71%，同期海康50%左右，核心因素在于依图以软件算法产品为核心，凸显了近几年安防行业软件占比在迅速提升的大趋势。

AI企业销售费用率相对于传统安防公司更高。从2017-2020Q2的数据可以看到，海康威视的销售费用率在10%-15%之间，AI企业普遍在40%以上，销售渠道是AI初创企业在有关垂直领域竞争的核心优势，由于AI安防业务处于快速拓展期，销售人员规模扩充较快且其薪酬以及随之产生的交通差旅费、业务招待费较高。传统安防企业如海康拥有较好的口碑，忠实的客户群体和完善的分销渠道，销售费用占营收比更低。

AI企业研发能力强，研发投入大。从2017-2020Q2的数据来看，海康威视的研发费用率在10%左右，相较于云从，依图，云天励飞等初创企业40%以上的数据，费用率较低。从总专利数量来看，截至2019年底，海康威视共拥有专利数量4116项，其中发明专利775项，实用新型1147项（实用新型是指对产品的形状、构造或者其结合所提出的适于实用的新的技术方案。专利法中对实用新型的创造性和技术水平要求较发明专利低，但实用价值大）。截至2020年6月，AI安防可比企业云天励飞拥有专利数量206项，其中发明专利116项，同期云从科技拥有发明专利116项。

AI为机器视觉注入新机遇

机器视觉是人工智能的重要分支，其核心是使用“机器眼”来代替人眼，与安防对AI的需求不谋而合。机器视觉系统通过图像/视频采集装臵，将采集到的图像/视频输入到视觉算法中进行计算，最终得到人类需要的信息。机器视觉可以理解为基于视觉技术的机器系统，其主要工作是对图像数据进行处理和分析，同时在智能开发系统中起着关键的作用。从20世纪50年代起，机器视觉经过Roberts和MIT等不断的开拓创新，目前在各个领域得到了广泛的应用。机器视觉作为自动化界的高智能化新型产品，正蓬勃发展。在中国，视觉技术的应用开始于20世纪90年代，但当时在各行业的应用几乎一片空白。到21世纪，机器视觉技术在工业生产中开始得到应用，其中华中科技大学取得了突破性的进展，其自主研发的印刷在线检测设备与浮法玻璃缺陷在线检测设备，使得欧美在此行业的垄断地位被打破。随着AI技术的发展，国内视觉技术已经日益成熟，真正高端的应用也正在逐步发展。

根据前瞻研究院数据显示，2019年中国机器视觉市场规模138.77亿元，2014-2019年复合增长率为16.66%。其中，国外品牌市场占有率逐渐下降，国产品牌的市场占有率逐渐提升，且销售额保持逐年增长。随着国产品牌逐渐在自动化领域深耕，机器视觉领域的国外品牌光环将不复存在，国产工业机器视觉产品将逐渐成为工业智能化改造的首选。

海康威视、奥普特等公司成为国内机器视觉应用技术领先者。自2014年成立机器视觉业务中心起，至今海康威视已覆盖多项机器视觉领域。公司聚焦工业视觉传感应用，专注光学技术、嵌入式硬件技术和底层算法软件，为工业自动化各领域部件国产化提供卓越的硬件产品和算法平台。目前公司产品已覆盖光源、镜头、相机、视觉控制器等专业机器视觉部件。

自2006年创立以来，以机器视觉核心部件中的光源产品为突破口，奥普特进入了当时主要为国际品牌所垄断的机器视觉市场。在十几年的发展过程中，公司坚持“深耕优势、以点带面、以面促点、逐个突破”的发展路径，将产品线逐步拓展至其他机器视觉部件，现已经形成覆盖机器视觉系统主要部件的产品体系。同时，奥普特以产品核心技术为基础，建立了成像和视觉分析两大技术平台，结合多年积累的机器视觉在各下游行业应用的专有技术(Know-How)，形成了多层次的技术体系。

智能化下重获新生的工业机器人

机械臂是典型的工业机器人，灵活程度各有不同，应用于世界各地工厂。制造业的汽车、电/电子、金属、塑料和化工、食品和饮料（降序排列）等垂直细分领域对工业机器人的应用最为广泛。

