互聯網行業專題報告：AI大模型ChatGPT 取得突破性進展國內大模型爭相發布-230419（28頁）.pdf

1、請務必閱讀正文之后的免責聲明及其項下所有內容證券研究報告證券研究報告|20232023年年0404月月1919日日超配超配互聯網行業專題報告：互聯網行業專題報告：AIAI 大模型大模型ChatGPTChatGPT 取得突破性進展，國內大模型爭相發布取得突破性進展，國內大模型爭相發布核心觀點核心觀點行業研究行業研究海外市場專題海外市場專題互聯網互聯網互聯網互聯網超配超配首次評級首次評級證券分析師：謝琦證券分析師：謝琦聯系人：陳淑媛聯系人：陳淑媛021-60933157021-S0980520080008聯系人：王穎婕聯系人：王穎婕021-市場走勢資料來源：Wind、國信證券經濟研究所整理相關研究

2、報告2023 年 3 月電商數據：-消費復蘇強勁，線上滲透率繼續提升2023-04-18互聯網行業動態點評 2023-03-16互聯網行業動態點評-2022 年 12 月電商數據：國內消費逐步回暖，零售線上化率進一步提升 2023-01-31互聯網行業動態點評-2022 年 11 月電商數據：消費受疫情短期沖擊明顯，線上消費反彈快韌性強 2022-12-21互聯網行業動態點評-電商雙 11：行業增長趨緩，綜合電商提升體驗，直播電商繼續搶占份額 2022-11-24大模型提升機器理解能力大模型提升機器理解能力，優化人機交互方式優化人機交互方式。AI 大模型是實現通用人工智能（AGI）的重要方向，

3、包含自然語言處理(NLP)、計算機視覺（CV），多模態大模型等。ChatGPT 推出兩個月MAU 突破1 億，是自然語言處理領域突破性的創新，大力出奇跡后出現涌現能力,更理解人類語言。大模型“預訓練+精調”即可對下游應用賦能。我們認為大模型優化人類與機器交互方式，是效率的革命。大模型是“大數據+大算力+強算法”結合的產物，對比國內外大模型，算力儲備上國內并無短板;算法上 OpenAI 有先發優勢;前期數據的豐富度和量對大模型的訓練至關重要。百度文心大模型：包含百度文心大模型：包含NLPNLP、CVCV 等在內的系列大模型。等在內的系列大模型。文心大模型包含NLP大模型、CV 大模型、跨模態大模

4、型、生物計算大模型、行業大模型等。與Bing 類似，文心一言有望優化C 端用戶搜索、創作體驗；ToB 方面，百度已開放大模型API 接口，在文案、AI 作畫、開放域對話方面賦能企業。對于具體行業，百度推出文心行業大模型，以“行業知識增強”為核心特色。阿里巴巴通義大模型阿里巴巴通義大模型：由通義由通義-M6-M6 模型融合語言模型和視覺模型組成模型融合語言模型和視覺模型組成，率先率先應用在硬件終端天貓精靈和軟件通義千問。應用在硬件終端天貓精靈和軟件通義千問。通義大模型包括統一底座“M6-OFA”，三大通用模型“通義-M6”“通義-AliceMind”“通義-視覺大模型”，以及行業層面的不同垂直領

5、域專業模型。在應用上，天貓精靈基于通義大模型推出擬聲助手“鳥鳥分鳥”；對話式通義千問已經開始內測。騰訊混元大模型：采用熱啟動降低訓練成本，文字視頻等多領域表現優異騰訊混元大模型：采用熱啟動降低訓練成本，文字視頻等多領域表現優異，已在廣告游戲等多場景落地已在廣告游戲等多場景落地。目前騰訊混元大模型已在騰訊廣告、內容創作、游戲、對話式智能助手等方面實現落地，大幅提升工作效率并降低成本。華為盤古大模型華為盤古大模型：基于基于ModelArtsModelArts研發設計的系列模型研發設計的系列模型，在物流在物流、藥物研發藥物研發、氣象預測等多領域已實現落地。氣象預測等多領域已實現落地。目前盤古CV 大

6、模型已覆蓋了物流倉庫監控等領域；NLP大模型覆蓋了智能文檔檢索、智能ERP 和小語種大模型；科學計算大模型則應用于氣象預報、海浪預測等方面。字節跳動字節跳動AIAI 探索基礎扎實，在語言大模型和圖像大模型初步布局。探索基礎扎實，在語言大模型和圖像大模型初步布局。字節跳動AIGC 大模型將從語言和圖像兩種模態發力，預期在今年年中推出大模型。字節跳動在算力、算法、數據方面并無短板。目前模型可用于圖文、視頻內容生成等，飛書將推出智能AI 助手“My AI”。投資建議：投資建議：當前，各家公司開展新一輪AI 模型競賽，希望借助大模型開展“模型即服務”的范式。算力、算法、數據是大模型能否成功的重要因素，

7、重點關注在大模型領域有技術儲備的國內公司騰訊控股騰訊控股、阿里巴巴阿里巴巴、百度百度等。風險提示：風險提示：AI 技術迭代進度不及預期；AI應用落地進度不及預期；政策風險；供應鏈風險等。重點公司盈利預測及投資評級重點公司盈利預測及投資評級公司公司公司公司投資投資昨收盤昨收盤總市值總市值EPSEPSPEPE代碼代碼名稱名稱評級評級（港元（港元）（百萬（百萬，港元港元）2023E2023E2024E2024E2023E2023E2024E2024E0700.HK騰訊控股買入365.43,497,06415.718.020189988.HK阿里巴巴-SW買入94.82,007,8916.77.612

8、119888.HK百度集團-SW增持129.6362.4377.99.31412資料來源：Wind、國信證券經濟研究所預測請務必閱讀正文之后的免責聲明及其項下所有內容證券研究報告證券研究報告2內容目錄內容目錄大模型概述：大模型概述：大模型提升機器理解能力，優化人機交互大模型提升機器理解能力，優化人機交互.5 5AI 大模型是實現通用人工智能（AGI）的重要方向.5大模型應用：“預訓練+精調”即可對下游應用賦能，優化人類與機器交互方式.6大模型三要素：算力、算法、數據.9百度文心大模型百度文心大模型.1212模型簡述：已擁有 NLP、CV、跨模態、行業等多個 AI 大模型場景.12模型 toC

9、應用：文心一言有望優化 C 端用戶搜索、創作體驗.13模型 toB 應用：開放 API 接口賦能企業，精調行業模型.14阿里巴巴通義大模型阿里巴巴通義大模型.1616模型簡述：由通義-M6 模型融合語言模型和視覺模型組成.16模型應用：率先應用在硬件終端天貓精靈和軟件通義千問.17騰訊混元大模型騰訊混元大模型.1818模型簡述：熱啟動降低訓練成本，文字視頻等多領域表現優異.18模型應用：已在廣告游戲多場景落地，大幅提升效率并降低成本.20華為盤古大模型華為盤古大模型.2222模型簡述：基于 ModelArts 研發設計的系列模型，NLP、CV 等方向性能優越.22模型應用：在物流、藥物研發、氣

