導(dǎo)讀THECAPITAL
AI大模型深度分析報告，展示AI在內(nèi)容獲取、創(chuàng)作、交互及行業(yè)場景的應(yīng)用前景。本文4689字，約5.4分鐘作者 | 融中咨詢來源 | 融中咨詢（ID：gh_fdc07527ac52）
人工智能大模型定義及分類
人工智能大模型是指利用深度學(xué)習(xí)算法讓計算機從復(fù)雜數(shù)據(jù)集中自動提取關(guān)鍵特征并做出精準(zhǔn)決策的具有龐大參數(shù)規(guī)模的模型。
人工智能大模型可以分為通用大模型及行業(yè)大模型兩種類別，通用大模型是指使用通識類數(shù)據(jù)對模型進行訓(xùn)練，使模型具備包括多語言工作能力、廣泛學(xué)科的基礎(chǔ)知識及邏輯推理能力等泛化內(nèi)容任務(wù)解決的能力。行業(yè)大模型是指使用專項領(lǐng)域數(shù)據(jù)對模型進行訓(xùn)練，使模型提取出該專項領(lǐng)域規(guī)律并具備專項領(lǐng)域任務(wù)解決能力。
AI大模型的“智力”來源
（1）Transformer算法奠定大模型基礎(chǔ)當(dāng)前主流大模型普遍是基于Transformer算法進行設(shè)計的。Transformer的核心優(yōu)勢在于具有獨特的自注意力（Self-attention）機制，能夠直接建模任意距離的詞元之間的交互關(guān)系，解決了循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN）、卷積神經(jīng)網(wǎng)絡(luò)（CNN）等傳統(tǒng)神經(jīng)網(wǎng)絡(luò)存在的長序列依賴問題。
（2）規(guī)模定律助推大模型智力涌現(xiàn)“規(guī)模定律”描述了模型的表現(xiàn)與其參數(shù)規(guī)模之間呈現(xiàn)冪律關(guān)系，即隨著模型參數(shù)規(guī)模的增加，模型在各種任務(wù)上的表現(xiàn)會隨之提升。
“涌現(xiàn)能力”是指當(dāng)模型的參數(shù)規(guī)模達到一定程度時，某些任務(wù)處理的能力會出現(xiàn)爆發(fā)性的增長，并成為大模型性能突破的關(guān)鍵。
圖 1規(guī)模定律中大模型能力的呈現(xiàn)
信息來源：Emergent Abilities of Large Language Models，2022
AI大模型發(fā)展趨勢分析
（1）參數(shù)規(guī)模競爭為頭部競爭主基調(diào)近年來，以O(shè)pen AI、谷歌為代表的行業(yè)頭部大模型廠商仍在發(fā)掘“規(guī)模定律”（Scaling Law）所能帶來的能力提升，通過將模型參數(shù)的持續(xù)擴張以提升模型的任務(wù)處理能力，人工智能模型的計算使用量呈指數(shù)級增長。
圖 2 AI大模型的參數(shù)量變化
信息來源：Artificial Intelligence Index Report，2024
根據(jù)圖3所示，過去大模型進行訓(xùn)練投入的訓(xùn)練成本隨著訓(xùn)練數(shù)據(jù)的持續(xù)增長而呈現(xiàn)巨幅增長的態(tài)勢。
圖 3 AI大模型的訓(xùn)練成本對比
信息來源：Artificial Intelligence Index Report，2024
（2）多模態(tài)能力成為發(fā)展趨勢當(dāng)下人工智能大模型的多模態(tài)交互正逐漸成為未來的發(fā)展趨勢。表1展示了當(dāng)下多模態(tài)模型按工作原理進行的分類，并展示了各種多模態(tài)大模型的工作原理。
