2023年11月20日 每日一猜答案：。 答案：ABC。
每日一猜答案分析：

机器人如何取英文名,机器人如何取出电池,机器人怎么用?,机器人怎么换?

原标题：智能机器人会取代人类吗？

智能机器人会取代人类吗？

机器人智造师周宇浩

一、智能机器人将是人类社会迄今为止最伟大的产品！

2023年除了chatGPT，最让人期待就是马斯克的人形机器人的了！当马斯克的人形机器人（擎天柱）量产以后，内置chatGPT作为大脑，基本上目前70%的工作都可以被它取代了！马斯克的人形机器人身高175cm，可以举动75公斤的物品，每小时可以步行8公里，手指关节自由度达到11个自由度，可以媲美人的手指，而且售价才2万美金（14万人民币左右），无论是家庭陪护、金融白领、外卖小哥还是家庭教师，这款机器人都可以轻松胜任。智能机器人必将取代智能手机成为人最好的伴侣，智能机器人没有情绪不需要发工资，任劳任怨24小时不停歇的工作，不需要吃饭喝水可以自己充电，只要硬件条件环境允许，它几乎可以帮你做任何事情，遇到问题它可以自动生成代码解决问题，智能机器人将成为人类社会最重要的工具和最伟大的产品，人类第一次开始全面复制自己！

二、世界将从此不同！

chatGPT+人形机器人=智能机器人

今天的我们未来面对的竞争，不是和别人竞争，今天的孩子不是学更多的书面知识，你想要学习的chatGPT都会告诉你，它就是你的新大脑；我们更不是和智能机器人竞争，因为智能机器人一定会比我们能干也更聪明；今天的我们是与自己竞争，战胜自己贪婪和恐惧，勇敢探索未知世界去发现更美好的事情！未来社会选拔人才，不是看你的学历和智商有多高，而是看你经历了什么，做成过什么别人没有做过的事情，都有哪些证据（个人数字资产）！可以说随着chatGPT的出现和特斯拉人形机器人的量产，一个更加伟大和令人激动无比的新世界出现了，我们每个人都会因此而被改变，这要比智能手机改变我们的生活习惯深刻千倍万倍都不止！

十年前你能想象智能手机取代钱包照相机吗？直播带货取代公司实体店吗？微信钱包支付宝能比银行更方便快捷吗？同样今天的你能想象十年以后智能机器人管家比你更会照顾家里的老人，陪老人聊天散步买东西，扶老人上厕所做家庭护理吗？你能想象你的智能汽车在送你上班后自己跑滴滴帮你赚钱吗？你能想象智能机器人会帮你做家务做饭帮你的孩子辅导作业帮你工作赚钱帮你花钱买东西吗？总之，未来一切都会变得与今天截然不同，科技让生活变得更美好！

三、人永远都是智能机器人的主人！

机器人-robot就是奴隶的意思！

同时我们也不要杞人忧天担心智能机器人会取代人类，虽然智能机器人有超越人类的逻辑推理、计算编程和创造力，但是它没有智慧没有情感，机器人robot希腊文的意思就是奴隶，它再强大也只是人的工具不会成为人的主人，因为人有智慧有创新力，人有爱心和情感，而机器永远不会有！那些天天担心智能机器会产生意识消灭人类的人，根本就是不懂科学的幻想！意识源自于人的大脑神经元之间的链接，是化学反应，人类到今天都还没有搞清楚自己大脑和意识的形成根本原理。而人工智能是数据与数据之间的神经网络产生的推理结果，是物理行为，让机器产生意识就像让石头吃饭一样不切合实际！如果你非要说科幻电影里的机器人都会产生意识，未来没有什么是不可能的；那我说西游记里的石头还能蹦出孙悟空哪，你认为可能吗？返回搜狐，查看更多

