1/38請務(wù)必閱讀正文之后的免責條款部分潮起潮落，拐點已過，AIGC有望引領(lǐng)人工智能商業(yè)化浪潮——人工智能行業(yè)深度投資要點oChatGPT發(fā)布以來迅速出圈，微軟加大投資力度并宣布將AIGC應(yīng)用到產(chǎn)品服務(wù)中，彰顯AIGC潛在商業(yè)價值。我們認為人工智能在成本、算力消耗、應(yīng)用生態(tài)等層面已走過拐點，商業(yè)化應(yīng)用條件加速成熟，看好AI在各細分應(yīng)用場景下的滲透率加速提升，建議圍繞算法模型、業(yè)務(wù)場景和AI基礎(chǔ)設(shè)施三大路線選擇優(yōu)質(zhì)投資標的。oChatGPT火爆出圈，生成式AI商業(yè)化應(yīng)用走向爆發(fā)前夕（1）內(nèi)容生成成本大幅下降滿足下游需求2）生成效率大幅提升3）模型計算算力消耗下降，未來有望在消費級硬件上實現(xiàn)AI應(yīng)用4）生態(tài)流量快速AIGC市場空間超2000億，建議關(guān)注三條投資主線1）AI底層模型技術(shù)優(yōu)勢廠商2）實際場景AI商業(yè)化應(yīng)用優(yōu)勢廠商3）AI基礎(chǔ)設(shè)施提供商。o推理-知識-學習-創(chuàng)造，AIGC有望引領(lǐng)第四次人工智能浪潮（1）第一次潮起：實現(xiàn)了AI的推理（計算）能力；潮落：對）；（2）第二次潮起：AI擁有知識儲備，可回答特定領(lǐng)域問題；潮落：現(xiàn)代計算機（3）第三次潮起：深度神經(jīng)網(wǎng)絡(luò)賦能AI度、計算效率、泛化性等指標大幅優(yōu)化，奠定了“大模型+場景小模型”（4）第四次潮起：AI擁有創(chuàng)造能力，有望成為效率乃至生產(chǎn)力工具；代表產(chǎn)物：ChatGPT；意義：AI在文本、圖像、音視頻生成領(lǐng)域接近商業(yè)化需求，國o對標海外生態(tài)，AIGC有望推動AI商業(yè)化下沉各細分場景行業(yè)評級:看好(維持)分析師：程兵相關(guān)報告）：AI訓練數(shù)據(jù)龍頭提供商，自動駕駛業(yè)務(wù)打開成長空間》）：2/38請務(wù)必閱讀正文之后的免責條款部分行業(yè)深度化進程；谷歌、Meta不斷提升AI模型能力，實現(xiàn)圖文和短視頻的智能模式以訂閱制為主，業(yè)務(wù)場景覆蓋在線辦公、移動社交、廣告營銷等場景，為人工智能技術(shù)體系，并在智能會話、圖像生成、氣象預(yù)報等領(lǐng)域有成熟應(yīng)用，而國內(nèi)垂類廠商持續(xù)探索AIGC在醫(yī)療、辦公、營銷、娛樂等場景的商o圍繞AI商業(yè)化三大主線挖掘核心投資標的）；o風險提示3/38請務(wù)必閱讀正文之后的免責條款部分行業(yè)深度正文目錄1ChatGPT火爆出圈，生成式AI商業(yè)化應(yīng)用走向爆發(fā)前夕 6 7 9 2推理-知識-學習-創(chuàng)造，AIGC有望引領(lǐng)第四次人工智能浪潮 2.1復(fù)盤三次人工智能浪潮，AI從科研向細分產(chǎn)業(yè)生態(tài) 2.1.4第四次AI浪潮，AIGC 20 222.3未來發(fā)展方向預(yù)計，數(shù)據(jù)+模型+算力供應(yīng)仍為三大 232.3.1趨勢一：AI發(fā)展帶動基礎(chǔ)數(shù)據(jù)市 232.3.2趨勢二：場景模型持續(xù)簡化以提升訓練速度，控制成本滿足商業(yè)化 242.3.3趨勢三：AI應(yīng)用落地拉動算力需求，AI基礎(chǔ)設(shè)施市場規(guī)模有望 253對標海外生態(tài)，AIGC有望推動AI商業(yè)化下沉各細分場景 263.1海外科技大廠主導(dǎo)，各細分場景玩家涌現(xiàn)， 263.1.1微軟、谷歌等大廠科研實力雄厚，推動AIGC 26 27 30 30 33 344圍繞AI商業(yè)化三大主線挖掘核心投資標的 354.1關(guān)注具備底層算法模型核心技術(shù)優(yōu)勢 354.1.1拓爾思，國內(nèi)NLP龍頭廠商 354.1.2科大訊飛，AI+行業(yè)應(yīng)用領(lǐng)域 35 4.2關(guān)注各細分賽道下兼具場景理解與AI布局優(yōu)勢的垂 364.2.1海康威視：起步安防行業(yè)的智能物 36 374.3.1海天瑞聲：AI訓練數(shù)據(jù)標注優(yōu)質(zhì) 37 5風險提示 374/38請務(wù)必閱讀正文之后的免責條款部分行業(yè)深度 7 7 20 20 21 21 21 24 25 25 27 27 27 27 28 28 29 29 29 29 305/38請務(wù)必閱讀正文之后的免責條款部分行業(yè)深度 34 34 7 9 20 22 22 23 23 26 28 30 31 33 346/38請務(wù)必閱讀正文之后的免責條款部分行業(yè)深度1ChatGPT火爆出圈，生成式AI商業(yè)化應(yīng)用走向爆發(fā)前夕1.1AIGC成本大幅下降，人工智能商業(yè)化進程拐點已現(xiàn)我們認為以ChatGPT為代表的AIGC興起，在內(nèi)容創(chuàng)作成本、創(chuàng)作效率、模型計算消耗、用戶流量基礎(chǔ)等維度實現(xiàn)了重大突破，有望推動AI商業(yè)化進程的大幅加速。（1）AI內(nèi)容創(chuàng)作成本大幅降低且耗時更短，相較傳統(tǒng)方式優(yōu)勢顯著人在圖像生成領(lǐng)域，OpenAI透露其DALL-人（2）AIGC模型算力消耗快速下降，落地門檻降低有望驅(qū)動消費級應(yīng)用出現(xiàn)根據(jù)量子位報告顯示，借助最新的Colossal-AI通用深度學習系統(tǒng)（3）爆款應(yīng)用快速積累用戶流量，商業(yè)化條件已基本具備ChatGPT發(fā)布后日活用戶數(shù)量快速突破千萬。根據(jù)AR使用者數(shù)量的爆炸式成長即反應(yīng)出用戶的嘗試使用意愿強烈，未來嵌入到微軟的業(yè)（4）國內(nèi)外公司持續(xù)探索商業(yè)化路徑，AIGC生態(tài)有望加速形成資料來源：JasperAI官網(wǎng)，浙商證券研究所資料來源：TheDecoder，浙商證券研究所7/38請務(wù)必閱讀正文之后的免責條款部分行業(yè)深度模型運算策略GPU數(shù)量4資料來源：量子位，浙商證券研究所整理1.2應(yīng)用場景豐富，AI商業(yè)化空間前景廣闊，建議關(guān)注三條投資主線AIGC推動人工智能商業(yè)化進程加速，有望打開千億市場。