中央經濟工作會議12月11日至12日在北京舉行。會議確定，明年要抓好以下重點任務。其中提到，以科技創新引領新質生產力發展，建構現代化產業體系。加強基礎研究與關鍵核心技術攻關，超前佈局重大科技項目，進行新技術新產品新場景大規模應用示範行動。開展“人工智慧+”行動，培育未來產業。加強國家戰略科技力量建設。
展望2025年，“人工智慧+”將帶來哪些投資機會？中信建投證券TMT研究團隊推出“人工智慧+”2025年投資機會展望：
算力為基，自主可控大勢所趨，Agent及B端應用崛起
AI應用賦能千行百業：大模型應用的另外一個主戰場是產業應用，《擴大內需策略規劃綱要（2022-2035年）》：堅定實施擴大內需戰略、培育完整內需體系。並重點提出推動5G、人工智慧、大數據等技術與交通物流、能源、生態環保、水利、緊急、公共服務等深度融合，助力相關產業治理能力提升。我們認為，圍繞AI在金融、工業、教育、交通、軍事、醫療等領域開始落地。
金融端，大模型逐步成為更好的投資助手、財富管理虛擬人、金融知識庫等。工業端，大模型已經開始在CAD等軟體提供人機交互、AIGC生成樣本等，重點關注中控技術。
在機器人領域，連接大模型後的機器人智慧化程度快速提升，已經開始在工廠等場景替代人完成簡單任務。軍事領域，海外的Palantir公司已經成功的在戰場中利用大模型作為戰場助手。教育領域，AI逐步在更多學科成為虛擬教師。
在交通領域，車路雲協同對基礎設施提出更高要求，賦能智慧交通管理的同時，能夠有效降低智慧駕駛車端成本。醫療領域，過往AI本身在醫療影像，新藥研發等領域均有較深入的應用（傳統模型），生成式模型的出現使得上述領域的AI發展進一步深化，但整體來看，海外研發方向更偏製藥，國內研發方向更偏健康管理，依據大模型效力的不同二者應用方向存在差異。
AI+ 產業：交通、教育、金融、醫療、工業、军事產業更新
國內大模型發展情形
國內第一梯隊的大模型整體能力目前已逼近GPT-4：部分模型中文能力與GPT-4相差無幾。第一梯隊的頭部大模型例如ChatGLM4、百度文心一言4.0、訊飛星火V3.5整體表現已接近GPT-4，在中文領域，國內部分模型表現已經可以比肩GPT-4。5-6月，國內多家大模型已迎來版本更新，預期我們將看到部分頭部大模型整體能力逼近甚至超越GPT-4。從海外經驗來看，海外AI爆款的落地，也大致在GPT-4發布後的2-3個季度後，在應用領域實現百花齊放。
国内大模型价格显著下降。過去製約大模型應用的兩個要素：模型能力與模型成本，模型能力不管是基礎理解能力或多模態能力去年都快速進步，在模型成本上，海外GPT從發布後已經經歷了4輪降費，國內大模型在一個月前也經歷了一輪快速的成本下降，部分輕量級模式甚至免費開放，大模型應用的前置因素目前已經具備。
國內大模型訪問量不斷提升。從全球大模型流量排行可以看到，國內大模型已經穩定佔據了第二梯隊。其中國內流量前三名分別為Kimi、文心一言與豆包大模型，10月單月的流量分別為2950萬次、2170萬次和1740萬次。其中kimi和豆包的流量都處於快速提升狀態，單月環比增速均超過20%，显著高于ChatGPT、Google Geimini，與Claude增速相近。
政策大力支持AI落地產業應用
5月26日山東省的企業與專家座談會重點提及深化電力體制改革、發展創投及用科技改造傳統產業。會議中明確指出，傳統產業改造升級能發展新質生產力，也屬於新質生產力範疇。這為後續傳統產業智慧化改造投入加大奠定了基礎。
超長期國債將大力投入科技自立自強。5月13日，財政部公佈2024年超長期特別國債發行相關安排。其中超長期國債今年共發行1兆，其中20年期7只，30年期間12只，50年期3只，均於下半年陸續發表完畢；從投入領域看，超長期國債將投入“科技自立自強”、“新興都市化建設”、“長江經濟帶高品質發展”、“提升糧食安全保障能力”、“國防安全”等多個領域，具體資金獲取方將以地方政府與國央企為主。23年大模型出現以來，地方政府與國央企對智慧化建設關注度驟增，上述資金或將用於產業性智慧化改造，這與“以舊換新”等政策的提出也較為契合；
本次超長期國債的推出將受到過往諸多文件影響，如《擴大內需策略規劃綱要（2022-2035年）》：堅定實施擴大內需戰略、培育完整內需體系。並重點提出推動5G、人工智慧、大數據等技術與交通物流、能源、生態環保、水利、緊急、公共服務等深度融合，助力相關產業治理能力提升。
AI+工業
一直以來，工業AI的應用就落後於其他領域，原因是工業领域更多的依赖对行业know-how的經驗理解，而不是單純從資料中挖掘規律。但隨著AI通用性和專業性兩方面的不斷加強，越来越多的工業know-how被電腦所理解，甚至表現出更好的性能。例如上世紀60年代專家系統誕生與80年代的工業领域应用间隔近20年，统计机器学习的工業领域应用滞后周期基本在10年左右，而深度學習、生成對抗網路等新技術於2012年後在通用領域開展應用，不足4年便产生了工業领域探索实例。整體來看，由于人工智能技术可用性增强以及工業信息化水平提升，通用技术的工業落地间隔由20年逐步縮短至小於5年。加之工業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，我們認為，伴隨ChatGPT帶來的通用AI大模型突破，工業领域AI應用將迎來快速落地和發展。
從需求端看，不斷成長的降本增效需求與多變的市場環境為“AI+工業”帶來廣闊的市場空間。Al+不僅提升了生產效率，还推动了工業自动化和智能化的进程，為企業在全球市場的競爭力注入了新活力。AI大模型有望推动工業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，製造過程正在從自動化到自主控制的方向發展，使系統能夠在沒有人為幹預的情況下做出即時決策和調整；（2）機器視覺系統（Machine Vision Systems）：將先進的閉環控制策略與先進的感官機器視覺AI回饋結合，使PLC能夠採取自動糾正措施，即時減少缺陷；（3）演化建模（Evolutionary Modeling）：在數據科學實踐的早期，單點解決方案是常態，其中根據從可用數據中得出的各種標準選擇單一模型。未來這種方法演變為從潛在候選模型的集合中建立模型，這種方法要求每個模型在每個迭代中都要成功適應，發展出更符合實際物理過程和各自系統動態的高精度和穩健的模型。
