技术微软云服务

请务必阅读正文之后的重要声明部分[Table_Main][Table_Title]分析师:谢春生执业证书编号:S0740518010002电话:邮箱:xiecs@r.
qlzq.
com.
cn联系人:陈倩卉电话:Email:chenqh@r.
qlzq.
com.
cn[Table_Report]相关报告[Table_Summary]投资要点回顾2017,感受变化.
回顾2017年,计算机行业的市场主体和客体都发生了变化.
主要体现在,(1)市场的投资主体更加理性,更加关注业绩(增长)、估值、产业中的竞争优势等.
同时,我们也注意到市场投资主体结构也在发生变化,海外投资机构对A股参与度在增加,他们对A股的投资规模和比重逐步增加,其关注的领域已不局限在传统的周期、消费类行业,新兴科技板块也是他们重点跟踪关注的领域.
(2)市场投资的客体(上市公司)逐渐呈现出"强者越强"的迹象.
比如浪潮信息、海康威视、用友网络、恒生电子、宝信软件等龙头个股,其2017年三季报收入增速大部分创下了近几年的同期新高.
龙头个股的产业竞争优势更加突显.
2017核心变量的边际变化.
(1)行情:大票涨,小票跌.
2017年计算机行业指数(SW)下跌11.
26%,剔除新上市个股,行业市值前10大个股中,有8只股票上涨;市值前20大个股中,有14只个股上涨.
(2)估值:分化.
根据Wind数据,2017年1月3日和2017年12月29日,计算机行业PE(TTM)分别为48.
9倍和57.
5倍.
在大票行情拉升行业估值的同时,个股估值出现一定分化.
(3)业绩:增速回落但好于预期.
根据样本公司数据统计,2015Q1-Q3、2016Q1-Q3、2017Q1-Q3,计算机行业整体收入增速为14.
9%、23.
8%、27.
3%,归母净利润增速为12.
6%、39.
1%、15.
1%.
根据工信部数据,2017年1-11月,软件实体经济收入同比增长14.
5%,增速继续回升.
(4)技术.
人工智能推动计算机行业变革型技术发展进度大于改善型技术,底层技术提升幅度大于应用层技术.
(5)商业模式.
商业模式升级的进程低于预期.
我们认为,在智能化时代,不迷恋于商业模式,技术的变现最终或将回归产品本身.
2018行业策略:抓大不放小,看价也看质.
(1)主线延续.
我们认为2017年两条主线:业绩主线和人工智能主线,或将继续在2018年得到演绎,但可能不只仅限于这两条主线.
(2)二线龙头估值修复.
目前估值较低的二线龙头在业绩确定性不断强化下,估值存在修复的空间.
(3)抓大不放小.
在关注龙头白马同时,业绩增长强劲且业务属性独特的小市值公司同样值得关注,比如泛微网络、华测导航.
(4)看价也看质.
对于产业趋势明确、竞争地位稳固、技术研发储备较强的稀缺标的,虽然目前估值较高,但仍值得关注.
人工智能,关注产品化和硬件放量公司.
2018趋势判断:(1)以芯片和算法为主的底层技术发展迅速,有望驱动应用层技术在各行业加快渗透.
(2)芯片和算法的关系或将逐步相互适配、融合、定制.
(3)终端智能有望逐步崛起,边缘计算或将得到快速发展.
推荐逻辑:(1)潜在能将人工智能技术转化为产品的公司,包括科大讯飞、四维图新、海康威视、大华股份、汉王科技等.
(2)在硬件方面能够放量的公司,包括浪潮信息、中科曙光等.
智能驾驶:关注核心壁垒和车载产品放量公司.
智能驾驶产业发展进程和节奏超过此前市场判断.
中国在智能驾驶产业布局的时点和环节与全球同步,创新活力更强.
2018趋势判断:(1)L3量产进程加快,L4逐步试运营.
(2)传感器深度融合,且越来越小型化.
(3)底层计算能力继续快速提升.
推荐逻辑:(1)在智能驾驶产业链中具有核心壁垒的公司,包括四维图新、中科创达.
(2)短期智能车载产品有望迎来放量的公司,包括东软集团、索菱股份,关注德赛西威、华阳集团.
智能制造和新零售:边际变化较大.
这两个领域在2017年发生了比较明显的边际改善.
(1)智能制造.
供给侧改革带来上游周期行业盈利提升,以这些行业为客户的信息化公司,其订单增速有望获得提升.
根据工信部数据,2017年1-11月,工业软件产品增速为20.
3%,增速强劲.
我们推荐技术和产品相对比较成熟的厂商,包括宝信软件、鼎捷软件、汉得信息等.
(2)新零售.
2017年阿里、腾讯围绕新零售展开线下布局,巨头的加入为行业带来较大变化.
推荐逻辑:(1)在线下用户获取方面,有望与互联网巨头合作的公司:石基信息.
(2)新零售的IT技术和设备提供商,建议关注新北洋.
金融科技和企业云服务:老逻辑新变化.
(1)金融科技.
金融和科技的边界在逐步模糊.
虽然金融IT领域面临政策监管的外部环境,但技术驱动、数据驱动的产业趋势无法阻挡.
推荐逻辑:技术领先、产品化能力强的公司,包括恒生电子、金证股份、同花顺等.
(2)企业云服务.
需求端的服务付费意识和使用习惯在逐步改善,供给端的云订阅模式收入占比在逐步提升.
推荐逻辑:垂直细分领域有望云转型成功的广联达,企业软件龙头用友网络.
风险提示.
行业整体业绩增速低于预期的风险,人工智能技术发展进程低于预期的风险,智能驾驶发展节奏慢于预期的风险,金融监管趋严的风险.
[Table_Industry]证券研究报告/年度策略2018年01月16日计算机行业驭见AI,技术变现回归产品-计算机行业2018年投资策略报告请务必阅读正文之后的重要声明部分-2-年度策略内容目录回顾2017,展望2018.
5-分析框架.
5-行情:大票行情.
6-估值:分化7-业绩:增速回落,但好于预期8-技术:变革型技术>改善型技术;底层技术>应用层技术10-商业模式:技术驱动,回归产品本身13-行业策略:主线延续,抓大不放小,看价也看质.
15-主线延续.
15-二线估值修复.
15-抓大不放小16-看价也看质16-板块策略:关注产业趋势明确和边际变化的板块.
18-人工智能:关注硬件放量和产品化公司.
18-智能驾驶:比预期发展更快.
23-金融科技:科技永不眠28-边际改善领域:智能制造、企业云服务、新零售.
31-总结和投资建议.
33-风险提示.
34-请务必阅读正文之后的重要声明部分-3-年度策略图表目录图表1:2017年计算机行业涨跌幅前十6-图表2:计算机行业指数涨跌幅以及行业估值变化情况7-图表3:计算机板块收入情况.
9-图表4:计算机板块归母净利润情况.
9-图表5:计算机板块扣非归母净利润情况9-图表6:计算机板块毛利率和净利润率.
9-图表7:我国软件业务收入增速情况.
10-图表8:我国软件业务收入增速情况(2016VS2017)10-图表9:IT技术的变革.
11-图表10:人工智能底层技术快速发展.
12-图表11:技术的群体加速效应.
12-图表12:不同IT阶段的变现方式13-图表13:2017年计算机行业两条主线.
15-图表14:2016年计算机行业研发投入在5亿元以上的公司.
17-图表15:人工智能的分类.
18-图表16:云端智能和终端智能19-图表17:AI算法+芯片,实现不同场景下的应用.
20-图表18:智能终端与边缘计算21-图表19:人工智能产品不同的切入方式.
21-图表20:智能驾驶产业链.
23-图表21:Velodyne激光雷达数据.
24-图表22:传感器融合实现的功能.
25-图表23:英伟达推出的DriveXavier智能驾驶芯片.
25-图表24:中国汽车电子市场规模.
26-图表25:汽车电子成本占比变化.
26-图表26:不同车型汽车电子成本占比.
27-图表27:金融科技应用的IT技术28-图表28:金融科技覆盖领域29-图表29:智能投研.
30-图表30:金融业务场景化.
30-图表31:场景化带来的优势30-图表32:工业软件产品增速31-图表33:微软云服务收入.
32-请务必阅读正文之后的重要声明部分-4-年度策略图表34:Oracle云服务收入.
32-图表35:SAP云服务收入.
32-图表36:Adobe云服务收入.
32-图表37:主要推荐标的盈利预测.
