一、ChatGPT 開(kāi)啟 AI 新紀(jì)元，指明 NLP 生成領(lǐng)域的技術(shù)方向

ChatGPT 指明了 NLP 生成領(lǐng)域的技術(shù)方向。預(yù)訓(xùn)練語(yǔ)言模型對(duì)于 NLP 理解領(lǐng)域以及生 成領(lǐng)域的問(wèn)題都是相當(dāng)有效的，在過(guò)去幾年里，發(fā)展出的主要模型有 Bert 和 GPT。從文本對(duì)話的過(guò)程來(lái)看，理解到生成之間的連接是一個(gè)關(guān)鍵問(wèn)題。然而，Bert 在 NLP 理解領(lǐng)域獲得了巨大的成功，但是在 NLP 生成領(lǐng)域卻表現(xiàn)不佳，這是由于 Bert 訓(xùn)練時(shí)所采用的語(yǔ)言模型所決定的。Bert 采用的是 DAE 語(yǔ)言模型，只學(xué)習(xí)到了詞的上下文表征的能力，即理解語(yǔ)言的能力，但沒(méi)有學(xué)習(xí)到如何組織語(yǔ)言的能力。而 chatGPT 成功解決了這個(gè)問(wèn)題，可以說(shuō) ChatGPT 指明了 NLP 生成領(lǐng)域的技術(shù)方向。

ChatGPT 從技術(shù)本源上加速 AIGC 發(fā)展。AIGC 的底層技術(shù)主要有 NLP、GAN、擴(kuò)散模 型等，其中的代表就是語(yǔ)言生成中的 chatGPT 和圖像生成中的擴(kuò)散模型（Diffusion Model）。2022 年 8 月 StabilityAI 宣布開(kāi)源 Stable Diffusion 模型，AI 圖像生成成本迅速下降，并且能獲得驚人的高質(zhì)量繪畫作品，達(dá)到學(xué)習(xí)幾年、十幾年的畫師同等水平。而 2022 年 11 月 OpenAI 發(fā)布的 chatGPT 雖然是自然語(yǔ)言生成領(lǐng)域的產(chǎn)品，但是可以生成 AI 繪畫提示詞，或生成調(diào)用計(jì)算引擎，從而進(jìn)一步加速 AI 繪畫、AI 游戲、AI 音視頻領(lǐng)域的應(yīng)用。

我們認(rèn)為，ChatGPT 對(duì) AIGC 發(fā)展的意義在于：一方面，GPT 作為 NLP 生成領(lǐng)域模型 的突破，將迅速解決 AI 文本生成、AI 代碼生成等領(lǐng)域的痛點(diǎn)；另一方面，AI 文本生成、AI 代碼生成作為 AI 音視頻、游戲等其他領(lǐng)域的技術(shù)基礎(chǔ)，其突破發(fā)展也將加速 AIGC 在音視頻、游戲等場(chǎng)景中的滲透（比如生成 AI 繪畫提示詞，或生成調(diào)用計(jì)算引擎）。

（一）ChatGPT 通過(guò)引入 RLHF 技術(shù)解決生成模型的核心問(wèn)題，大大提高類人成熟度

ChatGPT 是在 GPT 3.5 大語(yǔ)言模型（LLM,即 Large Language Model）的基礎(chǔ)上，加入“基于人類反饋的強(qiáng)化學(xué)習(xí)（RLHF，Reinforcement Learning from Human Feedback）”來(lái)不斷微調(diào)?（Fine-tune）預(yù)訓(xùn)練語(yǔ)言模型，使得 LLM 模型學(xué)會(huì)理解不同類型的命令指令，并通過(guò)多重標(biāo)準(zhǔn)合理判斷基于給定的 prompt 輸入指令，輸出的是否為優(yōu)質(zhì)信息（這些標(biāo)準(zhǔn)包括：富含信息、內(nèi)容豐富、對(duì)用戶有幫助、無(wú)害、不包含歧視信息等）。因此，ChatGPT 使得人機(jī)對(duì)話更加人性化，更富有邏輯性，大大提高了 AI 的類人成熟度。

ChatGPT 的技術(shù)發(fā)展路徑：從 GPT-1 到 InstructGPT，數(shù)據(jù)量與參數(shù)量不斷增加，模型 精度和語(yǔ)言能力提升。

1）2018 年，在自然語(yǔ)言處理領(lǐng)域（NLP）剛興起時(shí)，OpenAI 就推出了 初代 GPT，它的運(yùn)行邏輯是：先通過(guò)無(wú)標(biāo)簽數(shù)據(jù)學(xué)習(xí)生成語(yǔ)言模型，并能夠運(yùn)用于一些與有監(jiān)督任務(wù)無(wú)關(guān)的 NLP 任務(wù)中。此后再根據(jù)特定的下游任務(wù)進(jìn)行有監(jiān)督的微調(diào)，提高其泛化能力。

2）2019 年推出的 GPT-2 擴(kuò)展了網(wǎng)絡(luò)參數(shù)和數(shù)據(jù)集，進(jìn)行多任務(wù)學(xué)習(xí)，可以在數(shù)據(jù)量足夠豐富且模型容量足夠大時(shí)，通過(guò)訓(xùn)練語(yǔ)言模型就能夠完成有監(jiān)督學(xué)習(xí)的任務(wù)。

3）對(duì)比 GPT-2，2020 年推出的 GPT-3 最顯著的特征是龐大的數(shù)據(jù)量和參數(shù)投入，整體訓(xùn)練過(guò)程耗資 1200 萬(wàn)美元，投入數(shù)據(jù)量達(dá)上萬(wàn)億，模型參數(shù)量達(dá)到 1750 億。GPT-3 延續(xù)了前兩代 GPT 的技術(shù)架構(gòu)，但改變了“大規(guī)模數(shù)據(jù)集預(yù)訓(xùn)練+下游數(shù)據(jù)標(biāo)注微調(diào)”的方式，采用情境學(xué)習(xí)（in-context learning）來(lái)提高模型對(duì)話輸出的性能。GPT-3 的規(guī)模和語(yǔ)言能力幾乎是最強(qiáng)大的。它能在不做微調(diào)的情況下，在一些傳統(tǒng)的 NLP 任務(wù)中表現(xiàn)得更好，包括實(shí)現(xiàn)閉卷問(wèn)答、模式解析、純語(yǔ)言建模、機(jī)器翻譯等；在新的領(lǐng)域，GPT-3 將 NLP 的應(yīng)用擴(kuò)展到缺乏足夠訓(xùn)練數(shù)據(jù)的領(lǐng)域，例如在開(kāi)發(fā)程序代碼、文章生成和信息檢索領(lǐng)域取得了實(shí)質(zhì)性的進(jìn)展。然而，GPT-3 在推理和理解能力上還有較長(zhǎng)的路要走，在自然語(yǔ)言推理（NLI）任務(wù)中表現(xiàn)不佳。

