海外模型应用复盘：国内AI奇点已至

计算机行业动态

华西计算机团队

2023年10月11日

首席分析师：刘泽晶

SAC NO：S1120520020002

邮箱：liuzj1@hx168.com.cn

分析师：赵宇阳

SAC NO：S1120523070006

邮箱：zhaoyy1@hx168.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，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

核心逻辑

模型层面，GPT-4领先，多模态演进趋势加速。

 ChatGPT推出以来，大语言模型（Large Language Model，LLM）技术的发展取得突破性发展，越来越多的大模型犹如雨后春笋般破土而出，目前最为先进的模型为GPT-4，性能大幅领先市面上的其他模型。同时根据founder park，OpenAI估值目前也是此前微软投资时近3倍。

当下LLM模型的规模持续增长，参数量已远远超过千亿级别，多模态崭露头角。1）模型规模的增长带来性能的提升，但是同时对模型的训练和部署也带来了挑战。以Open AI为代表的人工智能公司，已经开始就模型训练和部署提供收费服务，在推动LLM技术发展的同时，为企业带来营业收入。2）OpenAI、Google等大模型厂商或将纷纷推出多模态大模型，打开下游应用想象空间。

 应用层面，参照海外落地路径，国内纯模型端、教育、办公、图像、视频、金融、医疗、社交类特别是C端应用值得关注。

部分企业已经开始赚取收入，而新进入的公司仍然在积极拓宽业务的受众范围。 LLM技术的发展为其产业链中下游应用端的开发打下了坚实的基础，相关企业针对不同的场景开发应用产品，产品涉及语音、图像、文本和多模态领域，覆盖办公、金融、多媒体、工业制造、社交和营销等多个行业。

 国内纯模型端、教育、办公、图像、视频、金融、医疗、社交类应用值得关注。参考海外AI应用成熟度发展情况，我们根据AI收入端、产品端、案例端等综合分析海外垂直应用进展，得到目前纯模型端、办公、图像、视频、金融、社交类应用商业化落地最快，国内模型端相对海外大概滞后1年时间，参照海外应用发展情况，我们认为Q4或是国内应用商业化落地拐点。

 受益标的：1）模型端：拓尔思、360、科大讯飞；2）AI+教育：科大讯飞、佳发教育、盛通股份、捷安高科、世纪天鸿、皖新传媒、鸥玛软件；3）AI+办公：金山办公、汉得信息、彩讯股份、赛意信息、泛微网络、致远互联、用友网络、金蝶国际、梦网科技；4）AI+医疗：润达医疗、健麾信息、万达信息；5）图像/视频：万兴科技、美图公司、光云科技、新国都、虹软科技、当虹科技、大华股份、网达软件；6）AI+金融：指南针、同花顺、财富趋势、恒生电子。

风险提示：1）政策落地不及预期；2）技术发展不及预期；3）经济回暖不及预期。

海外AI+领域持续升级，带动产业价值重估

模型/应用公司	年初市值水平（亿元）	年初PE/PS	2023年9月28日市值（亿元）	2023年9月28日PE/PS	涨跌变化	模型/应用网站浏览量（过去28天日均人次）
Openai（模型）	290（微软投资时）		800-900		175.86%-210.34%	49470000
Meta（模型）	3,190.87	11.07	7,821.38	34.69	145.12%	117635
多邻国（AI+教育）	28.57	28.57	66.10	14.94	131.35%	19158
Salesforce ( Al+CRM )	1,325.90	476.94	1,977.14	125.29	49.12%	611021
Amazon（模型）	8,569.39	75.68	12,998.30	99.44	51.68%
Adobe （Al+办公/图像，视频）	1,564.53	32.90	2,297.76	44.87	46.87%	9308000
Google（模型）	11,484.32	17.14	16,730.54	27.54	45.68%	63527
Microsoft (（ Al+办公）	17,877.32	25.62	23,302.71	32.20	30.35%	33100000
SAP (AI+ERP )	1,267.69	40.28	1,576.07	28.04	24.33%	<5000
Recursion （Al+医疗）	13.34	0.00	16.45	-6.33	23.26%	<5000
摩根大通（AI+金融）	3,932.58	11.17	4,289.09	9.31	9.07%	160611

资料来源：wind(PE与PS均为TTM），similar，Founder park公众号、华西证券研究所
注：Amazon无单独模型网站，因此不做统计

01 主要大模型汇总：GPT-4领先，多模态演进趋势加速

模型汇总

模型名称	是否开源	参数量	预训练数据量	发布时间
GPT-4	否			2023年3月
GPT-3	否	175B	300B tokens	2022年3月
DALL·E2	否	10B		2022年4月
DALL·E 3	否	12B		2023年9月
PaLM2	否	340B	3.6T tokens	2023年5月
RT-2	否	55/12/5B		2023年7月
Stable diffussion	否	1B		2022年8月
Claude V1	否	50B		2023年3月
Llama	是	65B	1.4T tokens	2023年2月
Falcon	是	40B	1T tokens	2023年6月
Cohere	否	52B		2023年6月
Titan	否	·		2023年4月
MT-NLG	否	530B	270B tokens	2022年1月
Gopher	否	280B	300B tokens	2021年12月
Chinchilla	否	70B	1.4T tokens	2022年3月
BLOOM	是	176B	366B tokens	2022年11月
OPT	是	175B	180B tokens	2022年5月
GLM-130B	是	130B		2022年8月

资料来源：华西证券研究所整理

1.1 Open AI：打开LLM新纪元，打开LLM新纪元，GPT-4多模态再升级

6月发布GPT-3，参数量1750亿，同时推出了 GPT-3 API，允许开发者通过API接口访问该模型，同年9月，OpenAI获得了由多家风投公司参与的D轮融资，估值高达100亿美元。

3月发布InstructGPT，11月30日发布基于GPT-3.5的聊天机器人ChatGPT。同年发布Whisper语音识别模型和DALL-E 2模型

2022年

Open AI 成立，公司的目标是确保AI能够安全地为全人类造福，同时也致力于解决AI发展过程中可能出现的伦理和安全问题。

2015年12月

第一代模型GPT-1发布，参数量1.1亿。

2018年

2020年

用于强化学习算法研究的平台Gym 发布。

2019年

2016年

GPT-2多个版本发布，参数量从1.25\~15亿，OpenAI LP成立，开启商业化模式，与微软建立起独家合作关系。

2021年

图像生成模型DALL-E和多模态模型CLIP发布。

2023年

3月1日，新版GPT-3.5模型 —gpt-3.5-turbo 发布，3月14日GPT4发布，DALL-E 3即将发布。

资料来源：维基百科、Open AI官网、华西证券研究所

1.1 Open AI：打开LLM新纪元，GPT-4多模态再升级

GPT-3.5和GPT-4是OpenAI开发的大规模语言模型，目前最受欢迎ChatGPT便是在GPT系列模型基础上开发的，是人工智能(AI)技术的突破，彻底改变了我们与机器的沟通方式。作为LLMs技术的代表，GPT-4是目前公认的性能优越的大规模语言模型，但是其目前仅支持付费使用，基于GPT-3.5的客户端应用目前已经免费开放访问。根据AIGC开放社区，9月21日凌晨，OpenAI在官网宣布，在今年10月份将通过API向ChatGPT Plus和企业版用户提供全新文本生成图片产品——DALL·E 3。9月25日，OpenAI宣布，GPT-4 现已具备图像和声音处理功能。

GPT-4与GPT-3.5相比下的优势表现

 GPT-4比其前身GPT-3.5先进10倍。这种增强使模型能够更好地理解上下文并区分细微差别，从而产生更准确和一致的响应。

 GPT-4的最大token数量为32000(相当于25000个单词)，这比GPT-3.5的4000个tokens(相当于3125个单词)有了显著增加。

 GPT-4可以通过综合多个来源的信息来回答复杂的问题，而GPT-3.5可能很难将这些点联系起来。

 GPT-4在理解和体会文本所表达的情感方面，比GPT-3.5具有更大的优势。

 GPT-4最令人印象深刻的一个能力是它可以理解方言，并对复杂的方言给出准确的回答。

 GPT-4相比于GPT-3.5，其在创作方面的能力更加优秀，可以生成更加连贯和富有创造力的故事、诗歌或散文。

 GPT-4显著提高了理解和处理复杂数学和科学概念的能力，包括求解复杂方程和执行各种数学运算的能力，如微积分、代数和解析几何。

 GPT-4的编程能力优于GPT-3.5，可以更加高效的编写代码或调试现有代码，提升软件开发人员的工作效率。

 GPT-4可以分析和理解图片，但是GPT-3.5只能分析文本数据。

 GPT-4实现了最小化不良结果的机制，从而增加了其回答的可靠性和合规性。

1.1 Open AI：DALL-E 3发布，颠覆AI生成图片技术

 DALL-E、DALL-E 2和DALL-E 3是由OpenAI开发的文本-图像模型，使用深度学习方法从自然语言描述中生成数字图像。最初的DALL-E是OpenAI在2021年1月5日的一篇博客文章中披露的，它使用经过修改的GPT-3模型来生成图像。2022年4月6日，OpenAI宣布了DALL-E 2，它是DALL-E的一次版本迭代，旨在以更高的分辨率生成更逼真的图像，它可以巧妙地根据使用者提供的描述和风格来生成图片。2023年9月，OpenAI宣布了他们最新的图像模型，DALL-E 3，与上一代DALL-E 2相比，其予以图片细节更多的关注。

 DALL-E 3计划于2023年10月为ChatGPT Plus和ChatGPT Enterprise客户原生发布到ChatGPT中，并预计在今年晚些时候通过OpenAI的API和“Labs”平台可用。微软也计划在他们的Designer APP和图像创建工具中嵌入DALL-E 3模型。

 根据新智源报道，DALL-E 3已经开始内测，并且内测的效果惊人，与ChatGPT合并，DALL-E 3可以不需要prompt，而是由ChatGPT来生成相应的prompt，DALL-E 3便可根据相应的prompt来进行图片的绘制，并还可以为其配上相应的图文介绍。

DALL-E 3生成图片样例

1.2 Google & DeepMind：LLM的奠基者，即将推出Gemini多模态模型

 PaLM是谷歌人工智能实验室研发的大规模语言模型，其最大版本参数量已经超过5400亿。PaLM的预训练数据集由7800亿token的高质量语料组成，涵盖了广泛的自然语言用例，其中包括了过滤后的网页、书籍、Wikipedia、新闻、源代码和社交媒体对话数据。

 PaLM2是在3.6万亿token的数据集上进行训练得到，参数量仅为3400亿，它共有四个版本，分别为Gecko、Otter、Bison和Unicorn。它擅长于高级推理任务，包括代码和数学、分类和问答、翻译和多语言熟练程度，以及自然语言生成，比上一代PaLM具有更加优越的性能。它之所以能够完成这些任务，是因为它的构建方式——将计算最优缩放、改进的数据集混合和模型架构改进结合在一起。

 PaLM 2在设计时也考虑到了隐私和数据安全，研发人员对其潜在危害和偏差、能力以及在研究和产品应用中的下游用途进行了严格评估。它能够加密数据并防止未经授权的访问，这使其成为敏感项目的理想选择，例如构建处理敏感用户信息的安全电子商务网站和平台。

 PaLM 2在大量网页、源代码和其他数据集上进行了预训练，因此它擅长Python和JavaScript等流行编程语言，但也能够用Prolog、Fortran和Verilog等语言生成专门的代码。

 PaLM 2可以将复杂的任务分解为更加简单的子任务，并且比以前的LLM(如PaLM)更善于理解人类语言的细微差别。例如，PaLM 2擅长理解谜语和习语，这通常需要理解单词的歧义和比喻意义，而不是字面意义。

PaLM模型的性能

PaLM2模型的四个版本

1.2 Google & DeepMind：LLM的奠基者，即将推出Gemini多模态模型

Gopher 是Google Deepmind在2021年12月份提出的，该模型共有6个版本，参数量从4400万到2800亿。 Gopher是在MassiveText数据集上训练得到，该数据集是一个多源大规模英语文本数据集，来源主要包括：网页、书籍、新闻和代码，总共包含23.5亿的文档，约等于10.5TB的文本。

 Gopher模型在多个TPU节点上进行训练，每个节点包含1024个TPUv3芯片，节点间采用数据并行和张量并行，由于TPUv3具有快速的跨芯片通信，因此数据和模型并行开销很低。在训练的过程中对梯度进行裁剪，防止梯度消失或者爆炸，保持训练稳定性。

 Gopher在152个任务上进行了评估，涉及数学、常识、逻辑推理、通用知识、科学理解、伦理和阅读理解，以及传统的语义建模基准等多个方面。

Gopher系列模型参数

Model	Layers	Number Heads	Key/Value Size	dmodel	Max LR	Batch Size
44M	8	16	32	512	6×10-4	0.25M
117M	12	12	64	768	6×10-4	0.25M
417M	12	12	128	1,536	2×10-4	0.25M
1.4B	24	16	128	2,048	2×10-4	0.25M
7.1B	32	32	128	4,096	1.2×10-4	2M
Gopher 280B	80	128	128	16,384	4×10-5	3M→6M

按类别划分的海量多任务语言理解(MMLU) 基准测试性能

1.2 Google & DeepMind：机器人模型RT-2—机器人多模态GPT时代已至

 RT-2 建立在视觉 - 语言模型（VLM）的基础上，又创造了一种新的概念：视觉 - 语言 - 动作（VLA）模型，它可以从网络和机器人数据中进行学习，并将这些知识转化为机器人可以控制的通用指令。

