2 目录 投资要点 人工智能给大数据时代的安防行业带来全新升级机遇 看历史 : 坚守成长, 横向 + 纵向一体化战略成就行业巨头 看未来 : 大数据和人工智能推动安防行业进入 智能平台化 时代 安防用户对辅助决策信息的需

Transcription

1 [Table_MainInfo] 行业研究 / 信息设备 / 电子元器件 行业深度报告 证券研究报告 2017 年 04 月 26 日 [Table_InvestInfo] 投资评级增持维持 市场表现 [Table_QuoteInfo] 乘风破浪潮头立, 扬帆起航正当时 人工智能带来的安防革命 [Table_Summary] 投资要点 : 资料来源 : 海通证券研究所 相关研究 [Table_ReportInfo] 中小尺寸面板价格承压大尺寸面板供应偏紧 海通面板周报 2017 年第 4 期 涨价议题之功率 MOSFET 涨价趋势分析与供需缺口测算 海通电子半导体周报 2017 年第 10 期 金属让位非金属, 玻璃或将成主流, 颜值 陶瓷可期待 [Table_AuthorInfo] 分析师 : 陈平 Tel:(021) cp9808@htsec.com 证书 :S 联系人 : 谢磊 Tel:(021) xl10881@htsec.com 联系人 : 张天闻 Tel:(021) ztw11086@htsec.com 基于深度学习神经网络的人工智能技术日渐成熟, 安防提供最合适落地领域 本报告对安防行业的发展历程和市场规模进行了总结, 对未来市场的主要增长点进行了分析和预测, 深入剖析了人工智能技术的发展给安防监控领域带来的革命性机遇, 并对新形势下的安防产业链进行了详细梳理 我们认为 : 以视频技术为核心的安防行业拥有海量的数据来源, 可以充分满足人工智能对于算法模型训练的要求, 同时安防行业事前预防 事中响应 事后追查的诉求与人工智能的技术逻辑完全吻合, 因此安防将是人工智能最早落地的领域, 人工智能技术将为安防监控领域带来一场 智能平台化 革命 安防 智能平台化 使企业由产品供应商向运营服务商转型 云存储和云计算技术实现 平台化 基础, 深度学习使 智能化 成为现实 实现 智能平台化 之后, 安防企业销售的不再仅仅是硬件设备或解决方案, 而是整体智能平台 收入来源也不再仅限于有形的前后端设备, 而会更多的来自于智能化服务以及智能平台的运营 随着智慧城市等概念的落地, 安防将不仅仅局限于治安 交通 金融等某一个细分领域, 大安防 概念将会涵盖城市治理的方方面面, 而安防企业也将会向服务提供商和平台运营商转型, 获得更大的成长空间 智慧城市 和 一带一路 分别带动国内和海外市场,PPP 空间巨大 2016 年国内安防产品市场规模约 1900 亿元, 其中视频监控市场规模约 962 亿 2019 年全球安防监控市场规模将达到 亿美元, 市场空间足够大 国内 智慧城市 建设的不断深入和海外 一带一路 政策的实施也将为安防行业的发展提供新的动力, 而 PPP 模式则将为企业和政府的合作提供新的思路 人工智能技术已经在安防行业得到了产品级应用 海康威视业内最早提出 AI+ 发展战略, 并和 NVIDIA 和 Movidius 合作推出从前端到后端的系列人工智能产品 ; 大华股份的 视频 + 战略同样将人工智能作为发展重点, 联合 NVIDIA 发布后端服务器产品 两家公司在深度学习算法上均有相当积累, 并在数据资源上占据绝对优势 投资建议 : 行业 增持 评级, 关注行业龙头 安防行业的集中度在持续提高, 而人工智能应用对算法和数据的要求会加速这一趋势, 基于此判断, 我们重点推荐国内安防行业的龙头海康威视 (002415) 和大华股份 (002236) 此外, 推荐在人工智能领域积极布局的东方网力 (300367) 产业链方面 : 深度学习加速器芯片建议关注龙头企业 NVIDIA(NASDAQ:NVDA) 和 Intel(NASDAQ: INTC); 安防监控主控芯片厂商建议关注富瀚微 (300613) 和安霸 (NASDAQ: AMBA); 图像传感器芯片厂商建议关注潜在 A 股上市公司 Omnivision 风险提示 : 人工智能技术发展不及预期 行业相关股票 [Table_StockInfo] 股票代码股票名称 EPS( 元 ) 投资评级 E 上期本期 海康威视 买入买入 大华股份 买入买入 东方网力 买入买入 资料来源 :WIND 海通证券研究所

2 2 目录 投资要点 人工智能给大数据时代的安防行业带来全新升级机遇 看历史 : 坚守成长, 横向 + 纵向一体化战略成就行业巨头 看未来 : 大数据和人工智能推动安防行业进入 智能平台化 时代 安防用户对辅助决策信息的需求为行业带来新机遇 云存储和云计算为安防 平台化 提供技术支撑 人工智能使安防平台 智能化 真正具备了可行性 智能平台化 使安防企业获得更大成长空间 安防市场分析 : 行业集中度提升大势所趋 市场整体规模和变化趋势 国内安防市场 : 增速趋缓, 政府项目依然是主要驱动力量 海外市场 : 欧美市场进入换代期, 新兴经济体安防需求增长迅速 全球安防企业竞争力分析 立足国内, 放眼全球 : 中国安防企业领跑世界 国内安防视频监控上市公司营业状况 : 竞争加剧, 行业集中度提升 安防视频监控行业主要增长点分析 智慧城市推动产业升级,PPP 模式成为安防项目重要探索方向 一带一路 政策下, 海外市场有望持续高增长 民用安防市场处于市场养成期, 转变产品思维静待智能家居爆发 技术视角看安防 : 人工智能应用处于爆发前夜 深度学习神经网络是未来安防系统的 大脑 现在即是未来, 人工智能技术在安防企业的应用 海康威视 : 安防行业诞生的人工智能龙头 大华股份 : 视频 + 战略推动安防产业智能化 宇视科技 : 聚焦机器视觉, 布局深度智能 总结 : 人工智能 + 安防 风口已成, 行业巨头享受数据红利 H.265 标准推动安防高清进程, 满足智能化基础需求 安防监控产业链分析 安防监控产业链概貌及上市公司梳理... 39

3 3 4.2 安防视频监控行业核心零组件 -- 图像传感器芯片 安防视频监控行业核心零组件 -- 主控芯片 安防视频监控行业核心零组件 -- 存储硬盘 安防视频监控行业核心零组件 -- 人工智能芯片 安防视频监控行业核心零组件 -- 深度学习算法 投资策略 风险提示... 48

4 4 图目录 图 1 安防视频监控系统示意图 图 2 海康威视营业收入增长示意图 图 3 大华股份营业收入增长示意图 图 4 海康威视净利润增长示意图 图 5 大华股份净利润增长示意图 图 6 海康威视不同产品线营业收入变化 图 7 大华股份不同产品线营业收入变化 图 8 主要依靠人力的传统治安监控视频中心 图 9 城市智慧交通全管控与指挥系统 图 10 基于云存储和云计算的安防大数据平台架构 图 11 安防产品智能化遇到的主要瓶颈 图 12 深度学习算法通过自主学习完成人脸识别 图 13 深度智能下的车辆特征识别 图 14 典型安防智能平台的体系结构 图 15 基于大数据的安防服务示例 图 年至 2016 年中国安防行业市场规模变化 图 年至 2016 年中国安防行业产值分布 图 年安防产品销售额分布图 图 年安防产品销售额分布图 图 年安防产品行业应用分布图 图 年安防产品行业应用分布图 图 年至 2019 年全球安防监控行业产值分布 图 年至 2016 年主要 A 股视频监控上市公司毛利率变化情况 图 24 智慧城市全景示意图 图 25 国家财政部 PPP 项目实施流程图 图 26 安防 +PPP 运营模式示意图 图 27 海康威视海外业务发展示意图 图 年至 2016 年国内主要视频监控企业海外市场营收变化情况 图 29 一带一路 战略示意图... 26

5 5 图 年 一带一路 战略执行情况 图 31 民用安防产品是智能家居的基础设施 图 32 典型机器学习流程示意图 图 33 深度学习效果与数据规模关系图 图 34 单个神经细胞示意图 图 35 单个神经细胞数学模型示意图 图 36 人类大脑视觉皮层工作示意图 图 37 应用深度学习神经网络的人脸识别过程 图 38 基于 Alexnet 架构的图片识别深度神经网络 图 39 安防智能化以结构化数据为核心 图 40 NVIDIA DGX-1 深度学习超级计算机 图 41 NVIDIA DGX-1 硬件配臵示意图 图 42 海康威视在国内安防行业中率先提出 AI+ 概念 图 43 海康威视人工智能前端产品 : 智能摄像头 深眸 系列 图 44 NVIDIA Jetson TX1 深度学习图像处理平台 图 45 Movidius Myriad 2 Vision 处理器架构示意图 图 46 海康威视和 Movidius 联合发布的全局摄像机 图 47 海康威视人工智能前后端产品 : 智能交通 神捕 系列 图 48 海康威视人工智能后端产品 : 脸谱 服务器 图 49 海康威视人工智能后端产品 : 超脑 NVR 图 50 大华股份四大研究院示意图 图 51 大华股份 Deep Sense 睿智 服务器 图 52 NVIDIA Tesla P4 GPU 图 53 宇视科技发展战略 : 安防与机器视觉 图 54 宇视科技结构化智能分析服务器 昆仑 图 55 高分辨率情况下 H.265 和 H.264 码率对比 图 56 H.264 标准编码分块示意图 图 57 H.265 标准编码分块示意图 图 58 视频高清化发展路线示意图 图 59 Sony 推出的 4K 高清摄像头产品应用示意图 图 60 全球安防监控产业链主要企业 图 61 CCD 图像传感器结构示意图... 40

6 6 图 62 CMOS 图像传感器结构示意图 图 至 2018 年中国视频监控图像传感器市场出货量 图 64 典型的 IPC SoC 架构示意图 图 65 典型的 NVR SoC 架构示意图 图 至 2018 年中国视频监控 NVR 市场出货量 图 67 CPU 和 GPU 的架构示意图 图 68 谷歌 TPU 内部结构示意图 图 69 谷歌 TPU 矩阵乘法单元数据流示意图 图 70 旷视科技人脸识别 天眼系统 图 71 商汤科技和 NVIDIA 共同开发的 SenseFace-TX1/TX2 系统... 46

7 7 表目录 表 1 安防视频监控系统细分产品线整理 表 2 深度学习在安防领域的主要应用场景 表 年全球十大安防公司总结 表 年全球十大安防视频监控公司总结 表 年 A 股视频监控上市公司财务状况总结 表 年我国智慧城市重要事件整理 表 7 代表性安防 PPP 项目 表 8 安防企业渗入海外市场的方式 表 9 低分辨率下 H.265 和 H.264 编码能力对比 表 10 国内安防视频监控行业上市公司梳理 表 11 NVIDIA 主要的深度学习产品 表 12 全球主要的深度学习加速器芯片企业整理... 45

8 8 投资要点 本报告对安防行业的发展历程和市场规模进行了总结, 对未来市场的主要增长点进行了分析和预测, 深入剖析了人工智能技术的发展给安防监控领域带来的革命性机遇, 并对新形势下的安防产业链进行了详细梳理 我们认为 : 以视频技术为核心的安防行业拥有海量的数据来源, 可以充分满足人工智能对于算法模型训练的要求, 同时安防行业事前预防 事中响应 事后追查的诉求与人工智能的技术逻辑完全吻合, 因此安防将是人工智能最早落地的领域, 人工智能技术将为安防监控领域带来一场 智能平台化 革命 安防视频监控行业的发展过程中有两次大的革命 : 第一次革命是 2008 年至 2012 年, 企业由设备供应商向完整的解决方案提供商的转变, 在这次革命中, 产生了海康威视和大华股份两家行业龙头企业, 通过横向和纵向的一体化整合, 使自身同时具备了硬件设备和软件平台的研发能力, 并利用规模优势和品牌效应迅速建立起了足够深的护城河 ; 第二次革命主要由需求端驱动的, 其核心是用户对辅助决策信息的需求日渐增加, 而辅助信息的生成依赖于对视频数据的处理, 传统技术在海量数据面前束手无策, 直到以深度学习神经网络为代表的人工智能技术的出现, 加上云存储和云计算技术的日渐成熟, 使得安防 智能平台化 真正有了成为现实的可能性, 安防企业也将向服务提供商和平台运营商转型, 获得更大的成长空间 从市场角度看,2016 年国内安防产品市场规模约 1900 亿元, 其中视频监控市场规模约 962 亿, 而根据 IHS 的数据,2019 年全球安防监控市场规模将达到 亿美元, 市场空间足够大 国内 智慧城市 建设的不断深入和海外 一带一路 政策的实施也将为安防行业的发展提供新的动力, 而 PPP 模式则将为企业和政府的合作提供新的思路, 有望实现双赢 主要的投资逻辑有两方面 首先, 我们认为安防监控行业集中度将不断提高, 推荐行业龙头海康威视 (002415) 大华股份 (002236) 我们的判断基于以下分析 : 根据 IHS 数据, 海康和大华占据全球视频监控领域的前两名, 但全球营收占比分别只有 19.6% 和 7.5%, 说明市场整体仍然较为分散, 龙头企业仍有较大成长空间 行业竞争加剧, 整体毛利率下滑, 中小企业经营风险加大, 财务数据出现剧烈波动, 营收规模和行业龙头的差距不断扩大 在人工智能领域提早布局, 手握海量数据资源, 引导 智能平台化 趋势 海康威视业内最早提出 AI+ 发展战略, 并和 NVIDIA 和 Movidius 合作推出从前端到后端的系列人工智能产品 ; 大华股份的 视频 + 战略同样将人工智能作为发展重点, 联合 NVIDIA 发布后端服务器产品 两家公司在深度学习算法上均有相当积累, 并在数据资源上占据绝对优势 PPP 模式前期对资金需求较高, 对企业的融资能力提出较高要求, 巨头企业竞争优势明显 在海外市场成功建设自主品牌, 扩大全球影响力, 海外业务持续快速增长, 未来在 一带一路 战略中有望扮演更重要角色 其次, 关注人工智能技术推动安防产业革命的大趋势下的弯道超车机会, 推荐东方网力 (300367) 公司在人工智能领域持续积极布局 2015 年 7 月, 东方网力与商汤科技签署战略性合作协议, 通过设计合资公司的方式进行合作 2017 年 4 月, 东方网力公告称公司同北京万象智能研究院有限公司 ( 格灵深瞳创始人赵勇和东方网力首席科学家吴惟心拟

