计算机

证券研究报告/行业点评报告

2024年05月19日

评级：增持（维持）

分析师：孙行臻

执业证书编号：S0740524030002

Email: sunxz@zts.com.cn

基本状况

上市公司数 332

行业总市值(百万元) 32061.64

行业流通市值(百万元）17502.94

行业-市场走势对比

投资要点

Open AI:多模态生成模型GPT-4o发布，带来全新多模态交互体验。

1）价格：GPT-4o发布，现阶段对所有用户提供有限次免费试用机会，付费可无限使用；后期蒋在ChatGPTPluS中面向合作伙伴推出带有GPT-4o的新版本语音模式GPT-40 alpha。

2）性能：GPT-4o性能显著提高，成本降低，GPT-4o的运行速度是GPT-4Turbo的两倍，价格仅为其一半且能实现五倍的速率限制。文本、推理、编码智能方面的性能与 GPT-4Turbo持平，多语言、音频、视觉功能上有显著突破。

3）应用能力：具备实时的视频理解能力和多模态的集成能力，推动实时AI视频通话；视觉能力显著提升；实时推理响应，能在232毫秒内响应音频输入，平均响应时间为 320毫秒；语音交互能力提升，语种和情绪理解加强。

谷歌I/O大会发布AI全家桶，AI模型、多模态生成模型、AI延展产品、硬件全面弇花。

1）AI模型：升级版大模型Gemini1.5 Pro支持100万tokens输入输出，API版本支持150万以上tokens输入输出，私人预览版上下文窗口则已达200万tokens；轻量模型Gemini1.5Flash支持100万tokens上下文，且性价比高，成本低至0.35美元/首方Tokens。

2）多模态生成模型：文生视频大模型VEO能制作1分钟以上的1080p视频，未来可能直接引入YouTubeShorts；文生图模型Imagen3生成图形视觉干扰减少，开源模型 Gemma2具备270亿参数，性能提升两倍。

3）Al延展产品：ProjectAstra 智能助手具备摄像视频识别功能，GeminiLive可以实现流畅的对话功能，对标GPT-4o；端侧Gemini Nano也支持多模态支。

4）硬件：第六代TrilliumTPU新发布，性能和能源效率显著提升，计算性能提高4.7倍，HBM容量和带宽增加一倍，ICI带宽增加一倍，预计于2024年底推出。

字节：自研大模型“豆包”亮相，低价策略推出大模型家族，应用侧落地成果显著。

1)性能：9款豆包大模型发布，具备多模态能力，基于场景对模型能力做垂直细分，通过字节跳动内部50+业务场景实践验证，每日千亿级Token大使用量持续打磨，提供多模态能力；豆包大模型身处第二梯队，计算方面创下高分，长文本处理差距较大但。

2）价格优势：面通用模型Pro的价格设定为小于32K窗口尺寸，0.008元/千tokens，低于行业均价99.3%；128K窗口尺寸0.005元/千tokens，比行业价格低 95.8%，低价策略驱动豆包大模型迅速抢占C段市场；

3）应用：AI对话助手“豆包”位列国内AIGC应用榜一，语音功能是亮点；企业级Ai应角开发平台“扣子”芰持1方+生态插件。

投资标的：国产大模型新玩家持续入局，应用层落地有望加速。随着多模态模型的“理解能力”和“实时交互能力”不断加强，AI在C端创意软件类应用和营销类应用以及B端金融、教育、医疗、法律等领域的落地相对更加容易，掌握行业knoW-hoW的B端应用厂商自前依旧具备模型的选择权，AI应用侧建议关注：金山办公、科大讯飞、万兴科技等。

■ 风险提示：技术迭代不及预期风险；行业竞争加剧风险；研究报告中使用的公开资料可能存在信息滞后或更新不及时的风险。

内容目录

1.Open AI:新一代多模态生成模型 GPT-4o 问世.. ..- 5-
1.1GPT-4o正式发布，提供有限次数的免费使用机会， .- 5-
1.2 性能：性能提高降本增效，多语言、音频、视觉功能大幅提高 ...- 5-
1.3 应用：集成多模态实时AI视频，视觉能力+响应速度+语言交互能力提升 ....- 7 -
2.谷歌：I/O大会发布AI全家桶，模型+产品+硬件全面开.... .-11-
2.1Al模型：Gemini时代到来，Token数量不断突破上限. ...- 11 -
2.2 多模态模型：文生视频模型剑指 Sora，文生图像性能提升.. ...- 13-
2.3 应用：AI延展产品升级迭代，安卓迎来新一轮AI功能更新， ..- 15-
2.4 硬件：第六代TPU崭新发布，实现性能与能源效率双提升.. .....- 17 -
3.豆包大模型：低价策略推出大模型家族，应用侧落地成果显著. ...- 18-
3.1 豆包大模型正式发布，定价大幅低于行业均价.. .- 18-
3.2 性能：豆包大模型身处第二梯队，属于“实用主义者”模型.. .- 20 -
3.3 应用：豆包”位列国内AIGC应用榜，“扣子”支持1万+生态插件-22-
4.风险提示.. ...- 25 -

