计算机-AI应用何时到来

请仔细阅读本报告末页声明证券研究报告|行业点评AI应用曙光已现，模型准确度为落地前提。1）生成式AI的发展为各个产业带来了机遇，AI应用的落地正在持续进行。在C端当前AI应用的竞争格局并不稳定，创意工具为吸引消费者的主要AI应用类别。在B端，a16z指出企业对内部用例感到兴奋，但对外部用例仍然更加谨慎。因为企业仍然对生成式AI存在幻觉和安全方面的担忧。谷歌Cloud客户案例指出企业通过在客户服务、员工赋能、代码创建、数据分析、网络安全以及创意构思和制作六个关键领域开发AIAgent来提高生产力。2）回顾CV领域的发展，可以发现模型准确度的提升是大量视觉应用铺开的基础。结合当前AI应用的落地情况，我们认为当前C端AI落地领域多为各类创意工具，原因在于此类应用对准确度要求不高，在B端企业通过AIAgent来提高生产力，对于需要执行多步任务的AIAgent而言，模型的准确度对最终效果影响更大。因此当下虽然AI应用在各领域持续推进中，但落地速度以及新场景的开拓均依赖于模型准确度的提升。智能助理与自动驾驶为两大重要方向。1）在OpenAI的规划中，通往AGI的阶段可分为五级，其中第二级为推理者，拥有人类水平的问题解决能力，第三级为Agent，可以采取行动的系统。2024年9月12日，OpenAI发布了o1系列模型，它们可以解决比以前的科学、编码和数学模型更难的问题，对复杂的推理任务取得了重大进步。我们认为这意味着OpenAI已初步达到了其通向AGI目标的第二阶段，结合近期OpenAICEO的对于目标3的发言以及OpenAI和谷歌的部分招聘动向，我们认为接下来在可执行具体操作的Agent领域有望看到产业新进展，各类终端的智能助理将是Agent的重要落地场景。2）9月5日，特斯拉官方账号宣布FSD预计于明年第一季度正式在中国与欧洲市场推出。特斯拉AI团队还介绍了近期FSD的迭代改进，包括9月推送V12.5.2版本，接管率提升3倍，10月将推送FSD倒车和车位-车位能力，同时V13版本平均接管率再提升6倍。国内2024年8月享界S9首发华为ADS3.0高阶智驾，率先应用端到端类人智驾，复杂路况智能应对，升级了GOD感知神经网络，实现从物体识别到场景理解。我们认为国内外自动驾驶进展持续加速，是明确产业方ScalingLaw仍在验证，期待GPT-5突破。1）基于ScalingLaw的思到性能更强的模型，同时幂律关系在数学上也意味着性能的提升边际后训练阶段的强化学习以及推理时的思维链来提升模型的性能，随着 目前业界其他公司尚未公布更大规模的模型。o1探索出了在后训练和推理阶段能优化部分任务的准确度的方案，这令我们更期待未来的GPT-5系列模型能否通过扩大模型规模带来性能突破，若GPT-的准确度大幅上升，则可以乐观预期AI应用的创新将迎来全面爆发。行业走势10% 0%-10%-20%-30%-40%2023-102024-022024-062024-09作者相关研究P.2请仔细阅读本报告末页声明 1）算力侧：寒武纪、中科曙光、海光信息、云赛智联、软通动力、中际旭创、新易盛、浪潮信息、工业富联、神州数码、协创数据、弘信电子、高新发展等。2）端侧AI：立讯精密、东山精密、传音控股、鹏鼎控股、中科创达、漫3）自动驾驶：华为智车：江淮汽车、赛力斯、长安汽车、北汽蓝谷等；国内自动驾驶产业链：德赛西威、万马科技、中科创达、经纬恒润、海天瑞声、金溢科技、万集科技、千方科技、鸿泉物联等；特斯拉产业链：特斯拉、世运电路、三花智控、拓普集团等。风险提示：AI技术迭代不及预期风险；经济下行超预期风险；行业竞争加P.3请仔细阅读本报告末页声明 4模型准确度是应用落地前提 7 9OpenAIo1模型推理能力大幅提升， 9 13 16 23图表1：a16z于2024年8月21日发布的AIWeb产品和AI移动应用top50榜单 5图表2：企业将LLM应用于不同场景的意愿 6图表3：谷歌提到的六个关键领域的AIAgent 7 8 9图表6：OpenAICEO发文称“在目标3上表现出色” 10图表7：OpenAI正在招聘multiagent团队成员 11图表8：谷歌Deepmind正在招聘multiagent团队成员 12 