三六零、中科创达、金山办公 （交流汇总）
柴尔德
满仓搞的剁手专业户
2023-03-31 15:13:34
金山办公
- AI大模型的合作进展
- 公司定位应用产品，可以对接不同的大模型，不同大模型各有优势，最后可能收敛到2-3个大模型，同时企业层面也有私有化的模型出现。公司与百度的合作还没有开始，发布会上是给百度开放接口进行了初期整合。海外版本会对接OpenAI。
- WPS有1000多个功能，AI是个人助理，能够帮助用户操作业务，降低用户的学习门槛。公司也需要重构WPS的底层产品能力来适配大模型的调用。公司会有一个平台对接用户需求和大模型调用，根据用户需求匹配合适的模型，公司也接了一些创业公司模型做测试，在接触的有十多家大模型。
- 党政信创的进展
- 23年党政信创没有启动新一轮的迹象，后续的节奏也有比较高的不确定性。
- 公司机构授权收入会预计会继续下降，公司会继续推动License销售向订阅模式转化，更多收入会归类到机构订阅中。但如果会有新一轮党政信创可能会暂时性把授权收入带起来。
- C端会员体系改革的进度
- C端会员和定价体系调整需要一段时间进行用户测试。现在先做C端产品的底层重构，预计23Q2进行灰度测试，之后再确定定价策略。未来产品的迭代速度会更快，不会像现在2-3年一个新版本的更新模式，可能每周都会有升级。
- C端付费率大概10%左右，公司之前目标付费率达到20%，现在AI功能增加后预计付费率可以达到更高水平。AI大模型能力这次也会会整合到新体系中。
- 大模型涉及的数据隐私和安全问题
- 大模型的数据问题预计未来政府还会有专门的规范制度，未来大模型也会牌照化，百度已经拿到牌照。
- 企业数据对接外部大模型时也会做一些信息隐私处理，或者通过技术和法律手段约束大模型提供方滥用用户数据。
- 行业信创的进度
- 金融行业信创推动比较顺利，软件在行业中会优先投入。公司在信创采购中医以账号制为主，每个账号有Linux和Windows两个版本，公司会把两个版本的功能做一些打通。
- 账号制与客户使用数量相关性更高，折扣相比之前场地授权模式更少，推升企业客户的ARPU值。如工行实际有45万员工，现在采购只有10万人。未来账号制以及协作平台的引入，会在5-10年的时间逐步提升至100%的付费率。
- AI带来的投入增加
- AI方面研发投入不确定，现在每年研发投入大概十多个亿，后续AI投入主要是对代码做重构。公司现在AI团队有100多人研发基础的AI功能，未来会在大模型方向增加一些研发人员。未来年报披露里面会把AI投入部分分拆。
- 公司过去与金山云等IAAS对接，已经有一层机房是支持公司业务的，未来会再多包一层机房来做AI算力支持。私有云上客户有算力，AI私有化部署是使用客户的算力。未来国家层面如国资云也会有AI算力的支持。
三六零
- 未来大模型的发展趋势和竞争格局
- 现在的大模型均是基于Transformer架构，之前BERT路线是主流，GPT不是主流。当时百度和Goolge都是Bert路线。OpenAI在22年ChatGP推出之后GPT实现超越，预计未来会有更多的GPT大模型出现。OpenAI GPT-4是闭源，其他厂商大概率会选择开源，如META的LLAMDA的已经开源，未来开源模型会越来越多。BERT模型在处理其他任务更强，理论上在多模态应用BERT相比GPT有优势。
- AI模型的核心壁垒是数据，现在大模型都是搜索厂商推出。Open AI的训练数据集有45T，其中80-85%是公网数据，15%是专业知识数据，5%不到是场景数据。360现在积累的搜索数据量是500PB，从500PB中提取出45T有效的训练数据集是一个难点也是一个优势。
- 国内的格局来看，华为预计会在大模型会有一席之地，一些高校的大模型研究也比较领先。国家层面预计会有一个非民用的大模型，数据集涵盖政府、大学等积累的数据，可能更适用非民用场景。
- 公司大模型的发展历程
- 公司在18-19年开始做投入，当时是选择了非主流的GPT路线，主要考虑公司搜索和安全业务均适合生成式的模型。之前已经用大模型蒸馏出一个针对安全的AI模型实现应用。国内与GPT3.5的差距在1年，与GPT-4差距在2年左右，360模型能够达到GPT3.5的70-80%的效果。
- 公司的大模型是基于GPT 2.0的开源模型做训练和迭代。现在的大模型是千亿参数级别。数据是大模型效果的壁垒。之前发布会原计划与AI无关，由于市场关注度高临时增加了一个AI模型展示环节，预计4月份大模型会发布，并开放用户测试。现在需要等待网信办的测试批准。
