人工智能行業(yè)深度:潮起潮落 拐點(diǎn)已過(guò)AIGC有望引領(lǐng)人工智能商業(yè)化浪潮_第1頁(yè)
人工智能行業(yè)深度:潮起潮落 拐點(diǎn)已過(guò)AIGC有望引領(lǐng)人工智能商業(yè)化浪潮_第2頁(yè)
人工智能行業(yè)深度:潮起潮落 拐點(diǎn)已過(guò)AIGC有望引領(lǐng)人工智能商業(yè)化浪潮_第3頁(yè)
人工智能行業(yè)深度:潮起潮落 拐點(diǎn)已過(guò)AIGC有望引領(lǐng)人工智能商業(yè)化浪潮_第4頁(yè)
人工智能行業(yè)深度:潮起潮落 拐點(diǎn)已過(guò)AIGC有望引領(lǐng)人工智能商業(yè)化浪潮_第5頁(yè)
已閱讀5頁(yè),還剩67頁(yè)未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1/38請(qǐng)務(wù)必閱讀正文之后的免責(zé)條款部分潮起潮落,拐點(diǎn)已過(guò),AIGC有望引領(lǐng)人工智能商業(yè)化浪潮——人工智能行業(yè)深度投資要點(diǎn)oChatGPT發(fā)布以來(lái)迅速出圈,微軟加大投資力度并宣布將AIGC應(yīng)用到產(chǎn)品服務(wù)中,彰顯AIGC潛在商業(yè)價(jià)值。我們認(rèn)為人工智能在成本、算力消耗、應(yīng)用生態(tài)等層面已走過(guò)拐點(diǎn),商業(yè)化應(yīng)用條件加速成熟,看好AI在各細(xì)分應(yīng)用場(chǎng)景下的滲透率加速提升,建議圍繞算法模型、業(yè)務(wù)場(chǎng)景和AI基礎(chǔ)設(shè)施三大路線選擇優(yōu)質(zhì)投資標(biāo)的。oChatGPT火爆出圈,生成式AI商業(yè)化應(yīng)用走向爆發(fā)前夕(1)內(nèi)容生成成本大幅下降滿足下游需求2)生成效率大幅提升3)模型計(jì)算算力消耗下降,未來(lái)有望在消費(fèi)級(jí)硬件上實(shí)現(xiàn)AI應(yīng)用4)生態(tài)流量快速AIGC市場(chǎng)空間超2000億,建議關(guān)注三條投資主線1)AI底層模型技術(shù)優(yōu)勢(shì)廠商2)實(shí)際場(chǎng)景AI商業(yè)化應(yīng)用優(yōu)勢(shì)廠商3)AI基礎(chǔ)設(shè)施提供商。o推理-知識(shí)-學(xué)習(xí)-創(chuàng)造,AIGC有望引領(lǐng)第四次人工智能浪潮(1)第一次潮起:實(shí)現(xiàn)了AI的推理(計(jì)算)能力;潮落:對(duì));(2)第二次潮起:AI擁有知識(shí)儲(chǔ)備,可回答特定領(lǐng)域問(wèn)題;潮落:現(xiàn)代計(jì)算機(jī)(3)第三次潮起:深度神經(jīng)網(wǎng)絡(luò)賦能AI度、計(jì)算效率、泛化性等指標(biāo)大幅優(yōu)化,奠定了“大模型+場(chǎng)景小模型”(4)第四次潮起:AI擁有創(chuàng)造能力,有望成為效率乃至生產(chǎn)力工具;代表產(chǎn)物:ChatGPT;意義:AI在文本、圖像、音視頻生成領(lǐng)域接近商業(yè)化需求,國(guó)o對(duì)標(biāo)海外生態(tài),AIGC有望推動(dòng)AI商業(yè)化下沉各細(xì)分場(chǎng)景行業(yè)評(píng)級(jí):看好(維持)分析師:程兵相關(guān)報(bào)告):AI訓(xùn)練數(shù)據(jù)龍頭提供商,自動(dòng)駕駛業(yè)務(wù)打開(kāi)成長(zhǎng)空間》):2/38請(qǐng)務(wù)必閱讀正文之后的免責(zé)條款部分行業(yè)深度化進(jìn)程;谷歌、Meta不斷提升AI模型能力,實(shí)現(xiàn)圖文和短視頻的智能模式以訂閱制為主,業(yè)務(wù)場(chǎng)景覆蓋在線辦公、移動(dòng)社交、廣告營(yíng)銷等場(chǎng)景,為人工智能技術(shù)體系,并在智能會(huì)話、圖像生成、氣象預(yù)報(bào)等領(lǐng)域有成熟應(yīng)用,而國(guó)內(nèi)垂類廠商持續(xù)探索AIGC在醫(yī)療、辦公、營(yíng)銷、娛樂(lè)等場(chǎng)景的商o圍繞AI商業(yè)化三大主線挖掘核心投資標(biāo)的);o風(fēng)險(xiǎn)提示3/38請(qǐng)務(wù)必閱讀正文之后的免責(zé)條款部分行業(yè)深度正文目錄1ChatGPT火爆出圈,生成式AI商業(yè)化應(yīng)用走向爆發(fā)前夕 6 7 9 2推理-知識(shí)-學(xué)習(xí)-創(chuàng)造,AIGC有望引領(lǐng)第四次人工智能浪潮 2.1復(fù)盤(pán)三次人工智能浪潮,AI從科研向細(xì)分產(chǎn)業(yè)生態(tài) 2.1.4第四次AI浪潮,AIGC 20 222.3未來(lái)發(fā)展方向預(yù)計(jì),數(shù)據(jù)+模型+算力供應(yīng)仍為三大 232.3.1趨勢(shì)一:AI發(fā)展帶動(dòng)基礎(chǔ)數(shù)據(jù)市 232.3.2趨勢(shì)二:場(chǎng)景模型持續(xù)簡(jiǎn)化以提升訓(xùn)練速度,控制成本滿足商業(yè)化 242.3.3趨勢(shì)三:AI應(yīng)用落地拉動(dòng)算力需求,AI基礎(chǔ)設(shè)施市場(chǎng)規(guī)模有望 253對(duì)標(biāo)海外生態(tài),AIGC有望推動(dòng)AI商業(yè)化下沉各細(xì)分場(chǎng)景 263.1海外科技大廠主導(dǎo),各細(xì)分場(chǎng)景玩家涌現(xiàn), 263.1.1微軟、谷歌等大廠科研實(shí)力雄厚,推動(dòng)AIGC 26 27 30 30 33 344圍繞AI商業(yè)化三大主線挖掘核心投資標(biāo)的 354.1關(guān)注具備底層算法模型核心技術(shù)優(yōu)勢(shì) 354.1.1拓爾思,國(guó)內(nèi)NLP龍頭廠商 354.1.2科大訊飛,AI+行業(yè)應(yīng)用領(lǐng)域 35 4.2關(guān)注各細(xì)分賽道下兼具場(chǎng)景理解與AI布局優(yōu)勢(shì)的垂 364.2.1??低暎浩鸩桨卜佬袠I(yè)的智能物 36 374.3.1海天瑞聲:AI訓(xùn)練數(shù)據(jù)標(biāo)注優(yōu)質(zhì) 37 5風(fēng)險(xiǎn)提示 374/38請(qǐng)務(wù)必閱讀正文之后的免責(zé)條款部分行業(yè)深度 7 7 20 20 21 21 21 24 25 25 27 27 27 27 28 28 29 29 29 29 305/38請(qǐng)務(wù)必閱讀正文之后的免責(zé)條款部分行業(yè)深度 34 34 7 9 20 22 22 23 23 26 28 30 31 33 346/38請(qǐng)務(wù)必閱讀正文之后的免責(zé)條款部分行業(yè)深度1ChatGPT火爆出圈,生成式AI商業(yè)化應(yīng)用走向爆發(fā)前夕1.1AIGC成本大幅下降,人工智能商業(yè)化進(jìn)程拐點(diǎn)已現(xiàn)我們認(rèn)為以ChatGPT為代表的AIGC興起,在內(nèi)容創(chuàng)作成本、創(chuàng)作效率、模型計(jì)算消耗、用戶流量基礎(chǔ)等維度實(shí)現(xiàn)了重大突破,有望推動(dòng)AI商業(yè)化進(jìn)程的大幅加速。(1)AI內(nèi)容創(chuàng)作成本大幅降低且耗時(shí)更短,相較傳統(tǒng)方式優(yōu)勢(shì)顯著人在圖像生成領(lǐng)域,OpenAI透露其DALL-人(2)AIGC模型算力消耗快速下降,落地門(mén)檻降低有望驅(qū)動(dòng)消費(fèi)級(jí)應(yīng)用出現(xiàn)根據(jù)量子位報(bào)告顯示,借助最新的Colossal-AI通用深度學(xué)習(xí)系統(tǒng)(3)爆款應(yīng)用快速積累用戶流量,商業(yè)化條件已基本具備ChatGPT發(fā)布后日活用戶數(shù)量快速突破千萬(wàn)。