新火種
2024-12-15 
中信建投：“人工智能+”2025年投資展望
中央經濟工作會議12月11日至12日在北京舉行。會議確定，明年要抓好以下重點任務。其中提到，以科技創新引領新質生產力發展，建設現代化產業體系。
中央經濟工作會議12月11日至12日在北京舉行。會議確定，明年要抓好以下重點任務。其中提到，以科技創新引領新質生產力發展，建設現代化產業體系。加強基礎研究和關鍵核心技術攻關，超前布局重大科技項目，開展新技術新產品新場景大規模應用示范行動。開展“人工智能+”行動，培育未來產業。加強國家戰略科技力量建設。
展望2025年，“人工智能+”將帶來哪些投資機遇？中信建投證券TMT研究團隊推出“人工智能+”2025年投資機遇展望：
算力為基，自主可控大勢所趨，Agent及B端應用崛起
AI應用賦能千行百業：大模型應用的另外一個主戰場是行業應用，《擴大內需戰略規劃綱要（2022-2035年）》：堅定實施擴大內需戰略、培育完整內需體系。并重點提出推動5G、人工智能、大數據等技術與交通物流、能源、生態環保、水利、應急、公共服務等深度融合，助力相關行業治理能力提升。我們認為，圍繞AI在金融、工業、教育、交通、軍事、醫療等領域開始落地。
金融端，大模型逐步成為更好的投研助手、財富管理虛擬人、金融知識庫等。工業端，大模型已經開始在CAD等軟件提供人機交互、AIGC生成樣本等，重點關注中控技術。
在機器人領域，接入大模型后的機器人智能化程度快速提升，已經開始在工廠等場景替代人完成簡單任務。軍事領域，海外的Palantir公司已經成功的在戰場中利用大模型作為戰場助手。教育領域，AI逐步在更多學科成為虛擬教師。
在交通領域，車路云協同對基礎設施提出更高要求，賦能智能交通管理的同時，能夠有效降低智能駕駛車端成本。醫療領域，過往AI本身在醫療影像，新藥研發等領域均有較為深入的應用（傳統模型），生成式模型的出現使得上述領域的AI發展得到進一步深化，但總體來看，海外研發方向更偏制藥，國內研發方向更偏健康管理，依據大模型效力的不同二者應用方向存在差異。
AI+ 行業：交通、教育、金融、醫療、工業、軍事行業更新
國內大模型發展情況
國內第一梯隊的大模型整體能力目前已經逼近GPT-4：部分模型中文能力與GPT-4相差無幾。第一梯隊的頭部大模型例如ChatGLM4、百度文心一言4.0、訊飛星火V3.5整體表現已經接近GPT-4，在中文領域，國內部分模型表現已經可以比肩GPT-4。5-6月，國內多家大模型已迎來版本更新，預期我們將見到部分頭部大模型整體能力上逼近甚至超越GPT-4。從海外經驗來看，海外AI爆款的落地，也大致在GPT-4發布后的2-3個季度后，在應用領域實現百花齊放。
國內大模型價格顯著下降。過去制約大模型應用的兩個要素：模型能力和模型成本，模型能力不管是基礎理解能力還是多模態能力去年都取得了快速進步，在模型成本上，海外GPT從發布后已經經歷了4輪降費，國內大模型在一個月前也經歷了一輪快速的成本下降，部分輕量級模型甚至免費開放，大模型應用的前置因素目前已經具備。
國內大模型訪問量不斷提升。從全球大模型流量排行中可以看到，國內大模型已經穩定占據了第二梯隊。其中國內流量前三名分別為Kimi、文心一言和豆包大模型，10月單月的流量分別為2950萬次、2170萬次和1740萬次。其中kimi和豆包的流量都處于快速提升狀態，單月環比增速均超過20%，顯著高于ChatGPT、Google Geimini，與Claude增速相近。
政策大力支持AI落地行業應用
5月26日山東省的企業和專家座談會重點提及深化電力體制改革、發展風險投資和用科技改造傳統行業。會議中明確指出，傳統行業改造升級能發展新質生產力，也屬于新質生產力范疇。這為后續傳統行業智能化改造投入加大奠定了基礎。
超長期國債將大力投入科技自立自強。5月13日，財政部公布2024年超長期特別國債發行有關安排。其中超長期國債今年共計發行1萬億，其中20年期7只，30年期間12只，50年期3只，均將在下半年陸續發布完畢；從投入領域看，超長期國債將投入“科技自立自強”、“新興城鎮化建設”、“長江經濟帶高質量發展”、“提升糧食安全保障能力”、“國防安全”等多個領域，具體資金獲取方將以地方政府與國央企為主。23年大模型出現以來，地方政府與國央企對智能化建設關注度驟增，上述資金或將用于行業性智能化改造，這與“以舊換新”等政策的提出也較為契合；
本次超長期國債的推出將受到過往諸多文件影響，如《擴大內需戰略規劃綱要（2022-2035年）》：堅定實施擴大內需戰略、培育完整內需體系。并重點提出推動5G、人工智能、大數據等技術與交通物流、能源、生態環保、水利、應急、公共服務等深度融合，助力相關行業治理能力提升。
AI+工業
一直以來，工業AI的應用就落后于其他領域，原因是工業領域更多的依賴對行業know-how的經驗理解，而不是單純從數據中挖掘規律。但隨著AI通用性和專業性兩方面的不斷加強，越來越多的工業know-how被計算機所理解，甚至表現出更好的性能。例如上世紀60年代專家系統誕生與80年代的工業領域應用間隔近20年，統計機器學習的工業領域應用滯后周期基本在10年左右，而深度學習、生成對抗網絡等新技術于2012年后在通用領域開展應用，不足4年便產生了工業領域探索實例。總體來看，由于人工智能技術可用性增強以及工業信息化水平提升，通用技術的工業落地間隔由20年逐步縮短至小于5年。加之工業領域的關鍵技術如數字孿生等本身就與深度學習密切相關，我們認為，伴隨ChatGPT帶來的通用AI大模型突破，工業領域AI應用將迎來快速落地和發展。
從需求端看，不斷增長的降本增效需求與多變的市場環境為“AI+工業”帶來廣闊的市場空間。Al+不僅提升了生產效率，還推動了工業自動化和智能化的進程，為企業在全球市場中的競爭力注入了新活力。AI大模型有望推動工業領域邁向優化運營的自主系統階段，在自主控制、機器視覺系統和演化建模三大環節實現顯著進步。