ChatGPT 在 InstructGPT 模型上做改進(jìn)，實(shí)現(xiàn)更好地遵循用戶意圖、更少的虛假信息。OpenAI在2022年3月發(fā)布了InstructGPT。該語(yǔ)言模型通過(guò)“基于人類反饋的強(qiáng)化學(xué)習(xí)（RLHF）和監(jiān)督學(xué)習(xí)”來(lái)提高輸出質(zhì)量。雖然 InstructGPT 的參數(shù)量?jī)H為 13 億左右，相比于 GPT-3 縮小 了 100 倍以上；但在遵循指令方面，能夠更好地遵循用戶意圖，將有害的、不真實(shí)或者有偏差的信息輸出最小化。在優(yōu)化的模型上，ChatGPT 基于 InstructGPT 進(jìn)一步改進(jìn)，在模型結(jié)構(gòu)和訓(xùn)練流程上遵循上述方式，但收集和標(biāo)注數(shù)據(jù)的方式上發(fā)生了變化，通過(guò)采取監(jiān)督學(xué)習(xí)的方式讓模型學(xué)習(xí)人類排序的方式。

（二）ChatGPT 商業(yè)化規(guī)劃及仍需討論的問(wèn)題

ChatGPT 成為史上最快達(dá)到 1 億月活躍用戶的應(yīng)用。ChatGPT 在 1 月達(dá)到 1 億月活躍用戶，平均每天有 1300 多萬(wàn)訪客。目前 OpenAI 已推出每月 20 美元（約合 135 人民幣）的 ChatGPT 用戶個(gè)人訂閱計(jì)劃，即使在軟件的使用高峰時(shí)段，訂閱用戶也可以優(yōu)先使用 AI 聊天機(jī)器人。

在 Gartner 發(fā)布的 2022 年新興技術(shù)成熟度曲線中，生成性 AI 處于技術(shù)萌芽期并加速發(fā) 展中。Gartner 將生成性 AI 列為 2022 年五大影響力技術(shù)之一，預(yù)測(cè)到 2025 年生成性 AI 所創(chuàng)造的數(shù)據(jù)可占到所有已生產(chǎn)數(shù)據(jù)的 10%。

ChatGPT 的能力目前幾乎可以涵蓋各個(gè)自然語(yǔ)言交互領(lǐng)域，例如聊天機(jī)器人、對(duì)話系統(tǒng)、智能客服、信息檢索、主題建模、文本生成和總結(jié)、NLP 作為服務(wù)的翻譯、轉(zhuǎn)錄、總結(jié)等等，未來(lái)應(yīng)用領(lǐng)域?qū)⒚嫦蛩{(lán)海。例如，在聊天機(jī)器人領(lǐng)域，目前 ChatGPT 已經(jīng)能基本滿足用戶的提供個(gè)性化需求和信息提供服務(wù)；在需要智能客服的電商、金融、醫(yī)療、教育、政務(wù)等垂直領(lǐng)域等，ChatGPT 能夠結(jié)合行業(yè)特點(diǎn)和需求，構(gòu)建自動(dòng)應(yīng)答系統(tǒng)，為客戶提供快速、準(zhǔn)確的問(wèn)題解答。除此外，在傳媒、娛樂(lè)、設(shè)計(jì)和影視領(lǐng)域，ChatGPT 能夠協(xié)助完成一些較低層次的任務(wù)，包括文稿生成、采訪助手、摘要總結(jié)等，或?qū)⑻岣咝袠I(yè)的運(yùn)行效率。

ChatGPT 存在的缺陷之一：目前 ChatGPT 在精準(zhǔn)性、真實(shí)性、重復(fù)率和依賴性等問(wèn)題 上尚待改善。第一、由于技術(shù)實(shí)現(xiàn)的問(wèn)題，ChatGPT 會(huì)不可避免地寫出一些似是而非、或者荒謬的答案，這將導(dǎo)致植入虛假數(shù)據(jù)和誤導(dǎo)用戶的風(fēng)險(xiǎn)。ChatGPT 依然沒(méi)有完全克服大型語(yǔ)言模型（LLM）的這一常見(jiàn)缺點(diǎn)；第二、在較長(zhǎng)的會(huì)話中，由于訓(xùn)練數(shù)據(jù)的偏差和過(guò)度修正，ChatGPT 會(huì)過(guò)度強(qiáng)調(diào)某些短語(yǔ)或者句子，導(dǎo)致重復(fù)性高的問(wèn)題；第三、ChatGPT 的強(qiáng)大能力依賴語(yǔ)料庫(kù)、數(shù)據(jù)量的抓取和復(fù)雜的訓(xùn)練過(guò)程。ChatGPT 模型依賴于大規(guī)模離線語(yǔ)料進(jìn)行訓(xùn)練，往往不能充分接受并采用在線提供的即時(shí)信息，難以理解對(duì)話中提及的因果關(guān)系，也無(wú)法基于已有信息進(jìn)行推測(cè)，這距離人類舉一反三的能力相差較遠(yuǎn)。

ChatGPT 存在的缺陷之二：其應(yīng)用過(guò)程中安全性、倫理約束、權(quán)責(zé)界定以及知識(shí)產(chǎn)權(quán)等 相關(guān)法律問(wèn)題尚未解決。一方面，由于 RLFH 并不能完全避免 ChatGPT 訓(xùn)練庫(kù)中學(xué)習(xí)到的不道德或有偏見(jiàn)的回答，也會(huì)導(dǎo)致在模糊提示或引導(dǎo)回答的過(guò)程中讓 ChatGPT 輸出一些有害信息，導(dǎo)致輸出結(jié)果的安全性降低，有可能產(chǎn)生權(quán)責(zé)無(wú)法界定的法律問(wèn)題。另一方面，在創(chuàng)造性、創(chuàng)作倫理和知識(shí)產(chǎn)權(quán)等方面并未形成有效界定。在數(shù)據(jù)挖掘、大規(guī)模計(jì)算、統(tǒng)計(jì)、多線程工作等數(shù)據(jù)處理分析領(lǐng)域，人工智能有著人類不可比擬的優(yōu)勢(shì)，但是以“創(chuàng)新和感知”為基礎(chǔ)的創(chuàng)造過(guò)程是機(jī)器學(xué)習(xí)和模型難以訓(xùn)練的。目前 ChatGPT 能夠在用戶的引導(dǎo)下快速生成小說(shuō)、詩(shī)歌、散文、編程等需要?jiǎng)?chuàng)造力的內(nèi)容，或許將對(duì)創(chuàng)作者和以版權(quán)為基礎(chǔ)的行業(yè)造成沖擊。文本生成的過(guò)程是基于數(shù)據(jù)庫(kù)內(nèi)容的學(xué)習(xí)，這是否會(huì)構(gòu)成對(duì)被抓取作品的侵權(quán)，ChatGPT 生成的文本內(nèi)容是否具有著作權(quán)，是否屬于該用戶等一系列問(wèn)題的答案尚不明確。

（三）全球巨頭爭(zhēng)相追趕，與 ChatGPT 水平尚存一定差距

國(guó)外公司中，谷歌發(fā)布的聊天機(jī)器人 Bard 具有與 ChatGPT 接近的技術(shù)水平，可能相差 半年左右。2023 年 2 月 6 日，Google CEO 發(fā)布了與 ChatGPT 對(duì)標(biāo)的產(chǎn)品 Bard。Bard 是基于由 Google 于兩年前就開(kāi)始的 LaMDA（Language Model for Dialogue Applications，用于對(duì)話應(yīng)用的語(yǔ)言模型）模型的輕量級(jí)版本。LaMDA 和 GPT-3 本質(zhì)上是非常類似的模型，都是使用 Transformer 架構(gòu)的大語(yǔ)言模型配以 RLHF，已公開(kāi)的 LaMDA 最大的版本是 1370 億參數(shù)的模型，比 GPT-3 略少。

