2023年ChatGPT專題報告 國內(nèi)外大廠加速布局AI大模型

2023年ChatGPT專題報告國內(nèi)外大廠加速布局AI大模型1、引言:國內(nèi)外大廠加速布局AI大模型，“科技?！痹诼飞献?022年11月底以來，美國初創(chuàng)公司OpenAI發(fā)布的人工智能對話聊天機器人軟件（模型）ChatGPT迅速在社交媒體上走紅，短短5天，注冊用戶數(shù)就超過100萬，并在2個月內(nèi)用戶突破1億，成為史上增長最快的消費類應(yīng)用。ChatGPT引發(fā)國內(nèi)外大廠爭相布局，海外方面微軟、谷歌、亞馬遜等大廠均采取投資或商用的方式與OpenAI保持緊密合作，國內(nèi)方面騰訊、科大訊飛、京東等公司先后宣布與ChatGPT結(jié)合上線的業(yè)務(wù)線，百度、阿里巴巴、昆侖萬維已發(fā)或籌備類ChatGPT產(chǎn)品。以ChatGPT為代表的AI大模型開啟新一輪生產(chǎn)力革新的科技浪潮，大模型展現(xiàn)出了理解人類語言的潛力，顛覆過去互聯(lián)網(wǎng)發(fā)展中的許多業(yè)態(tài)，并對實體經(jīng)濟和產(chǎn)業(yè)發(fā)展產(chǎn)生深遠的影響。以百度為代表的科技公司主導國內(nèi)AI基礎(chǔ)生態(tài)是大勢所趨。在這一生態(tài)下，一批基于大模型底座進行應(yīng)用開發(fā)的公司將在文字、圖像、音視頻生成、數(shù)字人、3D生成等領(lǐng)域大顯身手，“AI+”應(yīng)用端有望呈現(xiàn)百花齊放。ChatGPT也引發(fā)了TMT投資熱潮，年初至今，滬深300上漲5.8%，而TMT細分領(lǐng)域計算機、傳媒、通信、電子則分別大漲44%、39%、35%和19%，大幅跑贏市場。不僅是A股，美股和港股同樣是“科技?！毙星?，標普500年初以來上漲6.5%，而標普500通信設(shè)備和信息技術(shù)則分別上漲21%和19%，港股同樣如此，恒生指數(shù)今年上漲2.8%，電信服務(wù)和信息技術(shù)則分別上漲29%和18%。但即便經(jīng)過一輪上漲，當前TMT板塊整體估值仍不算高，從歷史PE\PB分位值看，除計算機板塊略高外，通信、電子、傳媒板塊當前估值仍處在過去10年的50%的分位區(qū)間內(nèi)。我們認為在AI浪潮下，估值提升或仍有空間。2、ChatGPT以及大語言模型(LLM)簡介2.1、大模型驅(qū)動人工智能新時代在過去半個世紀的人工智能研究中，學者和大眾往往認為，人工智能的工具性是人類進行研發(fā)的主要追求，通過解析式的對人類智能的分析和模仿，逐漸逼近人類智能是最合理的研發(fā)路徑。然而大語言模型，特別是ChatGPT等GPT模型，向我們展示了人工智能研究的不同維度，情感陪伴和產(chǎn)生創(chuàng)意成為了AI的新領(lǐng)域，極大算力和海量數(shù)據(jù)壓垮了線性的解析式的發(fā)展路徑，邏輯結(jié)構(gòu)從大量的參數(shù)中涌現(xiàn)出來。相比于傳統(tǒng)AI算法，大模型在參數(shù)規(guī)模上得到大幅提升，相應(yīng)的能力也突飛猛進，具備了從簡單的文本問答、文本創(chuàng)作，到符號式語言的生成甚至理解能力。以ChatGPT為例，大語言模型已經(jīng)可以執(zhí)行多種類型的語言任務(wù)，包括回答問題、生成文本、翻譯語言、文獻摘要和索引等等，借助大語言模型的輔助，部分其他類型的AI大模型也正在獲得快速發(fā)展的動力，形成人工智能內(nèi)容生成（AIGC，即AIGeneratedContent），已涉及二維圖像、音樂等領(lǐng)域。