岩山科技：您好，感谢对公司的关注。 公司的主营业务包括互联网信息服务业务、人工智能业务和多元投资业务，不涉及芯片半导体业务。 谢谢。

岩山科技：您好，感谢对公司的关注。 岩思类脑研究院的脑电大模型目前尚处于研究阶段，尚未产生营业收入。科研成果推出时间请以后续岩思类脑的发布为准。同时公司提醒投资者警惕市场热点炒作，理性投资并注意投资风险。 谢谢。

岩山科技：您好，感谢对公司的关注。 公司将在定期报告中披露对应时点的股东信息，敬请关注。 谢谢。

岩山科技：您好，感谢对公司的关注。 岩芯数智团队目前正在研发Yan 2.0模型，Yan 2.0模型将会融合文字、音频、视频等多模态，以应用于更广泛的业务。Yan 2.0模型预计将于2024年下半年推出，具体推出时间请以后续岩芯数智的发布为准。公司提醒投资者警惕市场热点炒作，理性投资并注意投资风险。 谢谢。

岩山科技：您好，感谢对公司的关注。 岩芯数智团队目前正在研发Yan 2.0模型，Yan 2.0模型将会融合文字、音频、视频等多模态，以应用于更广泛的业务。Yan 2.0模型预计将于2024年下半年推出，具体推出时间请以后续岩芯数智的发布为准。公司提醒投资者警惕市场热点炒作，理性投资并注意投资风险。 谢谢。

岩山科技：您好，感谢对公司的关注。 岩芯数智于2024年1月发布了Yan 1.0模型，计算复杂度从标准Attention机制的O（n^2∙d）（其中n表示序列长度、d表示特征维度，^2指平方）降低为O（n∙d）（线性复杂度），从而提高模型的训练效率和收敛速度，因此Yan 1.0模型产生的资源消耗更低，更加经济、更加低碳。 我们对相同参数量级的Yan 1.0模型和Transformer（对照实验中采用的Transformer是基于HuggingFace LLaMA 2的标准结构，同时开启了flash-attn的支持）架构模型分别用1,000万条中英平行语料，基于同样软硬件环境的NVIDIA A800服务器训练以及同样的迭代次数下进行了对照试验： （1）训练效率方面，在上述对照实验环境下Yan 1.0模型的损失值要低于Transformer架构的LLaMA 2模型。在训练集上，训练数据收敛到相同的loss（loss=3.0）时，Yan 1.0模型仅需要1.5小时，而LLaMA 2模型却花费10.5小时，因此Yan 1.0模型的训练效率更高。 （2）推理准确率方面，在上述对照实验环境下Yan 1.0模型比LLaMA 2模型在训练集上的预测准确率高出17%、在验证集上的预测准确率高出13%。 （3）记忆能力方面，古诗是通过简短的字和词语表达丰富语境的一种体裁，token之间的困惑度也高于现代文，这恰好可用于评测模型的记忆能力。在对照实验中分别用数十万条古诗数据进行续写训练，与LLaMA 2模型相比，Yan 1.0能够更快的达到更好的收敛，以及更高的准确率。 （4）显存占用方面，基于同样的参数量级在单张NVIDIA RTX 4090 24G显卡上，当输出token的长度超出2,600时，LLaMA 2模型会出现显存不足，进而无法完成推理；Yan 1.0模型的显存使用始终稳定在14G左右，可以进行正常推理。Yan 1.0模型的显存占用及成本比LLaMA 2模型更低。 岩芯数智团队目前正在研发Yan 2.0模型，Yan 2.0模型将会融合文字、音频、视频等多模态，以应用于更广泛的业务。Yan 2.0模型预计将于2024年下半年推出，具体推出时间请以后续岩芯数智的发布为准。公司提醒投资者警惕市场热点炒作，理性投资并注意投资风险。 谢谢。