Smart Industry指出，AI結合工業領域的顯著進步主要體現在：（1）自主控制（Autonomous Control）：利用AI/ML，制造過程正在從自動化向自主控制的方向發展，使系統能夠在沒有人為干預的情況下做出實時決策和調整；（2）機器視覺系統（Machine Vision Systems）：將先進的閉環控制策略與先進的感官機器視覺AI反饋相結合，使PLC能夠采取自動糾正措施，以實時減少缺陷；（3）演化建模（Evolutionary Modeling）：在數據科學實踐的早期，單點解決方案是常態，其中根據從可用數據中得出的各種標準選擇單個模型。未來這種方法演變為從潛在候選模型的集合中構建模型，這種方法要求每個模型在每一次迭代中都要成功適應，開發出更符合實際物理過程和各自系統動態的高精度和穩健的模型。
AI+工業有望在流程控制、質量優化、機器人應用等領域賦能生產力的大幅提升。SmartIndustry指出，AI、機器學習等技術將在未來五年或十年內對工業制造過程帶來重要的影響，并在八大領域帶來前所未有的商業成果。其中，隨著AI大模型技術的迭代，我們認為生成式AI有望在工業場景中基于企業用戶的專業知識和行業經驗，在研發設計、生產控制等環節實現高度智能化，賦能生產力提升。
AI+工業軟件
工業軟件是工業創新知識長期積累、沉淀并在應用中迭代進化的軟件產物。工業軟件的根基仍然是工業行業本身，有賴于正向創新和行業創新知識的積累，是一個長期系統工程。任何工業知識都必須先形成完整的體系，搭建出知識庫和模型庫，并在實踐中反復應用、更改，與工程緊密結合并不斷更新迭代，才有可能形成工業軟件。因此，工業軟件是工業創新知識的載體，依靠軟件化這一關鍵過程，通過強大的軟件工程能力才得以實現。軟件平臺與架構將直接決定工業軟件產品的生命力。
海外進展
AI與工業軟件結合是產業新趨勢，在研發設計，生產控制，經營管理和嵌入式軟件四大類中，AI與研發設計的合作主要在于交互與預設計，與生產控制的結合主要在于參數修改，與經營管理的結合主要在智能文本生成，與嵌入式軟件的結合則主要在代碼自動編寫上。
CAD行業中，Siemens推出業界首個人工智能驅動的CAD草圖繪制技術，在新版NX軟件中利用了人工智能和高級仿真功能等先進技術。在當前的設計環境中，大多數概念草圖是在CAD軟件之外進行的，因為用戶必須預先決定并構建到草圖中的規則和關系級別。2020年6月，Siemens推出的NX Sketch軟件基于人工智能推斷用戶將要施動或修改的內容，并根據周圍的幾何圖形識別幾何關系，支持用戶在沒有預定義參數、設計意圖和關系的情況下進行草圖繪制，擺脫紙質手繪草圖。2022年10月，Siemens在發布的NX中引入人工智能和高級仿真功能等先進技術，基于人工智能和機器學習，在選擇和選擇相似命令中，利用形狀識別來快速識別幾何相似的組件。
Autodesk AI四大主線應對CAD變革。（1）主線一：CAX一體化。AutoCAD的Real-time analysis和ML deluge tool都將風速風向、能耗、泛水等傳統情況下在CAE環節考慮的因素融入設計流程，提升編輯效率；（2）主線二：工作流程智能化。工程師不再需要經歷復雜的設計流程，工作內容被簡化。如Mark-up assist消弭了繪制高精度圖紙的必要性，給靈感更多空間；Construction IQ輔助設計決策，簡化送審流程；（3）主線三：減少機械性勞動，釋放人力。Drawing automation和flame應用中的machine learning都借助AI技術，實現了重復工作的自主完成，解放了工程師，同時縮短了產品的設計周期；（4）主線四：提升設計效率。Generative design致力于解決多次繪制不同版本稿件的時間消耗問題，可以在工程師一次設計過程中學習其設計思路，生成多個無需進一步驗證的選擇。而AI assisted workflows引入大語言模型，可以實現簡單任務的交互式落地。
ERP層面，通過將大模型能力嵌入ERP系統，企業可實現報表整理與財務做賬的智能化，極大地提升工作效率。2024年7月，SAP發布AI助手Joule。目前Joule已經可以實現理解自然語言，訪問SAP所有數據并提出分析方案，自動執行重復性的任務（數據輸入、報告生成和審批流程）。用戶可以比以前快90%地執行任務，到2024年底，SAP業務應用程序中80%的最常用事務將通過Joule完全自動化。未來，Joule還可以為SAP顧問提供實施方案，方案信息來自來自 SAP 社區共享的 20 多萬頁產品文檔和知識中的見解。一旦推廣到擁有 500 多萬名顧問的生態系統，此功能每年最多可節省 6 億個工作小時。此功能將于2024年年末推出。
嵌入式軟件層面，西門子推出了全集成自動化軟件平臺 TIA 博途的最新版本—— TIA 博途 V20。這一全新版本側重于提升性能和效率，幫助用戶縮短產品上市時間、提高競爭力并靈活適應瞬息萬變的市場。新版本集成了新型可編程邏輯控制器 (PLC)，簡化了工程師的操作。借助 TIA 博途 V20，SIMATIC PLC 可以連接到車間的中央用戶管理系統。用戶管理訪問控制 (UMAC) 允許服務技術人員在使用其標準企業憑證即可輕松訪問車間設備，同時能夠充分保證安全性。管理員能夠如同在 IT 架構中管理軟件應用程序一樣，以標準方式高效地管理自動化設備，并在Industrial Copilot 的幫助下實現代碼的自動補充。
國內進展
“AI+工業軟件”，尤其是“AI+CAD”是CAD領域新產品趨勢，“式說”大模型是代表產品。這是第四范式推出的一款基于生成式AI的新型開發平臺，具備文本、語音、圖像、表格、視頻等多模態交互及企業級Copilot能力，以生成式AI重構企業軟件（AI-Generated Software），提升企業軟件的體驗和開發效率。式說大模型可以用來輔助或自動生成CAD 3D模型，用戶通過自然語言交互就可以調用工業軟件的功能，輔助完成設計。這款大模型可以根據企業內部的數據、功能和規則，自動執行復雜的工作，如在航空制造領域，幫助客戶在上百萬零件庫中找出相似零件，并進行自動組裝；在物流企業，幫助客戶設計物流裝箱的最佳方案。這些應用都展示了“式說”大模型在CAD領域的強大推理能力和創造力。
