AI赋能制造业道路，传统安防龙头估值逻辑切换

电子 证券研究报告 2023年04月09日 投资评级 AI赋能制造业道路，传统安防龙头估值逻辑切换 技术端：技术升级缓解精度和成本痛点，加速AI在安防应用场景落地 传统AI模型存在模型精度不足、大数据利用能力不足等限制，导致AI在安防行业应用场景受限。随着AI时代开启，有望从技术端突破瓶颈，提高模型精度并降低人工标注成本，拓宽下游应用领域，加速场景落地。 （1）图像机器学习+大小模型协同进化，模型精度显著提升。通过自训练和注意力机制，将图片与结构化数据的关系由人工标记变为机器自主学习，显著提高模型精度并提高下游泛化能力。在算力不足的边侧，大模型通过知识蒸馏等方式达到训练小模型的目的，实现大小模型在边侧的协同进化；（2）大模型有效降低标注成本，利用预训练大模型+下游任务微调的方式，助力下游场景日渐丰富；（3）多模态助力模型精度提升，音频技术助力智能安防，在安防领域广泛运用于安防机器人、智能视频监控。 下游需求：AI技术深度赋能各行各业，为B端带来广阔市场空间 1）工业：智能化转型为安防带来广阔空间。据我们测算，每年在质检有将近 2100亿的人力成本，汽车、消费电子等行业潜在可替代空间均达到千亿级别。 2）智慧城市：校园/医疗/城市等多场景深度赋能安防。智慧城市辐射多个领域，驱动市场规模超百亿级。视频监控摄像头作为数据核心，为视觉应用厂商带来广阔机遇。 3）煤炭：政策指引+IT赋能，智慧矿山驱动智慧物联需求。安永预计智慧矿山整体市场规模超万亿元。 4）农业：降本增效+技术进步驱动，潜在可替代成本预计突破万亿，养殖和种植双场景赋能智慧农业。 市场格局：AI时代开启，安防巨头估值逻辑从传统安防切换至AI 我们认为，在AI时代下，安防行业将呈现强者恒强的发展趋势，海康大华的估值逻辑将从传统安防拓展至AI。与雪亮工程对比，AI将为安防行业带来更大空间，龙头受益程度亦会更高。（1）雪亮工程：受政府订单驱动，行业周期性强、空间受限于G端、行业格局尚未清晰。雪亮工程后海康大华逐渐占据行业主导地位；（2）AI时代：随着AI赋能各行各业，行业将显著受益于AItoB端，行业天花板被打开。我们认为，伴随着AI迅速发展，行业马太效应将进一步凸显，海康大华凭借渠道、行业理解、数据等优势有望持续领航。 两大安防巨头核心竞争：（1）渠道：国内外覆盖广泛营销网络，规模优势打造成本壁垒；（2）行业Know-How：行业理解提高数据精度，是AI技术变现的核心能力；（3）数据：数据是AI模型构建的基础。安防龙头积累丰富数据资源和价值挖掘能力，有望构建AI时代下的数据护城河。 中移动成为大华特有阿尔法，有望实现协同发展。中移动作为运营商龙头，广泛布局视觉AI，与大华在AItoB端高度协同。中移在算力、数据和渠道拥有显著优势，将助力大华渠道下沉，深度赋能大华在AI领域发展。 投资建议：建议重点关注：1）安防厂商：大华股份、海康威视、千方科技等安防产业链标的；2）上游关键硬件厂商：富瀚微、寒武纪、舜宇光学等。 风险提示：下游需求不稳定风险、企业技术研发不及预期、供应链安全风险、知识产权风险、主观测算风险。 行业评级强于大市(维持评级) 上次评级强于大市 作者潘暕分析师 SAC执业证书编号：S1110517070005 panjian@tfzq.com 许俊峰分析师 SAC执业证书编号：S1110520110003 xujunfeng@tfzq.com 行业走势图 电子沪深300 16% 11% 6% 1% -4% -9% -14% 2022-042022-082022-12 资料来源：聚源数据 相关报告 1《电子-行业深度研究:AI新时代算力需求高增长，算力网络建设有望奔向太 空》2023-03-30 2《电子-行业专题研究:4D毫米波雷达：平衡成本&性能的标配传感器，自动驾驶再添新翼》2023-03-22 3《电子-行业投资策略:先周期复苏后成长创新，抓住内需和供给侧拉动》2023-01-14 请务必阅读正文之后的信息披露和免责申明1 内容目录 1.