圍繞大語言模型的發(fā)展的競爭，還將在算力、服務(wù)器、通信等許多領(lǐng)域掀起新的技術(shù)革命，對算力基礎(chǔ)設(shè)施、光通訊、服務(wù)器、交換機、高速網(wǎng)絡(luò)等多個產(chǎn)業(yè)提出更高的要求。大語言模型將在醫(yī)療、金融、教育、傳媒等產(chǎn)業(yè)中較快的尋找到合適的應(yīng)用場景，加速產(chǎn)業(yè)變革，創(chuàng)造新的商業(yè)模式。過去20年互聯(lián)網(wǎng)和高科技企業(yè)的成功經(jīng)驗顯示，中國無比豐富的場景資源，推動了技術(shù)落地轉(zhuǎn)化。在大語言模型開發(fā)的過程中，技術(shù)型企業(yè)最終需要尋找合適的場景，在這方面先行的地區(qū)將更有可能成為未來集聚產(chǎn)業(yè)的優(yōu)勝者。2.2、AI大模型原理AI大模型是“大數(shù)據(jù)+大算力+強算法”結(jié)合的產(chǎn)物，凝聚了大數(shù)據(jù)內(nèi)在精華的“隱式知識庫”，希望邏輯結(jié)構(gòu)能夠自發(fā)地從模型的訓練過程中涌現(xiàn)。AI大模型包含了“預(yù)訓練”和“大模型”兩層含義，即模型在大規(guī)模數(shù)據(jù)集上完成了預(yù)訓練后形成特征和規(guī)則，無需或僅需要少量數(shù)據(jù)的微調(diào)，就能直接支撐各類應(yīng)用。目前，AI大模型主要在自然語言處理、計算機視覺、語音識別等領(lǐng)域得到廣泛應(yīng)用。相比于傳統(tǒng)AI算法，大模型在參數(shù)規(guī)模上得到大幅提升，參數(shù)一般達到千億甚至萬億規(guī)模。例如OpenAI的GPT系列，最開始的GPT-1擁有1.17億個參數(shù)，到GPT-3的參數(shù)已經(jīng)到達1,750億個，而相應(yīng)的能力也得到大幅提升，具備了從簡單的文本問答、文本創(chuàng)作，到符號式語言的生成甚至理解能力。傳統(tǒng)AI模型一般采用定制化、作坊式的模型開發(fā)方式。除了需要優(yōu)秀的產(chǎn)品經(jīng)理準確確定需求之外，還需要AI研發(fā)人員具備扎實的專業(yè)知識和協(xié)同合作能力完成大量復雜的工作。這就導致了模型無法復用和積累，使得AI落地的高門檻、高成本與低效率。而大模型在研發(fā)時就具備了更標準化的流程，它通過從海量的、多類型的場景數(shù)據(jù)中學習，并總結(jié)不同場景、不同業(yè)務(wù)下的通用能力，學習出一種特征和規(guī)則，成為具有泛化能力的模型底座。傳統(tǒng)AI模型訓練過程中，強調(diào)以分解任務(wù)、解決中間任務(wù)的工程化思維，大語言模型為代表的AI大模型第一次實現(xiàn)了直接指向最終任務(wù)，以預(yù)訓練的方式，將中間任務(wù)吸收為大量的參數(shù)，尋求直接解決問題的方法。大語言模型在谷歌提出Transformer框架和BERT模型之后，形成了完整的研發(fā)體系和路徑，并在2022年體現(xiàn)出遠超傳統(tǒng)AI模型的對自然語言的理解能力。以ChatGPT為例，大語言模型已經(jīng)可以執(zhí)行多種類型的語言任務(wù)，包括回答問題、生成文本、翻譯語言、文獻摘要和索引等等，借助大語言模型的輔助，部分其他類型的AI大模型也正在獲得快速發(fā)展的動力，形成人工智能內(nèi)容生成（AIGC，即AIGeneratedContent），已涉及二維圖像、音樂等領(lǐng)域。2.3、國內(nèi)外AI大模型近年來，優(yōu)秀的AI大模型層出不窮。