第一篇:2018年中国人工智能自适应教育行业研究报告
2018年中国人工智能自适应教育行业研究报告
报告:电商、金融、营销、医疗、AI、泛娱乐等等榜单:PC网站、APP、影视、移动设备、网络广告行业数据、用户数据,你要的这里都有!本文摘要:1.自适应学习主张每个人都拥有自己独特的学习路径,是一种非常有前景的教育技术。国外起步早,应用广,并多次被实证研究证明有效。2.自适应学习产品有智能程度之分,区分标准是看它的技术水平基于人工、基于计算机编程还是基于人工智能。人工智能自适应在教育的各个环节都可应用,其中教学环节的应用最核心、难度也最大。3.人工智能自适应教育的本质是可规模化的个性化教育。4.人工智能自适应教育行业处于发展早期的升温阶段,概念模糊,泡沫难免,目前至少40家公司已宣布入场。5.K12辅导和语言学习是2015-2017年业内融资事件最多的两个细分领域,融资数量占比分别为52.2%和34.8%。6.目前国内产品总体处于初级阶段;人工智能自适应教育始于技术,胜于内容,终于效果,学习效果才是企业竞争力的最终评判要素。▌国外的自适应学习产品起步早,应用广自适应学习早在20世纪90年代的美国就已存在,目前已得到较为广泛的应用。美国K-8(相当于中国的小学、初中)自适应学习公司DreamBox Learning曾在2010年后做过一项调查(调查样本超过480个,其中大部分人为K-8公立校教师), 结果表明49%的人正在自适应学习软件上教授补充课程,42%的人正将其作为核心课程平台使用。自适应学习产品在国外各个学习阶段都有应用,包括早幼教、小学、初中、高中、大学、职业领域等,并已覆盖多个学科。点击查看大图更清晰?▌自适应学习的概念自适应促使学习方式发生深刻变革:每个人都有自己的路径自适应(Adaptive),顾名思义是自我调节和匹配,具体含义是指根据数据的特征自动调整处理方法、顺序、参数和条件,以取得最佳处理效果。它不是指某项具体技术,而是多种知识和技术融合达成的一个结果。这个概念类似于“共享经济”,它不是指某个经济领域,而是新场景、商业模式、技术等因素融合而成的一种经济现象。自适应学习(Adaptive Learning)在国内引起广泛关注是在2015年,彼时在线教育正野蛮生长,一小批人注意到在线教育完课率极低,这是因为在传统学习模式下1)不同学习内容之间的跳转逻辑是线性单一的,学生即使已经掌握了某一块内容,还是需要花费时间去学习;2)学生有问题也不能得到即时的反馈和帮助。对此,自适应学习致力于通过计算机手段检测学生当前的学习水平和状态,并相应地调整后面的学习内容和路径,帮助学生提升学习效率。然而,学习是一个复杂且隐性的过程,简单的计算机编程很难实现好的效果,运用人工智能技术来实现的人工智能自适应学习应运而生。这是对传统自适应学习的升级,也是对新型学习方式的探索,在教育领域意义重大。点击查看大图更清晰?▌自适应学习产品有智能程度之分基于人工、基于计算机编程还是基于人工智能?当大多数人提起自适应学习时,他们对自适应学习产品的智能程度缺少一个清晰的定义。看一个自适应学习产品,需要判断它是基于人工的自适应,还是基于计算机编程的自适应,还是基于人工智能的自适应。目前人工智能总体上还处于初级阶段,人工智能+自适应学习又是一个新兴的领域,相关人才和经验总体上处于匮乏状态,因此市场上的人工智能自适应学习产品基本都属于弱人工智能的范畴。但即便是弱人工智能,相比于基于人工的自适应和基于简单计算机编程的自适应来说,也已经是一种进步。弱人工智能自适应学习进化到强人工智能自适应学习的突破口在于人工智能自适应技术的突破以及其在教育垂直领域的深度落地。点击查看大图更清晰?▌人工智能自适应学习的原理在大数据的基础上构建学习模型并输出学习建议在现阶段,“搜集大数据——构建学习模型——输出学习建议”是实现人工智能自适应学习的基本步骤。学习模型的构建过程非常复杂,常人难以理解,通俗来说,它是在“借鉴”人类大脑的思考过程,通过成千上万个函数点互相传导信息,用穷举的方式从千丝万缕的函数嵌套关系中找出学习规则,并不断进化模型。它的输出由三部分要素有机结合而成:学习材料(如:一段教学视频、一道练习题),用来测评学生是否掌握学习材料的标准,学习材料的推送顺序。这三部分的内容和时长都由人工智能算法来决定。学生使用系统的时间越多,留下的行为数据越多,系统的效率就越高。点击查看大图更清晰?▌人工智能自适应学习系统的运行流程像优秀教师一样“思考”和“行动”老师是以经验驱动教学的,整个过程虽然遵循一定的节奏,但每一步的“火候”非常依赖于教学经验的积累,因此刚毕业的老师往往适合于答疑,而在教学的体系化上有所欠缺,教龄长的老师往往擅长全盘把控,而在亲和力上稍显不足;不同老师对学生学习情况的判断是不一样的,从而导致他们所规划的学习路径不同;两个老师即使经验值相等,还会在性格脾气、教学风格、薪酬期待上有所差异,从而影响教学效果。人工智能自适应学习系统旨在聚集并量化优秀教师的宝贵经验,以数据和技术来驱动教学,最大化地减小老师水平的差异,提高整体教学效率和效果。击查看大图更清晰?▌自适应与人工智能+教育的关系自适应能够深入教学核心环节,而其他AI技术不一定能深入人工智能在教育领域的落地应用是大势所趋。目前已有的智能产品包括拍照搜题、分层排课、口语测评、组卷阅卷、作文批改、作业布置等工具,这些工具应用了先进的人工智能技术,但应用场景只停留在学习过程的辅助环节上,而不会直接带来教学质量和效果的提升。人工智能自适应则能够把人工智能技术渗透到教学的核心环节中,既有助于从根本上改进学习的理念和方式,也有助于产品打通商业模式,直接面向C端用户销售变现。击查看大图更清晰?▌人工智能自适应在教育过程中的应用各个环节均有可为,教学环节最核心,全流程应用最高级完整的教育流程可划分为内容开发——教学(学习)——练习——测评——管理五个环节,这些环节中都存在人工智能自适应学习可以应用的场景。其中,自适应内容开发是其他4个环节的基础,需要耗费巨大的工作量,目前国内少有公司专门以这项工作为主要业务,大多数公司往往只把它作为一项内部产品开发的前续工作;自适应管理指的是通过分析教学、作业、测评环节的学生数据,对用户进行智能预警、提醒和跟踪,是其他4个环节成功应用后的附加产物。人工智能自适应学习技术在教学、练习和测评三个环节的应用能够直接面对C端用户,市场广阔,是目前主要的三个应用环节,而其中教学环节的应用对学习效果的影响作用最大,也是整个教育流程中最核心、最复杂、最难的一环。随着用户对个性化和效果的需求越来越强烈,不同环节之间出现了一定的界限模糊,市场上也出现了能在五个环节同时应用的全流程自适应学习系统。点击查看大图更清晰?▌深入应用到教学核心环节难度较大需要先有教学环节的有效数据,不能仅有练测环节的数据教学环节对学习效果的影响作用最大,也是整个教育流程中最核心、最复杂、最难的一环,而测评、练习环节相对外围、轻量、简单,因此自适应学习产品最先在测评和练题场景中得到应用。如果把不同的人工智能自适应学习产品分为“只应用到测评环节”(自适应测评)、“只应用到测评和练习环节”(自适应练习)、“同时应用到测评、练习和教学环节”(自适应教学)三类,那么自适应教学是其中数据获取难度和产品功能等级最高的一类。自适应教学产品的开发需要有教学环节的有效数据,而这些数据的获取难度高,具体体现在:1)自然状态下,教学过程数据是非结构化的;2)数据可挖掘的维度多,不限于测试成绩和作业情况,还包括学习路径、内容、速度、偏好、规律等深度数据;3)不同数据点之间的关系复杂。点击查看大图更清晰?▌人工智能自适应教育的价值核心价值是降本提效,促进行业升级人工智能自适应教育是一次行业改革实验,对机构、对学生、对老师三方都具有降本提效的价值。其核心价值是把教育行业从劳动密集型的农业时代带向成本更低、效率更高的工业时代。农业化向工业化发展的趋势是不可阻挡的,即使不通过人工智能自适应教育来实现,也会通过其他渠道来实现。点击查看大图更清晰?▌中国人工智能自适应教育行业发展阶段行业处于发展早期的升温阶段,概念模糊,泡沫难免不可否认的是,从行业发展阶段来看,目前人工智能自适应教育行业仍处在发展早期,并且由于“人工智能”概念过热,加上市场受到巨头进入、大额融资等事件的刺激,从而存在一定的炒作现象。但这是一项新兴事物发展的必经之路。人工智能本身受到的市场反应也呈现出“这是全能的——这是骗子——这是全能的——这是骗子”的反复性,人工智能在教育行业的落地应用不是一蹴而就的,必然也会因为初期效果的不甚理想而反复受到推崇和质疑。随着人工智能技术进入稳定期,质疑的声音才会渐渐消除,行业发展路径才会稳定上升。点击查看大图更清晰?▌中国人工智能自适应教育行业玩家分布教育科技+课程变现前景良好,至少40家公司宣布入场不断有企业瞄准、涌入人工智能自适应教育赛道。一类是提供在线英语课程和工具的公司,英语领域本身具有一定的国外自适应学习经验,而且相关的学习材料、标准化测评和题库数据都足够多,开发环境相对较好。一类是以题库、作业平台为基础,或进入公立学校做考试数据采集和分析的公司,他们能够收集一部分学习数据,在大数据采集和用户认知经验上具有一定的先发优势。另一类是主打自适应教育的公司,他们以自适应学习系统为主攻产品。此外,其他在线教育机构、线下教育机构、甚至非教育行业的机构都在试图进入这一领域。点击查看大图更清晰?▌中国人工智能自适应教育行业特点边际明显:初期投入大,越往后数据的反哺能力越强毫无疑问,随着越来越多的学生使用某个产品,产品所收集的数据量会越来越多。在一般的在线教育产品中,这些数据会被储存起来,经由人工挖掘和分析,用于优化产品;而在人工智能自适应学习产品中,这些数据会像“燃料”一样被输送进人工智能算法这个“大锅炉”中,由数据来训练算法,输出更接近真实情况的学习模型,赋予学习系统更好的性能和更高级的功能,从而吸引更多的学生使用。学生使用系统则产生更多的数据,继续上述流程,形成良性循环。另外,系统通过数据对学生产生的“了解”会随着时间递增,学生之后更换产品的转换成本会非常高。