ChatGPT的发展基础：大语言模型发展的提速。ChatGPT是Open AI公司开发的一种大语言模型，与传统的判别式预测不同，ChatGPT是一种生成式人工智能，用来生成新的内容和观点，并实时交流。近年预训练基础模型发展较快，大语言模型的成绩较为瞩目。
　　 AI使得单机设备更加智能化。传统的定制化加工模式有望得到重塑。工业机械化制造紧缺的是懂工艺和编程的复合人才，自然语言编程的进步，有可能降低人才培养难度和提高工程师的设计效率，因此利好需要定制化编写和调试代码的数控机床行业。
　　 AI促使生产线更柔性化。看重“小单快反”制造业的模式，天然适合AI介入进行柔性化生产改造。基于AI的智能控制系统可以自动调整生产过程中的参数和流程，从而适应不同的生产需求和变化。AI的发展有望丰富下游的生态，利好数码印花行业。
　　工业软件搭载AI后，有望更加智能化。前端生产环节，AI自然语言编程提高工程师设计效率，工厂内部一线的使用人员可以根据经验、借助自然语言直接进行软件优化和迭代，未来的效率优化空间更大，工业软件设计有望加速发展。后端仓储环节，AI也可以通过对仓库中的物品进行识别和分类，有望提高仓库管理效率。
　　AI有望提升机器视觉的分辨能力和应用范围。AI能够为机器视觉注入新活力，而机器视觉又协助AI进行数据生产。搭载AI的机器视觉等技术有望能够大幅提升检测效率，同时机器视觉是数字经济技术中获取数据的重要途径，通过将生产数据数字化，提供更为丰富的机器学习样本，助力算法软件迭代和研发端提效。
　　AI有望加速机器人的训练能力。根据谷歌和微软最新的论文，AI有望给机器人训练带来三重颠覆性改变——分别是自然语言调试、图片推理和虚拟环境训练。未来更多机器人主机厂有望能够参与机器人的场景训练调试，推动人形机器人的应用端百花齐放，利好产业链的发展。
　　投资建议。AI技术有望重塑传统的单机定制化加工模式，利好数控机床公司，同时利好柔性化产线的应用端设备公司，例如数码印花行业。有望形成工厂全流程管控新模式，工厂自动化的软件设计有望加速发展，利好工业软件公司。AI有望提升机器视觉的分辨能力和应用范围，利好机器人视觉公司。未来机器人训练的成本有望大幅下降，应用层面有望百花齐放，产业链有望收益。
　　风险提示。ChatGPT发展及应用落地不及预期；应用场景探索不及预期；国产厂商的技术和发展不及预期。未来国内公司使用ChatGPT可能带来数据安全风险。
　　

研究报告全文：TablePage行业专题研究机械设备2023年3月27日证券研究报告AITableTitle制造系列报告之一从单机到产线AI让制造更简单分析师Tabl代川分析师孙柏阳eAuthorSAC执证号S0260517080007SAC执证号S0260520080002SFCCEnoBOS186021-38003678021-38003680daichuangfcomcnsunboyanggfcomcn请注意孙柏阳并非香港证券及期货事务监察委员会的注册持牌人不可在香港从事受监管活动TableSummary核心观点ChatGPT的发展基础大语言模型发展的提速ChatGPT是OpenAI公司开发的一种大语言模型与传统的判别式预测不同ChatGPT是一种生成式人工智能用来生成新的内容和观点并实时交流近年预训练基础模型发展较快大语言模型的成绩较为瞩目AI使得单机设备更加智能化传统的定制化加工模式有望得到重塑工业机械化制造紧缺的是懂工艺和编程的复合人才自然语言编程的进步有可能降低人才培养难度和提高工程师的设计效率因此利好需要定制化编写和调试代码的数控机床行业AI促使生产线更柔性化看重小单快反制造业的模式天然适合AI介入进行柔性化生产改造基于AI的智能控制系统可以自动调整生产过程中的参数和流程从而适应不同的生产需求和变化AI的发展有望丰富下游的生态利好数码印花行业工业软件搭载AI后有望更加智能化前端生产环节AI自然语言编程提高工程师设计效率工厂内部一线的使用人员可以根据经验借助自然语言直接进行软件优化和迭代未来的效率优化空间更大工业软件设计有望加速发展后端仓储环节AI也可以通过对仓库中的物品进行识别和分类有望提高仓库管理效率AI有望提升机器视觉的分辨能力和应用范围AI能够为机器视觉注入新活力而机器视觉又协助AI进行数据生产搭载AI的机器视觉等技术有望能够大幅提升检测效率同时机器视觉是数字经济技术中获取数据的重要途径通过将生产数据数字化提供更为丰富的机器学习样本助力