inInfo] [Table_Title] 2023.07.10

AI大模型赋能千行百业

李沐华(分析师)

齐佳宏(分析师)

李博伦(分析师)

010-83939797

010-83939837

limuhua@gtjas.com

qijiahong@gtjas.com

0755-23976516

证书编号 S0880519080009

S0880519080007

libolun@gtjas.com

S0880520020004

本报告导读：

AI 大模型加持下，办公、智能驾驶、金融、设计与工业软件、网络安全等领域均将受益。

摘要：

[Table_Summary]AI+办公：此次 AIGC 浪潮中的核心受益方向。此次 AIGC 浪潮的引爆点是基于自然语言处理大模型技术的文字创作工具 ChatGPT 快速成长为火爆全球的现象级应用，随后基于对图像、视频、音频等进行处理的多模态大模型的应用也快速推广起来。目前，微软已推出 Microsoft 365 Copilot为用户办公模式带了个革命式的变化，有助于提高办公创作效率。此外，国产厂商奋起直追，其中金山办公是国内办公软件厂商探索 AI 技术应用的先行者之一，接入多个大模型供应商，可更精准满足用户 AI 创作需求。

AI+智能驾驶与工业：大模型实现对智能驾驶的全面赋能，亦有助于工业场景效率提升。1）智能驾驶：①自动驾驶方面，由于一旦发生事故造成的后果极为严重，自动驾驶场景中我们对错误的容忍度非常低。AI 大模型可以大幅提升场景生成、标注的效率。②智能座舱方面，随着汽车产业逐步由卖方市场转向买方市场，且智能座舱架构逐渐成熟，汽车与车内人员的交互需求快速上升。AI 大模型可以大幅丰富和革新人与车辆的交互方式，提升驾乘体验。③车辆设计与研发方面，随着项目周期的压缩，汽车研发效率正变得越来越重要，AI 大模型对于汽车设计师效率的提升意义重大。2）设计与工业软件：①设计软件：AIGC 将降低设计软件使用门槛，进一步提升生成式设计的能力，打破二维与三维设计的壁垒，赋能EDA，实现降本增效。②工业软件：AIGC 助力工业 AI 进一步发展。目前AI 对于工业产品制造阶段的增强主要在于 AI 算法的制造执行和管理流程，AIGC 的生成和推理能力都将为 AI 应用带来显著提升，进一步优化执行和管理流程。同时，AIGC 能够优化并生成 3D 打印方案，降低使用门槛。

金融、网络安全等行业也是 AI 技术落地的重要场景。1）金融行业一直都敢于尝试新技术，未来，AI 技术在金融行业的落地方向贯穿了金融机构业务开展的主要方向，如风险管理、投资管理、客户服务、交易监管、金融创新等。2）对于网安行业而言，AI 大模型的出现既有机遇也有挑战。一方面，人工智能技术可以帮助组织降低入侵风险，并改善其整体安全状况，赋能网安行业；另一方面，AI 大模型本身的安全保证也十分重要。

AI 大模型加持下，办公、智能驾驶、金融、设计与工业软件、网络安全等领域均将受益。AI+办公推荐金山办公，受益福昕软件、万兴科技；AI+智能驾驶推荐中科创达、德赛西威、虹软科技、经纬恒润；AI+金融推荐恒生电子、同花顺（非银组覆盖）、凌志软件；设计与工业软件推荐广联达、中控技术、中望软件；AI+网络安全推荐奇安信、深信服、天融信、绿盟科技、安恒信息、启明星辰。

风险提示：AI 技术落地不及预期、AI 大模型受到政策强监管

计算机

[Table_In评级：

增持

上次评级：增持

[Table_subInd细分行业评级

计算机

增持

[Table_ 相关报告Doc

计算机《AI 大模型赋能智能驾驶，下游悲观预期修复助股价上行》

2023.07.05

计算机《信创招标有望加速，行业拐点将至》

2023.07.04

计算机《2023年世界 AI大会即将召开，行业再迎重磅催化》

2023.07.02

计算机《从大数据交易所发展看数据交易产业趋势》

2023.06.27

计算机《信创、数据要素和人工智能三大主线交相辉映》

2023.06.23

每日免费获取报告 □

每日微信群内分享7+最新重磅报告;

每日分享当日华尔街日报、金融时报;

行研报告均为公开版, 权利归原作者所有,起点财经仅分发做内部学习。

AI+办公是 AIGC 浪潮的核心，有望深刻改变办公模式. . 4
1.1. AI+办公是 AIGC 浪潮的核心，海外巨头引领潮流. .. 4
1.2. 国内办公软件厂商奋起直追，AIGC 功能实现快速迭代 .
智能驾驶是 AI 大模型落地的重要场景.. .. 14
2.1. 自动驾驶：AI 大模型有助于我们提升覆盖小概率路况的效率14
2.1.1. 对小概率路况的覆盖是自动驾驶落地的核心问题.. .. 14
2.1.2. 大模型对于覆盖小概率路况意义重大. . 16
2.1.2.1. 大模型可以大幅提升场景生成、标注的效率. ... 17
2.1.2.2. 大模型虽难以完全解决小概率路况的问题，但依然对自
动驾驶行业意义重大.. . 19
2.2. AI 助力智能座舱交互体验提升.. .... 21
2.3. AI 带动车辆研发设计效率提升... . 22
2.4. 国内智能驾驶公司积极拥抱 AI 新趋势 . . 23
2.4.1. 中科创达：推出 Genius Canvas，提升 HMI 交互体验...... 23
2.4.2. 德赛西威：联合高校推进大模型本地化，赋能自动驾驶. 24
2.4.3. 虹软科技：已发布可商业落地的 AIGC 产品.... ... 25
2.4.4. 经纬恒润：自主开发驾驶仿真测试软件，推出智能座舱 AI
单品 25
金融是 AI 落地核心场景之一. . 26
3.1. 金融行业敢于尝试新技术，是 AI 落地核心场景之一
3.2. AI 技术能够大幅提升金融行业工作效率和用户体验.. . 27
3.3. 上市公司纷纷推出 AI 产品..... . 28
3.3.1. 恒生电子：推出智能投研产品，研发金融大模型. . 28
3.3.2. 同花顺：发布人工智能及虚拟人产品. . 30
3.3.3. 凌志软件：通过 AI 技术为日本金融企业提供服务. . 32
AI 加持，设计与工业软件将实现降本增效.... . 34
4.1. AI 对于设计效率提升大有裨益.... . 34
4.1.1. AIGC 降低设计软件使用门槛. .... 34
4.1.2. AIGC 将进一步提升生成式设计的能力.. .. 35
4.1.3. AI 打破二维与三维的壁垒，实现精确转换.
4.1.4. AI 赋能 EDA，实现降本增效 . ... 37
4.2. AIGC 将有效提升工业生产效率 . ... 38
4.2.1. 西门子与微软携手利用 AIGC 提升工业生产力 . .... 38
4.2.2. AIGC 能够优化并生成 3D 打印方案，降低使用门槛....... 39
4.3. 设计与工业软件主流玩家均加速布局 AI，并已取得一定成效40
4.3.1. 广联达：AIGC 技术已被用于其核心产品. . 40
4.3.2. 中望软件：已推出 AI 驱动的生成式设计功能.
4.3.3. 中控技术：自研国内首个流程工业过程模拟与设计平台. 42
AI 大模型背景下网络安全机遇与产业并存，各方加速布局......... 43
5.1. AI 大模型催化，网络安全产业机会与挑战并存.. .... 43
5.1.1. “安全”、“AI 安全”与“安全的 AI”同等重要 ...... ..... 43
5.1.2. 网络安全与人工智能技术结合具备天然优势.... ..... 44
5.1.3. 大模型对网络安全产业的供给侧和需求侧带来巨大变化. 46
5.1.4. 大模型输出的 AI 能力要有原生的安全性. .. 47
5.1.5. 大模型本身的安全防护也同等重要... .. 49
5.2. AI 网络安全市场高速增长，海外巨头布局迅速.. 51
5.3. 国内厂商 AI 能力积淀已久，大模型方向纷纷加码. . 52
5.3.1. 奇安信：把握 AI 新机遇，深入探索网络安全蓝海.......... 52
5.3.2. 深信服：AI 布局前瞻，大模型领域先发优势显著... . 53
5.3.3. 天融信：AI 与产品深度融合，竞争力持续提升.... .. 54
5.3.4. 绿盟科技：打造 AI 实验室，加码 GPT 智能应用............ 54
5.3.5. 安恒信息：数据安全体系完备，AI 赋能下优势凸显....... 55
5.3.6. 启明星辰：“盘小古”助力 AI 安全研发运营一体化 .......... 56
投资建议 ... . 57
风险提示 ... . 58

AI 大模型的出现将为各个行业带来不同程度的积极变化，本文我们将重点讨论 AI 大模型对办公、智能驾驶、金融、设计与工业软件、网络安全等行业的影响。

1. AI+办公是 AIGC浪潮的核心，有望深刻改变办公模式

1.1. AI+办公是 AIGC 浪潮的核心，海外巨头引领潮流

AI+办公是此次 AIGC 浪潮中的核心受益方向。此次 AIGC 浪潮的引爆点是基于自然语言处理大模型技术的文字创作工具 ChatGPT 快速成长为火爆全球的现象级应用，随后基于对图像、视频、音频等进行处理的多模态大模型的应用也快速推广起来。AIGC 即生成式人工智能天然是面向文字、音视频、图像等内容自主创作场景的 AI 技术，因而其可以直接提升现有各类型办公软件的产品力，从而推动办公软件的迭代升级。

微软推出 Microsoft 365 Copilot 订阅服务，用 AIGC 技术重塑办公体验。2023 年 3 月 16 日，微软正式发布 Microsoft 365 Copilot 订阅服务，其背后技术支撑是 Copilot 引擎，使用了 Microsoft 365 Apps、Microsoft Graph和 Large Language Model 三大核心基础技术。Microsoft 365 Apps 是 Word、Excel、PowerPoint、Outlook、Teams 等一系列常见的微软办公软件；Microsoft Graph 是一个可以帮助访问在 Microsoft 365 Apps 上积累的用户业务数据的安全智能网关，这些数据来自于用户的文档、电子邮件、会议、聊天、日历等环节；大语言模型（LLM）是一个创造性的引擎，能够解析并产生人类可以阅读的文字，其使用了 OpenAI 的 ChatGPT 及最新发布的 GPT4 模型。用户在 Microsoft 365 Apps 里使用自然语言输入提示词后，提示词会通过 Copilot 系统进行基础训练，这一过程可以提高提示词的质量，使提示词变得可以被执行，在基础训练的过程中最重要的一环便是调用 Microsoft Graph 中用户此前产生的各项数据，来理解并改善提示词的质量，之后将改善后的提示词发送给 LLM，前述过程叫做预处理。LLM 对提示词进行响应并进行后处理，这个过程会再次通过Microsoft Graph 调用用户数据进行训练后，在通过安全性、合规性和隐私审查之后，生成反馈答复，最后通过 Copilot 系统向用户输出反馈答复并驱动 APP 执行相关的命令。通过这样一套完整的处理流程，用户可以在 Word 等办公软件里通过自然语言下达指令，此后办公软件便自动呈现出一个具有明显个人信息特征的反馈初稿，极大提高了用户的办公效率。

图 1：预处理过程可以改善用户指令的质量

图 2：LLM 进行后处理向用户输出最终答复

数据来源：微软官网

Microsoft 365 Copilot 为用户办公模式带了个革命式的变化，有助于提高办公创作效率。Microsoft 365 Copilot 一方面会嵌入到用户高频使用的各类办公软件之中，包括了 Word、Excel、PowerPoint、Outlook、Teams 等，从而帮助用户从繁琐的事务性工作中解放出来，让用户更专注于创造性工作，从而提高办公效率。另一方面还引入了全新的商务聊天（Business Chat）应用场景，可以基于用户过往积累各项业务数据，按照用户需求生成全新的内容，提高创作效率，例如用户提出“请告诉团队成员如何更新销售策略”指令后，系统会根据用户过往的会议讨论记录、聊天记录、电子邮件沟通内容等生成一份全新的销售策略。用户可以对生成后的内容进行自主修改、保留或舍弃，使得 Word 更具创造性、Excel 更具分析性、PowerPoint 更具表现力、Outlook 更具效率性、Teams 更具协作性。

表 1：Microsoft 365 Copilot 全面重塑 Office 套件功能，有助于提高办公创作效率

办公软件	AI创作功能
Word	Copilot可以根据用户的命题，并引用用户历史文档中的数据，直接草拟一篇不同文风（简洁、详尽、活泼、严谨等）的文档初稿以及摘要，还可以根据用户历史文档惯用的文档格式进行自动排版
Exce1	Copilot可以根据用户数据直接生成可视化图表以及文字性的分析内容，例如根据公司财务报表数据自动分析公司业务发展趋势
PowerPoint	Copilot可以将用户的Word文档直接生成具有设计感的PPT，且自动生成演示者备注，可以根据用户需求调整PPT风格
Out1ook	Copilot可以自动将用户收到的邮件梳理出关键要点，且根据用户的行文习惯自动草拟答复初稿 Copilot可以根据聊天对华的上下文提供实时摘要，对视频会议生成实时字幕、会议纪要及要点摘要，便于
Teams	未参会的用户直接浏览要点，提高效率

数据来源：微软官网，国泰君安证券研究

Microsoft 365 Copilot 使用自然语言作为人机交互的渠道，降低了 Office办公软件的使用门槛。根据微软发布会上披露，有90%以上的PowerPoint、Excel 功能是不被用户使用的。我们认为这一现象并不是因为这些功能无用，而是过往通过菜单按钮或者函数公式的方式进行交互的门槛较高，多数用户未经过系统学习就无法直接调用相关功能。引入Copilot之后，所有的办公软件在右侧都会形成一个聊天框，用户将自己想要实现的效果（如进行某种排班、添加某种动画效果或者进行某种特殊运算）以自然语言聊天的方式输入后，软件会直接实现相关的功能，从而使得丰富的软件功能都得到应用，极大降低了用户的使用门槛，有助于进一步提高用户规模和粘性，从而提高付费月活用户数量。

