收藏 分销(赏)

AI2.0十年之后我们还能做什么.pdf

上传人:Stan****Shan 文档编号:1320686 上传时间:2024-04-22 格式:PDF 页数:259 大小:12.75MB
下载 相关 举报
AI2.0十年之后我们还能做什么.pdf_第1页
第1页 / 共259页
AI2.0十年之后我们还能做什么.pdf_第2页
第2页 / 共259页
AI2.0十年之后我们还能做什么.pdf_第3页
第3页 / 共259页
AI2.0十年之后我们还能做什么.pdf_第4页
第4页 / 共259页
AI2.0十年之后我们还能做什么.pdf_第5页
第5页 / 共259页
点击查看更多>>
资源描述

1、 免责声明和披露以及分析师声明是报告的一部分,请务必一起阅读。1 证券研究报告 科技 科技 AI 2.0:十年之后我们还能做什么:十年之后我们还能做什么 华泰研究 华泰研究 科技 科技 增持 增持(维持(维持)2023 年 6 月 26 日中国内地 专题研究专题研究 AI 大模型展现惊人能力,有望成为下一代通用技术平台大模型展现惊人能力,有望成为下一代通用技术平台 2010 年,麻省理工大学阿齐默鲁教授等提出了科技发展如何影响人类就业的分析框架。当前,随着以 GPT-4 为代表的大语言模型的出现,AI 开始具备文本生成、语言理解、知识问答、逻辑推理等能力,AI 大模型出现通用性强、固定成本高但

2、边际成本递减等平台性技术的显著特征,未来有可能大规模替代当前人类的工作。因此,我们认为现在是重新思考人工智能将如何影响工作和投资的又一重要时刻。我们认为:1)大模型对人类工作的替代将从常规性的脑力劳动开始,金融法律服务、软件外包、传媒等工作可能最先被影响。2)从投资角度,建议按照算力基础设施-硬件载体-大模型平台-应用的顺序寻找受益标的。投资机会投资机会#1:科技巨头在大模型上竞争激化,芯片等送水人最先受益:科技巨头在大模型上竞争激化,芯片等送水人最先受益 我们认为,算力需求增长会率先利好芯片、光模块、服务器产业链等送水人。根据 OpenAI 测算,目前算力的增速(翻 1 倍/3-4 个月)远

3、超过摩尔定律(翻 1 倍/18-24 个月),未来 AI 应用的逐步丰富,将推动推理芯片等相关市场保持强劲增长。我们预计 2025 年左右当生成式 AI 应用大规模落地后,用于数据中心的推理及训练芯片市场约 900 亿美元,带来先进代工、先进封装、光模块、服务器在内相关产业链机会。投资机会投资机会#2:谁会成为谁会成为 2.0 时代的硬件载体?时代的硬件载体?回顾消费电子硬件的发展历程,硬件的升级和应用的发展往往相互促进。年初以来,ChatGPT Plugins 和 Auto GPT 已让我们在应用层面看到了大语言模型的潜力,有望催化智能终端的发展。一方面,大模型将为智能手机、PC 平板、音箱

4、等带来新功能,推动硬件规格升级;另一方面也有望催化 AR/VR、无人驾驶汽车、机器人等新的硬件形态,带动产业链发展。长期来看,或将形成同时拥有 1)超强感知能力,2)通用人工智能(AGI)和 3)灵活的行动能力的硬件产品。虽然离大规模应用仍有距离,但长期来看,建议关注机器人等终端成为 AI2.0 时代的主流载体。投资机会投资机会#3:世界最后需要几家大模型公司?:世界最后需要几家大模型公司?我们认为,大语言模型是一个资本密集、人才密集和数据密集的产业,是否拥有大语言模型将成为衡量科技企业甚至衡量国家综合实力的重要尺度之一。当前全球大模型呈现“百模大战”的竞争格局,我们认为最终可能会收敛到国内外

5、各数家的寡头竞争格局。在“百模大战”中最终胜出的企业,有望成为可以类比当前百度、阿里、腾讯体量的科技平台型企业。是否能形成“数据-模型-应用”的飞轮是判断大模型企业能否在竞争中胜出的重要标准之一。投资机会投资机会#4:最大机会在行业,看好互联网、办公、金融等行业落地:最大机会在行业,看好互联网、办公、金融等行业落地 我们认为,AI 2.0 最大的投资机会在应用,AI 落地的节奏或和行业数字化程度成正比,看好互联网(搜索+广告营销)、办公、金融,教育等行业率先迎来“iPhone 时刻”,关注大模型在:1)电商、金融、医疗等行业替代传统客服;2)文本和图像生成在办公、广告营销、金融、影视游戏等领域

