《AIGC行業深度：發展情況、商業模式、產業鏈及相關公司深度梳理-240304（40頁）.pdf》由會員分享，可在線閱讀，更多相關《AIGC行業深度：發展情況、商業模式、產業鏈及相關公司深度梳理-240304（40頁）.pdf（40頁珍藏版）》請在三個皮匠報告上搜索。

1、行業深度|研究報告2024年3月4日AIGC行業深度：發展情況、商業模式、產業鏈及相關公司深度梳理行業研究報告自2023年以來，全球對AIGC產業的關注越來越廣泛。隨著A12.0時代的到來，AIGC不僅僅是將AI能力融入到現有應用中那么簡單，更是迎來了未來產業范式的再塑造。AI正在跳躍式地加速滲透到各行各業，并推動了一場新的生產力和創造力革命。隨著AIGC產業的發展，AI產業鏈各環節參與者的角色、功能和產品服務將不斷調整。未來AIGC產業的前景也會更加廣闊。在本文中，我們將以AIGC為主題，分析目前行業發展的情況，梳理相關驅動政策，探究AIGC產業的商業模式。接下來，我們將對AIGC的產業鏈進

2、行梳理，針對重點可關注環節進行詳細講解，介紹相關公司。最后，根據以上內容分析行業未來發展趨勢。目錄、行業概述.二、行業發展情況.、政策支持AIGC產業發展.四、商業模式.五、產業鏈分析.六、相關公司.七、未來發展趨勢.八、參考研報.一、行業概述慧博智能投研1、概念AIGC（AI-GeneratedContent）本質上是一種內容生產方式，即人工智能自動生產內容，是基于深度學習技術，輸入數據后由人工智能通過尋找規律并適當泛化從而生成內容的一種方式。過往的內容創作生態主要經歷了PGC、UGC到AIUGC的幾個階段，但始終難以平衡創作效率、創作成本及內容質量三者之間的關系，而AIGC可以實現專業創作

3、者和個體自由地發揮創意，降低內容生產的門檻，帶來大量內容供給。1/40#page#行業深度|研究報告2024年3月4日內容創作生態產業的發展階段PGCAIUGAIGC（AI自動生成內容內容創造的最高階段UGC現低成本高產角302、AI與AIGC的演進歷程：從決策判別到創造生成，人工智能進入雙“G”時代AI的發展經歷了從決策式AI到生成式AI的過程。在2010年之前，AI以決策式AI為主導，決策式AI學習數據中的條件概率分布，底層邏輯是AI提取樣本特征信息，與數據庫中的特征數據進行匹配，最后對樣本進行歸類，主要針對對樣本的識別和分析。2011年之后隨著深度機器學習算法以及大規模預訓練模型的出現，

4、AI開始邁入生成式AI時代，生成式AI的特征是可以根據已有的數據進行總結歸納，自動生成新的內容，在決策式AI決策、感知能力的基礎上開始具備學習、執行、社會協作等方面的能力。2022年11月上線的AIGC應用ChatGPT，憑借其在語義理解、文本創作、代碼編寫、邏輯推理、知識問答等領域的卓越表現，以及自然語言對話的低門檻交互方式，迅速獲得大量用戶，于23年1月突破億月活，打破前消費級應用的增速記錄。當下人工智能在生成（Generation）和通用（General）兩條主線上不斷發展。8生成式AI決策式AI+執行+社會+學習決策+認知+感知協作小規模專家知識淺層機器學習算法深度機器學習算法大規模預

5、訓練模型2011年1956年1986年2017年次人工智五史上IBM的Wat電視節目標志著人工管ardy中戰勝了兩位前冠軍大模型發展打下基礎被認為是神2013年2018年1997年DeepMind提出基于深度學習的強化學1965年習模型“大模型時代2014年2022年GAN可生成圖像但分辨率有限ChatGPT推出活動上超騰人類2015年2022年AlphaGo程序在圍2006年戰勝了世深度學習技術發明，帶來了革命性突破次重大突破能開始在更復雜的大模型發展打下基礎早期萌芽階段技術積淀階段快速發展階段爆發階段（19805-2010年）（2017年一）（1950s1980s）（2011年2016年）

6、二、行業發展情況1、中國AIGC產業市場規模2/40#page#行業深度|研究報告2024年3月4日根據第50次中國互聯網絡發展狀況統計報告，截至2022年6月，中國互聯網普及率已高達74.4%。在網民規模持續提升、網絡接入環境目益多元、企業數字化進程不斷加速的宏觀環境下，AIGC技術作為新型內容生產方式，有望滲透人類生產生活，為千行百業帶來顛覆變革，開辟人類生產交互新紀元。艾瑞咨詢預測，2023年中國AIGC產業規模約為143億元，隨后進入大模型生態培育期，持續打造與完善底層算力基建、大模型商店平臺等新型基礎設施，以此孕育成熟技術與產品形態的對外輸出。2028年，中國AIGC產業規模預計將達

7、到7202億元，中國AIGC產業生態日益穩固，完成重點領域關鍵場景的技術價值兌現，逐步建立完善模型即服務產業生態，2030年中國AIGC產業規模有望突破萬億元，達到11441億元。2022-2030年中國AIGC產業規模2042%180.8%112.0%836951.3%32.0%20.3%114417202475925931223436143252024e202220232025e2026e2027e2028e2029e2030e中國AIGC產業規模（億元）-一中國AIGC產業規模增長率（%）2、多模態已成超勢按模態劃分，大模型可分為自然語言處理（NLP）大模型，視覺（CV）大模型、多模態大

8、模型等。按應用場景劃分，大模型可分為通用大模型和行業大模型。通用大模型是指可在不進行微調或少量微調的情況下完成多場景任務的大模型，具有強大的泛化能力，ChatGPT、華為盤古大模型以及最新發布的Gemini都是通用大模型。行業大模型則利用行業知識對大模型進行微調，以滿足在金融、汽車、傳媒等不同領域的需求，如金融領域的BloombergGPT、汽車領域的毫末DriveGPT、法律領域的LawGPT_zh等。圖表36A大模型按模態分類自然語言處多攜態大模型3/40#page#行業深度|研究報告2024年3月4日預訓練大模型按照模態可以分為文本、圖像、視頻、代碼、音樂生成等多種，但從底層架構上都分屬

9、兩類。Transformer是一種編解碼模型框架，適用于處理文本、代碼這類強連續性生成任務：Diffusion、GAN、NeRF等框架善于處理圖像生成類任務。疊加文-圖轉換技術可以形成文生圖模型。由單模態模型在實際訓練時融合其他模態技術，可形成多模態、跨模態大模型，如GPT-4、文心一言、Midjourney等，由于多模態模型可接受文本、圖像等不同輸入輸出形式，對應用場景能夠更廣泛適配，著力發展多模態模型成為產研兩界共同趨勢。預訓練大模型各模態技術分支與功能定向3、進一步深化，其中文生視頻能力將進一步提升在目前的市場下，AI已經具備生成文本、音頻、圖像、視頻的能力?；A的生成式AI以文本模態為

10、主要特征，音頻、圖像、視頻等模態市場熱度較高。文生圖像以CLIP為主要訓練的神經網絡模型，其中文本和圖像通過編碼器進行分解，分解后進行映射，完成訓練，文生音頻具備相似的訓練模式。隨著大模型多模態能力升級，文生視頻快速發展。繼文生圖能力融入各個大模型之后，文生視頻成為大模型多模態應用的新趨勢。近期多家廠商發布相關產品或更新，大幅提升文生視頻效果AI多模態生成機制近期文生視頻產品動態頻繁園視頻文本文本編碼器0u座文本編碼器國像/音頻4/40#page#行業深度|研究報告2024年3月4日三、政策支持AIGC產業發展我國高度重視和支持AIGC產業的發展。2023年以來，國家陸續出臺多項鼓勵和支持AI

11、GC產業發展的政策，為我國AIGC產業的發展護航。7月13日，網信辦等七部門聯合發布生成式人工智能服務管理暫行辦法，為大模型的備案提供了政策依據。自8月份以來，百度文心一言、商湯的商量SenseChat、百川智能的百川大模型等通過了生成式人工智能服務管理暫行辦法備案，開始面向全社會開放服務。大模型備案工作正式啟動。北京市、上海市、深圳市、成都市等陸續發布AIGC利好政策，推動我國AIGC產業發展。圖表9今年以來我國AIGC發展相關政策（部分）時間部門政策中共中央、國務院2023.4網信辦2023.4中共中央政治局2023.5北京市政府北京市人民政府辦公廳上海市加大力度支持民間2023.5上海市

12、發改委深圳市國務院辦公廳年度立法工作計劃人工智臺生成式人工智能服務管理暫行辦法關于加快推進人工智的民政府辦公廳重慶市以場重慶市經濟信息委成都市會府辦公廳武漢建設國武漢市人民政府辦公廳（2023-2025年）生成式人工智能服2023.10員會產業創新引領地的多2023.11廣東省人民政府施意見2023.12中央經濟工作會議中共中央5/40#page#行業深度|研究報告2024年3月4日四、商業模式AIGC商業模式中，呈現多樣化發展，目前處于持續探索階段。目前傳統的按量收費模式和靈活的SaaS訂閱模式為主流方向，對于按量收費模式，AIGC可以根據用戶使用量進行收費，比如按照API調用的次數、使用的

13、數據量等來計費。這種模式適合于對AI需求較為穩定的企業或個人，他們可以通過預付費或后付費的方式來使用AIGC服務。對于SaaS訂閱模式，AIGC可以提供靈活的訂閱服務，用戶可以根據自己的需求選擇不同的服務級別和定價。這種模式適應于需求不確定的用戶，可以靈活隨時調整訂閱級別或取消訂閱。AIGC的商業模式多樣化為企業提供了更多的選擇和可能性，有助于推動行業的創新和發展。AIGC主要商業模式基于AI應用的商業化產品按量收費模型層產品應用層產品接入其他產品對外開放罐新鋪鮮器定價圖像生成平臺大多百度Saas模式收費例如，2023年推出付費版本起價每月20美元提供更快響應速度及更新的模型訓練收費型訓練費，

14、適用于NPC其他屬性收費排他使用權和所有權多種合人公務付費來源：艾瑞咨隨著ChatGPT引爆大模型市場，MaaS（ModelasaService，模型即服務），成為繼SaaS、IaaS、PaaS之后的新型云服務方式。MaaS將人工智能大模型變成可服務化的產品，用戶無需自建底層基礎設施，只需通過API接口調用即可使用大模型服務，MaaS通常有推理、微調、深入開發三種服務方式，降低使用門檻的同時也可以大幅提高大模型的使用效率?？萍紡S商MaaS商業模式主要分為三種：1）訂閱制模式：將模型產品化并通過提供增值服務獲取收入，例如ChatGPTPlus：2）嵌入其他產品獲得引流式收入：例如微軟Micros

