海天瑞聲：天風證券、浙商證券等27家機構於8月17日調研我司

2021-09-01日海天瑞聲（688787）發佈公告稱：天風證券陳矣驕、浙商證券田傑華、創金合信基金郭鎮嶽、國泰君安證券李沐華、國泰君安證券齊佳宏、天弘基金杜昊、國壽安保基金馮冠蘭、國壽安保基金鄭楠、慎知資産劉越、華商基金戴福宏、眾安保險高翔、盤京資産王震、中信證券劉雯蜀、華安基金雷蒙、平安養老邵進明、華泰證券郭雅麗、工銀瑞信黃丙延,李劭招、中庚基金謝钊懿、萬家基金胡文超、南方基金安永平、平安資管曹欣、拾貝投資楊立、寶盈基金倪也、浦銀安盛黃星霖、中金資管馮達、鵬華基金董威,胡穎,賀寧,湯誌彥、泰康公募遊涓洋於2021-08-17日調研我司，本次調研由董事會秘書 呂思遙,證券事務代表 張哲負責接待。

本次調研主要内容：
公司簡介:北京海天瑞聲科技股份有限公司是一家從事訓練數據的研發設計、生産及銷售業務的人工智能訓練數據專業提供商。公司通過設計數據集結構、組織數據採集、對取得的原料數據進行加工,最終形成可供AI算法模型訓練使用的專業數據集,通過軟件形式向客戶交付。公司提供的主要産品和服務包括訓練數據定制服務、訓練數據産品和訓練數據相關的應用服務。自2005年成立以來,海天瑞聲始終致力於為AI産業鏈上的各類機構提供算法模型開發訓練所需的專業數據集。海天瑞聲所提供的訓練數據覆蓋智能語音(語音識別、語音合成等)、計算機視覺、自然語言等多個核心領域,全面服務於人機交互、智能駕駛、智慧城市等多種創新應用場景。其中智能語音為海天瑞聲的優勢領域,産品綫已包含160餘個主要語種及方言,並憑借穩定的質量、優質的服務贏得了阿裡巴巴、騰訊、百度、微軟、三星、亞馬遜、科大訊飛、商湯科技、中國科學院、清華大學等眾多大型優質客戶的認可,核心技術、産品資源、優質客戶等競爭優勢逐步凸顯。問題回答:
一、AI訓練數據行業介紹
1.訓練數據於人工智能産業的意義算法、算力、數據是人工智能技術發展的三個重要支柱,為人工智能提供動力的是機器學習,即給計算機提供大量訓練數據,計算機使用這些數據來尋找模式,這些模式有助於計算機識別對各種情況並得出正確響應。訓練數據的樣本量越大越完整質量越高,結論更可靠,如果數據樣本不夠大,它將無法捕獲或者考慮到所有變化,機器可能會得出不準確的結論,學習了實際上不存在的模式,或者未識別出真正正確的模式。人工智能發展到當今這個階段,訓練數據的重要性越發突出,成為了人工智能技術應用於各行各業的必備要素,很多人工智能領域的專家都公開發聲,說明訓練數據於係統性能提升的重要性甚至超過了算法本身。
2.訓練數據會在AI技術研發的各個階段發揮作用在係統開發階段,需要模擬數據集,模擬真實場景的情況用於機器的首次學習。係統上綫後,自身獲得了真實場景數據後,需要對數據進行持續加工,將人類對數據的理解附加在數據上,機器才能進一步學習後完成叠代和性能的提升。當係統需要進行功能拓展或者語種拓展的時候,這樣的模式將循環往復。
3.訓練數據行業的主要從業情況目前行業内有三類從業者,需求方自建團隊、品牌數據服務商(海天瑞聲屬於此類)、中小數據供應商。從行業的發展情況看,目前,需求方自建團隊主要解決其自身的部分數據需求,如標準化程度較高的簡單數據或敏感數據等,但受專業化分工的影響,需求方仍然會大量購買數據服務提供商的數據,尤其需要投入較高研發力量的復雜數據,以充實其訓練的廣大需要。中小型數據供應商的整體體量仍然可觀,但隨著業務門檻提升、法律環境完善、客戶需求多樣化、價格戰中利潤被壓縮等情況成為常態,越來越多的中小型數據供應商面臨經營困境,所佔市場份額將呈現持續縮小的趨勢。
二、公司與通常理解的數據標注工廠有何區別,保持高毛利率的商業邏輯
