技术分析进化到现在的投研体系（川财研究海外川财投研看世界系列之二）

（作者：川财证券研究所海外研究部）

一、世界主要经济体科技与创新投入

1.1 全球科研投入持续大幅增长

美国国家科学基金会(National Science Foundation, 简称NSF) 是美国科学界最高学术机构之一，通过资助基础研究、改进科学教育和增进国际合作等途径促进美国科技发展。从1993年开始，NSF每两年发布一期科学与工程指标报告(Science and Engineering Indicators)，把美国科学、技术和工程发展水平与其他国家进行综合比较。该报告已发布2018年版，统计数据截至2015年。

最新NSF报告显示，全球范围内科研投入（即实际支出）持续大幅增加，各国政府愈发重视科研活动对经济增长的推动作用。2000至2015年的15年间，全球科研经费支出累计增长超过一倍。以当前购买力平价计算，2015年全球研发总投入由2000年和2010年的7,220亿美元和1.415万亿美元增长至1.918万亿美元。按地域划分，研发活动主要集中在北美、欧洲、东亚和东南亚以及南亚地区。按国家划分，美国科研投入最高，中国紧随其后，日本位列第三；美国、中国和日本研发总支出合计约1.9万亿美元，占全球研发支出一半以上。

1.2 美国研发投入全球领先，世界研发投入高度集中

就具体经济体而言，研发投入地理分布高度集中的情况较为明显。排名前15的国家和地区研发投入占全球的85%，其中美国仍然是研发投入最多的国家，其国内研发支出总额为4,970亿美元，占全球总量的26%，在美国GDP中的占比为2.7%。中国位列第二，研发支出4090亿美元，占全球21%的份额，占本国GDP的2.1%。排名第三和第四的分别是日本和德国：日本投入1700亿美元，占全球份额9%，占本国GDP比例为3.3%；德国投入1150亿美元，占全球份额的6%，占比本国GDP2.9%。前15名中其他11个国家或经济体分别是韩国、法国、印度、英国、巴西、俄罗斯、台湾、意大利、加拿大、澳大利亚和西班牙，其研发支出范围在200亿美元到610亿美元之间。

1.3 知识和技术密集型行业(KTI)具有显著竞争力

2015年，知识和技术密集型行业(Knowledge-and Technology-intensive, KTI)在全球经济总量中的贡献率达到了近三分之一（31%），知识技术密集型行业不仅研发投入巨大，其产品和服务也在指引着知识和技术进步的方向。相关领域包括制造业中的飞机和宇宙飞船、计算机设备、通信和半导体、化学品药品、测试测量和控制仪器、机动车和零件、铁路及其他运输设备等细分领域；也包括服务行业中的教育、健康、商业、金融和信息服务等细分领域。

知识和技术密集型(KTI)行业是全球经济的重要组成部分。KTI行业由5个知识密集型服务业、5个高科技制造业和5个中高技术产业组成，在2016年占世界国内生产总值(GDP)的近三分之一。其中，知识密集型商业服务（商业、金融和信息）占GDP的比例最高（15%）。知识密集型公共服务（教育和医疗保健）占9%的份额。中高科技制造业（汽车及零部件、电机、机械设备、化学品，铁路和其它运输设备）是第三大产业（占GDP总量的4%）。高科技制造业 （航空航天、通信和半导体、电脑、药品和测试、测量和控制工具）占全世界GDP总量的2%。

发达国家KTI行业在国民经济中的比重高于发展中国家，一个重要因素是发达国家KTI服务行业的比重较高。即便是发达国家之间，知识技术密集行业的发展水平也存在差异。全球范围内，美国在知识技术密集行业在GDP中占比最高(38%)，处于领先地位，主要因其KTI服务行业的贡献率高，超过发达国家平均水平。英国和日本并列位居第二(36%)，其中英国同样受益于KTI服务行业，而日本主要得益于发达的中高端制造行业。德国排名第三（35%），和日本的情况相似，德国也拥有较高的中高端制造能力。值得注意的是，中国在所有发展中经济体中的KTI份额最大(35%)，其KTI份额与发达国家/经济体水平相当，明显超过其它发展中经济体的KTI水平。

1.4 中国研发投入增长强劲，发达国家增速放缓

中国的研发投入增长速度引人注目，过去15年来一直处于高位，2000-2010年平均增长率为20.5%，2010-2015年平均增长率为13.9%。韩国研发增长率也比较高，2000-2010年平均每年增长10.9%，2010-2015年增长率7.3%。日本相应的研发支出增长速度一直较慢，分别为3.6%和3.9%。东亚、东南亚和南亚（包括中国、日本、韩国、印度和台湾等国家/地区）在2000年占全球研发总额的25%，2015年增长到约40%，成为全球研发投入增长的主要驱动力量和研发活动最密集的地区。

尽管美国和欧盟仍旧是全球研发投入最多的国家/经济体，但其全球占比和年均增速持续显著下滑。美国的研发投入年平均增长率从2000-2010年间的4.3%，降至2010-2015年间的4.0%，美国研发投入占全球研发总投入的比例已由2000年的37%降至2015年的26%。欧盟国家在2000年占全球研发总量的25%，但在2015年下降到20%。增长速度上来看，2000-2010年，欧盟国家的研发总量年平均增长率为5.4%，2010 - 2015年为4.6%；与此对应，德国为5.0%和5.7%，法国为4.4%和3.6%，英国为4.1%和4.2%。

