商汤(00020)2023Q2业绩会：预计2024年生成式人工智能收入或翻倍 占公司收入比例30%以上

智通财经APP获悉，8月25日晚间，商汤(00020)发布了截至2023年6月30日的半年业绩报告。财报显示，上半年商汤集团总收入为人民币14.33亿元，同比增长1.3%；毛利润为人民币6.48亿元，毛利率为45.3%。在业绩交流会上，商汤表示，公司初步判断生成式人工智能的收入到了24年应该会比23年很有可能可以翻一倍，甚至更多。到24年我们估计占整个公司收入的比例很有机会在30%以上，因为上半年已达20%。到25年不出意外到40%的总收入以上。再往后看，到 26、27年 应该是不断地往上走，公司到了那个时候，应该是一个逐渐由生成式人工智能来带领的生意。

此外，商汤提到，公司服务过超过200个以上的互联网的APP，互联网APP会逐步开始接入公司的大语言模型，包括像微博、小红书、b站、美图等直接转化为大模型应用的客户。

Q&A

Q：我们看到现在开源和闭源的模型同时在推进，比如llama2是一个开源的模型，国内也有一些开源的模型，但是OpenAl的GPT4是闭源的，怎么看开源模型和闭源模型未来的竞争和发展趋势。

A：开源、闭源是一个硬币的两方面，一方面是闭源是希望取得更大的商业上的领先，但是如果没有在现在这个点上，开源拥有更大的生态来协助着整个迭代的话，那么闭源的模型性能又不可能说走得更加靠前。我们通过上千次的实验发现，对于行业的knowhow构建的数据配方，以及对于一些训练的技巧，其实是模型迭代的关键。这个部分的关键是需要我们开源开放我们的生态，让更多的人能够参与到构建当中，从而形成更多的knowhow的沉淀，来打造更好的性能的基模型。

在这过程当中包括开源还可以做前端部署的压缩，增量训练，如果模型完全闭源的话，很多的这样的操作会有很大的困难，所以对于很多的场景上我们利用开源来吸引、打造和生态，同时开源又很有利于我们的AI的基础设施sensecore来提供一体化数据、算力算法的一体化的服务，从而使得我们的客户能够享受到基础模型的发展的过程。有一些行业我们做行业性的端到端的模型，是由商汤来闭源完成，提供一个行业高质量模型的服务。

Q：国内很多企业都需要大模型在本地化或做私有化的部署，我们如何看待在不同行业私有化部署的行业机遇？对于商汤来讲，我们预期未来短期我们会聚焦在哪些领域里面做我们私有化部署的大模型商业化实现？

A：中国大模型ToB赋能的市场很大，因为我们历史的发展机遇和一些现有的状况，所以大模型一方面可以更好地结合到行业的数据弄好，二来对于很多的数据安全、价值观体系的管控，可以相对做到能够更好地跟人的行为更好地对齐。

在现在的这样的行业应用当中，我们看到很多垂直领域的应用，比如农业、能源、金融、地产、教育、人力资源，包括传媒以及工业制造等等系列的垂直行业里面，来打造我们的垂直行业的大模型。这是一个 ToB大模型的部署。这些部署的私有化部署的条件分行业还有些区分，有一些需要更严苛的服务级别的私有化部署，另外有一些可能是需要说我们的大装置来开辟私有化的区域等等，但是整体上来讲，私有化的模型和升级部署是跟行业的knowhow相结合，并且现在是一个很好的发展的机遇。

另外有一类我们服务的客户，除了纯粹b端之外，我们也有很多2B2C。我们传统的企业客户里面有一类客户是互联网客户，我们也服务过超过200个以上的互联网的APP，互联网APP也会逐步开始接入我们的大语言模型，因为在价值观对齐的情况下会有更多的这样的应用开放。原来的我们的互联网的应用，包括像微博、小红书、b站、美图等直接转化为大模型应用的客户。

随着价值观能够更好地对齐，大模型终将通过ToBtoc赋能到行业，这一类客户相对它也是随着行业应用来定制化的模型。但这类模型未必是一个完全私有化的部署，可能是有一个安全的链接就能够推到推广。所以我们在接下来的半年当中，我们在这两方面上我们会聚焦地推动我们大模型的落地。

怎么看一个基模型的核心能力？还是看它的functioncore，也就是它怎么去调用这些API的能力？随着这部分能力的综合提升，很多的传统当中我们认为像操作系统级别的，搜索引擎级别的内容都会被逐步地颠覆和变化，这个会带来新的生产力工具的商机，而这类商机恰恰是我们觉得现大模型能够推动产业发展，跟实体产业做结合一个最重要的这个要素之一，所以这也是我们下半年会发力的。

