計算機視覺：AI行業(yè)最具商業(yè)化價值的賽道

計算機視覺是國內(nèi)外AI企業(yè)最集中的領(lǐng)域,，商業(yè)成熟度較高。從AI企業(yè)的應(yīng)用技術(shù)方向分布來看,，計算機視覺技術(shù)企業(yè)在全球AI企業(yè)中占比約40%,，在國內(nèi)占比約46%；無論國外還是國內(nèi),，計算機視覺都是AI企業(yè)最集中的領(lǐng)域,。從市場規(guī)模來看,，2017年計算機視覺市場占全球AI市場總規(guī)模的16.9%，排在語音識別之后,；而國內(nèi)計算機視覺市場占AI市場的34.9%,，排名第一。國內(nèi)外計算機視覺的市場規(guī)模差異要遠大于企業(yè)分布差異,，說明國內(nèi)計算機視覺公司的總體盈利能力較其他AI領(lǐng)域的公司較強,，商業(yè)成熟度較高。

計算機視覺是AI領(lǐng)域應(yīng)用場景最豐富,、商業(yè)化價值最大的賽道,。目前，AI技術(shù)處理的數(shù)據(jù)類型不外乎四類：文字,、語音,、圖像和視頻。從信息維度來看,，從文字到視頻維度是遞增的,，文字的信息維度最少、包含的信息量也最少,，視頻的信息維度最多,、包含的信息量最大。反映在數(shù)據(jù)量占比上,，以線上數(shù)據(jù)為例,，根據(jù)Cisco的研究，到2022年全球線上視頻流量占總流量的比例將從2017年的75%上升到82%,，說明線上數(shù)據(jù)將越來越被視頻數(shù)據(jù)所主導(dǎo),。

信息維度更高加之?dāng)?shù)據(jù)量更大，因此以圖像和視頻為主要處理對象的計算機視覺要比以文字或語音為主要處理對象的其它AI技術(shù)具有更加豐富的應(yīng)用場景和商業(yè)化價值,。我們認為,，當(dāng)前資本市場也正以其資源配置、資產(chǎn)定價功能充分反映計算機視覺相對其它AI領(lǐng)域的優(yōu)勢,。例如,，根據(jù)公開資料，當(dāng)前計算機視覺行業(yè)四家頭部初創(chuàng)企業(yè)（商湯,、曠視,、依圖、云從）的總估值已經(jīng)超過1000億人民幣,，也超過了語音識別行業(yè)幾家頭部初創(chuàng)企業(yè)（思必馳,、云知聲、出門問問,、圖靈機器人,、捷通華聲）總估值加上AI語音龍頭科大訊飛的市值總和,。

市場格局上，科技巨頭把控基礎(chǔ)層,，初創(chuàng)企業(yè)領(lǐng)跑應(yīng)用層,。計算機視覺架構(gòu)從下至上：1）基礎(chǔ)層——核心芯片被Intel、Nvidia等傳統(tǒng)芯片廠商把控,，新型芯片廠商尚未崛起,，規(guī)模應(yīng)用有待時日；開源平臺以谷歌的Tensorflow,、Facebook的Caffe等為主,，其它企業(yè)的深度學(xué)習(xí)框架多為二次開發(fā)；2）技術(shù)層——算法,，初創(chuàng)企業(yè)占優(yōu),；云計算，幾乎被AWS,、Google Cloud,、Azure、阿里云等壟斷,；3）應(yīng)用層——垂直行業(yè)龍頭占據(jù)場景,，技術(shù)層初創(chuàng)企業(yè)向上滲透,。根據(jù)IDC,，2017年中國計算機應(yīng)用市場總規(guī)模約為15.5億元，商湯,、曠視,、依圖、云從“四小龍”市場份額共計達69.4%,，至2022年中國計算機視覺應(yīng)用市場規(guī)模將達到146. 1億元人民幣,。

