从CHAT_GPT到生成式AI（Generative AI）：人工智能新范式重新定义生产力-230129.pdf

从从CHATCHAT-GPTGPT到生成式到生成式AIAI（Generative AIGenerative AI）：）：人工智能新范式，重新定义生产力人工智能新范式，重新定义生产力证券研究报告证券研究报告 行业深度报告行业深度报告发布日期：2023年1月29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，由中信建投（国际）证券有限公司在香港提供。同时请参阅最后一页的重要声明。分析师：武超则分析师：武超则SAC编号：S1440513090003SFC编号：BEM208分析师：杨艾莉分析师：杨艾莉SAC编号：S1440519060002SFC编号：BQI330研究助理：杨晓玮研究助理：杨晓玮 获取更多最新资料请加微信：ch e n s a s a 6661 1核心观点核心观点 近期人工智能研究公司近期人工智能研究公司OpenAI推出的聊天机器人模型推出的聊天机器人模型CHAT-GPT不断不断出圈出圈，据据 Semafor援引知情人士报道援引知情人士报道，微软正商谈以微软正商谈以 290 亿美元估值亿美元估值，向向 OpenAI 投资投资 100 亿美元亿美元，一切一切均指向人工智能模型的新范式均指向人工智能模型的新范式“生成式生成式AI模型模型（Generative Model）”。此前的决策式此前的决策式AI模型模型（Discriminant Model）是根据已有数据进行分析是根据已有数据进行分析、判断判断、预测预测，典典型应用为内容的智能推荐型应用为内容的智能推荐（短视频短视频）、自动驾驶等；而生成式自动驾驶等；而生成式AI更强调学习归纳后进行演更强调学习归纳后进行演绎创造绎创造，生成全新的内容生成全新的内容，本质是对生产力的大幅度提升和创造本质是对生产力的大幅度提升和创造，已催生了营销已催生了营销、设计设计、建筑和内容领域的创造性工作建筑和内容领域的创造性工作，并开始在生命科学并开始在生命科学、医疗医疗、制造制造、材料科学材料科学、媒体媒体、娱乐娱乐、汽车汽车、航空航天进行初步应用航空航天进行初步应用，为各个领域带来巨大的生产力提升为各个领域带来巨大的生产力提升。获取更多最新资料请加微信：ch e n s a s a 6662 2前言：微软，百亿美金级别的选择（前言：微软，百亿美金级别的选择（1）资料来源：微软，Semafor，The information，中信建投 继继2019年向年向OpenAI注资注资10亿美元之后亿美元之后，微软与微软与OpenAI的合作进入第三阶段的合作进入第三阶段。此前据 Semafor 援引知情人士报道，微软正商谈以 290 亿美元估值，向 OpenAI 投资 100亿美元。2019年，微软即开始与OpenAI进行合作。到了2021年，微软向OpenAI投资10亿美金。根据微软对外的声明根据微软对外的声明，在与在与OpenAI新的合作阶段中新的合作阶段中，微软将有以下计划微软将有以下计划 Supercomputing at scale：微软将增加对专业超算系统开发和部署的投资，以加速OpenAI突破性的独立AI研究。微软还将继续构建Azure的AI基础结构，以帮助客户在全球范围内构建和部署各自的AI应用程序。New AI-powered experiences：微软将在其消费者和企业产品中部署OpenAI模型，并引入基于OpenAI技术的新型数字体验。包括微软的Azure OpenAI服务，该服务使开发人员能够通过直接访问OpenAI模型来构建尖端的AI应用程序。Exclusive cloud provider：作为OpenAI的独家云供应商，Azure将为OpenAI 在研究、产品和API服务中的所有工作负载提供支持。此外据媒体报道此外据媒体报道，微软还计划将微软还计划将ChatGPT整合进旗下搜索引擎必应整合进旗下搜索引擎必应（Bing），提高必应提高必应在搜索引擎市场的市占率；同时在搜索引擎市场的市占率；同时Chat-GPT功能引入功能引入Office，用于部分文本的生成和问答用于部分文本的生成和问答。获取更多最新资料请加微信：ch e n s a s a 6663 3前言：微软，百亿美金级别的选择（前言：微软，百亿美金级别的选择（2）资料来源：微软，OpenAI，中信建投 OpenAI表示表示，来自微软的投资将使来自微软的投资将使其其能独立研究开发出更安全能独立研究开发出更安全、有用和强大的有用和强大的 AI。