計算機行業“智能網聯”系列報告26：GPT大模型多模態應用展望-230312（43頁）.pdf

《計算機行業“智能網聯”系列報告26：GPT大模型多模態應用展望-230312（43頁）.pdf》由會員分享，可在線閱讀，更多相關《計算機行業“智能網聯”系列報告26：GPT大模型多模態應用展望-230312（43頁）.pdf（43頁珍藏版）》請在三個皮匠報告上搜索。

1、請務必閱讀末頁的免責條款和聲明2023年年3月月12日日計算機行業“智能網聯”系列報告計算機行業“智能網聯”系列報告26GPT：大模型多模態應用展望：大模型多模態應用展望楊澤原楊澤原/丁奇丁奇/潘儒琛潘儒琛/李康橋李康橋中信證券研究部中信證券研究部 計算機組計算機組2核心觀點核心觀點ChatGPT通過大模型突破通過大模型突破AI瓶頸瓶頸，GPT-4多模態應用帶動商業化加速多模態應用帶動商業化加速。ChatGPT憑借大算力、大規模數據訓練、基于人類知識的強化學習等方式突破AI技術瓶頸，獲得超預期的用戶體驗效果與市場反響?；仡橤PT系列模型演進，GPT-1結合無監督預訓練與有監督微調過程，GPT-

2、2突出零樣本設定，GPT-3強調上下文學習能力，參數量、訓練數據量不斷提升。我們預計即將推出的GPT-4或支持多模態應用，開啟通往人工通用智能（AGI）之路，并有望控制訓練成本，降低使用門檻。目前，ChatGPT已在C端推出ChatGPT Plus訂閱計劃，B端開放ChatGPT API，且成本降低為0.002美金/1000token，海外多個應用率先接入。我們預計在GPT-4帶動下，未來大模型以及多模態模型的商業化應用將進一步加速，帶動行業景氣度持續向上。Transformer架構支撐架構支撐GPT走向多模態走向多模態，構筑構筑AIGC領域核心基石領域核心基石。GPT系列模型使用Transf

3、ormer架構，當前基于Transformer的多模態研究為AI領域研究熱點，Transformer已開始打破NLP與CV領域壁壘，有望支撐GPT系列模型走向多模態應用，構筑AIGC領域核心能力基石。我們梳理出GPT的潛在基礎能力包括文本生成（分析）、代碼生成、對話交互、機器翻譯、圖像生成、視頻生成等。我們認為，前述基礎能力將支撐GPT系列模型在通用與垂直領域的應用，典型應用場景如：通用領域搜索引擎/辦公軟件，垂直領域教育/金融/醫療/圖像視頻等。通用與垂直場景多點開花通用與垂直場景多點開花，GPT變革內容生成與交互方式變革內容生成與交互方式。GPT有望革新各行各業的內容生成與交互方式?；贕

4、PT+文本&代碼&對話&翻譯&圖像&視頻，我們看好GPT類技術未來在通用與垂直場景的應用空間。例如，搜索引擎結合GPT將重塑搜索結果呈現方式，多模態的引入帶來一站式的文本、圖像、視頻匯集結果，將大為提升用戶信息收集效率，百度文心一言有望引領用戶搜索體驗的代際變革；在辦公軟件領域，金山WPS、福昕PDF未來若結合多模態GPT，有望深化用戶在流程/事務/知識/創意/協作型等多類工作事項上的智能辦公體驗，同時支撐產品打開客單價提升空間；訊飛將以AI學習機率先落地類ChatGPT技術，有望在作文輔導、口語學習方面實現躍升；當虹科技具有視頻AI建模能力、落地AIGC相關技術，GPT賦能下或進一步深化傳媒

5、、安全領域應用。投資策略：投資策略：伴隨成本下降以及多模態的持續演進，GPT等大模型有望構筑AIGC核心基石，推動AI商業化進程加速和市場天花板打開。建議持續關注相關領域的AI公司：1）應用層：AI+行業：辦公金山辦公、福昕軟件，教育科大訊飛，金融同花順、東方財富，醫療創業慧康、衛寧健康，圖像視頻商湯科技、當虹科技、云從科技、格靈深瞳、創新奇智、虹軟科技、魅視科技，其他-拓爾思、漢王科技、海天瑞聲等；2）基礎設施層：海光信息、景嘉微、寒武紀、浪潮信息、工業富聯、中科曙光等。風險提示：風險提示：AI核心技術發展不及預期風險；科技領域政策監督收緊風險；企業數據安全風險；信息安全風險；行業競爭加劇風

6、險。mMpOZVdUaYbZoW8ZwV8ObP9PoMnNpNnOfQpPsReRnMsRbRrQpPwMpNpQMYnOqQ目錄目錄CONTENTS31.ChatGPT通過大模型突破通過大模型突破AI瓶頸，瓶頸，GPT-4多模態應用帶動商業化加速多模態應用帶動商業化加速2.Transformer架構支撐架構支撐GPT走向多模態，構筑走向多模態，構筑AIGC領域核心基石領域核心基石3.通用與垂直場景多點開花，通用與垂直場景多點開花，GPT變革內容生成與交互方式變革內容生成與交互方式4.投資策略投資策略5.風險提示風險提示41.ChatGPT通過大模型突破通過大模型突破AI瓶頸，瓶頸，GPT-

7、4多模態應用帶動商業化加速多模態應用帶動商業化加速5ChatGPT是自然語言處理是自然語言處理（NLP）下的下的AI大模型大模型，通過大算力通過大算力、大規模訓練數據突破大規模訓練數據突破AI瓶頸瓶頸。2022年11月，OpenAI推出ChatGPT，ChatGPT基于GPT-3.5，使用人類反饋強化學習技術，將人類偏好作為獎勵信號并微調模型，實現有邏輯的對話能力。ChatGPT本質上是通過超大的統計語言模型，對詞語序列的概率分布進行建模，利用上下文信息預測后續詞語出現的概率分布，其表現的超預期反映了在算力水平提升的情況下大語言模型技術路線的成功，通過對大規模的未標注的文本數據進行訓練，突破了

8、AI發展的技術瓶頸。根據瞭望新聞周刊報道，OpenAI為了讓ChatGPT的語言合成結果更自然流暢，使用了45TB的數據、近1萬億個單詞來訓練模型，訓練一次的成本高達千萬美元，一個月的運營成本需要數百萬美元。資料來源：OpenAI官網資料來源：OpenAI官網ChatGPT幫助用戶給鄰居寫信幫助用戶給鄰居寫信ChatGPT幫助用戶幫助用戶debug1.1 概述：概述：ChatGPT為為NLP下的下的AI大模型，性能和使用體驗超預期大模型，性能和使用體驗超預期6ChatGPT出自美國出自美國AI創業公司創業公司OpenAI，是是AI大模型領域的領軍者大模型領域的領軍者。OpenAI在2015年由

9、Sam Altman、Peter Thiel、ReidHoffman、Elon Musk等人創辦。公司成立之初，即確定了包括制造“通用”機器人和使用自然語言的聊天機器人的發展目標。2019年，OpenAI獲得來自微軟的10億美元投資，為Azure云端平臺服務開發AI技術。2018年起，OpenAI開始發布GPT（Generative Pre-trained Transformer）模型，2020年發布GPT-3，可以完成答題、寫論文、代碼生成等任務，被視為人工智能競賽的里程碑事件，并直至ChatGPT的推出引起AI的熱潮。除了NLP領域，OpenAI還在多模態領域取得成就，包括發布了AI圖像生

10、成器DALL-E2，對音頻轉錄編輯器Descript、AI筆記應用Mem等進行投資。資料來源：OpenAI官網，中信證券研究部1.1 概述：概述：OpenAI傾力打造傾力打造ChatGPT，獲得微軟有力加持，獲得微軟有力加持OpenAI發展歷程發展歷程2015OpenAI成立，馬斯克等人參與2016OpenAI宣布其發展的主要目標，發布第一個項目OpenAI Gym Beta2017發布Proximal Policy Optimization算法2018發布GPT-12019202020212022發布GPT-2，獲微軟10億美元投資發布GPT-3，開放人工智能應用程序接口研究從文本創建圖像神

