证券研究报告行业简评报告

人工智能十大发展趋势

分析师：阎贵成
yanguicheng@csc.com.cnSAC 编号:S1440518040002SFC 编号:BNS315
分析师：武超则
wuchaoze@csc.com.cn
SAC 编号:s1440513090003
SFC 编号:BEM208

分析师：于芳博yufangbo@csc.com.cnSAC 编号:S1440522030001

发布日期：2023年7月9日

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。

核心观点

核心观点：自然语言大模型迸发出智慧火花，开启了人工智能的新一轮发展浪潮。站在当前这一重要的历史节点，我们从技术、应用、安全三个维度展望了人工智能的未来发展，其中技术是源动力，应用是牵引力，安全是信任力。对未来的展望中，我们提出多模态模型、具身智能、通用人工智能、高质量数据、智算中心、大模型C端应用、大模型B端应用、大模型轻量化、重构劳动力、AI治理十个方面的重要发展趋势。

 技术是原动力。人工智能是一门前沿科研与产业应用密切结合的学科，技术进步是推动人工智能发展的原动力。多模态模型关注文本、图像和视频等多种形式的信息融合，是人工智能理解真实世界的重要一步；具身智能通过与环境感知交互进行学习，实现人工智能的能力进阶，将成为AI发展新形态；当前，人工智能正处于狭义人工智能相对成熟、通用人工智能曙光乍现的阶段，大语言模型迸发智慧火花，通往通用人工智能的路径愈发明晰；以数据为中心的人工智能更加专注于数据的价值，高质量数据进一步推动AI模型的性能突破；云计算正在从通用计算向AI计算深度演进，智算中心成为关键基础设施。

 应用是牵引力。人工智能将深刻影响人类社会的生产和生活方式，良好的产业应用是人工智能发展的牵引力。在个人端，大模型将成为每个人的智能助理，同时也正在成为新一代的流量入口；在企业端，专业数据和成本驱动下行业模型将呈现百花齐放的局面，打开广阔应用空间；大模型轻量化进程提速，部分场景的推理将逐步从云侧下沉至端侧；大模型也将对劳动力市场产生深远影响，人工智能与前沿科研的结合也产生了巨大潜力。

 安全是信任力。随着人工智能模型智慧水平不断提升，模型的安全使用成为人工智能发展的信任力。可以从技术层面和规范层面出发，通过可解释AI和相关法规的制定，实现AI治理与技术的平衡，增强人工智能的信任力。

 风险提示：人工智能模型技术发展不及预期、数据数量与数据质量不及预期、隐私问题、伦理冲突风险、算力基础设施支持不及预期等。

人工智能三大推动力

技术是原动力

应用安全是牵引力是信任力

资料来源：中信建投

趋势一统一未来：多模态模型加速文本、图像和视频融合

多模态模型：多模态模型能够处理视觉信息、文本信息、听觉信息等多元化数据，可以对不同表现形式的信息进行融合理解，进一步提升大模型的迁移学习能力，是人工智能全面理解真实世界的重要一步。

 发展情况：文本、语音、图片等单模态人工智能模型已经相对成熟，大模型正在朝着多模态信息融合的方向快速发展。从CLIP的诞生再到GPT-4的图像处理能力，图文多模态技术已经取得了显著的进步。大模型不止满足文字和图像，开始向着音频、视频等领域拓展。

 未来展望：未来模型将面对更加复杂多样化的交互场景，更加注重各种形式的信息融合，多模态技术将在智能家居、智慧城市、医疗诊断、自动驾驶等方面打开全新的应用空间。

资料来源：OpenAI，Google，Stability AI，Midjourney，微软，中信建投

趋势二逾越虚拟边界：具身智能成为AI发展新形态

具身智能：具身智能是可以和物理世界进行感知交互，并具有自主决策和行动能力的人工智能系统。具身智能中的智能体能够以主人公的视角感受物理世界，通过与环境产生交互并结合自我学习，从而产生对于客观世界的理解和改造能力。

 发展情况：斯坦福大学教授李飞飞将具身智能列为计算机视觉未来的关键发展方向，并将其称之为人工智能研究的“北极星”。现阶段来看，谷歌推出RoboCat大模型，英伟达推出NvidiaVIMA，具身智能已经成为AI龙头企业竞相争夺的高地。