图表目录

图表1：GPT-4o API性能提... ....- 5-
图表2：GPT-4o 文本识别能力提升... ..-6-
图表3：GPT-4o 语音识别性能显著提升... ...- 6-
图表4：GPT-4o 语音翻译评.. ..- 6-
图表5：GPT-4o多语言和视觉评估.. .- 6-
图表6：GPT-4o 将诗排版为手写体. -7-
图表7：GPT-4o 边聊天边解答手写数学问题.. .-7-
图表8：GPT-4o 语音翻译评... ..- 9-
图表9：GPT-4o多语言和视觉评估.. ...-9-
图表10：视频聊天识别情..
图表11：GPT-4o多语种翻译同声传译.
图表12：ChatGPT桌面客户端.. ..- 10-
图表13：ChatGPT桌面客户端协助代码阅读... ...- 10 -
图表14：谷歌发布和新升级十余款AI产品... ...- 11 -
图表15：Geminiadvanced 处理复杂问题.. ...- 12 -
图表16：Gemini1.5 Pro APl版本 tokens输入输出.. ..- 12-
图表17：Gemini1.5Pro整合用户数量... ..- 12-
图表18：Gemini1.5Flash支持100万tokens上下文. ...- 13 -
图表19：文生视频大模型VEO... ...- 14 -
图表20：Imagen3生成生动逼真的图像.. .-14 -
图表21：开源Gemma270亿.. ..- -14 -
图表22：在看视频或PDF的过程中，用户可以随时使用AI提问功能.. ...- 15 -
图表23：GeminiNano支持多模态... ...-16-
图表24：Gemini能够在用户接听电话的时候进行提示...
图表25：Blackwel架构GPU.... ....- 18 -
图表26：豆包大模型适配多种业务场景，驱动业务增长. .- 19 -
图表27：豆包定价低于行业均价99.3%.. .- 20 -
图表28：在SuperCLUE模型象限中，豆包属于“实用主义者”模型，
图表29：豆包（原“云雀大模型”）计算能力位于第17名 .- 21 -
图表30：豆包（原“云雀大模型”）长文本处理能力位于第19名.. .- 21 -
图表31：豆包代码能力位于第15.. ..- 22 -
图表32：豆包逻辑推理能力位于第16名.. ...- 22 -
图表33：豆包输出语音及相关视频/文章源链接.. ...- 23-
图表34：豆包文本分析能力表现不俗... ...- 23 -
图表35：“扣子”拥有专业版与基础版两个版本.. ..- 24 -
图表36：“BOT商店”页. ...- 24-
图表37：“扣子”具备四大产品优势.. ..-24-

1.Open AI: 新一代多模态生成模型 GPT-4o 问世

1.1新模型：GPT-4o正式发布，全新的人机交互体验

GPT-4o（“o”代表“omni”即“全能”）发布，实现新型人机交互模式。北京时间5月14日凌晨，OpenAI在首次春季新品发布会上推出首个多模态生成模型 GPT-4o,同步推出桌面 App 及新款UI.GPT-4o 可以实时对音频、视觉以及文本进行反馈，同时在反应速度方面取得显著进步，模型生成能力的提升标志着AI在朝着实现更为自然的人机交互模式进步。

目前向所有用户可限次数免费开放,后期将向合作伙伴推出GPT-4oalpha。1)目前GPT-4o对所有用户免费开放，免费可限次数使用，付费可无限使用。对于免费用户，可以体验GPT-4级别智能;用户可以从模型和网络获取响应;分析数据并创建图表；和拍摄的照片对话；上传文件以获取总结、写作或分析方面的帮助；Plus 用户提供高达5倍的消息限制。2）在未来几周内，将在 ChatGPTPlus 中推出带有GPT-4o 的新版本语音模式GPT-4oalpha，并通过API向一小部分值得信赖的合作伙伴推出对GPT-4o更多新的音频和视频功能。