11、經網絡DALL E發布人工智能系統DALL E 2與ChatGPT7GPT-1發布于發布于2018年年6月月，參數量達參數量達1.17億億，預訓練數據量約預訓練數據量約5GB。GPT-1包含預訓練和微調兩個階段，考慮到自然語言處理任務中有標簽的語料少，GPT-1先在大量的無標簽數據上訓練語言模型，然后在下游具體任務（如分類、常識推理、自然語言推理等）的有標簽數據集上進行微調。1）在無監督訓練中，GPT-1采用Transformer的架構，即標準的語言模型的目標函數，通過前面的詞預測后面的詞；2）在有監督訓練中，采用標準的分類目標函數，僅需對第一階段預訓練的語言模型做出很小的結構改變，即可應用于

12、各種下游任務。GPT-1使用了BooksCorpus數據集來訓練語言模型，其中有7000余本未出版的書籍。具體表現上，在有監督學習的12項任務中，GPT-1在其中9項上的表現優于專門訓練的受監督模型。資料來源：Improving Language Understanding by Generative Pre-Training（Alec Radford、Karthik Narasimhan、Tim Salimans等）資料來源：Improving Language Understanding by Generative Pre-Training（Alec Radford、Karthik Nar

13、asimhan、Tim Salimans等）GPT-1包含預訓練和微調兩個訓練階段包含預訓練和微調兩個訓練階段GPT-1在自然語言推理任務、問答和常識推理任務中的表現在自然語言推理任務、問答和常識推理任務中的表現1.2 演變：演變：GPT-1無監督預訓練無監督預訓練+有監督微調有監督微調8GPT-2發布于發布于2019年年2月月，參數量達參數量達15億億，預訓練數據量約預訓練數據量約40GB。GPT-1使用的概率條件模型為p(output|input)，GPT-2使用相同的無監督模型學習多個任務，將概率條件模型修改為p(output|input,task)，期望模型對不同任務的相同輸入產生不同

14、的輸出。此外，GPT-2采取Zero-shot設定，不需要下游任務的標注信息，而是根據給定的指令理解任務。因此GPT-2的核心思想在于多任務學習。GPT-2訓練的數據集來自社交新聞平臺Reddit，共有約800萬篇文章，體積超40GB。具體表現上，在8個語言模型任務中，僅通過Zero-Shot學習，GPT-2在其中7個上領先。GPT-2表明，隨著模型容量和數據量增大，GPT模型的潛力仍有望進一步顯現。資料來源：Language Models are Unsupervised Multitask Learners（Alec Radford、Jeffrey Wu、Rewon Child等）1.2

15、演變：演變：GPT-2無監督預訓練無監督預訓練+多任務學習多任務學習語言模型參數增加，語言模型參數增加，Zero-shot在在NLP任務上表現提升任務上表現提升9GPT-3發布于發布于2020年年5月月，參數量達參數量達1750億億，預訓練數據量約預訓練數據量約45TB。GPT-3采用海量的參數來進行訓練和學習，不追求GPT-2中的Zero-shot設定，而是通過少量樣例（Few-shot或One-shot）理解并執行任務，對應為模型的上下文學習能力。GPT-3在作用到子任務時，無需進行微調，以避免龐大的模型體量所帶來的高成本。具體表現上，在大量的語言模型數據集中，Zero-shot或Few-

16、shot設置下，GPT-3超過了LAMBADA和Penn Tree Bank；GPT-3也在很多復雜的NLP任務中超過微調后的最佳方法。資料來源：Language Models are Few-Shot Learners（Tom B.Brown、Benjamin Mann、Nick Ryder等）資料來源：Language Models are Few-Shot Learners（Tom B.Brown、Benjamin Mann、Nick Ryder等）Few-shot準確性表現增速更快表明大模型在上下文學習上更強大準確性表現增速更快表明大模型在上下文學習上更強大Zero-shot、one-

17、shot、few-shot與與fine-tune對比對比1.2 演變：演變：GPT-3無監督預訓練無監督預訓練+海量參數海量參數10ChatGPT基于基于GPT-3.5開發開發，最大的變化在于引入人類反饋強化學習最大的變化在于引入人類反饋強化學習。ChatGPT引入人類反饋強化學習，使用人工對模型回復進行打分排名，使得其更好地理解并完成指令。在表現上，ChatGPT能夠理解指令、提供基本令人滿意甚至是超預期的回答、進行多輪對話以及拒絕不合理的請求等。相較于GPT-3，ChatGPT的回答更有體系性、邏輯性；相較于對話機器人，ChatGPT能夠回答假設性的問題，并可以連續對話。未來，ChatGP

18、T待強化的方向還包括：納入最新的網絡語料、避免不合理的答案輸出等。資料來源：OpenAI官網1.2 演變：演變：ChatGPT基于基于GPT-3.5，引入人類反饋強化學習，引入人類反饋強化學習ChatGPT訓練包括訓練監督策略模型、訓練獎勵模型、訓練包括訓練監督策略模型、訓練獎勵模型、PPO強化學習三個階段強化學習三個階段11GPT-4備受業界期待備受業界期待，訓練成本控制有望帶動商業潛力的極大增強訓練成本控制有望帶動商業潛力的極大增強。ChatGPT的突出表現使得外界對GPT-4十分期待，自2021年以來便有報道稱GPT-4“即將推出”，OpenAI公司CEO Sam Altman今年受St

19、rictlyVC采訪時表示GPT-4將在“有信心可以安全且負責任地運行時”推出。外界此前也曾預期，GPT-4的推出或分階段進行，例如GPT-3也是先開放給合作伙伴、付費用戶和學術機構，才在2022年底開放給公眾。在參數量上，針對有傳言稱GPT-4參數量將達到百萬億，OpenAI公司CEO Sam Altman予以否定。此外，AI專家AlbertoRomero預測，GPT-4的重點在數據處理優化上，因此其使用門檻有望降低，我們預計訓練成本的控制將帶動其商業潛力的增強。資料來源：微信公眾號“機器之心”資料來源：The Verge，中信證券研究部GPT-4參數量的傳聞遭到否定參數量的傳聞遭到否定Al

20、tman談及談及GPT-4預計推出時間預計推出時間1.3 展望：展望：GPT-4此前外界預期參數量變化不大、使用門檻有望降低此前外界預期參數量變化不大、使用門檻有望降低12最新消息稱最新消息稱GPT-4將于下周推出將于下周推出，支持多模態應用支持多模態應用，開啟通往人工通用智能之路開啟通往人工通用智能之路。根據德國科技媒體“heise在線”報道，當地時間3月9日，微軟德國公司首席技術官Andreas Braun在名為“AI in Focus-Digital Kickoff”的活動中透露稱“將在下周推出GPT-4，它將是一個多模態模型，會提供完全不同的可能性例如視頻”。這意味著GPT-4可以管理

21、不同語言數據的輸入和輸出，也能夠做到輸出圖像甚至視頻。在活動上，微軟AI技術專家對多模態AI的應用案例進行了介紹，例如能夠將電話呼叫的語音直接記錄成文本，這為微軟位于荷蘭的一家大型客戶節省500個工作小時/天。GPT-4對多模態的支持使得外界對模型潛力的預期進一步強化，原因在于多模態感知是建立人工通用智能（AGI）的重要一步，基于此能夠執行人類水平的一般任務。資料來源：heise online資料來源：微信公眾號“水木學堂”微軟德國公司首席技術官微軟德國公司首席技術官Andreas Braun稱稱GPT-4即將推出即將推出人工智能已從單模態轉向多模態人工智能已從單模態轉向多模態1.3 展望：展

