在这个信息爆炸、技术迭代的时代，人工智能AI正以前所未有的速度和规模发展，它们不仅改变了我们获取信息、沟通交流的方式，更深刻地影响着各行各业的运作模式。从医疗健康到金融服务，从教育学习到生产制造，AI的触角无处不在，它正成为推动社会进步和经济发展的新引擎。
一、市场规模
AI 市场呈现出快速增长的态势。据相关预测，未来十年内 AI 行业相关的年度收入可能会突破万亿美元大关。从投资角度来看，2023年生成式AI在所有 AI 相关投资中占比超过四分之一，初创企业的投资额飙升至 252 亿美元，是 2022 年投资额的近 9 倍，更是 2019 年投资额的约 30 倍。
二、产业格局
AI 产业链主要包括基础层、技术层和应用层，以下是各层的主要企业分布：
（一）基础层
1. 芯片领域：
国外：英伟达是全球领先的 GPU 供应商，其产品为 AI 训练和推理提供强大算力，在市场上占据重要地位；英特尔也推出了如 Nervana NNP-I1000 和 NNP-T1000 等 AI 芯片。国内：寒武纪是国内知名的 AI 芯片企业，其产品广泛应用于多种 AI 场景；华为海思的昇腾系列芯片，性能出色，为华为的 AI 业务及相关合作伙伴提供了有力支持；景嘉微在图形显控领域拥有图形显控模块、图形处理芯片等产品，其图形显控模块是核心产品；海光信息的 AI 芯片海光 8000 系列也具备较强的竞争力。中昊芯英刹那高性能TPU芯片具有能耗低、成本低的优势。
2. 数据中心与云计算领域 ：
国外：亚马逊的 AWS 是全球最大的云服务提供商之一，为 AI 的训练和部署提供了强大的基础设施支持；谷歌的云服务也为 AI 开发者提供了丰富的资源和工具.
国内：阿里云是阿里巴巴旗下的云计算品牌，为企业和开发者提供了一站式的 AI 解决方案和强大的算力支持；腾讯云则凭借腾讯在社交、游戏等领域的海量数据和技术积累，为用户提供了高性能的云计算和 AI 服务；百度云为百度的 AI 业务及众多企业客户提供了稳定可靠的云计算基础设施和数据处理能力.
3. 传感器领域：
国外：博世是全球领先的传感器制造商，其生产的各类传感器广泛应用于汽车、工业、消费电子等多个领域，为 AI 系统提供了丰富的数据来源。
国内：京东方科技是国内传感器行业的龙头企业之一，其在显示面板领域的技术优势使其在图像传感器等方面也有出色的表现。
（二）技术层
1. 机器学习与深度学习框架领域：
国外：谷歌的 TensorFlow 是目前应用最广泛的开源机器学习框架之一，为 AI 开发者提供了丰富的工具和资源；Facebook 的 PyTorch 也因其简洁易用和高效的特点，受到了学术界和工业界的广泛关注.
国内：百度的飞桨是国内领先的深度学习平台，为开发者提供了从数据处理、模型训练到部署的全流程解决方案，广泛应用于自然语言处理、计算机视觉等多个领域。
2. 计算机视觉领域：
国外：英伟达不仅在芯片领域表现出色，其在计算机视觉领域也有深入的研究和应用，为计算机视觉算法的训练和优化提供了强大的支持；英特尔也在计算机视觉技术的研发和应用方面投入了大量资源，其相关产品和解决方案在安防、交通等领域得到了广泛应用。
国内：商汤科技是计算机视觉领域的领军企业之一，其技术广泛应用于安防、金融、交通、零售等多个领域；旷视科技的人脸识别技术和智能安防解决方案在市场上具有较高的知名度；依图科技在医学影像分析、安防监控等领域也有出色的表现，其研发的“蜻蜓眼”人像大平台为公共安全提供了有力保障；云从科技在银行人脸识别、安防等领域有着广泛的应用，是中国银行业人脸识别的第一大供应商.
3. 自然语言处理领域：
国外：OpenAI 的 GPT 系列语言模型是目前自然语言处理领域的重要成果之一，推动了自然语言处理技术的快速发展；谷歌的 BERT 模型也在语言理解和文本生成等方面取得了显著的成绩.
