EFLOPS，2021年至2026年间中国AI算力规模的年复合增长率达到52.3%，将实现快速增长。作为参考，以双精度（FP64）测算通用服务器算力，2021年中国通用算力规模为47.7

海外ChatGPT公司有哪些已经落地的商业模式（深度）5.

从符号主义到联结主义，智能体与真实世界的交互得到日益重视。上世纪五十年代的达特茅斯会议之后的一段时期内,对人工智能的研究主要限于符号处理范式(符号主义)。符号主义的局限性很快在实际应用中暴露出来,并催动了联接主义的发展,形成了包括多层感知机、前向神经网络、循环神经网络,直至今日风靡学术界与产业界的深度神经网络等多种方法。这种用人工神经网络模拟认知过程的方法在适应、泛化与学习方面的确取得了很大的进展,但并未真正解决智能体与真实物理世界交互的难题。该难题“莫拉维克悖论”可以通俗地表述为：要让电脑如成人般地下棋是相对容易的，但是要让电脑有如一岁小孩般的感知和行动能力却是相当困难甚至是不可能的。针对以上问题，“具身智能”（Embodied

在最近与投资者的交流过程中，我们发现部分投资者在与大模型相关的几个关键问题上存在一些分歧，故本文希望针对这些问题谈谈我们的认识。问题一：哪些场景会是我们需要重点关注的潜在应用场景？寻找大模型时代的原生应用。目前市场中寻找大模型落地场景的方式基本上是基于以往场景的线性外推，即“怎么样把已经能做的事情做得更好”。但事实上，以往的每次技术革新最终都带来了一些“原生”的产品形态和落地场景。我们认为，相对于对于原有产品的赋能，大模型更大的价值或许在于帮助我们解决一些之前无法解决的问题（包括此前由于技术或成本方面的原因无法解决的问题）。就像移动互联网的杀手级应用都是在新的时代“原生”的，而不是从PC互联网迁移过来的。在等待大模型商业落地的过程中，我们不必过于悲观。毫无疑问，任何一项技术的商业落地都不是一蹴而就的，并不像部分投资者想得那样，这个月研发大模型，下个月就直接产生收入。在这个过程中，大模型落地的“慢于预期”实际上更多来自于我们自身心态的变化。就像我们常常听到的一句话：“当一项技术诞生的初期，我们往往会高估它的短期影响，而低估它的长期影响。”在最初的过度亢奋之后，我们往往又对技术的落地前景过于悲观。在报告《寻找AI技术潜在应用场景的方法论是什么？》中，我们已经给出了寻找AI潜在落地场景的方法论，这里不再赘述。仅就一个有意思的问题做补充探讨。在之前的报告中，在我们从“商业价值的大小”、“数据获取难度”两个维度对场景进行了划分，并指出对于一般公司而言（相对于BAT等互联网巨头与科大讯飞等垂域领域巨头而言），潜在机会可能更多地来自于长尾场景。那么对于“第二象限”，即“封闭场景——长尾场景”象限和第三象限即“开放场景——长尾场景”象限来说，哪类场景是更好的潜在方向呢？我们认为是第二象限。原因在于：第二象限的“封闭”特性意味着相对于模型能力而言，数据获取能力更重要，渠道和行业语料的拥有者会有更强的话语权。而对于一个开放性的场景来说，大模型厂商话语权更重。在这类场景中，“被赋能企业”只有不断产生新的应用创意才能持续保持竞争力，否则就有被大模型厂商吃掉的风险，或面临市场上同类产品的同质化竞争。而持续产生新的创意显然并不容易。问题二：大模型的主要意义是否在于提升解决问题的准确度？相对而言，提升解决单点问题的准确度或许是大模型带来的“不那么重要”的提升。因为无论是大模型还是场景化模型，依然是基于统计学框架，暂时无法彻底解决AI能力的不可解释性问题，这就意味着它在一些对于corner

现场给出了通用认知智能大模型的评测体系，分别从文本生成、语言理解、知识问答、逻辑推理、数学能力、编程能力和多模态七大维度进行评测，希望向OpenAI致敬和学习，快速追赶并努力完成超越。4.

李雪薇专栏1医疗IT主要公司一季报都已披露，业绩是“符合预期”的差。先列数据：卫宁健康23Q1亏损6353万，同比降低300%，上市以来第一次出现一季度亏损；创业慧康23Q1归母净利润1038万，同比降低89%，也是创下了17年以来的新低；嘉和美康23Q1亏损2266万，亏损虽有小幅收窄，但也是依旧延续了1季度亏损的态势。此前，很多人认为由于宏观环境因素的影响，医疗IT公司22Q4的订单将会延迟交付在23Q1，从而使得医疗IT公司的一季报会有亮眼表现，但季报一公布就被深深地打脸了。如果大家深度跟踪过这个行业就知道1季度很难有超预期的业绩，所以我们认为一季报的业绩是“符合预期”的差。主要原因在于两点：1）此前的订单增长本身就不理想。2022年可以说是医疗IT需求最弱的一年，原因大家都明白，从我们发布的《医疗信息化订单》就可以看到，2022年行业的需求是很弱的，各家公司的业绩说明会也验证了这一点，基本上各家公司2022年的新签订单增速都是在个位数甚至只有持平。订单本身就较弱，能交付产生收入、业绩的自然就少，何况去年一季度也存在21Q4延迟交付到Q1的情况。2）公司成本端压力都很大。这个行业的订单本身就是项目制，需要依靠堆人头来进行实施，营收规模的扩大背后一定是人员的上升，所以一旦收入增速跟不上，这些人就全成了成本项，利润自然出不来，当然，各家也都在推广可以快速交付的新一代产品，但产品打磨、交付的标准化都还需要时间，至少今年很难看到交付效率的明显提升。其次，3家公司都在去年推出了股权激励，按照公告内容预估，卫宁、创业、嘉和23Q1的股权激励费用分别为6750、1500、567万元，而去年同期约为2068、89、0万元（根据22年半年报预估），可见费用都增长了几倍以上，利润出不来自然也就能理解了。那合适能看到拐点呢？拐点一定是先订单、再业绩。订单角度：从我们每月发布的月度医疗信息化订单统计可以看到，目前还没有看到行业明显的复苏情况，23年1月的高增一部分确实来自去年12月订单的延后落地，所以2、3月立马回归现实。基于行业本身的订单节奏来看，拐点最快也需要到5、6月，甚至还会再延后（其实关键还是在4季度的临门一脚，之前再好4季度不行也没用）。业绩：这个行业签单到收入的转化快则6个月，慢则1-2年，订单理想状态年中才会有拐点，业绩的拐点大家自己算吧。结语：最后我想说，这并不是一篇看空。医疗IT还是一个好行业，不然也不会存在这么多的小公司；医院也是好客户，只是这几年需求被各种原因压制了；国家也在大力促进医院的高质量发展，为的就是依靠IT手段让老百姓看病更便捷。所以我们期待着行业的发展，也期待着医疗IT公司的快速成长。合规声明：本文节选自正式入库研究报告，如需PDF原文件请后台留言。

研究框架系列合规声明：本文节选自正式入库研究报告，如需PPT原件请后台留言。

产业调研系列核心要点1、阿里巴将通义千问模型定位为语言模型，但又不仅仅是语言模型。通义千问可以实现：帮用户起文章标题、生成提纲、生成摘要等，也可以对文章进行润色和改写；同时具有代码能力，可以进行代码转译等主流功能。2、通义千问具备多模态能力。通义千问多模态的前身的能力来自M6-OFA。1）图片和文本方面，可以进行图片生成，包括反事实图片生成；以图片作为基础生成故事；以图片为基础生成游记；识别图片中奇怪的点；根据表格中的信息回答问题；按照人类给定的风格生成图片等。2）音频方面，可以理解音频，根据音频生成故事或诗。3、具有强大的外部工具调用能力。第一，可以进行外部能力调用，通过对收集到的信息进行汇总最终生成一个答案。人类可以问AI一个复杂问题，它自动会把问题分解成他手上的工具可以去解的一些子问题，并且最终生成答案。第二，调用的工具是可以扩展的，AI大模型可以通过API接口调用市面上任何的AI库。4、在通义千问大模型基础上可以生成企业专属大模型。通义M6模型在内部孵化的过程中服务化稳定运行一年半以上，每天调用的任务数1000+，40+BU使用，覆盖了主流功能。通义模型支持API接口调用，效果和直接访问通义模型非常接近。阿里会提供企业专属大模型，企业可以把自身的数据或文档上传到阿里云上，阿里云可以帮他在通义千问大模型的基础上生成一个企业专属的大模型。附会议纪要阿里云智能中国区副总裁高飞尊敬的各位嘉宾，各位朋友，各位领导，各位老师，大家下午好。非常欢迎大家来参加本次的AI新范式和商业创新论坛。我谨代表阿里云对五湖四海到来的朋友表示热烈的欢迎。当前人工智能已经深入到我们生活中的方方面面，从消费到支付到娱乐方方面面，但这些只是AI整个的领域的一个起点。随着去年年底ChatGPT火爆，全球越来越多的企业创业者加入了大模型，应用创新的浪潮里，那从可预见的不久的未来，我相信

