《?？低?公司研究報告-感知與認知技術螺旋上升引領智能物聯新未來-240709（38頁）.pdf》由會員分享，可在線閱讀，更多相關《?？低?公司研究報告-感知與認知技術螺旋上升引領智能物聯新未來-240709（38頁）.pdf（38頁珍藏版）》請在三個皮匠報告上搜索。

1、請務必閱讀正文之后的免責聲明及其項下所有內容證券研究報告證券研究報告|20242024年年0707月月0909日日優于大市優于大市?？低暎ê？低暎?02415.SZ002415.SZ）感知與認知技術螺旋上升，引領智能物聯新未來感知與認知技術螺旋上升，引領智能物聯新未來核心觀點核心觀點公司研究公司研究深度報告深度報告電子電子其他電子其他電子證券分析師：胡劍證券分析師：胡劍證券分析師：胡慧證券分析師：胡慧021-60893306021-S0980521080001S0980521080002證券分析師：葉子證券分析師：葉子證券分析師：詹瀏洋證券分析師：詹瀏洋0755-81982153010-S

2、0980522100003S0980524060001聯系人：李書穎聯系人：李書穎聯系人：連欣然聯系人：連欣然0755-81982362010- 基礎數據投資評級優于大市(維持)合理估值36.00-40.00 元收盤價29.41 元總市值/流通市值274413/267876 百萬元52 周最高價/最低價37.75/28.86 元近 3 個月日均成交額844.86 百萬元市場走勢資料來源：Wind、國信證券經濟研究所整理相關研究報告?？低暎?02415.SZ）-1Q24 扣非歸母凈利潤同比增長 13%，智能物聯轉型初步完成 2024-04-22?？低暎?02415.SZ）-4Q23 歸母凈利

3、潤環比增長 50%，公司經營顯韌性 2024-02-04?？低暎?02415.SZ）-3Q23 單季度歸母凈利潤同比增加 14%，“觀瀾”大模型提供長期發展動能 2023-10-26?？低暎?02415.SZ）-2Q23 單季度營收與歸母凈利潤均實現同環比增長 2023-08-22?？低暎?02415.SZ）-一季度毛利率實現同環比回升，業績有望持續改善 2023-04-18公司公司是基于大數據是基于大數據、人工智能與物聯感知技術的解決方案廠商人工智能與物聯感知技術的解決方案廠商。公司針對千行萬業場景數字化轉型需求提供軟硬件解決方案：包括覆蓋電磁波、機械波等外界信息的感知硬件產品（如攝像

4、機、音頻、傳感器等）以收集外界信息；基于云計算、大數據與人工智能等技術構建了“云邊融合、物信融合、數智融合”的能力架構進行數據處理與分析；在此框架下形成了覆蓋10 余個主行業、近90 個子行業500 多個細分場景的軟硬件數字化解決方案能力。經營穩健股東回報穩定經營穩健股東回報穩定，智能物聯轉型初步完成智能物聯轉型初步完成。隨視頻技術由安防向物聯媒介發展，公司持續轉型升級，收入規模由上市之初7 億元增長至23年893億元，自上市至23 年累計現金分紅 584 億元。隨著視頻監控進入智能化階段，公司開啟了智能物聯轉型:從建立云邊融合三層計算架構到產品端(兩池一庫四平臺)與業務端（PBG/EBG/S

5、MBG 事業群）整合，結合感知、大模型與大數據等技術投入，23 年智能物聯轉型初步完成，EBG 企業事業群收入占比超過 PBG 公共服務事業群達 20%，成為增長主要動能。行業邁向智能化行業邁向智能化，打開智能物聯增長空間打開智能物聯增長空間。根據羅蘭貝格與華為數據，制造業、金融保險、零售、能源電力等產業的數字化潛在價值均在2 萬億美元以上；以作為支柱性工業的制造業為例，其行業特點為重資產且流程復雜，需要在制造、運輸、管理等多個環節進行數字化應用以實現降本增效，轉型訴求強，數字化創造的潛在價值達6 萬億美元。在此背景下，企業智能化解決方案單位價值量持續提升；以某新能源企業為例，對應業務價值量由

6、 18 年110萬元+增加至21-22 年合計2500萬元+。圍繞智能化要素圍繞智能化要素，公司智能物聯架構與落地能力鑄就核心競爭力公司智能物聯架構與落地能力鑄就核心競爭力。行業智能化沿收集數據、建立數據關系到挖掘數據價值發展，高質量數據、使能工具為核心要素。?？低暬谌娓兄a品與碎片化場景經驗積累建立了覆蓋各行各業的高質量數據來源，基于云邊融合計算架構、AI開放平臺為用戶提供了“開箱即用”的使能工具，疊加大模型的引入提升了解決方案落地的效率，最終建立了基于軟硬件技術的千行萬業數字化解決方案能力。盈利預測與估值盈利預測與估值：我們看好公司的經營韌性與行業智能化帶來的長期增長動能，預計24-

7、26 年歸母凈利潤163/181/195億元（YoY+16%/+11%/+8%）；通過相對估值，預計公司合理目標價為36-40 元，相對目前股價有21%-33%溢價空間，維持“優于大市”評級。風險提示：風險提示：宏觀經濟增長不及預期，海外需求增長不及預期。盈利預測和財務指標盈利預測和財務指標20222022202320232024E2024E2025E2025E2026E2026E營業收入(百萬元)83,16689,34098,174106,039113,735(+/-%)2.1%7.4%9.9%8.0%7.3%凈利潤(百萬元)1283714108163341811219548(+/-%)-2

8、3.6%9.9%15.8%10.9%7.9%每股收益（元）1.361.511.751.942.10EBITMargin14.9%15.7%17.5%18.1%18.3%凈資產收益率（ROE）18.8%18.5%19.5%19.8%19.5%市盈率（PE）22.620.417.615.914.7EV/EBITDA25.222.418.116.215.0市凈率（PB）4.253.773.433.152.87資料來源：Wind、國信證券經濟研究所預測注：攤薄每股收益按最新總股本計算請務必閱讀正文之后的免責聲明及其項下所有內容證券研究報告證券研究報告2內容目錄內容目錄?？低暫？低?基于智能物聯技術

9、的解決方案廠商基于智能物聯技術的解決方案廠商.5 5深耕行業數十載，引領智能物聯新未來.5經營保持穩健，股東回報穩定.8行業邁向智能化，打開智能物聯增長空間行業邁向智能化，打開智能物聯增長空間.1010行業智能化帶來解決方案價值量提升.10數據、使能工具與生態是行業智能化的核心要素.11AI 技術是行業智能化落地的重要工具.13智能物聯與工程化能力鑄就核心競爭力智能物聯與工程化能力鑄就核心競爭力.1919從硬件到軟件完成智能物聯轉型.19多維感知技術夯實智能物聯基礎.20云邊融合構建智能物聯框架.22觀瀾大模型增強工程化落地能力.24盈利預測盈利預測.2929假設前提.29未來 3 年業績預測

10、.30盈利預測情景分析.31估值與投資建議估值與投資建議.3232投資建議.33風險提示風險提示.3434附表：附表：財務預測與估值財務預測與估值.3636bU9WbZfVeZ8XeUfV8OdN9PsQrRsQnReRqQtMeRrQrQbRmMyRxNsQoQuOtOmM請務必閱讀正文之后的免責聲明及其項下所有內容證券研究報告證券研究報告3圖表圖表目錄目錄圖1：?？低暟l展歷程.5圖2：?？低晿I務案例：制造工廠數字化.6圖3：?？低晿I務體系.6圖4：?？低暪蓹嘟Y構（截止 2024 年 06 月）.7圖5：?？低暯迥隊I業收入.8圖6：公司近五年國內主業營收結構（單位：億元）.8圖7

11、：公司近五年海外收入（單位：億元）.8圖8：公司近五年創新業務收入（單位：億元）.8圖9：公司近五年歸母凈利潤及增速（單位：億元、%）.9圖10：公司近五年毛利率與凈利率情況（單位：%、%）.9圖11：公司近五年人均貢獻情況.9圖12：公司 2010-2023 年分紅情況.9圖13：各行業數字化轉型層次.10圖14：數字化潛在價值提升案例.10圖15：數字化潛在價值.11圖16：行業智能化框架.11圖17：行業智能化基本思路與實現工具.12圖18：行業智能化核心要素：高質量數據.12圖19：行業智能化核心要素：工程化落地.13圖20：工業制造的主流程與 AI 應用場景.14圖21：制造業企業數

12、字化演進.14圖22：人工智能發展歷程.15圖23：作坊式 AI 開發與大模型支撐下的工業化 AI 開發模式對比.16圖24：視覺大模型小樣本與小模型全量樣本對比.16圖25：制造業企業數字化演進.17圖26：行業智能化開發者根據業務邊界確定服務范圍.17圖27：?？低曢_放合作模式.18圖28：行業智能化且競且合.18圖29：?？低晿I務核心競爭力.19圖30：?？低曋悄芪锫搼鹇赞D型.20圖31：?？低曋悄芑?20圖32：?？低暩偁幜Γ憾嗑S感知技術.21圖33：?？低暥嗑S感知產品案例：工業聽診麥克風系列產品.21圖34：?？低暩偁幜Γ焊哔|量數據.22圖35：AI 開放平臺與云邊

13、部署架構.23圖36：?？低?AI 開放平臺架構圖.23圖37：觀瀾大模型.24請務必閱讀正文之后的免責聲明及其項下所有內容證券研究報告證券研究報告4圖38：觀瀾視覺大模型泛化任務性能對比.25圖39：觀瀾大語言模型訓練過程.25圖40：觀瀾多模態大模型之圖文多模態大模型.26圖41：觀瀾預測模型訓練過程.26圖42：觀瀾光纖大模型.26圖43：觀瀾大模型電力行業應用.27圖44：觀瀾大模型內部賦能.27圖45：?？低曢艠渖鷳B.28圖46：可比公司 2018 至 2023 營業收入情況（億元）.32圖47：可比公司 2018 至 2023 營收同比增速（%）.32圖48：可比公司 2018