德勤數(shù)據(jù)顯示，2021年中國人工智能市場規(guī)模達2058億元，預(yù)計到2025年將達到5460億元，2021-2025年復(fù)合增長率約27.63%。根據(jù)德勤預(yù)測，全球人工智能產(chǎn)業(yè)規(guī)模預(yù)計從2017年的6900億美元增長資料來源：德勤，浙商證券研究所資料來源：德勤，浙商證券研究所人工智能商業(yè)化進程有望加速，建議重點關(guān)注三類公司選擇投資標的。《20220-2023等細分技術(shù)的持續(xù)迭代，AI應(yīng)用將呈現(xiàn)場景應(yīng)用深表的生成式AI將在創(chuàng)作型工作（文本、圖像視頻創(chuàng)作）和預(yù)測、決策型工作中扮演要角色。我們建議圍繞人工智能商業(yè)化的三大主線選擇投資標的1）具備AI模型、算法技術(shù)優(yōu)勢的科技公司；（2）具備對AI商業(yè)化實際應(yīng)用場景理解和業(yè)務(wù)優(yōu)勢的廠商；（3）具備AI硬件優(yōu)勢的廠商；8/38請務(wù)必閱讀正文之后的免責條款部分行業(yè)深度資料來源：《2022-2023中國人工智能計算力發(fā)展評估報告》，浙商證券研究所（1）具備AI模型、算法研究實力優(yōu)勢的科技公司），模型和算法的迭代始終是核心主線，因此我們認為具備AI模型和算法的科研實力的科技大廠未來有望在AI商業(yè)化浪潮中保持核心競爭優(yōu)勢。（2）具備對AI商業(yè)化實際應(yīng)用場景理解和業(yè)務(wù)優(yōu)勢的廠商研究報告》指出，未來AIGC有望與傳媒、電商、影視、金融等各行業(yè)深度融合，創(chuàng)造更AIGC與產(chǎn)業(yè)融合場景描述AIGC+傳媒寫稿機器人、采訪助手、視頻字幕生成、語AIGC+電商AIGC+影視劇本創(chuàng)作、合成人臉和聲音、AI創(chuàng)作角色和場景、自動生成影視預(yù)告片AIGC+娛樂AI換臉、AI作曲、AI合成音視頻動畫AIGC+教育AIGC+金融AIGC+醫(yī)療AIGC+工業(yè)資料來源：《AIGC人工智能生產(chǎn)內(nèi)容行業(yè)研究報告》，浙商證券研究所9/38請務(wù)必閱讀正文之后的免責條款部分行業(yè)深度在未來AI商業(yè)化進程中，眾多AIGC開源場景的深度理解、AI賦能的一體化解決方案、行業(yè)深度綁定、業(yè)務(wù)爭力。因此我們建議關(guān)注各細分賽道中，現(xiàn)有業(yè)務(wù)具備競爭優(yōu)勢，且具（3）具備AI硬件優(yōu)勢的廠商AI商業(yè)化對硬件要求仍然很高，算力作為數(shù)據(jù)喻。AI處理器芯片可以支持深度神經(jīng)網(wǎng)絡(luò)的學習和加速計算，相比于GPU和CPU擁有成倍的性能提升，和極低的耗電水平。因此，我們認為圍繞人工智能的硬件廠商也1.3AIGC應(yīng)用有望從B端延伸至C端市場，空間廣闊規(guī)模超兩千億對標海外AIGC廠商商業(yè)模式進行測算，國內(nèi)2030年AIGC市場空間超兩千億。根式，測算國內(nèi)2023年、2025年和2030文字、圖片滲透率有望快速提升，視頻、直播等受限于技術(shù)迭代滲透率較慢。目前AI在文本和圖像生成領(lǐng)域技術(shù)已且相對成熟，同時微軟、百度等科技大廠有望將AI到業(yè)務(wù)生態(tài)中，有望推動在線辦公、搜索引擎等應(yīng)用場景的滲透率提升。而在直及音視頻等領(lǐng)域，由于AI生成技術(shù)處于初級認為短期內(nèi)滲透率提升幅度較低。經(jīng)測算，我們預(yù)計到2025年國內(nèi)AIGC市場空間可達403.52億元，到2030年市場空間可達2175.58億元，未來幾年市場有望迎來爆發(fā)式成長。內(nèi)容類型用戶對象用戶規(guī)模ARPU假設(shè)（元/年）AI滲透率AIGC市場空間（億元）AI滲透率AIGC市場空間（億元）AI滲透率AIGC市場空間（億元）內(nèi)容制作20030000.605%3.006.00創(chuàng)作者21304000.858.5240%34.08創(chuàng)作者3500020000%070.00700.00主播1400020000%028.00280.00從業(yè)者30000.308%2.404.50社交平臺用戶9000013.50135.0030%405.00從業(yè)人員1000150015.0030%45.00用戶460002009.208%73.6030%276.00用戶850008.508%68.0050%425.00—34.45—403.52 2175.58資料來源：前瞻產(chǎn)業(yè)研究院，觀研天下，艾瑞咨詢，JasperAI，Thedecoder，Play.ht，浙商證券研究所10/38請務(wù)必閱讀正文之后的免責條款部分行業(yè)深度1.4ChatGPT面世即成頂流，性能持續(xù)提升商業(yè)化價值不斷放大ChatGPT火爆出圈，可與真人流暢交流，標志生成式AI的突破性進展。2022年11問題回答、文本寫作以及代碼編寫等。ChatGPT模型使用Transformer神經(jīng)網(wǎng)絡(luò)架構(gòu)，通過資料來源：CSDN，浙商證券研究所接近小學生水平，雖然相較其代碼和文本寫作相比差距甚遠，但進步非常明顯，Chat資料來源：ARKInvest，浙商證券研究所資料來源：騰訊新聞，浙商證券研究所11/38請務(wù)必閱讀正文之后的免責條款部分行業(yè)深度微軟計劃推出一系列AI應(yīng)用服務(wù)，ChatGPT有望在實際應(yīng)用中持續(xù)成長。2023年2版功能包括高峰時段免排隊、快速響應(yīng)以及優(yōu)先獲得新新版搜索引擎發(fā)布，融合OpenAI核心技術(shù)。根據(jù)鈦媒體報道，一個擴展的聊天框，它現(xiàn)在可以做的不僅僅是回答事實問題資料來源：鈦媒體，浙商證券研究所1.5ChatGPT以GPT+RLHF模型為核心支撐，為AIGC發(fā)展指明方向ChatGPT將海量訓練數(shù)據(jù)與Transformer框架結(jié)合，在GPT模型的基礎(chǔ)上通過RLHF模型提升交互聊天能力，實現(xiàn)了對自然語言的深度建模，Transformer有望在未來較長時間內(nèi)成為AIGC語言領(lǐng)域的核心技術(shù)框架。