长江AI产业链深度巡演1大模型后续会如何迭代

00:00:05 本次电话会议仅服务于长江证券研究所白名单客户。未经长江证券事先书面许可，任何机构或个人不得以任何形式对外公布、复制、刊载、转载、转发、引用本次会议相关内容，否则，由此造成的一切后果及法律责任由该机构或个人承担，长江证券保留追究其法律责任的权利。 00:00:33 各位投资人大家晚上好，我是长江计算机的郭静超。 00:00:36 然后呢，这次呃整个系列活动呢，是我们整个科技组包括还有其他的这个整体的研究小组。然后我们一起推进了对于整个AI的产业链呃关于核心问题，然后包括整个产业链的这个变化情况，包括整体的一个框架，呃，去给各位投资人进行的这个整体的一个这样子的一个分享系列活动。 00:01:01 然后呢，这次活动其实也是依托于就是呃，我们长江研究本质上在这个AI这边也是有红宝书的这样子的一个产品。然后呢，以此来跟各位领导也是汇报关于整个AI的这块，呃从各个环节各个链条这样子的一个相关性的内容啊，那么今天的话呢是呃我们这次AI产业链深度巡演的第一期，就是大模型的后续会如何迭代，呃， 00:01:29 那么讨论到这个问题的时候呢其实。呃，我们首先会跟各位领导先去聊一下，就是关于整个大模型整体的一套框架。呃，因为本质上呢，我们要认知到就是呃AI它其实本质是一个生产力革命，然后呢，核心的三个要素其实是包含了算力、算法和数据。相信这个可能大家都已经老生常了。那么在这样子的一个过程中，其实呃在这一轮周期，很多人其实大家都非常的这个觉得非常的震惊和震撼啊，因为其实从23年到现在，呃这一轮周期其实已经持续超过了这个三年的这样子的一个时间。 00:02:08 呃然后在这样子的一个周期下，其实最核心去推动呃产业链不断循环向上的核心的一个关键节点，其实就是模型。那么比如说在算力、算法和数据这三个要素当中呢，呃，其实我们根据这一点，包括模型的这个持续的迭代向上，我们其实是可以把模型从目前的这个发展。 00:02:32 到现在可以分为三个阶段。那么第一个阶段的话呢，其实就是当时的2023年年初。然后到2024年的大概就是这个Q3之前这个阶段呢，其实整个模型的一个框架本质上就是呃在依靠预训练然后去提升，不断的去提升这个所谓的参数量的这样子的一个规模，然后进而带动的是整个模型的智力水平的不断的提升。 00:02:57 呃，在那个阶段比较典型的就是首先从模型的智力水平上啊，模型其实是从这个大概的这个30分左右，然后提升到了这个往这个60分以上去突破。 00:03:08 但是在2024年的这个9月份，也是2024年的上上半年啊，就是整个产业其实进入了一轮这个争议期， 00:03:18 这个争议期在于说发现就是我单纯靠参数量的持续的这个扩大。比如说从一开始可能从这个100亿到1000亿，然后再从1000亿到1万亿，然后到2024年年中。的时候我发现如果我再维持这个10倍的斜率，其实比如说基于这个整体的互联网上的数据，包括当时的算力效率来说，其实都是一个呃互联网上的公开数据可能基本已经用完了。然后以及就是对于这个整个的算力来说，整个的成本呃其实非常的高。呃， 00:03:51 所以当时产业界其实大家就陷入的争议是，我到底是继续啊通过预训练保持这个所谓的10倍的倍数，还是我应该去探讨其他的这个范式，来带来整个模型能力的呃继续的提升。 00:04:05 当然这个答案其实我们现在回顾来看的话，其实非常的明确啊，就是当时呃产业里面选择的就是呃，首先还会持续去扩大整个的一个参数量的s skinme law,但是呢，其实呃没有再 去维持十倍的这个斜率。比如说像现在大家可能看到的这个fable5包括MAS的话，其实他们目前的参数量量级大概是在这个10万亿，那如果当时24年下半年还是维持。是呃十倍的增长斜率，那其实可能在25年年初，其实就应该达到这个整个的一个参数量的量级了。但是其实我们发现并没有， 00:04:40 那当时带来了什么改变呢？