從谷歌 22 年發(fā)布的 LaMDA 的論文來(lái)看，LaMDA 關(guān)注三個(gè)關(guān)鍵目標(biāo)：?質(zhì)量、安全和憑據(jù)，從這三個(gè)關(guān)鍵目標(biāo)來(lái)看的話，Google 相比于 OpenAI 還是謹(jǐn)慎了很多，這可能也是 Bard 遲遲未推出的原因。國(guó)內(nèi)公司中，百度、華為、字節(jié)跳動(dòng)、阿里、騰訊等巨頭均在大模型方向布局，整體發(fā)展水平與 ChatGPT 相差大概一到兩年左右，約達(dá)到接近 GPT-3 的水平。其中，百度進(jìn)展比較突出，百度的文心一言應(yīng)用是百度基于文心大模型技術(shù)推出的生成式對(duì)話產(chǎn)品，將于 2023 年 3 月完成內(nèi)測(cè)，面向公眾開(kāi)放。文心大模型的參數(shù)量已經(jīng)達(dá)到 2600 億，已經(jīng)超過(guò) GPT-3 水平。從 GPT 模型發(fā)展三要素算力、數(shù)據(jù)、模型來(lái)看，國(guó)內(nèi)巨頭與 ChatGPT 的主要差距體現(xiàn)在模型結(jié)構(gòu)的設(shè)計(jì)上，由于 GPT3.5 缺少相關(guān)論文，也沒(méi)有開(kāi)源，國(guó)內(nèi)在代碼的訓(xùn)練及推理上仍缺積累。

二、AIGC 多場(chǎng)景應(yīng)用處于爆發(fā)前夜，千億市場(chǎng)打開(kāi)

（一）AIGC 發(fā)展痛點(diǎn)逐步解除，亟待爆發(fā)

AIGC 并非新興概念，只是過(guò)往受限于優(yōu)質(zhì)訓(xùn)練數(shù)據(jù)不足、高額的算力成本或是模型算法 難題，AIGC 發(fā)展較慢，僅限于實(shí)驗(yàn)范圍。在人工智能尚不具備完整表達(dá)和生成內(nèi)容能力的時(shí)期，人工智能生成內(nèi)容僅能用于簡(jiǎn)單的 AI 問(wèn)答和聊天機(jī)器人領(lǐng)域，受限于模型算法，生成內(nèi)容沒(méi)有創(chuàng)新，也較為呆板。但隨著算力成本下降、數(shù)據(jù)形態(tài)和數(shù)量更加豐富，在不同領(lǐng)域 AIGC 都得到了飛速發(fā)展。

1. AI 文本生成領(lǐng)域：痛點(diǎn)在于上下文關(guān)聯(lián)、自然語(yǔ)言生成的能力

文本生成領(lǐng)域是 AIGC 最早觸及的領(lǐng)域。除了較早進(jìn)行探索的智能客服和聊天機(jī)器人領(lǐng) 域，早期文本生成主要應(yīng)用于輔助寫作或者結(jié)構(gòu)化寫作。此前的文本生成一直面臨的巨大挑戰(zhàn)在于：（1）上下文關(guān)聯(lián)能力；（2）自然語(yǔ)言生成能力；（3）邏輯能力。由于傳統(tǒng)的聊天機(jī)器人采用“基于模板”或者“基于規(guī)則”的算法，開(kāi)發(fā)人員通過(guò)預(yù)設(shè)一些較為固定的規(guī)則和模板后，AI 根據(jù)用戶輸入的內(nèi)容在已有模板中進(jìn)行認(rèn)知識(shí)別和匹配，然后生成回復(fù)。這種方法效率高、訓(xùn)練難度較低，但是訓(xùn)練后的模型缺乏普適性和靈活度，且難以支持復(fù)雜程度較高的會(huì)話任務(wù)，也不能進(jìn)行上文記憶。因此人們?cè)谂c傳統(tǒng)聊天機(jī)器人對(duì)話時(shí)會(huì)感覺(jué)到“答非所問(wèn)”、“車輪式對(duì)話”。對(duì)于通用性內(nèi)容的文本生成來(lái)說(shuō)，語(yǔ)言流暢性、思維深度和原創(chuàng)性是評(píng)價(jià)文章內(nèi)容的標(biāo)準(zhǔn)。人工智能輸出文字的本質(zhì)在于計(jì)算機(jī)語(yǔ)言對(duì)于人類自然語(yǔ)言的模擬，創(chuàng)造來(lái)源于人工智能基于邏輯的計(jì)算和判斷，此前人工智能無(wú)法生成流暢文本的重要原因在于訓(xùn)練數(shù)據(jù)的質(zhì)量和數(shù)量都較小。GPT 模型的“有監(jiān)督微調(diào)”和“對(duì)齊”的技術(shù)架構(gòu)提高了模型對(duì)數(shù)據(jù)的理解能力，也相應(yīng)提高了結(jié)果匹配精度，在語(yǔ)句搭配的選擇上更具優(yōu)勢(shì)，因此生成文本的可讀性有了大幅提升。

2. AI 繪畫領(lǐng)域：痛點(diǎn)在于高額的算力成本

AI 學(xué)習(xí)繪畫的實(shí)質(zhì)過(guò)程是通過(guò)對(duì)已有畫作的訓(xùn)練數(shù)據(jù)，通過(guò)模型和參數(shù)迭代輸出有規(guī)律 的像素組合。由于圖片所包含的信息量遠(yuǎn)高于文字包含的信息量，像素點(diǎn)位置、色彩、數(shù)量等共同組成龐大的參數(shù)組，因此深度學(xué)習(xí)該參數(shù)組需要足量的算力。目前 AI 繪畫根據(jù)文字提示輸出圖片需要經(jīng)歷兩個(gè)過(guò)程：理解文字提示所包含的信息，再匹配生成相應(yīng)的圖像。此前一直難以發(fā)展的原因在于：（1）繪畫細(xì)節(jié)不足、分辨率低；（2）參數(shù)量過(guò)大導(dǎo)致渲染時(shí)間過(guò)長(zhǎng)；?（3）算力和內(nèi)存不足。此后，新的深度學(xué)習(xí)模型 CLIP（Contrastive Language-Image Pre-Training），通過(guò)優(yōu)化采樣的方式將完成了“文字-圖片”匹配的跨越，而計(jì)算機(jī)視覺(jué)模型 Diffusion 的模型降維優(yōu)化降低了對(duì)顯卡的需求，加上算力成本的逐漸降低，AI 繪畫應(yīng)用迅速崛起。

