Office接入大语言模型，GPT-4开启AI新纪元

深度报告

——产业趋势研究系列报告（四）

近日微软发布Microsoft 365Copilot，将大语言模型接入 Office 软件，号称“最强生产力工具”。百度发布对标ChatGPT产品文心一言，赋能金融、医疗、教育等各行业。大语言模型爆火的背后是人工智能生成的兴起，2025年有望达到千亿级市场空间。

□ 【大语言模型快速兴起】GPT-4、ChatGPT、文心一言等大语言模型快速兴起，引领人工智能浪潮：GPT-4 能够处理复杂长文本，准确性明显提高，且具备多模态信息处理能力。此外，GPT-4 模型安全性明显改进。文心一言在文学创作、商业文案创作、数理推算、中文理解、多模态生成五个使用场景中拥有较强综合能力。ChatGPT功能强大，具有许多前代产品所不具备的特征，包括主动承认错误、敢于质疑、支持多轮对话。大语言模型兴起的背后是人工智能生成行业的迅速发展，预计2030年市场空间达千亿。AI+是市场趋势，各头部公司加速布局人工智能平台。

□ 【大语言模型兴起背后是AIGC与AI+的发展】AIGC 即人工智能生成内容，是继专业生成内容（ProfessionalGenerated Content）和用户生成内容（UserGeneratedContent）之后一种全新的内容生成方式。AIGC 集二者之所长，既保证了作品的专业程度与质量，又拥有媲美甚至超越用户生成内容的产量与多样性，有望引领新的内容生成生态。AIGC行业市场空间广阔，据预测2030年全球AIGC市场规模有望达到1100亿美元。大模型等AI 应用需要大量人工智能基础设施，科技巨头加快 AI+平台布局。当下互联网的发展已经进入瓶颈期，人工智能有望成为科技公司新的增长点，深耕人工智能基础设施（AI通用技术平台和服务），服务于供给侧的toB产业，成为各大科技公司布局人工智能的主要策略。

□ 【投资建议】我们建议从上游算法、算力与数据三方面把握投资机会。强大的算力是训练大语言模型的基础，由于大语言模型高度复杂的建模方式和巨大的数据量，其对于计算资源的需求极高，GPT-3.5使用微软自建的 AI计算系统，由1万颗英伟达V100GPU组成，据OpenAI公布数据，训练GPT-3.5模型需要的算力高达3640 PF-days，即每秒计算一千万亿次需运行3640天。建议关注AI芯片、服务器及CPO。同时，行业领先的算法与庞大的训练数据是大语言模型高质量回答的基础，建议关注在算法与数据收集、标注有所布局的公司。

□风险提示：主观预判的偏差；技术进步不及预期；宏观环境的不确定性。

张夏 S1090513080006

zhangxia1 @cmschina.com.cn

群内每日免费分享5份+最新资料

300T网盘资源+40万份行业报告

为您的创业、职场、商业、投资、亲子、网赚、艺术、健身、心理、个人成长…全面赋能！

关注公众号获取更多资料

添加微信：xxyg_wei

备注“入群"

立刻免费领取

200套知识地图+最新研报

致终身学习者社群

行业报告/思维导图/电子书/资讯情报

收钱文案、增长黑客、产品运营、品牌企划、营销战略、办公软件、会计财务、广告设计、摄影修图、视频剪辑、直播带货、电商运营、投资理财、汽车房产、餐饮烹饪、职场经验、演讲口才、风水命理、心理思维、恋爱情趣、美妆护肤、健身瘦身、格斗搏击、漫画手绘、声乐训练、自媒体打造、效率软件工具、游戏影音....

扫码先加好友，以备不时之需

正文目录

一、大语言模型及相关应用快速兴起 5
1、GPT4 .. 5
2、Microsoft 365 Copilot. 6
3、文心一言. 7
4、ChatGPT. 8
5、Dynamics 365 Copilot.. 10
6、Shopify... .11
7、New Bing .... .11
二、从大语言模型到 AIGC 与 Al+.. 12
1、AIGC 蓬勃发展.. 12
2、AI+是时代发展趋势 13
三、投资建议.. 15
1、算力.... 15
2、算法.... 16
3、数据... 17
四、风险提示.. 19

图表目录

图1:GPT-4 测试成绩优于GPT-3.5..
图2:GPT-4推理准确性大幅提... ....
图3:GPT-4 测试成绩优于 GPT-3.5..
图4:GPT-4推理准确性大幅提...
图 5:GPT-4对禁止性和敏感性信息的回应更为审慎..
图6：GPT-4对敏感和禁止性信息的反馈错误率降低.... ....6
图7:Copilot在 Excel 中进行数据分析..
图8:Copilot 在 Outlook 中起草件..
图9：文心一言具有一定数理推导能力..
图 10：文心一言具有优秀的自然语言处理能力.. ...
图11：文心大模型能显著降低AI生成的成本.
图12：文心大模型生.
图13：百度文心大模型已广泛用于各行各业.
图14:文心大模型用于保险合同解析与管理.. ..
图15:ChatGPT可以回答各种问题.
图16:部分热门应用到达100万注册用户所用时间..
图17:ChatGPT拥有许多优良特征.. ..9
图18:ChatGPT有时会生成前后矛盾的回答.. ...9
图19:各代GPT模型技术对比... ..10
图 20:ChatGPT能为客户进行个性化推荐.
图 21:ChatGPT能为商家生成广告文案.. ..11
图 22:New Bing 有三种模式可供选择... ..11
图 23:New Bing 能够快速整合与分析信息. .1
图 24:AIGC 是全新的内容生成方式.. ..12
图25:AIGC 业务场景. .12
图26:AIGC 发展阶段. ..12
图 27：中国人工智能服务器工作负载. ..15
图 28：全球AI芯片市场规模及预测...
图 29：中国AI芯片市场规模及预测. ..16
图 30:训练 ChatGPT所使用的 RLHF. ...17
图31:GPT-3训练数据量大幅增加. 18
图 32：各大语言模型数据来源及数据量大小. .18
图 33：中国AI基础数据服务市场规模及预测. .18
图34:2020年中国AI基础数据服务市场行业占比 .18
表1：微软 Dynamics 365 Copilot主要功能， .10
表2：全球主要科技公司人工智能平台布局. .13
表3:几种AI芯片对比. .15
表4：算力相关标的梳理. .16
表5：算法相关标的梳理， 17
表6：数据相关标的梳理.. .18

