2019年一季度中國計算機行業(yè)運營現(xiàn)狀及未來發(fā)展趨勢分析[圖]

    一、2018年成為業(yè)績低點，2019年Q1表現(xiàn)平穩(wěn)

    樣本空間：選取計算機行業(yè)已披露2018年年報、2019年一季報數(shù)據(jù)的199家上市公司（不包含*ST工新、ST中安、同方股份、*ST榮聯(lián)），作為樣本空間。

    營業(yè)收入：計算機行業(yè)2018年營業(yè)收入增速的中位數(shù)為13.21%，較去年同期下滑3.85個百分點；2019年Q1單季營業(yè)收入增速的中位數(shù)為17.11%，較去年同期上升0.13個百分點。

2014~2019Q1計算機行業(yè)營業(yè)收入增速圖

數(shù)據(jù)來源：公開資料整理

    歸母凈利潤：計算機行業(yè)2018年歸母凈利潤增速的中位數(shù)為6.69%，較去年同期下降7.28個百分點；2019年Q1單季歸母凈利潤增速的中位數(shù)為12.61%，較去年同期下降升0.87個百分點。由于2018年商譽減值的計提（后文展開分析）較往年大幅增長，故利潤總金額和增速受到影響。

2014~2019Q1計算機行業(yè)歸母凈利潤增速圖

數(shù)據(jù)來源：公開資料整理

    扣非后歸母凈利潤：計算機行業(yè)2018年扣非后歸母凈利潤增速的中位數(shù)為0.64%，較去年同期下滑12.49個百分點；2019年Q1單季扣非后歸母凈利潤增速的中位數(shù)為7.87%，較去年同期上升2.55個百分點。由于2018年商譽減值的計提較往年大幅增長，故扣非后凈利潤總金額和增速受到影響。

2014~2019Q1計算機行業(yè)扣非后歸母凈利潤增速圖

數(shù)據(jù)來源：公開資料整理

    營業(yè)成本增速高于收入增速。計算機行業(yè)2018年營業(yè)成本增速的中位數(shù)為15.45%，較去年同期下降1.35個百分點，但高于同期營業(yè)收入增速2.24個百分點；2019年Q1單季營業(yè)成本增速的中位數(shù)為19.13%，較去年同期下降0.29個百分點，高于同期營業(yè)收入增速2.02個百分點。近年來行業(yè)營業(yè)收入增速中位數(shù)低于營業(yè)成本增速中位數(shù)，意味著行業(yè)整體毛利率水平承壓，市場競爭或有升級的趨勢。

2014~2019Q1計算機行業(yè)營業(yè)成本增速圖

數(shù)據(jù)來源：公開資料整理

    扣非后歸母凈利潤的增速分化仍然顯著。如下圖所示，計算機行業(yè)2018年有8.54%的上市公司業(yè)績增速超過100%或扭虧為盈，同時49.75%的上市公司業(yè)績出現(xiàn)下滑；2019年Q1有19.60%的上市公司業(yè)績增速超過100%或扭虧為盈，同時40.20%的上市公司業(yè)績出現(xiàn)下滑。

2018年計算機行業(yè)扣非凈利潤增速分層統(tǒng)計

數(shù)據(jù)來源：公開資料整理

2019年第一季度扣非凈利潤增速分層統(tǒng)計

數(shù)據(jù)來源：公開資料整理

    二、行業(yè)發(fā)展趨勢：流量紅利期終結(jié)，技術(shù)創(chuàng)新與應(yīng)用場景結(jié)合

    1、流量快速增長，用戶紅利進一步衰減

    隨著移動互聯(lián)網(wǎng)滲透率的不斷提高，流量紅利進一步衰減。2018年11月，我國手機累計出貨量3.79億部，同比下滑15.60%；智能手機累計出貨量3.56億部，同比下滑15.30%。我國的手機和智能手機出貨量在歷史上首次出現(xiàn)連續(xù)兩年出現(xiàn)下滑，反映出手機滲透接近飽和。自2016年起，我國的智能手機出貨量在手機中的占比已經(jīng)達到90%，到2018年11月已達到94%，未來由于智能手機用戶占比提升帶來流量大幅提升的趨勢也很難持續(xù)。

