2023年中國AIGC市場(chǎng)研究分析報(bào)告：ChatGPT技術(shù)演進(jìn)、變革風(fēng)向、投資機(jī)會(huì)分析

Part

01

人工智能的概念與界定Part

02

人工智能的技術(shù)演進(jìn)與趨勢(shì)Part

03

ChatGPT帶來的變革趨勢(shì)Part

04

AIGC風(fēng)口下的投資機(jī)會(huì)P02P06P26P41目

錄現(xiàn)在一說起人工智能的起源，公認(rèn)是1956年的達(dá)特茅斯會(huì)議。殊不知還有個(gè)前戲，1955年，美國西部計(jì)算機(jī)聯(lián)合大會(huì)（Western

Joint

Computer

Conference）在洛杉磯召開，會(huì)中還套了個(gè)小會(huì)：學(xué)習(xí)機(jī)討論會(huì)（Session

on

LearningMachine）。討論會(huì)的參加者中有兩個(gè)人參加了第二年的達(dá)特茅斯會(huì)議，他們是塞弗里奇（Oliver

Selfridge）和紐厄爾（Allen

Newell）。塞弗里奇發(fā)表了一篇模式識(shí)別的文章，而紐厄爾則探討了計(jì)算機(jī)下棋，他們分別代表兩派觀點(diǎn)。討論會(huì)的主持人是神經(jīng)網(wǎng)絡(luò)的鼻祖之一皮茨（Walter

Pitts），他最后總結(jié)時(shí)說：“（一派人）企圖模擬神經(jīng)系統(tǒng)，而紐厄爾則企圖模擬心智（mind）……但殊途同歸。”這預(yù)示了人工智能隨后幾十年關(guān)于“結(jié)構(gòu)與功能”兩個(gè)階級(jí)、兩條路線的斗爭(zhēng)?！峥恕度斯ぶ悄芎?jiǎn)史》曾經(jīng)，建制派被看作“唯一的主導(dǎo)力量”，“邏輯驅(qū)動(dòng)”的人工智能曾主宰數(shù)十年。彼時(shí)，人們相信依據(jù)邏輯的程序是簡(jiǎn)單的，為了抵達(dá)智能，科學(xué)家們?yōu)槊總€(gè)不同問題編寫不同程序，紛紛變成“勞動(dòng)密集型”工種。但人們低估了現(xiàn)實(shí)世界的復(fù)雜度，問題越大，程序越復(fù)雜，逐漸錯(cuò)誤百出、頻頻崩潰，使這條路進(jìn)展緩慢；另一派“野路子”便是深度學(xué)習(xí)。作為跨學(xué)科產(chǎn)物，深度學(xué)習(xí)不追求解釋和邏輯，以神經(jīng)網(wǎng)絡(luò)開啟了“暴力美學(xué)”大門——計(jì)算機(jī)從數(shù)據(jù)中學(xué)習(xí)、進(jìn)化，讓人工智能變成“數(shù)據(jù)密集型”學(xué)科，最終從應(yīng)用表現(xiàn)中大幅勝出，主宰當(dāng)今人工智能世界?！都仔〗銓?duì)話特倫斯：進(jìn)化比你聰明》1.1

人工智能源起三大學(xué)派：路線相愛相殺，理念相輔相成，一斗六十年符號(hào)主義（Symbolism

）聯(lián)結(jié)主義（Connectionism）行為主義（Actionism）??又稱：邏輯主義、心理學(xué)派或計(jì)算機(jī)學(xué)派。原理：物理符號(hào)系統(tǒng)

(即符號(hào)操作系統(tǒng))

假設(shè)和有限合理性原理。??又稱：仿生學(xué)派或生理學(xué)派。????又稱：進(jìn)化主義或控制論學(xué)派。原理：神經(jīng)網(wǎng)絡(luò)及神經(jīng)網(wǎng)絡(luò)間的連接機(jī)制與學(xué)習(xí)算法。原理：控制論及感知—?jiǎng)幼餍涂刂葡到y(tǒng)。起源：源于控制論。???起源：源于數(shù)理邏輯/邏輯推理。??起源：源于仿生學(xué)，特別是人腦模型的研究。學(xué)派代表：麥克洛奇、皮茨、

霍普菲爾德、魯梅爾哈特等。學(xué)派代表作：布魯克斯的六足行走機(jī)器人，一個(gè)基于感知-動(dòng)作模式的模擬昆蟲行為的控制系統(tǒng)。主張：從還原論的立場(chǎng)出發(fā)放棄對(duì)意識(shí)的研究，專注于人和動(dòng)物等有機(jī)體行為的研究。學(xué)派代表：紐厄爾、西蒙和尼爾遜等。主張：將符號(hào)作為人工智能的基本元素，人工智能的運(yùn)行建立在由符號(hào)構(gòu)成的數(shù)理邏輯之上。??主張：試圖使機(jī)器模擬大腦，通過建立一個(gè)類似于人腦中神經(jīng)元的模擬節(jié)點(diǎn)網(wǎng)絡(luò)來處理信號(hào)。1.2

人工智能的六大學(xué)科人工智能主要包括六大學(xué)科，當(dāng)下業(yè)界討論往往聚焦機(jī)器學(xué)習(xí)這一學(xué)科p

機(jī)器學(xué)習(xí)之所以如此火爆，是因?yàn)樗且环N可以讓計(jì)算機(jī)自動(dòng)學(xué)習(xí)和改進(jìn)的技術(shù)。p

與傳統(tǒng)的程序設(shè)計(jì)方法不同，機(jī)器學(xué)習(xí)允許計(jì)算機(jī)從數(shù)據(jù)中學(xué)習(xí)規(guī)律和模式，并在未知數(shù)據(jù)上進(jìn)行預(yù)測(cè)和決策。這使得機(jī)器學(xué)習(xí)在各種領(lǐng)域都具有廣泛應(yīng)用前景，包括自然語言處理、計(jì)算機(jī)視覺、機(jī)器人技術(shù)、金融、醫(yī)療、電子商務(wù)等等。機(jī)器學(xué)習(xí)火熱背后的原因：自然語言理解與交流計(jì)算機(jī)視覺認(rèn)知與推理機(jī)器人學(xué)博弈與倫理機(jī)器學(xué)習(xí)?數(shù)據(jù)量的爆炸式增長(zhǎng)：隨著數(shù)字化時(shí)代的到來，人類生產(chǎn)的數(shù)據(jù)量正在呈指數(shù)級(jí)增長(zhǎng)，這些數(shù)據(jù)中蘊(yùn)含著很多寶貴的信息，而機(jī)器學(xué)習(xí)可以通過對(duì)這些數(shù)據(jù)的分析和學(xué)習(xí)，發(fā)現(xiàn)其中的規(guī)律和模式，并將其應(yīng)用于各種領(lǐng)域。暫且把模式識(shí)別、圖像處理等問題歸入其中暫且把語音識(shí)別、合成歸入其中，包括對(duì)話包含各種物理和社會(huì)常識(shí)機(jī)械、控制、設(shè)計(jì)、運(yùn)動(dòng)規(guī)劃、任務(wù)規(guī)劃等多代理人agents的交互、對(duì)抗與合作，機(jī)器人與社會(huì)融合等議題各種統(tǒng)計(jì)的建模、分析工具和計(jì)算的方法???計(jì)算能力的提高：隨著計(jì)算機(jī)硬件和軟件技術(shù)的不斷發(fā)展，計(jì)算能力越來越強(qiáng)，能夠處理大規(guī)模的數(shù)據(jù)和復(fù)雜的算法，這使得機(jī)器學(xué)習(xí)變得更加高效和實(shí)用。感知、認(rèn)知、決策感知、認(rèn)知、決策、學(xué)習(xí)、執(zhí)行認(rèn)知、決策感知、認(rèn)知、決策、學(xué)習(xí)、執(zhí)行和社會(huì)協(xié)作能力人類情感、倫理與道德觀念感知、認(rèn)知、決策、學(xué)習(xí)、執(zhí)行和社會(huì)協(xié)作能力開源框架的出現(xiàn)：出現(xiàn)了許多優(yōu)秀的機(jī)器學(xué)習(xí)框架，如TensorFlow、PyTorch等，它們不僅提供了豐富的工具和算法，而且是免費(fèi)開源的，使得機(jī)器學(xué)習(xí)技術(shù)更加普及和易用。商業(yè)應(yīng)用的需求：機(jī)器學(xué)習(xí)技術(shù)在商業(yè)應(yīng)用中也有廣泛的應(yīng)用，如推薦系統(tǒng)、廣告投放、欺詐檢測(cè)等等，這些應(yīng)用在商業(yè)領(lǐng)域中起著至關(guān)重要的作用，推動(dòng)了機(jī)器學(xué)習(xí)技術(shù)的快速發(fā)展。六大學(xué)科是七種能力的排列組合：①感知、②認(rèn)知、③決策、④學(xué)習(xí)、⑤執(zhí)行、⑥社會(huì)協(xié)作能力（人機(jī)交互），⑦符合人類情感、倫理與道德觀念1.3

人工智能的七種能力AI七大關(guān)鍵能力在進(jìn)化中逐步擴(kuò)展累積，逐步“解放大腦”p

人工智能的出現(xiàn)，意味著具有自主的感知、認(rèn)知、決策、學(xué)習(xí)、執(zhí)行、社會(huì)協(xié)作能力，符合人類情感、倫理與道德觀念的智能機(jī)器逐步浮現(xiàn)，成為幫助人類提高生產(chǎn)能力和效率的新型工具。p