13图表10：特斯拉AI团队发布路线图 14图表11：HUAWEIADS3.0实现端到端类人智驾 15 16 17 18 19 20 21图表18：同一问题上o1-preview和o1-mini的回答速度比GPT-4o慢 21图表19：OpenAI各版本模型API价格 22P.4请仔细阅读本报告末页声明 竞争格局并不稳定，a16z每六个月对访问量靠前的AIWeb产品和P.5请仔细阅读本报告末页声明 图表1：a16z于2024年8月21日发布的AIWeb产品和AI移动应用top50榜单资料来源：a16z官网，国盛证券研究所在面向B端的AI应用上，2024年3月21日a16z发布的报告《16ChangestotheWayEnterprisesAreBuildingandBuyingGenerativeAI》中指出：企业对内部用例感到兴奋，但对外部用例仍然更加谨慎。这是因为企业仍然对生成式AI存在两个主要担忧：幻觉和安全方面的潜在问题，以及部署生成式AI的公关问题，尤其是在敏感的消费者领域（例如医疗保健和金融服务）。过去一年最受欢迎的案例要么专注于内部生产力，要么在到达客户之前先通过人工传递——例如编程copilot、客户支持和营销。企业将文本摘要和知识管理（例如内部聊天机器人）等完全内部用例推向生产的速度远远高于敏感的人机交互用例P.6请仔细阅读本报告末页声明 （例如合同审查）或面向客户的用例（例如外部聊天机器人或推荐算法）。例如据福布斯2024年2月报道，加拿大航空公司在一场小额索赔诉讼中败诉，乘客声称聊天机器人在幻觉中给出了与航空公司政策不一致的答案，导致其对航空公司票价的规定产生了误解。加拿大小额索赔法庭的法庭裁定这名乘客的说法正确，并判给乘客812.02美元的赔偿金和诉讼费，为避免类似情况，企业在面向外部的AI应用上较为谨慎。图表2：企业将LLM应用于不同场景的意愿资料来源：a16z官网，国盛证券研究所投入生产的案例。文章提到在短短几个月内，组织已从AI帮助回答问题，发展到出预测，再到生成式AIAgent。AIAgent的独特之处在于它们可以采取行动标，无论是引导购物者找到合适的鞋子，帮助员工寻找合适的健康福利，还是在轮班期间支持护理人员更顺畅地交接患者。在与客户合作的过程中，谷歌不断听到他们的团队越来越专注于提高生产力、实现流程自动化和现代化客户体验。这些目标现在通过在六安全以及创意构思和制作。P.7请仔细阅读本报告末页声明 图表3：谷歌提到的六个关键领域的AIAgent资料来源：谷歌官网，国盛证券研究所表现，在ImageNet2012分类数据集上实现了4.94%的top5错误率，而人类的错误率2014年商汤推出自主研发的DeepID系列人脸识别算法准确率达到98.52%，超过P.8请仔细阅读本报告末页声明 图表4：商汤科技公司创立历程，以人脸识别算法突破工业化应用红线为开始资料来源：商汤科技官网，国盛证券研究所结合CV算法的发展历程以及当前AI应用的落地情况。我们认为当前C端AI落地领域多为各类创意工具，原因在于此类应用对准确度要求不高，AI生成结果不符合用户需求并不会带来太大损失，重复生成的效率比人工高就有足够应用价值。另一方面，此类任务通常生成结果过程不需要AI自主进行多步任务规划，因此整体成功率更高。在B端，由于涉及到真实的生产环境，企业内部应用AI的进度也对于模型的准确度依赖程度更高。同时谷歌也提到企业正在通过在客户服务、员工赋能、代码创建、数据分析等关键领域开发的AIAgent来提高生产力、实现流程自动化和现代化客户体验。而对于需要执行多步任务的AIAgent而言，模型的准确度对最终效果影响更大。浙江大学一篇探讨人工智能体的论文《人工智能的前沿—智能体（Agent）理论及其哲理》中将Agent定义为：一个运行于动态环境中的、具有较高自治能力的实体（即自治体，可以是系统、机器，也可以是一个计算机软件程序等等）。其根本目标是接受另一个实体（即主体，可以是用户、计算机程序、系统或机器等）的委托并为之提供帮助或服务，能够在目标任务的驱动下主动采取包括学习、通讯、社交等各种手段感知、适应其外在环境的动态变化，并作出适当的反应。