图 3：在 PowerPoint 中使用Copilot 对话框(右侧)以自然语言输入希望实现的效果，降低了软件使用门槛

数据来源：微软官网

Microsoft 365 Copilot 的推出将为微软带来新的收入来源，提高付费用户 ARPU。目前 Microsoft 365 Copilot 仍处于内部测试阶段，根据科技媒体 The Information 报道，微软正在向包括美国银行、沃尔玛、福特和埃森哲等在内的600多家大型机构客户测试具备AI能力的Microsoft365 Copilot 订阅服务，在已经付费订阅 Microsoft 365 年费会员的基础上，每 1000 名员工使用 Copilot 服务需要支付的额外年费为 10 万美元，对应额外的 ARPU 为 100 美元，目前试点客户的付费意愿超出微软早先预期。我们根据微软财报数据测算，2022 年 Microsoft 365 机构订阅的 ARPU 约为 103 美元，此次 Copilot 服务的试点价格有望推动 ARPU实现接近翻倍增长。

图 4：Microsoft 365 商业版 ARPU 约为 103 美元

数据来源：Wind，国泰君安证券研究

Adobe推出生成式 AI模型集Firefly，展示出强大的设计创作能力。2023年 3 月 21 日，Adobe 正式推出生成式 AI 模型集 Firefly，随后在Photoshop 应用中进行了测试上线。目前其主要具备以下能力：1）文字转图像，Firefly 可以根据用户的提示词自动生成所需图像，如输入“天空增加极光”指令之后，可以自动为图像中的天空部分增添极光；2）生成填充能力，可以根据原始图像中内容，自动拓展、填充、扩容成为一个内容更加丰富的图像；3）文字效果：将特定纹理显示到艺术字体中等。后续 Firefly 还将探索视频自动处理、文字生成 3D/矢量文件、草图变全彩图像等一系列 AI 功能。Firefly 的推出有望极大提高设计创作效率，降低设计创作用户门槛，改变目前的创意设计行业格局。

图 5：在 Photoshop中使用Firefly可以将一张原始图像（上）自动扩容为一张内容更丰富的大图（下）

数据来源：Adobe官网

1.2. 国内办公软件厂商奋起直追，AIGC 功能实现快速迭代

金山办公是国内办公软件厂商探索 AI 技术应用的先行者之一。2017 年，AI 在金山办公内部被首次上升到战略层面，由姚冬组建了数百人的 AI团队，主要负责 AI 算法改进和工程产品的落地。2018 年，金山办公正式对外提出了“多屏、内容、云、AI”的发展战略，AI 战略公开亮相。在 AI 团队成立的前两年，团队主要强调积累 AI 研发能力，包括算法能力、工程能力、数据采集和分析能力等。之后两年公司开始更加注重AI 技术的产品化，在公司产品中增加了一系列 AI 功能，推出了包含智能美化、智能校对、智能辅助写作、全文翻译、图像识别等一系列的

AI 辅助办公功能，来帮助提高用户的办公效率。例如智能美化可以帮助用户在提供基础文本的情况下整体改换 PPT 模板和配色、统一字体和排版等；智能校对可以一键识别并校对文档中的错别字、多漏字、标点符号错误、语法错误、敏感词错误等；智能辅助写作可以根据提纲自动生成文字段落或者进行句子补写，帮用户打底稿，其储备的数千万篇语料库都来自于权威媒体和政府公开网站，在公文写作等场景上有较多应用。截止 2021 年 7 月，WPS 的智能美化月活用户超过百万，智能校对的月校对字数超过了 70 亿，智能生成的内容占据了云端整体内容资源的33.6%，AI 战略对公司产品力和用户粘性的提升已经体现出明显的帮助。现阶段及未来，公司发展战略的重心已经成为加速 AI 产品的产业化，强化对公司营收增长的积极作用，从而实现长期的可持续发展。

图 6：预处理过程可以改善用户指令的质量

数据来源：金山办公官网

图 7：LLM进行后处理向用户输出最终答复

数据来源：金山办公官网

金山办公接入多个大模型供应商，可以更精准的满足用户AI创作需求。目前金山办公的产品已经接入了 MiniMax、百度文心、CopyDone 等多家大模型，未来还有望接入新的大模型。目前市面上可供选择的大模型正在持续增加，既包括百度、阿里、科大讯飞等巨头的大模型产品，也包括初创公司的产品。各家大模型目前的表现各有所长，并没有哪一家有绝对领先的产品力表现，因而同时接入多家大模型，按照不同的用户需求去匹配调用不同的大模型进行内容创作，能够更好的满足用户的创作需求。例如 CpoyDone 是一个专门面向场景营销打造的大模型，可以生成丰富商品类型、海量内容平台风格的文案、图片、视频内容，因为在文案营销场景 WPS 可以优先对接 CopyDone 大模型；MiniMax 是一个多模态大模型，在对华聊天等场景更有优势；百度文心则凭借其丰富的语料库在文学创作等领域可以更好的满足用户需求；WPS 作为大模型的调度匹配中心，可以统筹各家大模型发挥出“1+1＞2”的效果。

图 8：CopyDone 大模型擅长文案营销场景

数据来源：CopyDone 官网

基于 AI 大模型的 WPS轻文档率先进入内测阶段，展示出较强的文字创作能力。2023 年4 月 18 日，金山办公发布了 WPS AI 的 Demo 演示视频，官宣 WPS AI 将嵌入金山办公全线产品。率先进入内测阶段的是具备 AI 能力的 WPS 轻文档，这是一款对标 Notion AI 等轻办公产品的在线内容协作编辑工具，可以借助大模型自动生成新闻稿、工作周报、运营策划案等；也可以实现多轮对话，持续就某个主题进行讨论；也可以对现有文档进行改写、扩写、缩短、润色等；还可以对指定文档生成主旨摘要、文章大纲等功能。WPS AI 显示出较强的文字创作能力，有望提升用户创作效率。

图 9：WPSAI 轻文档可以提供丰富的创作辅助功能

数据来源：金山办公官网

金山办公类 Copilot 的客户端产品仍在持续打磨之中，有望成为提升用户付费率的重量级手段。公司对标 Copilot 的办公客户端产品，也就是采用自然语言作为人机交互方式，并将 AI 创作功能直接嵌入到包括文字、演示、表格、PDF 在内的全套 WPS 产品，是用户更加关注的产品。2023 年 5 月 16 日，金山发布了类 Copilot 功能的演示 Demo，WPS 表格将具备智能数据理解与分析能力，WPS 文字和演示将具备内容生成、文字润色能力，能根据用户命题自动进行文档创作，WPS PDF 可进行内容要点概括、文档大纲生成、文档内容问答等功能。类比微软 Copilot，语义理解是大模型为办公软件带来的核心能力，使 WPS 可以在用户需求理解、内容创作、内容分析等方面获得提升，有利于提高创作效率，提升付费率；人机交互方式的创新则是大模型为办公软件带来的创新能力，用户只需关注最终要实现的创作目的，用自然语言下达指令，WPS 可以自动完成相关运算并输出最终结果，从而大幅度降低使用壁垒，有利于扩大用户群，从而进一步打开公司的长期成长空间。

福昕软件在海外版 PDF Editor Cloud 中集成 ChatGPT，向用户提供 AIGC功能。福昕软件是 PDF 板式办公软件龙头企业，其推出的 Foxit PDFEditorCloud 是一款在线 PDF 编辑器，用户可以通过该工具在线阅读及编辑 PDF 文件。2023 年 4 月 25 日，海外版的 Foxit PDF Editor Cloud成功集成 ChatGPT，付费用户目前主要可以使用以下 AIGC 功能，1）文档摘要，根据文档内容快速生成简洁、准确的摘要；2）文档改写，在不改变文档原意的情况下进行重写，优化文档的表述方式，提高可读性；3）文档翻译，将选定内容或者摘要翻译成指定语言；4）文档内容问答，可以在对话框中就感兴趣的内容进行提问，其将根据文档内容生成答案，并定位到相应段落。通过上述功能，可以显著提高用户的文档阅读效率以及多语言工作环境下的工作效率。作为一款线上编辑软件，FoxitPDFEditor Cloud 的 AI 功能具备快速迭代的优势，预计每两个星期就推出一个新版本，持续拓宽 AIGC 技术在文档领域的数字化场景应用，优化用户体验，从而提供用户付费率。

图 10：PDF Editor Cloud借助 ChatGPT的能力可以提供文档摘要、文档重写、文档翻译、文档问答等功能

数据来源：福昕软件官网

AIGC 功能有望提升福昕软件 ARPU。由于 Foxit PDF Editor Cloud 提供的 AI 功能基于 ChatGPT，因而对用户均有次数/字数限制，文档改写每用户每月上限为 100 页；文档翻译每用户每日上限为 50 个指令，每个指令最多 2000 字；文档内容问答每用户每日上限为 50 个指令或问题；一旦超过相应限制，用户需要进行额外付费，从而有助于提高用户 ARPU。

万兴科技拥有完善的创意办公软件产品线，是国内创意办公软件的领跑者。公司产品涵盖视频创意、绘图创意、文档创意和实用工具四大类别，形成了万幸喵影、万兴播爆、亿图脑图、万兴爱画、万兴PDF 等具有广泛影响力和庞大用户群的核心创意办公软件产品。

图 11：万兴科技拥有完善的创意办公软件产品线

产品类别	产品名称	产品定位	功能简介
视频创意	万兴喵影/Filmora	面向大众用户的进阶视频编辑软件	简洁易用、丰富全面、AI加持，支持桌面、移动、云端三端协同的高阶视频剪辑软件
	D万兴喵库/Filmstock	原创创意素材资源平台	具备包括视频、音频、图片、特效、模板在内的海量正版原创素材库
	万兴优转/Uniconverter	多功能音视频处理软件	具备转换、压缩、编辑、录制等多重功能的工具箱
	Beat.ly	一款音乐短视频创作工具	拥有海量模板，超过1亿用户在用的卡点音乐视频创作工具
	Sweet Selfie	一款自拍美颜工具软件	海外国民级美颜美妆相机，为全球用户提供本地化、定制化的自拍美颜体验
	万兴录演/DemoCreator	一站式演示视频创作工具	一款集屏幕录制与视频编辑于一体的演示视频创作工具
	万兴播爆/Virbo	数字人短视频营销神器	一款基于AI、数字人技术，面向跨境用户提供丰富模板的视频生成工具
	D 亿图图示/EdrawMax	一站式专业绘图软件	涵盖流程图、架构图、甘特图、工业设计等210+种图形解决方案
绘图创意	亿图脑图/EdrawMind	基于云的跨端思维导图软件	多平台思维导图绘制工具，支持丰富布局、样式、主题等多种元素的个性化选择
	四墨刀/Mockitt	在线一体化产品设计协作平台	云端编辑、实时协作、分享交付，助力用户随时随地快速完成产品设计
	万兴爱画	高品质AI图像生成工具	利用AI能力创建艺术和图像，将用户的想法变成人工智能绘画
文档创意	Q万兴PDF/PDFelement	秒会的全能PDF阅读器	全能的PDF编辑器，提供编辑、转换、注释、OCR、翻译、签名等全面的PDF阅读与编辑功能
文档创意	Q万兴PDF阅读器/PDFReader	流畅、极简的轻量PDF阅读器	集创建、阅读、注释和数字签名功能于一体，具备流畅、快捷、高效、易操作等特点
实用工具	万兴恢复专家/Recoverit	专业的数据恢复软件	支持电脑硬盘、移动硬盘、SD卡、U盘等设备在各种场景下的数据恢复
	口万兴数据管家万兴易修/Repairit	专业的微信数据管理工具	支持ios端的微信恢复、微信备份、微信导出等微信数据管理
	口万兴数据管家万兴易修/Repairit	专业的损坏文件修复软件	针对视频、图片、文档等多种文件损坏场景提供一键修复、高级修复和在线修复解决方案
	万兴手机管家/Dr.Fone	专业的手机数据高效管理工具	一站式移动数据恢复、传输、管理、换机、系统修复、备份迁移工具

数据来源：万兴科技官网

万兴科技长期加码 AI 技术研发投入，AI 产品逐渐进入落地期。公司从2020 年就开始洞察到 AI 技术的发展前景，并快速组建了一支上百人的高素质技术研发团队，近两年在视频生成算法、图像生成算法、GAN 生成算法、音频生成算法等AI前沿算法等领域均取得多项技术研发成果，自 2022 年下半年以来公司视频创意、文档创意、绘图创意等主要产品线均陆续发布了带有 AI 功能的新版本，并推出融入多项 AI 技术的新产品。在视频创意产品线，2022 年公司完成了万兴喵影大版本更新，上线了 AI 分割、AI 抠像、AI 降噪、AI 音频重组、AI 文案生成等 AI 功能套件，并在 2022 年底发布了基于 AIGC 技术的数字人营销视频创作工具万兴播爆，可以实现文生视频、虚拟人直播等 AI 功能；在绘图创意产品线，2022 年 11 月公司上线全新的 AIGC 图像生成工具-万兴爱画，支持AI 文字绘画、AI 以图绘图、AI 简笔画三种创作模式，用户输入一段文字描述即可获得多种艺术风格的 AI 绘画作品，或者输入图片后将其转化为绘画作品；在文档创意产品线，公司发布万兴 PDF 的全新版本，引入 AI 技术，新增翻译等专业功能，提升用户体验。

图 12：万兴播爆新品上线

数据来源：万兴科技官网

图 13：万兴爱画新品上线

数据来源：万兴科技官网

万兴科技积极拥抱大模型技术，推动 AI 产品力实现快速提升。2023 年2 月，公司宣布其在海外运营的视频创意软件 Wondershare Filmora 已经全面接入了ChatGPT母公司OpneAI的商用服务，在3月份开通了GPT-4模型的商用账号权限，在 4 月份与微软签订云服务框架协议，双方将在云服务及 AI 技术领域全面深化合作，未来优先使用微软新品，目前正在持续推动多个海外产品接入 GPT 大模型。2023 年 3 月 31 日，公司发布基于 AIGC 大模型的“真人”出海营销短视频工具-万兴播爆，并在 6月推出桌面版产品，万兴播爆基于 AIGC 大模型可以提供 120 多种语言的文案脚本快速生成能力以及 60 多种国籍的数字人播报能力，还可以进行数字人的定制服务，相较传统视频生产模式，万兴播爆可以使成本投入降低至原先的 1/5，并大幅提升用户的生产效率。

图 14：万兴播爆可以大幅降低营销视频生产成本，并提高生产效率

数据来源：IDC

AIGC 新品为万兴科技带来新的盈利点，有望提升用户 ARPU。公司传统的万兴喵影个人年费会员定价为269元,5年期会员的年费进一步降低至 120 元；万兴喵影企业年费会员定价为 3299 元，可支持 5 台设备同步使用，相当于单设备年费价格为 660 元。公司推出的 AIGC 新品中，万兴播爆的年费会员定价为 1688 元，相较传统软件产品的定价有显著提升；万兴爱画则按照创作次数进行付费，10 次图片创作合计5 元，最便宜的 100 次图片创作合计费用为 20 元，按次收费的方式在客户需求侧有更高的成长上限。总体来看，AIGC 新品的定价要高于传统创意软件，有望为万兴科技带来新的盈利点，提升用户 ARPU。