产业调研系列核心要点1.参数和数据要结合起来一起看，才能真正代表人工智能的能力，二者的乘积是计算量。商汤目前有27000块GPU在跑，输出5000P的总算力，500P的国产化算力，是亚洲目前为止最大的计算中心之一。可以同步支持20个千亿规模参数量的模型并行计算。同时，商汤把大模型能力做成服务来服务客户，包括自动化标注，自动化标注的能力大概是提升为手动标注的400倍-500倍。今年的目标是支撑万亿参数的训练，能够支持5000亿稠密参数的训练。还可以有增量训练，把增量训练的成本降低90%，也就是原来的1/10。2.商汤大模型定名为“日日新”，模型体系中融合了商汤自然语言大模型、文生图大模型、感知类大模型，模型的增量服务。3.自然语言大模型定名为“商量”，可以进行多轮互动交互、通过对复杂的PDF的学习回答问题、根据人类提示生成故事等。同时具有AI代码助手，可以实现代码的补全、扩写、翻译、重构、修正、注释、复杂度分析等功能。代码助手可以把代码编写效率提升62%，humaneval测试集一次通过率40.2%。医疗领域，可以根据患者的病情判断其病因。4.生成式AI应用包括秒画、如影、琼宇、格物等。秒画可以根据指令生成图片，并且可以通过输入其他图片的方式对模型进行训练，使得输出的图片更符合要求。如影只需要5分钟手机录制的视频，就可以拥有一个专属的数字人，帮助企业和个人快速高效的制作高质量的视频内容。琼宇能够快速进行城市级数字孪生模型的生成，扫描效率提升了400%，降低了原来成本的95%左右。格物能实时生成高质量的物体模型。5.要想得到优秀的大模型离不开数据。商汤OmniObject3D数据集包含190个类别，超过6000个物体，有大量的真实物体的扫描的数据，支持神经渲染、表面重建、3D的生成、点云识别等任务。商汤明眸提供自动数据标注的服务，有12个模型，里面包括通用模型，还有一些专业领域的专业模型。基于商汤大模型，它可以自动进行数据标注，这一服务可以通过API接口实现调用。附发布会全文纪要徐立博士演讲在人工智能的大模型时代，其实很多人说到我们讨论各种各样的大模型，通常会以大模型的参数量来区分模型，达到了一定的水平。但实际上人工智能的模型，我觉得我们应该考量的是参数加上它训练的数据。参数和数据要结合起来一起看，才能真正代表人工智能的能力。

产业调研系列核心要点：1.华为云过去几年人工智能项目已经应用超过1000个项目，其中30%用在客户的核心生产系统中，平均推动客户盈利能力提升18%，大模型是解决AI应用碎片化的新开发范式，预计大模型浪潮会推动未来几年AI加速渗透。2.人工智能的发展趋势一个是从小模型到大模型，一个是人工智能与科学计算加速融合。大模型趋势上，不到10年间大模型的算力需求提高了40万倍，算力、资金、技术壁垒迅速上升，将改变AI行业规则和格局，使市场向大型科研机构及企业集中。人工智能与科技计算融合上，AI技术可以提高在气象、海洋、农业、地球、机械、航天、航空、土木、地质等行业海量科学计算的效率，二者相互促进，共同进步。3.华为云盘古大模型的核心定位是为各行各业进行赋能，分为三个层级，L0是类似于GPT3这样的基础通用大模型，L1是基础模型与行业数据结合进行混合训练后的行业大模型，已经发布了矿山、气象、药物、分子、电力、海浪、金融等行业的大模型，L2是把L1再具体下游业务场景进行部署后生成的部署模型，如金融OCR模型、电力巡检模型等。2021年华为发布了盘古NLP大模型、CV大模型和科学计算大模型，后续不断在拓展行业应用，如2022年发布了盘古矿山大模型、盘古气象大模型、盘古金融OCR大模型等。4.盘古视觉大模型发布时是业界最大的视觉模型，部分场景下成绩位居世界第一。在矿山场景下，可以在采掘场景上通过5G+AI的全景拼图技术使井下场景传输至地面，在地面进行采掘机器控制；可以在主运输皮带式进行异物检测，识别精准度达到98%；可以对井下作业规范进行监测，违规动作进行预警。在铁路巡检上，可以帮助检测员进行图像质量的自动评估、小样本的故障定位与识别等，在郑州铁路段测试中，对缺陷和故障监测准确度达到99%以上。5.盘古气象大模型是全球首个精度超过传统预报方式的AI模型，可以在秒级时间内完成全球未来1个小时到7天的天气预报，精度超过传统数字分析方法的同时预测速度提升1万倍。盘古药物分子大模型可以提高小分子合成物筛选速度，使过去数年的传统药物研发周期缩短至一个月以内，大幅提高研发效率。6.盘古大模型针对传统的AI开发难题，比如样本标注大、模型维护困难、泛化能力不足、行业人手短缺等，希望实现低门槛的开发、更强的泛化能力、更高更强的精度，来解决AI应用碎片化的问题。华为认为未来AI

第二，我们只讨论“大脑”层面的问题，而不讨论“手”的问题。很显然，部分对物理世界实操要求较高的场景对现阶段大模型而言是很难落地的，这是自动化等其他方面造成的限制，不在我们的讨论范围内。

产业调研系列近期我们邀请了国内头部AI公司的大模型专家进行了分享，核心内容如下：去年11月份的时候，我们感觉到AI行业会有比较大的发展，因为我们每个自然人都能体会到对话体系带来的活力。但我们再往前追溯，从阿尔法狗开始，整个AI里面的技术迭代是不断的，我们感觉核心技术的演进会带来人类社会的迭代。现在的AI技术的发展会推动整个人类社会的前进。我举的核心技术的例子还是比较多的。我们在材料模拟和教育研发层面都有投资，包括未来发展的合作伙伴，在近几年内都有相对比较好的协同。我们看看现在大模型的最典型的应用，可能AIGC是现在大家普遍关注的一个场景。你从左边和右边基本上看不太出来是哪个是全息合成的，哪个是人合成的，有的时候我们认为计算机合成的背景稍微模糊一些，但是现在基本上已经迭代过去了。然后包括AIGC已经开始有商业化的模式在做，这是小红书上的一个虚拟偶像。去年3月份的时候，我们想象不到对人的模拟可以到如此真实的程度。这里面还是加了一个软件包，我们每个人只要有一个相对性能比较强的电脑，都可以做到自己上传真实数据训练。但是大家可以看到当时人的生成还是有点bug——右边的人手有4个手指，不太容易发现。接下来我们认为大模型的发展会带来未来整个人工智能行业的百花齐放。我们看到AIGC，尤其是分行业，包括对话，包括音乐，还有就是他和一系列的产业的结合。站在我们角度来讲，这些衍生出来的应用，都跟大模型的迭代相关。技术的迭代来源于暴力美学（大力出奇迹、量变引起质变）。把算力需求、模型架构和训练数据达到超大规模（大模型、大算力、大数据），但每个环节都和参数收敛有很大关系，一方面是大力出奇迹，另一方面是如何构建模型并优化模型。我们认为这一切的来源，可能用一个简单点词说，就是暴力美学，最终就是我们把模型的架构做到了超大规模，把算力的需求做到超大规模，训练的数据做到超大规模。那么在堆叠以后会发生一个质变，刚才也有跟大家在讲，就是在模型的整个架构参数超过100亿的时候，会发现整个模型的质量会有所提升，但也并不是说我拿钱堆料就能把这一系列的应用都搞定了。每个环节里面，我们都认为不管是算力的规划，还有模型的架构，还有就是数据的筹备的模式，都跟模型的参数收敛有很强的关系。在内部交流的时候，我们也大概知道谷歌和OpenAI是最专业的公司，他们在重点在看数据规划的问题。也就是说一个模型设计出来相对来说还比较简单，但是我用什么顺序，用什么样的数据去筹备它、去训练它，才能把参数训练得更好，也是很关键的。整个来说我们认为在现在阶段，不光需要有资金，技术还有问题，可能另外它还有一些深化的需求。当然也需要对数据的优化，这是我们目前总结到的行业非常流行的模型，它的关注量级，它需要的训练数据，包括它的单次训练效率，给大家做一个展示。原来对于我们传统AI公司来说，服务传统行业是非常不舒服的。对于传统行业，比如说工业企业数据的采集、标注和训练，然后数据模型的数据训练，包括模型架构、模式、模型的部署，然后我们做模型的迭代，都由一家公司来做。最佳的方式应该是整个产业链上各个环节，大家都能各司其职的去做。我们认为原来的模式，因为大模型的诞生会变成另外的模式——可以把整个产业链的分工做得更好，有做基础设施的，有做基础模型的，做各种领域的模型，然后有做模型训练的，也有做数据采集和数据标注的。openAI告诉我们，真正的数据标注和数据选择，还有数据投喂的过程中人的介入是多么的重要。人（包括数据团队）对未来算是一个强硬的助力。我们感觉到AI产业以后如果有好的分工，可以迎来大航海时代，或者说百花齐放的时代。各种各样的应用不断的衍生，会把整个的人工智能的创业门槛不断的降低，因为有了基础设施的完备的服务。再加上大模型做了以后，我们在大模型上去做一些应用型的创新都会非常非常的容易。我从去年开始见到一些三五个人，十几个人的团队创业，就是利用美国人

