预收账款怎么做账？应该怎么进行结转？

正文 王晓刚：人工智能带给智能汽车领域的变化和机遇 未来大模型给智能汽车带来了非常大的行业变革，一个是端到端的自动驾驶，另外一个是智能座舱里面形成以做大模型为基础的座舱的大脑，最后我们的驾驶和座舱逐渐深度融合。 11月22日，由《财经》杂志、财经网、《财经智库》联合主办的“《财经》年会2024：预测与战略”在北京举行。商汤科技联合创始人、首席科学家王晓刚在会上精彩发言。以下为部分发言实录，投资界（ID：pedaily2012）整理：2023年通用人工智能和大模型是行业里最重要的突破之一，今天非常有幸和大家分享通用人工智能够给智能汽车领域带来一些什么样的变化和发展的机遇。我们回顾过去十年人工智能的发展，它是以突破人的肉眼、人的认知的工业应用的红线为起点，2014年商汤首次在人脸识别领域，突破肉眼的识别率，诞生了商汤科技，从此以后有一批AI的应用陆续落地。但是同时也有一个问题，在过程当中需要针对每一个任务，对模型进行针对性的训练，今天你要问我这样的任务能不能完成，往往回答都是可以，但是我要重新采集训练样本，花比较长的时间再去开发AI的系统。过去的几年里我们做过一个统计，商汤这种商业化的模型输出超过3万多个，这里面也意味着比较多的定制化，到了2022年底ChatGPT的出现极大改变了人工智能的范式，基于一个非常强大的通用的模型可以完成很多通用的开放式的人工智能的任务，对于人工智能大规模的推广有非常重大的意义。回顾一下过去几十年它的发展，人工智能对算力的需求有巨大的提升。过去几十年里，我们都处在小模型的时代，样本很小、规模不大的模型的参数远远大于样本和数据的供给量，但是后面随着互联网时代的到来，人工智能进入了大数据时代。在一个非常大量的数据的情况下，我们需要比较大的模型，有更多的参数把数据的价值利用起来。2012年AlexNet深度学习的出现对算力的需求带来了巨大的提升。从AlexNet到Transformer，算力需求增加了100倍，从Bert到GPT-4又有上千倍算力的增加。特斯拉今天有14000块GPU用于自动驾驶，到明年年初的时候它的算力规模会增加到10万块，谷歌、OpenAI都是以巨大的算力支撑为背景，OpenAI 1万P的算力。今天大模型的爆发始于2022年底，我们对于大模型的布局在2018年就开始，2018年总部移到上海的时候，我们提出这样一个要求，在上海的临港建立人工智能的数据中心AIDC，那个时候大家不太能够理解作为一个算法的公司为什么有这样的投入去建立比较重的基础设施，我们累计这里面的投入超过了100亿人民币。2023年年初的时候全国有5万块A100的时候，商汤占了其中的1/5，1万块A100，今天我们有3万块高端的A100、A800、H800，这些为从事大模型的研发提供了非常坚实的基础，明年按照我们的规划，整体的算力还要增加2-3倍，今天我们已经达到6000P的算力，到了明年我们也要达到超过1万P。基于强大的软硬件基础设施，我们能够支撑很多上层的大模型开发。今天我们能够把4000块高端的GPU连接在一起进行高效的大模型训练，超过5千亿参数量规模的大模型的训练，我们把基础设施开放给合作伙伴，这个基础设施同时可以跑超过20个千亿规模的模型。在此基础上有了商汤日日新的大模型体系，包括感知的大模型，2019年我们发布了*个感知的大模型，10亿参数的感知大模型，2022年当时发布了世界上最强的320亿参数的感知大模型，当时谷歌的感知大模型的参数量是200多亿。此外生成式的大模型包括语言大模型、文生图的大模型、大模态的大模型、决策智能、AIfor Science，所有这些都是基于软硬件基础设施的基础。