22、望：GPT-4最新消息稱推出在即、支持多模態最新消息稱推出在即、支持多模態13ChatGPT迅速走紅迅速走紅，以訂閱制服務以訂閱制服務B端端、C端客戶端客戶，成本控制下將有效加速商業化落地成本控制下將有效加速商業化落地。ChatGPT自年初以來，持續出圈，截至2023年1月末月活突破1億，成為史上增長最快的消費者應用?？紤]到計算資源所牽涉的龐大訓練成本、運行成本，ChatGPT的商業化路徑已正在探索、明確中。商業模式商業模式1）C端端：OpenAI發布ChatGPT Plus訂閱計劃，每月收費20美元，相較于免費版本，即便在高峰時段用戶也能正常訪問ChatGPT，響應時間更快，可以優先使用新功

23、能，有望引領AI技術變現新模式；2）B端端：OpenAI發布ChatGPT API，開發者可以將ChatGPT集成到產品中，價格為$0.002/1k token，相較于GPT-3.5降低90%，我們預計成本控制后有望快速帶動GPT相關應用爆發。根據微信公眾號“智東西”，生鮮電商Instacart、跨境電商Shopify、照片分享應用Snap、單詞背誦應用Quizlet等已率先接入ChatGPT API。資料來源：OpenAI官網資料來源：OpenAI官網OpenAI上線上線ChatGPT Plus訂閱計劃訂閱計劃Quizlet將基于將基于ChatGPT API推出推出Q-Chat1.4 商業模

24、式：商業模式：C端推出訂閱制會員，端推出訂閱制會員，B端提供調用端提供調用API接口接口142.Transformer架構支撐架構支撐GPT走向多模態，構筑走向多模態，構筑AIGC領域核心基石領域核心基石15GPT沿用主流沿用主流Transformer模型模型，該模型采用自注意力機制該模型采用自注意力機制，在在NLP上表現優于上表現優于RNN（循環神經網絡循環神經網絡）。2017年，谷歌在Attention is All You Need中提出Transformer模型，可用于文本摘要、機器翻譯等NLP任務。在NLP方面，Transformer模型的自注意力（self-attention）機制

25、可以為輸入序列中的任意位置提供上下文，進而模型能夠一次性處理所有輸入數據，而非RNN一次只處理一個單詞的情況，由此模型可以減少訓練時間，能夠在更大的數據集上進行訓練。目前，基于Transformer的預訓練語言模型已成為NLP領域的主流。資料來源Attention is All You Need（Google），中信證券研究部資料來源：動手學深度學習（李沐）Transformer的的Encoder-Decoder示意圖示意圖Transformer在長序列處理上解決了在長序列處理上解決了CNN的最長路徑問題，也解決了的最長路徑問題，也解決了RNN的并行度和的并行度和遺忘問題遺忘問題2.1 GPT

26、采用的采用的Transformer架構在架構在NLP領域已躋身主流領域已躋身主流輸入部分自注意力機制前饋神經網絡多頭自注意力機制交互層16Transformer也可用于也可用于CV（計算機視覺計算機視覺）領域領域，表現出巨大的性能提升表現出巨大的性能提升。CV領域此前更多由CNN（卷積神經網絡）主導，而Transformer憑借著自注意力機制，表現出了巨大的性能提升。根據微軟亞洲研究院，Transformer在圖像分類、物體檢測等任務中刷新了測評記錄，例如2020年Transformer被首次應用于圖像分類任務，結合海量的預訓練數據，ViT在ImageNet-1K的validation評測集上

27、取得88.55%的準確率。Transformer也在視頻動作識別、視覺自監督學習、圖像復原、圖像分割等視覺任務中取得優異成績。谷歌提出的ViT-MoE模型目前在參數量上領先，達到了150億。資料來源：為何Transformer在計算機視覺中如此受歡迎？（微軟亞洲研究院）資料來源：為何Transformer在計算機視覺中如此受歡迎？（微軟亞洲研究院）學術界挖掘出的學術界挖掘出的Transformer建模的優點建模的優點Transformer在大模型方面展示了強大的可擴展性在大模型方面展示了強大的可擴展性2.2 Transformer也可用于也可用于CV領域，相較于領域，相較于CNN實現性能巨大提

28、升實現性能巨大提升17GPT有望基于有望基于Transformer延伸至多模態延伸至多模態，構筑構筑AIGC核心基石核心基石，GPT-4或實現領跑或實現領跑。當前，基于Transformer的多模態學習成為AI領域的研究熱點，研究者們提出了大量的Transformer變體。鑒于Transformer具有較少的特定于模態的架構假設，以及生成式預訓練、大模型&大數據路線的成功，Transformer能夠聯動CV與NLP，通過聯合建模完成，打破CV與NLP領域之間的壁壘。微軟亞洲研究院2022年推出BEiT-3預訓練模型，在目標檢測、實例分割、語義分割、視覺推理、圖片描述生成等任務上取得了SOTA的

29、遷移性能。我們認為，基于Transformer架構，GPT未來有望延伸至多模態，助力內容創作由UGC、PGC全面走向AIGC，賦能通用領域以及金融、教育、醫療、傳媒等垂直行業。資料來源：通用多模態基礎模型BEiT-3：引領文本、圖像、多模態預訓練邁向“大一統”（微軟亞洲研究院）資料來源：通用多模態基礎模型BEiT-3：引領文本、圖像、多模態預訓練邁向“大一統”（微軟亞洲研究院）BEiT-3預訓練示意圖預訓練示意圖BEiT-3在視覺在視覺-語言任務上表現突出語言任務上表現突出2.3 Transformer支撐下支撐下GPT有望走向多模態，構筑有望走向多模態，構筑AIGC領域核心基石領域核心基石1

30、8微軟微軟Kosmos-1基于基于Transformer可完成語言任務和基礎的視覺任務可完成語言任務和基礎的視覺任務，反映反映GPT發展潛力發展潛力。2023年3月初，微軟推出多模態模型Kosmos-1，可以處理文本、音頻、圖像和視頻等內容，并遵循指令（即零樣本學習）以及在上下文中學習（即少樣本學習）。Kosmos-1能夠分析圖像內容、解決視覺難題、執行視覺文本識別、通過視覺智商測試（準確度在22-26%之間）以及理解自然語言指令等。Kosmos-1的骨干網絡是基于Transformer的因果語言模型，用于訓練的數據來自多模態語料庫，包括單模態數據（如文本）、跨模態配對數據（圖像-文本對）和交

31、錯的多模態數據。Kosmos-1的表現說明了多模態大模型的應用潛力。資料來源：Language Is Not All You Need（微軟亞洲研究院）資料來源：Language Is Not All You Need（微軟亞洲研究院）Kosmos-1能夠進行圖像解釋、視覺應答、數字識別能夠進行圖像解釋、視覺應答、數字識別Kosmos-1是第一個能完成零樣本瑞文智商測試的是第一個能完成零樣本瑞文智商測試的AI模型模型2.3 Transformer支撐下支撐下GPT有望走向多模態，構筑有望走向多模態，構筑AIGC領域核心基石領域核心基石19GPT基礎能力包括文本生成基礎能力包括文本生成（分析分析

32、）、代碼生成代碼生成、對話交互對話交互、機器翻譯機器翻譯、圖像生成圖像生成、視頻生成等視頻生成等，借此賦能通用與垂直借此賦能通用與垂直領域應用領域應用，有望帶來商業模式的重塑與變革有望帶來商業模式的重塑與變革。結合ChatGPT現有應用場景，以及對GPT未來模型演變的展望，我們歸納出GPT的基礎能力，具體包括：文本生成（分析）、代碼生成、對話交互、機器翻譯、圖像生成、視頻生成等。我們認為，這些基礎能力將支撐GPT在通用與垂直領域的應用，新的應用領域的出現也將基于這些能力的組合。例如，在辦公軟件領域，主要涉及GPT的文本能力；在教育行業，主要應用到文本、對話、翻譯能力。資料來源：中信證券研究部整

33、理2.3 Transformer支撐下支撐下GPT有望走向多模態，構筑有望走向多模態，構筑AIGC領域核心基石領域核心基石GPT能力與主要應用領域能力與主要應用領域GPT能力能力搜索引擎辦公軟件金融醫療教育圖像視頻NLP能力能力拼寫檢查信息檢索主題建模文本分類封閉會話文本概括問題回答機器翻譯信息提取開放會話多模態演進多模態演進GPT應用應用重塑結果呈現方式改變盈利模式影響競爭格局打造效率生產工具深化智能辦公體驗打開客單價空間啟發式教學深入的對話探討個性化精準學習智能客服&營銷智能、精準的投顧強大投研能力支持導診問診輔助臨床研究助手電子病歷助手信息采集信息制作賦能賦能對話交互代碼生成圖像生成機器

