[中报]云天励飞(688343):2024年半年度报告
|
时间:2024年08月26日 20:06:11 中财网 |
|
原标题:云天励飞:2024年半年度报告
公司代码:688343 公司简称:云天励飞
深圳云天励飞技术股份有限公司
2024年半年度报告
重要提示
一、 本公司董事会、监事会及董事、监事、高级管理人员保证半年度报告内容的真实性、准确性、完整性,不存在虚假记载、误导性陈述或重大遗漏,并承担个别和连带的法律责任。
二、 重大风险提示
公司已在本报告中详细描述可能存在的相关风险,具体内容详见本报告第三节“管理层讨论与分析”之“五、风险因素”相关内容。
三、 公司全体董事出席董事会会议。
四、 本半年度报告未经审计。
五、 公司负责人陈宁、主管会计工作负责人邓浩然及会计机构负责人(会计主管人员)李立声明:保证半年度报告中财务报告的真实、准确、完整。
六、 董事会决议通过的本报告期利润分配预案或公积金转增股本预案 不适用
七、 是否存在公司治理特殊安排等重要事项
□适用 √不适用
八、 前瞻性陈述的风险声明
√适用 □不适用
本报告所涉及的公司未来计划、发展战略等前瞻性陈述,不构成公司对投资者的实质承诺,投资者及相关人士均应当对此保持足够的风险认识,并且应当理解计划、预测与承诺之间的差异。
九、 是否存在被控股股东及其他关联方非经营性占用资金情况
否
十、 是否存在违反规定决策程序对外提供担保的情况
否
十一、 是否存在半数以上董事无法保证公司所披露半年度报告的真实性、准确性和完整性 否
十二、 其他
□适用 √不适用
目录
第一节 释义 .................................................................................................................................. 4
第二节 公司简介和主要财务指标 .............................................................................................. 7
第三节 管理层讨论与分析 ........................................................................................................ 10
第四节 公司治理 ........................................................................................................................ 44
第五节 环境与社会责任 ............................................................................................................ 46
第六节 重要事项 ........................................................................................................................ 48
第七节 股份变动及股东情况 .................................................................................................... 78
第八节 优先股相关情况 ............................................................................................................ 86
第九节 债券相关情况 ................................................................................................................ 86
第十节 财务报告 ........................................................................................................................ 86
备查文件目录 | (一)载有公司负责人、主管会计工作负责人、会计机构负责人(会计
主管人员)签名并盖章的财务报表 |
| (二)报告期内在中国证券监督管理委员会指定网站上公开披露过的所
有公司文件的正本及公告的原稿 |
第一节 释义
在本报告书中,除非文义另有所指,下列词语具有如下含义:
常用词语释义 | | |
公司/本公司/
云天励飞 | 指 | 深圳云天励飞技术股份有限公司 |
明德致远 | 指 | 珠海明德致远投资有限公司,系公司股东 |
倍域信息 | 指 | 深圳倍域信息技术有限公司,系公司股东 |
东海云天 | 指 | 深圳东海云天创业投资合伙企业(有限合伙),系公司股东 |
中电信息 | 指 | 中国中电国际信息服务有限公司,系公司股东 |
中电金控 | 指 | 中电金投控股有限公司,系公司股东 |
远智创业 | 指 | 海南远智创业投资合伙企业(有限合伙)(曾用名:深圳市远智发展合伙
企业(有限合伙)),系公司股东 |
合肥达高 | 指 | 合肥达高投资中心合伙企业(有限合伙),系公司股东 |
合肥桐硕 | 指 | 合肥桐硕股权投资合伙企业(有限合伙),系公司股东 |
迅芯科源 | 指 | 迅芯科源(成都)股权投资中心(有限合伙)(曾用名:中电华登(成都)
股权投资中心(有限合伙)),系公司股东 |
中交建信 | 指 | 北京中交建信股权投资基金合伙企业(有限合伙),系公司股东 |
简阳瑞天 | 指 | 简阳市瑞天企业管理咨询中心(有限合伙)(曾用名:汝州市瑞天企业管
理咨询中心(有限合伙)),系公司股东 |
龙柏前海 | 指 | 深圳市龙柏前海创业投资合伙企业(有限合伙),系公司股东 |
商源盛达 | 指 | 深圳市商源盛达创业投资合伙企业(有限合伙),系公司股东 |
印力商置 | 指 | 深圳印力商置商业咨询物业管理有限公司,系公司股东 |
华创多赢 | 指 | 深圳华创多赢产业投资合伙企业(有限合伙),系公司股东 |
瑞泰安 | 指 | 深圳市瑞泰安实业有限公司,系公司股东 |