1.海天瑞聲提供的是訓練數據綜合解決方案,從數據集適配算法需要出發,設計數據集結構和技術參數,擬定採集規程和標注規範,管理採集和標注的具體實施,數據集整體質檢和交付。相較於僅提供數據標注服務的公司,公司有強大的技術能力,理解客戶算法訓練需求,並擁有成熟的數據處理平台,是訓練數據的設計方和管理方。而數據標注工廠主要是基於客戶的要求,具體實施標注工作,是標注工作的操作方,與公司的業務定位有很大的區別。
2.公司的核心團隊均來自於人工智能專業高校及大型科技公司,擁有算法背景及工程化實施經驗,員工碩士學歷以上佔比超過40%,是一家技術驅動的公司。
3.公司的高毛利率主要源於兩點:首先,産品模式是公司區別於眾多競爭對手的獨有業務模式,公司開發大量通用型、復賣率高的標準化産品數據集,反復給公司帶來利潤,是高毛利率的保障;其次,公司的主要團隊集中在研發人員和項目管理人員上,通過技術投入撬動業務規模,實現了訓練數據生産的規模化效應。
三、部分客戶擁有自身的數據團隊,對公司的業務來說是否構成沖擊公司認為需求方自建團隊的模式是有存在的合理性的,會長期存在,但不會對公司的業務帶來明顯的負面沖擊。主要由於:
1.人工智能産業的高速發展使訓練數據服務行業的整體容量很大,需求方自身解決部分數據需要,不會對公司的市場需求帶來太大影響;
2.從AI對訓練數據的需求邏輯出發,即使需求方消化了一些需求,也不影響他們繼續購買公司生産的數據集,可以充實更多的數據類型;
3.需求方自己做數據,是不會分享給其他客戶的,只能自用,缺少了分享機制,是無法成為一種有效商業模式的,因此整體空間有限,而公司為所有下遊客戶提供訓練數據,可以借鑒不同客戶的需求提升所有數據的廣度和質量,是一種正向促進的循環,和更為效率的産業鏈專業化分工安排。
四、公司的主要競爭對手及公司與競爭對手的差別
1.主要競爭對手國内的主要競爭對手是一些品牌數據提供商,如慧聽、標貝,還有一些新興公司,如愛數、龍貓等;國外的主要競爭對手是Appen。
2.公司相比於競爭對手,在業務模式上具有明顯的特點(1)公司的業務模式是服務産品雙模式,且産品化貢獻顯著,是收入和毛利的主要來源,標準化數據集的研、産、銷體係是公司從業多年探索出來的業務模式,其復用性為公司的規模化和高利潤率提供了保障。而保持這樣的能力需要具備對行業需求的強判斷力和較強的資金實力。(2)公司是技術領先型公司而非純人力投入型,擁有成熟的數據處理平台,解決了數據規模化過程中對産能、質量、成本幾方面平衡的難題,同時通過長期建設的供應鏈體係,保障採標資源的獲取。(3)數據安全和合規性強。從公司初創歷程看,由於長期與國際性科技企業合作,對數據安全和合規的重視是深入到公司運作的方方面面的。同時,數據安全和合規是需要投入較高的成本建設的,在近期日益完善的法律環境下,這方面的投入為公司帶來了潛在壁壘,為公司未來在垂直行業和政府業務延展積累較強的壁壘。
五、與Appen相比有哪些競爭優勢公司主要從技術能力和資源能力兩個方面,評價與競爭對手之間的差異。從技術能力上看,無論是算法支撐還是工程化的平台,公司與Appen均有較大投入,也有自身比較成體係的數據處理平台及資源管理平台,雙方整體實力相當。從細分領域開,根據雙方的知識産權數量、自有産品的存量、數據覆蓋的領域等方面,在語音領域公司的技術豐富程度更全面,在文本方面Appen的技術能力更全面。從資源能力上看,Appen全球有超過100萬的採標資源,覆蓋語種超過230種,均超過公司,但在成本控制上,公司的總體成本要低於Appen,有一定的競爭優勢,尤其在亞洲市場的覆蓋上,能夠驗證這一優勢,這點也將成為公司進一步拓展歐美市場的競爭力之一。
六、公司對市場空間如何看待公司認為,訓練數據行業是一個新興行業,是新時代下的重要生産資料,市場空間廣闊:
1.訓練數據需求與下遊人工智能技術研發投入相關,通常情況下,據公司的了解,下遊客戶的投入會有15%左右的比例在訓練數據的建設上,這個比例會隨著數據於人工智能技術研發的作用提升而提高。
2.據了解,艾瑞報告大概是依此邏輯進行的中國市場容量的推算,2025年達到100億左右,復合增長率20%左右,而公司的三分之一左右的業務來源於海外,因此全球市場空間也是公司關注的,根據整體AI産業的數字比例,全球是中國市場的5-8倍左右,因此,2025年全球訓練數據市場規模可能在500億以上。
3.除以上統計的市場空間外,公司認為垂直行業和政府業務是訓練數據下一階段應用的重要領域,是尚未估量的新增市場,由於每一個垂直行業内部均有諸多細分,因此市場容量非常可觀。
七、語音業務未來市場空間如何,計算機視覺業務在未來的投入中是什麼定位?智能語音數據集業務在未來是一個持續增長的趨勢,一方面是人工智能總體應用的拓展,無論是偏通用型的基礎數據還是帶有行業屬性特徵的行業數據,數據於AI的重要性都使語音類型的訓練數據需求會進一步增長;另一方面受到下遊進行多語種拓展的趨勢促進,尤其是國内企業出海需求、國外企業地區拓展需求兩方面的支撐,使多語種語音業務成為持續需求。計算機視覺業務是公司拓展賽道的重要佈局,尤其針對自動駕駛和OCR領域,希望公司能夠獲得與語音領域一樣的領先優勢,因此,無論在算法研究人員、還是在工程化工具平台開發、亦或是交付團隊的搭建上公司都會有比較明顯的新增投入。
八、公司的算法能力是否對外輸出?公司自成立起始終專注在訓練數據領域,未來將依舊以訓練數據為立足點發展公司業務。公司的算法矩陣是數據處理平台的基礎,為訓練數據的生産全流程提供支撐,以人機協作式的工作方式,更大程度的用技術解決數據處理任務,提高數據質量和效率。有部分客戶如果有需求,公司會輸出一部分算法能力,幫助客戶完成一些算法的訓練工作,這部分業務是公司的第三類業務,即訓練數據相關的應用服務。
九、單一客戶在不同年度間的收入貢獻有所差異是否對公司收入構成重大影響?首先,公司的總體收入與下遊算法技術行業整體的研發投入相關,人工智能技術投入仍然在不斷的增長,支撐公司總體增長,公司並不單獨依賴某一家公司的業務。其次,公司的收入在不同年度間的變化一方面受到客戶研發投入節奏的影響,另一方面受到數據驗收時間的影響,因此同一客戶在不同年度間收入有增減變動是正常的。
十、訓練數據産品和服務的定價方式訓練數據服務根據數據量定價,不同的數據類型,其數據量的單位不同,比如按音頻小時定價,或按張、框、句等單位定價的情況都有。總體價格會根據公司生産數據的成本,考慮合理的利潤率後報出。訓練數據産品是按每個數據集定價,考慮産品的制作成本、市場上的稀缺性等因素,每個數據集産品有一個價格區間,根據商務談判情況給出最終報價。
十一、全流程及純加工服務的一個收入比例如何?從流程角度看,2020年,純加工服務收入佔總收入比重為28.5%,其他為全流程收入。
十二、定制業務數據能否沉澱為自己的産品,行成標準化産品?訓練數據定制服務涉及的原料數據和加工後的訓練數據在交付給客戶並完成驗收後,所有權完全轉移給客戶,是不能用於自身産品建設的,這點是公司始終遵循的知識産權要求。在定制數據集的生産過程中,積累下來的經驗會幫助公司各方面能力的提升,例如工具平台因為處理了大量的定制數據集,使平台完善性都有很大的增益,加強了公司的數據處理能力;再如,在一些情況下,公司在生産定制數據集時,也會根據對行業需求的判斷,在保障數據權屬劃分清晰的前提下,利用團隊管理、資源獲取的便利性,同步安排額外的設計、採集和標注工作,完成産品的開發。