责任编辑：

---

交互平板发展 交互智能平板年出货量

交互平板发展趋势,交互式智能平板具备哪些功能,交互智能平板行业,交互式平板电脑

（报告出品方：华创证券）

一、AI 开启新一轮科技革命，商业化应用已初步落地

（一）AIGC 的发展历程

AI 被视为“第四次科技革命”，开启新一轮技术创新周期。人工智能概念最早于 1956 年 被提出，多年以来产业历经几轮技术爆发周期。2012 年 AlexNet 神经网络模型问世，成 为一轮发展起点，并开启了 AI 在各行各业的应用，被视为人工智能 1.0 时代，但当时仍 存在模型碎片化等问题。2017 年 Google 团队提出的 Transformer 架构，开启了大模型为 主流算法的人工智能 2.0 时代，模型参数呈现指数级增长。自 2018 年起，新一代 AI 技 术正在开始全新一轮的技术创新周期，而 GPT 也正是由此时诞生。

GPT 1.0-4.0 的超神演化历程梳理：从 2018 年起，OpenAI 开始发布生成式预训练语言模 型 GPT（Generati【【微信】】rmer），这系列模型可以在复杂的 NLP 任务中取得 惊艳效果，例如文章生成，代码生成，机器翻译，Q&A 等，GPT 仅需要非常少的数据便 可以理解任务需求，并接近或者超过目前最高的技术水平，这是因为 GPT 模型的训练需 要超大的训练语料，超多的模型参数以及超强的计算资源，通过提升网络的参数数量来 完成 GPT 系列的迭代更新。GPT 的发展证明了通过不断提升模型容量和语料规模，模 型的能力可以不断提升。

1、从 GPT-1 到 GPT-3：证明海量参数训练可行性

在 GPT 出现之前，NLP（自然语言处理）模型主要是使用监督学习针对特定任务进行训 练。存在的限制是：大规模高质量的标注数据不易获得；模型仅限于所接受的训练，泛 化能力不足；无法执行开箱即用的任务，限制了模型的落地应用。 GPT-1 诞生于 2018 年， GPT-1 只能算得上语言理解工具而非对话式 AI，其常用任务包 括：1）自然语言推理：判断两个句子的关系（包含、矛盾、中立）；2）问答与常识推理： 类似多选题，输入为 1 个文章 1 个问题及若干答案，输出为每个答案的准确率；3）语义相似度识别：判断两个句子语义是否相关；4）分类：判断输入文本是指定的哪个类别。 GPT-1 存在明显的数据局限性和泛化能力不足的问题。GPT-1 是在互联网上的书籍和文 本上训练的，对世界的认识不够完整和准确；GPT-1 在未经微调的任务上的泛化能力远 远低于经过微调的有监督任务。

2019 年推出的 GPT-2，与 GPT-1 并没有本质上的不同，最大贡献是验证了随着模型容量 和数据量的增大，模型能力有进一步开发的空间。GPT-2 最大模型共计 48 层，参数量达 15 亿。性能方面，除了理解能力外，GPT-2 在生成方面表现出强大天赋：除阅读摘要、 聊天、续写、编故事外，甚至具备生成假新闻、钓鱼邮件或在网上进行角色扮演等能力。 基于 GPT-2 的验证，2020 年迭代的 GPT-3 是里程碑式的飞跃。GPT-3 较上代并没有太 大结构上的差异，之所性能优异是因为海量参数量的训练。GPT-3 相比较 GPT-2 训练的 参数量从 15 亿跃升至 1750 亿，提高约 117 倍，数据量也达到了 45TB。

性能方面：GPT-3 几乎可以卓越完成自然语言处理的绝大部分任务；它不需要微调， 可以识别数据中隐藏的含义，并运用此前训练获得的知识来执行任务。哪怕从来没 有接触过的示例，GPT-3 也能理解并提供不错的表现，因此 GPT-3 在商业应用上表 现极高稳定性和实用性。

GTP-3 局限性：最主要问题是它只会找不同问题之间的相关性，但它并不了解用户 真实想要的答案是什么，且无法长期对话下去。

2、InstructGPT 与 ChatGPT：跨越性的“iPhone 时刻”

InstructGPT 也被称为 GPT3.5（ChatGPT 的前身）与 GPT-3 的主要区别在于，新加入了 RLHF（【【微信】】g from Human Feedback，人类反馈强化学习）。这一训练范 式增强了人类对模型输出结果的调节，并且对结果进行了更具理解性的排序。

