AI超级行情的认知起点-韭研公社

登录注册

AI超级行情的认知起点

大橙子

2023-03-20 08:40:20

1.1 微软本周发布会是市场对AI超级行情的认知起点

本周从GPT-4发布到微软Copilot正式面世仅仅间隔两天，后者带来大众日常使用的Office工具生产效率大幅跃迁的震撼冲击，实际成为本轮AI行情在资本市场全面认知的起点：市场第一次真正意义上开始全方位认识到本轮AI行情不是因为ChatGPT单个现象级产品引发的短期主题投资，而是已经正在实际发生的、正带来各行各业生产力质变的近期最大科技革命。从GPT-3.5turbo带来10倍成本降低，到推出GPT-4引发多模态模型竞赛，再直至Copilot全面内置于office365的全家桶，微软仅仅用了不到半年的时间即打破数十年生产力的输出方式。复盘微软office的历程，在20余年构建了信息化创作的通用模式。而此次Copilot的面世，不仅仅只是功能的增加，其内核在于生产力的全新跃迁。

AI符合机构配置审美的龙头企业迎来最好时光：金山办公，三六零，科大讯飞，其中中科创达，同花顺，海康威视，大华股份尚处于估值与位置低位更具备吸引力。

1.2 微软的Copilot是“核裂变”的引线

微软从GPT到GPT3.5的技术革新，到GPT3.5turbo的成本降低，到Wishper API发布，再到现在全面绑定，凸显自身从编程成本降低到最后全面内置于Office365全家桶。OpenAI的预训练语言模型从GPT到GPT3.5纵向演变，训练数据从5GB攀升至45TB，参数量从117M剧增至1750亿，模型从预训练+微调转变为人工标注数据+强化学习，人工智能取得技术突破。ChatGPT-3.5 Turbo 模型是GPT-3.5系列中最快速、最便宜、最灵活的模型，模型定价0.002 美元 / 1000 tokens，是GPT 3.5 模型的1/10。Whisper是开源的语音转文本模型，目前已有社交软件SnapChat、购物软件Instacart、学习软件Quizlet和Speak等应用程序通过API的方式将ChatGPT融入到服务之中。3月16日，微软宣布Microsoft 365 服务全面接入 AI 驱动工具 Copilot，用户可以用人工智能自动生成文档、电子邮件、演示文稿等。

微软Copilot已经显示出AI助理高于操作系统的战略入口潜力。微软发布基于GPT-4的Copilot，本质是微软基于GPT4大模型、Microsoft Graph（用户数据池）和Microsoft 365全家桶三大产品打造的生产力工具，从而形成以它为需求交互核心的一体化办公的Business Chat。Copilot的使用方法：1）在常见Microsoft 365应用中直接调用，Word更具创造力，Excel更具分析性，PowerPoint更具表现力，Outlook更具生产力，Teams更具协同性；2）使用Business chat调用，使用这个应用可以直接连接到各类办公应用如文档、电子邮件、日历、聊天、会议、联系人等，通过“告诉我的团队我们如何更新产品策略”等自然语言提示，Business Chat 将根据早上的会议、电子邮件和聊天线程生成状态更新。

Copilot将大型语言模型（LLM）、业务数据和Microsoft 365应用相结合，发挥创造力、释放生产力和提高技能，其技术解析原理如下：

1）用户打开Microsotf 365应用通过COPILOT和Microsoft Graph链接，用于提高“提示”功能的质量，更好调用用户数据；

2）Microsoft Graph将提示发给LLM优化模型；

3）LLM指导Microsoft Graph调用AI和发出命令；

4）COPILOT将命令进行编排等发给应用，最后应用输出结果。

1.3 技术爆炸进行中，AI软硬件迭代交相辉映

在微软打开链式反应的第一环之后，技术爆炸已成为进行时，海量AI应用有望迅速开发落地。据各公司官网，海外大厂未来AI应用落地节奏有望进一步加快，AI+机器人、AI+工业、AI+电商等AI应用有望快速落地；与此同时以英伟达、亚马逊为代表的AI基础设施厂商也相应加快新品推出速度以满足快速增长的AI硬件设施需求，3月20日英伟达GTC 2023有望推出微软为AI训练定制的“超级电脑”，该产品有望成为未来AI基础设施的模板。

