计算机 2024 年 01 月 08 日 盛视科技(002990.SZ) 深耕智慧口岸，海外业务、多模态AI构筑第二增长曲线 请通过合法途径获取本公司研究报告，如经由未经许可的渠道获得研究报告，请慎重使用并注意阅读研究报告尾页的声明内容。 公 司 报 告 公 司 首 次 覆 盖 报 告 强烈推荐（首次） 股价：31.99 元 主要数据 季度末，公司完成了对云南河口口岸（1.66 亿元）、瑞丽（含 畹町）口岸（1.06 亿元）两个亿级合同的签署。据我们不完全统计，公司 2023 年以来中标项目金额合计已达 9.78 亿元。  公司携手华为出海，推进多模态 AI 赋能业务场景。“一带一路”极大推动 了我国边境地区口岸数字化的需求，同时也带动了沿线国家的海外口岸数 字化需求，公司目前已联手华为大力布局海外市场。“一带一路”沿线国 家是公司海外市场重点布局的区域，截至 外事业部，加快布局海外市场，2022 年公司与华为签署协议将在全球海 关领域开展全面合作，包括海关、口岸和综保区/自贸区等产品和解决方案 开发、市场推广、项目拓展、生态构建等。同时，公司也在积极推进多模 态 AI 研究赋能业务场景，已规划多模态 M2-GPT 大模型。 2021A 2022A 2023E 2024E 2025E 营业收入(百万元) 1,127 989 1,849 2

0 1 P2 新需求与技术发展 • 新时代信息化审 计 科技强审 总体分析 发现疑点 分散核实 系统研究 P3 多传感器 多分辨率 多时相 多平台 遥 P4 感 大 数 据 时 代 GIS 软 件 技 术 发 展 GIS 基础软 件 大数据 GIS (Big Data GIS) 人工智能 GIS (AI GIS) 新型三维 GIS (New 个大类 • 26 个审计事 项 P8 数 据 多 相关政策法规 国土规划相关数据 基础地 理信息数据 自然资源质量、 数量数据 业务系统数据 其他专项审计相关数据 发改部门 工信部门 水利部门 住建部门 生态环境部门 … 部 门 多 审计实施难 审计分析难 数据资料分散 流程管理低效 数据共享难 P9 问题多 审 计 业 务 现 状 数量 质 量 资 审计服务信息产品 业务统计模型 业务分析模型 业务计算模型 业务挖掘模型 ……. 信息获取 监测取证 疑点定位 核实查证 评价判断 宏观分析 GIS 遥感大数据规划自然资源审计监测应用模 式 P12 监测需求分析 审计需求分析 已有数据分析 语义统一 监测内容 监测范围 监测产品 审计事项 审计内容 审计报告 空间统一 格式标准 规划审计 自然资源审计 数据入库

业务助手” , 实现经验数字化、决策智能化 1.2 工作基础 口 我 局 印 发 《 宁 波 市 自 然 资 源 规 划 数 字 化 治 理 能 力 提 升 实 施 方 案 》 , 明 确 Al 大 模 型 技 术 的 定 位 。 一张管理全图 空间数据治理引擎 AI 算法 规则库 标准规范库 调查监测库 确权登记库 审批库 存储资源 底 座 开发利用模块 资源保护模块 全域国土空间综合整治模块 业务协同支撑应用 基础测绘 库 ( 实景三 维 ) 确权登记模块 服务器资源 统一 数据 数 字 机 关 模 块 1.2 工作基础 —— 数据统筹管理工作格局基本建成 制定《自然资源和规划数据统筹管理规定》 , 开展项目三论证审查，数据“一个口子进， 一个口子出”的工作格局基本形成， 形 成 4 大类 7 月 -11 月， 边 探索边验 证， 编制资 规大模 型建 设工作方 案 ， 明确框架 与工 作任务。 3 月完成资规 文 秘、提案回 复助 手智能体 内部测 试上线， 初步实 现智能 体构建平 台， 谋划三年发 展 规划。 用试点。 资规文秘 2024 年 6 月，在 《数 字化治理能 力提升 实施方案》 明确利 用 Al 大 模 型 技 术 赋 能 智能化。 12 月 3 日，赴自然