图 15：AIGC 新品万兴播爆、万兴爱画为公司带来新的赢利点，提升用户 ARPU

数据来源：万兴科技官网

2. 智能驾驶是AI大模型落地的重要场景

2.1. 自动驾驶：AI 大模型有助于我们提升覆盖小概率路况的效率

2.1.1. 对小概率路况的覆盖是自动驾驶落地的核心问题

由于一旦发生事故造成的后果极为严重，自动驾驶是一个对小概率情况非常敏感的场景。由于交通事故将会产生非常严重的后果，对于主机厂而言，在责任明晰之前，即使是 99.99%的可靠性也是不能接受的，因为这可能意味着每卖出 10000 台车可能就会产生一起事故。行业特点决定了要实现自动驾驶就必须先对长尾场景进行有效覆盖。

测试里程的积累是有效覆盖小概率路况的前提。根据广汽的预测，要实现 L4 级自动驾驶所需要的长尾场景覆盖程度，至少需要完成 10 亿个测试场景，最小测试里程也需要 10 亿公里，这两个数据分别是实现 L2 级自动驾驶的 10 万倍、1 万倍。

图 16：达到 L3 及以上级别自动驾驶需要大量测试

KPD 公里/无接管最小车辆数 10000 个		最小里程数据	测试场景数/评价维度
L4智能驾驶 1000 L3智能驾驶 100	2000+*	109	个 10亿+/100+
	200+*	108	1000万+/50
	10+	106	10万/10+
.30 L2智能驾驶 10 1 0	6~10*	105	1万+/10
	3-5	104	1千/5
	2-3	103
			100/5

数据来源：广汽，国泰君安证券研究

此前，测试里程的积累主要有两种方式。一种是通过自动驾驶车队来进行数据采集，以 Waymo 为代表；一种是通过私家车进行数据采集，以特斯拉为代表。

 通过自动驾驶车队进行路测来覆盖小概率路况的方法效率比较低。Waymo 是自动驾驶领域的霸主，但是在过去很多年里，感知问题、行人问题、软件问题等方面，Waymo 的接管频率并没有收敛（基于加州路测报告）。毫无疑问，Waymo 的自动驾驶能力是逐年增强的。那么，Waymo 在软件问题、行人问题等方面的表观“退步”就只能用它在覆盖更多的小概率路况来解释。比如，在高速公路等路况相对简单的场景下测试获得好的结果之后，Waymo 会把路测地点逐渐向难度更高的城区街道进行拓展。

表 1：2021年感知问题、行人问题、软件问题等方面，Waymo的接管频率表观值相对于 2016年并未发生明显变化（单位：次/百万公里）

问题类型	2015	2016	2017	2018	2019	2021
感知问题	281	31	43	24	36	25
硬件的性能问题	92	0	37	2	6	4
预测问题	19	9	14	3	5	3
行人问题	54	16	3	17	8	10
多余操作，谨慎过头	130	47	54	40	21	25
天气问题	31	2	0	2	1	0
软件问题	189	80	26	1	0	58

数据来源：历年加州路测报告，国泰君安证券研究

图 17：Waymo2019 年脱离场景中 highway 占 21%

数据来源：2019 年加州路测报告，国泰君安证券研究

图 18：Waymo2021 年脱离场景中 highway 占 3%

数据来源：2021 年加州路测报告，国泰君安证券研究

 众包方式能在一定程度上提升对小概率路况的覆盖效率。特斯拉采用影子模式取代测试车队。影子模式本质上是通过众包的方式来解决场景的快速积累问题。在这一模式下，即使在人进行驾驶的时候特斯拉自动驾驶系统同样也在进行计算自己会怎么做，然后和人的选择进行对比。如果自动驾驶系统和人的选择不一致，就对这类数据进行汇集，然后交由工程师判断自动驾驶系统的选择是否合理。2020 年 3 月，特斯拉就申请了从车队中获取自动驾驶训练数据的专利。由于特斯拉的汽车数量远远多于自动驾驶测试车队，影子模式可以更快地实现对驾驶长尾场景的积累，同时得到的结果也有更强的统计学意义。截至 2019 年末，特斯拉累计交付搭载自动辅助驾驶硬件的车辆 85 万辆，AP 激活状态下累计行驶里程已超过 20 亿公里，远远超过竞争对手(Waymo 为 2000 万公里)。由于特斯拉保有量持续攀升，其他竞争对手和特斯拉之间在数据积累量以及长尾场景覆盖程度上的差距将会越拉越大。

图 19：特斯拉申请了从车队中获取自动驾驶训练数据的专利

数据来源：特斯拉

2.1.2. 大模型对于覆盖小概率路况意义重大

2.1.2.1. 大模型可以大幅提升场景生成、标注的效率

随着 AI 大模型的出现，我们覆盖自动驾驶小概率路况的效率有望大幅提升，这种效率提升至少源于两个方面：

 场景生成

利用 AI 大模型进行场景生成是覆盖小概率路况的新思路。相对于单纯的路测，直接进行场景生成，并将仿真结果与路测相结合对于快速实现路况覆盖大有裨益。比如毫末已发布 DriveGPT 雪湖·海若，可以实现三项能力：

按照概率生成很多个场景序列，每个场景序列都是未来可能会出现的一种实际路况；

在所有场景序列都产生的情况下，能对场景中最关注的自车行为轨迹进行量化。可以实现在生成场景的同时就产生自车未来的行车轨迹；

基于所生成的轨迹，实现决策逻辑链的输出。

图 20：毫末智行利用大模型进行驾驶场景的生成

数据来源：毫末智行

值得注意的是，毫末的雪湖·海若引入了类似于 GPT 系列模型中的人类反馈强化学习机制。即把系统和驾驶员的判断和决策进行对比，若对比结果一致，系统会被打高分，反之则会被打低分。这与特斯拉 FSD 的模式有异曲同工之妙。

图 21：毫末基于海量接管数据对模型进行训练，从而选出最优策略

数据来源：毫末智行

 数据标注

除场景生成外，AI 大模型在自动标注方面同样能够发挥重要作用。在 AI 的 1.0 时代，数据标注主要依赖于人工，导致数据的标注时间很长，且成本比较高。尤其在自动驾驶领域，由于路况复杂，存在大量的标注需求。基于大模型可以实现自动标注，从而大幅度降低成本，提升效率。如毫末智行的雪狐海若将场景识别能力对外开放。此前采用普通的标注方案标注一张图片需要约 5 元，而 DriveGPT雪湖·海若只需要 0.5 元，大幅节约了成本。

图 22：毫末智行将海若场景识别能力对外开放

数据来源：毫末智行

作为行业的领军者，特斯拉给出了通过道路重建作为车道线感知真值进行 4D 标注的方案，其本质上是一个基于Tesla 强大视觉感知能力的众包建图。

2018 年之前：采用纯人工进行 2 维图像标注，效率较低；

2019 年：人工进行 3D 固定框的图像标注，当时的拓扑只是基于单趟轨迹，重投影精度<3pixel，整个标注还比较依赖人工，需要 3.5 小时进行一个 clip 标注；

2020 年：采用 BEV空间进行标注，这里可以看到此时的建图已经是基于 BEV 感知进行的建图，重投影精度<7pixel，人工标注耗时小于 0.1 小时，已经基本可以实现自动标注；

2021 年至今：首先对场景进行重建后在 4D 空间（关于 2021年开始采用的 4D 标注，早在 19 年 Autonomous Day 上 Karpathy就做过了介绍，当时 Tesla 使用的是 SfM 的方式进行周围场景重建，然后再在重建的点云上进行 4D 标注）中进行标注，使用 3D 特征进行多趟采集轨迹的聚合重建，重投影精度从（<7pixel）优化到（<3pixel），人工标注耗时与 2020 相当，但计算时间从 2hrs 降低到 0.5和 hrs，可扩展性也变得非常强，可以取代 500 万小时的人工作业量，人工仅需要检查补漏。

图 23：特斯拉利用AI 技术实现自动标注和自动驾驶模拟仿真
自动标注

模拟仿真
数据来源：特斯拉

2.1.2.2. 大模型虽难以完全解决小概率路况的问题，但依然对自动驾驶行业意义重大

当然，必须承认的是，大模型依然无法帮助我们 100%解决小概率路况带来的问题。

 大模型能力来自于深度学习，而不来自于强化学习。从技术路线来看，大模型是“深度学习+人类反馈强化学习”。为了测试强化学习对于模型能力的影响，Open AI 分别基于 GPT-4 基础模型和加入强化学习的 GPT-4 模型运行了一系列考试中的多项选择题部分。结果显示，在所有的考试中，基础的 GPT-4 模型的平均成绩为 73.7%，而引入强化学习后的模型的平均成绩为 74.0%，这意味着强化学习并没有显著改变基础模型的能力，换句话说，大模型的能力来自于模型本身。根据 Open AI 的表述，强化学习的意义更多地在于让模型的输出更符合人类的意图和习惯，而不是模型能力的提升（有时甚至会降低模型的考试成绩）。

表 2：在一系列考试中，引入强化学习后模型的平均成绩并没有显著优于基础模型

Exam	Base	RLHF	Exam	Base	RLHF
Exam	model	model	Exam	model	model
LSAT (MCQ)	67.00%	72.00%	AP Microeconomics (MCQ)	90.00%	76.70%
SAT EBRW-Reading Portion	92.30%	90.40%	AP Phy sics 2 (MCQ)	62.20%	71.10%
SAT EBRW-Writing Portion	90.90%	84.10%	AP Psychology (MCQ)	98.0.%	96.00%
SAT Math (MCQ)	91.40%	86.20%	AP Statistics (MCQ)	60.00%	62.50%
Graduate Record Examination (GRE) Ouantitative	57.50%	67.50%	AP US Government(MCQ)	85.50%	83.60%
Graduate Record Examination (GRE) Verbal	87.50%	90.00%	AP US History (MCQ)	89.10%	87.30%
USNCO Local Section Exam 2022	51.70%	63.30%	AP World History (MCQ)	94.50%	98.20%
AP Art History (MCQ)	72.50%	66.20%	MKSAP Questions(MCQ)	77.90%	74.70%
AP Biology (MCQ)	98.30%	96.70%	AMC 10	28.00%	24.00%
AP Calculus BC(MCQ)	66.70%	57.80%	AMC 12	20.00%	32.00%
AP Chemistry (MCQ)	58.30%	71.70%	Introductory Sommelier (theory knowledge)	90.50%	92.20%
AP English Language and Composition (MCQ)	55.60%	51.10%	Certified Sommelier (theory knowledge)	83.20%	86.20%
AP English Literature and Composition	63.60%	69.10%	Advanced Sommelier (theory knowledge)	74.80%	77.10%
(MCQ) AP Environmental Science(MCQ)	72.50%	67.50%		73.70%
AP Macroeconomics (MCQ)	83.30%	76.70%	Average AP Microeconomics (MCQ)	90.00%	74.00% 76.70%

数据来源：OpenAI，国泰君安证券研究

 既然大模型没有摆脱深度学习框架，这就意味着现阶段的 AI 背后依然是统计学，无法彻底解决残差问题。换言之，“能力的不可解释性”问题依然无法在根本上得到解决，我们依然无法实现 100%的正确，只能通过覆盖更多小概率路况的方式来提升安全性。

 大模型理论上难以帮助我们实现小概率路况的 100%覆盖。从本质上来说，利用 AI 大模型进行路况生成虽然能大幅提升效率，但依然类似穷举。而通过穷举法实现对小概率路况的全覆盖从理论上不太可能实现，本质的原因在于“路况本身是一个无限场景”。试想一下，如果我们要打开一个密码箱，我们只需要从“000”到“999”全部尝试一遍，箱子就必然已经被打开了；同样的道理，在棋类运动中，每一步可以“落子”的情况都是有限的集合，换句话说，所有可能性是也是可以被遍历的，所以这两个场景都是“有限场景”，而公开道路自动驾驶场景则是一个“无限场景”。

但我们不能因大模型难以 100%解决问题而低估其对自动驾驶行业的帮助。无法单纯从技术上解决问题并不意味着大模型对于自动驾驶的落地没有意义。我们认为，技术的突破和法律、伦理的放缩将“相向而行”，从而最终在一个可以接受的安全性范围内实现平衡。可以试想一下，如果人类没有发明汽车，可能也不会有目前那么多的交通事故，但显然并不会有人因为这一点抵制汽车这一为人类社会带来巨大帮助的发明。

图 24：大模型核心解决的是成本和效率问题

数据来源：北京智源人工智能研究院，国泰君安证券研究

2.2. AI 助力智能座舱交互体验提升

智能座舱交互属性毫无疑问会不断上升。

 从必要性角度：汽车行业正从卖方市场转向买方市场，行业演进的核心驱动因素由技术与产品转变为消费者需求。传统汽车工业已走过百年，随着行业的高度成熟，这一市场正逐渐由卖方市场转变为买方市场，行业向前发展的关键因素也从技术的突破和产品的打磨转向消费者的需求变化。

图 25：国内消费者购车决策中座舱智能科技因素占比达 26.7%

数据来源：IHS Markit，国泰君安证券研究

图 26：国内市场智能座舱渗透率提升速度有望快于全球市场

数据来源：IHS Markit，国泰君安证券研究

 从可行性角度：随着 EE架构的集中化，以及主控芯片算力的提升，将可以支撑越来越多新的功能点。

AI 大模型可以丰富和革新人与车辆的交互方式。在座舱内，驾驶员会与汽车通过语音、视觉等多种方式产生交互，毫无疑问，AI 大模型有助于交互体验的提升。如驾驶员将可以通过自然语言的方式和系统进行沟通，比如选择一条更快的路或是收费更少的路；或者系统会对驾驶员的各种习惯进行学习，比如什么时间在什么地方喜欢买咖啡，从而对驾驶员进行建议；再或是基于天气提示驾驶员带雨伞等等。

2.3. AI 带动车辆研发设计效率提升

随着项目周期的压缩，汽车研发效率正变得越来越重要。

 汽车的开发周期正逐渐缩短，这使得供应商的项目周期被大幅压缩，此前项目可能是 2-3 年，而现在可能是 1 年多甚至不到 1 年，同时主机厂的定制化需求却越来越多，更短的开发周期和更多的定制化需求对 Tier1 的智能制造能力提出了更高的要求。

 随着自动驾驶功能模块逐渐增加，需要测试的里程数快速增加，并没有完全足够的时间进行路测，同时由于涉及到安全，测试环节本身不能简化，所以设计、测试的效率在一定程度上正逐渐成为制约项目能否快速及时交付的重要因素。

