1、23H1业绩总体表现：

收入实现14.33亿元，同比增加1.3%。

净亏损31.43亿元，净亏损率为219%，去年同期为净亏损率227%。

经调整净亏损23.93亿元，经调整净亏损率为167%，去年同期为净亏损率181%。

2、分业务表现：

（1）智慧商业

23H1实现收入8.536亿元，同比增长50.2%。主要由于公司把握了生成式AI相关业务新涌现的商机。

服务客户数481，yoy-6.1%，单客户收入提高59.9%。

深入10个垂直行业深度定制行业大模型，包括能源、金融、地产、人力资源、传媒、工业制造、咨询等。

（2）智慧生活

23H1实现收入3.118亿元，同比增长6.7%，收入占比提升至21.8%。主要由于作为公司与全球领先传感器公司合作其中一环的AI传感器研发工作的贡献增加；开始受惠于生成式AI相关新产品的早期商业化。

客户数达到270，yoy+47.5%

「商量」和「秒画」与电商、传统媒体、社区平台等20多个领域的客户合作打造服务于其终端客户的行业大模型，将大模型能力更好地提供给C端用户；「如影」数字人生成能力落地于电商、直播、银行客服场景，服务了央视、广电、工商银行等典型客户；「格物」的高精度3D物体建模能力受到电商客户的欢迎，已与香港最大的珠宝集团之一实现商品3D数字化的合作，应用于其线上电商平台。

AI传感器与AIISP芯片量产交付：大模型进入手机终端得益于公司的AISDK、AI传感器、AIISP芯片三位一体的战略，公司智能终端业务在今年全球手机行业下行的市况下展现出较好韧性。公司计算机视觉算法通过SDK软件、AI传感器、AIISP持续量产至数亿台手机，市场持续渗透、新机型延续定点。公司基于InternLM的轻量级模型，结合自研推理加速算法，与两家头部手机芯片厂商建立研发合作，公司成功实现了大语言模型的手机端实时计算能力。公司正在积极与多家手机厂商客户合作，研发大语言模型与手机操作系统结合的新功能。

智慧医疗、AI机器人产品等

（3）智能汽车

23H1实现收入0.839亿元，同比下降30.5%。由于汽车OEM厂商客户的汽车出货速度加快，公司前装产品收入大幅增加。然而有关收入增加被来自向一间全球汽车OEM厂商提供多项研发服务的收入减少所抵销，有关收入减少乃由于该汽车OEM厂商将业务合作重心转向在未来与公司进行更多有关前装产品方面的潜在合作。

客户数量34，yoy+70.0%

23H1绝影的量产业务实现573%同比增长，量产交付数量达到39万台车，单车毛利提高29%。新增定点数量达500多万台，累计定点车型160多款。23H1随着部分客户与公司的合作模式开始从单纯的研发服务转有关前装产品方面的合作，研发收入有所下降，惟部分由基于出货量前装生产收入的增长所抵销。

智能驾驶技术研究与应用领跑行业：绝影作为国内第一批率先激活L2++级别自动驾驶量产的服务商，交付车型不断增加。公司预计新算法UniAD算法的量产将于23年Q4准备就绪，进一步提高公司自动驾驶产品的竞争力。

智能座舱量产交付迎来高速增长：23H1实现智能座舱量产的高速增长，其中前装产量是去年同期的4倍。公司积极推进大语言模型相关车舱应用的研发，基于「商量」首发了多款车舱中文交互产品，包括健康问诊、旅游规划、儿童伴读等。

（4）智慧城市

23H1实现收入1.838亿元，同比下降57.7%；收入占比12.8%，相较于2022年的28.8%收入贡献率进一步降低。主要由于公司将战略重点转向信贷状况稳健的头部客户。

