体制2024中期业绩发布会我是今天的主持人公司总理冯玉很荣幸跟各位介绍参加今天发布会的管理层代表有CEO徐归先生CTO张巴恩先生CFO于瑾女士在开始今天的发布会之前请阅读免责声明
下面由CEO徐归先生介绍我们在2024上面的各项情况谢谢孔玉大家好欢迎来参加创新体制2024年度中期业绩的报告会受到当前市场环境的影响我们的制造业的部分企业面临的一个周期性的压力和经营的挑战对于支出更为仅次但我们也看到并坚信中国新型工业化仍然是发展趋势
企业对人工智能等技术推动数字化转型的需求依然存在在报告期内公司的营业收入人民币5.72亿同比下降了38.1%未达预期但公司的聚焦体制的策略进一步见效我们在过去的6个月制造业收入占比历史性的达到了76.5%
同比大幅增长10.4个百分点最终用户收入占比61.5%同比大幅增长20.7个百分点2024年1到6月公司的毛利额人民币1.93亿随同收入下降35.4%但毛利率同比再度持续提升1.4个百分点
达到33.8%通过狠抓应收账款的管理并精选业务规避了电资金额大应收风险高的订单也取得良好成效贸易应收款项及应收票据也就是简单说是应收账款金额4.24亿元相比
去年同期的8.2亿多同比大幅减少也就是改善了48.8%相对于2023年底晚比减少也就是改善了36.9%经过调整后的净亏损持续收窄同比收窄5.1%在上半年调整后亏损
降低到人民币3700万元经调整后的净亏损率为6.5%我们深知在充满不确定的市场环境中现金流的重要性报告期内公司在加强资金周转管理优化资源分配方面取得了实质性的进展
经营活动所用现金金额较上年同期大幅改善了76.8%缩减至2600万元现金及现金等价物约为人民币13.33亿元与2023年12月31号环比减少消耗仅约1000万元
秉承持续务实和长期发展的战略创新旗帜将积极应对市场挑战努力服务客户降本增效同时积极的自身去杠杆降风险保持充足的现金提升自身的技术产品及业务持续经营能力2024年上半年
我们在工业质检工业软件继续取得业界认可其中在IBC中国AI赋能的工业质检解决方案市场份额报告中创新旗帜第一次跃居首位成为中国第一大的AI工业质检解决方案厂商同时作为工业软件与新兴技术融合的典型厂商
路选新型工业软件报道我们还有幸荣登2024福布斯中国人工智能科技企业TOP50和2024福布斯中国人工智能创新技术TOP10的榜单2024年4月Chad RobotChad CAD等大模型相关应用获得了中央电视台科技推动力栏目的报道
创业体制始终重视研发的投入确保技术领先截至2024年的6月30号我们已经累计申请专利1326件其中和主营业务相关的发明专利1079件已经确诊的专利达到583件
其中发明专利361件在业界处于领先水平创意旗帜提出了非对称增强自监督学习方法关于此项的研究的学术论文被CVPR2024接受在中国信通院可信AI工业大模型评测中iNode75B于月内首家通过评测达到目前最高评级4家级
并积极参与了工业大模型标准的制定我们还获得了中国工业互联网研究院颁发的通用人工智能与工业融合AI大模型的潜力服务商在Silk Group工业大模型的基准权威评测中其致孔明工业大模型位列国内第一和卓越领导者象限
我们的科研创新能力也获得了政府等相关机构的认可先后获评为全国博士后科研工作站山东省智能制造工业大模型重点实验室人工智能大模型山东省工程研究中心山东民营企业创新100强等诸多奖项和认定下面我把时间交给CTO张发恩
请他就我们在技术研发及产品方面的进展以及怎么样利用技术产品与行业场景相融合真正的将AI特别是大模型技术落地跟作为作为作业报告
好谢谢许总然后接下来的时间我给大家更新一下我们的研发上的一些关键进展以及有几个客户项目的应用案例做一个报告首先是我们旗帜孔明iNO-GC 2.0我们的人工智能平台24年以来公司持续加大研发投入
并于今年3月份我们成功推出了以iNote 75B工业大模型为核心的旗帜孔明iNote GC 2.0这样的一个人工智能软件平台旗帜孔明iNote GC 2.0在CATX系列生成式AI应用工业大模型以及大模型服务引擎这个三个方面均实现了一个显著的提升
