计算机市场研究

一、AIOT 产业万亿市场徐徐打开（一）物联网 ARPU 值提升，剪刀差收窄物联网最早由美国在 1999 年提出，用于指“传感网”。过去 20 多年里，物联网受制于技 术、成本等因素，其实一直未能大规模普及，产业趋势确定但雷声大雨点小，有一点“狼来了” 的感觉，但在当下物联网逐渐向 AIoT 方向过渡，IoT+AI，处于爆发前夜。IoT 标准主要解决 数据传输技术，而 AIoT 关注新的 IoT 应用形态，更强调的是服务，特别是面向物联网的后端 处理及应用。AI 与 IoT 相辅相成，IoT 为人工智能提供深度学习所需的海量数据养料，而其 场景化互联更为 AI 的快速落地提供了基础；AI 将连接后产生的海量数据经分析决策转换为价 值。在政策驱动下，中国物联网规模迅速放量。工信部统计数据显示，2020 年 1-10 月蜂窝物 联网终端用户 10.8 亿户，同比增长 13.9%，比上年末净增 5236 万户，其中应用于智能制造、 智慧交通、智慧公共事业的终端用户占比分别达 19.4%、19%、22.7%。目前，中国是全球最 大的 M2M 市场，三大运营商物联网连接用户量增长率远超手机用户增长率。同时，物联网 ARPU 值不断提升，物联网连接增速与物联网收入增速之间的剪刀差不断收窄。运营商对物联 网的考核指标逐渐由连接数考核转化为对出账收入、真实激活数等指标的考核，物联网场景应 用落地将快速兴起。（二）5G 与 AI 技术带来产业发展机遇AI 技术是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的 一门技术。借助 AI 技术，人类在图像识别、语音识别等领域的效率迅速提升。“人工智能” 概念于 1956 年首次被提出，技术发展经历了“三起两落”。受益于 AI 算力对神经网络算法的 优化，本阶段大数据与算力提升结合的 AI 技术有望再图像识别、语音识别、训练与推理领域提高效率。5G 技术的性能目标是高数据速率、减少延迟、节省能源、降低成本、提高系统容量和大 规模设备连接。随着 5G 商业化进程的不断推进，人和设备的不断连接带来将数据规模提升和 质量升级，提升数据传输速度，增强网络可靠性，在降低连接成本的同时，拓展连接边界，助 力 AIOT 市场发展。2019 年 6 月，工信部向中国移动、中国电信、中国联通和中国广电发放 了 5G 商用牌照，进一步推动 5G 商业落地。目前，中国在 5G 技术方面的发展位于全球第一 梯队，研发投入与资本支出均相对较大。随着 AI 技术的不断进步，物联网传感器、数据处理成本及宽带成本不断下降、人力成本 却居高不下，移动互联流量红利见顶，上述技术因素的共同驱动下，AIOT 产业展现了良好的 发展势头。（三）政策支持为 AIOT 产业发展营造良好环境2013 年，国家开始提出物联网相关发展战略，先后发布物联网相关发展规划与行动计划， 推进物联网相关产业发展。各省市发布物联网发展规划，促进物联网产业集群建设。（四）AIOT 产业链解构—上游量升价减下游景气提升AIoT 是 AI 和 IoT 二者的融合， 将人工智能(AI)赋能物联网(IoT)，再结合 5G 技术，将 万物互联、人机交互做全产业延伸和融合。根据 Ericsson 报告，AIoT 产业链组成部分包括硬 件/终端(占比 25%)， 通信服务(占比 10%)，平台服务(占比 10%)，软件开发/系统集成/增值 服务(55%)。随着上游量升价减，下游景气提升，应用端需求市场预期放量，市场空间可观。下游 VR/AR 的应用在物联网和 5G 技术的发展下不断推动，VR/AR 出货量逐年增长，可以 用于游戏、医疗、旅游和社交等垂直行业领域。据 IDC 预测，从 2019-2023 年，未来 AR/VR 设备的出货量年复合增长率将高达 66.78%。智能网联车通过搭载先进的感应器和智能软件，实现车与各类信息的交互和处理。IDC 发 布《IDC 全球智能网联汽车预测报告》预测，未来 5 年智能网联汽车市场将迎来快速发展，到 2023 年，全球智能网联汽车出货量将进一步增至 7220 万辆，年增长率为 9.3%。随着出货量的 增加，车载的前装和后装市场潜在基数和装配率也将不断提升。其中车载终端的参与者众多， 竞争激烈。国外厂商以大陆、博世、德尔福为主，国内企业大唐电信、华为、德赛西威、东软、 千方科技、万集科技、中兴等均积极布局。伴随着全球智能设备连接的快速增长，物联网的市场规模不断扩大。工业互联网作为物联 网的核心应用场景之一，通过信息技术和制造业的融合，助力企业的数字化转型，发展潜力巨 大。据 GSMA 统计，2018 年全球物联网设备联网数量已达 90 亿个，到 2025 年复合增长率将 达到 16%。5G 发展为工业互联网赋能，下游创新应用场景不断出现。智能制造、智能工厂、智 能电网、智能安防等业务渗透率不断提升，正逐步迈入高成长期，据中国信通院数据显示，我 国工业互联网的产业规模将于 2020 年达到 31370 亿元，未来的发展前景可观。随着物联网技术不断成熟与 5G 商用的发展，低成本网络覆盖范围扩大，应用成本不断下 降，更多可能的应用逐渐成为现实，AIOT 的应用范围和需求不断拓展。AIOT 产业与传统产 业融合不断加深，市场规模广阔。全球 AIoT 市场正快速爆发，麦肯锡全球研究所的数据显示， 每一秒都有 127 个新的 IoT 设备联网，2020 年消费类电子设备数为所有已安装的 IoT 设备的 63%，到 2024 年全球的联网设备将达到 400 亿个。二、算力侧：AI 芯片发展提速，国产芯片具备发展机遇（一）算力侧芯片技术迭代更新，国产 AI 芯片急需场景落地人工智能芯片目前有两种发展路径：一种是延续传统计算架构，加速硬件计算能力，主要 以 3 种类型的芯片为代表，即 GPU、 FPGA、 ASIC，但 CPU 依旧发挥着不可替代的作用；另 一种是颠覆经典的冯·诺依曼计算架构，采用类脑神经结构来提升计算能力，以 IBM TrueNorth 芯片为代表。伴随着 AIOT 产业技术的不断发展和市场空间的不断拓宽，传统的芯片受限于 CPU 的算力 问题，无法满足物联网的算力要求。AI 芯片性能功耗比更高，能够提供更强的计算能力。作 为算力侧的核心基础，AI 芯片为云、边、端多方协同提供算力支持和决策推理。根据 IDC 数 据，16 年至今全球的 AI 服务器和芯片数量将不断上升，中国 AI 芯片市场整体规模不断扩大。 根据《中国人工智能芯片产业发展白皮书》显示，2018 年在全球的 AI 芯片市场中，中国的整 体规模占比最大，约占四分之一，未来 AI 芯片的发展前景可观。AI 芯片因需求扩张，政策支持迎来发展良机，但因 AI 芯片相对技术门槛偏低，对晶圆代 工厂商依赖度高，“量产”是一条红线，未来行业将快速洗牌。芯片公司需要找到好的落地场 景，以保证出货量。传统 AI 芯片按产品架构分为 GPU、FPGA 和 ASIC 三种。GPU 具有大规模的并行架构，适合 对数据密集型的应用进行计算和处理，且性能高于传统 CPU 数十上百倍，其主要缺点是功耗较 高及其带来的高昂电费开支。ASIC 作为人工智能的专用芯片，相较于 GPU 有极高的性能和较 低的功耗，但专用芯片灵活性较低，研发投入较高。FPGA 的功耗在几瓦到几十瓦之间，在性 能指标中都有比较理想的平衡，可以实现定制化的硬件，并且可以在硬件层面进行大规模的并 行运算，有较高的吞吐量。从应用场景上划分，AI 芯片可以分为云端芯片、边缘端芯片和终端芯片。人工智能技术 应用场景广泛，在不同场景所需要的计算能力、功耗等有所差异，因此针对不同的应用场景可 以将 AI 芯片划分为这三大类。云端芯片主要针对云数据中心，兼具训练和推理的任务需求。 该场景对计算能力和计算密度要求高，一般计算能力要求每秒处理超过 30 亿万次基本人工智 能运算，相对功耗也较大，一般在 50 瓦以上。边缘端芯片主要面向智能制造、智能家居、智 能驾驶等领域，以推理任务为主，性能要求和功耗介于云端和终端之间。终端芯片服务于各类 消费电子领域，其对性能要求相对较小，但对成本和功耗较为敏感，以推理任务为主，产品形态众多。（二）AI 芯片发展提速，前景空间广阔由于 AI 芯片的应用场景丰富且需求端驱动力强劲，AI 芯片市场规模将呈快速增长态势。 根据 Tractica 的研究报告显示，2019 年全球人工智能芯片的市场规模达到 110 亿美元。中商 产业研究院预测，全球 AI 芯片市场将迎来高速发展期，在 2025 年全球人工智能芯片市场规模 达 724 亿美元，7 年复合增长率达 36.90%。