国内：科大讯飞在语音识别、语音合成和自然语言处理等领域具有领先的技术优势，其产品和解决方案广泛应用于教育、医疗、智能客服等多个行业；百度在自然语言处理领域也有深厚的技术积累，其文心一言等语言模型受到了市场的广泛关注；搜狗在输入法、搜索等领域的自然语言处理技术也有一定的竞争力。
（三）应用层
1. 医疗领域：
国外：IBM Watson for Health 是 IBM 推出的医疗 AI 解决方案，通过对海量医疗数据的分析和挖掘，为医生提供诊断建议和治疗方案；谷歌的 DeepMind 也在医学影像分析、疾病预测等方面开展了大量的研究和应用。
国内：医渡科技在医疗大数据分析和 AI 辅助决策等方面具有一定的优势，其产品和服务为医疗机构提供了数据支持和智能解决方案；鹰瞳科技专注于眼科疾病的 AI 诊断，其研发的视网膜影像分析技术可以快速、准确地检测出多种眼科疾病；润达医疗在智能医疗设备和医疗数字化服务方面有一定的市场份额，通过与 AI 技术的结合，为医疗机构提供更加高效、精准的医疗服务。
2. 金融领域：
国外：PayPal 等金融科技公司利用 AI 技术进行风险评估、反欺诈等，提高了金融交易的安全性和效率。
国内：蚂蚁金服凭借其在支付、金融服务等领域的海量数据和技术优势，将 AI 技术广泛应用于信用评估、风险控制、智能客服等多个环节；腾讯金融科技也在 AI 智能投顾、风险预警等方面开展了深入的探索和应用，为用户提供更加个性化、智能化的金融服务；平安科技作为平安集团的科技子公司，在金融 AI 领域也有诸多创新和应用，如智能理赔、智能营销等。
3. 交通领域：
国外：特斯拉在自动驾驶技术方面处于领先地位，其车辆搭载的 Autopilot 系统通过 AI 技术实现了自动泊车、自适应巡航、车道保持等功能；谷歌的 Waymo 自动驾驶项目也取得了重要进展，其自动驾驶汽车已经在多个城市进行了路测，并开始商业化运营。
国内：百度的 Apollo 自动驾驶平台是全球领先的开放式自动驾驶平台之一，吸引了众多汽车制造商和科技企业的合作，共同推动自动驾驶技术的发展和应用；小马智行也是国内自动驾驶领域的重要企业之一，其研发的自动驾驶技术在测试中表现出色，有望在未来实现商业化落地；滴滴出行则在智能交通调度和出行服务优化方面应用了 AI 技术，通过对海量出行数据的分析和预测，提高了车辆的运营效率和用户的出行体验.
4. 教育领域 ：
国外：Coursera 等在线教育平台利用 AI 技术为学生提供个性化的学习路径和内容推荐，提高了学习效果和效率。
国内：科大讯飞在教育领域的应用较为广泛，其 AI 教育产品包括智能语音助手、智能批改、个性化学习系统等，为学生和教师提供了更加便捷、高效的教学和学习工具；好未来等教育培训机构也在积极探索 AI 技术在教育教学中的应用，通过 AI 辅助教学、智能测评等方式，提升教育质量和服务水平。
三、市场表现
毫无疑问，基础层是整个AI行业的重中之重，其中芯片领域更是核心中的核心。以下是国内国外AI芯片龙头市场表现对比图：
1.英伟达
2.寒武纪-U
通过对比国内国外AI芯片龙头市场表现可以发现，自2023年以来，AI芯片龙头的涨幅均已高达10倍，涨幅可观。
四、是否仍有漏网之鱼可供发掘
随着AI浪潮的不断前行，二级市场也在朝着基础层到技术层再到应用层不断挖掘。但是技术层和应用层企业繁多，且仍处于早期阶段，未来走向未可知。既然如此为何不继续挖掘基础层，通过挖掘国产AI基础层产业链可以发现以下企业：寒武纪U、华为海思、海光信息、景嘉微、中昊芯英。
寒武纪U、海光信息、景嘉微均为上市公司，二级市场已充分定价，华为海思半导体为华为全资子公司，无实际参考意义，剩下一个未上市的中昊芯英，A股上市公司科德教育持股6.59%。
那么中昊芯英究竟价值几何呢，根据上述A股市盈率（寒武纪亏损、海光信息150倍PE，景嘉微660倍pe）来看，取中位数405倍PE，参照市值至少应为328亿。科德教育直接持股价值应为328*0.0659=21.6亿元，科德教育自身市值仅40余亿，市盈率32倍，显然二级市场并未将中昊芯英的价值考虑在内，存在一定的价值发掘空间。
五、风险因素
1. 技术瓶颈待突破：尽管 AI 技术取得了很大进步，但仍存在一些技术瓶颈。例如，大模型的训练和推理需要巨大的计算资源和能源消耗，如何提高模型的效率和降低能耗是亟待解决的问题；此外，AI 模型的可解释性、安全性等方面也存在不足，需要进一步加强研究和改进。
2. 数据质量与隐私保护问题：数据是 AI 的基础，但数据质量参差不齐、数据标注困难等问题影响了 AI 模型的性能和效果。同时，随着数据的广泛收集和使用，数据隐私和安全问题日益突出，如何在保护用户隐私的前提下充分利用数据进行 AI 训练和应用，是一个需要平衡的难题。
3. 算法偏见与伦理问题：AI 算法可能存在偏见，导致不公平的决策结果，如在招聘、贷款审批、司法等领域的应用中可能会对某些群体造成不利影响。此外，AI 的发展也引发了一系列伦理问题，如 AI 是否会取代人类工作、是否会影响人类的创造力等，需要社会各界共同探讨和解决。
六、操作建议
基于行业估值飞速上涨，建议参照同板块其余AI芯片股，如有估值补涨。建议贴中长均线买入（20日，60日），出现大阳放倍量考虑卖出。