我们不断打造了一个差异化的优势特别是在今年随着这个ChatX系列生成是AI应用在业务侧的一个持续落地真实的业务需求进一步促进了工业大模型技术和产品体系的一个完善为这个旗帜口名InoGC产品矩阵的后续发展打开了一个新的局面举一些例子比如说针对企业管理经营相关的一个应用场景
我们的这个ChatDoc进一步丰富了多知识库多文档类型多内容格式的这样一个知识文档能力也显著提升了在大量文件情景下的一个问答效果提升了效率和用户体验ChatBI也是在过往的半年当中新增了支持
用户全流程可介入可编辑可确认确保数据分析结果可靠可信持续降低数据分析门槛提升数据分析效率针对工业智能机器人类的应用场景我们也成功推出了一个新版本的一个Chad Robert我们叫Chad Robert Pro
它构建了一个多模态端到端的这样的一个VLA也叫做Vision Long Range Action这样的一个策略模型持续优化工业大模型的感知、理解、规划、决策能力相当的幅度提升了机器人操作的任务的一个繁华性和交互友好性面向未来我们会致力于持续优化工业大模型和大模型服务引擎
继续的去提升ChatX系列生存是AI应用的成熟度并加强对应用解决方案的一个销售进一步去释放iNode GC 2.0的一个业务价值那接下来有几个案例然后我也想给大家分享一下我们先看一段视频
我们这个客户项目他们的公司名称叫做中加特电器中加特电器是青岛著名的电机生产企业它生产的矿用电机全国领先在生产的过程中设备故障一直是困扰企业提升生产效率的一个核心问题如何提前发现设备故障的可能性如何快速找到设备故障原因以及如何提升设备维修的响应时间
甚至和企业生产环境的一个关注的重点我们和中加特电气集团有限公司合作基于我们的大模型应用也就是ChetBI以及ChetDock这两个大模型应用结合工厂MAS系统为中加特生产端打通设备维护保养闭环的这样一个管理可以通过简单的对话实现生产设备的数据查询
设备故障的预测实现根因分析再到这个设备维修告警再到这个维修方案的推荐再到维修工单的生成以及这个工单的执行等这样一个全流程的一个智能化维护解决方案打造了一个真正的一个叫做设备维护智能体起了这么个名字
那采用这个设备维护智能体这个方案后客户可以通过设备数据的分析更早的预防设备故障减少设备维修次数从而降低了大约每年260万人民币的一个维修成本同时也是因为设备故障维修次数的变少使得工厂的这个生产效率也有个36%左右的一个提升
另外一方面通过对数据的这种根因分析可以让用户更快的找到设备的故障原因使得维修的响应时间平均降低了30%左右从之前的平均10个小时现在就降低为7个小时就可以解决设备的故障就可以看到大模型带来的一些效应我们接下来再看一个案例
好
那这个是国内这个前二的这个液晶面板企业它在广州的一个工厂那该工厂呢也是国内首座专门生产生产高端IT产品的一个高世代的一个产线它对于这个出厂产品的品质要求非常非常的高需要大量的人工啊去进行产品检测那这个成本也是非常高的同时呢这个产线设备呢高度精密这一旦生产过程当中呢产生了像这种玻璃的破片
会造成设备的宕机每次宕机需要设备停产维修至少两个小时以上如果是这种工艺的前段的真空设备尤其像增度机它宕机每次维护成本高达100到150万人民币每次就像普通的设备宕机维护成本也需要每次10到15万人民币我们为工厂落地实施了约80趟
搭载我们自研的Manual Vision计算机视觉平台的一个液晶玻璃检测产品覆盖了液晶面板生产三个工艺段的36种设备根据设备的生产要求不同我们还可以在不同设备上实现液晶玻璃的双边检测四边检测正反面全面检测基于Manual Vision我们这个平台的内置的瑕疵检测算法可以将
破片率从原来的万分之二降为十万分之二这也将设备每年的维修成本降低了约两百万人民币每年并减少破片导致的设备维修时间可以将工厂的产能每年提升约1400万片
