中央经济工作会议12月11日至12日在北京举行。会议确定，明年要抓好以下重点任务。其中提到，以科技创新引领新质生产力发展，建设现代化产业体系。加强基础研究和关键核心技术攻关，超前布局重大科技项目，开展新技术新产品新场景大规模应用示范行动。开展“人工智能+”行动，培育未来产业。加强国家战略科技力量建设。
展望2025年，“人工智能+”将带来哪些投资机遇？中信建投证券TMT研究团队推出“人工智能+”2025年投资机遇展望：
算力为基，自主可控大势所趋，Agent及B端应用崛起
AI应用赋能千行百业：大模型应用的另外一个主战场是行业应用，《扩大内需战略规划纲要（2022-2035年）》：坚定实施扩大内需战略、培育完整内需体系。并重点提出推动5G、人工智能、大数据等技术与交通物流、能源、生态环保、水利、应急、公共服务等深度融合，助力相关行业治理能力提升。我们认为，围绕AI在金融、工业、教育、交通、军事、医疗等领域开始落地。
金融端，大模型逐步成为更好的投研助手、财富管理虚拟人、金融知识库等。工业端，大模型已经开始在CAD等软件提供人机交互、AIGC生成样本等，重点关注中控技术。
在机器人领域，接入大模型后的机器人智能化程度快速提升，已经开始在工厂等场景替代人完成简单任务。军事领域，海外的Palantir公司已经成功的在战场中利用大模型作为战场助手。教育领域，AI逐步在更多学科成为虚拟教师。
在交通领域，车路云协同对基础设施提出更高要求，赋能智能交通管理的同时，能够有效降低智能驾驶车端成本。医疗领域，过往AI本身在医疗影像，新药研发等领域均有较为深入的应用（传统模型），生成式模型的出现使得上述领域的AI发展得到进一步深化，但总体来看，海外研发方向更偏制药，国内研发方向更偏健康管理，依据大模型效力的不同二者应用方向存在差异。
AI+ 行业：交通、教育、金融、医疗、工业、军事行业更新
国内大模型发展情况
国内第一梯队的大模型整体能力目前已经逼近GPT-4：部分模型中文能力与GPT-4相差无几。第一梯队的头部大模型例如ChatGLM4、百度文心一言4.0、讯飞星火V3.5整体表现已经接近GPT-4，在中文领域，国内部分模型表现已经可以比肩GPT-4。5-6月，国内多家大模型已迎来版本更新，预期我们将见到部分头部大模型整体能力上逼近甚至超越GPT-4。从海外经验来看，海外AI爆款的落地，也大致在GPT-4发布后的2-3个季度后，在应用领域实现百花齐放。
国内大模型价格显著下降。过去制约大模型应用的两个要素：模型能力和模型成本，模型能力不管是基础理解能力还是多模态能力去年都取得了快速进步，在模型成本上，海外GPT从发布后已经经历了4轮降费，国内大模型在一个月前也经历了一轮快速的成本下降，部分轻量级模型甚至免费开放，大模型应用的前置因素目前已经具备。
国内大模型访问量不断提升。从全球大模型流量排行中可以看到，国内大模型已经稳定占据了第二梯队。其中国内流量前三名分别为Kimi、文心一言和豆包大模型，10月单月的流量分别为2950万次、2170万次和1740万次。其中kimi和豆包的流量都处于快速提升状态，单月环比增速均超过20%，显著高于ChatGPT、Google Geimini，与Claude增速相近。
政策大力支持AI落地行业应用
5月26日山东省的企业和专家座谈会重点提及深化电力体制改革、发展风险投资和用科技改造传统行业。会议中明确指出，传统行业改造升级能发展新质生产力，也属于新质生产力范畴。这为后续传统行业智能化改造投入加大奠定了基础。
超长期国债将大力投入科技自立自强。5月13日，财政部公布2024年超长期特别国债发行有关安排。其中超长期国债今年共计发行1万亿，其中20年期7只，30年期间12只，50年期3只，均将在下半年陆续发布完毕；从投入领域看，超长期国债将投入“科技自立自强”、“新兴城镇化建设”、“长江经济带高质量发展”、“提升粮食安全保障能力”、“国防安全”等多个领域，具体资金获取方将以地方政府与国央企为主。23年大模型出现以来，地方政府与国央企对智能化建设关注度骤增，上述资金或将用于行业性智能化改造，这与“以旧换新”等政策的提出也较为契合；
本次超长期国债的推出将受到过往诸多文件影响，如《扩大内需战略规划纲要（2022-2035年）》：坚定实施扩大内需战略、培育完整内需体系。并重点提出推动5G、人工智能、大数据等技术与交通物流、能源、生态环保、水利、应急、公共服务等深度融合，助力相关行业治理能力提升。
AI+工业
一直以来，工业AI的应用就落后于其他领域，原因是工业领域更多的依赖对行业know-how的经验理解，而不是单纯从数据中挖掘规律。但随着AI通用性和专业性两方面的不断加强，越来越多的工业know-how被计算机所理解，甚至表现出更好的性能。例如上世纪60年代专家系统诞生与80年代的工业领域应用间隔近20年，统计机器学习的工业领域应用滞后周期基本在10年左右，而深度学习、生成对抗网络等新技术于2012年后在通用领域开展应用，不足4年便产生了工业领域探索实例。总体来看，由于人工智能技术可用性增强以及工业信息化水平提升，通用技术的工业落地间隔由20年逐步缩短至小于5年。加之工业领域的关键技术如数字孪生等本身就与深度学习密切相关，我们认为，伴随ChatGPT带来的通用AI大模型突破，工业领域AI应用将迎来快速落地和发展。
从需求端看，不断增长的降本增效需求与多变的市场环境为“AI+工业”带来广阔的市场空间。Al+不仅提升了生产效率，还推动了工业自动化和智能化的进程，为企业在全球市场中的竞争力注入了新活力。AI大模型有望推动工业领域迈向优化运营的自主系统阶段，在自主控制、机器视觉系统和演化建模三大环节实现显著进步。
