人工智能行业简评报告：人工智能十大发展趋势

证券研究报告行业简评报告十大发展趋势SACs13090003CBEMichengcsccomcnSACS518040002FCBNSgbocsccomcnSACS522030001月9日本报告由中信建投证券股份有限公司在中华人民共和国(仅为本报告目的，不包括香港、澳门、台湾)提供。在遵守适用的法律法规情况下，本报告亦可能由中信建投(国际)证券有限公司在香港提供。请务必阅读正文之后的免责条款和声明。核心观点核心观点：自然语言大模型迸发出智慧火花，开启了人工智能的新一轮发展浪潮。站在当前这一重要的历史节点，我们从技术、应用、安全三个维度展望了人工智能的未来发展，其中技术是源动力，应用是牵引力，安全是信任力。对未来的展望中，我们提出多模态模型、具身智能、通用人工智能、高质量数据、智算中心、大模型C端应用、大模型B端应用、大模型轻量化、重构劳动力、AI治理十个方面的技术是原动力。人工智能是一门前沿科研与产业应用密切结合的学科，技术进步是推动人工智能发展的原动力。多模态模型关注文本、图像和视频等多种形式的信息融合，是人工智能理解真实世界的重要一步；具身智能通过与环境感知交互进行学习，实现人工智能的能力进阶，将成为AI发展新形态；当前，人工智能正处于狭义人工智能相对成熟、通用人工智能曙光乍现的阶段，大语言模型迸发智慧火花，通往通用人工智能的路径愈发明晰；以数据为中心的人工智能更加专注于数据的价值，高质量数据进一步推动AI模型的性能突破；用计算向AI计算深度演进，智算中心成为关键基础设施。应用是牵引力。人工智能将深刻影响人类社会的生产和生活方式，良好的产业应用是人工智能发展的牵引力。在个人端，大模型将成为每个人的智能助理，同时也正在成为新一代的流量入口；在企业端，专业数据和成本驱动下行业模型将呈现百花齐放的局面，打开广阔应用空间；大模型轻量化进程提速，部分场景的推理将逐步从云侧下沉至端侧；大模型也将对劳动力市场产生深远影响，人工智能与前的结合也产生了巨大潜力。安全是信任力。随着人工智能模型智慧水平不断提升，模型的安全使用成为人工智能发展的信任力。可以从技术层面和规范层面出发，AI相关法规的制定，实现AI治理与技术的平衡，增强人工智能的信任力。风险提示：人工智能模型技术发展不及预期、数据数量与数据质量不及预期、隐私问题、伦理冲突风险、算力基础设施支持不及预期等。人工智能三大推动力资料来源：中信建投趋势一统一未来：多模态模型加速文本、图像和视频融合TransformerALTransformerALBERT多模态模型：多模态模型能够处理视觉信息、文本信息、听觉信息等多元化数据，可以对不同表现形式的信息进行融合理解，进一步提工智能全面理解真实世界的重要一步。发展情况：文本、语音、图片等单模态人工智能模型已经相对成熟，大模型正在朝着多模态信息融合的方向快速发展。从CLIP的诞生再GPT向着音频、视频等领域拓展。未来展望：未来模型将面对更加复杂多样化的交互场景，更加注重各种形式的信息融合，多模态技术将在智能家居、智慧城市、医疗诊图：多模态模型迭代历程Stablediffusion图像生成DiffusionmodelDALL-EDALL-EVisionVisiontransformerKosmos-1Kosmos-1PaLM-EPaLM-E资料来源：OpenAI，Google，StabilityAI，Midjourney，微软，中信建投趋势二逾越虚拟边界：具身智能成为AI发展新形态具身智能：具身智能是可以和物理世界进行感知交互，并具有自主决策和行动能力的人工智能系统。具身智能中的智能体能够以主人公生对于客观世界的理解和改造能力。发展情况：斯坦福大学教授李飞飞将具身智能列为计算机视觉未来的关键发展方向，并将其称之为人工智能研究的“北极星”。现阶段未来展望：通用人工智能与机器人产业正处在快速发展、互相融合促进的战略机遇期，作为两大领域交叉的核心应用，具身智能有望在策、行动、执行等能力，实现人工智能的能力进阶。图：具身智能学习和旁观式学习的区别从互联网搜集的图像、文本中学习，与真实世界脱节旁观学习出“盒子”标签“打开”概念感知理解具身环境下物体操作反馈和奖励具身智能通过操作等行为主动获取学习样资料来源：卢策吾《浅谈行为驱动具身智能》，中信建投图：人工智能能力进阶资料来源：中信建投趋势三大模型智慧火花：走向通用人工智能的途径愈发明晰，脑机接口创造新的交互方式通用人工智能(AGI)是指具有像人类一样的思考能力，可以适应广泛的领域并解决多种问题的机器智能，AGI是人工智能研究的重要目标之一。