行业深度系列1、百度：全栈技术积累颇丰，AI应用场景全覆盖模型与技术积累丰厚，传统业务奠定先发优势。从模型上看，百度手握文心系列模型（ERNIE1.0，ERNIE2.0，ERNIE3.0，ERNIE3.0-Titan）和PLATO系列模型（PLATO1，PLATO2，PLATO-XL），均积累多年，且和自家核心业务息息相关。此外，百度还有一个从软件到AI芯片全栈打通的Paddle训练框架生态，其对标PyTorch和TenserFlow，也属国内独家。在核心业务上，百度在国内牢牢把握着搜索端入口，相比于谷歌则更加从容，不需要应付同行的快速挑战，可以以自己的节奏过渡到“大模型+搜索”的问答搜索业务新模式。同时，基于海量中文数据集沉淀，百度也将获得海量中文问答式搜索反馈数据，该稀缺数据足以让百度巩固和继续扩大在这方面的优势，形成“数据飞轮”效应。

Transformer使用了稀疏激活技术，该技术只使用了神经网络权重的子集，或者是转换模型内输入数据的参数，在相同计算资源下，其训练速度上比谷歌之前研发的最大模型T5-XXL还要快4倍。

温馨提示：一楼有门禁，请后台留言报名，有专人下来接。

产业调研系列数字经济作为国家顶层战略，两大抓手就是算力和数据要素。我们近期有幸邀请到了国内一线城市的数据交易所资深专家分享数据要素市场情况，现分享如下。核心要点1、2022年场内交易的比重还是比较少，场外交易占了70%-80%。2、国家数据交易所并不是只有一家，北京、上海、深圳有可能同时成为国家数据交易所。3、产品定价有两个原则，（1）牵扯的个人的数据是最贵的（2）企业的数据是按条卖的。4、70%-80%的数据需求方是金融企业。5、任何一个国家和城市对于个人数据都非常敏感，所以数据交易中心是不碰个人数据的。1

行业更新系列当下的AI行情强度最核心的原因还是海外的AI产业发展超出了市场的预期。1、微软Microsoft

想参加电话会议又不在白名单的朋友请后台留言，添加临时白名单！

想参加电话会议又不在白名单的朋友请后台留言，添加临时白名单！

度、深化市场管理变革、针对性营销以及公司知名度提升等因素，业务拓展良好；2）本期竣工验收的项目数量较上期有较大增长，公司营业收入和净利润均保持增长。2022上半年公司实现经营性现金流量净额为

产业调研系列欢迎来到GTC大会，GTC是我们面向开发者的一场盛会，这个全球NVIDIA生态系统涵盖400万开发者、4万家公司和1.4万家初创公司。感谢我们的钻石赞助商，他们为我们提供大力支持并助力2023年GTC大会取得巨大成功。GTC大会的发展令人难以置信，就在四年前，我们的线下GTC大会还只有8000名与会者。在2023年GTC大会上，阿贡实验室的Valeri

公司更新系列前言：微软发布新产品的那一天，很多人都认为金山办公第二天有大阴线，最后的走势却大相径庭。原因是什么，第一个，新产品大概率短期进不来中国大陆。第二个，微软揭示了未来金山办公的产品演变路径和成长空间，提升了大家对于金山办公的市值预期。1.

产业调研系列近期我们有幸邀请到产业一线专家为我们解读人工智能行业的产业进展，现分享如下：Q：ChatGPT及GPT4未来有哪些典型的应用范围、使用场景，目前有什么样的进展，能否给我们分享一下？A：openAI这边对GPT模型做了升级，GPT4已经上线，它跟之前的版本功能特性最大的不同是引入了图像输入机制，我们看到它的模型不仅仅可以处理文字，在图像处理上也获得了能力。chatGPT到GPT4上面也做了很多商业改良，特别是安全特性，引入了基于安全的强化学习反馈，它更难通过越狱的方式回答一些有风险的问题。所以GPT4在跨模态、安全性上面有了增强。我们也看到国内厂商百度也推出了类似的产品，叫做文心一言，它是基于文心大模型上面做的对话增强的版本。它有自己的特色，在中文理解上优于GPT模型。前几天我们也看到了百度发布会上面的demo，一个是对中文语义理解，尤其是古诗词和成语理解。另外是跨模态方面，除了整合图像以外，也整合了视频和声音，也是朝着跨模态的方向发展。我们也看到其他的头部厂商，比如谷歌等厂商，也有对应的进展。从应用角度出发，我们是这样看的。首先看官方的几个演示，GPT4发布的时候给了几个官方的演示，比如第一个应用演示了一个视觉辅助的案例，结合了手机图像拍摄和对图片语义的理解，可以提供盲人辅助的功能，可以通过手机对于环境拍摄，告诉盲人现场环境是什么样的。官方提供了两个教育方面的案例，一个是多邻国的案例，另外一个是可汗学院的案例。对互联网的比较熟悉的可能会知道，可汗学院也是在互联网领域比较著名的在线的课程网站，它可以提供一个根据个人的个性化的辅导。比如说每个人在学习过程中可能会遇到不同的问题，第一次与这些用户去做一个个性化的合作之后，那么用户可以以这种自然语言的方式向模型提问，向他去询问在某一些课程学习过程中遇到的问题和难点，模型可能会给出建议，那么这是教学类的一个应用。第三个类别应用，我们看到结合自然语言处理以及对文档信息的抓取，可以提供在线的一些企业内部的文档信息的搜索以及问答，它更多的有点像一个搜索内部版本。当然这一块应用的话是我们在传统的NLP里面是也会见到，但是大模型引入之后，可以让用户对企业内部的文档的检索，它的用户体验会变得更加好，它更加可以以一种自然语言的方式来完成企业内部的文档的检索。同时对于企业来说的话，也可以通过把内部文档信息通过NLP的模型做抽取，然后形成自己内部的一个企业知识库。那么刚才我们讲到的案例，然后其实分了3个方向，它是在GPT-4发布之后OpenAI这边给出的三个方向，分别是对视觉，然后对教育，然后对像办公OA这类内容。第二个我们来看一下文心一言。我们在16号的时候我们也看到了在线的一个发布。那么这个发布在官方的部分，我们也看到它的一些特色应用，比如说它给到了在文字真实内容的上的一些展示，第一块的话展示了对小说扩写，以《三体》这部科幻小说为例，那么然后分析《三体》小说作者，然后分析《三体》小说主干。同时的话在线演示了如何利用文心一言的NLP大模型，然后对这样一个小说去做相应的内容扩写，整个演示相对来说我们看起来还是比较流畅的，从整体上来看。第二块的话展示了它的一个推算功能，其实我们看到的有一个其中的亮点是什么？做了一道这样的问题，就是鸡兔同笼问题，其实这样的问题我们现在看起来很简单，其实在如果我们去测试ChatGPT也好，GPT-4也好，包含文心一言也好，其实有可能模型会出现一些错误的计算，虽然看起来是一个很简单的一道数学题，在个案里边的话我们发现因为文心这个模型从它技术架构上来说，它引入了这种知识图谱的技术，就可以对一些事实性的问题做一些分析。我们会看到它其实做了两个演示，第一个演示是，这个方程出了之后系统告诉他是无解的，为什么？虽然他可以解出方程，但是如果对方程求解之后，你可能会发现解是小数，可能是与事实不符的，因为动物是整数的，所以我们会发现我们的这种NLP的模型具有了一定的对事实问题的判断能力。比如说即使方程可以有解，但是这样的一个解与事实是不是相符的，比如说动物如果是1.5只这样的问题，这个部分也是在推理能力上这种模型的一个特点和加强。除了内容生成和推算以外，另外我们也看到了它也有几块应用包含内容理解，可以用来提取一些综合信息，以及最后的一个演示的多模态。其实多模态部分的话应该算是在发布会的一个亮点，因为我们可以看到它除了能够利用自然语言输入方式快速生成图片以外，同时它还能够基于ttv的技术，就是text

行业更新系列华为首次正式官宣进军ERP市场，任正非认为有把握推广。3月17日，华为创始人任正非在“难题揭榜”火花奖公司内外的获奖者及出题专家座谈会上表示，今年4月份我们的MetaERP将会宣誓，完全用自己的操作系统、数据库、编译器和语言，做出了自己的管理系统MetaERP软件。MetaERP已经历了公司全球各部门的应用实战考验，经过了公司的总账使用年度结算考验，我们公司的账是业界中很复杂的，已成功地证明MetaERP是有把握推广的。这是在市场传言已久后，华为首次官方口径承认MetaERP存在。我们认为高端ERP市场将成为MetaERP主攻方向。国内ERP的竞争格局方面，虽然用友金蝶经过多年的努力已经占据了不小的市场份额，然而高端ERP市场仍然把握在海外巨头，如SAP、Oracle手中。华为在去A的过程中，进行了不少国内产品替代的尝试，最终选择了走自研道路，用自研ERP替代过去使用的Oracle系统。我们认为MetaERP进入市场后，主攻方向会瞄准高端ERP市场，成为SAP、Oracle在国内的有力竞争者。MetaERP将形成新的生态圈，合作伙伴将充分受益。正如同SAP、Oracle有实施服务生态圈一样，MetaERP推出后势必会带来新生态圈的崛起，未来围绕华为MetaERP的实施合作伙伴将充分受益。我们认为华为的MetaERP是长期使用Oracle的产物，因此实施伙伴包括过去给华为做ERP相关服务业务的公司，也包括拥有Oracle顾问池的相关企业。心里的花总是比纸上的花开的早。华为做ERP的确是一件让市场兴奋的事情，但是产业落地仍然需要一定的消化周期。首先，我们判断华为MetaERP不具备短期大规模替换SAP、Oracle的基础，节奏上应该是先试点后全面。另外，自用软件到可供出售的软件产品之间的工作量相差九倍之多（出自F.

