大模型专题报告：百模渐欲迷人眼，AI应用繁花开

行业评级：增持 中航证券社会服务团队分析师：裴伊凡 证券执业证书号：S0640516120002邮箱：peiyf@avicsec.com 核心观点 大模型演进：工业革命级的生产力工具。目前，ANI已经广泛应用，AGI处于研发阶段，大模型是实现AGI的重要路径。AI大模型通过预先在海量数据上进行大规模训练，而后能通过微调以适应一系列下游任务的通用人工智能模型。在“大数据+大算力+强算法”的加持下，进一步通过“提示+指令微调+人类反馈”方式，实现一个模型应用在很多不同领域。人工智能的发展已经从“大炼模型”逐步迈向了“炼大模型”的阶段，逐渐掀起多模态和多场景革命，重塑AI技术范式，提升模型能力天花板，应用价值显著提升。 大模型现状：GPT引领，百模征战。（1）ChatGPT加速迭代：从GPT-1至GPT3.5跨越4年多时间，ChatGPT发布仅一年，GPT迭代开启“加速度”，现已具备多模态能力，并搭建GPTs生态，将定制化模型从ToB推广到ToC，低门槛、低成本、定制化的特点，使得GPTs具备普及性和颠覆性。（2）他山之石：据业界不完全统计，23H1硅谷在人工智能领域共完成了42起融资，总金额约140亿美元（占世界总融资金额的55%），应用方面的投资金额仅次于大模型，垂类场景应用的融资中对话机器人占据绝对优势。（3）国内大模型：科技型企业包括人工智能企业、垂直大模型企业和数据智能服务商相继进场，如商汤科技、度小满和滴普科技等企业，以百度、腾讯和阿里为代表的互联网云厂商占据中国通用大模型行业多数市场份额，在布局时间、基础设施建设、应用场景等方面具备明显优势。（4）爆款应用：基于ChatGPT的火爆和大模型的迭代发展，海内外AI在对话、图像、教育、办公等多个领域出现爆款应用。 大模型未来：应用多点开花，产业智能跃迁。（1）内容变革：拥有通用性、基础性多模态、参数多、训练数据量大、生成内容高质稳定等特征的AI大模型成为了自动化内容生产的“工厂”和“流水线”，随着GPTstore的出现，AI大模型将迎来自己的“APP Store”时代，AIGC商业应用的前景愈发广阔。（2）模型演绎：多模态模型核心目标是模拟人类大脑处理信息的方式，以更全面、综合的方式理解和生成信息，底层通用大模型目前成为最受关注、建设和提升迫切性最强的领域，中间层模型国内目前尚未出现相关玩家。（3）AIGC主流的营收模式可分为四种：MaaS、按产出内容量付费、软件订阅付费、模型定制开发费。目前，按照产出量收费的模式占据主流，但随着底层模型即AIGC生态的建立，最具长期增长潜力并将占据主要市场规模的为MaaS模式。据量子位预测，2023年AIGC不同商业模式规模约170亿元，预期2026将翻一番，2030年有望突破万亿市场规模。 投资建议：关注数据端&模型端&应用端。GPT产品的更迭标志着人工智能进入了新的发展阶段，模型技术、参数、训练数据、训练方法的演化融合方面取得了实质突破，AI大模型已成为优化算力瓶颈、放大数据优势、发展数字经济的重要拼图，掀起“数据-模型-应用”的飞轮效应。随着多模态大模型能力的跃迁、GPTs生态的建立以及对话、图像、办公、教育等领域AI标杆类应用的出现，AI已经具备从纯技术衍生的轻量工具产品向有具体落地场景的深度产品融合演变的能力，诸多行业将迎来工业级生产力变革，降本增效效能凸显，数字化程度高、内容需求丰富的行业商业化及业绩兑现逻辑已完备。重点关注：数据端（中文在线/视觉中国/中国科传/中信出版/果麦文化/中文传媒/南方传媒）；模型端：布局GPTs生态的模型公司（昆仑万维/科大讯飞）；应用端：游戏（三七互娱/恺英网络/世纪华通/汤姆猫/神州泰岳）；电商（小商品城/华凯易佰/吉宏股份/值得买）；办公（万兴科技/金山办公/泛微网络）；教育（世纪天鸿/创业黑马/奥飞娱乐）；影视传媒（捷成股份/上海电影/光线传媒/人民网/新华网）；广告营销（蓝色光标/三人行/风语筑）。 