狭义人工智能是指当下已取得显著进展但局限特定领域的人工智能，如语音识别、机器视觉等。我们正处于狭义人工智能相对成熟、通用人工智能曙光乍现的阶段，目前以GPT-4为代表的自然语言大模型被认为是通往通用人工智能的重要潜在路径，OpenAICEO萨姆·奥特曼(SamAltman)表示，AGI时代可能很快就会到来，未来十年内行业可能会拥有超强的AI系统。人类与人工智能之间的沟通方式也在不断升级，脑机接口有望成为下一代人机交互方式。当前，脑机接口技术正在突破人类的生理界限，前所未有的可能性，而且有望成为下一代的人机交互方式。图：人工智能发展的三个阶段图：人工智能奇点临近WeWearehere资料来源：towardsdatascience，中信建投趋势四数据的力量：海量数据带来模型能力涌现，高质量数据提升模型性能深度学习的进步建立在以更大的模型处理海量数据基础之上。GPT-1模型从1.17亿参数上升至GPT-3的1750亿参数，模型效果取得了显著激增，模型架构和参数量提升带来的收益正处于递减状态。阿伯丁大学、麻省理工大学等研究机构的一项研究显示，高质量的语言数据将在2026年耗尽，低质量的语言数据和图像数据将分别在2030-2050年、2030-2060年间枯竭。以数据为中心的人工智能更加专注于数据的价值，进一步推动AI模型的性能突破。斯坦福大学吴恩达教授提出二八定律：80%的数据+20%的模型=更好的AI。以数据为中心的策略可以解决数据样本不足、数据偏差等问题，高质量数据集成为推动模型性能进一步提升的据收集和评估体系的价值将进一步凸显。图：GPT系列模型参数量和训练数据量不断上升.6GPT-1GPT-22019.215亿40GB.5T5TB资料来源：OpenAI，中信建投图：不同类型数据集的消耗趋势和耗尽时间资料来源：Willwerunoutofdata?AnanalysisofthelimitsofscalingdatasetsinMachineLearning，中信建投图：改进代码与提升数据质量对模型性能的影响electtectionBaseline76.2%75.68%85.05%rfacetionar+0.04%0%以数据为中心能更好地改进模型性能9%资料来源：AChatwithAndrewonMLOps:FromModel-centrictoData-centricAI，中信建投趋势五数据中心的AI变革：智算中心成为关键基础设施云计算是当前重要的AI算力提供方案，AI服务器市场获得迅猛发展。根据TrendForce数据，2022年全球AI服务器的出货量占整体服务器比重约1%，随着大模型训练侧和推理侧的需求爆发，AI算力资源需求预计将呈指数增长。根据IDC数据，预计未来5年中国智能算力规模AI算。云计算正从CPU为中心的同构计算架构向以CPU+GPU/NPU为中心的异构计算架构深度演进。我们预计，大模型带来的GPU存量空间将金上升至2025年的1121亿美金，以GPU为代表的AI计算资源中短期将处于供不应求的状态。随着专有领域的计算需求提升，AI芯片追求更高的性能和更低的功耗，芯片的多样性和生态丰富性将不断提升。部分头部互联网厂商将图：同构计算架构转向异构计算架构图：GPU和AI服务器全球市场空间测算202220212024E2023E2025202220212024E2023E276.61120.9622.7--276.61120.9622.7--70.070.070.0--GPU占AI服务器成本比例(%)70.070.070.0--120.0100.0150.0--GPU芯片升级/算法效率提升比例测算(%)120.0100.0150.0--395.2202.01601.3156.0889.395.2202.01601.3156.0889.6193.246.0494.4711.7-AI服193.246.0494.4711.7-39.1125.129.895.680.0市39.1125.129.895.680.0资料来源：Github，中信建投趋势六大模型C端角色：个人智能助理与新一代的流量入口大语言模型将成为个人智能助理。大模型目前具备接入互联网、进行内存管理等能力，通过目标任务自动拆分、计划制定、计划实施等助理，如制定旅行计划并进一步预定宾馆和餐饮。大模型正在成为新一代的流量入口。GPT-4正在逐步开放插件功能，通过底层模型连接第三方应用，从而构建丰富的生态系统。GPT-4自23年5月OpenAI官网访问量为18.6亿次，是全球第19名次的互联网访问IP。