电子行业：预训练跨模态模型日趋成熟，智能物联AIoT行业有望受益

核心观点
预训练模型引发AIGC质变，多模态技术实现多样性。ChatGPT的持续升温使人们关注到了AIGC的突破性进展，其中预训练模型和多模态技术功不可没。预训练模型，又称为大模型、基础模型（foundationmodel），即基于大量数据（通常使用大规模自我监督学习）训练的、拥有巨量参数的模型，可以适用广泛的下游任务。多模态技术推动了AIGC的内容多样性，让AIGC具有了更通用的能力，多模态即图像、声音、语言等融合的机器学习。在多模态技术的支持下，目前预训练模型已经从早期单一的NLP或CV模型，发展到现在语言文字、图形图像、音视频等多模态、跨模态模型。在此基础上，大型预训练模型的发展重点开始向横跨文本、图像、语音、视频的全模态通用模型发展。通过计算策略、数据调用策略、深度学习框架等方法提升模型效果成为目前研究的进展关键，其中的代表包括：开启了跨模态预训练模型的OpenAIDALL·E及CLI、NVDIAGauGAN2、微软及北大NüWA女娲、NVIDIAPOEGAN、DeepMind的Gato等。
中国AI+安防行业进入精细化发展阶段。2020年中国AI+安防软硬件市场规模达453亿元，艾瑞预测，2021-2025年市场进入产业结构调整期，市场增速将放缓，预计2025年规模超900亿元，AI开始向公安交通等场景的下沉市场以及泛安防的长尾细分领域渗透，发展模式由过去粗放上量转变为精细化升级改造。在过去几年，人工智能与安防结合的热度很高，但仍存在算法场景限制高、深度应用不足等限制和问题。
大型跨模态预训练模型有望突破AI+安防行业瓶颈。根据安防+AI人工智能工程化白皮书，视频监控系统产生的数据量庞大，而且日趋多元化，包含非结构化数据、半结构化特征数据以及结构化数据。当前的人工智能视频大数据分析技术主要存在如下几个问题：1）非卡口场景的视频分析算法在准确率、稳定性及计算成本等核心指标方面还有待于提高，导致非卡口场景的存量视频利用率极低，目前没有有效利用的非卡口监控视频约占监控视频总量的97%左右；2）智能AI摄像机及视频结构化分析产品开始进入安防市场，产生了海量的结构化视频数据，但基于结构化视频数据的深度智能应用，如时空分析、模式挖掘、预测预警、技战法训练等尚在探索阶段，有可能形成新的数据浪费和低效投资。目前AIGC高质量内容产出的背后是大型跨模态预训练模型的成熟，未来随着该模型算法在智能安防和智能物联AIoT等领域的渗透落地，行业整体视频识别算法的准确性、可靠性、应用广泛性将有望提高。
投资建议与投资标的
看好具备软硬件基础和优异的AI落地能力的智能物联AIoT龙头厂商有望受益于AI技术的持续进步，维持推荐海康威视、大华股份。
风险提示
技术渗透不及预期；相关公司大模型算法研发及应用进展不及预期；高算力芯片采购限制。

【点击查看PDF原文】