行业深度报告：ChatGPT引领AI突破，工业AI前景可期

ChatGPT引领AI突破，工业AI前景 期 —行业深度报告 可 庞倩倩计算机行业首席分析师执业编号：S1500522110006 邮箱：pangqianqian@cindasc.com 郑祥计算机行业研究助理 邮箱：zhengxiang@cindasc.com 信达证券股份有限公司 CINDASECURITIESCO.,LTD 北京市西城区闹市口大街9号院1号楼邮编：100031 郑祥计算机行业研究助理 邮箱：zhengxiang@cindasc.com 庞倩倩计算机行业首席分析师 执业编号：S1500522110006 邮箱：pangqianqian@cindasc.com 看好 上次评级 看好 投资评级 行业 计算机 证券研究报告 行业研究 行业深度报告 ChatGPT引领AI突破，工业AI前景可期 2023年4月4日 本期内容提要: ⯁ChatGPT引领AI突破，伴随通用AI技术同工业领域融合应用的滞后周期不断缩短，工业AI应用落地进展有望加速。ChatGPT通过突破性的“Transformer架构大模型+RLHF（人类反馈强化学习）算法”带来自然语言处理在表述逻辑性、自然性等人机交互体验领域的巨大提升，掀起AI产业一轮新高潮。工业领域因对AI可解释性等严苛要求导致技术创新与应用落地错位时间相对较长，但随着人工智能技术可用性增强及工业信息化水平的大幅提升，近年通用AI技术的工业落地间隔由20年逐步缩短至小于5年，伴随ChatGPT带来的通用AI大模型突破，工业AI亦有望迎来快速发展。 ⯁研发设计环节：AI可赋能创成式设计、仿真优化、电子设计优化等。CAD领域：通过AI赋能，工程师可通过交互方式向设计软件指定他们的要求和目标，创成式引擎将自动生成设计方案，目前AI驱动的创成式设计功能已在SiemensSolidEdge、PTCCreo及AutodeskFUSION360等主流CAD产品中使用。CAE领域：AI可赋能仿真优化，提升仿真效率，而工业数字孪生通过仿真运行生成数据，又可反哺工业AI模型训练，目前微软ProjectBonsai正使用AnsysTwinBuilder仿真软件创建设备或流程的数字孪生，以助力其模型训练。EDA领域：AI可有效赋能EDA工具，大幅提升设计生产效率及设计产品的PPA（功耗、性能、面积），Cadence于2021年推出的AI驱动的EDA设计工具Cerebrus较传统EDA产品可实现10倍的生产效率提升和设计产品20%的PPA（功耗、性能、面积）提升。我们认为，AI赋能带来的CAD/CAE/EDA等研发设计软件能力提升，有望同步提升其软件价值量，进一步打开研发设计类软件更高市场天花板。 ⯁生产运维环节：AI可赋能早期缺陷检测、预测性维护、产品质量分析、生产预测等。早期缺陷检测方面：AI可使用实际运营数据，根据各种参数有效预测资产状况，使工程师在资产发生故障前就能关注并维护资产；预测性维护方面：AI模型可使用来自设备端的运行数据，并根据这些数据对预测性维护进行科学规划，同时工程师可通过AI持续监控设备运行状态，大幅减少人工监控时间，有效降低资产设备维护成本；产品质量分析方面：通过机器视觉能够找出会被肉眼漏过的缺陷，提高质量分析效率，同时AI还可用于检测运行环境中的异常，从而改进质量流程；生产预测方面：企业可通过准确收集生产时序数据和关联的生产参数创建AI预测模型，并通过生产流程仿真生成数据优化模型，通过这些模型找出生产过程中发生异常的原因及潜在问题，并持续修改资源规划策略，达到精益生产目的。以上只是AI在生产运维环节已经应用的部分功能，伴随AI模型算法能力进一步加强，AI在生产运维环节的应用广度和深度亦有望进一步提升。 ⯁经营管理环节：AI可赋能CRM、SCM、ERP等经营管理类软件。