、大语言模型及相关应用快速兴起

1、GPT-4

3月14日，OpenAI发布新一代大语言模型GPT-4，相比前一代爆款产品ChatGPT，GPT-4在众多关键性能上有了显著提升。

GPT-4能够处理复杂长文本，准确性明显提高，具体表现为：1）更强的逻辑推理能力：GPT-4在多种学术基准、多语言测试、数理能力和逻辑推理能力方面的表现显著优于GPT-3.5，在学术专业测试中表现更优。当任务达一定复杂程度时，GPT-4的表现较GPT-3.5更可靠、更有创意，且能够处理更细微的指令。2）文字输入限制提升：GPT-4文字输入限制提升至2.5万字，对长文本的处理能力大幅提高；3）“幻觉”与错误大幅度减少：GPT-4与早期GPT都会对事实产生“幻觉”并出现推理错误的局限性，但与GPT-3.5相比，GPT-4“幻觉”已显著减少，准确性提高19%。

图1:GPT-4测试成绩优于GPT-3.5

资料来源：OpenAl，招商证券

图2：GPT-4推理准确性大幅提高

资料来源：OpenAl，招商证券

GPT-4具备多模态信息处理能力：GPT-4具备“视觉能力”，可以让用户指定任意视觉或语言任务，在图像输入方面具备其在纯文本输入和序列分析上类似功能。具体来说，GPT-4可以生成文本输出（自然语言、代码等），给定的输入包括带有文字和照片的文件、图表或屏幕截图等。在示例中，GPT-4能够完成从图表中读取信息并执行计算、解出用法语和图像结合编写的物理题目、“看图说话”描述照片中不同寻常之处、对图片形式的论文内容进行总结等任务。

图3：GPT-4测试成绩优于GPT-3.5

资料来源：OpenAl，招商证券

图4:GPT-4推理准确性大幅提高

资料来源：OpenAl，招商证券

数据训练干预力度加强，GPT-4模型安全性明显改进：OpenAI致力于提升GPT模型安全性，聘请了超过50位人工智能安全领域的专家对GPT-4进行数据培训和安全测试。相较GPT-3.5，GPT-4对于禁止性请求（如为犯罪行为提供建议）的错误响应已降低82%，而对于医疗建议和自残等敏感信息请求的错误反馈降低了29%。

图5：GPT-4对禁止性和敏感性信息的回应更为审慎

资料来源：OpenAl，招商证券

图6：GPT-4对敏感和禁止性信息的反馈错误率降低

资料来源：OpenAl，招商证券

2、Microsoft 365 Copilot

大语言模型接入Office，号称“最强生产力工具”。3月16日微软推出 Microsoft 365Copilot，其将大语言模型与MicrosoftGraph中的数据及Microsoft365中的应用相结合，只需输入简单的语句命令，便能轻松实现众多功能，让使用者从繁琐的工作中解放。在此之前，Copilot已经集成在GitHub上，使用过GitHubCopilot的开发人员中，88%的开发人员表示该工具能提高工作效率，77%的开发人员表示该工具帮助他们加快搜索信息的速度，74%的开发人员表示他们可以将精力集中在更令人满意的工作上。

接入大语言模型将大幅提升Office使用者工作效率。在Word中，Copilot可以创建初稿、向现有文档添加内容、汇总文本以及重写部分或整个文档以使其更简洁，甚至只需一句简单的命令，Copilot就能自动改变行文风格；在Excel中，Copilot可根据所输入自然语言的需求插入公式、进行相关性分析并且创建可视化效果；在PPT中，使用者可以输入自然语言要求Copilot将冗长的文本自动生成PPT并调整布局；在Outlook中，Copilot可以自动将邮件分类、提取关键信息、起草邮件，将大幅节省使用者工作时间。

图7：Copilot在 Excel中进行数据分析

资料来源：Microsoft，招商证券

图8:Copilot 在Outlook 中起草邮件

资料来源：Microsoft，招商证券

3、文心一言

3 月16日，百度正式发布新一代大语言模型文心一言。在发布会上，文心一言展示了在文学创作、商业文案创作、数理推算、中文理解、多模态生成五个使用场景中的综合能力。从展示结果看，文心一言具有较好的对人类意图的理解能力，并且其回答的准确性与流畅性都处于行业领先水平。

图9：文心一言具有一定数理推导能力

资料来源：百度，招商证券

图10：文心一言具有优秀的自然语言处理能力

资料来源：百度，招商证券

文心一言功能强大，赋能AI生成。文心一言是基于ERNIE及PLATO模型基础上研发的新一代大语言模型，其关键技术包括大语言模型的通用技术：监督微调、基于人类反馈的强化学习、提示；以及百度自身创新技术：知识增强、检索增强和对话增强，这三项技术也是文心一言未来成长的基础。文心大模型能减少AI生成90%的数据标注量、降低90%的计算资源消耗、缩短85%的开发周期，将显著降低人工智能生成所需成本。

