1、人工智能系列深度报告：AIGC行业综述篇开启AI新篇章陈梦竹(证券分析师)陈凯艺(联系人)S0350521090003S证券研究报告2023年03月20日计算机1请务必阅读报告附注中的风险提示和免责声明2核心提要本篇报告主要解答了以下问题：AI、AIGC当下发展处于什么阶段？未来将呈现怎样的趋势？AIGC的核心生产要素是什么？各生产要素的发展趋势如何？NLP、CV、ASR、TTS算法及发展？ChatGPT为何“火爆出圈”？AIGC包括什么？已有哪些产品？应用现状及前景如何?有哪些企业进行了布局？商业模式如何？行业发展：人工智能步入新发展阶段，逐步迈向AGI；AIGC拥抱人类，创造人机交互新变革
2、，将迎来更多新机遇。人工智能从理论发展分为四个阶段：规则导向、机器学习、深度学习、自主学习阶段，目前处于深度学习阶段；从应用成熟度可分为三个阶段：弱人工智能阶段（ANI）、强人工智能阶段（AGI）、超人工智能阶段（ASI），目前处于ANI阶段；从应用类型可分为四种：感知式AI与分析式AI应用较成熟，决策式AI近年来发展迅速，生成式AI迎来突破。生成式AI，即AIGC，较传统内容创作模式UGC、PGC可实现更大数量、更高质量、更低单位成本，未来将从辅助创作生成趋向高度自动化自主创造。此外，AIGC将赋能多领域，加速人机共生的建设，迎接更多机遇与挑战。技术进步：算力是支撑，数据是瓶颈，算法迎来突破
3、。算力层，近年来大模型流行，模型参数量迅速膨胀，所需计算资源越来越大，算力是AIGC核心生产要素；而AI芯片全球短缺，美对华芯片制裁升级，我们认为国内短期算力充足，长期仍需要逐步实现AI芯片国产化替代。数据是机器学习的核心，AI发展的瓶颈,数据决定模型质量的上限；大模型训练需要海量且优质数据，AI对数据训练集的消耗量远大于人类数据生产的速度，专业领域、图像视频等数据获取和标注成本也将越来越高，我们认为加速商业化，实现数据反哺是对提高数据量、降成本的重要解决办法。算法层，近年来迎来不少突破，过去NLP领域以RNN及其变体为主，CV领域以CNN及其变体为主，但各有优劣，Transformer架构突
4、破了RNN不能并行计算的限制，较CNN有更好的计算局部特征间的关联等，自2017年开始在NLP领域应用、变种升级，Transformer在多模态的发展和应用将让AI越来越多的向人类推理方式靠近，以实现AGI。AIGC包括文本/音频/图像/视频/代码/3D/数字人/跨膜态生成等，目前文本、音频和图像领域都迎来较大突破，图像生成的突破是Difussion的出现，文本生成的突破则是GPT的出现，AIGC基本采用GAN算法，算法及产品越来越丰富多元，AI因AIGC的蓬勃发展，已开启技术与应用的新篇章。应用概览：技术突破实现应用创新。AI小模型是过去主流的研究和应用方向，在B端部分行业、赛道已有不少企业
5、布局，预计未来仍将依托其细分行业、细分赛道的先发优势和数据、项目实施经验、产品优势等壁垒仍将有较好的发展。但大模型尚未实现商业价值闭环，未来需要重点关注数据、算法层面的突破与变革，探索新的商业模式，目前已在影视、传媒、电商、C端娱乐规模应用，游戏领域逐步应用，金融、工业、医疗、法律、设计等专业领域还在持续拓展。产业布局：科技巨头全面布局，中下游厂商百花齐放。国外主要以微软、谷歌、Meta为主，国内以百度、腾讯、阿里、华为等为主，既拥有充足的算力支撑，又有优秀的人才团队，多年算法、数据积累，在大模型领域的发展及应用具备天然优势。上游除云厂商外，还有光通信厂商、数据服务商、算力相关设备厂商，将较大
6、程度受益于大模型发展带来的更多计算资源和数据需求。中游有商汤、科大讯飞、旷视、拓尔思等企业多年细分领域布局，部分也有一定算力储备，垂直行业细分赛道深耕，相关技术、数据储备丰富。下游主要是受益于AIGC对业务的驱动、降本增效，空间较大，多行业公司均将逐步受益。商业模式：商业化初启，期待产业生态、技术与产品发展完善。小模型在B端已应用多年，大模型商业刚刚开始，主要是MaaS，包括大模型厂商自用，实现增量或降本增效；云厂商“MaaS+IaaS”打包输出；替代翻译、美工、原画师、程序员、分析师、设计师等繁琐重复的低端工作等。大模型商业价值闭环未成，国内SaaS生态、付费意识较差，商业落地还需要各行各业