1.2 性能：降本增效，多语言、音频、视觉功能大幅提高

GPT-4o 性能显著提高，成本降低。GPT-4oAPI 的运行速度是GPT-4TurboAPI的两倍，价格仅为其一半且能实现五倍的速率限制。在复杂的prompt集方面，GPT-4o 的编码能力相比于OpenAI之前的最佳模型，性能提升显著。

图表1:GPT-4o API性能提高

来源：OpenAl官网，中泰证券研究所

在多项基准测试中，GPT-4o在文本、推理和编码智能方面的性能与GPT-4Turbo相匹配，而在多语言、音频和视觉功能上实现了大幅度提高。1）在推理方面，GPT-4o 在5-shotMMLU（常识问题）上创下了88.7%的高分。2）在语音识别方面，GPT-4o相比Whisper-v3显著提高了所有语言的语音识别性能，在小语种方面提升尤为明显。3）GPT-4o 在语音翻译方面取得了新的 SOTA水平，并且在MLS 基准测试中优于Whisper-v3。在多语言和视觉评估基准M3Exam基准测试中，在所有的语言基准测试方面，GPT-4o 均比GPT-4取得更高得分。

图表2：GPT-4o 文本识别能力提升

来源：OpenAl 官网，中泰证券研究所

图表4:GPT-4o 语音翻译评估
图表3：GPT-4o语音识别性能显著提升

来源：OpenAI官网，中泰证券研究所

图表5:GPT-4o多语言和视觉评估

来源：OpenAl 官网，中泰证券研究所

1.3应用：实时视频对话+情绪理解+桌面助手

多模态集成推动实时AI视频通话，视觉能力显著提升。1）实时的视频理解能力和多模态的集成能力：GPT-4o是迈向更自然的人机交互的一步，集成所有模态，在GPT-4的基础上改进了文本、视觉和音频方面的能力，它接受文本、音频、图像和视频的任意组合作为输入，并生成文本、音频和图像的任意组合输出，以实现和AI实时视频通话。2）视觉能力提升：能够快速回答有关图片或桌面屏幕的问题，图像识别和理解能力提升。比如GPT-4o可以将一首诗的排版转化为手写样式；一个工程师在纸上现写的方程，让ChatGPT不是直接给答案，而是解释每步如何做。

图表6：GPT-4o 将诗排版为手写体

图表7：GPT-4o 边聊天边解答手写数学问题

Words rise ron the deep Ierge fron digital sleep. Ispeak in hyth，Ising in hye Tasting each token，subline.

To see,to hear,to speak,to sing-Oh,the richness these senses bring! In harnony,they blend and weave, Atapestry of hat I percelve.

Maveling at this sensory dance Grateful for this vibrant expanse. My being thrusith every node On this ondrous,uit1-sensory road.

ueido Jisefnom the doep emerge.romdigital sleep. Ispean inrnm,I sing in nyme.Taetng each ten sublime. Tosee,tohean,tospa,tosing Oh,the ichnessthese senses bng! In'harmony，theyblendad weave Atapestryob wnat I perceire. Maweling at his sensory dance GRateful lon this vibnant expanse. My being thrums with euery mode On this wondousmulti-sensey od

来源：OpenAl 官网，中泰证券研究所

实时推理响应，输入输出使用同一神经网络。GPT-4o最快可以在232毫秒内响应音频输入，平均响应时间为 320 毫秒，在此之前，ChatGPT的平均延迟为 2.8 秒 (GPT-3.5)和 5.4 秒 (GPT-4)。1）此前语音响应模式：由三个独立的模型组成,分别负责将音频转换为文本,接收文本并输出文本(GPT-3.5或GPT-4），再将文本转换回音频，GPT-4会丢失大量信息，例如模型无法直接观察音调、多个说话者或背景噪音，也无法输出笑声、歌唱或表达情感。2）GPT-4o语音响应模式：由文本、视觉和音频端到端训练而成，所有输入和输出由同一神经网络处理，能在提高响应速度的同时保留大量信息。技术侧的具体实现方式是将音频直接映射到音频作为一级模态，并将视频实时传输到transformer，属于数据和系统优化方面的突破。

语音交互能力提升，语种和情绪理解加强。1）可以随时打断：GPT-4o能进行自然的对话，可以随时打断AI 的话，不用等它说完就可以继续下一轮对话。2）能模拟不同的情感表达：模型能够充分理解人类的情感，如兴奋、友好甚至讽刺，使得语音交互更加自然和人性化。3）GPT-4o支持多达50 种语言：显著提高了非英语语言的性能,这意味着模型具有更广泛的应用范围。