算法软件迭代和研发端提效AI有望加速机器人的训练能力根据谷歌和微软最新的论文AI有望给机器人训练带来三重颠覆性改变分别是自然语言调试图片推理和虚拟环境训练未来更多机器人主机厂有望能够参与机器人的场景训练调试推动人形机器人的应用端百花齐放利好产业链的发展投资建议AI技术有望重塑传统的单机定制化加工模式利好数控机床公司同时利好柔性化产线的应用端设备公司例如数码印花行业有望形成工厂全流程管控新模式工厂自动化的软件设计有望加速发展利好工业软件公司AI有望提升机器视觉的分辨能力和应用范围利好机器人视觉公司未来机器人训练的成本有望大幅下降应用层面有望百花齐放产业链有望收益风险提示ChatGPT发展及应用落地不及预期应用场景探索不及预期国产厂商的技术和发展不及预期未来国内公司使用可能带来数据安全风险ChatGPT相关研究TableReport机械设备行业AI产业趋势已至关注智能制造新主线2023-03-27机械设备行业23年首次降准关注行业顺周期修复机会2023-03-19数码印花行业复苏跟踪耗材先行设备跟进2023-03-14识别风险发现价值请务必阅读末页的免责声明本报告联系人TableContacter120TablePageText行业专题研究机械设备目录索引一CHATGPT问世发展源于NLP和大语言模型4二基于CHATGPT工业40向工业50的演进6三AI有望重塑传统的定制化加工模式8四AI改进生产流程生产线更柔性化9五工业软件搭载AI后有望更加智能化9六AI有望提升机器视觉的分辨能力和应用范围10七AI有望加速机器人的训练反哺制造和服务业11一自然语言调试普通用户有望直接调试底层模型12二图片推理超越文本改造现实机器人训练的里程碑12三虚拟环境训练训练或可基于虚拟场景有助于加快训练的进程13八细分领域展望当科学仪器嫁接GPT15九机械行业诸多领域有望收益18十风险提示18识别风险发现价值请务必阅读末页的免责声明220TablePageText行业专题研究机械设备图表索引图1预训练语言模型发展脉络5图2多模态大模型的跨模态任务示例5图3不同内容下的GPT-4与GPT-35的考试结果6图4工业10至40下的工业组织和运营7图5工业40与工业50的定义区别7图6工业40与工业50下的知识图谱7图7工业50中的多学科和跨学科7图8多次训练下ChatGPT对泛工业50的回答8图9CNC编码工程师可能被AI替代的工作范畴9图10工厂内软件设计和数据采集环节有望得到较快发展10图11机器视觉系统架构中算法软件相当于大脑承担处理分析决策的作用11图12数字经济是智能大脑而机器视觉是获取数据的重要途径11图13机器人根据用户的自然语言进行代码调试12图14PaLM-E模型架构摄取不同的模态状态和或图像并通过语言建模13图15视觉语言数据显着提高了机器人任务的性能13图16PaLM-E在虚拟环境中为执行任务指定计划14图17机器人逐渐向全场景功能发展15图18应用场景的深度和宽度决定了产业化的快慢15图19是德科技Infiniium系列产品离线软件界面16图20是德科技示波器的Matlab软件接入界面16图21频谱分析仪的结构框图17图22频谱分析中几种函数关系17图23ChatGPT生成python代码17表1GPT各代模型的迭代进程4表2GPT-4与ChatGPT的对比4识别风险发现价值请务必阅读末页的免责声明320TablePageText行业专题研究机械设备一ChatGPT问世发展源于NLP和大语言模型ChatGPT的发展基础大语言模型发展的提速ChatGPT是OpenAI公司开发的一种大语言模型与传统的判别式预测不同ChatGPT是一种生成式人工智能用来生成新的内容和观点并实时交流到目前为止ChatGPT是基于超大对话文本的训练集包括训练数据文本图表语音等近年预训练基础模型发展较快大语言模型的成绩较为瞩目纵观发展历程基于NLP领域的积累2018年BERT模型取得突破随着近年预生成式训练GPTGPT3DALL-E等大规模预训练模型的涌现AI领域开始了无监督学习条件下的大数据大模型转变ChatGPT由生成式预训练模型GPT-35微调而来持续迭代在GPT35的基础上引入基于人类反馈强化学习技术对模型进行微调形成了ChatGPT从发展历程看2018年GPT-1侧重生成式任务在语言推理文本生成问答等情况表现较好2019年GPT-2容纳更大数据量同时引入文本提示的输入方式2020年GPT-3能将网页描述转换为