第一章企业基本情况介绍
1.1企业发展情况
公司是属于人工智能软件公司。专注于计算机视觉技术，利用自身的人工智能软件平台赋能不同专业领域，增强客户的创造力、生产力与经营效率，打造行业内首屈一指的通用人工智能基础设施，实现了大规模量产并应用多功能超高精度人工智能模型。公司业务板块包括智慧商业、智慧城市、智慧生活以及智能汽车，服务方向包括商业空间管理、住宅物业管理、城市管理、制造、基础设施、交通、移动设备及应用、医疗和汽车等。
于 2014年正式成立，拥有深厚的学术积累并长期投入于原创技术研究，不断增强行业领先的多模态、多任务通用人工智能能力，涵盖多个关键技术领域。2015 年开始研发深度学习培训框架 SenseParrots，并在ImageNet2015 国际计算机视觉挑战赛中获得检测数量、检测准确率两项世界第一。2016年推出智慧生活软件平台 ，赋能超过 450 百万部智能手机及超过 200 个手机应用程序。2017 年开始研发城市方舟平台，并与本田汽车合作开发工4级自动驾驶技术。2018年开始研发专用的人工智能芯片，2019 年开始研发人工智能传感器，2020年完成首个专用人工智能芯片 STPU 流片，并开始上海临港 AIDC的施工。2022年 AIDC启动运营，联合发布通用视觉开源平台及发布首个家庭消费级 AI产品。2023 年担任国家生物特征识别汽车应用标准研究组副组长，推出日日新大模型及书生通用大模型等。
公司基于专有的AI基础设施集中量产AI模型，并为客户开发和提供具有不同专业功能的标准软件平台，不同软件平台对应不同的业务板块:
面向智慧商业的(企业开放平台)是公司与企业合作构建的企业管理运营系统，通过数字化和自动化的工作流程进而提高用户的工作效率。企业通过通用大模型及快速增量训练，提供了企业所需的各种丰富多样且高精度的AI算法和应用，同时结合数字孪生、AR、IOT、大数据等技术，为企业数字化的全域感知、分析、决策提供了完整的能力支撑，连接物理和数字世界，打通线上线下闭环，深入洞察客户，增强服务体验，全面赋能企业管理和运营。已广泛应用于大量垂直行业，包括商业空间管理、住宅物业管理、制造、基础设施、金融等。
面向智慧城市的（城市开发平台)是公司与城市管理者合作构建的城市管理平台,通过接合城市的 IT 基础设施将原始的城市数据转化为运营洞察、事件警告及对应行动。可以用于监测城市公共设施的状况、发现城市运营事件事故、追踪洪水及台风等自然灾害的影响以及损失控制措施的跟进等,利于提高城市的安全性、效率、便利性及环境质量，目前已经在国内外多个城市部署。
面向智慧生活的平台是公司与物联网设备制造商、半导体制造商、移动应用程序开发商及游戏开发商等合作构建的多层基础设施，用来提升终端用户体验。提供包括 SDK、AI 传感器和 ISP 芯片等全系列产品，支持诸多物联网设备，以促进感知智能和内容增强。是元宇宙的技术赋能平台，搭载多种关键功能，包括感知智能、决策智能、智能内容生成、软件智能体及其他基础设施，为各类元字宙应用提供支持。将人工智能技术应用到智能门锁、智能电视和移动机器人等智能终端设备上，为传统的门锁、电视等行业带来智能化升级。提供多种 AI 工具，围绕智慧诊疗、智慧就医、智慧管理、智慧医学科研、智慧医疗云五大场景赋能诊断、治疗及康复等医疗服务。
面向智能汽车的通过智能车舱、量产智能驾驶、自动驾驶接驳及车路协同构成全栈体系，帮助客户开发并增强自动驾驶能力，为车辆运营商提供无人巴士，并实现车辆和道路、交通信号及道路环境的智能交互。
公司的管理层汇集了一支极富研究经验和科学素养的团队。创始人拥有多重学位，领导公司的研究和战略制定，并在多个领域担任重要职务。联合创始人专注于计算机视觉和计算成像学的研究，曾在联想担任研究科学家。另一位联合创始人领导研究团队，在多个学术会议和期刊上发表了多篇论文，同时担任中国增强现实核心技术产业联盟的主席。联合创始人则以深度学习和计算机视觉为重点，曾获得多项荣誉，包括被评为科技创新者和入选福布斯亚洲 30 位 30 岁以下精英榜。这一团队的卓越背景为公司的成功提供了坚实的支持。
1.2公司主营业务情况
1.2.1智慧商业
智慧商业平台是属于企业开放平台依托公司 AI大装置，通过通用大模型+快速增量训练，提供了企业所需的各种丰富多样且高精度的 AI算法和应用，同时结合数字孪生、AR、IOT、大数据等技术，为企业数字化的全域感知、分析、决策提供了完整的能力支撑，连接物理和数字世界，打通线上线下闭环，深入洞察客户，增强服务体验，全面赋能企业管理和运营。
企业开放平台融合数据、算法、业务，直击企业 AI应用落地痛点，面向企业量身定制满足企业对 AI应用多样化、高精度、安全可靠的需求，快速赋能企业业务智能化。根据不同的商业业态，结合业态特性，为商业综合体提供了车辆识别、SKU 识别、聚类等算法，帮助商业地产实现人货场数字化重构和数据智能分析，提升了精细化运营能力。
典型应用场景有：
1）为产业园区提供了车、非机动车以及垃圾、离岗、明火、跌倒等多样化园区长尾场景的高精度算法和设备设施智能连接的 IOT 能力，帮助产业园区实现便捷通行、智慧安全、设备资产数字化，运维工作智能化等超过20种场景的自动化智能化管理和运营能力。
2）为办公写字楼提供了智能通行设备、智能寄存柜、智慧会议系统、访客系统、能耗监测及控制系统，帮助商业写字楼实现空间资源利用最优化，为员工带来智慧办公的优质体验:
3）为文旅场景提供了 AR、VR 等能力，聚焦游客体验，帮助文旅运营方探索新型消费方式，全面提升文旅服务品质和管理水平。
企业开放平台为了让， AI在各个商业业态，商业场景应用落地中能越用越准，越用越好，平台内置 humanin the loop 算法运营机制，基于推理过程的自动化场景数据挖掘，自动化增量训练和部署测评闭环，让 AI可持续生长。公司原创技术及全球领先的企业安全标准实践也保障了 AI平台和应用的安全可靠。为商业数字化转型，打造数字智慧商业提供了一站式 AI解决方案。
随着大模型能力跨越应用红线，企业级 AI市场打开了更多商业应用场景。2023 年上半年，公司智慧商业板块实现收入 8.54 亿，同比增长 50.2%。服务客户数 481，单客户收入提高 59.9%。公司深入 10个垂直行业深度定制行业大模型，包括能源、金融、地产、人力资源、传媒、工业制造、咨询等。
公司与国内头部的电力公司合作，提供三个层面的大模型能力与服务:
(1)在客服场景应用“商量”带来降本增效;
(2)基于多模态大模型，对开放世界的长尾故障与复杂缺陷进行识别与判断;
(3)共研决策智能系统应用于电力系统的智能调度。
公司为中国头部金融机构客户以“商量”赋能其关键业务，包括智能客服、营销培训等，同时展开金融大模型的合作研发。公司为中国前三大保险公司之一提供基于 AI遥感大模型的农作物承保数据交叉验证，完善保险公司的风险评估和理赔服务体系，相比传统的人工识别方案，效率提升 60倍，引领农业保险的技术创新应用示范。
1.2.2 智慧生活
智能移动终端平台提供包括 SDK、AI传感器和 ISP 芯片等全套产品，能够支持诸多物联网设备，以促进感知智能和内容增强。过去物联网设备生产商需要向不同的供应商采购传感器、ISP 芯片和 SDK,并集成在设备上。嵌入了公司的 AI模型的 CMOS 图像传感器和 ISP 芯片可兼容大多数物联网设备，对空间、成本、带宽和功耗的要求较低。传感器接收物理场景中的信号，进而为ISP 芯片提供输入。ISP 芯片的输出结果经过公司 SDK 进一步处理，能为终端用户提供感知智能和内容增强。
典型案例包括:
公司手机图像处理解决方案为客户提供新的多种虚化方案，帮助客户实现了智能化管理,增强其相机拍照效果，赢得了客户的认可。公司科技为小米提供多个人工智能 SDK，包括智能手机相册、超分辨率、超级夜景摄影等功能，以助力其提升用户体验。
软件平台是元宇宙的技术赋能平台，其上搭载了多种关键功能，包括感知智能、决策智能、智能内容生成(包括增强现实、混合现实)、软件智能体及其他基础设施(如云引擎等)，为各类元宇宙应用提供支持。
典型案例包括:
混合现实平台相关 AR+AI技术，与故宫文化共同打造的“号舍考生相”展项及AR 互动式展项“孔庙祭孔”。基于公司混合现实平台领先的深度学习等技术，为微博打造直播/短视频 AR 特效解决方案，包含美颜、贴纸、滤镜、面部融合、Avatar 等多种实时特效功能，增强微博视频虚实互动效果，助力微博视频提高用户粘性。公司为小红书提供关键点跟踪、高级美颜、贴纸特效、90 款滤镜等技术，给用户带来更好的互动体验，玩转小红书、标记属于自己的生活态度。
公司智慧医院围绕智慧诊疗、智慧就医、智慧管理、智慧医学科研、智慧医疗云五大场景，为医院、医联体提供“五位一体”的全栈式“未来智慧医疗”服务新模式，创新助力医院高质量智慧化转型，助力医联体医疗服务均质化发展。
