值得注意的是，雖然在傳統安防企業中，海康和大華的競爭優勢非常明顯，但是現在行業逐步有新的玩家開始進入，比如華為和阿里就在大力進入AI+安防的領域。以華為為例，近年華為安防已經從三級部門提升至二級部門，成為公司重要發展戰略。2017年聚焦投入安防，2018年發布軟件定義攝像頭架構，2019年進一步提出“2+4+N”戰略。華為的優勢在于其強大的研發實力以及安防AI芯片的龍頭地位。對于AI安防領域的競爭態勢，我們也需要密切跟蹤這些新進企業的經營狀況。

3．智慧金融市場空間大，落地場景多，參與企業多元化

人工智能技術在金融領域的應用速度也很快，蓋因金融科技的快速發展，已成為金融行業的核心支柱力量。根據IDC的預測，到2020年，銀行、保險、證券這三大金融核心領域的IT市場規模將達到2500億元，而其中銀行IT的市場規模就達到接近2000億元。

圖13：銀行IT市場規模預測（億元）

資料來源：IDC、招商銀行研究院

圖14：保險IT市場規模預測（億元）

資料來源：IDC、招商銀行研究院

圖15：金融IT市場規模（銀行、保險、證券）

資料來源：IDC、招商銀行研究院

近年來金融行業正在運用AI技術不斷向智慧金融轉型，我們預期未來AI技術在金融科技領域的滲透率將能達到40%以上。

3.1 智慧金融落地場景多樣化、賦能動力充足

智慧金融近年來發展迅速，應用場景豐富而多樣，典型的如智慧網點、智能客服、智能信貸、智能合控、智能投顧、智能投研、智能保險等。在這些場景下金融行業可以通過AI技術提升效率和競爭力，賦能效果顯著，以下做具體介紹。

智慧網點： 網點是商業銀行最重要的服務場所和品牌形象的代表，隨著網絡渠道的發展，銀行不能簡單裁撤網點以節省成本，而是需要進行網點變革，通過以客戶為中心，建設輕型化、特色化、社區化的新型網點，以實現用更低成本對客戶進行更好的服務。新型網點人員少面積小，為了實現對客戶的有效服務，只有通過人工智能技術的手段，才能實現小面積少人員快速實現對客戶的有效服務。

因此智慧網點應運而生，圖16列舉了人工智能技術在智慧網點的典型應用，這些應用能大幅提升效能和客戶體驗。

圖16：人工智能技術在智慧網點的應用

資料來源：36Kr、招商銀行研究院

智能客服： 金融業的服務屬性決定了其具有大量客戶溝通運營的需求，銀行業尤其突出?？头鳛槠髽I與用戶溝通的直接出口，需要兼具專業解答能力、營銷能力與良好的溝通交流能力。當前，客服行業人員素質參差不齊，高素質客服短缺且成本較高，而智能客服在成本、效率上具備明顯優勢。

智能客服除了可以模擬客服人員和客戶進行溝通外，還可通過語音識別、大數據挖掘技術對銀行海量的通話記錄進行智能分析上，挖掘分析有價值的信息，為服務與營銷提供數據與決策支持，對客戶的運營也能有明顯的提升作用。

智能合控（合規與風控）： 反欺詐反洗錢一直是商業銀行和監管部門面臨的核心問題，因此產生了合規與風控的需求。人工智能技術近年來在這些領域得到了廣泛應用，與傳統的被動式監管相比，AI和大數據分析技術的結合能夠實現對海量數據的實時挖掘，主動發現、智能監控。

圖17：智能合控流程示意

資料來源：招商銀行研究院

2017年人民銀行成立了金融科技委員會，將強化監管科技應用實踐，利用大數據、人工智能、云計算等技術豐富金融監管手段，提升跨行業、跨市場交叉性金融風險的甄別、防范和化解能力，這也為智能合控的發展帶來了更多機遇。

智能信貸： 信貸管理是商業銀行的核心業務，智能信貸能基于人工智能和大數據技術，實現線上信貸業務的全流程優化和監控，提升風控能力和運營效率，降低成本。

精準信用畫像和信貸審批自動化是經營效率提升的主要環節。深度學習算法可利用大數據為用戶建立信用畫像，從而更加前瞻性地反映申請者的信用狀況，快速形成對潛在客戶的風險評估。智能化的決策引擎則利用風險評估數據對借貸形成審批、額度、定價等的判斷，可從貸前、貸中和貸后的各個環節實現信貸業務精細化以及自動化運作。