手機出貨量

數(shù)據(jù)來源：公開資料整理

智能手機出貨量

數(shù)據(jù)來源：公開資料整理

    移動互聯(lián)網(wǎng)用戶數(shù)量增速開始明顯放緩。至2018年11月，我國手機上網(wǎng)用戶數(shù)達到12.6億（存在一人多機的統(tǒng)計），同比增速從近兩年的12%下滑到9%左右。當前我國的上網(wǎng)用戶數(shù)覆蓋率已經(jīng)超過90%，未來再持續(xù)提升的空間已經(jīng)不大。我們統(tǒng)計了市面常見的229款常見手機APP的月活用戶數(shù)之和，各類APP的月活躍用戶數(shù)之和達到128億，同比增速從過去兩年的50%下滑到15%。每個手機用戶每月啟動APP個數(shù)在2017年6月達到最高點10.37個，之后的一年多時間里始終保持在9-10左右的波動，至2018年10月為10.15個。這也反應(yīng)出用戶對APP數(shù)量的接受已經(jīng)飽和，APP的應(yīng)用推廣進入存量市場，未來新的APP獲得大規(guī)模受眾支持的難度將越來越大。當前各移動互聯(lián)網(wǎng)廠家已經(jīng)感覺到新用戶獲取的難度在進一步加大，并由此帶來的獲客成本的逐年提高。由于在互聯(lián)網(wǎng)上獲客難度和成本不斷提高，一些互聯(lián)網(wǎng)主流廠商開始在主流電視媒體山播放廣告宣傳實現(xiàn)客戶導流。

手機上網(wǎng)用戶數(shù)

數(shù)據(jù)來源：公開資料整理

手機上網(wǎng)滲透率

數(shù)據(jù)來源：公開資料整理

常用APP月活躍用戶數(shù)之和

數(shù)據(jù)來源：公開資料整理

每用戶月均啟動APP個數(shù)

數(shù)據(jù)來源：公開資料整理

    在增量用戶逐步放緩的背景下，用戶對移動終端的依賴進一步加大。在手機使用時長增長帶動下，2018年6月，我國網(wǎng)民的人均周上網(wǎng)時長為27.7小時，比2017年末提高0.7個小時。而2018年7月我國網(wǎng)民的PC端、手機端及Pad端的月度使用時長分別為101.1、987.1和86.9億小時，我國網(wǎng)民的手機使用時長已經(jīng)占到了總上網(wǎng)時長的80%。這一數(shù)據(jù)比2016年1月的使用時長，PC端上網(wǎng)時長下滑了9.1%，而手機端和pad端的上網(wǎng)時長分別上漲了109.1%和73.2%。網(wǎng)民的主要上網(wǎng)時長的增量投向了移動互聯(lián)網(wǎng)，而PC端代表的互聯(lián)網(wǎng)在上網(wǎng)時長上已經(jīng)開始萎縮。而隨著居民總上網(wǎng)時長增長的放緩，PC端面臨的壓力也將越來越大。

各類終端月度使用時長（億小時）

數(shù)據(jù)來源：公開資料整理

網(wǎng)民平均每周上網(wǎng)時長（小時）

數(shù)據(jù)來源：公開資料整理

    隨著互聯(lián)網(wǎng)短視頻、直播等高流量應(yīng)用的風靡，在用戶數(shù)量、用戶時長增速放緩的同時，高流量移動互聯(lián)網(wǎng)的流量仍然維持了較高速的發(fā)展。2018年前11個月，我國移動互聯(lián)網(wǎng)接入流量達624億GB，同比增長194.30%，自2015年以來連續(xù)3年保持超過100%的增速。2018年11月，移動互聯(lián)網(wǎng)接入月戶均流量達到5.9G，同比增長142.26%，月戶均流量是2015年底的10倍。流量絕對值的增速遠遠超過了用戶數(shù)和上網(wǎng)時長的增速，這也反應(yīng)出用戶習慣得到培育后市場結(jié)構(gòu)仍在發(fā)生劇烈變化。