根据微软对外的声明根据微软对外的声明，此前其与此前其与OpenAI的合作已取得一定成绩的合作已取得一定成绩，并将继续向前并将继续向前 自 2016 年以来，微软致力于将Azure 打造成世界级AI 超级计算机，微软和 OpenAI推动了云超级计算技术的前沿，在 2020 年推出其第一台 Top-5 超级计算机，随后大规模构建了多个 AI 超级计算系统。OpenAI 使用此基础结构来训练其突破性模型，这些模型现已部署在 Azure 中，以支持 GitHub Copilot、DALL E 2 和 ChatGPT。双方的创新激发了人们的想象力，并将大规模人工智能作为一种强大的通用技术平台引入，这将在个人计算机、互联网、移动设备和云的规模上产生变革性的影响这将在个人计算机、互联网、移动设备和云的规模上产生变革性的影响。获取更多最新资料请加微信：ch e n s a s a 6664 4目目 录录第二章第二章第一章第一章AI：从判别决策到创造生成：从判别决策到创造生成生成式生成式AI：范式升级：范式升级，应用多元应用多元第三章第三章生成式生成式AI应用：内容制作应用：内容制作，从辅助人到从辅助人到“替代替代”人人第五章第五章海内外发展：多家科技巨头海内外发展：多家科技巨头、初创公司积极布局初创公司积极布局第四章第四章生成式生成式AI应用：多行业垂直应用应用：多行业垂直应用第六章第六章综合应用：游戏行业的案例综合应用：游戏行业的案例 获取更多最新资料请加微信：ch e n s a s a 6665 5蒸汽机蒸汽机电力电力信息技术信息技术人工智能人工智能大数据大数据1.1 AI正在推动第四次工业革命，进一步提升生产力正在推动第四次工业革命，进一步提升生产力资料来源：世界银行，联合国教科文组织，科学的历程，中信建投18世纪世纪19-20世纪世纪20世纪后期世纪后期21世纪世纪-第一次工业革命第一次工业革命第二次工业革命第二次工业革命第三次工业革命第三次工业革命第一次信息革命第一次信息革命第四次工业革命第四次工业革命第二次信息革命第二次信息革命机器替代人力大规模工业生产替代个体手工生产电能成为主要能源，社会生产力远超蒸汽时代动力提高：发动机、电动机等信息传输效率提高：电报、无线电通讯等原子能、电子计算机和空间技术的发展，其中电子计算机为核心电子计算机替代部分脑力劳动，少部分模拟人的智能活动人工智能、物联网、生物技术等人工智能为主要驱人工智能为主要驱动力动力，数据成为重数据成为重要的生产要素要的生产要素决策式决策式AI：实现分：实现分析功能析功能生成式生成式AI：实现创：实现创造性功能造性功能 获取更多最新资料请加微信：ch e n s a s a 6666 61.2 AI：从决策到：从决策到生成生成，AI技术与应用迎来跨越发展技术与应用迎来跨越发展资料来源：Dynabench:Rethinking Benchmarking in NLP,Google Scholar,indigox.me，公司官网，中信建投2011年以前年以前2012年至今年至今前神经网络前神经网络专家系统专家系统概率推论概率推论神经网络神经网络基础模型基础模型 大规模模型大规模模型AI学科成立学科成立1956感知器模型感知器模型解答特定领域解答特定领域的问题的问题1980sProlog&Lisp专家系统专家系统机器语言翻译机器语言翻译2014GAN生成图像但生成图像但分辨率不高分辨率不高生成式生成式AI急速发展急速发展决策式决策式/分析式分析式AI时代时代1990s机器学习算法机器学习算法IBM 沃森沃森益智问答益智问答打败人类打败人类2011大数据大数据推荐算法推荐算法2012DNNs物体识别物体识别自动驾驶自动驾驶2017Transformer能够完成能够完成大多数大多数NLP任务任务2020GPT-3 网络结构进化网络结构进化为后续大型模为后续大型模型打下基础型打下基础1994GroupLens首个自动首个自动化推荐系统化推荐系统2021CLIP由文本生成由文本生成的高清具有的高清具有独创性图像独创性图像AI绘画绘画2022DALL E2 以以40亿个文亿个文本本-图像对为图像对为训练数据训练数据实现文本到实现文本到图像跨模态图像跨模态2014人类平均水平线人类平均水平线AI的急速发展使得的急速发展使得AI模型在手写识别、语音识模型在手写识别、语音识别、图像识别、阅读理解、语言理解等领域的别、图像识别、阅读理解、语言理解等领域的表现加速超越人类平均水平表现加速超越人类平均水平 