《傳媒行業深度研究報告:ChatGPT技術原理、演進路線和應用場景-230316(21頁).pdf》由會員分享,可在線閱讀,更多相關《傳媒行業深度研究報告:ChatGPT技術原理、演進路線和應用場景-230316(21頁).pdf(21頁珍藏版)》請在三個皮匠報告上搜索。
1、 證 券 研 究 報證 券 研 究 報 告告 證監會審核華創證券投資咨詢業務資格批文號:證監許可(2009)1210 號 未經許可,禁止轉載未經許可,禁止轉載 行業研究行業研究 傳媒傳媒 2023 年年 03 月月 16 日日 傳媒行業深度研究報告 推薦推薦(維持)(維持)ChatGPT:技術原理、演進路線和應用場景技術原理、演進路線和應用場景 為什么為什么 ChatGPT 如此重要?如此重要?AI C 端產品中的第一個爆款,可能代表著商業端產品中的第一個爆款,可能代表著商業化的拐點?;墓拯c。1)從用戶體驗上,比起競品和上一代產品,ChatGPT 的連續對話能力明顯更強,具備了大范圍商業化的
2、潛力。2)從應用場景的潛力上,語義文本類產品想象空間較圖片類更大。短期看有望落地的包括更專業的客服機器人、更垂直更專業化的 AI(如醫療教育領域)、新一代的智能搜索等。3)ChatGPT的出現或將加快巨頭對于 AI 的發展速度。ChatGPT 的成功或將促進各科技巨頭加大對于 AI 的研發投入,如谷歌近日宣布投資 OpenAI 的競爭對手Anthropic。大廠的競爭有助于技術的進步和商業化的加速。為什么是為什么是 ChatGPT?比起競品和上一代產品,ChatGPT 在多方面有了明顯改善。1)道德性的增強,敢于質疑提問者提問前提的正確性和正當性。避免出現偏見、歧視等毒害信息。2)主動承認錯誤
3、或主動承認無法回答某一問題。3)可以理解整段對話上下文的語義,而不是孤立的回答其中一個問題。4)對提問者意圖判斷能力大幅提升,并非單純根據相關性進行答案羅列。因此整體上,ChatGPT 有著比其他 AI 機器人更好的用戶體驗,具備了真正意義上的連續對話的能力。如何落地?如何落地?短期看是降本增效的新生產力工具,長期看可能帶來新的內容生短期看是降本增效的新生產力工具,長期看可能帶來新的內容生產范式。產范式。ChatGPT 的成功證明了生成式模型的進化,實現通用人工智能 AGI的可能性進一步提高。其重要性體現在 AI 對人類傳達信息的載體有了更好的學習,在此基礎上各個媒介之間的互通成為可能。例如從
4、自然語言生成編程語言,可以產生新的人機交互方式;從自然語言生成圖片和視頻,可以革新內容行業的生產范式。短期直接落地的場景可能是在文本端,提高人的效率:搜索、營銷文案、客服、輔助寫作;更長期的可能在于提高人機互動的智能,如在游戲、虛擬人方面的應用。投資建議:投資建議:關注什么?關注上游的算力擴張和下游的應用落地。文字語音、圖片、視頻等多形式的輸入輸出,或將為內容創作領域帶來革命性變化。而更廣的數據形態、更多的應用場景、更深的用戶體驗,亦將大幅提升支撐人工智能的算力需求,算力或迎來高速擴張時代。建議關注:1)上游算力:浪潮信息、紫光股份、景嘉微、海光信息、寶信軟件等。2)下游應用:應用層面建議關注
5、百度集團和三六零(具備 AI 大模型和成熟的應用場景搜索)、中文在線(AI繪圖、AI 文字輔助寫作)、萬興科技(AI 繪圖)、昆侖萬維(AI 繪圖、文本、編程、音樂)、神州泰岳(金融場景下的 NLP 應用),此外,游戲、營銷、虛擬人等業態也有望受益于對話智能程度的提升,建議關注相關公司如三人行、藍色光標、天神互娛、天地在線等。3)算法和數據層面建議關注:商湯科技(AI、計算機視覺)、科大訊飛(NLP)、拓爾思(NLP)、漢王科技(繪圖、NLP)、海天瑞聲(數據標注)等。風險提示風險提示:政策監管變動;技術發展不及預期;商業化落地速度不及預期。證券分析師:劉欣證券分析師:劉欣 電話:010-63
6、214660 郵箱: 執業編號:S0360521010001 行業基本數據行業基本數據 占比%股票家數(只)148 0.02 總市值(億元)13,883.24 1.50 流通市值(億元)12,012.16 1.70 相對指數表現相對指數表現%1M 6M 12M 絕對表現 0.3%15.3%5.1%相對表現 3.7%18.4%12.7%相關研究報相關研究報告告 傳媒行業周觀點(20230227-20230303):繼續關注教育信息化板塊;ChatGPT 成本下降,關注應用端機會 2023-03-05 TMT 行業重大事項點評:數字中國布局規劃提出,TMT 板塊有望全面受益 2023-02-27
7、傳媒行業周觀點(20230220-20230224):建議關注教育信息化機會 2023-02-26 -19%-9%1%11%22/0322/0522/0822/1022/1223/032022-03-162023-03-16傳媒滬深300華創證券研究華創證券研究所所 傳媒行業深度研究報告傳媒行業深度研究報告 證監會審核華創證券投資咨詢業務資格批文號:證監許可(2009)1210 號 未經許可,禁止轉載未經許可,禁止轉載 投資投資主題主題 報告亮點報告亮點 本報告與市場不同的地方在于,對于 ChatGPT 的技術原理、技術演進的路線和不同技術路線的差異進行了分析。ChatGPT 不僅是一個“搜索
8、答案并完成整合輸出”的工具,大模型其本身就蘊含著強大的邏輯推理能力,其應用空間將有望更快的從文字端向圖片、視頻等其他形式擴張。多模態的通用型 AI對人們生產生活的變化值得更加重視。投資邏輯投資邏輯 本報告重點闡述了 ChatGPT 以及同類型算法的背后蘊含的技術原理、演進的路線和可能的應用場景。從技術的原理角度論述了為什么 ChatGPT 技術如此重要,為什么 ChatGPT 在當前時點迎來了爆發。同時,對于 ChatGPT 和 AIGC可能率先落地的應用場景進行了推演和分析。短期看 ChatGPT 是降本增效的新生產力工具,長期看可能帶來新的內容生產范式。ChatGPT 的成功證明了生成式模
