会议要点

1. 技术与商业趋势

深度学习视频生成方向：采用扩散模型为主流技术路线，90%以上研究基于此模型。生成视频如文本到视频、图片到视频等功能大致相同，但具体研究各有特点。

深度生成模型优化：提出空间的超级采样（superresolution）来提高低分辨率视频生成的清晰度。目前，尚属于研究阶段，无商业化成品。

微软模型发展：微软开发较小的模型降低成本，在研究方面重视小模型的应用。GPT-3.5turbo相较前代降价显著，侧重于提供更便宜、效率更高的API服务。

2. AI集成与产业发展观察

谷歌和微软具有庞大生态系统优势，包括硬件和软件。谷歌将AI功能集成到Chrome浏览器中，而非自家生态系统的公司则只能与谷歌套件建立合作，并不如内生式集成自然。

AI进展：GPT-4显著提升，集成到聊天框中，可通过@符号调用；更新支持语言偏好选择；正在测试用户对话记忆功能；手机端文本可直接转语音。

特斯拉财报显示Q4毛利同比下降23%，净利润下降39%；毛利率降至四年最低点；24年可能面临销量低于23年的增长率。特斯拉侧重于人形机器人Optimus的未来潜力，但具体量产时间和目标障碍尚不明确。

3. AI产业竞争与技术谨慎

AI领域关注焦点：2023年并未按传统举行年度AI事件，但企业依然关注技术细节泄露问题，将采取更谨慎态度。

特斯拉算力增长未达预期：早前预期特斯拉将在2月份达到全球算力顶端，但进展放缓，需追赶英伟达和AMD。

菲戈尔与特斯拉AI技术相似，均采纯电驱动：菲戈尔与宝马美国南卡工厂合作测试人形机器人，年底前商业化执行，但细节有限。

4. 全球AI产业竞新态势

黑格尔机器人领域着重系统硬件开发，特别是电驱和执行器及传感器技术，仿人形态机器人成为通用场景主流。

AI领域持续成为公司关注重点，以自主执行日常任务为目标，智能体支撑技术与大厂相似。

IBM在AI和企业服务上调整策略，通过红帽加强混合云，且AI向ToB企业客户销售需求及盈利能力提升快于预期。

5. 云业务增速及SAP优势探析

全球云服务增长迅猛，尤其在亚太地区云收入增长超过28%，显示出抵抗国产化替代影响的韧性。

SAP公司在ERP领域依然领先，正在加速云化转型，以自家数据库支撑ERP服务，并且云产品（尤其是S/4HANA）增长迅速。

多家科技老牌企业（如LG、IBM）在业绩方面仍表现出潜力，特别是SAP和Oracle未来业绩超预期的可能性较高，值得关注其季度业绩报告。

会议实录

1. 技术与商业趋势

首先，对于生成路面模型的讨论，其最突出的特点是连贯性。为了保证生成图像的一致性，第一步虽然受算力和推理速度的限制分辨率较低，但随后通过称为“M3S2”的空间超级采样（SpecialSuperResolution）技术将模糊的低分辨率图像转换为高清大图。这种方法确保了视频质量的显著提升，突出了其一致性特点。

接着，涉及扩散模型和图像皮卡算法的讨论，说明了在AI图像和视频生成领域，扩散模型是一条主流路线。谷歌的VideoPoint论文作者指出，市场上约90%的研究和产品都采用扩散模型。其中，大圆模型路线虽然小众，但其参数量巨大，其性能优势是显而易见的。

关于视频生成任务，无论是文本到视频还是图片到视频转换，两种技术路线都能完成，并支持视频编辑和风格模仿等高级功能。即使在细节上各有侧重，但总体而言，技术差距并不显著。

在视频质量的比较中，谷歌新方法的视频质量显著优于皮卡和其他几种方法，但这仅限于研究层面，因尚未有可商业化的产品。另外，微软自去年11月份开始探索小型语言模型，为了降低成本，这也是合理的做法。考虑到算力的需求，微软在面向C端用户的产品中提供高性能功能，同时，他们也在探索将小型模型与移动终端结合。

对于OpenAI的动态，特别是GPT-3.5Turbo模型的发布，它在API价格上进行了大幅降低，这极大地促进了模型的采用。自去年3月推出以来，该模型的价格已降低了90%，并持续下调。然而，3.5Turbo虽属于上一代，但尚未达到GPT-4系列的水平。

最后，讨论了有关IBM的其他四个新模型，它们包括用于理解人类语言和代码的嵌入模型，以及用于监控有害信息的审核模型。这些模型展示了OpenAI在NLP和代码理解方面的进步，并在提供开发者友好功能方面取得了显著成就。

至于谷歌在其Chrome浏览器中增加的AI功能方面，它验证了模型能力方面依然保持着行业领先地位。无论是用户体验还是排行榜的表现，谷歌的AI解决方案均优于其他竞争对手。