15、oft365服務全面接入AI驅動工具Copilot，其由OpenAI的GPT-4技術驅動，出現在Microsoft365的側邊欄，可作為聊天機器人隨時召喚，帶來更智能、更高效的辦公體驗的同時，獲得引流式收入3）API服務調用或定制開發：如文心千帆大模型平臺，是面向企業開發者的一站式大模型開發及服務運行平臺，提供基于文心一言底層模型（ErnieBot）的數據管理、自動化模型定制微調以及預測服務云端部署一站式大模型定制服務。6/40#page#行業深度|研究報告2024年3月4日MaaS商業模式與廠商競爭要素laaslaa5平臺網絡五、產業鏈分析AIGC產業可分為三層，其中模型層和應用層值得關注。

16、AIGC現有產業鏈由數據供給、模型開發與定制、應用與分發構成。目前來看，模型層為關鍵因素之一；其次，應用層發展空間巨大。上游數據供給由收集大量原始數據對其進行預處理，以便提供給模型訓練，投資確定性強。在中游，使用注釋數據開發和訓練AI模型以生成內容，在垂直細分領域進行二次開發，來適應定制化需求；下游協助用戶使用模型和算法生成內容，例如：文本、圖像、視頻等?；诓煌膬r值創造邏輯，將生成的內容分發到各種渠道。我應用層模型層框架層算力方基設施層其他配套設施檢測審核交易服合方7/40#page#行業深度|研究報告2024年3月4日1、基礎設施層：需要大算力，國產AI芯片和服務器廠商迎來發展機遇從算力

17、供給而言，可以分為通用算力、智能算力和超算算力。算力實現的核心是CPU、GPU、FPGAASIC等各類計算芯片，并由計算機、服務器、高性能計算集群和各類智能終端等承載，海量數據處理和各種數字化應用都離不開算力的加工和計算，算力數值越大代表綜合計算能力越強，常用的計量單位是FLOPS（每秒執行的浮點數運算次數）圖24：算力分類（從供給側看）堅實支撐創造需求算力算力算力環境規模應用牽引供給發展基礎基礎智能超算算力算力算力資料來源：中國信通院中國算力發展指數白皮書，中國銀河證券研究院算力是設備根據內部狀態的改變，每秒可處理的信息數據量。算力的載體發展經歷了以算盤和機械計算器為代表的時代到基于架設互聯

18、網基礎平臺的服務器的歷程。在過去20年，隨著算力載體的豐富程度得到了極大提升，呈現多樣化發展趨勢。算力架構可以拆解為芯片、設備、軟件，呈現“云-邊-端”一體格局。未來將形成云端側負責大體量復雜計算、邊緣側負責簡單計算執行、終端側負責感知交互的泛在算力部署形式。圖26：泛在算力架構圖）CPU、GPU、服務器應規平臺NPU敏捷反應南CPU、GPU、網關邊緣服務平臺據是店CPU、GPU、感知交互綠作系統手機、電腦資料來源：華為泛在算力，中國銀河證券研究院（1）大模型的實現需要十分強大的算力來支持訓練過程和推理過程ot/8#page#行業深度|研究報告2024年3月4日大模型的實現需要十分強大的算力來

19、支持訓練過程和推理過程。根據OpenAI數據，訓練GPT-3175B的模型，需要的算力高達3640PF-days（即以iPetaFLOP/s的效率要跑3640天）。2018年以來，大模型的參數量級已達到數千億參數的量級規模，對算力的需求將呈現指數級增長。2018-2022年大模型參數增長變化趨勢圖表11各個模型所需計算量及參數量（2）A芯片進入舞臺中央，廣泛應用于訓練或推理AI芯片進入舞臺中央，廣泛應用于訓練或推理。AI芯片是指所有能夠用于人工智能的芯片，主要包括GPU、ASIC、FPGA三大類，海內外大型廠商集中于GPU和ASIC架構。AI芯片按應用場景可以分為訓練芯片和推理芯片：訓練芯片用

20、于算法模型開發、訓練，利用標記的數據，通過該芯片“學習”出具備特定功能的模型：推理芯片用于應用層，利用訓練出來的模型加載數據，通過芯片計算“推理”出各種結論。按照部署的位置可以分為云端芯片和邊緣端芯片：云端芯片部署在公有云、私有云或者混合云上，不但可用于訓練，也可用于推理，算力強勁：邊緣端芯片主要應用于嵌入式、移動終端等領域，此類芯片一般體積小、耗電低，性能要求也相對不高，一般只需具備一兩種AI能力，用于推理。圖表12三類A芯片簡介AI芯片優勢典型廠商高并行結構，生態體系成熟，跨平臺支持。易于編程，成為主流的GPU通用圖形處理器摩爾線專門為深度學習計算定制C專用集成電路理器TPU，效率高、功耗

21、低、體積小靈活性強，能夠適應模型算PGA現場可編程邏輯陣列賽靈思、英特爾Altera選代GPU大規模并行運算優勢明顯，是AI芯片市場的首選。GPU即圖形處理器，主要分為傳統GPU和GPGPU，分別用于圖形瀘染和通用計算，用于AI服務器的GPU一般指后者。按照IDC統計，我國2023年上半年GPU服務器占據加速計算服務器90%的比例，其余NPU、FPGA等形式的加速計算服務器占比為10%，此前幾年GPU也一直是主流選項9/40#page#行業深度|研究報告2024年3月4日圖5：中國加速計算服務器市場規模以及按芯片類型分類UGPU加速服務器（億美元）口非GPU加速服務器（億美元）12025.61

22、000606.382940440860.04762027620.1020192020202120222025E資料來源：IDC（含預測），中信證券研究部GPU市場目前仍由英偉達、AMD等國外廠商主導，國內正處于發展起步階段，在AI芯片市場的競爭力較弱，未來在大模型技術發展的催化下，疊加美國限制向中國出口高端GPU芯片等因素，國產GPU芯片將迎來發展機遇。據IDC統計，2023年上半年，中國加速芯片的市場規模超過50萬張。從品牌角度看，中國本土AI芯片品牌出貨超過5萬張，占比整個市場10%左右的份額。全球GPU市場競爭格局：英偉達獨占整頭，AMD跟隨其后。英偉達是全球GPU芯片市場的絕對龍頭，A

23、MD緊隨其后。根據JPR數據，2022年二季度，英偉達在全球獨立GPU芯片市場占有率為79%，AMD以20%的市占率跟隨其后。英偉達于今年11月份發布的新一代人工智能芯片H200，相比H100內存速度和容量均實現大幅升級，在用于推理或生成問題答案時，性能較H100提高60%至90%，預計將于2024年二季度上市。H200將進一步提升大模型的訓練與推理效率。近期，美國對華半導體出口管制升級，英偉達擬推出H20、L20和L2三款芯片，以替代被美國限制出口的H100。AMD于2023年6月推出了針對AI的最新款處理器芯片MI300A和MI300X，12月AMD舉行“AdvancingAT發布會表示M

24、1300A已進入量產階段，而InstinctM1300X則已開始出貨。海外算力能力不斷提升，疊加美國對華半導體出口管制升級，將倒通我國國產AI芯片產業鏈加快成熟。圖表14全球獨立GPU出貨量市占率英偉達AMD英特爾20.090.02021Q2Q資料來源：10/40#page#行業深度|研究報告2024年3月4日國內GPU產品發展勢頭良好，產品性能已可對標國際主流產品。國內目前部署GPU賽道的廠商主要有海光信息、景嘉微、沐曦、壁切科技、芯動科技等。當前，國內GPU產品發展勢頭良好，產品性能已可對標英偉達主流產品。以海光信息為例，海光信息DCU（DeepComputingUnit深度計算器，是GP

25、GPU通用圖形處理的一種）產品具備強大的計算能力和高速并行數據處理能力，產品性能已可對標國際上同類型高端產品的水平，已成功實現商業化應用。目前，海光信息第二代DCU產品-深算二號也已經發布并實現了在大數據處理、人工智能、商業計算等領域的商業化應用，具有全精度浮點數據和各種常見整型數據計算能力。根據海光信息公司公告，公司在2023年三季度發布深算二號，性能相比于深算一號提升100%以上。圖表17海光DCU產品與行業代表可比產品參數對圖表16海光DCU產品-深算一號規格特點比雙精度、計算（1）4個HBM2內存通道3最大內存容量為32GE資料來源ASIC是一種定制芯片，可提供更高能效表現和計算效率。

26、ASIC（專用芯片）是一種為特定目的、面向特定用戶需求設計的定制芯片，具備性能更強、體積小、功耗低、可靠性更高等優點。在大規模量產的情況下，還具備成本低的特點。ASIC芯片主要應用于深度學習加速，在推理側，相較其他AI芯片在效率和速度方面具有明顯優勢。以谷歌為例，谷歌早在2015年就發布TPUV1，與當時通用CPU和GPU的神經網絡計算相比，TPUV1帶來了15-30倍的性能提升和30-8o倍的能效提升，以較低成本支持谷歌的多項服務，僅可用于推理：2017年發布TPUV2，用于加速大量的機器學習和人工智能工作負載，包括訓練和推理：2018年發布TPUV3，算力和功率大幅增長，采用了當時最新的液

27、冷技術：2020年和2021年分別發布TPUv4i和v4，應用7nm工藝，晶體管數大幅提升，算力提升，功耗下降；2023年谷歌發布TPUv5e和TPUV5D，12月最新發布的TPUV5D與TPUV4相比浮點運算性能進一步大幅提升，高帶寬內存方面是TPUV4的近3倍。國內ASIC產品發展勢頭良好，部分國產AISC芯片性能已經達到國際前列水平。我國的AISC芯片產品發展迅速，國內主要ASIC芯片企業有寒武紀、瀾起科技、黑芝麻、地平線、華為海思、阿里巴巴等。部分國產AISC技術已經達到國際前列水平，如在半精度浮點算力方面，華為海思的異騰910超過谷歌的TPUV4和TPUv5e。華為推出的異騰910B

28、芯片，仍然采用華為自研Ascend架構，其整體性能和能效均達到了國際領先水平，目前華為異騰910B計算能力已經可以對標英偉達A100。圖表18華為海思與谷歌芯片性能對比32037627519749394918640INT8 GTOPS32951228820276資料果11/40#page#行業深度|研究報告2024年3月4日寒武紀ASIC產品不斷選代，最新一代產品有望承接國內AI算力需求。寒武紀的第三代云端推訓一體芯片思元370，最大算力高達256TOPS（INT8），是第二代產品思元270算力的2倍。此外，與市場主流同尺寸芯片相比，思元370系列加速卡在實測性能和能效方面表現出一定優勢。公司