9 9 设立 ) 京山轻机和汤臣倍健拟合资设立万象科云, 主要发展安防 医疗 工业机器人 无人驾驶等行业和业务中拥有相关先进算法技术和核心产品, 并围绕人工智能产业开展相关孵化投资 自研产品方面, 东方网力 视云实战平台 覆盖公安 事前 事中 事后 业务流程, 深网视界 人脸识别系统 满足公共安全对人脸识别应用需求, 在 2016 年北京安博会上双双获得优秀创新产品特等奖 我们预计视频大数据下的安防新需求将带动公司未来业绩持续高增长 此外, 我们推荐关注安防监控产业链中核心零组件供应商 深度学习加速器芯片商方面, 我们推荐在安防领域已得到广泛应用的 NVIDIA(NASDAQ:NVDA) 和 Intel (NASDAQ:INTC), 非上市公司建议关注国内的地平线科技 寒武纪科技和深鉴科技 ; 安防监控主控芯片厂商方面, 建议关注富瀚微 (300613) 和安霸 (NASDAQ:AMBA); 图像传感器芯片厂商方面, 建议关注潜在 A 股上市公司 Omnivision; 深度学习神经网络算法方面, 建议关注旷视科技 云从科技和商汤科技, 尤其是和国内安防企业的多形式合作 支持我们投资建议的几项关键性因素 人工智能技术的发展不会遇到难以逾越的障碍 全球安防监控行业不会出现整体性衰退 国家 智慧城市 平安城市 等基本政策不变

10 10 1. 人工智能给大数据时代的安防行业带来全新升级机遇 1.1 看历史 : 坚守成长, 横向 + 纵向一体化战略成就行业巨头 安防视频监控行业是社会公共安全体系的重要组成部分, 在过去的十年间, 随着人民大众安全意识的不断加强, 安防产品的应用范围深入到了公安 司法 交通 金融 教育 医疗等多个社会细分领域, 同时, 由于国家对基础设施建设的持续投资, 特别是 科技强警 智能交通 平安城市 等战略性政策的提出, 安防视频监控行业得到了飞速发展, 根据专业安防网站中安网的数据,2016 年国内安防行业总产值达到 5400 亿人民币, 其中安防产品产值达到 1900 亿人民币 安防视频监控系统通常由前端视频采集产品 编解码产品 传输产品 后端存储产品和显示与控制产品组成, 其典型拓扑结构如图 1 所示 图 1 安防视频监控系统示意图 后端存储产品 传输产品 前端产品 ( 视频采集 ) 编解码产品 显示与控制产品 资料来源 : 中安网, 海通证券研究所整理 安防视频监控系统各环节的细分产品线整理如表 1 所示, 通常来说, 前端视频采集和后端存储控制决定了整个安防视频监控系统的性能, 同时也是企业营业收入的主要来源 表 1 安防视频监控系统细分产品线整理 前端视频采集产品 编解码产品 传输产品 后端存储产品 显示与控制产品 模拟摄像机 数字摄像机 网络摄像机 视频服务器 解码器 视音频板卡 资料来源 : 海康威视官网, 海通证券研究所整理 网络交换机 无线传输设备 光纤收发器 工业以太网交换机 视频光端机 网线 NVR( 网络硬盘录像机 ) XVR( 混合录像机 ) DVR( 硬盘录像机 ) 海量云存储 集中存储产品 微中心 混合型网络硬盘录像机 高清数字硬盘录像机 闪存产品拼接屏 监视器 触摸一体机 信息发布屏 多屏控制器 矩阵切换器 视频综合平台 键盘 国内安防产业飞速发展的大潮催生了两家行业巨头公司 : 海康威视和大华股份 海康威视于 2010 年 5 月在深圳证券交易所上市, 以 2017 年 4 月 24 日收盘价计算, 其市值达到 亿人民币 ; 大华股份于 2008 年 5 月在深圳证券交易所上市, 以 2017 年 4 月 24 日收盘价计算, 其市值达到 亿人民币

11 11 图 2 和图 3 分别给出了 2010 年至 2016 年海康威视和大华股份的营业收入增长示意图, 两家公司在激烈的市场竞争中均实现了持续性的强劲增长,2010 年至 2016 年, 海康威视营业收入的年复合增长率达到 43.9%, 大华股份同样达到 43.6% 图 2 海康威视营业收入增长示意图 图 3 大华股份营业收入增长示意图 营业收入 ( 亿元, 左轴 ) 增长率 ( 百分比, 右轴 ) 70.0% 60.0% 50.0% 40.0% 30.0% 20.0% 10.0% 0.0% 营业收入 ( 亿元, 左轴 ) 增长率 ( 百分比, 右轴 ) 70.0% 60.0% 50.0% 40.0% 30.0% 20.0% 10.0% 0.0% 资料来源 :Wind, 海通证券研究所整理 资料来源 :Wind, 海通证券研究所整理 两家公司净利润方面同样保持了强劲的增长势头, 如图 4 和图 5 所示,2010 年至 2016 年, 海康威视净利润的年复合增长率达到 38.5%, 大华股份则为 38.4%, 充分显示了白马本色 从净利率上看, 海康威视在 2010 年至 2014 年保持在 27% 以上, 近两年虽有下滑, 但仍可达到 22% 至 23%, 充分体现了行业龙头企业的品牌效应和商品定价权, 大华股份近两年的净利率均为 13.5% 左右, 虽然距离海康威视有一定差距, 但仍高于行业平均水平 国内安防行业双寡头的局面在可预见的未来仍会继续保持 图 4 海康威视净利润增长示意图 图 5 大华股份净利润增长示意图 归母净利润 ( 亿元, 左轴 ) 增长率 ( 百分比, 右轴 ) 净利率 ( 百分比, 右轴 ) 归母净利润 ( 亿元, 左轴 ) 增长率 ( 百分比, 右轴 ) 净利率 ( 百分比, 右轴 ) % 50.0% 40.0% 30.0% 20.0% 10.0% 0.0% % 80.0% 70.0% 60.0% 50.0% 40.0% 30.0% 20.0% 10.0% 0.0% 资料来源 :Wind, 海通证券研究所整理 资料来源 :Wind, 海通证券研究所整理 总结两家企业的发展历史, 坚定执行横向 + 纵向一体化战略是他们能够保持高速增长, 成长为行业巨头的 成功之匙 在发展初期, 两家公司的主要产品是以硬盘录像机 (DVR,Digital Video Recorder) 为代表的后端产品, 公司业绩对单一产品线依赖性强, 抵抗风险能力较弱 两家公司坚定执行横向一体化战略, 持续增加研发投入, 迅速将产品线延伸至具有更高增长率的前端产品领域, 海康威视于 2011 年实现前后端产品收入基本持平, 大华股份也在 2013 年实现了这一目标 两家公司不同产品线的营业收入变化如图 6 和图 7 所示,2016 年度, 海康威视前端产品收入占总营收比例为 50.4%, 而大华股份此数据为 48.9%, 前端产品成为了营收高增长的主要驱动因素 在形成安防监控全产品线的基础上, 近年来, 两家公司加大了对软件平台的研发力度, 为客户提供一站式服务, 并且面向各细分行业分别研发出了针对性的安防解决方案,

12 12 通过软硬件协同效应, 实现了由安防设备供应商向安防解决方案提供商的转型 图 6 海康威视不同产品线营业收入变化 图 7 大华股份不同产品线营业收入变化 单位 : 亿元 单位 : 亿元 前端产品后端产品中心控制设备工程施工其他 前端产品后端产品远程监控系统其他 资料来源 :Wind, 海通证券研究所整理 资料来源 :Wind, 海通证券研究所整理 另一方面, 两家公司对安防监控产业链进行了纵向整合, 使企业具备了覆盖研发 - 生产 - 销售 - 系统集成 - 服务全流程的综合能力 在供应链管理方面, 充分利用规模效应降低产品成本 ; 在销售方面, 通过在渠道建设上的持续投入, 提高行业进入壁垒, 使市场资源不断向自身倾斜 ; 最后, 依靠品牌效应, 使行业集中度不断提高 1.2 看未来 : 大数据和人工智能推动安防行业进入 智能平台化 时代 安防用户对辅助决策信息的需求为行业带来新机遇 从本质上来说, 安防监控行业的核心是对数据的采集 传输 存储和处理 在过去的十多年间, 安防行业的发展主要由数据采集端和数据存储端驱动, 数据采集端以摄像头为代表产品, 数据存储端则以硬盘录像机为代表产品 随着技术的日渐成熟, 市场上不断涌现出新的竞争者, 传统的安防设备市场已经成为红海, 即便像海康威视 大华股份这样的行业巨头虽然实现了营收和利润持续高速增长, 但在近两年也出现了毛利率和净利率双双下滑的情况 在这样的背景下, 大数据和人工智能技术为安防企业带来了新的发展机遇 从需求端分析, 在安防监控的主要应用领域, 在软硬件一体化解决方案的基础上, 用户对辅助决策信息的需求日渐提高 图 8 主要依靠人力的传统治安监控视频中心 资料来源 : 安防知识网, 海通证券研究所整理

13 13 在社会治安领域, 监控系统要求变被动防御为主动预防, 传统的治安视频监控系统大多仅依靠人力对违法犯罪行为进行识别和追踪, 面对海量视频数据, 对违法犯罪行为的甄别效率低下, 难以及时响应, 结果就是只能采取 事后研判 模式, 无法做到防患于未然 主动预防要求视频监控系统更加智能化 : 比如犯罪分子在进行作案时, 经常会对监控摄像头进行遮挡 移位或断电处理, 此时监控系统应及时触发异常报警功能 ; 比如在敏感区域识别出可疑人员徘徊 翻越围墙护栏 贵重物品移动等特定行为时, 同样应及时触发异常报警功能 ; 比如在重点监管场所的出入口, 视频监控系统应实现出入人员智能管理功能, 自动记录人员的出入信息和体貌特征, 并通过人脸识别和数据库比对, 及时检测出潜在的违法犯罪分子 在智能交通领域, 随着城市车辆保有量的持续增加, 路况的复杂性不断提高, 道路拥堵 停车难等问题成为城市治理中的痛点和难点, 发展智能交通诱导系统成为大势所趋, 在这样的背景下, 视频监控系统需要提供更多有价值的辅助决策信息 图 9 给出了智慧交通管控与指挥系统的系统架构图, 通过对电子警察 高清卡口 视频监控等安防设备采集到的数据进行融合处理, 生成路况 交通阻塞及疏导情况 停车信息等诱导信息, 并采用多种方式向驾驶员发送, 同时对交通信号灯等管控设备进行反馈控制 图 9 城市智慧交通全管控与指挥系统 资料来源 : 银江股份官网, 海通证券研究所整理 在安防设备竞争日渐激烈, 行业毛利率整体下滑的情况下, 安防企业应当把握住新形势下用户的需求, 通过提供更加准确 更加多元化的信息服务带动安防基础设施建设, 实现高速增长 云存储和云计算为安防 平台化 提供技术支撑 辅助决策信息的生成依赖于对数据的正确处理, 海量视频 图片数据使安防行业进入大数据时代 安防行业十多年迅猛发展的背后, 是视频监控规模的飞速扩大, 以北京为例, 政府和社会公共机构部署的监控摄像头总数超过 200 万个, 这些安防监控设备产生海量的视频 图片数据, 一个典型的大型城市每天的数据量达到 PB 量级 (1PB=1024TB) 安防行业进入大数据时代的主要特点有 : 数据种类繁多 ( 多种规格的视频图像数据 ) PB 量级的数据总量 ( 随设备数量增加 高清化等趋势持续增长 ) 低价值密度 ( 大部分视频数据无分析价值 ) 数据共享 ( 多个细分行业应用之间共享数据 ) 数据实时处理 ( 及时产生辅助决策信息 )

14 14 在安防大数据时代, 传统的安防系统架构遇到了明显的瓶颈 市面上存在众多的安防厂商, 在数据的整个处理链条上缺乏统一的标准, 各厂商不同时期的设备 不同的技术方案 不同的平台系统混合在一起, 并且均以特定的行业应用为主, 难以实现数据的共享和互通, 更无从谈起进行有效的数据挖掘, 得到有价值的信息 因此, 安防系统 智能化 的概念虽已提出很久, 但始终没有落地 云存储和云计算技术的出现为安防大数据提供了强有力的技术支撑 云存储通过集群应用 网络技术和分布式技术, 将多样化的存储资源通过应用软件集合起来协同工作, 共同对外提供数据存储和业务访问功能 云计算在云存储的基础上, 将数据计算相关的软硬件资源虚拟化 集群化, 通过并行计算将结果提供给用户 总结来说, 云存储解决了数据统一存储和共享的问题, 云计算则解决数据的结构化和实时计算问题 云存储和云计算技术的发展使安防产品真正实现了 平台化 大数据平台由独立的云存储子系统和云计算子系统组成, 之间通过数据中心高速连接, 以服务的形式来支持上层各种安防应用, 如图 10 所示 图 10 基于云存储和云计算的安防大数据平台架构 资料来源 : 大华股份官网, 海通证券研究所整理 人工智能使安防平台 智能化 真正具备了可行性 云存储和云计算技术使安防产品实现 平台化, 但传统的图像识别和图像处理算法却在处理大数据时举步维艰 安防产品 智能化 的概念提出多年, 但仍然存在着识别准确率低 环境适应性差 识别种类少等问题, 严重限制了智能应用的普及 图 11 安防产品智能化遇到的主要瓶颈 资料来源 : 海康威视官网, 海通证券研究所整理

