中信建投证券：科大讯飞(002230)随着公司星火大模型的快速迭代和能力不断增强，其AI 能力将与教育、医疗等业务深度融合，助力公司业绩长期高质量发展。我们预计，公司2023-2025 年营业收入分别为198 亿、254 亿、336 亿，同比增长率分别为5.3%、28.3%、32.4%；归母净利润分别为7.7 亿、14.9 亿、21.3 亿元，同比增长率分别为37.4%、93.1%、42.8%；当前市值对应PE 分别为162x、84x、59x，维持“买入”评级。
核心观点
公司发布2023Q3 业绩，公司实现营收47.7 亿，同比增长2.89%，归母净利润预计为2579 万元，同比下降81.86%，扣非净利润为-2019 万，同比下降113.65%。营收情况同比基本持平，大模型加载下，C 端硬件销量显著提升，G 端业务营收占比持续下降，营收结构不断向好改善。大力研发投入一定程度上影响了当期利润，但公司在核心技术自主可控和大模型方面取得了持续进展。
10 月24 日，星火认知大模型将再度升级，模型整体能力对标ChatGPT（中文超越、英文相当）。基于国产算力基座，讯飞打造自主可控的语言大模型，同时，讯飞星火与华为昇腾深度合作推出的自主可控的星火一体机，为千行百业提供了优秀的大模型解决方案。
事件
公司发布2023Q3 业绩，三季度公司实现营业收入47.7 亿，同比增长2.89%，归母净利润为2579 万元，同比下降81.86%；扣非净利润为-2019 万，同比下降113.65%。
简评
公司营收端符合预期，研发投入影响当期利润。根据公司2023Q3业绩报告，公司前三季度实现营业收入126.14 亿，同比下降0.37%；归母净利润0.99 亿，同比下降76.36%；扣非净利润-3.24亿，同比下降175.97%。单Q3 来看，公司实现营收47.7 亿，同比增长2.89%，归母净利润预计为2579 万元，同比下降81.86%，扣非净利润为-2019 万，同比下降113.65%。营收情况同比基本持平，大模型加载下，C 端硬件销量显著提升，G 端业务营收占比持续下降，营收结构不断向好改善。2023Q3 公司期间费用率有所上升： 销售/ 管理/ 研发/ 财务费用率分别为：
17.47%/5.41%/20.56%/0.24%，相比去年同期上升2.07%，主要原因系公司在星火大模型和国产算力方面不断加大研发投入。公司三季度研发投入 9.81 亿元，较去年同期增加 10.04%。大力研发投入一定程度上影响了当期利润，但公司在核心技术自主可控和大模型方面取得了持续进展，竞争力不断增强，为公司的持续业绩增长贡献了持久动力。
大模型持续迭代，1024 发布会再度更新。公司自5 月6 日发布星火认知大模型之后，大模型技术实力不断提升，6 月9 日和8 月15 日不断迭代，具备代码、多模态交互能力。10 月24 日，星火认知大模型将再度升级，模型整体能力对标ChatGPT（中文超越、英文相当），同时还有十二大行业模型集中发布和生态联合发布，值得重点期待。
基于国产算力基座，打造自主可控的语言大模型。讯飞星火与昇腾AI 联合，全力打造我国通用人工智能新底座。一方面，昇腾AI 为讯飞星火认知大模型提供算力支持，以昇腾AI 为核心，软硬件协同优化，可构建算力集中、性能优越、供给稳定、数据安全的大模型训练集群；另一方面，基于训练推理一体化设计的讯飞星火认知大模型，能高效适配昇腾AI，实现大模型稀疏化、低精度量化的技术突破，加速大模型的行业落地应用和迭代，讯飞依托国产算力基座实现了星火大模型的持续进步。同时，讯飞星火与华为昇腾深度合作推出的自主可控的星火一体机，支持各企业、行业快速私有化部署大模型。星火一体机基于华为鲲鹏CPU+昇腾GPU，联合华为存储和网络提供整机柜方案，星火一体机为千行百业提供了优秀的大模型解决方案。
投资建议：随着公司星火大模型的快速迭代和能力不断增强，其AI 能力将与教育、医疗等业务深度融合，助力公司业绩长期高质量发展。我们预计，公司2023-2025 年营业收入分别为198 亿、254 亿、336 亿，同比增长率分别为5.3%、28.3%、32.4%；归母净利润分别为7.7 亿、14.9 亿、21.3 亿元，同比增长率分别为37.4%、93.1%、42.8%；当前市值对应PE 分别为162x、84x、59x，维持“买入”评级。
风险提示：
大模型技术发展不及预期：大模型属于先进AI 算法，若后续算法更新迭代效果不及预期，则会影响人工智能模型演进及拓展，进而会影响其商业化落地等；
下游需求不及预期。当前国家在人工智能行业给予政策高度支持，下游需求旺盛，若未来下游需求增长由于各种因素导致不及预期，则可能会对公司业务收入增长造成不利影响；技术创新风险。人工智能技术研发过程存在一定的不确定性，创新性项目的落地节奏存在不确定性，可能导致收入不及预期；
数据数量与数据质量不及预期：大模型需要大量的高质量数据进行训练，若数据数量和质量存在短板，则会影响模型效果。