中金公司研究部: 2018年9月5日请仔细阅读在本报告尾部的重要法律声明2目录计算机视觉：商汤向左，旷视向右 . 3计算机视觉是变现最顺利的人工智能技术 ... 3落地速度出现分化，数据可得性，算法成熟度，服务的容错率是主要影响要素 ........... 4技术发展趋势：提高预测精度，降低数据标注成本 ........... 6企业发展战略开始分化，商汤向左，旷视向右 ....... 6建议关注公司：商汤、旷视、依图、云从、深兰、扩博 ... 8图表图表1: 2017年中国人工智能市场结构 .. 3图表2: 2017年中国计算机视觉行业市场构成 .. 3图表3: 2016年中国AI领域融资情况 ..... 3图表4: 2016年美国AI领域融资情况 ..... 3图表5: 各个场景落地速度开始分化 ...... 4图表6: 计算机视觉主要应用的数据可得性与技术难度（颜色越深表示容错率越小） ....... 4图表7: 商汤科技的直播美颜方案 .......... 5图表8: 公安大数据分析平台 ...... 5图表9: 支付宝人脸支付 .. 5图表10: 缤果盒子无人便利店 .... 5图表11: 肺癌影像智能诊断系统6图表12: Waymo的自动驾驶模拟系统Carcraft .. 6图表13: 计算机视觉技术不断演进 ........ 6图表14: 各类型公司优势比较 .... 7图表15: AI头部初创企业赛道选择呈现差异化 . 7图表16: 中国主要计算机视觉公司业务布局 .... 8图表17: 中国主要计算机视觉公司情况8图表18: AI+安防，视频结构化处理，打造智慧城市 .... 9图表19: 商汤SenseAR增强现实感特效引擎 .... 9图表20: 旷视科技Face++平台 – 人脸比对功能演示版 ........ 10图表21: 旷视科技手机生态圈解决方案的应用场景案例 ...... 10图表22: 依图蜻蜓眼车辆大平台应用场景 .... 11图表23: 依图蜻蜓眼人像大平台特点11图表24: 依图care.ai智能医学影像平台的系统 ........ 11图表25: 依图“问诊熊”导诊小程序提高医患双方效率 ...... 11图表26: 云从人证票核验系统 .. 12图表27: 云从轨迹追踪系统 ...... 12图表28: 云从智能人脸检索系统 .......... 12图表29: 云从“炬眼”智能人脸识别相机 ...... 12图表30: 扩博业务#1：视觉+风电 ........ 14图表31: 扩博业务#2：视觉+零售 ........ 14-------- 中金公司研究部: 2018年9月5日请仔细阅读在本报告尾部的重要法律声明3计算机视觉：商汤向左，旷视向右计算机视觉是变现最顺利的人工智能技术计算机视觉是中国AI市场的最大组成部分。根据中国信通院2018年2月发布的报告数据， 2017年，中国人工智能市场中计算机视觉占比37%，以80亿元的行业收入排名第一。安 防影像分析是目前计算机视觉最大的应用，据艾瑞咨询预测，2017年占比约67.9%。其他 主要应用包括广告、互联网等。从AI领域融资规模来看，根据CB Insight的统计，2016年中国计算机视觉公司融资总额占 AI总体24%，远超出美国的7%。图表1: 2017年中国人工智能市场结构 图表2: 2017年中国计算机视觉行业市场构成 资料来源：中国信通院，中金公司研究部 资料来源：艾瑞咨询，中金公司研究部图表3: 2016年中国AI领域融资情况 图表4: 2016年美国AI领域融资情况 资料来源：CB Insights，中金公司研究部 资料来源：CB Insights，中金公司研究部37% 22% 16% 14% 11% 计算机视觉 语音 自然语言处理 基础算法及平台 芯片67.9% 18.1% 4.0% 3.8%3.7% 1.7%0.9% 安防影像分析 广告营销 解决方案 互联网娱乐 云服务、SDK 