1、目錄 HYPERLINK l _TOC_250011 自動駕駛：下一個黃金十年的大幕開啟 1 HYPERLINK l _TOC_250010 自動駕駛車載芯片作為技術(shù)研發(fā)壁壘相對最高的一環(huán)，市場空間廣闊 2 HYPERLINK l _TOC_250009 車載攝像頭、毫米波雷達、激光雷達也有望迎來市場快速增長的階段 4 HYPERLINK l _TOC_250008 AI 金融：不謀而合，全面賦能前中后臺 7 HYPERLINK l _TOC_250007 銀行業(yè)積極擁抱 AI，深耕細分場景的 SaaS 企業(yè)或?qū)⑹芤?9 HYPERLINK l _TOC_250006 AI 保險從投保到理賠全

2、線場景落地，節(jié)本增效實現(xiàn)與消費者的雙贏 11 HYPERLINK l _TOC_250005 智能投顧方興未艾，有望引領下一個 AI 金融的浪潮 12 HYPERLINK l _TOC_250004 AI 醫(yī)療：緩解醫(yī)療資源供需矛盾，疫情加速賦能 14 HYPERLINK l _TOC_250003 AI 加速藥物及疫苗研發(fā) 16 HYPERLINK l _TOC_250002 AI 挖掘基因組學研發(fā)潛能 16 HYPERLINK l _TOC_250001 AI 醫(yī)療影像檢查場景進入差異化競爭階段 17 HYPERLINK l _TOC_250000 智能醫(yī)院和醫(yī)療儀器 18風險因素 19插

3、圖目錄圖 1：人工智能算法動態(tài)搜尋隨機樹模型實現(xiàn)自動駕駛路徑規(guī)劃 2圖 2：Mobileye 神經(jīng)網(wǎng)絡視頻識別技術(shù) 2圖 3：國內(nèi) L1-L5 自動駕駛等級在新車銷量中滲透率預測 2圖 4：從國產(chǎn)到合資，ADAS 及 DMS 市場空間廣闊 3圖 5：2026 至 2030 年，L3 及以上高級別賽道的競爭格局 3圖 6：中國乘用車市場攝像頭規(guī)模預測 4圖 7：車載攝像頭產(chǎn)業(yè)鏈關(guān)系 4圖 8：中國乘用車市場毫米波雷達規(guī)模預測 5圖 9：中國乘用車市場激光雷達規(guī)模預測 6圖 10：自動駕駛產(chǎn)業(yè)鏈圖譜 7圖 11：AI 金融的細分場景及市場格局 9圖 12：銀行中臺的 AI 風控是主要落地場景 10

4、圖 13：AI 銀行前中后臺應用場景概覽 10圖 14：AI 金融風控示意圖 11圖 15：AI 保險從投保到理賠全線場景落地 12圖 16：AI 保險前中后臺應用場景概覽 12圖 17：智能投顧管理資產(chǎn)規(guī)模近年迅速增長 13圖 18：2019 年美中占據(jù)智能投顧市場 95%份額 13圖 19：智能投顧的商業(yè)模式 13圖 20：英偉達在多個領域助力 AI 醫(yī)療 15圖 21：藥企巨頭與 AI 初創(chuàng)企業(yè)合作 16圖 22：谷歌 AI 團隊通過 Nucleus 和 TensorFlow 進行 DNA 測序相關(guān)研究 17圖 23：西門子醫(yī)療與英特爾一起構(gòu)建心臟 MRI 的 AI 分析能力 18圖 2

5、4：從肺部掃描中檢測新冠肺炎的癥狀 18圖 25：機器人輔助手術(shù)設備 18圖 26：AI 醫(yī)療產(chǎn)業(yè)競爭層次 19表格目錄表 1：主流毫米波雷達供應商和整車廠關(guān)系 5表 2：主要海外激光雷達參與廠商介紹 6表 3：主要國內(nèi)激光雷達參與廠商介紹 6 自動駕駛：下一個黃金十年的大幕開啟自動駕駛是目前人工智能技術(shù)中最前沿和應用最廣闊的方向。邁向自動駕駛新 10 年，隨著汽車電動化、傳感器和車載芯片技術(shù)和成本改善、機器學習算法突破、云計算普及以及 5G 和車聯(lián)網(wǎng)的出現(xiàn)，全球乘用車和商用車紛紛試水。自動駕駛，已經(jīng) Ready！在“多樣性+冗余性”軟硬件配置主導下，我們認為產(chǎn)業(yè)里車載芯片和傳感器領域存在巨大

6、投資機會。我們認為 2026 年將會是自動駕駛產(chǎn)業(yè)的分水嶺，從現(xiàn)在到 2025 年，乘用車的自動駕駛功能將會從 ADAS 往 L3 邁進，我們預計其滲透率將會從現(xiàn)在的不到 30%上漲到 65%，往后到 2030 年，L2+和 L3 的滲透率將繼續(xù)提高，總滲透率將達到 75%。商用車方面，自動駕駛“場景為王”的路徑已初現(xiàn)端倪，并集中發(fā)展 L4 或以上的商業(yè)落地和變現(xiàn)。我們認為 2023-2025 年將會出現(xiàn)由科技巨頭和初創(chuàng)企業(yè)主導的各場景 L4-L5 商用車量產(chǎn)。自動駕駛的社會意義在于盡量減少車與車和車與人之間的碰撞，從而減少意外，增加路面的安全性。從成本和法規(guī)來看，我們認為乘用車中短期內(nèi)難以承

7、擔 L4 往上的傳感器配置成本，所以現(xiàn)階段從 ADAS 往 L3 的遞進式升級，以及智能座艙應用可能更為可行。在新老車企的角力中，特斯拉能相對成功的推進汽車電動化和智能化，我們認為主要鑒于他們是一家新興企業(yè)，沒有傳統(tǒng)車企的包袱、內(nèi)部政治和利益博弈的干擾。而傳統(tǒng)車企的轉(zhuǎn)型就是個典型的“創(chuàng)新者窘境”。我們認為傳統(tǒng)車企應該將新科技部門完全拆分出來，擺脫包袱，分割利益，各自為政。老牌車企通用和福特均通過收購技術(shù)團隊，展現(xiàn)較強的變革決心。而寶馬、大眾、奔馳等歐洲車企，則通過同行協(xié)作和產(chǎn)業(yè)聯(lián)盟，謀求共同落地。中國乘用車在自動駕駛上則受益于政策保護，雖起步較晚，但擁有相對大的成長空間。國內(nèi)傳統(tǒng)車企跟歐洲車企