图 27：汽车的开发周期正逐渐缩短

数据来源：Center for Automotive Research，国泰君安证券研究

AI 大模型对于汽车设计师效率的提升意义重大。比如中科创达 GeniusCanvas 将语言能力、视觉渲染以及特效制作能力结合在一起，可以通过辅助概念创作、辅助 3D 元素设计、辅助特效代码生成和辅助场景搭建及制作多方面帮助设计师完成创作过程，从而优化工作流程，并提高设计师的工作效率。概念创作方面，它能够把 3-4 周的工作周期缩短到 1周，节省 70%的时间。3D 元素设计方面，它能够把 4\~6 周的工作周期缩短到 3 天，节省 85%的时间。特效及场景制作方面，它能够节省 90%的时间。

图 28：Genius Canvas 大幅提升设计师效率

数据来源：中科创达

2.4. 国内智能驾驶公司积极拥抱 AI新趋势

2.4.1. 中科创达：推出 Genius Canvas，提升 HMI 交互体验

中科创达重视AI技术，利用kanzi推动智能驾驶舱的发展。在2022年，中科创达公布与地平线成立合资公司，聚焦智能驾驶赛道。kanzi 是一个具有强大实时 3D 渲染能力的工具。中科创达推出的智能驾驶舱 3.0使用了 Kanzi for Android 这种新技术，使得 Android 系统和 Kanzi 完美对接，实现了 3D 唱片、可定制实景导航、实时界面个性化定制、跨屏幕跨系统应用等功能。

图 29：中科创达推出智能驾驶舱解决方案

数据来源：中科创达

中科创达利用 Kanzi实现智能驾驶舱多屏交互。由于智能驾驶涉及人机共驾，智能汽车所承载的驾驶员信息、车外环境信息、车辆信息等越来越多，需要有更多的空间、分区域地呈现给用户，并确保和驾驶员有良好交互。基于 Kanzi for Android 支持的多屏联动，在导航的过程中可以实现地图跨屏，全方位呈现 3D 导航；在导航结束时，可将地图由副驾驶屏收缩至中控屏。多方选择以适应更多的个性化需求。

中科创达 Genius Canvas赋能汽车产业发展，打造全新 HMI 交互体验。Genius Canvas 的一个工具是大模型引擎，它能够把想法和理念转化为文案，并进一步转化为创意和作品，最终通过技术手段转化为应用程序。Genius Canvas 的第二个工具来源于 KANZI 产品。Kanzi 与大模型结合后，能够利用大模型的知识库及创新能力，快速创作丰富多彩的 KanziHMI 概念效果及特效，构建多样的 3D 模型及形象库，并且在车机系统中能够实现实时预览功能。目前，全球已有超过百款车型选用了 Kanzi，每年有数千万辆搭载 Kanzi 技术的量产车型落地。

图 30：中科创达推出 Genius Canvas

数据来源：中科创达

2.4.2. 德赛西威：联合高校推进大模型本地化，赋能自动驾驶

德赛西威联合高校推进大模型本地化部署。德赛西威已和中山大学、南洋理工大学等高校合作，通过尝试和布局基于大模型的数字虚拟助手、图像数据自动标注、自动场景创建、自动编程等，构建技术支撑，相关

方案已经在上海车展上亮相。在 AI 大模型本地化过程中，德赛西威能够为客户提供差异化、全方位的技术支持和解决方案。

AI 大模型技术可以和德赛西威现有技术形成完美融合。比如,AI 大模型可以在感知融合、感知预测和规划上实现更为精准的数据补充和预测，从而在行为预测方面给予自动驾驶更多地帮助，并给出更多的控制选择。

图 31：AI 大模型技术可以和德赛西威现有技术形成完美融合

数据来源：德赛西威

2.4.3. 虹软科技：已发布可商业落地的 AIGC 产品

公司已发布 AIGC 产品，助力小 B客户大幅降低商品展示成本。1）商业拍摄市场空间超 500 亿元，虹软方案能大幅降低对模特的依赖，降低商品展示成本，实现对于原方案的替代。2）采用目前市场上的方案在很多细节处存在畸变和失真，虹软的方案能使得商品展示“所见即所得”。3）公司计划在 2023 年推出静态商品展示图解决方案，包括商品加背景静态图像的生成，以及商品加数字模特图像生成，后续计划推出动态视频以及 3D 内容。

商业模式：与公司手机、汽车业务类似，AIGC商业模式分为会员服务费和生产流量费两部分。1）在会员服务会部分，公司会根据不同的会员等级开放不同的功能，比如不同的场景库和模型库；此外，公司可以针对一些增值的 API 做差异化的定制开发。2）在生成流量费部分，公司将按照生成内容的实际算力消耗直接定价。

虹软科技是非常稀缺的能够将 AIGC技术进行产品化落地的公司。在目前阶段，投资者非常关注哪些公司能在 AIGC 方面形成真正的产品，并产生商业价值。虹软作为安卓系手机拍摄算法的全球霸主和汽车视觉算法的领先者，在图像处理方面拥有超过 20 年的技术积累，是非常稀缺的能够在现阶段将 AIGC 技术进行产品化落地的公司。

2.4.4. 经纬恒润：自主开发驾驶仿真测试软件，推出智能座舱 AI 单品

在自动驾驶仿真方面，经纬恒润自主开发仿真软件，助力驾驶测试。经纬恒润自主研发了综合驾驶测试仿真软件 ModelBase，这一软件可以被用于乘用车、商用车的整车电控系统、ADAS 系统的设计、测试和验证。涉及电控系统的全开发周期，包括早期的算法仿真测试，控制器的硬件在环测试，半实物台架测试，以及车辆在环测试。目前这一软件已经被已应用于一汽、东风、蔚来等 50 余个项目中。

在智能座舱交互方面，经纬恒润基于 AI 技术开发了音乐律动氛围灯等一系列产品。经纬恒润音乐律动氛围灯具有实时歌曲特征识别和离线歌曲特征识别两种模式。其中离线歌曲特征识别模式的相关功能就是基于AI 音乐风格分类算法和 AI 音乐段落划分算法进行实现。通过音乐特征识别，为氛围灯音乐律动提供丰富的效果组合，提升用户体验。

图 32：经纬恒润推出音乐律动氛围灯

数据来源：经纬恒润

3. 金融是 AI落地核心场景之一

3.1. 金融行业敢于尝试新技术，是AI落地核心场景之一

相比于其他行业，金融行业在新技术应用上有三个特点。第一个特点，是很重视新技术发展，并且敢于尝试。因为金融行业的日常业务活动涉及大量交易，技术上的微小进步有可能会为客户带来巨大的收益，因此金融机构对于新技术很敏锐，会积极追求将新技术应用于日常业务。第二个特点，是金融行业 IT 预算充足，对于性价比没有其他行业那么敏感，在 IT 乙方的眼里，金融机构甲方客户往往是最好吃的一块蛋糕。第三个特点，是金融机构对于系统稳定性和数据安全有极高的要求。这个特点往往会跟第一个特点冲突，但是系统安全永远是金融机构的底线，在此底线之上才会去追求新技术的应用。不管是证券、银行还是保险，一旦核心系统出现故障超过一定时间，就容易收到监管函，相关 IT 部门领导需要承担管理责任。例如 2022年 5月 16 日，招商证券集中交易系统发生故障，9 月 8 日收到深交所监管函（澎湃新闻报道）。

在过去十年里面，银行、证券、保险等行业都应用了大量新技术，去提升系统的安全性、可用性，包括在信息系统的国产化方面也做了大量的工作，这背后是金融机构的大量科技投入。2022 年，6 家国有大行在金融科技方面投入金额均超百亿元。其中工商银行科技投入金额达 262.24亿元，位居国有大行榜首。该行金融科技人员 3.6 万人，占全行员工的8.3%，数据分析师超 7700 人。建设银行、农业银行分别以 232.90 亿元的金融科技投入和 232.11 亿元的信息科技投入资金紧跟其后。其中，建设银行在年报中提到，金融科技人才工程被列为全行首个重大人才项目，着力推进“懂科技的管理人才”“懂业务的科技人才”“懂行情的市场化IT 人才”三类人才队伍建设，研发费和科技人员人力费用等费用性支出保持持续增长。

3.2. AI 技术能够大幅提升金融行业工作效率和用户体验

2022 年 12 月，全球管理咨询公司麦肯锡发布《麦肯锡中国金融业 CEO季刊》——《今日科技重塑明日金融：影响全球金融业未来格局的七大科技》，《报告》总结了七大重塑金融业未来格局的新技术，其中就包括了人工智能。

 一是人工智能。从单点尝试走向全面应用，深度融合业务与运营各环节；在项目/产品落地速度、整体工作效率、综合成本控制、安全保障上为金融机构提供额外价值。

 二是云计算。规模化上云趋势加快，云计算与边缘计算相得益彰；得以灵活布置的前端网点和后端算力，将解锁一系列高客户感知的应用场景。

 三是元宇宙与全面虚拟技术。虚拟感知构筑虚拟世界，重塑客户服务与内部运营；空间计算技术、AR/VR/MR 技术的不断发展将重新定义客户体验和内部运营。

 四是区块链与 Web3.0。互联网范式迭代，颠覆未来商业模式；区块链、数字资产、去中心化架构将颠覆原有的门户平台商业模式，甚至催生新的金融服务领域。

 五是下一代通信。高带宽、低延迟、强安全的数据传输赋能技术解决方案，物联网技术持续推动新用例落地；高通量卫星网络、5G/6G、低能耗局域网等从天到地的通信技术各自发展和互相融合，将赋能更快速、更安全的金融产品和应用。

 六是下一代集成开发。平民开发、灵活部署、智能辅助、自动开发将变革传统技术密集的开发流程，进一步降低开发门槛，科技能力不再是技术企业独有的护城河。

 七是信任架构与数字身份。构建数字信任体系，夯实金融科技安全基石；零信任架构、数字身份、隐私工程等技术保障金融和隐私安全，增强信任。

未来，AI 技术在金融行业的落地有几个大的方向，贯穿了金融机构业务开展的主要方向。

 风险管理：金融领域的一个重要任务是风险管理。人工智能可以通过数据挖掘和机器学习技术，帮助金融机构更好地识别和评估风险，提高风险管理的精度和效率。

 投资管理：人工智能可以通过数据分析和预测技术，帮助投资者更好地理解市场趋势和机会，提高投资管理的收益和效率。

 客户服务：传统的金融客服都是人工的，而通过人工智能技术和自然语言处理，可以将客户问题进行分析，通过算法给出准确的回复，这就大大节省了金融服务的成本。

 交易监管：人工智能可以通过数据挖掘和机器学习技术，帮助金融监管机构更好地监管金融市场和交易活动，维护市场秩序和稳定。

 金融创新：人工智能可以通过算法交易和智能合约等技术，推动金

融创新和业务模式的改变，提高金融行业的竞争力和创新力。

3.3. 上市公司纷纷推出 AI产品

3.3.1. 恒生电子：推出智能投研产品，研发金融大模型

恒生电子基于大模型推出智能投研产品，包含了三个子产品。

 第一个叫 CHAT，通过 CHAT 可以问到各种各样的数据。它就像是一个金融资讯数据的情报员，使用方可以问 F9、问行情、问研报、公告资讯、问观点提取等等，它底层的关键性技术用到了搜索加上大模型，通过这样的技术来去调用整个恒生聚源的金融资讯数据库，从而能够实现语控万数。

 第二款产品叫 ChatMiner，是一个指定文档的挖掘器。比如用户自己有一篇文档，上传以后可以针对这一篇文档去提问，ChatMiner就可以根据这篇文章里面提到的内容去对问题予以回答。底层的关键技术是向量数据库加上大模型。

 第三个产品 WarrenQ，是一个一站式的数智化投研端。WarrenQ 里面有非常多的场景、功能，大模型的产品 ChatMiner 也在里面，再到阅读器、云笔记、原文引文和溯源、演算板、其中的估值模型，以及在线分享脑图等等都已经在投研场景上去实现全面的打通,所以它是一个一站式投研平台。

举一个例子，假设使用方是一个研究员，想针对一个主题去进行信息搜集和检索,可以先问CHAT最近跟这个大模型相关的有哪一些厂商的新动态，可能回复一大段新闻事件集锦。假设对中间的一条比较感兴趣，就可以去追溯原文，去查看新闻或是研报里面详细的内容。如果看到其中的干货想把它留存下来，在下一次写报告的时候，跟领导汇报、跟同事分享的时候，可以一键拖拽到笔记里,中间的数据可以在演算板里对数据进行制图制表。对于涉及到上市公司估值的内容，产品内置了在线估值模型，可以方便对其中关键假设指标进行动态调整。最后把所有已经被研究小组内化的信息，在一个在线协作的脑图上汇总，进行组内的分享和汇报。

恒生电子制定了大模型时代的数字化产品框架。

 最底层是数据层。它跟传统数据层有一定区别,比如恒生帮金融机构去建一个数智化的平台，底层可能很多是一些公开数据再加上机构自有知识库。现在金融机构的自有知识库会加上金融的基础语料、微调场景的语料，再加上公开的大模型语料，一起构成大模型时代的数字化产品底层。

 第二层是模型层。恒生电子在做产品的过程中，试用了很多种，包括 LLaMa、Bloom、清华等等大模型。在这个基础开源模型上，将准备好的数据和语料结合在一起，然后可以做金融数据集的训练，也可以做有监督微调，调完了以后就会得到一个金融版大模型。有了这个大模型以后，再加工成产品。

 第三层是插件层。与通用版的大模型不同，插件层在金融垂直领域非常重要。因为绝大多数的金融场景，不是仅仅输出一篇文字就够了，而是在绝大多数情况下要引用数据，并且对数据的及时性要求很高。比如当天的市场点评里面的数据不能是三个月前 GPT 训练所用的数据，一定要是实时的数据。

图 33：恒生电子制定大模型时代数字化产品框架

数据来源：恒生电子

插件层可以解决数据即时性的问题。第一列是 NL2SQL。比如用 CHAT 去查恒生电子的行情，它在用这个大模型的接口返回一段话的同时，调了NL2SQL 接口，到数据源库里面去把恒生电子的行情的时间序列给查出来，变成一个 K 线图返回，用户就可以看到最及时、最更新的行情；第二个搜索接口也很重要。第一个 NL2SQL 更多是解决的时间序列格式的数据即时查询性的问题，搜索接口解决的是文本类的数据，因为第一个接口没办法获取最新消息、事件、新闻研报公告。