9、型的進化,實現通用人工智能 AGI 的可能性進一步提高。其重要性體現在 AI 對人類傳達信息的載體有了更好的學習,在此基礎上各個媒介之間的互通成為可能。例如從自然語言生成編程語言,可以產生新的人機交互方式;從自然語言生成圖片和視頻,可以革新內容行業的生產范式。短期直接落地的場景可能是在文本端,提高人的效率:搜索、營銷文案、客服、輔助寫作;更長期的可能在于提高人機互動的智能,如在游戲、虛擬人方面的應用。qQpOZVfWdXcWpXeXyX8O8Q6MtRpPnPoNjMpPmPiNpOqP6MmMuNMYmOrNuOmRpN 傳媒行業深度研究報告傳媒行業深度研究報告 證監會審核華創證券投資咨詢業
10、務資格批文號:證監許可(2009)1210 號 3 目目 錄錄 一、一、是什么是什么.5(一)什么是 ChatGPT?效果最好的通用對話式 AI 大模型.5(二)背后的 OpenAI 是什么?背靠微軟,通用 AI 研發領頭羊.5(三)怎么理解 ChatGPT 的底層技術?三次關鍵技術變化,大力產生的奇跡.7(四)ChatGPT 為什么提升如此明顯?核心是在模型訓練中加入了人類的反饋.10(五)為什么重要?ChatGPT 在商業和工程上的重要性要大于科學上.12 1、ChatGPT 是 AIGC 產品中的第一個爆款,可能代表著商業化的拐點.12 2、不是單純的搜索引擎,ChatGPT 具備從文本
11、中學習的能力.13 二、二、做什么?或許正在建立新的范式做什么?或許正在建立新的范式.13(一)智能搜索:推薦和搜索的界限可能更加模糊.15(二)內容的生產:除了效率的提升還有敘事方式的變革.15 1、視頻:當前以輔助為主,AI 視頻生成仍需改進.15 2、游戲:AI 助力生產效率提升,內容成本持續下降.16(三)營銷和文本生成.17 三、三、誰來做?誰來做?.18 四、四、風險提示風險提示.18 傳媒行業深度研究報告傳媒行業深度研究報告 證監會審核華創證券投資咨詢業務資格批文號:證監許可(2009)1210 號 4 圖表目錄圖表目錄 圖表 1 公司發展歷程.6 圖表 2 OpenAI 核心
12、AI 項目.7 圖表 3 技術發展脈絡.7 圖表 4 幾種核心技術之間的關系.8 圖表 5 語義特征提取能力對比.8 圖表 6 長距離特征捕獲能力對比.8 圖表 7 任務綜合特征抽取能力對比.9 圖表 8 并行計算能力及運算效率對比.9 圖表 9 ChatGPT 和 BERT 模型的區別.9 圖表 10 NLP 模型發展趨勢.10 圖表 11 模型和 GPT3.5 相比的變化.10 圖表 12 ChatGPT 引入的 RLHF 訓練方式原理.11 圖表 13 action-driven LLM 訓練流程圖.12 圖表 14 有人使用 ChatGPT 實現了虛擬機功能.13 圖表 15 生成式
13、AI 應用前景.14 圖表 16 應用場景的演進速度.14 圖表 17 AI 視頻編輯功能舉例.15 圖表 18 剪映摳圖舉例.15 圖表 19 網易云 AI 音樂.16 圖表 20 各娛樂類目受生成式 AI 的影響程度.16 圖表 21 Roblex 推出的文本生成 3D 模型軟件系統.16 傳媒行業深度研究報告傳媒行業深度研究報告 證監會審核華創證券投資咨詢業務資格批文號:證監許可(2009)1210 號 5 一、一、是什么是什么(一)(一)什么是什么是 ChatGPT?效果最好的通用對話式效果最好的通用對話式 AI 大模型大模型 ChatGPT(全名為(全名為 Chat Generati
14、ve Pre-TrainedTransformer)是是 22 年年 11 月由月由 OpenAI發布發布一款一款 AI 聊天聊天模型模型(即可對話的交互式(即可對話的交互式 AI 模型),用戶只需輸入包含相關需求的文模型),用戶只需輸入包含相關需求的文本,本,ChatGPT 即可自動完成回答即可自動完成回答。相較于其他同類產品,ChatGPT 更擬真、更智能,可以回答后續問題、承認錯誤、挑戰不正確的前提、拒絕不適當的請求,給予更高水平的AI 交互體驗。ChatGPT 具備強大的文字交互功能具備強大的文字交互功能,包括但不限于日常對話、信息檢索、代碼生成與調試、自動文本創作等。其可實現與人類的
15、擬真交互,一定程度上替代并簡化了搜索引擎;并為文本創造類行業提供了一種全新且相對可靠的智能內容生成方案。OpenAI 的 CEO Sam Altman 稱,ChatGPT 在發布 5 天注冊用戶即達到 100 萬,而其上一代 GPT-3 花了將近 24 個月才達到這一體量。(二)(二)背后的背后的 OpenAI 是什么?是什么?背靠微軟,通用背靠微軟,通用 AI 研發領頭羊研發領頭羊 OpenAI 是一家美國的通用人工智能研究公司是一家美國的通用人工智能研究公司,是當前全球最著名的人工智能研究機構之一,已有研究成果包括 GPT 系列大語言模型、DALLE 系列文本生成圖片預訓練模型、Whisp
16、er 系列語音識別模型等。據路透社報道,預計今年公司收入將達到據路透社報道,預計今年公司收入將達到 2 億美元,億美元,到到 2024 年將達年將達 10 億美元,公司估值已達億美元,公司估值已達 200 億美元。億美元。據據澎湃新聞援引澎湃新聞援引美國財經媒體美國財經媒體Semafor 報道報道,微軟希望向微軟希望向 OpenAI 追加投資追加投資 100 億美元億美元,交易達成后,交易達成后,OpenAI 的估值的估值將達到將達到 290 億美元億美元。2015 年特斯拉創始人埃隆馬斯克和 YC 的前總裁薩姆阿爾特曼(Sam Altman)等 6 人共出資成立 OpenAI。起初 Open