34、翻譯文本生成視頻生成203.通用與垂直場景多點開花，通用與垂直場景多點開花，GPT變革內容生成與交互方式變革內容生成與交互方式21搜索引擎接入搜索引擎接入GPT后結果呈現方式大為變化后結果呈現方式大為變化，或影響行業盈利模式與競爭格局或影響行業盈利模式與競爭格局。用戶使用傳統的搜索引擎時，需要手動翻閱搜索結果，判斷是否為所需要的信息；而當搜索引擎接入GPT后，用戶可直接獲得答案集合。盡管受制于訓練語料、成本等因素，答案準確性有待商榷，但在結果呈現方式上實現了變革，未來或與傳統的搜索引擎相結合。如進一步實現多模態，搜索結果將更加豐富。微軟在Bing中上線ChatGPT能力并開啟測試，以聊天方式展

35、示搜索結果，并可在對話中推薦廣告。微軟必應官方博客宣布，目前Bing日活突破1億，集成搜索+聊天功能的Bing預覽版自推出以來總聊天次數已超過4500萬次。鑒于微軟可能掀起搜索行業的第二次變革并顛覆此前的盈利模式，谷歌在2月初展示由大型語言模型LaMDA驅動的類ChatGPT應用Bard，并計劃大范圍推廣。資料來源：Statista資料來源：上觀新聞全球搜索引擎市場份額分布全球搜索引擎市場份額分布用戶在新版用戶在新版Bing對話中發現廣告推薦內容對話中發現廣告推薦內容3.1 通用場景：搜索引擎通用場景：搜索引擎GPT+文本文本&圖像圖像&視頻重塑搜索結果呈現方式視頻重塑搜索結果呈現方式22百度

36、將推出文心一言百度將推出文心一言，在搜索領域有望引領體驗的代際變革在搜索領域有望引領體驗的代際變革，視頻領域合作或率先走向多模態視頻領域合作或率先走向多模態。百度是國內少有的具有超大規模語言訓練能力的科技公司，2019年即推出文心大模型。百度打造的NLP大模型ERNIE 3.0 Zeus擁有千億級參數，ERNIE-ViLG 2.0是全球首個知識增強的AI作畫大模型。百度計劃于3月16日召開文心一言發布會。此前，百度創始人李彥宏表示計劃將搜索、智能云、Apollo自動駕駛、小度智能設備等多項業務與文心一言整合。例如在搜索引擎方面引領搜索體驗的代際變革，鑒于愛奇藝宣布與百度共同探索將AIGC技術應

37、用于內容搜索、宣發等，豐富的在線視頻娛樂資源為未來多模態應用的構建提供了想象空間。此外，百度還將開放大模型支持交通、能源、制造等行業構建自己的模型和應用，打造人工智能生態系統，同時為公司帶來豐厚的商業價值，目前已有多家科技、金融、傳媒公司宣布成為合作伙伴。資料來源：文心大模型網站資料來源：文心大模型網站ERNIE 3.0 Zeus提出層次化提示學習技術提出層次化提示學習技術百度文心一言發布會將于百度文心一言發布會將于3月月16日召開日召開3.1 通用場景：搜索引擎通用場景：搜索引擎百度“文心一言”有望構筑大模型生態系統百度“文心一言”有望構筑大模型生態系統23GPT有望融入辦公流程有望融入辦公

38、流程，率先推動辦公軟件轉型為智能辦公平臺率先推動辦公軟件轉型為智能辦公平臺。微軟將于3月16日召開名為“Future of Work with AI”的發布會，預計將展示ChatGPT類技術在Teams、Word、Outlook等生產力套件中的應用。我們認為，在GPT的賦能之下，辦公軟件作為效率型生產力工具的屬性將更加突出，功能上將更加智能化，用戶有望享受到智能辦公平臺所帶來的便利性與效率大幅提升。例如，在Word中，GPT將能夠幫助用戶生成文本，或將文檔集匯總為關鍵點，使得用戶快速理解和分析信息；在Outlook中，GPT可以處理收件箱文本，幫助用戶更快捷地撰寫或回復電子郵件；在Excel中

39、，能夠根據提示提取數據，如要求“按照利潤列出世界前五大公司”后，生成Excel公式或制作可視化圖表。資料來源：The Verge，微軟資料來源：The Verge，微軟Edge中的中的Bing AI側邊欄可以與側邊欄可以與Office Web一同使用一同使用微軟在微軟在Viva Sales郵件中提供郵件中提供OpenAI技術技術3.2 通用場景：辦公軟件通用場景：辦公軟件GPT+文本文本&圖像打造效率型生產力工具圖像打造效率型生產力工具24金山辦公發布業內首個深度學習框架金山辦公發布業內首個深度學習框架KSAI-Lite，并創新推出智能寫作與演示文稿智能美化功能并創新推出智能寫作與演示文稿智能

40、美化功能，未來若在未來若在GPT賦能下有賦能下有望深化用戶智能辦公體驗望深化用戶智能辦公體驗，并打開客單價提升空間并打開客單價提升空間。金山辦公AI中臺圍繞辦公領域的計算機視覺、自然語言處理相關算法研究已開發了近100項AI能力，2021年7月發布業內首個面向辦公領域的深度學習推理框架KSAI-lite，其適配國內外主流軟硬件平臺，支持OCR、機器翻譯、智能校對等場景。金山辦公還基于NLP技術推出WPS智能寫作，功能包括文本自動生成、智能校對、智能改寫等，WPS智能生成的內容占據云端整體內容資源的33.6%。WPS演示文稿創新使用智能美化功能，一鍵即可實現文本自動排版并根據語義恰當進行配圖、配

41、色，進而得到成熟、美觀的演示文稿，大幅減少用戶手動調整的工作量。演示文稿還支持智能化多圖拼圖，智能美化功能月度活躍用戶數量也已超過百萬。資料來源：WPS智能寫作截圖資料來源：WPS演示文稿截圖WPS以“人工智能”為主題的智能寫作輸出結果以“人工智能”為主題的智能寫作輸出結果WPS演示文稿智能美化功能演示文稿智能美化功能3.2 通用場景：辦公軟件通用場景：辦公軟件WPS若結合若結合GPT將深化用戶智能辦公體驗將深化用戶智能辦公體驗25福昕軟件投入福昕軟件投入AI方向超方向超3年并具有年并具有AIGC能力能力，ChatPDF的豐富功能有望為其結合的豐富功能有望為其結合GPT提供借鑒提供借鑒。Cha

42、tPDF可通過ChatGPT API解讀專業論文，例如用戶上傳PDF后，可直接對論文進行提問；此外，ChatPDF同樣支持合同、文書、書籍等材料。福昕軟件作為全球PDF核心技術與應用領域的領導廠商，下屬的iDox.ai團隊開發了合同檢查、合同比較、敏感信息偵測等功能，相關產品自去年底推向市場，標準版、高級版年單價分別為200、400美元；此外，公司下屬的前沿文檔技術團隊也在積極探索將AI技術與公司產品相結合。結合ChatPDF的先期探索，我們認為，未來在GPT賦能之下，福昕軟件有望打造更智能的PDF文檔處理解決方案，構筑新型知識傳播、轉化利器，助力用戶更高效地使用文檔資源。資料來源：ChatP

43、DF資料來源：ChatPDFChatPDF界面界面ChatPDF對論文進行解讀對論文進行解讀3.2 通用場景：辦公軟件通用場景：辦公軟件PDF結合結合GPT有望成為知識傳播、轉化利器有望成為知識傳播、轉化利器26GPT有望催化有望催化“啟發式啟發式”教學模式教學模式，加快教育領域的個性化加快教育領域的個性化、多樣化變革探索多樣化變革探索。ChatGPT可以理解為一名“全能教師”，即便是小眾、冷門的領域，也能夠給出相對有邏輯的回答。我們認為，GPT技術將催化“啟發式”教學模式，引導學生更加積極主動地進行思考、發問，并與“全能教師”進行對話探討，這有別于傳統的應試教學模式。資料來源：人工智能基礎教

