2021年以來，市場期待AI獨角獸上市潮開啟得並不順遂。我們看到，開年以來已有多家AI及晶片企業主動或被動地撤下IPO，此前關注度極高的雲知聲就是其中典型。但另一方面，如曠視科技這樣的AI獨角獸仍然激流勇進，面對賽道上的“抽查”、新規等關卡，繼續穩步推進，向市場釋放積極信號。港交所官網2月25日顯示，曠視科技IPO初始申請為失效狀態，而曠世科技也第一時間回應：上市進程仍在正常推進中，正在更新材料。曠視科技是中國電腦視覺領域的明星，一旦IPO掛牌成功，曠視科技將成為AI四小龍中首個上市的人工智慧公司。雖然“上市失效”並不等於“上市失敗”，但是從多家AI科技企業的坎坷上市經歷似乎也在說明視覺演算法的落地及商用並非那麼簡單。但另一方面也標誌著AI獨角獸的上市潮正式拉開，當前階段已經具備AI核心技術/場景/產品的公司依舊能夠獲得監管認可，產業發展與資本化的共振趨勢不可逆，全球AI應用領軍企業有望在中國產生。
1.1、AI和knowhow結合，精准度提升，賦能萬物
AI對各產業的提升更多體現在技術賦能，與knowhow結合，提升精准度。AI賦能後的傳統產品/服務由於優越的智慧化性能，將享有價值提升與降本增效。以科大訊飛智慧錄音筆為例，和傳統錄音筆相比，具有智慧化語音自動轉文字功能的科大訊飛錄音筆平均價格達到1912元，顯著高於其他品牌，哪怕和傳統電子巨頭索尼相比，其均價也要高出34%。
網路安全領域，AI將通過大資料採擷和機器學習不斷提升對安全威脅的認知，從而提供更好的安全防護。傳統網安設備與軟體不具備大資料分析與AI能力，對新型網路攻擊與安全威脅的反應十分遲緩。而經過了AI加持後，網安體系可以通過大資料共用與挖掘獲得最新安全威脅情報，提升系統的免疫能力。例如奇安信旗下的“天眼”新一代威脅感知系統，運用上下文語義分析、人工智慧分析、視覺化分析等多種技術對未知威脅進行檢測和溯源，在實網攻防演習中，使用“天眼”產品的單位防護成績名列前茅。在威脅情報方面，奇安信擁有中國名列前茅的商用網路安全威脅情報中心，掌有海量資料情報，結合機器學習和安全研究雙引擎驅動，使得公司能夠快速生產高品質的威脅情報，並即時下發到安全設備中去。這樣一來，只要在奇安信任意設備上攻擊過一次，該安全威脅就會被記錄並全系統共用，從而使得全系統都獲得對該類攻擊的感知與預警能力。
金融領域，AI可以大幅降低成本，提升效率。人工智慧對人工的代替能夠帶來顯著的人工成本降低與工作效率提升，落地在金融領域，則表現為中後臺的智慧核保/核賠、智慧風控、智慧投顧等等。例如在保險領域，傳統上保險的賠付是一個很漫長的過程，保險公司要通過種種手續核實投保人的真實損失再進行賠付，流程週期之長受到廣泛詬病。
然而隨著人工智慧的介入，運用機器視覺等技術，客戶損失的界定時間被大大縮短。2019年，平安產險運用AI圖片定損技術和精准客戶畫像技術，為近90%的出險客戶提供端到端線上陪伴的辦理賠、查理賠服務，其中近25%的案件可通過智慧定損完成；針對安全駕駛行為良好的車主推出“信任賠”服務，開創性實現後臺零人工作業模式，全年案均賠付完成時間僅3分鐘，大大提升了賠付流程的效率。
1.2、AI進入產業化階段，應用遍佈B/G/C端
隨著AI技術的不斷成熟，人工智慧在各行各業的實際應用領域不斷擴展，落地範圍遍佈C/B/G端。
1）面向C端：滿足消費者日常使用需求的AI產品不斷湧現，觸及日常生活的各個方面。從事語音辨識的科大訊飛開發出的錄音筆，在傳統錄音功能以外，還添加了基於智慧語音辨識的即時語音轉文字功能，為各類語音文字整理工作提供了極大便利。由百度開發的小度智慧屏則是全能型智慧生活助手，覆蓋休閒生活、教育學習、兒童益智等各領域，兼具了眼神/手勢控制、寵物兒童移動抓拍、智慧家居操控等功能，其對話式人工智慧交互系統智慧度高達80%，有屏音箱聽懂率高達92.9%。