智慧诊疗平台是公司自主研发的一套集领先 AI算法与丰富影像后处理技术的高性能辅助诊疗解决方案。平台提供一站式智能影像分析，提供覆盖全身多部位、多病种、多模态数据的全流程 AI辅助，全面满足影像科、肝外科、胸外科、病理科、骨科、放疗科、急诊科、卒中中心等多科室的临床诊疗需求。目前平台已搭载 20 余个 AI模块，针对肺、心脏冠脉、头颈血管、肝脏、骨科、病理、放疗等十余个临床方向开放应用。
智慧就医平台基于计算机视觉、自然语言处理、知识图谱等技术，简化患者就医流程。就诊前,患者可线上完成分诊挂号和症状分析。就诊期间，院内 AR 导航服务，可全程引导患者前往目的地，有效缩短患者在院停留时间。就诊后，智能诊后随访系统可帮助患者将健康服务延伸到家。平台可实现导诊、预问诊、诊前检验、院内导航、识别通行等门诊环节全流程智能化，推动医疗健康服务体系流程再造、规则重构，显著提升患者就医体验。
智慧医学科研平台以人工智能大语言模型和大数据技术为驱动，整合患者临床数据、影像/内镜超声/心电/病理等多模态检査检验数据、生物信息数据，提供多模态数据存储管理、多维度数据组合筛选、多任务全程闭环管控，从图像数据半自动标注到可视化 AI模型训练，实现全维度科研数据分析及挖掘的闭环管理让医生或科研人员可灵活根据科研需求自主完成各类医学研究，为医疗机构提供全流程的智能化科研管理，加速科研成果及转化。
智慧医疗云是公司打造的全栈式多模态智慧影像综合服务平台,融合人工智能深度学习、云计算5G、大数据等技术，旨在构建一个开放、智能、安全、便捷的多位一体医疗云平台。通过将智慧医疗云搭建于私有 IDC集群或公有云服务，为卫健委、各级医疗机构、区域医联体、第三方医学影像中心，提供包括影像数据互联互通、移动阅片、5G+远程会诊、AI影像质控、AI智能诊疗、影像科研教学、影像数据监控分析、患者云影像健康档案等多种解决方案。
2023 年上半年，智慧生活板块收入同比增长 6.7%至 3.12 亿，收入占集团比例提升至 21.8%；智慧生活板块客户数达到 270。智慧生活业务积极拥抱生成式AI的变革，通过对手机、移动互联网行业上百个客户提供大模型赋能的新产品及新功能，最终触达数亿终端、中小企业与个人用户。
公司与电商、传统媒体、社区平台等 20 多个领域的客户合作打造服务于其终端客户的行业大模型，将大模型能力更好地提供给C端用户。数字人生成能力在多数客户评标中以高拟真的表情、流畅的合成语音、生动的生成动作取得领先成绩，落地于电商、直播、银行客服场景，服务了央视、广电、工商银行等典型客户。高精度 3D 物体建模能力受到电商客户的欢迎，已与香港最大的珠宝集团之一实现商品 3D 数字化的合作，应用于其线上电商平台。
AI传感器与 AIISP 芯片量产交付，大模型进入手机终端。得益于公司的 AISDK、AI传感器、AIISP 芯片三位一体的战略，公司的智能终端业务在今年全球手机行业下行的市况下展现出较好韧性。公司的计算机视觉算法通过 SDK 软件、AI传感器、AISP 持续量产至数亿台手机，市场持续渗透、新机型延续定点。同时，大语言模型的突破带来了手机端 AI助理和基于自然语言交互的 AI操作系统的机遇，成为手机行业新热点。公司基于InternLM 的轻量级模型，结合自研推理加速算法，与两家头部手机芯片厂商建立研发合作，成功实现了大语言模型的手机端实时计算能力。公司正在积极与多家手机厂商客户合作，研发大语言模型与手机操作系统结合的新功能。
智慧医疗进入大模型时代。基于海量医学知识和临床数据,公司打造了医疗大语言模型。模型具备强大的医学语言理解和推理能力，通过多轮会话实现医院导诊、问诊、健康咨询、辅助决策等,未来也即将支持医学图像和结构化数据等多模态综合分析，持续赋能医院诊疗效率及患者服务提升。
1.2.3 智能汽车
智能汽车平台，以公司AI大装置为基石，以智能汽车平台赋能引擎为底座，通过智能车舱、量产智能驾驶、自动驾驶接驳及车路协同构成全栈体系，全面赋能国内外车企客户的智能化升级战略和人们的智能出行需求，并深度挖掘车载行业数据价值，连接智能汽车与公司智慧产业生态。实现与汽车产业和生态的共生共赢。典型应用案例包括:
公司人工智能技术通过领先的强化学习算法用于最佳比赛策略、语音转录、传感器数据异常检测、整合竞争对手及其数据库分析等领域，帮助车手做出最佳决策，优化比赛策略。同时公司人工智能技术能够帮助提升赛车运动中数据处理的能力，让赛车在整体表现上获得更大优势。
自动驾驶算法。公司聚焦车内外视觉感知技术，包括智能驾驶传感器融合，高精定位，决策规划，运动控制等多项智能驾驶核心算法，提供20+项智能驾驶功能。
全系搭载由公司提供的 DMC 驾驶员状态感知系统，成为众多智能体验中的亮点。公司驾驶员感知系统可对驾驶员的表情、视线、姿态动作进行实时感知，准确判定疲劳、分心、危险动作等危险驾驶行为，并将结果快速反馈给 DMC 驾驶员状态感知系统，及时预警，有效规避危险情况的发生。另外，DMC驾驶员状态感知系统还应用了可以帮助用户快速登陆个人车机账号，实现各类个性化功能和配置，帮助营造轻松愉悦的行车氛围的技术。
2023 年上半年，智能汽车平台的量产业务实现了 573%的同比增长，量产交付数量达到 39万台车，规模量产也带动了单车毛利提高 29%。新增定点数量达 500 多万台，累计定点车型 160 多款。2023 年上半年智能汽车板块整体实现收入 0.84 亿，同比下降 30.5%。
智能驾驶技术研究与应用领跑行业。作为国内第一批率先激活工2++级别自动驾驶量产的服务商，交付车型不断增加。公司的自动驾驶技术在持续取得突破。2022 年公司 BEV 感知算法获得 Waymo 挑战赛桂冠，也率先交付了 BEV 感知技术的实车量产。今年公司的自动驾驶大模型 UnAD 算法，获得了 CVPR 最佳论文，这也是 CVPR 史上第一篇以自动驾驶为主题的最佳论文。UniAD 基于 Transformer 的网络框架，把自动驾驶的检测、跟踪、建图、预测及规划整合到一个框架下，实现了全域优化，把多目标追踪准确率提升了20%、车道线预测准确率提升了30%、目标轨迹预测的误差下降了38%、规划误差下降了28%。公司新算法的量产将于2023年四季度准备就绪，进一步提高自动驾驶产品的竞争力。
1.2.4 智慧城市
城市开放平台与城市的 IT 基础设施相结合，通过平台内嵌的多个人工智能模型，正在将原始的城市视觉数据实时转化成对城市运营的洞察、事件告警及行动。可以用于监测城市公共设施的状况，如消防栓、井盖、电线杆及道路标志;发现城市运营事件，如交通事故、火灾及烟雾、紧急出口障碍、暴露的垃圾、道路损坏及乱停乱放等:追踪洪水及台风等自然灾害的影响以及损失控制措施的跟进等。配备衍生的在线增量训练引擎，通过该引擎可以向城市提供人工智能即服务(AI-as-a-Service)，赋能 AI模型持续迭代，不断提升城市运营效率。
智慧城市平台促进城市管理由人力密集型运营向人机交互转变、由经验导向的判断向数据导向的判断驱动、由被动响应向提早发现转变。智慧城市平台已成为数字城市运营的操作系统，提高城市的安全性、效率、便利性及环境质量。智慧城市平台已经在国内外多个城市部署，包括北京、上海、深圳、迪拜及新加坡等大都市。
城市平台典型应用场景:
1)出行和交通管理:将分散的交通管理系统集成到一站式系统中，并使其与物联网设备连接，实现实时信息交换，从而形成一个更高效、全面及以数据为中心的智能交通管理系统。
2)城市服务:通过为城市管理系统提供区域、城市或省级综合感知和决策智能能力,帮助重塑城市管理的流程和应用,推动城市管理的精细化和转型。
3)环境保护:在公共区域卫生、水域监测和空气污染检测等领域实现自动检测、预警、分析和资源调度，从而完成污染源溯源、污染治理、资源配置、成果评价的全流程改造，推动环保转型升级。
4)应急响应:支持相关城市部门达成安全、健康及应急响应的目标，赋能其应急管理能力，包括早期预警、事件检测和事件处理程序，通过更准确、更有效、更高效地识别、评估和处理紧急情况来协助城市管理者
2023 年上半年，公司持续推进智慧城市业务的转型，聚焦精品客户，优化收入质量、改善现金流。智慧城市板块实现收入 1.84 亿，同比下降 57.7%;智慧城市板块占集团的总收入12.8%，相较于 2022 年的 28.8%收入贡献率进一步降低。公司中国一二线城市智慧城市分部收入占比从去年同期的34%上升到今年上半年的64%。
第二章行业分析
2.1 中国 AI产业规模庞大，政策助力保驾护航
中国 AI产业规模庞大。我国人工智能产业涵盖 AI应用软件、硬件及服务:主要包括 AI芯片、智能机器人(商用)、AI基础数据服务、面向 AI的数据治理、计算机视觉、智能语音与人机交互、机器学习、知识图谱和自然语言处理等核心产业。据测算，2022 年中国人工智能产业规模达1958亿元，年增长率7.8%，整体平稳向好。2022 年的业务增长主要依靠智算中心建设以及大模型训练等应用需求拉动的AI芯片市场、无接触服务需求拉动的智能机器人及对话式AI市场。在 AI成为数字经济时代核心生产力的背景下，AI芯片、自动驾驶及车联网视觉解决方案、智能机器人、智能制造、决策智能应用等细分领域增长强劲。根据预测，2027年我国人工智能产业整体规模可达 6122 亿元，2022-2027 年的 CAGR 为 25.6%。
