投资建议。人工智能（AI）本质为“用机器取代人类工作”，结合了“机器规模化生产、与人工个性化生产的优势”。运用AI改造传统行业，可同时实现低成本及差异化，大幅提升企业竞争力。随着消费变迁，消费者更加注重于差异化及个性化，追求定制化生产，AI将重塑产业竞争格局。目前，人工智能正处于第三轮爆发时期，AI产学研加速推进，行业前景持续向好。鉴于当前AI基础层（AI芯片、云计算等算力支撑）盈利已经爆发，考虑到产业链传导效应，未来AI产业盈利亮点还将传导至应用层。先前，“芯片计算能力受限”一度制约了深度学习算法的应用。近年来，“计算瓶颈突破&商用价值提升”引爆了人工智能市场，而自然语言处理是当前AI技术瓶颈。AI芯片市场而言：1）“推理输出环节的芯片市场容量”将远超过“模型训练环节”。训练环节注重 “处理容量及处理速度”，而推理输出环节必保证“实时性及能效结构”；2）“CPU、GPU、FPGA、ASIC”各类芯片的“计算效率与通用性”难以兼顾，AI生态未来或决定哪种芯片结构最终花落谁家。同时，国内AI芯片企业崛起势头明显。AI商业应用而言：1）凡是具有明确规则的工作，很快会被人工智能取代；没有明确规则（如自然语言处理、语义理解），替代进程相对缓慢；2）AI细分行业的商业潜能主要取决于“替代技术的可能性、应用行业的规模大小、及渗透率高低”；3）就AI行业应用前景而言，某行业的AI需求度（行业规模×AI产品渗透率）比较高，且技术成熟度比较高”时，AI应用潜力就比较大。因此，我们建议投资者关注AI需求度及技术成熟度均高的智能安防、无人驾驶等领域。智能安防领域，可关注东方网力（300367.SZ）、海康威视（002415.SZ）、大华股份（002236.SZ）等标的。无人驾驶领域，可关注四维图新（002405.SZ）、均胜电子（600699.SH）等标的。

  人工智能可同时实现低成本及差异化，将重塑产业竞争格局。传统企业竞争中，需选择“成本领先、差异化、集中化”三类战略中的一种，但三种战略内部存在矛盾、不可兼顾，而“处于中间战略或者战略定位模糊的企业”则难以争取到“成本导向客户”及“（差异化）价值导向客户”，处于竞争劣势。波特教授认为，若某一战略或技术可同时实现“成本降低、及差异化”，则会大幅提升竞争优势。机器易实现批量化生产，但难满足个性化；人工易实现个性化，但难满足规模化需要。人工智能（AI）本质为“用机器取代人类工作”，结合了“机器规模化生产、与人工个性化生产的优势”：1）“AI+行业”可通过规模化生产，从而“大幅提升工作效率并降低生产成本”；2）“AI+行业”还可通过个性化生产，实现定制化及专门服务，充分满足消费者的差异化需求。因此运用AI改造传统行业，可同时实现低成本及差异化，大幅提升企业竞争力。随着“汽车、家电、电子消费品”等行业日益成熟，由于人类天然具备个性化需求，“这类直接面向消费者的行业话语权”逐步由卖方转向买方，消费者更加注重于差异化及个性化，追求定制化生产，AI将重塑产业竞争格局。

  人工智能正处于第三轮爆发时期，盈利亮点由基础层传导至应用层：目前，人工智能处于第三次爆发时期，AI产学研持续推进：1）风投、PE资本竞相涌入；2）“AI相关专利申请数量、市场规模”大增；根据艾瑞咨询，2020年全球AI市场规模将达到1190亿元，年复合增速约19.7%；同期，中国人工智能增速将达91亿元，年复合增速超50%，远超全球增速，市场前景广阔。3）人工智能亦大幅跑赢市场指数，AI超额收益明显。人工智能可分为基础层、技术层和应用层，基础层为算力支撑（AI芯片、云计算），技术层为算法平台，应用层是AI向各传统行业渗透应用。受AI市场（无人驾驶、数据中心）的强劲需求驱动，在过去十余个季度，海外科技巨头英伟达的业绩增速持续超出华尔街预期，英伟达股价一骑绝尘，从2015年的23美元增长至目前187.55美元（20179/18，区间涨幅高达8倍）。鉴于当前AI基础层（AI芯片、云计算等算力支撑）盈利已经爆发，考虑到产业链传导效应，未来AI产业盈利亮点还将传导至应用层。

“计算瓶颈突破&商用价值提升”引爆AI产业链，自然语言处理为AI当前技术瓶颈：“提高AI模型精度”需要增加深度学习层数以抽取更多特征。深度学习算法在训练模型时，随着“隐层层数增加及训练数据规模扩大”，训练AI模型时的计算量呈现几何式增长，而“芯片计算能力受限”一度制约了深度学习算法的应用。2013-2015年，英伟达深度学习用GPU计算性能提升50X，训练天数远低于CPU芯片，解决了“训练AI模型的计算能力瓶颈”。目前，英伟达GPU芯片成为“训练深度学习模型的事实标准”。深度学习刻画事物属性的维度将随着层数增加而增加，精度可通过大量事例（大数据）学习来保证。就应用而言，先前很长时间内，图像与语音识别准确率仅可达80-85%，但通过深度神经网络及大数据的训练，准确率提升了10-20%，目前准确率超过90%，语音识别/图像识别接近或达到人类水平，可适用于大部分商业场景。“计算瓶颈突破&商用价值提升”是近年人工智能爆发的两大关键要素。自然语言处理作为人机接口，在“机器识别、智能助理、智能客服”等领域应用前景广泛，是当前AI技术发展的瓶颈。

风险揭示：特朗普时代，侧重保全工人岗位，海外科技巨头AI研发遭受抑制风险；美联储加息在即，AI产业融资进程受阻风险；AI应用推广不及预期风险；芯片、算法研发遭遇未知障碍风险；基础层、技术层变化巨大，应用层难以适应风险；国内企业使用国际开源平台，无自身核心竞争力，产品严重同质化风险。