根據(jù)AR使用者數(shù)量的爆炸式成長(zhǎng)即反應(yīng)出用戶的嘗試使用意愿強(qiáng)烈,未來(lái)嵌入到微軟的業(yè)(4)國(guó)內(nèi)外公司持續(xù)探索商業(yè)化路徑,AIGC生態(tài)有望加速形成資料來(lái)源:JasperAI官網(wǎng),浙商證券研究所資料來(lái)源:TheDecoder,浙商證券研究所7/38請(qǐng)務(wù)必閱讀正文之后的免責(zé)條款部分行業(yè)深度模型運(yùn)算策略GPU數(shù)量4資料來(lái)源:量子位,浙商證券研究所整理1.2應(yīng)用場(chǎng)景豐富,AI商業(yè)化空間前景廣闊,建議關(guān)注三條投資主線AIGC推動(dòng)人工智能商業(yè)化進(jìn)程加速,有望打開(kāi)千億市場(chǎng)。德勤數(shù)據(jù)顯示,2021年中國(guó)人工智能市場(chǎng)規(guī)模達(dá)2058億元,預(yù)計(jì)到2025年將達(dá)到5460億元,2021-2025年復(fù)合增長(zhǎng)率約27.63%。根據(jù)德勤預(yù)測(cè),全球人工智能產(chǎn)業(yè)規(guī)模預(yù)計(jì)從2017年的6900億美元增長(zhǎng)資料來(lái)源:德勤,浙商證券研究所資料來(lái)源:德勤,浙商證券研究所人工智能商業(yè)化進(jìn)程有望加速,建議重點(diǎn)關(guān)注三類公司選擇投資標(biāo)的。《20220-2023等細(xì)分技術(shù)的持續(xù)迭代,AI應(yīng)用將呈現(xiàn)場(chǎng)景應(yīng)用深表的生成式AI將在創(chuàng)作型工作(文本、圖像視頻創(chuàng)作)和預(yù)測(cè)、決策型工作中扮演要角色。我們建議圍繞人工智能商業(yè)化的三大主線選擇投資標(biāo)的1)具備AI模型、算法技術(shù)優(yōu)勢(shì)的科技公司;(2)具備對(duì)AI商業(yè)化實(shí)際應(yīng)用場(chǎng)景理解和業(yè)務(wù)優(yōu)勢(shì)的廠商;(3)具備AI硬件優(yōu)勢(shì)的廠商;8/38請(qǐng)務(wù)必閱讀正文之后的免責(zé)條款部分行業(yè)深度資料來(lái)源:《2022-2023中國(guó)人工智能計(jì)算力發(fā)展評(píng)估報(bào)告》,浙商證券研究所(1)具備AI模型、算法研究實(shí)力優(yōu)勢(shì)的科技公司),模型和算法的迭代始終是核心主線,因此我們認(rèn)為具備AI模型和算法的科研實(shí)力的科技大廠未來(lái)有望在AI商業(yè)化浪潮中保持核心競(jìng)爭(zhēng)優(yōu)勢(shì)。(2)具備對(duì)AI商業(yè)化實(shí)際應(yīng)用場(chǎng)景理解和業(yè)務(wù)優(yōu)勢(shì)的廠商研究報(bào)告》指出,未來(lái)AIGC有望與傳媒、電商、影視、金融等各行業(yè)深度融合,創(chuàng)造更AIGC與產(chǎn)業(yè)融合場(chǎng)景描述AIGC+傳媒寫(xiě)稿機(jī)器人、采訪助手、視頻字幕生成、語(yǔ)AIGC+電商AIGC+影視劇本創(chuàng)作、合成人臉和聲音、AI創(chuàng)作角色和場(chǎng)景、自動(dòng)生成影視預(yù)告片AIGC+娛樂(lè)AI換臉、AI作曲、AI合成音視頻動(dòng)畫(huà)AIGC+教育AIGC+金融AIGC+醫(yī)療AIGC+工業(yè)資料來(lái)源:《AIGC人工智能生產(chǎn)內(nèi)容行業(yè)研究報(bào)告》,浙商證券研究所9/38請(qǐng)務(wù)必閱讀正文之后的免責(zé)條款部分行業(yè)深度在未來(lái)AI商業(yè)化進(jìn)程中,眾多AIGC開(kāi)源場(chǎng)景的深度理解、AI賦能的一體化解決方案、行業(yè)深度綁定、業(yè)務(wù)爭(zhēng)力。因此我們建議關(guān)注各細(xì)分賽道中,現(xiàn)有業(yè)務(wù)具備競(jìng)爭(zhēng)優(yōu)勢(shì),且具(3)具備AI硬件優(yōu)勢(shì)的廠商AI商業(yè)化對(duì)硬件要求仍然很高,算力作為數(shù)據(jù)喻。AI處理器芯片可以支持深度神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)和加速計(jì)算,相比于GPU和CPU擁有成倍的性能提升,和極低的耗電水平。因此,我們認(rèn)為圍繞人工智能的硬件廠商也1.3AIGC應(yīng)用有望從B端延伸至C端市場(chǎng),空間廣闊規(guī)模超兩千億對(duì)標(biāo)海外AIGC廠商商業(yè)模式進(jìn)行測(cè)算,國(guó)內(nèi)2030年AIGC市場(chǎng)空間超兩千億。根式,測(cè)算國(guó)內(nèi)2023年、2025年和2030文字、圖片滲透率有望快速提升,視頻、直播等受限于技術(shù)迭代滲透率較慢。目前AI在文本和圖像生成領(lǐng)域技術(shù)已且相對(duì)成熟,同時(shí)微軟、百度等科技大廠有望將AI到業(yè)務(wù)生態(tài)中,有望推動(dòng)在線辦公、搜索引擎等應(yīng)用場(chǎng)景的滲透率提升。而在直及音視頻等領(lǐng)域,由于AI生成技術(shù)處于初級(jí)認(rèn)為短期內(nèi)滲透率提升幅度較低。經(jīng)測(cè)算,我們預(yù)計(jì)到2025年國(guó)內(nèi)AIGC市場(chǎng)空間可達(dá)403.52億元,到2030年市場(chǎng)空間可達(dá)2175.58億元,未來(lái)幾年市場(chǎng)有望迎來(lái)爆發(fā)式成長(zhǎng)。內(nèi)容類型用戶對(duì)象用戶規(guī)模ARPU假設(shè)(元/年)AI滲透率AIGC市場(chǎng)空間(億元)AI滲透率AIGC市場(chǎng)空間(億元)AI滲透率AIGC市場(chǎng)空間(億元)內(nèi)容制作20030000.605%3.006.00創(chuàng)作者21304000.858.5240%34.08創(chuàng)作者3500020000%070.00700.00主播1400020000%028.00280.00從業(yè)者30000.308%2.404.50社交平臺(tái)用戶9000013.50135.0030%405.00從業(yè)人員1000150015.0030%45.00用戶460002009.208%73.6030%276.00用戶850008.508%68.0050%425.00—34.45—403.52 2175.58資料來(lái)源:前瞻產(chǎn)業(yè)研究院,觀研天下,艾瑞咨詢,JasperAI,Thedecoder,Play.ht,浙商證券研究所10/38請(qǐng)務(wù)必閱讀正文之后的免責(zé)條款部分行業(yè)深度1.4ChatGPT面世即成頂流,性能持續(xù)提升商業(yè)化價(jià)值不斷放大ChatGPT火爆出圈,可與真人流暢交流,標(biāo)志生成式AI的突破性進(jìn)展。2022年11問(wèn)題回答、文本寫(xiě)作以及代碼編寫(xiě)等。ChatGPT模型使用Transformer神經(jīng)網(wǎng)絡(luò)架構(gòu),通過(guò)資料來(lái)源:CSDN,浙商證券研究所接近小學(xué)生水平,雖然相較其代碼和文本寫(xiě)作相比差距甚遠(yuǎn),但進(jìn)步非常明顯,Chat資料來(lái)源:ARKInvest,浙商證券研究所資料來(lái)源:騰訊新聞,浙商證券研究所11/38請(qǐng)務(wù)必閱讀正文之后的免責(zé)條款部分行業(yè)深度微軟計(jì)劃推出一系列AI應(yīng)用服務(wù),ChatGPT有望在實(shí)際應(yīng)用中持續(xù)成長(zhǎng)。2023年2版功能包括高峰時(shí)段免排隊(duì)、快速響應(yīng)以及優(yōu)先獲得新新版搜索引擎發(fā)布,融合OpenAI核心技術(shù)。