2023AI在辦公、智能駕駛、金融及工業等領域應用現狀分析報告.pdf

《2023AI在辦公、智能駕駛、金融及工業等領域應用現狀分析報告.pdf》由會員分享，可在線閱讀，更多相關《2023AI在辦公、智能駕駛、金融及工業等領域應用現狀分析報告.pdf（57頁珍藏版）》請在三個皮匠報告上搜索。

1、2023 年深度行業分析研究報告 目目 錄錄 1.AI+辦公是 AIGC 浪潮的核心，有望深刻改變辦公模式.4 1.1.AI+辦公是 AIGC 浪潮的核心，海外巨頭引領潮流.4 1.2.國內辦公軟件廠商奮起直追，AIGC 功能實現快速迭代.7 2.智能駕駛是 AI 大模型落地的重要場景.14 2.1.自動駕駛：AI 大模型有助于我們提升覆蓋小概率路況的效率 14 2.1.1.對小概率路況的覆蓋是自動駕駛落地的核心問題.14 2.1.2.大模型對于覆蓋小概率路況意義重大.16 2.1.2.1.大模型可以大幅提升場景生成、標注的效率.17 2.1.2.2.大模型雖難以完全解決小概率路況的問題，但依

2、然對自動駕駛行業意義重大.19 2.2.AI 助力智能座艙交互體驗提升.21 2.3.AI 帶動車輛研發設計效率提升.22 2.4.國內智能駕駛公司積極擁抱 AI 新趨勢.23 2.4.1.中科創達：推出 Genius Canvas，提升 HMI 交互體驗.23 2.4.2.德賽西威：聯合高校推進大模型本地化，賦能自動駕駛.24 2.4.3.虹軟科技：已發布可商業落地的 AIGC 產品.25 2.4.4.經緯恒潤：自主開發駕駛仿真測試軟件，推出智能座艙 AI單品 25 3.金融是 AI 落地核心場景之一.26 3.1.金融行業敢于嘗試新技術，是 AI 落地核心場景之一.26 3.2.AI 技術

3、能夠大幅提升金融行業工作效率和用戶體驗.27 3.3.上市公司紛紛推出 AI 產品.28 3.3.1.恒生電子：推出智能投研產品，研發金融大模型.28 3.3.2.同花順：發布人工智能及虛擬人產品.30 3.3.3.凌志軟件：通過 AI 技術為日本金融企業提供服務.32 4.AI 加持，設計與工業軟件將實現降本增效.34 4.1.AI 對于設計效率提升大有裨益.34 4.1.1.AIGC 降低設計軟件使用門檻.34 4.1.2.AIGC 將進一步提升生成式設計的能力.35 4.1.3.AI 打破二維與三維的壁壘，實現精確轉換.37 4.1.4.AI 賦能 EDA，實現降本增效.37 4.2.A

4、IGC 將有效提升工業生產效率.38 4.2.1.西門子與微軟攜手利用 AIGC 提升工業生產力.38 4.2.2.AIGC 能夠優化并生成 3D 打印方案，降低使用門檻.39 4.3.設計與工業軟件主流玩家均加速布局 AI，并已取得一定成效 40 4.3.1.廣聯達：AIGC 技術已被用于其核心產品.40 4.3.2.中望軟件：已推出 AI 驅動的生成式設計功能.42 4.3.3.中控技術：自研國內首個流程工業過程模擬與設計平臺.42 5.AI 大模型背景下網絡安全機遇與產業并存，各方加速布局.43 5.1.AI 大模型催化，網絡安全產業機會與挑戰并存.43 5.1.1.“安全”、“AI 安

5、全”與“安全的 AI”同等重要.43 5.1.2.網絡安全與人工智能技術結合具備天然優勢.44 5.1.3.大模型對網絡安全產業的供給側和需求側帶來巨大變化.46 5.1.4.大模型輸出的 AI 能力要有原生的安全性.47 5.1.5.大模型本身的安全防護也同等重要.49 5.2.AI 網絡安全市場高速增長，海外巨頭布局迅速.51 5.3.國內廠商 AI 能力積淀已久，大模型方向紛紛加碼.52 5.3.1.奇安信：把握 AI 新機遇，深入探索網絡安全藍海.52 5.3.2.深信服：AI 布局前瞻，大模型領域先發優勢顯著.53 5.3.3.天融信：AI 與產品深度融合，競爭力持續提升.54 5.

6、3.4.綠盟科技：打造 AI 實驗室，加碼 GPT 智能應用.54 5.3.5.安恒信息：數據安全體系完備，AI 賦能下優勢凸顯.55 5.3.6.啟明星辰：“盤小古”助力 AI 安全研發運營一體化.56 AI 大模型的出現將為各個行業帶來不同程度的積極變化，本文我們將重點討論 AI 大模型對辦公、智能駕駛、金融、設計與工業軟件、網絡安全等行業的影響。1.AI+辦公是辦公是 AIGC 浪潮的核心，有望深刻改變辦公浪潮的核心，有望深刻改變辦公模式模式 1.1.AI+AI+辦公是辦公是 AIGCAIGC 浪潮的核心，海外巨頭引領潮流浪潮的核心，海外巨頭引領潮流 AI+辦公是此次辦公是此次 AIGC

7、 浪潮中的核心受益方向。浪潮中的核心受益方向。此次 AIGC 浪潮的引爆點是基于自然語言處理大模型技術的文字創作工具 ChatGPT 快速成長為火爆全球的現象級應用，隨后基于對圖像、視頻、音頻等進行處理的多模態大模型的應用也快速推廣起來。AIGC 即生成式人工智能天然是面向文字、音視頻、圖像等內容自主創作場景的 AI 技術，因而其可以直接提升現有各類型辦公軟件的產品力，從而推動辦公軟件的迭代升級。微軟推出微軟推出 Microsoft 365 Copilot 訂閱服務，用訂閱服務，用 AIGC 技術重塑辦公體驗。技術重塑辦公體驗。2023 年 3 月 16 日，微軟正式發布 Microsoft

8、365 Copilot 訂閱服務，其背后技術支撐是 Copilot 引擎，使用了 Microsoft 365 Apps、Microsoft Graph和 Large Language Model 三大核心基礎技術。Microsoft 365 Apps 是 Word、Excel、PowerPoint、Outlook、Teams 等一系列常見的微軟辦公軟件；Microsoft Graph 是一個可以幫助訪問在 Microsoft 365 Apps 上積累的用戶業務數據的安全智能網關，這些數據來自于用戶的文檔、電子郵件、會議、聊天、日歷等環節；大語言模型（LLM）是一個創造性的引擎，能夠解析并產生人

9、類可以閱讀的文字，其使用了 OpenAI 的 ChatGPT 及最新發布的 GPT4 模型。用戶在 Microsoft 365 Apps 里使用自然語言輸入提示詞后，提示詞會通過 Copilot 系統進行基礎訓練，這一過程可以提高提示詞的質量，使提示詞變得可以被執行，在基礎訓練的過程中最重要的一環便是調用 Microsoft Graph 中用戶此前產生的各項數據，來理解并改善提示詞的質量，之后將改善后的提示詞發送給 LLM，前述過程叫做預處理。LLM 對提示詞進行響應并進行后處理，這個過程會再次通過Microsoft Graph 調用用戶數據進行訓練后，在通過安全性、合規性和隱私審查之后，生成

10、反饋答復，最后通過 Copilot 系統向用戶輸出反饋答復并驅動 APP 執行相關的命令。通過這樣一套完整的處理流程，用戶可以在 Word 等辦公軟件里通過自然語言下達指令，此后辦公軟件便自動呈現出一個具有明顯個人信息特征的反饋初稿，極大提高了用戶的辦公效率。圖圖 1：預處理過程可以改善用戶指令的質量預處理過程可以改善用戶指令的質量 圖圖 2：LLM 進行后處理向用戶輸出最終答復進行后處理向用戶輸出最終答復 數據來源：微軟官網 數據來源：微軟官網 Microsoft 365 CopilotMicrosoft 365 Copilot 為用戶辦公模式帶了個革命式的變化，有助于為用戶辦公模式帶了個革

11、命式的變化，有助于提高辦公提高辦公創作創作效率。效率。Microsoft 365 Copilot 一方面會嵌入到用戶高頻使用的各類辦公軟件之中，包括了 Word、Excel、PowerPoint、Outlook、Teams 等，從而幫助用戶從繁瑣的事務性工作中解放出來，讓用戶更專注于創造性工作，從而提高辦公效率。另一方面還引入了全新的商務聊天（Business Chat）應用場景，可以基于用戶過往積累各項業務數據，按照用戶需求生成全新的內容，提高創作效率，例如用戶提出“請告訴團隊成員如何更新銷售策略”指令后，系統會根據用戶過往的會議討論記錄、聊天記錄、電子郵件溝通內容等生成一份全新的銷售策略。

12、用戶可以對生成后的內容進行自主修改、保留或舍棄，使得 Word 更具創造性、Excel 更具分析性、PowerPoint 更具表現力、Outlook 更具效率性、Teams 更具協作性。表表 1 1：MicrosoftMicrosoft 365 365 CopilotCopilot 全面重塑全面重塑 OfficeOffice 套件功能，有助于提高辦公創作效率套件功能，有助于提高辦公創作效率 辦公軟件辦公軟件 AIAI 創作創作功能功能 WordWord Copilot 可以根據用戶的命題，并引用用戶歷史文檔中的數據，直接草擬一篇不同文風（簡潔、詳盡、活潑、嚴謹等）的文檔初稿以及摘要，還可以根據

13、用戶歷史文檔慣用的文檔格式進行自動排版 ExcelExcel Copilot 可以根據用戶數據直接生成可視化圖表以及文字性的分析內容，例如根據公司財務報表數據自動分析公司業務發展趨勢 PowerPointPowerPoint Copilot 可以將用戶的 Word 文檔直接生成具有設計感的 PPT，且自動生成演示者備注，可以根據用戶需求調整 PPT 風格 OutlookOutlook Copilot 可以自動將用戶收到的郵件梳理出關鍵要點，且根據用戶的行文習慣自動草擬答復初稿 TeamsTeams Copilot 可以根據聊天對華的上下文提供實時摘要，對視頻會議生成實時字幕、會議紀要及要點摘要

14、，便于未參會的用戶直接瀏覽要點，提高效率 數據來源：微軟官網，國泰君安證券研究 Microsoft 365 Copilot 使用自然語言作為人機交互的渠道，降低了使用自然語言作為人機交互的渠道，降低了 Office辦公軟件的使用門檻。辦公軟件的使用門檻。根據微軟發布會上披露，有 90%以上的 PowerPoint、Excel 功能是不被用戶使用的。我們認為這一現象并不是因為這些功能無用，而是過往通過菜單按鈕或者函數公式的方式進行交互的門檻較高，多數用戶未經過系統學習就無法直接調用相關功能。引入Copilot 之后，所有的辦公軟件在右側都會形成一個聊天框，用戶將自己想要實現的效果（如進行某種排班

15、、添加某種動畫效果或者進行某種特殊運算）以自然語言聊天的方式輸入后，軟件會直接實現相關的功能，從而使得豐富的軟件功能都得到應用，極大降低了用戶的使用門檻，有助于進一步提高用戶規模和粘性，從而提高付費月活用戶數量。圖圖 3：在在 PowerPoint 中使用中使用 Copilot 對話框對話框(右側右側)以自然語言輸入希望實現的效果，降低了軟件使用門檻以自然語言輸入希望實現的效果，降低了軟件使用門檻 數據來源：微軟官網 Microsoft 365 Copilot 的推出將為微軟帶來新的收入來源，提高付費用的推出將為微軟帶來新的收入來源，提高付費用戶戶 ARPU。目前 Microsoft 365

16、Copilot 仍處于內部測試階段，根據科技媒體 The Information 報道，微軟正在向包括美國銀行、沃爾瑪、福特和埃森哲等在內的 600 多家大型機構客戶測試具備 AI 能力的 Microsoft 365 Copilot 訂閱服務，在已經付費訂閱 Microsoft 365 年費會員的基礎上，每 1000 名員工使用 Copilot 服務需要支付的額外年費為 10 萬美元，對應額外的 ARPU 為 100 美元，目前試點客戶的付費意愿超出微軟早先預期。我們根據微軟財報數據測算，2022 年 Microsoft 365 機構訂閱的 ARPU 約為 103 美元，此次 Copilot

17、服務的試點價格有望推動 ARPU實現接近翻倍增長。圖圖 4：MicrosoftMicrosoft 365365 商業版商業版 ARPUARPU 約為約為 1 10303 美元美元 數據來源：Wind，國泰君安證券研究 0204060801001202019202020212022 AdobeAdobe 推出生成式推出生成式 AIAI 模型集模型集 FireFireflyfly，展示出強大的設計創作能力。，展示出強大的設計創作能力。2023年 3 月 21 日，Adobe 正式推出生成式 AI 模型集 Firefly，隨后在Photoshop 應用中進行了測試上線。目前其主要具備以下能力：1）文

18、字轉圖像，Firefly 可以根據用戶的提示詞自動生成所需圖像，如輸入“天空增加極光”指令之后，可以自動為圖像中的天空部分增添極光；2）生成填充能力，可以根據原始圖像中內容，自動拓展、填充、擴容成為一個內容更加豐富的圖像；3）文字效果：將特定紋理顯示到藝術字體中等。后續 Firefly 還將探索視頻自動處理、文字生成 3D/矢量文件、草圖變全彩圖像等一系列 AI 功能。Firefly 的推出有望極大提高設計創作效率，降低設計創作用戶門檻，改變目前的創意設計行業格局。圖圖 5：在在 Photoshop 中使用中使用 Firefly 可以將一張原始圖像（上）自動擴容為一張內容更豐富的大圖（下）可以

19、將一張原始圖像（上）自動擴容為一張內容更豐富的大圖（下）數據來源：Adobe 官網 1.2.國內辦公軟件廠商奮起直追，國內辦公軟件廠商奮起直追，AIGCAIGC 功能實現快速迭代功能實現快速迭代 金山辦公是國內辦公軟件廠商探索金山辦公是國內辦公軟件廠商探索 AIAI 技術應用的先行者之一。技術應用的先行者之一。2017 年，AI 在金山辦公內部被首次上升到戰略層面，由姚冬組建了數百人的 AI團隊，主要負責 AI 算法改進和工程產品的落地。2018 年，金山辦公正式對外提出了“多屏、內容、云、AI”的發展戰略，AI 戰略公開亮相。在 AI 團隊成立的前兩年，團隊主要強調積累 AI 研發能力，包括

20、算法能力、工程能力、數據采集和分析能力等。之后兩年公司開始更加注重AI 技術的產品化，在公司產品中增加了一系列 AI 功能，推出了包含智能美化、智能校對、智能輔助寫作、全文翻譯、圖像識別等一系列的 AI 輔助辦公功能，來幫助提高用戶的辦公效率。例如智能美化可以幫助用戶在提供基礎文本的情況下整體改換 PPT 模板和配色、統一字體和排版等；智能校對可以一鍵識別并校對文檔中的錯別字、多漏字、標點符號錯誤、語法錯誤、敏感詞錯誤等；智能輔助寫作可以根據提綱自動生成文字段落或者進行句子補寫，幫用戶打底稿，其儲備的數千萬篇語料庫都來自于權威媒體和政府公開網站，在公文寫作等場景上有較多應用。截止 2021 年