Transformer架構(gòu)為自然語言理解領(lǐng)域帶來顛覆性變革，應(yīng)用到NLP、CV、生物、化學等多領(lǐng)域。2017年，谷歌跳出RNN和CNN的結(jié)構(gòu)，提出了完全基于Self-Attention機編碼器和一個解碼器組成，且各自由若干個編碼/解碼模塊堆疊而成，每個模塊包含Transformer架構(gòu)優(yōu)勢突出，計算效率、并行度、解釋性均實現(xiàn)突破。相比于之前的（1）可直接計算點乘結(jié)果，并行度高：對于數(shù)據(jù)序列x1,x2……xn，self-attention可行業(yè)深度（2）一步計算，解決長時依賴問題：處理序列信息使，通常用要經(jīng)過的路徑長度衡量性能，CNN需要增加卷積層數(shù)來擴大視野，RNN只能逐個進行計算，而self-attention只需資料來源：知乎，浙商證券研究所整理RHFL模型將預(yù)訓練語言模型按照人類反饋進一步微調(diào)以符合人類偏好，利用人類反（2）對模型根據(jù)提示（prompt）生佳到最差進行排名，利用標注文本訓練獎勵模型，從而學習到了人類對于模型根資料來源：知乎，浙商證券研究所整理12/38請務(wù)必閱讀正文之后的免責條款部分13/38請務(wù)必閱讀正文之后的免責條款部分行業(yè)深度2推理-知識-學習-創(chuàng)造，AIGC有望引領(lǐng)第四次人工智能浪潮2.1復(fù)盤三次人工智能浪潮，AI從科研向細分產(chǎn)業(yè)生態(tài)加速滲透代和參與者等維度梳理了過往三次人工智能浪潮。我們認為，歷次浪潮可以總結(jié)為AI從推理能力形成，向知識儲備，再向自我學習能力的方向持續(xù)進步，未來有望進入到自我創(chuàng)造的階段。開始時間數(shù)據(jù)輸入模型迭代代表性成就主要參與者Hopfield提出RNN模型雛形；Hinton等人提出BoltzmanMachine首個專家系統(tǒng)誕生，可表明AI某些領(lǐng)域的學第四次2023-未來未來以非結(jié)構(gòu)化數(shù)據(jù)為主GPT-3、CLIP、Diffusion等模型進一提升AI生成問題和跨模態(tài)處理任務(wù)的能力；科技大廠主導(dǎo)；各細分行業(yè)生態(tài)玩家有望深度參與；資料來源：知乎，浙商證券研究所2.1.1第一次AI浪潮，對人類神經(jīng)元機制的模擬實現(xiàn)機器推理能力計算機的誕生催生學術(shù)界對人工智能的大規(guī)模探索，第一次AI浪潮來襲。1946年第而圖靈機的思想論證了現(xiàn)代計算機的計算模式和計算能力，開啟馮·諾依曼模擬人類好大腦記憶存儲與提取的工作機制，為計算機和人工智能奠定堅二進制代碼存放在存儲器中、所有指令由操作碼和地址碼組成、指令在Rosenblatts受生物神經(jīng)網(wǎng)絡(luò)啟發(fā)，提出人工神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，成為現(xiàn)代神經(jīng)網(wǎng)絡(luò)和深度學習的重要基礎(chǔ)。感知機的工作原理可理解為生物神經(jīng)網(wǎng)絡(luò)中的信號作用，信號經(jīng)過樹突值與閾值比較，從而判定正負樣本結(jié)果。但由于感知機模型只能解決線性問題，面對異或問題時無能為力，也導(dǎo)致了第一次人工智能研究在上世紀70年代進入低潮期。行業(yè)深度資料來源：百度百科，浙商證券研究所資料來源：CSDN，浙商證券研究所2.1.2第二次AI浪潮，人工智能擁有知識儲備，專家系統(tǒng)為代表性產(chǎn)物20世紀80年代，第二次人工智能浪潮到來，核心發(fā)展為讓計算機學習大量專業(yè)知識，研究人員將專家的知識、言論以及經(jīng)驗等數(shù)據(jù)輸入到計算機，使其成為專家系統(tǒng)。專家系統(tǒng)可以預(yù)測在一定條件下某種解的概率，由于當時計算機已有巨大容量，專家系統(tǒng)有可能從數(shù)據(jù)中得出規(guī)律。在這一階段，多層感知機、反向傳播算法、神經(jīng)網(wǎng)絡(luò)的出現(xiàn)極大程度地提升了計算機的計算及邏輯推理能力，為深度學習和強化學習模型奠定了重要基礎(chǔ)，同時專家系統(tǒng)的出現(xiàn)賦予了人工智能知識屬性，并進行了一系列的商用嘗試。多層感知機強調(diào)模擬人類腦神經(jīng)的復(fù)雜連接，使人工智能實現(xiàn)解決非線性問題的處理且每層都可以有多個節(jié)點，相鄰層的各個節(jié)點都互相連接。隱藏層和輸出層具和激活函數(shù)處理的功能，實現(xiàn)數(shù)據(jù)信息的向前傳遞和分析。多層感知機的突破在于激活函數(shù)的使用，在隱藏層中使用不同的激活函數(shù)可實現(xiàn)對數(shù)據(jù)的非線性化處理，使得AI具備擬合任何連續(xù)函數(shù)的能力，大幅提升了計算機的計算能力。資料來源：CSDN，浙商證券研究所資料來源：CSDN，浙商證券研究所14/38請務(wù)必閱讀正文之后的免責條款部分15/38請務(wù)必閱讀正文之后的免責條款部分行業(yè)深度第二次AI浪潮中，專家系統(tǒng)模擬人類專家的知識和經(jīng)驗解決特定領(lǐng)域的問題，實現(xiàn)了人工智能從理論研究走向?qū)嶋H應(yīng)用、從一般推理策略探討轉(zhuǎn)向運用專門知識的重大突破。并且機器學習（特別是神經(jīng)網(wǎng)絡(luò)）探索不同的學習策略和各種學習方法，在大量的實專家系統(tǒng)作為人工智能的重要分支，在這一時期逐步滲透到細分行業(yè)的實際場景解決特定任務(wù)。第二次AI浪潮期間，專家系統(tǒng)應(yīng)用到數(shù)學、物理、化學、醫(yī)學、地質(zhì)等細分行業(yè)，能夠輔助科研人員解決化學分子結(jié)構(gòu)、疾病診斷、地質(zhì)分析等特定任務(wù)。這一：（；（；（；（；（專家系統(tǒng)時間開發(fā)者核心亮點及應(yīng)用場景斯坦福大學麻省理工學院PROSPECTOR斯坦福大學斯坦福大學AM斯坦福大學模擬人類進行概括、抽象和歸納推理，并發(fā)現(xiàn)某XCON資料來源：CSDN，浙商證券研究所專家系統(tǒng)商業(yè)價值顯現(xiàn)，在企業(yè)生產(chǎn)決策過程中發(fā)揮重大梅隆大學與DEC公司合作研發(fā)的XCON專家系戶的定貨，選出最合適的系統(tǒng)部件（如CPU型號、操作系統(tǒng)種類及相應(yīng)型號置的清單和這些部件裝配關(guān)系的圖，以便技術(shù)人員進行裝配。