 未来展望：通用人工智能与机器人产业正处在快速发展、互相融合促进的战略机遇期，作为两大领域交叉的核心应用，具身智能有望在未来取得快速发展。具身智能将促使智能体具备自主规划、决策、行动、执行等能力，实现人工智能的能力进阶。

图：具身智能学习和旁观式学习的区别

资料来源：卢策吾《浅谈行为驱动具身智能》，中信建投

图：人工智能能力进阶

资料来源：中信建投

趋势三大模型智慧火花：走向通用人工智能的途径愈发明晰，脑机接口创造新的交互方式

 通用人工智能（AGI）是指具有像人类一样的思考能力，可以适应广泛的领域并解决多种问题的机器智能，AGI是人工智能研究的重要目标之一。狭义人工智能是指当下已取得显著进展但局限特定领域的人工智能，如语音识别、机器视觉等。我们正处于狭义人工智能相对成熟、通用人工智能曙光乍现的阶段，目前以GPT-4为代表的自然语言大模型被认为是通往通用人工智能的重要潜在路径，OpenAICEO萨姆·奥特曼(Sam Altman) 表示，AGI时代可能很快就会到来，未来十年内行业可能会拥有超强的AI系统。

 人类与人工智能之间的沟通方式也在不断升级，脑机接口有望成为下一代人机交互方式。当前，脑机接口技术正在突破人类的生理界限，不仅为残障人士提供了前所未有的可能性，而且有望成为下一代的人机交互方式。

图：人工智能发展的三个阶段

资料来源：indikaai，中信建投

图：人工智能奇点临近

资料来源：towardsdatascience，中信建投

趋势四数据的力量：海量数据带来模型能力涌现，高质量数据提升模型性能

 深度学习的进步建立在以更大的模型处理海量数据基础之上。GPT-1模型从1.17亿参数上升至GPT-3的1750亿参数，模型效果取得了显著突破，同时还有能力的涌现。但是模型参数量的增大带来算力需求的激增，模型架构和参数量提升带来的收益正处于递减状态。

阿伯丁大学、麻省理工大学等研究机构的一项研究显示，高质量的语言数据将在2026年耗尽，低质量的语言数据和图像数据将分别在2030 -2050年、2030 -2060年间枯竭。

 以数据为中心的人工智能更加专注于数据的价值，进一步推动AI模型的性能突破。斯坦福大学吴恩达教授提出二八定律：80%的数据+20%的模型=更好的AI。以数据为中心的策略可以解决数据样本不足、数据偏差等问题，高质量数据集成为推动模型性能进一步提升的关键要素，高质量的数据处理、数据标注服务以及完善的数据收集和评估体系的价值将进一步凸显。

图：GPT系列模型参数量和训练数据量不断上升

模型发布时间	参数量	预训练数据量
GPT-1	2018.6 1. 17亿	约5GB
GPT-2	2019.2	15亿 40GB
GPT-3	2020.5	1750亿 45Tb

资料来源：OpenAI，中信建投

图：不同类型数据集的消耗趋势和耗尽时间

资料来源：Will we run out of data? An analysis of the limits of scaling datasets in Machine Learning，中信建投

图：改进代码与提升数据质量对模型性能的影响

	Steel defect detection	Solar panel	Surface inspection
Baseline	76.2%	75.68%	85.05%	以数据为中心能更
Model- centric	+0%	+0.04%	+0.00%	好地改进模型性能
Data- centric	+ 16.9 %	+ 3.06 %	+ 0.4 %

资料来源：A Chat with Andrew on MLOps: From Model-centric to Data-centric AI，中信建投

趋势五数据中心的AI变革：智算中心成为关键基础设施

云计算是当前重要的AI算力提供方案，AI服务器市场获得迅猛发展。根据TrendForce数据，2022年全球AI服务器的出货量占整体服务器比重约1%，随着大模型训练侧和推理侧的需求爆发，AI算力资源需求预计将呈指数增长。根据IDC数据，预计未来5年中国智能算力规模的年复合增长率将达52.3%，全球价值万亿美金的数据中心存量市场将从通用计算逐步过渡向AI计算。

 云计算正从CPU为中心的同构计算架构向以CPU+GPU/NPU为中心的异构计算架构深度演进。我们预计，大模型带来的GPU存量空间将从2023年的277亿美金上升至2025年的1121亿美金，以GPU为代表的AI计算资源中短期将处于供不应求的状态。