華為盤古大模型可以實現降本增效，推動更廣泛商業化落地。新發布的盤古大模型5.0在全系列、多模態、強思維三個方面做了全新升級，將重塑工業設計行業。以新車造型設計為例，周期一般需要1-2年，盤古大模型可以讓汽車的造型設計時間大幅縮短。造型設計師可以將自己的靈感，通過對話、畫圖與大模型交互，生成3D汽車數字模型，并可進行風格化調整、零部件編輯、顏色更換等。盤古大模型生成的數字模型還可直接輸出成3D文件，支持10幾種主流格式，設計師可以直接3D打印成樣品，減少制作油泥模型的輪次，極大地節省成本和時間。除了汽車造型設計，盤古大模型還可以用于汽車的工裝設計、模具設計，以及電子產品領域的工業設計等。
AI+機器視覺 機器人
AI+機器視覺
工業機器視覺是軟硬件一體化的集成系統，它的目的是代替人眼對被測物進行觀察和判斷。從組成上，機器視覺系統硬件設備主要包括光源、鏡頭、相機等，軟件主要包括傳統的數字圖像處理算法和基于深度學習的圖像處理算法。系統工作時首先依靠硬件系統將外界圖像捕捉并轉換成數字信號反饋給計算機，如下圖深灰色方塊所示過程，然后依靠軟件算法對數字圖像信號進行處理，如下圖中灰色方塊所示過程。工業機器視覺在識別的精確度、速度、客觀性、可靠性、工作效率、工作環境要求、數據價值方面都優于人眼。
此外，過去的工業機器視覺系統主要針對垂直場景的少量數據進行小模型的訓練，而大模型的發展將助力工業機器視覺實現應用性能的提升和應用場景的拓寬。以華為盤古大模型為例，6月22日，在華為開發者大會2024（HDC 2024）上，盤古大模型5.0正式發布，在全系列、多模態、強思維三個方面做了全新升級。（1）全系列：盤古大模型5.0包含十億級到萬億級不同參數規格的模型，能夠更好地適配包括智能手機、PC、高效推理、跨領域多任務等不同的業務場景。目前已在醫藥研發、機器人、煤礦、鋼鐵、自動駕駛等30多個行業、400多個場景中落地。（2）多模態：可以更好識別文本、圖片、視頻、雷達、紅外、遙感等不同模態。在圖片和視頻識別方面，可支持10K超高分辨率；在內容生成方面，采用業界首創的STCG（Spatio Temporal Controllable Generation，可控時空生成）技術，可生成更加符合物理規律的多模態內容。（3）強思維：將思維鏈技術與策略搜索深度結合，提升數學能力、復雜任務規劃能力以及工具調用能力。盤古大模型5.0在自動駕駛、工業設計、建筑設計、具身智能、媒體生產和應用、高鐵、鋼鐵、氣象等領域都具有豐富的創新應用和落地實踐，有望打開國產模型在全系列行業垂直落地的新思路，一定程度彌補目前國產大模型在專業場景應用相比通用場景的欠缺，也有望帶動算力、光通信、液冷、存儲等產業鏈公司。
AI+機器人
人形機器人
人形機器人是一種相對較新的服務機器人，其形狀與尺寸與人體相似，能夠模仿人類運動、表情、動作，以及行為特征，有時甚至可以與人類進行交互，或執行一些特定任務。它可以應用在各種領域，比如娛樂、接待、教育、醫療，以及助老護理等，也可以提供社交陪伴，或者執行危險或重復性高的工作。相較于工業機器人，人形機器人具有更智能、更靈活、更多元等特點。在社會各界的賦能下，隨著技術的升級及產業形態的發展，人形機器人有望滲透進入服務業、制造業等應用領域，市場潛力或將加速釋放。
中國政府高度重視人形機器人的發展，并將其列為重點支持的戰略性新興產業之一。2023年9月13日，工業和信息化部印發《關于組織開展2023年未來產業創新任務揭榜掛帥工作的通知》，面向元宇宙、人形機器人、腦機接口、通用人工智能4個重點方向提出了2025年的具體目標，為人形機器人的發展提供了有力支持，也為整個科技產業的進步注入了新的活力。人形機器人大模型應用取得顯著進展。2024 月，英偉達發布人形機器人基礎大模型GR00T，將推進機器人在具身智能方面的突破進展。該模型采用語言、視頻、人類示教等多模態指令作為輸入，直接生成機器人需要執行的下一個動作，搭載全新計算平臺Jetson Thor，在模擬環境的對GR00T進行訓練。大模型通過學習人類視頻，學習人類動作，提升動作流暢性與擬人性，真正實現人機交互，提升其智能性?；贕R00T人型機器人基礎模型，可以實現通過語言、視頻和人類演示，來理解自然語言，模仿人類動作，進而快速學習協調性、靈活性以及其他的技能，進而能夠融入現實世界并與人類進行互動。
優必選人形機器人Walker S集六大AI技術于一身，搭載高性能伺服關節以及多維力覺、多目立體視覺、全向聽覺和慣性、測距等全方位的感知系統；全面升級視覺定位導航和手眼協調操作技術，自主運動及決策能力大幅提高，實現平穩快速的行走和精準安全的交互，可在多種場景下提供智能化、有溫度的服務。7月1日優必選宣布與一汽-大眾達成合作，雙方將在一汽-大眾位于青島的國家級智能制造示范工廠共同探索人形機器人在工業場景的深度應用，打造高智能化和柔性化的生產線及汽車超級無人工廠。此次合作將引入工業版人形機器人Walker S開展汽車制造過程中的螺栓擰緊、零件安裝、零件轉運等工作，雙方還將在工業物流機器人、供應鏈等多個領域開展合作，助力人形機器人硬件降本。
焊接機器人
焊接機器人是一種能夠自動執行焊接（包括切割和噴涂）任務的工業機器人。根據焊接方式、結構形式、負載能力、工作范圍等因素的不同，焊接機器人業有不同種類。焊接機器人廣泛應用于鋼結構、航空、造船、電子、機械等行業，可以提高焊接質量、效率和安全性，涉及的技術包括焊接電源技術、傳感器技術、離線編程技術、智能控制技術、仿真技術等。
全球焊接機器人市場：2022年全球焊接機器人市場規模達626億元，銷量30.4萬臺，由此推算平均每臺售價約為2000萬元，據《中國焊接機器人行業發展前景預測與投資戰略規劃分析報告》預測，全球焊接機器人市場規模在2025年達43.9萬臺，折合904億元。
國內焊接機器人市場：2022年中國焊接機器人市場規模達248億元，占全球市場規模比例約40%，由上述數據推算2025年國內焊接機器人市場規模約358億元。
