23Q3业绩纪要

海康威视23Q3业绩纪要 一、公司经营情况说明 2023年三季度，国内经济企稳，但需求复苏缓慢；国际个别区域冲突加剧，部分国家通胀高企，环境的高度不确定性给企业经营带来巨大的挑战。公司继续稳扎稳打，优化和改善内部管理，提升运营效率，公司整体运行情况平稳。前三季度，公司实现营业总收入612.75亿元，比上年同期增长2.60%，实现归属于上市公司股东的净利润88.51亿元，比上年同期增长0.12%；三季度实现营业收入237.04亿元，同比增长5.52%，实现归属于上市公司股东的净利润35.13亿元，同比增长14.00%。 从国内外两方面看公司经营情况： 国内主业方面，PBG三季度继续负增长，受政府财政较为紧张的影响，项目落地进展仍然缓慢。其中交通行业、以及得到中央资金补贴的部分细分领域如森林防火、自然保护区等业务保持增长。由于公安、交警等传统PBG大行业业务占比持续下降，PBG内部的几个行业收入规模差距缩小，内部结构较为均衡。 EBG三季度继续保持增长势头，其中工商企业增速较为领先，在当前的经济环境中，数字化转型仍然是各个行业头部企业持续改善的迫切诉求。除金融板块表现较弱以外，EBG其他行业如智慧建筑、能源冶金、教育教学均有增长。SMBG实现单季度转正。 过去几年我们一直在讲EBG业务将超过PBG，EBG有更大的发展空间。三季度，EBG单季度在国内主业的收入占比接近45%，传统公安和交警的收入占比低于15%，未来公司的增长将更多的基于数字化转型带来的动力，传统安防仍然是公司技术和产品一个非常重要的应用行业，现在和未来将持续有更多的行业成长起来。 海外业务前三季度增速逐步提升，个别国家和地区如韩国、以巴等表现欠佳外，大部分国家都呈现增长态势，整体表现趋势回暖。创新业务方面，三季度同比增速较上半年进一步上升，整体增长良好。 毛利率方面，前三季度毛利率为44.85%，比上年同期增长2.50个百分点。 费用支出方面，从去年三季度末以来公司人员总数基本不变，短期内将继续维持当前人员规模，费用率呈现逐季下降趋势。财务费用方面，前三季度产生的汇兑收益约为1.05亿元；三季度汇兑损失约1.8亿。 公司存货继续保持较高水位，以应对经营环境的不确定性，为业务平稳推进提供保障。公司应收、应付款项的周转天数基本平稳。经营性现金流方面，整体回款状况较好。当前公司资金充足，将较好的保障经营平稳，支持公司积极实施各方面必要的经营举措。 未来，各行各业转型升级，将持续在机器换人、提质增效、改善运营、工艺提升、装备升级等等方面提出诉求，也给我们带来为客户创造价值的重要机会，我们认为智能物联的发展才刚刚开始。海康威视当前在多维感知领域的技术储备、产品储备，在人工智能领域的探索和积累，为我们应对外部环境 的高度不确定性带来底气。与此同时，我们也会一如既往审慎经营，我们相信公司走在正确的道路上，行稳才能致远。 2023年全年业务逐季度向上趋势继续，我们预计公司全年归母净利润在135-140亿左右。二、Q&A环节 Q：从商机或者订单的维度，是不是方便定性分享一下公司看到的最新情况，几条核心业务线是怎么样的展望？ A：从总体来看，公司还是维持今年逐季度向上的判断，对四季度的业务预期还是会更高的。每个板块面临的挑战和机遇都不太一样，除了政府之外的其他四大板块目前都保持增长的态势，所以公司整体压力不大。 先看PBG，很多人都在关心业务进展，看到宏观数据和各方面信息，大家对于未来的路到底怎么走还是存在比较大的疑惑。从我们感受到的信息来说，我提供几个视角维度供大家来参考，来验证我们看到政府业务可能有的复苏迹象。 第一，政府采购招投标项目的数量和金额，止住了之前下滑的趋势，现在开始转正了。从项目的数量、金额两个指标来看，当下的数据都在转正。 第二，工程建设项目的竣工数量在持续上升，其实也就意味着未来弱电类的项目有更大的施展空间。 