过去五个月我们有超过500人的研发团队聚焦在大模型的研发。超过10亿参数规模的模型在我们的设施上跑过了超过1000次，百亿参数量规模的模型，我们的训练次数超过100次，针对这些中等或小一点的模型反复的训练试错，在这个过程中积累了大量的knowhow，帮助我们针对千亿规模的参数有比较好的成功的训练。今天看到大模型的出现，不仅仅作为聊天和交互的工具，也成为了一个强大的生产力的工具。我们发现我们的大模型可以做到工具的调用、智能体的交互、机器人的控制。今年5月份的时候我们基于语言大模型发布了*个通才智能体，这个通才智能体可以比较好的做决策和任务中长短期的规划。因为之前大家有一个认知，认为人工智能能够比较好地完成一些规则比较清晰的任务，比如围棋Alpha Go，对于开放式的任务，对它的挑战性就比较高。对于我们的通才智能体，我们做了这样一个实践，在我的世界的游戏里面，需要从非常原子级的元素组合成物体，组成成建筑物，从而构建整个世界，这里面有262个开放式的任务，过去的几年里OpenAI用强化学习完成这些任务的时候总共只解锁了78个任务，我们基于语言大模型实现对262个任务的全部解锁，为将来机器人、自动驾驶提供了非常广阔的空间，能够看到我们的大模型与决策任务的规划展现出来的强大实力。今天我们的模型真正的成为AI操作系统AI的大脑，它能够调用其他的工具、函数、第三方插件，包括代码的生成。给大家举一些例子。这个展示了多模态的大模型，之前我们用比较多的视觉模型的时候只能完成几个特定的视觉任务。今天我们有了多模态的大模型，我们可以针对图象、视频定义任何的任务，问它任何的问题，它都能够给我们丰富的答案，比如自动驾驶面临着非常复杂的场景要做出决策和判断，大模型就能够帮助自动驾驶的系统做出合理的决策，区分不同的场景。我们的模型给出的反馈，前方有红灯，有行人在穿行，前方有车辆在通信，左右有静止的车辆，后面有救护车的出现，应该做出避让救护车让救护车先行，在这样一个复杂的环境当中有很多种因素构成的情况下，我们的大模型会给到自动驾驶系统一个比较合理的决策。这些很难用基于现有的手动规则书写自动驾驶的决策逻辑，对它们来说是很难完成的。今天有了大模型的出现，在没有高精度地图的指引下能够帮助我们做出这样的判断。我们可以看到近一年商汤一系列大模型的发布，今年3月份在GPT4，GPT4是多模态大模型，在它发布之前我们已经开源了30亿参数的多模态的大模型，也是当时业界开源里面最强的多模态模型。我们4月份发布了日日新大模型的体系，5月份的时候通才的智能体取得了突破性进展，6月份语言大模型在各项评比中超越GPT3.5，6月份我们发布了全球*个在自动驾驶领域端到端的UniAD大模型，它统一了感知、决策、推理、优化一系列，实现了*个大模型，在CVPR获得*优秀论文，这是CVPR近三十年*个以自动驾驶为题材的*论文，也是从1万篇候选当中选出来的。今年11月份我们会发布我们的世界模型，用于自动驾驶环境的生成和模拟仿真等等。回到智能汽车这个领域，今天的绝影智能汽车的核心业务就是驾舱云三位一体的发展，核心围绕通用人工智能、大模型，在自动驾驶领域，我们现在已经进行量产落地的是L2+在高速领航，未来推广到城区的领航，城区的环境比高速复杂很多，在这种情况下要摆脱对高精度地图的依赖，端到端的自动驾驶，用一个模型去完成整个自动驾驶各个?？?，实现完整的数据驱动，将是未来的发展趋势，我们会基于UniAD工作基础上实现端到端自动驾驶模型的量产。在智能座舱领域，要打造智能座舱的大脑，因为现有的智能座舱是由各个供应商提供一些单点的AI功能，由主机厂基于一些规则形成产品智能座舱的体验，整个体验是比较呆板的，人们把这个叫做假AI。