格灵深瞳2023-12-05投资者关系活动记录

格灵深瞳2023-12-05投资者关系活动记录
微信
微信
QQ
QQ
QQ空间
QQ空间
微博
微博
股吧
股吧
日期 股票名 调研地点 调研形式
2023-12-05 格灵深瞳 - 分析师会议,电话会议
PETTM PB 股息率TTM 总市值 换手率
- 1.49 - 33.56亿 1.77%
营业收入同比增长率(%)(单季度) 营业收入同比增长率(%) 归母利润同比(%)(单季度) 归母利润同比(%) 净利润/营业总收入
-54.51% -54.51% -3210.88% -3210.88% -88.48
销售毛利率 销售毛利率(单季度) 销售净利率 销售净利率(单季度) 毛利
74.43% 74.43% -88.48% -88.48% 0.23亿
销售费用/营业总收入 管理费用/营业总收入 营业总成本/营业总收入 归属于母公司的股东权益/带息债务 研发费用/总市值
30.29 175.20 205.06 31.51 0.0132
存货周转天数 应收账款周转天数 资产负债率 利息费用/息税前利润 息税前利润
357.28 344.70 6.97% 0.24% -0.36亿
企业自由现金流量 带息债务 财务数据报告期
业绩预告
公告日期
报告期
业绩预告变动原因
0.72亿 2024-03-31 - -
参与机构
乾惕投资,西部利得基金,西南证券,农银汇理基金,七匹狼,中泰证券,兴业基金,上海季胜投资,中再资管,交银施罗德基金,西部证券,广东民营投资,嘉合基金,华富基金,招商基金,国寿安保基金,中信建投证券,东方红资管,博时基金,泰康资管,和谐汇一资管,中加基金,诺安基金,汇泉基金,上海青云投资,信达证券,华夏财富创新投资,海通证券,海富通基金,民生证券,中信证券,国金证券,国联基金,兴华基金,易方达基金,中国人寿资管,生命人寿,长江证券资管,天风证券,宝盈基金,华泰柏瑞基金,宏利基金,东兴基金,建信养老金,长安基金,中邮人寿保险,太平资管,璟熔投资,景顺长城基金,肇万资产,浙商证券,东方证券,华夏基金,拾贝投资,嘉实基金,禾永投资,中信理财,国投瑞银基金,创金合信基金,汇添富基金,华泰基金,长青投资,大家资管,东方基金,太平养老保险
调研详情
主要问答如下:

1、公司最近帮助警方找回被拐多年孩子的算法的基本情况和成功案例?

答:公司近期已协助警方找回数名多年以前被拐/走失儿童,且时间周期越来越短,效率也越来越高。我们在这个领域的技术突破发挥了较大作用。

基于遗传关系以及亲属之间的长相特征会比较相似的规律,公司在算法训练的过程用到了一些生成式AI技术,也就是说公司除了在判别式AI方面的优势外,在生成式AI方面也在持续进步,只是公司的生成式AI更多的用于算法训练,暂时没有对外推出生成式AI产品。例如,通过生成式AI,可以结合相关的规律生成一个人不同年龄段的相貌,用这样的模拟相貌去增强训练数据,基于公司自研的预训练大模型,使公司该算法模型的能力得以突破。该算法会筛选出相关性较高的疑似者进行赋分排名,大幅提升筛选效率和降低成本。

2、在和警方合作的这个寻亲项目中双方各自扮演什么角色?

答:公司主要是配合警方提供技术和算法等工具,然后交由警方来应用。公司的作用体现在降低警方成本的同时,提升效率。

3、通过这次热点事件引爆后,公司对未来相关业务延展的展望如何?