第三，政府专项债的发行从8月份开始有提速的势头，最近也看到许多省发行特定债券的新闻多起来了。 所以从这些角度来看，我们感觉政府业务复苏的迹象是存在的。三季度的数据还是在反应过去的经营环境，往未来看，四季度和明年会有一个企稳的过程，这是我们大致的判断。 EBG方面，我们还是认为增长的空间很确定，因为在这样一个经济环境中，各行各业都面临转型升级的压力。长期看人口的出生率下降，用工成本提升，不管是用机器换人，还是说企业内部经营效率提升，或者更上游的材料、工艺、装备的升级，这些都是转型升级的切入方法。在这些升级过程中，海康有很多可为空间，因为大量的转型升级过程依赖于工具、方法、流程的改善，海康的智能物联实际上就是为这些转型升级过程提供数字化的方法和工具。我们觉得未来机会很多，而且产业正处于朝阳状态，所以我们是比较有信心的。 SMBG面向中小企业，总体跟宏观经济的关系会比较紧密，我们现在也在观察。SMBG三季度营收增速已经转正，目前从商机的情况来说，整体有企稳的态势，接下来看看四季度或明年上半年是不是会更好一些。 从海外市场来说，海外从三季度的数据来看呈现出回暖的势头，除了个别的国家和地区比如韩国、以巴，绝大部分国家和地区都呈现增长的态势，所以我们对海外趋势的预期也是乐观的。创新业务子公司比较多也就不打开细讲了，因为国内外经营环境都类似，所以整体情况还是不错的，谢谢。 Q：OpenAI的算法到了GPT-4的阶段，大家看到大模型、多模态算法有了新的发展，对图片和视频的解析能力有了更让大家惊喜的进步，我们利用算法所做的对产品方案的改善、对应用效果的优化、对商业效率的提升等等工作，具体是怎么样的？ A：我们之前披露的谨慎一些，有我们特别的考虑。其实不管从时间还是从投入的资源上来说，我们都是比较早也比较大的。 我们的大模型叫观澜。观澜这个名字源自《孟子·尽心上》，所谓“观水有术，必观其澜”，“观澜”寓意尽心知命，追本溯源，了解事物的根本。 我们的大模型讲起来是三层的架构，我们先说中间层——行业大模型。因为海康服务的行业很多，所以行业大模型的数量也很多，我们有用于金融的、交通的、城市治理的大模型，也有电力的、能源的、工业的、零售场景的种种行业大模型。 最顶层是任务模型，或者叫场景模型，也可以叫用户模型。这是主要针对用户不同的场景需求，在行业的模型基础上更有针对性地做训练得出的，这一类的模型就太多了。 最下面的一层其实是大家最关注的基础类大模型，或者是现在讲得比较多的通用大模型。在这一层的基础大模型上，海康的投入也比较多，但同时带着我们自己的特点。 我们有语言大模型，但这个语言大模型现阶段不追求达到通用人工智能的效果，主要构建从感知到认知的能力。我们是服务于行业应用的，有了语言的理解能力，对于完善多模态应用非常重要。我们有视觉大模型，大家应该能认可这是海康特别重要的一个部分，确实是的。我们也有其他的X光大模型、雷视大模型，以及其他的如音频大模型、甚至还有用振动光纤这个新型感知手段训练出的光纤大模型。这些是基于技术或者说数据维度来构建的。 每一个维度的信息都有所差异，所以在基础大模型上，我们的种类也会比较多。那么在这些种类之余，最后还有一个非常特殊的那就是多模态大模型。这些模型我刚才讲的可能也还没有穷尽，还有省略号。以上就是我们的“观澜”三层模型的结构。 讲完模型架构，我们来看看工具。从2018年大家就看到海康在披露AI开放平台，实际上AI开放平台是我们在基础的算法能力之上，面向用户需求的一个算法训练、生成的平台。五年前我们建立AI开放平台，就是为了衔接用户场景、行业模型、基础模型。这么多年下来，我们累计的模型数量、用户场景数量都是比较大的。 另外，关于通用模型的价值和解决的问题大家了解的很多，那么我要稍微提一下，大量的通用模型比较常见的方式是基于互联网上的数据来构建，比如一些音视频的数据。从数据的源头来讲，因为我们靠近行业用户的业务，所以我们在大量的垂直行业，比如交通、电力、钢铁、煤炭、安检等等大量场景里，实际上还是结合了比较多的行业数据来打造行业大模型。 