传媒行业：工具开源有助于推动模型迭代，多模态AI应用有望持续受益

请阅读最后一页免责声明及信息披露 http://www.cindasc.com 1 证券研究报告 行业研究 [Table_ReportType] 行业点评 [Table_StockAndRank] 传媒行业 投资评级 看好 上次评级 看好 [Table_Author] 冯翠婷 传媒互联网及海外 首席分析师 执业编号：S1500522010001 邮箱：fengcuiting@cindasc.com [Table_OtherReport] 信达证券股份有限公司 CINDA SECURITIES CO.,LTD 北京市西城区闹市口大街9号院1号楼 邮编：100031 [Table_Title] 工具开源有助于推动模型迭代，多模态AI应用有望持续受益 [Table_ReportDate] 2024年3月17日 [Table_Summary] 近期AI相关热点更新： ➢ 人工智能公司 xAI将在本周内开源人工智能助手 Grok:xAI由埃隆马斯克于2023年7月成立，该公司的目标是专注于回答更深层次的科学问题，希望未来可以利用人工智能帮助人们解决复杂的科学和数学问题，并且理解宇宙。根据xAI公布的数据，在GSM8K、HumanEval和MMLU等一系列基准测试中，Grok-1的表现超过了Llama-2-70B和GPT-3.5，但与GPT-4存在较大差距。 ➢ 谷歌发布通用AI智能体SIMA及“社会学习”AI框架：SIMA全称 Scalable Instructable Multiworld Agent，整体架构是将预训练视觉模型与自监督学习的Transformer相结合。从用户那里接收语言指令，并从环境中获取图像观察结果，然后将它们映射为键盘和鼠标动作。通过在不同的游戏世界中学习，SIMA能够将语言与游戏行为相结合。“社会学习”AI框架允许AI语言模型之间通过自然语言进行交流学习，此举不仅提升了模型的学习效率，同时也在很大程度上增强了隐私保护。 ➢ 微软亚洲研究院推出的最新成果bGPT，或标志深度学习范式转变：与传统的基于词表的语言模型不同，bGPT的独特之处在于其对原始二进制数据的直接处理能力，不受特定格式或任务的限制，其目标是全面模拟数字世界。通过字节级处理，bGPT不仅能生成文本、图像和音频，还能模拟计算机行为——从格式转换算法到CPU状态的建模。将所有数据视为字节序列的做法，使bGPT能够将不同类型的数据纳入同一框架之下。bGPT不仅能处理原生二进制数据，还能将多种数据类型融合进一个统一的模型架构中，视一切数据为字节序列。这种方法不仅简化了数据建模流程，还便利了各类数据源的整合，且无需为特定数据类型定制模型。 ➢ 零一万物API开放平台发布，多模态模型Yi-VL-Plus亮眼：零一万物推出了Yi大模型API开放平台。该平台提供了多种模型，包括Yi-34B-Chat-0205、Yi-34B-Chat-200K和Yi-VL-Plus等，这些模型在通用聊天、问答、对话、写作、翻译、多模态输入等方面具有出色的表现，并且Yi大模型API开放平台与OpenAI API兼容，平台间能实现迁移，这为开发者提供了更多的选择和便利。 投资建议： ➢ 受益于全球生成式AI持续发展，文生图/视频/音乐/代码等多方面应用的迭代更新有望长期给诸多行业带来降本增效，重点关注：1）AI+3D：大丰实业、丝路视觉、凡拓数创、恒信东方、风语筑、锋 请阅读最后一页免责声明及信息披露 http://www.cindasc.com 2 尚文化、岭南股份； 2）AI+影视：慈文传媒、华策影视、上海电影、光线传媒、超讯通信、因赛集团、中广天择、视觉中国；3）AI+IP：华策影视、上海电影、中文在线、奥飞娱乐、果麦文化、捷成股份；4）AI+营销：分众传媒、三人行、芒果超媒、易点天下、值得买、蓝色光标、兆讯传媒、浙文互联、遥望科技等；5）AI+教育/阅读：盛通股份、世纪天鸿、掌阅科技等；6）AI+游戏：恺英网络、巨人网络、完美世界、紫天科技、昆仑万维、宝通科技、掌趣科技、神州泰岳、盛天网络、三七互娱、吉比特、名臣健康、姚记科技、顺网科技、汤姆猫、星辉娱乐等；7）AI+办公：万兴科技、福昕软件、金山办公；8）AI+出版：果麦文化、南方传媒、中南传媒、凤凰传媒、皖新传媒等；9）AI大模型：腾讯、百度、阿里巴巴、昆仑万维、科大讯飞等。 ➢ 风险因素：生成式AI公司资本开支不及预期、AI应用迭代不及预期。 表1：海外科技企业近期动态汇总 日期 公司 事件 3.11 Google 谷歌最新公布了一项名为“社会学习”的AI框架，该框架允许AI语言模型之间通过自然语言进行交流学习，此举不仅提升了模型的学习效率，同时也在很大程度上增强了隐私保护。由于在学习过程中无需直接交换敏感关键信息，该框架在保护用户隐私方面具有显著优势。例如，在垃圾短信检测任务中，教师模型首先学习用户标记的数据并获取识别垃圾信息的能力，然后指导学生模型如何区分垃圾和非垃圾信息，整个过程中不涉及个人信息的直接泄露。“社会学习”框架的推出为AI语言模型提供了一种新颖且高效的训练方式，不仅提升了模型的学习能力，还强化了隐私保护。 3.14 谷歌DeepMind号称打造出了首个能在广泛3D虚拟环境和视频游戏中遵循自然语言指令的通用AI智能体名为SIMA。SIMA全称Scalable Instructable Multiworld Agent，顾名思义可扩展、可指导、多世界。之前，谷歌DeepMind在AI+游戏方面也做过许多工作，比如推出能和人类玩家打PK、会玩《星际争霸II》的AlphaStar系统。而SIMA被DeepMind称作是一个“新的里程碑”，主打从适用单一游戏转向通用多种游戏，且可遵循语言指令。SIMA的整体架构是将预训练视觉模型与自监督学习的Transformer相结合。从用户那里接收语言指令，并从环境中获取图像观察结果，然后将它们映射为键盘和鼠标动作。通过在不同的游戏世界中学习，SIMA能够将语言与游戏行为相结合。不需要访问游戏源代码，也不需要定制API，仅需要两个输入：屏幕上的图像和用户提供的简单的自然语言指令。然后SIMA就会使用键盘和鼠标输出来控制游戏角色以执行这些指令，这一操作与人类类似，也就意味着SIMA有潜力与任何虚拟环境互动。 请阅读最后一页免责声明及信息披露 http://www.cindasc.com 3 3.11 xAI xAI将在本周内开源人工智能助手 Grok。xAI由埃隆·马斯克于2023年7月12日宣布成立。该公司的目标是专注于回答更深层次的科学问题，希望未来可以利用人工智能帮助人们解决复杂的科学和数学问题，并且理解”宇宙。本次开源的Grok基于Grok-1，是x.AI的第一个大语言模型，开发大约花了四个月的时间（包括两个月的训练），上下文长度为8192，训练数据截至2023年第三季度。xAI表示，Grok的设计灵感来源于《银河系漫游指南》，它能够回答几乎所有问题。Grok最初的版本Grok-0拥有330亿参数，紧接着xAI推出了经过数次改进的Grok-1，为X上的Grok聊天机器人提供支持。根据xAI公布的数据，在GSM8K、HumanEval和MMLU等一系列基准测试中，Grok-1的表现超过了Llama-2-70B和GPT-3.5，但仍落后于GPT-4。 3.11 京东 京东宣布推出“AI全能服务包”，通过各类AI工具免费为商家生成图文、视频和直播内容，旨在帮助商家节省高达50%的运营成本。这一创新举措不仅标志着京东在智能化领域的重大突破，更为整个电商行业带来了新的发展动力。其中，京小智作为智能客服系统，能够实现7x24小时的自动接待，大大降低了客服成本，提升了用户满意度。而“羚珑”工具则能够在秒级内免费生成高质量的图片，为商家的商品展示提供了极大的便利。