相应代码生成游戏剧本等以完成大多数NLP任务但对生成内容的偏好控制能力一般2021年WebGPT以及2022年InstructGPT模型逐步具备学习人类回答问题方式的能力2022年3月OpenAI发布了GPT-4与ChatGPT不同的点是GPT-4已是大型多模态体现为输入端已经支持了图像和文本表1GPT各代模型的迭代进程推出时间训练集大小参数个数GPT-12018年5GB117亿GPT-22019年40GB15亿GPT-32020年45TB1750亿数据来源OpenAI广发证券发展研究中心表2GPT-4与ChatGPT的对比GPT-4ChatGPT发布时间2023年3月14日2022年11月30日模态对比多模态输入文字图像输出文字单模态输入文字输出文字图文分析有无最新数据日期2021年9月2021年9月SATMath成绩700800590800上下文窗口32000token4096tokenPRO算法微调RLHF人类反馈强化学习主要算法PRO算法微调RLHF人类反馈强化学习RBRM基于规则的奖励模型训练方法监督学习微调RLHF训练奖励模型RBRMPRO强化学习监督学习微调RLHF训练奖励模型PRO强化学习训练稳定性高一般对抗性测试和红队测试额外的安全相关RLHF训练提示安全性措施RLHF训练RBRM数据来源GPT-4TechnicalReport广发证券发展研究中心识别风险发现价值请务必阅读末页的免责声明420TablePageText行业专题研究机械设备图1预训练语言模型发展脉络数据来源赵朝阳ChatGPT给大语言模型带来的启示和多模态大模型新发展思路广发证券发展研究中心图2多模态大模型的跨模态任务示例数据来源赵朝阳ChatGPT给大语言模型带来的启示和多模态大模型新发展思路广发证券发展研究中心识别风险发现价值请务必阅读末页的免责声明520TablePageText行业专题研究机械设备图3不同内容下的GPT-4与GPT-35的考试结果数据来源GPT-4TechnicalReport广发证券发展研究中心二基于ChatGPT工业40向工业50的演进在工业50的架构中核心是信息社会系统中的并行智能纵观系统的演变从工业40中的信息和交互会变成工业50中的智能化和连接从工业40中的工业自动化会演变成工业50中的学习自动化同时在工业50的框架下基于人机界面采用文字音频视频图表等训练集在大语言模型下系统具备语言智能和想象力智能在大商业模型下系统具备算法智能这和ChatGPT多模态的发展吻合识别风险发现价值请务必阅读末页的免责声明620TablePageText行业专题研究机械设备图4工业10至40下的工业组织和运营图5工业40与工业50的定义区别数据来源Fei-YueWangChatwithChatGPTonIndustry数据来源Fei-YueWangChatwithChatGPTonIndustry50LearningandDecision-MakingforIntelligentIndustries50LearningandDecision-MakingforIntelligentIndustries广发证券发展研究中心广发证券发展研究中心图6工业40与工业50下的知识图谱图7工业50中的多学科和跨学科数据来源Fei-YueWangChatwithChatGPTonIndustry数据来源Fei-YueWangChatwithChatGPTonIndustry50LearningandDecision-MakingforIntelligentIndustries50LearningandDecision-MakingforIntelligentIndustries广发证券发展研究中心广发证券发展研究中心通过与ChatGPT对话试验工业50的概念显现且系统具备多次训练后的智能化试验目的是为了让ChatGPT区分工业50和泛工业50在最初对泛工业50名字较为陌生的情况下训练和学习后的结果使其可以较为完善地作出回答上述结果的实现正是基于三重的训练方式监督学习强化学习模型微调从对话和学习结果看ChatGPT这种学习能力对未来工业端的智能化和自迭代提效带来质的飞跃识别风险发现价值请务必阅读末页的免责声明720TablePageText行业专题研究机械设备图8多次训练下ChatGPT对泛工业50的回答数据来源Fei-YueWangChatwithChatGPTonIndustry50LearningandDecision-MakingforIntelligentIndustries广发证券发展研究中心三AI有望重塑传统的定制化加工模式过去定制化生产需要进行反复调试因此懂工艺和编程的复合人才紧缺是一大难题工业自动化制造中定制化的生产线通常需要手动调整从而需要耗费大量的时间和人力成本并且如果工程师经验不丰富可能会出现调整不准确的情况过去工艺老师傅和工程师需要配合完成一台加工机床的调试工作首先是老师傅摸索出设备的特性和工艺的要点然后让工程师讲信息转化为编程指令进行机器语言的编码编译最终才能在设备终端执行而且诸多情况下一位优秀的CNC工程师也是懂工艺的老师傅因此门槛较高当前AI能够实现自然语言编程有望降低了人才培养难度现在随着AI的升级不懂编程语言也能通过自然语言的输入在过去代码库的基础上让程序自动生成因此做到熟悉工艺就可以通过AI编程让一线技术工人直接介入生产和调试相当于AI完成了原来本属于CNC编码工程师出图师的工作如果能够利用AI完成这些工作生产效率有望得到提升人才培养难度得到下降识别风险发现价值请务必阅读末页的免责声明820TablePageText行业专题研究机械设备图9CNC编码工程师可能被AI替代的工作范畴数据来源广发证券发展研究中心四AI改进生产流程生产线更柔性化在小批量生产领域普通的机器换人缺乏规模效应以自动化设备批量生产降低制造成本为导向的机器换人在以小批量生产为主要模式的行业会遇上瓶颈比如自动缝纫机一台可以替代6个缝纫工确实提高了产能节省人工但是服装天然的特点就是品类多自动缝纫机要求针对不同服装款式缝制要求预先制作工装夹具还需要人工编程打板制作缝迹文件因此未必能实现成本角度的最优解因此服装领域的机器换人的关键是如何实现软件的柔性化敏捷编程或自动编程小单快反领域天然适合AI介入进行柔性化生产AI技术可以实现生产过程的自动化和智能化从而提高生产灵活性例如基于AI的智能控制系统可以自动调整生产过程中的参数和流程从而适应不同的生产需求和变化处于纺织印花行业的宏华数控正基于AI智能设计和MES系统以家纺产品为切入点开发柔性和智能制造的数码印花新业态用AI实现素材自动生产智能风格化等数码喷印装备的柔性化生产既提升纺织行业全产业链自动化程度又解决家纺行业淡旺季的人工冗余难题是实现智慧工厂和低成本快反的重要环节五工业软件搭载AI后有望更加智能化前端生产环节AI自然语言编程提高工程师设计效率工业软件设计有望加速发展过去5-10年工厂内基本实现了数字的采集互通和共享在这基础上工厂通过ERPMES等系统进行场内的流程优化管理但这类的管理软件智能化率不足排产工单分派节拍优化等主要还是依赖工程师的定制化设计后期的优化依然需要工程师进行代码的改进和迭代整体来说需要投入较多的工程师人力资源识别风险发现价值请务必阅读末页的免责声明920TablePageText行业专题研究机械设备未来随着ChatGPT的接入工厂内部一线的使用人员有望根据经验借助自然语言直接进行软件优化和迭代相当于拥有了一个可靠度很高的总调度和总编程工程师未来的效率优化空间更大越来越多的工厂会考虑接入MES等流程优化软件进行系统改造我们认为这一发展利好MES厂商的同时也利好做数据接口的厂商例如做DCS和PLC的厂商或者做控制类仪表仪器的厂商数据的完善采集才是未来ChatGPT运行的核心基础图10工厂内软件设计和数据采集环节有望得到较快发展数据来源广发证券发展研究中心后端仓储环节AI可以通过对仓库中的物品进行识别和分类提高仓库管理效率同时避免出现货物丢失或混淆的情况例如亚马逊正在利用人工智能技术来管理其全球范围内的仓库和物流系统以加速订单处理和提高效率同时亚马逊还使用自主机器人和无人机等技术来实现自动化仓库管理和物流配送从而进一步提高效率和节省成本这些机器人可以自动导航通过视觉和声音传感器识别周围环境同时可以与仓库管理系统进行无缝通信和协同工作六AI有望提升机器视觉的分辨能力和应用范围以往品控依赖人工进行检测效率低下且品控难以保障非智能工业制造需要人工操作的环节较多人工操作难免会存在一定的误差例如生产线上操作员的疲劳注意力不集中等问题这些问题会导致生产效率低下同时会影响产品的质量机器视觉等搭载AI的技术能够大幅提升检测效率AI技术可以实现产品质量的自动检测和质量控制从而提高产品质量基于AI的视觉检测系统可以自动检测产品表面的缺陷和瑕疵因此AI如果付诸实践有望提提高产品的一致性和品质稳定性机器视觉的本质是为机器植入眼睛和大脑行业发展驱动