10、象等多個場景實現落地，極大提高行業效率.23字節跳動大模型字節跳動大模型.2424模型簡述：AI 探索基礎扎實，語言大模型和圖像大模型初步布局.24模型應用：可用于圖文、視頻內容生成等，飛書將推出智能 AI 助手“My AI”.25投資建議投資建議.2727風險提示風險提示.2727免責聲明免責聲明.2828FZ8VhUjZfZmVuVuVvU7NbPaQnPoOpNpMeRmMqMeRrQvM7NoPxPxNoNpNwMpMrQ請務必閱讀正文之后的免責聲明及其項下所有內容證券研究報告證券研究報告3圖表圖表目錄目錄圖1：消費級應用達到一億用戶花費時長(月).5圖2：ChatGPT 對話演示.5

11、圖3：ChatGPT 能力實現解析.6圖4：訓練大模型“預訓練+精調”模式.6圖5：OpenAI 宣布推出插件功能.7圖6：Segment Anything Model（SAM）演示.8圖7：大語言模型產品應用價值鏈與已滲透部分應用.8圖8：生成式 AI 發展歷程與 ChatGPT 的突出能力.9圖9：主要數據集大小匯總（部分，GB）.10圖10：百度文心全景圖.12圖11：百度 NLP 大模型.13圖12：中國大模型市場 2022 年評估結果百度.13圖13：文心一言對話演示.14圖14：百度文心大模型 API.14圖15：百度文心行業大模型原理.15圖16：文心行業大模型案例.16圖17：

12、阿里巴巴通義大模型系列架構.16圖18：阿里巴巴通義-M6 發展歷史.17圖19：阿里巴巴深度語言模型 AliceMind.17圖20：阿里巴巴通義-視覺大模型.17圖21：鳥鳥分鳥基于通義大模型系列.18圖22：鳥鳥分鳥 15 天訓練流程.18圖23：阿里巴巴通義千問.18圖24：阿里巴巴通義千問百寶袋.18圖25：HunYuan-tvr 在 5 個公開數據集上排名第一.19圖26：HunYuan-NLP 1T 模型在 CLUE 總榜、分類榜和閱讀理解榜登頂.19圖27：HunYuan 大模型及解決方案.19圖28：騰訊廣告多媒體 AI 技術研究與應用情況.20圖29：騰訊智能創作助手功能一

13、覽.20圖30：騰訊游戲 AI 路網生成模型.21圖31：騰訊混元助手項目組織架構.21請務必閱讀正文之后的免責聲明及其項下所有內容證券研究報告證券研究報告4表1：大模型比較.11表2：國內大模型概述.11表3：盤古系列模型應用場景和領域.23表4：相關公司盈利預測及估值.27證券研究報告證券研究報告大模型概述大模型概述：大模型提升機器理解能力大模型提升機器理解能力，優化優化人機交互人機交互AIAI 大模型是實現通用人工智能（大模型是實現通用人工智能（AGIAGI）的重要方向）的重要方向AIAI 大模型是實現通用人工智能（大模型是實現通用人工智能（AGIAGI）的重要方向。）的重要方向。AI

14、大模型是基于海量多源數據打造的模型。AI大模型具備通用、可規?；瘡椭频戎T多優勢，是實現 AGI（通用人工智能）的重要方向。AI 大模型當前包含自然語言處理(NLP)、計算機視覺（CV）等，統一整合的多模態大模型等。ChatGPTChatGPT 推出兩個月推出兩個月 MAUMAU 突破突破1 1 億，是自然語言處理領域突破性的創新，進一步理解億，是自然語言處理領域突破性的創新，進一步理解了人類語言。了人類語言。大語言模型（Large Language Model，LLM）是一種使用了大量數據訓練的深度學習算法，構建出一個能夠理解人類語言并自動生成語言的模型。ChatGPT 在2022 年11 月

15、底推出后，2023 年1 月的月活躍用戶數已達1 億，成為歷史上用戶增長最快的應用。ChatGPT 的自然語言處理能力超越了以往的自然語言處理模型，可以應對各種自然語言處理任務，包括機器翻譯、問答、文本生成等。圖1：消費級應用達到一億用戶花費時長(月)圖2：ChatGPT 對話演示資料來源：Yahoo Finance，國信證券經濟研究所整理資料來源：ChatGPT，國信證券經濟研究所整理ChatGPTChatGPT 由由OpenAIOpenAI 研發研發，GPTGPT 模型已更新至模型已更新至GPT-4GPT-4，大力出奇跡后出現涌現能力大力出奇跡后出現涌現能力。GPT全稱是 Generati

16、ve Pre-trained Transformer，是OpenAI 開發的一系列延伸自轉換器架構（Transformer）的自然語言生成模型。2018 年，OpenAI 推出GPT-1。2022 年11 月，OpenAI 推出了對話交互式的ChatGPT。ChatGPT 在GPT-3.5 之上用基于人類反饋的監督學習和強化學習(RLHF)進行微調。人類反饋的引入，使機器更理解人類語言,讓 GPT 獲得更逼真的結果。ChatGPT 在邏輯推理、上下文理解等方面的能力，是模型規模達到量級后“涌現”出的。證券研究報告證券研究報告圖3：ChatGPT 能力實現解析資料來源：Natural Langu

17、age Processing with Deep Learning，Jesse Mu，艾瑞咨詢，國信證券經濟研究所整理大模型大模型應用應用：“預訓練預訓練+精調精調”即可對下游應用賦能即可對下游應用賦能，優化人類與優化人類與機器交互方式機器交互方式大模型借助大模型借助“預訓練預訓練+精調精調”等模式等模式，用相比較大模型更少量的數據即可對下游應用賦用相比較大模型更少量的數據即可對下游應用賦能能。預訓練大模型基于海量數據的完成了“通識”教育。在具體應用場景下，借助“預訓練+精調”等模式，應用模型用相比較大模型更少量的數據即可進行相應微調，高水平完成細分應用的任務。大模型增強機器理解力，優化人類與

18、機器交互方式，提升信息處理效率。大模型增強機器理解力，優化人類與機器交互方式，提升信息處理效率。1 1）自然語言類大模型自然語言類大模型：人類可以用自然語言方式人類可以用自然語言方式，與機器形成交互與機器形成交互。ChatGPT 為自然語言方面的大模型應用，語言文本處理是人類世界最重要的工作內容之一，如果AI 能圖4：訓練大模型“預訓練+精調”模式資料來源：IDC，百度，國信證券經濟研究所整理證券研究報告證券研究報告夠懂的人類自然語言，并與人類形成交互，將協助人類大幅提升語言文本處理效率，帶來生產力效率提升。例如，ChatGPT 可以依托人類自然問答的方式，幫助人類完成回答問題、虛擬助手（計劃