ChatGPT 和 InstructGPT 均使用 RLHF 训练，区别在于训练数据的设置方法不同。之 前的 InstructGPT 模型，是一个输入对应一个输出，再跟训练数据对比，对了有奖励不 对有惩罚；现在的 ChatGPT 是一个输入，模型给出多个输出，然后人类给输出结果排序， 让模型学习人类排序的方式。简单来讲：ChatGPT 模型训练在以下两点：

模仿人类制定的偏好，训练老师模型。通过 ChatGPT 和 OpenAI 开源的 API，GPT 得到越来越多的问题，GPT 对问题输出多个答案，OpenAI 雇佣很多人类老师给 GPT 的多个答案打分，人类老师不需要告诉 GPT 标准答，GPT 通过这些数据训练一个模 仿人类老师打分标准的老师模型。

用增强式学习向模型老师学习。GPT 将输入的问题和它返回的输出的答案，给到老 师模型，老师模型已经学会了人类的喜好（如，老师模型知道输入是个问句，输出 如果是问句就给低分，因为用户肯定是希望得到一个答案），他会给 GPT 的输出打 分，帮助 GPT 模型训练。用老师模型代替人类打分，减少人工成本。

对比之前所有的训练模型，ChatGPT 对人类意图的理解达到了非常高的程度。对话轮次 的提升是结果，根本的原因是它更理解了人类的意图，并且不断地去给用户对的回复， 具体体现：ChatGPT 敢于质疑不正确的前提；主动承认错误和无法回答的问题；大幅提 升了对用户意图的理解；大幅提升了结果的准确性。

ChatGPT 在特定领域和成本端仍有局限性。特定领域上，在其未经大量语料训练的领域 缺乏“人类常识”和引申能力，且无法处理复杂冗长或者特别专业的语言结构，如金融、 医学等专业领域的问题；成本端，因其需要非常大量的算力（芯片）来支持其训练和部 署，成本是企业和用户需要考虑的问题；无法在线的把新知识纳入其中：出现新知识就 需要重新预训练 GPT 模型，在训练时间和训练成本都是不现实的，如果采取在线训练模 式，语料成本相对较低，但是很容易导致对原有知识灾难性遗忘的问题。

3、GPT-4：多模态形式，图片可作为输入

GPT-4 与上一版本相比，最大特点是出现了多模态应用，可以使用照片作为输入工具。 该变化与增强现实(AR)技术相结合将极大提升 GPT 商业化的可能性。除此外，GPT-4 有 更强大的文字处理能力，能够处理 2.5 万字的长篇内容，是 ChatGPT 的 8 倍以上；过去 聊天机器人表现不佳的一大问题在于最初要求与设定在一定长度的对话后会被后来信息 所覆盖，而 GPT-4 能够长时间、不会偏移讨论主题的与用户对话。

GPT-4 在各类专业考试中远超 ChatGPT，多语种方面体现出优越性。在 30 种以上涵盖 经济、写作、数学等领域的测验中，GPT-4 大多考试成绩落在前 10%的区间，远超 ChatGPT 的前 40~80%的区间。在测试的 26 种语言中，GPT-4 在 24 种语言方面的表现均优于 GPT-3.5 等其他大语言模型的英语语言性能，包括如拉脱维亚语、威尔士语等。在中文语 境中，GPT-4 能够达到 80.1%的准确性。

尽管 GPT-4 功能强大，但它与早期 GPT 模型有相似的局限性。GPT-4 回答仍然会“编造” 事实，并进行错误的推理；GPT-4 的绝大部分预训练数据截止至 2021 年 9 月，因此十分 缺少在此时点之后的知识；GPT-4 可能仍然会帮助犯罪或传播有害信息，GPT-4 可以生 成逼真而有针对性的内容，包括新闻文章、推文、对话和电子邮件。以上局限性从侧面 反映出目前距离通用人工智能还有很长的路要走。 总结来说，“预训练+微调”大模型能显著降低 AI 工程化门槛，短期看 ChatGPT 以及 GPT4.0 的出现证明了 AI 是降本增效的新生产力工具，长期看可能由此形成新的内容生 产范式。最终随着 AI 技术的爆发式进步，实现通用式人工智能的可能性进一步提高，迅 速赋能各行各业。