智能化焊接市場需求迫切。（1）鋼構產業焊接技工招工難且成本高，供給需求缺口大，對自動化、智能化焊接方案的需求迫切。國內鋼結構產業滲透率持續提高，產品產量增加帶動鋼結構焊接市場需求。而鋼結構主要應用于建筑、船舶、重工行業非標小批量工件多的工業場景中，焊接工序自動化程度低，基本大部分依賴大量焊接工人完成焊接。人工焊接技術要求高、技工培訓周期長、焊接工作環境惡劣，已成為行業中最緊缺的勞動力之一，焊接工人缺口量逐年遞增，復合增長率高達50%。2021年國內熟練焊工的年薪已達18萬元，對企業帶來較大的成本壓力。（2）智能化焊接可以保證焊接質量穩定，提高生產效率。傳統人工焊接受人為因素影響較大，焊接質量穩定性差，生產效率低，且鋼結構加工涉及組立、矯正、裝配、打磨、拋丸、表面防腐等多道工序，整個生產過程不透明，對生產進度、生產質量和生產異常的處理缺乏信息化管控，產品交付時常延期，實現智能化焊接是提高生產效率和產品質量。
柏楚電子智能焊接底層技術與激光切割工藝核心技術共通：除焊接工藝之外，與激光切割控制中的視覺識別工件、排樣、工藝路徑規劃、運動控制所涉及的核心技術知識領域是相同的。具體技術方面，焊接與激光切割在CAD技術、CAM技術、NC技術、傳感器技術和硬件設計在智能制造和自動化領域存在共通性。
柏楚電子智能焊接機器人為弧焊、免示教機器人，通過離線編程生成焊縫加工路徑。一個完整的工作單元由必備部件智能焊接離線編程軟件、智能焊縫跟蹤系統、智能焊接控制系統，和可選部件工件視覺定位系統、焊接變位機以及智能焊接機器人工作站等部分組成。通過智能焊接離線編程軟件、智能焊縫跟蹤系統、智能焊接控制系統達到免示教，在智能焊接離線編程軟件中編輯焊縫、生成焊接路徑，并仿真模擬焊接過程，驗證焊接路徑的合法性，從而取代人工示教編程生成焊接路徑，縮短編程調試周期。
免示教智能焊接機器人符合鋼結構行業需求。鋼結構產業是典型非標生產行業，產品基本全為非標定制化生產。鋼結構生產原材料基本為鋼板、鋼管等，但由于規格、性能指標等因素的存在，原材料種類多，且受到客戶需求、政策和設計師習慣的影響，每個部件的加工內容、方式及尺寸都有特定的要求。鋼構行業以中厚板焊接為主，對設備精度和機器人技術要求高。大多應用弧焊機器人。
免示教機器人適合鋼構行業小批量非標柔性加工場景。傳統示教再現型機器人通過執行示教程序進行重復性工作，對焊接工件一致性要求較高，且需要人工引導機器人進行預期動作編輯，多用于重復、標準化加工中，如汽車、摩托車加工，對非標產品操作耗時長、效率低。免示教智能焊接機器人融合智能感知、智能規劃、智能控制等技術，構成以知識和 推理為核心的智能焊接系統，通過與智能技術、工藝數字化技術等先進技術融合，實現了面向不同作業場景、作業任務、作業工藝，與鋼構行業焊接需求高度契合。
柏楚智能焊接解決方案：柏楚已形成集合離線編程軟件、智能焊縫跟蹤系統、智能焊接控制系統、工件視覺定位系統與智能焊接機器人工作站的完整產品解決方案，從而提升鋼構行 業的自動化加工水平，解決行業用工持續短缺的問題，滿足鋼結構產品規模持續擴大的發展需要。
智能焊接離線編程軟件是智能焊接的第一環，通過自動解算焊接路徑實現免示教。柏楚自主研發的智能焊接離線編程軟件可以自動提取焊縫，生成免碰撞空移路與焊接路徑，并通過仿真模擬焊接檢查焊接路徑合法性，提供給智能焊接控制系統加工，同時智能焊接離線編程軟件的工件零件模型會用在工件視覺定位系統的模型匹配上。
工業軟件投資觀點
CAD軟件-中長期增長邏輯：國產化下的份額提升
行業狀況：2023年中國CAD軟件市場規模預計為67億元，預期2023年行業增速為24.9%。其中2D CAD市場規模為16.9億，3D市場規模為50.1億。2022年CAD市場規模為48.6億元，2D CAD為17.7億，3D CAD為30.9億。
國產核心驅動力：CAD軟件是高滲透率，低國產化率的賽道，國產化率提升是核心。與MES軟件等智能化軟件處于滲透率提升不同，CAD軟件（尤其是2D CAD）是技術相對成熟，且滲透率高的行業。近年來2D國內廠商的份額持續提升至20%+。
競爭要素：目前看國產2D產品已經在產品性能上接近海外公司，直銷渠道下沉與經銷渠道擴張是主要替代方式，中望2023年銷售費用率提升至52%處于較高位置。3D目前看，ZWCAD性能與Solidworks有技術兩年差距（Solidworks可負擔5000步建模步驟而ZWCAD僅可負擔3000步），且從內核架構上難以達到CAITA 水平。
MES軟件：中長期增長邏輯：滲透率提升
MES市場規模：IDC數據顯示，202年中國制造執行系統（MES）軟件市場總規模達到46.2億元人民幣，年增長率為21.1%，仍保持平穩快速增長，預計到2023年規模會達到61.1億元；包含咨詢/實施服務收入的總規模是125.4億元。2024年全球MES市場規?；蜻_1,898.6億元，同比增長15.5%，全球MES市場空間同樣廣闊。
市場格局：市占率整體呈現行業間分散，行業內集中特性。賽意在消費電子產業鏈較為領先，漢得在汽車產業鏈較為領先，鼎捷在電子半導體領域領先。近年來制造業景氣度下行，一些小型或弱勢的供應商將面臨淘汰或并購的壓力，尾部玩家逐漸出清，導致市場份額進一步集中。
國產增長動力：當前MES仍處于滲透率提升階段，提升動力源自于企業在景氣度上升周期的快捷擴產需求。根據中商情報網數據，我國MES滲透率整體較低，汽車制造、制藥、電子行業、基礎化工、設備制造、電器機械和器材、紡織和服裝等行業MES滲透率低于30%，未來仍有較大提升空間。
競爭要素：一方面行業具有較高工業know-how進入壁壘，另一方面行業內對于經營能力要求較高（人力密集型企業要求具有較強人效管控能力以及現金流維持能力），現金流維持不好的企業會被快速出清（尤其是近年來不好回款）。
工業控制：中長期增長邏輯：國產化率提升+以舊換新+海外新市場
PLC/DCS市場規模：工業控制層面，2022年國內PLC市場規模約在86億元左右，增速受制造業本身景氣度較大。DCS 2022年國內市場規模約在121億元左右，年復合增速6-8%；作為工控硬件而言PLC與DCS市場規模均不算大，但其作為工業自動化的核心元件，外延的自動化設備（電機/儀表等）具有較大市場空間（是工控市場空間的三倍以上）。國內公司核心增長動力：當前PLC與DCS滲透率已達到較高位置（工業自動化），國產替代是國內公司的核心增長點。