目前中國計算機視覺算法企業(yè)在技術(shù)水平、商業(yè)化程度以及融資能力（估值）上均領(lǐng)先于國際同行,。技術(shù)上,，近年來中國計算機視覺頭部算法企業(yè)在國際性圖像識別競賽如ImageNet、FRVT,、MSR IRC等中頻繁摘得桂冠,；商業(yè)化上，根據(jù)公開報道,，商湯,、曠視、云從等在2017年均已實現(xiàn)盈利,，而國際初創(chuàng)企業(yè)同行如EverAI等尚處于凈投入階段,；另外,，從估值上看，CV四小龍均已達到數(shù)十億美元估值,，而國外尚沒有僅靠人臉識別,、圖像識別就估值破十億美元的初創(chuàng)企業(yè)。

分析上述領(lǐng)先優(yōu)勢產(chǎn)生的原因,，我們認為,，主要是由于國內(nèi)頭部計算機視覺算法企業(yè)充分享受了安防行業(yè)（尤其是視頻監(jiān)控）發(fā)展的紅利：一是安防市場快速成長的紅利，2007年至2017年我國安防行業(yè)十年CAGR達16%,，2016年以后安防智能化趨勢確定,，計算機視覺技術(shù)率先得到應(yīng)用；二是政策真空紅利,，與歐美國家相比,，當(dāng)前我國對公民生物特征的保護政策并不完善（見下文），因此國內(nèi)計算機視覺算法企業(yè)可以從包括地方政府在內(nèi)的各種機構(gòu)中獲得大量的人臉,、人像數(shù)據(jù)用于模型訓(xùn)練和算法改進,。根據(jù)Quartz的報道，中國某頭部計算機視覺算法企業(yè)聲稱擁有20億張訓(xùn)練圖,，而國際最大的公開圖庫之一的ImageNet僅擁有1300萬丈左右的訓(xùn)練圖,，相差150倍以上。

從市場結(jié)構(gòu)上看,，國內(nèi)外市場結(jié)構(gòu)略有不同：國內(nèi)安防,、金融、互聯(lián)網(wǎng)為主,，國外消費,、機器人（及機器視覺）、智能駕駛領(lǐng)先,。根據(jù)IDC的市場跟蹤,，2018年中國計算機視覺技術(shù)輸出規(guī)模最大的3個行業(yè)是政府、金融和互聯(lián)網(wǎng),，最大的兩個場景為政府行業(yè)中的平安城市以及金融行業(yè)中基于人臉識別的身份認證,。而根據(jù)Tractica的預(yù)測，2018年全球計算機視覺技術(shù)輸出規(guī)模最大的3個行業(yè)分別為消費,、機器人（及機器視覺）以及智能駕駛,。

我們認為影響計算機視覺落地的三個主要因素為監(jiān)管政策、行業(yè)接受度及用戶接受度,，三者并不割裂：監(jiān)管政策表明了監(jiān)管機構(gòu)的態(tài)度,，行業(yè)接受度體現(xiàn)了行業(yè)玩家的購買意愿，而用戶接受度一定程度上會影響監(jiān)管政策和行業(yè)接受度,。造成國內(nèi)外計算機視覺市場結(jié)構(gòu)巨大差異的主要原因,，我們認為是監(jiān)管政策和行業(yè)接受度的不同,。

在歐美國家，生物特征作為關(guān)鍵的個人信息在被科技公司收集和使用時受到法律法規(guī)的嚴(yán)格保護,。去年5月25日,，歐盟史上適用范圍最廣、定則條例最嚴(yán),、處罰金額最昂貴的數(shù)據(jù)保護法案GDPR生效,，該法案將指紋、人臉,、視網(wǎng)膜等信息全部納入個人資產(chǎn)范疇,，對科技公司利用上述信息盈利進行了嚴(yán)格規(guī)定和限制。因此,，在歐美計算機視覺率先在政策較為寬松,、用戶接受度較高的領(lǐng)域落地，例如消費和智能駕駛等,。

在中國,，首先，公民生物特征的保護政策并不完善,；其次,，基于安防效率和成本方面的考慮，政府是計算機視覺產(chǎn)品最早,、最積極的買家之一,。由于政府信用和購買力良好，加之安防行業(yè)成熟度高（利于計算機視覺技術(shù)集成）,、圖像及視頻數(shù)據(jù)豐富（利于計算機視覺算法,、模型訓(xùn)練），因此計算機視覺最先在安防領(lǐng)域落地,。此外政策因素（如實名制、反洗錢等）也是導(dǎo)致國內(nèi)金融業(yè)主動擁抱計算機視覺技術(shù)的主要原因,。