14、 至 2023 扣非凈利潤情況（億元）.33圖49：可比公司 2018 至 2023 扣非凈利潤同比增速（%）.33表1：?？低暩吖芮闆r.7表2：?？低晿I務拆分.30表3：未來 3 年盈利預測表.30表4：情景分析（樂觀、中性、悲觀）.31表5：同類公司估值比較.33請務必閱讀正文之后的免責聲明及其項下所有內容證券研究報告證券研究報告5?？低暫？低?基于智能物聯技術的解決方案廠商基于智能物聯技術的解決方案廠商深耕行業數十載，引領智能物聯新未來深耕行業數十載，引領智能物聯新未來?？低暢闪⒂?2001 年，隨視頻的功能由監控向物聯媒介發展，公司由安防硬件逐步發展成為智能物聯的解決方案公司

15、，為千行百業的用戶提供基于物聯感知、人工智能、大數據的智能化服務，形成從硬件到軟件的智能化解決方案，目前公司業務已覆蓋全球 150 多個國家和地區，為全世界超過 15 萬客戶提供服務。隨視頻、聲波等感知手段在終端的應用形式變化，?？低晿I務持續鋪開：（1）數字化階段（2001-2009）：起步階段，自主研發了視頻壓縮板卡和錄像機產品等，并將 H.264 算法引入視頻監控領域，抓住了安防技術和產品升級換代的發展機遇，登上了行業發展的快車。（2）網絡、高清化階段（2010-2016）：快速發展期，2010 年在深交所上市，2011年躍居全球視頻監控領域市占率第一位，業績高速增長，實現“百億?？怠?。

16、（3）智能化階段（2017-至今）：隨視頻的功能由監控向物聯發展，公司開啟智能物聯戰略，AI 作為解決方案有效工具逐步嵌入公司業務中，包括：AI Cloud架構、AI 開放平臺、物信融和數據平臺、智慧城市數智底座等，進一步鞏固了公司的地位，公司定位進一步提升為智能物聯 AIOT 公司。圖1：?？低暟l展歷程資料來源：公司公告，國信證券經濟研究所整理公司提供從攝像頭等硬件產品到軟件平臺、智能算法、數據模型和業務服務的綜合數字化解決方案。以制造工廠數字化解決方案為例，基于安全消防一體化、產線人員管理、生產質量管理、輔助生產、倉庫管理、內物流管理、設備管理、場院物流調度、倉庫管理等需求，?？低曁峁?/p>

17、相機、光纖、傳感器、機器人等硬件產品和相應的軟件系統與平臺，最終形成工廠制造管理的一體化解決方案。請務必閱讀正文之后的免責聲明及其項下所有內容證券研究報告證券研究報告6圖2：?？低晿I務案例：制造工廠數字化資料來源：?？低曂顿Y者關系，國信證券經濟研究所整理公司業務體系由 3 類支撐技術、5 類軟硬產品、4 項系統能力、2 類業務組織和 2個營銷體系構成。3 3 類支撐技術類支撐技術包括物聯感知技術、人工智能技術和大數據技術；5 5 類軟硬產品類軟硬產品包括物聯感知產品、IT 基礎產品、平臺服務產品、數據服務產品和應用服務產品；4 4 項系統能力項系統能力包括系統設計開發、系統工程實施、系統運

18、維管理和系統運營服務；2 2 類業務組織包括類業務組織包括 3 3 個事業群個事業群（公共服務事業群、企事業事業群和中小企業事業群）和 8 8 個創新業務個創新業務（智能家居、移動機器人與機器視覺、紅外熱成像、汽車電子、智慧存儲、智慧消防、智慧安檢、智慧醫療）；2 大營銷體系包括國內和國際業務營銷體系。圖3：?？低晿I務體系資料來源：公司公告，國信證券經濟研究所整理請務必閱讀正文之后的免責聲明及其項下所有內容證券研究報告證券研究報告7截至 24 年 6 月，中國電子科技集團通過中電?？?、電科投資和五十二所合計持股40.91%，為公司實際控制人；公司員工持股平臺威訊投資持股 4.83%。24 年

19、 1 月，基于對公司持續穩定發展的信心和長期投資價值的認可，公司控股股東中電?？低瓿闪斯竟煞菰龀?，對應金額 2 億元；一致行動人電科投資 1 月 16 日增持 4036萬元并計劃未來 6 個月內繼續增持公司股票，金額不低于 3 億元不高于 6 億元。表1：?？低暩吖芮闆r姓名姓名職務背景陳宗年陳宗年董事長1965 年出生，管理學博士，高級工程師。歷任深圳高科潤電子有限公司副總經理、浙江?？敌畔⒓夹g股份有限公司董事兼總經理、浙江?？导瘓F有限公司董事兼總經理、中國電子科技集團有限公司第五十二研究所所長助理、副所長、所長?，F任中電?？导瘓F有限公司董事長，鳳凰光學股份有限公司董事長，?？低暪径?/p>

20、長。胡揚忠胡揚忠董事、總經理1965 年出生，工學碩士，研究員級高級工程師。1989 年至 2001，任五十二所工程師；01 年任?？低曈邢薰径?、總經理；現任?？低暪径?、總經理。鄔偉琪鄔偉琪董事、副總經理1964 年出生，工學學士，高級工程師。歷任五十二所技術員、助理工程師、工程師和高級工程師；01 年加入?？?，歷任副總經理、常務副總經理、董事?，F任董事、常務副總經理。徐習明徐習明高級副總經理1973 年出生，工學學士。歷任 IBM 中國有限公司工程師、部門經理、總監、咨詢服務合伙人、咨詢服務高級合伙人、副總裁。16 年加入?？低?，現任高級副總經理。畢會娟畢會娟高級副總經理197

21、1 年出生，工學博士，研究員級高級工程師。歷任十五研究所工程師、高級工程師、研究員級高級工程師、研發部主任、副總工程師、副所長。16 年加入?？低?，現任高級副總經理。金艷金艷高級副總經理、財務負責人1979 年出生，管理學碩士，會計師。04 年加入?？低?，歷任財務經理、財務管理中心總經理、副總經理兼財務負責人?，F任高級副總經理、財務負責人。黃方紅黃方紅高級副總經理1982 年出生，法學學士。09 年加入?？低?，歷任法務部主管，內審部主管，內控部總監，副總經理兼董事會秘書.現任本公司高級副總經理，董事會秘書.徐鵬徐鵬高級副總經理1976 年出生，工學學士，高級工程師.歷任五十二所助理工程師

22、，工程師，04 年加入?？?，歷任攝像機研發經理，研發總監，產品總監，前端產品業務部總經理，現任前端產品業務部總裁，副總經理.郭旭東郭旭東高級副總經理1972 年出生，工學學士.02 年加入?？低?，歷任深圳分公司總經理，國內營銷中心市場總監，國內營銷中心副總經理.現任公共服務事業群市場部總裁，運營部總經理.何虹麗何虹麗高級副總經理1973 年出生，工商管理碩士.2001 年 12 月加入?？低曈邢薰?，歷任總經理助理，副總經理.現任本公司高級副總經理.浦世亮浦世亮高級副總經理1977 年出生，工學博士，高級工程師.2006 年 4 月加入?？低?，歷任研發工程師，研發經理，研發總監，研究院院

23、長，首席專家.現任高級副總經理.蔡昶陽蔡昶陽高級副總經理1971 年出生，工學學士.2004 年加入?？低曈邢薰?，歷任北京分公司總經理，政企合作部總監，投資部總監，戰略與市場部總監，副總經理.現任高級副總經理.金鐸金鐸高級副總經理1965 年出生，工學學士，高級工程師.歷任五十二所技術員，助理工程師,工程師和高級工程師;04 年加入?？?歷任杭州分公司總經理,副總經理.現任高級副總經理.陳軍科陳軍科高級副總經理1971 年出生,工學學士,高級工程師.歷任五十二所助理工程師,工程師,高級工程師,01 年加入?？?歷任技術管理中心 DVR 組技術總監,供應鏈管理中心總經理,職工代表監事.現任高

24、級副總經理.資料來源:公司公告，國信證券經濟研究所整理圖4：?？低暪蓹嘟Y構（截止 2024 年 06 月）資料來源：公司公告，國信證券經濟研究所整理請務必閱讀正文之后的免責聲明及其項下所有內容證券研究報告證券研究報告8經營保持穩健，股東回報穩定經營保持穩健，股東回報穩定公司經營穩健公司經營穩健，營收保持持續增長營收保持持續增長。2013 年至 2021 年公司營收與利潤保持增長，受國內外環境影響 22-23 年凈利潤短期波動，23 年公司實現營收 893.4 億元(YoY+7.42%)，歸母凈利潤 141.1 億元(YoY+9.89%)，毛利率 44.4%(YoY+2.15pct)，在逆境中

25、仍實現了營收增長，并在 4Q23 單季度實現了凈利潤端同環比增長。1Q24實現營收 178.2 億元(YoY+9.98%)，扣非歸母凈利潤 17.6 億元(YoY+13.3%)，毛利率 45.8%(YoY+0.59pct,QoQ+2.22pct)，通過供應鏈規模優勢，技術降本增效，公司毛利率穩中有增。圖5：?？低暯迥隊I業收入圖6：公司近五年國內主業營收結構（單位：億元）資料來源：公司公告，國信證券經濟研究所整理資料來源：公司公告，國信證券經濟研究所整理2323 年下半年國內業務同比增速修復年下半年國內業務同比增速修復，EBGEBG 收入占比超收入占比超 PBGPBG 達達 20%20%。2

26、3 年公共服務事業群（PBG）營收 153.54 億元(YoY-4.84%)，下半年同比增速由上半年-10.06%修復至-0.86%；企事業事業群（EBG）營收 178.45 億元(YoY+8.12%)，下半年同比增速由上半年+2.42%增長至+12.15%；中小企業事業群（SMBG）營收 126.79 億元(YoY+1.46%)，下半年同比增速由上半年-8.5%修復至+11.53%。EBG 收入占比已近20%，超過 PBG 收入，行業智能化成為發展主動能，智能物聯戰略轉型初步完成。圖7：公司近五年海外收入（單位：億元）圖8：公司近五年創新業務收入（單位：億元）資料來源：公司公告、Wind、國