图11：文心大模型能显著降低AI生成的成本

资料来源：百度，招商证券

百度文心大模型已有完备生态，实现众多AI场景全覆盖。百度文心大模型包括自然语言处理模型、图像处理模型、跨模态大模型、生物计算大模型与行业大模型，能解决多种人工智能问题。并且在上游工具平台与下游产品社区方面，百度也早有布局，不仅为创作者提供零门槛AI开发平台与API接口，还创建了分享与交流社区，完备的生态有助于增加用户粘性。在应用领域，文心大平台也广泛赋能保险、医疗、金融等各领域企业，为客户提供高效便捷的解决方法，深度绑定中国人寿、国美、度小满金融等头部企业。

图12:文心大模型生态

产品与社区工具与平台文心大模型

文心一格AI艺术和创意辅助平台

文心百中大模型驱动的产业级搜索系统

肠谷社区大模型创意与探索社区

EasyDL-大模型零门槛AI开发平台

BML-大模型全功能AI开发平台

大模型API

大模型套件

数据标注与处理

大模型精调

大模型压缩

高性能部署场景化工具

行业大模型

国网-百度·文心

浦发-百度·文心

航天-百度·文心人民网-百度·文心

冰城-百度·文心

电影频道-百度·文心

深燃-百度·文心

吉利-百度·文心

泰康-百度·文心

TCL-百度·文心辞海-百度·文心

NLP大模型

cV大模型

跨模态大模型

生物计算大模型

医疗ERNIE-Health

金融ERNIE-Finance

商品图文搜索表征学习VIMER-UMS

文图生成文档智能化合物表征学习ERNIE-ViLG ERNIE-Layout HelixGEM

对话PLATO

搜索ERNIE-Search 信息抽取ERNIE-UIE

OCR图像表征学习VIMER-StrucTexT

跨语言ERNIE-M

代码ERNIE-Code 图网络ERNIE-Sage

多任务视觉表征学习VIMER-UFO

视觉语音地理

HelixFold

语言理解与生成

视觉处理自监督视觉

语言 -语言语

言

ERNIE3.0Tiny

ERNIE3.0

鹏城-百度文心ERNIE3.0ZeUs

多任务学习表征学习VIMER-TCIR VIMER-CAE（千亿级）（任务知识增弱

-Vil -SAT -Geol 单序列蛋白质结构预HelixFold-Single

(轻量级)

（百亿级）

资料来源：百度，招商证券

图13：百度文心大模型已广泛用于各行各业

资料来源：百度，招商证券

图14：文心大模型用于保险合同解析与管理

资料来源：百度，招商证券

4、ChatGPT

ChatGPT全名Chat Generative Pre-Trained Transformer，是一种基于人工智能技术的大型语言模型。ChatGPT由OpenAI开发，2022年10月正式对外发布。它能够模拟人类对话，并且可以回答各种问题、提供建议和指导，还能进行智能聊天和语言理解。ChatGPT基于深度学习算法和海量数据进行训练，从而具备了强大的自然语言处理能力，能够处理多种语言、理解语言表达的含义和情感，并根据上下文进行智能回复。ChatGPT可应用于各种领域，包括智能客服、教育、娱乐等，通过自然语言交互帮助人们解决问题，为人们的日常生活、工作和学习带来巨大的便利。

新颖的模式与优质的内容使得ChatGPT短期内迅速走红。ChatGPT上线仅五天注册人数已超过一百万，两个月后便实现过亿月活，均为历史之最。ChatGPT的火热程度甚至超出了开发团队的预料，数以亿计的访问请求对服务器造成了巨大冲击，使得ChatGPT在上线三个月内就有两次宕机。与其他昙花一现的产品不同，大众对于ChatGPT的热情并没有消退，据 SimilarWeb数据，2023年1月每天约有1300 万独立访问者使用ChatGPT，为12月的两倍。

图15:ChatGPT可以回答各种问题

资料来源：腾讯研究院，招商证券

图16：部分热门应用到达100万注册用户所用时间

资料来源：statista，招商证券

ChatGPT功能强大，作为新一代语言大模型，其具有许多前代产品所不具备的特征：ChatGPT可以主动承认错误,若用户指出其错误，模型会听取意见并优化答案；ChatGPT会质疑不正确的问题，如当被询问到“哥伦布2015年来美国的情景”时，模型会回答哥伦布不属于这一时代；ChatGPT支持多轮连续对话，之前的用户输入的信息与反馈会被模型接收和理解，从而实现连续对话。但ChatGPT仍有一些不足：模型可能生成错误或者前后矛盾的信息、有可能给出违反伦理道德的答复、训练数据截止到2021年。

图17：ChatGPT拥有许多优良特征

资料来源：陈巍谈芯，招商证券

图18：ChatGPT有时会生成前后矛盾的回答

资料来源：ChatGPT，招商证券

现象级应用ChatGPT的出现并非OpenAI一朝一夕的努力，而是长达近10年的潜心经营。2015年，OpenAl 由伊隆·马斯克、SamAltman、Greg Brockman、Ilya Sutskever等人共同创立，成为一个非盈利研究组织，旨在推进人工智能的开发和研究。组织成立之初，OpenAl的目标是通过开发通用人工智能，以更好地服务人类。2018年，迫于外界对AI技术与特斯拉联系紧密的担忧，马斯克退出OpenAI董事会，成为赞助者与顾问。2019 年OpenAl划分出盈利组织OpenAILP，其盈利上限为投资额的100倍，随后微软为新公司注资10亿美元，持有49%股权。