有了大模型以后它可以自动调动智能座舱里面各个AI的单点功能，座舱里面的几十个APP，包括座舱里的各种硬件，能够形成一个完整的智能座舱的体验。这些背后都离不开AI的云服务，无论是驾驶还是座舱都需要数据的闭环，包括大模型的训练，特斯拉有自己的AIDC数据中心，到明年的时候特斯拉自己的算力就超过1万P，国内这些车厂很难建设这样规模的基础设施，而且需要提前布局。我们会把商汤的大装置这样的基础设施开放给车厂和生态合作伙伴。大模型整体的研发体系，从模型的训练到模型推理的部署、云和端的结合，我们需要大幅的降低推理的成本，在此基础上由大模型的体系包括数据的平台、数据生产的管线，要得到好的行业的无论是通用的大模型还是行业的大模型，非常重要的就是数据的收集、数据的清理，这样的话我们可以提供一整套深入到行业里面的数据生产管线。再往上就是各种串联层包括函数的调用、沙盒的环境、知识融合、安全和价值观的对齐、混合专家系统等等，再往上去支持自动驾驶智能座舱车路协同的应用。我们会把整个这套体系开放给我们的客户我们的合作伙伴。在智能座舱领域，我们的语言模型的核心就是座舱的大脑，将来基于此构建AI的操作系统，我们的多模态的大模型可以把舱内外各种不同类型的传感器进行融合，全方位地感知乘客和驾驶员的需求。另外我们有长短期的记忆?？?，乘客的个人偏好、纪念日、日程安排都以外挂文档的形式跟大模型有这样的结合，这样的话我们的模型就能实现千人千面。在此基础上我们通过AIGC内容生成模型产生虚拟助手，产生千人千面的各种应用，还能够通过语言大模型智能化的控制车辆的各种状态，从而实现智能座舱一个整体的方案。基于这套架构，在过去的几个月里开发了一系列在智能座舱里面的应用，给我们的乘客带来全新的体验。这里面应用很多，我就举一个例子，比如在健康问诊，因为我们在车舱里面有很多传感器，我们能够主动获得个中人的健康指标，比如血压、心跳等等，但是在大模型出现之前这些指标只是能够存放在那里，比较难发挥它的价值，今天我们有了大模型之后就可以根据这些指标的变化主动触发跟乘客跟驾驶员的交互，我们检测到健康出现状况的时候可以提供健康的咨询，也可以提供紧急的AI倚靠进行救援呼叫，也可以实现自动驾驶自接管，把车停到比较安全的地方。这个大模型的出现实现了跟乘客驾驶员主动的互动。未来在座舱里面从APP的主动触发去激活大模型，到大模型通过感知客户乘客的需求，主动进行场景的触发，提供主动的专业化的服务，将来车内大模型无处不在，形成非?：玫母没Ы换サ奶逖?。智能驾驶未来技术的路线也逐渐清晰，我们基于视觉的，过去智能驾驶有各种传感器，包括激光雷达、摄像头等等，未来是比较清晰的，以视觉为主，去掉激光雷达，大幅降低成本。第二是数据的驱动，我们在过去的自动驾驶整个系统里面有感知、融合、定位、决策、规控等等很多?？?，在所有这些?？槔镏挥懈兄糠忠览涤谏窬?，依赖于数据驱动，其他?？槎际且揽渴侄墓嬖?，今天有了UniAD的出现就实现了端到端的自动驾驶，一个神经网络完成了所有的?？?，一旦所有的?？槎寄苡猛缡迪值幕?，就能够实现数据的驱动，因为以往都是靠工程师编写各种规则和补丁解决自动驾驶里面的各种case，现在可以通过数据的方式神经网络进行驱动?？梢钥吹礁鞲瞿？榈北灰桓鐾绱鹄吹氖焙蚪惺萸氖焙?，每个?？榈男阅芪颐强吹搅舜蠓奶嵘?。*，未来纯视觉会降低成本，第二摆脱我们对高精度地图的依赖，使自动驾驶实现的范围更广，成本更低，不依赖于高精度地图的更新。第三，能够做到可解释性、安全可靠、可迭代性强。