3. AI 音視頻、游戲等其他領(lǐng)域：需要 AI 文本生成和 AI 繪畫提供技術(shù)基礎(chǔ)

輔助在 AI 文本生成和 AI 繪畫有所發(fā)展的技術(shù)基礎(chǔ)上，音頻、視頻、2/3D 建模、游戲等等領(lǐng)域才逐步被 AI 所滲透。以音頻領(lǐng)域?yàn)槔磥?lái) AIGC 將在語(yǔ)音合成和音樂(lè)合成領(lǐng)域有所進(jìn)展。但由于一段音頻包括的數(shù)據(jù)量相較于文字和圖片都更大，也更抽象，因此目前還難以找到很好的訓(xùn)練方式。同理，以交互和實(shí)時(shí)反饋為基礎(chǔ)的游戲領(lǐng)域也是如此。游戲制作過(guò)程中涉及的每一個(gè)輪次在未來(lái)都將有相應(yīng)的生成式 AI 模型發(fā)展，從 2/3D 建模、對(duì)話生成、對(duì)話語(yǔ)音封裝等等，需要前期在文字、圖像和音頻領(lǐng)域有堅(jiān)實(shí)的技術(shù)積累。

（二）ChatGPT 助力，文本、代碼、圖像生成有望率先成熟，視頻、游戲緊隨其后

大模型輔以新架構(gòu)，推動(dòng) AIGC 進(jìn)入殺手級(jí)應(yīng)用涌現(xiàn)階段。在 2015 年前，人工智能發(fā)展 以小模型為主導(dǎo)地位，能夠較好地適應(yīng)在垂直領(lǐng)域的分析任務(wù)，但是在通用交互相關(guān)的任務(wù)上，由于表達(dá)和理解能力欠缺，無(wú)法完成生成類的任務(wù)。但隨著計(jì)算機(jī)深度學(xué)習(xí)模型的進(jìn)展，人們開(kāi)發(fā)出新型神經(jīng)網(wǎng)絡(luò)架構(gòu) transformer、擴(kuò)散模型 diffusion 等新技術(shù)，同時(shí)算力成本降低，開(kāi)發(fā)人員才逐漸開(kāi)始探索并訓(xùn)練大語(yǔ)言模型（Large Language Model，即大模型）。我們認(rèn)為，ChatGPT 對(duì) AIGC 發(fā)展的意義在于：一方面，GPT 作為 NLP 生成領(lǐng)域模型的突破，將迅速解決 AI 文本生成、AI 代碼生成等領(lǐng)域的痛點(diǎn)；另一方面，AI 文本生成、AI 代碼生成作為 AI 音視頻、游戲等其他領(lǐng)域的技術(shù)基礎(chǔ)，其突破發(fā)展也將加速 AIGC 在音視頻、游戲等場(chǎng)景中的滲透（比如生成 AI 繪畫提示詞，或生成調(diào)用計(jì)算引擎）。

ChatGPT 成功的關(guān)鍵是人類反饋強(qiáng)化與獎(jiǎng)勵(lì)機(jī)制，其應(yīng)用層的良好效果，為 AIGC 領(lǐng)域 提供了普適性的模型優(yōu)化思路。目前內(nèi)容生成領(lǐng)域還處于用戶創(chuàng)作（UGC）或者 AI 輔助用戶創(chuàng)作（AIUGC）為主的階段，但 ChatGPT 的底層技術(shù)已被逐漸遷移向以下領(lǐng)域：

（1）在文本生成領(lǐng)域，AI 在文章潤(rùn)色、拼寫檢查修改等輔助性寫作領(lǐng)域的能力將更加穩(wěn) 定，除此外，自然語(yǔ)言生成能力的提升賦予 AI 更好地完成結(jié)構(gòu)化程度較高的文本初稿，例如電子郵件、新聞等領(lǐng)域，甚至在一些非結(jié)構(gòu)化的文章，例如社交媒體、廣告營(yíng)銷、文學(xué)等領(lǐng)域的創(chuàng)作也能提供幫助；理解歸納能力的提升將推動(dòng)大量辦公輔助類工具的落地，例如會(huì)議紀(jì)要、文檔翻譯、筆記管理等，提高整體辦公效率。

（2）在代碼開(kāi)發(fā)領(lǐng)域，基于上下文理解能力，AI 進(jìn)行代碼注釋、代碼補(bǔ)全或代碼檢查的 相關(guān)應(yīng)用將有可能在短期內(nèi)落地。雖然與文本生成的底層技術(shù)相類似，但是代碼生成對(duì) AI 工具的穩(wěn)定性、以及自然語(yǔ)言和代碼的相互轉(zhuǎn)換的精準(zhǔn)性提出了更高的要求。目前已有海外公司研發(fā)出穩(wěn)定的 AI 輔助工具，可以實(shí)時(shí)顯示代碼示例并提供錯(cuò)誤反饋。

（3）在智能問(wèn)答領(lǐng)域，目前 AI 文本生成的技術(shù)已相對(duì)成熟，理解能力和表達(dá)能力的提升突破了現(xiàn)有客服“回答千篇一律、答非所問(wèn)”的情況。未來(lái)，從底層模型的微調(diào)和強(qiáng)化將使得模型分化出不同的技能樹(shù)，或?qū)⒃凇皢?wèn)題解決、服務(wù)效率和使用體驗(yàn)”等三個(gè)方面全面提升用戶的使用體驗(yàn)。

（4）在圖像生成領(lǐng)域，目前 GPT 模型的圖像生成能力相對(duì)弱于 Diffusion 模型，但是在 利用 GPT 生成文字提示的基礎(chǔ)上，AI 可以根據(jù)擴(kuò)散模型生成更優(yōu)質(zhì)的 AI 繪畫作品。未來(lái)，傳統(tǒng)圖片編輯能力將大幅提升，摳圖、去除特定主體等技術(shù)將更加優(yōu)化，AI 按照文字提示或者示意圖生成圖片的能力將進(jìn)一步提升。

（5）在視頻、游戲和 3D 領(lǐng)域，所需底層技術(shù)更多，技術(shù)能力更加交叉，需要以目前已 有模型作為基礎(chǔ)技術(shù)實(shí)現(xiàn)。以視頻領(lǐng)域?yàn)槔?，視頻是音頻和圖像的結(jié)合，語(yǔ)音合成目前已有所探索，但是耗時(shí)和相似度還有所欠缺，要實(shí)現(xiàn)完全自然的人類語(yǔ)音的合成仍然需要時(shí)間的積累。目前對(duì) AI 視頻生成的探索中，應(yīng)用場(chǎng)景、素材選擇的限制仍然較多，在未來(lái)音頻和圖像領(lǐng)域發(fā)展到更加成熟的階段后，視頻生成或許將擁有更大的自由度。

（三）AIGC 海外公司布局梳理

目前海外 AIGC 行業(yè)正呈現(xiàn)百花爭(zhēng)艷的狀態(tài)。根據(jù) Leonis Capital 統(tǒng)計(jì)，截至 2022 年 12 月，海外對(duì)于生成式 AI 的風(fēng)險(xiǎn)投資從 2020 年約五億美金增長(zhǎng)到超過(guò) 22 億美金，增長(zhǎng)幅度超過(guò) 400%。目前文本和繪畫領(lǐng)域的技術(shù)成熟度較高，音視頻領(lǐng)域、代碼生成和更為復(fù)雜的多模態(tài)生成領(lǐng)域目前底層技術(shù)原理已經(jīng)基本具備，但還需要靜候發(fā)展。