2018年，Google提出BERT模型，掀起了預(yù)訓練模型的研究熱潮；2020年，OpenAI提出了全球首個千億級的GPT-3模型，將模型規(guī)模推向新的高度。憑借高水平的生成能力和開放的API服務(wù)，OpenAI又在該模型的基礎(chǔ)上不斷催生孵化出系列創(chuàng)新產(chǎn)品，包括2022年推出的現(xiàn)象級產(chǎn)品ChatGPT，推出不到40天日活用戶已突破千萬。2023年3月，OpenAI推出了最新發(fā)布的具備多模態(tài)的GPT-4模型，并集成到微軟辦公、郵件、瀏覽器等服務(wù)中。與此同時，國內(nèi)大模型研發(fā)正在奮力追趕。2021年，華為發(fā)布了首個中文千億級參數(shù)的盤古模型，進一步增強中文大模型研究影響力；中科院自動化所提出首個三模態(tài)的紫東太初模型，預(yù)示著AI大模型進一步走向通用場景；百度在2022年發(fā)布10個產(chǎn)業(yè)級知識增強的ERNIE模型，全面涵蓋基礎(chǔ)大模型、任務(wù)大模型、行業(yè)大模型。但在ChatGPT之前，AI大模型并未引起廣泛關(guān)注，更多的是處在前期研究中。ChatGPT的出現(xiàn)，讓國內(nèi)相關(guān)公司認識到大模型的潛力并開始大力投入。國內(nèi)互聯(lián)網(wǎng)巨頭基本都已建立起AI大模型，或制定了相應(yīng)的計劃。與國外企業(yè)大多專注于一個大模型不同，中國企業(yè)在大模型方面的布局通常推出一系列模型，如百度文心大模型包括NLP大模型、CV大模型、跨模態(tài)大模型以及生物計算大模型。與國外大模型在實驗室打磨成熟之外，中國大模型都是從產(chǎn)業(yè)端出發(fā)，場景落地實踐中建立起來的。如阿里、百度、騰訊的大模型都會應(yīng)用到廣告推送、社交平臺的圖片識別，內(nèi)容分發(fā)等領(lǐng)域。華為在2021年基于昇騰AI與鵬城實驗室聯(lián)合發(fā)布了鵬程盤古大模型，包括CV和NLP兩類大模型，首次實現(xiàn)千億級中文NLP模型。阿里在2022年9月發(fā)布的“通義”大模型系列，包含NLP大模型AlicMind、視覺大模型CV，多模態(tài)大模型M6，其中M6大模型是國內(nèi)首個千億參數(shù)多模態(tài)大模型。目前，阿里巴巴“通義”大模型系列已在超過200個場景中提供服務(wù)，實現(xiàn)了2%~10%的應(yīng)用效果提升。典型使用場景包括電商跨模態(tài)搜索、AI輔助設(shè)計、開放域人機對話、法律文書學習、醫(yī)療文本理解等。3、大語言模型的競爭從底層技術(shù)和基礎(chǔ)設(shè)施開始數(shù)據(jù)、算力與算法是人工智能時代的三大基石，三者相互促進帶動AI+應(yīng)用快速落地，大語言模型在豐富的場景中帶動AIGC類應(yīng)用全面發(fā)展，開啟了新一輪人工智能創(chuàng)新周期，將帶動算力、服務(wù)器、通信等多領(lǐng)域的發(fā)展。3.1、超大規(guī)模基礎(chǔ)模型訓練核心技術(shù)基礎(chǔ)模型具備通用性和性能方面優(yōu)勢，已成為AI能力底座。基于大規(guī)模數(shù)據(jù)集和大規(guī)模算力訓練的大型預(yù)訓練模型如BERT、GPT-3、DALL-E等，具備一定程度的通用性，被用作基礎(chǔ)模型(FoundationModels)。而超大規(guī)?；A(chǔ)模型訓練涉及到大模型算法、分布式訓練系統(tǒng)、計算、網(wǎng)絡(luò)、和高質(zhì)量數(shù)據(jù)集的相關(guān)工具等多種核心技術(shù)支撐，缺一不可。AI服務(wù)器需求增長已經(jīng)共識，與之配套的高性能、高可靠數(shù)據(jù)中心網(wǎng)絡(luò)也將相應(yīng)增加。