圖18：智能信貸流程示意

資料來源：艾瑞咨詢、招商銀行研究院

智能投顧： 智能投顧是人工智能技術在財富管理領域的應用，它通過一系列智能算法綜合評估用戶的風險偏好、投資目標、財務狀況等基本信息，并結合現代投資組合理論為用戶提供自動化、個性化的理財方案。

智能投顧的核心環節包括：用戶畫像、大類資產配置（投資標的選擇）、投資組合構建和動態優化等。

智能投顧相比人工服務具有專業高效、降低門檻、客觀中立等優勢。

■ 專業高效：相比于傳統投顧，智能投顧更高效。在用戶端，智能投顧通過問卷或互聯網上的留存數據進行用戶的投資畫像，快速針對客戶的基本信息、風險偏好和投資目標等進行綜合評估，在資產端平臺自動進行分析和產品匹配，生成投資組合建議。

■ 降低門檻：傳統投顧主要針對高凈值客戶，覆蓋范圍有限，服務成本高，起步資金門檻在50~100萬元，高端服務需要千萬元級別的資金。而智能投顧則依靠技術優勢，有效節省了人力成本，從而大大降低了服務門檻，可有效覆蓋中產及以下的普通投資者。

■ 客觀中立：傳統投顧完全依賴投資顧問個人的能力和品行，如何保障投資顧問的道德操守，避免人性的貪婪和恐懼，是重要挑戰。而智能投顧通過計算機的大量參與，可有效避免很多人為因素的干擾。

根據艾瑞咨詢的預測，到2020年，中國智能投顧市場將達1884億元。

圖19：中國智能投顧市場規模（億元）

資料來源：艾瑞咨詢、招商銀行研究院

圖20：智能投顧系統示意

資料來源：36Kr、招商銀行研究院

智能投研： 指利用機器學習、知識圖譜等技術，將數據、信息和決策進行智能整合，實現數據之間的智能化關聯，自動化地完成信息的收集、清洗、分析和決策等工作。它能提高投研者的工作效率和投資能力。

和人工投研相比，智能投研自動化程度高，能自動從行業新聞、公司新聞、招股書、年報、公告、行業研究報告等半結構化或非結構化數據中批量自動抽取重要信息，并建立知識圖譜，實現數據搜集、事件分析、輿情影響、行行業趨勢分析的一站式服務，具有高效、客觀的優勢。

圖21：智能投研流程示意

資料來源：36Kr、招商銀行研究院

智能保險： 保險也是對數字和科技要求很高的行業，當前面臨互聯網的巨大挑戰，客戶對險種功能和理賠效率的需求在不斷提升，對公司的精算風控也提出更高要求。人工智能技術可以從售前、承保、理賠、售后等多個環節提升運營效率，優化定價，為用戶提供個性化的產品推送。

以車險理賠為例，通過運用語音識別、圖像識別等技術，可以實現智能理賠，克服欺詐騙保、理賠時間長等問題。據艾瑞咨詢統計，智能理賠可以帶來40%以上的運營效能提升，將理賠時效從3天縮短至30分鐘。

圖22：車險智能理賠示意

資料來源：艾瑞咨詢、招商銀行研究院

3.2四大類公司是行業主要參與者，不同維度各具特點

智慧金融領域的主要參與者包括金融機構、金融科技公司、互聯網公司、人工智能公司。

其中金融機構指的是銀行、保險、證券等金融核心領域的大型金融企業及其子公司如平安科技；金融科技公司指的是長期進行某一特定金融領域信息化工作的公司，典型的如恒生電子、同花順、萬得等；互聯網公司指的是大家熟知的BATJ互聯網巨頭及從其衍生的一些金融服務公司如螞蟻金服、微眾等；人工智能技術公司指的是近年成立的，掌握最前沿人工智能技術的公司。