15 15 人工智能, 特别是深度学习算法的发展彻底打开了安防产品 智能化 的发展空间, 面对大数据时不再束手无策 深度学习的概念源于对人工神经网络的研究, 通过模拟人类大脑进行分析学习的神经网络, 对图像 声音和文本数据进行处理 图 12 深度学习算法通过自主学习完成人脸识别 资料来源 : 海康威视官网, 海通证券研究所整理 深度学习的主要优点有 : 准确率更高 应用深度学习算法的深度智能设备, 可以自行提取更多更详细 更微小的特征, 从而使得识别分类对象的准确率越高 环境适应性更强 深度学习算法可以自行提取更丰富 更适合的环境特征参数, 从而达到更强的抗环境干扰能力 识别种类更丰富 理论上只要有足够多的样本进行训练, 深度学习能够实现比较精准的目标分类识别, 自主特征识别的特点, 又让深度学习特别适用于抽象 复杂的关于人的特征 行为的分析领域 可见, 基于人工智能的深度学习算法完美解决了传统图像识别和图像处理技术在处理安防大数据时的痛点, 使得安防平台 智能化 真正具备了可行性 如图 13 所示, 以车辆特征识别为例, 应用深度学习技术后, 不仅可以完成基础的车牌识别功能, 还可以识别出 10 余种车型 200 多种车辆品牌和 4200 多种车辆子品牌, 并且可以快速辨认出危险品车和黄标车 在违章行为检测方面, 应用深度学习技术后, 大大增加了未系安全带和开车打手机等违章行为的检测数量, 并且可以根据识别出的车辆挂件和人脸特征对违章车辆进行持续跟踪和快速定位 图 13 深度智能下的车辆特征识别 资料来源 : 海康威视官网, 海通证券研究所整理

16 16 表 2 进一步整理总结了目前深度学习在安防领域的主要应用场景, 可以看到其应用已经深入到安防领域的方方面面 表 2 深度学习在安防领域的主要应用场景 人体分析 人脸识别 人体特征提取技术 车辆分析 车辆识别技术 车辆特征提取技术 行为分析 目标跟踪监测技术 异常行为分析技术 图像分析 视频质量诊断技术 视频摘要分析技术 资料来源 : 海康威视官网, 海通证券研究所整理 智能平台化 使安防企业获得更大成长空间 图 14 给出了一个典型的安防智能平台的体系架构 : 采集层对应以安防前端数据采集产品 ; 网络层对应安防传输产品 ; 平台服务层对应云存储和云计算技术支撑起的安防数据平台, 并应用人工智能算法对大数据进行处理, 提取有价值的辅助决策信息 ; 应用层针对用户的特定需求, 将产生的辅助决策信息进行反馈 ; 用户层为最顶端的细分行业或部门 图 14 典型安防智能平台的体系结构 资料来源 : 安防知识网, 海通证券研究所整理 实现 智能平台化 之后, 安防企业销售的不再仅仅是硬件设备或解决方案, 而是从采集层到应用层的整体智能平台 收入来源也不再仅限于有形的前后端设备, 而会越来越多的来自于智能化服务以及智能平台的运营 随着智慧城市等概念的逐步落地, 安防将不仅仅局限于治安 交通 金融等某一个细分领域, 大安防 概念将会涵盖城市治理的方方面面, 而安防企业也将向服务提供商和平台运营商转型, 获得更大的成长空间 综上所述, 正是由于人工智能技术的不断发展, 使基于大数据的信息服务和平台运营成为现实, 为安防行业带来了全新的发展机遇 图 15 给出了基于大数据的安防服务示例 我们认为, 由于以视频技术为核心的安防行业拥有海量数据来源和丰富的数据层次, 可以充分满足人工智能对于模型训练的要求, 同时安防行业要求事前预防 事中响应 事后追查, 其本质诉求与人工智能的技术逻辑完全吻合, 因此我们判断安防将是人工智能最早落地的领域, 应用空间巨大

17 17 图 15 基于大数据的安防服务示例 资料来源 : 安防知识网, 海通证券研究所整理 2. 安防市场分析 : 行业集中度提升大势所趋 2.1 市场整体规模和变化趋势 国内安防市场 : 增速趋缓, 政府项目依然是主要驱动力量 根据安防专业网站中安网的调研数据, 国内安防行业的整体规模由 2009 年的 1980 亿人民币增长至 2016 年的 5400 亿人民币, 但增长速度呈现逐渐趋缓的形势, 如图 16 所示,2010 年至 2013 年, 增长率在 20% 上下, 而在 2014 年至 2016 年, 增长率下降至 12% 上下 图 年至 2016 年中国安防行业市场规模变化 中国安防行业市场规模 ( 亿元, 左轴 ) 增长率 ( 百分比, 右轴 ) 25.0% 20.0% 15.0% 10.0% 5.0% % 资料来源 : 中安网, 海通证券研究所整理 在图 17 中, 我们进一步将安防市场分解为安防工程 安防产品和运营服务三大块, 比较了 2014 年至 2016 年各部分的市场表现, 可以看到 : 国内安防市场的产值增长主要由安防工程的增长贡献, 安防产品的增长基本停滞 ( 年均增量仅 100 亿人民币 ), 运营服务有望成长为行业新的增长点

18 18 图 年至 2016 年中国安防行业产值分布 安防工程产值安防产品产值运营服务及其他产值 资料来源 : 中安网, 海通证券研究所整理 在图 18 和 19 中, 我们进一步将安防产品的销售额按照产品方向进行分解, 细分为视频监控 防盗报警 出入口控制 楼宇对讲 / 智能家居 平台 实体防护等方向, 对比 2015 年和 2016 年的数据我们可以看到 :1, 视频监控在所有安防产品中市场占比最高, 占据总销售额的半数左右 ;2, 视频监控产品贡献了安防产品的几乎全部销售额增长, 其余产品处于零增长状态 图 年安防产品销售额分布图 图 年安防产品销售额分布图 视频监控 防盗报警 465 视频监控防盗报警 出入口控制 防爆安检 出入口控制楼宇对讲 / 智能家居平台 实体防护 楼宇对讲及其他 150 销售额 ( 亿元 ) 实体防护及其他 152 销售额 ( 亿元 ) 资料来源 : 中安网, 海通证券研究所整理 资料来源 : 中安网, 海通证券研究所整理 图 20 和 21 中, 我们从另外一个角度对安防产品市场进行了分析 按照安防产品面向的细分行业应用, 安防产品被分为了平安城市 智能交通 智能楼宇 文教卫 金融 能源 司法等类别, 比较 2015 年和 2016 年, 平安城市和智能交通的占总销售额的比例分别增加 6% 和 3%, 分别上升至 24% 和 18%, 可见, 随着我国城市化进程的不断演进, 城市治理依旧存在众多痛点, 政府主导的安防基础设施建设项目依然是安防产业的主要驱动力量 以 平安城市 的发展为例, 它的发展已经有二十多年的历史, 并且有国家层面的多项重要文件进行顶层设计, 涵盖了 科技强警 金盾工程 3111 工程 等多个重要阶段 :1996 年, 公安部发布了 九五 公安工作纲要, 首次提出了 科技强警 的概念 ;1998 年 9 月, 公安部根据中央领导要求加快公安信息化工作步伐的指示, 通过了公安部科技强警总体规划框架并向国务院提出了 全国公安信息化工程 金盾工程 的意见 ;2003 年, 公安部发布了 全国公安机关 年科技强警工作规划, 确定北京 上海 南京 苏州 广州 深圳等 21 个城市开展第一批科技强警示范城市建

19 19 设 ; 3111 工程 的目标是将省市县 3 级的安防监控系统实现联网和共享,2005 年, 第一批共 22 个示范城市开展视频监控项目建设 ;2006 年, 公安部和科技部联合下发通知, 确定以中西部地区为主的 15 个城市以及江苏 浙江 山东 广东 4 省的 23 个城市为第二批开展科技强警的示范城市 ; 同年, 3111 工程 开展第二期建设, 涉及 66 个城市及下属的 419 个县市 图 年安防产品行业应用分布图 图 年安防产品行业应用分布图 20% 15% 10% 5% 0% 18% 16% 15% 11% 10% 8% 6% 5% 4% 3% 3% 5% 30% 25% 20% 15% 10% 5% 0% 24% 18% 16% 13% 12% 7% 5% 5% 资料来源 :Wind, 海通证券研究所整理 资料来源 :Wind, 海通证券研究所整理 2012 年 12 月, 住建部发布 关于开展国家智慧城市试点工作的通知, 拉开智慧城市建设的帷幕 在智慧城市的概念中, 平安城市和智能交通将有机结合在一起, 形成未来现代化新型城市的智能化平台 海外市场 : 欧美市场进入换代期, 新兴经济体安防需求增长迅速 图 22 给出了市场调研机构 IHS 对 2014 年至 2019 年全球安防视频监控市场规模的统计和预测,2014 年全球安防视频监控市场总产值约为 亿美元, 预计到 2019 年将达到 亿美元, 复合年增长率约 9.62% 图 年至 2019 年全球安防监控行业产值分布 单位 : 亿美元 E 2017E 2018E 2019E 亚洲美洲 EMEA 资料来源 :IHS, 海通证券研究所整理 图 22 中 EMEA 代表欧洲 (Europe) 中东 (Middle East) 和非洲 (Africa), 从细分区域数据来看, 欧美发达国家的安防视频监控市场在多年发展之后已经较为成熟, 增长速度逐渐放缓, 主要驱动力为产品向高清化和网络化的升级换代 相对而言, 新兴市场保持高速成长, 产品覆盖从低端到高端各个档次 亚洲市场除中国之外, 印度市场

20 20 同样增长迅速, 南美市场则主要以巴西和阿根廷为代表, 中东地区由于区域内政治形势持续动荡, 安防产品需求直线上升, 主要应用于政府工程和能源行业, 非洲市场主要集中在南部地区, 以矿产和商业应用为主 2.2 全球安防企业竞争力分析 立足国内, 放眼全球 : 中国安防企业领跑世界 从 2.1 小节的市场数据分析可以看到, 经过二十多年的飞速发展, 中国已经形成了全球规模最大 最有活力的安防市场, 而随着市场规模的不断膨胀, 国内的安防企业也经历了野蛮生长的阶段, 诞生出了一批在营收规模和核心技术等方面均领跑世界的巨头企业 根据世界知名安防媒体 a&s( 安全自动化 ) 发布的 2016 年全球安防 50 强榜单, 凭借近年来持续的高增长, 海康威视和大华股份分别占据第一位和第四位, 根据近期披露的 2016 年财务数据, 我们预计 2017 年两家公司将稳居全球第一和第三 表 年全球十大安防公司总结 2016 排名 2015 排名 公司名称国家产品线分布 2015 年营收 ( 百万美元 ) 年度增长率 1 2 海康威视中国视频监控 % 2 1 Honeywell( 霍尼韦尔 ) 美国多类型 % 3 3 Bosch( 博世 ) 德国多类型 % 4 5 大华股份中国视频监控 % 5 4 Safran( 赛峰 ) 法国出入控制 % 6 6 Assa Abloy( 亚萨合莱 ) 瑞典出入控制 % 7 7 Tyco( 泰科 ) 美国多类型 % 8 10 Axis( 安讯士 ) 瑞典多类型 % 9 8 Flir( 菲力尔 ) 美国视频监控 % Aiphone( 爱峰 ) 日本内部通讯 % 资料来源 :a&s( 安全自动化 ), 海通证券研究所整理 细化至视频监控领域, 根据市场研究机构 IHS 发布的 2016 年度 The world Market for CCTV and Video Survillance Equipment 统计报告, 中国企业海康威视 大华股份和宇视科技分别占据第一 第二和第八位, 全球市场占有率分别为 19.6% 7.5% 和 1.8% 表 年全球十大安防视频监控公司总结 2015 排名 公司名称 国家 全球营收占比 1 海康威视 中国 19.6% 2 大华股份 中国 7.5% 3 Axis( 安讯士 ) 瑞典 5.2% 4 Panasonic( 松下 ) 日本 3.5% 5 Hanwha( 韩华 ) 韩国 3.5% 6 Bosch( 博世 ) 美国 2.9% 7 Pelco( 派尔高 ) 美国 1.9% 8 宇视科技 中国 1.8% 9 Avigilon 加拿大 1.8% 10 Tyco( 泰科 ) 美国 1.5% 资料来源 :IHS, 海通证券研究所整理 分析上述数据我们得到如下观点 :1, 中国安防企业强势崛起, 以海康威视和大华股份为代表的行业龙头具备了较大的规模优势, 成为全球领军企业 ;2, 在视频监控领域, 市场呈现较为明显的碎片化形势, 全球前 10 大企业市场份额总计仅有 40%, 行业龙头仍具有较大成长空间