深圳创享二号 | 指 | 深圳云天创享二号企业管理合伙企业(有限合伙),系公司股东 |
珠海创享一号 | 指 | 珠海云天创享一号企业管理合伙企业(有限合伙),系公司股东 |
投控东海 | 指 | 深圳市投控东海一期基金(有限合伙),系公司股东 |
真格天峰 | 指 | 天津真格天峰投资中心(有限合伙),系公司股东 |
励飞科技 | 指 | 深圳励飞科技有限公司,系公司全资子公司 |
岍丞技术 | 指 | 深圳市岍丞技术有限公司,系公司控股子公司 |
智慧互通 | 指 | 智慧互通科技股份有限公司 |
臻识科技 | 指 | 成都臻识科技发展有限公司 |
神州云海 | 指 | 深圳市神州云海智能科技有限公司 |
德元方惠 | 指 | 北京德元方惠科技开发有限责任公司 |
华为 | 指 | 华为技术有限公司 |
海康威视 | 指 | 杭州海康威视数字技术股份有限公司 |
英伟达 | 指 | NVIDIA Corporation(纳斯达克代码:NVDA),全球头部可编程图形处理
技术企业 |
微软 | 指 | 微软(Microsoft),全球最大的电脑软件提供商、个人计算机软件开发的
先导 |
谷歌 | 指 | 谷歌公司(Google Inc.),全球知名搜索引擎公司 |
Meta | 指 | Meta公司(Meta Platform Inc),原名 Facebook,全球知名的社交网络公
司 |
OpenAI | 指 | OpenAI,是一家位于美国旧金山的人工智能研究公司,以大模型为核心开
创了 AI领域的新一轮创新范式,成为引领通用人工智能领军企业 |
苹果 | 指 | 苹果公司(Apple Inc.)是美国的一家高科技公司 |
保荐人 | 指 | 中信证券股份有限公司 |
元/万元/亿元 | 指 | 人民币元/万元/亿元 |
报告期、本报
告期 | 指 | 2024年 1月 1日至 2024年 6月 30日 |
上年同期 | 指 | 2023年 1月 1日至 2023年 6月 30日 |
报告期末 | 指 | 2024年 6月 30日 |
中国证监会 | 指 | 中国证券监督管理委员会 |
《公司法》 | 指 | 《中华人民共和国公司法》 |
《证券法》 | 指 | 《中华人民共和国证券法》 |
国务院 | 指 | 中华人民共和国国务院 |
中央网信办 | 指 | 中华人民共和国国家互联网信息办公室 |
科技部 | 指 | 中华人民共和国科学技术部 |
工信部 | 指 | 中华人民共和国工业和信息化部 |
《股权收购协
议》 | 指 | 《关于深圳市岍丞技术有限公司之股权收购协议》 |
天书/云天天书 | 指 | 公司内部对于大模型产品的命名 |
天舟 | 指 | 公司内部对于算法服务类一体机产品的命名 |
DeepEdge10 | 指 | 公司内部对应用于边缘场景 AI计算的芯片产品的命名 |
人工智能、AI | 指 | 人工智能(Artificial Intelligence),它是研究、开发用于模拟、延伸和扩展
人的智能的理论、方法、技术及应用系统的一门新的技术科学 |
物联网 | 指 | Internet of Things的简称,是互联网、传统电信网等信息承载体,让所有
能行使独立功能的普通物体实现网络的互联互通 |
AIoT | 指 | AIoT融合 AI技术和 IoT技术,通过物联网产生、收集海量的数据存储于
云端、边缘端,再通过大数据分析,以及更高形式的人工智能,实现万物
数据化、万物智联化 |
IP | 指 | Intellectual Property的缩写,中文名称为知识产权,为权利人对其智力劳
动所创作的成果和经营活动中的标记、信誉所依法享有的专有权利 |
工具链 | 指 | AI芯片对人工智能浮点算法进行训练、量化、编译、部署的一系列软件
工具组合 |
TOPS | 指 | 处理器计算能力单位(Tera Operations Per Second),代表处理器每秒钟可
进行一万亿次基本运算操作 |
数据中心 | 指 | 一整套复杂的信息技术基础设施的总称,主要由计算机系统和其它与之配
套的设备(例如通信和存储系统)组成,亦包括相关的辅助设备、设施。
它为用户提供计算和数据存储、服务器托管等业务,是互联网和云计算业
务开展的关键物理载体 |
SoC | 指 | 系统级芯片(System on Chip),指在一颗芯片内部集成了功能不同的子模
块,组合成适用于目标应用场景的一整套系统。系统级芯片往往集成多种
不同的组件,如集成了通用处理器、硬件编解码单元、基带等 |
训练 | 指 | 在机器学习或人工智能领域,通过大量带标签样本,通过一定的方法,得
到对应机器学习/人工智能模型参数的过程 |
推理 | 指 | 在机器学习或人工智能领域,通过已经训练好的模型(模型参数已经通过
训练得到),去预测新数据标签的过程 |
指令集 | 指 | 处理器芯片可执行的一整套指令的集合,是计算机硬件和软件之间最重
要、最直接的界面和接口 |
流片 | 指 | 芯片设计企业将芯片设计版图提交晶圆制造,并获得真实芯片的全过程 |
CPU | 指 | 中央处理器(Central Processing Unit),是个人电脑和服务器中的核心芯
片,承担通用计算或控制任务 |
DSP | 指 | 数字信号处理(Digital Signal Processing),DSP芯片指能够执行数字信号
处理任务的芯片 |
云端 | 指 | 在计算机领域中一般指集中在大规模数据中心进行远程处理 |
终端 | 指 | 相对于云端,一般指不需要远程访问的设备,或者直接和数据传感器一体 |
| | 的设备 |
边缘端 | 指 | 在靠近数据源头的一侧,通过网关进行数据汇集,并通过计算机系统就近
提供服务,其位置往往介于终端和云端之间 |
芯片、集成电
路 | 指 | 芯片是集成电路(Integrated Circuit)的俗称。集成电路是一种微型电子器
件或部件,采用一定的工艺,将一个电路中所需的晶体管、电阻、电容和
电感等电子元器件按照设计要求连接起来,制作在同一硅片上,成为具有
特定功能的电路 |
芯片设计 | 指 | 集成电路在制造前的整个设计过程,包括电路功能定义、结构设计、电路
设计、电路验证与仿真、版图设计等流程 |
神经网络 | 指 | 通过端侧与云测深度交互,优化算力算法在端侧与云侧的动态分配 |
算法芯片化 | 指 | 是一种面向算法计算加速的定制处理器设计方法。基于对算法关键计算任
务在应用场景中的量化分析,通过处理器指令集、架构及工具链的协同设
计,提升芯片在实际应用中的高效性、灵活性和易用性 |
通用大模型 | 指 | 是一种能够处理多种任务的大模型,通过大量语料进行预训练,能够完成