6、成为下一代生产力工具;3)多模态能力在新药开发等科研上的应用前景。风险提示:宏观经济波动;新技术渗透进度不及预期;中美贸易摩擦加剧;本研报中涉及到未上市公司或未覆盖个股内容,均系对其客观公开信息的整理,并不代表本研究团队对该公司、该股票的推荐或覆盖。免责声明和披露以及分析师声明是报告的一部分,请务必一起阅读。2 科技 科技 正文目录正文目录 AI 2.0:十年之后我们还能做什么十年之后我们还能做什么.4 AI 2.0 是下一代通用技术平台.5 投资机会#1:算力需求增长利好芯片送水人.7 投资机会#2:谁会成为 2.0 时代的硬件载体?.9 投资机会#3:世界最后需要几家大模型公司?.10 投

7、资机会#4:如何把握大模型应用的投资机会.11 2023 年十大投资机会.14 AI 大模型企业是如何炼成的大模型企业是如何炼成的.16 海外大模型:微软&OpenAI、谷歌、英伟达、Meta、AWS.16 国内大模型:百度、阿里、腾讯、华为、商汤、讯飞.31 相关未上市公司:智谱、MiniMax、第四范式、聆心智能、澜舟科技、云知声、扩博智能.44 算力:算力:AI 应用如何拉动需求变化应用如何拉动需求变化.46 大模型对训练/推理算力需求的测算.47 计算芯片:算力储备竞赛开启,推理初步具备进口替代能力.49 服务器:AI 服务器市场稳步增长,2021-2026E CAGR 预计达 17%

8、.54 先进封装&材料:高算力需求带动先进封装需求.56 光模块:数据中心市场空间广阔,2023 年有望迎 800G 放量元年.57 服务器产业链相关公司:工业富联、环旭电子.60 计算芯片产业链相关公司:燧原科技、壁仞科技、寒武纪、京微齐力、芯动科技、沐曦集成电路、海光信息、登临科技、中科驭数、摩尔线程、天数智芯、高云半导体、墨芯人工智能、智多晶、云天畅想.60 光通信产业链相关公司:长光华芯、源杰科技、云岭光电、苏州熹联、天孚通信、中际旭创.64 云计算产业链相关公司:道客云、鹏云网络、StreamNative.66 AI 赋能百业:产业变革的奇点赋能百业:产业变革的奇点.68 AI+企业

9、服务:赋能生产力/沟通/协作工具.68 AI+汽车:AI 大模型加速无人驾驶发展.70 AI+工业:ChatGPT 引领 AI 赋能工业,工业智能化水平或将加速提升.75 AI+金融:坐拥数据富矿,有望成为 AI 大模型率先落地的垂直领域之一.79 AI 赋能传媒:赋能传媒:AIGC 应用鹏程万里应用鹏程万里.83 AI+游戏:降本增效持续验证,AI 新玩法尝试创新.83 AI+电商:多场景应用,降本增效提升体验.87 AI+影视:驱动影视创作升级.92 产业链相关公司:昆仑万维、汤姆猫、蓝色光标、焦点科技、华策影视等.98 AI for Science:人工智能助力科学探索的新范式:人工智能

10、助力科学探索的新范式.100 AI+新药开发:根据功能需求设计/优化蛋白质,加速新药探索速度.101 AI+量子:优化软硬件设计,提升量子技术应用的效率与准确性.103 AI+核聚变:精准调控核聚变控制过程,降低开发周期.105 AI+材料科学:逆向设计是 AI 助力材料研发创新的主要范式.106 AI for Science产业链相关公司:国仪量子、本源量子、讯飞医疗、BrainCo、脑虎科技.108 附录:附录:AI 大模型算法的前世今生大模型算法的前世今生.110 溯源:从经典神经网络到 Transformer 架构.111 发展:从 GPT-1 到 GPT-4,开启大模型新纪元.115

11、 海外落地:BloombergGPT、AutoGPT、SAM.127 附录:附录:AI 大模型需要什么数据大模型需要什么数据?.132 数据将是未来 AI 大模型竞争的关键要素.132 免责声明和披露以及分析师声明是报告的一部分,请务必一起阅读。3 科技 科技 海外主要大模型数据集.132 中国主要 AI 大模型数据集.138 高质量语言数据和图像数据或将耗尽,合成数据有望生成大模型数据.145 数据产业链投资机会:数据生产环节、数据处理环节.146 数据服务相关公司:百度智能云、慧听、标贝、它思、Appen、Telus international、Scale AI.148 半导体国产化:供需

12、错配推动半导体制造国产化加速半导体国产化:供需错配推动半导体制造国产化加速.150 中国半导体供需错配,国产替代主要集中在设计、封测等环节.150 机会#1 半导体设备:关注先进制程突破以及国产化率提升.155 机会#2 半导体设备零部件:国产化地位开始受到重视.161 机会#3 材料:国产基础较好,掩模版、光刻胶国产化率较低.166 半导体产业链未上市公司:悦芯科技、华封科技、先锋半导体、御微半导体、世禹精密、汉骅半导体、佑伦真空、富乐华半导体、泰科天润、锐杰微科技.172 汽车智能化:红海竞争的破局点汽车智能化:红海竞争的破局点.175 智能驾驶:高级别辅助驾驶蓄势待发,国产供应商受益.1