十年一剑，GPT模型厚积薄发不断进化。2017年，OpenAI宣布推出了新的深度学习框架PyTorch，旨在为人工智能开发人员提供更好的工具和技术支持。2018年，OpenAI推出了自然语言处理模型GPT-1，其目的是使计算机理解和生成自然语言文本。2019年，OpenAI发布了另一个NLP模型GPT-2，其规模更大，性能更强，可以生成高质量的文章、新闻和短篇小说等。2020年，OpenAI推出了新版本的GPT-3，是目前规模最大的语言模型，可以生成非常逼真的文本，几乎可以和人类对话。同年，OpenAI在合作伙伴微软的支持下推出OpenAI GPT-3 API，使开发者能够使用GPT-3 模型构建各种人工智能应用。2021年，OpenAI推出了新的机器学习框架Triton，以加速深度学习的训练和推理。同年，OpenAl宣布了一项名为Codex的新项目，它是一种人工智能编程工具，可以根据自然语言描述生成代码，为开发者提供了更高效的编程方式。2022年，划时代产品ChatGPT问世,OpenAI正式从幕后走向台前。

图19：各代GPT模型技术对比

资料来源：陈巍谈芯，招商证券

5、Dynamics 365 Copilot

微软推出Al工具Dynamics365Copilot，可帮助员工写邮件减轻负担。3月7日,微软在官方博文中发布了MicrosoftDynamics 365Copilot，该工具可执行某些枯燥但必要的任务，从而减轻员工的负担。微软表示Dynamics 365Copilot可借助人工智能为客户编写电子邮件，为MicroSoftTeams创建会议摘要。此外，客户关系管理（CRM）与企业资源规划（ERP）系统一直是重要客户与数据的来源，然而系统时常需要繁琐的人工操作例如输入资料、手工标注与内容输出。通过融合生成式AI技术，Dynamics 365Copilot将整合CRM与ERP的服务，加速各行各业创新及增进营收，为销售、服务、运营和供应链等应用场景赋能。

表1:微软 Dynamics 365 Copilot 主要功能

应用场景	Dynamics365提供服务
Dynamics 365 Sales	帮助业务人员大幅降低文书处理的时间。AI可以协助撰写回覆给顾客的邮件，或于Outlook中生成一封Teams会议的会议摘要。会议摘要将详细纪录包含业务的CRM数据，如产品与定价资讯，以及Teams会议录制的重点内容。业务人员原先每天需要花费 66%的时间查看与回覆邮件，这项功能将能协助业务人员将时间投注在顾客经营并为业绩带来显著的提升。
Dynamics 365 Customer Service	赋能客服专员提供更好的客户体验。Dynamics 365Copilot可针对聊天对话与信件中的提问，撰写相对应的答案，并透过知识库及过往案例提供具互动性的聊天体验，因此，透过AI辅助皆可找到对应的答案。
Dynamics 365 Customer Insights	帮助行销人员简化数据探索、客群分众分析与内容创作的工作流程。
Dynamics 365 Customer Insights	行销人员可以利用自然语言与企业顾客资料平台对话，制定出高度客制化与目标明确的客群分众，行销人员亦可以借此得到原先未发掘的客群建议。这项全新服务可以处理复杂的计算，并配对适合的客群。
Dynamics 365 Marketing	运用Dynamics365Copilot，行销人员可以通过一项简单的要求，轻松取得关于撰写推广计画的邮件内容建议。Copilot将根据行销人员输入的主题、企业曾发送过的行销邮件以及一系列的网路资源，生成更具关连性的内容。
Dynamics 365 Business Central	帮助梳理和建立产品列表。仅需几秒钟即可创作出具吸引力的产品叙述，包含产品颜色、材质与尺寸等特色，并可透过语调、格式与文字长度客制化商品介绍。

资料来源：公开资料整理，招商证券

6、Shopify

率先拥抱ChatGPT，实现个性化推荐等多项业务。Shopify是全球领先的电商服务平台，3月1日，OpenAI刚开放API，Shopify便率先接入，将ChatGPT集成至自身网站服务。当用户搜索产品时，ChatGPT会化身购物助理扫描数百万种产品，根据客户要求做出个性化的推荐，帮助客户简化应用内购物流程。此外，ChatGPT还能提供智能客服、分析用户评价数据、撰写推广文案与优化商品描述等多项服务。作为全球领先的SaaS 服务商，Shopify这一开先河的举动有望引领行业趋势，吸引更多企业接入ChatGPTAPI。

图20：ChatGPT能为客户进行个性化推荐

资料来源：ChatGPT，招商证券

图21：ChatGPT能为商家生成广告文案

资料来源：ChatGPT，招商证券

7、New Bing

引入ChatGPT，NewBing颠覆网络搜索新范式。2月7日，微软正式推出结合ChatGPT的Bing 搜索引擎，该应用一经发布便吸引大量眼球，New Bing 的全球下载量短期内激增10倍，日活跃用户突破一亿。新版 Bing 提供创意、平衡、精确三种模式供使用者选择，在创意模式下Bing 的回答会更活泼与创新，在精确模式下则会更加准确与简洁。New Bing 的搜索框更像是一个聊天框，用户可以使用自然语言而不是关键词与 Bing 进行沟通，不仅能查找特定主题，还能够征求Bing 的意见，Bing会在聊天框给出答案。与传统的搜索引擎相比，接入了ChatGPT的 Bing更加智能，能够更全面的对用户的需求做出理解并响应，降低了用户通过不同关键词检索筛选的成本。

图22：NewBing 有三种模式可供选择

资料来源：NewBing，招商证券

图 23：New Bing 能够快速整合与分析信息

资料来源：NewBing，招商证券

二、从大语言模型到 AIGC 与 AI+

1、AIGC 蓬勃发展

各款大语言模型的爆火并非偶然，背后是整个AIGC 行业的兴起。AIGC 即人工智能生成内容，是继专业生成内容（Professional Generated Content）和用户生成内容（UserGeneratedContent）之后一种全新的内容生成方式。AIGC集二者之所长，既保证了作品的专业程度与质量，又拥有媲美甚至超越用户生成内容的产量与多样性，有望引领新的内容生成生态。