7、共同发展、相互奔赴，共建良好产业生态。风险提示：人工智能发展不及预期，AIGC发展不及预期；技术发展不及预期；商业化拓展不及预期；行业竞争加剧风险；中美科技竞争不确定性风险。请务必阅读报告附注中的风险提示和免责声明3目录核心分析框架：每一轮人机交互的变革都会带来产业级投资机会核心分析框架：期待算力、数据、算法的突破，迈向强人工智能AGI阶段核心分析框架：AIGC与PGC、UGC内容创作模式对比核心分析框架：机器学习分为训练和推理，数据决定上限，算法逼近上限核心分析框架：数据是机器学习的核心，也是机器学习的瓶颈核心分析框架：随着模型参数量的提升，算力需求显著增加核心分析框架：AIGC生产力的革命
8、核心分析框架：ChatGPT史上用户数增长最快核心分析框架：当模型规模达到某个阈值时，模型出现涌现能力核心分析框架：ChatGPT采用RLHF学习机制，效果优于GPT-3的无监督学习核心分析框架：AIGC何时突破工业红线？关注数据、算法和商业模式破局核心分析框架：互联网大厂全面布局，中小厂商主要发力中下游环节核心分析框架：产业链各环节发展趋势核心分析框架：大模型商业化初启，小模型在部分领域已实现商业价值闭环核心分析框架：总成本持续提升，但同级别参数消耗量将显著下降核心分析框架.6一、行业篇：人工智能发展步入新阶段，AIGC创造新机遇.22每一轮人机交互的变革都会带来产业级投资机会AI发展历程：
9、期待算力、数据、算法的突破，迈向强人工智能AGI阶段AIGC发展历程：文本、代码生成技术较成熟，图片、视频生成值得期待内容创作模式进化：去中心化连接数量创作速度创作规模内容创作模式进化：从供给转变为需求导向，从单次转变为多次生产内容创作模式对比：AIGC实现内容创作呈高质量、大数量、低成本趋势AIGC演进趋势：辅助生产自动化独立创作请务必阅读报告附注中的风险提示和免责声明4目录AIGC何时突破工业红线：重点关注数据、算法的突破和商业模式的发展AIGC应用：已在影视、传媒领域规模应用AIGC应用：已在电商、C端娱乐规模应用AIGC应用：已在游戏领域逐步应用AIGC应用：在金融、计算机、教育、工业
10、、医疗等专业领域还在持续拓展AIGC应用：在法律、农业、设计等专业领域还在持续拓展三、应用篇：技术突破实现应用创新，已在多领域落地.42机器学习：分为训练和推理，数据决定上限，算法逼近上限数据：机器学习的核心，也是机器学习的瓶颈算力：随着模型参数量的提升，算力需求显著增加AIGC：生产力的革命AIGC模型：参数量持续提升、开源模型逐渐丰富NLP算法：迎来突破，但算力、数据需求过高等问题待解决NLP算法：Transformer开辟NLP新路径，架构优化促成衍生模型ChatGPT：史上用户数增长最快，源于算法的突破、高质量的数据库ChatGPT-算法：当模型规模达到某个阈值时，模型出现涌现能力Ch
11、atGPT-算法：采用RLHF学习机制，效果优于GPT-3的无监督学习ChatGPT-反思：站在巨人的肩膀之上，开源开放期待更多可能和变革二、技术篇：算力是支撑，数据是核心，算法逐步迎来突破.30请务必阅读报告附注中的风险提示和免责声明5目录五、商业模式：商业化初启，期待产业生态、技术与产品发展完善.58商业模式：大模型商业化初启，小模型在部分领域已实现商业价值闭环商业模式：开始商业化尝试，会员制+按次收费为主成本测算-训练成本：总成本持续提升，但同级别参数消耗量将显著下降四、企业布局：科技巨头全面布局，中下游厂商百花齐放.49厂商布局：互联网大厂全面布局，中小厂商主要发力中下游环节产业链各环