根據(jù)鈦媒體報(bào)道,一個(gè)擴(kuò)展的聊天框,它現(xiàn)在可以做的不僅僅是回答事實(shí)問(wèn)題資料來(lái)源:鈦媒體,浙商證券研究所1.5ChatGPT以GPT+RLHF模型為核心支撐,為AIGC發(fā)展指明方向ChatGPT將海量訓(xùn)練數(shù)據(jù)與Transformer框架結(jié)合,在GPT模型的基礎(chǔ)上通過(guò)RLHF模型提升交互聊天能力,實(shí)現(xiàn)了對(duì)自然語(yǔ)言的深度建模,Transformer有望在未來(lái)較長(zhǎng)時(shí)間內(nèi)成為AIGC語(yǔ)言領(lǐng)域的核心技術(shù)框架。Transformer架構(gòu)為自然語(yǔ)言理解領(lǐng)域帶來(lái)顛覆性變革,應(yīng)用到NLP、CV、生物、化學(xué)等多領(lǐng)域。2017年,谷歌跳出RNN和CNN的結(jié)構(gòu),提出了完全基于Self-Attention機(jī)編碼器和一個(gè)解碼器組成,且各自由若干個(gè)編碼/解碼模塊堆疊而成,每個(gè)模塊包含Transformer架構(gòu)優(yōu)勢(shì)突出,計(jì)算效率、并行度、解釋性均實(shí)現(xiàn)突破。相比于之前的(1)可直接計(jì)算點(diǎn)乘結(jié)果,并行度高:對(duì)于數(shù)據(jù)序列x1,x2……xn,self-attention可行業(yè)深度(2)一步計(jì)算,解決長(zhǎng)時(shí)依賴問(wèn)題:處理序列信息使,通常用要經(jīng)過(guò)的路徑長(zhǎng)度衡量性能,CNN需要增加卷積層數(shù)來(lái)擴(kuò)大視野,RNN只能逐個(gè)進(jìn)行計(jì)算,而self-attention只需資料來(lái)源:知乎,浙商證券研究所整理RHFL模型將預(yù)訓(xùn)練語(yǔ)言模型按照人類反饋進(jìn)一步微調(diào)以符合人類偏好,利用人類反(2)對(duì)模型根據(jù)提示(prompt)生佳到最差進(jìn)行排名,利用標(biāo)注文本訓(xùn)練獎(jiǎng)勵(lì)模型,從而學(xué)習(xí)到了人類對(duì)于模型根資料來(lái)源:知乎,浙商證券研究所整理12/38請(qǐng)務(wù)必閱讀正文之后的免責(zé)條款部分13/38請(qǐng)務(wù)必閱讀正文之后的免責(zé)條款部分行業(yè)深度2推理-知識(shí)-學(xué)習(xí)-創(chuàng)造,AIGC有望引領(lǐng)第四次人工智能浪潮2.1復(fù)盤(pán)三次人工智能浪潮,AI從科研向細(xì)分產(chǎn)業(yè)生態(tài)加速滲透代和參與者等維度梳理了過(guò)往三次人工智能浪潮。我們認(rèn)為,歷次浪潮可以總結(jié)為AI從推理能力形成,向知識(shí)儲(chǔ)備,再向自我學(xué)習(xí)能力的方向持續(xù)進(jìn)步,未來(lái)有望進(jìn)入到自我創(chuàng)造的階段。開(kāi)始時(shí)間數(shù)據(jù)輸入模型迭代代表性成就主要參與者Hopfield提出RNN模型雛形;Hinton等人提出BoltzmanMachine首個(gè)專家系統(tǒng)誕生,可表明AI某些領(lǐng)域的學(xué)第四次2023-未來(lái)未來(lái)以非結(jié)構(gòu)化數(shù)據(jù)為主GPT-3、CLIP、Diffusion等模型進(jìn)一提升AI生成問(wèn)題和跨模態(tài)處理任務(wù)的能力;科技大廠主導(dǎo);各細(xì)分行業(yè)生態(tài)玩家有望深度參與;資料來(lái)源:知乎,浙商證券研究所2.1.1第一次AI浪潮,對(duì)人類神經(jīng)元機(jī)制的模擬實(shí)現(xiàn)機(jī)器推理能力計(jì)算機(jī)的誕生催生學(xué)術(shù)界對(duì)人工智能的大規(guī)模探索,第一次AI浪潮來(lái)襲。1946年第而圖靈機(jī)的思想論證了現(xiàn)代計(jì)算機(jī)的計(jì)算模式和計(jì)算能力,開(kāi)啟馮·諾依曼模擬人類好大腦記憶存儲(chǔ)與提取的工作機(jī)制,為計(jì)算機(jī)和人工智能奠定堅(jiān)二進(jìn)制代碼存放在存儲(chǔ)器中、所有指令由操作碼和地址碼組成、指令在Rosenblatts受生物神經(jīng)網(wǎng)絡(luò)啟發(fā),提出人工神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu),成為現(xiàn)代神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)的重要基礎(chǔ)。感知機(jī)的工作原理可理解為生物神經(jīng)網(wǎng)絡(luò)中的信號(hào)作用,信號(hào)經(jīng)過(guò)樹(shù)突值與閾值比較,從而判定正負(fù)樣本結(jié)果。但由于感知機(jī)模型只能解決線性問(wèn)題,面對(duì)異或問(wèn)題時(shí)無(wú)能為力,也導(dǎo)致了第一次人工智能研究在上世紀(jì)70年代進(jìn)入低潮期。行業(yè)深度資料來(lái)源:百度百科,浙商證券研究所資料來(lái)源:CSDN,浙商證券研究所2.1.2第二次AI浪潮,人工智能擁有知識(shí)儲(chǔ)備,專家系統(tǒng)為代表性產(chǎn)物20世紀(jì)80年代,第二次人工智能浪潮到來(lái),核心發(fā)展為讓計(jì)算機(jī)學(xué)習(xí)大量專業(yè)知識(shí),研究人員將專家的知識(shí)、言論以及經(jīng)驗(yàn)等數(shù)據(jù)輸入到計(jì)算機(jī),使其成為專家系統(tǒng)。專家系統(tǒng)可以預(yù)測(cè)在一定條件下某種解的概率,由于當(dāng)時(shí)計(jì)算機(jī)已有巨大容量,專家系統(tǒng)有可能從數(shù)據(jù)中得出規(guī)律。在這一階段,多層感知機(jī)、反向傳播算法、神經(jīng)網(wǎng)絡(luò)的出現(xiàn)極大程度地提升了計(jì)算機(jī)的計(jì)算及邏輯推理能力,為深度學(xué)習(xí)和強(qiáng)化學(xué)習(xí)模型奠定了重要基礎(chǔ),同時(shí)專家系統(tǒng)的出現(xiàn)賦予了人工智能知識(shí)屬性,并進(jìn)行了一系列的商用嘗試。多層感知機(jī)強(qiáng)調(diào)模擬人類腦神經(jīng)的復(fù)雜連接,使人工智能實(shí)現(xiàn)解決非線性問(wèn)題的處理且每層都可以有多個(gè)節(jié)點(diǎn),相鄰層的各個(gè)節(jié)點(diǎn)都互相連接。隱藏層和輸出層具和激活函數(shù)處理的功能,實(shí)現(xiàn)數(shù)據(jù)信息的向前傳遞和分析。多層感知機(jī)的突破在于激活函數(shù)的使用,在隱藏層中使用不同的激活函數(shù)可實(shí)現(xiàn)對(duì)數(shù)據(jù)的非線性化處理,使得AI具備擬合任何連續(xù)函數(shù)的能力,大幅提升了計(jì)算機(jī)的計(jì)算能力。資料來(lái)源:CSDN,浙商證券研究所資料來(lái)源:CSDN,浙商證券研究所14/38請(qǐng)務(wù)必閱讀正文之后的免責(zé)條款部分15/38請(qǐng)務(wù)必閱讀正文之后的免責(zé)條款部分行業(yè)深度第二次AI浪潮中,專家系統(tǒng)模擬人類專家的知識(shí)和經(jīng)驗(yàn)解決特定領(lǐng)域的問(wèn)題,實(shí)現(xiàn)了人工智能從理論研究走向?qū)嶋H應(yīng)用、從一般推理策略探討轉(zhuǎn)向運(yùn)用專門(mén)知識(shí)的重大突破。并且機(jī)器學(xué)習(xí)(特別是神經(jīng)網(wǎng)絡(luò))探索不同的學(xué)習(xí)策略和各種學(xué)習(xí)方法,在大量的實(shí)專家系統(tǒng)作為人工智能的重要分支,在這一時(shí)期逐步滲透到細(xì)分行業(yè)的實(shí)際場(chǎng)景解決特定任務(wù)。第二次AI浪潮期間,專家系統(tǒng)應(yīng)用到數(shù)學(xué)、物理、化學(xué)、醫(yī)學(xué)、地質(zhì)等細(xì)分行業(yè),能夠輔助科研人員解決化學(xué)分子結(jié)構(gòu)、疾病診斷、地質(zhì)分析等特定任務(wù)。