国家出台系列政策鼓励产业发展。从 2017年至今,国务院、国家发改委、国家工信部、科技部以及各省市、地方政府都发布了有关人工智能各方面的政策，在算力、数据、算法开发多层面皆有侧重点。2023年3月，科技部发表“人工智能驱动的科学研究”(AI forScience)专项部署工作，着力布局“人工智能驱动的科学研究”前沿科技研发体系。2023年7月，国家网信办，发改委，教育部等七部门联合发文《生成式人工智能服务管理暂行办法》，要求采取有效措施鼓励生成式人工智能创新发展，采取更精细化监管举措，推动生成式人工智能向上向善。
更多的企业加速进行AI商业化落地，借助AI实现公司经营效率与营收的增长。研究院针对中国 250 家领先企业的调研显示，2018-2021 年，企业营收中“由 AI推动的份额”平均增加了一倍，预计到 2024 年将进一步增加至 36%。落地 AI应用对企业业务运营的商业价值与战略意义越来越明确。
营收中由 AI推动的份额指:1)通过提升 AI驱动客户，供应链和渠道等方面的洞察力，使销售现有产品和服务成为可能;2)利用人机协作模式，使销售新产品和服务成为可能;3)通过机器算法动态定价。
AI 领域融资向中后期过度，总额下降但标的更加丰富。2017-2022 年间，人工智能产业融资主要集中在Pre-A~A+轮，AI 企业前期的生存面临一定挑战。但统计时期内 Pre-B~B 轮+及以后轮次的人工智能产业创投数量逐渐成长，资本流向稳定发展企业，融资逐渐向中后期过渡。相较 2021年，2022 年我国人工智能投资总额减少，但投资标的更加丰富，孵化出 AIGC、元字宙、虚拟数字人等新投资赛道，认知与决策智能类企业也吸引更多关注，智能机器人、自动驾驶两类无人系统是融资的热门赛道。
2.2计算机视觉领域竞争激烈，公司优势明显
2.2.1计算机视觉仍是 AI产业发展的主战场。
1)资本认可:近年来计算机视觉相关投资热潮全面复苏，技术进步，数据丰富性的提升和下游应用能力的提升推动计算机视觉领域的完善和发展。工业视觉软件产品的投资和应用已成为行业焦点，主要体现在工业、泛安防、金融和互联网等行业。作为近两年来 A产业上市最火爆的细分赛道，涌现了商汤科技、格灵深瞳、云从科技、奥比中光等IPO 企业，AI视觉的行业成熟度和认可度已进入新阶段。
2)市场规模广大:2022年我国计算机视觉产品市场规模占人工智能行业 42.4%，达到 830 亿元，成为 AI行业的主战场。
3)下游应用场景丰富:从计算机视觉下游应用来看，泛安防市场基于软硬一体的产品形态与丰富的长尾需求场景，市场规模占比最高，达到 56.5%;AI公有云趋势也助推 API形式的CV 技术应用增多，互联网领域营收占比位居第二,达到 11.0%:占比较高的行业领域还有金融、工业、医疗等，工业领域占比有逐年走高趋势。随着计算机视觉的算法平台、硬件系统的优化和各环节效率的提升和各行业应用的逐步推广，预计相关 AI技术加快渗透行业应用，行业空间广阔。
2.1.2中国计算机视觉公司的盈利策略:
发展标准化生产工具，形成降成本，促销量的正向循环。在 2022年，受到社会环境的影响，智慧园区、智能防疫和智慧社区等项目为 AI视觉厂商带来了市场机遇。然而，具备价格优势和渠道优势的集成商也迅速加入竞争，占领了中小企业市场，收割只需求基础识别功能的客户。在 B端市场需求逐步增加且 G 端需求转向中小城市的综合趋势影响下，竟争激烈的赛道将持续下去。面对竞争压力，AI视觉厂商一直在积极调整路线，努力降低研发成本、提升产品售价的竞争力。其中，标准化平台被认为是有效缩减项目研发周期、降低产品成本和售价的重要手段。然而，标准化平台的建设与维护需要大量人力和财力投入，在资本更倾向于支持头部优质项目的背景下，一些企业正经历着艰难时期，缺乏自身的造血能力。尽管如此，随着平台规模经济逐渐显现，具备算法技术和产品实力的企业将逐渐脱颖而出。
2.1.3计算机视觉领域呈三分天下之势。
我国计算机视觉领域主要厂商大致可以分为以商汤、旷世、依图、云从为主的 AI 独角兽公司，以 BAT、华为等为代表的互联网、ICT 厂商，以及以海康、大华等为代表的智能摄像头厂商三类。三类厂商各有不同的侧重点，AI独角兽公司更聚焦于算法侧，探索具体应用场景然后进行标准化复制。互联网、ICT 厂商则更聚焦在算法框架、AI 开发训练平台等领域，一般提供通用视觉解决方案以提高用户留存。智能摄像头厂商业务侧重于硬件方面，但随着近年来的智能化转型，算法能力有所增强。
2.1.4案例分析
旷视科技创立于 2011年，是一家人工智能产品和解决方案公司。旷视是一家聚焦物联网场景的人工智能公司，基于业界领先的 AI科研与工程实力，旷视打造出软硬一体化的 AIOT 产品体系，面向消费物联网、城市物联网和供应链物联网的核心场景提供解决方案。持续为客户和社会创造价值以深度学习为核心竞争力。旷视融合算法、算力和数据，打造出 “三位一体”的新一代 AI生产力平台旷视 Brain++，并开源其核心--深度学习框架“天元”。此外，旷视重视发展可持续的人工智能，率先行业公开发布《人工智能应用准则》的 AI企业,并成立了由企业内外专家组成的人工智能道德伦理委员会。
依图科技成立于 2013 年2月，由美国加州大学洛杉矶分校统计学博士朱珑以及林晨曦等人创办。2019年5月，依图科技发布求索芯片，之后又发布内置求索芯片的原石系列服务器。2020年11月，依图科技准备在科创板上市。2021年3月11日，依图科技科创板上市失败。依图科技是中国人工智能行业的头部企业,主要从事AI算法软件及芯片、服务器等超高性能算力硬件的研发,是国家科技部认证的国家新一代人工智能开放创新平台,依图科技以自主可控的超高性能算力硬件技术为特色,同时拥有世界领先的算法技术,全面覆盖机器视觉、语音识别及自然语言理解等,业务场景涵盖智慧城市与商业,覆盖境内外多个国家及地区。
云从科技成立于 2015 年，自中科院孵化而来，成立至今坚持纯内资股权架构，曾参与制定多项人工智能国家级标准，承建国家人工智能基础资源公共服务平台项目等，在行业内具备独特的影响力。从应用场景来看，公司率先切入智慧治理与智慧金融场景，后逐步拓展至智慧出行、智慧商业等多元场景。公司一方面凭借着自主研发的人工智能核心技术打造了人机协同操作系统,通过对业务数据、硬件设备和软件应用的全面连接，把握人工智能生态的核心入口，为客户提供信息化、数字化和智能化的人工智能服务:另一方面，公司基于人机协同操作系统，赋能智慧金融、智慧治理、智慧出行、智慧商业、数字城市、泛AI等多个领域，为更广泛的客户群体提供以人工智能技术为核心的行业解决方案。
创新奇智成立于2018年2月，在资深人工智能科学家李开复的创新工场孵化而成;成为人工智能从“发明的时代”步入“实干的时代”中的领先者。公司成立四年，凭借在计算机视觉、机器学习技术领域的实力以及在智能制造、智慧金融领域人工智能解决方案持续落地，获创新工场、软银集团等投资，于 2022年1月登陆港交所主板。公司拥有三大 AI技术平台和一个云平台，MauVision、MatrixVision 以计算机视觉技术为核心，支撑“AI+制造”业务;ManuVision 提供图像类算法模型，适用于质检、设备预测性维护等场景;MatrixVision 提供边缘视频分析，适用于需要在终端实时监控、及时响应的场景并迅速生成目标检测事件及活动实时数据，如智慧工地、智慧电梯、明厨亮灶、智慧油站等;Orion 为机器学习平台，支撑模型开发以及“AI+金融”等业务，分为训练和部署，可实现算力优化调配、无代码开发、算法模型快速开发、模型生成生命周期可视化管理等功能;Cloud 云平台于 2021 年投入使用，通过对算力资源和数据、算法、特征、模型等 AI 资产的统一纳管、共享、复用，有效降低 MMO及 AI解决方案研发成本并提升效率。
虹软科技是全球领先的视觉解决方案提供商，为智能手机、智能汽车、IOT等智能设备提供一站式视觉解决方案，公司核心算法从光学时代起家，积累各类光学处理算法 Know-how(部分甚至由汇编语言完成)、机器学习算法(范围远大于深度学习)。公司推出全球首款 RGB+RGB 与首款 RGB+MONO 的双摄算法，助力安卓阵营双摄方案领先苹果约2年发布，后成为双摄主流方案。虹软也是国内少有按算法模块数量收费的公司，验证其算法能力的绝对领导地位。
2.1.5目前在计算机视觉领域，公司市场份额优势明显。