移動互聯(lián)網(wǎng)接入流量

數(shù)據(jù)來源：公開資料整理

移動互聯(lián)網(wǎng)接入月戶均流量

數(shù)據(jù)來源：公開資料整理

    流量已經(jīng)向我們證明了它的強大，一款看似平平無奇的產(chǎn)品一旦贏得了流量的青睞，立刻就能成為紅極一時的“爆款”。不論是社交媒體還是商業(yè)宣傳，都格外注重對眼球的吸引能力，諸如“UC體”等表現(xiàn)形式都是典型的專注吸引流量的方式。在過去的十幾年中，流量跟隨著互聯(lián)網(wǎng)尤其是移動互聯(lián)網(wǎng)的發(fā)展而迅速壯大，從微信公眾號到微博大V，從藝人到上市公司等等，流量紅利造就了一個又一個耀眼的新星，形成一種百舸爭“流”的局面。但流量的本質(zhì)是對用戶時長和衍生的商業(yè)價值的爭奪。但隨著個人電腦和移動終端新增用戶的增長速度趨于停滯，尤其是用戶上網(wǎng)市場的增長接近飽和，目前移動互聯(lián)網(wǎng)對個人用戶的價值挖掘已經(jīng)進入平臺期。雖然流量的絕對值仍然保持較高速增長，但是我們可以明顯觀察到移動互聯(lián)網(wǎng)的C端用戶紅利已經(jīng)逐步衰竭。

    隨著C端紅利的消退，各大廠商將目光轉(zhuǎn)向了B端互聯(lián)網(wǎng)，對服務(wù)品質(zhì)的要求愈發(fā)提高。由于硬件方面的限制，一般終端很難具有強大的運算能力，“云”作為一種全新的運算方式逐漸走進用戶的視野。云計算解決了硬件的時空分布和價格問題，從而使企業(yè)有能力向個人客戶提供更優(yōu)質(zhì)的服務(wù)，形成了許多B2B2C的格局，為互聯(lián)網(wǎng)的發(fā)展注入了新的活力。

    2、云計算：保持高速發(fā)展，盈利模式改變帶來價值重估

    在全球云服務(wù)商中，亞馬遜的AWS以較大優(yōu)勢取得領(lǐng)先地位，市場基本上被AWS、微軟、阿里巴巴、Saleforce等少數(shù)巨頭所把持，形成一超多強的局面，后來者難以撼動其領(lǐng)先優(yōu)勢。國內(nèi)的云計算市場以阿里巴巴為首，形成了類似的一超多強格局，但由于國內(nèi)產(chǎn)業(yè)生態(tài)起步較晚，云計算的發(fā)展空間非常大，后來者仍有追趕的機會。我國云服務(wù)市場規(guī)模接近900億，未來數(shù)年仍將保持30%左右的較高速增長。

2015-2020中國整體云服務(wù)市場規(guī)模及增速

數(shù)據(jù)來源：公開資料整理

    從國內(nèi)整體公有云來看，阿里巴巴在國內(nèi)云計算市場占有絕對領(lǐng)先地位，在IaaS和PaaS方面的市占率均為第一，2017年全年營收112億元，約為騰訊的2.5倍，并且遠遠領(lǐng)先于其他競爭對手。從財務(wù)數(shù)據(jù)上看，阿里云的營收持續(xù)高速增長，近兩年單季度營收同比增長均在90%以上。由于云計算的技術(shù)特征，先發(fā)者具備天然的規(guī)模優(yōu)勢和客戶粘性，預(yù)計阿里云在未來的云計算浪潮中仍有望保持其領(lǐng)導者地位。

