AI大模型應用行業(yè)市場分析_第1頁
AI大模型應用行業(yè)市場分析_第2頁
AI大模型應用行業(yè)市場分析_第3頁
AI大模型應用行業(yè)市場分析_第4頁
AI大模型應用行業(yè)市場分析_第5頁
已閱讀5頁,還剩3頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

AI大模型應用行業(yè)市場分析1.大模型激發(fā)AIGC能力涌現(xiàn),未來追求高泛化能力AGI大模型:發(fā)展超預期,未來追求高泛化能力AGI人工智能歷經(jīng)計算-感知-認知三個階段,大模型引領發(fā)展新階段。2022年11月,OpenAl推出Al對話系統(tǒng)——ChatGPT,從GPT-3.5系列中的一個模型微調而成,創(chuàng)新性加入人類反饋強化學習以及對應的獎勵模型,并在AzureAl超級計算基礎設施上進行訓練,能夠進行有邏輯的對話、撰寫代碼、撰寫劇本、糾正錯誤、拒絕不正當?shù)恼埱蟮?,效果超越大眾預期。大模型以通用人工智能(AGI)為最終目標,追求模型效果的高泛化能力。通用大模型要求模型在不進行重新訓練的情況下,理解用戶提出的非結構化提示詞,并基于需求理解實現(xiàn)穩(wěn)定且正確的文本生成。通用大模型最終目標為通用人工智能(AGI),即人工智能單獨完成人類可以完成的所有任務,在訓練數(shù)據(jù)和模型特點上體現(xiàn)為:參數(shù)多、體量大。大模型高質量完成自然語言理解和生成任務,以“預訓練+微調”模式加持應用場景。大模型將逐步超越大語言模型范疇,形成具備多模態(tài)能力的大模型?!邦A訓練+微調”模式低成本地提升模型在特定行業(yè)領域的表現(xiàn)能力,成為伴隨深度模型行業(yè)應用的通用模式。大模型:海外競爭格局清晰,國內群雄逐鹿海外模型供給:OpenAI打磨多模態(tài)能力、選擇閉源路線,Meta等選取開源路線以加速追趕。ChatGPT在全球范圍內快速傳播,短時間內完成對企業(yè)和用戶的市場教育,需求爆發(fā)倒逼供給創(chuàng)新。2023年9月25日,OpenAI正式發(fā)布ChatGPT4V(ision)版本,新增圖片輸入和語音輸出能力,多模態(tài)能力正式融入ChatGPT;12月6日,谷歌發(fā)布Gemini模型,具備強大多模態(tài)能力和圖文結合的邏輯推理能力。海外大模型市場已形成較為清晰的OpenAI/谷歌雙龍頭+Meta開源追趕+垂類特色廠商繁榮的格局。國內模型供給:科網(wǎng)公司、初創(chuàng)公司等群雄逐鹿,競爭格局走向清晰仍需等待。國內大模型的參與者主要有代表性科技企業(yè)(百度、騰訊等)、新興創(chuàng)業(yè)公司(百川智能、MiniMax等)、傳統(tǒng)AI企業(yè)(科大訊飛、商湯科技等)以及高校研究院(復旦大學、中科院等)。盡管國內大模型的能力差異及易用性仍在接受市場檢驗中,但互聯(lián)網(wǎng)巨頭在AI領域的長期投入已形成先發(fā)優(yōu)勢,在移動互聯(lián)網(wǎng)時代積累的自有數(shù)據(jù)和應用場景也構成獨有壁壘,疊加充足的算力、人才等資源優(yōu)勢,有望在大模型領域占據(jù)重要地位。大模型:當前大模型與AGI仍有差距,多模態(tài)成為重要途徑當前主流大語言模型和AGI之間仍有較大差距。GPT路線構建的大語言模型已展現(xiàn)出強大的自然語言理解和生成能力,但參考Deepmind、OpenAI、Meta等公司對于AGI能力的定義,我們認為當前大語言模型在各維度上距離AGI仍有較大差距,主要體現(xiàn)在性能和通用性、認知能力、工具使用能力、創(chuàng)作能力等方面。多模態(tài)能力提升模型各維度能力,推動大模型走向AGI。當前大模型主要指大語言模型(LLM),輸入輸出均以文本形式進行,而多模態(tài)大模型(MLLM)則可以輸入或輸出文本及其他模態(tài),包括圖像、視頻、音頻、數(shù)據(jù)庫等。多模態(tài)能力全面提升模型各維度能力,成大語言模型走向AGI的重要途徑。2.通用與垂直場景多點開花,大模型賦能千行百業(yè)大模型賦能千行百業(yè),整體市場空間廣闊大模型能力賦能千行百業(yè),打造繁榮模型生態(tài)。當前大模型已經(jīng)展現(xiàn)強大文本生成能力和通用性,在辦公、企業(yè)管理、金融、教育等領域逐步落地應用。