29、的思元370芯片及加速卡與數家頭部互聯網企業完成適配工作，已經進入了批量銷售環節；與金融、運營商等眾多行業領域中的頭部公司實現了批量銷售或達成合作意向。思元590是寒武紀最新一代云端智能訓練芯片，目前尚未正式發布。思元590采用MLUarcho5全新架構，實測訓練性能較在售旗艦產品有大幅提升，有望承接國內逐漸升級的AI算力需求。MLU370系列加速卡規格圖表19圖表20寒武紀代表性ASIC產品性能參效MLU37O-S4MLU370-XMLU37O-X192TOP256TOPSTOPS 128 TOPS96 TOPS72TFLOPS96 TFLOPS72 TFLOPS96 TFLOPS18 TF

30、LOPS24TFLOPS24GB48GB307.2GB/3614.4GB/sx16 PCle Gen250W75W150W資科來安證舞團（3）AI服務器借助加速卡獲取強大算力，市場需求快速增長AI服務器是指能夠提供人工智能（AI）的數據服務器，具有強大的圖形處理和高性能計算能力，既可以用來支持本地應用程序和網頁，也可以為云和本地服務器提供復雜的AI模型和服務，能支持多種常用的AI技術，如機器學習、自然語言處理、計算機視覺、生物信息分析等。AI服務器與普通服務器的區別主要在于計算架構的不同，AI服務器通常根據應用場景的不同，采用CPU+GPU/ASIC/FPGA或其他加速卡的異構式計算架構。當前

31、國內外AI服務器市場規?？焖僭鲩L。根據IDC與浪潮信息發布的2023-2024年中國人工智能計算力發展評估報告預計，全球人工智能服務器市場規模將從2022年的195億美元增長到2026年的347億美元，4年復合增長率約15.5%。2023年中國人工智能服務器市場規模將達到91億美元，同比增長82.5%，2027年將達到134億美元，2022-2027年5年年復合增長率達21.8%。圖表212022-2026年全球AI服務器市場規模（億美圖表222022-2027年中國AI服務器市場規模（億美元）元）12/40#page#行業深度|研究報告2024年3月4日當前國內外AI服務器市場規?？焖僭鲩L。

32、根據IDC與浪潮信息發布的2023-2024年中國人工智能計算力發展評估報告預計，全球人工智能服務器市場規模將從2022年的195億美元增長到2026年的347億美元，4年復合增長率約15.-5%。2023年中國人工智能服務器市場規模將達到91億美元，同比增長82.5%，2027年將達到134億美元，2022-2027年5年年復合增長率達21.8%?；ヂ摼W云巨頭貢獻AI服務器主要需求，資本投入力度有望維持增長。AI服務器市場的下游主要是以大型云計算廠商為主。TrendForce統計數據顯示，2022年AI服務器采購量中，美國四家云廠商，微軟、谷歌、Meta、AWS的采購量位居前四，合計占比約6

33、6%。國內企業字節跳動、騰訊、阿里巴巴、百度緊隨其后，在AI基礎設施方面的建設步伐較為領先。IDC統計數據顯示，2023年上半年，互聯網依然是我國加速服務器最大的采購行業，占整體加速服務器市場超過一半的份額，此外金融、電信和政府行業均有超過一倍以上的增長。未來，隨著AIGC、邊緣計算、自動駕駛等新興技術和應用的不斷普及，各大云廠商有望持續加大在AI相關基礎設施方面的投入，持續為AI基礎設施市場注入發展動力。圖表262020-2023年我國云計算支出規模及增速圖表252022年AI服務器下游采購情況88熱城88（4）數據中心需對高速巨量運轉需求做出應對預訓練大模型的訓練推理需要巨量數據資源與高性

34、能計算機的全天候高速運轉，對數據中心的網絡帶寬、能源消耗與散熱運維等能力提出更高要求。首先，網絡是數據中心最為重要的組成部分，隨著數據量與計算量的飛漲，數據中心需優化網絡帶寬，實現數據在節點內與節點間的高吞吐低延退的傳輸與連接，并進一步優化計算集群的架構與設計，保證數據中心的高效利用率；其次，能源消耗與碳排放問題是數據中心吸需關注的重點問題。普通服務器的標準功耗一般在7501200W，而AI模型運行時會產生更多的能耗，以CPU+AI芯片（搭載4卡/8卡）異構服務器為例，系統功耗一般會達到1600W6500W根據斯坦福大學發布的2023年AI指數報告數據顯示，GPT-3模型訓練耗費的電力可供一個

35、美國家庭使用數百年，CO2排放量也相當于一個家庭排放近百年；另一方面，基于大模型算力需求的高能耗運行，其熱量釋放呈現倍增態勢。為了確保服務器能夠長期處于適合的工作溫度，數據中心將更注重系統設計和散熱技術的發展應用。大模型散熱需求加速由風冷到液冷的技術升級，進一步提升經濟性、節能效果和散熱效率等。散熱也將更貼近發熱源，由機柜級散熱、服務器級到芯片級發展。目前，中國大力推進“東數西算”工程，并發布新型數據中心發展三年行動計劃（2021-2023年）等政策性文件，引導新型數據中心實現集約化、高密化、智能化建設，在AIGC時代下完成中國算力產業在規模、網絡帶寬、算力利用率、綠色能源使用率等方面的全方位

36、提升。13/40#page#行業深度|研究報告2024年3月4日大模型時代下的數據中心優化方向貨公網絡帶寬性能效率優化集群設計提升運行與調度效率高吞吐、低延退的數據互聯達能源消耗碳排放新型能源供給數據中心高能運行谷節能環保技術與設計，優化PUE能效散熱運維催化散熱液冷技術，優化中心運維能力2、模型層面：國產大模型能力持續升級，AIGC產業未來應用潛力巨大（1）大模型選代進入快速發展階段，GPT大模型成為關注焦點大模型算法的送代可以大致分為萌芽階段、探索階段和快速發展階段三個階段。第一階段以CNN為代表的傳統神經網絡模型為主。1980年，卷積神經網絡的維形CNN誕生；1998年，以卷積神經網絡為

37、架構的LeNet-5深度學習模型問世，為大模型的發展英定基礎。2006年-2019年，是以Transformer為代表的卷積神經網絡模型階段。2014年，對抗式生成網絡GAN誕生，開啟生成模型研究新階段2017年，Google開創性地提出了Transformer架構，隨后，OpenAI和Google分別發布了GPT-1與BERT大模型，大模型的性能顯著提升。2020年以后，卷積神經網絡模型的參數量激增，多種通用大模型相繼問世，其中，OpenAI在2023年3月發布的預訓練大模型GPT-4成為目前關注焦點。圖表31A大模型發展歷程中國國中理電藍點凈福A3195020182020202120212

38、0231998200520142019資料來源，億歐智庫，平安證券研究Transformer引入注意力機制，突破RNN、CNN處理長序列的局限。Transformer模型是由Google團隊的AshishVaswani等人發表論文AttentionIsAIIYouNeed提出的模型概念，是當前大模型領域主流的算法架構基礎，其上形成了BERT和GPT（GenerativePre-TrainedTransformer）兩條主要的技術路線，其中BERT的代表性落地項目是谷歌的AlphaGo。在GPT3.0發布后，GPT逐漸成為大模型的主流路線。當前，國內包含百度文心一言、阿里通義千問等在內的幾乎所有

39、參數規模超千億的大型語言模型均采用GPT模式。14/40#page#行業深度|研究報告2024年3月4日Transformer模型是一個深度學習模型，其標志性特征是采用了self-attention機制，可為輸入數據的各部分分配不同權重，核心是從關注全部到關注重點，從而節省資源，快速獲得最有效的信息。selfattention機制的引入突破了RNN處理長序列的輸入，以及CNN解決遠距離特征依賴問題的局限，使得通過提升參數量來提升預訓練大模型的性能成為了可能。圖表32Transfommer模型系列分類圖表331中好科來店國外大模型起步較早，全球人工智能企業領先布局，國內2023年迎來爆發式增長。

40、2018年開始，谷歌、OpenAI、英偉達、Meta和微軟等大型科技企業紛紛推出自研大模型技術，預訓練大模型逐漸成為自然語言處理領域的主流研究。2022年11月ChatGPT發布僅兩個月的時間，線上活躍用戶規模超過1億人，生成式大模型市場廣泛關注，尤其是微軟和谷歌兩家人工智能領軍企業迅速意識到ChatGPT對于未來商業的戰略意義，開始圍繞公司現有業務，在生成式大模型領域加速布局。2023年受ChatGPT驅動，大模型發展邁向新階段，國產大模型一時間也呈現出爆發式增長態勢，據賽迪顧問統計，2023年1-7月國內共計64個大模型發布，截至2023年7月，中國累計已經有130個大模型問世。圖表34S

41、amAltman和OpenAI推出的ChatGPT狐起海內外大模型布局熱潮DBing新等8平安15/40#page#行業深度|研究報告2024年3月4日AI近期在大模型、應用方面變化較為顯著，以GPT-4V為標志，向多模態方向發力。在語言處理上有所突破，通過視覺能力豐富了多模態對話的可能性，推動了AI在各個領域更為廣泛的應用。公司日期動態國中2023.8.22企業版2023.8.28全和隱私、支持處理更長文本輸入的長上下文窗口以及定制化一個只備視黨能用戶將能夠與ChatGPT進行對話。GPT-3.5和GPT-4能夠理解用自然2023.9.25力的模型，以及其語言發出的查詢，并以五種不同的語音之

42、一做出回應。的多模式對話功能支持更長的上下文；更新數據、升級知識庫；推出JSONMode新功2023.11.7能，當用戶輸入特定的指令時，機器人能自動識別并調用外部函數完成OpenATurbo任務：圖像生成AI在開發者人會上推出2023.11.7P多領域應用收人2024.1.10GPTs商店上線人。2023.3.14發布Claude2023.7.11發布最新大語言模型Claude2在編碼、數學和推理方面的性能都有所提高Anthropi2023.11.21發布Claude21人工智能聊天機器人谷取Bard發的插件支持。2023.9.19行了最新更落：允許對話分享為uta2023.12.6發布多模

