興業證券,長江資管,瓴仁投資,寬遠資產,涌峰投資,普信投資,中郵理財,上海覺睿財務咨詢,Artisan,銀湖投資,凱盛投資,嘉合基金,中歐基金,瑞信致遠私募,招商基金,盤京投資,興銀理財,遠望資產,中信保誠基金,奶酪基金,利位投資,閱微知本管理咨詢,涌德瑞烜私募基金,仙游縣園莊鎮工程管理服務,和諧匯一資管,深圳高新投,康祺資產,潤澤長宜私募,深圳百山創業投資,趣時資產,北京卓文天語文化,睿郡資產,華寶基金,珠海紐達投資,石智基金,中國人壽,中信證券,國元證券,西安高新矩一建設,灝霽投資,美年大健康,合一五洲資管,Flex,星石投資,瀾府企業營銷策劃,前海開源基金,財通資管,源行投資,博篤投資,柏楊投資,新華基金,杭州巴更網絡科技,五礦證券,長城證券,合美投資,Polar Capital,賀騰資產,相聚資本,中郵創業基金,科領資本,海通資管,禾其投資,長青藤資管,中信保誠資管,長城財富保險資管,安信基金,景順長城基金,山西證券,雙安資產,鑫泉私募,南京理誠商務咨詢,明澗投資,晨星亞洲投資,杭州華經企業,匯銀奧飛基金,五地投資,上海集元資管,北京仲春私募,湖南鈞犀高創,睿遠基金,抱樸容易資管,陸家嘴國泰人壽,中資鑫融投資,國投瑞銀基金,理臻投資,Arohi,明見投資,博瀚資產,匯華理財,明河投資,乾圖私募,人保資產,恒豐理財,招銀國際,興業基金,平安資管,申萬宏源證券,國泰君安,弘毅遠方基金,Jadehouse Capital,匯金公司,澤泉投資,紅土創新基金,華安證券,浙江涌悅資管,華富基金,中英人壽,睿璞投資,國壽安保基金,寧波時通運泰私募,申萬菱信基金,博時基金,中金資管,興證全球基金,碧云資本,上海鼎鋒資產,Monolith,碳基礎科技,森錦投資,安域資本,天安人壽保險,中國健康投資,海通證券,紅杉資本,四川航天川南火工技術,聚鳴投資,金鷹基金,人保養老保險,涌見資管,上海恒建互聯網科技,南方基金,廈門合利信,陜西協春茂供應鏈,山西科芯,長沙德柯數智科技,華宸未來基金,民生加銀基金,南銀理財,國泰君安證券,國君資管,青云合益資管,國泰基金,華創證券,仁橋資管,橋河資本,北大方正人壽資管,天風證券,長江證券,百年保險資管,中銀資管,景林資產,明希資管,招商期貨,炳申投資,建信養老金,愛華資產,國信證券,太保資產,中銀國際證券,平安證券,奇盛基金,銀華基金,安信證券,凱思博投資,君茂資本,華夏東方養老資管,匯豐晉信基金,見龍資產,明達資管,弘則研究,磐拓網絡科技,韓國投資,上汽頎臻資管,中金基金,A&M,維沃移動通訊,上海人壽,長盛基金,華泰證券,佳許盈海私募,AA 投資,正心谷資本,惠升基金,嘉實基金,彤源投資,上海敬璉網絡科技,長見投資,開源證券,南京春谷私募,信璞投資,盈峰資本,中域投資,聆澤私募,寧泉資管,泓澄投資,廣發證券,遠信投資,中泰證券,磐石投資,鵬華基金,深圳固禾私募,銀河基金,泰康資產,華安基金,源泉投研智庫,乾瞻資管,中信建投證券,沃瓏港資本,博道基金,財灃投資,建信基金,謙石投資,紫閣投資,諾安基金,開思股權基金,深圳前海精至資管,長金投資,名禹資管,修一投資,易鑫安資管,橡谷資管,信達證券,私享基金,海富通基金,民生銀行,民遠投資,加拿大鮑爾集團,勤陳資產,尚科投資,瑞信證券,深圳東方港灣,萬家基金,重山投資,修實基金,易方達基金,悅溪基金,秀龍財富,泰仁資本,林孚投資,泉果基金,熵簡基金,世誠投資,中郵基金,華泰資產,興證資管,致道投資,磐厚動量資管,巴兔科技,平安基金,浙商證券,中國電信,招商銀行,中國保險投資基金,UBS,恒越基金,華福基金,交銀人壽保險,臨澤投資,真格基金,華夏基金,財新傳媒,上海成芳投資,國泰君安國際,凌晟資本,睿德信投資,路賽資管,國聯安基金,新華資產,江信基金,西部利得基金,杭銀理財,由榕資產,西南證券,平安理財,眾志投資,中航信托,浦發銀行,浦銀安盛基金,謝諾辰陽私募,才譽資本,悟空投資,永贏基金,交銀施羅德基金,天弘基金,踏腳石咨詢服務,博裕資本,國海富蘭克林基金,蘇銀理財,鑫然投資,財通證券,彭博行業研究,廬雍資產,上海家祺科技,深圳前海智騰,平安養老保險,眾安保險,泓德基金,國金證券,摩根大通證券,毅木資產,長江養老保險,青島朋元資管,Jarislowsky Fraser Ltd,畢盛投資,招銀理財,東莞鴻飛數控設備,華西證券,泰達宏利基金,TCL,中郵保險,弘尚資產,華能貴誠信托,中郵證券,天宇康威,安聯保險資管,拓澤投資,九泰基金,瑞銀證券,廈門益亨投資,圓信永豐基金,廣發資管,國盛證券,太平資產,中荷人壽保險,Harvest Fund Management,馬來西亞國庫投資,長安基金,中郵人壽保險,武漢廣茂資管,上海晨燕資管,和麗投資,恒識投資,招商證券,浙商基金,中金公司,寧銀理財,國壽養老保險,山東心諾食品,國金資管,華福證券,廣發基金,源樂晟資產,摩根大通,恒潔衛浴,明亞基金,長信基金,國新投資,中信資管,匯添富基金,中原證券