AI+工業可望在製程控制、品質優化、機器人應用等領域賦能生產力的大幅提升。SmartIndustry指出，AI、機器學習等技術將在未來五年或十年內對工業製造過程帶來重要的影響，並在八大領域帶來前所未有的商業成果。其中，隨著AI大模型技術的迭代，我們認為生成式AI預計在工業場景中基於企業用戶的專業知識和行業經驗，在研發設計、生產控制等環節可實現高度智慧化，賦能生產力提升。
AI+工業軟體
工業軟體是工業創新知識長期積累、沉澱並在應用中迭代進化的軟體產物。工業軟體的根基仍然是工業產業本身，有賴於正向創新與產業創新知識的積累，是一個長期系統工程。任何工業知識必須先形成完整的體系，搭建出知識庫和模型庫，並在實踐中反覆應用、變更，與工程緊密結合並不斷更新迭代，才有可能形成工業軟體。因此，工業軟體是工業創新知識的載體，依靠軟體化這個關鍵過程，透過強大的軟體工程能力得以實現。軟體平台與架構將直接決定工業軟體產品的生命力。
海外進展
AI與工業軟體結合是產業新趨勢，在研發設計，生產控制，經營管理及嵌入式軟體四大類中，AI與研發設計的合作主要在於互動與預先設計，与生產控制的结合主要在于参数修改，與經營管理的結合主要在智慧文本生成，與嵌入式軟體的結合則主要在程式碼自動編寫上。
CAD產業中，Siemens推出業界首個人工智慧驅動的CAD草圖繪製技術，在新版NX軟體中利用了人工智慧和高階模擬功能等先進技術。在當前的設計環境中，大多數概念草圖是在CAD軟體之外進行的，因為使用者必須預先決定並建構到草圖中的規則和關係級別。2020年6月，Siemens推出的NX Sketch軟體基於人工智慧推斷用戶將要施動或修改的內容，並根據周圍的幾何圖形識別幾何關係，支援用戶在沒有預定義參數、設計意圖和關係的情況下進行草圖繪製，擺脫紙質手繪草圖。2022年10月，Siemens在發布的NX中引入人工智慧和高階仿真功能等先進技術，基於人工智慧和機器學習，在選擇和選擇相似命令中，利用形狀辨識來快速辨識幾何相似的組件。
Autodesk AI四大主線應對CAD變革。（1）主線一：CAX一體化。AutoCAD的Real-time analysis和ML deluge tool都將風速風向、耗能、泛水等傳統情況下在CAE環節考慮的因素融入設計流程，提升編輯效率；（2）主線二：工作流程智能化。工程師不再需要經歷複雜的設計流程，工作內容被簡化。如Mark-up assist消弭了繪製高精度圖紙的必要性，給靈感更多空間；Construction IQ輔助設計決策，簡化送審流程；（3）主線三：減少機械性勞動，釋放人力。Drawing automation和flame應用中的machine learning都藉助AI科技，實現了重複工作的自主完成，解放了工程師，同時縮短了產品的設計週期；（4）主線四：提升設計效率。Generative design致力於解決多次繪製不同版本稿件的時間消耗問題，可以在工程師一次設計過程中學習其設計思路，產生多個無需進一步驗證的選擇。而AI assisted workflows引入大語言模型，可實現簡單任務的互動式落地。
ERP層面，透過將大模型能力嵌入ERP系統，企業可實現報表整理與財務做帳的智慧化，大幅提升工作效率。2024年7月，SAP發布AI助理Joule。目前Joule已經可以實現理解自然語言，訪問SAP所有數據並提出分析方案，自動執行重複性的任務（資料輸入、報告產生和審批流程）。使用者可以比以前快90%地執行任務，到2024年底，SAP業務應用程式中80%最常用的事務將透過Joule完全自動化。未來，Joule還可以為SAP顧問提供實施方案，方案資訊來自來自 SAP 社區共享的 20 多萬頁產品文件和知識中的見解。一旦推廣到擁有 500 多万名顾问的生态系統，此功能每年最多可節省 6 億個工作小時。此功能將於2024年年末推出。
嵌入式軟體層面，西門子推出了全整合自動化軟體平台 TIA 幸福的最新版本—— TIA 幸福 V20。這全新版本著重於提升效能和效率，幫助用戶縮短產品上市時間、提高競爭力並靈活適應瞬息萬變的市場。新版本整合了新型可程式邏輯控制器 (PLC)，簡化了工程師的操作。借助 TIA 幸福 V20，SIMATIC PLC 可以連接到車間的中央用戶管理系統。使用者管理存取控制 (UMAC) 允許服務技術人員在使用其標準企業憑證即可輕鬆存取車間設備，同時能夠充分保證安全性。管理員能夠如同在 IT 架構中管理軟體應用程式一樣，以標準方式有效率地管理自動化設備，並在Industrial Copilot 的幫助下實現程式碼的自動補充。
國內進展
“AI+工業軟體”，尤其是“AI+CAD”是CAD領域新產品趨勢，“式說”大模型是代表產品。這是第四範式推出的一款基於生成式AI的新開發平台，具備文字、語音、影像、表格、影片等多模態互動及企業級Copilot能力，以生成式AI重構企業軟體（AI-Generated Software），提升企業軟體的體驗與開發效率。式說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業軟體的功能，輔助完成設計。這款大模型可以根據企業內部的數據、功能和規則，自動執行複雜的工作，如在航空製造領域，幫助客戶在上百萬零件庫中找出相似零件，並進行自動組裝；在物流企業，幫助客戶設計物流裝箱的最佳方案。這些應用程式都展示了“式說”大模型在CAD領域的強大推理能力和創造力。