在這一時期，除DEC公司外，美國杜邦、通用汽車和波音等公司在也在生產(chǎn)決策中借助專家系統(tǒng)的輔助，1986年美國AI相關(guān)軟硬件銷售額達到4.25億美元，人工智能技術(shù)逐漸走出科研院所，進入到企業(yè)的實際業(yè)務(wù)場景中。16/38請務(wù)必閱讀正文之后的免責條款部分行業(yè)深度資料來源：《ExpertsystemsforconfigurationatDigital:XCONandbeyond》，浙商證券研究所AI模型算法研究領(lǐng)域，對人類腦神經(jīng)的信號處理和思考機制的模擬進一步加深，代表性產(chǎn)物包含CNN、RNN等神經(jīng)網(wǎng)絡(luò)模型。1982年，JohnHopfield提出了一種結(jié)合存儲系個神經(jīng)元的輸出均連接到其它神經(jīng)元的輸入，模型能夠通過訓練從某一殘缺的信息聯(lián)想到所屬的完整信息，即，Hopfield模型在模擬人類記憶儲存和聯(lián)想方面做出重大貢獻，這一模型也勾勒了未來RNN模型的雛形。YannLeCun提出CNN模型，并成功驗證其商用的可行性。1989年，LeCun結(jié)合反CNNCNN通常由輸入層、卷積層、池化（Pooling）層和全連取圖像中的局部特征，池化層用來大幅降低參數(shù)量級，全連接層則類似傳統(tǒng)神輸出想要的結(jié)果。卷積神經(jīng)網(wǎng)絡(luò)（CNN）成功應(yīng)用到美國郵局的手寫字符識別系統(tǒng)中，在此基礎(chǔ)上于1998年誕生了穩(wěn)定可商業(yè)應(yīng)用的CNN模型LeNet-5。資料來源：CSDN，浙商證券研究所資料來源：知乎，浙商證券研究所17/38請務(wù)必閱讀正文之后的免責條款部分行業(yè)深度2.1.3第三次AI浪潮，數(shù)據(jù)爆炸背景下，AI進入學習時代人類進入互聯(lián)網(wǎng)時代，數(shù)據(jù)量爆炸以及大數(shù)據(jù)技術(shù)的成熟，為人工智能的發(fā)展注入新動能。PC互聯(lián)網(wǎng)以及移動互聯(lián)網(wǎng)時代的到來驅(qū)動了人類活動數(shù)據(jù)量的爆炸式成長，為AI模型的訓練提供有價值的原料，同時圍繞大數(shù)據(jù)、云計算等領(lǐng)域的技術(shù)迭代使得人工智能根據(jù)海外學者論文《ModelingandSimulationStrategiesforPerformanceEvaluationofGoogle公布了3篇大數(shù)據(jù)奠基性論文，為大數(shù)據(jù)存儲及分布式處資料來源：《ModelingandSimulationStrategiesforPerformanceEvaluationofCloudComputingSystems》，浙商證券研究所資料來源：知乎，浙商證券研究所GeoffreyHinton等人提出深度學習（DeepLearning）概念，掀起第三次人工智能熱潮。深度學習的本質(zhì)是使用多個隱藏層網(wǎng)絡(luò)結(jié)構(gòu)，通過大量的向量計算，學習數(shù)據(jù)內(nèi)在信息的高階表示。相較于傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)，深度學習模型具有更優(yōu)異的特征得到的特征對數(shù)據(jù)有更本質(zhì)的刻畫，有利于可視化或分類；效率得以大大提升。深度學習的出現(xiàn)標志著計算機實現(xiàn)了基于數(shù)據(jù)的學習和挖掘分析能力，AI能夠挖掘復(fù)雜信息中包含的關(guān)聯(lián)關(guān)系。2012年AlexNet神經(jīng)網(wǎng)絡(luò)獲得ImageNet大賽冠軍，標志著AI在圖像識別領(lǐng)域的突AlexNet基于卷積神經(jīng)網(wǎng)絡(luò)CNN模型，在數(shù)據(jù)、算法及算力層面均有較大后圖像識別領(lǐng)域AI模型均在此基礎(chǔ)上進行優(yōu)化，并且識別準確度超越了人類水平。18/38請務(wù)必閱讀正文之后的免責條款部分行業(yè)深度資料來源：知乎，浙商證券研究所資料來源：知乎，浙商證券研究所AlphaGo具備深度學習能力，可結(jié)合人類專家比賽中學到的棋譜，以及在和自己下棋（Self-Play）中進行強化學習。2016年，人工智能AlphaGo在圍棋競技中擊敗李世石，標志著AI具備了自我迭代和學習強化的能力。AlphaGo的深度學習模型可分為策略網(wǎng)絡(luò)和價值網(wǎng)絡(luò)，分別解決了圍棋中的“下一手最佳策略”和“下一手后的勝率”兩個問題，并以此為核心通過學習人類棋譜和自我對弈，不斷調(diào)整策略提升棋力。AlphaGo較了人類棋手對于圍棋落子的直覺判斷，即，由于圍棋存在的廣度（每一步的可能度（棋局從開始到結(jié)束的步數(shù)）導(dǎo)致計算機無法模擬計算所有的可能性，AlphaGo略網(wǎng)絡(luò)減少搜索廣度，即每一步搜索少量節(jié)點，而通過價值網(wǎng)絡(luò)減少搜索深度，在AlphaGo基礎(chǔ)上，谷歌公司后續(xù)推出了迭代版本AlphaGoZero，增強了AI在面對資料來源：CSDN，浙商證券研究所Transformer架構(gòu)橫空出世，OpenAI發(fā)布的GPT模型，AI進入“大模型”時代。GPT（GenerativePre-19/38請務(wù)必閱讀正文之后的免責條款部分行業(yè)深度模型學習更豐富的文本語義表示，打破了自然語言處理各個任務(wù)之間的壁壘，使得搭建一個面向特定任務(wù)的自然語言模型不再需要非常多的任務(wù)北京，只需要根據(jù)任務(wù)的輸入和輸出形式應(yīng)用預(yù)訓練模型便可達到滿意效果。NLP模型的搭建只需要“無監(jiān)督預(yù)訓練+有監(jiān)（1）生成式預(yù)訓練：在大規(guī)模文本數(shù)據(jù)上訓練一個高容量的練好的模型可以直接用于下游任務(wù)。