等 手机 创新领域 图像识别/NLP 24% 语音识别 24% 机器人 9% 汽车 17% 无人机 5% 机器学习 15% 处理芯片 2% 科技平台 4% 图像识别/NLP 7% 语音识别 16% 机器人 7% 汽车 7% 无人机 1%机器学习 21% 处理芯片 32% 科技平台 9% -------- 中金公司研究部: 2018年9月5日请仔细阅读在本报告尾部的重要法律声明4落地速度出现分化，数据可得性，算法成熟度，服务的容错率是主要影响要素最近几年机器视觉行业实现快速发展的背景是：2015年基于深度学习的计算机视觉算法在 ImageNet数据库上的识别准确率首次超过人类，同年Google在开源自己的深度学习算法。 这些带动中美两国的科学家把计算机视觉算法运用到安防、金融、互联网、物流、零售、 医疗、制造业等不同垂直行业。但在实际的运用当中，由于数据可得性，算法成熟度，服 务的容错率等因素的影响，落地的速度开始出现分化。移动互联网/安防领跑，零售/物流 跟进，医疗/无人驾驶发展较慢。图表5: 各个场景落地速度开始分化资料来源：中金公司研究部图表6: 计算机视觉主要应用的数据可得性与技术难度（颜色越深表示容错率越小）资料来源：中金公司研究部物体识别场景识别人脸识别（体态识别） 较为 成熟 初步 成熟 起步 阶段 制造业 无损检测 自动分拣 教育 机器阅卷 校园身份认证 物流 仓储无人车 无人驾驶汽车 金融 远程开户、刷脸取款 医疗 影像诊断 零售 无人售货机 安防 疑犯追踪 车牌识别 移动互联网 身份认证、AI美颜 AI拍照/视频广告 落 地 进 程 人流管理/货架管理 数据可得性 技术难度 文字人脸物体场景 易 中 难安防 车牌识别安防 静态分析无人驾驶 ADAS医疗影像安防 动态分析互联网金融 AI美颜无人零售 -------- 中金公司研究部: 2018年9月5日请仔细阅读在本报告尾部的重要法律声明5 移动互联网：计算机视觉在移动互联网上的应用目前主要包括：1）互联网直播行业的 主播美颜；2）鉴黄、广告推荐等视频分析；3）智能手机里的AI美颜和人脸解锁。一 方面，移动互联网行业数据较为丰富，数据可得性较高；另一方面，由于应用多为“锦 上添花”型的娱乐、广告应用，容错率较高，技术难度相应下降。因此计算机视觉在 移动互联网得以快速顺利落地。 安防领域：安防领域是人脸识别技术最成熟的落地领域，也是AI视觉公司普遍首先切 入的细分领域。安防领域的特性在于：1）公共安全的刚需应用，可极大提高效率；2） 市场预算分级、高度碎片化，且政府订单为主，可有效贡献收入；3）深度赛道，不断 面临新问题与新需求，问题难度跨度大（简单需求如车牌识别、困难需求如动态识别 与犯罪预防等）。作为公共安全的刚需应用，安防领域计算机视觉未来将继续向多模态 融合、万路以上广联网发展。图表7: 商汤科技的直播美颜方案 图表8: 公安大数据分析平台资料来源：Hksilicon，中金公司研究部 资料来源：数字冰雹，中金公司研究部 金融领域：人脸识别在金融领域已出现多种解决方案，伴随识别准确率上升，远程开 户已在互联网金融行业得到广泛应用，人脸支付、刷脸取款等开始被各大银行采用。 金融领域的计算机视觉应用面临如下挑战：1）人脸与身份证信息的人脸比对技术壁垒 相对较低，服务容易陷入同质化竞争，2）无现金趋势影响刷脸取款等服务的普及，银 行对更复杂的AI服务仍持较谨慎态度。 零售领域：AI在零售行业的应用不是简单的无人零售，而是需要利用AI技术改造零售 流程，实现提高效率降低成本的目的。AI公司除了提供技术以外，可能需要提供包括 一系列咨询战略方案在内的整体方案。图表9: 支付宝人脸支付 图表10: 缤果盒子无人便利店 资料来源：支付宝，中金公司研究部 资料来源：36氪，中金公司研究部 医疗领域：医疗数据碎片化严重，各种疾病需要的影像资料不同，数据标注需要有专 业医师参与，成本高，进展慢。导致发展低于预期。--------。。。。。。