国君计算机数据要素到底是什么?能炒多久？

产业调研系列李彦宏（创始人）：其实百度在过去的十几年当中，一直在AI的研发上坚持投入。文心大模型第一个版本2019年就发布了，此后每年都要发布一个新版本。所以从这个意义上说，文心一言的发布只是我们过去多年努力的自然延续。但毕竟今天的文心一言，是要对标ChatGPT，甚至要对标GPT-4，这个门槛还是很高的。全球的大厂当中，百度是第一个发布的。微软是直接调用OpenAI，Google、Facebook、Meta、Amazon他们现在都没有真正发布同类型、同级别的产品，所以百度是第一个。在内测的过程当中体验到文心一言的能力，确实也不能叫做完美。但是为什么今天要发布？因为有市场需求，百度的各个产品线，从搜索到智能云到自动驾驶到小度，都在等着要用这样的技术。更重要的是我们的客户，我们的合作伙伴等着用这样的技术，大家都在催我们需要尽早把它发布出来，大语言模型产品一旦发布出来，它就会获得真实的用户反馈，而有了用户反馈，它的迭代速度就会非常快，它的能力提升就会非常快。下面用5个案例来分别展示文心一言的能力。第一个是文学创作，第二个是商业文案的创作，第三个数理逻辑的推算，第四个是中文的理解，第五个是多模态的生成。第一个例子，是文学创作。我们看一个有关《三体》的例子，先问《三体》的作者是哪里人，它先要知道《三体》作者是谁，然后要懂得“哪里人”是什么意思。“可以总结一下三体的核心内容吗？”，“如果要续写的话，可以从哪些角度出发？”，它总结了《三体》的第一部在讲什么，第二部在讲什么，第三部在讲什么，续写又是角色的塑造、情节设计、文化背景、哲学思考。我们追问“如何从哲学角度来进行续写？生命的意义，人与宇宙的关系，道德和伦理，价值和信仰，科技和人文的关系”。再问“电视剧《三体》的演员都有哪些？”，它比较准确地列出了一系列参与的演员。这总共有6轮对话，这些对话体现出文心一言各方面的能力，比如总结分析的能力、推理的能力。事实性的东西对于一个搜索引擎来说不是那么难，但是对于一个生成式预训练大模型来说，出错的概率还是挺高的，这些问题都答对相当不容易，因为百度的文心一言采用了知识增强和检索增强。我们有5500亿的事实知识在训练数据里，所以可以保证事实性的问题回答比较准确。第二个例子，是商业文案的创作。问“如果要成立一个用大模型服务中小企业数字化升级的科技服务公司，应该给它起个什么名字？”，信智科技、数智云图、云集科技、意向科技、魔方科技。“给我起一个公司的服务slogan，来表达共赢的概念？”，答案就是“数智共赢智慧未来”。“帮我生成一篇公司成立的新闻稿，数智云图，以共赢的服务理念，用大模型来服务中小企业的数字化升级，要求是600字左右”，也生成了相应的新闻稿。这里涉及到相应的理解能力、表达能力、创意创作能力。这些能力都是没有办法教文心一言的。那么怎么做到的？其实还是要有好的技术，要有大的数据。人们说读书破万卷，文心一言可能读了千亿万亿的页面，用了几十亿的搜索请求，用了很多的图片，用了我们全部知识图谱的5500亿的事实，在不断的训练过程当中，逐步具备了一些比较通用的能力。大模型当参数达到千亿量级，又有足够多的训练语料数据来进行训练时，就会发生智能涌现，就是没有教过它的能力它也会。第三个例子，演示数理逻辑的推算。来玩一个鸡兔同笼的游戏，问有多少只鸡，多少只兔子，文心一言说这题好像出的不太对，算不出来。我们再改一下，重新问一遍。解题思路是这样的，答案是“3只鸡和6只兔子。在这两轮提问当中展现出来的是文心一言的逻辑推理能力”。这方面它不仅知道题出的对不对，也不仅能够给出答案，也给出了解题的步骤。这很像是小学生在解应用题，它是有逻辑的，一步一步的推理出来的。我们在过去一个月左右的内测当中，不断看到文心一言在进步，虽然现在还不敢说百分之百这类型的题都能做对，但是它的能力已经是挺强的了。第四个例子，对中文的理解。因为百度是植根于中国市场的，理应在中文的理解和对中国文化的了解上，超出世界上任何一个预训练大模型。“洛阳纸贵是什么意思？”，必须得知道这个成语，才能答对。“当时洛阳的纸到底有多贵？”，这就有点冷知识了，不是那么容易能够答对的。“这个成语在经济学原理里对应的理论是什么？”，回答“这是一个需求定律，就是物以稀为贵”。最后“用洛阳纸贵来写一首藏头诗”，回答“洛阳城里春光好，阳燕无双不负赏。纸贵漫天诗词赋，贵比黄金乐未央”。所以看到文心一言中文的理解能力，对中国文化的熟悉程度是相当高的。文心一言也可以处理英文，只不过对英文的理解和处理能力现在还没有中文这么好，部分原因是我们在训练数据里，给它注入的英文数据还没有那么多。未来我们会逐步的训练它英文以及其他语种的能力，以及跨语种的翻译推理能力。第5个例子，是多模态的生成。“请为2023世界智能交通大会来创作一张海报”，看到它的反应是很快的，而且这个海报很有未来感，也很贴切。“你认为智能交通最适合哪个城市发展？”，回答“上海、北京、广州、成都”。“请用四川话将以上内容讲出来”，“请将以上内容生成视频”，大家看到生成的视频也非常相关，而且还挺美。这四次交互分别看到它可以用文字生成图片，可以回答有一定创造性的问题，可以用语音方言（四川话、广东话、东北话、闽南话），最后用这些内容来生成视频。前三个现在所有文心一言的用户都可以用了。第四个因为计算成本比较高，我们还没有对所有用户开放。今天大概每天有几万篇的百家号文章，通过这个技术自动转成视频进行分发，这些技术我们都已经都把它连起来了。从文心一言的表现来看，它已经具备了很多像人类对自然语言的理解能力、表达能力、逻辑推理能力，这些的能力还在不断完善的过程当中。我们有时候用会感受到惊喜，有时候也会发现明显的错误，但是有一点是肯定的，就是它进步的速度非常快，在未来的一段时间当中，一定是日新月异的状态。而且我们通过对文心语言大模型进行微调，让它适配百度各种各样的产品，就可以在用户界面，或者在用户体验上展示出惊人的亲和力，让每一个产品都离自己的客户更近。所以文心一言会成为每一人必不可少的生产力工具。无论是什么样的公司，都不可能在几个月的时间里靠突击做出来这样的技术。它是百度十几年超大规模的研发投入，慢慢积累出来的。所以进一步解释文心一言到底怎么能做出来的，需要把IT领域最近发生的一些变化跟大家分享。过去IT的技术栈分为3层，第层是芯片层，上面是操作系统层，再往上是应用层或者软件层。在PC时代、移动互联网时代都是这样，但是当我们进入AI时代，IT技术栈从3层变为了4层：1、芯片层。这个芯片层跟过去芯片也不太一样，过去以CPU为主，未来很可能会以GPU为主了。2、框架层。什么叫框架？像百度飞桨叫做框架。3、模型层，文心一言就处在模型层。文心是百度整个模型的一个品牌，AI时代的应用会基于这些大模型来进行开发。以后不管是搜索也好，聊天也好，或者其他的应用都会是基于预训练大模型来进行开发。百度搜索每天有数十亿的需求，也就意味着文心大模型每天在服务数十亿的用户。只不过在服务搜索的时候，它是一个判别式的语言大模型。今天文心一言是一个生成式的语言大模型。为什么讲技术栈的变化，因为生成式的AI是非常耗算力的，要有大算力，要有大模型，要有大数据，费用相当的昂贵。四层架构之间相互进行协同，不断地进行优化，就可以使它的效率比别人高很多，显著地降低成本。尤其是框架层、模型层之间的协同，过去几个月我们已经体会到了这方面来的收益。在全球范围内，芯片、框架、模型、应用这4层都有领先产品的公司，可以说是绝无仅有，百度就是那个唯一。我们的优势非常独特，这个优势在未来文心的迭代速度上会有明显的感受。从2月7号我们正式官宣文心一言要发布以来，也就一个多月的时间，已经有650家的企业宣布接入文心一言的生态，这意味着很多企业其实已经明白，这是一个大机会，这是任何一个企业都不应该错过的的机会。生成式AI，它是代表了一个新的技术范式，它会带来市场需求的爆发性增长，商业价值的释放会是前所未有的指数级。对于文心一言的定位，我们认为它是在通用的基础模型之上，在4层结构上可以有能源大模型、交通大模型、媒体大模型等等，可以做成适合于千行百业的、服务各种各样应用的模型。所以文心一言不仅仅会影响到搜索，也不仅仅会影响到互联网公司，它会影响到每一家公司，由于它超强的自然语言理解能力、表达能力以及推理能力，它可以使得任何一个公司都能离自己的客户更近，也就是说任何一个公司都有可能利用这些能力做出更好的客户体验，从而更好地抓住客户，建立更强的竞争优势。所以文心一言对于每一个企业都是机会，甚至对于每一个人都会有很大的影响。有机构预测到2030年，脑力劳动者的生产效率会因为人工智能跟今天相比有4倍的提升，也就是说很多人的工作性质会发生不可逆转的改变。文心一的发布或者说生成式大模型的问世，会带来哪些创业机会、投资机会？我觉得有至少有三方面的机会。首先，新型云计算。云计算今天最主要的商业模式叫做IAAS，公有云提供的基础云服务主要是算力。未来云计算公司主要的商业模式会变成Model

