如何研究一家AI公司？| 国君计算机
方法论系列
— 作者：齐佳宏 —
1. AI是一个怎样的行业？
其实，AI就不是一个行业。计算机行业说白了就是卖软件，根据客户所处行业的不同又划分成了网络安全、医疗信息化、金融IT等等细分领域。但我们会发现，如果按照这样的划分方式，AI根本就不能称为一个行业，而是一个很泛的概念。比如海康威视是做安防的，虹软科技是做手机拍摄算法的，科大讯飞横跨了教育、政法等等多个行业，各个公司的业务之间并没有什么交叉点，现在不会，未来大概率也不会。看起来，把AI放到任何行业都适用，所以，我们会看到一个有趣的现象，科技方向的创业者言必提“AI”，聊AI必优先谈技术。
那么，AI公司的核心壁垒真的是技术么？我们认为，至少现阶段不是。
一方面，从产业发展的阶段来看，AI在专业场景中的应用红利已经被逐步消化了，通用场景中的应用还比较遥远。随着深度学习算法的发展和成熟，过去几年中AI在一些专业化的细分场景中落地非常快，最为大家熟知的事情就是AlphaGo及其后继者战胜人类顶尖棋手。但这种专业性的应用场景的红利释放已经有所放缓。而对于AI技术，在通用型场景中的应用难度要大得多。目前虽然很多公司都推出了通用型产品，但全球并没有哪家的技术是成熟的。
我们用智能语音助手(非常典型的通用型应用场景)作为例子。当我们对Siri说“推荐金融街附近的餐厅”时，它马上给到了我很多选项，把任务完成的很好。但是，当我进一步和他对话，说“我想吃饭但不想吃永和大王”的时候，让人失望的事情发生了——Siri给我推荐了满屏幕的永和大王。如果我们把问题换成“我想住酒店但不住汉庭”，我们又将收获满屏幕的汉庭门店。这个小测试说明什么呢？说明目前智能语音助手背后的本质还是填槽，通过对话抓取关键词，当系统把所需要的关键词都收集完之后就可以输出结果，而这样的技术框架是没有办法做即使看起来很简单的逻辑判断的。可能有朋友会觉得，那我把“不”也提取出来不就把问题解决了？其实并不是这样的，真正的难度不是在于无法提取出来“不”这个字，而是在处理它的时候没办法判断“不”对应的是哪个实体。
如果我们用华为语音助手做同样的测试，结果也是一样的。换句话说，目前大家的底层逻辑是一样的，谁都没有在技术上有本质的突破。可能Siri在现有技术框架下做到了80分，华为做到了75分，但在用户体验上，二者是没有差异的。在这个阶段，技术上的细微差异基本不会影响消费者的消费选择。最直观的现象是，没有人会因为Siri去买iPhone12。
第二方面，从竞争格局上来看，AI的战略价值太重要了，以至于IT巨头早已悉数入局。由于AI公司能够调动的研发人员和研发经费相对于IT巨头来讲是非常有限的，而且可能会面临IT巨头利用在资源和薪资待遇等方面的优势展开的挖角，所以对于AI公司来说，和IT巨头拼技术毫无胜算。(详见报告《从Nuance的沉浮看科大讯飞的核心竞争力》)
所以，我们的结论是，AI确实是一个技术驱动型的赛道，但在现阶段，核心的竞争要素并不是技术。
2. 怎样选择AI公司？
2.1. 选AI落地确定性高的行业赛道
什么是确定性高？具体来说有两个层次：
第一个层次，赛道对长尾场景不能太敏感。现阶段的AI技术大多还是建立在统计学的基础上，这就决定了它的准确度是有一定限制的。而在不同的应用场景中，我们对于识别错误的耐受度并不一样。
比如在教育领域，AI的典型应用场景是针对学生在学习过程中产生的数据做分析，判断学生对各个知识点的掌握程度，再有针对性地为学生做题目推送。在这个过程中，由于数据量以及后台技术的制约，必然也会有存在一些推送不当的情况，但推送错误所造成的损失是非常小的，只要绝大部分的题目是推送恰当的，对用户来说就是一款好产品。
如果我们把这样的准确度平移到医疗或者驾驶领域，情况就完全不一样了。对于这些场景，发生误判的后果往往是非常严重的(比如重大疾病的误诊、自动驾驶产生的交通事故)，导致在检验产品效果的时候更多地关注误判的后果，毕竟对于主机厂而言，即使是99.99%的可靠性也是不能接受的，因为这可能意味着每卖出10000台车可能就会产生一起事故。所以相关技术的推广速度会慢一些。顺便提一句，从这点上来说，并不能根据比较自动驾驶和驾驶员驾驶的事故率来判断L3及以上级自动驾驶的落地节奏。