获取更多最新资料请加微信：ch e n s a s a 6667 71.3 AI：决策式：决策式AIAI与生成式与生成式AIAI对比对比类型类型决策式决策式AIAI生成式生成式AIAI技术路径技术路径已知数据分别求解输出类别标签，区分不同类型数据,例如将图像区分为猫和狗分析归纳已有数据后创作新的内容，例如生成逼真的猫或狗的图像成熟程度成熟程度技术成熟，应用广泛，辅助提高非创造性工作效率2014年开始快速发展，近期发展速度呈指数级爆发，部分领域应用落地应用方向应用方向推荐系统、风控系统、决策智能体等内容创作、科研、人机交互以及多个工业领域应用产品应用产品人脸识别、精准广告推送、金融用户评级、智能辅助驾驶等文案写作、文字转图片、视频智能配音、智能海报生成、视频智能特效、代码生成、语音人机交互、智能医疗诊断等 AI模型可大致分为决策式模型可大致分为决策式/分析式分析式AI（Discriminant/Analytical AI）和生成式和生成式AI（Generative AI）两类两类。决策式决策式AI：学习数据中的条件概率分布，根据已有数据进行分析、判断、预测，主要应用模型有用于推荐系统和风控系统的辅助决策、用于自动驾驶和机器人的决策智能体。生成式生成式AI：学习数据中的联合概率分布，并非简单分析已有数据而是学习归纳已有数据后进行演技创造，基于历史进行模仿式、缝合式创作，生成了全新的内容生成了全新的内容，也能解决判别问题也能解决判别问题。表：决策式表：决策式AIAI与生成式与生成式AIAI对比对比资料来源：Learn Open CV，海外独角兽，中信建投 获取更多最新资料请加微信：ch e n s a s a 6668 81.4 决策式决策式AI：推荐系统、图像识别等已创造巨大市场：推荐系统、图像识别等已创造巨大市场资料来源：沙利文，公司官网，中信建投010002000300040005000600070002016201720182019202020212022E2023E2024E2030E图：全球人工智能市场规模及预测（亿美元）图：全球人工智能市场规模及预测（亿美元）2016年年，人工智能技术全面爆发人工智能技术全面爆发，决策式决策式AI开始大规模应用开始大规模应用，包括推荐系统包括推荐系统、计算机视觉计算机视觉、自然语言处理等自然语言处理等。全球人工智能市场规模从2016年的约600亿美元发展到2021年的近3000亿美元，在推荐系统、计算机视觉、自然语言处理等技术加持下，亚马逊、字节、商汤、特斯拉等公司快速发展。我们认为我们认为，生成式生成式AI经过前期技术积累进入爆发期经过前期技术积累进入爆发期，随着技术与应用的进一步成熟随着技术与应用的进一步成熟，后续市场空间更为广阔后续市场空间更为广阔。2015及以前决策式决策式AIAI大规模应用大规模应用生成式生成式AIAI大规模大规模成熟应用成熟应用AIAI技术积累技术积累生成式生成式AIAI部分部分应用趋于成熟应用趋于成熟决策式决策式AIAI全面爆发全面爆发决决策策式式AI推荐系统推荐系统电商：广告、商品电商：广告、商品推荐推荐娱乐：新闻、视频、娱乐：新闻、视频、音乐、游戏等推荐音乐、游戏等推荐图像识别图像识别人脸识别：人脸识别：Face ID身份认证身份认证自动驾驶自动驾驶内容审核内容审核文本分类、情感分文本分类、情感分析、规则引擎等析、规则引擎等生成式生成式AIAI爆发爆发生生成成式式AI内容内容科研科研建筑建筑航天航天医疗医疗材料材料能源能源计算机计算机 获取更多最新资料请加微信：ch e n s a s a 6669 91.4.1 决策式决策式AI应用：推荐系统助力电商、视频等行业快速发展应用：推荐系统助力电商、视频等行业快速发展资料来源：华为云，VentureBeat，CSDN，中信建投 电商推荐：深度挖掘用户和物品的关联关系电商推荐：深度挖掘用户和物品的关联关系，将商品将商品、店铺精准推送给用户店铺精准推送给用户。2003年，亚马逊将协同过滤推荐算法应用到电商行业，凭借推荐商品与用户需求精准匹配、大幅降低用户检索用时，推荐算法在电商交易中心逐渐成为资源配置的核心。推荐系统显著提升电商平台销售额推荐系统显著提升电商平台销售额。