ChatGPT 底层的技术就是向量数据库，它涉及到私域的大量文档怎样去进行向量化、做相似性的查询和存储。这个插件层很重要，它是金融领域要做垂域产品非常重要的支撑性力量。结合恒生电子训练出来的金融大模型一起，向上可以去做各种各样的应用，包括智能投研、智能投顾、财富管理等服务。

恒生电子的大模型到 9 月 30 号就可以开放试用，年底会进一步优化。恒生专门为金融行业打造的大模型的能力，已经提升到可用的程度，9月 30 号会开放试用接口。到年底会把推理性能进一步优化，把逻辑能力也进一步的升级，使得它和光子配套能够统一构成一个 AI 直通应用的体系。

图 34：恒生电子大模型 9月 30号开放试用接口

数据来源：恒生电子

3.3.2. 同花顺：发布人工智能及虚拟人产品

同花顺早在 2013 年，同花顺便开始布局人工智能领域，首推财经搜索引擎爱问财，到 2019 年全业务全力推进 AI，目前已经积累了多款 AI 产品。

（1）i 问财投研平台：i 问财投研平台提供了多维度的股票、基金、债券数据，投资者输入自然语言问句，搜索想要的数据和信息。此外还有条件选股、研报、图表精选策略、产品搜索、短线复盘、策略回测宏观经济等功能。同花顺 i 问财智能头部数字人致力 i 于用人工智能技术多模态的交互及富媒体的表达，解决用户个性化的投资问题，提升用户的投资能力，辅助完成投资目标。

（2）iFind：iFind大金融数据终端是一款融合了金融数据专业咨询投研分析工具的智能终端，目前覆盖了国内全部的证券期货公司，超 80%的基金和商业银行，大部分媒体高校上市公司私募机构的产品涵盖了全球主要资本市场的股票、债券、外汇、商品、基金等品种，拥有超 600万宏观行业指标，年增超 50 万篇，研报 10 余万新闻数据源，为用户提供全面的市场信息，iPhone 的运用 AI 算法为用户提供智能预测、智能搜索和智能脉络等创新应用，让用户的体验更加高效便捷。2023年iFind将会借助 AI 技术，aigc 系列，进一步提升用户体验和工作效率。

产品介绍：同花顺iFinD

图 35：同花顺iFind终端融合了金融数据

数据来源：同花顺

（3）AI 短视频平台：当前短视频是财经信息用户获取信息的主流方式，受限于制作门槛高，缺乏金融数据等痛点，导致短视频的生产效率低。针对前述痛点，同花顺研发了 AI 短视频平台，该平台是一款基于人工智能技术的视频制作和发布平台，通过集成先进的 AI 技术，自动化的处理视频素材，包括剪辑配音字幕等，结合数据的酷炫可视化展示能力，使用户快速的制作出高质量的短视频，同时该平台还提供了各种丰富的模板和主题，自动化生产出个性化的短视频。同花顺 AI 短视频提供快捷有趣的视频创作体验，助力打造附文本向短视频转型的数字化服务体系。

图 36：同花顺AI 短视频平台深耕金融行业

产品介绍：同花顺AI短视频平台

数据来源：同花顺

（4）数字人交互一体机：数字人具有媲美真人的专业知识人设和情感，能在银行、证券、运营商、政务、医疗、教育等行业服务场景中，辅助完成业务咨询办理，营销推广宣传等任务，提升客户体验和营销成功率。现在大家看到的是具备了金融领域专业知识的数字人，能给用户提供实时金融数据。

（5）同花顺虚拟展厅：虚拟展厅是同花顺利用虚拟人、人工智能、云计算等核心技术，助力企业便捷高效创造素质，实现企业产品和服务全景展示与交流互动，赋能企业宣传推荐、科普教育等功能的产品。虚拟展厅以 3D 全景展示线上配合声光动画等特效，可以给参观者带来全身心投入的沉浸式体验。虚拟展厅突破了时空限制，应用 3D 全景展示线上产品和服务，配合声光动画等特效，可以给参观者带来全身心投入的沉浸式体验。虚拟展厅突破了时空限制，全身心投入的沉浸式体验。

（6）小花探影：上消化道检查功能板块主要功能用术中对检查部位进行导航提示，漏检部位、视野清晰度和病灶体提示。同时系统会自动截取部位和病灶图片保存，下消化道检查功能板块主要功能有手术技术术中识别回盲瓣和回肠末端等解剖位置，对视野清晰度评估和提醒出现异常病灶进行提示，我们这个产品已经取得了医疗器械二类证，并与多家知名医疗机构达成合作。

3.3.3. 凌志软件：通过 AI 技术为日本金融企业提供服务

公司主要客户为日本的金融保险企业。公司已与日本优秀的一级软件承包商建立了长期稳定的合作伙伴关系。由于日本一级软件承包商数量较少，公司与其建立稳定合作关系后，能有效降低公司的销售费用和关系维护成本，并能提高合作效率。公司在与日本一级软件承包商合作过程中，积累了丰富的金融、房地产、电信、电子商务等行业经验，在客户中赢得良好的口碑。目前，公司第一大客户为全球顶尖金融服务技术供应商野村综研，2019 年野村综研在世界金融科技排行榜上位列第十，是全球非常优秀的金融科技公司。目前野村综研除了服务母公司野村证券，也在积极对外输出 IT 能力，尤其是 AI 方面的能力。

公司全面参与海外金融企业 IT系统建设，并落地 AI 能力。公司参与完成了众多金融行业核心业务系统开发，包括网上交易系统、客户关系管理系统等，保险业务的核心系统、营业支援系统、销售平台系统，银行客户的网银平台、养老金管理系统等，基本做到金融行业各系统全覆盖。其中基于 OCR、NLP 的工作底稿系统，在包含券商和基金公司的 41 家客户处上线运行，使用深度学习中的Transformer 模型和 CV目标检测算法，基于深度机器学习的文本纠错、文档一致性对比、招股书审核、债券募集书审核、多文件交叉审核、通用文档核查等功能也已经完成，已开始在多家券商进行体验测试，陆续对客户进行升级。

AI 目前暂时无法完全替代程序员，但可以完成简单内容生产和测试工作。目前虽然 ChatGPT 可以辅助写代码，但只能完成部分内容，无法完全取代程序员。我们可以把现阶段 ChatGPT 能够做的事情当成是一种新的编程工具。我们在编码的环节不能够用 AI 替代人力，但诸如编写设计书、软件测试等环节短期就可以实现 AI 应用落地，助力企业降本增效。

公司目前已经使用 AI 代替部分人工，未来引入 ChatGPT将进一步提升效率。目前公司的业务流程中，详细设计书的编写以及单体工程检测方面已经上线 AI 应用，实现设计书的自动化编写以及单体工程的自动化测试。除远成办公能力降低成本外，自动化软件服务是公司毛利率远高于竞争对手的关键因素。公司目前服务器直连日本客户，未来有望通过接入 ChatGPT 在详细设计书编写、简单代码生成、单体工程测试领域实现进一步降本增效，打破现有瓶颈。

图 37：公司已在详细设计书编写和后续测试阶段实现简单自动化

数据来源：凌志软件

对日客户关系稳定，客户只看中结果。正因为日本相对保守的商业环境，导致在与现有供应商大多是长期的合作。日本客户认为新企业合作存在高风险，担心新企业的管理能力、交付能力、合规性等，与新企业合作所付出的尽调成本是他们所不愿意承担的。他们不愿意看到供应商因利润空间被压缩而失去长期的合作伙伴。因此，日本客户是不会因为供应商的利润率高而对其降价，反而会认为他们选择了一家优秀的供应商。公司的商业模式非纯人力外包，而是解决方案外包，软件服务公司交付的是系统而非劳动力，只不过这个系统的定价是由社会平均劳动量决定的。在这种情况下，软件服务公司若能高效完成任务，其实不需要投入合同中规定的人力，因此有效率提升的可能。因此大多数的解决方案外包毛利率是要高于单纯人力外包的，而目前来看，凌志基本所有的项目，都是解决方案外包。

AIGC 将助力公司降本增效，释放利润弹性。根据表 1 我们知道，公司能够提供给客户的服务中，有 8%的工作量是参与代码编写，有 15%的工作量是与详细设计书撰写有关，另有 14%工作量与单元测试有关。目前公司的成长瓶颈不在需求端，而在供给端。假设未来公司业务上述环节由人工智能替代，公司有望依托现有团队承接更多的业务，打开成长空间。并进一步降低成本，大幅提升盈利能力。

图 38：未来引入ChatGPT技术将进一步提升软件开发和测试效率

数据来源：凌志软件

4. AI加持，设计与工业软件将实现降本增效

4.1. AI对于设计效率提升大有裨益

4.1.1. AIGC 降低设计软件使用门槛

目前的 AI 辅助的能力仅限于为用户提出建议并代替部分重复性设计工作，减轻设计师部分负担，并不能降低软件使用门槛。以最新发布的AutoCAD 2024 中的 AI 辅助功能为例，‘Activity Insights’可以记录用户对图形文件的所有操作并对工作流程和操作提供建议，‘Smart Blocks能够根据之前绘图的放置位置对新的 block 进行自动放置。这些功能对设计师的帮助有限，也无法降低使用门槛。

ChatGPT能够按照开发者的自然语言指示生成 CAD代码，并给出相应的解释。目前在CAD领域，ChatGPT能够支持Autodesk公司开发的 VisualLISP/AutoLISP 语言、Maya 核心脚本语言 MEL、3ds Max 相关产品的通用脚本语言 MAXScript，以及用于 AutoCAD 平台二次开发软件包ObjectARX 的 VisualC++语言等。

图 39：使用 ChatGPT 生成 CAD 代码

数据来源：OpenAI

微软代码平台 GitHub发布编程辅助 Copilot最新版本 Copilot X，实现AI语音交互辅助编程。2023年3月23日，微软旗下代码托管平台 GitHub发布了编程辅助工具Copilot 的全新版本Copilot X，新版本接入GPT-4。GitHub 首席执行官 Thomas Dohmke 称，虽然自动补全代码已经大大提升开发人员的生产力，而全新的 Copilot X 能将开发人员的生产力提升10 倍。

工业设计软件也将出现自己的“Copilot”，显著降低软件使用门槛并提升生产力。工业设计软件有较高的使用门槛，但未来用户可以直接使用自然语言提出要求和限制调用 AI 进行代码编写和绘图，大大降低使用难度。同时，设计人员也可以直接利用 AI 省去重复性的设计工作，提升工作效率。

4.1.2. AIGC 将进一步提升生成式设计的能力

AI 可以自动生成大量符合要求的多样化设计方案，使得设计师能在更短的时间内探索更多设计选项，提高设计效率。传统的设计方法依赖于“建模然后分析” 的循环，但在生成技术中，AI 能够根据用户要求和限制比如材料类型、功能要求、性能限制、成本限制等信息，快速生成大量满足要求的 CAD 解决方案，并最佳解决方案，而无需人工干预。设计师可以在短时间内探索大量可能性，快速缩小选择范围并选择更优的解决方案。简化了设计流程，也有助于设计师能够更快地做出决策提高工作效率。

通过生成技术可以最大限度地降低成本并优化性能。生成技术根据用户要求和限制去创建优化的产品设计，而不是先制作几何图形再验证，所以设计会针对最小成本和重量等目标进行优化。这种方法能够有效的减少材料使用，降低成本。

生成技术也可以帮助设计师创新。AI自动生成的大量设计方案中，可能会出现包括设计师和工程师难以发现的更好的独特的解决方案，提高设计方案上限。

海外多家厂商已经布局生成式设计并落地应用，AI大模型有望使生成式设计跨向新台阶。包括 Autodesk 和 PTC 在内的多家厂商已在产品中内置生成式设计的拓展模块，但仍未大规模投入使用。AI大模型有望加速生成式设计的研发，助力生成式设计进一步发展。

图 40：AI 快速生成大量方案

数据来源：Autodesk

Autodesk FUSION 360 拥有生成式设计的拓展模块 ProjectDreamcatcher。Dreamcatcher 能够基于设计师的要求，提供大量的解决方案和策略设计，并且设计师可以直接在设计空间里进行调整。团队目前正在与汽车、航空航天和其他制造行业的领导者合作，为最复杂的 3D设计提供解决方案。

图 41：Dreamcatcher 的方案实现降本增效

数据来源：Autodesk

PTC 的 Creo 同样拥有生成式设计模块 GDX（Generative DesignExtension）。其能够辅助用户针对特定目标进行优化，降低材料等成本，短时间内生成满足要求的最佳设计。Creo的生成功能帮助全球领先的动力设备制造商康明斯将零件的材料减少了 10-15%，帮助他们实现了成本和可持续性目标。同时，他们可以一次性获得正确的设计，而无需与分析师反复沟通以确保组件满足其所需的设计限制。有助于他们降低成本、创造更好的产品并更快地进入市场。这也解放了分析师，使他们能够专注于更复杂的分析任务。

图 42：Creo可以对生成的方案进行对比并展示结果

数据来源：PTC

4.1.3. AI 打破二维与三维的壁垒，实现精确转换

AI 多模态大模型有望打破壁垒，实现二维图纸与三维 BIM模型有效转换，提升设计效率。目前国内仍有大量 BIM翻模需求，虽然已有插件和算法能够实现二维图纸翻模三维 BIM模型，但翻模效果普遍较差，需要大量人工修正，AI 大模型经过训练后有望提升翻模的准确率与精细度，取代人工翻模，实现降本增效。

图 43：二维图纸与三维模型的转换

数据来源：Autodesk

4.1.4. AI 赋能 EDA，实现降本增效

Synopsys推出首个 AI EDA套件并取得成效，未来可能利用 AIGC编写代码。2023 年 4月，全球领先 EDA厂商 Synopsys 宣布推出业界首个全栈式 AI驱动型 EDA解决方案 Synopsys.ai，涵盖设计、验证、测试和模拟电路设计阶段，旨在帮助客户持续创新，更快实现更高质量的设计，同时降低成本。Synopsys.ai已获得包括 IBM、英伟达、微软在内的多家领先企业的率先采用并取得显著成效。瑞萨电子在减少功能覆盖盲区方面实现了 10倍优化，并将 IP验证效率提高了 30%。SK海力士将先进工艺技术的芯片尺寸缩小了 5%。目前仍由工程师来编写芯片制造的 C 语音，未来可能由 AIGC辅助甚至代替。

图 44：Synopsys.ai 将 AI 应用到全栈 EDA 软件环节

数据来源：Synopsys

4.2. AIGC 将有效提升工业生产效率

4.2.1. 西门子与微软携手利用 AIGC 提升工业生产力

AIGC助力工业 AI进一步发展。目前 AI对于工业产品制造阶段的增强主要在于 AI算法的制造执行和管理流程，AIGC的生成和推理能力都将为 AI应用带来显著提升，进一步优化执行和管理流程。

