AI产品专家解读AI工业落地场景

IEEE（Institute of Electrical and Electronics Engineers）是一个国际性的电子技术与信息科学 工程师协会，在其发布的《IEEE 全 球研究——2024 年及以后的技术影响》调查结果中，来 自美国、中国、英国、印度和巴西的350 名各行各业的首席信息官、首席技术官、IT 总监 和技术领导者们预测：多种多样的人工智能应用仍将是 2024 年最重要的技术领域。技术的进步和应用速度从未如此之快。人工智能（AI）已成为推动科学发现和国家经济增 长的重要创新引擎。无论是创建逼真的文本、图像或音乐，自动改进算法，利用人工神经网络模仿人类决策， 还是自动进行文本翻译和语音重构，人工智能的应用都在持续扩大和普及。研讨重点： 1. 目前国内大模型产品最新进展和海外差距2. AI 应用工业应用场景如何落地3. AI 的 B 端应用如何实现商业闭环 温馨提示：本期会议纪要，以音频一问一答的形式，原音经过处理，致力于为广大聪明的投资者带来精彩的内容导读。接下来，咱们正式开始。会议要点 1. AI 应用与工业落地 •国内 AI 应用在工业领域主要集中于智慧工厂、自动排产、设备健康度管理、供应链•与物流管理、AI 质检检测等方面。AI 在工业质检检测方面的应用案例最多，接受程度最高，因为投入门槛相对较低。 •边缘服务器在工业 AI 应用中越来越重要，因为关键性场景对数据实时性的要求较 高。2. 国内外 AI 发展差异 •国内 AI 发展面临的痛点包括数据总量缺乏、数据质量精细化程度低、算力资源缺•乏、场景 渗透率有限。国内 AI 应用更偏向于 C 端市场，而国外头部企业在技术储备层面带动整个 AI 大模型•领域发展。国内在 AI 大模型领域有望实现弯道超车，特别是在多样化应用场景方面。 3. 国产服务器与 AI 生态•国产服务器 AI 生态正在努力打造，包括麒麟 9000、升腾 310 和 910 等芯 片，以及与•华为合作的 920 芯片。国产芯片在不同行业和应用场景中有不同的倾向性，如海光芯片在金融领域的应用。4. 合作与商业模式 •公司与华为的合作深入，涉及软件和硬件层面，但不局限于华为，也与其他公司如文 星、商汤等合作。•华为注重生态伙伴利益，聚焦研发层，避免直接竞争。 •公司软硬件业务均在积极拓展，尽管面临一定的竞争压力，但仍有突破和增长。 5. 业绩展望 •公司一季度业绩至少比去年同期要好，但具体收入体量不便透露。Q&A Q：国内在大模型领域与国外的差距主要体现在哪些方面？ A：国内在大模型领域与国外的差距主要体现在三个方面：首先，底层技术方面国内相对 落后，特别是在数据总量和质量上存在不足，国内的数据多源于公开文档和互联网，与国外经过精细化管理的数据相比有差距；其次，算力资源方面国内储备和投入规模相对较小，发展受限；最后，场景渗透率有限，国内应用更偏向于 C 端市场，而国外则在办公、金融和医疗等社会服务化领域有更深的渗透。尽管如此，国内市场和用户基础庞大，互联网普及程度高，有望在未来实现弯道超车。此外，国内政府的支持和推动明显，但在融资规模和数据资产投入方面，国外相对更为优势。Q：如何建立基于国产服务器的 AI 生态？ A：建立基于国产服务器的 AI 生态需要从数据和整个生态适配等方面入手。首先，要解决 数据 总量和质量的问题，通过改善数据采集和处理流程，提高数据的精细化程度。其次，需要加强算力资源的建设和投入，提升模型训练的效率和精度。此外，推动场景渗透，将 AI 技术应用于更多行业和领域，尤其是社会服务化领域。同时，政府的支持和政策推动也 非常关键，需要制定相应的管理政策和提供资金支持，以促进 AI 生态的健康发展。最后，通过开源模型和数据的共享，为中小企业提供良好的起点，帮助他们站在巨人的肩膀上进 行发展。 Q：目前 AI 服务器生态中主流的芯片有哪些，它们的性能如何？A：目前 AI 服务器生态中主流的芯片包括麒麟 9000，这是一款全球供应的复杂且性能强悍 的 5G 手机芯片，基于 AI 技术，采用华为自主研发的达芬奇架构，提升了 AI 计算速度和降 低了功耗。升腾的 310 和 910 芯片面向不同的应用场景，性能提升显著。