（四）AIGC 細(xì)分市場(chǎng)規(guī)模預(yù)測(cè)：2025 年有望百倍增長(zhǎng)

目前，AIGC 所覆蓋的領(lǐng)域基本屬于 AI 軟件與服務(wù)。根據(jù) Statista 的預(yù)測(cè)數(shù)據(jù)，全球 AI 軟件的市場(chǎng)規(guī)模將在 2025 年超過(guò) 1200 億美元，2021 年到 2025 年的 CAGR 為 38.01%。在 AIGC 發(fā)展的推動(dòng)下，未來(lái)人工智能市場(chǎng)規(guī)模將以更快的速度增長(zhǎng)。

雖然目前 AIGC 已經(jīng)涉及文字、圖像、代碼、語(yǔ)音、視頻、3D、游戲等多種內(nèi)容形式的生成，但是每個(gè)領(lǐng)域的技術(shù)成熟度、底層技術(shù)難度均有差距，因此未來(lái) AIGC 的滲透率將有所差別。2021 年 AI 制作的比例僅占市場(chǎng)的 1%-2%左右，隨著技術(shù)發(fā)展，我們預(yù)測(cè)，到 2025 年 AIGC 在網(wǎng)絡(luò)文學(xué)領(lǐng)域、文本分析領(lǐng)域、繪畫及圖片領(lǐng)域、數(shù)字音樂(lè)領(lǐng)域技術(shù)將相對(duì)成熟，因此滲透率分別為 70%/60%/60%/50%，網(wǎng)絡(luò)視頻領(lǐng)域、游戲領(lǐng)域由于技術(shù)原因滲透率相對(duì)較低，分別約為 30%/25%?；谏鲜黾僭O(shè)，我們分別對(duì) AIGC 細(xì)分領(lǐng)域針對(duì)中國(guó)市場(chǎng)做 2025 年的市場(chǎng)規(guī)模預(yù)測(cè)，預(yù)計(jì) 2025 年中國(guó) AIGC 市場(chǎng)規(guī)模有望達(dá)到 1600 億。

三、AIGC 產(chǎn)業(yè)鏈：基礎(chǔ)層最先受益，中間層巨頭占優(yōu)

（一）AIGC 產(chǎn)業(yè)鏈結(jié)構(gòu)及巨頭布局

AIGC 產(chǎn)業(yè)鏈可大致分為上中下三層架構(gòu)。第一層為基礎(chǔ)層，以預(yù)訓(xùn)練模型為基礎(chǔ)搭建的 AIGC 技術(shù)基礎(chǔ)設(shè)施層，包括芯片、服務(wù)器等硬件提供商以及大模型技術(shù)提供商。第二層為中間層，通過(guò)基礎(chǔ)層的模型，進(jìn)行特定訓(xùn)練，形成垂直化、場(chǎng)景化、定制化的應(yīng)用工具。第三層為應(yīng)用層，即面向 C 端用戶提供圖像、語(yǔ)音、文字生成等各種 AIGC 的應(yīng)用。鑒于大模型訓(xùn)練需要巨大的算力規(guī)模，基礎(chǔ)層中的芯片、服務(wù)器等硬件提供商將最先受益。而對(duì)于中間層來(lái)說(shuō)，技術(shù)積累以及資金實(shí)力都是關(guān)鍵競(jìng)爭(zhēng)力，因此我們認(rèn)為科技巨頭更具有競(jìng)爭(zhēng)優(yōu)勢(shì)。應(yīng)用層中，可類比移動(dòng)互聯(lián)網(wǎng)時(shí)代，會(huì)爆發(fā)出很多殺手級(jí)應(yīng)用，用戶體驗(yàn)和模式創(chuàng)新都將成為“殺手鉗”。

（二）GPT 模型所需算力測(cè)算

GPT-3 訓(xùn)練所需算力：?根據(jù) OPENAI 公布的論文附錄，GPT-3 175B 共有 1746 億個(gè)參數(shù)，訓(xùn)練該模型需要經(jīng)過(guò) 3.14E+23 個(gè)浮點(diǎn)運(yùn)算，總算力為 3640 PF-days。換言之，在每秒進(jìn)行 1 萬(wàn)億次浮點(diǎn)運(yùn)算的計(jì)算速度下，GPT-3 175B 需要耗時(shí) 364 天。

論文中表明，GPT-3 的模型訓(xùn)練是在微軟提供的 V100 GPU 上完成的。由于微軟與 OPENAI 并未公布人才合作共建的超級(jí)計(jì)算機(jī)的硬件細(xì)節(jié)，未知其 V100 的運(yùn)算成本效率，因此 V100 GPU 型號(hào)細(xì)節(jié)參考 NVIDIA 官網(wǎng)公布的 TESLA V100。其采用 NVIDIA Volta 架構(gòu)，帶有 16GB 和 32GB 兩種配置，單個(gè) GPU 即可提供高達(dá) 100 個(gè) CPU 的性能，訓(xùn)練吞吐量比使用 CPU 快 32 倍，推理吞吐量比使用 CPU 快 24 倍，配備 V100 GPU 的單臺(tái)服務(wù)器可以取代數(shù)百臺(tái)僅配備通用 CPU 的服務(wù)器來(lái)處理傳統(tǒng)的高性能計(jì)算和人工智能工作負(fù)載。

GPT-3 訓(xùn)練所需總成本：?模型的算力需求幾乎與參數(shù)量呈同比增長(zhǎng)。單一 V100 GPU 芯片進(jìn)行一次 GPT-3 13B 模型的訓(xùn)練，大約需要 2144 天；進(jìn)行一次 GPT-3 175B 模型的訓(xùn)練，大約需要 29120 天。由于 NVIDIA 官網(wǎng)公布的最快的 V100 深度學(xué)習(xí)性能達(dá)到 125 TFlops，按照 GPT-3 13B 模型的算力需求 268 PF-days, 單個(gè) V100 GPU 需要進(jìn)行：268/0.125 = 2144 天的運(yùn)算；同理，完成一次 GPT3 175B 運(yùn)算的算力需求為 3640 PF-days，單個(gè) V100 GPU 需要進(jìn)行 29120 天的計(jì)算。GPT-3 13B 發(fā)展到 GPT-3 175B，參數(shù)量擴(kuò)大 13.73 倍，算力需求擴(kuò)大 13.58 倍，兩者幾乎同比增長(zhǎng)。若以一個(gè)容量為 28 Tflops 的 V100 GPU 為例，完成 GPT-3 13B 和 GPT-3 175B 模型理論上分別需要 26 個(gè) GPU 年和 355 個(gè) GPU 年的運(yùn)算。根據(jù) Cloud GPU Comparison 公布的數(shù)據(jù)，Microsoft Azure 的 V100 型號(hào)使用成本為$3.06/H, 我們測(cè)算 GPT-3 13B 訓(xùn)練總成本約為：$3.06 /H * 24 H/D * 365 D/Y * 26Y = $0.7 Million；同理，GPT-3 175B 訓(xùn)練總成本約為$ 9.5 Million。