21 国内安防视频监控上市公司营业状况 : 竞争加剧, 行业集中度提升 A 股上市公司中的安防视频监控企业主要有海康威视 大华股份 英飞拓 东方网力 汉邦高科 大立科技和中威电子, 表 5 总结了它们近两年的一些基本财务数据, 可以看到除海康威视和大华股份之外, 只有东方网力同样保持高速增长势头, 其他公司均出现了营业利润大幅下滑的情况 表 年 A 股视频监控上市公司财务状况总结 公司名称 营业收入 ( 亿元 ) 营收增长率 (2016 年度 ) 营收增长率 (2015 年度 ) 营业利润增长率 (2016 年度 ) 营业利润增长率 (2015 年度 ) 海康威视 % 46.6% 24.8% 25.5% 大华股份 % 37.5% 19.2% 29.6% 英飞拓 % 85.1% % 134.0% 东方网力 % 58.9% 32.9% 92.8% 汉邦高科 % -14.9% -54.2% -29.3% 大立科技 % -10.8% % % 中威电子 % 24.2% 184.7% -67.1% 资料来源 :Wind, 海通证券研究所整理 图 23 列出了 2012 年至 2016 年 A 股上市公司中主要的视频监控企业的毛利率变化情况, 可以看到随着市场竞争日渐激烈, 行业毛利率呈现逐年下滑的迹象, 即便行业巨头也降至 40% 以下, 企业的运营能力面临更大考验 图 年至 2016 年主要 A 股视频监控上市公司毛利率变化情况 60.00% 50.00% 40.00% 30.00% 20.00% 10.00% 0.00% 海康威视大华股份英飞拓 资料来源 :Wind, 海通证券研究所整理 综合以上数据, 我们的分析判断如下 :1, 行业双巨头营收规模同其他企业差距不断拉大, 并且此趋势还会持续 ;2, 行业竞争加剧, 整体毛利率下滑, 中小企业经营风险加大, 财务数据出现剧烈波动 ;3, 行业集中度将会进一步提升, 看好行业巨头后续对视频监控产业链的进一步整合 2.3 安防视频监控行业主要增长点分析 智慧城市推动产业升级,PPP 模式成为安防项目重要探索方向 智慧城市是一种在创新的信息技术支撑下的新型城市形态, 在城市治理的各个领域中, 充分利用互联网 物联网 云计算 人工智能等信息技术手段, 建立智能化城市管理平台, 对整个城市中的人 物 事件进行自我感知, 并实现互联 处理和协调 智慧城市可以使城市生活更加智能, 使资源利用更为高效, 实现创新和低碳经济

22 22 自从 2012 年 12 月, 住建部发布 关于开展国家智慧城市试点工作的通知, 拉开智慧城市建设的帷幕后, 我国的智慧城市建设进入飞速发展期 2013 年 1 月, 住建部公布首批 90 个国家智慧城市试点,2013 年 12 月, 住建部公布第二批 103 个国家智慧城市试点,2015 年 4 月, 住建部公布第三批 84 个国家智慧城市新增试点和 13 个扩大范围试点 截至目前, 国家智慧城市试点已达 290 个, 在 2016 年, 国家依然在陆续出台相关政策, 推动智慧城市的发展, 如表 6 所示 表 年我国智慧城市重要事件整理 时间 国务院总理李克强所做的 政府工作报告 提出, 打造智慧城市, 改善人居环境, 使人民群众生活得更安心 更省心 更舒心 国家 十三五 规划纲要提出, 建设一批示范性新型智慧城市 国家发改委提出在 十三五 时期, 将有针对性地组织 100 个城市开展新型智慧 城市 试点, 同时开展智慧城市建设效果评价工作 由国家发展改革委 科技部 工信部 中央网信办制定的 互联网 + 人工智能 三年行动实施方案 提出, 到 2018 年人工智能基础资源与创新平台, 人工智能产业体系 创新服务体系 标准化体系基本建立 国家工信部 国家发改委关于印发 智能硬件产业创新发展专项行动 ( 年 ) 的通知, 夯实人工智能规模化应用和产业化发展基础, 促进技术创新和模式创新, 引导产业便民 惠民 习近平在政治局集体学习中强调 以推行电子政务 建设新型智慧城市等为抓手, 以数据集中和共享为途径, 建设全国一体化的国家大数据中心, 推进技术融合 业务融合 数据融合, 实现跨层级 跨地域 跨系统 跨部门 跨业务的协同管理和服务, 进一步对我国新时期新型智慧城市的建设和发展提出了要求 在国家发改委 中央网信办牵头的新型智慧城市建设部际协调工作组指导下, 我 国第一本国家层面的智慧城市年度综合发展报告 新型智慧城市发展报告 正式发布, 对引导地方务实推进新型智慧城市建设具有重要参考价值 国务院常务会议审议通过的 十三五 国家信息化规划, 把新型智慧城市建设 列为优先行动之一 资料来源 : 搜狐新闻, 海通证券研究所整理 事件 在 小节中我们提到, 政府项目依旧是国内安防市场增长的主要动力, 而随着 智慧城市 概念的提出, 原有的 平安城市 智能交通 等安防项目将融入至 智慧城市 中, 而这一趋势的核心便是我们在 1.2 小节中提出的安防产品 智能平台化 图 24 智慧城市全景示意图 资料来源 : 智慧城市网, 海通证券研究所整理 在我国智慧城市的建设浪潮中,PPP(Public-Private-Partnership, 公私合营 ) 模

23 23 式逐渐扮演重要角色 PPP 是政府和社会资本为了提供某种公共物品或服务, 以特许权协议为基础, 彼此之间形成一种伙伴式的合作关系, 并通过签署合同来明确双方的权利和义务 2014 年 11 月, 财政部印发了 政府和社会资本合作模式操作指南 ( 试行 ), 对 PPP 项目的实施流程做出了详细规范, 将流程细分为项目识别 项目准备 项目采购 项目执行和项目移交五个主要步骤, 如图 25 所示 2015 年 6 月 1 日, 我国正式实施 基础设施和公用事业特许经营管理办法, 对 PPP 模式进一步做出了规范化说明 图 25 国家财政部 PPP 项目实施流程图 资料来源 : 财政部 政府和社会资本合作模式操作指南 ( 试行 ), 海通证券研究所整理 如图 26 所示, 安防 +PPP 的主要模式为 :1, 政府及社会资本以一定比例成立特殊目的实体 (Special Purpose Vehicle,SPV); 2, 以 SPV 为主体负责融资 投资 建设和运营维护工作 ;3, 启动资金 : 主要来自于政府财政补贴 银行贷款和其他股权类投资 ;4, 营运费用 : 政府按照运营进度向 SPV 的给付项目费用 ;5, 后期盈利 : 政府按期向 SPV 给付服务费, 社会资本收取固定的股权收益 对政府来说,PPP 模式有助于减轻自身在基础设施建设和公共服务供给中的财政压力 ; 对企业来说, 有助于深入项目实施核心, 降低项目风险, 提高品牌影响力 因此理论上讲,PPP 模式对双方均具有较强的吸引力, 有望成为未来安防项目落地的主要形式 我们认为, 智慧城市 作为国内安防市场未来几年的主要增长发动机, 其核心诉求正是安防产品的 智能平台化, 而 PPP 模式除了对安防企业的融资能力提出较高要求之外, 还是对企业的产品 - 集成 - 实施 - 运营全链条综合能力的巨大考验, 将会加速行业的洗牌过程 表 7 总结了已落地的安防 PPP 代表性项目的情况

24 24 图 26 安防 +PPP 运营模式示意图 社会资本 ( 私 ) Private 投资 回报 地方政府 ( 公 ) Public 监管反馈 特许经营 特殊目的实体 SPV 资本 利息 金融机构 运营 收益 运营服务 平安城市 智能交通 基础设施 智慧政务 智慧医疗 其他 资料来源 : 中国安防行业网, 海通证券研究所整理 表 7 代表性安防 PPP 项目 中标公司 中标时间 项目名称 项目内容 海康威视 乌鲁木齐 平安城市 项目总投资约为 5 亿元, 项目合作期 11 年, 其中项目建设期 1 年, 运营维护期 10 年 主要建设内容包括 : 前端感知系统 视频解析中心 视频图像信息共享系统 综合监控运维系统等, 其中, 建设视频监控摄像机约 3 万路 大华股份 新疆石河子 平安城市 该项目首期建设投入 2.89 亿元, 项目总规模约 5.89 亿元, 特许经营期限暂定为 11 年 大华股份 广西百色 平安城市 项目建设投资总金额为 8.8 亿元, 项目合作期 11 年, 其中项目建设期 1 年, 运营维护期 10 年 资料来源 : 公司相关公告, 海通证券研究所整理 一带一路 政策下, 海外市场有望持续高增长 在 小节中, 我们对海外安防市场的现状进行了分析, 在全球反恐需求的带动下, 全球视频监控市场持续增长, 无论是以印度和南美为代表的新兴市场, 还是相对成熟的北美市场, 均存在较大的市场容量, 为国内安防企业带来新的发展空间 随着国内安防企业整体实力的提升和国内市场竞争的加剧, 开拓海外市场也成为了越来越多中国安防企业的共同选择, 呈现集体出海的趋势 以海康威视为例, 截至目前已经在境外设立了 21 个子公司, 如图 27 所示 图 27 海康威视海外业务发展示意图 资料来源 : 海康威视官网, 海通证券研究所整理

25 25 图 28 整理了三家国内安防领军企业近年来海外市场营收的变化情况, 可以看到行业巨头们在海外市场的开拓方面均卓有成效, 海外业务持续强劲增长 图 年至 2016 年国内主要视频监控企业海外市场营收变化情况 单位 : 亿元 海康威视大华股份英飞拓 资料来源 :Wind, 海通证券研究所整理 表 8 整理了中国安防企业开拓海外市场的方式, 我们认为国内安防企业的全球化历程可以分为三个阶段 : 在全球化 1.0 时代, 安防企业多采用 OEM/ODM 的方式, 目的只是单纯的 走出去 ; 而在全球化 2.0 时代, 通过海外代理和并购当地安防厂商的方式, 提供满足当地本土化需求的产品和服务 ; 在当今的全球化 3.0 时代, 国内安防企业应更加重视产品的 品牌化, 扩大品牌的影响力, 同时应主动整合资源, 建立起全球化的垂直供应链 表 8 安防企业渗入海外市场的方式 OEM/ODM 建立子公司 并购 代理 电商 海外项目 资料来源 : 中安网, 海通证券研究所整理 由于缺乏影响来,OEM/ODM 已经不再是主流安防企业开拓海外市场的首选 建立子公司虽然成本高, 但能提升客户服务满意度, 是企业建设自主品牌 扩大全球影响力的长久之计 并购当地技术公司或有影响力的安防厂商寻找海外代理, 能够节约成本, 且见效快, 成为众多安企开拓海外市场的理想选择 海外安防对电商接受度高, 越来越多的安企参与到国际电商中, 如亚马逊 速卖通 ebay 等 承接当地的安防项目 2013 年 9 月和 10 月, 国家主席习近平在出访中亚和东南亚国家期间, 先后提出共同建设 丝绸之路经济带 和 21 世纪海上丝绸之路 的倡议, 随后逐渐形成了 一带一路 重大国家战略 2016 年, 中国与 一带一路 沿线国家的进出口总额为 6.3 万亿元人民币, 增长 0.6% 其中出口 3.8 万亿元, 增长 0.7%; 进口 2.4 万亿元, 增长 0.5% 在沿线国家新签对外承包工程合同为 1260 亿美元, 增长 36% 对沿线国家直接投资 145 亿美元, 占我国对外投资总额的 8.5% 基础设施的互联互通是 一带一路 建设的优先领域 在 2015 年 3 月我国发改委 外交部 商务部联合发布的 推动共建丝绸之路经济带和 21 世纪海上丝绸之路的愿景与行动 中提到 抓住交通基础设施的关键通道 关键节点和重点工程, 优先打通缺失路段, 畅通瓶颈路段, 配套完善道路安全防护设施和交通管理设施设备, 提升道路通达水平 我们认为, 国内安防企业将借助 一带一路 这一具有历史意义的国家战略, 通过海外 PPP 项目或者其他形式的国际合作, 进入海外的智能交通市场, 并且在未来有望将业务拓展至更大规模的智慧城市建设中

26 26 图 29 一带一路 战略示意图 图 年 一带一路 战略执行情况 资料来源 : 中国一带一路网, 海通证券研究所整理 资料来源 : 中国一带一路网, 海通证券研究所整理 民用安防市场处于市场养成期, 转变产品思维静待智能家居爆发 面向消费者的民用安防市场多年来一直被安防企业寄予厚望, 希望其成为企业成长的重要增长点, 但近年来发展并不尽如人意, 对此我们认为主要有两个原因 : 一是国内用户尚未得到足够的需求引导, 对民用安防产品的必要性缺乏认识 ; 二是国内安防企业在 ToC 业务上缺乏经验, 缺乏以用户为中心的产品思维 我们认为, 民用安防不应简单的从视频监控 报警设备等产品的角度去理解, 而应该将其视为智能家居的基础组成设备, 重视人机交互, 解决操控性 智能性等贴近用户需求的问题 图 31 民用安防产品是智能家居的基础设施 资料来源 :ZOL 中关村在线, 海通证券研究所整理 根据中安网的数据, 目前我国民用安防市场仅占安防市场总产值的 6%, 而在像美国这样的成熟安防市场, 民用市场产值占到总产值的 50% 以上 此外, 我国人均安防产品的支出远远落后于欧美发达国家, 是英国的 1/9 美国的 1/7, 甚至只有韩国的 1/5 因此, 民用安防市场的潜力是巨大的 我国安防企业在民用安防产品上的探索从未停止, 海康威视和大华股份先后设立自有品牌 萤石 和 乐橙, 并主要通过互联网电商平台的形式进行销售 和同样进入民用安防领域的小米 奇虎 360 等互联网品牌相比, 传统安防巨头在视频技术方面具有更厚实的技术积累, 并且拥有强大的供应链管理和生产制造能力, 当他们在消费类市场积累到足够多的经验后, 这些优势将会逐渐体现, 成为未来智能家居市场的大赢家

