虹软科技是什么产品(通用人工智能细分龙头？)-鸿图投资网

摘要：通用人工智能细分龙头？目前，全球通用人工智能领域的细分龙头公司主要有以下几家： 1. 谷歌（Google）：作为全球互联网搜索巨头的谷歌，也是通用人工智能领域的重要参与者。其

通用人工智能细分龙头？

目前，全球通用人工智能领域的细分龙头公司主要有以下几家：

1. 谷歌（Google）：作为全球互联网搜索巨头的谷歌，也是通用人工智能领域的重要参与者。其在语音识别、自然语言处理、计算机视觉等领域的技术水平处于领先地位。

2. 微软（Microsoft）：微软在人工智能领域的布*相当广泛，涉及机器学习、自然语言处理、计算机视觉、人体感知等多个细分领域，其人工智能技术平台Azure也是行业内领先的人工智能云服务平台。

3. IBM：作为世界上最大的信息技术公司之一，IBM在人工智能领域也有很大的发展潜力。其人工智能平台Watson涉及语音识别、机器学习、自然语言处理、大数据分析等多个细分领域，已经成为企业用户的首选之一。

4. 亚马逊（Amazon）：亚马逊的人工智能平台AWS也在全球范围内得到了广泛应用，涵盖了语音识别、自然语言处理、计算机视觉、机器学习等多个细分领域。

以上是当前全球通用人工智能发展领域的细分龙头企业，他们在人工智能技术和应用方面都有着较为显著的领先优势。

虹软这个公司咋样？

不明白啊==！

国内ai哪个最好？

国内ai的技术排名

1.虹软科技。AI视觉龙头，服务于智能手机、智能汽车、物联网等。

2.圣邦股份。AI模拟芯片龙头，应用于语音识别、超声测距、红外避障等。

3.汇川技术。自动化伺服系统中以9.8%的份额占据国内龙头。

4.绿的谐波。国内RV减速机龙头，国内市场份额超过20%。

5.科沃斯。各类家庭服务机器人、清洁类小家电等智能家用设备及相关零部件。

虹软科技获75家机构调研：公司进入汽车行业的战略方向是采取先舱内、后舱外，先软件、再软硬一体，然后先国内、后国外的总体战略核心（附调研问答）

虹软科技2月28日发布投资者关系活动记录表，公司于2023年2月24日接受75家机构单位调研，机构类型为保险公司、其他、基金公司、海外机构、证券公司、阳光私募机构。

投资者关系活动主要内容介绍：

第一部分、主要业务情况2022年业绩快报主要财务指标情况(未经审计)：

公司2022年度营业收入5.32亿元，同比下降7.22%；归母净利润5,636.93万元，同比下降59.96%；归母扣非净利润596.08万元，同比下降93.83%。

（一）报告期主要业务的经营情况及影响业绩的主要因素1、智能手机出货情况：2022年以来，国际国内形式多变，俄乌冲突，新冠疫情反复，通货膨胀和经济不确定性等因素，对全球终端消费力产生了较大影响，据IDC最新报告显示全球智能手机全年出货量同比下降11.3%（至12.1亿台），创2013年以来最低年度出货量；2022年第四季度，全球智能手机出货量同比下降18.3%(至3.003亿台)。

公司移动智能终端业务情况（含智能手机）：受到新冠疫情持续、宏观经济增速放缓等多方面因素的影响，2022年度公司移动智能终端业务实现营业收入4.73亿元同比2021年下降11.49%，但2022年第四季度移动智能终端业务同比上升4.24%，环比上升1.31%。

2、我国汽车产销量情况：根据中汽协发布数据显示，2022年我国汽车产销量分别完成2,702.1万辆和2,686.4万辆，同比增长3.4%和2.1%，延续了去年的增长态势。其中，我国新能源汽车全年产销迈入700万辆规模，分别达到705.8万辆和688.7万辆，同比分别增长96.9%和93.4%，市占率达到26%。尽管受疫情频发、芯片结构性短缺、动力电池原材料价格高位等诸多不利因素冲击，但在促消费政策的有效拉动下，中国汽车市场在逆境下复苏向好。