GPT-維度參數(shù)后，不需要針對特定的任務(wù)修改模型，將任務(wù)也作為提示詞，和文本一況下可以在多個NLP基準上達到最先進的性能重要的借鑒意義，即通過優(yōu)質(zhì)訓練數(shù)據(jù)輸入和模型復(fù)雜度的增加來提升模型GPT-1GPT-2數(shù)據(jù)，40GB文本數(shù)據(jù)模型框架Transformerdecoder，每層由maskedselfattention+模型參數(shù)模型表現(xiàn)任務(wù)上取得出色表現(xiàn)資料來源：知乎，浙商證券研究所整理GAN模型參考博弈學習理論，通過內(nèi)部兩個模型的互相博弈，實現(xiàn)圖像視頻的AI自監(jiān)督學習最具前景的方法之一。模型通過框架中兩個模塊：生成模型（GenerativeMo和判別模型（DiscriminativeModel）的互相博弈學習產(chǎn)生輸出。判別模型負責判斷例是真實的還是模型生成；而生成模型負責生成實例來騙過判別模型。兩個模型對達到平衡，即生成模型生成的實例與真實的沒有區(qū)別，判別模型無法區(qū)分輸入數(shù)據(jù)是生成的還是原始真實的數(shù)據(jù)。20/38請務(wù)必閱讀正文之后的免責條款部分行業(yè)深度GAN模型應(yīng)用廣泛，成為AIGC重要底層框架但早期存在問題。GAN模型應(yīng)用包含逼真圖片生成、圖片翻譯、3D建模等，但由于基礎(chǔ)的GAN模型存在收資料來源：ELEMENTUI，浙商證券研究所資料來源：CSDN，浙商證券研究所2.1.4第四次AI浪潮，AIGC從文本拓展至圖像及音視頻領(lǐng)域，商業(yè)化空間打開AIGC在圖片、音視頻領(lǐng)域的模型在大模型基礎(chǔ)上持續(xù)優(yōu)化，性能趨向商用化需求，底層技術(shù)的突破使AIGC商業(yè)落地成為可能，模型迭代推動AI生成文字和圖片質(zhì)量AI圖像模型出現(xiàn)時間特點資料來源：CSDN，浙商證券研究所21/38請務(wù)必閱讀正文之后的免責條款部分行業(yè)深度Diffusion模型參考熱力學原理，大幅提高生成圖像的穩(wěn)定性、準確性以及計算效率。擴散模型（DiffusionModel）的靈感來自非平衡熱力學，模聲添加到數(shù)據(jù)中，然后通過反轉(zhuǎn)這個噪聲過程，來學習恢復(fù)數(shù)據(jù)。不同散模型不依賴于生成與對抗兩個模型的博弈，因此學習結(jié)果更加穩(wěn)定，并且模型和擴展性更好，之后推出的StableDiffusion模型CLIP模型打破了傳統(tǒng)分類器界限，可以在不需要額外訓練集的情況下，以良好的性代之的是預(yù)測圖像與文本相匹配的可能性大小，在大規(guī)模數(shù)據(jù)集上資料來源：知乎，浙商證券研究所資料來源：知乎，浙商證券研究所Make-A-Video模型實現(xiàn)AI基于文本、圖像智能生成視頻。在視頻生成領(lǐng)域，Meta公司繼承了圖像生成模型的核心技術(shù)，在文本語義和圖像對應(yīng)關(guān)系的基礎(chǔ)上序列的學習訓練，實現(xiàn)連貫運動且高分辨率的高質(zhì)量視頻生成。由于模型訓練資料來源：CSDN，浙商證券研究所22/38請務(wù)必閱讀正文之后的免責條款部分行業(yè)深度AI視頻生成模型出現(xiàn)時間特點研發(fā)中資料來源：CSDN，浙商證券研究所2.2未來AI發(fā)展的兩大路線，工程方法+科學方法將交替占據(jù)行業(yè)主流人工智能的發(fā)展進程中形成符號主義和連接主義兩大陣營，從工程維度和科學維度優(yōu)化迭代AI模型。在AI發(fā)展早期，由于數(shù)據(jù)量較少，AI模型容易用符號模型表征，因此符號主義發(fā)展較快，而后來數(shù)據(jù)量提升，問題和任務(wù)的復(fù)雜度增加，導(dǎo)致基于復(fù)雜我們認為在AIGC主導(dǎo)的人工智能商業(yè)化進程中，符號主義和連接主義仍將作為AI迭代的兩個重要方向。其中，AI在細分場景中的應(yīng)用將推動大量時序性的復(fù)雜信前AI在長視頻、虛擬人、高清圖像等領(lǐng)域的智能生成仍存在局限性，我們看好符號主義連接主義核心理念研究目標操作便捷資料來源：百度百科，維基百科，浙商證券研究所計算機算力以及AI在細分場景下的滲透率提升推動AI模型訓練數(shù)據(jù)量爆炸式成長，通過增加模型參數(shù)及數(shù)據(jù)量提高AI的計算速度和準確度。大模型通過超大規(guī)模的參數(shù)設(shè)置和數(shù)據(jù)輸入，具有基礎(chǔ)、通用和綜合的特點，而小模型基于實際任務(wù)場景的需求，通過高質(zhì)量場景數(shù)據(jù)的輸入和訓練，使AI能夠出色完成特定任務(wù)。在NLP領(lǐng)域，以Google發(fā)布的BERT模型和OpenAI提出的GPT模型為典型代表。AI通過大模型的預(yù)訓練，能夠在處理語言、推理、人機交互等領(lǐng)域任務(wù)上的表現(xiàn)實現(xiàn)極大提升，打開了AI滲透到各行業(yè)行業(yè)深度類別模型公司參數(shù)量）：GPT-2（2019）：15.42億）：MicrosoftProjectMegatron（20NVIDIAMicrosoft資料來源：CSDN，浙商證券研究所架構(gòu)的核心在于注意力機制的使用，這使得AI模型在計算過程中可大幅節(jié)約消耗在無關(guān)信息上的算力，除此之外，殘差網(wǎng)絡(luò)、多巴胺機制的強化學習等模型均參考了腦科學領(lǐng)域的表11：AI模型對人類腦神經(jīng)處理信息機制類別模型參數(shù)量模擬人類視覺加工的非連續(xù)性分層機制模擬人類視覺加工的非連續(xù)性分層機制模擬人類大腦的分層結(jié)構(gòu)模擬人類視覺加工過程中的選擇有效解決信息超載問題，大幅提升計算過程中模擬人類大腦決策過程中的多巴在神經(jīng)網(wǎng)絡(luò)訓練中加入獎勵預(yù)測誤差信號，通胺信號機制過獎勵機制引導(dǎo)AI的快模擬人類大腦內(nèi)海馬體的空間認實現(xiàn)空間結(jié)構(gòu)和視覺感知解耦，提升AI決策知及推理機制反饋效率及準確度；資料來源：CSDN，浙商證券研究所2.3未來發(fā)展方向預(yù)計，數(shù)據(jù)+模型+算力供應(yīng)仍為三大發(fā)展方向2.3.1趨勢一：AI發(fā)展帶動基礎(chǔ)數(shù)據(jù)市場成長，高質(zhì)量標注數(shù)據(jù)決定模型訓練效果AI模型發(fā)展帶動訓練數(shù)據(jù)需求升高，標注和結(jié)構(gòu)化處理真正實現(xiàn)將數(shù)據(jù)轉(zhuǎn)為為AI商業(yè)化落地中的表現(xiàn)要求越來越高。