33-请务必阅读正文之后的重要声明部分-5-年度策略回顾2017,展望2018分析框架分析逻辑:思过去,看当下,展未来.
本篇报告的核心逻辑是:分析边际变化,预判行业趋势.
即通过分析计算机行业核心变量和核心指标在2017年的边际变化,结合行业内外的影响因素,来分析这些变量在2018年将发生哪些变化,对行业带来哪些影响,以及在这种发展趋势下,哪些细分领域和标的有望受益.
对此,我们先初步了解计算机行业几个核心指标在过去一年的变化情况.
估值:有所提升,幅度不大.
根据Wind数据,2017年1月3日,计算机(SW)行业整体PE(TTM)为48.
9倍,2017年12月29日,计算机行业整体PE(TTM)为57.
5倍.
如果与计算机行业指数涨跌幅结合来看(计算机(SW)行业2017年全年整体下跌11.
26%),我们会发现一个现象是:计算机行业指数在回调,而行业估值在上升.
后面我们会解释其中的原因.
业绩:外延并表减少导致增速回落.
以三季报为例,剔除通过外延或者资产注入转型到计算机行业的个股,考虑到时间跨度和样本数量,我们统计了计算机行业144家上市公司,2015Q1-Q3、2016Q1-Q3、2017Q1-Q3,计算机行业整体收入同比增长14.
9%、23.
8%、27.
3%,归母净利润增速分别为12.
6%、39.
1%、15.
1%.
从归母净利润来看,2017年前三季度增速虽然出现了同比回落,但仍然比2015年增速高.
技术:更新迭代速度加快.
人工智能相关领域技术不断取得突破性进展,底层芯片计算能力提升明显,算法迭代加速.
在技术提升方面,我们认为,变革型技术大于改善型技术,基础型技术大于应用型技术.
商业模式:服务模式升级仍在进行中.
计算机行业大部分的绝大部分收入仍以传统的IT收入模式为主(License+IT服务).
B端的互联网模式的整体进展低于市场初期的预判,针对B端以流量和数据变现的商业模式仍在推进.
企业云服务和大数据服务等以订阅或者服务收费的模式,其收入在不断增加,但占比不大.
人工智能相关细分领域大部分处于技术完善和产品开发期,真正的变现时点还需等待.
驱动力:成熟领域需求驱动,新兴领域技术驱动.
需求驱动继续在成熟的技术领域推动企业收入持续增长.
但在2017年行业感受最大的是来自前沿领域的技术驱动,比如人工智能、智能驾驶等领域.
以上是我们对计算机行业几个重要指标在2017年的变化进行的总结.
接下来,我们将根据这些指标和变量目前所处的水平和其运行规律,对其进行进一步分析,进而对其在未来一年的运行状态给出我们的判断.
请务必阅读正文之后的重要声明部分-6-年度策略行情:大票行情回顾2017,感受变化.
回顾2017年,计算机行业给我们的感触是,市场的主体和客体都在发生变化,这里的变化如果阐述开来可能会有很多维度,但给我们印象最深、体会最大的可能是,(1)市场的投资主体更加理性,更加关注业绩(增长)、估值、产业中的竞争优势等.
同时,我们也注意到市场投资主体结构也在发生变化,海外投资机构对A股参与度在增加,他们对A股的投资规模和比重逐步增加.
2017年4月我们去香港路演,跟当地的大中小机构进行了广泛交流,我们明显地感受到,香港投资机构对A股的投资热情非常高,他们关注的领域已不局限在传统的周期、消费类行业,新兴科技板块也是他们重点跟踪关注的领域.
(2)市场投资的客体(上市公司)逐渐呈现出"强者越强"的态势.
客观来讲,这个趋势可能在其他行业表现的更加明显,比如消费类的白酒行业、家电行业.
对于IT行业,2017年我们也看到了这种趋势的迹象,比如浪潮信息、海康威视、用友网络、恒生电子、宝信软件等龙头个股,其三季报收入增速大部分创下了近几年的新高.
龙头个股的产业竞争优势更加突显.
哪些在涨,哪些在跌2017年全年,计算机行业指数(SW)下跌11.
26%,在A股全行业跌幅榜上排到第8位.
在涨跌幅与市值关系方面,剔除新上市个股,计算机行业市值前10大个股中,有8只股票上涨;市值前20大个股中,有14只个股上涨.
计算机行业涨幅前10大个股中,市值都是140亿元以上的公司;涨幅前20个股中,有17家公司市值在100亿元以上.
总体呈现出市值越大,涨幅越大的现象(当然市值与涨幅并非完全线性关系).
而我们进一步可以看到,剔除新上市个股,2017年计算机行业上涨的个股也就是20家,其余152家个股均呈现不同程度的下跌.
而且,市值越小的公司,下跌幅度往往越大.
因此,我们看的结果是:大市值公司在涨,小市值公司在跌.
图表1:2017年计算机行业涨跌幅前十公司市值(亿元)年涨跌幅(%)公司市值(亿元)年涨跌幅(%)科大讯飞821119%丝路视觉24-65%中科曙光25945%东方通35-63%广联达21937%汇金股份47-61%四维图新33837%汉邦高科31-59%紫光股份75126%汇金科技28-58%合众思壮14922%网达软件36-55%卫士通19317%安居宝31-55%启明星辰20913%和仁科技25-54%达华智能19811%万集科技28-54%石基信息28410%雄帝科技29-53%来源:工信部、中泰证券研究所请务必阅读正文之后的重要声明部分-7-年度策略估值:分化如何理解计算机行业过去一年估值的变化从过去十年历史的估值水平来看,目前计算机行业的PE估值已回落到历史均值附近.
如果将时间区间进一步缩小至2017年一年的维度,我们会发现,(1)计算机行业整体PE(TTM)水平呈现回升态势;(2)计算机行业指数出现小幅回落.
由此我们看到的现象是,行业指数在回落,而行业整体估值在提升.
这句话第一眼看起来有些奇怪,但如果我们考虑到影响PE的另一变量E(盈利)的变化以及指数中个股结构性变化之后,就比较好理解这一变化.
第一,PE(TTM)指标是采用的是过去12月的盈利指标,当用新一年的季度数据替换上一年同期的季度的数据时,会产生估值的变化.
第二,计算机行业指数的个股中,权重大的大市值个股涨幅比较明显,这些个股的上涨较大抬升了行业整体市值.
第三,新股的上市在一定程度上也有可能拉升行业估值.
我们认为,以上三个影响因素中,第二个因素影响的更大一些.
根据我们上面的数据,计算机行业市值前10大个股中,有8只股票上涨;市值前20大个股中,有14只个股上涨,这也基本反应了2017年计算机行业龙头大票行情特点.
而且在这些上涨的大票中,大部分的估值高于行业平均水平图表2:计算机行业指数涨跌幅以及行业估值变化情况来源:Wind、中泰证券研究所估值:分化&集中2017年计算机行业个股的估值逐步分化,主要体现在,(1)龙头个股估值提升.
(2)大市值个股估值提升,小市值个股估值进一步回落.
(3)稀缺属性标的估值提升.
在以上几类中,大市值和龙头个股有重合地方,这些个股估值提升,一方面是因为这些标的估值本来就相对比较低,更重要的是因为其业绩增长相对比较确定,在未来行业的竞争格局中,优势更为明显.
对于稀缺属性的标的,其估值本来就比较高,其估值提升逻辑在于具有核心壁垒资源的争夺.
总结来看,2017年个股之间估值出现了一定的分化,大市值、龙头和稀缺(高壁垒)资产估值提升.
对于2018年,我们认为,以上这一风格或将持续.
估值推动因素:业绩&主题相比较传统行业,计算机行业估值整体偏请务必阅读正文之后的重要声明部分-8-年度策略高,高估值背后的逻辑往往是高成长、高壁垒,带来最终业绩的高增长.
在过去我们看到比较多的是,计算机行情靠主题推动,即主题推动估值提升.
存在主题行情的细分领域大多是市场目前还看不太清楚地新兴领域,其内在逻辑也是市场对新领域带来公司潜在业绩高增长的预期.
因此,我们可以看出,无论估值是业绩驱动还是主题推动,其最终的落脚点都是在业绩,只不过一种是短期"看得到的业绩"、一种是短期"看不到的业绩".
在不同的市场风格下(市场资金量、风险偏好等),这两种因素对行情演绎的作用程度可能会有不同(在过去几年的市场风格演变来看是如此).
