| --- | --- | --- | --- | |-------|-------|-------------|-------| | | | | | | | | Issue Brief | | Executive Summary The emergence of artificial intelligence (AI) as a general-purpose technology is poised to transform work across a variety of industries and job roles. Previous waves of technological change mainly led to job displacement and wage pressures for bluecollar workers while enhancing productivity and wages for white-collar workers. In contrast, AI's impact could be more pervasive across all occupat ...

报告行业投资评级 报告未提供行业投资评级。[4] 报告的核心观点 1) 近年来,大型语言模型(LLM)和其他AI系统生成计算机代码的能力有所提高。这为软件开发领域带来了希望,但同时也可能带来直接和间接的网络安全风险。[2] 2) 研究表明,在实验条件下,AI代码生成模型经常输出不安全的代码。评估AI生成代码的安全性是一个非常复杂的过程,包含许多相互依赖的变量。[3] 3) 行业采用AI代码生成模型可能会对软件供应链安全构成风险,但这些风险在不同组织之间分布不均。资源充足的大型组织将比面临成本和人力约束的组织有优势。[5] 4) 确保AI生成代码的安全不应该仅仅依赖于个人用户,也需要AI开发者、大规模生产代码的组织以及政策制定机构等多方利益相关方共同承担责任。[6][7] 5) 目前很难评估代码生成模型的安全性,因为现有的评估基准通常关注模型生成功能性代码的能力,而不评估它们生成安全代码的能力,这可能会导致在模型训练过程中安全性被忽视。[8]

报告行业投资评级 无相关内容 报告的核心观点 - 大型科技公司和初创公司正在积极开发基于大型语言模型的智能代理系统,这些系统可以独立执行复杂的目标 [17][18][19] - 当前的智能代理系统仍然存在局限性,容易出错,无法可靠地完成复杂的多步骤任务 [17][18][72] - 未来智能代理系统的发展存在很大不确定性,可能会出现快速进步或主要局限于特定应用场景 [23][24][25][26][27] - 智能代理系统的广泛使用可能会带来一系列风险,包括事故、滥用、责任分配、隐私保护、人机依赖等 [31][32][33][34][35][36] 根据目录分别进行总结 技术发展轨迹 - 大型科技公司和初创公司正在积极开发基于大型语言模型的智能代理系统 [17][18][19] - 当前的智能代理系统仍然存在局限性,容易出错,无法可靠地完成复杂的多步骤任务 [17][18][72] - 未来智能代理系统的发展存在很大不确定性,可能会出现快速进步或主要局限于特定应用场景 [23][24][25][26][27] 机遇、风险和其他影响 - 智能代理系统的广泛使用可能会带来一系列风险,包括事故、滥用、责任分配、隐私保护、人机依赖等 [31][32][33][34][35][36] 保护措施和干预点 无相关内容

行业投资评级 报告未提及行业投资评级。[无] 报告的核心观点 1) 人工智能(AI)在关键基础设施(CI)中的应用正在不断增加,但同时也带来了风险和机遇 [3] 2) AI可能带来更强大的系统、业务运营改善和更好的网络威胁检测与响应工具,但也会引入新的网络威胁 [3] 3) 不同CI提供商之间和行业内部存在资源差距,这极大影响了AI的采用和AI相关风险的管理 [5][6] 4) 将AI风险管理纳入现有企业风险管理实践存在挑战,AI风险的所有权在公司内部不明确 [7] 5) AI安全和AI安全之间的模糊性给AI风险管理的实施带来了实质性挑战 [7] 6) 缺乏类似网络安全信息共享的渠道,需要建立AI安全和安全信息共享机制 [8] 7) 管理AI和网络风险所需的技能并不完全相同,CI提供商需要培养相关人才 [9][10] 8) 生成式AI带来了更难管理的新问题,CI提供商在采用时需保持谨慎和了解 [10] 行业研报目录总结 1. 执行摘要 [3][4] 2. 背景 [12][15][19][20][22][23][24] 3. 与AI相关的风险、机遇和障碍 [28][29][30][31][32][33][34][35][36][37][38] 4. 观察结果 - 行业内外的资源差距 [40][41][42][43][44] - AI安全和网络安全的界限模糊 [47][48][49][50] - AI风险管理的挑战 [51][52][53] - 监管和指引的碎片化 [54][55][56][57][58] 5. 建议 [60][61][62][63][64][65][66][67][68][69][70][71][72][73][74][76][77][78][79][80][81]