所以，在做投资的时候，需要尽量避免去判断AI的底层技术什么时候能够取得突破，而只需要把对长尾场景不敏感的领域筛选出来就好了，因为AI在这些领域的落地并不依赖于后续的技术突破。
第二个层次，所处的赛道行业内各方诉求一致。如果说对长尾场景的敏感度决定了现在的技术框架下AI在某个领域能不能落地，那么某个领域内各方的态度则决定了AI在这个领域的落地节奏。
毫无疑问，引入AI的作用在于提升行业运行效率。在某个场景中，如果各方对于提升效率的意愿都非常强烈，AI产品在推广过程中就会得到大量的支持；反之，如果提升行业效率不符合行业内部分参与方的利益，AI产品在推广的过程中就会遇到较大的阻力。
教育场景中各方对于提升行业效率的需求一致，AI产品的落地就非常快。在教育场景中，所有能够影响产品推动的各方，不管是教育局、学校、老师还是家长，各方的诉求都是一致的——帮助学生提高学习效率，提升教学质量，AI的落地也就比较快。
但在部分行业中，各方的利益并不完全一致。比如个别基层工作人员不希望所有工作流程实现数字化，因为数字化很大程度上意味着透明化，需要被实时监督。又比如在个别医院或汽车修理厂，由于利益驱动存在过度治疗或者过度维修的现象。在这些场景中，AI带动行业效率提升虽然是行业在宏观上的诉求，却并不一定符合业内每一方的利益，所以推进起来就会慢一些。
哪怕是在教育行业的不同阶段，对于提升效率的意愿的强烈程度也是不一样的，导致AI的落地速度也有一些差异。比如，在K12中因材施教是刚需，各方对于AI的需求也就更加迫切；而高教市场中，AI产品的推广就会相对慢一些。
2.2. 选不会被IT巨头颠覆的公司
前面也说了，对于AI公司而言，由于可调动的研发资源远小于IT巨头，技术壁垒是不能成为其核心壁垒的。那么，什么样的公司才不会被颠覆？有三个层次：
第一个层次，能够掌握数据端口的AI公司。具体而言，分成两种情况：
对于直接toC的消费电子产品：哪家公司能成为数据端口是消费者选择的，AI公司如果希望在这种赛道中脱颖而出是非常困难的。对于早就成熟的赛道(比如手机)，竞争格局已经非常稳定，AI企业几乎不可能抢占这类端口；对于由于智能语音或视觉而兴起的赛道(比如智能音箱)，虽然AI企业和IT巨头都处于摸索阶段，但IT巨头出于占据入口的战略考虑，很可能采用偏互联网的打法，用其他成熟业务线来养新的业务线。在研发资源、供应链、销售渠道上处于全方位劣势的AI公司同样很难占到便宜。
对于toG/toB的赛道：数据和特定类型的机构绑定，实现对于这类机构的卡位是AI公司的机会。比如教育行业，学校掌握着学生所有的课内学习数据，谁能快速占据B端教育市场，就能够在潜在的C端运营中占据巨大的优势，而且考虑到相关项目的资金来源是财政，学校不会轻易更换服务提供商，先发优势是很难撼动的。
第二个层次，IT巨头入局意愿不强的细分领域的公司。这个问题之前的报告里也做过详细的讨论，这里仅简单回顾。对于不同的赛道，赛道场景化程度的高/低决定着IT巨头的入局意愿。通用型赛道往往意味着更大的数据入口和市场空间，IT巨头的入局概率也自然更高；反之，场景化程度较高的赛道市场空间往往相对有限，巨头入局的概率相对较低。这也就解释了为什么无论是在美国还是国内，IT巨头们对于智能语音的探索都聚焦于智能语音助手、智能家居、可穿戴设备等通用型C端产品，而没有大力发展录音笔、翻译机等特定受众/场景下的C端产品，也没有大力研发B端产品的原因。