8、的路徑類似，同樣依賴產(chǎn)業(yè)聯(lián)盟共同發(fā)展，如上汽-Mobileye、廣汽-騰訊、長安-地平線等。而國內(nèi)造車新勢力的自動駕駛目前還是主要依托外部技術(shù)，如蔚來-Mobileye、理想-Mobileye/地平線、小鵬-英偉達等合作結(jié)盟。商用車追求“一步到位”的高級別 L4-L5 的落地，由此衍生出四大場景：1）自動駕駛出租車 Robotaxi；2）自動駕駛貨運卡車；3）半封閉場景微循環(huán)或固定路線；和 4）最后一公里物流配送。我們認為，Robotaxi 在技術(shù)實現(xiàn)難度上是最高的，但經(jīng)濟效益較高，所以玩家以科技巨頭和行業(yè)巨頭為主，如谷歌的 Waymo、騰訊和阿里參股的滴滴出行、百度、通用和福特等。而 Rob

9、otaxi 的商業(yè)落地是典型的“以時間換空間”模式，也是通往消費級完全自動駕駛的必經(jīng)之路。在高速公路上長途行駛的無人貨運卡車是 MIT Tech Review 2017 年全球十大新興科技趨勢之一。從貨運成本、司機短缺以及技術(shù)實現(xiàn)的角度，都被認為能較快落地。代表公司包括谷歌的 Waymo 和獨角獸圖森未來。在相對封閉場景下定制化路線的微循環(huán)自動駕駛接駁車(物流車)，面向?qū)W校、園區(qū)、機場、港口及礦山等，場景相對簡單也較成熟，從技術(shù)實現(xiàn)角度看雖然落地應該比以上兩類要快，但經(jīng)濟效益在目前的高成本下較難凸顯。代表公司包括馭勢科技和百度等。最后一公里無人派送車實現(xiàn)無人化的末端配送，是電商、物流、外賣、閃

10、送等的兵家必爭之地。我們認為目前最后一公里物流主要的瓶頸還在于成本。中外代表初創(chuàng)公司包括 Nuro.ai、新石器等，以及巨頭，例如亞馬遜、菜鳥、京東、蘇寧及美團等。圖 1：人工智能算法動態(tài)搜尋隨機樹模型實現(xiàn)自動駕駛路徑規(guī)劃圖 2：Mobileye 神經(jīng)網(wǎng)絡視頻識別技術(shù)資料來源：Waymo 官網(wǎng)資料來源：Mobileye 官網(wǎng)圖 3：國內(nèi) L1-L5 自動駕駛等級在新車銷量中滲透率預測L1-L5L3L1/L2L4/L5我們認為2025年前后ADAS有可能逐步被L3級別功能替代，但整個智能駕駛傳感器硬件市場將穩(wěn)步增長我們預計到2030年國內(nèi)乘用車的車載芯片市場有望達290億元，傳感器市場有望達90

11、0億元。100%90%80%70%60%50%40%30%20%10%2040E2039E2038E2037E2036E2035E2034E2033E2032E2031E2030E2029E2028E2027E2026E2025E2024E2023E2022E2021E2020E2019E0%資料來源：IHS，&預測自動駕駛車載芯片作為技術(shù)研發(fā)壁壘相對最高的一環(huán)，市場空間廣闊中國乘用車車載芯片市場正處于快速上升的階段。我們認為中國自主乘用車品牌在長期來看會更傾向于使用本土化優(yōu)勢較明顯的國產(chǎn)車載芯片。未來隨著國產(chǎn)芯片技術(shù)逐漸成熟，將會跟國外芯片正面競爭。我們認為國產(chǎn)芯片憑著本土化優(yōu)勢，在合資品牌

12、的滲透率也將有所提升，增長潛力巨大。我們預計未來 10 年國內(nèi)乘用車自動駕駛市場的發(fā)展主要可分為兩個階段，并以 2026年為分水嶺。在此之前，以 L1 和 L2 等級車載芯片市場為主，ADAS 功能滲透率不斷提高至逐漸飽和，主要車載芯片玩家包括國內(nèi)的地平線、黑芝麻、華為，以及國外的 Mobileye。目前以 Mobileye 的產(chǎn)品更為成熟，在全球滲透率達 70%，但其黑箱子解決方案較為局限，且本土化服務能力較弱；而國內(nèi)玩家中地平線具有先發(fā)優(yōu)勢，我們認為其有望成為 Mobileye 在國內(nèi)的最大競爭對手。2026 年以后，以 L3 及以上高級別賽道競爭為主，而 L1 和 L2 的功能滲透率將被

13、 L3+取而代之逐漸下降，預計國內(nèi)外主要玩家包括地平線、華為、黑芝麻、英偉達和 Mobileye。其中我們長期看好英偉達構(gòu)建的高算力軟硬件一體化自動駕駛閉環(huán)，并賦能 L3 及以上級別保持絕對優(yōu)勢。但華為以 Tier 1 供應商作為定位，在芯片、激光雷達、毫米波雷達等也有研發(fā)，并憑著自身在 5G 的實力，打造“5G 汽車生態(tài)圈”，劍指高級別自動駕駛市場，也不容忽視。中國自主乘用車品牌的車載芯片市場規(guī)模：我們預測從 2019 年到 2030 年，中國自主品牌乘用車的 ADAS 到 L3 滲透率將從 20%增長到達 75%，而芯片市場規(guī)模也將從約 3億元增長至逾 100 億元。除了自動駕駛芯片的需求

14、量快速增長外，乘用車也將逐步標配駕駛員檢測系統(tǒng)(DMS)，所以 DMS 也會隨著自動駕駛芯片上量而快速上升。我們預測到 2030年 DMS 芯片市場規(guī)模有望達到 30 億元，整體 ADAS+DMS 的市場規(guī)模將逾 130 億元。另外，我們也預計合資品牌的 ADAS 和 DMS 芯片規(guī)模將逾 150 億元。疊加起來，市場規(guī)模共約為 280 億元。圖 4：從國產(chǎn)到合資，ADAS 及 DMS 市場空間廣闊 2030年預測 國產(chǎn)品牌 合資品牌合資品牌市場總計156億元國產(chǎn)品牌市場總計133億元假設2030年DMS功能滲透率達到55%平均每車需要安裝的AI芯片價值500元市場規(guī)模40億元假設2030年D

15、MS功能滲透率達到42%平均每車需要安裝的AI芯片價值500元市場規(guī)模29億元DMS市場假設2030年L1-L3 ADAS滲透率達到80%平均每車需要安裝的AI芯片價值1000元市場規(guī)模116億元假設2030年L1-L3 ADAS滲透率達到75%平均每車需要安裝的AI芯片價值1000元市場規(guī)模104億元ADAS市場（L1-L3）2019年乘用車銷量為1300萬臺（每年1%增速）2030年預計增長至1450萬臺。2019年乘用車銷量為840萬臺（每年5%增速）2030年預計增長至1368萬臺。新車銷量 國產(chǎn)+合資共計289億元資料來源：乘聯(lián)會，&預測圖 5：2026 至 2030 年，L3 及以