二、主要发达经济体科技发展趋势

2.1 美国：联邦政府战略保障，完善创新生态系统

根据美国国家科学基金会报告，美国目前的研发重心主要集中在以下五个领域：化学制造业（包括制药业）; 计算机和电子产品制造业; 运输设备制造业（包括汽车和航空航天工业）; 信息产业（其中包括软件出版业）; 以及专业、科学和技术服务（其中包括计算机系统设计和科学研发服务行业）。 虽然每个行业的研发绩效总量受总体经济规模和研发需求强度的影响（通常以R&D绩效除以产品总销售额来衡量），这五个行业在国民经济中研发投入的密集程度明显高于其他行业。

美国政府2015年《创新战略》强调联邦政府投资要为创新过程提供基本保障，加强美国创新生态系统的四大基础——基础研究、高质量的STEM教育（科学、技术、工程和数学）、21世纪先进的基础设施和下一代数字基础设施的投资力度。2016年2月，美国政府公布2017财年联邦研发预算为1523亿美元，比2016财年的1461亿美元增加了4.2%。其中，基础研究和应用研究预算共728亿美元，占48%，较之2016财年增加了39亿美元，增幅5.7%。预算案提出继续增加国家科学基金会、能源部科学办公室和商务部国家标准技术研究院三大基础研究资助机构的预算。另外，开发研究预算为767亿美元，占总研发预算的50%，增长22亿美元，增幅3%；研发设施设备预算为28亿美元，约占总研发预算的2%，较上年增长2.2%；针对提高STEM教育预算为30亿美元，与2016年基本持平。

2017年3月公布的2018财年政府预算案中，在特朗普政府总预算受限而增加国防相关预算的情况下，对主要联邦科研机构的经费进行了较大幅度的削减。但5月获得国会通过的2017财年联邦研发预算案不仅维持大部分科研机构的研发预算不变，甚至大幅增加了部分机构的研发预算。

2.2 德国：可持续数字经济建设，智能导向增加产值就业

德国政府重点扶持可持续能源、数字经济社会、创新就业环境、智能交通、健康生活和公民安全等关乎社会发展、未来经济增长的核心领域。2016年德国政府出台了《数字化战略2025》，旨在以计算机、网络、大数据等信息技术为基础，建设智能交通、智能工厂、智慧城市和智能家居等数字化系统，全面提高德国竞争力，推动社会创新发展。根据新战略，德国计划投入千亿欧元，在2025年前建成覆盖全国的千兆光纤网络。德国企业如能持续应用数字技术，未来五年可增加820亿欧元产值。

《联邦研究与创新报告2016》显示德国研发投入近年来持续增长。2013年德国全社会研发总投入达797亿欧元，占GDP的2.85%，2014年增至839亿欧元，接近GDP的3%，其中企业研发投入占研发总投入的2/3。德国政府对研发的支持力度不断增强，2016年联邦政府的研发预算达到158亿欧元，2017年联邦政府研发预算约176亿欧元，占整个政府预算的5.4%。大量研发投入确保了德国创新能力的持续增长。欧洲最具创新能力的10家企业中德国有5家，2004到2015年德国劳动力市场产生了12.6万个与科研有关的新岗位。

2.3 法国：创新驱动工业转型升级，引领未来生活方式变革

随着法国工业增加值和就业率持续下降，法国政府意识到创新的重要性，在2013年9月推出了《新工业法国》战略，旨在通过创新驱动法国工业转型，使法国重返全球工业第一梯队。《新工业法国》战略是一项为期10年的中长期规划，主要为解决三大问题：能源、数字革命和经济生活。战略包含34项具体计划，包括可再生能源、环保汽车、无人驾驶汽车、新一代飞机、新一代卫星、新式铁船舶、建筑物节能改造、智能电网水网、绿色化工、生物医药技术、大数据、云计算、网络教育、物联网、超级计算机、机器人、未来工厂等等。

法国政府在2016年对《新工业法国》做了阶段性总结，总体布局调整为“一个核心、九大工业解决方案”。一个核心即“未来工业”，旨在实现工业生产向数字制造、智能制造转型，以生产工具的升级带动商业模式变革。九大解决方案包括大数据经济、环保汽车、新资源开发、现代化物流、新型医药、可持续发展城市、物联网、宽带网络与信息安全、智能电网等，一方面为“未来工业”提供支撑，另一方面提升人们日常生活质量。法国政府将在“未来工业”计划框架内为2015年4月至2017年4月实施的工业投资提供为期6年、共50亿欧元的税收优惠，帮助1500余家中小企业改进经营模式。

根据法国政府2017年预算草案，法国政府将增加高等教育和研究预算，其增幅是15年来最多的一次。2017年，法国政府总体预算增加2%，而高等教育与科研预算计划增加3.7%，达238.5亿欧元，其中研究预算计划增至79亿欧元。2017年法国国家科研署预算较2016年的实际支出额增加9%，达到6.09亿欧元，其项目资助申请成功率从2015年的9%提升至2017年的20%。

2.4 英国：优先研发基础设施建设，税收减免利好创新企业

尽管面临消减财政赤字的压力，英国始终大力支持科研活动，巩固其世界一流的研究地位。根据英国政府2016年发布的预算，2016至2020年，英国科学经费预算将由每年47亿英镑逐步增至51亿英镑，其中包括新增设的总额15亿英镑的“全球挑战研究基金”（GCRF）和4.35亿英镑的“牛顿基金”（Newton Fun）。此外，英国政府划拨30亿英镑建设“世界一流实验室”（WCL）和29亿英镑“大挑战基金”(GCC)用于战略优先领域基础设施建设。

未来五年，英国政府科研投入将达263亿英镑，在财政开支非常紧张的情况下实现2011-2020年稳定的研发投入。为实现经济可持续增长，英国政府还实行研发税收减免政策。自2015年4月1日起，英国大企业研发税收减免的比率由10% 提高到了11%，中小企业的研发税前加计扣除比率由225%提高到了230%，而大企业的研发税前加计扣除比率高达130%。

