未来区块链(2030展望:AI、区块链、商业航天的未来十年)

  未来区块链(2030展望:AI、区块链、商业航天的未来十年)

在推动社会变革的层面上,科技正在发挥着不可忽视的作用。展望下一个十年,人工智能(AI)、区块链和商业航天是影响最为突出的前沿科技。

  

随着人工智能算力算法的发展,以及AR/VR/脑机接口等下一代人机交互方式的逐渐成熟,一个虚实共生的数字化社会(元宇宙)将会逐步建立;区块链成功解决了人们对“信任”问题的焦虑,将成为金融基础设施的核心技术;商业航天将颠覆通信、交通、旅游业,并助力人类实现火星移民。

  

  

人们通常倾向于低估新技术的长期影响,往往开阔畅想才能更接近现实。今天,「哈工创投」带您深入探讨面向2030年的科技行业投资机会。

  

人工智能

  

人工智能发展历程

  

过去十年 AI产业迎来了历史上第三波,也是70多年发展中最快速的一波发展。基于深度学习理论,AI在数据的驱动下,在人脸识别、文本翻译等特定领域已经达到甚至超过人类的准确度,同时拥有远超人类的效率。芯片的制程升级和代工模式的发展也使得大数据下的AI得以落地。同时AI也在改变互联网生态后在软硬件领域拉开帷幕,开始重塑多个领域。总结看,随着深度学习算法的提出和半导体行业的突破,叠加成功的内容宣传,过去十年AI从专业的技术理论到产业化落地,再到大众认知,形成了跨越式的发展。

  

图 人工智能产业的发展历程、来源:华泰研究

  

同时AI也在改变互联网生态后在软硬件领域拉开帷幕,开始重塑多个领域。总结看,随着深度学习算法的提出和半导体行业的突破,叠加成功的内容宣传,过去十年AI从专业的技术理论到产业化落地,再到大众认知,形成了跨越式的发展。

  

人工智能投融资:AI公司逐步登陆资本市场

  

在一级市场中,全球AI相关的私募股权融资规模不断提升,2020年总投资合计为679亿美元,同比增长40%,且随行业发展投资愈加集中,形成了明显的头部效应。根据赛迪顾问统计,中国AI投资中,天使轮AI投资数量占比从2016年的67%,降至 2019年的34%。

  


  

图 全球AI融资规模、来源:华泰研究

  

经过多年发展,AI的商业模式也逐渐清晰,AI也受到了投资人青睐,从广泛投资到更加专注在几大场景,应用逐渐收缩至机器视觉(CV)、自然语言处理(NLP)、AI平台、AI芯片等领域。

  

随着AI被更广泛的认知,AI行业迎来了创业潮。在资本市场上独角兽公司不断涌现,估值不断提升。而2020年更开启了AI公司上市大幕,我们判断未来 A/H /美股AI公司市值的比重将会大幅提升。我国AI行业呈现较高景气度。已经上市公司中大量行业也在AI浪潮下不断转型升级。

  

图 英伟达股价变化、来源:华泰研究

  

在A股和美股二级市场中,人工智能相关公司的市值占比不断提升,典型代表公司如A股传统安防龙头海康威视依靠AI技术实现产品升级和行业突破;美股英伟达依靠GPU产品 打造AI芯片算力。两公司在过去五年股价分别增长了约4倍和18倍。

  

人工智能:AI 未来十年发展

  

数据,算力,算法,场景作为人工智能四大要素,未来的发展也将在这四方面重塑时代发展。

  

应用一:算力

  

AI 重塑数据中心和汽车行业

  

算力的需求主要以AI芯片形式体现,驱动力来自于最为领先的AI算法。过去十年OpenAI测算,全球头部AI模型训练算力需求3、4个月翻一番,因此每年头部训练模型所需算力增长幅度高达10倍。同时,需求的快速提升叠加摩尔定律,导致算力价格也更加亲民。

  

图 每 1000 美元可以买到的算力呈现指数增长、来源:华泰研究

  

