核心观点
　　预训练模型引发AIGC质变，多模态技术实现多样性。ChatGPT的持续升温使人们关注到了AIGC的突破性进展，其中预训练模型和多模态技术功不可没。预训练模型，又称为大模型、基础模型（foundation model），即基于大量数据（通常使用大规模自我监督学习）训练的、拥有巨量参数的模型，可以适用广泛的下游任务。多模态技术推动了AIGC的内容多样性，让AIGC具有了更通用的能力，多模态即图像、声音、语言等融合的机器学习。在多模态技术的支持下，目前预训练模型已经从早期单一的NLP或CV模型，发展到现在语言文字、图形图像、音视频等多模态、跨模态模型。在此基础上，大型预训练模型的发展重点开始向横跨文本、图像、语音、视频的全模态通用模型发展。通过计算策略、数据调用策略、深度学习框架等方法提升模型效果成为目前研究的进展关键，其中的代表包括：开启了跨模态预训练模型的Open AIDALL·E及CLI、NVDIAGauGAN2、微软及北大NüWA女娲、NVIDIAPOEGAN、DeepMind的Gato等。
　　中国AI+安防行业进入精细化发展阶段。2020年中国AI+安防软硬件市场规模达453亿元，艾瑞预测，2021-2025年市场进入产业结构调整期，市场增速将放缓，预计2025年规模超900亿元，AI开始向公安交通等场景的下沉市场以及泛安防的长尾细分领域渗透，发展模式由过去粗放上量转变为精细化升级改造。在过去几年，人工智能与安防结合的热度很高，但仍存在算法场景限制高、深度应用不足等限制和问题。
　　大型跨模态预训练模型有望突破AI+安防行业瓶颈。根据安防+AI人工智能工程化白皮书，视频监控系统产生的数据量庞大，而且日趋多元化，包含非结构化数据、半结构化特征数据以及结构化数据。当前的人工智能视频大数据分析技术主要存在如下几个问题：1）非卡口场景的视频分析算法在准确率、稳定性及计算成本等核心指标方面还有待于提高，导致非卡口场景的存量视频利用率极低，目前没有有效利用的非卡口监控视频约占监控视频总量的97%左右；2）智能AI摄像机及视频结构化分析产品开始进入安防市场，产生了海量的结构化视频数据，但基于结构化视频数据的深度智能应用，如时空分析、模式挖掘、预测预警、技战法训练等尚在探索阶段，有可能形成新的数据浪费和低效投资。目前AIGC高质量内容产出的背后是大型跨模态预训练模型的成熟，未来随着该模型算法在智能安防和智能物联AIoT等领域的渗透落地，行业整体视频识别算法的准确性、可靠性、应用广泛性将有望提高。
　　投资建议与投资标的
　　看好具备软硬件基础和优异的AI落地能力的智能物联AIoT龙头厂商有望受益于AI技术的持续进步，维持推荐海康威视、大华股份。
　　风险提示
　　技术渗透不及预期；相关公司大模型算法研发及应用进展不及预期；高算力芯片采购限制。
　　

研究报告全文：行业研究动态跟踪电子行业预训练跨模态模型日趋成熟智能物联看好维持国家地区中国AIoT行业有望受益行业电子行业报告发布日期2023年02月21日核心观点预训练模型引发AIGC质变多模态技术实现多样性ChatGPT的持续升温使人们关注到了AIGC的突破性进展其中预训练模型和多模态技术功不可没预训练模型又称为大模型基础模型foundationmodel即基于大量数据通常使用大规模自我监督学习训练的拥有巨量参数的模型可以适用广泛的下游任务多模态技术推动了AIGC的内容多样性让AIGC具有了更通用的能力多模态即图像声音语言等融合的机器学习在多模态技术的支持下目前预训练模型已经从早期单一的NLP或CV模型发展到现在语言文字图形图像音视频等多模蒯剑021-633258888514态跨模态模型在此基础上大型预训练模型的发展重点开始向横跨文本图kuaijianorientseccomcn像语音视频的全模态通用模型发展通过计算策略数据调用策略深度学