该方案的客户已经覆盖了国内前四的这个面板半导体企业的多个工厂累计交付了近一千套我们这个产品同时呢我们还帮助客户积累了大量的缺陷样本数据那这些数据呢又可以进一步的介入到以工业大模型驱动的我们的TEDBI应用当中可以通过工业大模型的
这些问题实现数据的一个溯源分析找出问题发生的原因和对应的策略这个也为提高生产供应提供了进一步的保障
这个客户是国内煤炭行业的一个领头集团它位于山西平硕的一个煤炭矿区为了响应国家能源局对节能减排的要求矿区的运营管理正面临着非常多的一个挑战比如说海量的能源使用数据与运营信息无法有效的整合与分析导致了数据孤岛现象分析手段落后等很多很多问题
也导致了决策者难以从繁杂的数据当中体验出有价值的一个洞见再比如说矿区内有多个职能部门人员构成非常复杂管理链条长难以高效协调各部门之间的工作与资源分配问题那我们打造以旗帜孔明NTC工业大模型为核心的这样的一个叫做能源大脑为客户建设现代化低碳智慧煤炭矿区
在这个智慧运营平台的基础上,结合工业大模型的Agent、ChatDoc以及ChatBI应用,最终为矿区实现了智能会议安排与统计安全事件布控和查询、能耗的一个统计和预测、探组绩数据的挖掘与统计这四大功能,让矿区的管理运营现在更加的智能化。
那我们的这个能源档稿将客户的数据分析力提升了6分以上矿区资源的使用率也从70%增长至85%那安全事件的处理从平均处理时间30分钟现在缩短到3分钟那这个有一个90%的提升好,那还有最后一个案例我们再看一下是在金融行业的
平安资管是中国资产管理领域的佼佼者它拥有非常庞大的一个数据铺系统容纳了数万张数据表以及数十万G的一个字段自2005年成立以来沉淀出了大量的这种结构化数据和非结构化数据以及半结构化数据然而在这一海量数据的背后也伴随着一系列极大解决了这种管理挑战与潜在的问题
我也举个例子比如面对这个非常庞大的一个数据资产库数据的这个冗余性和信息不一致性的问题非常的突出导致这个平安资管的这个决策分析是遇到的经常遇到数据质量低下信息误导等风险而且呢数据库中各个表之间存在着非常复杂的关系网络想要树立这些数据血缘
往往需要耗费大量的人力与时间再比如说数据作为现在企业的一项重要资产确保其合规需要涵盖数据安全隐私保护等多个方面在实际的操作当中稍有不慎就可能会触发数据偏差和违规事件给企业带来不可估量的损失
那这个也是在这个国家的政策背景下我们要求数据资产入表等等这样一个大的背景下很多企业都有庞大的数据资产需要去治理那我们为平安资管提供的这种大模型赋能的数据管控平台将其所有的这个数据接入到平台当中通过这个ChadBI应用
为客户实现数据分析的洞察通过ChatDoc应用为客户实现数据运维的洞察解决了上述的几个通点比如说ChatBI可以帮助用户仅通过对话的方式即刻传输到所需的这种指标表字段等信息还可以快速的追踪数据的来源和流向了解数据在各个系统之间的流动情况
让数据的盘点的效率可以提升10倍以上那再比如说TED Talk可以帮助客户仅通过对话的方式即刻生成某项信息报错后的一个解决方案还可以快速查询这种合规的要求生产操作的建议将整体物操作时间也能够降低到80%这样的一个程度以上那接下来我将这个时间交给我们公司的CFO于婕女士
好,谢谢方那由我来跟大家介绍一下我们整体在上半年的一个财务数字方面的一个业绩表现那首先是关于我们今年上半年的收入情况那2024年上半年面对市场的挑战我们继续贯彻聚焦战略聚焦高质量的收入虽然我们的一页收入从2023年上半年的9.24亿
减少至2024年上半年的5.72亿同比有所下降但我们的业务结构得到了优化我们也在今年选择放弃了部分低毛利付现金流的项目使得我们的收入质量得到了进一步的提升并且制造业的聚焦程度也得到了进一步的提高
2024年上半年将2023年上半年我们制造行业的收入占比得到了大幅的提升从23年上半年的66%提升到了24年上半年的76%图表的右边是关于我们整体的亏损情况大家可以看到