根据德勤数据显示，2020年工业机器人销量预计增长10%。汽车行业和电/电子行业对工业机器人的应用最为广泛，2018年，这两个行业贡献了全球工业机器人销量的60%，其中汽车行业的工业机器人销量达到120,000台，电/电子行业为110,000台。中国是全球最大的工业机器人市场：2018年，中国工业机器人销量达到154,000台，占全球销量的36%。

以海康威视为例，其针对汽车、3C、制造、物流、食品等行业提供相应的机器人产品和解决方案，为企业实现仓储和物流信息数字化管理、人工作业强度减少、产品分区管理和提升场地利用率等智能化通用服务，同时也为特定行业设计针对性方案。

海康机器人的产品线可分为LMR潜伏机器人、FMR叉取机器人、CMR移/重载机器人、系统组件和软件平台。多种产品组合可以为不同应用场景提供解决方案，由于每款机器人的特点各不相同，我们对海康机器人的全产品进行了一次细致的分类。

海康机器人系统组件：智能化的核心动力。

海康机器人全球首创自主研发的换电站为旗下机器人提供持续续航的能力；和海康机器人充电桩，利用空闲时间无间断续航。

海康机器人软件平台：功能强大的“司令部”。

海康机器人软件平台架构的核心为iWMS-1000智能仓储管理系统和RCS-2000机器人控制系统两大平台。两者分别为企业管理和机器人控制而设计。通过iWMS-1000可与企业上层系统无缝对接，从而高效低成本实现仓储管理智能化。通过RCS-2000机器人控制系统构建地图模型，对机器人进行各项复杂任务调度。

两大系统协同作业，打通内物流环节的关键物流节点，无缝衔接仓储搬运-产线搬运、库内搬运-分拣搬运等混合搬运场景，为企业提效提产。

海康机器人智慧工厂：全方位定制解决方案。

海康机器人智慧工厂解决方案基于上述的移动机器人、系统组件、机器人调度控制系统（RCS-2000）和智能仓储管理系统（iWMS-1000）四大核心模块，以货到人为核心理念，可为企业创造出真正的无人智能货仓。从而从根本上满足企业生产的智慧内物流需求，提升生产效率和管理水平。

随着人口老龄化趋势加快以及医疗、教育需求的持续旺盛，中国服务机器人市场存在巨大潜力和发展空间，成为机器人市场中颇具亮点的领域。根据赛迪顾问的数据，2019年中国服务机器人市场规模为206.5亿元，占整体机器人市场规模的35.1%，占比进一步提高。且未来三年，中国服务机器人市场将继续保持较快增长，市场规模及占比也将不断提升，2022年中国服务机器人市场份额预计达到44.3%。

扫地机器人成为服务机器人最先启动的“爆款”。根据Google Trends全球搜索热度，2020年扫地机器人搜索热度峰值同比提升19%。国内市场来看，根据奥维统计，今年10月和11月，扫地机器人线上销售额分别同比增长35.60%和38.15%。同时，中国市场当前的低渗透率和未来庞大的需求总量为扫地机器人提供巨大机遇。根据全拓数据统计，扫地机器人在中国沿海城市家庭的渗透率只有5%，在内地城市只有0.4%，远低于日本、欧洲地区的10%和北美市场的13%。长期来看，扫地机器人有潜力对标洗衣机、空调、冰箱等“每家每户必备”的高渗透率家用电器，在行业的成熟期，上述家电的渗透率一般在90%以上。

