日期 | 股票名 | 調研地點 | 調研形式 |
2023-10-22 | 中科創達 | - | 業績說明會 |
參與機構 |
興業證券,財通基金,北京壹玖,申港證券,溪牛投資,北京源樂,中國銀河,國富聯合,上海東方證券,上海甬興,中歐基金,招商基金,尚正基金,中金投資,中信證券,深圳興海,上海古木,朱雀基金,建信養老,施羅德,國元證券,上海域秀,興證全球,UG INVESTMENT ADVISERS LTD,寧波景員,維金(杭州)資產,寧波圓合,申萬菱信,聯創投資,海通國際,建銀國際,光大證券,長城證券,IGWT,果行育德,大家資產,東吳基金,深圳清水源,上海國贊,西藏隆源,深圳君弘,深圳易同,野村東方,國泰人壽,鴻運私募,上海敦頤,和易瑞盛,廣東世佳,AwpiceCapital Management,信達澳亞,國泰君安,廣州瑞民,華安證券,東北證券,上海禧弘,博時基金,新聯合投資,深圳紅籌,上海深積,海通證券,紅杉資本,民生證券,深圳榕樹,東方阿爾法,光大保德,國聯證券,美林(亞太),大和資本,南山人壽,興華基金,高盛(亞洲),野村國際,川江投資,渤海匯金,杭州致道,國泰基金,華創證券,millennium,天風證券,長江證券,長城基金,中銀國際,國信證券,平安證券,安信證券,浩成資產,上海摩旗,光大保德信,交銀施羅德,東吳證券,深圳前海,長盛基金,四川鑫未,富瑞金融,華泰證券,惠升基金,嘉實基金,開源證券,星展證券,方正證券,深圳丞毅,中泰證券,廣發證券,西澤投資,鵬華基金,上海豐倉,西部證券,華安基金,德邦證券,華夏財富,圓信永豐,海南棕櫚,深圳同威,博道基金,Point72,瑞銀資產,華美國際,匯泉基金,蘇州君卓,信達證券,深圳領先,才華資本,匯豐前海,鄭州智子,海南羊角,上海大樸,JARISLOWSKY,上海益和,瑞信,華泰資產,興證集團,大連道合,中國國際金融,湖南久聯,南京盛泉,平安基金,上海虹橋,信銀理財,上海璞醴,君義振華,申萬宏源,浙商證券,東方證券,北京森林,華夏東方,上海和諧,Dymon Asia Capital (HK) Limited,淡馬錫投資,福建國力,新華資產,興業銀行,美銀證券,杭銀理財,上海嘉世,上海于翼,西南證券,上海紅林,中航信托,上海元昊,首創證券,福建金牛,路博邁基金,財通證券,東海證券,上海中域,工銀理財,深圳大道,國金證券,北京大道,金股證券,中郵證券,江西彼得,瑞銀證券,國盛證券,宏利基金,中郵人壽,長安基金,東方財富,蘇州之加歌,潤暉投資,博大科技,遠信(珠海)私募,鮑爾賽嘉,上海牛乎,招商證券,上海彬元,摩根士丹利,南京睿瀾,廈門珺信,中信建投,華福證券,廣發基金,上海杭貴,摩根大通,中電科投資,匯添富基金,中原證券 |
調研詳情 |
一、三季報業績的解讀 報告期內,公司實現營業收入38.76億元,較上年同期增長0.57%,實現歸屬于上市公司股東的凈利潤6.05億元,較上年同期下降5.18%。 公司經營凈現金流54,502萬元,同比增長274.27%。在盈利能力方面,公司整體毛利率40.76%,與2022年毛利率39.29%相比,保持穩中增長。 公司依然處于智能化發展的大賽道,也恰逢大模型AI時代所帶來全新產業升級的歷史機遇。公司的"大模型+操作系統"雙引擎戰略不斷深入,落地場景和節奏愈發清晰。今年的戰略升級,為面向未來長遠的發展,奠定了堅實的基礎和格局。同時,公司正在積極投入新的賽道和領域,不斷推出新的產品。 機器人事業快速發展 在大模型時代發生全新的產業和技術變革,也是公司戰略發展新的增長點。回溯從半年報到現在的短短幾個月的歷程,公司的機器人事業在全線加速。公司6月份首款集成大模型的智能搬運機器人的亮相,9月份兩款AMR智能機器人新品在上海工博會登場,2023年9月27日,中科創達全資子公司-杭州曉悟智能有限公司,于杭州正式揭牌成立。公司的機器人事業從技術,產品到組織,不斷得以發展壯大。 艙駕融合前景廣闊 艙駕融合所帶來的中央計算的系統架構,帶來了很高的技術門檻和軟件價值,從而進一步催化公司強者恒強的技術能力在艙駕融合時代走在前列。公司的艙駕一體軟硬一體產品方案,正在順利開發中,將很快正式發布并推向市場。 二、問答 1.大模型對于人效改善的提升空間,以及模型數據積累方面的儲備情況如何? 答:大模型戰略的實施,對于技術,組織,人效的改善都是有效的促進。截至三季度,公司的人數和半年報人數持平,人均效能在穩步提升。隨著大模型的深入開展,一方面可以提升研發,設計等整體效率,另一方面,公司整體的組織設計更集中在新產品,新技術等創新賽道中布局,加速了推陳出新的迭代進程,也驅動公司在新的業務方向中布局人才和資源。 大模型數據的積累,得益于公司一直以來在操作系統的深耕,不僅在設備端,邊緣端,還有在垂直行業端,都積累了豐富的場景數據,代碼數據,以及與合作伙伴的共同數據。并且數據可以自主學習,使得軟件迭代非常迅速。在基礎大模型平臺上,主要的儲備來自于三個方面。 a.