就是因为大家发现，当模型的智力水平可能已经到了这个所谓的八九十分，然后已经可以类似于说就是等同于一个大学生的这样子的一个智商了，那我如果想让模型真正开始着手去做事情，也是大家其实常说的这个所谓的应用。那你发现呃其实大家就开始积极地去探索后训练的这条路径，也就是强化学习。 00:05:06 呃在这个阶段下呢，比如说如果我们去回顾当时的呃应用的话，你就会发现，比如说2三年的时候，所有的应用可能包括模型炒了一波。然后24年年初的时候呢，大家其实更多审美上还是在发酵，比如说像这个呃长文本和多模态，但是我们要知道的就是，呃这一些发酵的编辑信息其实是不足以推动应用去落地的啊。因为本质上模型的呃根本性有一个这个所谓的短板就是幻觉。那如果说想要去减少这种幻觉，其实本质上你要教会模型如何去做事儿。 00:05:41 那这一次范式的拐点其实就是当时2024年的9月份啊，OpenAI发布了这个所谓的GPTO1,然后当时其实比如说24年上半年的时候和产业里面的人去聊，比如说coding啊有没有到一个拐点期，所有的创业者包括当时去聊的朋友都跟我。我说的是哎，感觉这个拐点还没到，模型现在不足以去支撑真正去利用在这个coding这个场景。 00:06:07 但是其实在2024年9月份之后，O1的这个模型也就是推理模型出来之后啊，发现整个产业界啊其实就开始迎来了新一轮拐点的这样子的一个出现。 00:06:18 也是在这个时间点，包括结合2025年1月份，呃，就是这个呃所谓的这个22025年2月份DeepSeek2one的这个发布啊，其实才迎来了整个比如说Agent这个形态的这个整体的一个出现。那么Agent我们知道其实现在可能大家通过呃已经使用过，无论是这个所谓的 小龙虾还是使用过包括阿拉派的一些PI work,或者是大家现在可能在使用的codes或者是cloud code. 00:06:47 其实大家会意识到，呃，其实可能像A这类产品，它是真正会去帮我们去进行这个分解任务，然后以及如何去编排再去调用这个工具，然后它其实具备一定的这个所谓的记忆的能力，然后。然后调用工具的能力以及就是计划的这个能力，那其实这个能力在之前就是呃上一轮模型范式的时候，其实是都不具备的。 00:07:09 然后在这种范式下，其实我们才发现。比如说呃整个的模型从一开始规划。比如说旅游的这种路线，或者是像一些HR的场景，甚至可能像一些这种所谓的呃就是像这种客服的这类场景，包括可能和一些这个所谓原原来的传统AI传统的APP的一些结合，才真正有了一些落地的这个所谓的可能性。 00:07:35 然后也是在这个点下，就是首先coding这个场景，先发酵了整个web coding的这样子的一个需求上的一个爆发。 00:07:45 所以我们其实也可以从整个token的调用量上可以看到，就是从2024年的9月份开始，整个token的这个斜率啊迎来了第一次的提升。那这时候其实也是恰恰是模型从一开始第一阶段，比如说我是这个所谓的商业模式，是这个所谓的用户数，然后乘上我的这个所谓的呃订阅的这个所谓的up值，这个可能是原来的呃第一阶段时候，模型面临的这个所谓的一个市场空间。那么第二阶段其实就逐渐变成了所谓的用户，然后乘上他自己的个人的token的消耗量，再去乘上token的价值，也就是token的这个模式啊开始逐步地去进行显现。 00:08:27 然后后来呢，因为后训练其实也是有自己的整个的一个skin law的， 00:08:33 比如说，呃，我在学习打Cody，可能一开始的时候我只能去进行补齐代码，但是当我学会大家越来越多人是怎么去补齐，包括人怎么去打代码，包括人构建代码的逻辑之后。其 实代码的这个场景，coding的这个场景，从原来的单纯只是coding可能作为一个垂类啊深入到了前端工程师，再深入到了所谓的后端。甚至其实成为了现在可能再去往其他场景渗透的这个所谓的基础的，这样子的一个类似于说infra的这样子的一个呃coding的这样子的一个呃基石。 