大模型：AI和大模型2023下半年展望

2023下半年AI行业投资策略

证券分析师：洪依真 A0230519060003 施鑫展 A0230519080002 刘洋 A0230513050006
2023.6.30

每日免费获取报告 □

每日微信群内分享7+最新重磅报告;

每日分享当日华尔街日报、金融时报;

行研报告均为公开版, 权利归原作者所有,起点财经仅分发做内部学习。

语言大模型服从技术发展规律，为什么认为机会可能7月

大量公司开始正式投入，2023年1-2月：一般选择GPT（decoder-only）路线，开源大模型选择LLAMA或者BLOOM；

第一批百模大战开始时间，4月：但这一批对话模型效果一般：普遍测试水平为GPT3左右，即，逻辑、情感、数学、归纳测试都无法通过，和小模型对话工具差异不大，让人没有付费意愿。

• 但是3.5后，生产力工具大发展，体验效果不同，付费意愿和定价出现！

• 指令微调时间：2个季度左右可以达到3.5水平。即1月开始，最早7月会有变化。

科大讯飞、金山办公、福昕软件、万兴科技、拓尔思、软通动力

视觉大模型，重点关注大模型对于具身智能的提升：

• 主要涉及robotics的感知、规划、控制、导航等上层部分。

具身AI不再像传统AI仅从图像、视频、文本等数据库中学习，而是基于自身传感器（多是视觉传感器）感知环境并通过与环境交互进行学习。

• 提升1、通过抽象的自然语言直接对机械智能控制。

提升2、Zero shot下的CV能力：图像分类、语义分割、目标检测、实例分割、物体追踪

• 提升3、更多跨模态的理解能力

虹软科技、萤石网络、大华股份

风险提示：技术尚处于早期阶段，下游落地慢于预期风险。数据保护政策强化影响应用数据互通风险。

主要内容

语言模型：可能机会在7月
语言模型：近期3类投资机会
视觉模型：技术迭代+具身智能
视觉模型：近期3类投资机会

www.swsresearch.com 4资料来源：《Harnessing the Power of LLMs in Practice: A Survey on ChatGPT and Beyond》、申万宏源研究

效果角度

• Decoder only的zero shot能力更强: 在没有任何tuning数据的情况下表现较好，而encoder模型则需要在一定量的标注数据上做multitask finetuning才能激发最佳性能。

Decoder only具有良好的scaling up和涌现能力: 参数量达到一定量级后，模型具有了“复杂的推理能力” 警如从非结构化的文本中自动地提取结构化的知识。

工程角度

Decoder only由于可以不用每次计算前面的token (通过cache来解决)，减少计算量。而encoder的history context必须重新计算。

历史角度

OpenAI发布了GPT系列与一些列alignment方法 (如instructGPT，RLHF等)，其他家都参考其技术体系做Decoder only。

学术角度

低秩问题，Attention层存在严重的降秩问题，Decoder Only由于mask的原因没有降秩问题，而无mask的Encoder存在严重的降秩问题。

表：主流开源大模型

大模型机构	推出时间	开源范围结构	参数量	特点	对中文的支持程度 130亿参数的LLaMA模型「在大对中文支持一般，	指令微调
LLaMA	meta	2023学术研究	decoder- only	最大650亿	多数基准上」可以胜过参数量达 1750亿的GPT-3，而且可以在单块V100 GPU上运行	tokenizer只有700多中字；实际使用中需要对中文再次训练优化	没有。初创公司Nebuly AI开源ChatLLaMA训练方法
Bloom	big science ( hugging face)	2022可以商用	decoder- only	最大1760亿	在46种自然语言和13种编程语言上训练，生成的模型能够跨语言泛化到看不见的任务和语言	支持较好，语料库中 16%是中文。有基于中零样本地遵循数十种语文裁剪的389m参数小言的人类指令模型。
ChatGL M-6B		清华大学2023学术研究	encoder- decoder	60亿	模型底座GLM-130B没有开源，比如在准确性和恶意性指标上与GPT-专门针对中文优化 3175B接近或持平基于谷歌的T5架构，它使用与去年		chat应用微调
	Flan-UL2 google	2023可以商用	encoder- decoder	200亿以上	早些时候发布的2模型相同的配置它通过“Flan”提示调整和数据集收集进行了微调。对1800余种语言任务进行了指令
	Flan-T5 google	2021可以商用	encoder- decoder	最大110亿	微调，明显提高了提示和多步推理能力，30亿参数跑基准就能超过 GPT-3的1750亿参数。
alpaca	斯坦福	2023 学术研究	decoder- only	2B-137B	由LLaMA7B微调而来，仅用52k数据，性能约等于GPT-3.5。训练成本类似LLaMA，对中文支奇低，在8个80GBA100上训练了3持一般个小时，不到100美元		通过调用 OpenAI API, 以 self-instruct 方式生成训练数据，使得仅有 70亿参数的轻量级模型以极低成本微调后

