华为：宣布即将推出其最新的盘古大模型。大模型产业落地深刻借鉴意义。1）算法上，效果未知的情况下，参数不落后，方法论是和国际接轨的。2）NLP encoder-decoder相比百度结构可能效果好；3）CV用了transformer结构提取特征方法论上可能是领先的；4）其余ai训练平台、算力、芯片，有自己的生态准备；5）应用：更少合作伙伴，可能直接面向政企客户，可能较少Maas合作伙伴，模式更加类似于安防双雄的EBG+AI。
　　华为盘古大模型算法：参数不落后，方法论与国际领先接轨，体现在encoder-decoder结构、增量推理、工程化落地、CV突破。1） NLP大模型：1100亿稠密参数，encoder-decoder，嵌入灵活性+下游适应。2）使用Encoder-Decoder，可能相比googleBERT/百度ernie能展现出更好的NLP生成效果。3）在推理方案上，华为使用了增量推理+分布式推理，提升性能。这种方式，与EDA或FPGA设计中的增量设计（IncrementalDesign）思维有异曲同工之妙。4）盘古NLP充分考虑了工程化落地问题，例如大模型最后一公里/小样本学习/支持二次开发。融合了通用知识+行业经验，支持二次开发（知识库+支持二次开发的特点和百度文心有相似性，这可能是国产大模型的特色）。5）华为对新的transformer+CV的方法论勇于尝试。未来意味着更大的参数上限和性能上限。这种方法论上的更新可能带来传统领域精度突破。
　　AI生态：Mindspore生态圈+昇腾芯片，分别挑战英伟达和海外框架，框架难点可能在AI编译技术。1）设计思路：着重提升易用性并降低AI开发者的开发门槛，端、边缘和云都适应。2）芯片与英伟达比较。华为在2019年8月发布的昇腾910与英伟达在2020年5月发布的A100性能相当，但是我们认为华为的主要问题在于不具备深度学习框架生态掌控力。3）深度学习训练框架，目前难点可能在AI编译技术。要想打破Tensorflow和Pytorch的垄断必须要靠原始创新，而目前包括华为MindSpore在内的国产深度学习框架尚未很好解决上述两大训练框架的痛点。我们认为Tensorflow和Pytorch目前共同的痛点在于对海量算子和各种AI芯片支持的难度，华为正在探索靠AI编译器的技术来解决上述问题，但是目前编译技术仍然还达不到人工优化的效果。
　　应用：大模型可能是2B+AI渗透提升的突破口，目前已经在医学影像、金融、工业质检等100余项实际任务中得到了验证。1）小模型：碎片化制约2B的AI化。2）NLP大模型已经实现了泛化和涌现，投资者期待类似情况在CV领域出现。目前已经在医学影像、金融、工业质检等100余项实际任务中得到了验证，平均缩短开发时间80%以上。
　　综合考虑华为五类合作伙伴、生态、AIGC场景、行业地位，我们建议：
　　1)华为软件与AI的紧密合作伙伴：赛意信息（此前发布个股深度，华为智能方案）、软通动力（华为服务）、广电运通（与华为战略合作）、格灵深瞳、云从科技等。
　　2)华为AI软硬件弹性：拓维信息（tmt）、智洋创新、神州数码、沪电股份（申万电子）。
　　其他部分AIGC在计算机的重要公司：石基信息（酒旅AI）、大华股份（视觉CV）、润达医疗（申万医药、医疗诊断AI）、广联达（建筑AI化）、虹软科技（Stable Diffusion 2B图像）、福昕软件、金山办公、致远互联、万兴科技等。
　　风险提示：大模型技术中美仍存在差异，部分技术尚处于实验室阶段，存在落地风险。
　　

研究报告全文：行业及产计算机业2023年03月26日华为盘古对方法论创新致敬产行业研业落地有借鉴意义究行看好AIGC系列之八暨华为产业系列之五业点评相关研究华为宣布即将推出其最新的盘古大模型大模型产业落地深刻借鉴意义1算法上AIGC从算法算力已到场景谁是格效果未知的情况下参数不落后方法论是和国际接轨的2NLPencoder-decoder相证局型标的-计算机行业周报比百度结构可能效果好3CV用了transformer结构提取特征方法论上可能是领先的券20230320-202303242023年3月254其余ai训练平台算力芯片有自己的生态准备5应用更少合作伙伴可能研日直接面向政企客户可能较少Maas合作伙伴模式更加类似于安防双雄的EBGAI究国产AI芯片的百倍算力需求-AIGC报系列之七2023年3月24日华为盘古大模型算法参数不落后方法论与国际领先接轨体现在encoder-decoder告结构增量推理工程化落地CV突破1NLP大模型1100亿稠密参数encoder-decoder嵌入灵活性下游适应2使用Encoder-Decoder可能相比google证券分析师BERT百度ernie能展现出更好的NLP生成效果3在推理方案上华为使用了增量推洪依真A0230519060003hongyzswsresearchcom理分布式推理提升性能这种方式与EDA或FPGA设计中的增量设计Incremental施鑫展A0230519080002Design思维有异曲同工之妙4盘古NLP充分考虑了工程化落地问题例如大模型shixzswsresearchcom李国盛A0230521080003最后一公里小样本学习支持二次开发融合了通用知识行业经验支持二次开发知ligsswsresearchcom识库支持二次开发的特点和百度文心有相似性这可能是国产大模型的特色5华为宁柯瑜A0230520070005对新的transformerCV的方法论勇于尝试未来意味着更大的参数上限和性能上限这ningkyswsresearchcom林起贤A0230519060002种方法论上的更新可能带来传统领域精度突破linqxswsresearchcom刘洋A0230513050006AI生态Mindspore生态圈昇腾芯片分别挑战英伟达和海外框架框架难点可能在liuyang2swsresearchcomAI编译技术1设计思路着重提升易用性并降低AI开发者的开发门槛端边缘和云联系人都适应2芯片与英伟达比较华为在2019年8月发布的昇腾910与英伟达在2020洪依真862123297818年5月发布的A100性能相当但是我们认为华为的主要问题在于不具备深度学习框架生hongyzswsresearchcom态掌控力3深度学习训练框架目前难点可能在AI编译技术要想打破Tensorflow和Pytorch的垄断必须要靠原始创新而目前包括华为MindSpore在内的国产深度学习框架尚未很好解决上述两大训练框架的痛点我们认为Tensorflow和Pytorch目前共同的痛点在于对海量算子和各种AI芯片支持的难度华为正在探索靠AI编译器的技术来解决上述问题但是目前编译技术仍然还达不到人工优化的效果应用大模型可能是2BAI渗透提升的突破口目前已经在医学影像金融工业质检等100余项实际任务中得到了验证1小模型碎片化制约2B的AI化2NLP大模型已经实现了泛化和涌现投资者期待类似情况在CV领域出现目前已经在医学影像金融工业质检等100余项实际任务中得到了验证平均缩短开发时间80以上综合考虑华为五类合作伙伴生态AIGC场景行业地位我们建议1华为软件与AI的紧密合作伙伴赛意信息此前发布个股深度华为智能方案软通动力华为服务广电运通与华为战略合作格灵深瞳云从科技等2华为AI软硬件弹性拓维信息tmt智洋创新神州数码沪电股份申万电子其他部分AIGC在计算机的重要公司石基信息酒旅AI大华股份视觉CV润达医疗申万医药医疗诊断AI广联达建筑AI化虹软科技StableDiffusion2B图像福昕软件金山办公致远互联万兴科技等风险提示大模型技术中美仍存在差异部分技术尚处于实验室阶段存在落地风险请务必仔细阅读正文之后的各项信息披露与声明行业点评华为大模型产业落地深刻借鉴意义一算法上效果未知的情况下参数不落后方法论是和国际接轨的NLPencoder-decoder相比百度结构可能效果好CV用了transformer结构提取特征方法论上可能是领先的二其余ai训练平台算力芯片有自己的生态准备三应用更少合作伙伴可能直接面向政企客户可能较少Maas合作伙伴模式更加类似于海康大华的EBGAI1算法参数不落后方法论与国际领先接轨华为盘古大模型2021年发布方法论基本保持领先2021年4月华为发布千亿参数40TB训练数据的中文语言NLP预训练模型130亿参数的视觉CV预训练模型目前尚无基于大模型开发的C端级别应用但我们认为华为在大模型在参数上并不落后在基准榜单上取得较好效果在方法论上保持与国际巨头接轨同时大模型设计之初就充分考虑商业化图1华为AI大模型开发整体范式资料来源华为云官网申万宏源研究11NLP1100亿稠密参数encoder-decoder架构NLP大模型1100亿稠密参数encoder-decoder嵌入灵活性下游适应整体看在中文NLP排行中领先水平尤其小样本和复杂商用场景2019年权威的中文语言理解评测基准CLUE榜单中盘古NLP大模型在总排行榜及分类阅读理解单项均1华为开发者大会2021Cloud是华为ICT基础设施业务面向全球开发者的年度盛会于4月24日-26日在深圳大学城西丽举行请务必仔细阅读正文之后的各项信息披露与声明第2页