牌 1 聚 合 / 分 析 / 响 应 数 据 分 级 分 类 数 据 库 审 计 N G F W C S P M S W G D L P Z T A • 告警数量多，噪声大； • 告警难分层分类，没办法每条告警都去分析； • 人员能力难支撑高效的告警、事件研判； • 人员精力难支撑 7×24 小时全天候值守； • 担心漏报，被钓鱼； 2020 2023 无监督学习行为建模，标 记攻击和异常 AI First 战略 云、网、端广泛应用小模 型 GO-g le 基于 PaLM 的 Sec-PaLM B Microsoft 基于 GPT-4 的 Security Copilot ⃞cy be reason 基于 AI 异常日志识别和分析 AI 小模型 取得明显成 效 全面拥抱 大模型 QRadar Watson ，基 于 AI 的日志分析和处 置 建议 NoDR 云原生行为基 线生成和检测 SAVE 3.0 多内核 AI 文件检测引擎 基于机器学习的加 密流量检测 基于深度学习的恶 意 DNS 检测 SAVE AI 文件检测 引擎 WISE 语法语义检 测引擎 将大模型用于检 测、情报等领域

原理  模型可解释性在实际的场景中的一个具体的应用和实施方案  对模型可解释性的简单的展望 01 模型可解释性的整体背景 软件工程学上我们经常用到一个术语叫软件的生命周期，这里把它用在模 型上，按照模型的生命周期来看，将模型的可解释性总结为三个方面，或 者说三个不同时期的作用。 DataFunTalk 成就百万数据科学家！ 9  模型的开发和构建。企业模型解释在优化模型的期间，是一个优化 作用。 02 模型解释性方法 1. 模型解释性方法 DataFunTalk 成就百万数据科学家！ 10  全 局 的 解 释 方 法 (全 局 就 是 我 们 考 察 更 偏 重 对 模 型 整 体 的 一 个 预 测 的解释)：第一个特征权重，每个特征的权重代表着特征对预测结果 的一个影响程度，本质上其实这个权重系数就是一种显示性。第二 个信息增益，可以计算出某个特征对预测结果带来的信息量。第三 模型解释性方法-特征重要性 DataFunTalk 成就百万数据科学家！ 11 从定义上看，全局可解释性是指能够基于完整数据集上的预测结果和特征 之间的条件交互来解释和理解模型。简单地理解来，它就是他解释整个模 型的行为。举个常见的特征重要度的算法，是每个特征被引用的次数，对 次数的值进行一个排序，次数越多，排序越靠前，对应特征越重要，这样 就作为模型一种非常直观的解释方法。 3. 模型解释性方法-lime

合分析）导致计算性能延迟增加 50% 以上，难以支 撑高价值场景（金融、物流、交通）等低时延响应 要求。 08 · 挑战三、高质量语料稀缺 政府、金融、医疗、制造等行业大模型专业语料稀缺， 海量多模态数据（文本、图像、传感器）待标注数 据占比高，高质量语料转化率低（语义缺失、时效 滞后等），无法满足行业大模型训练推理阶段对行 业标注数据的诉求。 · 挑战四、安全能力参差不齐 数据流通涉及数据提供方、使用方、服务运营方等 薄弱环节，无法满足全链路数据安全防护要求。 2、人工智能大模型语料发展与挑战 2.1 人工智能大模型语料发展趋势 1. 从大语言模型到多模态 / 具身智能大模型的语料演进 当前大模型技术正经历从弱人工智能（机器学习、神经网络、大语言模型）向通用人工智能（Agent、多模态、 具身智能）的范式跃迁。这不仅对于模型架构的设计理念进行了重构，同时也对大模型各阶段的训练语料提出 全新要求。 1942 1956 大模型技术发展演进阶段 09 公开数 2c 现象级应 首先，对多模态关联的复杂语料需求日益迫切。针对 大模型语料质量，传统纯文本数据已经无法支撑多 模态与具身大模型联合建模的需求。业界实践表 明，在多模态场景下的语料供给，需要进行跨模态 语料数据精准对齐，实践通过融合图文信息，运动 轨迹，场景数据，使得复杂论文的解析准确率提升 37%。此类多模态场景在处理包含图表、公式的复杂 文档时，需要在语料标准中体现语义逻辑关联能

、深度学习等重要演进历程， 正进入以大模型为支撑 、智能生成为特征的通用人工智能时代 。 第三次浪潮 2000-2020 ：数据挖掘 深度神经网络 第四次浪潮 2020- 至今： 智能生成 NPL\CV\ 多模态 大模型 第二次浪潮 80-90 年代： 知识工 程 专家系统 第一次浪潮 50-70 年代： 定理证 明 符号逻辑推理 人工智能发展脉络 通用人工智能 深度学习 专家系统 逻辑推理 1974 年 1956 年 1980 年 1990 年 分水岭 r5 大模型（ Foundation Model ） 是指具有超大规模参数的人工智能模型， 包含 NPL\CV\ 多模态等类型 。 其突出特点： 同质化 。大模型任何一点改进就可以迅速覆盖整个 AI 社区 。 “ 涌现 ”特性 。大模型有超大规模的参数， 产生未曾预先设想的新能力 。 泛化能力强 3740Petaflops3 异腾 AI 基础软硬件平台 复旦大学超算中心 模型类型 多模态训练模型结合人类 参与强化学习 多模态预训练模型 NLP 大模型 NLP 大模型 NLP 大模型 计算机视觉模型 计算机视觉模型 图、文 、音三模态 对话式大型语言模型 数据量 超过万亿单词的人类语言 数据集 中文多模态数据集 M6- Corpus 1.9TB 图像 292GB 文本