Smart Industry指出，AI结合工业领域的显著进步主要体现在：（1）自主控制（Autonomous Control）：利用AI/ML，制造过程正在从自动化向自主控制的方向发展，使系统能够在没有人为干预的情况下做出实时决策和调整；（2）机器视觉系统（Machine Vision Systems）：将先进的闭环控制策略与先进的感官机器视觉AI反馈相结合，使PLC能够采取自动纠正措施，以实时减少缺陷；（3）演化建模（Evolutionary Modeling）：在数据科学实践的早期，单点解决方案是常态，其中根据从可用数据中得出的各种标准选择单个模型。未来这种方法演变为从潜在候选模型的集合中构建模型，这种方法要求每个模型在每一次迭代中都要成功适应，开发出更符合实际物理过程和各自系统动态的高精度和稳健的模型。
AI+工业有望在流程控制、质量优化、机器人应用等领域赋能生产力的大幅提升。SmartIndustry指出，AI、机器学习等技术将在未来五年或十年内对工业制造过程带来重要的影响，并在八大领域带来前所未有的商业成果。其中，随着AI大模型技术的迭代，我们认为生成式AI有望在工业场景中基于企业用户的专业知识和行业经验，在研发设计、生产控制等环节实现高度智能化，赋能生产力提升。
AI+工业软件
工业软件是工业创新知识长期积累、沉淀并在应用中迭代进化的软件产物。工业软件的根基仍然是工业行业本身，有赖于正向创新和行业创新知识的积累，是一个长期系统工程。任何工业知识都必须先形成完整的体系，搭建出知识库和模型库，并在实践中反复应用、更改，与工程紧密结合并不断更新迭代，才有可能形成工业软件。因此，工业软件是工业创新知识的载体，依靠软件化这一关键过程，通过强大的软件工程能力才得以实现。软件平台与架构将直接决定工业软件产品的生命力。
海外进展
AI与工业软件结合是产业新趋势，在研发设计，生产控制，经营管理和嵌入式软件四大类中，AI与研发设计的合作主要在于交互与预设计，与生产控制的结合主要在于参数修改，与经营管理的结合主要在智能文本生成，与嵌入式软件的结合则主要在代码自动编写上。
CAD行业中，Siemens推出业界首个人工智能驱动的CAD草图绘制技术，在新版NX软件中利用了人工智能和高级仿真功能等先进技术。在当前的设计环境中，大多数概念草图是在CAD软件之外进行的，因为用户必须预先决定并构建到草图中的规则和关系级别。2020年6月，Siemens推出的NX Sketch软件基于人工智能推断用户将要施动或修改的内容，并根据周围的几何图形识别几何关系，支持用户在没有预定义参数、设计意图和关系的情况下进行草图绘制，摆脱纸质手绘草图。2022年10月，Siemens在发布的NX中引入人工智能和高级仿真功能等先进技术，基于人工智能和机器学习，在选择和选择相似命令中，利用形状识别来快速识别几何相似的组件。
Autodesk AI四大主线应对CAD变革。（1）主线一：CAX一体化。AutoCAD的Real-time analysis和ML deluge tool都将风速风向、能耗、泛水等传统情况下在CAE环节考虑的因素融入设计流程，提升编辑效率；（2）主线二：工作流程智能化。工程师不再需要经历复杂的设计流程，工作内容被简化。如Mark-up assist消弭了绘制高精度图纸的必要性，给灵感更多空间；Construction IQ辅助设计决策，简化送审流程；（3）主线三：减少机械性劳动，释放人力。Drawing automation和flame应用中的machine learning都借助AI技术，实现了重复工作的自主完成，解放了工程师，同时缩短了产品的设计周期；（4）主线四：提升设计效率。Generative design致力于解决多次绘制不同版本稿件的时间消耗问题，可以在工程师一次设计过程中学习其设计思路，生成多个无需进一步验证的选择。而AI assisted workflows引入大语言模型，可以实现简单任务的交互式落地。
ERP层面，通过将大模型能力嵌入ERP系统，企业可实现报表整理与财务做账的智能化，极大地提升工作效率。2024年7月，SAP发布AI助手Joule。目前Joule已经可以实现理解自然语言，访问SAP所有数据并提出分析方案，自动执行重复性的任务（数据输入、报告生成和审批流程）。用户可以比以前快90%地执行任务，到2024年底，SAP业务应用程序中80%的最常用事务将通过Joule完全自动化。未来，Joule还可以为SAP顾问提供实施方案，方案信息来自来自 SAP 社区共享的 20 多万页产品文档和知识中的见解。一旦推广到拥有 500 多万名顾问的生态系统，此功能每年最多可节省 6 亿个工作小时。此功能将于2024年年末推出。
嵌入式软件层面，西门子推出了全集成自动化软件平台 TIA 博途的最新版本—— TIA 博途 V20。这一全新版本侧重于提升性能和效率，帮助用户缩短产品上市时间、提高竞争力并灵活适应瞬息万变的市场。新版本集成了新型可编程逻辑控制器 (PLC)，简化了工程师的操作。借助 TIA 博途 V20，SIMATIC PLC 可以连接到车间的中央用户管理系统。用户管理访问控制 (UMAC) 允许服务技术人员在使用其标准企业凭证即可轻松访问车间设备，同时能够充分保证安全性。管理员能够如同在 IT 架构中管理软件应用程序一样，以标准方式高效地管理自动化设备，并在Industrial Copilot 的帮助下实现代码的自动补充。
国内进展
“AI+工业软件”，尤其是“AI+CAD”是CAD领域新产品趋势，“式说”大模型是代表产品。这是第四范式推出的一款基于生成式AI的新型开发平台，具备文本、语音、图像、表格、视频等多模态交互及企业级Copilot能力，以生成式AI重构企业软件（AI-Generated Software），提升企业软件的体验和开发效率。式说大模型可以用来辅助或自动生成CAD 3D模型，用户通过自然语言交互就可以调用工业软件的功能，辅助完成设计。这款大模型可以根据企业内部的数据、功能和规则，自动执行复杂的工作，如在航空制造领域，帮助客户在上百万零件库中找出相似零件，并进行自动组装；在物流企业，帮助客户设计物流装箱的最佳方案。这些应用都展示了“式说”大模型在CAD领域的强大推理能力和创造力。