共17页简单金融成就梦想行业点评排名第一刷新三项榜单世界历史纪录总排行榜得分83046多项子任务得分业界领先是目前最接近人类理解水平8561的预训练模型图2复杂商用场景实测不同模型少样本学习达到的图3各模型复杂商用场景实测得到目标F1结果所需F1结果100表示跟fulllabel结果相同的平均样本量9851003002709080728250706576282006050150100409028510030452050101000RoBERTaGPT-3BERTCNN盘古RoBERTaBERTGPT-3CNN盘古资料来源华为云官网申万宏源研究资料来源华为云官网申万宏源研究模型架构上首次使用Encoder-Decoder在AIGC系列之六百度文心一个符合预期的起点中我们认为以google为例最早的bert模型使用了encoder-only结构展现出较好的语言理解能力但其后GPT为代表的encoder-only结构展现出强大的生成能力其后google也将模型结构从encoder-only过渡到encoder-decoder再到decoder-only华为使用Encoder-Decoder可能相比googleBERT百度ernie能展现出更好的NLP生成效果图4encoder-only和encoder-decoder结构区别注在Transformer架构中Encoder近似为填空题根据上下文和概率填写Decoder近似为接龙题根据上文和概率依次接龙得到下文前者的代表即BERT架构优雅但对超大参数训练有瓶颈后者的接龙更利于超大规模训练因此华为Encoder-Decoder架构更进一步资料来源申万宏源研究请务必仔细阅读正文之后的各项信息披露与声明第3页共17页简单金融成就梦想行业点评12推理增量分布式提升性能同时在推理方案上华为使用了增量推理分布式推理提升性能当使用增量推理的时候首先将使用完整输入推理一步此时通过某种方式保存下来输入对应的state在第二步推理时输入仅为上一步推理得到的字词然后将本步推理得到的state与保存下来的前序state拼接作为本步推理的完整state通过这种方式可以保证最小的输入shapeseqlength1这样可以极大提升推理性能这种方式与EDA或FPGA设计中的增量设计IncrementalDesign思维有异曲同工之妙以电路设计为例增量设计是一种能在小范围改动情况下节约综合实现时间并继承以往设计成果的设计手段作为一个流程增量设计能够极大地减小布局布线时间并且当对一个近似完整的设计作小的变动可以保持整个系统的性能图5盘古NLP的增量推理思路每一步的seqlegth都1这样可以减少推理的压力资料来源CSDNMindSpore申万宏源研究13考虑商业化落地增强MaaS能力盘古NLP充分考虑了工程化落地问题例如大模型最后一公里小样本学习支持二次开发盘古兼顾NLP大模型的理解能力和生成能力保证了模型在不同系统中的嵌入灵活性尝试解决大模型最后一公里下游应用中仅需少量样本和可学习参数即可完成千亿规模大模型的快速微调和下游适配小样本学习超越GPT系迁移学习P-tuningpriming提升微调效果最终可以实现在样本极少的情况下盘古学习能力超过GPT系列和BERT系列需要得到相同结果盘古所需的数据量仅为中文GPT-3的19实现了近10倍的生产效率提升融合了通用知识行业经验支持二次开发盘古使用了大量行业语音和文本数据包括销售客服等企业与客户之间的沟通场景涵盖金融保险教育地产本地生活请务必仔细阅读正文之后的各项信息披露与声明第4页共17页简单金融成就梦想行业点评电商汽车等与GPT-3直接使用端到端生成的方式不同盘古模型支持开发者根据业务需求搭建pipeline做二次开发包括与开发者自己的行业知识库对接图6盘古融合了知识库查询能力与GPT系端到端有差异区别资料来源机器之心申万宏源研究知识库支持二次开发的特点和百度文心有相似性这可能是国产大模型的特色百度文心底座ERNIE可以让不同的任务范式能够共享在一个共享网络中学习的底层抽象特征并分别利用在他们自己的特定任务网络中学习的特定任务顶层具体特征因此可以更好的支持下游二次开发此外百度文心引入大规模知识图谱学习通用知识-文本预测UKTP任务这样的做法可以大幅度增强Model-as-a-service模型即服务商业价值图7百度ERNIE30的双层模型结构图8百度ERNIE30通用知识-文本预测资料来源ERNIEEnhancedRepresentation资料来源ERNIEEnhancedRepresentationthroughthroughKnowledgeIntegration申万宏源KnowledgeIntegration申万宏源研究研究总结华为盘古NLP大模型结构思路不落后参数达到大模型入门级规模可能也加入了知识图谱从设计之初就考虑了商业化落地能力14CV大模型挑战新transformerCV方法论CV大模型特征提取用了transformer的方法参数上限更高现阶段提升精度和降低成本为主未来可以期待泛化能力请务必仔细阅读正文之后的各项信息披露与声明第5页共17页简单金融成就梦想行业点评华为CV大模型基于模型大小和运行速度需求自适应抽取不同规模模型AI应用开发快速落地使用层次化语义对齐和语义调整算法提升小样本学习能力图9华为CV大模型资料来源华为云官网申万宏源研究参数量达到30亿国内第一梯队达到海外2021-2022年水平华为CV大模型目前公布参数为30亿训练数据为10亿级图像CV大模型在ImageNet110数据集上的小样本分类精度上SOTAImageNet达到和全监督接近结果目前国内领先的CV大模型还有商汤书生2参数规模同样为30亿华为对新的transformerCV的方法论勇于尝试未来意味着更大的参数上限和性能上限在我们此前报告AIGC5跨模态更多应用场景出现中国公司得到更大机会中我们提出基于传统CNN大参数思路遇到瓶颈2021年后随着vitswintransformermae等论文推出transformer在CV和跨模态等应用增加在这一阶段首次将CV模型扩大到20亿和30亿参数级别其单模型在ImageNet数据集的分类准确率也都突破了90远超传统CNN网络和小规模模型突破了技术瓶颈图10google的VisionTransformer的核心思路图11微软的SwinTransformer的核心思路资料来源ANIMAGEISWORTH16X16WORDS资料来源SwinTransformerHierarchicalVisionTRANSFORMERSFORIMAGERECOGNITIONATTransformerusingShiftedWindows申万宏源研究SCALE申万宏源研究22023年3月商汤发布多模态大模型书生INTERN25达到30亿参数不仅是世界上开源模型中ImageNet准确度最高规模最大的模型也是物体检测标杆数据集COCO中唯一超过650mAP的模型请务必仔细阅读正文之后的各项信息披露与声明第6页共17页简单金融成就梦想行业点评华为从2021年开始也开始不再拘泥于使用CNN结构2021年华为诺亚等引入预训练图像处理TransformerIPT可以微调后应用于图像重建去噪去雨等等2021年提出动态级联VisionTransformerDVT在精度相同的情况下DVT能将T2T-ViT的计算成本降低16-36倍图12IPT预训练处理思路图13DVT提升视觉能力的案例资料来源Pre-TrainedImageProcessing资料来源NotAllImagesareWorth16x16WordsTransformer申万宏源研究DynamicTransformersforEfficientImageRecognition申万宏源研究这种方法论上的更新可能带来传统领域精度突破例如华为盘古气象大模型提供的Z500五天预报均方根误差为2967显著低于之前最好的数值预报方法operationalIFS3337和AI方法FourCastNet4625图14华为气象大模型的3Dtransformer资料来源Pangu-WeatherA3DHigh-ResolutionSystemforFastandAccurateGlobalWeatherForecast申万宏源研究图15华为空天灵眸大模型使用ViT和SwinTransformer自动提取遥感地物通用特征请务必仔细阅读正文之后的各项信息披露与声明第7页共17页简单金融成就梦想行业点评资料来源华为官网申万宏源研究总结尽管目前看CV大模型的涌现和泛化能力体现没有NLP大模型那么明显但是transformer等新的模型结构已经为我们展示了更多可能因此我们认为大胆尝试新的模型方法是值得期待的2AI生态Mindspore生态圈昇腾芯片Mindspore训练平台云边端同步适配2018年10月10日华为首次展示CANN算子库MindSpore深度学习框架AI开发平台ModelArts2020年3月华为在码云开源MindSpore企业级AI应用开发者套件ModelArtsPro在华为云上线设计思路着重提升易用性并降低AI开发者的开发门槛端边缘和云都适应除此以外能够在按需协同的基础上通过实现AI算法