- 搜索+大模型的商业模式
- 大模型搜索大概一次生成200个汉字，对应0.04元，现在360是35%的搜索份额，日均请求量10亿次，对应每天成本4000万。公司搜索每年40亿的收入，未来搜索大模型比较难向用户收费，大模型成本大幅降低前C端商业模式比较难跑通。
- 芯片是成本降低的核心环节，算力提升需要远高于芯片成本提升，增加性价比。不会通过模型蒸馏的方式缩小模型降低成本，这样会损失生成质量，得不偿失。
- 公司大模型的投入情况
- 公司AI+智能搜索团队合计200人，实际模型的迭代训练会再做一些人工标注，会涉及其他业务部门的人。未来公司业务重心向大模型倾斜，人员比例也会调整。
- 算力是大模型的必要条件，公司V100、A100、A800一共有1000多台8卡服务器，23Q1又新增采购300多台，大概3亿的采购额，已经到货一半多，未来还会继续增加。服务器从浪潮采购，现在没有断过货。
- 公司模型训练数据以英文数据为主，中文数据相比英文数据质量会更低一些，比如优秀的论文都会翻译成英文的论文，而中文的顶尖论文比较少。OpenAI训练数据中文占比3.5%，公司训练数据中文占比10%。
- 大模型在企业端的商业模式
- 企业端商业模式相比C端更容易，可以类似OpenAI开放API接口给企业客户进行调用，也可以为企业客户训练一个小模型为做本地部署。未来安全业务也需要AI能力的提升，AI将来可能发展出制造威胁的能力，相应也要有AI批量防御能力。
- 企业未来可能希望基于私有数据集做训练，国企和央企会倾向于本地部署。公司为企业客户提供的本地部署的推理模型，不会直接开放训练模型给客户。大模型的本地部署对企业自身开发能力要求高，且在B2B2C模式下，C端如果对效果不满意，可能也会有公司大模型责任分担，这部分全责关系未来需要再明确。
中科创达
- 公司在AI方面的进展
- 公司不会自己做大模型，主要通过通用大模型做垂直大模型，提升行业的应用效果。现在主要帮客户做大模型的选型和选场景，还处于尝试阶段。现在看机器人场景的进展会比较快。选型完成后做产品定义和迭代。
- 现有相关产品包括：1）公司有Model Farm一体机，主要用于边缘计算业务。Model Farm集结很多数据，大概可选50-70种算法模型，帮助客户实现零代码的数据清洗、标注以及训练；2）AI自动化编程，公司过去已经有很多自动化编程的工具，帮助客户实现零代码开发平台。编程只是软件工程的一部分，AI能够替代编程部分，但其他如需求沟通、产品定义等方面没办法替代。
- 公司现有几百人的AI团队，可以直接切换到大模型的研发方向，在人员、场景、能力上有复用。大模型的成功是软件工程和算力的成功，基本框架是早已出现的。
- 物联网业务情况
- 物联网需求比较细碎，公司产业链角色是采购芯片，加入软件能力形成模组，再拓展到整机。下游行业主要布局了智能硬件和智能行业两个赛道。智能硬件包括机器人、会议系统、VR/AR、ARM服务器等8大类。智能行业主要是边缘计算和行业解决方案，主要用于零售、楼宇、交通等领域，22年边缘计算收入2.2亿。物联网芯片平台实现与高通、英伟达到全志、瑞芯微全面合作，从1.7TOPS到85TOPS高中低端都有方案覆盖。
- 22年物联网业务毛利率22%，相比21年14-15%水平有提升。23年预计毛利率还会有提升。现在模组的毛利率18-20%左右，整机的毛利率大概22%左右。边缘计算毛利率更高一些，但占比比较小。
- 公司汽车业务情况
- 23年座舱业务需求主要是8155平台向其他车型的拓展，海外客户8155平台还在渗透初期。自动驾驶预计在23年会有高通域控产品定点，24年实现量产，23年上海车展会有版本发布。汽车行业竞争主要体现在硬件，软件相对稳定。
- 长期看舱驾融合是比较确定的趋势，高通Flex 8775舱驾融合平台已经发布，英伟达也发布了舱驾融合产品，公司在座舱和驾驶的软件能力在帮助客户舱驾融合开发方面有优势。
- 23年业务展望
- 业务的恢复进度还没有很快，Q1季度本身是淡季，预计是逐步恢复的节奏。
- 手机业务成熟业务，预计还会有两位数的增长。汽车和物联网还在快速增长期，可能跟去年差不多。
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
金山办公
S
三六零
S
科大讯飞
工分
4.13
转发
收藏
投诉
复制链接
分享到微信
有用 6
打赏作者
无用
真知无价，用钱说话
0个人打赏
同时转发
评论（2）
只看楼主
热度排序
最新发布
最新互动
- 1