 随着专有领域的计算需求提升，AI芯片追求更高的性能和更低的功耗，芯片的多样性和生态丰富性将不断提升。部分头部互联网厂商将着力推进AI芯片的自主研发，如谷歌着力打造专注深度学习的TPU，同时不断丰富其AI生态布局。

图：同构计算架构转向异构计算架构

资料来源：Github，中信建投

图： GPU和AI服务器全球市场空间测算

	2021	2022	2023E	2024E	2025E
大模型带动GPU存量空间（亿美元）			276. 6	622. 7	1120. 9
GPU占AI服务器成本比例（%）			70.0	70.0	70.0
GPU芯片升级/算法效率提升比例测算 (%)			100.0	120.0	150.0
AI服务器存量规模（亿美元）	156.0	202.0	395.2	889.6	1601.3
AI服务器增量规模（亿美元）		46.0	193. 2	494. 4	711. 7
市场增速 (%)	39.1	29.8	95.6	125.1	80.0

资料来源：《算力大时代，AI算力产业链全景梳理》，中信建投

趋势六大模型C端角色：个人智能助理与新一代的流量入口

大语言模型将成为个人智能助理。大模型目前具备接入互联网、进行内存管理等能力，通过目标任务自动拆分、计划制定、计划实施等方式，能够自主完成用户的需求，成为每个人的智能助理，如制定旅行计划并进一步预定宾馆和餐饮。

 大模型正在成为新一代的流量入口。GPT-4正在逐步开放插件功能，通过底层模型连接第三方应用，从而构建丰富的生态系统。GPT-4自插件功能开放以来，目前已经接入超过500个插件（其中包括教育、金融等场景）。随着大模型能力的不断增强以及插件生态的不断丰富，大模型有望成为新一代的人机交互方式以及流量入口，2023年5月OpenAI官网访问量为18.6亿次，是全球第19名次的互联网访问IP。

图：GPT-4构建丰富的应用生态

资料来源：OpenAI，中信建投

图： OpenAI访问量超越Bing搜索引擎（百万/周）

资料来源：Similarweb，中信建投

趋势七大模型B端应用：专业数据与成本驱动行业模型百花齐放，打开广阔应用空间

数据壁垒带来企业端大模型百花齐放。通用大模型可以帮助用户解决一般性问题，而当企业需要处理其特定行业的数据和任务时，往往需要针对其行业数据库来对基本模型进行微调，垂直行业的特性和需求不尽相同，因此大模型的应用也呈现出多样化的趋势。

 B端应用出于对模型的经济性考量，未来将呈现阶梯式、差异性需求。大模型在垂直领域的商业化落地对模型的运行成本更为敏感，模型的推理成本与模型的参数量多少密切相关，需要不同参数规模的大模型组成多层次的产品组合，从而在不同场景下实现最佳的经济性，进一步提升大模型的丰富度。

图：大模型垂直领域微调

资料来源：中信建投

图： B端大模型多层级结构

资料来源：华为，中信建投

趋势八大模型轻量化：降低应用成本、带动端侧算力发展

 随着大模型小型化、场景化需求增加，同时出于对AI应用的经济性、可靠性和安全性考量，部分场景的推理将逐步从云侧扩展向端侧，带动端侧算力需求的进一步提升。

 目前多个大模型都已推出“小型化”和“场景化”版本。5月23日谷歌发布的PaLM-2大模型，其中最轻量版本“壁虎”可在移动端运行，运行速度快且支持离线操作，其他多个大模型也都有其对应的小参数版本。

 大模型端侧应用布局不断加速。端侧算力正在快速发展过程中，高通通过量化、编译和硬件加速进行优化，使Stable Diffusion能在搭载第二代骁龙8移动平台的手机上运行。高通在微软Build2023开发者大会上展示了最新的端侧AI能力以及在下一代Windows 11上开发生成式AI的工具，并表示未来几个月大语言模型有望在端侧运行。

图：大模型的“小型化”版本

模型名字小型化版本
PaLM-2 Gecko
LLaMA LLaMA-7B
bert	Albert
	TinyBert
	HFL/RBT3
ERNIE 3.0 ERNIE 3.0 Tiny v2
ChatGLM ChatGLM-6B
BioMedGPT BioMedGPT-1.6B