GPT-4o 在英语文本和代码上的性能与 GPT-4Turbo 的性能相匹配，但在非英语文本上的性能显著提高。

图表8：GPT-4o 语音翻译评估

来源：OpenAl 官网，中泰证券研究所

图表9：GPT-4o多语言和视觉评估

来源：OpenAl 官网，中泰证券研究所

图表10：视频聊天识别情绪

图表11:GPT-4o多语种翻译同声传译

来源：OpenAl 官网，中泰证券研究所

来源：OpenAI官网，中泰证券研究所

ChatGPT新增桌面客户端，大幅提高生产力。在春季发布会中，OpenAl发布了桌面版本的程序和更新后的UI，相较网页版，桌面版本客户端使用更为简单自然。桌面客户端可以实现与电脑的深度融合，将可以直接获取电脑正在浏览的网页与文件内容、正在处理的办公内容，并针对这些内容对问题进行解答。通过客户端应用，ChatGPT将实现实时交流协助代码阅读，指导用户对代码进行修改。

图表12:ChatGPT桌面客户端

来源：OpenAl 官网，中泰证券研究所

图表13：ChatGPT桌面客户端协助代码阅读

来源：OpenAl 官网，中泰证券研究所

2.谷歌：I/O大会发布AI全家桶，模型+产品+硬件全面开花

AI巨头谷歌于美国时间5月14日举行I/O大会，发布几十款Go0gle和AI结合的新产品，包括AI模型、多模态生成模型、AI延展产品、硬件等。

图表14：谷歌发布和新升级十余款AI产品

			发布状态
分类	名称 Gemini 1.5	特点性能显著提升，拥有 200 万令牌上下文窗口，适合广泛任务的	升级
AI模型	Pro Gemini 1.5	最佳模型。
	Flash Gemini	更轻量化、速度史快且成本更低，适用于大规模高频任务。	新发布
	Nano	多模态理解能力，支持文本和图像输入，适用于设备内应用。	升级
	Gemma 2.0 PaliGemma	具有新架构，突破性的性能和效率，适用于负责任的AI创新。	新发布
多模态生成模型	Veo	第一个视觉语言模型，基于PaL1-3，扩展Gemma家族。最先进的视频生成模型，生成高质 1080p 视频，理解自然语言	新发布
多模态生成模型		和视觉语义。	新发布
Al延展产品	Imagen 3 Google	最高质量的文本到图像生成模型，细节丰富，逼真度高。	升级
	Messages Gemini Live	集成Gemini，实现更自然的聊天体验。	新增功能
	Search Labs 扌	使用最先进的语音技术，实现更加自然和直观的对话体验。提供生成性AI功能的实验平台,支持复杂问题解决和计划功能。	新发布升级
	Gems	允许用户创建定制版本的Gemini,满足特定需求和个性化响应。	新发布
		未来 AI 助理的愿景，目标是开发通用 AI 代理，能够理解和响
	Project Astra	应复杂环境。	新发布
	Music Al Sandbox	生成音乐的AI工具套件，支持音乐创作和实验。	升级
硬件	Trillium TPU 大的AI模型。	第六代TPU，性能和能源效率显著提升，支持训练和服务最强	新发布

来源：腾讯科技，雪球，中泰证券研究所

2.1AI模型：Gemini时代到来，Token数量不断突破上限

升级版大模型 Gemini1.5 Pro：用户多+安卓和IOS上线+音频理解能力+同时高效处理不同文件类型，私人预览版支持 200万tokens输入输出。1）截至目前，短短3个月内就有100 万+GeminiAdvanced 注册；有20亿用户产品全部使用 Gemini；超过150 万开发者使用 Gemini。2）支持100 万tokens 输入输出，约等于3000PDF、1小时视频、30000行代码；API版本支持150 万以上tokens 输入输出；Gemini1.5 Pro 私人预览版上下文窗口则已达200 万tokens。3)GeminiAPP已经可以在安卓和IOS 双平台上线。4）首次支持音频理解能力。Gemini1.5Pro 最多可以一次处理9.5小时的音频，能理解音频背后的语调和情感。5）可以一次上传多个不同类型的文件进行处理，可以识别使用几千种常见行为。