公司占整体CV 市场份额的 23.1%，海康、创新奇智、旷视分别占了 8.3%,8.1%和 8%,其他公司基本占了市场份额的一半。目前来看，CV 行业 CR5 接近 50%,格局比较分散。从业务布局来说，CV的 10个主流业务中，布局最广，除了金融外均有布局，其他公司布局均未超过 6个主流业务。随着无人驾驶技术的突破和医疗、工业等领域 CV 应用的拓展，独角兽企业和互联网巨头的拥有更高的发展潜力。但 CV 独角兽企业存在同质化程度高，盈利能力不足等问题，AI独角兽企业能否在某些领域做出壁垒是公司未来发展的关键。
公司大量投入研发创造行业壁垒，未来有望通过降本增效兑现盈利价值。AI视觉技术研发难度较高，需要大量的专业人才和高端设备，且需要对技术不断创新优化，因此 AI 视觉行业研发费用率普遍较高，2022 年研发费用已超过 40 亿元，研发费用率突破了100%。各大公司研发成果显著，商汤、云从、创新奇智等视觉厂商都已各自研发大模型推动模型的批量生产及研发效率提升，各大公司的研发专利数也较为可观。目前AI视觉行业仍处于起步发展阶段，企业烧钱造壁垒的趋势仍将持续，存活的企业有望在未来通过降本增效兑现盈利价值。
2.3下游景气度良好，细分领域应用场景广阔
目前各大AI视觉厂商和集成商致力于与各行业客户合作，基于客户需求完善产品，深耕垂直行业，充分发挥先发优势，提高用户粘性。目前计算机视觉已赋能智慧城市，企业应用，智慧金融，工业制造，智慧零售等多个领域，公司核心业务落地场景为商业、城市、生活、汽车四大板块，市场规模广阔，随着未来视觉 AI商业化进一步提速，细分赛道头部效应将更加明显。
智慧城市行业发展受政策支持与技术进步推动，市场前景广阔。
1)政策支持:2014年 8月，发改委、工信部等八部委联合出台《关于促进智慧城市健康发展的指导意见》，是国家层面首个关于智慧城市建设的权威文件，对我国智慧城市建设作出指导和全面部署，并在国务院颁布的《国家新型城镇化规划(2014-2020 年)》政策中明确了我国智慧城市的建设基本方向和战略地位。2021年3月，《中华人民共和国国民经济和社会发展第十四五个五年规划和 2035 年远景目标纲要》提出“要分级分类推进新型智慧城市建设”，指导全国智慧城市建设未来方向:
2)技术进步:建设智慧城市关键在于物联网、5G、人工智能、大数据、云计算等关键技术，各种新兴技术的不断迭代升级正进一步推动智慧城市建设发展;
3)下游场景多元:智慧城市产业链的下游主要是智能化的信息技术应用到城市运行发展的各个场景,涵盖了智慧政务、智慧交通、智慧医疗、智慧物流、智慧安防、智慧教育、智慧企业等数十个场景。
中国已成为全球最大的智慧城市建设实施国，预计市场规模将达到约 25 万亿元人民币。截至 2019 年底。中国累计智慧城市试点项目数量已达749个。根据《超级智能城市 2.0:人工智能引领新趋势》报告，中国智慧城市试点项目数量超过整个欧洲地区，约占全球总数的 50%，位居全球首位。根据中国智慧城市发展委员会的数据，截至 2020 年，中国智慧城市领域的市场规模已扩大至 14.9 万亿元，根据预测，到 2025 年中国在城市管理领域的计算机视觉软件市场规模将达到366 亿元，复合年增长率达 25%。
智慧城市业务以AI 监控为主，各企业侧重领域不同。智慧城市业务可分为城市安防，智慧交通和城市大一属于同一城市中不同街区，或提供不同种类型解决方案。脑三个方面，各公司业务落地城市存在重叠，但客则重于城市综合管理，云从则偏向于数据治理。SenseFoundry在摄像头硬件方面，AI视觉龙头厂商如商汤和旷视商汤方舟城市开放平台利用城市的AI基础设施，避过平台内嵌的多个人工智能模型，将原始的城市视觉数据实时转化成对城市运营的洞察、事件告警及行动，可以用于监测城市公共设施的状况，如消防栓、井盖、电线杆灾及烟雾、紧急出口障碍、暴露的垃圾、道路损坏及乱停乱及道路标志;发现城市运营事件，如交通事故、防火等;追踪洪水及台风等自然灾害的影响以及损失控制措施的跟进等。在营收规模方面，除了海康、大华等硬件厂商，公司在智慧城市方面的营收远高于同类型公司。2022 年公司智慧城市营收虽同比下降49%，但仍有10.96 亿元收入，远高于云从的 4.21 亿元、云天飞的 4.15 亿元收入。
2025 年智慧商业市场的规模有望超过 230 亿，CAGR 高达 40%。智慧商业主要服务于商业地产、制造企业等各类企业，通过物联设备采集不同场景的数据并进行综合分析,实现智能化决策的数字化转变,构建高效、智慧化的工作区域，为企业数字化的全域感知、分析、决策提供了完整的能力支撑，经典的应用场景如智慧园区。根据预测，到 2025 年，中国企业应用计算机视觉软件市场的规模将达到230亿元，2019年至 2025 年的复合年增长率达到 40%。
智慧园区软件平台服务商赛道竞争激烈，基础设施集成商龙头地位相对稳固。智慧园区是基于数字化平台的集综合安防、人员管理、绿色能源、空间管理、资产管理、园区运营管理等多功能于一体的智能产业园区,目前解决方案提供商大体分为两类:一类是软件平台服务商，为园又提供数字化的解决方案和运营服务，头部企业总体呈现比较年轻的态势，随着企业对智慧园区运营管理服务领域关注度的不断提升，未来赛道玩家数量将会激增;另一类是基础设施集成商，包括园区硬件设备商、大型通信技术商和大型通信运营商。多数企业已经汇聚了较为丰富的技术经验与产品资源，整体实力雄厚，后发企业要撼动龙头地位比较困难。目前在智能园区场景，公司的 SenseFoundry Enterprise 平台提供了视频结构化分析，垃圾、离岗、明火、跌倒等多样化园区长尾场景的高精度算法，以及设备设施智能连接，帮助产业园区实现便捷通行、智慧安全、设备资产数字化，运维工作智能化等超过 20 种场景的自动化智能化管理和运营能力;除此之外还有商业综合体、能源企业、制造企业、文旅等多种应用场景。
智慧医疗将迎来高速发展。智慧医疗主要通过影像数据对患者病因进行分析，智慧医疗距实现 AI 自主诊断仍有距离，但即人口学信息、历史病例信息，甚至包括基因数据等多维数行分析，但由于医疗诊断需要依靠患者的基本信息据来进行，在医疗大模型研发完成并投入使用之前AI只能作为医疗的辅助手段。
2015-2019年，中国智慧医疗行业平稳发展:2020年新冠疫情推动智慧医疗发展加快至少 3-5 年，政府出台多项政策支持智慧医疗产业，根据统计，中国智慧医疗行业应用市场规模由 2015 年的 3024 亿元增加至 2020 年的人民币 542.0亿元，复合年增长率为 12.4%并预期将于 2024 年进步增加至 1123.9 亿元，2020 至 2024 年的复合年增长率为依20.0%。目前具备6个NMPA 证书，其中包括1个第三类证书，商汤和依图较早进入医疗健康领域，商汤目具备 4个 NMPA 证书，其中包括2个第三类证书。目前商汤的智慧医院产品围绕智慧诊疗、智慧就医、智慧管理、智慧医学科研、智慧医疗云五大场景，为医院医联体提供“五位一体”的全栈式“未来智慧医疗”服务新模式，创新助力医院高质量智慧化转型，助力医关体医疗服务均质化发展。
智能汽车处于黄金发展期，计算机视觉软件有望突破百亿。随着辅助驾驶技术的不断升级，人工智能正推动汽车向自动驾驶技术和智能车载软件方向发展，与此同时，我国目前的千人汽车保有量远低于发达国家，预示着较大的需求空间，政府也先后制定一系列推动智能驾驶汽车发展的鼓励政策。在政策、技术和市场需求三重合力催化下，中国面向汽车的计算机视觉软件市场规模 2025 年有望突破百亿，CAGR 高达 66%。 根据统计数据,2016-2020 年我国智能网联汽车产业规模呈现连续上涨趋势,2020 年产业规模增长到了 2556亿元，同比增长 54.3%，到 2025 年预计达到 5303 亿元。而计算机视觉软件在智能汽车的应用也不断增长,根据预测，计算机视觉软件市场规模将从 2020 年的 12 亿元增长至 2025 年的 153 亿元CAGR 高达 66%。
AI助力智能座舱+智能驾驶，未来高速发展。AI企业在智能汽车主要提供智能座舱和智能驾驶，公司均有布局，虹软主要提供智能座舱功能。商汤、虹软基于计算机视觉技术聚焦智能感知系统，包括 DMS、OMS，及AI 虚拟助手等。根据 2022 年财报，虹软科技智能驾驶及其他 IoT 智能设备视觉解决方案营业收入同比增长120.9%至 4442 万元，占总营收的 8.36%;而公司智能汽车 2022 年营收同比增长 59%至 2.93 亿元，占总营收的7.7%。智能驾驶解决方案中,虹软主要提供基于视觉解决方案的 LO-[2 级低辅助驾驶,而公司则布局更加全面,不仅提供高阶领航辅助驾驶以及泊车方案，还有车路协同方案和自动驾驶小巴。
2.4 AI大模型迎来爆发式增长，公司平台优势助力布局