累计服务的城市数量163，yoy+0.6%。

一二线城市智慧城市分部收入占比从22H1的34%上升到23H1的64%。

（5）国际业务

23H1收入2.292亿元，收入贡献比例为16.0%，2022年为16.8%。

公司原创大模型能力受到众多海外客户的青睐，公司为海外市场语言、文化差异所带来的特定需求定制模型，帮助公司全球的合作伙伴成为真正的AGI受益者。

3、AI大模型相关布局及进展

（1）基模型及应用：

23年6月联合多家国内顶尖科研机构发布预训练大语言模型InternLM，成为国内首个超越GPT-3.5-turbo性能的基座模型，在「日日新」大模型基础上发布了生成式AI产品族「商量」、「秒画」、「如影」等，生成式AI相关业务录得三位数同比强劲增长。

23年至今，联合多家国内顶尖科研机构，投入了约10,000张GPU在大语言模型的研发上：

4月「商量1.0」发布，中国国内最早推出的基于千亿参数大语言模型的聊天机器人产品之一；

6月，首个综合能力超越GPT-3.5-turbo的基模型InternLM发布，参数量1040亿，使用1.6万亿token的多语言语料训练，支持语言达20多种，并在此基础上于7月初发布了「商量2.0」；

8月新模型InternLM-123B完成训练，新模型参数量提升至1230亿。新模型的语言、知识、理解、推理和学科五大能力均显着提高。

商量将会在9月内升级到3.0版本。

表：InternLM-123B在主要评测集上的表现及与国际其他领先模型的比较

InternLM-123B模型在全球51个知名评测集共计30万道问题集合上测试成绩排名全球第二，超过GPT-3.5-turbo以及Meta新发布的LLaMA-2-70B等模型。InternLM-123B不仅生成的内容更加准确、可靠，可在复杂场景中进行多步推理和计算，还具备了自主反思及修正错误的能力。InternLM-123B也重点升级了代码解释器及插件调用能力，可使用python解释器、API调用和搜索三类常用工具来解决复杂任务、灵活搭建AI智能体应用。

另一项重要研发目标是训练出全球前三的文生图模型。投入了约2,000张GPU在文生图模型的研发上，实现了文生图能力的快速迭代。秒画3.0核心算法在COCO bench mark上超过了Imagen与DALL•E2。出图效果国内领先，全球跻身前三。4.0预计在2023年三季度内推出，基模型升级的同时也将引入全新的美学系统支持，进一步提高产品的竞争力。

（2）算力：

对智能计算基础设施Sense Core AI大装置持续升级，上线GPU数量由2023年3月底的27,000块提升至目前约30,000块，算力规模从5ExaFLOPS提升至6ExaFLOPS。

23年以来，共有超1000个参数量数十亿至上千亿的大模型在大装置上完成训练，实现了领跑行业的技术迭代进度；支持了数十款生成式AI应用。

（3）数据：

已实现每月产出约2万亿token的高质量数据，预计年底高质量数据储备将突破10万亿token，以支持更加强大的基模型的训练。

盈利能力

23H1毛利润为6.487亿元，同比下跌30.5%；毛利率由22H1的66.0%下跌至23H1的45.3%，主要系23H1在客户需求推动下，硬件及AIDC相关成本占收入的百分比增加所致。

尽管在大模型的研发上加大投入，公司依然坚持持续收窄亏损的运营目标，结合自去年开始推行的降本管理要求，AI商业化效率提升，当期运营成本同比下降6.5%。

23H1净亏损31.43亿元，净亏损率为219%，去年同期为净亏损率227%。经调整净亏损23.93亿元，经调整净亏损率为167%，去年同期为净亏损率181%。

业绩会Q&A

Q：我们看到现在开源和闭源的模型同时在推进，比如 llama2是一个开源的模型，国内也有一些开源的模型，但是 OpenAI 的 GPT4 是闭源的，怎么看开源模型和闭源模型未来的竞争和发展趋势。

A：开源、闭源是一个硬币的两方面，一方面是闭源是希望取得更大的商业上的领先，但是如果没有在现在这个点上，开源拥有更大的生态来协助着整个迭代的话，那么闭源的模型性能又不可能说走得更加靠前。