17、AI 為非盈利性人工智能公司,旨在與其他研究機構合作,開放各自研究成果促進 AI 技術發展。由于特斯拉與由于特斯拉與 OpenAI 關系愈深,且關系愈深,且 GPT-2 模型出現重大進展,模型出現重大進展,2018 年年 2 月馬斯克月馬斯克離開離開 OpenAI,專注專注投身于投身于 SpaceX,薩姆宣布自己和,薩姆宣布自己和 YC 再無干系,出任再無干系,出任 OpenAI的的 CEO。2019 年,Reid Hoffman(LinkedIn 聯合創始人)和 Khosla Ventures 對公司進行投資,此后 OpenAI 宣布轉型為 OpenAI LP,設定“有限盈利”(capped
18、-profit)架構。隨后微軟投資 10 億美元,宣布共同打造 Azure AI 超級計算技術,同時 OpenAI 的服務也全面轉移至 Azure 云計算上,共同構建具有經濟價值的 AGI。傳媒行業深度研究報告傳媒行業深度研究報告 證監會審核華創證券投資咨詢業務資格批文號:證監許可(2009)1210 號 6 圖表圖表 1 公司發展歷程公司發展歷程 資料來源:商業知行俠,OpenAI,華創證券 OpenAI 廣泛覆蓋廣泛覆蓋 AI 相關領域研究,其相關領域研究,其技術路徑迭代技術路徑迭代如下如下 2016 年公司開發了第個人工智能系統,在Dota 2游戲中擊敗了職業玩家;2017 年發布了年發
19、布了 GPT-1(初代生成人類文本的語言處理模型);2019 年年 2 月月 14 日官宣日官宣 GPT-2 模型模型;同年 3 月 4 日發布用于強化學習代理的大規模多代理游戲環境:Neural MMO;2019 年 4 月 25 日發布最新深度神經網絡 MuseNet,可用于音樂作品創造;2020年4月14日發布用于分析神經網絡內部特征形成過程的可視化工具Microscope;5 月月 28 日正式公布日正式公布 GPT-3 相關的研究結果,相關的研究結果,6 月月 17 日發布日發布 Image GPT 模型,將模型,將GPT 運用于計算機視覺領域,運用于計算機視覺領域,9 月月 GPT
20、-3 的商業化授權給了微軟的商業化授權給了微軟;2021 年 1 月 5 日發布 CLIP,可有效地從自然語言監督中學習視覺概念;并發布并發布DALL E 模型模型,可以實現基于文本描述生成全新圖像。2021 年 8 月 10 日發布 GPT-3后代模型 Codex。2022 年年 1 月月 27 日發布日發布 InstructGPT(基于 GPT-3 的 AI 對話系統);4 月 6 日發布DALLE2(DALLE 二代二代模型模型);9 月 21 日發布 Whisper(完全開源的語音識別預訓練模型)。2022 年年 11 月月 30 日,發布日,發布 ChatGPT 系統系統(AI 對話
21、系統)。傳媒行業深度研究報告傳媒行業深度研究報告 證監會審核華創證券投資咨詢業務資格批文號:證監許可(2009)1210 號 7 圖表圖表 2 OpenAI 核心核心 AI 項目項目 資料來源:OpenAI,華創證券 (三)(三)怎么理解怎么理解 ChatGPT 的底層技術?的底層技術?三次關鍵技術變化,大力產生的奇跡三次關鍵技術變化,大力產生的奇跡 通俗的說,通俗的說,GPT 是一個基于統計學的語言模型,其工作就是對詞語進行概率分布的建模,是一個基于統計學的語言模型,其工作就是對詞語進行概率分布的建模,也就是利用已經說過的話去預測下一個詞出現的分布概率。也就是利用已經說過的話去預測下一個詞出
22、現的分布概率。衡量一個語言模型的功能最衡量一個語言模型的功能最重要取決于兩點:一是是否能有效利用歷史上下文信息,這重要取決于兩點:一是是否能有效利用歷史上下文信息,這決定其對于決定其對于人類意圖的理解人類意圖的理解能力。二是是否有足夠豐富高質量的訓練語料,這決定其回答的質量。此外就是性能和能力。二是是否有足夠豐富高質量的訓練語料,這決定其回答的質量。此外就是性能和成本之間的平衡。成本之間的平衡。圖表圖表 3 技術發展脈絡技術發展脈絡 資料來源:ChatGPT:又一個AI突破的時刻真格基金 傳媒行業深度研究報告傳媒行業深度研究報告 證監會審核華創證券投資咨詢業務資格批文號:證監許可(2009)1
23、210 號 8 在過去在過去 10 年發生了三次技術上的變化。年發生了三次技術上的變化。1)Attention 機制的提出:機制的提出:Attention 機制于 2014 年正式被提出,并逐步成為了 NLP 中應用最廣泛的設計。Attention 機制的核心優勢在于將算法的注意力從“關注全部”轉為“關注重點”。將有限的注意力集中到重點的信息上,從而節省資源、快速獲得最有效信息。同時,解決了此前的長距離信息會被弱化的痛點,即使文本較長,算法也可以不丟失重要信息。這為這為解決算法對大段文本解決算法對大段文本理解和利用理解和利用不足的問題不足的問題提供了思路。提供了思路。圖表圖表 4 幾種核心技術
24、之間的關系幾種核心技術之間的關系 資料來源:Attention機制產品經理的AI知識庫 2)Transform 架構的提出:架構的提出:Transformer 在 2017 年由 Google 在題為Attention Is All You Need的論文中提出。Transformer 是基于 Attention 機制的改進版自注意力機制的編解碼器模型。從原理上,不同于 RNN 的序列建模方式,Transform 架構把序列中所有的單詞并行處理,通過自注意力機制對所有單詞之間的關系進行建模分析。在表達能力、訓練時間、訓練質量上都有著質的提高,很快替代 RNN 成為主流的 NLP 架構。在 Tr
25、ansform模型和 Attention 機制的基礎上,自監督模型成為了 NLP 領域的主流。Bert、Chat 均是此類型模型。圖表圖表 5 語義特征提取能力語義特征提取能力對比對比 圖表圖表 6 長距離特征捕獲能力長距離特征捕獲能力對比對比 資料來源:Gongbo Tang,et al.,why Self-Attention?A Targeted Evaluation of Neural Machine Translation Architectures,華創證券 資料來源:Gongbo Tang,et al.,why Self-Attention?A Targeted Evaluatio
