计算机2023年12月暨2024年度策略：大模型能力日新月异，AI将重塑各行各业

请务必阅读正文之后的免责声明及其项下所有内容2023年12月22日证券研究报告 | 证券分析师：熊 莉xiongli1@guosen.com.cn 证券投资咨询执业资格证书编码：S0980519030002证券分析师：库宏垚 kuhongyao@guosen.com.cn 证券投资咨询执业资格证书编码：S0980520010001联系人：艾宪 aixian@guosen.com.cn计算机2023年12月暨2024年度策略：大模型能力日新月异，AI将重塑各行各业行业研究 · 深度报告投资评级：超配（维持评级）请务必阅读正文之后的免责声明及其项下所有内容报告摘要 AI大模型迭代迅速。大模型在参数量、训练数据量以及训练轮数方面均有提升，新一代多模态大模型如GPT-4V和Gemini拓展了大语言模型的能力边界，展示出多样化任务的处理能力。随着基座模型的发展进入新阶段，模型功能迭代和应用生态构建同步进行，GPTs等Agent平台初步尝试全民定制个人AI应用，加速了使大语言模型成为“操作系统”的迭代。 全球AI算力市场快速增长，国产AI算力芯片迎来历史机遇期。模型参数量+训练数据量大幅提升，以及AI应用有望进入爆发式增长阶段，拉动算力需求喷发。根据Gartner数据，2022年全球AI芯片市场规模为442.2亿美金，预计2027年达到1194亿美金，对应22-27年CAGR为22.0%，市场规模快速增长。23年10月，美国收缩对华AI芯片出口，目前市场上主流AI芯片均在限制范围之内，国产AI算力芯片顺势国产替代。根据IDC数据，2023年上半年，中国本土AI芯片出货超5万片，仅占整个市场10%左右份额，国产替代空间广阔。 AI边缘端有望率先落地，AI PC和AI手机值得期待。混合AI架构能够在全球范围带来成本、能耗、性能、隐私、安全和个性化优势，是最优的解决方案；大模型小型化以及边缘侧AI算力芯片的发展，为混合AI方案的实现奠定了基础，AI PC和AI手机将率先落地。 AI重塑各行业应用，商业化落地已逐步兑现。自动驾驶领域，以特斯拉FSD V12为代表，端到端模型再次推动奇点临近。机器人领域，特斯拉和谷歌均已将大模型推向应用，工业领域应用加快。网络安全领域，国内外均将大模型引入安全运维，改变传统人工服务模式。金融领域，同花顺大模型探索已久，正打造金融大模型—问财HithinkGPT。教育领域，Duolingo Max备受好评，佳发教育产品致力于将AI融入育人场景全过程、全要素场景。医疗领域，谷歌Med-PaLM 2成为行业标杆，润达医疗与华为云等合作开展了积极探索。办公领域，微软多应用实现Copilot落地，金山办公WPS AI已全线接入，定价模式可期。 投资建议：关注AI产业持续催化机会，重点关注在AI各领域积极寻求突破的公司，维持“超配”评级。AI大模型日新月异背景下，对人类工作和生活的改变将逐步显现，我们仍认为以AI为核心寻找投资机会是市场主线。在大模型侧，重点关注科大讯飞，三六零；国产算力关注海光信息等；边缘端重点关注AI PC、AI 手机产业链；应用端重点关注中科创达、宝信软件、深信服、同花顺、金山办公等。 风险提示：宏观经济下行风险；行业竞争加剧风险；AI大模型和算力等产业发展不及预期；AI相关政策推进不及预期。请务必阅读正文之后的免责声明及其项下所有内容AI大模型：多模态方向延伸，视频模型迎来发展元年01目录AI边缘侧布局正当时， AI PC和手机值得期待03AI重塑应用百态，商业落地逐步兑现04AI算力：国产算力迎历史机遇期02投资建议：看好AI产业持续催化，维持“超配”评级05请务必阅读正文之后的免责声明及其项下所有内容AI大模型：人工智能发展的新一里程碑•AI大模型为人工智能发展的新一里程碑。以1956年达莱茅斯会议为起点，人工智能的发展历史可以归纳为四个阶段，随着互联网、云技术的兴起，人工智能逐步从符号主义向联结主义演进，整体呈现出波浪式前进态势。本轮人工智能由AI大模型推动，将迎来通用人工智能时代。•阶段一（1956-1986年）：基于推理逻辑和规则匹配技术的符号主义为主；•阶段二（1987-2010年）：联结主义复兴、神经网络崛起以及深度学习算法突破；•阶段三（2011-2017年）：联结主义为主，人工智能迎来深度学习的爆发期；•阶段四（2018年-至今）：大模型掀起第四次科技革命，迎来通用人工智能时代。资料来源：田杰华，易欢欢著-《通用人工智能》-中译出版社（2023）-P65、国信证券经济研究所整理AI大模型为人工智能发展的新一里程碑1956年1987年2011年2018年基于推理逻辑和规则匹配技术的符号主义为主联结主义复兴、神经网络崛起以及深度学习算法突破联结主义为主，人工智能迎来深度学习的爆发期大模型掀起第四次科技革命，迎来通用人工智能时代1956年：达莱茅斯学院会议，人工智能元年；1956-1974年：人工智能第一次浪潮，尝试将人类思维方式和语言能力转化为计算机程序，提出很多理论和方法；1974-1980年：人工智能第一次低谷期，投入下降；1980-1986年：人工智能第二次浪潮，专家系统发展迎来高潮，利用专家知识提高AI系统的准确性和效率。1987-1993年：人工智能第二次低谷期，专家系统进入寒冬，神经网络技术重新获得重视；1994-2010年：人工智能第三次浪潮，机器学习、自然语言处理、计算机视觉、推理及知识表示、强化学习等在这一时期出现了很多新的算法和应用。深度学习算法突破：2006年杰弗里·辛顿提出深度学习概念，开启了深度学习的热潮。2011-2017年：人工智能第四次浪潮，也是人工智能深度学习的爆发期，随着计算机技术的发展，人工智能技术得到了快速的普及和提升；深度学习领域：神经网络等技术的发展使得机器能够从海量的数据中自动提取特征和规律，并进行智能决策和推理；AI领域拓展：自然语言处理、图像识别、语音识别、自动驾驶等；2018年-至今：人工智能第五次浪潮，以人工智能大模型的提出和ChatGPT技术的突破为标志；大模型技术：具备了更高的水平的自然语言处理和生成能力，能够从大量的数据中提取知识，并将其应用于各种实际场所，为通用人工智能技术带来希望和路径；请务必阅读正文之后的免责声明及其项下所有内容AI大模型：发展趋势-参数量、数据量、训练轮数提升•AI大模型能力的提升主要有三条路径：模型参数量的提升、训练数据量的提升以及训练轮数的提升。•模型参数量的提升：以OpenAI的GPT模型为例，第一代GPT模型GPT-1的参数量仅有1.17亿，GPT-2参数量提升至15亿，GPT-3参数量进一步提升至1750亿，GPT-4的参数量应该达到万亿级别；模型代际之间参数量呈现指数级增长，大模型能力亦随模型参数量的增长而大幅提升；•训练数据量的提升：1）语言模态训练数据量提升；2）多模态训练数据的加入：例如图片、视频等也作为训练数据，训练数据集大小大幅提升；•训练轮数的提升：1）新模型：通过多轮训练，模型能力得到提升，但过多的训练亦会导致模型过拟合；2）已有模型：定期训练（每周、每月），对模型的能力和数据的时效性进行提升和更新