人工智能是研究人类智能活动的规律，构造具有一定智能的人工系统，研究如何让计算机去完成以往需要人的智力才能胜任的工作。人工智能分为弱人工智能和强人工智能阶段，前者指专注且只能解决特定领域问题的人工智能，也是目前人工智能所处的阶段，后者指机器能进行推理和解决问题，可以进行独立思考并具有自我意识。

从产业链角度来讲，人工智能的基础硬件层包括芯片和传感器；技术层面包括通用技术算法（例如计算机视觉和自然语言处理）和云计算平台；应用层面为人工智能与各行业的落地结合，主要涉及医疗、教育、制造、金融等领域的商业应用。

市场机会较大：未来八年人工智能产业会迎来爆发式增长，核心产业八年市场增量大约在3780亿左右，年复合增长率达44%。

人工智能技术的商业化落地和国家级战略的扶持是两个主要驱动力：作为技术驱动型的产业，人工智能硬件和基础算法不断实现突破，并从实验室走向了商业应用。现如今人工智能已成为我国乃至全球的热门话题，技术跨产业结合成为大势所趋。加上我国政府近年来不断出台政策和规划，将人工智能发展上升到国家级战略的高度，为产业提供了良好的发展环境。

行业进入壁垒较高：人工智能产业上中游的竞争壁垒和技术壁垒较高；资金壁垒中等偏高，根据产品定位和行业特性会有所差异；政策壁垒中等，我国政府在政策上给予的是支持而非限制。

产业处于成长期前期，进入时机较好：现阶段正是各行各业抓紧人工智能浪潮，实现技术与产业融合发展的最佳时机。

综合评估：投资价值评级为五颗星，投资建议为强烈推荐。

人工智能产业处于中投市场机会矩阵中右上区间，这个区间称为“蓝海市场”。基本特征是“中高增速+大增量”，即未来几年人工智能产业的市场规模将高速增长，新增加的市场容量很大。

中国信通院的数据显示2017年我国人工智能产业总规模约为220亿元。根据国家新一代人工智能发展规划，到2025年我国人工智能核心产业市场规模大约在4000亿元，带动相关产业规模超过5万亿元。核心市场增量为3780亿元，复合增长率44%，市场增量大、增速高；随着人工智能技术和商用落地的突破，产业规模会迎来爆发性增长。

人工智能产业整体发展动力非常强。作为技术驱动型的产业，在高校研究院和全球各大科技公司的积极参与下，人工智能硬件和基础算法不断实现突破，并从实验室走向了商业应用。现如今人工智能已成为我国乃至全球的热门话题，技术跨产业结合成为大势所趋。加上我国政府近年来不断出台政策和规划，将人工智能发展上升到国家级战略的高度，为产业提供了良好的发展环境。本土互联网巨头、人工智能独角兽企业、大量科技创业企业的活跃，推动我国人工智能产业发展跃居世界第二。 

1、经济因素

人工智能成为新一轮产业变革的核心驱动力。当前我国经济发展由高速增长转向高质量发展阶段，各类产业开始迈向转型升级之路。产业链的各环节效率的提升，以及跨产业融合的大趋势促使制造业、零售业、金融等传统行业拥抱人工智能；同时，伴随国民收入水平增长，消费需求的多样化推动医疗、教育、文化等领域与人工智能进行产业融合。根据IDC的数据显示，未来五年内人工智能技术应用将极大提高各行业的运转效率，具体为教育行业82%、零售业71%、制造业64%、金融业58%。