资料来源：Github、申万宏源研究

结论：基于LLaMA底座，充分指令微调，的英文Chat能力，与GPT3.5接近（但是有差距）。

但是，中文环境下，若没有补充大量中文语料库，且未充分微调，能力与GPT3接近

• 一个可以参考的测试，部署了ChatLLaMA后，测试解释笑话、零样本分类和代码生成三项能力。

LLaMa在解释笑话等场景的能力测试

资料来源：《Mini-post: first look at LLaMA》、申万宏源研究

• 如上图，LLAMA-33B效果最接近ChatGPT。

• 其余零样本分类，二者水平相近，代码生成，GPT更强。

• 网上无法找到未经指令微调的中文ChatLLAMA测评。预测效果可能接近GPT3.

根据公开评测，目前头部的开源大模型（经过一定的指令微调），中文环境效果可能在GPT3-3.5之间。

模型大小性能对比

• 从验证结果来看，大模型比小模型精度高

• 以huggingface的评测指标为例:

• llama的65B 分数为58，30B为56，13B为52，7B为47.6

• 但是大模型也意味着更大的成本

• 7B模型单卡可以跑，65B的就要上多卡tensor并行。成本是一个复杂的问题，需要多维度评估

位于未来会是大小并存

超大的模型部署资源需求高，对很多资源不足的实际场景，就需要提高小模型

• 在专业数据上的精度从而落地。

目前很多开源实验也证明了，小模型finetune，在某些特定任务可以比肩大模型

表：部分在细分领域可以试用的剪枝模型

大模型机构		推出开源时间范围		参数结构特点量		指令微调
Vicun 加州伯 a 克利		学术 2023 研究			基于LLaMA13B构建可用于训练、研究和应用门槛 decod 130降低，训练和推理成本降低。微调基于LLaMA模型，通过微调实现了高性能的对亿使用从ShareGPT.com 收集共享对话来微调基础模话生成型，Vicuna的生成质量更好，速度也更快。
	GPT4 Nomic Ai	学术 2023 研究	only decod er-		基于LLaMA7B的开源聊天机器人，支持在个人电脑的提示生成对的数据集后，研究人员将数据加载到 70亿运行，基于大量干净的助手数据（包括代码、故事和Atlas进行整理和清理，删除了所有GPT-3.5-Turbo未对话）训练而成	最初800k条GPT-3.5-Turbo生成数据，在收集了最初能响应提示并产生畸形输出的样本。这使得样本总数
All ChatD 得克萨 octor				only decod		减少到806199个高质量的提示生成对使用医学领域知识在LLaMA模型上进行微调，可用于患者的初诊和分诊1。它使用了一些数据集进行微调该研究收集了700多种疾病及其相应的症状、推荐包括来自 HealthCareMagic.com的100k条真实患 120的药物和所需的医学测试，然后生成5K个医患对话。者和医生之间的对话，来自icliniq.com的10k条真
		医学 2023 er- 斯大学研究			万利用提供的医患对话数据集微调LLaMA得到的医疗实患者和医生之间的对话，以及5k条由ChatGPT生对话模型，可用于患者的初诊和分诊成的患者和医生之间的对话。此外，它还使用了 Stanford Alpaca的数据进行微调，以获得一些基本的会话能力 LLaMA Adapter 仅在冻结的 LLaMA 7B 模型上引将LLaMA微调为指令跟随模型，可简单地扩展到多模

资料来源：Github、申万宏源研究

相比两月前已有进步

真格表示，测评的过程中，明显感受到了国产大模型能力在基础、涌现、垂直能力方面的全面进步，其中商汤、ChatGLM 130B v0.8 以及讯飞星火的基础能力部分回答正确率都已经到了70%。