 7月28日，Google DeepMind宣布其通过以训练AI聊天机器人的方式训练一款机器人控制模型RT-2，相当于机器人版本的ChatGPT。Google DeepMind通过对该模型进行视觉识别和语言识别上的训练，教会了机器人更好的识别物品和理解人类用自然语言发出的命令。

 Google DeepMind团队通过直接训练开放词汇视觉问答和视觉对话设计，据Google DeepMind团队介绍，他们在互联网数据上训练了多达55B参数的模型，对6千个机器人进行评估，最后发现RT-2模型能够显著提高机器人场景和指令的泛化能力。

 从PaLM-E到以RT-2为代表机器人模型进化迭代，我们认为有望重塑机器人智能化产业链，改善产业格局，助力机器人在交互能力、规划控制能力、泛化能力、感知能力等多方面极大提升。

特斯拉FSD迭代发展史

Occupancy Network 占据网络示意图，FSD算法利用传感器数据进行环境感知

资料来源： Google DeepMind，华西证券研究所

1.3 Stable Diffusion：文本到图像的扩散模型

 Stable Diffusion 是一种革新的文本到图像的扩散模型，其可以根据任何给定的文本输入来生成逼真的图像。该技术培养了一个可以自主和自由产生令人惊叹的图像的环境，为数十亿人提供了一个能够在短短几秒钟内创造出令人叹为观止的艺术作品的平台。

 Stable Diffusion是由初创型AI公司Stability AI 创建，并于2022年发布，其本质上是一种深度生成人工神经网络，可以在大多数的GPU上快速运行，而与之可比的Midjourney和DALL.E模型只能在云端服务器访问。 Stable Diffusion 共发生过5次版本的更新迭代，目前最新的版本为2023年6月发布的SDXL 1.0。

Stable Diffusion目前提供的应用端入口有四个：

 Stable Diffusion WebUI：Stable Diffusion的浏览器界面，内嵌模型，可以根据文本提示生成图像或使用文本提示修改现有图像。webUI，非常直观，易于使用，具有多种绘画相关辅助功能。web UI是一个很好的方式来探索stable diffusion的可能性，使用者仅需使用鼠标进行选择和设置，并可以体验Stable Diffusion的强大功能。

 Prompt Generator：用于修改Stable Diffusion Prompt的辅助工具，可以用于优化客户构建的不恰当的Prompt，改进后的Prompt将会极大的改善Stable Diffusion生成图片的质量。Prompt Generator使用先进的算法来生成根据客户特定需求的Prompt，确保生成的图片满足客户的要求。

 ControlNet：为客户提供了一种改变Stable Diffusion的方式，客户可以通过设置相应的参数来改变Stable Diffusion。它改变了人们对Stable Diffusion的控制，重新书写了文本生成图像的规则。ControlNet的开创性在于它解决了空间一致性问题，通过引入一种方法，使Stable Diffusion模型能够使用额外的输入条件来告诉模型该做什么。

 Stable Diffusion XL App： Dreamer是一款使用Stable Diffusion XL的图片生成APP，用户通过这款APP可以使用Stable Diffusion XL模型来生成自己想要的图片。

1.4 Anthropic：Claude——ChatGPT-4平替，擅长安全可控

 Claude 是美国人工智能初创公司 Anthropic 开发的一款功能强大的 LLM，并得到了谷歌的支持，目前已经完成了版本更新。它由 OpenAI的前员工共同创立，其目标是打造乐于助人、诚实无害的人工智能助手。在多项基准测试中，Anthropic 的 Claude v1 和 Claude Instant 模型都表现出了很好的前景。事实上，在 MMLU 和 MT-Bench 测试中，Claude v1 的表现优于 PaLM 2。Claude使用了比其他LLMs更先进的架构，这使得它能够更有效地处理信息并做出更好的预测，此外，Claude v1的开发者更加强调LLMs的安全性。

 Claude v1能够无缝集成到网络搜索以及知识库上的私人搜索中，将用户问题触发的搜索结果合成为自然语言答案。

 Claude可以根据关键主题自动生成新文章，使用其先进的会话功能响应客户查询，并提供实时分析；

 Claude可以处理各种基本指令和逻辑场景，包括按需要格式化输出、遵循if-then语句，以及在单个提示符中进行一系列逻辑计算；

 Claude从其庞大的培训语料库中获得了广泛的知识，并具有详细的技术，科学和文化知识背景。 Claude会说各种通用语言，也会编程语言；

 Claude可以在对话中扮演各种各样的角色。提供有关角色的详细信息和常见问题的解答，并参与连续的对话问答中。

Claude是用户界面

1.5 Meta：Llama开源重塑大模型市场格局

 Llama是Meta AI开发的一个新的开源大型语言模型，目前仍在开发中。它被设计成一个多功能和强大的LLM，可用于各种任务，包括查询解析、自然语言理解和阅读理解。Llama是Meta专注于教育应用语言学习模型的成果，其有潜力成为教育科技平台理想的人工智能助手。

 目前Llama已经公开发布了两个版本，分别为Llama1和Llama2，其中每一个版本中根据参数量的不同又可以划分为几种不同的型号，其中最新的Llama2系列的模型参数分布从70亿到700亿。Llama2是在Llama1系列模型的基础上进一步训练得到的，Llama2使用的训练数据长度高于Llama1使用的训练数据。

Llama2系列模型的训练损失，即使token的数量达到了2T，模型仍然没有出现饱和的迹象

Llama2的训练过程（预训练、微调和基于人工反馈强化学习）

1.6 Falcon：免费商用的开源模型

 Falcon是由位于阿布扎比的技术创新研究所(Technology Innovation Institute)创建的一系列语言模型，并在Apache 2.0许可下发布。目前已经发布的Falcon模型有180B，40B，7.5B和1.3B四个不同参数的版本。

 Falcon模型高质量的关键因素是它们的训练数据，主要基于RefinedWeb——一个基于CommonCrawl的新型大规模网络数据集。研究者不再收集分散的精选资源，而是专注于扩展和提高web数据的质量，利用大规模的重复数据删除和严格的过滤来保证语料库的质量。

 Falcon模型的另一个有趣的特点是它们使用了多重查询的注意力机制，普通的多头注意力机制中每个头有一个查询、键和值；与之相反，在多重查询注意力机制中，在所有头中共享一个键和值。

Falcon 40B在推出时是全球排名第一的开源AI模型。Falcon拥有400亿个参数，并经过一万亿标记的训练。在其发布后的两个月内，Falcon 40B在Hugging Face的开源大型语言模型（LLMs）排行榜上排名第一。Falcon 40B完全免费提供权重文件，这一革命性举措有助于民主化AI，使其成为一项更具包容性的技术。

 Falcon 180B是一个超强大的语言模型，拥有1800亿个参数，经过3.5万亿标记的训练。它目前位于Hugging Face预训练开放式大型语言模型榜首，并可供研究和商业用途使用。该模型在各种任务中表现出色，如推理、编码、熟练度和知识测试，甚至胜过了竞争对手Meta的LLaMA 2

多重查询注意力机制

1.7 Cohere：英伟达、甲骨文联手投资的 AI 独角兽，擅长检索汇总

 Cohere是加拿大一家同名初创公司开发的大型语言模型。开源LLM在多样化和包容性的数据集上进行培训，使其成为处理多种语言和口音的专家。Cohere的模型是在一个庞大而且丰富的文本语料库上训练的，这使得它们在处理广泛的任务时更有效。由于商业性的原因，该模型并未公开更多的参数细节。段落总结功能

语义相似度测量功能

文本分类功能

段落总结功能

资料来源：华西证券研究所

 Titan是由Amazon推出的大语言模型，它可以运行在Amazon自身的云服务平台，帮助客户构建和扩展基于生成式人工智能的应用程序。Amazon Titan提供的Foundation Model（FM）是在大型数据集上经过预训练，客户可以直接使用，或根据自身的数据进行微调优化。它主要集成在Amazon提供的一项新服务Amazon Bedrock中，这项服务旨在让客户通过AWS方位一系列功能强大的FM。

Amazon Bedrock所支持的大模型

 Titan系列模型主要有两个代表，分别为Titan Text和Titan Embedding，其中Titan Text是一种生成式大型语言模型（LLM），用于诸如摘要、文本生成（例如创建博客文章）、分类、开放式问答和信息提取等任务；Titan Embedding 也是一种 LLM，它将文本输入（单词、短语或可能的大型文本单元）转换为包含文本语义含义的数字表示形式（称为嵌入）。虽然此 LLM 不生成文本，但它对个性化和搜索等应用程序很有用，因为通过比较嵌入，该模型可以产生比单词匹配更相关、更加贴合语境的回答响应。

 值得关注的是，Titan FM更加注重内容的质量和合规性，检测和删除数据中的伤害性内容，拒绝用户输入中的不当内容，并筛选包含不当内容（例如仇恨言论、亵渎和暴力）的模型输出。

Amazon Bedrock Choice of foundation models

amazon

AMAZON TITAN

Text summarization,

generation,classification,

open-ended Q&A,

information extraction,

embeddingsand search

ANTHROP\C

CLAUDE

LLMfor conversations,

question answering,and

workflowautomation

based on research into

training honestand

responsibleAl systems

stability.ai

STABLEDIFFUSION

Generation of
unique,high-quality
images,art,logos,
anddesigns

Al21labs

JURASSIC-2

Multilingual LLMs for

text generation in

Spanish,French,

German,Portuguese, Italian,and Dutch

1.9 Microsoft & NVIDIA：MT-NLG-同类模型中最大最强

 由Microsoft和Nvidia联合推出的基于transformer架构的语言模型：Megatron-Turing NLG 530B，其拥有5300亿参数，总共105层，是GPT-3参数的3倍，由4480块A100进行训练。它在预测、阅读理解、知识推理、自然语言推理和消除歧义方面有优越的性能。

MT-NLG的训练数据内容

资料来源：Nvidia官网、Life Architect官网、华西证券研究所

HANS数据集上的自然语言推理精度

LAMBADA数据集上性能

Model	LAMBADA (acc)
Model	Zero-shot	One-shot	Few-shot
GPT-3	76.20	72.50	86.40
Gopher	74.50	二	=
MT-NLG (ours)	76.56	73.06	87.15

 Chinchilla模型是对Gopher模型进行优化得到的计算效率更高的大语言模型。它重点解决的问题是如何在给定的FLOPs预算下，折中模型尺寸和训练tokens的数量，研究人员重新设定了预训练损失函数L(N,D)，将其定义为模型参数量N和训练tokens数量D的函数。

Chinchilla模型是在1.4万亿个tokens上训练得到，参数量为700亿。Chinchilla和Gopher在相同数量的FLOPs上训练，但是模型尺寸和训练的token数量不同。由于Gopher小4倍，Chinchilla的显存占用和推理代价也更小。

 Chinchilla也是在MassiveText 数据集上训练(与Gopher相同的数据集)，但是使用的子集分布存在差异，从而增加训练tokens的数量。在训练的过程中，使用改进后的SentencePiece tokenizer，其中未使用NFKC规范化。此外，在训练Chinchilla使用AdamW而不是Adam，其能够改善语言建模的loss以及经过微调后的下游任务表现。

模型参数细节

Model	Layers	Number Heads	Key/Value Size	dmodel	Max LR	Batch Size
Gopher280B	80	128	128	16,384	4×10-5	3M→6M
Chinchilla70B	80	64	128	8,192	1×10-4	1.5M→3M

测试任务种类和说明

多任务语言理解(MMLU) 基准测试性能

	#Tasks	Examples
Language Modelling	20	WikiText-103,The Pile:PG-19,arXiv, FreeLaw,...
Reading Comprehension		RACE-m,RACE-h,AM
Question Answering	335	Natural Questions, TriviaQA, TruthfulQA
Common Sense		HellaSwag,Winogrande,PIQA,SIQA,BoolQ
MMLU	57	High School Chemistry, Astronomy, Clinical Knowledge,...
BIG-bench	62	Causal Judgement, Epistemic Reasoning,Temporal Sequences,...