Q：大模型短期来看很难直接给企业直接的用，这里面有可能还需要一些工程化的事情。有些行业有可能工程化需求量也是比较大。咱们如何来看这个问题，或者咱们会不会比如说通过一些自建私有化部署的团队，还是通过找一些合作伙伴去做工程化的事情？

A：我觉得这是分两方面，一方面怎么构造这个行业的私有化模型、垂直模型。基模型能力很强，但是它对于行业如果有一些行业的能力没有见过，那实际上它是有缺失的，所以是需要一个团队，实际上某种程度上叫数据工程团队来针对行业来构造我们这个数据的recipe，这部分的recipe是能够值得真正让大模型走向这个行业，否则行业里面很多的应用是没有办法去过正确率的限制。

第二个，即使是这类打穿了之后，在私有化部署当中，它涉及到多卡调动、并行推理等等一系列的复杂的场景，那么可能是需要有一个比较强的部署团队，这个部分相对来说我们可以用大装置的能力去赋能我们的合作伙伴，我们有很多的传统大众，甚至是在智慧城市当中的 SIP帮助我们去解决大量的部署化的问题。所以有了这两个的支撑，我们相信大模型ToB甚至是和实体产业的结合应该会很快的做经济上的效益。

Q：生成式AI相关业务的收入增长还是很强劲的，它增长的动能，我们和其他竞争者相比的优势以及未来的展望。未来收入占比和利润占比可以有一个怎么样的展望？

A：我们对生成式人工智能的业务确实是寄予厚望，因为我们掌握了这个新兴技术的诸多的关键成功要素，包括大模型训练的人才和经验，这个经验是需要很长时间积累，而且真正顶尖的人才是并没有那么多的。

第二是大数据集的获取和优化，这里面的学问也非常多。还有充足的算力的积累，我们在中国已经积累到了第一梯队的巨大的算力，另外还需要拥有这个应用场景的大客户，和我们能够长期合作，我们历史上已经有众多各行各业的客户跟我们在各种层面做合作，他们现在都对生成式人工智能非常的感兴趣，所以这一系列的因素都对我们非常有利。

这个事情因为还处于一个巨大市场刚刚起飞的状况，所以很难预测得非常的精准。但我们的感觉是它今后会有越来越多的机会是产生直接或间接面对c端的应用相关的收入，也有一些是紧密结合行业大模型的相关的收入，这两块占比在生成式人工智能收入里面会逐渐越来越高。在历史上这两块稍微会低一些，因为才刚刚开始，我们初步判断生成式人工智能的收入到了24年应该会比23年很有可能可以翻一倍，甚至更多。到24年我们估计占我们整个公司收入的比例很有机会在30%以上，因为我们上半年20%。到25年我们觉得不出意外到40%的总收入以上。

再往后看，到 26、27 应该是不断地往上走，所以我们公司到了那个时候，应该是一个逐渐由生成式人工智能来带领的生意。而且这在这块上我们确实当之无愧，因为已经拥有了很多得天独厚的成功因素在里面，而且我们整个管理层都是把主要的精力和资源都投在这个地方。

Q：从利润率层面来看，生成式AI业务是增厚的还是摊薄的？

A：这个也比较难回答得很准确，因为很多商业模式才刚刚的在试验中。在今年上半年，我们因为刚刚开始，目前总体的业务的毛利率初步看是比我们公司平均毛利要高的，但是它未来确实是有各种各样不同商业模式的，会影响整个生成式的总的毛利。

我个人猜想在刚刚开始井喷式增长的时候，大家也许会比较注重把产品尽快推出去，在最早的时候大家可能对毛利不一定太注重，可能先要让更多的人去享用、试用这款或者是若干款非常牛的产品。所以它刚刚开始的时候，可能毛利率本身不一定是最关键的指标，但是我们也是经历了人工智能小模型时代，本质上大模型规模效应肯定比小模型要高的，大模型可以同时展示非常强大的综合的能力，所以只要你一旦确定了行业技术明显的优势，不是一个随便谁都可以很轻松地达到你的技术水平，我们觉得这个技术的壁垒是非常高的。

在这个前提下，我们觉得这个业务往后，往未来、往长期走，它应该长期的利润空间很有可能比人工智能小模型时代要高，它的规模效应、商业效率都应该是很高。所以

这也就是为什么我们觉得它并不一定会把整个公司的毛利率往下去拉，但是在初创时期的井喷时期，有时候比较难说得特别的准确，我有时候是先要把份额先占到，让所有人先用到我们的产品，那个时候可能会做一些战略上的考量，但是长远我们觉得对公司的毛利不应该是一个drag。