43、態大模型Gemini1.02024215發布Gemini1.5。將上下文窗口長度擴展到100萬個bokens。2023.9.19百度大模阿里云宣布通義千間大模型已首批用戶可登錄通義干間官網體驗，企業用戶可以通過間里云調用通義干2023.9.13間API阿里令理解、文學創作、通用數學、知識記憶、幻覺抵御等能力上河里云在云構大會上發布了2023.10.31參數規模的千向20均看提升為云發布盤古大模型的2023.9.20華為大模型等2023.9.20360國內家桶，正式面向公眾開放科大訊飛2023.8.15發布智能編程助手iFyCode1.0基于訊飛星火V2.0大模型，專注代碼層面。2023.8.2

44、3型的搜索引掌答案。昆侖萬維并開啟內測申請2023.11.16“天工APP更新，具備強大的中文創2023.9.7發布了自研的通用大模型“混元騰訊2023.10.26騰語混元大模型迎來全新升級正式對外開放“文生圖”功能，展示了其在圖像自動生成領域的能力。（2）大模型在云端持續升級，云人工智能市場五年CAGR有望達32.37%1）海外大廠積極布局云端，明年預計發布多個大模型16/40#page#行業深度|研究報告2024年3月4日OpenAI明年上半年預計發布GPT-5，Meta預計已在開發比GPT4更強大的開源大模型Llama3。大模型從云到端持續推進，云端繼續升級，終端大模型呼之欲出。GPT-

45、5訓練數據來源于互聯網數據集和公司專有數據，包括開源和私有數據，涵蓋各種數據類型，如文本、圖像、音頻和視頻，將支持更多種類的輸入和輸出。OpenAI表示，GPT-5的終極目標是實現類似人腦的超級AI，最終實現AGI（ArtificialGeneralIntelligence）。Meta稱正在研發Llama3，預計將于2024年上半年亮相。Llama3被猜測可與GPT-4相匹敵，能夠支持生成精密文本、分析和其他輸出性服務，并計劃保持開源免費。2）云服務產品市場持續擴容，云人工智能市場未來五年CAGR有望達32.37%據MordorIntelligence預計，云人工智能市場規模將從2023年的5

46、10.4億美元增長到2028年的2074億美元，預測期內（2023-2028年）復合年增長率為32.37%。隨著企業數量的不斷增加以及企業之間的競爭，企業正在積極嘗試將人工智能技術與其應用、分析、業務和服務相集成。此外，將公司致力于降低運營成本以提高利潤率，推動云端人工智能快速發展，進一步推動預測期內的市場規模增長。圖93：云端AI預計市場規模2.500.CAGR：32.37%2.000.0市場規模（百萬美元）資料來源：中國銀河證券研究院（3）邊云算法協同發展，推動大模型終端側落地1）邊緣智能向五大方向全面優化，算法支持邊緣計算效率提升大模型時代，從云到端（邊緣側）算法不斷優化升級，其中邊緣智

47、能優化方向包括五大方面，包括邊云協同、模型分割、模型壓縮、減少元余數據傳輸以及輕量級加速體系結構。其中，邊云協同、模型分割、模型壓縮能夠減少邊緣智能對于計算、存儲和設備的需求；減少元余數據傳輸以改善傳輸效率，降低網絡資源浪費：輕量級加速體系結構將在硬件和應用方面支持邊緣計算效率提升邊云協同云計算和邊緣計算相結合，將數據和計算資源分布在云端和邊緣設備，實現數據的高效處理和傳輸。云邊協同優勢明顯，1）充分利用云端強大的計算資源：2）在需要實時響應或者斷網情況下可借助本地設備完成任務：3）保證數據安全性。2023年8月，KubeEdgeSIGAI發布KubeEdgeSednavo.6及Ianvsvo

48、.2，全面提升邊云協同終身學習的能力和性能：升級三大功能，包括支持圖片視頻等非結構化數據場景、提供全面基準測試套件和具備未知任務識別與處理能力。177/40#page#行業深度|研究報告2024年3月4日圖100：邊緣云計算示意圖0he營品臉0hoohc資料來源：邊緣云計算技術標準化自皮書，中國銀河證券研究院模型分割將大量的計算任務分解成不同的部分，把部分或全部計算任務推到邊緣，利用不同設備協同解決問題，能夠獲得更好的端到端延退性能和能源效率。常見的分割方法包括水平分割和垂直分割，水平分割即沿端-邊-云進行分制，垂直分割是將層進行融合，以網格的方式進行垂直分區。這種終端與邊緣圖“州意書限回業城

49、學書的面限回業“相非面區到到身限回要此如何選擇最佳的模型切分點是模型分割的關鍵。模型裁剪可在不影響準確度的條件下對模型“剪枝”，從而減少對計算、存儲等方面的需求。深度學習網絡模型在訓練過程中形成大量元余參數，影響模型運行效率。通過模型裁剪去除兄余參數，并不會影響模型的表達能力。在工業視覺識別系統領域，模型裁剪技術已實現應用：利用權重剪裁和送代裁剪技巧，將提高生產自動化水平和裝備運行效率和穩定性等，有利于推動AI與邊緣計算在工業視覺識別系統的深度融合。減少幾余數據傳輸通過邊云協同、模型壓縮、模型共享和邊緣緩存方面實現。邊云協同：只將在邊緣設備推斷有誤的數據傳輸到云端再次訓練，以減少數據傳輸：模型

50、壓縮：在不影響準確度的情況下移除元余數據，以減少數據的傳輸；模型共享：例如AI模型共享，即同一區域內的AI模型訓練可以受益其他相關AI模型，從而減少計算量：邊緣緩存：可進一步減少元余數據傳輸、緩解云數據中心壓力的解決方案，利用地理位置上相近邊緣節點緩存相關內容，當緩存內容能夠滿足請求時，可以直接從緩存中調用，從而實現快速響應，并且能夠減少網絡中相同內容的重復傳輸。輕量級加速體系結構在大模型部署終端側應用方面至關重要。應用方面，英偉達在Computex2023大會上發布的模組JetsonAGXORIN，算力高達每秒275萬億次TOPS，性能是上一代產品的8倍，同時發布的工業級模組可以幫助客戶在農

51、業、建筑、能源、航空航天、衛星等領域部署邊緣AI的需求。芯片方面，Fortinet、ARM分別推出適用于邊緣計算的芯片FortiSP5和Hercules、Apollo，FortiSP5安全芯片防火墻性能大幅提升17倍，功耗相比業內高性能通用CPU降低88%，為邊緣計算提供安全、高效、低成本的數據處理服務：Hercules和Apollo性能最高提升480倍，同時具有低功耗、小體積、高安全性等優點，使終端設備能夠更好地集成AI能力，實現更廣泛的邊緣計算應用。2）混合人工智能處理預將構建“云+端”新生態18/40#page#行業深度|研究報告2024年3月4日云端處理人工智能的成本高昂，致使發展高效

52、“云端處理+邊緣設備”混合人工智能處理以落地終端的重要性凸顯?；旌霞軜嬀哂胁煌男遁d選項，以便根據模型和查詢復雜性等因素在云和設備之間分配處理。具有超過10億個參數的AI模型已經在手機上運行，其性能和準確度水平與云類似，并且具有100億個或更多參數的模型預計在不久的將來在設備上運行。終端側大模型主要用于推理，將拓展邊緣設備應用?；旌螦I將提振B端AI產品及服務實力，面向行業開發多場景應用、優化AI交互體驗感、增強工作自動化程度，從而提升工作效率：混合AI將優化生成式AI的功能性及可用性，推動企業研發以全面化終端AI功能，拓展C端軟件及硬件產品的多樣性?；旌先斯ぶ悄芊椒◣缀踹m用于所有生成式人工智

53、能應用程序和設備領域，包括智能手機、筆記本電腦、汽車、機器人和智能物聯網終端（AIoT）等。圖101：云+邊緣落地方向菜燃燒風（）黃湖資料來源：NVIDIA，中國銀河證券研究院（4）終端部署AI大模型，打開云到端新空間PaLM2打通從云到邊的AI全鏈路，使AI邊緣部署成為可能。5月份，谷歌發布了適用邊緣的大模型PaLM2，輕量化模型可以降低邊緣側模型部署成本，開拓AI模型在邊緣側推理的場景，將終端AI發展進程往前大大推進了一步。同時谷歌還發布了AI+安卓、AI+邊緣設備（主要是可穿戴設備）以及AI+安卓App的Demo和專業為安卓開發程序的機器人StudioBot，建立基于安卓的邊緣AI生態形

54、?？蚣苌?，谷歌把大模型做到移動端、邊緣側，由此開啟了從云到端的終端交互革命。同期國內廠商在邊緣AI大模型上也加速布局，如阿里通義+天貓精靈智能音箱、百度文心+小度靈機、中科創達Ruki，華為、vivo、小米等也加快了端側大模型的研發投入，越來越多的巨頭開始往終端去走。圖113：谷歌從云到邊的AI全鏈路布局Google DIOPaLM2GeminiMGADCADDSearclWorkspaceOe19/40料來#page#行業深度|研究報告2024年3月4日大模型從云到端的大趨勢確立，終端AI成為下一個兵家必爭之地。AI大模型浪潮是由軟件先行定義一切基礎，在催生算力硬件需求之后，邁向各類終端變革

55、與應用創新的新階段。智能手機作為天然流量池，成為大模型運行在終端的第一個重要市場。除了手機之外，AIoT智能家居、XR頭顯、智能汽車和機器人也是大模型進入終端的四個重要市場。細數終端大模型場景應用：短期看，音箱、耳機、手機是核心載體，落地相對較快；中期看XR和智能汽車，MR愿景未來可期，智能汽車是大模型進入終端的另一個重要市場；遠期看具身智能。（5）AIGC有望帶動單機軟件價值量提升，AI手機布局正當時預計2024年全球智能手機出貨量將增長4%。2022年全球智能手機市場經歷大幅下滑12%后，2023年市場呈現初步的復蘇跡象。根據Canalys的預測，預計2024年全球智能手機出貨量將增長4%

56、，達11.7億部，預計2027年將達到12.5億部，2023-2027年復合增速為2.6%圖11：全球智能手機出貨量預測全球智能手機出貨量及預測2023年：11.3億部2024年：11.7億部年增長率：4%增長率一出貨量增長率（百方臺）經歷兩年下滑后160030%智能手機市場預140020%1200計將在2024年恢1010002復增長，出貨量800將達到11.7億部600400200包包體6canalys來源：Canals智能手機分析預測數據，2023年11月資料來源：Canalys，中原證券AIGC帶來新應用、功能的增加以及智能化水平的提升，有望帶動單機軟件價值量提升。2023年5月11日