多种通用任务,如通常场景的语义理解、文本生成等 |
行业大模型 | 指 | 是基于通用大模型之上,通过使用行业特有的数据和知识,进行增量训练
之后的模型,其目标是可以在行业应用中达到高于通用大模型的效果 |
场景大模型 | 指 | 是指在通用大模型或者行业大模型基础上,针对某个特定场景通过细分场
景数据微调的模型,更具有针对性的解决场景问题 |
算法 | 指 | 解题方案的准确而完整的指令描述,即以系统的方法描述、解决问题的策
略机制 |
大数据 | 指 | 对海量、高增长率和多样化的信息资产进行存储、处理、决策的能力和服
务 |
OD | 指 | 交通起止点(Origin-Destination),OD交通量就是指起终点间的交通出行
量 |
级联 | 指 | 在计算机科学里指多个对象之间的映射关系,建立数据之间的级联关系提
高管理效率 |
信创 | 指 | 信息技术应用创新产业,是数据安全、网络安全的基础,也是新基建的重
要组成部分 |
ChatGPT | 指 | Chat Generative Pre-trained Transformer,美国 OpenAI研发的聊天机器人
程序 |
Chiplet | 指 | 一种芯片设计技术,可将一类满足特定功能的晶圆裸片通过特定内部互联
技术将多个模块芯片封装在一起,形成一个系统芯片 |
FLOPS | 指 | 每秒所执行的浮点运算次数 |
算法仓 | 指 | 一种能够实现 AI算法的集约化管理与服务的产品。通过将各种 AI算法
统一入库部署,实现对算法的版本、性能、服务等进行有效的管理和监控 |
长尾算法 | 指 | 满足长尾需求的算法统称。长尾需求,泛指个性化、碎片化的业务场景需
求 |
CV | 指 | 计算机视觉(Computer Vision)是人工智能(AI)的一个领域,是指让计算
机和系统能够从图像、视频和其他视觉输入中获取有意义的信息,并根据
该信息采取行动或提供建议 |
Transformer | 指 | 一种利用注意力机制来提高模型训练速度的模型 |
SDK | 指 | 软件开发工具包(Software Development Kit)的缩写,系软件工程师为特
定的软件包、软件框架、硬件平台、操作系统等建立应用软件时的开发工
具的集合,广义上指辅助开发某一类软件的相关文档、范例和工具的集合 |
C-Eval | 指 | C-Eval是一个全面的中文基础模型评估套件 |
CMMLU | 指 | CMMLU是一个综合性的中文评估基准,专门用于评估语言模型在中文语
境下的知识和推理能力 |
Pika | 指 | Pika,是 Pikalabs公司(美国人工智能初创公司)的一款视频生成应用 |
Sora | 指 | Sora是美国人工智能研究公司 OpenAI发布的人工智能文生视频大模型。 |
ASIP | 指 | ASIP是一种新型的定制化指令集的处理器芯片,它为某个或某一类型应
用而专门设计,通过权衡速度、功耗、成本、灵活性等多个方面的设计约
束,设计者可以定制 ASIP以达到最好的平衡点,从而适应嵌入式系统的
需要 |
API | 指 | Application Programming Interface,应用程序编程接口,一些预先定义的
函数,目的是提供应用程序与开发人员基于某软件或硬件得以访问一组例
程的能力,而又无需访问源码,或理解内部工作机制的细节 |
Token | 指 | 在自然语言处理领域中,文本通常会被分解成 token,以便进行词法分析、
句法分析、语义分析等任务。在大模型领域,"token"是模型输入的一部分,
用于表示输入文本的语义和结构 |
边缘 AI | 指 | 和云端 AI对应,AI以更低成本更靠近场景、客户,涵盖数据采集端、任
务执行段,形成面向边缘场景的任务闭环 |
MMBench | 指 | 一套针对当前多模态大模型的评测流程 |
1.8B轻量化模
型 | 指 | 参数在 18亿的大模型 |
MoE大模型 | 指 | Mixture of Experts,一种混合模型,由多个子模型(即专家)组成,每个
子模型都是一个局部模型,专门处理输入空间的一个子集 |
第二节 公司简介和主要财务指标
一、 公司基本情况
公司的中文名称 | 深圳云天励飞技术股份有限公司 |
公司的中文简称 | 云天励飞 |
公司的外文名称 | Shenzhen Intellifusion Technologies Co.,Ltd. |
公司的外文名称缩写 | Intellifusion |
公司的法定代表人 | 陈宁 |
公司注册地址 | 深圳市龙岗区园山街道荷坳社区龙岗大道8288号大运软件小镇36
栋4F05 |
公司注册地址的历史变更情况 | 不适用 |
公司办公地址 | 深圳市南山区粤海街道深圳湾科技生态园10栋B座14-15楼、33楼 |
公司办公地址的邮政编码 | 518000 |
公司网址 | www.intellif.com |
电子信箱 | [email protected] |
报告期内变更情况查询索引 | 不适用 |
二、 联系人和联系方式
| 董事会秘书(信息披露境内代表) | 证券事务代表 |
姓名 | 邓浩然 | 和邈 |
联系地址 | 深圳市南山区粤海街道深圳湾科技生态园
10栋B座14-15楼、33楼 | 深圳市南山区粤海街道深圳湾科技生态园
10栋B座14-15楼、33楼 |
电话 | (0755)26406954 | (0755)26406954 |
传真 | (0755)86529704 | (0755)86529704 |
电子信箱 | [email protected] | [email protected] |
三、 信息披露及备置地点变更情况简介
公司选定的信息披露报纸名称 | 《中国证券报》( www.cs.com.cn)、《上海证券报》(
www.cnstock.com)、《证券时报》(www.stcn.com)、《证券日报
(www.zqrb.cn)、《经济参考报》(jjckb.xinhuanet.com) |
登载半年度报告的网站地址 | www.sse.com.cn |
公司半年度报告备置地点 | 公司董事会办公室 |
报告期内变更情况查询索引 | 不适用 |
四、 公司股票/存托凭证简况
(一) 公司股票简况
√适用 □不适用
公司股票简况 | | | | |
股票种类 | 股票上市交易所及板块 | 股票简称 | 股票代码 | 变更前股票简称 |
A股 | 上海证券交易所科创板 | 云天励飞 | 688343 | / |
(二) 公司存托凭证简况
□适用 √不适用