（二）AIGC 商业化落地初步实现，“AI 的 iPhone 时刻”或已来临

事实上 AI 技术并非新鲜事物，为何此次 ChatGPT 的推出能够引发全球轰动？我们认为 其核心是 ChatGPT 代表着 AI 正在从感知智能向认知智能发展，代表了通用人工智能突 破的可能性，正是“通用性”使得 AI 的“商业化”能够初步落地。此前运用人工智能 的场景都是专用人工智能模型，往往只适用于某具体领域；而 ChatGPT 及 GPT4.0 代表 了人工智能通用大模型方向的最新进展，“通用性”使得 AI 的“商业化”能够初步落地， 而 AI 的通用、商业化应用才能为各行各业具体赋能。 AI 的商业化变革速度极快，C 端和 B 端应用落地已初现端倪。随着 AIGC 的不断发展， 其商业化变革的速度和效果超过预期，目前 AIGC 的主要模式有文本生成、图像生成、 音频生成、视频生成、策略生成、跨模式生成以及 Game AI，在多种模式的加持下，部 分顶尖 AIGC 公司已进行商业化落地，有望在 B 端、C 端扩展应用布局。

C 端：内容生成需求大，以 SaaS 订阅模式为主。ChatGPT 与微软 Copilot 的出现标 志着 AIGC 在 C 端拥有巨大潜力，C 端的需求源于内容，一方面是娱乐休闲等内容 消费的需求，另一方面是关注个人提升赋能，在极小的边际成本下大幅提高信息处 理效率以及输出内容的质量，因此，多模式下的应用场景有影视、游戏、艺术创意、 家庭服务、网课、健身等应用、内容和服务。商业化方面，预计 C 端主流收费模式 是 SaaS 应用订阅。

B 端：AIGC 核心商业模式，收取项目定制&订阅费用。AIGC 能够大幅降低 B 端用 户的人工成本并提升效率，促使 B 端用户发展实现实质性的飞跃，因此 B 端用户的 需求相对于 C 端更加稳定持久，主要应用有传媒领域的资讯收集以及相关内容高效 生成、助力电商领域降本增效、帮助教育领域减负并拓展智能辅导、医疗方面的交 互式诊疗模式以及金融行业的交互服务、欺诈检测、风险因素建模等方面。B 端需 求更具个性化，收费模式可能是以项目定制以及后续订阅为主。

众多学者将 ChatGPT 的出现类比为“AI 的 iPhone 时刻”，关键在于 iPhone 和 Android 的推出加速了手机进入通用化、智能化、商业化的民用时代。我们对比其中相似之处， 复盘智能手机的发展史，其主要可分为三个阶段：

2010 年以前：2010 年以前为智能手机行业早期，产品形态（硬件键盘与虚拟键盘等） 与系统（安卓、塞班等）百花齐放，仍未形成行业共识。受限于产品形态和系统尚 未形成规模效应，产业链成熟度相对较低，较高的产品成本推高了产品价格，使得 产品推广相对受限。2007 年 iPhone 和 Android 的推出标志着手机进入民用化时代；

2010 年至 2018 年：iPhone 4 与水果忍者等优质硬件和内容对出货量起到巨大推动 作用。对于硬件来讲，在达到一定规模后要维持较快增长主要依赖产品和内容端的 创新，而在智能手机发展历程中，iPhone 4 成为了硬件端的核心推动力。2010 年 iPhone 4 发布，标志着智能手机进入效率革命，功能提升且价格下降，全球智能手 机出货量大幅增长 75%；同时支付宝、微信等便民应用普及，覆盖使用者生活工作 的各个方面，水果忍者、神庙逃亡等游戏凭借触控屏优质的交互体验进一步推动了 智能手机渗透率的提升，其后智能手机迎来了黄金快速发展期；

