智通財經APP獲悉，8月25日晚間，商湯(00020)發布了截至2023年6月30日的半年業績報告。財報顯示，上半年商湯集團總收入為人民幣14.33億元，同比增長1.3%；毛利潤為人民幣6.48億元，毛利率為45.3%。在業績交流會上，商湯表示，公司初步判斷生成式人工智能的收入到了24年應該會比23年很有可能可以翻一倍，甚至更多。到24年我們估計占整個公司收入的比例很有機會在30%以上，因為上半年已達20%。到25年不出意外到40%的總收入以上。再往后看，到 26、27年 應該是不斷地往上走，公司到了那個時候，應該是一個逐漸由生成式人工智能來帶領的生意。
此外，商湯提到，公司服務過超過200個以上的互聯網的APP，互聯網APP會逐步開始接入公司的大語言模型，包括像微博、小紅書、b站、美圖等直接轉化為大模型應用的客戶。
Q&A
Q：我們看到現在開源和閉源的模型同時在推進，比如llama2是一個開源的模型，國內也有一些開源的模型，但是OpenAl的GPT4是閉源的，怎么看開源模型和閉源模型未來的競爭和發展趨勢。
A：開源、閉源是一個硬幣的兩方面，一方面是閉源是希望取得更大的商業上的領先，但是如果沒有在現在這個點上，開源擁有更大的生態來協助著整個迭代的話，那么閉源的模型性能又不可能說走得更加靠前。我們通過上千次的實驗發現，對于行業的knowhow構建的數據配方，以及對于一些訓練的技巧，其實是模型迭代的關鍵。這個部分的關鍵是需要我們開源開放我們的生態，讓更多的人能夠參與到構建當中，從而形成更多的knowhow的沉淀，來打造更好的性能的基模型。
在這過程當中包括開源還可以做前端部署的壓縮，增量訓練，如果模型完全閉源的話，很多的這樣的操作會有很大的困難，所以對于很多的場景上我們利用開源來吸引、打造和生態，同時開源又很有利于我們的AI的基礎設施sensecore來提供一體化數據、算力算法的一體化的服務，從而使得我們的客戶能夠享受到基礎模型的發展的過程。有一些行業我們做行業性的端到端的模型，是由商湯來閉源完成，提供一個行業高質量模型的服務。
Q：國內很多企業都需要大模型在本地化或做私有化的部署，我們如何看待在不同行業私有化部署的行業機遇？對于商湯來講，我們預期未來短期我們會聚焦在哪些領域里面做我們私有化部署的大模型商業化實現？
A：中國大模型ToB賦能的市場很大，因為我們歷史的發展機遇和一些現有的狀況，所以大模型一方面可以更好地結合到行業的數據弄好，二來對于很多的數據安全、價值觀體系的管控，可以相對做到能夠更好地跟人的行為更好地對齊。
在現在的這樣的行業應用當中，我們看到很多垂直領域的應用，比如農業、能源、金融、地產、教育、人力資源，包括傳媒以及工業制造等等系列的垂直行業里面，來打造我們的垂直行業的大模型。這是一個 ToB大模型的部署。這些部署的私有化部署的條件分行業還有些區分，有一些需要更嚴苛的服務級別的私有化部署，另外有一些可能是需要說我們的大裝置來開辟私有化的區域等等，但是整體上來講，私有化的模型和升級部署是跟行業的knowhow相結合，并且現在是一個很好的發展的機遇。
另外有一類我們服務的客戶，除了純粹b端之外，我們也有很多2B2C。我們傳統的企業客戶里面有一類客戶是互聯網客戶，我們也服務過超過200個以上的互聯網的APP，互聯網APP也會逐步開始接入我們的大語言模型，因為在價值觀對齊的情況下會有更多的這樣的應用開放。原來的我們的互聯網的應用，包括像微博、小紅書、b站、美圖等直接轉化為大模型應用的客戶。
隨著價值觀能夠更好地對齊，大模型終將通過ToBtoc賦能到行業，這一類客戶相對它也是隨著行業應用來定制化的模型。但這類模型未必是一個完全私有化的部署，可能是有一個安全的鏈接就能夠推到推廣。所以我們在接下來的半年當中，我們在這兩方面上我們會聚焦地推動我們大模型的落地。
怎么看一個基模型的核心能力？還是看它的functioncore，也就是它怎么去調用這些API的能力？隨著這部分能力的綜合提升，很多的傳統當中我們認為像操作系統級別的，搜索引擎級別的內容都會被逐步地顛覆和變化，這個會帶來新的生產力工具的商機，而這類商機恰恰是我們覺得現大模型能夠推動產業發展，跟實體產業做結合一個最重要的這個要素之一，所以這也是我們下半年會發力的。