报告行业投资评级 无相关内容。 报告的核心观点 发展目标 [4] - 充分发挥北京的创新动能、多样化和有保障的计算能力、海量数据供给、丰富的应用场景等综合优势 - 以政府引导、创新驱动、应用为导向、开放合作为原则 - 通过组织重大项目研究、匹配资源供需、试点特色场景等方式 - 显著提升大模型自主创新能力 - 促进标准化、大规模、跨界的协同应用实施路径形成 - 加速千行百业的智能化 重点应用项目 [5] - 依托首都优质的行业资源和科技研发能力 - 在机器人、教育、医疗、文化、交通等领域组织实施一批具有综合性和标杆性的重大项目 - 促进核心大模型理论和技术突破 - 增强AI工程化能力 - 提升关键行业技术水平和服务质量 - 构建跨行业、跨学科的协同创新组织模式 - 形成大模型产业应用的新生态 试点应用 [13][14] - 围绕典型行业领域 - 支持主管部门、相关区域、行业应用企业、大模型企业的动态配对 - 孵化一批试点行业应用 - 克服不同场景中的共性实施难题 - 探索标准化、可复制、可推广的大模型行业应用实施路径 - 完善基础设施和公共平台建设 - 培育具有首都特色的行业模型 商业化应用 [28] - 发挥大模型技术创新在赋能行业应用中的作用 - 从小切口和实际场景着手 - 围绕行业热点和社会关切 - 支持大模型企业、系统集成服务商、行业用户 - 开展API调用、云端模型微调、大模型私有化部署、智能体和智能助手开发等 - 鼓励大模型企业和装备制造商合作 - 开发嵌入式大模型组件和智能系统 联合研发平台建设 [29] - 部署和建设多个北京AI应用场景联合研发平台 - 整合行业资源和优质数据 - 开放行业场景需求 - 构建联合研发环境 - 吸引和聚集优势创新团队 - 促进行业应用和行业级AI实施 分组1 - 发展目标:充分发挥北京优势,以政府引导、创新驱动、应用为导向、开放合作为原则,提升自主创新能力,形成标准化、大规模、跨界的协同应用实施路径,加速千行百业智能化 [4] - 重点应用项目:依托首都资源和能力,在机器人、教育、医疗等领域组织实施重大项目,促进核心技术突破,增强工程化能力,提升行业水平,构建跨界协同创新模式 [5] - 试点应用:围绕典型行业,支持主管部门、区域、企业等配对,孵化试点应用,克服实施难题,探索标准化、可复制的应用路径,完善基础设施和培育特色行业模型 [13][14] 分组2 - 商业化应用:发挥大模型在赋能行业应用中的作用,支持API调用、云端微调、私有化部署、智能系统开发等,鼓励大模型企业与装备制造商合作 [28] - 联合研发平台:部署多个AI应用场景联合研发平台,整合资源和数据,开放需求,构建创新环境,吸引优势团队,促进行业应用和行业级AI实施 [29]

会议主要讨论的核心内容 - 公司在第四季度和全年财年2024取得了强劲业绩,收入超出预期,毛利率创20年新高 [1][2] - 公司持续聚焦增长和经常性收入,年度经常性收入、剩余履约义务和订阅收入均实现增长 [2][3] - 公司宣布将网络、安全和协作团队整合为一个组织,以更好地交付集成解决方案 [2] - 公司宣布进行重组,以投资关键增长机会并提高业务效率 [2] 问答环节重要的提问和回答 - 分析师询问大型平台交易的增量价值在哪里,公司表示安全组合的创新是一大优势 [6] - 分析师询问云订单增长乏力,公司表示超大规模客户需求在下半年和第四季度有明显改善 [6][7] - 分析师询问裁员7%的具体影响,公司表示这更多是职能重新分配,不会简单按比例减少员工 [7][8] - 分析师询问AI基础设施订单的细节,公司表示主要来自数据中心交换机和光模块等基础设施 [9][10] - 分析师询问Splunk业务季节性的影响,公司表示将有一定影响但会得到缓解 [11][12] - 分析师询问价格环境的变化,公司表示已恢复到正常水平 [12][13]