16、上高級別賽道的競爭格局公司產(chǎn)品（L2+及以上級別）優(yōu)勢劣勢芯片DCU地平線J35TOPSMatrix 40 TOPS地平線創(chuàng)始團隊研發(fā)實力有保證核心技術(shù)自主研發(fā)計算平臺開放性適中本土化服務能力優(yōu)于國外競爭對手整車項目對比國內(nèi)競爭對手具有先發(fā)優(yōu)勢成立時間短，導致車企合作相對較少估值偏高目前ADAS相關(guān)芯片收入占比較少目前已量產(chǎn)合作項目主要為智能座艙，與輔助駕駛耦合程度較低J596TOPS黑芝麻A100040-70TOPS-自研圖像感知技術(shù)和神經(jīng)網(wǎng)絡加速器NPU本土化服務能力優(yōu)于國外競爭對手定位L2+以上的無人駕駛成立時間相對短，合作車企較少芯片仍需量產(chǎn)爬坡時間創(chuàng)始團隊以產(chǎn)業(yè)背景為主目前和對標公司

17、英偉達的距離還有待驗證A1000L16TOPS華為昇騰 3108-16TOPSMDC 600352 TOPS填補國內(nèi)Tier 1陣營的空白“端、管、云” 布局華為MDC600具有性能優(yōu)勢，搭載華為昇騰芯片成立“5G汽車生態(tài)圈”，深化合縱連橫，加速發(fā)展整車廠數(shù)據(jù)共享保守起步較晚（2019年首次以Tier 1的定位亮相），目前定位不明確昇騰 910256-512TOPSMDC 30064 TOPSMobileyeEye Q42.5TOPS-以攝像頭為主的圖像識別技術(shù)龍頭，擁有較強的技術(shù)壁壘深耕高精度地圖數(shù)據(jù)采集黑箱子解決方案，適合本身算法研發(fā)能力欠缺的車企尚沒有完全證明其在高級別自動駕駛系統(tǒng)上的綜

18、合能力黑箱子解決方案不能滿足部分車企的研發(fā)需求國內(nèi)市場的本土化服務能力較弱，包括采集地圖數(shù)據(jù)必須要和國內(nèi)公司合作Eye Q524TOPS英偉達Xavier30TOPSDRIVE PXPegasus 320 TOPS完整的自動駕駛策略方案，在L3及往上的自動駕駛技術(shù)上保持絕對優(yōu)勢Orin在L4/5高級別的水平絕對領先NVIDIA DRIVE 自動駕駛軟件系統(tǒng)平臺，實現(xiàn)軟硬件一體化的閉環(huán)壁壘解決方案開放性高，滿足車企研發(fā)需求國內(nèi)市場的本土化服務能力較弱目前缺乏用于L1/L2低級別輔助駕駛的芯片與國內(nèi)廠商競爭，進入國產(chǎn)乘用車市場或受阻解決方案開放性高，研發(fā)能力較弱的車企應用有難度Orin36-200

19、TOPSDRIVE AGXOrin 2000 TOPS資料來源：各公司官網(wǎng)，&車載攝像頭、毫米波雷達、激光雷達也有望迎來市場快速增長的階段對比人類駕駛員，傳感器相當于我們的五官。攝像頭相當于自動駕駛系統(tǒng)的眼睛，毫米波雷達及超聲波雷達相當于系統(tǒng)的耳朵，而激光雷達則提供精度和 3D 模型，四者各有優(yōu)勢，為系統(tǒng)提供全天候全方位的環(huán)境感知能力。車載攝像頭行業(yè)有望復制消費電子攝像頭市場的發(fā)展路徑，主要廠商包括鏡頭供應商舜宇光學科技、以及 CMOS 圖像傳感器供應商安森美和豪威科技，產(chǎn)業(yè)鏈下游的模組封裝市場則較為分散且由日韓廠商主導，主要玩家有松下、索尼、法雷奧和富士通等。我們預測車載攝像頭國內(nèi)市場有望從

20、 2019 年的約 24 億元增長至 2030 年的 280 億元以上。圖 6：中國乘用車市場攝像頭規(guī)模預測（億元）300250L1L2L3L4/520661014222833320015010050 2515112 9 3558714352211259842471343758136357213834831379013409202023273130262019E 2020E 2021E 2022E 2023E 2024E 2025E 2026E 2027E 2028E 2029E 2030E資料來源：乘聯(lián)會，Yole Dveloppement，&預測圖 7：車載攝像頭產(chǎn)業(yè)鏈關(guān)系光學鏡片舜宇光學

21、 Sekonixkantasu富士膠片大立光學亞洲光學 濾光片旭硝子大真空水晶光電深圳激埃特 Optrontec日本電波 保護膜3M LG美能達蔡司海泰耐司鏡頭組舜宇光學大立光學玉晶光學聯(lián)合光電先進光亞光膠合材料樂泰東洋愛普生道康寧恒誠偉業(yè)日本精工CMOS芯片安森美豪威科技索尼三星 安捷倫格科微電子模組松下法雷奧富士通舜宇光學索尼圖像識別軟件/芯片Mobileye地平線黑芝麻NVIDIA華為 封裝 車載攝像頭解決方案 資料來源：新材料在線，&毫米波雷達是目前最具性價比的測距傳感器，基本上作為 L2 及以上級別自動駕駛系統(tǒng)的標配，包括短距應用的 24GHz 和探距更長、精度更高的 77GHz 毫

22、米波雷達。目前關(guān)鍵技術(shù)被外商壟斷，全球毫米波雷達市場集中度高，主要玩家是世博、大陸和海拉等傳統(tǒng)零部件供應商，國內(nèi)玩家則主要有華域汽車和德賽西威。我們預測毫米波雷達國內(nèi)市場有望從 2019 年的約 50 億元增長至 2030 年的 310 億元以上。圖 8：中國乘用車市場毫米波雷達規(guī)模預測（億元）350300250200150L1L2L3L4/521381792161162127616010627153113403195603442811710050 03 6 284354101669111914315602122232324222119181715132019E 2020E 2021E 202

23、2E 2023E 2024E 2025E 2026E 2027E 2028E 2029E 2030E資料來源：乘聯(lián)會，Yole Dveloppement，&預測表 1：主流毫米波雷達供應商和整車廠關(guān)系供應商類別供應商整車廠商法雷奧特斯拉海拉寶馬、奧迪電裝一汽豐田外資奧托立夫廣汽本田富士通天豐田博世東風本田、東風日產(chǎn)、未來、上汽通用五菱、吉利大陸沃爾沃華域汽車上汽乘用車德賽西威電咖汽車自主森思泰克一汽紅旗行易道北京汽車（非量產(chǎn)）安智汽車長城汽車、江淮汽車（非量產(chǎn)）資料來源：OFweek，Marklines，&激光雷達的技術(shù)壁壘較高，目前還面臨著技術(shù)路徑不確定、車規(guī)級量產(chǎn)化、價格高昂等問題。國內(nèi)外

