当前经济与政策思考：人工智能影响经济增长的三条可能路径

请务必阅读正文之后的重要声明部分 [Table_Title] 分析师：杨畅 执业证书编号：S0740519090004 电话：021-20315708 Email：yangchang@r.qlzq.com.cn 联系人：夏知非 Email：xiazf@r.qlzq.com.cn [Table_Report] 相关报告 [Table_Summary] 投资要点  ChatGPT 是 OpenAI 公司推出的对话式通用人工智能工具，在大规模的参数与海量的训练数据赋能下，它可以完成对话、问答、机器翻译、写代码等一系列自然语言任务；  2023 年 3 月 15 日，OpenAI 发布 ChatGPT 的“升级版”——多模态大模型 AI“GPT-4”，其亮眼的表现再度引发市场关注，包括微软、谷歌、百度在内的多家科技巨头也纷纷宣布将 GPT 或类似 AI 加入到产品当中；  ChatGPT 或类似 AI 产品的创新型发展，或在以下三条路径对经济增长带来影响： 第一，直接或间接推升潜在增长水平。直接贡献方面，ChatGPT 可以刺激数字经济相关产业链增量，包括上游的高性能算力芯片、新型基础设施建设以及下游的多个领域应用如办公软件升级、智能手机/汽车/家居、智能装备、智能管理系统等。间接贡献方面，通过拉动数字经济产业链发展，实现对实体经济的赋能。 第二，可能催化劳动力、数据、制度等生产要素的变革，包括对劳动力带来的辅助效应、补充/替代效应；对数据标注带来的需求催化；对数据产权制度、知识产权制度和信息监管制度带来的优化需求； 第三，AI 一方面通过辅助作用提升单位劳动力的产出效率，另一方面通过补充/替代效应来实现对简单劳动力的弥补甚至替代，利于降低服务价格长期上涨的斜率。  风险提示事件：政策变动风险。 、 人工智能影响经济增长的三条可能路径 ——当前经济与政策思考 证券研究报告/宏观策略专题报告 2023 年 03 月 22 日 仅供内部参考，请勿外传 请务必阅读正文之后的重要声明部分 - 2 - 宏观策略专题报告 内容目录 1. 人工智能影响经济增长的三条可能路径 ......................................................... - 3 - 2. 风险提示 ......................................................................................................... - 8 - 图表目录 图表 1：GPT 模型发展历程 ................................................................................ - 3 - 图表 2：RLHF 发展历程 ..................................................................................... - 4 - 图表 3：ChatGPT 推升经济增长的贡献思考 ...................................................... - 5 - 图表 4：主要地区劳动力总量增速下行 ............................................................... - 7 - 仅供内部参考，请勿外传 请务必阅读正文之后的重要声明部分 - 3 - 宏观策略专题报告 1. 人工智能影响经济增长的三条可能路径 ChatGPT 是 OpenAI 公司推出的对话式通用人工智能工具，在大规模的参数与海量的训练数据赋能下，它可以完成对话、问答、机器翻译、写代码等一系列自然语言任务。 2018 年 6 月，OpenAI 发布了第一代 GPT-1 模型，GPT 家族产品从此拉开序幕，之后的每一代 GPT 相较于上一代模型的参数量均呈现出爆炸式增长。根据哈尔滨工业大学自然语言处理研究所的《ChatGPT 调研报告》，除了参数上的增长变化之外，GPT 模型家族的发展从 GPT-3 开始分成了两个技术路径并行发展，一个路径是以 Codex 为代表的代码预训练技术，另一个路径是 InstructGPT 为代表的文本指令预训练技术。但这两个技术路径不是始终并行发展的，而是到了一定阶段后进入了融合式预训练的过程，并通过指令学习、有监督精调以及基于人类反馈的强化学习（RLHF）等技术实现了以自然语言对话为接口的 ChatGPT 模型。也就是说，除了大模型 GPT-3.5，ChatGPT 的核心技术还包括了训练这一模型的“钥匙”——“基于人工反馈的强化学习”（RLHF）。 图表 1：GPT 模型发展历程 来源：《ChatGPT 调研报告》、中泰证券研究所 RLHF 概念在 2008 年被提出，最初指代在 TAMER 框架下，引入人类标注人员作为系统的额外奖励，主要目的是加快模型收敛速度，降低训练成本，优化收敛方向。在 2017 年前后，深度强化学习（DRL）逐渐发展并流行起来。在这一阶段，RLHF 主要被应用于模拟器环境（例如游戏等）或者现实环境（例如机器人等）领域，而利用其对于语言模型进行训练并未受到重视。 在 2019 年以后，RLHF 与语言模型相结合的工作开始陆续出现。OpenAI从 2020 年开始关注这一方向并陆续发表了一系列相关工作，如应用于文本摘要，利用 RLHF 训练一个可以进行网页导航的代理等。后来，OpenAI 将 RLHF 与 GPT 相结合的工作，提出了 InstructGPT，主要是利用 GPT-3 进行对话生成，旨在改善模型生成的真实性、无害性和有用仅供内部参考，请勿外传 请务必阅读正文之后的重要声明部分 - 4 - 宏观策略专题报告 性。 2022 年 12 月，OpenAI 在诸多前人工作的积淀之下推出了 ChatGPT。ChatGPT 以 GPT-3.5 作为基座，依托其强大的生成能力，使用 RLHF对其进行进一步训练，从而取得了显著的效果。 图表 2：RLHF 发展历程 来源：《ChatGPT 调研报告》、中泰证券研究所 近期，GPT-4 的发布也带来了新的市场热点：2023 年 3 月 15 日，OpenAI发布能接受图像和文本输入的 ChatGPT 升级版——GPT-4，其在各种专业和学术基准测试中已做到人类水平的表现再度引发市场关注；而就在前一天，谷歌也宣布了一系列即将推出的生成式人工智能功能，用于其各种工作空间应用程序，包括谷歌 Docs（文档）、Gmail、Sheets（表格）和 Slides（幻灯片）。3 月 15 日，谷歌宣布开放大语言模型 PaLM API，向开发者和企业提供 AI 工具和资源，以便让更多人能够从 AI 中受益。3月 16 日，微软宣布将人工智能工具 Microsoft365Copilot 融入其办公软件套