华为盘古大模型可以实现降本增效，推动更广泛商业化落地。新发布的盘古大模型5.0在全系列、多模态、强思维三个方面做了全新升级，将重塑工业设计行业。以新车造型设计为例，周期一般需要1-2年，盘古大模型可以让汽车的造型设计时间大幅缩短。造型设计师可以将自己的灵感，通过对话、画图与大模型交互，生成3D汽车数字模型，并可进行风格化调整、零部件编辑、颜色更换等。盘古大模型生成的数字模型还可直接输出成3D文件，支持10几种主流格式，设计师可以直接3D打印成样品，减少制作油泥模型的轮次，极大地节省成本和时间。除了汽车造型设计，盘古大模型还可以用于汽车的工装设计、模具设计，以及电子产品领域的工业设计等。
AI+机器视觉&机器人
AI+机器视觉
工业机器视觉是软硬件一体化的集成系统，它的目的是代替人眼对被测物进行观察和判断。从组成上，机器视觉系统硬件设备主要包括光源、镜头、相机等，软件主要包括传统的数字图像处理算法和基于深度学习的图像处理算法。系统工作时首先依靠硬件系统将外界图像捕捉并转换成数字信号反馈给计算机，如下图深灰色方块所示过程，然后依靠软件算法对数字图像信号进行处理，如下图中灰色方块所示过程。工业机器视觉在识别的精确度、速度、客观性、可靠性、工作效率、工作环境要求、数据价值方面都优于人眼。
此外，过去的工业机器视觉系统主要针对垂直场景的少量数据进行小模型的训练，而大模型的发展将助力工业机器视觉实现应用性能的提升和应用场景的拓宽。以华为盘古大模型为例，6月22日，在华为开发者大会2024（HDC 2024）上，盘古大模型5.0正式发布，在全系列、多模态、强思维三个方面做了全新升级。（1）全系列：盘古大模型5.0包含十亿级到万亿级不同参数规格的模型，能够更好地适配包括智能手机、PC、高效推理、跨领域多任务等不同的业务场景。目前已在医药研发、机器人、煤矿、钢铁、自动驾驶等30多个行业、400多个场景中落地。（2）多模态：可以更好识别文本、图片、视频、雷达、红外、遥感等不同模态。在图片和视频识别方面，可支持10K超高分辨率；在内容生成方面，采用业界首创的STCG（Spatio Temporal Controllable Generation，可控时空生成）技术，可生成更加符合物理规律的多模态内容。（3）强思维：将思维链技术与策略搜索深度结合，提升数学能力、复杂任务规划能力以及工具调用能力。盘古大模型5.0在自动驾驶、工业设计、建筑设计、具身智能、媒体生产和应用、高铁、钢铁、气象等领域都具有丰富的创新应用和落地实践，有望打开国产模型在全系列行业垂直落地的新思路，一定程度弥补目前国产大模型在专业场景应用相比通用场景的欠缺，也有望带动算力、光通信、液冷、存储等产业链公司。
AI+机器人
人形机器人
人形机器人是一种相对较新的服务机器人，其形状与尺寸与人体相似，能够模仿人类运动、表情、动作，以及行为特征，有时甚至可以与人类进行交互，或执行一些特定任务。它可以应用在各种领域，比如娱乐、接待、教育、医疗，以及助老护理等，也可以提供社交陪伴，或者执行危险或重复性高的工作。相较于工业机器人，人形机器人具有更智能、更灵活、更多元等特点。在社会各界的赋能下，随着技术的升级及产业形态的发展，人形机器人有望渗透进入服务业、制造业等应用领域，市场潜力或将加速释放。
中国政府高度重视人形机器人的发展，并将其列为重点支持的战略性新兴产业之一。2023年9月13日，工业和信息化部印发《关于组织开展2023年未来产业创新任务揭榜挂帅工作的通知》，面向元宇宙、人形机器人、脑机接口、通用人工智能4个重点方向提出了2025年的具体目标，为人形机器人的发展提供了有力支持，也为整个科技产业的进步注入了新的活力。人形机器人大模型应用取得显著进展。2024 年 3 月，英伟达发布人形机器人基础大模型GR00T，将推进机器人在具身智能方面的突破进展。该模型采用语言、视频、人类示教等多模态指令作为输入，直接生成机器人需要执行的下一个动作，搭载全新计算平台Jetson Thor，在模拟环境的对GR00T进行训练。大模型通过学习人类视频，学习人类动作，提升动作流畅性与拟人性，真正实现人机交互，提升其智能性。基于GR00T人型机器人基础模型，可以实现通过语言、视频和人类演示，来理解自然语言，模仿人类动作，进而快速学习协调性、灵活性以及其他的技能，进而能够融入现实世界并与人类进行互动。
优必选人形机器人Walker S集六大AI技术于一身，搭载高性能伺服关节以及多维力觉、多目立体视觉、全向听觉和惯性、测距等全方位的感知系统；全面升级视觉定位导航和手眼协调操作技术，自主运动及决策能力大幅提高，实现平稳快速的行走和精准安全的交互，可在多种场景下提供智能化、有温度的服务。7月1日优必选宣布与一汽-大众达成合作，双方将在一汽-大众位于青岛的国家级智能制造示范工厂共同探索人形机器人在工业场景的深度应用，打造高智能化和柔性化的生产线及汽车超级无人工厂。此次合作将引入工业版人形机器人Walker S开展汽车制造过程中的螺栓拧紧、零件安装、零件转运等工作，双方还将在工业物流机器人、供应链等多个领域开展合作，助力人形机器人硬件降本。
焊接机器人
焊接机器人是一种能够自动执行焊接（包括切割和喷涂）任务的工业机器人。根据焊接方式、结构形式、负载能力、工作范围等因素的不同，焊接机器人业有不同种类。焊接机器人广泛应用于钢结构、航空、造船、电子、机械等行业，可以提高焊接质量、效率和安全性，涉及的技术包括焊接电源技术、传感器技术、离线编程技术、智能控制技术、仿真技术等。
全球焊接机器人市场：2022年全球焊接机器人市场规模达626亿元，销量30.4万台，由此推算平均每台售价约为2000万元，据《中国焊接机器人行业发展前景预测与投资战略规划分析报告》预测，全球焊接机器人市场规模在2025年达43.9万台，折合904亿元。
国内焊接机器人市场：2022年中国焊接机器人市场规模达248亿元，占全球市场规模比例约40%，由上述数据推算2025年国内焊接机器人市场规模约358亿元。