第三个层次，从商业模式上看，解决方案型公司虽然弹性低于技术输出，但能够更好的抵御风险。当一个领域处于快速发展的阶段，底层技术的提供往往具备更高的价值，这就如同淘金热的年代卖水和牛仔裤更赚钱一样。但作为底层技术服务商也有其缺陷，就是和产品使用者的关联度不够。在通用型场景下，这一缺陷往往会引发较大风险。比如，虽然苹果、三星等手机厂商在使用Nuance的语音技术，但消费者建立起来的认同感往往是针对苹果、三星等巨头旗下产品的，而不是针对Nuance的，况且大多数终端厂商由于要突显其技术实力，往往与技术提供商存在协议——技术提供商大多数时候不会主动宣传其对核心技术的所有权。而当该技术模块在产品中并不占据核心地位的时候，这一模式对于技术提供商就会产生很大的风险——产品的集成商能相对容易的对其进行替换(无论是替换为其他厂商还是自研模块)。
2.3. 好的AI公司一定是在AI能够快速落地的赛道中能够占据数据端口的公司
根据上面的标准，目前看到有两家前途无量的公司，一家是计算机行业的科大讯飞，另一家是由国泰君安电子组覆盖的海康威视。顺便多说一句，因为自身禀赋的不同，讯飞和海康走的并不是同一条路，但殊途同归。
科大讯飞的禀赋是“处于第一梯队的技术+良好的政府关系”，所以走的是“G—B—C”的路线。从投资的角度，这种路径的好处是即使在AI还是概念为主的阶段，就能享受AI的高估值；而坏处是，当AI风口过了以后而真正意义上的AI业务(比如个性化学习手册)还没有爆发之前，市场很容易把它当成一个做G端/B端生意的项目型公司，口碑会受一些影响。
海康威视的禀赋是之前就占据了安防这个端口，且没有人能够撼动，所以走的是“从硬到软”的路线。从投资的角度，这种路径的好处是作为全球安防龙头的海康威视赢得了良好的市场口碑，投资者对于公司质地有更强的信心；而坏处是，在“变软”之前，投资者把它作为制造业的龙头标的，难以享受AI的高估值。
所以在前几年我们看到的情况是：讯飞估值高，质疑声音也多；海康的市场认可度很高，但估值低。但毫无疑问，两家公司最终都会成为认可度高、估值也高的公司。
3. 对于AI公司股价的认识
投资是唯物和唯心的统一，不同的投资周期决定了两者在决策中的配比。投资周期越长，唯物越占上风，投资周期越短，唯心越占上风。客观世界的变化是比较慢的，而投资者内心的变化是比较快的。如果投资周期比较短，某个赛道发生根本性变化的可能性就很小，投资者之间预期的差异是影响资产价格的关键；而如果投资周期很长，在投资周期内，某个赛道很可能已经发生了根本性的变化，投资者的整体预期区间也很可能随着客观世界的变化而发生了很大变化，客观世界的变化在资产价格变化的过程中起的作用更大。
说回到AI，我们认为现阶段这个赛道最难的是择时。在和投资者交流的过程中，我经常被问到一个问题，就是讯飞的股价会不会涨，或者当前时点推荐不推荐讯飞。我的回答一般是，如果是持股周期长(注意不是长线短线的概念，个人认为，长线是看的长而不是拿的长)，我一定推荐，核心逻辑也不是某个阶段财务数据比较亮眼，而是市场逐渐意识到在现阶段的AI赛道中，利用自身禀赋卡住数据端口才是核心，从而对讯飞的竞争壁垒进行重估。如果持股周期短，我觉得比较难给结论，因为市场对于AI的定位还处在从“炒概念”逐渐向“实打实落地”过度的阶段，有些时候短期股价波动和基本面是没啥关系的，这个阶段做择时是比较困难的。
如果非要择时，我个人的体会是：相对能把握的机会是找核心逻辑线上的催化剂。比如对于讯飞，个性化学习手册的放量是最重要的，而智慧城市等业务线的订单高增对股价不会有什么催化效果。
合规声明：本文节选自国泰君安正式研究报告，如需报告原文PDF请后台留言。
AI相关报告
1.科大讯飞：个性化学习手册改变了什么？（深度）| 计算机文艺复兴
2.科大讯飞：你绝对没见过的区域型订单详细拆解（深度）| 国君计算机
3.科大讯飞核心竞争力与增长点分析（50页PPT）| 国君计算机
4.科大讯飞：疫情防控让教育订单商业模式发生怎样的变化？| 国君计算机
- end -
欢迎加入行业交流群！
欢迎所有对计算机产业研究和投资感兴趣的盆友（包括云计算、网络安全、医疗IT、金融科技、人工智能、自动驾驶等）后台留言加入我们的行业交流群。我们的目标是建立系统的计算机产业研究框架，提高整个A股的IT行业研究水平，减少韭菜数量，普度众生。