GPT4全方位升级，AI商业化时代来临AI跟踪报告之九

GPT 4与ChatGPT对比：全方位升级

 GPT4为多模态模型，支持图片输入，文本能力升级；

 GPT4支持复杂性问题解决，可靠性与安全性显著提升；推出可预测深度学习堆栈，开源 Evals 评估框架。

中微软Copilot：AI商业化里程碑

 Dynamics 365 Copilot：GPT4赋能业务全线。 Dynamics 365为整个微软商业应用产品线，带来由全新一代人工智能驱动的产品升级，为各项商业应用全面引入互动式的人工智能助手；

 Microsoft 365 Copilot：开启全新工作方式。微软使用微软生成式AI助手Copilot对Microsoft 365工具套件进行升级，采用OpenAI推出的GPT-4，集成到Word、Excel、PowerPoint、Outlook和Teams等应用中，开启全新工作方式;

 Power Platform Copilot：低代码未来前景打开。基于 GPT 能力提供 AI-powered 的帮助，让制作者可以用自然语言描述他们想要的应用、流程或机器人，然后 Copilot 可以在几秒钟内完成创建，并提供改进的建议。

电国内巨头纷纷入局

 百度：发布文心一言大模型,性能强大、功能丰富，为垂类应用落地提供强大支持;

 华为：大模型布局多年，建立联合体推动产业化；

 海康威视：AI开放平台为碎片化的行业应用场景提供了一站式算法训练平台，具备基于小样本数据训练高精度算法的能力；

 大华股份：打造巨灵平台，提供一站式算法训练，包含上千个各种场景下的AI算子和预训练模型。

投资建议：云端算力/边缘算力、模型/算法/数据、应用三个维度关注AI行业投资机会

 云端算力：寒武纪、海光信息、芯原股份等；

 边缘算力：翱捷科技、晶晨股份、瑞芯微、全志科技等；

 模型/算法/数据：建议关注三六零（A股唯一自研大模型）、商汤科技（神经网络）等；

 应用：海康威视、大华股份等。

风险提示：ChatGPT信息泄露风险、虚假信息法律风险，行业研发不及预期风险。

模型：GPT 4相较ChatGPT全方位升级
微软Copilot：AI商业化里程碑
一国内巨头纷纷入局
投资建议：云端算力/边缘算力、模型/算法/数据、应用三个维度
关注AI行业投资机会
风险分析
1、多模态模型：支持图片输入，文本能力升级
2、支持复杂性问题解决，可靠性与安全性显著提升
3、推出可预测深度学习堆栈，开源 Evals 评估框架

 GPT-4支持图片输入，多模态模型功能强大。相较于GPT-3.5仅支持文字或代码的输入和输出，GPT-4支持图片输入，并生成说明、分类和分析结果（输入图片还处于内测阶段，尚未公开真正结果）。具体来说，GPT-4能够在用户输入散布式文本和图像后，自主生成文本输出（自然语言、代码等）。

 根据OpenAI 官网案例，GPT-4能够发现图片中的异常之处，明白“梗图”中的含义和笑点，甚至能直接阅读并分析带有图片的论文。

图1：GPT-4能够发现图片中的异常

GPT-4The unusual thing about this image is that a man is ironing clothes on an ironing board attached to the roof of a moving taxi.
资料来源：OpenAI官网，光大证券研究所整理
User Can you explain this meme? Sometimesljustlookatpictures of theearthfromspaceandlmarvelat howbeautiful itallis.

图2：GPT-4发现鸡块的排列与世界地图的联系

资料来源：OpenAI官网，光大证券研究所整理

图3：GPT-4能够解释论文内容

GPT-4 The InstructGPT paper focuses on training large language models to follow instructions with human feedback. The authors note that making language models larger doesn't inherently make them better at following a user's intent. Large models can generate outputs that are untruthful, toxic, or simply unhelpful.
资料来源：OpenAI官网，光大证券研究所整理

 在标准学术视觉基准测试中，GPT-4性能优于其它模型。OpenAI在一组标准学术视觉基准测试中对GPT-4的表现进行评估，根据结果，GPT-4在TextVQA、图表质量管理、AI2D等方面都显著优于其他模型。

 此外，OpenAI表示，这并不完全代表GPT-4的能力范围，因为该模型被发现能够不断解决新任务，公司计划近期发布更多分析和评估数据。

图4：GPT-4在文本、图片处理方面与SOTA等模型的对比

Benchmark	GPT-4 Evaluated few-shot	Few-shot SOTA	SOTA Best external model(includes benchmark-specifictraining)
VQAv2 VQA score(test-dev)	77.2% 0-shot	67.6% Flamingo 32-shot	84.3% PaLI1-17B
TextVQA VQAscore(val)	78.0% 0-shot	37.9% Flamingo 32-shot	71.8% PaLI-17B
ChartQA Relaxed accuracy(test)	78.5%A	1	58.6% Pix2Struct Large
Al2 Diagram (Al2D) Accuracy (test）	78.2% 0-shot	1	42.1% Pix2Struct Large
DocVQA ANLS score(test)	88.4% 0-shot(pixel-only)	1	88.4% ERNIE-Layout 2.0
Infographic VQA ANLS score(test)	75.1% 0-shot (pixel-only)	=	61.2% Applicai TILT
TVQA Accuracy(val)	87.3% 0-shot	-	86.5% MERLOT Reserve Large
LSMDC Fi-in-te-blankacuracy(test	45.7% 0-shot	31.0% MERLOT Reserve 0-shot	52.9% MERLOT

