海外科技行业专题报告：OpenAI引领多模态升级，AIGC产业迎新革命

请务必阅读正文之后的免责条款部分 [Table_MainInfo] [Table_Title] 2023.10.14 OpenAI 引领多模态升级，AIGC 产业迎新革命 ——海外科技行业专题报告 梁昭晋(分析师) 0755-23976666 liangzhaojin027677@gtjas.com 证书编号 S0880523010002 本报告导读： Open AI 多模态全面升级，生成式 AI 由模型层向应用层发力，重构应用层推动 AIGC产业革命。 摘要： [Table_Summary]  投资建议：OpenAI 多模态升级引领大模型竞赛，重构内容创作与交互推动 AIGC 产业全面爆发，推荐标的腾讯控股（0700.HK）、网易-S（9999.HK）、快手-W（1024.HK）、哔哩哔哩-W（9626.HK）、爱奇艺（IQ.O）、云音乐（9899.HK）、心动公司（2400.HK）。  OpenAI 多模态全面升级，构架全新交互体验。OpenAI 先后宣布推出最新文生图模型“Dall·E 3”及多模态模型“GPT-4V”，并将在未来两周时间里向 ChatGPT Plus 和 Enterprise 用户开放，语音功能结合语音识别、转录及音频生成实现语音双向对话，图生文功能升级支持多图像处理及聚焦分析，较其他模型实现简化 Prompt 精准成像，此外Dall·E 3 内容审核机制全面优化，多项缓解措施实现内容风险显著压降。随着 Win 11 集成 Copilot 功能升级、Bing 增加对 Dall·E 3 模型支持，Copilot 订阅有望更好落地，AI 大模型商业化空间将逐步展现。  全球多模态竞争激烈，大模型能力加速革新。OpenAI 深耕多模态领域多时，GPT-4V、Dall·E 3、Gobi、CLIP 等引领竞赛，Google Gemini已内部开放且算力将达到 GPT-4 5 倍，海外 Meta、Stability AI 等及国内百度集团、阿里巴巴、腾讯等科技巨头争相布局，多模态发展趋势明确，大模型能力持续迭代下及生成式 AI 产业空间将加速打开。  多模态推动应用层爆发，AIGC 产业迎来革命。Dealroom 数据显示过去 5 年全球生成式 AI 投资总额逾 220 亿美元，其中模型制造商、应用程序占比分别达到 21%、8%；国内方面，艾瑞咨询数据显示 2023年应用层融资占比达到 14.4%，其中 AIGC 跨模态、多模态融资占比达到 42.4%、16.4%，随着大模型生态培育、底层算力基础设施完善及应用生态构建下 2030 年中国 AIGC 产业规模有望达到 1.14 万亿。 我们认为，多模态模型能力将全面革新应用层，一方面通过内容理解和内容生成重塑内容生产方式，推动 UGC、PGC 迈向 AIGC 内容时代，量子位预计 2023 年 AIGC 直接内容生产仍是 AIGC 最大市场，游戏、视频、视频、音乐等内容生产形式已开始变革，创作效率及内容品质双双提升；另一方面，通过重构交互形式构建全新内容形态并带来全新应用场景，New Bing 重构搜索体验展现商业化潜力，腾讯混元接入 50+业务和产品取得初步效果，AIGC 产业链全面爆发可期。  风险提示：AI 技术发展未及预期；AI 投融资热度消退；AI 应用创新未及预期；AI 应用用户接受度未及预期。 [Table_Invest] 评级： 增持 [Table_Market] 交易数据 行业主要上市公司 市值（亿港元） 腾讯控股 29,231 网易 5,277 快手 2,761 市值合计 37,269 感谢秦和平对本报告的贡献 [Table_Report] 相关报告 海外行业专题（香港） 信息科技 股票研究 证券研究报告 海外行业专题 请务必阅读正文之后的免责条款部分 2 of 21 目 录 1. OpenAI 多模态全面升级，构建全新交互体验 ............................... 3 2. 全球多模态竞争白热化，大模型能力加速革新 ............................. 8 3. 多模态推动应用层爆发，AIGC 产业迎来革命 ............................ 12 4. 投资建议 ................................................................................... 18 5. 风险提示 ................................................................................... 18 海外行业专题 请务必阅读正文之后的免责条款部分 3 of 21 1. OpenAI 多模态全面升级，构建全新交互体验 OpenAI 多模态能力升级，语音对话及图生文功能上线。9 月 21 日，OpenAI 宣布即将推出最新“文生图”模型——Dall·E 3。相比于 DALL·E 2，DALL·E 3 拥有更加出色的图像渲染能力以及更加细腻的理解能力，使用户能够轻松地将想法转化为准确的图像；同时，Dall·E 3 可集成在ChatGPT 中使用并简化“提示工程”，大幅度降低人机沟通门槛，原生实现多模态输出。9 月 25 日，OpenAI 宣布推出多模态模型 GPT-4V，并将在未来两周时间里向 ChatGPT Plus 和 Enterprise 用户开放新增的语音及图像交互功能。其中，语音功能将在移动端 iOS 和 Android 上提供，使用户可以与 ChatGPT 进行语音沟通，而图像功能将在所有平台上提供，使用户能够通过上传图片表达需求并提问。 图 1 OpenAI 文生图模型 DALL·E 3 即将开放使用 数据来源：OpenAI 官网 集合语音识别、转录及音频生成，实现高效语音双向对话。本次升级中，更新后的语音功使用户能够与 ChatGPT 实现纯语音实时互动对话，并具备以下特点：1）精准语音识别：语音对话功能集合了 Whisper 开源语音识别系统，该系统已经接受了超过 680,000 小时的多语言、多任务监督训练，对于不同口音、背景噪音、技术语言的识别具有优异的性能，提高了语音交互准确性及效率，并为用户提供了多达 5 种不同的语音选项；2）双向语音对话能力：输入端，基于 OpenAI 自研的开源语音识别模型工具 Whisper，将语音转换为文本实现语音输入，输出端，同时通过基于文本到语音（TTS）模型支持，将文字和样本语音生成模拟音频实现语音输出；3）播客内容分享：OpenAi 通过与 Spotify 合作，可以将播客音频在保留主持人音色的基础上翻译为其他语言，使播客内容能够被更广泛的听众理解和共享。