虽然对比GPT-4的95% 和GPT-3.5的92%尚有差距，但对比两个月前的结果，已经让我们对国产模型的未来有了更强的信心。

资料来源：真格基金、申万宏源研究

1.6 预测语言大模型7月将会重大进展

语言大模型服从技术发展规律

大量公司开始正式投入，2023年1-2月：一般选择GPT（decoder-only）路线，开源大模型选择LLAMA或者BLOOM；

第一批百模大战开始时间，4月：在小规模中文样本训练、指令微调后4月可以推出第一代中文Chat工具，试用开源框架微调（Instruct）时间2周-2月；

但这一批对话模型效果一般：普遍测试水平为GPT3左右，即，逻辑、情感、数学、归纳测试都无法通过，和小模型对话工具差异不大，让人没有付费意愿。

• 但是3.5后，生产力工具大发展，体验效果不同，付费意愿和定价出现！

为什么认为机会可能7月

• 1、指令微调时间：2个季度左右可以达到3.5水平。即1月开始，最早7月会有变化；

指令微调，包括中文QA训练，人类反馈强化，常见问题和常用场景观强化等；

3和3.5有较大区别，类似MSFT copilot 365功能，需要至少3.5(chatgpt）

• 2、“备案”要求，沙盒监管，2C与2B不同要求

. 4月开始征求意见，可能7月更加明确

进展：5月6日正式发布讯飞星火认知大模型，6月9日讯飞星火认知大模型V1.5发布。预计8月15日进一步突破代码和多模态交互能力、10月24日实现通用模型对标ChatGPT。6月9日新发布应用丰富：

教育领域，星火语伴APP发布，虚拟人陪伴实现高效口语练习

办公领域，科大讯飞发布了业界首个搭载大模型的会议室智能终端——讯飞听见智慧屏

工业领域，星火认知大模型可以助力羚羊工业互联网平台供需高效匹配

医疗领域，讯飞医疗全面升级医疗诊后康复管理平台，将专业的诊后管理和康复指导延伸到院外

讯飞星火赋能产品获得用户青睐：讯飞AI学习机系列激活同比增长214%，讯飞智能办公本系列激活同比增长176%，讯飞听见网站新增用户同比增长205%，全品类硬件产品取得618大促的开门红

5月30日，科大讯飞被授予工信部下设大模型工作组的副组长单位，参编中国信通院大模型标准体系

讯飞星火大模型年内多个升级里程碑

讯飞星火5月6日首次发布七大核心能力发布大模型评测体系发布

6月9日突破开放式问答多轮对话能力再升级数学能力再升级

8月15日突破代码能力多模态交互再升级

10月24日通用模型对标ChatGPT（中文超越，英文相当）

主要内容

语言模型：可能机会在7月
语言模型：近期3类投资机会
视觉模型：技术迭代+具身智能
视觉模型：近期3类投资机会

福昕软件：成功集成AIGC能力，正在快速迭代

• 2023年4月25日，福昕海外版产品Foxit PDF Editor Cloud成功集成AIGC能力

上线PDF文档总结、内容改写、实时问答等AIGC功能。且由于云化产品的特性，能够实现快速迭代，每两周均有功能强化

• AIGC能力的融入，有望催化用户转化、用户付费加速提升，并助力公司云化订阅转型集成AIGC能力后，实现总结、改写、问答等高级能力

万兴科技：三款重要产品全线接入GPT3.5

1）喵影/Filmora：文生图，AI脚本生成，视频人像分割/视频场景分割/AI语音增强；

2）万兴爱画：AI以图绘图、AI简笔画；提供二次元、中国风等绘画风格；

3）亿图脑图：AI办公，一键生成思维导图；4）万兴播爆：AI数字人Flimora、万兴PDF、万兴脑图等产品AI功能截图

2.2 细分领域数据资产庞大，提供行业应用

拓尔思：GPT+数据要素，尤其党政数据

• GPT：拓天大模型+TRS问答机器人；政务、金融、媒体

• 公文辅助写作、投研自动报告生成、智能投研问答、新闻资讯知识型搜索、以文生图配稿等服务。

• 完成中国信通院对话式AI首轮专项评测。

目前已经开始落地：

• AIGC+融媒体，浙报业集团、新华网合作；

• AIGC+金融审核，中标上海农商行审查项目

• AIGC+公安，中标广州市与南通市公安系统相关项目合同金额逾700万元

拓尔思三大数据资产平台

平台名称	数据类型	数据规模	标注	客户群体
数家 (媒体资讯)	长短文本多语言文本音频图片视频	1000亿+	200+以上标引维度12000+标引规则	传媒机构
网察 (舆情)		1500亿+	100+以上标引维度9000+标引规则	政府、企业、高校、研究杭构等
数星（产业大脑）		110亿+	500+以上标引维度10000+标引规则	银行、保险、企业、证券、政府等