中国 AI 芯片行业发展尚处于起步阶段，但随着智 能终端的更新迭代和数据中心服务器智能化大趋势的推动下，随着人工智能应用生态的爆发， 两年迎来了新一轮的爆发。2019-2024年，中国AI芯片市场规模仍将保持40%以上的增长速度， 预计 2024 年中国 AI 芯片市场规模将增长至 785 亿元。AI 芯片在三大类应用场景上均将维持快速增长：云端芯片的主要应用场景为针对海量数据计算和处理的云数据中心、超级数据中心等，目 前对计算能力的需求也呈现指数型增长。随着云计算技术的发展，目前全球范围内各云数据中 心建设速度也不断提升。Cisco 预计 2016 至 2021 年全球数据中心负载任务量将成长近三倍， 到 2021 年，超级数据中心将达到 628 座，占总数据中心比例达到 53%。数据中心市场蓬勃发 展可以从国外老牌芯片厂商的布局一窥全豹：Intel 作为传统型芯片厂商，也实现了数据中心 产品的销售；Nvidia 数据中心业务增长迅速，从 2016 年开始以 72.23%的年均复合增长率实现 了 2019 年的 29.8 亿美元的收入。据 IDC 报告显示，云端智能芯片市场需求，预计将从 2017 年的 26 亿美元增长到 2022 年的 136 亿美元，年均复合增长率为 39.22%。边缘端场景是由于云端不能满足用户的较高需求，推动大量数据存储向边缘端转移而产生 的。边缘计算为 5G 网络架构中的核心环节，应用场景相较云端更为广泛，同时边缘端芯片价 格相对更便宜，未来将在大量行业中普遍应用。据 Gartner 预测，未来物联网将约有 10%的数 据需要在网络边缘进行存储和分析，2020 年全球边缘计算的市场需求将达到 411.40 亿美元。在终端应用方面，在日常的手机、平板电脑、音箱等散热、能耗敏感的消费类电子终端产 品中，仍然需要专门的人工智能处理器提升性能降低能耗。其中，在智能手机端，由于传统手 机芯片无法满足人工智能相关应用的用户体验，智能手机搭载 AI 芯片将成为各厂商提升产品 吸引力的重要一环。根据 Gartner 预测，搭载人工智能应用的智能手机出货量占比将从 2017 年的不到 10%提升到 2022 年的 80%，年销量超 13 亿部，也带动了人工智能芯片快速发展，2020 年人工智能芯片在消费电子终端市场的销售规模将超过 25 亿美元，市场逐渐形成规模。同时，AI 芯片市场的发展也受智能驾驶的发展大潮的牵引。保证智能驾驶系统稳定运行 的核心是芯片，所以未来人工智能芯片在车载领域都具备广阔的市场空间。根据市场调研机构 iiMediaResearch 估计，2016 年全球智能驾驶汽车市场规模为 40.0 亿美元，预计至 2021 年增长至 70.3 亿美元，复合增长率 11.94%。（三）英伟达领跑全球市场，国产 AI 芯片具备发展机遇云端芯片方面，英伟达领跑，其他厂商奋力追赶。云端芯片厂商主要有英伟达、英特尔、 华为海思、寒武纪等。因云端芯片需兼具训练和推算能力，对性能要求较高。英伟达最新发布 的 A100 芯片采用 7nm 工艺且运算能力处于绝对领先位置。除此之外，英伟达领先布局生态 CUDA， 软件生态具备优势，是云数据中心市场的绝对龙头，综合多家咨询数据判断其在全球市场的市 占率约 80%左右。英特尔主要通过收购 HabanaLabs 来布局云 AI 芯片市场，主打 Goya 和 Gaudi 两款产品。国内厂商主要以华为海思和寒武纪、地平线等公司为代表，产品性能从目前来看不 及英伟达，但差距相对较小，主要在生态布局上还需要奋起直追。根据 IDC 预测，GPU 市场将 持续下降。我们认为，云端芯片下游主要为云数据中心，兼具云计算业务的厂商如华为市场份 额将有望提升。加之国产自主可控浪潮，国产 AI 芯片厂商潜力较大。边缘端芯片方面，英伟达领先，国产厂商产品性能优越，处于市场开拓期。英伟达以Jeston TX1、Jeston TX2 以及最新的 Xavier 和 Xavier NX 布局边缘端市场，具备领先布局优势。华 为海思和寒武纪在产品性能方面不亚于英伟达，采用 12/16nm 工艺，计算能力与能耗方面表现 优越。但因进入市场时间较短，仍处于市场布局初期。终端芯片方面，百花齐放，国产厂商具备一定优势。提供终端智能处理器的厂商主要有 英国的 ARM、以色列的 CEVA、美国的 Cadence 和国内的寒武纪等。从市场应用情况来看，装载 寒武纪终端智能芯片的 SoC 芯片出货量超一亿，采用 7nm 工艺，性能功耗比表现优越，支持推 理和训练任务。在智能手机市场应用优势较为明显，具备一定优势。三、平台侧：格局未定，国内外诸侯割据（略）（一）物联网平台侧居于枢纽地位，参与者众多在 AIOT 的平台侧，物联网平台能够为设备和场景应用搭建连接桥梁，为上下游提供中间 层的核心能力，物联网平台主要功能包括设备管理、连接管理、应用支持和业务分析。支持多 种协议的适配，实现各类物联网设备的接入及对设备进行实时管理和分析。目前平台侧的服务商众多，据 IoT Analytics 统计 2019 年全球公认物联网平台数量就有 620 家。其中大平台主要来自于云服务提供商、电信和通信设备厂商，主要以互联网巨头阿里 云、亚马逊、腾讯等为主。国内的主要平台服务商包括阿里、腾讯、百度、小米以及三大电信 运营商。阿里云 IoT 物联网平台依托阿里云的技术优势，以及活跃的云栖开发者社区，能够支持主 流的物联网协议接入，设备端和云端支持丰富的语言 SDK，为开发者提供细粒度的实时监控告 警。腾讯云 IoT Explorer 平台开发文档丰富，与腾讯连连微信小程序联通，可以便利地支持 智能家居等场景；移动的 Onenet 是中移物联网搭建的云平台，从连接和设备管理切入，接入 协议丰富，NB-IoT 基站部署广泛，能够为各种跨平台物联网应用、行业提供丰富的解决方案。 小米的 IoT 开发者平台主要以小米用户群体为主，服务智能家居和个人穿戴和出行设备，能帮 助开发者打造智能互通的智能产品。各类服务商根据其不同的优势作为其物联网平台的切入点， 在原有技术功能基础上，根据其自身优势拓展服务形式和客户群。从功能角度划分，物联网平台可以分为设备管理平台（Device Management Platform，DMP）、 连接管理平台（Connectivity Management Platform，CMP）、应用赋能平台（Application Enablement Platform，AEP）和业务分析平台（Business Analytics Platform，BAP）。从企 业属性角度划分，物联网平台市场参与者主要有传统通信厂商（如中国移动 OneNet 等）、互联 网/云计算厂商（如谷歌 Azure、阿里云等）、垂直领域厂商（如博世、西门子、海尔等）和创 业领域厂商（如 TheThings、青莲云等）。传统通信厂商的布局主要针对物联网设备的通信连 接管理，云计算厂商的布局主要侧重完善整个生态布局，垂直领域厂商主要从自身业务出发为 产品做科技赋能，创业领域厂商属于有针对性的专注于平台的研发。（二）市场处于高速发展阶段，生态布局是关键突破点物联网平台层在物联网市场占比约三分之一，目前处于高速发展阶段，空间较大格局未 定。物联网设备层、连接层、平台层和应用层的价值占比分别为 21%、10%、34%和 35%。根据 Statista 数据，2020 年全球物联网市场规模约为 2480 亿美元，预计到 2025 年将增长至 15670 亿美元，年复合增长率为 39%；根据 IDC 数据，预计中国物联网市场规模到 2025 年为 3918 亿 美元。由此推断出，物联网平台 2025 年全球规模约为 5327 亿美元，中国规模约为 1332 亿美 元，市场空间广阔。从连接设备数量来看，国外头部厂商主要有亚马逊、苹果、谷歌和三星等，国内厂商主要 有起步较早的小米，此外，华为近年也开始大力布局 IoT 市场。根据艾瑞咨询数据，物联网链 接设备前 5 名的厂商为小米、亚马逊、苹果、谷歌和三星，市场份额分别为 1.9%、1.2%、1.0%、 0.9%和 0.8%。我们认为，物联网平台的竞争力体现在连接万物的能力，连接设备越多活跃用 户量更大的平台更具备价值。在物联网平台高速上升的现阶段，打通上下游产业链、布局全生 态场景的厂商有望抢占先机，国内厂商如小米和华为、国外厂商如苹果和谷歌有望脱颖而出。……四、网络侧 ：5G 模组需求提升物联网的通信技术分为有线通信和无线通信技术，为了满足万物互联的要求，主流技术为 无线通信技术。