企業(yè)核心競爭壁壘,，中短期看是技術(shù)能力和產(chǎn)品化能力，長期看是生態(tài)構(gòu)建能力,。

中短期來看,，包括人臉識別、人體識別,、圖像識別等在內(nèi)的主要計算機視覺技術(shù)均基于使用神經(jīng)網(wǎng)絡(luò)的深度學(xué)習(xí)算法,，而神經(jīng)網(wǎng)絡(luò)的種類選擇、結(jié)構(gòu)設(shè)計以及參數(shù)調(diào)整等是一連串極其復(fù)雜的工作,，因此算法的優(yōu)劣和迭代速度將直接取決于算法設(shè)計人員的知識和經(jīng)驗儲備,，也會進一步?jīng)Q定計算機視覺技術(shù)的準(zhǔn)確率,、可靠性等關(guān)鍵性能。ImageNet競賽中神經(jīng)網(wǎng)絡(luò)隱含層數(shù)對圖像識別準(zhǔn)確率的影響最能說明問題,。從10年至15年,，隨著神經(jīng)網(wǎng)絡(luò)隱含層數(shù)的增多，圖像分類Top-5錯誤率隨之顯著降低（見下圖）,，但與此同時算法設(shè)計的復(fù)雜度越來越高,，對技術(shù)人員的要求也越來越高。

此外,，計算機視覺技術(shù)在場景中落地時需要企業(yè)具備大量的除算法以外的know how,，例如在軟硬件結(jié)合以及保護終端用戶隱私上的知識和經(jīng)驗等。現(xiàn)階段,，掌握技術(shù)的AI人才（尤其是頂級人才）主要分布在高校及科研院所,，產(chǎn)業(yè)內(nèi)的人才供應(yīng)不足，加之多數(shù)場景下計算機視覺的落地能力不足,，人才的爭奪與落地能力的競爭將決定企業(yè)的發(fā)展速度,。

但是，技術(shù)層面,，隨著自動機器學(xué)習(xí)技術(shù)AutoML的出現(xiàn),，機器學(xué)習(xí)模型的設(shè)計門檻隨之降低。AutoML的出發(fā)點是用強大的算力通過更多次的訓(xùn)練提高模型的準(zhǔn)確度,，其最大特點是將機器學(xué)習(xí)模型的設(shè)計過程自動化,。算法設(shè)計人員只需了解模型的基本概念并提供標(biāo)簽數(shù)據(jù)即可，神經(jīng)網(wǎng)絡(luò)的參數(shù)及結(jié)構(gòu)調(diào)整是自動完成的,，無需人工干預(yù),。目前AutoML已經(jīng)進入落地階段。

例如,，去年1 月谷歌發(fā)布了提供自定義圖像識別系統(tǒng)自動開發(fā)服務(wù)的 Cloud AutoML Vision,，用戶從導(dǎo)入數(shù)據(jù)到訓(xùn)練模型都可以通過拖放式界面完成。AutoML已經(jīng)被谷歌應(yīng)用于CIFAR-10高度基準(zhǔn)測試數(shù)據(jù)集,，并且訓(xùn)練出了與手工設(shè)計不相上下的模型,。我們認為，隨著AutoML技術(shù)的成熟,，算法設(shè)計的門檻將越來越低,，但相應(yīng)的，算力的重要性會越來越明顯,，長期來看有可能成為計算機視覺企業(yè)的核心競爭力之一,。

產(chǎn)品層面，我們認為，隨著競爭的加劇,，成功的企業(yè)不僅要具備大量的跟技術(shù)落地相關(guān)的know how,，還必須能夠主動地挖掘甚至創(chuàng)造需求，具備類似蘋果在智能手機上的理解力,。這就要求企業(yè)在縱向上能夠主導(dǎo)整個產(chǎn)業(yè)鏈,，橫向上能夠接入更多開發(fā)者和場景，因此長期看生態(tài)構(gòu)建能力將成為主要競爭壁壘,。