CRM领域：AI可通过帮忙编写回复客户邮件、提升虚拟客服交流能力、通过语言交互方式帮助销售人员准确分析和定位特定客户群体等方式大幅提升客户关系管理和营销管理效率；SCM领域：AI可通过主动对影响供应链流程的事件发出告警，并预测筛选出受影响的订单和自动邮件反馈供应商等方式大幅提升供应链敏捷性，此外AI还可助力企业招投标信息、商品价格信息、竞品信息等市场信息采集分析，提升企业供应链决策有效性。ERP领域：AI可在财务领域、信息采集等多场景提升ERP产品能力。 ⯁工业互联网平台汇聚算力、算法、数据和应用，是工业AI的绝佳入口。工业互联网平台的本质是通过工业互联网网络采集海量工业数据，并提供数 据存储、管理、呈现、分析、建模及应用开发环境，汇聚制造业企业及第三方开发者，开发出覆盖产品全生命周期的工业APP应用，以提升工业生产经营效率。工业互联网平台汇聚了算力、数据、算法及应用场景的AI全要素，有望成为工业AI融合应用的绝佳入口。此外，工业互联网平台的重要能力之一是通过封装在其PaaS平台层的大量通用的行业Know-how知识经验或知识组件以及算法和原理模型组件，以低代码方式构建上层工业APP应用，而ChatGPT代码生成能力的跨越式进步有望重塑工业PaaS低代码开发平台，有望使得非程序员的工程师能够使用自然语言指令进行零错误的工业APP开发，大幅提升工业互联网平台的应用创建能力、降低应用开发成本。 ⯁建议重点关注：研发设计环节：中望软件（CAD/CAM/CAE/BIM）、广联达（BIM）、盈建科（BIM/CAD/CAE）、霍莱沃（CAE）、华大九天（EDA）、概伦电子（EDA）、广立微（EDA）；生产制造环节：中控技术、赛意信息汉得信息、鼎捷软件、宝信软件；运维服务环节：容知日新；经营管理环节：金山办公、泛微网络、致远互联、远光软件、金蝶国际、用友网络；工业互联网平台：能科科技、东方国信、软通动力。 ⯁风险提示：1.工业AI应用落地进展不及预期：工业AI高价值应用通常集中在与机理强融合的场景，且具有碎片化特点，同时工业具有对AI可解释性等严苛要求，存在应用落地进展不及预期风险。2.行业市场竞争加剧风险：若行业市场竞争加剧，可能导致产品价格下跌等。3.工业AI大模型发展进程不及预期：工业AI大模型的训练需要海量工业数据，存在模型训练和发展进程不及预期的风险。 目录 一、ChatGPT引领AI突破，工业AI应用前景可期5 1.1通用AI技术工业领域落地周期逐步缩短，带动工业AI应用发展提速5 1.2工业AI应用场景贯穿工业研发设计、生产制造、经营管理等全环节6 二、应用场景透视：“AI+”助力传统工业软件效率提升7 2.1研发设计环节：“AI+”可赋能创成式设计、仿真优化、电子设计优化等7 2.1.1CAD：AI赋能创成式设计，CAD软件价值量有望同步提升7 21.2CAE：AI赋能仿真优化及工业数字孪生，工业数字孪生反哺AI模型训练8 2.1.3EDA：AI赋能EDA工具，可大幅提升设计效率及设计产品性能10 2.2生产运维环节：“AI+”可赋能早期缺陷检测、预测性维护、产品质量分析等11 2.3经营管理环节：“AI+”可赋能CRM、SCM、ERP等经营管理类软件14 2.3.1CRM：AI可助力销售人员快速响应，并升级市场营销体验14 23.2SCM：AI可提升供应链敏捷性，并通过数据采集分析提升决策有效性16 2.3.3ERP：AI可在多场景提升EPR产品能力18 三、工业互联网平台汇聚AI要素，有望成为工业AI绝佳入口20 3.1工业互联网平台汇聚算力、算法、数据和应用，是工业AI的绝佳入口20 3.2ChatGPT代码生成能力有望重塑工业PaaS低代码平台21 四、重点关注标的及投资建议23 风险因素25 表目录 表1：重点关注标的23 图目录 图1：通用领域AI及工业AI技术发展历程5 图2：工业AI应用场景分布6 图3：创成式设计工作流程7 图4：PTCCreo产品采用AI驱动的创成式设计扩展功能8 图5：生产制造场景下的仿真类型9 