1 引言

ChatGPT 是由 OpenAI 研發(fā)的一種語言 AI 模型，使用上億參數(shù)的大模型和海量語 料庫來生成語句，目前可以實現(xiàn)寫詩、撰文、編碼的功能。ChatGPT 廣受用戶歡迎， 短短五天注冊用戶數(shù)量便超過 100 萬，60 日月活破億。產(chǎn)業(yè)界如微軟、谷歌、百度 也對于 openAI 及其競品加大投入。

2 ChatGPT 引發(fā)人工智能投資熱潮

2.1 ChatGPT 是什么？

ChatGPT 是由 OpenAI 研發(fā)的一種語言 AI 模型，使用海量語料庫來生成與人類相 似的反應(yīng)。ChatGPT 是基于 GPT（generativef pretrained’ transformer）架構(gòu)搭建的， 主要用深度學(xué)習(xí)來生成連貫且具有意義的文字。這個模型使用了來自于網(wǎng)站、書本和社 交媒體的海量文字?jǐn)?shù)據(jù)，因此也為 ChatGPT 在保證準(zhǔn)確性和細(xì)節(jié)的同時，提供了廣泛 的對話反饋。對話反饋是 ChatGPT 的核心功能之一，也使它成為了實現(xiàn)聊天機(jī)器人或 其他對話型 AI 的理想技術(shù)。除對話功能外，ChatGPT 也具有實現(xiàn)各類語言相關(guān)任務(wù)的能力，包括文章精煉、翻 譯以及情緒分析等。以上各類語言能力在大規(guī)模的訓(xùn)練數(shù)據(jù)和升讀學(xué)習(xí)架構(gòu)下，使 ChatGPT 成為目前應(yīng)用最為先進(jìn)的語言模型之一?？傮w上，ChatGPT 標(biāo)志著自然語言處理（NLP）和對話 AI 領(lǐng)域的一大步，其高質(zhì) 量文字產(chǎn)出能力在商業(yè)、研究和開發(fā)活動中提高用戶體驗的方向上非常有應(yīng)用價值的。

圖片

截至目前，GPT 已經(jīng)經(jīng)歷了如下演化：1. GPT-1: 第一代 GPT 語言模型，發(fā)布于 2018 年。它有 1.17 億個參數(shù)，使用網(wǎng)頁 的文字?jǐn)?shù)據(jù)進(jìn)行訓(xùn)練。2. GPT-2: 發(fā)布于 2019 年，具有 15 億個參數(shù)，使用的網(wǎng)頁文字?jǐn)?shù)據(jù)量也遠(yuǎn)大于前 一代。它已經(jīng)可以生成高質(zhì)量的文字，甚至完成翻譯、精煉文字等簡單任務(wù)。3. GPT-3: 發(fā)布于 2020 年，具有 1750 億個參數(shù)，使用網(wǎng)頁以及其他來源的文字進(jìn) 行訓(xùn)練。它已經(jīng)可以進(jìn)行擔(dān)任各類任務(wù)，被認(rèn)為是語言模型領(lǐng)域的顯著突破。

2.2 ChatGPT 技術(shù)和傳統(tǒng)的 AI 有什么區(qū)別？

相比傳統(tǒng) AI 算法，GPT 模型的區(qū)別在于通過海量參數(shù)，進(jìn)一步提升了模型的精確 度。初代的 GPT 模型參數(shù)是 1.17 億，而 GPT2 的模型有 15 億個參數(shù)，參數(shù)增加了 10 倍之多。第三代的 GPT3 模型，參數(shù)達(dá)到了 1750 億，是 GPT2 參數(shù)的 100 倍。正是由 于參數(shù)的指數(shù)級提升，使得模型的使用效果大幅提升。而此類參數(shù)上億的模型，通常稱 之為“大模型”。GPT 模型基于 Transformer 架構(gòu)，這是一種由谷歌的 Vaswani 等人于 2017 年引入 的神經(jīng)網(wǎng)絡(luò)類型。Transformer 架構(gòu)特別擅長對序列數(shù)據(jù)中的長距離依賴進(jìn)行建模，這使 其非常適合自然語言處理任務(wù)。為了訓(xùn)練 GPT 模型，OpenAI 使用了來自互聯(lián)網(wǎng)的大量文本數(shù)據(jù)，包括書籍、文章 和網(wǎng)站。該模型使用一種稱為無監(jiān)督學(xué)習(xí)的技術(shù)進(jìn)行訓(xùn)練，這意味著它學(xué)會了在沒有人 類監(jiān)督的情況下預(yù)測文本序列中的下一個單詞。GPT 模型能夠生成連貫和語法正確的文本，已被用于廣泛的自然語言處理任務(wù)，包 括語言翻譯、文本補(bǔ)全和文本生成。