在2017年我们看到的是,计算机行业主题行情的频率和持续时间都明显降低.
对于2018年,我们认为,(1)短期能够看到业绩高增长的公司,其估值有望进一步提升(而且公司的业绩增长也能消化自身的估值).
(2)而对于短期看不到业绩的公司,我们认为,市场对其业绩释放的容忍度可能会降低,但前提是,公司所处的大产业趋势明确,公司卡位优势明显,其估值也存在提升的可能性.
估值:高&低虽然我们上面看到的现象是行业指数在回落,估值在提升.
这也并不代表计算机行业所有的个股估值是在提升的.
我们需要分开来看以上估值的变化情况.
,2017年计算机行业两大主线分别是业绩确定性和人工智能.
对于那些既没有赶上人工智能主题概念,业绩增速也在被市场怀疑的低估值个股,其估值随之行业指数的回落进一步降低.
因此,对于这部分公司而言,其估值并不高.
估值的回落进一步增加了其安全边际.
业绩:增速回落,但好于预期行业业绩增速是否回落2017年市场对计算机行业关心更多的是,行业整体业绩增速是否在回落如果把2016年大量的外延并表因素考虑进去,毫无疑问,行业整体业绩增速是在回落.
但如果将该因素剔除,或者我们将2017年与大量外延并表前的2015年进行对比,行业增速回落的幅度并没有我们想象的那么大.
以三季报为例,剔除通过外延或者资产注入进入到计算机行业的个股,考虑到时间跨度和样本数量,我们统计了计算机行业144家上市公司,2015Q1-Q3、2016Q1-Q3、2017Q1-Q3,计算机行业整体收入同比增长14.
9%、23.
8%、27.
3%,归母净利润增速分别为12.
6%、39.
1%、15.
1%.
考虑到数据的可得性,我们将时间样本数量进一步减小,我们对行业的127家上市公司进行统计,2015Q1-Q3、2016Q1-Q3、2017Q1-Q3,计算机行业整体扣非归母净利润增速分别为10.
8%、33.
1%、7.
3%.
通过以上数据可以看出,(1)2017年前三季度计算机行业整体收入增速反而更加强劲,当然这里面包括了紫光股份对华三的并表、大体量公司浪潮信息收入的大幅内生增长,即使将以上两家公司剔除,整体增速也在20%以上.
(2)利润端,从归母净利润来看,2017年前三季度增速仍然比2015年增速高;从扣非净利润角度来看,与2015年增速相比,仍还有些下滑,但相差并不大.
请务必阅读正文之后的重要声明部分-9-年度策略图表3:计算机板块收入情况图表4:计算机板块归母净利润情况来源:Wind、中泰证券研究所来源:Wind、中泰证券研究所图表5:计算机板块扣非归母净利润情况图表6:计算机板块毛利率和净利润率来源:Wind、中泰证券研究所来源:Wind、中泰证券研究所软件实体经济增速变化大吗如果从更大宏观层面的软件实体经济来看.
(1)根据工信部数据,2017年1-11月,我国软件行业收入增速为14.
5%,同比仅回落0.
3个百分点,比1-10月提高0.
6个百分点.
其中,2017年11月份同比增长19.
6%,增速比10月提高7个百分点.
(2)利润总额增速与收入增速基本同步,2017年1-11月,软件和信息技术服务业实现利润总额6008亿元,同比增长14%,增速同比回落5.
8个百分点,比1-10月提高0.
8个百分点.
(3)从以上数据可以看到,2017年下半年,软件行业还是发生了一些边际向好变化.
结合计算机行业上市公司来看,金融IT软件板块公司的增速还是超过我们预期(包括恒生电子、金证股份的金融软件业务、赢时胜等).
同时,结合下游客户盈利提升的带动,工业软件的订单增速也有望实现一定的同比增长.
请务必阅读正文之后的重要声明部分-10-年度策略图表7:我国软件业务收入增速情况来源:工信部、中泰证券研究所图表8:我国软件业务收入增速情况(2016VS2017)来源:工信部、中泰证券研究所技术:变革型技术>改善型技术;底层技术>应用层技术在IT领域,技术是推动行业发展的核心动力.
在2017年我们看到计算机行业技术有一个值得关注的变化:即变革型技术发展进度大于改善型技术,底层技术发展大于应用层技术.
当然在这一变化中,我们看到更多的是人工智能细分领域技术、以及自动驾驶领域的技术.
变革型技术发展大于改善型技术.
(1)整个IT技术的发展经历了大型计算主机、PC个人电脑、互联网、移动互联网,再到目前正在经历的人工智能阶段.
但从技术本身来看,以往的这些IT技术,有的是变革型技术、有的是改善型技术.
当然我们需要说明的是,从对人类生活工作的影响来看,变革型技术不一定比改善型技术大.
但至少从底层架构、思请务必阅读正文之后的重要声明部分-11-年度策略维模式、认知架构等角度来看,变革型技术更加具有深远意义.
(2)理解2017年变革型技术的发展,其实就是理解以人工智能为代表的智能化技术的发展.
我们认为,人工智能技术是一种变革型的技术,它的认知模式和底层思想,相比以往技术阶段都有很大的不同.
如果简单理解这种不同,我们可以看下,以往我们经历的这几个IT技术阶段所带给我们的影响.
大型主机和PC电脑,相当于解放了人类的手工计算和手工整理.
互联网和移动互联网,把全球大部分人连接在一起,信息共享更加及时、实时,相当于解放了人类之间信息传递的工具.
人工智能技术的发展,有望逐步改变人类对问题的思考方式,一定程度上解放人类的大脑.
因此,从这个角度来看,人工智能技术的变革型特点体现的非常明显.
图表9:IT技术的变革来源:至顶网、中泰证券研究所底层技术发展快于应用层技术.
(1)底层技术先成熟,再逐步扩散到应用领域.
明确了人工智能这一变革型技术,我们将研究对象缩小至人工智能技术本身.
其实对于任何一种IT技术而言,从技术发展的初始到逐步成熟,基本都是先从基础底层技术的逐步成熟,再逐渐把这一技术应用到其他领域.
如果看我们所经历的信息化时代和互联网时代,在底层技术成熟之后,分别展开的是技术向其他行业加速渗透的路径,也就是我们所看的"信息化+行业"和"互联网+行业".
从这个角度来讲,人工智能技术也是这样的发展路径,先是底层技术的发展和成熟,再逐步渗透到各个行业.
(2)从底层技术和应用技术发展程度对比来看,我们认为,2017年,底层技术的发展要快于应用层技术的发展.
对于人工智能的底层技术,从大类上来看,包括芯片和算法.
在芯片领域,我们看到了以Nvidia为代表的GPU厂商产品的不断成熟,传统的CPU厂商Intel和AMD也逐步加大在这个领域的投入.
更值得关注的是,国内外涌现了大量AI异构芯片的初创型公司,也纷纷推出自己的产品.
在算法方面,以深度学习算法为代表的底层算法不断在人工智能的每个细分领域进行演化,出现了诸如CNN(卷积神经网络)、RNN(循环神经网络)、DNN(深度神经网络)等.
请务必阅读正文之后的重要声明部分-12-年度策略图表10:人工智能底层技术快速发展来源:艾瑞咨询、中泰证券研究所技术的群体加速效应.
目前人工智能技术的发展,不免使人提出一个疑问,人工智能时代是真的到来了还是最终只是一场资本狂欢的泡沫其实我们可以看得到的是,此次人工智能发展的IT技术氛围发生了很大变化,人工智能发展所需要的辅助要素都已具备并逐步成熟.
理解这一点,我们提出一种观点:技术的群体加速效应.
在说这个理论之前,我们先引入美国TED的负责人克里斯·安德森提出的"群体加速的创新"理论:如果每个人的创新都可以共享,而且可以辅用,最后这个创新一定会越来越快,因为每个人都会跟人比,要在别人的创新技术上往前再走一步.
基于此,我们认为,目前人工智能领域技术的发展,体现出明显的"技术的群体加速效应".
首先,人工智能底层芯片和算法技术迭代速度明显加快,发展逐步成熟.
而且芯片和算法之间的适配和相互优化也更加明显,两者相互促进并一起推动智能化底层架构的完善和成熟.
其次,我们看到,人工智能技术发挥作用的所需要的大数据、云计算、互联网化等技术已经先于人工智能技术趋于成熟.
因此,我们认为,在技术群体加速效应的推动下,人工智能技术应用的进展可能比预期的更快一些.