Random Average humanrater GPT-35-shot Gopher5-shot Chinchilla5-shot	25.0% 34.5% 43.9% 60.0% 67.6%
Averagehumanexpertperformance June 2022 Forecast	89.8% 57.1%
June 2023 Forecast	63.4%

1.11 BLOOM：首个开源开放的超过100B的语言模型

 BLOOM是一个拥有1760亿参数的可以公开获取的语言模型，该模型由数百位研究人员共同开发完成，BLOOM是在一个称为ROOTS的语料上训练的，其是一个由498个Hugging Face数据集组成的语料，共计1.61TB的文本，包含46种自然语言和13种编程语言。训练BLOOM的计算资源是由来自于法国公共拨款的GENCI和IDRIS，利用了IDRIS的Jean Zay超级计算机。

 BLOOM使用Megatron-DeepSpeed训练，一个用于大规模分布式训练的框架。其由两部分组成：Megatron-LM提供Transformer实现、张量并行和数据加载，而DeepSpeed提供ZeRO优化器、模型流水线、通过分布式训练组件。该训练框架实现了数据并行(Dataparallelism)、张量并行(Tensor parallelism)和流水线并行(Pipeline parallelism)结合的DP+TPS+PP的3D并行训练。

3D并行实现高速训练（DP+TP+PP）
BLOOM模型架构

资料来源：Hugging Face官网、arxiv、华西证券研究所

1.12 OPT：完整开源的 GPT-3 复刻版

 OPT是由Meta AI 开发的一整套基于 Transformer Decoder 的大语言模型，其是对GPT-3 -175B 的模型进行了完整的复刻。OPT 拥有多个版本，其参数分布从1.25亿到1750亿，达到 GPT-3 量级，并且对所有的实验代码做了完整的开源。OPT-175B 的性能做到了和 GPT-3相当，它使用了992块80G的A100 GPU进行训练，但训练中的碳排放量仅为GPT-3的1/7。

 OPT 在16个数据集上做了评测：HellaSwag, StoryCloze, PIQA, ARC Easy and Challenge, OpenBookQA , WinoGrad, WinoGrande ,以及 SuperGLUE。总体而言，OPT 的平均性能遵循 GPT-3 的趋势。

OPT性能与GPT-3相当

资料来源：华西证券研究所

1.13 GLM-130B：公开的双语预训练语言模型

GLM-130B是一个具有1300亿参数的双语双向稠密模型，其在 96 个NVIDIA DGX-100(8*40G)节点的集群上用400B的token进行了预训练，训练从2022年5月6日至2022年7月3日。相比于使用GPT风格的架构，GLM-130B 采用 General LanguageModel(GLM)算法来利用双向注意力优势和自回归空白填充目标函数。

 GLM-130B的主要目标是在不减低效率和有效性的情况下，降低访问100B规模LLM的硬件需求。GLM-130B可以在单 A100(40G*8)机器上运行，而不是像OPT-175B和BLOOM-176B那样需要运行在高端A100(80G*8)机器上。相比于Huggingface中Pytorch实现的BLOOM-176B，GLM-130B在相同的单A100服务器上解码推理快7-8.4倍。

GLM-130B模型性能

GLM与其他的千亿参数模型之间的的比较

Model	Open- sourced	Architecture
Model	Open- sourced	Major Lang.	Back- bone	Training Objective	Layer- Norm	PE	FFN
GPT-3 175B OPT-175B	x>x	English	GPT	SSL only	Pre-LN	APE APE	FFN FFN
PaLM-540B		English	GPT	SSL only	Pre-LN	RoPE	SwiGLU
BLOOM-176B		Multi- lingual	GPT	SSL only	Pre-LN	ALiBi	FFN
GLM-130B		Bilingual (English & Chinese)	GLM	SSL&MIP	Deep- Norm	RoPE	GeGLU
Effect	An open LLMfor everyone	Less Bias & Toxicity: StereoSet:+12.7% CSP(↓): -1.4% RTP(L): -3.0%	Perf. Improvements: BIG-bench-lite: +5.2% LAMBADA: +2.3% CLUE: +24.3%		Deep- Norm improves	RoPE works better	GeGLU performs better

1.14 模型性能比较：GPT-4独占鳌头

 我们对一些广泛使用的模型的性能进行了分析，主要依据模型大规模多任务语言理解任务(Massive Multitask Language Understanding，MMLU)上的表现进行了排序。同时参考了模型在MT-bench测试中的得分，用于评估模型行在多轮对话中的会话流程和遵循指令的能力。在两项测试中，GPT-4均领先于其他模型，处在LLM领域的绝对领先地位。

MT-bench测试得分情况

资料来源：Hugging Face、华西证券研究所

02 应用端产品落地进程加速

大语言模型蓬勃发展，应用端落地进程加速

公司名称	收入体现	应用案例	行业赛道	公司名称	收入体现	应用案例	行业赛道
Open AI	v	√	人工智能	多邻国			教育
Anthropic	√	，	人工智能	Google（ BARD）		<	聊天机器人
IBM	<	?	咨询服务	Character.AI		√	聊天机器人
Notion	√	<	办公软件	Stability AI		<	图像生成
Microsoft	?	<	办公软件	Lightricks		<	图像生成
Midjourney	√	←	图像生成	Adobe			办公软件
AssemblyAI	√	<	语音识别	Menten.AI		<	生物制药
Synthesia	v	<	视频生成	Hugging Face		√	资源平台
Elai		√	视频生成	AI4Finance			金融服务
BloombergGPT			金融	Insilico Medicine			基因诊断药物研发
Jasper	?	?	营销策划	Musico			音乐生成
CALA	~	?	时尚设计	Harvey AI			法律服务
Snap Inc.	√	<	社交软件	ABB			工业制造
Inflection AI		√	人工智能	Siemens			工业制造

资料来源：华西证券研究所整理

2.1 应用端产品从导入期迈向成长期，为企业带来新的收入增长点

2.1.1 应用端产品从导入期迈向成长期，为企业带来新的收入增长点

ChatGPT：Open AI作为人工智能行业的领军企业，不仅推出了ChatGPT付费版服务，同时还提供模型训练、模型微调、图像生成模型、语音识别模型等多种付费服务，为客户企业带来丰富LLM技术支持，为自身带来持续的营业收入。

 Claude：Anthropic公司的Claude系列模型，使用者通过付费的方式进行方位，同时Anthropic与亚马逊建立深度合作，加快新产品的开发进程。

 Watsonx：IBM的人工智能平台watsonx，可以为客户提供模型训练和数据库等相关服务，从IBM第二季财报看出，人工智能业务为其带来了新一轮的业绩增长。

Notion：将生成式人工智能引入到业务中，为其带来了业绩增长，据Getlatka统计，Notion在2022年的收入为4350万美元，相比于2021年增长了36%，据Simple,inc估计，2023年的收入为6720万美元。

Copilot365：微软发布的Copilot365助手将在今年11月正式开始订阅服务，麦格里估计，微软Office 365产品约有3.82亿企业用户。按照报告预测的最差情景，如果其中2.5%决定支付30美元升级至CoPilot 365，微软的年收入就将额外增加34亿美元。如果十分之一企业用户选择升级，微软的年收入就将额外增长137.5亿美元。按照麦格里预测的最佳情景，如果20%的Office 365用户支付30美元升级，微软的年收入就将增加275亿美元。

 Midjourney ：2022 年 8 月份，创始人 Holz 就声称 Midjourney 已经实现盈利。据36氪预测Midjourney 的营业收入已经超过1亿美元。

 AssemblyAI：致力于开发和提供用于语音和语言处理的 AI 工具，凭借其产品的优秀性能，目前已经开始提供付费服务。

 Synthesia和Elai.io：两家企业深耕AI生成视频领域，拥有丰富的客户资源，相关服务已经为企业带来了营业收入。

 BloomBergGPT：是BloomBerg开发的用于金融资讯行业的生成式AI模型，为BloomBerg带来新的业务收入。

 Jasper AI：专注于生成式文案用于营销业务，CALA利用LLM技术为潮流设计赋能，两者觉通过LLM技术为企业带来营业收入的增长。

 Snapchat ：Snapchat的订阅客户，可以享受由ChatGPT作为后台技术支撑的专属聊天机器人服务。

2.1.2 模型端： Open AI： LLM强大应用能力正在被逐步开发

OpenAI（Open Artificial Intelligence）是一个人工智能研究和开发组织，成立于2015年，总部位于美国加利福尼亚州旧金山。OpenAI的使命是推动人工智能技术的发展，使其对全球的影响能够造福于人类社会。

 研究和开发：OpenAI致力于开展前沿的人工智能研究，并开发出一些最先进的AI技术。该组织在自然语言处理、机器学习、深度学习等领域进行了重要的研究，并发布了一系列开源工具和模型，以推动AI领域的进步。

 GPT模型：OpenAI开发了一系列广受欢迎的自然语言处理模型，其中包括GPT（Generative Pre-trained Transformer）系列模型，如GPT-3、GPT-3.5和GPT-4。这些模型以其出色的自然语言生成和理解能力而闻名，被广泛用于各种应用领域，包括文本生成、对话生成、翻译和问答系统等。目前已经有80%世界500强的公司在工作中使用ChatGPT。

 伦理和安全：OpenAI关注人工智能的伦理和安全问题，并制定了一些指导原则，以确保AI技术的安全、负责和道德使用。他们强调人工智能系统的透明性和可解释性，以及防止恶意滥用的重要性。

 商业化：OpenAI旨在通过商业化的方式获得资金，以支持其研究和开发活动。它还提供了一些商业化的API和服务，使开发者能够利用其模型和技术构建各种应用程序。

目前已经使用Open AI所创建的ChatGPT产品的公司

Age of Learning	AMGEN	asana	BAIN&COMPANY	Broadridge	Canwa	CARLYLE
descript	Khan Academy	血 pwc	Quizlet	ramp/	RI	Robinhood

资料来源：Open AI官网、华西证券研究所

2.1.2模型端： OpenAI：LLM强大应用能力正在被逐步开发

基于OpenAI公司GPT模型开发的应用样例

Extract	Airport code extractor（从文档中提取航班号码）	VR fitness idea generator（将VR和健身结合起来）
Summarize for a 2nd grader（将文本简化到适合二年级学生）	Calculate time complexity（求函数的时间复杂度）	Single page website creator（创建一个单页网站）
Explain Code（解释一段复杂的代码）	Translation（翻译自然语言文本）	Emoji chatbot（只使用表情符号生成会话回复）
Tweet clssifier（检测twitter中的情绪）	Improve code efficiency（提供改进Python效率的建议）	Natural language to SQL（将自然语言转换为SQL查询）
Meeting notes summarize（总结会议记录）	Emoji Translation（将常规文本翻译成表情符号文本）	Lesson plan writer（为特定的主题制定一个课程计划）
Parse unstructured data（从非结构化文本创建表）	Turn by turn directions（将自然语言转换为转弯方向）	Spreadsheet creator（创建各种数据的电子表格）
Keywords（从一段文字中提取关键词）	Memo writer（根据提供的要点生成公司备忘录）	Marv the sarcastic chat bot（聊天机器人）
Mood to color（将文本描述转换为颜色）	Python bug fixer（代码自动修复）	Function from specification（根据需求建Python函数）
Review classifier（根据标签对用户评论进行分类）	Generate	Rap battle writer（生成两个角色之间的说唱大战）
Transform	Product name generator（从描述和种子词生成产品名）	Socratic tutor（以苏格拉底式导师的身份生成回应）
Grammar correction（将不符合语法的语句转换成标准英语）	Interview questions（生成面试问题）	Pro and con discusser（分析一个给定话题的利弊）

2.1.2模型端： OpenAI：LLM强大应用能力正在被逐步开发

Whisper是一个通用的语音识别模型。它是在不同音频的大型数据集上训练的，也是一个多任务模型，可以执行多语言语音识别以及语音翻译和语言识别。Whisperv2模型目前可通过OpenAI提供的API进行访问。

Whisper是一个鲁棒性强的语音处理系统，它可以可靠地工作，而不需要对数据集进行特定的微调，从而在特定的分布上获得高质量的结果。

Whisper 模型的预训练已共计使用了680,000小时的多语种和多任务下的数据集，所得到的模型可以很好地迁移到标准数据集上使用。

 实验结果表明Whisper在不需要微调模型参数的情况下，可以达到与完全监督条件下相同的性能。

Whisper模型的整体架构（多语言语音识别、语音翻译、口语识别和语音活动检测）

Model	Input	Output
8K context	$0.03 /1K tokens	$0.06 /1K tokens
32K context	$0.06 /1K tokens	$0.12 /1K tokens
GPT3.5Turbo模型收费标准
Model	Input	Output
4K context	$0.0015 /1K tokens	$0.002 /1K tokens
16K context	$0.003 /1K tokens	$0.004 / 1K tokens

Fine-tuning模型收费标准
Model	Training Input usage	Output usage
babbage-002	$0.0004 /1K tokens $0.0016 /1K tokens	$0.0016 /1K tokens
davinci-002	$0.0060 /1K tokens $0.0120 / 1K tokens	$0.0120 /1K tokens
GPT-3.5 Turbo	$0.0080 /1K tokens	$0.0120 /1K tokens $0.0160 /1K tokens

 Open AI不仅提供GPT模型的服务，同时还提供Fine-tuning models、Embeding models、Base models、Image models和Audiomodels的付费性服务，为企业带来收入。

GPT4模型收费标准

资料来源：Open AI官网、华西证券研究所

Embedding模型收费标准

Model Usage

Ada v2 $0.0001/1K tokens

Base模型收费标准

Model Usage

babbage-002 $0.0004/1K tokens

davinci-002 $0.0020 /1K tokens

Image模型收费标准

Resolution Price

1024×1024 $0.020 /image

512×512 $0.018 /image

256×256 $0.016 / image

Audio模型收费标准

Model Usage

Whisper $0.006 / minute (rounded to the nearest second)

2.1.2模型端： Anthropic：与亚马逊深度合作，加快企业发展速度

 Anthropic目前提供的成熟产品有两个，分别是Claude 2 和Claude Instant，其中Claude Instant是一个更快、更便宜但仍然非常有能力的模型，可以处理各种任务，包括非正式对话、文本分析、摘要和文档理解，两款产品的定价存在一定差异。

 根据2023年9月25日Anthropic官网发布消息，亚马逊将向Anthropic投资40亿美元。该项投资是为了开展更广泛的合作，共同开发行业内最可靠和性能最高的基础模型的一部分。 Anthropic的前沿安全研究和产品，以及亚马逊网络服务（AWS）在运行安全可靠基础设施方面的专业知识，将使Anthropic的安全可操控AI广泛地为AWS客户提供。AWS将成为Anthropic的主要云服务提供商，用于关键任务工作负载，为Anthropic的团队提供AWS Trainium和Inferentia芯片等领先的计算基础设施，这将与现有的模型训练和部署解决方案一起使用。Anthropic和亚马逊将共同结合各自的专业知识，合作开发未来的Trainium和Inferentia技术。

Claude产品介绍

Claude

Our most powerful model, which excels at a wide range of tasks from sophisticated dialogue and creative content generation to detailed instruction.