智能化焊接市场需求迫切。（1）钢构产业焊接技工招工难且成本高，供给需求缺口大，对自动化、智能化焊接方案的需求迫切。国内钢结构产业渗透率持续提高，产品产量增加带动钢结构焊接市场需求。而钢结构主要应用于建筑、船舶、重工行业非标小批量工件多的工业场景中，焊接工序自动化程度低，基本大部分依赖大量焊接工人完成焊接。人工焊接技术要求高、技工培训周期长、焊接工作环境恶劣，已成为行业中最紧缺的劳动力之一，焊接工人缺口量逐年递增，复合增长率高达50%。2021年国内熟练焊工的年薪已达18万元，对企业带来较大的成本压力。（2）智能化焊接可以保证焊接质量稳定，提高生产效率。传统人工焊接受人为因素影响较大，焊接质量稳定性差，生产效率低，且钢结构加工涉及组立、矫正、装配、打磨、抛丸、表面防腐等多道工序，整个生产过程不透明，对生产进度、生产质量和生产异常的处理缺乏信息化管控，产品交付时常延期，实现智能化焊接是提高生产效率和产品质量。
柏楚电子智能焊接底层技术与激光切割工艺核心技术共通：除焊接工艺之外，与激光切割控制中的视觉识别工件、排样、工艺路径规划、运动控制所涉及的核心技术知识领域是相同的。具体技术方面，焊接与激光切割在CAD技术、CAM技术、NC技术、传感器技术和硬件设计在智能制造和自动化领域存在共通性。
柏楚电子智能焊接机器人为弧焊、免示教机器人，通过离线编程生成焊缝加工路径。一个完整的工作单元由必备部件智能焊接离线编程软件、智能焊缝跟踪系统、智能焊接控制系统，和可选部件工件视觉定位系统、焊接变位机以及智能焊接机器人工作站等部分组成。通过智能焊接离线编程软件、智能焊缝跟踪系统、智能焊接控制系统达到免示教，在智能焊接离线编程软件中编辑焊缝、生成焊接路径，并仿真模拟焊接过程，验证焊接路径的合法性，从而取代人工示教编程生成焊接路径，缩短编程调试周期。
免示教智能焊接机器人符合钢结构行业需求。钢结构产业是典型非标生产行业，产品基本全为非标定制化生产。钢结构生产原材料基本为钢板、钢管等，但由于规格、性能指标等因素的存在，原材料种类多，且受到客户需求、政策和设计师习惯的影响，每个部件的加工内容、方式及尺寸都有特定的要求。钢构行业以中厚板焊接为主，对设备精度和机器人技术要求高。大多应用弧焊机器人。
免示教机器人适合钢构行业小批量非标柔性加工场景。传统示教再现型机器人通过执行示教程序进行重复性工作，对焊接工件一致性要求较高，且需要人工引导机器人进行预期动作编辑，多用于重复、标准化加工中，如汽车、摩托车加工，对非标产品操作耗时长、效率低。免示教智能焊接机器人融合智能感知、智能规划、智能控制等技术，构成以知识和 推理为核心的智能焊接系统，通过与智能技术、工艺数字化技术等先进技术融合，实现了面向不同作业场景、作业任务、作业工艺，与钢构行业焊接需求高度契合。
柏楚智能焊接解决方案：柏楚已形成集合离线编程软件、智能焊缝跟踪系统、智能焊接控制系统、工件视觉定位系统与智能焊接机器人工作站的完整产品解决方案，从而提升钢构行 业的自动化加工水平，解决行业用工持续短缺的问题，满足钢结构产品规模持续扩大的发展需要。
智能焊接离线编程软件是智能焊接的第一环，通过自动解算焊接路径实现免示教。柏楚自主研发的智能焊接离线编程软件可以自动提取焊缝，生成免碰撞空移路与焊接路径，并通过仿真模拟焊接检查焊接路径合法性，提供给智能焊接控制系统加工，同时智能焊接离线编程软件的工件零件模型会用在工件视觉定位系统的模型匹配上。
工业软件投资观点
CAD软件-中长期增长逻辑：国产化下的份额提升
行业状况：2023年中国CAD软件市场规模预计为67亿元，预期2023年行业增速为24.9%。其中2D CAD市场规模为16.9亿，3D市场规模为50.1亿。2022年CAD市场规模为48.6亿元，2D CAD为17.7亿，3D CAD为30.9亿。
国产核心驱动力：CAD软件是高渗透率，低国产化率的赛道，国产化率提升是核心。与MES软件等智能化软件处于渗透率提升不同，CAD软件（尤其是2D CAD）是技术相对成熟，且渗透率高的行业。近年来2D国内厂商的份额持续提升至20%+。
竞争要素：目前看国产2D产品已经在产品性能上接近海外公司，直销渠道下沉与经销渠道扩张是主要替代方式，中望2023年销售费用率提升至52%处于较高位置。3D目前看，ZWCAD性能与Solidworks有技术两年差距（Solidworks可负担5000步建模步骤而ZWCAD仅可负担3000步），且从内核架构上难以达到CAITA 水平。
MES软件：中长期增长逻辑：渗透率提升
MES市场规模：IDC数据显示，202年中国制造执行系统（MES）软件市场总规模达到46.2亿元人民币，年增长率为21.1%，仍保持平稳快速增长，预计到2023年规模会达到61.1亿元；包含咨询/实施服务收入的总规模是125.4亿元。2024年全球MES市场规模或达1,898.6亿元，同比增长15.5%，全球MES市场空间同样广阔。
市场格局：市占率整体呈现行业间分散，行业内集中特性。赛意在消费电子产业链较为领先，汉得在汽车产业链较为领先，鼎捷在电子半导体领域领先。近年来制造业景气度下行，一些小型或弱势的供应商将面临淘汰或并购的压力，尾部玩家逐渐出清，导致市场份额进一步集中。
国产增长动力：当前MES仍处于渗透率提升阶段，提升动力源自于企业在景气度上升周期的快捷扩产需求。根据中商情报网数据，我国MES渗透率整体较低，汽车制造、制药、电子行业、基础化工、设备制造、电器机械和器材、纺织和服装等行业MES渗透率低于30%，未来仍有较大提升空间。
竞争要素：一方面行业具有较高工业know-how进入壁垒，另一方面行业内对于经营能力要求较高（人力密集型企业要求具有较强人效管控能力以及现金流维持能力），现金流维持不好的企业会被快速出清（尤其是近年来不好回款）。
工业控制：中长期增长逻辑：国产化率提升+以旧换新+海外新市场
PLC/DCS市场规模：工业控制层面，2022年国内PLC市场规模约在86亿元左右，增速受制造业本身景气度较大。DCS 2022年国内市场规模约在121亿元左右，年复合增速6-8%；作为工控硬件而言PLC与DCS市场规模均不算大，但其作为工业自动化的核心元件，外延的自动化设备（电机/仪表等）具有较大市场空间（是工控市场空间的三倍以上）。国内公司核心增长动力：当前PLC与DCS渗透率已达到较高位置（工业自动化），国产替代是国内公司的核心增长点。