21、 7 月，WPS 的智能美化月活用戶超過百萬，智能校對的月校對字數超過了 70 億，智能生成的內容占據了云端整體內容資源的33.6%，AI 戰略對公司產品力和用戶粘性的提升已經體現出明顯的幫助?，F階段及未來，公司發展戰略的重心已經成為加速 AI 產品的產業化，強化對公司營收增長的積極作用，從而實現長期的可持續發展。圖圖 6：預處理過程可以改善用戶指令的質量預處理過程可以改善用戶指令的質量 圖圖 7：LLM 進行后處理向用戶輸出最終答復進行后處理向用戶輸出最終答復 數據來源：金山辦公官網 數據來源：金山辦公官網 金山辦公接入多個大模型供應商，可以更精準的滿足用戶金山辦公接入多個大模型供應商，可以

22、更精準的滿足用戶AIAI創作需求。創作需求。目前金山辦公的產品已經接入了 MiniMax、百度文心、CopyDone 等多家大模型，未來還有望接入新的大模型。目前市面上可供選擇的大模型正在持續增加，既包括百度、阿里、科大訊飛等巨頭的大模型產品，也包括初創公司的產品。各家大模型目前的表現各有所長，并沒有哪一家有絕對領先的產品力表現，因而同時接入多家大模型，按照不同的用戶需求去匹配調用不同的大模型進行內容創作，能夠更好的滿足用戶的創作需求。例如 CpoyDone 是一個專門面向場景營銷打造的大模型，可以生成豐富商品類型、海量內容平臺風格的文案、圖片、視頻內容，因為在文案營銷場景 WPS 可以優先對

23、接 CopyDone 大模型；MiniMax 是一個多模態大模型，在對華聊天等場景更有優勢；百度文心則憑借其豐富的語料庫在文學創作等領域可以更好的滿足用戶需求；WPS 作為大模型的調度匹配中心，可以統籌各家大模型發揮出“1+12”的效果。圖圖 8：CopyDone 大模型擅長文案營銷場景大模型擅長文案營銷場景 數據來源：CopyDone 官網 基于基于 AI 大模型的大模型的 WPS 輕文檔率先進入內測階段，展示出較強的文字創輕文檔率先進入內測階段，展示出較強的文字創作能力。作能力。2023 年 4 月 18 日，金山辦公發布了 WPS AI 的 Demo 演示視頻，官宣 WPS AI 將嵌入

24、金山辦公全線產品。率先進入內測階段的是具備 AI 能力的 WPS 輕文檔，這是一款對標 Notion AI 等輕辦公產品的在線內容協作編輯工具，可以借助大模型自動生成新聞稿、工作周報、運營策劃案等；也可以實現多輪對話，持續就某個主題進行討論；也可以對現有文檔進行改寫、擴寫、縮短、潤色等；還可以對指定文檔生成主旨摘要、文章大綱等功能。WPS AI 顯示出較強的文字創作能力，有望提升用戶創作效率。圖圖 9：WPS AI 輕文檔可以提供豐富的輕文檔可以提供豐富的創作輔助功能創作輔助功能 數據來源：金山辦公官網 金山辦公金山辦公類類 Copilot 的客戶端產品仍在持續打磨之中，有望成為提升用的客戶端

25、產品仍在持續打磨之中，有望成為提升用戶付費率的重量級手段。戶付費率的重量級手段。公司對標 Copilot 的辦公客戶端產品，也就是采用自然語言作為人機交互方式，并將 AI 創作功能直接嵌入到包括文 字、演示、表格、PDF 在內的全套 WPS 產品，是用戶更加關注的產品。2023 年 5 月 16 日，金山發布了類 Copilot 功能的演示 Demo，WPS 表格將具備智能數據理解與分析能力，WPS 文字和演示將具備內容生成、文字潤色能力，能根據用戶命題自動進行文檔創作，WPS PDF 可進行內容要點概括、文檔大綱生成、文檔內容問答等功能。類比微軟 Copilot，語義理解是大模型為辦公軟件帶

26、來的核心能力，使 WPS 可以在用戶需求理解、內容創作、內容分析等方面獲得提升，有利于提高創作效率，提升付費率；人機交互方式的創新則是大模型為辦公軟件帶來的創新能力，用戶只需關注最終要實現的創作目的，用自然語言下達指令，WPS 可以自動完成相關運算并輸出最終結果，從而大幅度降低使用壁壘，有利于擴大用戶群，從而進一步打開公司的長期成長空間。福昕軟件在海外版福昕軟件在海外版 PDFPDF EditorEditor CloudCloud 中集成中集成 ChatGPTChatGPT，向用戶提供向用戶提供 AIGCAIGC功能。功能。福昕軟件是 PDF 板式辦公軟件龍頭企業，其推出的 Foxit PDF

27、 Editor Cloud 是一款在線 PDF 編輯器，用戶可以通過該工具在線閱讀及編輯 PDF 文件。2023 年 4 月 25 日，海外版的 Foxit PDF Editor Cloud成功集成 ChatGPT，付費用戶目前主要可以使用以下 AIGC 功能，1）文檔摘要，根據文檔內容快速生成簡潔、準確的摘要；2）文檔改寫，在不改變文檔原意的情況下進行重寫，優化文檔的表述方式，提高可讀性；3）文檔翻譯，將選定內容或者摘要翻譯成指定語言；4）文檔內容問答，可以在對話框中就感興趣的內容進行提問，其將根據文檔內容生成答案，并定位到相應段落。通過上述功能，可以顯著提高用戶的文檔閱讀效率以及多語言工作

28、環境下的工作效率。作為一款線上編輯軟件，Foxit PDF Editor Cloud 的 AI 功能具備快速迭代的優勢，預計每兩個星期就推出一個新版本，持續拓寬 AIGC 技術在文檔領域的數字化場景應用，優化用戶體驗，從而提供用戶付費率。圖圖 10：PDF Editor Cloud 借助借助 ChatGPT的能力可以提供文檔摘要、文檔重寫、文檔翻譯、文檔問答等功能的能力可以提供文檔摘要、文檔重寫、文檔翻譯、文檔問答等功能 數據來源：福昕軟件官網 AIGC 功能有望提升福昕軟件功能有望提升福昕軟件 ARPU。由于 Foxit PDF Editor Cloud 提供的 AI 功能基于 ChatGP

29、T，因而對用戶均有次數/字數限制，文檔改寫每用戶每月上限為 100 頁；文檔翻譯每用戶每日上限為 50 個指令，每個指令最多 2000 字；文檔內容問答每用戶每日上限為 50 個指令或問題；一旦超過相應限制，用戶需要進行額外付費，從而有助于提高用戶 ARPU。萬興科技擁有完善的創意辦公軟件產品線，是國內創意辦公軟件的領跑萬興科技擁有完善的創意辦公軟件產品線，是國內創意辦公軟件的領跑者。者。公司產品涵蓋視頻創意、繪圖創意、文檔創意和實用工具四大類別，形成了萬幸喵影、萬興播爆、億圖腦圖、萬興愛畫、萬興PDF 等具有廣泛影響力和龐大用戶群的核心創意辦公軟件產品。圖圖 11：萬興科技擁有完善萬興科技擁

30、有完善的創意辦公軟件產品線的創意辦公軟件產品線 數據來源：萬興科技官網 萬興科技長期加碼萬興科技長期加碼 AIAI 技術研發投入，技術研發投入，AIAI 產品逐漸進入落地期。產品逐漸進入落地期。公司從2020 年就開始洞察到 AI 技術的發展前景，并快速組建了一支上百人的高素質技術研發團隊，近兩年在視頻生成算法、圖像生成算法、GAN 生成算法、音頻生成算法等 AI 前沿算法等領域均取得多項技術研發成果，自 2022 年下半年以來公司視頻創意、文檔創意、繪圖創意等主要產品 線均陸續發布了帶有 AI 功能的新版本，并推出融入多項 AI 技術的新產品。在視頻創意產品線，2022 年公司完成了萬興喵影

31、大版本更新，上線了 AI 分割、AI 摳像、AI 降噪、AI 音頻重組、AI 文案生成等 AI 功能套件，并在 2022 年底發布了基于 AIGC 技術的數字人營銷視頻創作工具萬興播爆，可以實現文生視頻、虛擬人直播等 AI 功能；在繪圖創意產品線，2022 年 11 月公司上線全新的 AIGC 圖像生成工具-萬興愛畫，支持AI 文字繪畫、AI 以圖繪圖、AI 簡筆畫三種創作模式，用戶輸入一段文字描述即可獲得多種藝術風格的 AI 繪畫作品，或者輸入圖片后將其轉化為繪畫作品；在文檔創意產品線，公司發布萬興 PDF 的全新版本，引入 AI 技術，新增翻譯等專業功能，提升用戶體驗。圖圖 12：萬興播爆

32、新品上線萬興播爆新品上線 圖圖 13：萬興愛畫新品上線萬興愛畫新品上線 數據來源：萬興科技官網 數據來源：萬興科技官網 萬興科技積極擁抱大模型技術，推動萬興科技積極擁抱大模型技術，推動 AIAI 產品力實現快速提升產品力實現快速提升。2023 年2 月，公司宣布其在海外運營的視頻創意軟件 Wondershare Filmora 已經全面接入了ChatGPT母公司OpneAI的商用服務，在3月份開通了GPT-4模型的商用賬號權限，在 4 月份與微軟簽訂云服務框架協議，雙方將在云服務及 AI 技術領域全面深化合作，未來優先使用微軟新品，目前正在持續推動多個海外產品接入 GPT 大模型。2023 年

33、 3 月 31 日，公司發布基于 AIGC 大模型的“真人”出海營銷短視頻工具-萬興播爆，并在 6月推出桌面版產品，萬興播爆基于 AIGC 大模型可以提供 120 多種語言的文案腳本快速生成能力以及 60 多種國籍的數字人播報能力，還可以進行數字人的定制服務，相較傳統視頻生產模式，萬興播爆可以使成本投入降低至原先的 1/5，并大幅提升用戶的生產效率。圖圖 14：萬興播爆可以大幅降低營銷視頻生產成本，并提高生產效率萬興播爆可以大幅降低營銷視頻生產成本，并提高生產效率 數據來源：IDC AIGC 新品為萬興科技帶來新的盈利點，有望提升用戶新品為萬興科技帶來新的盈利點，有望提升用戶 ARPU。公司傳

34、統的萬興喵影個人年費會員定價為 269 元,5 年期會員的年費進一步降低至 120 元；萬興喵影企業年費會員定價為 3299 元，可支持 5 臺設備同步使用，相當于單設備年費價格為 660 元。公司推出的 AIGC 新品中，萬興播爆的年費會員定價為 1688 元，相較傳統軟件產品的定價有顯著提升；萬興愛畫則按照創作次數進行付費，10 次圖片創作合計 5 元，最便宜的 100 次圖片創作合計費用為 20 元，按次收費的方式在客戶需求側有更高的成長上限?？傮w來看，AIGC 新品的定價要高于傳統創意軟件，有望為萬興科技帶來新的盈利點，提升用戶 ARPU。圖圖 15：AIGC 新品萬興播爆、萬興愛畫為

35、公司帶來新的贏利點，提升用戶新品萬興播爆、萬興愛畫為公司帶來新的贏利點，提升用戶 ARPU 數據來源：萬興科技官網 2.智能駕駛是智能駕駛是 AI 大模型落地的重要場景大模型落地的重要場景 2.1.自動駕駛：自動駕駛：A AI I 大模型有助于我們提升覆蓋大模型有助于我們提升覆蓋小概率路況小概率路況的的效率效率 2.1.1.對對小概率路況小概率路況的覆蓋是自動駕駛落地的核心問題的覆蓋是自動駕駛落地的核心問題 由于一旦發生事故造成的由于一旦發生事故造成的后果極為嚴重后果極為嚴重，自動駕駛是一個對自動駕駛是一個對小概率情況小概率情況非常敏感的場景非常敏感的場景。由于交通事故將會產生非常嚴重的后果，

36、對于主機廠而言，在責任明晰之前，即使是 99.99%的可靠性也是不能接受的，因為這可能意味著每賣出 10000 臺車可能就會產生一起事故。行業特點決定了要實現自動駕駛就必須先對長尾場景進行有效覆蓋。測試里程的積累是有效覆蓋測試里程的積累是有效覆蓋小概率路況小概率路況的前提。的前提。根據廣汽的預測，要實現 L4 級自動駕駛所需要的長尾場景覆蓋程度，至少需要完成 10 億個測試場景，最小測試里程也需要 10 億公里，這兩個數據分別是實現 L2 級自動駕駛的 10 萬倍、1 萬倍。圖圖 16：達到達到 L3 及以上級別自動駕駛需要大量測試及以上級別自動駕駛需要大量測試 數據來源：廣汽，國泰君安證券研

37、究 此前，此前，測試里程的積累測試里程的積累主要有兩種主要有兩種方式方式。一種是通過自動駕駛車隊來進行數據采集，以 Waymo 為代表；一種是通過私家車進行數據采集，以特斯拉為代表。通過自動駕駛車隊進行路測通過自動駕駛車隊進行路測來來覆蓋覆蓋小概率路況小概率路況的的方法方法效率比較低。效率比較低。Waymo 是自動駕駛領域的霸主，但是在過去很多年里，感知問題、行人問題、軟件問題等方面，Waymo 的接管頻率并沒有收斂（基于加州路測報告）。毫無疑問，Waymo 的自動駕駛能力是逐年增強的。那么，Waymo 在軟件問題、行人問題等方面的表觀“退步”就只能用它在覆蓋更多的小概率路況來解釋。比如，在高

38、速公路等路況相對簡單的場景下測試獲得好的結果之后，Waymo 會把路測地點逐漸向難度更高的城區街道進行拓展。表表 1：2021 年感知問題、行人問題、軟件問題等方面，年感知問題、行人問題、軟件問題等方面，Waymo 的接管頻率表觀值相對的接管頻率表觀值相對于于 2016 年并未發生明年并未發生明顯變化（單位：次顯變化（單位：次/百萬公里）百萬公里）問題類型 2015 2016 2017 2018 2019 2021 感知問題 281 31 43 24 36 25 硬件的性能問題 92 0 37 2 6 4 預測問題 19 9 14 3 5 3 行人問題 54 16 3 17 8 10 多余操作

39、，謹慎過頭 130 47 54 40 21 25 天氣問題 31 2 0 2 1 0 軟件問題 189 80 26 1 0 58 數據來源：歷年加州路測報告，國泰君安證券研究 最小車輛數最小車輛數最小里程數據最小里程數據測試場景數測試場景數/評價維度評價維度2000+*10910億+/100+200+*1081000萬+/5010+10610萬/10+610*1051萬+/103-51041千/52-3103100/5L4智能駕駛智能駕駛L3智能駕駛智能駕駛L2智能駕駛智能駕駛011030100100010000KPD 公里公里/無接管無接管 圖圖 17：Waymo2019 年脫離場景中年脫離

40、場景中 highway 占占 21%圖圖 18：Waymo2021 年脫離場景中年脫離場景中 highway 占占 3%數據來源：2019 年加州路測報告，國泰君安證券研究 數據來源：2021 年加州路測報告，國泰君安證券研究 眾包眾包方式能在一定程度上提升對方式能在一定程度上提升對小概率路況小概率路況的覆蓋效率。的覆蓋效率。特斯拉采用影子模式取代測試車隊。影子模式本質上是通過眾包的方式來解決場景的快速積累問題。在這一模式下，即使在人進行駕駛的時候特斯拉自動駕駛系統同樣也在進行計算自己會怎么做，然后和人的選擇進行對比。如果自動駕駛系統和人的選擇不一致，就對這類數據進行匯集，然后交由工程師判斷自

