多模态GPT应用领军

公司2023年主营业务迎来重要拐点。1）2022年，地缘政治冲突、通胀高企等多因素扰动的大背景下，公司经营受大环境冲击而承压。但公司积极应对超预期冲击，2022前三季度，虽然公司累计实现营收211.72亿元，同比下降1.46%，但毛利率维持平稳，三季度毛利率表现环比略增。三季度存货环比小幅上升，供应端相对稳定。企业端2022年三季度增速回暖，实现个位数增长，整体保持了相当的韧性。2）展望2023年，公司业务由“稳”转“进”，整体相比去年将更加进取。国内外业务方面，随着宏观经济全面改善，公司积极迎接市场和机会的复苏，有望持续回暖。 2023年公司费用计划进一步控制，预计利润增速高于收入。预计2023年，公司将通过节流、调整结构，来实现费用的有效管控。至少在2023年，公司在人员方面将保持总体稳定，同时，内部也会根据业务及时、动态地调整结构，同时重点关注人均效益的提升。通过以上种种方式控费，公司利润空间有望进一步释放。 GPT通用性、逻辑性、智能性带来AI应用全面升级，公司为多模态GPT国内潜力领军。1）传统CNN模式下，视觉AI公司倾向于采用单点方式，在各个碎片场景中做客制化落地，定制化程度相对较高；若转向大模型模式，类似PALM-E的多模态能力有望带来通用化能力，可以量产细分场景AI模型，从而大大提升大华产品的通用性与易用性，提升客户数量、ARPU值，缩减SKU。2）大华是国内具备能力形成的公司。大华巨灵AI平台已经具备一定算法生产能力，未来大华AI算法生产效率有望在大模型的辅助下规模化提升，有望在检测、AGV、机械臂等领域落地。我们认为，若多模态模型持续进步，将大幅提升AI视觉模型生产效率，图像、视频等应用将层出不穷涌现，使用场景将远远不仅限于文字、问答与办公，有望打开未来AI在下游千行百业的应用空间，大华作为具备视频数据与行业know-how积累的下游细分领域龙头，有望核心受益，且多模态GPT天然的规模效应有望提升其护城河与稳态估值。 移动计划定增入股，多模态GPT助力潜在战略股东业务共振。2021年3月，大华股份公告称，拟定增引入移动作为股东，目前该定增已经获得证监会核准，但尚未完成增发。中国移动与大华股份作为各自领域的龙头企业，中国移动具有较强的品牌、渠道、客户、产品资源，而大华作为AI视觉领军，有望通过自身的图像及视频AI技术，赋能移动的类视联网及其他数字化业务，而多模态GPT潜力是推动这一可能共振的核心力量，有望驱动公司3-5年保持高速增长。 维持“买入”评级。我们预测公司2022/23/24分别实现归母净利润24.75/34.26/41.29亿元，对应当前PE分别为23.4x/16.9x/14.1x，相比同业可比公司平均PE水平具备估值性价比，考虑到多模态GPT产业快速进展以及其带来的天然规模效应，维持“买入”评级。 风险提示：AI推进不及预期的风险；国内需求不确定性；贸易关系扰动风险；原材料涨价风险；创新业务孵化不及预期的风险。 财务指标 财务报表和主要财务比率 资产负债表（百万元） 现金流量表（百万元） 1、否极泰来，静待今年业绩回暖 受宏观经济冲击2022年业绩承压，但公司积极应对维稳。2022年，地缘政治冲突、通胀高企等多因素扰动的大背景下，全球经济面临持续下行压力，公司的经营受大环境影响较大，致使海外需求增速有所回落，国内方面尤其在四季度后半程，项目延期情况增多。但公司积极应对超预期冲击，努力保障公司有序经营。2022前三季度，虽然公司累计实现营收211.72亿元，同比下降1.46%，实现扣非归母净利润15.84亿元，同比下降25.91%；但毛利率维持平稳，其中三季度毛利率表现环比略增。另外，三季度存货环比小幅上升，公司未来将通过加大备货、加强供应商沟通、国产自主产业链合作等多种途径，保障供应稳定。企业端，2022年三季度增速回暖，实现个位数增长。