為了保證AI算法的識AIGC向圖像、語音、文字多維數(shù)據(jù)延伸，AI基礎(chǔ)數(shù)據(jù)服務(wù)與治理賽道有望受益加速成長。數(shù)據(jù)服務(wù)是利用數(shù)據(jù)采集與標注工具處理圖片、語音、文本等非結(jié)構(gòu)化數(shù)據(jù)，數(shù)據(jù)23/38請務(wù)必閱讀正文之后的免責條款部分24/38請務(wù)必閱讀正文之后的免責條款部分行業(yè)深度數(shù)據(jù)標注目前仍以人工為主，行業(yè)向智能化和去人工化趨勢演進，標注數(shù)據(jù)生產(chǎn)效率與AI模型進步協(xié)同共振。不同于計算機視覺領(lǐng)域AI訓練的數(shù)據(jù)往往來自于半結(jié)構(gòu)化或非結(jié)構(gòu)化的信息，目前無法實現(xiàn)A注，目前主流的實現(xiàn)路徑是人工標注與智能標注協(xié)同方案，即人資料來源：頭豹研究院，浙商證券研究所整理2.3.2趨勢二：場景模型持續(xù)簡化以提升訓練速度，控制成本滿足商業(yè)化應(yīng)用需求型維護成本會相當高，若僅提供推理服務(wù)，成本可以大幅降低但是模型牲，從而降低大模型的競爭力。并且AI項目實施通常會把模型部署到模型蒸餾與遷移學習成為AI領(lǐng)域研究新方向，可大幅優(yōu)化終端模型計算的時效性并大小。知識蒸餾包含已訓練的TeacherModel和待訓練的StudentModel，通過知識蒸餾和知識蒸餾可以在基于高度復(fù)雜的大模型訓練基礎(chǔ)上，提升細分任務(wù)小模型的計算精度，同時也可以有效降低模型延遲，并且壓縮網(wǎng)絡(luò)參數(shù)。基于知識蒸餾思想改進BERT預(yù)訓練模型，實現(xiàn)模型的簡化和速度的提升。DistilledBERT模型直接將為初始化，模型參數(shù)只有BERT的約40%，但速度快提升60解能力。我們認為在人工智能通往商業(yè)化應(yīng)用的道路上，早期專注于增加數(shù)據(jù)量、計算能力或者訓練過程的優(yōu)化方式可能不再適用，未來各大廠商需要計算與預(yù)測性能之間做出權(quán)衡，探索如何利用更少的數(shù)據(jù)與計算資源，幫助模型實現(xiàn)性能提升。25/38請務(wù)必閱讀正文之后的免責條款部分行業(yè)深度2.3.3趨勢三：AI應(yīng)用落地拉動算力需求，AI基礎(chǔ)設(shè)施市場規(guī)模有望加速成長高算力支持是訓練AI大規(guī)模商業(yè)化的基礎(chǔ)，AI基礎(chǔ)設(shè)施市場有望迎來爆發(fā)。微軟入市場規(guī)模加速成長，國內(nèi)細分賽道龍頭廠商有望受益。《2022-2023中國人工智能計算力發(fā)展評估報告》指出，預(yù)計到2026年全球AI服務(wù)器市場規(guī)模資料來源：中商產(chǎn)業(yè)研究院，浙商證券研究所資料來源：中商產(chǎn)業(yè)研究院，浙商證券研究所26/38請務(wù)必閱讀正文之后的免責條款部分行業(yè)深度3對標海外生態(tài)，AIGC有望推動AI商業(yè)化下沉各細分場景3.1海外科技大廠主導(dǎo)，各細分場景玩家涌現(xiàn)，商業(yè)模式雛形已現(xiàn)3.1.1微軟、谷歌等大廠科研實力雄厚，推動AIGC核心技術(shù)不斷進步海外科技巨頭發(fā)力布局，自有業(yè)務(wù)生態(tài)及強大科研實力成為核心競爭力。在經(jīng)歷了移動互聯(lián)網(wǎng)浪潮下科技巨頭競爭后，谷歌、Meta、均有所布局，并在聊天交互、圖像生成特定領(lǐng)域取得了一核心亮點人工智能協(xié)助服務(wù)，功能包括自主生成部分代碼以谷歌簡單的交流，回答內(nèi)容基于谷歌搜索相關(guān)信息以保基于Transformer架構(gòu)和Difussion模像的AI智能生成，在圖像合成的保真度和圖像-基于AI驅(qū)動文本生成圖像，并允許通過文本輸基于AI驅(qū)動文本、圖片生成短視頻，根據(jù)輸入略模型優(yōu)化為高分辨率的精細模型，生成效率資料來源：零壹財經(jīng)，知乎，浙商證券研究所DALL-E2模型可實現(xiàn)文本到圖像的智能生成。2022年4月OpenAI發(fā)布DALL-E2模型，只需輸入簡短的文字prompt就可以生成全新的圖像，甚至可以修改現(xiàn)有圖像，DALL-E2工作過程中，首先將文本prompt輸入到經(jīng)過訓練的文本編碼器中，接著將文本編碼映射到相應(yīng)的圖像編碼，該圖像編碼捕獲文本編碼中包含的語義信息Meta在已有AI圖像生成技術(shù)上更進一步，實現(xiàn)基于文本、圖片生成短視頻的AIGC模型。MetaAI將Make-A-Video分割成三個組成部分并分開訓練，分別是基礎(chǔ)的文字生成圖像AI模型、學習視頻中圖像在時間維度上的動態(tài)變化的AI模塊，以及超分辨率模型和27/38請務(wù)必閱讀正文之后的免責條款部分行業(yè)深度資料來源：知乎，浙商證券研究所資料來源：CSDN，浙商證券研究所科技大廠主導(dǎo)AIGC在前沿領(lǐng)域的科學研究，為人工智能的商業(yè)化持續(xù)拓展想象空間。谷歌母公司Alphabet旗下子公司Deepmind開發(fā)了Alphafold2模型，通過預(yù)測蛋白質(zhì)中每對氨基酸之間的距離分布以及化學鍵之間的角度，實現(xiàn)對蛋白質(zhì)結(jié)構(gòu)預(yù)測。Alphafold2模仿人類注意力的網(wǎng)絡(luò)架構(gòu)采用Attention機制，可以同時聚焦多個細節(jié)MetaCicero可在人機交互中表現(xiàn)出談判技巧、同理心等，未來有望應(yīng)用到各類社交游戲《外交》的測試中，Cicero可以為Cicero的核心技術(shù)未來有望創(chuàng)造更加智能的NPC，以及在多會話對話中緩解人類與AI之間的溝通障礙，將AI應(yīng)用到更加廣泛的社交場景。