這幾類公司各具特點和競爭優勢，可以從客戶和數據、技術創新能力、業務理解能力、行業經營能力這幾個維度來分析：

■ 客戶和數據： 金融機構以及互聯網公司最具優勢，其中金融機構擁有最大而全的金融客戶以及數據，互聯網公司擁有最大的C段客戶基礎。部分金融科技公司如同花順也在自己的細分領域擁有大量數據，而絕大部分人工智能技術公司在客戶數據上十分缺乏。

■ 技術創新能力：人工智能技術公司和互聯網公司具備相對優勢，其中人工智能技術公司在AI核心領域的研發應用能力最強，而互聯網公司則具備極強的用戶體驗、產品設計以及綜合運營能力。金融科技公司的優勢特定細分領域的IT開發能力豐富，金融機構的優勢在對金融業務場景理解深刻，相比前兩者的核心技術能力均略有差距。

■ 業務理解能力：金融機構的理解毫無疑問是最深刻的，金融科技公司對自己熟悉的特定領域有較深刻的認識，互聯網公司通過前期的嘗試也對金融業務有一定的理解，而人工智能技術公司起步晚，理解最薄弱。

■ 行業經營能力：金融機構的牌照最為齊全，金融科技公司和互聯網公司都具備少量金融牌照，而人工智能技術公司的牌照最為缺乏。

表 3：四大類公司及其不同維度的能力優勢

資料來源：招商銀行研究院

3.3 不同類型公司在不同場景具備競爭優勢

如前文所述，智慧金融的主要參與者各自具備不同維度的特點，同時智慧金融的應用場景也非常多元化，這些多元化的場景所需要的核心能力各不相同，因此這些參與者和場景存在關聯關系，不同類型的參與者適合進行不同類型場景的建設：

■ 智慧網點適合金融機構和人工智能技術公司參與，因為該場景非常具體，需要金融機構提供場地，人工智能公司提供技術，相互結合 。

■ 智能客服的主要優勢參與方是人工智能技術公司，主要的原因是該場景技術要求高，技術普適性廣，可快速復用，適合技術領先公司參與。

■ 智能信貸則是金融機構、互聯網企業各具優勢。金融企業的優勢在業務經驗豐富、金融數據全面、IT流程成熟穩定，可以基于現有系統，制定符合金融規律的智能信貸模型，高效運行?；ヂ摼W企業的優勢在于海量的客戶及部分非金融信息，如騰訊、阿里具備海量到社交和電商信息，他們可以利用這些信息及其先進的大數據處理能力，實現長尾客戶的智能信貸，獲得下沉市場并向中小金融機構賦能。

■ 智能合控的優勢企業是人工智能公司，主要是因為這項業務技術要求高，既非金融機構的盈利點，同時監管部門也有需求，因此第三方人工智能公司作為中立的技術提供者有優勢。

■ 智能投顧的優勢參與者是金融機構和金融科技公司，投顧是對金融專業能力要求很高的行業，金融機構是該領域的翹楚，將AI技術應用后可以大幅提升效能；而部分投資領域的金融科技公司如同花順、雪球通過長年積累，掌握大量客戶信息、交易數據，也具備智能投顧的基礎。

■ 智能投研適合金融科技和人工智能企業參與，因為該領域對數據和技術要求都很高。部分金融科技企業如同花順、萬得具備數據和IT運營能力；部分新型企業如文因互聯、蘿卜投研則具備技術優勢，可將數據更好整合分析。

■ 智能保險的優勢企業也是金融機構和互聯網公司，保險龍頭機構的數據規模大，行業經驗豐富，互聯網公司則具備更廣泛的客戶基礎和更靈活的應用場景。

表 4：不同類型智慧金融公司和場景的契合情況

資料來源：招商銀行研究院

根據上述的分析，我們在表5整理了國內主要的智慧金融參與企業，并對其優勢領域進行歸類。

表 5：主要智慧金融企業

（請查閱PDF版本報告，如需全文請聯系招商銀行研究院研究管理團隊。）

4．智慧教育市場空間巨大，高價值客戶是關鍵

和安防領域不同，教育領域雖然試錯成本也較低，但過去IT化程度也低，造成其推進過程中遇到的困難比安防領域要大，突出表現在高價值客戶的獲客成本高和留存率低。但是試錯成本低，行業空間大給智慧教育類公司帶來的好處是只要產品過硬，舍得投入營銷費用，往往能獲得營收的快速增長。