2006年，据VentureBeat，亚马逊的个性化推荐系统为其贡献了35%以上的销售额；2015年，京东基于大数据个性化推荐算法的订单占到总订单的10%。新闻新闻、音乐音乐、视频等推荐：分析用户长期兴趣和短期兴趣视频等推荐：分析用户长期兴趣和短期兴趣，根据兴趣标签将内容实时推送给用户根据兴趣标签将内容实时推送给用户。推荐算法通过对用户观看、停留、点赞等行为的实时分析，精准刻画用户画像，将用户可能感兴趣的内容推荐给用户，降低人工运营规则的摄入，显著提高了用户粘性。图：推荐系统精准刻画用户画像准确推送图：推荐系统精准刻画用户画像准确推送用户用户电商电商媒体媒体资讯资讯观看、停留时长、点赞、评论浏览、点击、收藏、购买推荐商品推荐新闻、音乐、视频等用户数据用户数据行为数据行为数据商品、资讯数据商品、资讯数据决策式决策式AI实时分析实时分析用户特征用户特征兴趣标签兴趣标签商品、资讯特征商品、资讯特征画像描绘兴趣挖掘特征引擎推荐结果列表 获取更多最新资料请加微信：ch e n s a s a 66610101.4.1 决策式决策式AI应用：字节跳动凭精准推送应用：字节跳动凭精准推送1010年内估值超年内估值超30003000亿美元亿美元资料来源：36氪，钛媒体，晚点LatePost，QuestMobile，富途资讯，中信建投 字节跳动：字节跳动：AI驱动抖音驱动抖音、头条精准推荐内容头条精准推荐内容，10年内年内估值估值超超3000亿美元亿美元。凭借判别式AI等先进算法对用户画像的学习，抖音、头条等字节系产品，将内容与广告等高效、精准推荐给用户，快速驱动自身用户数、业绩与估值增长。用户数量方面用户数量方面，据QuestMobile，抖音2022年9月月活7.1亿，全国移动互联网用户渗透率50%；2021年12月，今日头条月活3.3亿，远高于传统新闻资讯平台；收入收入方面方面，据晚点LatePost及华尔街日报，字节收入由2016年的60亿元，上升到2021年的4391亿元，CAGR达136%；市值方面市值方面，据创业家及胡润研究院2021全球独角兽榜，字节跳动市值由2014年的5亿美元，上升至2021年的3375亿美元。图：图：20212021年底各大新闻资讯平台年底各大新闻资讯平台MAUMAU（亿）（亿）0123456782017-022017-062017-102018-022018-062018-102019-022019-062019-102020-022020-062020-102021-022021-06 2021-102022-022022-06图：抖音主站月活（亿）图：抖音主站月活（亿）图：字节跳动市值变化（十亿美元）图：字节跳动市值变化（十亿美元）0.5112075140337.50501001502002503003504002014201620172018202020210.00.51.01.52.02.53.03.5 获取更多最新资料请加微信：ch e n s a s a 66611111.4.2 决策式决策式AI应用：图像识别推动自动驾驶市场快速增长应用：图像识别推动自动驾驶市场快速增长资料来源：IDC，零壹智库，中信建投 自动驾驶：自动驾驶：AI智能分析智能分析、识别路况识别路况，渗透率不断提升渗透率不断提升。借助决策式AI，自动驾驶汽车可分析判别各种路况，并可对多种物体进行识别与跟踪，从而提高行车的安全性，例如行人、空旷行驶空间、地上标注、红绿灯、车辆等。目前自动驾驶市场规模快速增长目前自动驾驶市场规模快速增长，据据Research And Markets，2021年全球无人驾驶汽车的市场规模约年全球无人驾驶汽车的市场规模约273亿美亿美元元，2026年全球无人驾驶汽车市场规模将达到年全球无人驾驶汽车市场规模将达到594亿美元亿美元，年复合增长率为年复合增长率为16.84%。带动产业链发展带动产业链发展，多环节均有高市值上市公司及高估值公司多环节均有高市值上市公司及高估值公司。判别式AI为自动驾驶汽车提供核心技术支持，自动驾驶汽车的销售则带动整个相关产业链的发展，如车用无线通信技术V2X、高精度地图、激光雷达、芯片、ADAS驾驶辅助系统、智能车解决方案等。多个产业链环节均有高估值、大市值公司诞生，例如蔚来汽车（造车）、商汤科技（激光雷达、V2X、ADAS等）、Momenta（高精度地图）等。