#福昕软件#

目前文档领域的AI功能，坦白说可能只适合普通C端消费者尝鲜或者做一些要求不高的辅助性任务，比如阅读小说，生成结构性文档等。对于B端用户明显能力还不够，企业员工不可能用它来阅读生成合同、发票等文档信息。因此，仅仅靠AI功能给B端用户收费还不现实。

PDF文档这个市场，Adobe是绝对的龙头，对福昕来说，机会在垂直的B端，比如政府、能源、出版、金融、法律、教育、医疗、生产制造、建筑等行业，这些行业对文档办公有自己不同的差异化需求。我觉得C端没有任何机会，普通用户不太会为打开PDF文档付费，除了破解的软件，腾讯文档、金山文档都是免费且好用。

从盈利模式上，福昕从以前的永久免费转变成了订阅付费，也就是按时间收费。目前主要营收还是欧美，北美营收占比56%，欧洲23%，中国10个点左右。订阅收费主要看续费率，从他们23年年报看，主要功能产品续费率都在90%以上。

#AI商用#

AI商用最核心的三要素是：模型、数据和场景。如果是ToB，场景最重要，其次是数据，最后才是模型能力。 ToC的话只有当手机大量集成了 AI 芯片和手机端模型的时候才有机会；

AI并没有人的那种智能，我想每位想了解基础原理的朋友都可以去阅读下相关文献，它是一个超级庞大和精细的统计模型。它训练的数据足够多且都能记住，是一个高度压缩的知识库，能从已有的数据库中根据上下场景生成并输出概率最大的内容。目前学术界基本都认同AI没有人那有的思考推理能力，但从商用的角度，大模型的能力足够替代许多重复低效劳动了；

我们认同李彦宏总的观点，大家都去卷大模型其实是浪费资源。因为如果只是单纯卖一个大模型相关的技术或解决方案，意义不大。从长期发展的角度，还是看这个应用场景下，客户要真正用起来，而且在用的过程中积累数据和反馈，且根据这些去不断优化；

很多投资者或企业担心自己落伍，其实技术本身迭代很快，所以现在看起来“先进”的可能很快“落伍”。其次，从技术到真正落地到应用场景中间的过程可能比大多数人想象的更漫长。分享一个事实，现在世界上最一流的科技企业，在他们的专业领域几乎都不是最先做的。

#芯片#

大陆虽然做出了7纳米的芯片，但良品率和稳定性还差很多，这导致成本很高，且持久性有待观察；

张忠谋说半导体产业最了不起的地方就是它不是只越做越小，而是越做越便宜。只有便宜才能扩散应用，长出新的应用来，所以整个的逻辑背后还是要有成本和规模。美国人很清楚这点，所以用芯片制造设备的禁运围堵中国，即使你能够做出来，可是你成本就是比我贵，良率比我差很多。目前美国的策略还是起作用的；

中芯国际CEO梁孟松是难得的人才，他以前在三星做过14纳米，在中芯国际很短时间做到了7纳米的芯片。如果没有他，大陆可能会一直停留在28纳米；

中国大陆有足够的市场养他们的半导体产业，虽然可能始终与世界最先进产品有差距，但足够去面对他们的市场需求。另一方面，摩尔定律也几乎要碰到底，前面人也跑不快了，他后面跟总会跟到一个程度；

有台湾半导体产业人士担心，随着大陆28纳米制程的成熟，未来会不会像LED面板、光伏那样通过规模经济和成本优势横扫一切。

#存储#

存储行业周期性波动很大，2023年全行业平均价格大概跌了50%，2022年大概跌了20%以上；

存储主要看三星、美光、海力士这三大家公司。三星做存储二三十年，历史上只有3 年亏钱，其中就包括2023年；

服务器、笔记本电脑和智能手机是存储的三大需求（ PC 大概280 亿的gb，服务器800亿的gb，手机大概是850亿的gb），全球的市场空间应该是在4000 亿人民币以上，中国国产前三大公司的份额大概5%左右，所以很多分析师认为国产替代空间很大，问题是存储产品差异化是不太够的；

全球AI 芯片，如果把训练和推理加在一起大概是900多万颗，其中训练芯片大概是500-600万颗的样子。这是目前的情况，海力士是预测说大概2030年会到一亿颗。

#金融IT#

核心交易系统是整个券商 it 业务里面最好的一块业务。虽然从短期看可能是亏欠的。像去年招投标的这个两家券商招投标的价格肯定不足以覆盖成本，但核心交易系统上线后至少有8 到 10年的红利期，之后依附核心系统的产品或者服务都会按市场价去收取；

同样功能，我们估算基金和券商的自研成本大概是外包的3倍左右；

同一类的产品第一家都是要花比较多的精力，到做第二家的时候因为它的整个框架或者整个的绝大部分功能是可以复用的，效益就会好很多。

#算力#

算力采购主要来源其实不是互联网公司，而是运营商。2月初中国移动PC 服务器26.45 万台，移动之前在 21 年，包括 22 年两次招标加起来不到 20 万台。运营商建设这些计算中心之后是出租给企业去使用变现。