习执业证书编号S0860514050005框架等方法提升模型效果成为目前研究的进展关键其中的代表包括开启了跨模香港证监会牌照BPT856态预训练模型的OpenAIDALLE及CLINVDIAGauGAN2微软及北大NWA李庭旭litingxuorientseccomcn女娲NVIDIAPOEGANDeepMind的Gato等执业证书编号S0860522090002中国AI安防行业进入精细化发展阶段2020年中国AI安防软硬件市场规模达453亿元艾瑞预测2021-2025年市场进入产业结构调整期市场增速将放缓预计2025年规模超900亿元AI开始向公安交通等场景的下沉市场以及泛安防的杨宇轩yangyuxuanorientseccomcn长尾细分领域渗透发展模式由过去粗放上量转变为精细化升级改造在过去几韩潇锐hanxiaoruiorientseccomcn张释文zhangshiwenorientseccomcn年人工智能与安防结合的热度很高但仍存在算法场景限制高深度应用不足等薛宏伟xuehongweiorientseccomcn限制和问题大型跨模态预训练模型有望突破AI安防行业瓶颈根据安防AI人工智能工程化白皮书视频监控系统产生的数据量庞大而且日趋多元化包含非结构化数据半结构化特征数据以及结构化数据当前的人工智能视频大数据分析技术主要存在如AIGC凸显对算力基础设施的需求2023-02-09下几个问题1非卡口场景的视频分析算法在准确率稳定性及计算成本等核心指OLED材料前景广阔相关厂商布局钙钛2023-02-09标方面还有待于提高导致非卡口场景的存量视频利用率极低目前没有有效利用矿带来成长新曲线的非卡口监控视频约占监控视频总量的97左右2智能AI摄像机及视频结构化多频共振驱动模拟芯片成长国产替代迎2023-01-30来历史机遇期分析产品开始进入安防市场产生了海量的结构化视频数据但基于结构化视频数据的深度智能应用如时空分析模式挖掘预测预警技战法训练等尚在探索阶段有可能形成新的数据浪费和低效投资目前AIGC高质量内容产出的背后是大型跨模态预训练模型的成熟未来随着该模型算法在智能安防和智能物联AIoT等领域的渗透落地行业整体视频识别算法的准确性可靠性应用广泛性将有望提高投资建议与投资标的看好具备软硬件基础和优异的AI落地能力的智能物联AIoT龙头厂商有望受益于AI技术的持续进步维持推荐海康威视大华股份风险提示技术渗透不及预期相关公司大模型算法研发及应用进展不及预期高算力芯片采购限制有关分析师的申明见本报告最后部分其他重要信息披露见分析师申明之后部分或请与您的投资代表联系并请阅读本证券研究报告最后一页的免责申明电子行业动态跟踪预训练跨模态模型日趋成熟智能物联AIoT行业有望受益预训练跨模态模型日趋成熟智能物联AIoT行业有望受益预训练模型引发AIGC质变多模态技术实现多样性ChatGPT的持续升温使人们关注到了AIGC的突破性进展其中预训练模型和多模态技术功不可没预训练模型又称为大模型基础模型foundationmodel即基于大量数据通常使用大规模自我监督学习训练的拥有巨量参数的模型可以适用广泛的下游任务多模态技术推动了AIGC的内容多样性让AIGC具有了更通用的能力多模态即图像声音语言等融合的机器学习在多模态技术的支持下目前预训练模型已经从早期单一的NLP或CV模型发展到现在语言文字图形图像音视频等多模态跨模态模型在此基础上大型预训练模型的发展重点开始向横跨文本图像语音视频的全模态通用模型发展通过计算策略数据调用策略深度学习框架等方法提升模型效果成为目前研究的进展关键其中的代表包括开启了跨模态预训练模型的OpenAIDALLE及CLINVDIAGauGAN2微软及北大NWA女娲NVIDIAPOEGANDeepMind的Gato等图1大型跨模态预训练模型代表数据来源量子位东方证券研究所NWA模型同时支持