與人類幾千年來創(chuàng)造出來的各種“解放四肢”的工具和機(jī)器不同，其是一類逐步“解放大腦”的工具。圖：不同時(shí)期AI側(cè)重能力進(jìn)化路線七大能力之間存在階段性側(cè)重和先后關(guān)系，但同時(shí)也是相互關(guān)聯(lián)、相互作用的，不斷地相互影響和改進(jìn)。AI能力???感知是智能機(jī)器獲取外界信息的基礎(chǔ)。智能機(jī)器需要通過傳感器、攝像頭等設(shè)備收集、處理、分析環(huán)境中的信息，以便更好地理解周圍的環(huán)境和物體。情感倫理+情感？社會(huì)協(xié)作當(dāng)下+認(rèn)知和決策能力是智能機(jī)器進(jìn)行智能處理和決策的基礎(chǔ)。通過分析、理解和推理數(shù)據(jù)和信息，智能機(jī)器可以更好地判斷和決策，以便更好地執(zhí)行任務(wù)。社會(huì)協(xié)作（交互）執(zhí)行學(xué)習(xí)決策+執(zhí)行學(xué)習(xí)能力是智能機(jī)器不斷優(yōu)化和改進(jìn)的基礎(chǔ)。通過不斷地從數(shù)據(jù)和經(jīng)驗(yàn)中學(xué)習(xí)，智能機(jī)器可以自我改進(jìn)和適應(yīng)，更好地適應(yīng)不同的環(huán)境和任務(wù)。+認(rèn)知+學(xué)習(xí)決策??執(zhí)行能力是智能機(jī)器實(shí)現(xiàn)任務(wù)的基礎(chǔ)。智能機(jī)器通過控制執(zhí)行機(jī)器人等設(shè)備完成任務(wù)。認(rèn)知感知社會(huì)協(xié)作能力是智能機(jī)器與人類和其他機(jī)器進(jìn)行合作的基礎(chǔ)。智能機(jī)器需要通過自然語言處理和其他技術(shù)，與人類進(jìn)行交互和合作，以便更好地實(shí)現(xiàn)任務(wù)。+感知時(shí)間1956197419801987199520132020202120222023

2025備注：此處的認(rèn)知屬于狹義的認(rèn)知，更偏向于判斷和推理。Part

01

人工智能的概念與界定Part

02

人工智能的技術(shù)演進(jìn)與趨勢(shì)Part

03

ChatGPT帶來的變革趨勢(shì)Part

04

AIGC風(fēng)口下的投資機(jī)會(huì)P02P06P26P41目

錄2.1

AI技術(shù)的演進(jìn)歷程AI技術(shù)演進(jìn)已經(jīng)歷四個(gè)階段，如今正向全AI能力覆蓋方面演進(jìn)p

人工智能從出現(xiàn)到現(xiàn)在已經(jīng)歷四個(gè)階段，第一個(gè)階段的AI是以邏輯推理為主，AI能力以聚焦決策和認(rèn)知為主；第二個(gè)階段的AI則是注重以概率統(tǒng)計(jì)的建模、學(xué)習(xí)和計(jì)算為主，AI能力開始聚焦感知、認(rèn)知和決策；第三個(gè)階段的AI聚焦學(xué)習(xí)環(huán)節(jié)，注重大模型的建設(shè)，AI能力覆蓋學(xué)習(xí)和執(zhí)行；第四個(gè)階段則聚焦執(zhí)行與社會(huì)協(xié)作環(huán)節(jié)，開始注重人機(jī)交互協(xié)作，注重人類對(duì)人工智能的反饋訓(xùn)練，當(dāng)下正處于此階段。p

短期的未來，AI會(huì)攜帶多種能力走向千行百業(yè)；長(zhǎng)期的未來，仍有很多待解問題，比如：是否會(huì)產(chǎn)生情感？圖：AI能力進(jìn)化路線下的技術(shù)演進(jìn)路徑AI能力以概率統(tǒng)計(jì)的建模、學(xué)習(xí)和計(jì)算為主，聚焦感知、認(rèn)知、決策聚焦學(xué)習(xí)環(huán)節(jié)，大模型聚焦執(zhí)行與社會(huì)協(xié)作環(huán)節(jié)邏輯推理為主，聚焦決策、認(rèn)知能力產(chǎn)生情感？情感倫理？社會(huì)協(xié)作ChatGPT執(zhí)行學(xué)習(xí)決策GPT3Transformer分解為五大學(xué)科深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)機(jī)器學(xué)習(xí)邏輯推理認(rèn)知感知時(shí)間195619741980198719952013202020212022202320252.2

AI技術(shù)宏觀演進(jìn)趨勢(shì)：合久必分、分久必合從到分科再到歸一，呈現(xiàn)多模態(tài)多學(xué)科融合歸一趨勢(shì)p

縱觀人工智能技術(shù)發(fā)展的70年歷程，AI技術(shù)宏觀趨勢(shì)呈現(xiàn)出由唯一走向分化，然后再走向歸一的趨勢(shì)。p

在人工智能發(fā)展的前30年，人工智能技術(shù)是出于一個(gè)

狀態(tài)，并未形成完整的學(xué)科和研究領(lǐng)域，從80年代末開始逐步分化形成五大研究領(lǐng)域，但隨著技術(shù)的發(fā)展，從2013年開始各大學(xué)科又開始逐步融合，未來將實(shí)現(xiàn)多模態(tài)融合和多學(xué)科融合歸一的趨勢(shì)。圖：AI能力進(jìn)化路線下的技術(shù)演進(jìn)路徑AI能力分化為五大學(xué)科五大學(xué)科歸一狀態(tài)情感倫理？社會(huì)協(xié)作ChatGPT執(zhí)行學(xué)習(xí)決策機(jī)器人學(xué)機(jī)器學(xué)習(xí)GPT3Transformer深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)機(jī)器學(xué)習(xí)邏輯推理認(rèn)知科學(xué)認(rèn)知感知自然語言理解計(jì)算機(jī)視覺時(shí)間195619741980198719952013202020212022202320252.2

AI技術(shù)宏觀演進(jìn)趨勢(shì)：范式變遷當(dāng)下數(shù)據(jù)、算力、范式一路向“大”，未來不一定p

人工智能研究構(gòu)架在1987-2020年之間的主導(dǎo)邏輯是大數(shù)據(jù)、小算力、專用決策范式。GPT-3的出現(xiàn)改變了這一切，讓大數(shù)據(jù)、大算力和通用范式成為典型模式。p

值得關(guān)注：未來人工智能研究的認(rèn)知構(gòu)架是否會(huì)往大數(shù)據(jù)、小算力、通用小范式方向轉(zhuǎn)變？圖：AI能力的進(jìn)化路線AI能力邏輯推理為主大數(shù)據(jù)+小算力+專用范式大數(shù)據(jù)+大算力+通用范式大數(shù)據(jù)+小算力+通用小范式情感倫理？社會(huì)協(xié)作ChatGPT執(zhí)行學(xué)習(xí)決策機(jī)器人學(xué)機(jī)器學(xué)習(xí)GPT3Transformer深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)機(jī)器學(xué)習(xí)邏輯推理認(rèn)知科學(xué)認(rèn)知感知自然語言理解計(jì)算機(jī)視覺時(shí)間195619741980198719952013202020212022202320252.2

AI技術(shù)宏觀演進(jìn)趨勢(shì)：大模型一定越大越好嗎？Yes

and

No：AI預(yù)訓(xùn)練模型規(guī)模呈指數(shù)級(jí)速度增長(zhǎng)，未來或?qū)⒂|達(dá)規(guī)模法則上限AI預(yù)訓(xùn)練模型參數(shù)規(guī)模呈現(xiàn)指數(shù)級(jí)速度增長(zhǎng)，未來仍面臨規(guī)模法則規(guī)模法則圖：AI預(yù)訓(xùn)練模型的參數(shù)規(guī)模呈現(xiàn)走勢(shì)?圣塔菲研究所前所長(zhǎng)Geoffrey

West在科普書《規(guī)?！分薪沂玖艘?guī)模法則（scaling

law）。在West眼中，有一種不變的標(biāo)準(zhǔn)可以衡量看似毫無關(guān)聯(lián)的世間萬物——無論是生物體的體重與壽命，還是互聯(lián)網(wǎng)的增長(zhǎng)與鏈接，XXX萬億？100萬億？30萬億？甚至是企業(yè)的生長(zhǎng)與衰敗，都遵循規(guī)模法則。規(guī)模法則關(guān)心復(fù)雜系統(tǒng)的特性如何隨著系統(tǒng)大小變化而變化。15萬億？規(guī)模法則：上限在哪里？阿里新M610萬億?以規(guī)模法則的視角看待ChatGPT背后的大模型，一個(gè)自然問題是：模型一定是越大越好嗎？如果數(shù)據(jù)量足夠大、算力足夠充沛，是否AI的效果會(huì)持續(xù)上揚(yáng)？新版BERT4810億GPT-31750億Facebook94億?--面對(duì)這個(gè)問題，業(yè)界多方的答案是Yes

and

No：持Yes觀點(diǎn)人認(rèn)為，現(xiàn)在的“大”仍不足夠大GPT-215億BERT-Large3.4億GPT-11.17億2018年6月

2018年10月

2019年2月

2019年7月

2020年6月

2021年12月

2023年2月2025年2030年2035年2040年2050年2055年2060年持No觀點(diǎn)人認(rèn)為，大模型雖好，但其性能有一個(gè)上限，雖然這個(gè)上限尚不明確2.2