24、該領域的發(fā)展水平較為接近，國外玩家主要有 Velodyne、Quanergy、Ibeo和 Innoviz，國內(nèi)玩家包括禾賽科技、速騰聚創(chuàng)和覽沃科技等。作為傳感器環(huán)節(jié)最貴的零部件之一，我們認為其價格會隨著技術(shù)進步逐漸下探，從數(shù)十萬美元級降至數(shù)百美元級。由此帶來在 L3 和 L4/5 級別的配置，我們預測激光雷達國內(nèi)市場有可能在 2030 年增長至約 300 億元規(guī)模。圖 9：中國乘用車市場激光雷達規(guī)模預測（億元）350300250200150100L3L4/51122580466112029616050120 7 14286144162871051141281401352019E 2020E 2

25、021E 2022E 2023E 2024E 2025E 2026E 2027E 2028E 2029E 2030E資料來源：乘聯(lián)會，Yole Dveloppement，&預測表 2：主要海外激光雷達參與廠商介紹海外VelodyneQuanergyIbeoInnoviz成立時間2005 年2012 年1998 年2016 年國家美國美國德國以色列市場估值18 億美元16 億美元/5.5 億美元雷達類型機械、固態(tài)固態(tài)機械、固態(tài)固態(tài)HDL-64E（2007 年）核心產(chǎn)品HDL-32E（2010 年）VLP-16VLS-12（2017 年）Velarray（單方向）HDL-64：7 萬美元（早期）H

26、DL-32：4 萬美元（早期）M8、S3-8量產(chǎn) S3 價格LUX 4L、LUX 8LScaLa（簡配版）Innoviz One Inooviz Pro產(chǎn)品價格VLS-128：量產(chǎn) 1 千美元Velarray：數(shù)百美元有望降至 250 美元ScaLa 數(shù)百美元Innoviz one 數(shù)百美元合作伙伴沃爾沃、福特、奔馳等德爾福等奧迪、四維圖新等寶馬等資料來源：各 LiDAR 公司官網(wǎng)，Crunchbase，CB Insights，IT 桔子，&表 3：主要國內(nèi)激光雷達參與廠商介紹國內(nèi)覽沃科技速騰聚創(chuàng)禾賽科技北科天繪成立時間2016 年2014 年2014 年2015 年市場估值/3 億美元9 億

27、美元/雷達類型固態(tài)機械、固態(tài)機械、固態(tài)機械、固態(tài)核心產(chǎn)品MID40、MID100、Horizon Tele-15Horizion: 900 美元RS-LiDAR-M1 RS-LiDAR-16/32RS-RubyPandar QT/XT、GT Pandar128、64、40/40P Pandora 多傳感器融合套件R-Fans 16/32 C-Fans 32/128產(chǎn)品價格Tele-15:1300 美元RS-LiDAR-M1 1898 美元Pandar64/QT 4999 美元/合作伙伴AutoX、希迪智駕等菜鳥、上汽及北汽等地平線、百度、博世等四維圖新、鐵科院等資料來源：各 LiDAR 公司官

28、網(wǎng)，Crunchbase，CB Insights，IT 桔子，&商用車公司谷歌(GOOGL.US) 百度(BAIDU.US)感知系統(tǒng)Uber(UBER.US)Lyft(LYFT.US)滴滴出行(未上市) 文遠知行(未上市)馭勢科技(未上市) Nuro.ai(未上市)新石器(未上市)圖森未來(未上市)攝像頭機器視覺系統(tǒng)算法谷歌(GOOGL.US)百度(BIDU.US)特斯拉(TSLA.US)及一眾全棧方案初創(chuàng)公司毫米波雷達主控芯片英偉達(NVDA.US)英特爾(INTC.US)/Mobileye地平線、黑芝麻、華為（未上市）激光雷達距離檢測車用芯片決策系統(tǒng)汽車電子零部件超聲波雷達GPS/導航定位

29、理解規(guī) 劃系統(tǒng)恩智浦(NXPI.US)英飛凌(IFX.GR)德州儀器(TXN.US) 意法半導體(STM.US)賽靈思(XLNX.US)瑞薩電子(6723.JP)華域汽車(600471.SH)科博達(603786.SH) 星宇股份(601799.SH) Mando(204320.KR)現(xiàn)代摩比斯(012330.KR)高精度地圖TomTom(TOM2.AS)四維圖新(002405.SZ)HERE(未上市)阿里巴巴(BABA.US)/高德地圖千方科技(002373.SZ)高通(QCOM.US)V2X車聯(lián)網(wǎng)LG Innotek (011070.KS)中科創(chuàng)達(300496.SZ)北斗星通(00215

30、1.SZ)三菱電機(6503.JP)同致(3552.TW)日本電裝(6902.JP)日本京瓷(6971.JP)Velodyne(VLDR.US)、IBEO、Quanergy、Innoviz 速騰聚創(chuàng)、禾賽科技、覽沃科技、北科天繪（未上市）Aptiv(APTV.US)德國大陸(CON.GR)Hella(HLE.GR)英飛凌(IFX.GR)日本電裝(6902.JP)Bosch(未上市)德賽西威(002920.SZ)華域汽車(600741.SH)奧托立夫(ALV.US)Valeo(FR.PA)Clarion(6796.JP)索尼(SNE.US)舜宇光學(02382.HK)歐菲光(002456.SZ)

31、整車廠特斯拉(TSLA.US) 通用汽車(GM.US)福特汽車(F.US) 現(xiàn)代(005380.KR)寶馬(BMW.FR) 奧迪(NSU.GR)豐田(7203.JP) 本田(7267.JP)蔚來(NIO.US)理想(LI.US) 小鵬(XPEV.US)圖 10：自動駕駛產(chǎn)業(yè)鏈圖譜資料來源：乘聯(lián)會，Yole Dveloppement，&繪制 AI 金融：不謀而合，全面賦能前中后臺金融業(yè)是目前人工智能滲透較為深入的行業(yè)之一，例如智慧網(wǎng)點、智能客服及智能理賠等場景已深入人心。展望未來，隨著 AI 軟硬件的快速迭代，AI+金融有望從底層改變目前金融行業(yè)數(shù)據(jù)冗雜及運營成本高企的問題，從前中后臺全面賦能，

32、一方面通過定制化多元化的產(chǎn)品擴大用戶群體增收，另一方也可以降低冗余的人力及運營開支。金融業(yè)的三大細分行業(yè)中，目前銀行和保險業(yè) AI 應用相對成熟，落地化程度高，而資管對應的智能投顧則方興未艾，有望成為下一片藍海。我們認為在 AI 金融的產(chǎn)業(yè)里場景為王，深耕細分場景的公司存在較大投資機會。AI 技術(shù)與金融業(yè)的屬性不謀而合。從金融業(yè)的數(shù)據(jù)屬性來看，傳統(tǒng)金融業(yè)的底層存在超萬億字節(jié)的個人信息、記賬及交易記錄等，而如果要將這些非結(jié)構(gòu)化的數(shù)據(jù)進行高階分析及預測將耗費大量人力、時間及運營成本，但 AI 技術(shù)的出現(xiàn)則可以通過機器學習快速地將數(shù)據(jù)結(jié)構(gòu)化并借助歷史信息進行推斷分析。此外，金融業(yè)的服務屬性決定了大部

