>> 國信證券-人工智能行業(yè)專題報告：生成式人工智能產(chǎn)業(yè)全梳理-230328
| 上傳日期： |
2023/3/28 |
大?。?/td>
| 7274KB |
| 格式： |
pdf 共80頁 |
來源： |
國信證券 |
| 評級： |
看好 |
作者： |
熊莉,庫宏垚,朱松 |
| 下載權限： |
此報告為加密報告，僅限高級會員查看 |
|
|
人工智能作為第四次科技革命，已經(jīng)進入2.0時代。人工智能概念于1956年被提出，AI產(chǎn)業(yè)的第一輪爆發(fā)源自2012年，2012年AlexNet模型問世開啟了CNN在圖像識別的應用，2015年機器識別圖像的準確率首次超過人（錯誤率低于4%），開啟了計算機視覺技術在各行各業(yè)的應用。但是，人工智能1.0時代面臨著模型碎片化，AI泛化能力不足等問題。2017年Google Brain團隊提出Transformer架構，奠定了大模型領域的主流算法基礎，從2018年開始大模型迅速流行，2018年谷歌團隊的模型參數(shù)首次過億，到2022年模型參數(shù)達到5400億，模型參數(shù)呈現(xiàn)指數(shù)級增長，“預訓練+微調(diào)”的大模型有效解決了1.0時代AI泛化能力不足的問題。新一代AI技術有望開始全新一輪的技術創(chuàng)新周期。
自18年起大模型快速流行，有望重新定義生產(chǎn)力。2018年以來，預訓練語言模型(PLM)及其“預訓練-微調(diào)”方法已成為自然語言處理（NLP）任務的主流范式，該范式先利用大規(guī)模無標注數(shù)據(jù)通過自監(jiān)督學習預訓練語言大模型，得到基礎模型，再利用下游任務的有標注數(shù)據(jù)進行有監(jiān)督學習微調(diào)模型參數(shù)，實現(xiàn)下游任務的適配。在AI的1.0時代：存在模型碎片化明顯、AI泛化能力不足等問題。“預訓練+微調(diào)”大模型能顯著降低AI工程化門檻，預訓練大模型在海量數(shù)據(jù)的學習訓練后具有良好的通用性和泛化性，細分場景的應用廠商能夠基于大模型通過零樣本、小樣本學習即可獲得顯著的效果，使得人工智能有望構建成統(tǒng)一的智能底座，AI+賦能各行各業(yè)。本輪的生成式AI有望從簡單的內(nèi)容生成，逐步達到具有預測、決策、探索等更高的認知智能。
OpenAI當前已迭代五代模型，GPT-4開始布局多模態(tài)。OpenAI于2015年成立，微軟于2019年開始與OpenAI建立戰(zhàn)略合作伙伴關系，GPT共發(fā)布五代模型GPT-1、GPT-2、GPT-3、ChatGPT以及GPT4。GPT-1于2018年6月發(fā)布，首次將transformer與無監(jiān)督的預訓練技術相結合。2020年5月發(fā)布GPT-3，模型參數(shù)量為1750億。2022年11月，OpenAI正式推出了對話交互式的ChatGPT。相比于GPT-3，ChatGPT引入了基于人類反饋的強化學習（RLHF）技術以及獎勵機制。2023年3月，OpenAI正式推出GPT-4，成為目前較先進的多模態(tài)大模型。GPT-4主要在識別理解能力、創(chuàng)作寫作能力、處理文本量以及自定義身份屬性迭代方面取得進展。
百度于2023年3月正式推出大模型文心一言。文心一言主要由文心大模型提供支持,文心一言擁有有監(jiān)督精調(diào)、RLHF、提示構建、知識增強、檢索增強和對話增強六大核心技術。其中前三項與ChatGPT的技術十分類似，知識增強包括知識內(nèi)化和知識外用；檢索增強指基于百度搜索引擎，先對內(nèi)容進行檢索，再篩選出有用的部分整合輸出結果；對話增強指記憶機制、上下文理解和對話規(guī)劃等技術。
投資建議：建議關注基礎層與應用層AI龍頭。應用層建議關注：科大訊飛、金山辦公、同花順、廣聯(lián)達、凌志軟件、彩訊股份、拓爾思、福昕軟件、稅友股份等。基礎層建議關注海光信息、浪潮信息、景嘉微等。
風險提示：AI技術商業(yè)化落地不及預期；行業(yè)競爭加劇，技術迭代風險；數(shù)據(jù)安全等政策不確定性；貿(mào)易摩擦風險。
|
|
