计算机行业：ChatGPT通用化效果突破、前景广阔国内AI产业链追赶仍有较大挑战

发现价值免责声明发现价值行业评级告日期相对市场表现行业评级告日期相对市场表现3-02-14计计算机行业ChatGPT、前景广阔，核心观点：逻辑组织结构、文本表达形式都较好地满足用户需求，通用性得到了写作、邮件撰写、宣传广告生成、软件代码编写等场景的应用。AIAIIGPT系列AI大模型在文字类工具软件的商业化应用前景广阔。我们应用有望对微软的软件产品的门槛和附加值有较大提高效果，同时对相应竞品实现降维竞争。我们可以预期微软相关产品线的竞争优势会迅速扩大并能逐步新增体现在全球市场份额和财务回报上。hatGPT技公司已经具备一定AI大模型技术基础之上，ChatGPT的广泛应用挑战。AI在供应链不稳定的风险。6%02/2202/2204/2206/2208/2210/2212/22-9%-23%-31% 计算机沪深300SFCCENoBNX0048003675iuxuefenggfcomcnhatGPT险偏好龙头价值修复将计算机行业:全面注册制落地，金融IT持续受益于资本市场3-02-123-02-053-02-02发展houyuangfcomcn机发现价值发现价值/23司估值和财务分析表称码报告日期级合理价值(元/股)2022E2023E2022E2023E2022E2023E2022E2023E寒武纪-U6.SH/01/31-2.80-1.95-----21.00-16.10按照最新收盘价计算机发现价值发现价值23 T 机发现价值发现价值4/23表索引 1 X 机发现价值发现价值23投资要点：未来，我们看好ChatGPT在文案写作、邮件撰写、宣传广告生成、软件代码编写等变：IIAIAI近乎每年一个数量级的速度快速增长。模型的规模和模型训练、推理时所消耗的算AIAI加速卡系列AI大模型最具有成功潜力的商业化落地形式是其与微软从浏览器Bing到Office的全线软件的融合应用。二者的融合应用有望对微软的软件产品的门槛和附加值有较大提高效果，同时对相应竞品实现降维竞争。我们可以预期微软相关产品线的竞争优势会迅速扩大并能逐步新增体现在全球市场份额和财务回报上。AI技公司已经具备一定AI大模型生产类应用发展。为，除了寒武纪在基础AI算力方面相对突出，ChatGPT对A股计算机相关标签公司AI。机发现价值发现价值23一、ChatGPT在各场景通用化效果显著(一)较传统NLP模型，ChatGPT的通用性有较大提升模型展现了强大的内容生成能力，与上一代AI大模型GPT-3相比，其不仅在人机对话的覆盖面、真实性和灵活度上有较大提升，还可对文案、邮件等常用的文字内容实时生成，应用前景广阔。ChatGPT性能的提升不仅源于其数据量上的增加，还在ChatGPT性能提升效果、原理、应用场景以及未来商业化前景进行分析，并探讨国AI大模型发布时间参数数量(个)训练数据量18年6月19年2月GB20年5月TB-GPT行参数的微调，增加了包3千亿单词量在内总计570GB的数据hatGPT力，可理解对话者的深层次需求，并有丰富的语料库，回答内容与正常人交流具有较高相似度。具体来说，在GPT-3的基础上，其新增了大量社交媒体、新闻文章等的回答提供的信息量较少。机发现价值发现价值3ChatGPT的内容生成能力具有广阔的应用前景。ChatGPT不仅可以和人实现连续、这大大拓展了该模型的应用边界。在办公场景中，我们可以预期固定模式的、流程化的文案工作的效率有望大大提升，员工可以将精力用于更具创造性、创新性的工作上。在软件开发过程中，ChatGPT不仅有望提升代码开发效率，还大大降低了基础类算法开发的门槛，有望使得软件开发工作更为普及。机发现价值发现价值23PT文本表达形式都已经满足一定比例场景中的用户需求，通用性得到了大大增强，可应用的场景有较大拓展。未来，我们看好ChatGPT在文案写作、邮件撰写、宣传广告生成、软件代码编写、不同语言代码的转译等场景的应用。应用场景ChatGPT正、代码解释、程序命令生成、程序语言转化、广告设计、段落创作等代码编写、不同语言代码的转译等传统NLP模型文本分类(新闻标签打标、情感倾向分析)、论观点提取)咨询分类、品牌营销搜索等(二)ChatGPT实现较强通用性背后的原理后，对其参数进行了微调后，训练所得。