33、分業(yè)務是圍繞用戶展開的，AI 技術(shù)可提升服務場景效率，并為廣大用戶提供定制化多元化的服務。從環(huán)節(jié)來看，AI 可全面賦能金融業(yè)前中后臺。前臺包括智能身份識別、智能營銷、智能理賠等，AI 可擴大業(yè)務半徑獲取長尾客戶，并可以用戶畫像為核心，高效定制服務以提高客戶體驗及粘性；中臺包括 AI 風控、智能投資、智能合規(guī)管理等，AI 可提高運營效率、降低運營成本及潛在損失，例如優(yōu)化授信定價、貸前貸后管理及反欺詐反洗錢等；后臺包括智能運營管理和智能平臺建設，AI 旨在優(yōu)化流程，降低管理成本。AI 技術(shù)的快速迭代和日趨成熟也是 AI 金融落地的基礎。自然語言處理、生物識別等為定制化多元化的服務提供技術(shù)支持；硬件

34、算力的提升使得大規(guī)模的數(shù)據(jù)訓練及深度學習成為可能；知識圖譜、云計算和物聯(lián)網(wǎng)的大范圍應用則將孤立的數(shù)據(jù)聯(lián)結(jié)加速了 AI 風控的落地；此外在疫情下，金融業(yè)無接觸營銷、節(jié)本增效的需求以及用戶居家辦公尤其是年輕一代對網(wǎng)上服務的熱衷也助推了 AI 金融的加速發(fā)展。在過去 5 年 MIT Technology Review雜志發(fā)布的十大突破性科技中，諸多與 AI 金融相關(guān)的科技應用也相繼取得突破，包括流利對話的 AI 助手、刷臉支付、數(shù)字貨幣等已在目前金融業(yè)中普及并得到廣泛運用。AI 金融的節(jié)本增效空間廣闊，投資 AI 成為金融業(yè)下一階段轉(zhuǎn)型的必需?？粗?AI 廣闊的潛在節(jié)本增效空間，金融業(yè)也正在加大對

35、AI 的投資。2019 年，全球金融業(yè)的 AI 直接投資約為 67 億美元，預計到 2025 年可達 226 億美元，年化增速達 23.4%。摩根大通、花旗等國際金融巨頭也在加大與 AI 相關(guān)的科技支出，例如摩根大通 2019 年包括 AI 在內(nèi)的科技投資超一百億美元，并在年報中屢次提及 AI 業(yè)務進展。AI 金融一方面可通過定制化多元化的產(chǎn)品擴大用戶群體，另一方也可以降低冗余的人力及運營開支。參考金融業(yè)中的銀行和保險部門，據(jù) Business Insider 預計，2020-2023 年間 AI 或可為兩者節(jié)省 4470/3900億美元的運營成本。從行業(yè)角度，我們認為銀行和保險場景成熟，落地

36、化程度高，而資管行業(yè)的智能投顧則方興未艾。例如銀行和保險業(yè)對于前中臺業(yè)務例如智能營銷、智能承保、智能理賠及 AI 風控（反欺詐反洗錢等）的應用已相當成熟，并誕生了諸多初創(chuàng) SaaS 服務商及一體化 AI 保險企業(yè)，例如 Comply Advantage、Hyperscience、Lemonade 及 Zesty.ai等等。盡管智能投顧目前尚不能對股市等復雜場景進行精準預測，但已有相關(guān)智能配置及動態(tài)調(diào)倉產(chǎn)品問世，隨著未來 AI 技術(shù)的深入，也有望加速對資管行業(yè)的變革，例如 Betterment、Wealthfront 等智能投顧先驅(qū)資產(chǎn)管理規(guī)模已超 200 億美元。AI 金融主要玩家包括傳統(tǒng)金融

37、機構(gòu)、互聯(lián)網(wǎng)巨頭、傳統(tǒng)金融 IT 公司、支付公司、投資及顧問公司及新興的初創(chuàng)金融科技公司六大類。我們認為 AI 金融領域傳統(tǒng)金融公司、互聯(lián)網(wǎng)公司受益其海量的客戶數(shù)據(jù)及強大的資金實力，發(fā)力全環(huán)節(jié)，有望占據(jù)先機，兩者代表例如摩根大通、花旗、平安集團、招商銀行及以 FAAMG 和 BATJ 為代表的中美互聯(lián)網(wǎng)巨頭。但兩者也各自存在問題亟待解決，例如傳統(tǒng)金融公司 AI 應用“以點代面”，尚未形成前中后臺聯(lián)動的 AI 整體規(guī)劃；而相比傳統(tǒng)金融機構(gòu)牌照和場景覆蓋的優(yōu)勢，互聯(lián)網(wǎng)巨頭盡管在數(shù)據(jù)獲取及分析上更勝一籌，但在金融這類高杠桿、高風險及強監(jiān)管的領域開展業(yè)務或?qū)⑹艿奖O(jiān)管層的限制。支付公司作為連接銀行與客戶

38、的中間環(huán)節(jié)，在中臺例如風險管理及交易層面也布局頗多，例如 Visa 及 Mastercard 等。此外，在例如自然語言處理、生物識別、防欺詐反洗錢等模塊化細分賽道內(nèi)，傳統(tǒng)金融 IT 公司及新興的初創(chuàng)金融科技公司也有望通過深耕產(chǎn)品取勝，例如 Salesforce、Oracle 等。最后，投資及顧問公司則著重發(fā)力定制化產(chǎn)品（市場營銷）及交易環(huán)節(jié)，以期吸引更多長尾中低凈值客戶青睞，例如 Betterment、Wealthfront 等。圖 11：AI 金融的細分場景及市場格局聊天機器人Chatbots（前臺）定制化產(chǎn)品PersonalizedProducts（前臺）風險管理RiskManagemen

39、t (中臺）防欺詐FraudPrevention（中臺）交易Trading（中臺）流程自動化Process對應公司Automation(后臺）金融機構(gòu)（銀行、保險）互聯(lián)網(wǎng)巨頭 支付公司 投資及顧問傳統(tǒng)金融IT 初創(chuàng)公司資料來源：logo 來自各家公司官網(wǎng)，&繪制銀行業(yè)積極擁抱 AI，深耕細分場景的 SaaS 企業(yè)或?qū)⑹芤嫖覀冋J為傳統(tǒng)銀行業(yè)內(nèi)部面臨快速增長的產(chǎn)品線和接踵而來的成本瓶頸限制，外部面臨長期低息的環(huán)境和數(shù)字金融的競爭，亟需拓寬盈利渠道、裁減開支。AI 可通過感知、理解、機器學習和深度學習代替人力完成大量的機械的程序性的工作，賦能銀行前中后臺的智能身份識別、智能客服、AI 風控等業(yè)務，對

