發布時間：2019年10月30日
摘要：
工智能技術通用性強，可以廣泛應用在社會生產生活中，當前安防、金融、教育、醫療、自動駕駛、交通、消費品、工業生產是主要應用領域。某個人工智慧下遊應用領域的IT化程度越高、試錯成本越低，則其近幾年可達的市場規模將越大。根據此原則進行判斷，下遊領域近幾年的市場規模將是安防>金融>消費品>教育>交通>工業生產>醫療=自動駕駛。根據國務院的《新一代人工智慧規劃》，到2030年，下遊核心產業規模將達萬億元。
正文：
■ 人工智慧下遊場景多樣，市場空間達萬億元。 人工智慧技術通用性強，可以廣泛應用在社會生產生活中，當前安防、金融、教育、醫療、自動駕駛、交通、消費品、工業生產是主要應用領域。根據國務院的《新一代人工智慧規劃》，到2030年，下遊核心產業規模將達萬億元。
1．人工智慧下遊：場景多樣化、長期空間巨大
人工智慧產業鏈可以分為上中下遊，我們在上篇報告裡重點分析了上中遊的行業發展情況、競爭格局以及重點企業的經營特點，本篇報告我們將重點分析產業鏈下遊的發展情況。
1.1人工智慧下遊應用場景豐富多樣，橫跨眾多領域應用
從圖1中我們不難發現，相比產業鏈的中上遊，下遊的應用場景明顯豐富很多，橫跨了從TO G、TO B到TO C的多個領域。
1.2下遊是人工智慧落地主力軍，遠期市場達萬億元
人工智慧下遊產業的市場空間，理論上應當分別計算各個子行業的空間進行加總。但由於下遊牽涉到的行業非常多，同時這些子行業也都在快速發展中，對其空間的估算結果往往是定性和數量級的估算，我們認為更有意義的是從宏觀角度，定性的把握行業的發展趨勢。
我們採用2017年國務院印發的《新一代人工智慧發展規劃》的數據，來對未來人工智慧產業的下遊空間進行估算。根據規劃，到2030年，我國的人工智慧核心產業規模將達到1萬億元，而相關產業規模將達到10萬億元，本文定義的產業鏈下遊更接近於發展規劃所稱的核心產業。
同時我們也針對下遊的各主要子行業進行了市場空間大致的估算，進行加總後和《新一代人工智慧發展規劃》的數據基本吻合。
1.3人工智慧下遊應用領域近年可達的市場規模可以從IT化程度以及試錯成本兩個維度進行判斷
面對紛繁複雜的下遊應用領域，我們面臨的首要問題是進行行業的選擇和判斷，然而這是十分困難的。一方面所有的下遊領域從業者都自稱AI技術對行業影響巨大，能大幅提升效率，改變行業的面貌；另一方面如果從中長期來看，這些提升和變化確實存在較大可行性。
然而通過對具體子行業的深入分析及實地調研後，我們發現，不同應用領域AI技術實際推進的速度差別較大，經營狀況和業務模式也各有特點。
■ IT化程度：指的是該領域內的主要應用場景中，在人工智慧技術應用之前，已經實現了基礎的IT化和自動化。這個維度之所以很重要，是因為當前主流的人工智慧技術均發源於計算機科學，其理論的研究、技術的實現、工程的落地均離不開大量IT設施以及系統的支撐。不同領域的IT化程度差別很大，比如在金融領域，現有系統的IT化程度已經很高，大量的業務交易可以線上實現，存量的IT系統非常複雜完善，那麼無論是人臉識別還是自動化交易，只要在現有IT系統中加入最新訓練的算法，匹配相應的場景，就能迅速實現其功能；而在醫療領域，現有的治療模式還是以醫生和病人的一對一方式為主，不同醫院之間的基礎IT數據都尚未打通，IT化程度非常有限，如果需要將AI技術運用到相應領域需要進行系統建設的難度和工作量非常大。