因此可以说,人工智能自适应教育行业比一般的在线教育行业具有更明显的边际效益。点击查看大图更清晰?▌中国人工智能自适应教育行业产业链产品开发吸纳大量资金,产业链头重脚轻,分工有待细化人工智能自适应教育行业产业链的结构与在线教育行业类似,都包含了从产品开发(内容研发+技术支持)到教学服务再到分发推广的过程,两者差别在于,前者的产品开发环节由于涉及到新兴的人工智能技术,从而吸金能力更强、难度更高、耗时更长。产品开发需要教研经验、教育学、心理学、计算机、大数据、人工智能等多个领域的跨界协作和共同摸索,前期投入可达千万元人民币级别。目前K12辅导和语言学习是产品的两大重点应用场景。点击查看大图更清晰?▌企业的商业模式美国以To B为主,中国以To C为主,不能照搬在美国,自适应教育企业的商业模式一般以To B为主,这主要是因为美国C端用户个人发展压力小,接受额外培训的意愿没有中国人那么强,因此To C培训空间小,另外与机器交互的自适应学习在机构内推广也容易快速形成规模,发挥边际效益。中国To C教育培训市场比美国广阔,并且高度分散,只要用心经营人人都可以分一杯羹,To B市场则更多地需要借助人脉关系,进入成本高。中美两国的国情和文化土壤差异较大,不能照搬商业模式,但美国的产品和技术值得关注、学习。击查看大图更清晰?▌行业内投融资情况K12辅导和语言学习领域最受关注从2015年到2017年,中国人工智能自适应学习相关概念一直受到资本市场的关注,融资轮次逐渐呈现出从种子轮、天使轮的早期阶段向A轮、B轮的中期阶段发展的趋势。其中K12辅导和语言学习两个细分领域的融资事件最多,占比分别达52.2%和34.8%。K12辅导是中国教育培训行业中市场规模最大的一个子领域,吸引力大;语言学习则因为学习内容轻量化、国际化,天然适合与科技接轨。点击查看大图更清晰?▌企业通常会面临的难点新事物的发展之路上每一步都有“坑”人工智能自适应学习产品与传统教育产品相比,改革跨度太大,因此不可避免地在团队招募、产品开发、市场推广等方面会面临较大阻力。由于行业发展仍处于早期阶段,所以目前最大的难点还是来自于产品开发。作为主要的使用者,老师群体也需要一定的适应时间,而且需要在心态上做一次转变。点击查看大图更清晰?▌行业热度持续教育科技大势所趋,入局企业持续增多人工智能自适应教育领域的入局企业将持续增多。主要原因如下:1)人工智能火热,市场风向如此;2)人工智能算法开源、技术进步,人才增多;3)教育市场是一个需求非常多样、行业格局非常长尾的市场,人工智能+自适应学习几乎可以应用在每一个细分领域,行业集中度短期内也不会明显提升,因此各企业有空间做到差异化竞争、区域化竞争;4)在线教育狂奔三四年之后,各企业开始集体寻求变现,2017年是直播变现大年,而自适应学习系统有望成为直播平台的底层标配,用来提高直播课程的标准化水平、解决直播平台大规模扩张后师资不足的问题。点击查看大图更清晰?▌人工智能是关键技术短期内集中力量突破增强数据挖掘、认知专家顾问等技术根据Gartner的报告,未来2-5年内增强数据挖掘、认知专家顾问、深度学习、边缘计算、机器学习、虚拟现实等技术将度过泡沫期,逐渐被主流所应用。未来2年内如果企业能率先在这些技术领域取得突破性进展,则可以抢占先机。人工智能自适应教育行业是一个技术驱动型行业,技术能力对企业至关重要,短期内内各企业之间技术能力的赛跑也将正式开始。但由于教育行业是一个典型的“慢”行业,因此这些技术在教育行业真正普及至少需要2-5年的时间。点击查看大图更清晰?▌企业竞争力要素悄然改变始于技术,胜于内容,终于结果人工智能无疑是未来趋势,但它始终只是一种手段,如果在学习的某些环节,使用一些简单的信息化手段或人为手段能实现更好的学习效果,那么这一环节就不需要也不应该借助人工智能。真正创造价值的是创新的问题解决模式,而不是某一项技术。人工智能自适应教育最早发展出的功能是反映学生的能力水平(测试功能),后来逐渐加入找出知识点盲区(评价功能)、推送内容弥补盲区(学习功能)的功能,但目前所推送的学习内容的表现形式仍然是视频、题目等旧形式,其背后的学习方式仍然是传统的“听课”和“刷题”,这是由教学思路的固化导致的。随着人工智能技术的突破、社会对人才评价标准的更替,未来人工智能自适应教育领域将迎来内容体系的新革命,实践式教学、沉浸式教学等理念带来的新型学习方式将更多地融入自适应学习系统,正如目前在线教育领域教研岗人才稀缺一样,未来各人工智能自适应教育企业的技术差距将逐渐缩小,而能深刻理解教学教研、具备新技术条件下的创造能力的教研人才将受热捧。点击查看大图更清晰?
第二篇:人工智能行业研究报告
人工智能行业研究报告
从去年的Alpha Go对战李世石开始,再到今年升级版的Alpha Go对战柯洁,人工智能经过一年多的发酵早已不再是一个陌生的名词。
截至目前,人工智能行业已发布了多篇报告,但我们仍致力于写出不一样的东西。除却老生常谈的算法、计算力、数据之外,我们认为人工智能的未来最重要的驱动力一定会是“场景驱动”。在人工智能的场景驱动阶段,不但可以针对不同用户做个性化服务,而且可在不同的场景下执行不同的决策,最终实现“给予决策支持”的目标。因此本报告中,我们用了较大的篇幅去描绘人工智能的场景应用。
那么,在不同的场景中,人工智能是如何发挥作用的?带着这个问题,我们研究了国内外与此领域相关的企业,写出了这份人工智能行业的研究报告。
报告摘要
人工智能(ArtificialIntelligence)是指使用机器代替人类实现认知、识别、分析、决策等功能,其本质是对人的意识与思维的信息过程的模拟。
1.在AI发展的不同阶段,驱动力各有侧重,我们可以将AI的发展划分为三个阶段:技术驱动阶段、数据驱动阶段和场景驱动阶段。其中技术驱动阶段集中诞生了基础理论、基本规则和基本开发工具。在此阶段,算法和计算力对AI的发展起到主要推动作用,其中计算力主要包含芯片、超级计算机、云计算等三个维度。
2.在市场规模方面,综合考虑我国人工智能的爆发节点、技术成熟度以及全球AI市场规模等因素,我们保守估计最迟至2019年我国AI的市场规模将突破百亿元,而2022年这一数字应在700亿元左右。
3.随着AI支撑技术的不断发展,AI将持续拓展更多的应用场景;而愈发多样化的应用场景需求又会反过来驱动支撑技术,从而带动整个AI行业的持续发展。但各应用场景的发展并非均衡,整体看来将从垂直领域AI逐渐过渡到通用型AI。
总体来说,AI最重要的还是要将技术与应用场景相结合,无法落地的技术很难得到资本青睐和市场认可,而有闭环、垄断性的数据,并且其技术能够与实际应用场景结合的公司将有望产生难以被替代的商业价值。
行业概述
AI是使用机器代替人类实现认知、分析、决策等功能的综合学科
人工智能(ArtificialIntelligence)是指使用机器代替人类实现认知、识别、分析、决策等功能,其本质是对人的意识与思维的信息过程的模拟,是一门综合了计算机科学、生理学、哲学的交叉学科。凡是使用机器代替人类实现认知、识别、分析、决策等功能,均可认为使用了人工智能技术。作为一种基础技术,理论上讲人工智能能够被应用在各个基础行业(如AI+金融、AI+医疗、AI+传统制造业等),同时也有其如机器人这样具体应用行业的概念。
本报告将以2017年上半年为时间节点,对包括发展驱动力、巨头布局、投融资情况、预测的市场规模等在内的人工智能行业到目前为止的整体发展情况做简要分析,并对包括数据标记、语音识别、语义识别、计算机视觉等技术领域以及安防、医疗、金融等应用场景在内的细分领域及其典型企业进行简析,探索人工智能领域未来发展趋势和可能的投资/创业机会。
行业驱动力
技术驱动:算法和计算力是主要驱动力
在AI发展的不同阶段,驱动力各有侧重,我们可以将AI的发展划分为三个阶段:技术驱动阶段、数据驱动阶段和场景驱动阶段。
技术驱动阶段集中诞生了基础理论、基本规则和基本开发工具。在此阶段,算法和计算力对AI的发展起到主要推动作用。现在主流应用的基于多层网络神经的深度算法,一方面不断加强从海量数据库中自行归纳物体特征的能力,一方面不断加强对新事物多层特征提取、描述和还原的能力。对算法来说,归纳和演绎同样重要,最终目的是提高识别效率。最新ImageNet测试结果显示,AI错误率低达3.5%,而人类对同一数据库识别错误率在5.1%,理想情况下,计算机图像识别能力已超越人类。
如上图所示,每年在ImageNet测试中错误率最低的算法模型都不尽相同(从NEC到ResNet),这也反映了人们对于算法的不断探究、更迭过程。
计算力的三驾马车:芯片、超级计算机、云计算 提高识别效率除依靠算法之外,也离不开计算力的支持。计算力可以分三个维度展开:芯片、超级计算机、云计算。
芯片:人工智能领域作为一个数据密集的领域,传统的数据处理技术难以满足高强度并行数据的处理需求。为解决此问题,继CPU之后,相继出现了GPU、NPU、FPGA、DSP等“AI”芯片。1999 年,Nvidia公司发布了全球首款图片处理芯片GPU;2016年,寒武纪发布了全球首款深度学习专用处理器芯片NPU,芯片的更迭、进步可从根本上提高计算性能。
超级计算机:其基本组成组件与个人电脑的概念无太大差异,但规格与性能则强大许多,是一种超大型电子计算机。我国自主超级计算机“神威·太湖之光”,其处理器为众核CPU“申威26010”,整台“神威·太湖之光”共包含40960块处理器;打败李世石的AlphaGo共包含1202个CPU和176个GPU;打败柯洁的升级版AlphaGo使用到了TPU,但数量只有 4 颗。
可以发现,真正用于人工智能的超级计算机芯片还只是处于CPU、GPU层,如何将更适用于网络神经算法的NPU、FPGA等芯片量产化并融合入超级计算机芯片矩阵,是在人工智能发展的第一阶段—技术驱动阶段应该重点努力的方向之一。
云计算:与主要应用于密集型计算的超级计算机不同,云计算依靠其灵活的扩展能力主要应用于社交网络、企业IT建设和信息化等数据密集型、I/O密集型的领域。