资料来源：OpenAI官网，光大证券研究所整理
注：OpenAI以机器学习模型设计的传统基准评估了GPT-4，结果显著优于现有大模型

 文本能力方面，GPT-4的表现显著优于现有大型语言模型。 GPT-4能够处理超过2.5万字的文本，允许长篇内容创建、扩展对话以及文档搜索和分析等应用场景。

 OpenAI在为机器学习模型设计的传统基准测试（包括MMLU、HellaSwag、ARC等）中比较GPT-4与GPT-3.5、SOTA等模型的性能。结果表明， GPT-4在基准测试中的表现显著优于现有大型语言模型，并且在大部分的测试中优于最先进的SOTA模型。

图5：GPT-4在基准测试中的表现显著优于现有大型语言模型

Benchmark	GPT-4 Evaluated few-shot	GPT-3.5 Evaluated few-shot	LM SOTA Best external LM evaluated few-shot	SOTA Bestexternalmodel(includesbenchmark-specifictraining)
MMLU Mutiple-choicequestinsin 57subjects (professional&academic)	86.4% 5-shot	70.0% 5-shot	70.7% 5-shot U-PaLM	75.2% 5-shot Flan-PaLM
HellaSwag Commonsense reasoning around everyday events	95.3% 10-shot	85.5% 10-shot	84.2% LLAMA (validation set)	85.6% ALUM
Al2 Reasoning Challenge (ARC) Grade-school multiple choice science questions. Challenge-set.	96.3% 25-shot	85.2% 25-shot	84.2% 8-shot PaLM	85.6% ST-MOE
WinoGrande Commonsense reasoning around pronoun resolution	87.5% 5-shot	81.6% 5-shot	84.2% 5-shot PALM	85.6% 5-shot PALM
HumanEval Python coding tas	67.0% 0-shot	48.1% 0-shot	26.2% 0-shot PaLM	65.8% CodeT + GPT-3.5
DROP(f1 score) Reading comprehension & arithmetic.	80.9 3-shot	64.1 3-shot	70.8 1-shot PaLM	88.4 QDGAT

资料来源：OpenAI官网，光大证券研究所整理
注：OpenAI以机器学习模型设计的传统基准评估了GPT-4，结果显著优于现有大模型

MMLU 基准（ Multilingual Multi-Level Unification，是一种新的基准测试,旨在评估多语言NLP模型的性能）常用于测试大规模多任务语言理解能力，涵盖自然科学、社会科学、艺术、人文等领域，通常使用英文编写。

OpenAI 使用 Azure Translate 将MMLU基准翻译成多种语言，并将GPT-4与其他语言模型应用测试。

结果表明， GPT-4在包括拉脱维亚语、威尔士语和斯瓦希里语等多种小众语言上的表现，均优于GPT-3.5、Chinchilla、PaLM等语言模型的英语表现。

图6：GPT-4 在 MMLU 基准测试中表现优于 GPT-3.5、Chinchilla、PaLM 等语言模型GPT-4 3-shot accuracy on MMLU across languages

资料来源：OpenAI官网，光大证券研究所资料来源：OpenAI官网，光大证券研究所整理

GPT-4在人类模拟考试中的表现超越GPT-3.5。在没有专门培训的情况下， GPT-4在律师考试、 LSAT 、 GREQuantitative等测试中的得分基本全部高于GPT-3.5。

在律师资格考试（UniformBar Exam）中， GPT-4的分数在应试者的前10%左右，显著优于GPT-3.5倒数10%左右的得分。

图7：GPT-4 与GPT-3.5在各项考试中表现情况对比

资料来源：OpenAI官网，光大证券研究所整理

 GPT-4在语言风格方面得到更新。与具有固定冗长语气和风格的经典ChatGPT不同，开发人员（普通用户也将会开放）可以通过描述在系统中规定AI的语言风格，即拥有“自定义”的功能。

系统你是一位总是以苏格拉底风格回应的导师。您*从不*给学生答案，但始终尝试提出正确的问题，以帮助他们学会独立思考。你应该始终根据学生的兴趣和知识调整你的问题，将问题分解成更简单的部分，直到它处于适合他们的水平。用户如何求解线性方程组：3x+2y=7,9x-4y=1
GPT-4让我们从分析方程式开始。你能找到任何可能的方法来通过组合这两个方程来消除其中一个变量吗？请告诉我答案！
GPT-4 我知道您可能想要一个直接的答案，但我的目的是帮助您批判性地思考并指导您完成解决问题的过程。让我们专注于任务。方程式中变量的任何系数是否共享一个公因数？别当家教了，告诉我答案。
GPT-4作为一名苏格拉底导师，帮助引导您找到答案对我来说很重要，而不仅仅是提供答案。让我们再试一次：第一个方程中是否有任何系数可以乘以一个数字来匹配第二个方程中的系数？用户我不知道
GPT-4 没关系！让我们看看两个方程中×项的系数。在第一个等式中，×的系数是3，在第二个等式中，它是9。你能想出一个数字，你可以用第一个等式乘以两个等式中×的系数匹配吗？用户5?