一、公司經營情況說明

2022年,全球宏觀經濟波動加大、地緣政治錯綜復雜、制裁打壓繼續升級;國內受需求收縮、供給沖擊、預期轉弱等各方面影響,給企業經營帶來巨大挑戰。海康威視秉承“專業、厚實、誠信”的理念,積極、審慎地應對各種不確定性,報告期內,公司實現營業總收入831.66億元,比上年同期增長2.14%;實現歸屬于上市公司股東的凈利潤128.37億元,比上年同期下降23.59%。

國內主業三個BG營收總和451.37億元,同比下降8.41%。其中公共服務事業群PBG實現營收161.35億元,同比下降15.79%,PBG業務受防控影響最大,公共支出受限,大項目落地較少。其中,2021年四季度公司有確認大項目收入,數據基數較高,2022年底經營環境變化劇烈,導致四季度缺乏開展有效工作的環境,我們認為22年4季度是公司業績的底部。企事業事業群EBG實現營收165.05億元,同比下降0.75%,EBG業務表現出較大的韌勁,企業用戶的數字化轉型動能較高,在地產行業大幅下行,社會經濟活力不足的背景下,仍能維持相對穩定的資本支出,其中能源行業增速較快。中小企業事業群SMBG實現營收124.97億元,同比下降7.36%,SMBG中小企業對經濟環境敏感,下半年需求不太活躍,但整體情況還算平穩。

海外主業收入220.32億元,同比增長16.41%,下半年北美、歐洲業務受通脹、政治打壓等方面的影響,業務出現負增長,發展中國家繼續保持不錯的增速。預期未來發展中國家的收入占比將會進一步提升。

創新業務整體收入150.70億元,同比增長22.81%,創新業務主要公司表現出較好的發展勢頭。

毛利率方面,公司2022年整體毛利率為42.29%,在經濟弱勢的情況下,公司盡力爭取營收增長,部分低毛利的業務機會拉低了整體毛利。2023年公司更注重有效益的增長,第一季度毛利回歸到45.17%,一方面是部分業務質量向好,另一方面是公司加大降本力度。

費用支出方面,2022年公司人員數量有一定擴張,給利潤端帶來壓力。公司從去年下半年開始已嚴格控制人數增長,費用支出的剛性是我們要面對的挑戰,預計逐季將有所緩解。

存貨方面,公司繼續保持較高的存貨水平,以加強公司應對重大不確定性的能力。公司應收、應付款項隨業務規模增長。

現金分紅方面,2022年公司的分紅預案是每10股派發現金紅利7元,派發的現金紅利約65.55億元,占比2022年歸母凈利潤51.06%。

匯率方面,公司2022年匯兌收益4.28億元。目前公司已保持多幣種結算,減少單一外幣結算比例太大帶來的不確定性。

經營性現金流方面,2022年公司經營性現金流占凈利潤比例79.2%,2022年末現金及等價物398.15億人民幣,公司資金儲備較為充足。

當前國內經濟處于復蘇向上的過程中,我們努力夯實業務基礎,注重營收質量,爭取有效益的增長。在海外國家,公司將根據經濟發展環境和地緣政治環境決定資源投入力度。雖然過去兩年環境變化較大,但公司的業務布局優勢、行業競爭地位依然保持。2023年一季度公司營收162.01億,比去年同期下降1.94%。從2022年一季度到2023年一季度的5個季度,各季度營收的同比增速分別為:18.11%,4.13%,3.39%,-9.10%,-1.94%,各季度歸母凈利潤的同比增速分別為5.29%,-19.41%,-31.29%,-31.50%,-20.69%。2023年一季度相對于2022年各季度的營收、凈利潤逐季下降的趨勢已明顯收斂,整體趨勢向好。企業的數字化轉型勢頭較好,EBG已率先恢復正增長。海外市場受政治因素、通脹等方面影響,整體出現負增長,但部分發展中國家需求情況尚可。截止目前,二季度國內增長情況較好,我們相信2023年會逐季向上。