国内AI大厂以百度文心一言发布为拐点，未来有望凭借更优质的中文数据和应用know-how实现弯道超车。百度文心一言是国内首个全栈大模型产品，模型发布后申请合作厂商超9万家，腾讯、阿里、华为、字节跳动、三六零等互联网大厂在AI大模型领域已有成熟布局，相关应用有望快速发布。我们认为，在中国市场，国内互联网大厂有望凭借更优质的中文数据以及对中国各行业应用的know-how发布更适合国内市场的产品，最终实现对国外大厂的弯道超车。

1.4 国内巨头不甘示弱，互联网与AI共发力

1.4.1 百度正式发布文心一言大模型

2023年3月16日，百度正式发布大语言模型、生成式AI产品“文心一言”。百度 CEO李彦宏表示：“生成式AI代表着新的技术范式，是任何企业都不应错过的大机会。”李彦宏说，“其实，百度在过去十几年中持续在AI研发上坚持投入，文心大模型第一个版本2019年就发布了，此后的每一年都发布一个新版本，从这个意义上说，文心一言的发布只是我们过去多年努力的一个自然延续。”

百度文心一言定位于人工智能基座型的赋能平台，将助力金融、能源、媒体、政务等千行百业的智能化变革，最终“革新生产力工具”。百度在搜索、人工智能领域深耕20多年。基于搜索引擎，演化出语音、图像、知识图谱、自然语言处理等人工智能技术。百度在人工智能的四层架构中，有全栈布局，包括底层芯片、飞桨深度学习框架、文心大模型以及最上层的搜索等应用。文心一言技术，位于模型层。

文心一言有五大能力，文学创作、商业文案创作、数理逻辑推算、中文理解、多模态生成。

自2月份百度官宣“文心一言”以来，已有超过650家企业宣布接入文心一言生态。囊括湖北广电融媒体新闻中心、河南广播电视台大象新闻、贵州广播电视台《百姓关注》、上海报业集团旗下澎湃新闻、四川日报报业集团旗下封面新闻、华策影视等。

1.4.2 商汤发布多模态多任务通用大模型“书生2.5”

3月14日，商汤科技发布多模态多任务通用大模型“书生（INTERN）2.5”，在多模态多任务处理能力方面实现多项全新突破，其卓越的图文跨模态开放任务处理能力可为自动驾驶、机器人等通用场景任务提供高效精准的感知和理解能力支持，向通用人工智能迈出坚实的一步。“书生（INTERN）”最初版本由商汤科技、上海人工智能实验室、清华大学、香港中文大学、上海交通大学在2021年11月首次共同发布，并持续联合研发。

“书生2.5”拥有30亿参数，不仅是世界上开源模型中ImageNet准确度最高、规模最大的模型，也是物体检测标杆数据集COCO中唯一超过65.0 mAP的模型。目前，“书生2.5”多模态通用大模型已在通用视觉开源平台OpenGVLab开源，为学术界和产业界的多模态通用模型研发提供有力支撑。

在视觉主流图像分类数据集ImageNet上，“书生2.5”的InternImage-G通用视觉大模型仅基于公开数据便达到了90.1%的Top-1准确率。这是除谷歌与微软之外，唯一准确率超过90.0%的模型，值得一提的是，谷歌与微软均未公开模型及额外数据集。“书生2.5”同时也是世界上开源模型中ImageNet准确度最高、规模最大的模型。

除了高精确度的语义理解能力外，“书生2.5”在目标定位性能上同样有着出色的表现。在物体检测标杆数据集COCO上，其取得了65.4的mAP，是世界上唯一超过65.0 mAP的模型。“书生2.5”也在包括图像分类、物体检测、语义分割、图像描述、图文检索等20+个不同场景、不同任务的单模态和跨模态公开数据集中都取得了最佳成绩。