2.5 欧盟：跨行业跨地域扶持科技创新，加速工业数字化进程

尽管面临重重困难，欧盟始终着眼未来，重视研发创新投入。2016年7月欧盟公布了《地平线2020》计划，确定欧盟2017年研发创新投入为85亿欧元，其中，针对跨部门、跨行业研发创新活动的扶持力度最大。可持续发展方面，欧盟计划投入3.25亿欧元支持“工业2020”计划；智慧城市方面，计划投入11.5亿欧元，用以实现环境、交通、能源及数字化网络之间的高效协同运转；自动驾驶技术方面计划投入5亿多欧元；物联网研发投入3.7亿欧，以扩大数字技术在欧洲的应用。

随着物联网、云计算、机器人、5G通信等信息技术的进步，产品、工艺和商业模式将面临变革，并随着全球价值链的变化创建新的产业模式。为抓住数字经济给工业带来的机遇，欧盟委员会于2016年4月发布《欧洲工业数字化》，计划投入500亿欧元加速欧洲工业数字化进程，增强欧盟在数字技术领域的竞争力，并确保欧盟不同地域、不同规模的工业都能从数字创新中获益。

2.6 日本：研发强度投入高速增长，重视科技创新体系改革

为确保日本科技和经济发展处于全球领先地位，日本政府自2015年以来相继出台了《科技创新综合战略2015》、《第五期科学技术基本计划》等一系列重大科技相关战略、计划和措施。其2016年1月发布的《第五期科学技术基本计划（2016-2020）》提出，未来五年日本政府研发总投入为26万亿日元，将占日本GDP的1%，并力争使全社会研发投入达到GDP的4%以上。第五期基本计划的核心内容是“四大政策支柱”：一是推动未来产业创新发展和社会变革；二是解决经济社会发展面临的重大挑战；三是强化科技创新的基础能力；四是构建人才、知识和资金的良性循环体系。其中，前两大支柱强调日本未来科技创新发展的重点，决定了日本未来五年研发投入的基本方向；后两大支柱着重于日本科技创新体系的改革，奠定了未来日本在人才培养、科技计划和科研经费管理等方面的改革方向。

根据日本总务省统计局发布的“2015年科学技术研究调查结果”，2014年日本国内研发总投入为18.97万亿日元，较2013年增长4.6%，实现了连续三年的增长。研发强度达到3.87%，仅次于韩国和以色列，位居世界第三。无论是研发投入总额还是研发强度，都达到日本历史最高水平。

2.7 美股科技龙头企业表现强劲，拉动美国及全球股市

如今，科技企业在美股市场中已占据前排位置。截至2015年5月2日，美股市场总市值约为414,862亿美元，其中以科技股为主的信息技术类行业市值约91436.33亿美元，占比为22.04%。而其中最具有价值的企业，当属FAMGA这五家龙头科技公司。FAMGA是“脸书(Facebook)、苹果(Apple)、微软(Microsoft)、谷歌(Google，母公司Alphabet)以及亚马逊(Amazon)”这五家美股科技股巨头的缩写。截至2018年5月2日，FAMGA总市值约为35,706亿美元,占美股总市值比例约8.61%，超过了德国2017全年的GDP总量(34725.07亿美元)，FAMGA在美股市场乃至全球市场的影响力举足轻重。

受益于iPhoneX、服务和可穿戴设备收入的强劲增长，苹果公司(AAPL.O)业绩今年以来表现亮眼。根据公司5月1日公布的2018第二财季报告(截至3月31日)，公司当季营业收入为611.37亿美元，同比增长16%，为近两年来最大幅度增长；其中海外销售额占财季营业收入的65%。每股摊薄收益为2.73美元，同比增长30%；净利润为138.22亿美元，增幅达25%，是苹果有史以来最好的第二财季。另一家科技巨头亚马逊(AMZN.O)在4月26日公布的最新季报同样展示了不俗的表现，当季营业收入达到510亿美元，超过预期的499.6亿美元，相比去年同期的357.1亿美元增长了43%；净利润为16亿美元，2017同期净利润为7.24亿美元，同比增长120%；摊薄后每股收益为3.27美元，而2017年同期为1.48美元。两项指标均有较大幅度的增长。

标普全球行业指数(S&P Global 1200)显示，自2018年初以来，信息技术行业已获得3.83%的投资回报，而同期全部行业整体投资回报下降了1.44%；过去一年，信息技术行业投资回报达到23.95%，同期全部行业为10.54%。值得注意的是，标普全球行业指数前10大权重股中，6家为美国科技龙头股，分别为Apple, Microsoft, Amazon, Facebook, Alphabet Inc C和Alphabet Inc A。由此可见以信息技术为代表的科技股不仅明显跑赢了全球市场，其强劲势头对全球股票市场整体表现也起到了拉动作用。

2.8 欧洲科技独角兽成长迅速，盈利能力强估值较低

据专注科技的英国投行GP Bullhound报告，2016年欧洲共诞生了10家估值过10亿美元的科技初创独角兽企业, 欧洲的独角兽总数达到47家。这47家独角兽企业的平均估值为28亿美元。从国家分布来看，英国独角兽数量最多，总共18家，超过1/3的欧洲独角兽都创始于英国；瑞典排名第二，共有7家独角兽；德国和法国位列其后，各有6家和3家独角兽。