華為盤古大模型可以實現降本增效，推動更廣泛商業化落地。新發布的盤古大模型5.0在全系列、多模態、強思維三個方面做了全新升級，將重塑工業設計產業。以新車造型設計為例，週期一般需要1-2年，盤古大模型可以讓汽車的造型設計時間大幅縮短。造型設計師可以將自己的靈感，透過對話、畫圖與大模型交互，產生3D汽車數位模型，並可進行風格化調整、零件編輯、顏色更換等。盘古大模型產生的数字模型还可直接输出成3D文件，支援10幾種主流格式，設計師可以直接3D列印成樣品，減少製作油泥模型的輪次，大幅節省成本和時間。除了汽車造型設計，盤古大模型還可以用於汽車的工裝設計、模具設計，以及電子產品領域的工業設計等。
AI+機器視覺&機器人
AI+機器視覺
工業機器視覺是軟硬體一體化的整合系統，它的目的是代替人眼對被測物進行觀察和判斷。從組成上，機器視覺系統硬體設備主要包括光源、鏡頭、相機等，軟體主要包括傳統的數位影像處理演算法和基於深度學習的影像處理演算法。系統工作時首先依靠硬體系統將外界影像捕捉並轉換成數位訊號回饋給計算機，如下圖深灰色方塊所示過程，然後依靠軟體演算法對數位影像訊號進行處理，如下圖灰色方塊所示過程。工業機器視覺在辨識的精確度、速度、客觀性、可靠性、工作效率、工作環境要求、數據價值方面都優於人眼。
另外，過去的工業機器視覺系統主要針對垂直場景的少量資料進行小模型的訓練，而大模型的發展將有助於工業機器視覺實現應用性能的提升與應用場景的拓寬。以華為盤古大模型為例，6月22日，在華為開發者大會2024（HDC 2024）上，盤古大模型5.0正式發布，在全系列、多模態、強思維三個方面做了全新升級。（1）全系列：盤古大模型5.0包含十億級到兆級不同參數規格的模型，能夠更好地適配包含智慧型手機、PC、高效推理、跨領域多任務等不同的業務場景。目前已在醫藥研發、機器人、煤礦、鋼鐵、自動駕駛等30多個產業、400多個場景中落地。（2）多模態：可以更好地識別文本、圖片、影片、雷達、紅外線、遙感等不同模態。在圖片和影片识别方面，可支援10K超高解析度；在內容生成方面，採用業界首創的STCG（Spatio Temporal Controllable Generation，可控時空生成）科技，可生成更加符合物理规律的多模態内容。（3）強思維：将思维链科技与策略搜索深度结合，提升數學能力、複雜任務規劃能力以及工具呼叫能力。盤古大模型5.0在自動駕駛、工業設計、建築設計、具身智能、媒體生產與應用、高鐵、鋼鐵、氣像等領域都具有豐富的創新應用與落地實踐，有望打開國產模型在全系列產業垂直落地的新思路，一定程度彌補目前國產大模型在專業場景應用相比通用場景的欠缺，也有望帶動算力、光通訊、液冷、儲存等產業鏈公司。
AI+機器人
人形機器人
人形機器人是一種相對較新的服務機器人，其形狀與尺寸與人體相似，能夠模仿人類運動、表情、動作，以及行為特徵，有時甚至可以與人類互動，或執行一些特定任務。它可以應用在各種領域，比如娛樂、接待、教育、醫療，以及助老護理等，也可以提供社交陪伴，或執行危險或重複性高的工作。相較於工業機器人，人形機器人具有更智能、更靈活、更多樣化等特點。在社會各界的賦能下，隨著科技的升級及產業形態的發展，人形機器人可望滲透進入服務業、製造業等應用領域，市場潛力或將加速釋放。
中國政府高度重視人形機器人的發展，並將其列為重點支持的戰略性新興產業之一。2023年9月13日，工業及資訊化部印發《關於組織開展2023年未來產業創新任務揭榜掛帥工作的通知》，面向元宇宙、人形機器人、腦機介面、通用人工智慧4個重點方向提出了2025年的具體目標，为人形機器人的发展提供了有力支持，也為整個科技產業的進步注入了新的活力。人形機器人大模型应用取得显著进展。2024 年 3 月，英伟达发布人形機器人基础大模型GR00T，將推進機器人在具身智慧方面的突破進展。該模型採用語言、影片、人類示教等多模態指令作為輸入，直接產生機器人需要執行的下一個動作，搭載全新運算平台Jetson Thor，在模擬環境的對GR00T進行訓練。大模型通过学习人类影片，學習人類動作，提升動作流暢性與擬人性，真正實現人機交互，提升其智能性。基於GR00T人型機器人基礎模型，可以實現透過語言、影片和人类演示，來理解自然語言，模仿人類動作，進而快速學習協調性、靈活性以及其他的技能，進而能夠融入現實世界並與人類互動。
優必選人形機器人Walker S集六大AI科技於一身，搭載高性能伺服關節以及多維力覺、多眼立體視覺、全向聽覺和慣性、測距等全方位的感知系統；全面升級視覺定位導航與手眼協調操作技術，自主運動及決策能力大幅提高，實現平穩快速的行走和精準安全的交互，可在多種場景下提供智慧化、有溫度的服務。7月1日優必選宣布與一汽-大眾達成合作，雙方將在一汽-大眾位於青島的國家級智慧製造示範工廠共同探索人形機器人在工業場景的深度應用，打造高智慧化和彈性化的生產線及汽車超級無人工廠。此次合作將引進工業版人形機器人Walker S進行汽車製造過程中的螺栓擰緊、零件安裝、零件轉運等工作，雙方還將在工業物流機器人、供應鏈等多個領域合作，助力人形機器人硬體降本。
焊接機器人
焊接機器人是一種能夠自動執行焊接（包括切割和噴塗）任務的工業機器人。根據焊接方式、結構形式、負載能力、工作範圍等因素的不同，焊接機器人產業有不同種類。焊接機器人廣泛應用於鋼結構、航空、造船、電子、機械等行業，可以提高焊接質量、效率和安全性，涉及的技術包括焊接電源技術、感測器技術、離線程式設計技術、智慧控制技術、模擬技術等。
全球焊接機器人市場：2022年全球焊接機器人市場规模达626億元，銷量30.4萬台，由此推算平均每台售價約為2000萬元，據《中國焊接機器人產業發展前景預測與投資策略規劃分析報告》預測，全球焊接機器人市場规模在2025年達43.9萬台，折合904億元。
國內焊接機器人市場：2022年中國焊接機器人市場規模達248億元，佔全球市場規模比例約40%，由上述數據推算2025年國內焊接機器人市場规模约358億元。