五、 其他有关资料
□适用 √不适用
六、 公司主要会计数据和财务指标
(一) 主要会计数据
单位:元币种:人民币
主要会计数据 | 本报告期
(1-6月) | 上年同期 | 本报告期比上年
同期增减(%) |
营业收入 | 289,462,659.77 | 146,638,205.22 | 97.40 |
归属于上市公司股东的净利润 | -309,746,592.49 | -210,541,142.46 | 不适用 |
归属于上市公司股东的扣除非经常性
损益的净利润 | -345,893,650.94 | -260,122,232.79 | 不适用 |
经营活动产生的现金流量净额 | -553,922,730.20 | -314,853,487.05 | 不适用 |
| 本报告期末 | 上年度末 | 本报告期末比上
年度末增减(%) |
归属于上市公司股东的净资产 | 4,110,287,446.16 | 4,380,324,880.02 | -6.16 |
总资产 | 4,735,452,905.15 | 4,853,584,032.04 | -2.43 |
(二) 主要财务指标
主要财务指标 | 本报告期
(1-6月) | 上年同
期 | 本报告期比上年同
期增减(%) |
基本每股收益(元/股) | -0.87 | -0.68 | 不适用 |
稀释每股收益(元/股) | -0.87 | -0.68 | 不适用 |
扣除非经常性损益后的基本每股收益(元/股) | -0.98 | -0.84 | 不适用 |
加权平均净资产收益率(%) | -7.29 | -7.64 | 增加0.35个百分点 |
扣除非经常性损益后的加权平均净资产收益率(
%) | -8.15 | -9.44 | 增加1.29个百分点 |
研发投入占营业收入的比例(%) | 62.54 | 98.13 | 减少35.59个百分点 |
公司主要会计数据和财务指标的说明
√适用 □不适用
1、营业收入变动原因说明:报告期内,营业收入较上年同期增加,主要系智慧行业解决方案及智能硬件产品的销售收入增加所致,智能硬件产品的收入主要来自本公司的控股子公司岍丞技术; 2、归属于上市公司股东的净利润及归属于上市公司股东的扣除非经常性损益的净利润变动原因说明:报告期内,归属于上市公司股东的净利润为-30,974.66万元,较上年同期亏损金额增加 9,920.55万元,归属于上市公司股东的扣除非经常性损益的净利润为-34,589.37万元,较上年同期亏损金额增加 8,577.14万元,主要系报告期内股份支付增加所致;
3、经营活动产生的现金流量净额变动原因说明:报告期内,经营活动产生的现金流量净额为-55,392.27万元,较上年同期净流出增加 23,906.92万元,主要系公司业务发展需要支付购买商品、劳务的现金增加所致;
4、研发投入占营业收入的比例变动原因:报告期研发投入占营业收入比例较去年同期减少 35.59个百分点,主要系本期营业收入较上年同期增长所致,本期研发费用较上期增长 25.82%,增速慢于营业收入增长导致研发投入占营业收入占比减少。
七、 境内外会计准则下会计数据差异
□适用 √不适用
八、 非经常性损益项目和金额
√适用 □不适用
单位:元币种:人民币
非经常性损益项目 | 金额 | 附注(如
适用) |
非流动性资产处置损益,包括已计提资产减值准备的冲销部分 | 86,955.28 | |
计入当期损益的政府补助,但与公司正常经营业务密切相关、
符合国家政策规定、按照确定的标准享有、对公司损益产生持
续影响的政府补助除外 | 12,876,008.76 | |
除同公司正常经营业务相关的有效套期保值业务外,非金融企
业持有金融资产和金融负债产生的公允价值变动损益以及处置
金融资产和金融负债产生的损益 | 22,690,582.66 | |
计入当期损益的对非金融企业收取的资金占用费 | | |
委托他人投资或管理资产的损益 | | |
对外委托贷款取得的损益 | | |
因不可抗力因素,如遭受自然灾害而产生的各项资产损失 | | |
单独进行减值测试的应收款项减值准备转回 | | |
企业取得子公司、联营企业及合营企业的投资成本小于取得投
资时应享有被投资单位可辨认净资产公允价值产生的收益 | | |
同一控制下企业合并产生的子公司期初至合并日的当期净损益 | | |
非货币性资产交换损益 | | |
债务重组损益 | | |
企业因相关经营活动不再持续而发生的一次性费用,如安置职
工的支出等 | | |
因税收、会计等法律、法规的调整对当期损益产生的一次性影
响 | | |
因取消、修改股权激励计划一次性确认的股份支付费用 | | |
对于现金结算的股份支付,在可行权日之后,应付职工薪酬的
公允价值变动产生的损益 | | |
采用公允价值模式进行后续计量的投资性房地产公允价值变动
产生的损益 | | |
交易价格显失公允的交易产生的收益 | | |
与公司正常经营业务无关的或有事项产生的损益 | | |
受托经营取得的托管费收入 | | |
除上述各项之外的其他营业外收入和支出 | 454,406.92 | |
其他符合非经常性损益定义的损益项目 | 14,878.14 | |
减:所得税影响额 | -17,953.22 | |
少数股东权益影响额(税后) | -6,273.47 | |
合计 | 36,147,058.45 | |
对公司将《公开发行证券的公司信息披露解释性公告第 1号——非经常性损益》未列举的项目认定为的非经常性损益项目且金额重大的,以及将《公开发行证券的公司信息披露解释性公告第 1号——非经常性损益》中列举的非经常性损益项目界定为经常性损益的项目,应说明原因 □适用 √不适用
九、 非企业会计准则业绩指标说明
□适用 √不适用
第三节 管理层讨论与分析
一、 报告期内公司所属行业及主营业务情况说明
(一)所属行业及其发展情况
根据《国民经济行业分类》(GB/T4754-2017),公司所属行业为“I65软件和信息技术服务业”中的“I6513应用软件开发”。同时根据《中国上市公司协会上市公司行业统计分类指引》,公司所属行业为“信息传输、软件和信息技术服务业-软件和信息技术服务业”,行业代码为“I65”。
人工智能正在带来史无前例的新一轮科技革命浪潮,以 ChatGPT为代表的大模型在过去一年多的时间内取得了很大进展,在对话生成、图像生成、图像分割、音乐生成等领域都展现了让人惊叹的效果,并迅速在一些场景快速应用落地,例如网络搜索、会议摘要、自动化编程、自动化办公软件等等。在另一方面,大模型的能力也迅速从自然语言处理快速的向语音、图像、视频等领域横向扩展,多模态大模型的出现昭示着通用人工智能的时代即将来临。