19、旅行、預定餐廳、購買產品等）、創作、文本、編程、摘要等工作。我們也可以通過語言類大模型調用機器工具，大模型相當于人類助手。我們也可以通過語言類大模型調用機器工具，大模型相當于人類助手。根據微軟論文Sparks of Artificial General Intelligence:Early experiments with GPT-4，GPT-4 能夠根據人類指令推斷出需要哪些工具，有效地解析這些工具的輸出并適當地做出回應，而無需任何專門的訓練或微調。2023 年3 月23 日，OpenAI 宣布推出插件功能，幫助ChatGPT訪問最新信息、進行計算或使用第三方服務。據OpenAI官網，第一批

20、支持ChatGPT第三方插件的網站共11 個，包含電商、預定航班、訂購食材、檢索實時信息、檢索知識庫信息等領域。2）視覺類大模型：視覺類大模型：與語言模型類似，視覺類模型需要完成對圖片的理解。2023 年 4月6 日，MetaAI 在官網發布了基礎模型Segment Anything Model（SAM）并開源，其本質是基于Transform 模型架構，可以對圖像中的一切對象進行分割。交互方面，SAM可使用點擊、框選、文字等各種輸入提示，指定要在圖像中分割的內容。精準分割為大模型圖像理解的基礎。圖像理解可以在智能駕駛、圖像識別、安防（人臉識別）等方面進行利用。圖5：OpenAI 宣布推出插件功

21、能資料來源：OpenAI 官網，國信證券經濟研究所整理證券研究報告證券研究報告3）多模態融合多模態融合：多模態為語言、圖片、音頻等多個模態的感知和認知融合。多模態大模型能夠讓機器結合環境因素來模擬人與人之間的交互方式，讓圖像、文本、語音等模態之間的統一表示和相互生成。多模態融合也是各大模型著重努力的方向。當前，已有的大模型可在文本、圖像等方面賦能，已有的滲透應用包括搜索引擎（Bing等）、辦公工具（Microsoft 365）、企業服務應用、垂直領域應用（金融、電商等）等等。根據2023 阿里云峰會,阿里巴巴集團董事會主席兼CEO 張勇表示“所有行業、所有應用、所有軟件、所有服務都值得基于新型

22、人工智能技術、基于AIGC 各方面技術支撐、大模型支撐重做一遍”。圖7：大語言模型產品應用價值鏈與已滲透部分應用資料來源：艾瑞咨詢，國信證券經濟研究所整理圖6：Segment Anything Model（SAM）演示資料來源：Meta，國信證券經濟研究所整理證券研究報告證券研究報告大模型大模型三三要素：算力、算法、數據要素：算力、算法、數據大模型是大模型是“大數據大數據+大算力大算力+強算法強算法”結合的產物結合的產物。1 1）算力是算力是AIAI 發展的基礎設施發展的基礎設施，芯片至關重要。，芯片至關重要。算力的大小代表著對數據處理能力的強弱。芯片性能越好，大模型的處理能力越快。比如，黃仁

23、勛在2023 年2 月財報會中表示“過去十年，通過提出新處理器、新系統、新互連、新框架和算法，并與數據科學家、AI 研究人員合作開發新模型，已使大語言模型的處理速度提高了100 萬倍?！? 2）算法是）算法是AIAI 解決問題的機制，源于算法理論發展、迭代優化。解決問題的機制，源于算法理論發展、迭代優化。不同算法可以看做解決問題的不同路徑，算法的優劣可以用空間復雜度與時間復雜度來衡量。例如，GPT是在 Transformer 模型基礎上發展的，Transformer 由 GOOGLE 在 2017 年提出。Transformer 相比于傳統的循環神經網絡（RNN）或卷積神經網絡（CNN），在處

24、理長文本時具有更好的并行性和更短的訓練時間。圖8：生成式 AI 發展歷程與 ChatGPT 的突出能力資料來源：艾瑞咨詢，國信證券經濟研究所整理3 3）數據是算法訓練的養料數據是算法訓練的養料，前期需要給模型喂養大量數據前期需要給模型喂養大量數據，形成模型理解能力形成模型理解能力，中后中后期數據質量決定了模型精度。期數據質量決定了模型精度。機器學習中要用標注好的數據進行訓練，數據標注對未經處理的初級數據進行加工處理,轉換為機器可識別信息，只有經過大量的訓練，覆蓋盡可能多的各種場景才能得到一個良好的模型。當前，數據的豐富度和量對大模型的訓練至關重要，只有大量數據的訓練，大模型才有理解能力涌現的可

25、能。當前訓練數據集來源多為公開數據，比如根據AlanD.Thompson 文章，列舉的大模型的數據集包括維基百科、書籍、期刊、Reddit鏈接、Common Crawl和其他數據集等。中后期，高質量數據將提升模型的精度。比如更加事實性的數據將提升模型準確性，更加通順的中文語言將提升模型理解中文語言能力。另外，高質量反饋數據也可提高模型性能，比如ChatGPT 采用人類強化學習RLHF，通過更專業的問題、指令、人類反饋排序等加強模型理解人類語言邏輯。最后，也可以通過更精準的垂類數據，完成部分更細分領域模型搭建。證券研究報告證券研究報告我們從以上三個維度，分析當前發布的部分大模型：1）算力：算力布

26、局主要來源于芯片的采購布局，算力基礎設施的投入阻擋了部分小公司的入局。當前數據訓練需要較高性能的芯片完成對整體模型神經網絡的訓練構建，供應廠商包括英偉達等。應用層面只需調用整體大模型里的部分神經網絡，故對芯片要求沒有訓練模型時那么高。2）算法：OpenAI仍有先發優勢，GPT-3 之后并未開源。每家公司都有自己實現大模型的路徑算法，由于GPT在成立之初就堅持自己的算法路徑（采用單項Transformer 架構等)，并在此基礎上運用大量數據訓練使得模型產生的涌現能力，取得了一定的成功，擁有先發優勢。自 GPT-3 開始（2020年），OpenAI 便不再公布大模型相關訓練及技術細節。雖然當前Op

27、enAI 的成功提供部分借鑒，但其他公司仍需時間去研發追趕并進行模型迭代。除此以外，部分公司在特定領域擁有算法積累的先發優勢，比如搜索類公司對語料的切割和識別有先發優勢，視覺類公司在圖像領域識別有先發優勢。3）數據：當前中文語料規模與質量上不如英文語料。根據W3Techs，中文網站占全球網站數1.3%，英文網站占比 63.6%。除此以外，由于中國移動互聯網發展較為成熟，大量的中文數據資源被存于各家企業或機構里，較難共享。圖9：主要數據集大小匯總（部分，GB）資料來源：Alan D.ThompsonWhats in my AI paper，國信證券經濟研究所整理；注：確定的數據以斜體表示。僅原始