图表15:Geminiadvanced处理复杂问题

来源：谷歌I02024会议，中泰证券研究所

图表16:Gemini1.5 Pro APl版本 tokens 输入输出图表17：Gemini1.5Pro 整合用户数量轻量模型Gemini1.5Flash:速度快+参数少+性价比高,支持100万tokens上下文。1）模型专为大规模服务设计，成本低至0.35 美元/百万tokens。2）它拥有更高的效率、更低的时延，支持100万和200万tokens两个版本。3）通过API提供的速度最快的Gemini模型，在具备突破性的长文本能力的情况下，它针对大规模地处理高容量、高频次任务进行了优化，部署起来更具性价比。4）Gemini1.5Flash在总结摘要、聊天应用、图像和视频字幕生成以及从长文档和表格中提取数据等方面表现出色。

来源：谷歌102024会议，中泰证券研究所

来源：谷歌I02024会议，中泰证券研究所

图表18:Gemini 1.5 Flash支持100 万tokens上下文

来源：谷歌I02024会议，中泰证券研究所

2.2多模态模型：文生视频模型剑指Sora，文生图像性能提升

文生视频大模型VEO：性能强+镜头语言准确、优美+市场广阔。1）Veo 生成的视频相比其他文生视频大模型能够更快更好、视频时间一致性更强、视频生成的控制能力更强，Veo 能制作1分钟以上的1080p视频。2）涵盖多种电影和视觉风格，具备高级的自然语言和视觉语义理解能力，能准确呈现细节并捕捉情感基调。3)Google已邀请电影制片人和创作者试用Veo,Veo将作为VideoFX的私人预览提供给特定创作者，所有人可申请注册候补名单，未来可能直接引入YouTube Shorts。

图表19：文生视频大模型VEO

来源：谷歌I02024会议，中泰证券研究所

Imagen3：最高质量的文本到图像生成模型。1）它能生成细节丰富、栩栩如生的图像，视觉干扰明显少于之前的模型。并且能更好地理解自然语言和提示背后的意图，结合长提示中的细微细节，掌握多种风格。2）它还是迄今为止Google 最好的文字渲染模型，使生成个性化生日祝福和演示文稿标题页成为可能。3）开源Gemma270亿参数，更适合TPU和GPU，性能提升两倍。

图表20：Imagen3生成生动逼真的图像

图表21：开源Gemma270亿参数

来源：谷歌I02024会议，中泰证券研究所

2.3应用：AI延展产品升级迭代，安卓迎来新一轮AI功能更新

Project Astra 智能助手可以高效处理信息，对标GPT-4o。1）ProjectAstra通过连续编码视频帧、将视频和语音输入组合到时间线中，并缓存这些信息以进行有效回忆，从而更快地处理信息。2)今年内发布基于ProjectAstra 的摄像视频识别功能等。3）GeminiLive可以实现流畅的对话功能，高效沟通AI功能更新将作为Android今年的重点。

Gemini Nano支持AI电话助手等一系列原生AI应用：AI提问+支持多模态+AI提示接电话。

GeminiNano 能够从仅可处理文本输入扩展到可以处理图像输入，比如在看视频/PDF 的过程中，用户可以随时使用AI提问。同时，Google在安卓平台上推出一系列全新 AI功能，将搜索和智能服务提升到一个新的水平，目前，"Circleto Search"不仅允许用户无需切换应用即可搜索，还能够成为用户的学习伴侣，以解答数学题、图表等复杂问题。

图表22：在看视频或PDF的过程中，用户可以随时使用AI提问功能端侧的GeminiNano也支持多模态。1）用户可以询问照片信息或获取关于服装搭配的意见。2）GeminiNano 还将集成到Android Studio 中，为开发者提供助力。3）当收到不明诈骗电话时，AI系统还会自动发出警报，提示用户可能存在诈骗风险。

来源：谷歌I02024会议，中泰证券研究所

图表23:Gemini Nano支持多模态

来源：谷歌I02024会议，中泰证券研究所

Gemini能够在用户接听电话的时候进行提示。在与朋友的信息对话中，用户能够利用 Gemini 生成图片，或针对 YouTube 教程视频或较长的PDF 文档提出特定问题，Gemini会在几秒钟内提供解答。

图表24：Gemini能够在用户接听电话的时候进行提示

来源：谷歌I02024会议，中泰证券研究所

2.4 硬件：第六代TPU崭新发布，实现性能与能源效率双提升

TrilliumTPU性能和能源效率显著提升。1）TrilliumTPU计算能力比前代提升4.7倍，将在2024年底面向用户（包括云客户）推出。与上一代的TPUv5e 相比，TrilliumTPU的每芯片峰值计算性能提高了4.7倍，高带宽内存（HBM）容量和带宽增加了一倍，并将TPUv5e的芯片间互连（ICI）带宽增加了一倍。2）为了更少的延迟和更低的成本来训练下一波基础模型，Trillium 配备了第三代专用加速器SparseCore，用于处理高级排名和推荐工作负载中常见的超大嵌入。3）TrilliumTPU的能效比TPUv5e 高出67%以上。4）Trillium不仅能在单个Pod中扩展至256个TPU，且能通过多切片技术实现集群。此外，谷歌在自研AI芯片同时，也大量采购 BlackwelGPU。