今年3月以来，随着 OpenAI开发的 GPT-3 引爆市场，国内 AI大模型如雨后春笋般“冒”出,“百模大战”就此打响。百度是国内最早布局大模型的公司之一，2019年百度就发布了文心大模型，至今在语言理解、文本生成、跨模态语义理解等领域取得多项技术突破，在公开权威语义评测中斩获了十余项世界冠军。《中国人工智能大模型地图研究报告》显示,截至 2023 年5月底,国内 10 亿级参数规模以上基础大模型至少已发布 79个。在迅猛发展期，大数据、大算力和大算法完美结合，推动AI大模型进一步发展。
大模型是实现低成本工业化量产 AI模型的核心关键。目前，高成本的人工智能模型开发主要由以下三个因素引起:1)传统人工智能模型的生产过程缺乏标准化，导致生产周期延长;2)算力和人工智能模型生产人员的高成本;3)长尾场景训练数据的匮乏，使得人工智能模型难以有效处理这些情景。大模型通过优化开发环境降低开发成本，用泛化能力解决数据不足。大模型可以通过提供通用或专用的平台和工具，为开发者提供便捷高效的开发环境和资源如数据预处理、模型训练、模型部署、模型优化等，从而降低开发门槛和成本，提升开发效率和质量。针对部分数据不足和长尾问题，人工智能大模型可以预训练和迁移学习的方式，利用海量的通用数据和知识，提升模型的汉化能力和通用性，降低对标注数据的依赖。且随着数据规模的不断扩大，AI大模型将会越来越擅长处理复杂数据与长尾问题。
算力增强与算法优化是加速 AI大模型研发的重要路径之一。目前 AI大模型由于对基础设施层面较高的要求，研发部门主要集中在部分研究院，互联网大厂，人工智能龙头公司。随着未来算力增强、算法优化和数据质量的提升，AI大模型技术发展速度将得到提升。根据估算，研发 GPT3 所雲计算量约为 314ZFLOPS，而单片 A100 芯片计算能力为 312TFLOPS，完成计算需要数十年时间。未来使用 GPU、TPU 或公司自研芯片，通过并行计算和分布式计算等技术，将多个设备连接共享计算资源等方式将会推动 AI大模型研发速度快速提升，单个模型研发计算时间有望缩短至数天内。
公司投入7年时间和数十亿元资金，打造了 大装置，以公司“基模型”方式助力AI模型量产。公司实现流畅、标准化、端到端的人工智能模型生产流程。通过两阶段模型生产方式， 降低了生产成本，和训练了全球参数最多的计算机视觉基模型，拥有超过 300提高了模型精度。公司已大模型为基础，设亿个参数。允许使用基模型和少量定场景数据进一步训练和生产AI模型。这种两阶段模型生训练数据匮乏问题。谷歌、微软、百度、华为、腾讯等巨头产模式仅需较少的训练数据，能有效解决长尾场景等技术设施，持续推进更大规模参数模型的训练方法。基于己认同基模型路线，积极投入训练框架、算力平台此种技术，研发人员每年人均生产商用模型数量在 2021 年达到了 5.94 个，2022 前三季度共生产了 2.6大模型训练，总共提供 7000 多张 GPU 卡;支持了超过10万个小模型。目前，已服务8家客户进个大模型训练项目，包括语言大模型、文生图模型视觉大模型、多模态模型等自研模型和客户白定义模型。
第三章投资亮点
3.1人工智能领域先驱，持续投入研发加强技术优势。
公司在人工智能领域的研究起步非常早，在领先同业竞争者。2015年，创始人凭借当时世界上最大的人工智能模型，在 ImageNet 大规模视觉识别挑战赛中赢得大规模视频物体检测的第一名。该模型可识别的物体类别数量高达1000，覆盖不同细分场景。截至 2021年6月30日，已建成世界上最大的计算机视觉模型，该模型拥有的参数数量超过 300 亿。2019 年研发人员打破在 ImageNet 上训练 AlexNet 的时间记录，将此前的4分钟训练时间大幅缩短至90秒钟。2015年至2021年6月30日期间，在全球前三大计算机视觉会议CVPR、ICCV 及ECCV)上发表的研究论文数量排名第一。截至 2021年6月30日，在人工智能领域的全球竞赛中获得超过 70 项冠军。据弗统计，基于2020 年的收入水平，公司已成为亚洲最大的AI软件公司。可见即使在国内人工智能领域发展早期公司已经取得诸多成就与突破。
研发投入费用规模远超同类型公司，且研发费用逐年上升。科技进步与研究成果的涌现离不开大量资金投入，近年随着行业内卷竞争加剧，各公司的研发费用规模也在不断提高。2022年，公司的研发费用高达40亿元，同比增长11.1%，研发费率达历史新高106.5%。2022 年的研发费用增长主要是因为对于AIDC基础设施的投资以及对技术创新及其他方面的相关投资。云从科技 2022年的研发费率接近公司，达105.4%，但研发费用规模远小于公司。多年的高规模投入有助于筑牢公司领先于其他同类型公司的科研实力与底蕴，更利于未来时机成熟研发成果成功落地时的大规模盈利。
公司研究团队规模与科研成果远超其他同类型公司。研发团队规模方面，公司同样遥遥领先其他同类型企业，更高的研究团队规模保证公司领先行业的科研能力与产能，截至 2022年底研究人员数量高达3466投入一样，科研产出同样领先同业竞争者。科研投入决定科研成果，同高规模的科研求计算机视觉顶会发表了超过800篇学术论文，共荣获70多网，截至2022年底，公司及联合实验室在全布了 OpenMMLab、OpenDILab、OpenGVLab、OpenXRLab项世界冠军。公司积极参与开源生态建设，先后发等一系列开源项目，对于学术和工业界作出重要贡献，超过110个国家和地区的研究者和开发者使用了公司技术。同时，截至 2022年上半年公司的专利数源工具，并深度参与其中，OpenMMab 在 Github量高达 12502个，远远拉开同类型公司
3.2以人工智能基础设施 SenseCore 大装置为基，持续升级四大板块业务
高额投入打造出专有的人工智能基础设施 SenseCore，实现生产工业级人工智能模型的目标，赋能自身及客户生产满足自身需求的细分领域产品。SenseCore 具有以下几个优点。SenseCore 可以训练最先进的超大基模型(具有大量参数的超大规模人工智能模型)。SenseCore 可以帮助设计及训练具有高达 300 亿个参数的计算机视觉基模型，据统计，这是目前基于公开信息的全球计算机视觉领域中最大参数量的模型。基模型保证了高精度，并在处理各种应用场景中的複杂及极端案例方面有显著优势。SenseCore 可以低成本生产不同的特定场景模型，有效满足长尾需求。SenseCore 能够让科研团队利用基模型并结合少量特定场景的数据，进一步训练、生产出特定场景模型。利用基模型中生产特定场景模型的训练方法具有三个优势:快速而低成本地生产特定场景模型，且特定场景训练数据需求量小，算力需求最小;有效解决长尾场景缺乏训练数据的问题;对基模型的改进会进一步提高所有特定场景模型的性能。Sensecore 可以提供领先行业的自动机器学习(AutoMI)。利用 SenseCore 开发的 AutoML 技术及平台可以简化模型设计过程，从而使研究团队投入更多精力在基础算法创新及产品设计上，同时降低了模型生产的技术门槛。SenseCore 提供了跨芯片、跨设备及跨云平台的适应性。SenseCore 将模型压缩功能整合至模型生产流水线中，可将经过训练的大型模型转换为轻量级模型，保持精度的同时在芯片上运行速度更快，所需内存显著减少。SenseCore 包含了跨平台模型部署工具，使被压缩后的模型能适配市场上 100 多种芯片，从而使公司的人工智能模型易于在各种设备及云平台上部署。
SenseCore 由模型层、深度学习平台及计算基础设施三部分组成。模型层通过工业级模型工厂为公司的软件平台提供面向工业应用的人工智能模型，但用传统方法生成高性能人工智能模型因为需要大量的对应训练数据，所以其过程繁琐且成本较高，针对不同场景的研发程序各异且复杂。SenseCore 基于两阶段方法解决该关键问题，进而实现大规模生产AI模型。第一阶段是基于海量数据训练具有优越性能的基模型，该类模型可以很好地推广到多种场景。第二阶段是从基模型中衍生出轻量级的特定场景模型，此阶段产生的模型速度更快，体积更小，因此更适合在设备上部署。两阶段方法具有处理长尾场景、最大化数据使用率及降低成本等优点。
计算基础设施包括 AIDC、人工智能芯片及边缘设备、传感器和 ISP 芯片。截至 2021年6月30日，公司已建立 23 个超级计算集群，拥有超过 20000 个GU，总算力高达每秒1.17 百亿亿次浮点运算。AIDC 通过其支持。如今，作为 SenseCore 的算力基座，AIDC 基于2.7万大规模数据处理及高性能计算的能力，为研发提供输出,可支持最多 20 个千亿参数量超大模型(以千卡并行)块 GPU 的并行计算系统实现了 5.0 exaFLOPS 的算同时训练，助力公司提升在中国人工智能行业的领先地位。人工智能芯片及边缘设备是 SenseCore 支持人工智，公司共量产STPU芯片11000个，STPU 使企业方舟及城能应用的重要硬供基础设施。截至2021年6月30市方舟的硬件成本降低幅度高达 75%，处理的视频流数量增加3倍，同时公司开发了多种配备 STPU的智能处理卡，可以分别适用于边缘及云端服务。2022年，公司交付6款性能领先的AI传感器，其中两款传感器已经在vivo旗舰机和某全球头部智能手机厂商量产上市，预计量产数量达上亿级别，此外公司的首款AI-ISP芯片成功点亮，实现提高视频质量和分辨率的同时处理4K超画质视频的功耗比同类产品功耗降低 50%。