2024年上半年,可以看到:
大模型向多模态发展。大模型的能力迅速地从自然语言处理快速向语音、图像、视频等领域横向扩展,在文生图、文生视频等领域出现显著进步。在过去半年来,从 Pika到 Sora的发展让我们看到大模型在对 3D场景的理解及视频内容一致性等方面取得了巨大进步,提升了人们对多模态大模型能力上限的想象力。多模态大模型具备对图、文、音等不同规格、类型的数据的理解能力及生成能力,能更进一步提升生产效率,已成为大型发展的重要方向之一。
大模型小型化/轻量化。小型化的技术路线逐渐清晰、明朗,通过高质量 AI技术设施、高效训练方法与优质数据集探索十亿级参数量下的模型性能极限。小型化基于十亿级别参数量,通过架构调整训练更大体量数据,从而实现匹敌千亿级参数的模型效果。小型化意味着更低的使用成本和部署门槛,部分模型已经走向 PC、手机等终端设备使用,拓宽了大模型的赋能场景。
模型使用成本朝“平民化”趋势演进。终端逐渐能够以较低的价格获得高品质 AI服务,云端大模型 API调用成本不断下降,各大厂商打出超低价格。OpenAI在 5月将其 API价格调低 50%,每百万 tokens的输入价格降至 5美元。随后国内各家大模型厂商掀起了降价潮,纷纷将百万 tokens的输入价格从 100元左右降至 1元左右,部分模型免费。同时,开源社区蓬勃发展,开源大模型能力不断提升。
边缘 AI逐步发展成为行业不可忽视的一支力量。“大模型+行业”的应用落地成为关注热点,从自动驾驶、
机器人/具身智能到 AIPC/phone,面向现实世界,基于设备端智能化的边缘 AI正逐步发展壮大。越来越多行业巨头开始拥抱边缘 AI,一方面,谷歌、微软、Meta等都推出了轻量化大模型支撑边缘 AI的应用;另一方面,苹果、英伟达等巨头推出边缘 AI芯片,应用在 AI手机和
机器人上,支撑边缘端的大模型运行。边缘 AI让物联网升级成为 AIoT,助力大模型落地。
国泰君安证券研究所数据显示,随着 AIoT的发展,未来 3年边缘智能硬件设备将保持 50%以上的复合增长率。
(二)主营业务情况
1.公司主营业务基本情况
公司作为边缘 AI领军企业,积极布局边缘 AI发展的技术和业务,从底层的算法、芯片到场景业务深耕边缘 AI,推动中国通用人工智能发展为目标,持续引领人工智能产业发展。
公司拥有算法和芯片两大核心技术平台,凭借“算法芯片化”的核心能力和“端云协同”的技术路线,不断推进边缘 AI在智能硬件、智算服务、智慧行业三大领域的应用,为各行业带来安全、智慧、便捷的 AI体验。
在算法层面,经过多年的技术研发与积累,构建了人工智能算法平台,拥有大模型研发能力,并推出了“云天天书”大模型。在芯片层面,公司基于对人工智能算法技术特点及行业场景计算
需求的深刻理解,通过自定义指令集、处理器架构及工具链的协同设计,实现算法技术芯片化,构
建了神经网络处理器平台。
公司报告期内实现核心技术落地、获取营业收入的主要手段包括智慧行业解决方案销售、智
算运营服务、智能硬件产品销售。
2.公司主要产品基本情况 算法芯片化基础技术平台:该平台是公司基础技术研究平台,基于该平台重点研究算法与芯片协同设计技术,包括大模型算法技术、视觉文本语义类算法技术、AI处理器设计仿真验证技术、芯片工具链技术等。公司基于算法芯片化基础技术平台,不断提升基础技术研发效率,为公司构建公司核心技术能力提供有力支撑。
算法芯片化基础技术 算法芯片化基础技术
DeepEdge系列芯片
核心能力平台:该平台系公司快速满足行业场景应用需求的支撑性平台。基于公司基础技术,
公司开发了算法服务、数据挖掘与算法训练、知识库大数据、智能调度中枢、SDC端边服务、AIoT
物联感知汇聚、模型迭代进化、数字孪生技术系列化核心能力平台。通过上述平台,公司实现快
速整合各类核心能力技术组件,面向行业场景业务高效落地应用。
天舟系列云/边服务器 深目系列边缘计算盒子 DeepEdge系列芯片
“天舟”大模型训推一体机 X6000推理卡 “深目”AI模盒
智能硬件产品:基于公司自研“云天天书”大模型和神经网络处理器,打造面向各类边缘 AI场景的各类硬件设备并对外销售,包括 AI芯片、可穿戴设备类产品、“深目”AI模盒、警务安全智能终端,以及与华为昇腾合作打造的“天舟”大模型一体机等。
智算运营服务:公司于去年入局 AI基础设施运营创新业务,通过落地超大规模异构高性能算力集群,为客户提供 AI训练集推理算力服务及对应交付物,包括智能算力调度及 AI大模型开发配套服务。
智慧行业解决方案:公司以构建自进化城市智能体为牵引,基于硬件通用平台,聚焦城市场景下的行业智慧化建设,目前已形成城市治理、智慧交通、智慧应急、智慧城管、智慧园区、智慧社区、智慧泛商业、智慧道路巡检、智慧警务、低空经济、智慧教育等行业产品与解决方案体系,并结合多模态大模型技术特点和行业需求,持续拓展创新业务。
(三)主要经营模式
公司盈利模式主要为智慧行业解决方案对外销售,智算运营服务以及智能硬件产品销售。
在解决方案层面,公司通过方案设计,根据用户的具体需求,将自研的软件等核心产品与公司软件适配性较高的定制或标准硬件组合,形成一套软硬件一体的解决方案并对外销售实现收入;同时,公司也会通过向客户销售用于解决方案集成中所需的软件或定制硬件产品实现收入。
智算运营服务已成长为公司重要的收入来源。智算运营模式包括 AI训练集推理算力服务及对应交付物,包括智能算力调度及 AI大模型开发配套服务。
此外,公司也在着力构建智能硬件产品销售的业务模式。智能硬件产品包括预装大模型的标准化硬件和智能 C端硬件,主要是 AI芯片、可穿戴设备类产品以及与华为昇腾合作打造的“天舟”大模型一体机等。
二、 核心技术与研发进展
1. 核心技术及其先进性以及报告期内的变化情况
公司核心技术的来源为自主创新。经过多年的技术积累,公司搭建了两大技术平台,即人工智能算法平台、人工智能芯片平台,公司在销售的智慧行业解决方案、智能硬件以及智算运营服务中运用公司研发的算法和芯片技术形成收入。
截至本报告期末,公司主要核心技术与变化情况如下:
(1)算法
公司已研发的关键算法包括:大规模视频结构化技术、大模型技术、大规模训练及部署技术。
其对应专利及商用情况如下:
序
号 | 核心
技术 | 专利
数量 | 来
源 | 用途 | 使用情况 | 应用产
品 |
1 | 大规模
视频结
构化技
术 | 175 项
发明专
利,385
项专利
申请 | 自
研 | 基于 AI视觉技术感知物理世界,感知结
果通过大数据分析技术输出多行业辅助
决策。AI视觉技术包含通用多目标视觉