27 3. 技术视角看安防 : 人工智能应用处于爆发前夜 深度学习神经网络是未来安防系统的 大脑 在 1.2 小节中我们提到, 以深度学习为代表的人工智能技术使提出多年的安防 智能化 真正有了落地的可能性 从起源上说, 深度学习是属于机器学习中的一个细分领域, 而机器学习又是人工智能的一个研究方向 近年来, 针对深度学习的研究取得了突破性的进展, 其在多个领域的大规模商用前景已被学术界和工业界认可, 科技巨头们更是提早全面布局, 带动了整个人工智能概念的爆发 深度学习的 深度 二字, 主要是针对机器进行学习的方式而言, 如图 32 所示, 假如机器学习的策略被人为限定, 则只能被称为浅层学习 图 32 典型机器学习流程示意图 无监督学习 ( 深度 ) 特征提取 物品分类 预测模型 机器学习算法 有监督学习 ( 浅层 ) 注释数据 资料来源 :CSDN, 海通证券研究所整理 深度学习的最主要特征是机器可以自主决定学习的方式和策略, 也正是由于这点, 深度学习可以归纳总结数据更本质的特征, 随着数据规模的扩大, 对复杂问题的解决能力是传统的人工智能算法所不能比拟的, 如图 33 所示 图 33 深度学习效果与数据规模关系图 资料来源 : 地平线官网, 海通证券研究所整理

28 28 深度学习的核心在于建立 模拟人脑进行分析学习的神经网络, 从最小维度看, 要从单个神经细胞的建模开始 图 34 给出了单个神经细胞的示意图, 其输入组织是多个树突 (dendrites), 细胞核 (nucleus) 完成行为判断智慧, 通过输出组织轴突 (axon) 将神经脉冲信号传递给下个神经元 图 35 给出了单个神经细胞的数学模型示意图, 将海量的神经细胞模型连接起来, 便可以建立其一个神经网络模型 图 34 单个神经细胞示意图 图 35 单个神经细胞数学模型示意图 进入细胞体的神经脉冲 上个神经元轴突 树突 轴突分支 细胞核 轴突 轴突末端 输出轴突 细胞体 离开细胞体的神经脉冲 细胞体 激活函数 资料来源 : 雷锋网, 海通证券研究所整理 资料来源 : 雷锋网, 海通证券研究所整理 直白的说, 深度学习建立神经网络模型的目的是模拟人脑对信息的处理过程 图 36 给出了人类大脑中视觉皮层的工作流程 : 视网膜感知到外部图像数据后, 通过背外侧膝状体核 (Lateral Geniculate Nucleus,LGN) 的二次处理, 传递给视觉皮层 在视频皮层中,V1 区主要负责处理简单视觉信息,V2 区主要处理图形和客体轮廓,V3 区主要负责对侧视野的运动加工,V4 区是人脑颜色处理的中心,MT(V5) 区负责加工处理复杂的视觉运动刺激 V1-V2-V3-MT 这条通路主要解决空间识别问题, 即 where, V1-V2-V4- 下颞叶通路主要解决内容识别问题, 即 what 图 36 人类大脑视觉皮层工作示意图 资料来源 : 知乎日报, 海通证券研究所整理 总结来说, 信息在人类大脑视觉皮层中的传递沿低级区域至高级区域 低级区域主要负责识别图像中的局部特征, 而高级区域则将多种低级特征组合为全局特征, 提取出抽象信息 以上对数据的处理流程无疑是深度学习算法进行图像识别时学习的重点 如图 37 所示, 对于作为数据输入的人脸图片, 深度神经网络 (Deep Neural Network,DNN)

29 29 首先使用第一层网络总结出图片的边缘结构, 然后使用第二层网络进一步归纳出局部特征 ( 如眼睛 嘴巴 鼻子等 ), 最后使用第三层网络将局部特征进行组合得到人脸特征模型 图 37 应用深度学习神经网络的人脸识别过程 资料来源 :Amax 官网, 海通证券研究所整理 实际中应用的深度神经网络往往复杂度更高, 为了达到更高的图片识别正确率, 深度神经网络向 大而深 的方向发展 图 38 所示的深度学习神经网络基于 2012 年 ImageNet( 全球最大的图像识别数据库 ) 比赛中夺得冠军的 Alexnet 架构, 由 8 层网络构成, 其中卷积神经网络 (Convolutional Neural Network) 具有 5 层, 同时第 7 层输出维度达到 4096 维 图 38 基于 Alexnet 架构的图片识别深度神经网络 资料来源 :IEEE Computer Society, 海通证券研究所整理

30 30 深度学习神经网络的发展为处理海量安防视频数据提供了强力武器, 视频数据经过处理后, 变成了结构化数据 ( 存储在数据库中, 可以直接表达目标性状 属性和身份的数据 ), 结构化数据最大的优势在于可以进一步使用机器进行处理, 通过特定的数据挖掘算法, 最终得到有意义的情报, 如图 39 所示 图 39 安防智能化以结构化数据为核心 资料来源 : 雷锋网, 海通证券研究所整理 相比传统安防系统产生的视频数据只能通过人工进行分析, 深度学习神经网络的应用无疑是安防行业的一次重大革命 这也再次印证了我们在 小节中提出的观点 : 人工智能使安防产品 智能化 成为可能 3.2 现在即是未来, 人工智能技术在安防企业的应用 海康威视 : 安防行业诞生的人工智能龙头 全球顶级人工智能赛事中屡获大奖, 计算机视觉技术积累跻身世界一流 ImageNet LSVRC(Large Scale Visual Recognition Challenge, 大规模计算机视觉识别挑战赛 ) 是计算机视觉方向的最重要竞赛, 每年都会吸引学术界和工业界的顶尖研究团队参加 2016 年 9 月举行的 ImageNet LSVRC 竞赛设立了目标检测 目标定位 视频中目标物体检测 场景分类和场景分析五个竞赛方向, 海康威视凭借自主研发的深度卷积神经网络获得了场景分类项目的第一名和目标定位项目的第二名 ICDAR(International Conference on Document Analysis and Recognition, 文档分析与识别国际会议 ) 组织的 Robust Reading 是 OCR(Optical Character Recognition, 图像中文字识别 ) 领域全球最具影响力的比赛, 在 2015 年开始的竞赛中, 海康威视基于深度学习技术研发的 OCR 技术获得 基于互联网的数字图像 聚焦场景文本 和 随拍场景文本 三个竞赛项目的第一名 我们认为, 海康威视在全球顶级人工智能竞赛中取得的成果可以进一步应用到车辆检测 车牌识别 人体检测 人体属性分析 人脸识别 以图搜图 视频数据结构化等产品中, 提升公司安防产品的整体竞争力 购买国内首套深度学习超级计算机 NVIDIA DGX-1, 彰显进一步发展人工智能决心 2016 年 7 月, 海康威视和中科曙光签署协议, 购买国内首套 NVIDIA DGX-1 用于视频监控领域的深度学习研究

31 31 图 40 NVIDIA DGX-1 深度学习超级计算机 图 41 NVIDIA DGX-1 硬件配臵示意图 资料来源 :NVIDIA 官网, 海通证券研究所整理 资料来源 :NVIDIA 官网, 海通证券研究所整理 NVIDIA DGX-1 是首款专为深度学习而设计的超级计算机, 具备充分集成的硬件 深度学习软件以及开发工具 它的内部包含 8 颗 NVIDIA 的最新一代 GPU 加速器 Tesla P100, 吞吐量相当于 250 台 x86 服务器, 处理速度相比一年前推出的 NVIDIA Maxwell 解决方案快 12 倍以上 使用 NVIDIA DGX-1 可以支持构建更大更复杂的深度神经网络, 并且大幅缩短研发时长, 海康威视在人工智能领域的野心可见一斑 国内安防行业中率先提出 AI+ 概念, 联合人工智能芯片巨头 NVIDIA 和计算机视觉专业公司 Movidius(2016 年 9 月被 Intel 收购 ) 推出覆盖安防应用前端到后端的新一代人工智能产品 图 42 海康威视在国内安防行业中率先提出 AI+ 概念 资料来源 : 海康威视官网, 海通证券研究所整理 我们认为, 人工智能在安防前端产品 ( 以摄像头为主 ) 中的应用主要目的是通过将运算资源部署至前端, 在视频数据采集阶段实现特征信息提取和事件监测, 提高对视频数据的处理速度, 同时, 大量数据无需通过拥挤的网络传输至数据中心进行处理, 节省了部分硬件资源, 提高了视频数据处理的效率 海康威视推出的人工智能前端系列产品 深眸 符合我们的上述判断 深眸 依托

32 32 强大的多引擎硬件平台, 内嵌专为视频监控场景设计优化的深度学习算法, 具备了精准的安防大数据归纳能力, 可以针对人 车 物的特征和行为进行精确的检测和识别分析 图 43 海康威视人工智能前端产品 : 智能摄像头 深眸 系列 资料来源 : 海康威视官网, 海通证券研究所整理 海康威视和 NVIDIA 联合推出的智能双目摄像机基于 NVIDIA 的 Jetson TX1 平台, 如图 44 所示, 它具有 256 个基于 Maxwell 架构核心的 GPU 以及 64-bit ARM A57 CPU, 支持 4K 视频编解码和 14 亿像素 / 秒的摄像功能, 内存为 4GB LPDDR4, 存储为 16GB emmc, 同时支持 ac Wi-Fi 协议, 体积和信用卡类似, 其最高计算能力可达 1Teraflops, 峰值功耗仅为 10W, 可谓是目前功能最强大的嵌入式深度学习图像处理平台 图 44 NVIDIA Jetson TX1 深度学习图像处理平台 资料来源 :NVIDIA 官网, 海通证券研究所整理 海康威视和计算机视觉专业公司 Movidius 联合发布的全局摄像机则应用了 Movidius Myriad 2 Vision 处理器, 如图 45 和 46 所示 Movidius Myriad 2 Vision 处理器最大的特点是使用了矢量处理器矩阵 (Array of Vector Processors) 作为运算核心, 适用于多核心的层卷积神经网络, 搭配 Movidius 为视频监控优化的深度学习算法, 实现强大的智能应用

33 33 图 45 Movidius Myriad 2 Vision 处理器架构示意图 图 46 海康威视和 Movidius 联合发布的全局摄像机 资料来源 :Movidius 官网, 海通证券研究所整理 资料来源 : 海康威视官网, 海通证券研究所整理 智能交通 神捕 系列产品则涵盖了人工智能在前端产品和后端产品的应用 基于深度学习算法的智能摄像头针对交通应用做了算法优化, 对道路交通参与者的目标特征 行为 事件的检测更加准确, 同时后端服务器产品同样使用了深度学习算法, 对违停 逆行 抛洒物等交通事件进行及时反应和处理 图 47 海康威视人工智能前后端产品 : 智能交通 神捕 系列 资料来源 : 海康威视官网, 海通证券研究所整理 我们认为, 人工智能在后端产品 ( 以存储和服务器为主 ) 上的应用以对视频数据的比对和识别为主 与前端产品不同, 后端产品对软硬件资源的限制较少, 可以通过功能更加强大的硬件平台和算法更加复杂的软件平台的结合, 实现更加精确的识别功能 海康威视推出的人工智能后端系列产品 超脑 和 脸谱 如图 48 和 49 所示 脸谱 系列服务器专为人脸识别应用设计, 利用高密度 GPU 硬件的计算能力, 提供强大的精准识别功能 ; 超脑 则将存储和深度功能集成到一起, 提供了在云存储和云计算平台上实现人工智能的可能性

34 34 图 48 海康威视人工智能后端产品 : 脸谱 服务器 图 49 海康威视人工智能后端产品 : 超脑 NVR 资料来源 : 海康威视官网, 海通证券研究所整理 资料来源 : 海康威视官网, 海通证券研究所整理 人工智能技术为公司外延式扩张提供更大发展空间 除了在安防领域的应用以外, 深度学习技术还可以不断提高机器的智能化水平和自动化水平, 依托在人工智能领域充分的技术积累, 海康威视开拓了工业相机 工业机器人 汽车辅助驾驶 (ADAS) 等外延发展领域 2015 年, 公司推出 阡陌 智能仓储系统 系统由机器人 机器人调度系统和智能仓储管理系统三大核心模块组成, 利用多种调度算法实现智能运维, 可进行多机器人集群协调工作, 通过数据智能分析, 实现多机器人路径规划及机器人交通管理, 提升了大型仓储自动化 信息化及智能化的水平 2016 年 11 月, 海康威视研发的智能泊车机器人在乌镇世界互联网大会上落地, 成为全球首个机器人智能停车应用案例 此外, 海康威视还拥有工业智能相机系列全线产品, 帮助企业持续提升生产自动化水平, 助力 中国制造 大华股份 : 视频 + 战略推动安防产业智能化 视频 + 理念应对安防产业智能化趋势, 成立四大研究院协同创新 面对安防行业的智能化发展, 大华股份的判断是安防行业正在升级为 以视频为核心的物联信息服务 的 视频 + 时代 : 向下要求叠加多维物联感知, 即 视频 + 多维感知 ; 向上要求提供更高的视频数据应用价值, 即 视频 + 多维应用 为执行 视频 + 战略, 大华股份成立了四大研究院协同创新, 如图 50 所示, 人工智能位列其中 图 50 大华股份四大研究院示意图 资料来源 : 大华股份官网, 海通证券研究所整理