图表11:技术的群体加速效应来源:艾瑞咨询、中泰证券研究所请务必阅读正文之后的重要声明部分-13-年度策略2018年技术发展展望.
我们认为,2018年以人工智能为代表的新一代IT技术会继续快速发展,技术的群体加速效应会体现的更加明显.
从底层技术和应用层技术发展来看,底层技术会继续加速迭代,应用层技术的发展会乘胜追击.
从发展的规律来看,在技术发展的初期,底层技术要快于应用层,但在技术逐步成熟的时候,应用层技术发展会进入到一个加速发展期.
商业模式:技术驱动,回归产品本身不迷恋于性感的商业模式.
IT技术的更新迭代使得计算机行业的商业模式也呈现出不同的方式.
在信息化时代,我们看到了系统集成带来的项目型收入模式、成熟软件产品的License收费模式;互联网和移动互联网时代的用户流量和数据变现模式.
其实在这其中,我们比较关心的是几个领域的变现模式:(1)2B的互联网商业模式,包括了互联网+金融、互联网+医疗等,这些是上一波互联网趋势浪潮中,我们曾津津乐道的商业模式.
目前从计算机上市公司层面来看,基于导流的、轻量级应用的模式已经逐步成熟,但互联网与业务的结合度并不是非常紧密.
(2)以云计算和大数据为主的商业模式.
我们在2017年看的情况是,云服务的订阅收入模式以及大数据的数据服务收入模式,正在慢慢体现,但收入体量和占比都不大.
但可以关注的一点是,客户的对这种服务的认知和接受程度正在发生边际的改善.
(3)我们认为,所有商业模式的背后都离不开核心技术和强用户体验产品的支撑.
我们不必太去关注商业模式的变迁,在大的商业模式浪潮下,每家企业面临的机会是均等的,谁具有新的商业模式变现所需要的核心基础要素(可能包括技术、产品、数据、用户等),谁更加具有优势.
图表12:不同IT阶段的变现方式来源:至顶网、中泰证券研究所请务必阅读正文之后的重要声明部分-14-年度策略打造具有竞争力产品是核心.
在智能化时代,计算机行业的商业模式会发生什么样的变化其实这个问题背后含义是,人工智能技术如何变现我们认为,在大的变革型技术浪潮下,技术的变现要回归到产品本身.
只有好的产品才能让技术得到最快、较大的变现.
对于人工智能领域而言,技术应用和变现的路径有很多.
如果单从打造智能化的产品这个维度来看,我们认为分为两种.
第一,在原有信息化产品中加载人工智能技术,即"老产品+新技术".
这种模式所带来的效果是,原有产品实现更多智能化的功能.
典型的例子就是海康大华生产的智能摄像头.
第二,是利用新的人工智能技术开发原来没有的产品,即"新技术+新产品".
相对来讲,这种方式更加困难.
第一种方式相当于有产品载体,主要是做技术叠加.
而第二种更多的是做技术创新和产品创造,典型的例子比如科大讯飞的翻译机等.
但无论以上哪种的智能化产品生产模式,其核心还是在于产品的用户体验和竞争力.
当然,目前我们能够看到的人工智能的商业模式,包括了软件算法模块的License模式、嵌入式功能模块的收费模式等,而这些都是IT技术发展最初的变现模式,而且未来也有可能与产品的变现模式共存.
小结.
计算机行业在2017年估值出现一定分化,大票行情虽然拉升了行业估值,但也给二线龙头带来一定的估值优势,其存在估值修复的可能性.
行业增速虽然因为外延并表减少而业绩增速下滑,但比预期要好,收入端增速依然稳健.
人工智能推动计算机行业变革型技术发展进度大于改善型技术,底层技术提升幅度大于应用层技术.
商业模式升级的进程略低于预期,在智能化时代,技术的变现或将回归产品本身.
请务必阅读正文之后的重要声明部分-15-年度策略行业策略:主线延续,抓大不放小,看价也看质主线延续主线延续.
通过上一章节的分析,我们可以清楚地看到,2017年计算机行业演绎的是一场大票行情.
市值前20大的股票中,有14家上涨.
如果只是说大票行情,这种描述可能有点粗糙,细细研究其实主要包括两条主线:一个是业绩主线,以广联达为代表;一条是人工智能主线,以科大讯飞为代表.
其他上涨的标的,大部分是以这两条主线展开.
我们认为,2018年,这两条主线有望继续在计算机行业得到延续,但不一定仅限于这两条主线.
图表13:2017年计算机行业两条主线来源:Wind、中泰证券研究所二线估值修复二线估值修复.
2017年计算机行业指数的回调,使得部分个股的估值优势逐步体现出来.
2017年计算机行业指数回调10%以上,而值得关注的是,2017年行业涨幅较大的个股,除了广联达之外,大部分是市值较大、估值较高的个股,即权重大估值高.
在这种情况下,2017年,那些没有赶上人工智能主题概念,业绩增速又在被市场怀疑的低估值个股,其估值出现了进一步的回落.
对于本来估值就比较低的个股,估值的回落进一步增加了其安全边际.
我们这里估值修复所指的个股有几个特点:(1)估值相对较低,低于行业估值平均水平;(2)之前市场对其业绩增速存在一定分歧;(3)前三季度公司业绩增速没有低于市场预期,或者近期发生了一些利好公司业绩的事件.
我们认为值得关注的标的包括:华宇软件、汉得信息、东方国信、宝信软件、美亚百科等.
请务必阅读正文之后的重要声明部分-16-年度策略抓大不放小(1)抓大:龙头溢价或将显现.
在目前"强者愈强"的市场竞争中,龙头公司似乎有了更高溢价的可能性.
其背后的逻辑是龙头公司在产业集中度提升背景下更加受益,业绩的确定性更强,抗风险能力更强.
对于计算机行业而言,在目前技术变革的时点,龙头公司的价值更加突显,它们往往具有更强的技术储备、更高的研发投入、更多的数据积累、更强的产品转化能力以及更广泛的用户基础,这些都是在技术变革期公司能否转型成功的重要基础.
我们经常看到的一个现象是,像海康威视、大华股份、恒生电子、四维图新等公司,它们每年的研发投入比一些小公司全年的收入体量都要大.
我们认为,像这种类型公司,其估值修复或将也更具有持续性.
而且在未来的产业竞争中,这些对前沿领域高投入、市场地位已经确立的龙头更加具有优势.
(2)不放小:业绩强劲、业务属性独特标的.
我们认为,在关注大市值、行业龙头白马公司的同时,优质的小市值标的也非常值得关注.
我们认为,对于小市值公司的选择可以关注几个方面:1)业绩稳健持续.
在目前市场情况下,业绩的确定性增长是第一要素.
2)业务属性独特.
业务属性独特,一方面表明公司在行业中具有一定稀缺性;另一方面,表明公司所处的行业还没有形成稳定的竞争格局,市场会留有更多的时间和空间来支撑公司的发展.
如果这些小市值公司所在的领域,竞争格局比较稳定甚至有集中度提升的情况,在目前"强者愈强"的背景下,小市值公司成长空间有限.
对此,我们认为值得关注的公司包括:泛微网络、华测导航等.
看价也看质看价也看质.
这里的"价"指的是估值,"质"值得公司质地.
即我们在关注估值的同时,也要看到公司的质地和价值(技术实力、产品化能力、研发能力、人才储备等).
2017年市场对计算机行业的选股维度是从业绩出发,甚至以比较严格的季度业绩兑现来进行筛选.
对于2018年,我们认为,业绩的确定性防线可能会稍有收缩,对于短期估值较高,但产业趋势明确、市场地位突显、行业稀缺属性明显的研发高投入型公司,也同样值得关注.
目前计算机行业处于技术变革期,新一代智能化技术相比上一代IT技术,有变革型的创新.
企业需要在未来智能化浪潮中具有核心竞争力,只有大量的研发投入才能保证技术的领先和产品的转化.
因此,我们认为,对于这种类型的公司,我们可以不只是从估值这一个维度,更可以从公司质地相关指标进行帅选.
请务必阅读正文之后的重要声明部分-17-年度策略图表14:2016年计算机行业研发投入在5亿元以上的公司公司2016年研发投入(亿元)研发占收入比重(%)海康威视24.
37.
6%紫光股份17.
86.
4%中国长城14.
92.
1%大华股份14.
210.
7%用友网络10.
721.
0%恒生电子10.
548.
4%中国软件9.
721.