AI如何赋能扫地机器人？

机器视觉硬件可采集周围环境信息。目前常用的视觉传感器主要有：摄像头、ToF镜头和激光雷达技术。机器视觉相机的目的是将通过镜头投影到传感器的图像传送到能够储存、分析和（或者）显示的机器设备上。可以用一个简单的终端显示图像，例如利用计算机系统显示、存储以及分析图像。激光雷达是一种采用非接触激光测距技术的扫描式传感器，其工作原理与一般的雷达系统类似，通过发射激光光束来探测目标，并通过搜集反射回来的光束来形成点云和获取数据，这些数据经光电处理后可生成为精确的三维立体图像。采用这项技术，可以准确的获取高精度的物理空间环境信息，测距精度可达厘米级。TOF是飞行时间（TimeofFlight）技术的缩写，即传感器发出经调制的近红外光，遇物体后反射，传感器通过计算光线发射和反射时间差或相位差，来换算被拍摄景物的距离，以产生深度信息，此外再结合传统的相机拍摄，就能将物体的三维轮廓以不同颜色代表不同距离的地形图方式呈现出来。

SLAM技术赋予机器人更好的规划移动的能力。SLAM，全称为Simultaneous Localization and Mapping，中文叫做同时定位与建图。在SLAM理论中，首先是定位（Localization），其次是建图（Mapping），最后是路径规划。通过机器视觉的映射，机器人可以通过复杂的算法进行定位并绘制出位臵环境的地图，而SLAM技术则可以有效解决规划不合理，路径规划无法覆盖所有地区，导致清洁效果一般的问题。当完全不含SLAM的时候，由于没有地图没有路径规划，扫地机器人每次碰到障碍物会沿着随机方向折返，无法覆盖到每一个区域。当有SLAM的时候，可覆盖至任意区域。此外，扫地机器人还配备摄像头，用来识别鞋、袜子、动物粪便等物品，达到智能规避。

基于视觉的VSLAM和基于激光雷达的激光SLAM各有千秋。传统意义上实现视觉导航的VSLAM主要通过两种视觉传感器来获取信息，一是深度摄像头，通过测距实现三维空间感知，属于主动光源测距传感器；二是双目、多目、鱼眼导航传感器，属于非主动光源传感器。激光导航技术的基本原理即为激光测距，较为简单直接。现阶段市场中两者各占有一定的份额。激光导航精度更高，需要的计算量更低，但传感器价格高；视觉导航精度较低，且受可见光影响大，通过搭配多种传感器一起使用可以一定程度上补足短板。未来，如果激光导航测距传感器的价格大幅降低，那么精度更高、体验更好的激光导航技术更有可能主导扫地机器人市场；当然，在近距离、光照较好的应用场景下，视觉导航的优势更大，仍将保有一席之地。

AI医疗处于成长期

细分赛道增长迅速

全球AI医疗处于成长期，占人工智能市场五分之一。相对于制造业、通信传媒、零售、教育等人工智能应用，AI医疗具有广阔的市场空间以及多元化的需求。目前，AI医疗总体渗透率较低，商业落地规模不及安防、新零售等较为成熟的领域。根据IDC统计数据，预计到2025年全球人工智能应用市场总值将达1,270亿美元，医疗行业将占市场规模的五分之一。

2015研究分水岭，AI医疗研究偏向多元化。2015年以前，国外研究侧重于AI医疗在临床知识库外的应用，如智能手术机器人助理，电子病历的推广普及等。就国内市场而言，AI医疗的研究中心很大程度上还是在于类疾病的临床知识库。随着卷积神经网络的发展，基于深度学习的方法大大提升了算法模型对于图像识别、样本预测的精度，AI医疗得以发展。目前，AI医疗已在手术机器人，精准医疗，远程手术控制台等领域逐步落地。

AlphaFold开天辟地，精准构筑蛋白质3D模型。2020年12月，谷歌AI团队DeepMind所研发的AlphaFold模型在生物学及医疗领域取得重大突破：通过神经网络模型，根据氨基酸精准预测并构筑蛋白质3D结构。蛋白质由多个氨基酸序列组成，性质取决于其独特的3D结构。由于氨基酸在构成蛋白质的过程中会发生长链折叠过程，传统的枚举法预测蛋白质3D结构需要138.2亿年。此次AlphaFold成功预测蛋白质3D模型可在未来医疗领域中更好协助研究人员针对蛋白质的不同性质，针对性研发出特效药物，阿尔茨海默氏症、帕金森氏症、亨廷顿氏症和囊性纤维化等世界医疗难题也有望解决。