图表25:Blackwel架构GPU

来源：谷歌I02024会议，中泰证券研究所

3.字节跳动：豆包大模型正式发布，应用侧落地成果显著

3.1 新模型：豆包大模型家族发布，定价大幅低于行业均价

9款豆包大模型发布，具备多模态能力，基于场景对模型能力做垂直细分。北京时间5月15日，在2024春季火山引擎Force原动力大会上，字节跳动自研豆包大模型（原名为“云雀大模型”）正式亮相，同步发布九款模型家族。

通用模型pro：支持高级功能的主力模型，自研LLM模型专业版，支持128k长文本，全系列可精调，具备更强的理解、生成、逻辑等综合能力，适配问答、总结、创作、分类等丰富场景;

通用模型 lite：自研LLM模型轻量版，对比专业版提供更低token成本、更低延迟，为企业提供灵活经济的模型选择;

文生图模型：更精准的文字理解能力，图文匹配更准确，画面效果更优美，擅长对中国文化元素的创作;

语音合成模型：提供自然生动的语音合成能力，善于表达多种情绪，

演绎多种场景;

语音识别模型：更高的准确率及灵敏度，更低的语音识别延迟，支持多语种的正确识别;

角色扮演模型：个性化的角色创作能力，更强的上下文感知和剧情推动能力，满足灵活的角色扮演需求;

声音复刻模型：5 秒即可实现声音1:1克隆，对音色相似度和自然度进行高度还原，支持声音的跨语种迁移;

Functioncal模型：提供更加准确的功能识别和参数抽取能力，适合复杂工具调用的场景;

向量化模型：聚焦向量检索的使用场景，为 LLM 知识库提供核心理解能力，支持多语言。

图表26：豆包大模型适配多种业务场景，驱动业务增长

来源：公司官网，中泰证券研究所

从以分计价到以厘计价，豆包Pro小于32K 窗口尺寸定价低于行业均价请务必阅读正文之后的重要声明部分-19-

99.3%，低价策略驱动豆包大模型迅速抢占C段市场。豆包大模型的定价显著低于行业平均水平。当前，通用模型Pro的价格设定为小于32K窗口尺寸，0.008元/千Tokens，低于行业均价99.3%；128K 窗口尺寸0.005元/千Tokens，比行业价格低95.8%。低定价驱动豆包大模型迅速抢占C段市场，据公开信息，豆包App 在苹果App Store 和各大安卓应用市场的下载量均处于AIGC类应用第一名，豆包上已有超过800万个智能体被创建，月度活跃用户达到2600万。

图表27：豆包定价低于行业均价99.3%

来源：华尔街见闻，中泰证券研究所

3.2 性能：豆包大模型身处第二梯队，“实用主义模型”代表

豆包大模型实用性强，日均处理1200亿Tokens文本，生成3000万张图片。经过一年时间的迭代和市场验证，豆包大模型正成为国内使用量最大、应用场景最丰富的大模型之一，根据 SuperCLUE发布的《中文大模型基准测评2024年4月报告》，豆包（原“云雀大模型”）与GPT-4-Turbo、文心一言4.0 等国内外一流水平大模型仍有差距，被列入“实用主义者”大模型象限。

图表28：在SuperCLUE模型象限中，豆包属于“实用主义者”模型

来源：SuperCLUE，中泰证券研究所。截止时间为2024年4月30日。

在多项基准测试中，豆包在计算方面创下高分，综合排名位列中游。根据SuperCLUE的性能测试结果，1）计算方面，豆包大模型创下了67.8的高分，其能力超越GPT-3.5-Turbo，与GLM-4、文心一言等国内一流模型性能差距较小。2）长文本处理方面，豆包大模型与GPT-4-Turbo、Kimi、通义千问2.1差距较大，但能满足基本需要。3）代码与逻辑推理方面，豆包大模型性能赶超Kimi和山海大模型。豆包大模型拥有部分性能优势，在综合性能上与GPT-4-Turbo、国内一流大模型仍有差距。