岩山科技：您好，感谢对公司的关注。 Yan 1.0模型尚未完成大模型备案，目前主要尝试针对B端客户进行本地私有化部署，暂时无法提供公测，敬请谅解。 我们对相同参数量级的Yan 1.0模型和基于Transformer（对照实验中采用的Transformer是基于HuggingFace LLaMA 2的标准结构，同时开启了flash-attn的支持）架构模型分别用1,000万条中英平行语料，基于同样软硬件环境的NVIDIA A800服务器训练3个Epoch，从训练结果来看，在对照实验环境下Yan 1.0模型比Transformer架构的LLaMA 2模型在训练集（即模型学习过的数据）上的预测准确率高出17%、在验证集（即模型未学习过的数据）上的预测准确率高出13%。 岩芯数智团队目前正在研发Yan 2.0模型，Yan 2.0模型将会融合文字、音频、视频等多模态，以应用于更广泛的业务。Yan 2.0模型预计将于2024年下半年推出，具体推出时间请以后续岩芯数智的发布为准。公司提醒投资者警惕市场热点炒作，理性投资并注意投资风险。 谢谢。

岩山科技：您好，感谢对公司的关注。 Attention机制是一种能让模型对关键信息重点关注并充分学习吸收的技术，也就是把注意力集中放在重要的点上，而忽略其他不重要的因素。ChatGPT等都利用了Transformer架构，其核心技术之一就是Attention机制。标准的Attention机制的计算复杂度为O（n^2∙d）（其中n表示序列长度、d表示特征维度，^2指平方）。标准Attention机制的复杂度随序列长度呈2次方增长。通常来说Transformer架构具有训练周期较长、应用成本过高、高机器幻觉表达等缺陷，在实际应用中需要的高算力和高成本让不少中小型企业望而却步。 针对Transformer架构的上述缺陷、以及不同行业对于高效能、低能耗AI大模型需求的不断增长，公司旗下岩芯数智研发团队意识到从零开始设计大模型的必要性，并推出了国内首个非Attention机制大模型—Yan 1.0模型。Yan架构没有基于Attention机制，也没有基于RNN（指Recurrent Neural Network，循环神经网络）等序列模型，而是通过完全自研的记忆算子及特征关联函数，将计算复杂度从标准Attention机制的O（n^2∙d）降低为O（n∙d）（线性复杂度），从而提高了Yan架构模型的训练效率和收敛速度。 谢谢。

岩山科技：您好，感谢对公司的关注。 公司拟控股企业Nullmax （Cayman） Limited主要从事汽车智能驾驶系统的研发，致力于打造全场景的无人驾驶应用。Nullmax纽劢作为一家专注于智能驾驶技术的科技公司，拥有丰富的技术经验和专业知识，其在计算机视觉、机器学习、感知技术、智能驾驶工程化等领域取得了显著的成就。 Nullmax已有的项目落地客户包括上汽、奇瑞、经纬恒润、德赛西威等，与头部车企合作推进顺利，同时正在推进软硬件一体化项目，为未来取得更多量产定点合同提供有力保障。 公司拟增资并收购Nullmax （Cayman） Limited部分股权的事项目前正在向商委、外汇管理局等主管部门办理境外投资ODI审批手续，相关项目的进展请以公司公告为准。 谢谢。

岩山科技：您好，感谢对公司的关注。 公司始终关注AI领域的最新进展，并持续进行技术创新。2024年1月，公司旗下岩芯数智已在上海发布了完全自主研发的Yan 1.0大语言模型，该模型是国内首个非Attention机制的大模型，同时也是国内领先的非Transformer架构大模型，Yan 1.0以自然语言为主。 岩芯数智团队目前也在研发Yan 2.0大模型，Yan 2.0将会融合文字、音频、视频等多模态，以应用于更广泛的业务。 公司郑重提醒广大投资者：《中国证券报》、《上海证券报》、《证券日报》、《证券时报》和巨潮资讯网（www.cninfo.com.cn）为公司指定的信息披露媒体，公司所有信息均以在上述指定媒体刊登的公告为准，敬请广大投资者查阅公司已披露信息。同时公司提醒投资者警惕市场热点炒作，理性投资并注意投资风险。谢谢。