今年年初以來，ChatGPT概念股無疑是A股最牛的板塊，板塊內企業股價漲幅更是一路狂飚。作為其中的一員，云創數據也迎來了一波高潮。5月17日，云創數據收盤價創歷史新高，截至收盤，云創數據上漲15.89%，收盤價為25.46元。

【資料圖】

近年來，我國人工智能產業在技術創新、產業生態、融合應用等方面取得積極進展，已進入全球第一梯隊。中國信通院測算，2022年我國人工智能核心產業規模達5080億元，同比增長18%。

然而，云創數據所披露的業績與股價上漲、市場高速增長表現截然相反。從業績數據來看，2022年云創數據由盈轉虧，虧損1482.41萬元，綜合毛利率連續三年下降。

因此也引來了監管接連問詢，5月12日公告，公司于當日收到北交所下發的關于對公司的年報問詢函，被追問涉及公司主營業務及毛利率、客戶及供應商、應收款項、預付賬款、存貨、貨幣資金及短期借款、固定資產和在建工程處置情況、研發費用、其他收益、新產品情況等方面的多個問題。

云創科技雖在期限內對這些問題進行了回復，但監管仍然沒有完全“放心”，于5月30日對其年報進行了二次問詢。云創數據是否還能經得住考驗？

ChatGPT概念股，真本事還是虛假炒作？

對于資本市場上的概念炒作，大部分人早已見怪不怪，畢竟隨著炒作熱情的下降，資金開始縮小概念股炒作的范圍，同時資金也開始相對理性，會把一些實在不靠譜的概念股踢出局，選擇一些相對純正的概念股繼續炒作。

市場在歷經非理性的炒作之后，最終還是會回歸到價值投資的軌道上來，畢竟投機客過后，等概念股的投資價值回歸到理性價位，真正的價值投資者才會考慮入場。很多真正的概念炒作標的，是真的能隨著時間的發展爆發出業績紅利的，這才是那些概念炒作股里的真龍。

以ChatGPT概念股自居的云創數據會是這次風口上的“真龍”嗎？

云創數據為政府、教育、工業智能制造等領域客戶提供大數據存儲與智能處理產品及整體解決方案。截至 2022 年 12 月 31 日，擁有 37 項授權專利，177 項軟件著作權、88 項商標等資質。

具體而言，針對爆炸式增長的大數據、人工智能需求，云創數據研發了具有自主知識產權的 “智能存儲平臺”、“大數據處理平臺”和“人工智能云平臺”三大平臺，并在此基礎上以 算法生成模型，由模型驗證算法，研發出可以不斷自我優化的“核心算法+模型庫”智能成長模式，作為企業技術核心能力。最終，構建出面向不同市場領域客戶提供完整的大數據存儲與智能處理解決方案。

根據其年報披露的信息顯示，云創數據業務主要分為大數據存儲和大數據智能處理兩種。

在大數據存儲業務方面，針對上述市場領域中龐大的數據存儲需求，云創數據自主開發的 cStor 超低功耗云存儲系統，搭載低功耗處理器開發的 64 位超低功耗硬件平臺，可為用戶提供超低功耗、高密度的云存儲服務，單個國標尺寸機柜（42U）最大容納 5,300TB 存儲容量，功耗低于 9,500W，支持萬億級文件規模。

在大數據智能處理業務方面，針對上述市場領域中對大數據智能處理服務的需求，云創數據自主研發人工智能分析系統、工業智能平臺、高維向量計算一體機等產品，為客戶提供跨平臺整合現有各種業務系統數據資源的能力，通過人工智能進行數據理解，通過數據挖掘分析創造數據價值，并提供大量的智能算法，真正實現智能易用。

從上述來看，云創數據確實在大數據及人工智能領域備戰多年，但是其作為ChatGPT概念股，究竟能在哪些方面為生成式AI助力呢？是否已有成熟的產品建設？

向量數據庫究竟能對類ChatGPT技術實現哪些助力？

北交所也在對云創數據的年報二次問詢函中表達了對其ChatGPT概念股的質疑。

根據云創數據首次年報問詢函回復稱，“cVector向量一體機實現的功能與業內‘向量數據庫’類似”（以下稱“cVector一體機”），但相較于向量數據庫是一種采用軟件方法實現向量數據管理和計算的數據庫，cVector一體機采用硬件加速方式進行向量計算，有助于解決前者在數據入庫、檢索環節的效率及準確性問題。同時，cVector一體機“主要目標客戶群體包括：國內外做語言大模型提供類ChatGPT生成式AI服務的企業、需要通過自然語言搜索文獻資料的單位、以及有大規模人臉識別需求的政企單位等”。報告期內，云創數據cVector一體機在部分智慧城市、智慧校園中有實際應用，產生經濟效益696.03萬元。

對此，監管要求云創數據結合報告期內cVector一體機在智慧園區的實際應用，說明其在各類人工智能場景中的具體應用環節，如何服務于各類生成式AI相關的企業；并說明在年報中披露cVector一體機“能夠支持類ChatGPT等人工智能技術對算力要求極高的卡脖子難題”的依據及合理性，相關表述是否準確。