表 1 多模態(tài)大模型的實現(xiàn)方式
信息來源：Multimodal Foundation Models:From Specialists to General-Purpose Assistants，2023
除了大模型朝向多模態(tài)方向發(fā)展以外，其多模態(tài)工作的能力也在不斷深化。以圖4所示， Claude 3.5 Sonnet 相比前一代在根據(jù)文字需求改進代碼的測中可以解決26%的更多問題。
圖 4歷代Claude 模型解決編程問題情況對比
信息來源：Claude 3.5 Sonnet Model Card Addendum，2024
（3）人工智能向全行業(yè)滲透根據(jù)中國工業(yè)和信息化部信息，截至2024年7月30日，全國已備案的AI大模型為197個；其中通用大模型、行業(yè)大模型數(shù)量分別為61、136款，占比分別為31％、69％；行業(yè)大模型為目前AI大模型的主要開發(fā)方向。
圖 5 全國備案大模型的行業(yè)分布
信息來源：國家互聯(lián)網(wǎng)信息辦公室
根據(jù)中國工業(yè)和信息化部信息，教育及金融行業(yè)是目前行業(yè)大模型開發(fā)中最受關(guān)注的兩個領(lǐng)域。此外在辦公、政務(wù)、醫(yī)療領(lǐng)域中，已備案的AI大模型的數(shù)量亦有著較大的比重。
人工智能大模型市場規(guī)模
根據(jù)中國工業(yè)和信息化部賽迪研究院數(shù)據(jù)，2023年中國語言大模型市場規(guī)模為132.3億元，預(yù)計2027年中國語言大模型行業(yè)市場規(guī)模將達到600億元。
圖 6 中國大模型行業(yè)規(guī)模，2022-2027E
信息來源：中國工業(yè)和信息化部賽迪研究院，環(huán)球網(wǎng)
AI大模型發(fā)展前景分析
人工智能的發(fā)展可以看作是新一輪工業(yè)革命的開始，本章將把人工智能與傳統(tǒng)生產(chǎn)方式中的主要工作場景進行對比分析。
（1）人工智能內(nèi)容獲取場景前景分析在內(nèi)容獲取的服務(wù)能力上，人工智能已展現(xiàn)超越人類專家的知識水平，“消費電子+”成為行業(yè)趨勢。
在人工智能知識能力的測試方面，谷歌團隊發(fā)布的測試顯示OpenAI o1在專業(yè)知識測評中對專業(yè)問題的解答準(zhǔn)確率要高于相關(guān)領(lǐng)域的專家，展示了頂尖語言大模型在部分專業(yè)領(lǐng)域的知識已達到甚至超過人類博士水平的現(xiàn)狀。
現(xiàn)階段，人工智能較為熱門的落地方向之一便是可穿戴電子產(chǎn)品與AI的結(jié)合，相關(guān)AI電子產(chǎn)品包括AI耳機、AI手機、AI眼鏡等。
圖 7博士水平科學(xué)問卷完成情況（GPQA Diamond測試）
信息來源：openAI
（2）人工智能創(chuàng)作場景前景分析在創(chuàng)作場景的服務(wù)能力上，人工智能已具備略優(yōu)于人類的創(chuàng)造性，但對人類創(chuàng)作的替代能力仍不足。
2024年2月份，阿肯色大學(xué)團隊對人工智能的創(chuàng)造性進行測試，結(jié)果表明人工智能大模型在需要開創(chuàng)性思維的創(chuàng)作類工作中已具備匹敵甚至超越人類工作者的基礎(chǔ)條件。
現(xiàn)階段的應(yīng)用情況，人工智能在文本創(chuàng)作上已被較多嘗試；在視頻創(chuàng)作上，AI視頻創(chuàng)作的難點在于大模型對物理規(guī)律的理解；在編程能力上，前沿大模型距離人類專業(yè)工作者的水平仍有差距。