Good for:

Complex reasoning

· Creativity

· Thoughtful dialogue

· Coding

· Detailed content creation

Claude系列产品收费标准

Model Pricing

Model family	Bestfor	Contextwindow	Standard Pricing
Claude Instant	Lowlatency,high throughput use cases	100,000 tokens	Prompt $1.63/million tokens	Completion $5.51/million tokens
Claude2	Superiorperformance on tasks that require complex reasoning Claude2 isAnthropic's best-in-class offering	100,000 tokens	Prompt $11.02/million tokens	Completion $32.68/million tokens

*Claude1isstillaccessibleandofferedatthesamepriceas Claude2.

2.1.3 AI+开发： IBM下一代AI与数据开发平台：Watsonx

 IBM公司开发的Watsonx是一个AI开发和数据平台，其拥有一系列的AI开发辅助工具，可以帮助企业快速高效地开发又有助于企业运营的AI应用。Watsonx主要包括三部分：Watson.ai、Watson.data和Watson.governance。

目前已经有不同行业的多家公司选择与IBM公司展开合作，成为了IBM的客户。

官网中呈现的IBM的客户

2.1.3 AI+开发： Watson.ai：覆盖AI产品全生命周期的AI开发助手

通过将生成式人工智能 (由foundation models提供支持)与传统机器学习进行整合，为企业开发应用提供支持，服务跨越AI产品生命周期。使用watsonx.ai，企业可以利用提供的基础模型和机器学习功能，轻松地训练，验证，调整和部署适用于自身业务的 AI模型，并在短时间内使用有限数据构建企业自身的AI应用程序。目前该部分主要拥有两个模块：Prompt Lab和MLOps。

Prompt Lab模块界面

三1BMwatsonx QSearch yourworkspaces				Upgrade △	IBMaccount		dallas v KB
Projects/Kate'sandbox/
Prompt Lab New(unsaved)						New prompt+	Save work
1 Sample prompts Structured <						Model fan-ul2（20b）
H	Summarization	Setup	Freeform
0	Earnings callsummary G Summanzenancii highlights	Instruction ptional）①
	on an earnings call. Meetingtranscriptsummary Summarize thediscussionfrom	Writeashortsummaryfor themeetingtranscripts.
	ameetingtranscript.	Examples（optional）①
	Classification Scenarioclassification	Transcript		Summary
	Clssity scenario based on project categories.		00:00[John]IwantedtoshareanupdateonprojectXtoday 00:15[John]Project Xwilbecompletedthiseek 00:35ane]IeardfromcustomerYtodayandeyg		John shared an update that projectX willbecompleted this weekandwillbepurchasedbycustomersYandZ.
P,g	Sentiment classification Cessifyreviewsaspositive ornogativo.		00:00[Jane]Thegoaltodayis toagreeonadesignsolution. 00:12[John]Ithink we should consider choice1.		JaeJohnandJedecidedtogowithoice2fothedesign
Generation □	Marketingemail generation	Add example+	00:40[Joe]hoice2astheadvantagethatitwitakeles		solution because it willtake less time.
	campaign.	Generateemailformarketing Thank younote generation					应
	8	Genratethankyounotefor workshop attendees. Test your prompt ①	Try

官网介绍目前已经嵌入的foundation models

模型名称	模型大小	模型来源
flan-t5-xxl-11b	11B	Hugging Face
flan-ul2-20b	20B	Hugging Face
gpt-neox-20b	20B	Hugging Face
mpt-7b-instruct2	7B	Hugging Face
mt0-xxl-13b	13B	Hugging Face
starcoder-15.5b	15.5B	Hugging Face

2.1.3 AI+开发： Watson.data：开放的、混合的、安全的数据存储

 Watsonx.data帮助客户实现跨云和本地环境访问所有数据。它可以让用户连接到数据，并在几分钟内开始使用内置的治理、安全和自动优化等功能。利用多个查询引擎来运行分析和人工智能工作负载，将数据仓库成本降低高达50%。作为一个针对所有数据和人工智能工作负载进行优化的开放、混合和受治理的数据存储，将人工智能与Watsonx.data一起使用，将会极大地优化AI应用的开发进程。

特殊的查询引擎降低计算和存储成本

唯一针对全数据和AI工作负载进行优化的lakehouse结构

资料来源： IBM官网

2.1.3 AI+开发： Watson.goverance：打开黑箱，加强治理

 Watson.goverance可以帮助企业直接管理和监督企业中正在使用的AI应用，并使用自动化程序帮助客户降低经营风险，增强企业满足监管要求和遵守道德要求的能力。随着人工智能的逐渐进入到企业的生产与经营活动中，相关的治理与监督也需要随之发展，相关决策的制定是否符合道德要求，相关责任的划分是否合理等方面均需要重新考虑。

实施AI治理

 在整个AI生命周期中监视和管理模型。通过主动识别偏差、漂移和模型再训练的需要来提高预测准确性；

 通过减少模型部署时间和提高模型的可扩展性和准确性来减少工作量；

 支持在第三方工具中跨多个部署构建模型；

 使用动态仪表板的，增强协作程度，提高利益相关者对模型的了解程度。

管理风险和声誉

 为模型验证者和审批者提供准确的、实时的模型运行状态信息视图；

 使用假设分析来帮助识别和解释回归、分类和可视化的最佳结果，并设置风险阈值；

 主动检测和减轻偏差和漂移;通过模型再训练或重建来适应行为模式和概况的变化。

 启用负责任的、可解释的、高质量的AI模型，并自动记录模型运行的全过程和元数据。监测公平性、偏差和漂移，以检测模型再训练的需要。

支持合规性检查

 将外部人工智能法规转化为可执行的自动执行政策。管理和监控新的，现有的人工智能和行业特定的法规要求，并使用事实表功能记录模型事实；

 访问自动化、可扩展的治理、风险和合规(GRC)工具，以改进IT管理、减轻安全风险并降低合规成本；

 将内部GRC政策和实践与外部法规联系起来。注入人工智能的GRC解决方案可以提高风险和合规团队的敏捷性、透明度和整体绩效。

IBM对实施项目的监控样例

2.1.3 AI+开发：：AI为IBM带来新的一轮增长

 IBM在2023年第二季度财务报告中强调了该公司混合云和人工智能战略的成功执行，IBM报告了软件和咨询的增长、稳定而现金流以及生产力为中心的项目客户优先顺序。IBM正在投资目标增长市场，积极拓展合作伙伴关系并引入新的创新，公司对未来的年收入和现金流量持有乐观态度。

 IBM对混合云和人工智能的关注正在推动业务创新，其计划收购Apptio以增强自身实力，并且在2023年推出的watsonx人工智能和数据平台也得到了客户的认可，在2023年第二季度实现了155亿美元的收入，税前营业利润24亿美元，每股营业利润2.18美元，并且预计全年的营业收入将持续增长3%到5%。

 IBM 对人工智能通过咨询服务和软件服务带来的营业收入保持乐观态度，他们对自己的软件和咨询业务感到满意。他们提高了今年的利润期望值，并为未来三年制定了 200 亿美元的并购预算。IBM 对自己在人工智能市场的地位以及满足客戶需求的能力充满信心，IBM对下半年的企业发展保持乐观态度，并着重强调了执行力的重要性。

 据51CTO网报道IBM的咨询业务在第二季度创造了50亿美元的收入，占总销售额的近三分之一。从IBM第二季的财报解读可以看出，IBM的业务转型增长了5%，主要受到数据和技术转型的推动，包括人工智能和分析项目。数字化转型继续以客户采用混合云战略为支撑。技术咨询增长了5%，应用运营增长了8%，由此看出IBM的咨询业务在开发、现代化和管理领域云应用服务上的强劲表现。2023年，IBM成立了一个名为“生成式AI卓越中心”的新部门来扩大业务，该部门有1000多名具有生成式AI专业知识的顾问。

 在第二季度财报中，IBM的数据与人工智能收入增长11%，广泛的增长包括数据管理和财务分析等领域，满足了企业对数据可视化、分析和洞察的需求，并可以作为人工智能工作负载的基础。

2.1.4 AI+办公： Notion AI：Work faster. Write better. Think bigger.

Notion AI 是 Notion 在2023年2月推出的一项功能，它内置于 Notion 中，不能单独使用。Notion AI 利用大规模的语言模型和数据收集，能帮助用户自动整理笔记、改正错别字、列出文章重点、翻译、制作表格等。使用 Notion 搭配Notion AI 来整理、制作学习笔记可以提高准确性和易读性；通过 Notion AI 可以快速地生成例如讨论大纲、会议行程，甚至是报告的内容。

Notion AI集成在Notion本身的笔记和文档功能中，使用者可以直接在记录笔记或者编辑文档的时候使用相应的AI辅助功能，无需在记录笔记和单独的AI工具之间进行转换，提高了效率。与其他工具相比，Notion具有独特且高度灵活的拖放式文本编辑器，任何ai生成的内容都可以轻松地重新排列和转换。

Notion AI根据客户规模的不同，提供适用于与大中型企业、小微型企业和个人的产品。

大公司使用Notion 助力企业发展案例

Notion AI 的客户：超过50%的世界500强客户都在使用

资料来源：Notion AI官网、华西证券研究所

2.1.4 AI+办公： Work faster. Write better. Think bigger.

据Simple.ink中的一篇博客报道：

总用户：Notion目前拥有超过3000万用户。

 付费客户总数：Notion目前拥有约400万付费客户。

 估值：Notion的估值为100亿美元。

收入：据Getlatka统计，Notion在2022年的收入为4350万美元，相比于2021年增长了36%，据Simple,inc估计，2023年的收入为6720万美元。

 团队规模：目前Notion有100-350名员工。

 具有影响力的使用者数量：Notion有大约90名具有影响力的使用者，他们在社交媒体上至少有1万名粉丝。;

融资：Notion的融资规模为3.4-3.5亿美元。

用户年龄：Notion的用户主要是青少年，年龄分布在17-35岁之间。

截至2023年9月21日，累计下载超过1千万次

相比于其他的AI产品，Notion AI的产品价格较低


Features	++ Notion Al	Grammarly Premium	ChatGPT Plus	Jasper
Monthly price (1 person)	$10	$12+	$20	$49+
Improve your writing		√
Write your first draft √ Access across allyour notes, docs & projects

Easy drag & drop text editor

资料来源：Simple.inc、Google Play官网、华西证券研究所

2.1.4 AI+办公： Microsoft 365 Copilot：AI助力办公

Microsoft 365 Copilot是Microsoft公司开发的一款人工智能助手，它将大型语言模型(LLM)的强大功能与Microsoft Graph中的数据和Microsoft 365应用程序相结合，可以帮助客户在在MicrosoftOffice提升工作效率。

Create content with Copilot

draftaproposal fromyesterday'smeting notesl

Microsoft 365 Copilot改变工作的三种方式：

 尽情释放创造力：使用Word中的Copilot，使用者可以快速启动创作过程，无需从零开始，Copilot提供一个初稿，使用者可以直接在其基础上进行修改，节省大量的创作时间。尽管Copilot有时候可能会出现错误，但是大多数情况下它都会给出有用的帮助。作为使用者，只需要把握整体的写作思路，推动文档朝着目标方向进行创作，使用Copilot去润色、改写和扩充；PowerPoint中的Copilot可以帮助使用者通过一个简单的提示创建漂亮的演示文稿，并自动添加上周或去年制作的文档中的相关内容；使用Excel中的Copilot，可以在几秒钟内分析趋势并创建专业的数据可视化。

 解锁的生产力：Copilot减轻了工作负荷。从总结冗长的邮件线索到快速起草建议回复，Outlook中的Copilot可以帮助使用者在几分钟内清理收件箱，而不是几小时。Teams中的Copilot让每一次会议都成为一次高效的会议。它可以总结关键的讨论要点——包括谁说了什么，人们在哪里一致，在哪里不一致——并建议行动项目，所有这些都在会议期间实时进行。使用Power Platform中的Copilot，任何人都可以自动执行重复性任务，创建聊天机器人，并在几分钟内将想法变为实际应用。

 提升office技能： Copilot让使用者在其擅长的方面做得更好，快速掌握其尚未学习的东西。一般人只使用少数几个命令，比如“动画幻灯片”或“插入表格”，而微软365提供了数千个命令。在Copilot的辅助下，所有这些丰富的功能都只需要使用自然语言就可以解锁。

2.1.4 AI+办公： Microsoft Copilot：office用户付费订阅将会带来丰厚回报

 根据财富中国网，据麦格里股票研究公司（MacquarieEquity Research）在7月18日发布的报告显示，微软新发布的人工智能办公工具，在第一年将为公司创造约140亿美元收入。该预估假设微软10%的现有企业用户使用该产品，这笔收入将立即收回微软在ChatGPT开发者OpenAI的巨额投资。麦格里的分析师萨拉·欣德里安-鲍勒在投资者报告中指出OfficeCoPilot是微软将其对OpenAI的100亿美元投资货币化的首次合理尝试；Office 365是微软的拳头产品，也是商界不可或缺的关键任务软件。