2017-2018阿里云季度營收及同比增速

數(shù)據(jù)來源：公開資料整理

    根據(jù)服務(wù)對象的數(shù)目，云服務(wù)可分為公有云和私有云，其中私有云是指某個企業(yè)獨立構(gòu)建和使用的云。公有云市場又可以分為IaaS（基礎(chǔ)設(shè)施即服務(wù)）、PaaS（平臺即服務(wù)）和SaaS（軟件即服務(wù)）。全球市場中，公有云細分市場中IaaS市場增長最快，2017年IaaS市場規(guī)模達到326億美元，同比增長35.27%，在IaaS基礎(chǔ)服務(wù)中計算類服務(wù)需求最為旺盛占比達92%；2017年P(guān)aaS市場規(guī)模達到128億美元，同比增長28%，預(yù)計未來仍將保持穩(wěn)定增長；SaaS規(guī)模達到656億美元，同比增長26.64%，預(yù)計未來SaaS市場增速逐漸趨緩。國內(nèi)市場的規(guī)模還遠小于海外市場，但是保持了超出全球市場的增速。其中IaaS市場規(guī)模達148.7億元，同比增長70.14%；PaaS市場規(guī)模達11.6億元，同比增長52.64%；SaaS市場規(guī)模104.5億元，同比增長39.15%。IaaS和SaaS的市場規(guī)模遠高于PaaS。

    1）SaaS是全球市場的首要組成，占全球市場的59.09%，其中又以CRM、ERP和辦公軟件為主，合計占有75%的市場份額。SaaS是最早的云服務(wù)形態(tài)。全球的IaaS市場規(guī)模是IaasS的接近2倍，但是我國的SaaS市場規(guī)模只有IaaS市場規(guī)模的70%。隨著云計算深入發(fā)展，云服務(wù)基礎(chǔ)設(shè)施的加強以及國家對知識產(chǎn)權(quán)保護力度的加強，未來國內(nèi)的很多軟件服務(wù)企業(yè)都會加速轉(zhuǎn)向SaaS模式。

    2）IaaS市場是典型的巨頭主導市場，在全球和國內(nèi)市場，前五大公司均共占約75%的市場份額。2017年全球前五大IaaS廠商合計營收占全球IaaS公有云服務(wù)市場規(guī)模的75%。其中亞馬遜IaaS業(yè)務(wù)營收122.21億美元，年增長率為25.0%；2017年微軟IaaS業(yè)務(wù)營收年增98.2%，以31.30億美元排名第二；阿里云業(yè)務(wù)營收年增62.7%，以10.91億美元排名第三。

    3）PaaS是開發(fā)者平臺。PaaS的主要意義在于累積IT開發(fā)模塊、插件、模型等，從而大幅提高軟件開發(fā)者的生產(chǎn)力。因此PaaS雖然市場份額不大，但象征著未來行業(yè)的生產(chǎn)力水平，戰(zhàn)略意義顯著。目前國內(nèi)主要的相關(guān)上市公司有用友網(wǎng)絡(luò)、廣聯(lián)達、恒生電子等。

    云計算改變了計算機行業(yè)的盈利模式，也改變了計算機行業(yè)與其他行業(yè)之間的連接方式。在收費模式方面，計算機行業(yè)由買斷制逐漸轉(zhuǎn)變?yōu)闀T制，即收取服務(wù)費的形式。過去license方式銷售軟件，用戶需要一次性支付大部分采購費用，購買3年左右的軟件使用許可，而采用云化產(chǎn)品，客戶僅需按年支付當期的費用，平滑了信息化開支。對很多中小企業(yè)而言，由于不需要額外采購硬件設(shè)備和配置專門的IT人員，因此實際上是降低了中小企業(yè)IT信息化的門檻，使得新的模式能夠很快推廣。其次，云化產(chǎn)品給予企業(yè)更多的自由度，可以根據(jù)業(yè)務(wù)擴張的節(jié)奏同步IT支出，用戶可根據(jù)生產(chǎn)的需要在很短的時間里對云產(chǎn)品的量進行調(diào)節(jié)，增加了采購的靈活度。最后，由于用戶端通常只需要與用戶進行交互，很容易就能實現(xiàn)跨平臺工作，可以在如PC端、移動端甚至工業(yè)設(shè)備等多種終端的協(xié)同工作。