3.2、ChatGPT帶動AI算力建設(shè)已成共識以ChatGPT為代表的自然語言處理類技術(shù)為AI產(chǎn)業(yè)注入新活力，有望帶動AIGC類應(yīng)用快速放量。AI大模型加速迭代或?qū)⒋蠓瓌铀懔π枨?。模型參?shù)逐年增長，訓練所需的算力水漲船高。例如海量參數(shù)模型GPT-3采用1,750億個參數(shù)，規(guī)模是GPT-2的117倍，在不經(jīng)過微調(diào)便可以識別數(shù)據(jù)中隱藏的含義。以GPT-3為例，1,750億個參數(shù)，45TB訓練語料，在一個28.5萬個CPU和1萬個GPU（V100）的集群中訓練，訓練175B的PPO-ptx模型需要60pflops/s-days，訓練GPT-3算力消耗約3,640pflops/s-days，ChatGPT按1,300萬/天訪問量，估算至少需要3萬多張A100GPU。據(jù)投資公司RadicalVentures預(yù)測，GPT-4或采用更大規(guī)模的數(shù)據(jù)集，可能在10萬億個token的數(shù)據(jù)集上進行訓練，同時它的參數(shù)有望比Megatron-Turing的要少。GPT-4是多模態(tài)的，支持文本、圖片、視頻等多種數(shù)據(jù)類型的輸入。意味著GPT4可以根據(jù)文本提示詞（prompt）生成圖像，或者是可以輸入視頻然后通過文本的形式回答問題。隨著類ChatGPT的持續(xù)推廣和技術(shù)演進，我們預(yù)計訓練、推理和提供訪問所需的算力將大幅增加。當前出于效率和性能的考慮，主流訓練GPU中英偉達的A100仍然是最佳選擇，推理場景里可以選用國產(chǎn)的昆侖芯等國產(chǎn)GPU。單臺服務(wù)器可以支持1-8塊不等的GPU，可以直接根據(jù)GPU的數(shù)量推算出所需的AI服務(wù)器臺數(shù)。3.3、AI芯片算力進入軍備競賽大模型帶動AI大算力芯片更高的要求。每一代GPT模型的參數(shù)量都快速增長：2019年2月發(fā)布的GPT-2參數(shù)量為15億，而2020年5月的GPT-3，參數(shù)量達到了1,750億。以ChatGPT為代表的大參數(shù)模型具有高度擴張的數(shù)據(jù)量和龐大的算力需求，對上游AI芯片算力提出了更高的要求。AI算力芯片主要包括GPU、FPGA、ASIC、NPU等，GPU由于具備并行計算能力，可兼容訓練和推理，高度適配AI模型構(gòu)建，目前被廣泛應(yīng)用于加速芯片。當前用于AI模型訓練與推理的主流高算力芯片主要有英偉達的A100/H100等。其中A100算力達624TOPS，H100算力達1,513TOPS。A100與H100芯片出口均受限，國內(nèi)AI產(chǎn)業(yè)發(fā)展將面臨算力芯片采購、生產(chǎn)的重重阻礙。國內(nèi)算力芯片是近兩年投資熱點。2020年，國內(nèi)AI芯片行業(yè)投融資金額同比增長了52.8%，2021年1月至4月的投融資事件和金額均已超過去年全年，資本對國內(nèi)半導體、集成電路領(lǐng)域投資高漲。從熱門領(lǐng)域來看，人工智能領(lǐng)域是2020年資本青睞度較高的細分賽道之一。2020年資本投資的主要是相對成熟且已獲得1-2輪甚至2輪以上融資的AI芯片企業(yè)。3.4、Chiplet：助力AI芯片發(fā)展Chiplet帶來全新產(chǎn)業(yè)機遇。后摩爾時代，通過提升芯片制程來提高芯片性能的難度越來越高，先進封裝發(fā)揮的作用將愈加突出，Chiplet技術(shù)應(yīng)運而生。