28、訓練數據集大小。證券研究報告證券研究報告表1：大模型比較企業模型參數算力數據RLHF進度OpenAIGPT31750 億上萬塊 GPU（V100）45TB 預訓練22.11.30 日發布 ChatGPTGoogleLaMDA1370 億1.56TB23.3.22 日發布 BardMetaLLaMA最大 650 億RSC 超算平臺1.4T token23.2.24 日發布微軟Megatron-turing 5300 億Azure 云平臺3390 億文本暫未公布產品百度文 心 大 模 型（ERNIW 3.0）2600 億飛槳深度學習平臺，百度云4TB(文本與知識圖譜)23.3.16 日 發 布文

29、心 一言，23.3.27 日發布文心千帆大模型平臺阿里M6超過 10 億阿里云1.9TB 圖像292GB 文本23.4.11 日發布通義千問騰訊混元2000 億太極機器學習平臺，騰訊云五大跨模態檢索數據集暫未公布產品華為盤古200B鵬程云腦、ModelArts 40TB21.4 發布盤古大模型資料來源:OpenAI,Google，Meta，微軟，文心大模型官網，通義千問官網，阿里巴巴官網，騰訊太極機器學習平臺，華為云，國信證券經濟研究所整理目前，國內已有百度、阿里巴巴、騰訊、華為等公司對AI 大模型進行開發，各模型系列主要的NLP語言大模型、CV大模型、多模態大模型也已推出并實現部分應用落地。

30、此外，據36氪消息，字節跳動也在語言和圖像大模型上有所布局，預期將于今年年中推出字節自研大模型。具體來看：百度在 AI 方面布局多年，具有一定大模型先發優勢。當前，申請文心一言 API調用服務測試的企業已突破6.5萬。在行業大模型上，已經與國網、浦發、吉利、TCL、人民網、上海辭書出版社等均有案例應用。阿里通義大模型在邏輯運算、編碼能力、語音處理方面見長，集團擁有豐富的生態和產品線，在出行場景、辦公場景、購物場景和生活場景均有廣泛應用。騰訊混元大模型已經在廣告投放、游戲制作投入使用，目前集團在研究對話式智能助手，預計投入使用后將對QQ 和微信生態有一定優化。華為與B 端合作緊密，預計未來應用以

31、ToB為主。此外，華為在算法、算力上儲備較為豐厚。比如“鵬城云腦II”獲全球IO500 排行五連冠，擁有強大的AI 算力和數據吞吐能力。華為云 ModelArts 平臺的高效處理海量數據能力，7 天完成了40TB 文本數據處理。盤古大模型最早已經在2021 年4 月正式發布，當前盤古大模型訓練文本數據高達 40 TB（GPT-3 為45 TB）。表2：國內大模型概述公司公司大模型大模型底層支持底層支持模型系列模型系列應用應用百度百度文心大模型飛槳深度學習平臺，百度云文心 NLP 大模型（ERNIE 3.0）、文心 CV 大模型、文心跨模態大模型、文心生物計算大模型文心一言、開放 NLP 大模型

32、 ERNIE3.0/跨模態大模型 ERNIE-ViLG/對話大模型 PLATO 的 TOB API 接口，賦能下游企業文案、AI 作畫、開放域對話等方面阿里巴巴阿里巴巴通義大模型阿里云通義-M6、通義-AliceMind、通義-視覺大模型 天貓精靈、通義千問騰訊騰訊混元大模型騰訊太極機器學習平臺，騰訊云混元 NLP 大模型、混元 CV 大模型、混元多模態大模型、混元文生圖大模型騰訊廣告、文涌（Effidit）、3D 虛擬場景自動生成、對話式智能助手華為華為盤古大模型鵬程云腦、ModelArts盤古 NLP 大模型、盤古 CV 大模型、盤古科學計算大模型“物的銀行”、新藥研發、氣象預測字節跳動字

33、節跳動字節跳動大模型 火山引擎語言和圖像大模型抖音特效、剪映 AI 生成、飛書 AI 助手“My AI”資料來源:文心大模型官網，通義千問官網，阿里巴巴官網，騰訊太極機器學習平臺，鵝廠技術派，華為云，36 氪，國信證券經濟研究所整理證券研究報告證券研究報告百度文心大模型百度文心大模型模型簡述模型簡述：已擁有已擁有 NLPNLP、CVCV、跨模態跨模態、行業等多個行業等多個 AIAI 大模型場景大模型場景文心大模型擁有多個文心大模型擁有多個 AIAI 應用場景，文心一言是基于文心應用場景，文心一言是基于文心 NLPNLP 大模型的對話式產大模型的對話式產品品。根據官網介紹，文心大模型包含 NLP

34、 大模型、CV 大模型、跨模態大模型、生物計算大模型、行業大模型等，分別可用于語言、圖像、跨模態、生物、細分行業等。2023 年 3 月 16 日，百度正式官宣全新的生成式 AI 對話應用文心一言，是文心 NLP 模型應用下的產品。其能夠與人對話互動，回答問題，協助創作。圖10：百度文心全景圖資料來源：文心大模型官網，國信證券經濟研究所整理百度百度 NLPNLP 核心是核心是 ERNIEERNIE 模型模型。文心 NLP 大模型面向語言理解、語言生成等 NLP場景。百度文心 NLP 大模型打造了 ERNIE 模型系列，ERNIE 問世于 2019 年，目前發展至 3.0 版本。其中語言理解和生

35、成包含 ERNIE 3.0 Tiny、ERNIE 3.0、鵬城-百度.文心、ERNIE 3.0 Zeus，另外文心 NLP 大模型包含醫療、金融等細分領域ERNIE 模型。ERNIE 3.0 Tiny（輕量級）：可用于通用語言理解。ERNIE 3.0（百億級）：可用于智能創作、摘要生成、問答、語義檢索、情感分析、信息抽取、文本匹配、文本糾錯等各類自然語言理解和生成任務。鵬城-百度 文心（千億級）：模型參數規模達到 2600 億（GPT-31750 億）,可用于輿情分析、智能創作、文本解析等。證券研究報告證券研究報告圖11：百度 NLP 大模型資料來源：文心大模型官網，國信證券經濟研究所整理文心

36、大模型在國內市場格局中較為領先文心大模型在國內市場格局中較為領先。根據 IDC 發布2022 中國大模型發展白皮書，百度文心大模型在市場格局中在產品能力、生態能力、應用能力等方面在國內較為領先。文心一言文心一言核心優勢是對核心優勢是對中文的理解。中文的理解。百度作為中國語境的搜索龍頭，擁有有更多的中文語料數據參與訓練。比如，文心一言可以針對“洛陽紙貴”這種容易產生歧義的成語，給出較為貼切的解釋?？梢杂贸烧Z寫出藏頭詩，用四川話讀出文章。圖12：中國大模型市場 2022 年評估結果百度資料來源：IDC，國信證券經濟研究所整理模型模型 toCtoC 應用：文心一言有望優化應用：文心一言有望優化 C