13、75 智能座舱:从 4.0 多模态到 5.0 大模型,座舱智能化全面升级.180 车载芯片相关公司:地平线、黑芝麻智能、芯驰科技、芯擎科技,旗芯微.186 域控及数据标注相关公司:德赛西威、经纬恒润、纵目科技、魔视智能、宏景智驾、柏川数据.187 连接器相关公司:电连技术、瑞可达.188 传感器相关公司:加特兰、森思泰克、行易道、禾赛科技、速腾聚创、图达通、探维科技、灵明光子.189 AR-HUD 相关公司:泽景科技、未来黑科技.191 商业航天:大年开启,关注行业机遇商业航天:大年开启,关注行业机遇.192 技术端:火箭、卫星制造技术均有突破.192 需求侧:行业需求加快落地.203 政策面

14、:利好政策频出,投融资稳健增长.210 火箭相关公司:星际荣耀、星河动力、蓝箭航天、深蓝航天、中科宇航、天兵科技、凌空天行、东方空间.214 卫星制造相关公司:银河航天、长光卫星、时空道宇、工大卫星、国博电子、铖昌科技、海格通信、天银机电.215 地面设备相关公司:震有科技、航天驭星、信科移动.216 卫星运营服务相关公司:中国星网、中国卫通、航天宏图、中科星图.217 元宇宙元宇宙 2023:苹果这次有什么不同?苹果这次有什么不同?.218 Meta Oculus 的失败教训.218 苹果带来的变化.221 生成式 AI 可能带来哪些变化.227 海外公司:英伟达,Epic games,Un

15、ity.230 整机品牌:Nreal、亮亮视野、Rokid、亮风台、大朋 VR.233 光模组领域:鲲游、耐德佳、至格、JBD、视涯、宏禧科技、赛富乐斯、熙泰、研鼎、蓝特光学.235 Web3:过去一年发生了什么?:过去一年发生了什么?.241 Web3:以所有权为核心的价值网络.241 风险事件频发,加密合规时代已至.243 基础设施层:寒冬孕育机遇,Web3 基础设施创新持续.247 应用层:市场回归冷静,关注 Web3 与真实世界连接.249 未来展望:Web3 离我们还有多远?.255 Web3产业链相关公司:趣链科技、矩阵元.256 风险提示.257 免责声明和披露以及分析师声明是报

16、告的一部分,请务必一起阅读。4 科技 科技 AI 2.0:十年之后我们还能做什么十年之后我们还能做什么 2010 年,麻省理工大学应用经济学教授达隆阿齐默鲁(Daron Acemoglu)等人在论文1中提出了科技发展如何影响人类就业和收入的分析框架(图 1)。当前,随着以 GPT-4 为代表的新一代 AI 技术的出现,人类正面临重新思考人工智能将如何影响我们今后工作生活的又一重要时刻。参考阿齐默鲁教授的模型和咨询公司埃森哲近期关于工作受到生成式 AI 影响大小的研究结果2,我们把十个主要行业根据:1)工作方式是脑力为主还是体力为主,(2)工作内容是常规性还是非常规性进行划分,归纳了不同性质工作

17、受到生成式 AI 影响的程度。我们认为,随着 AI 能力的不断增强,大语言模型(LLM)将从金融法律服务、软件外包等常规性的脑力工作开始,逐步替代人类工作。图表图表1:AI 2.0 时代,生成式时代,生成式 AI 或将逐步代替人类工作或将逐步代替人类工作 资料来源:Acemoglu and Autor(2010)Skills,Tasks and Technologies:Implications for Employment and Earnings,埃森哲,华泰研究 具体结论如下:1)常规性的脑力劳动容易被算法替代。常规性的脑力劳动容易被算法替代。这具体包括金融法律服务、软件外包、传媒等白领

18、工作。这些工作需要收集,分析和解释大量基于语言的数据和信息,且含有较多重复性的知识劳动,与大语言模型的文本理解/生成以及逻辑推理能力高度重合,受到生成式 AI的影响可能较大;1 Acemoglu,D.,&Autor,D.(2011).Skills,tasks and technologies:Implications for employment and earnings.In Handbook of labor economics(Vol.4,pp.1043-1171).2 Accenture(2023).A new era of generative AI for everyone.免责声

19、明和披露以及分析师声明是报告的一部分,请务必一起阅读。5 科技 科技 2)非常规性的脑力活动较难被算法替代。非常规性的脑力活动较难被算法替代。相较白领工作,新药开发等科研工作需要更高层次的认知和创造力,并且工作内容多变,难以被算法替代,受到生成式 AI 的影响较白领更小;3)常规性的体力劳动容易被自动化技术替代。常规性的体力劳动容易被自动化技术替代。在零售、制造等行业中,虽然涉及的语言相关工作不多,受生成式 AI 的影响不大,但工作中有较多重复且任务标准化程度高的内容,容易被机器人等自动化技术所替代;4)非常规性的体力劳动受影响较小。非常规性的体力劳动受影响较小。建筑、餐饮旅游及交运、采矿等行