软通动力：华为核心伙伴，持续坚韧成长！1倍+空间！华为软件最重要影子股。

• 产业链核心标的，鸿蒙、欧拉、高斯从代码到产品均有较大贡献（均可单独给估值溢价）。

大客户战略持续成功。早年坚定拥抱华为，十六年合作关系从未间断，从人力外包向产品+生态供应商迈进。2010年后，抓住互联网浪潮，大客户延伸到阿里等。

• 预期差1：国内 IT 服务市场规模仍存在四倍空间，数字经济背景下，IT支出/IT服务占比均有翻倍空间。

• 预期差2：服务高端化，成就海外20年成长公司。印度巨头 TATA、Infosys 等均经历了用户和客单价双击，成就20年持续成长。

预期差3：不止是外包，产品化收入已过1/3，预计未来是华为生态最核心基础软件供应商（开源鸿蒙市占率第一，OS已发布产品，数据库社区贡献大）。

催化剂：盘古大模型。

根据钛媒体，华为将于7月7日举办的华为云开发者大会上发布一款对标chatGPT的千亿参数多模态大模型“盘古Chat”，主要面向To B/G政企端客户。

主要内容

语言模型：可能机会在7月
语言模型：近期3类投资机会
视觉模型：技术迭代+具身智能
视觉模型：近期3类投资机会

Embodied AI（具身AI）

主要涉及robotics的感知、规划、控制、导航等上层部分。

具身AI不再像传统AI仅从图像、视频、文本等数据库中学习，而是基于自身传感器（多是视觉传感器）感知环境并通过与环境交互进行学习。

具身智能所需要的AI能力：基础VQA能力（视觉）、导航和操作能力（跨模态）

• 大语言模型与机器人结合，产生了不错的效果。视觉-操作、视觉-导航任务。

具身智能基础AI能力：Visual Question Answering (VQA)，例如，输入一张图片问AI图片中有什么。

更进一步的AI能力：视觉语言导航和视觉语言操作这类长时间、连续性的任务。

视觉语言导航指通过自然语言让智能体（agent）到环境中的某个位置，视觉语言操作指通过自然语言让智能体进行某些操作（一般是取放物体）。

大模型对于具身智能的提升：

• 1、通过抽象的自然语言直接对机械智能控制。

• 2、Zero shot下的CV能力：图像分类、语义分割、目标检测、实例分割、物体追踪

• 3、更多跨模态的理解能力

目的：抽象自然语言到自动完成任务

试图将LLM当中的语义知识用在真实世界的决策问题当中；让机器人可以基于人类给定的较为抽象的自然语言去规划具体步骤并且最终完成指定的任务。

自动拆解用户任务，相比其他语言模型更好的帮助用户

• 例如：在面对用户的“我的饮料洒了，可以帮忙吗？”这一指令时

GPT3 的回复是“你需要一个吸尘器”，LaMDA 的回复是“需要我帮您找一个吸尘器吗？

SayCan 的反应则是，将会“1. 找到一块抹布，2. 拿起抹布，3. 将其带给用户，4. 完成”。

• 相比其他模型，可以让机器人更好地帮助用户。

SayCan模型处理用户自然语言要求

3.2 视觉大模型：VIT将Transformer引入CV任务中 SWS

在CV领域，为何基于传统CNN+大参数的思路遇到瓶颈？

• 从算子层面看，传统的 CNNs 算子缺乏长距离依赖和自适应空间聚合能力；

• 从结构层面看，传统 CNNs 结构缺乏先进组件。

Transformer+CV，提升了视觉模型参数上限

• 2021年后，随着vit、swin transformer、mae等论文推出，transformer在CV和跨模态等应用增加。

• 2021年3月，google将尝试将自注意力机制和transformer直接应用在图像领域。

基于ViT 和 Swin Transformer 等方法，首次将CV模型扩大到20亿和30亿参数级别。

其单模型在 ImageNet 数据集的分类准确率也都突破了 90%，远超传统 CNN 网络和小规模模型，突破了技术瓶颈。

google的Vision Transformer的核心思路

微软的Swin Transformer的核心思路

提出Segment Anything (SAM)项目

• 用一个基础大模型，可以实现Zero-shot下的通用分割能力，基本涵盖了分割的各个子领域。即，CV中某个重要领域的通用模型出现了。

• 零样本（zero-shot）或者简单prompt（比如一个点，下图中绿点、线框，或者一小段文字）下，就对任意图片进行分割。

一个用于图像分割的新任务、模型和数据集。

• 1)10亿+掩码：在数据收集循环中使用高效模型，构建了迄今为止(到目前为止)最大的分割数据集，在1100万张授权和尊重隐私的图像上有超过10亿个掩码。

• 2）将发布SAM模型和数据集。数据集(SA-1B)，其中包含1B个掩码和1100万张图像，以促进对计算机视觉

基础模型的研究。
SAM的任务模型数据综述

(a) Task: promptable segmentation

(b) Model: Segment Anything Model (SAM)