12、节发展趋势AIGC相关标的上游企业AIGC相关标的中游企业AIGC相关标的下游企业风险提示.62请务必阅读报告附注中的风险提示和免责声明6核心分析框架请务必阅读报告附注中的风险提示和免责声明7资料来源：36氪，Companyhistory，digitaltrends，IDG news service，likecs，payititi，TechCPR，the verge，VRcompare，界面新闻，甲子光年，开源资讯，国海证券研究所核心分析框架：每一轮人机交互的变革都会带来产业级投资机会产业机会变革节点人机交互模式PC操作系统Macintosh、Windows浏览器IE浏览器、网景浏览器等搜索引
13、擎Yahoo、Google等智能手机Iphone等人机共生人形机器人、AIGC等ARVROculus Quest、HTC Vive、Hololens等1984年苹果推出划时代的Macintosh计算机，不仅首次采用图形界面的操作系统，并第一次使个人计算机具有了多媒体处理能力；1985年微软推出Windows系统1993年NCSA中Mosaic项目的负责人辞职并建立了网景通讯公司，推出网景浏览器；1995年微软推出IE1.0浏览器，作为Windows 95的默认浏览器，改变了用户网上冲浪方式1995年Yahoo公司正式成立，2002年收购Inktomi并将其网页搜索技术融入雅虎官网；1998年G
14、oogle成立，后NetScape放弃Excite，开始使用Google的搜索数据，具备里程碑意义2007年苹果发布自PC以来最具变革性的产品iphone 2G，大部分操作都将由用户触控屏幕实现；iPhone 4在外观、显示、芯片均大幅改善，并提供六轴动作感应2016年Facebook正式发售Oculus rift消费者版本，被称为消费级VR设备元年；2015年索尼推出PlayStation VR；2015年微软发布混合现实的智能眼镜Hololens2013年，波士顿动力发布初代Atlas；2022年，Tesla预计发布Optimus原型机；2022年11月Open AI发布人工智能技术驱动的
15、自然语言处理工具ChatGPT鼠标+键盘，可点击，但交互模式单一且不智能，人较为被动鼠标+键盘，浏览器聚合功能改善交互成本鼠标+键盘，搜索引擎的检索功能以人为中心，降低精准信息获取门槛触屏+键盘，人机交互更加直观便捷，人处于主动地位手势追踪、Inside-out、Outside-in、眼球追踪等，交互方式多元化，沉浸感强人机共生，文字、音频、视频、3D、策略等交互模式融合，智能化程度显著提升操作系统、早期邮箱、早期超级计算中心等光缆/运营商、浏览器、门户网站、通讯软件等搜索引擎、众多PC互联网网页应用等手机硬件产业链、应用商店、各大手机APP应用等VRAR硬件产业链、云计算/边缘计算、视频&直
16、播&游戏应用等机器人硬件产业链、AI产业链（模型算力数据等）、下游应用等请务必阅读报告附注中的风险提示和免责声明8核心分析框架：期待算力、数据、算法的突破，迈向强人工智能AGI阶段资料来源：智东西，国海证券研究所规则导向1950s-1980s感知机、专家系统机器学习1980s-21世纪初期支持向量机、神经网络、决策树深度学习21世纪初期至今多层神经网络模型自主学习未来发展方向基于大规模数据识别、预测、学习、决策理论发展硬件奠基，算法发展核心硬件发展，算法突破算力、数据、算法全面突破分析式AI决策式AI生成式AI始于1950s，让计算机感知和理解现实世界，兴盛于计算机硬件发展与大数据出现。始于1960s，利用逻辑推理等方法进行分析和解决；兴盛于机器学习、数字挖掘技术兴起。始于1970s，分析之后，进行智能决策；近年来才开始真正兴盛。始于1980s，起源于分析式AI，生成新的内容；2022年迎来突破。感知式AI文本识别、语音识别、图像识别等。运营营销决策、金融风险评估、医疗诊断等。自然语言生成、图像生成、音乐生成等。生成式AI生成各种数据、图像、语音等内容后，决策式AI对生成内容进行分析和
