人工智能行业大模型专题报告：百模渐欲迷人眼，AI应用繁花开

人工智能系列报告2024年1月24日中航证券研究所发布证券研究报告请务必阅读正文后的免责条款部分行业评级：增持大模型专题报告：百模渐欲迷人眼，AI应用繁花开中航证券社会服务团队分析师：裴伊凡证券执业证书号：S0640516120002邮箱：peiyf@avicsec.com2资料来源：中航证券研究所整理大模型演进：工业革命级的生产力工具。目前，ANI已经广泛应用，AGI处于研发阶段，大模型是实现AGI的重要路径。AI大模型通过预先在海量数据上进行大规模训练，而后能通过微调以适应一系列下游任务的通用人工智能模型。在“大数据+大算力+强算法”的加持下，进一步通过“提示+指令微调+人类反馈”方式，实现一个模型应用在很多不同领域。人工智能的发展已经从“大炼模型”逐步迈向了“炼大模型”的阶段，逐渐掀起多模态和多场景革命，重塑AI技术范式，提升模型能力天花板，应用价值显著提升。大模型现状：GPT引领，百模征战。（1）ChatGPT加速迭代：从GPT-1至GPT3.5跨越4年多时间，ChatGPT发布仅一年，GPT迭代开启“加速度”，现已具备多模态能力，并搭建GPTs生态，将定制化模型从ToB推广到ToC，低门槛、低成本、定制化的特点，使得GPTs具备普及性和颠覆性。（2）他山之石：据业界不完全统计，23H1硅谷在人工智能领域共完成了42起融资，总金额约140亿美元（占世界总融资金额的55%），应用方面的投资金额仅次于大模型，垂类场景应用的融资中对话机器人占据绝对优势。（3）国内大模型：科技型企业包括人工智能企业、垂直大模型企业和数据智能服务商相继进场，如商汤科技、度小满和滴普科技等企业，以百度、腾讯和阿里为代表的互联网云厂商占据中国通用大模型行业多数市场份额，在布局时间、基础设施建设、应用场景等方面具备明显优势。（4）爆款应用：基于ChatGPT的火爆和大模型的迭代发展，海内外AI在对话、图像、教育、办公等多个领域出现爆款应用。大模型未来：应用多点开花，产业智能跃迁。（1）内容变革：拥有通用性、基础性多模态、参数多、训练数据量大、生成内容高质稳定等特征的AI大模型成为了自动化内容生产的“工厂”和“流水线”，随着 GPTstore 的出现， AI 大模型将迎来自己的“APP Store”时代，AIGC 商业应用的前景愈发广阔。（2）模型演绎：多模态模型核心目标是模拟人类大脑处理信息的方式，以更全面、综合的方式理解和生成信息，底层通用大模型目前成为最受关注、建设和提升迫切性最强的领域，中间层模型国内目前尚未出现相关玩家。（3）AIGC主流的营收模式可分为四种：MaaS、按产出内容量付费、软件订阅付费、模型定制开发费。目前，按照产出量收费的模式占据主流，但随着底层模型即AIGC生态的建立，最具长期增长潜力并将占据主要市场规模的为MaaS模式。据量子位预测，2023年AIGC不同商业模式规模约170亿元，预期2026将翻一番，2030年有望突破万亿市场规模。投资建议：关注数据端&模型端&应用端。GPT产品的更迭标志着人工智能进入了新的发展阶段，模型技术、参数、训练数据、训练方法的演化融合方面取得了实质突破， AI大模型已成为优化算力瓶颈、放大数据优势、发展数字经济的重要拼图，掀起“数据-模型-应用”的飞轮效应。随着多模态大模型能力的跃迁、GPTs生态的建立以及对话、图像、办公、教育等领域AI标杆类应用的出现，AI已经具备从纯技术衍生的轻量工具产品向有具体落地场景的深度产品融合演变的能力，诸多行业将迎来工业级生产力变革，降本增效效能凸显，数字化程度高、内容需求丰富的行业商业化及业绩兑现逻辑已完备。重点关注：数据端（中文在线/视觉中国/中国科传/中信出版/果麦文化/中文传媒/南方传媒）；模型端：布局GPTs生态的模型公司（昆仑万维/科大讯飞）；应用端：游戏（三七互娱/恺英网络/世纪华通/汤姆猫/神州泰岳）；电商（小商品城/华凯易佰/吉宏股份/值得买）；办公（万兴科技/金山办公/泛微网络）；教育（世纪天鸿/创业黑马/奥飞娱乐）；影视传媒（捷成股份/上海电影/光线传媒/人民网/新华网）；广告营销（蓝色光标/三人行/风语筑）。风险提示：行业监管风险、政策收紧的风险、技术发展不及预期的风险、内容生态建设不及预期的风险、变现不及预期风险、舆论炒作风险、市场竞争风险。核心观点CONTENTS目录大模型未来：应用多点开花，产业智能跃迁1大模型演进：工业革命级的生产力工具324大模型现状：GPT引领，百模征战投资建议：关注数据端&模型端&应用端5风险提示资料来源：中国信通院、吉林大学学报、Cornrell University、《Attention Is All You Need》 ，中航证券研究所整理算法的迭代推动人工智能的发展：几十年来，AI领域持续探索，1940-1980s符号AI占主导，1980年后，统计AI与神经AI齐头并进，二者竞争发展至今，GPT系列属于神经AI。➢符号（Symbolic）AI：二十世纪80年代以前属于符号AI时代，开启了以知识建模算法、专家系统算法为代表AI早期发展阶段；➢统计（Statistical）AI：1985年的贝叶斯网络和1995年的SVM是20世纪机器学习发展的两大标志，但近年来，逐渐成为非主流的研究方向；➢神经（Neural）AI：经历了1980s-2012年神经网络、2012年后的深度学习两大阶段，深度神经网络和模型大小呈正相关，伴随着模型参数量的增加，相对应深度神经网络的能力将大幅提升，Google Brain的Transformer和OpenAI的GPT系列都属于深度学习领域的代表作。•将人类专家的知识和经验转化为计算机可以理解的形式，并利用AI技术来实现•手写规则，简单粗暴•只能处理非常少量数据知识建模、专家系统•找到一些函数或参数•分类固定量数据•应用于数据分析、预测和分类等任务机器学习1970-1980s 1985至今1980s-2012 2017 2018•像人脑一样学习•开始尝试大量数据•提前标注数据•应用于计算机视觉、自然语言处理、语音识别等领域神经网络•基于Transformer架构•投喂海量学习数据•无监督训练方法•通用文本预训练GPT系列•全注意力机制•关注文本序列数据整体注意力Transformer深度学习Neural AIStatistical AISymbolic AI神经人工智能图表1：人工智能的发展历史1.1 大模型推动人工智能发展：ANI-AGI-ASI资料来源：灼识咨询，中航证券研究所图表2：人工智能的三种类型比较1.1 大模型推动人工智能发展：ANI-AGI-ASI目前，ANI已经广泛应用，AGI处于研发阶段，大模型是实现AGI的重要路径。➢ANI （专用人工智能，Artificial Narrow Intelligence ）又称为弱人工智能，是专注于执行某一领域任务的经过训练的人工智能，是目前大多数的AI形式；➢AGI（通用人工智能， Artificial Gener