图24:AIGC是全新的内容生成方式

资料来源：腾讯研究院，招商证券

图25:AIGC业务场景

资料来源：量子位，招商证券

历经多代发展，AIGC生态逐渐完善。结合人工智能的发展历程，AIGC演进大致分为四个阶段。1950-1990为AIGC发展的萌芽阶段，受制于所在时代的科技水平限制，AICG 仅应用在实验室中。1957年，Lejaren Hiller和LeonardIsaacS0n 通过将计算机程序中控制变量换成音符完成了世界上第一支由计算机创作的音乐；80年代中期，IBM基于隐马尔科夫链创造了语音控制打字机，能处理2000个单词。1990-2010年是AIGC沉淀积累阶段。2006年，深度学习算法取得巨大突破，同年图形处理器与张量处理器等算力设备性能不断提升，人工智能发展取得显著进步。但由于所需计算量达不到满足，AIGC仍无法较好完成创作。2010至2021年，AIGC快速发展。2014年生成式对抗网络的提出使得AIGC驶入快车道，深度学习、强化学习等一系列算法的提出为AIGC蓬勃发展奠定了基础，自此生成内容百花齐放。2022年后，随着ChatGPT在应用市场崭露头角，AIGC进入破圈爆发的新时代。

图26:AIGC发展阶段

资料来源：中国信通院《AIGC白皮书》，招商证券

蓬勃发展，AIGC行业市场空间广阔。从需求侧看，传统内容生成手段受限于人们的想象力和制造能力，逐渐无法满足消费者对多元化和高质量内容产品的需求；从供给侧看，Meta、微软、谷歌、OpenAI等头部企业持续不断布局数字化转型，探索人工智能生成，产出大量优质产品。在供需双方的推动下，AIGC在各行各业蓬勃发展，市场潜力逐渐显现。据咨询机构Acumen Research and Consulting 预测，2030 年全球AIGC 市场规模有望达到1100 亿美元。

2、AI+是时代发展趋势

大模型等AI应用需要大量人工智能基础设施，科技巨头加快AI+平台布局。当下互联网的发展已经进入瓶颈期，人工智能有望成为科技公司新的增长点，深耕人工智能基础设施(AI通用技术平台和服务),服务于供给侧的toB产业，成为各大科技公司布局人工智能的主要策略。人工智能的商业模式是通过产业链的整体协同和共享资源以换取效益的整体提升，AI、大数据、云计算、芯片是未来产业效益提升的关键底层技术，这些基础设施及云计算等服务平台和数据资源，将连接起B端企业的各个产业“要素”和“环节”。在人工智能布局方面，国内科技公司中，BAT三家所占市场份额最高，并各有所长，AI布局最早的百度发展最为均衡，在AI基础数据服务市场持续保持市场份额第一，阿里巴巴在云计算领域位于翘楚地位，腾讯则在大数据领域尤其是在社交数据方面独占优势。国外科技公司中，谷歌、微软、亚马逊都推出了自己的人工智能基础设施、API和开源框架，包括计算机视觉、语音、知识图谱、搜索等。

表2：全球主要科技公司人工智能平台布局

公司	国家	人工智能平台	平台概况
阿里巴巴	中国	阿里云AI开放平台	阿里云AI依托阿里顶尖的算法技术，结合阿里云可靠和灵活的云计算基础设施和平台服务，帮助企业简化IT框架、实现商业价值、加速数智化转型，包括智能语音、视觉图像、语言技术以及各类场景方案
百度	中国	百度智能云	百度智能云专注云计算、智能大数据、人工智能服务，提供稳定的云服务器、云主机、云存储、CDN、域名注册、物联网等云服务,支持API对接,快速备案等专业解决方案。
腾讯	中国	腾讯AI开放平台	腾讯AI开放平台依托腾讯AILab、腾讯优图、WeChat等实验室，汇聚腾讯 AI技术能力，开放100余项AI能力接口供行业使用，提供先进的语音/图像 /NLP等多项人工智能技术，提供AI领域新的应用场景和解决方案。
京东	中国	NueHub	NeuHub平台由模型定制化平台和在线服务模块构成，如计算机视觉、语音交互、自然语言处理等在线服务模块。通过建立算法技术、应用场景、数据链间的连接，为各行各业进行赋能。
华为	中国	华为云	华为云通过基于浏览器的云管理平台，以互联网线上自助服务的方式，为用户提供云计算IT基础设施服务，包括弹性云服务器、云数据库、云安全、软件开发服务和场景化的解决方案。
海康威视	，中国	海康云曜	海康云曜通过开放能力帮助开发者快速搭建行业智能应用,同时整合行业优质应用,提供云上软件和服务商城，包括设备接入、视频服务、人工智能识别、场景化应用组件等。云从轻舟平台是集数据通、设备通、应用通为一体，提供AI标准场景应用、
云从科技中国		轻舟平台	方案以及二次开发能力的通用开放平台。平台基于广泛的智能设备接入能力和行业领先的AI能力，以一体机、解决方案和云服务的方式，为用户提供出入口、区域布控、门店、疫情防控和空间视觉五大应用集，支撑智慧社区、高速稽查、海关旅检、医保基金监督、智慧酒店、智慧校园、智慧Mal、机场OneID、机场安防、银行网点等场景解决方案的落地。
商汤科技中国		SenseFoundry Enterprise 商汤方舟企业开放平台	SenseFoundry Enterprise 商汤方舟企业开放平台依托商汤AI大装置，通过通用大模型+快速增量训练，提供了企业所需的各种丰富多样且高精度的 AI 算法和应用，融合数据、算法、业务，直击企业AI应用落地痛点，面向企业量身定制满足企业对AI应用多样化、高精度、安全可靠的需求，快速赋能企业业务智能化。
旷视科技中国		旷世盘古	旷视盘古应用平台，是一款面向企业空间数字化管理需求的 AloT 业务系统。利用AI算法，旷视盘古可实现对企业空间中的人和围绕人的车、物、事进行感知、分析和决策，形成业务闭环，从而提升园区的管理效率、安全性和人本体验。旷视盘古可与旷视的边缘侧、终端侧产品进行完美配合，也