5%东软集团8.
811.
4%东华软件8.
112.
5%浪潮信息7.
66.
0%四维图新7.
345.
8%科大讯飞7.
121.
4%航天信息5.
52.
1%广联达5.
024.
5%来源:Wind、中泰证券研究所小结.
在行业策略中,我们认为2017年的两条主线:业绩主线和人工智能主线或将继续在2018年得到演绎,但可能不只仅限于这两条.
目前估值较低的二线龙头在业绩确定性不断强化下,估值存在修复的空间.
在大小票选择方面,龙头白马是关注重点,业绩增长强劲持续且具有业务属性独特的公司也同样值得关注.
估值可能是我们选股的一个方面,产业趋势明确、竞争地位稳固、技术研发储备强的稀缺标的依然具有吸引力.
请务必阅读正文之后的重要声明部分-18-年度策略板块策略:关注产业趋势明确和边际变化的板块分析变化,阐述未来.
我们认为,目前市场对计算机行业大的产业方向已经基本形成一致预期.
我们无需花费大量篇幅去描述这些趋势性细分领域所带来的市场规模、最终会带来哪些变化.
我们更多的是从市场关注的、有分歧的,或者我们认为未来一年可能会有一定变化的地方进行阐述.
目前市场比较看好的细分领域可能包括:人工智能、智能驾驶、金融科技、智能制造、云服务、大数据等.
但市场有分歧的地方在于,这些细分产业方向发展的节奏和时间点,包括技术的突破点、产品的转化点、变现的时间点等.
在以下部分,我们试图从这些细分领域2017年所发生的边际变化开始,以此为基础,来阐述我们对2018年产业发展节奏的判断.
人工智能:关注硬件放量和产品化公司在对人工智能产业发展进行分析之前,我们先把人工智能细分领域的分布介绍一下,这有助于我们理解整个人工智能发展技术演进方向,以及技术到产品转化的顺序和节奏.
其实对于人工智能的分类也有不同的划分方法.
我们介绍的这种划分方法,是从技术发展的难易程度来进行划分,依次可以分为:语音识别、图像识别(包括人脸识别)、语义理解、情感分析、机器学习等.
从目前国内人工智能技术发展的特点来看,主要集在语音和图像两个领域,而国外有很多公司在推理、情感分析以及机器学习领域有很深的研究和积累.
图表15:人工智能的分类来源:雷锋网、中泰证券研究所2017边际变化一:底层技术突破性进展.
如果说人工智能在2017年给市场留下了什么印象,那一定是快速普及.
在快速普及的背后,我们看到更多的是人工智能底层技术的快速发展,包括GPU应用、AI芯片涌现以及深度学习算法快速迭代和应用.
这些都是人工智能在这波产业趋请务必阅读正文之后的重要声明部分-19-年度策略势中获得初期较快发展的主要原因.
2017边际变化二:行业应用逐步开始,但结合不深.
按照IT技术发展的规律来看,在底层技术不断完善升级的同时,技术的行业渗透也在逐步开始.
2017年我们看到更多的是"人工智能+"带来的行业应用拓展,这表明人工智能技术正逐步与垂直行业结合.
在产业结合的实际效果来看,更多体现的是加载了深度学习算法之后的图像识别、自然语言处理、、搜索引擎、以及大数据融合处理带来的应用.
目前来看,这些应用偏浅层应用,与具体业务结合度并不是特别深.
但至少我们已经看到人工智能技术在垂直领域的快速渗透.
2017边际变化三:芯片和算法的关系.
在传统的IT结构(包括PC架构和移动架构)下,芯片和算法属于分离的、相关度并不大的两个核心基础要素,计算机系统跑什么样的算法与芯片的关系并不大.
当然这主要是因为传统的计算架构下,我们面对更多的是结构化的数据,依靠通用的CPU芯片就可以得到很好处理.
在人工智能技术应用场景下,并行计算成为一种基本需求,而在不同应用场景下,对时延、功耗等有着不同的要求,这就带来针对特定场景下的特定芯片.
而为了让人工智能芯片发挥最大效果,芯片会根据系统上跑什么样的算法而不断进行完善、优化.
因此,在人工智能时代,芯片和算法的关系变得更加紧密,关联度越来越大.
2017边际变化四:终端智能.
人工智能可以分为云端智能和终端智能.
所谓的云端智能是指相关的AI执行是在云端完成,那就需要把传感器终端收集的数据上传到云端,处理好再传输到终端做出响应,这种处理方式就要求对网络的带宽、延迟和响应速度有很高的要求.
但是对于一些产生数据量较大的应用场景,比如智能驾驶等,对数据的传输和响应速度是一个比较大的挑战,给终端带来一定的潜在风险.
因为安全性、人性化的需求,AI应用逐渐会有一个迁移,很多应用会从云端迁移到终端,最终常见的模式可能是,数据模型在云端进行训练、培训,最后在终端做执行.
我们认为,在这样的需求驱动下,终端智能有望快速崛起.
图表16:云端智能和终端智能来源:雷锋网、中泰证券研究所2018趋势判断一:应用层技术会加快渗透.
做这个判断的前提是,我们看到人工智能在底层芯片和算法领域已经得到了较大的提升.
其实如果请务必阅读正文之后的重要声明部分-20-年度策略反观2017年人工智能在行业应用的推进进程来看,虽然出现了多点开花的局面,但一些产品的用户体验并不是特别好,智能化技术对业务嵌入的深度也不够.
这其实是反映了人工智能技术还处于应用的初期,正处于从技术向行业解决方案逐步嵌入的时点,处于从技术向产品转化的时点.
我们认为,2018年,智能化技术向产品转化的力度会进一步提升.
在底层技术发展相对比较成熟的语音、图像、语义等领域,会逐步从B端和C端两个维度产生一些现象级的产品.
对于上市公司而言,更多的是通过行业解决方案或者B端产品形态来是实现技术的变现.
2018趋势判断二:芯片和算法相互定制.
人工智能应用场景的多样化,使得不同场景对芯片产生不同的需求,比如车载芯片、摄像头芯片、智能音箱的芯片对功耗、时延、定制化程度可能会有不同的要求.
我们认为,在智能化时代,芯片和算法会更加适配、更加相互定制,来最大程度的发挥"算法+算力"组合带来的计算效能提升.
这一趋势有望在2018年越来越明显.
我们或将能看到的一个现象是,芯片的公司都在开发自己的算法,算法公司也开始研发对应的芯片.
图表17:AI算法+芯片,实现不同场景下的应用来源:商汤科技、中泰证券研究所2018趋势判断三:边缘计算逐步崛起.
边缘计算指的是在靠近物或数据源头的网络边缘侧,融合网络、计算、存储、应用核心能力的开放平台.
边缘计算其实是一种就近运算的概念,它是将运算放在更靠近数据源所在的本地区网内,尽可能不将数据回传云端,以减少数据往返云端的等待时间及网络带宽成本.
边缘计算通常是在本地端和云端两边交界的附近做运算处理,也就是数据进出区网附近的位置.
其目的在于既可以将运算环境放在本地,同时又可以靠近云端边界附近,借此跟云衔接.
毕竟并不是全部的数据都能放在本地端运算,还是会有些需要更进一步分析及判断的数据,最后还是要传回云端来处理,或是作为长期存取的使用.
我们认为,终端智能会带动边缘计算的崛起.
请务必阅读正文之后的重要声明部分-21-年度策略图表18:智能终端与边缘计算来源:商汤科技、中泰证券研究所推荐逻辑一:产品逻辑,寻找潜在的智能产品化公司.
我们认为,人工智能技术变现要重回产品本身.
在产品逻辑方面,第一种是在原有信息化产品上做技术叠加,来实现智能化的功能.
这种模式是目前人工智能产品化最有可能突围出来,而且我们已经看到传统的IT硬件产品公司正在逐步推出它们的智能化产品.
第二种是利用新的人工智能技术创造新的产品.
这种方式相当于从技术的源头开始,来推动技术的最终变现,这可能会经历一个比较长的从技术向产品的转化周期.
因此,这种方式的时间成本更大,但其价值量一般也会更大.
对于以上这两种方式,我们的观点是,短期看老产品的智能技术叠加,相关标的包括:海康威视、大华股份、华宇软件;长期看新技术创造的新产品,相关标的:科大讯飞、四维图新.
图表19:人工智能产品不同的切入方式来源:公司官网、中泰证券研究所推荐逻辑二:放量逻辑,短期能够放量的公司.