4.1 智慧教育中長期市場空間達千億元，當前呈現百花齊放的局面

教育行業是一個六萬億的市場，因此智慧教育的發展空間很大，根據艾瑞咨詢的預測，到2022年，國內智慧教育的市場空間將達到1724億元。雖然實際的市場發展未必如其預期的這么迅速，但中長期而言，該領域將達到千億規?；臼切袠I的共識。

圖23：中國智慧教育市場空間預測（億元）

資料來源：流利說招股書、艾瑞咨詢、招商銀行研究院

雖然人工智能技術和教育結合的時間并不長，但是當前的智慧教育已經呈現百花齊放的局面，多個細分領域在快速增長，主要包括自適應教育、智能工具、AI外語培訓等。

自適應教育因材施教，國外發展較成熟，國內處于快速發展期

自適應教育指的是通過人工智能技術，進行大數據分析，自動分析學生的知識掌握階段和性格特點，自動調整學生的學習路徑，以幫助學生達到更有效的學習效果、獲得更好的體驗。

圖24：自適應教育流程示意

資料來源：艾瑞咨詢、招商銀行研究院

自適應教育最大的優勢在于能夠定位到每位學生的知識漏洞，能夠引導學生進行最適合他自己的下一步學習內容和活動，當學生在學習過程中遇到課程難度過高或過低時，課程的難易程度都可以自動調整。老師也可以根據系統提供的學習狀態評估報告來分析每個學生的知識空白，并即時調整學習進度，為每個學生提供個性化教學。所以從理論上說，自適應學習是解決在線教育的“因材施教”問題的潛在可行方案之一，內容、數據與技術是支撐自適應學習系統開發的關鍵。

自適應教育在國外發展較早，相對成熟，國外逐步涌現出了Knewton、DreamBox等教育科技明星公司，根據億歐咨詢的數據，Knewton已經成為美國排名第一的AI+教育公司。

自適應教育之所以在國外得到較快發展，是因為其在教育實踐中體現出了明顯效用， Knewton的實測數據表明，自適應教育相比傳統教育能產生較大的差異性提升。

表 6：Knewton自適應研究樣本

資料來源：鯨準研究院、招商銀行研究院

表 7：Knewton自適應研究結果

資料來源：鯨準研究院、招商銀行研究院

緊隨國外發展，國內近年的自適應教育熱度明顯提升，好未來、新東方、乂學等教育公司均陸續推出自適應學習產品。

以乂學教育為例，據公開資料顯示，成立四年來，其下屬的松鼠AI已經累積學生數據近200萬，在全國20多個省300多個城市簽署了1800多家合作學校，同時其營收從2015年的800萬元增加到2018年的10億元，每年都保持400%的速度增長。

圖25：乂學教育營收快速增長

資料來源：公開資料搜集、招商銀行研究院

展望未來，國內的自適應教育行業具備巨大的發展潛力。

智能工具類企業具備入口優勢，用戶規模巨大

教育行業的智能工具類企業指的是利用AI技術，為老師和學生提供智能化工具服務的公司，當前的核心應用包括拍照搜題以及智能批改：

■ 拍照搜題指的是上傳題目照片，然后系統通過圖像識別、模式匹配等方法自動定位到題料庫中的題目，將解題方法反饋的過程。

■ 智能批改指的是上傳已經完成作答的作業，自動識別并判斷學生作業效果并反饋的過程。

這兩類應用有一定的關聯度，行業內的公司往往是從拍照搜題類應用起家，逐步擴展到智能批改類的應用，行業內的代表公司有作業盒子、猿輔導、作業幫等。

大部分智能工具類企業的基礎工具服務是免費的，這些企業主要是將工具服務作為一個好的入口，獲得足夠多優質的線上用戶，再進一步開展相關增值服務，比如線上課外培訓來獲得收入。

基于免費服務的特性，智能工具類企業迅速獲得了大量用戶。據公開資料顯示，作業幫2018年7月的月活用戶已超過7000萬，付費用戶總數超過500萬。作業盒子2018年底的用戶數量也超過4000萬，覆蓋10萬所學校，獨立日活超過500萬，MAU超1500萬，每日生產學習行為數據超過2億條。