图：GPT-4构建丰富的应用生态金融领域金融领域商业领域互联网商业领域生活领生活领域资料来源：OpenAI，中信建投图：OpenAI访问量超越Bing搜索引擎(百万/周)资料来源：Similarweb，中信建投垂直行业数据训练趋势七大模型B端应用：专业数据与成本驱动行业模型百花齐放，打垂直行业数据训练数据壁垒带来企业端大模型百花齐放。通用大模型可以帮助用户解决一般性问题，而当企业需要处理其特定行业的数据和任务时，往往尽相同，因此大模型的应用也呈现出多样化的趋势。B端应用出于对模型的经济性考量，未来将呈现阶梯式、差异性需求。大模型在垂直领域的商业化落地对模型的运行成本更为敏感，模型的推理成本与模型的参数量多少密切相关，需要不同参数规模的大模型组成多层次的产品组合，从而在不同场景下实现最佳的经济性，模型的丰富度。图：大模型垂直领域微调大语言模型特定领域任务通用文本垂直领域数据B型多层级结构L0基础通用大模型……科学计算多模态视觉NLPL1行业大模型……城市行业大模型金融行业大模型文旅行业大模型教育行业大模型医疗行业大模型大大模型精调应应用场景数据L2场景任务模型翻译翻译内容理解对话生成智能客服智能投研风险识别搜索多模态匹配文字识别智能审核能耗优化异常检测资料来源：华为，中信建投趋势八大模型轻量化：降低应用成本、带动端侧算力发展随着大模型小型化、场景化需求增加，同时出于对AI应用的经济性、可靠性和安全性考量，部分场景的推理将逐步从云侧扩展向端侧，目前多个大模型都已推出“小型化”和“场景化”版本。5月23日谷歌发布的PaLM-2大模型，其中最轻量版本“壁虎”可在移动端运行，多个大模型也都有其对应的小参数版本。大模型端侧应用布局不断加速。端侧算力正在快速发展过程中，高通通过量化、编译和硬件加速进行优化，使StableDiffusion能在搭载第二代骁龙8移动平台的手机上运行。高通在微软Build2023开发者大会上展示了最新的端侧AI能力以及在下一代Windows11上开发生成式AI的工具，并表示未来几个月大语言模型有望在端侧运行。图：大模型的“小型化”版本小小型化版本Gecko模型名字LLaMAALLaMAAlbertBertTinyBerBertHFL/RBT3ERNIE3.0ERNIE3.0TinyERNIE3.0ChatGLMChatGLM-6BChatGLMBioMedGPTBioMedGPT-1.BioMedGPT资料来源：谷歌官网、Meta、CSDN、百度文心大模型，ChatGLM，ArXiv，中信建投图：高通不断拓展端侧AI应用领域资料来源：高通中国，中信建投生命科学盘古药物分子大模型气象预测生命科学盘古药物分子大模型气象预测趋势九大模型的深远影响：重构劳动力市场、改写科研范式大语言模型对劳动力市场结构的影响深远而复杂。据OpenAI联合宾夕法尼亚大学的研究报告预测，约80%的美国劳动力可能有至少10%大语言模型的应用带来劳动力市场结构的调整和变化。短期而言，大语言模型可能替代部分低技能或重复性工作；中期来看，大语言模型也将创造新的人工智能相关就业机会；长期来看，大语言模型的应用将会深度改变各行业的工作模式和商业模式，让企业的组织架构。过程中需要个人和企业去积极适应，发展人类独有的创新、协作和社交等能力，与人工智能共同进化。AI与前沿科学的结合展现出了巨大潜力，可显著降低前沿科技研究中的智力成本并提升研究效率。生命科学、气象预测、数学、分子动了人工智能的广泛助力，AIforScience将带来科研范式的变革和新的产业形态。AI替代率高和低的职业不容易受到不容易受到GPT影响的职业农业设备操作员容易受到GPT影响的职业翻译运动员和体育竞赛者视觉传达设计人员会会计师和审计师木匠助手屠宰商和肉类包装商校屠宰商和肉类包装商统统计调查员整修工园林绿化工临床数据管理员园林绿化工汽车玻璃安装工汽车玻璃安装工和维修工新闻分析师和记者非技术工(石油和天然气钻探)法律秘书和行政助理模模具设计工程技术人员报税员安全员安全员PotentialofLargeLanguageModelsBusinessInsider中信建投图：AI加速多个前沿科学领域发展相关模型科学领域相关模型AlphaFold/AlphaFold2HelixFoldFourCastNet盘古气象大模盘古气象大模型数学AlphaTensor数学分子动力学分子动力学DPA-1趋势十AI治理与技术的平衡：AI可解释性亟待增强，监管紧迫性在人工智能的快速发展中，加强AI监管与推动AI技术的进步同等重要。AI能力带来应用的便利性，同时也可能引发数据隐私、算法偏见、AI伦理等一系列问题。从技术角度来看，可以通过可解释AI等技术手段增强AI的可信度。