【课程回顾】人工智能主题前瞻（上）
主题投资的角度，今年最值得我们关注的有两个方向，一个是数字中国，还有一个就是人工智能。
人工智能并不是一个新概念，作为一门前途光明的技术，人工智能一直在蓬勃发展，产业界投入了巨量的资源来推动人工智能技术的成熟和落地。随着chatGPT聊天机器人的爆火，AIGC作为人工智能的一个分支已经获得了市场的热烈追捧。
AIGC是目前率先突破的人工智能技术，而我相信这只是一个序幕，人工智能在这么多年的积累以后，很多赛道都走向了产业爆发的拐点。所以选了其中三个细分赛道进行前瞻性的梳理。
智能驾驶汽车就是要打造可以替代人来操作的新一代汽车。
有些盟友把智能驾驶和无人驾驶混为一谈，其实这两个概念是有区别的。
智能驾驶概念更加宽泛，指的是让机器来帮助人进行驾驶。比如有些车装了自动刹车装置，当探知到前面有行人的时候，可以自动帮助驾驶员刹车，这就属于智能驾驶。
而无人驾驶则是智能驾驶技术发展的终极目标，也就是要让汽车彻底自动运行，这将成为出行领域的一次革命。
展望未来，高等级的智能驾驶乃至于无人驾驶可以带来诸多好处：
安全： 对周围环境感知更加精准而全面， 以此做出正确判断。
便利： 解放人类的双眼、 双手、 双脚， 及大脑， 使车变为“第三生活空间” 。
省时： 分析各类数据， 规划最优行车线， 避免交通拥堵。
智能驾驶蕴含了巨大的商业价值，我们可以从特斯拉的经营模式中一窥究竟。
特斯拉的商业模式可以总结为：硬件交朋友，软件赚大钱！
特斯拉的高级自动驾驶功能叫做FSD，这个功能是要收费的，而且价格还不便宜，目前价格已经从最初的6000美元涨到了12 000美元。
特斯拉目前自动驾驶软件销售一次性买断收费，有机构做过预测，在60%的渗透率假设以及800万辆的保有量假设下，特斯拉单车的软件利润就可以比肩高峰时期的戴姆勒单车盈利能力！
相当于戴姆勒赚一份钱，特斯拉可以赚两分钱！而且特斯拉未来的汽车保有量不可能只有800万辆，考虑软件边际成本越来越低的特性，特斯拉未来靠智能驾驶软件赚的钱可能比卖车还要多！
这也是为什么资本市场愿意给特斯拉那么高的估值，资本市场并不傻，特斯拉对标的从来就不是丰田通用这种传统汽车厂商，而是苹果亚马逊这种科技巨头。
这也是为什么我们国内那么多科技巨头争着入局智能驾驶。华为、百度、小鹏等各路豪杰都是争相布局智能驾驶。
从技术上来看，目前，部分低速、封闭场景下已实现L4级别自动驾驶商业化应用，且持续在新领域寻求突破。
乘用车领域整体处在L2向L2+/L3级别过渡的阶段，部分L4级别自动驾驶企业开始尝试“降维”策略，向L2+市场渗透。
根据蔚来资本发布的报告，中国新车市场L3及以上级别的自动驾驶渗透率将在2023年进一步提升，有望在2025年达到10%，在2030年进一步提升至30%。
部分城市也开始加码推动智能驾驶落地。
2022年8月，《深圳经济特区智能网联汽车管理条例》正式实施，首次对智能网联汽车的准入登记、上路行驶等事项作出具体规定。
2022年9月，《上海市加快智能网联汽车创新发展实施方案》提出，到2025年产业规模力争达到5,000亿元，具备L2级和L3级汽车占新车生产比例超过70%，具备L4级及以上汽车在限定区域和特定场景实现商业化应用。
从投资的角度来说，智能驾驶相关的标的非常多。但是其中最为核心最为关键的应该是和算法、算力、数据相关的公司。目前我们国内和算法、数据相关的公司主要是百度、华为等科技巨头，A股上缺乏相关标的。
而算力端目前领跑的是海外的芯片巨头，包括高通、英伟达、mobileye。这些芯片巨头可以提供高算力的芯片，但是这些芯片不是说插到汽车上就能用，而是需要作为核心部件组成各种控制器，然后才能安装到汽车上。
换句话说，芯片巨头需要找到中国的合作伙伴，才能更好地争取国内陆智能汽车市场。顺着这个逻辑出发，我们可以找到几家关键的汽车零部件公司。建议重点关注德赛西威、中科创达、经纬恒润。
【课程回顾】人工智能前瞻（中）：机器视觉赛道
机器视觉是人工智能快速发展的一个分支。本质上就是用机器代替人眼，机器视觉在诸多性能上优于传统人眼，出错率更低，检测速度更高，取代人工后成本也会更低。
机器视觉广泛应用在智能制造、高端装备、自动化设备等行业，是先进制造的重要组成部分。
机器视觉产业链：
上游主要为LED、图像传感器、光学材料、电子元器件、五金结构件等零部件；
中游主要为工业相机、镜头、控制器、传感器等核心硬件，以及图像处理、算法平台等底层软件；
下游主要为运用机器视觉技术的设备制造商和终端用户，所涉范围十分广泛，如汽车、医药、化学、电子、半导体、印刷、食品饮料、物流、烟草、医疗、电池，等等。