图像文字视频三种模态其整体架构包含一个支持多种条件的adaptive编码器和一个预训练的解码器能够同时处理图像和视频的信息其中对于图像补全视频预测图像视频编辑任务输入的部分图像或视频直接馈送给解码器而编码解码器都是基于一个3DNearby的自注意力机制3DNA建立的该机制可以同时考虑空间和时间轴的上局部特性图2NWA的结构概述有关分析师的申明见本报告最后部分其他重要信息披露见分析师申明之后部分或请与您的投资代表联系并请阅读本证券研究报告最后一页的免责申明2电子行业动态跟踪预训练跨模态模型日趋成熟智能物联AIoT行业有望受益数据来源量子位东方证券研究所中国AI安防行业进入精细化发展阶段2020年中国AI安防软硬件市场规模达453亿元艾瑞预测2021-2025年市场进入产业结构调整期市场增速将放缓预计2025年规模超900亿元AI开始向公安交通等场景的下沉市场以及泛安防智能物联AIoT的长尾细分领域渗透发展模式由过去粗放上量转变为精细化升级改造在过去几年人工智能与安防结合的热度很高但仍存在算法场景限制高深度应用不足等限制和问题图32020-2025E中国AI安防软硬件市场规模亿元及增图4智慧安防规模应用的八大限制性因素速AI安防软硬件市场规模亿元增速10002500800200060015004001000200500000020202021E2022E2023E2024E2025E数据来源艾瑞咨询东方证券研究所数据来源安防AI人工智能工程化白皮书东方证券研究所大型跨模态预训练模型有望突破AI安防行业瓶颈根据安防AI人工智能工程化白皮书视频监控系统产生的数据量庞大而且日趋多元化包含非结构化数据半结构化特征数据以及结构化数据当前的人工智能视频大数据分析技术主要存在如下几个问题1非卡口场景的视频分析算法在准确率稳定性及计算成本等核心指标方面还有待于提高导致非卡口场景的存量视频利用率极低目前没有有效利用的非卡口监控视频约占监控视频总量的97左右2智能AI摄像机及视频结构化分析产品开始进入安防市场产生了海量的结构化视频数据但基于结构化视频数据的深度智能应用如时空分析模式挖掘预测预警技战法训练等尚在探索阶段有可能形成新的数据浪费和低效投资目前AIGC高质量内容产出的背后是大型跨模态预训练模型的成熟未来随着该模型算法在智能安防和AIoT等领域的渗透落地行业整体视频识别算法的准确性可靠性应用广泛性将有望提高投资建议与投资标的看好具备软硬件基础和优异的AI落地能力的智能物联AIoT龙头厂商受益于AI技术的持续进步维持推荐海康威视002415买入大华股份002236买入风险提示技术渗透不及预期相关公司大模型算法研发及应用进展不及预期高算力芯片采购限制有关分析师的申明见本报告最后部分其他重要信息披露见分析师申明之后部分或请与您的投资代表联系并请阅读本证券研究报告最后一页的免责申明3电子行业动态跟踪预训练跨模态模型日趋成熟智能物联AIoT行业有望受益分析师TableDisclaimer申明每位负责撰写本研究报告全部或部分内容的研究分析师在此作以下声明分析师在本报告中对所提及的证券或发行人发表的任何建议和观点均准确地反映了其个人对该证券或发行人的看法和判断分析师薪酬的任何组成部分无论是在过去现在及将来均与其在本研究报告中所表述的具体建议或观点无任何直接或间接的关系投资评级和相关定义报告发布日后的12个月内的公司的涨跌幅相对同期的上证指数深证成指的涨跌幅为基准公司投资评级的量化标准买入相对强于市场基准指数收益率15以上增持相对强于市场基准指数收益率515中性相对于市场基准指数收益率在-55之间波动减持相对弱于市场基准指数收益率在-5以下未评级由于在报告发出之时该股票不在本公司研究覆盖范围内分析师基于当时对该股票的研究状况未给予投资评级相关信息暂停评级根据监管制度及本公司相关规定研究报告发布之时该投资对象可能与本公司存在潜在