无线通信技术主要分为两大类，短距离无线通信技术，包括 2/3/4/5G 和 LPWAN 技术（LoRa 和 NB-LOT 等）以及短距离的无线通信技术蓝牙、WI-FI、ZigBee、Zwave 等。根据工信部 2020 年 5 月发布的最新政策：推动 2G/3G 物联网业务迁移转网，建立 NB-IoT、 4G 和 5G 协同发展的移动物联网综合生态体系。以 NB-IoT 满足大部分低速率场景需求，以 LTE-Cat1 满足中等速率物联需求和话音需求，以 5G 技术满足更高速率、低时延联网需求。随 着移动互联网和物联网的发展，5G 技术不断拓宽物联网的应用场景，能够满足物联网设备多 样化以及不同场景和应用对网络的需求。5G 网络加速建设，5G 模组出货有望带动毛利率提升。目前主流模组厂商 5G 产品已陆续 小批量发货。预计随着 5G 网络覆盖的完善，一些可落地的应用场景将带动 5G 模组需求进一 步提升。随着全球 5G 网络的不断建设和发展，中国电信服务提供商在 5G 核心网部署中占据了最大 的份额。截止 2019 年底，中国移动建设开通超过 5 万个基站，覆盖 50 余个城市；中国电信建 成 4 万座 5G 基站，并与中国联通合作建设 5G 基站超过 2 万座，共享基站超过 5 万座；中国联 通目前可用 5G 基站规模超过 6 万个。三大运营商今年用于 5G 建设合计预算投入 1803 亿元， 较 2019 年实际支出增长约 338%。华为、中兴等企业依靠领先的 5G 技术领先优势和国内的规 模优势，未来有望加速发展，进一步扩大全球 5G 网络建设的市场份额。5G 网络建设进度节节 推进，据中国产业信息网预计 2020~2022 年全国 5G 基站建设数量将分别达到 80 万、110 万和 120 万个。5G 时代，移动物联网的快速部署已成为重要的趋势。物联网技术需要依靠基站等基础设 施来完成区域的覆盖，需要投入大量的基础设施建设。但是由于在岛屿、沙漠、海洋等偏远地 区安装基站和铺设光纤线路的难度大、成本高，目前地面蜂窝基站的陆地覆盖率约为 20%，而 海洋覆盖率则不到 5%。卫星物联网通信技术能够突破因地面基站所不能及而带来的物联网覆 盖限制。同时伴随着电力、矿山、森林防火等领域的信息化和数字化转型的需求，对于海洋、 沙漠、森林等不便建立基站的地区，卫星物联网则作为最重要的通信网络基础设施，覆盖面更 广，通信稳定性好，组网方便，能够对传统产业的数字化转型提供重要的通信技术支持，有望成为拉动经济发展的新支点。从市场规模上来看，美国权威卫星行业咨询公司 NSR 预测，2022 年将有 1 亿至 2 亿台物联网设备有接入卫星的需求。麦肯锡公司预测，天基物联网的产值在 2025 年可达 5600 亿美元至 8500 亿美元。五、边缘侧及终端侧处于爆发增长前夜边缘侧位于云层和终端层之间，向下支持各种设备的接入，向上和云端进行对接。在 5G、 物联网和产业互联网发展的带动下，全球边缘计算产业逐渐兴起。据 IDC 数据，到 2025 年全 球将有 418 亿台 IoT 连接设备，互连的 IoT 设备生成的数据量将从 2019 年的 18.3 ZB 增长达 到 73.1 ZB。在海量数据的产生下，边缘计算作为算力去中心化的基础设施迎来快速发展。相 较于云计算，边缘计算拥有低时延、少带宽、高安全性的优势，可以满足实时处理终端设备产 生的海量数据，成为万物互联时代中实时处理、快速连接和隐私保护的关键支撑，能够为垂直 行业 AR、自动驾驶和 IoT 等领域的应用提供足够的算力资源。据赛迪顾问显示，预计未来全 球边缘计算市场规模年均复合增长率将超过 50%，在 2025 年可达到 157 亿美元。2021 中国边 缘计算市场规模预计将达 325.31 亿元，未来市场规模广阔。边缘侧的产业链包括上游的边缘节点，芯片网关和控制器传感器，以及中游的云计算平台 服务商以及下游的终端开发商。市场主要参与者包括芯片厂商、电信运营商以及以云计算巨头 为主的软硬件服务商。边缘侧的主要市场分为边缘节点、控制传感器等硬件产品以及提供平台 服务和终端应用开发等软件服务。据赛迪顾问数据显示，2018 年中国边缘计算硬件市场份额 达到 71.22%，软件和服务市场占 28.78%。参与边缘计算的硬件载体公司以爱立信、ARM、华为、 联想、广和通等为主。提供边缘计算的软件平台包括 AWS、阿里云、百度云、华为云、腾讯云 等服务商，主要负责对边缘节点的各项功能进行统一调度和管理，并上传到云端进行分析处理。AIOT 在终端侧的应用主要涵盖 5G 手机，VR/AR，智能网联车和工业智能终端等领域。在 5G 手机市场中，随着国内 5G 网络的不断部署和推进，国内各大手机厂商的 5G 手机的出货量 快速增长，需求旺盛。今年下半年 5G手机出货量逐渐恢复，整体渗透率保持在 60%左右。Canalys 预测在 2023 年全球 5G 手机出货量将达到约 8 亿部，占全部智能手机出货量的 51.4%，2019 年到 2023 年出货量 CAGR 达 179.9%。六、应用侧之工业互联网：平台为核心，生态为关键（一）工业互联网走向落地据麦肯锡预测，未来物联网的价值 30%在 B2C，70%在 B2B。工业互联网作为物联网 B 端的 重要应用，具有巨大的发展潜力。工业互联网围绕制造体系的四大层次与四大要素实现。工业互联网通过将新一代信息技 术与制造业深度融合，实现人、机、物的全面互联，构建起全要素、全产业链、全价值链的全 面连接的新型工业生产制造和服务体系，是第四次工业革命的重要基石。工业互联网覆盖了制造体系的设备层、边缘层、企业层和产业层，把连接由企业内扩展到企业外；并且，网络、平 台、安全、标识四大要素贯穿四个层级，实现全要素、全产业链的互联互通。工业互联网发展正从概念框架走向落地。国际上，发达国家均非常重视工业互联网建设， 如美国在先进制造国家战略中，将工业互联网和工业互联网平台作为重点发展方向，德国工业 4.0 战略也将推进网络化制造作为核心。2018 年 6 月 7 日，工信部印发《工业互联网发展行动 计划（2018-2020 年）》，明确了基础设施能力提升行动、标识解析体系构建行动、工业互联网 平台建设行动等八大重点任务，目标是在 2020 年底初步建成工业互联网基础设施和产业体系。 计划实施近两年来，我国工业互联网发展正从概念框架走向落地实践，在网络、平台、安全、 标识解析等方面形成一系列突破，逐步建立起与我国经济发展相适应的工业互联网生态体系。 工业互联网标识解析体系已实现从 0 到 1 的突破，以国家顶级节点为核心的工业互联网标识解 析体系初步形成，截至 2020 年 8 月，已上线运营 60 个二级节点，覆盖 21 省 26 个重点行业， 接入企业节点超 3000 个，标识注册量突破 54 亿。工业互联网平台蓬勃发展，多层次系统化平台体系初步形成，截至 2020 年 8 月，具有一定行业、区域影响力的平台超 70 个，平均工业设 备连接数近 60 万台。据信通院测算，2018 年、2019 年我国工业互联网产业经济规模（包括融合带动规模）分 别为 1.42 万亿元、2.13 万亿元，占 GDP 比重分别为 1.5%、2.2%。预计 2020 年，我国工业互 联网产业经济规模将达 3.1 万亿元，占 GDP 比重为 2.9%，同时可带动约 255 万个新增就业岗 位。工业互联网在不同行业的应用水平存在差异，汽车、电子信息、家电等行业较为领先。信通院构建了工业互联网应用成熟度评估体系，并于 2019 年发布了《工业互联网应用成熟度 白皮书 2.0》。汽车及零部件制造行业的基础支撑能力较强，新技术应用相对成熟，电子信息 行业工业互联网的建设起步较快，进一步升级的基础较好，家电行业由于大规模化生产的需求， 生产和营销方面逐步智能化升级；生物医药、化工、装备制造等行业的互联互通能力不断提升， 基本能实现数据采集，但在系统集成和数据分析方面需要提升；机械制造等其他传统行业的工 业互联网建设成熟度不高，只有部分企业基础设施完善，互联互通水平不高，数据采集和分析 尚处于探索阶段。工业互联网在生产管控、产品服务和市场营销等环节已经显示出较大价值。但是，研发设 计、供应链管理等业务流程的应用水平仍然不高，工业互联网在研发设计中的应用成为短板， 仍需进一步提升。（二）工业互联网平台为产业发展核心我国工业互联网细分产业中，工业互联网平台与工业软件产业规模最大，增速领先。