公司智能汽车业务情况：随着行业的快速发展，公司结合智能汽车业务“先舱内后舱外，先软件再软硬一体，先国内后国外”的发展路径，2022年公司继续拓展了主机厂商和Tier1（一级供应商）新客户，报告期，前装量产定点项目已涉及长城、长安、长安新能源、吉利、上汽乘用车、合众、理想、东风岚图、本田、东风日产、奇瑞、重汽、吉利领克、沃尔沃、长安马自达等车厂的多款量产车型。公司也将持续深化与既有客户在新项目、新产品上的合作。

2022年度公司智能汽车相关业务实现营业收入4,441.81万元，同比上升121.16%。

（二）公司人员情况随着行业的快速发展，公司结合智能汽车业务发展路径，加大了对相关人才的招聘力度，2022年度公司配置了大量开发、算法、测试等核心高素质人才。2022年末，公司员工总人数同比增加15.87%。

（三）成本费用端情况2022年度，公司的营业成本、管理费用、研发费用金额相较于2021年有较大幅度的增长，主要原因为：行业发展迅速，公司结合业务发展路径加大了对人才的投入，相应职工薪酬等相关支出增加。

问：公司在手机与智能驾驶两大主要业务模块上的目标是什么？

答：公司主要的业务模块分为智能手机和智能驾驶业务。智能手机业务方面：公司和主流安卓手机厂商的合作都在持续进行。我们的目标还是稳住目前的手机业务营收；智能驾驶业务方面：公司进入汽车行业的战略方向是采取先舱内、后舱外，先软件、再软硬一体，然后先国内、后国外的总体战略核心。后续公司会继续加大投入，目标是更进一步打开我们智能驾驶业务市场，让产品覆盖更多的汽车主机厂。

问：公司出售的智能驾驶产品单车价值量是多少？是否有提升的趋势？

答：目前公司一站式车载视觉解决方案面向舱内、舱外共有十一类解决方案，价格从几十块到两百块不等。未来公司会继续根据市场需求增加更多的功能，如果功能、需求增加，那么单车价值相应也会有提升，但最终的单车价值还是取决于客户搭载产品数量的多少和功能而决定。

问：公司智能驾驶前装业务的收入按什么方式结算？结算周期多长？

答：公司智能驾驶业务目前按计件收费结算，计件收费模式下，公司一般在次季度与客户核对装载数量。所以量产车型出货后，到体现在公司收入上一般还会有结算周期的影响。

问：公司智能驾驶前装业务目标是做到什么规模？

答：智能驾驶是公司重点、积极发展的业务。截至2022年第三季度，前装量产定点项目已涉及长城、长安、长安新能源、吉利、上汽乘用车、合众、理想、东风岚图、本田、东风日产、奇瑞、重汽、吉利领克、沃尔沃、长安马自达等车厂的多款量产车型。智能驾驶业务将来的发展情况请持续关注公司在上海证券交易所网站刊登的公告。

问：请介绍公司智能驾驶ADAS产品或者公司在L3级别产品上的储备？

答：公司在智能汽车业务上，主要是先舱内后舱外的战略。目前公司的产品化目标以L2和L2+为主（比如AEB、BSD等）；L3、L4级别全智能化的智能驾驶产品现在以储备、预研为主。

问：公司智能驾驶产品L3级别上有哪些技术储备？

答：随着行业、市场的发展，L3级别产品的研发储备是必然的，目前公司L2+、L3方面的技术产品也在持续开发准备中。关于公司的技术储备情况，请持续关注公司在上海证券交易所网站刊登的公告。