（3）人工智能交互場景前景分析
在交互場景上，人工智能具備多模態(tài)的擬人化交互能力。現(xiàn)階段以GPT-4o模型和谷歌的Project Astra為代表的人工智能模型都實現(xiàn)了跨模態(tài)的實時推理功能。除了多模態(tài)交互能力以外，人工智能大模型還展現(xiàn)了情感感知能力。
（4）人工智能行業(yè)場景前景分析在行業(yè)應(yīng)用場景上，人工智能可替代或輔助人類在傳統(tǒng)工作場景的職能，實現(xiàn)人力成本的降低及效能的提升。
在金融應(yīng)用場景上，人工智能可幫助機構(gòu)搭建AI客服系統(tǒng)，提供全時段的問題解答與業(yè)務(wù)辦理等服務(wù)。在金融領(lǐng)域的中后臺及保險行業(yè)，人工智能亦有充分應(yīng)用場景。
在政務(wù)應(yīng)用場景上，一方面人工智能可以基于政務(wù)數(shù)據(jù)庫，在政策的制定、社會數(shù)據(jù)的監(jiān)控等方面提供智能檢索、分析、決策設(shè)計等功能。在對公工作方面，人工智能亦有充分應(yīng)用場景。
在醫(yī)療應(yīng)用場景上，人工智能可以輔助醫(yī)生進行疾病診斷工作、根據(jù)醫(yī)生的診斷決策，提供多種方案的用藥建議；在藥物研發(fā)方面，人工智能主要應(yīng)用在靶點發(fā)現(xiàn)、化合物的設(shè)計與篩選上亦有所為。
人工智能在其他的行業(yè)應(yīng)用場景還包括自動駕駛、AI質(zhì)量檢測等對傳統(tǒng)人工環(huán)節(jié)的滲透或替代。
AI大模型行業(yè)應(yīng)用的解決方案
（1）解決方案：“提示工程”引導(dǎo)模型輸出更專業(yè)提示工程是使模型回答更加專業(yè)化的一種解決方案，其在通用大模型現(xiàn)有的數(shù)據(jù)及參數(shù)基礎(chǔ)上提供專業(yè)的“思維引導(dǎo)”，這些“思維引導(dǎo)”通常通過挑選出的提示語言來實現(xiàn)，在提示語言的引導(dǎo)下最終使大模型輸出與專業(yè)領(lǐng)域要求更相關(guān)且更準(zhǔn)確的內(nèi)容。
圖 8 提示詞工程的運行步驟
信息來源：LARGE LANGUAGE MODELS ARE HUMAN-LEVELPROMPT ENGINEERS，2023
（2）解決方案：“預(yù)訓(xùn)練”創(chuàng)造行業(yè)大模型
使大模型針對特定行業(yè)亦具備專業(yè)工作能力的解決方案之一便是使用包含行業(yè)數(shù)據(jù)集的語料庫對語言大模型進行預(yù)訓(xùn)練，最后可得到專業(yè)處理能力遠(yuǎn)超普通基礎(chǔ)大模型的行業(yè)大模型。
預(yù)訓(xùn)練方法的應(yīng)用主體除了包括對數(shù)據(jù)保密要求較高的企業(yè)，還適用于與現(xiàn)有大模型差異較大的場景，以更好地提升行業(yè)解決能力。
（3）解決方案：“精調(diào)”對模型進行局部調(diào)整精調(diào)是指對已訓(xùn)練好的通用大模型參數(shù)進行針對于目標(biāo)行業(yè)任務(wù)的調(diào)整，將行業(yè)數(shù)據(jù)集用于再次訓(xùn)練大模型，最終使通用大模型具備更豐富的行業(yè)數(shù)據(jù)積累以及專項問題解決能力的方法。與預(yù)訓(xùn)練相比，精調(diào)方式減少了訓(xùn)練時間，通常只需要對模型做局部調(diào)整，所需的訓(xùn)練數(shù)據(jù)也相對較少，是一種更為經(jīng)濟高效的方法。