44、育行業研究報告（36氪研究院）3.3 垂直場景：教育垂直場景：教育GPT+文本文本&對話對話&翻譯催化啟發式、個性化教學翻譯催化啟發式、個性化教學教育轉型向智能化教育方向發展教育轉型向智能化教育方向發展27科大訊飛在認知智能領域具備長期深厚積累科大訊飛在認知智能領域具備長期深厚積累，AI學習機將率先落地類學習機將率先落地類ChatGPT技術技術，產品能力有望進一步夯實產品能力有望進一步夯實。公司以“平臺+賽道”模式實現AI核心技術的轉化，在教育、醫療、智慧城市、AI辦公等賽道中驗證技術優勢。公司承建認知智能全國重點實驗室，2022年獲得OpenBookQA等多項認知智能領域評測第一，開源6大類

45、、超過40個通用領域的系列中文預訓練語言模型。2022年12月公司啟動生成式預訓練大模型攻關，憑借在算法、算力等方面的保障，AI學習機將率先落地類ChatGPT技術，并計劃于今年5月6日進行產品級發布，有望在中英文作文輔導、口語學習等方面實現能力躍升。公司2019年推出首款AI學習機X1 Pro，作為教育2C模式的核心產品，聯動B、G端解決方案，實現教育服務生態閉環。依托類ChatGPT技術對AI學習機的能力重構，我們看好公司學習機產品的個性化精準學習能力，有望強化市場競爭地位。資料來源：科大訊飛公司年報，中信證券研究部資料來源：科大訊飛公司官網，中信證券研究部科大訊飛智慧教育業務全景圖科大訊

46、飛智慧教育業務全景圖科大訊飛科大訊飛AI學習機推出歷程學習機推出歷程家庭家庭校內校內區域因區域因材施教材施教學校學校老師老師教育主管部門教育主管部門學生學生家長家長素質教育教育管理智慧校園新高考綜合解決方案智慧體育人工智能創新教育學生綜合素質評價學校教學大數據精準教學智慧課堂個性化作業智慧考試教育考試服務英語口語評測智能語言學習自主學習AI學習機個性化學習手冊AI技術技術大數據技術大數據技術教研服務教研服務教育資源教育資源3.3 垂直場景：教育垂直場景：教育科大訊飛科大訊飛AI學習機將率先落地類學習機將率先落地類ChatGPT技術技術28GPT有望對金融行業的經營有望對金融行業的經營、管理管理

47、、產品營銷及客戶服務等方面產生巨大影響產品營銷及客戶服務等方面產生巨大影響。近年來，金融機構在合規趨嚴、人力成本上升等因素的影響下，對于數字化建設的意愿強烈?？紤]到ChatGPT在內容生成等方面的突出表現，我們認為，GPT有望率先落地對外的客戶服務與對內的投研支持。以銀行業為例，電子客服仍處于AB判斷階段，引入GPT將更好地服務于客戶需求；在證券、基金業，個人投資者存在的大量疑惑將可通過GPT解決，機構投資者在投研中也將獲得來自GPT的協作。GPT有望重構金融行業客戶服務端，也有望進一步增強機構內部的投研能力，助力經營效率提升與成本優化。資料來源：2022年中國AI+金融行業發展研究報告（艾瑞

48、咨詢研究院），中信證券研究部資料來源：2022年中國AI+金融行業發展研究報告（艾瑞咨詢研究院），中信證券研究部自然語言處理技術在客服、營銷場景的應用自然語言處理技術在客服、營銷場景的應用自然語言處理技術在投研、投顧場景的應用自然語言處理技術在投研、投顧場景的應用3.4 垂直場景：金融垂直場景：金融GPT+文本文本&對話賦能客戶服務、投研支持對話賦能客戶服務、投研支持痛痛點點客服團隊人員成本及管理費用高服務質量與效率較難評價獲客成本高，潛在用戶轉化率低客服營銷以以NLPNLP技術為基礎，結合智能語音、知識圖譜等技術，實技術為基礎，結合智能語音、知識圖譜等技術，實現人力成本的降低及服務效率、獲客

49、效率的提升?，F人力成本的降低及服務效率、獲客效率的提升。場場景景關鍵關鍵環節環節潛在客潛在客戶分析戶分析問句問句輸入輸入問句問句理解理解信息信息檢索檢索答案答案生成生成話術話術分析分析技術技術應用應用NLP:分析資訊文本，精準定位潛在客戶。NLP:對客戶/潛在客戶以自然語言形式提出的問題/回復進行語義分析，根據語義理解結果從知識庫中選取輸出的內容并構建恰當的語句進行回復。知識圖譜：知識圖譜：在問句理解、信息檢索、答案生成環節輔助提供知識的表示、儲存和推理。智能語音：智能語音：如有必要，在問句輸入、答案生成過程對語音信息與文本信息進行轉化。NLP:服務結束后，對服務話術進行分析，以把控服務質量，

50、優化話術。覆蓋覆蓋場景場景智能營銷智能客服痛痛點點金融資訊覆蓋的定性文本數據分析難度高且數據量大不同金融業務難以簡單快速地定位到所需定性分析的文本型數據風控投顧借助借助NLPNLP技術，對金融資訊中文本型數據進行拆解，定位有用信息并進行分類技術，對金融資訊中文本型數據進行拆解，定位有用信息并進行分類分析，提升金融機構對金融資訊分析的廣度與精度。分析，提升金融機構對金融資訊分析的廣度與精度。場場景景各類自然語各類自然語言金融資訊言金融資訊公司新聞公司新聞產品資料產品資料宏觀經濟宏觀經濟政策文件政策文件媒體評論媒體評論.通過通過NLPNLP技術技術進行分析處進行分析處理理情感分析：情感分析：對金融

51、資訊文本的傾向性分析，從而判斷市場中各類關切主題的情感傾向。事件抽?。菏录槿。簭暮Ａ拷鹑谫Y訊中抽取特定業務相關事件信息，并進行結構化處理。文本摘要：文本摘要：將金融資訊長文本的內容提取并重組為較短的摘要文本。應用于金融應用于金融業務場景業務場景投研智能風控：智能風控：增加風控模型評估因子，實現輿情監測預警智能投研：智能投研：監測市場輿情，挖掘事件關系，改善金融交易預測模型。29同花順在金融信息服務行業以強研發聞名同花順在金融信息服務行業以強研發聞名，i問財有望憑借問財有望憑借GPT全面升級服務模式全面升級服務模式。公司重點打造的i問財是在財經領域落地的有代表性的自然語言、語音對話交互問答系統

52、。2021年，在全球對話系統技術領域的頂級賽事DSTC9中，取得跨語言對話狀態跟蹤任務第一名。在GPT賦能下，i問財有望升級服務模式，在信息匯集、交互問答等方面跨越，進一步發展為智能投顧平臺，為個人投資者投資決策提供更全面、深入的支持。東方財富構建一站式互聯網財富管理生態圈東方財富構建一站式互聯網財富管理生態圈，GPT或催生全新的智能投顧產品或催生全新的智能投顧產品。憑借費率優勢以及對用戶體驗的重視，天天基金近年來在基金代銷行業躋身頭部位置。我們認為，借助于GPT賦能，天天基金之類的財富管理機構在基金投顧方面有望更加智能。例如，結合用戶對投資回報、風險偏好的描述，更加精準地推薦基金產品；當用戶

53、對基金投資標的、投資風格等產生問題時，也能快速地進行信息生成，助力財富管理機構在拉長客戶接觸時間的同時控制運營成本；此外，通過迭代學習，投顧質量也有望不斷夯實。綜合而言，GPT將助力客戶粘性提升與流量優勢強化。資料來源：同花順i問財網站資料來源：天天基金網同花順同花順i問財股票欄目問財股票欄目天天基金網基金導購欄目提供基金篩選功能天天基金網基金導購欄目提供基金篩選功能3.4 垂直場景：金融垂直場景：金融同花順同花順i問財等在問財等在GPT加持下或升級智能投顧平臺加持下或升級智能投顧平臺30萬得萬得、恒生聚源等專注金融與產業數據資訊服務提供恒生聚源等專注金融與產業數據資訊服務提供，GPT或變革產