市場格局：市場集中度均較為集中。當前PLC龍一為西門子，2022年市占率51.7%，優勢領域為汽車產業鏈；DCS龍一為中控技術，2022年市占率36.7%，優勢為化工石化行業。競爭要素：考慮到工業控制設備對工業生產安全影響十分重大，PLC與DCS的核心競爭壁壘均為大型項目標桿案例，其次才是軟件運行算法（即如何用PLC/DCS控制下游自動化設備），再次才是各類工藝制造細節（如機柜如何設計可以最大程度防灰防靜電）。
柏楚電子是激光切割控制系統龍頭企業，公司主營業務系為各類激光切割設備制造商提供以激光切割控制系統為核心的各類自動化產品。中低功率切割控制系統技術達到國際領先水平，國內市占率約60%，穩居第一；高功率切割控制系統目前國產替代水平較低，公司保持國內第一的市場地位。公司橫向拓展智能焊接、精密加工業務。智能焊接方面國內外系統均未形成完整產品解決方案，公司基于五大核心技術積極探索該領域，目前已在鋼構行業應用場景有所突破；精密加工方面正在研發高性能振鏡控制系統，有望進一步突破。業務結構多元化，高功率及切割頭份額占比顯著提升：柏楚各業務份額情況正由早期的中低功率系統獨占鰲頭向各業務多元化均衡化方向發展，其中高功率系統與切割頭份額逐年走高，逐漸成為業務增長核心支柱；隨動系統份額下滑明顯，主因是包含隨動功能的產品出貨逐漸增加，加之部分板卡系統也開始搭配隨動功能；在免示教焊接領域，行業已正式進入產業化初期階段，柏楚相關解決方案持續完善中，已卡位第一梯隊，后續有望充分受益于免示教焊接技術的大規模應用。得益于高功率厚板切割需求成為新的業務增長極，高功率總線系統產品功率上限提高，帶動營收與毛利率提升。
激光產業鏈上下游情況：（1）上游主要為芯片、線材：原材料主要為各類電子元器件，市場競爭充分、供應充足、價格透明，起到積極作用；（2）中游主要為控制系統、I/O設備、激光器、切割頭：公司激光切割相關業務處于產業鏈中游，其中控制系統競爭對手有德國倍福、德國西門子、維宏，切割頭競爭對手有德國Precitec、德國LT、萬順興、嘉強；（3）下游主要為激光切割設備制造：下游龍頭企業有大族激光、杰普特等，下游行業對中游的發展有較大推動作用，直接影響中游市場空間。激光切割應用的需求有望顯著回暖，加之下游對控制系統性能要求不斷提高，國內企業也正從中低功率激光切割設備市場逐步進入高功率市場，促進中游發展長期向好。
AI+金融成為行業趨勢
金融行業的核心特征包括私有數據難以獲取、高商業價值，以及較為領先的數字化基礎。在ChatGPT面世前，金融行業長期占據大數據和AI應用的領先地位，這與其豐富獨特的數據積累密不可分。金融行業在數字化轉型方面一直處于領先地位，這為大模型的發展提供了良好的基礎。金融機構在數據收集、處理和分析方面擁有成熟的技術和流程，這些都是訓練和部署大模型的關鍵條件。
自OpenAI于2022年底提出ChatGPT后，大語言模型（以下簡稱大模型）在C端快速取得成功，目前月瀏覽量超過17億。B端，在制造業、醫療業、零售業等行業開始了廣泛應用。金融領域存在許多GPT可以解決并提升的痛點：如幫助分析師分析投資標的基本面、自動提取研報信息節省研究員時間、宏觀新聞分析、成為智能投資顧問等。2023年以來，海內外眾多金融公司或科技公司都以類ChatGPT的大語言模型為基座，投喂自己的金融數據，訓練金融行業大模型或應用。
財富管理領域應用：過去財富管理面臨的問題是，不同投顧之間的水平相差很大，很多最新的行業咨詢更新的也不及時，客戶滿意度偏低。大模型可以成為每一個投顧的智能助手，甚至成為直接面對客戶的智能專家。將快速提高財富管理的專業水平和業務能力，加強財富管理板塊的建設。
1）網點助手：以華為盤古為例，通過大模型的生成能力和檢索能力，提供相關業務的解決方案。將原先需要五次查詢的復雜業務辦理流程轉化為方便快捷的一次查詢，同時保證了業務執行和安全與合規。同時在每一次查詢后可以一鍵創建案例，將場景轉化為案例（高質量的標注數據），幫助模型進一步迭代升級。
2）數據分析助手：通過簡單的自然語言輸入，數據助手可以實現相關SQL語句的生成和解釋，同時提供相應的數據源，并根據操作員不同的查詢權限生成不同的查詢語句。在此基礎上，還可以進一步根據操作員的需求來對查詢出的數據進行進一步的下鉆分析。
投研領域應用：投研需要在大量的研報、年報、新聞、政策中尋找有用信息，大模型可以很好地幫助解決這些問題。大模型可以總結歸納文本信息、實時抓取重要新聞，解讀年報要點等。同時，大模型還可以高效處理excel數據，快速更新word中的報告，一鍵生成ppt等，極大解放分析師的生產力。隨著越來越多優質數據的更新，大模型的能力會越來越智能，未來甚至可以幫助分析師和基金經理對時序數據進行預判，輔助做出投資決策。目前金融大模型具有如下功能：
1）信息提取和總結：協助分析師或基金經理對于年報、招股書、研報中的信息進行總結提取，例如XX公司關鍵財務數據的變化及其原因，各板塊業務營收和成本變化及其原因等，輸出格式可以為對應的文本或數據表格：總結歸納相關的產業新聞，例如對于計算機板塊的分析師，跟蹤匯報相應的計算機行業要聞、政策變化等，幫助跟蹤最新的行業邊際變化乃至于市場總結、周報等流程化工作。
2）輔助呈現和展示：結合相應的插件，如excel中的wind及其他相關函數，ppt等以及相關的指令的學習，實現基于相關提綱和內容進行報告ppt的生成以及相關數據表格的制作。例如：1.給定特定的報告格式（字體、字號、表格顏色等），對于報告格式進行檢查和調整；2.給定相應的方向和關鍵數據，完成相應excel表格的構建；3.針對相關的產業新聞或行業變化，完成簡單的文字內容產出，如新聞段子的寫作。
3）行業洞察與預判：基于廣泛的招股書、研報等金融資料的學習，輔助解決更為復雜的行業洞見問題，如對于相關產業競爭格局的分析，相關原材料的價格變化等。
AI+交通：政策發力助推車路云協同開拓新篇
超越單車智能，智能網聯力推自動駕駛降本增效
人工智能技術正深刻改變交通行業，提升交通系統的整體效率和安全性。在智能交通管理方面，AI通過分析交通流量、事故數據和道路狀況，能夠實時調整交通信號燈，優化交通流，并減少擁堵。例如，利用谷歌DeepMind技術的AI系統已成功實現對交通信號燈的有效控制。自動駕駛技術也是AI在交通領域的顯著應用之一，它使車輛能夠通過深度學習和傳感器技術感知環境，識別標志和障礙物，進而進行準確的駕駛決策。此外，AI還提升了智能出行服務的水平，包括智能導航、出行規劃以及共享出行等領域。通過對用戶出行需求和交通數據的深入分析，AI能夠為出行者推薦最優路線和方式，同時在共享出行平臺上實現智能調度，優化車輛利用率。這些應用不僅增強了個體的出行體驗，也提高了整個交通系統的運行效率和可持續性。