40、銀行業(yè)極具吸引力。據(jù) Business Insider 預測，2020-2023 年 AI 的賦能可使全球銀行業(yè)節(jié)省 4470 億美元成本，其中中臺 AI 風控價值量最高，或?qū)崿F(xiàn) 2170 億美元成本的縮減。從環(huán)節(jié)看，1）以智能身份識別及智能客服為代表的前臺業(yè)務是傳統(tǒng)銀行和 AI 科技融合較深的領域。人臉識別和語音識別將 AI 光學和聲學落地，覆蓋到銀行智能身份識別的基礎業(yè)務中?；?AI 的智能客服現(xiàn)已成銀行標配，在降低運營成本、提升服務效率和用戶體驗上表現(xiàn)突出；2）以反洗錢、防欺詐為代表的中臺風控業(yè)務是 AI 落地的主要場景，Business Insider 預測 2020-2023 年

41、 AI 賦能全球銀行業(yè)所帶來的近半的成本收縮出自中臺。AI 算法基于大數(shù)據(jù)多輪追溯，偵破關(guān)鍵轉(zhuǎn)賬節(jié)點和可疑交易網(wǎng)絡，可以有效降低可疑交易誤報率。 3）受制于較低的潛在行業(yè)規(guī)模和投資回報率，以信貸審批和智能平臺運營為代表的后臺業(yè)務與 AI 技術(shù)的融合度目前相對較低。圖 12：銀行中臺的 AI 風控是主要落地場景實現(xiàn)程度圓圈面積代表未來5年潛在投資回報率大小反詐騙智能身份識別反洗錢流程自動化減少誤報率智能存款投資建議共同匯報標準 (后臺)共同匯智能客服報標準客戶互動(前臺)銀行前臺銀行中臺銀行后臺銀行支持程度資料來源：Business Insider，&繪制我們認為銀行業(yè)的未來趨勢是融入 AI 生

42、態(tài)，構(gòu)建多維合作。國外包括 Capital One、摩根、花旗、高盛在內(nèi)的大行一方面加速內(nèi)部的 AI 布局，另一方面在細分場景與初創(chuàng) SaaS企業(yè)合作；而國內(nèi)或?qū)⑿纬纱笮?科技巨頭的合縱連橫。國有四大行分別攜手 BATJ。農(nóng)行與百度、建行與阿里巴巴、中行與騰訊、工行與京東紛紛以簽署戰(zhàn)略合作協(xié)議或設立金融科技實驗室的方式達成戰(zhàn)略合作?？紤]到中外銀行積極向 AI 轉(zhuǎn)型的力度，我們認為深耕細分賽道并在算法及經(jīng)驗上占有先機的 SaaS 公司也有機會通過融入生態(tài)，通過深度定制合作的方式分一杯羹，例如之前提到的 Comply Advantage、Hypescience 等，也包括國內(nèi)例如云從科技、科大訊飛

43、等。圖 13：AI 銀行前中后臺應用場景概覽環(huán)節(jié)前臺中臺后臺潛在成本縮減規(guī)模$217B$31B$198B成熟度高細分場景成熟度低智能客服反詐騙和風控 反洗錢和客戶身份驗證信貸審批語音助理生物識別法務及合規(guī)智能合約資料來源：Business Insider，&繪制AI 金融風控技術(shù)上可分為四步，首先是數(shù)據(jù)獲取，例如收集客戶數(shù)據(jù)、交易數(shù)據(jù)及行為數(shù)據(jù)等；第二步將數(shù)據(jù)進行初步處理，例如對各類數(shù)據(jù)進行標簽、匹配及聯(lián)結(jié)等簡單操作；第三步則是進行更深層次的場景分析，參照底層的商業(yè)規(guī)則、風控指標及異常值等利用神經(jīng)網(wǎng)絡模型進行訓練分析；最后一步則是輸出異常值警報及風險的來源路徑等。圖 14：AI 金融風控示意圖

44、資料來源：QuantexaAI 保險從投保到理賠全線場景落地，節(jié)本增效實現(xiàn)與消費者的雙贏我們認為產(chǎn)品同質(zhì)化難以滿足客戶個性化的需求、信息不對稱導致的運營成本增加和保險欺詐是保險行業(yè)發(fā)展的陳年苛疾。據(jù)國際保險監(jiān)督管協(xié)會統(tǒng)計，全球每年有 20%-30%的保單涉嫌欺詐，而由于保險公司無法區(qū)分，導致信譽良好的保險人每年多承受幾百美元的保費開支。AI 技術(shù)通過深度學習、外部數(shù)據(jù)整合和流程化處理，將在分銷、承保、定價、理賠等多個細分賽道賦能保險業(yè)，市場前景廣闊。據(jù) Business Insider 預計，2020-2023年 AI 技術(shù)將為保險業(yè)減少 3900 億美元的成本，其中前臺業(yè)務價值量最高，或?qū)?/p>

45、現(xiàn) 1680億美元成本的縮減。從環(huán)節(jié)看，1）前臺客戶端從定制投保到秒級理賠全線場景落地，大數(shù)據(jù)、定制化和自動化貫穿客戶的全線產(chǎn)品體驗。例如美國新興 AI 保險公司 Lemonade 支付和理賠可在 3秒內(nèi)完成，國內(nèi)互聯(lián)網(wǎng)保險眾安在線雙 11 期間的承保峰值可達每秒 3 萬單。2）中臺的客戶分析和欺詐甄別為保險公司上了一重保險，有效規(guī)避了因信息不對稱導致的逆向選擇和道德風險。3）后臺的風險評估、理賠評估和檔案管理則通過大數(shù)據(jù)對潛在的風險進行檢測和預警，通過流程自動化減少公司的運營成本。圖 15：AI 保險從投保到理賠全線場景落地保險欺詐監(jiān)測最優(yōu)要素配置定制客戶服務自動保單生成減少因保險欺詐造成的

46、損失提高效率降低成本客戶需求預測提高服務質(zhì)量優(yōu)化定價策略確定最優(yōu)價格提供差異化產(chǎn)品貫徹顧客價值主張便捷的服務方式欺詐甄別實時的私人定制化服務承保人及通過社交監(jiān)測欺詐跡象10%的財產(chǎn)和傷亡索賠存在潛在欺詐30%的索賠金額可以通過反欺詐被減免80%的保費被用于支付和賠償?shù)南嚓P(guān)流程相關(guān)資源安排最佳產(chǎn)品推薦預測分析風險管理健康和其他補貼承保人及其它要素配置80%的行政流程可由AI代替6%-8%的產(chǎn)能將被釋放定制化的客戶互動53%的高風險行為被減少$200萬美元的年度成本將被節(jié)省智能化的保單生成39%的重復性行政工作可以被AI替代資料來源：dxc，&繪制圖 16：AI 保險前中后臺應用場景概覽環(huán)節(jié)前臺中

