天权视觉大模型发布，遥感数据处理能力进一步加强

事项： 公司公告：公司发布“天权”视觉遥感大模型。 国信计算机观点：1）天权视觉大模型是一款基于多模态大模型技术的遥感解译专用 AI 大模型；2）遥感大模型的发布使得遥感数据处理迈入新时代，大模型有望分割一切、识别一切、生成一切，不仅仅在遥感图像解译领域可以大规模减少人工标注工作量，提升处理效率，还可以利用模型较强的泛化能力为多类型遥感图像处理、多种类物体识别等赋能；3）对标 MAXAR+Blackshark.ai，公司云+数据服务有望开启第二增长曲线。公司目前一方面掌握了上游的遥感数据源，另一方面随着遥感大模型的发布，自身的遥感数据处理能力得到增强，未来有望通过云和数据服务打开第二增长曲线；4）公司所处赛道属于高景气赛道，同时自身业务成长空间广阔，维持“买入”评级。 评论： 天权视觉大模型是一款基于多模态大模型技术的遥感解译专用 AI 大模型 “天权”遥感大模型是一款基于多模态大模型技术的遥感解译专用 AI 大模型，它面向遥感测绘影像多载荷多分辨率大尺度的专业特点，结合 CV 大模型和 NLP 技术，融合航天宏图 PIE-Engine 时空云服务核心技术，赋能遥感影像智能解译。公司的天权视觉大模型，经过开源大模型快速迁移、多模态遥感数据引入训练、编码器优化、全流程优化等阶段，以“分割一切、检测一切、生成一切”为目标。 图1：天权视觉大模技术路线 具体来说： 1）多模态：遥感的数据类型分为很多种，包括光学遥感数据、光谱数据、SAR 雷达数据、无人机数据等，天权视觉大模型作为统一的处理大模型，具有同时处理多个模态数据的能力； 2）编码器优化：未来会推出 PIE-Engine studio 代码自动生成功能； 3）分割一切、检测一切、生成一切：其中分割一切可以交互式自动提取，助力样本标注业务，扩充遥感地物分割样本集，检测一切可以提高模型通用化识别能力，实现模型降低对标注人员的依赖，生成一切，通过自动学习可以自行生成物体。 图2：分割、检测、生成示意图 天权大模型实现降本并提高泛化能力，助理遥感行业快速发展 遥感数据处理进入大模型时代 遥感数据的处理一般分为 2 个部分：1）首先是遥感地面处理系统接收来自天上的卫星数据，通过大气校正、匀光匀色、裁剪分割等处理将原始的太空图像变成可以进一步识别、处理的图像；2）在上述的基础上，对遥感图像进一步处理，包括图像的解译等，其中解译主要完成对太空遥感图像中具体物体的识别工作，此前主要是通过人工协助完成。 在解译太空图像的发展过程中，也经历了几个发展阶段：1）人工解译阶段，此阶段完全依赖标注人员，人工成本高且解译成果转化率低；2）AI+遥感阶段，此阶段 AI 技术已经对遥感图像处理有一定的帮助，通过 AI 模型以及算力的支持，帮助解译工作提高效率，有效实现了人机协同，同时遥感、测绘等对比观测平台及卫星数量不断增长，AI+遥感的结合有效缓解了图像解译的工作痛点；3）在大模型发布以来为，遥感图像的解译工作有望进入到遥感大模型阶段，尤其是 SAM 大模型的发布，此阶段的解译工作有望借助大模型的通用能力对遥感图像进行统一的分割、识别、生成，大幅提升遥感解译工作的效率。遥感数据处理效率的提升也为下游的遥感应用爆发打下了良好的基础。 图3：遥感产业解译工作的发展历程 天权视觉大模型有望实现降本和提高模型泛化能力 此前的遥感数据处理受制于人员成本较高和泛化能力差。在 AI+遥感结合后，虽然遥感数据处理有了一定的进步，但对于卫星数量的增加以及高质量遥感数据的快速增长，仍然显得捉襟见肘，主要体现在对遥感数据的标注和勾勒效率较低、人工成本较高，以及传统深度学习模型的泛化能力不足。 具体来说： 1）遥感数据标注成本高、效率低。近几年随着深度学习算法的崛起，AI 算法运用在遥感数据处理领域，但是局限性依旧很大，因为 AI 算法仍需配备较多的人工标注工作。比如一个模型识别一个目标物，要达到较高的精度，需要模型不断学习几十万张遥感图像才能够达到收敛，而这几十万张图像大多需要人工进行标注，此中需要消耗大量的人工成本，当模型训练的图像需求量大量上涨的时候，人工的效率将成为掣肘。 