智慧化焊接市場需求迫切。（1）鋼構產業焊接技工招工難且成本高，供給需求缺口大，對自動化、智慧化焊接方案的需求迫切。國內鋼結構產業滲透率持續提高，產品產量增加帶動鋼結構焊接市場需求。而鋼結構主要應用於建築、船舶、重工業非標小批量工件多的工業場景中，焊接工序自動化程度低，基本大部分依賴大量焊接工人完成焊接。人工焊接技術要求高、技工培訓週期長、焊接工作環境惡劣，已成為業界最緊缺的勞動力之一，焊接工人缺口量逐年遞增，複合增長率高達50%。2021年國內熟練焊工的年薪已達18萬元，對企業帶來較大的成本壓力。（2）智慧化焊接可確保焊接品質穩定，提高生產效率。傳統人工焊接受人為因素影響較大，焊接品質穩定性差，生產效率低，且鋼結構加工涉及組立、矯正、組裝、打磨、拋丸、表面防腐等多道工序，整個生產過程不透明，對生產進度、生產品質和生產異常的處理缺乏資訊化管控，產品交付時常延期，实现智能化焊接是提高生產效率和产品质量。
柏楚電子智慧焊接底層技術與雷射切割製程核心技術共通：除焊接工藝之外，與雷射切割控制中的視覺識別工件、排樣、製程路徑規劃、運動控制所涉及的核心技術知識領域是相同的。具體技術方面，焊接與雷射切割在CAD科技、CAM科技、NC科技、传感器科技和硬件设计在智能制造和自动化领域存在共通性。
柏楚電子智慧焊接機器人為弧焊、免示教機器人，透過離線編程產生焊縫加工路徑。一個完整的工作單元由必備部件智慧焊接離線編程軟體、智慧焊縫追蹤系統、智慧焊接控制系統，和選購部件工件視覺定位系統、焊接變位機以及智慧焊接機器人工作站等部分組成。透過智慧焊接離線編程軟體、智慧焊縫追蹤系統、智慧焊接控制系統达到免示教，在智慧焊接離線編程軟體中編輯焊縫、產生焊接路徑，並仿真模擬焊接過程，驗證焊接路徑的合法性，从而取代人工示教编程產生焊接路徑，縮短程式調試週期。
免示教智慧焊接機器人符合鋼結構產業需求。鋼結構產業是典型非標生產產業，產品基本上全為非標客製化生產。鋼結構生產原料基本為鋼板、鋼管等，但由於規格、性能指標等因素的存在，原料種類多，且受到客戶需求、政策和設計師習慣的影響，每個部件的加工內容、方式及尺寸都有特定的要求。鋼構業以中厚板焊接為主，對設備精度和機器人技術要求高。大多應用弧焊機器人。
免示教機器人適合鋼構產業小批量非標柔性加工場景。傳統示教再現型機器人透過執行示教程序進行重複性工作，對焊接工件一致性要求較高，且需要人工引導機器人進行預期動作編輯，多用於重複、標準化加工中，如汽車、摩托車加工，對非標產品操作耗時長、效率低。免示教智慧焊接機器人融合智慧感知、智慧規劃、智慧控制等技術，構成以知識和 推理為核心的智慧焊接系統，透過與智慧技術、製程數位化技術等先進技術融合，實現了面向不同作業場景、作業任務、作業工藝，與鋼構產業焊接需求高度契合。
柏楚智慧焊接解決方案：柏楚已形成集合離線編程軟體、智慧焊縫追蹤系統、智慧焊接控制系統、工件視覺定位系統與智慧焊接機器人工作站的完整產品解決方案，從而提升鋼構行 業的自動化加工水平，解決產業用工持續短缺的問題，滿足鋼結構產品規模持續擴大的發展需要。
智慧焊接離線編程軟體是智慧焊接的第一環，透過自動解算焊接路徑實現免示教。柏楚自主研發的智慧焊接離線編程軟體可自動提取焊縫，產生免碰撞空移路與焊接路徑，並透過仿真模擬焊接檢查焊接路徑合法性，提供給智慧焊接控制系統加工，同時智慧焊接離線程式設計軟體的工件零件模型會用在工件視覺定位系統的模型配對上。
工業軟體投資觀點
CAD軟體-中長期成長邏輯：國產化下的份額提升
行業狀況：2023年中國CAD軟體市場規模預計為67億元，預期2023年產業增速為24.9%。其中2D CAD市場規模為16.9億，3D市場規模為50.1億。2022年CAD市場規模為48.6億元，2D CAD為17.7億，3D CAD為30.9億。
國產核心驅動力：CAD軟體是高滲透率，低國產化率的賽道，國產化率提升是核心。與MES軟體等智慧化軟體處於滲透率提升不同，CAD軟體（尤其是2D CAD）是技術相對成熟，且滲透率高的產業。近年來2D國內廠商的份額持續提升至20%+。
競爭要素：目前看國產2D產品已經在產品性能上接近海外公司，直銷渠道下沉與經銷渠道擴張是主要替代方式，中望2023年銷售費用率提升至52%處於較高位置。3D目前看，ZWCAD性能與Solidworks有技術兩年差距（Solidworks可負擔5000步驟建模步驟而ZWCAD仅可負擔3000步），且從核心架構上難以達到CAITA 水平。
MES軟體：中長期成長邏輯：滲透率提升
MES市場規模：IDC數據顯示，202年中國製造執行系統（MES）軟體市場總規模達46.2億元人民幣，年增長率為21.1%，仍保持平穩快速成長，預計到2023年規模會達到61.1億元；包含諮詢/實施服務收入的總規模是125.4億元。2024年全球MES市場規模或达1,898.6億元，年成長15.5%，全球MES市場空間同樣廣闊。
市場格局：市佔率整體呈現產業間分散，產業內集中特性。賽意在消費性電子產業鏈較為領先，漢得在汽車產業鏈較為領先，鼎捷在電子半導體領域領先。近年來製造業景氣度下行，一些小型或弱勢的供應商將面臨淘汰或併購的壓力，尾部玩家逐漸出清，導致市佔率進一步集中。
國產成長動力：目前MES仍處於滲透率提升階段，提升動力源自於企業在景氣度上升週期的快速擴產需求。根據中商情報網數據，我國MES滲透率整體較低，汽車製造、製藥、電子業、基礎化工、設備製造、電器機械及器材、紡織和服裝等行業MES滲透率低於30%，未來仍有較大提升空間。
競爭要素：一方面行業具有較高工業know-how進入壁壘，另一方面產業內對於經營能力要求較高（人力密集企業要求具備較強人效管控能力以及現金流維持能力），現金流維持不好的企業會被快速清出（尤其是近年來不好回款）。
工業控制：中長期成長邏輯：國產化率提升+以舊換新+海外新市場
PLC/DCS市場規模：工業控制層面，2022年國內PLC市場規模约在86億元左右，增速受製造業本身景氣度較大。DCS 2022年國內市場規模约在121億元左右，年複合增速6-8%；作為工控硬體而言PLC與DCS市場規模均不算大，但其作為工業自動化的核心元件，外延的自動化設備（馬達/儀表等）具有較大市場空間（是工控市場空間的三倍以上）。國內公司核心成長動力：目前PLC與DCS滲透率已達到較高位置（工業自動化），國產替代方案是國內企業的核心成長點。