市场格局：市场集中度均较为集中。当前PLC龙一为西门子，2022年市占率51.7%，优势领域为汽车产业链；DCS龙一为中控技术，2022年市占率36.7%，优势为化工石化行业。竞争要素：考虑到工业控制设备对工业生产安全影响十分重大，PLC与DCS的核心竞争壁垒均为大型项目标杆案例，其次才是软件运行算法（即如何用PLC/DCS控制下游自动化设备），再次才是各类工艺制造细节（如机柜如何设计可以最大程度防灰防静电）。
柏楚电子是激光切割控制系统龙头企业，公司主营业务系为各类激光切割设备制造商提供以激光切割控制系统为核心的各类自动化产品。中低功率切割控制系统技术达到国际领先水平，国内市占率约60%，稳居第一；高功率切割控制系统目前国产替代水平较低，公司保持国内第一的市场地位。公司横向拓展智能焊接、精密加工业务。智能焊接方面国内外系统均未形成完整产品解决方案，公司基于五大核心技术积极探索该领域，目前已在钢构行业应用场景有所突破；精密加工方面正在研发高性能振镜控制系统，有望进一步突破。业务结构多元化，高功率及切割头份额占比显著提升：柏楚各业务份额情况正由早期的中低功率系统独占鳌头向各业务多元化均衡化方向发展，其中高功率系统与切割头份额逐年走高，逐渐成为业务增长核心支柱；随动系统份额下滑明显，主因是包含随动功能的产品出货逐渐增加，加之部分板卡系统也开始搭配随动功能；在免示教焊接领域，行业已正式进入产业化初期阶段，柏楚相关解决方案持续完善中，已卡位第一梯队，后续有望充分受益于免示教焊接技术的大规模应用。得益于高功率厚板切割需求成为新的业务增长极，高功率总线系统产品功率上限提高，带动营收与毛利率提升。
激光产业链上下游情况：（1）上游主要为芯片、线材：原材料主要为各类电子元器件，市场竞争充分、供应充足、价格透明，起到积极作用；（2）中游主要为控制系统、I/O设备、激光器、切割头：公司激光切割相关业务处于产业链中游，其中控制系统竞争对手有德国倍福、德国西门子、维宏，切割头竞争对手有德国Precitec、德国LT、万顺兴、嘉强；（3）下游主要为激光切割设备制造：下游龙头企业有大族激光、杰普特等，下游行业对中游的发展有较大推动作用，直接影响中游市场空间。激光切割应用的需求有望显著回暖，加之下游对控制系统性能要求不断提高，国内企业也正从中低功率激光切割设备市场逐步进入高功率市场，促进中游发展长期向好。
AI+金融成为行业趋势
金融行业的核心特征包括私有数据难以获取、高商业价值，以及较为领先的数字化基础。在ChatGPT面世前，金融行业长期占据大数据和AI应用的领先地位，这与其丰富独特的数据积累密不可分。金融行业在数字化转型方面一直处于领先地位，这为大模型的发展提供了良好的基础。金融机构在数据收集、处理和分析方面拥有成熟的技术和流程，这些都是训练和部署大模型的关键条件。
自OpenAI于2022年底提出ChatGPT后，大语言模型（以下简称大模型）在C端快速取得成功，目前月浏览量超过17亿。B端，在制造业、医疗业、零售业等行业开始了广泛应用。金融领域存在许多GPT可以解决并提升的痛点：如帮助分析师分析投资标的基本面、自动提取研报信息节省研究员时间、宏观新闻分析、成为智能投资顾问等。2023年以来，海内外众多金融公司或科技公司都以类ChatGPT的大语言模型为基座，投喂自己的金融数据，训练金融行业大模型或应用。
财富管理领域应用：过去财富管理面临的问题是，不同投顾之间的水平相差很大，很多最新的行业咨询更新的也不及时，客户满意度偏低。大模型可以成为每一个投顾的智能助手，甚至成为直接面对客户的智能专家。将快速提高财富管理的专业水平和业务能力，加强财富管理板块的建设。
1）网点助手：以华为盘古为例，通过大模型的生成能力和检索能力，提供相关业务的解决方案。将原先需要五次查询的复杂业务办理流程转化为方便快捷的一次查询，同时保证了业务执行和安全与合规。同时在每一次查询后可以一键创建案例，将场景转化为案例（高质量的标注数据），帮助模型进一步迭代升级。
2）数据分析助手：通过简单的自然语言输入，数据助手可以实现相关SQL语句的生成和解释，同时提供相应的数据源，并根据操作员不同的查询权限生成不同的查询语句。在此基础上，还可以进一步根据操作员的需求来对查询出的数据进行进一步的下钻分析。
投研领域应用：投研需要在大量的研报、年报、新闻、政策中寻找有用信息，大模型可以很好地帮助解决这些问题。大模型可以总结归纳文本信息、实时抓取重要新闻，解读年报要点等。同时，大模型还可以高效处理excel数据，快速更新word中的报告，一键生成ppt等，极大解放分析师的生产力。随着越来越多优质数据的更新，大模型的能力会越来越智能，未来甚至可以帮助分析师和基金经理对时序数据进行预判，辅助做出投资决策。目前金融大模型具有如下功能：
1）信息提取和总结：协助分析师或基金经理对于年报、招股书、研报中的信息进行总结提取，例如XX公司关键财务数据的变化及其原因，各板块业务营收和成本变化及其原因等，输出格式可以为对应的文本或数据表格：总结归纳相关的产业新闻，例如对于计算机板块的分析师，跟踪汇报相应的计算机行业要闻、政策变化等，帮助跟踪最新的行业边际变化乃至于市场总结、周报等流程化工作。
2）辅助呈现和展示：结合相应的插件，如excel中的wind及其他相关函数，ppt等以及相关的指令的学习，实现基于相关提纲和内容进行报告ppt的生成以及相关数据表格的制作。例如：1.给定特定的报告格式（字体、字号、表格颜色等），对于报告格式进行检查和调整；2.给定相应的方向和关键数据，完成相应excel表格的构建；3.针对相关的产业新闻或行业变化，完成简单的文字内容产出，如新闻段子的写作。
3）行业洞察与预判：基于广泛的招股书、研报等金融资料的学习，辅助解决更为复杂的行业洞见问题，如对于相关产业竞争格局的分析，相关原材料的价格变化等。
AI+交通：政策发力助推车路云协同开拓新篇
超越单车智能，智能网联力推自动驾驶降本增效