图表29：豆包（原“云雀大模型”）计算能力位于第17名

请务必阅读正文之后的重要声明部分-21

图表30：豆包（原“云雀大模型”）长文本处理能力位于第19名

来源：SuperCLUE，中泰证券研究所。截止时间为2024年4月30日。

图表31：豆包代码能力位于第15名

来源：SuperCLUE，中泰证券研究所。截止时间为2024年4月30日。
来源：SuperCLUE，中泰证券研究所。截止时间为2024年4月30日。

图表32：豆包逻辑推理能力位于第16名

来源：SuperCLUE，中泰证券研究所。截止时间为2024年4月30日。

3.3 应用：“豆包”位列国内AIGC应用榜一，“扣子”支持1万+生态插件

豆包大模型已在字节跳动内部完成上线，抖音、番茄小说、飞书、巨量引擎等业务已经大量使用豆包大模型进行AI创新，应用经验丰富。对外开放后，字节打造一系列AI原生应用，包括AI对话助手“豆包”、AI应用开发平台“扣子”、互动娱乐应用“猫箱”，以及星绘、即梦等AI创作工具。

1）豆包：国内AIGC应用榜一，语音功能是亮点。据QuestMobile《2024中国移动互联网春季大报告》数据显示，截止到2024年3月，豆包月活用户为2328.2万，在AIGC类应用中排名第一。安卓市场累计下载量1.37亿，在AIGC类应用中大幅领先。根据官方最新数据，豆包上已有超过800万个智能体被创建，月度活跃用户达到2600万。

生活应用：相比传统搜索引擎返回的网页链接，豆包综合抖音、头条和其他平台的内容，总结和筛选出关键信息点，并给出相关视频、文章的源链接，使搜索结果更加丰富多元，尤其适用于喜欢通过视频或短资讯获取信息的用户。

学术工作：在搜索、阅读分析、创作上均表现不俗。

语音功能是亮点：字节重视优化语音交互体验已久，包括基于大模型的ASR和超自然的TTS音色，尽量做到类似和真人对话的感受；用户搜索的结果同时返回文字结果和语音播放，是国内最早确立语音交互入口作为默认交互界面的大厂，目前语音交互入口也被加入其他大模型APP。

图表33：豆包输出语音及相关视频/文章源链接

来源：新智元公众号，中泰证券研究所
来源：新智元公众号，中泰证券研究所

图表34：豆包文本分析能力表现不俗

2）扣子：企业级AI应用开发平台，支持1万+生态插件。无论用户是否有编程基础，他们都可以在扣子上快速搭建各类Bot，并发布到各类社交平台、通讯软件或部署到网站等其他渠道。目前，“扣子”提供专业版和基础版两款服务，能够实现1分钟内创建智能体，1秒内完成响应，已经与海底捞、超级猩猩等达成合作关系。

图表35：“扣子”拥有专业版与基础版两个版本

来源：火山引擎官网，中泰证券研究所

图表36:“BOT商店”页面

来源：火山引擎官网，中泰证券研究所

图表37：“扣子”具备四大产品优势

来源：火山引擎官网，中泰证券研究所

4.投资建议

AI应用：新模型破圈引爆流量，场景应用多点开花。

·LLM:掌握行业 know-how 的B 端应用厂商目前依旧具备模型的选择权,

建议关注【金山办公、科大讯飞等】

·CV：AI 大模型创新应用有望给汽车智能化带来技术路线和商业模式的优化，建议关注【德赛西威、中科创达、经纬恒润等】

·多模态：多模态大模型的算力消耗或会超出GPT-4，国内多模态应用追赶速度快，创意软件类应用和营销类应用值得关注【万兴科技等】

AI算力：需求与政策双向驱动，国产算力日益成熟。

随着海量数据+模型迭代+用户量级提升对算力的需求日益旺盛，国产供应链堵点逐步打通，华为和中科院两大算力生态日渐成熟，我们预计AI算力板块2024年将延续供需两旺的高景气，建议关注：