二、Q&A環節

Q:從今年以來,整個資本市場對AI大模型在一些細分垂直領域的落地和應用有非常多的關注,海康在視覺領域又有長期的耕耘和積累,從感知能力到數據到落地和應用,對產品的把握和理解等都有非常豐富的積累,海康研究院這邊長期跟蹤和探索落地行業最前沿的技術的結合,我們又有比較接地氣的工程師的氣質和文化,如何去看待這些跟我們相關度比較高的CV大模型,SAM模型,甚至到更廣普的一些通用模型,對我們這個行業的發展,包括商業模式、競爭格局等帶來的影響,我們有什么樣的準備和應對,謝謝。

A:最近幾年在人工智能領域,大模型是一個比較明確的技術發展趨勢,因此我們研究院在幾年前就開始研發視覺大模型技術。現在我們的大模型技術已經到了多模態大模型的研發階段,我們的多模態大模型包括視覺、語音、文本等多模態信號的融合訓練及處理。

為了支持大模型的研發,海康也自建了業內一流的數據中心,我們構建了千卡并行的訓練能力,并且面向智能安防的場景,我們訓練了百億級參數的大模型,我們知道現在大模型的部署應用成本是較高的,所以面向這種部署應用成本較高的限制,我們在大模型的算法架構上進行了研發。在算法上我們基于基礎大模型,研發了更高效的行業模型,在架構上我們應用云、邊、域的智能物聯系統架構,實現信息的多級處理,達到成本與效果的均衡。這類多模態的大模型的智能感知認知能力,使得我們的智能系統具備了更強的泛化能力,能夠更好的去理解和響應用戶的需求。目前我們的多模態大模型已經在我們的AI開放平臺上上線,它使得我們能夠更好的去理解現場更加復雜場景下的視頻內容,使得我們視頻信息的提取的精確度有了量級上的提升,另外它使我們數據標注的工作的自動化程度大幅的提升,標注的效率提升了一個量級。目前我們AI的開放平臺已經在100多個行業的智能化的產業升級中獲得了應用,并支持了15,000多家用戶。

現在從大模型的發展趨勢來說,現在大模型的研發在全世界是呈現一個百花齊放的態勢,并且展示出很強的能力。我們認為在面向垂直領域應用的時候,結合高質量的領域數據及領域知識所訓練的行業大模型,其性能及實施成本都會具有優勢。舉個例子來說,彭博社利用其在金融領域多年的積累,構建了500億參數的BloombergGPT,該模型在金融領域取得了很好的效果。海康威視在智能物聯領域具有20多年的積累,相信我們的大模型開發會給會為我們帶來更多的優勢,為用戶提供更好的服務。

剛才您也提到了META發布的大模型,我們認為在AI領域過去有大量的技術開源,這種開源工作大幅度加速了這個行業的進步,降低了技術的門檻,提升了技術的下限。但是另外一方面,我們認為這個領域的應用,達到SOTA(StateoftheArt)的性能模型往往是需要一些專業的數據和領域知識的積累的。SAM模型在發布之初我們就關注到了,并且也進行了系統性的評測,我們的結果顯示相對于我們專業領域的應用來說,它的性能跟我們的專業模型還是有一定差距的。

最后我們在人工智能領域方向是會持續的投入,我們也會高度的關注業界大模型的發展狀況,積極的與國內的企業、高校、開源社區開展合作,共建良好的大模型生態,為我們的用戶提供更好的服務。

Q:我們一直以來對公司的發展還是抱有非常多的信賴和期待,公司對未來10年的發展也有一些大的方向和目標,之前在致股東上提到過發展機遇期的問題,但過去幾年大環境造成的國內和海外的變化確實是超出了絕大多數人的意料,除了2020年底到2021年中間有幾個季度算還可以以外,其他的都是比較考驗企業團隊和員工總體執行力的一個過程。我們也看到了公司持續的投入和拓展,在去年的環境下面我們也有一些人員的投入,盡管說這個幅度不是很高,往未來的角度來看,想請胡總給大家做一些定性維度的指引和判斷,未來幾年我們重點在落地應用盤點上,以及在供給端、感知端能力擴展和融合之后的一些新的發展機遇上面,在響應提高整個央國企的發展質量,進一步提升價值,推動整個公司往更高體量發展的大的背景下面,我們有一些什么樣的思路和展望。