想参加电话会议又不在白名单的朋友请后台留言，添加临时白名单！

AI的表述，强化学习的意义更多地在于让模型的输出更符合人类的意图和习惯，而不是模型能力的提升（有时甚至会降低模型的考试成绩）。合规声明：本文节选自正式入库研究报告，如需PDF原文件请后台留言。

即将发布，带来什么产业边际变化？

ChatGPT，通过调用ChatGPT以及一系列视觉基础模型，实现了在聊天过程中发送和接收图像，以及动态对图像进行处理，在ChatGPT的基础上拥有了VQA（视觉问答）和AI作画的能力。Visual

行业更新系列近期大家很关注运营商是不是会自研操作系统，作为行业信创的重要需求方，通信行业未来还会不会有操作系统的需求？对麒麟和统信的业绩有何影响？我们作了如下梳理。早在2021年11月举办的openEuler峰会上，三大运营商均公开发布了自研的openEuler发行版操作系统，即CTyunOS、大云天元系统、CULinux，在这之后自研系统开始主要在运营商的云业务上进行应用，但是当时这一事项并未引起资本市场的关注。在2022年12月的openEuler峰会上，三大运营商都展示了其自研操作系统的应用情况。中国移动的大云天元操作系统已经在移动云超大规模资源池累计上线部署了28万套，成为移动云租户的首选操作系统；中国电信的CTyunOS已经累计上线部署超5万套，支持了公司公有云、私有云、IT上云、一城一池等多种业务，计划在2024年将全部天翼云业务迁移至CTyunOS；中国联通的CULinux在云业务上已经完成了数千套部署，并计划在2023年完成10万套上线部署。目前运营商2023年度的服务器操作系统集采结果尚未正式出炉，从运营商的规划来看，未来大概率会在其云业务上继续使用自研操作系统，因为运营商云业务的服务器采购量大，平均下来每家运营商每年采购服务器10万台以上，其中多数服务器是用在云业务上的，使用自研操作系统有一定的规模效应。但是我们认为未来运营商依旧和第三方操作系统厂商有一些潜在的合作机会。第一，运营商在自身的核心业务系统上仍有可能采购第三方商业版操作系统，以获得更高的稳定性、更好的生态兼容性以及7x24小时的优质售后运维服务。例如2021年9月中国移动浙江分公司选择将其前台的业务大厅系统和中台的客户中心系统两大核心业务系统从centos迁移至麒麟软件和统信软件的openEuler版操作系统之上，这是运营商核心业务系统首次在openEuler上进行部署。从赛迪顾问的统计数据来看，三大运营商2021年有36%的新增服务器在付费部署RHEL、SUSE、Windows操作系统，这一块是未来第三方厂商可以去重点争取的市场。第二，运营商的云业务会给予租户一定的自主选择权，允许租户使用第三方商业版操作系统，例如在2022年openEuler峰会上统信软件展示了其和天翼云的合作情况，在天翼云之上租户可以自主选择使用运营商自研操作系统或者第三方商业版操作系统。第三，运营商未来可能会在自研操作系统的迁移、适配、运维等方面寻求第三方专业操作系统厂商的合作与支持，例如在2022年openEuler峰会上联通也展示了其与第三方厂商合作进行适配迁移的案例。第四，openEuler是一款开源服务器操作系统，运营商在PC操作系统的选型上无法进行自研，会继续依赖于第三方操作系统厂商的产品，因而不会侵蚀PC操作系统的潜在市场空间，例如在2022年3月，中国移动完成超过20万套PC操作系统的集采，由麒麟软件和统信软件中标。未来极端情况下，假设三大运营商采购的服务器全部部署自研操作系统，大约影响信创市场潜在需求的20%，即三大运营商服务器采购量总和/扣除掉互联网以外的其他重要行业服务器需求总和=20%，整体影响是可控的。金融、能源、政府等其他重要行业的客户由于单体订单量较小、对产品性能和服务质量要求高或者IT能力相对薄弱等原因，普遍对第三方商业版操作系统有较高的需求，目前不存在自研倾向，在2022年openEuler峰会上金融、能源行业的获奖项目均采用麒麟软件、统信软件、麒麟信安等商业厂商的产品。合规声明：

产业调研系列上周在广深调研和路演，见了些行业内的朋友。听说以前一个投入很多资源做SASE的公司最近开始收缩这方面的投入了，因为短期只有投入没有利润。但我调研的另外一家公司却说未来三年时间要all

金融科技海外启示录：从金融机构IT支出看行业成长空间（深度）10.产业调研：证券IT和银行IT的商业模式和竞争格局为何迥异？11.产业调研：建信金科能搅动银行IT市场的风云吗12.

方法论系列主题投资是一个重要的领域，尤其是对于计算机，一个为梦想而生的行业。什么是主题投资？在我们的研究框架里面，往往就是渗透率低于5%，产业周期处于萌芽期阶段的投资方向。这个阶段投资的特点是看重逻辑不看重业绩，核心要把握产业发展的方向。主题投资把握起来有很大难度。有的时候花了很多精力去研究，却炒两天就结束了，有的时候置之不理，行情级别却很大。我们尝试去总结一个可持续的主题行情的特点，分享如下：1、主题需要足够新，最好全市场第一次听说资本市场永远喜新厌旧，一个主题要吸引人，就需要足够新。最好是从未出现过的新鲜事物，而且与多数人的生活息息相关，让人觉得这个确实是划时代的产业趋势。比如chatGPT，每个人都可以体验一下，感受其对社会的影响。2、想象空间要足够大，但是涉及到的股票数量不能多也不能少一个主题行情要足够大，天花板就要足够高，最好达到万亿级别甚至更高。所以大的主题往往出现在一些通用性技术里面，比如人工智能、云计算。但是涉及到的股票数量不能多也不能少，如果太少不足以形成板块效应，如果太多市场资金不够打出高度。3、相关股票筹码在底部，最好没机构对于主题行情来说，筹码结构很重要。一般来说走势惊人的主题行情，涉及到的标的质地不会太好，往往沉寂多年无人问津，主题风起一飞冲天。比如春节后的人工智能行情，大部分标的都已经调整半年以上甚至更久，没有太多机构持仓。4、主题行情需要风险偏好配合，天时地利人和主题行情因为所处的产业阶段是萌芽期，没有业绩，实际上股价涨的是对于未来的梦想。我们在此前的方法论中多次提到了，牛市讲故事，熊市死抠EPS。主题行情需要很高的风险偏好配合，春节快结束的时候人人都看2023年是牛市，所以才造就了chatGPT的大行情。合规声明：本文节选自个人随笔，不包含任何投资建议和具体投资标的，如需全文请后台留言。

产业调研15.中国医疗信息化行业细分领域IDC数据大汇总16.青海医保省平台订单背后的秘密：行业大洗牌，有一家公司异军突起17.疫情之后，区域医疗投资落地方式跟你想的不一样

研究框架系列合规声明：本文节选自正式入库研究报告，如需PPT原件请后台留言。国君计算机信创产业研究框架（600页）CPU芯片（80页PPT）操作系统（100页PPT）数据库（130页PPT）中间件（80页PPT）ERP（101页PPT）达梦数据库（50页PPT）

中国网络安全行业细分领域IDC数据大汇总16.网络安全产品从入门到精通17.海外专题：寻找中国网络安全公司中的Palo

case的覆盖困难是制约其落地的重要因素。比如对于医疗、自动驾驶等场景，由于负面的应用个例将会产生非常严重的后果(比如重大疾病的误诊、自动驾驶产生的交通事故)，所以在实现对于corner

方法论系列前言：我们曾邀请思想钢印公众号的作者人神共奋老师来分享他关于成长股投资的不可能三角，在板块疯狂轮动的当下，我们想套用这个不可能三角，来谈谈计算机板块在今年剩下的时间会怎么走。成长股投资的不可能三角，高景气、高确定、低估值不可兼得。我们知道，一只股票是不可能同时具备高景气、高确定以及低估值的。在这里，高景气是指业绩增速高，高确定性是指所在行业是市场一致认可的发展方向，得到政策支持。低估值并非指估值绝对很低，而是相对的，可以是跌了很久，也算低估值。一旦获得了其中两个，就要舍弃第三个，由此形成了三种投资风格：舍弃掉高景气，追求确定性和低估值的是深度价值风；舍弃掉确定性，追求景气度和低估值的是行业轮动风；舍弃掉低估值的，追求高景气和高确定性的是赛道投资风。目前市场放弃了确定性，追求高景气和低估值。经历了2022年的波折带来的低基数，市场普遍认为2023年基本面将会有大反转，有很多行业的增速会很高，但是短期来说，不知道哪个行业会率先复苏。这就是近期行业的极致轮动背后的结论，市场放弃了确定性，因为短期看不到什么确定性，选择了高景气和低估值。体现出来的现象就是，某某行业的高频数据超预期了，只要图好就能搞一波（估值偏低）。股价涨两天，缺少估值保护后行情结束。计算机位于市场的对立面，放弃了高景气。最近计算机炒的内容，无论是ChatGPT还是数字经济，都和景气度没有关系，恰恰是放弃了景气度而追求确定性和低估值。因为市场也知道，无论是什么概念，真正最后落实到企业的财务报表上，不说今年了，至少这个季度是肯定看不到的。因此短期去关注计算机公司的基本面拐点没有意义，更多的应该关注宏大的叙事（确定性），以及在这个宏大叙事下还有什么标的没被炒到的（低估值）。在这个风格下，投资者更加偏向的是没被炒到的标的，而不是宏达叙事。也就是说市场以估值为主，以确定性为辅，是典型的基于估值高低切换的赔率投资。这样的结果是，往往失去低估值保护的公司，也会被市场所抛弃，投资者永远都在找主题里面还没涨的那个标的。计算机可能短期道路是曲折的，但前途一定是光明的。如果把市场定义为计算机的对立面，可以发现存在两种风格，一种放弃了确定性，一种放弃了景气度。因此我们判断，如果真的有行业率先复苏，将会在一季报、半年报等业绩期成为市场主流品种，而一旦涨上来后失去估值保护，市场又会重新去选择高确定相对低估值的计算机板块。换句话说，只要有行业的基本面特别好，这个时候计算机就没有相对收益，一旦进入业绩真空期，就是计算机的天下。但我们觉得这种对立也不会很久，因为计算机不是永远没业绩。《数字中国建设整体布局规划》这种文件已经把计算机的确定性锁死了，信创、数字经济，各种政策都在反复提醒，未来计算机会有业绩释放的，只是大家需要耐心。可能在计算机业绩释放的那个时候，投资计算机的人就该放弃低估值，追求确定性和高景气，转型为赛道风格。到那时，再找一个40倍PE以下的计算机公司就不是件容易的事了，珍惜还有20倍PE公司的当下！合规声明：本文节选自正式入库研究报告，如需PDF原文件请后台留言。