1.4.3 三六零类ChatGPT产品Demo即将发布

三六零发布公告，公司目前已经有推出类ChatGPT的Demo版产品的计划。2023年3月14日，Wind平台有投资者询问三六零的类ChatGPT产品的进展情况，公司回答称会利用搜索引擎在生成式大模型方面的先天优势，充分利用经过预清洗的海量网页数据和优质问答数据对，对自有的AI模型进行训练和优化。目前，公司的类ChatGPT产品在某些场景下的体验效果已经接近国外同类产品。公司也在研发如何利用AI技术提升自有的应用场景的使用体验，包括结合了AI技术的全新“360浏览器”、“360搜索”、ToB 即时通讯APP“推推”、“苏打办公套件”等。

1.4.4 华为鹏程盘古大模型

华为在大模型领域早有布局，正通过建立联合体推动产业化。据财联社报道，对于华为在大模型的布局，华为计算产品线相关负责人表示，公司2020年在大模型开始有布局，2021年基于昇腾AI与鹏城实验室联合发布了鹏程盘古大模型，是业界首个千亿级生成和理解中文NLP大模型。在大模型产业化方面，华为已发起了智能遥感开源生态联合体、多模态人工智能产业联合体，智能流体力学产业联合体等。华为将以联合体的模式把科研院所、产业厂商等结合起来，更好地让大模型产业形成正向的闭环回路。

1.4.5 腾讯混元助手

腾讯针对类ChatGPT对话式产品已成立“混元助手”项目组。据36氪职场Bonus报道，腾讯针对类ChatGPT对话式产品已成立混元助手项目组。该项目组将联合腾讯内部多方团队，构建大参数语言模型，目标是通过性能稳定的强化学习算法训练，完善腾讯智能助手工具，打造“腾讯智能大助手”，并成为国内的业界标杆。该项目组旨在通过性能稳定的强化学习算法训练，完善腾讯智能助手工具。腾讯之所以有底气，是因为他们拥有手中多样、高质的真实数据，解决了物理硬件问题，并且有多年积累的人工智能技术人才。

在混元助手之前，腾讯最接近ChatGPT的项目或是智能创作助手文涌。文涌出自腾讯 AI Lab，部分功能的实现使用混元系列 AI 大模型作为底层预训练模型，具有智能纠错、文本补全、文本润色等功能。

早在去年4月29日，腾讯混元AI大模型在CLUE（中文语言理解评测集合）分类榜中取得第一并刷新该榜单历史纪录，分数突破80.888分，有相关分析文章认为，该模型在自然语言处理上的实力接近人类语言理解能力。

1.4.6 阿里类ChatGPT机器人处于内测阶段

阿里达摩院正在研发类 ChatGPT 的对话机器人，目前处于内测阶段。有消息称，阿里达摩院正在研发类ChatGPT的对话机器人，目前已开放给公司内员工测试。对此，阿里巴巴方面表示：“确实在研发中，目前处于内测阶段。”

公开消息显示，阿里巴巴达摩院(杭州)科技有限公司申请的“人机对话及预训练语言模型训练方法、系统及电子设备”专利，可提升问答交互的准确性。此前，钉钉已经接入了ChatGPT，并给出详细配置攻略。据了解，钉钉有开放的API接口，只需简单几步就可以配置好钉钉机器人接入ChatGPT。日前，阿里巴巴达摩院（杭州）科技有限公司发生工商变更，注册资本由1000万元增至3亿元，增幅2900%，持续投入人工智能（AI）等底层技术。阿里巴巴达摩院成立于2017年11月，致力于开展基础科学和颠覆式技术创新研究。在AI、大模型等ChatGPT所需的底层技术上，达摩院曾先后推出超越谷歌、微软的10万亿规模的M6大模型、AI模型开源社区“魔搭”等。