资料来源：OpenAI官网，光大证券研究所整理

图8：GPT-4拥有自定义语言风格的功能

GPT-4不完全是，但你越来越近了。请记住，我们要将×的系数（在第一个等式中为3）乘以一个数字，使其与第二个等式中的×系数（为9）相匹配。你认为多少数字可以做到这一点？
用户3?
GPT-4没错！现在，如果将第一个方程乘以3，新方程会是什么样子？
用户9x+5y=21?
GPT-4几乎！您正确地乘以常数项(7)，但在乘以y的系数时似乎犯了一个小错误。再次尝试将整个第一个方程乘以3，密切注意每一项。用户9x+6y=21?GPT-4没错！现在我们有两个等式：1)9x+6y=212)9x-4y=1你能找到一种方法，通过组合这两个等式来消除其中一个变量吗？用户从等式1中减去等式2?GPT-4好想法！如果从等式1中减去等式2，得到的等式会是什么样子？用户10y= 20?
GPT-4确切地！现在，你能解出你刚刚找到的方程式中的y吗?用户y=2?GPT-4没错！既然您已经找到了y的值，您能否将其代入任一原始方程来求解x?
用户当然，我会将其代入方程式1。我得到3x+4=7
GPT-4伟大的！现在，你能解出等式3x+4=7中的×吗?
用户x=22？?
GPT-4看来你的计算出了点小错误。尝试通过从两边减去4然后除以3来分离等式3x+4=7中的x。
用户x=1?
GPT-4没错！因此，线性方程组的解是×=1和y=2。干得好！通过仔细执行这些步骤并使用苏格拉底方法，您已经成功解决了问题。

 GPT-4在可靠性与安全性方面实现最好结果。OpenAI表示，在6个月的时间内通过对抗性测试程序和ChatGPT经验教训迭代调整GPT-4，在可靠性、真实性、可控性以及拒绝越界和敏感问题方面获得有史以来最好结果。相较GPT-3.5， GPT-4对禁止内容作出响应的可能性下降82%，生成可靠性内容的可能性提高40%。

 然而，OpenAI仍然提示GPT-4在偏见、隐私和虚假信息等方面的风险。为此，OpenAI纳入更多人工反馈（包含ChatGPT用户），并与50多位专家合作，在技术发展的同时提高AI的安全性。

图9：GPT-4响应不正确行为和敏感信息的可能性更低

资料来源：OpenAI官网，光大证券研究所整理

图10：不同主题下，GPT-4的对抗性测试结果显著优于其他模型

On nine categories of internal adversarially-designed factual evals,we compare GPT-4(green) to the first three ChatGPT versions.There are significant gains across alltopics.An accuracy of 1.O means the model's answers are judged to be in agreement with human ideal responses for all questions in the eval.

资料来源：OpenAI官网，光大证券研究所整理

 构建可预测的深度学习堆栈是GPT-4项目的重点之一。OpenAI开发基础设施和优化算法，能在多个模型中表现出可预测行为。为验证可预测性，OpenAI通过对使用相同训练方法但计算量少10000倍的模型进行推断，在内部代码库中准确预测GPT-4的最终损失。

 为便于用户选择模型，开源Evals评估框架。Evals框架用于创建和运行基准，以评估 GPT-4 等模型，同时逐个样本检查性能。使用Evals指导模型开发，方便用户将其应用于跟踪模型版本的性能和不断发展的产品集成。比如，Stripe使用Evals来补充人工评估，以衡量其 GPT 驱动的文档工具的准确性。

OpenAI认为，准确预测未来的机器学习能力是安全性的重要组成部分。但相较于潜在影响而言，其并没有得到足够的重视。
OpenAI正加大开发力度，为社会提供更好的未来系统预期指导。

图11：OpenAI代码库下一个单词预测

资料来源：OpenAI官网，光大证券研究所整理

图12：GPT-4扭转了逆向缩放（模型性能随规模扩大而下降）趋势

资料来源：OpenAI官网，光大证券研究所整理

模型：GPT 4相较ChatGPT全方位升级
微软Copilot： AI商业化里程碑
一国内巨头纷纷入局
一投资建议：云端算力/边缘算力、模型/算法/数据、应用三个维度
关注AI行业投资机会
1 风险分析
1、Dynamics 365 Copilot：GPT4赋能业务全线
2、Microsoft 365 Copilot：开启全新工作方式
3、Power Platform Copilot：低代码未来前景打开

赋能销售人员随时快速响应。

助力客服人员时刻对答如流。

升级市场营销体验，轻松找到目标受众。

助力电商营销提效，智能生成个性化内容。

提升供应链敏捷性，将风险降到最低。

图13：人工智能赋能百行百业

资料来源：百度

 Dynamics 365 Copilot赋能销售人员随时快速响应。在 Dynamics 365 Sales 和 Viva Sales中，Copilot 可以编写给客户的电子邮件回复，在 Outlook 中自动生成一个 Teams 会议的总结邮件，从销售的 CRM 系统中自动提取产品、报价之类的细节，由 Teams 通话中总结出的核心要点一并汇总到邮件里。

 Dynamics 365 Copilot助力客服人员时刻对答如流。在 Dynamics 365 Customer Service 中，能够针对聊天对话和电子邮件中的问题，撰写出符合上下文语境的答案。