Chiplet意為芯粒，通過將系統(tǒng)級芯片SoC按照不同功能拆分為不同大小和性能的小芯片。不同的模塊，比如CPU、存儲器、模擬接口等，可以采用不同的工藝分別進行生產(chǎn)。因此，Chiplet模式具有開發(fā)周期短、設(shè)計靈活性強、設(shè)計成本低等特點。2022年12月，中國工信部中國電子工業(yè)標準化技術(shù)協(xié)會審定并發(fā)布了《小芯片接口總線技術(shù)要求》，中國迎來了首個原生Chiplet技術(shù)標準。Chiplet技術(shù)的推廣為晶圓制造、封裝、測試、封裝設(shè)備、封裝材料均帶來新的需求，有望帶來全產(chǎn)業(yè)鏈的成長機遇。Chiplet市場規(guī)模2035年有望達到570億美元。根據(jù)Omdia的數(shù)據(jù)，Chiplet的市場規(guī)模在2018年僅有6.45億美元，2024年預(yù)計可以達到58億美元，2018~2024年復合增速約為44%；同時Omdia預(yù)計Chiplet市場規(guī)模在2035年有望達到570億美元，2024~2035年復合增速約為23%。3.5、ChatGPT典型網(wǎng)絡(luò)平臺NVIDIA為ChatGPT等基于大模型的提供可以支持大型HPCAI集群組網(wǎng)需求的NVIDAQuantum2InfiniBandPlatform：包括智能網(wǎng)卡、DPU、交換機、800G光模塊、高速連接器DAC、AOC等。一個包含8,000塊A100GPU的高性能計算集群需要相當數(shù)量光通信器件：包括8,000只800G高端光模塊，4,000只400G一分二AOC線纜。光通信器件價值量高達9,600萬美元。AI算力的需求增長會持續(xù)拉動高端光通信器件需求增長。3.6、AI服務(wù)器需求顯著提升目前全球算力需求增長正進入高增階段，而人工智能等新科技應(yīng)用的突破，離不開強大算力支持。AI等應(yīng)用直接推升服務(wù)器GPU的使用量，進而提高了服務(wù)器價格。全球GPU頭部企業(yè)英偉達的數(shù)據(jù)中心業(yè)務(wù)收入的情況可以看出，相關(guān)GPU的收入逐年提升。當前因ChatGPT所驅(qū)動的人工智能浪潮席卷而來，將對AI服務(wù)器需求進一步擴大。3.7、AI應(yīng)用有望加速到200G/400G網(wǎng)絡(luò)部署為提升模型訓練效率，模型訓練所需的大量的GPU服務(wù)器節(jié)點間需要高速網(wǎng)絡(luò)來實現(xiàn)模型訓練參數(shù)交換和存取。構(gòu)建智算資源池的參數(shù)交換&梯度傳播網(wǎng)、樣本接入網(wǎng)，這兩部分都需要使能RoCE，打造低延時無丟包高性能網(wǎng)絡(luò)，從而保障AI集群的高效率。在當前主流的智算資源池的網(wǎng)絡(luò)設(shè)計中：通過100/200Gbps以上的RDMA網(wǎng)絡(luò)，實現(xiàn)訓練任務(wù)的GPU間高速網(wǎng)絡(luò)互通或?qū)⒊蔀榛镜木W(wǎng)絡(luò)需求。3.8、AI拉動全球交換機市場根據(jù)IDC《全球季度以太網(wǎng)交換機跟蹤數(shù)據(jù)》顯示，2021年全球交換機市場空間約為307億美元。2022年第三季度，全球以太網(wǎng)交換機市場收入達到100億美元，同比增長23.9%，與2021年前三季度相比，2022年前三季度市場收入同比增長率為17.4%，增速與去年同期提升明顯。4、大語言模型的應(yīng)用與場景建設(shè)4.1、大模型在應(yīng)用端加速落地AI技術(shù)的顯性化有望推動移動互聯(lián)網(wǎng)行業(yè)的供給側(cè)改革，催生新一輪產(chǎn)業(yè)升級。