AI技術(shù)宏觀演進(jìn)趨勢(shì)：通用人工智能七大AI能力的融合正在推動(dòng)AI逼近人工智能的重要目標(biāo)之一：通用人工智能p

通用人工智慧（Artificial

General

Intelligence）或強(qiáng)人工智慧（Strong

AI）是具備與人類同等智慧、或超越人類的人工智慧，能表現(xiàn)正常人類所具有的所有智能行為。p

通用人工智能是人工智能的重要目標(biāo)之一，但不一定是AI的終極目標(biāo)。例如，某些研究人員認(rèn)為，人工智能的終極目標(biāo)應(yīng)該是創(chuàng)造具有意識(shí)和主觀體驗(yàn)的人工智能系統(tǒng)，而不僅僅是模擬人類的認(rèn)知和行為。因此，人工智能的終極目標(biāo)可能會(huì)隨著科技和人類認(rèn)知的發(fā)展而不斷改變和進(jìn)化。圖：AI能力進(jìn)化曲線?決策式AI是基于規(guī)則、知識(shí)或經(jīng)驗(yàn)，通過對(duì)輸入數(shù)據(jù)進(jìn)行分析和推理，從而做出決策或推薦的人工智能系統(tǒng)。這種AI通常用于專業(yè)領(lǐng)域，例如醫(yī)學(xué)、金融、法律等，其目的是為了支持決策過程和提高決策效率。AI綜合能力側(cè)重決策式AI側(cè)重生成式AI側(cè)重通用型AI情感倫理???生成式AI是基于機(jī)器學(xué)習(xí)或深度學(xué)習(xí)等技術(shù)，從大量數(shù)據(jù)中學(xué)習(xí)并生成新的數(shù)據(jù)或內(nèi)容的人工智能系統(tǒng)。這種AI通常用于自然語言處理、圖像處理、音頻處理等領(lǐng)域，其目的是為了生成高質(zhì)量的內(nèi)容和實(shí)現(xiàn)自動(dòng)化創(chuàng)作。社會(huì)協(xié)作通用型AI是指具有類似人類智能的廣泛能力的人工智能系統(tǒng)，可以像人類一樣進(jìn)行感知、推理、學(xué)習(xí)、決策、規(guī)劃等多種任務(wù)，能夠在不同的領(lǐng)域和情境中靈活地應(yīng)對(duì)和適應(yīng)。這種AI是人工智能的終極目標(biāo)之一，目前還沒有實(shí)現(xiàn)。執(zhí)行學(xué)習(xí)決策認(rèn)知感知三種人工智能系統(tǒng)之間存在重疊和互補(bǔ)。例如，在決策過程中，決策式AI可以提供基于規(guī)則和知識(shí)的決策支持，生成式AI可以提供基于數(shù)據(jù)的決策參考，通用型AI可以綜合考慮多種因素做出更為智能的決策。19562013202020232030？時(shí)間2.2

AI技術(shù)宏觀演進(jìn)趨勢(shì)：通用人工智能七大AI能力的融合正在推動(dòng)AI逼近人工智能的重要目標(biāo)之一：通用人工智能p

ChatGPT是一種通用性很強(qiáng)的大型語言模型，它被訓(xùn)練用于多種自然語言處理任務(wù)，例如文本生成、文本分類、語言翻譯、問答等。p

雖然ChatGPT在很多自然語言處理任務(wù)上表現(xiàn)出了驚人的能力和表現(xiàn)，但嚴(yán)格意義上講，它并不是一個(gè)通用人工智能系統(tǒng)。p

但由于其效果足夠“像人”，

ChatGPT成為很多人心中通用人工智能的雛形。圖：AI能力進(jìn)化曲線AI綜合能力決策式AI生成式AI通用型AI情感倫理??ChatGPT屬于生成式AI。ChatGPT是一種基于自然語言處理技術(shù)的生成式AI模型，能夠生成類似于人類對(duì)話的文本輸出。它使用了大規(guī)模的預(yù)訓(xùn)練語言模型，能夠自動(dòng)地從輸入的文本中學(xué)習(xí)語言模式和上下文信息，然后基于這些信息生成新的文本。因此，它被廣泛應(yīng)用于對(duì)話系統(tǒng)、聊天機(jī)器人、智能客服等領(lǐng)域。生成式AI又可稱為AIGC（AI-Generated

Content

人工智能生成內(nèi)容）。社會(huì)協(xié)作執(zhí)行學(xué)習(xí)?決策認(rèn)知感知19562013202020232030？時(shí)間2.3

AIGC：集合三要素、發(fā)展三階段AIGC在當(dāng)下的火熱來自三要素逐步走向成熟，推動(dòng)行業(yè)進(jìn)入應(yīng)用落地階段數(shù)據(jù)層面大數(shù)據(jù)語料庫高精度訓(xùn)練集標(biāo)注訓(xùn)練投喂計(jì)算任務(wù)算法層面核心技術(shù)突破算力層面硬件算力多模態(tài)認(rèn)知計(jì)算本地化數(shù)據(jù)數(shù)據(jù)巨量化?AIGC的本質(zhì)是內(nèi)容與場(chǎng)景，其發(fā)展需要AI與后端基建，算法、算據(jù)和算力三要素耦合共振。AIGC的三大發(fā)展階段是：?實(shí)時(shí)算力智能交互?模型賦智階段（從現(xiàn)實(shí)生成數(shù)字）：AIGC利用AI技術(shù)構(gòu)建模擬現(xiàn)實(shí)世界的數(shù)字孿生模型；認(rèn)知交互階段（從數(shù)字生成數(shù)字）：AI能夠?qū)W習(xí)并創(chuàng)作更豐富的內(nèi)容；感知+交互AIGC云計(jì)算數(shù)字孿生虛擬現(xiàn)實(shí)認(rèn)知交互力??算法跨模態(tài)融合算力內(nèi)容創(chuàng)造力空間賦能階段（從數(shù)字生成現(xiàn)實(shí)）：AIGC基于物聯(lián)網(wǎng)，多模態(tài)技術(shù)獲取多維信息，實(shí)現(xiàn)更加智能全息立體應(yīng)用場(chǎng)景邊緣計(jì)算的人與機(jī)器互動(dòng)。2.4

AIGC技術(shù)架構(gòu)體系A(chǔ)IGC技術(shù)架構(gòu)體系的變遷p

在百度李彥宏發(fā)布的內(nèi)部信中提到，人類進(jìn)入人工智能時(shí)代，IT技術(shù)的技術(shù)棧發(fā)生了根本性的變化。過去基本分為三層：芯片層，操作系統(tǒng)層和應(yīng)用層?，F(xiàn)在可以分為四層：芯片層、框架層、模型層和應(yīng)用層。p

甲子光年智庫認(rèn)為當(dāng)下的技術(shù)全棧仍然不能滿足ChatGPT推動(dòng)下的新一代人工智能浪潮，未來的AI技術(shù)全棧將呈現(xiàn)新的技術(shù)架構(gòu)體系。過去AI技術(shù)全棧當(dāng)下AI技術(shù)全棧未來AI技術(shù)全棧應(yīng)用層應(yīng)用層應(yīng)用層算法層中間層基礎(chǔ)層/模型層平臺(tái)層模型層框架層芯片層操作系統(tǒng)層芯片層算力層2.4

AIGC技術(shù)架構(gòu)體系在大模型與應(yīng)用層之間需要一個(gè)中間層：向下對(duì)接大模型能力，向上提供個(gè)性化服務(wù)p

未來，基礎(chǔ)大模型將會(huì)逐步走向統(tǒng)一，形成寡頭格局，開發(fā)人員將基于這些基礎(chǔ)模型研發(fā)AI應(yīng)用。p

大模型的商業(yè)模式是MaaS（Model

as

a

Service）：某家公司/某主體/某聯(lián)合體開發(fā)出一個(gè)大型語言模型，然后開放API供他人使用。p

甲子光年智庫認(rèn)為，未來在基礎(chǔ)模型和具體AI應(yīng)用研發(fā)之間會(huì)形成中間層：出現(xiàn)一批專門負(fù)責(zé)調(diào)整大型模型以適應(yīng)具體應(yīng)用需求的初創(chuàng)企業(yè)。圖：AIGC算法層技術(shù)架構(gòu)拆解微模型：個(gè)性化模型應(yīng)用層零售聊天機(jī)器人??微數(shù)據(jù)：追求數(shù)據(jù)專業(yè)度和個(gè)性化需求小算力：算力需求小，邊緣算力即可滿足XXXXX場(chǎng)景1多樣化、個(gè)性化、場(chǎng)景化的應(yīng)用落地場(chǎng)景X??低投入：訓(xùn)練成本投入較少教育數(shù)字人多樣化：滿足千行百業(yè)需求，多樣化、場(chǎng)景化、定制化場(chǎng)景2場(chǎng)景2中小模型：專用模型中間層零售醫(yī)療…??小數(shù)據(jù)：不追求數(shù)據(jù)規(guī)模，而追求數(shù)據(jù)深度和專業(yè)度中算力：算力需求中等，不依賴超算能力向應(yīng)用層提供專業(yè)、垂直的訓(xùn)練模型向基礎(chǔ)層調(diào)用大模型能力，并反哺預(yù)訓(xùn)練模型醫(yī)療金融金融教育……NLPCV…??低投入：訓(xùn)練成本投入較少低能耗：能源消耗較少教育…制造………大模型：通用模型基礎(chǔ)層??大數(shù)據(jù)：數(shù)據(jù)規(guī)模大，追求廣度大算力：算力需求高大基礎(chǔ)模型服務(wù)MaaS服務(wù)模式多模態(tài)NLPCV…??高投入：高成本投入，訓(xùn)練成本高高能耗：高能源消耗2.4

AIGC技術(shù)架構(gòu)體系A(chǔ)IGC技術(shù)架構(gòu)分為算力層、平臺(tái)層和算法層，算法層又分為基礎(chǔ)、中間、應(yīng)用三層p

甲子光年智庫認(rèn)為，AIGC將形成類似云計(jì)算的生態(tài)結(jié)構(gòu)：只有足夠“包羅萬象”，才能支撐前端足夠的“奇形怪狀”。圖：AIGC技術(shù)架構(gòu)體系應(yīng)用層中間層智能客服聊天機(jī)器人數(shù)字人元宇宙教育搜索引擎……算法層金融+文本醫(yī)療+圖像航天+3D零售+多模態(tài)…………基礎(chǔ)層NLP大模型CV大模型音/視頻大模型多模態(tài)大模型數(shù)據(jù)標(biāo)注平臺(tái)層算力層模型生產(chǎn)訓(xùn)練平臺(tái)數(shù)據(jù)平臺(tái)數(shù)據(jù)采集數(shù)據(jù)清洗數(shù)據(jù)合成數(shù)據(jù)鑒真AI芯片及處理器AIDC智算中心AI傳感器只有足夠“包羅萬象”，才能支撐前端足夠的“奇形怪狀”。2.5

AIGC驅(qū)動(dòng)力與制動(dòng)力三要素外，核心制約來自成本問題、數(shù)據(jù)質(zhì)量問題、知識(shí)產(chǎn)權(quán)問題、能耗問題、安全問題重要的市場(chǎng)驅(qū)動(dòng)力AIGC發(fā)展驅(qū)動(dòng)力與制動(dòng)力?