27、信證券經濟研究所整理資料來源：公司公告、Wind、國信證券經濟研究所整理請務必閱讀正文之后的免責聲明及其項下所有內容證券研究報告證券研究報告92323 年海外業務同比增長年海外業務同比增長 8.83%8.83%，創新業務同比增長，創新業務同比增長 23.11%23.11%。23 年海外業務下半年同比增速由上半年+2.3%增至+13.95%，公司完成了海外四個大區調整合并，海外渠道銷售與項目市場同步開拓，發展了非視頻業務（門禁、報警、顯示等）的新增長曲線。除了主業部分，?？祫撔聵I務：螢石、?？滴⒂?、?？禉C器人、?？抵谴?、汽車電子等在海外持續拓展；未來隨著發展中國家地區業務鋪開，公司海外業務有望保

28、持穩定增長。圖9：公司近五年歸母凈利潤及增速（單位：億元、%）圖10：公司近五年毛利率與凈利率情況（單位：%、%）資料來源：公司公告、Wind、國信證券經濟研究所整理資料來源：公司公告、Wind、國信證券經濟研究所整理2323 年利潤端逐季加速改善年利潤端逐季加速改善(YoY-20.7%/+1.5%/+14.0%/+31.5%)(YoY-20.7%/+1.5%/+14.0%/+31.5%)，降本增效漸體現降本增效漸體現。22年公司凈利潤增速承壓，對人員與業務結構進行調整，3Q22 后公司產線工人以外的員工數量控制在41000 人左右，23 年人員費用壓力逐步減??；隨著項目數量修復增加，前期布局

29、員工由部分成熟產品線上分流至新產品線上，針對軟件端、硬件端的不同產品線，進行人員內部流動調配，實現人效持續提升。圖11：公司近五年人均貢獻情況圖12：公司 2010-2023 年分紅情況資料來源：公司公告、Wind、國信證券經濟研究所整理資料來源：公司公告、Wind、國信證券經濟研究所整理股東回報穩定股東回報穩定，自上市至自上市至 20232023 年累計現金分紅年累計現金分紅 584.05584.05 億元億元。公司自 2010 年 IPO上市募資 34 億元，此后每年保持穩定的現金分紅，2015 年后現金分紅比例保持在 50%左右，截至 2023 年累計現金分紅 584.05 億元。以公司

30、 2010 年發行的 1 股股票為單位，至今單位股票累計可獲現金分紅 116.3 元并對應現在股票約 19 股。請務必閱讀正文之后的免責聲明及其項下所有內容證券研究報告證券研究報告10行業邁向智能化，打開智能物聯增長空間行業邁向智能化，打開智能物聯增長空間行業智能化帶來解決方案價值量提升行業智能化帶來解決方案價值量提升企業數字化轉型企業數字化轉型逐步向千行百業滲透逐步向千行百業滲透。根據華為工業數字化 2030報告，行業數字化進程逐步由信息密集型企業向支柱性工業、消費與服務業擴散；其中，技術密集、固定資產投入高、大規模和高精度生產、流程標準化的行業如半導體、汽車等其盈利能力與數字化投入高度正相

31、關，數字化起步最早、轉型最為成熟；對于如軌道交通、3C 與家電、機械與設備等行業數字化帶來產品開發與生產流程優化，成為跟隨者已具備一定數字化基礎。圖13：各行業數字化轉型層次資料來源：華為工業數字化 2030，國信證券經濟研究所整理隨著隨著行業行業智能化，智能化，智能化解決方案價值量持續提升。智能化解決方案價值量持續提升。企業數字化從營銷數字化、支撐系統數字化、生產系統數字化向價值量鏈數字化重構方向演進。以某新能源制造企業智能化解決方案為例，其業務需求由視頻監控向安消一體業務再到智能制造發展，對應業務價值量由 18 年 110 萬元+增加至 21-22 年合計 2500 萬元+。圖14：數字化

32、潛在價值提升案例資料來源：?？低曂顿Y者關系，國信證券經濟研究所整理請務必閱讀正文之后的免責聲明及其項下所有內容證券研究報告證券研究報告11數字化數字化解決解決方案的潛在價值對應近方案的潛在價值對應近 2727 萬億美元萬億美元。根據華為的數據，制造業、金融保險、零售、能源電力等產業的數字化潛在價值均在 2 萬億美元以上；以作為支柱性工業的制造業為例，多為重資產企業，且流程復雜，需要在制造、運輸、管理等多個環節進行數字化應用以實現降本增效，轉型訴求強，數字化創造的潛在價值達 6 萬億美元。圖15：數字化潛在價值資料來源：華為數字化轉型，從戰略到執行，羅蘭貝格，國信證券經濟研究所整理數據、使能工

33、具與生態是數據、使能工具與生態是行業行業智能化的核心要素智能化的核心要素行業智能化框架沿數據收集行業智能化框架沿數據收集、傳遞傳遞、預處理預處理、計算到應用反饋的路徑展開計算到應用反饋的路徑展開：底層為感知層，通過各類傳感器終端對光、電、聲音等外界物理量進行多維度數據收集，以支持后續的信息處理；將收集的數據通過聯接層的網絡進行終端與數據中心以及中心之間或內部的傳輸，完成數據上傳與分發；此外，需建立算力、海量數據存儲與計算框架作為底座以支撐數據用于大模型與邊緣域的高性能存算網協同；在此底座基礎上，海量數據運輸匯聚到平臺層，通過數據治理、模型訓練最終服務于應用的構建；通過 AI 大模型最終實現行業

34、智能化解決方案落地。圖16：行業智能化框架資料來源：華為加速行業智能化白皮書，公司年報，國信證券經濟研究所整理請務必閱讀正文之后的免責聲明及其項下所有內容證券研究報告證券研究報告12行業智能化由行業大類領域行業智能化由行業大類領域、細分區域到生產經營單元展開細分區域到生產經營單元展開。以大型集團企業為例，在總部之下圍繞某個子領域成立一系列的區域性組織（企業），最終具體業務將落到執行單位進行生產與經營；相應地，構建企業智能化可分為總部到單元的三個層級，生產與經營部分包含了終端感知；依此架構，數據量逐層多樣化。圖17：行業智能化基本思路與實現工具資料來源：華為加速行業智能化白皮書，?？低暪倬W，國

35、信證券經濟研究所整理高質量數據為行業智能化的核心要素高質量數據為行業智能化的核心要素，決定了行業大模型的訓練與推理質量決定了行業大模型的訓練與推理質量。行業應用場景碎片化且企業的非通用數據難以獲取是過去部分制約行業智能化的原因；而大模型的訓練與推理都需要高質量的行業數據，尤其是來自工控系統、物聯網設備等 OT（Operational Technology）設備產生的數據，而通常部分儀表設備老舊無法產生智能化輸出或僅支持本地互連，因此將不同協議的邊緣設備進行協同，實現數據可以順利直采與流轉是構建大模型競爭力的重要一環；最終，由數據帶來的大模型升級亦將惠及同行，實現數據-模型-應用的飛輪迭代。圖1

36、8：行業智能化核心要素：高質量數據資料來源：?？低曈^瀾大模型白皮書，華為預訓練大模型白皮書，國信證券經濟研究所整理請務必閱讀正文之后的免責聲明及其項下所有內容證券研究報告證券研究報告13使能工具是行業智能化落地的關鍵使能工具是行業智能化落地的關鍵，AIAI 開發平臺加速工程化開發平臺加速工程化。預訓練后的大模型高效的開發效率需要一系列開發工具鏈支撐，行業用戶利用工具自行定制化開發，反過來用戶案例促進開發工具加速迭代；因此平臺需要支持零基礎、零代碼開發，而數據需要與 AI 平臺的互訪，在多引擎間高效流轉以加速大模型迭代。以?？低?AI 開放平臺為例，零基礎用戶可通過平臺開發自己行業的智能算法

37、、智能硬件產品和解決方案，完成數據采集與標注、模型訓練、硬件適配等 AI 全流程落地。圖19：行業智能化核心要素：工程化落地資料來源：?？低曈^瀾大模型白皮書，國信證券經濟研究所整理企業企業選擇多樣化選擇多樣化，解決方案提供者需在應用解決方案提供者需在應用、平臺平臺、數據數據、基礎與設備多維開放基礎與設備多維開放。由于企業在智能化設計是對應用、平臺、數據與設備會采用多樣化的供應商選擇，因此解決方案設計者如?？?、華為等企業需做到全面開放。以?？低暈槔?，應用能力方面，面向邊緣節點應用、邊緣域應用、云中心應用和互聯網運營應用提供智能應用開放平臺以支撐全域智能應用場景；平臺方面建立了智能網絡、視頻融

38、合賦能、一體化運維服務、資源管理調度、空間信息服務及 AI 開放平臺；數據能力方面建設了面向全行業的物信融合數據資源平臺；在基礎平臺方面，提供云計算、云存儲與大數據基礎平臺；在設備端開放全系列物聯設備接口。AIAI 技術是行業智能化落地的重要工具技術是行業智能化落地的重要工具智能化賦能智能化賦能行業行業，AIAI 作為效率提升的有效手段作為效率提升的有效手段被被逐步逐步應用應用。在日常生活中，人工智能翻譯支撐跨語言、跨文化的高效溝通；在工業制造領域，AI 的融入可實現更高程度的自動化和智能化，應用場景包含“研產供銷服”各個環節；在工業制造領域，AI 的應用為生產流程優化與成本降低提供了可能。請

39、務必閱讀正文之后的免責聲明及其項下所有內容證券研究報告證券研究報告14圖20：工業制造的主流程與 AI 應用場景資料來源：華為加速行業智能化白皮書，國信證券經濟研究所整理隨著行業向智能化升級隨著行業向智能化升級，數據分散為制約數字化的主因數據分散為制約數字化的主因。以以制造業企業為例，企業已逐步完成了自動化升級并進行聯網信息化，提升了生產運行效率。但由于裝置和業務板塊往往為垂直系統建設，數據集往往分立存在，若要對各環節數據進行整合、分析與有效輸出，進一步支撐多業務聯動和決策則需統一的平臺建設；而制造業往往生產流程長，場景多且雜，考慮投入成本，制造企業往往在數字化階段止步，導致早期“作坊式”AI

