人工智能根據從底層到應用的技術邏輯可以分成基礎層、技術層、應用層

人工智能根據從底層到應用的技術邏輯可以分成基礎層、技術層、應用層�；�礎層從硬件和理論層面，為人工智能的實現提供了根本保障，主要包括

AI 芯片和深度學習算法。AI 芯片的發(fā)展進步，提供了越來越強的計算能力；

深度學習算法的建立，提供了 AI 解決問題的計算方法。技術層是基于基礎層的支撐，設計出的解決某一類過去需要人腦解決問題的通用方法，具體包括智能語音、計算機視覺、自然語言處理以及其他類這四大人腦功能的處理方法。這些方法基于深度學習算法，根據具體的數據以及處理場景，形成了專門的成套技術處理方法和最佳實踐。通過技術層的實現，可以將基礎層提供的算力以及計算方法運用到具體領域，去真實對應到大腦的某一類功能以及實踐能力。

應用層是基于技術層的能力，去解決具體現實生活中的問題。比如利用計算機視覺技術，實現金融、安防等多個領域的人臉識別；利用智能語音技術，實現智能音箱、錄音筆等的語音識別；利用自然語言處理技術，用于智能客服的問答。在實際的應用中，技術層和應用層的關系是相互交叉的，某個領域的應用可能用到多個維度的技術層的能力，比如金融行業(yè)的應用對于智能語音、計算機視覺、自然語言處理技術都會有需求；同樣某個技術層的能力也可以廣泛應用到多個不同的應用領域，比如計算機視覺技術可以廣泛應用到金融、安防、醫(yī)療、交通、教育等多個維度。

圖表  人工智能的基礎層、技術層、應用層

從宏觀視角來看，人工智能產業(yè)鏈可以分為上中下游，其中上游提供的是基礎能力；中游將基礎能力轉化成具體的 AI 技術；下游則將 AI 技術具體運用到各行各業(yè)，形成生產力。下圖代表的是人工智能產業(yè)鏈的全景示意。

圖表  人工智能產業(yè)鏈全景圖

上游提供基礎計算能力、方法和數據

上游代表的是支撐人工智能行業(yè)發(fā)展的基礎設施和方法，主要包括 AI 芯片、數據以及 AI 算法。

AI 芯片是支撐人工智能行業(yè)發(fā)展的基礎硬件，提供適配于 AI 算法的計算能力，當前國內外都有不少公司專注于 AI 芯片的設計，同時部分中游公司也進行 AI 芯片的設計以更好匹配自己公司的專用計算模型。

數據對于 AI 技術在具體行業(yè)的應用有非常重要的作用，主要的數據掌握在行業(yè)中下游公司中，但是數據的處理是一個較為專業(yè)化的工作，當前國內外均出現少數公司專注于數據處理，為行業(yè)中下游提供數據資源服務。

當前的主流 AI 算法一般基于深度學習技術，進行 AI 算法研究的主力軍一般是各大院校以及科研機構，部分實力較強的中游企業(yè)也具備很強的原創(chuàng)研究能力。

中游將基礎計算能力和方法轉化成四類 AI 技術

中游代表的是基于現有的 AI 算法，在實際應用中能達到較好智能效果，具備擴展性，在各行各業(yè)的應用前景廣泛的基礎性技術。當前的基礎技術可以分為智能語音、計算機視覺、自然語言處理以及其他類技術。

智能語音指的是利用計算機對語音信息進行分析處理，以模仿人類實現能聽、能說等語音能力的技術，語音識別和語音合成目前是其核心應用。智能語音技術當前的發(fā)展已經比較成熟，在很多領域的應用已經接近人類的水平，比如智能語音交互就在迅速成為主流的人機交互方式。

計算機視覺指的利用計算機對圖像或視頻信息進行處理分析，以模擬實現人類通過眼睛觀察和理解外界世界的技術，當前的主要應用包括了圖像視頻的復原和增強、分割和識別、理解和自動匹配等。計算機視覺技術給機器安上了智慧的眼睛，能替代很多原本需要人類才能完成的工作。隨著近年來計算機視覺技術在多個領域的應用取得突破，目前其已成為人工智能最為炙手可熱的技術分支。

自然語言處理指的是利用計算機對語言文字進行分析，以模擬實現人類對于語言的理解和掌控的技術，當前的主要應用包括自然語言理解和自然語言生成。自然語言處理是實現認知智能的關鍵技術，雖然當前依然面臨較大挑戰(zhàn)，但其未來的進步和突破對人類社會的意義將十分深遠。

其他類指的是基于人工智能算法對一些特定類問題進行方案設計，利用計算機將其智能解決的技術，其從實際效果來看，針對相應問題實現了模擬人類智能。這類技術相比前三類技術，其應用范圍相對較窄，基礎性較弱，為了便于分類，將這些技術統(tǒng)稱為其他類。典型的應用場景包括棋類的 AlphaGo，智能游戲選手 AlphaStar，金融領域的反欺詐反洗錢、智能投顧、自動交易等。

中游技術類企業(yè)具備很強的研發(fā)能力，占據了行業(yè)內軟件類技術的高地，

并且在發(fā)展過程中也逐步建立了資金和數據的壁壘。同時中游人工智能技術是鏈接產業(yè)上下游的關鍵，且具備較強基礎性和橫向擴展性，需要利用這些技術的下游廠商很多。因此其中的競爭獲勝者未來有可能成為人工智能行業(yè)的核心公司，當前的領先公司非常具備長期跟蹤的價值。

但是技術類的公司存在變現困難的問題。雖然一些基礎技術比如人臉識別的擴展速度很快，全國的機場都已鋪開，但是短期內依靠技術輸出獲得的營收和現金流收入依然較為有限，這些企業(yè)主要通過股權融資的方式獲取資金，信貸業(yè)務合作的難度較大。

下游綜合利用各類 AI 技術解決各自行業(yè)的應用問題

產業(yè)鏈下游指的是人工智能技術在各個行業(yè)中的實際應用，是技術和場景結合并落地的環(huán)節(jié)。當前人工智能應用落地比較多的下游行業(yè)包括金融、安防、教育、醫(yī)療、自動駕駛、智慧城市、智能穿戴等，產業(yè)鏈的中下游企業(yè)均有參與。

對于中游企業(yè)而言，一般來說其會利用自己在具體某項 AI 技術的優(yōu)勢，承接自身技術優(yōu)勢占重要地位且市場空間較大的下游行業(yè)應用，親自下場參與競爭，以期盡快獲得較好的市場份額。如科大訊飛就利用自己的語音識別技術，在智能語音+教育領域自己承接了較多的下游具體訂單。

下游企業(yè)指的是產業(yè)+人工智能的復合類企業(yè)。這類企業(yè)的特點是首先在某個行業(yè)背景深厚，專業(yè)能力、項目實施與營銷能力都十分優(yōu)秀；其次是具備技術創(chuàng)新的基因，能快速利用最新的人工智能技術，將其應用到自己的行業(yè)產品或項目中，實現行業(yè)+人工智能的結合，進一步提升自己在行業(yè)內的競爭力，打造更好的產品或者服務。下游企業(yè)雖然技術上和中游企業(yè)相比有一定差距，但是由于其直接面向客戶，進行項目建設或者產品銷售，能短時間內獲得較大的銷售收入以及現金流，同時部分項目和研發(fā)需要前期投入，也有一定的資金需求，相對適合銀行進行信貸類業(yè)務。同時由于這些企業(yè)在特定領域內的積累和優(yōu)勢較大，其未來的行業(yè)+人工智能模式也將具備較強競爭力，也具備長期合作價值。