37、C 端用戶搜索、創作體驗端用戶搜索、創作體驗百度已經推出對話式產品文心一言。百度已經推出對話式產品文心一言。文心一言可通過對話模式，幫助用戶文學創作、商業文案創作、數理推算、中文理解、多模態生成等。例如文心一言發布會上案例，文心一言可以生成 2023 世界智能交通大會海報，解答“智能交通最適合證券研究報告證券研究報告哪個城市發展”的問題，并用四川話和視頻形式展現答案。我們認為，與 New Bing類似，百度可以將對話式人工智能功能添加至搜索引擎中，優化用戶搜索、創作等體驗。當前，在百度 APP 內，基于文心 ERNIE 大模型已實現新聞資訊信息的自動分類，新聞標題和摘要的自動生成等功能。模型模

38、型 toBtoB 應用：開放應用：開放 APIAPI 接口賦能企業，精調行業模型接口賦能企業，精調行業模型目前目前，百度開放大模型百度開放大模型 APIAPI 接口接口，在文案在文案、AIAI 作畫作畫、開放域對話方面賦能開發者開放域對話方面賦能開發者和企業和企業。百度文心大模型開放了 NLP 大模型 ERNIE3.0、ERNIE-ViLG 文生圖、對話大模型 PLATO。ERNIE 3.0 提供文案改寫、開放問答、摘要、文案創作、小說創作、文本補全等文本理解與創作能力。ERNIE-ViLG 提供基于文本描述的 AI 作畫能力。PLATO 提供生成式開放域對話服務，邏輯清晰、知識多元、情感豐富

39、，閑聊能力接近真人水平。當前已經有 650 家企業宣布接入文心一言生態，還有更多的企業在排隊。據百度介紹，申請文心一言 API 調用服務測試的企業已突破 6.5 萬。圖14：百度文心大模型 API資料來源：文心大模型官網，國信證券經濟研究所整理圖13：文心一言對話演示資料來源：文心一言發布會，國信證券經濟研究所整理證券研究報告證券研究報告對于具體行業來說，對于具體行業來說，百度百度也推出文心也推出文心.行業大模型行業大模型，進行行業精調。，進行行業精調。行業大模型是在百度通用大模型的基礎上學習行業特色數據與知識，建設行業 AI 基礎設施。圖15：百度文心行業大模型原理資料來源：文心大模型官網，

40、國信證券經濟研究所整理百度文心行業大模型以百度文心行業大模型以“行業知識增強行業知識增強”為核心特色。為核心特色。目前百度文心行業大模型在能源、金融、航天、制造、傳媒、城市、社科以及影視等領域，與國網、浦發、吉利、TCL、人民網、上海辭書出版社等均有案例應用。我們以五個行業場景舉例：在燃氣行業，“深燃-百度文心”在環境巡檢、安全監控等領域落地，有效解決了場景繁雜、識別困難等難題；在汽車行業，“吉利-百度文心”應用于售后服務和汽領域知識庫構建等場景；在保險行業，“泰康-百度文心”應用于醫療單據識別等任務，平均字段識別錯誤率相對下降；在電子制造行業，“TCL-百度文心”改變了傳統質檢算法流程，大幅

41、提升了模型研發與運營效率，實現降本增效；在社科行業，“辭海-百度文心”用于版權保護、詞條管理和知識挖掘等方面。證券研究報告證券研究報告圖16：文心行業大模型案例資料來源：文心大模型官網，國信證券經濟研究所整理阿里巴巴通義大模型阿里巴巴通義大模型模型簡述：模型簡述：由通義由通義-M6-M6 模型融合語言模型和視覺模型組成模型融合語言模型和視覺模型組成通義大模型最早發布于 2022 年 9 月 2 日，在阿里達摩院主辦的世界人工智能大會“大規模預訓練模型”主題論壇上。通義大模型實際上是由一系列模型組成，通義大模型實際上是由一系列模型組成，包括統一底座“M6-OFA”，三大通用模型“通義-M6”“通

42、義-AliceMind”“通義-視覺大模型”，以及行業層面的不同垂直領域專業模型。圖17：阿里巴巴通義大模型系列架構資料來源：機器之心，國信證券經濟研究所整理通義系列前身為通義系列前身為 M6M6，是阿里達摩院研發的通用性多模態大模型是阿里達摩院研發的通用性多模態大模型，特點是訓練能耗特點是訓練能耗顯著降低。顯著降低。M6 自 2020 年初正式啟動研發，于 2021 年 1 月/3 月/5 月分別發布百億/千億/萬億參數多模態預訓練模型。2021 年 10 月發布十萬億參數模型，并且支持使用 512 GPU 在 10 天內即訓練出具有可用水平的 10 萬億模型，同等參數下相較于 GPT-3

43、能耗降低 99%。證券研究報告證券研究報告圖18：阿里巴巴通義-M6 發展歷史資料來源：機器之心，國信證券經濟研究所整理M6M6 融合語言模型和視覺模型，形成當前的通義系列大模型。融合語言模型和視覺模型，形成當前的通義系列大模型。2022 年 1 月，阿里M6 發布了統一大模型 M6-OFA，可以實現不同模型之間的模態表示、任務表示、模型結構的統一。以 M6-OFA 為統一底座，阿里巴巴將另外兩大模型“AliceMind”“視覺大模型”與 M6 進行融合，形成了當前的通義系列架構。其中，通義通義-AliceMind-AliceMind 為深度語言模型體系，包含了通用語言模型 StructBER

44、T、生成式PALM、結構化 StructuralLM、超大中文 PLUG、多模態 StructVBERT、多語言 VEC等多個不同模型，具有閱讀、寫作、翻譯、問答、搜索、摘要生成、對話等多種能力；通義通義-視覺大模型視覺大模型包括文本到視覺生成、語言和視覺的模態映射兩大基礎模型，可以提供文生圖等能力。圖19：阿里巴巴深度語言模型 AliceMind圖20：阿里巴巴通義-視覺大模型資料來源：AliceMind，國信證券經濟研究所整理資料來源：機器之心，國信證券經濟研究所整理模型應用：模型應用：率先應用在硬件終端天貓精靈和軟件通義千問率先應用在硬件終端天貓精靈和軟件通義千問硬件終端方面硬件終端方面