问：公司怎么看待2023年手机业务整体的经营展望？

答：关于公司2023年的手机业务目前较难预测，但与2022年相比，整体保持稳定是主要的目标。

问：公司目前在DMS、OMS这块硬件产品的进展是怎样的？软硬一体产品方面，关于硬件的设计、生产方面，公司是考虑建厂还是找代工？

答：公司智能驾驶产品“VisDrive”版本在持续升级，包含既有功能能力升级与功能面的扩充，在软件上能较好地支撑客户的定点，给公司营收做铺垫。

DMS、OMS前装软硬一体产品方面，公司现处于布*阶段，基本聚焦在疲劳、分心、儿童遗留等基础的功能上。这部分将逐步实现产品化并不断更新迭代。

我司作为软件企业，更多的是从硬件方案的角度去提供我们的价值，涉及到生产环节会交付给Tier1做。

问：请问公司智能汽车业务国际化拓展的更新情况？

答：2022年公司已有一些国内自主品牌与中外合资汽车品牌的海外定点项目，已定点的项目会陆续出货。2023年公司智能汽车业务计划扩展到纯外资汽车品牌。

问：公司智能驾驶软件产品毛利能接近90%吗？

答：计件费用模式下公司出售纯软的智能驾驶产品，毛利率基本在90%左右。

问：公司智能驾驶业务2022年4000多万的收入都是高毛利率吗？

答：2022年公司智能汽车相关业务营业收入4,441.81万元,其中包含一部分软硬一体产品，软硬一体产品毛利率相对较低。

问：2023年商用车预期复苏，那么2023年公司还准备侧重资源拓展商用车业务吗？

答：公司智能汽车相关业务分为商用车与乘用车，商用车也是在公司业务拓展的范畴内。

问：公司智能驾驶舱内软硬一体产品进展怎样？

答：公司前装软硬一体车载视觉解决方案有Tahoe（面向舱内）和Westlake（面向舱外）两个产品。Tahoe是一个DMS外挂的组件方案，它包含了芯片、传感器、相机模组，是一站式的解决方案，主要针对一些硬件平台相对落后的老车型、老平台，来支撑DMS的功能需求及满足法规要求；另外还可以用作新平台系统快速升级的方案。关于Tahoe公司已经产品化，目前的进度主要是向市场推广与渠道布*中。Westlake还没有产品化，但在持续更新迭代中。

问：公司智能驾驶舱内软硬一体产品“Tahoe”已经开始商用了吗？请问进展怎样？

答：关于公司智能驾驶舱内软硬一体产品“Tahoe”已经产品化，目前的进度主要是向市场推广与渠道布*中。

问：公司智能驾驶11类解决方案目前定点的有哪些车型和产品？

答：截止2022年末，公司前装量产定点项目已涉及长城、长安、长安新能源、吉利、上汽乘用车、合众、理想、东风岚图、本田、东风日产、奇瑞、重汽、吉利领克、沃尔沃、长安马自达等车厂的多款量产车型。车型包含东风岚图梦想家，长城坦克500、神兽、F7改款、长城炮、朋克猫、闪电猫、芭蕾猫、哈弗酷狗，上汽乘用车名爵，理想L9等车型，分别搭载了公司DMS、OMS、FaceID、TOF手势、AVM等舱内、外的算法。

问：公司智能驾驶解决方案产品，目前定点比较多的是什么功能？价值量是多少？

答：公司2018年开始拿到智能驾驶定点项目，根据客户的需求目前DMS、OMS解决方案是定点数量最多的，公司在智能驾驶前装以销售纯软算法产品为主，主要销售聚焦舱内与舱外的十一大类产品，现阶段单车价格取决于汽车搭载公司算法产品的数量和功能，从几十块钱到两百块钱不等。

问：公司的ToF技术最新出货/应用在哪个领域？

答：公司与理想汽车签订的舱内智能驾驶解决方案产品已于2022年出货，其中包含ToF手势识别功能。虹软VisDrive与理想汽车以用户体验为中心，为用户创造更具个性、更富情感、操控更简单便捷的智能座舱体验。

问：公司是计算机视觉的AI公司，在机器视觉范围能用于什么场景？

答：公司是行业领先的视觉人工智能技术开发者、解决方案供应商，深入研发并积累的核心技术应用广泛，基于拥有对成像、图像和色彩领域超过20年的经验和技术积累，能根据不同的行业和场景的需求开发相应的功能。公司提供的视觉人工智能解决方案已经成功应用于智能手机、智能汽车、智能家居、智能保险、智能零售、互联网视频等多种场景中，并且仍在不断探索新的技术和使用场景。

问：公司的视觉算法是通用的吗？用在智能手机上的算法是不是简单写入就可以通用？

答：公司是行业领先的视觉人工智能技术开发者、解决方案供应商，拥有的诸多底层技术具有强大的通用性和延展性。凭借对行业演进规律的理解，公司形成大量模块化的产品和基础支持算法库，能够为不同行业的客户提供一站式的解决方案。公司可以根据不同客户的差异化需求快速提供相应产品，为产品的快速更新迭代提供支持。除手机领域之外，公司还将视觉人工智能技术在智能汽车、智能零售、智能家居、互联网视频等领域推广。