現(xiàn)階段,，頭部算法企業(yè)橫向建立平臺，垂直領(lǐng)域龍頭縱向深耕行業(yè),，科技巨頭立體式打造全產(chǎn)業(yè)生態(tài),。

頭部算法企業(yè)的布局是橫向拓展基礎(chǔ)技術(shù)，建立基礎(chǔ)平臺,。例如,，商湯以人臉識別技術(shù)起家，逐漸拓展到人體分析,、機器人,、無人駕駛等領(lǐng)域，加上GPU超算中心和云計算平臺,，逐漸將自身打造成一個基礎(chǔ)的人工智能平臺,，然后探索在應(yīng)用端的迅速落地。

垂直領(lǐng)域龍頭公司的布局是縱向打通計算機視覺框架,，深耕所在行業(yè),。例如，安防設(shè)備龍頭?？低曋饾u脫離了與初創(chuàng)算法企業(yè)的合作,，自主研發(fā)關(guān)鍵技術(shù)，并在ILSVRC（2016）圖像分類獲得第一名,；此外,，還推出了AI Cloud平臺，著力解決算力問題,。通過縱向打通基礎(chǔ)層,、技術(shù)層和應(yīng)用層，垂直領(lǐng)域龍頭公司可以提出更加智能的行業(yè)解決方案,。

科技巨頭公司的布局是以平臺為核心立體式地推進，打造全產(chǎn)業(yè)生態(tài),。例如,，Google以TensorFlow及Google Cloud為核心，橫向上進軍圖像分析、文字識別等技術(shù),，推出Google Lens等視覺服務(wù)產(chǎn)品,；縱向上向下拓展基礎(chǔ)硬件推出TPU芯片，向上拓展醫(yī)療（Verily）,、無人駕駛（Waymo）等垂直領(lǐng)域,，逐漸打造包括計算機視覺在內(nèi)的人工智能大生態(tài)。

2.智能語音：產(chǎn)業(yè)進入爆發(fā)期,，看好對話式人工智能發(fā)展

智能語音技術(shù)逐漸成熟,，未來幾年市場將維持高速增長。根據(jù)Gartner發(fā)布的2018年AI技術(shù)成熟度曲線,，語音識別已經(jīng)進入“實質(zhì)生產(chǎn)高峰期”,，意味著語音識別技術(shù)已被廣泛接受，規(guī)?；涞丶磳㈤_始,。此外，像自然語言處理,、虛擬助理等相關(guān)智能語音技術(shù)歷經(jīng)淘洗之后即將落入“泡沫化低谷期”,，商業(yè)模式越來越成熟，也將進一步推動智能語音的落地,。根據(jù)ReportLinker的預(yù)測,，全球智能語音市場規(guī)模將從2018年的75億美元增長至2024年的215億美元，其中醫(yī)療健康,、移動銀行以及智能終端智能語音技術(shù)快速增長的需求將成為主要的驅(qū)動因素,。

國內(nèi)外市場均已相對集中，頭部企業(yè)占據(jù)大部分市場份額,。根據(jù)中商產(chǎn)業(yè)研究院的數(shù)據(jù),，2018年智能語音全球市場CR5達到88%，中國市場CR5達到84.6%,，均已呈現(xiàn)出相對較為集中的市場格局,。值得注意的是，國內(nèi)的市場格局與國外存在著明顯的差異,，主導(dǎo)國外市場的巨頭玩家如Nuance,、谷歌等并沒有在中國市場取得同樣的市場地位。

我們認為,，這種現(xiàn)象主要是由兩方面原因造成的：一是由于中文與外語在分詞及句法的邏輯等方面有著明顯的不同,，并且中國有大量獨具特色的方言，這種語言上的差異使得國內(nèi)企業(yè)在中文處理上獨具優(yōu)勢,；二是受益于國內(nèi)互聯(lián)網(wǎng)和移動互聯(lián)網(wǎng)的高速發(fā)展,，智能語音在國內(nèi)具有更加豐富的落地場景和商業(yè)化環(huán)境,。這種“天時”、“地利”的優(yōu)勢使得中國企業(yè)領(lǐng)跑國內(nèi)市場,。