45、：天貓精靈基于通義大模型推出擬聲助手天貓精靈基于通義大模型推出擬聲助手“鳥鳥分鳥鳥鳥分鳥”。4 月 4 日，脫口秀演員鳥鳥在微博發布了一條關于天貓精靈的演示視頻。根據公司和鳥鳥的介紹，“鳥鳥分鳥”是天貓精靈聯合阿里達摩院，基于通義大模型，對鳥鳥錄制的一個多小時音頻進行學習訓練而成。從形態上看，“鳥鳥分鳥”本身是一個對話機器人，具備多輪對話能力，并且還能利用搜索引擎等工具。個性化是“鳥鳥分鳥”最大特點，具備擬人化的音色、語氣、表達方式。我們推測，這意味著通用大模型將有可能在表達方式層面實現較低成本的定制化。證券研究報告證券研究報告圖21：鳥鳥分鳥基于通義大模型系列圖22：鳥鳥分鳥 15 天訓練流

46、程資料來源：機器之心，國信證券經濟研究所整理資料來源：機器之心，國信證券經濟研究所整理對話式通義千問已經開始內測，包含對話式通義千問已經開始內測，包含 9 9 款款“百寶袋百寶袋”小應用。小應用。4 月 7 日，阿里云宣布大模型“通義千問”上線，并定向邀請企業用戶進行測試。測試版的通義千問與 ChatGPT 和文心一言在界面上相似，都是采用問答對話的形式。此外，通義千問在對話模式之外，制作了 9 款稱為“百寶袋”的小應用，可以分為三類：1）效率類：寫提綱、SWOT 分析、商品描述生成；2）生活類：會放飛的菜譜、小學生作文、然后呢；3）娛樂類：彩虹屁專家、寫情書、為你寫詩。我們認為，未來阿里大模

47、型有望添加至阿里系電商和釘釘等場景中，帶動用戶體驗和效率的提升。圖23：阿里巴巴通義千問圖24：阿里巴巴通義千問百寶袋資料來源：虎嗅，國信證券經濟研究所整理資料來源：虎嗅，國信證券經濟研究所整理騰訊混元大模型騰訊混元大模型模型簡述：熱啟動降低訓練成本，文字視頻等多領域表現優異模型簡述：熱啟動降低訓練成本，文字視頻等多領域表現優異“混元混元”AIAI 大模型大模型由由 TEGTEG 數據平臺部和機器學習平臺部聯合主導數據平臺部和機器學習平臺部聯合主導，涵蓋涵蓋計算機視計算機視覺覺、自然語言處理自然語言處理、多模態內容理解多模態內容理解、文案生成文案生成、文生視頻等方向文生視頻等方向?！盎煸盇I

48、大模型由騰訊 17 級研究員/杰出科學家（騰訊史上最高專業職級）張正友博士帶隊，2022 年 4 月公司首次披露研發進展，目前已更新至 2.0 版本。性能上看性能上看，“混元混元”大模型在文字大模型在文字、視頻等多個領域表現優異視頻等多個領域表現優異。其中 HunYuan-tvr模型在文字和視頻在全球最具權威的 MSR-VTT，MSVD，LSMDC，DiDeMo 和ActivityNet 五大跨模態視頻檢索數據集榜單排名第一，實現該領域的大滿貫；HunYuan-NLP 1T 模型在 CLUE（中文語言理解評測集合）總榜、分類榜和閱讀理解榜排名第一。證券研究報告證券研究報告圖25：HunYuan

49、-tvr 在 5 個公開數據集上排名第一資料來源：鵝廠技術派，國信證券經濟研究所整理圖26：HunYuan-NLP 1T 模型在 CLUE 總榜、分類榜和閱讀理解榜登頂資料來源：騰訊太極機器學習平臺，國信證券經濟研究所整理技術上看技術上看，“混元混元”大模型基于騰訊太極機器學習平臺研發大模型基于騰訊太極機器學習平臺研發，通過改進模型與算通過改進模型與算法，大幅降低訓練成本。法，大幅降低訓練成本。HunYuan 利用千億小模型幫助萬億大模型完成啟動，相較從 0 啟動耗時短耗能低，僅用 256 卡，最快一天內即可完成萬億參數大模型HunYuan-NLP 1T 的訓練，整體訓練成本僅為直接冷啟動訓練

50、萬億模型的 1/8。圖27：HunYuan 大模型及解決方案資料來源：量子位，國信證券經濟研究所整理證券研究報告證券研究報告模型應用：已在廣告游戲多場景落地，大幅提升效率并降低成本模型應用：已在廣告游戲多場景落地，大幅提升效率并降低成本騰訊廣告業務騰訊廣告業務：騰訊在廣告業務中應用騰訊在廣告業務中應用 AIAI 模型模型，助力廣告主提升廣告創作效率助力廣告主提升廣告創作效率、提升廣告推薦系統的內容理解能力提升廣告推薦系統的內容理解能力，大幅提升了廣告效率大幅提升了廣告效率，實現降本增效實現降本增效。在混元 AI 大模型基礎上建立“巨闕”廣告內容理解、“乾坤”廣告智能創作、“神針”廣告智能審核、

51、“天印”廣告指紋系統等四大技術平臺，提升了廣告系統的理解能力，讓系統更加智能，從而提高用戶體驗以及廣告轉化效果與廣告制作效率。圖28：騰訊廣告多媒體 AI 技術研究與應用情況資料來源：騰訊云開發者，國信證券經濟研究所整理內容創作：內容創作：騰訊智能創作助手文涌（Effidit）主要用途是幫助創作者開闊思路、提升創作后的文本水平和質量等，目前已經發布 2.0 版本。據官方介紹，文涌融合了知識抽取、文本理解、文本生成、大規模預訓練模型、經典語言模型、搜索等技術，部分功能的實現使用“混元”系列 AI 大模型作為底層預訓練模型。圖29：騰訊智能創作助手功能一覽資料來源：Effidit，國信證券經濟研究

52、所整理游戲業務游戲業務：騰訊近日提出基于 AI Bot 與 AIGC 兩大方向的自研 3D 虛擬場景自動生成解決方案，幫助游戲開發者以更低成本創造風格多樣、貼近現實的虛擬城市，大幅提升 3D 虛擬場景的生產效率。以 3D 虛擬城市道路布局設計為例，現有技術生成的路網通常橫平豎直、風格單一，要實現不同城市風格必須手動設計和反復證券研究報告證券研究報告修改，耗時至少一周耗時至少一周。騰訊解決方案只需用戶輸入城市主干道和海岸線，模型 1分鐘內即可填充合理、多樣的路網細節并支持微調操作，相比現有技術下效率提相比現有技術下效率提升近升近 100100 倍。倍。圖30：騰訊游戲 AI 路網生成模型資料來源

53、：騰訊 AI 實驗室，國信證券經濟研究所整理對話式智能助手對話式智能助手：騰訊集合集團內資源與頂尖人才騰訊集合集團內資源與頂尖人才，正在全力打造類正在全力打造類 ChatGPTChatGPT 對對話式產品。話式產品。36 氪旗下媒體消息，騰訊類 ChatGPT 對話式產品項目組騰訊混元助手項目組（HunyuanAide）于 2023 年 2 月已經成立。該項目組聯合騰訊內部多部門構建大參數語言模型，目標是通過性能穩定的強化學習算法訓練，完善騰訊智能助手工具，打造騰訊智能助手，并能成為國內的業界標桿，我們預計未來AI 只能助手將廣泛應用于騰訊系社交產品和辦公產品等。圖31：騰訊混元助手項目組織架