這一:(;(;(;(;(專家系統(tǒng)時(shí)間開(kāi)發(fā)者核心亮點(diǎn)及應(yīng)用場(chǎng)景斯坦福大學(xué)麻省理工學(xué)院PROSPECTOR斯坦福大學(xué)斯坦福大學(xué)AM斯坦福大學(xué)模擬人類進(jìn)行概括、抽象和歸納推理,并發(fā)現(xiàn)某XCON資料來(lái)源:CSDN,浙商證券研究所專家系統(tǒng)商業(yè)價(jià)值顯現(xiàn),在企業(yè)生產(chǎn)決策過(guò)程中發(fā)揮重大梅隆大學(xué)與DEC公司合作研發(fā)的XCON專家系戶的定貨,選出最合適的系統(tǒng)部件(如CPU型號(hào)、操作系統(tǒng)種類及相應(yīng)型號(hào)置的清單和這些部件裝配關(guān)系的圖,以便技術(shù)人員進(jìn)行裝配。在這一時(shí)期,除DEC公司外,美國(guó)杜邦、通用汽車和波音等公司在也在生產(chǎn)決策中借助專家系統(tǒng)的輔助,1986年美國(guó)AI相關(guān)軟硬件銷售額達(dá)到4.25億美元,人工智能技術(shù)逐漸走出科研院所,進(jìn)入到企業(yè)的實(shí)際業(yè)務(wù)場(chǎng)景中。16/38請(qǐng)務(wù)必閱讀正文之后的免責(zé)條款部分行業(yè)深度資料來(lái)源:《ExpertsystemsforconfigurationatDigital:XCONandbeyond》,浙商證券研究所AI模型算法研究領(lǐng)域,對(duì)人類腦神經(jīng)的信號(hào)處理和思考機(jī)制的模擬進(jìn)一步加深,代表性產(chǎn)物包含CNN、RNN等神經(jīng)網(wǎng)絡(luò)模型。1982年,JohnHopfield提出了一種結(jié)合存儲(chǔ)系個(gè)神經(jīng)元的輸出均連接到其它神經(jīng)元的輸入,模型能夠通過(guò)訓(xùn)練從某一殘缺的信息聯(lián)想到所屬的完整信息,即,Hopfield模型在模擬人類記憶儲(chǔ)存和聯(lián)想方面做出重大貢獻(xiàn),這一模型也勾勒了未來(lái)RNN模型的雛形。YannLeCun提出CNN模型,并成功驗(yàn)證其商用的可行性。1989年,LeCun結(jié)合反CNNCNN通常由輸入層、卷積層、池化(Pooling)層和全連取圖像中的局部特征,池化層用來(lái)大幅降低參數(shù)量級(jí),全連接層則類似傳統(tǒng)神輸出想要的結(jié)果。卷積神經(jīng)網(wǎng)絡(luò)(CNN)成功應(yīng)用到美國(guó)郵局的手寫(xiě)字符識(shí)別系統(tǒng)中,在此基礎(chǔ)上于1998年誕生了穩(wěn)定可商業(yè)應(yīng)用的CNN模型LeNet-5。資料來(lái)源:CSDN,浙商證券研究所資料來(lái)源:知乎,浙商證券研究所17/38請(qǐng)務(wù)必閱讀正文之后的免責(zé)條款部分行業(yè)深度2.1.3第三次AI浪潮,數(shù)據(jù)爆炸背景下,AI進(jìn)入學(xué)習(xí)時(shí)代人類進(jìn)入互聯(lián)網(wǎng)時(shí)代,數(shù)據(jù)量爆炸以及大數(shù)據(jù)技術(shù)的成熟,為人工智能的發(fā)展注入新動(dòng)能。PC互聯(lián)網(wǎng)以及移動(dòng)互聯(lián)網(wǎng)時(shí)代的到來(lái)驅(qū)動(dòng)了人類活動(dòng)數(shù)據(jù)量的爆炸式成長(zhǎng),為AI模型的訓(xùn)練提供有價(jià)值的原料,同時(shí)圍繞大數(shù)據(jù)、云計(jì)算等領(lǐng)域的技術(shù)迭代使得人工智能根據(jù)海外學(xué)者論文《ModelingandSimulationStrategiesforPerformanceEvaluationofGoogle公布了3篇大數(shù)據(jù)奠基性論文,為大數(shù)據(jù)存儲(chǔ)及分布式處資料來(lái)源:《ModelingandSimulationStrategiesforPerformanceEvaluationofCloudComputingSystems》,浙商證券研究所資料來(lái)源:知乎,浙商證券研究所GeoffreyHinton等人提出深度學(xué)習(xí)(DeepLearning)概念,掀起第三次人工智能熱潮。深度學(xué)習(xí)的本質(zhì)是使用多個(gè)隱藏層網(wǎng)絡(luò)結(jié)構(gòu),通過(guò)大量的向量計(jì)算,學(xué)習(xí)數(shù)據(jù)內(nèi)在信息的高階表示。相較于傳統(tǒng)的神經(jīng)網(wǎng)絡(luò),深度學(xué)習(xí)模型具有更優(yōu)異的特征得到的特征對(duì)數(shù)據(jù)有更本質(zhì)的刻畫(huà),有利于可視化或分類;效率得以大大提升。深度學(xué)習(xí)的出現(xiàn)標(biāo)志著計(jì)算機(jī)實(shí)現(xiàn)了基于數(shù)據(jù)的學(xué)習(xí)和挖掘分析能力,AI能夠挖掘復(fù)雜信息中包含的關(guān)聯(lián)關(guān)系。2012年AlexNet神經(jīng)網(wǎng)絡(luò)獲得ImageNet大賽冠軍,標(biāo)志著AI在圖像識(shí)別領(lǐng)域的突AlexNet基于卷積神經(jīng)網(wǎng)絡(luò)CNN模型,在數(shù)據(jù)、算法及算力層面均有較大后圖像識(shí)別領(lǐng)域AI模型均在此基礎(chǔ)上進(jìn)行優(yōu)化,并且識(shí)別準(zhǔn)確度超越了人類水平。18/38請(qǐng)務(wù)必閱讀正文之后的免責(zé)條款部分行業(yè)深度資料來(lái)源:知乎,浙商證券研究所資料來(lái)源:知乎,浙商證券研究所AlphaGo具備深度學(xué)習(xí)能力,可結(jié)合人類專家比賽中學(xué)到的棋譜,以及在和自己下棋(Self-Play)中進(jìn)行強(qiáng)化學(xué)習(xí)。2016年,人工智能AlphaGo在圍棋競(jìng)技中擊敗李世石,標(biāo)志著AI具備了自我迭代和學(xué)習(xí)強(qiáng)化的能力。AlphaGo的深度學(xué)習(xí)模型可分為策略網(wǎng)絡(luò)和價(jià)值網(wǎng)絡(luò),分別解決了圍棋中的“下一手最佳策略”和“下一手后的勝率”兩個(gè)問(wèn)題,并以此為核心通過(guò)學(xué)習(xí)人類棋譜和自我對(duì)弈,不斷調(diào)整策略提升棋力。AlphaGo較了人類棋手對(duì)于圍棋落子的直覺(jué)判斷,即,由于圍棋存在的廣度(每一步的可能度(棋局從開(kāi)始到結(jié)束的步數(shù))導(dǎo)致計(jì)算機(jī)無(wú)法模擬計(jì)算所有的可能性,AlphaGo略網(wǎng)絡(luò)減少搜索廣度,即每一步搜索少量節(jié)點(diǎn),而通過(guò)價(jià)值網(wǎng)絡(luò)減少搜索深度,在AlphaGo基礎(chǔ)上,谷歌公司后續(xù)推出了迭代版本AlphaGoZero,增強(qiáng)了AI在面對(duì)資料來(lái)源:CSDN,浙商證券研究所Transformer架構(gòu)橫空出世,OpenAI發(fā)布的GPT模型,AI進(jìn)入“大模型”時(shí)代。GPT(GenerativePre-19/38請(qǐng)務(wù)必閱讀正文之后的免責(zé)條款部分行業(yè)深度模型學(xué)習(xí)更豐富的文本語(yǔ)義表示,打破了自然語(yǔ)言處理各個(gè)任務(wù)之間的壁壘,使得搭建一個(gè)面向特定任務(wù)的自然語(yǔ)言模型不再需要非常多的任務(wù)北京,只需要根據(jù)任務(wù)的輸入和輸出形式應(yīng)用預(yù)訓(xùn)練模型便可達(dá)到滿意效果。NLP模型的搭建只需要“無(wú)監(jiān)督預(yù)訓(xùn)練+有監(jiān)(1)生成式預(yù)訓(xùn)練:在大規(guī)模文本數(shù)據(jù)上訓(xùn)練一個(gè)高容量的練好的模型可以直接用于下游任務(wù)。