GPT-3 運(yùn)行所需芯片成本：?除此外，根據(jù) OpenAI 的白皮書，GPT-3 使用每個(gè)參數(shù) 16 位的半精度浮點(diǎn)變量，這說(shuō)明 1750 億參數(shù)至少需要有 175*4=700 GB 的空間才能存儲(chǔ)（每個(gè)參數(shù)需要 4 個(gè)字節(jié)）。若以此計(jì)算，相當(dāng)于至少 22 塊 32GB 內(nèi)存的 Tesla V100 GPU，每塊約 9000 美元，則不計(jì) RAM、CPU、SSD 驅(qū)動(dòng)器、電源等其他情況下，芯片成本在至少 20 萬(wàn)美元以上。

四、A 股相關(guān)公司介紹

1、浪潮信息——全球 AI 服務(wù)器龍頭

技術(shù)發(fā)展：浪潮信息人工智能服務(wù)器的市占率位居全球第一，在中國(guó)市場(chǎng)份額連續(xù)五年保持 50%以上。公司行業(yè)競(jìng)爭(zhēng)力強(qiáng)勁，致力于十四五期間成為全球服務(wù)器龍頭公司。根據(jù) IDC 數(shù)據(jù)顯示，2022 年，公司在全球服務(wù)器行業(yè)市占率排名第三，市占率分別為 9.9%；在國(guó)內(nèi)服務(wù)器行業(yè)，公司更是當(dāng)之無(wú)愧的龍頭廠商，2020 年市占率 35.6%，高于排名第二第三的華為和新華三總和。

業(yè)務(wù)布局：2 月 10 日，浪潮信息推出 AI 算力服務(wù)產(chǎn)品，將基于國(guó)內(nèi)領(lǐng)先智算中心的算力基礎(chǔ)設(shè)施，為國(guó)內(nèi)客戶提供先進(jìn)、開(kāi)放、高性能、高質(zhì)量的 AI 算力資源和配套服務(wù)，支撐 AI 模型構(gòu)建、訓(xùn)練和推理的業(yè)務(wù)全流程，賦力生成式 AI 產(chǎn)業(yè)創(chuàng)新。目前，AI 算力服務(wù)相關(guān)信息已在元腦生態(tài) AIStore 平臺(tái)上線，包括有多種算力、數(shù)據(jù)、算法等可選產(chǎn)品。浪潮信息此次推出的 AI 算力服務(wù)產(chǎn)品，包括支持國(guó)際和國(guó)內(nèi)領(lǐng)先的的 4 種 AI 算力產(chǎn)品、經(jīng)“源”清洗驗(yàn)證過(guò)的語(yǔ)言或多模態(tài)的大模型數(shù)據(jù)集的 2 種數(shù)據(jù)產(chǎn)品、由浪潮“源”專家團(tuán)隊(duì)提供的語(yǔ)言或多模態(tài)的大模型訓(xùn)練支持的 2 種算法產(chǎn)品以及 AI 訓(xùn)練推理資源管理調(diào)度的 1 種平臺(tái)產(chǎn)品。

2、彩訊股份——信創(chuàng)+國(guó)資云+AIGC 三駕馬車

技術(shù)發(fā)展：公司在智能問(wèn)答、圖像識(shí)別、語(yǔ)音語(yǔ)義識(shí)別等產(chǎn)品方向均有所涉獵，此外，公司還在電信、金融等行業(yè)的智能文件識(shí)別、智能客服機(jī)器人系統(tǒng)、5G 消息 chatbot 系統(tǒng)等方面都有著深厚的技術(shù)儲(chǔ)備，其中一部分成果已經(jīng)實(shí)現(xiàn)落地應(yīng)用。與 AI 的深度融合，可以讓彩訊郵件系統(tǒng)更加智能地實(shí)現(xiàn)郵件摘要自動(dòng)生成，郵件撰寫智能等功能。5G 消息未來(lái)有機(jī)會(huì)成為 ChatGPT 入口。彩訊 5G消息 CSP 解決方案可定制接入客戶自有 chatbot 或提供垂直行業(yè) chatbot 一體化解決方案，通過(guò) 5G 消息號(hào)“變身”為智能客服助手，提供更智能的交互體驗(yàn)。

業(yè)務(wù)布局：公司力求將云計(jì)算、人工智能以及大數(shù)據(jù)等新興技術(shù)應(yīng)用到傳統(tǒng)產(chǎn)業(yè)鏈，促進(jìn)各行各業(yè)的數(shù)字化轉(zhuǎn)型升級(jí)。智慧渠道、協(xié)同辦公、云和大數(shù)據(jù)為公司的三大業(yè)務(wù)線，主要為行業(yè)客戶提供產(chǎn)業(yè)互聯(lián)網(wǎng)應(yīng)用平臺(tái)開(kāi)發(fā)和運(yùn)營(yíng)服務(wù)。目前是信創(chuàng)產(chǎn)業(yè)發(fā)展的風(fēng)口，公司在此趨勢(shì)下積極布局，自研的彩訊 Richmail（Richmail 信創(chuàng)安全增強(qiáng)電子郵件系統(tǒng)解決方案）未來(lái)有望在黨政、金融等領(lǐng)域多點(diǎn)發(fā)力。公司作為中國(guó)移動(dòng)供貨商，云業(yè)務(wù)深度受益移動(dòng)云業(yè)務(wù)加速，預(yù)計(jì)維持較高增速。

3、嘉和美康——電子病歷龍頭，AI 智慧醫(yī)療先行者

技術(shù)發(fā)展：公司在國(guó)內(nèi)醫(yī)療大數(shù)據(jù)和人工智能方面具有豐富的技術(shù)與經(jīng)驗(yàn)儲(chǔ)備，智慧醫(yī)療類產(chǎn)品在全國(guó)市場(chǎng)排名領(lǐng)先。據(jù) IDC 報(bào)告，公司在 2021 年中國(guó)醫(yī)療大數(shù)據(jù)解決方案市場(chǎng)中排名第二。憑借深厚的臨床信息化建設(shè)經(jīng)驗(yàn)和上千家醫(yī)院核心信息系統(tǒng)的數(shù)據(jù)處理優(yōu)勢(shì)，公司對(duì)數(shù)據(jù)處理技術(shù)進(jìn)行二次創(chuàng)新轉(zhuǎn)化，自主研發(fā)了智能醫(yī)學(xué)數(shù)據(jù)中臺(tái)，對(duì)大規(guī)模多源異構(gòu)醫(yī)療數(shù)據(jù)進(jìn)行深度處理和分析，對(duì)不同維度數(shù)據(jù)進(jìn)行聚合、關(guān)聯(lián)，形成適用于不同場(chǎng)景的數(shù)據(jù)模型，打造出擁有自主知識(shí)產(chǎn)權(quán)的覆蓋智能診前服務(wù)、臨床決策支持、病歷內(nèi)涵質(zhì)控及大數(shù)據(jù)科研等不同應(yīng)用場(chǎng)景的醫(yī)療 AI 系統(tǒng)，實(shí)現(xiàn)了數(shù)據(jù)驅(qū)動(dòng)下的患者服務(wù)、臨床輔助、科研反哺、質(zhì)控護(hù)航的多位一體醫(yī)療服務(wù)模式，完成了對(duì)“診前-診中-診后”全量醫(yī)療數(shù)據(jù)的全流程閉環(huán)應(yīng)用。