54、構資料來源：職場 Bonus，國信證券經濟研究所整理證券研究報告證券研究報告華為盤古大模型華為盤古大模型模型簡述：基于模型簡述：基于 ModelArtsModelArts 研發設計的系列模型，研發設計的系列模型，NLPNLP、CVCV 等方等方向性能優越向性能優越“盤古盤古”大模型由計算機視覺大模型由計算機視覺（CVCV）大模型大模型、科學計算大模型科學計算大模型、自然語言處理自然語言處理（NLPNLP）大模型大模型、多模態大模型組成多模態大模型組成，該模型由華為云人工智能領域首席科學家田奇帶領該模型由華為云人工智能領域首席科學家田奇帶領的華為云的華為云 EIEI 盤古團隊主導設計盤古團隊主導

55、設計?！氨P古”項目自 2020 年 11 月起立項，2021 年 4月在華為開發者大會上首次正式發布，2023 年 4 月 8 日，團隊介紹了盤古模型的應用進展，包括模型在物流、藥物研發、氣象預測等領域的落地。盤古模型盤古模型基于基于華為華為一站式一站式 AIAI 開發平臺開發平臺 ModelArtsModelArts 進行研發進行研發。ModelArts 是華為開發的 AI 生產線，具備持續構建大模型訓練及推理加速能力、分布式訓練能力等，并提供數據處理、算法開發、模型訓練、模型管理、模型部署等 AI 應用開發全流程技術能力。圖32：盤古模型基于 ModelArts 平臺進行開發設計資料來源：

56、計算機文藝復興，華為云，國信證券經濟研究所整理模型性能優異，模型性能優異，NLPNLP 大模型是首個千億參數級中文大模型，大模型是首個千億參數級中文大模型，20212021 年位列年位列 CLUECLUE 榜榜單三項第一。單三項第一。2021 年 4 月華為云盤古 NLP 大模型發布，這是當時業界首個 2000億參數的中文預訓練模型。在 2021 年，盤古 NLP 模型在中文語言理解評測基準CLUE 榜單中總排行榜及分類、閱讀理解單項均排名第一，刷新了三項榜單世界歷史紀錄。盤古盤古 CVCV 大模型是業界最大的大模型是業界最大的 CVCV 預訓練模型。預訓練模型。盤古 CV 大模型包含了 30

57、 多億參數和 10 億級別的圖像，已經在 100 多個場景中得到了驗證。在 Image Net 1%、10%數據集上的小樣本分類精度上均達到業界最高水平。證券研究報告證券研究報告模型應用：在物流、藥物研發、氣象等多個場景實現落地，極大模型應用：在物流、藥物研發、氣象等多個場景實現落地，極大提高行業效率提高行業效率NLP 大模型、CV 大模型等都是華為 L0 級別的基礎大模型，往上則是 L1 級別的行業大模型和 L2 級別的細分場景模型。具體而言，盤古 CV 大模型目前覆蓋了工業質檢、物流倉庫監控、時尚輔助設計等行業和領域；盤古 NLP 大模型覆蓋了智能文檔檢索、智能 ERP 和小語種大模型；盤

58、古科學計算大模型則應用于氣象預報、海浪預測等方面。表3：盤古系列模型應用場景和領域盤古系列盤古系列行業行業&領域領域場景場景盤古盤古 CVCV 大模型大模型工業質檢偏光片質檢、鐵路 TFDS、電力巡檢、煤礦質檢物流倉庫監控物的銀行時尚輔助設計門店半定制設計盤古盤古 NLPNLP 大模型大模型智能文檔搜索類案檢索智能 ERP企業財務異常檢測小語種大模型阿拉伯語大模型盤古科學計算大模型盤古科學計算大模型氣象預報，海浪預測盤古氣象大模型、盤古藥物分子大模型資料來源:華為，國信證券經濟研究所整理物流倉庫監控：物流倉庫監控：在物流場景，華為盤古團隊為浦發銀行構建了“物的銀行”普慧云倉。相比于傳統的數字銀

59、行，它能夠更徹底的做到業務流程的線上化，進一步提升效率。華為數據顯示，在人員行為、貨物檢測方面，“物的銀行”可以實現 5%到 10%的性能提升。新藥研發：新藥研發：傳統模式下，新藥研發有周期長、投入大、成功率高的難題，盤古藥物分子大模型是專門面向藥物研發領域推出的模型，可以幫助醫藥公司進行 AI輔助研發，使得先導藥研發周期從數年縮短到 1 個月，極大改善了新藥研發過程的效率。圖33：盤古藥物分子大模型示意圖資料來源：計算機文藝復興，國信證券經濟研究所整理證券研究報告證券研究報告氣象預測：氣象預測：盤古氣象大模型的研究團隊通過 3D Earth-Specific Transformer 的方式處

60、理復雜的不均勻 3D 氣象數據，提高 AI 大模型的預測精度。盤古氣象大模型能夠提供秒級的全球氣象預報，其氣象預測結果包括位勢、濕度、風速等，其精度首次超過了歐洲氣象中心的數字分析的方法，并且預測速度提升了 1 萬倍以上。圖34：3D Earth-Specific Transformer 示意圖資料來源：華為云，國信證券經濟研究所整理圖35：盤古氣象大模型指標表現優異，預測精度超過傳統方式資料來源：華為云，國信證券經濟研究所整理字節跳動大模型字節跳動大模型模型簡述模型簡述：AIAI 探索基礎扎實探索基礎扎實，語言大模型和圖像大模型初步布局語言大模型和圖像大模型初步布局字節跳動字節跳動 AIGC

61、AIGC 大模型將從語言和圖像兩種模態發力大模型將從語言和圖像兩種模態發力。根據 36 氪消息，字節跳動證券研究報告證券研究報告在大模型上已有所布局，分別在語言和圖像兩種模態上發力，預期是在今年年中推出大模型。字節跳動字節跳動 AIGCAIGC 大模型尚在初期探索階段大模型尚在初期探索階段，有一定有一定 AIAI 基礎基礎。根據 36 氪，在 ChatGPT公開前，字節跳動對大模型的投入存疑。但字節跳動在工程團隊和云服務團隊方面并無短板。1）算力：字節并不缺 GPU。字節旗下的企業技術服務平臺火山引擎，在 2021 年正式進軍基礎云市場（IaaS 層），為大模型所需的算力奠定了基礎。4 月 1