这里面展示了我们最新的一个工作，基于多模态的大模型DriveMLM，输入各种类型的信息，我们的模型还可以给出自动驾驶做每一步决策和操作时背后的逻辑和推理和原因是什么，就是右边展示的以自然语言的方式去解释自动驾驶的行为，今天自动驾驶对我们来说不是一个黑盒，有背后的逻辑在。世界模型可以通过大模型生成各种在自动驾驶场景下非常接近于真实的视频、各种传感器的输出，因为未来端到端的自动驾驶的方案非常依赖于数据的驱动、数据的训练，今天我们能够自动的产生，还有这些模拟的环境，对于训练、测试都会有极大的推动作用，这也是我们最新的成果。未来大模型给智能汽车带来了非常大的行业变革，一个是端到端的自动驾驶，另外一个是智能座舱里面形成以做大模型为基础的座舱的大脑，最后我们的驾驶和座舱逐渐深度融合，它们会实现在同一颗芯片里面，舱内外的传感器和数据能够实现零拷贝、极低延时的传输，能够给我们在产品层面带来*的体验。所以大模型时代对于智能汽车这样一个场景，能够实现人车的交互、人机的共驾，我们期待在自动驾驶里面大模型能够让它成为安全可靠的老司机，它能够去学习各种驾驶行为和驾驶风格，在座舱里面就能够成为暖心和懂我们的好管家。给智能汽车的行业带来了深刻的变化，我们特别期待未来几年里通过通用人工智能对我们这个行业带来更大的改变。这是我的分享，谢谢大家！ 倪军：如何通过产教融合共创未来技术

正文 把大模型塞进终端，能让消费电子市场回暖吗？ “大模型”对于消费电子的影响到底有多大，能否改变长期低迷的市场现状？目前来看还有不少待解的问题。 过去几个月时间里，“把大模型塞进终端”已然成了消费电子产业上下游心照不宣的共识。高通、AMD、英特尔等上游的芯片厂商，争相喊出了混合AI、终端AI、AI计算等概念，努力向外界讲述终端AI化的想象空间；华为、小米、vivo等手机厂商，纷纷将“大模型”搬到智能手机上，示范了智能助手、AI生图等应用场景；联想代表的PC厂商，也顺势讲出了AI PC的新故事……相较于几年前围绕NPU的“小打小闹”，生成式AI无疑让整个消费电子产业看到了曙光：在全民都在讨论大模型的环境下，AI和终端的融合被视为新的创新锚点，将带动产业链共振。甚至有人断言，这将是消费电子的下一个“春天”。无可否认，消费电子产业已经行至十字路口，而拥抱生成式AI已经是*的选择。但“大模型”对于消费电子的影响到底有多大，能否改变长期低迷的市场现状？目前来看还有不少待解的问题。01消费电子渴望“春天”AMD和IDC联合发布的《终端AI化：AI笔记本电脑引发场景变革》中，不经意间写出了笔记本电脑市场的症结所在：“用户可以使用同一台设备更长时间，而不需要进行升级或更换，市场的增长随之放缓。”这样的结论，不仅仅适用于笔记本电脑，整个消费电子产业都陷入了低迷期。首当其冲的就是PC市场。根据IDC等市场调研机构的统计，PC市场的疲软已经持续了十几年。2011年全球PC出货量为3.524亿台左右，同比增长1.6%，此后便进入了长达七八年时间的低迷期，直到2020年前后衍生出的远程办公需求，才短暂刺激了PC销量的增长。刚刚结束的2023年第三季度，全球PC出货量约为6820万台，同比下降7.6%，亟需新的因素刺激消费。同样的一幕也发生在智能手机市场。（注：2023年出货量为IDC预估数据）尽管不同调研机构的口径有所不同，但普遍认为出货量*在2017年前后，之后市场开始进入下行周期。因为5G等新技术的出现，全球智能手机出货量在2021年短暂复苏，却未能持续太长时间。按照IDC的统计报告，2022年全球智能手机出货量同比下降11.3%，预计2023年的出货量比2022年减少4.7％，将创造10年以来的销量新低。