问：目前AIGC与ChatGPT比较火，想了解一下公司作为国内领先的人工智能公司，怎么看待这个产业的机会？

答：AIGC是基于GPT理论和实验架构下生成的不同类型的内容，是AI领域的一个方向。当前，以文本和语音输入的子方向很受关注，例如ChatGPT的应用等。近期ChatGPT非常火热，让大家看到了AI与人们实际生活越来越接近，对于ChatGPT，公司持以欢迎的态度，因为它让大家看到了AI的未来，感受到AI能够赋能人类、赋能社会。

公司作为AI行业中的一员，对业内先进技术保持积极关注，但ChatGPT并不是公司的盈利方式。对我们影响更多的是ChatGPT引入了很多模型、方法，比如diffusion、transformer等。这类模型多年前就已经存在，模型的底层技术与方法论都是相通的，而公司在这类模型的应用上也早有积累，这些方法学能够支撑公司在特定的行业应用中开发出更好的产品，从技术的角度上把它应用到自己的行业中。

问：公司AR/VR业务进展怎样？合作厂商有哪些？

答：从行业上看，虚拟现实和增强现实产业非常热门。虹软多前就开始投入相关技术的研发和落地，包括AI、交互、电子游戏等等，三星手机的ARZONE里面很多AR/VR技术是虹软提供的，虽然公司会与很多业内公司有技术上的合作，但这个市场可能还需要一些时间预热，所以公司目前在AR/VR/MR业务上是布*的状态。

问：公司2022年末同比有15.87%的人员增长率，往后年度公司招聘规划如何？

答：2022年末，公司人员同比增长了15.87%，主要的人才配置在智能汽车相关业务与手机业务，包含开发、算法、测试人员等。公司未来的招聘策略会围绕整个业务的发展状况合理配置及增减人员，如业务本身需要补充大量人员，公司可能还需继续招聘。

问：公司今年会用做股权激励吗？

答：有关股权激励的事项，公司管理层是放在很重要的位置在考量的，需要认真、慎重地考虑，如果有重要决定，公司会以公开披露公告的形式告诉大家，也请大家持续关注公司在法定网站及媒体披露的公告;

虹软科技股份有限公司致力于计算机视觉技术的研发和应用，坚持以技术创新为核心驱动力，在全球范围内为智能手机、智能汽车、AIoT等智能设备提供一站式计算机视觉技术解决方案。公司主要产品是智能暗光增强解决方案、智能双（多）摄视觉解决方案、智能深度摄像解决方案、智能驾驶视觉解决方案、其他IoT智能设备视觉解决方案。2018年，公司获得第八届“吴文俊人工智能科技进步奖”。

调研参与机构详情如下：

虹软科技——真正的视觉AI王者

更准确的行业趋势，

更深入的企业价值！

关注势利演！

为您的财富增值！

引言

由于家里的事情，小演与您分别了1个月，本期我们继续分析科创板，但是由于科创板涨幅巨大，获利盘有了解的趋势，在这个时候就更应该深入企业基本面，去伪存真的选择优质的企业进行投资。

本期小演带您走进真正的视觉AI王者——虹软科技！

企业前世今生

公司名称：虹软科技股份有限公司

成立日期：2005-06-23

上市时间：2019-07-22

公司网站：www.arcsoft.com.cn

企业背景：

公司创始人邓晖1994年在硅谷创立ArcSoft公司，第一款产品PhotoStudio，对标Photoshop，2003年在杭州创办虹软，进入移动设备图像处理领域，16年开始进入视觉AI和深度摄像技术。

核心观点

选股有逻辑

虹软科技是一家全球视觉算法领域的霸主。先来看看公司是怎么描述自己的：

相信大家对于虹软的技术实力有了清晰的认识。

看经营

小演再带您看看虹软的经营模式：固定费用模式和计件模式两种模式。

固定费用模式：是指按合同约定的软件授权期限，收取固定金额的软件授权费用。特定客户在软件授权期限内，针对某款、某系列的特定设备内，可以合法地把含有虹软科技算法技术的特定软件无限量装载在合约限定的智能设备上。

计件模式：是指在合同约定的软件授权期内，按照客户生产的装载有虹软科技算法技术智能设备的数量进行收费。通常情况下，公司会与客户就不同生产数量区间，约定阶梯价格，保障双方利益。

根据公司招股说明书，过去三年情况看客户对于计件模式的吸引更强烈。

公司固定费用模式收入分别为15,207.74万元、19,629.56万元和22,899.91万元，2017年、2018年较上年分别增长29.08%、16.66%；计件模式收入分别为8,875.58万元、13,242.90万元和22,047.29万元，2017年、2018年较上年分别增长49.21%、66.48%，