26、n of Neural Machine Translation Architectures,華創證券 傳媒行業深度研究報告傳媒行業深度研究報告 證監會審核華創證券投資咨詢業務資格批文號:證監許可(2009)1210 號 9 圖表圖表 7 任務綜合特征抽取能力任務綜合特征抽取能力對比對比 圖表圖表 8 并行計算能力及運算效率并行計算能力及運算效率對比對比 資料來源:Gongbo Tang,et al.,why Self-Attention?A Targeted Evaluation of Neural Machine Translation Architectures,華創證券 資料來源:Gon
27、gbo Tang,et al.,why Self-Attention?A Targeted Evaluation of Neural Machine Translation Architectures,華創證券 BERT 模型和模型和 GPT 模型兩者間孰優孰劣?模型兩者間孰優孰劣?兩者的不同方式在于預訓練的方式不一樣。通俗講,GPT 采用的方式“寫出下文”采用的方式“寫出下文”,即對模型隱藏任意一段文本的下文,讓其預測后面的文字,并通過和原文進行對比來不斷訓練模型。BERT 則是“完形填空”則是“完形填空”,對于任意一段文字隨意隱藏 15%的字,讓模型來補全。兩者的區別在于 BERT 有除了
28、上文外還有下文可以參考,而 GPT 只有上文,因此長期以來 BERT 模型在很多任務上通過微調都可以取得比 GPT 更好的效果。GPT 的優勢則在于有更強大的的優勢則在于有更強大的“生成”能力,這代表更強“生成”能力,這代表更強的零樣本學習能力、更強的泛化能力,作為通用型的零樣本學習能力、更強的泛化能力,作為通用型 AI 也就更具備向大眾推廣的價值。也就更具備向大眾推廣的價值。圖表圖表 9 ChatGPT 和和 BERT 模型的區別模型的區別 資料來源:From zero to ChatGPT小蛋子 3)GPT-3 模型的突破:模型的突破:大力出奇跡。大力出奇跡。Generative Pre-
29、trained Transformer(GPT),是一種基于互聯網可用數據訓練的文本生成深度學習模型。它用于問答、文本摘要生成、機器翻譯、分類、代碼生成和對話 AI。2018 年 OpenAI 推出了 GPT-1 模型,但此時的 GPT 模型的能力并沒有和傳統模型有明顯差異,只可當作語言理解工具使用而非對話式 AI。19年,OpenAI 推出了第二代模型,和上一代相比,GPT-2 在網絡結構上并沒有太多創新和突破,但是使用了更多的參數和更大的數據集:48 層模型和 15 億參數量。此時 GPT-2 傳媒行業深度研究報告傳媒行業深度研究報告 證監會審核華創證券投資咨詢業務資格批文號:證監許可(2
30、009)1210 號 10 在生成方面表現出了強大且普適的能力。GPT-3 進一步增加了數據文本的豐富度,其參數規模是上一代的百倍以上。其卓越性能更是引起了業界的廣泛關注,已經可以完成 NLP的絕大部分任務,且性能絕佳:英法、英德互譯達到了翻譯模型的最佳水平、自動生成的文章讓人無法分辨來自人手或是機器、兩位數加減運算、自動生成代碼等。GPT-3 的出現讓人們看到了通用人工智能的希望。圖表圖表 10 NLP 模型發展趨勢模型發展趨勢 資料來源:ChatGPT:又一個AI突破的時刻真格基金,華創證券 (四)(四)ChatGPT 為什么為什么提升如此明顯提升如此明顯?核心是在模型訓練中加入了人類的反
31、饋核心是在模型訓練中加入了人類的反饋 主要的提升有三處:訓練數據集的類型和質量有提高、模型訓練的方式有變化、指令做主要的提升有三處:訓練數據集的類型和質量有提高、模型訓練的方式有變化、指令做了大量細致、有效的調整。了大量細致、有效的調整。數據集的類型有增加。數據集的類型有增加。ChatGPT 是基于 2022 年 OpenAI 推出的 InstructGPT 實現的改進版模型,訓練集基于文本和代碼,在微軟 Azure AI 服務器上完成的訓練。和 GPT-3 相比,其數據集增加了代碼文本,因此新增了代碼的理解和生成能力。圖表圖表 11 模型和模型和 GPT3.5 相比的變化相比的變化 資料來源
32、:OpenAI官網 ChatGPT 將人類的反應引入到了模型的訓練中。將人類的反應引入到了模型的訓練中。和其他模型相比,ChatGPT 新引入了“從人類反饋中強化學習”的訓練方式(Reinforcement Learning from Human Feedback,RLHF)。以訓練“什么是香蕉?”這個問題為例,人作為 Labeler(標記者)參與到訓練中,模型會把問題下發到標記者,標記者會回答其希望看到的答案。這個答案會先作為“標準答案”來對模型進行初步訓練。初步訓練結束后,模型會將 AI 生成的答案和標記者提供的答案進行混合,混合后的答案會再次發給標記者,標記者會給這些答案排序打分,打分
33、傳媒行業深度研究報告傳媒行業深度研究報告 證監會審核華創證券投資咨詢業務資格批文號:證監許可(2009)1210 號 11 后的結果會形成一個“獎勵模型”。因此,完整的訓練過程因此,完整的訓練過程如下如下:提問者提出問題后,1)ChatGPT 生成一段答案;2)ChatGPT將答案放到獎勵模型中進行比較,得到一個參數;3)將參數與提前設定好的閾值進行比較,如果達到證明答案效果較好,會輸出,如果沒有達到就繼續迭代直到達到閾值。人類反饋系統的引入,是整個人類反饋系統的引入,是整個 ChatGPT 提升的核心原因。提升的核心原因。圖表圖表 12 ChatGPT 引入的引入的 RLHF 訓練方式原理訓