57、，谷歌在I/O開發者大會上稱Android14系統的開發中引入了三項生成式AI特性，包括MagicCompose(魔法擺寫）和CinematicWallpapers（電影壁紙）和GenerativeAIWallpapers（生成式AI壁紙）。1）魔法撰寫：在回復信息、寫郵件等各類聊天場景中，AI幫助修飾語言：2）電影壁紙：將照片轉換為3D圖像：3）生成式AI壁紙：用戶輸入prompts，系統自動生成相應前所未有的壁紙。Android14系統中引入AIGC將為新應用和功能的開發提供創新土壤，同時相關代碼量也將增加，有望帶動單機軟件價值量提升。20/40#page#行業深度|研究報告2024年3月

58、4日圖126：谷歌發布搭載Aoid14的智能手機資料來源：Google官網，中國銀河證券研究院AI手機布局正當時。布局大模型似乎成為了國內各手機廠商的“必選項”，近期OPPO、vivo、華為、小米、榮耀等均已公布自己的手機大模型，而業內首個推出AI大模型手機的vivo也收獲了這個新技術加持下的“紅利”一在X100系列發售首日，據vivo官方公布的數據顯示，截至2023年11月21日15:00，vivoX100系列全渠道銷售額累計已突破10億元，打破vivo歷史所有新機銷售紀錄。（6）汽車駛向智能化時代，大模型提升自動駕駛泛化能力1）智能汽車銷量爆發式增長，中國智能座艙市場空陶穩增，2023年滲

59、透率預計可達66%2023年國內智能汽車銷量增速預計為68.5%，據中汽協及億歐智庫數據，2022年中國新能源汽車以大比率增長，產銷分別實現705.8萬輛和688.7萬輛，分別同增96.9%和93-4%；2022年中國智能汽車銷量達412.4萬輛，同比增長166.9%。預計2023年，國內新能源汽車和智能汽車銷量將分別實現998.4萬輛和613.7萬輛，其中智能汽車銷量增速預計可達68.5%。智能汽車銷量將提振智能汽車軟件需求，2025年智能汽車軟件市場規模預計將增至373億元，2021至2025年CAGR約為9-59%圖129年中國智能汽車軟件市場規模及增速資料來源：億歐智庫，中國銀河證券研

60、究院2022年，中國智能座艙市場規模為1127億元。預計2026年，中國智能座艙市場空間可達2127億元，五年復合年增長率（CAGR）約為17%。在軟件定義汽車的背景下，智能座艙通過集成“一核、多屏、多系統”、語音識別、手勢控制、液晶儀表、HUD、DMS和ADAS集成等，為用戶帶來個性化的交互體驗。智能座艙是汽車廠商在激烈的市場競爭中重要的差異化因素，也是汽車廠商后續獲得的重要差異化點，以及持續獲取用戶數據、流量數據變現的方式。智能座艙場景下，整車廠與供應商的關系將更加多元化、開放，供應商需要根據客戶的需求開發兼容的硬件和軟件。同時，智能座艙軟件還涉及操作系統、中間件、UI設計等多個方面。21

61、/40#page#行業深度|研究報告2024年3月4日目前智能座艙發展主要受限于主機廠商對SoC、Hypervisor虛擬化、車載OS、中間件、上層應用軟件的軟件開發能力不足；缺乏邊緣車側、云端、云側協同的端到端融合解決能力，以及可承載整套成的云側協同的架構和組件。圖131：國內智能座艙市場預計規模（億元）AGR3資料來滿據IHSMarkit預計，2023年中國智能座艙滲透率將達66%，超全球智能座艙滲透率水平55-2%；至2025年，中國市場與全球市場情況差異將進一步擴大。智能座艙各關鍵部件來看，座艙域控制器/座艙芯片SoC/HUD/液晶儀表盤/流媒體后視鏡/數字鑰匙的滲透率2023年分別可

62、達8%/40%/20%/90%/54%/8%/33%。據畢馬威分析估算，各關鍵部件滲透率2026年分別將增至34%/70%/55%/97%/68%/28%/63%。圖133：資料來源中國銀河證券研究院華馬威分析，立鼎產業研究網，中國銀河證券研究院隨著汽車互聯程度的提高，軟件更新通過OTA直接向汽車發送和安裝軟件更新：OTA成為軟件定義汽車的重要組成部分。2023-2026年，OTA裝配量有望大幅增長。據畢馬威分析預估，OTA技術滲透率2026年預計將增至94%。22/40#page#行業深度|研究報告2024年3月4日圖135：0TA技術2022-2026B滲透率及裝配量（萬輛）2022202

63、42025E20231裝配量（萬輛）資料來源：畢馬威分析，中國銀河證券研究院2）全球自動駕駛2023年L2/L3滲透率預計可達30%10.9%，2024年L3有望大幅增長據Counterpoint分析，完全自動駕駛汽車（L4-L5）的未來看起來還相對遙遠，因為自動駕駛比想象的更復雜。然而當前，通用汽車、福特和特斯拉等汽車制造商正在通過提供L2+免提駕駛系統以吸引客戶，減輕高速公路上的駕駛壓力。豐田和本田等量產汽車制造商已在其最新車型中添加了L2ADAS作為標準功能。汽車制造商通過提供ADAS套件/套件作為標準或較低價格范圍的選項，以提升更多車型的L2可用性。表21：自動駕駛級別及描述自動駕駛級

64、別描述LO不涉及自動駕駛技術；感知環境并提供信息或者短暫接人車輛運動控制，但是不能持續執行車輛控制駕駛輔助系統LI可持續提供橫向或縱向運動控制，但駕駛員仍要對道路狀況和車輛駕駛情況保持監管L2駕駛員和自動駕駛系統溝通執行全部駕駛任務，允許用戶短智地將雙手脫離方向盤L3系統在設計條件下持續執行全部駕駛任務，若出現即將不滿是運行范圍時請求駕駛員接管自動駕駛系統LA可持續執行全部動態駕駛任務并自動執行最小風險策略。當系統脫離運行范圍時向駕駛員發出介人請求，駕駛員可不響應請求15可在任何行駛條件下持續執行全部動態駕駛任務并執行最小化風險策略資料來源，華經產業研究院，中國銀河證券研究院全球自動駕駛（AD

65、AS）2023年12/L8滲透率預計30%/0.9%，12滲透率預計未來每年呈穩定增長態勢。據華經產業研究院預計，全球ADAS技術各級別Lo/Li/L2/L8/L4滲透率2030年預計演化為12%/21%/57%/7%/3%。國內外進一步政策出臺將有望推動L3自動駕駛滲透率大幅增長。23/40#page#行業深度|研究報告2024年3月4日圖136：全球自動駕駛滲透率（%）3）國內自動駕駛認知快策A大模型開始落地，助力實現端到端方案在自動駕駛認知決策層面，國內已有相關AI大模型落地。2023年4月，毫末智行發布了業內首個自動Y）HHT事VIdDAHC“某量中“IdDAH疏盒強化學習）技術，對自

66、動駕駛認知決策模型進行持續優化，最終目標是實現端到端自動駕駛參數規模達到1200億，預訓練階段引入4000萬公里量產車駕駛數據，RLHF階段引入5萬段人工精選的困難場景接管Clips。與ChatGPT使用自然語言進行輸入與輸出不同，DriveGPT輸入是感知融合后的文本序列，輸出是自動駕駛場景文本序列，即將自動駕駛場景Token化，形成“DriveLanguage”，最終完成自車的決策規控、障礙物預測以及決策邏輯鏈的輸出等任務。10月，毫末智行發布了3款第二代智能輔助駕駛產品，擺脫對高精地圖的依賴，同時成本高昂的激光雷達也成為了非必須可選項，3款產品分別為：HP170、HP370、HP570，

67、市場價格分別為：3000元、5000元、8000元，定價相較此前市場上萬元級別的智能駕駛軟硬件價格而言具備優勢，有望加速高級別自動駕駛大規模商用落地。DriveGP自動駕駛生成式預訓練大模型圖表60DriveGPT的訓練過程和基本效果圖表59資料來源：毫末智行公眾號，平安證券研究所資料來源，毫末智行公眾號，平安證券研究所自2023年以來，大模型上車的速度明顯加快，智能座艙方面，車載語音助手成為AI大模型落地的最重要途徑。多模態大模型的應用可以通過提升車載助手多模態理解能力、感知能力等，重塑人車交互方式。AI大模型+座艙應用頻繁落地。2023年6月，理想旗下語音助手“理想同學”加入了其自研的認知

68、MindGPT，可以支持聲紋識別、內容識別、AI繪畫、AI計算等功能。10月份，隨著智已LS6上市，其自研的GPT大模型也正式上線。而蔚來也已申請NIOGPT、NOMIGPT等商標。此外，科大訊飛的星火大模型、百度的文心一言大模型、商湯的日日新大模型均已在智能座艙場景實現應用落地。24/40#page#行業深度|研究報告2024年3月4日圖表620=登瓷浴主項名（7）大模型為人形機器人注入大腦，打開通用機器人可實現性人形機器人市場空間廣闊，產業化指日可待。從全球范圍來看，人形機器人已有商業應用場景預期落地根據2023年5月GGII發布的報告預測，預計到2026年全球人形機器人在服務機器人中的滲

69、透率有望達到3.5%，市場規模超20億美元，到2030年全球市場規模有望突破200億美元。參考中國服務機器人市場約占全球市場25%的數值測算，2030年中國人形機器人市場規模將達50億美元。圖143：全球及中國人形機器人市場規模預測（億美元）全球中國200150CAGR78%02026E2030E資料來源：GGHI，中國銀河證券研究院特斯拉高調入局，撒起人形機器人產業熱潮。2022年9月30日，特斯拉AIDay上人形機器人“Optimus”（擎天柱）首次亮相，海內外市場為之振奮。2023年5月特斯拉股東會上視頻展示了選代后的Optimus，在電機扭矩和力度控制等方面更精確，預計量產后單價有望低

70、于20000美元。2023年9月，特斯拉機器人X官方賬號發布視頻，Optimus已可以自主對物品分類，同時能夠自動校準它的手臂和腿，僅通過視覺和關節位置編碼器，即可定位其肢體位置。12月13日，馬斯克在社交平臺X展示了將于12月發布的Optimus第二代機器人（Gen2）步行速度提升30%，平衡感和身體控制能力有所改善。根據特斯拉透露的未來方向，Optimus的應用場景未來可能會涉及工業生產，也就是由人形機器人全程接管汽車生產領域，實現真正的無人生產。25/40#page#行業深度|研究報告2024年3月4日2022年特斯拉Optimus外形發展歷程圖表68圖表69資料來源，特斯位官網，平安證