41、動駕駛系統的選擇是否合理。2020 年 3 月，特斯拉就申請了從車隊中獲取自動駕駛訓練數據的專利。由于特斯拉的汽車數量遠遠多于自動駕駛測試車隊，影子模式可以更快地實現對駕駛長尾場景的積累，同時得到的結果也有更強的統計學意義。截至 2019 年末，特斯拉累計交付搭載自動輔助駕駛硬件的車輛 85 萬輛，AP 激活狀態下累計行駛里程已超過 20 億公里，遠遠超過競爭對手(Waymo 為 2000 萬公里)。由于特斯拉保有量持續攀升，其他競爭對手和特斯拉之間在數據積累量以及長尾場景覆蓋程度上的差距將會越拉越大。圖圖 19：特斯拉申請了從車隊中獲取自動駕駛訓練數據的專利特斯拉申請了從車隊中獲取自動駕駛訓

42、練數據的專利 數據來源：特斯拉 2.1.2.大模型對于覆蓋大模型對于覆蓋小概率路況小概率路況意義重大意義重大 FreewayhighwayParking FacilitystreetFreewayhighwayParking Facilitystreet 2.1.2.1.大模型可以大幅提升場景生成、標注的效率 隨著 AI 大模型的出現，我們覆蓋自動駕駛小概率路況的效率有望大幅提升，這種效率提升至少源于兩個方面：場景生成場景生成 利用利用 AI 大模型大模型進行場景生成是覆蓋進行場景生成是覆蓋小概率路況小概率路況的新思路。的新思路。相對于單純的路測，直接進行場景生成，并將仿真結果與路測相結合對于

43、快速實現路況覆蓋大有裨益。比如毫末已發布 DriveGPT 雪湖海若，可以實現三項能力：按照概率生成很多個場景序列，每個場景序列都是未來可能會出現的一種實際路況；在所有場景序列都產生的情況下，能對場景中最關注的自車行為軌跡進行量化?？梢詫崿F在生成場景的同時就產生自車未來的行車軌跡；基于所生成的軌跡，實現決策邏輯鏈的輸出。圖圖 20：毫末智行利用大模型進行駕駛場景的生成毫末智行利用大模型進行駕駛場景的生成 數據來源：毫末智行 值得注意的是，毫末的雪湖 海若引入了類似于 GPT 系列模型中的人類反饋強化學習機制。即把系統和駕駛員的判斷和決策進行對比，若對比結果一致，系統會被打高分，反之則會被打低分

44、。這與特斯拉 FSD 的模式有異曲同工之妙。圖圖 21：毫末基于海量接管數據對模型進行訓練，從而選出最優策略毫末基于海量接管數據對模型進行訓練，從而選出最優策略 數據來源：毫末智行 數據標注數據標注 除場景生成外，除場景生成外，AI 大模型在自動標注方面同樣能夠發揮重要作用。大模型在自動標注方面同樣能夠發揮重要作用。在 AI 的 1.0 時代，數據標注主要依賴于人工，導致數據的標注時間很長，且成本比較高。尤其在自動駕駛領域，由于路況復雜，存在大量的標注需求?；诖竽Ｐ涂梢詫崿F自動標注，從而大幅度降低成本，提升效率。如毫末智行的雪狐海若將場景識別能力對外開放。此前采用普通的標注方案標注一張圖片需

45、要約 5 元，而 DriveGPT雪湖海若只需要 0.5 元，大幅節約了成本。圖圖 22：毫末智行將海若場景識別能力對外開放毫末智行將海若場景識別能力對外開放 數據來源：毫末智行 作為行業的領軍者，特斯拉給出了通過道路重建作為車道線感知真值進行 4D 標注的方案，其本質上是一個基于 Tesla 強大視覺感知能力的眾包建圖。2018 年之前：采用純人工進行 2 維圖像標注，效率較低；2019 年：人工進行 3D 固定框的圖像標注，當時的拓撲只是基于單趟軌跡，重投影精度3pixel，整個標注還比較依賴人工，需要 3.5 小時進行一個 clip 標注；2020 年：采用 BEV 空間進行標注，這里可

46、以看到此時的建圖 已經是基于 BEV 感知進行的建圖，重投影精度7pixel，人工標注耗時小于 0.1 小時，已經基本可以實現自動標注；2021 年至今：首先對場景進行重建后在 4D 空間（關于 2021年開始采用的 4D 標注，早在 19 年 Autonomous Day 上 Karpathy就做過了介紹，當時 Tesla 使用的是 SfM 的方式進行周圍場景重建，然后再在重建的點云上進行 4D 標注）中進行標注，使用 3D 特征進行多趟采集軌跡的聚合重建，重投影精度從（7pixel）優化到（3pixel），人工標注耗時與 2020 相當，但計算時間從 2hrs 降低到 0.5 和 hrs，

47、可擴展性也變得非常強，可以取代 500 萬小時的人工作業量，人工僅需要檢查補漏。圖圖 23：特斯拉特斯拉利用利用 AI 技術實現自動標注和自動駕駛模擬仿真技術實現自動標注和自動駕駛模擬仿真 數據來源：特斯拉 2.1.2.2.大模型雖難以完全解決小概率路況的問題，但依然對自動駕駛行業意義重大 當然，當然，必須承認的是，必須承認的是，大模型依然無法幫助我們大模型依然無法幫助我們 100%解決解決小概率路況小概率路況帶來帶來的問題的問題。大大模型能力模型能力來自于深度學習，而不來自于來自于深度學習，而不來自于強化學習強化學習。從技術路線來看，大模型是“深度學習+人類反饋強化學習”。為了測試強化學習對

48、于模型能力的影響，Open AI 分別基于 GPT-4 基礎模型和加入強化學習的 GPT-4 模型運行了一系列考試中的多項選擇題部分。結果顯示，在所有的考試中，基礎的 GPT-4 模型的平均成績為 73.7%，而引入強化學習后的模型的平均成績為 74.0%，這意味著強化學習并沒有顯著改變基礎模型的能力，換句話說，大模型的能力來自于模型本身。根據 Open AI 的表述，強化學習的意義更多地在于讓模型的輸出更符合人類的意圖和習慣，而不是模型能力的提升（有時甚至會降低模型的考試成績）。2021-2022年特斯拉自動標注技術逐漸成熟，且受全球疫情影響，特斯拉宣布裁員計劃，將裁掉自動駕駛部門200位負

49、責數據標注的員工視覺圖像的仿真一直是計算機視覺的熱門方向，特斯拉目前的ai化方案僅需五分鐘就能夠設計一個負責的路口，而利用傳統建模渲染的方案則需要一個設計師兩周的時間自動標注自動標注模擬仿真模擬仿真 表表 2：在一系列考試中，引入強化學習后模型的平均成績并沒有顯著優于基礎模型在一系列考試中，引入強化學習后模型的平均成績并沒有顯著優于基礎模型 Exam Base model RLHF model Exam Base model RLHF model LSAT(MCQ)67.00%72.00%AP Microeconomics(MCQ)90.00%76.70%SAT EBRW-Reading Po

50、rtion 92.30%90.40%AP Physics 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

51、.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.

52、70%Introductory Sommelier(theoryknowledge)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(MCQ)63.60%69.10%Advanced Sommelier(theory knowledge)74.80%77.10%AP Environmental Science(MCQ)72.50%67.50%Av

53、erage 73.70%74.00%AP Macroeconomics(MCQ)83.30%76.70%AP Microeconomics(MCQ)90.00%76.70%數據來源：Open AI，國泰君安證券研究 既然大模型沒有擺脫深度學習框架，既然大模型沒有擺脫深度學習框架，這這就意味著就意味著現階段的現階段的 AI 背后背后依然是統計學依然是統計學，無法徹底解決殘差問題，無法徹底解決殘差問題。換言之，“能力的不可解釋性”問題依然無法在根本上得到解決，我們依然無法實現 100%的正確，只能通過覆蓋更多小概率路況的方式來提升安全性。大模型大模型理論上難以理論上難以幫助我們實現幫助我們實現小概

54、率路況小概率路況的的 100%覆蓋。覆蓋。從本質上來說，利用 AI 大模型進行路況生成雖然能大幅提升效率，但依然類似窮舉。而通過窮舉法實現對小概率路況的全覆蓋從理論上不太可能實現，本質的原因在于“路況本身是一個無限場景”。試想一下，如果我們要打開一個密碼箱，我們只需要從“000”到“999”全部嘗試一遍，箱子就必然已經被打開了；同樣的道理，在棋類運動中，每一步可以“落子”的情況都是有限的集合，換句話說，所有可能性是也是可以被遍歷的，所以這兩個場景都是“有限場景”，而公開道路自動駕駛場景則是一個“無限場景”。但我們不能因大模型難以但我們不能因大模型難以 100%解決問題而低估其對自動駕駛解決問題

55、而低估其對自動駕駛行業行業的幫的幫助。助。無法單純從技術上解決問題并不意味著大模型對于自動駕駛的落地沒有意義。我們認為，技術的突破和法律、倫理的放縮將“相向而行”，從而最終在一個可以接受的安全性范圍內實現平衡?？梢栽囅胍幌?，如果人類沒有發明汽車，可能也不會有目前那么多的交通事故，但顯然并不會有人因為這一點抵制汽車這一為人類社會帶來巨大幫助的發明。圖圖 24：大模型大模型核心解決的是成本和效率問題核心解決的是成本和效率問題 數據來源：北京智源人工智能研究院，國泰君安證券研究 2.2.A AI I 助力智能座艙交互體驗提升助力智能座艙交互體驗提升 智能座艙交互屬性智能座艙交互屬性毫無疑問會毫無疑問

56、會不斷上升不斷上升。從必要性角度：從必要性角度：汽車行業正從賣方市場轉向買方市場，行業演進的核心驅動因素由技術與產品轉變為消費者需求。傳統汽車工業已走過百年，隨著行業的高度成熟，這一市場正逐漸由賣方市場轉變為買方市場，行業向前發展的關鍵因素也從技術的突破和產品的打磨轉向消費者的需求變化。圖圖 25：國內消費者購車決策中座艙智能科技因素占國內消費者購車決策中座艙智能科技因素占比達比達 26.7%圖圖 26：國內市場智能座艙滲透率提升速度有望快：國內市場智能座艙滲透率提升速度有望快于全球市場于全球市場 數據來源：IHS Markit，國泰君安證券研究 數據來源：IHS Markit，國泰君安證券研

57、究 從可行性角度：從可行性角度：隨著 EE 架構的集中化，以及主控芯片算力的提升，將可以支撐越來越多新的功能點。AI 大模型可以豐富和革新人與車輛的交互方式。大模型可以豐富和革新人與車輛的交互方式。在座艙內，駕駛員會與小模型APP工廠大模型APP工廠開發模式復用性效能/效率較低，場景模型強綁定，難以復用和積累隨業務線增多，人員效率降低，效能降低當前AI商業化痛點高，“大模型+微調”流水線可有效復用大模型為核心，效率/效能不受業務增多影響開發團隊APPs核心數據處理 1-n 模型設計 1-n參數調優 1-n模型 1-n數據處理 1-n 模型設計 1-n參數調優 1-n其他定制開發極大降低開發成本

58、開發團隊維護APPs其他定制開發解耦合工程庫池核心大模型模型 1-n微調人力釋放0%5%10%15%20%25%30%中國美國日本英國德國30%40%50%60%70%80%2019202020212022202320242025中國市場全球市場 汽車通過語音、視覺等多種方式產生交互，毫無疑問，AI 大模型有助于交互體驗的提升。如駕駛員將可以通過自然語言的方式和系統進行溝通，比如選擇一條更快的路或是收費更少的路；或者系統會對駕駛員的各種習慣進行學習，比如什么時間在什么地方喜歡買咖啡，從而對駕駛員進行建議；再或是基于天氣提示駕駛員帶雨傘等等。2.3.A AI I 帶動帶動車輛研發設計效率提升車輛

59、研發設計效率提升 隨著項目周期的壓縮，汽車研發效率正變得越來越重要。隨著項目周期的壓縮，汽車研發效率正變得越來越重要。汽車的開發周期正逐漸縮短，這使得供應商的項目周期被大幅壓縮，此前項目可能是 2-3 年，而現在可能是 1 年多甚至不到 1 年，同時主機廠的定制化需求卻越來越多，更短的開發周期和更多的定制化需求對 Tier1 的智能制造能力提出了更高的要求。隨著自動駕駛功能模塊逐漸增加，需要測試的里程數快速增加，并沒有完全足夠的時間進行路測，同時由于涉及到安全，測試環節本身不能簡化，所以設計、測試的效率在一定程度上正逐漸成為制約項目能否快速及時交付的重要因素。圖圖 27：汽車的開發周期正逐漸縮

60、短汽車的開發周期正逐漸縮短 數據來源：Center for Automotive Research，國泰君安證券研究 AI 大模型對于汽車設計師效率的提升意義重大。大模型對于汽車設計師效率的提升意義重大。比如中科創達 Genius Canvas 將語言能力、視覺渲染以及特效制作能力結合在一起，可以通過輔助概念創作、輔助 3D 元素設計、輔助特效代碼生成和輔助場景搭建及制作多方面幫助設計師完成創作過程，從而優化工作流程，并提高設計師的工作效率。概念創作方面，它能夠把 3-4 周的工作周期縮短到 1周，節省 70%的時間。3D 元素設計方面，它能夠把 46 周的工作周期縮短到 3 天，節省 85%

61、的時間。特效及場景制作方面，它能夠節省 90%的時間。06個月12個月30個月24個月18個月概念界定&業務案例開發裝配場地準備/營銷計劃制定產品工程制造工程戰略開發階段項目執行階段場地選擇產品/性質轉換 圖圖 28：Genius Canvas 大幅提升設計師效率大幅提升設計師效率 數據來源：中科創達 2.4.國內智能駕駛公司積極擁抱國內智能駕駛公司積極擁抱 A AI I 新趨勢新趨勢 2.4.1.中科創達中科創達：推出推出 Genius Canvas，提升提升 HMI 交互體驗交互體驗 中科創達重視中科創達重視 AIAI 技術，利用技術，利用 kanzikanzi 推動智能駕駛艙的發展推動智

62、能駕駛艙的發展。在 2022 年，中科創達公布與地平線成立合資公司，聚焦智能駕駛賽道。kanzi 是一個具有強大實時 3D 渲染能力的工具。中科創達推出的智能駕駛艙 3.0使用了 Kanzi for Android 這種新技術，使得 Android 系統和 Kanzi 完美對接，實現了 3D 唱片、可定制實景導航、實時界面個性化定制、跨屏幕跨系統應用等功能。圖圖 29：中科創達推出中科創達推出智能智能駕駛艙解決方案駕駛艙解決方案 數據來源：中科創達 中科創達利用中科創達利用 Kanzi 實現智能駕駛艙多屏交互實現智能駕駛艙多屏交互。由于智能駕駛涉及人機共駕，智能汽車所承載的駕駛員信息、車外環境

63、信息、車輛信息等越來越多，需要有更多的空間、分區域地呈現給用戶，并確保和駕駛員有良好交互?；?Kanzi for Android 支持的多屏聯動，在導航的過程中可以實現地圖跨屏，全方位呈現 3D 導航；在導航結束時，可將地圖由副駕駛屏收縮至中控屏。多方選擇以適應更多的個性化需求。中科創達中科創達 Genius Canvas賦能汽車產業發展，打造全新賦能汽車產業發展，打造全新 HMI 交互體驗交互體驗。Genius Canvas 的一個工具是大模型引擎，它能夠把想法和理念轉化為文案，并進一步轉化為創意和作品，最終通過技術手段轉化為應用程序。Genius Canvas 的第二個工具來源于 KAN