車路云協同是智慧交通的關鍵技術之一，旨在在單車智能的基礎上，增加路測感知，車端、路端數據共同上傳至云端形成決策，并返回給車輛，讓“聰明”的車行駛在“智慧”的路上，從而解決單車智能長期無法突破的一系列瓶頸。網聯化意味著車輛聯網和實時的信息交互，通過V2V（汽車對汽車通信）、V2I（汽車對基礎設施通信）V2N（汽車對互聯網通信）和V2P（汽車對行人通信）來獲取超視距或者非視距范圍內的交通參與者狀態和意圖。
隨著自動駕駛的不斷升級，V2X網聯協同成為必然趨勢。一方面，單車傳感器可能存在遮擋物和感知盲區的問題，存在安全隱患。另一方面，對車載傳感器和計算平臺要求高，成本高企。如果在路側安裝攝像頭、毫米波雷達和激光雷達等感知設備，例如路燈桿進化為多合一路燈桿，安裝各類傳感器，由于安裝高度高，不容易被遮擋，可最大化減少盲區，同時，車側的部分激光雷達成本可以被節省下來，從而大幅降低車載成本。
車路云協同能夠多方面提升交通安全和效率。宏觀協調方面，車路云協同技術可以通過智能信號燈控制系統，優化交通流，減少擁堵，交通事故發生時能夠實現及時的救援力量調度。信息交互層面，車路云協同技術可以實時收集和分析交通數據，及時發現并預警交通擁堵、事故多發路段等。微觀駕駛層面，車路云協同技術可以通過車聯網技術，實現車輛之間的信息共享，提高車輛的安全性能。獲取周圍車輛的位置和速度信息，提前做出反應，避免碰撞。
C-V2X已進入大規模驗證周期。目前，支持V2X通信的主流技術解決方案包括DSRC和C-V2X。根據5GAA的《V2X功能和性能測試報告》，預計商用的C-V2X產品在適應安全需求的前提下，范圍、可靠性等指標都明顯優于DSRC。C-V2X技術包括LTE-V2X（基于4G）和5G-V2X，后者更能滿足智能網聯汽車的需求。據佐思汽研統計，2022年1-6月，搭載C-V2X技術的量產乘用車約4.6萬輛，裝配率約0.5%；2023年乘用車C-V2X前裝率約1.2%，前裝規模超過27萬輛，預計2026—2027年迎來大規模裝車期，樂觀預測前裝率最高可突破9%。
發揮通信基建優勢，多主體齊發力構建車路云協同
相比美國，中國發展車路云協同具有比較優勢。單車智能背后的核心能力是人工智能算法和決策芯片，美國在這兩方面具有獨特的戰略優勢。中國則在5G技術、通信基礎設施、宏觀政策指引、路測設備數量等方面表現突出，這些方面的特殊性將有力推動車路協同的發展。具體而言，以華為為代表的通信企業在5G技術方面世界領先，工信部預計2020年底中國5G基站數將超過60萬個。中國政府大力推行5G網絡、物聯網、衛星互聯網、數據中心、智能交通基礎設施等新型基礎設施建設，在道路的改造方面堅決推行5G LTE-V2X技術標準，支持LTE-V2X向5G-V2X平滑演進。2019年9月《智能網聯道路系統分級定義與解讀報告》的發布標志中國有了清晰的道路智能分級標準，對智慧道路建設形成明確指引。此外，中國高速公路總里程世界第一，且收費公路里程遠高于美國，路側設備RSU的數量和分布范圍大于美國。
督促組建產業聯合體，加快高階自動駕駛功能上線。2023年11月，工業和信息化部、公安部、住房和城鄉建設部、交通運輸部發布《關于開展智能網聯汽車準入和上路通行試點工作的通知》，提出搭載自動駕駛功能的智能網聯汽車產品開展準入試點并在限定區域內開展上路通行試點。2024年6月4日，據工信部網站，四部門研究確定了9個聯合體進入試點，包含長安、比亞迪、廣汽、上汽、北汽藍谷、一汽、蔚來7家乘用車企業，以及上汽紅巖、宇通2家商用車企業。業界普遍認為，入圍首批名單是對相關車企智駕領域技術實力的一次高度認可，尤其是L3級為代表的高階自動駕駛。試點的組織實施共分為五個階段，分別是試點申報、產品準入試點、上路通行試點、試點暫停與退出、評估調整。目前僅完成試點申報階段的遴選，并不代表具有自動駕駛功能的智能網聯汽車取得準入許可或允許上路通行。
城市交通方面，局部試點初見成效，重磅政策引導規模擴張。2024年1月，工信部等五部門聯合印發《關于開展智能網聯汽車“車路云一體化”應用試點工作的通知》，試點期為2024—2026年。其中提出，分類施策逐步提升車端聯網率，試點運行車輛100%安裝C-V2X車載終端和車輛數字身份證書載體；鼓勵對城市公交車、公務車、出租車等公共領域存量車進行C-V2X車載終端搭載改造，新車車載終端搭載率達50%；鼓勵試點城市內新銷售具備L2級及以上自動駕駛功能的量產車輛搭載C-V2X車載終端；支持車載終端與城市級平臺互聯互通。據悉，截至2024年5月底，全國共建設了17個國家級測試示范區，7個車聯網先導區，16個雙智試點城市，開放測試道路超3.2萬公里，發放測試示范牌照7700余張，測試里程超過1.2億公里。
北京發布近百億車路云一體化新型基礎設施建設項目招標公告，多地相繼跟進。2024年5月底，北京發布車路云一體化新型基礎設施建設項目招標公告，在13個區共選取約6050個道路路口開展建設，建設面積2324平方公里，投資額99.4億。項目資金由政府投資70%，國有企業自籌30%。預計12月份前完成項目招標及合同簽訂，2025年12月份前完成調試、測試工作。繼北京之后，6月14日，武漢“車路云”一體化重大示范項目獲有關部門批準備案，備案金額約170億元。此外，深圳、杭州、福州、鄂爾多斯等地也在陸續推進“車路云一體化”建設與規劃工作，相關項目相繼獲得審批；天津、長春、沈陽、蕪湖、瓊海等城市也陸續宣布就“車路云”項目開啟招標。
城際交通方面，公路水路交通數字化轉型獲批專項資金。2024年4月底，財政部和交通運輸部發布《關于支持引導公路水路交通基礎設施數字化轉型升級的通知》，提出自2024年起，通過3年左右時間，支持30個左右的示范區域，打造一批線網一體化的示范通道及網絡，力爭推動85%左右的繁忙國家高速公路、25%左右的繁忙普通國道和70%左右的重要國家高等級航道實現數字化轉型升級。在智慧擴容方面實現示范通道通行效率提升20%左右；在安全增效方面實現突發事件應急響應效率提升30%左右。財政部表示，將按照“獎補結合”方式安排資金。東部、中部、西部地區獎補比例分別為40%、50%、60%。實施第一年補助每個示范區域獎補資金的40%作為啟動資金。