政策高質(zhì)多生模產(chǎn)態(tài)算等法頂尖人才的堅(jiān)持與信仰?

資金智算中心的算力支撐量數(shù)據(jù)的積累與應(yīng)用?

人才充足的資金支撐發(fā)展驅(qū)動(dòng)力??

算力技預(yù)術(shù)訓(xùn)成練熟模融型合?

數(shù)據(jù)政策鼓勵(lì)?

算法技術(shù)?影響發(fā)展的制動(dòng)力?

算力不足算力不足數(shù)據(jù)質(zhì)量預(yù)訓(xùn)練投入成本過高知識(shí)產(chǎn)權(quán)的挑戰(zhàn)安全與倫理道德的挑戰(zhàn)能源消耗的挑戰(zhàn)發(fā)展制動(dòng)力?

數(shù)據(jù)質(zhì)量?

投入成本高?

知識(shí)產(chǎn)權(quán)歸屬?

能源消耗大?

安全與倫理2.6

ChatGPT在AI技術(shù)演進(jìn)歷程中的地位ChatGPT的出現(xiàn)代表AI技術(shù)的第三次范式升級(jí)：從大模型走向AGI圖：ChatGPT的技術(shù)演化路徑與歷史地位范式轉(zhuǎn)換3.0:技術(shù)水從大模型走向AGI應(yīng)用競(jìng)爭(zhēng)階段（全面應(yīng)用）范式轉(zhuǎn)換2.0:從深度學(xué)習(xí)到大模型的轉(zhuǎn)換平技術(shù)發(fā)展階段（少量應(yīng)用）范式轉(zhuǎn)換1.0:從邏輯推理向概率統(tǒng)計(jì)的轉(zhuǎn)換ChatGPTGPT1GPT2BARTGPT3InstructGPT科技研究階段T5M2m-100BigBirdTransformer神經(jīng)網(wǎng)絡(luò)BERTRoBERTaXLMALBERTELECTRA機(jī)器學(xué)習(xí)邏輯推理時(shí)間195019802006201720182019202020222023??基于手寫規(guī)則處理少量數(shù)據(jù)?可找到一些函數(shù)與參數(shù)分類數(shù)據(jù)??像人腦一樣學(xué)習(xí)根據(jù)大量數(shù)據(jù)分類學(xué)習(xí)一個(gè)復(fù)雜的參數(shù)集合??優(yōu)化人腦學(xué)習(xí)過程關(guān)注重點(diǎn)而非全部??使用海量學(xué)習(xí)數(shù)據(jù)不需要提前進(jìn)行標(biāo)記和分類?人類對(duì)結(jié)果的反饋成為學(xué)習(xí)過程的一部分??能否打破人腦結(jié)構(gòu)限制？有無可能生成情感？2.7

ChatGPT

vs

Bert勝負(fù)未分，但“先發(fā)優(yōu)勢(shì)”之于AI有著值得注意的重要性p

先發(fā)優(yōu)勢(shì)意味著數(shù)據(jù)采集的時(shí)間窗口，形成“社會(huì)性實(shí)驗(yàn)”。p

先發(fā)優(yōu)勢(shì)也意味著用戶的容錯(cuò)心理——對(duì)“第一個(gè)吃螃蟹的”有錯(cuò)誤層面的包容性，對(duì)第二個(gè)就不一定了。基于Transformer模型的預(yù)訓(xùn)練語言模型BERTChatGPT遮蓋單詞上下文信息文本表示下一個(gè)文本結(jié)構(gòu)、語言規(guī)律預(yù)訓(xùn)練目標(biāo)應(yīng)用場(chǎng)景預(yù)測(cè)方式上下文單詞或字符下一句預(yù)測(cè)自然語言處理領(lǐng)域的廣泛應(yīng)用生成式任務(wù)文本分類命名實(shí)體識(shí)別關(guān)系抽取句子相似度計(jì)算對(duì)話生成文本生成機(jī)器翻譯基于句子級(jí)別的特征提取基于單詞或字符級(jí)別的自回歸模型整個(gè)句子固定長(zhǎng)度的向量表示上下文單詞或字符大型模型標(biāo)準(zhǔn)版（BERT-Large）最大的ChatGPT-3模型模型大小訓(xùn)練數(shù)據(jù)包含3.4億個(gè)參數(shù)包含1750億個(gè)參數(shù)更廣泛的文本數(shù)據(jù)收集通用的網(wǎng)絡(luò)文本數(shù)據(jù)網(wǎng)頁維基百科新聞2.8

來龍：ChatGPT如何演化而來？“暴力美學(xué)”：超大規(guī)模及足夠多樣性的數(shù)據(jù)、超大規(guī)模的模型、充分的訓(xùn)練過程p

ChatGPT背后的GPT系列體現(xiàn)了LLM應(yīng)該往何處去的發(fā)展理念。p

很多人開始相信，揭開AGI的真正鑰匙正在于：超大規(guī)模及足夠多樣性的數(shù)據(jù)、超大規(guī)模的模型、充分的訓(xùn)練過程。這條道路看似樸素，卻足以讓AI表現(xiàn)出智能“涌現(xiàn)”的能力，未來也許會(huì)持續(xù)帶來意想不到的驚喜和驚嚇。這種思想簡(jiǎn)言之就是將“參數(shù)至上和數(shù)據(jù)至上”的思想發(fā)揮到極致，從細(xì)分技術(shù)“分而治之”到“大一統(tǒng)、端到端”，從理論潔癖走向暴力美學(xué)。195019802006201720202022……基于規(guī)則機(jī)器學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)TransformerGPT3ChatGPT?????手寫規(guī)則處理少量數(shù)據(jù)?可找到一些函數(shù)與參數(shù)分類數(shù)據(jù)??像人腦一樣學(xué)習(xí)根據(jù)大量數(shù)據(jù)分類學(xué)習(xí)一個(gè)復(fù)雜的參數(shù)集合??優(yōu)化人腦學(xué)習(xí)過程關(guān)注重點(diǎn)而非全部??使用海量學(xué)習(xí)數(shù)據(jù)不需要提前進(jìn)行標(biāo)記和分類?人類對(duì)結(jié)果的反饋成為學(xué)習(xí)過程的一部分??能否打破人腦結(jié)構(gòu)限制？有無可能生成情感？大模型的競(jìng)爭(zhēng)力：大數(shù)據(jù)、大算力和強(qiáng)算法。2.8

來龍：ChatGPT如何演化而來？AI算法演化之路：火爆的算法在經(jīng)典算法之上優(yōu)化而來雙向編碼表示（BERT）OpenAIp

各算法并非割裂關(guān)系，有多條譜系傳承甚至跨代遺傳。p

微軟陣營體現(xiàn)后發(fā)優(yōu)勢(shì)。代表具有里程碑的關(guān)鍵創(chuàng)新代表相關(guān)算法開創(chuàng)者所在公司或陣營卷積神經(jīng)網(wǎng)絡(luò)（CNN）生成預(yù)訓(xùn)練變壓器（GPT）OpenAIYanLeCun&福島邦彥受限玻爾茲曼機(jī)（RBM）PaulSmolensky深度玻爾茲曼機(jī)(DBM）HintonAttention

&TransformerchatGPT(GPT3.5)openAIGPT3openAIGoogle圖像生成相關(guān)語言生成相關(guān)遞歸神經(jīng)網(wǎng)絡(luò)（RNN）長(zhǎng)短期記憶（LSTM）生成對(duì)抗網(wǎng)絡(luò)（GAN）GoodfellowMT-NLG多層感知機(jī)（MLP）Hochreiter&JuergenSchmidhube伊辛&楞次&甘利俊一&JuergenSchmidhube微軟&英偉達(dá)AlphaFold2Hinton&Sejnowski深度強(qiáng)化學(xué)習(xí)（DQN）Deepmind(GOOG)蒙特卡洛樹搜索（MCTS）BruceAbramson何信明等注意力機(jī)制（Attention）Deepmind(GOOG)AlphaFold非線性激活殘差網(wǎng)絡(luò)Deepmind（ResNet)RNN改進(jìn)何信明等反向傳播（BP）概率模型高維詞向量AlexNet

&DropoutWerbos&HintonYoshuaBengioHintonHinton1900年-1980年1980年-1990年1990年-2000年2000年-2010年2010-2020年2020年-至今2.8