根据麦格里估计，微软Office 365产品约有3.82亿企业用户。按照报告预测的最差情景，如果其中2.5%决定支付30美元升级至CoPilot 365，微软的年收入就将额外增加34亿美元。如果十分之一企业用户选择升级，微软的年收入就将额外增长137.5亿美元。按照麦格里预测的最佳情景，如果20%的Office 365用户支付30美元升级，微软的年收入就将增加275亿美元。

 Microsoft的365 Copilot AI助手将从11月1日开始提供给某些商业和企业计划的Microsoft 365客户使用，每个用户每月访问该功能需要支付30美元的高级费用，这几乎将某些低端计划的订阅总价格翻了一番。

Copilot 运行机制

2.1.5 AI+图像/视频： Midjourney：从文本到图像的AI生成器

 Midjourney是一个生成式人工智能程序，由位于旧金山的独立研究实验室Midjourney, Inc.创建和运营。Midjourney可以根据自然语言描述生成图像，类似于OpenAI的DALL-E和Stability AI的Stable Diffusion，目前已经拥有超1500的用户。

 Midjourney, Inc.由David Holz (Leap Motion的前联合创始人)在加州旧金山创立。Midjourney图像生成平台于2022年7月12日首次进入公测，目前支持的功能有根据文本生成图像、对图像进行艺术创造和图像替换，目前采取 SaaS 订阅制模式，价格为 10 \~120 美元/月。

 Midjourney一直致力于改进算法，每隔几个月就会发布新的模型版本。算法的首次发布在2022年的2月，时隔两个月便发布了改进后的第二版，而更新后的第三版于7月25日发布。2022年11月5日，版本4的alpha迭代发布给用户，2023年3月15日，版本5的alpha迭代发布，5月3日发布5.1版本比上一代模型更具特色，对图像应用了更多自己的风格，而5.1RAW版本在使用更多文字提示的同时进行了改进。最新版本5.2在2023年6月22日发布，其生成的图像质量被显著提升。

订阅Midjourney的价格（国外、国内）

在线用户超千万

2.1.5 AI+图像/视频： Midjourney：从文本到图像的AI生成器

 Midjourney 用户数量飞速增长，并具有很强的盈利能力。据36氪，Midjourney 创始人坚持AI 不是现实世界的复刻，而是人类想象力的延伸，塑造了充满科幻色彩的产品定位。因最早开放公众测试，能通过简单的 prompt 生成独具艺术感的图片而收获大量用户。2022 年 8月份，创始人 Holz 就声称 Midjourney 已经实现盈利。A16Z 也在《Who Owns the Generative AI Platform?》文章中提到Midjourney 年收入已超过 1 亿美元。

 36氪在2023年2月22日对Midjourney进行了盈利水平的预测：

 假设 Discord server 用户(约1081 万) 的 5% 是付费会员，共 54.05 万人。若付费用户的 70% (约 37.84 万)订阅每月 10 美元的基本计划，25% (约 13.51 万)订阅每月 30 美元的标准计划，5% (约 2.7 万) 是每月支付 60 美元左右的公司用户。Midjourney 目前的收入能达到每月约 945.9 万美元，年收入 1.14 亿美元。

 目前来看，Midjourney 的毛利率约为 80%。Midjourney 搭建在 Discord 上，Discord 会收取约 10% 的手续费。虽不清楚 Midjourney的模型训练成本，但 Stable Diffusion 的训练共使用了 256 张 Nvidia A100，耗时 15 万小时，成本为 60 万美元。每次生成图像的推理在云端的 GPU 上完成，生成一张图片的成本约 0.5 美分一张，且未来成本会不断压缩。相对于订阅收入，生成图片的成本可以逐渐忽略不计。

 36氪对未来Midjourney发展的预测：

 Midjourney将目前的图库功能做到极致：目前Midjourney 替代了 Google Images、Shutterstock、Getty Images、Pinterest、Unsplash 等传统图库平台，成为新的“视觉搜索引擎”。Pinterest 拥有超 4.5 亿月活用户，若其中的 1% 能成为 Midjourney 的付费用户，则能达到约10亿美元的营收；乐观来看，若 5% 能成为付费用户，则能达到约47亿美元的营收。

 Midjourney 不再局限于 Discord ，并且作为插件接入其他设计产品，仍扮演图库功能。

 Midjourney 自己开发了端到端的产品，和设计工作流紧密结合，进一步提高客单价。

 未来多模态模型的发布改变目前的单点产品现状，Midjourney 作为功能单一的上层应用，被技术的快速进步所颠覆。

2.1.5 AI+图像/视频： Synthesia：AI让视频创作更加简单

Synthesia是一个合成媒体生成平台，用于创建人工智能生成的视频内容，由来自伦敦大学学院、斯坦福大学、慕尼黑工业大学和剑桥大学的人工智能研究人员和企业家团队于2017年创立。其使命是使每个人都能自由地制作视频内容。用户通过平台预生成的AI虚拟人或通过使用平台的AI生成工具创建自己的数字孪生虚拟人来创建内容使用。

 Syntheia在2019年筹集了310万美元的种子资金。2021年4月，该公司在A轮融资中筹集了1250万美元，同年12月，它在由凯鹏华盈和GV领投的B轮融资中获得5000万美元。作为2023年6月C轮融资的一部分， Syntheia从美国基金Accel和英伟达(Nvidia)等公司那里又筹集了9000万美元，使该公司的总估值达到10亿美元(从而使其成为独角兽)。

Synthesia的优势：

提供150多个种族的虚拟人待使用者选择；

包含120多种语言、方言和发音方式；

提供65种以上精美的视频创作模板；

提供丰富的图片、视频等资源；

只需提供文本，变更可以快速转为语音；

可以创建客户自己的数字孪生虚拟人；

可以为视频中的虚拟人添加动作和姿势；

可以将自己的声音克隆给虚拟数字人；

对视频进行审核，确保视频的合法合规性；

提供高质量的视频输出，并可设置水印；

可以为视频自动添加相应的字幕。

Synthesia AI 视频生成

2.1.5 AI+图像/视频： Synthesia：客户资源丰富，营收高速增长

 Synthesia将自己定位为AI视频生成平台，并且其AI能力得到了极大的增强。据元宇宙咨询，官方定义其使命为让每个人都能轻松制作视频内容，利用AI彻底改变内容创作的过程，释放人类创造力的潜能。然而，在客户定位方面，Synthesia似乎一直未改变，仍然主打企业级市场。这与我昨天介绍的大型企业级AI领域的趋势非常相似。根据Synthesia公布的数据，现在已有超过5万家企业客户在使用其产品，其中包括Amazon、强生、埃森哲、蒂芙尼、洲际酒店集团、穆迪以及PWC等大型企业。35%的财富100强企业与Synthesia合作，主要应用领域集中在产品营销、客户支持和客户成功等领域，这些公司通常需要将文本转化为视频。尽管具体的收入数据尚未公布，但Synthesia表示其营收一直保持在三位数的增长，并且用户数量同比增长了456%，目前已经有超过50000名客户，已经制作了超过1200万个视频。

Synthesia为客户提供低价格高质量的视频生成服务

Cost savings $5,000	Engagement increase +30%	Time savings
Teleperformance saves$5,000	BSH experienced over 30%	-50% With Synthesia,Cyber Inc.was
per video using Synthesia over traditional methods.	increase in engagement with videos created using Synthesia.	able to cut their video creation
		time in half. Readcase study→
Teleperformance Read case study→	B/S/H/ Read case study→
		ot

Synthesia拥有丰富的客户资源

The #1 AI video creation platform built for enterprise marketing teams.

Synthesia受到行业中的领军企业的青睐

Trusted byleading companies:

B/S/H/

accenture

2.1.5 AI+图像/视频： Elai.io：AI视频生成平台

 Elai.io是一个人工智能驱动的视频生成平台，旨在使用数字化身创建个性化视频。它可以实现文字生成视频、自动翻译、PPT生成视频、语音克隆等功能，同时允许用户在他们的视频中嵌入自己公司的元素。

 80多种虚拟数字人，Elai的各种视频演示器或虚拟人为用户提供了创建高质量，引人入胜的视频内容的强大工具。

 支持75种语言，在Elai.io的帮助下，可以实现快速的本土化语言转化，扩大视频的受众范围。

提供450多种声音，Elai针对不同类型的内容和受众量身定制各种声音，用户可以选择不同的口音和语言，以及各种色调和风格。

根据提示生成视频，使用者仅需输入一个主题，AI模型就可以自行生成文本，这些文本可以被审查、增强，并自动转换成视频场景。

 克隆你自己的声音，用它把你所有的想法变成现实。只要输入一个语音文本，Elai就会用你的声音讲述它。

 Elai简化了将演示文稿转换为视频的进程，具有可定制的化身，动态动画和各种声音和语言。

Elai.io拥有的优势

2.1.5 AI+图像/视频： Elai.io：多元化付费服务为企业带来持续收入

 Elai.io不仅为客户提供视频生成平台，同时还为客户提供打造专属虚拟数字人服务，拓宽了企业的收费服务范围，Elai.io平台目前已经被全球2000多家公司所采用，并为客户带来了显著的经济利益，节约了客户的视频制作成本，同时加快了制作进程。

Elai.io视频制作平台价格

Price per Minute	Free	$1.93/Minute Monthly $1.54/Minute Annually	$2.5/MinuteMonthly	Custom
		15,25,40	$2/Minute Annually 50,100,150,200
Number of Minutes .	1minute	permonth	permonth	Unlimited

		180,300,480	600,1200,1800,2400
		peryear
			peryear

Elai.io数字人、声音克隆等服务价格

Item	Price
Custom Avatar	$859/Annually
SelfieAvatar	$199/Annually
Voice Cloning	$200/Annually
Cartoon Avatar	$500 One-time/$200 Annually

2.1.6 AI+语音： AssemblyAI：利用语音数据构建AI应用

 AssemblyAI 是一家总部位于加利福尼亚州旧金山的人工智能公司，致力于开发和提供用于语音和语言处理的 AI 工具。该公司成立于 2020年，由 Avinash Podduturi、Akash Gupta 和 Akhil Gupta 共同创立。

 AssemblyAI 是语音和语言处理领域的领先公司，其产品和服务正在被全球各地的企业和组织使用。

 AssemblyAI 的客户包括谷歌、微软、亚马逊、Salesforce 和 Spotify。在2022年的B轮融资中， AssemblyAI 成功获得3000万美金的融资，该轮融资由Insight Partners领投、Y Combinator和Accel跟投。

接近人类水平的语音到文本翻译	智能语音识别功能	LeMUR
为了实现接近人类语言水平的文本翻译，公 ? 司先后开发了Conformer-1和Conformer-2 两代语音转换文本专用模型。 > Conformer-2改进了一代模型的性能和速度训练数据的数量增加到110万小时，并对噪声具有很强的鲁棒性，非常适合真实音频录制条件下使用。在单词错误率方面，Conformer-2与 D Conformer-1保持一致，但Conformer-2在	摘要模型可以从音频文件中快速提取重要信息； > 内容审核模型检测音频文件中的敏感内容；情感分析模型，可以检测音频文件中每个句子的情感；实体检测模型可以自动识别和分类音频内容转录中的关键信息； D 个人身份信息(PII)识别模型，用于自动删除可用于从成绩单文本中唯一识别个人的敏感信息；主题检测模型利用IAB内容分类法为内容描述提	LeMUR是一个API，它将应用程序中的所有语音数据连接到LLM，从而在产品中构建生成功能。不需要将多个技术链在一起，就可实现从音频到LLM输出；音频数据首先在AssemblyAl最先进的语音识别模型上运行，得到的识别结果作为LeMUR的输入，实现最终的根据音频数据而获得高质量的LLM输出； LeMURAPI针对特定任务(如生成问题答案和编写自定义摘要)的高精度进行了

资料来源：Assembly AI官网、华西证券研究所

Model	Price
Auto Chapters	$0.30/hour
ContentModeration	$0.25/hour
EntityDetection	$0.15/hour
Key Phrases	$0.06/hour
PIlRedaction	$0.20/hour
PllAudio Redaction*	$0.05/hour
Sentiment Analysis	$0.12/hour
Summarization	$0.06/hour
Topic Detection	$0.20/hour

2.1.6 AI+语音：产品定价合理，为客户带来利润

AssemblyAI 的AI模型已经被合作伙伴成功地使用，并构建了相应的高ROI的产品或工具。

 Jiminny的产品团队利用AssemblyAI提供的模型创造了新的客户分析工具，这些工具帮助Jiminny提升了15%的客户留存率。

 Marvin数据分析平台，通过嵌入AssemblyAI提供的模型，有效的帮助其客户节省了60%数据分析时间，进而提升了平台的利润回报率。

 通过集成AssemblyAI的核心转录模型，Grain的产品团队可以确保其平台生成的所有转录本都具有最高的准确性。反过来，高度准确的转录为Grain的核心客户提供了更好的智能见解。

 招聘智能平台Screenloop使用AssemblyAI 提供的人工智能转录构建功能，替代了90%的人工工作，减少招聘时间，限制候选人流失，减少招聘偏见，并提高最终用户的接受度。

Assembly AI 的客户

Dalgolia	spotify	D DOW JONES	山 happyscribe
loop	THEWALLSTREETJOURNAL	BBC	NBCUniversal

透明的定价标准，根据需求选择高性价比产品

Core Transcription

\$0.650016

Speech-to-text with near human-level accuracy.

Real-time Transcription

\$0.75024

Access real-time transcription with high accuracy and low latency.