风险提示：行业监管风险、政策收紧的风险、技术发展不及预期的风险、内容生态建设不及预期的风险、变现不及预期风险、舆论炒作风险、市场竞争风险。 大模型未来：应用多点开花，产业智能跃迁1大模型演进：工业革命级的生产力工具324大模型现状：GPT引领，百模征战投资建议：关注数据端&模型端&应用端5风险提示 CONTENTS目录 1.1大模型推动人工智能发展：ANI-AGI-ASI 算法的迭代推动人工智能的发展：几十年来，AI领域持续探索，1940-1980s符号AI占主导，1980年后，统计AI与神经AI齐头并进，二者竞争发展至今，GPT系列属于神经AI。 ➢符号（Symbolic）AI：二十世纪80年代以前属于符号AI时代，开启了以知识建模算法、专家系统算法为代表AI早期发展阶段； ➢统计（Statistical）AI：1985年的贝叶斯网络和1995年的SVM是20世纪机器学习发展的两大标志，但近年来，逐渐成为非主流的研究方向； ➢神经（Neural）AI：经历了1980s-2012年神经网络、2012年后的深度学习两大阶段，深度神经网络和模型大小呈正相关，伴随着模型参数量的增加，相对应深度神经网络的能力将大幅提升，GoogleBrain的Transformer和OpenAI的GPT系列都属于深度学习领域的代表作。 1.1大模型推动人工智能发展：ANI-AGI-ASI 目前，ANI已经广泛应用，AGI处于研发阶段，大模型是实现AGI的重要路径。 ➢ANI（专用人工智能，ArtificialNarrowIntelligence）又称为弱人工智能，是专注于执行某一领域任务的经过训练的人工智能，是目前大多数的AI形式； ➢AGI（通用人工智能，ArtificialGeneralIntelligence）是指一种具有与人类相当的认知能力的智能系统，能够理解、学习、计划和解决问题，目前尚未真正实现； ➢ASI（超级人工智能，ArtificialSuperIntelligence）指在几乎所有领域都超过最优秀的人类所具备的智能、知识、创造力、智慧和社交能力的智能系统。 1.2大模型的技术原理：以“大规模预训练+微调”范式满足多元化需求 人工智能大模型：人工智能大模型是在参数和架构的基础上构建起来的一种结构，是人工智能迈向通用智能的里程碑技术，通过预先在海量数据上进行大规模训练，而后能通过微调以适应一系列下游任务的通用人工智能模型。在“大数据+大算力+强算法”的加持下，进一步通过“提示+指令微调+人类反馈”方式，可以实现一个模型应用在很多不同领域。 大模型VS小模型：人工智能的发展已经从“大炼模型”逐步迈向了“炼大模型”的阶段。“小模型”，针对特定应用场景需求进行训练，能完成特定任务，但是换到另外一个应用场景中可能并不适用，需要重新训练，如果某些应用场景的数据量少，训练出的模型精度就会不理想；“大模型”，在大规模无标注数据上进行训练，学习出一种特征和规则，基于大模型进行应用开发时，将大模型进行微调（在下游小规模有标注数据进行二次训练）或者不进行微调，就可以完成多个应用场景的任务，实现通用的智能能力。 1.3大模型类型：NLP为目前主流应用，文本/图像模态应用较成熟 按照功能可分为NLP大模型、CV大模型、科学计算大模型和多模态大模型。 ➢NLP (Natural Language Processing，自然语言处理)大模型：LLM为NLP大模型的一种，主要用于处理自然语言文本数据，具备强大的语言理解和生成能力,帮助人奏完成问答、创作、文本等工作，例如OpcnAl的GPT系列模型； ➢CV (Computer Vision，计算机视觉)大模型：主要用于处理图像和视频数据，具备强大的围像识别和视频分析能力，如人脸识别、物体检测等，具体可以在智能驾驶、安防等领圾进行利用，例如腾讯的PCAM大模型; ➢多模态大模型：可以同时处理多种类型的模态数据，如文本、围像、语音等，实现跨模态搜索、跨模态生成等任务，已有的渗透应用具休包括搜索引学、办公工具、全融电商等，例如谷歌的Vision Transformer模型。 