我们分析认为,当AI跨越入第二阶段—数据驱动阶段后,算法和计算力将变成人工智能领域的基础设施—“水、电、煤”。就目前看来,多项算法开源平台已将AI算法引入统一、公用阶段,运算力也必将向同样的趋势发展。云计算则是一个初步尝试,未来,计算力的发展方向或将是云计算和超级计算机技术结合,为企业提供既可密集运算又可灵活扩展的计算服务,将人工智能赋能全行业。
数据驱动:描绘个性化画像;场景驱动:给予决策支持
人工智能发展的第二个阶段,算法和计算力已基本不存在壁垒,数据将成为主要驱动力,推动人工智能更迭。此阶段,大量结构化、可靠的数据被采集、清洗和积累,甚至变现。例如,大量的数据基础上可以精确地描绘消费者画像,制定个性化营销方案,提高成单率,缩短达到预设目标的时间,推动社会运行效率提升。
到了人工智能发展的第三个阶段,场景驱动作为主要驱动力,不仅可以针对不同用户做个性化服务,而且可在不同的场景下执行不同的决策。此阶段,对数据收集的维度和质量的要求更高,并且可实时根据不同的场景,制定不同的决策方案,推动事件向良好的态势发展,帮助决策者更敏锐的洞悉事件根本,产生更精准更智慧的决策。
人工智能产业链综述
AI产业链主要包括技术支撑层、基础应用层和方案集成层
正如报告开头所述,人工智能是指使用机器代替人类实现认知、识别、分析、决策等功能,是一门综合了计算机科学、生理学、哲学的交叉学科。完整的人工智能产业链可以分为技术支撑层、基础应用层和方案集成层,或者说应用场景层。
技术支撑层主要由AI芯片、传感器等硬件和算法模型(软件)和两部分构成。其中传感器与IoT的感知层相似,包括GPU、FPGA、NPU等在内的AI芯片负责运算,算法模型则负责训练数据。
基础应用层的技术则是为了让机器完成对外部世界的探测,主要由计算机视觉、语音识别等感知层和语义识别等认知层构成,这些技术是机器能够做出分析判断的基础。此外,在感知与认知技术之下还有数据标注作为其底层支撑。
方案集成层是集成了某种或多种基础应用技术的、面向如工业、自动驾驶、家居、仓储物流、金融、医疗等不同应用场景的产品或方案。
本篇报告将主要围绕AI中基础应用层和方案集成层,即应用场景层进行分析。
语音识别:语音识别过程虽存在难点,但目前技术已趋于成熟
语音识别是将语音转换为文本的技术,是自然语言处理的一个分支。前台主要步骤分为信号搜集、降噪和特征提取三步,提取的特征在后台由经过语音大数据训练得到的语音模型对其进行解码,最终把语音转化为文本,实现达到让机器识别和理解语音的目的。根据公开资料显示,目前语音识别的技术成熟度较高,已达到95%的准确度。然而,需要指出的是,从95%到99%的准确度带来的改变才是质的飞跃,将使人们从偶尔使用语音变到常常使用。
语音识别作为一种一维时域信号,在实际操作中主要有两个难点。首先是数据的获取、清洗。语音识别需要大量细分领域的标准化语料数据作为支撑,尤其是各地方言的多样性更是加大了语料搜集的工作量。据媒体消息,苹果iOS 10.3版本中Siri已支持上海话。
第二个难点是语音特征的提取,目前主要通过具备多层神经网络的深度学习来解决,多层的神经网络相当于一个特征提取器,可对信号进行逐层深化的特征描述,最终从部分到整体,从笼统到具象,做到最大程度地还原信号原始特征。
语音识别虽市场庞大但已出现领航者,留给创业公司的机会不多
据Research andMarkets研究报告显示,全球智能语音市场将持续显著增长,预计到2020年,全球语音市场规模预计将达191.7亿美元。根据Capvision报告显示,从语音行业市场份额角度来看,全球范围内,由Nuance领跑,国内则是科大讯飞占据主导地位。
企业案例:科大讯飞
科大讯飞专注于To B的语音识别技术,目前已领跑中文语音市场
科大讯飞创办于1999年,主要从事智能语音及语言技术、人工智能技术研究,软件及芯片产品的开发,而应用集成则由下游的开发商或客户自己完成。根据公开资料显示,科大讯飞是目前我国少数掌握核心技术的语音领域企业之一,已于2008年5月在深圳证券交易所挂牌上市。
科大讯飞拥有六大核心技术,分别是语音识别、语音合、自然语言处理、语音评测、声纹识别和手写识别。其中更重要的是其同时拥有语音合成和语音识别,能够把“听”和“说”组合起来。此外科大讯飞还提出讯飞超脑计划,瞄准语音理解力市场。
随着人工智能热度高涨,科大讯飞等企业技术得以规模性落地
科大讯飞以讯飞超脑、AIUI 为内核,积极打造基于讯飞开放平台的AI 生态,面对不同场景,推出覆盖全行业的语音产品及服务,深耕智慧教育、智慧城市、智慧汽车、智慧医疗以及智慧家居五个行业,全方位挖掘G 端、B 端及C 端客户。
随着全球范围内人工智能热度的高涨,语音识别作为其中重要的技术应用层落地项目也愈加多元化。科大讯飞在智慧教育、智慧城市、智能家居、智能汽车、机器人等领域规模化的应用,促进了其营收近几年内持续稳定走高,尤其是在教育行业,科大讯飞构建了智慧考试、智慧校园、智慧课堂、智慧学习等一体化的智慧教育产品体系,2017年智慧课堂产品有望成为其在教育行业收入和毛利的重要增长点。
企业案例:Nuance&云知声
Nuance领衔全球市场,云知声重点布局家居领域
从世界范围来看,Nuance是全球最大的独立语音识别公司之一。Nuance于1994年成立于美国麻省伯灵顿,并于2000年4月在纳斯达克上市。Nuance曾为苹果、三星提供语音支持服务,在语音识别领域一度处于垄断地位,后随深度算法的普及,各巨头逐渐开始自主研发语音识别技术,差距逐渐缩小。但直到今天,其发布的Dragon Drive(声龙驾驶)——互联汽车语音和内容平台,仍为众多知名车企提供着车载语音技术支持,如梅赛德斯-奔驰、戴姆勒、宝马、丰田、雷克萨斯、荣威等汽车品牌。
此外,还有重点布局家居领域的语音企业—云知声。云知声于2012年6月创办于北京,目前融资轮次为B+,是智能语音领域新锐玩家。据官方数据显示,云知声目前已覆盖了476个城市,覆盖用户超过1.8亿,代表客户有网易易信、锤子手机、乐视超级电视等。
语义识别:解决“听得懂”的语义识别领域中,新进入者仍具有一定机会
语义识别是人工智能的重要分支之一,解决的是“听得懂”的问题。其最大的作用是改变人机交互模式,将人机交互由最原始的鼠标、键盘交互转变为语音对话的方式。此外,我们认为目前的语义识别行业还未出现绝对垄断者,新进入的创业公司仍具备一定机会。
语义识别是自然语言处理(NLP)技术的重要组成部分。NLP在实际应用中最大的困难还是语义的复杂性,此外,深度学习算法也不是语义识别领域的最优算法。但随着整个AI行业发展进程加速,将为NLP带来长足的进步。
语义识别技术拥有多样性的应用领域以及行业参与者
我们认为,基于语音识别和语义识别的智能语音交互技术在车载场景中存在刚需,也会成为最先爆发的领域之一。并且,随着车联网的纵深化发展,相关硬件趋于免费,依靠语音交互天然流量入口,做个性化增值服务将是未来车载领域的主要盈利点。
从1996年至今,国内至今仍在运营的人工智能公司接近400家1。从下图可看出,自然语言处理(NLP)无论在创业热度、获投数量还是获投金额都处于细分领域的前三。据 Global Market Insights数据,预计到2024年市场规模达到110亿美元。
科技巨头乐衷于收购,小而美的企业更偏好细分场景
科技巨头尤其是微软早在2008年就已开始布局语义技术领域。对于巨头来说,自主研发耗时久、投入高,同时效果也是未知的,直接收购是多数巨头选择的最快方式。
关于语义识别领域的创业公司,国内代表企业有出门智能360、出门问问、三角兽、蓦然认知等。其中,三角兽的智能语音交互功能已被应用在Rokid、锤子手机、威马汽车等产品上。此外,由于自然语境和细分行业语境下,同一名词可能具备不同含义,因此除了行业通用型的语义识别公司之外,还存在一些深耕细分场景的公司,例如律师行业国外有基于IBM Watson的ROSS,国内有无讼、法律谷等。
计算机视觉:计算机视觉主要研究如何使机器具备“看”的能力
计算机视觉(computer vision,简称CV)是指用计算机来模拟人的视觉系统,实现人的视觉功能,以适应、理解外界环境和控制自身运动。主要解决的是物体识别、物体形状和方位确认以及物体运动判断这三个问题。计算机视觉识别系统通常需要三个过程:目标检测、目标识别、行为识别,分别解决了“去背景”、“是什么”、“干什么”的问题。
计算机视觉在技术流程上,首先要得到实时数据,此步骤可通过一系列传感器获取,少部分数据可直接在具备MEMS功能的传感器端完成处理,大部分数据会继续传输至大脑平台,大脑由运算单元和算法构成,在此处进行运算并给出决策支持。
动态人脸识别是最热领域,金融和安防是最热场景
计算机视觉应用场景可分为两大类:图像识别和人脸识别,每类又可继续划分为动、静共四个类别,基本覆盖了目前计算机视觉的各项应用场景。其中动态人脸识别技术是目前创业热度最高的细分领域,尤其是金融和安防场景,是其重点布局场景。
国内,计算机视觉领域的企业最早出现在1997年,2014年出现创业高潮,企业平均年龄在3.9岁。下表格为该领域目前存续的具备代表性的创业公司。
各细分领域成熟度相差大,其中人脸识别未来几年市场潜力巨大
计算机视觉作为一种人工智能的基础技术应用,使用场景多样,市场潜力巨大。其中人脸识别领域在2016年已接近百亿规模,中国市场在全球范围扮演着十分重要的角色。
由此可见,计算机视觉各细分领域的成熟度目前相差较大。人脸识别、指纹识别等所在的生物特征识别领域相对来说技术成熟度、工业化程度较高。在物体和场景识别方面,由于识别的物体种类繁杂,表现形态多样,技术成熟度较低。
对于计算机视觉而言,其主要瓶颈在于受图片质量、光照环境的影响,现有图像识别技术较难解决图像残缺、光线过爆、过暗的图像。此外,受制于被标记数据的体量和数量,若无大量、优质的细分应用场景数据,该特定应用场景的算法迭代很难实现突破。
企业案例:商汤科技