这种训练方法一般称为迁移学习。由于所机发现价值发现价值23训练、算力支持和训练数据三方面详细分析ChatGPT实现较强通用性的原理。的基础上进行微调得到的。GPT-3在预先学习了各场景海量数据的基础上，其包含了具有通用共性特征的底层卷积层，这部分卷积层无需再进行训练，网络权重和阈GPT大的量产，提升开发效率。我们认为，与从零开始训练AI模型相比，引入AI预训练大1.训练时间更短：预训练模型中的部分卷积层可以复用，无需重复训练；2.训练成本更低：训练所消耗的算力随着数据训练时长的减AI器学习中的应用atGPTAPIGPT-3开放API接口，至2021年3月，已有超过300个应用基于其进行开发。我们认体技术进步，但基于GPT-3开发出类似ChatGPT通用化效果的模型仍取决于算力的支持和训练数据的数量与质量。机发现价值发现价值包括ChatGPT在内的大模型在训练和推理阶段都需要大量算力的支持。在IAI成为其在AI领域竞争的关键AI大模型的开发和应用，其有望驱动AI芯片和AI服务浪潮信息等国产AI硬件公司。AI模型发布时间模型参数规模训练数据量所用算力训练时间训练成本Transformer2017年-6.9万个字符8个P1003.5天3840美元BERT2019年3.4亿33亿文字64个TPU4天1.5万美元GPT-32020年5月1750亿570GB355个GPU-年1200万美元MT-NLG2021年105300亿1.5TB4480个GPU1个月8500万美元anguageUnderstandingAI大模型规模变化G型，训练数据多达1.5TB，其训练成本更是高达8500万美元。科技公司开发AI大模型需要专有AI算力基础设施和足够资金的支持。我们认为，受限于资金和算力基础设施，中小规模的AI公司对AI大模型虽有强烈诉求但无力开发，未来或需要依靠公机发现价值发现价值共部门或大型科技公司的算力和AI大模型。而商汤在战略上预计持续投入底层AI算6月底商汤和云从科技货币资金单位：亿元00114.3103.7114.3103.72019.122020.122021.122022.06单12位10：亿8元64201.801.80.92019.122020.122021.122022.06电子设备PT的丰富程度、真实性和及时性也对AI大模型生成的内容有较大影响。例如，班牙语等加起来不到4%，这导致其对其它语种的内容生成的拟人化效果不如英文。ChatGPT引入了人工反馈强化学习机制，有效提升模型拟人化效果。InstructGPT和ChatGPT在拥有和GPT-3相同量级参数的情况下，其回答相同问题的效果要远优于后者。基于人工反馈的强化学习机制(RLHF)是InstructGPT和ChatGPT在生成内容流畅、真实和拟人化的关键。OpenAI在训练InstructGPT的过程中，采用了40名人员的标注团队，对模型提出各种类型问题并且根据其回答给予人工反馈，这有模型生成内容的反馈是建立在对于各场景需求的理解上的。标注人员的价值观、知识面和专业能力都会对训练的AI大模型有一定影响。在AI大模型对于训练数据的数据量、场景覆盖面以及标注的精细化程度等有较高要求的情况下，未来各家公司采集、获取数据的方式是关键。科大讯飞在语音文字类外，具有中立属性和开放风格的公司更容易与产业链上下游形成合作，通过构建开放的生态，拓宽数据获取的渠道，有望建立AI大模型开发上的相对优势。机发现价值发现价值习的基本原理GPTInstructGPT比总体而言，ChatGPT大模型的训练和应用对于AI领域的模型、算力和数据三大基础I特定模型的量产，提升开发效率。(2)AI算力：AI大模型在训练和推理两个任务中都需要大规模智能算力基础设施的(3)训练数据：在AI大模型对于训练数据的数据量、场景覆盖面以及标注的精细化用化的关键。(三)国产“类ChatGPT”AI大模型与ChatGPT可能存在差距ChatGPT发国产“类ChatGPT”模型的开发和应用。短期来看，ChatGPT的广泛推广驱动了各科技公司向内容生成类应用的积极探索。在ChatGPT技术路线较为AI存在多样性不足、场景覆盖不全面等问题。