十三、公司2019年首次申報IPO的時候沒有專利,後來申請了比較多,公司對知識産權建設是怎麼看待的?首次申報的時候,公司有7項發明專利正在申請中,尚未獲得授權。之後知識産權局開設了綠色通道,加快了專利審核進度,同時公司專利申請材料質量較高,因此短期内完成了較多專利的授權。在知識産權建設上,公司近年也加強了投入力度,將專利、標準建設作為一個整體,促進行業的健康發展。
十四、數據安全法和數據跨境的限制對公司的影響?公司一貫重視數據安全相關的法律法規,並根據法規的要求持續改善公司的流程建設。目前,公司符合GDPR、數據安全法、個人信息保護法等法律的要求,並通過了業内重要的ISO/IEC27001體係認證、ISO27701個人隱私信息安全管理體係認證等,對出口受限的數據公司嚴格不進行出口。因此,各方面的法律出台對公司本身的業務沒有影響,但其對訓練數據産業的健康發展産生了深遠的影響,有利於規範行業行為,提高行業門檻,對公司的發展是個有利的條件。
十五、公司上遊供應商是哪些?成本控制主要體現在哪些方面?公司的上遊供應商主要是人力資源服務公司,他們根據公司對採標資源的畫像要求,找到相應的人員提供服務。從訓練數據生産的角度看,固有成本主要是採標資源成本,即公司的數據服務費,而控制成本最好的方式是兩方面,一方面是加大技術投入,採用更為合理的人機協同比例完成數據處理任務,降低人員投入,提高處理效率;另一方面是加強供應鏈資源管理能力,擴大資源量,降低人員單位成本。在這兩方面,公司都在進行持續投入。
十六、質控是如何進行?公司的質控分佈在生産和交付兩個階段:生産階段,在前端採集環節,公司開發的採集工具可對原始數據質量進行即時質檢,不符合要求的原始數據不被計入採集數據之中;在中端加工環節,公司運用自動標注工具+人工校對檢驗的方式對數據加工情況進行檢查,提升加工效率和準確度。在交付前,公司運用全自動校驗技術,實現大規模訓練數據集的質檢需求。
十七、公司有無人員擴張的計劃?公司在研發人員和技術人員方面有較為明確的擴張計劃,這是與公司的整體發展佈局契合的。技術驅動數據業務需要更多的算法研究人員,不斷深化算法輔助能力,進一步完成規模化的提升;數據形式越來越多樣化,公司需要提升工程化能力,開發更為先進的工具和平台,滿足各類數據的處理需求,這方面需要更多平台開發人員;産品、服務雙模式,促使項目數量及産品開發的增多,需要擴大技術人員團隊,完成産品設計、客戶需求對接、項目管理、交付驗收等各方面的工作。
十八、哪些行業客戶是我們發展的重點?根據目前市場情況,汽車行業、金融保險行業、政法行業、電信行業等是公司重點佈局的行業。公司2019年底通過引入中國移動和中國互聯網投資基金,通過戰略協同效應,進入電信行業和網信安全行業;通過加強CV領域的投入,與各大車廠保持緊密溝通,挖掘合作空間;公司自2019年以來與北京、杭州、深圳等地的法院進行了合作,為其提供公檢法行業特點明顯的訓練數據服務和算法訓練服務;此外,目前與多家商業銀行和保險公司也在探討場景化服務。公司認為,垂直行業延伸是未來訓練數據行業發展的方向,公司在平台研發和部署能力、數據安全能力、供應鏈資源能力、行業口碑和聲望等方面都有較強的領先力,為公司在行業領域的拓展上提供了先發優勢。
十九、疫情對今年公司業績是否構成影響?疫情對競爭對手是否也有同樣的影響?針對疫情的影響,尤其對海外銷售的影響,公司有何應對舉措首先,疫情的反復確實超出了公司今年年初的判斷,尤其是海外疫情的反復,對公司的訂單和生産都有比較明顯的影響,該類影響對今年業績造成了一定的不確定性。其次,公司也在積極的做出調整應對疫情,使疫情常態化對公司的影響逐漸下降,力爭業績的平穩,包括幾個方面:(1)加強平台工具的遠程化功能開發和部署,降低疫情對公司生産流程的影響;(2)擴大在美國的銷售團隊,改善本地化的客戶商務溝通;(3)更大程度把握國内的機會,保持公司基本面。從競爭對手來看,Appen在公開的投資者交流中也提到2020年受到了疫情較大影響,國内競爭對手由於無公開信息,較難判斷影響程度,同時由於其較少開展海外業務,因此與公司受海外疫情影響無明顯的可比性。