2017-2019 年，工业互联网平台与工业软件产业规模从 1490 亿元增长到 2486 亿元，年均复合 增长率 29.2%；工业互联网网络产业规模从 381 亿元增长到 651 亿元，年均复合增长率 30.7%； 工业互联网安全产业规模从 13.4 亿元增长到 27.2 亿元，年均复合增长率 42.3%；工业互联自 动化产业规模从 829 亿元增长到 1152 亿元，年均复合增长率 17.8%；工业数字化装备产业规 模从 658 亿元增长到 1045 亿元，年均复合增长率 26.0%。全球工业互联网平台市场持续呈现高速增长。根据研究机构 MarketsandMarkets 统计数 据显示，2017 年全球工业互联网平台市场规模为 25.7 亿美元，2018 年达到 32.7 亿美元，预计 2023 年将增长至 138.2 亿美元，预期年均复合增长率达 33.4%。美国当前平台发展具有显 著的集团优势，占据主导地位；欧洲平台领域进展迅速，成为美国之外主要的竞争力量；亚洲 市场增速最快且未来有望成为最大市场。美国头部企业有 GE、微软、亚马逊、PTC、罗克韦尔、 思科、艾默生、霍尼韦尔等；欧洲诸如西门子、ABB、博世、施耐德、SAP 等欧洲工业巨头具 有领先的制造业基础优势；日本的日立、东芝、三菱、NEC、发那科等也在积极布局。工业 PaaS 层是工业互联网平台的核心，工业 SaaS 层是关键。边缘层、工业 PaaS 层、工 业 SaaS 层是工业互联网平台三大层级。边缘层是基础，通过大范围、深层次的数据采集，以 及异构数据的协议转换与边缘处理，为工业互联网平台提供数据基础；工业 PaaS 层相当于工业操作系统，基于通用 PaaS 叠加大数据处理、工业数据分析、工业微服务等能力，支持各类 工业 APP 应用的开发与运营；工业 SaaS 层是工业互联网平台价值的体现，包括满足不同行业、 不同场景的工业 APP，形成平台生态。未来的平台竞争本质上是基于平台的生态之争，生态建 设是关键。工业 PaaS 层需要支撑前端灵活构建各类工业应用和解决方案，其参与者需要深厚的专业 知识和领域经验积累沉淀，装备/自动化、工业软件及制造业三类企业各具优势。装备和自动 化企业在工业现场积累了大量设备系统，拥有丰富的经验知识模型，通过打造平台实现底层数 据的汇集与建模以及工业知识的复用，典型代表有国外的 GE、西门子、ABB、博世、发那科、 施耐德、库卡(KUKA)、霍尼韦尔、罗克韦尔等，我国的和利时、徐工、三一、研华科技、蓝卓、沈阳机床等。工业软件厂商将研发设计、生产制造、运营管理或采购销售领域软件转化成平台 中独立的服务模块满足个性化定制需求，并将全生命周期数据集成形成数字孪生，加速产品迭 代，典型代表有国外的 PTC、达索、SAP 等，我国的索为、数码大方、安世亚太、石化盈科、 宝信、用友、东方国信等。制造类企业拥有特定行业的经验知识与成熟模式，将其以数字化模 型或专业软件工具的形式预置到平台中，典型代表有国外的日立、东芝等，我国的海尔、富士 康、航天云网、一汽等。工业互联网平台的发展趋势：当前工业互联网平台仍然处于发展初期，尚未出现绝对的领导者，产业仍处于摸索与寻找 机会的阶段。当前有两个趋势正在逐渐显现：一是横向看，国际巨头正在通过并购或合作形 成具有全生命周期流程一体化服务能力的平台，形成综合性竞争优势。西门子和达索通过不 断并购，已拥有全流程产品，并迁移至平台，包括设计仿真软件、生产管理软件、资产运维软 件、经营管理软件等，达索还与 ABB 合作，以进一步提升自动化领域解决方案服务能力。PTC 则通过与多家企业的深度合作来弥补自身在生产和运营方面的短板，与罗克韦尔通过 10 亿美 元的股权投资形成战略合作，提升生产管控和资产运维能力；与 ANSYS 合作，提升了设计仿真 能力。二是纵向看，以垂直行业的企业为主体，与 ICT 公司优势互补，工业互联网有望产生细 分领域的龙头企业。垂直行业的制造企业对本行业的生产流程熟悉，拥有成熟的经验模式， ICT 企业为其提供大数据、云计算、物联网能力支撑。（三）工业 APP 生态体系为平台价值实现的关键工业 APP 创新能力与应用交付能力将是平台价值实现的关键，生态建设将成为下一阶段平 台产业发展的主线。“工业互联网平台+APP”为核心的工业互联网生态体系可类比于移动互联 网时代的“平台（iOS 或 Android）+APP”生态模式。因此，工业 APP 实际上可以理解为工业 软件。我国工业软件市场增速远超全球平均，潜在发展空间仍然巨大。2018 年全球工业软件产 品市场规模达到 3893 亿美元，较 2017 年增长 5.19%。2019 年全球工业软件产品收入已突破 4000 亿美元，经估算，到 2020 年全球工业软件行业市场规模将达 4332 亿美元。国内市场方面增速远远超过全球平均，2019 年，我国工业软件产品收入 1720 亿元，较 2018 年增长 16.45%。 2012-2019 年，我国工业软件产品收入年复合增长率为 20.34%。据中商产业研究院预测，2020 年，我国工业软件产品收入将突破 2000 亿元。按此口径计算，我国工业软件市场增速虽然快， 但全球市占率仅有约 6%，而同期我国工业生产总值占全球比重近 30%，潜在发展空间仍然巨大。工业软件是工业化长期进程的不可或缺的伴生物，没有丰富的工业技术积累，难以产出优 秀的工业软件。工业化水平走在世界前列的发达国家，如法国、德国、美国等工业强国，其工 业软件具有先发优势，21 世纪初，随着全球制造业转型升级，服务模式创新趋势演进，在国 内企业开始大量购买和应用国外软件产品的同时，国外软件厂商通过并购扩大规模。如法国达 索 CATIA 迅速形成集团研发模式，占领国内市场，而国内软件厂商因资金不足以及用户流失面 临着生存困难甚至倒闭的局面。目前，发达国家在全球率先建立了较为完整的工业体系，工业软件在为工业企业服务的同 时也不断完善改进，二者相互促进，孕育出了达索、西门子、SAP 等多家全球工业软件龙头企 业。而目前虽然我国尚处于工业化阶段，还没有完成工业化进程，但发展速度快，制造业升级需求迫切，仍为国内工业软件厂商的发展带来契机。总体而言，在外国市场，工业软件行业已基本形成巨头垄断的格局，如研发设计类软件领 域由达索、西门子、ANASYS、Synopsys 等龙头占据着技术和市场优势；在生产控制软件领域， 西门子、Honeywell、GE、ABB、Rockwell 占据龙头地位；信息管理类软件领域 SAP、Oracle 占 据主导地位。当前，我国工业软件市场长期被国外企业占据，但在研发设计领域，产生了部分 自研的工业软件产品；在生产制造类和经营管理类软件领域，国内厂商在部分细分领域已具有 行业竞争优势，但在高端领域仍渗透率较低。我国工业软件市场增速远超全球平均，潜在发展空间仍然巨大。建议从两条主线寻找投资 机会：一条是从发展“卡脖子”的核心技术角度，研发设计类软件是我国的短板，长期被国外 巨头垄断，国产品牌市占率极小，目前产生了部分有望突围的企业，如中望软件、华大九天、 芯愿景（拟上市）、山大华天和数码大方等。另一条是从制造业升级的角度，挖掘一些具有行 业竞争优势，有望受益于工业信息化持续渗透的公司，如中控技术、用友网络、鼎捷软件、柏楚电子等。七、应用侧之智能网联汽车：前景渐明，顺周期下迎来高成长期（一）产业架构与四大驱动因素从 2010 年以车载信息娱乐服务为核心的“车联网”概念的萌芽，到 2016 年以行车安全为 核心的智能网联技术路线的提出，再到 2017 年 LTE-V2X 标准的确定开启商业化进程，从 2020 年开始 5G逐步替代 LTE 实现更高级别的自动驾驶，至今，智能网联汽车产业经历了 10 年摸索， 以 V2X 为核心基础实现网联自动驾驶的产业路径逐渐清晰，产业前景渐明。智能网联汽车与智慧交通紧密相连，两者融合协同发展是未来的主要趋势。智能网联汽 车通过搭载先进的车载传感器、控制器、执行器等装置，融合现代通信与网络技术，实现车与 X（人、车、路、云等）智能信息交互、共享，具备复杂环境感知、智能决策、协同控制等功 能，可实现“安全、高效、舒适、节能”行驶，进而使汽车成为智能交通网络系统中重要的功 能结点，从而构建“人-车-路-云”协同的智能交通体系。智能网联汽车产业的跨行业、跨领 域属性突出，涉及汽车、电子、信息通信、交通等多个产业及交通、交管等多个主管部门，因 此产业架构复杂，需要多方协同推进。C-V2X、高精度地图、自动驾驶技术、政策协同是智能网联汽车产业发展的四大驱动因素。1、C-V2X：在 V2X 系统中主要有短距离直接通信的传输模式（V2V，V2I，V2P）和基于网络的 远程通信（V2N），V2X 的概念也随之扩展为对增强的高级驾驶辅助系统（ADAS）的协同控制， 使得车辆之间可以分享感知信息，从而最终 V2X 将发展为协作式自动驾驶（CAD）。