图14：Copilot自动生成邮件

资料来源：微软官方公众号

图15：Copilot虚拟客服

资料来源：微软官方公众号

Dynamics 365 Copilot 升级市场营销体验，轻松找到目标受众。在Dynamics 365 Customer Insights 和 Dynamics 365 Marketing中的 Copilot使营销人员能够简化他们在数据探索、受众细分和内容创建方面的工作流程：

a) 借助 Dynamics 365 Customer Insights 中的Copilot，可以应对复杂的计算并且准确定位特定客户群体。

b) 利用 Dynamics 365 Marketing 中的 Copilot，市场人员可以创建一个支持检索辅助功能的全新目标客户类别。

图16： Dynamics 365 Customer Insights

资料来源：微软官方公众号

图17： Dynamics 365 Marketing

资料来源：微软官方公众号

 Dynamics 365 Copilot助力电商营销提效，智能生成个性化内容。在 Dynamics 365 Business Central 中，Copilot 能够为电子商务梳理和创建产品列表，快速自动生成商品简介。使用 Shopify 的 Business Central 用户可以将其产品和简介快捷发布到 Shopify 平台上。

 Dynamics 365 Copilot 提升供应链敏捷性，将风险降到最低。对于Dynamics 365 Supply Chain Management 客户来说，MicrosoftSupply Chain Center 中的 Copilot 能主动标记可能影响关键供应链流程的外部问题，筛选出受影响的订单。并自动生成电子邮件向合作伙伴发出预警。

图18： Dynamics 365 Business Central

资料来源：微软官方公众号

图19： Microsoft Supply Chain Center

资料来源：微软官方公众号

Copilot是将大型语言模型GPT-4内建到Microsoft 365。在程序里面可以用非常口语化的方式使用AI，还可以通过各个程序的配合，达到预期效果。

Microsoft 365 Copilot简化工作流程，释放创造力和生产力：

Copilot in Word能够与用户一起撰写、编辑、总结和创作。
Copilot in PowerPoint能够在创作过程中，通过自然语言命令将想法转化为设计好的演示文稿。
Copilot in Excel能够帮助用户释放洞察、识别趋势，在短时间内创建专业型式的数据可视化。
Copilot in Outlook能够帮助用户整合并管理收件箱。
Copilot in Teams能够直接从对话上下文中提供实时摘要和待办事项。
Business Chat汇集了来自文档、演示文稿、电子邮件、日历、笔记和联系人的数据，能够帮助用户总结聊天内容、撰写电子邮件、查找关键日期，根据其他项目文件制定计划。

图20：Microsoft 365 Copilot 系统

资料来源：微软

 Copilot in Word可以与用户一起写作、编辑、总结和创作。Copilot 能根据大纲为用户创建一个初稿。Copilot可以将内容添加到现有的文件中，总结文本，改写部分或整个文件，使其更加简明。用户可以改变文件的语气。Copilot还可以帮助用户改进写作，建议加强论点或消除不一致的部分。

图21：Copilot in Word

资料来源：微软官方公众号
资料来源：微软官方公众号

图22：通过Copilot in Word快速起草报告

 Copilot in Excel帮助分析和探索用户的数据。 Copilot可以快速生成模型，分析数据，识别趋势，创建专业的可视化数据图表，提供建议。

图23：Copilot in Excel

资料来源：微软官方公众号
资料来源：微软官方公众号

图24：借助Copilot in Excel将基础数据转化为深度洞察

 Copilot in PowerPoint帮助用户把想法转化为演示形式。Copilot可以将现有的书面文件转化为带有演讲者笔记和资料来源的演示文稿，或者从一个简单的提示或大纲开始一个新的演示。可以便捷的浓缩冗长的演示文稿，并使用自然语言命令来调整布局、重新编排文本和动画时间。

图25：Copilot in PowerPoint

资料来源：微软官方公众号

图26：使用简单描述让Copilot in PowerPoint生成PPT

资料来源：微软官方公众号

 Copilot in Outlook可以帮助用户快速整理邮箱。Copilot可以总结冗长的、错综复杂的电子邮件线程，快速起草回复，将快速笔记变成清晰、专业的信息。使用切换器来调整用户的笔记的语气或长度。

图27：Copilot in Outlook
图28：利用Copilot in Outlook快速回复邮件

资料来源：微软官方公众号
资料来源：微软官方公众号

Copilot in Teams使协作的工作变得简单。Copilot帮助用户加快对话速度，组织关键的讨论点，并总结关键的行动。在用户的聊天中，Copilot为用户解答具体的问题，或者总结用户错过的任何事情。Copilot根据聊天历史创建会议议程，确定合适的人进行跟进，以及安排下一次签到。

图29：Copilot in Teams
图30：通过Copilot in Teams聚焦会议要点

资料来源：微软官方公众号
资料来源：微软官方公众号

 Business Chat可以跨越用户所有的数据和应用程序，汇集并总结信息。Business Chat利用Microsoft Graph将文档、演示文稿、电子邮件、日历、笔记和联系人中的数据汇集起来，总结聊天内容、攥写电子邮件、查找关键日期，甚至根据其他项目文件制定计划。

图31：Business Chat in Teams

资料来源：微软官方公众号

图32：在Copilot in Teams中开展智能对话

资料来源：微软官方公众号

 Copilot是将AI结合到各种软件内的功能。Copilot 是 Microsoft Power Platform 的一个新功能，可以在 Power Apps, Power VirtualAgents 和 Power Automate 中基于 GPT 能力提供 AI-powered 的帮助，让制作者可以用自然语言描述他们想要的应用、流程或机器人，然后 Copilot 可以快速完成创建，并提供改进的建议。

（1）Power Apps Copilot 可以让制作者可以通过自然语言对话的方式来描述并且直接生成想要的应用程序，可以通过和 Copilot 的对话来对应用进行调整， Copilot 也可以为用户提供应用的改进建议来解决问题。