目前数据中心和汽车领域成为最重要的AI算力发展落脚点,以AI芯片的形式落地。其中,AI训练芯片的厂商全球屈指可数,相关芯片主要以服务器、集群、加速卡等模式用在云端, 在边缘端也将逐渐出现;AI推理芯片门槛相比训练难度较低,一些优秀的创业公司依靠 Fabless 模式进入市场。芯片公司可提供专用的人工智能芯片/IP和开发工具:训练芯片面向数据中心、汽车等行业客户,也有大量云公司设计自用芯片内部使用;推理芯片部分集成在硬件终端,如手机、摄像头、汽车、矿机等,部分用于云端提供服务。

  

服务器和数据中心用的处理器芯片本身就不断增长,而目前计算仍主要依靠 CPU,随着AI算力需求的提升,数据中心算力呈现多样化趋势,主要用于 AI计算的 GPU或ASIC占比不断提升。据我们测算,目前全球服务器 GPU 占据服务器级处理器的市场份额小于20%, 预期未来三年CAGR约为 25%。

  

图 Intel 英伟达、AMD数据源中心收入预测、来源:华泰研究

  

目前的 AI 芯片市场中英伟达凭借硬件优势和软件生态,比特币价格市场份额较高。我们判断:

  

①算法方面,模型的复杂度不断提升;

  

②软件方面,AI框架的使用越来越集中,因此有大型模型训练能力的芯片将会更加集中,而软件工具支持的芯片类别也会更加集中。

  

但国内其他公司在国产化的大趋势下也值得关注。这些公司在边缘计算中心、汽车、IoT等领域的推理市场的机会更大,针对行业定制的推理芯片可能是破局之道。目前,自动驾驶、摄像头、数字货币挖矿等领域已经出现了大量定制推理芯片,未来行业的发展将更为明确。而数据中心训练市场等的发展需要依靠不断研发缩小差距。

  

应用二:算法

  

NLP、CV 感知增强,突破认知时点仍未可知

  

NLP和CV在过去几年的发展历经算法突破,已经从传统的感知学习深入到感知增强阶段:

  

1) NLP:过去十年NL 的算法突破是AI领域最为主要的发展方向之一。2020年7月, OpenAI基于互联网大量文本数据训练出拥有1750亿参数的 AI模型GPT-3,无须进一步训练即可应用在各类NLP领域。2021年,Google发布了Switch Transformer模型,将模型参数提升至1。6万亿规模。NLP领域依托大型模型能力,已经在多种新场景中应用。如:网页搜索、UI 设计、自动编程等。

  

2) CV:过去十年CV领域的算法也不断升级,如2015年的ResNet、2019的EfficientNet。另外大量算法针对小样本的推理场景(YOLO)、照片修复(DeOldify)场景或者2D转3D(PIFuHD)场景提出。这些算法已经快速应用在自动驾驶、媒体互联网等领域。

  

在大量场景下,专用的人工智能已经可以满足人类活动大部分需求。但 AI 经历了多年发展 依然停留在感知层面,难以像人一样做推演式思考。我们认为:未来十年人工智能将与脑科学融合,发展通用认知智能,对应着人机多轮对话、视频理解等应用。但目前实现路径存在不确定性,典型的发展思路包括:

  

1) 不依赖大量人工标注数据的自监督学习成为学习方法的新焦点。借助预训练模型,通过自主生成或增强数据、依托知识图谱常识关系等优化学习结果,提升无标注数据集下的学习能力。相关案例包括谷歌Bert、Facebook RoBERTa、Open AI的GPT-3等。自监督学习目前正在向图像领域发展,实现像素级别的目标识别。纯粹有监督学习方式训练深度学习模型阶段结束。

  

2) 小样本、多模态学习,模型小型化。迁移其他训练成果,复用其他领域的知识结构, 使用少量样本训练,利用多源信息拓展学习能力是AI的重要发展方向。另外由于部分模型参数过多,FB、腾讯、Google 等也在加速构建完善模型小型化能力,在 TensorFlow、 PyThorch、TensorRT 等框架中使用剪枝、量化等算法压缩模型,提高运算速度。

  

图 AI通用智能发展途径、来源:华泰研究

  

应用三:场景

  

将在多领域产生深远(汽车、医疗、元宇宙等)

  

AI在结构化数据和部分非结构化的数据(语音、文字和图像)的应用已经十分丰富。未来十年,叠加其他创新如5G等,我们认为AI将依托新算法、新算力和新的传感数据进一步挑战视频和图像场景,实现新的商业模式。我们认为AI将在汽车、医疗和娱乐领域影响最为深远,其他行业也有各种应用场景。