因素由算力过渡到算法机器视觉萌芽期主要受成像技术驱动而后逐渐由军工转为民用在半导识别风险发现价值请务必阅读末页的免责声明1020TablePageText行业专题研究机械设备体等高端制造领域开始渗透2000年之后CPU算力提升使机器视觉系统在PC-Base条件下可以处理一般性的问题算力应用共同发力机器视觉开始应用于平板显示制造PCB检测汽车制造等传统领域步入产业发展早期2021年之后行业发展由量转精以深度残差学习为代表的算法驱动机器视觉开始在包装物流锂电等智能能制造发力行业进入繁荣期图11机器视觉系统架构中算法软件相当于大脑承担处理分析决策的作用数据来源机器视觉发展白皮书2021年版中国电子技术标准化研究院赛迪咨询凌云光招股书广发证券发展研究中心AI为机器视觉注入新活力而机器视觉又协助AI进行数据生产大数据与知识图谱深度学习与小样本处理以及算力与互联网平台极大丰富了图像算子库提高生产效能机器视觉行业逐渐由单一工具包向图像算法组件平台发展例如康耐视开发的VisionPro凌云光的VisionWare海康开发的VisionMaster等另一方面机器视觉是数字经济技术中获取数据的重要途径通过将生产数据数字化提供更为丰富的机器学习样本从而构建起数据采集分析训练闭环助力算法软件迭代和研发端提效图12数字经济是智能大脑而机器视觉是获取数据的重要途径数据来源机器视觉发展白皮书2021年版中国电子技术标准化研究院广发证券发展研究中心七AI有望加速机器人的训练反哺制造和服务业根据谷歌和微软最新的论文AI有望给机器人训练带来了三重颠覆性改变分别是自然语言调试图片推理和虚拟环境训练未来更多机器人主机厂都有望能够参识别风险发现价值请务必阅读末页的免责声明1120TablePageText行业专题研究机械设备与机器人的场景训练调试推动人形机器人的应用端百花齐放利好产业链的发展一自然语言调试普通用户有望直接调试底层模型机器人的流畅行动是经历了千百次的程序员调试才完成的昂贵且低效尽管语言是我们表达意图最直观的方式但我们仍然严重依赖手写代码来控制机器人当前的机器人训练需要将任务要求转化为系统代码的工程师或技术用户这意味着工程师需要编写新的代码和规范来纠正机器人的行为总的来说这个过程很慢用户需要编写低级代码而且昂贵需要对机器人技术有深入了解的高技能用户和低效需要多次交互才能使事情正常工作微软团队一直在探索如何改变这一情况并使用OpenAI的新AI语言模型ChatGPT使自然的人机交互成为可能微软表示未来用户有可能借助AI帮助机器人进行调试过去基于不同的场景进行训练和调试是专属工程师的工作但现在用户有望参与到这个过程中根据微软最新的论文目前的机器人需要专门的工程师不断编写新的代码来修正机器人的行为而我们使用ChatGPT的目标是让非技术用户参与到修正过程中通过高级语言命令与语言模型交互无缝部署各种平台和任务如果付诸实践AI有望帮助编写新代码和规范来纠正机器人的行为因此允许了不懂技术的广大用户提供反馈因此未来人们有望能够更轻松地与机器人互动而无需学习复杂的编程语言或有关机器人系统的详细信息通过遵循一套设计原则ChatGPT就可以为机器人场景生成代码在没有任何微调的情况下来控制不同形状的机器人来完成各种任务图13机器人根据用户的自然语言进行代码调试数据来源SaiVempralaChatGPTforRoboticsDesignPrinciplesandModelAbilities广发证券发展研究中心二图片推理超越文本改造现实机器人训练的里程碑语言和行动的鸿沟阻碍了搭载AI的机器人像人一样行动AI天生是语言的巨人和行动的矮子以当前ChatGPT的技术水平来看它能够轻松处理自然语言和用户相互调侃打趣能完全地通过图灵实验但它却无法进入现实生活去拿起一双筷子去处理真实世界的问题谷歌的机器人实验迈出重要里程碑超越文本改造现实最近在这方面谷歌有了重点的突破机器人不但能够察颜还能观色机器人可以观察现实识别风险发现价值请务必阅读末页的免责声明1220TablePageText行业专题研究机械设备中的事物状态做到了超越文本的思考根据谷歌最新的论文PaLM-EAnembodiedmultimodallanguagemodel研究团队在预训练的语言类大模型中嵌入图像状态感知等多类型数据可以做到让机器人超越文本思考并推理物理世界以帮助完成机器人任务PaLM-E模型不仅具备通用化语言能力还能执行视觉问答感知推理机器操作等复杂的任务在实验室阶段取得了良好