智能音箱、VR等新品类的表现一样不太理想。经历过“千箱大战”的智能音箱，并未像预料中那般进入市场爆发期。以中国市场为例，洛图科技的调研报告显示，2023年第三季度，中国智能音箱市场全渠道的销量为481万台，同比下降16%，离预想中的爆发越来越远。至于VR眼镜，2023年第二季度的全球销量仅有144万台，且同比下滑37%，仍然处于市场酝酿阶段，远未表现出成为爆款的潜力。消费电子市场的低迷，所影响的不单单是终端厂商，整个上下游产业链的业绩都在承压。高通2023财年的营收为358.20亿美元，同比下降19%；AMD发布的2023年第三季度财报显示，PC业务部门的收入骤降40%；英特尔第三季度营收为141.58亿美元，同比下降8%，净利润同比下降71%。产业链中游的企业同样不乐观。拿到华为Mate 60系列订单的欧菲光，2023年前三季度的营收依然有0.05%的下滑；“果链”概念股环旭电子，2023年前三季度营收430.57亿元，同比减少13.07%……也就是说，消费电子产业上下游对生成式AI的追捧并不单纯，本质上希望靠大模型的卖点刺激新的增长。风头无二的大模型，承载着消费电子市场走出寒冬的希望。正如天风证券的观点：“每轮消费电子景气周期主要是由技术进步引发的新需求所驱动，随着各类大模型的陆续发布，消费电子产品的用户体验有望在AI的赋能下被重新定义，加速下游消费电子产业的复苏节奏。”02“杀手级应用”仍缺位大多数消费者属于感性和理性纠结的矛盾体，在钱包充裕的时候，他们愿意为一个新配色买单，而当收入预期不乐观的时候，哪怕是5G这样的新技术，也无法在消费者平静的内心里掀起太大的波澜。现在需要产业链上下游回答的问题是：大模型的技术浪潮来了，可能否带来让消费者的感性战胜理性的“杀手级应用”？*答题的是智能手机厂商。华为在8月份的鸿蒙4.0发布会上，官宣了智能助手的升级，原先局限于语音交互的手机助手，在大模型的赋能下，不仅支持用户使用自然语言进行交互，还能帮助用户输出小作文、图片、视频等内容。短短两个月中，小米、vivo、三星、OPPO、荣耀等厂商，陆续公布了自研大模型的进展和特性。除了对语音助手进行大模型赋能，还给出了拍摄增强、检索照片、路人消除等应用。即便是在新概念上以“保守”著称的苹果，也在财报中确认正在对AI和大模型进行布局：“我们将AI和机器学习视为基础核心技术，它们几乎嵌入到我们制造的每一个产品中，从今年秋天开始，iPhone将具备实时转录语音邮件的功能，我们将继续投资和创新。”当然，这个过程中离不开芯片厂商的身影。2023年中国国际服务贸易交易会上，高通进行了Stable?Diffusion的终端侧演示，不到15秒的时间里，就能够在手机端完成一系列的推理，将用户输入的文字需求，生成一张512×512像素的图像。联发科也适时向媒体露出，目前已经在与终端客户商讨AI大模型嵌入的相关方案，下一代旗舰芯片将整合最新的APU，为终端设备带来更强的AI能力，打造出类似ChatGPT的服务体验。不同于终端厂商的是，芯片厂商还在和中游的合作伙伴联合探索更轻量、聚焦的落地场景。比如高通与慧鲤科技合作推出的“照片扩充”功能，可以通过AI补全已拍摄照片的周围景观，创造广角效果；联发科贴近中国消费者的习惯，展示了快速生成表情包的“文生趣图”功能?？烧驹谄胀ㄏ颜叩牧⒊∩?，终端AI化的布局如火如荼，但在“喧闹”的背后，那些贴上AI标签的终端，并未给出让人眼前一亮的创新。无论是主打自然语言交互的智能助理，还是内容生成、图片处理等生成式AI的典型应用，目前恐怕都不是让用户换机的理由：下载一个大模型APP就能满足的需求，为何要花几千块去购买一个新产品？