現(xiàn)階段,，產(chǎn)品化能力是智能語音初創(chuàng)企業(yè)核心壁壘。一方面,，從技術(shù)的角度,，在無噪音環(huán)境下，機器的語音識別準(zhǔn)確率已經(jīng)達到相當(dāng)高水平,，未來上升空間有限,。科研界將錯詞率（Word Error Rate, WER）視為衡量語音識別技術(shù)的核心指標(biāo)（準(zhǔn)確率=1-WER）,，其中人類的平均WER為5.9%（即94.1%的準(zhǔn)確率）,，受過嚴(yán)格專業(yè)訓(xùn)練的速記員平均WER為3%（即97%的準(zhǔn)確率）。

自2016年機器的語音識別準(zhǔn)確率首次超過人類平均水平以來,，目前最好的算法已經(jīng)可以將準(zhǔn)確率做到97.03%,，超越專業(yè)速記員。另一方面,，從商業(yè)化角度,，技術(shù)難以成為企業(yè)核心壁壘，產(chǎn)品化能力才是成長的關(guān)鍵,。這是因為技術(shù)的門檻越來越低,，單純依靠提供技術(shù)的商業(yè)模式將面臨越來越大的競爭因而難以持續(xù)，這一點從近幾年頭部智能語音初創(chuàng)企業(yè)如云知聲,、思必馳等紛紛從技術(shù)提供商轉(zhuǎn)向產(chǎn)品/服務(wù)提供商就可以看出,。

技術(shù)全棧化已成為新趨勢,，產(chǎn)業(yè)鏈延伸是當(dāng)前最好策略,。對于智能語音而言，多數(shù)場景下普遍存在的問題是落地體驗不好,，而這帶來了技術(shù)上和產(chǎn)業(yè)上的兩層影響：技術(shù)上,，落地體驗的改善有賴于從硬件到軟件、從算法到產(chǎn)品各個環(huán)節(jié)的緊密協(xié)調(diào),，在這種情況下,，頭部企業(yè)多傾向于走技術(shù)全棧化路線,，即打通全鏈條上的技術(shù)環(huán)節(jié),；產(chǎn)業(yè)上，為了實現(xiàn)更好地商業(yè)化,，企業(yè)傾向于通過上下游延伸創(chuàng)造更多價值,。最能說明上述兩個趨勢的例證是當(dāng)前幾乎所有的頭部初創(chuàng)企業(yè)都在布局專用語音芯片,，主要原因是專用語音芯片的應(yīng)用性能可以達到通用芯片的40-50倍,，而同時成本只有通用芯片的1/4-1/3,。

通用平臺商打造開放語音生態(tài)，專業(yè)應(yīng)用商搶占重點賽道,。智能語音市場玩家大體上可以分為兩種,，一種是通用平臺商，另一種是專業(yè)應(yīng)用商,。通用平臺商如谷歌,、百度等科技巨頭，致力于圍繞智能語音開放系統(tǒng)打造智能語音生態(tài),。以百度為例,，公司在2017年全面開放了語音接口，目前依托DuerOS打造出較為完整的技術(shù),、開發(fā)與商業(yè)生態(tài)系統(tǒng),，截至2018年7月底搭載DuerOS的智能設(shè)備激活數(shù)量已突破1億臺。專業(yè)應(yīng)用商以垂直領(lǐng)域和細分場景為突破口,，均有重點布局的賽道,。例如，云知聲重點布局家居,、車載與醫(yī)療,，思必馳重點布局家居、車載與機器人,，兩者多有重合但側(cè)重上有差異,。

對話式人工智能即將規(guī)模化落地,，看好智能家居,、隨身設(shè)備、智能車載三個場景,。與一般的智能語音應(yīng)用相比,，對話式人工會智能中人與機器之間是雙向交互的，機器在追求理解人的意圖的同時也會給人以反饋（比如要求人進一步明確意圖或者給出選擇等）,。對話式人工智能的整個人機交互過程可分為喚醒,、識別、理解,、反饋四個環(huán)節(jié),。