GPT-維度參數(shù)后,不需要針對(duì)特定的任務(wù)修改模型,將任務(wù)也作為提示詞,和文本一況下可以在多個(gè)NLP基準(zhǔn)上達(dá)到最先進(jìn)的性能重要的借鑒意義,即通過(guò)優(yōu)質(zhì)訓(xùn)練數(shù)據(jù)輸入和模型復(fù)雜度的增加來(lái)提升模型GPT-1GPT-2數(shù)據(jù),40GB文本數(shù)據(jù)模型框架Transformerdecoder,每層由maskedselfattention+模型參數(shù)模型表現(xiàn)任務(wù)上取得出色表現(xiàn)資料來(lái)源:知乎,浙商證券研究所整理GAN模型參考博弈學(xué)習(xí)理論,通過(guò)內(nèi)部?jī)蓚€(gè)模型的互相博弈,實(shí)現(xiàn)圖像視頻的AI自監(jiān)督學(xué)習(xí)最具前景的方法之一。模型通過(guò)框架中兩個(gè)模塊:生成模型(GenerativeMo和判別模型(DiscriminativeModel)的互相博弈學(xué)習(xí)產(chǎn)生輸出。判別模型負(fù)責(zé)判斷例是真實(shí)的還是模型生成;而生成模型負(fù)責(zé)生成實(shí)例來(lái)騙過(guò)判別模型。兩個(gè)模型對(duì)達(dá)到平衡,即生成模型生成的實(shí)例與真實(shí)的沒(méi)有區(qū)別,判別模型無(wú)法區(qū)分輸入數(shù)據(jù)是生成的還是原始真實(shí)的數(shù)據(jù)。20/38請(qǐng)務(wù)必閱讀正文之后的免責(zé)條款部分行業(yè)深度GAN模型應(yīng)用廣泛,成為AIGC重要底層框架但早期存在問(wèn)題。GAN模型應(yīng)用包含逼真圖片生成、圖片翻譯、3D建模等,但由于基礎(chǔ)的GAN模型存在收資料來(lái)源:ELEMENTUI,浙商證券研究所資料來(lái)源:CSDN,浙商證券研究所2.1.4第四次AI浪潮,AIGC從文本拓展至圖像及音視頻領(lǐng)域,商業(yè)化空間打開(kāi)AIGC在圖片、音視頻領(lǐng)域的模型在大模型基礎(chǔ)上持續(xù)優(yōu)化,性能趨向商用化需求,底層技術(shù)的突破使AIGC商業(yè)落地成為可能,模型迭代推動(dòng)AI生成文字和圖片質(zhì)量AI圖像模型出現(xiàn)時(shí)間特點(diǎn)資料來(lái)源:CSDN,浙商證券研究所21/38請(qǐng)務(wù)必閱讀正文之后的免責(zé)條款部分行業(yè)深度Diffusion模型參考熱力學(xué)原理,大幅提高生成圖像的穩(wěn)定性、準(zhǔn)確性以及計(jì)算效率。擴(kuò)散模型(DiffusionModel)的靈感來(lái)自非平衡熱力學(xué),模聲添加到數(shù)據(jù)中,然后通過(guò)反轉(zhuǎn)這個(gè)噪聲過(guò)程,來(lái)學(xué)習(xí)恢復(fù)數(shù)據(jù)。不同散模型不依賴于生成與對(duì)抗兩個(gè)模型的博弈,因此學(xué)習(xí)結(jié)果更加穩(wěn)定,并且模型和擴(kuò)展性更好,之后推出的StableDiffusion模型CLIP模型打破了傳統(tǒng)分類器界限,可以在不需要額外訓(xùn)練集的情況下,以良好的性代之的是預(yù)測(cè)圖像與文本相匹配的可能性大小,在大規(guī)模數(shù)據(jù)集上資料來(lái)源:知乎,浙商證券研究所資料來(lái)源:知乎,浙商證券研究所Make-A-Video模型實(shí)現(xiàn)AI基于文本、圖像智能生成視頻。在視頻生成領(lǐng)域,Meta公司繼承了圖像生成模型的核心技術(shù),在文本語(yǔ)義和圖像對(duì)應(yīng)關(guān)系的基礎(chǔ)上序列的學(xué)習(xí)訓(xùn)練,實(shí)現(xiàn)連貫運(yùn)動(dòng)且高分辨率的高質(zhì)量視頻生成。由于模型訓(xùn)練資料來(lái)源:CSDN,浙商證券研究所22/38請(qǐng)務(wù)必閱讀正文之后的免責(zé)條款部分行業(yè)深度AI視頻生成模型出現(xiàn)時(shí)間特點(diǎn)研發(fā)中資料來(lái)源:CSDN,浙商證券研究所2.2未來(lái)AI發(fā)展的兩大路線,工程方法+科學(xué)方法將交替占據(jù)行業(yè)主流人工智能的發(fā)展進(jìn)程中形成符號(hào)主義和連接主義兩大陣營(yíng),從工程維度和科學(xué)維度優(yōu)化迭代AI模型。在AI發(fā)展早期,由于數(shù)據(jù)量較少,AI模型容易用符號(hào)模型表征,因此符號(hào)主義發(fā)展較快,而后來(lái)數(shù)據(jù)量提升,問(wèn)題和任務(wù)的復(fù)雜度增加,導(dǎo)致基于復(fù)雜我們認(rèn)為在AIGC主導(dǎo)的人工智能商業(yè)化進(jìn)程中,符號(hào)主義和連接主義仍將作為AI迭代的兩個(gè)重要方向。其中,AI在細(xì)分場(chǎng)景中的應(yīng)用將推動(dòng)大量時(shí)序性的復(fù)雜信前AI在長(zhǎng)視頻、虛擬人、高清圖像等領(lǐng)域的智能生成仍存在局限性,我們看好符號(hào)主義連接主義核心理念研究目標(biāo)操作便捷資料來(lái)源:百度百科,維基百科,浙商證券研究所計(jì)算機(jī)算力以及AI在細(xì)分場(chǎng)景下的滲透率提升推動(dòng)AI模型訓(xùn)練數(shù)據(jù)量爆炸式成長(zhǎng),通過(guò)增加模型參數(shù)及數(shù)據(jù)量提高AI的計(jì)算速度和準(zhǔn)確度。大模型通過(guò)超大規(guī)模的參數(shù)設(shè)置和數(shù)據(jù)輸入,具有基礎(chǔ)、通用和綜合的特點(diǎn),而小模型基于實(shí)際任務(wù)場(chǎng)景的需求,通過(guò)高質(zhì)量場(chǎng)景數(shù)據(jù)的輸入和訓(xùn)練,使AI能夠出色完成特定任務(wù)。在NLP領(lǐng)域,以Google發(fā)布的BERT模型和OpenAI提出的GPT模型為典型代表。AI通過(guò)大模型的預(yù)訓(xùn)練,能夠在處理語(yǔ)言、推理、人機(jī)交互等領(lǐng)域任務(wù)上的表現(xiàn)實(shí)現(xiàn)極大提升,打開(kāi)了AI滲透到各行業(yè)行業(yè)深度類別模型公司參數(shù)量):GPT-2(2019):15.42億):MicrosoftProjectMegatron(20NVIDIAMicrosoft資料來(lái)源:CSDN,浙商證券研究所架構(gòu)的核心在于注意力機(jī)制的使用,這使得AI模型在計(jì)算過(guò)程中可大幅節(jié)約消耗在無(wú)關(guān)信息上的算力,除此之外,殘差網(wǎng)絡(luò)、多巴胺機(jī)制的強(qiáng)化學(xué)習(xí)等模型均參考了腦科學(xué)領(lǐng)域的表11:AI模型對(duì)人類腦神經(jīng)處理信息機(jī)制類別模型參數(shù)量模擬人類視覺(jué)加工的非連續(xù)性分層機(jī)制模擬人類視覺(jué)加工的非連續(xù)性分層機(jī)制模擬人類大腦的分層結(jié)構(gòu)模擬人類視覺(jué)加工過(guò)程中的選擇有效解決信息超載問(wèn)題,大幅提升計(jì)算過(guò)程中模擬人類大腦決策過(guò)程中的多巴在神經(jīng)網(wǎng)絡(luò)訓(xùn)練中加入獎(jiǎng)勵(lì)預(yù)測(cè)誤差信號(hào),通胺信號(hào)機(jī)制過(guò)獎(jiǎng)勵(lì)機(jī)制引導(dǎo)AI的快模擬人類大腦內(nèi)海馬體的空間認(rèn)實(shí)現(xiàn)空間結(jié)構(gòu)和視覺(jué)感知解耦,提升AI決策知及推理機(jī)制反饋效率及準(zhǔn)確度;資料來(lái)源:CSDN,浙商證券研究所2.3未來(lái)發(fā)展方向預(yù)計(jì),數(shù)據(jù)+模型+算力供應(yīng)仍為三大發(fā)展方向2.3.1趨勢(shì)一:AI發(fā)展帶動(dòng)基礎(chǔ)數(shù)據(jù)市場(chǎng)成長(zhǎng),高質(zhì)量標(biāo)注數(shù)據(jù)決定模型訓(xùn)練效果AI模型發(fā)展帶動(dòng)訓(xùn)練數(shù)據(jù)需求升高,標(biāo)注和結(jié)構(gòu)化處理真正實(shí)現(xiàn)將數(shù)據(jù)轉(zhuǎn)為為AI商業(yè)化落地中的表現(xiàn)要求越來(lái)越高。