業(yè)務(wù)布局：臨床輔助決策支持系統(tǒng)（CDSS）、大數(shù)據(jù)科研分析平臺(tái)、AI 病歷內(nèi)涵質(zhì)控系統(tǒng)、智能預(yù)問(wèn)診系統(tǒng)、智能分診系統(tǒng)是公司智慧醫(yī)療產(chǎn)品體系的五大核心產(chǎn)品。公司智慧醫(yī)療產(chǎn)品體系以人工智能技術(shù)為核心驅(qū)動(dòng)，以醫(yī)院內(nèi)真實(shí)診療數(shù)據(jù)為基礎(chǔ)，以能夠提供高度集約化、標(biāo)準(zhǔn)化數(shù)據(jù)整合、治理及服務(wù)的智能醫(yī)學(xué)數(shù)據(jù)中臺(tái)為支撐，形成的覆蓋臨床診療、科研支持、醫(yī)務(wù)管理、患者服務(wù)等多個(gè)應(yīng)用場(chǎng)景的智慧醫(yī)療全生態(tài)產(chǎn)品矩陣，能夠?qū)崿F(xiàn)“診前-診中-診后”?智慧醫(yī)療服務(wù)閉環(huán)，為醫(yī)療機(jī)構(gòu)、科研院校、衛(wèi)生主管部門等提供數(shù)字化、智能化、精細(xì)化的智慧醫(yī)療創(chuàng)新服務(wù)。智慧醫(yī)療產(chǎn)品在智慧醫(yī)院建設(shè)中比重不斷增加，隨著智慧醫(yī)院建設(shè)要求不斷提高，以大數(shù)據(jù)和人工智能等新興技術(shù)為基礎(chǔ)的智慧醫(yī)療產(chǎn)品，場(chǎng)景豐富度和成熟度得到根本提升，在醫(yī)療過(guò)程中發(fā)揮的作用不斷凸顯。公司智慧醫(yī)療產(chǎn)品也成為主營(yíng)業(yè)務(wù)中新的增長(zhǎng)點(diǎn)，2022 上半年，公司智慧醫(yī)療產(chǎn)品增速明顯，軟件產(chǎn)品銷售收入 3,107.72 萬(wàn)元，同比增長(zhǎng) 128.09%。

4、科大訊飛——人工智能行業(yè)龍頭企業(yè)

技術(shù)發(fā)展：AI 語(yǔ)音技術(shù)為公司之本，公司在 AI 語(yǔ)音市場(chǎng)份額第一，由此延展至人工智能 多個(gè)領(lǐng)域。目前公司已進(jìn)入 AI2.0 戰(zhàn)略時(shí)代，處于 AI 技術(shù)的紅利兌現(xiàn)期，目標(biāo)是實(shí)現(xiàn) AI 應(yīng)用規(guī)?；涞?。在此時(shí)期內(nèi)，公司將在于教育、消費(fèi)者、開(kāi)放平臺(tái)、智慧城市、醫(yī)療、汽車等重點(diǎn)行業(yè)規(guī)?；茝V人工智能解決方案?？拼笥嶏w主導(dǎo)建設(shè)了認(rèn)知智能全國(guó)重點(diǎn)實(shí)驗(yàn)室，使得自身核心技術(shù)始終保持在世界前沿水平，并且面向認(rèn)知智能領(lǐng)域前后共開(kāi)源了 6 大類、超過(guò) 40 個(gè)通用領(lǐng)域的系列中文預(yù)訓(xùn)練語(yǔ)言模型，是業(yè)界最為流行的中文預(yù)訓(xùn)練模型系列之一。

業(yè)務(wù)布局：公司在 2019 年啟動(dòng) AI2.0 戰(zhàn)略，以“開(kāi)放平臺(tái)+賽道”的模式，在智慧教育、消費(fèi)者業(yè)務(wù)、智慧醫(yī)療、智慧城市等應(yīng)用場(chǎng)景布局。在平臺(tái)上，公司依靠訊飛人工智能開(kāi)放平臺(tái)，為客戶提供 AI 解決方案，圍繞自身平臺(tái)筑建產(chǎn)業(yè)生態(tài)；在賽道上，公司為各行各業(yè)提供產(chǎn)品服務(wù)以及解決方案，主要有智慧教育、智慧醫(yī)療、智慧城市、消費(fèi)者業(yè)務(wù)、智慧汽車、智慧金融等。

5、拓爾思——專注于 NLP(語(yǔ)義智能)領(lǐng)域的行業(yè)領(lǐng)軍者

技術(shù)發(fā)展：在人工智能領(lǐng)域，拓爾思是國(guó)內(nèi)最早研發(fā)自然語(yǔ)言處理（NLP）的公司之一，在知識(shí)圖譜、NLP、OCR 等領(lǐng)域都有著自主可控的底層技術(shù)，也是行業(yè)領(lǐng)軍者。此外，公司的語(yǔ)義智能技術(shù)還包括了知識(shí)圖譜、智能搜索等領(lǐng)域，并且在相關(guān)領(lǐng)域業(yè)處于領(lǐng)先地位。如今公司將以預(yù)訓(xùn)練大模型、In-Context Learning、instruction tuning 等技術(shù)為基礎(chǔ)，把文本生成、交互式生成、跨模態(tài)生成、小樣本學(xué)習(xí)等功能作為研發(fā)重點(diǎn)，力求在問(wèn)答式 AI、智能創(chuàng)作、搜索引擎等領(lǐng)域?qū)崿F(xiàn)成功應(yīng)用。

業(yè)務(wù)布局：公司先前主要業(yè)務(wù)為向各級(jí)黨政機(jī)關(guān)和企事業(yè)單位等提供人工智能和大數(shù)據(jù)工具軟件平臺(tái)以及解決方案，現(xiàn)在正逐步從提供軟件產(chǎn)品向提供云平臺(tái)服務(wù)轉(zhuǎn)型升級(jí)，以軟件產(chǎn)品+云服務(wù)的商業(yè)模式成為目前公司的核心競(jìng)爭(zhēng)力所在。

6、金山辦公——推動(dòng) OA 與 AIGC 高效融合的辦公軟件龍頭

技術(shù)發(fā)展：公司在辦公軟件具備 30 余年的技術(shù)積累，且具有辦公領(lǐng)域?qū)I(yè)研究的優(yōu)勢(shì)，對(duì)核心技術(shù)具有自主知識(shí)產(chǎn)權(quán)。目前關(guān)鍵技術(shù)研究重點(diǎn)針對(duì)數(shù)據(jù)云存儲(chǔ)、智能數(shù)據(jù)處理、安全云文檔以及數(shù)據(jù)協(xié)同共享等多個(gè)領(lǐng)域。由于辦公領(lǐng)域與 AIGC 天然的結(jié)合點(diǎn)，能大幅提高工作效率，實(shí)現(xiàn)“軟件產(chǎn)品向價(jià)值工具”的轉(zhuǎn)變。目前公司在研項(xiàng)目包括智能協(xié)作創(chuàng)新和產(chǎn)業(yè)化公共服務(wù)平臺(tái)、智能辦公軟件集成等，目前已完成國(guó)產(chǎn)軟硬件深度適配基本技術(shù)的研究實(shí)現(xiàn)、產(chǎn) 品架構(gòu)設(shè)計(jì)及第一階段功能定制開(kāi)發(fā)等工作。