Audio Intelligence

LeMUR

Model

LeMURDefault

LeMUR Basic

Input

Theeasiest way tobuildLLMappsonvoicedata.

Output

\$0.049/1Ktokens

*Must be used with Pll Redaction

Unlock theinformation inyouraudio

2.1.7 AI+金融： BloombergGPT：大语言模型在金融咨询中崭露头角

BloombergGPT是Bloomberg开发的一种大型语言模型 (LLM)，专门用于金融领域。它是基于 OpenAI 的 GPT-3 模型，但经过了大量金融数据的训练，包括新闻、研究报告、财务报表等。为了有效的训练模型，Bloomberg的机器学习团队与该公司的人工智能团队紧密合作，利用该公司现有的数据创建、收集和管理资源，构建了迄今为止最大的特定领域数据集之一。该数据集的原始文件来自Bloomberg的数据分析师收集和维护了40多年的金融语言文件，经过研发人员提取工作，最终创建了一个含有3630亿个tokens的金融数据集。

BloombergGPT适用于多类金融任务：

 分析财务数据：BloombergGPT可以快速和准确地分析财务数据，例如股票价格、利率和经济指标。

 生成报告和研究：BloombergGPT可以生成各种金融报告和研究，例如投资报告、战略分析和市场研究。

 预测市场趋势：BloombergGPT可以利用其对金融数据的理解来预测市场趋势。

 自动化任务：BloombergGPT可以自动执行各种金融任务，例如数据输入、报告生成和分析。

BloombergGPT 收费标准

 Jasper是一个面向企业的品牌人工智能平台。它帮助创作者使用生成式人工智能来突破写作障碍，创造原创图像，并将内容重新包装成不同的格式、色调和语言。Jasper可以在客户的品牌上进行培训，并在客户使用的任何平台上调用，从电子邮件到社交媒体到客户的网站。

 Jasper是专门为营销人员构建的，所以它不仅是人工智能助手，其直观的UI/UX也是为创建适用于各种活动的内容而设计的；

 Jasper更加注重品牌的专属性，客户可以上传自己品牌的写作风格指南，或者给Jasper提供一段内容，Jasper会自动分析客户的写作风格来模仿客户的语气；

 Jasper拥有一个庞大的合作生态系统，将人工智能带入了客户每天使用的工具中。此外，客户还可以将Jasper添加到Chrome或Edge浏览器中，以使AI写作助理随时随地工作-如Gmail,Wordpress, Docs, HubSpot, LinkedIn；

 Jasper是一个多人AI平台，客户可以在其中分配工作，查看状态更新，并为AI功能设置工作区默认值，如设置品牌声音，提供专属品牌信息，以及设置默认语言。

Jasper AI 具备可用于市场营销的AI功能

2.1.8 AI+商业： Jasper AI：聚焦营销市场，打造自身竞争优势

 作为一家基于GPT-3 API开始构建应用的SaaS企业，Jasper的主要业务是帮助企业和个人用户写营销文案和AI绘画。2022年10月，Jasper获得1.25亿美元A轮融资，估值达到15亿美元，而去年的收入达7500万美元，从诞生到成为独角兽，仅用了18个月。

 目前已经有超过十万的客户加入到了Jasper的社区中，Jasper AI提供三种不同的产品供客户选择，分别适用于个人创作者、团队和企业。最受欢迎的计划是 Teams 计划，因为它具有丰富的功能集，可以将团队成员添加到您的工作区。

Jasper AI 努力打造自身优势

Whatmakes Jasper the
betterAlforbusiness?	Jasper	ChatGPT+
Feels like yourbrand,not generic	√
Writes factuallyabout yourbusiness
Knowsup-to-dateinformation&citessources
Builtformarketingperformance
Goeseverywherewith browserextension
Collaboratewithyourteam&manageusers Enterprise-level securitycertifications
Privacyblocks yourdata fromtraining theAlmodels
Organizemarketingassets&content
99%uptime,historybacklog,andcontentrecovery

Customer support&producttraining

资料来源：华西证券研究所

Trustedby1oo.ooo+innovativecompaniesworldwide

2.1.8 AI+商业： CALA：LLM技术赋能时尚设计

 CALA成立于2016年，是领先的时尚供应链平台，将整个设计过程-从产品创意一直到电子商务实现和订单履行-统一到单一的数字平台。CALA与众多品牌合作包括大型知名零售商、中型时装公司和独立设计师。建立在由世界各地经过审查的制造商所构建的庞大产业网络之上CALA生产数千种风格-外套，衬衫，连衣裙，牛仔布，汗衫，帽子，泳装，内衣，眼镜，包，袜子，床上用品等等。

 使用OpenAI先进的人工智能系统DALL·E, CALA的新人工智能工具将允许用户从自然文本描述或上传的参考图像中生成新的设计想法。这些都是时尚行业的首创功能，CALA是首批集成DALL·E API以利用特定企业用例的公司之一。

 目前，CALA在它的AI策略咨询板块中，增加了由LLM技术构成的CALA AI Chat聊天机器人，该聊天机器人所使用的语言模型是在大量与产品设计、开发和生产相关的数据库上训练得到的，可以帮助客户与CALA进行更好的沟通，给出恰当的建议。

 根据麦肯锡的分析，在未来三到五年内，生成式人工智能可以为服装、时尚和奢侈品行业增加1500亿美元的运营利润，最多可达2750亿美元，CALA走在了AI赋能时尚设计的前沿。

CALA相关设计服务

CALA相关服务价格

2.1.9 AI+社交： Snapchat：聊天机器人在社交媒体中崭露头角

Snapchat推出智能聊天机器人AI chatbot。

 Snapchat是一款社交媒体应用程序，最初于2011年由Evan Spiegel、Bobby Murphy和Reggie Brown创立，现在由Snap Inc.运营。Snapchat的独特之处在于它的信息和媒体分享是临时的，通常在接收者查看后会自动删除。

Snapchat在2023年推出了智能聊天机器人My AI，My AI得到了Open AI公司的ChatGPT技术的支持，同时Snapchat团队在开发My AI时增加了相应的安全保障功能，避免了私密敏感信息的泄露。SnapChat的用户与My AI进行交互式聊天，回答用户提出的繁琐问题，例如为朋友的生日礼物提出建议，制定假期的旅游计划以及晚餐地点的选择等。此外如果用户的提问与心理健康相关，Snapchat将会收集相关信息，并寻求专业人士提供帮助。

据36氪，在全球生态合作伙伴（SPS）大会上，Snap CEO EvanSpiegel宣布，SnapChat的全球月活用户已经达到了7.5 亿，Snapchat+ 订阅用户突破 300 万，订阅费用为3.99美元/月，旗下的智能聊天机器人My AI暂时仅面向付费客户使用。

拍摄和分享名为Snaps的照片/视频是 Snapchat上最受欢迎的功能，Snapchat 平台上平均每秒钟产生超过 5.5 万条 Snaps。而现在用户可以向 My AI 发送 Snaps进行聊天，My AI不仅可以读懂这些图像，还能用文字进行回复。而且很快 Snapchat+ 订阅用户还能收到My AI生成的图片回复，体验到更真实、有趣的视觉互动与对话。

智能聊天机器人My AI

 多邻国：AI+教育提升C端教育体验和效率。

从2021年开始，多邻国就与OpenAI达成合作。目前，公司已经将GPT-3应用于多邻国英语测试（Duolingo English Test，DET）业务，并基于GPT-4开发了Explain My Answer和Roleplay两个语言学习新功能，推出了新的付费层「Duolingo Max」。此外，OpenAI模型还被多邻国用于生成课程内容、教学材料，以及为部分课程中的用户写作提供反馈。

 多邻国更广泛地采用了“human-in-the-loop”的开发方式，AI模型在课程内容生成等更多环节中替换了人力。这缩短了课程研发，以及DET测试题目开发的周期，为教学专家腾出了聚焦创新的时间和精力。在此基础上，公司也获得了研发跨学科、跨语种课程内容的机会。据介绍，多邻国或将于今年下半年推出高阶英文学习课程。

多邻国APP界面

多邻国“免费学习+投资增值”双飞轮

2.2 企业加速应用端开发，探索盈利新机遇

2.2.1 企业加速应用端开发，探索盈利新机遇

 随着大语言模型技术的发展，越来越多的公司开始将大模型技术整合到公司的业务中，利用大模型技术的便利为公司的业务注入新的活力，颠覆传统的行业发展方式，尽管目前已经有成型的产品，但是公司目前仍然处于可行性验证和打开市场阶段，因此并未产生相应的收入，采取免费的方式提供给客户使用，但是在未来，将会有很大的机会将其变现。

 Inflection AI：专注于面向消费者的人工智能产品，被认为是Open AI的竞争对手，在今年6月29号，完成了新一轮13亿美元的融资，此次融资由Microsoft领投，同时引入了新的投资者Nvidia，当前估值40亿美元，但公司产品仍处于早期，暂未实现营业收入。

 Google的对话机器人BARD和Character.AI的聊天机器人，目前免费向使用者开放，并未提供收费服务。

 Stability AI的Stable Diffusion 、Lightricks开发的photoleap和Adobe公司开发的Firefly，它们专注于图像生成技术，但是目前是免费向使用者开放，未来有望为企业带来营业收入。

 Harvey AI是专注与LLM技术应用在法律行业，虽然目前还并未有成熟的产品，但是其所瞄准的赛道前景广阔，已经有1500余家律师事务所进入到Harvey 公司的waiting list中，等待使用Harvey推出的产品和服务。

 西门子和ABB均与Open AI开展合作，将生成式人工智能引入到其业务中，尽管目前并未给它们带来直接经济利益，但是却间接的提升了西门子和ABB的生产效率，优化了生产工序，在未来有望带来直接经济利益。

 Menten AI将生成式人工智能应用到药物分子和蛋白质分子的设计过程中，加快了设计的进程，提高了设计的有效性。

2.2.2 AI助手：Inflection AI chat-robot: Pi

 Inflection AI是由谷歌联合创始人Mustafa Suleyman和领英的联合创始人Reid Hoffman创立，专注于面向消费者的人工智能产品，被认为是Open AI的竞争对手。Inflection AI公司的首轮融资发生在2022年初，共募集了2.25亿美元，在今年6月29号，完成了新一轮13亿美元的融资，此次融资由Microsoft领投，同时引入了新的投资者Nvidia，当前估值40亿美元。

 Inflection AI并不是一家大模型公司，自称是AI Studio，主打ToC应用产品，目前仅推出一款对话式个人助理Pi ，Inflection AI目前有iOS版本APP，同时开放企业端API，用户可在短信、Instagram、WhatsAPP、Messenger等社交平台上与Pi对话。

Pi是个人智能（Personal intelligence）的缩写，作为一款智能聊天机器人，Pi可以与使用者进行文本和语音对话，提供友好的建议和相关信息。它的出现，为人们提供了一种表达自己的新方式，使用者可以与它分享自己的好奇心，探索新的想法，体验拥有一个专属于自己的个人AI助手。Pi可以根据个人的兴趣和需求来提供丰富的知识，它可以成为使用者的老师、教练、知己、创意伙伴和顾问。当前的Pi只是非常早期的产品。Suleyman认为，未来10年内，将会有数十亿人使用各种AI，人们会为个人AI助理付费。

 2023年6月29日，Inflection AI宣布，在与英伟达合作打造全球最大的AI集群之一，超级计算机将扩展至包含2.2万个英伟达H100芯片，支持新一代AI大模型训练与部署。集成AI芯片的数量，直接碾压Meta2023年5月公布的1.6万个A100打造的超算集群。

IOS版本的Pi，收到用户好评

资料来源：Inflection AI官网、华西证券研究所

个人智能助手Pi

Heythere,great tomeet you.I'mPi,yourpersonal AI.

Mygoalistobeuseful,friendlyand fun.Askmeforadvice, foranswers,orlet's talk about whatever'sonyour mind.

2.2.3 AI+社交：Google chatrobot——BARD AI

 BARD AI是Google利用自身开发的LLM构建的智能聊天机器人，也称为对话式机器人，其经过训练，可以提供信息和全面的服务。BARDAI接受了大量的文字数据训练，能够就各种提示和问题进行交流和生成类似人类的文字。目前支持BARD AI运行的是Google所研发的PaLM2模型，但是目前的BARD是完全免费向使用者开放的。

BARD AI的自我介绍

H Please introduce yourself

查看其他草稿 < D

Hil lam Bard,alarge language model,also known as a conversational Alor chatbottrained to be informativeandcomprehensive.lam trained on a massive amount of text data, and l am able to communicate and generate human-like text in response to a wide range of prompts and questions. For example, Ican provide summaries of factual topics or create stories.