车路协同 市场的发展需要依靠路侧设施先行，当路侧设施普及率达到一定程度，V2X 车载终端装车成本 会进一步降低，普及率将逐渐提高，智能交通网络搭建成功，再依托边缘计算、云控平台等技 术，从而进一步提高城市和道路的运转效率。车路协同得到发展，L4/L5 级自动驾驶才有可能 实现。所以 C-V2X 是核心。2、高精度地图：不同级别的自动驾驶对地图有不同的内容和精度 要求，对高级别自动驾驶 L4 和无人自动驾驶 L5，高精度地图是必备项。3、自动驾驶技术： 包括计算平台、ADAS、高端传感器、新型汽车电子、车载操作系统等等。4、政策协同：智能网联汽车的跨行业、跨领域属性突出，涉及汽车、电子、信息通信、交通等多个产业及交通、 交管等多个主管部门，在政策、专项研究、法律法规、标准、试验测试等工作方面均需要协同 推进。四个因素密不可分，缺一不可，共同推动智能网联汽车产业发展。最核心的驱动因素是 V2X，这是车与道路、车、人进行信息交换的基础设施建设的统称，包括车载终端、路侧设施、 通信协议、路侧与交通、交管等监管部门的接口规范等等。基于 V2X 建设达到一定程度，再结 合高精度地图、车辆自动驾驶技术的辅助及各监管部门政策的完备这 3 个驱动因素，车-路人协同的智能驾驶才能实现，这是产业的发展路径，四个因素缺一不可，通过跟踪四个驱动因 素的发展情况可以获知产业现状。（二）C-V2X 产业化部署处于导入期我国 C-V2X 工作组给出了产业化路径及时间表：2019-2021 年为 C-V2X 产业化部署导入 期，我国正在积极开展车路协同测试示范。在这一阶段，C-V2X 通信设备、安全保障、数据平 台、测试认证方面可基本满足 C-V2X 产业化初期部署需求。同时，在国家和联网示范区、先 导区及部分特定园区部署路侧设施，形成示范应用，车企逐步在新车前装 C-V2X 设备，鼓励 后装 C-V2X 设备，车、路部署相辅相成，形成良性循环，C-V2X 生态环境逐步建立，探索商业 化运营模式。V2X 是车与道路、车、人进行信息交换的基础设施建设的统称，下面将介绍其中 V2X 车载 终端、路侧设施环节的发展情况及竞争格局。（三）自动驾驶：L3 接近量产，L4 处于研发和小规模测试阶段乘用车及商用车的 L3 级自动驾驶系统已接近量产，L4 级自动驾驶系统处于研发和小规模 测试阶段。主流车厂目前都给出了量产的 L2.5 的时间表，基本上集中在 2022 年前后。2018 年奥迪曾宣布推出量产 L3 级自动驾驶车型奥迪 A8，这是世界范围内第一台宣布量产的 L3 级 自动驾驶汽车。2019 年国内品牌上汽集团、广汽集团均推出了 L3 车型，2020 年长安汽车也已 推出 L3 车型。国内主流客车企业在自动驾驶方面走在前列的以宇通、厦门金龙、中车、中通、 厦门金旅等为主要代表，卡车以东风商用车、一汽解放、重汽等为主要代表。自动驾驶技术发展水平及难点：自动驾驶技术按运行步骤可分为环境感知层、规划决策层和控制执行层。自动驾驶通过装配在车上的传感器设备感知汽车周围的驾驶环境，结合导航的高精度地图等地图数据，进行 快速的运算和分析，不断模拟和深度学习潜在的路况环境并作出判断，进一步借助算法规划汽 车最理想或最合适的行驶路线及方式，再通过芯片反馈给控制系统进行刹车、方向盘控制等实 际操作。下面表格介绍环境感知层、规划决策层和控制执行层的技术发展水平及难点、主要参与者。自动驾驶软件和算法领域的领先参与者：在自动驾驶软件技术和算法服务中，市场发展潜力巨大。车企、互联网科技公司和初创公 司等纷纷开展相关的研发。国外以美国的 Waymo 和以色列的 mobileye 为主。国内参与的互联 网公司包括百度、阿里、腾讯、滴滴和华为。智能汽车公司包括 ponyai、小鹏汽车、理想汽 车、威马汽车、蔚来、Auto X 等。初创和科技公司中研发软件服务和核心算法的包括地平线、 Momenta、驭势科技、环宇智行、纵目科技、东软集团、图森未来、Plus Ai、商汤科技、虹软 科技等。地平线是目前中国唯一一家实现车规级 AI 芯片量产前装的公司；Momenta 作为国内 知名的自动驾驶算法提供商，在自动驾驶算法、高精度地图、ADAS 等细分方向都具有较强的 研发实力；驭势科技在业务上已形成可规模化部署的 L3-L4 级智能驾驶系统，并已在多种商业 场景中率先落地，在行业居于领先地位。除了初创科技公司和互联网巨头，国内整车企业也在 建设研发团队，包括上汽、广汽、一汽、长城、长安、吉利、比亚迪和其他车企，并与互联网 和科技公司进行合作发展。智能网联汽车的市场空间：中国汽车工程学会预测，2025 年、2030 年我国销售新车联网比率将分别达到 80%、100%， 联网汽车销售规模将分别达到 2800 万辆、3800 万辆。预测到 2025 年 L1/L2 联网汽车占比 55%， L3 联网汽车占比 20%，L4/L5 联网汽车占比 5%。根据市场研究机构 Marketsandmarkets 预测， 全球智能网联汽车市场规模在 2027 年将达到 2,127 亿美元，2019-2027 的年复合增长率将达 到 22.3%。（四）政策：给出明确目标《智能网联汽车技术路线图 2.0》已发布，相比 1.0 给出了延伸至 2035 年的发展目标。 在自动驾驶方面，目标 L2、L3 级自动驾驶在 2025 年新车销量占比中达到 50%，2030 年占比到 70%。而 L4 级自动驾驶，2025 年在“高速公路、专用车道、停车场、园区、港口、矿区”等 特定场景和限定区域商业化应用，在 2030 年新车占比 20%，在高速公路广泛应用，在城市道 路实现规模化应用。2035 年以后，L5 级无人驾驶乘用车开始应用。V2X 方面，目标 2025 年 C-V2X 终端的新车装配率达到 50%，2030 年基本普及。总体来说我国智能网联汽车产业进程走在世界前列，得到政策大力支持。参照技术路线 2.0，预计 2025 年之前 L2、L3 级自动驾驶商用车型有望放量，相应的 C-V2X 终端模块及路侧 设施建设也将跟进。可以围绕 C-V2X、高精度地图、自动驾驶等产业链环节，以及智 能网联汽车催生的需求场景（如智能座舱等）挖掘投资机会，相关公司有道通科技、虹软科技、 中科创达、万集科技、千方科技、鸿泉物联、四维图新等。……（报告观点属于原作者，仅供参考。报告来源/作者：银河证券，吴砚靖、邹文倩）如需完整报告请登录【未来智库官网】。

中商情报网讯：计算机视觉是指用摄影机和电脑代替人眼对目标进行识别、跟踪和测量等机器视觉，并进一步做图形处理，使电脑处理成为更适合人眼观察或传送给仪器检测的图像。作为一个科学学科，计算机视觉研究相关的理论和技术，试图建立能够从图像或者多维数据中获取“信息”的人工智能系统。2018年中国计算机视觉市场规模突破100亿元。预计2019年中国计算机视觉市场规模将进一步扩大，达到300亿元。《2019年中国计算机视觉行业市场前景研究报告》主要围绕计算机视觉行业概况；计算机视觉市场分析；计算机视觉市场促进因素；重点企业分析；计算机视觉市场行业发展前景等五个章节展开，通过对当前的计算机视觉行业进行分析，总结计算机视觉行业发展现状，从而预提出当前行业的发展前景。 PART1计算机视觉行业概况计算机视觉是使用计算机及相关设备对生物视觉的一种模拟。它的主要任务就是通过对采集的图片或视频进行处理以获得相应场景的三维信息。计算机视觉既是工程领域，也是科学领域中的一个富有挑战性重要研究领域。深度学习是机器学习研究中的一个新的领域，其动机在于建立、模拟人脑进行分析学习的神经网络，它模仿人脑的机制来解释数据，深度学习在计算机视觉、语音识别和自然语言处理等领域有成功的应用。 PART2计算机视觉市场分析近年来中国人工智能产业发展迅速。从市场规模来看，自2015年开始，中国人工智能市场规模逐年攀升。2017年中国人工智能市场规模将达到152.1亿元，增长率达到51.2%。随着人工智能技术的逐渐成熟，科技、制造业等业界巨头布局的深入，应用场景不断扩展，2018年中国人工智能市场规模约为238.2亿元，增长率达到56.6%。 PART3计算机视觉市场促进因素随着提高预测精度，降低数据标注成本的不断发展，计算机视觉能够识别信息的种类从最初的文字信息，到人脸，人的体态识别，以及各种不同的物体。识别精度也从最初的1：1对比，到1：N比对，以及M：N的动态监控。除了提高算法精度以外，提高数据标注的效率也是计算机视觉公司重要的课题之一。