來龍：ChatGPT如何演化而來？ChatGPT的訓(xùn)練過程與提升表現(xiàn)圖1：ChatGPT的提升表現(xiàn)圖2：ChatGPT的訓(xùn)練過程分為三個(gè)階段采用PPO強(qiáng)化學(xué)習(xí)算法針對(duì)獎(jiǎng)勵(lì)模型來優(yōu)化策略?????數(shù)據(jù)集中隨機(jī)抽取問題使用PPO模型生成回答RM模型給出質(zhì)量分?jǐn)?shù)基于質(zhì)量分?jǐn)?shù)優(yōu)化PPO模型參數(shù)循環(huán)迭代出新模型第三階段強(qiáng)化學(xué)習(xí)優(yōu)化模型效果遠(yuǎn)超預(yù)期常識(shí)知識(shí)處理能力，心智達(dá)到人類9（深度），基本達(dá)到人類水準(zhǔn)?????數(shù)據(jù)集中隨機(jī)抽取問題生成多個(gè)不同的回答收集比較數(shù)據(jù)并訓(xùn)練獎(jiǎng)勵(lì)模型歲孩童水平第二階段訓(xùn)練獎(jiǎng)勵(lì)模型（RM）標(biāo)注答案排名順序排序結(jié)果數(shù)據(jù)來訓(xùn)練獎(jiǎng)勵(lì)模型RM模型給出高質(zhì)量回答的分?jǐn)?shù)倫理及避坑，展現(xiàn)????數(shù)據(jù)集中隨機(jī)抽取問題生成多個(gè)不同的回答標(biāo)注高質(zhì)量答案收集演示數(shù)據(jù)并訓(xùn)練有監(jiān)督具有通用人工智能（廣度）的雛形較高的語義理解能力第一階段訓(xùn)練監(jiān)督策略模型高情商，敢于承認(rèn)無知，承認(rèn)錯(cuò)誤策略用標(biāo)注好的數(shù)據(jù)來微調(diào)模型2.8

來龍：ChatGPT如何演化而來？初代ChatGPT的訓(xùn)練存在六大方面的局限性圖：ChatGPT訓(xùn)練的局限性數(shù)據(jù)的實(shí)時(shí)性和有效性缺乏深度推理能力ChatGPT缺乏深度推理能力，例如不能完成高難度數(shù)學(xué)題。因?yàn)槿狈徒Y(jié)構(gòu)化數(shù)據(jù)的有效對(duì)接，所以目前ChatGPT會(huì)出現(xiàn)數(shù)據(jù)缺失和實(shí)時(shí)性錯(cuò)誤。深度領(lǐng)域知識(shí)處理有問題缺乏深層語義理解能力ChatGPT訓(xùn)練局限性

ChatGPT可理解部分淺層語義，但缺乏深目前ChatGPT在常識(shí)知識(shí)方面非常強(qiáng)大，但對(duì)領(lǐng)域內(nèi)專業(yè)知識(shí)處理仍存在問題。層（如模型論層）語義理解能力?？缒B(tài)能力不足需要大算力支持其訓(xùn)練和部署ChatGPT需要大量語料數(shù)據(jù)訓(xùn)練模型，在應(yīng)用時(shí)仍然需要大算力的服務(wù)器支持當(dāng)前ChatGPT主要生成文本，不包括圖像和視頻在內(nèi)的其他模態(tài)。2.9

去脈：ChatGPT將走向何方？ChatGPT未來的改進(jìn)方向：多模態(tài)、少人化、小型化、進(jìn)化力減少人類反饋強(qiáng)化深層語義理解能力ChatGPT的小型化CAI（ConstitutionalAI）的排序過程使用模型（而非人類）對(duì)所有生成的輸出結(jié)果提供一個(gè)初始排序結(jié)果。計(jì)算機(jī)學(xué)家Stephen

Wolfram為這一問題提出了解決方案。Stephen

Wolfram創(chuàng)造了的Wolfram語有三類模型壓縮（modelcompression）可以降低模型的大小和成本。言和計(jì)算知識(shí)搜索引擎Wolfram|Alpha，其后臺(tái)通過Mathematica實(shí)現(xiàn)。?

量化（quantization），即降低單個(gè)權(quán)重的數(shù)值表示的精度。比如Tansformer從FP32降到INT8對(duì)其精度影響不大。?

剪枝（pruning），即刪除網(wǎng)絡(luò)元素，包括從單個(gè)權(quán)重（非結(jié)構(gòu)化剪枝）到更高粒度的組件如權(quán)重矩陣的通道。這種方法在視覺和較小規(guī)模的語言模型中有效。?

稀疏化。例如奧地利科學(xué)技術(shù)研究所(ISTA)提出的SparseGPT（/pdf/2301.0077）可以將GPT系列模型單次剪枝到50%的稀疏性，而無需任何重新訓(xùn)練。對(duì)GPT-175B模型，只需要使用單個(gè)GPU在幾個(gè)小時(shí)內(nèi)就能實(shí)現(xiàn)這種剪枝。多模態(tài)模型發(fā)展模型實(shí)時(shí)持續(xù)學(xué)習(xí)進(jìn)化能力?

文本到文本的AIGC?

文本到圖像的AIGC?

文本到3D的AIGC?

圖像到圖像的AIGC?

音頻相關(guān)的AIGCPart

01

人工智能的概念與界定Part

02

人工智能的技術(shù)演進(jìn)與趨勢(shì)Part

03

ChatGPT帶來的變革趨勢(shì)Part

04

AIGC風(fēng)口下的投資機(jī)會(huì)P02P06P26P41目

錄3.1

ChatGPT有多火？“有意瞄準(zhǔn)，無意擊發(fā)”自11月30日發(fā)布后，ChatGPT僅用2月便積累1億用戶數(shù)量ChatGPT關(guān)鍵字搜索興趣變化（單位：百萬人）ChatGPT用戶數(shù)量增速驚人1009080706050403020100消費(fèi)級(jí)應(yīng)用1億用戶達(dá)成時(shí)長(zhǎng)（月）ChatGPTTikTok29InstagramPinterest304155617078SpotifyTelegramUber2022/11/302022/12/142022/12/282023/1/112023/1/25GoogleTransaltechatgpt搜索人數(shù)7日均線3.2

深遠(yuǎn)意義：人類文明生產(chǎn)力躍遷以ChatGPT為代表的AIGC工具的出現(xiàn)，標(biāo)志著人類生產(chǎn)效率出現(xiàn)了第二次腦力效率飛躍生產(chǎn)效率的提升腦力創(chuàng)意腦力生產(chǎn)效率的二次飛躍內(nèi)容再加工者AIGC？腦力輔助腦力生產(chǎn)效率的提升內(nèi)容生產(chǎn)者云、網(wǎng)、端、芯、鏈PC/軟件機(jī)械體力效率的提升體力輸出者體力農(nóng)具+牛石器原始時(shí)代農(nóng)業(yè)時(shí)代工業(yè)時(shí)代信息時(shí)代數(shù)字時(shí)代數(shù)智時(shí)代宙線：時(shí)間（人類文明進(jìn)化歷程）3.2

深遠(yuǎn)意義：互聯(lián)網(wǎng)走出強(qiáng)弩之末對(duì)傳統(tǒng)內(nèi)容生成模式的顛覆與重塑，解放內(nèi)容生產(chǎn)者，讓其有更多精力進(jìn)行二次深加工Web1.0Web2.0Web3.0互聯(lián)網(wǎng)時(shí)代內(nèi)容生產(chǎn)形式角色轉(zhuǎn)換?

PGC?

UGC?

AIGC?

內(nèi)容消費(fèi)者?

初次內(nèi)容生產(chǎn)者?

二次內(nèi)容加工者初次內(nèi)容核心環(huán)節(jié)演進(jìn)用戶設(shè)備AIGC生產(chǎn)內(nèi)容用戶/專業(yè)人士二次加工初次內(nèi)容生產(chǎn)數(shù)量多、質(zhì)量有限、無法自動(dòng)化內(nèi)容多樣化內(nèi)容生產(chǎn)數(shù)量多、質(zhì)量提升大、自動(dòng)化生成平臺(tái)平臺(tái)模糊推送主動(dòng)檢索精準(zhǔn)推送用戶用戶3.2

深遠(yuǎn)意義：人與內(nèi)容的關(guān)系發(fā)生根本性變革AIGC加速元宇宙世界的內(nèi)容構(gòu)建，推動(dòng)人與內(nèi)容關(guān)系發(fā)生根本性變革Web1.0Web2.0Web3.0互聯(lián)網(wǎng)時(shí)代體驗(yàn)水平交互模式內(nèi)容傳輸內(nèi)容生產(chǎn)形式角色轉(zhuǎn)換?

個(gè)體體驗(yàn)?

復(fù)合體驗(yàn)?

沉浸體驗(yàn)?

單向交互?

單向信息輸出?

PGC?

雙向交互?

沉浸、聚聯(lián)?

雙向信息交互?

UGC?

信息聚聯(lián)與價(jià)值共享?

AIGC?

內(nèi)容消費(fèi)者?

初次內(nèi)容生產(chǎn)者?

二次內(nèi)容加工者AI技術(shù)進(jìn)程內(nèi)容載體?

決策式AI?

決策式AI?

生成式AI?

元宇宙?

文字、圖片、視頻?

