科大讯飞(002230):星火深度推理模型X1发布,更少算力实现业界一流效果-公司跟踪报告

星火深度推理模型X1发布,更少算力实现业界一流效果。1月15日,公司正式发布首个基于全国产算力训练的具备深度思考和推理能力的大模型:星火深度推理模型X1。用更少的算力,实现了业界一流的效果,并率先实现了实际场景落地。X1有全面的思考过程,在小学、初中、高中、大学全学段数学领域上表现优异,在奥数上表现也不错,交上了一份优秀的"数学考试成绩单"。有了X1能力的星火,能够在多重领域帮到用户:对于辅导孩子作业的家长,全学段的数学题解题思路可以参考;对于练习奥赛的学生,可以获得详细的拆解步骤,辅助理解答题思路;也可以解决日常生活中需要计算的问题,比如年终奖、压岁钱怎么存怎么花更划算等。此外,公司也在业界率先将深度推理类模型应用到真实场景:(1)教师助手:数学教研组老师对X1评价较高,表示X1推理过程和思路更清晰,如果遇到新题目或者考试题,X1经常会带来很大帮助;(2)讯飞AI学习机:星火X1也可促进讯飞AI学习机对孩童学习的诊断和推荐指导更加精准,更好的对孩子进行因材施教,产品后续将持续升级;(3)医疗:星火X1的模型策略也取得了初步验证成效,可使得专科辅助诊断和复杂病历内涵质控的准确率达到90％。25H1公司将正式发布基于讯飞星火X1的医疗大模型升级版。

   星火4.0Turbo底座全面升级,图文能力、长文本能力解决行业刚需。公司还宣布星火4.0Turbo底座全面升级,文本生成、语言理解、知识问答、逻辑推理、数学能力、代码能力和多模态能力七大能力全面提升,其中语言理解、知识问答、数学能力和代码能力已经实现对GPT-4o的明显超越。讯飞星火4.0Turbo的行业能力也提升显著,在能源、金融、汽车、运营商等场景下,讯飞星火正在持续学习行业知识,目前已有300+智能体应用,成为更懂行业的大模型。为了让大模型搞定复杂的行业需求,星火4.0Turbo在图文、长文本能力上特别提升,实用度拉满。图文方面,星火4.0Turbo强化了复杂场景的图文识别能力。效率上,新发布的扫描文档解析"极速版本",对文档的理解速度提升了10倍,对于一份500页的项目文件,加上扫描、识别、解析的时间,只要2分钟就能解决。长文本方面,星火4.0Turbo对长文本的知识回复错误率相对下降了40％,业界首发文档问答句子级溯源,长文本知识融合的能力也更准了,能有效防止模型乱回答。基于行业、图文、长文本能力,星火4.0Turbo首发"混域知识搜索技术",一次提问,就可以拿到综合搜索后的结果,包括个人知识、企业知识、业务系统数据、精品行业数据、互联网信息等,信息搜索的效率会大大提升。

   星火语音同传大模型发布,超越国外主流大模型交传效果。此外,首个具有端到端语音同传能力(在机器中直接将语音(语言A)翻译成语音(语言B),实现同步翻译效果)的大模型:星火语音同传大模型也在1月15日发布。端到端语音同传。星火语音同传大模型,模仿人类同传译员的思维链路来训练,可以听到声音后进行实时意群理解和切分,结合上下文语境精准选词,并进行碎片化信息的重组。比如,IwenttoiFLYTEKforaseminarat10o'clockyesterday这句话的意思是"昨天十点,我去讯飞参加了一场研讨会"。星火语音同传大模型首先对句子进行意群切分:IwenttoiFLYTEK//foraseminar//at10o'clock//yesterday。这句话机器直译为"我去讯飞,为了一场研讨会,在10点,昨天"现在有了大模型的生成能力做信息重组,最终就能翻译成"我去了讯飞,去参加一场研讨会,时间是昨天上午十点"。

   当前国外主流大模型以交传翻译(即交替传译,说话者说完后再翻译)为主,这样可以获得整句的完整信息后再翻译,而星火语音同传大模型在同传模式中,仍然比国外主流大模型的交传效果更好。在日常对话、医疗等专业领域,讯飞全系产品翻译效果也有了提升,讯飞翻译机将会配置耳机、音箱、麦克风,在2025年推出商务套装,满足不同商务洽谈场景使用。

   盈利预测与投资建议。我们认为,公司此次多项发布,再次彰显了公司在AI领域强大的研发实力,不仅新研发了X1和星火语音同传大模型,原有的讯飞星火4.0Turbo也进行了升级,而且公司在算力更少的情况下反而实现了行业一流的效果。此外,这些升级和发布,除了在技术端提升,更多的也是在实用性上提升,为AI在B端和C端各种场景下的落地奠定了坚实的基础,长远来看,公司在AI领域未来有望从"技术研发"更多向"应用落地"偏移,公司长期发展值得期待。我们预计,公司2024-2026营收分别为226.22/266.97/323.31亿元,综合考虑,我们给予公司2024年动态PS5-6倍,对应6个月合理价值区间为48.93-58.71元,维持"优于大市"评级。

   风险提示。大模型落地或商业价值不及预期;订单增长不及预期;AI技术研发不及预期,商业化应用落地进程缓慢;

   市场竞争加剧等。