PaLM-E (562 Billion parameters) = PalM (540B) + ViT (Vision Transformer, 22B)

PaLM-E本身是个多模态的大模型，不仅能理解文本，还能理解图片（因为加了ViT），可以理解图片中的语义信息。

Few-shot prompt可以看懂笑话（左上角），zero-shot可以具有图文思维链，左下角；

图像分割、语义分割、目标检测、实例分割四种任务

Visually-conditioned Jokes + Few-shot prompting

donkey iscarryinga dog,cat,and rooster. Joke:what do you calla donkey with a rooster on hisback.Aroosterbooster.

Robot Visual Perception,Dialogue,and Planning

,whatdolsee?abowlofeggs,abowl of

flour,andabowl of sugar.anda spatula..anda spoon..anda bag of flour.andabag of in bowl.4.put sugar in bowl.5.mix.6.put inpan.7.bake.8.eat.9.clean up.

Zero-shot Multimodal Chain-of-Thought

1.do not enter.2.except bicycles.3.do not entry except bicycles.4.yes.

Robot Initiative

A:clean table.pick up trash.. pick up chairs..wipe chairs.. put chairs down.

Physical Prediction

Spatial Grounding 9

Zero-shot:Multi-image Relationships

#

on the left.2.kobe bryant haswon 5 championship rings.

a stove top with a pot on it.

explain.Photo 1hassunglasses on top of folded clothes.Photo2does not have sunglasses ontopof folded clothes.Therefore,sunglassesare in Photo1but not in Photo2.

End-to-End Egocentric Q&A,Dialogue

What flavoristhe doughnut on the left?Ablueberry.

yorkknick.2.team in green isbostonceltic.3.last towinchampionshipwas bostonceltic.4.yearwas2oo8.5.starplayerwaspaul pierce.6.iamnot sure if this iscorrect.iamnot basketballfan.ijust googleit.

OCR-free Math Reasoning

#

custom pizzas.2nd step:2x \$9.99.3rd step:\$19.98.

1.you had a sandwich for lunch.
2.it was 12:45pm.

主要内容

语言模型：可能机会在7月
语言模型：近期3类投资机会
视觉模型：技术迭代+具身智能
视觉模型：近期3类投资机会

虹软科技：对标midjourney，提供2B商业拍摄AI服务

Stable diffusion AIGC图片生成技术在设计创意领域有很好应用场景。但是目前基于开源部署的创意生成工具仍然有显著不足，难以商用。

虹软科技底层技术适应于精准化的AIGC，使用control net + stable diffusion，获得相比其余工具更加精准的AIGC绘图。

1）虹软从汇编底层开始局部优化，预测可以更加节约计算成本；

2）更加精准的分割、影调技术积累：解决ai模特手部生成可控差的问题，实现主图一致性，3D面部感知，模特面部外形不变，解决蒙板和局部重绘光照阴影违和问题；

• 3）多年积累的人像照片数据，生成照片面部和人体符合审美习惯。

AIGC生成虚拟模特示意图

虹软科技商拍产品潜在市场空间测算

	线上商户数（万户）	版本	美金/月	换算为 RMB/年	假设采购比例	市场空间（亿元）
服装商户	400	基础	59	4956	80%	159
		进阶	199	16716	15%	100
		商务	799	67116	5%	134
其它实物 800 商户		基础	9.9	831.6	80%	53
		进阶	29	2436	15%	29
		商务	48	4032	5%	16
合计 492

萤石网络：“智能家居+云平台”双轮，具身智能C端落地

“智能家居+云平台”双轮驱动，以视觉技术为核心能力

智能家居领域：打造“4+N”产品体系，布局全屋智能。公司基于智能家居摄像机、智能入户、智能控制、智能服务机器人四大类核心产品，叠加IoT开放生态业务，打造了“4+N”产品体系。在全屋智能领域，公司已具备很好的卡位优势

物联云平台领域：以云平台为基石，构筑商业模式的正循环。云平台在商业模式中居于核心地位，构建了“优质产品销售导流——流量累计用户基数——增值服务带来稳定收益”的正反馈循环，用户生命周期价值有望持续提升

目标是以人为中心的个性化智能服务，具身智能在C端落地的重要入口

利用AI大模型，能够满足家居场景中不同的人的智能化服务的需求，如健康、娱乐、学习、健身、美妆、亲情互动、居家养老等。未来大量物联感知数据和智能算法、机器自主学习等技术深度融合，通过构建用户的画像，学习和理解用户在不同时间和空间下的行为和习惯，对人的需求进一步深度挖掘，主动交互服务将成为可能