20、业虽然也包含较多的体力劳动,但难以被自动化的长尾场景较多,目前看来,受到生成式 AI 和机器人技术的影响都较小。AI 2.0 是下一代通用技术平台是下一代通用技术平台 我们认为以 ChatGPT 为代表的大语言模型的出现,使人工智能技术的发展进入了 2.0 时代。AI 大模型已经具备 1)通用性强,2)固定成本高但边际成本递减等平台性技术的显著特征,有望成为继 PC,移动互联网,云计算,电动车之后,下一个支撑科技创新的通用技术平台。如下图所示,每一代通用技术平台的出现,都会伴随几家平台性公司的出现。这具体包括,1)主机时代的 IBM,2)PC 时代的微软和 Intel(Wintel),3)智能

21、手机时代的苹果和谷歌,4)云计算时代的亚马逊和英伟达,5)智能电动车时代的特斯拉和宁德时代。当我们进入 AI 大模型时代,我们认为,以微软为代表的大模型厂商和以英伟达为代表的算力提供方有望受益于 AI2.0 的崛起,实现平台扩张。图表图表2:AI 2.0 是下一代通用技术平台是下一代通用技术平台 资料来源:Wind,华泰研究 免责声明和披露以及分析师声明是报告的一部分,请务必一起阅读。6 科技 科技 过去,计算机视觉等 AI 模型需要针对每个特定任务进行数据采集、模型训练等一系列工作,且训练出来的模型无法用到其他场景,这导致边际成本难以降低、难以大规模落地等问题。大模型的出现改变了 AI 模型

22、的训练和使用的范式。在大模型的新范式下,首先训练出具备跨领域知识的基础模型(Foundation Model),然后通过微调等方式适配和执行下游各领域的任务,能够降低模型落地的边际成本。大模型的新范式带来了成本结构变迁:大模型出现之前的 AI 1.0 时代,模型训练成本和模型数量等比例增加,边际成本较高;AI 2.0 时代,训练基础模型的固定成本高,但微调以适应下游应用的成本极低,预训练模型+微调的新范式边际成本低,具有明显的平台效应,为 AI 公司探索新商业模式提供机会。图表图表3:AI 步入步入 2.0 时代,边际成本大幅度下降时代,边际成本大幅度下降 资料来源:人工智能发展报告 2011

23、-2020(清华大学,2021),华泰研究 我们相信 AI 2.0 是未来十年科技行业最重要的投资机会,建议投资人参考 4G 的投资逻辑,按照基础设施-终端-平台-应用 顺序寻找投资标的。复盘 4G 产业发展历程,我们看到在受益板块中电信设备商先行,手机次之、电信服务及移动互联网应用紧跟其后。第一阶段,爱立信等通信网络设备商享受最初的资本开支红利,但由于华为出现导致的格局改变以及设备投入存在周期性,股价波动回到原点;其次,中国三大运营商在 4G 时代发挥着至关重要的作用,但由于来自监管的提速降费压力和业务范围的制约,运营商盈利增速缓慢;4G 时代应用端的主要附加价值被互联网占据,社交、游戏、电

24、商和视频等领域出现了一批杀手级应用,以腾讯为代表的平台型企业也在互联网浪潮中实现市值飞跃。展望 AI 大模型时代,我们认为:1)算力基础设施率先受益:AI 大模型推动算力需求快速增长,基础设施的业绩成长确定性最高,主要产业链环节包括计算芯片、服务器、数据中心等;2)交互终端次之,当前智能手机是大模型应用的主要载体。未来看好大模型能力提升推动AR/VR,无人驾驶车,机器人等成为下一代硬件载体的潜力。3)大模型平台是当下产业发展趋势中最核心的一环,看好 MaaS 成为 AI 大模型时代新的商业模式,关注各国对 AI 大模型企业监管政策对行业发展的影响;4)AI 2.0 最大的投资机会在应用。看好大

25、模型在搜索,电商零售,办公,金融、医药等行业率先落地。免责声明和披露以及分析师声明是报告的一部分,请务必一起阅读。7 科技 科技 图表图表4:从从 4G 周期经验看周期经验看 AI 大模型受益顺序大模型受益顺序 资料来源:Bloomberg,华泰研究 投资机会投资机会#1:算力需求增长利好芯片送水人:算力需求增长利好芯片送水人 我们认为,算力需求增长会率先利好算力芯片,光模块,服务器产业链等送水人。根据 OpenAI 测算,目前算力的增速(翻 1 倍/3-4 个月)远超过摩尔定律(翻 1 倍/18-24 个月),未来 AI 应用的逐步丰富,将推动推理芯片等相关市场保持强劲增长。我们预计 202

