微软、腾讯、阿里巴巴等科技巨头都纷纷进军了人工智能领域，但充分激发商业价值的场景并不多，市场格局仍在形成过程中。基于信息数据延展的人工智能，将可以利用永续再生的信息资源，提升信息化和服务能力，这一点，在5G商用和物联网开始建设后会更加明显。届时万物都将拥有一个“数字身份”，人工智能的数据源将会迎来一次爆炸式的井喷。

人工智能未来的发展和应用，不仅会推动某一类产品、一个行业或领域发生变化，而且会使各行各业的生产和服务方式、人们的生活和工作方式发生颠覆性的变化。未来十年，人工智能将进入黄金窗口期。

以时代视角透视人工智能的前景

据 2017年普华永道会计师事务所报告，“至2030年，人工智能将为世界经济贡献15.7万亿美元，这个数字超过中国与印度这两国目前的经济总量之和。”

很多人对于人工智能前景的判断是“机器代人”，通过新技术让机器模拟人类来处理各种任务。在这个层面，人工智能与工业革命中蒸汽机的影响似乎颇为相似，通过使用机器提升工业的生产效率，但如果站在一个高度互联和信息化的时代背景下，人工智能的意义和影响则更为深远。

机器是基于机械物理运动，而人工智能更多的是基于信息化。互联网的发明和商用让大众从信息的单向消费者，转为既是消费者也是数据的生产者，信息的来源和数据量出现了“指数级”的增长。基于数据的人工智能其影响不仅是机器代人，更重要的是通过对于信息数据的成立，实现“机器人化”，让机器与人能够高度融合和深入协作。尤其是移动互联网的普及，信息数据本身具有了更为明显的人类行为特征，打开了人工智能的发展纵深，让“机器人化”成为可能。

有人说乔布斯重新定义了手机，实际上乔布斯的贡献远远大于一个通信产品，是智能手机重新定义了信息数据的边界，使得传统固定的场景被高度动态化、人格化，使得数据中所蕴含的信息与人的生活习惯、思维方式等越来越贴合。

基于信息数据延展的人工智能，其创造价值不再受到土地、钢铁、煤炭等自然资源的存量限制，更多的用人类创造性的思维，利用可以永续再生的信息资源，更多的是满足人们永无止境的精神需求，其应用的领域也自然超越了简单的机器化和效率的提升，更多的是信息化和服务能力的提升。这一点，在5G商用和物联网开始建设后会更加明显。届时所有的工业品都逐渐变为电子工业品，万物都将拥有一个“数字身份”，人工智能的数据源将会迎来一次爆炸式的井喷，人类对于世界的认识可能会与机器算法的认识开始逐渐趋同，并且相互影响，人工智能的黄金时代将会随之开启，普华永道报告中的十年之后预测可能会成为现实。

人工智能的渗透路径取决于产业的数据化程度

人工智能具有很强的正外部性，体现在与其他产业的渗透、延伸和赋能。比如人工智能与医疗领域的结合，进行智能辅助诊疗，结合患者的健康信息，减少误诊率；人工智能与安防领域的结合，通过视频采集和大数据分析，提升监控效率；与知识产业的融合，发展在线教育、知识付费等产业等等。除了效率的提升，“人工智能+”还体现在虚拟与现实结合的场景应用，以及催生出来的新产品形态和新服务模式。

在没有外界政策干预的情况下，人工智能的渗透路径主要取决于产业的数据化程度，即一个产业的数据化程度越高，其与人工智能融合的节奏越快，渗透度越高。假设金融的数据处理业务占80%，知识产业的数据处理业务占40%，制造业的数据处理业务占30%，这就意味着人工智能更可能的渗透路径则是，从金融行业，延伸到知识产业、再到制造业，而且在同一时期内，数据化程度更高的金融行业，其人工智能的渗透度会高于数据化程度相对较低的知识产业和制造业。

从实践来看，证券行业有大量的可量化数据，人工智能几乎渗透到了证券行业的各个领域，从基于财报数据、行业研究、舆情分析的智能投研，到基于宏观数据、行业数据、企业数据以及各种算法的智能投顾、再到智能风控、智能交易等等。再比如教育行业，未来随着教育理念的提升，对于人工智能+教育的接受度也会逐步提升，但从渗透路径来看，并非教育的各个环节齐头并进，数据程度较高的教育环节往往会优先导入人工智能。比如在教师教案的撰写、课后作业的领取和提交等教学的辅助支持领域。而课上教学，更多的需要老师与学生的互动，主观成分更大，人工智能的导入期也会更长。