基于龐大的用戶群體，智能工具類企業可以開展低質優價的在線教育服務，營收也獲得了快速增長。據公開資料顯示，預計2016、2017、2018年猿輔導的營收分別為1.2億元， 3億元、15億元，而作業幫、學霸君在2018年的營收也達到了10億元的量級。

圖26：智能工具類公司用戶數

資料來源：公開資料搜集、招商銀行研究院

圖27：智能工具類公司收入

資料來源：公開資料搜集、招商銀行研究院

不過，需要注意的是，這些企業雖然在工具入口上具備優勢，但是在課外培訓的內容上和行業巨頭有差距，當前新東方、學而思等公司也在大力布局線上培訓，該營收渠道未來將長期面臨巨頭的競爭。

AI外語培訓市場參與者眾多，少兒相比成人更優

外語培訓也是眾多AI公司切入教育賽道的選擇，這些企業有的如流利說是通過積累大量的外語語料庫，通過AI老師實現對多個用戶的低成本智能教學；有的如VIPKID是通過線上外語培訓起家，逐步引入AI技術，生成AI助教，助推實現在線外語教育的個性化。

外語培訓門檻較低，眾多創業者和中小企業不斷進入該領域，因此在線外語培訓競爭激烈較為激烈，對AI 類公司構成了較大挑戰。

外語培訓可分為少兒和成人兩類，相較而言少兒類客單價和留存率高，因為少兒往往注意力和自學能力有限，需要通過老師的引導，付費意愿和持續性較強；而成人的學習渠道多樣，付費意愿低，時間有限堅持性有限。

國家統計局發布的數據表明，2018年少兒英語培訓市場600億，線上66億需求，近年保持20%的速度增長，其中VIPKID占據了55%的市場份額，營收向50億的規模邁進。而偏向于成人外語培訓的兩大龍頭英語流利說和51talk的營收目前在10億元的規模，和VIPKID有一定差距，同時由于獲客成本和留存率的問題，上市后依然虧損嚴重。

相比較而言，我們認為AI少兒外語培訓類的賽道相對更優。

4.2 高價值客戶獲客成本高企，留存率低造成行業盈利困難

教育行業是朝陽產業，教育行業的智能化趨勢當前也已經是業界共識，領先AI教育公司的營收表現也不錯，但是當前的絕大多數AI教育公司都出現盈利困難的情況，這主要是由于高價值客戶獲客成本較高和留存率較低。

需要指出的是，我們這里討論的是高價值客戶，指的是有較強支付意愿，愿意付出較多金錢如一年幾百元以上的客戶。部分AI教育公司如智能工具類公司由于具備免費和工具兩大屬性，可以低成本獲得大量客戶，但是這些客戶中真正具備較強支付意愿的客戶比例很少。

根據公開渠道整理的數據，當前在線教育的高價值客戶的獲客成本很高，從幾百元到上萬元不等，而AI教育屬于在線教育中的新興延展，其獲客成本相對更高。這也導致了部分公司營銷成本高企，如流利說的營銷費用已經超過了營業收入 。

除了獲客成本高昂外，留存率低也是AI教育公司面臨的重大挑戰。由于部分公司的內容和教育效果不及預期，造成很多花費巨額營銷費用吸引來的高價值客戶，并沒有持續購買服務，流失了。

高價值客戶續費率作為企業的核心數據，一般很少公布，但我們可以從部分上市公司的報告推測出其續費率非常有限。從流利說公布的2019年一季報以及半年報可以計算得出，雖然其營收增長，營銷費用高企，但付費用戶數從一季度的110萬下降到了二季度的90萬，隱含的流失率非常高。

圖28：在線教育高價值客戶獲客成本估算

資料來源：公開渠道整理、招商銀行研究院

圖29：續費率對高價值用戶數量影響很大

資料來源：招商銀行研究院

高價值客戶獲客成本高企、留存率低這兩大障礙造成當前的AI教育類公司盈利困難。從公開資料梳理，當前的AI教育類公司能獲得正向盈利的不到3%。

4.3 優勢賽道中高價值客戶留存率高的公司有望長期勝出

盡管行業當前面臨盈利困難的問題，但教育智能化的趨勢已經形成，行業內企業營收增長很快，消費者習慣在迅速培養，我們預期未來行業洗牌結束，競爭格局穩定后，龍頭AI教育類公司具備長期發展前景，而當前優勢賽道中高價值客戶留存率高的公司有望長期勝出，這也可以成為我們選擇企業的出發點。