其中，来自瑞典的音乐流媒体公司Spotify是欧洲最具价值的初创企业之一。自2008年上线以来，Spotify已占全球流媒体音乐市场份额的42%，成为全球最大的流媒体音乐服务商，是当之无愧的行业领导者。Spotify在全球拥有高达1.59亿的月活跃用户，其中付费用户达7100万人，是Apple Music用户量的两倍，让Amazon和Google play等对手难以望其项背。2018年4月3日，Spotify (SPOT.N)在纽约证券交易所直接上市，成为全球第一家直接上市的独角兽企业。除了瑞典的Spotify，德国电子商城Zalando和生鲜O2O平台Hello Fresh，芬兰游戏巨头Supercell，英国房地产门户Rightmove、云服务Anaplan和增强/虚拟现实(AR/VR)新秀Blippar等企业也因其创新业务模式和快速增长被广为看好。

欧洲独角兽公司往往展现出较强的创收能力。根据GP Bullhound报告，虽然美国初创企业通常可以募集到更多的资金，但他们的创收能力却不如欧洲初创公司。欧洲独角兽企业平均营业收入为3.15亿美元，而美国独角兽企业的平均营业收入为1.29亿美元，前者几乎是后者的3倍。但是，美国独角兽的平均估值水平却远高于欧洲独角兽。从营收倍数(EV/Rev)来看，美国独角兽的平均值是46倍，而欧洲独角兽为18倍。欧洲独角兽企业的估值明显较美国低，一定程度上说明欧洲投资者重视企业高估值背后的支持因素和企业持续盈利能力。2016年约有60%的欧洲独角兽企业已经实现盈利。除了创收，增长速度也为欧洲独角兽所重视，2016年欧洲独角兽企业平均增长率达到99%。

从行业分布看，欧洲独角兽企业与科技创新紧密联系，其主要集中在电子商务、软件及平台三个领域，占到整个独角兽企业总数的64%。软件业占比从2015年的20%上升到2016年的26%，已成为欧洲的主导产业。增强现实/虚拟现实(AR/VR)作为全新的领域诞生了两家独角兽企业。

三、全球科技发展主要领域和未来趋势展望

3.1人工智能(Artificial intelligence)

3.1.1人工智能：让机器拥有人类智力

在1956年达特茅斯会议上，人工智能(Artificial intelligence, 简称AI)的概念被首次提出。当时科学家对于AI的畅想是建造一台极其复杂的机器，让机器展现出人类的智力特征。这种概念逐渐发展为我们所说的“强人工智能” （General AI）——机器不仅像人类一样拥有灵敏的感知，还能推理、思考和解决问题，甚至拥有自我意识。科幻电影里的超能力机器人，基本属于这个范畴。

与此相对应的是“弱人工智能”概念（Narrow AI），其在当前科技发展阶段研究和实践较为广泛。弱人工智能可以帮助人类完成具体任务，比如图像识别、语音识别等，比如Facebook通过AI识别脸部、Pinterest通过AI对图片分类。弱人工智能擅长解决特定问题，是优秀的信息处理者，比如谷歌的AlphaGo和IBM的Watson。但受技术限制，弱人工智能仍无法达到模拟人脑的水平。

3.1.2 机器学习：通往人工智能之路

机器学习(Machine Learning)是人工智能的核心，是计算机获得智能的根本途径。简单来说，机器通过分析大量数据进行学习，像人类一样通过重复解决一类问题获取经验、寻找模式，并将经验运用到新的问题解决和预测中。机器学习的数学基础是信息论、统计学、控制论等。根据给定任务的不同，会用到一种或多种算法，比如朴素贝叶斯、支持向量机、神经网络、遗传算法、决策树等。科学家并不亲自编写指令让程序完成特定任务，而是通过大量数据和算法训练机器，让其学会如何完成任务。

机器学习的过程包含六个步骤：1）数据分组：把数据分成训练数据、验证数据和测试数据三组；2）数据建模：使用训练数据来构建模型；3）验证模型：把验证数据接入模型来检验模型；4）测试模型：使用测试数据检查被验证模型的表现；5）使用模型：使用完全训练好的模型在新数据上做预测；6）优化模型：使用更多数据、不同的指标或调整过的参数来提升算法的性能。

3.1.3 深度学习：对人类神经网络的模仿

深度学习(Deep learning)是机器学习的一个分支领域，它试图建立一种模拟人脑的神经网络(Neural Network)，效仿人脑机制实现声音、图像和文本等数据的分析。人脑中有150多亿个神经元，相互连接的节点更是数不胜数；神经元可以连接到特定物理距离内任何其它神经元。人工神经网络则分为很多不同的层(layer)，有连接(connection)和数据传播方向(data propagation)。最简单的神经网络包括一个输入层、一个隐藏层和一个输出层。每一层都由多个神经元组成，每一层的每个神经元都与下一层中的所有神经元相连。

深度学习的目标是让机器掌握自己学习的能力。2012年，斯坦福大学教授Andrew Ng主导的Google Brain项目用16000个CPU Core的计算平台训练一种机器学习模型——深度神经网络（Deep Neural Networks）。该模型突破之处在于让神经网络变得非常大（10亿个节点），不断增加层数和神经元数量；让系统运行大量数据、不断训练。该项目在图像和声音识别上获得了成功，系统通过深度学习可以领悟和准确识别“猫”。

一些经过深度学习的机器甚至比人类拥有更好的识别能力，能够识别血液中的癌细胞特征、识别MRI扫描图片中的肿瘤等；AlphaGo学习围棋的方式，也是通过与自己不断下棋的过程来学习和优化策略。

3.1.4 深度学习让人工智能前景充满希望

有了深度学习，机器学习才有了实际的应用，人工智能的范围得以不断扩展。深度学习将任务细化，使各种类型的机器辅助成为可能。当深度学习应用到自动化系统时，可以帮助实现无人驾驶、自动飞行、预防性治疗等目标；如果数据收集自传感(Sensor)，并通过网络进行传输，就是深度学习在物联网领域(Internet of things，IoT)的应用。另外，自然语言沟通和机器人情感的研究将有助于增强人机互动(Human-Machine Interaction)。在未来，机器人可能会承担更多日常生活中的具体工作，比如买菜、照顾老人和儿童，收获粮食、维护公共设施等。