公司深度系列1、云涌科技：电力安全软硬件细分领域头部厂商云涌科技作为嵌入式解决方案提供商，处于细分领域领军位置。公司专注于工业信息安全和智能档案柜及控制类系统设备解决方案的研发、生产及销售，其产品主要应用于电力、能源、金融和交通等领域。深耕电力行业寻求发展空间，同时拓展金融与交通应用场景。公司于2004年建立并开始推出软硬件平台、嵌入式平台以及电力配网智能主控单元等产品，逐步深耕于电力行业，在电力信息安全领域具备多年技术积累经验。打造多元化产品布局，尤其电力行业产品矩阵丰富。其中公司的核心产品为网络安全传输、数据加密安全以及终端采集控制相关电力专用设备。在行业分类上覆盖能源电力、交通物流、石油石化；在技术上拥有嵌入式技术、密码技术、零信任安全、可信计算等方面丰富经验，提供高性能RISC架构计算机平台、加密卡、网络隔离装置、主机加固、零信任安全接入等解决方案。其中工业信息安全产品主要运用于电力行业，云涌科技从生产管理、生产管控到生产现场的多重场景均有产品应用覆盖。产品主要以定制化、模块化生产方式实现“硬件+软件定制”双轮驱动满足客户需求。经过十余年技术沉淀和积累，公司开发平台均采用模块化设计，极快产品研发速度，提高研发成功率和使用的可靠性。定制化、模块化的生产方式帮助云涌科技稳固电力行业定位，逐步拓展业务至金融与铁路等其他行业之中。企业从云涌嵌入式技术开发平台上进行对于不同产品定制系统进行开发，其次针对各个领域的细分产品、针对不同客户需求进行软硬件二次开发，最终应用到工业信息安全和工业互联网领域。公司在业内收获客户认可，与多家业内优秀企业保持良好合作关系。目前，云涌科技已成为电力信息安全领域方面重要的供应商，并与业内领先企业保持战略合作，包含国电南瑞、东方电子等上市公司。也已经与多家上游企业签订战略合作协议。丰富的客户资源成为公司业绩稳步增长的有力保障。2021年公司核心业务增长态势良好，全年公司营收增速18%，上升推力主要来源于公司核心业务。公司综合毛利率长期保持相对稳定，2021年稍有下降。2016-2021年毛利率分别为41.24%、41.32%、45.59%、43.01%、42.51%和37.14%。2021年由于上游元器件及芯片缺货、成本有所上升；同时公司上市后加大人才的引进带动人员成本上升；公司部分新客户开发、部分迭代产品尚未批量化生产等因素，公司2021年利润率有所下降。公司股权结构较为合理且稳定。公司控股股东、实际控制人为高南、焦扶危，二人分别持股33.75%、22.50%，合计直接持有56.25%股份，此外，身为董事兼核心技术人员的肖相生持股10.25%，董事兼副总经理张奎持股6.68%。总体股权结构较为稳定。2、电力信创热潮带来市场机遇2.1

教育信息化依然处于领先赛道，得益于政策落地，订单优势明显信息化改造依然处于教育行业领先赛道，订单优势明显。在2022年第四季度的订单种类中，科研、创新平台、实训室、基础设施和智慧校园是教育信息化

行业深度系列最近大家对于ChatGPT已经落地的商业模式很感兴趣，因为这指引着未来中国公司潜在的发展方向，因此我们对此进行了总结，现分享如下：ChatGPT已经落地的三种商业模式包括三种：广告模式、B端订阅模式和C端订阅模式。首先，广告模式的主要代表为微软Bing。微软推出集成ChatGPT的全球Bing搜索服务，并已经接洽了多家广告业主，共同探讨如何在新版必应中植入广告和新的变现方式，并称微软已经在考虑于生成式内容中放置广告，且已开始相关的测试。在toB业务方面，chatGPT可面向toB的业务非常多，包含增强生产力类应用场景和智能营销类应用场景。其中增强生产力类的落地应用包括：BuzzFeed（内容创作）、迪拜水电局（改进服务）、Iris

产业调研系列近期参加了讯飞医疗举办的人工智能分论坛，会上讯飞医疗副总裁鹿晓亮分享了医疗认知智能技术进展，现分享如下：首先回顾一下人工智能的三次浪潮。人工智能技术从1956年名词被提出来以后，在过去的几十年里经历了三次浪潮。我们现在的第三次浪潮起源于2006年Hinton的一篇文章。他发表了一篇文章证明深度学习、人工神经网络如果把它做得足够深层，它可以起到非常好的效果。深度学习这个名字也从2006年开始。从此之后人工智能技术发生了天翻覆地的变化，包括语音技术、图像识别技术等。最近ChatGPT又给我们带来了一些新的不一样的地方。第一个阶段叫运算智能。运算智能就是靠着机器或者服务器，能从“会算”这样的能力，让设备显得有些智能的成分，叫做运算智能。举个例子，比如很多智力挑战赛，看了几千个四位数，让你回答第五个四位数是什么，这样的问题对人类来说是一个非常大的挑战，但是对机器来说是非常轻松的事情。另外一个是感知智能，感知智能是需要通过技术让机器能够感知这个世界，能听会说、能看会认。更进阶的叫认知智能，认知智能希望给机器装一个大脑，让机器能理解、会思考。简单的汇报一下目前这几个技术的一些进展。首先运算智能不说了，对于感知智能，最有代表性的就是语音识别、图像识别这些技术。比如语音识别，现在可能都会用到输入法里边的语音录入，在一般的情况下的语音识别的准确率已经做到很高了。但讯飞为代表的技术公司现在正在探索比如高噪音环境下的语音识别技术，目前在这方面有很大的突破。比如在一些非常复杂的场景下，把它错误率可以降到

彭博报道中国未来两年5000万台电脑国产替代到底靠不靠谱（深度）？30.

行业策略系列最近行业策略内容写得比较少，因为有些读者不喜欢，觉得不硬核，但是又到行情的关键时刻，我们必须得谈谈后面板块的走向。经历了两天时间的回调，很多计算机股票回撤达到10%-15%。有一部分投资者认为，这一轮春季躁动已经结束，计算机的行情也已经告一段落。真的会是这样吗？我们并不认同行情已经结束的看法。早在去年11月13日，我们就坚定看好计算机的大牛市（《立帖为证：全面看多，迎接2023年计算机板块大牛市》），此后计算机指数开始快速上行，已经验证了我们对于板块行情的判断。今年的行情级别会比我们之前预期的还要大，是下游行业软件需求复苏叠加技术革新的新一轮计算机牛市，行情级别介于2015年和2019年之间。年前我们看计算机牛市，核心的逻辑就是行业需求复苏叠加成本控制带来的利润率快速修复行情。主要论据有几个，第一个是下游行业需求复苏。这个结论没有变化，当下春节才过去两周多时间，我们通过调研已经感受到某些细分行业在快速复苏（想知道是哪些行业欢迎后台留言）。第二个是2022年人员招聘节奏放缓带来的成本压力降低。软件公司主要的成本就是人员工资，如果人员工资不增长，增加的收入基本上是纯利润，因此利润弹性极大。第三个是板块估值便宜。经过一轮上涨，估值便宜的因素已经减弱。但是还有一大批公司处于今年20-35倍PE之间的水平。2024年收入保持20%-30%增长，利润增长30-35%，年内估值切换后依然有50%以上的预期收益率。所以板块很难深调。第四个是机构持仓占比低。同样的经过一轮上涨，机构低配的因素也已经减弱。因为年报还没有披露，具体数据不得而知，大致估计应该处于标配状态。超预期的因素是ChatGPT的问世引发新一轮科技创新周期。我们在春节后开始前一天发布的公众号《计算机在兔年的第一次主题行情》已经预判了这一轮的人工智能行情，这是第一轮的纯主题演绎，涨的大部分公司跟ChatGPT都没有半毛钱关系。但我们认为，百度三月份发布文心一言（“文心一言”是百度基于文心大模型技术推出的生成式对话产品）会是一个很重要的时间节点。文心一言不管是对于百度还是对于中国的科技产业都会是一个极其重要的产品，基于这个产品，其他的软件公司可以开发新的产品，衍生新的商业模式，从而引发一轮人工智能+的大行情。这一轮技术创新周期一定会有计算机公司跑出来，非线性的增长正是计算机行业的魅力，尽管成功的公司会是极少数。即使是没有任何产品创新，成本的节约也能带来软件产业的跃迁。ChatGPT是可以用来写代码的，假设70%的代码可以用AI写作，软件公司的人员增速完全可以大幅下降，带来的利润率提升可能是划时代的。当下时点，我们可能高估了对于一些概念股的炒作空间，但是低估了ChatGPT对于整个软件产业的意义。计算机过去几轮技术创新都产生了大牛股，这一次也不例外。从2000年至今，计算机经历了几轮大的技术创新：电算化（从手工变成用电脑）、互联网、移动互联网、云计算。我们正站在新一轮技术创新的起点上，小荷才露尖尖角，谈行情的结束必然是为时尚早。合规声明：本文节选自正式入库研究报告，如需PDF原文件请后台留言。