放量逻辑基于以上产品逻辑,即短期能够带来产品放量的公司.
这里有两个关键词,(1)"短请务必阅读正文之后的重要声明部分-22-年度策略期",即要求技术向产品转化的周期不能太长,在原有产品做智能技术叠加的公司,可能更加符合.
(2)"放量",之所以能够放量,说明这个产品更加偏向标准化;另外,从IT软硬件产品放量的特点来看,硬件产品放量往往来得更快或者更早,软件产品的放量一般会议硬件作为载体,或者以硬件放量作为前提.
从这个角度来看,对于人工智能放量逻辑,我们看2018年,更加倾向于能够在硬件方面带来产品放量的公司.
相关标的包括:浪潮信息、中科曙光.
推荐逻辑三:算法领先逻辑.
软件算法绝对领先的公司.
首先说明一下我们对人工智能时代技术的观点.
我们认为,技术可能不是永远都是第一位的,这句话听起来可能有点绕,其实也表达的意思是,在人工智能不同的发展阶段,技术重要性可能会有不同.
在产业发展的初期,技术的毫无疑问是最重要的,谁拥有领先的技术,谁就拥有了市场主导权.
但当一个技术逐步成熟的时候,技术在整个价值变现链条中,可能就不是最重要的,谁能将技术最先转化为用户体验好的产品,谁就占领了市场.
这也是我们为什么上面推荐产品逻辑的原因.
在目前人工智能各个细分领域快速发展的初期,我们认为,在软件算法方面持续保持创新和领先的企业,具有一定的稀缺性,能够获得一定的估值溢价.
相关标的包括:科大讯飞.
小结.
人工智能底层技术包括芯片和算法,已经得到较大提升.
智能化底层技术的逐步成熟或将加快其在各个行业的渗透和应用.
芯片和算法的关系或将逐步相互适配、融合、定制.
终端智能有望逐步崛起,带动边缘计算的快速发展.
我们推荐逻辑包括:(1)潜在能将人工智能技术转化为产品的公司,包括科大讯飞、四维图新、海康威视、大华股份、汉王科技等.
(2)短期在硬件方面能够放量的公司,包括浪潮信息、中科曙光等.
(3)在算法方面有望持续领先,获得市场溢价的公司.
请务必阅读正文之后的重要声明部分-23-年度策略智能驾驶:比预期发展更快智能驾驶从技术源头来看,其实是人工智能在汽车行业的应用.
但汽车产业链较长,涉及的环节和产品部件比较多.
因此在研究的时候,我们将其单独作为一个大的行业领域进行单独分析.
图表20:智能驾驶产业链来源:新智驾、中泰证券研究所2017边际变化一:巨头杀入,创新不断.
2017年我们看到智能驾驶领域,巨头的布局加快,相互竞争更加激烈.
这其中包括了传统的车企(奥迪、奔驰、宝马、丰田等)、汽车Tier1供应商(博世、德尔福、电装等)、以及科技巨头(谷歌、百度、英伟达、英特尔等).
这些参与方都试图从自身所处的产业链环节切入到智能驾驶领域.
除此之外,我们看到更多的是智能驾驶初创企业的大量涌现,其涉足的产业链环节基本覆盖了智能驾驶感知、决策、控制的各个方面.
而且针对同一功能,不同企业采用了不同的技术路径去实现,创新更加具有多样性.
在智能驾驶领域的起步和布局节奏来看,我们认为中国与美国硅谷保持了同步,双方在技术、产品、人才储备等方面都有一定的积累.
2017边际变化二:L3逐步量产.
在智能驾驶等级中,L1和L2相对来说是一般的辅助驾驶功能,但都到了L3之后,在特定场景下(比如高速公路),汽车的驾驶就可以交由智能驾驶系统来完成.
可以说,L3是特定场景下自动驾驶功能的实现.
在2017年,我们看到了L3量产的标志性事件,即代表L3级别的奥迪A8开始量产.
2017年奥迪推出的新款A8就搭载了能够在高速公路拥堵状况下自动驾驶的Traffic-jampilotsystem最新L3自动驾驶系统.
这表明,L3的技术和产品化已经成熟.
我们认为,智能驾驶领域正在逐渐步入群体加速创新阶段,产业发展进程快于之前预期.
2017边际变化三:传感器成本下降.
传感器是智能驾驶感知层的核心部件.
目前来看,感知层解决环境数据捕捉的技术路径包括视觉摄像头、激光雷达、毫米波雷达等.
但由于成本价格问题,目前混搭、融合、不请务必阅读正文之后的重要声明部分-24-年度策略计数量的多传感器方案还比较难实现大规模量产.
在2017年,我们看到传感器逐步开始出现成本下降的迹象(从产业发展来看,成本下降是大势所趋),这其中包括视觉摄像头芯片价格、激光雷达价格.
2018年1月初,Velodyne宣布,其无人驾驶用16线激光雷达面向全球客户成本将降低高达50%,价格从7999美元将至3999美元.
我们认为,传感器价格的下降,有助于突破环境感知技术的产品转化和量产瓶颈.
图表21:Velodyne激光雷达数据HDL-64HDL-32VLP-16价格8万美元左右2万美元3999美元(降价后)激光束643216扫描范围120米100米100米精度正负2厘米正负2厘米正负2厘米数据频率1.
3M像素/秒700000像素/秒300000像素/秒角度(垂直/水平)26.
8度/360度40度/360度30度/360度功率60W12W8W来源:雷锋网、中泰证券研究所2018趋势判断一:L3量产进程加快,L4逐步试运营.
对于2018年,我们认为智能驾驶会加快推进.
2017年我们已经看到了L3开始量产,我们认为2018年L3量产量程会加快,会有越来越多的车企、科技巨头将它们的L3量产排上日程.
对于L4,谷歌的Waymo在2017年已经在一定场景下实现了试运营.
在硅谷,Waymo和FCA合作的自动驾驶汽车在做试营的准备;通用收购的CruiseAutomation也在道路上进行试运营,还包括了Drive.
ai这样的技术公司.
我们认为,2018年L4的试运营的场景会更加丰富,参与的厂商也会逐步增加.
其实对于L3和L4之间的差别,如果简单来讲,核心在于L4的场景更加多样,但这背后实际体现是L4所需要的数据模型更多,也就是在某一特定的交通场景下,L3不能做出判断,而L4能够像人一样做出及时、合理的决策.
这背后就是数据模型大量积累所带来的结果,我们也可以称之为Know-How.
2018趋势判断二:传感器深度融合,且越来越小型化.
解决环境感知的多传感器融合方案基本已经形成产业共识.
在2018年CES展上,我们看到,国内激光雷达企业速腾聚创所展示的激光雷达和摄像头的底层融合技术,它的创新性在于:把固态激光雷达与摄像头进行硬件底层融合,从而让自动驾驶车辆能全方位感知真实世界的三维空间色彩信息.
在小型化方面,车企正在逐步将原来外现凸起的传感器集成到车内,使智能驾驶汽车看起来更普通车没什么区别.
这就是车企对量产化做的一些准备.
同时,也包括计算机中心的隐藏,目前有些车企已经做到,打开后备箱,整个计算中心非常小,可以和后备箱高度持平;比较激进的车企,甚至做到了把计算机中心隐藏到车内.
我们认为,2018年传感器融合以及小型化甚至隐藏化,会得到进一步提升,以上这些只有一个目标,就是量产.
请务必阅读正文之后的重要声明部分-25-年度策略图表22:传感器融合实现的功能来源:雷锋网、中泰证券研究所2018趋势判断三:底层计算能力继续快速提升.
智能驾驶之所以发展如此迅速,其中必不可少的是计算能力的提升,即车载芯片的快速发展.
我们认为,2018年支持更高自动驾驶级别的芯片有望逐步量产,智能驾驶底层计算能力会继续加速提升.
在2018CES,英伟达宣布了DriveXavier开始进行入小批量出货.
英伟达最新的XavierSoC包含"定制化的8核CPU,全新的512核VoltaGPU,新款深度学习和计算视觉加速器,同时还有新的8KHDR视频处理器.
".
另外,英伟达正在开发搭载Xavier的计算平台DRIVEPegasusAI.
Pegasus是全球首款致力推进Level5级别的自动驾驶出租车车载计算机,它专为推进高阶自动驾驶的出租车而设计.
内置两个DRIVEXavier系统级芯片和英伟达下一代GPU图形处理器,可实现每秒320万亿次深度学习计算,并能够同时运行多个深度学习网络.