3.1.5 AI芯片为深度学习保驾护航

自2015年以来，AI的迅猛发展很大程度上归功于AI芯片的发展，让并行处理变得更快、更强大。我们知道，深度学习分为训练端(Training)和推理端(Inference)。简单来说，就像学生需要上课一样，神经网络也需要通过海量的数据训练来学习如何工作，而训练好的神经网络，可快速高效地从新数据中“推断”各种结论。这个过程称之为“推理”。

深度学习需要通过大量的数据训练来达到理想效果。以语音识别为例，仅在声学建模部分，算法就需要十亿到千亿级别的训练样本数据。大数据时代的到来满足了深度学习对于数据量的要求，但是算法的实现还需要处理器极高的运算速度作为支撑。传统的CPU架构面对深度学习的海量数据运算变得不堪重负。

3.1.6 AI芯片的技术路线有三种：GPU, FPGA和ASIC

3.1.6.1 GPU芯片

GPU芯片以英伟达(Nvidia)的Tesla系列为代表。GPU最初是用于3D图形渲染与处理的图形处理器，因为拥有出色的并行运算能力，被应用于深度学习的训练和推断。GPU采用并行架构，超过80%部分为运算单元，具备高性能运算速度。相比较，CPU仅有20%为运算单元，更大部分是逻辑单元，因此CPU擅长逻辑控制与串行运算，而GPU擅长大规模并行运算。通过GPU训练的神经网络甚至能比人类更好地检测模式和物体。

随着人工智能的技术不断成熟，深度学习需要融合传统的高性能串行计算和新兴的并行运算，因而异构计算平台成为产业热点。Nvidia把握时机，基于异构计算方式推出了专门用于深度学习或人工智能定制的硬件，包括Pascal系列(Tesla P100，Tesla P4，Tesla P40）和Volta系列(Tesla V100）的GPU芯片。

3.1.6.2 FPGA芯片

FPGA是AI芯片的第二条技术路线，以赛灵思（Xilinx）为代表。FPGA全称是Field Programmable Gate Array（可编程逻辑门阵列）。相对于GPU，它有以下特点：硬件上，其内部集成大量的数字电路基本门电路和存储器，用户可以通过烧入配置文件来定义这些连线，从而达到定制电路的目的；逻辑上，它不依赖于冯诺依曼结构，一个计算结果可以被直接馈送到下一个计算，无需在主存储器临时保存，带宽需求比使用GPU 或CPU时低得多，具有流水处理和迅速响应的特点。

FPGA全球市场规模大约为60亿美元，主要有Xilinx、Altera、Actel、Lattice、Atmel等几家公司。其中，Xilinx规模最大实力最强， 在全世界有7500多家客户及50000多个设计开端，满足了全球一半以上的需求。Altera于2015年底被Intel收购，用于发展Intel的“CPU FPGA”AI芯片战略，约占全球市场份额的36%。

国内FPGA市场规模大约为9.2亿美元。具代表性的深鉴科技（DeePhi）由清华大学和斯坦福大学联合成立，是国内基于FPGA进行深度学习算法开发的公司。DeePhi因其在机器学习领域的开创性研究，和在全球顶级AI会议上发表的论文而闻名。国内基于FPGA的研发还包括地平线机器人的深度神经网络芯片、云知声的AI可定制化芯片UniOne。

3.1.6.3 ASIC芯片

ASIC中文为“专用集成电路”，Google的TPU是ASIC技术路线的典型代表。ASIC与GPU、FPGA不同，后者除了是技术路线，还是实实在在的产品，而ASIC就是一种技术或方案，其最终形态与功能也是多种多样的。

一般来说，ASIC研发往往针对专门的领域或产品。我们熟知的AlphaGo的背后就是Google研发的TPU。Google在2017年5月的开发者大会上正式公布了TPU2，又称Cloud TPU。相比于TPU1，TPU2既可以用于训练端又可以用于推断端。Microsoft研发的HPU，即全息处理器，是专为Hololens应用开发的。

可以看出，这三种技术路线各有优势，适用于不同的场景，未来或将呈现多种技术并存的局面。除了以上三种主流技术路线之外，还有类脑芯片，如IBM的TrueNorth。

3.2 物联网(Internet of Things)

物联网(Internet of Things，简称IoT)正在受到来自世界各国政府、企业和学术界的高度关注。联合国将物联网定义为全球信息社会的基础设施，通过不断发展的可交互信息通信技术连接实际和虚拟事物，以提供先进的服务。简单来说，物联网有两层含义：第一，物联网的基础仍然是互联网；第二，物联网用户端延伸和扩展到了物品与物品之间，使万物相连。通过智能感知、智能识别等技术，物联网广泛应用于网络融合中，被称为继计算机、互联网之后世界信息产业发展的第三次革命。

应用创新是物联网发展的核心。物联网不仅可以提高企业生产力、促进消费，还能极大提升生活质量。物联网已见于一些产品和应用，如Apple Watch可监测用户的健康指标，如睡眠时间和心率等。通过Apple watch生成的数据通过iPhone上传电脑，可分析数据了解身体情况。在农业生产方面，精密农业设备可测量农作物状况，通过连接远程卫星和地面传感器收集的数据，可调整田间每片区域的种植方式。

据保守估计，到2045年将有超过1000亿台设备连接到互联网，其中包括移动和可穿戴设备、电器、医疗设备、工业传感器、安全摄像机、汽车、服装和其他终端等。所有这些设备将产生并分享海量信息，彻底改变我们工作和生活的方式。