2）模型泛化能力不够，鲁棒性不强。举例而言：如果模型是针对 0.5 米精度的光学遥感影像训练，那么此模型对于 0.5 米精度图像的识别能力是比较好的，但是对于精度 0.3 米或者 0.7 米的就效果一般；如果模型针对国内卫星数据的效果较好，但是可能对于海外其他卫星数据的效果就很一般；如果模型训练的时候是针对于机场，那么该模型对于高山、河流、灯塔等标志物的识别效果就会一般。 遥感大模型有望针对上述的问题实现突破，不仅仅降低人工标注的成本、提高效率，也在模型的泛化能力上有较为明显的改进。第一，在大模型完成遥感图像解译工作的时候，比如以前 10 平方公里的图像需要10 个人做 2-3 周以完成精细化的建模和识别，现在可能只需要 4-5 人做一周，未来大模型不断迭代后，效率有望提高到 1-2 人做 1-2 天，基本上纯粹人工的工作量降低了 90%。第二，在泛化能力上，遥感大模型有望实现分割一切、识别一切、生成一切，大幅提高模型的鲁棒性，自此实现一个通用大模型完成大部分的图像解译和处理工作，大幅提升遥感数据处理的效率。 图4：遥感大模型有望解决遥感数据处理领域的痛点 对标 MAXAR+Blackshark.ai，公司云+数据服务有望开启第二增长曲线 Maxar 与 Blackshark.ai 合作推出用于元宇宙等应用的 3D 数字孪生解决方案。MAXAR 是一家卫星信息服务公司，公司拥有并运营着世界上先进的地球成像卫星星座，提供多样化和可加工的数据服务，帮助政府和创新行业节约资源、精确治理、提高生产效率。MAXAR 的客户包括国家侦察局 (NRO)，国家地理空间情报局(NGA)，美国陆军，情报机构，以及众多企业客户代表许多大型技术和通信公司，主要依靠售卖卫星数据信息服务和基础设施业务。2022 年收入 16.05 亿美元，同比下滑 9.32%，公司的净利润为亏损主要系公司需要制造和发射自己的卫星，固定资产折旧等费用较高，从资产周转率可以侧面验证。 表1：MAXAR 公司相关财务指标（收入和利润单位为亿美元） Blackshark.ai 是全球数字孪生技术的开发商之一，成立于 2020 年，总部位于奥地利的第二大城市格拉茨，通过从卫星图像中提取信息并以 3D 全自动重建，提供地球的 3D 数字孪生。 公司对标 MAXAR 和 blackshark，既有遥感数据源（来自自身发射的 4 颗 InSAR 数据源以及参与投资了 38颗星的女娲星座），同时又专注于遥感数据处理，不断为各个行业提供基于遥感数据的 3D 孪生产品。 图5：Maxar 与 Blackshark 合作示意图 公司投资女娲星座，未来云+服务有望开启第二增长曲线。公司通过自己发射一主三辅的 4 颗 InSAR 雷达卫星以及参与投资建设 38 颗星的女娲星座，掌握了上游的遥感数据源，为自身开展云服务打下了良好的基础。云+数据服务有望开启公司第二增长曲线：1）云服务主要面向 3-5 线城市以及大 B 端客户，公司通过云服务的形式服务，这些客户不需要一次性大量投入就可以享受遥感数据处理的服务；2）公司目前 4颗雷达卫星已经上天，未来即将开展数据销售服务，未来 38 颗星构成的女娲星座有望进一步增强公司的数据服务能力；3）公司在 21 和 22 年不断建设渠道，这也为未来云服务和数据服务的开展打下坚实的基础。 图6：Maxar 与 Blackshark 合作示意图 投资建议：维持“买入”评级 公司所处的遥感行业正值快速发展期，在国家投入的背景下，上游的遥感卫星制造和发射逐步成熟，遥感数据的标准提高使得下游应用快速放量。公司目前已经成长为遥感应用的龙头企业，此次发布的天权视觉大模型进一步加深了自身的护城河，同时，公司不断向上游延伸，通过自己发射卫星以及投资构建女娲星座掌握上游遥感数据源，为云+数据服务的放量奠定良好基础，未来成长路径清晰，维持“买入”评级。 风险提示 遥感大模型研发不及预期；遥感行业竞争加剧；下游客户需求减弱；疫情反复阻碍业务进展；毛利率下降风险。 财务预测与估值 资产负债表（百万元） 利润表（百万元） 现金流量表（百万元） 免责声明