		可利旧客户原有的视频监控设备，提供丰富的 OpenAPI，便于二次开发，为上层行业应用提供 AI 基础应用支撑。
创新奇智中国	Cloud云平台	Cloud云平台作为基础设施底座，主要包括IRC资源管理引擎和IPC技术资产中心。提供异构资源管理与调度能力以及全要素AI技术资产管理和应用能力，通过对算力资源和数据、算法、特征、模型等AI资产的统一纳管、共享、复用，有效降低MMO及AI解决方案研发成本并提升效率。 AWS 提供全面的人工智能平台和服务，此类服务提供云原生的机器学习和
亚马逊	美国 Amazon Al	深度学习技术来应对不同用例和需求。AWS的人工智能服务提供云端的自然语言理解 (NLU)、自动语音识别 (ASR)、视觉搜索和图像识别、文本转语音 (TTS）及机器学习（ML）托管服务。英特尔为人工智能开发和部署提供了一套非同一般的生态系统，结合了各种
英特尔	美国英特尔AI	针对人工智能优化的硬件产品组合，让深度学习、机器学习和大数据分析领域的热门框架和库（如 TensorFlow、PyTorch、scikit-learn、XGBoost、 Modin、Apache Spark*）实现 10 到 100 倍的优化；实施端到端数据科学和 AI工作流程，获取AI开发所需要的丰富的优化库、框架和工具套件，
微软	美国	包括数据准备、培训、推理、部署和扩展。 Azure AI旨在为数据科学家和 AI 从业者提供一种在微软专为 AI 构建的分 Azure Al 布式基础架构服务上构建、扩展、试验和迭代其模型的方法。
谷歌	美国 Google Al	谷歌的 AI平台是一种云托管服务，可促进机器学习和数据科学工作流程,AI 平台使开发人员能够在云端中快速轻松地准备，构建，运行和共享机器学习模型。使用内置的数据标记服务，他们可以通过应用分类，对象检测和实体提取来注释模型训练图像、视频、音频和文本语料库。
IBM	美国 IBM Cloud Paks	IBM Cloud Pak 是 AI 支持的面向混合云的软件，可帮助全面实施智能工作流程；IBMCloud Pak 利用 IBMWatson 的将 AI 应用于业务，以便预测和塑造未来成果，自动执行复杂流程，优化员工的时间；其在 Red Hat OpenShift上构建，一次开发应用后，便可在任何云中的任意位置进行部署。

资料来源：公开信息整理、招商证券

三、投资建议

1、算力

强大的算力是训练大语言模型的基础。由于大语言模型高度复杂的建模方式和巨大的数据量，其对于计算资源的需求极高，GPT-3.5使用微软自建的AI计算系统，由1万颗英伟达V100 GPU组成，据OpenAI公布数据，训练GPT-3.5 模型需要的算力高达3640 PF-days，即每秒计算一千万亿次需运行3640 天。

大语言模型对于算力的需求来自于训练和推理两个阶段。在训练阶段，开发人员需要搭建模型并随机初始化参数，然后开始训练网络，这一阶段通常需要处理大量数据，并进行反复迭代，直到输出结果符合预期。推理指的是在模型建立完毕后，根据输入的信息做出答复的过程，用户与OpenAI的每次对话便是一次推理运算。据 IDC测算，2021年中国人工智能算力57.6%用于推理，42.4%用于训练，并且未来推理的算力需求有逐步上升的趋势。

图27：中国人工智能服务器工作负载

资料来源：IDC，招商证券

CPO将成为大算力应用场景下的重要路线。CPO即共封装光学，是将光引擎和交换芯片共同封装在一起的光电共封装。在传统的光通信系统中，光模块与芯片之间需要通过复杂的连接方式，而CPO技术可以将光模块和芯片封装在同一个封装体中，极大地减小了连接长度和距离，从而减少了计算损耗，提升了集成度并降低计算整体功耗，在大算力时代有显著优势。

AI芯片是算力的硬件基石。AI芯片也被称为计算卡或AI加速器，主要指针对人工智能算法做了特殊加速设计的芯片。按照技术架构，AI芯片可分为GPU、FPGA、ASIC及类脑芯片；按照其在网络中的位置，AI芯片可分为云端 AI芯片、边缘及终端AI芯片；按照其在实践中的目标，AI芯片可分为训练芯片和推理芯片。随着人工智能下游需求的爆发，AI芯片迎来快速发展，据亿欧智库预测,2025年我国AI芯片市场规模将达1780亿元,较2022年增长近100%。

表3：几种AI芯片对比

类型	定制化程度	可编辑性	算力	价格	优点	缺点
GPU	通用型	不可编辑	中	高	通用性计算能力较强，适合大规模并行运算	并行运算能力在推理端无法完全发挥
FPGA	半定制化	容易编辑	高	中	可通过编程灵活配置芯片架构，开发时间短	硬件编程困难、量产价格高
ASIC	全定制化	难以编辑	高	低	功耗低、体积小、量产后成本低	前期投入高、研发风险大
类脑芯片	模拟人脑	不可编辑	高		功耗低、认知能力强	目前仍在实验阶段