国外互联网公司推出自动标注系统，例如谷歌的AutoML和微软的Cognitive Services。商汤科技、扩博智能等AI公司也通过运用半监督学习、迁移学习、主动学习等技术，提高数据标注的自动化程度，达到提高效率，降低成本的目的。 PART4重点企业分析商汤科技成立于2014年11月，是中国一家计算机视觉和深度学习原创技术的创新型科技公司，也是一家知名独角兽企业，致力于引领人工智能核心“深度学习”的技术突破，构建人工智能、大数据分析行业解决方案。目前，商汤科技已与国内外700多家世界知名的企业和机构建立合作，包括美国麻省理工学院、高通、英伟达、本田、SNOW、阿里巴巴、苏宁、中国移动、OPPO、vivo、小米、微博、万科、融创等。 PART5计算机视觉行业发展前景随着人们对生活安全及生产效率需求的提升，凭借着计算机视觉应用场景的广泛性，计算机视觉有望发展成为下一个智能时代的标配。计算机视觉行业发展前景觉得其具有高成长性特点，未来将涌现更多人工智能领域优秀企业。但行业发展同时伴随高风险性，行业竞争需要比拼企业技术算法能力、资金能力以及人才资源，同时考验企业能否实现技术迅速落地，对企业综合实力要求高，综合实力不具备优势的企业在行业内将难以生存。《2019年中国计算机视觉行业市场前景研究报告》全局研究了当前计算机视觉的发展概况，为产业未来的发展提供了可行性思路。中商产业研究院在对整个行业把控的前提下，关注计算机视觉行业现状和未来发展趋势，从市场现状和重点企业进行剖析。

根据前瞻经济学人预测，2025 年我国工业互联网市场规模有望突破 1.2 万亿，产业链各个环节均有望受益。根据国家工业安全发展研究中心的数据统计，2019 年我国工业信息化和工业化融合率达 55.1%，其中电力行业两化率最高为 67.4%，说明我国工业工序数控化率和生产设备的数字化率均值已超过 50%，满足工业 2.0 的电气化、机械化，其中部分行业如电力、石化等已实现重点工序自动化，并开始往 4.0 智能化方向发展。根据智研咨询的数据，我国工业互联网 2018 年、2019 年的产业经济增加值规模分别为 1.42 万亿元、2.13 万亿元，占 GDP 比重分别为 1.5%、2.2%，预计 2020 年产业经济规模将达3.1 万亿元，占 GDP 比重为 2.9%，同时可带动约 255 万个新增就业岗位。新浪VR知识星球报告库上万份报告，所有新浪VR报告都将由管理员上传（包含部分未在其他平台发布的非互联网相关报告）VIP用户福利不定时开启，前1000名还能领领优惠券性价比更高！ 新浪VR，早一天看见未来。

一、中国计算机视觉发展现状分析机器视觉是人工智能正在快速发展的一个分支，简单说来，机器视觉就是用机器代替人眼来做测量和判断，但其功能范围不仅包括人眼对信息的接收，同时还延伸至大脑对信息的处理与判断。本质上，机器视觉是图像分析技术在工厂自动化中的应用，通过使用光学系统、工业数字相机和图像处理工具，来模拟人的视觉能力，并做出相应的决策，最终通过指挥某种特定的装置执行这些决策。近年来，为了让机器更像人，能够认知事物，从而进行判定和深度学习，计算机视觉技术方法与应用发展迅速，全球机器视觉市场正处于迅速发展之中。伴随着人工智能产业升温，机器视觉行业有望迈向新的发展阶段，市场规模将加速扩张。目前我国有100多家计算机视觉企业，包括商汤科技、旷视科技、依图科技等独角兽公司，涉猎安防影像、身份认证、工业制造、医疗影像等众多应用领域。二、2017年中国计算机视觉规模统计就如同我们在之前在人工智能相关文章中的说明一样，对于人工智能核心产业到底包含哪些、统计人工智能规模的时候是否包含AI+产业...等等问题，国内外权威研究机构尚未有统一的口径和标准，造成各大机构对我国人工智能规模到底有多大这个问题的解读差异较大，从100亿、200亿到700亿，各种说法不一而足。这一点也同样发生在计算机视觉上，根据前瞻产业研究院对CAICT（中国信息通信研究院）、Ganter、CBInsights等机构发布的数据汇总，2017年我国计算机视觉市场规模的增速都超过了110%。另外，根据对上述机构关于人工智能、计算机视觉数据的汇总对比，计算机视觉的增长速度远远超出人工智能整体，可谓是风口上的超级风口！三、安防影像是计算机视觉最大的应用场景2016年下半年开始，1：N人脸识别、视频结构化等计算机视觉相关技术在安防领域的实战场景中突破工业化红线，敲响了计算机视觉行业市场大规模爆发的前奏。目前安防影像是计算机视觉最大的应用场景，2017年占比达到近七成。伴随人脸识别、物体识别等分类、分割算法不算提升精度，在2017年占比较高的安防、视频广告、泛金融、手机及互联网娱乐领域之外，医疗影像、工业制造、批发零售等现阶段的创新领域也将逐步解锁，成为行业整体快速发展的重要支撑。四、2020年中国计算机视觉前景预测未来，人们安全和效率需求不断提升，计算机视觉技术在各行业应用能有效满足人们需求，市场发展空间巨大。国家政策对人工智能行业的支持也为计算机视觉的发展提供了有利的环境。随着计算机视觉技术日渐成熟，企业商业化落地能力不断提高，未来计算机视觉市场规模将迎来突破性发展。根据前瞻产业研究院对六大权威机构的汇总，乐观估计2020年我国计算机视觉市场规模有望突破1000亿；中性预测2020年我国计算机视觉市场规模在700亿元左右。更多数据参考前瞻产业研究院发布的《2018-2023年中国机器视觉产业发展前景与投资预测分析报告》。更多深度行业分析尽在【前瞻经济学人APP】，还可以与500+经济学家/资深行业研究员交流互动！

（如需报告请登录未来智库）目录：一、信创:IT全产业链的变革，首推四大高壁垒行业二、医疗IT:新技术新起点新时代，医疗IT迎来新机遇三、网络安全:政策持续催化，新安全空间广阔四、云计算:基础设施迎拐点，SAAS龙头中台崛起五、5G:开启万物互联新时代，自动驾驶前景广阔六、区块链:金融科技空间广阔，数字货币蓄势待发报告综述：2020年计算机行业有望全面开花，业绩与技术驱动多条投资主线并存，建议科技核心资产与 成长资产并重配置。投资主线一:业绩高景气信创:在当前的时代背景下，中国基础软件产业迎来行业重构机遇，华为生态正在悄然崛 起，相关公司业绩进入爆发期。重点推荐金山办公，诚迈科技，卓易信息，超图软件;推 荐普元信息、宝兰德，格尔软件、中孚信息，华宇软件、太极股份医疗IT:在电子病历、医保控费等政策驱动下，中国医疗IT和医保IT保持高景气度，创 新业务也在加速落地。重点推荐久远银海，创业慧康，卫宁健康，思创医惠;推荐东华软 件，麦迪科技，万达信息，和仁科技网络安全:等保2.0政策开始推行，云计算、大数据、工业互联网等新技术新应用场景快 速成长，行业增长趋势边际加速。重点推荐深信服，安恒信息，启明星辰;推荐美亚柏科， 南洋股份，迪普科技，山石网科投资主线二:技术新趋势云计算:当前软件产业最确定的技术趋势，重塑软件业的商业模式，底层基础设施需求边 际改善，上层应用高速发展。IT基础设施重点推荐浪潮信息、深信服;SAAS重点推荐广联 达、恒生电子、用友网络、石基信息5G应用:2020年是5G商用元年，受益于高速率、低时延、大容量等技术特性的应用场景蓄 势待发，重点关注智能网联汽车、超高清视频和网络可视化等场景。自动驾驶产业重点推 荐四维图新、中科创达、千方科技、万集科技;流量端重点推荐恒为科技、中新赛克;超 高清视频重点推荐淳中科技区块链(数字货币与金融科技):金融政策持续向好，数字货币有望落地，金融行业有望 成为区块链率先落地的重要场景之一。证券IT重点推荐恒生电子、同花顺、东方财富、顶 点软件;银行IT重点推荐宇信科技、长亮科技、新大陆，保险IT重点推荐中科软报告节选：（如需报告请登录未来智库）

获取《计算机行业2020半年报综述》完整版，请关注绿信公号：vrsina，后台回复“综合报告4”，该报告编号为20bg0120。计算机行业第二季度业绩显著回暖，营收同比上涨 13.67%，扣非归母净利润环比扭亏为盈，同比增长 6.79%，体现出行业复工复产情况良好。营业收入同比基本持平， 第 二季度显著增加。以216家上市公司作为分析样本，2020年上半年计算机行业共实现营收2990.23亿元，同比增长0.79%，较去年同期8.54%的增速有所减缓，按照中位数法，2020年上半年计算机行业营收增速的中位数为-5.31%，同比下滑，较去年同期的13.96%相比表现较差。2020Q2计算机行业总体实现营收1778.76亿元，较2020Q1环比上涨46.82%，反映行业二季度复工复产情况良好。对比2019年Q2，行业业绩亦有可观的上涨，同比上涨幅度为13.67%，高于2020H1营收同比增速，说明2020H1营收增速表现较差主要是受Q1表现较差的影响。新浪VR知识星球报告库以近五千分，所有新浪VR报告都将由管理员上传（包含部分未在其他平台发布的非互联网相关报告）VIP用户福利不定时开启，前1000名还能领领优惠券性价比更高！ 新浪VR，早一天看见未来。