AI大模型具有廣泛的應(yīng)用空間，隨著技術(shù)的優(yōu)化迭代，應(yīng)用將加速落地。在自然語言處理領(lǐng)域，大語言模型可以準確、快速、便捷的理解人類意圖，處理更加復雜的問題，如智能問答、文本摘要、機器翻譯、情感分析、內(nèi)容生成等。目前，ChatGPT等預(yù)訓練大模型有望在醫(yī)療、金融、教育和營銷等細分領(lǐng)域?qū)崿F(xiàn)精準賦能，為企業(yè)降本增效。其具體表現(xiàn)為：1）推升生產(chǎn)力邊界：大語言模型有望賦能文本、圖片、視頻、音頻等多種內(nèi)容形式的生產(chǎn)制作，在降低人力成本的同時，提升內(nèi)容生產(chǎn)效率和質(zhì)量。2）引領(lǐng)交互方式變革：大語言模型的廣泛應(yīng)用，背后是人機交互方式從PC圖形界面、iPhone多點觸屏到自然語言交互的變革，有望大幅提升內(nèi)容生產(chǎn)和用戶匹配效率，進而推動行業(yè)整體的轉(zhuǎn)型升級。過去20年中國互聯(lián)網(wǎng)和高科技企業(yè)的發(fā)展經(jīng)驗中，我國無比豐富的場景資源，在推動技術(shù)落地轉(zhuǎn)化為應(yīng)用方面展示出無可比擬的優(yōu)勢，積累了豐富而成熟的經(jīng)驗。在大語言模型開發(fā)的過程中，技術(shù)型企業(yè)最終需要尋找合適的場景，在這方面先行的地區(qū)將更有可能成為未來集聚產(chǎn)業(yè)的優(yōu)勝者。大語言模型將在醫(yī)療、金融、教育、傳媒等產(chǎn)業(yè)中較快的尋找到合適的應(yīng)用場景，加速產(chǎn)業(yè)變革，創(chuàng)造新的商業(yè)模式。4.2、AI醫(yī)療領(lǐng)域發(fā)展空間廣闊人工智能+醫(yī)療與生命科學（簡稱AI醫(yī)療），是指以人工智能為核心干預(yù)技術(shù)手段介入傳統(tǒng)的院內(nèi)外醫(yī)療環(huán)節(jié)，從而產(chǎn)生相應(yīng)軟硬件產(chǎn)品的新型醫(yī)療應(yīng)用技術(shù)。近年來，隨著人工智能技術(shù)的加速成熟，其在醫(yī)療健康領(lǐng)域的應(yīng)用場景不斷豐富，為疾病檢測、診斷及治療模式帶來深刻變革，為提升居民健康質(zhì)量提供新方式。隨著數(shù)據(jù)互聯(lián)互通建設(shè)的逐步完善以及認知智能技術(shù)的逐步成熟，我國AI醫(yī)療市場呈現(xiàn)高速增長態(tài)勢。根據(jù)數(shù)據(jù)顯示，2020年我國AI醫(yī)療市場規(guī)模約為66.25億元，預(yù)計2020~2025年CAGR為39.4%。從國內(nèi)AI醫(yī)療行業(yè)下游需求分布看，目前AI醫(yī)療在輔助側(cè)及數(shù)據(jù)側(cè)應(yīng)用廣泛，其中CDSS（臨床決策支持系統(tǒng)）占比最高，為29.8%。未來AI醫(yī)療應(yīng)用將更注重實用側(cè)，包括AI醫(yī)療影像、AI制藥等。臨床決策支持（Clinicaldecisionsupportsystem，CDSS）是一個基于人機交互的醫(yī)療信息技術(shù)應(yīng)用系統(tǒng)，是人工智能理論在醫(yī)療領(lǐng)域的重要實踐。與傳統(tǒng)的將臨床指南、藥品使用說明等信息錄入知識庫中供醫(yī)生查詢不同，它能夠運用相關(guān)的、系統(tǒng)的臨床醫(yī)學知識庫，并結(jié)合患者病歷信息，經(jīng)過人工智能的優(yōu)化處理得到最佳實踐庫，并以此為根據(jù)輔助支持醫(yī)生的臨床診斷與治療決策，加強醫(yī)療決策的科學性。