深度学习平台层包括训练数据平台、SenseParrots 训练框架、模型压缩工具及跨平台模型部署工具，其可以实现高效的训练性能，支持强大的人工智能模型训练,扩大人工智能模型在不同类型芯片平台的覆善范围。公司搭建的工业级训练数据平台涵盖训练数据集全生命周期的所有阶段,拥有半自动化数据标注、训练数据生成.数据存储与访问、通用数据检索、数据脱敏及保护隐私等独特功能，有效提高数据获取、标注及访问的效率,能同时训练大量模型。SenseParots 是公司专有的深度学习框架，作为人工智能模型的核心训练引擎，是SenseCore 的核心。据数据，2015 年推出的 SenseParots 是中国最早自主开发的深度学习框架之一。不断发展的 SenseParrots 已成为具备多功能、高效率及高产的成熟训练框架,可通过动态计算路径高效训练人工智能模型，可在1024个GPU上实现91.5%的高并行效率进而实现大规模并行训练，支持多种人工智能训练芯片并可以和模型生产流水线无缝集成。模型压缩工具可以将训练好的大型模型转化为轻量级模型，在设备上运行更快，消耗内存更少，同时保持类似精度。跨平台模型部署工具有助于高效地将人工智能模型部署至多个垂直行业的大量场景中并及时响应客户需求
模型层包括模型工厂、0penMMLab 和 OpenDLab，为软件平台提供面向工业应用的AI模型。公司通过迁移学习将模型压缩成海量小模型,大大减少了单个模型生产的成本,提高人工智能模型的生产效率。SenseCore基础设施带动人工智能生产在规模、性能、速度等方面的提升。公司的人均研发效率持续提升，人均每年研发模型数相较于 2021年进一步提高了90%到9.35 个，累计生产的商用模型数提高了93%至67000个。2019年至今，公司的人均每年研发模型数一直在稳步提高，未来有望保持上升趋势。
公司的SenseCore大装置能够有效赋能集团各个板块的业务:
智能汽车:公司数据赋能引擎数据闭环通过影子模型在量产车辆上对不同的长尾数据进行深度挖掘，并将这些数据传输到 SenseCore 基础设施上进行标签化、场景化管理。依托于 SenseCore 强大算力，公司利用这些管理数据对算法进行迭代优化训练，再通过仿真平台进行场景构建，从而进行可重复无风险的仿真测试以优化算法。优化后的算法通过OTA的方式部署到车端，进行新一轮数据挖掘，从而形成数据闭环，解决长尾数据问题，持续优化算法，赋能智慧汽车业务。此外，公司通过 SenseCore 内置的 SenseParrots 深度学习平台进行高效率训练，研发 FPGA 快速部署工具链及硬件加速器，推动打造快速量产的自动驾驶技术。
商业模式:公司通过绝影赋能引擎已完成了智驾及智仓两个完整的解决方案库，将智仓、智驾、ADAS辅助驾驶系统等出售给合作车企并赚取收入。此外公司还通过与丰田等公司的合作研发赚取研发收入。2023 年上半年，搭载绝影的汽车交付数量已达到39万台，且研发收入下降，部分转入量产收入，量产收入达到绝影总收入 43%。未来公司将慢慢进入以量产为主的成熟的商业阶段。
智慧商业:利用大装置SenseCore的通用大模型+快速增量训练能力，为企业提供低开发成本高精度的AI算法和应用。依托于SenseCore强大的计算能力，公司只需在通用模型的基础上进行迭代调整即可快速生产符合企业不同需求的模型，并结合数字孪生、AR、IOT、大数据等技术，为企业数字化的全域感知、分析、决策提供了完整的能力支撑，全面赋能企业管理和运营
睿日系列、SenseThunder 火神系列，致力于帮助企商业模式:公司提供硬件产品，包括 SensePass业提供高端化同行一体机与自动测温仪器，满足企业的自动化需求。此外，公司还为企业提供一系列软件和算法，企业自主购买适配硬件进行搭载，帮助企业加强管理或质量控制效率，赋能各行各业，包括对车间等危险地区进行危险预警，对商业空间内的打架、斗殴等行为的检测等。公司还面向公司提供 SenseID 身份认证云服务与 SenseCore 大模型 AI云，在云端帮助公司实现身份认证与大模型开发、算力租赁等服务，并收取相应服务费。其中公司大模型相关收入在 2023 年上半年已达到公司总收入20%，为不同企业定制私有化的行业大模型，也帮助一些 2B2C 端企业，例如微博、小工书、b 站等定制相关 AI大模型，提升C端体验，大模型相关服务有望成为公司的第二增长曲线。
智慧城市:SenseFoundry配备了SenseCore衍生的在线增量训练引擎，通过 SenseCore 赋能，城市管理者在SenseFoundry 方舟城市开放平台上即可享AIaaS 服务，对AI模型进行持续迭代，帮助城市管理者进行公共设施的检测、城市污染的治理以及城市交通管制，不断提高城市运营效率
智慧城市和智慧商业商业模式，提供 SensePass、SenseThunder 等一系列硬件，提供一、环境检测等。除此之外，还通过 SenseCore 大模型系列软件和算法来帮助城市管理者实现交通管:系列云端服务。AI云，为城市管理者提供算力支持、AIaas 等
全面布局生成类预训练大模型，围绕文本、语音、图智慧生活:2022 年 SenseCore 基础设施助像、视频、3D 场景的内容生成形成完整能力，整体升级了 SenseMARS 混合现实平台的产品及功能，面向行业客户服务并带来收入增长。
商业模式:智慧生活方面，公司主要通过 SenseME 水星智能移动终端平台，提供包括 SDK(软件开发工具包)、AI传感器和 AISP 芯片等全套产品，促进手机端感知智能和内容增强。公司对摄像头生产商(主要是索尼)或手机厂商销售 SDK、AI 传感器(CMOS)和 AI ISP 芯片，从而赚取收入，这部分是公司智慧生活业务的主要收入。智慧诊疗方面，公司提供一系列高性能辅助诊疗解决方案，AR 导航服务以及症状初步诊断等。公司还积极为智能家具厂商赋能，提供一系列 AI软件算法，帮助合作伙伴提升市场竞争力。此外公司还面对C端推出元宇宙如影数字人 app，但这部分收入占比较小，且不是公司未来主要的发展方向。
云服务的本质是算力服务。SenseCore 基础设施作为一流的算力基础设施，能够提供巨大算力。为了训练能力接近 GPT-3.5 的千亿规模的大模型，需要至少10000张 GPU。公司GPU的储备已达到了30000张并能够提供接近6EFLOPS 的算力规模。在并行训练方面，公司基于5年以上的千卡训练经验，能够实现最高 4.000 卡大规模并行训练，目前 SenceCore 大装置的算力能够支撑20个千亿参数水平的大模型同时训练，其强大的可扩展性，可在1至1万张GPU卡之间无缝扩张，有效应对未来工业AI流水线以及AI大模型的训练、验证、推理需求。SenseCore 已累计支持超过10个大模型训练项目，合作客户包括科研机构、头部商业银行、游戏公司、互联网厂商等。
SenseCore 还为 AIaas 专门设计了优化模式:1)线性扩展，弹性伸缩。支持大规模集群调度，可在线弹性扩容，满足客户持续扩张与后期继续迭代需求。2)资源开放，生态驱动。 SenseCore 不仅支持自研的训练框架，还文持一些业内的主流训练框架，比如 PyTorch、TensorFlow 等，支持多种云基础设施打通互联3)资源隔离设计，提高数据安全保障。多租户资源隔离设计，保证数据安全:高可用设计实现任务自动迁移单点故障不影响整体使用。4)AI生产优化。正对异构处理器的虚拟化技术以及远程访问支持，高速网络设计减少延迟，支持大规模分布式训练和大模型推理等场景;多层分级的存储架构，最大化数据读写效率。
总体来说，目前公司的商业模式以软件算法的销售为主，以硬件、研发、云服务为辅。公司在软件算法水平全球领先，根据中国计算机视觉市场综合竞争表现来看，公司的增长指数和创新均位列第一，体现出公司在基础能力、综合实力、研发创新、协作能力等方面的巨大优势。但近年来海康威视与大华股份等传统摄像头硬件厂商在 AI方向的研发对公司造成了一定的挑战。未来算法水平的跨越式提高是公司在计算机视觉领域增长的关键。
3.3 AI 2.0 转型未来可期
2023 年 4月，公司宜布推出“日日新 SenseNova”大模型体系以及基于此大模型体系的一系列 AIGC 模型及应用，包括自然语言处理模型“商量”(SenseChat)、文生图模型“秒画’(“SenseMirage”)和数字人视频生成平台“如影”(SenseAvatar)等。“日日新 SenseNova”取自《礼记-大学》中“苟日新、日日新、又日新”，寓意模型的迭代速度及处理问题的能力上能做到日日更新，不断解锁AGI 更多可能。公司以“大模型+大算力”作为战略布局推进 AGI发展，目前公司 AIDC通过近5万片 GPU已可以实现 5EFLOPS 的算力输出，进行千亿规模的大模型算力训练。SenseNova 是SenseCore 基础设施及AICD 共同赋能布局的大模型，体现公司在行业领先的算力储备及 AGI开发能力。公司有望通过 SenseNova 大模型改变内容生产行业的生产范式，突破内容创意的天花板，重塑行业格局并打开新的增长空间。