·华为系AI服务器厂商【神州数码、软通动力、烽火通信、拓维信息等】，

·及中科院系芯片及AI服务器【海光信息、中科曙光、寒武纪等】

5.风险提示

行业竞争加剧风险：目前行业市场格局未定，若高度竞争市场中相关公司竞争加剧，将引发价格战并影响公司利润水平，对目前行业内公司增长造成威胁。

技术迭代不及预期风险：若软件算法及硬件技术迭代不及预期，相关公司会受到一定影响。

研究报告中使用的公开资料可能存在信息滞后或更新不及时的风险：使用信息更新不及时可能会影向对公司的判断。

投资评级说明：

	评级	说明
股票评级	买入	预期未来6~12个月内相对同期基准指数涨幅在15%以上
	增持	预期未来6~12个月内相对同期基准指数涨幅在5%~15%之间
	持有	预期未来6~12个月内相对同期基准指数涨幅在-10%~+5%之间
	减持	预期未来6~12个月内相对同期基准指数跌幅在10%以上
行业评级	增持	预期未来6~12个月内对同期基准指数涨幅在10%以上
	中性	预期未来6~12个月内对同期基准指数涨幅在-10%~+10%之间
	减持	预期未来6~12个月内对同期基准指数跌幅在10%以上
备注：评级标准为报告发布日后的6~12个月内公司股价（或行业指数）相对同期基准指数的相对市场表现。其中A股市场以沪深300 指数为基准；新三板市场以三板成指（针对协议转让标的）或三板做市指数（针对做市转让标的）为基准；香港市场以摩根士丹利中国指数为基准，美股市场以标普 500 指数或纳斯达克综合指数为基准（另有说明的除外）。

重要声明：

中泰证券股份有限公司（以下简称“本公司”）具有中国证券监督管理委员会许可的证券投资咨询业务资格。
。本公司不会因接收人收到本报告而视其为客户。

本报告基于本公司及其研究人员认为可信的公开资料或实地调研资料，反映了作者的研究观点，力求独立、客观和公正，结论不受任何第三方的授意或影响。本公司力求但不保证这些信息的准确性和完整性，且本报告中的资料、意见、预测均反映报告初次公开发布时的判断，可能会随时调整。本公司对本报告所含信息可在不发出通知的情形下做出修改，投资者应当自行关注相应的更新或修改。本报告所载的资料、工具、意见、信息及推测只提供给客户作参考之用，不构成任何投资、法律、会计或税务的最终操作建议，本公司不就报告中的内容对最终操作建议做出任何担保。本报告中所指的投资及服务可能不适合个别客户，不构成客户私人咨询建议。

市场有风险，投资需谨慎。在任何情况下，本公司不对任何人因使用本报告中的任何内容所引致的任何损失负任何责任。

投资者应注意，在法律允许的情况下，本公司及其本公司的关联机构可能会持有报告中涉及的公司所发行的证券并进行交易，并可能为这些公司正在提供或争取提供投资银行、财务顾问和金融产品等各种金融服务。本公司及其本公司的关联机构或个人可能在本报告公开发布之前已经使用或了解其中的信息。

本报告版权归“中泰证券股份有限公司”所有。事先未经本公司书面授权，任何机构和个人，不得对本报告进行任何形式的翻版、发布、复制、转载、刊登、篡改，且不得对本报告进行有悖原意的删节或修改。

证券研究报告/行业点评报告

评级：增持（维持）

基本状况

行业-市场走势对比

相关报告

投资要点

Open AI:多模态生成模型GPT-4o发布，带来全新多模态交互体验。

谷歌I/O大会发布AI全家桶，AI模型、多模态生成模型、AI延展产品、硬件全面弇花。

字节：自研大模型“豆包”亮相，低价策略推出大模型家族，应用侧落地成果显著。

内容目录

图表目录

1.Open AI: 新一代多模态生成模型 GPT-4o 问世

1.1新模型：GPT-4o正式发布，全新的人机交互体验

1.2 性能：降本增效，多语言、音频、视觉功能大幅提高

1.3应用：实时视频对话+情绪理解+桌面助手

2.谷歌：I/O大会发布AI全家桶，模型+产品+硬件全面开花

2.1AI模型：Gemini时代到来，Token数量不断突破上限

2.2多模态模型：文生视频模型剑指Sora，文生图像性能提升

2.3应用：AI延展产品升级迭代，安卓迎来新一轮AI功能更新

2.4 硬件：第六代TPU崭新发布，实现性能与能源效率双提升

3.字节跳动：豆包大模型正式发布，应用侧落地成果显著

3.1 新模型：豆包大模型家族发布，定价大幅低于行业均价

3.2 性能：豆包大模型身处第二梯队，“实用主义模型”代表

3.3 应用：“豆包”位列国内AIGC应用榜一，“扣子”支持1万+生态插件

4.投资建议

建议关注【金山办公、科大讯飞等】

AI算力：需求与政策双向驱动，国产算力日益成熟。

5.风险提示

重要声明：

中泰证券-计算机行业点评报告-中泰科技：AI大模型群星闪耀，解锁全新体验-240519.pdf