■ 試錯成本：指的是該領域的主要場景中，利用AI技術改變原有模式的風險，也即AI技術如果搞錯了，是否會有很大的影響或者後果。如在安防領域，試錯的成本就相對較低，本身傳統的安防就不具備自動識別犯罪分子的功能，如果有遺漏並不會造成損失，最壞情況下將正常人識別成犯罪分子，也可以通過人工識別或者實際驗證得到修正。而在某些領域比如L4級別的自動駕駛，試錯成本就非常高，一旦系統出現問題可能導致事故和人員傷亡。
總到來說，IT化程度越高、試錯成本越低，某領域的推進速度則越快，而越快的推進速度則代表了近年可達的市場規模越大。
通過該圖我們可以分析得到主要AI下遊領域近年可達的市場規模，安防>金融>消費品>教育>交通>工業生產>醫療=自動駕駛。
下遊領域的選擇應將近年市場規模和行業特點綜合來看，我們上面已經總結出判斷近年市場規模的系統性方法，接下來將對各子行業的特點及其和AI結合的情況具體進行分析，限於篇幅，將主要聚焦在安防、金融、教育、交通、醫療這五個關注度較高的下遊領域。
2．智能安防市場空間達千億，產品類公司中的龍頭企業將是核心玩家
隨著計算機視覺技術的快速發展，近年安防成為了AI技術運用最多最快的領域之一，智能安防也成為了人工智慧下遊行業中最炙手可熱的應用方向，而這也和我們之前對於行業發展速度的判斷是一致的。
2.1 國內安防市場空間達萬億元，產品類公司具備規模效應
近年來，隨著計算機視頻監控技術的發展，硬體成本的降低，平安城市、智慧城市、雪亮工程的不斷推進，安防行業在過去幾年取得了飛速發展。據中安網以及HIS統計，2011-2017年中國安防市場規模CAGR高達14.5%，高於全球市場（+8.5%），其中政府、大企業客戶貢獻最大，民用市場較小。
儘管安防工程的佔比最高，但是由於工程類實施具備很強的地域性特點，市場天然分散，每個地區工程服務商都有一定生存空間，因此該領域的集中度一直很低。中安網的數據顯示，2014年全國範圍內的安防工程類生廠商數目達到14000個，並且逐年增加達到了2018年的16000個。
2.3 安防產品類龍頭企業優先受益於AI技術，強者愈強
如前文所述，安防工程子行業規模雖然明顯較大，但該領域市場集中度提高難度較大，因此這類企業在安防智能化的浪潮中屬於被動參與者。
安防產品類企業雖然行業佔比較低，但是技術門檻高，是實現安防智能化的關鍵，同時其集中度也在近年不斷提升，行業小企業迅速出清，因此是安防智能化浪潮中的主導力量。
■ 研發優勢進一步擴大：為了順應AI時代的安防趨勢，海康和大華均加大了研發投入。根據2018年年報的數據，海康和大華的研發人員總數分別為1.6萬和8千， 而第二梯隊企業的研發人員總數一般在幾百的量級；海康和大華的研發費用分別為44.8億元和22.8億元，而第二梯隊企業的研發費用一般僅在億元量級。同時海康和大華均成立了高規格的AI研究院，與ADI、TI等全球頂尖企業建立聯合實驗室，打造自己的安防AI核心競爭力。未來隨著AI技術在安防領域的滲透率不斷提升，龍頭企業的技術優勢將進一步擴大。
■ 成本優勢進一步增強：AI時代安防領域的一個重要增量是AI晶片的迅速增加，在這個領域海康和大華均開始提前布局，著手進行自研晶片的開發。安防領域的AI晶片技術難度適中，屬於特定領域的晶片，和國內AI晶片行業當前的發展水平契合度較高，剛好屬於龍頭企業可以自研而中小企業很難進入的領域。未來隨著自研晶片使用比例的不斷擴大，龍頭企業相比中小企業的成本優勢將進一步凸顯。
■ 數據優勢開始顯現：安防類AI產品的算法也需要的大量的數據進行訓練，當前行業內龍頭企業的市佔率很高，對數據的佔有也具備絕對的優勢，擁有各個行業、各個應用場景的海量數據以及使用經驗。這些數據能助力龍頭企業根據不同的行業和應用場景，訓練出多個精確定製化的算法，已取得更好的智能監控效果。