圖 11預(yù)訓(xùn)練與精調(diào)的對比
信息來源：公開資料整理
（4）解決方案：“RAG”外掛數(shù)據(jù)庫拓寬模型行業(yè)知識
RAG通過在通用大模型原有基礎(chǔ)上外掛目標(biāo)行業(yè)知識庫，能為基礎(chǔ)大模型提供海量的行業(yè)數(shù)據(jù)信息輸入，繼而將基礎(chǔ)大模型的通用任務(wù)解決能力與海量專業(yè)知識相結(jié)合，形成具備解決專業(yè)領(lǐng)域任務(wù)能力的行業(yè)大模型。RAG架構(gòu)解決方案適用于具備豐富數(shù)據(jù)資源基礎(chǔ)的企業(yè)，通常應(yīng)用于特定行業(yè)的人工智能客服問答、內(nèi)容查詢及數(shù)據(jù)處理等任務(wù)。
圖 12 RAG技術(shù)的實現(xiàn)步驟
信息來源：公開資料整理
人工智能大模型股權(quán)
最新投資案例分析
百度最近10年，百度在深度學(xué)習(xí)、對話式人工智能操作系統(tǒng)、自動駕駛、AI芯片等前沿領(lǐng)域投資，使得百度成為一個擁有強大互聯(lián)網(wǎng)基礎(chǔ)的領(lǐng)先AI公司。
百度自然語言處理以『理解語言，擁有智能，改變世界』為使命，致力于研發(fā)自然語言處理核心技術(shù)，打造領(lǐng)先的技術(shù)平臺和創(chuàng)新產(chǎn)品，服務(wù)全球用戶，讓復(fù)雜的世界更簡單。產(chǎn)品方面，百度擁有NLP能力引擎、開發(fā)平臺文心、智能對話服務(wù)與定制平臺 UNIT、百度輸入法和百度智能翻譯。
騰訊
在NLP方面，騰訊云 NLP 服務(wù)深度整合了騰訊內(nèi)部的 NLP 技術(shù)，提供多項智能文本處理和文本生成能力，包括詞法分析、相似詞召回、詞相似度、句子相似度、文本潤色、句子糾錯、文本補全、句子生成等。滿足各行業(yè)的文本智能需求。
科大訊飛
科大訊飛在自然語言處理領(lǐng)域的相關(guān)產(chǎn)品有訊飛聽見、訊飛輸入法和訊飛星火大模型。基于以語音交互為核心的智能語音技術(shù)，上述產(chǎn)品可以完成文本朗讀、語音合成、語音識別、中文自動分詞、詞性標(biāo)注、句法分析、自然語言生成、文本分類、信息檢索與抽取、文字校對、問答系統(tǒng)、機器翻譯、自動摘要等功能。
圖表 10 科大訊飛融資歷程
資料來源：企查查、融中研究整理
拓爾思（300229）在自然語言處理領(lǐng)域。拓爾思有智語自然語言處理引擎。該引擎提供非結(jié)構(gòu)化數(shù)據(jù)結(jié)構(gòu)化、賦能語義智能分析和支持構(gòu)建知識圖譜或本體知識庫三大功能，面向智慧專利、智慧公安、智慧政務(wù)、智慧金融、開源情報分析等應(yīng)用場景，以先進的NLP技術(shù)為用戶的業(yè)務(wù)應(yīng)用賦智賦能。
圖表 11 拓爾思融資歷程
資料來源：企查查、融中研究整理
思必馳思必馳自然語言處理技術(shù)，專注于智能對話中的大規(guī)模、可定制語義理解解決方案和實體識別、語義角色分析、信息抽取等自然語言技術(shù)。
圖表 12 思必馳自然語言處理核心優(yōu)勢
資料來源：融中研究整理
圖表 13 思必馳融資歷程
資料來源：36氪、融中研究整理
追一科技自然語言處理（NLP）方面，追一科技在大規(guī)模預(yù)訓(xùn)練模型、自然語言智能交互（NL2X）、NLG（自然語言生成）等領(lǐng)域?qū)矣袆?chuàng)新，并將技術(shù)成果開放給業(yè)界，持續(xù)推動NLP技術(shù)的發(fā)展。在未來元宇宙時代，NLP技術(shù)有著極大的應(yīng)用潛力，致力于成為元宇宙對話交互技術(shù)基礎(chǔ)設(shè)施提供者。