行业竞争力

从毛利率上看，公司产品毛利远远高于行业平均水平，可以称为科技中的茅台。

小演观察

技术实力强大，统治Android高端机型，5G换机高潮预计将在今年下半年9月份由苹果引爆。

分享一个机构调研虹软的数据：

财务排地雷

看看公司的财务报表，从盈利、成长性、含金量、运营、偿债等五方面能力，分析企业是否存在明显的雷区！

行业选取的是计算机软件行业数据。

盈利能力

从盈利上看虹软科技优于软件行业平均，但是最近几年的盈利能力均在下滑，主要是净利润的增加赶不上股东权益的增加速度。

总资产收益率下降就不太明显，主要是负债的增加导致的。

整体来看，公司的盈利能力是非常不错的，通过上市获得更多资金之后，释放更多产能，从而提升整理盈利能力。

盈利能力：四星半

成长性

成长性：四星

含金量

含金量毋庸置疑，好得让小演惊叹！

含金量：四星半

运营能力

从周转率上看，公司的产品由于是软件，所以收款和存货周转都是比较好的。

运营能力：四星

偿债能力

软件行业的特性注定了虹软科技的资产负债率较低。

偿债能力：四星半

研发能力

市场的选择就是虹软的技术实力的体现。小演发现最为有价值的发明专利，在2019年公布的高达19件，主要是2017年开始申请的。

另外研发费用占营收的比例一直保持在30%以上，没有因为营收的大幅增加而降低比例。

研发能力：四星

综合评价：四星半

买入看时机

从企业的分析上看，虹软科技是一个牛逼的企业，但是小演认为目前确实有点贵，建议等待价格的回调再买入。

本人观点仅供朋友交流，分享是态度，不构成投资建议！

风险点：

疫情导致终端需求下降

屏下指纹业务开拓不利

智能驾驶业务进展不利

往期回顾

瀚川智能——智能制造行业领军者

天奈科技——新材料铸就新能源行业新征程

南微医学——医疗器械细分领域的“王者”

下期预告

小演从去年12月开始研究科创板，目前科创板的涨幅让人瞠目结舌，巨大的涨幅肯定会带来巨大的回调，去伪存真是科创板下一阶段的目标，小演将对科创板企业继续进行研究，寻找真正的王者！

势利演

势眼看行业

利眼寻企业

趋势演义尽收眼底

AI与自动驾驶会产生什么化学反应？-手机金融界

1.自动驾驶：AI大模型有助于我们提升覆盖小概率路况的效率

小概率路况的覆盖是自动驾驶落地的核心问题。由于一旦发生事故造成的后果极为严重，自动驾驶是一个对小概率情况非常敏感的场景。由于交通事故将会产生非常严重的后果，对于主机厂而言，在责任明晰之前，即使是99.99%的可靠性也是不能接受的，因为这可能意味着每卖出10000台车可能就会产生一起事故。行业特点决定了要实现自动驾驶就必须先对长尾场景进行有效覆盖。

测试里程的积累是有效覆盖小概率路况的前提。根据广汽的预测，要实现L4级自动驾驶所需要的长尾场景覆盖程度，至少需要完成10亿个测试场景，最小测试里程也需要10亿公里，这两个数据分别是实现L2级自动驾驶的10万倍、1万倍。

此前，测试里程的积累主要有两种方式。一种是通过自动驾驶车队来进行数据采集，以Waymo为代表；一种是通过私家车进行数据采集，以特斯拉为代表。

通过自动驾驶车队进行路测来覆盖小概率路况的方法效率比较低。Waymo是自动驾驶领域的霸主，但是在过去很多年里，感知问题、行人问题、软件问题等方面，Waymo的接管频率并没有收敛（基于加州路测报告）。毫无疑问，Waymo的自动驾驶能力是逐年增强的。那么，Waymo在软件问题、行人问题等方面的表观“退步”就只能用它在覆盖更多的小概率路况来解释。比如，在高速公路等路况相对简单的场景下测试获得好的结果之后，Waymo会把路测地点逐渐向难度更高的城区街道进行拓展。