展望未來，人工智慧將給安防領域帶來更多的增量和變數，而其中影響最大的是安防產品類領域，其中的龍頭公司海康威視和大華股份已經積極布局進行AI時代的轉型。展望未來，他們相對行業內其他公司的領先優勢將進一步加深，有望佔據AI安防時代的先機，不斷擴大自己的業務規模和市佔率。
值得注意的是，雖然在傳統安防企業中，海康和大華的競爭優勢非常明顯，但是現在行業逐步有新的玩家開始進入，比如華為和阿里就在大力進入AI+安防的領域。以華為為例，近年華為安防已經從三級部門提升至二級部門，成為公司重要發展戰略。2017年聚焦投入安防，2018年發布軟體定義攝像頭架構，2019年進一步提出「2+4+N」戰略。華為的優勢在於其強大的研發實力以及安防AI晶片的龍頭地位。對於AI安防領域的競爭態勢，我們也需要密切跟蹤這些新進企業的經營狀況。
3．智慧金融市場空間大，落地場景多，參與企業多元化
近年來金融行業正在運用AI技術不斷向智慧金融轉型，我們預期未來AI技術在金融科技領域的滲透率將能達到40%以上。
3.1 智慧金融落地場景多樣化、賦能動力充足
智慧金融近年來發展迅速，應用場景豐富而多樣，典型的如智慧網點、智能客服、智能信貸、智能合控、智能投顧、智能投研、智能保險等。在這些場景下金融行業可以通過AI技術提升效率和競爭力，賦能效果顯著，以下做具體介紹。
智慧網點： 網點是商業銀行最重要的服務場所和品牌形象的代表，隨著網絡渠道的發展，銀行不能簡單裁撤網點以節省成本，而是需要進行網點變革，通過以客戶為中心，建設輕型化、特色化、社區化的新型網點，以實現用更低成本對客戶進行更好的服務。新型網點人員少面積小，為了實現對客戶的有效服務，只有通過人工智慧技術的手段，才能實現小面積少人員快速實現對客戶的有效服務。
智能客服： 金融業的服務屬性決定了其具有大量客戶溝通運營的需求，銀行業尤其突出。客服作為企業與用戶溝通的直接出口，需要兼具專業解答能力、營銷能力與良好的溝通交流能力。當前，客服行業人員素質參差不齊，高素質客服短缺且成本較高，而智能客服在成本、效率上具備明顯優勢。
智能客服除了可以模擬客服人員和客戶進行溝通外，還可通過語音識別、大數據挖掘技術對銀行海量的通話記錄進行智能分析上，挖掘分析有價值的信息，為服務與營銷提供數據與決策支持，對客戶的運營也能有明顯的提升作用。
2017年人民銀行成立了金融科技委員會，將強化監管科技應用實踐，利用大數據、人工智慧、雲計算等技術豐富金融監管手段，提升跨行業、跨市場交叉性金融風險的甄別、防範和化解能力，這也為智能合控的發展帶來了更多機遇。
智能信貸： 信貸管理是商業銀行的核心業務，智能信貸能基於人工智慧和大數據技術，實現線上信貸業務的全流程優化和監控，提升風控能力和運營效率，降低成本。
智能投顧： 智能投顧是人工智慧技術在財富管理領域的應用，它通過一系列智能算法綜合評估用戶的風險偏好、投資目標、財務狀況等基本信息，並結合現代投資組合理論為用戶提供自動化、個性化的理財方案。
智能投顧相比人工服務具有專業高效、降低門檻、客觀中立等優勢。
智能投研： 指利用機器學習、知識圖譜等技術，將數據、信息和決策進行智能整合，實現數據之間的智能化關聯，自動化地完成信息的收集、清洗、分析和決策等工作。它能提高投研者的工作效率和投資能力。
智能保險： 保險也是對數字和科技要求很高的行業，當前面臨網際網路的巨大挑戰，客戶對險種功能和理賠效率的需求在不斷提升，對公司的精算風控也提出更高要求。人工智慧技術可以從售前、承保、理賠、售後等多個環節提升運營效率，優化定價，為用戶提供個性化的產品推送。