54、品輸出形態或變革產品輸出形態。萬得是國內B端金融信息服務行業的領跑者之一，構建了以金融證券數據為核心的大型金融工程和財經數據倉庫。恒生聚源作為恒生電子旗下的創新子公司，擁有金融數據庫、金融終端、智眸系列等豐富的產品線，積累了股票、債券、理財、宏觀等多大類、全歷史年限、多維度的結構化數據內容。在GPT的賦能之下，我們認為金融數據產品的提供有望更加體系化，交互方式有望更加多元化，例如對券商研報進行元素提取、對機構調研信息進行整合，協助投研人員搜集資料數據，減少了大量繁瑣的案頭工作。盡管目前在用戶測試中，ChatGPT對投研領域的回答尚不盡如人意，但伴隨著相關材料納入訓練集，我們認為回答的專業性有望

55、提升。資料來源：恒生聚源公司官網資料來源：微信公眾號文因互聯，中信證券研究部恒生聚源基礎數據庫產品恒生聚源基礎數據庫產品GPT+投研應用展望投研應用展望研報研報訂閱訂閱推送推送深度深度搜索搜索回測回測分析分析自動推送自動推送 消息訂閱 精準推送 智能匹配主動式搜索主動式搜索 提出圖表中的高價值數據 搜索報告中的指標并實現關聯指標的對比分析 獲取研究靈感定量式分析定量式分析 報告預測的準確度 分析師擅長的行業 擇時能力分析 風格分析3.4 垂直場景：金融垂直場景：金融GPT或提升萬得等數據產品輸出的體系化或提升萬得等數據產品輸出的體系化&多元化多元化31GPT有望在醫療領域中發揮醫生助手的作用有

56、望在醫療領域中發揮醫生助手的作用，協助進行問診導診協助進行問診導診、科研輔助等工作科研輔助等工作?？紤]到醫療領域的專業性、敏感性以及潛在風險因素，我們認為，GPT的定位更多在于醫生助手，幫助醫生完成事務性工作以及一些基礎科研工作，而非取代醫生。此前，AI+醫療的應用主要體現在圖像分割、影像分析、機器翻譯、病理細胞分析等領域，側重于輔助。根據美國科學公共圖書館 數字健康報道，ChatGPT在沒有經過專門訓練或加強學習的情況下就能通過或接近通過美國執業醫師資格考試（USMLE）。結合ChatGPT的試用效果，我們認為，GPT的潛在應用場景包括導診、輕問診、輔助診斷、病歷書寫等，根據第一財經報道，一

57、些醫院正在利用類ChatGPT技術搭建模型，以支持院內的醫療、教育和科研工作。伴隨醫療健康語料納入訓練，GPT發揮的效果值得期待。資料來源：2021年中國人工智能+醫療與生命科學行業研究報告（艾瑞研究院）3.5 垂直場景：醫療垂直場景：醫療GPT+文本文本&對話對話&圖像扮演醫生助手角色圖像扮演醫生助手角色AI+醫療應用場景醫療應用場景32醫療信息化公司作為醫療機構信息醫療信息化公司作為醫療機構信息化底座提供者，有望助力構建GPT能力。根據復旦大學附屬華山醫院信息中心主任黃虹在接受第一財經采訪時透露的情況，醫院內部落地GPT的場景包括：就醫導診，以提升醫療效率；構建內部知識庫，以提升臨床研究效

58、率；匯集歷史病歷，輔助醫生提升電子病歷書寫效率?？紤]到醫院本身在信息化能力上的相對薄弱，我們認為以創業慧康、衛寧健康、醫渡等為代表的醫療信息化公司作為醫院內部系統的供應商，有望幫助醫院構建GPT能力?；ヂ摼W醫療平臺卡位線上問診互聯網醫療平臺卡位線上問診，GPT有望助力問診效率大幅提升有望助力問診效率大幅提升。2020年疫情爆發以來，互聯網醫院憑借著突破時空限制、免接觸等優勢，迎來快速發展。平安好醫生、阿里健康、京東健康等平臺搭建了輕問診模式，主要通過自有醫生、外部簽約醫生提供問診服務。我們認為，GPT可以用于在線問診支持，為用戶提供基本的、常規化的問診服務。這將助力互聯網醫療平臺實現問診效率的

59、大幅提升，問診服務的供給能力將不再受制于鏈接的醫生數量。資料來源：創業慧康官方微信公眾號資料來源：京東APP創業慧康大數據和人工智能產品體系創業慧康大數據和人工智能產品體系京東健康互聯網醫院京東健康互聯網醫院3.5 垂直場景：醫療垂直場景：醫療醫療信息化廠商卡位核心系統，助力構建醫療信息化廠商卡位核心系統，助力構建GPT能力能力33醫渡科技擁有豐厚的醫渡科技擁有豐厚的AI能力積累能力積累，未來在未來在GPT賦能下有望更優服務于臨床科研賦能下有望更優服務于臨床科研、醫療監管等醫療監管等。醫渡科技通過智能醫療大腦YiduCore服務于客戶，截至2022年9月30日，已處理和分析了超過700百萬名患

60、者的30多億份醫療記錄，擁有豐厚的醫療大數據沉淀。根據沙利文報告（轉引自醫渡科技年報），醫渡科技在國內新興醫療智能市場占據25.6%份額。應用方面，公司為監管機構提供了AI賦能的數據分析解決方案，以優化公共衛生治理水平，如中標北京市傳染病智慧化多點觸發監測預警平臺項目等；公司還通過使用符號知識推理模型及深度學習等AI技術迭代真實世界疾病模型，深化對疾病的洞見，在血液系統疾病領域、皮膚疾病領域協助搭建了專病科研平臺。未來結合多模態GPT賦能，公司有望在科研輔助、監管支撐等方面將發揮更重要作用。資料來源：醫渡科技公司官網資料來源：醫渡科技公司官網醫渡科技基于醫渡科技基于YiduCore提供數據分析

61、及證據決策驅動的解決方案提供數據分析及證據決策驅動的解決方案醫渡科技在醫院、監管機構、生命科學公司等之間構建生態系統醫渡科技在醫院、監管機構、生命科學公司等之間構建生態系統3.5 垂直場景：醫療垂直場景：醫療醫渡基于醫渡基于AI能力能力/數據積累有望更優服務科研、監管數據積累有望更優服務科研、監管34GPT有望改變圖像視頻領域內容生產模式有望改變圖像視頻領域內容生產模式，多模態提高信息輸出豐富度多模態提高信息輸出豐富度。圖像視頻行業新老業態交織，構成相對多元，以生產和傳播文字、圖像、藝術、影像、聲音等形式存在，包括報紙、圖書、廣播、電影、電視、動漫等諸多細分領域。從產業鏈條來看，圖像視頻行業主

62、要涉及信息采集、制作、分發、傳播等，我們認為GPT將主要影響產業鏈前端的采集、制作。結合中國信通院AIGC白皮書，我們預計在GPT賦能之下，特別是對多模態的延伸，圖像視頻行業有望進一步提高寫稿機器人、采訪助手、視頻智能剪輯、合成主播等新興應用的供給能力，既改變內容生產模式，也滿足信息接收者對豐富內容的需求。資料來源：中國虛擬數字人影響力指數報告（中國傳媒大學媒體融合與傳播國家重點實驗室媒體大數據研究中心、優格元宇宙實驗室、中傳數字人研究院）資料來源：人民日報官方微博虛擬數字人相關技術指標虛擬數字人相關技術指標AI繪畫版繪畫版我的祖國我的祖國MV3.6 垂直場景：圖像視頻垂直場景：圖像視頻GPT