未來,大模型對圖像的識別、理解、總結和推理能力將不斷提升,模型可以把圖像、視頻、文本等信息有機結合,更智能的認知和回應用戶訴求,促進模型融入千行百業(yè),實現(xiàn)規(guī)?;涞貞茫纬蓢@大模型的繁榮生態(tài)。公有云和私有部署模式共同推進,探索多樣化商業(yè)模式公有云模式下MaaS模式值得期待,采用“訂閱+流量”的收費模式。MaaS(ModelasaService)是一種新的商業(yè)模式,將模型作為基礎設施部署在公有云端,為下游用戶提供模型使用和基于模型的功能開發(fā)支持。行業(yè)大模型可利用MaaS模式廣泛加持各場景,實現(xiàn)模型生態(tài)的快速發(fā)展。采用MaaS模式的行業(yè)大模型主要采取“訂閱+流量”收費模式,用戶通過基礎訂閱獲取模型能力接入,同時基于用戶模型流量使用情況確定模型服務價格。私有化部署模型通過項目制收費,滿足客戶定制化需求??紤]到模型規(guī)模和算力限制,大模型難以實現(xiàn)終端部署,以私有云模式進行分層部署將是實現(xiàn)模型應用的主要模式。各公司基于經(jīng)營管理、市場定位、歷史文化等方面的考量,容易形成差異化的市場理解,進而提出不同的模型需生成式AI整體市場空間廣闊生成式AI整體市場空間廣闊,有望超過2000億元。根據(jù)technavio數(shù)據(jù),全球生成式AI市場規(guī)模有望從2022年的112億美元增長到2027年的459億美元,2022-2027年CAGR為32.65%,其中2023年將實現(xiàn)31.65%的增速;根據(jù)前瞻產(chǎn)業(yè)研究院的數(shù)據(jù),2022年我國生成式AI市場規(guī)模約660億元,預計2020~2025年復合增速將達到84%,整體處于高速增長通道。在大模型的催化下,前瞻產(chǎn)業(yè)研究院預測生成式AI市場規(guī)模有望在中短期保持高速成長,2025年有望超過2000億元,大模型行業(yè)未來發(fā)展前景廣闊。通用場景:辦公—大模型落地后效率提升最為顯著的核心應用之一辦公場景天然具備高復雜度,預計辦公軟件將是GPT落地后效率提升最為顯著的核心應用之一。工作實質可以概括為發(fā)現(xiàn)、解決問題并創(chuàng)造更多可能,既涉及獨立的勞動生產(chǎn),也涉及大量內外部協(xié)作。由工作衍生出的辦公場景天然具備高復雜度。辦公軟件作為生產(chǎn)力工具,實現(xiàn)對工作效率的提升,深度嵌入到G/B端以及C端用戶工作日常。在辦公軟件行業(yè)新的技術突破暫不明朗之時,ChatGPT的超預期試用體驗以及強大潛力展望提供了新的可能,我們認為辦公軟件將是GPT落地后效率提升最為顯著的核心應用之一。通用場景:辦公—微軟Office引領辦公軟件生成式AI革命浪潮微軟Office接入GPT-4,Microsoft365Copilot引領辦公軟件生成式AI革命浪潮。微軟CEO納德拉在2023年達沃斯世界經(jīng)濟論壇上表示,微軟計劃將包括ChatGPT、DALL-E2在內的AI工具整合進旗下所有產(chǎn)品中。當?shù)貢r間3月16日,微軟發(fā)布Microsoft365Copilot,其結合大語言模型以及用戶在MicrosoftGraph(包括日歷、電子郵件、聊天、文檔、會議等)、Microsoft365應用程序中的數(shù)據(jù),在保證數(shù)據(jù)安全的情況下實現(xiàn)最強生產(chǎn)力工具的打造,幫助用戶專注于最重要的工作內容。我們認為,Microsoft365Copilot有望從根本上改變用戶與電腦、AI技術的交互方式,用戶通過對話可更高效便捷地完成工作任務,并充分利用組織內部的共享數(shù)據(jù),達成對AIGC在辦公領域應用的期待。通用場景:安全—微軟發(fā)布SecurityCopilot,開啟安全AI新歷程3月28日,微軟推出MicrosoftSecurityCopilot,首次將大模型技術應用于網(wǎng)絡安全中。SecurityCopilot結合OpenAI的大模型與微軟的安全模型,大模型提供生成式AI能力,安全模型由微軟的威脅情報能力和每天超過65萬億個信號所提供的信息支持。SecurityCopilot能力包括:1)通過基于自然語言的調查,提供事件響應的分步指導;2)捕捉可能遺漏的威脅,預測下一步威脅;3)通過用戶反饋和交互進行閉環(huán)學習,適應企業(yè)偏好;4)與微軟安全終端產(chǎn)品集成,提供基于安全信號的高效體驗。