2018 年以后：2018 年开始智能手机渗透率见顶，其后各年智能手机出货量受疫情与 创新停滞影响整体呈下降趋势，行业进入稳定期。

与 iPhone 类似，ChatGPT 亦具备爆款特性，或可推动 AIGC 行业进入快速发展期。 ChatGPT 的出世一度被认为是 iPhone 4 之后的又一次革命，深刻改变人类生活和互联网 格局。 技术上，ChatGPT 一面市就展现出高完整度、高体验性和高平台性，是成熟到一定 程度的产物，而 iPhone 4 在软件和硬件方面都是高标准、高适配； 市场反应程度上，二者在短时间内都得到迅速普及，具有里程碑意义； 时代特征上，ChatGPT 和 iPhone 4 具有分别开启智能互联网时代和效率革命；二者 都为用户带来了效率的提升，iPhone 4 让大家的生活更高效、便捷、多样化，ChatGPT 则更直接地为人类解决问题，扩展思维的多样性。

（三）AIGC 赋能各行各业，促进智能终端渗透率提升

AIGC 应用集中于数字化程度高、内容需求丰富的行业。ChatGPT 的革命性出现重新定 义了生产力，有望加速 AIGC 在各行各业的逐步应用，我们认或将率先在传媒、电商、 影视、娱乐等数字化程度高、内容需求丰富的行业取得重大创新发展，帮助创作者省时、 省力，帮助企业降本增效。

多模态?多场景，AIGC 逐渐融入千行百业。目前 AIGC 主要典型的应用是利用自然语 言描述作为输入，涵盖多个交互领域，生成各种模态的数据，具体可分为：文本生成、 音频生成、图像生成、视频生成等，覆盖传媒、影视、电商、医疗以及金融等各行各业。

文本生成：应用成熟、场景广泛。聊天机器人：可以为用户提供快速回答，应用于 专业客服、游戏 NPC、虚拟人等领域。搜索引擎：与传统搜索引擎“搜索框”不同， 免去用户反复查找并点击跳转链接的麻烦，将对现有搜索行业竞争格局造成影响。 智能创作：可用于小说、新闻、专业学术写作、摘要生成、采访助手等。编程机器 人：可根据用户需求编写代码或查找 bug，可作为辅助工具大幅提升效率。

音频生成：成熟度较高，拓展领域。除适用于有声读物制作、文字语音播报、语音 客服和内容配音等外，开始涉及医疗、辅助设计等行业，如可帮助无法说话的病人 通过虚拟人开口。

图像生成：发展阶段，逐步商业化。随着元宇宙的逐步落地，虚拟人物、场景的建 设需求激增，AIGC 将帮助进行图像建模，大幅提升制作效率并降低成本。除商业 价值外，AIGC 也可在文物修复等领域创造社会价值，如百度曾借助 AIGC 修复《富 春山居图》。

视频、游戏生成：仍处于早起尝试阶段。部分编辑领域如视频换脸等随着影视制作发展迅速，但视频自动剪辑、游戏个性化创造等领域底层技术原理仍待完善。

AI 的应用对于各类行业的赋能程度有所差异，其中此前人力所不能及、AI 能带来颠覆 性或创新性变革类的行业最为受益；通过 AIGC 应用实现降本增效、节省费用类的行业 次之。举例来看：

变革类：1）游戏行业――打破不可能三角：传统游戏开发领域中，成本、质量和效 率三者组成了一个只能三选其二的“不可能三角”。如今，AIGC 能极大提质增效、创意释放，降低游戏制作成本同时实现高自由度带来的玩法创新。游戏开发者可以打 破传统游戏研发的束缚，降低成本同时升级内容，打破不可能三角。2）虚拟人应用 ――直接替代人工：随着 AIGC 的发展，虚拟人将从 B 端到 C 端突破不可复制性的 限制：例如，在医疗领域，AIGC 可以辅助病人咨询和教育、协助进行病理学诊断 和分析等；在教育领域，可以通过模拟真实的交互来帮助学生学习；在短视频、播 音主持、影视领域，AIGC 数字人可以做到 24 小时在线直播、主持报道和代替演员 等等。由此，将会有望直接利好消费电子、智能家居等相关硬件设备的渗透率提升 与产品结构升级。