市場格局：市場集中度皆較為集中。目前PLC龍一為西門子，2022年市佔率51.7%，優勢領域為汽車產業鏈；DCS龍一為中控技術，2022年市佔率36.7%，優勢為化工石化產業。競爭要素：考慮到工業控制設備對工業生產安全影響十分重大，PLC與DCS的核心競爭障礙均為大型專案標竿案例，其次才是軟體運行演算法（即如何用PLC/DCS控制下游自動化設備），再次才是各類製程製造細節（如機櫃如何設計可以最大程度防灰防靜電）。
柏楚電子是雷射切割控制系統龍頭企業，本公司主要業務系為各類雷射切割設備製造商提供以雷射切割控制系統為核心的各類自動化產品。中低功率切割控制系統技術達到國際領先水平，國內市場佔有率約60%，穩居第一；高功率切割控制系統目前國產替代水準較低，公司維持國內第一的市場地位。本公司橫向拓展智慧焊接、精密加工業務。智慧焊接方面國內外系統均未形成完整產品解決方案，公司基於五大核心技術積極探索該領域，目前已在鋼構產業應用場景有所突破；精密加工方面正在研發高性能振鏡控制系統，有望進一步突破。業務結構多角化，高功率及切割头份额占比显著提升：柏楚各業務份額狀況正由早期的中低功率系統獨佔鰲頭向各業務多元化均衡化方向發展，其中高功率系統與切割頭份額逐年走高，逐漸成為業務成長核心支柱；隨動系統份額下滑明顯，主要原因是包含隨動功能的產品出貨逐漸增加，加之部分闆卡系統也開始搭配隨動功能；在免示教焊接領域，產業已正式進入產業化初期階段，柏楚相關解決方案持續完善中，已卡位第一梯隊，後續可望充分受益於免示教焊接技術的大規模應用。得益於高功率厚板切割需求成為新的業務成長極，高功率匯流排系統產品功率上限提高，帶動營收與毛利率提升。
雷射產業鏈上下游情況：（1）上游主要為晶片、線材：原料主要為各類電子元件，市場競爭充分、供應充足、價格透明，起到積極作用；（2）中游主要為控制系統、I/O裝置、雷射器、切割頭：本公司雷射切割相關業務處於產業鏈中游，其中控制系統競爭對手有德國倍福、德國西門子、維宏，切割頭竞争对手有德國Precitec、德國LT、萬順興、嘉強；（3）下游主要为激光切割裝置制造：下游龍頭企業有大族激光、傑普特等，下游產業對中游的發展有較大推動作用，直接影響中游市場空間。激光切割应用的需求有望显著回暖，加之下游對控制系統性能要求不斷提高，国内企业也正从中低功率激光切割裝置市场逐步进入高功率市场，促進中游發展長期向好。
AI+金融成為產業趨勢
金融業的核心特徵包括私有資料難以取得、高商業價值，以及較領先的數位化基礎。在ChatGPT面世前，金融業長期佔據大數據和AI應用的領先地位，這與其豐富獨特的數據累積密不可分。金融業在數位轉型方面一直處於領先地位，這為大模型的發展提供了良好的基礎。金融機構在資料收集、處理和分析方面擁有成熟的技術和流程，這些都是訓練和部署大模型的關鍵條件。
自OpenAI於2022年底提出ChatGPT後，大語言模型（以下簡稱大模型）在C端快速取得成功，目前月瀏覽量超過17億。B端，在製造業、醫療業、零售業等行業開始了廣泛應用。金融領域存在許多GPT可以解決並提升的痛點：如幫助分析師分析投資標的基本面、自動擷取研報資訊節省研究員時間、宏觀新聞分析、成為智慧投資顧問等。2023年以來，海內外眾多金融公司或科技公司都以類ChatGPT的大語言模型为基座，投餵自己的金融數據，訓練金融業大模型或應用。
財富管理領域應用：過去財富管理面臨的問題是，不同投顧之間的水平相差很大，很多最新的產業諮詢更新的也不及時，客戶滿意度偏低。大模型可以成為每一個投顧的智慧助手，甚至成為直接面對客戶的智慧專家。將快速提高財富管理的專業水準和業務能力，加強財富管理板塊的建設。
1）網點助手：以華為盤古為例，透過大模型的生成能力和檢索能力，提供相關業務的解決方案。將原先需要五次查詢的複雜業務辦理流程轉換為方便快速的一次查詢，同時確保了業務執行與安全與合規。同時在每一次查詢後可以一鍵建立案例，將場景轉化為案例（高品質的標註數據），幫助模型進一步迭代升級。
2）數據分析助手：透過簡單的自然語言輸入，數據助理可以實現相關SQL語句的生成和解釋，同時提供對應的資料來源，並根據操作員不同的查詢權限產生不同的查詢語句。在此基礎上，也可以進一步根據操作員的需求來對查詢出的資料進行進一步的下鑽分析。
投研領域應用：投研需要在大量的研報、年報、新聞、政策中尋找有用信息，大模型可以很好地幫助解決這些問題。大模型可以總結歸納文本訊息、实时抓取重要新聞，解读年報要点等。同時，大模型還可以高效處理excel數據，快速更新word中的報告，一鍵生成ppt等，極大解放分析師的生產力。随着越来越多优质數據的更新，大模型的能力會越來越智能，未来甚至可以帮助分析师和基金经理对时序數據进行预判，輔助做出投資決策。目前金融大機型具有以下功能：
1）資訊擷取與總結：協助分析師或基金經理人對於年報、招股書、研報中的資訊進行總結擷取，例如XX公司關鍵財務數據的變化及其原因，各板塊業務營收及成本變化及其原因等，輸出格式可以為對應的文字或資料表格：總結歸納相關的產業新聞，例如對於計算機板塊的分析師，追蹤報告對應的電腦產業要聞、政策變化等，幫助追蹤最新的產業邊際變化甚至於市場總結、週報等流程化工作。
2）輔助呈現與展示：結合對應的插件，如excel中的wind及其他相關函數，ppt等以及相關的指令的學習，實現基於相關提綱和內容進行報告ppt的生成以及相關數據表格的製作。例如：1.給定特定的報告格式（字體、號碼、表格顏色等），對於報告格式進行檢查和調整；2.給定相應的方向和關鍵數據，完成相應excel表格的構建；3.針對相關的產業新聞或產業變化，完成簡單的文字內容產出，如新聞段子的寫作。
3）行業洞察與預判：基於廣泛的招股書、研究等金融資料的學習，輔助解決更為複雜的產業洞見問題，如對於相關產業競爭格局的分析，相關原料的價格變動等。
AI+交通：政策發力助推車路雲協同開拓新篇
超越單車智能，智慧網聯力推自動駕駛降本增效