文字、圖片、視頻3.3

AIGC的應(yīng)用領(lǐng)域多模態(tài)?多場(chǎng)景，逐漸融入千行百業(yè)醫(yī)療場(chǎng)景?通過仿真醫(yī)療數(shù)據(jù)訓(xùn)練醫(yī)療診斷模型?利用合成的基因組數(shù)據(jù)進(jìn)行醫(yī)學(xué)研究自動(dòng)駕駛場(chǎng)景?應(yīng)用于仿真引擎模擬駕駛場(chǎng)景Game

Al?AIBot??NPC邏輯及劇情生成數(shù)字資產(chǎn)生成文本生成圖像、視頻、文本間跨模態(tài)生成??結(jié)構(gòu)化寫作：新聞播報(bào)非結(jié)構(gòu)化寫作：劇情續(xù)寫輔助性寫作：幫助潤色?文字生成圖像???文字生成演示視頻文字生成創(chuàng)意視頻圖像/視頻到文本：視覺問答系統(tǒng)?AIGC??閑聊機(jī)器人文本交互游戲圖像生成零售場(chǎng)景???圖像編輯工具：去除水印創(chuàng)意圖像生成：生成畫作功能性圖像生成：生成海報(bào)?通過3D模擬創(chuàng)建合成數(shù)據(jù)集，助力無人零售視頻生成?視頻屬性編輯：刪除特定主體虛擬人生成??視頻自動(dòng)剪輯視頻部分編輯：視頻換臉等音頻生成策略生成???語音克隆文本生成特定語音樂曲/歌曲生成數(shù)字內(nèi)容構(gòu)建合成數(shù)據(jù)助推銀行和投資場(chǎng)景?應(yīng)用于欺詐檢測(cè)、交易預(yù)測(cè)、風(fēng)險(xiǎn)因素建模工業(yè)場(chǎng)景?創(chuàng)建了虛擬工廠，在模擬平臺(tái)上使用多種工具進(jìn)行合作3.4

AIGC的技術(shù)應(yīng)用趨勢(shì)OpenAI的產(chǎn)品矩陣可以洞悉未來一些方向：多模態(tài)+安全p

從OpenAI產(chǎn)品矩陣可以看出其已經(jīng)布局文本、圖片、語音等多模態(tài)產(chǎn)品，未來將逐步探索多模態(tài)的融合。p

未來文本、圖片、語音、代碼等場(chǎng)景將逐步走向成熟，將助推技術(shù)向多模態(tài)融合發(fā)展。生成式AI技術(shù)的成熟應(yīng)用進(jìn)程時(shí)間表OpenAI的產(chǎn)品矩陣大模型成熟難度：初級(jí)嘗試接近成熟成熟應(yīng)用領(lǐng)域類型文本領(lǐng)域2020年之前2020年2022年2023年？2025年？約2030年產(chǎn)品產(chǎn)品說明類型詐騙垃圾信息識(shí)別翻譯垂直領(lǐng)域的文案撰寫實(shí)現(xiàn)可精調(diào)（論文等）基礎(chǔ)文案撰寫初稿更長(zhǎng)的文本二稿終稿，水平高于人類平均值終稿，水平高于專業(yè)寫手對(duì)話模式的AI交互模型，具備回答一系列問題、承認(rèn)錯(cuò)誤、質(zhì)疑不正確的前提和拒絕不適當(dāng)?shù)恼?qǐng)求等功能?；A(chǔ)問答回應(yīng)ChatGPT文本根據(jù)文本生成終版應(yīng)用程序，比全職開發(fā)者水平更高更長(zhǎng)的代碼更精確的表達(dá)支持更多語種領(lǐng)域更垂直根據(jù)文本生成初版應(yīng)用程序是一個(gè)新的人工智能系統(tǒng)，可以根據(jù)自然語言的描述創(chuàng)建逼真的圖像和藝術(shù)。例如左圖通過宇航員、騎馬和寫實(shí)風(fēng)格生成的圖片代碼領(lǐng)域圖像領(lǐng)域單行代碼補(bǔ)足多行代碼生成DALL·E2Whisper圖片藝術(shù)圖標(biāo)攝影終稿，水平高于專職藝術(shù)家、設(shè)計(jì)師等模仿（產(chǎn)品設(shè)計(jì)、建筑等）終稿（產(chǎn)品設(shè)計(jì)、建筑等）是一種自然語言處理的神經(jīng)網(wǎng)絡(luò)模型，是一種自動(dòng)語音識(shí)別系統(tǒng)。并且支持多種語言的轉(zhuǎn)錄及翻譯成為英語。語音安全AI版Roblox可依個(gè)人夢(mèng)想定制的游戲與電影該項(xiàng)研究專注于訓(xùn)練AI系統(tǒng)，不斷提升Alignment

實(shí)用性、仿真性和安全性，進(jìn)一步探索和開發(fā)AI系統(tǒng)在人類反饋中學(xué)習(xí)的方法。視頻/3D/游戲領(lǐng)域視頻和3D文件的基礎(chǔ)版/初稿二稿3.4

AIGC的技術(shù)應(yīng)用趨勢(shì)多模態(tài)融合的五大方向路徑路徑1：文本到文本AIGC路徑5：圖像到圖像AIGC我怎么能去超市？由PreferredNetworks推出的Crypko可以創(chuàng)作上半身動(dòng)漫形象。ChatGPT是由OpenAI基于GPT-3.5開發(fā)的大型語言模型聊天機(jī)器人AIGC直走，然后向左轉(zhuǎn)。?從草稿中創(chuàng)作圖像?修復(fù)損壞的圖像請(qǐng)給我畫一張顯示道路的地圖AIGC五大技術(shù)應(yīng)用方向AIGCAIGC請(qǐng)給我畫一幅f非常憤怒的小鳥路徑3：文本到3DAIGCAIGC讓這個(gè)機(jī)器人來模仿我的語氣吧MurfAI推出的人類語音生成器可以在幾分鐘內(nèi)發(fā)出錄音室質(zhì)量的聲音創(chuàng)作一些音樂請(qǐng)為我生成一個(gè)使用筆記本電腦的3D機(jī)器人谷歌推出的DreamFusion可以根據(jù)給定的文本創(chuàng)建3D模型AIGCAIGC由谷歌推出的Imagen，是一個(gè)文本到圖像的擴(kuò)散模型，具有前所未有的攝影現(xiàn)實(shí)感程度和深刻的語言理解水平AIGC路徑4：音頻相關(guān)AIGC路徑2：文本到圖像AIGC3.5

經(jīng)典場(chǎng)景：數(shù)字人與營銷數(shù)字化AIGC的內(nèi)容生成打通了營銷數(shù)字化的最后一個(gè)環(huán)節(jié)p

在營銷數(shù)字化核心流程中，內(nèi)容自動(dòng)化生成環(huán)節(jié)在過去是缺失狀態(tài)，因此無法構(gòu)成閉環(huán)，但隨著AIGC的應(yīng)用，將助推營銷數(shù)字化實(shí)現(xiàn)業(yè)務(wù)閉環(huán)。圖：營銷數(shù)字化核心流程產(chǎn)品用戶使用場(chǎng)景營銷數(shù)字化核心流程閉環(huán)營銷復(fù)盤再推薦銷售達(dá)成過去缺失環(huán)節(jié)??目標(biāo)客戶定位：通過客群分析實(shí)現(xiàn)目標(biāo)客戶識(shí)別；成效分析個(gè)性推薦全渠道營銷推廣營銷數(shù)字化核心流程客戶需求分析：基于客戶需求進(jìn)行市場(chǎng)研判，培育線索智能分群；Χ內(nèi)容自動(dòng)化生成個(gè)性方案設(shè)計(jì)客戶互動(dòng)分析客戶識(shí)別客戶?個(gè)性方案設(shè)計(jì)：基于分群進(jìn)行個(gè)性化方案設(shè)計(jì)，設(shè)置自動(dòng)化營銷流程；客戶需求分析??內(nèi)容自動(dòng)化生成：基于個(gè)性化方案自動(dòng)生成營銷物料內(nèi)容；目標(biāo)客戶定位全渠道營銷推廣：全渠道觸達(dá)與互動(dòng)，推送個(gè)性化方案和客戶認(rèn)知購買過程內(nèi)容；引流分配互動(dòng)營銷運(yùn)營管理成效分析未知接觸了解購買復(fù)購??銷售達(dá)成：客戶意向預(yù)測(cè)與銷售意向的達(dá)成；營銷復(fù)盤再推薦：事后的營銷全場(chǎng)景可視化報(bào)表復(fù)盤與再推薦方案生成。廠商產(chǎn)品功能3.5

經(jīng)典場(chǎng)景：數(shù)字人與營銷數(shù)字化AIGC與數(shù)字人的結(jié)合，推動(dòng)數(shù)字人實(shí)現(xiàn)文本、語音、動(dòng)畫、音頻等多模態(tài)交互p

虛擬人系統(tǒng)框架一般情況下由人物形象、語音生成、動(dòng)畫生成、音視頻合成顯示、交互五個(gè)核心模塊構(gòu)成虛擬人構(gòu)建的“五橫體系”。p

交互模塊為可擴(kuò)展項(xiàng)，依據(jù)是否具有交互模塊可講虛擬人分為交互型虛擬人和非交互型虛擬人，其交互型虛擬人依據(jù)其驅(qū)動(dòng)方式的不同，又可分為智能驅(qū)動(dòng)型虛擬人和真人驅(qū)動(dòng)型虛擬人。p