40、 模式無法規?；瘧?。圖21：制造業企業數字化演進資料來源：華為加速行業智能化白皮書、數字化轉型，從戰略到執行，國信證券經濟研究所整理人工智能自 1956 年提出已歷經 70 年的技術演進，大模型的出現成為解決數字化大模型的出現成為解決數字化難題的有效手段難題的有效手段：第一次浪潮第一次浪潮-人工智能誕生人工智能誕生：人工智能于 1956 年問世，基于不同角度形成了符號主義、連接主義和行為主義等學派：符號主義是將現實系統變成符號系統，使用動態搜索方法求解問題；連接主義則是模擬和實現人的認知方式；行為主義則認為智能是與環境作用的體現；該階段主要以語言翻譯、證明等研究為主。請務必閱讀正文之后的免責

41、聲明及其項下所有內容證券研究報告證券研究報告15 第二次浪潮第二次浪潮-人工智能人工智能從理論走向實踐從理論走向實踐：20 世紀 80 年代人工智能開始強調用統計機器學習來實現智能，統計機器學習成為人工智能研究主流。第三次浪潮第三次浪潮-深度學習深度學習：2006 年深度學習出現，通過模仿人類大腦的神經網絡結構，利用多層神經元之間的連接和學習來實現智能化任務；通過大量數據和逐層特征提取實現自動學習和發現復雜模式與規律。2016 年，融合了連接主義和行為主義算法的 AlphaGo 出現，利用深度強化學習優化圍棋策略，展示了人工智能在復雜領域中的超越人類的能力。新新一代技術一代技術-大模型大模型：

42、2017 年 Google 提出基于注意力機制的神經網絡結構Transformer，能高效學習和處理序列數據，在自然語言處理領域帶來了巨大影響。2022 年 OpenAI 基于 GPT-3.5 大模型推出 ChatGPT 聊天服務，上線 2 個月，月活過 1 億；2023 年 OpenAI 相繼推出語言大模型和多模態大模型，通用人工智能時代加速到來。人工智能開啟又一次科技浪潮，三大要素算法、數據與算力迎來創新型的突破人工智能開啟又一次科技浪潮，三大要素算法、數據與算力迎來創新型的突破。根據華為預測，在數據方面，2030 年全球數據量將達 2020 年的 23 倍、全球聯接總數將達 2000 億

43、；算力方面，全球通用計算算力將增長 500 倍達 3.3ZFLOPS(FP32)，AI 計算算力將超 105 ZFLOPS(FP16)；算法方面，大模型應用側的相繼落地將逐步改變產業生態；隨著人工智能正從感知理解走向認知智能，2030年全球人工智能市場規模將超過 20 萬億美元，2030 年中國人工智能核心產業規模將超過 4 萬億美元。圖22：人工智能發展歷程、資料來源：?？低曈^瀾大模型白皮書，國信證券經濟研究所整理大模型為解決離散行業數據的高效方式，預訓練與微調加速模型大模型為解決離散行業數據的高效方式，預訓練與微調加速模型“落地生根落地生根”。此前深度學習仍停留在統計學習的基本框架：特征

44、抽取和模板匹配；對于新出現的概念或實體，開發者須從頭收集數據、訓練與調試模型、優化部署，開發成本居高不下，難以惠及細分行業與中小型企業。大模型則是挖掘數據背后的邏輯，在海量通用數據上進行預訓練，高效積累和繼承數據與知識并具備泛化能力，在實際處理下游任務時再通過小規模數據進行微調訓練，就能達到傳統小模型的效果，并且可以邊學邊用，且越用越準；最終行業用戶研發成本降低，上線部署過程大幅簡化，AI 可在千行萬業普及。請務必閱讀正文之后的免責聲明及其項下所有內容證券研究報告證券研究報告16圖23：作坊式 AI 開發與大模型支撐下的工業化 AI 開發模式對比資料來源：華為預訓練大模型白皮書，?？低曈^瀾大

45、模型白皮書，國信證券經濟研究所整理相比相比“作坊式作坊式”逐一開發，基于大模型的開發效率可提升逐一開發，基于大模型的開發效率可提升 10-10010-100 倍。倍。特定的場景都需要對 AI 模型再次優化重構，相比傳統 AI 模型“作坊式”逐一開發投入多且周期長，預訓練大模型場景化 AI 開發則是基于大模型的增強訓練，可自動抽取適合場景的小模型，開發周期從月級縮短為天級；相對于作坊式開發，AI 工業化開發效率可提升 10-100 倍，開發模式從作坊式開發到工業化開發轉變。以?？低曈^瀾視覺大模型為例，通過在 10 個任務上小模型全量樣本（4 萬張以上數據量）訓練和大模型小樣本訓練對比，預訓練后

46、的視覺大模型僅需業務小模型 10%以內的數據便可以超過小模型使用全量數據的性能，且顯著降低了模型定制的成本。圖24：視覺大模型小樣本與小模型全量樣本對比資料來源：?？低曈^瀾大模型白皮書，國信證券經濟研究所整理AIAI 大模型通常分為三層大模型通常分為三層，行業智能化參與者根據自身規模選擇構建方式行業智能化參與者根據自身規模選擇構建方式。大模型包含基礎大模型、行業模型與場景模型三層：基礎大模型構成通用基礎能力，在海量數據上抽取知識學習通用表達；行業大模型基于基礎大模型結合行業知識構建，利用行業數據自主學習特定行業的海量知識；場景模型為面向細分場景的推理模型，利用行業模型結合場景微調并生產出滿足

47、部署要求的各類模型。對于行業智能化參與者-企業，基礎大模型可自行構建或通過模型提供商獲取，行業大模型可利用自有行業數據基于模型提供商基礎模型構建，場景模型應用可自行構建或通過模型提供商已有平臺進行定制化開發，企業可結合自身規模進行靈活選擇。請務必閱讀正文之后的免責聲明及其項下所有內容證券研究報告證券研究報告17圖25：制造業企業數字化演進資料來源：華為加速行業智能化白皮書、數字化轉型，從戰略到執行，國信證券經濟研究所整理行業智能化玩家且競且合行業智能化玩家且競且合行業智能化開發者根據業務邊界確定服務范圍行業智能化開發者根據業務邊界確定服務范圍。行業智能化開發者如華為、?？低暤绕髽I可根據自身硬

48、件（芯片、邊緣設備）、軟件、網絡基礎設施等業務邊界為用戶提供不同范圍的智能化服務。以華為為例，在算力方面的服務包括通過昇騰 AI 算力、OceanStor 存儲與星河 AI 智算網絡等硬件能力構筑的算力底座支持，為行業用戶提供算力平臺與 AI 服務，同時可為客戶開放向多用戶提供 AI 算力租用；通過多用戶疊加的數據治理提供開發平臺，協助用戶使能應用的落地；或給客戶提供一站式解決方案 MaaS（Model as Service）模式。圖26：行業智能化開發者根據業務邊界確定服務范圍資料來源：華為加速行業智能化白皮書，?？低暪倬W，國信證券經濟研究所整理行業參與者其業務既有重疊又有合作。行業參與者

49、其業務既有重疊又有合作。以華為為代表的具備軟件、網絡、硬件能力的參與者，以?？低?、大華股份等業務隨安防形式由視頻物聯逐步向全面智能化延伸的參與者，以及在行業智能化各環節的獨立軟件公司、系統集成商等，各參與者業務既有重疊又有補充，因此以?？低暤臉I務模式為例，在產品、服務、方案上公司與硬件開發商、獨立軟件開發商、算法廠商、基于 AI 開放平臺打造商用算法的組織、大數據廠商等開放、合作，給客戶以多樣的解決方案選擇。請務必閱讀正文之后的免責聲明及其項下所有內容證券研究報告證券研究報告18圖27：?？低曢_放合作模式資料來源：?？低暪倬W，國信證券經濟研究所整理小顆粒場景需鋪開營銷網絡小顆粒場景需鋪

50、開營銷網絡，大顆粒業務側重大模型大顆粒業務側重大模型、基礎設施等業務能力建設基礎設施等業務能力建設。隨視頻的功能由監控走向物聯，對應業務群體由政府為主向企業轉變，以華為為代表的具備軟件、網絡等基礎能力的參與者與以?？低?、大華等業務隨視頻監控向智能化延伸的參與者業務重疊度逐漸增加。在碎片化業務中，?？档绕髽I基于視頻物聯建立的全面營銷網絡具備客戶和數據積累的護城河；在顆粒度較大如智慧城市等業務中，以華為為代表的廠商具備基礎設施能力與通用軟硬件能力，在搭建底座架構方面具備服務優勢；各參與者互相開放，既有競爭又有合作。圖28：行業智能化且競且合資料來源：?？低?、華為、廣聯達官網，國信證券經濟研究所

51、整理請務必閱讀正文之后的免責聲明及其項下所有內容證券研究報告證券研究報告19智能物聯與工程化能力鑄就核心競爭力智能物聯與工程化能力鑄就核心競爭力從硬件到軟件完成智能物聯轉型從硬件到軟件完成智能物聯轉型沿場景數字化發展沿場景數字化發展，公司建立了從硬件到軟件公司建立了從硬件到軟件、渠道到生態的全面解決方案能力渠道到生態的全面解決方案能力。隨著安防業務由基礎識別逐步轉向綜合智能物聯解決方案，業務內容從硬件識別到軟件處理識別信息，再到以識別信息建立系統化流程最終向運營/商業模式智能化轉變；隨著業務內容變化，公司由最初硬件識別到融入軟件進行識別信息處理，再到建立軟件與數據架構形成解決方案開發基礎，最終