人工智慧技術正深刻改變交通產業，提升交通系統的整體效率與安全性。在智慧交通管理方面，AI透過分析交通流量、事故數據和道路狀況，能夠即時調整交通號誌，優化交通流，並減少擁堵。例如，利用谷歌DeepMind技術的AI系統已成功實現對交通號誌的有效控制。自動駕駛技術也是AI在交通领域的显著应用之一，它使車輛能夠透過深度學習和感測器技術感知環境，辨識標誌和障礙物，進而進行準確的駕駛決策。另外，AI也提升了智慧旅遊服務的水平，包括智慧導航、出行規劃以及共享旅遊等領域。透過對使用者出行需求和交通數據的深入分析，AI能夠為出行者推薦最優路線和方式，同時在共享出行平台上實現智慧調度，優化車輛利用率。這些應用不僅增強了個體的出行體驗，也提高了整個交通系統的運作效率和可持續性。
車路雲協同是智慧交通的關鍵技術之一，旨在單車智慧的基礎上，增加路測感知，車端、路端資料共同上傳至雲端形成決策，並返回給車輛，讓“聰明”的車行駛在“智慧”的路上，從而解決單車智慧長期無法突破的一系列瓶頸。網聯化意味著車輛聯網和即時的資訊交互，透過V2V（汽車對汽車通信）、V2I（汽車對基礎設施通信）V2N（汽車對網路通訊）和V2P（汽車對行人通訊）來獲取超視距或非視距範圍內的交通參與者狀態和意圖。
隨著自動駕駛的不斷升級，V2X網聯協同成為必然趨勢。一方面，單車感應器可能有遮蔽物和感知盲點的問題，有安全隱患。另一方面，對車載感測器和運算平台要求高，成本高企。如果在路側安裝攝影機、毫米波雷達和光達等感知設備，例如路燈桿進化成多合一路燈桿，安裝各類感測器，由於安裝高度高，不容易被遮擋，可最大化減少盲點，同時，車側的部分光達成本可以被節省下來，從而大幅降低車載成本。
車路雲協同能多方面提升交通安全與效率。宏觀協調方面，車路雲協同技術可以透過智慧號誌燈控制系統，優化交通流，減少擁堵，交通事故發生時能夠實現及時的救援力量調度。資訊互動層面，車路雲協同技術可以即時收集和分析交通數據，及時發現並預警交通擁堵、事故多發路段等。微觀駕駛層面，車路雲協同技術可以透過車聯網技術，實現車輛之間的資訊共享，提高車輛的安全性能。獲取周圍車輛的位置和速度資訊，提前做出反應，避免碰撞。
C-V2X已進入大規模驗證週期。目前，支援V2X通訊的主流技術解決方案包括DSRC和C-V2X。根據5GAA的《V2X功能和效能測試報告》，預計商用的C-V2X產品在適應安全需求的前提下，範圍、可靠性等指標都明顯優於DSRC。C-V2X技術包括LTE-V2X（基於4G）和5G-V2X，後者更能滿足智慧網聯汽車的需求。據佐思汽研統計，2022年1-6月，搭載C-V2X技術的量產乘用車約4.6萬輛，裝配率約0.5%；2023年乘用車C-V2X前裝率約1.2%，前裝規模超過27萬輛，預計2026—2027年迎來大規模裝車期，樂觀預測前裝率最高可突破9%。
發揮通訊基建優勢，多主體齊發力建構車路雲協同
相比美國，中國發展車路雲協同具有比較優勢。單車智慧背後的核心能力是人工智慧演算法和決策晶片，美國在這兩方面具有獨特的戰略優勢。中國則在5G科技、通訊基礎設施、宏觀政策指引、路測設備數量等方面表現突出，這些面向的特殊性將有力地推動車路協同的發展。具體而言，以華為代表的通訊企業在5G科技方面世界领先，工信部預計2020年底中國5G基地台數將超過60萬個。中國政府大力推行5G網路、物聯網、衛星網路、資料中心、智慧交通基礎設施等新型基礎建設，在道路的改造上堅決推行5G LTE-V2X科技标准，支援LTE-V2X向5G-V2X平滑演進。2019年9月《智慧網路道路系統分級定義與解讀報告》的發布標誌中國有了明確的道路智慧分級標準，對智慧道路建設形成明確指引。另外，中國高速公路總里程世界第一，且收費公路里程遠高於美國，路側設備RSU的數量和分佈範圍大於美國。
督促組成產業聯合體，加速高階自動駕駛功能上線。2023年11月，工業和資訊化部、公安部、住房及城鄉建設部、交通運輸部發布《關於開展智慧網聯汽車准入及上路通行試辦工作的通知》，提出搭載自動駕駛功能的智慧網聯汽車產品開展准入試點並在限定區域內開展上路通行試點。2024年6月4日，據工信部網站，四部門研究確定了9個聯合體進入試點，包含長安、比亞迪、廣汽、上汽、北汽藍谷、一汽、蔚來7居家用車企業，以及上汽紅岩、太空通2家商用車企業。業界普遍認為，入圍首批名單是對相關車企智駕領域技術實力的一次高度認可，尤其是L3級為代表的高階自動駕駛。試辦的組織實施共分為五個階段，分別是試辦申報、產品准入試點、上路通行試點、試點暫停與退出、評估調整。目前僅完成試算申報階段的遴選，並不代表具有自動駕駛功能的智慧網聯汽車取得准入許可或允許上路通行。
城市交通方面，局部試辦初見成效，重磅政策引導規模擴張。2024年1月，工信部等五部門聯合印發《關於開展智慧網聯汽車“車路雲一體化”應用試點工作的通知》，試辦期為2024—2026年。其中提出，分類施策逐步提升車端連網率，試運行車輛100%安裝C-V2X車載終端和車輛數位身分證書載體；鼓勵對城市公車、公務車、計程車等公共領域存量車進行C-V2X車載終端搭載改造，新車車載終端搭載率達50%；鼓勵試辦城市內新銷售具備L2級及以上自動駕駛功能的量產車搭載C-V2X車載終端；支持車載終端与城市级平台互联互通。據悉，截至2024年5月底，全國共建設了17個國家級測試示範區，7個車聯網先導區，16個雙智試點城市，開放測試道路超3.2萬公里，發放測試示範牌照7700餘張，測試里程超過1.2億公里。
北京發布近百億車路雲一體化新型基礎建設項目招標公告，多地相繼跟進。2024年5月底，北京發布車路雲一體化新型基礎建設項目招標公告，在13個區共選取約6050個道路路口開展建設，建設面積2324平方公里，投資額99.4億。專案資金由政府投資70%，國營企業自籌30%。預計12月份前完成專案招標及合約簽訂，2025年12月前完成調試、測試工作。繼北京之後，6月14日，武漢“車路雲”一體化重大示範計畫獲相關部門核准備案，備案金額約170億元。另外，深圳、杭州、福州、鄂爾多斯等地也在陸續推進“車路雲一体化”建設與規劃工作，相關項目相繼獲得審批；天津、長春、沈阳、蕪湖、瓊海等城市也陸續宣布就“車路雲”專案開啟招標。