资料来源：谷歌官网、Meta、CSDN、百度文心大模型，ChatGLM，ArXiv，中信建投

图：高通不断拓展端侧AI应用领域

资料来源：高通中国，中信建投

趋势九大模型的深远影响：重构劳动力市场、改写科研范式

大语言模型对劳动力市场结构的影响深远而复杂。据OpenAI联合宾夕法尼亚大学的研究报告预测，约80%的美国劳动力可能有至少10%的工作受到大语言模型的影响。

 大语言模型的应用带来劳动力市场结构的调整和变化。短期而言，大语言模型可能替代部分低技能或重复性工作；中期来看，大语言模型也将创造新的人工智能相关就业机会；长期来看，大语言模型的应用将会深度改变各行业的工作模式和商业模式，让企业的组织架构更加扁平化和小型化。过程中需要个人和企业去积极适应，发展人类独有的创新、协作和社交等能力，与人工智能共同进化。

 AI与前沿科学的结合展现出了巨大潜力，可显著降低前沿科技研究中的智力成本并提升研究效率。生命科学、气象预测、数学、分子动力学等前沿科学均得到了人工智能的广泛助力，AIforScience将带来科研范式的变革和新的产业形态。

图： AI替代率高和低的职业

不容易受到GPT影响的职业	容易受到GPT影响的职业
农业设备操作员	翻译
运动员和体育竞赛者	视觉传达设计人员
木匠助手	会计师和审计师
屠宰商和肉类包装商	校对员和排版员
整修工	统计调查员
园林绿化工	临床数据管理员
汽车玻璃安装工和维修工	新闻分析师和记者
非技术工 (石油和天然气钻探)	法律秘书和行政助理
模具设计工程技术人员	报税员
安全员	气候变化政策分析师

资料来源： GPTs are GPTs: An Early Look at the Labor Market Impact Potential of Large Language Models，Business Insider，中信建投

图： AI加速多个前沿科学领域发展

科学领域相关模型
生命科学	AlphaFold/AlphaFold2
	HelixFold
	盘古药物分子大模型
气象预测数学	FourCastNet
	盘古气象大模型
	AlphaTensor
分子动力学	DPA-1

资料来源：《Highly accurate protein structure predictionwith AlphaFold》，人民日报，未来科学论坛，36氪，中信建投

趋势十 AI治理与技术的平衡： AI可解释性亟待增强，监管紧迫性日益凸显

 在人工智能的快速发展中，加强AI监管与推动AI技术的进步同等重要。AI能力带来应用的便利性，同时也可能引发数据隐私、算法偏见、AI伦理等一系列问题。

 从技术角度来看，可以通过可解释AI等技术手段增强AI的可信度。可解释AI使人工智能的决策过程透明化，增加输出内容的可理解性和可信任度，对于构建用户对AI系统的信任、提升系统的有效性、应对潜在的伦理问题都至关重要。

 从规范角度来看，各国政府也都已经开始采取行动，制定和执行各种AI政策和法规。4月份，我国网信办出台《生成式人工智能服务管理办法（征求意见稿）》，明确了生成式人工智能的定义，从明确条件要求、划定责任主体、形成问题处理机制、明晰法律责任几个方面为行业划定底线。

图：人工智能相关法案

发布时间	发布机构	相关法案	主要内容
2021. 11	联合国	《人工智能伦理问题建议书》	发展和应用人工智能要体现出四大价值，即尊重、保护和提升人权及人类尊严，促进环境与生态系统的发展，保证多样性和包容性，构建和平、公正与相互依存的人类社会。
2023.1	美国	《人工智能风险管理框架》	人工智能系统构建主要有四方面考量。一是风险框架，包括对风险、影响、危害的理解与处理。二是目标受众。三是风险和可信度，信度效度兼备始终是首要条件和必备基础。四是有效性评估，包括衡量人工智能系统可信度基础改进的方法。
2023.3	英国	《支持创新的人工智能监管方式》	文件概述了人工智能监管应考虑的五项原则，即安全性和稳健性；透明度和可解释性；公平性；问责制和管理；可竞争性和补救性。
2023.4	网信办	《生成式人工智能服务管理办法（征求意见稿）》	《办法》从明确条件要求、划定责任主体、形成问题处理机制、明晰法律责任几个方面为行业划定底线。
2023. 5	欧盟	修订后的《人工智能法案》	高风险人工智能系统在投放市场之前将受到严格的义务约束。被认定为大型网络平台的社交媒体平台所使用的推荐系统，会对网络安全、公众舆论、选举等产生强烈影响，也被列入高风险的人工智能。