虽然24年上半年我们的收入有所下滑但我们的亏损并没有进一步放大那在2024年上半年我们的经调整金亏损为3700万和23年上半年相比亏损略有疏窄这主要也得益于我们对高质量收入的聚焦以及对公司经营效率提升方面的努力这一页下一页
而这一页是关于我们的整体毛利和营业成本的介绍左边图表是2024年上半年我们在毛利和毛利率方面的表现大家也可以看到我们的毛利率从2023年上半年的32.4%提升1.4个百分点到2024年上半年的33.8%
这和我们过往的业绩表现保持着一贯性也就是我们会持续去提升我们的业务质量提升我们的交付效率并且进一步去优化我们的成本管控那我们的毛利率未来也会每年持续提升1到2个百分点右边这一块是关于我们的整体的主营业务成本的一个拆分
我们的2024年上半年在成本费用方面大家也可以看到人力成本在我们营业成本中的占比呈现逐年上升的一个趋势2024年上半年人力成本主要是外包成本和我们自有员工的薪酬占比从2023年上半年的33%上升到
2024年的42%营业成本结构的调整和我们的业务结构优化密切相关其中我们高毛利软件业务比例的上升带来了我们成本结构中人力成本占比的一个上升下一页
接下来这一页是关于我们的整体经营杠杆也就是三项费用管理费用研发费用和销售费用2024年上半年三项费用的费率和2023年上半年相比都有所上升这主要是因为我们的收入下降所导致的
但从一个绝对金额的维度来看三项费用的金额和2023年上半年相比均有下降这主要是因为我们面对目前市场的挑战在优化业务结构的同时也进一步提升运营效率对研发销售和行政开支都进行了有效的管控
这一页是针对我们的应收管理和现金流那2024年上半年在面对市场挑战我们优化业务结构的同时我们也深知保有一个现金储备的一个重要性因此我们更聚焦业务的健康度加大了对应收账款的催收力度以及进一步强化现金流的管控大家可以看到
到2024年6月30号,我们的现金及现金等家务约为13.33亿,将2023年年底的13.45亿基本保持一个持平的状态我们整体在2024年上半年,现金的损耗是比较少的
其中我们的经营活动所用的现金流出为2600万和23年上半年同期的流出1.12亿相比是一个很显著的提升在应收账款方面我们大家也可以从图表中看到我们的贸易应收款及应收票据的余额从2023年6月30日的8.29亿减少到2023年年底的6.72亿
2024年6月30日进一步降低至4.24亿这主要是因为我们在2024年上半年进一步强化了应收账款的管理加强应收账款的催收和我们的客户就回款进行积极的扣动以保持公司整体应收账款的健康度和确保现金流的稳定
公司也相信在未来会继续确保现金余额的充足储备并且持续去聚焦一收账款和经营现金楼的管理以上是关于财务部分的介绍接下来我把时间交还给我们的董事红玉好的谢谢于婕下面是问答环节我们从线上寻取几个问题第一个问题是
2024全年的业绩展望如何什么时候可以达到盈利平衡这个问题由我们的CEO Paul King来向大家介绍好的第一由于当前市场环境的影响本集团的部分行业客户面临着一个周期性的压力和经营的挑战对于支出更为仅次
以及我们自身出于一个持续稳健经营的考虑聚焦收入质量和现金流的改善规避风险所以本集团截至2024年的6月30日这6个月期间的收入是人民币5.7亿和去年同期下降38%尽管我们在毛利率在调整后的亏损
在现金流在应收账款的回收方面就取得了质量上的大幅提升但是我们认为这个可能还是没有未达预期在此我也代表管理层向各位股东和对创意旗帜长期关心的各位朋友声表歉意我们预计2024年的下半年收入比上半年会有所提升
全年来看收入和去年相比仍有较大挑战但调整后的损益经营现金流和毛利率等指标均力争改善在不确定的市场和行业周期下我们将继续贯彻聚焦精选提升质量的原则
我们相信可能需要一到两年的时间伴随这个行业市场周期的一个也提升我们自身的各方面的能力加快这个转型周期我们在这一段时间里面我们会坚持现金流的优先度优先于利润或者是减亏优先于收入的微薄的成长在一定的