從供需角度，對話式人工智能的供給方為對話式人工智能的硬件開發(fā)者與軟件開發(fā)者,，產(chǎn)品為對話式人工智能應(yīng)用與服務(wù),，包括音樂,、視頻、游戲等,；需求方為終端消費者,，整個需求產(chǎn)業(yè)鏈條自下而上包括芯片商、方案集成商,、終端設(shè)備商,、渠道商以及消費者。對話式人工智能的中間樞紐是對話式人工智能平臺,，由互聯(lián)網(wǎng)科技巨頭,、初創(chuàng)AI語音公司等提供。

我們認為對話式人工智能將率先在智能家居,、隨身設(shè)備,、智能車載三個場景中實現(xiàn)大規(guī)模落地，原因是：1）上述三個場景作為家庭IoT,、個人IoT以及車聯(lián)網(wǎng)的重要入口,，是頭部企業(yè)爭奪的重點，例如亞馬遜的Echo,、蘋果的Siri,、思必馳的飛歌GS2正是分別瞄準(zhǔn)上述場景；2）上述三個場景對智能語音技術(shù)的要求相對較低,，例如智能家居和智能車載都是在相對封閉的環(huán)境,，語音喚醒成功率和語音識別的準(zhǔn)確率會相對較高；3）上述三個場景中C端用戶對交互式人工智能的接受程度較高,，IDC調(diào)研數(shù)據(jù)顯示89%的人有意向在未來兩年內(nèi)采用對話式人工智能終端,，其中智能手機、智能電視,、智能音箱,、汽車等終端在美中兩國用戶中期望度最高、使用最為頻繁,。根據(jù)IDC預(yù)測,，到2020年中國對話式人工智能在智能家居、隨身設(shè)備以及智能車載的滲透率將分別達到27%,、68%,、51%。

FAMGA布局啟示：車載,、醫(yī)療,、住宿以及企業(yè)級應(yīng)用或是智能語音未來最主要的落地場景，用戶隱私和數(shù)據(jù)安全保護值得關(guān)注,。

在對話式人工智能領(lǐng)域,，F(xiàn)acebook,、Amazon、Microsoft,、Google,、Apple五巨頭布局較早，整體上引領(lǐng)技術(shù)和產(chǎn)業(yè)潮流,，相關(guān)動向?qū)Ξa(chǎn)業(yè)和投資布局具有極大的指導(dǎo)意義,。目前看來，五家公司選擇了截然不同的發(fā)展路徑,，背后主要原因是公司的業(yè)務(wù)基因與核心優(yōu)勢具有顯著差異。我們梳理了五家公司在對話式人工智能領(lǐng)域的布局和動向,，具體如下：

1）Amazon：優(yōu)勢領(lǐng)域在智慧家居,，通過開放合作拓展其它場景。Amazon是最早實現(xiàn)對話式人工智能規(guī)模落地的巨頭之一,，其智能音箱產(chǎn)品Amazon Echo系列（包括Echo,、Echo Dot等）自2014年推出以來，至去年年出貨量已經(jīng)達到2420萬臺,，全球市場份額始終維持第一,。

由于在電商領(lǐng)域具有絕對優(yōu)勢，Amazon在對話式人工智能領(lǐng)域的主要目標(biāo)之一是主導(dǎo)語音購物市場,。目前語音購物主要發(fā)生在智能家居場景中,，以智能音箱為載體實現(xiàn)。但是除語音購物以外,，Amazon在提供其他服務(wù)上并不具備優(yōu)勢,，主要原因在于相對缺乏豐富的軟件應(yīng)用支持。因此,，公司采取了相對開放的策略,，最值得關(guān)注的動作之一是創(chuàng)建了Amazon Connect Kit協(xié)助開發(fā)者為用戶提供更多可以接入Alexa的定制化硬件產(chǎn)品和應(yīng)用服務(wù)。截至2月份,，全球已經(jīng)有超過4500個品牌,、2.8萬個智能家居終端接入到了Alexa上，家電巨頭如LG,、三星,、GE等都有產(chǎn)品接入。

除智能家居場景外,，Amazon也在拓展其他場景,，例如去年8月推出了Alexa Auto SDK以幫助汽車制造商將Alexa語音控制功能集成到汽車娛樂信息系統(tǒng)上。我們認為Amazon在對話式人工智能的場景拓展上的主要劣勢在于缺乏其競爭對手如 Google,、Apple等均具備的手機,、平板,、PC等多種硬件級入口。根據(jù)IHS的預(yù)測,，到2020年Amazon Alexa的市場份額將被顯著壓縮,，跟我們的觀點相符。