此外，“京点点”则支持秒级生成文案，无论是商品描述还是营销语句，都能轻松应对。京东还提供了免费数字人“智能代播”服务，实现了24小时不间断直播，为商家打开了全新的销售渠道。 3.12 OpenAI OpenAI超级对齐团队负责人又正式官宣，要开源内部一直使用Transformer调试器（Transformer Debugger）。简之，研究者可以用TDB工具分析Transformer的内部结构，从而对小模型的特定行为进行调查。有了这个TDB工具，未来它就可以帮我们剖析和分析AGI。Transformer调试器将稀疏自动编码器，与OpenAI开发的「自动可解释性」——即用大模型自动解释小模型，技术相结合。研究人员不用写代码，就能快速探索LLM的内部构造。 3.13 微软 微软亚洲研究院推出的最新成果bGPT，这种基于字节的Transformer模型，为探索数字世界开辟了新的大门。与传统的基于词表的语言模型不同，bGPT的独特之处在于其对原始二进制数据的直接处理能力，不受特定格式或任务的限制，其目标是全面模拟数字世界。通过字节级处理，bGPT不仅能生成文本、图像和音频，还能模拟计算机行为——从格式转换算法到CPU状态的建模。将所有数据视为字节序列的做法，使bGPT能够将不同类型的数据纳入同一框架之下。bGPT不仅能处理原生二进制数据，还能将多种数据类型融合进一个统一的模型架构中，视一切数据为字节序列。这种方法不但简化了数据建模流程，还使得从任何数据源的整合变得轻而易举，且无需为特定数据类型定制模型。这一进步让bGPT有能力无缝地处理包括文本、图像、音频在内的各种数据类型，甚至能处理来自算法和硬件的原生二进制数据，为全面模拟和理解数字世界铺平了道路。 3.14 零一万物 零一万物推出了Yi大模型API开放平台。该平台提供了多种模型，包括Yi-34B-Chat-0205、Yi-34B-Chat-200K和Yi-VL-Plus等，这些模型在通用聊天、问答、对话、写作、翻译、多模态输入等方面具有出色的表现。其中，Yi-34B-Chat-200K模型拥有200K的上下文窗口，能够处理约30万个中英文字符，为长篇文本的处理提供了强大的支持。Yi-34B-Chat-0205模型也备受关注。该模型支持通用聊天、问答、对话、 请阅读最后一页免责声明及信息披露 http://www.cindasc.com 4 写作、翻译等功能，为用户提供了丰富的交互体验。同时，Yi-VL-Plus作为多模态模型，支持文本、视觉多模态输入，为用户提供了更加便捷和多样化的交互方式。 3.14 Meta MetaGPT推出数据解释器（Data Interpreter），能够应对数据实时变化、任务之间复杂的依赖关系、流程优化需求以及执行结果反馈的逻辑一致性等挑战。Data Interpreter由MetaGPT团队联合北京工业大学、复旦大学、华东师范大学、河海大学、加拿大蒙特利尔大学、KAUST、圣母大学、厦门大学、香港中文大学（深圳）、香港大学、耶鲁大学、中国科学院深圳先进技术研究院、中国人民大学共同推出。除了数据分析，Data Interpreter还能很好地迭代式观察数据，具备构建机器学习模型、进行数学推理的能力，还能自动回复电子邮件、仿写网站。Data Interpreter提供了一种全新的解决方案，旨在通过增强智能体的任务规划，工具集成以及推理能力，直面数据科学问题的挑战。 资料来源：百朋AI学堂，奇璞AI，新智元，量子位，财联社AI daily，澎湃新闻，信达证券研发中心 请阅读最后一页免责声明及信息披露 http://www.cindasc.com 5 请阅读最后一页免责声明及信息披露 http://www.cindasc.com 6 [Table_Introduction] 研究团队简介 冯翠婷，信达证券传媒互联网及海外首席分析师，北京大学管理