1.4.7 字节跳动积极布局语言和图像两种模态大模型

字节跳动在大模型上已有所布局，分别在语言和图像两种模态上发力。据36氪消息，字节跳动在大模型上已有所布局，分别在语言和图像两种模态上发力。字节跳动相关技术负责人对此回应：技术中台在这些领域有探索，还很初期，不成熟；字节跳动语言大模型团队由字节搜索部门牵头在今年组建，目前团队规模在十数人左右，探索方向主要为与搜索、广告等下游业务的结合，团队目前的预期是在今年年中推出大模型。图片大模型团队则由产品研发与工程架构部下属的智能创作团队牵头。从训练大模型的角度而言，工程团队和云服务团队一样关键，在两者上均无短板的字节跳动具有一定优势。对AI领域的布局，字节的反应速度一直较快。据了解，目前AIGC（AI生成内容）技术也已结合到头条的内容创作以及抖音的图文内容生成中。比如2021年，抖音上线的可以把人脸卡通画的“漫画脸”特效就小有出圈。

1.5 AI永不眠

1.5.1 AI模型走向多模态

机器想更自然地与人类进行交互，需要通过多模态的方式去获取更多的有用信息，AI感知方式必然要从单模态发展到多模态，逐步拟人化。

综合阿里云社区《Multimodal Machine Learning: A Survey and Taxonomy，多模态机器学习:综述与分类》翻译与解读，CSDN"模态"是德国理学家赫尔姆霍茨提出的一种生物学概念，即生物凭借感知器官与经验来接收信息的通道，如人类有视觉、听觉、触觉、味觉和嗅觉模态。多模态是指将多种感官进行融合，而多模态交互是指人通过声音、肢体语言、信息载体（文字、图片、音频、视频）、环境等多个通道与计算机进行交流，充分模拟人与人之间的交互方式。

传统的深度学习算法专注于从一个单一的数据源训练其模型。例如，计算机视觉模型是在一组图像上训练的，NLP 模型是在文本内容上训练的，语音处理则涉及声学模型的创建、唤醒词检测和噪音消除。这种类型的机器学习与单模态人工智能有关，其结果都被映射到一个单一的数据类型来源。

多模态AI可以提供更接近于人类感知和交互方式，让AI实现更广泛的应用场景。目前多模态AI成为主要的发展趋势，主要有以下原因：

1、多模态融合能够推动人机交互模式的升级，人机交互过程中可以从更多的层面体会机器的情感和表达的语义，通过图文、语音、视频等多方式互动，从整体上可以提高人机交互的自然度和精确度。

2、多模态融合技术，能够对人体的形态、表情和功能进行模拟仿真，打造出高度拟人化的虚拟形象，像真人一样与人沟通互动，不断提升交互体验，使得人工智能可以更像一个人。

3、多模态AI在理解信息、处理信息、解释和推理信息可以比单模态更准确。多模态学习可以聚合多源数据的信息，使得模型学习到的表示更加完备。以视频分类为例，同时使用字幕标题等文本信息、音频信息和视觉信息的多模态模型要显著好于只使用任意一种信息的单模态模型。多模态AI的应用场景也会更加广泛，如今，多模态人工智能产业正大步走向场景化、实用化。

海外AI巨头纷纷推进多模态应用。2021年，OpenAI开启了多模态学习的重要一年，CLIP可以匹配图像和文本，Dall·E可以生成与输入文本对应的图像。DeepMind的Perceiver IO可以对文本、图像、视频和点云进行分类。斯坦福大学的ConVIRT为医用X射线图像添加了文本标签。

谷歌的多任务统一模型（MUM）是多模态人工智能的另一个例子。它承诺通过从 75 种不同语言中挖掘出的上下文信息对用户搜索结果进行优先排序，从而提高用户的搜索体验。MUM 使用 T5 文本到文本框架，比 BERT 中流行的基于变换器的自然语言处理模型要强大 1000 倍。

英伟达的 GauGAN2 模型则将根据简单的文本输入生成照片般逼真的图像。它在一个单一的模型中结合了分割映射、内画和文本到图像的生成，使其成为一个强大的多模态工具，可以用文字和图画的混合来创造逼真的艺术。

多模态人工智能的最新例子是 OpenAI 的GPT-4。GPT-4可以接受图像和文本输入，而ChatGPT只能接受文本信息输入与输出。GPT-4在各种专业和学术基准上的表现达到“人类水平”，在事实性、可引导性和可控制方面取得了“史上最佳结果”。当任务的复杂性达到足够的阈值时，GPT-4比ChatGPT更可靠，更有创造力，能够处理更细微的指令。