SenseNova 大模型承接B端需求赋能百业。SenseNova 大模型已为 B 端业务带来了诸多突破。例如在自动驾驶领域，基于公司研发的 320 亿参数量的全球最大的通用视觉大模型，实现了可识别 3000 类物体的BEV 环视通用感知算法的实车量产，构建了业界首个感知决策一体化的端到端自动驾驶解决方案 UniAD，在多项关键数据集与指标上超越了SOTA 方法，车道线的预测准确率提升30%，预测运动位移的误差降低了近40%，规划误差降低了近 30%。基于公司的语言大模型，开发者可更高效地编写和调试代码，用户可以获取个性化的医疗建议，也可以通过PDF文件阅读助手轻松从复杂文档中提取和概括信息。 此外，公司的 AI大模型也已开始应用于气象预测，如全球中期气象预报 AI 大模型“风乌”，首次实现在高分辨率上对核心大气变量进行超过10天的有效预报，还可以模拟台风等极端气象，准确预测台风轨迹，且在 80%的评估指标上超越DeepMind 的 GraphCast 模型。
在 SenseCore基础设施赋能下,公司较早进行了“大装置+大模型”的布局。在2023年4月发布 SenseNova日日新大模型之后，公司迅速进行模型迭代研发，并于6月发布综合能力可以对标 GPT-3.5 的基模型 InterLM.8月，公司的 Inter[M123B 也完成迭代，在综合测试中能力仅次于 GPT-4 模型。公司将于9月将 InterLM123B的相关能力植入到 SenseChat 及一众 API，助力公司 B端业务的发展。此外，公司 SenseNova 大模型体系下的商量、秒画、如影、琼字、格物等 AIGC 模型也积极赋能公司四大板块的客户，并持续迭代。目前秒画 3.0 和MidJoumey 最新的模型盲品胜率可以做到 37 开，且下一个版本秒画 4.0 预计在三季度推出，届时将加入美学概念 ，助力公司做成全球前三的文生图模型的目标:下半年将发布的商量 30也将支持粤语的全面理解和交流具有较强的理解力和输出能力。
InterLM123B 迭代速度超预期，新模型参数量达到1230 亿，部分能力已超 GPT-4。公司联合多家国内顶尖科研机构发布的 IntemnLM-123B 国产预训练大语言模型在主要评测集中，12 项成绩排名第一，综合成绩仅次于 GPT-4,且在阅读理解方面的成绩已实现对 GPT-4的超越。大模型的快速迭代不仅来源于公司 SenseCore基础设施的赋能，还在于使用了高效的数据清晰方法。国内主要的大模型训练数据来源于 Common Crawl百科数据、电子书等，其中 Common Crawl 主要为爬虫数据，低质量和有毒数据占比较高，需要进行大量的数据清晰。公司投入了数百台服务器搭载千卡 GPU 的计算资源，采用算法结合人工的方法，利用 SenseCore 大装置强大的算力对原始语料数据进行分门别类的精细化清洗,以确保数据的质量、安全性和价值观都符合要求。公司每月能够产出约2万亿 tokens 的高质量数据，预计年底高质量数据储备将突破10万亿tokens。公司算力、数据、算法在行业中均处于领先地位，未来大模型迭代速度有望进一步加快。
目前公司大语言基模型 Intern[M 几乎每两个月就迭代一次，大模型日日新每季度就能迭代一次，国内能做到这一频率的大模型厂商实际上并不多。大模型的研发并不是一次性的成果，其需要连续不断的迭代升级，这反映的就是公司坚持长期主义投入，和前瞻性的基础设施建设的初衷。
公司的大模型是一个非常完善的体系，除了领先的产品力本身之外，其优势还在于完善的整体服务能力。根据不同客户的特殊需求和针对性应用场景,相继推出了开源和闭源等多个不同尺寸及产品定位的大模型进行针对终端客户的解决方案全覆盖。开源模型适用于较为简单的应用场景,追求的是性价比和部署的易用性，相对参数不会很高，而深入行业和产业的特殊场景则需要在大规模参数的闭源模型上开发，具有很强的工具调用能力，否则无异于流沙上盖高楼。因此公司针对终端用户具有“商量”、“秒画”等 AI生成式应用，且于8月 31日正式面向广大用户免费开放使用，为用户带来强大的生成式 AI能力。
商量 SenseChat 2.0 版本是公司大模型体系中最为引人瞩目的千亿级参数自然语言处理模型，其突破了大语言模型输入长度的限制，并推出了不同参数量级的模型版本，在知识信息准确性、逻辑判断能力、上下文理解能力、创作性等方面均有大幅提升，可完美适配移动端、云端等不同终端及场景的应用需求，部署成本也大大降低。目前，商量 SenseChat 2.0版本已落地服务于医疗、金融、移动终端、代码开发等领域。
秒画 SenseMirage 3.0 是公司的自研生成式大模型，参数从今年 4月首次发布以来的 10 亿大幅提升至70亿量级，能够实现专业摄影级的图片细节刻画，有进阶需求的创作者，还可通过简单拖拽的方式快速完成模型微调，打造个人专属的生成式 AI模型。
如影 SenseAvatar 2.0 数字人生成平台相较 10 版本的语音和口型流畅度提升 30%以上,能够实现 4K 高清视频效果，并带来 AIGC 生成形象及数字人歌唱功能。琼字 SenseSpace 2.0 的空间重建效率提升 20%,涫染性能提升 50%，每 100 平方公里场景的建图时间仅黑 38 小时即可完成(1200 TFLOPS秒算力支持)，可更高效地应用于城市级数字孪生场景。格物 SenseThings 2.0对小物体的纹理及材质还原达到毫米级精细度并突破对高反光和镜面物体的采集难题，这个突破让“格物”能够精确还原物品的外观和特征，小到珠宝首饰。服饰、鞋包，大到家居装饰、文物展览、艺术展览等，都能提供精细化的复刻效果。
随着大模型技术的商业化加速，大模型对公司的业务同样进行了系统性重构和升级，表现在大量固有业务的大模型落地，且推动了智慧商业和智慧生活板块收入增长，带来新的增长空间，打开了潜力巨大的第成长曲线。公司之所以能够在大模型技术突破来临之际抓住商业新机遇，一切都归结于公司 人工智能技术厚积薄发的长期主义价值观，而一旦度过漫长季节的等待，市场最终会奖励那里始终秉持初心的坚守者。就像亚马逊的云科技，在熬过漫长的亏损投入期后，如今已经变成了利润奶牛，仅 2022 年一年就为其贡献了 228 亿美元的营业利润。Open AI在经历过跌宕起伏的创业历程后，如今价值也得到了重估，今年4月完成新一轮融资的 Open AI 估值已达到了 290 亿美元。
预计大模型将有效赋能为公司各领域业务。目前公司主要的精力投入在基模型的训练和研发上，且一直有做出最好基模型的目标，为此公司配合研发了相应的基础设施，累积了大量的原始语料数据并提升了数据质量，预计年底公司高质量数据储备量可突破10万亿tokens，实现大规模GPU千卡并行。在基模型之上，公司将利用 SenseCore 进行迭代生产行业大模型，赋能各行各业。公司未来大模型的客户主要来自两个领域:1)为金融、地产、能源、教育等领域的B端企业进行行业大模型的私有化部署。2)为微博、小红书、B站等互联网平台提供大模型 API 接口，服务2B2C客户。公司 AIGC收入增长迅速，上半年 AIGC 相关收入已超过总收入 20%，预计公司 24 年相关收入会比 23 年提升一倍，占公司总收入达到 30%。2-3 年后 AIGC将成为公司业务增长的主要推动因素。公司未来也将加大对 AIGC方面的投入，基模型的迭代速率和行业大模型的生产规模也会逐步提升。公司总现金储备和净现金储备在年中分别达到132亿和94亿人民币，因此公司有充足的弹药来确保对 AIGC 商机的把控。
4、公司是典型的理想主义者，崇尚科学精神的公司。公司汇聚了 40 多名教授、250 多名博士，5000 多名员工中有三分之二是科学家和工程师。2018年以来，公司在研发上的投入逐年增长。2021年上半年，在研发上的投入首次超过营收,研发费用营收比高达107.3%。2018 至今,在亏损的过程中仍不断加大研发投入,这是一种长期主义的投入，其根本价值在于两点，一是对公司本身的底层技术优势和长期增长潜力的沉淀;是对整个 AI行业而言，人才的培养与储备以及基础设施建设都是一种行业性的资产,具有远超商业范畴的普惠价值，技术往往具备极强的正外部性。
公司的业务有两个核心，一是基于 SenseCore AI大装置的 AI能力输出与服务以及 AI生态构建，二是依托智慧城市、智慧商业、智能汽车、智慧生活四大业务板块营收驱动。