34、練方式原理 資料來源:OpenAI官網,華創證券 與此前訓練模式的不同之處:常規大模型的提升重心會放在大模型(與此前訓練模式的不同之處:常規大模型的提升重心會放在大模型(LLM)本身和提示)本身和提示工程環節上,而工程環節上,而 ChatGPT 將重點放在了下圖右側的循環上,并且進行了長時間仔細的將重點放在了下圖右側的循環上,并且進行了長時間仔細的調優工作。調優工作。RLHF 屬于強化學習,其訓練比較困難,因為算法很容易遭遇大模式坍塌情況即答案會過于向標準答案趨近,相似的問題會被收斂到同一種答案。而解決這一問題需要耗費大量時間進行調優。從 InstructGPT 的參數量級也可看出,雖然量級上
35、只有GPT-3 的 1/100,但輸出效果要遠高于 GPT-3 和其他改良模型。傳媒行業深度研究報告傳媒行業深度研究報告 證監會審核華創證券投資咨詢業務資格批文號:證監許可(2009)1210 號 12 圖表圖表 13 action-driven LLM 訓練流程圖訓練流程圖 資料來源:ChatGPT為什么這么強穿云尋恒星 (五)(五)為什么重要?為什么重要?ChatGPT 在商業和工程上的重要性要大于科學上在商業和工程上的重要性要大于科學上 1、ChatGPT 是是 AIGC 產品中的第一個爆款,可能代表著商業化的拐點產品中的第一個爆款,可能代表著商業化的拐點 對對 AI 的發展來說,的發展
36、來說,現階段創造商業、數據現階段創造商業、數據的的可以迭代的閉環反饋可能比單純的算法創可以迭代的閉環反饋可能比單純的算法創新要重要。新要重要。OpenAI 相比于 Google 的算法團隊和 Deepmind 等創業公司更注重商業應用。由于對商業的克制或受限于 ROI,導致 Google 對于大模型的應用非常保守,這使得他們即使技術上的起點非常高,但一直在進行小范圍迭代,而 OpenAI 從 GPT-3 開始,即擁有了大量客戶,這些客戶和 OpenAI 的數據交互也將極大的推動產品的進步,帶來一定的先發優勢。此外 OpenAI 也借此獲得了極大的關注度,這對公司甚至 AI 產業此后的融資和商業
37、化的開展都極為重要。從用戶體驗上,比起競品和上一代產品,從用戶體驗上,比起競品和上一代產品,ChatGPT 在多方面有了明顯改善。在多方面有了明顯改善。一是道德性的增強,敢于質疑提問者提問前提的正確性和正當性。避免出現偏見、歧視等毒害信息。二是會主動承認錯誤或主動承認無法回答某一問題。三是會可以理解整段對話上下文的語義,而不是孤立的回答其中一個問題。四是會對提問者意圖判斷能力大幅提升,并非單純根據相關性進行答案羅列。因此整體上,ChatGPT 有著比其他 AI 機器人更好的用戶體驗,具備了真正意義上的連續對話的能力。從應用場景的潛力上,語義文本類產品想象空間較圖片類更大。從應用場景的潛力上,語
38、義文本類產品想象空間較圖片類更大。短期看有望落地的包括更專業的客服機器人、更垂直更專業化的 AI(如醫療教育領域)、新一代的智能搜索等。ChatGPT到了“對普通人友好的階段”,是到了“對普通人友好的階段”,是AI的第一個爆款應用。的第一個爆款應用。從技術上來講,ChatGPT并沒有顛覆式的創新,但它是第一個普通用戶可以使用且能夠感受到科技感的產品?!皩ζ胀ㄈ擞押谩钡漠a品可以有更大的應用想象空間,也更容易刺激巨頭加快產品和技術的研發投入。如谷歌近日宣布投資 OpenAI 的競爭對手 Anthropic。傳媒行業深度研究報告傳媒行業深度研究報告 證監會審核華創證券投資咨詢業務資格批文號:證監許可
39、(2009)1210 號 13 2、不是單純的搜索引擎,不是單純的搜索引擎,ChatGPT 具備從文本中學習的能力具備從文本中學習的能力 ChatGPT 雖然是一個基于語料的統計模型,但是并雖然是一個基于語料的統計模型,但是并非所有的認知都來自于灌輸的文本內非所有的認知都來自于灌輸的文本內容。容。雖然大模型本質是統計模型,但其突破就在于大模型已經獲得了很強的推理能力。學術上稱之為 in context learning,是過去一年以來學界的熱點話題,微軟、谷歌都有論文來探討其原因,但目前還沒有權威的解釋。但是已經有大量案例證明了其學習能力。圖表圖表 14 有人使用有人使用 ChatGPT 實現
40、了虛擬機功能實現了虛擬機功能 資料來源:Jonas Degrave Building a virtual machine inside ChatGPT 二、二、做什么?做什么?或許正在建立新的范式或許正在建立新的范式 短期看是降本增效的新生產力工具,長期看可能帶來新的內容生產范式。短期看是降本增效的新生產力工具,長期看可能帶來新的內容生產范式。ChatGPT 的成功證明了生成式模型的進化,實現通用人工智能 AGI 的可能性進一步提高。其重要性體其重要性體現在現在 AI 對人類傳達信息的載體有了更好的學習,在此基礎上各個媒介之間的互通成為對人類傳達信息的載體有了更好的學習,在此基礎上各個媒介之間
41、的互通成為可能。例如從自然語言生成編程語言,可以產生新的人機交互方式;從自然語言生成圖可能。例如從自然語言生成編程語言,可以產生新的人機交互方式;從自然語言生成圖片和視頻,可以革新內容行業的生產范式。片和視頻,可以革新內容行業的生產范式。傳媒行業深度研究報告傳媒行業深度研究報告 證監會審核華創證券投資咨詢業務資格批文號:證監許可(2009)1210 號 14 圖表圖表 15 生成式生成式 AI 應用前景應用前景 資料來源:SEQUOLA Generative AI:A Creative New World 圖表圖表 16 應用場景的演進速度應用場景的演進速度 資料來源:SEQUOLA Gene
42、rative AI:A Creative New World 傳媒行業深度研究報告傳媒行業深度研究報告 證監會審核華創證券投資咨詢業務資格批文號:證監許可(2009)1210 號 15 (一)(一)智能搜索智能搜索:推薦和搜索的界限可能更加模糊:推薦和搜索的界限可能更加模糊 AIGC 可能形成對傳統搜索引擎的降維打擊可能形成對傳統搜索引擎的降維打擊,呈現“檢索,呈現“檢索+生成”的功能。生成”的功能。傳統搜索引擎主要承擔信息檢索功能,但 AIGC 通過用戶互動的形式可更高效的呈現出精準的答復(比如某一具體編程問題如何解決、某些領域的知識問答等等),一定程度上可替代部分搜索引擎的功能,并實現高效
