北信源:AIGC即AIGeneratedContent,是指利用人工智能技术来生成内容
北信源(300352)02月14日在投资者关系平台上答复了投资者关心的问题。
投资者:贵公司有AIGC概念吗?
北信源董秘:尊敬的投资者您好,AIGC即AI Generated Content,是指利用人工智能技术来生成内容。公司对于人工智能一直有投入研究研发,并积极跟踪人工智能的发展,同国内顶级AI公司一直保持交流与协作。公司全力打造的跨终端、全方位安全可信的通信聚合平台信源密信重新定义了基于自然语言的无协议沟通框架,具有标准的公共服务开放平台。公共服务开放平台支持标准的DDIO (服务端通讯中台)开发接口,DDIO开放接口将信源密信对外提供的基础能力进行分类封装,是Rest API接口集合。开发者在公共服务平台创建公共号(公共号是以信源密信用户的一个联系人形式存在,与用户采用消息会话方式进行交互)、获取接口权限后,可以通过公共服务平台的公共号为信源密信用户提供消息对话、业务集成、新闻资讯等服务。目前已实现ChatGPT技术验证对接。公司将密切关注人工智能领域相关技术的前沿应用,不断丰富产品应用场景。感谢您的关注。
北信源2022三季报显示,公司主营收入4.65亿元,同比下降16.91%;归母净利润608.15万元,同比下降40.04%;扣非净利润61.21万元,同比下降95.94%;其中2022年第三季度,公司单季度主营收入2.34亿元,同比上升6.22%;单季度归母净利润5155.93万元,同比上升327.09%;单季度扣非净利润4983.56万元,同比上升350.18%;负债率40.49%,投资收益1015.34万元,财务费用507.62万元,毛利率63.53%。
该股最近90天内无机构评级。近3个月融资净流入2742.88万,融资余额增加;融券净流出126.53万,融券余额减少。根据近五年财报数据,证券之星估值分析工具显示,北信源(300352)行业内竞争力的护城河一般,盈利能力较差,营收成长性较差。可能有财务风险,存在隐忧的财务指标包括:货币资金/总资产率、应收账款/利润率、应收账款/利润率近3年增幅、存货/营收率增幅、经营现金流/利润率。该股好公司指标0.5星,好价格指标1星,综合指标0.5星。(指标仅供参考,指标范围:0 ~ 5星,最高5星)
北信源(300352)主营业务:信息安全软件产品的研发、生产、销售及技术服务。
以上内容由证券之星根据公开信息整理,与本站立场无关。证券之星力求但不保证该信息(包括但不限于文字、视频、音频、数据及图表)全部或者部分内容的的准确性、完整性、有效性、及时性等,如存在问题请联系我们。本文为数据整理,不对您构成任何投资建议,投资有风险,请谨慎决策。
-
上一篇
《AIGC发展研究报告》:哪些职业将被替代,AI会接管人类社会吗?
中新经纬5月21日电(孙庆阳)由清华大学新闻与传播学院元宇宙文化实验室编写,中新经纬研究院联合发布的《AIGC发展研究报告》(下称《报告》)全文于近日发布。《
-
下一篇
图片来源@
文|易观
今年以来,随着人工智能技术不断实现突破迭代,生成式AI的话题多次成为热门,而人工智能内容生成(AIGC)的产业发展、市场反应与相应监管要求也受到了广泛关注。为了更好地探寻其在各行业落地应用的可行性和发展趋势,易观对AIGC产业进行了探索并将发布AIGC产业研究报告系列。
报告以内容生成模态作为视角,涵盖了AIGC在语言生成、图像生成、音频生成、视频生成、三维生成、分子发现与电路设计(图生成)等领域的技术发展、关键能力、典型应用场景,我国AIGC产业在商业化落地过程所面临的挑战和对前景的展望。希望通过梳理和把握AIGC产业的发展脉络,为各领域的应用开发者和使用者提供参考。
在本期视频生成篇中,报告梳理了视频生成技术的发展阶段和主流模型,分析了影响模型应用能力的关键因素、市场上的主流产品及商业模式,并提出在进行商业化落地时,来自易用性、可控性、合规性三个方面的挑战。
定义:
视频生成是指通过对人工智能的训练,使其能够根据给定的文本、图像、视频等单模态或多模态数据,自动生成符合描述的、高保真的视频内容。
主要类型和应用领域
基于应用视角可以对视频生成的方式做进一步细分,包括剪辑生成、特效生成和内容生成,三种方式的结合使用可以大量应用在电影电视、游戏、短视频、广告等视觉制作领域,在工业设计、建筑设计、教育培训等行业也可以提供更加直观的演示效果。
技术发展的关键阶段
视频生成的技术发展可以大致分为图像拼接生成、GAN/VAE/Flow-based生成、自回归和扩散模型生成几个关键阶段,随着深度学习的发展,视频生成无论在画质、长度、连贯性等方面都有了很大提升。但由于视频数据的复杂性高,相较于语言生成和图像生成,视频生成技术当前仍处于探索期,各类算法和模型都存在一定的局限性。
● 图像拼接生成阶段:
在早期阶段,视频生成主要基于图像-图像技术,通过将每一帧静态图像拼接成一个连续的视频流。利用图像拼接合成视频的方法较为简单易用,但缺点是生成的视频质量低、连贯性较差。
● GAN/VAE/Flow-based生成阶段:
随着机器学习技术的发展,生成对抗网络(GAN)、变分自编码器(VAE)以及基于流的模型(Flow-based model)开始被用于视频生成任务,这个阶段的发展主要集中在改进模型训练和生成算法,由于对视频直接建模的难度很高,一些模型通过将前景和背景解耦、运动和内容分解等方式生成视频,或是基于对图像的翻译来改进生成效果,以加强连续帧之间的平滑过渡,但总体效果上生成视频的质量仍然较低,难以实际应用。
AIGC产业研究报告2023:视频生成篇