車路云一體化建設涉及汽車、通信、電子、交通等多個領域，覆蓋了從基礎設施建設到上層應用服務的多個環節，將帶動產業鏈上下游協同發展。具體來看，基礎層包括芯片、攝像頭、雷達、云計算、高精地圖、軟件系統等設備與終端的研發和生產；平臺層包括云控平臺、數據處理中心、運營服務等平臺的建設和運營；應用層包括智能交通管理系統、自動駕駛技術、車聯網解決方案等應用功能的開發和實施。其中，自動駕駛汽車的零部件中，決策層的芯片和算法，以及感知層的激光雷達和毫米波雷達屬于較為核心的零部件，技術含量較高，進入門檻較高，而感知層的車載攝像頭和超聲波雷達的技術含量相對較低，屬于非核心零部件。
智慧交通建設者包括：1）地方交通項目運營商，以地方工程為主，根據地方資源與成熟的項目經驗獲得繼承類項目。2）央國企下屬子公司。3）電信運營商開始入局，一方面交通建設繞不開通信平臺，另一方面運營商現金流充沛，由他們擔任集成商，能緩解下游供應商與政府之間的資金矛盾。相關A股上市公司主要可以分為兩類，1）以千方科技、皖通科技代表的工程類公司，采購下游設備做集成，逐步開始生產標準化產品；2）以萬集科技、金溢科技為代表的產品類公司，通常直接銷售產品，逐步去做整體解決方案，主要產品包括各種OBU\RSU，以及激光雷達、邊緣計算單元等。
我們認為，類比2019年ETC大規模升級換新，此輪政策將帶動智慧交通特別是車路云協同快速增長。去年11月份四部委的“準入和上路通行試點”和今年1月份五部委的“車路云一體化試點”在政策引導層面持續發力；交通運輸部2024年年度預算文件，北京武漢等地陸續推進項目布局，持續釋放積極信號。未來將持續關注各關聯企業在手訂單，預計政策將對其業績產生強大的正面影響。產業鏈相關公司預期將受益于智慧交通設施建設。1）千方科技是國內領先的交通、物聯行業數字化解決方案提供商，在同行上市公司中業務體量最大。提供全域交通數字化解決方案，涵蓋智慧交運、智慧交管、智慧高速、智慧路網等核心領域。發布鯤巢雙智路口，具備雙智協同、平臺開放特點。公司智能物聯業務僅次于?？?、大華，全國份額第三，海外市場占比近三成。2）通行寶是全國領先的為高速公路、干線公路以及城市交通等提供智慧交通平臺化解決方案的供應商。公司是江蘇省唯一ETC發行機構，ETC用戶達到2400萬個，年新增用戶較為穩定，約200萬；公司交通運營管理系統已實現規?；瘧貌⑾蛉珖茝V，現已覆蓋全國20個省市地區，包含調度云、AI視頻分析、高速云控平臺等。3）萬集科技在智能動態稱重、專用短程通信領域居于領先地位，近年來大力發展智能網聯產業。傳統動態稱重及ETC方面穩步發展，大力推廣語音播報OBU、ETC車路協同路側單元、ETC信息服務終端等系列產品及相關解決方案；公司發展10余年激光雷達產品，應用于工業設備與路側；公司大力發展智能網聯業務，具備車路云網一體化的全方位技術能力。
AI+軍事成為未來戰場新態勢
人工智能逐漸成為公認的改變今日世界并影響未來全球格局的決定性力量，既直接表現在人工智能技術對經濟、社會乃至軍事領域的直接變革，也表現在人工智能技術對國際戰略、科技競爭、大國博弈等方面的長期間接影響。目前世界各國均在不同軍種、不同層級探索利用不同種類的AI工具提升戰場表現，其中生成式AI利用海量數據庫輔助戰場態勢感知和決策成為當下新焦點。
AI戰場使用場景概括
1）替代重復性勞動。對于需要大量人力和時間才能完成的任務，尤其是那些可預測的、規則或模式相對固定的任務，可以通過人工智能技術實現自動化操作，從而解放人力，快速完成任務。例如美軍的“Maven計劃”，就是應用人工智能技術處理無人機所拍攝的大量的視頻，實現自動識別敏感目標，大大減輕這方面所需的人力負擔。
2）態勢感知和實時決策。由于戰場態勢瞬息萬變，海量的信息令指揮員無所適從，無法再短時間內對形勢作出精準的分析判斷并做出決策。例如，AI可以用來評估導彈來襲時被擊中的可能性，以及對采取何種規避和反擊方式給出建議。
3）非理想環境作業。人工智能技術可以在某些特殊的空間發揮作用，例如，人不能長期存在的核輻射、高溫高濕、缺氧等惡劣環境，人在這些非理想環境中作業存在難以克服的困難和危險，借助人工智能技術，可以提高作業效率和安全性，例如掃雷機器人等。
4）無人系統。各大軍事強國紛紛投入力量研制無人車、無人機、無人艇，無人系統必將成為未來戰爭中的一支重要作戰力量，人工智能可增強無人系統的自主性和生存性，使其具有更高的性能。
Palantir 戰場AIP平臺：問答模式大模型輔助戰場態勢感知和決策
Palantir以服務政府機構情報業務起家，逐步向商業領域拓展。Palantir成立于2003年，成立之初志在解決美國政府機構數據處理低效的問題，為反恐行動開發軟件；于2008年正式推出第一款產品Palantir Gotham，主要服務美國政府機構，如FBI、CIA等；2010年通過與摩根大通的合作，逐漸擴展至金融等商業領域，此后商業企業客戶占比不斷提高；2016年推出Palantir Foundry，不斷深入各垂直行業；2018年成功起訴美國陸軍執行 FASA，政府訂單受到法律層面支持。
Palantir形成Palantir云、本地軟件和專業服務三大業務模塊，互為補充。三大模塊分別是在Palantir控制的托管環境中訪問軟件的Palantir云訂閱服務、在客戶自有環境中的本地軟件訂閱服務以及輔助前兩者的專業服務。2024年5月31日，美國國防部授予Palantir 4.8億美元合同，建造支持AI的Maven智能系統原型，用于戰場分析和目標識別。23年，Palantir還得到了2.5億美元的美國陸軍人工智能研究項目，用于研究和試驗人工智能和機器學習。