全世界都在等奇安信盈利68.产业调研：网络安全行业有哪些新变化？69.数据安全管理已经深入至工业领域70.商用密码行业未来三年景气度如何？71.产业调研：工业数据安全的发展前景

产业调研系列技术热点——ChatGPT基本情况2022年年底OpenAI发布了ChatGPT聊天机器人，它从各个层面给人的信息的体验感觉，最典型的是这个机器人能和人进行自然语言的交流，可以以假乱真，甚至幽默风趣的反馈。并且在与人员之间的这种交往过程中，还能根据人的指令去实现多种功能，甚至能编写程序最关键的代码，甚至可能替带程序的代码工作。模型发布以后，我们得到的信息是，模型的测试现在是免费的，但在登录、验证的问题上国内外环境有区别，国内比较难实现，他们的ChatGPT的日活用户的增长情况我们很难实现。同时，微软作为其主要投资方可能投资近100亿。如果这笔资金成真，OpenAI的估值可能达到290亿。为什么ChatGPT这么火？我把它归结成三个方面。第一，ChatGPT的测试体验超乎人的想象。尤其是有影响力的两个人，比如马斯克评价称ChatGPT

产业调研系列从2020年到2022年党政信创全面开展以后，信创产业随之也发生了大量的变化，现在信创走到了一个十字路口，叫后党政时代。围绕着这个变化现在信创行业面临着巨大的机遇和挑战。一、信创的背景与原因信创的核心诉求就是安全。其实从产业的角度，信创是在“开倒车”的，我们是在用一个落后的技术去替代先进的技术，用一个不成熟的生态去替换一个成熟的生态，所以从产业的角度来看是很困难的。那么我们为什么要一定发展搞信创？其实大家牢牢抓住网信安全就能理解了，网信安全包括三个层面：第一个是关后门。世界上有数不胜数的事件，证明后门是实际存在的，比如说棱镜门事件、伊朗震网事件、委内瑞拉电网事件等。从某种层面上讲，没有掌握核心技术的网信产品都有被植入后门的风险，这些后门平时不会爆发，但是在关键时刻一定会给我们造成危害。第二个是堵漏洞。计算机系统从诞生之初就伴随着大量的漏洞，这些漏洞如果被别有用心的人利用，也会带来严重的网信安全问题，比如：著名的熊猫烧香病毒、勒索病毒等。第三个是防断供。其实我们从2010年开始做信创的时候，有“卡脖子的概念”，但是并没有把供应链的安全放到今天如此重要的位置上。直到2017年的中兴事件、2018年的华为事件出现以后，我们才发现供应链的安全同样是非常重要的，直到现在我们的网信产业仍然受制于供应链。以上这些都关系到国家的网络和信息安全以及产业安全，这就是我们做信创的目的，所以信创是为了保障国家安全的，安全是信创的核心诉求。高层多次强调：“没有网络安全就没有国家安全”，“核心技术是国之重器”，是“要不来、买不来、讨不来的”，从顶层设计上给网信产业做了一个定调。所以信创产业一定会有非常大的发展，因为我们是站在国家安全战略的高度在做这个事业，而不是说信创有困难就不做了。因为中国的目标是实现中华民族伟大复兴，那么在复兴的过程中，网信安全是最重要的一环。相关部门和产业侧做了大量的工作：从2014年开始我国就成立了网信领导小组，发布了若干国产CPU和国产操作系统的研制课题，成立了集成电路产业基金，政府机关开始windows的替换，这是一些标志性的事件。2016年我们印发了《国家信息安全发展战略纲要》和《网络安全法》。但是真正大规模开启是在2019年，明确了党政在信创领域的推进节奏和要求，推动了党政在2020年到2022年三年网信工程。三年政策结束后，2022年又推出了新的政策，要求我们现有的系统能替尽替，不能替的创造条件来替。信创是一个政策市场，所以政策有推动，那么产业一定会有发展。在产业侧，经过10年左右的发展，我们现在收敛到了6条技术路线上面，这6条技术路线大致可以分为三类：一类是海光和兆芯，通过x86的IP授权来实现；第二类是鲲鹏和飞腾，也就是arm指令集授权路线；还有两个是买断了国外的指令集，应该算是完全自主掌握的mips架构的龙芯和alpha架构的申威。大家通过不同的路径获得了相应的技术路线。中国电子的PK体系就是飞腾的CPU加麒麟操作系统，是信创最核心的两个赛道。PK体系脱胎于国防科大的天河超级计算机，2012年国防科大与中国电子合作，将天河上面的CPU和操作系统做了产业合作，形成了天津飞腾和麒麟软件这两个公司。天津飞腾现在由中国长城控股，麒麟软件现在由中国软件控股。2015年我们把第一台可以产业化的计算机做出来，率先在党政领域开始小规模试点，第一期试点单位是工信部和湖南省，到2019年党政办公的技术就比较成熟了。飞腾发布了两颗标志性的芯片，一个是FT2000的4核桌面芯片和FT2000+的64核服务器芯片。到2022年，我们的出货量已经超过100万台终端和10万台服务器，但跟x86比还是非常少的，像联想一家的，x86整机每年的出货量超过7000万台。我们这么多年积累下来才100万台，这主要是生态的问题，我们跟x86的生态差距还是挺大的。大家主要关心的是后续信创路线收敛的情况，这六家CPU厂商及其配套的整机厂商还是行业里的主要玩家；操作系统厂商现在看来就是收敛到两个，一个是麒麟，一个是统信，2019年还有十几家厂商，像红旗Linux、中科方德等，现在他们还在，但基本已经收敛了。在CPU和操作系统之上，首先收敛了一些办公相关软硬件的厂家和终端安全的厂家。特别是这几年异军突起的金山office，早期金山对标微软office其实打得很辛苦，现在金山office已经在国内是主流了。安全厂商里像卫士通、天融信、奇安信，借这三年的机会其实也有一个很大的发展。再往上就是打印机，因为打印机也是计算机，是党政办公非常重要的环节，这几年中国长城也在做打印机。整体上来看，我们的桌面生态其实已经可用了，正在迈向好用。大家如果用过信创电脑的话，满足党政办公需求的常用软件现在没有太多问题。后续难度更大的是数据中心的应用和生态建设。现在的数据中心基本上是大规模云化的数据中心，在这之上有云计算、数据库、分布式存储、大数据和人工智能等等技术平台，适配和稳定性提升都比较复杂。有一些信创走的比较靠前的政府，比如像湖南省政府、天津市政府，他们已经在政务领域搭建了基于信创技术的云平台，以前的政务云平台也正在做一些应用的迁移。在这个过程中，我们认为终端的问题是不大的，但是数据中心端的问题是很大的，主要面临这样几个问题。第一个是数据中心对业务的稳定性要求非常高，要实现平滑迁移。比如这个系统我已经稳定用了十多年了，现在要换国产的，可能连应用厂商都找不着了，就算找到应用厂商以后还要重新去开发。现在很多银行在做替代的时候，大家纠结是用原来同源的一套代码搭建到若干个硬件平台上，还是说单独做几套，各有优劣，需要时间和投入。从实践来看，现在多数银行是做两套，那么这两套之间怎么去同步，怎么平滑迁移，怎么数据迁移，这个是很难的。第二个是设备迁移难度大，需要大量的测试和实践去磨合，性能和稳定性达到行业应用场景的需求。第三个是产品利旧。党政信创跟行业信创最大的区别是党政信创是政策市场，中央有政策下面就敢花钱，但是行业信创里面都是经营主体，央企是有利润要求的，银行对运营精细化管理要求是更高的，所以他们不会像党政一样，买来一些设备闲置在一边，他们用不起来的就不买，或者只会小规模试点。这个是现在信创厂商面临的最大压力，就是三年政策催热市场以后，大家配备了相应的产能和团队，到了行业里面发现却玩不转了，这就是后党政时代给大家带来的机遇和挑战。2021年我们统计中，在工信部的PC整机排行榜里面，长城是第一名，在湖南省我们实现了五级部署和大量的应用替代，已经有一点向行业转型的端倪了。也就是我们从要素替代，比如说CPU、操作系统的替代变成了全系统整合，跟x86的产业发展路线其实是一致的。90年代x86也面临着多指令集的竞争，比如说alpha、mips、spark等，而且这些指令集背后都是大厂支持的，那么最后谁能够胜出，是能够把这些要素整合成一个用户认可的系统的厂家胜出，这就是行业发展的基本规律。二、后党政时代信创发展的机遇与挑战第一个机遇是从政策层面上一直在持续发力。22年的几个政策都明确指出了信创发展的节奏，也就是可能在2025年到2027年会形成一个高峰，基本上2027年要实现100%国产化。所以未来这5年其实政策上是有一个非常明确的指向，哪些系统应该替必须替，哪些系统可以有选择的替代，其实要求得非常清楚。随着中美对抗加剧，替换节奏是明显加快的，替换范围也在变广。现在有明确政策要求的是两个，一个是金融，一个是央国企，这两者的体量和技术难度上面都比党政要大得多，市场体量的指标也很明确，要求力度在不断的加大。我们的目标是信创全面替代、自主可控、安全可靠、高效高质量发展，谁能够做到高效高质量发展，谁就可能在产业里面胜出。第二个机遇是信创常态化。以前信创有单轨制和双轨制，x86和信创同时用是双轨制，只用信创是单轨制。现在行业里面提出来一个概念叫信息化等于信创。因为未来所有的信息化采购默认是使用信创的，现在很多银行其实已经要求供应商按照100%信创的目标设计方案。以前大家可以根据目录自主选择，可以打报告说我一定得用x86，但后面这些事可能都没有了。这其实给产业是一个非常好的机会。以前大家很多的精力在争目录，因为客户要先看你这个产品进没进目录，没进目录的大家是不采的，所以大家玩命去拼目录。现在没有目录了，放开了，所有的设计和方案都是面向全信创来做，这就要求企业把产品和服务做好，最终比的是企业的内功。第三个是向全行业去发展。我建议大家跟着政策去走，我目前看到有很强烈的政策要求的，主要是央企和金融。在两个月前建行发布了一个服务器招标，其中70%是信创的。现在信创的市场已经慢慢起来了，反倒我们开始受困于供应链的问题。在后党政时代，我们的市场前景更为广阔，但同样挑战更为巨大，这个挑战来自于这样4个方面。第一个是底座的要求更高了。原来党政可以凑合着用，可以停关机，现在金融级的应用对稳定性要求很高，开机就要跑三年，要是哪家银行的系统出现问题，银行的业务就要受影响。同时行业对性能要求很高，数据量和并发程度比党政要求高得多，过去党政一套公文系统就几百多人用，但银行的系统用户量和并发量完全不是一个量级。第二个是应用适配更难了。党政办公应用是非常少的，一个单位就十几个系统，比如像公安这样的行业有上千个应用，每个应用要远比党政的复杂，其他比如金融、海关、电力、能源这些都有海量的系统。大家在做投资选择的时候，可以多看一些在行业内技术实力比较强的国产软件开发商。第三个是生态压力更大了。我们现在生态是不完善的，行业应用太复杂了，我曾经做过一个高速公路的项目，一个十几公里的隧道里面有上百款、上万个各类型设备和传感器，有监控车流的，有监控地质的，有监控空气的，那么这些东西怎么在信创平台上适配，而且要保证性能和稳定性，是一个很难的事情。同时我们信创的生态基础设施是非常差的，和x86做对比更明显。假如我要学习信创的生态，我在网上基本找不到任何资料，得向厂商去要或者拿开源的资料去学习。但是x86生态里，像CSDN、慕课这些都非常成熟。应用的下载安装上，x86有各种下载网站和应用市场，比如说像太平洋这种。但是大家现在想在网上找到一个信创的软件是非常难的，对于我来说都很难，非专业人士更难。答疑解惑上，在x86下面有各种搜索引擎、各种社区，可以帮忙去解决绝大多数的技术问题。大家要有一个概念，任何行业的人才都是一个金字塔结构，现在信创的问题要靠金字塔尖上的这些人去解决，而x86的问题主要靠金字塔下面的人可以解决，甚至有些大专生、职业培训的学生都有能力去解决一些x86的技术问题。这就是为什么在人才方面信创也非常困难，要培养一个在信创领域能够解决技术问题的人，至少要招一个985、211的，但x86下面可能都不需要大学生，从这里能看到生态的差距有多大。在找用户上，信创基本是靠企业地推，而x86基本不需要地推去做，客户基本自己去下载使用。开发环境的获取上，国外的开发环境太成熟了，国内的开发工具、开发语言、持续集成的方案都很少，学习的成本非常高，这些其造成了我们生态和产业上的困难。第四个是供应链压力更大了，断供的问题进一步加剧。三、信创的本质是生态之争总结一下，其实信创之争本质是生态之争。大家可以从几个层面去把握机会：1、紧跟着政策走：没政策的领域不要碰，我们做市场也是这样。2、技术路线的选择：X86（海光、兆芯）现有的生态最好、技术最好，但我们认为未来ARM（鲲鹏、飞腾）的机会应该是最大的。3、核心元器件和模块：除去芯片和操作系统外，还有一些断供风险大且技术门槛高的元器件和模块也得重点投资。4、半导体产业链：这是我们卡脖子最严重的地方，得彻底解决半导体生产工艺、耗材和制程的问题。5、基础软硬件平台：这一块发展最快，最先完成替代的大概率会是软硬一体化的标准化产品，比如行业设备、数据库一体机、存储等。6、应用生态。在跟随政策的技术上，除了产品要有一定能力外，还要对应用适配、数据迁移、上下游整合上具有能力。合规声明：本文节选自专家策略会演讲纪要，属于公开资料，如需纪要全文请后台留言。国君计算机信创产业研究框架（600页）CPU芯片（80页PPT）操作系统（100页PPT）数据库（130页PPT）中间件（80页PPT）ERP（101页PPT）达梦数据库（50页PPT）

