数字农业解决方案 数字农业农村发展现状 产业化程度低 产业附加值低  数据资源分散，天空地一体化数据 获取能力弱；  资源数字化、产业数字化水平不高， 部分农业数据、乡村治理数据未能 实现数字化采集归档；  农业管理中已有的信息系统以及传 统媒介（纸、电子文档等）的数据 系统互相之间并未完全打通 ；  数据资源体系缺乏统一规划，各部 门和单位间的信息资源不能实现有 农业对外开放新格局、促进小农户和现代农业发展有机衔接； 央行、农业部等五部委《关于金融服务乡村振兴的指导意见》 （ 2019 年 2 月发布） 1. 聚焦产业兴旺，推动农村一二三产业融合发展：支持农业产业化龙头企业及联合体发展， 延伸农业产业链，提高农产品附加值。 2. 重点做好新型农业经营主体和小农户的金融服务，有效满足其经营发展的资金需求：鼓 励发展农业供应链金融，将小农户纳入现代农业生产体系，强化利益联结机制，依托核 设等 3. 预期收益：管理到位、产品 增值、农民增收、产业升级 充分积累和挖掘数字资产价值，通过运营实现数据资产增值，促进产业提质增效 数字农业发展路径 农业核心问题：缺乏有效的产业协同 产业化程度低 产业附加值低  标准化、组织化、规模化程度低， 农业产业整体呈现“小、散、弱”；  生产、加工、销售一体化水平低， 产前、产中、产后衔接不紧密；  “ 大资源、小产业、弱效益”问题突

自动驾驶和健康 医疗等多领域的落地应用 • 加强技术突破和伦理规范建设 ，推动智能体的规范化发展 美国在高科技行业推广应用 ，以市场驱动推动研发和产业落地 • 智能体的研发和产业化保持领先地位 ，尤其在自然语言处理、深度学习与大规模模型应用方面不断突破 • 科技巨头如谷歌、亚马逊、微软等推出了大量创新型智能体应用 ，包括语音助手、聊天机器人等 ，提高用户 的体验感 上下游企业的合作与交流。推动智能体 与自 动驾驶、智能制造、智慧城市等行业 的深度 融合。 加强政策支持与保障 ，构 建 长效发展机制 • 政府应加大政策引导和资金扶持力度 ，推动 技术成果转化与产业化。要加强行业监管 ， 建立完善的安全、伦理和合规体系 ，确保 智 能体技术在合规框架内健康发展。要注 重人 才培养和引进 ，提升人才储备。 ID CCID CCID CC ID 聚焦智能体在感知、推理、运动控制、人机 交互等方面的关键技术攻关。推动理论研究 与技术开发的深度融合。鼓励企业参与国际 合作 ，借力全球技术力量 ，推动智能体的技 术创新和产业化进程。 CCID CCID CCID CCID CC 统一智能体定义与行业标准， 推动产业规范化发展 • 推动各相关部门共同制定智能体的统一定义 , 完善检测和认证机制 ，推动行业内的技术

科大讯飞智慧农业业务 文档密级 : 公司内部 A 目 录 3 1 2 公 司 简 介 0 1 室 、国家 863 计划成果产业化基地 、国家智能语音高新技术产业化基地 国家规划布局内重点软件企业 国家高技术产业化示范工程等 n 语音合成与识别 、机器翻译 、图文识别 、图像理解 、自然语言理解 、机器学习推理等核心技术处于国际 先 进水平 n 2008 年在深圳证券交易所挂牌上市（股票代码：

MmNrMvPtPmNMYmQyR 谨请参阅尾页重要声明及财通证券股票和行业评级标准 3 行业专题报告/证券研究报告 1 AI 大模型快速发展赋予 AIGC 产业化应用空间 ................................................................................. 5 2 垂直领域大 ............ 36 谨请参阅尾页重要声明及财通证券股票和行业评级标准 5 行业专题报告/证券研究报告 1 AI 大模型快速发展赋予 AIGC 产业化应用空间 AI 大模型是人工智能预训练大模型的简称，以“大规模预训练+微调”范式满足 多元化需求。在大数据的支持下进行预训练后，仅需少量数据的微调就能直接基 于超大规模基模型打造出领域大模型或行业大模型，进而覆盖更多行业自场景， AI 大模型的内涵与特征 数据来源：沙利文《AI 大模型市场研究报告:迈向通用人工智能，大模型拉开新时代序幕》，财通证券研究所 生成式 AI 大模型的突破赋予 AIGC 广阔的产业化应用空间。2022 年底 OpenAI 发布人工智能聊天机器人 ChatGPT，在具有庞大参数量的大型语言模型训练下， ChatGPT 展示出了强大的人机交互体验、高质量的持续对话能力以及较好的逻辑