获取《2019年中国计算机视觉行业市场研究》完整版，请关注绿信公号：vrsina，后台回复“泛科技报告及白皮书”，该报告编号为20bg0057。中国计算机行业规模从 2014 年的 11.1 亿元增长至 82.7 亿元，年均复合增长率达 65.2%。伴随计算机视觉技术从传统图片处理方法转向人工智能处理，图像识别准确率显著突破，应用场景不断拓展，计算机视觉行业将进入快速发展阶段，预测 2018 年至 2023 年中国计算机视觉行业规模年均复合增长率将达 48.8%，2023 年规模达 603.5 亿元。目前，计算机视觉主要用于安防影像分析、金融身份认证、广告营销、无人驾驶、机器人、工业制造、医疗影像分析、教育和娱乐业等领域。人脸识别、物体识别等技术算法精度提高使中国计算机视觉技术率先在安防领域中实现商业化，安防影像分析应用领域在 2018年中国计算机视觉行业占比最高，达到 69.4%，广告营销、智能金融分别以 17.2%、9.6%紧随其后，医疗影像、工业制造、新零售等创新领域也逐步解锁，成为计算机视觉行业快速发展的重要支撑。新浪VR知识星球报告库以近五千分，所有新浪VR报告都将由管理员上传（包含部分未在其他平台发布的非互联网相关报告）VIP用户福利不定时开启，前1000名还能领领优惠券性价比更高！ 新浪VR，早一天看见未来。

2020 年前 3 季度计算机板块 255 家上市公司共实现总营收4985.39 亿元，同比增长 5.94%；实现归母净利润 205.7 亿元，同比下滑 29.74%。根据工信部数据，1-8 月我国软件业完成软件业务收入 49984 亿元，同比增长 10.0%，增速较 2019 年同期回落 4.9 个百分点，较 1-7 月提高 1.4 个百分点。全行业实现利润总额 6020 亿元，同比增长 5.9%，增速较 1-7 月提高 0.5 个百分点，但较 2019 年同期回落 3.5 个百分点。前3 季度计算机板块营业总收入增长 5.94% ，归母净利润下滑 29.74%。按照整体法统计，2020 年前 3 季度计算机板块 255 家上市公司共实现营业总收入 4985.39亿元，同比增长 5.94%；实现归母净利润 205.7 亿元，同比下滑 29.74%。新浪VR知识星球报告库上万份报告，所有新浪VR报告都将由管理员上传（包含部分未在其他平台发布的非互联网相关报告）VIP用户福利不定时开启，前1000名还能领领优惠券性价比更高！ 新浪VR，早一天看见未来。

2017年下半年，数家计算机视觉公司单笔融资上亿美元，再次将计算机视觉推向人工智能领域最受关注的方向之一。本报告聚焦于计算机视觉技术现阶段在工业界的应用与研发，将在对相关技术热点及产业整体做概述性介绍的基础上，对典型应用的具体使用场景分领域论述，希望理清现状，写明征途，供产业界、投资界、政策制定者及关注人工智能领域的社会各界以参考。因报告研究对象以技术层创业公司为主，偏颇遗漏之处，敬请指正。 报告核心观点： 1. 深度学习主要提升的是计算机视觉领域分类任务的准确率；开源环境仅降低计算机视觉领域的入门技术门槛，前沿算法的技术壁垒依然存在；计算机视觉比赛成绩、论文成果不直接代表技术团队解决实际业务问题的能力。2. 2017年中国计算机视觉规模预期为40亿，凭借安防领域的爆发性增长，预期2020年将增长至725亿。3. 前端嵌入式智能系统的渗透率将逐步提升，与后端协同智能计算，加速产业智能升级。4. 算法迭代将不断提升限定场景识别准确率，加速渗透为各行业应用赋能。5. 前沿算法之外，计算机视觉公司的商业壁垒有赖于产品、服务、市场等综合建设。 一、计算机视觉技术概述 计算机视觉横跨感知与认知智能，现阶段应用以感知为主 视觉使人类得以感知和理解周边的世界，人的大脑皮层大约有70%的活动在处理视觉相关信息。计算机视觉即通过电子化的方式来感知和理解影像，以达到甚至超越人类视觉智能的效果。从1966年学科建立（MIT：The SummerVision Project）至今，尽管计算机视觉在感知与认知智能方向仍有大量难以解决、尚待探索的问题，但得益于深度学习算法的成熟应用（2012年，采用深度学习架构的AlexNet模型，以超越第二名10个百分点的成绩在ImageNet竞赛中夺冠），侧重于感知智能的图像分类技术在工业界逐步实现商用价值，助力金融、安防、互联网、手机、医疗、工业等领域智能升级。 现阶段有较好商业化进展的主要为语义感知中的分类任务 与人类实时选择性处理视觉信息不同（如人在驾驶时不需在意公路边草地的纹理或形状，也不用知道每辆车的确切形状），计算机仍难以从实际需求出发自主选择性输入并计算影像信息，通常需要人类对具体任务进行分解并使用与之匹配的计算方法，建立完整理想的智能视觉系统仍有很大挑战。另外，与可结合常识做猜想和推理进而辅助识别的人类智能系统相比，现阶段的视觉技术往往仅能利用影像表层信息，缺乏常识以及对事物功能、因果、动机等深层信息的认知把握。 数据与算力是深度学习的重要支撑 开源环境仅降低计算机视觉领域的入门技术门槛 工业界和学术界先后推出了用于深度学习模型训练的开源工具和框架，包括Caffe、Theano、Torch、MXNet、TensorFlow、PaddlePaddle、CNTK等等，极大降低了人工智能技术在工业实践中的入门门槛。尽管不同框架各有所长，但它们并不能真正满足企业在处理实际复杂业务时所面对的挑战，性能、显存支持、生态系统完善性、使用效率等不同层面的不足要求企业需要针对性的调整框架以适合自身业务所需。而在数据处理、计算集群管理、网络设计、应用端性能优化等若干重要环节都存在各种各样非开源技术或已成熟方案所能解决，极度依赖相关技术专家去探索求解的重要问题。对于前沿算法的突破创新以及算法在不同使用环境中的优化升级，不同公司的技术高低差异依然很大。 计算机视觉比赛的意义在于推动算法思想的进步 2007年由李飞飞教授发起的ImageNet计划将人工智能领域的影像数据推向了前所未有的规模，至今已有1400万张经过人工清洗标注的图片，含有2万个分类，为计算机视觉领域做出巨大贡献。自2010年每年一度的ImageNet物体识别竞赛（对1000类接近50万张图片的单标签识别），更是成为了计算机视觉领域最受关注的比赛。2017年，ImageNet举行了最后一届图像分类竞赛，Top 5的错误率降至2.25%（大幅领先人眼），该竞赛完成了历史使命，而更多的关于图像语义分割（像素级的分类问题）、1:N人脸识别、图像及视频理解（看图写话）方向的数据集与比赛将逐步登上舞台，推动更多领域更贴近真实世界场景的算法革新。 二、计算机视觉行业概况 计算机视觉行业图谱 中国计算机视觉行业市场规模 2016年下半年，1：N人脸识别、视频结构化等计算机视觉相关技术在安防领域的实战场景中突破工业化红线，敲响了计算机视觉行业市场大规模爆发的前奏。伴随人脸识别、物体识别等分类、分割算法不算提升精度，在2017年占比较高的安防、视频广告、泛金融、手机及互联网娱乐领域之外，医疗影像、工业制造、批发零售等现阶段的创新领域也将逐步解锁，成为行业整体快速发展的重要支撑。 前端智能的渗透率将逐步提升，与后端协同智能计算 伴随AI专用芯片及嵌入式感知系统的成熟研发，前端设备即可完成相对基础的视觉感知，并将识别、分类的结果实时应用，实现前端智能。对于需要大量计算、存储资源，利用多维度数据关联分析的诸多场景，后端服务器计算依然是当前主流。前端智能的渗透率将逐步提升，与后端智能协同加速产业升级，不仅可满足特定场景对实时性、隐私性的要求，还可在前端成像（千万像素、千帧/秒）提供越来越多数据信息的背景下，让前端智能选择预处理过的结构化的高质量数据及分析结果传输至后端，减少因带宽压力过大导致的丢包、压缩所引起的信息丢失或误差，提升智能分析的准确性。前端智能系统的功耗、稳定性、存储空间、数据及系统更新的网络传输等诸多重要问题仍有待解决，现阶段主要通过压缩算法模型、挖掘硬件潜力以及在压缩模型的同时针对现有芯片进行优化的方式来解决功耗有限、运算能力低的问题。 三、计算机视觉的应用场景 1、安防影像分析领域 主要应用场景之人脸识别 对道路卡口、车站、地铁站、机场等地方的监控视频进行智能分析，检测出动态视频中的人脸与黑名单库中的影像记录做实时比对，比对成功则立即报警推送给警务人员处置。 