2. AI集成与产业发展观察

微软和Google的最大优势在于它们拥有自己的生态系统，包括硬件和软件。例如，Google实际上在自身的软件生态中集成了AI功能，与Chrome的融合便是一例。这一点其他公司难以做到或者是尚未做到，包括OkA。其他厂商有机会在这方面进行尝试，例如与Google套件，比如Gmail进行集成。虽然也有合作协议，但这些并非植根于自家生态系统，而这正是Google等一些厂商的竞争优势。

目前整合进Chrome的AI功能并不复杂，如可以对打开的标签页进行分类，或者在设置主题时利用深度学习生成用户想要的图片，又或者在阅读网页时对文字进行总结。这些使用逻辑虽然仍显过时，却与生态系统紧密结合。

此外，就是German IPO版本的情况。我们知道去年12月发布的GermanI，我也是第一时间集成到了报道栏中，但之前一直在排行榜上排名靠后。相较于GPT-4，差距相当大。然而，在不到两个月的迭代后，目前已由程序驱动，在斯坦福大学的相关排行榜上位居基于Transformer的模型之后。我建议各位试用，从体感上来说，提升是显著的。然而，查看了Bar的更新记录，发现自去年12月份以来并未对其核心进行根本性改变。今年尚未见本质的更新，他们可能是通过收集更多数据并进行翻译及训练，改善了使用体验。尽管如此，Bar的底层模型仍是现有型号，尚未升级。

在网页端使用Opa产业GDP时，有一些显著变化。首先，应用了GPT-4的强大功能。在聊天框中，我们可以通过艾特符号调用智能体，这与之前的操作不同，提高了灵活性。此外，它允许我们在同一对话中艾特多个智能体，尽管一次只能一个。显然，减少操作步骤将提升用户体验。现在，用户可以根据需要选择智能体，尽管手动操作，但这表明模型的能力仍有待提升，可能也存在算力限制。不过，我们可以确定的是，朝着智能体方向的发展是明确的。

其他小改进包括在GPT设置界面加入了语言环境测试功能，支持原生中文。同时，GPT逐步推送记忆功能，获取用户许可后，能够学习用户的历史对话和喜好。开发者现在可以管理GPT所存储的用户信息。目前这项功能尚未广泛推出，应用范围有限。

在移动端，GPTAPP试用显示，纯文本聊天可直接转换为语音，避免跳转到专门的语音界面，增加了便利性。

关于特斯拉的2023年第四季度财报，我们关注了包括其机器人项目、收入和利润情况。特斯拉的股价在财报后下跌了12%，reflectedinvestors' concerns over its declining profitmargins。单个季度收入同比增长了1%，全年为19%，但利润表现不佳。第四季度毛利下降了23%，净利润同比下降了39%，其中毛利率下降了612个基点，达到17.6%，是四年来最低。这可能与特斯拉此前车辆降价有关，公司也没有发布对2024年的乐观预期。

此外，尽管年产量和交付量都保持增长，但2024年的汽车销量增长预计将低于2023年。在德州工厂研发的下一代汽车将填补现有和下一代Model3和ModelY之间的空白。投资者也关心人形机器人奥特曼的量产时间及障碍。特斯拉的回应不够明确，可能要等到2025年才能看到一些交付，且尚未提供具体的数量。公司重视奥特曼的安全，并认为其价值潜力高于特斯拉所有业务总和。

3. AI产业竞争与技术谨慎

在AI领域，我们特别关注全球AI产业的最新进展。通常情况下，重大的AI产业会议在一年或两年开展一次，例如在2021年10月以及2022年9月分别举办过。然而，2023年并未举办此类会议。尽管如此，大家仍旧十分关注，因为人们普遍相信会有新的技术信息和细节公开。公司本次的立场是他们认为之前在ID方面分享得过多，这导致竞争对手开始逐步模仿他们的工作。因此，公司决定采取更加谨慎的态度。

ElonMusk也曾提到，公司将在今年晚些时候更新信息，尽管目前看来公司对于可能分享的内容并不那么乐观。此外，他们计划将AIDay作为招聘渠道，分享更多深入的技术内容。

接下来是关于算力增长的讨论。Tesla在去年8月份曾发布过一张算力增长曲线图，根据图中的预期，他们的算力可以在今年2月份达到全球顶尖水平。然而根据Musk的最新表述，他们正在追求维持在NVIDIA和AMD的技术路线上。去年8月，Tesla确实启用了1万个HP100机群，并且从NVIDIA购买了大量GPU。与此同时，采购AMD芯片同样在计划之中。这表明Tesla在算力追求上的表现可能没有之前预期的那么乐观。

在人形机器人领域，公司Figur也引起了关注，特别是它们与BMW在美国南卡罗来纳州工厂的合作。他们计划初步测试一小批机器人，如果评估顺利，将进一步合作。Figur打算在今年年底开始商业化执行。

