前言

        城市新型基础设施建设是城市化发展的载体，也是城市化发展的需求。当前我国城 镇化进程的发展规模和速度令人瞩目，2019 年我国城镇化率达到 60.6%。然而，与美、日等 发达经济体 82%到 91%的城市化水平仍有较大差距。随着城乡融合战略的推进，城镇落户门槛的不断降低，城市化进程也将快速推进。据中国社会科学院《城市蓝皮书：中国城市发展报 告 No.12》预计，到 2030 年我国城镇化率将达到 70%，2050 年将达到 80%左右。农村地区劳动力将加速流向城市，城市基础设施的建设也应与之匹配。从国家统计局公布的数据来看，城 市固定资产投资的同比增长速度在 2018 至 2019 年度仅为 3.8%,该指标 2009 年曾经达 42.16% 的水平。5G 基站、特高压的建设将成为城市新一轮发展的基础，城际高速铁路和城市轨道交通、新能源汽车充电桩建设将进一步帮助完善城市交通网络体系；大数据中心、人工智能的发 展会加速数字化城市管理平台的搭建，大大提升城市管理综合统筹能力。

1.人工智能技术发展：以自然语言处理为代表的认知智能是人工智能下一发展阶段

　　人工智能产业投资处于阶段低谷，基于大数据驱动的神经网络的深度学习技术带 来的红利接近天花板。据中国信息通信研究院 2019 年《全球人工智能产业数据报吿》显示， 2019 年一季度，全球人工智能融资规模 126 亿美元，环比下降 7.3%，融资笔数 310 笔，同比下降 44.1%，其中中国人工智能领域融资金额 30 亿美元，同比下降 55.8%。同时，人工智能企业盈利困难，2018 年近 90%的人工智能公司处于亏损状态。

　　人工智能处于由感知智能向认知智能发展的阶段，后深度学习时代的 AI 从数据驱动向知识驱动发展。大数据驱动的深度学习难以达到和认知智能同样的效果，需要富知识驱动（如知识图谱）。通过不同知识的关联性形成一个网状的知识结构，对机器来说就是图谱，形成知识图谱的过程本质是在使机器建立认知，理解世界。而正如人类语言是知识传递的形式，知识图谱是认知核心，NLP 则是机器建立认知核心的桥梁， 让 AI 使用自然语言与人交互。因此，自然语言处理（NLP）和知识图谱是认知智能的关键技术，而 NLP 是知识图谱的前置，可以说 NLP 是 AI 技术的核心。以计算机视觉为代表，基于神经网络的深度学习技术的感知智能技术“触及天花板”。在当前的感知智能阶段， 我们可以看到 AI 在产业界的应用其实比较局限，主要原因还是认知智能发展不够成熟，不能很好地模拟人类交互，造成用户体验不佳。因此 NLP 的发展和应用是 AI 能够真正理解人类语言的重要前提，也是 AI 相关产品能够落地应用的保障。

　　认知智能当前面临一些瓶颈，使得技术与产业应用之间存在距离，是目前相关应 用和产品较少的关键原因，但是我们相信未来一定会来。

        目前认知智能发展面临的一些 问题：

        1）需要探索结合知识图谱的深度学习。随着深度学习对于大数据的红利消耗殆尽，深 度学习模型效果的天花板日益迫近。另一方面虽然大量知识图谱不断涌现，但尚未被深度学习 有效利用。如何融合知识图谱与深度学习，提升深度学习模型效果是未来重要的发展方向。

        2） 认知智能往往需要提取内在隐含的知识，或者基于背景关联知识获得认知结果，基于同样的数 据在不同的业务需求、不同的背景知识下认知结果可能大不相同。认知智能效果是场景敏感和 相关的，通用认知智能效果在具体场景下未尽人意。而对于小语种、某些专业领域、客户服务 等对话系统而言，相关训练集仍然处于较少而零散的状态，仍需要人工标注相关语言信息数据 作为 NLP 训练前的准备。

                                               图1：需要探索结合知识图谱的深度学习

　　从 AI 技术分布来看，AI 综合实力美国最强，中国发展速度惊人，中美两国处于世界领先位置。斯坦福大学发布的《2018 年度全球 AI 报告》显示，2018 年 70%的国际人工智能协会论文来自中美两国。美国引用次数第一，比全球平均水平高出 83%，2016 年中国被引用的次数比 2000 年提高了 44%。中国在人工智能领域的技术发展和市场应用方面已经进入了国际上 的前沿发展国家群体，呈现出中美双雄共同领跑的局面。总体来看，在 AI 这个关键领域，中国已经占据了较高的起点。

2.人工智能产业发展：多场景赋能是人工智能产业发展的核心方向

　　人工智能产业链可分为三层：基础层（计算基础设施）、技术层（软件算法及平台）和应用层（行业应用及产品）。基础层主要进行数据的收集以及提供计算力，主要包括 AI 芯片、 传感器、操作系统、云计算服务、数据服务平台等。技术层开发面向不同领域的应用技术，包括计算机视觉、智能语音、自然语言处理、机器学习等。应用层是基于基础层与技术层之上， 结合场景及行业知识开发应用或产品，为不同场景赋能，比如 AI 在安防、家居、医疗、交通等领域的应用。

　　赋能是 AI 的本质，人工智能应用正进入场景为王的时代，知识驱动的认知智能的发展应与场景相结合，AI 应用模式成功需要技术+闭环数据+场景（行业知识）的深度结合。认知智能效果是场景敏感和相关的，认知智能往往需要提取内在隐含的知识，或者基于背景关联知识获得认知结果，基于同样的数据在不同的业务需求、不同的背景知识下认知结果可能大不相同。后深度学习时代，除了算力、算法、数据以外，场景和行业专家（知识）尤为关键。

                                                  图2:多场景赋能是人工智能产业发展的核心方向 

　　

        从战略上看，美科技巨头在人工智能的布局重点是技术难度大的 AI 基础层，而中国的布 局重点在应用层。在与美竞争局面中，中国在应用层较强，基础层和技术层是相对短板。中国 科技巨头对 AI 应用层的投资力度最大，在 AI 场景赋能方面已有较多经验，有大量的 AI 初创 企业是基于某一方向的核心 AI 技术进行商业化变现。

　　

3.A 股相关公司

　　人工智能领域，我们推荐 A 股公司拓尔思、四维图新，建议关注科大讯飞。

　　拓尔思：公司作为国内长期坚持自主核心技术研发的企业之一，在语义智能领域积累深耕 20 余年，是一家技术驱动型公司。公司拥有领先的自主核心的 AI 技术，语义智能包括自然语言处理、知识图谱、图像和音视频理解，是 A 股市场稀缺的人工智能标的。公司目前已将 AI 技术垂直在金融、安全、媒体、政府等多个行业赋能并拥有较强的市场竞争力。在人工智能得到更好发展的未来，看好公司 AI 技术在无限场景下延展的可能。

　　四维图新：公司是车联网及自动驾驶领域的龙头及稀缺标的，高精度地图技术具有卡位优势及高壁垒。公司长期注重研发，研发费用连续多年占营业收入的 50%以上。智能驾驶已进 入 L2~L3 阶段，公司布局的 ADAS 及汽车电子芯片业务也将成为看点。