城際交通方面，公路水路交通數位轉型獲準專款。2024年4月底，財政部和交通運輸部發布《關於支援引導公路水路交通基礎設施數位轉型升級的通知》，提出自2024年起，透過3年左右時間，支援30個左右的示範區域，打造一批線網一體化的示範通道及網路，力爭推動85%左右的繁忙國家高速公路、25%左右的繁忙普通國道和70%左右的重要國家高等級航道實現數位轉型升級。在智慧擴容方面實現示範通道通行效率提升20%左右；在安全增效方面實現突發事件緊急應變效率提升30%左右。財政部表示，將按照“獎補結合”方式安排資金。東部、中部、西部地區獎補比例分別為40%、50%、60%。實施第一年補助每個示範區域獎補助金的40%作為啟動資金。
車路雲一體化建設涉及汽車、通訊、電子、交通等多個領域，涵蓋了從基礎設施建設到上層應用服務的多個環節，將帶動產業鏈上下游協同發展。具體來看，基礎層包含晶片、網路攝影機、雷達、雲端運算、高精地圖、軟體系統等設備與終端的研發與生產；平台層包括雲端控制平台、資料處理中心、營運服務等平台的建置與運營；應用層包括智慧交通管理系統、自動駕駛技術、車聯網解決方案等應用功能的開發與實施。其中，自動駕駛汽車的零件中，決策層的晶片和演算法，以及感知层的激光雷達和毫米波雷達属于较为核心的零部件，技術含量較高，進入門檻較高，而感知层的车载網路攝影機和超声波雷達的技术含量相对较低，屬於非核心零件。
智慧交通建設者包括：1）地方交通項目營運商，以地方工程為主，根據地方資源與成熟的專案經驗獲得繼承類別項目。2）央國企下屬子公司。3）電信業者開始入局，一方面交通建設繞不開通訊平台，另一方面運營商現金流充沛，由他們擔任整合商，能緩解下游供應商與政府之間的資金矛盾。相關A股上市公司主要可分為兩類，1）以千方科技、皖通科技代表的工程公司，採購下游設備做集成，逐步開始生產標準化產品；2）以萬集科技、金溢科技為代表的產品類公司，通常直接銷售產品，逐步做整體解決方案，主要產品包括各種OBU\RSU，以及光達、邊緣運算單元等。
我們認為，類比2019年ETC大規模升級換新，此輪政策將帶動智慧交通特別是車路雲協同快速成長。去年11月四部會的“進入及上路通行試點”和今年1月份五部會的“車路雲一體化試點”在政策引導層面持續發力；交通運輸部2024年年度預算文件，北京武漢等地陸續推進專案佈局，持續釋放正向訊號。未來將持續關注各關聯企業在手訂單，預計政策將對其業績產生強大的正面影響。產業鏈相關公司預期將受惠於智慧交通設施建設。1）千方科技是國內領先的交通、物聯產業數位化解決方案提供商，在同業上市公司中業務體量最大。提供全局交通數位化解決方案，涵蓋智慧交運、智慧交管、智慧高速、智慧路網等核心領域。發布鯤巢雙智路口，具備雙智協同、平台開放特性。公司智能物聯業務僅次於海康、大華，全國份額第三，海外市場佔近三成。2）通行寶是全國領先的為高速公路、幹線公路以及城市交通等提供智慧交通平台化解決方案的供應商。公司是江蘇省唯一ETC發行機構，ETC用戶達到2400萬個，年新增用戶較為穩定，約200萬；公司交通運營管理系統已實現規模化應用並向全國推廣，現已覆蓋全國20個省市地區，包含調度雲、AI影片分析、高速雲控平台等。3）萬集科技在智能动态称重、專用短程通訊領域居於領先地位，近年來大力發展智慧網聯產業。傳統動態稱重及ETC方面穩步發展，大力推廣語音播報OBU、ETC車路協同路側單元、ETC資訊服務終端機等系列產品及相關解決方案；公司發展10餘年光達產品，應用於工業設備與路側；本公司大力發展智慧網聯業務，具備車路雲網整合的全方位技術能力。
AI+軍事成為未來戰場新態勢
人工智慧逐漸成為公認的改變今日世界並影響未來全球格局的決定性力量，既直接表現在人工智慧技術對經濟、社會乃至軍事領域的直接變革，也表現在人工智慧技術對國際戰略、科技競爭、大國博弈等方面的長期間接影響。目前世界各國均在不同軍種、不同層級探索利用不同種類的AI工具提升戰場表現，其中生成式AI利用海量資料庫輔助戰場態勢感知與決策成為當下新焦點。
AI戰場使用場景概括
1）替代重複性勞動。對於需要大量人力和時間才能完成的任務，尤其是那些可預測的、規則或模式相對固定的任務，可透過人工智慧技術實現自動化操作，從而解放人力，快速完成任務。例如美軍的“Maven計劃”，就是應用人工智慧技術處理無人機所拍攝的大量的視頻，實現自動辨識敏感目標，大大減輕這方面所需的人力負擔。
2）態勢感知與即時決策。由於戰場態勢瞬息萬變，海量的資訊令指揮官無所適從，無法再短時間內對情勢作出精準的分析判斷並做出決策。例如，AI可以用來評估導彈來襲時被擊中的可能性，以及對採取何種規避和反擊方式給予建議。
3）非理想環境作業。人工智慧技術可以在某些特殊的空間發揮作用，例如，人不能長期存在的核輻射、高溫高濕潤、缺氧等惡劣環境，人們在這些非理想環境中作業存在著難以克服的困難和危險，借助人工智慧技術，可以提高作業效率和安全性，例如掃雷機器人等。
4）無人系統。各大軍事強國紛紛投入力量研發無人車、無人機、無人艇，無人系統必将成为未来战争中的一支重要作战力量，人工智能可增强無人系統的自主性和生存性，使其具有更高的性能。
Palantir 戰場AIP平台：问答模式大模型辅助戰場态势感知和决策
Palantir以服務政府機關情報業務起家，逐步向商業領域拓展。Palantir成立於2003年，成立之初志在解決美國政府機構資料處理低效率的問題，為反恐行動開發軟體；於2008年正式推出第一款產品Palantir Gotham，主要服務美國政府機構，如FBI、CIA等；2010年透過與摩根大通的合作，逐漸擴展至金融等商業領域，此後商業企業客戶佔比不斷提高；2016年推出Palantir Foundry，不斷深入各垂直產業；2018年成功起訴美國陸軍執行 FASA，政府訂單由法律層面支持。
Palantir形成Palantir雲、本地軟體和專業服務三大業務模組，互為補充。三大模組分別是在Palantir控制的託管環境中存取軟體的Palantir雲订阅服务、在客戶自有環境中的本地軟體訂閱服務以及輔助前兩者的專業服務。2024年5月31日，美國國防部授予Palantir 4.8億美元合約，建造支持AI的Maven智慧型系統原型，用於戰場分析和目標識別。23年，Palantir還得到了2.5億美元的美國陸軍人工智慧研究項目，用於研究和試驗人工智慧和機器學習。