高致死率疾病刚性需求增加 医生缺口及负担明显加剧 机遇与挑战 以 政 策 驱 动 技 术 区域参照：结合贵州发展情况，看广西医学人工智能落地路径 贵州 人工智能 全景应用 实施智能医疗健康重大产业化示范项 目，推进公立医院与互联网医院等重 点医院先行先试、联合攻关，加强与 全球知名人工智能科研机构和企业合 作，推进计算机视觉、模式识别、深 度学习等技术应用到医疗健康领域， 开发智能医疗影像、智能医疗。 AI技术实现摄片质量即时自动分析，在患者尚未离开前即可提示技术是否需要重拍，从而避免非必要的时间损耗。AI质控平台可以通过与设 备集成，从而实现拍片到审片直接在设备端完成，由平台提示影像是否符合要求。目前影像拍片AI质控平台已经实现产业化，尤其是对于典 型胸部正位图像筛查，其准确率已经达到95%以上。 • 效率低而且一致性差; • 事后质控，患者很难再次拍摄，时间损耗大； 人工智能图像识别技术 医学影像成像质量的自动评 价与评分；医学影像质控自

层关键信息。感知类的典型赋能场景包括身份核验（人脸识别）、人 流分析、车况监控、车外环境感知、驾驶员行为监测、交通设施状态 感知、实时路况感知、机非人（机动车、非机动车、行人）识别等。 目前人工智能感知类技术服务的产业化最为成熟，在交通领域应用的 范围最广泛。 人工智能技术基于对海量数据的“学习”，可以超越人类的经验 感知，更快速地识别特征、做出分析预测。交通数据信息具有异构性、 多样性和海量性等特征，人工智能可以更好地处理多源异构时空数据， 提 升城市及城际交通服务水平，促进城市的长期可持续发展。 3. 新技术驱动 受益于 ICT 产业的快速发展，物联网、大数据、云计算、移动互 联网、人工智能等新兴技术在交通行业得到广泛的产业化应用。 物联网技术可以实时全面感知交通基础设施、载运工具、人员等 交通要素的状态，并将其信息化、数字化。大数据技术可以盘活现存 数据，充分挖掘信息数据的价值，服务于交通部门的管理和决策。云 智慧交通系统的建设发展，不仅包含人工智能等新技术的应用， 还伴随着人才建设、运营管理以及商业模式的协同转变，其中如何寻 找、培训和留住合适的人才是重要挑战。目前，传统教育机构的学科 体系和培养方案基本无法满足人工智能快速产业化的需要，人工智能 人才培养目前主要在前沿的互联网公司、平台型公司，而现阶段人才 吸引主要靠薪资和人才培养平台。根据著名人力咨询公司美世的报告， 人工智能等先进技术的核心人才的薪资水平远高于传统的

构 建临床决策支持系统。推进基因芯片与测序技术在遗传性疾病诊断、癌症早期诊断和疾病 预 防检测方面的应用，加强人口基因信息安全管理，推动精准医疗技术发展。围绕重大疾病 临 床用药研制、药物产业化共性关键技术等需求，建立药物副作用预测、创新药物研发数据 融 合共享机制。充分利用优势资源，优化生物医学大数据布局，依托国家临床医学研究中心 和 协同研究网络，系统加强临床和科研数据资源整合共享，提升医学科研及应用效能，推动

，公司推进 PDO 等高附加值化学品产业化转化。 盈利预测：预计公司 2022-2024 年归母净利润分别 3.07 、 4.19 、 5.72 亿元 ，对应 PE 为 60 、 44 、 32 倍 ，维持“买入 ”评级。 风险提示：现有产品价格回落风险 、原材料价格上涨风险 、核心技术流失风险 、新项目投产不及预期风险 、丁二酸和 PDO 等新技术产业化低 于预期 风险。 图表：盈利预测（更新于

，金属杂质含量 、颗粒控制粒径及数量是影响电子信息产品成品率 、电性能及可靠性的关键因素 ，亦是评价产品品 质的 重要技术指标 。产品技术水平的先进性主要通过国际通用的标准等级进行评价 ，并通过产业化成果和客户认可情况验证 。国际半导体设 备与材 料组织（ SEMI ）根据湿电子化学品在世界范围内的实际发展情况按品种分类制定了多个指导性标准。 湿电子化学品在各下游应用领域的产品标准有所不同 、上海化学工业区发展有限公司签订《投资意向协议》 ，启动位于上海化学工 业区 的项目建设 ，规划占地 104 亩 ，建筑面积 6.5 万平方米 ，合计产能 6 万吨 ，该项目主要用于开发光刻胶及配套材料产业化 。随着公司 在半导体业 务产能方面布局的持续完善 ，新基地的陆续建成投产 ，公司产能规模不断释放 ，对市场的供应能力逐步增强 ，能够满足未来市 场需求的增长。 请务必阅读报告附注中的风险提示和免责声明

测试过程中涉及众多相关领域的专业知识、流程规范、规章制度等，经 过多年发展，公司依靠自主核心技术，构建了多元化产品体系 ，实现 了 面向民航空中交通管理、城市道路交通管理、城市治理等多个细分 领域 的应用与产业化落地，具备解决复杂需求和应用场景的整体方案 设计能 力，具备定制化的产品研制开发能力，拥有丰富的成功市场实践 与案例。 携手蓝凌软件构建统一知识管理平台，让公司技术经验、研发知识、案