龙头企业与创业公司积极推进人工智能产融结合，加速人工智能在国内产业化进程。

人工智能产业以技术为主要驱动因素，因此科技企业的积极参与对于产业的发展起到了强大的推动作用。以BAT为首的互联网巨头和移动、联通、华为等通讯运营商巨头在人工智能领域投入巨额研发资金和人才资源，为产业提供了基础硬件设施（例如国产的人工智能芯片、数据中心、即将投入商用的5G通信网络），和搭建了人工智能的算法开源平台，在各自的垂直领域都构建了业界合作生态；以寒武纪、商汤科技、旷视科技为首的科技独角兽企业，在人工智能的全产业链环节表现活跃，凭借着前沿的技术创新，让我国企业在上游环节的国际竞争中赢得了一席地位，使得部分核心硬件走上了国产替代化的进程，在技术应用领域更是走在了世界前列。龙头企业和创业公司从各自角度为我国的人工智能产业做出了巨大的贡献，使得人工智能从研究院和实验室加速走向实体产业，与各垂直行业实现了紧密地融合。

2、技术因素

人工智能处于自主学习潜能释放阶段。从全球历年人工智能专利数量变化趋势可看出，人工智能经历了长时间积累后，在2010年开始进入快速增长阶段。人工智能的发展取决于数据、算法、算力这三个方面。

互联网的发展促进了大数据的爆发。在信息化社会的背景下，我国积累了丰富的数据资源，目前已是产生和积累数据量最大、类型最丰富的国家之一。中国信通院的数据调查显示，2017年我国30.2%的企业数据资源总量在50~100TB之间，数据资源总量在100~500TB以上的企业占比为39.1%，超过500TB以上的企业超过两成。大数据的爆发为人工智能模型的训练提供了充足的资源，大幅度优化了以深度学习为主的模型，使得人工智能与各行各业的结合更为紧密。

计算技术的变革使得硬件软件随之升级优化，极大程度增强了计算能力。人工智能芯片的迭代为深度学习模型的训练提供强大的硬件支撑。大量非结构数据（图片、视频）的处理需要大量的并行就算，性能强大的GPU代替了传统CPU，计算能力提升了上百倍。FGPA和ASIC的出现使得人工智能所用的芯片走上了定制化的道路，从速度和能耗上面更适用于深度学习模型的运行。谷歌升级TPU3.0和英伟达的新一代GV100 GPU对于机器学习的训练速度、推理性能、图像处理能力均有极大的提升。

云计算平台的开放使得中小企业也能获得强大算力支持。云端人工智能将云计算的运作模式与人工智能深度融合，在云端集中使用和共享机器学习工具。目前国外的谷歌、Facebook、Amazon，国内的百度、腾讯、阿里巴巴等互联网巨头纷纷推出自己的云平台服务。该技术将庞大的人工智能运行成本转移到云平台，能够有效降低终端设备使用人工智能技术的门槛，有利于扩大运用场景，未来将广泛应用于医疗、制造、能源、教育等多个行业和领域。

基础算法和AI平台的不断改进大幅度提升了算法的有效性。人工智能的算法从开始至今就是开源的，随着技术的扩散它变得越来越通用。从国内人工智能企业关注点来看，人工智能+行业在目标市场行业占比40%，远高于智能机器人和智能驾驶。与国外侧重人工智能算法及平台相比，国内企业更关注应用环节。在这样的特殊背景下，我国各大科技巨头纷纷开源了自己的人工智能的开发系统，给中小企业利用AI赋能各行各业提供了良好的技术保障，加快“AI+”的产业化进程。

3、政策因素

中央政府将人工智能上升至国家战略高度。2015年国务院发布了《“互联网+”行动指导意见》，首次将发展人工智能提升到国家战略层面。2016年发布人工智能三年行动实施方案，从科技研发、应用推广和产业发展等发面提出了一系列措施。除此以外，2017年7月出台的《新一代人工智能发展规划》，详细列举了未来2020到2030年的三步战略目标以及发展愿景，为推动我国人工智能的长期发展指明了方向。2017年底发布了《促进新一代人工智能产业发展三年行动计划（2018-2020年）》，该计划从推动产业发展角度出发，结合“中国制造2025”，对《新一代人工智能发展规划》相关任务进行了细化和落实。《行动计划》以三年为期限明确了多项任务的具体指标，操作性和执行性更强。