的效果图14PaLM-E模型架构摄取不同的模态状态和或图像并通过语言建模数据来源DannyDriessPaLM-EAnembodiedmultimodallanguagemodel广发证券发展研究中心注语言模型PaLM和视觉组件VisionTransformer又名ViT图15视觉语言数据显着提高了机器人任务的性能数据来源DannyDriessPaLM-EAnembodiedmultimodallanguagemodel广发证券发展研究中心三虚拟环境训练训练或可基于虚拟场景有助于加快训练的进程过去机器人的流畅运动需要海量数据进行训练造成了较高的成本和进入壁垒识别风险发现价值请务必阅读末页的免责声明1320TablePageText行业专题研究机械设备一般来说机器手臂在操作过程中动作的方向角度力度都需要在各类情形下反复训练才能达到较高的精确度因此真实场景中的训练强度数据规模直接影响了机器人运动的流畅性和精度同时通过各类传感器在真实场景中采集的数据的数量有限且难以覆盖长尾场景造成了机器人的训练成本较高的问题谷歌在论文中提出了一个解决方案训练数据可以来源于虚拟场景在PaLM-E的训练的过程中研发人员构建了高度仿真现实空间的虚拟场景在其中可以自由设置各种情况的发生较大规模较高质量的三维空间感知和状态数据成为PaLM-E模型具有较强空间感知能力并最终实现机器操作的前提有望降低训练成本图16PaLM-E在虚拟环境中为执行任务指定计划数据来源DannyDriessPaLM-EAnembodiedmultimodallanguagemodel广发证券发展研究中心我们预计未来机器人训练的成本有望大幅下降推动人形机器人的产业化实现更多可能性过去人形机器人的训练受制于三方面数据算法和算力唯有特斯拉在独占鳌头一方面Dojo提供了强算力节省了训练的时间另外D1芯片的性能功耗比比较强但最核心的还是特斯拉的自有工厂是天然的训练场对每一个动作进行成千上万次的训练实现性能的优化如果能够实现在虚拟环境中的训练各类主机厂都能够参与其中如果虚拟环境的训练能够达到较好的效果不再要求大量的实际场地那么人形机器人的训练过程将被极大简化从而机器人参与玩家更多应用端将有更为丰富的可能性是对于整个人形机器人产业链的利好识别风险发现价值请务必阅读末页的免责声明1420TablePageText行业专题研究机械设备图17机器人逐渐向全场景功能发展数据来源广发证券发展研究中心图18应用场景的深度和宽度决定了产业化的快慢数据来源广发证券发展研究中心八细分领域展望当科学仪器嫁接GPT仪器仪表行业正在从自动化发展到人工智能化未来仪器仪表将更进一步发展将含有一定的人工智能当前网络技术的飞速发展正在逐渐向智能仪器仪表系统设计领域渗透实现仪器仪表系统的网络化接入实现智能仪器仪表系统基于互联网的通讯能力以及对设计好的智能仪器仪表系统进行远程升级功能重置和系统维护虚拟仪器也许是智能仪器发展的新阶段数据分析和显示可用PC机的软件来完成基于PC机的测量仪器称为虚拟仪器在虚拟仪器中使用同一个硬件系统识别风险发现价值请务必阅读末页的免责声明1520TablePageText行业专题研究机械设备只要应用不同的软件编程就可得到功能完全不同的测量仪器预计未来的智能仪器将可以替代部分人的脑力劳动具备一定学习能力一定程度在视觉思维具有自主性可以无需人的干预自主进行检测分析或者控制对电子测量仪器嫁接GPT的展望配套软件迭代更迅速数据处理管理进一步强化我们以电测测量仪器为例其国产化率较低且涉及的技术壁垒较高在考虑未来潜在的GPT等人工智能进一步嫁接后软件端的能力迭代有望提速更丰富的应用功能可期1数字示波器根据是德科技的产品手册在信号采集处理后进行处理的时候用户可以自己选配公司的软件且可以与Matlab等工具搭配接口展望软件端GPT的发展和嫁接有望进一步加速示波器的智能化在数据分析误差控制等领域进一步完善2频谱分析仪频谱分析仪是将各种时域信号变换到频域上分析的仪器可以将各类信号的波形分解为各个频率分量获得信号的频率结构及各谐波的幅值和相位信息等频谱分析仪的主要分析方法包括傅式谱功率谱相干分析传递函数幅值概率分布等GPT的发展和嫁接有望增强频谱分析仪的处理速度和稳定性仪器设计制造端的优化GPT增量显著展望仪器设计阶段若在建模软件中嵌入GPT有望加速三位模型呈现和设计并优化迭代参数和细节展望仪器制造阶段因多SKU特点GPT基于图像和文字的多模态识别可以有效提高制造端的一致性和良品率图19