64、ZI 產品。Kanzi 與大模型結合后，能夠利用大模型的知識庫及創新能力，快速創作豐富多彩的 Kanzi HMI 概念效果及特效，構建多樣的 3D 模型及形象庫，并且在車機系統中能夠實現實時預覽功能。目前，全球已有超過百款車型選用了 Kanzi，每年有數千萬輛搭載 Kanzi 技術的量產車型落地。圖圖 30：中科創達推出中科創達推出 Genius Canvas 數據來源：中科創達 2.4.2.德賽西威德賽西威：聯合高校推進大模型本地化聯合高校推進大模型本地化，賦能自動駕駛，賦能自動駕駛 德賽西威聯合高校推進大模型本地化部署。德賽西威聯合高校推進大模型本地化部署。德賽西威已和中山大學、南洋理工大

65、學等高校合作，通過嘗試和布局基于大模型的數字虛擬助手、圖像數據自動標注、自動場景創建、自動編程等，構建技術支撐，相關 方案已經在上海車展上亮相。在 AI 大模型本地化過程中，德賽西威能夠為客戶提供差異化、全方位的技術支持和解決方案。A AI I 大模型技術可以和德賽西威現有技術形成完美融合。大模型技術可以和德賽西威現有技術形成完美融合。比如,AI 大模型可以在感知融合、感知預測和規劃上實現更為精準的數據補充和預測，從而在行為預測方面給予自動駕駛更多地幫助，并給出更多的控制選擇。圖圖 31：AI 大模型技術可以和德賽西威現有技術形成完美融合大模型技術可以和德賽西威現有技術形成完美融合 數據來源：

66、德賽西威 2.4.3.虹軟科技虹軟科技：已發布已發布可商業落地的可商業落地的 AIGC 產品產品 公司已發布公司已發布 AIGC 產品，助力產品，助力小小 B客戶大幅降低商品展示成本?？蛻舸蠓档蜕唐氛故境杀?。1）商業拍攝市場空間超 500 億元，虹軟方案能大幅降低對模特的依賴，降低商品展示成本，實現對于原方案的替代。2）采用目前市場上的方案在很多細節處存在畸變和失真，虹軟的方案能使得商品展示“所見即所得”。3）公司計劃在 2023 年推出靜態商品展示圖解決方案，包括商品加背景靜態圖像的生成，以及商品加數字模特圖像生成，后續計劃推出動態視頻以及 3D 內容。商業模式：與公司手機、汽車業務類似，

67、商業模式：與公司手機、汽車業務類似，AIGC 商業模式分為會員服務商業模式分為會員服務費和生產流量費兩部分。費和生產流量費兩部分。1）在會員服務會部分，公司會根據不同的會員等級開放不同的功能，比如不同的場景庫和模型庫；此外，公司可以針對一些增值的 API 做差異化的定制開發。2）在生成流量費部分，公司將按照生成內容的實際算力消耗直接定價。虹軟科技是非常稀缺的能夠將虹軟科技是非常稀缺的能夠將 AIGC 技術進行產品化落地的公司。技術進行產品化落地的公司。在目前階段，投資者非常關注哪些公司能在 AIGC 方面形成真正的產品，并產生商業價值。虹軟作為安卓系手機拍攝算法的全球霸主和汽車視覺算法的領先者

68、，在圖像處理方面擁有超過 20 年的技術積累，是非常稀缺的能夠在現階段將 AIGC 技術進行產品化落地的公司。2.4.4.經緯恒潤經緯恒潤：自主開發駕駛仿真測試軟件，推出智能座艙：自主開發駕駛仿真測試軟件，推出智能座艙 AI 單品單品 在在自動駕駛仿真方面，經緯恒潤自動駕駛仿真方面，經緯恒潤自主開發仿真軟件，助力駕駛測試。自主開發仿真軟件，助力駕駛測試。經緯恒潤自主研發了綜合駕駛測試仿真軟件 ModelBase，這一軟件可以被用于乘用車、商用車的整車電控系統、ADAS 系統的設計、測試和驗證。涉及電控系統的全開發周期，包括早期的算法仿真測試，控制器的硬件在環測試，半實物臺架測試，以及車輛在環測

69、試。目前這一軟件已經被已應用于一汽、東風、蔚來等 50 余個項目中。在智能座艙交互方面，經緯恒潤在智能座艙交互方面，經緯恒潤基于基于 A AI I 技術開發了音樂律動氛圍燈等技術開發了音樂律動氛圍燈等一系列產品。一系列產品。經緯恒潤音樂律動氛圍燈具有實時歌曲特征識別和離線歌曲特征識別兩種模式。其中離線歌曲特征識別模式的相關功能就是基于AI 音樂風格分類算法和 AI 音樂段落劃分算法進行實現。通過音樂特征識別，為氛圍燈音樂律動提供豐富的效果組合，提升用戶體驗。圖圖 32：經緯恒潤推出經緯恒潤推出音樂律動氛圍燈音樂律動氛圍燈 數據來源：經緯恒潤 3.金融是金融是 AI落地核心場景之一落地核心場景之

70、一 3.1.金融行業敢于嘗試新技術，是金融行業敢于嘗試新技術，是 A AI I 落地核心場景之一落地核心場景之一 相比于其他行業，金融行業在新技術應用上有三個特點。相比于其他行業，金融行業在新技術應用上有三個特點。第一個特點，是很重視新技術發展，并且敢于嘗試。因為金融行業的日常業務活動涉及大量交易，技術上的微小進步有可能會為客戶帶來巨大的收益，因此金融機構對于新技術很敏銳，會積極追求將新技術應用于日常業務。第二個特點，是金融行業 IT 預算充足，對于性價比沒有其他行業那么敏感，在 IT 乙方的眼里，金融機構甲方客戶往往是最好吃的一塊蛋糕。第三個特點，是金融機構對于系統穩定性和數據安全有極高的要

71、求。這個特點往往會跟第一個特點沖突，但是系統安全永遠是金融機構的底線，在此底線之上才會去追求新技術的應用。不管是證券、銀行還是保險，一旦核心系統出現故障超過一定時間，就容易收到監管函，相關 IT 部門領導需要承擔管理責任。例如 2022 年 5 月 16 日，招商證券集中交易系統發生故障，9 月 8 日收到深交所監管函（澎湃新聞報道）。在過去十年里面，銀行、證券、保險等行業都應用了大量新技術，去提在過去十年里面，銀行、證券、保險等行業都應用了大量新技術，去提升系統的安全性、可用性，包括在信息系統的國產化方面也做了大量的升系統的安全性、可用性，包括在信息系統的國產化方面也做了大量的工作工作，這背

72、后是金融機構的大量科技投入，這背后是金融機構的大量科技投入。2022 年，6 家國有大行在金融科技方面投入金額均超百億元。其中工商銀行科技投入金額達 262.24億元，位居國有大行榜首。該行金融科技人員 3.6 萬人，占全行員工的 8.3%，數據分析師超 7700 人。建設銀行、農業銀行分別以 232.90 億元的金融科技投入和 232.11 億元的信息科技投入資金緊跟其后。其中，建設銀行在年報中提到，金融科技人才工程被列為全行首個重大人才項 目，著力推進“懂科技的管理人才”“懂業務的科技人才”“懂行情的市場化IT 人才”三類人才隊伍建設，研發費和科技人員人力費用等費用性支出保持持續增長。3.

73、2.A AI I 技術能夠大幅提升金融行業工作效率和用戶體驗技術能夠大幅提升金融行業工作效率和用戶體驗 2022 年年 12 月，全月，全球管理咨詢公司麥肯錫發布麥肯錫中國金融業球管理咨詢公司麥肯錫發布麥肯錫中國金融業 CEOCEO季刊季刊今日科技重塑明日金融：影響全球今日科技重塑明日金融：影響全球金融業未來格局的七大金融業未來格局的七大科技科技，報告總結了七大重塑金融業未來格局的新技術報告總結了七大重塑金融業未來格局的新技術，其中就包括，其中就包括了人工智能了人工智能。一是人工智能。從單點嘗試走向全面應用，深度融合業務與運營各環節；在項目/產品落地速度、整體工作效率、綜合成本控制、安全保障上

74、為金融機構提供額外價值。二是云計算。規?；显期厔菁涌?，云計算與邊緣計算相得益彰；得以靈活布置的前端網點和后端算力，將解鎖一系列高客戶感知的應用場景。三是元宇宙與全面虛擬技術。虛擬感知構筑虛擬世界，重塑客戶服務與內部運營；空間計算技術、AR/VR/MR 技術的不斷發展將重新定義客戶體驗和內部運營。四是區塊鏈與 Web3.0?；ヂ摼W范式迭代，顛覆未來商業模式；區塊鏈、數字資產、去中心化架構將顛覆原有的門戶平臺商業模式，甚至催生新的金融服務領域。五是下一代通信。高帶寬、低延遲、強安全的數據傳輸賦能技術解決方案，物聯網技術持續推動新用例落地；高通量衛星網絡、5G/6G、低能耗局域網等從天到地的通信技

75、術各自發展和互相融合，將賦能更快速、更安全的金融產品和應用。六是下一代集成開發。平民開發、靈活部署、智能輔助、自動開發將變革傳統技術密集的開發流程，進一步降低開發門檻，科技能力不再是技術企業獨有的護城河。七是信任架構與數字身份。構建數字信任體系，夯實金融科技安全基石；零信任架構、數字身份、隱私工程等技術保障金融和隱私安全，增強信任。未來，未來，AIAI 技術在金融行業的落地有幾個大的方向技術在金融行業的落地有幾個大的方向，貫穿了金融機構業務，貫穿了金融機構業務開展的主要方向。開展的主要方向。風險管理：金融領域的一個重要任務是風險管理。人工智能可以通過數據挖掘和機器學習技術，幫助金融機構更好地識

76、別和評估風險，提高風險管理的精度和效率。投資管理：人工智能可以通過數據分析和預測技術，幫助投資者更好地理解市場趨勢和機會，提高投資管理的收益和效率?？蛻舴眨簜鹘y的金融客服都是人工的，而通過人工智能技術和自然語言處理，可以將客戶問題進行分析，通過算法給出準確的回復，這就大大節省了金融服務的成本。交易監管：人工智能可以通過數據挖掘和機器學習技術，幫助金融監管機構更好地監管金融市場和交易活動，維護市場秩序和穩定。金融創新：人工智能可以通過算法交易和智能合約等技術，推動金 融創新和業務模式的改變，提高金融行業的競爭力和創新力。3.3.上市公司紛紛推出上市公司紛紛推出 A AI I 產品產品 3.3.

77、1.恒生電子：推出智能投研產品，研發金融大模型恒生電子：推出智能投研產品，研發金融大模型 恒生電子基于大模型推出智能投研產品，包含了三個子產品。恒生電子基于大模型推出智能投研產品，包含了三個子產品。第一個叫第一個叫 CHATCHAT，通過，通過 CHAT CHAT 可以問到各種各樣的數據?？梢詥柕礁鞣N各樣的數據。它就像是一個金融資訊數據的情報員，使用方可以問 F9、問行情、問研報、公告資訊、問觀點提取等等，它底層的關鍵性技術用到了搜索加上大模型，通過這樣的技術來去調用整個恒生聚源的金融資訊數據庫，從而能夠實現語控萬數。第二款產品叫第二款產品叫 ChatMinerChatMiner，是一個指定文

78、檔的挖掘器是一個指定文檔的挖掘器。比如用戶自己有一篇文檔，上傳以后可以針對這一篇文檔去提問，ChatMiner 就可以根據這篇文章里面提到的內容去對問題予以回答。底層的關鍵技術是向量數據庫加上大模型。第三個產品第三個產品 WarrWarrenQenQ，是一個一站式的數智化投研端。，是一個一站式的數智化投研端。WarrenQ 里面有非常多的場景、功能，大模型的產品 ChatMiner 也在里面，再到閱讀器、云筆記、原文引文和溯源、演算板、其中的估值模型，以及在線分享腦圖等等都已經在投研場景上去實現全面的打通,所以它是一個一站式投研平臺。舉一個例子，假設使用方是一個研究員，想針對一個主題去進行信息

79、搜集和檢索,可以先問 CHAT 最近跟這個大模型相關的有哪一些廠商的新動態，可能回復一大段新聞事件集錦。假設對中間的一條比較感興趣，就可以去追溯原文，去查看新聞或是研報里面詳細的內容。如果看到其中的干貨想把它留存下來，在下一次寫報告的時候，跟領導匯報、跟同事分享的時候，可以一鍵拖拽到筆記里,中間的數據可以在演算板里對數據進行制圖制表。對于涉及到上市公司估值的內容，產品內置了在線估值模型，可以方便對其中關鍵假設指標進行動態調整。最后把所有已經被研究小組內化的信息，在一個在線協作的腦圖上匯總，進行組內的分享和匯報。恒生電子制定了大模型時代的數字化產品框架。恒生電子制定了大模型時代的數字化產品框架。

80、最底層是數據層最底層是數據層。它跟傳統數據層有一定區別,比如恒生幫金融機構去建一個數智化的平臺，底層可能很多是一些公開數據再加上機構自有知識庫?，F在金融機構的自有知識庫會加上金融的基礎語料、微調場景的語料，再加上公開的大模型語料，一起構成大模型時代的數字化產品底層。第二層第二層是是模型層模型層。恒生電子在做產品的過程中，試用了很多種，包括 LLaMa、Bloom、清華等等大模型。在這個基礎開源模型上，將準備好的數據和語料結合在一起，然后可以做金融數據集的訓練，也可以做有監督微調，調完了以后就會得到一個金融版大模型。有了這個大模型以后，再加工成產品。第三層是插件層第三層是插件層。與通用版的大模型

81、不同，插件層在金融垂直領域非常重要。因為絕大多數的金融場景，不是僅僅輸出一篇文字就夠了，而是在絕大多數情況下要引用數據，并且對數據的及時性要求 很高。比如當天的市場點評里面的數據不能是三個月前 GPT 訓練所用的數據，一定要是實時的數據。圖圖 33：恒生電子制定大模型時代數字化產品框架恒生電子制定大模型時代數字化產品框架 數據來源：恒生電子 插件層可以解決數據即時性的問題插件層可以解決數據即時性的問題。第一列是 NL2SQL。比如用 CHAT 去查恒生電子的行情，它在用這個大模型的接口返回一段話的同時，調了NL2SQL 接口，到數據源庫里面去把恒生電子的行情的時間序列給查出來，變成一個 K 線

82、圖返回，用戶就可以看到最及時、最更新的行情；第二個搜索接口也很重要。第一個 NL2SQL 更多是解決的時間序列格式的數據即時查詢性的問題，搜索接口解決的是文本類的數據，因為第一個接口沒辦法獲取最新消息、事件、新聞研報公告。ChatGPT 底層的技術就是向量數據庫，它涉及到私域的大量文檔怎樣去進行向量化、做相似性的查詢和存儲。這個插件層很重要，它是金融領域要做垂域產品非常重要的支撐性力量。結合恒生電子訓練出來的金融大模型一起，向上可以去做各種各樣的應用，包括智能投研、智能投顧、財富管理等服務。恒生電子的大模型恒生電子的大模型到到 9 9 月月 3 30 0 號號就可以開放試用，年底會進一步優化。