    對軟件企業(yè)而言，云化的產(chǎn)品能夠平滑未來的收入波動，盈利模式從一次性的購買轉(zhuǎn)型長期、持續(xù)的云服務(wù)收入。短期而言，業(yè)績上會出現(xiàn)先抑后揚的特征，因為轉(zhuǎn)云前期研發(fā)投入還要持續(xù)甚至增加，但當期收入可能部分轉(zhuǎn)入預(yù)收款，造成利潤承壓。但是隨著云化進程的完成，客戶的穩(wěn)定性提升，盜版率降低，開發(fā)成本也能得到攤薄。在客戶轉(zhuǎn)化率、續(xù)約率較為穩(wěn)定的情況下，收入將得恢復(fù)增長，同時銷售費用率和管理費用率均會因為云化而得到有效降低，業(yè)績穩(wěn)定增長，公司的估值也將得到提升。在短期內(nèi)PE估值無法體現(xiàn)公司向云化轉(zhuǎn)型的特點，因此可對相關(guān)公司用PS估值或分部估值的方法，從而體現(xiàn)公司云服務(wù)的進程。

    云計算取代集中式的超級計算機，提供了高性價比的計算能力。同時，云計算平臺通常需要與大量廠商和個人進行交互，在實施和服務(wù)過程中天然積累了大量的用戶數(shù)據(jù)，能夠?qū)嵤┯行У臄?shù)據(jù)共享。通過移動互聯(lián)網(wǎng)和物聯(lián)網(wǎng)產(chǎn)生、收集海量的數(shù)據(jù)存儲于云平臺，再通過本地和云端的算力處理完成深度學習過程，最終形成有價值的服務(wù)體系反饋給用戶，為生產(chǎn)生活所需提供更好的服務(wù)。因此具備云計算能力和大數(shù)據(jù)基礎(chǔ)的公司，具備了計算能力和數(shù)據(jù)這兩件人工智能發(fā)展的必備能力，在人工智能的競賽中具備天然優(yōu)勢。

云計算、大數(shù)據(jù)與人工智能

數(shù)據(jù)來源：公開資料整理

    3、人工智能：應(yīng)用場景、大數(shù)據(jù)與技術(shù)的結(jié)合

    自從AlphaGo在圍棋上徹底戰(zhàn)勝人類后，人工智能成為科學界和工業(yè)界最大的熱點。過去兩年時間，圍繞人工智能的投資也急劇增長。在自動駕駛、醫(yī)療、金融、法律、教育等各個領(lǐng)域，都掀起了人工智能應(yīng)用的高潮。如果我們將視角放的更長，人工智能并不是完全新生的技術(shù)。事實上人工智能起源于上世紀五十年代，并且在歷史上經(jīng)歷了三次起落，呈現(xiàn)螺旋式上升的趨勢。1950-1970年，第一次人工智能研討會在美國達特茅斯學院舉辦，被認為是人工智能的誕生元年，當時的普遍認知是機器通過推理邏輯能夠達到人工智能水平，后來倍實踐所否定。1970-1990年的主流派別是“知識工程”，專家系統(tǒng)的出現(xiàn)將人工智能引入實戰(zhàn)化，其代表是“深藍”在國際象棋領(lǐng)域的成功。但是后續(xù)專家系統(tǒng)的知識固化和擴展性成為瓶頸。2000年至今，受益于數(shù)據(jù)積累量和算力的快速增長，深度學習技術(shù)的大規(guī)模運用在實踐中取得了良好的效果。尤其是DeepMind在圍棋領(lǐng)域取得成功后，人工智能再次成為公眾關(guān)注的焦點。