图：全球自动驾驶汽车销量及预测（万辆）图：全球自动驾驶汽车销量及预测（万辆）公司名称业务市值特斯拉造车;L4自动驾驶5785亿美元蔚来汽车造车;L4自动驾驶1400亿港元小鹏汽车造车;L4自动驾驶485亿港元理想汽车造车;L4自动驾驶1469亿港元商汤科技激光雷达;V2X;ADAS算法620亿港元寒武纪V2X;自动驾驶芯片;ADAS算法255亿人民币表：自动驾驶产业链上市公司市值（亿美元，截至表：自动驾驶产业链上市公司市值（亿美元，截至20222022年年1111月月2424日）日）公司名称业务估值公司名称业务估值哪吒汽车造车70亿蘑菇车联V2X;L4 自动驾驶30亿滴滴自动驾驶L4 自动驾驶34亿地平线V2X;自动驾驶芯片;ADAS 算法30亿文远知行造车;L4自动驾驶33亿奇点汽车造车;L4自动驾驶27亿小马智行造车;L4 自动驾驶31亿酷哇机器人造车;车联网;高精度地图25亿Momenta高精度地图31亿千寻位置高精度地图21亿表：自动驾驶产业链非上市公司估值（亿美元，截至表：自动驾驶产业链非上市公司估值（亿美元，截至20222022年年2 2月）月）010002000300040005000600020202021202220232024L1L2L3-L5 获取更多最新资料请加微信：ch e n s a s a 66612121.4.2 决策式决策式AI应用：应用：AI四小龙多领域开创“四小龙多领域开创“AI+”新业态”新业态资料来源：公司官网，中信建投 AI四小龙：在多场景探索计算机视觉应用四小龙：在多场景探索计算机视觉应用。借助判别式AI，商汤科技、旷视科技、依图科技、云从科技对C端、B端、G端的各大应用场景进行智能分析，提高信息的判别分析效率、节省人力成本，并为用户及时提供决策反馈。四家公司均获得了较高的估值。商汤科技：商汤科技：将人工智能基础设施、智能驾驶、人/物检测、SLAM、图像生成、智能决策为核心，应用领域涵盖智能驾驶、身份验证、城市管理、游戏AI、VR/AR等，11月24日市值620亿港元。旷视科技：旷视科技：专注于图像/视频的分析与理解，以人脸识别为核心，业务场景包括城市治理、楼宇园区管理、实名认证、通行考勤等，据胡润全球独角兽榜，2021年估值270亿元。依图科技：依图科技：聚焦于人脸识别、自然语言处理等领域，解决方案包括城市管理、智慧医疗等据胡润全球独角兽榜，2020 年估值140亿元。云从科技：云从科技：建立视觉、语言、环境认知系统，应用于智慧交通、金融、教育等领域，11月24日市值131亿元。类型应用场景商汤科技旷视科技依图科技云从科技C端手机人脸3D重建、手机图像处理、手机人脸解锁方案等手机安全、认证、影像等解决方案汽车高级辅助驾驶系统、智能座舱车主身份验证、司机驾驶状态分析B端金融互联网金融、线下金融、智慧网店、会员识别等卡证信息录入、身份认证智能网点、刷脸取款解决方案智慧网点、智慧识人、票据OCR、风控解决方案医疗智慧诊疗平台Care.ai医疗智能全栈式产品解决方案教育AI基础教育、智慧校园教育行业数字化物流仓储物流数字化制造工厂制造数字化G端安防方舟城市级开放视觉平台、人脸动态比对服务器等产品城市管理、楼宇园区管理数字化解决方案城市安全、智慧园区AI+人像大数据、智慧社区实有人口、智慧园区安防解决方案交通人群分析系统民航旅客出港服务、航站楼管理服务、民航大数据服务零售智慧商业解决方案零售行业数字化解决方案顾客识别、轨迹热区、4D店标准化解决方案智慧门店综合、智慧4D专营店智慧案场人脸识别解决方案表：表：AIAI四小龙四小龙AIAI应用场景应用场景 获取更多最新资料请加微信：ch e n s a s a 66613131.4.3 决策式决策式AI应用：内容审核显著降低人工成本应用：内容审核显著降低人工成本资料来源：公司官网，中信建投 决策式决策式AI通过通过规则引擎规则引擎、文本分类文本分类、图像分类等进行内容审核图像分类等进行内容审核，广泛应用于搜索引擎广泛应用于搜索引擎、社交平台社交平台、电子商务电子商务、新闻网站等领域新闻网站等领域，以确保内容符合法律法规和公司政策以确保内容符合法律法规和公司政策，保护用户隐私和安全保护用户隐私和安全，大幅降低了各公司人工审核的大幅降低了各公司人工审核的成本成本，并提高了内容质量并提高了内容质量，建立了用户信任建立了用户信任。规则引擎：规则引擎：通过预定义的规则检查内容是否包含某些敏感词汇以决定是否通过审核。文本分类：文本分类：按照一定的体系或标准对文本进行自动分类标记，包括情感分析、意图识别、主体分类等，例如识别评论是积极的还是消极的、将文本按照政治、军事、体育等进行分类等。