大模型突破技术瓶颈，有望加速AI场景落地5 1.1.图像机器学习+大小模型协同进化，模型精度显著提升5 1.1.1.图像机器学习+注意力机制实现降本提精，图像交互方式或被颠覆5 1.1.2.大模型+小模型协同进化，在边侧实现模型精度提升7 1.2.机器学习有效降低标注成本，助力下游场景日渐丰富8 1.3.多模态驱动模型精度提升，音频技术助力智能安防9 1.3.1.多模态模型落地，多维数据提升模型精度9 1.3.2.音频模态接入，助力智能安防场景落地10 2.大模型应用领域不断丰富，打开安防下游市场空间11 2.1.工业：智能化转型市场广阔，安防迎来全新机遇12 2.1.1.人口负增长、老龄化背景下，智能工厂迎来广阔空间12 2.1.2.工业智能化转型市场广阔，细分行业潜在可替代空间均可达千亿级别13 2.2.智慧城市：以摄像头为核心，多领域市场空间达百亿级16 2.2.1.智慧校园应用分为两个场景，中小学市场规模达千亿级16 2.2.2.智慧医院涉及三大核心，相关市场规模达360亿元17 2.2.3.视频监控为智慧城市核心，运营商视联网平台丰富摄像头应用环境18 2.3.煤炭：智慧矿山驱动智慧物联需求19 2.4.农业：降本增效驱动下，智慧农业前景广阔22 2.4.1.传统农业规模大，智慧农业发展前景广22 2.4.2.智慧养殖将实现全流程智能管理，农林牧渔业潜在可替代人力成本已超亿元24 2.4.3.智慧种植有望实现无人化，潜在可替代种植业人力成本达到千亿25 3.行业格局：AI时代下，安防两大巨头有望持续领航28 3.1.渠道：全球化营销和渠道优势，品牌效应明显28 3.2.技术：数据+行业Know-How构建AI时代下护城河29 3.2.1.行业Know-How：行业理解提升数据精度，助力AI技术快速变现29 3.2.2.数据：AI模型的基础和源泉，安防龙头数据资源优势明显30 3.3.中移动：大华股份特有阿尔法，战投有望实现协同发展31 3.3.1.研发端：中移AI领域优势明显，深度赋能大华AI安防发展31 3.3.2.渠道端：运营商龙头企业，助力大华渠道下沉33 4.投资建议34 5.风险提示34 图表目录 图1：大模型+小模型协同发展流程5 图2：人眼注意力机制示意6 图3：提取图片的文字结构数据示意6 图4：注意力机制作用示意6 图5：对具有不同遮挡程度的复杂环境的识别7 图6：知识蒸馏示意图8 图7：三类知识蒸馏的差异8 图8：传统安防项目落地流程8 图9：BEiT-3可迁移到各种视觉、视觉-语言的下游任务9 图10：谷歌Palm-E模型能接收多模态输入10 图11：整合多模态数据能够有效提高模型精度10 图12：包括声纹识别的多模态生物识别技术11 图13：百城市公共就业服务机构市场岗位空缺与求职人数的比率12 图14：2013-2021年我国劳动力情况（单位：万人）12 图15：上海特斯拉超级工厂14 图16：上海特斯拉工厂焊接车间14 图17：蓝思云示意图15 图18：蓝思科技生产车间15 图19：摄像头实现云边端协同的框架19 图20：中国电信天翼视联网平台布局19 图21：2016-2022年中国煤炭行业规上企业营收情况（单位：亿元）19 图22：2011-2022年全国煤矿百万吨死亡率情况19 图23：2018年世界主要产煤国家煤矿安全生产相关指标19 图24：2021E-2022E中国智慧农业预测规模与农民收入对比22 图25：2018-2022年中国农林牧渔业增加值以及占GDP比重22 图26：智慧农业基本架构22 图27：中国智慧农业产业链结构22 图28：牧原智能养殖云平台23 图29：2017-2021年农林牧渔业城镇单位就业人员平均工资24 图30：2022E-2029E中国智慧养殖行业市场规模预测24 图31：三易易美丽牧场智慧养殖解决方案25 