我们认为,2018年不只英伟达,包括英特尔,甚至特斯拉都有可能推出全新的车载芯片产品.
在国内,我们已经看到,2017年12月,地平线发布两款芯片:"征程"和"旭日".
"征程"是基于地平线此前已经推出的高斯架构,支持高性能的L2ADAS系统;能够同时对行人、机动车、车道线、交通标示牌、红绿灯等8类目标进行准备的实时检测与识别.
图表23:英伟达推出的DriveXavier智能驾驶芯片来源:公司官网、中泰证券研究所请务必阅读正文之后的重要声明部分-26-年度策略推荐逻辑一:核心壁垒逻辑.
智能驾驶的产业方向已经基本确定,对于标的选择,我们优先推荐在产业链环节中处于不可替代位置的公司.
这其中需要两个条件:第一,公司业务是产业发展绕不开的环节;第二,公司业务在其领域具有稀缺性或者核心竞争力.
产业一旦进入发展加速期,公司业务存在快速放量的可能性.
相关标的:四维图新、中科创达.
图表24:中国汽车电子市场规模来源:智研咨询、中泰证券研究所推荐逻辑二:放量逻辑.
与以上面逻辑不同的是,放量逻辑更加强调短期的放量;而核心壁垒逻辑强调公司业务短期的稀缺性,其有望带来长期的潜在业务放量.
因此,对于放量逻辑,我们更加强调在智能驾驶产电动化、智能化趋势中,能够在短期带来产品快速增长的公司.
在这里,我们明确目前汽车行业量大趋势:第一是,电子化、智能化.
这将带来电子化、软件化产品在汽车中的比重进一步提升,为相应的IT公司带来机会.
第二,国产化替代趋势.
目前车企面临较大的成本压力,在零部件方面存在从高成本的国外供应商向低成本国内供应商的转移,但前提是国内产品在性能方面是达到车规级应用.
目前,我们已经看到国内很多零部件厂商纷纷退出了针对汽车智能化的不同产品,包括毫米波雷达、智能驾驶座舱、HUD、360环视等产品.
相关标的包括:东软集团、德赛西威、华阳集团、索菱股份.
图表25:汽车电子成本占比变化来源:智研咨询、中泰证券研究所请务必阅读正文之后的重要声明部分-27-年度策略图表26:不同车型汽车电子成本占比来源:雷锋网、中泰证券研究所小结.
智能驾驶产业发展进程和节奏超过此前市场判断.
中国在智能驾驶产业布局的时点和环节与全球同步,创新活力更强.
我们认为,在智能驾驶推进方面,L3量产进程加快,L4逐步试运营;传感器深度融合,且越来越小型化;底层计算能力继续快速提升.
我们的推荐逻辑包括:(1)在智能驾驶产业链中具有核心壁垒的公司,包括四维图新、中科创达;(2)短期智能车载产品放量的公司,包括东软集团、索菱股份,关注德赛西威、华阳集团.
请务必阅读正文之后的重要声明部分-28-年度策略金融科技:科技永不眠金融科技渗透到金融业务的各个方面,包括借贷、财富管理、支付、保险、众筹、征信,甚至是零售银行和房屋中介,相比互联网金融对金融业务在模式上的改变,金融科技更加强调利用科技技术(包括人工智能、大数据、云服务、分布式计算、安全技术等),对金融业务进行改造升级.
在国内外市场,已经涌现出很多金融科技公司,包括了中安在线、OscarHealth、Wealthfront、蚂蚁金服、苏宁金服、京东金融等公司.
金融科技的本质是以数据和技术为驱动,以降低交易成本、提升服务效率为目的.
图表27:金融科技应用的IT技术来源:艾瑞咨询、中泰证券研究所2017边际变化一:金融监管趋严.
针对2015年的互联网金融乱象,相关的监管政策不断落地.
如果说2017年在监管政策方面有什么变化,那就是逐步趋严.
其实,从行业长期发展来看,严监管更加有利于保障行业长期、健康、持续、稳定的发展.
我们认为,未来监管或将趋于常态.
2017边际变化二:技术应用加快.
金融科技中的"科技",包括了互联网、人工智能、大数据、云服务、区块链、信息安全等.
相比2015年互联网对金融业务在模式上的改变(比如传统的线下金融业务搬到线上),2017年的科技与金融的结合更加强调,技术思维的应用.
在这方面,我们已经看到诸如智能投顾、智能投资、智能客服、智能监管等产品的推出.
请务必阅读正文之后的重要声明部分-29-年度策略图表28:金融科技覆盖领域来源:艾瑞咨询、中泰证券研究所2018趋势判断:金融与科技的边界.
对于金融与科技的关系,从传统观点来看,科技是金融业务实现的工具,金融因科技技术的应用而效率更高,成本更低.
但随着IT技术的不断更迭,金融业务也因技术的创新而变得更具创新性.
这里就存在金融业务和IT技术的边界问题.
我们认为,从产业发展趋势来看,金融业务与科技的边界会变得模糊,两者会逐渐走向融合.
推荐逻辑一:技术领先、产品化能力强的公司.
纵观科技在金融领域的角色,IT技术推动金融从金融电子化和数字化、到金融网络化和移动化、再到金融自动化和智能化.
在金融科技板块,我们首选针对下一代IT阶段人工智能,具备核心技术储备的公司.
同时,在技术之外,我们也非常看重公司的产品化能力,从这个角度来看,我们可以关注在上一代金融IT阶段,已经证明自己是产品型的公司.
比如恒生电子、金证股份、同花顺等.
我们认为,对于金融IT软件公司而言,产品化能力是其核心竞争力之一.
这种产品化能力并不会随着技术的变革而转移或者流失,而会继续推动公司对新技术的产品转化.
请务必阅读正文之后的重要声明部分-30-年度策略图表29:智能投研来源:艾瑞咨询、中泰证券研究所推荐逻辑二:应用场景公司.
业务场景化有利于金融数据的积累,便于智能化技术发挥作用.
金融科技技术包括了人工智能、区块链、高性能计算、大数据、云计算等,场景化能够为这些技术提供更大的发挥空间.
图表30:金融业务场景化来源:艾瑞咨询、中泰证券研究所图表31:场景化带来的优势来源:恒生电子、中泰证券研究所请务必阅读正文之后的重要声明部分-31-年度策略小结.
科技在金融中的角色逐步从原来的工具角色,走向两者的相互融合.
金融和科技的边界在逐步模糊.
虽然金融IT领域面临政策监管的外部环境,但技术驱动、数据驱动的金融发展趋势无法阻挡.
我们推荐逻辑包括:(1)技术领先、产品化能力强的公司,包括恒生电子、金证股份、同花顺等.
(2)应用场景型公司,包括赢时胜、四方精创.
边际改善领域:智能制造、企业云服务、新零售2017年智能制造的边际变化:下游客户盈利改善带来需求提升.
2017年供给侧改革带来传统上游周期行业盈利提升.
而以这些行业为客户的信息化公司,其订单增速也有望获得提升.
根据工信部数据,2017年1-11月份,工业软件产品增速为20.
3%,增速比1-10月提高2.
7个百分点.
通过2017年全年数据可以看出,自2019年9月份工业软件产品的增速处于稳步上升趋势.
图表32:工业软件产品增速来源:工信部、中泰证券研究所智能制造推荐逻辑:技术和产品成熟.
智能制造包括智能生产和智能工厂.
智能生产的产品线包括了工业ERP、MES(制造企业生产过程执行管理系统);APS(先进生产规划及排程系统);SFT(厂区生产追踪系统);PLM(产品生命周期管理)等产品.
在智能制造板块,我们推荐技术和产品相对比较成熟的厂商,包括宝信软件、鼎捷软件、汉得信息等.
2017年企业云服务边际变化:云收入逐步释放.
其实国内对云计算已经非常熟悉,云计算产业已经经历10年的发展时间,相关细分领域已经发展比较成熟.
但企业云服务,一直是国内云服务市场发展比较缓慢的一个细分领域.
但在2017年,从上市公司层面,我们已经看到有些企业云服务公司的云服务转型逐步取得一定效果,云收入也正在慢慢体现.
2018年企业云服务趋势判断.
我们认为,国内的企业云服务市场之所以没有像基础云服务IaaS取得高速增长,很重要的原因可能是来自需求端.
因为供给端来看,国内的企业云服务市场企业并不是没有技术能力提相关的云服务产品,反倒是这种企业SaaS级的应用有很多.