Q：大模型短期來看很難直接給企業直接的用，這里面有可能還需要一些工程化的事情。有些行業有可能工程化需求量也是比較大。咱們如何來看這個問題，或者咱們會不會比如說通過一些自建私有化部署的團隊，還是通過找一些合作伙伴去做工程化的事情？
A：我覺得這是分兩方面，一方面怎么構造這個行業的私有化模型、垂直模型。基模型能力很強，但是它對于行業如果有一些行業的能力沒有見過，那實際上它是有缺失的，所以是需要一個團隊，實際上某種程度上叫數據工程團隊來針對行業來構造我們這個數據的recipe，這部分的recipe是能夠值得真正讓大模型走向這個行業，否則行業里面很多的應用是沒有辦法去過正確率的限制。
第二個，即使是這類打穿了之后，在私有化部署當中，它涉及到多卡調動、并行推理等等一系列的復雜的場景，那么可能是需要有一個比較強的部署團隊，這個部分相對來說我們可以用大裝置的能力去賦能我們的合作伙伴，我們有很多的傳統大眾，甚至是在智慧城市當中的 SIP幫助我們去解決大量的部署化的問題。所以有了這兩個的支撐，我們相信大模型ToB甚至是和實體產業的結合應該會很快的做經濟上的效益。
Q：生成式AI相關業務的收入增長還是很強勁的，它增長的動能，我們和其他競爭者相比的優勢以及未來的展望。未來收入占比和利潤占比可以有一個怎么樣的展望？
A：我們對生成式人工智能的業務確實是寄予厚望，因為我們掌握了這個新興技術的諸多的關鍵成功要素，包括大模型訓練的人才和經驗，這個經驗是需要很長時間積累，而且真正頂尖的人才是并沒有那么多的。
第二是大數據集的獲取和優化，這里面的學問也非常多。還有充足的算力的積累，我們在中國已經積累到了第一梯隊的巨大的算力，另外還需要擁有這個應用場景的大客戶，和我們能夠長期合作，我們歷史上已經有眾多各行各業的客戶跟我們在各種層面做合作，他們現在都對生成式人工智能非常的感興趣，所以這一系列的因素都對我們非常有利。
這個事情因為還處于一個巨大市場剛剛起飛的狀況，所以很難預測得非常的精準。但我們的感覺是它今后會有越來越多的機會是產生直接或間接面對c端的應用相關的收入，也有一些是緊密結合行業大模型的相關的收入，這兩塊占比在生成式人工智能收入里面會逐漸越來越高。在歷史上這兩塊稍微會低一些，因為才剛剛開始，我們初步判斷生成式人工智能的收入到了24年應該會比23年很有可能可以翻一倍，甚至更多。到24年我們估計占我們整個公司收入的比例很有機會在30%以上，因為我們上半年20%。到25年我們覺得不出意外到40%的總收入以上。
再往后看，到 26、27 應該是不斷地往上走，所以我們公司到了那個時候，應該是一個逐漸由生成式人工智能來帶領的生意。而且這在這塊上我們確實當之無愧，因為已經擁有了很多得天獨厚的成功因素在里面，而且我們整個管理層都是把主要的精力和資源都投在這個地方。
Q：從利潤率層面來看，生成式AI業務是增厚的還是攤薄的？
A：這個也比較難回答得很準確，因為很多商業模式才剛剛的在試驗中。在今年上半年，我們因為剛剛開始，目前總體的業務的毛利率初步看是比我們公司平均毛利要高的，但是它未來確實是有各種各樣不同商業模式的，會影響整個生成式的總的毛利。
我個人猜想在剛剛開始井噴式增長的時候，大家也許會比較注重把產品盡快推出去，在最早的時候大家可能對毛利不一定太注重，可能先要讓更多的人去享用、試用這款或者是若干款非常牛的產品。所以它剛剛開始的時候，可能毛利率本身不一定是最關鍵的指標，但是我們也是經歷了人工智能小模型時代，本質上大模型規模效應肯定比小模型要高的，大模型可以同時展示非常強大的綜合的能力，所以只要你一旦確定了行業技術明顯的優勢，不是一個隨便誰都可以很輕松地達到你的技術水平，我們覺得這個技術的壁壘是非常高的。
在這個前提下，我們覺得這個業務往后，往未來、往長期走，它應該長期的利潤空間很有可能比人工智能小模型時代要高，它的規模效應、商業效率都應該是很高。所以
這也就是為什么我們覺得它并不一定會把整個公司的毛利率往下去拉，但是在初創時期的(更多實時紀要加微信：aileesir)井噴時期，有時候比較難說得特別的準確，我有時候是先要把份額先占到，讓所有人先用到我們的產品，那個時候可能會做一些戰略上的考量，但是長遠我們覺得對公司的毛利不應該是一個drag。
jay