是德科技Infiniium系列产品离线软件界面图20是德科技示波器的Matlab软件接入界面数据来源是德科技手册5992-3132广发证券发展研究中心数据来源是德科技手册5992-3132广发证券发展研究中心识别风险发现价值请务必阅读末页的免责声明1620TablePageText行业专题研究机械设备图21频谱分析仪的结构框图图22频谱分析中几种函数关系数据来源常西畅频谱分析仪及其在故障诊断中的应用广数据来源常西畅频谱分析仪及其在故障诊断中的应用广发证券发展研究中心发证券发展研究中心图23ChatGPT生成python代码数据来源JunaidQadirEngineeringEducationintheEraofChatGPTPromiseandPitfallsofGenerativeAIforEducation广发证券发展研究中心识别风险发现价值请务必阅读末页的免责声明1720TablePageText行业专题研究机械设备九机械行业诸多领域有望收益基于对于当前产业趋势的判断我们认为AI的突飞猛进的发展之势让机械股票中两类标的收益第一类AI重塑制造业生产方式诸多公司收益1AI技术有望重塑传统的定制化加工模式自然语言编程技术有望降低工艺和编程工程师的培养难度利好数控机床公司同时利好具有小单快反模式要求柔性化产线的应用端设备公司例如数码印花行业公司2AI改进生产流程有望形成工厂全流程管控新模式从而提高定制化工程师的设计效率因此工厂自动化的软件设计有望加速发展利好工业软件公司3AI提升工厂品控水平有望从检测到预测实现全面优化利好机器人视觉公司第二类未来机器人训练的成本有望大幅下降应用层面有望百花齐放机器人人形机器人产业链有望受益十风险提示ChatGPT发展及应用落地不及预期近年ChatGPT基于大语言模型和NLP技术发展较快若未来发展的进度变慢或者需求落地不及预期可能影响产业链的推进速度若应用落地的进度不及预期可能影响相关企业信心制造业领域对ChatGPT的应用场景探索不及预期制造业正在进行从自动化到智能化的升级目前阶段ChatGPT的发展优先会拉动算力需求对于制造业相关领域的拉动强度若不及预期可能影响相关企业成长的斜率和弹性国产厂商的技术和发展不及预期国内厂商在GPT技术的影响下也在积极探索和布局但仍是追赶角色若国内企业的配套和技术迭代进度不及预期可能影响国内企业的综合竞争力未来国内公司使用ChatGPT可能带来数据安全风险如果制造业使用ChatGPT优化流程需要把生产过程当中新的数据和历史数据要不断地投喂模型尽管私有云可以解决部分问题但依然有关键数据泄露的风险识别风险发现价值请务必阅读末页的免责声明1820TablePageText行业专题研究机械设备广发机械行业研究小组TableResearchTeam代川首席分析师中山大学数量经济学硕士2015年加入广发证券发展研究中心孙柏阳联席首席分析师南京大学金融工程硕士2018年加入广发证券发展研究中心朱宇航资深分析师上海交通大学机械电子工程硕士2020年加入广发证券发展研究中心范方舟高级分析师中国人民大学国际商务硕士2021年加入广发证券发展研究中心汪家豪高级分析师美国约翰霍普金斯大学金融学硕士2022年加入广发证券发展研究中心王宁高级研究员北京大学金融硕士2021年加入广发证券发展研究中心石城高级研究员上海交通大学船舶与海洋工程硕士2022年加入广发证券发展研究中心蒲明琪研究员纽约大学计量金融硕士2022年加入广发证券发展研究中心姚佳研究员北京大学环境科学硕士2022年加入广发证券发展研究中心广发证券TableRatingIndustry行业投资评级说明买入预期未来12个月内股价表现强于大盘10以上持有预期未来12个月内股价相对大盘的变动幅度介于-1010卖出预期未来12个月内股价表现弱于大盘10以上广发证券TableRatingCompany公司投资评级说明买入预期未来12个月内股价表现强于大盘15以上增持预期未来12个月内股价表现强于大盘5-15持有预期未来12个月内股价相对大盘的变动幅度介于-55卖出预期未来12个月内股价表现弱于大盘5以上联系我们TableAddress广州市深圳市北京市上海市香港地址广州市天河区马场路深圳市福田区益田路北京市西城区月坛北上海市浦东新区南泉香港德辅道中189号26号广发证券大厦6001号太平金融大街2号月坛大厦18北路429号泰康保险李宝椿大厦29及3047楼厦31层层大厦37楼楼邮政编码510627