其中虛擬人制作過程中核心關(guān)鍵技術(shù)應(yīng)關(guān)注：建模、驅(qū)動(dòng)、渲染和人工智能。其決定了虛擬人的外在形象的美觀度、動(dòng)作的流暢度以及交互的自然度及虛擬人的智能程度。圖1：虛擬人技術(shù)框架圖2：非交互類虛擬人系統(tǒng)運(yùn)作流程圖3：智能驅(qū)動(dòng)型虛擬人系統(tǒng)運(yùn)作流程2D數(shù)字人3D數(shù)字人識(shí)別感知智能分析與決策人物語音生成人物形象人物生成人物表達(dá)合成顯示無人物建模綁定等動(dòng)畫生成模塊語言生成模塊五橫體系人物語音生成語音生成、動(dòng)畫生成（驅(qū)動(dòng)、渲染）等終端顯示技術(shù)音視頻合成顯示音視頻合成顯示文本終端用戶文本終端用戶音視頻合成顯示模塊通用框架人物動(dòng)畫生成人物動(dòng)畫生成識(shí)別感知分析決策語音語義識(shí)別、人臉識(shí)別、動(dòng)作識(shí)別等知識(shí)庫、對(duì)話管理等交互模塊數(shù)字化人物形象TTSA人物模型3.5

經(jīng)典場(chǎng)景：數(shù)字人與營銷數(shù)字化大廠擁有創(chuàng)新營銷「生態(tài)+技術(shù)+流量」的完備實(shí)力，賦能品牌高效鏈接用戶人→數(shù)字人資產(chǎn)→數(shù)字資產(chǎn)空間→虛擬空間百度數(shù)字人：1+2+3+X虛擬數(shù)字人生態(tài)體系基于百度區(qū)塊鏈開發(fā)平臺(tái)打造數(shù)字藏品元宇宙基礎(chǔ)設(shè)施一站式平臺(tái)兩大核心資產(chǎn)三大應(yīng)用合作授權(quán)品牌營銷服務(wù)場(chǎng)景度曉曉、希加加生態(tài)能力AI智能極限觀感

多端兼容永久復(fù)用品牌數(shù)字資產(chǎn)品牌營銷賦能品牌“虛擬”用戶管理百度智能云曦靈平臺(tái)—四大AI引擎為依托國內(nèi)首款獨(dú)立元宇宙APP自研開放的數(shù)字資產(chǎn)可信登記平臺(tái)人像驅(qū)動(dòng)引擎智能對(duì)話引擎語音交互引擎智能推薦引擎唇形驅(qū)動(dòng)表情驅(qū)動(dòng)肢體驅(qū)動(dòng)手勢(shì)感知任務(wù)對(duì)話預(yù)置技術(shù)智能問答開放域?qū)υ捜p工AST變聲器內(nèi)容與產(chǎn)品推薦數(shù)字藝術(shù)品交易平臺(tái)豐富活動(dòng)場(chǎng)景個(gè)性化TTS定制喚醒詞素材庫星際口袋、D+商城、小度尋宇會(huì)議會(huì)展、文博文旅文創(chuàng)、試乘試駕、個(gè)人空間…AI能力百度大腦百度文心大模型PLATOAI面部驅(qū)動(dòng)AI口型驅(qū)動(dòng)AI變聲器AI跳舞AI唱歌AI任意換妝換裝高精度數(shù)字人實(shí)時(shí)直播

Plato

AI實(shí)時(shí)語言互動(dòng)流量資源百度多端優(yōu)勢(shì)產(chǎn)品矩陣，打造10億+移動(dòng)用戶規(guī)模的“超級(jí)流量”6.28億月活用戶量8億1.1億1300億8000萬全域DAU3000萬家庭滲透網(wǎng)盤積累用戶全域DAU日均位置服務(wù)請(qǐng)求3.6

甲子探索場(chǎng)景：AIGC與新一代智庫的結(jié)合對(duì)研究流程的重塑，實(shí)現(xiàn)預(yù)研環(huán)節(jié)內(nèi)容重構(gòu)與效率提升p

經(jīng)甲子光年智庫測(cè)算，借助AIGC相關(guān)工具，在研究分析的每一個(gè)環(huán)節(jié)，都可以實(shí)現(xiàn)40%以上效率提升。關(guān)鍵流程AIGC對(duì)研究項(xiàng)目全流程的重塑角色>是采購問卷發(fā)布和回收合作伙伴確認(rèn)是否需要采購否A5數(shù)據(jù)清洗A8報(bào)告確認(rèn)A9研究報(bào)告A10發(fā)布后研究項(xiàng)目流程A1預(yù)研工作A2項(xiàng)目啟動(dòng)A3深度訪談A4問卷調(diào)研A7報(bào)告撰寫研究人員與優(yōu)化發(fā)布再開發(fā)A6數(shù)據(jù)分析前期預(yù)研，完成資料收集與結(jié)構(gòu)化文檔整理協(xié)助生成發(fā)布文稿，提高文稿撰寫效率協(xié)助分析師收集客戶資料協(xié)助分析師進(jìn)行訪談問卷設(shè)計(jì)協(xié)助分析師進(jìn)行調(diào)研問卷設(shè)計(jì)協(xié)助開展報(bào)告觀點(diǎn)提煉報(bào)告查錯(cuò)優(yōu)化改進(jìn)建議AIGC3.6

甲子探索場(chǎng)景：AIGC與新一代智庫的結(jié)合搭建基于AIGC的新一代智庫產(chǎn)品架構(gòu)體系，甲子光年已經(jīng)具備一定基礎(chǔ)圖：基于AIGC的新一代智庫產(chǎn)品架構(gòu)體系研究項(xiàng)目全流程的重塑應(yīng)用層中間層前期預(yù)研調(diào)研執(zhí)行統(tǒng)計(jì)分析報(bào)告撰寫發(fā)布推廣……甲子光年具備環(huán)節(jié)科技行業(yè)模型知識(shí)圖譜人脈模型能力模型行業(yè)數(shù)據(jù)定義賽道研究模型數(shù)據(jù)云計(jì)算人工智能企業(yè)機(jī)構(gòu)模型……算法層指標(biāo)體系產(chǎn)業(yè)圖譜評(píng)估模型問卷模型元宇宙……政府高?；A(chǔ)層NLP大模型CV大模型多模態(tài)大模型……甲子光年待加強(qiáng)的環(huán)節(jié)平臺(tái)層算力層模型生產(chǎn)訓(xùn)練平臺(tái)數(shù)據(jù)平臺(tái)數(shù)據(jù)采集數(shù)據(jù)清洗數(shù)據(jù)注入數(shù)據(jù)存儲(chǔ)數(shù)據(jù)分析公有云基礎(chǔ)設(shè)施AIDC智算中心3.6

甲子探索場(chǎng)景：AIGC與新一代智庫的結(jié)合甲子光年構(gòu)建的甲子大腦數(shù)據(jù)平臺(tái)體系，為打造基于AIGC的新一代智庫產(chǎn)品提供基座圖：甲子大腦業(yè)務(wù)閉環(huán)賦能甲子光年各業(yè)務(wù)開展源數(shù)據(jù)政府?dāng)?shù)據(jù)采集、匯總、輸入甲子大腦數(shù)據(jù)湖各業(yè)務(wù)線數(shù)據(jù)調(diào)取與使用官方智庫公域數(shù)據(jù)科研協(xié)會(huì)FA行業(yè)數(shù)據(jù)財(cái)務(wù)數(shù)據(jù)定義賽道核心觀點(diǎn)數(shù)據(jù)圖表評(píng)估體系研究模型……數(shù)據(jù)庫知識(shí)庫智庫媒體行業(yè)定義賽道企業(yè)庫機(jī)構(gòu)庫數(shù)據(jù)數(shù)據(jù)指標(biāo)體系產(chǎn)業(yè)圖譜企業(yè)數(shù)據(jù)產(chǎn)品庫案例庫公司三方數(shù)據(jù)產(chǎn)品介紹…活動(dòng)人脈庫能力庫咨詢公司調(diào)研機(jī)構(gòu)商學(xué)院……專家觀點(diǎn)研究模型數(shù)據(jù)模型企業(yè)機(jī)構(gòu)評(píng)估模型問卷模型政府高校峰會(huì)活動(dòng)解決方案媒體輸入端輸出端智庫甲子光年私域數(shù)據(jù)商學(xué)院?經(jīng)過數(shù)據(jù)分析師對(duì)數(shù)據(jù)進(jìn)行結(jié)構(gòu)化、標(biāo)準(zhǔn)化處理，再經(jīng)過戰(zhàn)略分析師對(duì)觀點(diǎn)的歸納總結(jié)，最終形成結(jié)構(gòu)化數(shù)據(jù)和觀點(diǎn)進(jìn)行輸出FA……各業(yè)務(wù)線實(shí)際使用數(shù)據(jù)過程中又會(huì)產(chǎn)生新數(shù)據(jù)，再次注入甲子大腦Part

01

人工智能的概念與界定Part

02

人工智能的技術(shù)演進(jìn)與趨勢(shì)Part

03

ChatGPT帶來的變革趨勢(shì)Part

04

AIGC風(fēng)口下的投資機(jī)會(huì)P02P06P26P41目

錄4.1

基于技術(shù)架構(gòu)的產(chǎn)業(yè)現(xiàn)狀分布從技術(shù)架構(gòu)下的產(chǎn)業(yè)分布來看，算力層和中間層企業(yè)將更有機(jī)會(huì)p

當(dāng)下一級(jí)市場(chǎng)中AIGC企業(yè)按技術(shù)架構(gòu)下的產(chǎn)業(yè)鏈分布來看，84%布局算法層，11%處于算力層，只有5%布局平臺(tái)層，算法層競(jìng)爭(zhēng)度高，算力層競(jìng)爭(zhēng)度小。算法層中又以基礎(chǔ)層和應(yīng)用層企業(yè)居多，中間層企業(yè)較少，中間層企業(yè)未來機(jī)會(huì)空間較大。算法層企業(yè)較多，算力層企業(yè)較少算法層中的中間層企業(yè)較少圖1：一級(jí)市場(chǎng)AIGC企業(yè)按產(chǎn)業(yè)鏈分布情況圖2：一級(jí)市場(chǎng)AIGC企業(yè)按細(xì)分產(chǎn)業(yè)鏈分布情況應(yīng)用層中間層基礎(chǔ)層平臺(tái)層算力層39%15%30%5%中間層企業(yè)少，未來機(jī)會(huì)空間大。算法層84%算法層競(jìng)爭(zhēng)度高，算力層競(jìng)爭(zhēng)度小。