专注计算机视觉算法研发,推动视觉技术融入各行各业 商汤科技创办于2014年11月,位于北京,2017年4月完成了赛领资本领投的战略投资6000万美元。商汤科技专注于核心算法开发,通过视觉技术赋予计算机视觉感知和认知的能力,业务覆盖金融、商业、安防、互联网+等行业,意图为企业提供低门槛的计算机视觉技术,打造“商汤驱动”的人工智能商业生态。
商汤科技的核心能力在于其能够自主开发原创深度学习模型,其自有的高性能算法库相对行业内开源平台库,较大程度提高了算法效率,带来2-5倍的性能提升。性能的提升直接导致的是极大地降低了计算机视觉硬件门槛,例如一般情况下双目、深度摄像头才具备视频处理能力,但利用商汤科技的算法模型,单目摄像头也具备此能力。此外,商汤科技自身构建了具备200块GPU链接能力的DeepLink超算平台,过去耗时1个月的运算,现在只需5-6个小时即可完成。硬件门槛降低+计算能力提升,使得大部分企业快速接入计算机视觉技术成为现实。
作为算法层企业,商汤科技通过与京东、小米、新浪微博等应用层级公司合作,使得自己的算法可以很好地融合多类细分领域的特点,快速移植复制到各行各业。除此之外,商汤还在技术层与多家企业合作,例如,商汤科技与科大讯飞合作研发具备人脸+语音双重识别的产品;与英伟达合作研发适用于深度学习的GPU芯片,该芯片可实时处理双路视频,为智慧视频提供支持。
商汤科技诞生于香港中文大学的多媒体实验室,团队成员主要由两部分构成,其一是来自MIT、斯坦福、香港大学、清华大学等高校及其实验室的科研人员;其二是来自谷歌、百度、微软、阿里巴巴等产业界的商业人员。商汤科技意图将实验室最新成果与商业变现之间的时空差距缩到最低限度。2017年4月,商汤科技宣布完成了新一轮的战略融资,将进一步加速商业化布局。
企业案例:触景无限
触景无限专注嵌入式感知模组的研发,试图在前端解决感知问题
除商汤科技这类依靠算法作为计算机视觉解决方案的流派之外,还存在触景无限这类专注于前端嵌入式硬件并搭载软件的打法。触景无限成立于2010年,提供嵌入式智能感知平台——视觉卡,并于2017年3月完成A+轮5000万元人民币融资。
触景无限视觉卡基于英伟达、英特尔等嵌入式芯片,融合了人脸识别、物体识别、双目测距、GPS、TOF、IMU等多种传感器、数据处理平台和压缩算法模型,提供的嵌入式智能感知平台,具备体积小、功耗低、实时图像处理、处理能力高、多目摄像头支持、通用API接口等特点。例如基于深度学习的人脸识别技术运行在视觉卡上能达到每帧100ms的速度(分辨率为1080P时的检测+识别速度),在1:1人证比对的情况下识别率大于99%,在1:50000的情况下识别率大于90%。通过该视觉卡,信息处理可以直接在前端完成,帮助前端硬件完成“感”与“知”的融合。
在具体产品方面,截止2017年6月,触景无限视觉卡已完成两代视觉卡的研发,其中一代V10X系列已于2016年底实现量产,二代V20X系列亦于日前发布。相较于一代,二代基于Intel-Movidius芯片研发,芯片体积更小(一元硬币大小),功耗更低(低至2瓦),处理速度更强(约1Tflops)。两代视觉卡产品均可用于安防、无人机、机器人、智能家居、智能汽车辅助驾驶等领域。
人工智能的应用场景层
AI+医疗:融合目前主要体现在智能设备和识别诊断两方面
人工智能在医疗领域的应用,我们认为主要体现在“软”和“硬”两方面。“硬”指的是主要用于医院、诊所的医疗或辅助医疗的智能型服务机器人。种类包括手术机器人、假肢机器人、康复机器人、心理康复辅助机器人、个人护理机器人和智能健康监控系统等六大类。
手术机器人领域代表公司Intuitive Surgical成立于1995年,其产品达芬奇手术机器人是目前全球范围内应用最广泛、技术水平最高的手术机器人之一。达芬奇手术机器人属于人机协作型机器人,主要由医生控制台、机械臂系统、三维成像系统三部分构成。手术实施过程中,主刀医师不与病人直接接触,而是通过三维视觉系统和动作定标系统操作控制,由机械臂以及手术器械模拟完成医生的技术动作和手术操作。目前,整个手术机器人行业正在由大型开放性手术向人体微创精细型手术转型。
手术机器人行业急需打破垄断,降低成本,普惠国人
就全球而言,目前医疗机器人的研发与销售仍主要集中在北美地区。截至2016年6月,达芬奇手术机器人全球累计安装3745台,其中美国2474台,全球累计完成手术300万例。达芬奇手术机器人是国内唯一获批上市的医疗机器人,截至2016年12月,全国各地共引进了59台,2016共完成手术11445例,历年总计完成手术22917例,国内渗透率极低。
随着我国老龄化进程加速和中产阶级的崛起,人们对医疗的精准度、无痛化等要求逐步攀升,同时也由于医疗人员的稀缺,中国的医疗机器人的需求空间非常大。据OFweek消息,2021年,全球手术机器人市场规模将达200亿美元,手术机器人国产化已迫在眉睫。
AI+医疗衍生出的识别诊断领域中,数据是关键
在AI与医疗的软性结合上,具体应用包括诊前的疾病预防、健康管理;诊中的辅助诊断、医学图像处理;诊后的虚拟医护助手等。目前,发展较为成熟的领域有医学影像识别和智能诊断等。
算法和数据是医学影像识别和智能诊断的技术基础,其中,医疗垂直领域的图像算法和自然语言处理技术已可基本满足行业需求,而数据方面例如医学影像数据、电子病历等,存在各医院之间信息不流通、企业与医院之间合作不透明等问题,使得技术发展与数据供给之间存在矛盾。
但随着全球医疗保健进入数字化拐点,可授权使用的数据量得以快速增长,另一方面也由于医疗机器人这类新的医疗数据终端的逐步普及,都将为智慧医疗行业带来新的发展契机。
政策鼓励+需求爆发,大健康领域或将出现更多创业者加入
基于数据的稀缺性,拥有一手医疗数据、和政府、医疗机构有大量渠道的创业公司将会建立起壁垒。或者通过对拥有数据的企业进行全资收购也是快速壁垒的好方式。目前,AI+医疗的软性应用方面的主要玩家国外有IBM Wastson,国内有碳云智能、推想科技等。
2015年,国务院发布《关于印发全国医疗卫生服务体系规划纲要(2015年—2020年)》,提出推动惠及全民的健康信息服务和智慧医疗服务,推动健康大数据的应用,逐步转变服务模式。IDC预计,2017年国内医疗行业IT花费市场规模将达到336.5亿元,2012至2017年的年复合增长率为14.5%,增速高于中国IT市场的平均增速,需求旺盛。
整体而言,医疗“软”市场急需医疗数字化、开放化,“硬”市场需要大量创业者加入共同开发医疗机器人这片国内蓝海。
AI+金融:AI技术的融入,赋予了金融行业更多想象力
从信息技术变革角度来看,金融历经金融IT、互联网金融到金融科技三大发展阶段。金融IT,通过 IT 软硬件实现传统金融机构办公和业务电子化;互联网金融,利用互联网实现资产端、交易端、支付端、资金端等互联互通,达到信息共享和业务撮合;金融科技,通过大数据、云计算、人工智能、区块链等最新技术,提高金融业务的智能化。
人工智能与金融的结合可从以下三方面展开说明
生物特征识别功能。
一方面活体验证降低了隐藏风险,一方面远程身份验证提升了工作效率。
千人千面、精准营销。
基于大数据、机器学习、标签计算,实现实时精准画像描绘,提供个性化营销是未来趋势之一。进一步还可发展为智能投顾、辅助量化交易等。
大数据征信、普惠金融。
基于大数据的征信系统弥补了中小型企业的征信空白,扩大了客户范围的同时,也提升了金融机构的风控能力。企业案例:平安科技
平安科技从金融领域的高频需求出发,主攻远程身份验证业务
平安科技成立于2008年,是平安集团旗下的全资子公司,拥有超过4000名专业IT技术人员和IT管理专家,基于母公司金融背景和需求理解,深挖人工智能在金融行业的应用,主要应用于基于人脸识别的远程身份验证,例如远程开户、绑卡核身、账户登录、分期购物、人脸考勤、人脸支付等业务场景。
平安科技以深度学习、神经网络为基础,精准定位人脸和快速面部特征信息提取完成身份验证,具备人脸检测、人脸比对、活体检测和去网纹等多项能力,目前累积使用已超过2.5亿人次。
平安科技人脸识别已服务逾百家合作客户,包括深圳、天津、福州、镇江人社局,深圳机场、房管局等。服务应用涵盖金融风控、安防、医保社保、铁路交通、机场安全、互联网、教育、社会公共服务等多个领域。
人工智能行业总结
深度算法、计算力、数据量以及应用场景共同推动AI迎来爆发期
自从1956年美国计算机协会组织的达特莫斯(Dartmouth)学会上提出“人工智能”一词,这个概念随着众多理论、技术和应用的出现而被不断丰富。经过半个多世纪的发展,人工智能已经成为时下最为热门的话题之一,“AI”与“AI+”亦成为一级市场的最火热的创业/投资领域。
在经历了诞生、黄金时代、遭遇障碍、繁荣、低潮等数个阶段之后,人工智能迎来了爆发期。总结本次AI爆发的驱动力主要是包括目前主流应用的基于多层网络神经的深度算法和以及包括芯片、超级计算机、云计算等在内的计算力等。此外,被记录下的海量数据和越发丰富的应用场景也同样推动了AI爆发期的到来。
第三篇:金准人工智能 2018年中国扫地机器人行业 研究报告
金准人工智能 2018年中国扫地机器人行业 研究报告
前言
近年来,随着国内生活水平的不断提高,城镇化的持续推进,扫地机器人正成为家庭智能新宠,发展速度加速提升。据金准人工智能专家了解,目前,扫地机器人已经成为很多一二线城市家中必备的产品,而平时工作、生活比较忙碌的人群成为扫地机器人的消费主力军。
一、扫地机器人相关概述
1.扫地机器人定义
扫地机器人,又称自动打扫机、智能吸尘、机器人吸尘器等,是智能家用电器的一种,能凭借一定的人工智能,自动在房间内完成地板清理工作。一般采用刷扫和真空方式,将地面杂物先吸纳进入自身的垃圾收纳盒,从而完成地面清理的功能。一般来说,将完成清扫、吸尘、擦地工作的机器人,也统一归为扫地机器人。
2.扫地机器人分类
按清洁系统来分,扫地机器人一般可分为单吸口式、中刷对夹式以及升降V刷清扫系统式扫地机器人。按侦测系统来分,扫地机器人则可分为红外线传感和超声波仿生技术。
按清洁系统分类:
(1)单吸口式:单吸入式的清洁方式对地面的浮灰有用,但对桌子下面久积的灰及静电吸附的灰尘清洁效果不理想。