智能家居发展的四个阶段

#

智能家居单品

庭场景下的各类智能硬件设备。

#

智能单品互联互通

#

全屋智能系统

作用，需要智能家居中的产品运营

#

以人为中心的个性化智能服务

智能化重心从家居硬件设施的智能化，满足家居场景中不同的人的智

资料来源：萤石网络年报，申万宏源研究

大华股份未来有望伴随移动股东背景，继续增加B端大量AI应用场景。

和中移动深化合作，挖掘B端大批AI应用增量。针对企业数智化转型，公司发布了80+个业务子系统，匹配300+个行业解决方案，覆盖3000+个业务场景，帮助企业快速构建“万物互联”以及“Al+大数据”数智化引擎。我们认为本次定增正式落地后，公司有望借用中移动强大的渠道和客户资源，额外收获大量B端数智化转型订单，助力AI解决方案广泛应用落地。

公司是安防和CV领域国内两大龙头之一，具备深厚的AI基础及应用能力积累。

1）截至2021年底，公司拥有国家级企业技术中心、国家级博士后科研工作站、浙江省企业研究院、浙江省工程研究中心，人工智能研发团队超过千人；

2）2017年建成高性能计算中心，2019年发布了全栈算法开发平台，2021年升级发布组装式方案开发平台；

3）公司的“巨灵”人工智能开放平台，支撑公司每年超500个的AI算法开发需求，研发算法的周期平均减少40%以上，最快约两周定制出面向场景应用可交付的算法，几小时就能完成几十个芯片平台的算法工程化部署。

4）创新性提出通用算法范式：无需重新训练模型，只需简单注册场景化数据，即可实现场景化智能功能。

AIGC大模型时代，大华大有可为。

近年来基于ViT 和SwinTransformer 等方法，大模型在ImageNet 数据集的分类准确率突破了90%，超过传统CNN。
大模型技术路线的应用，有望助力公司高效满足海量的客户需求，并进一步压缩定制化开发成本。

AI行业重点公司估值表


证券代码	公司名称	总市值（亿元）		2022A 2023E 2024E 2025E 2022A 2023E 2024E 2025E							PB(LF)
002236.SZ	大华股份	657	23.24	33.98	43.17	53.39	28	19	15	12	2.13
688088.SH	虹软科技	174	0.58	1.39	2.04	2.72	300	125	85	64	6.79
002230.SZ	科大讯飞	1,574	5.61	16.79	23.84	32.22	280	94	66	49	9.74
688111.SH	金山办公	2,179	11.18	15.79	21.41	28.42	195	138	102	77	24.09
688095.SH	福昕软件	116	-0.02	0.19	0.43	0.72	-6630	611	267	160	4.41
300624.SZ	万兴科技	161	0.41	1.05	1.57	2.15	391	154	103	75	18.12
300229.SZ	拓尔思	207	1.28	2.68	3.53	4.67	162	77	59	44	6.18
301236.SZ	软通动力	259	9.73	12.91	15.50	16.60	27	20	17	16	2.56
688475.SH	萤石网络	241	3.33	5.17	7.09	9.18	72	47	34	26	5.04

资料来源：Wind，申万宏源研究

风险提示：

1）大模型技术中美仍存在差异，部分技术尚处于早期实验室阶段，存在落地风险；实体清单等可能对训练硬件产生影响。

2）由于应用场景碎片化，下游落地慢于预期。不同的行业、细分领域之间，甚至同一领域不同的企业之间，对AI应用的需求可能都有区别。AI落地进度可能因为场景碎片化而低于预期。

3）数据保护政策强化，可能限制C端的AI应用。各国对数据隐私和数据安全进一步强化保护力度，可能影响部分AI企业的数据采集分析，且C端AI应用受到影响更大。

信息披露

证券分析师承诺

本报告署名分析师具有中国证券业协会授予的证券投资咨询执业资格并注册为证券分析师，以勤勉的职业态度、专业审慎的研究方法，使用合法合规的信息，独立、客观地出具本报告,并对本报告的内容和观点负责。本人不曾因，不因，也将不会因本报告中的具体推荐意见或观点而直接或间接收到任何形式的补偿。