為了保證AI算法的識(shí)AIGC向圖像、語(yǔ)音、文字多維數(shù)據(jù)延伸,AI基礎(chǔ)數(shù)據(jù)服務(wù)與治理賽道有望受益加速成長(zhǎng)。數(shù)據(jù)服務(wù)是利用數(shù)據(jù)采集與標(biāo)注工具處理圖片、語(yǔ)音、文本等非結(jié)構(gòu)化數(shù)據(jù),數(shù)據(jù)23/38請(qǐng)務(wù)必閱讀正文之后的免責(zé)條款部分24/38請(qǐng)務(wù)必閱讀正文之后的免責(zé)條款部分行業(yè)深度數(shù)據(jù)標(biāo)注目前仍以人工為主,行業(yè)向智能化和去人工化趨勢(shì)演進(jìn),標(biāo)注數(shù)據(jù)生產(chǎn)效率與AI模型進(jìn)步協(xié)同共振。不同于計(jì)算機(jī)視覺(jué)領(lǐng)域AI訓(xùn)練的數(shù)據(jù)往往來(lái)自于半結(jié)構(gòu)化或非結(jié)構(gòu)化的信息,目前無(wú)法實(shí)現(xiàn)A注,目前主流的實(shí)現(xiàn)路徑是人工標(biāo)注與智能標(biāo)注協(xié)同方案,即人資料來(lái)源:頭豹研究院,浙商證券研究所整理2.3.2趨勢(shì)二:場(chǎng)景模型持續(xù)簡(jiǎn)化以提升訓(xùn)練速度,控制成本滿足商業(yè)化應(yīng)用需求型維護(hù)成本會(huì)相當(dāng)高,若僅提供推理服務(wù),成本可以大幅降低但是模型牲,從而降低大模型的競(jìng)爭(zhēng)力。并且AI項(xiàng)目實(shí)施通常會(huì)把模型部署到模型蒸餾與遷移學(xué)習(xí)成為AI領(lǐng)域研究新方向,可大幅優(yōu)化終端模型計(jì)算的時(shí)效性并大小。知識(shí)蒸餾包含已訓(xùn)練的TeacherModel和待訓(xùn)練的StudentModel,通過(guò)知識(shí)蒸餾和知識(shí)蒸餾可以在基于高度復(fù)雜的大模型訓(xùn)練基礎(chǔ)上,提升細(xì)分任務(wù)小模型的計(jì)算精度,同時(shí)也可以有效降低模型延遲,并且壓縮網(wǎng)絡(luò)參數(shù)?;谥R(shí)蒸餾思想改進(jìn)BERT預(yù)訓(xùn)練模型,實(shí)現(xiàn)模型的簡(jiǎn)化和速度的提升。DistilledBERT模型直接將為初始化,模型參數(shù)只有BERT的約40%,但速度快提升60解能力。我們認(rèn)為在人工智能通往商業(yè)化應(yīng)用的道路上,早期專注于增加數(shù)據(jù)量、計(jì)算能力或者訓(xùn)練過(guò)程的優(yōu)化方式可能不再適用,未來(lái)各大廠商需要計(jì)算與預(yù)測(cè)性能之間做出權(quán)衡,探索如何利用更少的數(shù)據(jù)與計(jì)算資源,幫助模型實(shí)現(xiàn)性能提升。25/38請(qǐng)務(wù)必閱讀正文之后的免責(zé)條款部分行業(yè)深度2.3.3趨勢(shì)三:AI應(yīng)用落地拉動(dòng)算力需求,AI基礎(chǔ)設(shè)施市場(chǎng)規(guī)模有望加速成長(zhǎng)高算力支持是訓(xùn)練AI大規(guī)模商業(yè)化的基礎(chǔ),AI基礎(chǔ)設(shè)施市場(chǎng)有望迎來(lái)爆發(fā)。微軟入市場(chǎng)規(guī)模加速成長(zhǎng),國(guó)內(nèi)細(xì)分賽道龍頭廠商有望受益?!?022-2023中國(guó)人工智能計(jì)算力發(fā)展評(píng)估報(bào)告》指出,預(yù)計(jì)到2026年全球AI服務(wù)器市場(chǎng)規(guī)模資料來(lái)源:中商產(chǎn)業(yè)研究院,浙商證券研究所資料來(lái)源:中商產(chǎn)業(yè)研究院,浙商證券研究所26/38請(qǐng)務(wù)必閱讀正文之后的免責(zé)條款部分行業(yè)深度3對(duì)標(biāo)海外生態(tài),AIGC有望推動(dòng)AI商業(yè)化下沉各細(xì)分場(chǎng)景3.1海外科技大廠主導(dǎo),各細(xì)分場(chǎng)景玩家涌現(xiàn),商業(yè)模式雛形已現(xiàn)3.1.1微軟、谷歌等大廠科研實(shí)力雄厚,推動(dòng)AIGC核心技術(shù)不斷進(jìn)步海外科技巨頭發(fā)力布局,自有業(yè)務(wù)生態(tài)及強(qiáng)大科研實(shí)力成為核心競(jìng)爭(zhēng)力。在經(jīng)歷了移動(dòng)互聯(lián)網(wǎng)浪潮下科技巨頭競(jìng)爭(zhēng)后,谷歌、Meta、均有所布局,并在聊天交互、圖像生成特定領(lǐng)域取得了一核心亮點(diǎn)人工智能協(xié)助服務(wù),功能包括自主生成部分代碼以谷歌簡(jiǎn)單的交流,回答內(nèi)容基于谷歌搜索相關(guān)信息以?;赥ransformer架構(gòu)和Difussion模像的AI智能生成,在圖像合成的保真度和圖像-基于AI驅(qū)動(dòng)文本生成圖像,并允許通過(guò)文本輸基于AI驅(qū)動(dòng)文本、圖片生成短視頻,根據(jù)輸入略模型優(yōu)化為高分辨率的精細(xì)模型,生成效率資料來(lái)源:零壹財(cái)經(jīng),知乎,浙商證券研究所DALL-E2模型可實(shí)現(xiàn)文本到圖像的智能生成。2022年4月OpenAI發(fā)布DALL-E2模型,只需輸入簡(jiǎn)短的文字prompt就可以生成全新的圖像,甚至可以修改現(xiàn)有圖像,DALL-E2工作過(guò)程中,首先將文本prompt輸入到經(jīng)過(guò)訓(xùn)練的文本編碼器中,接著將文本編碼映射到相應(yīng)的圖像編碼,該圖像編碼捕獲文本編碼中包含的語(yǔ)義信息Meta在已有AI圖像生成技術(shù)上更進(jìn)一步,實(shí)現(xiàn)基于文本、圖片生成短視頻的AIGC模型。MetaAI將Make-A-Video分割成三個(gè)組成部分并分開(kāi)訓(xùn)練,分別是基礎(chǔ)的文字生成圖像AI模型、學(xué)習(xí)視頻中圖像在時(shí)間維度上的動(dòng)態(tài)變化的AI模塊,以及超分辨率模型和27/38請(qǐng)務(wù)必閱讀正文之后的免責(zé)條款部分行業(yè)深度資料來(lái)源:知乎,浙商證券研究所資料來(lái)源:CSDN,浙商證券研究所科技大廠主導(dǎo)AIGC在前沿領(lǐng)域的科學(xué)研究,為人工智能的商業(yè)化持續(xù)拓展想象空間。谷歌母公司Alphabet旗下子公司Deepmind開(kāi)發(fā)了Alphafold2模型,通過(guò)預(yù)測(cè)蛋白質(zhì)中每對(duì)氨基酸之間的距離分布以及化學(xué)鍵之間的角度,實(shí)現(xiàn)對(duì)蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)。Alphafold2模仿人類注意力的網(wǎng)絡(luò)架構(gòu)采用Attention機(jī)制,可以同時(shí)聚焦多個(gè)細(xì)節(jié)MetaCicero可在人機(jī)交互中表現(xiàn)出談判技巧、同理心等,未來(lái)有望應(yīng)用到各類社交游戲《外交》的測(cè)試中,Cicero可以為Cicero的核心技術(shù)未來(lái)有望創(chuàng)造更加智能的NPC,以及在多會(huì)話對(duì)話中緩解人類與AI之間的溝通障礙,將AI應(yīng)用到更加廣泛的社交場(chǎng)景。圖34:DeepMind利用AIGC實(shí)現(xiàn)蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)資料來(lái)源:智東西,浙商證券研究所資料來(lái)源:游研社,浙商證券研究所3.1.2細(xì)分賽道涌現(xiàn)大量初創(chuàng)公司,不斷探索AI商業(yè)化應(yīng)用的產(chǎn)品形態(tài)及服務(wù)模式大模型API公布和模型開(kāi)源催生AIGC創(chuàng)業(yè)浪潮,細(xì)分賽道內(nèi)大量玩家在產(chǎn)品及商業(yè)下降和效率提升,目前海外公司在文案寫(xiě)作、圖像生成、音視頻創(chuàng)作等領(lǐng)域持續(xù)布局。