相比政府端，企业业务行业线分布更广泛，需求迭代也更加快速，得益于公司强研发适配、高效组织协同能力，能够快速满足企业客户需求，使企业业务保持了更强的韧性。 图表1：大华股份单季度销售毛利率维持相对平稳 展望2023年，伴随着宏观经济复苏，公司收入有望逐渐回暖。展望2023年，公司业务由“稳”转“进”，整体相比去年将更加进取，继续强化高质量发展，且除收入外特别关注利润增长和现金流改善。国内业务方面，随着经济逐步恢复，公司积极迎接市场和机会的复苏，尽最大努力捕捉过去三年积压的潜在需求。海外方面，除分销业务横向扩宽产品种类、纵向精细下沉外，集成业务、项目拓展、解决方案将更加重要，更好地实现集成商和甲方共赢。 2023年公司费用计划进一步控制，有望释放利润空间。预计2023年，公司将通过节流、调整结构，来实现费用的有效管控。至少在2023年，公司在人员方面将保持总体稳定，同时，内部也会根据业务及时、动态地调整结构，例如向主产粮部门进行调整，加大内部的流动，同时重点关注人均效益的提升。通过以上种种方式，控制公司整体费用，公司利润空间有望进一步释放。 2.多模态通向通用智能，AI视觉规模效应有望核心受益 我们认为，多模态是未来实现通用人工智能（artificial general intelligence，AGI）的关键。 现实世界中的数据天然就是多模态的，人类通过综合运用多种感官，来感知和理解现实世界中的数据。通用人工智能必然也需要有能感知和理解多模态数据的能力。同时，多模态的人机交互，也是对用户最自然的与AI交互的方式。 图表2：多模态大模型-通用人工智能路径的探索 从成本考虑，当前专注单一领域的人工智能，完成不同的任务需要定制化不同的模型。 而多模态的通用人工智能，一个多模态的大模型有能力胜任众多不同任务，规模效应下会显著降低人工智能的实用落地成本。 传统的CNN演绎下，下游场景碎片化导致视觉应用解决问题倾向于单点模式。传统CNN模式下，视觉AI公司倾向于采用单点方式，在各个细分场景中做客制化落地，定制化程度相对较高。旷视科技联合创始人、CTO唐文斌在2022年9月的人工智能与产业融合论坛上谈道，现阶段的AI，一个核心挑战在于应用场景碎片化导致算法多样化。比如森林大火，识别有没有烟需要一种算法；仓库物流场景里，收货纸箱有没有破需要一种算法。算法多样化，一方面意味着需要规模化生产大量算法，另一方面需要考虑如何低成本生产每个算法。 图表3：传统CNN模式下，AI模型开发效率较低 CHATGPT多模态有望带来通用模式，显著提升模型生产效率与下游落地效率。例如，商汤科技的SenseCore AI大装置，它由模型层、深度学习平台、计算基础设施三个部分架构而成。其中，模型层的模型工厂可以大幅降低人工智能生产要素的成本，提高人工智能的生产效率，实现人工智能以自动化、自适应的方式进行生产和落地，模型工厂已开发超过49000个商用人工智能模型。 图表4：商汤模型工厂已经开发超过49000个商用AI模型 同时，在下游细分领域，细分领域龙头天然具有规模优势，而这种规模优势是AI自身的特质带来的：细分场景落地时需要结合行业Know-how、客户需求痛点以及数据，对相对通用的预训练大模型进行微调（fine-tune），训练后获得优质的细分领域模型。因此，壁垒来源其实是细分领域的行业know-how及稀缺行业数据，细分领域龙头的数据优势为其带来了规模优势。 多模态GPT应用速度将会很快，国内有望复现类似模型并快速在细分场景落地，国内具备视频数据储备带来赶超机会。1）当前DALLE2、Stablediffusion等多模态模型已经拥有十分出色的表现，呈现出极强的实用性，且stablediffusion已经开源，激发下游大量活力。伴随着多模态大语言模型的不断涌现，多模态GPT落地应用速度将会持续加速。 2）并且，一般而言，要训练一个能力强的模型，除了算法原理上的改进，训练数据的选择以及超参数的设置非常重要(超参数指训练过程中人工设置而非神经网络自主学习的参数，算法工程师的调参工作就是根据模型输出不断修改超参数)。