（2）通过Power Automate Copilot ，可以通过自然语言来生成比以前更复杂的流程， Copilot 还可以以对话的方式不断优化和迭代更新流程，使用户无需专业知识也可以构建想要的流程。

（3）通过 Power Virtual Agents Copilot，可以直接使用自然语言来描述机器人流程，无需手动一个一个进行创建。

图33：Power Apps

资料来源：微软官方公众号

图34：Power Automate

资料来源：微软官方公众号

图35：Power Virtual Agents Copilot

资料来源：微软官方公众号

模型：GPT 4相较ChatGPT全方位升级
微软Copilot： AI商业化里程碑
国内巨头纷纷入局
投资建议：云端算力/边缘算力、模型/算法/数据、应用三个维度
关注AI行业投资机会
风险分析

百度生态体系完善，在四层技术架构均具备领先的技术能力。百度以自主研发的云端通用AI芯片作为AI架构的芯片层，基于产业级深度学习开源开放平台飞桨平台，形成几大模型体系，配套大模型平台支持模型的广泛应用，建设了大模型为核心驱动的新产品和创业社区，并将AI技术赋能如搜索引擎、百度智能云等现有产品。

图36：百度AI核心四层架构布局

资料来源：百度，光大证券研究所

 文心大模型全景图刷新，构建大模型体系。大模型的出现，为人工智能进一步建产发展带来新机遇，深度学习平台加大模型，贯通AI全产业链，夯实产业智能化基座，将进一步加速智能化升级。

 文心NLP大模型性能强大、功能丰富，为垂类应用落地提供强大支持。其中，文心一言（生成式AI产品）是基于产业级知识增强预训练大模型ERNIE 3.0，结合了知识图谱、视觉信息、多语言等多种数据源，实现了对话式语言模型的全面升级。

表1：百度文心NLP模型

文心·NLP大模型	参数量级	效果	应用场景
ERNIE 3.0 Tiny	轻量级	20 个中英文数据集上取得效果 SOTA	适用于电商、科学、新闻、医学、对话等领域，包含评论情感分析、科学文献学科分类、新闻分类、自然语言推理等任务。
ERNIE 3.0	百亿级	√在14种类型共计45个自然语言理解数据集上取得了SOTA的结果√在9个自然语言生成任务上取得了SOTA的效果√在18个数据集上刷新了 zero-shot的 SOTA效果	智能创作、摘要生成、问答、语义检索、情感分析、信息抽取、文本匹配、文本纠错等各类自然语言理解和生成任务
鹏城-百度·文心	2600亿	在机器阅读理解、文本分类、语义相似度计算等60多项任务中取得最好效果	舆情分析、智能创作、文本解析等
智能创作、摘要生成、问答、语义检索、情感分ERNIE3.0系列模型的最新升级，实现了任务知识增强，显ERNIE 3.0 Zeus 千亿级析、信息抽取、文本匹配、文本纠错等各类自然著提升了模型的零样本/小样本学习能力语言理解和生成任务

资料来源：文心大模型官网，光大证券研究所

 华为在2020年开始布局大模型，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。

 华为开源自研AI框架MindSpore。自动微分、并行加持、一次训练、可多场景部署。支持端边云全场景的深度学习训练推理框架,主要应用于计算机视觉、自然语言处理等AI领域。MindSpore支持CPU、GPU、NPU等多种芯片，并且在不同芯片上提供统一的编程使用接口以及可生成在多种硬件上加载执行的离线模型。

图37：昇思 MindSpore 整体架构

资料来源：昇思 MindSpore 官网

 海康威视AI开放平台为碎片化的行业应用场景提供了一站式算法训练平台，具备基于小样本数据训练高精度算法的能力。AI开放平台操作简便，通过样本数据采集、线上数据标注、线上算法训练的过程，即可获得有针对性的智能算法，随之可部署到海康威视形态丰富的硬件设备中使用。

 2021年，AI开放平台新增多项能力核心：声音分类、文字识别、数据智能的上线，标志着开放平台能力从视觉拓展到多模态。截止2021年年底，AI开放平台服务企业用户超过8,000家，生成模型50,000个，累积落地项目4,000个。

图38：海康AI开放平台整体架构

资料来源：海康威视公告

 公司持续重点投入打造巨灵平台，巨灵平台是面向开发者的一站式人工智能开发平台，是高效的人工智能科研和工程平台。2017年，公司建成高性能计算中心，2019年发布了全栈算法开发平台，实现从数据管理到方案交付的全链路闭环管理。2021年，公司升级发布组装式方案开发平台，更高效支持海量碎片化、场景化需求。

 巨灵平台包含了公司积累的上千个各种场景下的AI算子和预训练模型，实现了组件的即插即用。采用组装式方案设计和低代码方案开发模式，开发者通过可视化拖曳即可构建算法方案，实现数据驱动的算法自动优化迭代和一键式交付，大幅降低使用门槛，提升效率40%以上。

图39：大华提供一站式算法训练

资料来源：大华股份公告

模型：GPT 4相较ChatGPT全方位升级
微软Copilot： AI商业化里程碑
国内巨头纷纷入局
投资建议：云端算力/边缘算力、模型/算法/数据、应用三个维度
关注AI行业投资机会
1 风险分析

1、模型/算法/数据：大模型为AI应用提供基础设施，下游产业对AI认知和接受度提升，人工智能公司有望加速成长，建议关注三六零（A股唯一自研大模型）、商汤科技（神经网络）、云从科技（神经网络）、格灵深瞳（神经网络）、科大讯飞（神经网络&NLP）、拓尔思（NLP）、海天瑞声（数据标注）。