OpenAI安全系统负责人LilianWeng的文章《LLMPoweredAutonomousAgents》中提到当下AIAgent的三大核心组件包括规划、记忆、工具使用。对于需要进行长任务规划，过程还涉及调用工具的AIAgent而言，如果一个需要进行三步推理的任务，假设每一步推理的准确率为0.8，则最终成功完成任务的概率将只有0.8^3=0.512。因此当下虽然AI应用在各领域持续推进中，但落地速度以及新场景的开拓均依赖于模型准确度的提升。P.9请仔细阅读本报告末页声明 OpenAIo1模型推理能力大幅提升，Agent或为下一阶段目标考后再做出反应。它们可以推理复杂的任务，解决比以前的科学通过训练，它们学会完善自己的思维过程，尝试不同的策略，并认识到自己的错误。作图表5：o1在具有挑战性的推理基准上大大优于GPT-4o。实线表示pass@1准确率，阴影区域表示64个样本的多数投票（共识）表现。资料来源：OpenAI官网，国盛证券研究所P.10请仔细阅读本报告末页声明 图表6：OpenAICEO发文称“在目标3上表现出色”资料来源：X平台，国盛证券研究所P.11请仔细阅读本报告末页声明 图表7：OpenAI正在招聘multiagent团队成员资料来源：X平台，openai官网，国盛证券研究所P.12请仔细阅读本报告末页声明 图表8：谷歌Deepmind正在招聘multiagent团队成员资料来源：X平台，谷歌官网，国盛证券研究所将会是一大重要产业方向，各类终端的智能助理将是落地场景。例如借助Apple用户可以说“从我的阅读列表中调出那篇关于蝉的文章”，或“将周六烧烤的照片发送P.13请仔细阅读本报告末页声明 图表9：借助AppleIntelligence,Siri可以在应用程序中和跨应用程序执行数百个新操作资料来源：苹果官网，国盛证券研究所自动驾驶）系统预计于明年第一季度正式在中国与欧洲市场推出。据华尔街见闻，特斯有望加速全行业技术进步。P.14请仔细阅读本报告末页声明 图表10：特斯拉AI团队发布路线图资料来源：X平台，国盛证券研究所架构，全场景全天候智能硬件感知系统，全向防碰撞3.0超全感知、超快响应、超前验证三大能力升级。前向主动安全场景再升级，侧向主动安全辅助避险，后向主动安全倒让驾驶更安全。享界S9首发车位到车位智驾，支持车位启动等，全场景贯通。泊车能力再升级，全新支持障碍物挪开既停，远程一键泊入泊出。泊车代驾正式商用。P.15请仔细阅读本报告末页声明 图表11：HUAWEIADS3.0实现端到端类人智驾资料来源：新京报，国盛证券研究所“第四界”的更多信息：命名定为MAEXTRO尊界，与江淮联合国内外自动驾驶进展均持续加速，是明确产业方向。P.16请仔细阅读本报告末页声明 能，必须同时扩大这三个因素。当不受其他两个因素图表12：o1性能随着训练时间和测试时间计算而平稳提升。资料来源：《ScalingLawsforNeuralLanguageModels》KaplanJ,McCandlishS,HenighanT,etal.，国盛证券研究所——Llama2基于2Ttoken数据进行预训练，包括7B/13B/70B三个参数规模的版本。——Llama3.1405B的训练数据量依然为超过15Ttoken。由于参数规模的扩大，P.17请仔细阅读本报告末页声明 图表13：Llama2在部分评测基准上的得分资料来源：Meta官网，国盛证券研究所P.18请仔细阅读本报告末页声明 图表14：Llama3在部分评测基准上的得分资料来源：Meta官网，国盛证券研究所长才能带来模型性能的线性提升。除了算力成本，规模带来了两个具体挑战。的指标，直接转化为端到端的训练速度。为数据白皮书》，高质量数据是大模型技术发展的主要瓶颈之一，可供大模型学习的数据类型较多，但能够进一步拓展大模型知识边界、推动大模型推理、泛化等关键能力提升的数据更多偏向于视频、图片等多模态数据，以及特定行业中的领域知识数据。此类数据主要来自于人类的创造、制作和经验积累，其规模、类型和质量因客观条件的不同存在较大异。在大模型强大的无监督数据学习能力面前，大模型的数据需求快速经历了从量到质的转换，能够被大模型更直接地利用、可以进一步提升大模型关键能力、帮助大模型生成内容更符合人类习惯和要求的高质量数据，成为了最为关键的数据类型。