文/楊劍勇
今年以來，受ChatGPT推動，人工智能概念股高度活躍。其中，科大訊飛作爲市場中的AI龍頭之一，不斷創歷史新高，市值曾一度逼近2000億，當前市值爲1600億元。值得注意的是，與在資本市場節節攀高不同的是，今年業績並不理想。慶幸的是，二季度營收與淨利潤雙雙恢復增長，大模型驅動業績增長顯現。
上半年淨利潤下降七成，Q2業績恢復增長
根據業績預告顯示，2023年上半年，科大訊飛預計淨利潤爲5500萬-8000萬，同比下降71%-80%；扣非後虧損3.3億-2.7億元，上年同期盈利2.89億元，相比上年同期減少5.49億-6億元。
針對業績變動緣故，科大訊飛表示，公司於2019年被列入美國實體清單後，2022年10月7日，對包括科大訊飛在內的28家中國人工智能、高性能芯片、超級計算機領域的頭部企業和機構再次加碼制裁。
爲此，科大訊飛需要進一步加大核心技術研究和產品开發平台的全面自主可控，並從供應鏈到相關的合同籤署進行相應的調整，相關研發投入和市場調整對去年四季度以及今年一季度的產品供應和市場銷售等造成階段性困難，疊加去年四季度和今年一月份特殊的社會經濟客觀環境，一季度經營受到較大影響。
報告期內，應對極限施壓，立足自主可控，已經走出階段性影響，重新進入良性發展軌道。於2023年5月6日正式發布“訊飛星火認知大模型”，並於6月9日如期升級。
據介紹，訊飛星火認知大模型在國內可測的現有系統中處於領先水平，並且制定了明確的對標ChatGPT的計劃。在全力加大“訊飛星火認知大模型”研發投入的前提下，科大訊飛第二季度仍然實現了收入、毛利、現金流均爲正向增長，並且實現了歸母淨利潤、扣非淨利潤、現金流均爲正。
科大訊飛同時聲稱，公司踏踏實實地推進高質量增長，並在自主可控平台上快速推動認知大模型研發，爲搶抓通用人工智能的战略機遇提供了堅實的保障。
業績預告顯示，科大訊飛第二季度的經營扭轉了第一季度業績下滑的不利局面，預計實現營業收入約49億元，較上年同期增長約10%，環比增長約70%；預計實現毛利約19億元，較上年同期增長約7%，環比增長約60%；此外，在第一季度業績下滑以及基於自主可控認知大模型的研發投入加大的背景下，第二季度預計實現歸母淨利潤、扣非淨利潤、現金流均爲正，且歸母淨利潤和現金流均超過 1 億元。
all in 大模型，科大訊飛繼續加大人工智能投入
與此同時，科大訊飛積極搶抓通用人工智能的歷史新機遇，加大通用人工智能認知大模型的研發投入，爲在數字經濟時代長期可持續發展奠定了堅實基礎和難得的先發優勢。一方面使公司在人工智能賦能教育醫療等民生事業、賦能千行百業的數字化、智能化轉型過程中強化了優勢；同時也爲公司在人工智能時代打造每個人的 AI 助手、开拓更廣闊的 C 端消費產品市場帶來全新機會。
具體來看，訊飛星火認知大模型賦能現有產品，助推公司相關產品營收的快速增長。星火認知大模型在AI學習機的中英文作文輔導、中英文口語學習，以及訊飛聽見一段錄音一鍵成稿、訊飛辦公本自動文本摘要等場景落地，帶來用戶體驗的顯著提升，進一步增強了產品的競爭力。訊飛星火認知大模型發布後，2023年 5 月～6 月，C 端硬件GMV創歷史新高，同比翻倍增長。其中，搭載訊飛星火認知大模型的訊飛 AI 學習機 GMV 在 5 月和 6 月分別增長 136%和 217%。
在生態方面。科大訊飛通過“訊飛星火認知大模型+訊飛开放平台”，公司面向千行百業开發者提供技術賦能、方案打造、賽事運營、商業運作、創業扶持等多維度資源，聯合行業龍頭及千行百業合作夥伴共建人工智能“星火”生態。截至2023年6月30日，开放平台开發者數爲497.4 萬（去年同期 343 萬），近一年增長45%。其中，訊飛星火認知大模型發布後，开發者數量在兩個月內增加了85萬家。
科大訊飛指出，訊飛一直踏踏實實地潛心深耕於人工智能領域，構建了一支團隊建制完整、高效協同的研發團隊。還有豐富的行業應用場景和軟硬件一體化優勢。在認知智能方面开拓了豐富的應用場景(例如教育行業的因材施教和個性化學習、醫療行業的人工智能輔診、智慧城市的便民便企服務、面向企事業單位的智能辦公等)，並在行業數據資源的積累和應用理解上形成了獨特的優勢。
2023年下半年，科大訊飛會 all in 大模型，在繼 續加大研發投入力度的同時，我們會加快星火大模型的商業落地，加快大模型的自我造血，保障有穩健的現金流。
最後
大模型掀起新一輪人工智能浪潮，吸引了全球包括了亞馬遜、谷歌、百度、華爲、阿裏、科大訊飛等科技巨頭們湧入，相繼推出各自的大模型服務，由此人工智能开啓大模型時代。不過，各家湧入，也引發百模大战。
原文標題 : 上半年淨利預降七成，科大訊飛下半年繼續all in 大模型
標題：上半年淨利預降七成，科大訊飛下半年繼續all in 大模型
地址：https://www.utechfun.com/post/237090.html