圖34：DeepMind利用AIGC實現(xiàn)蛋白質(zhì)結(jié)構(gòu)預(yù)測資料來源：智東西，浙商證券研究所資料來源：游研社，浙商證券研究所3.1.2細分賽道涌現(xiàn)大量初創(chuàng)公司，不斷探索AI商業(yè)化應(yīng)用的產(chǎn)品形態(tài)及服務(wù)模式大模型API公布和模型開源催生AIGC創(chuàng)業(yè)浪潮，細分賽道內(nèi)大量玩家在產(chǎn)品及商業(yè)下降和效率提升，目前海外公司在文案寫作、圖像生成、音視頻創(chuàng)作等領(lǐng)域持續(xù)布局。細28/38請務(wù)必閱讀正文之后的免責條款部分行業(yè)深度表13：AIGC領(lǐng)域相關(guān)初創(chuàng)公司及業(yè)務(wù)場生成內(nèi)容企業(yè)成立時間應(yīng)用領(lǐng)域底層模型企業(yè)簡介GPT-3協(xié)議，操作非常簡單，只要輸入郵件AI廣告文案寫作NotionAIAI作圖底層協(xié)議AI作圖Play.ht是一個AI文本轉(zhuǎn)換語音應(yīng)用，采資料來源：CSDN，知乎，浙商證券研究所文本創(chuàng)作領(lǐng)域，基于GPT語言模型，AI在郵件、營銷文案寫作領(lǐng)域已有深度應(yīng)用。JasperAI成立于2020年，公司定位是營銷領(lǐng)域類的素材撰寫，基于AI模JasperAI面向個人及企業(yè)用戶，采用SaaS訂閱制收費模式。JasperAI提供BossNotionAI實現(xiàn)文本寫作、語法糾錯、機器翻譯等功能，提高筆記類產(chǎn)品功能價值。Notion筆記工具融合了文檔、任務(wù)、知識庫以及數(shù)據(jù)庫功能資料來源：JasperAI，浙商證券研究所資料來源：NotionAI，浙商證券研究所29/38請務(wù)必閱讀正文之后的免責條款部分行業(yè)深度圖像生成領(lǐng)域，擴散模型的快速迭代大幅提升AI生成圖像的性能，StabilityAI公司者和企業(yè)用例的圖像、語言、音頻、視頻、3D等開放AI模型，公司開源的底資料來源：36氪，浙商證券研究所資料來源：DreamStudio，浙商證券研究所Midjourney利用AI智能生成圖像，使用門檻低且圖片可用性高。用戶通過Discord平臺，輸入希望實現(xiàn)畫面的文字，平臺即可在一分鐘的時間內(nèi)完成四張縮略圖的行逐步渲染，用戶選擇相對滿意的一張圖片可繼續(xù)細化，如變形、放大尺寸和細Discord平臺根據(jù)GPU使用時長、圖片是否公開、圖片生成數(shù)量資料來源：MetaStellar，浙商證券研究所資料來源：網(wǎng)易，浙商證券研究所30/38請務(wù)必閱讀正文之后的免責條款部分行業(yè)深度Play.ht基于AI驅(qū)動實現(xiàn)文本到語音的智能生成。Play.ht依靠AI從IBM、微軟、亞馬遜和谷歌生成音頻和語音，該工具對于將文本轉(zhuǎn)換為自然聲音尤為有用并且允許下載資料來源：IT之家，浙商證券研究所資料來源：Play.ht，浙商證券研究所3.2國內(nèi)科技大廠相繼入局，基于內(nèi)容生態(tài)市場空間廣闊3.2.1科技大廠持續(xù)開拓中文AIGC，借助業(yè)務(wù)生態(tài)有望推出爆款應(yīng)用產(chǎn)品國內(nèi)科技大廠布局生成式AI，未來有望借助業(yè)務(wù)生態(tài)推出爆款應(yīng)用產(chǎn)品。百度、阿里巴巴、騰訊、字節(jié)跳動等國內(nèi)科技大廠相繼布局AIGC領(lǐng)域，在圖片公司典型產(chǎn)品功能通過文字描述生成圖片、圖畫修復(fù)、文檔分析輸入多張人像圖片完成對于人像面部的3D建模通過文字生成歌曲，支持作詞、作曲、編曲、演資料來源：百度文心，騰訊優(yōu)圖，阿里巴巴魯班，網(wǎng)易天音，騰訊網(wǎng)，浙商證券研究所百度深度布局AIGC多年，圍繞自有業(yè)務(wù)生態(tài)形成核心競爭力，在中文AI領(lǐng)域優(yōu)勢31/38請務(wù)必閱讀正文之后的免責條款部分行業(yè)深度類別產(chǎn)品名稱主要特點作等能力。創(chuàng)新性地將大數(shù)據(jù)預(yù)訓練與多源豐富知識相結(jié)合，通過持續(xù)學習技術(shù)基于領(lǐng)先的視覺技術(shù)，利用海量的圖像、視頻等數(shù)據(jù)，為企業(yè)和開發(fā)者提供基于知識增強的跨模態(tài)語義理解關(guān)鍵技術(shù)，可實現(xiàn)跨模態(tài)檢索、圖文生成、融合自監(jiān)督和多任務(wù)學習，并將生物領(lǐng)域研究對文心大模型與各行業(yè)企業(yè)聯(lián)手，在通用大模型的基礎(chǔ)上學提供多種參數(shù)量級的、具備超強的語言理解能力和文本創(chuàng)作能力的API服務(wù)。全球規(guī)模最大的中文跨模態(tài)生成模型，通過自然語言實現(xiàn)圖像全球首個基于隱空間的大規(guī)模生成式開放域?qū)υ捘Ｐ停邆浣覧RNIEKit：基于最新一代預(yù)訓練范式的NLP算法定制開發(fā)工具集；覆蓋大模型環(huán)境部署、數(shù)據(jù)處理、預(yù)訓練、微調(diào)、模型壓縮、推理部署全流零門檻AI開發(fā)平臺EasyDLEasyDL跨模態(tài)：基于大模型，提供領(lǐng)先的視覺、文本跨模態(tài)理解能力，根據(jù)業(yè)依托大模型，以極簡的策略和方案替代傳統(tǒng)搜索引擎復(fù)雜的特征，低成本接入各類企AI藝術(shù)和創(chuàng)意輔助平臺，依托飛槳、文心資料來源：百度文心大模型官網(wǎng)，浙商證券研究所對標ChatGPT，百度計劃近期完成產(chǎn)品內(nèi)測，有望加速AI產(chǎn)品商用化進程。近日，語言的深度語義理解與生成能力，對標微軟對OpenAI核心技32/38請務(wù)必閱讀正文之后的免責條款部分行業(yè)深度資料來源：百度文心大模型官網(wǎng)，浙商證券研究所整理文獻分類、新聞分類，商品分類、原生中文推理、成語閱讀理解填空、名詞華為發(fā)布氣象大模型，提供秒級天氣預(yù)報，如重力勢、1小時-7天預(yù)測。盤古氣象大模型在氣象預(yù)報的關(guān)鍵要素和常用時間范圍上精度均超過當?shù)南掠晤A(yù)報方案，如在臺風路徑預(yù)測任務(wù)上，相比傳統(tǒng)數(shù)值氣象資料來源：搜狐，浙商證券研究所資料來源：科技世界網(wǎng)，浙商證券研究所33/38請務(wù)必閱讀正文之后的免責條款部分行業(yè)深度3.2.2國內(nèi)細分賽道涌現(xiàn)大量垂類公司，關(guān)注實際業(yè)務(wù)場景下的AI應(yīng)用滲透依托國內(nèi)豐富內(nèi)容生態(tài)，垂類公司探索AI應(yīng)用產(chǎn)品，AIGC將有望成為內(nèi)容生態(tài)發(fā)展的新引擎。