我們認為,SecurityCopilot改變傳統(tǒng)的網(wǎng)安防御流程,有望以效率提升激發(fā)政企投入意愿;此外,繼SOAR、SASE、零信任、XDR等新興技術模式之后,SecurityCopilot有望接力引領網(wǎng)安技術、模式創(chuàng)新。垂直場景:教育—引領教育教學方式方法變革,爆款產(chǎn)品層出不窮“教、管、學、考”,融入教育應用環(huán)節(jié)?!皩W”和“考”針對學生,大模型的生成能力融入線下和線上促進學生教學提質增效,以數(shù)據(jù)驅動科學備考和科學練習,學生在學習過程中使用大模型技術,能夠提高學習效率?!敖獭焙汀肮堋贬槍逃?,行業(yè)大模型可以利用數(shù)據(jù)整合能力實現(xiàn)科學的教師和學生評價管理體系,利用大模型工具學習能力和知識整合能力實現(xiàn)高效備課,將有效減少教師的工作量,并實現(xiàn)更好地因材施教。垂直場景:教育—訊飛大模型在教育領域綜合實力領先龍頭企業(yè)參與構建行業(yè)標準,國產(chǎn)模型K12評測中訊飛綜合領先。2023年7月8日,“2023世界人工智能大會智能教育主題論壇”在上海市世博中心成功召開,華東師范大學、上海交通大學、科大訊飛、百度、網(wǎng)易有道、騰訊、好未來等行業(yè)領先科研機構及企業(yè)一同參與編制《教育通用人工智能大模型系列標準》。該標準包含五項“團標”:總體框架、信息模型、數(shù)據(jù)規(guī)范、測評規(guī)范、教學應用要求,全面評估教育大模型能力,為教育大模型應用落地提供參考與指導。根據(jù)智能教育可信評測平臺(EduTEP)針對K12教育領域展開的評測,國產(chǎn)大模型在K12教育領域的表現(xiàn)參差不齊,其中,訊飛星火認知大模型在K12教育領域中綜合能力較強。垂直場景:金融—BloombergGPT引領金融大模型,展現(xiàn)垂直場景可行性彭博訓練BloombergGPT,開啟大模型在金融領域應用的重要一步。AI大模型在少樣本學習、文本生成、會話系統(tǒng)等方面具有突出表現(xiàn),但考慮到金融領域的大量專有術語,彭博基于Transformer架構自研大模型。3月30日,彭博發(fā)布關于500億參數(shù)的BloombergGPT開發(fā)情況的論文。根據(jù)論文,BloombergGPT在3630億tokens的金融數(shù)據(jù)集、3450億tokens的通用數(shù)據(jù)集上進行混合訓練,全方位支持金融領域NLP任務并相較于其他模型表現(xiàn)領先,且在通用任務上具有競爭力。基于迄今為止規(guī)模最大的專業(yè)訓練數(shù)據(jù)集之一,BloombergGPT采取混合訓練法。彭博1981年成立,是全球最大的財經(jīng)資訊公司,其終端客戶遍布全球,包括交易員、投行、美聯(lián)儲、各國央行等官方或金融機構。彭博積累了海量的金融文檔,如資訊、公告、報告等,以及龐大金融數(shù)據(jù)集。為訓練金融垂直大模型,彭博提取了一個包含3630億tokens的金融數(shù)據(jù)集。結合公共數(shù)據(jù)集,BloombergGPT的訓練語料庫合計達到7000億tokens。垂直場景:財稅—海外稅務企業(yè)投資AI技術,實現(xiàn)轉型升級在稅務領域,Intuit也在持續(xù)不斷地融入AI技術,實現(xiàn)業(yè)務升級和轉型。2023年6月,Intuit宣布與OpenAI合作,在其專有的Intuit生成式人工智能操作系統(tǒng)(GenOS)上進行人工智能(GenAI)驅動的應用程序開發(fā),將向客戶提供基于AI的建議,包括生成營銷信息或通過MailChimp優(yōu)化發(fā)送電子郵件等瑣事。2023年9月Intuit推出了IntuitAssist,這是一種新型GenAI驅動的助手,與他們的金融大語言模型一起運行,這些模型經(jīng)過微調以解決稅務問題、會計、現(xiàn)金流、個人理財和營銷挑戰(zhàn)。IntuitAssist也將提供個性化的智能建議,幫助消費者和小型企業(yè)客戶做出明智的財務決策。根據(jù)公司年報,Intuit的平臺每年提供7.3億次人工智能驅動的客戶交互,每天生成580億次機器學習預測,并為每個小型企業(yè)提供400,

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 人人文庫網(wǎng)僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

最新文檔

評論

0/150

提交評論