83、就可以開放試用，年底會進一步優化。恒生專門為金融行業打造的大模型的能力，已經提升到可用的程度，9月 30 號會開放試用接口。到年底會把推理性能進一步優化，把邏輯能力也進一步的升級，使得它和光子配套能夠統一構成一個 AI 直通應用的體系。圖圖 34：恒生電子大模型恒生電子大模型 9 9 月月 3 30 0 號開放試用接口號開放試用接口 數據來源：恒生電子 3.3.2.同花順：發布人工智能及虛擬人產品同花順：發布人工智能及虛擬人產品 同花順早在 2013 年，同花順便開始布局人工智能領域，首推財經搜索引擎愛問財，到 2019 年全業務全力推進 AI，目前已經積累了多款 AI 產品。（1 1）i i

84、 問財問財投研平臺投研平臺：i 問財投研平臺提供了多維度的股票、基金、債券數據，投資者輸入自然語言問句，搜索想要的數據和信息。此外還有條件選股、研報、圖表精選策略、產品搜索、短線復盤、策略回測宏觀經濟等功能。同花順 i 問財智能頭部數字人致力 i 于用人工智能技術多模態的交互及富媒體的表達，解決用戶個性化的投資問題，提升用戶的投資能力，輔助完成投資目標。（2 2）iFindiFind：iFind 大金融數據終端是一款融合了金融數據專業咨詢投研分析工具的智能終端，目前覆蓋了國內全部的證券期貨公司，超 80%的基金和商業銀行，大部分媒體高校上市公司私募機構的產品涵蓋了全球主要資本市場的股票、債券、

85、外匯、商品、基金等品種，擁有超 600萬宏觀行業指標，年增超 50 萬篇，研報 10 余萬新聞數據源，為用戶提供全面的市場信息，iPhone 的運用 AI 算法為用戶提供智能預測、智能搜索和智能脈絡等創新應用，讓用戶的體驗更加高效便捷。2023 年 iFind將會借助 AI 技術，aigc 系列，進一步提升用戶體驗和工作效率。圖圖 35：同花順同花順 i iF Findind 終端融合了金融數據終端融合了金融數據 數據來源：同花順（3 3）AIAI 短視頻平臺：短視頻平臺：當前短視頻是財經信息用戶獲取信息的主流方式，受限于制作門檻高，缺乏金融數據等痛點，導致短視頻的生產效率低。針對前述痛點，同

86、花順研發了 AI 短視頻平臺，該平臺是一款基于人工智能技術的視頻制作和發布平臺，通過集成先進的 AI 技術，自動化的處理視頻素材，包括剪輯配音字幕等，結合數據的酷炫可視化展示能力，使用戶快速的制作出高質量的短視頻，同時該平臺還提供了各種豐富的模板和主題，自動化生產出個性化的短視頻。同花順 AI 短視頻提供快捷有趣的視頻創作體驗，助力打造附文本向短視頻轉型的數字化服務體系。圖圖 36：同花順同花順 AIAI 短視頻平臺深耕金融行業短視頻平臺深耕金融行業 數據來源：同花順 （4 4）數字人交互一體機：）數字人交互一體機：數字人具有媲美真人的專業知識人設和情感，能在銀行、證券、運營商、政務、醫療、教

87、育等行業服務場景中，輔助完成業務咨詢辦理，營銷推廣宣傳等任務，提升客戶體驗和營銷成功率?，F在大家看到的是具備了金融領域專業知識的數字人，能給用戶提供實時金融數據。（5 5）同花順虛擬展廳：）同花順虛擬展廳：虛擬展廳是同花順利用虛擬人、人工智能、云計算等核心技術，助力企業便捷高效創造素質，實現企業產品和服務全景展示與交流互動，賦能企業宣傳推薦、科普教育等功能的產品。虛擬展廳以 3D 全景展示線上配合聲光動畫等特效，可以給參觀者帶來全身心投入的沉浸式體驗。虛擬展廳突破了時空限制，應用 3D 全景展示線上產品和服務，配合聲光動畫等特效，可以給參觀者帶來全身心投入的沉浸式體驗。虛擬展廳突破了時空限制，

88、全身心投入的沉浸式體驗。（6 6）小花探影：）小花探影：上消化道檢查功能板塊主要功能用術中對檢查部位進行導航提示，漏檢部位、視野清晰度和病灶體提示。同時系統會自動截取部位和病灶圖片保存，下消化道檢查功能板塊主要功能有手術技術術中識別回盲瓣和回腸末端等解剖位置，對視野清晰度評估和提醒出現異常病灶進行提示，我們這個產品已經取得了醫療器械二類證，并與多家知名醫療機構達成合作。3.3.3.凌志軟件：通過凌志軟件：通過 AI 技術為日本金融企業提供服務技術為日本金融企業提供服務 公司主要客戶為日本的金融保險企業。公司主要客戶為日本的金融保險企業。公司已與日本優秀的一級軟件承包商建立了長期穩定的合作伙伴關

89、系。由于日本一級軟件承包商數量較少，公司與其建立穩定合作關系后，能有效降低公司的銷售費用和關系維護成本，并能提高合作效率。公司在與日本一級軟件承包商合作過程中，積累了豐富的金融、房地產、電信、電子商務等行業經驗，在客戶中贏得良好的口碑。目前，公司第一大客戶為全球頂尖金融服務技術供應商野村綜研，2019 年野村綜研在世界金融科技排行榜上位列第十，是全球非常優秀的金融科技公司。目前野村綜研除了服務母公司野村證券，也在積極對外輸出 IT 能力，尤其是 AI 方面的能力。公司全面參與海外金融企業公司全面參與海外金融企業 IT系統建設，并落地系統建設，并落地 AI 能力。能力。公司參與完成了眾多金融行業

90、核心業務系統開發，包括網上交易系統、客戶關系管理系統等，保險業務的核心系統、營業支援系統、銷售平臺系統，銀行客戶的網銀平臺、養老金管理系統等，基本做到金融行業各系統全覆蓋。其中基于 OCR、NLP 的工作底稿系統，在包含券商和基金公司的 41 家客戶處上線運行，使用深度學習中的 Transformer 模型和 CV 目標檢測算法，基于深度機器學習的文本糾錯、文檔一致性對比、招股書審核、債券募集書審核、多文件交叉審核、通用文檔核查等功能也已經完成，已開始在多家券商進行體驗測試，陸續對客戶進行升級。AI 目前暫時無法完全替代程序員，但可以完成簡單內容生產和測試工目前暫時無法完全替代程序員，但可以完

91、成簡單內容生產和測試工作。作。目前雖然 ChatGPT 可以輔助寫代碼，但只能完成部分內容，無法完全取代程序員。我們可以把現階段 ChatGPT 能夠做的事情當成是一種新的編程工具。我們在編碼的環節不能夠用 AI 替代人力，但諸如編寫設計書、軟件測試等環節短期就可以實現 AI 應用落地，助力企業降本增效。公司目前已經使用公司目前已經使用 AI 代替部分人工，未來引入代替部分人工，未來引入 ChatGPT將進一步提升將進一步提升效率。效率。目前公司的業務流程中，詳細設計書的編寫以及單體工程檢測方面已經上線 AI 應用，實現設計書的自動化編寫以及單體工程的自動化測試。除遠成辦公能力降低成本外，自動

92、化軟件服務是公司毛利率遠高于競爭對手的關鍵因素。公司目前服務器直連日本客戶，未來有望通過接入 ChatGPT 在詳細設計書編寫、簡單代碼生成、單體工程測試領域實現進一步降本增效，打破現有瓶頸。圖圖 37：公司已在詳細設計書編寫和后續測試階段實現簡單自動化：公司已在詳細設計書編寫和后續測試階段實現簡單自動化 數據來源：凌志軟件 對日客戶關系穩定，客戶只看中結果。對日客戶關系穩定，客戶只看中結果。正因為日本相對保守的商業環境，導致在與現有供應商大多是長期的合作。日本客戶認為新企業合作存在高風險，擔心新企業的管理能力、交付能力、合規性等，與新企業合作所付出的盡調成本是他們所不愿意承擔的。他們不愿意看

93、到供應商因利潤空間被壓縮而失去長期的合作伙伴。因此，日本客戶是不會因為供應商的利潤率高而對其降價，反而會認為他們選擇了一家優秀的供應商。公司的商業模式非純人力外包，而是解決方案外包，軟件服務公司交付的是系統而非勞動力，只不過這個系統的定價是由社會平均勞動量決定的。在這種情況下，軟件服務公司若能高效完成任務，其實不需要投入合同中規定的人力，因此有效率提升的可能。因此大多數的解決方案外包毛利率是要高于單純人力外包的，而目前來看，凌志基本所有的項目，都是解決方案外包。AIGC 將助力公司降本增效，釋放利潤彈性。將助力公司降本增效，釋放利潤彈性。根據表 1 我們知道，公司能夠提供給客戶的服務中，有 8

94、%的工作量是參與代碼編寫，有 15%的工作量是與詳細設計書撰寫有關，另有 14%工作量與單元測試有關。目前公司的成長瓶頸不在需求端，而在供給端。假設未來公司業務上述環節由人工智能替代，公司有望依托現有團隊承接更多的業務，打開成長空間。并進一步降低成本，大幅提升盈利能力。圖圖 38：未來引入未來引入 ChatGPTChatGPT 技術將進一步提升軟件開發和測試效率技術將進一步提升軟件開發和測試效率 數據來源：凌志軟件 4.AI 加持，加持，設計設計與工業與工業軟件軟件將實現降本增效將實現降本增效 4.1.AI對于設計效率提升大有裨益對于設計效率提升大有裨益 4.1.1.AIGC 降低設計軟件使用

95、門檻降低設計軟件使用門檻 目前的目前的 AI 輔助輔助的能力僅限于為用戶提出建議并的能力僅限于為用戶提出建議并代替部分重復性設計工代替部分重復性設計工作，作，減輕減輕設計師設計師部分負擔，并不能降低軟件使用門檻。部分負擔，并不能降低軟件使用門檻。以最新發布的AutoCAD 2024 中的 AI 輔助功能為例，Activity Insights可以記錄用戶對圖形文件的所有操作并對工作流程和操作提供建議，Smart Blocks能夠根據之前繪圖的放置位置對新的 block 進行自動放置。這些功能對設計師的幫助有限，也無法降低使用門檻。ChatGPT能夠按照開發者的自然語言指示生成能夠按照開發者的自

96、然語言指示生成 CAD代碼，并給出相應代碼，并給出相應的解釋。的解釋。目前在CAD領域，ChatGPT能夠支持Autodesk公司開發的 Visual LISP/AutoLISP 語言、Maya 核心腳本語言 MEL、3ds Max 相關產品的通用腳本語言 MAXScript，以及用于 AutoCAD 平臺二次開發軟件包 ObjectARX 的 VisualC+語言等。圖圖 39：使用使用 ChatGPT生成生成 CAD 代碼代碼 數據來源：OpenAI 微軟代碼平臺微軟代碼平臺 GitHub發布編程輔助發布編程輔助 Copilot最新版本最新版本 Copilot X，實現，實現AI語音交互輔

97、助編程。語音交互輔助編程。2023年3月23日，微軟旗下代碼托管平臺 GitHub發布了編程輔助工具 Copilot 的全新版本 Copilot X，新版本接入 GPT-4。GitHub 首席執行官 Thomas Dohmke 稱，雖然自動補全代碼已經大大提升開發人員的生產力，而全新的 Copilot X 能將開發人員的生產力提升10 倍。工業設計軟件也將出現自己的“工業設計軟件也將出現自己的“Copilot”，”，顯著顯著降低降低軟件軟件使用門檻并提使用門檻并提升生產力。升生產力。工業設計軟件有較高的使用門檻，但未來用戶可以直接使用自然語言提出要求和限制調用 AI 進行代碼編寫和繪圖，大大降

98、低使用難度。同時，設計人員也可以直接利用 AI 省去重復性的設計工作，提升工作效率。4.1.2.AIGC 將進一步提升生成式設計的能力將進一步提升生成式設計的能力 AI 可以自動生成大量符合要求的多樣化設計方案，使得設計師能在更短可以自動生成大量符合要求的多樣化設計方案，使得設計師能在更短的時間內探索更多設計選項，提高設計效率。的時間內探索更多設計選項，提高設計效率。傳統的設計方法依賴于“建模然后分析”的循環，但在生成技術中，AI 能夠根據用戶要求和限制比如材料類型、功能要求、性能限制、成本限制等信息，快速生成大量滿足要求的 CAD 解決方案，并最佳解決方案，而無需人工干預。設計師可以在短時間

99、內探索大量可能性，快速縮小選擇范圍并選擇更優的解決方案。簡化了設計流程，也有助于設計師能夠更快地做出決策提高工作效率。通過生成技術可以最大限度地降低成本并優化性能。通過生成技術可以最大限度地降低成本并優化性能。生成技術根據用戶要求和限制去創建優化的產品設計，而不是先制作幾何圖形再驗證，所以設計會針對最小成本和重量等目標進行優化。這種方法能夠有效的減少材料使用，降低成本。生成技術也可以幫助設計師創新。生成技術也可以幫助設計師創新。AI 自動生成的大量設計方案中，可能會出現包括設計師和工程師難以發現的更好的獨特的解決方案，提高設計方案上限。海外多家廠商已經布局生成式設計并落地應用，海外多家廠商已經

100、布局生成式設計并落地應用，AI大模型有望使生成式大模型有望使生成式設計跨向新臺階。設計跨向新臺階。包括 Autodesk 和 PTC 在內的多家廠商已在產品中內置生成式設計的拓展模塊，但仍未大規模投入使用。AI 大模型有望加速生成式設計的研發，助力生成式設計進一步發展。圖圖 40：AI 快速生成大量方案快速生成大量方案 數據來源：Autodesk Autodesk FUSION 360 擁 有 生 成 式 設 計 的 拓 展 模 塊擁 有 生 成 式 設 計 的 拓 展 模 塊Project Dreamcatcher。Dreamcatcher 能夠基于設計師的要求，提供大量的解決方案和策略設計

101、，并且設計師可以直接在設計空間里進行調整。團隊目前正在與汽車、航空航天和其他制造行業的領導者合作，為最復雜的 3D 設計提供解決方案。圖圖 41：Dreamcatcher 的方案實現降本增效的方案實現降本增效 數據來源：Autodesk PTC 的的 Creo 同樣擁有生成式設計模塊同樣擁有生成式設計模塊 GDX（Generative Design Extension）。）。其能夠輔助用戶針對特定目標進行優化，降低材料等成本，短時間內生成滿足要求的最佳設計。Creo 的生成功能幫助全球領先的動力設備制造商康明斯將零件的材料減少了 10-15%，幫助他們實現了成本和可持續性目標。同時，他們可以一

102、次性獲得正確的設計，而無需與分析師反復溝通以確保組件滿足其所需的設計限制。有助于他們降低成本、創造更好的產品并更快地進入市場。這也解放了分析師，使他們能夠專注于更復雜的分析任務。圖圖 42：Creo 可以對生成的方案進行對比并可以對生成的方案進行對比并展示結果展示結果 數據來源：PTC 4.1.3.AI 打破二維與三維的壁壘，實現精確轉換打破二維與三維的壁壘，實現精確轉換 AI 多模態大模型多模態大模型有望打破壁壘，實現二維圖紙與三維有望打破壁壘，實現二維圖紙與三維 BIM模型有效轉模型有效轉換，提升設計效率。換，提升設計效率。目前國內仍有大量 BIM翻模需求，雖然已有插件和算法能夠實現二維圖