圖表 14 追一科技融資歷程
資料來源：36氪、融中研究整理
香儂科技在自然語言處理方面，香儂科技以深度學(xué)習(xí)算法和神經(jīng)網(wǎng)絡(luò)模型，解讀億萬文本和圖像，精準(zhǔn)呈現(xiàn)關(guān)鍵信息。采用由語言學(xué)家自研設(shè)計的文本標(biāo)注系統(tǒng)，持續(xù)進行大規(guī)模數(shù)據(jù)標(biāo)注和流程優(yōu)化；采用并行超算平臺和大黃蜂深度學(xué)習(xí)框架，顯著提高NLP算法開發(fā)效率；采用BERT等深度學(xué)習(xí)最新模型，并在算法上持續(xù)優(yōu)化和突破。香儂科技深耕NLP，提供行業(yè)領(lǐng)先的信息處理的全新解決方案。
圖表 15 香儂科技融資歷程
資料來源：36氪、融中研究整理
出門問問（2438.HK ）出門問問擁有行業(yè)領(lǐng)先的AI基礎(chǔ)設(shè)施能力、前沿通用大模型能力（自研大模型「序列猴子」），以及豐富的垂直領(lǐng)域軟硬結(jié)合的優(yōu)化算法技術(shù)模塊，是為數(shù)不多的同時服務(wù)于消費者、企業(yè)、創(chuàng)作者三大類不同群體的公司。
圖表 16 出門問問融資歷程
資料來源：36氪、融中研究整理
零一萬物在自然語言處理技術(shù)方面，零一萬物走的是自主研發(fā)大模型的道路，已經(jīng)完成了百億參數(shù)級別的內(nèi)部測試，并計劃在未來將模型規(guī)模提升至300到700億參數(shù)。此外，該公司還計劃推出開源的模型版本，與社區(qū)共享技術(shù)成果。零一萬物的愿景是不僅僅做通用大模型，還要做能夠處理圖片、視頻、3D等多種數(shù)據(jù)類型的多模態(tài)模型。
圖表 17 零一萬物融資歷程
資料來源：36氪、融中研究整理
月之暗面月之暗面的主要業(yè)務(wù)集中在開發(fā)和推廣大模型技術(shù)，特別是在自然語言處理（NLP）領(lǐng)域。公司在大模型長上下文窗口技術(shù)上取得了新的突破，其自研的Kimi智能助手已支持200萬字超長無損上下文，并開啟了產(chǎn)品內(nèi)測。
圖表 18 月之暗面融資歷程
資料來源：天眼查、融中研究整理
主線科技表 2主線科技最新輪股權(quán)投資信息
信息來源：融中數(shù)據(jù)庫
在港口無人駕駛方面，主線科技的無人駕駛方案設(shè)計出“多交通參與者混行博弈算法”，旨在解決無人駕駛車輛在港口運輸所面臨的交通參與者復(fù)雜、道路不明晰等痛點，在結(jié)合自身成型的無人駕駛商用車體系、物聯(lián)網(wǎng)、大數(shù)據(jù)等技術(shù)后可為現(xiàn)存港口運輸實現(xiàn)全域智聯(lián)的無人駕駛技術(shù)升級。
深勢科技表 2主線科技最新輪股權(quán)投資信息
信息來源：融中數(shù)據(jù)庫
在醫(yī)藥人工智能方面，深勢科技借助自研藥物計算設(shè)計平臺，能夠提供一站式藥物設(shè)計解決方案。該平臺覆蓋了從蛋白結(jié)構(gòu)解析、靶點發(fā)現(xiàn)和確證、虛擬篩選、先導(dǎo)物優(yōu)化到藥代動力學(xué)預(yù)測等臨床前藥物設(shè)計的全部階段，利用自研核心算法在精度和效率上實現(xiàn)重大突破。#線索爆料# rzcj@thecapital.com.cn