地方政府陆续出台配套政策抢占人工智能发展先机。截止到2018年的七月底，全国共有20余个省市出台了人工智能的相关政策，在资金扶持方面明确了投入的规模和方向。天津市计划投入100亿元智能制造财政专项资金和1000亿元科技产业基金，其中700亿元产业基金投向智能科技新兴产业，300亿元的子基金群投向传统产业智能化改造；长沙市对入驻人工智能产业集聚园区的新一代人工智能企业给予5年租金减免，市财政给予基地每年500万元-1000万元资金补助； “2018世界人工智能大会”发布了三只人工智能基金，其中上海市杨浦区人工智能创业投资母基金，则是杨浦区政府设立的，把政府引导与市场运作结合的人工智能母基金，首期规模为20亿元。

4、社会因素

社会公众对人工智能的理解以及接受程度在逐步加深，为智能应用的商业化落地提供了用户群体基础。清华大学发布的《中国人工智能发展报告2018》调研显示，我国2016年到2017年人工智能的热度飙升了286%，是年度关注度飙升最快的科普话题；在关于国民对人工智能未来期望度的调查中，53.15%的人支持人工智能的深度全面发展，28%的人持保守支持的态度；人们对人工智能的情感认知度有所下降，从狂热追捧到反思人工智能可能带来的负面影响，对于人工智能的态度趋于理性；而在2017年年度最受关注的应用领域中，金融、交通、教育和医疗位列前四；从地域渗透率来看，北京、上海、深圳、广州、杭州、成都等超一线和一线城市关注热度较高，因此具有对产业发展更有利的社会环境。

整体而言，人工智能产业进入壁垒较高。其中上中游的竞争壁垒和技术壁垒较高，但从另一角度来看，有了龙头企业的技术突破和平台共享，应用开发的壁垒才得以降低。资金壁垒中等偏高，根据产品定位和行业特性会有所差异。政策壁垒中等，目前除了金融行业监管环境较严，医疗行业部分资质认证要求较高以外，我国政府在政策上给予的是支持而非限制。

1、竞争壁垒：

人工智能产业整体竞争壁垒较高。龙头企业的竞争力体现在核心软硬件的自主研发和顶级研发人才上，中小企业的竞争优势体现在垂直行业的人工智能技术应用开发上。

我国人工智能三大巨头从不同侧重点进行全产业链投资布局，建立起难以逾越的竞争壁垒。BAT三家互联网巨头的竞争优势相似点在于资金实力、应用场景、用户流量、研发实力。他们从基础硬件，到通用技术平台，再到个垂直领域的AI+应用，实现了全产业链布局，综合实力遥遥领先于业内其他公司。但他们的侧重点各不相同，科技部宣布中国首个开放的人工智能平台将依靠百度的自动驾驶汽车、智能城市的阿里巴巴云以及腾讯的医疗成像和诊断技术。由此可以看出BAT在人工智能产业的战略差异。

百度最早提出AI战略，且在无人驾驶领域的专利数量有绝对优势。它在2017年宣布了独一无二的开放平台APOLLO用于自动驾驶解决方案，在全球范围内与合作伙伴进行合作，目前已成为无人驾驶领域的Android平台。百度还开发了语音互动平台Duer OS，目前已经具备7大类目70多项能力，和APOLLO一同成为百度人工智能平台的双引擎。

腾讯拥有全国最大的社交平台微信，还拥有丰富的应用产品，因此它的人工智能技术研发落脚点，都在社交和应用服务上。腾讯的每个人工智能技术实验室都与其自身的业务场景相结合。例如它在人脸识别技术上拥有最多专利，它将人脸识别技术应用于旗下的微众银行；腾讯在图像识别技术的应用落脚点则在医疗领域，“腾讯觅影”的成功使其在AI医疗领域成为领军企业。