人工智能技术正深刻改变交通行业，提升交通系统的整体效率和安全性。在智能交通管理方面，AI通过分析交通流量、事故数据和道路状况，能够实时调整交通信号灯，优化交通流，并减少拥堵。例如，利用谷歌DeepMind技术的AI系统已成功实现对交通信号灯的有效控制。自动驾驶技术也是AI在交通领域的显著应用之一，它使车辆能够通过深度学习和传感器技术感知环境，识别标志和障碍物，进而进行准确的驾驶决策。此外，AI还提升了智能出行服务的水平，包括智能导航、出行规划以及共享出行等领域。通过对用户出行需求和交通数据的深入分析，AI能够为出行者推荐最优路线和方式，同时在共享出行平台上实现智能调度，优化车辆利用率。这些应用不仅增强了个体的出行体验，也提高了整个交通系统的运行效率和可持续性。
车路云协同是智慧交通的关键技术之一，旨在在单车智能的基础上，增加路测感知，车端、路端数据共同上传至云端形成决策，并返回给车辆，让“聪明”的车行驶在“智慧”的路上，从而解决单车智能长期无法突破的一系列瓶颈。网联化意味着车辆联网和实时的信息交互，通过V2V（汽车对汽车通信）、V2I（汽车对基础设施通信）V2N（汽车对互联网通信）和V2P（汽车对行人通信）来获取超视距或者非视距范围内的交通参与者状态和意图。
随着自动驾驶的不断升级，V2X网联协同成为必然趋势。一方面，单车传感器可能存在遮挡物和感知盲区的问题，存在安全隐患。另一方面，对车载传感器和计算平台要求高，成本高企。如果在路侧安装摄像头、毫米波雷达和激光雷达等感知设备，例如路灯杆进化为多合一路灯杆，安装各类传感器，由于安装高度高，不容易被遮挡，可最大化减少盲区，同时，车侧的部分激光雷达成本可以被节省下来，从而大幅降低车载成本。
车路云协同能够多方面提升交通安全和效率。宏观协调方面，车路云协同技术可以通过智能信号灯控制系统，优化交通流，减少拥堵，交通事故发生时能够实现及时的救援力量调度。信息交互层面，车路云协同技术可以实时收集和分析交通数据，及时发现并预警交通拥堵、事故多发路段等。微观驾驶层面，车路云协同技术可以通过车联网技术，实现车辆之间的信息共享，提高车辆的安全性能。获取周围车辆的位置和速度信息，提前做出反应，避免碰撞。
C-V2X已进入大规模验证周期。目前，支持V2X通信的主流技术解决方案包括DSRC和C-V2X。根据5GAA的《V2X功能和性能测试报告》，预计商用的C-V2X产品在适应安全需求的前提下，范围、可靠性等指标都明显优于DSRC。C-V2X技术包括LTE-V2X（基于4G）和5G-V2X，后者更能满足智能网联汽车的需求。据佐思汽研统计，2022年1-6月，搭载C-V2X技术的量产乘用车约4.6万辆，装配率约0.5%；2023年乘用车C-V2X前装率约1.2%，前装规模超过27万辆，预计2026—2027年迎来大规模装车期，乐观预测前装率最高可突破9%。
发挥通信基建优势，多主体齐发力构建车路云协同
相比美国，中国发展车路云协同具有比较优势。单车智能背后的核心能力是人工智能算法和决策芯片，美国在这两方面具有独特的战略优势。中国则在5G技术、通信基础设施、宏观政策指引、路测设备数量等方面表现突出，这些方面的特殊性将有力推动车路协同的发展。具体而言，以华为为代表的通信企业在5G技术方面世界领先，工信部预计2020年底中国5G基站数将超过60万个。中国政府大力推行5G网络、物联网、卫星互联网、数据中心、智能交通基础设施等新型基础设施建设，在道路的改造方面坚决推行5G LTE-V2X技术标准，支持LTE-V2X向5G-V2X平滑演进。2019年9月《智能网联道路系统分级定义与解读报告》的发布标志中国有了清晰的道路智能分级标准，对智慧道路建设形成明确指引。此外，中国高速公路总里程世界第一，且收费公路里程远高于美国，路侧设备RSU的数量和分布范围大于美国。
督促组建产业联合体，加快高阶自动驾驶功能上线。2023年11月，工业和信息化部、公安部、住房和城乡建设部、交通运输部发布《关于开展智能网联汽车准入和上路通行试点工作的通知》，提出搭载自动驾驶功能的智能网联汽车产品开展准入试点并在限定区域内开展上路通行试点。2024年6月4日，据工信部网站，四部门研究确定了9个联合体进入试点，包含长安、比亚迪、广汽、上汽、北汽蓝谷、一汽、蔚来7家乘用车企业，以及上汽红岩、宇通2家商用车企业。业界普遍认为，入围首批名单是对相关车企智驾领域技术实力的一次高度认可，尤其是L3级为代表的高阶自动驾驶。试点的组织实施共分为五个阶段，分别是试点申报、产品准入试点、上路通行试点、试点暂停与退出、评估调整。目前仅完成试点申报阶段的遴选，并不代表具有自动驾驶功能的智能网联汽车取得准入许可或允许上路通行。
城市交通方面，局部试点初见成效，重磅政策引导规模扩张。2024年1月，工信部等五部门联合印发《关于开展智能网联汽车“车路云一体化”应用试点工作的通知》，试点期为2024—2026年。其中提出，分类施策逐步提升车端联网率，试点运行车辆100%安装C-V2X车载终端和车辆数字身份证书载体；鼓励对城市公交车、公务车、出租车等公共领域存量车进行C-V2X车载终端搭载改造，新车车载终端搭载率达50%；鼓励试点城市内新销售具备L2级及以上自动驾驶功能的量产车辆搭载C-V2X车载终端；支持车载终端与城市级平台互联互通。据悉，截至2024年5月底，全国共建设了17个国家级测试示范区，7个车联网先导区，16个双智试点城市，开放测试道路超3.2万公里，发放测试示范牌照7700余张，测试里程超过1.2亿公里。
北京发布近百亿车路云一体化新型基础设施建设项目招标公告，多地相继跟进。2024年5月底，北京发布车路云一体化新型基础设施建设项目招标公告，在13个区共选取约6050个道路路口开展建设，建设面积2324平方公里，投资额99.4亿。项目资金由政府投资70%，国有企业自筹30%。预计12月份前完成项目招标及合同签订，2025年12月份前完成调试、测试工作。继北京之后，6月14日，武汉“车路云”一体化重大示范项目获有关部门批准备案，备案金额约170亿元。此外，深圳、杭州、福州、鄂尔多斯等地也在陆续推进“车路云一体化”建设与规划工作，相关项目相继获得审批；天津、长春、沈阳、芜湖、琼海等城市也陆续宣布就“车路云”项目开启招标。