26、5 年左右当生成式 AI 应用大规模落地后,数据中心用推理及训练芯片市场约 900 亿美元,带动先进代工、先进封装、光模块、服务器在内相关产业链。免责声明和披露以及分析师声明是报告的一部分,请务必一起阅读。8 科技 科技 图表图表5:大模型对半导体需求增长快于摩尔定律大模型对半导体需求增长快于摩尔定律 资料来源:NVIDIA Ian Buck statement(2018),华泰研究 算力芯片:全球算力芯片:全球 900 亿美金市场,训练英伟达一家独大,推理百花齐放。亿美金市场,训练英伟达一家独大,推理百花齐放。我们认为是否拥有大模型将成为科技巨头科技平台企业的重要分水岭。我们预计全球有约 3

27、0 家科技巨头和 300 家 AI 大模型初创企业在进行算力相关投资。到 2025 年,这对应大约每年 300 亿美金训练芯片和 600 亿美金的推理芯片市场。其中,英伟达凭借 CUDA 软件框架构建的强大行业壁垒,在训练芯片市场一家独大,推理芯片方面,海外客户除了采用英伟达、AMD等的通用 GPU 以外,也会采用 TPU 等 ASIC 以提高性价比。国内客户出于供应链安全考虑,逐步提升国产芯片的适用占比。海思,寒武纪,燧原等企业都有较好发展。服务器服务器/PCB/先进封装:先进封装:AI 服务器增速超传统服务器,高算力需求带动先进封装需求。服务器增速超传统服务器,高算力需求带动先进封装需求。

28、从GPU 到 AI 工厂,我们认为 AI 计算会为整个服务器产业链带来增长。相较于全球传统服务器需求持续低迷,根据 IDC 预测 AI 服务器 21-26 年复合增速有望达到 17%。我们看到从单颗 GPU 芯片 H100,通过 NVLINK Switch 形成一颗巨型 GPU,然后通过 Quantum InfiniBand 技术,搭建有上百张 GPU 的 DGX 服务器,最后把多台 DGX 联通形成一台 AI 超级计算机,整个系统的搭建过程会带动包括服务器整机、PCB、光纤光缆、电源在内的整个服务器产业链的性能升级。在先进封装领域,产业从 2.5D 封装正走向 3D 封装,根据Prismar

29、k 预测 ABF 载板作为先进封装关键材料有望在 21-26 年实现复合增速 11.5%,而相关测试设备有望长期受益于 Chiplet 和国产替代趋势。光模块:光模块:AI 大模型推动大模型推动 800G 光模块迎放量元年。光模块迎放量元年。以 ChatGPT 为代表的 AI 大模型,对数据中心内外的数据流量都提出了新要求,将带来光模块行业“量”和“质”的双重提升。以 ChatGPT 为代表的 AI 大模型训练中,由于需要海量数据及跨机器协作,产生了大量的数据中心内部通信需求,无阻塞的胖树结构成为当下最主流的 AI 训练网络架构,带来两方面主要变化:1)量方面,AI 网络架构带来数据中心内部交

30、换机、服务器数量的增加,光模块作为数据中心内外部连接的核心部件,用量将明显提升;2)质方面,AI 对于高速率、大带宽的网络需求将推动光模块向 800G 加速升级,根据 Lightcounting 预测,2023 将成为 800G 光模块放量元年,2028 年 800G 出货量有望达 998 万只,对应 2023-2028 年复合增长率为 72%。在此产业趋势下,我们认为能够提供高速光模块的龙头企业以及上游光器件、光芯片厂商有望迎发展机遇。Moores Law2x/2yrs20122013201220132014201520162017201420152016201720182018201920

31、192020202020212021202220221001001,0001,00010,00010,000100,000100,0001,000,0001,000,00010,000,00010,000,000100,000,000100,000,0001,000,000,0001,000,000,00010,000,000,00010,000,000,000AlexNetVGG-19Seq2SeqResnetInceplionXceptionResNeXtDemseNet201ELMoMoCo ResNet50Wav2Vec 2.0TransformerGPT-1BERT LargeXLN

32、etMegatronMicrosoft T-NLGGPT-3Megatron Turing NLG 530BTraining Compute(PetaFLOPS)Tramsformer275x/2yrsAI model25x/2yrs 免责声明和披露以及分析师声明是报告的一部分,请务必一起阅读。9 科技 科技 投资机会投资机会#2:谁会成为:谁会成为 2.0 时代的硬件载体?时代的硬件载体?我们认为大语言模型能力的不断增强,在为智能手机等现有硬件产品带来 AI 聊天等新的功能的同时,也会催生机器人,ARVR,无人驾驶车等新的硬件形态。从消费电子硬件变迁历程来看,硬件的升级和应用的发展是一个互相