35 35 在人脸识别领域应用最为广泛的国际权威标准测试集 LFW(Labeled Faces in the Wild) 测试中, 大华股份的算法 Dahua-FaceImage 通过构建一个上百层的深度神经网络, 以 ± 的正确率在包括 Google Facebook 微软亚洲研究院 百度 腾讯 商汤 Face++ 香港中文大学等顶尖团队的接近 100 个算法中排名第二, 仅次于腾讯优图实验室的 ± 基于 NVIDIA Tesla P4 GPU, 发布人工智能安防后端产品 Deep Sense 睿智 服务器 2017 年 3 月, 大华股份和 NVIDIA 召开 深度见识, 深度合作 产品发布会, 正式发布了一款智能视频结构化服务器 Deep Sense 睿智 图 51 大华股份 Deep Sense 睿智 服务器 图 52 NVIDIA Tesla P4 GPU 资料来源 : 大华股份官网, 海通证券研究所整理 资料来源 :NVIDIA 官网, 海通证券研究所整理 Deep Sense 睿智 服务器采用 NVIDIA Tesla P4 GPU 作为计算核心 服务器最多可支持 192 路全清视频实时结构化分析, 将视频处理能力提高 50 倍以上 宇视科技 : 聚焦机器视觉, 布局深度智能 国内排名第三的安防视频监控厂商宇视科技同样将机器视觉作为未来的战略发展方向, 如图 53 所示, 宇视科技强调通过深度神经网络加速芯片 GPU 和深度神经网络算法的融合, 实现视频数据结构化, 推动安防产业向深度智能发展 图 53 宇视科技发展战略 : 安防与机器视觉 资料来源 : 宇视科技官网, 海通证券研究所整理 在具体的安防产品方面, 宇视科技在前端和后端均进行了布局 前端产品方面, 宇视科技同样选择了 Movidius 的 Myriad 2 Vision 平台, 发布了全系中高端摄像机 卡口抓拍机和智慧棒产品 后端产品方面, 宇视科技基于 NVIDIA 的 Jetson TX1 处理器, 发

36 36 布了大容量分布式的云结构化智能分析服务器 昆仑, 如图 54 所示 昆仑 包含 80 颗 Jetson TX1 处理器, 可以并发处理 640 张 / 秒的人脸识别 160 路人员计数和 80 路人车物的结构化分析, 目前, 昆仑 已经在广州火车站 鄂尔多斯 国际防治荒漠化缔约国大会 等多个场景实际应用 图 54 宇视科技结构化智能分析服务器 昆仑 资料来源 : 宇视科技官网, 海通证券研究所整理 总结 : 人工智能 + 安防 风口已成, 行业巨头享受数据红利 从国内前三大安防视频监控企业对人工智能领域的布局来看, 安防行业对于以计算机视觉为代表的人工智能技术的应用已经有了高度一致的方向 以 GPU 为代表的硬件加速平台和深度神经网络算法的融合形成的视频数据处理能力已经达到商用标准, 可以广泛应用到安防前端 后端产品中 当前的科技界对于人工智能技术的未来普遍持乐观态度, 认为人工智能将在各个领域产生深刻的影响, 但是, 没有一个细分领域像安防行业这样对人工智能技术如此渴望, 同时, 也没有一个细分领域像安防行业这样适合人工智能技术的落地 渴望, 是由于海量视频数据等待消化和处理, 适合, 同样是由于海量视频数据有利于深度学习神经网络的训练 人工智能技术在安防行业的落地有两大基础 : 左手芯片, 右手算法 芯片方面由于研发周期长, 研发投入高, 风险巨大, 安防企业难以短时间内进行切入, 因此目前大多选用 NVIDIA 或 Movidius 的处理器平台, 算法方面, 深度学习神经网络的处理速度和精确度极大依赖于海量数据的训练, 这一点对于深耕产业多年 拥有海量原始数据的安防巨头们来说无疑是个巨大的优势 因此, 我们看好以海康威视 大华股份为代表的行业龙头企业凭借数据红利, 在人工智能带来的新机遇面前占得先机 3.3 H.265 标准推动安防高清进程, 满足智能化基础需求 H.265 标准是国际电信联盟电信标准分局 (ITU-T) 视频编码专家组 (Video Coding Experts Group,VCEG) 制定的最新视频编码标准, 于 2013 年正式发布 H.265 在 H.264 的基础上, 重点关注对码流 编码质量 延时和算法复杂度等方面的性能优化 对于编解码标准的用户来说, 最直观的感受是传输码率的下降 表 9 总结了在每秒 24 帧的情况下,D1 和 720P 两种低分辨率图像使用不同编码标准的码率情况, 从结果可以看除, 使用 H.265 编码标准后, 码率相比使用 H.264 标准可以降低 34% 至 38%,720P 图像的传输速率可以降低至 1.5Mbps 以内

37 37 表 9 低分辨率下 H.265 和 H.264 编码能力对比 图像大小 帧数 场景 视频质量 ( 峰值信噪比 ) H.264 码率 (Kbps) H.265 码率 (Kbps) 码率降低比率 简单 % D1-24fps 风景 % 运动 % 简单 % 720P-24fps 风景 % 资料来源 : 中安网, 海通证券研究所整理 运动 % 图 55 给出了高分辨率情况下 H.265 标准和 H.264 标准的码率对比, 在理想情况下, H.265 码率相比 H.264 可以节省 50% 左右 图 55 高分辨率情况下 H.265 和 H.264 码率对比 资料来源 : 海康威视官网, 海通证券研究所整理 H.265 标准提高编码效率的核心在于对编码块的灵活划分 如图 56 所示,H.264 在编码时采用固定的 16x16 的宏块, 随着分辨率的提高, 单个宏块中含有的信息逐渐减少, 压缩效率逐渐下降 H.265 则采用 8x8 到 64x64 多样灵活的宏块划分方式, 如图 57 所示, 针对像天空这样信息量较少的区域, 使用较大的宏块, 针对像楼宇这样信息量较大的区域, 使用较小的宏块, 通过这样的方式避免了大量冗余重复编码的出现, 大大提高了编码效率 图 56 H.264 标准编码分块示意图 图 57 H.265 标准编码分块示意图 资料来源 : 海康威视官网, 海通证券研究所整理 资料来源 : 海康威视官网, 海通证券研究所整理

38 38 H.265 标准将推动安防前端产品的高清化, 高清化又是智能化的重要需求 高清前端摄像机是实现更准确的视频图像识别的基础, 如果前端采集的图像质量过低, 即使后端识别使用强大的深度学习神经网络算法也无济于事 但是, 使用 H.264 标准的 1080P 视频图像需要占用 4M 左右的带宽, 给传输端和存储端均带来了较大的压力, 而在应用 H.265 标准后, 带宽可降到 2M 以内, 可以显著降低安防存储系统的成本, 推动系统升级 近年来, 高清摄像机从 720P(1280x720) 向 1080P(1920x1080) 发展, 并且逐渐出现了 4K(3840x2160) 产品, 如图 58 所示 更高分辨率的摄像机可以做到在不改变焦距和角度的情况下, 对目标区域进行全天候 全场景的监控, 同时由于监控画面含有更加丰富的细节, 因此只需一台摄像机便可以满足用户的需求, 节省监控系统的投资成本 图 58 视频高清化发展路线示意图 资料来源 : 搜狐科技频道, 海通证券研究所整理 4K 超高清技术完美适合 大场景 + 小细节 的应用环境 比如图 59 所示的 Sony 新推出的 4K 高清摄像头, 装臵在广场高空后, 不仅可以总览整个广场全局, 还能够辨识局部细节, 甚至可以完成人脸识别功能 图 59 Sony 推出的 4K 高清摄像头产品应用示意图 资料来源 :Sony 官网, 海通证券研究所整理 目前, 海思 安霸 (Ambarella) 等安防芯片厂商推出的支持 H.265 标准的主控芯

39 39 片在技术上已经相对成熟, 随着安防产品智能化对高清视频数据的需求爆发,H.265 将逐渐告别雷声大雨点小的发展初期, 进入高速增长的普及阶段, 成为未来十年内安防领域的主流编解码方案 4. 安防监控产业链分析 4.1 安防监控产业链概貌及上市公司梳理 安防视频监控行业属于安防行业的细分领域, 曾经的产业链包括零组件供应商 视频监控设备生产商 销售渠道商 工程商, 最终达到终端用户, 随着产业的发展, 视频监控设备生产商凭借技术和市场两方面的飞速进步, 进化为解决方案提供商, 话语权明显提高, 并对产业链进行了纵向一体化整合, 成为整个产业链条上最核心的一环, 并诞生了海康威视和大华股份这样的行业巨头 在图 60 中我们给出了目前安防监控产业链的示意图, 并梳理了各个环节的主要企业 需要注意的是, 随着人工智能技术在安防监控领域的普及应用, 人工智能处理器芯片将成为产业链中新加入的核心零组件, 同时国内诞生的多家机器视觉方向的人工智能算法公司不约而同的将安防作为重点落地方向, 我们预测在未来他们会以多种方式和安防设备商进行合作, 融入到整个产业链中 当然, 传感器芯片 编解码芯片和存储硬盘依然是安防设备的最核心零组件, 也是目前安防设备最主要的成本去向 图 60 全球安防监控产业链主要企业 核心零组件供应商 设备 / 解决方案提供商 终端用户 传感器芯片 公安 交通 主控芯片 存储硬盘 人工智能芯片 智能楼宇金融能源司法 文教卫 深度学习算法 资料来源 : 海通证券研究所整理 在表 10 中, 我们梳理了目前 A 股上市公司中在安防监控领域主要的上市公司以及他们的主营业务

40 40 表 10 国内安防视频监控行业上市公司梳理 公司名称主营业务 2016 年营收 ( 亿元 ) 以视频为核心的物联网解决方案和数据运营服务提供商, 面向全球提供海康威视安防 可视化管理与大数据服务 领先的监控产品供应商和解决方案服务商, 面向全球提供领先的视频存大华股份储 前端 显示控制和智能交通等系列化产品 公司是中国领先的数字视频厂商, 专注于视频处理核心技术的持续研发, 为行业用户 运营商和企业用户提供全面的视频监控应用解决方案和高东方网力品质视频存储产品, 并通过领先的视频中间件技术, 为城市反恐应急 物联网 数字城市 移动互联网提供视频应用支撑 公司是全球领先的电子安防整体解决方案及产品提供商, 一直专注于视频监控和智能技术的研发与创新, 产品涵盖全系列视频监控设备, 包括摄像机 快球 高速云台 视频矩阵 IP 视频系统 光端机和门禁控制英飞拓系统, 以及多个行业解决方案, 包括智慧城市解决方案, 智慧交通解决方案, 智慧建筑解决方案和智慧工业解决方案等, 产品为全球众多公共设施 交通运输 政府部门 教育机构及其它商业和工业设施提供了至关重要的安全防护 公司是国内领先的安防产品及行业解决方案提供商, 一直专注于数字视汉邦高科频监控领域的产品和技术研发, 在提供产品和技术支持的同时提供行业系统整体解决方案, 成功为多个行业提供了系统实施和服务支持 公司是领先的视讯与安防产品及解决方案提供商, 致力于以视频会议 苏州科达视频监控以及丰富的视频应用解决方案帮助各类政府及企业客户提升沟通与管理效率 专注于智能化技术和产品的研发, 并广泛应用于智能交通 智能安防等佳都科技智慧城市各个领域 公司是一家集研发 生产 销售 服务于一体的视频监控专业制造商及同为股份行业整体解决方案专业提供商 公司专注于社区安防领域, 是一家集研发 系统方案设计 生产 销售 安居宝服务为一体的高科技企业, 主要产品为楼宇对讲 报警及智能家居产品 公司致力于为高速公路 城市交通和平安城市等领域提供视频监控整体解决方案, 具有自主知识产权的专业通信网络产品在高速公路 平安城中威电子市 智能交通 公安 金融 水利 石油 电力 军队 煤矿 广播电视等众多领域得到广泛的应用 资料来源 :Wind, 海通证券研究所整理 (E) 34.4(E) 安防视频监控行业核心零组件 -- 图像传感器芯片 安防视频监控行业主要使用的图像传感器有 CCD(Charge-Coupled Device) 和 CMOS(Complementary Metal Oxide Semiconductor) 两种, 二者的结构如图 61 和 62 所示 图 61 CCD 图像传感器结构示意图 图 62 CMOS 图像传感器结构示意图 资料来源 :IEEE, 海通证券研究所整理 资料来源 :IEEE, 海通证券研究所整理 比较二者结构可见, 两类图像传感器均利用光电二极管将感应到的光信号转换为电信号, 主要的区别在于信息的读取方式,CCD 图像传感器以行为单位将每一个像素的电

41 41 荷信号依次传递, 输出至放大器进行信号放大, 最终经 ADC(Analog-Digital Converter, 模数转换器 ) 采样后进行输出, 整个过程需要在时钟电路的控制下进行, 读取速度较慢 ; CMOS 图像传感器则将每个像素点产生的电荷信号直接送至 ADC 进行转换, 因此读取速度较快 图 63 给出了市场调研机构 IHS 给出的 2013 至 2018 年中国视频监控图像传感器市场出货量示意图, 可以看到近年来标清产品市场份额逐渐下降, 高清化趋势明显, 整个图像传感器市场的复合增长率达到 17.8% 图 至 2018 年中国视频监控图像传感器市场出货量 单位 : 百万台 E 2018E 标清 高清 资料来源 :IHS, 海通证券研究所整理 CMOS 图像传感器制作工艺简单, 并且易于集成, 可以有效降低成本, 并且功耗更低, 读取速度更快, 有助于实现更高的像素, 符合视频监控向数字高清化发展的趋势, 因此近年来发展速度较快 目前, 高端市场主要被 Sony 和 Omnivision( 豪威 ) 所掌控, 根据市场调研机构 IHS 的数据,2015 年,Sony 在全球 CMOS 图像传感器市场的占有率达到 40%,Omnivision 则为 16% 左右,2016 年 2 月, 华创资本等组成的买方团以 19 亿美元的价格成功将 Omnivision 私有化 中低端厂商主要有美国的 On Semiconductor( 安森美 ) 和中国的格科微等厂商, 这些厂商同时也是消费类电子产品的主要供货商, 另外, 思比科和紫光展锐旗下锐迪科也进入了低端市场 CCD 图像传感器的优势在于噪声性能更好, 成像质量较高, 具有全局曝光 高速物体不变形 夜间环境易于补光等特点, 因此在对图像质量要求较高的领域仍有较多应用, 如智能交通领域的电警 卡口设备等 CCD 图像传感器主要被日本企业所垄断, 主要供应商为索尼 飞利浦和柯达等 但是, 由于 CCD 技术上难以做到 500 万像素以上, 并且随着 CMOS 图像传感器在噪声性能上的逐步提升,CCD 方向的研发逐渐被厂商放弃, 如索尼已宣布 2017 年 3 月起停产 CCD 传感器生产线 4.3 安防视频监控行业核心零组件 -- 主控芯片 安防视频监控的主控芯片主要包括 IPC(IP Camera, 网络摄像机 ) 和 DVR(Digital Video Recorder, 数字录像机 ) 产品, 分别对应前端和后端, 以 SoC(System-on-Chip) 的形式为主 IPC 主控芯片通常包括嵌入式处理器模块 ISP(Image Signal Processing, 图像信号处理 ) 模块 视频编码模块和网络接口模块,ISP 模块用来对图像传感器采集到的原始数据进行底噪消除 畸变矫正和色度变换等处理, 然后送至视频编码模块根据相关标准 (H.264/H.265) 进行编码, 具体的系统框图如图 64 所示 IPC 主控芯片处理完毕的数据经过传输层后到达后端 NVR, 对数据进行接收 处理 存储等操作,NVR 主控芯片和 IPC 的结构大致相同, 但通常会额外集成嵌入式图像处理