即代码适配华为昇腾AI处理器也支持GPUCPU等其它图16华为MindSpore套件资料来源Mindspore官网申万宏源研究请务必仔细阅读正文之后的各项信息披露与声明第8页共17页简单金融成就梦想行业点评华为在2019年8月发布的昇腾910与英伟达在2020年5月发布的A100性能相当但是我们认为华为的主要问题在于不具备深度学习框架生态掌控力即使其芯片性能与英伟达水平差不多但是由于TensorflowPytorch两大主流深度学习训练框架没有基于华为昇腾910做特定的优化所以算法结合上述两大训练框架在昇腾910上实际跑出来的性能其实不如英伟达A100目前仅华为自研的深度学习框架MindSpore对昇腾910和昇腾310做了特别优化由于华为MindSpore大部分精力都是放在对昇腾芯片的算子支持和优化上对英伟达GPU的支持还不够见下图英伟达的GTX2080Ti结合MindSpore的训练速度明显不如GTX2080Ti结合Pytorch15的训练速度所以只有同时使用华为的深度学习框架和昇腾芯片才能同时发挥出两者的最佳性能上述我们提到要想在深度学习训练框架要想打破Tensorflow和Pytorch的垄断必须要靠原始创新而目前包括华为MindSpore在内的国产深度学习框架尚未很好解决上述两大训练框架的痛点Caffe之所以能够在早期获得开发者欢迎是因为解决了深度学习框架从0到1的过程Tensorflow之所以可以取代Caffe是因为解决了其不够灵活不能自动求导对非计算机视觉任务支持不好等问题Pytorch之所以明显抢夺Tensorflow的份额是因为Pytorch引入了动态图解决了Tensorflow是静态图设计调试困难的问题但是目前国产的三个深度学习框架百度PaddlePaddle旷视Megengine华为MindSpore还没有完美解决开发者在用Tensorflow和Pytorch所遇到的痛点我们认为Tensorflow和Pytorch目前共同的痛点在于对海量算子和各种AI芯片支持的难度华为正在探索靠AI编译器的技术来解决上述问题但是目前编译技术仍然还达不到人工优化的效果华为全面布局了三个层次的AI编译器包括图灵完备的图层IR设计使用poly技术的图算融合算子自动生成技术以TVM编译器的设计思想推出算子开发工具TBE来解决算子开发自动优化的问题表1华为主流推理和训练芯片性能参数型号昇腾310昇腾910昇腾610发布年份2018年2019年2020年研发中场景边缘计算训练推理架构达芬奇达芬奇-制程12nm7nm-性能16TOPSINT8640TOPSINT8100TOPSINT88TOPSFP16320TOPSFP1650TOPSFP16功耗8W310W-显存带宽-1200GBs-芯片面积-456-资料来源知乎海思官网申万宏源研究图17华为在AI领域全栈自研从底层芯片到智能编程语言再到深度学习框架请务必仔细阅读正文之后的各项信息披露与声明第9页共17页简单金融成就梦想行业点评资料来源华为官网申万宏源研究图18MindSpore和Pytorch结合各类芯片训练速度单位张秒资料来源知乎申万宏源研究3应用大模型可能是2BAI渗透提升的突破口31小模型碎片化制约2B的AI化2BAI渗透率为什么一直不高卡在满足客户碎片化需求性价比上这也是小模型时代AI最大的问题之一在我们此前报告领军路径分歧更大的模型还是更低的成本中提出尤其在视觉领域碎片化场景可能才是客户付费意愿关键点以占AI上市公司收入重要达到近50的政府场景为例标准化人脸识别已经无法形成差异化碎片化场景如特殊的交通事故道路塌陷及火灾等伴随着极具体的要求客户付费意愿显著提升请务必仔细阅读正文之后的各项信息披露与声明第10页共17页简单金融成就梦想行业点评因此大规模预训练思路对AI应用落地有什么帮助小模型时代商用模型开发会综合考虑调参等研发投入量和带来的商业价值模型开发出来后能否复用以摊薄研发成本同时对于部分训练样本量较少的场景没有很好解决方法这一情况在CV企业中尤为显著大模型可以在长尾场景应用落地降低训练成本减少数据要求基于大规模预训练思路一方面大模型可以应对多个泛化任务大模型细分场景微调更适合长尾落地另一方面对于小样本fewshot训练大模型也有较好提升图19预训练大模型在综合大量信息后可以用于多范围任务资料来源OntheOpportunitiesandRisksofFoundationModels申万宏源研究32大模型从NLP到CV都是证据NLP大模型已经实现了泛化和涌现投资者期待类似情况在CV领域出现CV大模型的泛化能力可能会成为解决以上问题的方