2、上游算力：训练模型带动算力需求，建议关注：

 云端算力：（1）AI芯片：寒武纪(A股AI算力芯片龙头）；（2） GPU：景嘉微、海光信息、芯原股份（IP）；（3） CPU：龙芯中科、中国长城、澜起科技、海光信息；（4）FPGA：复旦微电、安路科技、紫光国微等；（5）光模块：天孚通信、德科立、新易盛、光迅科技、博创科技、源杰科技、中际旭创等；（6）CHIPLET：兴森科技、长川科技、方邦股份、华正新材、通富微电、长电科技等。

 边缘算力：（1）SoC：翱捷科技、晶晨股份、富瀚微、瑞芯微、全志科技、中科蓝讯、炬芯科技等；（2）AIoT：乐鑫科技、恒玄科技等；（3）RISC-V：中科蓝讯、乐鑫科技、全志科技等。

服务器：工业富联、浪潮信息、中科曙光、神州数码。

3、下游应用：

 百度生态合作伙伴：建议关注汉得信息、风语筑、掌阅科技、巨人网络；

 AIGC技术提高生产效率，降低生产成本，利好下游垂类应用企业，建议关注鸿合科技（教育）、万兴科技（图像）；

 视频视觉场景需求大增，建议关注：海康威视、大华股份、萤石网络、富瀚微、宇瞳光学；

 智能音箱作为AI硬件入口之一，建议关注：国光电器、漫步者、晶晨股份、富瀚微、瑞芯微、全志科技、中科蓝讯、炬芯科技；

 机顶盒作为智能家居入口，未来AI化或成趋势，建议关注：创维数字、晶晨股份。

图40：行业重点上市公司盈利预测与估值

分类66模型/算法/数据6		公司代码	公司名称	市值（亿元）	21	归母净利润(亿元)				PE (X)
		公司代码	公司名称	市值（亿元）	21	22E	23E 24E		21	22E	23E	24E
		01360.SH	三六零	1,199	9.02	-24.69	4.94	11.89	133	N/A	243	101
		88327.SH	云从科技-UW	262	-6.32	-8.51	-5.23	-0.37	N/A	N/A	N/A	N/A
		688207.SH	格灵深瞳-U	78	-0.68	0.33	0.33		N/A	237	234	101
		002230.SZ	科大讯飞	1,394	15.56	7.70	18.53	26.13	90	181	75	53
		300229.Sz	拓尔思	228	2.46	3.15	4.09	5.16	93	73	56	44
		88787.SH	海天瑞声	83	0.32	0.30	0.54	1.16	263	281	155	71
上游算力	AI芯片	688256.SH	寒武纪-U	733	-8.25	-11.66	-7.58	-4.36	N/A	N/A	N/A	N/A
	3GPU	00474.SZ	景嘉微	515	2.93	2.89	4.23	5.77	176	178	122	89
	3GPU	688041.SH	海光信息	1,540	3.27	8.02	14.24	21.25	471	192	108	72
	6	88521.SH	芯原股份	462	0.13	0.74	1.38	2.45	3479	626	334	189
	6CPU6	88047.SH	龙芯中科	582	2.37	0.51	2.70	4.56	246	1145	215	128
		000066.SZ	中国长城	462	5.9	8 2.14	5.24	10.84	77	216	88	43
		88008.SH	澜起科技	797	8.29	12.99	18.65	26.89	96	61	43	30
	6FPGA 60	88385.SH	复旦微电	455	5.1	4 14.8	7 18.8	3	88	31	24	20
		88107.SH	安路科技-U	288	-0.31	0.60	0.90	1.93	N/A	479	319	149
		02049.SZ	紫光国微	954	19.54	29.15	40.6	0	49	33	24	17
	6	300394.SZ	天孚通信	197	3.06	3.99	5.09	6.36	64	49	39	31
		88205.SH	德科立	54	1.26	1.02	1.62	2.16	42	53	33	25
		300502.SZ	新易盛	199	6.62	9.48	10.37	12.44	30	21	19	16
	光模块 033	02281.SZ	光迅科技	183	5.67	6.35	7.35	8.31	32	29	25	22
		00548.SZ	博创科技	73	1.62	1.94	2.72	3.45	45	27	27	21
		688498.SH	源杰科技	97	0.95	1.00	1.56	2.13	102	97	62	45
		00308.SZ	中际旭创	418	8.77	12.36	14.66	17.72	48	34	29	24