报告行业投资评级 无相关内容 报告的核心观点 大模型技术给政府治理带来新机遇 [14][15][16][17][18][19][20] - 政府领域涉及大量内容生产和人机交互,与大模型的高级信息收集、文本摘要和智能交互能力高度吻合,是未来大模型应用的沃土 - 大模型可以改变现有的人机交互模式,促进"互联网+政务服务"向"智能+政务服务"的演化和升级 - 创新内容生产方式可实现一些行政活动的自动化和人工替代,消除不必要的行政负担,释放政府人员从"无休止的文书工作"中解脱 - 形成新的"模型即服务(MaaS)"服务形式,与传统的基础设施即服务(IaaS)、平台即服务(PaaS)和软件即服务(SaaS)并列,共同赋能政务云平台 全球掀起大模型在政府领域的应用热潮 [21][22][23][24][25][26][27][28][29][30] - 18个国家和地区已在政府事务管理中应用大模型,覆盖政府内部办公、信息披露、服务提供、民生优化和国防航天等多个场景 - 一些国家和地区的政府部门使用大模型的意识和利用率已达到较高水平,应用前景广阔 - 新加坡、日本、美国等国家和地区在部署推广方面处于前列,从分散探索向集成应用过渡 应用场景广泛且技术潜力显现 [29][30][31][32][33][34][35][36][37][38][39][40][41][42][43][44][45][46][47][48][49][50] - 政府内部办公:辅助知识检索、内部文件起草 - 政府信息披露:撰写新闻稿、简化官方文件、生成政府宣传材料 - 政府服务提供:智能化政府热线、政务门户问答机器人、专业领域咨询系统 - 民生优化服务:智能教育、智慧医疗、就业指导 - 国防航天领域:支持国防安全和航天科技创新 部署方式多样,尚无统一路径 [51][52][53][54][55][56] - 付费订阅:直接使用公开市场上的大模型产品,风险较高但部署成本低 - 定制部署:基于通用大模型进行政府领域知识的定制训练,安全性和针对性更强 - 自建专用模型:政府自主研发专用大模型,安全性高但开发成本高 各国加快大模型在政务领域的应用 [61][62][63][64][65][66][67][68][69][70][71][72][73][74] - 9个国家和地区发布了政府部门使用生成式AI的临时指引,规范使用原则、场景范围和监管规范 - 主要关注隐私安全、偏见歧视、可信度透明度和技术依赖等风险,提出相应的管控原则 - 采取分类分级管理,对不同风险等级的应用场景提出具体要求 中国政府大模型应用仍处初探阶段 [80][81][82][83][84][85][86][87][88][89][90][91][92][93][94][95] - 至少56家大模型供应商在政府领域部署产品,15家已完成注册 - 政策层面尚未出台专门规范,现有政策主要针对个人信息保护和政府数据安全 - 一些地区鼓励大模型在政务服务、城市治理等场景的应用,但缺乏系统的伦理规范和监管要求 根据相关目录分别进行总结 报告行业投资评级 无相关内容 报告的核心观点 大模型技术给政府治理带来新机遇 [14][15][16][17][18][19][20] - 政府领域涉及大量内容生产和人机交互,与大模型的高级信息收集、文本摘要和智能交互能力高度吻合,是未来大模型应用的沃土 - 大模型可以改变现有的人机交互模式,促进"互联网+政务服务"向"智能+政务服务"的演化和升级 - 创新内容生产方式可实现一些行政活动的自动化和人工替代,消除不必要的行政负担,释放政府人员从"无休止的文书工作"中解脱 - 形成新的"模型即服务(MaaS)"服务形式,与传统的基础设施即服务(IaaS)、平台即服务(PaaS)和软件即服务(SaaS)并列,共同赋能政务云平台 全球掀起大模型在政府领域的应用热潮 [21][22][23][24][25][26][27][28][29][30] - 18个国家和地区已在政府事务管理中应用大模型,覆盖政府内部办公、信息披露、服务提供、民生优化和国防航天等多个场景 - 一些国家和地区的政府部门使用大模型的意识和利用率已达到较高水平,应用前景广阔 - 新加坡、日本、美国等国家和地区在部署推广方面处于前列,从分散探索向集成应用过渡 应用场景广泛且技术潜力显现 [29][30][31][32][33][34][35][36][37][38][39][40][41][42][43][44][45][46][47][48][49][50] - 政府内部办公:辅助知识检索、内部文件起草 - 政府信息披露:撰写新闻稿、简化官方文件、生成政府宣传材料 - 政府服务提供:智能化政府热线、政务门户问答机器人、专业领域咨询系统 - 民生优化服务:智能教育、智慧医疗、就业指导 - 国防航天领域:支持国防安全和航天科技创新 部署方式多样,尚无统一路径 [51][52][53][54][55][56] - 付费订阅:直接使用公开市场上的大模型产品,风险较高但部署成本低 - 定制部署:基于通用大模型进行政府领域知识的定制训练,安全性和针对性更强 - 自建专用模型:政府自主研发专用大模型,安全性高但开发成本高 各国