本期投资提示：
　　根据Meta官方发布，2023年4月6日推出了一个AI模型Segment Anything Model（SAM，分割一切模型），能够根据文本指令等方式实现图像分割。
　　SAM任务目的：零样本（zero-shot）或者简单prompt下，就对任意图片进行精细分割。SAM证明，多种多样的分割任务是可以被一个通用大模型涵盖的。
　　模型方法：整体轻便高效。包括三个部分：两个encoder和一个轻量级mask decoder直接输出有效的mask。在单块V100上，1200x800图生成所有的mask仅需2-3秒。
　　开源了SA-1B数据集，包含11亿个mask，1100万张图片，而且可能会大幅改变原有标注范式。SAM团队使用了更加高效的标注方式，一个mask标注平均只需要14秒时间，比COCOmask标注快6.5倍。目前这一数据库已经开源。
　　SAM应用，可能包括AR/VR、科学等多个领域。Meta预计与专门为一组固定任务训练的系统相比，基于prompt工程等技术的可组合系统设计将支持更广泛的应用。SAM可以成为AR、VR、内容创建、科学领域和更通用AI系统的组件。比如SAM可以通过AR眼镜识别日常物品，为用户提供提示。
　　目前应用于工业和自动驾驶等场景仍需要提升。在背景相对简单、物体逻辑关系也并不复杂的环境下，SAM表现出较好效果。而在工业或自动驾驶等场景中，物体运动速度快、背景复杂、物体逻辑关系复杂，则zero-shot效果可能并不理想。
　　我们最终期待怎样的CV大模型？语言大模型和小模型最大区别在于更好的泛化能力。在自然语言理解NLP中，常见任务包括翻译、问答、文本填空等小模型任务，GPT-3等大规模预训练模型不再规定任务，而是对以上不同任务都有较好效果。同样的，我们期待用同一个模型，完成分割、识别、检测、追踪等各种类型的常见CV任务。可以是单目标，也可以是多目标。同时在Zero-shot、Few-shot下也可以获得较好的效果。
　　SAM做到的分割一切并不是CV大模型的终点，我们期待一个模型可以无监督完成分割、检测、识别、跟踪等所有CV任务，届时视觉大模型应用会得到极大发展。
　　整体对上市公司影响：1、利好有摄像头和场景客户的企业；2、在视觉算法上有积累，可以通过CV大模型进一步提升效率的企业，是机遇也是挑战；3、对于纯标注类型企业，可能新的方法论会产生一定冲击。
　　建议重点关注：1）虹软科技，具备A股罕见的AI软件算法能力，且聚焦在图片/CV等领域，其图像分割/VR/AR等技术天然适应此类趋势。2）大华股份/AI领军，国内在AI图像/视频的核心公司，中国的场景禀赋安防/视觉/AI全球领先，所以图像/视频的AI升级，更利于国内。3）当虹科技：当虹科技发布跨模态AIGC（人工智能生产内容）产品，以静态照片生产三维体积视频，不同模态之间相互切换。
　　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。