城际交通方面，公路水路交通数字化转型获批专项资金。2024年4月底，财政部和交通运输部发布《关于支持引导公路水路交通基础设施数字化转型升级的通知》，提出自2024年起，通过3年左右时间，支持30个左右的示范区域，打造一批线网一体化的示范通道及网络，力争推动85%左右的繁忙国家高速公路、25%左右的繁忙普通国道和70%左右的重要国家高等级航道实现数字化转型升级。在智慧扩容方面实现示范通道通行效率提升20%左右；在安全增效方面实现突发事件应急响应效率提升30%左右。财政部表示，将按照“奖补结合”方式安排资金。东部、中部、西部地区奖补比例分别为40%、50%、60%。实施第一年补助每个示范区域奖补资金的40%作为启动资金。
车路云一体化建设涉及汽车、通信、电子、交通等多个领域，覆盖了从基础设施建设到上层应用服务的多个环节，将带动产业链上下游协同发展。具体来看，基础层包括芯片、摄像头、雷达、云计算、高精地图、软件系统等设备与终端的研发和生产；平台层包括云控平台、数据处理中心、运营服务等平台的建设和运营；应用层包括智能交通管理系统、自动驾驶技术、车联网解决方案等应用功能的开发和实施。其中，自动驾驶汽车的零部件中，决策层的芯片和算法，以及感知层的激光雷达和毫米波雷达属于较为核心的零部件，技术含量较高，进入门槛较高，而感知层的车载摄像头和超声波雷达的技术含量相对较低，属于非核心零部件。
智慧交通建设者包括：1）地方交通项目运营商，以地方工程为主，根据地方资源与成熟的项目经验获得继承类项目。2）央国企下属子公司。3）电信运营商开始入局，一方面交通建设绕不开通信平台，另一方面运营商现金流充沛，由他们担任集成商，能缓解下游供应商与政府之间的资金矛盾。相关A股上市公司主要可以分为两类，1）以千方科技、皖通科技代表的工程类公司，采购下游设备做集成，逐步开始生产标准化产品；2）以万集科技、金溢科技为代表的产品类公司，通常直接销售产品，逐步去做整体解决方案，主要产品包括各种OBU\RSU，以及激光雷达、边缘计算单元等。
我们认为，类比2019年ETC大规模升级换新，此轮政策将带动智慧交通特别是车路云协同快速增长。去年11月份四部委的“准入和上路通行试点”和今年1月份五部委的“车路云一体化试点”在政策引导层面持续发力；交通运输部2024年年度预算文件，北京武汉等地陆续推进项目布局，持续释放积极信号。未来将持续关注各关联企业在手订单，预计政策将对其业绩产生强大的正面影响。产业链相关公司预期将受益于智慧交通设施建设。1）千方科技是国内领先的交通、物联行业数字化解决方案提供商，在同行上市公司中业务体量最大。提供全域交通数字化解决方案，涵盖智慧交运、智慧交管、智慧高速、智慧路网等核心领域。发布鲲巢双智路口，具备双智协同、平台开放特点。公司智能物联业务仅次于海康、大华，全国份额第三，海外市场占比近三成。2）通行宝是全国领先的为高速公路、干线公路以及城市交通等提供智慧交通平台化解决方案的供应商。公司是江苏省唯一ETC发行机构，ETC用户达到2400万个，年新增用户较为稳定，约200万；公司交通运营管理系统已实现规模化应用并向全国推广，现已覆盖全国20个省市地区，包含调度云、AI视频分析、高速云控平台等。3）万集科技在智能动态称重、专用短程通信领域居于领先地位，近年来大力发展智能网联产业。传统动态称重及ETC方面稳步发展，大力推广语音播报OBU、ETC车路协同路侧单元、ETC信息服务终端等系列产品及相关解决方案；公司发展10余年激光雷达产品，应用于工业设备与路侧；公司大力发展智能网联业务，具备车路云网一体化的全方位技术能力。
AI+军事成为未来战场新态势
人工智能逐渐成为公认的改变今日世界并影响未来全球格局的决定性力量，既直接表现在人工智能技术对经济、社会乃至军事领域的直接变革，也表现在人工智能技术对国际战略、科技竞争、大国博弈等方面的长期间接影响。目前世界各国均在不同军种、不同层级探索利用不同种类的AI工具提升战场表现，其中生成式AI利用海量数据库辅助战场态势感知和决策成为当下新焦点。
AI战场使用场景概括
1）替代重复性劳动。对于需要大量人力和时间才能完成的任务，尤其是那些可预测的、规则或模式相对固定的任务，可以通过人工智能技术实现自动化操作，从而解放人力，快速完成任务。例如美军的“Maven计划”，就是应用人工智能技术处理无人机所拍摄的大量的视频，实现自动识别敏感目标，大大减轻这方面所需的人力负担。
2）态势感知和实时决策。由于战场态势瞬息万变，海量的信息令指挥员无所适从，无法再短时间内对形势作出精准的分析判断并做出决策。例如，AI可以用来评估导弹来袭时被击中的可能性，以及对采取何种规避和反击方式给出建议。
3）非理想环境作业。人工智能技术可以在某些特殊的空间发挥作用，例如，人不能长期存在的核辐射、高温高湿、缺氧等恶劣环境，人在这些非理想环境中作业存在难以克服的困难和危险，借助人工智能技术，可以提高作业效率和安全性，例如扫雷机器人等。
4）无人系统。各大军事强国纷纷投入力量研制无人车、无人机、无人艇，无人系统必将成为未来战争中的一支重要作战力量，人工智能可增强无人系统的自主性和生存性，使其具有更高的性能。
Palantir 战场AIP平台：问答模式大模型辅助战场态势感知和决策
Palantir以服务政府机构情报业务起家，逐步向商业领域拓展。Palantir成立于2003年，成立之初志在解决美国政府机构数据处理低效的问题，为反恐行动开发软件；于2008年正式推出第一款产品Palantir Gotham，主要服务美国政府机构，如FBI、CIA等；2010年通过与摩根大通的合作，逐渐扩展至金融等商业领域，此后商业企业客户占比不断提高；2016年推出Palantir Foundry，不断深入各垂直行业；2018年成功起诉美国陆军执行 FASA，政府订单受到法律层面支持。
Palantir形成Palantir云、本地软件和专业服务三大业务模块，互为补充。三大模块分别是在Palantir控制的托管环境中访问软件的Palantir云订阅服务、在客户自有环境中的本地软件订阅服务以及辅助前两者的专业服务。2024年5月31日，美国国防部授予Palantir 4.8亿美元合同，建造支持AI的Maven智能系统原型，用于战场分析和目标识别。23年，Palantir还得到了2.5亿美元的美国陆军人工智能研究项目，用于研究和试验人工智能和机器学习。