我还想稍微讲一下存量数据、增量数据的话题。在许多用户场景中，存量的感知数据不充分，那么大部分的数据有待于通过感知的方式做采集，自己做数据清洗，最后才能用于训练。海康在这部分比较擅长，我们有丰富的感知手段，有大量的感知设备，这也是我们一直以来投入的重点。 最后我们聊聊模型的部署。部署可能是现阶段大家还不太关注的，但让算法走到用户那里，把解决方案到搬现场去解决问题的时候，就免不了要回答这个问题。 大家熟悉的可能还是在线的通用大模型的应用方式，上传一些个体数据，在线做些处理，再回传处理的结果。但是，对于B端用户来讲，这个过程一般难以实现。实际上，如果要部署巨大的模型到用户现场，往往也是不现实的。所以就又产生了稀疏裁剪、精细量化、异构蒸馏等等一些专业方式，通过这些方式实现大模型向边缘端小模型的迁移。这些其实都是实际问题，海康有很多经验，而且也是我们比较擅长的一些领域。这个部分也会涉及到一些比较大的技术创新，可能简单的语言不一定能够完全 表述清楚，我们通俗点说，就是要考虑如何把通用大模型、行业大模型、场景小模型部署到用户现场去，为用户提供出高性价比的解决方案。我们先大致提一下，后面如果有机会的话，我们看看能不能做更多的信息披露，谢谢。 Q：海康很早就已经做了大模型，但之前这个概念并没有在市场上广泛流传。现在经过将近一年多时间，整个社会包括一些下游企业用户都被大模型概念洗脑，我们现在再向客户推广的过程中，是不是会主动去提大模型的能力，能否跟我们分享一些比较典型的已经落地的案例？A：我们对于大模型提的不多，因为我们主要面对ToB的用户，其实更偏向实用主义，我们的目的是帮助客户解决问题，客户并不太关心我们具体是借助软 件、硬件或是算法，对他来说更重要的是结果。从结果的角度来说，对海康来讲，我们需要借助什么样的方法，在整体解决方案中都是灵活运用的。 人工智能可以带来非常好的效果，除了过去讲的跟身份ID识别有关的算法可能是属于大场景的需求，例如人脸识别、车牌识别，除此之外的应用仍然是非常具有用户场景个性化的需求。从实现的方式方法来说，解决问题依旧需要大量的软硬件的配合，所以我们通常借助解决方案的方式。 例如防溺水的案例，在一些河流、湖泊、水库、水闸这些比较容易发生小孩或者成年人野泳溺水的场合，过去这些场景不可能常年派人值守，但我们可以用一台海康的设备进行监控，这个设备具备一些识别的算法，实际上就是视觉大模型训练之后的结果。现在来看报警的效果也是不错的，结合现场的语音提示，还是阻止了大量的危险行为的发生。 在水果零售场景中，现金不入账的问题一直都是零售店比较难管理的，现场缺乏监督，现金的处理不好控制，这个场景下我们可以用到视觉大模型训练出来的一些结果来规范收取现金，对于不合规的行为在后台进行警示，从零售店的角度来讲，这种场景还是需要有比较强的泛化能力。 在工厂里安装螺丝的场景，大量的电子类的产品都需要安装螺丝，但是螺丝的特点就是体积小、数量多，很容易存在螺丝漏打的情况，从而影响到产品的品质。如何在大量不同产品的场景中识别到不同的螺丝孔位，判断螺丝是否都已安装，这也是相对比较常见的需求。通过视觉大模型的训练，可以在螺丝安装的场景里提示工人哪些孔位的螺丝没有安装上，从而提升生产质量。 以上这些都是比较具备应用画面感的案例。 Q：请问公司后期是否有计划考虑提升整体的分红比例？ A：我们从2015年开始，现金分红比例都基本维持在50%左右，甚至是50%以上，其实50%的分红率在整个国内的上市公司中已经算是比较高的水平了。分红率跟企业的现金流情况息息相关，一般企业的资金情况如果没有那么理想，高比例的分红实际上会影响企业的正常经营。海康已经持续多年50%的分红比例，说明我们在现金流管理方面做的比较好。我们会继续维持这样一个比例的分红，但是更高比例的话，我们目前没有这方面的计划，谢谢。 Q：目前国