AI醫(yī)學影像利用計算機視覺技術(shù)快速識別醫(yī)學影像，實現(xiàn)智能診斷和病灶識別等多種醫(yī)學影像需求，從而使得醫(yī)學影像采集和輸出更加精準高效。主要包括對醫(yī)學圖像進行分割、三維重建和對影像圖片識別、提出智能診斷方案。傳統(tǒng)的醫(yī)學圖像分割和三維重建通常依賴于人工操作，大量醫(yī)學影像數(shù)據(jù)的判讀由放射科醫(yī)師主導完成，需依賴醫(yī)師的經(jīng)驗和主觀判斷，加上醫(yī)師的視覺疲勞、腦力疲勞和影像數(shù)據(jù)中存在大量肉眼無法分辨的信息等不利因素疊加，導致誤診率和漏診率始終未能得到明顯改善。為了提高分割效率并降低主觀偏差，人工智能技術(shù)能夠幫助醫(yī)生更好地完成圖像分割任務(wù)，釋放醫(yī)生的精力。以某個國內(nèi)獲批產(chǎn)品為例，在人工智能輔助下，肺結(jié)節(jié)的檢測靈敏度比無輔助下的檢測表現(xiàn)提升超過40%，閱片時間縮短近15%。深度學習算法在識別相互變異較小、邊界較清晰的組織結(jié)構(gòu)具有一定優(yōu)勢，而對于變異較大的結(jié)構(gòu)如小腸、靜脈，則不太適合采用該方法。因為目前深度學習算法大多屬于監(jiān)督學習，需要醫(yī)生的精準標注進行訓練，而標注這些變異將大幅增加醫(yī)生的工作量。因而，對于肉眼難以準確識別的結(jié)構(gòu)，人工智能算法效果也會欠佳。同時，由于目前AI算法水平尚未十分完善，仍有可能發(fā)生識別錯誤導致臨床誤診、漏診等問題，因此最終仍需醫(yī)學專家進行終審。4.3、AI技術(shù)在金融產(chǎn)業(yè)有豐富的應(yīng)用場景AI在金融領(lǐng)域的發(fā)展具有較大的潛力，可以幫助金融機構(gòu)提高運營效率，降低成本，提高客戶滿意度。通過AI技術(shù)，金融機構(gòu)可以更快、更準確地識別市場趨勢，更好地理解客戶需求，更有效地管理風險和資產(chǎn)。AI的核心技術(shù)之一——機器學習，可以通過分析海量數(shù)據(jù)，自動發(fā)現(xiàn)數(shù)據(jù)中的規(guī)律和趨勢，并預(yù)測未來的發(fā)展趨勢。這對于金融機構(gòu)而言，無疑是一項非常有價值的技術(shù)。通過對客戶數(shù)據(jù)、市場數(shù)據(jù)等進行機器學習，金融機構(gòu)可以更好地了解客戶需求，精準推薦產(chǎn)品，提升客戶滿意度。大語言模型可以用于客戶服務(wù)，回答客戶的問題、提供賬戶信息和其他服務(wù)，包括產(chǎn)品信息、故障排除和支持。多種AI模型可以幫助金融機構(gòu)優(yōu)化風險管理。利用機器學習算法，可以對金融市場進行深度分析，預(yù)測市場波動，從而減少風險。同時，通過對客戶數(shù)據(jù)進行分析，可以更好地了解客戶的風險承受能力，進而為客戶提供更為合適的金融產(chǎn)品和服務(wù)。4.4、AI驅(qū)動下的教育變革在教育領(lǐng)域，AI大模型可助力智能教培，實現(xiàn)面向?qū)W生的個性化培養(yǎng)，同時也可以提高教師的教學效果。個性化學習；AI大模型可以根據(jù)學生的學習情況和興趣，提供個性化的學習建議和資源。這可以幫助學生更快地掌握知識，并提高學習效果。智能輔導：AI大模型可以為學生提供在線輔導和答疑服務(wù)，幫助學生更好地理解和應(yīng)用所學的知識，提高教育機構(gòu)的運營效率。傳統(tǒng)課堂教育具有明顯的缺陷——課堂以老師為中心，而并非以學生為中心，難以兼顧學生個性化的情感和認知上的需求。