3.2四大類公司是行業主要參與者，不同維度各具特點
其中金融機構指的是銀行、保險、證券等金融核心領域的大型金融企業及其子公司如平安科技；金融科技公司指的是長期進行某一特定金融領域信息化工作的公司，典型的如恒生電子、同花順、萬得等；網際網路公司指的是大家熟知的BATJ網際網路巨頭及從其衍生的一些金融服務公司如螞蟻金服、微眾等；人工智慧技術公司指的是近年成立的，掌握最前沿人工智慧技術的公司。
這幾類公司各具特點和競爭優勢，可以從客戶和數據、技術創新能力、業務理解能力、行業經營能力這幾個維度來分析：
3.3 不同類型公司在不同場景具備競爭優勢
■ 智慧網點適合金融機構和人工智慧技術公司參與，因為該場景非常具體，需要金融機構提供場地，人工智慧公司提供技術，相互結合 。
■ 智能客服的主要優勢參與方是人工智慧技術公司，主要的原因是該場景技術要求高，技術普適性廣，可快速復用，適合技術領先公司參與。
■ 智能信貸則是金融機構、網際網路企業各具優勢。金融企業的優勢在業務經驗豐富、金融數據全面、IT流程成熟穩定，可以基於現有系統，制定符合金融規律的智能信貸模型，高效運行。網際網路企業的優勢在於海量的客戶及部分非金融信息，如騰訊、阿里具備海量到社交和電商信息，他們可以利用這些信息及其先進的大數據處理能力，實現長尾客戶的智能信貸，獲得下沉市場並向中小金融機構賦能。
■ 智能合控的優勢企業是人工智慧公司，主要是因為這項業務技術要求高，既非金融機構的盈利點，同時監管部門也有需求，因此第三方人工智慧公司作為中立的技術提供者有優勢。
■ 智能投顧的優勢參與者是金融機構和金融科技公司，投顧是對金融專業能力要求很高的行業，金融機構是該領域的翹楚，將AI技術應用後可以大幅提升效能；而部分投資領域的金融科技公司如同花順、雪球通過長年積累，掌握大量客戶信息、交易數據，也具備智能投顧的基礎。
■ 智能投研適合金融科技和人工智慧企業參與，因為該領域對數據和技術要求都很高。部分金融科技企業如同花順、萬得具備數據和IT運營能力；部分新型企業如文因互聯、蘿蔔投研則具備技術優勢，可將數據更好整合分析。
■ 智能保險的優勢企業也是金融機構和網際網路公司，保險龍頭機構的數據規模大，行業經驗豐富，網際網路公司則具備更廣泛的客戶基礎和更靈活的應用場景。
（請查閱PDF版本報告，如需全文請聯繫招商銀行研究院研究管理團隊。）
4．智慧教育市場空間巨大，高價值客戶是關鍵
和安防領域不同，教育領域雖然試錯成本也較低，但過去IT化程度也低，造成其推進過程中遇到的困難比安防領域要大，突出表現在高價值客戶的獲客成本高和留存率低。但是試錯成本低，行業空間大給智慧教育類公司帶來的好處是只要產品過硬，捨得投入營銷費用，往往能獲得營收的快速增長。
4.1 智慧教育中長期市場空間達千億元，當前呈現百花齊放的局面
雖然人工智慧技術和教育結合的時間並不長，但是當前的智慧教育已經呈現百花齊放的局面，多個細分領域在快速增長，主要包括自適應教育、智能工具、AI外語培訓等。
自適應教育因材施教，國外發展較成熟，國內處於快速發展期
自適應教育最大的優勢在於能夠定位到每位學生的知識漏洞，能夠引導學生進行最適合他自己的下一步學習內容和活動，當學生在學習過程中遇到課程難度過高或過低時，課程的難易程度都可以自動調整。老師也可以根據系統提供的學習狀態評估報告來分析每個學生的知識空白，並即時調整學習進度，為每個學生提供個性化教學。所以從理論上說，自適應學習是解決在線教育的「因材施教」問題的潛在可行方案之一，內容、數據與技術是支撐自適應學習系統開發的關鍵。
