科大讯飞交流纪要20240618公司

·公司一季度整体收入增长超过26%，其中消费者业务增长超过60%，医疗业务增长超过100%，汽车业务增长超过70%，金融业务增长超过90%。 ·教育业务保持稳健增长，学习机收入增长超过100%，智能办公硬件收入增长超过100% 。 ·学习机每月销售额持续高速增长，NPS净推荐值连续五年保持行业第一，高端科大讯飞交流 纪要20240618 ·公司一季度整体收入增长超过26%，其中消费者业务增长超过60%，医疗业务增长超过100%，汽车业务增长超过70%，金融业务增长超过90%。 ·教育业务保持稳健增长，学习机收入增长超过100%，智能办公硬件收入增长超过100% 。 ·学习机每月销售额持续高速增长，NPS净推荐值连续五年保持行业第一，高端市场份额和线 上销售额均为第一。 学习机产品功能亮点包括AI个性化学习和大模型定义的AI一对一互动式辅助学习功能。 ·大模型在toC端的应用主要包括智能教育硬件和智能办公硬件，这些产品的一季度收入增长超过100%。 ·大模型在toB端的应用主要集中在金融、央企、汽车、运营商和家电领域，多个项目已中标或处于中标状态。 ·B端项目推进速度在加快，众多订单和商机正在验证阶段。 ·大模型商业化落地围绕老产品和新技术应用进展较快。下周将发布对标GPT-4Turbo的版本。 ·教育业务收入中30%来自toG项目，30%来自学校的toB业务，40%来自家长的toC业务。 公司调整收入结构以减少toG业务的比例。 ·公司整体收入结构中B业务占比约40%，C业务占比约30%。未来增长的驱动力将是B加C业务。 ·大模型toB的落地进展正在加快，涉及金融、汽车、运营商等领域，预计下半年速度 加快。 ·现有toB业务如汽车增长超过70%，金融增长80%，医疗场景增长100%，这些增长受益于新能源汽车和中国成为第一大汽车出口国。 ·去年公司固定资产增加17亿，主要用于算力和服务器，未来3到5年以折旧摊销方式计入研发费用。 ·一体机适用于需要华为算力的客户，或者在行业模型训练完成后在边缘侧部署使用，适用于大规模推广。 ·公司在办公等工具类产品领域有优势，互联网公司多专注内部业务赋能或平台化打法，而科大讯飞擅长场景应用交付。 ·公司的综合实力和品牌在不同省份的规模化落地上更具优势，与创业类公司相比优势更加明显 。 Q：公司在教育业务方面，尤其是toG端的财政压力情况如何？对此公司的全年预期是怎样的？ A：ToC的业务主要集中在智慧城市、政务和智慧教育，其中大约30%的收入来自于toG的项目。 当前toG端确实面临财政压力，这种情况可能会延续去年。 公司近年来有意识地调整营收结构，以教育业务为例，30%是toG业务，30%是toB业务 ，40%是面向家长的toC业务。 目前toB业务保持相对稳健的增长，而学习机等toC业务增速较快。 未来一两年，toG业务占比预计将持续下降，公司会专注于一些产粮大省，防范预投入和应收账款风险。 公司整体收入结构中，B和C业务占比最高，B端业务占40%以上，C端业务约30%。未来，公司增长的主要引擎将是B端和C端业务。 A：公司在toB端的业务主要分为大模型落地进展和现有存量业务。 上半年大模型项目的进展较快，预计下半年速度会进一步加快，涉及金融、汽车、运营商、央企、国企及民营企业等多种场景。 现有的toB业务也表现出稳健增长，如汽车业务增长70%以上，金融业务增长80%，医疗场景增长100%。 公司将在新旧业务交融过程中，逐步提升大模型解决方案的比重，继续引领未来增长。A：去年公司在大模型的研发投入显著，包括增加了17亿元的固定资产，主要用于算力和服 务器。 未来3到5年内，这些投入将以折旧摊销的方式计入研发费用。除了算力折旧，研发费用还包括人员成本和数据相关费用。 公司在人员招聘方面较为谨慎，优先内部转岗，提升人均效能。整体来看，去年的大规模投入对未来几年的基本面影响不大。 A：公司的AI计算一体机适用于需要华为算力的客户，提供标准化软硬件结合产品；对于不需要华为算力的客户，则可单独提供行业大模型。 目前很多客户还处于方案验证阶段，商机不断增加。 一体机适用于行业模型训练完成后在边缘侧部署和大规模推广。 B端项目决策涉及多个环节，需要一定时间来推动和落地。 一体机是备选方案，不影响公司toB业务的定制化解决方案落地。Q：公司如何看待互联网巨头进入大模型赛道，是否会对竞争格局产生影响？ 科大讯飞有什么应对计划？A：我们将互联网公司和创业公司分为两类来看待。 互联网公司中，有些专注于娱乐和社交，有些则偏向工具属性。科大讯飞的大模型主要应用于办公等工具类产品。 竞争层面上，互联网公司通常擅长平台化打法，但在实际应用落地、交付和服务保障方面，科大讯飞有独特优势，特别是在教育、医疗、金融、汽车等自有场景中的应用。 