检测技术、多目标视觉理解技术、多目标
视觉识别技术。大数据分析技术结合包
含视觉分析结果以及多行业信息输出辅
助决策,落地包含平安城市、智慧社区、
智慧政务、智慧商业等多个领域 | 成熟并快
速迭代 | 智慧行
业解决
方案 |
2 | 大模型
技术 | 35项专
利申请 | 自
研 | 通过全栈自研大模型技术研发视觉语义
大模型,包含图片、视频和文本的数据底
座,跨模态对齐技术和检索技术,生产出
可用于多个行业的多模态大模型,实现
图文问答、图像理解识别等应用 | 快速迭代 | 智慧行
业解决
方案、
智能硬
件 |
3 | 大规模
训练及
部署技
术 | 7项发
明专利,
17项专
利申请 | 自
研 | 打通从数据底座、数据标注、模型训练、
模型部署、模型测试等从数据到模型生
产的全链条,用于公司内部技术沉淀以
及降本增效 | 内部使
用,算法
开发全流
程已经平
台化 | 智慧行
业解决
方案、
智算运
营服务 |
(2)人工智能芯片
公司人工智能芯片技术包括芯片技术、工具链技术、基础系统软件技术,其技术来源、用途及商用情况如下:
1)芯片技术
序
号 | 核心技术 | 专利
数量 | 来源 | 用途 | 使用
情况 |
1 | 计算存储
融合的神
经网络处
理器 | 59项授权发
明专利,60
项专利申请 | 自主
研发 | 基于 ASIP技术路线和近计算存储融合架
构,打造自主安全可控的神经网络核心处
理器,在边缘端和前端提供最佳的能效比;
通过板级芯片的级联扩展,可以支撑云端
的加速和应用,达到云端协同。 | 已商用 |
2 | 处理器指
令集 | 2项授权发
明专利,3项
专利申请 | 自主
研发 | 自主知识产权的神经网络高效指令集,支
持 CNN/RNN/LSTM深度学习算法。 | 已商用 |
3 | 通用的智
能硬件算
子 | 10项授权发
明专利,6项
专利申请 | 自主
研发 | 通用的智能硬算子,用于处理 OPENCV核
心算法和计算。 | 已商用 |
4 | 可重构芯
片技术 | 1项授权发
明专利,5项
专利申请 | 自主
研发 | 可重构计算技术允许硬件架构和功能随软
件变化而变化,具备处理器的灵活性和专
用集成电路的高性能和低功耗,能够支持
CNN、RNN、LSTM等算法,实现“软件定
义芯片”,以实现高能效比。 | 已商用 |
5 | SoC芯片
设计 | 4项授权发
明专利,3项
专利申请 | 自主
研发 | 公司已掌握复杂 SoC设计的核心关键技
术,有力支撑了边缘端中型 SoC芯片
(DeepEye1000)的研发和边缘智能计算
SoC芯片(DeepEdge10)的研发。 | 已商用 |
序
号 | 核心技术 | 专利
数量 | 来源 | 用途 | 使用
情况 |
6 | 处理器和
芯片功能
验证 | 9项授权发
明专利,4项
专利申请 | 自主
研发 | 公司拥有成熟先进的处理器和 SoC芯片功
能验证平台,确保了神经网络处理器和
SoC芯片逻辑设计按时高质量交付,有效
提升芯片产品流片成功率。 | 已商用 |
7 | 先进工艺
物理设计 | 4项授权发
明专利,2项
专利申请 | 自主
研发 | 公司已掌握 12/22nm等先进工艺下开展复
杂芯片物理设计的关键技术。 | 22nm
芯片已
商用 |
8 | 硬件系统
设计 | 1项授权实
用新型,3项
授权发明专
利、2项专利
申请 | 自主
研发 | 有效解决了高速传输链路信号完整性、大
功率供电下的电源完整性、芯片散热、机箱
模块化等关键问题,支撑公司基于自研芯
片研发模组/智能加速卡、整机、集群等多
样化的产品形态。 | 已商用 |
2)工具链技术
序
号 | 核心技术名称 | 专利
数量 | 来源 | 用途 | 使用情况 |
1 | 神经网络芯片
工具链平台 | 17项授权发
明专利,41
项专利申请 | 自主
研发 | 通过工具链平台,将不同的深度
学习神经网络模型部署到芯片
上并高效执行。 | 已商用 |
3)基础系统软件技术
序
号 | 核心技术名称 | 专利
数量 | 来源 | 用途 | 使用情况 |
1 | 智能芯片异构
计算的数据管
理和任务调度 | 14项授权发
明专利、25
项专利申请 | 自主
研发 | 结合芯片的硬件特点,提供统一
的数据管理接口,解决用户数据
流使用效率低的问题;针对硬件
资源抽象出统一的功能接口层,
隐藏异构计算下并行调度复杂
度。 | 已商用 |
2 | 智能芯片高性
能机器视觉计
算库 | 2项授权发
明专利、2项
专利申请 | 自主
研发 | 利用芯片的 DSP/硬件加速器资
源加速计算,提供统一的机器视
觉计算库编程接口 | 已商用 |
3 | 智 能 芯 片
DeSDK平台软
件 | 20项授权发
明专利、19
项专利申请 | 自主
研发 | 提供用户 SDK统一的编程接
口,采用 graph编程方式,异步
全流水并行调度,支持用户业务
跨芯片平台迁移,支持主/从芯
片跨平台编程。 | 已商用 |
上述关键技术为公司产品提供了核心技术支持。
国家科学技术奖项获奖情况
□适用 √不适用
国家级专精特新“小巨人”企业、制造业“单项冠军”认定情况
□适用 √不适用
2. 报告期内获得的研发成果
公司建立了完善的知识产权管理体系,实现对知识产权的保护。报告期内公司共申请发明专利 23件,申请外观设计专利 5件,申请软件著作权 13件。获得授权发明专利 146件,外观设计专利 17件,软件著作权 12件。截至 2024年 6月 30日,公司累计拥有有效授权发明专利 625件、软件著作权 227件、外观设计专利 178件。
报告期内获得的知识产权列表
| 本期新增 | | 累计数量 | |
| 申请数(个) | 获得数(个) | 申请数(个) | 获得数(个) |
发明专利 | 23 | 146 | 1695 | 625 |
实用新型专利 | 0 | 0 | 26 | 26 |
外观设计专利 | 5 | 17 | 206 | 178 |
软件著作权 | 13 | 12 | 228 | 227 |
其他 | 21 | 13 | 505 | 475 |
合计 | 62 | 188 | 2660 | 1531 |
3. 研发投入情况表
单位:元
| 本期数 | 上年同期数 | 变化幅度(%) |
费用化研发投入 | 181,041,565.10 | 143,891,664.13 | 25.82 |
资本化研发投入 | - | - | - |
研发投入合计 | 181,041,565.10 | 143,891,664.13 | 25.82 |
研发投入总额占营业收入比例(%) | 62.54 | 98.13 | 减少 35.59个百分点 |