71、券研究所資料來源，特斯拉官網，平安證券研究所大模型為人形機器人注入大腦，打開通用機器人可實現性。能夠認為通用性受限是摯時人形機器人商業化落地的原因，過去人形機器人動作普遍源自提前創建的行為庫，限制了其在更泛化應用場景上的推廣。人形機器人需要具備更強大的智能化和自主決策能力，而大模型具有龐大的先驗知識庫與強大的通識理解能力，可以滿足人形機器人對于通用性的場景和技能的要求，實現復雜的運動控制、多模態感知和決策、自主學習和優化等。當人形機器人的使用者從工程師變成了一般用戶，使用門檻降低將助力產業走向更大規模的爆發。圖表71大模型賦能任務級交互：將自然語言指令快速轉換為代碼Roboticstoday:

72、engineerinteloopGoalwithChatGPT:userontheloop單資料來源：微軟（Cha平安證券研國內多家科技企業與跨界龍頭紛紛布局。當前人形機器人的主要布局者多為科技公司，也有多家跨界公司入局。小米Cyberone重建真實世界、實現運動姿態平衡、感知人類情緒：優必選WalkerX主要應用于科技展館、影視綜藝、商演活動、政企展廳：傅利葉GR-1在工業、康復、居家、科研等多應用場景潛能巨大：達闊CloudGinger2.0應用場景主要包括賣場促銷、直播賣貨、教育科研、清潔打掃、康養陪護、迎賓導覽：智元機器人遠征A1預計先應用在工業制造領域，隨后逐步走向toC應用26/4

73、0#page#行業深度|研究報告2024年3月4日表23：中國人開人公司分析機器人公司功能及應用場景小米Cb實現量根據公司招股說明書，優必選是全球極少數具備全找式復雜地形自適應、動態足腿控制、手眼協調操作、柔順物技術能力（包括計算機視覺、語音交互、同服驅動器、優必選Walkerx理交互、U-SLAM視覺導航、自主徑規劃等；主要應用于運動規劃和控制以及定位導航等技術）的公司之一，也科技展館、影視綜藝、商滴活動、政企展廳是全球首家將雙足真人尺寸人形機器人的成本降低至10萬美元以下的公司動作方面具備直肥行走、快速行走、敏捷避障、穩鍵上下根據傅利葉智能創始人顧捷的訪談，傅利葉智能GR-1得利葉坡、應對

74、沖擊干擾、與人協同完成動作等功能；在工業通用人形機器人將會在2023年底正式實現量產發售康復、居家、科研等多應用場景潛能巨大應用場景主要包括賣場促銷、直插賣貨、教育科研、清潔雙足機器人原型機將在2023年底完成，計劃于2025年達閣Cadig打掃、康養陪護、迎實導覽商用計劃價格控制在20萬元以內，2024年下半年商業化落先應用在工業制造領域，隨后還步走向tiC應用，做烹好智元機器人遠征AI地，未來逐步開放開發平臺，通過開放協同模式、平臺妙菜、衣物整理以及失能老人護理肢體恢復輔助等接口與能力、工具和云平臺3、應用層：AIGC+教育、金融、辦公、法律、醫療加速滲透當前，人工智能在我國各行業已經得到

75、廣泛應用。根據IDC數據，2022年，人工智能在我國互聯網、金融、政府、電信、制造等行業的滲透率分別為83%、62%、52%、51%、45%。其中教育、金融、辦公、法律、醫療行業滲透加速。隨著國產大模型的逐步成熟，我國大模型產品面向我國龐大的互聯網C端用戶群和豐富的行業應用場景，將與產品和應用場景深度融合，賦能我國數字經濟的發展。參考我國數字經濟的巨大體量，我國AIGC產業未來發展前景廣闊。圖表372021-2022年我國各行業人工智能滲透率圖表382017-2022年我國數字經濟規模（%）（1）AIGC+教育：人工智能落地的最優場景之一27/40#page#行業深度|研究報告2024年3月4

76、日ChatGPT帶來的大模型時代，將深入影響學校生態、教育教學改革、教學評價、教師發展等各個層面。隨著大模型發展和落地，可以實現“因材施教”、“個性化學習”等教育最為核心的需求，從而給教育行業帶來“質變”。人工智能技術在教育領域的應用場景廣闊，可大致分為四個層面：1）知識內容檢索。AI可以幫助學生快速檢索相關知識內容，滿足對知識點查詢的需求。這一應用場景知識密度要求較高，但對學生思維引導性較弱一器晶由圍一“是出動與貴口明事工收血“是縣（3值后即可實現，知識密度要求不高，但對學生思維起到部分引導作用。3）內容生成。AI可以根據教材和課程設置自動生成相關學習內容，如生成習題、案例分析等。這一應用知

77、識密度需求不高，但對思維引導性要求增加4）靈感索引。靈感索引是“因材施教”的關鍵，也是傳統教育中老師較難被替代的環節，例如，在學生若干結題步驟中精準定位出錯點，判斷思維誤區，進行正確引導，目前國內外AI+教育產品均在探索中，尚無成熟案例。教育投入一直是公共財政第一大支出。2018年-2022年，國家財政性教育經費累計投入21.4萬億元，年均增長7%，占國內生產總值的比例連續11年保持在4%以上。圖159:2003年至2022年國家教育公共財政支出（億元）中國：公共財政支出：教育003500025000200001500010000I有有資料來源：WIND，中國銀河證券研究院在線教育市場規模穩定

78、增長，未來大有可為。根據艾瑞咨詢數據，2025年我國在線教育市場規模將達到4905億元，年復合增長率17.5%。這主要受益于以下幾個方面的因素：1）國家對于教育事業的重視和支持，不斷增加教育經費投入，推動教育信息化和現代化的發展，為在線教育提供了政策紅利和基礎條件。2）互聯網技術的不斷進步和創新，提升了在線教育的技術水平和服務質量，為在線教育提供了28/40#page#行業深度|研究報告2024年3月4日技術驅動和效率提升。3）用戶對于在線教育的接受度和付費意愿的不斷提升，以及對于個性化、多樣化、國際化的在線教育需求的不斷增長，為在線教育提供了市場需求和消費動力。4）在線教育機構的不斷創新和優

79、化，以及與其他行業的跨界合作和融合，為在線教育提供了產品多元化和競爭優勢。人工智能在教育領域的應用場景包括教師的輔助教學和學生的自主學習。在學習過程中利用人工智能技術構建學生數據畫像，通過AI算法對數據持續分析，從老師的角度出發，收集學生反饋來提升教學質量和完善教學細節，讓老師的教學更有針對性：從學生的角度出發，在多個維度分析學生學習能力、學習偏好、自身學科水平等，更全面的對學生的綜合能力進行評估，描繪學生知識點的薄弱之處，制定最優學習路徑，有針對性的提供個性化解決方案幫助改進學習模式，實現“因材施教”。人工智能在教育領域的發展趨勢和未來展望充滿了無限的可能性，未來AI+教育的發展趨勢：1）智

80、能教育平臺的普及：隨著人工智能技術的成熟和成本的降低，智能教育平臺將成為學校和教育機構的標配，為學生提供更便捷、更高效的學習環境。2）教育機器人的應用：教育機器人將成為學生學習的伙伴和助手，通過與學生互動和合作，幫助他們培養創造力、解決問題的能力和團隊合作精神。3）跨學科融合的教育模式：人工智能將促進不同學科之間的融合和交叉，培養學生的綜合能力和跨學科思維能力。4）教育的全球化：人工智能將打破地域限制，實現教育的全球化，讓更多的學生受益于優質教育資源和技術。圖160:人工智能賦能教育流程示意圖拍照搜題、分層排課培伴機器人、到物風補臨錄最外圍學習環節口語測評、組卷閱卷次外國學習環節作業批改虛擬場

81、景展現作業布置次核心學習環節規劃學習路徑推送學習內容最核心學習環節偵測能力缺陷預測學習進度資料來源：行行查研究中心，中國銀河證券研究院（2）AIGC+金融：國內金融大模型搶灘布局，場景應用加速滲透2023年3月30日，彭博發布其大語言模型BloombergGPT，是LLM在垂直金融場景的落地加速的象征。BloombergGPT聚焦于金融場景，將其多年積累的金融領域報告術語等對LLM進行訓練，相較普適性類ChatGPT產品，其對金融術語的理解更為高效與準確。BloombergGPT采用500億參數與7000億數據集規模對大模型進行訓練，遠小于GPT3的1750億參數與45TB數據量。其數據集主要

82、包含兩個部分，一個數據量占比49%的通用型文本數據集，主要包括ThePile、C4、Wikipedia等通用常識類數據集，另一個數據量占比51%的金融預料數據集，主要包含括新聞、研究報告、公司財報、網絡爬取的金融文件以及提取到的社交媒體消息等內容。根據彭博發布的29/40#page#行業深度|研究報告2024年3月4日論文，BloombergGPT在通用領域能力與GPT3幾乎持平，但在金融垂直領域文本撰寫和問答能力更為突出。BloombergGPTLLM預訓練的成功說明LLM在垂直領域應用的可用性和訓練成本可控的可行性。表27：GPT-NeoOF166Bloom176E79.6314.1720

83、9819.96724713668.0375834.8265.025.0ENes46.122699314428.0749.14134517A116.06CoumtrNesAITaksvg624729.23357633.39033AITaswR）1.000000.67資料來源中國銀河證券研究院國內，2023年9月18日，首個金融行業大模型標準發布。信通院牽頭，聯合騰訊云、奇富科技、科大訊飛等四十多家企業共同編制的面向行業的大規模預訓練模型技術和應用評估方法第1部分：金融大模型正式發布。該標準主要涵蓋了金融大模型的關鍵能力要求，包括場景適配度、能力支持度和應用成熟度三大方面，覆蓋了投資研究、投資顧間

84、、風險管理、市場營銷、客戶服務等多個金融應用場景，并詳細規定了金融大模型在數據合規性、可追湖性、私有化部署、風險控制等方面的要求。為大模型在金融領域的應用提供了一定的指導，在金融行業的合規可信方面提供保障，有望加速行業應用落地。國內各廠商紛紛搶灘布局金融大模型，應用加速落地表28：國內金融大模型進展廠商AI應用方向及進展及四款大恒生電子模型產品已面向20家金融機構開啟內測。目前公司已發布基于LehGPT打造的四款光子產品：面向投顧創作的光子文曲，面向合規管理的光子方圓、面向投顧咨詢的光子善策和面向運營管理的光子慧營。人、智能質檢機器人，會議轉寫系統、智慧政務平臺、智能醫療輔助系統等40余項人工