43、生成回答的附加價值。但 AIGC 并不可完全替代搜索引擎,一方面用戶“選擇”信息的權利不應該被“最佳答案”所替代;另一方面,以 ChatGPT 為例,本質是聊天機器人,其回答是基于有限的訓練數據集,存在準確度不夠、時效性不足等問題,某些時候會對提問者造成誤導。巨頭積極將巨頭積極將 AIGC 與搜索引擎融合。與搜索引擎融合。微軟已推出通過 ChatGPT 來回答搜索問題的 Bing搜索版本,此外還計劃將 ChatGPT 技術整合到 Word、PowerPoint、Outlook 等軟件產品中。搜索和推薦的界限會更加模糊。搜索和推薦的界限會更加模糊。搜索和推薦的界限會逐步模糊。隨著搜索系統變得更加
44、個性化,我們預測搜索和推薦之間的界限將變得模糊。例如,TikTok 在最近幾年發展迅速,字節跳動的個性化、不斷改進的推薦模式體驗,已經成功地從 Youtube 等傳統的視頻搜索產品中搶占了市場份額,我們預計推薦系統將在未來幾年內激增,并從傳統搜索中奪取份額。(二)(二)內容的生產:除了效率的提升還有敘事方式的變革內容的生產:除了效率的提升還有敘事方式的變革 1、視頻:當前以輔助為主,視頻:當前以輔助為主,AI 視頻生成仍需改進視頻生成仍需改進 AI 視視頻輔助編輯已較為成熟頻輔助編輯已較為成熟,目前運用廣泛,目前運用廣泛。AI 視頻編輯是在已有素材基礎上進行相應 AI 操作,包括智能封面、自動
45、字幕、視頻祛抖、視頻特效自動生成、視頻美顏等,當前該技術已較為成熟,廣泛運用于視頻創作領域,包括字節跳動旗下的剪映,快手云剪,抖音,美圖等。圖表圖表 17 AI 視頻編輯功能舉例視頻編輯功能舉例 圖表圖表 18 剪映摳圖舉例剪映摳圖舉例 資料來源:深度文娛 資料來源:剪映官網 AI 視頻生產仍有較大提升空間。視頻生產仍有較大提升空間。由于視頻設計 3D 資產整合以及運動,其對 AI 提出更高的要求,當前生成的視頻時長較短,且部分視頻無法準確再現真實世界的運作方式,AI視頻生成技術到成熟應用還有一段距離。AI 音頻生成成熟度高于視頻。音頻生成成熟度高于視頻。由于音頻對視覺要求度較低,目前 AI
46、生成效果好于視頻,部分公司已有成功應用案例。網易曾推出一站式 AI 音樂創作平臺“網易天音”,依托大量的歌曲曲庫,率先于行業部署工業出版級智能編曲系統,能快速生成一首對標人編1-1.5 傳媒行業深度研究報告傳媒行業深度研究報告 證監會審核華創證券投資咨詢業務資格批文號:證監許可(2009)1210 號 16 萬元左右的出版級編曲,曾成功打造出醒來、春啟正陽等多首廣受歡迎的 AI 原創歌曲。圖表圖表 19 網易云網易云 AI 音樂音樂 資料來源:金融界 2、游戲:游戲:AI 助力生產效率提升,內容成本持續下降助力生產效率提升,內容成本持續下降 游戲作為工業化程度較高的內容類產品,受益于生成式游戲
47、作為工業化程度較高的內容類產品,受益于生成式 AI 巨大。巨大。游戲作為工業化程度較高的內容類產品,且游戲具備強互動性、實時體驗性,因此高質量游戲具備較高的生產門檻(無論是技術,還是時間、金錢成本)。生成式生成式 AI 有望大幅降低內容成本,有望大幅降低內容成本,釋放釋放游戲行業產能。游戲行業產能。將生成式 AI 運用于游戲場景、人物制作時,其更類似于更高效、成本更低的自動中臺體系,一旦創意/設計方式被確定,則制作游戲的時間和成本都會大幅降低,游戲行業產能會得到極大的釋放,更大體量、更多數量的游戲將出現。以以微軟模擬飛行微軟模擬飛行為例,為例,游戲中玩家能夠圍繞整個地球 1.97 億平方英里的
48、地方飛行,這一功能是通過人工智能來完成,即微軟公司與 blackshark.ai合作對人工智能進行訓練,從二維衛星圖像生成無限逼真的三維世界,從而實現了這一浩大的工程量。圖表圖表 20 各娛樂類目受生成式各娛樂類目受生成式 AI 的影響程度的影響程度 圖表圖表 21 Roblex 推出的文本生成推出的文本生成 3D 模型軟件系統模型軟件系統 資料來源:阿法兔研究筆記生成式AI在游戲領域的機會 資料來源:三次方AIRX 傳媒行業深度研究報告傳媒行業深度研究報告 證監會審核華創證券投資咨詢業務資格批文號:證監許可(2009)1210 號 17 游戲開發門檻的降低,將會導致更多的冒險和創造性探索游戲
49、開發門檻的降低,將會導致更多的冒險和創造性探索。我們可能很快就會進入一個新的游戲開發 黃金時代,較低的準入門檻會導致出現更多創新和創造性游戲,而這不僅僅是因為較低的制作成本導致了游戲制作商需要承擔的風險較低,還因為這些工具代表了為更多受眾創造高質量內容的能力。從環節上看,從環節上看,AIGC 全面介入游戲開發和制作的完整生命周期全面介入游戲開發和制作的完整生命周期,包括初步設計、模型動,包括初步設計、模型動畫的生成、關卡設計和游戲世界構建等多個維度。畫的生成、關卡設計和游戲世界構建等多個維度。初步設計:初步設計環節是影視或游戲行業中初期的一個核心工作內容。初步設計:初步設計環節是影視或游戲行業
50、中初期的一個核心工作內容。即為一款產品的視覺效果和整體色彩進行定調。在這一環節,需要游戲設計師進行大量的探索,而 AIGC可以大大節省這一時間。游戲設計師可通過文本提示生成大量2D圖像,這也是目前AIGC最成熟、最廣泛的應用領域,諸如 Midjourney、Stable Diffusion 和 Dall-E 2 這樣的工具,直接可以將文本描述生成高質量的二維圖像,甚至可以通過使用 Stable Diffusion 這樣的工具,將二維圖像進行整合,并以此為基礎生成更大量的類似圖片??梢詫⒃?3-4 周的工作量壓縮到 1-2 天。模型搭建:模型搭建:AIGC 可以被廣泛應用于可以被廣泛應用于 3