阿里的布局重点在云服务、电商和零售为代表的消费领域。阿里云是国内最大的公有云供应商，其代表产品“ET城市大脑”主要服务于智慧城市领域。阿里巴巴与Nvidia合作推出了基于深度学习的智能城市服务视频平台，还领投计算机视觉独角兽商汤科技，与其合作推出智能交通、城市管理和智能监控系统。另外，由于阿里巴巴在电商和零售领域拥有深厚的市场优势和经验积累，其人工智能的产业布局最终目标都是为零售与电商等消费场景服务，如OMO、天猫精灵、物流专用的无人驾驶汽车、AI芯片等。

基础硬件层由科技独角兽和行业龙头主导市场。人工智能基础硬件可以分为AI芯片以及传感器。在人工智能芯片领域，英特尔、英伟达、谷歌凭借技术实力成为行业的领军者和探路者，国产芯片公司与其实力差距仍然较大。国内能真正研发AI通用芯片的就只有互联网巨头和几家科技独角兽，比如寒武纪、深鉴科技、地平线等。寒武纪侧重于通用芯片NPU，既做训练又做应用，布局是在智能终端上。而深鉴科技主要是DPU，一个深度学习处理器。芯片的研发周期为三到五年，资金投入成本较高。但不管是互联网巨头还是龙头企业（传统行业和科技独角兽）均发力量身定做专属AI芯片，以提升核心竞争力。以华为为例，在2018年10月的全联接大会上，华为公布了自研的人工智能芯片昇腾910和昇腾310。两款芯片均采用华为自研的达芬奇AI架构，属于全球第一个覆盖全场景的人工智能IP和芯片系列。因此人工智能芯片领域初创企业已经难以进入。在传感器领域，以海康威视为首的监控摄像龙头，凭借传统行业经验积累成功向智能化转型，在国际市场上也有很强的竞争力，其余细分市场则由国外行业龙头主导，综合来看传感器领域竞争壁垒也较高。

通用技术和平台层中龙头企业技术实力和市场布局具有领先优势，竞争壁垒逐渐变高。当前，国内的人工智能技术平台主要聚焦于计算机视觉、语音识别和语言技术处理领域。以科大讯飞、云知声、商汤科技、旷视科技、依图科技为代表的AI独角兽技术实力处于世界领先水平。他们开始向产业链上下游延伸，向上则合作或独立开发AI芯片，向下则深耕不同垂直行业，为其提供整套解决方案。例如商汤科技打造了原创的Parrots人工智能研发系统，目前在香港有一个超算集群，在北京有三个超算集群，拥有超过8000块GPU。只有拥有自己的超算平台，方能训练出核心的大脑和核心的网络。因此，在通用技术领域的AI独角兽，通过平台化的发展战略建立起较深的“护城河”；云计算平台中的IaaS和PaaS被互联网巨头所垄断，但SaaS市场空间巨大，尚未出现头部公司；大数据领域不仅有“国家队”的存在（医疗大数据中的三大国有数据企业），零售、工业、金融等行业还存在着信息孤岛现象，所以中小企业的数据资源难以和行业龙头抗衡。

行业应用层细分领域众多，中小企业未来仍有较多竞争机会。行业应用属于中游通用技术的延伸，因此通用技术龙头企业的市场优势也会体现在其对应的垂直行业中。“AI+”目前主要在医疗、制造、教育、金融、安防五大领域实现商业化落地，在每个领域的细分行业渗透度也有着较大差别。以智能医疗为例，竞争较为激烈的领域目前集中在辅助诊疗、病灶识别和基因测序，医药研发和家庭医疗项目数量缺口较大。医疗、制造业、安防等行业的品类分割性较强，教育及金融产业地域分割性较为明显，所以互联网巨头和行业龙头也不能做到全面覆盖，部分细分行业仍存在较大的市场空间。因此行业应用层面竞争壁垒适中。