二十、客戶AI模型的逐漸成熟是否造成對標準化産品的需求降低,對定制服務的需求提升;定制服務未來盈利能力如何?首先,公司提供的數據集産品和服務覆蓋客戶AI模型訓練的全流程:在其係統上綫前,需要模擬數據訓練,公司提供産品數據集或定制數據集支撐首次上綫;上綫之後,需要針對用戶數據進行定制加工服務,來完成係統的叠代。這是一個業務循環。當客戶需要進行功能拓展、領域拓展、語種拓展的時候,這樣的業務循環會持續發生,因此在客戶針對AI的研發過程中,無論是産品數據集還是定制服務,都會持續伴隨,客戶的模型越成熟,越利於其做更多的拓展,對數據的需求只會增加不會減少。其次,從公司的角度,看到的趨勢是客戶對數據的需求更為廣泛,在數量、數據類型、質量方面的要求都越來越高。同時,從客群類型上,除了公司傳統客戶,即科技類企業外,應用AI的實業企業也開始自建團隊進行AI研發,開始作為數據的直接購買方,成為公司的客戶。因此,隨著AI應用的廣泛化,訓練數據的需求會長期呈現增長趨勢。定制服務的盈利能力主要取決於定制需求的難度,部分需求,如中文普通話的轉寫業務,毛利率在20%-30%,相對較低,但一些高門檻需求,如多語種TTS定制數據集、3D點雲定制標注、OCR定制數據集等都屬於毛利率較高的定制服務業務。公司也持續通過加強技術能力和資源管理能力,來維護定制服務業務的盈利能力。
二十一、如何對自研標準化産品進行預判公司的産品數據集研發計劃是公司内部重要業務計劃之一,每年都會撥付單獨的研發預算。計劃過程中,主要考慮幾方面的因素:(1)公司現有産品體係的完整性。從數據集角度,大致可以分為幾個維度,應用領域、語種、適用設備、採集環境、規模、文本類型等,根據這些維度進行組合,可以生成一套龐大的數據集體係,公司會根據體係中的單點覆蓋程度評估公司産品體係的完整性;(2)技術發展的需求。根據公司每年參與全球各類學術會議以及與客戶交流的情況,判斷短期、中期、長期技術路綫下對數據集的需求程度,分析投入産出比;(3)市場同類競品的情況。公司會定期對市場上的數據集情況進行調研,比對公司的産品體係,分析稀缺性,對産品的研發提供一定的市場導向判斷。
二十二、新建産品庫及原有産品庫完善、更新相比較,投入佔比的情況如何?公司主要的自研産品投入(約90%)會在新建投入上,産品庫的完善、更新主要針對加工層面會進行一定的改良,部分數據集會做一定的擴建,但考慮到數據集的整體平衡性,完善和更新的需求不會太多,因此總體投入不會太大。針對單一維度有更新的情況,公司會新建數據集予以覆蓋。
二十三、行業競爭激烈,低價競爭顯現,是否預判長期將會消除,對此影響如何看待?公司認為目前的行業競爭和一些低價競爭是行業發展到目前這個階段必經的過程,也是公司需要面對的一個挑戰,但是公司從業務定位和自身的壁壘判斷上,有信心應對這樣的挑戰。首先,人工智能訓練數據這個細分行業是2016年開始快速發展起來的,2016年可以說是AI訓練數據元年,到目前的5年時間内,國内本行業經過了快速的發展,出現了很多的從業者,國内的行業競爭格局也從2016年之前的幾乎海天瑞聲獨家供應演變到了目前的較為充分的競爭,在這個變化過程中,價格競爭是必然出現的態勢;其次,部分行業内從業者的成本較低,不是長期可維持的狀態。一方面是由於新興行業標準、合規要求都在建設之中,部分從業者尚未投入應投入的成本,導致其綜合成本較低;另一方面,由於行業的新興性,眾多從業者完成了一級市場融資,採取了激進的市場開拓策略。