图32：2019-2021年粮食作物总人工成本（亿元）25 图33天工智慧种植方案结构图25 图34：华为农业沃土云平台系统架构26 图35：超级棉田降本增效对比图26 图36：AI视觉解决方案——农业领域27 图37：2015-2018年海康大华营收（左轴）及同比增速（右轴）28 图38：2021年国内以视频监控为主营业务的安防企业营收占比28 图39：2022年全球安防“50强”前十29 图40：大华企业平台3.030 图41：大华城市平台2.030 图42：大华股份“一体系，两平台”架构30 图43：大华股份数据中台31 图44：大华股份构建数据大生态31 图45：“垃圾满溢”算法流程32 图46：“垃圾满溢”算法中对图像预处理32 图47：“垃圾满溢”算法中模型推理32 图48：算力路由原理33 图49：中移动构建面向行业细分领域的位置大数据原子能力体系33 表1：对于给定图片（男性肖像），注意力机制的实现过程6 表2：车间加工中心各工序对表面粗糙度的精度要求7 表3：大模型具有的特征与优势9 表4：目前主流的多模态大模型9 表5：包含声音的常见多模态任务10 表6：机器人在工业中可能的应用场景12 表7：2021年汽车行业主要厂商生产人员情况及人员成本13 表8：特斯拉上海超级工厂制造环节及流程14 表9：2021年消费电子行业主要厂商生产人员情况及人员成本14 表10：富士康“灯塔工厂”示范15 表11：蓝思科技智慧工厂应用16 表12：智能校园相关智能化设备情况16 表13：智能医疗相关智能化设备情况17 表14：部分医院智能化升级总花费18 表15：智慧矿山相关政策20 表16：大华股份智慧矿山解决方案21 表17：2022年出栏量前10的上市猪企人工成本和智慧养殖情况23 表18：智慧养殖解决方案25 表19：国内智慧农业先进解决方案26 表20：机器视觉农业应用场景27 表21：雪亮工程时代与AI时代对比28 表22：部分安防企业渠道数据统计28 表23：中国移动AI视觉相关核心能力31 表24：中国移动人体姿态行为分析能力和通用场景目标检测能力32 表25：中国移动2022年个人市场和家庭市场用户34 1.大模型突破技术瓶颈，有望加速AI场景落地 我们认为，AI在安防行业商业化落地进程中主要存在两大痛点：第一，传统机器学习模型精度不足；其次，模型限制成为大数据发展的挑战之一，模型下游应用场景有限。 随着AI时代到来，我们看到如下趋势：通过突破技术端瓶颈，或将显著提高模型精度并降低人工标注成本，拓宽下游应用领域，加速场景落地。具体而言，（1）图像机器学习+大小模型协同进化，模型精度将显著提升；（2）大模型有效降低标注成本，助力下游场景日渐丰富；（3）多模态驱动模型精度提升，音频技术助力智能安防。 1.1.图像机器学习+大小模型协同进化，模型精度显著提升 我们认为，图像机器学习+注意力机制将提高精度并降低人工标注成本，通过大小模型协同进化，拓宽下游应用场景。 具体而言：（1）在图像机器学习+注意力机制赋能下，AI大模型对于复杂图片和场景的识别能力有望显著提升，降低人工标注成本，提高大模型自我训练的精度；（2）大模型通过知识蒸馏、量化等方式，在边侧将其沉淀的知识与推理能力向小模型输出，达到训练小模型的目的。（3）小模型向大模型反馈算法和执行成效，帮助大模型迅速收敛。通过上述流程，将实现大小模型在云边端协同进化。 图1：大模型+小模型协同发展流程 资料来源：华东政法大学政治学研究院、华东政法大学人工智能与大数据指数研究院、清智机器人TsingRobotCenter公众号、天风证券研究所 1.1.1.图像机器学习+注意力机制实现降本提精，图像交互方式或被颠覆 Clip模型是OpenAI于2021年初发布的开源神经网络，在无需人工标注标签的图像识别上性能卓越，Clip开源的特点或将加快国内厂商技术追赶图像机器学习进度，为后续机器视觉大规模商