研发投入资本化的比重(%) | | | |
研发投入总额较上年发生重大变化的原因
□适用 √不适用
研发投入资本化的比重大幅变动的原因及其合理性说明
□适用 √不适用
4. 在研项目情况
√适用 □不适用
单位:万元
序号 | 项目名称 | 预计总投
资规模 | 本期投入
金额 | 累计投入
金额 | 进展或阶
段性成果 | 拟达到目标 | 技术水平 | 具体应用前景 |
1 | NNP400T | 13,500.00 | 2,634.82 | 13,643.00 | 初步商用 | 该神经网络处理器定义一套
支持训练与推理为一体的指
令集,在可编程性、可扩展性
和高能效性上做到较好的均
衡 | 作为新一代自研深度
学习神经网络处理
器,提供单核高算力
支撑,支持混合精度
计算,支持训练、推
理场景 | NNP400T可应用于边缘
端多路数据并行处理的
应用场景,同时通过 SO
C的多 Die互联,可应用
于大模型的并行计算
等。同时,其可应用于边
缘端、云端数据中心,适
配不同客户、不同应用
场景的需求 |
2 | DETVM工具
链平台 V2.0 | 6,000.00 | 706.83 | 4,592.71 | 初步商用 | 解耦 DETVM后端,以实现
现有已开发工具链框架兼容
多款自研芯片需求;优化提
升性能,达到业界领先 | 支持常见的模型框
架,包括 Pytroch、O
NNX、Tensorflow、T
Flite等;支持上百个
常见 CV模型,包括
分类、检测、分割等
算法模型 | 工具链平台可以实现深
度学习算法模型在 NNP
上的高效推理,通过自
动化的方式分析各类模
型的计算和带宽特点,
提供针对性的优化策
略,实现算法模型和芯
片的高度匹配。对于时
延要求高的场景和大模
型的分布式场景,高质
量的工具链至关重要 |
3 | DeepEdge10 | 27,000.00 | 3,514.52 | 28,493.83 | 初步商用 | 基于 Benchmark以及 PPA需
求,可快速输出定制化神经
网络处理器 NNPIP,满足云
端、边缘侧和端侧场景下深
度学习神经网络训练和推理
计算的芯片设计需要;全栈 | DeepEdge10作为首
颗云天自研的 SOC
芯片,搭载新一代自
研 NPU(NNP400T),
通过集成 DietoDie接
口实现极大的算力扩 | DeepEdge10可广泛应用
于数字城市的安防和泛
安防领域的各类视频物
联边缘计算场景,如智
能社区、智慧园区、智能
楼宇、智慧工厂的视频 |
| | | | | | 软件开发平台支持业界主流
深度学习框架,提供异构环
境下的高效、统一编程和部
署接口,可以支持端云一体
人工智能计算平台的开发和
部署,云边协同的高效运营
和管理 | 展能力,同时具有良
好的生态兼容性 | 分析和机器视觉,以及
各类环境感知、决策控
制等机器人和复杂工业
控制等领域场景 |
4 | NNP310I | 5,600.00 | 129.34 | 5,433.62 | 初步商用 | NNP310I在 NNP300I的基础
上进一步优化了计算架构以
及指令集,在运算效率、面
积、以及低功耗方面达到业
界领先 | 采用的异构多核架
构,实现任务智能适
配和调度;同时,可
重构的计算架构,高
效灵活适配不同算
法;多重数据复用的
存储架构,大幅降低
带宽消耗;多电压点、
多电压分区的低功耗
设计,适应极低功耗
场景;面积、计算效
率、低功耗方面达到
业界领先 | NNP310I提供极低的待
机功耗和计算能效比,
特别适合智能物联网的
应用场景(包括:智能家
居、智能穿戴设备、智能
传感器等)。从而使智能
物联网应用场景中的设
备,实现智能化控制和
数据处理,同时保持极
低的功耗,延长电池寿
命 |
5 | 大规模视频
结构化技术 | 12,200.00 | 1,482.93 | 9,705.26 | 研发成熟
阶段 | 该项目用于对场景图片和视
频进行高效分析和理解,使
用视频分析和理解的结果结
合多行业数据信息实现结构
化对象及其关系的分析与预
测。形成基于此的标准化智
能高效应用 | 使用单一模型识别多
个不同物体及其属
性,探索无监督以及
混合监督前沿技术,
结合目前大数据大模
型的能力快速落地行
业 | 大规模视频结构化技术
在多个领域得到广泛应
用,包括智能交通、安防
监控、零售业和医疗健
康等。 |
6 | 大模型技术 | 7,000.00 | 2,114.17 | 4,123.13 | 研发初级
阶段 | 该项目通过全栈自研大模型
技术研发视觉语义大模型,
包含图片、视频和文本的数
据底座,跨模态对齐技术和 | 目前内部已经生产出
多个不同参数量基础
大模型和行业大模
型,相应的数据底座、 | 大语言模型和多模态大
模型技术可在多个领域
得到广泛应用,包括智
能交通、安防监控、零售 |
| | | | | | 检索技术,生产出可用于多
个行业的多模态大模型,实
现图文问答、图像理解识别
等应用。 | 大模型快速训练、大
模型评测等核心技术
已经开发出内测版
本,研发的多模态大
模型获得 MMBench
榜单第一 | 业和医疗健康等智慧行
业解决方案以及相关智
能硬件 |
7 | 大规模训练
及部署技术 | 4,000.00 | 1,796.24 | 4,246.24 | 研发成熟
阶段 | 该项目打通从数据底座、数
据标注、模型训练、模型部
署、模型评测等从数据到模
型生产的全链条,用于公司
内部技术沉淀、降本增效以
及外部长尾算法的生产 | 目前已经形成了智能
自研数据标注系统、
可标准化高效生产算
法的 YMIR平台、支
持分布式的模型部署
平台以及自动化模型
评测平台 | 面向内部算法生产全流
程可大幅降本增效,面
向外部可为智算客户提
供大模型开发配套服
务,同时可在智慧行业
解决方案层面实现长尾
算法生产的高效产出 |
8 | “天书”大模
型产品研发 | 5,000.00 | 971.79 | 3,359.98 | 研发阶段 | 基于“天书”系列大模型技
术,开发通用人工智能和 AI
深层能力的大模型平台产
品。该产品将根据不同领域
的需求,提供基于大模型的
智能化、高效化、便捷化的服
务,以提升工作效率,优化信
息处理及决策制定过程,实
现与人类的自然对话和协作 | 基于自研“天书”系列
大模型技术,结合了
大规模的数据和计算
资源,开展产品工程
化研发。确保“天书”
大模型平台产品提供
稳定、准确、高效的
智能化服务。并持续
提升产品的适用性和
可扩展性 | 该项目将提供智能问
答、智能办事、智能文