而海天瑞聲在數據合規方面的投入是持續提高的,滿足各方面法律法規的要求,同時公司作為公眾公司,不會僅尋求短期增長而損失長期的股東利益;還有一方面就是數據質量要求的提高,對成本本身的壓力也會提高。無論是上述哪方面的因素,公司均認為低價競爭是不符合行業的長遠發展要求的,訓練數據行業需要大量的技術投入和合規投入,行業的標準和法律環境也會越來越完善,投資環境也會越來越成熟,這些都會使短期的低價競爭逐漸消除。再次,從公司的業務定位看,不是簡單的數據加工産業,而是提供綜合訓練數據解決方案,即在客戶的研發過程中,數據部分應該如何籌劃、數據集應該如何設計和開發,這些問題是由公司去解決的。在提供解決方案的過程中,公司需要對算法技術有充分的理解,在解決方案的實施中,需要成熟先進的平台技術來支撐大規模數據集的開發。因此,公司完成的不單單是數據的加工交付,而是充分挖掘數據價值、並將價值傳遞給客戶。最後,訓練數據於算法的重要性日益加強,隨著技術發展,對訓練數據的規模、質量、精度、多元化程度等要求都會越來越高,公司專注於行業前沿需求,對客戶解決不了的難點數據和痛點問題進行解決,堅定的貫徹産品服務雙業務模式,構建起了公司的競爭壁壘和優勢,即使短期受到低價競爭的沖擊,從長期看,公司也仍然能夠保持合理的高盈利能力。
二十四、公司如何看待計算機視覺業務的拓展方向,比如OCR和自動駕駛領域未來發展空間如何計算機視覺是公司從語音向AllAI拓展的重要佈局。公司認為在計算機視覺領域,技術門檻較高、未來應用廣闊的細分領域是自動駕駛和OCR領域。自動駕駛是目前各類技術公司、汽車公司都在重點投入的領域,對3D點雲標注、2D-3D聯合標注、道路協同採集與加工等方面都有較多需求,公司在自動駕駛數據集的開發上也經過了幾年的積累,有成熟的團隊和技術能力,相信在自動駕駛領域能夠有所收獲;OCR領域公司一直在與全球最前沿技術擁有方合作,提供OCR數據採集與加工業務,隨著OCR技術的普及,相信會有越來越多的客戶開始進行技術落地和應用,隨之而來的將是更為廣闊的數據需求。
二十五、一體化數據處理平台的開發計劃具體是什麼公司在今年及未來會更為積極的加大研發投入,全面提升公司的算法能力、工程化能力、資源管理能力,堅持技術+資源的雙輪驅動方針,保持和提升公司的競爭力。首先,投入算法矩陣的拓展,加深算法輔助能力與人工工作的結合,達到更佳的人機協同效率,為公司下一階段擴張産能、提高效率、降低成本奠定技術基礎。其次,投入供應鏈資源平台建設,使人員管理、採標資源分配、質量檢驗、遠程工作等各方面的能力得到顯著提升,為垂直行業客戶和政府客戶的客群拓展提供支撐。
二十六、公司21年中報的情況介紹21年上半年公司收入1.06億,同比增長4%,整體收入增幅不高是受到境外銷售收入下降影響,該影響主要由於疫情影響導致部分客戶需求推後,或部分境外數據生産受阻;毛利率71%同比下降5個百分點,主要由於20年同期受疫情影響,定制項目無法開展,公司依靠自有數據集産品取得了比較好的效果,使20年上半年毛利率水平較以往有顯著提高;淨利潤3782萬元,同比有所下降,除了受到毛利率下降影響外,公司在基礎研發和産品研發上都有較大投入,較同期均有40%左右的增長率。
二十七、華創證券出具新股定價報告是否與公司溝通過公司未與華創證券或相關個人有過接觸,其出具的新股定價報告是其獨立行為。

海天瑞聲主營業務：技術開發、技術服務、技術咨詢、技術轉讓、技術推廣;銷售計算機、軟件;貨物進出口、技術進出口等。

海天瑞聲2021中報顯示，公司主營收入1.06億元，同比上升3.99%；歸母淨利潤3781.51萬元，同比下降18.85%；扣非淨利潤3369.01萬元，同比下降19.06%；負債率4.73%，投資收益456.31萬元，財務費用51.37萬元，毛利率70.82%。