资料来源：联合国教科文，中央网信办，人民网，环球网，中信建投

人工智能十大趋势

技术是原动力

趋势一统一未来：多模态模型加速文本、图像和视频融合

趋势二逾越虚拟边界：具身智能成为AI发展新形态

趋势三大模型智慧火花：走向通用人工智能的途径愈发明晰，脑机接口创造新的交互方式

趋势四数据的力量：海量数据带来模型能力涌现，高质量数据提升模型性能

趋势五数据中心的AI变革：智算中心成为关键基础设施

应用是牵引力

趋势六大模型C端角色：个人智能助理与新一代的流量入口

趋势七大模型B端应用：专业数据与成本驱动行业模型百花齐放，打开广阔应用空间

趋势八大模型轻量化：降低应用成本，带动端侧算力发展

趋势九大模型的深远影响：重构劳动力市场，改写科研范式

安全是信任力

趋势十 AI治理与技术的平衡： AI可解释性亟待增强，监管紧迫性日益凸显

风险提示

 人工智能模型技术发展不及预期：人工智能模型属于先进AI算法，若后续算法更新迭代效果不及预期，则会影响人工智能模型演进及拓展，进而会影响其商业化落地等；

 数据数量与数据质量不及预期：人工智能模型需要大量的高质量数据进行训练，若数据数量和质量存在短板，则会影响模型效果；

 隐私问题：人工智能在进行预训练过程中，使用了大量数据，其中会涉及相关隐私问题；

 伦理冲突风险：技术进步推动人工智能迈向通用型人工智能，可能将产生人工智能欺骗、人工智能上瘾等一系列伦理问题；

 算力基础设施支持不及预期：需要关注算力芯片产能不及预期风险；

 政策监管力度不及预期：大语言模型带来新的商业生态，尚属于前期成长阶段，政策监管难度加大，相关法律法规尚不完善，政策监管力度可能不及预期；

 应用不及预期：人工智能算法与相关应用落地之间还存在一定距离，需要注意应用落地不及预期风险。

感谢樊文辉、陈思玥、辛侠平对本报告的贡献。

分析师介绍

武超则：中信建投证券研究所所长兼国际业务部负责人，董事总经理，TMT行业首席分析师。新财富白金分析师，2013-2020年连续八届新财富最佳分析师通信行业第一名；2014-2020年连续七届水晶球最佳分析师通信行业第一名。专注于5G、云计算、物联网等领域研究。中国证券业协会证券分析师、投资顾问与首席经济学家委员会委员。

阎贵成：中信建投证券通信&计算机行业首席分析师，北京大学学士、硕士，专注于云计算、物联网、信息安全、信创与5G等领域研究。近8年中国移动工作经验，6年多证券研究经验。系2019-2021年《新财富》、《水晶球》通信行业最佳分析师第一名，2017-2018年《新财富》、《水晶球》通信行业最佳分析师第一名团队核心成员。

于芳博：中信建投人工智能组首席分析师，北京大学空间物理学学士、硕士，2019年7月加入中信建投，主要覆盖人工智能等方向，下游重点包括智能汽车、CPU/GPU/FPGA/ASIC、EDA和工业软件等方向。

评级说明

投资评级标准		评级	说明
报告中投资建议涉及的评级标准为报告发布日后6个月内的相对市场表现，也即报告发布日后的6个月内公司股价（或行业指数）相对同期相关证券市场代表性指数的涨跌幅作为基准。A股市场以沪深300指数作为基准；新三板市场以三板成指为基准；香港市场以恒生指数作为基准；美国市场以标普500指数为基准。	股票评级	买入	相对涨幅15%以上
		增持
		中性	相对涨幅-5%-5%之间
		减持	相对跌幅5%-15%
		卖出	相对跌幅15%以上
	行业评级	强于大市中性	相对涨幅10%以上相对涨幅-10-10%之间
	行业评级	弱于大市	相对跌幅10%以上

分析师声明

本报告署名分析师在此声明：（i）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, 结论不受任何第三方的授意或影响。（ii）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。

法律主体说明

本报告由中信建投证券股份有限公司及/或其附属机构（以下合称“中信建投”）制作，由中信建投证券股份有限公司在中华人民共和国（仅为本报告目的，不包括香港、澳门、台湾）提供。中信建投证券股份有限公司具有中国证监会许可的投资咨询业务资格，本报告署名分析师所持中国证券业协会授予的证券投资咨询执业资格证书编号已披露在报告首页。

