未來競爭將聚焦在人工智慧和晶片領域
非常有幸來跟大家分享一下我們對人工智慧（AI）和半導體這兩個行業的一些觀點。現在，這兩個行業基本上佔據著中美競爭的兩個重要制高點。
AI到底對人類有什麼影響？麥肯錫的調查報告顯示，人工智慧未來十年對GDP的推動是1.2%，人工智慧將從方方面面影響我們的生活和行業。
第一個方面叫替代或者叫放大器。對於現有的工作而言，比如說我們以前用五個人做一條生產線，現在通過數字化或者智慧化的方法，就在同樣的生產線把人力從五個降到一個。
第二個是現在講得最多的創新。
第三個是很多AI公司正在成長起來，比如說影象視覺領域的四小龍——商湯、依圖、曠視、雲從等這些公司。
其實我們覺得中國製造業的機會比美國大，因為如果你去看中國和美國GDP構成的區別，中國的製造業總體來說超過40%，美國GDP的構成中製造業佔比很小。製造業是人工智慧或者是這些技術革新的下一個金礦，它的數字化程度和網際網路服務差很遠，它的能力提升對整個國家、整個GDP的提升效率是很大的。
比較中國和美國的經驗，中國在人工智慧領域風投或者VC市場的投資從2017年開始已經超過了美國。人工智慧作為一個獨立的行業沒有很多公司超過10億美元，也就是所謂獨角獸的規模，但是中國的商湯已經超過了60億美元的市值，它們的規模上升得非常快。但是在應用基礎領域，比如說晶片或者基礎的計算框架，這些地方差得還是非常遠。
中金現在管理著各地政府許多的引導基金，投了很多關於人工智慧的產業。從我們直投部門的經驗來看，橫向的投資是技術，包括晶片和計算機視覺、語音識別技術、機器人。豎向的主要是應用場景，從移動網際網路到安防到智慧家居到零售。比較中美，我認為，中國在應用方面其實在很多場景下應該是超過了美國，比如說在計算機視覺、在安防領域的應用。
移動網際網路領域，其實不單是機器視覺，也包括語音語義的自然語言處理等很多領域，在移動網際網路的推動下發展非常快。比如最近剛結束的“雙11”，只要你投一點人工智慧的技術進去，你就會有很好的產出或者降成本或者提高收入。這個背景是什麼呢？就是資料的可獲取性、完整性是對人工智慧非常重要的一個必要條件。
什麼領域現在資料最完整呢？我們看到第一是移動網際網路，第二是安防，第三個行業其實是智慧家居。
有兩個領域我們覺得最近非常熱，第一個是汽車，但是汽車落地的速度遠遠低於大家的預期。無人駕駛不管是在美國，還是在中國，落地速度低於預期的原因，第一是技術的難度。第二是資料的完整性，你要獲取大量的資料非常困難。
第二個例子是醫療，醫療在中國人工智慧的落地速度也是低於大家的預期的。中國的醫療資料落地速度慢的一個背景就是醫院怎麼把資料彙集起來，醫療資料的可取性和標註的難度導致了醫療在人工智慧的應用低於預期。
我認為，人工智慧接下來在物流的配送車、零售、製造業這些領域可能會有一波比較大的發展。
再談一下半導體，中國的半導體行業處於一個非常難的情況，就是說全球的行業處於一個很明顯的下行週期，對企業來說折舊的費用會上升，盈利壓力非常大。不管大家是作為投資人或是作為企業家，怎麼來發展這個行業？
我們把半導體行業分為三類。第一塊是市場規模大的行業，我們叫先進製造或者說大國重器，包括儲存器、晶片的代工、計算晶片或者是手機的自帶晶片，這些行業的特點是資本開支大，重要性強。因為行業的規模大，但是技術差距非常大，這些行業現在的要求基本上是以政府投資為主，民間的資本去投壓力會非常大。
第二塊是競爭壁壘不是很高的行業：一是AI，就是人工智慧，我們看到一批人工智慧異構計算的AI晶片在起來；二是5G；三是汽車的電動化和智慧化，這都是行業還沒有成型的地方。
第三塊是進口替代行業。這個行業已經非常成熟，比如說半導體裝置行業已經存在了40年，而且壁壘非常高，雖然行業規模不大，但是不得不做，做的原因是，這些行業是半導體生態鏈的一部分，但資本開支不會太大，只要有技術以後都能做起來。
總的來看中美競爭的兩個焦點：一個是人工智慧，一個是半導體。人工智慧處於非常初期的階段，中國有資料的優勢，中國有人才的優勢，在演算法上可能有點落後或者計算晶片上有點落後。半導體處於的劣勢更加明顯，因為半導體行業實際上是一個非常成熟的行業，企業怎麼抓住機會發展，是一個非常重要的話題。