想要刺激用户的消费欲望，仅仅把大模型塞进终端还远远不够。倘若拿不出真正的杀手级应用，所谓的生成式AI浪潮大概率会和5G一样，可以在某种程度上提振销量，但无法制造新一轮的景气周期。03终端扮演什么角色早在2011年iPhone 4S上市前夕，网景公司联合创始人马克·安德森就曾提出“软件正在吞噬整个世界”的观点，认为“计算机和互联网革命都是以软件为基础，软件不仅在定义整个世界，也在重构整个世界。”沿循这样的逻辑，生成式AI可以说是*“软件吞噬世界”的创新，以至于有人坦言：ChatGPT和电脑、互联网一样，都是超级工具。问题在于，在大模型统治的世界里，终端将扮演什么角色？在互联网和移动互联网时代，入口一词频频被提及，充当着用户获取信息、解决问题的*触点。当越来越多的大模型开始打造自己的“应用中心”，不断降低应用开发的门槛，再加上对话式的交互方式，俨然在从简单的技术赋能转向平台生态入口卡位。也许在相当长一段时间内，大模型的“入口论”只是一种假设。但对AI化转型的终端而言，势必要想清楚自己的站位：和大模型厂商对抗、合作，疑惑是沦为被大模型吞噬的对象？一种比较流行的思路是打造端侧大模型。目前主流的大模型主要部署在云端，需要经过一个终端接收信号、云端运算、信息传输、终端发送结果的过程，由此产生了两个已知问题：一是数据出端会影响传输速度，二是潜在的数据和隐私安全。被引用最多的例子就是三星的数据泄露事件，有员工在使用 ChatGPT 时将数据上传到云端，导致机密数据泄露。如果大模型的数据、推理、训练、运行等全部部署在终端，不仅解决了网络传输导致了延时，且无需将数据上传到云端，规避了隐私外泄的风险。但当前在端侧普遍使用的是10亿、20亿参数规模的“小模型”，或许在高通、AMD等芯片厂商的努力下，端侧可以运行百亿以上参数的大模型，仍面临用户隐私、算力和功耗的平衡。大多数消费者的需求预期中，体验永远排在*位，然后才是隐私、安全等问题。另一种流行思路是端云结合的部署方式。按照高通在《混合AI是AI的未来》中的说法：在以终端为中心的混合AI架构中，终端将充当锚点，云端仅用于分流处理终端无法充分执行的任务，在终端通过运行不太复杂的推理完成大部分处理工作。荣耀CEO赵明、联想CEO杨元庆、vivo副总裁周围等都曾表达过对端云结合方式的青睐，不排除在自研大模型外，和外部主流大模型合作的可能，但目前还没有对应的产品或应用。借用元智能联合创始人罗璇的猜想：“未来可能出现的情形是，手机上运行一个140亿参数的大模型作为OS（操作系统）的’发动机’，而云端则运行一个比GPT-4更大的模型，作为整个下一代互联网的底座。这两者将相互配合，如同当前的本地软件与互联网。”不管哪一种思路会占据主流，都揭示了这样一个事实：或许终端厂商笃信AI化的趋势，但大模型和终端应该怎么融合，现阶段都还没想好或者说明确的路径。不过，对于高通、英特尔、AMD等芯片厂商来说，只要终端AI化的热度不降，未来两到三年的芯片销量就有了保障。04写在最后曾经有媒体问任正非，怎样才能“抢占”高新技术的一席之地？任正非回答：首先不要有“抢占”这个概念，一抢，就泡沫化。回到终端AI化的课题上，急于在营销层面抢占“AI终端”的概念，极端化地夸张所谓的AI性能，可能并不是一个好的选项。怎么将生成式AI部署到终端，融入用户的日常使用，带来新的生产力和增量价值，才是AI能否驱动消费电子销量增长的关键所在。 【本文由投资界合作伙伴微信公众号：Alter聊科技授权发布，本平台仅提供信息存储服务。】投资界处理。理想汽车11月交付41030辆 ，提前达成全年销量目标