ChatGPT和BARD AI之间的比较

名称	ChatGPT	BARD AI
数据集	来自OpenAI的大量文本和代码数据集。	来自GoogleAI 的大量文本和代码数据集。
优势	生成创意文本格式更好，以更自然的方式进行交流生成更具吸引力和更有趣的回复。	提供信息和全面的服务更好，理解和响应各种提示和问题，提供事实主题的摘要。
劣势	在提供信息和全面的服务方面可能不如BARD，生成创意文本格式可能不如BARD那么擅长。	在生成创意文本格式方面可能不如ChatGPT，以更自然的方式进行交流可能不如ChatGPT。

2.2.3 AI+社交：基于 LLM 的聊天机器人网站

Character.AI 是一款基于 LLM 的聊天机器人网站，由 Noam Shazeer 和 Daniel De Freitas 于 2022 年 9 月创建。该网站已经预先创建了许多聊天角色，包括 Elon Mask、Steve Jobs 和马里奥等，用户可以与这些角色进行交流，同时用户也可以自己创作角色。与 ChatGPT 不同的是，Character.AI更注重人格属性，试图满足社交、情感、陪伴、技术支持等需求。Character.AI于2023年5月23日在Apple AppStore和Google Play Store上发布了移动应用程序，在第一周内下载量超过了170万次，在此之前仅能通过网页端进行访问。

 根据搜狐新闻报道：Character.AI获得了美国知名风投机构A16Z的青睐。今年3月份，它完成了一笔1.5亿美元的融资，由A16z领投，这笔投资也使其估值达到10亿美元。

资料来源：搜狐、Character AI官网、华西证券研究所

2.2.4 AI+图像/视频： Lightricks&OpenAI——Photoleap AI技术应用于图片生成

 由Lightricks开发的Photoleap是一款高级照片编辑应用程序，适合休闲和专业用户。该应用程序拥有一系列令人印象深刻的工具和功能，包括图层，混合模式，画笔，过滤器，修复，克隆，文本，调整以及AI支持的功能，如AI场景，AI肖像和AI文本。

Google store累计下载超过5百万次

版本更新日期2023年9月21日

Android系统版本要求下载次数8.0及更高版本 5,000,000+次下载

应用内购商品内容分级每件\$2.98-\$409.98 3岁以上了解详情

权限发布日期查看详情 2022年9月5日

Apple Store 评分较高

Ratingsand Reviews

4.7

Good customer service Instaledtheappandquicklyrealisedthmore

Developer Response,

Amazing Al pictures

Simply the best.

资料来源：Google Store、Apple Store、PhotoLeap官网、华西证券研究所

 Adobe Firefly 是 Adobe 公司开发的一种创意生成式 AI 模型，它可以根据文本输入生成各种图像、矢量、视频和 3D 内容。Adobe Firefly的目标是帮助创作者扩展他们的自然创造力，提供无限的创意选择和快速的工作流程。

文字生成图片

 通过自然语言描述生成使用者想要的图片,文本生成图片功能类似于Midjourney，但是现在只可以使用英语进行描述，而且文字生成图片功能可能达不到Midjourney5的版本，可能要略微的稍逊一筹。

填充生成功能

 填充生成功能主要是通过选择区域，然后AI可以进行填充，与宣传片中功能类似，但是网页版本并不支持将图像扩展到框架之外。AI进行填充生成，反应度快，抠图清晰，而且图像自然真实。

文字效果

 文字效果主要是通过用户选择材质、字体和颜色进行组合后，生成的一个文字效果，并且每次组合都可以有4种不同样式可供选择。

生成式重新着色

 通过详细的文本描述中生成矢量图稿的颜色变化。

Firely目前支持的图片生成功能

Text to image

Generative fill

Text effects

Generative recolor

2.2.5 AI+法律： Harvey AI：史无前例的法律人工智能

Harvey是一家由红杉资本和OpenAI创业基金支持的生成型人工智能公司，致力于打造专业服务的未来。

虽然Harvey的底层架构由GPT模型提供支持，但是与ChatGPT不同，Harvey AI支持法律工作。从GPT模型的一般互联网数据开始，Harvey AI进一步使用一般法律数据(包括判例法和参考资料)进行训练。当被一家公司聘用时，Harvey AI就会接受该公司自己的工作产品和模板的培训(很像新员工加入一家律师事务所时的入职培训)。当谈到生成式人工智能的有效性时，正确的提示大有帮助。Harvey AI可以有效的帮助法律从业人员进行合同分析、尽职调查、诉讼和合规性检查，并可以根据数据生成见解、建议和预测。因此，律师可以为客户提供更快、更具成本效益的解决方案。

 根据Clio Blog记载，2022年12月，Open AI 宣布成立人工智能创业基金，计划向AI初创公司投资1亿美元，Harvey AI成为了该项基金的首批投资标的，从该基金获得500万美元。2023年4月，Harvey AI在红杉资本(Sequoia Capital)领投的A轮融资中获得2100万美元，进一步推动了公司的增长。

市场需求巨大，未来发展前景广阔

据红杉报道，Harvey将从法律市场入手，仅在美国，法律市场的规模就超过3000亿美元。将具体的法律事务经过抽象提取以后，便得到了其本质——文本输入和文本输出，该项任务恰巧可以被LLM技术的核心能力解决。Harvey帮助法律团队在法律研究、尽职调查等耗时的任务中找到平衡，使他们能够专注于客户关系和真正重要的战略工作。今年2月，安理律师事务所(Allen & Overy)成为第一个宣布的企业客户。今年3月，普华永道(PwC)宣布将加入，有超过15000家律师事务所在等候名单上。

潜在优势明显

 使用人工智能来协助研究、起草和其他日常法律任务，可以帮助律师事务所节省时间，并减少客户的账单；

 技术对律师事务所的成功起着至关重要的作用，在《2022年法律趋势报告》中，使用基于云计算的法律实践管理软件的律师，他们对个人生活和职业生活满意度更高，与客户和同事的关系更好，工作表现更好；

 响应的及时性也是客户满意度的一个关键因素，使用基于云的法律实践管理软件的律师可以为客户提供及时的反馈，更易获得客户的满意。

2.2.6 AI+工业： ABB & Microsoft：Genix Copilot 生成式AI引入工业生产

 ABB Ability™Genix是一个全面的模块化工业物联网、分析和人工智能平台，它嵌入了行业特定领域的知识，以推动业务成果，并确保保护客户的现有投资。使用Genix的企业在运营和维护方面节省了高达40%的成本，在生产效率方面提高了30%，在能源和排放优化方面提高了25%。Genix的生成式人工智能功能有望进一步增加这些优势。

ABB将通过Azure OpenAI服务(包括GPT-4等大型语言模型)将生成式AI集成到Genix平台和应用程序中，从而实现代码、图像和文本生成等功能。一旦启动，新应用程序Genix Copilot将通过提供直观的功能和简化跨流程和操作的情境化数据流来增强用户体验。这将为行业高管、功能专家和车间工程师提供实时可操作的见解，以更好地决策和提高生产力。这些见解有可能将资产寿命延长20%，并将计划外停机时间减少60%。

Genix Copilot 用户界面

2.2.6 AI+工业： Microsoft & Siemens：Teamcenter assisstant

 Siemens为进一步帮助工业企业在和产品的设计、工程制造和运营生命周期中推动创新和提高效率，与Microsoft 正式开展合作。为了加强跨职能协作，两家公司正在将西门子用于产品生命周期管理(PLM)的Teamcenter®软件与微软的协作平台Teams、Azure OpenAI Service中的语言模型以及其他Azure AI功能集成在一起。

 Siemens预计在2023年晚些时候推出的新的Teamcenter应用程序，适用于Microsoft Teams，各公司可以让设计工程师、前线工人和跨业务功能的团队更快地闭合反馈循环，共同解决挑战。例如，服务工程师或生产操作员可以使用移动设备通过自然语言来记录和报告产品设计或质量问题。通过Azure OpenAI服务，该应用程序可以解析这种非正式的语言数据，自动创建汇总报告，并在Teamcenter内将其路由到适当的设计、工程或制造专家。Microsoft Teams提供了用户友好的功能，如推送通知，来简化工作流程审批，缩短请求设计更改所需的时间，加快创新周期。Microsoft Teams的Teamcenter应用程序可以让今天还无法使用PLM工具的数百万工人更容易地影响设计和制造过程，成为他们现有工作流程的一部分。

 Siemens和Microsoft也在合作帮助软件开发人员和自动化工程师加速可编程逻辑控制器（PLC）的代码生成，通过自然语言输入来生成PLC代码，从而显著减少开发时间和降低错误发生率还可以使维护团队更快地识别错误并生成逐步解决方案。

 利用AI技术对产品的质量进行把控，像计算机视觉这样的工业人工智能使质量管理团队能够扩大质量控制，更容易地识别产品差异，并更快地进行实时调整。

西门子和微软利用生成式人工智能推动生产力发展

2.2.7 AI+医疗： Menten.AI：生成式AI赋能蛋白质结构设计

 Menten.AI是一家初创型药物研发公司，其将人工智能算法引入到药物分子结构的设计过程中，创立一套新的药物研发体系，实现了从零开始到设计出全新的蛋白质疗法，为药物发现打开了一个未知的领域。

 Menten AI拥有自己的研发平台，通过开发基于机器学习的方法，利用基于第一性原理的物理方法进行分子建模，克服了药物设计的历史局限性。现有的药物研发设计方法受到小数据集、计算昂贵的采样方法和不准确的精度模拟的限制，最终妨碍了有效药物分子的设计。相比之下，Menten AI的平台能够根据第一性原理创建自己的数据，并应用机器学习来指导新型药物分析的设计和优化。这种方法的优点是，可以高效和高精度地创造出以前从未见过的类似药物的新型化学物质。

Menten AI的优势

2.2.7 AI+医疗： Insilico Medicine ChatPandaGPT：加速基因诊断与药物研发

 ChatPandaGPT是一种先进的大型语言模型，为用户提供交互式和个性化的方式来收集信息并回答与分子生物学，治疗靶点发现和药物开发相关的问题。ChatPandaGPT了解一般的生物数据，并从PandaOmics知识图谱中增强特定的信息。

 ChatPandaGPT从药物发现的角度提供了对基因、疾病或基因-疾病关联的全面描述，包括主要信号通路和生物过程、相关化合物、潜在毒性作用、临床试验等信息。用户可以选择预先设定好的问题，如“靶向基因X的潜在风险和益处是什么”，或者自己提出问题并获得相关答

 从药物发现的角度轻松检索有关疾病、基因或基因-疾病关联的清晰简明摘要；

 鉴定与感兴趣的疾病相关的最重要的基因和信号通路；

 根据PandaOmics知识图谱提供相应的支持性文本；

提供数据支撑，方便使用者查找已被证实的与疾病相关的基因。

ChatPandaGPT用户使用界面

2.2.8 AI+工具： Hugging Face

Hugging Face是一个开源的人工智能工具平台，专注于机器学习模型、数据集和应用程序的开发和共享。该平台由法国企业家 Julien Chaumond、Thomas Wolf 和Clément Delangue 于 2016 年创立。它最引人注目的是为自然语言处理应用程序构建的transformer库，以及允许用户共享机器学习模型和数据集并在空间中展示其工作的平台，同时其提供丰富的资源，包括342694个机器学习和深度学习模型，64248个数据集，44个工具箱，全球超过50000个组织机构使用Hugging Face。

 2021年3月，Hugging Face在B轮融资中获得4000万美元的投资；

 2022年5月5日， Hugging Face宣布了由Coatue和红杉领投的C轮融资，该公司获得了20亿美元的估值；

2023年8月， Hugging Face宣布在D轮融资中筹集了 2.35 亿美元，估值为 45 亿美元。此次融资由Salesforce领投，谷歌、亚马逊、英伟达、AMD、英特尔、IBM和高通等知名公司也参与了此次融资。

资料来源：Hugging Face官网、维基百科、华西证券研究所

Hugging Face丰富的模型资源和数据资源

2.2.9AI+金融： FinGPT：开源的金融数据大模型

 FinGPT是由AI4Finance Foundation开发的一种专门为金融领域设计的语言模型。它的目标是为金融大型语言模型（FinLLMs）提供互联网规模的数据，以此推动金融领域的开源发展。FinGPT采用以数据为中心的方法，强调了数据采集、清理和预处理在开发开源FinLLM中的关键作用。通过支持数据可访问性，FinGPT渴望加强金融领域的研究、合作和创新，为开放金融实践铺平道路。FinGPT由四个基本组件组成：数据源、数据工程、LLMs和应用程序。

潜在的应用场景

智能投顾：提供个性化的财务建议；

量化交易：为明智的交易决策产生交易信号；

 投资组合优化：利用经济指标构建最佳投资组合；

金融情绪分析：评估不同金融平台的投资情绪；

风险管理：通过分析风险因素制定风险策略；

金融欺诈检测：识别潜在的欺诈交易模式；

信用评分：根据预测信用度，以帮助贷款决策；

 破产预测：根据数据预测公司的潜在破产或破产

 并购预测：通过数据和分析预测潜在的并购活动；

 ESG评分：通过分析报告和新闻来进行ESG评分

 低代码开发：通过用户友好的界面促进软件创建；

金融教育：担任人工智能导师，提高金融素养。

FinGPT整体架构

2.2.9AI+音乐： Musico：一个会创作音乐的AI

 Musico是一个人工智能驱动的软件引擎，可以实时生成音乐。它的技术融合了音乐制作、数字信号处理(DSP)和人工智能(AI)，形成了一个独特的自适应原创音乐生成平台。音乐的生成方法使音乐创作者能够以新的方式制作和应用能够实时适应其背景的声音。从半辅助到全自动作曲，Musico的引擎为音乐专业人士和非音乐家提供解决方案。

 Musico的引擎融合了传统和现代的机器学习算法，以产生各种风格的无版权音乐流。这些引擎可以产生无限的旋律、节拍和和声，混合了自主性和对创造者输入的响应性。音乐的技术可以对手势、动作、代码或其他声音做出反应，使音景和音乐能够随着上下文或内容的变化而变化。Musico的生成式人工智能技术可以实时生成免费、响应迅速、无限的原创音乐流。

