通過網絡文字互動方式參與2023年半年度軟件行業集體業績說明會的投資者

問題1:公司下半年主要的利潤增長點是哪些?接下來公司重點業務重心會放在哪一項上面呢?

回 復:公司在戰略層面上不會發生實質變化,往通用人工智能發展,操作系統的底層不會變化,中間部分采用了生成式迭代升級。業務核心解決的是提高生產力、降本增效和安全可控。我們持續會把業務放在行業精靈和行業解決方案,重點行業在3(金融、交通、治理)+2(智慧能源、智能制造)。我們會持續地調整行業結構,基于行業大模型的不斷落地會往ToB側做更多的拓展,同時毛利率也會得到提升。

問題2:請問董秘,貴公司官網上有介紹有腦科學和類腦研究的部署,請問目前腦機方面進展如何,未來有什么規劃?

回 復:公司堅持要打造“像人一樣思考和工作”的智能體,目前的交互方式主要是“問答”,未來將進階到“伴隨”和“托管”,最終將在交互方式上實現。公司從感知、認知到決策各關鍵環節進行布局,腦科學和類腦研究的部署也是其中一環,因此我們在這塊不斷地和第三方機構進行合作和探索。我們會持續和國內外優秀的腦科學和類腦研究機構展開合作。

問題3:公司目前大模型的落地情況如何?預計今年的相關營收情況怎樣?

回 復:公司從容大模型已更新到v1.5,后續模型版本的規劃是以百億模型為主體走行業落地方向,同時兼顧大模型性能的優異性和實用性的規劃方向。一方面,是在跨模態、動模態的模型上面繼續保持國內領先地位;另一方面,就是公司中央大模型主攻的邏輯是行業落地模型,所以會與行業頭部的公司,比如神州信息、佳都科技、中檢、報業等聯合打造行業大模型。我們預計能在今年和明年上半年逐步在各行業落地。

在當前階段是需要持續投入的,因為大模型本身就是需要先投入后持續產生好的邊際效應。但隨著產品化和服務化能力的不斷提升,大模型的邊際效應也會逐漸顯露出來,商業模式由TOG端到TOB、TOC和SMB端轉變的優勢也會逐漸凸顯,目前我們在下半年已經有基于模型形成的產品和方案,預計會帶來試點收入,而且通過模型的落地會對未來持續經營能力和盈利能力產生很好的幫助。

問題4:目前不少大廠也在涉足行業大模型,云從科技的優勢是什么?

回 復:大模型在商業化落地時需要不斷調整,而開源模型是有局限性的。因此,有基礎模型能力與自研能力的公司更具備競爭力。

公司自主技術的研發是一個長期積累的過程,公司通過在人工智能核心算法領域的多年深耕,掌握了自主研發且不斷創新的人工智能核心技術,實現了從智能感知到認知、決策的核心技術閉環。公司自主研發的人臉識別、跨鏡追蹤、活體檢測、語音識別、自然語言處理等人工智能技術均處于業界領先水平。

同時公司也會在重點行業(如對私有化部署需求較多與數據安全需求較高的行業)中嘗試,因為這些行業具備較好的場景與條件來驗證大模型的能力,且同時具備戰略意義。

其實并非所有應用場景下,模型參數數量規模均需盲目地進行擴大。例如在工業化生產領域,需要同時考慮推理成本與效率。這就會考驗到各個公司的模型優化能力和工程化水平,即在實現生產成本降低的同時,生產效率依然保持高水平。真正未來到量產階段,行業內各公司一定都會考慮效率與成本的問題,實質上就是會比拼哪家公司的底層能力更強、哪家公司能在控制成本的同時保持高效率。

總結公司多年來從技術和行業落地的經驗,具體的優勢如下:

1、算法優勢:(1)算法種類豐富,擁有感知、認知的多類型算法,從視覺、語音、語義、空間等算法;(2)算法成本低;(3)算法性能快;(4)算法效果好。

2、工程化優勢:本身大模型和人工智能不是單點的技術問題,特別是行業落地的領域,更看重工程化能力,云從多年從事行業智能化,具有非常強的工程化能力,并且從分布式高可用架構方面做了很多技術攻堅,且在國產化適配上提前做好布局。

3、技術壁壘:從算法生產閉環、事件處理閉環、數據賦能閉環以及人機交互閉環,通過閉環實際解決行業的智能化落地,解決其提升效率、降本增效的需求。

4、生態開放:公司擁有算法集成生態、異構算力生態、設備適配生態以及應用賦能生態,從技術安全到數據安全自主可控。