518026100045200120-客服邮箱gfzqyfgfcomcn法律主体TableLegalDisclaimer声明本报告由广发证券股份有限公司或其关联机构制作广发证券股份有限公司及其关联机构以下统称为广发证券本报告的分销依据不同国家地区的法律法规和监管要求由广发证券于该国家或地区的具有相关合法合规经营资质的子公司经营机构完成广发证券股份有限公司具备中国证监会批复的证券投资咨询业务资格接受中国证监会监管负责本报告于中国港澳台地区除外的分销广发证券香港经纪有限公司具备香港证监会批复的就证券提供意见4号牌照的牌照接受香港证监会监管负责本报告于中国香港地区的分销本报告署名研究人员所持中国证券业协会注册分析师资质信息和香港证监会批复的牌照信息已于署名研究人员姓名处披露重要TableImportant声明Notices识别风险发现价值请务必阅读末页的免责声明1920TablePageText行业专题研究机械设备广发证券股份有限公司及其关联机构可能与本报告中提及的公司寻求或正在建立业务关系因此投资者应当考虑广发证券股份有限公司及其关联机构因可能存在的潜在利益冲突而对本报告的独立性产生影响投资者不应仅依据本报告内容作出任何投资决策投资者应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者口头承诺均为无效本报告署名研究人员联系人以下均简称研究人员针对本报告中相关公司或证券的研究分析内容在此声明1本报告的全部分析结论研究观点均精确反映研究人员于本报告发出当日的关于相关公司或证券的所有个人观点并不代表广发证券的立场2研究人员的部分或全部的报酬无论在过去现在还是将来均不会与本报告所述特定分析结论研究观点具有直接或间接的联系研究人员制作本报告的报酬标准依据研究质量客户评价工作量等多种因素确定其影响因素亦包括广发证券的整体经营收入该等经营收入部分来源于广发证券的投资银行类业务本报告仅面向经广发证券授权使用的客户特定合作机构发送不对外公开发布只有接收人才可以使用且对于接收人而言具有保密义务广发证券并不因相关人员通过其他途径收到或阅读本报告而视其为广发证券的客户在特定国家或地区传播或者发布本报告可能违反当地法律广发证券并未采取任何行动以允许于该等国家或地区传播或者分销本报告本报告所提及证券可能不被允许在某些国家或地区内出售请注意投资涉及风险证券价格可能会波动因此投资回报可能会有所变化过去的业绩并不保证未来的表现本报告的内容观点或建议并未考虑任何个别客户的具体投资目标财务状况和特殊需求不应被视为对特定客户关于特定证券或金融工具的投资建议本报告发送给某客户是基于该客户被认为有能力独立评估投资风险独立行使投资决策并独立承担相应风险本报告所载资料的来源及观点的出处皆被广发证券认为可靠但广发证券不对其准确性完整性做出任何保证报告内容仅供参考报告中的信息或所表达观点不构成所涉证券买卖的出价或询价广发证券不对因使用本报告的内容而引致的损失承担任何责任除非法律法规有明确规定客户不应以本报告取代其独立判断或仅根据本报告做出决策如有需要应先咨询专业意见广发证券可发出其它与本报告所载信息不一致及有不同结论的报告本报告反映研究人员的不同观点见解及分析方法并不代表广发证券的立场广发证券的销售人员交易员或其他专业人士可能以书面或口头形式向其客户或自营交易部门提供与本报告观点相反的市场评论或交易策略广发证券的自营交易部门亦可能会有与本报告观点不一致甚至相反的投资策略报告所载资料意见及推测仅反映研究人员于发出本报告当日的判断可随时更改且无需另行通告广发证券或其证券研究报告业务的相关董事高级职员分析师和员工可能拥有本报告所提及证券的权益在阅读本报告时收件人应了解相关的权益披露若有本研究报告可能包括和或描述呈列期货合约价格的事实历史信息信息请注意此信息仅供用作组成我们的研究方法分析中的部分论点依据证据以支持我们对所述相关行业公司的观点的结论在任何情况下它并不明示或暗示与香港证监会第5类受规管活动就期货合约提供意见有关联或构成此活动权益披露TableInterestDisclosure1广发证券香港跟本研究报告所述公司在过去12个月内并没有任何投资银行业务的关系版权声明TableCopyright未经广发证券事先书面许可任何机构或个人不得以任何形式翻版复制刊登转载和引用否则由此造成的一切不良后果及法律责任由私自翻版复制刊登转载和引用者承担识别风险发现价值请务必阅读末页的免责声明2020