大装置承载公司追求 AI平台愿景。公司对于自身的定位是打造更县拓展性更普惠的人工智能软件平台,2017 年，为了突破算力瓶颈带来的 AI 落地难题，公司开始探索成为 AI 落地的平台，通过算力助力行业整体AI发展。对创业公司而言，不仅意味着长期的巨额投入，也要面临缓慢的商业化进程。但大装置一旦成型，就可以让 AI变得足够通用，成为数字时代的“水电煤”大装置并非简单 GPU 叠加，具备极强技术壁垒。2018 年开始，公司在自建算力中心的基础上，打造了SenseCore AI大装置的“原型机”。2020 年7月，斥资 56 亿元，开始在上海临港建设 AIDC 智算中心。2022年1月，AIDC智算中心正式开始运营。公司大装置上总共有 2.7万块 GPU 芯片卡，可以并行训练 20个亿参数量超大模型，是亚洲目前为止最大的智能计算平台之一。AI大装置可输出的 5000P 算力远高于业内平均水平，且最大能支持 4000 卡并行单任务训练，还能持续7天以上不间断稳定训练，公司也预计明年将达到万卡级的并行训练水平。打造大装置并非简单将 GPU进行看加，而需克服两大技术难题，首先是硬件可靠性上，如何把上千张甚至上万张 GPU 高效地连接，并获得较高的并行效率，是需要在实践中持续积累的真功夫,从经济学的角度，需要在集群规模越来越大的过程中，保证并行效率。如果1万张卡只能达到1000张卡2倍的训练效率，就是严重不合理的。目前，公司千卡并行训练中可以达到 90%的线性度，处于行业领先水平。另一个算力的技术难点是软件容错率，让上千张、上万张 GPU长时间无故障地运行，需要结合场景，通过复杂的分布式系统设计和网络架构设计来完成。公司克服这些技术难题，依靠的是大模型+大算力融合创新的研发体系。以及针对大模型底层训练实施的各种系统性优化，具体包括数据运行、模型并行的优化混合精度优化以及模型设计、模型训练、模型优化、模型服务等。
从决定要做大装置之后，公司目标就是“赋能百业，让 AI能力足够通用”。高质量的数据是大模型能力涌现的动力之一，多年的行业实践让公司积累了丰富的高质量数据。此前，公司的大装置已经在智慧城市、智慧商业、智能汽车和智慧生活四大板块的 20 多个场景中实现落地。
要么成为 OpenAI那种，就单纯的追求极致的技术，要么就像格灵深瞳那样，做好几个应用层能赚到钱给资本市场一个交代。但似乎，公司还是坚持将理想揉进现实。基本上是包揽了从底层算法、框架、算力这些基础设施层，到智慧城市、智慧商业、大模型以及下棋机器人应用层，业务越来越多，场景越铺越广。摆在公司面前的，是理想化和商业化的平衡问题，是长期主义的投资与短期回报之间的拉锯。
ChatGPT 的快速发展给公司带来新机遇。AI的发展离不开算力的文持，芯片就是算力的根本。AIGC 背后支撑的千亿级参数超大模型，其计算训练输出结果需要强大的算力支撑，算力正好是公司的长处--公司自诞生之日起就是 AI公司，其算力设施自然是满足 AI要求的算力设施。当前业界训练大模型对大算力的需求非常旺盛，并且真正好用的基础设施十分稀缺。全球 TOP10 超算中心中，以 GPU 为核心算力的仅有六家;在中国AI数据中心更为稀缺。在 AIDC的基础上，公司建设了业界领先的 AI大装置 SenseCore，这是亚洲目前最大的智能计算平台之一。根据中期业绩报告，AI大装置 SenseCore 上线 GPU 数量已由3月底的 27.000 块提升至约 30.000 块，算力规模提升 20%至6ExaFLOPS。根据不同的机构测算，GPT-4的训练需要的 A100 上数量大约在 10000-25000 张的区间。公司的算力规模足以再造一个通用大模型。
目前，公司已经搭建了较为成熟的日日新大模型体系，因此大量 GPU 被投入于打造生成式 AI产品系列上去。根据业绩报告，公司共投入上万块 GPU 到大语言模型商量 SenseChat 的研发上，约 2.000 块 GPU 在文生图模型的研发上，这大大加快了公司大模型与应用场景的结合。另外，公司在依托大装置训练大模型时，也通过强大的数据清洗能力大大提升模型的效果。目前公司每月能够产出约 2万亿 token 的高质量数据，预计年底高质量数据储备将突破 10 万亿 token，足以支持更加强大的基模型的训练。
公司重视芯片等底层硬件基础设施投入，具备强大的数据清洗能力，再加上其自建的 ADC 算力集群大大压缩应用模型的训练时间，再以积累的丰富经验对整体算力中心进行调优。这些因素让公司得以在生成式 AI的商业化方面实现领先。2023 年上半年，公司收入表现稳健，并借助大装置的丰沛算力，发布一系列大模型，带动生成式 AI相关收入取得同比 670%的强劲增长。公司坚持持续收窄亏损的运营目标，结合自 2022 年开始推行的降本管理要求，公司 AI商业化效率提升，当期运营成本同比下降 6.5%。集团亏损净额为 31.43 亿元，经调整亏损净额为 23.93 亿元，相较上年同期分别收窄 2%和 6.7%。
有了适用、好用、有竞争力的产品，AI公司才能快速在应用场景落地，实现商业化。这是公司具备较高商业化能力的最关键因素之一。4月 10日，在技术交流会上发布基础大模型“日日新 SenseNova”，依托 A大装置 SenseCore 实现“大模型+大算力”的研发体系。另外，一鼓作气，推出了对标 ChatGPT 的大语言模型“商量 SenseChat”、对标 Midjoumey 的 AI 文生图创作平台“秒画 SenseMirage”、AI 数字人视频生成平”。6月，联合上海 AI实验室联合香港中文大学、复旦大学等又发布了千亿级参数大台“如影 SenseAyatar语言模型“书生浦语 (IntemM)”。在此期间喊出的口号是 AGI时代,抢先布局 Maas(Model as a Service,模型即服务)模式，面向行业伙伴提供涵盖自动化数据标注、自定义大模型训练、模型增量训练、模型推理部署、开发效率提升等多种服务。在发布大模型产品时也一直在强调，公司将一如既往地坚定投入在迈向 AGI的前沿研发与商业化进程中。
生成式 AI空间广阔，公司兼具天时地利人和。根据麦肯锡的测算，生成式 AI有望为全球经济贡献约7万亿美元的价值，并将 AI的总体经济效益提高 50%左右:中国则有望贡献其中约 2万亿美元，将近全球总量的113。中国是多条 AI赛道的全球领跑者，但企业部署 AI的速度却慢了一步;主要原因在于人才储备薄弱，尤其是业务转译员、产品经理等兼具问题解决能力与科技应用能力的人才不足。而这部分恰好是公司的强项，公司打造的深度定制行业大模型已经深入能源、金融、地产、人力资源、传媒、工业制造、咨询等 10 个乖直行业。商量、秒画产品已经与电商、传统媒体、社区平台等 20 多个领域的客户合作:“如影”数字人生成能力则落地电商、直播、银行客服场景，客户包括央视、广电、工商银行等;“格物”高精度 3D 物体建模能力则与香港最大的珠宝集团之一实现商品 3D数字化的合作，应用于其线上电商平台:AI传感器与 AIISP 芯片量产交付方面与两家头部手机芯片厂商建立研发合作，实现了大语言模型的手机端实时计算能力;秒画 4.0 预计在 2023 年三季度内推出，基模型升级的同时也将引入全新的美学系统支持，进一步提高产品的竞争力。
公司判断生成式人工智能的收入到 2024 年可能会比 2023 年翻一倍，甚至更多。到 2024 年，生成式 AI相关收入占集团总收入比重将会提升至 30%。预计到 2025 年将可能提升至 40%以上。未来其给集团带来的收入占比将会持续提升。未来公司的业务将会逐渐发展成由生成式 AI来引领。此外，公司服务过超过 200 个以上的互联网的 APP，互联网 APP 会逐步开始接入公司的大语言模型，包括像微博、小红书、B 站、美图等直接转化为大模型应用的客户。我们认为，属于公司发展的广阔平台才刚刚到来，公司具备生成式 AI从上到下的全栈布局，此时更应把目光放在公司规模的增长，而非局限于一时一刻的盈利得失。
第四章投融资与未来收益
公司2023-2024 年营业收入分别为 43.9 亿元和 55.5 亿元，同比增速为 15%和 27%,其中智慧商业分别为23.6亿和 31.1亿,智慧城市 5.8亿和 4.5亿,智慧生活 11.7亿和 15.9亿,智慧汽车2.8亿和4.0亿。Non-IFRS净利润分别为-26.72 亿和-16.31 亿。
我们采用相对估值法(PSG)对公司进行估值，参考可比公司虹软科技、海康威视、云从科技、创新奇智未来3年的营收增长和估值水平，考虑到公司 2023-2025 年的 CAGR 为 26%，且公司在 CV 领域市占率处于第，具备算力和模型的一体布局，最先受益于大模型的快速发展，给予公司 23年 PSG 0.5，对应 13 倍PS。
因不适用准则规定或商业秘密等特殊原因，未按项目完整版章节展示，如需完整订阅或购买可行性研究报告/商业计划书等咨询服务，请直接联系网站或私信小编，以便获得全程优质完善服务