自適應教育在國外發展較早，相對成熟，國外逐步湧現出了Knewton、DreamBox等教育科技明星公司，根據億歐諮詢的數據，Knewton已經成為美國排名第一的AI+教育公司。
緊隨國外發展，國內近年的自適應教育熱度明顯提升，好未來、新東方、乂學等教育公司均陸續推出自適應學習產品。
■ 拍照搜題指的是上傳題目照片，然後系統通過圖像識別、模式匹配等方法自動定位到題料庫中的題目，將解題方法反饋的過程。
■ 智能批改指的是上傳已經完成作答的作業，自動識別並判斷學生作業效果並反饋的過程。
這兩類應用有一定的關聯度，行業內的公司往往是從拍照搜題類應用起家，逐步擴展到智能批改類的應用，行業內的代表公司有作業盒子、猿輔導、作業幫等。
大部分智能工具類企業的基礎工具服務是免費的，這些企業主要是將工具服務作為一個好的入口，獲得足夠多優質的線上用戶，再進一步開展相關增值服務，比如線上課外培訓來獲得收入。
基於免費服務的特性，智能工具類企業迅速獲得了大量用戶。據公開資料顯示，作業幫2018年7月的月活用戶已超過7000萬，付費用戶總數超過500萬。作業盒子2018年底的用戶數量也超過4000萬，覆蓋10萬所學校，獨立日活超過500萬，MAU超1500萬，每日生產學習行為數據超過2億條。
不過，需要注意的是，這些企業雖然在工具入口上具備優勢，但是在課外培訓的內容上和行業巨頭有差距，當前新東方、學而思等公司也在大力布局線上培訓，該營收渠道未來將長期面臨巨頭的競爭。
AI外語培訓市場參與者眾多，少兒相比成人更優
外語培訓也是眾多AI公司切入教育賽道的選擇，這些企業有的如流利說是通過積累大量的外語語料庫，通過AI老師實現對多個用戶的低成本智能教學；有的如VIPKID是通過線上外語培訓起家，逐步引入AI技術，生成AI助教，助推實現在線外語教育的個性化。
外語培訓門檻較低，眾多創業者和中小企業不斷進入該領域，因此在線外語培訓競爭激烈較為激烈，對AI 類公司構成了較大挑戰。
外語培訓可分為少兒和成人兩類，相較而言少兒類客單價和留存率高，因為少兒往往注意力和自學能力有限，需要通過老師的引導，付費意願和持續性較強；而成人的學習渠道多樣，付費意願低，時間有限堅持性有限。
國家統計局發布的數據表明，2018年少兒英語培訓市場600億，線上66億需求，近年保持20%的速度增長，其中VIPKID佔據了55%的市場份額，營收向50億的規模邁進。而偏向於成人外語培訓的兩大龍頭英語流利說和51talk的營收目前在10億元的規模，和VIPKID有一定差距，同時由於獲客成本和留存率的問題，上市後依然虧損嚴重。
相比較而言，我們認為AI少兒外語培訓類的賽道相對更優。
4.2 高價值客戶獲客成本高企，留存率低造成行業盈利困難
教育行業是朝陽產業，教育行業的智能化趨勢當前也已經是業界共識，領先AI教育公司的營收表現也不錯，但是當前的絕大多數AI教育公司都出現盈利困難的情況，這主要是由於高價值客戶獲客成本較高和留存率較低。
需要指出的是，我們這裡討論的是高價值客戶，指的是有較強支付意願，願意付出較多金錢如一年幾百元以上的客戶。部分AI教育公司如智能工具類公司由於具備免費和工具兩大屬性，可以低成本獲得大量客戶，但是這些客戶中真正具備較強支付意願的客戶比例很少。
根據公開渠道整理的數據，當前在線教育的高價值客戶的獲客成本很高，從幾百元到上萬元不等，而AI教育屬於在線教育中的新興延展，其獲客成本相對更高。這也導致了部分公司營銷成本高企，如流利說的營銷費用已經超過了營業收入 。