00:09:07 然后所以在2025年的接近年底的时候，我们可以理解为这个时候其实后训练啊，尤其在coding这个场景里面所积累到的场景的用户日志的这个数据，其实又形成了一定的规模。那么把这个东西再去反哺给我的后训练和模型一定的这个预训练之后，其实我们可以看到的就是，就是2025年的11月份cloude opus的4.5的这样子的一个发布。包括在2026年opus4.6还有质朴的GLM5，以及包括像现在可能大家看到的MAS还有F5的这样子的一个诞生。 00:09:46 我们会以发现模型继续推动，从原来的单纯的一个Agent，继续推动向了这个所谓的整体的一个智能体的代理器，这样子的一个进步。然后这一点下的话呢，诞生出的新的产品形态其实就是呃，我们在今年年初去接触到的这个所谓的小龙虾。然后包括其实可能大家从现在对吧去用到的这个所谓的cloudud code codex,然后你会发现，我们渐渐地在用这个所谓的AI进行低代码的这样子的一些呃，进一步的这个创作。而这个创作或者是这个整体的一个进阶，是由原来的单体智能向系统编排开始去进行升级，然后这个的话呢，就进一步的去带动了这一轮token消耗的斜率的大幅的提升， 00:10:32 为什么呢？因为比如说举一个很简单的例子啊，就是在2025年的时候，我们用这个智能体去做，但是实际上是人在告诉他把任务拆解完之后，人在告诉他我这一步需要你做什么。什么下一步需要你做什么？所以就是这个整体的这个编排，包括整体的这个所谓的决策的这个过程，其实本质上还是依靠于人的。但是在今年的时候呢，其实整个伴随着harness，然后伴随着整个模型的能力的进一步提升，其实这个动脑编排的这个过程，其实开始让模型自己去进行这样子的一个实施。 00:11:10 呃，举例来说，就是比如说原来可能是老板布置一个任务，然后你发现其中可能撰写这件 事情不想干啊，给到了这个所谓的模型去撰写其中的一部分。那现在可能变成了啊，你收到一个指令，你再把这个指令转达给了模型，加了一些你的简单的思考，它就去进行了整体的这样子一个从头到尾的执行加上输出。那这里面本质上的话呢，因为上下文变得更长了，然后以及多轮推理提升了，以及包括啊自动工具的这种调用以及系统配置，还有你固定的一些前置的。的耗量就带来了像这样子的一个模式下，token的消耗的大幅的这样子的一个提升。 00:11:52 但是我们要知道就是在这个阶段下，其实整个的呃智能体虽然向系统编排去升级啊，但是它其实所做的任务其实还是相对于呃各行各业，或者是对于我们自己本身来说相对比较初级的这样子一个任务。但是它其实也掀起了这一轮整个token消耗的二次的这样子的一个斜率。 00:12:14 那么当前时间点我们可以看到的就是，呃其实最近可能对于呃大家来说，就是对于模型的这个叙事或者对于AI的叙事，呃其实大家有很多的这样子的一个担忧。那其实我们想从这个模型的角度来去跟大家呃，我觉得也是可以去进行一次深层次的这样子的一个探讨啊，就是最近大家的这个担忧， 00:12:38 其实呢呃更多核心是因为大家觉得呃coding的这个市场，包括在这一轮由这个单纯的。呃，小龙虾包括可能最核心影响的这个板块儿，就还是这个所谓的coding。 00:12:51 大家会觉得诶好像这个市场啊，大家一看这个aic的这个AR没有像原来那个斜率斜率还在增加的似的。这样子一个上涨之后啊，市场突然开始去进行了一个所谓的算数，然后并且去呃低估了就是长期的这个未来，反而是呃，就是在这个就是非常的呃由原来的这个短期的预期拔到非常的高。然后现在回归一个相对理智，然后开始担忧coding的单纯的这个场景是否还能支撑起就是未来，就是整个AI的这个整体的一个斜率以及长期的这样子一个投入。 00:13:27 那首先我觉得这个问题的话我们可以拆分去看，首先的话呢，我们要意识到模型，我们刚 刚说了它的模式从一开始我从这个整体的用户数