51、D 模型資產的生產。模型資產的生產。游戲世界其本質即是各種模型的集合,隨著對游戲品質要求的提高,3D 模型使用量劇增。而 3D 模型相比 2D 平面圖要更為復雜,需要搭建模型并添加紋理和效果。目前已有創業公司推出了相關產品。如BariumAI、Ponzu 和 ArmorLab,創作者可以根據文本或者圖像來生成 3D 紋理,可以快速提高創作過程的迭代速度。在 3D 模型的搭建領域,也有諸如 Kaedim、Mirage 和Hypothetic 的創業公司,大公司也在關注這個問題如 Nvidia 的 Get3D 和 Autodesk 的ClipForge。Kaedim 和 Get3d 專注于圖像到
52、3D 模型的轉換;ClipForge 和 Mirage 專注于文本到 3D 轉換,而 Hypothetic 公司兩者都在參與。更多內容的創作:音效、游戲配樂、對話、更多內容的創作:音效、游戲配樂、對話、NPC 的創作。的創作。在聲音領域 AIGC 同樣有巨大的想象空間,除了現有內容的 AI 制作外,在效果上也有更多可以突破的地方。1)互動音效和配樂:現有的音效和配樂多數為提前錄制好的,但較為重復和失真。AI 可以實現不同情況下的不同音效,如腳步聲,可以根據角色行走環境、角色體重、步態(跑/走/靜步)、鞋類型等來生成和調整腳步聲音。配樂也可以根據屏幕上不同的場景和動作來進行調整。2)及時對話的生
53、成:形如 ChatGPT 這樣的 AI 對話工具,可以讓角色對于玩家的行為作出實時的反應,也可以生成更有情感表達能力可以承擔更多作用的 NPC。3)訂制化聲音:玩家可以用自己的聲音在游戲中發生,本地化也有進一步提高的空間。(三)(三)營銷和文本生成營銷和文本生成 文案文案生成是生成式生成是生成式 AI 最早應用的領域之一,最早應用的領域之一,應用領域包括應用領域包括客服客服、編寫郵件、編寫郵件、新聞稿新聞稿/營營銷文案銷文案撰寫、詩歌小說創作撰寫、詩歌小說創作續寫續寫等。等??头头阂?ChatGPT 為代表的聊天機器人經過針對特殊場景的訓練后可以很快勝任智能客服的角色。除了常規的指引功能外
54、,AI 客服也可以承擔更多的營銷任務。新聞稿新聞稿/營銷文案撰寫:營銷文案撰寫:藍色光標旗下有多款產品已實現 AI 易稿模塊,能夠輔助營銷人員一鍵生成新聞草稿。詩歌小說創作:詩歌小說創作:采用 AIGC 技術的虛擬人度曉曉曾于 22 年撰寫作高考作文,在不到1 分鐘的時間,完成了 40 多篇文章,獲得專家打分 48 分的成績,擊敗了 75%的考生。2017 年 5 月 19 日,微軟 AI 小冰曾推出原創詩集陽光失了玻璃窗,囊括了139 首現代詩,是人類歷史上第一部 100%由人工智能創造的詩集。傳媒行業深度研究報告傳媒行業深度研究報告 證監會審核華創證券投資咨詢業務資格批文號:證監許可(20
55、09)1210 號 18 代代碼生成:碼生成:以微軟旗下的 Github Copilot 為例,該產品基于 OpenAI 專門用 GPT-3 為編程場景定制的 AI 模型 Codex。使用者文字輸入代碼邏輯,它能快速理解,根據海量開源代碼生成代碼。當前微軟內部已推廣使用。三、三、誰來做?誰來做?國內外的差距在哪里?國內外的差距在哪里?1)資金差距:)資金差距:大模型訓練成本百萬美金左右,對小廠難度較大,訓練一個大模型成本約 300-400 萬美金,之后每次調用成本在幾美分。小廠商不具備自己訓練的能力。2)數據)數據差距差距。數據量差異:AI 學界話語權在英文世界,因此英語語料較多;數據質量差異
56、:國內私域互聯網較為發達,因此公域中高質量中文內容較為缺失。3)算力差距。)算力差距。地緣政治因素導致缺芯短期影響不大,長期禁令不解有卡脖子風險。4)人才差距人才差距。國內在 AI 頂尖人才方面仍和海外有一定差距。誰有可能最先做出來?誰有可能最先做出來?我們認為,我們認為,互聯網公司偏研發型互聯網公司偏研發型+國家隊的企業應用終端公國家隊的企業應用終端公司。司?;ヂ摼W公司:不存在算力+資金問題,AI 人才儲備豐富;但目前各家尚未拉開明顯差距,其中百度略有優勢(布局較早+經驗豐富)。偏研發型+國家隊的企業:如智源研究院,和清北關系密切,人才密度較高;但資金實力較弱,且缺乏足夠的商業化能力;應用終
57、端公司:如科大訊飛(具備語音處理能力,但解決方案以產品銷售為導向),可能做成通用大模型。關注什么?關注上游的算力擴張和下游的應用落地。關注什么?關注上游的算力擴張和下游的應用落地。文字語音、圖片、視頻等多形式的輸入輸出,或將為內容創作領域帶來革命性變化。而更廣的數據形態、更多的應用場景、更深的用戶體驗,亦將大幅提升支撐人工智能的算力需求,算力或迎來高速擴張時代。建議關注:1)上游算力:浪潮信息、紫光股份、景嘉微、海光信息、寶信軟件等。2)下游應用:應用層面建議關注百度集團和三六零(具備 AI 大模型和成熟的應用場景搜索)、中文在線(AI 繪圖、AI 文字輔助寫作)、萬興科技(AI 繪圖)、昆侖
58、萬維(AI 繪圖、文本、編程、音樂)、神州泰岳(金融場景下的 NLP 應用),此外,游戲、營銷、虛擬人等業態也將受益于對話智能程度的提升,建議關注相關公司如三人行、藍色光標、天神互娛、天地在線等。3)算法和數據層面建議關注:商湯科技(AI、計算機視覺)、科大訊飛(NLP)、拓爾思(NLP)、漢王科技(繪圖、NLP)、海天瑞聲(數據標注)等。四、四、風險提示風險提示 政策監管變動;技術發展不及預期;商業化落地速度不及預期。傳媒行業深度研究報告傳媒行業深度研究報告 證監會審核華創證券投資咨詢業務資格批文號:證監許可(2009)1210 號 19 傳媒組團隊介紹傳媒組團隊介紹 組長,首席研究員:劉欣