業(yè)務(wù)布局：公司一直探索人工智能和大數(shù)據(jù)分析技術(shù)的發(fā)展，并應(yīng)用于用戶文檔創(chuàng)作和在線協(xié)同中，以提供“多屏、云、內(nèi)容、AI、協(xié)作”的辦公生活方式，依托 AI 構(gòu)建產(chǎn)品云服務(wù)體系。2022 年 11 月，金山辦公與華為簽訂戰(zhàn)略合作備忘錄，進(jìn)一步在鴻蒙生態(tài)領(lǐng)域展開(kāi)深度合作，逐步將 WPS 及其他旗下產(chǎn)品適配華為 1+8+N 設(shè)備，以期實(shí)現(xiàn)設(shè)備協(xié)同和生態(tài)融合的理念，未來(lái)將推動(dòng)“跨設(shè)備、跨用戶、跨服務(wù)”的辦公形態(tài)。

7、同花順——AI+互聯(lián)網(wǎng)金融信息服務(wù)提供商

技術(shù)發(fā)展：公司在人工智能技術(shù)方面具有豐富的經(jīng)驗(yàn)積累，2009 年落地的“i 問(wèn)財(cái)”部門是最早為股票信息服務(wù)平臺(tái)，逐步完善智能問(wèn)答功能，并從金融垂直領(lǐng)域擴(kuò)展到多領(lǐng)域生成答案。2015 年公司自主研發(fā)的自然語(yǔ)言系統(tǒng)中，語(yǔ)音識(shí)別表現(xiàn)處于第一梯隊(duì)，此后上線的語(yǔ)音系產(chǎn)品包括智能外呼、智能客服、語(yǔ)音質(zhì)檢等，其智能客服機(jī)器人已應(yīng)用于多家大中型證券公司及基金公司。同花順長(zhǎng)期保持高研發(fā)投入，不斷加大對(duì)機(jī)器學(xué)習(xí)、自然語(yǔ)言理解、語(yǔ)音識(shí)別、人機(jī)交互、數(shù)字人等關(guān)鍵技術(shù)應(yīng)用的研發(fā)，正在推出更多 ALL IN AI 的產(chǎn)品。

業(yè)務(wù)布局：公司從 2009 年開(kāi)始布局人工智能領(lǐng)域，先后推出自主研發(fā)的股票信息檢索服 務(wù)、智能問(wèn)答、語(yǔ)音識(shí)別等技術(shù)，目前已上線 AI 開(kāi)放平臺(tái)，可面向客戶提供數(shù)字虛擬人、智能金融問(wèn)答、智能語(yǔ)音、智能客服機(jī)器人、智能質(zhì)檢機(jī)器人、會(huì)議轉(zhuǎn)寫系統(tǒng)、智慧政務(wù)平臺(tái)、智能醫(yī)療輔助系統(tǒng)等 40 余項(xiàng)人工智能產(chǎn)品及服務(wù)，應(yīng)用于證券、基金、銀行、保險(xiǎn)、運(yùn)營(yíng)商、高校、企業(yè)、科研院所、政府部門等多個(gè)行業(yè)。目前公司已在金融領(lǐng)域以外推出智能電梯產(chǎn)品、AI 醫(yī)療內(nèi)鏡助手等，未來(lái)將推動(dòng) AI 和更多垂直領(lǐng)域的結(jié)合。

8、萬(wàn)興科技——全球領(lǐng)先的新生代數(shù)字創(chuàng)意賦能者

技術(shù)發(fā)展：公司正積極探索 3D 模型設(shè)計(jì)與渲染技術(shù)、動(dòng)捕 AI 技術(shù)和基于 GAN 網(wǎng)絡(luò)形象生成等技術(shù)。截至目前，公司已在多個(gè)產(chǎn)品中實(shí)現(xiàn)虛擬人、文生圖、AI 智能摳像、AI 智能降噪、AI 音樂(lè)重組、AI 換臉等功能。

業(yè)務(wù)布局：公司已布局虛擬數(shù)字人、虛擬場(chǎng)景、虛擬直播等業(yè)務(wù),并于近日在全球元宇宙大會(huì)論壇上宣布將布局 AIGC 賽道,同時(shí)，公司旗下首款 AI 繪畫軟件“萬(wàn)興愛(ài)畫”也已經(jīng)正式開(kāi)啟公測(cè)。未來(lái)，公司將在進(jìn)一步挖掘消費(fèi)類軟件海外市場(chǎng)的同時(shí)，大力開(kāi)拓國(guó)內(nèi)市場(chǎng)，提高自身在國(guó)內(nèi)市場(chǎng)的占有率，因?yàn)槟壳爸袊?guó) IT 市場(chǎng)正處于蓬勃發(fā)展時(shí)期，公司需要抓住這一機(jī)遇，并且中國(guó)是全球重要市場(chǎng)，實(shí)現(xiàn)全球化自然離不開(kāi)開(kāi)拓國(guó)內(nèi)市場(chǎng)。

9、云從科技——提供人機(jī)協(xié)同操作系統(tǒng)和行業(yè)解決方案的人工智能企業(yè)

技術(shù)發(fā)展：依靠在人臉識(shí)別領(lǐng)域的技術(shù)積累，云從科技首先從人臉識(shí)別切入 AI 行業(yè)，之 后相繼在圖像識(shí)別、語(yǔ)音識(shí)別、自然語(yǔ)言處理、機(jī)器學(xué)習(xí)等 AI 領(lǐng)域取得突破和成果，公司有著自主研發(fā)的跨鏡追蹤（ReID）、3D 結(jié)構(gòu)光人臉識(shí)別、雙層異構(gòu)深度神經(jīng)網(wǎng)絡(luò)和對(duì)抗性神經(jīng)網(wǎng)絡(luò)技術(shù)等人工智能技術(shù)，均處于業(yè)界領(lǐng)先水平。截至目前，公司已經(jīng)基本形成了人工智能感知、認(rèn)知、決策的技術(shù)閉環(huán)，全鏈自主可控。

業(yè)務(wù)布局：公司從人臉識(shí)別技術(shù)出發(fā)，通過(guò)感知、認(rèn)知、決策的全鏈人工智能技術(shù)，將人工智能解決方案在智慧金融、智慧治理、智慧出行、智慧商業(yè)等行業(yè)進(jìn)行實(shí)踐。此外，公司以自身研發(fā)的通用操作系統(tǒng)為基礎(chǔ)，實(shí)現(xiàn)人工智能技術(shù)在特定場(chǎng)景下的應(yīng)用，如火眼人臉大數(shù)據(jù)、活體檢測(cè)軟件等產(chǎn)品，最終形成軟硬件相結(jié)合的人工智能解決方案