63、+圖像圖像&視頻強化內容智能化生產與處理視頻強化內容智能化生產與處理35多模態融合是計算機視覺的重要發展趨勢多模態融合是計算機視覺的重要發展趨勢，GPT賦能之下商湯等公司有望通過大模型深化計算機視覺相關功能和應用賦能之下商湯等公司有望通過大模型深化計算機視覺相關功能和應用。計算機視覺技術近年來逐步在各行各業應用落地，與金融、商業、工業、教育等應用場景深度結合；根據沙利文預測（轉引自商湯科技招股說明書），我國計算機視覺軟件市場規模有望由2020年的167億元增長至2025年的1017億元，對應復合增速達到44%。作為AI領域的預訓練方式，GPT可以運用于計算機視覺相關的功能和應用，諸如i-GPT

64、等跨界處理了圖像任務。在走向多模態的GPT賦能之下，以商湯、云從、格靈深瞳、創新奇智、虹軟等為代表的計算機視覺算法公司，有望由小模型路線走向大模型，深化技術通用性，降低算法研發成本，助推自身商業價值的進一步顯現。例如，在大模型算法研發上，商湯視覺大模型擁有320億參數，覆蓋10+核心業務，在AIGC大模型、NLP大模型、Nerf三維大模型等領域形成應用閉環。資料來源：商湯科技公司招股書，中信證券研究部資料來源：商湯智能產業研究院官方微信公眾號商湯軟件平臺部署及商業化商湯軟件平臺部署及商業化AI模型流程模型流程SenseCore商湯商湯AI大裝置打通多領域基于大模型的生產應用閉環大裝置打通多領域

65、基于大模型的生產應用閉環3.6 垂直場景：圖像視頻垂直場景：圖像視頻商湯等有望依托大模型提升通用能力商湯等有望依托大模型提升通用能力36當虹科技擁有視頻編碼當虹科技擁有視頻編碼+視覺視覺AI雙引擎雙引擎，AIGC布局有望加速推進布局有望加速推進。公司擁有視頻AI建模能力，主要針對視頻質量智能增強、視頻智能編碼、視頻結構化分析、視頻異常行為預警等方向。公司AIGC相關技術在媒體演播室、智能媒資平臺等場景上的應用較為成熟，可為電視臺、新媒體、互聯網、泛媒體行業等客戶提供通過AI技術進行短視頻、長視頻的生產/加工等解決方案，功能包括AI智能剪輯；短視頻自動生成等。結合GPT賦能，我們預計公司在傳媒領

66、域的技術優勢將進一步強化，公司有望通過AIGC應用與傳媒、安全等下游行業客戶實現更加深度的綁定與合作。資料來源：當虹科技公司年報資料來源：當虹科技公司官網當虹科技當虹科技 AI超分視頻增強解決方案超分視頻增強解決方案當虹科技視覺當虹科技視覺AI解析中心應用場景解析中心應用場景3.6 垂直場景：圖像視頻垂直場景：圖像視頻當虹擁有視覺當虹擁有視覺AI能力，能力，GPT或深化應用水平或深化應用水平374.投資策略投資策略38伴隨成本下降以及多模態的持續演進伴隨成本下降以及多模態的持續演進，GPT等大模型有望構筑等大模型有望構筑AIGC核心基石核心基石，推動推動AI商業化進程加速和市場天花板打商業化進

67、程加速和市場天花板打開開。建議持續關注相關領域的建議持續關注相關領域的AI公司：公司：1）應用層：AI+行業：辦公金山辦公、福昕軟件，教育科大訊飛，金融同花順、東方財富，醫療創業慧康、衛寧健康，圖像視頻商湯科技、當虹科技、云從科技、格靈深瞳、創新奇智、虹軟科技、魅視科技，其他-拓爾思、漢王科技、海天瑞聲等；2）基礎設施層：海光信息，景嘉微，寒武紀浪潮信息，工業富聯，中科曙光等。4 投資策略投資策略395.風險提示風險提示40AI核心技術發展不及預期的風險：核心技術發展不及預期的風險：目前，GPT相關技術發展演進仍需要產業界的共同推進，如未來由于模型架構、算力成本等原因，出現核心技術發展不及預期

68、的情況，或將導致GPT應用落地進度受阻；科技領域政策監督收緊的風險：科技領域政策監督收緊的風險：GPT應用屬于科技領域政策監管范疇，如未來由于技術風險等因素，出現監管收緊的情況，或將導致GPT應用落地不及預期；企業數據安全風險：企業數據安全風險：GPT應用涉及對數據資源的使用，如出現數據泄露等數據安全事件，或將導致技術開發方、應用開發商對數據安全責任的承擔；信息安全風險：信息安全風險：GPT應用或將受到網絡安全事件的挑戰，或導致GPT應用的使用體驗受到負面影響；行業競爭加劇的風險：行業競爭加劇的風險：目前，海外一線科技公司積極投入對AI大模型的技術研發與產品開發，或加速新一輪AI“軍備競賽”的

69、到來，行業競爭程度提升或將影響行業內盈利能力。5 風險提示風險提示感謝您的信任與支持！感謝您的信任與支持！THANK YOU41丁奇丁奇（計算機行業聯席首席分計算機行業聯席首席分析師析師）執業證書編號：S1010519120003潘儒琛潘儒?。ㄓ嬎銠C行業分析師計算機行業分析師）執業證書編號：S1010520110001楊澤原楊澤原（計算機行業首席分析師計算機行業首席分析師）執業證書編號：S1010517080002李康橋李康橋（計算機行業分析師計算機行業分析師）執業證書編號：S1010522090008免責聲明免責聲明42分析師聲明分析師聲明主要負責撰寫本研究報告全部或部分內容的分析師在此聲明

70、：（i）本研究報告所表述的任何觀點均精準地反映了上述每位分析師個人對標的證券和發行人的看法；（ii）該分析師所得報酬的任何組成部分無論是在過去、現在及將來均不會直接或間接地與研究報告所表述的具體建議或觀點相聯系。一般性聲明一般性聲明本研究報告由中信證券股份有限公司或其附屬機構制作。中信證券股份有限公司及其全球的附屬機構、分支機構及聯營機構（僅就本研究報告免責條款而言，不含CLSAgroup of companies），統稱為“中信證券”。本研究報告對于收件人而言屬高度機密，只有收件人才能使用。本研究報告并非意圖發送、發布給在當地法律或監管規則下不允許向其發送、發布該研究報告的人員。本研究報告僅

71、為參考之用，在任何地區均不應被視為買賣任何證券、金融工具的要約或要約邀請。中信證券并不因收件人收到本報告而視其為中信證券的客戶。本報告所包含的觀點及建議并未考慮個別客戶的特殊狀況、目標或需要，不應被視為對特定客戶關于特定證券或金融工具的建議或策略。對于本報告中提及的任何證券或金融工具，本報告的收件人須保持自身的獨立判斷并自行承擔投資風險。本報告所載資料的來源被認為是可靠的，但中信證券不保證其準確性或完整性。中信證券并不對使用本報告或其所包含的內容產生的任何直接或間接損失或與此有關的其他損失承擔任何責任。本報告提及的任何證券或金融工具均可能含有重大的風險，可能不易變賣以及不適合所有投資者。本報告

72、所提及的證券或金融工具的價格、價值及收益可跌可升。過往的業績并不能代表未來的表現。本報告所載的資料、觀點及預測均反映了中信證券在最初發布該報告日期當日分析師的判斷，可以在不發出通知的情況下做出更改，亦可因使用不同假設和標準、采用不同觀點和分析方法而與中信證券其它業務部門、單位或附屬機構在制作類似的其他材料時所給出的意見不同或者相反。中信證券并不承擔提示本報告的收件人注意該等材料的責任。中信證券通過信息隔離墻控制中信證券內部一個或多個領域的信息向中信證券其他領域、單位、集團及其他附屬機構的流動。負責撰寫本報告的分析師的薪酬由研究部門管理層和中信證券高級管理層全權決定。分析師的薪酬不是基于中信證券