与公司有关的信息披露

本公司隶属于申万宏源证券有限公司。本公司经中国证券监督管理委员会核准，取得证券投资咨询业务许可。本公司关联机构在法律许可情况下可能持有或交易本报告提到的投资标的，还可能为或争取为这些标的提供投资银行服务。本公司在知晓范围内依法合规地履行披露义务。客户可通过compliance@swsresearch.com索取有关披露资料或登录www.swsresearch.com信息披露栏目查询从业人员资质情况、静默期安排及其他有关的信息披露。

机构销售团队联系人

华东A组茅炯 021-33388488 maojiong@swhysc.com

华东B组李庆 18017963206 liqing3@swhysc.com

华北组肖霞 15724767486 xiaoxia@swhysc.com

华南组李昇 15914129169 lisheng5@swhysc.com

A股投资评级说明

证券的投资评级：

以报告日后的6个月内，证券相对于市场基准指数的涨跌幅为标准，定义如下：

买入（Buy）：相对强于市场表现20％以上；

增持（Outperform）：相对强于市场表现5％～20％；

中性 (Neutral) ：相对市场表现在－5％～＋5％之间波动；

减持 (Underperform) ：相对弱于市场表现5％以下。

行业的投资评级：

以报告日后的6个月内，行业相对于市场基准指数的涨跌幅为标准，定义如下：

看好（Overweight）：行业超越整体市场表现；

中性 (Neutral) ：行业与整体市场表现基本持平；

看淡 (Underweight) ：行业弱于整体市场表现。

本报告采用的基准指数：沪深300指数

港股投资评级说明

证券的投资评级：

以报告日后的6个月内，证券相对于市场基准指数的涨跌幅为标准，定义如下：

买入（BUY）：：股价预计将上涨20%以上；

增持（Outperform）：股价预计将上涨10-20%；

持有（Hold）：股价变动幅度预计在-10%和+10%之间；

减持（Underperform）：股价预计将下跌10-20%；

卖出（SELL）：股价预计将下跌20%以上。

行业的投资评级：

以报告日后的6个月内，行业相对于市场基准指数的涨跌幅为标准，定义如下：

看好（Overweight）：行业超越整体市场表现；

中性 (Neutral) ：行业与整体市场表现基本持平；

看淡（Underweight）：行业弱于整体市场表现。

本报告采用的基准指数：恒生中国企业指数（HSCEI）

我们在此提醒您，不同证券研究机构采用不同的评级术语及评级标准。我们采用的是相对评级体系，表示投资的相对比重建议；投资者买入或者卖出证券的决定取决于个人的实际情况，比如当前的持仓结构以及其他需要考虑的因素。投资者应阅读整篇报告，以获取比较完整的观点与信息，不应仅仅依靠投资评级来推断结论。申银万国使用自己的行业分类体系，如果您对我们的行业分类有兴趣，可以向我们的销售员索取。

法律声明

本报告由上海申银万国证券研究所有限公司（隶属于申万宏源证券有限公司，以下简称“本公司”）在中华人民共和国内地（香港、澳门、台湾除外）发布，仅供本公司的客户（包括合格的境外机构投资者等合法合规的客户）使用。本公司不会因接收人收到本报告而视其为客户。有关本报告的短信提示、电话推荐等只是研究观点的简要沟通，需以本公司http://www.swsresearch.com网站刊载的完整报告为准，本公司并接受客户的后续问询。

本报告是基于已公开信息撰写，但本公司不保证该等信息的准确性或完整性。本报告所载的资料、工具、意见及推测只提供给客户作参考之用，并非作为或被视为出售或购买证券或其他投资标的的邀请或向人作出邀请。本报告所载的资料、意见及推测仅反映本公司于发布本报告当日的判断，本报告所指的证券或投资标的的价格、价值及投资收入可能会波动。在不同时期，本公司可发出与本报告所载资料、意见及推测不一致的报告。

客户应当考虑到本公司可能存在可能影响本报告客观性的利益冲突，不应视本报告为作出投资决策的惟一因素。客户应自主作出投资决策并自行承担投资风险。本公司特别提示,本公司不会与任何客户以任何形式分享证券投资收益或分担证券投资损失，任何形式的分享证券投资收益或者分担证券投资损失的书面或口头承诺均为无效。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。本公司未确保本报告充分考虑到个别客户特殊的投资目标、财务状况或需要。本公司建议客户应考虑本报告的任何意见或建议是否符合其特定状况，以及（若有必要）咨询独立投资顾问。在任何情况下，本报告中的信息或所表述的意见并不构成对任何人的投资建议。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。市场有风险，投资需谨慎。若本报告的接收人非本公司的客户，应在基于本报告作出任何投资决定或就本报告要求任何解释前咨询独立投资顾问。