42 42 器 GPU, 以增强多媒体处理能力, 具体的系统框图如图 65 所示 图 64 典型的 IPC SoC 架构示意图 图 65 典型的 NVR SoC 架构示意图 资料来源 : 富瀚微招股说明书, 海通证券研究所整理 资料来源 : 富瀚微招股说明书, 海通证券研究所整理 市场规模方面, 由于 IPC 主控芯片需要搭配图像传感器芯片进行工作, 因此出货量与图 63 中数据一致,NVR 主控芯片的市场变化情况如图 66 所示, 数据来源为市场调研机构 IHS, 由图中可见 NVR 市场整体规模增长较为平缓, 但同样出现明显的高清化趋势, 并且高清产品出货量仍和标清产品有一定差距, 存在较大的升级空间 图 至 2018 年中国视频监控 NVR 市场出货量 单位 : 百万台 E 2018E 标清 高清 资料来源 :IHS, 海通证券研究所整理 目前, 市场上的主要安防监控主控芯片厂商有海思 Ambarrela( 安霸 ) 和德州仪器 (TI) 三家, 其中海思占据了大部分的市场份额, 安霸位居其后, 老牌巨头 TI 逐渐退出市场竞争, 根据市场调研机构 IHS 在 2014 年的统计数据, 海思在 IPC 和 DVR 市场均占据了 60% 到 80% 的市场份额, 可谓一家独大 近年来, 台湾升迈 (Grain Media) 富瀚微 国科微电子等厂商也开始切入这个市场, 但暂时无法对海思产生威胁 4.4 安防视频监控行业核心零组件 -- 存储硬盘 存储硬盘是视频监控行业的核心零组件, 中安网的数据显示, 在传统的 DVR/NVR 解决方案中, 存储设备占整个视频监控系统的成本大致为 15% 至 30%, 而在数字网络高清视频监控系统中, 存储设备的成本占比则上升到 50% 至 70% 由于存储信息量巨大, 数据重要性较高, 因此对硬盘的性能要求极高, 通常来说,

43 43 监控专用硬盘所必需的性能有 : 大存储容量 高可靠性和优异的功耗性能 目前, 安防监控存储市场主要被希捷 (Seagate) 和西部数据 (Western Digital) 两大寡头占据, 规模优势明显, 其他企业难以切入 4.5 安防视频监控行业核心零组件 -- 人工智能芯片 在安防视频监控行业中, 人工智能芯片的应用主要是为了配合深度学习神经网络算法, 提高视频数据的处理能力 由于深度学习神经网络算法通常要在 CPU 中运行, 因此人工智能芯片更确切的说应该是 深度学习加速器 根据加速器实现方式的不同, 目前主要的解决方案有 CPU+GPU CPU+ASIC 和 CPU+FPGA 三种 首先来看 GPU 方案 GPU 相对 CPU 更适合深度学习神经网络算法由其天生的架构决定, 如图 67 所示,CPU 的架构设计主要针对指令的顺序串行处理, 而 GPU 的架构则包含多个计算核心, 适合进行大规模并行计算 目前, 深度学习神经网络算法中需要经常用到大量的并行矩阵运算, 因此 GPU 具有更高的运算效率, 相比 CPU 可以实现接近 10 倍的加速效果 图 67 CPU 和 GPU 的架构示意图 资料来源 :NVIDIA 官网, 海通证券研究所整理 目前全球主要的 GPU 厂商是 NVIDIA 和 AMD( 收购 ATI), 而在深度学习领域的应用方面,NVIDIA 的优势明显, 是当之无愧的全球人工智能领导者, 根据其官方数据, 从 2014 年到 2016 年, 使用 NVIDIA 产品进行深度学习开发的机构由 1549 家增长为 家, 而 2016 年第四季度的财报显示,NVIDIA 的数据中心业务营收飙涨 138%, 带动整体营收同比增长 55% 至 21.7 亿美元, 调整后 EPS 同比增长 117% 至 1.13 美元 表 11 整理了 NVIDIA 的深度学习主要产品 表 11 NVIDIA 主要的深度学习产品 NVIDIA DGX-1 TESLA P100 TESLA M40 TESLA M4 TESLA K80 GEFORCE GTX TITAN X 资料来源 : 中安网, 海通证券研究所整理 世界上首台专为深度学习和人工智能加速分析而打造的系统, 实现了与硬件 深度学习软件和开发工具的全面集成, 性能相当于 250 台传统服务器 更为先进的深度学习训练加速器 速度更快的深度学习训练加速器 专为大规模服务器打造的一款加速器 功能齐全的高性能计算加速器 在台式 PC 上进行深度神经网络训练速度更快的加速器 其次再看 ASIC 方案,ASIC 的全称是 Application Specific Integrated Circuit, 即专用集成电路, 顾名思义, 既然是 专用, 那么自然可以针对具体的应用做出极具效率的优化, 理论上应该是实现深度学习加速的最佳方案 但是,ASIC 的技术门槛高, 开发时间长, 需要高昂的流片费用 (16nm 工艺可达千万美金级别 ), 而且一旦生产便无法进行修改, 风险较大, 因此选择这种方案的企业需要有强大的技术和资金力量作为支撑

44 44 目前,ASIC 用于深度学习加速最典型的例子是谷歌的 TPU(Tensor Processing Unit), 它也是大名鼎鼎的 AlphaGo 真正的大脑, 在 2017 年 4 月谷歌公开的一篇论文中, 对 TPU 的细节做出了具体说明 图 68 谷歌 TPU 内部结构示意图 资料来源 : 半导体行业观察, 海通证券研究所整理 谷歌 TPU 的关键模块是右侧中部的矩阵乘法单元 (Matrix Multiply Unit), 其内部数据流如图 69 所示 这个模块完全根据深度学习神经网络中矩阵乘法的特点进行设计, 对数据的读取 缓存和运算均进行了优化, 因此具有更高的效率 图 69 谷歌 TPU 矩阵乘法单元数据流示意图 资料来源 : 半导体行业观察, 海通证券研究所整理 基于上述优化, 谷歌 TPU 表现最为亮眼的性能指标为 性能功耗比, 它反映了在相同功耗下处理器的计算能力 在谷歌论文中, 主要的对比对象为 NVIDIA 的上一代 GPU K80, 实验数据显示,TPU 的性能功耗比是 K80 的 25 倍到 29 倍, 而即便是和 NVIDIA 最新一代的 GPU 加速器 P40 相比,TPU 也不落下风, 性能功耗比约为 P40 的 1.5 倍 目前, 使用 ASIC 方案进行深度学习加速器开发的企业还有 Intel 旗下的 Movidius, 他们的 Myriad 2 Vision 处理器我们在 3.2 小节中已经进行了介绍 此外, 中科院计算所的 寒武纪 芯片也是 ASIC 方案的典型代表 最后一种方案是 FPGA(Field Programmable Gate Array, 现场可编程门阵列 ),

45 45 FPGA 的优势在于灵活性, 其内部拥有大量基本的门级逻辑电路和存储电路, 用户可以通过不同配臵文件的烧录改变 FPGA 的功能, 并且这种烧录过程可以重复 相比 ASIC 方案,FPGA 方案的研发周期短 容错性强 成本低 ( 省去了流片费用, 但最终产品的成本是更高的 ), 因此适合对性能要求不高, 并且不具备 ASIC 研发实力的企业 根据市场调研机构 IHS 的数据, 全球的 FPGA 市场目前 90% 以上的市场份额被 Xilinx 和 Altera 所占有, 其中 Altera 已于 2015 年 6 月以 167 亿美元价格被 Intel 收购 目前利用 FPGA 平台做深度学习加速器芯片的厂商主要有中国的地平线科技和深鉴科技 表 12 对目前主要的深度学习加速器芯片企业做了总结 表 12 全球主要的深度学习加速器芯片企业整理 企业名称芯片方案主要特点 NVIDIA GPU 产品线丰富, 占据绝大部分市场份额 Intel ASIC(Movidius,Nervana) FPGA(Altera) 在人工智能芯片领域投入巨大, 完成多项收购 Google ASIC(TPU) 在性能和功耗的平衡方面取得较好效果, 芯片暂时以自用为主 寒武纪科技 ASIC 目标高远, 挑战处理器芯片最核心技术 地平线科技 FPGA 拥有世界一流的算法团队, 提供算法 + 芯片解决方案 深鉴科技 FPGA 核心产品重点布局无人机和服务器, 终端 云端全覆盖 资料来源 : 海通证券研究所整理 最后回到深度学习加速器在安防监控领域的应用, 如我们在 3.2 小节中所述, 安防监控领域的人工智能芯片的介入位臵有前端和后端两种情况 人工智能在安防前端产品 ( 以摄像头为主 ) 中的应用主要目的是数据采集阶段实现特征信息提取和事件监测, 人工智能在安防后端产品 ( 以存储和服务器为主 ) 上的应用主要目的是视频数据的比对和识别 根据不同的产品特点, 需要选择更加适合的深度学习加速器结构, 核心思想是要在计算能力和功耗方面满足应用需求 4.6 安防视频监控行业核心零组件 -- 深度学习算法 伴随着人工智能技术的飞速发展, 国内诞生了一批将深度学习和机器视觉作为商业方向的创业型公司, 他们的团队普遍较为年轻, 极具活力和创新精神, 在算法领域有较深的理解和技术积累 我们认为, 人工智能在安防领域落地的关键在于算法和数据, 因此未来传统安防企业和新生代算法企业将会以多种方式进行合作 图 70 旷视科技人脸识别 天眼系统 料来源 : 旷视科技官网, 海通证券研究所整理

46 46 旷视科技 (Megvii) 成立于 2011 年, 研究方向专注于机器视觉和人工智能, 目标是打造领先的人脸识别 图像识别和深度学习技术服务云平台 旷视科技致力于 先让机器看懂世界, 再让机器真正思考 融资情况方面, 根据公开信息, 旷视科技于 2013 年获得创新工场百万美元 A 轮投资 ;2014 年 11 月, 获得包括启明创投 创新工场在内的 2200 万美元 B 轮投资 ;2015 年完成 B 轮 4700 万美元融资 ;2016 年 12 月, 旷视科技对外宣布获得建银国际和富士康集团领投的 C 轮亿元美元融资 云从科技 (CloudWalk) 是一家专注于人脸识别的高科技公司, 主要产品有人脸识别通关机 智能摄像机 大规模动态人群监控系统 金融一体化远程认证服务等产品, 其人脸识别系统已经在金融行业得到了大规模应用, 并将安防行业作为未来的重点突破方向 2015 年 4 月,A 股上市公司佳都科技与关联方新余卓安投资管理中心共同出资 5000 万元, 投资广州云从信息科技有限公司 投资完成后佳都科技及卓安投资占云从公司 27% 的股权 2017 年 2 月, 发改委颁布了 2017 互联网 + 重大工程拟支持项目名单, 人工智能平台仅有四家公司入围, 分别是百度, 腾讯, 科大讯飞和云从科技 2016 年 12 月, 云从科技完成 A 轮融资, 但具体信息没有公开披露 商汤科技 (SenseTime) 是一家致力于引领人工智能核心 深度学习 技术突破, 构建人工智能 大数据分析行业解决方案的高科技公司 金融 移动互联网和安防监控是其业务上的主攻方向 2015 年 7 月,A 股上市公司东方网力和商汤科技签署战略性合作协议, 以设立合资公司的方式进行合作 北京商汤拟以其拥有的人群智能分析 人体 Re-ID( 检索 ) 两项自有技术作价出资, 东方网力出资总额为 5000 万元 东方网力将通过其营销渠道协助合资公司进行销售人群分析, 人体 Re-ID( 检索 ) 人脸识别 模糊图像处理等软硬件产品 2017 年 4 月, 在拉斯维加斯举行的美国规模最大的安防展上, 商汤科技和 NVIDIA 共同展示了基于 NVIDIA Jetson TX1 平台的 SenseFace-TX1/TX2 系统, 可以实现在千路级视频监控系统中进行多角度人脸捕捉及实时人脸识别, 实现及时有效的智能预警 图 71 商汤科技和 NVIDIA 共同开发的 SenseFace-TX1/TX2 系统 料来源 : 搜狐新闻, 海通证券研究所整理 在同一展会上, 海思和安霸还同时展出了分别基于 Hi3519 和 S3LM 芯片且集成了商汤 SenseEmbed 解决方案的嵌入式终端产品, 为安防前端摄像头提供提供毫秒级的实时人脸检测跟踪 识别比对和属性分析能力 2016 年 12 月, 商汤科技宣布完成 1.2 亿美元新一轮融资, 本轮由鼎晖投资, 万达集团 IDG 资本 StarVC 等投资方共同参与 除这三家公司之外, 国内还有格灵深瞳 依图科技 深醒科技等计算机视觉初创公