33、促进的关系。一个新的硬件形态(例如 2008 年的 iPhone,2023 年的苹果 Vison Pro)会吸引开发者开发新的应用,另一方面,新的应用(2013 年左右的手游)会推动硬件规格的升级。我们认为一个应用的能力可以分为感知、思考和行动三个维度。过去 15 年智能手机和电动车的发展,使手机,电动车等产品已经具备了较强的“感知”能力。过去几年 AI 云计算的发展,使硬件初步拥有了“思考”的能力。展望未来,我们认为大语言模型会大幅提高硬件产品的“思考”能力,机器人技术的发展会提高硬件产品的“行动”能力。一个同时拥有(1)超强感知能力,(2)通用人工智能(AGI),和(3)灵活的行动能力的硬

34、件产品,可能就是现在大家畅想中的人形机器人。虽然很难预判什么时候这个产品能够实现,但在最终实现人形机器人的过程中,我们相信会催熟 ARVR,无人驾驶车等很多新的硬件形态,带动产业发展。图表图表6:大模型发展推动硬件载体的变迁大模型发展推动硬件载体的变迁 资料来源:华泰研究 免责声明和披露以及分析师声明是报告的一部分,请务必一起阅读。10 科技 科技 投资机会投资机会#3:世界最后需要几家大模型公司?:世界最后需要几家大模型公司?我们认为是否拥有大模型将成为科技巨头科技平台企业的重要分水岭。我们认为是否拥有大模型将成为科技巨头科技平台企业的重要分水岭。目前 AI 行业呈现出“百模大战”的格局,我

35、们认为未来基础大模型可能呈现国内外各有数个赢家的寡头竞寡头竞争争格局。类比云计算领域,国外有 AWS(亚马逊)、Azure(微软)和 GCP(谷歌)三巨头,国内有 BAT 和华为,前期基础设施的巨大投入造成了云计算的寡头市场格局。与云计算类似,基础大模型需要耗费大量算力和数据标注成本,并且随着规模的增加,其训练费用将指数级增长。在高壁垒和地缘政治等原因下,未来基础大模型可能在国内外各自形成寡头竞争格局。AI 大模型是一个资本密集,人才密集和数据密集的产业,如何形成“数据大模型是一个资本密集,人才密集和数据密集的产业,如何形成“数据-模型模型-应用”的应用”的飞轮,是大模型企业成功的关键。飞轮,

36、是大模型企业成功的关键。具体而言,大模型的诞生以算力基础设施为根基,以算法为骨干,以高质量数据为血肉;大模型结合具体应用场景的落地产生应用;用户使用应用的过程中产生数据,数据又得以反哺模型。由此,从大模型的训练到应用落地产生闭环,我们认为“数据-模型-应用”的飞轮能否运转是大模型企业可持续发展和迭代的关键。图表图表7:形成“数据形成“数据-模型模型-应用”的飞轮,是大模型企业成功的关键应用”的飞轮,是大模型企业成功的关键 资料来源:华泰研究 MaaS 可能成为可能成为 AI 大模型时代新的商业模式。大模型时代新的商业模式。过去云计算架构主要分为 IaaS、PaaS、SaaS 三层,经过多年发展

37、,出现了像微软,MongoDB,Adobe 等一批代表性企业。未来,我们认为,MaaS(Model as a Service)可能成为 AI 大模型时代一种新的商业模式。如上所述,大模型具有固定成本高,通用性强等特点,MaaS 企业依托已经训练好的大模型,向 2B 客户提供包括 API 调用、模型训练、模型微调、模型部署服务等各类服务,数据,算法,算力将是 MaaS 企业的主要竞争壁垒。目前,国内,阿里,百度,商汤等都已经宣布提供类似服务。应用应用AI大模型飞轮模型模型+场景+GPU+用户 免责声明和披露以及分析师声明是报告的一部分,请务必一起阅读。11 科技 科技 图表图表8:大模型服务大模

38、型服务(Model as a Service)有望成为有望成为 AI 时代新业态时代新业态 资料来源:A16Z 官网,华泰研究 监管政策是规范监管政策是规范 AI 大模型健康发展的基础,关注国内政策落地进展。大模型健康发展的基础,关注国内政策落地进展。大模型由于涉及到大量个人和企业数据,生成内容中存在虚假信息等风险,是当前全球各国监管关注的重点。23 年 6 月,欧洲议会在全球率先通过人工智能法案,对 AI 模型提出了版权披露、保障隐私与非歧视等基本权利、风险分级监管等要求。23 年 4 月,国家网信办发布发布生成式人工智能服务管理办法(征求意见稿),明确要求,符合大模型生成的内容需要符合社会

39、主义核心价值观,并要求人工智能企业在提供服务前,向国家网信部门申报安全评估;并按照互联网信息服务算法推荐管理规定履行算法备案和变更,注销备案等手续。关注监管政策落地对行业发展的影响。投资机会投资机会#4:如何把握大模型应用的投资机会:如何把握大模型应用的投资机会 我们认为,长期来看 AI 2.0 最大的投资机会在应用。根据科大讯飞董事长刘庆峰的观点,通用人工智能应当具备文本生成、语言理解,知识问答、逻辑推理、数学、代码、多模态文本生成、语言理解,知识问答、逻辑推理、数学、代码、多模态等七大维度的能力。通过对 AI 在搜索、电商零售、办公、金融法律、影视游戏,医药、教育、汽车等行业应用前景的分析