52、到應用大模型挖掘數據價值的基本技術框架，在此過程中制造能力、深入千行百業的網絡渠道與真實數據以及與同業形成的生態使各類技術得以工程化落地。圖29：?？低晿I務核心競爭力資料來源：?？低曈^瀾大模型白皮書，國信證券經濟研究所整理從認識數據、建立數據關系到挖掘數據價值，公司基本完成了智能物聯轉型。從認識數據、建立數據關系到挖掘數據價值，公司基本完成了智能物聯轉型。13-14 年視頻監控 IP 化與 ToC 互聯網業務拓展；15 年視頻產品 AI 化，依托視頻技術拓展業務應用；16 年視頻監控智能化(AI 機遇期)，產品多維 AI 化；17 年搭建 AI 基本三層計算架構（邊緣節點、邊緣域與云中心）

53、與開放平臺；18 年基于計算架構完成產品端整合(兩池一庫四平臺)與業務端整合（三大事業群）；19 年基于新業務架構硬件由視頻監控向多維度的感知設備發展；20-21 年定位智能物聯，大模型與大數據投入，23 年基本完成智能物聯轉型，基于場景數字化向OT(Operational Technology 運營技術)廠商發展。請務必閱讀正文之后的免責聲明及其項下所有內容證券研究報告證券研究報告20圖30：?？低曋悄芪锫搼鹇赞D型資料來源：?？低曈^瀾大模型白皮書，國信證券經濟研究所整理隨場景數字化需求發展隨場景數字化需求發展，公司由識別技術發展到觀瀾大模型持續布局公司由識別技術發展到觀瀾大模型持續布局。

54、06 年?？低暯M建算法團隊發布一系列行業智能產品，12 年隨深度學習技術突破開發了基于深度學習的識別技術，15 年率先推出基于 GPU 與深度學習結合的結構化服務器并擴充形成了完善的智能產品體系；隨 AI 產業興起，17 年公司發布 AI Cloud 架構，以“云邊融合”理念構建邊緣節點、邊緣域與云中心的三層架構，形成一體的數字化解決方案開啟 AI 落地實踐，18 年推出 AI 開放平臺為用戶提供使能工具；19 年起公司致力于 AI 工程化體系建立，21 年啟動了大模型與訓練模型研發，目前已完成觀瀾大模型體系的構建。圖31：?？低曋悄芑焚Y料來源：?？低曈^瀾大模型白皮書，國信證券經濟研

55、究所整理多維感知技術夯實智能物聯基礎多維感知技術夯實智能物聯基礎場景數字化對信息與數據收集需求增加場景數字化對信息與數據收集需求增加，公司形成全面的物理傳感技術布局公司形成全面的物理傳感技術布局。目前公司產品全面覆蓋了電磁波、機械波、以及溫度、濕度、壓力、磁力等其他物理傳感技術領域，使得更多外界數據被感知，為各行各業數據分析與應用構建基礎。在電磁波領域已覆蓋從可見光到近紅外、中紅外、遠紅外和毫米波等長波方向及紫外光、X 光等短波方向；機械波領域已覆蓋從可聽聲到超聲波頻段的感知；其他物理傳感包括力傳感、電傳感、磁傳感等技術。請務必閱讀正文之后的免責聲明及其項下所有內容證券研究報告證券研究報告21

56、圖32：?？低暩偁幜Γ憾嗑S感知技術資料來源：公司公告，國信證券經濟研究所整理多維感知構建底層技術平臺多維感知構建底層技術平臺，打開物理與數字世界的大門打開物理與數字世界的大門。下游碎片化的場景解決方案需要多種傳感技術先進行全面的信息收集以進行場景狀態的檢測與處理：在能源領域，通過可見光、紫外光與熱成像融合為高壓電力設施進行故障排查檢測以提升巡檢效率；在工業領域，通過音頻與視頻融合進行生產設備故障監測診斷實現無人化場景下的預測性維護；在環境領域，通過集成視頻感知和毫米波雷達感知來對水位變化。圖33：?？低暥嗑S感知產品案例：工業聽診麥克風系列產品資料來源：公司公告，國信證券經濟研究所整理請務必

57、閱讀正文之后的免責聲明及其項下所有內容證券研究報告證券研究報告22通過多維感知手段獲取的千行百業高質量數據鑄就技術護城河通過多維感知手段獲取的千行百業高質量數據鑄就技術護城河。隨著大模型作為加速解決方案落地的有效工具逐步引入場景數字化應用中，高質量的數據成為公司的核心優勢。由于細分行業數據由于通用性低且公開可用部分少，新進入者往往難以獲取大模型預訓練所需的高質量行業數據。而?？低暬?20 多年在各垂直行業的數據積累，硬件產品覆蓋沿電磁波、機械波等物理量建立的智能感知網絡，通過強大的營銷網絡使得產品下沉碎片化場景；隨著大模型應用，能為大模型的預訓練提供全面海量的高質量行業數據，提升開發效率，

58、疊加自研的模型精簡技術，實際推理加速達 10 倍以上。圖34：?？低暩偁幜Γ焊哔|量數據資料來源：?？低曈^瀾大模型白皮書，公司公告，國信證券經濟研究所整理云邊融合構建智能物聯框架云邊融合構建智能物聯框架通過云邊部署計算架構降低應用落地成本通過云邊部署計算架構降低應用落地成本，使得解決方案具備高性價比使得解決方案具備高性價比。通過公司設計的云邊部署計算架構，對于實時性要求較高的邊緣數據可通過邊緣部署的方式以模型部署在邊緣端設備（如智能分析服務器、智能 NVR 等）上進行推理，節省算力；在云端則可借助與計算平臺進行聯網信息處理，公司云服務管理平臺云眸，截至 23 年底已經成功接入超過 490 萬

59、路終端設備，每日接口調用次數接近1 億次。通過云端結合邊緣端方式，在大模型應用中也可使得算力、成本、時效得到優化。請務必閱讀正文之后的免責聲明及其項下所有內容證券研究報告證券研究報告23圖35：AI 開放平臺與云邊部署架構資料來源：?？低曈^瀾大模型白皮書，國信證券經濟研究所整理AIAI 開放平臺提供工程化的使能工具，成為打開千行百業的萬能鑰匙。開放平臺提供工程化的使能工具，成為打開千行百業的萬能鑰匙。碎片化 AI需求使得如何快速響應定制化算法實現需求成為關鍵，?？低晿嫿?AI 開放平臺以加速解決方案快速落地。?？低?AI 開放平臺可進行數據采集與標注、模型訓練、硬件適配、設備推理到業務

60、應用全流程能力覆蓋，面向工商企業、住宅建筑、醫療衛生、智慧交通等數十種行業開放了 50+的場景推理能力，用戶可定制化進行智能化應用無代碼開發，實現了大模型能力的“開箱即用”，降低了開發門檻并提供了落地工具。自公司 17 年提出 AI Cloud 三級架構后上線 AI 開放平臺，中小微企業客戶已超 2 萬家。圖36：?？低?AI 開放平臺架構圖資料來源：?？低暪倬W，國信證券經濟研究所整理請務必閱讀正文之后的免責聲明及其項下所有內容證券研究報告證券研究報告24觀瀾大模型增強工程化落地能力觀瀾大模型增強工程化落地能力隨著行業智能化發展，?？底?2021 年年初啟動大規模預訓練模型相關的研發工作；

61、目前公司已構建了一套完整的觀瀾大模型體系基礎大模型、行業大模型和任務模型：基礎大模型：吸收海量數據知識，具有參數量大、高可泛化、性能優異等特點。根據輸入模態的不同可分為視覺大模型、音頻大模型、語言大模型、多模態大模型等，外加光纖大模型、X 光大模型等基于物聯感知積累的特色大模型。行業大模型：基于基礎大模型利用行業數據進一步預訓練和微調而成，在針對性行業領域內具有專家級能力，經一定壓縮加速后可在云中心和邊緣側進行推理應用，包括電力大模型、公路大模型、煤礦大模型、水利大模型、零售大模型、軌道大模型、工業制造大模型、城管大模型等。任務模型：專注于某個具體場景或業務，是大模型能力落地的重要方式?；谛?/p>

62、業大模型根據用戶的不同需求進行針對性優化，模型可在云上部署（較大任務模型）或邊端部署（較小任務模型），實現云邊端一體；其中包括表計巡檢、皮帶巡檢、門店巡檢、生產運行異常檢測、施工機械識別等特色任務模型。圖37：觀瀾大模型資料來源：?？低曈^瀾大模型白皮書，國信證券經濟研究所整理視覺大模型吸收自監督和多模態預訓練優點視覺大模型吸收自監督和多模態預訓練優點，多場景識別能力顯著提升多場景識別能力顯著提升。在視覺大模型中，通過將自然語言處理 NLP 領域的模型結構和訓練技術引入到視覺模型中改善模型的訓練穩定性；通過自監督預訓練挖掘視覺信號的結構信息；利用多模態預訓練挖掘視覺信號的語義信息；最終形成圖像

63、級、區域級和像素級的高質量視覺表征?；谏鲜瞿Ｊ?，在內部構造的多行業訓練樣本中，觀瀾視覺大模型同場景測試集性能提升 18.9%，跨場景測試集性能提升 63.8%，業務的逐場景定制需求大幅減少。請務必閱讀正文之后的免責聲明及其項下所有內容證券研究報告證券研究報告25圖38：觀瀾視覺大模型泛化任務性能對比資料來源：?？低曈^瀾大模型白皮書，國信證券經濟研究所整理音頻大模型解決復雜場景開放式音頻，大語言模型使機器具備認知與推理能力音頻大模型解決復雜場景開放式音頻，大語言模型使機器具備認知與推理能力。觀瀾音頻大模型設計參數十億級，訓練數據達百萬小時，采用自監督預訓練方式和基于 Transformer

64、的 Encoder-Decoder 網絡架構，通過分布式方式優化訓練速度，模型訓練成本節約 30%，基于音頻大模型和高質量工業場景數據的工業場景行業大模型已在電力、能源等設備異常檢測場景應用。而觀瀾語言大模型則通過預訓練、有監督微調和基于人類反饋的強化學習實現；預訓練結合參數規模巨大的 Transformer 模型，基于積累的數萬億 token 優質文本數據進行訓練，最終千卡并行訓練框架在 GPU 有效利用率上達到 58%，具備一流行業競爭力。圖39：觀瀾大語言模型訓練過程資料來源：?？低曈^瀾大模型白皮書，國信證券經濟研究所整理觀瀾多模態大模型通過多類不同來源的信號模態進行融合學習觀瀾多模態