AI顶级人才的资源壁垒较高，AI人才更倾向于进入大型企业。AI技术的研发、落地与推广离不开各领域顶级人才的通力协作。腾讯研究院发布的《2017全球人工智能人才白皮书》显示，在基础层上，美国从业者数量是中国的13.98倍，占比是中国的6.7倍；在技术层上，美国从业者占据全美37.3%，中国从业者占据全国33%；在应用层上，美国从业者占比39.89%，中国从业者占比61.8%。由此可得中国AI产业的主要从业人员集中在应用层，而美国主要集中在基础层和技术层。中国的AI基础层人才储备薄弱，尤其是处理器/芯片和AI技术平台上，中国缺乏高级人才支持和高端教育体系为产业发展续航。在人才供需不平衡的情况下，国际巨头公司比大公司有优势，大公司则比小公司有优势。2017年，有68%的AI求职者更青睐于1000人以上的大中型企业，25%的AI人才选择100~999人规模的企业，7%的人愿意主动考虑100人以下的初创公司。

2、技术壁垒：

人工智能产业技术壁垒很高。数据、算法、算力三大核心要素决定了公司的核心竞争力。

从算力来看，其技术壁垒是三大核心要素中最高的一部分。人工智能芯片的开发难度最大，互联网巨头和AI芯片独角兽依旧在追赶和国外芯片巨头的技术差距，而且芯片还需要有操作系统进行配套运作。云计算平台的搭建需要提供大量的计算资源，面对多点、全实时、资源分配的请求，不允许出现宕机的情况，因此对于虚拟化、资源管理软件的要求非常高，只有拥有全面技术储备的公司才能提供稳定高效的云服务。因此技术壁垒非常高，中小企业难以进入。

从算法来看，龙头企业平台化的技术实力优势较为明显。国内仅有互联网巨头百度和阿里等有能力搭建人工智能开发平台，并能开放给广大创业者使用。BAT三大巨头的人工智能专利数量在国内处于领先水平，根据中国信通院发布的2017中国人工智能产业数据报告显示，百度在各领域的专利申请量均处于较领先地位，腾讯在计算机视觉领域专利申请量最高，阿里巴巴侧重算法平台的专利。而计算机视觉和语音识别领域，我国的AI独角兽企业技术实力处于世界一流行列，例如科大讯飞的语音识别技术在近场、安静的环境下的准确度高达97%，商汤和旷视的人脸识别算法准确率都位列全球前十。他们凭借着技术的领先优势，为各类细分行业提供完整的解决方案，提高了自身的技术壁垒。

从数据来看，拥有高质量数据的企业和懂得利用行业数据的企业更具有竞争力。大数据的数量和质量对于算法模型的训练优化有很大的影响。完整且高质量的数据库资源掌握在互联网巨头公司手中，行业大数据基础（如医疗诊断数据、金融用户交易数据、线上教育使用情况）则掌握在各行业龙头手中。除非是商业合作或者数据交易，否则中小企业拥有的数据资源，从数量和质量上都难以和龙头企业抗衡。但是人工智能的最终落脚点在于各行各业的应用，因此即使BAT拥有某一行业的大量数据，也不一定比拥有一定行业经验，研究单一细分市场的中小企业更懂得利用数据。

3、资金壁垒：

资金壁垒总体中等偏高，根据产业链环节而有所区别。根据中投大数据2017年至今的监测数据，人工智能相关项目50%以上为4000万以下规模。人工智能芯片开发的资金投入大，回收周期长，对于中小型新进入者而言壁垒过高。IC insight数据显示2017年全球前十芯片厂商研发费用超过359亿美元。其中头部公司英特尔2017年研发支出占销售额的百分比为21.2%，高于2010年的16.4%，这表明他们的芯片研发成本在不断上升。英伟达的单个项目—超级计算机Drive Xavier研发耗费20亿美金；应用环节资金壁垒根据不同行业和产品市场定位会有所不同。开发高端人工智能应用，如智能制造、医药研发、教育行业的全学习链解决方案等项目，对资金要求较高。例如用友网络的用友智能制造服务平台项目投入金额为3亿；海鸥卫浴的定制化智能制造项目投资金额共1500万，其中浴缸智能制造生产线投入900万元，淋浴房智能制造生产线600万元。