47、臺后臺$168B$99B$125B潛在成本縮減規(guī)模價值高私人定制保單反詐騙風險管理細分智能客服反洗錢和客戶身份驗證理賠管理價值低智能理賠合規(guī)檔案管理場景資料來源：Business Insider，&繪制智能投顧方興未艾，有望引領下一個 AI 金融的浪潮智能投顧是指根據(jù)客戶特征和風險偏好，基于量化投資策略推薦投資組合，并追蹤宏觀經(jīng)濟波動和市場情緒，進行自動風控和授權(quán)調(diào)倉。我們認為與傳統(tǒng)投顧相比，智能投顧以低門檻、低費率、高效率的優(yōu)勢覆蓋了下沉市場和中低凈值客戶。隨著移動互聯(lián)、大數(shù)據(jù)、云計算以及 AI 技術(shù)的成熟和年輕一代消費群體對數(shù)字化產(chǎn)品的期待，智能投顧有望成為 AI 金融的下一片藍海。據(jù) S

48、imCorp 統(tǒng)計，2019 年全球智能投顧管理資產(chǎn)規(guī)模超萬億美元，同比增長 84%，2023 年全球智能投顧或?qū)⒐芾沓?2.6 萬億美元的資產(chǎn)，2020-2023年化增速可達 36%。我們認為人機結(jié)合的混合模式是未來智能投顧發(fā)展的主流。智能投顧主要有三種商業(yè)模式以機器為主（Betterment、Motif）、以人為主（銀行、證券、基金等傳統(tǒng)資管機構(gòu)）和人機結(jié)合（Wealthfront、Vanguard）。人機結(jié)合的混合模式兼顧業(yè)務的廣度和深度，一方面基于 AI 算法可實現(xiàn)低成本下長尾用戶的高覆蓋，另一方面基于客戶分層為高凈值客戶提供差異化的人工服務。根據(jù) MyPrivateBanking 預

49、測，到 2025 年，混合模式所管理的資產(chǎn)規(guī)模將占到智能投顧的 86%。中國智能投顧始于 15 年由藍海智投和理財魔方的引入，以平安一賬通和國金涌富為代表的傳統(tǒng)金融機構(gòu)和以百度股市通為代表的互聯(lián)網(wǎng)巨頭也隨之入局。資管賽道的 AI 變革已是箭在弦上，但監(jiān)管趨嚴或?qū)⒊蔀椤斑_摩克里斯之劍”。圖 17：智能投顧管理資產(chǎn)規(guī)模近年迅速增長圖 18：2019 年美中占據(jù)智能投顧市場 95%份額全球智能投顧AUM（萬億美元） 同比（%）107%2.652.3384%1.901.501.040.560.2744%27%23%14%332120%100%80%美國 中國 歐洲 其他18%77%3% 2%260%1

50、40%120%02017201820192020E2021E2022E0%2023E資料來源：SimCorp（含預測），&資料來源：SimCorp，&圖 19：智能投顧的商業(yè)模式智能投顧機器為主以人為主人機結(jié)合社交跟投主題投資量化投資公司財報宏觀數(shù)據(jù)事件驅(qū)動傳統(tǒng)金融公司互聯(lián)網(wǎng)金融公司第三方平臺原有平臺擴展投資輔助建議大類資產(chǎn)配置被動主動策略投資國外企業(yè)國內(nèi)企業(yè)資料來源：logo 來自各公司官網(wǎng)，&繪制 AI 醫(yī)療：緩解醫(yī)療資源供需矛盾，疫情加速賦能在人口老齡化和醫(yī)護人員短缺的大環(huán)境下，AI 是緩解醫(yī)療資源供需矛盾的一個重要解決方案。AI 能為現(xiàn)有的醫(yī)療體系帶來流程改進與效率提升，減輕醫(yī)務人員的

51、工作負擔，以及加速藥物和疫苗的研發(fā)進度。海量的文獻和數(shù)據(jù)樣本、算力的提升和并行計算的出現(xiàn)，以及廣闊的應用場景，造就了深度學習作為賦能 AI 醫(yī)療的主要技術(shù)。而新冠疫情更加速催化了 AI 在藥物和疫苗研發(fā)的滲透。我們看到從跨行業(yè)科技巨頭，到細分應用市場的創(chuàng)業(yè)公司，均參與到 AI 醫(yī)療當中。AI 是緩解醫(yī)療資源供需矛盾的一個重要解決方案。美國醫(yī)學院聯(lián)合會 AAMC 就預計到 2033 年美國將面臨 5.4 萬-13.9 萬名醫(yī)務人員缺口，而新冠疫情的出現(xiàn)加劇了供需缺口。而整體醫(yī)療系統(tǒng)的成本也在人口老齡化、慢性病增多、新藥研發(fā)費用增加的情況下被不斷推高，由此催生出巨大增量市場。Markets and

52、 Markets 預測全球 AI 醫(yī)療市場規(guī)模有望從 2019 年的 49 億美元增長至 2026 年的 452 億美元，年化增速達到 45%。AI 醫(yī)療產(chǎn)業(yè)結(jié)構(gòu)從基礎層、技術(shù)層、到應用層呈現(xiàn)倒金字塔形態(tài)。從底層算力和數(shù)據(jù)支持開始，以英偉達、英特爾、賽靈思為代表的 AI 芯片巨頭，通過強大的通用計算力，為醫(yī)療研發(fā)環(huán)節(jié)加速賦能。而科技巨頭貫穿基礎層到技術(shù)層，以 IBM 為早期積極布局者，與諸多醫(yī)療機構(gòu)建立合作實驗室，此外包括蘋果、谷歌、微軟、阿里、騰訊、百度等科技互聯(lián)網(wǎng)巨頭，到通用電氣、西門子、美敦力等專業(yè)市場龍頭，均在 AI 醫(yī)療領域深挖掘。而深度學習衍生出來的機器視覺、語音識別、自然語義處理

53、等技術(shù)輔助，也容納了包括科大訊飛等諸多技術(shù)公司。此外技術(shù)層還包含云計算、大數(shù)據(jù)等環(huán)節(jié)。應用層市場方向我們劃分為藥物及疫苗研發(fā)、基因組學、醫(yī)學影像、智能醫(yī)院和醫(yī)療儀器四個領域，我們也認為這將成為 AI 醫(yī)療發(fā)展的四個主要方向。1）藥物及疫苗研發(fā)方向，F(xiàn)ior Markets 預測全球 AI 藥物研發(fā)市場會從 2019 年的 16 億美元增長至 2027 年的超過 400 億美元，借助 AI 實現(xiàn)精準醫(yī)療，包括通過自然語義處理 NLP 發(fā)現(xiàn)靶點，機器學習進行藥物分子設計和化合物篩選，深度學習和認知計算能力進行藥物晶型預測，深度學習加速疫苗研發(fā)環(huán)節(jié)中發(fā)現(xiàn)病毒蛋白結(jié)構(gòu)和預測病毒抗原表位等。參與者包括傳