图像分类：图像分类：将图像内容进行分类，例如将图像分入动物、植物、风景、人像等不同的类别。应用领域应用领域名称名称应用场景应用场景搜索引擎谷歌网页敏感词审核、内容审核、广告审核等百度社交平台Facebook对用户发布的文字、图像、视频的进行审核，屏蔽侮辱、攻击性、暴力、色情等违法违规信息以及虚假信息等Twitter微信微博电子商务京东商品内容审核、商品宣传图审核、违法宣传标语过滤、评论审核、虚假评论及恶意评论的过滤等淘宝新闻网站Reuters智能新闻分类、虚假新闻识别过滤、评论审核等表：内容审核应用场景表：内容审核应用场景 获取更多最新资料请加微信：ch e n s a s a 66614141.4.4 决策式决策式AI应用：谷歌开发多款模型替代人力分析应用：谷歌开发多款模型替代人力分析资料来源：谷歌，Google Scholar，36氪，中信建投 谷歌深耕人工智能领域谷歌深耕人工智能领域，不仅开发出了多个图像识别不仅开发出了多个图像识别、人脸识别人脸识别、语音识别算法语音识别算法，替代了常见的人类能够完成替代了常见的人类能够完成的分析性工作的分析性工作，还推出了天气预测还推出了天气预测、流行病预测等模型流行病预测等模型，实现了优于常人的决策结果实现了优于常人的决策结果。名称名称时间时间应用应用Building High-level FeaturesUsing Large Scale Unsupervised Learning2012训练人工神经网络从无标注图像识别特征，例如识别图像中的人脸、猫脸等TensorFlow2015包含一系列机器学习算法，支持多种编程语言，方便用户训练、开发、部署机器学习模型。不仅支持判别式模型，也支持生成式模型不仅支持判别式模型，也支持生成式模型AlphaGo2015通过对大量数据学习如何做出围棋决策，击败世界顶尖围棋选手，后续用于金融领域预测股票价格、自动驾驶领域判断路况等FaceNet2015使用深度卷积网络，高精度识别人脸图像之间的差别Wide&Deep2016基于Embedding和多层感知机的推荐算法，在推荐领域有广泛的应用Joint Speech Recognition and Speaker Diarization via Sequence Transduction 2018集成语音识别和说话人分类系统，判断谁在什么时候说了什么Building Damage Detection in Satellite Imagery Using Convolutional Neural Networks2019使用卫星遥感图像分析建筑物的损坏程度，为救灾决策提供帮助MetNet2020通过观测数据预测天气，能够以1km的解析度、两分钟的时间间隔预测未来8小时内的降雨量A prospective evaluation of AI-augmented epidemiology to forecast COVID-19 in the USA and Japan2021模拟政策变化对新冠确诊人数和死亡病例的影响表：谷歌部分决策式表：谷歌部分决策式AIAI模型梳理模型梳理 获取更多最新资料请加微信：ch e n s a s a 6661515目目 录录第二章第二章第一章第一章AI：从判别决策到创造生成：从判别决策到创造生成生成式生成式AI：范式升级：范式升级，应用多元应用多元第三章第三章生成式生成式AI应用：内容制作应用：内容制作，从辅助人到从辅助人到“替代替代”人人第五章第五章海内外发展：多家科技巨头海内外发展：多家科技巨头、初创公司积极布局初创公司积极布局第四章第四章生成式生成式AI应用：多行业垂直应用应用：多行业垂直应用第六章第六章综合应用：游戏行业的案例综合应用：游戏行业的案例 获取更多最新资料请加微信：ch e n s a s a 66616162.1 生成式生成式AI VS Web 3.0：不仅是：不仅是web3.0的生产工具，更是人工智能的新范式的生产工具，更是人工智能的新范式资料来源：Gartner，陀螺科技，雷锋网，中信建投 生成式生成式AI可以作为可以作为Web3.0的生产工具的生产工具，但但Web3.0中的应用仅是其应用的冰山一角中的应用仅是其应用的冰山一角。Web3.0围绕去中心化的理念展开，结合区块链、智能合约、加密货币等技术，核心是产生的数据由用户拥有，能够改变用户数据及原创内容等均由互联网中心化实体控制的现状，在创作者经济中取得更好的平衡从而提升用户创作内容的积极性。