4、政策壁垒：

政策壁垒总体而言适中。国家大力支持人工智能产业发展，实现跨领域融合从而提升行业效率。除医疗和金融等领域，出于风险监管考虑需要相关资质认证，政策层面均为鼓励大于限制。

人工智能产业总体处于成长期前期。基础硬件层的国产替代化还处于导入阶段；通用技术算法在AI独角兽企业的带领下已经走在世界前列，目前已达到成长期中期阶段；算法的进步带动了各行各业的“AI+”跨产业融合，部分细分领域已实现商业化布局并形成较为激烈的竞争格局，但各行业人工智能渗透率差距较大，因此“AI+”应用层还处于成长期前期阶段；云计算在互联网巨头和通信行业龙头带领下实现快速发展，但与亚马逊的云计算业务量仍有很大的差距，所以云计算平台也处于成长期前期阶段。预计未来五年人工智能产业规模增长率保持43%的高速率增长，随着底层核心技术瓶颈的突破，将会激发出更广阔的市场空间。现阶段企业根据自身对行业痛点的把握以及经验优势布局人工智能产业可紧跟目前发展热潮，属于较好的进入时间点。

人工智能产业处于中投顾问投资机会箱的第2区间，基本特征是“中高增速+大增量+高壁垒”。即未来几年人工智能产业的市场规模为高速增长，新增加的市场容量比较大，进入壁垒较高。人工智能产业目前处于成长期前期，技术是产业发展的决定性因素，目前社会与资本关注度高，适合各类企业进行投资布局。中投顾问的投资建议如下：

首先，对于中小型新进入者而言，现阶段应紧跟人工智能跨产业融合热潮，在各行各业将人工智能技术进行普及和应用。基础硬件和服务方面中小企业没有与互联网巨头竞争的可能性，通用算法技术方面AI独角兽也已建立较高的进入壁垒。但不管是算法平台还是云端算力，大型公司均已完成了人工智能的基础设施建设，互联网巨头和细分领域行业龙头也在逐步构建人工智能开发生态，对于中小型新进入者而言应用开发的门槛较低，只需对大企业提供的基础工具加以应用。大多数行业的细分领域还属于人工智能应用早期阶段，虽然龙头企业和互联网巨头掌握大量数据资源，但其未必了解在具体场景下的数据使用方法。这对于中小企业来说就有了投资机会，可以结合自身行业经验，捕捉行业痛点，从而对人工智能技术加以应用。

从行业选择来看，中小企业可以选择进入门槛适中，市场潜力较大的部分热门行业，以及关注度逐渐提高的其他新兴领域。从行业投资热度来看，医疗、制造、金融、政务、安防等领域是率先实现商业化落地的行业。

现阶段下，金融市场的监管环境愈发严格，业务牌照资质获取难度较大，短期内不利于中小企业进入。相比较而言，医疗和制造业背靠《健康中国2030》和《中国制造2025》两大国家级战略规划，安防中的“雪亮工程”也被提入中央一号文件中。上述三个热点行业和人工智能的跨产业结合，可以极大地提升公共服务和生产制造的效率。因此，在热门行业中建议关注医疗、制造和安防三个行业。

除此以外家居、教育、文化娱乐、法律、信息安全等领域属于“AI+”的后起之秀。这些领域多数为传统行业，在信息化社会背景下有了新的市场需求，需要人工智能辅助其进行转型升级。互联网巨头尚未实现入场布局或尚未垄断市场，对于中小企业而言也是较有潜力的投资点。