物联网将对全球经济和社会产生广泛而深远的影响，包括提高生产力、节约能源、提供医疗健康服务、实现家务劳动和工业生产自动化、改善公共交通和无人驾驶等。根据OECD数据，2025年物联网经济将影响相当于全球的4% -11%生产总值（GDP）。物联网将复杂生产过程自动化，优化库存、节约能源，工业企业将成为物联网应用最大的获益者。IHS Global Insight预测2017年到2025年全球物联网设备出货量将增长两倍以上，达到194亿台设备。其中，增长最快的是工业部门，从13亿台设备攀升至108亿台设备，其将物联网设备占比或从21%提高到56%。

未来，人们将利用物联网(IoT)生成的信息做出更明智的决策，更深入了解自己和周围的世界。与此同时，物联网连接的设备还可以自动执行目前尚需人工实现的工作，比如管理、监控和维护等等。物联网、人工智能和数据分析等领域的跨学科融合可以帮助实现全球智能机器网络，自动执行任务，为生产生活服务。

3.3 云计算(Cloud Computing)

3.3.1 什么是云计算？

“云”对我们来说并不陌生，过去几年里，越来越多的应用迁移到了“云”上，比如我们熟悉的“云盘存储”等。在不远的将来，几乎所有的计算都会在“云端”完成，通过各式各样的移动设备为我们提供服务。“云计算”的内涵很丰富，人们对它的定义也不尽相同。依据云安全联盟CSA的定义，云计算的本质是一种服务提供模型，用户通过模型可以随时、随地、按需获取共享资源池的资源，这个资源池包括计算资源、网络资源和存储资源等。这些资源可以被动态分配和调整，在不同用户之间灵活的划分。

3.3.2 云计算满足不断扩展的计算需求

我们知道，传统的应用的升级带来需求的提升：需要更强的计算能力、支持更多用户、对安全稳定的要求越来越高。为了满足不断扩展的需求，企业不得不购买更多硬件设备（宽带、服务器、存储等）和软件（数据库等），聘请专业团队来负责安装、测试、运营和维护等工作，工作量和费用巨大，而且会随着应用规模的扩张持续增加支出。这也是为什么即使是在那些拥有很出色IT部门的大企业中，用户仍在不断抱怨系统难以满足需求。而对于那些中小规模的企业甚至个人创业者来说，创造软件产品的运维成本更加难以承受。

3.3.3 云计算的主要特点与优势

3.3.3.1 规模庞大、分布式计算

“云”规模庞大，一些知名云供应商如Google云计算、Amazon、微软、IBM、阿里等都拥有上百万级的服务器规模。依靠这些分布式服务器所构建起来的“云”能够为使用者提供前所未有的计算能力。

3.3.3.2 虚拟技术实现去中心化，按量计费性价比高

“云计算”采用虚拟化技术，用户无需具体硬件设备，只需通过云服务提供商注册账号、登陆到云控制台，便可配置所需服务（云服务器、云存储和CDN等）。这比在企业数据中心去布置一套应用要简单方便得多。而且用户可以随时随地通过移动终端来控制资源，就好像云服务商为每个用户都提供了一个数据中心IDC (Internet Data Center)一样。用户可以根据自己的需要来购买服务，甚至可以按使用量来进行精确计费。这能极大地节省IT成本，而资源的整体利用率也将得到明显的改善。

3.3.3.3 可用性、扩展性和安全性突出

云计算供应商一般会采用计算节点同构可互换、数据多副本容错等措施来保障服务的可靠性。基于云服务的应用可以24小时提供服务，另外“云”的规模可以动态伸缩，来满足应用和用户规模增长的需要。此外，网络安全已经成为所有企业或个人必须面对的问题，企业的IT团队或个人很难应对那些来自网络的恶意攻击，而使用云服务则可有效借助专业的安全团队来降低风险。

3.3.4 海内外云计算市场发展状况

3.3.4.1 全球云计算市场发展

1999年互联网经济泡沫之后，云计算的先行者Salesforce在美国加州旧金山成立，主要向客户销售基于云的SaaS产品，也就是客户关系管理系统CRM。2005年，亚马逊Amazon推出了基于IaaS的AWS服务，将云计算发展推向高峰，强劲的竞争对手微软Azure和SoftLayer (2013年被IBM收购)相继应运而生。2009年，Google开始对外提供基于PaaS的Google App Engine服务，至此云计算产品版图彻底补齐，进入高速发展的繁荣时期。2016年，全球“公共云”服务市场规模约为2086亿美元，较2015年增长17%。云计算市场年增长率已连续4年稳定保持17%左右的较高增长速度。

3.3.4.2 国内云计算市场现状

近年来我国云计算产业发展迅猛，年均增长率超过30%，是全球发展最快的市场之一。新技术、新产品、新应用不断涌现，云计算产业链条日趋完整，产业生态日益繁荣。IDC数据显示，2016年中国云计算整体市场规模将达到523亿元，整体增速38.3%。其中，“公有云”市场约为165亿元，比2015年增长61%。

国际巨头争相登陆国内云计算市场，2016年亚马逊、甲骨文、IBM等国际巨头纷纷通过与国内企业合作的方式登陆中国市场。亚马逊AWS同光环新网合作正式落地中国，IBM同世纪互联合作将Bluemix PaaS平台落地中国，甲骨文Oracle与腾讯合作云服务。中国云计算企业也加速推进海外市场。2016年，阿里云、腾讯云等国内巨头推出了云计算海外服务节点；其他云计算企业通过与当地企业合作、设立分公司等方式，积极布局海外市场。