103、紙翻模三維 BIM模型，但翻模效果普遍較差，需要大量人工修正，AI 大模型經過訓練后有望提升翻模的準確率與精細度，取代人工翻模，實現降本增效。圖圖 43：二維圖紙與三維模型的轉換二維圖紙與三維模型的轉換 數據來源：Autodesk 4.1.4.AI 賦能賦能 EDA，實現降本增效，實現降本增效 Synopsys推出首個推出首個 AI EDA 套件并取得成效套件并取得成效，未來可能利用，未來可能利用 AIGC 編寫編寫代碼代碼。2023 年 4 月，全球領先 EDA廠商 Synopsys 宣布推出業界首個全棧式 AI 驅動型 EDA解決方案 Synopsys.ai，涵蓋設計、驗證、測試和模擬電路

104、設計階段，旨在幫助客戶持續創新，更快實現更高質量的設計，同時降低成本。Synopsys.ai已獲得包括 IBM、英偉達、微軟在內的多家領先企業的率先采用并取得顯著成效。瑞薩電子在減少功能覆蓋盲區方面實現了 10 倍優化，并將 IP 驗證效率提高了 30%。SK海力士將先進工藝技術的芯片尺寸縮小了 5%。目前仍由工程師來編寫芯片制造的 C 語音，未來可能由 AIGC輔助甚至代替。圖圖 44：Synopsys.ai 將將 AI應用到全棧應用到全棧 EDA 軟件環節軟件環節 數據來源：Synopsys 4.2.AIGCAIGC 將有效提升工業生產效率將有效提升工業生產效率 4.2.1.西門子與微軟攜

105、手利用西門子與微軟攜手利用 AIGC 提升工業生產力提升工業生產力 AIGC 助力工業助力工業 AI進一步發展。進一步發展。目前 AI 對于工業產品制造階段的增強主要在于 AI 算法的制造執行和管理流程，AIGC的生成和推理能力都將為 AI 應用帶來顯著提升，進一步優化執行和管理流程。西門子與微軟合作，共同為西門子與微軟合作，共同為 AIGC 在工業方面的運用樹立標桿。在工業方面的運用樹立標桿。2023年 4 月，西門子宣布與微軟達成合作，在多個方面使用生成式人工智能（AIGC）改進其工業控制工作流程，持續提升效率并推動創新。西門子西門子 Teamcenter針對微軟針對微軟 Teams打造全

106、新應用軟件，增強跨職能部打造全新應用軟件，增強跨職能部門的協作能力。門的協作能力。雙方將西門子的產品生命周期管理（PLM）軟件Teamcenter與微軟的協同平臺Teams、Azure OpenAI服務中的語言模型，以及其它 Azure AI 功能進行集成。企業的服務工程師或生產操作人員可以通過移動設備，使用自然語言記錄并報告產品設計或質量問題。同時，通過 Azure OpenAI 的服務，該應用可以解析前述非正式的語音數據，自動創建總結報告，并在 Teamcenter 中發送給相應的設計、工程或制造專家。與西門子 Teamcenter 的結合可為無法使用 PLM 工具的工作人員提供更多支持，

107、使其能夠以簡單的方式參與設計和制造流程。西門子和微軟還將合作幫助軟件開發人員和自動化工程師加快可編程西門子和微軟還將合作幫助軟件開發人員和自動化工程師加快可編程邏輯控制器（邏輯控制器（PLC）的代）的代碼生成。碼生成。工程設計團隊可以使用自然語言輸入生成 PLC 代碼，從而減少時間成本并降低錯誤率。同時還有助于維護團隊以更快的速度識別錯誤，并逐步生成解決方案。西門子與微軟還會借助計算機視覺等工業西門子與微軟還會借助計算機視覺等工業 AI，使得質量管理團隊能夠，使得質量管理團隊能夠更輕松地擴大質量控制規模，識別產品差異，并更快地進行實時調整。更輕松地擴大質量控制規模，識別產品差異，并更快地進行實

108、時調整。使用微軟 Azure 機器學習和西門子 Industrial Edge 工業邊緣解決方案，使用機器學習系統對攝像機捕捉的圖片和視頻進行分析，并將其用于在車間構建、部署、運行和監控人工智能視覺模型。圖圖 45：依托依托 AI 的產品制造流程的產品制造流程 數據來源：The International Journal of Advanced Manufacturing Technology 4.2.2.AIGC 能夠優化并生成能夠優化并生成 3D 打印方案，降低使用門檻打印方案，降低使用門檻 研究發現研究發現 ChatGPT能夠對能夠對 3D打印參數進行微調優化，甚至提供合適的打印參數進行

109、微調優化，甚至提供合適的3D 打印的解決方案，有效降低工作門檻并提高效率。打印的解決方案，有效降低工作門檻并提高效率。Gcode 是 3D 打印領域使用的一種編程語言，向3D打印機提供如何打印物體的特定指令。但是編寫 Gcode 需要對 3D 打印流程有深入了解，手動編寫非常耗時且容易出錯。生成優化的 Gcode能夠確保產品質量并減少漫長的試錯時間，從而節省材料和時間。研究人員發現 ChatGPT 在 1 小時內成功優化了 15個打印參數并解釋了每個參數更改的原因，這項任務本來需要大約三周才能完成。圖圖 46：ChatGPT在短時間內優化在短時間內優化 Gcode 完善打印方案完善打印方案 數

110、據來源：Advanced Industrial and Engineering Polymer Research 4.3.設計設計與工業與工業軟件軟件主流玩家均加速布局主流玩家均加速布局 A AI I，并并已取得一定已取得一定成效成效 4.3.1.廣聯達廣聯達：AIGC 技術已被用于其核心產品技術已被用于其核心產品 公司公司 2015 年就已經布局年就已經布局 AI，把把 AI 技術確立為公司核心技術，持續多技術確立為公司核心技術，持續多年重點投入年重點投入并取得成效。并取得成效。造價業務方面，突破基于深度學習的交互式生成技術，利用大模型技術提供智能組價和智能算量等服務。施工業務方面，勞務人臉

111、識別終端實現量產，多項 CV 安全隱患識別算法集成進入施工蜂鳥盒子產品，助力蜂鳥系統成功入選工信部國家人工智能創新應用先導區“智賦百景”建設施工現場 AI 智能安全巡檢應用場景典型案例。數字施工國際化方面，MagiCAD 發布 AI 輔助設計功能，在核心區域繼續擴大領先優勢，在英國、德國、意大利等重點拓展區域保持良好的增長勢頭。圖圖 47：廣聯達智能組價廣聯達智能組價 數據來源：廣聯達 公司也在布局公司也在布局生成式生成式 AI，在設計業務中，概念設計的階段之前是由設，在設計業務中，概念設計的階段之前是由設計師做創意，然后一筆一筆畫出來，未來可以讓計師做創意，然后一筆一筆畫出來，未來可以讓 A

112、I 模擬人的創意快速模擬人的創意快速生成各種草圖。生成各種草圖。針對智能設計領域，公司目前已有一個專門的團隊在探索，在一些項目上已經進行了初步的試用，但整體上仍處于較早期的階段。比如 AI 強排的功能（按照建筑強制性規范布置建筑），在拍地階段，幾十上百種的方案比選相比目前僅有幾種方案的對比有更大的價值量。目前強排工具已進入用戶驗證，實時日照分析性能國內領先。AI 在建筑行業的運用已有先例。在建筑行業的運用已有先例。Autodesk 與 DAISY合作提高施工設計流程的效率。DaisyAI 是第一款由人工智能（AI）提供支持的木材設計 CAD 軟件，可在 10 分鐘內生成符合規范的最佳設計，每天

113、為工程師節省 2-3 小時，減少 80%木材浪費。Autodesk 的 Kratos 研究項目則使用 AI 方法快速評估包括混凝土在內的多種材料的結構設計。2022 年，Kratos與 DAISY 合作，使用 Kratos 計算木結構中的承重墻，并將結果輸出給 Daisy 來生成詳細的平面圖，減少了地基中使用的混凝土，降低施工成本。圖圖 48：Autodesk 與與 DAISY 合作提高施工設計流程的效率合作提高施工設計流程的效率 數據來源：Autodesk 公司公司重要重要研發項目研發項目逐漸逐漸完成，完成，AI應用有望加快落地。應用有望加快落地。公司的造價大數據及 AI 應用項目、數字項目

114、集成管理平臺項目已于 2023 年 2 月開發完成 并轉入無形資產。造價大數據及 AI 應用項目目標為開發基于造價大數據及 AI 應用的智能計價與智能算量的下一代造價產品，隨著開發完成，AI 相關應用也將加速落地，進一步提升公司產品的競爭力。4.3.2.中望軟件中望軟件：已推出：已推出 AI 驅動的生成式設計功能驅動的生成式設計功能 在在 CAD 方面，公司可以根據已有數據研發內置的生成式設計功能。方面，公司可以根據已有數據研發內置的生成式設計功能。工程師可通過 AIGC向軟件指定他們的要求和目標，從而自動生成大量設計方案。目前 AI 驅動的生成式設計功能已在 Siemens Solid Ed

115、ge、PTC Creo 及 Autodesk FUSION 360 等主流 CAD 產品中投入使用。在在 CAE 方面，方面，AI 可賦能仿真優化，提升仿真效率，助力公司工業可賦能仿真優化，提升仿真效率，助力公司工業 AI模型訓練。模型訓練。通過與 Ansys Twin Builder 合作，微軟 Project Bonsai可同時運行數百個機器或者應用的虛擬模型，并將這些數字孿生生成的數據，直接輸入大腦對其進行優化。使用大量虛擬模型可以縮短訓練時間，降低成本，并學習了解所有可能遇到的情況，增加工業 AI 模型精確度。圖圖 49：AI 在混合數字孿生中發揮關鍵作用在混合數字孿生中發揮關鍵作用

116、數據來源：Ansys 4.3.3.中控技術中控技術：自研自研國內首個流程工業過程模擬與設計平臺國內首個流程工業過程模擬與設計平臺 APEX 海量數據助力大模型訓練從而優化工程裝置。海量數據助力大模型訓練從而優化工程裝置。2022 年 11 月，公司正式發布了自主研發的 APEX，成為國內首個流程工業過程模擬與設計平臺。其基于機理模型打通了工藝設計到工廠運行的數據流程，實現了工藝模擬、工藝瓶頸分析和運行優化等功能，提供從工程設計、工廠數字孿生、生產運行到全生命周期運維的智能化運營解決方案。通過APEX 運行得到的海量數據也將投入 AI 大模型對裝置進行優化，進一步提升工廠效率。圖圖 50：公司將

117、打造工業領域公司將打造工業領域 supGPT 數據來源：中控技術 AI大模型將進一步加速大模型將進一步加速 InPlant IBD對于流程工業的智能化建設和數字對于流程工業的智能化建設和數字化轉型?；D型。公司在 2022年 11月發布了工業 AI應用開發軟件（InPlant IBD），該軟件可以實現從邊緣端到大規模集群部署，滿足流程工業全業務域AI 應用的需求。它不僅能實現機器學習、深度學習等 AI 算法圖形化組態建模，還將工業知識和 AI 算法深度融合封裝了大量的工業應用場景，實現了從算法組態到應用場景組態的突破。其已在化工、水泥、新材料等領域的操作尋優、智能決策、故障診斷等場景中實現閉環

118、應用，取得了顯著的節能減排效果。AI 大模型的強大推理能力也將進一步推動流程工業的 AI 運用落地。5.AI 大模型背景下網絡安全機遇與產業并存，各方大模型背景下網絡安全機遇與產業并存，各方加速布局加速布局 5.1.AI 大模型催化，網絡安全產業機會與挑戰并存大模型催化，網絡安全產業機會與挑戰并存 5.1.1.“安全安全”、“AI 安全安全”與與“安全的安全的 AI”同等重要同等重要 網絡安全威脅日益加劇。網絡安全威脅日益加劇。隨著互聯網應用普及化，所對應的網絡威脅數目隨之上升，而且其復雜性也相對增加，對網絡安全帶來了巨大挑戰。如今移動設備、物聯網、云計算在企業中的應用日益普及，攻擊面也相對增

119、加。此外，黑客可以利用人工智能來不斷變形病毒/惡意軟件，而傳統的靜態防御解決方案未必能對此有效檢測以及阻斷。另外，網絡攻擊服務化（Cyberattack-as-a-Service）令網絡攻擊變得普及，攻擊者自身不須擁有強大的黑客知識亦可以通過支付加密貨幣獲得攻擊工具。人工智人工智能在網絡安全方面的作用是幫助組織降低入侵風險，并改善其整能在網絡安全方面的作用是幫助組織降低入侵風險，并改善其整體安全狀況。體安全狀況。人工智能通過從過去的數據中學習來識別模式和趨勢，然后這些信息被用來預測未來的襲擊。人工智能驅動的系統還可以配置為自動響應威脅，并在更快的時間內對抗網絡威脅。隨著企業攻擊面不斷發展和演變

120、，時而必須處理多達數千億的時變信號以正確地計算風險。為了應對這一前所未有的挑戰，神經網絡等人工智能工具和方法不斷發展，以更有效和高效的威脅檢測和威脅消除功能，幫助信息安全團隊保護敏感信息、降低入侵風險、降低安全運營成本、改善安全態勢。再者，隨著大模型潮流興起，網絡安全的產品能力、平臺運營能力以及安全服務都有望迎來全面的優化升級。雖然雖然 AI 及大模型能夠有效賦能網絡安全產業，但及大模型能夠有效賦能網絡安全產業，但 AI 大模型本身的安全大模型本身的安全 保證也十分重要保證也十分重要。在此方面，既要能應對利用大模型等 AI 技術進行網絡攻擊的風險，又要保證大模型本身的安全性。要考慮前者的原因是

121、，大模型降低了黑客代碼和攻擊策略設計的門檻，使得攻擊成本降低。要考慮后者的原因是，大模型本身的對齊、可解釋性等問題使得其應用存在一定隱患。OpenAI 對安全構建對安全構建 AI 系統尤為重視。系統尤為重視。2023 年 4 月 6 日，OpenAI 官方發布了Our approach to AI safety文章，探討了如何安全地構建、部署和使用人工智能系統的六大策略。Sam Altman 在北京智源人工智能大會上，也主要強調了 AGI 安全的重要性。AGI 未來將在諸多領域超越人類智慧，正因如此，AGI 風險空前高漲，若沒有控制和約束 AGI，AGI 可能會往人類無法預測的方向發展，對人類

122、生活造成嚴重威脅。圖圖 51：OpenAI 發布了安全地部署和使用人工智能系統的六大策略發布了安全地部署和使用人工智能系統的六大策略 資料來源：Our approach to AI safety，國泰君安證券研究 綜上，新技術浪潮下的網絡安全產業需要考慮四重安全。綜上，新技術浪潮下的網絡安全產業需要考慮四重安全。第一步是做好傳統網絡安全防護，第二類是用人工智能相關算法或大模型對網絡安全產品進行增強，以及對服務的優化賦能。該階段要保證 AI 大模型賦能網安的過程中，AI 系統和網絡安全產品的集成能有效融合。第三，要保證大模型輸出的 AI 能力的原生安全（在當前對齊、可解釋性等問題尚未有效解決的前

