大模型：多模態引領新篇章
通用大模型追求高泛化能力，可以高質量完成自然語言理解和生成任務。基於底層Transformer，模型形成三大主流技術路线，OpenAI的GPT模型採用解碼器路线，得到廣泛關注和認可。海外大模型技術保持高速推進，以視覺能力爲核心的大模型多模態能力不斷展現，模型視覺理解和生成能力快速發展，有望帶來廣闊市場機遇，推動AI商業化進程加速和市場天花板打开。我們持續看好大模型千行百業的落地機遇，建議關注相關領域AI公司。
大模型概述：具備強大生成能力，訓練趨於標准化。
通用大模型追求高泛化能力，可以高質量完成自然語言理解和生成任務。大模型訓練流程趨於標准化，大致可分爲通用能力培養和行業能力提升兩大階段，其中通用能力培養階段主要包括無監督預訓練、價值觀對齊等核心步驟，行業能力提升階段主要包括監督微調、行業數據預訓練、模型偏好對齊等步驟。當前海外通用大模型主要有OpenAI的GPT-4、谷歌的Gemini、Anthropic的Claude 2、Meta的Llama 2等。
大模型技術：形成三大技術路线，GPT路线得到認可。
Transformer引入自注意力機制，徹底解決了遠距離信息丟失和並行計算效率的問題。基於底層Transformer，模型形成編碼器、解碼器、編碼器-解碼器三大主流技術路线，OpenAI的GPT模型採用解碼器路线，得到廣泛關注和認可，最新的GPT-4模型在環境科學、歷史、生物等高文本量的學科中取得前10%的成績，引領行業發展。但當前大模型和通用人工智能在通用性、認知能力、工具能力、多模態協同等方面仍有較大差距，技術具備較大發展潛力。
多模態：視覺能力爲核心，能力升級帶動應用落地。
多模態主要包括視覺和語音，其中視覺能力對模型感知能力和應用开發潛力提升具有重要價值，成爲當前多模態大模型發展的核心方向。多模態能力打开模型學習空間，突破文本對模型訓練的限制，在高質量文本數據規模年化增速不及5%的情況下，保障模型規模高速增長。
語音能力方面，大模型可以利用STT+TTS+GPT模式快速實現語音對話，整體技術成熟度較高，門檻相對較低。
視覺能力方面，視覺理解領域主要形成模塊化和一體化兩大路线，其中模塊化設計靈活度更高並具備更高性價比，而一體化（原生）架構下模型多模態融合能力更突出。視覺生成領域，主要利用擴散模型實現圖片和視頻生成，底層技術來看，圖像和視頻生成技術具有一致性。大模型視覺理解和生成能力提升，有望重塑部分行業，帶動全新應用落地。
其他模態上，代碼大模型快速發展，國內外廠商加速布局，國內廠商位於行業第一梯隊。
短期來看，海外高質量源生多模態大模型技術和商業化進程高速推進，國產多模態大模型有望加速追趕，推動行業保持高速發展。
行業落地：大模型賦能千行百業，應用市場蓬勃發展。
根據前瞻產業研究院數據，我國AI市場規模有望在中短期保持高速成長，2025年有望超過2000億。未來大模型有望以“訂閱+流量”和“項目+服務”等模式落地行業，我們看好大模型在千行百業的落地機遇。
1）辦公：應用落地的核心場景，打造智能辦公助理。考慮到AI+辦公應用場景扎實、效率提升明確、功能演進清晰、商業落地加速，辦公軟件成大模型應用落地的核心場景之一。
2）教育：全面引領教學變革，海外產品落地獲得認可。分別面對教師和學生，形成“教、管、學、考”四大場景。行業應用場景豐富，擁有成熟商業化道路，有望加速實現行業大模型落地。
3）企業管理：助力企業降本增效，國內龍頭產品逐步落地。大模型融入ERP實現降本增效，如：①企業經營管理，如企業財務分析、人才管理等，提升企業整體經營效率。②個人工作助手，包括智能表單生成、代碼开發助手、一鍵OA生成等功能，輔助員工提升工作效率。
4）消費娛樂：新場景層出不窮，數字營銷與遊戲行業有望快速落地。5月Google Marketing Live上，谷歌展示了最新的廣告推送方案和Product Studio產品，驗證大模型在個性化推送和廣告素材生成上的潛力。遊戲領域，育碧、虛幻引擎、網易等國內外知名廠商均推出相關產品，加速探索模型應用。
風險因素：AI核心技術發展不及預期風險，企業數據安全風險，信息安全風險，行業競爭加劇風險，地緣政治風險，監管政策風險。
投資策略：大模型技術不斷成熟，展現強大生成能力和通用性，模型規模提升和多模態能力增強帶動基礎設施需求。海外大模型技術保持高速推進，指引國產大模型發展方向，國內大模型行業發展有望逐步加速。未來大模型多模態能力不斷展現，有望帶來廣闊市場機遇，推動AI商業化進程加速和市場天花板打开。我們持續看好大模型千行百業的落地機遇，建議關注大模型在辦公、企業管理、教育、圖像視頻等領域的應用機會，建議持續關注相關領域的頭部AI公司。
注：本文來自中信證券研究部已於2023年12月15日發布的《計算機行業“智能網聯”系列報告36——大模型：多模態引領新篇章》，報告分析師：楊澤原 S1010517080002，丁奇雲 S1010519120003，馬慶劉 S1010522090001
標題：大模型：多模態引領新篇章
地址：https://www.iknowplus.com/post/62127.html