A:我們在2021年的致股東中提到未來三年是海康的機遇期,這幾年的確出現了很多的變化,21年還是不錯的,22年沒想到有這么大的一個動蕩,這是對環境變化判斷的不足。從公司角度來說,競爭環境是在改善的,但是政治環境不是很好,比如美國的打壓,環境不是那么好,這是第一個方面。

第二個方面,公司的能力是在提升的,業務的選擇、技術的方向也是比較清晰的,我們從可見光到毫米波、到遠紅外、到X光、到聲波,這些技術都在逐步落地,包括去年我們EBG業務表現還不錯也與這些技術的落地都有很大的關系。其實在20年、21年的時候有一些特別的機遇期,包括人體測溫,在2022年人體測溫市場恢復平靜之后,EBG依然表現的不錯,這是公司一個綜合能力的反映。

第三個方面,海康本身也到了一個轉折期,公司內部運營、管理等各方面的能力都在提升,處于上升的趨勢,所以對機遇期的基本判斷我認為還是沒有錯。在這樣的一個全球化政治、經濟的影響之外,這幾年可能還會有一些的困難,但這些困難對于培養和打造公司持續上升的能力以及長期發展還是比較好的,我們在感知的能力,在MEMS技術、在信號處理、設備類別的豐富程度,包括在AI上的能力、營銷的能力以及適應外部變化的能力都在提升。所以即使未來兩三年或甚至三四年還可能遇到這樣或那樣的困難,我想走過這一段困難的時間后,我相信海康的發展會持續向好,謝謝。

Q:現在市場上有一種觀點,憑借大模型或者說其他一些開源的AI技術,我們的競爭對手就可以在更大的機會上去突破我們之前建立的技術壁壘,并且他們覺得會使得整個競爭格局走向分化,想聽一聽公司對這個問題的看法。

A:首先現在大模型呈現的能力,尤其是它在AGI上面呈現的能力,讓大家看到人工智能未來會有更強的泛化能力,也會有更多的應用價值的輸出,這一點現在看起來這個趨勢是比較明顯的。但是另外一方面我們也看到大模型它本身它是一個人類的數據和知識的凝練,對人類的任務進行響應的一個過程。因此我們認為在面向于垂直領域的時候,這種高質量的領域數據和領域知識都會產生巨大的價值,這一點在以往的許多學術論文以及一些競賽上我們都可以看到,SOTA的人工智能的結果,往往不是一些通用的模型能獲得的,往往是結合了一些領域數據和領域知識的模型才能獲得。剛才我也提到了類似于像彭博社的BloombergGPT在金融領域的效果,也提到了SAM的分割模型在我們的領域里面的一些效果,這些都驗證了這樣的結果。對于海康威視來說,我們是在比較早的時間就識別到了大模型的發展趨勢,我們很早就做了視覺大模型,由于我們海康的技術架構是發展全面感知的智能物聯的架構,因此我們也在比較早的時間就做了多模態大模型的研發。多模態大模型里面,它是把視覺、雷達、聲音、文本、X光各種模態的信息都根據任務的需要來進行融合及訓練。我們覺得大模型開源的態勢,首先它會讓人工智能的應用更讓廣大的客戶接受,整個智能物聯、人工智能的蛋糕會越做越大,對于像海康這樣具有多模態的大模型能力,以及具有全面感知的產品線,另外我們又有物聯網領域二十多年領域知識的積累,我相信在這樣的技術趨勢下,我們的技術結合會給我們的用戶帶來更多的價值和優勢,謝謝。

Q:市場現在也很關心我們各個BG今年整個景氣度的展望,能否幫忙從訂單或者商機的角度講一下今年是否能夠看到比較明確的提升趨勢,謝謝。

A:市場肯定很關注經濟復蘇的情況,從整個大環境來看,從去年的二季度開始,商機數受到一些遏制,三季度四季度是逐季下滑的,直到今年一季度受影響還沒結束,過了春節以后才看到一些商機在逐步增加,目前來看可能還是要到今年的5月份才會有比較明朗的趨勢。現在這個時候看每個BG由于周期不一樣反應出來的情況也會不同。比如說SMBG主要針對于小商戶、小工廠、小企業、小單位,所以一般情況下SMBG反應會比較快,它的決策鏈條比較短,如餐飲、旅游的恢復增長會直觀的帶動我們業務的增長或波動。EBG的決策相比PBG的決策還是要快一些,PBG的決策更慢,特別是一些地方政府在資金的壓力上面,政府發債也需要時間,所以PBG得恢復看起來相對更緩一些,大致的情況是這樣子。

Q:關于我們的競爭優勢,一個是體現在我們在很多垂直領域數據的積累上,另外一個是體現在我們的渠道壁壘