2018年3月24日,中科曙光(603019)发布了公司2017年年度报告。报告显示,2017年,中科曙光在年度营业收入、利润总额两项核心指标上,均取得大幅增长,有力提振市场信心。同期,中科曙光各项主营业务亦表现强劲,企业客户业务营收更取得超过七成的大幅度提升。曙光品牌价值进一步彰显。
此外,报告还在两个侧面呈现出亮点:资产总额实现大幅跨越,资本盘显著壮大;研发投入实现大幅提升,研发人员数量显著增长。随着企业实力快速壮大,研发能力稳步提升,中科曙光的发展战略在2017年进一步推进,公司发展渐入佳境,逐步步入快速发展通道。
报告显示,2017年中科曙光实现营业收入近63亿元,同比大幅增长44.36%。同期归属于上市公司股东的净利润超过3亿元,同比增长37.71%。这两项核心数据实现大幅提升,一方面显示出行业发展迅速,前景向好,也表明企业经营能力稳固,在市场的优势地位得到进一步巩固。营收和利润的大幅增长,一方面为投资者带来回馈,同时也将有力提振市场信心。
2017年,中科曙光总资产突破100亿元,同比大幅增长64.52%,企业资本盘快速壮大,整体实力得到进一步提升。与此同时,企业规模的快速壮大,也直接反映出在报告期内,中科曙光的生产、经营、销售持续活跃,企业保持高度活力。
在分行业主营业务营收数据上,2017年中科曙光在企业、政府和公共事业等三个核心行业领域均取得较大的增长。其中企业客户营收增长最为抢眼,同比增长高达74.08%,且在规模最大、竞争最激烈、价格敏感度高的企业客户领域,利润率也实现了小幅增长,这充分说明公司顺应供给侧改革的指引,规避低端价格竞争,而以创新、品质和服务取胜。报告进一步分析,企业行业营收增长的主要原因,是互联网行业对服务器需求增加,同时2017年中科曙光大力拓展企业级新客户,取得良好成效。这充分表明在企业行业,中科曙光的品牌和产品市场接纳度、认可度得到进一步提升。
2017年,中科曙光研发投入总额近4.3亿元,比2016年增加超过一亿元,增幅超过30%。与此同时,公司研发人员数量从2016年的548人增长到2017年的992人,增幅超过80%。研发人员在公司总人数的占比也从2016年的29.22%大幅增加至2017年的44.56%。人员构成的显著变化,直接反映出曙光对研发和创新的重视。
报告显示,2017年,公司围绕主营业务加大技术和产品研发投入,同时积极推进“数据中国”战略,实施核心技术与商业模式双创新。此外,中科曙光向上游延伸,突破核心技术困局,向下游延伸,孵化创新型企业,并深度参与国家大型项目建设。
2017年度,中科曙光新增申请专利212项,其中发明专利150项;获得专利授权136项,其中发明专利授权104项,2017年获得专利授权数量较上年增长46.24%。
以中科曙光自身业务角度向外观察,报告显示,2017年行业市场在地理分布上呈现新特点。一线城市继续保持旺盛需求;而“京津冀一体化”、“长江经济带”、“成渝城市群”、“粤港澳大湾区”、“雄安新区”等区域发展战略的实施,以及国家中心城市的进一步扩容,催生了一批信息化需求较高的热点地区;与此同时,以往信息化需求相对偏弱的中西部部分地区,制定并实施了以新一代信息技术为依托的新发展规划,带来需求的显著增长,拉动了对相关产品技术的需求。
在产业发展动能方面,除了技术发展、核心技术突破所推动的产业发展长期动力,随着我国改革开放的不断加深,经济建设进入新时代,国产化替代需求逐渐迫切,人工智能、基因工程、新材料等迅速崛起的新兴产业与新一代信息技术的紧密结合,传统产业转型升级的不断推进,以及“一带一路”的全面实施等因素,成为推动新一代信息技术产业发展的新动能,并呈出现强大活力。
以上产业市场地理分布以及行业发展动能所呈现的趋势,在2017年得到彰显,反映出中国市场强大的内需潜力。
3月22日,美国总统特朗普签署备忘录,宣布对中国商品征收高额关税、对中资设限等,中美贸易摩擦面临严重升级。对于信息产业中核心部件严重依赖对美进口的众多企业来说,未来可能会面对价格上涨、进口紧缩的压力。与此形成对比,以中科曙光为代表的部分企业能够提前布局、加大投入、积极研发,努力突破核心技术壁垒,建立基础创新竞争优势,其抗风险能力和逆境中发展的潜力更加值得期待。
好文章,需要你的鼓励
研究人员正探索AI能否预测昏迷患者的医疗意愿,帮助医生做出生死决策。华盛顿大学研究员Ahmad正推进首个AI代理人试点项目,通过分析患者医疗数据预测其偏好。虽然准确率可达三分之二,但专家担心AI无法捕捉患者价值观的复杂性和动态变化。医生强调AI只能作为辅助工具,不应替代人类代理人,因为生死决策依赖具体情境且充满伦理挑战。
哥伦比亚大学研究团队开发了MathBode动态诊断工具,通过让数学题参数按正弦波变化来测试AI的动态推理能力。研究发现传统静态测试掩盖了AI的重要缺陷:几乎所有模型都表现出低通滤波特征和相位滞后现象,即在处理快速变化时会出现失真和延迟。该方法覆盖五个数学家族的测试,为AI模型选择和部署提供了新的评估维度。
麻省理工学院研究发现过度依赖AI会导致认知债务,削弱基本思维能力。研究表明交替进行无辅助思考和AI支持工作的模式能保持认知敏锐度。这种认知高强度间歇训练模仿体能训练中的HIIT模式,通过短时间高强度思考与恢复期交替进行,可以强化大脑神经回路,防止认知衰退,提升独立思考能力。
这项研究首次发现AI推理模型存在"雪球效应"问题——推理过程中的小错误会逐步放大,导致AI要么给出危险回答,要么过度拒绝正常请求。研究团队提出AdvChain方法,通过训练AI学习"错误-纠正"过程来获得自我纠错能力。实验显示该方法显著提升了AI的安全性和实用性,用1000个样本达到了传统方法15000个样本的效果,为AI安全训练开辟了新方向。