首先是要選擇優勢的賽道。 根據前文的分析，我們認為從賽道排序來說，自適應教育》智能工具類企業》AI少兒外語培訓》AI成人外語培訓，優勢賽道的企業未來發展會更好。

其次是相比高價值客戶獲客成本而言，客戶留存率更為關鍵。

隨著互聯網紅利的逐漸消退，各在線TO C行業的獲客成本均在逐年提升，以京東為例，2012~2017年，京東的獲客成本上漲了4倍，因此未來教育行業獲客成本高企的現狀很難改變。所以對所有的AI教育公司來說，提高客戶留存率，將自己花費大量營銷成本獲取的付費用戶，發展成長期忠誠客戶，是最關鍵的工作。

圖30：京東歷年活躍用戶獲客成本

資料來源：公開資料整理、招商銀行研究院

根據這兩大影響因素，我們將主要的AI教育企業判斷如下，建議銀行主要聚焦在第一二檔的公司。

表 8： 國內主要AI教育公司判斷

（請查閱PDF版本報告，如需全文請聯系招商銀行研究院研究管理團隊。）

另外，值得注意的是，好未來和新東方這兩大教育巨頭也在逐步加大AI技術的投入，未來會是所有AI教育公司的重磅競爭對手。其中好未來的投入更迅速，在2019年8月29日的世界人工智能大會上，其被科技部宣布依建設智慧教育開放創新平臺。對于AI教育企業，我們同時需要密切關注其和這兩大巨頭的競爭關系。

5．智能交通市場空間達千億，信息化龍頭具備明顯競爭優勢

交通領域的試錯成本和行業壁壘相比教育行業要更高，因此不像教育行業那樣，有那么多的初創企業參與者和細分賽道領域。同時由于交通領域的IT化建設相對開始較早，部分龍頭企業具備先發優勢，參與智能交通的企業往往是從過往的交通信息化企業轉型而來。

5.1智能交通持續受益于政策，道路和軌道交通是主航道

智能交通能提高運輸效率、緩解擁堵以及提升交通安全，國內政策一直大力支持，在十九大報告也進一步提出中國要建設成為交通強國，從側重投資過度到依靠科技，因此國內未來近年的智能交通市場規模將保持較快增長。

據中國投資咨詢網的預計，2018 年我國城市智能交通市場規模將達到620 億元，未來五年（2018-2022）年均復合增長率約為20.33%，2022 年將達到1300 億元。

圖31：中國城市智能交通市場規模（億元）

資料來源：中國投資咨詢網、招商銀行研究院

智能交通的涵蓋面較廣，主要包括道路、軌道、水運、航運這四大方面。 而根據國家統計局公布的數據，2018年國內旅客出行的主要方式是公路和鐵路運輸，因此道路和軌道交通的市場需求大，是主要航道。

圖32：2018年中國旅客運輸方式結構分析

資料來源：國家統計局、招商銀行研究院

5.2 智能道路系統有望發展成智慧交通大腦，龍頭企業數據優勢明顯

智慧交通大腦指的是利用人工智能技術，基于自動搜集的海量實時交通數據，進行深度運算，以實現對于交通場景的智能實時調度，達到減少城市擁堵、提升居民出行體驗的目的。

智慧交通大腦實現的關鍵在于對人、車、路信息的搜集以及分析，過去限于技術水平，只能停留在理論的設想，而隨著計算機視覺技術的不斷突破，已可以讓機器智能實時識別道路上的人、車信息及其行為，交通大腦的實現已經不再遙遠。

圖33：智慧交通大腦建設中需要融合的數據

資料來源：華泰證券、招商銀行研究院

數據對于人工智能算法的訓練非常重要，而智慧城市大腦的決策行為既需要實時又十分繁多，因此歷史和實時的交通數據就極其關鍵。國內的智能道路系統建設企業往往是從傳統的道路信息化企業轉型而來，因此其中的龍頭企業深度介入了國內現有核心道路的信息化系統，不僅包括道路信息，也包括了ETC、交委、交警等道路管理部門的相應信息，具備先發優勢。而對于最核心的人、車、路信息，龍頭企業可以在對現有系統的升級改造過程中，加入AI視覺識別的模塊，以實現對于現有道路的實時信息的獲取。所以從數據獲取的角度來說，龍頭企業的先發競爭優勢很大。