而新一代的 920 芯片，包括即将发布的 920c，已经在初步能力特色训练中显示出高于同行的效率和成果，有望与英伟达等高性能芯片竞争。此外，寒武纪、思源等其他厂商的芯片也因其性价比和适应性受到市场欢迎。Q：不同芯片在不同行业和应用场景中的倾向性如何？ A：不同芯片在不同行业和应用场景中确实存在倾向性。例如，在金融领域，由于对稳定 性和迁移适 配的稳定性有较高要求，更倾向于使用类似于原有 x86 架构的芯片，如海光芯 片在金融领域的市场占有率较高。而在云边端三个场景下，寒武纪的芯片能够满足商业需求。整体来看，国内面向 AI 芯片的场景呈现出多样化的发展态势。Q：国内工业场景中 AI 和 VI 的应用落地情况如何？ A：工业是较早应用 AI 和 VI 技术的领域，主要应用包括智慧工厂、自动排产、设备健康度管理、供应链和物流管理以及 AI 质检检测。智慧工厂侧重于基于数据控制和人工指令执 行，而自动排产则因计算需求大而主要适用于大型企业。设备健康度管理和供应链物流管理通过 AI 技术提高效率和风险控制。AI 质检检测是目前应用最广泛、接受度最高的领域，包括视觉型和声纹型检测，能够实现 24 小时无差别识别，降低质量风险。此外，还有专业 工业机器人的应用，如 ATV 和机械臂，但投入成本较高。Q：AI 在工业质检检测方面的应用情况如何？ A：AI 在工业质检检测方面的应用主要分为视觉型和声纹型两种。视觉型依赖计算机视觉 技术， 通过模型训练和分析来识别特定产品的标准和规则。声纹型则通过感知、计算和认知三个层面来检测数据异常。AI 质检的优势在于能够实现 24 小时无差别识别，辅助人工 进 行精准识别，降低质量事故发生的风险。目前，AI 质检检测在工业领域的应用案例最 多，接受程度也最高，且投入门槛相对较低。 Q：边缘服务器的配置要求是什么？A：边缘服务器的配置要求取决于计算量。对于小型站点，常规的加速器如阿萨斯 200 就 能满 足需求，其计算要求不会特别高。可以理解为高配电脑主机的水平。边缘服务器的优势在于其较低的价格和对恶劣环境的良好适应性。Q：拓维公司在服务器业务上的合作和业绩情况如何？ A：拓维公司在服务器业务上与华为等合作伙伴有紧密的合作，但具体的业务量不便透 露。尽管今年 的服务器市场竞争加剧，拓维的业绩相比去年仍有提升。公司面临的挑战包括投入增加和市场拓展难度上升。Q：鲲鹏服务器与其他竞争对手相比如何？ A：鲲鹏服务器在某些领域如银行行业，由于对数据稳定性和生态稳定性的高要求，其市 场份额低于 海光等竞争对手。尽管鲲鹏的单算子计算水平较高，但整体技术架构和生态稳定性尚未达到英伟达的水平。然而，鲲鹏 920b 的性能已略高于 7390。Q：公司的算力中心运营情况如何？ A：公司的算力中心目前没有对外开放，主要用于内部科研和特定客户的联合实验室。算 力中心规模 不大，主要服务于企业内部和特定客户，而非大规模对外租赁。Q：公司与华为的合作模式是什么？ A：公司与华为的合作深入，涉及从 OEM 产品到软件、硬件、AI 模型等多个层面。同时，公 司也与其他合作伙伴如文星、商汤等保持合作关系，以适应不同行业领域的需求。Q：公司在选择底层大模型时有哪些考虑？ A：公司在选择底层大模型时会根据项目本身和行业特点进行甄别。合作不局限于特定供 应商，而是 根据场景识别度和数据沉淀情况选择最合适的模型。公司的优势在于软件开发和集成方面，而非纯硬件研发。Q：华为在行业市场中的应用落地是否会与现有业务形成竞争关系？ A：华为的业务逻辑主要有两种情况。第一种情况是华为主要负责底层技术的开发，并通 过合作伙伴 如 SUV 厂家来集成其技术应用进行交付，华为一般不直接参与交付，除非是大 型项目。第二种情况是作为华为的集成研究合作伙伴，我们会利用华为的客户资源和技术支持，共同拓展市场。华为会严格把控交付质量、输出水平和成本，注重生态伙伴的利 益，避免直接竞争。Q：今年公司的收入预期如何？ A：具体的收入水平不便透露，但可以预计今年一季度的表现将优于去年同期。公司业务 分为软件和 硬件两部分，分别属于不同的公司。软件方面，去年开始的研发工作预计将有 所突破，特别是在华为生态系统中的应用开发。硬件方面，由于鲲鹏生态系统中合作伙伴 的增加，以及国家政策的推动，可能会面临一定的压力。但我们在软件层面的研发和与华 为在特定行业如烟草、饮料等领域的合作预计将顺利进行。