(2)中刷对夹式:它对大的颗粒物及地毯清洁效果较好,但对地面微尘处理稍差,较适欧洲全地毯的家居环境。对亚州市场的大理石头地板及木地板微尘清理较差。(3)升降V刷清扫系统:以台湾机型为代表,它采用升降V刷浮动清洁,可以更好的将扫刷系统贴合地面环境,相对来说对面静电吸附灰尘清洁更加到位。
按侦测系统分类:
(1)红外线传感:红外线传输距离远,但对使用环境有相当高的要求,当遇上浅色或是深色的家居物品它无法反射回来,会造成机器与家居物品发生碰撞时间一久,底部的家居物品会被它撞的斑斑点点。
(2)超声波仿生技术:采用仿生超声波技术,类似鲸鱼,蝙蝠采用声波来侦测判断家居物品及空间方位,灵敏度高,技术成本高。在航空工业上都有系统的运用。
扫地机器人分类图
3.扫地机器人产业链
扫地机器人行业的产业链可以分为上游、中游和下游。上游企业是指生产各种扫地机器人所需零部件的零部件供应商或材料供应商。其中,主要零部件包括橡胶轮胎、电机、电池、吸尘主机设备、旋转毛刷等。中游制造环节包括红外线传感机器人、超声波仿生机器人。扫地机器人产业的下游则主要是通过商超、品牌专卖店、电商环节等渠道到达最终消费者。
扫地机器人产业链图
二、扫地机器人行业发展现状
1.全球扫地机器人市场发展情况
目前,家务机器人在个人及家用服务机器人的销售量中占据主要部分,发展速度较快,而家务机器人的发展主要得益于扫地机器人市场的崛起。据金准人工智能专家统计数据显示,2015年全球个人及家用服务机器人销售量为540万台,其中家务服务机器人370万台,占比将近70%。金准人工智能专家预计,2016年-2019年全球个人及家用服务机器人销售总量为4,200万台,其中家务服务机器人销售总量为3,080万台,占比将近75%。扫地机器人是目前家务机器人中的主导品类,金准人工智能专家预计,2016年-2019三年间全球扫地机器人销售总量将达到3,000万台,占家务服务机器人销售总量的比例为97.4%。此外,根据金准数据统计,全球个人及家用服务机器人2015年销售额约22亿美元。2016-2019年全球服务机器人销售总额将达到455亿美元,其中个人及家用服务机器人销售总额为224亿美元。
2.中国扫地机器人市场发展情况
(1)我国扫地机器人行业发展速度较快,前景广阔
虽然我国扫地机器人起步较晚,但发展速度较快,未来发展前景广阔。随着国民经济不断发展,人均可支配收入水平不断提高,人均住房面积不断增加,在城市化、智能化等因素的影响下,扫地机器人逐渐被广大消费者所接受,特别是被年轻一代消费群体所青睐。同时,随着科技的进步,我国消费者的消费观念也在不断变化,对智能化产品的需求逐渐增强。此外,城市化进程带来的快节奏生活导致人们家务劳作时间减少,人口结构逐渐向老龄化发展等问题使得人们对家务机器人的刚性需求越来越明显。根据金准人工智能专家统计数据显示,2017年我国扫地机器人销售量近400万台,销售额达56.7亿元。据金准人工智能专家统计数据,预计2018年我国扫地机器人销售量将达483.4万台,销售额将近70亿元。
(2)我国互联网电商平台发展迅速,促进扫地机器人线上销售快速增长
随着我国互联网电商平台快速的发展,越来越多的消费者适应并热衷于电商平台购物,越来越多的商家也由传统的线下销售转为线上销售。如今,电商平台使得消费者足不出户即可通过线上平台了解产品的外观、价格以及产品特点等,同时天猫、京东等电商平台定期的促销活动促进了各类产品的线上销售。根据金准人工智能专家统计数据显示:近几年来,我国扫地机器人线下销售情况比较稳定,但线上销售增速较快。2017年线下和线上的销售额分别为6.1亿元和50.6亿元,预计2018年我国扫地机器人线上销售额将近60亿元。
三、国内扫地机器人市场竞争格局
目前国内扫地机器人企业大致可以分为五个梯队集团,分别是:以科沃斯和Irobot等拥有核心研发实力的企业为主,形成第一梯队,在产品研发能力,产品体系和产能创新能力方面都领先其他梯队的公司,这部分市占率大约在60-65%左右;
第二梯队主要是国内早期从事ODM的厂商,转型较早的公司,在产品设计和制造方面有一定的基础,代表性企业包括福玛特、地贝和Xrobot等,市占率约为5-10%;
第三梯队主要是一些国外领先品牌,这部分品牌在技术研发实力上优势非常明显,唯一不足的是渠道优势较弱以及售后能力不足,以浦桑尼克、飞利浦和三星为主,市占率在5%左右;
第四梯队是国内的传统家电厂商,例如海尔、美的等,这类企业在转型方向进入比较迟,但是拥有渠道优势,后续发展空间不容忽视;其他小企业为主体的第五梯队,这类公司目前占比高达20%左右,未来这类公司的市场空间会逐渐被削弱,众多没有核心技术和产业链整合能力的公司将会被行业整合。
扫地机器人主要品牌及梯队分布
四、扫地机器人主要品牌企业
据金准人工智能专家收集的2017年中国市场扫地机器人销量排行榜榜单显示:进入2017年中国市场扫地机器人销量排行榜前十的机器人品牌分别为:科沃斯、iRobot、米家、福玛特、浦桑尼克、飞利浦、美的、海尔、地贝以及斐纳。
1.科沃斯机器人股份有限公司——科沃斯(ECOVACS)
科沃斯机器人公司主营业务是各类家庭服务机器人、清洁类小家电等智能家用设备及相关零部件的研发、设计、生产与销售,为全球知名的家庭服务机器人制造商之一。经过多年的发展,公司已形成了包括扫地机器人、擦窗机器人、空气净化机器人、管家机器人在内的较为完整的家庭服务机器人产品线以及品类丰富的清洁类小家电产品线。
据金准人工智能专家了解,公司在服务机器人模块的主要产品为“Ecovacs科沃斯”品牌家庭服务机器人。2017年双11科沃斯机器人创历史新高,以全网成交额5.28亿的成绩完美收官,又一次刷新了行业纪录,并且继续领跑全网双11生活电器榜。其中,天猫科沃斯旗舰店的主推爆款——DD35扫地机器人,更是引起了一波抢购热潮,最终达成了单品加套餐总计13万台的超高成交!
2.iRobot Corporation iRobot Corporation成立于1990年,主要生产包括扫地机器人、擦地机器人、泳池清洁机器人在内的家用机器人,包括远程视频协作机器人、远程医护机器人在内的商用机器人以及应用于国防安全的各类军用机器人。至今,公司家用机器人累计销售量超过1500万个,军用机器人近6000个。其总部位于马萨诸塞州的贝德福德,并且在加利福尼亚州的帕萨迪纳,伦敦、上海和香港特别行政区设立了分支机构,并于2005年在纳斯达克挂牌上市。
2014-2016年iRobot Corporation销售额分别为5.57亿、6.17亿和6.61亿美元,净利润分别为0.38亿、0.44亿和0.42亿美元,其中2015年56%的销售额来自海外,家用机器人销售收入占其总收入的91%。
3.北京小米科技有限责任公司——米家扫地机器人
北京小米科技有限责任公司成立2010年4月,是一家专注于智能硬件和电子产品研发的移动互联网公司。“为发烧而生”是小米的产品概念。2016年8月31日下午,小米公司旗下品牌米家最新智能化产品——米家扫地机器人正式发布。米家扫地机器人搭载的是Neato家采用的LDS激光测距传感器,通过SLAM算法实时构建房间地图,在路径规划算法上有了革命性的突破。
2018年2月5日,米家官方微博发出了一张海报,对外宣布截至2018年1月31日,米家扫地机器人销量已经正式突破了100万台,对于一款从2016年9月初开售,上市至今尚不到1年半的扫地机器人来说这个速度可谓相当惊人,可以说米家扫地机器人已经成为一款真正的单品爆款产品。
4.美的集团股份有限公司——美的Midea 美的集团股份有限公司,始于1981年,中国家电行业领导者,福布斯全球企业500强。美的提供多元化的产品种类,包括空调、冰箱、洗衣机、厨房家电、及各类小型家电。美的扫地机作为美的的小家电一块,也是美的主要发展的一款产品。美的目前主要停留在研发阶段,前期投入市场的产品主要依靠自身现有的渠道消化。
据美的集团2017年财报显示,2017年美的实现营业总收入为2407.12亿,增长51.35%,净利润172.84亿,增长17.7%,归母净利润172.84亿,增长17.70%,每股收益2.66元。
5.海尔电器集团有限公司——海尔Haier 海尔电器集团有限公司,家电十大品牌,创立于1984年,全球领先的整套家电解决方案提供商,从开始单一生产冰箱起步,拓展到家电、通讯、IT数码产品、家居、物流、金融、房地产、生物制药等领域,成为全球领先的美好生活解决方案提供商。海尔扫地机器人采用全程语音提醒功能,多重清扫模式,多种颜色可供选择。
据青岛海尔(600690)发布2017年业绩快报数据显示,海尔公司2017全年实现收入1593亿元,增长33.79%;实现归母净利润69.3亿元,增长37.59%;收入与净利润均创历史新高。加权平均净资产收益率为23.59%,同比增加3.21个百分点。据了解,海尔公司业绩实现主要得益于公司始终聚焦技术创新与产品引领,专注用户体验与客户价值、坚持海外创牌与盈利引领策略以及人单合一机制的深入推进。
五、扫地机器人技术发展趋势 1.应用高性价比、高性能传感器
目前,扫地机器人多采用红外传感器、接触式传感器、超声波传感器等,少部分高端机型使用了线扫描激光雷达传感器。对于智能化的扫地机器人室内定位和复杂路径规划的需求而言,传感器提供的信息尚显不足。将来,视觉传感器、低成本高性能激光雷达传感器、软体防碰撞接触式传感器等高性能、新型传感器的应用,将给扫地机器人决策提供更丰富的参考信息。
2.多功能、模块化集成
在实现扫地机器人基本的扫地、吸尘、拖地等功能的基础上,模块化集成。扫地机器人本体可以平台化,即实现室内智能移动平台的功能,具备基本的避障、路径规划、软硬件交互接口等功能,而其他功能均以模块化的形式进行加载,给用户更多的自主选择余地,实现细分市场的拓展。
3.智能程度及智能算法拓展应用