17当我们看到市场和各方面因素有个积极的迹象的时候公司也会积极的游走反攻转攻重回成长之道那基于以上的这样的一个原则我们对于2025年以及长期的发展还是保有信心我们会不断的努力提升业务质量和持续经营的能力
重视现金流力争持续的减亏但我们也诚实的面对和敬畏市场周期的变化和不确定性目前无法对盈利做出一个精准的预测但我们会力争持续的减亏目前本集团经营稳定现金充足我们会在技术产品
行业商业化投入和降本之间做好平衡由于上半年的业绩未达预期我本人协同董事和高管均自愿放弃2023年激励计划下获得授予的全部股票至此2023年激励计划下所有售出之股票
均已被撤销或终止同时所有做出自愿延长股票限制性解禁承诺的管理层和团队不管是在第一期这样的一个自愿承诺还是第二期的一个自愿承诺我们均已并且
也继续将严格的执行公告之承诺谢谢大家下面一个问题是关于技术方面的美国对开源模型实施限制政策对公司是否存在影响公司对大模型研发的侧重点在哪里由我们的CTO班来回答
好的这个听起来是两个问题我会讲第一个问题是美国对于这个开源模型实施的一个限制政策对公司是否存在影响第二个是在这个环境下我们公司对大模型的研发的侧重点在哪那我先回答第一个问题
我们认为美国正在尝试对开源大模型的限制它正在去尝试施加这种限制但是正如开源二字的含义就是源头开放所以一旦开源的这种优秀的大模型它很快就会流向全世界的研究者、开发者的电脑里
因此无法对已经开源的大模型施加限制那么对于还未发布的大模型美国能不能限制其开源我们觉得也很难一是因为很多开源项目参与的人是在全世界各个角落当中的
比如说旗帜也有部分员工在某些明星的这种开源项目当中都有贡献源淡所以很多优秀的开源大模型并不都是美国人贡献的第二个开源也有利于美国自己的AI的发展
我给你举些例子比如说这个当前顶尖的这种开源大模型很多都是美国之外开源的比如说这个法国的这个MISTRA中国的这个QWIN叫做通一千万还有零一万五的E还有DeepSeek还有这个INTEL VLS
以及像mini CPM面壁智能的等等这些很多的这种顶尖的这种开源大模型其实都不是美国来开源的好那进一步美国呢很难限制开源但是呢美国一直在尝试那么对公司可能的影响会是什么我觉得总体上啊不会有特别大的影响我也给几个原因吧第一个
公司现在是聚焦垂直行业大模型我们训练该模型对应的数据知识都是由我们自己来掌握的第二个当前训练大模型或者是垂直大模型的这种方法其实已经从早期的这种从零开始黑盒子端到端的训练方法已经演变到了这种
各种大模型内部的小组件拆散选行组合再训练的方法目前这种各种组件就是刚才说的小组件生态是非常的繁荣也非常的开源我们认为美国几乎没有办法去限制我这边也许可以做一个类比去年大模型的开发方法与今天大模型的开发方法的差异
我觉得就像在20年前的汽车生产厂商和今天的汽车生产厂商之间的差异那20年前的汽车生产厂商可能他发动机轮胎引擎呢都是其实都是自己研发去做的那今天的这个汽车生产厂商他们依赖于非常繁荣的供应链你比如说有些这种头部的汽车厂商
非常快速的几年以内就变得耳熟能详在市场上占据相当的份额他们其实都是整机厂他们的整个组装整个汽车的时候选用了大量供应链上的一些组件但是并不是说这些整机厂没有这种技术实力恰恰相反他们整合的能力其实非常关键比如像C919很多这种组件都是供应商来给的
来供应的但是呢它整合成一架完整的飞机这里面需要大量的一个技术实力那回到这个大模型这儿的训练大模型的训练可能大模型的公司然后呢现在今天去找到各种各样的小组件通过选行组合然后呢通过自己掌握的数据再去训练它让它变成一个领域当中的一个垂直模型其实是这样的一个类比
所以呢也就是说我想说的是美国很难去限制这种大量开源繁荣的这种大模型以及其中的小组件所以呢也就没有办法对公司产生实质性的影响这是第一个问题第二个问题呢刚才我听到的是公司对于大模型研发的侧重点在哪这个
公司对于大模型研发的侧重点24年以来我们持续的加大研发投入并于今年这个三月份我们成功推出了旗帜口名innoGC 2.0这个人工智能软件平台innoGC 2.0在这个ChetX这个系列生成的AI应用上
