财务数据和关键指标变化 - 2024年上半年集团收入达17.4亿元人民币，同比增长21.4% [6] - 海外生成式AI收入达10.5亿元人民币，增长256%，占集团总收入50% [6] - EBITDA亏损减少26.5%，整体亏损减少21.2% [8] - 上半年毛利率达44%，与去年全年持平 [42] - 总运营费用下降1.4%，销售费用下降21.2%，管理费用下降7.7%，研发费用略有增加6.1% [43][44] - 营运资金周转效率仍面临挑战，现金转换周期延长 [45] - 贸易应收账款天数较一年前减少超100天，回收水平较高 [46] - 资本支出略有下降，现金储备和净现金分别达99亿元和46亿元人民币 [47][49] 各条业务线数据和关键指标变化 生成式AI业务 - 上半年收入达10.5亿元人民币，占集团收入60%，较去年的21%大幅提升 [6][12] - 全年收入预计超2023年，业务现金流良好且可持续 [14] - 超3000家行业用户使用其产品和服务 [15] 智能计算业务 - 截至8月，AI云部署GPU超5万台，总计算能力超2万PB，目标是到年底扩展到2.5万PB [18][19] - 在中国智能计算服务市场占有率约15%，排名第三 [21] 大模型业务 - SENSENOVA大模型从2022年底的1.0版本迭代到今年7月的5.5版本，整体能力提升30% [23][24] - 自年初至7月，SENSENOVA整体使用量增长数倍，企业用户数量增长超7倍 [26] 国际业务 - 同比增长40%，超过集团整体收入增长率 [32] 商汤汽车业务 - 上半年收入1.59亿元人民币，同比增长100%，占集团收入10% [33] - 交付71万辆新车，增长82%，拓展50款新车型 [34] 各个市场数据和关键指标变化 - 中国AI市场预计2024 - 2028年将产生万亿级市场，互联网行业率先使用大模型和智能计算 [9] - 中国智能计算服务市场预计未来五年复合年增长率超50%，到2028年市场规模近200亿元人民币 [21] 公司战略和发展方向和行业竞争 - 公司战略转向生成式AI，协同大模型和商汤核心技术，提升模型能力、降低推理成本并实现规模经济 [7] - 大模型市场竞争激烈，公司LLM平台和应用占15%市场份额，排名第二；AI业务服务排名第一 [7] - 智能计算市场发展处于早期，公司凭借技术和服务能力在竞争中保持优势 [21] - 汽车业务聚焦端到端智能驾驶、多模态智能座舱和为汽车制造商提供AI云服务 [34] 管理层对经营环境和未来前景的评论 - 生成式AI是热门投资主题，中国市场发展迅速，公司有望受益于行业增长 [9] - 公司在大模型竞争中取得领先地位，将继续平衡长期增长和短期投资 [8] - 对边缘AI前景乐观，认为随着用户基数扩大，新应用模式将逐渐出现 [53] - 看好国内计算能力推理成本降低趋势，特定垂直领域国内计算能力具有优势 [62] - 生成式AI行业处于早期，公司希望未来五年或更长时间保持高增长 [77] 其他重要信息 - 7月推出的Mirage产品“数拍”，试用九天用户达100万，月累计用户300万，生成照片2000万张 [31] - 商汤汽车业务参与多个海外项目，提升全球影响力 [34] 问答环节所有提问和回答 问题1: 公司在与智能手机制造商合作中，边缘AI的潜在应用及对苹果智能和Pixel 9中AI能力实施的看法 - 公司对边缘AI前景乐观，认为用户基数增长将催生新应用模式，不仅关注智能手机，还包括各类物联网设备 [53][54] - 公司优化边缘侧芯片，实现LLM在边缘设备上每秒超百字符推理速度，延迟降至几十毫秒 [55] - 利用计算机视觉优势开发实时多模态交互模型，有望在下游设备应用中广泛采用 [56] 问题2: 如何扩展计算能力资源以保持核心竞争力，以及国内计算能力的进展 - 采用战略方法，通过运营软件提高效率，扩大运营计算能力规模，虽会降低毛利率但可减少现金消耗 [59] - 看好国内计算能力推理成本降低趋势，特定垂直领域国内计算能力具有优势，关键是实现良好性价比 [61][62] 问题3: 下一代大模型的核心能力及与应用场景的对应关系 - 大模型性能提升需补充知识要点和构建高阶思维链数据，公司在视觉数据积累和垂直行业数据构建上具有优势 [67][68] - 模型架构调整和成本效益提升是下一代模型的改进方向，包括训练和推理效率以及多集群、多层次训练 [69][70] 问题4: 哪些产品或服务推动生成式AI收入增长，以及未来增长预期和驱动因素 - 公司凭借在AI基础设施和大模型的技术积累进行商业化拓展，受益于市场对计算能力和大语言模型技术的需求 [73][76] - 生成式AI行业处于早期，公司希望未来保持高增长，专注该领域以满足用户需求 [77] 问题5: 公司端到端算法商业化进展以及自动驾驶算法与底层大模型的协同情况 - 公司坚持纯视觉技术路径，积累大量视觉数据和计算资源，为汽车制造商提供计算能力和车载技术 [83][84][86] - 目标是2025年实现端到端算法大规模生产，目前正与汽车制造商合作进行联合技术开发 [88]