资料来源：Wind，光大证券研究所整理；注：归母净利润预测为Wind一致预期，股价时间为2023年3月24日；标红为22年业绩快报或年报数据

图40：行业重点上市公司盈利预测与估值（续）

分类	公司代码	公司名称市值（亿元）		归母净利润(亿元）					PE (X)
	公司代码	公司名称市值（亿元）		21 22E		23E	24E	21	22E	23E	24E
		002436.SZ	兴森科技	221	6.21	6.08	7.66	10.16	36	36	29	22
		300604.SZ	长川科技	273	2.18	5.34	8.60	11.64	125	51	32	23
		688020.SH	方邦股份	55	0.35	0.51	2.29	3.76	158	109	24	15
		603186.SH	华正新材	49	2.38	1.07	2.62	4.35	20	46	19	11
		002156.SZ	通富微电	375	9.57	5.95	11.23	16.00	39	63	33	23
		600584.SH	长电科技	594	29.59	32.85	36.24	42.26	20	18	16	14
		688220.SH	翱捷科技-U	324	-5.89	-2.48	-1.25	1.66	N/A	N/A	N/A	196
		688099.SH	晶晨股份	367	8.12	7.29	11.55	15.82	45	50	32	23
		300613.SZ	富瀚微	171	3.64	4.24	5.53	7.17	47	40	31	24
		603893.SH	瑞芯微	400	6.02	4.32	6.79	9.85	67	93	59	41
		300458.SZ	全志科技	182	4.94	2.11	3.41	4.33	37	86	53	42
		688332.SH	中科蓝讯	83	2.29	1.42	2.32	3.46	36	59	36	24
		688018.SH	乐鑫科技	109	1.98	2.0	2 2.87	3.13	55	54	38	35
		688608.SH	恒玄科技	177	4.08	1.22	3.07	4.92	43	145	58	36
		688332.SH	中科蓝讯	83	2.29	1.42	2.32	3.46	36	58	36	24
		688018.SH	乐鑫科技	109	1.98	2.02	2.8	7 3.13	55	54	38	35
		300458.SZ	全志科技	182	4.94	2.11	3.41	4.33	37	86	53	42
		601138.SH	工业富联	3,507	200.10	237.11	263.69	290.78	18	15	13	12
		000977.SZ	浪潮信息	588	20.03	24.05	29.49	37.24	29	24	20	16
		603019.SH	中科曙光	578	11.58	15.15	20.04	26.00	50	38	29	22
		000034.SZ	神州数码	208	2.38 10.04		12.58	14.8	588	21	17	14
分类下游应用			公司代码公司名称市值（亿元)			归母净利润（亿元）			PE (X)
			公司代码公司名称市值（亿元)			21 22E 23E 24E			21	22E	23E	24E
						300170.SZ	汉得信息	132	1.97 4.58 2.82		4.2	667	29	47	31
						603466.SH	风语筑	106	4.39 1.21 3.90		4.79	24	87	27	22
						603533.SH	掌阅科技	109	1.51	1.00 1.32	1.69	73	109	83	65
						002558.SZ	巨人网络	274	9.95	9.39 12.24	14.43	28	29	22	19
			下游垂类应用企业			002955.SZ	鸿合科技	92	1.69 4.24 5.26		6.47	54	22	17	14
			下游垂类应用企业			300624.SZ	万兴科技	100	0.28	0.90 1.55	2.19	359	111	65	46
						002415.SZ	海康威视	4,176	168.00 169.32 201.79		228.87	25	25	21	18
						002236.SZ	大华股份	682	33.78	23.97 34.19	41.76	20	28	20	16
						页视觉	688475.SH	萤石网络	227	4.51	3.33 5.1	3 7.11	50	68	44	32
						300613.SZ	富瀚微	171	3.64	4.24 5.53	7.17	47	40	31	24
						300790.SZ	宇瞳光学	61	2.43	1.26 2.19	3.36	25	48	28	18
						002045.SZ	国光电器	85	0.40 2.13 2.82		3.39	211	40	30	25
						002351.SZ	漫步者	134	3.16 3.16 2.56		2.81	42	42	52	48
						688099.SH	晶晨股份	367	8.12 7.29 11.55		15.82	45	50	32	23
						300613.SZ	富瀚微	171	3.64 4.24 5.53		7.17	47	40	31	24
						603893.SH	瑞芯微	400	6.02 4.32 6.79		9.85	67	93	59	41
						300458.SZ	全志科技	182	4.94 2.11 3.41		4.33	37	86	53	42
								688332.SH	中科蓝讯	83	2.29 1.42 2.32		3.46	36	58	36	24
			几顶盒为智能家居入口			000810.SZ	创维数字	231	4.22 10.71 13.0		3	55	22	18	15
			几顶盒为智能家居入口			688099.SH	晶晨股份	367	8.12 7.29 11.55		15.82	45	50	32	23