1.5.2 众多厂商自身业务布局具备适用性

百度的飞桨平台提供了丰富的模型库及开发套件。国内搜索引擎龙头公司百度伴随着应用飞桨项目和产业端结合的越来越频繁紧密，截至2022年11月，飞桨平台已凝聚535万开发者，服务20万企事业单位，基于飞桨创建了67万个模型，逐渐成为一个非常易于开发的通用性人工智能深度学习平台。飞桨平台提供面向语义理解、图像分类、目标检测、语义分割、文字识别、语音合成等场景的多个端到端开发套件，满足企业低成本开发和快速集成的需求，助力快速的产业应用。

科大讯飞的开放平台实现多技术方面深度融合。在2022科大讯飞全球1024开发者节上，科大讯飞透露了讯飞开放平台2.0、讯飞虚拟人交互平台1.0、讯飞超脑2030、羚羊工业互联网平台等一系列技术成果。以超脑2030计划为出发点，2022年，讯飞在单项技术方面持续突破，在语音、图像和认知的国际高水平技术评测中共获得12项比赛冠军；多技术方面深度融合，在多模感知、交互大脑、多维表达和运动智能四个方面取得突破性进展，为讯飞开放平台2.0战略的落地提供了有力的技术支撑。

字节AI Lab的前沿技术研究涵盖多个领域。字节跳动的人工智能实验室ByteDance AI Lab成立于 2016 年，旨在为字节跳动内容平台提供算法和技术支持，研究领域主要涉及自然语言处理、数据挖掘、机器学习、语音与音频等。AI Lab 专注于人工智能领域的前沿技术研究，涵盖了计算机视觉、语音 & 音频处理、 NLP、CV、Speech、音乐、机器学习等多技术研究领域，同时致力于将研究成果落地，旗下产品已经在抖音、火山、西瓜等 App 中有所应用，如把手机摄像头变成人工智能相机，抖音的美颜、美体、滤镜、人体人脸关键点识别、手势识别等。

阿里达摩院正在研发的类 ChatGPT 的对话机器人将拓展其业务领域，提升竞争力。2月23日晚间，阿里巴巴集团董事会主席兼首席执行官张勇在财报会上表示，云计算是阿里巴巴面向未来的核心战略之一，是阿里全面扎根实体经济、服务数实融合的基本支撑。阿里从2020年初便启动中文大模型研发，在这一领域一直处于引领地位，2021年阿里先后发布国内首个超百亿参数的多模态大模型M6及被称为“中文版GPT-3”的语言大模型PLUG，此后还训练实现了全球首个10万亿参数AI模型。最近，阿里达摩院正在研发类 ChatGPT 的对话机器人，目前处于内测阶段。阿里的业务生态圈涵盖能源，金融，投资，商业，网络，硬件，扶贫，出行交通，购物，销售，食品卫生，企业业务支持等产业，因此阿里研发的AI模型场景应用也十分广泛，2019年阿里AI开源的新一代人机对话模型ESIM型可应用于智能客服、导航软件、智能音箱等场景，随着技术的更新迭代，其新一代的AI模型商业应用场景将更加丰富，可以拓展应用于医疗保健、金融、零售业、物流运输和教育等领域。并且随着AI模型的深入研发，其业务覆盖面将会越来越广，综合性也会越来越强。