优势：

 Musico的引擎可以被无限制的的输入策略引导并实时做出反应。

 Musico是完全通过算法生成的，可以创造出无尽的音乐流。

Musico所写的音乐是没有版权的，并且不能参考现有的音乐。

Musico移动端APP

Download on the AppStore

Impro Al
Song
MusicFit

Musico用户应用界面

2.2.10AI+CRM： Salesforce：CRM生成式AI，企业级AI里程碑

 Einstein GPT将公共和私有AI模型与CRM数据相结合，以便用户可以直接在Salesforce CRM中询问自然语言提示（即对话问题）。

 Einstein GPT for Service：自动邀请客户进入其他协作渠道；自动生成个性化的座席聊天回复；在个案总结期间自动生成自然语言摘要；将以往的个案笔记生成知识库文章。

Einstein GPT for Sales：自动生成电子邮件，安排会议；为前期客户调研提供外部资料；添加尚未在Salesforce系统中的联系人；自动邀请客户进入其他协作渠道。

 Einstein GPT for Marketing：营销人员可以利用GPT动态生成个性化内容，通过电子邮件、移动设备、Web、广告等形式吸引客户和潜在客户。

Einstein GPT for Developers：通过使用AI聊天助手生成代码并针对Apex等语言提出问题，利用Salesforce Research专有的大型语言模型提高开发人员的工作效率。

Einstein GPT for Service

Einstein GPT for Sales

2.2.10 AI+CRM： Salesforce：CRM生成式AI，企业级AI里程碑

 7月19日，Salesforce 宣布了 Service GPT、Sales GPT 和Einstein GPT Trust Layer的正式发布和定价，通过为企业安全标准设计的生成式 AI，帮助任何组织提高生产力并个性化客户互动。

Einstein GPT Trust Layer：零数据保留；加密通信；数据访问检查；反馈存储；审计跟踪。

 Sales GPT 包含在 Sales Cloud Einstein 中，价格为 50 美元/用户/月，包括数量有限的 Einstein GPT 积分。

 Service GPT 包含在 Service Cloud Einstein 中，价格为 50 美元/用户/月，包括数量有限的 Einstein GPT 积分。

资料来源： salesforce咨询公众号，华西证券研究所

2.2.11AI+ERP： SAP：拥抱AI，重塑人力资源管理场景

 员工团队计划方面：SAP AI解决方案利用智能人员配置分析功能，制定人力资源战略，优化劳动力计划；

 自动化招聘方面：SAP Fiedldglass 解决方案利用智能简历筛选功能发现最优应聘者，通过职位匹配门户，增加应聘者申请率；通过O*Net职业分类代码建议，准确提交职位发布；

 人才培养体系方面：SAP SuccessFactors解决方案为员工提供定制学习建议以保持竞争力；通过展示其他员工成功故事引导员工成；

 员工数据集成方面：SAP Concur解决方案借助AI技术增强的政策审计功能解决关键问题；发票扫描及表单填写流程增加为费用提交增效。SAP SuccessFactors解决方案借助数字助理快速解决员工任务；利用个性化员工主页处理最相关信息。

SAP AI解决方案

充分挖掘员工潜力，提升员工绩效

将人工智能技术融入销售和客户体验流程：

03 受益标的及风险提示

盈利预测与估值（一）

	代码	公司	市值（亿元）	收盘价（元）	归母净利润（亿元		）	PE
	代码	公司	市值（亿元）	收盘价（元）	2023E	2024E	2025E	2023E	2024E	2025E
	300229.SZ	拓尔思	153.33	19.28	2.54	3.38	4.39	60.38	45.34	34.93
大模型	601360.SH	360	706.68	9.89	5.31	11.28	14.77	133.11	62.63	47.85
	002230.SZ	科大讯飞	1,196.05	51.65	13.27	19.47	27.50	90.23	61.52	43.54
	688111.SH	金山办公	1,736.81	376.16	14.73	20.04	27.07	117.93	86.66	64.17
	300170.SZ	汉得信息	89.48	9.10	2.56	3.88	4.89	35.01	23.05	18.29
	300634.SZ	彩讯股份	94.41	21.09	3.60	4.06	5.15	26.26	23.26	18.34
	603039.SH	泛微网络	138.64	53.20	2.79	3.79	5.21	49.76	36.65	26.62
AI+办公	300687.SZ	赛意信息	99.14	24.46	2.84	3.72	4.86	34.87	26.64	20.40
	688369.SH	致远互联	50.09	43.50	1.55	2.17	2.96	32.23	23.04	16.93
	002123.SZ	梦网科技	122.10	15.15	2.34	3.92	5.51	52.44	31.23	22.23
	600588.SH	用友网络	575.39	16.76	3.95	8.10	12.36	145.61	71.05	46.54
	0268.HK	金蝶国际	327.48	9.42	-2.51	-0.68	1.92	-	·	156.66
	002230.SZ	科大讯飞	1,196.05	51.65	13.27	19.47	27.50	90.23	61.52	43.54
	300559.SZ	佳发教育	66.12	16.55	1.56	2.16	2.86	42.44	30.60	23.12
	002599.SZ	盛通股份	37.36	6.95	0.68	1.38	1.69	55.03	27.18	22.06
AI+教育	300845.SZ	捷安高科	22.16	19.91	0.80	1.15	1.65	27.70	19.27	13.43
	300654.SZ	世纪天鸿	39.52	10.86	0.46	0.58	0.66	85.71	67.62	60.03
	601801.SH	皖新传媒	140.64	7.07	9.00	10.38	11.79	15.63	13.55	11.93
	300845.SZ	鸥玛软件	22.16	19.91	0.80	1.15	1.65	27.70	19.27	13.43
AI+医疗	603108.SH	润达医疗	91.64	15.81	5.08	6.25	7.60	18.06	14.66	12.06
AI+医疗	605186.SH	健魔信息	52.01	38.24	1.88	2.50	3.18	27.67	20.83	16.35
	300168.SZ	万达信息	139.56	9.67	0.75	2.79	4.54	185.25	49.97	30.77

，注：盈利预测均为

盈利预测与估值（一）

	代码	公司	市值（亿元）	收盘价（元）	归母净利润（亿		元）	PE
	代码	公司	市值（亿元）	收盘价（元）	2023E	2024E	2025E	2023E	2024E	2025E
图像/视频	300624.SZ	万兴科技	127.10	92.30	1.04	1.52	2.09	122.54	83.67	60.71
	1357.HK	美图公司	171.65	3.86	4.00	5.13	7.83	39.41	30.68	20.12
	688365.SH	光云科技	49.01	11.51
			49.01		-0.60	-0.02	0.33	-	-	148.52
							0.33	-	-	148.52
	300130.SZ	新国都	133.10	24.63	7.11	9.50	12.41	18.71	14.01	10.73
	688088.SH	虹软科技	162.93	40.13	1.48	2.17	2.97	110.25	75.01	54.77
	688039.SH	当虹科技	36.71	32.80	0.62	1.19	1.63	58.77	30.85	22.56
	002236.SZ	大华股份	750.48	22.78	36.41	44.65	54.07	20.61	16.81	13.88
	603189.SH	网达软件	39.65	14.71	0.98	1.65	0.00	40.46	24.03	0.00
Al+金融	300803.SZ	指南针	243.03	59.49	3.50	5.31	7.24	69.36	45.78	33.58
	300033.SZ	同花顺	810.16	150.70	20.38	25.10	30.38	39.77	32.29	26.68
	688318.SH	财富趋势	172.91	132.32	3.23	4.08	5.03	53.60	42.34	34.38
	600570.SH	恒生电子	604.58	31.82	18.09	22.62	27.80	33.42	26.72	21.75
	688590.SH	新致软件	43.61	18.26	1.19	2.09	3.05	36.51	20.87	14.28

3. 2 风险提示

 政策落地不及预期

AI产品下游需求不及预期

全球经济发展不确定性

免责声明

分析师与研究助理简介

刘泽晶（首席分析师）2014-2015年新财富计算机行业团队第三、第五名，水晶球第三名，10年证券从业经验

赵宇阳（分析师）第十届Choice最佳分析师，证券从业经验3年，主要研究AI应用软件，AI+方向

分析师承诺

作者具有中国证券业协会授予的证券投资咨询执业资格或相当的专业胜任能力，保证报告所采用的数据均来自合规渠道，分析逻辑基于作者的职业理解，通过合理判断并得出结论，力求客观、公正，结论不受任何第三方的授意、影响，特此声明。

评级说明

公司评级标准	投资评级	说明
以报告发布日后的6	买入	分析师预测在此期间股价相对强于上证指数达到或超过15%
	增持	分析师预测在此期间股价相对强于上证指数在5%一15%之间
个月内公司股价相对	中性	分析师预测在此期间股价相对上证指数在-5%一5%之间
上证指数的涨跌幅为	减持	分析师预测在此期间股价相对弱于上证指数5%一15%之间
基准。	卖出	分析师预测在此期间股价相对弱于上证指数达到或超过15%
行业评级标准
以报告发布日后的6	推荐	分析师预测在此期间行业指数相对强于上证指数达到或超过10%
个月内行业指数的涨	中性	分析师预测在此期间行业指数相对上证指数在-10%一10%之间
跌幅为基准。	回避	分析师预测在此期间行业指数相对弱于上证指数达到或超过10%

华西证券研究所：

地址：北京市西城区太平桥大街丰汇园11号丰汇时代大厦南座5层

网址：http://www.hx168.com.cn/hxzq/hxindex.html

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，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

海外模型应用复盘：国内AI奇点已至

计算机行业动态

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

致终身学习者社群

扫码先加好友，以备不时之需

核心逻辑

模型层面，GPT-4领先，多模态演进趋势加速。

 应用层面，参照海外落地路径，国内纯模型端、教育、办公、图像、视频、金融、医疗、社交类特别是C端应用值得关注。

海外AI+领域持续升级，带动产业价值重估

模型汇总

1.1 Open AI：打开LLM新纪元，打开LLM新纪元，GPT-4多模态再升级

2015年12月

第 一 代 模 型GPT-1发布，参数量1.1亿。

2018年

2020年

2019年

2016年

2021年

图像生成模型DALL-E和多模态模型CLIP发布。

2023年

1.1 Open AI：打开LLM新纪元，GPT-4多模态再升级

GPT-4与GPT-3.5相比下的优势表现

1.1 Open AI：DALL-E 3发布，颠覆AI生成图片技术

1.2 Google & DeepMind：LLM的奠基者，即将推出Gemini多模态模型

1.2 Google & DeepMind：LLM的奠基者，即将推出Gemini多模态模型

1.2 Google & DeepMind：LLM的奠基者，即将推出Gemini多模态模型

1.2 Google & DeepMind：机器人模型RT-2—机器人多模态GPT时代已至

Occupancy Network 占据网络示意图，FSD算法利用传感器数据进行环境感知

1.3 Stable Diffusion：文本到图像的扩散模型

Stable Diffusion目前提供的应用端入口有四个：

1.4 Anthropic：Claude——ChatGPT-4平替，擅长安全可控

1.5 Meta：Llama开源重塑大模型市场格局

1.6 Falcon：免费商用的开源模型

1.7 Cohere：英伟达、甲骨文联手投资的 AI 独角兽，擅长检索汇总

文本分类功能

Amazon Bedrock所支持的大模型

Amazon Bedrock Choice of foundation models

amazon

AMAZON TITAN

ANTHROP\C

CLAUDE

stability.ai

STABLEDIFFUSION

Al21labs

JURASSIC-2

1.9 Microsoft & NVIDIA：MT-NLG-同类模型中最大最强

测试任务种类和说明

1.11 BLOOM：首个开源开放的超过100B的语言模型

1.12 OPT：完整开源的 GPT-3 复刻版

1.13 GLM-130B：公开的双语预训练语言模型

1.14 模型性能比较：GPT-4独占鳌头

02 应用端产品落地进程加速

大语言模型蓬勃发展，应用端落地进程加速

2.1.1 应用端产品从导入期迈向成长期，为企业带来新的收入增长点

2.1.2 模型端： Open AI： LLM强大应用能力正在被逐步开发

2.1.2模型端： OpenAI：LLM强大应用能力正在被逐步开发

2.1.2模型端： OpenAI：LLM强大应用能力正在被逐步开发

Whisper模型的整体架构（多语言语音识别、语音翻译、口语识别和语音活动检测）

2.1.2模型端： Anthropic：与亚马逊深度合作，加快企业发展速度

Claude产品介绍

Claude

Good for:

Model Pricing

2.1.3 AI+开发： IBM下一代AI与数据开发平台：Watsonx

2.1.3 AI+开发： Watson.ai：覆盖AI产品全生命周期的AI开发助手

官网介绍目前已经嵌入的foundation models

2.1.3 AI+开发： Watson.data：开放的、混合的、安全的数据存储

2.1.3 AI+开发： Watson.goverance：打开黑箱，加强治理

实施AI治理

管理风险和声誉

支持合规性检查

IBM对实施项目的监控样例

2.1.3 AI+开发： ：AI为IBM带来新的一轮增长

2.1.4 AI+办公： Notion AI：Work faster. Write better. Think bigger.

2.1.4 AI+办公： Work faster. Write better. Think bigger.

截至2023年9月21日，累计下载超过1千万次

相比于其他的AI产品，Notion AI的产品价格较低

2.1.4 AI+办公： Microsoft 365 Copilot：AI助力办公

Create content with Copilot

第一代模型GPT-1发布，参数量1.1亿。

2.1.3 AI+开发：：AI为IBM带来新的一轮增长

海外模型应用复盘，国内AI奇点已至-华西证券-2023-WN10