細(xì)28/38請(qǐng)務(wù)必閱讀正文之后的免責(zé)條款部分行業(yè)深度表13:AIGC領(lǐng)域相關(guān)初創(chuàng)公司及業(yè)務(wù)場(chǎng)生成內(nèi)容企業(yè)成立時(shí)間應(yīng)用領(lǐng)域底層模型企業(yè)簡(jiǎn)介GPT-3協(xié)議,操作非常簡(jiǎn)單,只要輸入郵件AI廣告文案寫(xiě)作NotionAIAI作圖底層協(xié)議AI作圖Play.ht是一個(gè)AI文本轉(zhuǎn)換語(yǔ)音應(yīng)用,采資料來(lái)源:CSDN,知乎,浙商證券研究所文本創(chuàng)作領(lǐng)域,基于GPT語(yǔ)言模型,AI在郵件、營(yíng)銷文案寫(xiě)作領(lǐng)域已有深度應(yīng)用。JasperAI成立于2020年,公司定位是營(yíng)銷領(lǐng)域類的素材撰寫(xiě),基于AI模JasperAI面向個(gè)人及企業(yè)用戶,采用SaaS訂閱制收費(fèi)模式。JasperAI提供BossNotionAI實(shí)現(xiàn)文本寫(xiě)作、語(yǔ)法糾錯(cuò)、機(jī)器翻譯等功能,提高筆記類產(chǎn)品功能價(jià)值。Notion筆記工具融合了文檔、任務(wù)、知識(shí)庫(kù)以及數(shù)據(jù)庫(kù)功能資料來(lái)源:JasperAI,浙商證券研究所資料來(lái)源:NotionAI,浙商證券研究所29/38請(qǐng)務(wù)必閱讀正文之后的免責(zé)條款部分行業(yè)深度圖像生成領(lǐng)域,擴(kuò)散模型的快速迭代大幅提升AI生成圖像的性能,StabilityAI公司者和企業(yè)用例的圖像、語(yǔ)言、音頻、視頻、3D等開(kāi)放AI模型,公司開(kāi)源的底資料來(lái)源:36氪,浙商證券研究所資料來(lái)源:DreamStudio,浙商證券研究所Midjourney利用AI智能生成圖像,使用門(mén)檻低且圖片可用性高。用戶通過(guò)Discord平臺(tái),輸入希望實(shí)現(xiàn)畫(huà)面的文字,平臺(tái)即可在一分鐘的時(shí)間內(nèi)完成四張縮略圖的行逐步渲染,用戶選擇相對(duì)滿意的一張圖片可繼續(xù)細(xì)化,如變形、放大尺寸和細(xì)Discord平臺(tái)根據(jù)GPU使用時(shí)長(zhǎng)、圖片是否公開(kāi)、圖片生成數(shù)量資料來(lái)源:MetaStellar,浙商證券研究所資料來(lái)源:網(wǎng)易,浙商證券研究所30/38請(qǐng)務(wù)必閱讀正文之后的免責(zé)條款部分行業(yè)深度Play.ht基于AI驅(qū)動(dòng)實(shí)現(xiàn)文本到語(yǔ)音的智能生成。Play.ht依靠AI從IBM、微軟、亞馬遜和谷歌生成音頻和語(yǔ)音,該工具對(duì)于將文本轉(zhuǎn)換為自然聲音尤為有用并且允許下載資料來(lái)源:IT之家,浙商證券研究所資料來(lái)源:Play.ht,浙商證券研究所3.2國(guó)內(nèi)科技大廠相繼入局,基于內(nèi)容生態(tài)市場(chǎng)空間廣闊3.2.1科技大廠持續(xù)開(kāi)拓中文AIGC,借助業(yè)務(wù)生態(tài)有望推出爆款應(yīng)用產(chǎn)品國(guó)內(nèi)科技大廠布局生成式AI,未來(lái)有望借助業(yè)務(wù)生態(tài)推出爆款應(yīng)用產(chǎn)品。百度、阿里巴巴、騰訊、字節(jié)跳動(dòng)等國(guó)內(nèi)科技大廠相繼布局AIGC領(lǐng)域,在圖片公司典型產(chǎn)品功能通過(guò)文字描述生成圖片、圖畫(huà)修復(fù)、文檔分析輸入多張人像圖片完成對(duì)于人像面部的3D建模通過(guò)文字生成歌曲,支持作詞、作曲、編曲、演資料來(lái)源:百度文心,騰訊優(yōu)圖,阿里巴巴魯班,網(wǎng)易天音,騰訊網(wǎng),浙商證券研究所百度深度布局AIGC多年,圍繞自有業(yè)務(wù)生態(tài)形成核心競(jìng)爭(zhēng)力,在中文AI領(lǐng)域優(yōu)勢(shì)31/38請(qǐng)務(wù)必閱讀正文之后的免責(zé)條款部分行業(yè)深度類別產(chǎn)品名稱主要特點(diǎn)作等能力。創(chuàng)新性地將大數(shù)據(jù)預(yù)訓(xùn)練與多源豐富知識(shí)相結(jié)合,通過(guò)持續(xù)學(xué)習(xí)技術(shù)基于領(lǐng)先的視覺(jué)技術(shù),利用海量的圖像、視頻等數(shù)據(jù),為企業(yè)和開(kāi)發(fā)者提供基于知識(shí)增強(qiáng)的跨模態(tài)語(yǔ)義理解關(guān)鍵技術(shù),可實(shí)現(xiàn)跨模態(tài)檢索、圖文生成、融合自監(jiān)督和多任務(wù)學(xué)習(xí),并將生物領(lǐng)域研究對(duì)文心大模型與各行業(yè)企業(yè)聯(lián)手,在通用大模型的基礎(chǔ)上學(xué)提供多種參數(shù)量級(jí)的、具備超強(qiáng)的語(yǔ)言理解能力和文本創(chuàng)作能力的API服務(wù)。全球規(guī)模最大的中文跨模態(tài)生成模型,通過(guò)自然語(yǔ)言實(shí)現(xiàn)圖像全球首個(gè)基于隱空間的大規(guī)模生成式開(kāi)放域?qū)υ捘P?,具備接ERNIEKit:基于最新一代預(yù)訓(xùn)練范式的NLP算法定制開(kāi)發(fā)工具集;覆蓋大模型環(huán)境部署、數(shù)據(jù)處理、預(yù)訓(xùn)練、微調(diào)、模型壓縮、推理部署全流零門(mén)檻AI開(kāi)發(fā)平臺(tái)EasyDLEasyDL跨模態(tài):基于大模型,提供領(lǐng)先的視覺(jué)、文本跨模態(tài)理解能力,根據(jù)業(yè)依托大模型,以極簡(jiǎn)的策略和方案替代傳統(tǒng)搜索引擎復(fù)雜的特征,低成本接入各類企AI藝術(shù)和創(chuàng)意輔助平臺(tái),依托飛槳、文心資料來(lái)源:百度文心大模型官網(wǎng),浙商證券研究所對(duì)標(biāo)ChatGPT,百度計(jì)劃近期完成產(chǎn)品內(nèi)測(cè),有望加速AI產(chǎn)品商用化進(jìn)程。近日,語(yǔ)言的深度語(yǔ)義理解與生成能力,對(duì)標(biāo)微軟對(duì)OpenAI核心技32/38請(qǐng)務(wù)必閱讀正文之后的免責(zé)條款部分行業(yè)深度資料來(lái)源:百度文心大模型官網(wǎng),浙商證券研究所整理文獻(xiàn)分類、新聞分類,商品分類、原生中文推理、成語(yǔ)閱讀理解填空、名詞華為發(fā)布?xì)庀蟠竽P停峁┟爰?jí)天氣預(yù)報(bào),如重力勢(shì)、1小時(shí)-7天預(yù)測(cè)。盤(pán)古氣象大模型在氣象預(yù)報(bào)的關(guān)鍵要素和常用時(shí)間范圍上精度均超過(guò)當(dāng)?shù)南掠晤A(yù)報(bào)方案,如在臺(tái)風(fēng)路徑預(yù)測(cè)任務(wù)上,相比傳統(tǒng)數(shù)值氣象資料來(lái)源:搜狐,浙商證券研究所資料來(lái)源:科技世界網(wǎng),浙商證券研究所33/38請(qǐng)務(wù)必閱讀正文之后的免責(zé)條款部分行業(yè)深度3.2.2國(guó)內(nèi)細(xì)分賽道涌現(xiàn)大量垂類公司,關(guān)注實(shí)際業(yè)務(wù)場(chǎng)景下的AI應(yīng)用滲透依托國(guó)內(nèi)豐富內(nèi)容生態(tài),垂類公司探索AI應(yīng)用產(chǎn)品,AIGC將有望成為內(nèi)容生態(tài)發(fā)展的新引擎。