从行业内细分市场来看，中小企业首选有客观判断依据、准入门槛相对较低的单点技术领域。由于深度学习需要人对机器学习效果进行评价，若行业没有客观判断的标准（有或没有、好或坏、是或否），业内外存在多样化的审美（例如绘画、作曲、艺术设计），深度学习模型可能达不到理想的应用效果。所以医疗和制造等具有清晰客观标准的领域，为深度学习的有效运用提供了前提条件。另外，中小企业短期内难以开发出通用型解决方案，“一步到位”的产品或服务，比不上技术积累和渠道均有比较优势的大型企业。所以中小企业应选择深耕单点细分市场，精确把握行业痛点，将行业经验作为自身的独特竞争优势。

例如民用智能安防、药物筛选和挖掘、家用医疗器械、线上自适应学习等领域，不同的市场特点和受众都会衍生出定制化的需求。例如，AI制药公司中的晶泰科技，利用人工智能技术，帮助药企在试验和临床治疗环节提供筛选和预测服务，从而提高药物研发的效率与成功率；目前其药物晶型预测服务已实现盈利，并获得谷歌、腾讯、红杉资本的千万投资。皓图智能拥有行业领先的3D行为识别技术和广为市场接受的成熟产品，在监狱、看守所、公安局等特殊场景，正在发挥着重要作用。乂学教育开发的松鼠AI智适应学习系统，从测、练、学、教四个环节，提供个性化的线上自适应学习服务，目前获得SIG、NGP、景林资本等机构的2.7亿天使轮融资。

其次，对于大型企业而言，可在自身所处行业中选择进入壁垒较高的细分市场投资布局，发展平台化服务。一是横向或纵向统筹自身业务，为各行业客户提供整套解决方案。海康威视联手华为为深圳市公安系统共同打造AI+安防体系。启明星辰在成都建立了国内首个安全运营中心，面向四川省提供一站式的智慧城市数据与安全运维服务。二是中小企业专注于单一细分市场应用开发的时候，大型企业投资打造平台化的服务，构建合作生态，可获得巨大的规模效应。华为海思将自身客户定位于平安城市、要地安防、运营商的高端市场，打造中国平安城市视频云合作伙伴开放联盟，同时发布业界首个全面云化、全网分布式智能的视频云解决方案。华为将研究成果应用到智慧城市领域，打造”沃土数字平台”，通过该平台将能力开放给生态合作伙伴，进而打造城市神经系统与技术平台。

大型企业可以实行由内到外的发展战略，先将AI技术在内部使用，再向外部推广。大型企业的AI生态构建涉及到广泛的业务种类、生产链的各个环节、企业运营的各个部门，因此需要分步进行战略布局。华为的AI发展战略可以作为大型企业的投资战略参考。华为的创始人任正非对于人工智能应用的要求分为两点，首先是华为各系列产品智能化；其次是AI首先在华为内部先使用，持续探索支持内部管理优化和效率提升的方案，形成经验总结后向外推广。华为AI发展的五大战略中，除了投资基础研究、构建开放型生态、打造全栈方案三点以外，其余两点正是体现了任正非对于华为AI应用的基本要求。解决方案增强战略就是把AI思维和技术引入现有产品和服务，从而实现更大价值、更强竞争力。内部效率提升战略主要指应用AI优化内部管理，对准海量场景，进而大幅度提升内部运营效率和质量。

风险提示：

人工智能产业某些领域存在市场风险和资金风险。市场风险体现在部分行业容易产生泡沫，市场表现与预期相差较大。人工智能产业在某些领域目前技术成熟度与关注度形成了一定落差，以至于市场反响平平。例如智能音响、智能机器人、智能可穿戴设备等领域都出现了产品同质化，中低端产品陷入激烈竞争的红海市场情况。资金风险体现在融资和盈利方面。部分领域，例如医疗项目，由于投入大，回收周期长，对收益率的顾虑导致产业资本兴趣度欠缺。人工智能的初创型公司多数以技术外包服务为主，人才成本高昂的情况下，外包收入利润空间会不断减小。