54、統(tǒng)醫(yī)藥研發(fā)巨頭如輝瑞、GSK、默沙東以及 Moderna、阿斯利康為代表的疫苗研發(fā)公司，還有 IBM Watson Health、英偉達、BioXcel、晶泰科技、Benevolent AI、Atomwise 等一眾技術(shù)公司。麻省理工科技評論也將基于 AI 的藥物分子篩選列為 2020 年的全球十大突破性技術(shù)之一。基因組學方向主要是通過 AI 分析構(gòu)成人類基因組的大約 30 億個堿基對，更精確高效地進行 DNA 測序和分析，并促進藥物靶標的識別和潛在新療法的開發(fā)，實現(xiàn)個性化、精準治療。此外基因編輯應用還存在著一些風險和倫理困境，MIT、哈佛大學等學術(shù)研究機構(gòu)就正在通過 AI 機器學習來提高基因

55、編輯工具 CRISPR-Cas9 的效果。Grand View Research 預測整個基因測序市場規(guī)模到 2027 年會達到 112 億美元，而 AI 通過深度神經(jīng)網(wǎng)絡對基因組進行高通量測序提升效率、節(jié)約成本。包括谷歌、基因測序巨頭 Illumina、加拿大初創(chuàng)公司 Deep Genomics、國內(nèi)的華大基因、貝瑞基因等公司均參與其中。醫(yī)療影像診斷是 AI 在醫(yī)療領域應用最多且最成熟的場景，目前也進入差異化競爭階段，最主要是利用 AI 圖像識別輔助影像識別和病理切片檢測等。目前全球在該領域的創(chuàng)業(yè)公司達 1000 多家，國內(nèi) AI 醫(yī)學影像的企業(yè)數(shù)量有約 90 家，應用集中涉及肺結(jié)節(jié)、眼科等

56、場景。Markets and Markets 預測全球醫(yī)療影像市場規(guī)模到 2024 年會達 335 億美元。 AI 影像診斷的主要玩家有三類：1）互聯(lián)網(wǎng)或人工智能行業(yè)巨頭，如 IBM、谷歌 Deepmind、英特爾和騰訊等；2）創(chuàng)業(yè)公司，包括深睿醫(yī)療、數(shù)坤科技和連心醫(yī)療等；以及 3）傳統(tǒng)醫(yī)療信息化公司，將業(yè)務延伸到智能診斷領域，如東軟醫(yī)療等。智能醫(yī)院和醫(yī)療儀器可以再分為兩個方向，智能醫(yī)院通過 AI 帶來管理工作流程上的多方面效率提升，本次新冠疫情催化了以 AI+公共衛(wèi)生管理為代表的新發(fā)展重點。同時互聯(lián)網(wǎng)醫(yī)療以平安好醫(yī)生、阿里健康等在遠程醫(yī)療輔助、健康管理等方面切入市場。另外在醫(yī)療儀器領域，則以

57、 AI 與機器人結(jié)合為主，應用場景從手術(shù)機器人拓展至康復機器人、服務機器人、試驗機器人等，包括達芬奇機器人手術(shù)系統(tǒng)以及輔助康復器械等，主要參與公司包括 Intuitive Surgical、Stryker Corporation 等，在這個細分市場 Markets and Markets預測全球市場規(guī)模會從 2018 年的 65 億美元增長至 2023 年的 167 億美元。此外，今年醫(yī)療界的一大課題就是抗擊新冠疫情以及疫苗的研發(fā)。2020 年 3 月，由工業(yè)界、學術(shù)界和美國聯(lián)邦機構(gòu)共同組成了 The COVID-19 High Performance Computing(HPC) Conso

58、rtium，該聯(lián)盟旨在利用強大的運算能力，推動研究人員更快的發(fā)現(xiàn)可應對新冠病毒的快速檢測，以及潛在的治療方法。MIT 近日也基于用戶網(wǎng)絡上傳的咳嗽錄音，通過AI 語音識別技術(shù)，開發(fā)出能識別出新冠病毒無癥狀感染者的咳嗽聲，識別率達到 100%。而對于確診病人的咳嗽聲識別率能達到 98.5%。MIT 此前將該 AI 模型應用在阿茲海默癥病人研究上，此后在今年拓展至新冠疫情的識別中。圖 20：英偉達在多個領域助力 AI 醫(yī)療 NVIDIA：醫(yī)療健康與生命科學用于醫(yī)療健康行業(yè)的智能計算平臺：NVIDIA Clara憑借一個適用于醫(yī)學影像、基因組學以及患者監(jiān)控的平臺（可以部署在任何地方，從嵌入式系統(tǒng)到邊

59、緣，再到每一個云），助力醫(yī)療健康行業(yè)進行創(chuàng)新并加速實現(xiàn)精準醫(yī)療發(fā)展。藥物研發(fā)借助加速計算，研究人員能夠以虛擬方式同時建立數(shù)百萬個分子的模型和篩查數(shù)百種潛在藥物，從而降低成本并縮短解決問題的時間?；蚪M學通過使用 HPC 加速人口研究和癌癥基因組學中的基因組分析，可以幫助識別罕見疾病并更快地將定制的療法推向市場，從而進一步實現(xiàn)精準醫(yī)療目標。醫(yī)學影像AI 驅(qū)動的工具可以成為一雙額外的“眼睛”，幫助臨床醫(yī)生快速閱讀圖像、計算測量結(jié)果、監(jiān)控變化和確定緊急檢查結(jié)果，以優(yōu)化工作流程和改善患者護理。智能的醫(yī)院和醫(yī)療儀器從智能傳感器到支持實時高級圖像處理的醫(yī)療儀器，邊緣AI 可以提供即時見解、優(yōu)化患者護理和實

60、現(xiàn)智能醫(yī)院的承諾。資料來源：NVIDIA 官網(wǎng)，&繪制AI 加速藥物及疫苗研發(fā)藥物研發(fā)具有研發(fā)周期長、成本高、成功率低的三大特點。根據(jù)麻省理工科技評論統(tǒng)計數(shù)據(jù)，新藥的商業(yè)化成本需要花費 25 億美元，主要難點之一就是發(fā)現(xiàn)制藥分子化合物?，F(xiàn)在我們可以通過 AI 機器學習等模式大規(guī)模探索分子數(shù)據(jù)庫和制藥屬性，大幅降低新藥及疫苗的研發(fā)成本，并縮短新藥及疫苗的研發(fā)周期。Fior Markets 預測全球 AI 藥物研發(fā)市場會從 2019 年的 16 億美元增長至 2027 年的超過 400 億美元規(guī)模，主要借助 AI 實現(xiàn)精準醫(yī)療，包括通過自然語義處理 NLP 發(fā)現(xiàn)靶點，機器學習進行藥物分子設計和化合