主要应用场景之视频结构化 2012年南京“1．6”案件发生后，南京警方从全市1万多个摄像头共提取了近2000T的视频数据，调动1500多名公安干警查阅搜索视频线索，共耗时一个多月。海量视频的有效利用存在巨大挑战，完全依靠人工费时费力，而安防影像智能分析则可有效缓解这一问题。视频结构化可针对已经生成的海量视频内容进行自动化处理，提供行人、机动车、非机动车等关键目标的监测、跟踪、属性分析，辅以以图搜图等检索功能，让案件侦办和治安布控更加智能便捷。 安防行业的千亿市场为视觉智能改造提供充分空间 2016年中国安防行业总产值为5410亿，占据2016年中国GDP的7‰，其中1900亿属于安防产品产值。从产品结构角度，安防产品可划分为视频监控、防盗报警、出入口控制等，安防影像的智能分析属于视频监控产品的升级改造，是各地区平安城市项目建设中的重要组成。2011年至2016年中国安防市场连续5年保持2位数增长，结合国家政府对建设更高水平的平安中国、进一步提升人民安全性的要求，未来中国的安防市场依然会保持稳定增长，对人工智能、计算机视觉技术的升级改造也提出了更高的期待。 智能安防相关产业链条分析 计算机视觉技术供应商在提供智能安防影像分析的时候，可能面对监控设备及平台软件厂商、集成商、公安等三大类客户。在最终的使用者公安以外，其他三类参与者关系复杂，各自的业务定位都在发展变化，合作间有竞争。 2、泛金融身份认证领域 主要应用场景及相关影像采集设备 与安防影像分析中人脸的“1:N”识别不同，目前泛金融领域以人脸“1:1”身份认证为主，部分场景涉及“1:N”识别，如银行网点中对VIP客户的智能识别。 刷脸认证的优势与功效 3、手机及互联网娱乐领域 为消费级产品带来全新智能体验 计算机视觉技术的成熟进步为同质化的手机产品及互联网娱乐应用带来了新的活力。2017年诸多国内外手机厂商推出了具有刷脸解锁的旗舰机型，而手机与影像相关的拍照优化、相册分类、编辑处理等也于近几年得以智能升级。人脸识别、特征点定位以及场景识别、物体识别等技术也丰富了直播、短视频等互联网应用的娱乐性，同时为影像内容的智能审核及分类做出贡献。 4、商品识别领域 拓宽信息边界，连接人与商品 键入关键词，搜索引擎可连接人与信息，大幅提升人类获取信息、搜集知识的效率，为世界创造巨大价值。计算机视觉则将信息的边界再度拓宽，缩短设计、原料采购、生产制造、线上与线下零售等各个环节的人与商品的距离，为商品供应链带来效能提升。 5、工业制造领域 产品质检及3D分拣 伴随年轻人从事重复性体力劳动的意愿降低，相关领域的劳动力成本极速上升，工厂对智能自动化设备的需求日益凸显，为计算机视觉技术在工业制造领域的研发落地提供了市场基础。产品（尤其3C产品）质检是现有视觉技术有望在未来3-5年在工业制造领域大规模落地的应用场景，目前产品质检依然依靠大量人力做肉眼判断，效率低、成本高、漏检误检严重，而深度学习算法可支持多种缺陷类型，增量学习也能不断提升产品适用性。另外，工业场景中存在大量的冲压件、组合件等不规则物体，不规则物体的分拣（无序抓取并有序放置，涉及物体识别、姿态估计、尺寸测量、运动规划等）需借助3D视觉技术，即使技术相对领先的国外产商相关产品也不足够成熟，出现问题难以即时相应（往往邮件沟通，售后服务难以保障），给予目前尚处于产品研发测试阶段的国内新兴厂商反超机会。 6、广告营销领域 智能挖掘影像内容广告位，构建新型营销模式 计算机视觉技术可在长视频、短视频等点播平台、直播平台以及利用手机摄像头的AR应用中，为广告主提供多种形式的互动化、与内容强相关的场景广告。 7、医疗影像分析领域 智能医疗影像分析对病种的要求及重要指标 相比计算机视觉在其他领域的数据标注工作，医疗影像的标注门槛较高，需由专业医师标注，而且非典型病例的标注意见较难统一。标注工作之外，医疗影像分析对数字化程度、数据量、临床路径、对应检测量都有着苛刻的要求，不同病种的情况不同，难以一概而论。另外，对具体系统分析能力的考核，不能仅依据简单的准确率，特异性与敏感性是最基本的两个指标。 8、自动驾驶领域 自动驾驶技术剖析 自动驾驶系统主要涉及传感器融合、感知、高精地图、定位、规划及控制等若干技术环节，以解决“我在哪儿，周围有什么，环境将发生什么变化以及我该怎么做“等四个问题，计算机视觉则在环境感知（周围有什么）与地图绘制（我在哪儿）中发挥重要作用。 从起步到落地，自动驾驶仍需经历长期测试 自动驾驶汽车主要由车辆本身、内部硬件（传感器、计算机等）以及用于做出驾驶决策的自动驾驶软件等三个子系统组成。车辆本身需由OEM认证；内部硬件也需在各种极端条件下充分测试其稳定性，达到车规级要求；自动驾驶软件方面，相关系统需经过百亿甚至千亿公里以上的测试来充分验证其安全性（人类司机平均每1亿公里发生致命事故1~3起，自动驾驶技术要想大规模落地应用，必须优于人类司机的安全性）。与此同时，大规模路测也是收集相关场景数据以便改进感知、决策等智能技术的必要手段。然而，100万辆10万公里总里程/年的车辆行驶1年才能达到千亿公里的数据量级（Waymo在过去8年积累350万英里以上的自动驾驶数据），仿真环境下的虚拟路测（如今每天有多达25000辆虚拟的Waymo无人车在模拟器中驾驶高达八百万英里的里程）与不涉及实际控制的影子模式可作为常规测试的补充，有效降低路测成本。 自动驾驶，起步于限定场景 数据驱动的感知及决策算法难以应对开放、动态的环境的千变万化，自动驾驶车辆如何理解人类意图、如何与人工驾驶车辆的司机沟通交互也面对巨大挑战。在清晰简单的限定场景中，规则易总结，数据易收集，相关算法就越容易达到安全性要求。因此，相比开放环境下大众乘车出行的一般场景，自动驾驶技术将先在高速货运、低速摆渡、特定生产等场景落地应用。大众出行领域，自动驾驶也会逐步在特定速度限制下（时速60公里内的L3级自动驾驶汽车已有量产），停车场，乃至高速或环线等相对简单的封闭道路中替代人类驾驶。另外在自动驾驶实现以前，视觉监控系统也可对车内驾驶员进行疲劳检测、注意力检测和手势识别等，为L3级自动驾驶人机控制权的交接提供支撑，兼顾安全、驾驶辅助和车内互动娱乐。 智能出行公司为大众带来无人驾驶出行体验 美国交通部和美国高速公路安全管理局（ NHTSA）在今年9月份发布《自动驾驶制度方针 2.0》，预计将在2025之后实现全面自动的安全功能以及高速公路的自动驾驶。国内科技公司相对乐观，纷纷发声将在2021年前后实现仅在特殊情况需人类介入的L4级自动驾驶乘用车的量产。考虑到现有算法技术的能力边界，2021年其实难以实现通用场景的L4级自动驾驶，小概率的意外缺陷都有可能引发致命事故，但2021年成为创业者标杆的时候，它将促进“预言的自我实现”，技术的突破性进展及不断拓宽的行驶场景依然值得期待。自动驾驶的到来需要在汽车中装配大量的软硬件设备，共享出行可减轻自动驾驶在推进消费市场时的阻碍，由出行服务商评测系统安全性，承担并消化成本。智能化与共享化是汽车产业生态的重要发展趋势，车企、科技公司、出行服务商间（三方均已布局自动驾驶研发）的合作结盟也会愈发频繁，智能出行公司随之诞生。 四、计算机视觉行业发展趋势 不断提升限定场景识别准确率，优化性能渗透更多行业应用 虽然终极愿景道阻且长，但分类任务的日益精准已解锁并将不断解锁更多场景应用。如同过去5年计算机视觉技术在人脸识别上的不断突破，误报率从2015年的千分之一提升至2017年的十亿分之一（在通过率为90%的情况下），商业服务、城市安全、大众娱乐等诸多场景均体会到不同层次的智能升级，商品、道路环境、医疗影像、遥感影像等更多对象的识别、分类问题也将会逐步突破工业化红线，从仅做辅助补充的非关键性应用拓展到切实提升核心业务效率的关键性应用。各行各业的创新型智能应用将纷至沓来，而人脸识别的性能亦将继续攀升，追求百亿、千亿规模上的可行性。 前沿算法之外，商业壁垒有赖于产品、服务、市场等综合建设 对于更为广泛的传统行业或线下使用场景的潜在客户，计算机视觉的技术落地往往涉及对具体业务场景的硬件设备改造、软件集成以及本地计算设施的部署，算法、技术的实际功效更需要建立在对客户真实业务场景的深层理解之上的针对性开发。不断增长的市场需求要求更加全面、及时的售前、售中、售后服务，而在对视觉技术能够达到的有效帮助缺乏足够认知或部分暂时缺乏科学完善的评测标准或技术相对同化的业务场景，市场销售的重要性尤为凸显。既要注重前沿算法研发，又要注意现阶段商业落地与市场拓展，这些都为以高新技术人才为主的计算机视觉公司提出了更为综合的挑战。