我們認為AIGC發(fā)展根據(jù)內(nèi)容分類，主要可以分為3個階段：一容生產(chǎn)技術(shù)完善階段，實現(xiàn)文本、視頻、圖片生成以及三者的跨模態(tài)轉(zhuǎn)換；二是年來，在法律、營銷、醫(yī)療、人機交互等領(lǐng)域不斷涌現(xiàn)垂類公司，基于AI生成內(nèi)容企業(yè)成立時間主要特點聆心智能提供AI驅(qū)動的高質(zhì)量數(shù)字療法和新一代精神心理的解決方案，為臨床實踐實現(xiàn)規(guī)模化公司針對商業(yè)場景數(shù)字化轉(zhuǎn)型，以自然語言處理為基礎(chǔ)提供商業(yè)洞見類產(chǎn)品，主要產(chǎn)品包括基于預(yù)訓練模型的功能引擎（搜索、生成、翻譯、對話等）秘塔科技公司致力于利用AI為法律行業(yè)賦能，提升法律從業(yè)者工作效率，改變法律翻譯市場高公司解決方案包括AI智能寫作平臺，服務(wù)內(nèi)容包括機器翻譯，可根據(jù)中國人的書寫習公司提供AI模特圖片解決方案，有效降低拍照成本和效率，提升電商轉(zhuǎn)化率。產(chǎn)品通公司專注于智能影像生產(chǎn)領(lǐng)域的視覺技術(shù)，憑借在AI、視頻結(jié)構(gòu)化等領(lǐng)域的技術(shù)優(yōu)公司專注于AI與計算機視覺技術(shù)研究與產(chǎn)品開公司專注于智能語音交互和AI數(shù)據(jù)服務(wù)技術(shù)。公司依托先進的AI語音交互技術(shù)及高精度數(shù)據(jù)采標平臺，打造多場景應(yīng)用的語音交互方案，包括通用場景的語音合成和語公司運用AI為游戲行業(yè)提供完整的解決方案。公司產(chǎn)公司是一家語音合成科技創(chuàng)新企業(yè)，提供基于端到端的神經(jīng)網(wǎng)絡(luò)的音頻合成系統(tǒng)及行業(yè)解決方案，以領(lǐng)先的神經(jīng)網(wǎng)絡(luò)設(shè)計和先進的深度學習合成器為依托公司研發(fā)跨平臺AI機器人“小冰”，致力于實現(xiàn)跨平臺交互，讓用戶在不同品牌的終端和不同企業(yè)的生態(tài)中都找到小冰，目前用戶可以自主通過小冰框資料來源：各公司官網(wǎng)，36氪，騰訊網(wǎng)，浙商證券研究所對標海外公司發(fā)展，內(nèi)容型公司有多種商業(yè)模式可選擇，業(yè)務(wù)結(jié)合場景深度將決定玩能下游B端及C端用戶的實際業(yè)務(wù)效率和質(zhì)量提升，因此34/38請務(wù)必閱讀正文之后的免責條款部分行業(yè)深度3.3國內(nèi)內(nèi)容生態(tài)市場空間廣闊，政策支持下看好AI應(yīng)用加速滲透國內(nèi)成熟內(nèi)容生態(tài)為AI應(yīng)用提供沃土，虛擬人有望催生新內(nèi)容需求。以短視頻生態(tài)為例，根據(jù)前瞻產(chǎn)業(yè)研究院預(yù)計，到2027年我國短視頻市場規(guī)模將達到9624億元，市場空間廣闊，視頻、游戲、網(wǎng)絡(luò)文學等內(nèi)容生態(tài)也將不斷形成，根據(jù)速途元宇宙研究院預(yù)測，到2030年我國虛擬資料來源：速途元宇宙研究院，浙商證券研究所資料來源：前瞻產(chǎn)業(yè)研究院，浙商證券研究所國家將人工智能上升至國家戰(zhàn)略層面，政策支持有望推進行業(yè)發(fā)展。政府隨著人工智能行業(yè)的不斷發(fā)展，對政策內(nèi)容也持續(xù)進行細頒布時間頒布主體政策名稱主要內(nèi)容《關(guān)于促進人工智能和實體探索人工智能創(chuàng)新成果應(yīng)用轉(zhuǎn)化路徑和方法，構(gòu)建智能《國家新一代人工智能開放《國家新一代人工智能標準到2021年，明確AI標準化頂層設(shè)計，研則，明確標準之間的關(guān)系，指導(dǎo)AI標準化工作的有序開展，完術(shù)、關(guān)鍵領(lǐng)域技術(shù)等20項以上重點標準的預(yù)研工作。到20標準體系，重點研制數(shù)據(jù)、算法、系統(tǒng)、服務(wù)等重點標準，并率《中華人民共和國國民經(jīng)濟和社會發(fā)展第十四個五年規(guī)聚焦高端芯片、操作系統(tǒng)、人工智能關(guān)鍵算法、傳感器等基礎(chǔ)理論、基礎(chǔ)算法、裝備材料等研發(fā)突破與迭代應(yīng)用。培育壯大人大數(shù)據(jù)、區(qū)塊鏈、云計算、網(wǎng)絡(luò)安全等新興數(shù)字產(chǎn)業(yè)，提升通信設(shè)備推動新型數(shù)據(jù)中心與AI等技術(shù)協(xié)同發(fā)展，構(gòu)建完善新型智《新一代人工智能資料來源：工信部，科技部，中國政府網(wǎng)，浙商證券研究所35/38請務(wù)必閱讀正文之后的免責條款部分行業(yè)深度4圍繞AI商業(yè)化三大主線挖掘核心投資標的4.1關(guān)注具備底層算法模型核心技術(shù)優(yōu)勢的廠商4.1.1拓爾思，國內(nèi)NLP龍頭廠商深耕NLP領(lǐng)域30年，公司發(fā)展成為國內(nèi)政務(wù)領(lǐng)域NLP龍頭廠商。公司以“語義智能+”為發(fā)展戰(zhàn)略深耕多年，主要業(yè)務(wù)覆蓋內(nèi)容安全和互聯(lián)網(wǎng)空間治理、數(shù)字政府和數(shù)輿情監(jiān)控等服務(wù)。公司以深耕多年的大數(shù)據(jù)積累與行業(yè)領(lǐng)先的NLP技術(shù)公司以NLP技術(shù)為核心，金融、政府、公安領(lǐng)域競爭優(yōu)勢顯著。目前公司以公共安全市場為最主要業(yè)務(wù)，產(chǎn)品和場景包括公安情報研判指揮、公控、開源情報智能分析、開源情報數(shù)據(jù)采集監(jiān)測以及各類領(lǐng)域知識庫構(gòu)建；在信公司積極開辟新賽道，機器人+虛擬人有望為公司業(yè)務(wù)提供新增量。公司將以“虛擬人+”場景為突破口，開發(fā)支撐虛擬人的AI技術(shù)平臺，推動虛擬人在各行業(yè)場景中的地。公司基于中文NLP核心技術(shù)、海量數(shù)據(jù)積累及具備行業(yè)專業(yè)