62、8 日，火山引擎發布自研 DPU 等系列云產品，并推出新版機器學習平臺：支持萬卡級大模型訓練、微秒級延遲網絡，彈性計算可節省 70%算力成本。同時，火山引擎宣布與字節跳動國內業務并池，抖音等業務的空閑計算資源可極速調度給火山引擎客戶使用。2）算法：阿里巴巴 M6 大模型的原帶頭人楊紅霞現已加入字節 AI Lab（人工智能實驗室），參與語言生成大模型的研發。模型應用：可用于圖文、視頻內容生成等，飛書將推出智能模型應用：可用于圖文、視頻內容生成等，飛書將推出智能 A AI I助手助手“MyMy AIAI”抖音抖音、今日頭條基于今日頭條基于 AIGCAIGC 生成圖文內容生成圖文內容。在 AIGC

63、的加持下，用戶上傳照片后，短時間內系統即可自動生成不同風格的圖片。例如，抖音上線該“漫畫臉”特效后，吸引了大量用戶，據抖音平臺數據顯示，截至 2022 年 12 月 6 日，該特效已經超 2428 萬人使用，并迅速飆升至特效潮流榜 TOP1。圖36：抖音漫畫臉特效資料來源：抖音，機器之心,國信證券經濟研究所整理剪映提供剪映提供 AIAI 生成視頻功能生成視頻功能。剪映的創作者可以通過幾個關鍵詞或一小段文字，生成一段創意小視頻。除此以外，剪映可以根據文字描述智能匹配視頻素材，將視頻包裝為更垂直的內容作品，包括財經、歷史、人文等類別。證券研究報告證券研究報告圖37：剪映 AI 成片資料來源：剪映，

64、國信證券經濟研究所整理飛書將推出智能飛書將推出智能 AIAI 助手助手“MyMy AIAI”。4 月 11 日字節跳動飛書宣布將推出智能 AI助手“My AI”，My AI 將包括自動匯總會議紀要、創建報告、優化和續寫文字內容，在飛書 app 中，My AI 也可以通過對話形式，幫助用戶自動創建日程、搜索公司內部知識庫等功能。圖38：飛書將推出智能 AI 助手“My AI”資料來源：飛書視頻號，國信證券經濟研究所整理證券研究報告證券研究報告投資建議投資建議ChatGPT 的涌現能力的實現以及應用成功，使得 AI 產業發展進入新階段。AI 大模型增強機器理解能力，可以優化人類與機器交互方式，是效

65、率提升的革命。大模型“預訓練+精調”即可對下游應用賦能。當前，各家公司開展新一輪 AI 模型競賽，希望借助大模型能力開展“模型即服務”的范式。算力、算法、數據是大模型能否成功的重要因素，我們重點關注在大模型領域有技術儲備的國內公司騰訊我們重點關注在大模型領域有技術儲備的國內公司騰訊控股、阿里巴巴、百度等?？毓?、阿里巴巴、百度等。表4：相關公司盈利預測及估值公司代碼公司代碼公司名稱公司名稱投資評級投資評級收盤價收盤價EPSEPSPEPEPB(MRQ)PB(MRQ)20222023E2024E20222023E2024E0700.HK騰訊控股買入365.412.115.718.02620184.3

66、9988.HK阿里巴巴-SW買入94.86.46.77.61312111.89888.HK百度集團-SW增持129.67.47.99.31514121.4數據來源：wind、國信證券經濟研究所預測及整理風險提示風險提示AI 技術迭代進度不及預期；AI 應用落地進度不及預期；政策風險；供應鏈風險等。證券研究報告證券研究報告免責聲明免責聲明分析師聲明分析師聲明作者保證報告所采用的數據均來自合規渠道；分析邏輯基于作者的職業理解，通過合理判斷并得出結論，力求獨立、客觀、公正，結論不受任何第三方的授意或影響；作者在過去、現在或未來未就其研究報告所提供的具體建議或所表述的意見直接或間接收取任何報酬，特此聲

67、明。國信證券投資評級國信證券投資評級類別類別級別級別說明說明股票股票投資評級投資評級買入股價表現優于市場指數 20%以上增持股價表現優于市場指數 10%-20%之間中性股價表現介于市場指數 10%之間賣出股價表現弱于市場指數 10%以上行業行業投資評級投資評級超配行業指數表現優于市場指數 10%以上中性行業指數表現介于市場指數 10%之間低配行業指數表現弱于市場指數 10%以上重要聲明重要聲明本報告由國信證券股份有限公司（已具備中國證監會許可的證券投資咨詢業務資格）制作；報告版權歸國信證券股份有限公司（以下簡稱“我公司”）所有。，本公司不會因接收人收到本報告而視其為客戶。未經書面許可，任何機構

68、和個人不得以任何形式使用、復制或傳播。任何有關本報告的摘要或節選都不代表本報告正式完整的觀點，一切須以我公司向客戶發布的本報告完整版本為準。本報告基于已公開的資料或信息撰寫，但我公司不保證該資料及信息的完整性、準確性。本報告所載的信息、資料、建議及推測僅反映我公司于本報告公開發布當日的判斷，在不同時期，我公司可能撰寫并發布與本報告所載資料、建議及推測不一致的報告。我公司不保證本報告所含信息及資料處于最新狀態；我公司可能隨時補充、更新和修訂有關信息及資料，投資者應當自行關注相關更新和修訂內容。我公司或關聯機構可能會持有本報告中所提到的公司所發行的證券并進行交易，還可能為這些公司提供或爭取提供投資

69、銀行、財務顧問或金融產品等相關服務。本公司的資產管理部門、自營部門以及其他投資業務部門可能獨立做出與本報告中意見或建議不一致的投資決策。本報告僅供參考之用，不構成出售或購買證券或其他投資標的要約或邀請。在任何情況下，本報告中的信息和意見均不構成對任何個人的投資建議。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。投資者應結合自己的投資目標和財務狀況自行判斷是否采用本報告所載內容和信息并自行承擔風險，我公司及雇員對投資者使用本報告及其內容而造成的一切后果不承擔任何法律責任。證券投資咨詢業務的說明證券投資咨詢業務的說明本公司具備中國證監會核準的證券投資咨詢業務資格。證券投資

70、咨詢，是指從事證券投資咨詢業務的機構及其投資咨詢人員以下列形式為證券投資人或者客戶提供證券投資分析、預測或者建議等直接或者間接有償咨詢服務的活動：接受投資人或者客戶委托，提供證券投資咨詢服務；舉辦有關證券投資咨詢的講座、報告會、分析會等；在報刊上發表證券投資咨詢的文章、評論、報告，以及通過電臺、電視臺等公眾傳播媒體提供證券投資咨詢服務；通過電話、傳真、電腦網絡等電信設備系統，提供證券投資咨詢服務；中國證監會認定的其他形式。發布證券研究報告是證券投資咨詢業務的一種基本形式，指證券公司、證券投資咨詢機構對證券及證券相關產品的價值、市場走勢或者相關影響因素進行分析，形成證券估值、投資評級等投資分析意見，制作證券研究報告，并向客戶發布的行為。