生成式AI在内容领域的应用能够满足用户不断提升的创作需求，但这仅是其应用的冰山一角。生成式生成式AI在广大垂直领域的应用带来的是在广大垂直领域的应用带来的是AI用途的结构性改变以及生产力的进一步提高用途的结构性改变以及生产力的进一步提高，未来可能创造巨大未来可能创造巨大的市场价值的市场价值。图：生成式图：生成式AIAI与与Web3.0Web3.0生成式生成式AIWeb3.0人工智能内容创作设计科研计算机建筑航天医疗材料能源 获取更多最新资料请加微信：ch e n s a s a 66617172.1 生成式生成式AI VS Web 3.0：不追求生产关系的重塑，但将大幅度提升和创造生产力：不追求生产关系的重塑，但将大幅度提升和创造生产力资料来源：中国管理信息化，雷锋网，中信建投 创造是生成式创造是生成式AI的核心的核心，本质是对生产力的大幅度提升和创造本质是对生产力的大幅度提升和创造。生成式AI通过从数据中学习要素，进而生成全新的、原创的内容或产品，不仅能够实现传统AI的分析、判断、决策功能，还能够实现传统AI力所不及的创造性功能。生成式AI已催生了营销、设计、建筑和内容领域的创造性工作，并开始在生命科学、医疗、制造、材料科学、媒体、娱乐、汽车、航空航天进行初步应用，为各个领域带来巨大的生产力提升。生成式生成式AI将促进生产关系高效发展将促进生产关系高效发展，而不是像而不是像Web3.0重塑生产关系重塑生产关系。Web3.0通过底层的分布式与去中心化、密码学的应用、加密货币的结算方式，为集体协作、分工、收益提供了更好的结算方式，去中心化自治组织（Decentralized Autonomous Organization，DAO）将是常见的组织形态，打破了原有的生产关系。生成式AI不是打破传统的生产关系，而是通过提高生产力促进现有生产关系高效发展。图：生成式图：生成式AIAI与与Web3.0Web3.0对生产关系的影响对生产关系的影响传统传统Web3.0生产关系生产关系生产力生产力反作用作用生成式生成式AIAI生产关系生产关系生产力大幅提高生产力大幅提高反作用促进生产关系高效发展DAO形式的形式的分布式生产关系分布式生产关系 获取更多最新资料请加微信：ch e n s a s a 66618182.2 生成式生成式AI：“最有商业前景的人工智能技术”：“最有商业前景的人工智能技术”资料来源：Gartner，中信建投 Gartner将生成式将生成式AI列为最有商业前景的人工智能技术列为最有商业前景的人工智能技术。根据其发布的根据其发布的2022年人工智能技术成熟度曲线年人工智能技术成熟度曲线，预计生预计生成式成式AI 2-5内将进入生产成熟期内将进入生产成熟期，发展潜力与应用空间巨大：发展潜力与应用空间巨大：2025年，生成式AI产生的数据将占到所有数据的10%，而2021年生成式AI产生的数据不到所有数据的1%；2025年，30%的大型组织出站消息将由生成式AI生成；2025年，50%的药物发现与研发将使用生成式AI；2027年，30%的制造商将使用生成式AI提高产品研发效率。图：图：20222022年人工智能技术成熟度曲线年人工智能技术成熟度曲线生成式人工智能 获取更多最新资料请加微信：ch e n s a s a 66619192.3 资本：海外一级投资涌入资本：海外一级投资涌入 多家知名风投公司看好生成式多家知名风投公司看好生成式AI赛道：赛道：红杉资本官网9月19日发布的文章生成式AI：充满创造力的新世界中提到：“生成式AI有潜力产生数万亿美元的经济价值”。Coatue发布的AI2022：爆发认为规模化突破使得AI在短时间内变得指数级强大，其应用场景迅速突破。2022年10月，Stability AI完成1.01亿美元融资，估值10亿美元，投资方包括Coatue、Lightspeed VenturePartners和OShaughnessy Ventures。公司由前英国对冲基金经理Emad Mostaque于2020年成立。2022年10月，Jasper完成1.25亿美元融资，估值达15亿美元，投资者包括Coatue、Bessemer VenturePartners、IVP等多家机构。2019年，OpenAI获得微软10亿美元投资，2021年OpenAI 估值已达200亿美元。