40%的延误原因与设计方案的反复修改和 优化有关。 与此同时，建筑信息模型（BIM）技术的广泛应用为行业带来 了新的工具和方法，但其数据量大、处理复杂的特点也对设计团队 提出了更高的要求。BIM 模型的精细化管理、多专业协同设计以及 全生命周期的数据集成成为了设计师亟需解决的问题。根据 2022 年的市场报告，全球 BIM 市场规模已达到约 80 亿美元，预计到 2025 年将增长至 120 亿美元。然而，尽管 系列和谷歌的 PaLM 模型。然而，参数量并非唯一的关键 因素，模型的架构设计、训练效率和推理性能也在不断优化，推动 了技术的实际落地应用。 在建筑设计领域，大模型技术的应用潜力巨大。首先，通过融 合多模态数据（如文本、图像和三维模型），大模型可以辅助设计 方案的生成与优化，提升设计师的工作效率。其次，基于强化学习 和生成对抗网络（GAN）的技术，模型能够模拟人类设计师的创意 过程，生成多样化 过程，生成多样化的设计方案。此外，大模型还可以用于智能化的 空间规划、建筑材料选择和环境分析，进一步推动建筑行业向智能 化、数字化方向发展。 大模型技术的发展趋势主要体现在以下几个方面： 1. 多模态融合：将不同数据类型（文本、图像、视频、三维模型） 整合到统一框架中，实现更全面的理解和生成能力。 2. 高效训练与推理：通过模型压缩、知识蒸馏和量化技术，降低计 算资源需求，提升模型的实用性和经济性。

大模型 ( EB 大模型 )- api 自训练大模型 ( 华 为版 ) 百度 NLP 大模型 ( 6B 大模型 ) 数据中心远程算力调用等功能；对外 ( 比如其他央企 ) 输出平台能力。 多模态大模型平台 商汤 CV 大模型 收附级能新准 1 2024 年电力信息通 信 新技术 大会 2024 年，研发在线微调、智能体管理 (GPTs) 、 变电站作业电子越界智能识别 变电站面板使能识别 大会 上线了 23 个样本 集 17 成功研发电力行业首个自主可控大模型“大瓦特”。在国产技术工程化水平较低的情况下，构建了多项核心技术， 具备意图识别、多轮对话、总结提炼、自动生成巡检报告、可视化数据服务等能力，在智能巡检、智能客服等多 个电网核心场景落地应用。 文本纠错 语音转文字 工单生成 环境国产化 技术行业领先 电网智能规划 ) 中国南方电网 CHINA SoUTHERN POWER GRID FAQ 检 索 文档检索 知识推荐 知识管理 智能知识库 ● 国内首个电力智能客服大模型 ● 国内首个多模块融合的智能客服体系 ● 电力行业首创支持多语种的智能客服 ● 电力行业首创六大高频场景智能客服 ● 南网首个覆盖全业务的智能外呼平台 收臂强能新

HuggingFace 等平台提供开放、可扩展的 环境，支持灵活的 AI Agent 的开发 基准测试、评估框架的可用性以及与实际工 具的集成支持 AI Agent 开发和部署 企业、金融、医疗等多领域应用推动 AI Agent 架构和安全、合规等标准的完善 数据来源： OpenAI ，公开资料、甲子光年智库总结整理 2025 年， AI Agent 风口已至：基础能力成熟，推动 任务复杂度 从“单点技能”走向“综合流程” Agent 满足市场需 求 部署模式 从“实验室”走向“生产线” 01 潜力契合 机制契合 能力契合 4 产品名称 底层模型 核心技术 自主性 多模态能力 高（网页交互） 强（视觉理解） 高（跨领域任务） 强（文本、图像、代码） 高（软件开发） 中（主要文本和代码） 中（辅助编码） 弱（主要代码处理） 高（自主执行） 中（文本和图像） 集成 模型 云资源编排、 IAM 策略适配、跨服 务 任务流程编排、函数 / 工具调 用 代码上下文理解、智能补全 多智能体架构、 Linux 沙 盒 数据来源：公开资料、甲子光年智库总结整理 远程执行环境、规划系统 浏览器自动化、视觉理解 代码编辑、多文件管理 任务分解、互联网连接 多步骤研究、网页测算 Claude Sonnet 3.7 OpenAI Operator