59、組長,首席研究員:劉欣 中國人民大學碩士。先后于中金公司(2015-2016)、海通證券(2016-2019)、民生證券(2019-2020),從事 TMT 行業研究工作。所在團隊 2016/2017 年連續兩年獲得新財富最佳分析師評選文化傳媒類第三名,2016 年水晶球評選第三名,2016 年金牛獎第三名,2017 年水晶球第五名,2017 證券時報金翼獎第一名,2019 年獲得 WIND 第七屆金牌分析師評選傳播與文化類第五名等。分析師:張靜雯分析師:張靜雯 中國人民大學碩士。曾就職民生證券,2019 年獲得 WIND 第七屆金牌分析師評選傳播與文化類第五名。2021 年加入華創證券研究所
60、。研究員:費磊研究員:費磊 南開大學碩士。曾就職民生證券,2021 年加入華創證券研究所。助理研究員:廖志國助理研究員:廖志國 莫納什大學碩士。2021 年加入華創研究所。傳媒行業深度研究報告傳媒行業深度研究報告 證監會審核華創證券投資咨詢業務資格批文號:證監許可(2009)1210 號 20 華華創證券機構銷售通訊錄創證券機構銷售通訊錄 地區地區 姓名姓名 職務職務 辦公電話辦公電話 企業郵箱企業郵箱 北京機構銷售部 張昱潔 副總經理、北京機構銷售總監 010-63214682 張菲菲 北京機構副總監 010-63214682 劉懿 副總監 010-63214682 侯春鈺 資深銷售經理 0
61、10-63214682 侯斌 資深銷售經理 010-63214682 過云龍 高級銷售經理 010-63214682 蔡依林 高級銷售經理 010-66500808 劉穎 高級銷售經理 010-66500821 顧翎藍 高級銷售經理 010-63214682 車一哲 銷售經理 深圳機構銷售部 張娟 副總經理、深圳機構銷售總監 0755-82828570 汪麗燕 高級銷售經理 0755-83715428 張嘉慧 高級銷售經理 0755-82756804 鄧潔 高級銷售經理 0755-82756803 董姝彤 銷售經理 0755-82871425 巢莫雯 銷售經理 0755-83024576 王春
62、麗 銷售經理 0755-82871425 上海機構銷售部 許彩霞 總經理助理、上海機構銷售總監 021-20572536 曹靜婷 上海機構銷售副總監 021-20572551 官逸超 上海機構銷售副總監 021-20572555 黃暢 副總監 021-20572257-2552 吳俊 資深銷售經理 021-20572506 張佳妮 高級銷售經理 021-20572585 邵婧 高級銷售經理 021-20572560 蔣瑜 高級銷售經理 021-20572509 施嘉瑋 高級銷售經理 021-20572548 朱漲雨 銷售助理 021-20572573 李凱月 銷售助理 廣州機構銷售部 段佳音
63、廣州機構銷售總監 0755-82756805 周瑋 銷售經理 王世韜 銷售經理 私募銷售組 潘亞琪 總監 021-20572559 汪子陽 副總監 021-20572559 江賽專 資深銷售經理 0755-82756805 汪戈 高級銷售經理 021-20572559 宋丹玙 銷售經理 021-25072549 傳媒行業深度研究報告傳媒行業深度研究報告 證監會審核華創證券投資咨詢業務資格批文號:證監許可(2009)1210 號 21 華創行業公司投資評級體系華創行業公司投資評級體系(基準指數滬深基準指數滬深 300)公司投資評級說明:公司投資評級說明:強推:預期未來 6 個月內超越基準指數 2
64、0%以上;推薦:預期未來 6 個月內超越基準指數 10%20%;中性:預期未來 6 個月內相對基準指數變動幅度在-10%10%之間;回避:預期未來 6 個月內相對基準指數跌幅在 10%20%之間。行業投資評級說明:行業投資評級說明:推薦:預期未來 3-6 個月內該行業指數漲幅超過基準指數 5%以上;中性:預期未來 3-6 個月內該行業指數變動幅度相對基準指數-5%5%;回避:預期未來 3-6 個月內該行業指數跌幅超過基準指數 5%以上。分析師聲明分析師聲明 每位負責撰寫本研究報告全部或部分內容的分析師在此作以下聲明:分析師在本報告中對所提及的證券或發行人發表的任何建議和觀點均準確地反映了其個人
65、對該證券或發行人的看法和判斷;分析師對任何其他券商發布的所有可能存在雷同的研究報告不負有任何直接或者間接的可能責任。免責聲明免責聲明 。本公司不會因接收人收到本報告而視其為客戶。本報告所載資料的來源被認為是可靠的,但本公司不保證其準確性或完整性。本報告所載的資料、意見及推測僅反映本公司于發布本報告當日的判斷。在不同時期,本公司可發出與本報告所載資料、意見及推測不一致的報告。本公司在知曉范圍內履行披露義務。報告中的內容和意見僅供參考,并不構成本公司對具體證券買賣的出價或詢價。本報告所載信息不構成對所涉及證券的個人投資建議,也未考慮到個別客戶特殊的投資目標、財務狀況或需求??蛻魬紤]本報告中的任何
66、意見或建議是否符合其特定狀況,自主作出投資決策并自行承擔投資風險,任何形式的分享證券投資收益或者分擔證券投資損失的書面或口頭承諾均為無效。本報告中提及的投資價格和價值以及這些投資帶來的預期收入可能會波動。本報告版權僅為本公司所有,本公司對本報告保留一切權利。未經本公司事先書面許可,任何機構和個人不得以任何形式翻版、復制、發表、轉發或引用本報告的任何部分。如征得本公司許可進行引用、刊發的,需在允許的范圍內使用,并注明出處為“華創證券研究”,且不得對本報告進行任何有悖原意的引用、刪節和修改。證券市場是一個風險無時不在的市場,請您務必對盈虧風險有清醒的認識,認真考慮是否進行證券交易。市場有風險,投資需謹慎。華創證券研究所華創證券研究所 北京總部北京總部 廣深分部廣深分部 上海分部上海分部 地址:北京市西城區錦什坊街 26 號 恒奧中心 C 座 3A 地址:深圳市福田區香梅路 1061 號 中投國際商務中心 A 座 19 樓 地址:上海市浦東新區花園石橋路 33 號 花旗大廈 12 層 郵編:100033 郵編:518034 郵編:200120 傳真:010-66500801 傳真:0755-82027731 傳真:021-20572500 會議室:010-66500900 會議室:0755-82828562 會議室:021-20572522