在工业大模型以及大模型服务引擎的三方面我们均实现了一个不错的提升也打造出了一个差异化的这样的一个优势我们也是构建了完全自主可控且比较领先的一个工业大模型技术和产品体系特别是今年随着这个Chad X系列生成的AI应用在业务侧的持续落地
工业企业客户的实际需求它的问题以及场景化的实践成功构建起来一个连接旗帜孔零InoGC工业大模型与客户应用场景的一个数据闭环也进一步促进了我们工业大模型技术和产品体系的一个完善也为旗帜孔零InoGC产品矩阵的后续发展打开一个新的局面
但在这个ChatX系列生产者AI应用方面我们持续的去推动落地ChatX也满足了工业企业的多场景多维度的一个智能化的一个转型需求就比如刚才我给大家展示的四个案例当中都有引用到我们的工业大模型以及ChatX系列这样的一个应用
那针对企业管理经营相关的一个应用场景比如说设备管理能耗管理我们面向不同类型的私域数据提供了相应的这样一个ChatX应用能力比如针对文档类型数据的这样一个ChatDoc知识文档能力针对结构化表格数据的ChatBI数据分析能力以及针对视频图像这样数据的一个ChatVision这样一个视觉洞察能力
还有针对企业核心生产相关的应用场景比如像厂内物流零部件装配这类环节我们提供了一个Chad Robot这样的一个智能调度与控制能力同时也在上游工业设计环节提供了Chad CAD这种辅助工业设计这样一个初步能力
近日中国工业互联网研究院发布了人工智能大模型工业应用准测性评测报告这项研究也是由中国工业互联网研究院联合香港科技大学
跟踪近一年来大模型技术的进展结合工业企业大模型应用情况的一个调研总结了这种八类典型的应用场景针对国内外具有代表性的大模型开展测试那我们的这个inno75B工业大模型在所有参测的国内外大模型当中取得一个综合排名第六的一个成绩那在这个场景测评当中呢
我们的751参数的inno75B的文档生产能力名列第一那这个也直接于然后让我们的TED talk生产式应用受益另外我们的inno75B在工业知识问答工程建模数据分析代码理解能力等方面也都有非常不错的一个表现对公司来讲基于工业行业需求和挑战的一个理解
我们会持续加大在工业大模型方向的一个技术投入努力提升我们自主研发努力我们去打造了自主可控行业领先的企职孔明NOGT工业大模型技术和产品体系并不受制于人当然了我们也希望国内外开源社区能够继续保持开放通过合作推进技术的发展造出全球
我这个问题回答到这儿好的谢谢凡恩我们线上收到的下一个问题是为什么上半年收入大幅下降的同时亏损变少经营现金流大幅改善这种情况是否可以持续请我们的CFO于欣女士来回答这个问题吧好谢谢我来回答这个问题其实
我们在前面的业绩内容阐述中已经提到了因为在今年上半年我们更聚焦高质量的收入进一步去优化了我们的整体的业务结构所以在这样的一个前提下我们在今年做了很多
经营管理提升的工作去进一步加强了比如加强我们的拎收账款的催收并且严格去管控我们的经营杠杆特别是之前也提到对于那些需要比较大额电资的一些项目我们在今年从经营现金流的一个健康度的一个考虑我们也去做了一些取舍去放弃了一些电资金额大电资周期长的项目
并且我们也在今年去狠抓公司的整体经营效率在推进的这样的一个工作也取得了一个比较好的效果并且在今年我们现在面对这样的一个比较挑战的市场环境我们始终坚持了一个经营管理的原则就是现金流的健康度我们认为应该是排在第一位的
其次是去减少我们的亏损然后才是这样的一个去追求收入的一个高速的增长我们也希望在今年去通过降低经营杠杆去管控我们的业务风险来整体提升我们的经营质量和去强化我们这样的一个经营的持续性
最后也想说的是刚刚其实徐慧总也提到我们也不会一味的去采用上面这样的一个偏保守的经营管理的一个方式当我们的业务去维持在一个更健康的状态并且我们也能看到市场环境迎来一些周期性的短点的时候我们也会适时的去进行我们的战略调整对我们的业务去进一步的加大投入
好的那我看线上就也没有其他的问题了那我们今天的发布会到此为止谢谢大家谢谢大家