Palantir的AIP技术在乌克兰战场上展示了AI辅助战场态势感知的能力，可以为军队提供全方位、实时、智能的战场指挥系统，大大提高了乌克兰军队的作战效率和胜算。这种技术可以帮助军队快速获取敌军的位置、装备、意图等信息，并制定多个攻击计划，包括使用无人机侦察、干扰敌方通信、发射导弹等。这种技术还可以为军队提供实时反馈、解释和建议。另外，这种技术还可以让军队减少对人员的依赖，降低人员伤亡和资源消耗。
问答模式：通过AIP平台命令无人机侦察和攻击，向AIP平台提问对方部队装备类别与数量（如榴弹炮数量）信息聚合：动态聚合来自卫星、无人机和侦察员收集的数据并叠加在地图上，展示了战场上所有武器和军队的位置。士兵可以使用该软件获得当前坐标与战场综合信息。潜在应用领域：帮助军事规划人员分析多源异构数据，更全面地了解战场结构。无人作战，通过AIP平台远程控制机器作战。
Planet Lab：AI 助力快速图像分类识别+分辨率增强
Planet Labs是全球每日卫星图像和地理空间解决方案的领先供应商，由三位NASA科学家于2010年创立，每天从超过300万张图像中捕获和编译数据，覆盖200万平方公里以上的面积。公司为900多家客户提供关键任务数据、高级见解和软件解决方案，其中包括世界领先的农业、林业、情报、教育和金融公司以及政府机构，使用户能够简单有效地从卫星图像中获得独特的价值。
卫星状况：作为美国卫星遥感龙头之一，Planet Labs FY24第二季度共有约200颗卫星处于工作状态，包括约20颗最高分辨率达0.5米的高精度SkySat卫星和约180颗一天能扫描3亿平方公里面积的SuperDove卫星。并将积极投入研发新一代卫星。主营业务：Planet Labs以遥感影像处理与分析衍生出六大主营产品，包括行星分析平台、行星高频监测、行星底图、行星广域监测、行星数据分析、行星历史数据档案。涉及的应用领域包含农业（检测农作物发育状况等）、林业（检测森林健康、面积等）、国防（军事情报等）、政府（土地利用类型等）、金融、地图等。
Planet Lab正在通过与Synthetaic和SI Analytics等领先的AI初创公司合作，进一步提升其在地理空间数据分析领域的能力。Synthetaic的核心产品RAIC（快速自动图像分类）能够自动处理和分析大量非结构化数据，特别是地理空间影像，这使得即使是非技术用户也能在几分钟内检测出对象。这一创新使得企业和政府在应对商业或国家安全重大问题时，能够快速获取必要的信息，节省了标记和分析数据的大量时间和成本Synthetaic曾在2023年利用Planet的每日扫描和存档数据，成功识别并追踪了一个飞越北美的白色探空气球，同时使用卫星遥感数据助力土耳其和叙利亚地震后的灾害响应和救援分配。
Planet Lab 与韩国初创公司SI analytics的新合作能够让AI驱动的超分辨率和GeoAI分析、对象检测/分割算法，来增强卫星影像的分辨率。SI Analytics 在GEOINT 2023峰会上宣布已将公司的技术能力运用在搜索朝鲜弹道导弹发射基地的项目中。
AI+医疗：大模型的出现带动AI应用精度上升
整体上，AI在医疗领域的应用可分为三个阶段：
1）2017年之前：此阶段为机器学习与深度学习突破阶段，卷积神经网络在计算机视觉领域取得重大突破，推动了医学影像分析的进步，AI算法在各类疾病（乳腺癌、肺癌、心血管疾病等）的影像诊断中逐渐显现出高于常人的准确率，AI与医疗开始进入初步结合阶段；
2）2018-2022年：伴随AI应用的逐步深化，AI+医疗开始进入商业应用阶段。一方面，AI与硬件设备的结合逐步深化，部分诊断设备开始在无医生监督背景下运行；另一方面，AI应用领域逐步推广，诸如健康记录、个性化医疗、疾病预测与防控等多个领域也开始尝试与AI模型结合，2020年起疫情的出现则极大加速了AI在医疗领域的落地（图像识别被广泛应用于新冠肺炎检测识别）；
3）2023年至今：2023年大模型的出现对医疗领域的直接影响在于，过往AI应用的精度得到了大幅提升。自2023年初GPT-4发布以来，医疗公司开始探索其在电子健康记录分析、病人数据管理和医疗文献综述等方面的应用。此后，在传统AI应用领域，大模型也开始展现出较传统AI模型更高的预判精度，各行业龙头对于AI+医疗投入力度持续加大。
当前时点，海外AI+医疗应用逐渐向制药领域深化。近期英伟达于GTC大会上推出医疗保健项目GenAI，聚焦医疗场景的25个新的微服务（包括小分子建模工具、OpenFold 蛋白质预测模型，以及与Recursion开发的用于靶点和药物发现的Phenom-Beta模型等），医疗保健是此次GTC大会重视度最高的行业，也是英伟达重点押注的下一个赛道。无独有偶，美国制药巨头礼来公司宣布已经与OpenAI达成合作，将利用大模型开发新型抗菌药物。
国内AI+医疗则更偏向于健康管理领域。美年健康24年初与润达医疗、华为云等达成合作，推出基于生成式AI的数智健管师——“健康小美”，期望能有效提升健康预防和疾病管理的效率，为个人和体检机构带来全新的健康管理体验。除医疗类公司外，AI模型公司也在健康管理领域积极参与，商汤科技预计在2024年世界人工智能大会上推出自研医疗大模型，可帮助患者在院内实现全流程高效就医，并在院外化身患者的“随身AI智慧健康管家”，实现全周期个人健康管理。
风险提示：北美经济衰退预期逐步增强，宏观环境存在较大的不确定性，国际环境变化影响供应链及海外拓展；芯片紧缺可能影响相关公司的正常生产和交付，公司出货不及预期；信息化和数字化方面的需求和资本开支不及预期；市场竞争加剧，导致毛利率快速下滑；主要原材料价格上涨，导致毛利率不及预期；汇率波动影响外向型企业的汇兑收益与毛利率；大模型算法更新迭代效果不及预期，可能会影响大模型演进及拓展，进而会影响其商业化落地等；汽车与工业智能化进展不及预期等。
本文来源：“中信建投证券研究”微信公众号；FOREXBNB编辑：陈筱亦。