我们通过上千次的实验发现，对于行业的 knowhow 构建的数据配方，以及对于一些训练的技巧，其实是模型迭代的关键。这个部分的关键是需要我们开源开放我们的生态，让更多的人能够参与到构建当中，从而形成更多的 knowhow 的沉淀，来打造更好的性能的基模型。

在这过程当中包括开源还可以做前端部署的压缩，增量训练，如果模型完全闭源的话，很多的这样的操作会有很大的困难，所以对于很多的场景上我们利用开源来吸引、打造和生态，同时开源又很有利于我们的 AI 的基础设施sense core来提供一体化数据、算力算法的一体化的服务，从而使得我们的客户能够享受到基础模型的发展的过程。有一些行业我们做行业性的端到端的模型，是由商汤来闭源完成，提供一个行业高质量模型的服务。

Q：国内很多企业都需要大模型在本地化或做私有化的部署，我们如何看待在不同行业私有化部署的行业机遇？对于商汤来讲，我们预期未来短期我们会聚焦在哪些领域里面做我们私有化部署的大模型商业化实现？

A：中国大模型 ToB 赋能的市场很大，因为我们历史的发展机遇和一些现有的状况，所以大模型一方面可以更好地结合到行业的数据弄好，二来对于很多的数据安全、价值观体系的管控，可以相对做到能够更好地跟人的行为更好地对齐。

在现在的这样的行业应用当中，我们看到很多垂直领域的应用，比如农业、能源、金融、地产、教育、人力资源，包括传媒以及工业制造等等系列的垂直行业里面，来打造我们的垂直行业的大模型。这是一个 ToB大模型的部署。这些部署的私有化部署的条件分行业还有些区分，有一些需要更严苛的服务级别的私有化部署，另外有一些可能是需要说我们的大装置来开辟私有化的区域等等，但是整体上来讲，私有化的模型和升级部署是跟行业的knowhow相结合，并且现在是一个很好的发展的机遇。

另外有一类我们服务的客户，除了纯粹 b 端之外，我们也有很多 2B2C。我们传统的企业客户里面有一类客户是互联网客户，我们也服务过超过 200 个以上的互联网的APP，互联网 APP 也会逐步开始接入我们的大语言模型，因为在价值观对齐的情况下会有更多的这样的应用开放。原来的我们的互联网的应用，包括像微博、小红书、 b 站、美图等等一系列的我们的客户，海外的我们都在对接，都可以通过原有的渠道直接转化为大模型应用的客户。

随着价值观能够更好地对齐，大模型终将通过 ToB to c赋能到行业，这一类客户相对它也是随着行业应用来定制化的模型。但这类模型未必是一个完全私有化的部署，可能是有一个安全的链接就能够推到推广。所以我们在接下来的半年当中，我们在这两方面上我们会聚焦地推动我们大模型的落地。

怎么看一个基模型的核心能力？还是看它的 functioncore，也就是它怎么去调用这些 API 的能力？随着这部分能力的综合提升，很多的传统当中我们认为像操作系统级别的，搜索引擎级别的内容都会被逐步地颠覆和变化，这个会带来新的生产力工具的商机，而这类商机恰恰是我们觉得现大模型能够推动产业发展，跟实体产业做结合一个最重要的这个要素之一，所以这也是我们下半年会发力的。

Q：大模型短期来看很难直接给企业直接的用，这里面有可能还需要一些工程化的事情。有些行业有可能工程化需求量也是比较大。咱们如何来看这个问题，或者咱们会不会比如说通过一些自建私有化部署的团队，还是通过找一些合作伙伴去做工程化的事情？

A：我觉得这是分两方面，一方面怎么构造这个行业的私有化模型、垂直模型。基模型能力很强，但是它对于行业如果有一些行业的能力没有见过，那实际上它是有缺失的，所以是需要一个团队，实际上某种程度上叫数据工程团队来针对行业来构造我们这个数据的recipe，这部分的 recipe 是能够值得真正让大模型走向这个行业，否则行业里面很多的应用是没有办法去过正确率的限制。