人工智能發(fā)展歷程

數(shù)據(jù)來源：公開資料整理

    相對于60年前達特茅斯會議當時定義的人工智能，現(xiàn)在的人工智能的成功主要是深度學習的廣泛應(yīng)用。深度學習算法不對現(xiàn)實世界有數(shù)學假設(shè)，主要是通過神經(jīng)網(wǎng)絡(luò)模擬大腦皮層刺激模式來進行機器學習。深度學習算法大幅度提高了在圖像、語音等領(lǐng)域的識別率。而互聯(lián)網(wǎng)上70%以上內(nèi)容互聯(lián)網(wǎng)上70%以上內(nèi)容都是圖像。得益于數(shù)據(jù)量和算力的提升，使得基于神經(jīng)網(wǎng)絡(luò)算法的運算效率效果獲得大幅提高，相關(guān)應(yīng)用具備了應(yīng)用落地和商業(yè)上成功過可能。同時我們注意到目前人工智能的突破主要體現(xiàn)在識別領(lǐng)域，如圖像、視頻中物體的識別解析，語音的識別和模擬，但是對自然語言處理、開放性問題處理等領(lǐng)域的相對影響較弱。

    卡內(nèi)基梅隆大學(CMU)的HansMoravec發(fā)布了人類能力景觀圖（LandscapeofHumanCompetence），對于人工智能當前的水平有一定參考意義。該把人工智能的發(fā)展水平看作是海平面，把人類的技能/任務(wù)目標按照難易程度，看作是不同的海拔高度，。從目前的情況看，以計算為主、有明確規(guī)則活動（例如棋類）已經(jīng)沒入海洋，投資、翻譯、圖像處理位于岸邊岌岌可危。科研、藝術(shù)、寫作等創(chuàng)造性的行業(yè)依然是人類能力中的高峰，目前仍是人類智慧的專屬品。

人類能力景觀圖

數(shù)據(jù)來源：公開資料整理

    在過去幾年深度學習算法獲得成功運用的領(lǐng)域，得益于包括以下幾個條件：

    1、半導體技術(shù)的發(fā)展帶來了算力的快速提升。十年期深度學習算法受限于算力而無法展開的多層神經(jīng)網(wǎng)絡(luò)模型，在GPU、FPGA、ASCI芯片的幫助下已經(jīng)可以快速迭代完成。

    2、隨著云計算和大數(shù)據(jù)技術(shù)的大規(guī)模應(yīng)用，在一些領(lǐng)域現(xiàn)有的業(yè)務(wù)積累了大量、完備和準確的數(shù)據(jù)，例如在金融交易領(lǐng)域，每秒鐘產(chǎn)生的海量數(shù)據(jù)就可以提供給人工智能系統(tǒng)作為訓練數(shù)據(jù)。

    3、在一些業(yè)務(wù)領(lǐng)域具備明確的規(guī)則約束條件。棋類游戲之所以最先獲得突破，核心原因就是在于具備明確的規(guī)則定義和博弈雙方尋求最優(yōu)解的目標。

    深度學習近年來在很多領(lǐng)域取得了快速進展，但是我們也可以看到這種技術(shù)使用的邊界條件：需要海量的正確標記的數(shù)據(jù)，需要有明確的規(guī)則約束，最好不要有規(guī)則外的突變。因此深度學習技術(shù)并不能包治百病，而是需要滿足必備的前置條件。隨著一些業(yè)務(wù)領(lǐng)域的深入開展，一些應(yīng)用上的瓶頸也暴露出來。

    1、不是每個領(lǐng)域都具備大量和完備、準確的數(shù)據(jù)。在大多數(shù)情況下，每個神經(jīng)網(wǎng)絡(luò)都需要數(shù)百萬個以上的樣本來學習，而且要求樣板數(shù)據(jù)本身的正確性和完備性。在醫(yī)療領(lǐng)域，雖然以IBM為引領(lǐng)者的人工智能應(yīng)用已經(jīng)取得長足進展，但是在近兩年的進展并不大預(yù)期。IBM在醫(yī)療AI領(lǐng)域被寄予厚望的waston遇到短期挫折，其與知名腫瘤專科醫(yī)院安德森的合作宣告失敗。研究5年之后，雙方?jīng)]有開發(fā)出一個可以用在病人身上的工具，技術(shù)只能用在實驗性測試中，安德森中心宣布項目終結(jié)并向IBM支付3900萬美元賠款。目前在醫(yī)療領(lǐng)域應(yīng)用的主要難點在于如何獲得完備和準確的數(shù)據(jù)。由于較多病人的醫(yī)療數(shù)據(jù)存在部分缺失、詳細程度不一，而且也無法提取判斷病人是否存在蓄意隱瞞或錯誤記錄之前的醫(yī)療情況，因此無法判斷數(shù)據(jù)的完備性和真實性。在“垃圾進、垃圾出”的訓練機制下，系統(tǒng)無法保證通過機器學習獲取高準確率的診斷結(jié)果。