众包方式能在一定程度上提升对小概率路况的覆盖效率。特斯拉采用影子模式取代测试车队。影子模式本质上是通过众包的方式来解决场景的快速积累问题。在这一模式下，即使在人进行驾驶的时候特斯拉自动驾驶系统同样也在进行计算自己会怎么做，然后和人的选择进行对比。如果自动驾驶系统和人的选择不一致，就对这类数据进行汇集，然后交由工程师判断自动驾驶系统的选择是否合理。2020年3月，特斯拉就申请了从车队中获取自动驾驶训练数据的专利。由于特斯拉的汽车数量远远多于自动驾驶测试车队，影子模式可以更快地实现对驾驶长尾场景的积累，同时得到的结果也有更强的统计学意义。截至2019年末，特斯拉累计交付搭载自动辅助驾驶硬件的车辆85万辆，AP激活状态下累计行驶里程已超过20亿公里，远远超过竞争对手(Waymo为2000万公里)。由于特斯拉保有量持续攀升，其他竞争对手和特斯拉之间在数据积累量以及长尾场景覆盖程度上的差距将会越拉越大。

随着AI大模型的出现，我们覆盖自动驾驶小概率路况的效率有望大幅提升，这种效率提升至少源于两个方面：

利用AI大模型进行场景生成是覆盖小概率路况的新思路。相对于单纯的路测，直接进行场景生成，并将仿真结果与路测相结合对于快速实现路况覆盖大有裨益。比如毫末已发布DriveGPT雪湖·海若，可以实现三项能力：

按照概率生成很多个场景序列，每个场景序列都是未来可能会出现的一种实际路况；

在所有场景序列都产生的情况下，能对场景中最关注的自车行为轨迹进行量化。可以实现在生成场景的同时就产生自车未来的行车轨迹；

值得注意的是，毫末的雪湖·海若引入了类似于GPT系列模型中的人类反馈强化学习机制。即把系统和驾驶员的判断和决策进行对比，若对比结果一致，系统会被打高分，反之则会被打低分。这与特斯拉FSD的模式有异曲同工之妙。

除场景生成外，AI大模型在自动标注方面同样能够发挥重要作用。在AI的1.0时代，数据标注主要依赖于人工，导致数据的标注时间很长，且成本比较高。尤其在自动驾驶领域，由于路况复杂，存在大量的标注需求。基于大模型可以实现自动标注，从而大幅度降低成本，提升效率。如毫末智行的雪狐海若将场景识别能力对外开放。此前采用普通的标注方案标注一张图片需要约5元，而DriveGPT雪湖·海若只需要0.5元，大幅节约了成本。

作为行业的领军者，特斯拉给出了通过道路重建作为车道线感知真值进行4D标注的方案，其本质上是一个基于Tesla强大视觉感知能力的众包建图。

2018年之前：采用纯人工进行2维图像标注，效率较低；

2019年：人工进行3D固定框的图像标注，当时的拓扑只是基于单趟轨迹，重投影精度<3pixel，整个标注还比较依赖人工，需要3.5小时进行一个clip标注；

2020年：采用BEV空间进行标注，这里可以看到此时的建图已经是基于BEV感知进行的建图，重投影精度<7pixel，人工标注耗时小于0.1小时，已经基本可以实现自动标注；

2021年至今：首先对场景进行重建后在4D空间（关于2021年开始采用的4D标注，早在19年AutonomousDay上Karpathy就做过了介绍，当时Tesla使用的是SfM的方式进行周围场景重建，然后再在重建的点云上进行4D标注）中进行标注，使用3D特征进行多趟采集轨迹的聚合重建，重投影精度从（<7pixel）优化到（<3pixel），人工标注耗时与2020相当，但计算时间从2hrs降低到0.5和hrs，可扩展性也变得非常强，可以取代500万小时的人工作业量，人工仅需要检查补漏。

大模型虽难以完全解决小概率路况的问题，但依然对自动驾驶行业意义重大。当然，必须承认的是，大模型依然无法帮助我们100%解决小概率路况带来的问题。

大模型能力来自于深度学习，而不来自于强化学习。从技术路线来看，大模型是“深度学习+人类反馈强化学习”。为了测试强化学习对于模型能力的影响，OpenAI分别基于GPT-4基础模型和加入强化学习的GPT-4模型运行了一系列考试中的多项选择题部分。结果显示，在所有的考试中，基础的GPT-4模型的平均成绩为73.7%，而引入强化学习后的模型的平均成绩为74.0%，这意味着强化学习并没有显著改变基础模型的能力，换句话说，大模型的能力来自于模型本身。根据OpenAI的表述，强化学习的意义更多地在于让模型的输出更符合人类的意图和习惯，而不是模型能力的提升（有时甚至会降低模型的考试成绩）。