我們認(rèn)為AIGC發(fā)展根據(jù)內(nèi)容分類,主要可以分為3個(gè)階段:一容生產(chǎn)技術(shù)完善階段,實(shí)現(xiàn)文本、視頻、圖片生成以及三者的跨模態(tài)轉(zhuǎn)換;二是年來(lái),在法律、營(yíng)銷、醫(yī)療、人機(jī)交互等領(lǐng)域不斷涌現(xiàn)垂類公司,基于AI生成內(nèi)容企業(yè)成立時(shí)間主要特點(diǎn)聆心智能提供AI驅(qū)動(dòng)的高質(zhì)量數(shù)字療法和新一代精神心理的解決方案,為臨床實(shí)踐實(shí)現(xiàn)規(guī)模化公司針對(duì)商業(yè)場(chǎng)景數(shù)字化轉(zhuǎn)型,以自然語(yǔ)言處理為基礎(chǔ)提供商業(yè)洞見(jiàn)類產(chǎn)品,主要產(chǎn)品包括基于預(yù)訓(xùn)練模型的功能引擎(搜索、生成、翻譯、對(duì)話等)秘塔科技公司致力于利用AI為法律行業(yè)賦能,提升法律從業(yè)者工作效率,改變法律翻譯市場(chǎng)高公司解決方案包括AI智能寫(xiě)作平臺(tái),服務(wù)內(nèi)容包括機(jī)器翻譯,可根據(jù)中國(guó)人的書(shū)寫(xiě)習(xí)公司提供AI模特圖片解決方案,有效降低拍照成本和效率,提升電商轉(zhuǎn)化率。產(chǎn)品通公司專注于智能影像生產(chǎn)領(lǐng)域的視覺(jué)技術(shù),憑借在AI、視頻結(jié)構(gòu)化等領(lǐng)域的技術(shù)優(yōu)公司專注于AI與計(jì)算機(jī)視覺(jué)技術(shù)研究與產(chǎn)品開(kāi)公司專注于智能語(yǔ)音交互和AI數(shù)據(jù)服務(wù)技術(shù)。公司依托先進(jìn)的AI語(yǔ)音交互技術(shù)及高精度數(shù)據(jù)采標(biāo)平臺(tái),打造多場(chǎng)景應(yīng)用的語(yǔ)音交互方案,包括通用場(chǎng)景的語(yǔ)音合成和語(yǔ)公司運(yùn)用AI為游戲行業(yè)提供完整的解決方案。公司產(chǎn)公司是一家語(yǔ)音合成科技創(chuàng)新企業(yè),提供基于端到端的神經(jīng)網(wǎng)絡(luò)的音頻合成系統(tǒng)及行業(yè)解決方案,以領(lǐng)先的神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)和先進(jìn)的深度學(xué)習(xí)合成器為依托公司研發(fā)跨平臺(tái)AI機(jī)器人“小冰”,致力于實(shí)現(xiàn)跨平臺(tái)交互,讓用戶在不同品牌的終端和不同企業(yè)的生態(tài)中都找到小冰,目前用戶可以自主通過(guò)小冰框資料來(lái)源:各公司官網(wǎng),36氪,騰訊網(wǎng),浙商證券研究所對(duì)標(biāo)海外公司發(fā)展,內(nèi)容型公司有多種商業(yè)模式可選擇,業(yè)務(wù)結(jié)合場(chǎng)景深度將決定玩能下游B端及C端用戶的實(shí)際業(yè)務(wù)效率和質(zhì)量提升,因此34/38請(qǐng)務(wù)必閱讀正文之后的免責(zé)條款部分行業(yè)深度3.3國(guó)內(nèi)內(nèi)容生態(tài)市場(chǎng)空間廣闊,政策支持下看好AI應(yīng)用加速滲透國(guó)內(nèi)成熟內(nèi)容生態(tài)為AI應(yīng)用提供沃土,虛擬人有望催生新內(nèi)容需求。以短視頻生態(tài)為例,根據(jù)前瞻產(chǎn)業(yè)研究院預(yù)計(jì),到2027年我國(guó)短視頻市場(chǎng)規(guī)模將達(dá)到9624億元,市場(chǎng)空間廣闊,視頻、游戲、網(wǎng)絡(luò)文學(xué)等內(nèi)容生態(tài)也將不斷形成,根據(jù)速途元宇宙研究院預(yù)測(cè),到2030年我國(guó)虛擬資料來(lái)源:速途元宇宙研究院,浙商證券研究所資料來(lái)源:前瞻產(chǎn)業(yè)研究院,浙商證券研究所國(guó)家將人工智能上升至國(guó)家戰(zhàn)略層面,政策支持有望推進(jìn)行業(yè)發(fā)展。政府隨著人工智能行業(yè)的不斷發(fā)展,對(duì)政策內(nèi)容也持續(xù)進(jìn)行細(xì)頒布時(shí)間頒布主體政策名稱主要內(nèi)容《關(guān)于促進(jìn)人工智能和實(shí)體探索人工智能創(chuàng)新成果應(yīng)用轉(zhuǎn)化路徑和方法,構(gòu)建智能《國(guó)家新一代人工智能開(kāi)放《國(guó)家新一代人工智能標(biāo)準(zhǔn)到2021年,明確AI標(biāo)準(zhǔn)化頂層設(shè)計(jì),研則,明確標(biāo)準(zhǔn)之間的關(guān)系,指導(dǎo)AI標(biāo)準(zhǔn)化工作的有序開(kāi)展,完術(shù)、關(guān)鍵領(lǐng)域技術(shù)等20項(xiàng)以上重點(diǎn)標(biāo)準(zhǔn)的預(yù)研工作。到20標(biāo)準(zhǔn)體系,重點(diǎn)研制數(shù)據(jù)、算法、系統(tǒng)、服務(wù)等重點(diǎn)標(biāo)準(zhǔn),并率《中華人民共和國(guó)國(guó)民經(jīng)濟(jì)和社會(huì)發(fā)展第十四個(gè)五年規(guī)聚焦高端芯片、操作系統(tǒng)、人工智能關(guān)鍵算法、傳感器等基礎(chǔ)理論、基礎(chǔ)算法、裝備材料等研發(fā)突破與迭代應(yīng)用。培育壯大人大數(shù)據(jù)、區(qū)塊鏈、云計(jì)算、網(wǎng)絡(luò)安全等新興數(shù)字產(chǎn)業(yè),提升通信設(shè)備推動(dòng)新型數(shù)據(jù)中心與AI等技術(shù)協(xié)同發(fā)展,構(gòu)建完善新型智《新一代人工智能資料來(lái)源:工信部,科技部,中國(guó)政府網(wǎng),浙商證券研究所35/38請(qǐng)務(wù)必閱讀正文之后的免責(zé)條款部分行業(yè)深度4圍繞AI商業(yè)化三大主線挖掘核心投資標(biāo)的4.1關(guān)注具備底層算法模型核心技術(shù)優(yōu)勢(shì)的廠商4.1.1拓爾思,國(guó)內(nèi)NLP龍頭廠商深耕NLP領(lǐng)域30年,公司發(fā)展成為國(guó)內(nèi)政務(wù)領(lǐng)域NLP龍頭廠商。公司以“語(yǔ)義智能+”為發(fā)展戰(zhàn)略深耕多年,主要業(yè)務(wù)覆蓋內(nèi)容安全和互聯(lián)網(wǎng)空間治理、數(shù)字政府和數(shù)輿情監(jiān)控等服務(wù)。公司以深耕多年的大數(shù)據(jù)積累與行業(yè)領(lǐng)先的NLP技術(shù)公司以NLP技術(shù)為核心,金融、政府、公安領(lǐng)域競(jìng)爭(zhēng)優(yōu)勢(shì)顯著。目前公司以公共安全市場(chǎng)為最主要業(yè)務(wù),產(chǎn)品和場(chǎng)景包括公安情報(bào)研判指揮、公控、開(kāi)源情報(bào)智能分析、開(kāi)源情報(bào)數(shù)據(jù)采集監(jiān)測(cè)以及各類領(lǐng)域知識(shí)庫(kù)構(gòu)建;在信公司積極開(kāi)辟新賽道,機(jī)器人+虛擬人有望為公司業(yè)務(wù)提供新增量。公司將以“虛擬人+”場(chǎng)景為突破口,開(kāi)發(fā)支撐虛擬人的AI技術(shù)平臺(tái),推動(dòng)虛擬人在各行業(yè)場(chǎng)景中的地。公司基于中文NLP核心技術(shù)、海量數(shù)據(jù)積累及具備行業(yè)專業(yè)

溫馨提示

  • 1. 本站所有資源如無(wú)特殊說(shuō)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(qǐng)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(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 人人文庫(kù)網(wǎng)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

評(píng)論

0/150

提交評(píng)論