73、投資銀行收入而定，但是，分析師的薪酬可能與投行整體收入有關，其中包括投資銀行、銷售與交易業務。若中信證券以外的金融機構發送本報告，則由該金融機構為此發送行為承擔全部責任。該機構的客戶應聯系該機構以交易本報告中提及的證券或要求獲悉更詳細信息。本報告不構成中信證券向發送本報告金融機構之客戶提供的投資建議，中信證券以及中信證券的各個高級職員、董事和員工亦不為（前述金融機構之客戶）因使用本報告或報告載明的內容產生的直接或間接損失承擔任何責任。評級說明評級說明投資建議的評級標準投資建議的評級標準評級評級說明說明報告中投資建議所涉及的評級分為股票評級和行業評級（另有說明的除外）。評級標準為報告發布日后6到

74、12個月內的相對市場表現，也即：以報告發布日后的6到12個月內的公司股價（或行業指數）相對同期相關證券市場代表性指數的漲跌幅作為基準。其中：A股市場以滬深300指數為基準，新三板市場以三板成指（針對協議轉讓標的）或三板做市指數（針對做市轉讓標的）為基準；香港市場以摩根士丹利中國指數為基準；美國市場以納斯達克綜合指數或標普500指數為基準；韓國市場以科斯達克指數或韓國綜合股價指數為基準。股票評級買入相對同期相關證券市場代表性指數漲幅20%以上增持相對同期相關證券市場代表性指數漲幅介于5%20%之間持有相對同期相關證券市場代表性指數漲幅介于-10%5%之間賣出相對同期相關證券市場代表性指數跌幅10

75、%以上行業評級強于大市相對同期相關證券市場代表性指數漲幅10%以上中性相對同期相關證券市場代表性指數漲幅介于-10%10%之間弱于大市相對同期相關證券市場代表性指數跌幅10%以上證券研究報告證券研究報告2023年年3月月12日日免責聲明免責聲明43特別聲明特別聲明在法律許可的情況下，中信證券可能（1）與本研究報告所提到的公司建立或保持顧問、投資銀行或證券服務關系，（2）參與或投資本報告所提到的公司的金融交易，及/或持有其證券或其衍生品或進行證券或其衍生品交易，因此，投資者應考慮到中信證券可能存在與本研究報告有潛在利益沖突的風險。本研究報告涉及具體公司的披露信息，請訪問https:/ Limit

76、ed（于中國香港注冊成立的有限公司）分發；在中國臺灣由CL Securities Taiwan Co.,Ltd.分發；在澳大利亞由CLSA Australia Pty Ltd.（商業編號：53 139 992 331/金融服務牌照編號：350159）分發；在美國由CLSA（CLSA Americas,LLC除外）分發；在新加坡由CLSA Singapore Pte Ltd.（公司注冊編號：198703750W）分發；在歐洲經濟區由CLSA Europe BV分發；在英國由CLSA（UK）分發；在印度由CLSA India Private Limited分發（地址：8/F,Dalamal Hou

77、se,Nariman Point,Mumbai 400021；電話：+91-22-66505050；傳真：+91-22-22840271；公司識別號：U67120MH1994PLC083118）；在印度尼西亞由PT CLSA Sekuritas Indonesia分發；在日本由CLSA Securities Japan Co.,Ltd.分發；在韓國由CLSA Securities Korea Ltd.分發；在馬來西亞由CLSASecurities Malaysia Sdn Bhd分發；在菲律賓由CLSAPhilippines Inc.（菲律賓證券交易所及證券投資者保護基金會員）分發；在泰國由C

78、LSASecurities(Thailand)Limited分發。針對不同司法管轄區的聲明針對不同司法管轄區的聲明中國大陸：中國大陸：根據中國證券監督管理委員會核發的經營證券業務許可，中信證券股份有限公司的經營范圍包括證券投資咨詢業務。中國香港：中國香港：本研究報告由CLSA Limited分發。本研究報告在香港僅分發給專業投資者（證券及期貨條例（香港法例第571 章）及其下頒布的任何規則界定的），不得分發給零售投資者。就分析或報告引起的或與分析或報告有關的任何事宜，CLSA客戶應聯系CLSA Limited的羅鼎，電話：+852 2600 7233。美國：美國：本研究報告由中信證券制作。本研

79、究報告在美國由CLSA（CLSA Americas,LLC除外）僅向符合美國1934年證券交易法下15a-6規則界定且CLSA Americas,LLC提供服務的“主要美國機構投資者”分發。對身在美國的任何人士發送本研究報告將不被視為對本報告中所評論的證券進行交易的建議或對本報告中所述任何觀點的背書。任何從中信證券與CLSA獲得本研究報告的接收者如果希望在美國交易本報告中提及的任何證券應當聯系CLSA Americas,LLC（在美國證券交易委員會注冊的經紀交易商），以及CLSA 的附屬公司。新加坡：新加坡：本研究報告在新加坡由CLSA Singapore Pte Ltd.，僅向（新加坡財務顧

80、問規例界定的）“機構投資者、認可投資者及專業投資者”分發。就分析或報告引起的或與分析或報告有關的任何事宜，新加坡的報告收件人應聯系CLSA Singapore Pte Ltd，地址：80 Raffles Place,#18-01,UOB Plaza 1,Singapore 048624，電話：+65 6416 7888。因您作為機構投資者、認可投資者或專業投資者的身份，就CLSA Singapore Pte Ltd.可能向您提供的任何財務顧問服務，CLSA Singapore Pte Ltd豁免遵守財務顧問法（第110章）、財務顧問規例以及其下的相關通知和指引（CLSA業務條款的新加坡附件中證

81、券交易服務C部分所披露）的某些要求。MCI（P）085/11/2021。加拿大：加拿大：本研究報告由中信證券制作。對身在加拿大的任何人士發送本研究報告將不被視為對本報告中所評論的證券進行交易的建議或對本報告中所載任何觀點的背書。英國：英國：本研究報告歸屬于營銷文件，其不是按照旨在提升研究報告獨立性的法律要件而撰寫，亦不受任何禁止在投資研究報告發布前進行交易的限制。本研究報告在英國由CLSA（UK）分發，且針對由相應本地監管規定所界定的在投資方面具有專業經驗的人士。涉及到的任何投資活動僅針對此類人士。若您不具備投資的專業經驗，請勿依賴本研究報告。歐洲經濟區：歐洲經濟區：本研究報告由荷蘭金融市場管

82、理局授權并管理的CLSAEurope BV 分發。澳大利亞：澳大利亞：CLSA Australia Pty Ltd(“CAPL”)(商業編號：53 139 992 331/金融服務牌照編號：350159)受澳大利亞證券與投資委員會監管，且為澳大利亞證券交易所及CHI-X的市場參與主體。本研究報告在澳大利亞由CAPL僅向“批發客戶”發布及分發。本研究報告未考慮收件人的具體投資目標、財務狀況或特定需求。未經CAPL事先書面同意，本研究報告的收件人不得將其分發給任何第三方。本段所稱的“批發客戶”適用于公司法（2001）第761G條的規定。CAPL研究覆蓋范圍包括研究部門管理層不時認為與投資者相關的A

83、SXAll Ordinaries 指數成分股、離岸市場上市證券、未上市發行人及投資產品。CAPL尋求覆蓋各個行業中與其國內及國際投資者相關的公司。印度：印度：CLSA India Private Limited，成立于 1994 年 11 月，為全球機構投資者、養老基金和企業提供股票經紀服務（印度證券交易委員會注冊編號：INZ000001735）、研究服務（印度證券交易委員會注冊編號：INH000001113）和商人銀行服務（印度證券交易委員會注冊編號：INM000010619）。CLSA 及其關聯方可能持有標的公司的債務。此外，CLSA及其關聯方在過去 12 個月內可能已從標的公司收取了非投資銀行服務和/或非證券相關服務的報酬。如需了解CLSA India“關聯方”的更多詳情，請聯系Compliance-I。未經中信證券事先書面授權未經中信證券事先書面授權，任何人不得以任何目的復制任何人不得以任何目的復制、發送或銷售本報告發送或銷售本報告。中信證券中信證券2023版權所有版權所有，保留一切權利保留一切權利。