當前國內智能道路交通龍頭是千方科技，其在該領域的市場份額是主要競爭對手的三倍以上。除了拓展現有優勢外，業務層面繼續圍繞智慧交通全面布局，積極和各大車廠合作進行V2X測試；資本層面引入阿里巴巴作為第二大股東，提升自己的技術實力。

我們預期未來，千方科技基于自身的數據、技術和資金的優勢，有望不斷拓展自己在智能道路領域的競爭優勢，朝智慧交通大腦的方向發展，成為智能交通領域的核心企業。

5.3 智能軌道處于快速發展期，綜合具備一體化實施和AI 應用能力的公司有望勝出

雖然總的鐵路運輸旅客人數和公路運輸相比差距較大，但是近年隨著各大城市的地鐵、輕軌等軌道交通建設快速展開，智能軌道企業也迎來了發展良機。

來自中國軌道交通協會的數據表明，國內城市軌道在建線路長度由2013年的四千公里逐步增加到了2017年的六千公里，呈穩步上升態勢。與此相應，城市軌交的信息化建設也增長迅速，據中國產業信息網的統計，信息化投資額由2015年的124億元迅速增加到了2017年的187億元，預計到2020年將達到326億元的規模。

圖34：國內城市軌道在建線路長度

資料來源：中國城市軌道交通協會、招商銀行研究院

圖35：國內城市軌道交通信息化投資額（億元）

資料來源：中國產業信息網、招商銀行研究院

軌交信息系統主要包括自動售檢票系統、站臺門系統、綜合監控系統、通信系統這四大模塊。

圖36：軌交信息化主要模塊

資料來源：佳都科技、招商銀行研究院

而隨著AI技術的發展，這四大模塊都可以產生很多新的進步，比如自動售檢票系統可以通過人臉自動識別自動出入，助力乘客享受更便捷的出行和支付體驗；綜合監控系統可以通過視覺技術對乘客、客流、物品特征進行分析，優化高峰時段分流管理、可疑物品監測、可疑人員識別，為地鐵安全運營提供技術保障。因此軌交信息化行業正逐步往軌交智能化發展。

過去的軌交信息化企業往往聚焦于四大模塊中的一個，整體市場較為分散，近年來少數龍頭企業逐步通過內部研發和外部收購等方式，逐步完善了自己的產品結構，全面掌握了四大模塊的核心技術。我們認為，未來隨著軌交信息化向軌交智能化轉變，項目實施難度不斷增加，智能軌交的訂單會越來越傾向于具備一體化實施能力的企業，全面掌握四大模塊的智能軌交企業會有一定競爭優勢。

此外軌道交通領域的安全性要求相比安防更高，有一定的試錯成本，因此對企業的AI技術能力也提出較高要求。雖然在一些核心算法上可以借助中游AI技術平臺的力量，但是企業依然需要具備較高的AI技術理解和應用能力，這樣才能做到整體系統的風險可控，保證系統運行的穩定和安全，實現自主可控。因此具備較強AI技術應用能力的企業也會具備競爭優勢。

佳都科技是國內智能軌道交通的領先企業，一方面是在行業內率先全面掌握了智能軌交系統的四大核心技術，另一方面近年也大力投入AI技術的研發，技術方面內部成立了兩大AI研究院；資本方面2015年開始不斷投資優秀AI企業如云從科技，對于AI技術的理解和應用在國內軌交企業中相對領先。

佳都科技近年來連獲智能軌交的大單，未來有望不斷提升自己在智能軌交行業的市場份額。

需要注意的風險點在于城市軌交建設具有一定的地域性，對于佳都科技是否能在其他城市復制其在廣州的競爭力，尚待觀察。

6．AI+醫療愿景美好，短期面臨巨大挑戰

醫療行業雖然空間巨大，但其面臨著IT化程度低和試錯成本高這兩大難題，因此造成當前的AI+醫療更多是雷聲大、雨點小。雖然AI+醫療的參與者眾多，但這些企業往往是初創企業，項目的落地和實際營收困難重重，短期而言面臨巨大挑戰。