2）Google：背靠強大的自然語言處理技術(shù)及豐富的軟件群發(fā)力服務(wù)領(lǐng)域,。Google有著多年的自然語言處理技術(shù)沉淀,，在底層對話式人工智能技術(shù)上占據(jù)相對優(yōu)勢。根據(jù)公開信息,，2019年Google將支持超過30種語言的語音識別與自然語言處理,，并具備同時理解兩種以上語言的能力。此外,，Google還擁有包括郵件,、地圖、搜索等在內(nèi)的龐大SaaS軟件群,，同時擁有手機,、平板、PC等多種硬件終端,，使其可以收集并使用更豐富的場景下用戶的語音數(shù)據(jù)來提升自身處理語音請求的能力,。我們認為，上述兩個優(yōu)勢是Google在智能音箱出貨量上能夠快速追趕Amazon的主要原因（見圖表27）,，同時也是Google在個人服務(wù)領(lǐng)域和公共服務(wù)領(lǐng)域落地對話式人工智能技術(shù)時的獨特競爭力所在,。

在個人服務(wù)領(lǐng)域，Google推出了Duplex聊天機器人,，該機器人最大特點是可以模仿人聲撥打和接聽電話,，在對話時能實時理解對方意圖并做出及時反饋，同時輸出的語音中還會包含停頓以及“嗯”,、“額”等常見的口語用詞,，已經(jīng)很大程度上做到了擬人化。此前Google收購API.AI也是為了增強其聊天機器人的技術(shù)實力,。API.AI提供聊天機器人的開發(fā)框架,，具備意圖識別、上下文管理等多種功能,，使得Google可以強化聊天機器人的智能水平,。

在公共服務(wù)領(lǐng)域，Google重點關(guān)注醫(yī)療及住宿,。醫(yī)療領(lǐng)域,，Google將智能音箱、谷歌助手等產(chǎn)品部署到了醫(yī)院及療養(yǎng)院，用戶可以通過上述產(chǎn)品尋求醫(yī)生幫助,，醫(yī)生也可以通過手機App追蹤用戶請求,；住宿領(lǐng)域，Google通過投資酒店聊天機器人公司GoMoment以及開發(fā)谷歌助手的翻譯模式等方式使得酒店從前臺接待（如登記住房）到客房服務(wù)（如點外賣）實現(xiàn)自動化及智能化,，搶占酒店服務(wù)市場,。

3）Microsoft：避開直接競爭，劍指企業(yè)領(lǐng)域,。Microsoft在對話式人工智能領(lǐng)域的起步稍晚于Amazon和Google,，同時在消費級市場也并不具備入口與應(yīng)用優(yōu)勢，因此Microsoft主要拓展對話式人工智能在其傳統(tǒng)優(yōu)勢領(lǐng)域——企業(yè)領(lǐng)域的應(yīng)用,，從策略上避開了與Google,、Amazon等巨頭的直接競爭。公司還跟Amazon進行合作,，跨系統(tǒng)打通了Cortana和Alexa,，使得用戶可以通過Cortana喚醒Alexa進行購物，也可以通過Echo或者其它Alexa設(shè)備喚醒Cortana進行辦公,。由于Amazon和Microsoft的優(yōu)勢領(lǐng)域不同，這種合作的互補顯而易見,。

此外,，Microsoft還申請了一項專利，該專利使得用戶可以輕聲喚醒數(shù)字助理,，為用戶在公共場合使用對話式人工智能終端提供了便利,，凸顯了公司對企業(yè)領(lǐng)域的重視。

4）Apple：關(guān)注用戶隱私和數(shù)據(jù)安全,。Apple于去年11月收購了致力于開發(fā)可以部署在消費級終端上的輕量級的AI應(yīng)用的初創(chuàng)企業(yè)Silk Labs,，此外還申請了離線喚醒Siri以及聲紋識別兩項專利。公司的主要目標(biāo)是使對話式人工智能技術(shù)可以在終端而非云端實現(xiàn),，從而排除用戶對個人隱私和數(shù)據(jù)安全的憂慮,。Apple發(fā)力隱私和安全與其過往遭受多起關(guān)于侵犯用戶隱私的集體訴訟有關(guān)，可以說公司對C端用戶的痛點具有超越競爭對手的深刻認知,。