法盘古CV就在各下游缩短开发时间减少样本需求整体减少AI落地成本上做出努力盘古CV大模型在业界首次实现了模型的按需抽取根据不同部署环境的运行要求可以自动抽取出的适合的模型模型差异动态范围可达三个数量级目前已经在医学影像金融工业质检等100余项实际任务中得到了验证平均缩短开发时间80以上极大地提升了开发效率以及模型性能小样本学习性能领先ImageNet10标签分类精度业界第一例如智能巡检场景通过CV大模型数据筛选效率提升30倍筛选质量提升5倍模型的精度比普通模型提升18智慧物流场景1个模型覆盖9种物流场景监测收货入库在库和出库全流程一个模型同时做行为异常轨迹异常检测利用大模型的时空对齐能力综合多摄像头数据解决局部遮挡等问题准确估计物体轨迹异常样本种类多数量少的场景可利用小样本数据取得高精准度结果请务必仔细阅读正文之后的各项信息披露与声明第11页共17页简单金融成就梦想行业点评目前华为盘古大模型在商业领域引入合作伙伴较少我们观察到的仍然是华为直接面向政企客户提供最终产品预计未来模型底座成熟后可能也将引入Maas合作伙伴4相关标的41理解中美AIGC场景生态开始落地预计华为盘古的新发布会验证我们对中美AIGC生态渗透的判断AIGC场景中2C包括搜索办公游戏NLP等2B包括视觉CV医疗教育工业汽车金融等也应当包括酒旅与建筑其中海外巨头微软谷歌脸书特斯拉deepmind等已分别布局英伟达等提供算力支撑依照场景国内的金山办公汉得信息办公360百度申万互联网搜索安防双杰虹软视觉CV等科大讯飞等NLP润达医疗等申万医药等医学中控技术汇川技术申万机械工业同花顺东方财富金融广联达建筑石基信息酒旅等都可能会是AIGC的核心公司而底层算力的代表是寒武纪海光浪潮请务必仔细阅读正文之后的各项信息披露与声明第12页共17页简单金融成就梦想行业点评图20AI从算法算力到场景应用绘制了AIGCAI下各自场景的海外中国代表性公司欧美基础设施部分2C请参照申万宏源互联网传媒2B欧美算力搜索办公游戏NLP视觉CV医疗教育工业汽车金融建筑酒旅英伟达等芯片服务器微软bing接入chatGPToffice接入chatGPT微软新AI功能Copilot微软AzureOpenAI服务微软与openAIVITmae谷歌脸书diffusion算法deepmindAlphafold等药物开发PaLM-E是视觉特斯拉语言模型特斯拉谷歌机器人PaLM-E大模型如BEVAI模型集AdobeAdobeFireflyOracleOracleAI服务中国基础设施部分2C请参照申万宏源互联网传媒2B中国算力搜索办公游戏自然语言处理视觉CV医疗教育工业汽车金融建筑酒旅寒武纪海光浪潮等芯片服务器360百度新一代搜索文心一言金山办公等探索结合AIGCLLM汉得信息等ERP接入百度微软A股游戏公司A股游戏公司科大讯飞等NLP等技术1N任务攻关安防AI双杰虹软等世界领军的CV环境润达医疗等AI诊断检验中控技术中控工业AI汇川技术机械等InPlantIBD等造车新势力等AI问答机器人同花顺东方财富等金融数据智能等广联达AI平台NLP石基信息云PMSAI注1根据金山办公互动平台发布探索结合AIGCLLM技术的下一代人机交互体验在文档翻译听读中英文校对语音及音频转写智能辅助写作及排版表格数据智能分析PPT一键生成及美化等场景进行融合注2根据科大讯飞互动平台发布N是应用于教育医疗人机交互办公翻译工业等多个行业领域的专用大模型注3东方财富互动平台发布已经陆续研发了东方财富金融数据AI智能化生产平台多媒体智能资讯及互动平台系统等多个人工智能相关项目注4领域橙色表明国家禀赋即这个领域的应用优势大资料来源各公司历年年报申万宏源研究42华为的合作伙伴图21昇腾生态伙伴分为应用软件伙伴IHV硬件伙伴整机硬件伙伴一体机解决方案伙伴辅助运营伙伴请务必仔细阅读正文之后的各项信息披露与声明第13页共17页简单金融成就梦想行业点评资料来源华为昇腾官方网站申万宏源研究根据华为昇腾官网包括几类合作伙伴1整机硬件伙伴专门从事整机产品的开发生产销售和服务拥有自有品牌的产品能够在华为昇腾系列产品基础上进行二次开发或加工生产其自有品牌整机产品并销售至最终用户的合作伙伴2IHV硬件伙伴能够基于华为昇腾部件进行二次开发形成自有品牌硬件产品并进行销售的硬件伙伴3应用软件伙伴开发销售自有知识产权的应用程序软件产品及垂直细分应用等产品能够对接华为昇腾系列产品并有能力进行二次开发的软件伙伴4一体机解决方案伙伴基于华为公司华为授权白牌机业务的整机伙伴提供的昇腾部件或白牌机进行二次开发以一体机解决方案的形式对外销售的合作伙伴由