第二个，即使是这类打穿了之后，在私有化部署当中，它涉及到多卡调动、并行推理等等一系列的复杂的场景，那么可能是需要有一个比较强的部署团队，这个部分相对来说我们可以用大装置的能力去赋能我们的合作伙伴，我们有很多的传统大众，甚至是在智慧城市当中的 SIP 帮助我们去解决大量的部署化的问题。

所以有了这两个的支撑，我们相信大模型 ToB 甚至是和实体产业的结合应该会很快的做经济上的效益。

Q：生成式 AI 相关业务的收入增长还是很强劲的，它增长的动能，我们和其他竞争者相比的优势以及未来的展望。未来收入占比和利润占比可以有一个怎么样的展望？

A：我们对生成式人工智能的业务确实是寄予厚望，因为我们掌握了这个新兴技术的诸多的关键成功要素，包括大模型训练的人才和经验，这个经验是需要很长时间积累，而且真正顶尖的人才是并没有那么多的。第二是大数据集的获取和优化，这里面的学问也非常多。还有充足的算力的积累，我们在中国已经积累到了第一梯队的巨大的算力，另外还需要拥有这个应用场景的大客户，和我们能够长期合作，我们历史上已经有众多各行各业的客户跟我们在各种层面做合作，他们现在都对生成式人工智能非常的感兴趣，所以这一系列的因素都对我们非常有利。

这个事情因为还处于一个巨大市场刚刚起飞的状况，所以很难预测得非常的精准。但我们的感觉是它今后会有越来越多的机会是产生直接或间接面对 c 端的应用相关的收入，也有一些是紧密结合行业大模型的相关的收入，这两块占比在生成式人工智能收入里面会逐渐越来越高。在历史上这两块稍微会低一些，因为才刚刚开始，我们初步判断生成式人工智能的收入到了 24 年应该会比 23 年很有可能可以翻一倍，甚至更多。到24 年我们估计占我们整个公司收入的比例很有机会在 30% 以上，因为我们上半年20%。到25 年我们觉得不出意外到 40% 的总收入以上。再往后看，到 26、27 应该是不断地往上走，所以我们公司到了那个时候，应该是一个逐渐由生成式人工智能来带领的生意。而且这在这块上我们确实当之无愧，因为已经拥有了很多得天独厚的成功因素在里面，而且我们整个管理层都是把主要的精力和资源都投在这个地方。

Q：从利润率层面来看，生成式 AI 业务是增厚的还是摊薄的？

A：这个也比较难回答得很准确，因为很多商业模式才刚刚的在试验中。在今年上半年，我们因为刚刚开始，目前总体的业务的毛利率初步看是比我们公司平均毛利要高的，但是它未来确实是有各种各样不同商业模式的，会影响整个生成式的总的毛利。

我个人猜想在刚刚开始井喷式增长的时候，大家也许会比较注重把产品尽快推出去，在最早的时候大家可能对毛利不一定太注重，可能先要让更多的人去享用、试用这款或者是若干款非常牛的产品。所以它刚刚开始的时候，可能毛利率本身不一定是最关键的指标，但是我们也是经历了人工智能小模型时代，本质上大模型规模效应肯定比小模型要高的，大模型可以同时展示非常强大的综合的能力，所以只要你一旦确定了行业技术明显的优势，不是一个随便谁都可以很轻松地达到你的技术水平，我们觉得这个技术的壁垒是非常高的，在这个前提下，我们觉得这个业务往后，往未来、往长期走，它应该长期的利润空间很有可能比人工智能小模型时代要高，它的规模效应、商业效率都应该是很高。所以这也就是为什么我们觉得它并不一定会把整个公司的毛利率往下去拉，但是在初创时期的井喷时期，有时候比较难说得特别的准确，我有时候是先要把份额先占到，让所有人先用到我们的产品，那个时候可能会做一些战略上的考量，但是长远我们觉得对我们公司的毛利不应该是一个drag。