基礎模型:即處理自然語言文本的預訓練的語言模型;處理圖像和視覺數據的視覺和圖像大模型,用于處理多種數據模態(如文本、圖像、聲音等)的多模態大模型 b.模型方案:包含邊緣側大模型方案和垂直行業的大模型方案 c.大模型開發工具鏈:包含模型部署微調工具,數據治理及清洗工具,應用開發框架及組件集 上述大模型的功能將在不同的應用場景中發揮重要作用,支持多樣化的自然語言處理、計算機視覺和多模態數據處理任務,為人工智能領域的各種應用提供了強大的基礎能力。 2.公司機器人事業的發展規劃 答:機器人是公司大模型的核心方向,軟件定義機器人正在發生。關于機器人的規劃發展,主要集中在以下幾個維度。 a.機器人事業的專業團隊 9月27日成立中科創達全資子公司-杭州曉悟智能有限公司,該團隊以機器人事業為核心,推動公司機器人事業的發展。 b.大模型+機器人的技術 在公司大模型賦能下,人與機器人之間的溝通變得更加高效、自然,無需進行特定任務編碼就能實現更自然的語言交互;大模型巨量參數基礎,大量的訓練數據和復雜的神經網絡結構,可以準確地理解多種語言和語義信息;通過邊緣側的部署,極大的提升了邊緣側數據處理效率,憑借模型優化和壓縮技術,大模型可以在邊緣側以近乎為零的延遲響應進行任務處理,極大降低機器人從指令到動作執行的響應延遲時間,從而為用戶提供更好的使用體驗。 c.面向行業的AGV機器人方向 當前的機器人產品主要是面向工業領域的AMR、叉車機器人、復合機器人等全系列產品。面向倉儲物流、生產制造的場景,打造的智能移動機器人產品,可以實現自動化入庫、揀選、分撥等工作,以及在制造業各生產工藝環節實現自動生產設備對接,多道工序間的物料轉運、搬運、堆垛等作業,從而實現高效的柔性制造。 d.軟硬一體的全棧機器人產品 通過公司的核心技術和生態合作方式實現機器人軟硬一體的全棧產品。包括從硬件控制模塊到運動控制、自主導航、感知識別、集群調度及行業應用的集成,通過邊緣計算構建成為通用的系統平臺,實現機器人硬件、軟件和算法平臺化,從而支撐機器人復雜場景下應用的可擴展性、可適應性和后續的易維護性,進而通過易用性的開發工具和環境去支撐應用廠商實現低成本、快速的推出機器人產品。 3.汽車業務中的艙駕融合的發展趨勢,以及域控產品的進展節奏? 答:汽車行業技術正在不斷突破,EE架構從域模式向中央計算演進,艙駕融合成為汽車關注的焦點。在新技術的迭代推動艙駕融合的快速發展的同時,車企希望優化軟件集成和長期維護,成為進一步推動實現中央計算的主要力量。全球主流車廠紛紛布局,從分布式架構過渡到域集中架構。預計2025年開始,全球主流車廠將陸續采用“中央大腦”架構,從2025年-2030年的產業構圖已經清晰可見。 公司整合從座艙到駕駛的全方位領先的OS產品和技術優勢,大力投入整車操作系統與艙駕一體HPC產品的研發,包括虛擬化容器化、實時中間件、全棧SOA中間件、3DUI引擎、車云一體及配套高效易用的開發和測試工具鏈等,面向新一代艙駕一體的高算力芯片深度優化,幫助車廠打造中央計算架構。公司將很快推出艙駕融合的產品。 4.公司在大模型等新的領域的投入預期,以及產品進展的節奏如何? 答:公司大模型的投入在算力,人員,模型訓練,混合AI,場景落地等方面,是長期的布局。公司的研發投入一直保持快速增長,主要是布局新技術,新賽道。在新的戰略升級中,大模型AI和操作系統方面作為主要的投入重點,將長期布局。 從大模型落地的節奏來看,主要集中在基礎大模型的核心能力的構建以及汽車和機器人兩大賽道的布局。 在基礎大模型方面,一方面推動大模型基礎模塊的構建,形成了語言大模型,視覺和圖像大模型,多模態大模型。另一方面,將“端邊云”混合AI與操作系統緊密融合,不斷拓展在智能汽車和機器人領域的未來空間。此外,通過魔方大腦,魔方套件,將大模型能力賦能到各個行業、各個企業中,做到辦公一體化、應用可擴展、公司的知識庫自動積累進步,從而推動大模型+企業AI的發展。 在汽車領域,一方面,大模型包含RubikCreator、Octopus、VPA和GeniusCanvas四個產品模塊,具有擬人化、知識學習、多模態感知、場景推薦、端云結合五大核心能力。提升智能駕駛和智能座艙的用戶體驗。另一方面,把大模型加載在整車系統中。通過在智能汽車領域所擁有的語言模型、多模態模型、座艙內的環境交互以及運動模型的協同,形成整個座艙和駕駛域的聯動,構建整車操作系統平臺,并且以此為基礎,面向新一代艙駕一體的高算力芯片深度優化整合,賦能車廠打造中央計算架構。 在機器人領域,公司明確了推進機器人事業發展規劃,從機器人的專業團隊,大模型+機器人的技術,面向行業的AGV機器人方向,軟硬一體的全棧機器人產品等各個方面,推進機器人事業的全面發展。 |
免責聲明:數據相關欄目所收集數據,均來自第三方個人或企業公開數據以及國家統計網站公開發布數據,數據由計算機技術自動收集更新再由作者校驗,作者將盡力校驗,但不能保證數據的完全準確。 閱讀本欄目的用戶必須明白,圖表所示結果或標示僅供學習參考使用,均不構成交易依據。任何據此進行交易等行為,而引致的任何損害后果,本站概不負責。