英伟达助力上层AI医疗算法。数据、算法和算力是AI领域不可或缺的三要素。对于AI医疗领域，数据与算法近年来得到快速发展，然而高效的算法更需要强大的底层硬件提供算力的支撑。在2020年中国GPU科技会议（GTC）上，英伟达首席科学家、研究院高级副总裁Bill Dally展示了Folding@Home和CyroSPARC如何基于GPU赋能AI医疗，Folding@Home借助分布式计算将无数GPU的闲臵时间利用起来，并为新冠病毒研究贡献了1.5ExaFLOPS（1ExaFLOPS = 1024PFLOPS = 1024 × 1024TFLOPS）的算力，总共花费了1个多月的计算时间，比其他传统方式快30倍左右。

我国AI医疗发展迅速，资本市场持续看好。我国人工智能市场发展快速，自2018年AI应用于基因检测序列以来，AI医疗的商业化模型逐步形成，根据沙利文咨询统计，同年AI医疗市场规模增速616.7%，总融资71笔，融资总规模30.5亿元。2019年后，预测AI医疗进入逐步增长稳定期，以40%-60%的增速“小步快跑”。

政府高度重视AI医疗，政策“自上而下”传导发酵。国务院于2017年发布的《新一代人工智能发展规划》提到需要推广应用人工智能能治疗新模式、新手段，建立快速精准的智能医疗体系。2018年政府要求人工智能向基层领域自上而下渗透。在工信部印发的《促进新一代人工智能产业发展三年行动计划（2018-2020年）》中进一步明确了在医疗影像、智能服务机器人等细分行业发展的目标与大方向。

第一张肺结节AI三类证颁发，中国AI迎来曙光。2020年11月13日，国家药品监督管理局的官网上放出了首个基于深度学习技术的肺结节CT影像辅助软件医疗器械批准证明。该证明归属于北京推想科技，是国药监开出的首张肺结节AI三类证。在医疗机构影像学检查中，胸肺CT的检查量占比最大，加之微小肺结节不容易辨别，是医疗最需要被辅助的场景。本次三类证的颁发进一步彰显国家大力发展AI医疗的决心与信心，且在十四五规划中，人工智能和生命健康都被列为前沿科技领域的优先级别，将带来中国人工智能及生命健康科学的新一轮发展。

AI医疗，科大讯飞的宏愿

基于智能语音与AI核心技术，形成四大应用场景布局。科大讯飞成立以来长期根植于语音及语言、自然语言理解、机器学习推理以及自主学习等多个AI领域。目前已发展出“教育、办公、医疗、工业互联网”四大应用场景。

三季度业绩正向扩大增长，AI医疗业务成绩显著。2020年前三季度科大讯飞营收72.84亿，同比增长10.82%；在受到疫情较大影响导致一季度出现负增长、上半年营收同比基本持平的情况下，三季度进一步扩大正向增长幅度。其中AI细分赛道内教育与医疗两大“AI双壁”增速呈现良好增长态势，同比分别增长55.55%、119.22%。

由外向内，AI医疗全方位渗透。科大讯飞目前已围绕医院、医师为核心，进行了“由外向内”的全方位布局。患者可通过智联网医疗平台与智慧医院内工作人员进行对接，智联网医疗平台可提供“预约挂号、远程医疗、患者信息采集分析”等功能，做好诊前的患者管理工作；患者对接进入智慧医院后，智慧医院AI病历平台围绕诊前病史采集、诊中病历录入以及诊后病历随访，CDSS平台可辅助医生进行临床决策，平台系统将各医疗专科领域专家的诊断知识和经验发掘出来，结合临床指南、医学文献、医学辞典、医学图谱等海量数据，借助计算机的高性能存储处理能力，建立强大的临床知识库，辅助医生临床进行高效决策；针对智慧医院内的医生及医护人员，科大讯飞研发了智医助理，其具备的智能问诊、智能交互等功能模块运用了语音识别，自然语言处理技术，对医生进行高效协助的同时累积了医疗场景数据，为其他业务场景下的语音识别，NLP算法训练提供了更为丰富的样本。实现了真正的AI闭环生态。