西门子与微软合作，共同为 AIGC 在工业方面的运用树立标杆。2023年 4月，西门子宣布与微软达成合作，在多个方面使用生成式人工智能（AIGC）改进其工业控制工作流程，持续提升效率并推动创新。

西门子 Teamcenter针对微软 Teams打造全新应用软件，增强跨职能部门的协作能力。双方将西门子的产品生命周期管理（PLM）软件Teamcenter®与微软的协同平台Teams、Azure OpenAI 服务中的语言模型，以及其它 Azure AI功能进行集成。企业的服务工程师或生产操作人员可以通过移动设备，使用自然语言记录并报告产品设计或质量问题。同时，通过 Azure OpenAI的服务，该应用可以解析前述非正式的语音数据，自动创建总结报告，并在 Teamcenter中发送给相应的设计、工程或制造专家。与西门子 Teamcenter的结合可为无法使用 PLM 工具的工作人员提供更多支持，使其能够以简单的方式参与设计和制造流程。

西门子和微软还将合作帮助软件开发人员和自动化工程师加快可编程逻辑控制器（PLC）的代码生成。工程设计团队可以使用自然语言输入生成 PLC 代码，从而减少时间成本并降低错误率。同时还有助于维护团队以更快的速度识别错误，并逐步生成解决方案。

西门子与微软还会借助计算机视觉等工业 AI，使得质量管理团队能够更轻松地扩大质量控制规模，识别产品差异，并更快地进行实时调整。使用微软 Azure 机器学习和西门子 Industrial Edge 工业边缘解决方案，使用机器学习系统对摄像机捕捉的图片和视频进行分析，并将其用于在车间构建、部署、运行和监控人工智能视觉模型。

图 45：依托 AI 的产品制造流程

数据来源：The International Journal of Advanced Manufacturing Technology

4.2.2. AIGC 能够优化并生成 3D 打印方案，降低使用门槛

研究发现 ChatGPT能够对 3D打印参数进行微调优化，甚至提供合适的3D打印的解决方案，有效降低工作门槛并提高效率。Gcode是 3D打印领域使用的一种编程语言，向3D打印机提供如何打印物体的特定指令。但是编写 Gcode需要对 3D打印流程有深入了解，手动编写非常耗时且容易出错。生成优化的Gcode能够确保产品质量并减少漫长的试错时间，从而节省材料和时间。研究人员发现 ChatGPT 在 1小时内成功优化了 15个打印参数并解释了每个参数更改的原因，这项任务本来需要大约三周才能完成。

图 46：ChatGPT在短时间内优化Gcode 完善打印方案

数据来源：Advanced Industrial and Engineering Polymer Research

4.3. 设计与工业软件主流玩家均加速布局 AI，并已取得一定成效

4.3.1. 广联达：AIGC 技术已被用于其核心产品

公司 2015年就已经布局 AI，把 AI 技术确立为公司核心技术，持续多年重点投入并取得成效。造价业务方面，突破基于深度学习的交互式生成技术，利用大模型技术提供智能组价和智能算量等服务。施工业务方面，劳务人脸识别终端实现量产，多项 CV 安全隐患识别算法集成进入施工蜂鸟盒子产品，助力蜂鸟系统成功入选工信部《国家人工智能创新应用先导区“智赋百景”》建设施工现场 AI 智能安全巡检应用场景典型案例。数字施工国际化方面，MagiCAD发布 AI辅助设计功能，在核心区域继续扩大领先优势，在英国、德国、意大利等重点拓展区域保持良好的增长势头。

图 47：广联达智能组价

数据来源：广联达

公司也在布局生成式 AI，在设计业务中，概念设计的阶段之前是由设计师做创意，然后一笔一笔画出来，未来可以让 AI 模拟人的创意快速生成各种草图。针对智能设计领域，公司目前已有一个专门的团队在探索，在一些项目上已经进行了初步的试用，但整体上仍处于较早期的阶段。比如 AI强排的功能（按照建筑强制性规范布置建筑），在拍地阶段，几十上百种的方案比选相比目前仅有几种方案的对比有更大的价值量。目前强排工具已进入用户验证，实时日照分析性能国内领先。

AI 在建筑行业的运用已有先例。Autodesk与 DAISY合作提高施工设计流程的效率。DaisyAI 是第一款由人工智能（AI）提供支持的木材设计CAD 软件，可在 10 分钟内生成符合规范的最佳设计，每天为工程师节省 2-3 小时，减少 80%木材浪费。Autodesk 的 Kratos 研究项目则使用 AI方法快速评估包括混凝土在内的多种材料的结构设计。2022 年，Kratos与 DAISY合作，使用 Kratos 计算木结构中的承重墙，并将结果输出给Daisy 来生成详细的平面图，减少了地基中使用的混凝土，降低施工成本。

图 48：Autodesk与 DAISY合作提高施工设计流程的效率

数据来源：Autodesk

公司重要研发项目逐渐完成，AI应用有望加快落地。公司的造价大数据及 AI应用项目、数字项目集成管理平台项目已于 2023年 2月开发完成并转入无形资产。造价大数据及 AI 应用项目目标为开发基于造价大数据及AI应用的智能计价与智能算量的下一代造价产品，随着开发完成，AI相关应用也将加速落地，进一步提升公司产品的竞争力。

4.3.2. 中望软件：已推出 AI 驱动的生成式设计功能

在 CAD 方面，公司可以根据已有数据研发内置的生成式设计功能。工程师可通过 AIGC向软件指定他们的要求和目标，从而自动生成大量设计方案。目前 AI 驱动的生成式设计功能已在 Siemens Solid Edge、PTCCreo 及 Autodesk FUSION 360 等主流 CAD 产品中投入使用。

在 CAE 方面，AI 可赋能仿真优化，提升仿真效率，助力公司工业 AI模型训练。通过与 Ansys Twin Builder 合作，微软 Project Bonsai 可同时运行数百个机器或者应用的虚拟模型，并将这些数字孪生生成的数据，直接输入大脑对其进行优化。使用大量虚拟模型可以缩短训练时间，降低成本，并学习了解所有可能遇到的情况，增加工业 AI模型精确度。

图 49：AI 在混合数字孪生中发挥关键作用

数据来源：Ansys

4.3.3. 中控技术：自研国内首个流程工业过程模拟与设计平台

APEX 海量数据助力大模型训练从而优化工程装置。2022 年 11 月，公司正式发布了自主研发的 APEX，成为国内首个流程工业过程模拟与设计平台。其基于机理模型打通了工艺设计到工厂运行的数据流程，实现了工艺模拟、工艺瓶颈分析和运行优化等功能，提供从工程设计、工厂数字孪生、生产运行到全生命周期运维的智能化运营解决方案。通过APEX运行得到的海量数据也将投入 AI大模型对装置进行优化，进一步提升工厂效率。

图 50：公司将打造工业领域 supGPT

数据来源：中控技术

AI大模型将进一步加速InPlantIBD对于流程工业的智能化建设和数字化转型。公司在2022年11月发布了工业AI应用开发软件（InPlantIBD），该软件可以实现从边缘端到大规模集群部署，满足流程工业全业务域AI 应用的需求。它不仅能实现机器学习、深度学习等 AI 算法图形化组态建模，还将工业知识和AI算法深度融合封装了大量的工业应用场景，实现了从算法组态到应用场景组态的突破。其已在化工、水泥、新材料等领域的操作寻优、智能决策、故障诊断等场景中实现闭环应用，取得了显著的节能减排效果。AI大模型的强大推理能力也将进一步推动流程工业的 AI运用落地。

5. AI 大模型背景下网络安全机遇与产业并存，各方

加速布局

5.1. AI大模型催化，网络安全产业机会与挑战并存

5.1.1. “安全”、“AI 安全”与“安全的 AI”同等重要

网络安全威胁日益加剧。随着互联网应用普及化，所对应的网络威胁数目随之上升，而且其复杂性也相对增加，对网络安全带来了巨大挑战。如今移动设备、物联网、云计算在企业中的应用日益普及，攻击面也相对增加。此外，黑客可以利用人工智能来不断变形病毒/恶意软件，而传统的静态防御解决方案未必能对此有效检测以及阻断。另外，网络攻击服务化（Cyberattack-as-a-Service）令网络攻击变得普及，攻击者自身不须拥有强大的黑客知识亦可以通过支付加密货币获得攻击工具。

人工智能在网络安全方面的作用是帮助组织降低入侵风险，并改善其整体安全状况。人工智能通过从过去的数据中学习来识别模式和趋势，然后这些信息被用来预测未来的袭击。人工智能驱动的系统还可以配置为自动响应威胁，并在更快的时间内对抗网络威胁。随着企业攻击面不断发展和演变，时而必须处理多达数千亿的时变信号以正确地计算风险。为了应对这一前所未有的挑战，神经网络等人工智能工具和方法不断发展，以更有效和高效的威胁检测和威胁消除功能，帮助信息安全团队保护敏感信息、降低入侵风险、降低安全运营成本、改善安全态势。再者，随着大模型潮流兴起，网络安全的产品能力、平台运营能力以及安全服务都有望迎来全面的优化升级。

虽然 AI 及大模型能够有效赋能网络安全产业，但 AI 大模型本身的安全保证也十分重要。在此方面，既要能应对利用大模型等 AI 技术进行网络攻击的风险，又要保证大模型本身的安全性。要考虑前者的原因是，大模型降低了黑客代码和攻击策略设计的门槛，使得攻击成本降低。要考虑后者的原因是，大模型本身的对齐、可解释性等问题使得其应用存在一定隐患。

OpenAI 对安全构建 AI 系统尤为重视。2023 年 4 月 6 日，OpenAI 官方发布了《Our approach toAI safety》文章，探讨了如何安全地构建、部署和使用人工智能系统的六大策略。Sam Altman 在北京智源人工智能大会上，也主要强调了 AGI 安全的重要性。AGI 未来将在诸多领域超越人类智慧，正因如此，AGI 风险空前高涨，若没有控制和约束 AGI，AGI 可能会往人类无法预测的方向发展，对人类生活造成严重威胁。

图 51：OpenAI发布了安全地部署和使用人工智能系统的六大策略

资料来源：《Our approach to AI safety》，国泰君安证券研究

综上，新技术浪潮下的网络安全产业需要考虑四重安全。第一步是做好传统网络安全防护，第二类是用人工智能相关算法或大模型对网络安全产品进行增强，以及对服务的优化赋能。该阶段要保证 AI 大模型赋能网安的过程中，AI 系统和网络安全产品的集成能有效融合。第三，要保证大模型输出的 AI 能力的原生安全（在当前对齐、可解释性等问题尚未有效解决的前提下，也至少要保证安全风险不能被 AI 放大）。最后，大模型本身的安全防护也十分重要，因为其作为 AI 能力输出的基石，本身的安全稳定有着根本性支撑作用。

图 52：大模型赋能下，网络安全产业要考虑四重安全保障

资料来源：国泰君安证券研究

5.1.2. 网络安全与人工智能技术结合具备天然优势

要弄清楚 AI 在网络安全领域中的作用，首先要回顾下网络安全产品本身的构建思路。网络安全的构建思路以红蓝对抗为角度，即根据黑客攻击的时间顺序来进行对应的防护。首先要进行最大化收敛互联网上的暴露面，第二步是对边界的防护，也就是根据暴露内容部署相应的安全问题防护以加固边界，接着要进行区域控制，即监控手段建设，最后一步是做强控。整个过程按照事前、事中和事后来建设网络安全。

图 53：基于下一代防火墙的产品防护架构如下所示

资料来源：天融信官网

网络安全单点产品的能力可以基于人工智能算法得到增强。前期的资产梳理、安全漏洞排查以及边界的防护方面，都需要防火墙、IDS/IPS 等产品部署，而与传统的软件驱动或手动方法相比，机器学习技术可通过结合来自主机、网络和云上的反恶意软件组件的大量数据来改进恶意软件检测；深度学习使用大量数据来训练深度神经网络，此举也能助力防范各类攻击。比如 Google 利用深度学习来检测难以检测的基于图像的电子邮件、含有隐藏内容的电子邮件，以及来自新形成域的通信，这有助于检测复杂的网络钓鱼攻击，包括与垃圾邮件有关的互联网流量模式；深度学习架构可以用于发现隐藏或潜在的模式，并随着时间的推移变得更加环境敏感，这有助于识别零日漏洞或活动，例如自然语言处理可以扫描源代码中的危险文件并标记它们，“生成对抗网络”可以学习模仿任何数据分布，也可以在识别复杂缺陷方面有用。

图 54：基于机器学习的 PE二进制恶意代码分析检测方案如下所示

资料来源：GSMA 官网

态势感知平台是 AI 技术应用的重要场景之一。面对越来越专业的恶意攻击，已无法再用传统的边界隔离理念、日渐臃肿的攻击特征库与黑客多变的渗透技术、隐蔽的信道相抗衡了。因此，通过态势感知平台调动各类单点网络安全产品来形成安全合力十分有效，因为本质上讲，网络安全就是发生在虚拟世界的攻防战，速度为王，而态势感知平台的作用就是分析安全环境信息、快速判断当前及未来形势，以作出正确响应。这个过程本就是人工智能的智能研判、决策分析的用武之地。例如，对于基于 SIEM 的态势感知平台，通过自身的日志解析、处理与分析来展示安全威胁与事件，利用关联分析、威胁情报、机器学习算法来降低安全告警数量与误报，融合资产、漏洞等上下文信息对网络安全整体态势进行可视化展示。

为应对海量的告警以及高级持续性威胁（APT），网络安全运营团队也需要人工智能和机器学习来提高效率。人工智能在安全运营中的其中一大作用是协助安全分析师的工作，毕竟它不太可能完全取代有经验的人类。反之，人工智能可以专注于比人类擅长的领域去协助人类，如分析大数据、替人类进行繁琐且重复的任务，以便分析师能够发挥更复杂的技能，如创造力、细微差别和专业知识。例如，采用无监督 ML算法的用户行为分析工具（User behavior Analytics, UBA）可以持续监测和分析用户活动、系统安全变化、网络流量和对应用程序和数据的访问检测和标记异常情况，使得该威胁对环境造成破坏之前，企业可以把未知的威胁更快地转化为已知的威胁。因此，网络安全运营团队在 AI 工具协助下，可以采取更积极的策略，对事件作出相应反应。并且在事件响应方面，相对于人工处理，基于人工智能的安全工具一旦发现威胁就可以对其自动作出反应。