既然大模型没有摆脱深度学习框架，这就意味着现阶段的AI背后依然是统计学，无法彻底解决残差问题。换言之，“能力的不可解释性”问题依然无法在根本上得到解决，我们依然无法实现100%的正确，只能通过覆盖更多小概率路况的方式来提升安全性。

大模型理论上难以帮助我们实现小概率路况的100%覆盖。从本质上来说，利用AI大模型进行路况生成虽然能大幅提升效率，但依然类似穷举。而通过穷举法实现对小概率路况的全覆盖从理论上不太可能实现，本质的原因在于“路况本身是一个无限场景”。试想一下，如果我们要打开一个密码箱，我们只需要从“000”到“999”全部尝试一遍，箱子就必然已经被打开了；同样的道理，在棋类运动中，每一步可以“落子”的情况都是有限的集合，换句话说，所有可能性是也是可以被遍历的，所以这两个场景都是“有限场景”，而公开道路自动驾驶场景则是一个“无限场景”。

但我们不能因大模型难以100%解决问题而低估其对自动驾驶行业的帮助。无法单纯从技术上解决问题并不意味着大模型对于自动驾驶的落地没有意义。我们认为，技术的突破和法律、伦理的放缩将“相向而行”，从而最终在一个可以接受的安全性范围内实现平衡。可以试想一下，如果人类没有发明汽车，可能也不会有目前那么多的交通事故，但显然并不会有人因为这一点抵制汽车这一为人类社会带来巨大帮助的发明。

从必要性角度：汽车行业正从卖方市场转向买方市场，行业演进的核心驱动因素由技术与产品转变为消费者需求。传统汽车工业已走过百年，随着行业的高度成熟，这一市场正逐渐由卖方市场转变为买方市场，行业向前发展的关键因素也从技术的突破和产品的打磨转向消费者的需求变化。

从可行性角度：随着EE架构的集中化，以及主控芯片算力的提升，将可以支撑越来越多新的功能点。

AI大模型可以丰富和革新人与车辆的交互方式。在座舱内，驾驶员会与汽车通过语音、视觉等多种方式产生交互，毫无疑问，AI大模型有助于交互体验的提升。如驾驶员将可以通过自然语言的方式和系统进行沟通，比如选择一条更快的路或是收费更少的路；或者系统会对驾驶员的各种习惯进行学习，比如什么时间在什么地方喜欢买咖啡，从而对驾驶员进行建议；再或是基于天气提示驾驶员带雨伞等等。

随着项目周期的压缩，汽车研发效率正变得越来越重要。

汽车的开发周期正逐渐缩短，这使得供应商的项目周期被大幅压缩，此前项目可能是2-3年，而现在可能是1年多甚至不到1年，同时主机厂的定制化需求却越来越多，更短的开发周期和更多的定制化需求对Tier1的智能制造能力提出了更高的要求。

随着自动驾驶功能模块逐渐增加，需要测试的里程数快速增加，并没有完全足够的时间进行路测，同时由于涉及到安全，测试环节本身不能简化，所以设计、测试的效率在一定程度上正逐渐成为制约项目能否快速及时交付的重要因素。

AI大模型对于汽车设计师效率的提升意义重大。比如中科创达GeniusCanvas将语言能力、视觉渲染以及特效制作能力结合在一起，可以通过辅助概念创作、辅助3D元素设计、辅助特效代码生成和辅助场景搭建及制作多方面帮助设计师完成创作过程，从而优化工作流程，并提高设计师的工作效率。概念创作方面，它能够把3-4周的工作周期缩短到1周，节省70%的时间。3D元素设计方面，它能够把4~6周的工作周期缩短到3天，节省85%的时间。特效及场景制作方面，它能够节省90%的时间。

中科创达：推出GeniusCanvas，提升HMI交互体验

中科创达重视AI技术，利用kanzi推动智能驾驶舱的发展。在2022年，中科创达公布与地平线成立合资公司，聚焦智能驾驶赛道。kanzi是一个具有强大实时3D渲染能力的工具。中科创达推出的智能驾驶舱3.0使用了KanziforAndroid这种新技术，使得Android系统和Kanzi完美对接，实现了3D唱片、可定制实景导航、实时界面个性化定制、跨屏幕跨系统应用等功能。