的利益冲突情形亦或是研究报告发布当时该股票的价值和价格分析存在重大不确定性缺乏足够的研究依据支持分析师给出明确投资评级分析师在上述情况下暂停对该股票给予投资评级等信息投资者需要注意在此报告发布之前曾给予该股票的投资评级盈利预测及目标价格等信息不再有效行业投资评级的量化标准看好相对强于市场基准指数收益率5以上中性相对于市场基准指数收益率在-55之间波动看淡相对于市场基准指数收益率在-5以下未评级由于在报告发出之时该行业不在本公司研究覆盖范围内分析师基于当时对该行业的研究状况未给予投资评级等相关信息暂停评级由于研究报告发布当时该行业的投资价值分析存在重大不确定性缺乏足够的研究依据支持分析师给出明确行业投资评级分析师在上述情况下暂停对该行业给予投资评级信息投资者需要注意在此报告发布之前曾给予该行业的投资评级信息不再有效有关分析师的申明见本报告最后部分其他重要信息披露见分析师申明之后部分或请与您的投资代表联系并请阅读本证券研究报告最后一页的免责申明4免责声明HeadertTableDisclaimerTableDisclaimer本证券研究报告以下简称本报告由东方证券股份有限公司以下简称本公司制作及发布本报告仅供本公司的客户使用本公司不会因接收人收到本报告而视其为本公司的当然客户本报告的全体接收人应当采取必要措施防止本报告被转发给他人本报告是基于本公司认为可靠的且目前已公开的信息撰写本公司力求但不保证该信息的准确性和完整性客户也不应该认为该信息是准确和完整的同时本公司不保证文中观点或陈述不会发生任何变更在不同时期本公司可发出与本报告所载资料意见及推测不一致的证券研究报告本公司会适时更新我们的研究但可能会因某些规定而无法做到除了一些定期出版的证券研究报告之外绝大多数证券研究报告是在分析师认为适当的时候不定期地发布在任何情况下本报告中的信息或所表述的意见并不构成对任何人的投资建议也没有考虑到个别客户特殊的投资目标财务状况或需求客户应考虑本报告中的任何意见或建议是否符合其特定状况若有必要应寻求专家意见本报告所载的资料工具意见及推测只提供给客户作参考之用并非作为或被视为出售或购买证券或其他投资标的的邀请或向人作出邀请本报告中提及的投资价格和价值以及这些投资带来的收入可能会波动过去的表现并不代表未来的表现未来的回报也无法保证投资者可能会损失本金外汇汇率波动有可能对某些投资的价值或价格或来自这一投资的收入产生不良影响那些涉及期货期权及其它衍生工具的交易因其包括重大的市场风险因此并不适合所有投资者在任何情况下本公司不对任何人因使用本报告中的任何内容所引致的任何损失负任何责任投资者自主作出投资决策并自行承担投资风险任何形式的分享证券投资收益或者分担证券投资损失的书面或口头承诺均为无效本报告主要以电子版形式分发间或也会辅以印刷品形式分发所有报告版权均归本公司所有未经本公司事先书面协议授权任何机构或个人不得以任何形式复制转发或公开传播本报告的全部或部分内容不得将报告内容作为诉讼仲裁传媒所引用之证明或依据不得用于营利或用于未经允许的其它用途经本公司事先书面协议授权刊载或转发的被授权机构承担相关刊载或者转发责任不得对本报告进行任何有悖原意的引用删节和修改提示客户及公众投资者慎重使用未经授权刊载或者转发的本公司证券研究报告慎重使用公众媒体刊载的证券研究报告HeadertTableAddress东方证券研究所地址上海市中山南路318号东方国际金融广场26楼电话021-63325888传真021-63326786网址wwwdfzqcomcn东方证券股份有限公司经相关主管机关核准具备证券投资咨询业务资格据此开展发布证券研究报告业务东方证券股份有限公司及其关联机构在法律许可的范围内正在或将要与本研究报告所分析的企业发展业务关系因此投资者应当考虑到本公司可能存在对报告的客观性产生影响的利益冲突不应视本证券研究报告为作出投资决策的唯一因素