6.1 AI+醫療能解決醫療痛點，理論市場空間達千億元

醫療行業是大健康領域的重要分支，近年保持快速增長，前瞻產業研究院的數據表明，國內醫療行業的市場規模由2010年的2133億元增加到了2017年的5901億元，未來仍將保持穩步增長，達到萬億元的規模。

圖37：國內醫療市場規模

資料來源：前瞻產業研究院、招商銀行研究院

但是當前國內醫療行業依然存在醫生數量不足，培養周期長、高質量醫生缺乏、醫療資源地域分布不平衡等諸多痛點：

■ 醫生數量不足：中國病理醫生與人口比例為 1:70000，而美國為1:2000，差距較大。

■ 醫生培養周期長：獨立上崗醫生培訓周期長達 8 年，導致醫療人力成本高，無法迅速滿足持續增長的醫療需求。

■ 高質量醫生缺乏：在我國全部衛生人員之中，大學本科以下學歷比例占到69.4%，大學本科與研究生學歷比例僅占30.6%，可見我國衛生人員整體受教育水平偏低，高質量衛生人員較缺乏。

■ 醫療資源配置不均衡：據統計，2015年每千人口醫療衛生機構床位數平均僅，城市為8.27個、農村僅為3.71個，資源配置不平衡。

圖38：國內衛生人員學歷分布（2015）

資料來源：Wind、招商銀行研究院

圖39：每千人口醫療衛生機構床位數（2015）

資料來源：億歐、招商銀行研究院

AI+醫療可以通過大量診療案例和病理圖像的深度學習，實現AI智能診療，從供給端提供大量較高水平的AI醫生，緩解醫患矛盾，地域分布等痛點。若假設未來AI技術在醫療行業中的滲透率能達到10%，那么根據2025年的醫療行業空間推測，AI+醫療市場空間將達到千億元，十分巨大。

6.2 當前發展面臨巨大挑戰，等待曙光到來

盡管理論的空間和但是當前的AI+醫療面臨巨大挑戰，行業內公司獲取訂單和有效營收困難，主要是有以下幾個原因：

■ AI+醫療的技術水平有待提升，以IBM的WATSON為例，雖然研發投入上百億美元，但在美國的應用依然困難重重，內部也爆出過開錯藥的問題。

■ 醫療行業事關人民群眾生命健康，試錯成本很高，造成主流醫療機構對AI技術的實際使用非常謹慎，目前尚處于試驗和探索的階段。

■ 醫療行業的政策限制較多，AI技術進入實用也面臨著眾多監管政策的挑戰。

■ 國內醫療行業的信息化程度相比發到國家較低，不同醫院之間甚至醫院內部的信息孤島都很嚴重，AI技術實施的載體不完善。

總體而言，雖然AI+醫療未來的理論空間十分巨大，但當前還處于發展初期，面臨很多困難，銀行的介入還需要等待行業曙光出現。

7．布局建議及風險提示

7.1 布局建議

（請查閱PDF版本報告，如需全文請聯系招商銀行研究院研究管理團隊。）

表 9：人工智能下游行業大方向判斷

（請查閱PDF版本報告，如需全文請聯系招商銀行研究院研究管理團隊。）

資料來源：招商銀行研究院

7.2 風險提示

（1）行業監管風險：試錯成本是下游子行業發展速度的重要因素，如果未來政府層面出于安全等考慮對行業加強監管，有可能導致相應行業的試錯成本增加，發展速度變慢。

（2）技術創新風險：如果未來出現新的不基于深度學習的技術方法，能夠取得更好的智能效果，現有下游企業的技術方案、技術積累可能需要推倒重來，存在技術變遷的風險。

（3）中美貿易戰風險：當前人工智能云端用的主要芯片來源還是美國進口，如果貿易戰進一步加劇，可能造成芯片價格上升、性能下降，對下游企業的經營造成壓力。

（4）子行業自身發展風險：這個需要針對行業具體分析，如智能安防領域需關注華為和阿里的競爭風險；智慧教育領域需關注留存率風險。