中科创达利用Kanzi实现智能驾驶舱多屏交互。由于智能驾驶涉及人机共驾，智能汽车所承载的驾驶员信息、车外环境信息、车辆信息等越来越多，需要有更多的空间、分区域地呈现给用户，并确保和驾驶员有良好交互。基于KanziforAndroid支持的多屏联动，在导航的过程中可以实现地图跨屏，全方位呈现3D导航；在导航结束时，可将地图由副驾驶屏收缩至中控屏。多方选择以适应更多的个性化需求。

中科创达GeniusCanvas赋能汽车产业发展，打造全新HMI交互体验。GeniusCanvas的一个工具是大模型引擎，它能够把想法和理念转化为文案，并进一步转化为创意和作品，最终通过技术手段转化为应用程序。GeniusCanvas的第二个工具来源于KANZI产品。Kanzi与大模型结合后，能够利用大模型的知识库及创新能力，快速创作丰富多彩的KanziHMI概念效果及特效，构建多样的3D模型及形象库，并且在车机系统中能够实现实时预览功能。目前，全球已有超过百款车型选用了Kanzi，每年有数千万辆搭载Kanzi技术的量产车型落地。

德赛西威：联合高校推进大模型本地化，赋能自动驾驶

德赛西威联合高校推进大模型本地化部署。德赛西威已和中山大学、南洋理工大学等高校合作，通过尝试和布*基于大模型的数字虚拟助手、图像数据自动标注、自动场景创建、自动编程等，构建技术支撑，相关方案已经在上海车展上亮相。在AI大模型本地化过程中，德赛西威能够为客户提供差异化、全方位的技术支持和解决方案。

AI大模型技术可以和德赛西威现有技术形成完美融合。比如，AI大模型可以在感知融合、感知预测和规划上实现更为精准的数据补充和预测，从而在行为预测方面给予自动驾驶更多地帮助，并给出更多的控制选择。

虹软科技：已发布可商业落地的AIGC产品

公司已发布AIGC产品，助力小B客户大幅降低商品展示成本。1）商业拍摄市场空间超500亿元，虹软方案能大幅降低对模特的依赖，降低商品展示成本，实现对于原方案的替代。2）采用目前市场上的方案在很多细节处存在畸变和失真，虹软的方案能使得商品展示“所见即所得”。3）公司计划在2023年推出静态商品展示图解决方案，包括商品加背景静态图像的生成，以及商品加数字模特图像生成，后续计划推出动态视频以及3D内容。

商业模式：与公司手机、汽车业务类似，AIGC商业模式分为会员服务费和生产流量费两部分。1）在会员服务会部分，公司会根据不同的会员等级开放不同的功能，比如不同的场景库和模型库；此外，公司可以针对一些增值的API做差异化的定制开发。2）在生成流量费部分，公司将按照生成内容的实际算力消耗直接定价。

虹软科技是非常稀缺的能够将AIGC技术进行产品化落地的公司。在目前阶段，投资者非常关注哪些公司能在AIGC方面形成真正的产品，并产生商业价值。虹软作为安卓系手机拍摄算法的全球霸主和汽车视觉算法的领先者，在图像处理方面拥有超过20年的技术积累，是非常稀缺的能够在现阶段将AIGC技术进行产品化落地的公司。

经纬恒润：自主开发驾驶仿真测试软件，推出智能座舱AI单品

在自动驾驶仿真方面，经纬恒润自主开发仿真软件，助力驾驶测试。经纬恒润自主研发了综合驾驶测试仿真软件ModelBase，这一软件可以被用于乘用车、商用车的整车电控系统、ADAS系统的设计、测试和验证。涉及电控系统的全开发周期，包括早期的算法仿真测试，控制器的硬件在环测试，半实物台架测试，以及车辆在环测试。目前这一软件已经被已应用于一汽、东风、蔚来等50余个项目中。

在智能座舱交互方面，经纬恒润基于AI技术开发了音乐律动氛围灯等一系列产品。经纬恒润音乐律动氛围灯具有实时歌曲特征识别和离线歌曲特征识别两种模式。其中离线歌曲特征识别模式的相关功能就是基于AI音乐风格分类算法和AI音乐段落划分算法进行实现。通过音乐特征识别，为氛围灯音乐律动提供丰富的效果组合，提升用户体验。