认证级以上的应用软件伙伴进行该伙伴身份申请5辅助运营伙伴具备区域运营能力具有运营专业知识和团队可以主导运营指定区域人工智能计算中心生态创新中心或创新实验室等的合作伙伴图22华为昇腾合作伙伴包括的行业应用于场景资料来源华为昇腾官方网站申万宏源研究请务必仔细阅读正文之后的各项信息披露与声明第14页共17页简单金融成就梦想行业点评图23华为昇腾应用合作伙伴的代表公司资料来源华为昇腾官方网站申万宏源研究综合考虑华为生态AIGC场景行业地位我们建议1华为软件与AI的紧密合作伙伴赛意信息此前发布个股深度华为智能方案软通动力华为服务广电运通华为战略合作格灵深瞳云从科技2华为AI软硬件弹性标的拓维信息智洋创新神州数码沪电股份申万电子3其他部分AIGC在计算机的重要公司石基信息酒旅AI润达医疗申万医药医疗诊断AI大华股份视觉CV广联达建筑AI化虹软科技StableDiffusion2B图像福昕软件金山办公致远互联万兴科技等5风险提示风险提示大模型技术中美仍存在差异部分技术尚处于早期实验室阶段存在落地风险表2计算机估值简表单位亿元元证券代码证券简称2023324PBWind一致预期EPSPE收盘价总市值2021A2022E2023E2024E2021A2022E2023E2024E元亿元300059SZ东方财富2024267541000079094--2622600588SH用友网络259989282014025037-19110470300454SZ深信服1371257284063135226-21910261002230SZ科大讯飞6002139488033080112-1817553600570SH恒生电子4740901158064097121-744939002410SZ广联达6500774133000110142--5946002236SZ大华股份224868227079113138-282016300033SZ同花顺17626948131000409502--4335002920SZ德赛西威11195622105203303413-553727000977sz浪潮信息402058837164202254-242016603019SH中科曙光395057834000137178--2922请务必仔细阅读正文之后的各项信息披露与声明第15页共17页简单金融成就梦想行业点评300253SZ卫宁健康110723848017025035-644432002405SZ四维图新143334128002014022--76810564002153SZ石基信息182938448013006014--141289132002439SZ启明星辰323530847096122156-342621002152SZ广电运通119829826000042048--2825002180SZ纳思达464065741139195265-332418002373SZ千方科技136521618017049063-822822300773SZ拉卡拉200516031065100148-312014002065SZ东华软件71923020----------600271SH航天信息135925219050056058-272424300168SZ万达信息106715448002008017--55313165300271SZ华宇软件10158415----------300188SZ美亚柏科179815537000037049--4836300451SZ创业软件102215834027037046-392822300226SZ上海钢联400510762075095126-544232300166SZ东方国信121814020006030040-1944131002063SZ远光软件96315349030034043-393427002912SZ中新赛克42857447000088132--4932300036SZ超图软件240111837056079106-433023300078SZ思创医惠5865126----------002376SZ新北洋7885216025029031-322825300523SZ辰安科技25405941----------002777SZ久远银海251310366000071090--3628300130SZ新国都18709431000094122--2015300550SZ和仁科技16934439----------资料来源Wind申万宏源研究请务必仔细阅读正文之后的各项信息披露与声明第16页共17页简单金融成就