  

图 AI 在各领域场景的突破、来源:华泰研究

  

汽车——自动驾驶结果逐年优化,慢速场景开启商用

  

自动驾驶经过多年的发展,行业的观点持续波动。2018年以前业界对自动驾驶的发展十分乐观。2020年自动驾驶的关注度再度提升:8月百度 Apollo宣布自动驾驶出租车上线。10月Waymo宣布将提供完全无人的驾驶服务。特斯拉宣布即将完成L5级自动驾驶研发。2021年大量的头部公司扎堆自动驾驶赛道,如苹果(AAPL US)、Amazon(收购Zoox)(AMZN US)、小米(1810 HK)、华为(未上市)、滴滴(未上市)等。尽管预期不断变化,但不可否认自动驾驶的路测结果正在不断提升。

  

自动驾驶虽然仍有距离,难以明确具体商用时间,但是在慢速场景,如农机、扫地机器人、 快递最后一公里配送等场景中已经实现落地,在未来十年可能会有更多慢速场景自动驾驶的应用改变人们生活。

  

图 自动驾驶的商业化路径、来源:华泰研究

  

医疗——人工智能进入诊断、治疗核心环节的发展新十年

  

我国2014年曾鼓励AI医疗器械发展,但产品的商用存在落地问题,导致实际发展慢于预期。然而,自疫情以来,AI医疗的趋势受到更广泛接受。AI 医疗领域在理论和实践方面都出现了若干突破,监管层面2020年起面向AI 医疗设备的三类证也陆续颁发。我们判断未来十年AI有望在制药、诊断、手术领域等以算法、设备和手术机器人的模式落地。

  

图 DeepMind 在 CASP 中得分情况、来源:华泰研究

  

未来十年手术机器人治疗的市场规模也有望随AI的发展不断提升。根据国际机器人联盟(IFR)的分类,手术机器人是技术难度最高的机器人,可以用于手术影像导引和微创手术。

  

例如,骨科手术机器人行业类似的企业主要有7家,其中取得骨科手术机器人医疗器械注册证的企业主要有以色列Mazor Robotics公司(被收购)、法国MEDTECH公司(被收购)和美国 MAKO Surgical 公司(被收购);尚未取得骨科手术机器人医疗器械注册证的有上海锋算(未上市)、微创医疗机器人(微创医疗科学有限公司(00853 HK)旗下子集团)及国内已经取得神经外科手术机器人医疗器械注册证的柏惠维康(未上市)和华科精准(未上市)。

  

上述企业采用了机器人技术,在手术机器人技术上实现了机械臂的协同控制,形成了真正意义上的手术机器人产品。新技术的出现,引领骨科手术跨入了影像导航与机器人技术结合的机器人智能辅助时代,对于医院诊疗方式、医疗器械竞争格局产生了颠覆式影响。

  

其他——AI 在各行业落地想象空间十足

  

1) 移动互联网领域利用深度学习在推荐系统等领域已经实现了较好发展,未来通过感知智能落地,移动互联网领域将出现更人性化的智能客服,并出现聊天机器人陪伴人类。

  

2) 安防领域,简单的视频分析如动目标识别,人脸识别等应用已经十分成熟,但是对于意图等的把握依然不够成熟。未来随着CV技术的发展,对视频的理解将会更上一个台阶,通过视频可以预测目标轨迹,做出预警。

  

3) 智能家居领域,具备指纹识别功能的智能门锁和具备简单对话能力的智能音箱已经广泛普及,而类似于聊天机器人,智能家庭助理目前仍在发展早期。

  

4) 零售领域,目前无人零售已经在部分地区推广,用户通过自助扫码等模式可以打开货架领取物品,货架通过摄像头等传感器识别商品并自动结算。部分商场中已经安装了 导购机器人,而未来更加智能化的导购机器人将更加智能,实现更深度的产品而不是店铺导购。

  

5) 金融领域,现有的 AI 在客户资质筛查等领域已经有成熟应用,CV 应用集中在远程开户等领域,而目前的远程对话服务一般是连接到客服专员,未来可能出现智能投顾。

  

元宇宙——AI 连接虚拟世界与现实世界

  