本报告的版权归本公司所有，属于非公开资料。本公司对本报告保留一切权利。除非另有书面显示，否则本报告中的所有材料的版权均属本公司。未经本公司事先书面授权，本报告的任何部分均不得以任何方式制作任何形式的拷贝、复印件或复制品，或再次分发给任何其他人，或以任何侵犯本公司版权的其他方式使用。所有本报告中使用的商标、服务标记及标记均为本公司的商标、服务标记及标记，未获本公司同意，任何人均无权在任何情况下使用他们。

简单金融成就梦想 A Virtue of Simple Finance

申万宏源研究微信订阅号

申万宏源研究微信服务号

上海申银万国证券研究所有限公司(隶属于申万宏源证券有限公司）

洪依真hongyz@swsresearch.com

StartYourFinance

起点财经，网罗天下报告

大模型：AI和大模型2023下半年展望

2023下半年AI行业投资策略

每日 免 费 获取 报告 □

语言大模型服从技术发展规律，为什么认为机会可能7月

科大讯飞、金山办公、福昕软件、万兴科技、拓尔思、软通动力

视觉大模型，重点关注大模型对于具身智能的提升：

虹软科技、萤石网络、大华股份

主要内容

效果角度

工程角度

历史角度

学术角度

结论：基于LLaMA底座，充分指令微调，的英文Chat能力，与GPT3.5接近（但是有差距）。

根据公开评测，目前头部的开源大模型（经过一定的指令微调），中文环境效果可能在GPT3-3.5之间。

模型大小性能对比

位于未来会是大小并存

相比两月前已有进步

1.6 预测语言大模型7月将会重大进展

语言大模型服从技术发展规律

为什么认为机会可能7月

进展：5月6日正式发布讯飞星火认知大模型，6月9日讯飞星火认知大模型V1.5发布。预计8月15日进一步突破代码和多模态交互能力、10月24日实现通用模型对标ChatGPT。6月9日新发布应用丰富：

主要内容

福昕软件：成功集成AIGC能力，正在快速迭代

万兴科技：三款重要产品全线接入GPT3.5

2.2 细分领域数据资产庞大，提供行业应用

拓尔思：GPT+数据要素，尤其党政数据

目前已经开始落地：

软通动力：华为核心伙伴，持续坚韧成长！1倍+空间！华为软件最重要影子股。

催化剂：盘古大模型。

主要内容

Embodied AI（具身AI）

具身智能所需要的AI能力：基础VQA能力（视觉）、导航和操作能力（跨模态）

大模型对于具身智能的提升：

目的：抽象自然语言到自动完成任务

自动拆解用户任务，相比其他语言模型更好的帮助用户

3.2 视觉大模型：VIT将Transformer引入CV任务中 SWS

在CV领域，为何基于传统CNN+大参数的思路遇到瓶颈？

Transformer+CV，提升了视觉模型参数上限

提出Segment Anything (SAM)项目

一个用于图像分割的新任务、模型和数据集。

PaLM-E (562 Billion parameters) = PalM (540B) + ViT (Vision Transformer, 22B)

图像分割、语义分割、目标检测、实例分割四种任务

Visually-conditioned Jokes + Few-shot prompting

Robot Visual Perception,Dialogue,and Planning

,whatdolsee?abowlofeggs,abowl of

Zero-shot Multimodal Chain-of-Thought

Robot Initiative

Physical Prediction

Spatial Grounding 9

#

End-to-End Egocentric Q&A,Dialogue

OCR-free Math Reasoning

#

主要内容

虹软科技：对标midjourney，提供2B商业拍摄AI服务

萤石网络：“智能家居+云平台”双轮，具身智能C端落地

“智能家居+云平台”双轮驱动，以视觉技术为核心能力

目标是以人为中心的个性化智能服务，具身智能在C端落地的重要入口

智能家居发展的四个阶段

#

智能家居单品

#

智能单品互联互通

#

全屋智能系统

#

以人为中心的个性化智能服务

大华股份未来有望伴随移动股东背景，继续增加B端大量AI应用场景。

公司是安防和CV领域国内两大龙头之一，具备深厚的AI基础及应用能力积累。

AIGC大模型时代，大华大有可为。

风险提示：

信息披露

证券分析师承诺

与公司有关的信息披露

机构销售团队联系人

A股投资评级说明

港股投资评级说明

法律声明

简单金融 成就梦想 A Virtue of Simple Finance

StartYourFinance

每日免费获取报告 □

简单金融成就梦想 A Virtue of Simple Finance

2023下半年AI行业投资策略：大模型，AI和大模型2023下半年展望-20230630-申万宏源-32页