借助语音识别技术和图像处理技术的逐步发展,物品识别技术性能的不断提高可更有效地提高扫地机器人对家庭环境的融入程度,提升扫地机器人与家庭成员的智能交互能力。研究并设计各种智能人机接口以更好地适应不同用户和不同的应用任务,提高人与机器人交互的和谐性,实现人机交互的简单化、多样化、智能化、人性化。未来,机器人将掌握更多的自主性能力,实现智能扫地机器人功能定位的本质性革新与发展。
总结 自2007年至今,更多的公司开始进入扫地机器人市场,投入了更多的人力物力进行扫地机器人的产品研发与市场推广,很大程度上推动了扫地机器人产品的技术进步与产业升级,并使得更多的消费者开始接触这款产品。目前,iRobot以及国内的科沃斯等均已成为扫地机器人领域的知名品牌。随着家庭服务机器人市场容量的迅速增加,飞利浦、海尔、美的、松下等国内外大型家电品牌商也开始进入扫地机器人领域。
国内扫地机器人方面,科沃斯等国内一线厂商目前研产结合良好,其扫地机器人产品在各项关键技术方面与iRobot等国际一流厂商水平相近。相对于其他国内厂商而言,这些公司在家庭服务机器人领域具有业务起步早、技术研发实力较强、产品性能优越、品牌知名度较高等优势。
与此同时,国内市场还存在着数量较多的中小型竞争对手,其产品以中低端扫地机器人为主,清扫系统大多模仿一线厂商;由于在移动导航算法上受核心专利技术的限制,清扫效果和智能程度与一线的品牌存在较大差异。
第四篇:中国茶叶行业研究报告[范文]
中国茶叶行业研究报告
中国是茶叶的故乡,拥有世界上最大的种植面积和位居第二的产量,国人对饮茶情有独钟。
中国茶业发展面临的问题与挑战
虽然中国茶叶收获面积位居世界第一,茶叶产量位居世界第二,但茶叶产品占据的世界市场份额却只有6%。
中国茶业生产销售企业规模小,专业化程度低 中国茶叶年产值约为70亿元,茶场却有6万家左右,大部分茶场的年产值只不过几百万元,不少茶场生产设备落后,工艺粗糙,管理水平低下,很难在国际竞争中占据优势。目前茶叶生产和
销售企业都存在小而散的问题,造成技术推广难、信息沟通难,影响最大的是茶叶出口,由于小企业间的无序竞争,使得出口市场出现混乱。
中国茶叶有名茶无名牌 中国海关总署的数据显示,2002年中国出口茶叶25.23万吨,同比增长1.1%,但出口额却下降了3%,出口平均单价只有每公斤1.31美元。1公斤茶叶还不到10元人民币,仅相当于日本国产茶平均批发价格的1/扩5],原因究竟在哪里?中国有名茶无名牌是最主要的原因。虽然中国有着悠久的茶文化历史,但中国茶叶的科技含量和附加值低,国际知名品牌少。如龙井茶叶虽享誉中外,一可“龙井”只是一个品种、一个地名,而不是一个商标品牌。没有叫得响的品
牌,使中国茶叶在国际市场上处于很尴尬的境地,即茶叶种植面积第一、产量第二、出口第三、创汇第四。而英国虽然不种茶,但在这方面做得却很成功。在日本,许多消费者都知道英国的“立顿”茶,一些年轻人甚至以为英国是个茶叶生产
大国,其实英国虽然拥有众多知名茶叶品牌,但根本不产茶,像“立顿”茶就是用讲口茶叶拼配而成的。“立顿”茶在世界五大洲市场占有率达40%-60%,年销售额达数十亿美元,令人咋舌。
第五篇:中国高速公路行业研究报告
中国高速公路行业研究报告
高速公路在国家交通运输体系中具有重要地位。中国国民经济持续发展,汽车保有量快速提高,客、货运输量等指标均保持较快增长,为高速公路行业发展营造了良好的外部环境。近年来,中国高速公路建设速度较快,但与发达国家相比,中国路网密度仍处于较低水平,未来建设需求较大。分区域看,西部地区投资额增速较快,投资额占比较高,东、中部地区投资额占比相对较低。2012 年以来,宏观经济增速放缓,客货运输量、客货周转量、公路建设投资支出等均同比出现下降趋势。“十二五”期间全国计划新增通车里程规模较大,随着高速路网的日趋完善,高速公路企业车辆通行量及通行费收入有望保持一定水平的自然增长。但鉴于高速公路行业整体仍处于规模建设期,而高速公路建设初始投资大、投资回收期长、投资效益滞后的特点,造成企业资本支出压力大,债务融资需求强烈。中国高速公路企业大多肩负运营及投资建设的双重任务,建设资金主要来源于银行贷款等外部融资渠道。在此背景下,高速公路企业一方面表现为营业利润率较高,经营性现金流状况较好;另一方面则表现为建设任务重,财务费用对利润的侵蚀作用较大。以债务融资支撑的大规模资本支出可能进一步推升行业内企业债务负担,对行业整体信用水平带来负面影响。
一、行业概况 1.公路分类
根据《中华人民共和国公路法》,公路按其在公路路网中的地位分为国道、省道、县道和乡道,并按技术等级分为高速公路、一级公路、二级公路、三级公路和四级公路。根据目前规定,国道一般需达到二级以上公路标准;在实际操作中,一般高速公路都为省道以上道路。
从使用年限来看,高速公路和一级公路为 20 年;二级公路为 15 年;三级公路为 10 年;四级公路一般为 10 年。
高速公路:全部控制出入、专供汽车在分隔的车道上高速行驶的公路。主要用于连接政治、经济、文化上重要的城市和地区,是国家公路干线网中的骨架。一般年平均每昼夜汽车通过量 2.5万辆以上。
一级公路:为供汽车分向、分车道行驶,并部分控制出入、部分立体交叉的公路,主要连接
重要政治、经济中心,通往重点工矿区,是国家的干线公路。一般能适应按各种汽车折合成小客车的远景设计年平均昼夜交通量为 15000~30000 辆。二级公路:连接政治、经济中心或大工矿区等地的干线公路,或运输繁忙的城郊公路。一般能适应各种车辆行驶,二级公路一般能适应按各种车辆折合成中型载重汽车的远景设计年限年平均昼夜交通量为 3000~7500 辆。
三级公路:沟通县及县以上城镇的一般干线公路。通常能适应各种车辆行驶,三级公路一般能适应按各种车辆折合成中型载重汽车的远景设计年限年平均昼夜交通量为 1000~4000 辆。
四级公路:沟通县、乡、村等的支线公路。通常能适应各种车辆行驶,四级公路一般能适应按各种车辆折合成中型载重汽车的远景设计年限年平均昼夜交通量为:双车道 1500 辆以下;单车道 200 辆以下。从技术等级看,目前,全国等级公路里程 345.36 万公里,占公路总里程的 84.1%,其中高速公路仅占 2.07%;一级公路占 1.66%;二级公路占 7.81%,三级公路占 9.59%,四级公路占 62.97%,其余为等外公路。从行政等级看,中国国道 16.94 万公里、省道 30.40 万公里,分别占全国公路总里程的 4.13%和 7.40%。一般各国的高速公路占总公路里程的 1~2%,但承担公路年客货运量的30%以上。2.中国高速公路发展
中国高速公路建设起步较晚,但发展迅速。自1988年中国修建第一条沪嘉(上海—嘉定)高速公路以来,中国高速公路建设经历了三个发展阶段:1988~1992年为起步阶段,期间每年高速公路通车里程在50~250公里之间;1993~1997年为高速公路的第一个发展高潮,期间高速公路发展有了明显的加快,年通车里程保持在450~1400公里之间;1998年至今为高速公路的大发展时期,在国家积极财政政策的推动下,这一阶段年通车里程基本保持在 3000~5000公里之间。2000年以来,中国高速公路通车里程一直保持较高的增长速度,“五纵七横”国道主干线于2007年全线贯通。截至2011年底,中国高速公路由“十五”期末的4.1万公里发展到8.49万公里,新增1.08万公里(见图1)。截至2011年底,高速公路里程超过3000公里的省份增加至14个,包括河南、广东、河北、山东等省。3.国家高速路网
《国家高速公路网规划》于 2004 年经国务院审议通过,是中国公路网中最高层次的公路通道。根据该规划,中国国家高速公路网采用放射线与纵横网格相结合的布局方案,形成由中心城市向外放射以及横贯东西、纵贯南北的大通道,由 7 条首都放射线、9 条南北纵向线和 18 条东西横向线组成,简称为“7918 网”。总规模约 8.5 万公里,其中:主线 6.8 万公里,地区环线、联络线等其他路线约 1.7 万公里。地区环线为辽中环线、成渝环线、海南环线、珠三角环线、杭州湾环线共5 条地区性环线,联络线包括 19 条横向联络线和 17 条纵向联络线。
该规划采用“东部加密、中部成网、西部连通”的布局思路,建成后可以在全国范围内形成“首都连接省会、省会彼此相通、连接主要地市、覆盖重要县市”的高速公路网络。
二、行业现状
1.高速公路行业运行环境 国民经济发展
交通运输行业在国民经济中被划为第三产业,其运行状况与国民经济运行密切相关。从下图看,2007 年以来,交通运输业、仓储及邮电通信业 GDP 与全国 GDP 增长趋势呈现出较高的一致性。近年来,国民经济的快速发展为高速公路行业的发展奠定了基础。根据国家统计局《2011 年国民经济和社会发展统计公报》,2011 年中国国内生产总值达 471564 亿元,较上年增长 9.2%(参见图 3),全年全社会固定资产投资较上年增长 23.6%。国民经济的稳定发展带来了客运、货运需求量的不断增长,为高速公路运营企业的通行费收入增长提供了良好的空间。
分地区来看,高速公路发展和当地经济发展水平也是密切相关。在经济越发达的地区,其高速公路路网越完善,车辆通行量越大。表 3 中企业所运营的高速公路在全省高速公路里程中占比在 60%以上,大致可以代表所在省份的高速公路水平。从表 3 可以看出,经济越发达的地区(如广东、浙江等省),高速公路运营里程规模越大,车辆通行量及通行费收入规模也越大。
汽车保有量增长 汽车保有量的增长将促进高速公路车流量的自然增长。近年来随着国民经济的发展,汽车行业也表现出较快的增长势头,在 2010 年更是出现爆发式增长,2011 年汽车市场增速有所放缓,但未来仍有一定的发展空间。截至 2012 年 6 月底,中国机动车保有量达 2.33 亿辆,汽车保有量达1.14 亿辆,全国 17 个城市的汽车保有量超过 100 万辆,其中北京、成都、天津、深圳、上海等 5个城市的汽车保有量超过 200 万辆。预计 2020 年中国汽车保有量将突破 2 亿辆。汽车保有量的增长将给高速公路运量提供有效支持,高速公路运营企业整体通行费收入有望持续增长。
利率政策变化