需求端请务必阅读正文之后的重要声明部分-32-年度策略对云服务的使用习惯、付费意识、数据安全理念等,与国外还存在较大的差异.
我们看到国外的企业云服务厂商包括企业办公软件的微软、ERP软件的SAP和Oracle、以及垂直领域的软件公司Adobe,这些公司的云服务收入体量已经很大,有的云服务收入占比甚至超过了传统软件产品.
我们认为,国内的企业云服务客户的对云的认识正在逐步改变,企业云服务市场在2018年有望继续稳步前行.
企业云服务推荐逻辑.
从海外对标的角度,我们推荐在传统软件产品已经拥有大量用户的龙头软件公司,相关标的包括:用友网络、泛微网络;以及在垂直领域获得较大市场份额的软件产品公司,相关标的包括:广联达、石基信息、金财互联.
图表33:微软云服务收入图表34:Oracle云服务收入来源:Wind、中泰证券研究所来源:Wind、中泰证券研究所图表35:SAP云服务收入图表36:Adobe云服务收入来源:Wind、中泰证券研究所来源:Wind、中泰证券研究所新零售边际变化:巨头加快布局.
新零售板块是2017年计算机行业新出现的一个细分领域.
之前以关注这个领域,主要是我们看到了国内两大互联网巨头:阿里和腾讯,在2017年分别展开了疯狂的线下布局,包括资本投入以及兼并收购.
而这些动作的背景是,一方面,线上流量基本已经基本被现有的互联网巨头瓜分,新用户的获客成本显著提升,而线下的用户的获客成本相对较低.
另一方面,线上的服务内容更多的是标准化的产品,而定制化的需求在线上比较难以满足,在大众消费升级的背景下,定制化的需求也越来请务必阅读正文之后的重要声明部分-33-年度策略越多,线下商店的铺设能够满足大众对不同场景下的定制化需求.
而且,这种服务与被服务的关系一旦建立,就不太容易消失.
这对于商家而言,能够挖掘客户的潜在新的需求.
新零售推荐逻辑.
由于目前新零售处于行业发展初期,对于未来行业的发展进程和节奏还难易把握.
对于计算机行业公司而言,我们短期能够看到的是,(1)在线下用户获取方面,有望与互联网巨头合作的公司,推荐石基信息.
(2)新零售的IT技术和设备提供商,推荐思创医惠,关注新北洋.
总结和投资建议总结.
我们认为,2018年计算机行业在延续2017年业绩主线和人工智能主线的同时,二线龙头有望获得估值修复机会.
在大小票选择方面:抓大不放小,龙头白马是关注重点,但业绩增长强劲持续且具有业务属性独特的公司也同样值得关注.
产业趋势明确、竞争地位稳固、技术研发储备强的稀缺标的,虽然短期估值较高,但依然具有吸引力.
投资建议.
(1)人工智能领域,我们推荐具有核心算法优势的科大讯飞,硬件有望迎来放量的中科曙光、浪潮信息.
(2)在智能驾驶领域,我们推荐具备产业链核心竞争地位的四维图新,在车载智能化产品方面有望放量的东软集团、索菱股份,关注德赛西威、华阳集团.
(3)在企业云服务领域,我们推荐在垂直细分领域有望云转型成功的广联达,以及企业软件龙头用友网络.
(4)在金融科技领域,我们推荐技术和产品化能力领先的恒生电子、金证股份、同花顺.
(5)在新零售领域,我们推荐石基信息,建议关注新北洋.
(6)在智能制造领域,我们推荐宝信软件、鼎捷软件、汉得信息.
(7)对于二线龙头估值修复个股,我们推荐华宇软件、东方国信、美亚柏科.
(8)在小市值公司方面,我们推荐业绩稳健增长,业务属性独特的公司,包括泛微网络、华测导航、四方精创等.
图表37:主要推荐标的盈利预测EPS(元)PE(倍)证券简称证券代码股价(元)市值(亿元)2017E2018E2019E2017E2018E2019ECAGR(16-19E)(%)PEG四维图新002405.
SZ26.
43339.
00.
210.
360.
49126.
373.
054.
258.
6%2.
15东软集团600718.
SH14.
97186.
00.
420.
580.
7936.
025.
719.
037.
7%0.
95浪潮信息000977.
SZ18.
48238.
30.
460.
620.
8040.
029.
823.
242.
4%0.
94中科曙光603019.
SH39.
52254.
10.
470.
650.
9283.
660.
443.
138.
0%2.
20用友网络600588.
SH23.
00336.
80.
320.
420.
5471.
954.
842.
658.
4%1.
23广联达002410.
SZ20.
56230.
10.
530.
670.
8439.
030.
624.
430.
6%1.
27泛微网络603039.
SH70.
6648.
91.
401.
942.
6150.
336.
427.
138.
7%1.
30恒生电子600570.
SH51.
19316.
30.
781.
041.
3465.
849.
138.
131.
4%2.
10金证股份600446.
SH17.
37148.
20.
390.
490.
6245.
135.
628.
129.
9%1.
51鼎捷软件300378.
SZ14.
8539.
30.
280.
350.
4452.
642.
033.
841.
5%1.
27石基信息002153.
SZ26.
90287.
00.
460.
550.
6458.
549.
141.
820.
9%2.
80美亚柏科300188.
SZ20.
65102.
60.
520.
710.
9339.
729.
022.
336.
1%1.
10来源:Wind、中泰证券研究所.
注:盈利预测采用中泰研究所数据,股价为2018年1月12日股价请务必阅读正文之后的重要声明部分-34-年度策略风险提示(1)行业整体业绩增速低于预期的风险.
(2)人工智能技术发展进程低于预期的风险.
(3)智能驾驶发展节奏慢于预期的风险.
(4)金融监管趋严的风险.
请务必阅读正文之后的重要声明部分-35-年度策略投资评级说明:评级说明股票评级买入预期未来6~12个月内相对同期基准指数涨幅在15%以上增持预期未来6~12个月内相对同期基准指数涨幅在5%~15%之间持有预期未来6~12个月内相对同期基准指数涨幅在-10%~+5%之间减持预期未来6~12个月内相对同期基准指数跌幅在10%以上行业评级增持预期未来6~12个月内对同期基准指数涨幅在10%以上中性预期未来6~12个月内对同期基准指数涨幅在-10%~+10%之间减持预期未来6~12个月内对同期基准指数跌幅在10%以上备注:评级标准为报告发布日后的6~12个月内公司股价(或行业指数)相对同期基准指数的相对市场表现.
其中A股市场以沪深300指数为基准;新三板市场以三板成指(针对协议转让标的)或三板做市指数(针对做市转让标的)为基准;香港市场以摩根士丹利中国指数为基准,美股市场以标普500指数或纳斯达克综合指数为基准(另有说明的除外).
重要声明:中泰证券股份有限公司(以下简称"本公司")具有中国证券监督管理委员会许可的证券投资咨询业务资格.
本报告仅供本公司的客户使用.
本公司不会因接收人收到本报告而视其为客户.
本报告基于本公司及其研究人员认为可信的公开资料或实地调研资料,反映了作者的研究观点,力求独立、客观和公正,结论不受任何第三方的授意或影响.
但本公司及其研究人员对这些信息的准确性和完整性不作任何保证,且本报告中的资料、意见、预测均反映报告初次公开发布时的判断,可能会随时调整.
本公司对本报告所含信息可在不发出通知的情形下做出修改,投资者应当自行关注相应的更新或修改.
本报告所载的资料、工具、意见、信息及推测只提供给客户作参考之用,不构成任何投资、法律、会计或税务的最终操作建议,本公司不就报告中的内容对最终操作建议做出任何担保.
本报告中所指的投资及服务可能不适合个别客户,不构成客户私人咨询建议.
市场有风险,投资需谨慎.
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.
投资者应注意,在法律允许的情况下,本公司及其本公司的关联机构可能会持有报告中涉及的公司所发行的证券并进行交易,并可能为这些公司正在提供或争取提供投资银行、财务顾问和金融产品等各种金融服务.
本公司及其本公司的关联机构或个人可能在本报告公开发布之前已经使用或了解其中的信息.
本报告版权归"中泰证券股份有限公司"所有.
未经事先本公司书面授权,任何人不得对本报告进行任何形式的发布、复制.
如引用、刊发,需注明出处为"中泰证券研究所",且不得对本报告进行有悖原意的删节或修改.