40、,我们认为,AI 应用的落地节奏或与行业数字化程度成正比,我们看到 AI 大模型在互联网(搜索+广告营销)、办公、金融等领域率先迎来“iPhone 时刻”。其中最值得关注的应用包括:1)知识对话在电商、金融、医疗等行业替代传统客服;2)文本和图像生成在办公、广告营销、金融、影视游戏等领域成为下一代生产力工具;3)多模态能力拓宽人类探讨世界的范围,特别是在新药开发上的应用前景。免责声明和披露以及分析师声明是报告的一部分,请务必一起阅读。12 科技 科技 图表图表9:大语言模型如何赋能行业大语言模型如何赋能行业 资料来源:OpenBMB,华泰研究 AI+搜索:输入输出模态多样化,有望集成全新商业模

41、式,打开行业天花板。搜索:输入输出模态多样化,有望集成全新商业模式,打开行业天花板。传统的搜索行为往往需要经历长时间的判断过程和多轮的互动,而 AI 技术的加入,将从底层结构上改变搜索形态,以 GPT 为代表的大模型加持赋能搜索行业:1)创造性内容生产与输出,AI大模型可以利用大量实时文本数据学习语言的规律,并根据用户指示创造性地完成特定需求下各种类型的文本输出,如故事、诗歌、摘要、代码等。2)拓展搜索的多模态能力,利用 AI 技术处理视频、图片、语音等多种形式的信息,使搜索不再受限于信息的形态。AI+搜索的诞生便吸引了全球的注意力,内置 AI 聊天功能的 New Bing 搜索引擎在推出一个

42、月后日活跃用户已突破 1 亿,自 New Bing 推出以来,聊天功能使用次数累计超过 4500 万次。根据 Industry growth insight,2021 年全球搜索市场规模为 109.0 亿美元,预计2023 年达到 123.6 亿美元。同时 AI+搜索也催生出未来新的商业模式,例如微软目前内部正在探讨在生成回复的引用链接中放置订阅制和弹出式广告的可行性,有望进一步打开新的市场空间。AI+电商零售:定制化内容生成;个性化营销推广。电商零售:定制化内容生成;个性化营销推广。目前广告/营销行业存在单位推广成本高、转化率低的痛点,AI 能赋能行业生产力的提升,主要体现在:1)创新广告形

43、式,提升信息传递效率,形成强流量、高互动,提高广告营收;2)提高营销内容生产效率、推进个性化营销;3)有望推动营销服务商商业模式革新、毛利率提升。通过以上赋能,行业增长空间有望提升,盈利能力。目前海内外 AI+广告/营销应用百花齐放,例如,国外 Adspert利用 AI 将广告全自动化,优化亚马逊广告竞价投放,增加销售额,提升投产比;国内腾讯广告大模型赋能广告制作环节,同时助力提升广告主 15%GMV。AI+办公:生产力的又一次跃升;重塑内容生产、沟通、协作模式。办公:生产力的又一次跃升;重塑内容生产、沟通、协作模式。生成式 AI 当前在办公领域的应用主要包括改善生产力、沟通、协作工具等应用方

44、向。以 Microsoft 365 Copilot为例,Copilot 通过把 GPT-4 提供的内容生成功能,与存储在 Graph 数据库中的企业数据,以及 Word、Powerpoint、Excel、Outlook、Teams 等办公工具相结合,提供包括内容创作、数据分析、辅助决策等一系列新功能。生成式 AI 将传统的点式交互升级为自然语言的交互方式,能够实现更灵活的功能调度,进一步降低办公场景的沟通协作成本,提升工作效率。此外,生成式 AI 能够挖掘办公场景中的数据价值,提供知识管理等功能,进一步提升产品的价值空间。免责声明和披露以及分析师声明是报告的一部分,请务必一起阅读。13 科技

45、科技 AI+金融:广泛应用于银行、保险、资管、投顾等环节,助力金融机构降本增效。金融:广泛应用于银行、保险、资管、投顾等环节,助力金融机构降本增效。我们认为垂直行业的高价值量数据对于 AI 大模型的训练和垂直领域应用至关重要,金融行业数字化程度领先,拥有数据富矿,有望成为 AI 大模型率先落地的垂直领域之一。应用端,我们看到生成式和理解式大模型在银行、保险、资管、投研、投顾等多个细分领域正在落地或拥有潜在落地场景,帮助金融机构降本增效。过去,理解式大模型主要用于信息识别与挖掘,例如风险识别、客户识别等等。生成式 AI 的主要落地场景包括应用于各金融子行业的智能客服以及内容生成,例如投研领域的研