人工智能领域的数据价值是动态的

农业生产需要把握农时，工业生产需要掌握资源，在信息社会，以数据和算法为重要驱动力的人工智能产业也有应当遵循的规律。人工智能有两个关键要素：数据和技术。数据是人工智能的重要“原料”，技术是对于数据的“加工能力”。数据产生具有随机性，其数据的价值则受到技术加工能力和应用场景的影响，是动态的、相对性的。

农民春天播种，秋天就有收获，工人在生产线的一头放进去原料，就能在另一头源源不断地生产出产品，但当数据与人紧密融合之后，我们无法拿这样的确定性来要求数据的产生。就如同我们无法规定一个投资者第二天是买股票还是卖股票，也无法预测一个人什么时候会去医院做诊疗，不可能像生产汽车、电脑和房屋那样，让每一个人都处于规划和计划之下。数据的生产不是线性的，但大量的数据却能呈现出来一定的统计规律，往往有章可循。这也是为什么人工智能先从高度量化的领域，或者一般性、通用性较高的环节开始的重要原因之一。

实际上，那些看似平稳、有序，源源不断产生的大数据，经过分析之后，是否能够得出有用的结果，也具有一定的随机性。报纸的编辑记者都有这样的经验，尽管每天要完成的版面是固定的，但爆炸性新闻不是每天都有，很多时候只能用一些比较平淡的消息来填充版面，并且尽量从中挖掘可吸引眼球的内容来做成标题，好让今天的报纸看起来不那么乏味。人工智能的数据处理也是如此，即使是通过人工智能技术分析那些无穷无尽的信息，也并不能保证有价值的结果会按时按点地涌现出来，还取决于信息接收者本身的价值判断，以及是否有了适合的、具有商业价值的应用场景。

人工智能的四大投资视角

研究偏向于未来的前景，投资则应更注重落地的节奏。未来人工智能可能会带来机器与人的深度融合，甚至互相影响，但进行投资决策却需要更关注可实现的商用价值。

首先，关注赛道选择。从长期来看，人工智能会渗透到各个行业、各个领域，但现在还远远没有到“雨露均沾”的程度，谁能选好赛道，占据咽喉之地，谁就具有了先发有优势。如同处于唐宋丝绸之路上的城市，从京杭运河上的杭州、南京，到连接丝绸之路的北京，都因为占据主要商路的通道而获得了比其他城市更多的发展机会。人工智能的赛道，比如搭建生态系统或开发平台的腾讯和阿里巴巴、语音识别的科大讯飞、安防设备的海康威视等，都在各自赛道上占据具有了一定的先发优势。而在知识产业、文化娱乐产业、高端服务业以及传统制造业中还有很多细分的蓝海领域，正在等待布局。

其次，关注落地节奏。人工智能不仅自身具有快速迭代的特点，还将会加快被融合产业的发展速度。摩尔定律预测了信息产业的性能提升的速度，大概是两年翻一倍。这样的迭代速度，不仅是针对硬件，软件也随着硬件发展速度的提升而不断改进，在功能性、服务体验、场景开发等各个方面都会同步更新，对应着产品的更新速度也将加快。人工智能的前景不限于机器和效率的提升，但人工智能落地的节奏却往往会受到效率提升的影响。如果能够在某一个特定场景、特定功能下能够基本达到人的水平，比如语音识别、安防监控等，或者减少人类犯错误的概率，比如智能记账和收银系统等，与产业的融合难度会更小，落地的节奏会更快，企业的利润会更快实现，其短期基本面的价值也会更高。

第三，关注政策变化。人工智能是重要的新经济领域，正处于产业政策的红利期。政府对人工智能及相关产业的资金和政策扶持，会加速企业的发展，故政策的变化也是投资人工智能的重要考量因素。比如2017年医疗行业的关于互联网诊疗的管理办法，把互联网诊疗活动限定于“医疗机构间的远程医疗服务和基层医疗机构提供的慢性病签约服务”，这在一定程度上缩小了服务方位，降低了互联网诊疗的竞争度，可能会减缓人工智能的应用进度。反之，2018年12月，工信部发布了《关于加快推进虚拟现实产业发展的指导意见》，明确虚拟现实产业2020年、2025年的发展目标，加大了关键核心技术、重点行业应用等方面的政策扶持力度，对于人工智能在虚拟现实产业的应用进度则会起到积极地推动作用。

最后，关注预期差的变化。人工智能目前还处于产业的导入阶段，还没有进入利润集中释放的时期，基本面没有证伪能力的情况下，股价更多会受到投资者预期变化的影响，关于预期差也是人工智能投资的重要方面。