1.3大模型类型：NLP为目前主流应用，文本/图像模态应用较成熟 AI大模型掀起多模态和多场景革命，重塑AI技术范式，提升模型能力天花板，应用价值显著提升。多模态融合模型通过充分利用大模型的泛化能力、构建多模态数据集、解决融合和对齐问题，以及提供强大的计算资源支持，可以将不同类型的数据（如图像、视频、声音等）通过预处理转化为统一的表示形式，结合多个模态的信息进行联合建模和分析，从而提升其在多个感知任务上的性能和表现。 大模型未来：应用多点开花，产业智能跃迁1大模型演进：工业革命级的生产力工具324大模型现状：GPT引领，百模征战投资建议：关注数据端&模型端&应用端5风险提示 CONTENTS目录 2.1 ChatGPT：功能加速迭代升级，引领多模态能力跃迁 从GPT-1至GPT3.5跨越4年多时间，ChatGPT发布仅一年，GPT迭代开启“加速度”，现已具备多模态能力，并搭建GPTs生态，将定制化模型从ToB推广到ToC。 2.1 ChatGPT：低门槛的“APP Store时刻”来临，定制化GPTs催生产业应用革新 GPTs：“针对特定目的定制的ChatGPT”。OpenAI正式推出GPTs功能，即每个Plus用户都可以通过自然语言构建定制化GPT，定制版的ChatGPT具备带有任何功能的可能性（在保证隐私和安全的情况下），并将其上传到应用商店GPTStore获得分成收入,OpenAI迎来iPhone时刻。不论是开发者还是不会写代码的普通人，都可以拥有自定义版本的GPT；GPTstore有望为AI应用开发者提供新的触达用户渠道和商业化路径。 低门槛、低成本、定制化的特点，使得GPTs具备普及性和颠覆性。GPTs的开发几乎是零成本，零基础的开发者也能完成定制化GPTs的创作，有望颠覆诸多实用型工具（如录音转文字、视频/文字总结、作文批改、商品比价等），更易为公司和个人实现降本增效，助力生产力提升。 •开发者：定义一个或多个API来连接GPTs到真实世界，如数据库、电子邮件或作为购物助手•企业客户：部署仅限内部使用的GPTs，以满足其特定用例、部门或专有数据集的需求•普通用户：有机会尝试更多优秀的GPTs来满足需求 资料来源：ChatGPT、澎湃新闻，中航证券研究所整理 2.2他山之石：大模型加速渗透垂直场景，硅谷融资最关注对话机器人、多模态及行业模型 应用方面的投资金额仅次于大模型，垂类场景应用的融资中对话机器人占据绝对优势。据Dealroom数据显示，模型制造商筹集到的资金占AIGC资金的60%以上，其次是应用程序和基础设施。其中应用程序投资占总资金的21%，文本生成和数据合成的市场关注度最高。据业界不完全统计，23H1硅谷在人工智能领域共完成了42起融资，总金额约140亿美元（占世界总融资金额的55%）， 2.3国内市场：国内大模型紧随其后，竞相发布抢占应用端 国内大模型玩家：科技型企业包括人工智能企业、垂直大模型企业和数据智能服务商相继进场，如商汤科技、度小满和滴普科技等企业。除科技型企业入局外，以百度、腾讯和阿里为代表的互联网云厂商占据中国通用大模型行业多数市场份额，他们在布局时间、基础设施建设、应用场景等方面具备明显优势。 资料来源：量子位，中航证券研究所整理 2.4爆款应用对比（AI+对话）：ChatGPT引领下，百花齐放，多款APP开始收费 海外APP发展迅猛，ChatGPT后军突起抢占市场 ➢随着ChatGPT的发布，AI聊天机器人赛道迅速升温。根据SensorTower数据，截至23H1，市场相关应用数量达200余款，下载量突破1.7亿次，竞争十分激烈。 ➢Codeway旗下基于ChatGPTAPI的应用“ChatwithAskAI”一经推出便迅速获