    2、不是每個領(lǐng)域都具備單一、明確的業(yè)務(wù)規(guī)則和目標，并且會出現(xiàn)很多不可預(yù)見、涉及到博弈和動態(tài)處理的突發(fā)情況需要處理。例如，在自動駕駛領(lǐng)域，車輛除了要保證自身的運行符合預(yù)定目標和安全規(guī)則外，還不可避免的受到其他駕駛者和行人的干擾。近幾年自動駕駛路測圣地加州一共發(fā)生與自動駕駛相關(guān)的114起事故中，數(shù)量呈現(xiàn)出快速增長的趨勢（并不能說明事故發(fā)生率提高，而是因為路測里程數(shù)快速增長）。這些事故中共有72起事故發(fā)生在無人駕駛模式，8起發(fā)生在自動駕駛模式下安全員緊急切換到手動駕駛模式；但是在114起事故中有超過80起事故（占比70%）都是無人車在成長駕駛過程中，其他人類司機不守規(guī)則或家屬技術(shù)不佳造成。另外無人車事故有近半數(shù)發(fā)生在十字路口，由于在十字路口路況復(fù)雜、視野不佳，無人車的駕駛過于謹慎，稍有狀況即采取減速、剎停，因此引發(fā)了后車司機的追尾。經(jīng)過數(shù)年的發(fā)展，對無人車車技形成極大限制的感知能力，已經(jīng)大大增強。而無人駕駛車輛的車技瓶頸，更多轉(zhuǎn)移到了一個更難的問題上——對其他交通參與者行為的預(yù)測。

加州自動駕駛事故數(shù)量

數(shù)據(jù)來源：公開資料整理

加州自動駕駛事故分類

數(shù)據(jù)來源：公開資料整理

    人工智能的發(fā)展勢頭正如日中天，在眾多領(lǐng)域顯示出了其巨大的應(yīng)用前景，已經(jīng)給社會服務(wù)提供了極大的便捷性。我們同時需要認識到，人工智能技術(shù)的應(yīng)用需要較多先決條件和約束機制。首先，需要高強度的研發(fā)投入來支撐人工智能和算法優(yōu)化過程；其次，需要具備大量的有標記的業(yè)務(wù)數(shù)據(jù)來進行訓練數(shù)據(jù)的建模；同時人工智能并不是無源之水，而是需要有具體的應(yīng)用場景來實現(xiàn)機器學習的過程，并且通過在業(yè)務(wù)場景的應(yīng)用起到提高業(yè)務(wù)效率、創(chuàng)造出業(yè)務(wù)價值。

    因此未來人工智能的應(yīng)用不會是一蹴而就，而是需要不斷的持續(xù)進行研發(fā)和應(yīng)用的驗證。人工智能的推廣過程，就是應(yīng)用場景和大數(shù)據(jù)、高強度研發(fā)的結(jié)合。國內(nèi)的人工智能參與者主要為互聯(lián)網(wǎng)巨頭和明星創(chuàng)業(yè)公司。只有同時具備研發(fā)實力、資金優(yōu)勢和數(shù)據(jù)流量的龍頭公司才有能力進行人工只能的前沿研發(fā)，而大部分公司將主要借助借助成型的AI技術(shù)在各自的應(yīng)用領(lǐng)域進一步拓展。

    相關(guān)報告：智研咨詢發(fā)布的《2019-2025年中國嵌入式計算機行業(yè)市場分析預(yù)測及投資方向研究報告》