除了獲客成本高昂外，留存率低也是AI教育公司面臨的重大挑戰。由於部分公司的內容和教育效果不及預期，造成很多花費巨額營銷費用吸引來的高價值客戶，並沒有持續購買服務，流失了。
4.3 優勢賽道中高價值客戶留存率高的公司有望長期勝出
儘管行業當前面臨盈利困難的問題，但教育智能化的趨勢已經形成，行業內企業營收增長很快，消費者習慣在迅速培養，我們預期未來行業洗牌結束，競爭格局穩定後，龍頭AI教育類公司具備長期發展前景，而當前優勢賽道中高價值客戶留存率高的公司有望長期勝出，這也可以成為我們選擇企業的出發點。
首先是要選擇優勢的賽道。 根據前文的分析，我們認為從賽道排序來說，自適應教育>智能工具類企業>AI少兒外語培訓>AI成人外語培訓，優勢賽道的企業未來發展會更好。
其次是相比高價值客戶獲客成本而言，客戶留存率更為關鍵。
根據這兩大影響因素，我們將主要的AI教育企業判斷如下，建議銀行主要聚焦在第一二檔的公司。
另外，值得注意的是，好未來和新東方這兩大教育巨頭也在逐步加大AI技術的投入，未來會是所有AI教育公司的重磅競爭對手。其中好未來的投入更迅速，在2019年8月29日的世界人工智慧大會上，其被科技部宣布依建設智慧教育開放創新平臺。對於AI教育企業，我們同時需要密切關注其和這兩大巨頭的競爭關係。
5．智能交通市場空間達千億，信息化龍頭具備明顯競爭優勢
5.1智能交通持續受益於政策，道路和軌道交通是主航道
智能交通能提高運輸效率、緩解擁堵以及提升交通安全，國內政策一直大力支持，在十九大報告也進一步提出中國要建設成為交通強國，從側重投資過度到依靠科技，因此國內未來近年的智能交通市場規模將保持較快增長。
5.2 智能道路系統有望發展成智慧交通大腦，龍頭企業數據優勢明顯
智慧交通大腦指的是利用人工智慧技術，基於自動搜集的海量實時交通數據，進行深度運算，以實現對於交通場景的智能實時調度，達到減少城市擁堵、提升居民出行體驗的目的。
數據對於人工智慧算法的訓練非常重要，而智慧城市大腦的決策行為既需要實時又十分繁多，因此歷史和實時的交通數據就極其關鍵。國內的智能道路系統建設企業往往是從傳統的道路信息化企業轉型而來，因此其中的龍頭企業深度介入了國內現有核心道路的信息化系統，不僅包括道路信息，也包括了ETC、交委、交警等道路管理部門的相應信息，具備先發優勢。而對於最核心的人、車、路信息，龍頭企業可以在對現有系統的升級改造過程中，加入AI視覺識別的模塊，以實現對於現有道路的實時信息的獲取。所以從數據獲取的角度來說，龍頭企業的先發競爭優勢很大。
當前國內智能道路交通龍頭是千方科技，其在該領域的市場份額是主要競爭對手的三倍以上。除了拓展現有優勢外，業務層面繼續圍繞智慧交通全面布局，積極和各大車廠合作進行V2X測試；資本層面引入阿里巴巴作為第二大股東，提升自己的技術實力。
我們預期未來，千方科技基於自身的數據、技術和資金的優勢，有望不斷拓展自己在智能道路領域的競爭優勢，朝智慧交通大腦的方向發展，成為智能交通領域的核心企業。
5.3 智能軌道處於快速發展期，綜合具備一體化實施和AI 應用能力的公司有望勝出
雖然總的鐵路運輸旅客人數和公路運輸相比差距較大，但是近年隨著各大城市的地鐵、輕軌等軌道交通建設快速展開，智能軌道企業也迎來了發展良機。