资料来源：公开资料整理，招商证券

图28：全球AI芯片市场规模及预测

资料来源：中商情报网，招商证券

图29：中国AI芯片市场规模及预测

表4：算力相关标的梳理
资料来源：亿欧智库，招商证券

公司	布局情况
寒武纪	新一代云端智能训练芯片思元590采用全新架构，训练性能提升显著，内存容量和带宽更高，IO和片间互联接口升级。
海光信息	海光DCU基于大规模并行计算微结构进行设计，计算性能强大、能效比高，具备双精度和半精度计算能力，兼容类CUDA环境，生态丰富。
景嘉微	JM9 系列第二款图形处理芯片已完成流片、封装阶段工作及初步测试，测试结果表明该芯片可以满足高性能显示需求和人工智能计算需求。
中科曙光	曙光智能计算中心和全国一体化算力服务平台建设可以为大模型训练提供高性能、低成本的算力和大模型数据集，以支持大模型训练及产业化应用。
浪潮信息	2月10 日推出AI算力服务产品，将基于国内领先智算中心的算力基础设施，为国内客户提供AI算力资源和配套服务，支撑AI模型构建、训练和推理业务全流程。
紫光股份	旗下新华三发布云智原生AD-NET6.0+解决方案，在算力领域以算网大脑作为方案核心，融合算网安智用，打造算网一体的新型算力网络体系。
中兴通讯	G5系列服务器采用第四代英特尔?至强®可扩展处理器(SapphireRapids)设计，内置加速引擎，支持双路最大120核，提供强大算力支持；旗下服务器还将支持“文心一言”，以算力支撑AI产品应用。
天孚通信	200G/400G/800G 光模块配套的光器件产品实现量产，高速光引擎建设项目实现产品规模批量交付。

资料来源：公司官网、招商证券

2、算法

人类反馈强化学习（ReinforcementLearning from Human Feedback），是大语音模型对话能力显著增强的推手。以 ChatGPT为例，其RLHF训练分为三步，首先训练监督模型，开发者从问题数据集中随机抽取问题，并由人类标注员给出高质量答案，再使用标注好的数据对GPT-3.5进行微调。第二步训练奖励模型，在数据集中抽取随机问题，使用第一阶段模型进行多次回答，人类标注者对这些结果给出排名顺序。第三步，使用近端策略优化算法对模型进行优化。这一阶段利用第二阶段训练好的奖励模型，靠奖励打分来更新预训练模型参数。在数据集中随机抽取问题，使用 PPO模型生成回答，并用上一阶段训练好的RM模型给出质量分数。把回报分数依次传递，由此产生策略梯度，通过强化学习的方式以更新PPO模型参数。随后不断重复第二与第三阶段，通过迭代训练出高质量ChatGPT模型。

图30：训练ChatGPT所使用的RLHF

资料来源：OpenAl，招商证券

表5：算法相关标的梳理

公司	布局情况
科大讯飞	公司在2019年已开始研究超大模型关键技术，并联合国内高校打造的开源预训练模型已成为业界头部中文预训练模型。公司提出大模型与知识融合统一的理解框架X-Reasoner，并开源超过 40 个通用领域、6个大类的系列中文预训练语言模型，其中星标数位列同类中文预训练语言模型第一。公司拥有1050+数据成品库，包含190 种语言，适用于ASR、TTS、CV、NLP、OCR、Lexicon 多个
海天瑞声	任务领域，内容覆盖智能家居、智能驾驶、虚拟主播、有声书、智慧金融、智能安防、智能搜索等数十个业务场景。公司AI数据服务包括数据采集服务、数据标注服务、数据评测服务、以及方案设计服务，应用于语音识别、语音合成、自然语言处理、计算机视觉、多模态、词典等场景，公司智能语音、计算机视觉及自然语言等数据集产品/服务可客户AIGC算法。
云从科技	在自然语言处理取得重大突破，在大型深层阅读理解任务数据集RACE数据集登顶第一，成为世界首个超过人类排名的模型。从2020年开始，公司已经陆续在NLP、OCR、机器视觉、语音等多个领域开展预训练大模型的实践，不仅进一步提升了公司各项核心算法的性能效果，同时也大幅提升了公司的算法生产效率，已在城市治理、金融、智能制造等行业应用中体现价值。公司一直在人机协同领域布局，打造了像人一样思考和工作的人机协同操作系统，致力于整合视觉、语音、NLP等多个领域的大模型。
拓尔思	拓尔思自主研发了TRS小思智能问答机器人系统，通过语法语义分析、问题分类、问题解析、信息源自动识别与评价、实体识别与关系抽取、信息搜索、逻辑形式生成、知识表示与推理、提取备选答案、对备选答案证据的搜寻、对证据强度的计算和综合等一系列处理流程，可实现问题解答与人机交互，目前已经被广泛应用于政府智能问答，企业智能客服，行业知识问答等各个领域。此外，拓尔思还拥有麦文智创、TRS自动校对云服务等AI增值服务应用。

资料来源：公司官网、招商证券

3、数据

庞大的训练数据是大语言模型高质量回答的基础。OpenAI没有披露ChatGPT具体的训练数据量与参数规模，我们采用前一版本GPT-3 近似替代。GPT-3与前一代产品GPT-2 架构相同，但训练数据与参数量显著提升，GPT-2 的预训练数据量为40GB、参数量仅有15亿个，而GPT-3的参数训练量达到45TB、参数量更是高达1750亿个，约有4900 亿个tokens。从回答质量上看，ChatGPT回答内容比GPT-2更贴切、准确，并且符合人类语言习惯。