算力層11%平臺(tái)層5%11%4.1

基于技術(shù)架構(gòu)的產(chǎn)業(yè)現(xiàn)狀分布中間層的AIGC在內(nèi)容生成、推薦引擎、機(jī)器學(xué)習(xí)應(yīng)用、知識(shí)圖譜、機(jī)器翻譯等領(lǐng)域布局少p

從現(xiàn)有中間層的AIGC企業(yè)分布情況來看，企業(yè)布局主要聚焦智能機(jī)器人、計(jì)算機(jī)視覺應(yīng)用、智能交互、機(jī)器人操作系統(tǒng)、chatBOT等方向，反而在內(nèi)容生成、推薦引擎、機(jī)器學(xué)習(xí)應(yīng)用、知識(shí)圖譜、機(jī)器翻譯等領(lǐng)域布局較少，這些中間層領(lǐng)域具有投資價(jià)值。圖：一級(jí)市場(chǎng)AIGC技術(shù)架構(gòu)中處于中間層的企業(yè)分布情況1%100%3%4%4%4%6%7%9%10%52%chatBOT智能機(jī)器人

計(jì)算機(jī)視覺應(yīng)用智能交互機(jī)器人操作系統(tǒng)機(jī)器翻譯知識(shí)圖譜機(jī)器學(xué)習(xí)應(yīng)用推薦引擎內(nèi)容生成整體4.2

基于技術(shù)架構(gòu)的產(chǎn)業(yè)鏈投資價(jià)值環(huán)節(jié)甲子光年智庫認(rèn)為，算力層和中間層企業(yè)具有投資價(jià)值應(yīng)用層中間層智能客服聊天機(jī)器人數(shù)字人元宇宙教育搜索引擎……投資價(jià)值環(huán)節(jié)??藍(lán)海市場(chǎng)，成長(zhǎng)空間大孵化成本低算法層平臺(tái)層文本+金融圖像+醫(yī)療視頻/音頻+教育多模態(tài)+營銷……??進(jìn)入壁壘：專業(yè)性壁壘、深度壁壘先發(fā)優(yōu)勢(shì)：先訓(xùn)練、先迭代，具有一定容錯(cuò)率，發(fā)布時(shí)會(huì)有社會(huì)效應(yīng)基礎(chǔ)層NLP大模型CV大模型多模態(tài)大模型……模型生產(chǎn)訓(xùn)練平臺(tái)數(shù)據(jù)平臺(tái)數(shù)據(jù)采集數(shù)據(jù)清洗數(shù)據(jù)標(biāo)注數(shù)據(jù)合成數(shù)據(jù)溯源投資價(jià)值環(huán)節(jié)??需求持續(xù)釋放，成長(zhǎng)空間大政策鼓勵(lì)扶持，具有戰(zhàn)略價(jià)值???相比于大模型投入成本低專業(yè)性壁壘高先發(fā)優(yōu)勢(shì)：先發(fā)布屬于填補(bǔ)空白，突破卡，社會(huì)效應(yīng)高4.3

基于技術(shù)架構(gòu)的各環(huán)節(jié)投入回報(bào)情況的分析從投入成本和回報(bào)情況來看，中間層和應(yīng)用層的投入成本低，商業(yè)回報(bào)較好圖：“甲子微笑曲線”技術(shù)-商業(yè)投入回報(bào)模型AIGC不同技術(shù)架構(gòu)下的投資孵化成本投入對(duì)比商業(yè)回報(bào)平臺(tái)層：數(shù)據(jù)平臺(tái)AI芯片（28納米）預(yù)訓(xùn)練大模型應(yīng)用層中間層0.50.613.5100投入成本（億元）4.4

算力層的投資機(jī)會(huì)與代表企業(yè)AIGC對(duì)算力的需求指數(shù)級(jí)增長(zhǎng)，算力供需已經(jīng)失衡，需求拉動(dòng)下算力層將有較大空間預(yù)訓(xùn)練模型數(shù)據(jù)規(guī)模繼續(xù)呈指數(shù)級(jí)增長(zhǎng)算力增長(zhǎng)滯后于數(shù)據(jù)增速導(dǎo)致算力供需失衡?模型規(guī)模指數(shù)增長(zhǎng)：2019年，OpenAI耗資1200萬美金研發(fā)GPT-3模型，建立了2600P的基礎(chǔ)算力，相比其2018年6月推出的GPT模型，數(shù)據(jù)規(guī)模增長(zhǎng)了500倍。如果使用單塊NVIDIA

V100

GPU，則其完成GPT-3當(dāng)前?供需失衡：近10年來，全球算力的增長(zhǎng)明顯滯后于數(shù)據(jù)的增長(zhǎng)。從2012年開始，全球人工智能訓(xùn)練所用的計(jì)算量呈現(xiàn)指數(shù)增長(zhǎng)，平均每3.43個(gè)月便會(huì)翻一倍，計(jì)算量擴(kuò)大了30萬倍，遠(yuǎn)超過算力增長(zhǎng)速度。能實(shí)現(xiàn)的訓(xùn)練規(guī)模，需要長(zhǎng)達(dá)355年之久。計(jì)算曲線HPE分析AI預(yù)訓(xùn)練模型規(guī)模呈現(xiàn)指數(shù)級(jí)速度增長(zhǎng)44Datal

數(shù)據(jù)規(guī)模和模型復(fù)雜31.6度增速遠(yuǎn)超算力增速。GPT-3??335??2TB66??800GBl

沒有強(qiáng)大算力，數(shù)字經(jīng)濟(jì)將失去核心支撐。15.8Compute7.9l

新計(jì)算產(chǎn)業(yè)，成為中國數(shù)字經(jīng)濟(jì)發(fā)展的必由之路、重中之重。3??160GB200?

?40GB50?

,16GB4.41.83?

,4GB0.306'0.808'10'12'14'16'18'20'2018年6月

2018年10月

2019年2月2019年7月

2019年10月

2020年6月4.4

算力層的投資機(jī)會(huì)與代表企業(yè)高效實(shí)現(xiàn)機(jī)器學(xué)習(xí)算法的計(jì)算硬件p

狹義的AI

芯片指針對(duì)人工智能算法做了特殊加速設(shè)計(jì)的芯片，目前來講，由于深度學(xué)習(xí)算法在人工智能領(lǐng)域認(rèn)可度及應(yīng)用程度不斷上升，AI芯片一般指針對(duì)大量數(shù)據(jù)進(jìn)行數(shù)據(jù)訓(xùn)練（training）與推斷（inference）設(shè)計(jì)的芯片。p

GPU，F(xiàn)PGA及ASIC是目前最常用的三類AI芯片的技術(shù)架構(gòu)。分類典型特征圖形處理器（Graphicsprocessingunit），在計(jì)算方面具有高效的并行性。用于圖像處理的GPU芯片因海量數(shù)據(jù)并行運(yùn)算能力，被最先引入深度學(xué)習(xí)。功耗比較低。GPU現(xiàn)場(chǎng)可編程門陣列（Fieldprogrammablegatearray），是一種集成大量基本門電路及存儲(chǔ)器的芯片，最大特點(diǎn)為可編程。具有能耗優(yōu)勢(shì)明顯、低延時(shí)和高吞吐的特性。FPGA針對(duì)機(jī)器學(xué)習(xí)算法專用集成電路（Applicationspecificintegratedcircuit,特定應(yīng)用集成電路），是專用定制芯片，為實(shí)現(xiàn)特定要求而定制的芯片。除不能擴(kuò)展應(yīng)用以外，在功耗、可靠性、體積方面都有優(yōu)勢(shì)。ASIC類腦芯片“類腦芯片”是指參考人腦神經(jīng)元結(jié)構(gòu)和人腦感知認(rèn)知方式來設(shè)計(jì)的芯片。目前仍然處于探索階段。針對(duì)類腦人工智能算法*本次報(bào)告不作討論4.4

算力層的投資機(jī)會(huì)與代表企業(yè)云端芯片側(cè)重訓(xùn)練，邊緣+終端層芯片側(cè)重推理，這兩類芯片均具有較高成長(zhǎng)空間p

AI芯片根據(jù)所在服務(wù)器在網(wǎng)絡(luò)中的位置可以分為云端AI芯片，邊緣及終端AI芯片。p

AI芯片根據(jù)實(shí)踐中的目標(biāo)不同，可大致分為兩類：1）訓(xùn)練AI芯片：指用于構(gòu)建神經(jīng)網(wǎng)絡(luò)等模型；2）推理AI芯片：利用模型進(jìn)行推理預(yù)測(cè)。p

邊緣層計(jì)算能力的提升推動(dòng)云-邊-端的協(xié)同，使得更多行業(yè)的人工智能應(yīng)用場(chǎng)景得以實(shí)現(xiàn)，推動(dòng)AI芯片行業(yè)的發(fā)展。圖：云-邊-端協(xié)同示意圖??云端主要承載云端訓(xùn)練和云端推理的任務(wù)具體涉及智能數(shù)據(jù)分析、模型訓(xùn)練任務(wù)和部分對(duì)傳輸帶寬要求不高的推理任務(wù)SaaS