5）Facebook：戰(zhàn)略聚焦聊天機器人,。Facebook也采取了跟Amazon合作的策略，我們認為主要原因有兩個：一是公司在對話式人工智能領(lǐng)域起步較晚,，2018年才推出智能音箱Portal,，在五巨頭中已處于相對落后地位；二是公司在去年遭遇了關(guān)于泄露用戶數(shù)據(jù)和隱私的巨大丑聞,，跟Amazon合作可以緩解外界對公司獲得和濫用數(shù)據(jù)的擔(dān)憂,。公司主要關(guān)注對話式人工智能在社交領(lǐng)域的應(yīng)用，2015年初收購了語音指令創(chuàng)業(yè)公司wit.ai,，此后在Messenger應(yīng)用上大規(guī)模部署了聊天機器人,。在2016年4月的Facebook F8開發(fā)者大會上,，F(xiàn)acebook宣布Messenger為未來十年重點項目之一，并邀請開發(fā)者加入Messenger一同開發(fā)聊天機器人,。

3.重點公司介紹

3.1商湯：AI算法提供商龍頭,，平臺化戰(zhàn)略賦能公司和行業(yè)

AI算法提供商龍頭，“1+1+X”打造核心平臺,。公司成立于2014年,，創(chuàng)始人為香港中文大學(xué)工程學(xué)院教授湯曉鷗，業(yè)務(wù)聚焦于計算機視覺和深度學(xué)習(xí)領(lǐng)域,，擁有2200位員工,，其中約150位擁有世界頂級大學(xué)博士學(xué)位。2018年9月,，公司被科技部選為“智能視覺”國家新一代人工智能開放創(chuàng)新平臺建設(shè)依托單位,。公司采取平臺化戰(zhàn)略，主要的業(yè)務(wù)模式是首先進行前期基礎(chǔ)技術(shù)研究,，然后結(jié)合當(dāng)前行業(yè)應(yīng)用熱點生成相關(guān)產(chǎn)品和服務(wù),，最后進行營銷和推廣，即“1（基礎(chǔ)研發(fā)）+1（產(chǎn)品和服務(wù)化）+X（行業(yè)應(yīng)用）”打法,。當(dāng)前公司戰(zhàn)略推進順利,，去年5月31日公司公告表示2017年已實現(xiàn)全面盈利，業(yè)務(wù)營收連續(xù)三年保持400%同比增長,，2018年主營業(yè)務(wù)合同收入同比增長10多倍,。

內(nèi)生+外延，圍繞計算機視覺展開全方位布局,。公司通過內(nèi)生和外延不斷拓展技術(shù)和業(yè)務(wù)邊界,，提前進行產(chǎn)業(yè)布局。內(nèi)生上,，公司以人臉識別技術(shù)起家,，當(dāng)前核心技術(shù)已覆蓋人臉、人體,、圖像,、視頻、SLAM與3D,、機器人,、無人駕駛等多領(lǐng)域計算機視覺技術(shù)，并且仍在不斷橫向拓展,，進而衍生出智能視頻,、身份驗證、移動互聯(lián)網(wǎng)、智慧商業(yè)等多類產(chǎn)品和服務(wù),，覆蓋智慧城市,、智能終端、互聯(lián)網(wǎng)娛樂,、智慧金融,、智慧商業(yè)、遙感,、移動運營商,、無人駕駛、AR/VR等多個應(yīng)用場景,。外延上,，公司通過成立投資部門，通過直投或者產(chǎn)業(yè)基金方式向下游延伸布局新應(yīng)用和新場景,，投資標(biāo)的以在垂直領(lǐng)域已建立起行業(yè)場景,、占據(jù)一定地位或者已具備一定行業(yè)認知及客戶資源但技術(shù)和產(chǎn)品尚不成熟的初創(chuàng)企業(yè)為主，例如醫(yī)療健康領(lǐng)域的AI初創(chuàng)企業(yè)禾連健康,、VR看房企業(yè)51VR等,。