65、大模型通過多類不同來源的信號模態進行融合學習。觀瀾多模態大模型基于視覺、音頻、文本之外，還關聯了激光雷達、毫米波雷達、光纖、X 光等信號進行融合學習，衍生出解決多種基礎問題的多模態大模型：1）圖文多模態大模型，在語言模型基礎上進行圖文數據預訓練，具備視覺認知與文本理解的能力，用戶只需提供圖像輸入指令就可以完成任務，顯著降低了應用門檻；2）雷視多模態大模型，以智能交通領域為例，利用毫米波雷達和高清攝像機數雷視感知片段構建，?？荡蛟斓能?、路部署的真值系統，可持續積累高質量點云數據進行訓練。請務必閱讀正文之后的免責聲明及其項下所有內容證券研究報告證券研究報告26圖40：觀瀾多模態大模型之圖文多模態大

66、模型資料來源：?？低曈^瀾大模型白皮書，國信證券經濟研究所整理觀瀾預測大模型為各領域提供狀態預測觀瀾預測大模型為各領域提供狀態預測、異常檢測與決策支持異常檢測與決策支持。海量的物聯數據能形成多維序列數據并構建出隨時間與空間的變化規律，預測大模型基于Transformer Encoder-Decoder 網絡架構，利用自回歸、序列重構和對比學習等技術進行預訓練，可挖掘數據相關性，以構建預測能力；再利用少量類別、數值等標簽信息進行有監督的微調實現多種預測任務的泛化。圖41：觀瀾預測模型訓練過程資料來源：?？低曈^瀾大模型白皮書，國信證券經濟研究所整理光纖大模型基于光纖傳感光纖大模型基于光纖傳感，僅

67、傳統深度學習模型數據量的僅傳統深度學習模型數據量的 10%10%就可完成場景部署就可完成場景部署。光纖大模型通過對特殊環境下利用光纖傳感獲得的信息進行多維信號的特征抽取進行預訓練，基于 Transformer Encoder-Decoder 結構完成信號理解與時序信號生成，通過自監督預訓練挖掘多維信號結構信息。目前?？狄延薪f條高質量光纖數據，觀瀾光纖大模型已在鋼鐵、煤炭、電力等行業中落地應用。圖42：觀瀾光纖大模型資料來源：?？低曈^瀾大模型白皮書，國信證券經濟研究所整理請務必閱讀正文之后的免責聲明及其項下所有內容證券研究報告證券研究報告27基于智能物聯業務框架，觀瀾大模型已應用于千行百業

68、基于智能物聯業務框架，觀瀾大模型已應用于千行百業。以電力領域為例，大模型在發電、輸電、變電、配電與用電環節應用以實現安全保障與智能運維。對于作業環境復雜且流動性大的發電環節，安全智能管控系統將大幅優化安全管控的壓力；智能巡視可大幅提升缺陷與異常的識別能力，借由感知設備、機器人、無人機等裝備減少人工參與，提質增效。圖43：觀瀾大模型電力行業應用資料來源：?？低暪倬W，國信證券經濟研究所整理對內通過觀瀾大模型賦能對內通過觀瀾大模型賦能，可實現內部研發加速提質增效可實現內部研發加速提質增效。以光纖產品為例，常規信號調節和處理方案信噪比低，校準工作量巨大；觀瀾大模型可降低 90%的訓練啟動數據量，智能

69、標注能力可縮短數據標注周期，通過場景微調，無需從頭訓練就可以滿足場景應用。在?？祪炔康闹圃旎?，由于產品型號數萬種、訂單定配置比例高達 75%，具有小量多批、大規模定制化的特點。為提升柔性生產效率，觀瀾預測大模型可利用產品歷史需求和變化趨勢等數據進行預測，對備貨、調貨、原材料采購等環節進行優化，最終交付達成率提高近 10%，訂單合單率提升近 10%；通過生產流程監測，自動化與良品率提升。圖44：觀瀾大模型內部賦能資料來源：?？低暪倬W，國信證券經濟研究所整理請務必閱讀正文之后的免責聲明及其項下所有內容證券研究報告證券研究報告28對外構建榕樹生態開放合作模式對外構建榕樹生態開放合作模式，尋找行業

70、參與者最大公約數尋找行業參與者最大公約數。由于行業參與者眾多，業務非單一垂直產業鏈，在此基礎上?？低暯㈤艠渖鷳B合作模式，技術上開放標準與保障體系同科研院所合作，產品端開放接入標準與軟硬件開發商、算法廠商等合作，方案、服務與銷售體系均開放，通過行業參與者合作加速推動了行業智能化的發展。圖45：?？低曢艠渖鷳B資料來源：?？低暪倬W，國信證券經濟研究所整理請務必閱讀正文之后的免責聲明及其項下所有內容證券研究報告證券研究報告29盈利預測盈利預測假設前提假設前提我們的盈利預測基于以下假設條件：國內主業國內主業：公司國內按事業群可分為（公共服務事業群 PBG、企事業事業群 EBG和中小企業事業群 S

71、MBG）。公共服務事業群 PBG 主要增長來源為公安、交通、城市治理、民生服務、環保等領域的數字化需求，其業務群增速與政府開支、宏觀經濟相關度較高，預計 24-26年 PBG 增速為 2%/2%/2%。企事業事業群 EBG 主要為千行百業的企業在管理、生產、服務等環節的數字化需求提供解決方案，在企業生產力轉型升級的驅動下該業務群增速較快，預計 24-26年增速為 10%/8%/8%。中小企業事業群 SMBG 主要為中小企業的小范圍軟硬件數字智能化需求提供產品與方案服務，其業務群增速與宏觀經濟高度相關度，預計 24-26 年增速為 5%/4%/3%假設其他業務收入基本不變，預計公司 2024-2

72、026 國內主業營收為 495.36/519.52/543.82 億元，同比+6%/11%/10%；毛利率有望隨解決方案復雜度提升逐步增加，預計 24-26 年毛利率為 47.3%/47.6%/47.8%。海外海外業務業務：公司海外業務逐步向發展中國家鋪開，截至 23 年在國際及港澳臺地區已設立 80 家分子公司及辦事處，海外物流倉總達 17 個，海外呼叫中心達 13 個，預計隨發展中國家業務占比增加，24-26 年營收增速有望實現 10%/8%/5%，對應收入 264/285/299 億元；考慮目前海外業務主要以硬件產品為主，參考國內業務由硬件向軟硬結合解決方案發展的路徑，預計隨著軟件融合比

73、例增加海外業務毛利率有望逐步提升，預計 24-26 年毛利率為 47.2%/47.7%/47.8%。創新創新業務業務：以螢石網絡、機器人、熱成像與汽車電子增速較快收入顆粒度較大的業務拉動下，創新業務保持較快增長，預計 24-26 年營收增速有望實現20%/15%/15%，對應收入 223/256/294 億元；由于創新業務初期投入較大，相比成熟業務毛利率較低，隨著子版塊規模擴大，未來毛利率有望逐步優化，預計 24-26年毛利率為 40.6%/41.1%/41.2%。請務必閱讀正文之后的免責聲明及其項下所有內容證券研究報告證券研究報告30表2：?？低晿I務拆分202120212022202220

74、2320232024E2024E2025E2025E2026E2026E國內主業國內主業公共服務事業群公共服務事業群（PBGPBG）收入收入（億元億元）191.6161.4153.5156.6159.7162.9增速增速19.9%-15.8%-4.8%2.0%2.0%2.0%企事業事業群（企事業事業群（EBGEBG）收入（億元）收入（億元）166.3165.1178.5196.3212.0229.0增速增速22.0%-0.7%8.1%10.0%8.0%8.0%中小企業事業群（中小企業事業群（SMBGSMBG）收入（億）收入（億元）元）134.9125.0126.8133.1138.5142.6

75、增速增速22.7%-7.4%1.5%5.0%4.0%3.0%其他產品與服務其他產品與服務收入（億元）收入（億元）9.439.279.329.329.329.32合計收入合計收入502.2460.6468.1495.4519.5543.8增速增速22.8%-8.3%1.6%5.8%11.0%9.8%毛利率毛利率44.5%41.8%46.3%47.3%47.6%47.8%海外業務海外業務收入（億元）收入（億元）189.3220.3239.8263.7284.8299.1增速增速15.1%16.4%8.8%10.0%8.0%5.0%毛利率毛利率44.0%43.3%45.7%47.2%47.7%47.