书、文档智能分析、数据
挖掘、辅助决策等功能,
可广泛应用于政务服
务、城市治理、警务、企
业数字化转型等诸多领
域,基于本项目的研发
成果将形成公司大模型
一体机产品和系列面向
系列行业场景的大模型
解决方案。 |
9 | 高性能边缘
智能计算设
备与智能终
端研发 | 4,300.00 | 1,437.13 | 3,127.46 | 研发阶段 | 研发集成自研高性能神经网
络处理器的边缘智能计算和
智能终端系列设备,该类设
备可以实现在边端的高效数
据处理和智能分析,支持用
户自定义的卷积类算法模型 | 采用了自主研发的高
性能神经网络处理
器,该处理器采用算
法芯片化技术架构设
计,具有高能效、低
功耗、指令集灵活可 | 针对城市治理、警务、园
区、交通、低空、校园等
领域的实际需求,将开
发适用于不同场景的智
能边缘计算设备,提升
上述各领域的工作效率 |
| | | | | | 和轻量化大模型的快速部署
和更新,满足不同场景的需
求 | 定义等优势,可以有
效提升边缘和终端智
能计算设备的性能和
效率。通过云、边、端
的协同计算技术、边
缘在线学习技术,可
实现算法模型的快速
迁移、更新和迭代,
保证了边缘和终端智
能计算设备的灵活性
和稳定性 | 和智能化水平,节省成
本和资源,促进社会的
可持续发展;同时,基于
自研“天书”大模型能力,
结合自研神经网络处理
器所具有的高能效、低
功耗、transformer架构高
效兼容的特点,探索面
向智能家居、智能穿戴
场景的消费者产品业
务,提升上述场景的人
机交互体验、服务便捷
性和数据安全性。 |
10 | 人机交互自
进化平台研
发 | 5,000.00 | 1,446.51 | 3,455.30 | 研发阶段 | 人机交互自进化平台项目旨
在构建一个从数据到应用的
全流程自动化平台,实现算
法的自进化迭代优化。该项
目的目标是通过打通数据接
入、算法训练、模型评测、算
法打包、部署应用的链路,提
高算法的落地部署和迭代优
化效率,降低人工智能应用
的开发成本和时间,提升人
工智能应用的性能和质量,
满足不同行业和场景的个性
化需求 | 人机交互自进化平台
项目基于已沉淀的算
法标注与训练、算法
仓开放服务、算法自
动化评测等平台技术
为基础底座,采用大
模型技术、多模态数
据融合、知识图谱构
建、语义理解、算法
芯片化等技术,实现
数据和算法的双向反
馈和优化。提高算法
的跨领域迁移和泛化
能力;通过将该技术
成果迁移至边缘嵌入
式硬件平台,能够有
效支撑端边场景的训
推一体产品打磨 | 人机交互自进化平台项
目具有广泛的应用前
景,可应用于城市治理、
政务服务、机器人服务、
人居生活等多个领域。
通过该项目实现数据和
算法的快速迭代和优
化,提升人工智能应用
的效率和价值。该项目
成果将为边缘训推一体
化硬件产品提供技术支
持,提升上述领域复杂
业务场景下的 AI算法效
果 |
11 | 城市智管服
务平台研发 | 5,000.00 | 848.84 | 3,438.94 | 商用阶段 | 本项目通过城市智管平台的
研发,拟实现以下目标:城市
治理事件的智能巡查、智能
发现、智能分拨、智能处置、
自动复核和智能分析评价的
全流程闭环,提高城市治理
效率和服务质量;利用人工
智能大模型和算法仓开放服
务,提供城市治理事件的多
维度、多层次、多角度的数据
分析和决策支持,提升城市
治理水平和能力 | 本项目基于已沉淀的
算法标注与训练、算
法仓开放服务、算法
自动化评测、人工智
能大模型等平台技术
为基础底座,解决城
市治理事件的智能化
管理的核心难点,如
事件识别、分类、分
配、处理、评估、决策
等;拟研发平台具有
较好的技术通用性,
适应了不同类型、不
同规模、不同场景的
城市治理事件的智能
化管理需求 | 本项目可以为市容巡查
管理、环境卫生管理、园
林绿化管理、城市部件
管理等城市治理领域提
供更优质、更智能化的
城市治理服务。目前该
项目已进入商用阶段,
并基于商用情况持续迭
代产品 |
12 | 基于人工智
能的智能交
通产品方案
研发 | 3,300.00 | 843.00 | 2,729.54 | 商用阶段 | 本项目拟实现以下目标:(1)
完善基于公交 OD数据的智
能公交线路优化系统,提升
OD识别准确率,支持动态调
整公交线路和班次,和线路
优化;(2)优化基于图像识别
和深度学习的交通道路巡检
系统;(3)完善基于算法仓开
放服务平台的交通道路事件
检测系统,实时监测道路上
的交通事故、违章行为、拥堵
情况等,并及时提供预警和
处理建议,提高道路秩序和
流畅度;(4)开发基于新能源
车辆数据和优化算法的新能 | 该项目基于已积累的
机器视觉技术和大模
型技术,重点聚焦解
决海量的复杂数据处
理、提高识别和分析
的准确性和实时性,
平衡优化目标和约束
条件等问题。基于仿
真结果,针对上述问
题已能够提供有效的
技术解决方案 | 该项目的研发成果将为
公司的智能交通业务提
供强有力的支撑,有助
于提升本公司在智能交
通领域的市场竞争力和
品牌影响力。该项目的
研发成果也将为社会带
来积极的效益,有助于
改善城市交通环境,提
高城市交通效率,降低
城市交通成本,增加城
市交通安全,促进城市
交通可持续发展。目前
该项目已进入商用阶
段,并基于商用情况持 |
| | | | | | 源公交车辆充电调度系统,
根据车辆电量、充电站状态、
运营计划等因素,合理安排
车辆充电时间和地点,提高
车辆利用率和节能效果 | | 续迭代产品 |
13 | 基于人工智
能的智慧教
育产品方案
研发 | 400.00 | 178.02 | 178.02 | 研发阶段 | 以“天书”大模型为中枢,通
过为学校建设的 AI实验室,
为学生提供AI原生的人工智
能教育空间,包括课程、教
具、实验、应用场景等。同时
基于知识图谱以及对学生学
习过程的实时评估,可实现
千人千面的学习进度与路径
设计,大幅提高学习效果。 | 基于“天书”大模型向
教育行业的深度迭
代,Fly-X实验室的全
部课程均能稳定、准
确、高效的完成 AIG
C相关的教学与学习
任务。并能持续提升
在开放性知识问答方
面的适用性和可扩展
性 | 通过人工智能课程打磨
后,该套方案能够赋能
全部学科,从教、学、评
等各方面充分发挥天书
大模型的优势,为学生
提供 AI学伴、通过基于
知识图谱的引导式学习
法,实现千人千面的学
习;为教师提供 AI助教,
提高教师的作业批改、
课程辅导效率。 |
合计 | / | 98,300.00 | 18,104.14 | 86,527.03 | / | / | / | / |
(未完)