提效类：AIGC 重塑办公、电商、营销领域生产力和创新力。AIGC 在文本生成方 向发展成熟，近期微软 Copilot 的推出为 AIGC 在办公领域的应用提供了范例，办公 效率大幅提升；在电商领域，AIGC 在图文和视频广告素材制作/广告语智能输出、 广告智能投放、智能客服回复等方面，提升营销及推广效率，此外，AIGC 赋能虚 拟商城搭建，为用户全新消费体验。

总的来看，AI 产业链正以爆发式的速度发展，根据中关村大数据产业联盟发布的《中国 AI 数字产业展望 2021-2025》报告中提到，至 2025 年，中国生成式 AI 商业应用规模有 望达到 2070 亿元，年均增速高达 84%，预计生成式 AI 产生的数据将占所有数据的 10%， 而当前比例仅不超过 1%。值得说明的是，上述数据的预测是 Gartner 在 ChatGPT 尚未推 出时做出的，当前 AI 行业已迈过商业化节点，ChatGPT 加速 AIGC 在各行业的落地应 用，行业发展预期将进一步加速，迈向星辰大海。

基于前文分析，AIGC 的商业化应用将极大推动虚拟人行业发展，在会议助手、远程教育、 远程医疗、影视直播、在线客服等领域直接替代人工，由此，将直接利好智能交互平板、 智能音箱、智能机器人等消费电子和智能家居产品的渗透率提升与产品升级。我们联合 电子组展开“AI+终端应用”系列研究，探讨受益于 AI 的各类终端产品。作为系列开篇 我们聚焦于赋能教育、会议场景的智能交互平板行业，展望行业前景与 AI 赋能的可能 性。

二、智能交互平板：将成为 AI 落地应用的重要形式

智能交互平板应用场景天然适配 ChatGPT，也是微软 Copilot 的重要硬件入口。OpenAI 推出 API 接口允许第三方开发者接入 ChatGPT，AIGC 的应用时代已经开启，具有工具 属性、有提效空间、用户群体数量庞大的应用首当其冲具备受益性。例如微软将人工智 能大语言模型（LLM）技术引入 Office 应用程序，推出了 Microsoft 365 Copilot；与之类 似的，智能交互平板产品也具有此类特点，在 AIGC 的应用赋能下，智能交互平板渗透 率有望迅速提升。

（一）智能交互平板行业介绍

智能交互平板集多种用途于一身，应用领域广泛拓展。智能交互平板（IFPD，Interacti【【微信】】）是以液晶屏显示，具备书写、批注、绘图、屏幕捕获、多媒体播放、 多屏互动、视频会议、文件管理、白板共享、智能浏览、远程控制等功能的一体机设备。 当前智能交互平板主要用于教育类和会议类场景，但由于其集电视、电脑、投影机、触 摸屏、电子白板等多种产品功能于一身的属性，智能交互平板适用于一切需要研讨、交流、展示的场景，应用领域有巨大的想象空间，目前已向医疗、金融、酒店等领域拓展。

全球 IFPD 出货量持续增长，教育、会议是当前的主要用途场景。近年来，全球智能交 互平板出货量稳步增长，根据迪显咨询数据，2022 年全球 IFPD 出货量 372 万台，同比 增长 22.8%。总体来看，教育类和会议类是 IFPD 当前的主要用途场景，其中教育类智能 交互平板占比更高，但会议类智能交互平板增速更快且占比逐渐提升。

1、教育类交互平板：贴息政策促进行业迎来第二春

疫情加速海内外教育智能交互平板应用。就国内而言，由于教育信息化政策推行较早、 推广普及期长，教育类 IFPD 出货量近年来已相对平稳，进入成熟市场状态。2020 之后 疫情促使远程教学、居家学习的时段增多，进一步激发国内教育 IFPD 需求，从而使 2021年出货量达到 120 万台，增速提升至 12%。就海外而言，教育 IFPD 仍为新兴教学设备， 近年来均处于高双位数增长，2020 年疫情爆发初期影响海外出货与海运，2021 年后需求 回暖，海外出货量为 105 万台，大幅增长 90%。