76、8%創新業務創新業務收入（億元）收入（億元）122.7150.7185.5222.6256.0294.4增速增速98.9%22.8%23.1%20.0%15.0%15.0%毛利率毛利率40.5%38.6%39.6%40.6%41.1%41.2%合計合計總營收（億元）總營收（億元）814.2831.7893.4981.71060.41137.3增速增速28.2%2.2%7.4%9.9%8.0%7.3%毛利率毛利率43.8%42.3%44.4%45.8%46.1%46.1%資料來源:公司公告，國信證券經濟研究所整理和預測綜上所述，預計未來 3 年營收 982/1060/1137 億元，同比+9.9

77、%/8.0%/7.3%，毛利率 45.8%/46.1%/46.1%。未來未來 3 3 年業績預測年業績預測表3：未來 3 年盈利預測表20222022202320232024E2024E2025E2025E2026E2026E營業收入營業收入831668934098174106039113735營業成本營業成本4799649637532195720261303銷售費用銷售費用977310843114241223413008管理費用管理費用26422770301830423201研發費用研發費用981411393125201353314527財務費用財務費用(990)(750)(525)(680

78、)(842)營業利潤營業利潤1478316039185982061122254利潤總額利潤總額1485516099186402066922308歸屬于母公司凈利潤歸屬于母公司凈利潤1283714108163341811219548EPSEPS1.361.511.751.942.10ROEROE19%18%20%20%19%資料來源：Wind，國信證券經濟研究所整理和預測按上述假設條件，我們得到公司 24-26 年營收 982/1060/1137 億元，歸屬母公司凈利潤 163/181/195 億元，利潤年增速分別為 15.8%/10.9%/7.9%；每股收益分別為 1.75/1.94/2.10

79、 元。請務必閱讀正文之后的免責聲明及其項下所有內容證券研究報告證券研究報告31盈利預測情景分析盈利預測情景分析我們對盈利預測進行情景分析，以前述假設為中性情形，預計公司 2024-2026 年歸母凈利潤分別為 163/181/195 億元。樂觀情形：若宏觀經濟增長低于預期及公司業務拓展超預期，假設公司營收增長率、股利分配比率較中性情形上升 3%，營業成本占比、管理費用率、研發費用率、銷售費用率、營業稅及附加占比、所得稅稅率較中性情形下降 5%，則預計公司24-26 年歸母凈利潤為 185/205/222 億元。悲觀情形：若宏觀經濟增長低于預期，假設公司營收增長率、股利分配比率較中性情形下降 5

80、%，營業成本占比、管理費用率、研發費用率、銷售費用率、營業稅及附加占比、所得稅稅率較中性情形上升 3%，則預計公司 24-26 年歸母凈利潤為141/157/169 億元。表4：情景分析（樂觀、中性、悲觀）20212021202220222023E2023E2024E2024E2025E2025E樂觀預測樂觀預測營業收入營業收入(百萬元百萬元)83,16689,34098,439106,562114,528(+/-%)(+/-%)2.1%7.4%10.2%8.3%7.5%凈利潤凈利潤(百萬元百萬元)1283714108185572055122217(+/-%)(+/-%)-23.6%9.9%3

81、1.5%10.7%8.1%攤薄攤薄 EPSEPS1.361.511.992.202.38中性預測中性預測營業收入營業收入(百萬元百萬元)83,16689,34098,174106,039113,735(+/-%)(+/-%)2.1%7.4%9.9%8.0%7.3%凈利潤凈利潤(百萬元百萬元)1283714108163341811219548(+/-%)(+/-%)-23.6%9.9%15.8%10.9%7.9%攤薄攤薄 EPS(EPS(元元)1.361.511.751.942.09悲觀的預測悲觀的預測營業收入營業收入(百萬元百萬元)83,16689,34097,909105,518112,94

82、6(+/-%)(+/-%)2.1%7.4%9.6%7.8%7.0%凈利潤凈利潤(百萬元百萬元)1283714108141311570416921(+/-%)(+/-%)-23.6%9.9%0.2%11.1%7.8%攤薄攤薄 EPSEPS1.361.5197,909105,518112,946總股本（百萬股）總股本（百萬股）9,4319,3319,3319,3319,331資料來源：國信證券經濟研究所預測請務必閱讀正文之后的免責聲明及其項下所有內容證券研究報告證券研究報告32估值與投資建議估值與投資建議根據公司主營業務大數據、智能物聯應用的軟硬件綜合解決方案，我們選取與該業務相近的公司大華股份、

83、千方科技做相對估值分析?？紤]部分軟件、大模型應用與科大訊飛、廣聯達具備一定程度相似性，亦選取作為參考:大華股份大華股份是以視頻為核心的智慧物聯解決方案提供商和運營服務商，以 AIoT 和物聯數智平臺技術為支撐，服務千行百業的數智化轉型?？蛻羧喊ü彩聵I與各類規模企業；與?？低曨愃?，隨著視頻技術的發展大華亦利用 AI、大數據等技術形成一系列行業解決方案，并相應地形成了以大模型為支撐、產品軟硬結合的架構。千方科技千方科技是為智慧交通和智能物聯等領域提供解決方案的公司。公司的交通業務主要為地方政府、央企、國企及運營商等客戶提供公路資產的生命周期管理相關的解決方案；物聯業務以其全資子公司浙江宇視主

84、展開。宇視亦為以安防業務為起點，逐步向智能物聯解決方案商轉型的解決方案提供商，業務結構與?？低?、大華股份類似?？拼笥嶏w科大訊飛是一家智能語音和 AI 技術為基礎，為教育、醫療、城市治理、消費者電子、汽車等領域提供產品與服務的公司。其業務包括訊飛開放平臺及消費者業務，智慧教育提供教育產品和服務、教學業務在內的綜合解決方案；智慧醫療利用 AI 技術優化醫療服務流程和提高醫療診斷的準確性；智慧城市提供政法行業應用、信息工程、安全技術防范工程等服務；還包括智慧金融、智慧汽車等領域的 AI 相關應用與服務。廣聯達廣聯達是一家數字建筑平臺服務商，其主營業務圍繞工程項目的全生命周期，為客戶提供數字化軟硬件

85、產品、解決方案及相關服務。與?？低暡糠謽I務類似，廣聯達在建筑領域運用 BIM（建筑信息模型）、大數據、物聯網、移動互聯網、行業 AI 等數字技術助力建筑產業轉型升級，提供該領域的專業產品及服務。圖46：可比公司 2018 至 2023 營業收入情況（億元）圖47：可比公司 2018 至 2023 營收同比增速（%）資料來源：Wind，國信證券經濟研究所整理資料來源：Wind，國信證券經濟研究所整理通過對比可比公司 18-23 年營收情況，?？低曉跇I務體量最大的情況下營收增速仍保持高于同行大華，且在 22 年行業承壓背景下仍實現了營收正增長，經營韌性強于同行；展望 23-24 年，盡管宏觀經

86、濟仍有不確定性，公司業務重心向 EBG遷移，創新業務加速成長在營收端有望保持增長態勢。請務必閱讀正文之后的免責聲明及其項下所有內容證券研究報告證券研究報告33圖48：可比公司 2018 至 2023 扣非凈利潤情況（億元）圖49：可比公司 2018 至 2023 扣非凈利潤同比增速（%）資料來源：Wind，國信證券經濟研究所整理資料來源：Wind，國信證券經濟研究所整理通過對比可比公司 18-23 年扣非凈利潤情況，與同行大華股份、千方科技相比，?？低晝衾麧櫜▌有孕∮谕?；此外，科大訊飛、廣聯達業務與?？低暡糠种丿B，而基于產品、渠道、人員投入等方面的成本優勢，?？低暊I收增速低于上述公司但

87、盈利能力好于二者；得益于在行業智能化方面多年積累，?？档某杀九c渠道優勢明顯，其高質量數據來源加速了大模型的迭代升級進一步優化成本，鑄就了?？低曉诔杀九c業務端的長期競爭優勢。投資建議投資建議我們采用 PE 法對公司主營業務進行整體估值，根據此前盈利預測，預計 24-26年公司有望實現營收 982/1060/1137 億元，歸屬母公司凈利潤 163/181/195 億元，結合可比公司 24 年 PE 均值為 21 倍，考慮公司作為行業龍頭，給予 10%溢價，24年 PE 倍數為 21-24，對應目標價 36-40 元，相對于公司目前股價有 21%-33%溢價空間，維持“優于大市”評級。表5：同類

88、公司估值比較公司公司公司公司昨收盤昨收盤總市值總市值EPSEPSPEPE代碼代碼名稱名稱（元）（元）（億元）（億元）2024E2024E2025E2025E2026E2026E2024E2024E2025E2025E2026E2026E002415.SZ?？低?027831.751.942.09171514002236.SZ大華股份154871.201.441.6612109002373.SZ千方科技91410.410.520.61221715002410.SZ廣聯達91530.330.470.59281915平均值211613資料來源:Wind，可比公司均取自萬得一致預期，國信證券經濟研究

89、所預測請務必閱讀正文之后的免責聲明及其項下所有內容證券研究報告證券研究報告34風險提示風險提示估值的風險估值的風險我們采取了相對估值方法，選取了與公司業務相同或相近的安防企業比如大華股份、千方科技等的相對估值指標進行比較，選取了可比公司 2024 年平均 PE 為相對估值的參考，同時考慮公司的龍頭地位和成長性，在行業平均動態 PE 的基礎上給予 10%溢價，最終給予公司 24 年倍 PE 估值，可能未充分考慮市場及該行業整體估值偏高的風險。盈利預測的風險盈利預測的風險 我們假設公司未來 3 年利潤增長 15.8%/10.9%/7.9%，可能存在對宏觀經濟增長偏樂觀、進而高估未來 3 年業績的風

90、險。我們預計公司未來 3 年毛利分別為 45.8%/46.1%/46.1%，可能存在對公司成本估計偏低、毛利高估，從而導致對公司未來 3 年盈利預測值高于實際值的風險。我們預計公司海外業務保持穩定增長，若海外業務拓展不及預期，存在未來 3年業績預期高估的風險。我們預計公司創新業務保持高速增長，若創新業務拓展不及預期，存在未來 3年業績預期高估的風險。經營風險經營風險全球經濟下行風險：全球經濟下行風險：目前全球部分主要經濟體增速減緩，各地區發展不均，風險波動難以消除。公司目前海外已覆蓋超 150 個地區、設立 80 個海外子公司，根據各國各地實際狀況開展業務，但如果出現全球經濟衰退，公司的業務也

91、會受到一定的影響。國內經濟結構轉型風險：國內經濟結構轉型風險：國內基建、房地產相關市場持續調整，部分國家和產品受貿易保護政策限制，勞動力優勢削弱，經濟處于轉型升級過程中。公司智能物聯業務覆蓋千行萬業，數字化的進程與經濟、社會數字化轉型高度相關，但生產力轉型升級難以一蹴而就，結構性壓力長期存在，過程中出現的起伏仍將影響公司業務開展。地緣政治環境風險：地緣政治環境風險：全球地緣政治不確定性較高，政治格局分化，公司近年來根據業務環境調整資源布局，海外業務發展中國家超過 6 成，但如果地緣政治環境進一步惡化，公司在部分國家與地區的經營可能受到不利影響。內部管理風險：內部管理風險：公司經營規模持續擴大，