而一旦基于AI大模型對這種教育關(guān)系進行重塑，基于AI大模型的教育機器人扮演一名導師和陪伴者，針對不同年齡階段、不同性格的學生進行個性化教學，則可以彌合資源欠缺導致的問題。智能評估：AI大模型可以通過分析學生的學習數(shù)據(jù)和表現(xiàn)，提供準確的評估和反饋。這可以幫助學生更好地了解自己的學習情況，并提高學習動力。AI大模型給教育帶來的新的機遇，但也帶來新的挑戰(zhàn)以及潛在風險，一些國家和地區(qū)已采取了不同的應(yīng)對策略。4.5、AI賦能傳媒行業(yè)人工智能技術(shù)在游戲、影視、電商、營銷、版權(quán)平臺等多個領(lǐng)域推動產(chǎn)業(yè)發(fā)展。AI+游戲：1）在游戲策劃、美術(shù)、測試等研發(fā)環(huán)節(jié)，以及買量素材制作、提升投放精準性等發(fā)行環(huán)節(jié)降本增效；2）推動NPC自由對話等玩法創(chuàng)新。AI+影視：1）在前期劇本打磨、創(chuàng)意設(shè)計、視覺特效制作，以及后期內(nèi)容宣發(fā)等環(huán)節(jié)實現(xiàn)降本增效；2）降低制作門檻，孵化去中心化的內(nèi)容生態(tài)。AI+電商：1）降低客服、營銷推廣等成本；2）優(yōu)化電商搜索結(jié)果，提升用戶需求匹配度，海外電商平臺shopify已接入ChatGPT。AI+版權(quán)平臺：1）優(yōu)化平臺搜索結(jié)果，提升用戶體驗；2）豐富的圖片/文本/視頻/音頻資源是AI大模型訓練的基礎(chǔ)，而這正是版權(quán)平臺的優(yōu)勢所在。AI+營銷1）降低創(chuàng)意方案、推廣素材制作成本；2）千人千面的效果提升流量分配效率，新的交互方式推升Adload，更高的用戶匹配度推升eCPM。AI大模型具有良好的語言理解能力，在廣告投放、智能推薦系統(tǒng)等方面有廣泛的應(yīng)用場景，可以結(jié)合商務(wù)營銷為客戶提供定制化服務(wù)。在營銷場景的智能廣告投放中，可根據(jù)用戶的需求和偏好生成個性化的廣告創(chuàng)意，分析用戶的歷史行為、興趣愛好和其他數(shù)據(jù)，以幫助廣告主更精準地投放廣告，以及分析廣告的點擊率、轉(zhuǎn)化率和其他數(shù)據(jù)，以幫助廣告主評估廣告效果。4.6、展望：從人機交互方式的變革到社會范式的進化隨著大語言模型的降臨，前沿學者和專家開始討論，AGI（通用人工智能）將可能成為移動互聯(lián)網(wǎng)的下一形態(tài)“元宇宙”的基座。從社會角度，AGI或?qū)⒁缘谒拇喂I(yè)革命的形式推動社會范式的進化。人機交互方式的變革定義了互聯(lián)網(wǎng)范式的變革。復盤TMT行業(yè)的發(fā)展歷程可以看到，每一次交互方式的升級都會帶來使用效率的提升。通過復盤初代消費級智能硬件——個人電腦到如今智能手機的演化路徑，我們發(fā)現(xiàn)人機交互的演化趨勢可概括為高自由度和高效率。第一階段：直接的物理交互。PC（個人電腦）發(fā)明之初，用戶只能通過鍵盤（物理按鍵組合），輸入命令行對電腦做出指令。此時，電腦的使用場景仍以實驗室和學術(shù)界為主，人機交互方式學習門檻較高、效率也較低。第二階段：個人電腦和圖形界面的引入。上世紀70年代，施樂（Xerox）開始支持繪制圖形界面（GUI），用戶可以使用鼠標直接與圖形元素進行交互；并提出了“桌面比喻”：將電腦空間想象成一個桌面，而應(yīng)用軟件是桌面上擺放的工具，電子文檔則是存放在文件夾里的紙。圖形界面是人機交互歷史上一次重要革命，幫助了非專業(yè)用戶生動形象地理解計算機中的抽象概念，并在操作層面初步實現(xiàn)“所見即所得”?；谑返膭?chuàng)新，蘋果于1984年設(shè)計