研究框架系列合规声明：本文节选自正式入库研究报告，如需PPT原文件请后台留言。

春节之后，信创板块迎来国际国内密集的催化事件，产业有望加速落地。简要归纳如下:⭐国际催化:①中美关系边际趋紧。中美关系的变化对信创板块的投资情绪有一定影响，当中美关系趋紧时市场情绪更加高涨。由于我国民用气象无人飞艇受不可抗力影响误入美国领空，美国国务卿布林肯2月3日宣布推迟对华访问。我们认为该事件将进一步催化信创产业投资情绪。②美国与荷日强化对华芯片出口管制。根据彭博社报道，1月27日美国政府与荷兰、日本政府达成协议，计划将美国政府在2022年10月颁布的部分对华芯片出口管制措施扩大到这两国公司，ASML未来对中国出口部分DUV光刻机可能受限。此举试图联合构建对华芯片生产制造包围圈，削弱我国通过去美化产线生产芯片的能力，是对我国科技产业发展更直接的挑衅。从长期看将加速我国半导体产业的独立自主，但短期有可能对信创CPU供应节奏带来一定冲击。③美国政府或将禁止供应商向华为提供任何产品。根据彭博社1月31日报道，美国政府正在考虑切断包括英特尔和高通在内的美国供应商向华为提供任何产品，有可能在5月份落地。我国外交部对此表示严重关切。若该制裁措施后续落地，可能对华为的消费电子业务产生冲击，对早在2020年5月就被全面制裁的鲲鹏信创业务并无直接冲击，且可能迫使华为加码自主产线和信创业务布局。⭐国内催化:①高层强调要增强发展的安全性主动权。1月31日第二次集体学习时，强调“要加快科技自立自强步伐，解决外国卡脖子问题...增强产业链供应链的竞争力和安全性，以自主可控、高质量的供给适应满足现有需求”。信创产业是我国信息技术行业自立自强的生动体现，讲话再次指明了信创产业发展的重要性和紧迫性，有望进一步加速信创落地。②张玉卓履新国资委主任，首站调研中国电科。春节前我们的点评中曾提及“监管部门的人事调整是造成行业信创台账难产的主要原因之一”。此次人事调整完成后，监管部门工作节奏快速恢复，行业信创台账有望在近期落地。2月3日，张主任履新后首站调研中国电科，强调要“加大关键核心技术攻关力度，在下一代人工智能、电子信息等领域形成一批基础前沿成果，积极打造原创技术策源地，进一步提升产业链供应链自主创新、安全稳定水平”，我们认为张主任的调研凸显了对于信创产业的重视，未来行业信创将成为各央国企的核心工作之一。⭐总体而言，春节后美国政府正在从宏观的地缘政治层面、中观的科技产业关键环节以及微观的科技龙头企业上全面强化对华施压力度，我国领导层也持续释放科技自主可控的坚定信念。短期内，信创产业有望进一步加速台账规划的出台和招投标的落地；从长期看，我国有望为全球构建出第二套独立自主的IT架构体系，信创企业有望走出国门获得更广阔的发展空间。⭐投资建议:信创软件企业不依赖于特定硬件平台，且多数不存在产业链依附关系难以被外部有效制裁，建议重点关注信创软件龙头，包括恒生电子、金山办公、中国软件、太极股份、海量数据、东方通、中孚信息等。信创硬件环节因为外部的制裁短期承压，建议关注硬件龙头的长期投资价值，包括中科曙光、神州数码、中国长城、海光信息、龙芯中科、景嘉微等。合规声明：本文节选自正式入库研究报告，如需PDF原文件请后台留言。国君计算机信创产业研究框架（600页）CPU芯片（80页PPT）操作系统（100页PPT）数据库（130页PPT）中间件（80页PPT）ERP（101页PPT）达梦数据库（50页PPT）