高速公路企业普遍采取“贷款修路,收费还贷”的方式,负债率大多在 80%以上,债务负担较重,利息支出对其盈利影响较大。下表为 2006-2011 年 5 年以上中长期贷款利率,可以看出,2008年,受金融危机影响,央行利率政策的主要方向为下调;2011 年中国经济出现通胀势头,央行利率政策主要表现为上调。以广东省交通投资集团为例,2011 年,公司全部债务为 1062.50 亿元,同比增长 14.98%,但财务费用为 40.35 亿元,同比增长 26.11%。当期公司营业收入为 308.87 亿元,营业利润为 47.55 亿元,财务费用占营业收入和营业利润的比重分别为 1.41%和 84.86%。2012 年以来,中国经济增速放缓,货币政策已逐渐转向宽松,存贷款基准利率的下调有利于减轻高速公路企业的债务负担。
2.高速公路运输运行情况
交通运输主要分为客运和货运,衡量交通运输行业运行状况的指标主要为客货运输量及周转量。公路客运量与当地经济水平、居民出行习惯、交通设施等关联性较大;货运量与货物周转量受工业运行的影响较大,比如在 2010 年上半年 GDP、发电量和工业增加值都处于较快增长时,同期全国的货运量和货运周转量增速也处于高位。从下表可以看出,近年来,中国公路运输发展较为平稳(2009 年增长率较低的主要原因是 2008年基数较高),整体而言,货运量及货物周转量增长速度高于客运量及客运周转量的增长速度,这也说明在宏观经济整体向好的情况下,货运受到拉动较为明显。2008 年,在中国经济较为疲软的前提下,政府出台 4 万亿经济刺激计划,受此影响,中国客、货运输量和周转量均出现较大幅度的增长,尤其是货运周转量,同比增长 189.41%,此后增幅较为平稳。根据交通运输部统计数据显示,2011 年,全国营业性客车完成公路客运量 328.62 亿人、旅客周转量 16760.25 亿人公里,比上年分别增长 7.6%和 11.6%;全国营业性货运车辆全年完成货运量282.01 亿吨、货物周转量 51374.74 亿吨公里,分别增长 15.2%和 18.4%,平均运距 182.17 公里,比上年提高 2.8%。2012 年以来,中国宏观经济增速放缓。2012 年 1-6 月,客运量完成 174.70 亿人,同比增长 8.7%,旅客周转量为 9027.35 亿人公里,同比增长 10.7%;货运量完成 149.82 亿吨,同比增长 14.0%;货物周转量完成 26891.67 亿吨公里,同比增长 15.0%。2011 年 1-6 月,客运量、旅客周转量、货运量、货物周转量同比增速分别为 8.0%、11.8%、14.7%和 16.3%。相比较而言,2012 年以来的经济形势对公路运输的发展产生了一定影响。如果经济持续疲软,其对公路运输的影响将持续并加深。
从公路的利用率来看,高速公路利用率明显高出国道的利用率。根据交通运输部的统计数据,2011 年,全国国道网年平均日交通量为 12330 辆/日(当量标准小客车,下同),北京、天津、上海、江苏、浙江、广东和山东的国道网年平均日交通量均超过 2 万辆。全国国道网年平均行驶量为 208852 万车•公里/日(当量标准小客车,下同),比上年增长 6.8%。河北、江苏、山东、广东的国道网年平均行驶量均超过 10000 万车•公里/日。全国高速公路年平均日交通量为 18941 辆/日,年平均行驶量为 160897 万车•公里/日。
3.高速公路投资建设情况 公路投资建设概况
中国公路投资主要经历了两轮增长行情,第一轮始于1998年的财政刺激政策,直至“十五”期末,公路投资增长基本告一段落,2008年四万亿刺激政策推出,公路投资重新取得大幅增长,至2011年公路投资规模达到1.2万亿元。高速公路建设技术标准高,属于资金密集型行业,其建设成本主要包括路面材料费、征地拆迁费、人工成本和通讯监控等交通设施费等。高速公路行业建设成本地区差异较大。以重庆市为例,重庆市山地和丘陵面积约占 94%,公路建设技术标准高,所需的材料及人工成本也较高。重庆高速公路集团有限公司(以下简称“重庆高速”)每公里建设成本一般为 7000~8000 万元,而平原地区仅为 3000 万元左右。而广东等发达地区则是由于拆迁成本较高从而推高建设成本。目前,广东省交通集团有限公司(以下简称“广东交通”)在建高速公路的平均成本已接近1 亿元/公里,主要原因便是公司在建的高速公路有相当长的里程在珠三角地区,而珠三角地区经济发达,征地拆迁成本较高,同时人工及材料采购成本均不断提高。2006-2011 年高速公路里程增长率一般在 10%以上(见表 6)。截至 2011 年底,全国公路总里程达 410.64 万公里,全国公路密度为 42.77 公里/百平方公里。其中,高速公路里程达 8.49 万公里(其中,国家高速公路 6.36 万公里);高速公路车道里程为 37.59 万公里。由于高速公路高成本的特性,尽管从总里程看高速公路在整个公路体系中的占比不大,但其投资额在公路投资中的占比一直在50%以上。“十一五”期间,全国累计完成公路建设投资40752.63亿元,年均增长15.9%;其中高速公路建设投资22159.01亿元,占“十一五”公路建设投资总额的54.37%。受四万亿投资政策的影响,2009年,中国公路建设投资完成9668.75亿元,同比大幅增长40.5%,增速较上年上升34.5个百分点;2010年完成投资11482.28亿元,同比增长18.8%。2011年,全年完成公路建设投资12596.36亿元,同比增长9.7%,增速有所下滑。其中高速公路建设完成投资7424.14亿元,占当年公路建设投资总额的58.94%。2012年1-6月,全国基建投资速度放缓,公路建设投资完成4733.25亿元,较上年同期下降7.82%。
各地区公路投资情况
分地区来看,东部和西部地区公路建设投资占比相对较高,中部地区投资额相对较低。此外,2009年及之前,东部地区处于集中建设期,投资额占比高于西部地区;2010年以来,由于东部地区路网已相对发达,加上近两年西部地区建设增速较快,使得东部地区投资额占比有所下降,2011年1-11月,东部、中部、西部地区投资额占比分别为31.84%、27.86%和40.30%。2012年1-6月,公路建设固定资产投资结构中,东部、中部、西部地区占比分别为29.58%、24.01%和46.41%,西部地区投资额占比进一步上升。4万亿刺激政策对各地区公路投资建设有所不同,其中,中部地区公路建设投资增长尤为明显。2009年1-11月,中部地区投资较上年增加1002.31亿元,同比增长64.39%,无论是从增加的绝对值还是同比增速来看,都高于其他地区。
资金来源
从国外的情况看,美国通过征收燃油税、轮胎税等税种所得的费用作为公路信托基金,基本可以满足公路发展资金需求的 70%,以收费和发行债券解决的资金约占 10%和 20%。且由于美国公路网已经形成,公路基金的 60%即可满足公路的养护需求。但中国公路网仍处于拓展阶段,路网密度不高(美国接近70 公里/百平方公里,德国为 180.53 公里/百平方公里,日本为 318.47 公里/百平方公里),中国的专项税收只能满足建设需求资金的 18%和公路养护需求资金的 33%。在上述背景下,中国高速公路运营企业投资运营主体大多是各省交通投资集团,其建设资金一方面来源于通行费收入、政府资金支持(主要体现为项目资本金投入、财政贴息等方式)等;另一方面,大部分仍需依赖银行贷款。在整个行业处于大规模投资建设期的情况下,高速公路行业整体债务负担较重,大多企业资产负债率都在 60%以上,部分企业接近80%。以安徽省高速公路控股集团有限公司为例,该公司主要负责安徽省内高速公路及桥梁的投资和运营,2011 年底,该公司资产负债率和全部债务资本化比率分别高达 79.05%和 75.71%,当年的财务费用为 24.63 亿元,对其利润水平的侵蚀作用明显。
4.高速公路运营管理模式 运营管理模式
目前,高速公路管理有“一路一桥一公司”和“按主线划分的集中委托管理”这两种管理模式。“一路一桥一公司”是指一个路桥项目专门设立一个项目公司进行管理,这种方式的特点是组织结构清晰、管理责任明确。目前采取“一路一桥一公司”管理方式的公司主要有宁波市杭州湾大桥发展有限公司、南京长江第二大桥有限责任公司、南京长江第三大桥有限责任公司、重庆渝涪高速公路有限公司、苏州苏嘉杭高速公路有限公司等。集中委托管理是在高速公路路网不断完善的情况下,在适当的地域范围内,将该地域内的高速公路路段集中管理,以实现内部资源合理配置、降低经营成本、提高经济效益、并适应全省联网收费和新技术发展的有效模式。这种管理模式是对传统“一路一桥一公司”管理模式的突破,具有跨路段性、专业性、集中性等优点,在实践中已成为主流的管理方式。大多以省为单位设立省级高速公路投资管理公司,对省内主要高速公路路段进行集中统一管理。如安徽省高速公路控股集团有限公司、河南交通投资集团有限公司、广东省交通集团有限公司等均是采取这种管理方式。
建设经营模式 中国高速公路的建设和经营大致分经营性收费高速公路和政府还贷高速公路(非经营高速公路)。经营性收费高速公路项目一般是由国内外的经济组织投资建设,从企业设立、融资、项目建设、经营管理等都按照市场化运作。政府还贷性高速公路则是政府交通主管部门通过向银行贷款,组织建设、管理,建成后收取车辆通行费进行还贷。两种收费公路的差别主要体现在:
1.主体不同。政府还贷公路的投资主体是县级以上人民政府交通主管部门;经营性公路的投资主体则为国内外经济实体。
2.来源不同。政府还贷公路的投资来源为政府投资与市场融资;经营性公路的投资来源则为自有资本与市场融资。收费主体不同。政府还贷公路的收费主体是县级以上地方人民政府交通主管部门或其不以营利为目的的专门机构;经营性公路的收费主体则为经授权的投资主体,以营利为目的。
3.通行费的性质不同。政府还贷公路的车辆通行费是国家行政事业性收费,要纳入国家财政专户管理;而经营性公路的车辆通行费则企业经营收费,由企业进行管理。