图6：微软ProjectBonsai使用数字孪生方式生成数据助力其AI模型训练10 图7：Cadence基于AI的EDA产品Cerebrus可大幅提升设计效率及设计产品性能11 图8：AI在工业企业生产运维环节部分应用场景分析12 图9：Uptake的工业AI和物联网服务架构13 图10：AI能帮忙编写给客户的电子邮件回复14 图11：AI可提升虚拟客服交流能力15 图12：AI可助力营销人员准确定位特定客户群体16 图13：AI可提升供应链敏捷性并降低供应链风险17 图14：泛微“千里聆”信息采集智能机器人产品架构18 图15：汉得集团管控业务版图19 图16：工业互联网平台是工业AI的绝佳入口20 图17：西门子MindSphere工业互联网平台部分AI应用21 图18：微软将AI能力融入低代码开发22 一、ChatGPT引领AI突破，工业AI应用前景可期 1.1通用AI技术工业领域落地周期逐步缩短，带动工业AI应用发展提速 ChatGPT引领通用AI大模型突破，伴随通用AI技术同工业领域融合应用的滞后周期不断缩短，工业AI应用亦有望迎来快速发展。ChatGPT是由人工智能研究实验室OpenAI于2022年底推出的一款AI驱动的自然语言处理（NLP）工具，其通过突破性的“Transformer架构大模型+RLHF（人类反馈强化学习）算法”带来自然语言处理在表述逻辑性、自然性等人机交互体验领域的巨大提升，杰出的用户体验首先带来ChatGPT在AI生成文本领域的潜在广泛应用。随着2023年3月OpenAI正式推出大型多模态模型GPT-4，以及微软陆续将其旗下Bing搜索引擎、Dynamics365商业应用解决方案、PowerPlatform低代码开发平台、Azure云服务、Microsoft365办公套件及MicrosoftSecurity安全等产品融入ChatGPT的AI能力，AIGC（AI生成内容）在生成文本、图片、视频、代码等一系列应用领域的前景更加广阔明朗。 同ChatGPT等通用AI不同，工业AI高价值应用通常集中在与机理强融合的场景，如设备预测性维护、生产过程控制优化、基于知识的综合决策等，具有碎片化特点，同时工业对AI可解释性等严苛要求导致技术创新与应用落地错位相对严重。上世纪60年代专家系统诞生 与80年代的工业领域应用间隔近20年，统计机器学习的工业领域应用滞后周期基本在10 年左右，而深度学习、生成对抗网络等新技术于2012年后在通用领域开展应用，不足4年便产生了工业领域探索实例。总体来看，由于人工智能技术可用性增强以及工业信息化水平提升，通用技术的工业落地间隔由20年逐步缩短至小于5年，我们认为，伴随ChatGPT带来的通用AI大模型突破，工业AI应用领域亦有望迎来快速发展。 图1：通用领域AI及工业AI技术发展历程 资料来源：工业互联网产业联盟及中国信通院《工业智能白皮书（2022）》，数字孪生体联盟官微，信达证券研发中心 1.2工业AI应用场景贯穿工业研发设计、生产制造、经营管理等全环节 技术层面，工业AI的核心赋能技术主要包括算法技术和应用技术。其中，算法技术主要包括以机器学习、深度学习和其他学习方式为主的数据科学，以专家系统、知识图谱为代表的知识工程等两大类；应用技术则主要包括机器视觉、自然语言处理及语音识别等。 根据核心赋能技术不同，工业AI形成识别、数据建模寻优及经验知识推理决策三大类核心应用模式，贯穿工业研发设计、生产制造、经营管理等全环节。其中，识别类应用对应以机器视觉、自然语言处理及语音识别等为代表的应用技术，包括工业视觉检测、表单识别和工业语音信号识别等；数据建模寻优类应用对应以机器学习、深度学习和其他学习方式为主的数据科学算法技术，主要包括智能排产、设备运维、工艺参数优化等；知识推理决策类应用则对应以专家系统、知识图谱为代表的知识工程算法技术，主要包括设备故障诊断专家系统、供应链知识图谱等应用。 从工业AI落地场景形成的产品及服务载体角度看，主要包括基础软硬件