47 47 司, 值得注意的是, 他们不约而同的将安防作为近年来发展的重点领域, 这也再次证明了我们的判断 : 安防将是人工智能最快落地的领域,AI+ 安防未来将拥有巨大的潜力 5. 投资策略 安防视频监控行业的发展过程中有两次大的革命 : 第一次革命是 2008 年至 2012 年, 企业由设备供应商向完整的解决方案提供商的转变, 在这次革命中, 产生了海康威视和大华股份两家行业龙头企业, 通过横向和纵向的一体化整合, 使自身同时具备了硬件设备和软件平台的研发能力, 并利用规模优势和品牌效应迅速建立起了足够深的护城河 ; 第二次革命主要由需求端驱动的, 其核心是用户对辅助决策信息的需求日渐增加, 而辅助信息的生成依赖于对视频数据的处理, 传统技术在海量数据面前束手无策, 直到以深度学习神经网络为代表的人工智能技术的出现, 加上云存储和云计算技术的日渐成熟, 使得安防 智能平台化 真正有了成为现实的可能性, 安防企业也将向服务提供商和平台运营商转型, 获得更大的成长空间 我们认为, 由于以视频技术为核心的安防行业拥有海量数据来源和丰富的数据层次, 可以充分满足人工智能对于算法模型训练的要求, 同时安防行业要求事前预防 事中响应 事后追查, 其本质诉求与人工智能的技术逻辑完全吻合, 因此我们判断安防将是人工智能最早落地的领域, 人工智能技术将为安防监控领域带来一场 智能平台化 革命 从市场角度看,2016 年国内安防产品市场规模约 1900 亿元, 其中视频监控市场规模约 962 亿, 而根据 IHS 的数据,2019 年全球安防监控市场规模将达到 亿美元, 市场空间足够大 国内 智慧城市 建设的不断深入和海外 一带一路 政策的实施也将为安防行业的发展提供新的动力, 而 PPP 模式则将为企业和政府的合作提供新的思路, 有望实现双赢 主要的投资逻辑有两方面 首先, 我们认为安防监控行业集中度将不断提高, 推荐行业龙头海康威视 (002415) 大华股份 (002236) 我们的判断基于以下分析 : 根据 IHS 数据, 海康和大华占据全球视频监控领域的前两名, 但全球营收占比分别只有 19.6% 和 7.5%, 说明市场整体仍然较为分散, 龙头企业仍有较大成长空间 行业竞争加剧, 整体毛利率下滑, 中小企业经营风险加大, 财务数据出现剧烈波动, 营收规模和行业龙头的差距不断扩大 在人工智能领域提早布局, 手握海量数据资源, 引导 智能平台化 趋势 海康威视业内最早提出 AI+ 发展战略, 并和 NVIDIA 和 Movidius 合作推出从前端到后端的系列人工智能产品 ; 大华股份的 视频 + 战略同样将人工智能作为发展重点, 联合 NVIDIA 发布后端服务器产品 两家公司在深度学习算法上均有相当积累, 并在数据资源上占据绝对优势 PPP 模式前期对资金需求较高, 对企业的融资能力提出较高要求, 巨头企业竞争优势明显 在海外市场成功建设自主品牌, 扩大全球影响力, 海外业务持续快速增长, 未来在 一带一路 战略中有望扮演更重要角色 其次, 关注人工智能技术推动安防产业革命的大趋势下的弯道超车机会, 推荐东方网力 (300367) 公司在人工智能领域持续积极布局 2015 年 7 月, 东方网力与商汤科技签署战略性合作协议, 通过设计合资公司的方式进行合作 2017 年 4 月, 东方网力公告称公司同北京万象智能研究院有限公司 ( 格灵深瞳创始人赵勇和东方网力首席科学家吴惟心拟

48 48 设立 ) 京山轻机和汤臣倍健拟合资设立万象科云, 主要发展安防 医疗 工业机器人 无人驾驶等行业和业务中拥有相关先进算法技术和核心产品, 并围绕人工智能产业开展相关孵化投资 自研产品方面, 东方网力 视云实战平台 覆盖公安 事前 事中 事后 业务流程, 深网视界 人脸识别系统 满足公共安全对人脸识别应用需求, 在 2016 年北京安博会上双双获得优秀创新产品特等奖 我们预计视频大数据下的安防新需求将带动公司未来业绩持续高增长 此外, 我们推荐关注安防监控产业链中核心零组件供应商 深度学习加速器芯片商方面, 我们推荐在安防领域已得到广泛应用的 NVIDIA(NASDAQ:NVDA) 和 Intel (NASDAQ:INTC), 非上市公司建议关注国内的地平线科技 寒武纪科技和深鉴科技 ; 安防监控主控芯片厂商方面, 建议关注富瀚微 (300613) 和安霸 (NASDAQ:AMBA); 图像传感器芯片厂商方面, 建议关注潜在 A 股上市公司 Omnivision; 深度学习神经网络算法方面, 建议关注旷视科技 云从科技和商汤科技, 尤其是和国内安防企业的多形式合作 6. 风险提示 人工智能技术发展不及预期

49 信息披露 分析师声明 [Table_Analysts] 陈平电子行业 行业研究 电子元器件行业 49 本人具有中国证券业协会授予的证券投资咨询执业资格, 以勤勉的职业态度, 独立 客观地出具本报告 本报告所采用的数据和信息均来自市场公开信息, 本人不保证该等信息的准确性或完整性 分析逻辑基于作者的职业理解, 清晰准确地反映了作者的研究观点, 结论不受任何第三方的授意或影响, 特此声明 分析师负责的股票研究范围 [Table_Reports] 重点研究上市公司 : 力源信息, 通富微电, 歌尔股份, 沪电股份, 精测电子, 中颖电子, 利亚德, 四维图新, 苏奥传感, 万润股份, 欧菲光, 鸿利光电, 晶方科技, 科森科技, 扬杰科技, 东旭光电, 鼎龙股份, 劲拓股份, 国光电器, 信维通信, 艾派克, 莱宝高科, 兆易创新, 深科技, 汇顶科技, 德赛电池, 长盈精密, 天喻信息, 保千里, 海康威视 投资评级说明 1. 投资评级的比较标准类别评级说明 投资评级分为股票评级和行业评级买入个股相对大盘涨幅在 15% 以上 ; 以报告发布后的 6 个月内的市场表现为比较标准, 报告发布日后 6 个月内的公司股价 ( 或行业指数 ) 的涨跌幅相对同期的海通综指的涨跌幅为基准 ; 增持个股相对大盘涨幅介于 5% 与 15% 之间 ; 股票投资评级中性个股相对大盘涨幅介于 -5% 与 5% 之间 ; 减持个股相对大盘涨幅介于 -5% 与 -15% 之间 ; 卖出个股相对大盘涨幅低于 -15% 2. 投资建议的评级标准 增持 行业整体回报高于市场整体水平 5% 以上 ; 报告发布日后的 6 个月内的公司股价 ( 或行 行业整体回报介于市场整体水平 -5% 与 5% 业指数 ) 的涨跌幅相对同期的海通综指的涨 行业投资评级 中性 之间 ; 跌幅 减持 行业整体回报低于市场整体水平 5% 以下 法律声明 本报告仅供海通证券股份有限公司 ( 以下简称 本公司 ) 的客户使用 本公司不会因接收人收到本报告而视其为客户 在任何情况下, 本报告中的信息或所表述的意见并不构成对任何人的投资建议 在任何情况下, 本公司不对任何人因使用本报告中的任何内容所引致的任何损失负任何责任 本报告所载的资料 意见及推测仅反映本公司于发布本报告当日的判断, 本报告所指的证券或投资标的的价格 价值及投资收入可能会波动 在不同时期, 本公司可发出与本报告所载资料 意见及推测不一致的报告 市场有风险, 投资需谨慎 本报告所载的信息 材料及结论只提供特定客户作参考, 不构成投资建议, 也没有考虑到个别客户特殊的投资目标 财务状况或需要 客户应考虑本报告中的任何意见或建议是否符合其特定状况 在法律许可的情况下, 海通证券及其所属关联机构可能会持有报告中提到的公司所发行的证券并进行交易, 还可能为这些公司提供投资银行服务或其他服务 本报告仅向特定客户传送, 未经海通证券研究所书面授权, 本研究报告的任何部分均不得以任何方式制作任何形式的拷贝 复印件或复制品, 或再次分发给任何其他人, 或以任何侵犯本公司版权的其他方式使用 所有本报告中使用的商标 服务标记及标记均为本公司的商标 服务标记及标记 如欲引用或转载本文内容, 务必联络海通证券研究所并获得许可, 并需注明出处为海通证券研究所, 且不得对本文进行有悖原意的引用和删改 根据中国证监会核发的经营证券业务许可, 海通证券股份有限公司的经营范围包括证券投资咨询业务

50 50 [Table_PeopleInfo] 海通证券股份有限公司研究所 路颖所长 (021) 高道德副所长 (021) 姜超副所长 (021) 江孔亮副所长 (021) 邓勇所长助理 (021) 荀玉根所长助理 (021) 钟奇所长助理 (021) 宏观经济研究团队姜超 (021) 顾潇啸 (021) 于博 (021) 联系人梁中华 (021) 李金柳 (021) 固定收益研究团队姜超 (021) 周霞 (021) 朱征星 (021) 张卿云 (021) 联系人 姜珮珊 (021) 杜佳 (021) 政策研究团队李明亮 (021) 陈久红 (021) 吴一萍 (021) 朱蕾 (021) 周洪荣 (021) 王旭 (021) 汽车行业邓学 (0755) 联系人谢亚彤 (021) 王猛 (021) 杜威 互联网及传媒钟奇 (021) 郝艳辉 (010) 联系人孙小雯 (021) 强超廷 (021) 毛云聪 (010) 唐宇 刘欣 (010) 金融工程研究团队高道德 (021) 冯佳睿 (021) 郑雅斌 (021) 余浩淼 (021) 袁林青 (021) 罗蕾 (021) 沈泽承 (021) 联系人颜伟 (021) 周一洋 (021) 姚石 (021) 吕丽颖 (021) 史霄安 策略研究团队荀玉根 (021) 钟青 (010) 高上 (021) 联系人申浩 (021) 郑英亮 (021) 李影 姚佩 (021) 唐一杰 石油化工行业邓勇 (021) 联系人朱军军 (021) 毛建平 (021) 殷奇伟 (021) 公用事业张一弛 (021) 联系人赵树理 (021) 张磊 (021) 有色金属行业施毅 (021) 联系人李姝醒 (021) 杨娜 (021) 金融产品研究团队高道德 (021) 倪韵婷 (021) 陈瑶 (021) 唐洋运 (021) 宋家骥 (021) 薛涵 联系人谈鑫 (021) 皮灵 (021) 王毅 (021) 徐燕红 (021) 蔡思圆 (021) 庄梓恺 中小市值团队钮宇鸣 (021) 张宇 (021) 刘宇 (021) 孔维娜 (021) 联系人王鸣阳 (021) 程碧升 (021) 潘莹练 (021) 相姜 (021) 医药行业余文心 (0755) 郑琴 (021) 孙建 (021) 联系人师成平 (010) 贺文斌 (010) 刘浩 批发和零售贸易行业汪立亭 (021) 王晴 (021) 李宏科 联系人史岳 房地产行业涂力磊 (021) 谢盐 (021) 贾亚童 (021) 联系人金晶 杨凡 (021)

51 51 电子行业陈平 (021) 联系人谢磊 (021) 张天闻 尹苓 (021) 基础化工行业刘威 (0755) 刘强 (021) 联系人刘海荣 (021) 非银行金融行业孙婷 (010) 何婷 (021) 联系人夏昌盛 (010) 李芳洲 建筑建材行业邱友锋 (021) 钱佳佳 (021) 冯晨阳 (021) 联系人周俊 建筑工程行业杜市伟 联系人毕春晖 (021) 军工行业徐志国 (010) 刘磊 (010) 蒋俊 (021) 联系人 张恒晅 (010) 家电行业陈子仪 (021) 联系人李阳 朱默辰 煤炭行业吴杰 (021) 李淼 (010) 联系人戴元灿 (021) 计算机行业郑宏达 (021) 谢春生 (021) 联系人黄竞晶 (021) 杨林 (021) 鲁立 洪琳 交通运输行业虞楠 (021) 张杨 (021) 联系人童宇 (021) 机械行业佘炜超 (021) 耿耘 (021) 沈伟杰 (021) 联系人杨震 (021) 农林牧渔行业丁频 (021) 陈雪丽 (021) 陈阳 (010) 联系人关慧 (021) 夏越 (021) 银行行业林媛媛 (0755) 联系人林瑾璐 谭敏沂 造纸轻工行业曾知 (021) 联系人朱悦 (021) 赵洋 电力设备及新能源行业房青 (021) 徐柏乔 (021) 杨帅 (010) 联系人曾彪 (021) 张向伟 (021) 通信行业朱劲松 (010) 联系人庄宇 (010) 纺织服装行业于旭辉 (021) 唐苓 (021) 梁希 (021) 联系人马榕 钢铁行业刘彦奇 (021) 联系人刘璇 (021) 食品饮料行业闻宏伟 (010) 孔梦遥 (010) 成珊 (021) 社会服务行业李铁生 (010) 联系人陈扬扬 (021) 顾熹闽 研究所销售团队 深广地区销售团队蔡铁清 (0755) 欧阳梦楚 (0755) 巩柏含 饶伟 (0755) 辜丽娟 (0755) 刘晶晶 (0755) 伏财勇 (0755) 王雅清 (0755) 上海地区销售团队胡雪梅 (021) 朱健 (021) 马晓男 毛文英 (021) 蒋炯 方烨晨 (021) 季唯佳 (021) 黄诚 (021) 黄毓 (021) 杨祎昕 (021) 漆冠男 (021) 胡宇欣 (021) 慈晓聪 北京地区销售团队殷怡琦 (010) 杨羽莎 (010) 张丽萱 (010) 陆铂锡 吴尹 陈铮茹 张明