在遵守适用的法律法规情况下，本报告亦可能由中信建投（国际）证券有限公司在香港提供。本报告作者所持香港证监会牌照的中央编号已披露在报告首页。

一般性声明

本报告由中信建投制作。发送本报告不构成任何合同或承诺的基础，不因接收者收到本报告而视其为中信建投客户。

本报告的信息均来源于中信建投认为可靠的公开资料，但中信建投对这些信息的准确性及完整性不作任何保证。本报告所载观点、评估和预测仅反映本报告出具日该分析师的判断，该等观点、评估和预测可能在不发出通知的情况下有所变更，亦有可能因使用不同假设和标准或者采用不同分析方法而与中信建投其他部门、人员口头或书面表达的意见不同或相反。本报告所引证券或其他金融工具的过往业绩不代表其未来表现。报告中所含任何具有预测性质的内容皆基于相应的假设条件，而任何假设条件都可能随时发生变化并影响实际投资收益。中信建投不承诺、不保证本报告所含具有预测性质的内容必然得以实现。

本报告内容的全部或部分均不构成投资建议。本报告所包含的观点、建议并未考虑报告接收人在财务状况、投资目的、风险偏好等方面的具体情况，报告接收者应当独立评估本报告所含信息，基于自身投资目标、需求、市场机会、风险及其他因素自主做出决策并自行承担投资风险。中信建投建议所有投资者应就任何潜在投资向其税务、会计或法律顾问咨询。不论报告接收者是否根据本报告做出投资决策，中信建投都不对该等投资决策提供任何形式的担保，亦不以任何形式分享投资收益或者分担投资损失。中信建投不对使用本报告所产生的任何直接或间接损失承担责任。

在法律法规及监管规定允许的范围内，中信建投可能持有并交易本报告中所提公司的股份或其他财产权益，也可能在过去12个月、目前或者将来为本报告中所提公司提供或者争取为其提供投资银行、做市交易、财务顾问或其他金融服务。本报告内容真实、准确、完整地反映了署名分析师的观点，分析师的薪酬无论过去、现在或未来都不会直接或间接与其所撰写报告中的具体观点相联系，分析师亦不会因撰写本报告而获取不当利益。

中信建投证券研究发展部

浦东新区浦东南路528号南塔2103室
电话：(8621) 6882-1612
联系人：翁起帆
邮箱：wengqifan@csc.com.cn

中信建投（国际）

StartYourFinance

起点财经，网罗天下报告

证券研究报告行业简评报告

人工智能十大发展趋势

每日 免 费 获取 报告 □

核心观点

人工智能三大推动力

趋势一 统一未来：多模态模型加速文本、图像和视频融合

趋势二 逾越虚拟边界：具身智能成为AI发展新形态

趋势三 大模型智慧火花：走向通用人工智能的途径愈发明晰，脑机接口创造新的交互方式

趋势四 数据的力量：海量数据带来模型能力涌现，高质量数据提升模型性能

趋势五 数据中心的AI变革：智算中心成为关键基础设施

趋势六 大模型C端角色：个人智能助理与新一代的流量入口

趋势七 大模型B端应用：专业数据与成本驱动行业模型百花齐放，打开广阔应用空间

趋势八 大模型轻量化：降低应用成本、带动端侧算力发展

趋势九 大模型的深远影响：重构劳动力市场、改写科研范式

趋势十 AI治理与技术的平衡： AI可解释性亟待增强，监管紧迫性日益凸显

人工智能十大趋势

技术是原动力

应用是牵引力

安全是信任力

风险提示

分析师介绍

评级说明

分析师声明

法律主体说明

一般性声明

中信建投证券研究发展部

中信建投（国际）

StartYourFinance

每日免费获取报告 □

趋势一统一未来：多模态模型加速文本、图像和视频融合

趋势二逾越虚拟边界：具身智能成为AI发展新形态

趋势三大模型智慧火花：走向通用人工智能的途径愈发明晰，脑机接口创造新的交互方式

趋势四数据的力量：海量数据带来模型能力涌现，高质量数据提升模型性能

趋势五数据中心的AI变革：智算中心成为关键基础设施

趋势六大模型C端角色：个人智能助理与新一代的流量入口

趋势七大模型B端应用：专业数据与成本驱动行业模型百花齐放，打开广阔应用空间

趋势八大模型轻量化：降低应用成本、带动端侧算力发展

趋势九大模型的深远影响：重构劳动力市场、改写科研范式

人工智能行业简评报告：人工智能十大发展趋势-20230709-中信建投-17页