Palantir的AIP技術在烏克蘭戰場上展示了AI輔助戰場態勢感知的能力，可以為軍隊提供全方位、實時、智能的戰場指揮系統，大大提高了烏克蘭軍隊的作戰效率和勝算。這種技術可以幫助軍隊快速獲取敵軍的位置、裝備、意圖等信息，并制定多個攻擊計劃，包括使用無人機偵察、干擾敵方通信、發射導彈等。這種技術還可以為軍隊提供實時反饋、解釋和建議。另外，這種技術還可以讓軍隊減少對人員的依賴，降低人員傷亡和資源消耗。
問答模式：通過AIP平臺命令無人機偵察和攻擊，向AIP平臺提問對方部隊裝備類別與數量（如榴彈炮數量）信息聚合：動態聚合來自衛星、無人機和偵察員收集的數據并疊加在地圖上，展示了戰場上所有武器和軍隊的位置。士兵可以使用該軟件獲得當前坐標與戰場綜合信息。潛在應用領域：幫助軍事規劃人員分析多源異構數據，更全面地了解戰場結構。無人作戰，通過AIP平臺遠程控制機器作戰。
Planet Lab：AI 助力快速圖像分類識別+分辨率增強
Planet Labs是全球每日衛星圖像和地理空間解決方案的領先供應商，由三位NASA科學家于2010年創立，每天從超過300萬張圖像中捕獲和編譯數據，覆蓋200萬平方公里以上的面積。公司為900多家客戶提供關鍵任務數據、高級見解和軟件解決方案，其中包括世界領先的農業、林業、情報、教育和金融公司以及政府機構，使用戶能夠簡單有效地從衛星圖像中獲得獨特的價值。
衛星狀況：作為美國衛星遙感龍頭之一，Planet Labs FY24第二季度共有約200顆衛星處于工作狀態，包括約20顆最高分辨率達0.5米的高精度SkySat衛星和約180顆一天能掃描3億平方公里面積的SuperDove衛星。并將積極投入研發新一代衛星。主營業務：Planet Labs以遙感影像處理與分析衍生出六大主營產品，包括行星分析平臺、行星高頻監測、行星底圖、行星廣域監測、行星數據分析、行星歷史數據檔案。涉及的應用領域包含農業（檢測農作物發育狀況等）、林業（檢測森林健康、面積等）、國防（軍事情報等）、政府（土地利用類型等）、金融、地圖等。
Planet Lab正在通過與Synthetaic和SI Analytics等領先的AI初創公司合作，進一步提升其在地理空間數據分析領域的能力。Synthetaic的核心產品RAIC（快速自動圖像分類）能夠自動處理和分析大量非結構化數據，特別是地理空間影像，這使得即使是非技術用戶也能在幾分鐘內檢測出對象。這一創新使得企業和政府在應對商業或國家安全重大問題時，能夠快速獲取必要的信息，節省了標記和分析數據的大量時間和成本Synthetaic曾在2023年利用Planet的每日掃描和存檔數據，成功識別并追蹤了一個飛越北美的白色探空氣球，同時使用衛星遙感數據助力土耳其和敘利亞地震后的災害響應和救援分配。
Planet Lab 與韓國初創公司SI analytics的新合作能夠讓AI驅動的超分辨率和GeoAI分析、對象檢測/分割算法，來增強衛星影像的分辨率。SI Analytics 在GEOINT 2023峰會上宣布已將公司的技術能力運用在搜索朝鮮彈道導彈發射基地的項目中。
AI+醫療：大模型的出現帶動AI應用精度上升
整體上，AI在醫療領域的應用可分為三個階段：
1）2017年之前：此階段為機器學習與深度學習突破階段，卷積神經網絡在計算機視覺領域取得重大突破，推動了醫學影像分析的進步，AI算法在各類疾?。ㄈ橄侔?、肺癌、心血管疾病等）的影像診斷中逐漸顯現出高于常人的準確率，AI與醫療開始進入初步結合階段；
2）2018-2022年：伴隨AI應用的逐步深化，AI+醫療開始進入商業應用階段。一方面，AI與硬件設備的結合逐步深化，部分診斷設備開始在無醫生監督背景下運行；另一方面，AI應用領域逐步推廣，諸如健康記錄、個性化醫療、疾病預測與防控等多個領域也開始嘗試與AI模型結合，2020年起疫情的出現則極大加速了AI在醫療領域的落地（圖像識別被廣泛應用于新冠肺炎檢測識別）；
3）2023年至今：2023年大模型的出現對醫療領域的直接影響在于，過往AI應用的精度得到了大幅提升。自2023年初GPT-4發布以來，醫療公司開始探索其在電子健康記錄分析、病人數據管理和醫療文獻綜述等方面的應用。此后，在傳統AI應用領域，大模型也開始展現出較傳統AI模型更高的預判精度，各行業龍頭對于AI+醫療投入力度持續加大。
當前時點，海外AI+醫療應用逐漸向制藥領域深化。近期英偉達于GTC大會上推出醫療保健項目GenAI，聚焦醫療場景的25個新的微服務（包括小分子建模工具、OpenFold 蛋白質預測模型，以及與Recursion開發的用于靶點和藥物發現的Phenom-Beta模型等），醫療保健是此次GTC大會重視度最高的行業，也是英偉達重點押注的下一個賽道。無獨有偶，美國制藥巨頭禮來公司宣布已經與OpenAI達成合作，將利用大模型開發新型抗菌藥物。
國內AI+醫療則更偏向于健康管理領域。美年健康24年初與潤達醫療、華為云等達成合作，推出基于生成式AI的數智健管師——“健康小美”，期望能有效提升健康預防和疾病管理的效率，為個人和體檢機構帶來全新的健康管理體驗。除醫療類公司外，AI模型公司也在健康管理領域積極參與，商湯科技預計在2024年世界人工智能大會上推出自研醫療大模型，可幫助患者在院內實現全流程高效就醫，并在院外化身患者的“隨身AI智慧健康管家”，實現全周期個人健康管理。
風險提示：北美經濟衰退預期逐步增強，宏觀環境存在較大的不確定性，國際環境變化影響供應鏈及海外拓展；芯片緊缺可能影響相關公司的正常生產和交付，公司出貨不及預期；信息化和數字化方面的需求和資本開支不及預期；市場競爭加劇，導致毛利率快速下滑；主要原材料價格上漲，導致毛利率不及預期；匯率波動影響外向型企業的匯兌收益與毛利率；大模型算法更新迭代效果不及預期，可能會影響大模型演進及拓展，進而會影響其商業化落地等；汽車與工業智能化進展不及預期等。
本文來源：“中信建投證券研究”微信公眾號；智通財經編輯：陳筱亦。
相關推薦
- 免責聲明
- 本文所包含的觀點僅代表作者個人看法，不代表新火種的觀點。在新火種上獲取的所有信息均不應被視為投資建議。新火種對本文可能提及或鏈接的任何項目不表示認可。 交易和投資涉及高風險，讀者在采取與本文內容相關的任何行動之前，請務必進行充分的盡職調查。最終的決策應該基于您自己的獨立判斷。新火種不對因依賴本文觀點而產生的任何金錢損失負任何責任。