相比OpenAI没有透露ChatGPT的训练数据和太多细节，微软KOSMOS-1论文列出了训练模型使用的具体数据集和很多超参数具体数据，有利于国内科技企业复现类似模型。从KOSMOS1论文看，主要作者为华裔，KOSMOS模型规模不大，国内具备海量视频数据优势，可能具备快速追赶、甚至超越的机会。 我们认为，若多模态模型持续进步，将大幅提升AI视觉方向模型生产效率，图像、视频等应用将层出不穷涌现。其使用场景将远远不仅限于文字、问答与办公，打开有望未来AI在下游千行百业的应用空间，同时也使得大华这类具备充分视频数据积累的下游细分领域龙头核心受益。 多模态GPT的应用展望：落地视觉应用方方面面，全面提升大华软件领域通用性与易用性。 1）检测类：当前，大华巨灵AI平台已经具备一定算法生产开发能力，未来大华AI算法生产效率有望在大模型的辅助下规模化提升。基于巨灵人工智能开发平台，大华云睿推出“大华巨灵AI开放平台”，帮助企业实现低门槛、免代码的场景化AI的定制。企业针对自己的业务分析与场景理解，数据标注、开发训练、移植仿真、算法集成、在线测试，即可将算法输出至云端算法平台和智能设备上，通过平台自主训练，让AI算法实现了低成本、零门槛、快迭代和全协同。大华巨灵AI开放平台构建了AI算法的生产闭环，向企业提供低门槛、独立训练算法的能力，以少量样本，训练与场景匹配的模型，完成AI算法生产，形成企业业务与智能化算法的闭环。当前，大华的巨灵AI生产平台已经可以为用户提供低门槛、独立训练算法的能力，通过该平台，算法工程师研发算法的周期平均减少40%以上，最快约两周定制出面向场景应用可交付的算法，几小时就能完成几十个芯片平台的算法工程化部署。未来公司生产AI算法的效率有望在大模型的辅助下进一步提升。 图表5：大华巨灵AI开放平台功能 2）AGV方案组合：加强环境感知与智能路径规划能力，应用范围扩张。大华旗下的华睿科技布局AGV机器人业务。传统AGV小车用于工厂搬运货物等功能，一般在规划好的路径上往来工作。在多模态技术加成下，AGV的视觉能力有所提升，带来对周围环境感知能力的全面提升，带来更智能的路径规划能力以及自主运动能力，提升设备本身的复用性与通用性。 图表6：大华股份旗下AGV机器人及软件平台 3）机械臂类：有望实现更智能的判定与运动。谷歌最新发布的多模态模型PALM-E，可以指挥机器臂完成一些需要机器自主识别的任务：例如，指令是“将红色方块推到咖啡杯旁边”，但原有数据集中只有三个包含咖啡杯的示范，其中并没有一个包含红色方块。 机器臂可以成功完成该指令。在第二个示例中，指令是“将绿色方块推到乌龟旁边”，机器人能够成功地执行这个任务，尽管它之前从未见过这只乌龟。这两个示例展示了模型对于未曾接触过的物体或指令具有一定的泛化能力。若未来多模态大模型成熟商用，有望提升机械臂运动的智能化水平（包括识别能力、判定能力与运动精准度），进一步为工业领域降本增效。 图表7：谷歌多模态模型PALM-E具备泛化能力，可以完成一些更智能化的指令 3.移动计划定增入股，潜在战略股东有望形成业务共振 公司拟通过定增方式，引入中国移动作为战略投资者。2021年3月，大华股份公告称，拟定增引入移动作为股东，目前该定增已经获得证监会核准，但尚未完成增发。募集资金主要应用于于“智慧物联解决方案研发及产业化项目”、“杭州智能制造基地二期建设项目”、“西安研发中心建设项目”、“大华股份西南研发中心新建项目”以及补充流动资金。 移动与大华之间有望协同共赢，提高大华市场份额。中国移动与大华股份作为各自领域的龙头企业，以业务协同为基础，在市场开拓、联合研发技术创新等方面，发挥各自优势，将具有较强的协同效应。中国移动具有较强的品牌、渠道、客户、产品资源，具有规模优势和覆盖优势，与大华股份形成强强联合，提高公司核心竞争力，帮助实现公司扩大业务规模、提高市场份额。 大