对于提高此类高质量训练数据的供给，现行的主要方案侧重于构建更为开放、包容的高质量放宽对于训练数据的权属保护规则等。合成数据也为模型供给提供了新的技术方案。P.19请仔细阅读本报告末页声明 o1模型的强大推理能力来自于强化学习和思和纠正错误；学会将棘手的步骤分解为更简单的步骤；学会在当前方法不起作用时尝试o1模型引入了推理token。模型使用这些推图表15：o1模型引入了推理token。资料来源：OpenAI官网，国盛证券研究所P.20请仔细阅读本报告末页声明 图表16：o1性能随着训练时间和测试时间计算而平稳提升。资料来源：OpenAI官网，国盛证券研究所通过不断尝试不同动作以获取最大累积奖励从而学习决策的机器学习方法，设置合理的奖励函数是强化学习的关键。据阿里研究院公众号，代码、数学有比较准确、快迭代的评判标准，使得模型能够获得明确的反馈。数学作为形式化逻辑的典范，拥有一套可验证、精准的符号系统；而代码领域相比数学还有两个独特的优势：海量高质量数据和明确的分工方式。但大语言模型在很多领域的任务的目标是模糊的，也没有确定的正确标准，因此o1通过在后训练阶段的强化学习提升能力的方式是否容易泛化到其他不确定。P.21请仔细阅读本报告末页声明 图表17：强化学习概念图资料来源：阿里研究院，国盛证券研究所度比o1-preview快了大约3-5倍，但仍远慢于GPT-4o。对于需要快速响应的应用，o1图表18：同一问题上o1-preview和o1-mini的回答速度比GPT-4o慢资料来源：OpenAI官网，国盛证券研究所P.22请仔细阅读本报告末页声明 o1-preview每百万token的输出价格是60美元，是GPT-4o的四倍。并且在之前型版本里，输出的token数量和用户可见的token数量是一致的，而o1系列模型由于内部引入了推理token，输出token的数量会超过可见token的总量。因此从用户可见图表19：OpenAI各版本模型API价格模型版本输入token价格输出token价格GPT-4o$5.00/1M$15.00/1MGPT-4omini$0.150/1M$0.600/1MOpenAIo1-preview$15.00/1M$60.00/1MOpenAIo1-mini$3.00/1M$12.00/1M资料来源：OpenAI官网，国盛证券研究所在预训练模型规模提升的边际回报放缓情况下的一种重要技术范式。各项任务上的准确度获得较大提升，则可以乐观预期AI应用的P.23请仔细阅读本报告末页声明 国内自动驾驶产业链：德赛西威、万马科技、中科创达特斯拉产业链：特斯拉、世运电路、三花智控、拓普集团AI技术迭代不及预期风险：若AI技术迭代不及预期，则对产业链相关公司会造成一经济下行超预期风险：若宏观经济景气度下行，固定资产投资额放缓，影响企业再投P.24请仔细阅读本报告末页声明免责声明国盛证券有限责任公司（以下简称“本公司”）具有中国证监会许可的证券投资咨询业务资格。本报告仅供本公司的客户使用。本公司不会因接收人收到本报告而视其为客户。在任何情况下，本公司不对任何人因使用本报告中的任何内容所引致的任何损失负任何责任。本报告的信息均来源于本公司认为可信的公开资料，但本公司及其研究人员对该等信息的准确性及完整性不作任何保证。本报告中的资料、意见及预测仅反映本公司于发布本报告当日的判断，可能会随时调整。在不同时期，本公司可发出与本报告所载资料、意见及推测不一致的报告。本公司不保证本报告所含信息及资料保持在最新状态，对本报告所含信息可在不发出通知的情形下做出修改，投资者应当自行关注相应的更新或修改。本公司力求报告内容客观、公正，但本报告所载的资料、工具、意见、信息及推测只提供给客户作参考之用，不构成任何投资、法律、会计或税务的最终操作建议，本公司不就报告中的内容对最终操作建议做出任何担保。本报告中所指的投资及服务可能不适合个别客户，不构成客户私人咨询建议。投资者应当充分考虑自身特定状况，并完整理解和使用本报告内容，不应视本报告为做出投资决策的唯一因素。投资者应注意，在法律许可的情况下，本公司及其本公司的关联机构可能会持有本报告中涉及的公司所发行的证券并进行交易，也可能为这些公司