计算机行业深度报告：AI偏向科普性报告：围绕算法、算力、数据和应用

19请务必阅读正文之后的免责请务必阅读正文之后的免责声明部分行业走势行业走势%%%相关研究《华为盘古大模型产业链梳理》3-03-27展保驾护航》23-03-24和应用证券分析师王紫敬199781wangzj@研究助理王世杰wangshijie@投资要点型指通过在大规模宽泛的数据上进行训练后能适应一系列下游任务的数规模超过千亿的大语言模型都采取GPT模式，但是不同类型的企业人工TClGPT4依靠大量多模态数据训练。未来AI模型的竞争力或体现在数据◼AI赋能各行各业，未来是AI应用的星辰大海：AI堪比第四次技术革ERP，机器人以及力依头公司。荐各细分赛道的信息化龙头企业，如久远银海、容知日新、中控技术，建议关注国能日新、千方科技等；应用上，我们推荐在具备“杀手级”基信息等。报告2/19请务必阅读正文之后的免责请务必阅读正文之后的免责声明部分 3/19请务必阅读正文之后的免责请务必阅读正文之后的免责声明部分 10 4/19请务必阅读正文之后的免责请务必阅读正文之后的免责声明部分大模型就是FoundationModel(基础模型)，指通过在大规模宽泛的数据上进行训面通用性、实用性，是人工智能迈向通用智能的里程碑技术。数据来源：人工智能前沿，东吴证券研究所能力、更强的泛化能力，5/19请务必阅读正文之后的免责请务必阅读正文之后的免责声明部分图2：Transformer引领了大模型的爆发数据来源：量子学派，东吴证券研究所的输入的情况下生成相应的文本输出(自然语言、代码等)；2)多语言：在测试的26TGPTChatGPT他们需要的东西。图3：GPT-4多语言性能表现优秀数据来源：Accuracy，东吴证券研究所图4：GPT-4的文字输入限制数据来源：Allmetaverse，东吴证券研究所6/19请务必阅读正文之后的免责请务必阅读正文之后的免责声明部分据进行支持，并非在大模型技术上有革命性突破。虽然国内AI大模型版本相对要滞后模型能力模型性能用户数据隐私保护、数据安全措施应用广度覆盖的行业数应用深度户业务流程关键环节渗透度应用生态基于大模型进行产品开发的开发者数大模型工具与平台开发者创建的模型或应用数目数据来源：IDC，东吴证券研究所数据、算力、算法综合优势的企业可以将模型的复杂生产过程封装起来，通过低门槛、7/19请务必阅读正文之后的免责请务必阅读正文之后的免责声明部分模型训练运营成本数据来源：财经十一人，东吴证券研究所I造的硬件优势，可将大模型所需算力压缩到极致；另外其底层技术优势还有利于构建AI的预训时尚等多个AI场景落地。5)中科院的紫东太初是全球首个视觉-文本-语音三模态预训能力。图7：百度文心一言图8：华为盘古数据来源：文心一言官网，东吴证券研究所数据来源：华为开发者大会2021，东吴证券研究所8/19请务必阅读正文之后的免责请务必阅读正文之后的免责声明部分g图9：OpenAI-ChatGPT数据来源：OpenAI，东吴证券研究所图10：Google-BERT数据来源：Google，东吴证券研究所NO格ItokentokenNFLOPSFLOPS每秒浮点型)的参数数量。1750亿参数模型的GPT-3是在3000亿token上进行训练的。根据9/19请务必阅读正文之后的免责请务必阅读正文之后的免责声明部分图11：用时1个月训练ChatGPT-3需要英伟达A100芯片数量数据来源：CSDN，东吴证券研究所测算运营(推理)成本：运营阶段所需算力量与使用者数量紧密相关。根据openAI官进行推理计算(峰值计算能力为312TFLOPSFP16/FP32)。我们假设GPT-3每日5000图12：维持ChatGPT-3每日5000万月活运营需要英伟达A100芯片数量数据来源：CSDN，东吴证券研究所测算19请务必阅读正文之后的免责请务必阅读正文之后的免责声明部分表1：GPT-4和GPT-3.5-turbo收费标准GPT-turbotoken1Ktokens数据来源：OpenAI官网，东吴证券研究所表2：国产大模型带动算力需求测算(短期为2023年，长期为2024-2025年)10家20,000片200,000片期总需求数200,000片2,000,000片21年中国加速卡出货量800,000片数据来源：IDC，东吴证券研究所测算发布一套新的、范围广泛的出口管制措施，对向中国出口先进人工智能(AI)和超级计伟达的A100和H100被列入出口管制清单。GPUA持一致，但增加了40GB显存的PCIe版本，但在NVLink互联速度上，A800相较于图13：A800和A100性能对比请务必阅读正文之后的免责请务必阅读正文之后的免责声明部分数据来源：英伟达官网，东吴证券研究所I要达到同等算力要求，国产芯片片数需求量会更大，但大量AI芯片并行运行会对控制能力有较高要求，难以满足。但发展自己的AI芯片产业迫在眉睫，各家厂商正在快速AI对比数据来源：各公司官网，东吴证券研究所19请务必阅读正文之后的免责请务必阅读正文之后的免责声明部分据进行训练。提升需要依靠持续扩大的数据集实现。互联网提供的海量数据是AI近期能够取得突破大模型的训练数据主要来自于维基百科、书籍、期刊、Reddit社交新闻站点、和细节，但可以从近些年业界公布过的其他大模型的训练数据推测出ChatGPT的训练图15：大模型训练数据来源统计(表中数字单位为GB)数据来源：AlanD.Thompson，东吴证券研究所经r能是GPT3.5(45TB数据)的190倍。19请务必阅读正文之后的免责请务必阅读正文之后的免责声明部分I的通用第三方厂商：海天瑞声等。图16：数据采集示意图数据来源：行行查，东吴证券研究所表3：计算机各行业数据要素相关厂商业相关公司金融19请务必阅读正文之后的免责请务必阅读正文之后的免责声明部分公路水路运输路应急管理社会保障息教育航天信息辰安科技石基信息数据来源：Wind，东吴证券研究所行业的能力，打开其产业想象的边界。图17：三次工业革命带来下游应用技术爆发19请务必阅读正文之后的免责请务必阅读正文之后的免责声明部分数据来源：维基百科，东吴证券研究所图18：GPT-4画出了《三体》中的罗辑数据来源：行者慎思，东吴证券研究所图19：AI生成不同的3D建筑风格数据来源：设计癖，东吴证券研究所ce力增长。图20：Microsoft365Copilot19请务必阅读正文之后的免责请务必阅读正文之后的免责声明部分数据来源：微软发布会，东吴证券研究所LLM人动作，以完成各种任务。ChatGPT图21：ChatGPT改善了机器人对环境的适应性19请务必阅读正文之后的免责请务必阅读正文之后的免责声明部分数据来源：每日经济新闻，东吴证券研究所ChatGPT忽视了大图22：智能EDA和传统EDA流程图数据来源：机器之心专栏，东吴证券研究所访T、行业Knowhow积累和行业壁垒上19请务必阅读正文之后的