Palantir的AIP科技在烏克蘭戰場上展示了AI輔助戰場態勢感知的能力，可以為軍隊提供全方位、即時、智慧的戰場指揮系統，大大提高了烏克蘭軍隊的作戰效率和勝算。這種技術可以幫助軍隊快速取得敵軍的位置、裝備、意圖等訊息，並制定多個攻擊計劃，包括使用無人機偵察、幹擾敵方通信、發射飛彈等。这种技术还可以为军队提供即時反馈、解釋和建議。另外，這種技術還可以讓軍隊減少對人員的依賴，降低人員傷亡和資源消耗。
問答模式：透過AIP平台命令無人機偵察和攻擊，向AIP平台提問對方部隊裝備類別與數量（如榴彈砲數量）資訊聚合：動態聚合來自衛星、無人機和偵察兵收集的數據並疊加在地圖上，展示了戰場上所有武器和軍隊的位置。士兵可以使用該軟體獲得當前坐標與戰場綜合信息。潛在應用領域：幫助軍事規劃人員分析多源異質數據，更全面地了解戰場結構。無人作戰，透過AIP平台遠端控制機器作戰。
Planet Lab：AI 協助快速影像分類識別+解析度增強
Planet Labs是全球每日衛星影像和地理空間解決方案的領先供應商，由三位NASA科學家於2010年創立，每天從超過300萬張影像中擷取和編譯數據，覆蓋200萬平方公里以上的面積。公司為900多家客戶提供關鍵任務數據、進階見解和軟體解決方案，其中包括世界領先的農業、林業、情報、教育和金融公司以及政府機構，使用戶能夠簡單有效地從衛星影像中獲得獨特的價值。
衛星狀況：作為美國衛星遙感龍頭之一，Planet Labs FY24第二季共有約200顆衛星處於工作狀態，包括約20最高解析度達0.5米的高精度SkySat衛星和約180顆一天能掃描3億平方公里面積的SuperDove衛星。并将积极投入研发新一代衛星。主營業務：Planet Labs以遙感影像處理與分析衍生出六大主營產品，包括行星分析平台、行星高頻監測、行星底圖、行星廣域監測、行星數據分析、行星歷史資料檔案。涉及的應用領域包含農業（檢測農作物發育狀況等）、林業（檢測森林健康、面積等）、國防（軍事情報等）、政府（土地利用類型等）、金融、地圖等。
Planet Lab正在透過與Synthetaic和SI Analytics等領先的AI新創公司合作，進一步提升其在地理空間資料分析領域的能力。Synthetaic的核心產品RAIC（快速自動影像分類）能夠自動處理和分析大量非結構化數據，特別是地理空間影像，這使得即使是非技術用戶也能在幾分鐘內檢測出對象。這項創新使得企業和政府在應對商業或國家安全重大議題時，能夠快速取得必要的資訊，節省了標記和分析數據的大量時間和成本Synthetaic曾在2023年利用Planet的每日掃描和存檔數據，成功識別並追蹤了一個飛越北美的白色探空氣球，同時使用衛星遙感資料協助土耳其和敘利亞地震後的災害應變和救援分配。
Planet Lab 與韓國新創公司SI analytics的新合作能讓AI驅動的超解析度和GeoAI分析、對象偵測/分割演算法，來增強衛星影像的分辨率。SI Analytics 在GEOINT 2023峰會上宣布已將公司的技術能力運用在搜索北韓彈道飛彈發射基地的計畫中。
AI+醫療：大模型的出現帶動AI應用精度上升
整體上，AI在醫療領域的應用可分為三個階段：
1）2017年之前：此階段為機器學習與深度學習突破階段，卷積神經網路在電腦視覺領域取得重大突破，推動了醫學影像分析的進步，AI演算法在各類疾病（乳癌、肺癌、心血管疾病等）的影像診斷中逐漸顯現出高於常人的準確率，AI與醫療開始進入初步結合階段；
2）2018-2022年：伴隨AI應用的逐步深化，AI+醫療開始進入商業應用階段。一方面，AI與硬體設備的結合逐步深化，部分診斷設備開始在無醫師監督背景下運行；另一方面，AI應用領域逐步推廣，諸如健康記錄、個人化醫療、疾病預測與防治等多個領域也開始嘗試與AI模型結合，2020年起疫情的出現則極大加速了AI在醫療領域的落地（影像辨識被廣泛應用於新冠肺炎檢測識別）；
3）2023年至今：2023年大模型的出現對醫療領域的直接影響在於，過往AI應用的精度得到了大幅提升。自2023年初GPT-4發布以來，醫療公司開始探索其在電子健康記錄分析、病人資料管理和醫療文獻綜述等方面的應用。此後，在傳統AI應用領域，大模型也開始展現較傳統AI模型更高的預判精度，各行業龍頭對於AI+醫療投入力道持續加大。
目前時點，海外AI+醫療應用逐漸向製藥領域深化。近期英偉達於GTC大會上推出醫療保健項目GenAI，聚焦醫療場景的25個新的微服務（包括小分子建模工具、OpenFold 蛋白質預測模型，以及與Recursion開發的用於標靶和藥物發現的Phenom-Beta模型等），醫療保健是此次GTC大會重視度最高的行業，也是英偉達重點押注的下一個賽道。無獨有偶，美國製藥大廠禮來公司宣布已經與OpenAI達成合作，將利用大模型開發新型抗菌藥物。
國內AI+醫療則更偏向健康管理領域。美年健康24年初與潤達醫療、華為雲端等達成合作，推出基於生成式AI的數智健管師——“健康小美”，期望能有效提升健康預防和疾病管理的效率，為個人和體檢機構帶來全新的健康管理體驗。除醫療類公司外，AI模型公司也在健康管理領域積極參與，商湯科技預計在2024年世界人工智慧大會上推出自研醫療大模型，可幫助患者在院內實現全流程高效就醫，並在院外化身患者的“隨身AI智慧健康管家”，實現全週期個人健康管理。
風險提示：北美經濟衰退預期逐步增強，宏觀環境存在較大的不確定性，國際環境變遷影響供應鏈及海外拓展；晶片緊缺可能影響相關公司的正常生產和交付，本公司出貨不如預期；資訊化和數位化方面的需求和資本開支不如預期；市場競爭加劇，導致毛利率快速下滑；主要原物料價格上漲，導致毛利率不如預期；匯率波動影響外向型企業的匯兌收益與毛利率；大模型演算法更新迭代效果不如預期，可能會影響大模型演進及拓展，進而影響其商業化落地等；汽車與工業智慧化進展不如預期等。
本文來源：“中信建投證券研究”微信公眾號；FOREXBNB編輯：陳筱亦。