答:目前已经有省、地市、区县等不同层级的公安对我们的算法产生了兴趣。根据目前的案例,使用我们的算法后,筛选目标可从原来的千位排名提升至前十甚至前五,该技术可以帮助警方提升效率、节约警力和减少财政支出。本次热点事件后,可能让更多原本绝望的人又看到了希望,公众可能会发起较多的需求,从增强人民幸福感和获得感的角度,有利于推动相关技术的推广。除了潜在的经济价值,我们也看到了显著的社会价值,这也体现公司“向善”的基本价值观。

这一技术其实也可以扩展到其他类似的业务领域,例如寻找逃犯、失智人口或走失的老年人等,尤其能够在长相发生变化的情况下发挥更大作用。

本次事件对公司品牌美誉度的提升也有一定的积极作用。2020年,公司在美国国家标准与技术研究院(NIST)进行的全球人脸识别算法测试(FRVT)1:1项目中获得总成绩第一,1:N项目中获得第二,在该组织进行的戴口罩人脸识别评测中也获得了总成绩全球第一,因此公司的技术能力已经得到过验证;但由于公司的策略是挑选高毛利率且回款好的优质业务,因此目前在安防领域的业务量不是特别大,现在公司品牌影响力能得到进一步提升的话,结合公司自身的技术能力,可能会促进公司其他安防相关产品的销售。

我们一直在探索C端场景,例如目前的体育健康和元宇宙都是未来可能孵化出C端应用的领域,所以公司也会关注今天探讨的技术是否具备开发C端产品的可能。

4、这种算法的技术难点在哪里?

答:首先,需要前期大量的技术、数据和经验积累,比如算法框架如何设计,其次在用预训练大模型训练时,如何用AI生成优质的训练数据让模型更加“聪明”。同时,这也需要行业内的专业知识,例如如何赋分排名、分配权重等。整体来看是具有较高的壁垒和技术含量的。

5、大模型对公司已有产品的提升和未来产品应用的拓展?

答:首先,大模型对于我们现有的已交付产品的性能有很大的提升。例如,在智慧金融领域,公司搭建了适用于该领域的行为分析大模型技术架构,目前已实现落地应用,公司目前搭载华为AI算力的银行解决方案在加载该行为分析大模型之后,能够提升过去一些不易识别或精准度不高的复杂行为动作的识别效果。而从训练角度来讲,可以大幅减少交付新产品所需的数据量,降低获取数据的成本和周期,并降低产品交付周期。

其次,在很多场景中,例如轨道交通领域中,复杂工业产品检测的一些缺陷数据量是相对比较少的;在金融场景中,人员倒地、打斗等场景数据也是相对稀少的,而现在公司可以通过生成式AI的能力去生成这类数据,以提升算法能力。

另外,在体育和元宇宙的产品中,公司也发现可以通过大模型能力提升产品水平和降低开发成本,能为未来进一步向C端扩展提供更好的技术支持。

总的来讲,随着公司在大模型能力、多模态能力、生成式AI能力等方面的进步,公司目前的场景和产品得到了较大的价值提升,为未来产品应用拓展创造了更多的可能性。

6、公司目前的情况和发展方向?

答:公司目前在布局的几个领域扎扎实实的向前推进。我们相信目前我们选择的几个落地方向还是较为广阔的蓝海市场,特别是相对于公司现有的规模来说,未来任何一个场景能够有爆发的话,可能都会给公司的收入、利润、现金流带来可观的增量变化。

此外,公司未来不会只拘泥于G端和B端客户,我们会持续探索尝试如何走到C端,面向更大的市场,做更大的生意。公司在原有的判别式AI领域深耕的同时,也积极拥抱包括生成式AI在内的AI技术浪潮。
kimi总结

								

免责声明:数据相关栏目所收集数据,均来自第三方个人或企业公开数据以及国家统计网站公开发布数据,数据由计算机技术自动收集更新再由作者校验,作者将尽力校验,但不能保证数据的完全准确。 阅读本栏目的用户必须明白,图表所示结果或标示仅供学习参考使用,均不构成交易依据。任何据此进行交易等行为,而引致的任何损害后果,本站概不负责。

我的收藏
关注微信公众号 微信公众号二维码 获取更多数据
关闭 X