由此來看，云創數據的cVector一體機便是其能夠以ChatGPT概念股自居的“寶劍”。據官網中介紹，cVector向量計算一體機是一款自主研發的億量級人臉特征向量高速比對計算一體機，支持億級大規模人臉1:N比對場景，采用并行計算架構融合高密度混合服務硬件支撐平臺，為用戶提供軟硬件一體化的高性能大規模人臉比對解決方案。相較傳統的基于GPU集群的人臉特征比對技術，具有高集成度、高性能、高兼容性、成本低、性能可彈性分配調度等優勢。

目前，向量數據庫確實已成為助力AIGC快速發展道路上一條靚麗的風景線。在今年3月的NVIDIA GTC大會，黃仁勛首次提及向量數據庫，并強調對于構建專有大型語言模型的組織而言，向量數據庫至關重要。向量數據庫可以為AI的開發、增強內容生成的準確性提供了重要技術支撐。類似ChatGPT這樣的AI模型在訓練過程中，需要將輸入數據轉化為適合處理的特征表示，通常采用向量形式，以捕捉數據的各種屬性和特征。

例如，在圖像識別中，將圖像轉化為特征向量，其中每個分量表示圖像中的像素值或其他特征；在自然語言處理中，可以使用向量來表示單詞或文本的特征，以進行文本分類、情感分析等任務。這與云創數據的cVector向量計算一體機產品不謀而合。

向量數據庫可以直接將數據存儲為向量形式，其中每個向量代表一個數據對象。向量的維度數取決于數據對象的特征數，例如，一張圖片可以表示為由像素值組成的向量，一個文本可以表示為由詞頻組成的向量。

通過優化的數據結構和索引算法，向量數據庫能夠更有效地存儲和檢索大規模向量數據，并支持高維度向量的相似度搜索和匹配。對于像ChatGPT這樣的大模型，這意味著提供更精確和高效的查詢結果，以及提升問題回答的準確性和響應速度。

但云創數據的cVector向量一體機是否真的有實力達到這種預期效果，還需等待其后續的回復。

業績下滑受關注

當然，在問詢函中，涉及最多的還是其業績表現問題，這也是目前云創數據面臨的核心問題。年報顯示，云創數據2022年營收為3.75億元，同比下滑21.38%；凈利潤出現首次虧損，達0.15億元，同比下滑122.73%。同時，云創數據2022年綜合毛利率為28.35%，同比下降11.02%。

具體來看，云創數據去年前三季度實現營業收入2.60億元，凈利潤3539.91萬元；第四季度實現營業收入1.15億元，凈利潤-5022.32萬元，與往年收入確認的季節性特征存在較大差異。

北交所在首次問詢函中就曾要求云創數據說明其第四季度出現大幅虧損的原因及合理性，導致業績下滑的因素是否將持續存在。

云創數據在首輪回復中表示，去年第四季度主要因疫情影響，公司的銷售不及預期，收入同比2021年四季度下降48%，導致公司四季度營業利潤下降。

然而，北交所在得到回復后，在二次問詢函中對于其回復做了追問，要求出具更為詳盡的披露，公司應結合市場需求變化、手持訂單、主要項目驗收進展，以及同行業可比公司等的情況，詳細說明公司第四季度營業收入下滑的原因。

與此同時，在二次問詢函中，北交所對于云創數據的主要客戶、預付款項、委外研發幾項也作了追問，要求其在6月13日之前回復相關問題，留給云創數據的時間不多了。

雖然隨著大模型的爆火，類ChatGPT技術確實給云創數據帶來了增長前景。

但是，向量數據庫仍然是一個比較新的數據庫領域，市場的認知與供給側的實踐均不夠深入與多維。目前整個市場仍處于從 0 到 1 的階段，主要由初創公司主導，真正的競爭可能尚未到來。

近日，星環科技重磅發布了自研的向量數據庫Transwarp Hippo，作為一款企業級云原生分布式向量數據庫，星環科技Hippo支持存儲、索引以及管理海量的向量式數據集，能夠高效地解決向量相似度檢索、高密度向量聚類等問題。

星環科技創始人、CEO孫元浩現場演示了知識圖譜的構建工具結合向量數據庫、圖數據庫和大模型，所產生的效果。當問及中糧集團今年玉米收儲價是多少，普通大模型不知道，再提問“新希望生產豬飼料的主要合作上下游企業有哪些？”仍然告知缺少行業知識，而當補充了農業知識圖譜后，它可以告訴你最新的收儲價是3元，以及價格的影響。另外，它也能夠回答豬飼料的主要供應商是正大集團。

成立于中國上海的Zilliz，于2019年開源了全球首個向量數據庫產品 Milvus，同時Zilliz也被官宣是NVIDIA的向量存儲的官方合作伙伴。

Zilliz 作為向量數據庫領域的拓荒者與奠基者，不僅開創了向量數據庫賽道，也提供了世界上最快的向量數據庫產品。Zilliz 產品生態豐富，致力于構建開源+云的大模型加強方案，其中開源向量數據庫 Milvus 扮演著大模型知識庫的角色；Towhee 可以為大模型提供編排服務；GPTCache 則為大模型提供緩存；Zilliz Cloud 可以為用戶提供開箱即用的全托管向量檢索服務。

就此來看，在這個領域，產品和服務將成為決定性因素。注重技術創新、性能和可擴展性、開發者友好性、安全和數據隱私、合作伙伴關系以及用戶反饋，將是建立行業競爭優勢的關鍵。

——END——

關鍵詞：