计算机行业专题报告：豆包大模型更新至1.5-pro，更真实、更懂你

计算机 / 行业专题报告 / 2025.01.24 请阅读最后一页的重要声明！ 豆包大模型更新至 1.5-pro，更真实、更懂你 证券研究报告 投资评级:看好(维持) 最近 12 月市场表现 分析师 杨烨 SAC 证书编号：S0160522050001 yangye01@ctsec.com 分析师 李宇轩 SAC 证书编号：S0160524080001 liyx02@ctsec.com 相关报告 1. 《DeepSeek-R1：强化学习+知识蒸馏，比肩 o1》 2025-01-22 2. 《一文读懂美国 BIS 最新禁令》 2025-01-19 3. 《大模型系列报告（一）：Transformer架构的过去、现在和未来》 2025-01-19 核心观点  Doubao-1.5-pro 实现 7 倍 MoE 性能杠杆，同时推理成本仅为 GPT-4o的 10%。Doubao-1.5-pro 采用 MoE（混合专家）架构，通过训练—推理一体化设计，保证模型性能的同时尽量降低推理成本，Doubao-1.5-pro-32k 的千tokens 输入单价为 0.0008 元，大约为 GPT-4o-0806 批量版本（千 tokens 输入单价 0.00125 美元）的 10%。豆包通过模型结构调优以及训练算法优化，实现7 倍 MoE 性能杠杆，针对 Prefill/Decode 与 Attention/FFN 四个象限，采用异构硬件结合不同的低精度优化策略，在确保低延迟的同时大幅提升吞吐量，在降低总成本的同时兼顾 TTFT 和 TPOT 的最优化目标。  视觉、语音多模态能力全面提升。Doubao-1.5-vision-pro 在多模态数据合成、动态分辨率、多模态对齐、混合训练上进行了全面的技术提升，高效的原生动态分辨率训练，提升模型文档识别、细粒度信息识别能力。Doubao-1.5-realtime-voice-pro，语音语义联合建模实现语音理解和生成一体化，打破传统“ASR+LLM+TTS”级联限制，实现降低延迟，并达到真人级语音水准。  豆包情感语音功能落地移动端，图灵测试“终结者”。2025 年 1 月 20 日，豆包实时语音大模型落地移动端，做到语音理解和生成一体化，实现了端到端语音对话。相比传统“ASR+LLM+TTS”级联模式，在语音表现力、控制力、情绪承接方面表现惊艳，并具备低时延、对话中可随时打断等特性。根据外部用户真实反馈，该模型整体满意度较 GPT-4o 有明显优势，特别是语音语气自然度和情绪饱满度远高于后者。在此之前，大模型以 AI 搜索的形式触达到大部分的网民，但对于不识字或不常打字的人群来说 AI 仍较为陌生，豆包实时语音大模型以超拟人化的形式融入广大人民的生活当中，大模型应用触达人群将从中青年迅速向幼年与老年人群扩散，AI 也从“办公助手”扩散至“生活助手”，打开诸如聊天娱乐、教学陪练、心理疏导、查询播报等新的 AI 应用空间。  投资建议：当前产业阶段，建议关注和豆包 Capex 紧密度最强的 AI 硬件环节龙头厂商，如海光信息、寒武纪、润泽科技、英维克、欧陆通、协创数据、中科曙光、浪潮信息、曙光数创、高澜股份、英伟达（NVDA.O）、博通（AVGO.O）、迈威尔科技（MRVL.O）等，以及和字节可能持续推进产业合作的 B 端软件公司，如新致软件、汉得信息、法本信息、亚信安全、四维图新等，同时豆包大模型情感能力提升会进一步强化陪伴类场景的落地，建议关注乐鑫科技、润欣科技、移远通信等。  风险提示：技术迭代不及预期；商业化落地不及预期；政策支持不及预期；全球宏观经济风险。 单击或点击此处输入文字。 -21%-8%5%18%31%44%计算机沪深300上证指数 谨请参阅尾页重要声明及财通证券股票和行业评级标准 2 行业专题报告/证券研究报告 1 Doubao-1.5-pro 基础能力全面提升 ....................................................................................................... 4 高效 MoE 模型，平衡模型性能和推理成本 .................................................................................... 5 多模态能力全面提升 ........................................................................................................................... 9 1.2.1 视觉多模态：性能进一步提升，从容应对更复杂场景 ............................................................... 9 1.2.2 语音多模态：通过语音语义联合建模，打破传统“ASR+LLM+TTS”级联限制 .................... 10 “豆包版 o1”推出，实现 RL scaling ................................................................................................. 13 2 豆包情感语音功能落地移动端，图灵测试“终结者” ......................................................................... 14 豆包电话升级情感语音功能，高拟人化应用空间广阔 ................................................................. 14 豆包情绪理解和情感表达优于 GPT-4o，“去 AI 味”效果显著 .................................................... 16 3 投资建议 ................................................................................................................................................. 17 4 风险提示 ................................................................................................................................................. 18 图 1. Doubao-1.5-pro 在多个基准上的测评结果 ................................................