123、提下，也至少要保證安全風險不能被 AI 放大）。最后，大模型本身的安全防護也十分重要，因為其作為 AI 能力輸出的基石，本身的安全穩定有著根本性支撐作用。圖圖 52：大模型賦能下，網絡安全產業要考慮四重安全保障大模型賦能下，網絡安全產業要考慮四重安全保障 資料來源：國泰君安證券研究 5.1.2.網絡安全與人工智能技術結合具備天然優勢網絡安全與人工智能技術結合具備天然優勢 要弄清楚要弄清楚 AI 在網絡安全領域中的作用，首先要回顧下網絡安全產品本在網絡安全領域中的作用，首先要回顧下網絡安全產品本 身的構建思路身的構建思路。網絡安全的構建思路以紅藍對抗為角度，即根據黑客攻擊的時間順序來進行對應的防

124、護。首先要進行最大化收斂互聯網上的暴露面，第二步是對邊界的防護，也就是根據暴露內容部署相應的安全問題防護以加固邊界，接著要進行區域控制，即監控手段建設，最后一步是做強控。整個過程按照事前、事中和事后來建設網絡安全。圖圖 53：基于下一代防火墻的產品防護架構如下所示基于下一代防火墻的產品防護架構如下所示 資料來源：天融信官網 網絡安全單點產品的能力可以基于人工智能算法得到增強網絡安全單點產品的能力可以基于人工智能算法得到增強。前期的資產梳理、安全漏洞排查以及邊界的防護方面，都需要防火墻、IDS/IPS 等產品部署，而與傳統的軟件驅動或手動方法相比，機器學習技術可通過結合來自主機、網絡和云上的反惡

125、意軟件組件的大量數據來改進惡意軟件檢測；深度學習使用大量數據來訓練深度神經網絡，此舉也能助力防范各類攻擊。比如 Google 利用深度學習來檢測難以檢測的基于圖像的電子郵件、含有隱藏內容的電子郵件，以及來自新形成域的通信，這有助于檢測復雜的網絡釣魚攻擊，包括與垃圾郵件有關的互聯網流量模式；深度學習架構可以用于發現隱藏或潛在的模式，并隨著時間的推移變得更加環境敏感，這有助于識別零日漏洞或活動，例如自然語言處理可以掃描源代碼中的危險文件并標記它們，“生成對抗網絡”可以學習模仿任何數據分布，也可以在識別復雜缺陷方面有用。圖圖 54：基于機器學習的基于機器學習的 PE二進制惡意代碼分析檢測方案如下所示

126、二進制惡意代碼分析檢測方案如下所示 資料來源：GSMA 官網 態勢感知平臺是態勢感知平臺是 AI 技術應用的重要場景之一技術應用的重要場景之一。面對越來越專業的惡意攻擊，已無法再用傳統的邊界隔離理念、日漸臃腫的攻擊特征庫與黑客多變的滲透技術、隱蔽的信道相抗衡了。因此，通過態勢感知平臺調動 各類單點網絡安全產品來形成安全合力十分有效，因為本質上講，網絡安全就是發生在虛擬世界的攻防戰，速度為王，而態勢感知平臺的作用就是分析安全環境信息、快速判斷當前及未來形勢，以作出正確響應。這個過程本就是人工智能的智能研判、決策分析的用武之地。例如，對于基于 SIEM 的態勢感知平臺，通過自身的日志解析、處理與分

127、析來展示安全威脅與事件，利用關聯分析、威脅情報、機器學習算法來降低安全告警數量與誤報，融合資產、漏洞等上下文信息對網絡安全整體態勢進行可視化展示。為應對海量的告警以及高級持續性威脅（為應對海量的告警以及高級持續性威脅（APT），網絡安全運營），網絡安全運營團隊也團隊也需要人工智能和機器學習來提高效率需要人工智能和機器學習來提高效率。人工智能在安全運營中的其中一大作用是協助安全分析師的工作，畢竟它不太可能完全取代有經驗的人類。反之，人工智能可以專注于比人類擅長的領域去協助人類，如分析大數據、替人類進行繁瑣且重復的任務，以便分析師能夠發揮更復雜的技能，如創造力、細微差別和專業知識。例如，采用無監督

128、 ML 算法的用戶行為分析工具（User behavior Analytics,UBA）可以持續監測和分析用戶活動、系統安全變化、網絡流量和對應用程序和數據的訪問檢測和標記異常情況，使得該威脅對環境造成破壞之前，企業可以把未知的威脅更快地轉化為已知的威脅。因此，網絡安全運營團隊在 AI 工具協助下，可以采取更積極的策略，對事件作出相應反應。并且在事件響應方面，相對于人工處理，基于人工智能的安全工具一旦發現威脅就可以對其自動作出反應。圖圖 55：雖然：雖然 AI 可以賦能安全能力，但相關伴隨風險猶存可以賦能安全能力，但相關伴隨風險猶存 資料來源：安全內參，國泰君安證券研究 5.1.3.大模型對網

129、絡安全產業的供給側和需求側帶來巨大變化大模型對網絡安全產業的供給側和需求側帶來巨大變化 大語言模型技術的廣泛應用，能夠賦能網絡安全產業的諸多環節，甚至大語言模型技術的廣泛應用，能夠賦能網絡安全產業的諸多環節，甚至可能對部分環節帶來顛覆性的改變?？赡軐Σ糠汁h節帶來顛覆性的改變。以 GPT 為代表的大模型的本質是理解語言意圖并根據意圖進行任務分配，從而實現對話、計算、制圖等能力，具有語言體系且流程性工作的占比較大的工作環節能被大模型所賦能。同時，出于工程落地難度及性價比考慮，大模型更適合用于規模較大、所需人工較多的環節。從網絡安全廠商供給能力來看，大模型的語義理解及代碼生成等能力可從網絡安全廠商供

130、給能力來看，大模型的語義理解及代碼生成等能力可以有效賦能安全產品及服務以有效賦能安全產品及服務。網安的日志為計算機領域的語言體系，GPT在 Github 中預訓練之后，對于日志的理解具有天然優勢。同時，安全運營涉及大量流程性工作，部分環節人力需求較多，而大模型的應用有望 在安全運營中心（SOC）場景中降低安全服務人員的數量，實現降本增效。例如在用戶行為分析（UEBA）方面，傳統的 SIEM 是基于特征和規則進行分析，而用戶行為超越了規則和相關性，可通過大模型的賦能研究攻擊者行為模式，從而更加有效地檢測內部威脅、針對性攻擊和欺騙；又例如，在攻擊者可以加密數據之前，SIEM 可能會檢測到勒索軟件的

131、警報并在受影響的系統上自動執行應對操作，大模型的代碼生成能力可以提升系統的自動響應能力。需求側方面，大模需求側方面，大模型被用于攻擊而催生出新的安全需求。型被用于攻擊而催生出新的安全需求。例如，據Darktrace 發現，自 ChatGPT 發布，網絡釣魚電子郵件的平均語言復雜度上升了 17%。釣魚郵件數量顯著上升且語言復雜度快速上升的情形下，郵件安全領域正在發生變革從“安全”電子郵件網關轉為智能 AI 方法，只有深入了解每個員工的日?；?，才能準確確定電子郵件是否歸屬其收件箱。另外，雖然直接要求 ChatGPT 生成攻擊代碼是大模型所拒絕的，但這一規則并非無法繞過，通過對生成惡意代碼的要求進

132、行修飾，可以規避 ChatGPT 的安全措施，達到曲線實現生成惡意代碼的目的，更為嚴重的是惡意人員無需任何編程經驗就能夠通過 ChatGPT 編寫惡意軟件。在大模型時代，無論在大模型時代，無論 ChatGPT還是還是 Google 的的 PaLM，都以，都以 API 的方式的方式交付其能力，必將導致交付其能力，必將導致 API 安全需求的井噴安全需求的井噴。大模型爆火前，API 在物聯網、微服務、云原生等場景加速應用。Salt Security 發布的State of API Security Report,Q1 2023報告指出，94%的受訪企業在過去一年中遇到過生產系統中的 API 安全問

133、題，且與六個月前相比 API 攻擊活動數量增加了 400%，GPT 的現象級火爆必然是背后的原因之一。GPT 引爆的 AI 大模型帶來的 API 安全需求或將成為 2023 年甚至 AI 大模型時代長期的安全重點。對于 LLM 的 API 使用者來說，API 安全供應商可以讓企業管理者對內部的 API 使用情況保持可見性，并盡可能避免經過身份驗證的、無法防范的 API 使用威脅。5.1.4.大模型輸出的大模型輸出的 AI 能力要有原生的安全性能力要有原生的安全性 雖然大模型能夠帶來網絡安全性能的較大飛躍，但也要考慮大模型所輸雖然大模型能夠帶來網絡安全性能的較大飛躍，但也要考慮大模型所輸出的出的

134、 AI 能力的安全性。能力的安全性。大模型輸出能力的安全性，即“安全的 AI”，在其產業應用過程中跟傳統網絡安全防護同等重要，本質上是因為 AI 大模型作為一個工具，應當幫助人們而不是取代人們或對人類社會造成傷害?；诎踩拇竽Ｐ?，其對傳統網絡安全的賦能的有效性才能得到充分保證?！鞍踩陌踩?AI”（AI Safety）思想是致力于構建安全的大模型，模型安全）思想是致力于構建安全的大模型，模型安全需要重點考慮三大因素。需要重點考慮三大因素。AI Safety 的具體內容包括：與人類意圖對齊（Alignment）、可解釋性（Interpreferability）、魯棒性（Robustness）

135、。其中，對齊（Alignment）要求 AI 系統的目標要和人類的價值觀與利益相保持一致，但 AI 對齊的實現也存在三方面挑戰，一是選擇合適的價值觀，二是將價值觀編碼到 AI 系統中，三是選擇合適的訓練數據；可解釋性是指對模型內部機制的理解以及對模型結果的理解；魯棒性可以理解為模型對數據變化的容忍度。圖圖 56：對齊、可解釋性、魯棒性的詳細解釋如下所示對齊、可解釋性、魯棒性的詳細解釋如下所示 資料來源：航行網安研究院，國泰君安證券研究 要保證大模型輸出能力的安全性，模型發布前的嚴格測試以及實踐中的要保證大模型輸出能力的安全性，模型發布前的嚴格測試以及實踐中的模型改善是基本要求模型改善是基本要求

136、。發布前的嚴格測試包括聘請外部專家進行反饋，通過 RLHF 等技術來改善模型的行為，建立廣泛的安全和監控系統。例如，在最新模型 GPT-4 完成訓練后，花了 6 個多月的時間在整個組織中工作，以使其在公開發布之前更安全、更一致；在實踐中改善模型方面，例如行業標兵 OpenAI 將謹慎地逐步發布新的 AI 系統，并在吸取經驗教訓后不斷改進，通過提供 API 和最強大的模型，使開發者能將技術直接應用于程序中，這有助于監測濫用情況并采取行動，建立緩解措施以應對實際濫用方式，而非僅停留在理論層面。要從本質上保證大模型輸出的要從本質上保證大模型輸出的 AI 能力的安全，就要首先明確大模型系能力的安全，就

137、要首先明確大模型系統全生命周期的機理。統全生命周期的機理。構建大模型的生命周期一般可以分為五個階段：數據收集、數據預處理、模型訓練、模型推理和系統集成。每個階段都容易受到不同的安全威脅。其中，在數據收集階段，針對硬件采集的代表性攻擊方式是通過訪問或篡改傳感器提供的數據來進行傳感器欺騙攻擊（sensor spoofing attacks）；而針對軟件采集的方式會產生數據偏差、虛假數據、數據泄露等安全風險；在預處理階段容易受到圖像縮放攻擊；在模型訓練階段，AI 大模型最容易受到的攻擊類型是投毒攻擊；推理階段常常出現的攻擊方式是對抗攻擊。以上前四個階段的安全保障是大模型能力安全的主要著力點。圖圖 5

138、7：針對針對 AI 大模型能力的防范，要從模型構建的五個階段分別入手大模型能力的防范，要從模型構建的五個階段分別入手 資料來源：人工智能倫理治理標準化指南，國泰君安證券研究 數據防泄漏（數據防泄漏（DLP）是企業客戶目前絕對的頭號安全需求。）是企業客戶目前絕對的頭號安全需求。三星半導體工廠的員工在將源代碼輸入 ChatGPT 以識別和消除錯誤并優化程序的同時，也無意中通過 GPT 向公眾泄露了機密的生產數據，另一名三星員工使用 AI 聊天機器人總結會議記錄，導致該會議記錄被泄露。上述數據泄漏事件只是冰山一角，根據 CYBERHAVEN 在 3 月 21 日發布的調查，8.2%的員工在工作場合使

139、用過 ChatGPT，6.5%的員工曾經將公司數據粘貼進去過，3.1%的員工曾經將公司敏感數據喂給過 ChatGPT，而敏感數據占員工粘貼總數據的 11%。圖圖 58：使用使用 ChatGPT導致了數據泄露的高風險性導致了數據泄露的高風險性 資料來源：Cyberhaven 基于人類反饋機制，可以一定程度上保證大模型數據源的安全、隱私性基于人類反饋機制，可以一定程度上保證大模型數據源的安全、隱私性以及準確性以及準確性。在訓練模型中，可以通過在最大可行情況下刪除訓練數據集中的個人信息，并且調整模型以拒絕對私人個人信息的請求，從而響應個人從其數據集中刪除其個人信息的要求。這些步驟可以最大限度地減少模

140、型可能生成包含個人信息的響應的可能性。又例如，OpenAI 通過利用用戶對被標記為不正確的 ChatGPT 輸出的反饋作為主要數據來源，提高了 GPT-4 的事實準確性，從而 GPT-4 產生真實內容的可能性比GPT-3.5 高 40%。5.1.5.大模型本身的安全防護也同等重要大模型本身的安全防護也同等重要 在在 AI 大模型的系統集成階段，情況就變得更加復雜大模型的系統集成階段，情況就變得更加復雜。人工智能應用的系統集成不僅涉及人工智能技術本身的安全風險，還涉及車載系統、網絡、軟件、硬件的結合點問題，這些威脅包括 AI 數據和模型的機密性、代碼漏洞、人工智能偏見等。因此，針對大模型使用過程

141、中的隱患點，海外已經出現了專注于大模型因此，針對大模型使用過程中的隱患點，海外已經出現了專注于大模型的防火墻公司的防火墻公司。Arthur Sheild 是首個用于大語言模型的防火墻，幫助公司更快、更安全地部署 ChatGPT 等大模型應用程序，保障模型部署和運行安全。Arthur Sheild 能力可以包括：防止 PII 或敏感數據泄露、防止有毒的且攻擊性的或有問題的語言生成、防止幻覺、用戶惡意提示以及防止惡意注入。圖圖 59：Arthur Sheild 發布的大語言模型防火墻的能力矩陣如下所示發布的大語言模型防火墻的能力矩陣如下所示 資料來源：安全內參，國泰君安證券研究 圖圖 60：Art

142、hur Sheild 大語言模型防火墻架構如下所示大語言模型防火墻架構如下所示 資料來源：Arthur Sheild 官網 大模型除了需要傳統的企業安全堆棧保護，還有一些區別于其他軟件開大模型除了需要傳統的企業安全堆棧保護，還有一些區別于其他軟件開發公司的安全防護需求發公司的安全防護需求。在傳統保護方面，比如使用 Cloudflare、Auth0來管理流量和用戶身份。ChatGPT 在三月份經歷了 Redis Bug 導致的信息泄漏和宕機，這就產生了對例如 Datadog 和 Sumo Logic 等 APM、可觀測性供應商的需求。大模型還有一些區別于其他軟件開發公司的安全防護需求，比如 Pr