而隨著AI技術的發展，這四大模塊都可以產生很多新的進步，比如自動售檢票系統可以通過人臉自動識別自動出入，助力乘客享受更便捷的出行和支付體驗；綜合監控系統可以通過視覺技術對乘客、客流、物品特徵進行分析，優化尖峰時段分流管理、可疑物品監測、可疑人員識別，為地鐵安全運營提供技術保障。因此軌交信息化行業正逐步往軌交智能化發展。
過去的軌交信息化企業往往聚焦於四大模塊中的一個，整體市場較為分散，近年來少數龍頭企業逐步通過內部研發和外部收購等方式，逐步完善了自己的產品結構，全面掌握了四大模塊的核心技術。我們認為，未來隨著軌交信息化向軌交智能化轉變，項目實施難度不斷增加，智能軌交的訂單會越來越傾向於具備一體化實施能力的企業，全面掌握四大模塊的智能軌交企業會有一定競爭優勢。
此外軌道交通領域的安全性要求相比安防更高，有一定的試錯成本，因此對企業的AI技術能力也提出較高要求。雖然在一些核心算法上可以藉助中遊AI技術平臺的力量，但是企業依然需要具備較高的AI技術理解和應用能力，這樣才能做到整體系統的風險可控，保證系統運行的穩定和安全，實現自主可控。因此具備較強AI技術應用能力的企業也會具備競爭優勢。
佳都科技是國內智能軌道交通的領先企業，一方面是在行業內率先全面掌握了智能軌交系統的四大核心技術，另一方面近年也大力投入AI技術的研發，技術方面內部成立了兩大AI研究院；資本方面2015年開始不斷投資優秀AI企業如雲從科技，對於AI技術的理解和應用在國內軌交企業中相對領先。
佳都科技近年來連獲智能軌交的大單，未來有望不斷提升自己在智能軌交行業的市場份額。
需要注意的風險點在於城市軌交建設具有一定的地域性，對於佳都科技是否能在其他城市複製其在廣州的競爭力，尚待觀察。
6．AI+醫療願景美好，短期面臨巨大挑戰
醫療行業雖然空間巨大，但其面臨著IT化程度低和試錯成本高這兩大難題，因此造成當前的AI+醫療更多是雷聲大、雨點小。雖然AI+醫療的參與者眾多，但這些企業往往是初創企業，項目的落地和實際營收困難重重，短期而言面臨巨大挑戰。
6.1 AI+醫療能解決醫療痛點，理論市場空間達千億元
■ 醫生數量不足：中國病理醫生與人口比例為 1:70000，而美國為1:2000，差距較大。
■ 醫生培養周期長：獨立上崗醫生培訓周期長達 8 年，導致醫療人力成本高，無法迅速滿足持續增長的醫療需求。
■ 高質量醫生缺乏：在我國全部衛生人員之中，大學本科以下學歷比例佔到69.4%，大學本科與研究生學歷比例僅佔30.6%，可見我國衛生人員整體受教育水平偏低，高質量衛生人員較缺乏。
■ 醫療資源配置不均衡：據統計，2015年每千人口醫療衛生機構床位數平均僅，城市為8.27個、農村僅為3.71個，資源配置不平衡。
AI+醫療可以通過大量診療案例和病理圖像的深度學習，實現AI智能診療，從供給端提供大量較高水平的AI醫生，緩解醫患矛盾，地域分布等痛點。若假設未來AI技術在醫療行業中的滲透率能達到10%，那麼根據2025年的醫療行業空間推測，AI+醫療市場空間將達到千億元，十分巨大。
6.2 當前發展面臨巨大挑戰，等待曙光到來
■ AI+醫療的技術水平有待提升，以IBM的WATSON為例，雖然研發投入上百億美元，但在美國的應用依然困難重重，內部也爆出過開錯藥的問題。
■ 醫療行業事關人民群眾生命健康，試錯成本很高，造成主流醫療機構對AI技術的實際使用非常謹慎，目前尚處於試驗和探索的階段。
■ 醫療行業的政策限制較多，AI技術進入實用也面臨著眾多監管政策的挑戰。
■ 國內醫療行業的信息化程度相比發到國家較低，不同醫院之間甚至醫院內部的信息孤島都很嚴重，AI技術實施的載體不完善。
7．布局建議及風險提示
7.1 布局建議
7.2 風險提示