随着云计算市场竞争日趋激烈，通过合作、并购补齐自己短板，被各企业视为加强竞争优势的手段。2016年，云计算领域的合作和并购风起云涌。随着众多企业和商家进入云服务领域，云计算市场竞争日趋激烈，因而持续降价促进云计算更为普及依然是有效的竞争手段。

3.3.5 云计算未来应用前景展望

当今时代，“云计算”和移动设备正在悄悄地改变着人们与数据交互的方式。目前美国3%的网页浏览和40%的社交媒体使用都是在移动设备上完成的。到2030年，全球75%的人口将拥有移动连接，60%拥有宽带接入。移动设备的功能越来越强大，功能越来越丰富，各种嵌入式传感器可以测量天气、位置、环境、光线和声音以及生物识别等。“云计算”与移动数据协同工作，提供近乎无限的计算能力。这样，无需增加IT基础设施投资即可轻松扩展。在未来30年中，基于云计算的移动计算有可能改变从医疗保健到教育的一切。手机将监测生命体征，并直接与诊断应用相连接。人们将使用移动在线教育学习新技能，应用程序将允许农民连接到实时天气数据和工具，以优化农业耕种。

3.4 生物科技与生命科学(Bioscience)

3.4.1生物医药：精准医疗和再生医学引领飞跃

随着生命科学的发展，医学将通过重要技术突破而发生质的飞跃。比如通过基因组学研究(Genomics)的深入开展，科学家有望研发出针对患者个体基因的药物。这种医疗模式被称为精准医疗，又称为个性化医疗(Personalized medicine)，是指以个人基因组信息为基础，结合蛋白质组、代谢组等相关内环境信息，为病人量身设计出最佳治疗方案，以期达到治疗效果最大化和副作用最小化的一门定制医疗模式。个性化医疗将被广泛用于癌症、心血管疾病、阿茨海默症等目前难以治愈疾病的治疗。

再生医疗(regenerative medicine)也是未来医学进步的核心领域。比如，目前的器官移植手术存在诸多限制因素，一方面，找到配型合适的器官往往需要一段时间，这可能导致错过最佳手术时机延误病情；另一方面，移植来的器官可能会与自体发生排异反应，不仅手术无法达到预期效果，还可能造成生命危险。未来生物医学技术或通过患者DNA样本的培养，获得移植手术所需的器官，降低因为等待配型和排斥反应带来的风险。除此之外，生物假肢技术会取代没有神经知觉的普通假肢，直接与人体的神经系统相连，从而获得与真实器官极其相似的触感。急救机器人和控制性降温等相关技术会大幅度延长救援的黄金时间。科学家还致力于从基因层面发现衰老的原因，延长人类寿命，使人类保持健康、旺盛和活跃的身体机能。

3.4.2 人类增强：突破生物能力的极限

未来，科技创新将带领人类突破生物能力的界限。例如，由物联网连接的可穿戴设备将会把与实时有关的信息直接注入我们的感官中；外骨骼和与大脑连接的假肢将会使我们变得更加强大，帮助老弱病残人士恢复行动能力。还比如，装有探测器和嵌入式计算机的隐形眼镜、植入体内的特殊装备将给我们带来可以穿墙的听力、天然夜视、以及获得虚拟和增强现实系统的能力。益智药物也许能帮助我们提升思维能力和记忆能力，改变工作和学习的方式，提高思维质量和效率。相关的技术研究领域包括可穿戴计算设备、机械外骨骼、药物增强、自我量化等等。

3.4.3 合成生物科技

早在孟德尔发现遗传的基础规律，以及埃弗里.麦克劳德.麦卡蒂实验证明DNA是遗传物质之前，人类已经进行了几千年的通过选择性育种以及杂交来操纵植物和动物的遗传基因。随着对遗传学认知的加深，我们已经可以通过搭建新的DNA来实现“无中生有”，创造新的生物。基因改造农作物则是此项科技的先锋。但在此同时，我们正站在一场生物革命的突破口。当我们跨入生物科技的新时代时，生命将会成为信息，如同电脑程序的代码一样，可以被改写的信息。

科学家正在开发一种可以分泌生物柴油的海藻，这种海藻的DNA中则被编写了数千GB的数据。在未来的30年里，合成生物科技将制造出可以探测到毒素，从工业废料中制造生物柴油，以及通过共栖来给人类寄主提供药物的生物。合成生物也可能会带来生物武器和难以控制的入侵物种等风险。合成生物科技相关的代表性技术包括建模与仿真、标准化DNA、DNA合成与测序等，可以实际应用于编辑胚胎细胞、遗传编程、工业级合成生物学等。

3.5 航天科技(Aerospace Industry)

3.5.1 全球航天产业蓬勃发展

航天产业，又称为航天经济，狭义的航天产业即航天硬件制造商（主要为运载火箭和卫星）；广义的航天产业是“参与开发或提供航天产品和服务的所有政府和企业参与者”。从研究开发者、到空间硬件制造商、到航天产品供应商，到最终为用户提供太空支持产品和服务，航天产业包含一个很长的增值链。

2018年是全球商业航天的元年，整个航天产业风生水起，无论是商业发射、太空旅游、还是天地一体化，都蕴涵着巨大的商机。世界上很多国家都开始发力，2月6日美国商业航天代表企业SpaceX以63.8吨的猎鹰重型火箭(Falcon Heavy)吸引了全世界的目光，刷新了火箭运载力与发射成本的记录。1月19日，中国长征11号的“一箭六星”首次实现了全部商业发射。

近几年，中国商业航天迅速发展，除了国企在商业领域的拓展，也涌现出不少民营航天企业，在火箭、卫星技术等方面取得进展。然而相对于美国，中国在航天技术、航天政策和产业环境方面，都有明显的差距，缩短这种差距是中国航天发展的方向。