人口老龄化+人工成本提升+机器视觉先天优势+政策扶持智能制造给我国机器视觉行业持续发展提供重要驱动力，而下游不断成熟的机器视觉产品技术以及持续的国产化趋势反过来又给我国机器视觉行业发展提供了重要支撑。
市场规模自2021年起将保持28%左右的CAGR增长，预计到2023年国内机器视觉市场规模将达296亿元。
相比欧美发达国家，我国机器视觉行业起步较晚，当前正处在快发展阶段。目前国内机器视觉赛道竞争比较分散，我们希望找到最具有竞争力的公司。
在机器视觉领域，竞争力主要体现在技术实力上，而技术实力最佳体现就是算法库。
国内视觉处理分析软件一般建立在OpenCV等开源视觉算法库或者Halcon、Vision Pro等第三方商业算法库的基础上，由于独立底层算法具有非常高的技术壁垒（投入大、周期长），国内只有奥普特、凌云光等少数企业具有独立的底层算法库。
凌云光
公司在专利方面领先可比公司奥普特。
在光学成像技术方面，公司实际控制人之一、核心技术人员杨艺获国家技术发明奖一等奖1项，公司获国家科学技术进步奖二等奖2项，在立体视觉计算成像领域走在前列。
奥普特
公司从3C和新能源行业起家，在汽车、半导体等诸多领域均有较大开拓空间。
从行业特点来看，3C、新能源行业对自动化和智能化的要求高，对机器视觉的重视程度高，需求相对其他行业也更加强烈；同时，国内相关产业链布局完整，对于进口替代的需求更高。公司以解决方案带动销售的业务模式竞争优势凸显，成功对进口产品实现了部分替代的同时，实现了较高的盈利水平。目前除优势行业外，公司也正在积极布局汽车、半导体等行业业务，未来有望打开其他更多行业的发展空间，持续抬高公司天花板。
【课程回顾】人工智能赛道前瞻（下）：AI医学影像
在医疗体系中有一个概念，叫做医疗的不可能三角。所谓的医疗不可能三角，就是说一个国家的医疗体系不可能同时做到便宜、高效、服务好。
举个例子，比如说美国的医疗体系，高效、服务也好，但是医疗成本巨贵无比。所以有这样的段子：救护车来了，病人打死也不上去，宁愿忍痛不医。因为上了救护车，这个人可能就破产了。
再比如英国的公立医疗体系就选择了便宜和服务好，但是却牺牲了效率。只要不是马上要死的病，可能排个几个月才能轮到你，大家看到这样的新闻一点也不稀奇。
再比如中国选择了便宜和高效，所以你看到医生都是高强度工作。中国医院的病床周转率非常高，门诊的每个病人基本在3-5分钟内就搞定了。所有很多患者会感到没有被医生重视，服务欠佳。
医生为了保证能够看完当天的预约病人数，不得不快速地给患者看完。而作为患者本来就因为生病而情绪低落，历经千辛万苦，等待了不少时间，最后可能只得到医生了了几句话的回答。这时，处在病痛中的患者就容易有被忽视的感觉，这往往成为医患矛盾的导火索。
每个国家的医疗体系都是不完美的，背后的根源在于医疗资源本身是不充足的。每个人都可能会有看病的需求，但是一个成熟医生的培养却耗时耗力，对于任何一个国家来说，优秀的医生都是国家急需的人才资源。
而人工智能的发展给医疗体系的进化带来了希望。目前，人工智能领域开始越来越深入地探索赋能医疗赛道、增进医疗体系效率的方法。
也要越来越多的相关公司开始崭露头角。
AI医学影像可能是人工智能在医学领域进展最快的应用。
所谓的医学影像是指为了医疗或医学研究，对人体或人体某部分，以非侵入方式取得内部组织影像的技术与处理过程。
如果说中国医疗是社会痛点，医学影像更是痛中之痛。
中国医学影像数据的年增长率约为30%，而影像医生数量的增长率只有4.1%——医学影像的需求与供给之间存在近乎十比一的巨大差距。
大医院影像医生工作繁重。每天，普通三甲医院的放射科医生平均要完成200份左右影像报告，还要承担教学和科研任务。
基层医学影像医生短缺严重。中国有70%的乡镇卫生院仅有影像技师，没有具备诊断能力的影像医生。
而AI医学影像可以帮助解决这个问题。
我们以肺结核为例，据统计，中国约有1亿肺结节患者，一旦查出肺结节一定要及早治疗，不然可能会转变成肺癌。
一家三甲医院每天大概接待200例筛查者，每个患者产生200-300张CT，放射科医生每天需要阅读40000-60000张影像，任务繁重，消耗大量精力！
而AI医学影像系统对十万张以上的影像进行处理，用时也只需要数秒之间。
肺结节AI软件已经成为影像科医生做胸部CT诊断不可缺少的帮手。
AI医学影像赛道正处于快速导入期，虽然目前规模较小，但是成长迅猛，值得重点关注。
目前相关标的较少，未来可能会有更多AI医疗公司上市。
相关标的：联影医疗、鹰瞳科技（港股）
联系客服