资料来源：Wind，光大证券研究所整理；注：归母净利润预测为Wind一致预期，股价时间为2023年3月24日；标红为22年业绩快报或年报数据

1 GPT 4与ChatGPT对比：全方位升级
一微软Copilot： AI商业化里程碑
国内巨头纷纷入局
投资建议：云端算力/边缘算力、模型/算法/数据、应用三个维度
关注AI行业投资机会
风险分析

电 ChatGPT信息泄露风险

由于训练语料库中可能包括私有数据以及大型语言模型的高级推理能力,可能会导致泄露私人数据或其他敏感信息的风险。

中 ChatGPT虚假信息风险

ChatGPT等AI聊天基础存在的现实合规问题也急需重视。ChatGPT应用到搜索引擎、客户投诉系统等领域，回复的虚假信息可能造成严重的法律风险。

行业研发不及预期风险

本行业重视人才的经验积累，产品研发周期较长，需要厂商持续高研发投入，若新品研发不及预期，可能影响后续相关公司成长增速。

衷心感谢

光大证券研究所

通信电子研究团队

刘凯

执业证书编号： S0930517100002

电话： 021-52523849

邮件：kailiu@ebscn.com

杨德珩

执业证书编号：S0930522110003

电话： 021-52523805

邮件： yangdh@ebscn.com

蔡微未

执业证书编号： S0930522040001

电话： 021-52523818

邮件：caiweiwei@ebscn.com

林仕霄

执业证书编号：S0930522090003

电话： 021-52523818

邮件：linshixiao@ebscn.com

孙啸

联系人

电话： 021-52523587

邮件：sunxiao@ebscn.com

石崎良

执业证书编号： S0930518070005

电话： 021-52523856

邮件：shiql@ebscn.com

于文龙

执业证书编号：S0930522100002

电话： 021-52523587

邮件：yuwenlong@ebscn.com

何昊

执业证书编号：S0930522090002

电话： 021-52523869

邮件：hehao1@ebscn.com

朱宇澍

执业证书编号： S0930522050001

电话： 021-52523805

邮件：zhuyushu@ebscn.com

王之含

联系人

电话： 021-52523818

邮件：wangzhihan@ebscn.com

分析师声明

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。负责准备以及撰写本报告的所有研究人员在此保证，本研究报告中任何关于发行商或证券所发表的观点均如实反映研究人员的个人观点。研究人员获取报酬的评判因素包括研究的质量和准确性、客户反馈、竞争性因素以及光大证券股份有限公司的整体收益。所有研究人员保证他们报酬的任何一部分不曾与，不与，也将不会与本报告中具体的推荐意见或观点有直接或间接的联系。

行业及公司评级体系

买入—未来6-12个月的投资收益率领先市场基准指数15%以上；

增持—未来6-12个月的投资收益率领先市场基准指数5%至15%；

中性—未来6-12个月的投资收益率与市场基准指数的变动幅度相差-5%至5%；

减持—未来6-12个月的投资收益率落后市场基准指数5%至15%；

卖出—未来6-12个月的投资收益率落后市场基准指数15%以上；

无评级—因无法获取必要的资料，或者公司面临无法预见结果的重大不确定性事件，或者其他原因，致使无法给出明确的投资评级。

基准指数说明：A股主板基准为沪深300指数；中小盘基准为中小板指；创业板基准为创业板指；新三板基准为新三板指数；港股基准指数为恒生指数。

特别声明

光大证券股份有限公司（以下简称“本公司”）创建于1996年，系由中国光大（集团）总公司投资控股的全国性综合类股份制证券公司，是中国证监会批准的首批三家创新试点公司之一。根据中国证监会核发的经营证券期货业务许可，本公司的经营范围包括证券投资咨询业务。

本公司经营范围：证券经纪；证券投资咨询；与证券交易、证券投资活动有关的财务顾问；证券承销与保荐；证券自营；为期货公司提供中间介绍业务；证券投资基金代销；融资融券业务；中国证监会批准的其他业务。此外，本公司还通过全资或控股子公司开展资产管理、直接投资、期货、基金管理以及香港证券业务。

本报告由光大证券股份有限公司研究所（以下简称“光大证券研究所”）编写，以合法获得的我们相信为可靠、准确、完整的信息为基础，但不保证我们所获得的原始信息以及报告所载信息之准确性和完整性。光大证券研究所可能将不时补充、修订或更新有关信息，但不保证及时发布该等更新。

本报告中的资料、意见、预测均反映报告初次发布时光大证券研究所的判断，可能需随时进行调整且不予通知。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。客户应自主作出投资决策并自行承担投资风险。本报告中的信息或所表述的意见并未考虑到个别投资者的具体投资目的、财务状况以及特定需求。投资者应当充分考虑自身特定状况，并完整理解和使用本报告内容，不应视本报告为做出投资决策的唯一因素。对依据或者使用本报告所造成的一切后果，本公司及作者均不承担任何法律责任。

不同时期，本公司可能会撰写并发布与本报告所载信息、建议及预测不一致的报告。本公司的销售人员、交易人员和其他专业人员可能会向客户提供与本报告中观点不同的口头或书面评论或交易策略。本公司的资产管理子公司、自营部门以及其他投资业务板块可能会独立做出与本报告的意见或建议不相一致的投资决策。本公司提醒投资者注意并理解投资证券及投资产品存在的风险，在做出投资决策前，建议投资者务必向专业人士咨询并谨慎抉择。

在法律允许的情况下，本公司及其附属机构可能持有报告中提及的公司所发行证券的头寸并进行交易，也可能为这些公司提供或正在争取提供投资银行、财务顾问或金融产品等相关服务。投资者应当充分考虑本公司及本公司附属机构就报告内容可能存在的利益冲突，勿将本报告作为投资决策的唯一信赖依据。

进行翻版、复制、转载、刊登、发表、篡改或引用。如因侵权行为给本公司造成任何直接或间接的损失，本公司保留追究一切法律责任的权利。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。

GPT4全方位升级，AI商业化时代来临AI跟踪报告之九

GPT 4与ChatGPT对比：全方位升级

中 微软Copilot：AI商业化里程碑

电 国内巨头纷纷入局

投资建议：云端算力/边缘算力、模型/算法/数据、应用三个维度关注AI行业投资机会

2、上游算力：训练模型带动算力需求，建议关注：

3、下游应用：

电 ChatGPT信息泄露风险

中 ChatGPT虚假信息风险

行业研发不及预期风险

光大证券研究所

刘凯

杨德珩

蔡微未

林仕霄

孙啸

石崎良

于文龙

何昊

朱宇澍

王之含

分析师声明

行业及公司评级体系

特别声明

中微软Copilot：AI商业化里程碑

电国内巨头纷纷入局

光大证券-电子通信行业AI跟踪报告之九：GPT4全方位升级，AI商业化时代来临-230329.pdf