以上讨论的汽车、医疗等大量行业只是元宇宙概念下的细分方向。我们认为 AI 技术将成为元宇宙(Metaverse)时代到来的加速器。游戏《我的世界(Minecraft)》已经将虚拟平行世界概念植入大众内心,而元宇宙概念可能是行业的发展的深刻趋势。

  

图 AI 是元宇宙去中心化和空间计算层级的重要支撑、来源:华泰研究

  

狭义地,元宇宙的建立需要对现实生活的内容进行3D复制。传统3D制作流程都需要经历基础建模、材质贴图、灯光渲染等步骤,且日渐复杂。英伟达 2020年发布Omniverse3D仿真和协作平台,可以对现实世界逼真模拟,提高行业工作流程的灵活性和可扩展性,实现虚实世界的数字孪生。在过去两年内,有超过四百家企业评估过 Omniverse。英伟达 Omniverse 生态体系不断扩大,将各软件公司领先业界的应用程序串连在一起,力图打造 开源标准和互通的Metaverse。

  

广义地,元宇宙的建设帮助全行业数字化。大量依赖人工的服务可在元宇宙实现数字化落地。而其中最复杂的是各场景中的长尾场景。传统 AI 追求算法和模型的精妙,但对尾部场景无法覆盖。但是过去一年,行业发生了深刻变化,大规模算法+暴力算力模式导致模型覆盖了长尾场景,而开放的AI平台也允许越来越多的传统行业工程师参与到AI模型的开发中。因此元宇宙概念的兴起也是AI发展的一个必然结果。

  

图 英伟达 Omniverse 平台、来源:华泰研究

  

应用四:数据

  

立法落地,商业数据规模交易仍未可知

  

深度学习之后,数据成为最重要的生产资料之一,而伴随数据产生的一系列如侵权、大数据杀熟等问题也受到关注。欧盟于2016年提出,在2018年实施《通用数据保护条例(General Data Protection Regulations,GDPR)》。该法案唤起了全球对于数据保护、个人信息保护的意识。中国 2017年6月起实施了《网络安全法》,2018年5月实施了《GB/T 35273 信息安全技术-个人信息安全规范》并于 2020年11月实施了新版本。美国联邦政府设立了美国《澄清域外合法使用数据法》(the Cloud Act),各州针对互联网数据也从 2018年起建立约30部法律。

  

在法律约束下,数据交换的壁垒有所提升。2020年7月,欧盟基于GDPR 宣布《隐私盾》 计划(Privacy Shield)无效,导致欧洲数据向美国流向变得复杂。同年美国政府禁止TikTok和中国公司数据共享,我国要求 Zoom等APP在中国区数据在国内数据中心承载。在贸易摩擦的背景下,数据的跨国共享变得复杂,AI公司的发展可能呈现区域化。

  

数据的开放在技术侧也面临着变化。全球领先的算法公司如 OpenAI 推出了GPT-3算法, 但没有开放其模型,而是通过商用的方式调用。而开源社区中出现了模仿GPT-3的开源项目如GPT-Neo、Connor Leahy等。由于算法的开源生态,数据的价值得以凸显。领先的算法目前均依赖大型数据库。如GPT-3 和 Switch Transformer参考了网络上几乎所有文本训练其模型,参数在千亿级以上。因此非公开的小数据集对于 AI 的技术突破价值贡献微乎其微,相比之下,特定行业的数据更为珍贵。

  

未来数据的开放可能从公共数据开始。2020年3月,中共中央、国务院发布了《关于构建 更加完善的要素市场化配置体制机制的意见》,明确提出“推进政府数据开放共享。而关于企业的数据开放可能仍然需要长期不断的尝试,难以形成统一的模式。

  

区块链

  

区块链发展历程

  

2008年11月,以中本聪为化名的作者发表《比特币:一种点对点的电子现金系统》,首次提出了比特币的概念。十年间,加密货币市场上比特币、以太币瑞波币等相继出现,矿机、矿工、矿池等产业链逐步成型,交易规模不断扩大。随后为了既保持区块链技术匿名性、去中心化等特点,又能克服加密货币相对法币波动大的问题,稳定币应运而生。2019年,Facebook 在结合了稳定币技术和其庞大的用户基础推出了Libra,刺激了各国加快对 央行数字货币的探索进程。未来十年,区块链技术的应用不止局限于加密资产行业,其一方面会以以太坊为重要资产载体,衍生出更多的生态;另一方面在完善金融基础设施建设情况下加深平台的搭建和应用场景的拓展,最终形成万物互链的生态系统。

