行业观点： 关注 Alpha-Zero, AI 发展最直观在算力

首先， Alpha-Zero 虽是 AI 界颠覆性新闻，但验证我们算法趋势的判断，更凸显了算力的威力。 本周《自然》发表的一篇论文 Mastering the game of Go without humanknowledge 报道，一款新版的 AlphaGo 计算机程序能够从空白状态起，在不需要任何人类输入的条件下，迅速自学围棋。这款新程序名叫 AlphaGo Zero，以 100 比 0 的战绩打败了它的前任（在 2016 年 3 月的锦标赛中，其前任打败了围棋冠军李世石） 。

图灵测试的核心在于让机器模仿人已有的语言方式通过测试。 图灵基于白板理论出了他的“模仿游戏”：“让计算机来冒充人。如果不足 70%的人判对（也就是超过 30%的裁判误以为在和自己说话的是人而非计算机），那就算作成功了。”

效率与功耗均优秀。投资者自然会探究算法的奥秘。 1)Alpha-zero 效率惊人， 100： 0 战胜 AlphaGo，胜率超过 90%。 2)AlphaGo Lee 使用了 48 个 TPU，更早版本的 AlphaGoFan（打败了樊麾的版本）使用了 176 个 GPU，而 Master 和 AlphaGo Zero 仅仅用了 4个 TPU， 1 台电脑便超过了之前数个机房的效果。

算法上： AlphaGo Zero 的革命性突破在于无监督学习，不再依赖于已有的经验输入。 判定是否是监督学习的最简单办法便是看输入数据是否有标签。输入数据有标签，则为有监督学习，没标签则为无监督学习。现价段 AI 运用最广泛的便是监督学习。通过让机器读取学习上万张 label 化的图片（例如告诉机器这是花还是草），让机器发现图片中的规律，从而进行识别。现在运用广泛的视觉识别、语音识别均为监督学习。无监督学习需要机器要去自己摸索，自己发现规律，例如聚类分析，让机器自己识别有多少类。

其次，可见算力研究是当前重要。深度报告《 GPU 当红，寒武纪拥抱未来》 解释 AI 芯片的算力。它与众不同的研究在于。

a)AI 三要素分为算法、算力和数据，通俗解释 AI 算力的基础问题和分类

b）专业科普：将算力分类（ GPU/FPGA/ASIC）与适用数据场景（安防/工业/汽车/消费）对应！

c）专业科普：将 ASIC 的算力分类（谷歌/NVIDIA/英特尔/IBM/寒武纪等）与适用算法（ MLP/LTSM/量化/卷积或它们的组合）也对应！

d）引申出产业公司：寒武纪/深鉴科技/地平线机器人/中星微/MOVIDIUS/CEVA/EYERISS等。

最后， AI 发展最直观在算力，推荐具有极高集中度及技术壁垒的芯片行业。 目前核心标的推荐中科曙光（ X86 芯片或突破， AI 算力最佳公司），相关标的推荐锦富技术、中科创达（华为麒麟 970 芯片人脸识别应用提供方）、同有科技。