85、智能產品及服務；公司自主研發的同花順智能語同花順音平臺，在中文金融場景語音識別準確率達到98%以上，中英文通用場景識別準確率超過95%，多種方言識別準確李超過90%：同時。平臺還具備高度擬人的語音合成能力，以及語音轉換、歌聲合成、情感識別和聲較識別等智能語音技術能力。目前公司自研金融大模型“阿財HithinlGPT”，已進人內測與備案階段。9月20日，華為全聯接大會“智領春變，共建數智金融未包括場景層，模型層、底座層三層。以高質量的數據為基礎，通過三層方案加速創新生產力、躍升智力、咨濟算力三力協同，逐步實現場景的價值款地、體系構建、能力因化。10月24日，科大訊飛于1024開發者節智慧金融論壇

86、上發布星火金融行業大模型V1.0及場景應用最新成果此次層火金融大模型VLO具備金融知識間答、金融文本理解、金融內容生成、金融會話分析、金融數據分析、金融數學計算、金融邏輯推理七大核心能力。該大?？拼笥嶏w型已與知識運營、客戶服務、人機協同、APP交互、營銷展業、軟件研發等行業細分場景深度融合，并已解化出是火智能客服、大模型坐席助手、大模型知識庫、金融APP助手、金融展業助手、智能編程助手等產品應用。10月17日，公司推出大模型應用產品和解決方案，包括4個應用級產品和宇信科技AI+信貨助手、AI+背銷資料來源：恒生電子，同花順，字信科技，華為，百度，科大訊飛，中國跟河證券研究院30/40#page

87、#page#行業深度|研究報告2024年3月4日圖163:WPSAI主要功能有了WPSAI解鎖無限可能1生成文檔資料來源，（4）AIGC+法律：未來預計可替代44%法律工作生成式AI或可替代44%法律工作。根據高盛（GoldmanSachs）研究報告ThePotentiallyLargeEffectsofArtificialIntelligenceonEconomicGrowth顯示，以ChatGPT為代表的生成式AI產品，將對美國和歐洲三分之二工作崗位造成影響（大約3億個工作崗位）。其中，行政和法律是受影響最大的領域，高盛表示，46%的行政工作和44%的法律工作可以被人工智能替代。44%的法

88、律相關工作可以被生成式A著代圖164:資料來ChatGPT為法律行業多種應用場景賦能。GPT可以提高法律服務的效率和質量，傳統的法律服務需要律師大量的時間和精力來處理和解決案件，但是GPT可以通過快速準確地分析和處理大量的法律數據，從而減少重復的、機械式的工作。新一代GPT具備復雜邏輯推理能力，且能夠很好地處理非結構化信息，而法律行業大量的信息/數據是以非結構化的形式存在的，現階段的GPT已經可以初步勝任一個律師助理的工作。32/40#page#行業深度|研究報告2024年3月4日在法律行業的應用場景法律研究法律翻譯頭許門簽ChatGPT在律所運管案件分析法律行業應用場景冬取調查文書生成知識管

89、理資料來源：法將科技公眾號，中國銀河證券研究院結合法律科技領域過往的經驗，從服務的客戶/對象來看，AI+法律領域可以大致分為以下幾類：1）2B：針對企業提供法律科技服務。一般是針對企業中高頻、重復的法律需求提供解決方案（例如，針對房產中介平臺提供的合同智能處理服務）：2）2L:針對律所/律師等法律專業從業者的法律科技服務，2L也可以算作是2B中的一個特殊分類。最近半年在海外拿到高額融資的頭部AI+法律創業公司，多集中手與LLM結合之后的“AI法律助理”這個領域：3）2C：針對普通用戶提供的法律科技服務平臺，為用戶提供法律問題的自動解答、相關律師推薦等。由于普通用戶的使用頻次低，決策流程長等問題

90、，2C平臺扮演的更多是為律所/律師引流的角色，產品的價值和天花板不高，很難形成獨立的產品，更多是依附在2B平臺上的一個附加服務一許多2B的產品會搭建類似平臺幫助其客戶做引流。（5）AIGC+醫療：助力智慧醫療轉型升級隨著ChatGPT引發的AIGC技術革新，在NLP、CV方向上的AIGC應用將大大提升，“AIGC+醫療”將會在諸如院內臨床決策系統、手術機器人、智慧病案系統、醫療影像、藥企新藥研發與基因檢測等多應用場景得到廣泛推廣。弗若斯特沙利文發布醫療智能行業白皮書顯示，中國醫療產業正由1.0醫療信息化發展為3.0醫療智能化，大數據、云計算、AI技術能力、醫學知識與場景經驗、場景與算法高頻選代

91、是五大核心要素。白皮書預計，2025至2030年中國醫療智能市場規模復合年增長率37.4%，市場規模將破1.1萬億元。圖166：中國醫療智能化市場規模（十億元）圖167:智能醫療行業階段年復合增長率中國醫療智能行業市場規模（十億元）1114今年年年沙利文醫療智能行業白皮書資料來源受料來33/40#page#行業深度|研究報告2024年3月4日AI+核心醫療產業鏈可以分為AI基礎層，AI醫療技術層與應用層：1）基礎層，除數據服務外，芯片與通信等基礎核心領域已形成牢固的技術壁壘，市場呈穿頭局面：2）技術層，算法、框架以及通用技術則需要長期的投入與研發來攻克，目前各大科技企業與互聯網巨頭企業基本已完

92、成布局，中小企業生存空間較少：3）應用層，應用層可觸達全醫療服務場景，如院內臨床決策系統、手術機器人、智慧病案系統、醫療影像、藥企新藥研發與基因檢測。圖168:AI+醫療產業鏈吧醫學圖像識別醫學知識圖話導息流金資料來源未來隨著技術不斷送代創新及政策支持加碼，AI+醫療有望迎來高速發展期。中國的人工智能醫療市場具有廣闊的發展前景和潛力，隨著人工智能技術的不斷創新和進步，未來會有更多產業政策、技術變革動醫療行業的變革和創新。同時，政府和行業協會的規范引導，將進一步促進人工智能在醫療領域中的應用，建議關注覆蓋醫療場景的廣度與對醫療垂直及細分領域研究的上市公司。六、相關公司1、浪潮信息：算力供給龍頭企

93、業引領AI算力新浪潮浪潮信息是國內領先的服務器制造企業，專注于為客戶提供先進的云計算、大數據、邊緣計算等計算產品和解決方案。算力方面，公司服務器產品體系豐富，競爭優勢明顯。公司通過場景優化設計，形成了一系列豐富的產品線，涵蓋了計算型、存儲型、多節點、關鍵應用、整機柜等各類服務器，支持全場景高效計算。公司收入穩定增長，業務成長性良好。從整體收入來看，公司營業收入從2018年469-41億元增長到2022年695.25億元，CAGR約為10.32%。公司的收入主要來自于服務器及部件，近年來公司的服務器及部件收入占比均高于95%，2022年公司服務器及部件營收占比約為99.17%。2022年，公司人

94、工智能服務器市占率連續3年全球第一，連續6年市占率中國第一；2023年Q3浪潮信息居全球服務器份額第二。公司牽頭參與服務器全部國標，是唯一一家同時加入全球三大開放計算組織的服務器供應商。公司是百度、阿里、騰訊等大型企業最主要的AI服務器供應商，與科大訊飛保持在系統與應用的深入合作，幫助AI客戶在語音、圖像、視頻、搜索、網絡等方面取得數量級的應用34/40#page#行業深度|研究報告2024年3月4日性能提升。公司打造最廣泛、多元的算力平臺，推出全新一代G7服務器，是目前業界算力支持最廣泛的平臺。公司在AI服務器領域具有先發優勢，全棧布局液冷。多年來圍繞智慧計算、數據中心液冷技術持續加大研發投

95、入，目前全系列服務器均支持冷板式液冷，實現全算力業務場景覆蓋。COIV開放平臺、多元算力，打造高全棧布局踐行綠色降磁浪潮信息服務器性能突出。公司AI服務器2022年在全球權威AI性能評測競賽MLPerf中獲得49個冠軍，以全面領先的AI訓練、推理性能表現，為AI研發和應用提供強勁動力，其AI服務器產品已經應用在全球領先的互聯網巨頭企業以及AI+Science、AI+Graphics、AIGC等領域的領先科技公司，成為全球AI服務器的最大供應商。浪潮信息英信服務器NF5688M6是浪潮信息為超大規模數據中心研發的同時擁有高性能，高兼容，強擴展的新一代NVLinkAI服務器，率先在6U空間內支持2

96、顆Intel最新的IceLakeCPU和8顆NVIDIA最新的NVSwitch全互聯500WAmpere架構GPU，采用業界先進的NVIDIANVLink互聯架構，數據中心液冷整機柜服務器ORS3000S基于全新一代英特爾至強第三代可擴展處理器打造，單CPU最高擁有40個內核及80線程，最大支持TDP270WCPU、最高睿頻3.6GHz、3組11.2GT/sUPI互連鏈路，使服務器擁有更高處理性能同時兼容標準機架式服務器和整機柜服務器，整合網絡、計算、存儲等功能，滿足不同用戶的多種需求指水2、中科曙光：持續發力高端服務器市場中科曙光是國內領先的高端服務器生產商。公司高端服務器產品全棧自研，擁有

97、大規模部署實踐：不斷開拓算力服務業務，通過全國一體化算力服務平臺加速海量復雜行業應用創新與落地，為國內多個大模型提供算力支持。公司持續提升技術創新能力和研發水平，在部件性能管理、產品穩定性、高速互聯等方面持續提高產品性能，全面升級服務器的可擴展能力、可管理能力，增強產品的核心競爭優勢，經營業績穩步提升。35/40#page#行業深度|研究報告2024年3月4日2022年，公司利潤端持續高增。公司營業收入130.08億元，同比增長15.44%，歸母凈利潤15.44億元，同比增長31.27%。各業務營收占比基本保持穩定，盈利質量持續提升。公司高端計算機產品包括機架式服務器、高密度服務器、刀片服務器

98、、超融合一體機產品等，能面向多種應用場景，兼顧性能、能效、應用生態，具有領先的計算密度和節能性。公司的高端服務器產品也涵蓋浸沒液冷、冷板液冷等產品形態，具有節能高效、安全穩定、高度集成等特點。智能計算天闊服務器X785-G30：采用Itel最新一代的XeonScalable系列處理器，可支持更多CPU核心，最高支持DDR42933內存，極大地提高了系統性能，處理器集成6通道內存控制器，支持最高2933MHz的DDR4內存。單顆CPU最高可提供28核心計算能力，采用全新的UPICPU總線互聯技術，總線頻率高達10.4GT/s，計算能力大幅提升。曙光超融合整體解決方案采用微服務架構，將服務器資源統