开发，国内科技公司倾向于通过内生垂直一体化的发展策略留给具有创新力的小公模型开发和应用的AI芯片存在供货短缺、功耗较大等潜在问题。机发现价值发现价值力基础设施和应用阶段的运营费用较高，国内科技巨头资本开支的短期恢复力度可能相对有限。我们认为，科技巨头在既有商业模式和B端应用盈利弱势瓶颈下，是腾讯通过微信采集的是社交类数据，小红书采集的主要是和生活方式相关数据。有限的数据采集方式在多维度层面影响了可用于模型训练的数据质量，进一步会影响到AI模型的泛化能力和不同场景的通用化效果。表4：互联网公司采集数据的渠道和类型对比公司集数据的主要渠道要采集的数据类型线搜索索引擎、小度音箱识类和新闻类数据平台腾讯社交平台微信和QQ等在线聊天工具常交流的社交类数据：广发证券发展研究中心精神的OpenAI对于内容生成类AI模型的持续探索和坚持投入是ChatGPT取得成功的主要原因。而大型科技公司在技术投入时对于短期商业回报的考量过多，往往导致其投入的持续力不够。因此，OpenAI外部环境是关键。我们美国针对高端芯片及其产业链上下游对中国实施出口限制措施。2022年8月26日，未来出口到中国和俄罗斯的A100和即将推计算机以及制造先进半导体的能力，针对高端芯片及相关终端产品、制造设备等产美国一系列的封锁措施可能导致我国面临先进制程AI芯片短缺的情况，但成熟制程机发现价值发现价值单位：亿元单位：亿元推出的GPT-3大模型训练成本高达1200万美元(数据来源：商汤招股说明书)。在I百万美元级别。C产品还是生态合作/价值链均衡都有不小差距。我们认为，科技巨头在既有商业模式和B端应用盈利弱势瓶颈下，是否有意愿加速投入存在相当的不确定性。Q-2022Q3阿里巴巴、腾讯和百度资本开支及增速图0-60阿里资本开支同比增速腾讯资本开支同比增速百度资本开支同比增速ChatGPT。从外部环境看，我们面临高端AI芯片供货受限的压力未减；从内部环境看，科技厂商采集数据的方式有限、数据来源我们认为，除了寒武纪在基础AI算力方面相对突出，ChatGPT对A股计算。机发现价值发现价值ChatGPTAI内容生产类应用发展OpenAIGPTAI功能，结果中新增了ChatGPT对于搜索内容的直接回答，不仅很好的补充了既有的搜GPTTeams平台会议纪要自动生成功能展示PrometheusBing品的门槛和附加值有较大提高效果，同时对相应竞品实现降维竞争。我们可以预期微软相关产品线的竞争优势会迅速扩大并能逐步新增体现在全球市场份额和财务回机发现价值发现价值(二)科技公司开发的AI大模型预计由内部赋能转向内容生成积累了一定的AI大模型的技术，ChatGPT推动其应用向内容生成类方集上的出色表现激发了阿里、华为、百度等科技公司在AI大模型领域的研发投入。GPT应用将进一步推动各大科技公司将AI大模型向内容生产类应用发展。M过用户输入的文字智能推荐相关的产品的多模态AI大模型。华为在各行业积累了大量项目的基础上，深入理解下游客户智能化改造的需求痛点，其开发的盘古NLP大模型主要应用于舆情分析、企以文字搜索为主，其开发的NLP文心AI大模型主要用于提升对于用户输入的文字的表5：全球2020-2021年AI大模型一览发布时间模型名称模型参数20年6月21年1月ormer21年4月古NLP大模型AI21年6月能研究21年9月微软21年10月验室心机发现价值发现价值M工作中。阿里M索、文案撰写、图片设计等院智能计算实验室M6大模型开发进程华为盘古NLP大模型主要应用于舆情分析、企业运营分析等。盘古NLP大模型在预示(prompt-based)的调优、动态冰化等一系列正则化技术。盘古大模型的AI算百度文心大模型不仅对其搜索业务内部赋能，还广泛向AI开发人员提供API调用服是参数规模达到2600亿的自然语言处理的大模型，在机器阅读理解、文本分类、语机发现价值发现价值新和BML开发平台向AI应用开发者提供服务，已广泛应用于医疗、金融等领域，相关客户包括中国人寿、国美集团、度小满金融等。M型也已提供服装设计、图像描述生成及智能问答等功能。但其生成内容覆盖面、回答满意度和需求契合度都较与项目经验，其在参考了ChatGPT相关开发方法的海外公开资料后，有望推出国产机发现价值发现价值NLP对联自动生成效果M问答生成效果国内科技厂商开发的AI大模型大规模商业化应