46、报生成、投顾领域的投资建议生成、保险/资管领域的合同模板生成等等。AI+游戏:游戏:AIGC 带来玩法体验端的创新升级,以及生产营销端的降本提效。带来玩法体验端的创新升级,以及生产营销端的降本提效。1)玩法体验端:目前看 AIGC 有望在 NPC 智能交互及玩法设计创新方面加速应用,AINPC 的不断成熟将改变游戏玩家与角色的交互方式,进一步提升游戏沉浸感;同时,AIGC 带来的 UGC 等玩法创新也有望带来全新的游戏类型,进一步提升游戏内容的丰富度及自由度。2)生产营销端:以 ChatGPT 等大语言模型为基础的文本类 Al 生成工具、StableDiffusion 及 Midiourney

47、等 Al 图像生成工具、Gen2 等 Al 视频生成工具等已在游戏行业各环节有所应用,同时英伟达、微软、Epic Games、Unity 等基于原有产品或服务纷纷推出 AIGC 功能。随工具化AIGC 产品和服务快速迭代,行业“卖铲人”将加速 AIGC 对行业赋能,带来进一步的降本提效空间。AI+教育:虚拟个性化辅导教学,提升教学质量同时降本增效。教育:虚拟个性化辅导教学,提升教学质量同时降本增效。传统教育具有人工成本高、内容同质化以及资源分配不均匀的弊病。基于多模态模型在文本、图像等领域取得重大突破,生成式 AI 技术有望协助构建智慧教育新生态。近期国内外多家公司发布 AI+教育产品,例如多

48、邻国在“Max 订阅方案”中推出两项基于 ChatGPT-4 设计的教辅功能、网易有道发布 AI 口语老师以及科大讯飞发布“1+N”星火认知大模型等。随着大模型的迭代升级,我们看好生成式 AI 应用于个性化辅导、AI 虚拟教师等领域,助力打造全新的低成本、个性化自适应教育模式,推动优质教育资源的规模化应用。同时建议关注 AI+教育带来的智慧校园、智能终端等硬件设备,以及相关 IT 基础设施、云服务等软件设施的投资机会。AI+医疗:拓宽人类对自然界的认知半径,探索科学边界。医疗:拓宽人类对自然界的认知半径,探索科学边界。医疗健康领域是人工智能率先落地的行业之一,也已经催生了 Nuance、IBM

49、 Watson 等一批全球知名企业。随着基于大模型的生成式 AI 的出现,我们看到 AI+医疗有望迎来一波新的发展机遇。我们看好生成式AI:1)应用于实时病例生成、医疗影响分析等领域,从而发挥提高问诊效率、降低数据分析的人工成本等作用;2)赋能药物发现源头创新,探索自动根据功能需求设计/优化蛋白质、给定抗原等目标蛋白生成抗体等,加速药物发现流程。AI+汽车:降低数据搜集、处理成本,优化驾驶体验,高级别智能驾驶落地可期。汽车:降低数据搜集、处理成本,优化驾驶体验,高级别智能驾驶落地可期。无人驾驶看上去很美,但一直很难落地。无人驾驶是最早被提出的人工智能应用场景之一,谷歌、苹果、特斯拉、百度等海内

50、外科技巨头从 2016 开始就积极布局,但直到现在仍很难实现大规模商用落地。我们认为,1)多维度数据的获取和标注成本高,2)对小概率事件的决策准确度和人类还存在较大差距,3)事故时法律权责归属不明确,是制约其发展的部分原因。我们认为,1)以 ChatGPT 和 SAM 为代表的 AI 大模型的引入,自动标注、虚拟仿真等技术的引入大幅降低模型中数据的采集和处理成本;2)感知、预测、执行全流程算法迭代,体验能力的提升有助于从行业整体层面加速高级别智能驾驶的量产落地。看好 AI大模型赋能之下,降低数据标注成本,提升感知预测执行全流程能力。免责声明和披露以及分析师声明是报告的一部分,请务必一起阅读。1

展开阅读全文
收益排行: 01、路***(¥15400+),
02、曲****(¥15300+),
03、wei****016(¥13200+),
04、大***流(¥12600+),
05、Fis****915(¥4200+),
06、h****i(¥4100+),
07、Q**(¥3400+),
08、自******点(¥2400+),
09、h*****x(¥1400+),
10、c****e(¥1100+),
11、be*****ha(¥800+),
12、13********8(¥800+)。
相似文档                                   自信AI助手自信AI助手
百度文库年卡

猜你喜欢                                   自信AI导航自信AI导航
搜索标签

当前位置:首页 > 行业资料 > 其他

移动网页_全站_页脚广告1

关于我们      便捷服务       自信AI       AI导航        获赠5币

©2010-2024 宁波自信网络信息技术有限公司  版权所有

客服电话:4008-655-100  投诉/维权电话:4009-655-100

gongan.png浙公网安备33021202000488号   

icp.png浙ICP备2021020529号-1  |  浙B2-20240490  

关注我们 :gzh.png    weibo.png    LOFTER.png 

客服