相比创业公司，我们在技术到产品化、解决方案化以及规模化落地方面的综合实力和品牌优势更为明显 。 虽然我们在资源禀赋上与一些大厂存在差距，但我们基于国产化算力和高效的研发投入，已在实际应用效果上取得显著成果，并有信心在6月27日发布的新版本中继续保持领先地位。 A：公司在国产算力布局上已取得显著成效。 自去年四次发布会以来，我们已经在十月份搭建完成了基于国产化算力的万卡集群，所有的讯飞星火能力都是依托国产化算力部署的。 基于华为昇腾的算力，我们已经能够持续迭代大模型版本。 国内各地也在推动计算建设规划，到2025年将建成30万P算力，这表明国产化算力成为趋势。 目前，只有科大讯飞能够搭建这种规模的国产算力平台，并在算子库补充、资源调度等方面与华为合作取得成功。 未来的版本迭代也将基于国产化策略推进。Q：从行业视角看，国内外AI应用的发展情况如何？ 目前较为缓慢的主要原因是什么？下一个应用点在哪里？ A：目前AI应用的发展在国内外都有所差异，发展速度较慢的原因主要在于技术瓶颈和应用场景的成熟度尚不足。 未来，大模型后的下一个应用点可能集中在更具体的行业应用，如医疗、教育、金融等领域，这些领域对智能化和自动化的需求较高，且能直接受益于大模型技术的进步。 Q：目前公司在大模型领域的应用进展如何？尤其是文生视频和其他应用的效果如何？ A：目前，科大讯飞的文生视频技术仍处于早期阶段，尚未达到ChatGPT的成熟度。虽然国内已有类似产品，但其效果和成本尚未得到验证，用户体验也有待提升。 目前，大模型在C端应用尚未爆发，渗透率较低，主要集中在办公和娱乐等领域。 大模型的原生应用在日活跃用户上与Facebook、TikTok等平台相比还有较大差距。主要原因在于大模型的基础能力仍在不断迭代进化，当前各大公司都在对标GPT-4。 A：大模型技术对现有产品的竞争力提升明显。 以科大讯飞的学习机为例，加入大模型技术后，其核心竞争力和销量都得到了显著提升。 这类产品在推广中不仅强调内容层面的卖点，还推销AI相关卖点，显示出大模型技术在提升传统产品竞争力方面的潜力。 科大讯飞在这方面成为行业推动者和受益者。 A：ToB领域的大模型技术应用具有其特定特点，中国市场的行业丰富度高于美国，包括面向开发者、一般民企和央国企等。 央国企由于面向产业链上下游，其市场体量大，例如科大讯飞的运营商业务已达到约20亿的规模。未来，面向特定行业央企的业务可能成为一种确定趋势，涉及产业链上下游的合作。 A：国内大模型开发者数量持续增长，对大模型技术的热情高涨，目前正处于试错阶段，寻找适合的应用场景。 近年来，AI开放生态逐渐繁荣，虽然收费规模尚未显现，但未来潜力巨大。 科大讯飞自2010年起就提供AI能力，当前其AI相关SaaS能力已达到五六亿的规模。未来，基于大模型的能力收费将成为一种确定趋势，覆盖语音、图像等领域。 国企和一般民企也在探索行业大模型的应用，随着效果达到预期，推进速度将加快。A：价格战对公司的API业务影响不大，目前API收入在五六亿规模，不是因为大模型产 生的，而是在大模型出现之前就已有的收入。 关于降价问题，需要区分长期主义和市场化竞争。 科大讯飞的降价是基于AI推理成本下降，为了普及AI能力。而其他公司则多是基于市场竞争。 科大讯飞降价的版本是旧版本，新版本不降价。 这种策略有助于更多人使用大模型技术，推动大模型生态的发展，对公司整体经营无影响。Q：请基于应用成熟度，对科大讯飞的AI应用进行排序，包括toB和toC，原生和既有 的应用。 A：对于科大讯飞来说，应用成熟度排序如下：第一类是toC的智能硬件，这是最快且最确定性的抓手。 第二类是现有软件产品，如讯飞输入法、讯飞听见等，已自然融入大模型能力。第三类是toB类项目，主要是千万元以上的项目，已在落地。 第四类是toC的大模型原生应用，由于其从0到1的特性及市场教育过程，发展较慢。目前像ChatGPT这样的应用也未达到超级应用的活跃度。 未来大模型原生应用将首先出现在工具类，然后是娱乐社交、电商、搜索等场景。 以讯飞星火为例，主要应用于办公场景，拥有两千多万用户，提供各种助手功能。 公司优先级上，原生应用较靠后，工具类应用为主，逐步验证在不同场景中的用户满意度。A：大模型原生应用未来将面向不同场景，首先出现在工具类应用中，解决特定专业问题，以 提高用户活跃度和满意度。 随后可能扩展到娱乐社交、电商、搜索等场景。 讯飞星火作为办公助手，已拥有两千多万用户，并在去年6月发布了智能体助手功能。这些助手的出现是为了验证在不同场景中提升用户体验。 大模型原生应用的优先级在公司内部较低，但未来随着技术进步和市场教育，将逐步推进。A：公司将在6月27日发布最新的星火V4.0版本。 公司希望投资者持续关注这一进展。 星火V4.0版本将进一步提升办公场景中的助手功能，验证其在不同应用场景中的用户满意度和获得感。 未来，公司会继续优化和拓展这一产品，满足市场需求。