AI产品专家解读AI工业落地场景

AI产品专家解读AI工业落地场景导读： IEEE（InstituteofElectricalandElectronicsEngineers）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A I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。