4.费用途不同。政府还贷公路的收费只能用于偿还贷款、集资款和必要的养护管理支出;经营性公路的收费则是为收回投资并取得合理回报,企业对其收益的支配,除有法律、法规、规章限定和合同约定的事项,以及用于养护管理支出外,其他基本不受限制。
5.费期限不同。政府还贷公路的收费期限最长不超过20年;经营性公路的收费期限最长不超过30年。
6.项目要求不同。政府还贷公路对建设项目的收益要求较低;经营性公路对建设项目的收益要求较高。
7.享受的税费政策不同。政府还贷公路不缴纳营业税,而经营性公路要依法纳税。中国较早开始运行的高速公路部分属于政府还贷性质,而目前大部分的高速公路则属于经营性收费高速公路。政府还贷性高速公路所收取的通行费一般而言是先上缴财政,然后再由财政向高速公路拨付专项资金以用于公路养护及偿还银行贷款等用途。
三、竞争因素 目前客货运输方式主要有公路运输、水路运输、铁路运输和航空运输等。各种运输方式都有其合理运距和特定运输对象,而其运输对象也在一定程度上存在重合现象。就公路运输而言,由于其较为灵活,适合运输短程、量小的货物。
从中国目前的运输结构看,公路运输占据了绝对优势。2011 年,公路运输客运量为 328.62 亿人,客运周转量为 16760.00 亿人公里,货运量为 282.01 亿吨,上述三项指标均超过其他三种运输方式的总和。而在货运周转量方面,水路运输凭借其在运输大宗货物方面的优势而占据领先地位。
一般而言,公路与水路、航空运输之间冲突不大,但在一定范围内与铁路运输的对象存在重合。近年来,中国高铁发展速度较快。高铁的运行速度在 250~300 公里/小时,目前京津城际高铁运行时间仅为 29 分钟,成渝高铁全程运行时间 1 小时。高铁的发展对中短距离的航空运输影响较大,在对公路客运的影响方面,高铁在运输速度和效率方面具有较强的优势,与公路的竞争领域主要是跨省的长途客运市场,对公路运输的车流量起到一定的分流作用。但另一方面,由于公路运输自身具有较为灵活及低成本等优势,加上公路运输中货运收入占比较大(高铁分流作用主要体现在客运方面),高铁对高速公路车流量的影响并不十分明显。以沪宁高铁为例,沪宁高铁于 2010 年 7 月 1 日通车,目前运行速度分为 250 公里/小时和 300公里/小时两种。从上海出发,途径苏州、无锡、常州、镇江等地到达南京。全程最短运行时间 1小时 38 分钟(2012 年 7 月数据),二等座票价 140 元左右。与之重合度较高的高速公路为宁沪高速,从上海出发,途径苏州、无锡、常州等地到达南京。从宁沪高速(股票代码 600377)公布的2009、2010 年及 2011 年的对比数据来看,在高铁开通的前后,公司所属宁沪高速公路车流量及通行费收入仍呈现出合理的自然增长,受高铁影响较小。从各高速公路公司之间来说,存在的竞争较小,合理的高速公路规划和布局能使得路网效应更好的发挥,降低整体通行成本。总体而言,高铁的开通对高速公路企业运营带来的影响不大。
四、行业政策 1.计重收费制度
货车车主通过超过额定载重并降低车速,在耗油仅增加 10%-30%来运送标定载重 150%以上货物获得超额收益。但是超载货车对公路的损耗很大,提高了道路养护成本,同时也增大了交通事故发生率。为了解决超载问题,2006 年,相关部门开始制定计重收费制度。截至目前,全国大部分地区高速公路已实现计重收费。计重收费是按照“标准车型、标准装载、标准收费;标准车型、超额装载、超额收费”原则实施的,更加充分地体现出通行费收取的合理性、公平性与科学性。计重收费政策的实施,有效地抑制了超限运输问题,使高速公路路面、桥梁等得到了有效保护。从对高速公路运营企业的影响来看,计重收费短期内会给企业带来收入的较快增长,但由于这种方式对超载车数量和车流量的限制作用,长期内企业通行费收入较难保持这种较快增长的势头。计重费率向轻车倾斜,可以吸引空车和小型车使用高速公路,促进高速公路车辆结构的优化。单车总质量降低后,剩余的运载量将由其它运输工具承担,通行费收入将有适当增长。此外,超重汽车的减少将使得高速公路使用寿命延长、养护成本降低。计重收费政策的实行对高速公路运营企业的信用面形成支撑。
吉林高速于 2010 年 10 月起,在吉林省高速公路对载货类汽车按车货总质量试运行计重收费。此外,对于超过公路承载能力的车辆实行较高的收费标准:超过对应的公路承载能力认定标准 30%以下,超限部分按基本费率(0.07 元/吨公里)计收;超过 30%~100%部分,按基本费率的3 倍线性递增至 6 倍计收;超过 100%以上部分,按基本费率的 6 倍计收。计重收费政策实施后,根据吉林高速 2011 年年报信息,2011 年公司营业收入同比增长 39.64%,主要影响因素:一是公司收费标准调高 10~15%;二是计重收费制度的实施;三是新增投入运营的高速公路(长春高速)。
2.收费期限规定
从收费期限来看,根据2004年发布的《收费公路管理条例》,政府还贷公路的收费期限,按照用收费偿还贷款、偿还有偿集资款的原则确定,最长不得超过15年。国家确定的中西部省、自治区、直辖市的政府还贷公路收费期限,最长不得超过20年。经营性公路的收费期限,按照收回投资并有合理回报的原则确定,最长不得超过25年。国家确定的中西部省、自治区、直辖市的经营性公路收费期限,最长不得超过30年。2011年11月11日,交通部公路局路网管理处处长吴春耕在全国第十七次高速公路管理工作研讨会上发言提出,目前交通部正在着力推动《收费公路管理条例》的修订,将进一步完善收费公路发展政策,建立更加完善的收费公路收费年限和收费标准调整机制。修订完成后,可能会允许到期的高速公路按“低费率、长年限”和“以路养路”的原则继续收费。但截至目前尚没有正式的改革方案出台。
3.绿色通道政策
绿色通道政策是交通运输部为降低鲜活农产品流通成本而出台的一系列政策。交通运输部最早于2005年1月发布《全国高效率鲜活农产品流通“绿色通道”建设实施方案》(交公路发〔2005〕20号),方案提出以现有国道网为基础,结合主要鲜活农产品的流量和流向,在全国建立布局为“五纵二横1”的“绿色通道”网络。网络累计长度2.7万公里,全面实现了省际互通,直接连通了全国29个省会城市,71个地市级城市,覆盖了全国所有具备一定规模的重要鲜活农产品生产基地和销售市场。并界定“绿色通道”网络内运输的鲜活农产品为新鲜蔬菜、水果,鲜活水产品,活的畜禽,新鲜的肉、蛋、奶。在2008年初抗击低温雨雪冰冻灾害工作中,国务院将“绿色通道”鲜活农产品运输全免通行费作为一项应急措施,对保障市场供应、稳定物价和促进农民增收起到了积极作用。2009年12月,交通运输部发布《关于进一步完善和落实鲜活农产品运输绿色通道政策的通知》(交公路发〔2009〕784号),进一步规定对“五纵二横”鲜活农产品运输“绿色通道”免收整车合法装载运输鲜活农产品车辆的车辆通行费。2010年,国务院公布了16项稳定物价措施,要求自2010年12月1日起,所有收费公路对整车合法装载鲜活农产品的车辆免收通行费并将马铃薯、甘薯、鲜玉米、鲜花生列入绿色通道品种目录。“绿色通道”政策的执行,对涉及“绿色通道道路较多的高速公路公司影响相对较大。以广东省交通投资集团有限公司为例,每年因绿色通道政策的执行而减少的通行费收入约为9亿元左右,占2010年通行费收入的4.48%。
4.油价调整及税费改革
2008年12月18日,国务院印发了关于实施成品油价格和税费改革的通知,决定从2009年1月1日起实施成品油税费改革,取消公路养路费、公路运输管理费、公路客货运附加费等六项收费,逐步有序取消政府还贷二级公路收费;同时,将汽油消费税单位税额由每升0.2元提高到1元,柴油消费税单位税额由每升0.1元提高到0.8元。燃油税的征收将可能增加公路运输成本,抑制人们的出行欲望并导致客货流转移到其他运输方式。但另一方面,燃油成本的上升将使得高速公路的节油优势得到明显体现,部分车辆会从普通公路分流到高速公路上来。从公路投资及养护资金来源看,“费改税”后,公路建设养护资金的拨付方式发生了变化,由原来的交通主管部门直接拨付转为政府财政拨付。资金拨付方式和渠道的变化,使得公司建养资金存在不能及时到位的可能。从目前主要高速公路企业实际运行情况来看,部分资金到位存在一定的滞后性,但总体而言并未对其还本付息能力造成不利影响。
5.收费公路专项清理
近两年,高速公路超期收费的现象引起社会广泛关注。2011年6月14日,交通运输部、国家发展改革委、财政部、监察部、国务院纠风办日前联合下发关于开展收费公路专项清理工作的通知。根据通知要求,这次清理工作分4个阶段,为期一年。本次对收费公路专项清理工作主要集中在过高、超高的收费路段上,部分路段已采取了一定措施,但涉及的范围有限,主要涉及二级公路及部分收费期限较长的高速公路。从长远看,高速公路行业整体债务负担重,加之未来将继续维持较大规模的投资,未来债务仍将继续增长,通行标准下调存在较大阻力。此外,当初收费清理政策的提出部分原因是为了配套国务院发展物的“国八条”,但运输费用在物流成本中的占比较小,下调通行费标准对降低物流成本影响有限。预计未来较长一段时间内,高速公路收费模式仍将存在。总体而言,绿色通道政策对高速公路运营企业通行费收入带来一定的负面影响,计重收费政策对通行费收入带来正面影响,“费改税”则对建设及养护资金来源产生一定影响。收费期限、收费公路专项清理等政策对高速公路运营企业影响不大,高速公路收费模式仍将持续,行业整体信用水平受此影响不大。
五、重点企业信用分析
1.高速公路发债企业信用情况概览
截至 2012 年 8 月 10 日,存续期内的高速公路发债企(含所有信用债品种)共 49 家。从主体信用级别分布看,大部分集中于 AA 和 AA+,其次为 AAA 的企业。从表 13 可以看出高速公路运营企业的几个特点:
① 债务负担较重,行业平均资产负债率为59.04%; ② 营业利润率较高,行业平均利润率为 48.48%; ③ 财务费用较高,对利润总额的侵蚀作用较明显;
④ 建设任务重,在建工程金额较大;⑤经营性净现金流状况较好。