表：风投机构视角下的生成式表：风投机构视角下的生成式AIAI资料来源：公司官网，中信建投This incredible AI renaissance is happening simultaneously across many diverse fields and verticals.This is not a coincidence:scaling breakthroughs have enabled AI to become exponentially more powerful in a very short period of time.Engineers are now taking this technology breakthrough and applying it everywhere they can.获取更多最新资料请加微信：ch e n s a s a 66620202.3 资本：海外一级投资涌入资本：海外一级投资涌入 多家生成式多家生成式AI公司进入公司进入Madrona、高盛高盛、微软微软、亚马逊网络服务和亚马逊网络服务和 PitchBook联合发布的联合发布的2022年智能应用前年智能应用前40名榜单名榜单（Intelligent Applications 40，IA40）。IA40招募了来自40多家顶级风险投资和投资公司的50多名风险投资人，提名并投票选出塑造智能应用未来的顶级公司，这些公司自成立以来募资超160亿美元，今年募资超过50亿美元，其中包括Runway、Jasper、Copy.ai在内的14家生成式AI相关公司，占比达35%。表：表：20222022年年IA40IA40（生成式（生成式AIAI公司用虚线框出）公司用虚线框出）资料来源：公司官网，中信建投 获取更多最新资料请加微信：ch e n s a s a 66621211.E+001.E+011.E+021.E+031.E+041.E+051.E+061.E+071.E+081.E+091.E+101.E+111.E+121.E+131.E+141.E+151.E+161.E+171.E+181.E+191.E+201.E+211.E+221.E+231.E+241952195419561958196019621964196619681970197219741976197819801982198419861988199019921994199619982000200220042006200820102012201420162018202020222.4 技术：技术：2022年是拐点年是拐点资料来源：COMPUTE TRENDS ACROSS THREE ERAS OF MACHINE LEARNING，Google Scholar，中信建投 前期架构前期架构、模型模型、数据数据、算力的积累与提升算力的积累与提升架构改进：架构改进：深度神经网络的学习能力和模型的大小呈正相关，但规模越大训练难度越高，需要对结构进行改进，拥有更强并行性的Transformer架构带来了深度神经网络参数量从最早的几万到目前的数千亿的跃升。模型发展：模型发展：GPT-3、CLIP、Diffusion、DALL E2等模型的提出极大提升了AI处理NLP、跨模态、生成问题的能力。数据增多：数据增多：拥有的优质训练数据越多，算法从中学习的效果越好。随着数字时代的到来，生成数据的工具和软件越来越普遍，数据总量呈指数增长，可供AI训练的数据质量和数量均有很大提升。算力提升：算力提升：大规模深度学习模型的参数和数据量达到了一定量级，需要相应算力的支撑，目前，大规模模型的训练算力是原来的10到100倍。图：用于训练机器学习经典算法的算力图：用于训练机器学习经典算法的算力用于AI训练的算力增长符合摩尔定律，大约每20个月翻一番深度学习的出现加速了性能的扩展，用于AI训练的算力大约每6个月翻一番大规模模型出现，其训练算力是原来的是原来的10到100倍深度学习出现深度学习出现大规模模型出现大规模模型出现训练算力（FLOPs）图：生成式图：生成式AIAI关键模型关键模型/架构架构20222021202020192018201720142013DALL E2对比语言图像预训练对比语言图像预训练(CLIP)、扩散模型、扩散模型GPT-3 GPT-2生成式预训练（生成式预训练（GPT）变换器架构（变换器架构（TransformerTransformer）生成对抗网络（生成对抗网络（GAN）变分自编码器（变分自编码器