143、ompt 注入攻擊等，則對安全公司提出了更高的要求。海外已出現許多專注于 Security for AI 的公司，比如 HiddenLayer MLSEC平臺是一種基于軟件的非侵入式平臺，主要用于監測機器學習（ML）算法的輸入和輸出，可以阻止對抗性攻擊并提供對 ML 資產的健康和安全的可見性。平臺基于不需要訪問客戶數據或知識產權的云架構，在不影響速度、效率和可靠性的情況下保護客戶的 ML 資產。同時，平臺可幫助客戶維護 ML 算法，保護其免受推理、數據中毒、逃避或模型注入等攻擊，并防止敏感訓練數據被公開。圖圖 61：HiddenLayer是在理解機器學習特點基礎上進行安全防御是在理解機器學習特

144、點基礎上進行安全防御 資料來源：HiddenLayer 官網 5.2.AI 網絡安全市場高速增長，海外巨頭布局迅速網絡安全市場高速增長，海外巨頭布局迅速 全球全球 AI 網絡安全的投資呈現高速增長態勢。網絡安全的投資呈現高速增長態勢。物聯網的日益普及、對數據保護的擔憂不斷增加以及網絡攻防對抗持續升級等因素推動著 AI 在網絡安全行業的發展，越來越多的網絡安全廠商加大對 AI 安全市場的投資力度，搶占“AI+安全”制高點。MarketsAndMarkets 調研數據顯示，2023 年 AI 在網絡安全市場規模為 224 億美元，預計到 2028 年將達到606 億美元，CAGR 為 21.9%，

145、同時，MarketsAndMarkets 認為在預測期內，北美將占據 AI 網絡安全市場最大份額。圖圖 62：網絡安全行業下的網絡安全行業下的 AI 市場規模正快速攀升市場規模正快速攀升 資料來源：MarketsAndMarkets 官網，國泰君安證券研究 海外巨頭加速布局海外巨頭加速布局“AI+安全安全”。2023 年 3 月，微軟公司宣布推出下一代AI產品Microsoft Security Copilot，該產品將 AI技術融入網絡安全領域，賦予安全專業人員洞察環境變化與態勢，快速檢測和響應威脅，持續學習和做出更明智高效的決策的能力。同年 4 月，在 RSAC2023 上，谷歌云正式發布

146、 Google Cloud Security AI Workbench，該產品基于新型安全專用大型語言模型 Sec-PaLM，集成了包括 Mandiant 態勢感知、VirusTotal查殺平臺和 Chronicle AI 聊天在內的眾多谷歌安全能力。企業用戶通過與平臺合作可緩解威脅數據和使用眾多安全工具所帶來的日常安全運營壓力。圖圖 63：谷歌谷歌 AI 安全工作臺模式如下所示安全工作臺模式如下所示 資料來源：中國電信研究院，國泰君安證券研究 海外頭部安全廠商也持續加碼海外頭部安全廠商也持續加碼 AI 相關產品應用相關產品應用。IBM Security Qradar Suite 產品嵌入 A

147、I 和自動化，加快了安全團隊對攻擊鏈每個步驟的響應速度；CrowdStrike公司與 Cribl 聯合推出 CrowdStream，旨在提供更加快捷和準確的網絡安全數據采集與分析；Fortinet 打造的FortiXDR是首款利用 AI 進行事件調查響應的解決方案，可以完全自動化完成通常由經驗豐富的安全分析人員處理的安全運營流程，因而能夠跨廣泛的攻擊面更快速地緩解威脅。5.3.國內廠商國內廠商 AI 能力積淀已久，大模型方向紛紛加碼能力積淀已久，大模型方向紛紛加碼 5.3.1.奇安信：把握奇安信：把握 AI 新機遇，深入探索網絡安全藍海新機遇，深入探索網絡安全藍海 把握新技術浪潮，推出最貼合市

148、場的新產品和新服務。把握新技術浪潮，推出最貼合市場的新產品和新服務。針對生成式人工智能（AIGC）技術，公司結合“內生安全”理念，利用多年以來的海量安全大數據和知識積累，積極訓練專有的類 ChatGPT 安全大模型，計劃在安全產品開發、威脅檢測、漏洞挖掘、安全運營及自動化、攻防對抗、反病毒、威脅情報分析和運營、涉網犯罪分析等領域實現廣泛應用。奇安信在 AI 技術賦能安全方向成果頗豐，其研究成果廣泛應用于公司產品中，在數據挖掘、異常檢測、復雜網絡分析中都成功使用了深度學習和機器學習技術。圖圖 64：奇安信：奇安信“內生安全內生安全”理念主要由三部分組成理念主要由三部分組成 資料來源：奇安信官網

149、攜手生態伙伴，助力我國人工智能開源生態新局面攜手生態伙伴，助力我國人工智能開源生態新局面。2022 年，奇安信獲批建設“軟件安全國家新一代人工智能開放創新平臺”。平臺的目標是解 決海量復雜軟件的安全問題，持續研究基于人工智能快速發現軟件安全問題的方法，以夯實我國數字經濟的基礎。截至 2022 年，奇安信擁有187 項網絡安全領域的人工智能相關專利，是目前擁有最多相關專利的網絡安全企業。這些專利技術，將在軟件安全國家新一代開放創新平臺的建設過程中發揮重要作用。2023 年 2 月 24 日，奇安信與新一代人工智能開源開放平臺OpenI 啟智社區也正式牽手。此次合作，奇安信將助力 OpenI 啟智

150、社區為軟件開發用戶、軟件應用用戶及安全分析用戶提供代碼智能安全檢測服務、風險智能判別及處置服務、安全智能分析算法的訓練服務。5.3.2.深信服：深信服：AI 布局前瞻，大模型領域先發優勢顯著布局前瞻，大模型領域先發優勢顯著 堅持堅持 AI First理念，以理念，以 AI技術研究及應用賦能云產品升級技術研究及應用賦能云產品升級。公司采用“AI First”理念構建云全產品體系，超融合、托管云服務、桌面云、存儲和數據庫管理均需用到 AI 技術?；谠撔峦瞥龅娜庐a品體系架構，可以全面提升性能、可靠性、安全和運維管理方面的能力，并把這個能力稱為 AFOPS、AIRUN 和 AISEC。AISEC

151、保證上云即安全；AIRUN 使得客戶使用云的時候更加方便、有效、快捷；AIOPS 使得使用云的時候維護能力提高，自動化的水平提高，而不再需要更多的人力。圖圖 65：基于基于 AI First 理念，深信服超融合運作模式如下理念，深信服超融合運作模式如下 資料來源：深信服，國泰君安證券研究 深信服的深信服的 AIOps 天工引擎是天工引擎是 AI 技術的關鍵應用技術的關鍵應用。AIOps 天工智能運維引擎是國內首創的 O2O 場景下的智能運維引擎，作用于云計算業務，全生命周期覆蓋了 150+的運維場景，可以做到 7-30 天提前預測、1 分鐘及時發現、3 分鐘快速定位的核心能力?；谏钚欧氂械?/p>

152、 O2O 數據，完成了各類 AI 算法的研發與適配，表現為預測、分析、處置三大能力。AIOps 天工引擎利用小樣本學習技術，僅依賴少量高質量的數據即可以天工引擎利用小樣本學習技術，僅依賴少量高質量的數據即可以實現較高的算法準確率。實現較高的算法準確率?；谶w移學習技術，利用云端的海量數據以及充足的算力構建 AI 模型，該模型在線下場景中依然能發揮較好的推理效果。AIOps 天工已經可以利用多模態的數據融合分析，可以將弱信號進行關聯，并且可以將弱信號進行充分挖掘，實現可靠性以及事件提前預測和預防。AIOps 天工引擎還可以從結構化以及非結構化數據中生成運維圖譜，這個運維圖譜可以具備上下文的理解能

153、力，可以幫助運維人員非常充分的理解它的資源場景且及時發現并修復問題，并且還提供了統一編排的優化建議，來幫助運維人員去解決可靠性事件，比如事件生成、智能調度以及處置建議等。安全安全 GPT+XDR 引領行業新趨勢引領行業新趨勢。2023 年 5 月 18 日，深信服發布了其自研安全大模型。據深信服強調，安全 GPT 是完全自主可控的，不依賴開源模型服務（但架構于開源大模型之上），由深信服自主訓練，訓練數據部署在深信服托管云上，實現數據不出境。安全 GPT 賦能 XDR后，在高級威脅檢測、安全監測調查、熱門漏洞排查等安全運營工作中表現出色。首先是實現了準確率的提高，通過前期 5000 萬樣本數據測

154、試，相較傳統檢測引擎，賦能安全 GPT 技術的深信服 XDR 高級威脅檢測率高達 95.7%，誤報率（安全告警里判錯的比例）僅 4.3%；其次是效率提高，運營人員花費 3-6 小時才能完成的安全監測調查工作，由安全GPT 來完成只需 5-10 分鐘，幾番簡單的對話就可以快速有效完成任務。圖圖 66：深信服安全深信服安全 GPT的主要能力維度如下所述的主要能力維度如下所述 資料來源：深信服，國泰君安證券研究 5.3.3.天融信：天融信：AI 與產品深度融合，競爭力持續提升與產品深度融合，競爭力持續提升 創新融入創新融入 AI，持續增強產品核心競爭力。，持續增強產品核心競爭力。天融信在 AI 安全

155、領域布局較早，且早在 2019 年與 IDC 聯合發布了國內首個融入人工智能的下一代防火墻白皮書。公司主要運用 AI 技術進行威脅情報分析、網絡應用分類、未知威脅檢測等，并已實際應用于公司產品，已發布的產品有防火墻、入侵防御、僵木蠕、沙箱、大數據分析、態勢感知、EDR、數據防泄漏等。2022 年訂閱收入 3.13 億元，其中至少一半來源 AI 生產的知識。同時，公司自 2020 年開始部署和使用類大模型，目前已訓練出用于安全服務的基礎模型，同時正在訓練用于非核心模塊（例如自動化測試）的代碼自動編寫模型，提升開發效率。圖圖 67：天融信融入：天融信融入 AI 的下一代防火墻運作的下一代防火墻運作

156、模式如下模式如下 資料來源：天融信微信公眾號 5.3.4.綠盟科技：打造綠盟科技：打造 AI 實驗室，加碼實驗室，加碼 GPT智能應用智能應用 積極探索以積極探索以 AISecOps、SecXOps和安全知識圖譜為代表的新型和安全知識圖譜為代表的新型 AI技術。技術。公司于 2016 年成立了八大實驗室，其中天樞實驗室專注于 AI 方向的研究，積累深厚，目前已取得多項研究成果，包括：發布了安全知識圖譜，推出了 AI SecXOps 概念和產品，以及與高校研究機構合作發布了白皮書等。公司高度重視以 ChatGPT、GPT-4.0 為代表性的大語言模型對安全產業的影響力，開展了對安全攻防、安全運營

157、、GPT 內容識別等領域類 GPT 技術的研究；憑借長期積淀的攻防知識、運營數據與威脅情報，將在 2023 年第三季度發布基于類 GPT 技術的智能安全服務機器人，旨在把大模型能力用到代碼安全、安全運營效率提升、安全分析研判準確度提升等方面。圖圖 68：SecXOps 核心技術能力拆解如下核心技術能力拆解如下 資料來源：綠盟科技微信公眾號 5.3.5.安恒信息：數據安全體系完備，安恒信息：數據安全體系完備，AI 賦能下優勢凸顯賦能下優勢凸顯 安恒的大數據及數據安全相關產品廣泛使用了安恒的大數據及數據安全相關產品廣泛使用了 AI 技術，產品力逐年提技術，產品力逐年提升。升。數據安全是安恒的重大戰

158、略方向，而數據安全與人工智能也具有天然的結合性，公司常年來的產品打磨中均有效利用了 AI 技術優勢，產品力持續提升，尤其體現在 AiSort 數據安全分級、AiMask 數據脫敏、AiGate 數據安全網關、AiThink 行為分析以及 AiTrust 零信任等產品體系中。圖圖 69：安恒信息安恒信息 AiGuard 數據安全全景圖譜如下所示數據安全全景圖譜如下所示 資料來源：安恒信息 基于強化學習的人工智能模型已經在安恒信息基于強化學習的人工智能模型已經在安恒信息 AiSort 數據安全分級產數據安全分級產品中部署應用。品中部署應用。產品基于 AI 算法實現對敏感數據準確高效識別，系統支持對

159、用戶數據資產進行漏洞評估、安全風險評估，幫助用戶從多個維度感知數據資產安全狀況。AiSort 內置了融合法律法規、行業標準等領 域知識的預訓練模型，同時支持模型有監督訓練。用戶利用有標簽的數據源對模型進行訓練，學習數據的特征與類別級別之間的內在關聯，可預測出其它類似數據源的分類分級結果。產品在交互中接收人工反饋，引入強化學習 RLHF 來微調預訓練的分類分級模型，在模型給出的候選分類分級結果中選擇最優結果，通過獎勵懲罰機制使模型不斷優化自身，訓練出一個分類分級領域適合客戶的專有 AI 模型。安恒安恒 MSS 平臺積淀的大量數據為后期智能應用的鋪開奠定堅實基礎平臺積淀的大量數據為后期智能應用的鋪

160、開奠定堅實基礎。在云環境下，依托安恒信息 MSS（托管安全服務）平臺積累的大量數據，利用強化學習訓練模型和人工反饋不斷調試優化，開發運營反饋模塊，針對告警排查過程中的各種日志證據，進行錄入上報，從而利用大模型學習到其中的模式并自動的生成告警規則，在降低誤報的同時也可以對新產生的攻擊方式和手法自動生成檢測規則；另外，基于所積累的數據，安恒已經訓練了初步的模型來構建智能客服問答系統，并在公司內部開始試用。5.3.6.啟明星辰：啟明星辰：“盤小古盤小古”助力助力 AI 安全研發運營一體化安全研發運營一體化 人工智能賦能安全一直是啟明星辰重點探索的方向。人工智能賦能安全一直是啟明星辰重點探索的方向。公

161、司自主研發的人工智能安全建模和賦能平臺，被威脅檢測、安全大數據分析、威脅情報、UEBA 等多個產品廣泛采用，全面提升了安全數據治理、安全模型構建、模型安全檢測、模型推理賦能等能力，實現了基于 ModelOps 和 AIOps的人工智能應用快速搭建、模型全生命周期管理和多重賦能，助力流量檢測技術、威脅檢測技術等實現智能化，推動公司網絡安全產品向自動化、智能化進階。啟明星辰于啟明星辰于 2022 年發布了年發布了“PanguBot(盤小古盤小古)”安全智慧生命體。安全智慧生命體。公司基于人工智能技術的智能化安全運營解決方案，構筑了以全生命周期人工智能安全服務、運營（AISecOps）為目標的 AI 安全研發運營一體化平臺?！癙anguBot”由啟明星辰盤古人工智能平臺提供模型運行算力和環境，以 Chat 為窗口，應用基于安全運營專用語料庫訓練的自然語言模型，能夠接收文字、語音、圖片、視頻等方式的信息輸入，通過文字和圖片的形式向用戶反饋，并能夠整合各種運營工具，實現安全分析處置自動化，此成為啟明星辰智能化安全運營的有力支撐。圖圖 70：“盤小古盤小古”安全智慧生命體功能概況如下所示安全智慧生命體功能概況如下所示 資料來源：啟明星辰微信公眾號