图 55：虽然AI可以赋能安全能力，但相关伴随风险犹存

资料来源：安全内参，国泰君安证券研究

5.1.3. 大模型对网络安全产业的供给侧和需求侧带来巨大变化

大语言模型技术的广泛应用，能够赋能网络安全产业的诸多环节，甚至可能对部分环节带来颠覆性的改变。以 GPT 为代表的大模型的本质是理解语言意图并根据意图进行任务分配，从而实现对话、计算、制图等能力，具有语言体系且流程性工作的占比较大的工作环节能被大模型所赋能。同时，出于工程落地难度及性价比考虑，大模型更适合用于规模较大、所需人工较多的环节。

从网络安全厂商供给能力来看，大模型的语义理解及代码生成等能力可以有效赋能安全产品及服务。网安的日志为计算机领域的语言体系，GPT在 Github 中预训练之后，对于日志的理解具有天然优势。同时，安全运营涉及大量流程性工作，部分环节人力需求较多，而大模型的应用有望在安全运营中心（SOC）场景中降低安全服务人员的数量，实现降本增效。例如在用户行为分析（UEBA）方面，传统的 SIEM 是基于特征和规则进行分析，而用户行为超越了规则和相关性，可通过大模型的赋能研究攻击者行为模式，从而更加有效地检测内部威胁、针对性攻击和欺骗；又例如，在攻击者可以加密数据之前，SIEM 可能会检测到勒索软件的警报并在受影响的系统上自动执行应对操作，大模型的代码生成能力可以提升系统的自动响应能力。

需求侧方面，大模型被用于攻击而催生出新的安全需求。例如，据Darktrace 发现，自 ChatGPT 发布，网络钓鱼电子邮件的平均语言复杂度上升了 17%。钓鱼邮件数量显著上升且语言复杂度快速上升的情形下，邮件安全领域正在发生变革——从“安全”电子邮件网关转为智能 AI 方法，只有深入了解每个员工的日常互动，才能准确确定电子邮件是否归属其收件箱。另外，虽然直接要求 ChatGPT 生成攻击代码是大模型所拒绝的，但这一规则并非无法绕过，通过对生成恶意代码的要求进行修饰，可以规避 ChatGPT 的安全措施，达到曲线实现生成恶意代码的目的，更为严重的是恶意人员无需任何编程经验就能够通过 ChatGPT 编写恶意软件。

在大模型时代，无论 ChatGPT还是 Google 的 PaLM，都以 API 的方式交付其能力，必将导致 API 安全需求的井喷。大模型爆火前， API 在物联网、微服务、云原生等场景加速应用。Salt Security 发布的《State ofAPI Security Report, Q1 2023》报告指出，94%的受访企业在过去一年中遇到过生产系统中的 API 安全问题，且与六个月前相比 API 攻击活动数量增加了 400%，GPT 的现象级火爆必然是背后的原因之一。GPT 引爆的 AI 大模型带来的 API 安全需求或将成为 2023 年甚至 AI 大模型时代长期的安全重点。对于 LLM 的 API 使用者来说，API 安全供应商可以让企业管理者对内部的 API 使用情况保持可见性，并尽可能避免经过身份验证的、无法防范的 API 使用威胁。

5.1.4. 大模型输出的 AI 能力要有原生的安全性

虽然大模型能够带来网络安全性能的较大飞跃，但也要考虑大模型所输出的 AI 能力的安全性。大模型输出能力的安全性，即“安全的 AI”，在其产业应用过程中跟传统网络安全防护同等重要，本质上是因为 AI 大模型作为一个工具，应当帮助人们而不是取代人们或对人类社会造成伤害。基于安全的大模型，其对传统网络安全的赋能的有效性才能得到充分保证。

“安全的 AI”（AI Safety）思想是致力于构建安全的大模型，模型安全需要重点考虑三大因素。AI Safety 的具体内容包括：与人类意图对齐（Alignment）、可解释性（Interpreferability）、鲁棒性（Robustness）。其中，对齐（Alignment）要求 AI 系统的目标要和人类的价值观与利益相保持一致，但 AI 对齐的实现也存在三方面挑战，一是选择合适的价值观，二是将价值观编码到 AI 系统中，三是选择合适的训练数据；可解释性是指对模型内部机制的理解以及对模型结果的理解；鲁棒性可以理解为模型对数据变化的容忍度。

图 56：对齐、可解释性、鲁棒性的详细解释如下所示

资料来源：航行网安研究院，国泰君安证券研究

要保证大模型输出能力的安全性，模型发布前的严格测试以及实践中的模型改善是基本要求。发布前的严格测试包括聘请外部专家进行反馈，通过 RLHF 等技术来改善模型的行为，建立广泛的安全和监控系统。例如，在最新模型 GPT-4 完成训练后，花了 6 个多月的时间在整个组织中工作，以使其在公开发布之前更安全、更一致；在实践中改善模型方面，例如行业标兵 OpenAI 将谨慎地逐步发布新的 AI 系统，并在吸取经验教训后不断改进，通过提供 API 和最强大的模型，使开发者能将技术直接应用于程序中，这有助于监测滥用情况并采取行动，建立缓解措施以应对实际滥用方式，而非仅停留在理论层面。

要从本质上保证大模型输出的 AI 能力的安全，就要首先明确大模型系统全生命周期的机理。构建大模型的生命周期一般可以分为五个阶段：数据收集、数据预处理、模型训练、模型推理和系统集成。每个阶段都容易受到不同的安全威胁。其中，在数据收集阶段，针对硬件采集的代表性攻击方式是通过访问或篡改传感器提供的数据来进行传感器欺骗攻击（sensor spoofing attacks）；而针对软件采集的方式会产生数据偏差、虚假数据、数据泄露等安全风险；在预处理阶段容易受到图像缩放攻击；在模型训练阶段，AI 大模型最容易受到的攻击类型是投毒攻击；推理阶段常常出现的攻击方式是对抗攻击。以上前四个阶段的安全保障是大模型能力安全的主要着力点。

图 57：针对 AI 大模型能力的防范，要从模型构建的五个阶段分别入手

资料来源：《人工智能伦理治理标准化指南》，国泰君安证券研究

数据防泄漏（DLP）是企业客户目前绝对的头号安全需求。三星半导体工厂的员工在将源代码输入 ChatGPT 以识别和消除错误并优化程序的同时，也无意中通过 GPT 向公众泄露了机密的生产数据，另一名三星员工使用 AI 聊天机器人总结会议记录，导致该会议记录被泄露。上述数据泄漏事件只是冰山一角，根据 CYBERHAVEN 在 3 月 21 日发布的调查，8.2%的员工在工作场合使用过 ChatGPT，6.5%的员工曾经将公司数据粘贴进去过，3.1%的员工曾经将公司敏感数据喂给过 ChatGPT，而敏感数据占员工粘贴总数据的 11%。

图 58：使用ChatGPT导致了数据泄露的高风险性

资料来源：Cyberhaven

基于人类反馈机制，可以一定程度上保证大模型数据源的安全、隐私性以及准确性。在训练模型中，可以通过在最大可行情况下删除训练数据集中的个人信息，并且调整模型以拒绝对私人个人信息的请求，从而响应个人从其数据集中删除其个人信息的要求。这些步骤可以最大限度地减少模型可能生成包含个人信息的响应的可能性。又例如，OpenAI 通过利用用户对被标记为不正确的 ChatGPT 输出的反馈作为主要数据来源，提高了 GPT-4 的事实准确性，从而 GPT-4 产生真实内容的可能性比GPT-3.5 高 40%。

5.1.5. 大模型本身的安全防护也同等重要

在 AI 大模型的系统集成阶段，情况就变得更加复杂。人工智能应用的系统集成不仅涉及人工智能技术本身的安全风险，还涉及车载系统、网络、软件、硬件的结合点问题，这些威胁包括 AI 数据和模型的机密性、代码漏洞、人工智能偏见等。

因此，针对大模型使用过程中的隐患点，海外已经出现了专注于大模型的防火墙公司。Arthur Sheild 是首个用于大语言模型的防火墙，帮助公司更快、更安全地部署 ChatGPT 等大模型应用程序，保障模型部署和运行安全。Arthur Sheild 能力可以包括：防止 PII 或敏感数据泄露、防止有毒的且攻击性的或有问题的语言生成、防止幻觉、用户恶意提示以及防止恶意注入。

图 59：Arthur Sheild发布的大语言模型防火墙的能力矩阵如下所示

资料来源：安全内参，国泰君安证券研究

图 60：Arthur Sheild大语言模型防火墙架构如下所示

资料来源：Arthur Sheild 官网

大模型除了需要传统的企业安全堆栈保护，还有一些区别于其他软件开发公司的安全防护需求。在传统保护方面，比如使用 Cloudflare、Auth0来管理流量和用户身份。ChatGPT 在三月份经历了 Redis Bug 导致的信息泄漏和宕机，这就产生了对例如 Datadog 和 Sumo Logic 等 APM、可观测性供应商的需求。大模型还有一些区别于其他软件开发公司的安全防护需求，比如 Prompt 注入攻击等，则对安全公司提出了更高的要求。海外已出现许多专注于 Security for AI 的公司，比如 HiddenLayer MLSEC平台是一种基于软件的非侵入式平台，主要用于监测机器学习（ML）算法的输入和输出，可以阻止对抗性攻击并提供对 ML资产的健康和安全的可见性。平台基于不需要访问客户数据或知识产权的云架构，在不影响速度、效率和可靠性的情况下保护客户的 ML资产。同时，平台可帮助客户维护 ML算法，保护其免受推理、数据中毒、逃避或模型注入等攻击，并防止敏感训练数据被公开。

图 61：HiddenLayer是在理解机器学习特点基础上进行安全防御

资料来源：HiddenLayer 官网

5.2. AI网络安全市场高速增长，海外巨头布局迅速

全球 AI 网络安全的投资呈现高速增长态势。物联网的日益普及、对数据保护的担忧不断增加以及网络攻防对抗持续升级等因素推动着 AI 在网络安全行业的发展，越来越多的网络安全厂商加大对 AI 安全市场的投资力度，抢占“AI+安全”制高点。MarketsAndMarkets 调研数据显示，2023 年 AI 在网络安全市场规模为 224 亿美元，预计到 2028 年将达到606 亿美元，CAGR 为 21.9%，同时，MarketsAndMarkets 认为在预测期内，北美将占据 AI 网络安全市场最大份额。

图 62：网络安全行业下的 AI 市场规模正快速攀升

资料来源：MarketsAndMarkets官网，国泰君安证券研究

海外巨头加速布局“AI+安全”。2023年 3 月，微软公司宣布推出下一代AI 产品 Microsoft Security Copilot，该产品将 AI 技术融入网络安全领域，赋予安全专业人员洞察环境变化与态势，快速检测和响应威胁，持续学习和做出更明智高效的决策的能力。同年 4 月，在 RSAC2023 上，谷歌云正式发布 Google Cloud Security AI Workbench，该产品基于新型安全专用大型语言模型 Sec-PaLM，集成了包括 Mandiant 态势感知、VirusTotal查杀平台和 Chronicle AI 聊天在内的众多谷歌安全能力。企业用户通过与平台合作可缓解威胁数据和使用众多安全工具所带来的日常安全运营压力。

图 63：谷歌AI 安全工作台模式如下所示

资料来源：中国电信研究院，国泰君安证券研究

海外头部安全厂商也持续加码 AI 相关产品应用。IBM Security QradarSuite 产品嵌入 AI 和自动化，加快了安全团队对攻击链每个步骤的响应速度；CrowdStrike 公司与 Cribl 联合推出 CrowdStream，旨在提供更加快捷和准确的网络安全数据采集与分析；Fortinet 打造的 FortiXDR 是首款利用 AI 进行事件调查响应的解决方案，可以完全自动化完成通常由经验丰富的安全分析人员处理的安全运营流程，因而能够跨广泛的攻击面更快速地缓解威胁。

5.3. 国内厂商 AI能力积淀已久，大模型方向纷纷加码

5.3.1. 奇安信：把握 AI 新机遇，深入探索网络安全蓝海

把握新技术浪潮，推出最贴合市场的新产品和新服务。针对生成式人工智能（AIGC）技术，公司结合“内生安全”理念，利用多年以来的海量安全大数据和知识积累，积极训练专有的类 ChatGPT 安全大模型，计划在安全产品开发、威胁检测、漏洞挖掘、安全运营及自动化、攻防对抗、反病毒、威胁情报分析和运营、涉网犯罪分析等领域实现广泛应用。奇安信在 AI 技术赋能安全方向成果颇丰，其研究成果广泛应用于公司产品中，在数据挖掘、异常检测、复杂网络分析中都成功使用了深度学习和机器学习技术。

图 64：奇安信“内生安全”理念主要由三部分组成

资料来源：奇安信官网

携手生态伙伴，助力我国人工智能开源生态新局面。2022 年，奇安信获批建设“软件安全国家新一代人工智能开放创新平台”。平台的目标是解决海量复杂软件的安全问题，持续研究基于人工智能快速发现软件安全问题的方法，以夯实我国数字经济的基础。截至 2022 年，奇安信拥有187 项网络安全领域的人工智能相关专利，是目前拥有最多相关专利的网络安全企业。这些专利技术，将在软件安全国家新一代开放创新平台的建设过程中发挥重要作用。2023 年 2 月 24 日，奇安信与新一代人工智能开源开放平台——OpenI 启智社区也正式牵手。此次合作，奇安信将助力 OpenI 启智社区为软件开发用户、软件应用用户及安全分析用户提供代码智能安全检测服务、风险智能判别及处置服务、安全智能分析算法的训练服务。

5.3.2. 深信服：AI 布局前瞻，大模型领域先发优势显著

坚持 AI First理念，以 AI技术研究及应用赋能云产品升级。公司采用“AIFirst”理念构建云全产品体系，超融合、托管云服务、桌面云、存储和数据库管理均需用到 AI 技术。基于该新推出的全新产品体系架构，可以全面提升性能、可靠性、安全和运维管理方面的能力，并把这个能力称为 AFOPS、AIRUN 和 AISEC。AISEC 保证上云即安全；AIRUN 使得客户使用云的时候更加方便、有效、快捷；AIOPS 使得使用云的时候维护能力提高，自动化的水平提高，而不再需要更多的人力。

图 65：基于AI First理念，深信服超融合运作模式如下

资料来源：深信服，国泰君安证券研究

深信服的 AIOps 天工引擎是 AI 技术的关键应用。AIOps 天工智能运维引擎是国内首创的 O2O 场景下的智能运维引擎，作用于云计算业务，全生命周期覆盖了 150+的运维场景，可以做到 7-30 天提前预测、1 分钟及时发现、3 分钟快速定位的核心能力。基于深信服独有的 O2O 数据，完成了各类 AI 算法的研发与适配，表现为预测、分析、处置三大能力。