华为2021 年发布了鹏程・盘古大模型，将推动华为自主可控的闭环生态圈建设。华为核心业务为ICT(信息与通信)基础设施和智能终端提供，其拥有的三大业务板块分别是终端业务（此前的消费者业务）、企业业务和运营商业务，华为致力于打造系统内所有构成部分的国产自主可控的封闭生态圈。华为研发AI技术，不仅可以应用于其推出的AI芯片上，例如说华为麒麟芯片，可为手机等终端设备提供更快、更稳定的AI运算能力，还可以将AI技术应用到各个领域，例如智慧城市、智能物流、智慧医疗、智能制造等等，为各行各业带来更高效、更智能的解决方案。以华为推出的盘古模型为例，盘古模型在预训练阶段学习了 40TB 中文文本数据，并通过行业数据的样本调优提升了模型在场景中的应用性能，在 16 个下游任务中性能指标优于业界 SOTA 模型。在应用方向上，盘古支持丰富的应用场景，在知识问答、知识检索、知识推理、阅读理解等文本生成领域表现突出。为了让 AI 技术更高效地落地，华为还实现了从底层硬件到应用软件的整体打通，通过底层软件、训练框架、ModelArts 平台的协同优化，充分释放了芯片算力，实现了端到端的性能优化。

腾讯在2022年4月首次对外披露了旗下“混元”AI大模型的研发进展，其AI模型对于进一步打造独一无二的“鹅”生态圈大有裨益。混元AI大模型完整覆盖了NLP（自然语言处理）、CV（计算机视觉）、多模态等基础模型和众多行业模型，近年来，该模型已先后在中文语言理解权威评测集合CLUE 与VCR、MSR-VTT、MSVD等多个权威多模态数据集榜单中登顶。腾讯控股的核心业务是社交网络、在线游戏、数字娱乐，企鹅“生态圈”包含互联网、互联网游戏、直播、软件、视频、音乐、文学、互联网汽车金融交易平台、金融科技、小额贷款、运输网络、零售及新零售、电动汽车、可持续能源生产、互联网医疗保健及量子计算等众多领域，腾讯研发的AI技术已经在智慧出行、智能家居、智能穿戴、智能机器人、智慧文博、智能翻译、智能教育、智能景区等八大场景应用落地。其中混元AI大模型团队推出的NLP万亿大模型也已成功落地于腾讯广告、搜索、对话等内部产品并通过腾讯云服务外部客户。腾讯混元AI大模型团队表示，由于更大的神经网络模型往往意味着更强的模型性能，所以混元NLP大模型未来一方面会着力于探索更大的模型参数规模，另一方面也会结合音频、图像、视频等多模态信息，进一步打造更强大的多模态AI大模型。另外随着AIGC方向的火热兴起，未来混元AI大模型也会不断推进在文本内容生成、文生图等领域的持续升级。

1.5.3 各家多模态模型皆有所长

360持续筑牢大模型基础。360数字安全集团是全国首个专注为国家、城市、大型企业、中小微企业提供数字安全服务的专业公司。过去17年，360集团投入200亿，聚集超2000名安全专家，积累了2000PB安全大数据，基于以“看见”为核心的安全理念，凝练行业独有的高级安全威胁对抗实践，研发出全球首创的“360数字安全大脑”，并以此为基础，提出“1+4”数字安全框架模型，帮助城市、政府、企业数字安全体系的规划和建设数字安全体系，构建“摸清家底、感知风险、看见威胁、处置攻击、提升能力”5大安全能力，形成应对数字安全复杂威胁的完整能力，已发展成为守卫国家网络安全的第一主力军。

科大讯飞是中国智能语音龙头。《2020-2021中国智能语音行业白皮书》引用德勤数据显示，作为大型智能语音科技企业的代表，科大讯飞凭借较强的研发优势，以60%的市场份额稳居第一，竞争优势明显。而科大讯飞的理想也从让机器开口说话到让机器能听会说，能理解会思考，用人工智能建设美好世界。

字节跳动作为视频领域的领头羊，推出“抖音”等现象及产品。字节2012年8月推出首款新闻资讯分发产品“今日头条”，产品基于机器学习技术，实现“千人千面”的新闻信息推送。在上线不到两年的时间内，用户数已超过 1.2 亿，MAU 超过 4000 万。随后，公司基于今日头条所打磨出的AI智能推荐系统，低成本、大规模生产“流产品”，推出了“抖音”等现象级产品，并将国内成熟产品通过“技术出海+本土化运营”顺利推广到全球。Questmoblie 数据显示，截至 2022 年底，字节跳动旗下产品合计用户时长占比达到 24.5%（2017 年底为 10.1%），成为仅次于腾讯系的互联网巨头。