  

区块链可以分为由开源社区主导的公有链,及大型 IT 或金融企业主导的联盟链。(1)公有链应用以比特币为代表已经全面铺开,完全去中心化,任何人无需授权即可访问, 节点自由出入网络,典型代表有比特币和以太坊。但由于公有链模型复杂,交易承载规模小,延迟性大,一般适用于虚拟货币、互联网金融等应用场景。(2)联盟链有望实现场景落地。联盟链需要特定节点参与和交易,可实现部分去中心化。因为整个链规模较小、权限易控制、效率高、承载交易规模较大,一般适用于银行间转账、 证券交易所清结算、企业溯源和监控审计等。典型代表有 R3 区块链联盟、超级账本 (Hyperledger)等,是目前金融、公共服务、供应链领域与区块链结合的首选类型。

  

到现在,区块链技术已经不仅局限于虚拟资产,其在清结算、支付、电子发票、供应链金融、电子发票、贸易融资等领域开始发挥积极的作用。

  

图 区块链分链应用场景、来源:华泰研究

  

区块链:数字资产已成为不可忽视的资产类别

  

以比特币为代表的数字资产一直保持显著增长

  

2009年出现的比特币将区块链技术推向公众视野,随着加密资产市场活跃,以太币、狗狗币、瑞波币等相继涌现,同时拉动矿机、 矿工、矿池等产业链的逐步形成。

  

尽管近期比特币价格有所下跌,但据欧易 OKEx 统计,其市值占到了黄金市值的10%,已经成为全球重要的资产类别。根据Coinmarketcap数据显示,1Q21加密货币总市值已突破2万亿美元。与此同时,全球领先的加密货币交易所Coinbase用户数量也在进一步增加, 账户数量从2013年的 50万个增加到1Q21约5600万个,1Q21营收达18亿美元,其增速显著超过市场预期。

  

图 Coinbase 验证用户数、来源:华泰研究

  

传统投资人积极投资比特币资产

  

数字资产投资热度不减,交易接口开放降低投资门槛。从区块链投融资角度来看,数字货币仍然是资本重要的投资领域。近年来多个数字资产的新金融产品和渠道出现,为投资者提供了入场的便捷性和合规性。例如,2013年由灰度成立的市场上首只比特币信托基金 (GBTC),通过合规的基金运作方式为投资者服务,二级市场交易不受限制,降低投资人的门槛,也缓解了投资人对加密资产存储、安全等问题的担心。与此同时,PayPal(支付 软件)、Robinhood(炒股软件)等也通过与加密资产经纪商合作开放交易接口的方式吸引 投资人投资数字资产。

  

图 数字资产入场渠道商业图景、来源:华泰研究

  

各国央行积极研发数字货币,中国率先试运行

  

全球数字货币三足鼎立格局初步形成。在各种加密资产中,稳定币保留了简单的加密货币结算过程和强大的匿名性的优点,并避免了加密货币的波动性风险,价格维持相对稳定。我们认为,稳定币将成为加密资产行业的主要价值规模和主流支付工具。

  

中国央行数字货币进程处于全球领先局面

  

我国关于央行数字货币理论的探讨和框架建立在2014年左右已经开始,2016年相关技术陆续完善,2019年开始进入加速落地阶段。2020年1月 10日,中国央行官方公众号表示,已经基本完成法定数字货币顶层设计、标准制定、 功能研发、联调测试等工作。4月起,我国DC/EP已陆续在深圳、苏州、雄安、成都及未来的冬奥场景进行内部封闭试点测试。随着央行数字货币的快速推进,我国有望成为首发央行数字货币的主要经济体。

  

图 中国 M0 和 M0/M1、来源:华泰研究

  

数字货币的出现更适应无现金社会的发展,重塑支付格局。长期以来,中央银行货币在公共市场流通都是以实物现金的方式。随着智能手机的普及和第三方支付兴起,同时疫情也对无接触服务提出更多的要求,实物现金的使用率不断降低。根据Wind数据显示,中国M0/M1的比例从2013年 18%下降到2020年的13%,部分北欧国家的M0/M1甚至降到了5%以下。由于 CBDC具有高于商业银行和第三方支付机构的信用等级,也考虑到实物现金 发行、运输、流通、管理等诸多成本,我们认为 CBDC可能会打破支付领域的行业垄断, 重塑支付竞争格局。