梦想行业点评信息披露证券分析师承诺本报告署名分析师具有中国证券业协会授予的证券投资咨询执业资格并注册为证券分析师以勤勉的职业态度专业审慎的研究方法使用合法合规的信息独立客观地出具本报告并对本报告的内容和观点负责本人不曾因不因也将不会因本报告中的具体推荐意见或观点而直接或间接收到任何形式的补偿与公司有关的信息披露本公司隶属于申万宏源证券有限公司本公司经中国证券监督管理委员会核准取得证券投资咨询业务许可本公司关联机构在法律许可情况下可能持有或交易本报告提到的投资标的还可能为或争取为这些标的提供投资银行服务本公司在知晓范围内依法合规地履行披露义务客户可通过complianceswsresearchcom索取有关披露资料或登录wwwswsresearchcom信息披露栏目查询从业人员资质情况静默期安排及其他有关的信息披露机构销售团队联系人华东A组陈陶021-33388362chentao1swhysccom华东B组谢文霓18930809211xiewenniswhysccom华北组李丹010-66500631lidan4swhysccom华南组李昇0755-82990609Lisheng5swhysccom股票投资评级说明证券的投资评级以报告日后的6个月内证券相对于市场基准指数的涨跌幅为标准定义如下买入Buy相对强于市场表现20以上增持Outperform相对强于市场表现520中性Neutral相对市场表现在55之间波动减持Underperform相对弱于市场表现5以下行业的投资评级以报告日后的6个月内行业相对于市场基准指数的涨跌幅为标准定义如下看好Overweight行业超越整体市场表现中性Neutral行业与整体市场表现基本持平看淡Underweight行业弱于整体市场表现我们在此提醒您不同证券研究机构采用不同的评级术语及评级标准我们采用的是相对评级体系表示投资的相对比重建议投资者买入或者卖出证券的决定取决于个人的实际情况比如当前的持仓结构以及其他需要考虑的因素投资者应阅读整篇报告以获取比较完整的观点与信息不应仅仅依靠投资评级来推断结论申银万国使用自己的行业分类体系如果您对我们的行业分类有兴趣可以向我们的销售员索取本报告采用的基准指数沪深300指数法律声明本报告仅供上海申银万国证券研究所有限公司以下简称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客户客户应当认识到有关本报告的短信提示电话推荐等只是研究观点的简要沟通需以本公司httpwwwswsresearchcom网站刊载的完整报告为准本公司并接受客户的后续问询本报告首页列示的联系人除非另有说明仅作为本公司就本报告与客户的联络人承担联络工作不从事任何证券投资咨询服务业务本报告是基于已公开信息撰写但本公司不保证该等信息的准确性或完整性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所载的资料意见及推测仅反映本公司于发布本报告当日的判断本报告所指的证券或投资标的的价格价值及投资收入可能会波动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报告客户应当考虑到本公司可能存在可能影响本报告客观性的利益冲突不应视本报告为作出投资决策的惟一因素客户应自主作出投资决策并自行承担投资风险本公司特别提示本公司不会与任何客户以任何形式分享证券投资收益或分担证券投资损失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中所指的投资及服务可能不适合个别客户不构成客户私人咨询建议本公司未确保本报告充分考虑到个别客户特殊的投资目标财务状况或需要本公司建议客户应考虑本报告的任何意见或建议是否符合其特定状况以及若有必要咨询独立投资顾问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市场有风险投资需谨慎若本报告的接收人非本公司的客户应在基于本报告作出任何投资决定或就本报告要求任何解释前咨询独立投资顾问本报告的版权归本公司所有属于非公开资料本公司对本报告保留一切权利除非另有书面显示否则本报告中的所有材料的版权均属本公司未经本公司事先书面授权本报告的任何部分均不得以任何方式制作任何形式的拷贝复印件或复制品或再次分发给任何其他人或以任何侵犯本公司版权的其他方式使用所有本报告中使用的商标服务标记及标记均为本公司的商标服务标记及标记请务必仔细阅读正文之后的各项信息披露与声明第17页共17页简单金融成就梦想