AIOps 天工引擎利用小样本学习技术，仅依赖少量高质量的数据即可以实现较高的算法准确率。基于迁移学习技术，利用云端的海量数据以及充足的算力构建 AI 模型，该模型在线下场景中依然能发挥较好的推理效果。AIOps 天工已经可以利用多模态的数据融合分析，可以将弱信号进行关联，并且可以将弱信号进行充分挖掘，实现可靠性以及事件提前预测和预防。AIOps 天工引擎还可以从结构化以及非结构化数据中生成运维图谱，这个运维图谱可以具备上下文的理解能力，可以帮助运维人员非常充分的理解它的资源场景且及时发现并修复问题，并且还提供了统一编排的优化建议，来帮助运维人员去解决可靠性事件，比如事件生成、智能调度以及处置建议等。

安全 GPT + XDR 引领行业新趋势。2023年 5月 18 日，深信服发布了其自研安全大模型。据深信服强调，安全 GPT 是完全自主可控的，不依赖开源模型服务（但架构于开源大模型之上），由深信服自主训练，训练数据部署在深信服托管云上，实现数据不出境。安全 GPT 赋能 XDR后，在高级威胁检测、安全监测调查、热门漏洞排查等安全运营工作中表现出色。首先是实现了准确率的提高，通过前期 5000 万样本数据测试，相较传统检测引擎，赋能安全 GPT 技术的深信服 XDR 高级威胁检测率高达 95.7%，误报率（安全告警里判错的比例）仅 4.3%；其次是效率提高，运营人员花费 3-6 小时才能完成的安全监测调查工作，由安全GPT来完成只需5-10分钟，几番简单的对话就可以快速有效完成任务。

图 66：深信服安全 GPT的主要能力维度如下所述

资料来源：深信服，国泰君安证券研究

5.3.3. 天融信：AI 与产品深度融合，竞争力持续提升

创新融入 AI，持续增强产品核心竞争力。天融信在 AI 安全领域布局较早，且早在 2019 年与 IDC 联合发布了国内首个《融入人工智能的下一代防火墙》白皮书。公司主要运用 AI 技术进行威胁情报分析、网络应用分类、未知威胁检测等，并已实际应用于公司产品，已发布的产品有防火墙、入侵防御、僵木蠕、沙箱、大数据分析、态势感知、EDR、数据防泄漏等。2022 年订阅收入 3.13 亿元，其中至少一半来源 AI 生产的知识。同时，公司自 2020 年开始部署和使用类大模型，目前已训练出用于安全服务的基础模型，同时正在训练用于非核心模块（例如自动化测试）的代码自动编写模型，提升开发效率。

图 67：天融信融入AI的下一代防火墙运作模式如下

资料来源：天融信微信公众号

5.3.4. 绿盟科技：打造 AI 实验室，加码 GPT智能应用

积极探索以AISecOps、SecXOps和安全知识图谱为代表的新型AI技术。公司于 2016 年成立了八大实验室，其中天枢实验室专注于 AI 方向的研究，积累深厚，目前已取得多项研究成果，包括：发布了安全知识图谱，推出了 AI SecXOps 概念和产品，以及与高校研究机构合作发布了白皮书等。公司高度重视以 ChatGPT、GPT-4.0 为代表性的大语言模型对安全产业的影响力，开展了对安全攻防、安全运营、GPT 内容识别等领域类 GPT 技术的研究；凭借长期积淀的攻防知识、运营数据与威胁情报，将在 2023 年第三季度发布基于类 GPT 技术的智能安全服务机器人，旨在把大模型能力用到代码安全、安全运营效率提升、安全分析研判准确度提升等方面。

图 68：SecXOps核心技术能力拆解如下

资料来源：绿盟科技微信公众号

5.3.5. 安恒信息：数据安全体系完备，AI 赋能下优势凸显

安恒的大数据及数据安全相关产品广泛使用了 AI 技术，产品力逐年提升。数据安全是安恒的重大战略方向，而数据安全与人工智能也具有天然的结合性，公司常年来的产品打磨中均有效利用了 AI 技术优势，产品力持续提升，尤其体现在 AiSort 数据安全分级、AiMask 数据脱敏、AiGate 数据安全网关、AiThink 行为分析以及 AiTrust 零信任等产品体系中。

图 69：安恒信息 AiGuard数据安全全景图谱如下所示

资料来源：安恒信息

基于强化学习的人工智能模型已经在安恒信息 AiSort 数据安全分级产品中部署应用。产品基于 AI 算法实现对敏感数据准确高效识别，系统支持对用户数据资产进行漏洞评估、安全风险评估，帮助用户从多个维度感知数据资产安全状况。AiSort 内置了融合法律法规、行业标准等领域知识的预训练模型，同时支持模型有监督训练。用户利用有标签的数据源对模型进行训练，学习数据的特征与类别级别之间的内在关联，可预测出其它类似数据源的分类分级结果。产品在交互中接收人工反馈，引入强化学习 RLHF 来微调预训练的分类分级模型，在模型给出的候选分类分级结果中选择最优结果，通过奖励惩罚机制使模型不断优化自身，训练出一个分类分级领域适合客户的专有 AI 模型。

安恒 MSS 平台积淀的大量数据为后期智能应用的铺开奠定坚实基础。在云环境下，依托安恒信息 MSS（托管安全服务）平台积累的大量数据，利用强化学习训练模型和人工反馈不断调试优化，开发运营反馈模块，针对告警排查过程中的各种日志证据，进行录入上报，从而利用大模型学习到其中的模式并自动的生成告警规则，在降低误报的同时也可以对新产生的攻击方式和手法自动生成检测规则；另外，基于所积累的数据，安恒已经训练了初步的模型来构建智能客服问答系统，并在公司内部开始试用。

5.3.6. 启明星辰：“盘小古”助力 AI 安全研发运营一体化

人工智能赋能安全一直是启明星辰重点探索的方向。公司自主研发的人工智能安全建模和赋能平台，被威胁检测、安全大数据分析、威胁情报、UEBA 等多个产品广泛采用，全面提升了安全数据治理、安全模型构建、模型安全检测、模型推理赋能等能力，实现了基于 ModelOps 和 AIOps的人工智能应用快速搭建、模型全生命周期管理和多重赋能，助力流量检测技术、威胁检测技术等实现智能化，推动公司网络安全产品向自动化、智能化进阶。

启明星辰于 2022年发布了“PanguBot(盘小古)”安全智慧生命体。公司基于人工智能技术的智能化安全运营解决方案，构筑了以全生命周期人工智能安全服务、运营（AISecOps）为目标的 AI 安全研发运营一体化平台。“PanguBot”由启明星辰盘古人工智能平台提供模型运行算力和环境，以 Chat 为窗口，应用基于安全运营专用语料库训练的自然语言模型，能够接收文字、语音、图片、视频等方式的信息输入，通过文字和图片的形式向用户反馈，并能够整合各种运营工具，实现安全分析处置自动化，此成为启明星辰智能化安全运营的有力支撑。

图 70：“盘小古”安全智慧生命体功能概况如下所示

资料来源：启明星辰微信公众号

6. 投资建议

AI 大模型的出现将为各个行业带来不同程度的变化，我们认为办公、智能驾驶、金融、设计与工业软件、网络安全等领域均将受益。AI+办公推荐金山办公，受益福昕软件、万兴科技；AI+智能驾驶推荐中科创达、德赛西威、虹软科技、经纬恒润；AI+金融推荐恒生电子、同花顺（非银组覆盖）、凌志软件；设计与工业软件推荐广联达、中控技术、中望软件；AI+网络安全推荐奇安信、深信服、天融信、绿盟科技、安恒信息、启明星辰。

表 3：相关公司估值情况

股票代码	证券名称	收盘价（元）	EPS（元）		PE（倍）				评级
股票代码	证券名称	20230705	2022A	2023E	2024E	2022A	2023E	2024E	评级
688111	金山办公	449.24	2.42	3.54	4.93	185.64	126.90	91.12	增持
300496	中科创达	105.67	1.77	2.81	3.75	59.55	37.60	28.18	增持
002920	德赛西威	165.45	2.15	2.81	3.79	76.95	58.88	43.65	增持
688088	虹软科技	41.11	0.14	0.52	0.62	293.64	79.06	66.31	增持
688326	经纬恒润-W	172.66	2.13	2.38	3.15	81.06	72.55	54.81	增持
600570	恒生电子	42.35	0.57	1.21	1.54	74.30	35.00	27.50	增持
300033	同花顺	168.24	3.15	3.77	4.51	53.41	44.63	37.30	增持
688588	凌志软件	15.04	0.35	0.58	0.76	42.61	25.93	19.79	增持
002410	广联达	30.19	0.82	0.80	1.07	36.75	37.74	28.21	增持
688777	中控技术	57.62	1.61	1.41	1.87	35.79	40.87	30.81	增持
688083	中望软件	160.34	0.07	2.81	3.79	2290.57	57.06	42.31	增持
688561	奇安信-U	49.63	0.08	0.74	1.03	620.38	67.07	48.18	增持
300454	深信服	111.06	0.47	0.99	1.74	236.30	112.18	63.83	增持
002212	天融信	9.56	0.18	0.35	0.43	52.96	27.31	22.23	增持
300369	绿盟科技	12.86	0.04	0.87	1.18	321.50	14.78	10.90	增持
688023	安恒信息	175.80	-3.23	4.56	5.85	-54.43	38.55	30.05	增持

注：同花顺盈利预测来自国泰君安非银团队，其余公司盈利预测来自国泰君安计算机团队数据来源：wind，国泰君安证券研究

002439

启明星辰

29.02

0.67

1.40

1.70

43.31

20.73

17.07

增持

7. 风险提示

AI 技术落地不及预期。由于 AI 大模型的能力源于“涌现”，后续新版本模型将“涌现”出哪些新能力无法准确预估，如果技术迭代速度低于预期，可能会影响 AI 的商业落地节奏。

AI 大模型受到政策强监管。由于 AI 大模型的能力来源无法解释，政府、学界、业界对于 AI 被滥用均存在一定程度的担忧。若 AI 被强监管，甚至 AI 大模型研发被暂停，可能会导致 AI 的商业落地受限。

本公司具有中国证监会核准的证券投资咨询业务资格

分析师声明

作者具有中国证券业协会授予的证券投资咨询执业资格或相当的专业胜任能力，保证报告所采用的数据均来自合规渠道，分析逻辑基于作者的职业理解，本报告清晰准确地反映了作者的研究观点，力求独立、客观和公正，结论不受任何第三方的授意或影响，特此声明。

免责声明

本报告仅供国泰君安证券股份有限公司（以下简称“本公司”）的客户使用。本公司不会因接收人收到本报告而视其为本公司的当然客户。本报告仅在相关法律许可的情况下发放，并仅为提供信息而发放，概不构成任何广告。

本报告的信息来源于已公开的资料，本公司对该等信息的准确性、完整性或可靠性不作任何保证。本报告所载的资料、意见及推测仅反映本公司于发布本报告当日的判断，本报告所指的证券或投资标的的价格、价值及投资收入可升可跌。过往表现不应作为日后的表现依据。在不同时期，本公司可发出与本报告所载资料、意见及推测不一致的报告。本公司不保证本报告所含信息保持在最新状态。同时，本公司对本报告所含信息可在不发出通知的情形下做出修改，投资者应当自行关注相应的更新或修改。

本报告中所指的投资及服务可能不适合个别客户，不构成客户私人咨询建议。在任何情况下，本报告中的信息或所表述的意见均不构成对任何人的投资建议。在任何情况下，本公司、本公司员工或者关联机构不承诺投资者一定获利，不与投资者分享投资收益，也不对任何人因使用本报告中的任何内容所引致的任何损失负任何责任。投资者务必注意，其据此做出的任何投资决策与本公司、本公司员工或者关联机构无关。

本公司利用信息隔离墙控制内部一个或多个领域、部门或关联机构之间的信息流动。因此，投资者应注意，在法律许可的情况下，本公司及其所属关联机构可能会持有报告中提到的公司所发行的证券或期权并进行证券或期权交易，也可能为这些公司提供或者争取提供投资银行、财务顾问或者金融产品等相关服务。在法律许可的情况下，本公司的员工可能担任本报告所提到的公司的董事。

市场有风险，投资需谨慎。投资者不应将本报告作为作出投资决策的唯一参考因素，亦不应认为本报告可以取代自己的判断。
在决定投资前，如有需要，投资者务必向专业人士咨询并谨慎决策。

本报告版权仅为本公司所有，未经书面许可，任何机构和个人不得以任何形式翻版、复制、发表或引用。如征得本公司同意进行引用、刊发的，需在允许的范围内使用，并注明出处为“国泰君安证券研究”，且不得对本报告进行任何有悖原意的引用、删节和修改。

若本公司以外的其他机构（以下简称“该机构”）发送本报告，则由该机构独自为此发送行为负责。通过此途径获得本报告的投资者应自行联系该机构以要求获悉更详细信息或进而交易本报告中提及的证券。本报告不构成本公司向该机构之客户提供的投资建议，本公司、本公司员工或者关联机构亦不为该机构之客户因使用本报告或报告所载内容引起的任何损失承担任何责任。

评级说明

1.投资建议的比较标准

投资评级分为股票评级和行业评级。

以报告发布后的 12个月内的市场表现为比较标准，报告发布日后的 12 个月内的公司股价（或行业指数）的涨跌幅相对同期的沪深 300 指数涨跌幅为基准。

2.投资建议的评级标准

报告发布日后的 12 个月内的公司股价（或行业指数）的涨跌幅相对同期的沪深300指数的涨跌幅。

评级		说明
股票投资评级	增持	相对沪深300 指数涨幅15%以上
	谨慎增持	相对沪深300 指数涨幅介于 5%～15%之间
	中性	相对沪深 300 指数涨幅介于-5%～5%
	减持	相对沪深 300 指数下跌 5%以上
行业投资评级	增持	明显强于沪深300 指数
	中性	基本与沪深300 指数持平
	减持	明显弱于沪深 300 指数

国泰君安证券研究所

	上海	深圳	北京
地址	上海市静安区新闸路 669 号博华广场	深圳市福田区益田路 6003 号荣超商务中心B栋27层	北京市西城区金融大街甲9号金融街中心南楼18层
邮编	20层 200041	518026	100032
电话	（021）38676666	（0755） 23976888	（010）83939888
	E-mail:gt jaresearch@gtjas.com

StartYourFinance

起点财经，网罗天下报告

计算机行业：AI大模型赋能千行百业-20230710-国泰君安-59页