  

区块链:未来十年发展

  

发展 1:产品矩阵日益丰富

  

以太坊正在成为重要资产载体,链上稳定币、比特币市值持续增加。从 2015 年以太坊启动到2020年以太坊2。0上线,历经5年发展,以太坊已然成为最重要的区块链基础设施之一。

  

图 以太坊主要发展历程及历史价格、来源:华泰研究

  

由于以太坊网络的安全性、便利性以及丰富的 DApp 生态,用户开始将资产转 移至以太坊上,例如使用基于以太坊的稳定币、将比特币抵押至以太坊网络换取相应的ERC-20比特币等。从规模上看,目前以太坊总市值约为 3000亿美元,相较于2016年增长超5000倍,成为很多重要资产的载体。从应用类型来看,以太坊从原来在博彩、高风险领域的使用逐渐过渡到以金融、交易、安全领域,其生态向更趋向有价值的方向。

  

图 金融、交易所应用占比提升,逐步取代博彩、高风险行业应用占比、来源:华泰研究

  

DeFi 生态成长,以货币、银行、保险等为代表的传统金融形态形成。中心化金融(DeFi) 是指使用去中心化基础设施(如公链和智能合约)构建的借贷和交易等金融服务,具有中心化、无需许可、开放等特征,兼具更低费用与更高安全性。相比传统金融依靠中介,DeFi 通过区块链协议和 DApp 为用户自动提供各种服务,极大提供了便利。目前DeFi生态已涵盖货币、银行、保险、支付、资管等多种传统金融形态,锁仓规模超过百亿美元。

  

数字圈新兴概念NFT进入视野,或将在认证领域发挥作用。自NFT首次在 2017年以以太猫的形式进入大众视野后,如今,高性能区块链和 layer 2 解决方案不断涌现,各种扩容方案使高吞吐量 DApp 变成现实,藏家和艺术家的目光又重新回到了 NFT 领域,被NFT唯一认证后的新奇作品多次以意想不到高价被拍卖。我们认为,虽然NFT代表现实世界的资产仍处于早期探索阶段,但其本身蕴含巨大应用潜力,未来可以在房地产、证书、文件等 领域将实物资产以通证形式表示,实现信息透明并在链上自动执行交易。

  

图 NFT 高价拍卖样品、来源:华泰研究

  

发展 2:有望成为金融下一代基础设施的核心技术

  

区块链将作为多业务底层技术,赋能金融领域。目前区块链作为底层技术被广泛应用于加密数字资产、央行数字货币、支付清结算系统、证券交易平台、贸易融资平台等。我国在十四五规划中指出,未来区块链发展将以联盟链为重点发展区块链服务平台和金融科技、 供应链管理、政务服务等领域应用。

  

图 区块链将助力金融行业基础设施建设、来源:华泰研究

  

这意味着:区块链的参与者更加丰富,主要以腾讯、阿里趣链科技等企业主导的平台层的搭建提供智能合约、信息安全、数据服务等产品化服务,和以政府为主导的金融、政务领域区块链基础设施的构建,二者将在公有链基 础上加快联盟链的落地;未来将有更多的金融场景实现上链,以多方共享和高频重复为特点的要素将更频繁地使用区块链技术:

  

1) 实现多方共享。基于加密技术的区块链将在实现信息共享问题上起推动作用。在跨境支付、跨境贸易融资、供应链金融、资产证券化(ABS)等金融场景下,多需要相互独立金融机构之间互相协作,区块链能够明显降低各方的沟通成本。

  

2) 适合高频重复。区块链的智能合约能够实现业务自动化。因此对于电子支付、交易后 清算、监管风控等高频重复业务非常适合。

  

商业航天

  

商业航天发展历程

  

SpaceX凭借火箭回收等技术重塑了全球火箭发射行业。此前火箭发射一直以承载政府的一次性大型项目为。

版权声明

本文仅代表作者观点,不代表本站立场。
本文系作者授权发表,未经许可,不得转载。

评论