坚定看好大华股份，清晰阐述为什么通用模型可以降本和提高精度
AI挖啊挖
2023-03-30 14:51:45
🏅为什么投资大华？
我们认为在AI即将改变世界的关键节点上，两类公司具备投资价值。1）商业逻辑会快速兑现，如和AIGC强相关的传媒、游戏公司；2）格局大、空间清晰、商业逻辑顺畅的公司，如大华股份。目前下游AI B端将形成数个千亿级别的蓝海市场，以工业质检为例，当机器识别可替代人眼时，替代逻辑非常清晰。中国现有目视检查工人350万、以薪资水平6.02万元/年来测算，仅人工费用就达到2100亿元。由于行业和具体识别场景的功耗，以及叠加软硬件落地的能力，该行业壁垒极高。我们认为大华股份的整体估值逻辑将会由传统的安防切换至AI，保守给予30倍估值，对应市值1050亿。
🏅为什么是现在？
我们认为AI从技术突破到下游渗透的时间线非常清晰。2021年Clip模型发布，第一次实现了AI图像识别的机器学习，2022年11月ChatGPT发布、2023年3月ChatGPT-4发布，使得AIGC大规模商业化成为了可能。这一商业逻辑终将延展到机器视觉2B应用。现有的开源资料将会加快国内厂商的开发速度。在机器学习成为可能后，展望未来，至少有三个趋势是确定的。短期来看，机器学习可实现提高精度，开发降本；中长期来看，人和图像数据的交互方式将会被颠覆。
🏅为什么能降本？
降本降的是人工标注的本。举例来看，此前识别一个水杯需要一支团队对其进行人工标注，如颜色、形状、体积等特征，最终AI可将其识别为水杯。应用通用大模型后只需要将几张图片丢入大模型中便可进行AI自我学习，完成识别水杯的过程。大模型机器学习之后，可通过知识蒸馏将识别迁移传到至边缘模型，人工成本显著降低。
🏅为什么可以提高精度？
在机器视觉中，单一维度的识别是简单的，但是在复杂环境中存在干扰机器视觉的因素。例如在人工车牌识别时，强光、污渍都是潜在的识别障碍。传统人工标注的信息获取维度单一，难以完成精确识别。在机器视觉充分被数据训练后，海量的多维度数据将会被标注，并给予适量权重，具体复杂场景的精确识别成为可能。
作者利益披露：转载，不作为证券推荐或投资建议，旨在提供更多信息，作者不保证其内容准确性。
声明：文章观点来自网友，仅为作者个人研究意见，不代表韭研公社观点及立场，站内所有文章均不构成投资建议，请投资者注意风险，独立审慎决策。
S
大华股份
工分
6.42
转发
收藏
投诉
复制链接
分享到微信
有用 1
打赏作者
无用
真知无价，用钱说话
0个人打赏
同时转发
暂无数据