ChatGPT的训练数据来源十分丰富。ChatGPT所用数据主要来自于维基百科、书籍、期刊、Reddit链接、CommonCrawl和其他数据集。从token数量看，CommonCrawl占比最高，达60%，网页占比22%，书籍占比16%；从数据量大小看，来自于Common Crawl 的数据占比更高，达到75%。

图31：GPT-3训练数据量大幅增加

资料来源：LifeArchitect.ai，招商证券

图32：各大语言模型数据来源及数据量大小

	Wikipedia	Books	Joumals	Reddit links	CC	Other	Total
GPT-1		4.6					4.6
GPT-2				40			40
GPT-3	11.4	21	101	50	570		753
The Pilev	6	118	244	63	227	167	825
Megatron-1B	11.4	4.6		38	107		161
MT-NLG	6.4	118	77	63	983	127	1374
Gopher	12.5	2100	164.4		3450	4823	10550

资料来源：OneFlow，招商证券

大数据时代数据标注不可或缺。数据标注是开发机器学习模型时预处理阶段的重要步骤，它需要识别图像、文本、视频等原始数据并添加一个或多个标签为机器学习模型指定上下文，帮助其做出准确的预测。数据标注在模型训练时十分重要，精确的数据标注使机器学习算法的训练质量得到更好的保障，让模型能够训练并产生预期的输出，并且可为测试和迭代后续模型提供“参考标准”，避免产生“rubbishin,rubbishout”的尴尬局面。此外，数据标注还可以改进模型中数据变量的可用性。例如将分类变量重新划分为二进制变量，使其更适合模型使用。

中国数据标注行业迅速发展。一方面，进入大数据时代后，人们各种行为的电子化、网络化带来海量数据，但产生的数据只有1%能被收集和保存，并且收集的数据中90%是非结构化的数据；另一方面，人工智能的兴起带来模型训练所用结构化数据的巨大需求，数据标注的重要性逐渐凸显。据iResearch 数据,2019年我国数据标注市场规模为30.9亿元，预计2025年市场规模突破100亿元，年复合增长率达到14.6%。

图33：中国AI基础数据服务市场规模及预测

资料来源：iResearch，招商证券

图34：2020年中国AI基础数据服务市场行业占比

资料来源：IDC，招商证券

表6：数据相关标的梳理

公司	布局情况已布局从数据产生到应用的全过程，提供各种硬件和软件产品，如智能装备、IoT、5G专网、私有云等。
工业富联	3月7日，向客户供应的高效运算系统已成功应用于ChatGPT，并将在接下来的ChatGPTPlus 和其他相关应用中发挥作用。
大华股份	投资建设西南研发中心，旨在从事人工智能、大数据、云计算和软件研究与开发。
云创数据	cStor超低功耗云存储系统搭载低功耗处理器开发的64位超低功耗硬件平台，提供超低功耗、高密度云存储服务，可在人工智能类ChatGPT等方面的核心技术产品与具体业务领域契合用户的大数据人工智能需求。

资料来源：公司官网、招商证券

四、风险提示

1、主观预判的偏差

2、技术进步不及预期

3、宏观环境的不确定性

分析师承诺

负责本研究报告的每一位证券分析师，在此申明，本报告清晰、准确地反映了分析师本人的研究观点。本人薪酬的任何部分过去不曾与、现在不与，未来也将不会与本报告中的具体推荐或观点直接或间接相关。

张夏：中央财经大学国际金融专业硕士，哈尔滨工业大学工学学士。自2011年起加入招商证券，从事金融产品、大类资产配置及投资策略研究。目前担任首席策略分析师。曾获得“进门财经“年度十佳分析师”，2019《财经》研究今榜最佳策略分析师，新浪“金麒麟”最佳策略分析师,WIND金牌分析师等称号。

评级说明

公司短期评级

报告中所涉及的投资评级采用相对评级体系，基于报告发布日后6-12个月内公司股价（或行业指数）相对同期当地市场基准指数的市场表现预期。其中，A股市场以沪深300指数为基准；香港市场以恒生指数为基准；美国市场以标普 500 指数为基准。具体标准如下：

股票评级

强烈推荐：预期公司股价涨幅超越基准指数20%以上

增持：预期公司股价涨幅超越基准指数5-20%之间

中性：预期公司股价变动幅度相对基准指数介于±5%之间

减持：预期公司股价表现弱于基准指数5%以上

行业评级

推荐：行业基本面向好，预期行业指数超越基准指数

中性：行业基本面稳定，预期行业指数跟随基准指数

回避：行业基本面转弱，预期行业指数弱于基准指数

重要声明

本报告由招商证券股份有限公司（以下简称“本公司”）编制。本公司具有中国证监会许可的证券投资咨询业务资格。本报告基于合法取得的信息，但本公司对这些信息的准确性和完整性不作任何保证。本报告所包含的分析基于各种假设，不同假设可能导致分析结果出现重大不同。报告中的内容和意见仅供参考，并不构成对所述证券买卖的出价，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。除法律或规则规定必须承担的责任外，本公司及其雇员不对使用本报告及其内容所引发的任何直接或间接损失负任何责任。本公司或关联机构可能会持有报告中所提到的公司所发行的证券头寸并进行交易，还可能为这些公司提供或争取提供投资银行业务服务。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。

群内每日免费分享5份+最新资料

300T网盘资源+40万份行业报告

为您的创业、职场、商业、投资、亲子、网赚、艺术、健身、心理、个人成长..全面赋能！

关注公众号获取更多资料

添加微信：xxyg_wei

备注“入群"

立刻免费领取

200套知识地图+最新研报

致终身学习者社群

行业报告/思维导图/电子书/资讯情报

产业趋势研究系列报告（四）：Office接入大语言模型，GPT_4开启AI新纪元-20230321-招商证券-20页