全球人工智能芯片市场规模实现翻倍，未来AI语音发展空间巨大。根据中国电子学会数据，2018年，全球和我国人工智能产业规模已分别高达555.7亿美元、83.1亿美元，预计2022年将分别达到1,630.2亿美元、276.5亿美元，复合增长率分别为30.87%、35.06%。人工智能语音相关技术研究的不断突破加速了产业化进程。根据灼识咨询研究，2019年中国人工智能语音行业规模已达148.0亿元，预计2024年将达到787.7亿元，2019年至2024年五年年均复合增长率约为39.7%。

行业竞争格局多元，科大讯飞与云知声齐聚A股。全球智能语音行业市场参与者主要分为两类，第一类为境内外互联网科技巨头，如谷歌、苹果、亚马逊、百度、小米等；第二类为智能语音技术公司，科大讯飞、云知声、Nuance、Cerence、思必驰、出门问问等。互联网科技巨头通常通过开放语音生态系统及产业内合作的方式，将语音技术植入相关业务场景，构建全产业生态链，以期抢占下一代人机交互入口。智能语音技术公司则专注于人工智能语音技术的研发和应用，注重垂直领域和细分市场的深耕细作，凭借自身扎实的技术储备从技术层向应用层延伸拓展，逐步从单一智能语音技术商转型为全方位人工智能技术服务商。市场方面，国外科技公司不仅在自主研发的基础上，通过并购等手段加强自身核心技术，更是进一步开放应用平台，在既有业务基础上扩展为以人工智能为核心的生态系统；国内互联网科技巨头在人工智能语音方面亦突飞猛进，近几年更多是面向个人消费者市场推出移动端消费者语音产品。

科大讯飞处于中国AI语音识别主流厂商前列。根据沙利文咨询统计结果显示，在选取的IT及互联网厂商、语音技术厂商两大类一系列调查样本中，考虑增长指数与创新性指数，科大讯飞处于高竞争力区间，仅次于阿里巴巴，位于第二。

讯飞输入法使用占比稳步提升。根据科大讯飞公众号披露，科大讯飞AI语言主打产品讯飞输入法目前1分钟可识别613字，识别准确率达100%。截至2020年10月20日，讯飞输入法的日语音交互次数超过10亿次，语音输入累计服务设备超过5亿台，语音用户占比超过70%，市场占有率达25.1%，较2020Q2环比增长0.47%，增速位于行业前列。

从拟上市的云知声招股说明书中可以看到，语音AI已经进入“云-端-芯”协同发展时代。

更低成本、更低功耗——“芯”：云知声“芯”的能力即其芯片解决方案，具体包括基于通用芯片的解决方案和基于AI专用芯片的解决方案，前者指基于通用芯片本身的体系架构，部署相应的人工智能算法引擎及应用，使其更加适合人工智能应用、具备进行人工智能运算能力的方案；后者指设计开发专门用于在终端设备上处理声音或图像的专用芯片，搭载公司自主研发的神经网络加速器及场景识别智能IP，重组芯片体系架构，从而以更低成本、更低功耗提供算力。

快速应对、及时降噪——“端”：云知声“端”的能力即为该套软件，旨在解决智能语音技术在设备端落地的具体问题，它运行在边缘侧的芯片上，除搭载语音识别、语音合成、语义理解等基础引擎外，也一并解决了拾音、降噪、功耗控制、设备硬件适配等相关场景下的业务功能绑定等一系列具体问题，从而使其成为相对标准化的“交钥匙”解决方案，具备快速适配不同类别终端设备硬件的能力。

搭建平台，满足需求——“云”：公司自主搭建了智慧云平台，一方面在其上搭载了各项核心技术引擎用于解析用户的需求，另一方面持续引入各项能力和服务资源以满足用户需求，最终以云端认知引擎为核心，实现用户需求和云端服务的对接。此套云服务既可以公有云的形式存在，也可以根据客户的特定需求进行私有化部署。

参考资料来自：安信证券、驭势资本研究所