99、一整合?；诟咝Э煽康姆掌鲗崿F一體化的系統交付。在新超構品8品雞3、海光信息：國產86CPU龍頭，DCU打開第二增長曲線海光信息是基于AMDX86技術授權自主研發，設計和銷售CPU和DCU的芯片設計廠商。公司于2014年成立，2016年海光信息和AMD共同成立兩家子公司海光集成和海光微電子，海光獲得AMD技術授權，并約定專利由子公司海光微電子持有，由海光微電子初步設計后向子公司海光集成銷售。公司對已授權技術的消化、吸收、改進和提高，在此基礎上，自主研發并推出了海光系列CPU產品和深算系列DCU產品。公司的主營產品包括海光通用處理器（CPU）和海光協處理器（DCU）系列。公司CPU產品主要分為

100、7000、5000和3000系列，主要應用于服務器和工作站。7000系列主要應用于高端服務器，主要面向數據中心、云計算等復雜應用領域。5000系列主要面向政務、企業和教育領域的信息化建設中的中低端服務器需求。3000系列主要應用于工作站和邊緣計算服務器，面向入門級計算領域。海光DCU屬于GPGPU的一種，主要為8000系列，主要部署在服務器集群或數據中心。表I:公司產品主要分為CPU和DCU兩大系列產品處理器典型應用場指今集主要產品產品特框光型種類景海光3000系列內置多個處理器核心，集成通用的高性能外設接口，擁云計算、物聯海光通用處兼容x86網、信息服務有完善的軟硬件生態環境和定備的系統安全

101、機制，適用海光5000系列理器CPU指令集等于數據計算和事務處理等通用型應用海光7000系列兼容類大數據處理、海光協處理內置大量運算核心，具有較強的并行計算能力和較高的CUDA環人工智能、商海光8000系列DCU器能效比，適用于向量計算和矩陳計算等計算密集型應用境業計算等36/40#page#行業深度|研究報告2024年3月4日CPU更新至第四代，DCU更新至第二代。CPU方面，海光CPU已經有海光一號、海光二號、海光三號實現商業化，海光四號于2023年10月底發布，海光五號處于研發階段。公司目前在售的海光CPU田孔不口臺二尊名一尊售DOa“0oa“三%缺通王售深算三號處于研發階段。4、科大訊

102、飛：人工智能國家隊，產品體系橫跨五大領域深耕AI領域二十余載，人工智能國家隊。公司自成立以來，一直從事智能語音、自然語言理解、計算機視覺等核心技術研究，積極推動人工智能產品和行業應用落地，是國內AI技術最為領先的企業之一，曾多次在語音識別、語音合成、機器翻譯、圖文識別等各項國際評測中取得佳績。僅于2022年，公司就累計獲得包含常識閱讀理解挑戰賽OpenBookQA、QASC、ReClor等在內的13項認知智能國際競賽冠軍。同時公司是中文語音交互技術標準工作組組長單位，具備牽頭制定中文語音技術標準能力。以“平臺+賽道”發展模式為基，AI賦能千行百業。公司在“平臺+賽道”模式下，打造了包含教育、智

103、慧城市、智慧醫療業務等在內，面向多個垂直行業的AI應用生態體系，持續賦能千行百業的AI數字化轉型。訊飛開放平臺：以語音交互為核心，技術輸出的核心渠道。訊飛開放平臺以“云+端”方式提供智能語音能力、計算機視覺能力、自然語言理解能力、人機交互能力等相關的技術和垂直場景解決方案。智慧教育：圍繞因材施教理念，打造GBC三端聯動的發展模式。公司教育業務覆蓋G/B/C三端，打造了以因材施教為底座、智慧課堂為中心，同時配備AI學習機、個性化學習手冊等硬件產品的多元生態體系，目前教育業務已成長為公司的核心業務。智慧城市：標桿案例涌現，靜待行業破革。公司通過人工智能+專家智慧+多元多維數據的深度融合，實現了從城

104、市治理到政府數字化轉型的全面升級，近年來成果顏豐。以公司參與打造的皖事通為例，在年度政務APP排名中位列第四名，已服務了超7000萬百姓，僅去年一年訪問量達到了316億次，未來有望成為公司探索新區域的標桿示范。消費者業務：圍繞AI+辦公、AI+生活兩大場景，深入挖掘用戶需求。公司業務包含智能辦公本、錄音筆、翻譯機等硬件產品和訊飛輸入法、訊飛聽見APP、虛擬人等軟件產品。近年來通過軟硬件耦合協同發展方式，深入挖掘用戶需求，相關業務業績提速明顯。智慧醫療：以GBC模式為底座，蓄勢待發的第二成長曲線。智慧醫療是繼教育后，公司以GBC發展模式拓展的新賽道。目前產品服務體系已覆蓋了智慧衛生（G端）、智慧

105、醫院（B端）及智慧硬件（C端）的完整商業閉環。公司旗艦產品智醫助理在基層領域優勢明顯，是全國唯一在基層大規模落地的智能輔助應用。目前智慧醫療處于發展早期，整體規模較小。星火模型持續選代，性能位居行業榜首。星火是由公司推出的新一代認知智能大模型，擁有跨領域的知識和語言理解能力，能夠基于自然對話方式理解與執行任務，提供語言理解、知識問答、邏輯推理、數學題解答、代碼理解編寫、跨模態等多種能力。歷經二次送代后，目前星火已發展為國內最為先進的大模型產品之一。根據新華社研究院發布的人工智能大模型體驗報告2.0，訊飛星火以總分1013分位列國產主流大模型測評榜首位，并在麻省理工科技評論中國發布的大模型評測報

106、告顯示，榮獲“最聰明”的國產大模型稱號。公司已于23年10月24日發布第三代星火認知大模型，中文能力已全面超越ChatGPT（GPT3-5），英文能力已結果相當。5、國內其他AIGC模型企業37/40#page#行業深度|研究報告2024年3月4日騰訊于單巴吧華為文心大模型跳元大模型查古大候公通又大模型動風大極機器學習年臺MGOFAModelArs機器學習與深度學習平臺于Pylorc理義-AliceMi億級通又。視覺HYm.veT成大模型盤古多模態大Sm愛（）07是合芯2代AIi-NP具騰（Ascend）芯片七、未來發展超勢1、中短期基于Transformer算法和結構優化仍是主流，長期可能被

107、替代學術界將通過擴大模型參數量、調整模型結構、局部算法優化等方式，進一步探索大模型的能力天花板，理明上旅業重水到不Y“M不不變科IOV調雄吉“科血醒解驟游地彈誰衛甲里一“回票以訊喝隨用重越了“其毒“對外模型名稱為廠商能力代號，但內含技術架構隨時可能改變”的發展特征。產業與科研兩側的需求都已經暴露標準Transformer架構的巨大瓶頸，即“不可能三角”。各大機構與開發團隊對Transformer架構的成功改進在快速推進，未來極有可能會出現具備推廣價值的新Transformer架構?？蒲泻彤a業側大模型技術路徑分化，均導向對Transformer的改進與顏覆38/40#page#行業深度|研究報告

108、2024年3月4日2、AI成為基礎設施，部分基礎工作被替代，社會人力結構和分配方式重塑技術的躍遷、生產效率的提升并不會自然帶來社會整體福利水平的提升，相反往往以性部分人的利益為前提，進而引發社會結構、分配方式的重塑。AIGC交互界面的用戶友好性、大模型開源及API價格的降低、插件服務帶來的應用生態繁榮等，都使得AI技術或將成為像水、電、網絡一樣的基礎設施，滲透并改變千行萬業。然而，大模型具有認知、分析、推理能力，不同于自動化浪潮下對藍領的沖擊，AIGC時代受AI影響最大的可能是初級專業人士和技術人員，即部分白領。據麥肯錫數據預測，到2045年左右，有50%的工作將被AI替代，比此前的估計加速了

109、10年。與此同時，具有創造力、深度思考等高階智力的人才，將享受到AIGC帶來的效率優勢，成為AI的駕馭者，相應的工作需求也會增加。智力要素重要性的提升、附加值的提高，都將推動社會資源和財富向頂尖人才和組織聚集，但社會是一個整體，生產效率的提升并不代表著購買力的提升，被替代的普通職工才是購買力的最大來源，為了維持供需平衡，分配制度需要重塑。如美國總統競選人楊安澤提出向大企業征收增值稅，并向公民發放補貼，以及OpenAI創始人SamAltman提出的世界幣均等分配等，都通過反思并調整現有的分配方式，以驅動社會向更美好的方向演進。AIGC的社會影響AI成為基礎設施，基礎工作分配方式調整時馬代報設計、

110、物料生成如醫療診斷輔助等當前人類工作活動實現全球自動化水平的時間表文入有陽動站業征收增值稅，向公民發3、鼓勵AIGC研究，放寬內容容錯率，強調AI生成標識，推動公開數據建設自AIGC逐漸應用以來，引發了知識幻覺、數據安全、個人隱私、道德倫理等諸多問題和討論，新生的行業函需監管措施的跟進和健康發展引導。2023年7月，網信辦等七個部門正式發布了生成式人工智能服務管理暫行辦法（以下簡稱辦法），距離征求意見稿發布僅隔三個月，且監管要求更為寬松，反復強調了鼓勵發展的態度。具體來看，辦法主要規范公共服務環節，不包含有關專業機構的研發和應用環節，鼓勵企業在自研自用范圍加強技術攻關；其次，辦法不強求生成內容

111、的真實、準確性，放寬了容錯率，對前期探索的企業帶來一定利好，但同時也提高了用戶辯別的時間和成本。同時，辦法要求提供者對AI生成內容進行顯著標識，有望從根本上杜絕AI生成內容難以辨別的問題，但也可能影響用戶對內容的價值判斷，對企業帶來負面影響。最后，國家以立法的形式打造數據和算力39/40#page#行業深度|研究報告2024年3月4日協同共享的平臺，最大化促進資源利用，有利于為中小型企業減負，降低研發成本。辦法發布后，步加速。中國AIGC監管帶來的機遇和挑戰生成式人工辦法監涉及環節真實住境外服務特定行業八、參考研報艾瑞咨詢-人工智能行業：2023年AIGC場景應用展望研究報告1.平安證券-計算機行業2024年年度策略報告：政策、市場、技術多重驅動，看好AIGC和信創2.銀河證券-計算機行業2024年度投資策略：AI三要素共振，AIGC云到端加速推進3.中信證券-科技行業產業2024算力投資策略：多模態推動技術選代，國產化助力產業成長4.中泰證券-AI行業算力系列之一：服務器/整機，再踏層峰辟新天，擁抱算力新機遇6.長江證券-傳媒互聯網行業2024年度投資策略：頭部流量再挖掘，技術賦能進行時免責聲明：以上內容僅供學習交流，不構成投資建議40/40#page#