3.5.2美国航天历史悠久，航天市场较为成熟

如果说中国的航天产业方兴未艾，那么美国的航天产业市场已相对较为成熟，航天技术长期保持世界领先的地位。美国航天产业的历史可以追溯到阿波罗登月之后，美国国家航空航天局(NASA)开始研发相对经济的航天飞机，并在之后要求所有载荷使用航天飞机发射，这使得美国火箭一度停产，航天飞机几乎垄断发射市场。1986年“挑战者号”航天飞机发生事故，美国政府决定鼓励火箭商业化，于1989年重新发射运载火箭。在美国政府资助下，波音(Boeing)、洛克希德•马丁(Lockheed Martin)推出了德尔塔(Delta)、宇宙神(Atlas)等运载火箭系列。

这两家航天巨头于2006年成立了联合发射联盟(ULA)，开始垄断美国的发射订单，导致成本飙升。由此美国政府和NASA开始鼓励SpaceX、轨道科学(ATK)等私营公司进军商业市场。2006-2008年，NASA同SpaceX、ATK等公司签署了一系列激励协议和商业补给服务合同。2016年，NASA又与SpaceX、ATK、Sierra Nevada签署了2019-2024年的商业补给服务。2010年，美国政府颁布《美国国家航天政策》，提出鼓励和推动商业航天发展的计划。

基于这些协议，SpaceX在2010-2017年间为NASA空间站运送了13次补给物资；2010-2015年间，SpaceX共执行20次发射，其中10次为NASA服务。值得注意的是，NASA会按照10%-50%的溢价价格购买SpaceX的火箭。2017年，美国的29次火箭发射中，SpaceX的猎鹰9火箭贡献了18次，成为全世界发射频率最高的火箭。SpaceX今年发射的猎鹰重型火箭，拥有63.8吨的近地轨道运输能力，是近30年来世界运载火箭的最高纪录。此外，猎鹰重型已将单位载荷成本降至1141美元/千克，对比此前数万美元/千克的价格，堪称经济实惠。重型火箭对人类太空探索意义重大，是载人登月、登陆火星等太空探测活动的必要途径。

3.5.3 中国商业航天方兴未艾，机遇挑战并存

2018年中国航天开门红。1月，中国航天科技集团（中航科技）在以5次发射将15颗卫星送入轨道，长征系列火箭创下史上最高单月发射频率；2月2日，长征二号再次将7颗卫星送入轨道。2018年的6次火箭发射，在全球的17次发射中占比超过1/3。

在长征火箭送往太空的22颗卫星中，有16颗商业、科研卫星，其中包括来自加拿大、丹麦、乌拉圭三个国家的卫星；1月19日长征11号的“一箭六星”更是首次实现了全部商业发射。去年中国18次火箭发射中，商业卫星数量只有8颗，商业小卫星的高密度发射是从2018年开始的。

对中国而言，重型火箭一直是航天科技的瓶颈。2016年之前，最高运载能力的长征七号只有14吨，无法支持空间站建设、探月工程等重型任务。2006年中国开始研制长征五号，10年中攻克了247项核心关键技术，在2016年11月实现首飞成功，成为中国运载能力最大的火箭，近地轨道运载能力达25吨。

3.5.4 科技创新引领航天进步，成本和运载力成核心竞争力

太空行业正在进入一个从上个世纪60年代后就从未出现过的发展阶段。全球航天产业无论发展路线是否相同，最终竞争不可避免，而商业发射的竞争力主要来自于商业运载力与发射成本。

在未来，持续的科技创新和突破将大大降低把人和物送入太空的成本和价格，而这会开启太空探险的新机会。技术创新和突破领域包括机器人、先进的推进系统、轻便的材料以及元件小型化等。目前，SpaceX、Blue Origin、Arianespace等太空行业新兴力量已经开始探索包括可回收火箭在内的颠覆式创新。在未来的30年，科技研发将会带领人类重返月球；除此之外更加伟大的太空探险，如人类登录火星、开采小行星中的矿物等新兴太空行业也都有可能应运而生。

航天科技创新需要充足的资金支持。据美国航空管理局(FAA)统计，2016年美国超过100名投资者向43个太空创业项目投资了28亿美元，2017年数据尚不完整，但规模预计超过2016年。美国互联网巨头Google、Facebook、亚马逊、软银等公司纷纷布局商业航天领域。如今聚集了大量太空创业者的美国莫哈维(Mojave)被称为“太空时代的硅谷”，孕育形成了一个融零部件制造、新材料、引擎、卫星到火箭测试、发射场、培训学校、融资服务于一体的完整太空产业链。相比较，国内启动了航天项目投资的机构只是少数，互联网巨头还没有向商业航天投注精力；即便是航天创业公司聚集的北京亦庄，目前仍尚未形成太空产业链。

不同政策和产业环境下，引导出完全不同的产业格局，追求商业发展的美国逐渐形成了在发动机、控制系统、火箭组装、发射等开放竞争的产业格局。在工业基础薄弱、缺少技术积累的情况下，中国把资源集中在中航科技以实现突破，除少数私营企业能够提供部分上游材料之外，大部分火箭材料、发动机、控制系统、制造环节以及整个中下游产业环节乃至航天人才均由中航科技掌控。在中国努力突破技术瓶颈、实现更高运载力的同时，美国航天产业已经开始通过鼓励竞争降低商业成本。相对于美国，中国在航天技术、航天政策和产业环境方面，都有明显的差距，而缩短这种差距是未来中国航天产业发展的方向和前景。

风险提示：宏观政策变化；经济增长不达预期；全球范围出现黑天鹅事件。

,