教育智能交互平板集中度较高，CR5 均超 70%。国内教育 IFPD 市场格局稳定且集中度 高，希沃（视源股份旗下）市占率常年稳居第一份额接近 50%，鸿合科技位居第二份额 为 22%，其他参与者包括黑电龙头海信、创维、长虹等。海外格局中，由智能交互显示 产品全球首创企业SMART和全球前三大教育显示品牌企业普罗米休斯领衔，CR5达72%。

国内空间：政策影响教育各细分市场发展。义务教育 IFPD 需求趋向饱和，职业教育或 能带来教育 IFPD 新的发展空间。

K12 渗透率已处于较高水平，教培市场受“双减”影响需求下滑。我国 K12 教育信 息化已普及多年，根据教育部数据，目前全国中小学（含教学点）互联网接入率达 到 100%，99.5%的学校拥有多媒体教室，智慧教室渗透率也处于较高水平。此外， 2021 年 7 月“双减”政策的推出对教培行业造成巨大打击，该市场 IFPD 需求空间 大幅收缩。具体表现为，洛图科技数据显示，2022 年 Q1 培训机构 IFPD 出货量同比 下降 80.8%，市场份额由 2021Q1 的 8.2%缩水至 2022Q1 的 2.1%。

职教市场受益贴息政策需求爆发。2021 年 10 月，中共中央、国务院印发《关于推进现代职业教育高质量发展的意见》，预计未来 3-5 年是职业教育发展的黄金时期； 同时，资金层面也有支持政策，2022 年 9 月央行推出 2000 亿专项贷款+财政贴息， 政策支持涵盖教育，高职院校有望受益。本轮贴息贷款支持力度大、执行节奏快。 除科研仪器设备外，专项贷款重点支持学校数字化转型，包括智慧校园、智慧教室、 智慧实验室、智慧图书馆建设。受益于此，教育交互平板在职教市场的应用需求迅 速增长，洛图科技数据显示 22Q2 职教需求占比已达 18.2%位居第二。

海外空间：教育 IFPD 渗透率仍有较大增长空间。与国内教育 IFPD 高渗透率不同，海外 教育 IFPD 仍有巨大发展潜力。根据迪显咨询数据统计，2020 年中国有 1050 万间教室， 教育 IFPD 渗透率为 60%；而截至 2020 年底，参与经合组织的国家共有 1339 万间教室， 教育 IFPD 渗透率为 15%，除中国和较发达的经合组织国家，其他国家共有 3783 万间教 室，教育 IFPD 渗透率仅为 2%。由此可见，海外教育 IFPD 仍存在广阔增量空间。

国外各政府出台教育信息化政策赋予 IFPD 渗透提升确定性。近年来，各国政府出台多 项政策推动本国教育信息化建设，尤其在疫情后，为了恢复教育质量以及混合教育模式 成为常态，大量财政资金划拨为教育建设支出以及成立教育基金。如美国 2020 年 3 月发 起教育稳定基金，初步金额 307.5 亿美元，并于 2020 年 12 月和 2021 年 3 月分别追加 819 亿美元和 1700 亿美元，用于保障学生能够稳定学习。教育类智能交互平板的终端客户属性使其极大受政策影响，而海外政策的利好和资金的划拨使教育智能交互平板的渗透具 有确定性。

2、会议类交互平板：渗透率提升空间广阔

会议智能交互平板行业增速较快，疫情加快市场推广。会议交互平板承担的作用主要为 文件展示、视频会议接口等显示类功能，并非刚需性且可替代产品较多（如投影仪、电 视），2019 年之后会议智能交互平板出货速度较前期放缓。但因行业基数较低且疫情激 发会议视讯设备需求，2021 年国内会议 IFPD 出货量为 52.7 万台，同比增速为 35.9%， 海外会议 IFPD 出货量为 25.5 万台，同比增长 52.7%，表现均快于教育类平板。