关于技术路线，Figur的人形机器人和Tesla的Optimus非常类似，采用电驱动而非液压系统。机器人的身高约1.7米，重60公斤，承重20公斤，但续航时间较短，仅为5小时。Figur最近发布了一段视频，展示了机器人如何使用端到端神经网络来完成一杯咖啡的制作。尽管技术细节尚不明确，但从视频中我们可以看出，他们的技术与Tesla使用神经网络进行视频分析、任务执行的过程是相似的。

目前看来，尽管技术路线比较确定，Figur在训练机器人制作咖啡的能力上还处于初级阶段，总共花费了10个小时训练时间。对于任务的完成，机器人仍然只能进行一些相对简单的操作，如找到按键等，并未能独立完成整个过程，最终需要人工介入。

4. 全球AI产业竞新态势

目前，黑格尔在机器人领域的重点首先集中在系统硬件方面。其核心依旧是电驱动技术，并非针对特定场景中专家的任务，而是以通用场景为主导，开发出相应的硬件。这一点是由于它的执行器和传感器是自主开发的，这一做法与特斯拉相似，因为特斯拉认为市面上现有的产品不适用于人形机器人。另外，菲戈尔也采取了类似的策略，注重控制成本并走向量产，安全性方面与特斯拉非常相似。AI领域的定位更是通用性强，能够自主执行各种日常任务，当前使用的方法与我们此前参观各大厂的研究在智能支撑方面极为相似。这些是本次会议主要的讨论内容。

邢老师，主持人，我简单汇报下近期的动态。我们注意到上周海外的变化中，SAP和IBM这两家公司对A股影响较大。这两家公司不仅在IT领域里具有悠久历史，而且目前股价创造了历史新高。我们看到，元旦之后，整个美国科技市场的核心仍是算力芯片。不过，IBM和SAP的强势走势有其独特之处。IBM近年发布了名为沃森X的AI产品，它是一个AI智能平台，发布了多款重要产品。IBM在EI上的布局与微软相似，提供全站的能力。微软的Azure云平台上部署了大量的AI大模型，企业客户普遍采用IBM的云基础设施和技术方案。沃森X面向B2B市场，平台上除了IBM自己的模型外，还部署了第三方的大模型。IBM在2023年初的发展中错过了过去十年云计算的机遇，但通过收购红帽公司后，在混合云策略上得到增强。目前，IBM正在AI领域努力追赶，其季报显示，销售需求和盈利能力提升，尤其是AI在B2B企业客户方面的进展超出预期。作为最早涉足AI的公司之一，IBM是否能赶上这一趋势，目前还需观望。今天时间有限，具体详情我们会在另一时间给大家详细汇报。

5. 云业务增速及SAP优势探析

关于SAP，虽然担心受国产化替代的影响，但实际上其业绩表现令人惊喜。从全球的角度来看，在太平洋地区、亚太地区和日本，其云收入增长达到28%，在所有区域中增长最快。尽管东南亚市场及整个亚太区经济较为活跃，SAP似乎并没有受到明显的国产化替代影响。数据显示，亚太区业务占比并不是特别大。

从整体上来看，SAP的主要业务分为云服务、SaaS、PaaS以及软件和服务。总体收入分布为软件及服务132亿欧元和SaaS/PaaS收入136亿欧元。在云业务领域，它目前占到整个公司收入的一半左右。具体来讲，SaaS和PaaS是SAP云收入的主要组成部分，其中SaaS增长尤为迅速。

SAP的S/4HANACloud正在快速增长，这也是公司收入增长的一个重要组成部分，特别是在云服务方面。产品线转型过程中，很多客户开始将SAP的新产品S/4HANACloud替代原有产品，但我们在分析时不能只关注表面的增速，要深入查看具体业务细节。SAP的策略是利用自己的数据库来运行自己的ERP，这样数据与业务流程整合得更好，类似于甲骨文公司（Oracle）。SAP最初的ERP是建立在Oracle数据库之上的，包括微软数据库。现在，它正在将传统软件授权和服务收入的一半转型为基于自己数据库开发的云ERP产品。

在利润率方面，随着SAP逐步转型为云服务提供商，其利润率也在逐步提升。可以说SAP在全球ERP领域仍然是顶级产品之一。对于像IBM这样的老牌公司来说，尽管感觉好像没人关注了，但其实它们的业绩和各方面情况还是有很多值得研究的变化。特别是在收购RedHat之后，IBM公司带来了一些新的变化。

就SAP的详细内容，我们将安排在下周进行详细讨论。就目前而言，SAP在业绩方面，尤其是在净利润端始终好于预期。随着季报披露期的来临，包括AMD、高通、微软、谷歌这些公司也将陆续发布季报。