可解释AI使人工智能的决策过程透明化，增加输出内容的可理解性和从规范角度来看，各国政府也都已经开始采取行动，制定和执行各种AI政策和法规。4月份，我国网信办出台《生成式人工智能服务管理办法(征求意见稿)》，明确了生成式人工智能的定义，从明确条件要求、划定责任主体、形成问题处理机制、明晰法律责任几个方面《人工智能伦理问题建议书》11.1《人工智能风险管理框架》有效性评估，包括衡量人工智能系统可信度基础改进的方法。.4《生成式人工智能服务管理办法(征求意见稿)》《办法》从明确条件要求、划定责任主体、形成问题处理机制、明晰法律责任几个方面为行业划定底线。.5人工智能法案》型网络平台的社交媒体平台所使用的推荐系统，会对网络安全、公众舆论、资料来源：联合国教科文，中央网信办，人民网，环球网，中信建投人工智能十大趋势力趋势一统一未来：多模态模型加速文本、图像和视频融合：具身智能成为AI发展新形态趋势三大模型智慧火花：走向通用人工智能的途径愈发明晰，脑机接口创造新的交互方式趋势四数据的力量：海量数据带来模型能力涌现，高质量数据提升模型性能趋势五数据中心的AI变革：智算中心成为关键基础设施应用是牵引应用是牵引力趋势六大模型C端角色：个人智能助理与新一代的流量入口趋势七大模型B端应用：专业数据与成本驱动行业模型百花齐放，打开广阔应用空间趋势八大模型轻量化：降低应用成本，带动端侧算力发展趋势九大模型的深远影响：重构劳动力市场，改写科研范式力趋势十AI治理与技术的平衡：AI可解释性亟待增强，监管紧迫性日益凸显风险提示人工智能模型技术发展不及预期：人工智能模型属于先进AI算法，若后续算法更新迭代效果不及预期，则会影响人工智能模型数据数量与数据质量不及预期：人工智能模型需要大量的高质量数据进行训练，若数据数量和质量存在短板，则会影响模型效伦理冲突风险：技术进步推动人工智能迈向通用型人工智能，可能将产生人工智能欺骗、人工智能上瘾等一系列伦理问题；算力基础设施支持不及预期：需要关注算力芯片产能不及预期风险；政策监管力度不及预期：大语言模型带来新的商业生态，尚属于前期成长阶段，政策监管难度加大，相关法律法规尚不完善，能不及预期；应用不及预期：人工智能算法与相关应用落地之间还存在一定距离，需要注意应用落地不及预期风险。感谢樊文辉、陈思玥、辛侠平对本报告的贡献。武超则：中信建投证券研究所所长兼国际业务部负责人，董事总经理，TMT行业首席分析师。新财富白金分析师，2013-2020年连续八届新财富最佳分析师通信行业第一名；2014-2020年连续七届水晶球最佳分析师通信行业第一名。专注于5G、云计算、物联网等领域研究。中国证券业协会证问与首席经济学家委员会委员。阎贵成：中信建投证券通信&计算机行业首席分析师，北京大学学士、硕士，专注于云计算、物联网、信息安全、信创与5G等领域研究。近8年中国移动工作经验，6年多证券研究经验。系2019-2021年《新财富》、《水晶球》通信行业最佳分析师第一名，2017-2018年《新财富》、《水晶球》成员。于芳博：中信建投人工智能组首席分析师，北京大学空间物理学学士、硕士，2019年7月加入中信建投，主要覆盖人工智能等方向，下游重点包括CPUGPUFPGAASICEDA软件等方向。报告中投资建议涉及的评级标准为报告发布日后6个月内的相对市场表现，也即报告发布日后的6个月内公司股价(或行业指数)相对同期相关证券市场代表性指数的涨跌幅作为基准。A股市场以沪深300指数作为基准；新三板市场以三板成指为基准；级涨幅15％以上对涨幅-5%—5％之间跌幅15％以上对涨幅10%以上对涨幅-10-10%之间对跌幅10%以上分析师声明或间接收到任何形式的补偿。法律主体说明本报告由中信建投证券股份有限公司及/或其附属机构(以下合称“中信建投”)制作，由中信建投证券股份有限公司在中华人民共和国(仅为本报告目的，不包括香港、澳门、台湾)提供。中信建投证券股份有限公司具的投资咨询业务资格，本报告署名分析师所持中国证券业协会授予的证券投资咨询执业资格证书编号已披露在报告首页。适用的法律法规情况下，本报告亦可能由中信建投(国际)证券有限公司在香港提供。本报告作者所持香港证监会牌照的中央编号已披露在报告首页。一般性声明本报告不构成任何合同或承诺的基础，不因接收者收到本报告而视其为中信建投客户。本报告的信息均来源于中信建投认为可靠的公开资料，但中信建投对这些信息的准确性及完整性不作任何保证。本报告所载观点、评估和预测仅反映本报告出具日该分析师的判断，该等观点、评估和预测可能在不发出通知的情况下有所变更，亦有可能因使用不同假设和标准或者采用不同分析方法而与中信