3）面向G端：中國各地政府也在通過建設一站式服務平臺、城市大腦等方式積極推進政務智慧化。深圳公安局將傳統的視窗“面對面”排隊向網上辦理轉變，“刷臉”就可以進行戶政辦理，同時基本建成全市統一的政務資訊資源分享體系，彙集29家單位的385類資訊資源、38億多條資料，為政務服務全面智慧化提供資料支援。成都高新區智慧城市大腦目前接入資料9億多條，在將各個部門的資料打通、實現彙聚之後，通過人工智慧等新型資訊技術，可以在大屏上呈現分析結果，給辦事的企業和群眾提供精准畫像，職能部門可借助資料分析結果判斷能否實現之前的承諾，極大提升了成都高新區城市感知、監控預警、應急回應、科學決策能力。
1.3、相關上市公司2020已開始業績加速
AI相關上市公司Q3已呈明顯加速跡象。經歷了近三年人工智慧行業的“遇冷”時期，AI已經初步顯現正常回溫現象。根據2017年Gartner曲線，人工智慧從觸發期開始，會經過期望膨脹期—泡沫幻滅期—復蘇期—成熟期。從目前趨勢來看，AI行業、經過兩年的預期消化，已不再是追逐熱點賽道，而更傾向於考慮打造合理的商業模式，説明人工智慧產業化落地。2017-2020年期間，在預期消化的同時，在資本的助力、政策的驅動、技術的投入下，人工智慧領域中資料、硬體、演算法都發生了巨大飛躍，成為了人工智慧拐點的催化劑，推動業務的飛躍發展。
從AI相關的上市公司的財報中可以明顯看出，AI產業已經出現明顯拐點信號，已進入了短期最後的負面因素兌現期。從三季報看，語音辨識和圖像理解領域的科大訊飛、圖形圖像視覺演算法領域的虹軟科技、AI+視頻在安防領域的龍頭海康威視在2020Q3的營收均高於Q2，智慧作業系統領域的中科創達的營收增長更是持續維持在高位。
1.4、AI天然帶來規模優勢
AI技術邊際成本極低，本身自帶規模優勢。與所有軟體類似的，AI運用的邊際成本極低，故而以人工智慧替代人力必定具有規模效應，可以顯著降本增效。例如平安開發的智慧客服機器人，目前已經廣泛應用于平安銀行，具備語義分析能力與自主學習能力，能夠不斷擴充知識庫，代替人力自動完成瞭解產品、註冊使用者、申請服務、提交材料等大量前端常規業務流程。根據官網資料，平安智慧客服機器人問題識別率高達95%，可以提升客服效率88%，提升訂單轉化率35%。截止2019年，平安智慧語音機器人已覆蓋集團83%的金融銷售場景、81%的客服場景，全年累計服務量達8.5億次，可實現每年坐席成本下降11%。
海量資料是AI必不可少的訓練素材與基礎條件。隨著機器視覺、語音辨識等技術的發展，海量的非結構化資料進一步增加。一方面龐大的資料超越人力處理的極限，另一方面海量資料也是訓練機器學習演算法的基礎。對於AI來說，想要進行機器學習，首先必須要有學習的原材料，即海量資料。在缺乏資料的情況下，AI想要發展得好，便有如巧婦難為無米之炊。
擁有更多資料積累與行業Know-how積累的頭部廠商能夠獲得更好的AI 訓練結果。1）許多行業具有複雜的碎片化應用場景，不同場景下的行業Know-how實質上構成專業壁壘。頭部大廠往往有較為龐大的產品及平臺團隊，能夠針對碎片化的需求，開發出成千上萬針對不同場景的產品和系統並不斷反覆運算，適合搭載AI實現細分領域的智慧化。2）由於海量資料是AI自我反覆運算不可或缺的基礎，擁有更多資料積累的頭部廠商將獲得更好的AI訓練結果，並從AI賦能中率先獲益。例如，中國平安在音訊方面擁有大量積累，95511客服以每天服務客戶96萬次，年接觸客戶3.5億次的速度累積了上億條聲音的龐大資料庫，作為日後聲紋識別訓練的樣本庫，最終助力平安的聲紋識別技術實現1秒內高達99.7%的精准度。再譬如全球安防龍頭海康威視，具備龐大的設備存量與資料積累，因此可以基於深度學習技術推出了AI智慧攝像機等一系列智慧監控產品：它們可以支援人臉識別、人員行為分析、人體屬性分析、人臉動態對比等多種智慧檢測，通過不斷的機器學習和自我反覆運算，具備比人腦更精准的安防大資料歸納能力。