92、新產品和新業務拓展過程中內部管理復雜度上升，高級員工數量在過去幾年持續增長，如果公司管理水平跟不上業務發展，人效降低，公司經營有可能受到不利影響?？蛻糁Ц赌芰ο陆祵е碌馁Y金風險客戶支付能力下降導致的資金風險：公司回款機制健全，積累了一定的現金儲備，融資成本較低，但如果受經濟環境影響，市場整體流動性風險增加，公司的回款速度可能變慢，對經營帶來不利影響。請務必閱讀正文之后的免責聲明及其項下所有內容證券研究報告證券研究報告35技術風險技術風險技術更新換代風險：技術更新換代風險：人工智能、大數據、物聯網等技術應用快速迭代，若不能密切追蹤前沿技術的更新變化，在業務定位與產品策略上決策失誤，公司未來發展的

93、不確定性風險將會加大。其它風險其它風險知識產權風險：知識產權風險：公司持續保持較大規模的研發投入，產出大量技術成果，存在知識產權糾紛的風險和遭受知識產權侵害的風險。法律合規風險法律合規風險：世界多邊貿易體制受政治沖擊較大，商業活動需遵守的各地法律法規復雜，世界各國對數據的監管趨嚴，對公司的法律合規能力提出更高要求。如果公司的法律合規能力無法跟上形勢發展，將給公司經營帶來不利影響。匯率波動風險：匯率波動風險：公司在海外市場多個國家和地區開展經營，主要以外幣結算；公司合理利用金融工具削減風險，但銷售、采購以及融資產生的外幣敞口客觀存在，匯率波動將影響公司的財務表現。請務必閱讀正文之后的免責聲明及其

94、項下所有內容證券研究報告證券研究報告36附表：附表：財務預測與估值財務預測與估值資產負債表（百萬元資產負債表（百萬元）20222022202320232024E2024E2025E2025E2026E2026E利潤表（百萬元）利潤表（百萬元）20222022202320232024E2024E2025E2025E2026E2026E現金及現金等價物4001249629528065875866786營業收入營業收入831668316689340893409817498174106039106039113735113735應收款項3242638421422204560348912營業成本47996

95、49637532195720261303存貨凈額1899819211204612184823337營業稅金及附加582705775837898其他流動資產64705889638768337270銷售費用977310843114241223413008流動資產合計流動資產合計9790797907113151113151121874121874133043133043146306146306管理費用26422770301830423201固定資產1231115816173221874319783研發費用981411393125201353314527無形資產及其他15451810173816661

96、593財務費用(990)(750)(525)(680)(842)其他長期資產62196919691969196919投資收益21863152145120長期股權投資12521151115111511151資產減值及公允價值變動(664)(441)(475)(513)(547)資產總計資產總計119233119233138848138848149005149005161522161522175752175752其他18801674117711071039短期借款及交易性金融負債42117934616661046734營業利潤1478316039185982061122254應付款項1723320

97、327216492311724692營業外凈收支7260425853其他流動負債1291116152171961832619548利潤總額利潤總額14855148551609916099186401864020669206692230822308流動負債合計流動負債合計34356343564441244412450124501247547475475097550975所得稅費用1298943109212111307長期借款及應付債券75228940894089408940少數股東損益7201048121313461452其他長期負債43853332409748324981歸屬于母公司凈利潤歸屬

98、于母公司凈利潤12837128371410814108163341633418112181121954819548長期負債合計長期負債合計11907119071227212272130371303713772137721392113921現金流量表（百萬元現金流量表（百萬元）20222022202320232024E2024E2025E2025E2026E2026E負債合計負債合計46263462635668456684580495804961318613186489664896凈利潤凈利潤1355715156175481945821001少數股東權益458158097247884210563

99、資產減值準備508463498536569股東權益68389763548370891362100293折舊攤銷10081402183723422703負債和股東權益總計負債和股東權益總計119233119233138848138848149005149005161522161522175752175752公允價值變動損失156(23)(23)(23)(23)財務費用(990)(750)(525)(680)(842)關鍵財務與估值指標關鍵財務與估值指標20222022202320232024E2024E2025E2025E2026E2026E營運資本變動(2226)(980)(2392)(186

100、2)(2266)每股收益1.361.511.751.942.10其它(1848)135527145273每股紅利0.930.760.961.121.14經營活動現金流經營活動現金流10164101641662316623169701697019916199162141521415每股凈資產7.258.188.979.7910.75資本開支(3756)(4048)(3271)(3691)(3670)ROIC27%27%31%34%34%其它投資現金流3061000ROE19%18%20%20%19%投資活動現金流投資活動現金流(3725)(3725)(3987)(3987)(3271)(3271

101、)(3691)(3691)(3670)(3670)毛利率42%44%46%46%46%權益性融資601573000EBIT Margin15%16%18%18%18%負債凈變化42381418000EBITDAMargin16%17%19%20%21%支付股利、利息(8734)(7083)(8756)(10209)(10348)收入增長2%7%10%8%7%其它融資現金流(2975)2447(1767)(62)631凈利潤增長率-24%10%16%11%8%融資活動現金流融資活動現金流(1456)(1456)(3145)(3145)(10523)(10523)(10272)(10272)(97

102、17)(9717)資產負債率43%45%44%43%43%現金凈變動現金凈變動5211521196049604317731775952595280288028息率3.0%2.5%3.1%3.6%3.7%貨幣資金的期初余額3460439815494195259658548P/E22.620.417.615.914.7貨幣資金的期末余額3981549419525965854866576P/B4.23.83.43.12.9企業自由現金流63049547123851485616348EV/EBITDA25.222.418.116.215.0權益自由現金流756713413111121543417771

103、資料來源：Wind、國信證券經濟研究所預測證券研究報告證券研究報告免責聲明免責聲明分析師聲明分析師聲明作者保證報告所采用的數據均來自合規渠道；分析邏輯基于作者的職業理解，通過合理判斷并得出結論，力求獨立、客觀、公正，結論不受任何第三方的授意或影響；作者在過去、現在或未來未就其研究報告所提供的具體建議或所表述的意見直接或間接收取任何報酬，特此聲明。國信證券投資評級國信證券投資評級投資評級標準投資評級標準類別類別級別級別說明說明報告中投資建議所涉及的評級（如有）分為股票評級和行業評級（另有說明的除外）。評級標準為報告發布日后 6 到 12 個月內的相對市場表現，也即報告發布日后的6到12個月內公司

104、股價（或行業指數）相對同期相關證券市場代表性指數的漲跌幅作為基準。A 股市場以滬深 300 指數（000300.SH）作為基準；新三板市場以三板成指（899001.CSI）為基準；香港市場以恒生指數(HSI.HI)作為基準；美國市場以標普 500 指數(SPX.GI)或納斯達克指數（IXIC.GI）為基準。股票投資評級優于大市股價表現優于市場代表性指數 10%以上中性股價表現介于市場代表性指數10%之間弱于大市股價表現弱于市場代表性指數 10%以上無評級股價與市場代表性指數相比無明確觀點行業投資評級優于大市行業指數表現優于市場代表性指數 10%以上中性行業指數表現介于市場代表性指數10%之間弱

105、于大市行業指數表現弱于市場代表性指數 10%以上重要聲明重要聲明本報告由國信證券股份有限公司（已具備中國證監會許可的證券投資咨詢業務資格）制作；報告版權歸國信證券股份有限公司（以下簡稱“我公司”）所有。，本公司不會因接收人收到本報告而視其為客戶。未經書面許可，任何機構和個人不得以任何形式使用、復制或傳播。任何有關本報告的摘要或節選都不代表本報告正式完整的觀點，一切須以我公司向客戶發布的本報告完整版本為準。本報告基于已公開的資料或信息撰寫，但我公司不保證該資料及信息的完整性、準確性。本報告所載的信息、資料、建議及推測僅反映我公司于本報告公開發布當日的判斷，在不同時期，我公司可能撰寫并發布與本報告

106、所載資料、建議及推測不一致的報告。我公司不保證本報告所含信息及資料處于最新狀態；我公司可能隨時補充、更新和修訂有關信息及資料，投資者應當自行關注相關更新和修訂內容。我公司或關聯機構可能會持有本報告中所提到的公司所發行的證券并進行交易，還可能為這些公司提供或爭取提供投資銀行、財務顧問或金融產品等相關服務。本公司的資產管理部門、自營部門以及其他投資業務部門可能獨立做出與本報告中意見或建議不一致的投資決策。本報告僅供參考之用，不構成出售或購買證券或其他投資標的要約或邀請。在任何情況下，本報告中的信息和意見均不構成對任何個人的投資建議。任何形式的分享證券投資收益或者分擔證券投資損失的書面或口頭承諾均為

107、無效。投資者應結合自己的投資目標和財務狀況自行判斷是否采用本報告所載內容和信息并自行承擔風險，我公司及雇員對投資者使用本報告及其內容而造成的一切后果不承擔任何法律責任。證券投資咨詢業務的說明證券投資咨詢業務的說明本公司具備中國證監會核準的證券投資咨詢業務資格。證券投資咨詢，是指從事證券投資咨詢業務的機構及其投資咨詢人員以下列形式為證券投資人或者客戶提供證券投資分析、預測或者建議等直接或者間接有償咨詢服務的活動：接受投資人或者客戶委托，提供證券投資咨詢服務；舉辦有關證券投資咨詢的講座、報告會、分析會等；在報刊上發表證券投資咨詢的文章、評論、報告，以及通過電臺、電視臺等公眾傳播媒體提供證券投資咨詢

108、服務；通過電話、傳真、電腦網絡等電信設備系統，提供證券投資咨詢服務；中國證監會認定的其他形式。發布證券研究報告是證券投資咨詢業務的一種基本形式，指證券公司、證券投資咨詢機構對證券及證券相關產品的價值、市場走勢或者相關影響因素進行分析，形成證券估值、投資評級等投資分析意見，制作證券研究報告，并向客戶發布的行為。證券研究報告證券研究報告國信證券經濟研究所國信證券經濟研究所深圳深圳深圳市福田區福華一路 125 號國信金融大廈 36 層郵編：518046總機：0755-82130833上海上海上海浦東民生路 1199 弄證大五道口廣場 1 號樓 12 層郵編：200135北京北京北京西城區金融大街興盛街 6 號國信證券 9 層郵編：100032