Transformer 模型是一種用于自然語言處理的神經(jīng)網(wǎng)絡(luò)模型。與傳統(tǒng)的循環(huán)神經(jīng)網(wǎng) 絡(luò)（RNN）不同，Transformer 模型使用自注意力機(jī)制（self-attention）來處理輸入序列 中不同位置之間的依賴關(guān)系。Transformer 模型由編碼器和解碼器兩部分組成。編碼器將輸入序列中的每個單詞 表示為一個向量，并通過多層自注意力和前饋神經(jīng)網(wǎng)絡(luò)來對輸入序列進(jìn)行編碼。解碼器 則使用相同的自注意力和前饋神經(jīng)網(wǎng)絡(luò)來生成輸出序列。在自注意力機(jī)制中，模型根據(jù)輸入序列中的所有單詞計算出每個單詞與其他單詞的 相關(guān)性，然后使用這些相關(guān)性加權(quán)求和得到每個單詞的表示向量。這種方法使得模型能 夠處理長序列和跨越序列中的依賴關(guān)系，從而提高了模型的性能。Transformer 模型已經(jīng)在自然語言處理領(lǐng)域取得了很好的效果，包括機(jī)器翻譯、文 本摘要和問答系統(tǒng)等任務(wù)。它是目前最先進(jìn)的語言模型之一，也是開發(fā)其他自然語言處 理模型的基礎(chǔ)。

2.3 ChatGPT 將給行業(yè)帶來哪些機(jī)會？

相比其他此前的人工智能技術(shù)與進(jìn)展，ChatGPT 之所以引發(fā)關(guān)注，主要總結(jié)為以下 幾點(diǎn)：1） 從使用效果上，交流通暢，同時能夠?qū)崿F(xiàn)寫詩、撰文、編碼的功能。2 月 1 日， 以色列總統(tǒng)艾薩克·赫爾佐格(Isaac Herzog)發(fā)表了部分由人工智能(AI)撰寫的 演講；2） 受用戶歡迎。短短 5 天，注冊用戶數(shù)就超過 100 萬。60 天月活破億。3） 商業(yè)模式產(chǎn)生變化。2023 年 2 月 2 日，美國人工智能（AI）公司 OpenAI 發(fā)布 ChatGPT 試點(diǎn)訂閱計劃。4） 產(chǎn)業(yè)界也表現(xiàn)出對 Chatgpt 的關(guān)注。表現(xiàn)為：1）1 月 23 日，微軟宣布向 ChatGPT 開發(fā)者 OpenAI 追加投資數(shù)十億美元；2）谷歌 3 億美元投資 Chatgpt 競品。3）百度將于 3 月發(fā)布類似 Chatgpt 的 AI 服務(wù)。由此帶來相關(guān)產(chǎn)業(yè)鏈的大變革：

1) 語音識別與自然語言處理行業(yè)快速發(fā)展：人工智能，也即解決像人一樣看、聽、思考的問題。因此，按照此維度來劃分，劃 分為計算機(jī)視覺、語音識別與自然語言處理及數(shù)據(jù)科學(xué)。早先，2020 年數(shù)據(jù)顯示，計算機(jī)視覺占比約 56.6%；語音識別與自然語言處理占比 約 35.6%。也即，在機(jī)器視覺領(lǐng)域的應(yīng)用，相比自然語言處理，更為成熟，市場規(guī)模更 大。但隨著 ChatGPT 帶來的投資熱潮，與應(yīng)用領(lǐng)域的不斷豐富，音頻與自然語言處理 的整體行業(yè)規(guī)模，有望迅速增長。

圖片

2) 激活產(chǎn)業(yè)鏈：整個人工智能的產(chǎn)業(yè)鏈包括算力、數(shù)據(jù)、算法乃至下游應(yīng)用。算力與網(wǎng)絡(luò)：英偉達(dá)的研究表示，GPT-3 模型需要使用 512 顆 V100 顯卡訓(xùn)練 7 個 月時間，或者使用 1024 顆 A100 芯片訓(xùn)練長達(dá)一個月的時間。隨著各大科技廠商投入對 大模型的研發(fā)，勢必增加芯片、服務(wù)器等算力需求。同時，龐大的 AI 算力集群，又需要 高帶寬支撐數(shù)據(jù)傳輸。數(shù)據(jù)：數(shù)據(jù)采集、數(shù)據(jù)標(biāo)注和數(shù)據(jù)質(zhì)檢是較為重要的三個環(huán)節(jié)。從自然數(shù)據(jù)源簡單 收集取得的原料數(shù)據(jù)并不能直接用于有效監(jiān)督的深度學(xué)習(xí)算法訓(xùn)練，經(jīng)過專業(yè)化采集、 加工形成的訓(xùn)練數(shù)據(jù)集才能供深度學(xué)習(xí)算法等訓(xùn)練使用，由此帶來數(shù)據(jù)服務(wù)需求。算法：相比傳統(tǒng) AI 模型，大模型的優(yōu)勢體現(xiàn)在：1）解決 AI 過于碎片化和多樣化 的問題；2） 具備自監(jiān)督學(xué)習(xí)功能，降低訓(xùn)練研發(fā)成本；3）擺脫結(jié)構(gòu)變革桎梏，打開 模型精度上限。對于大模型算法的研發(fā)、優(yōu)化，亦是投入的重點(diǎn)。下游應(yīng)用：產(chǎn)業(yè)界一直以來都在尋求人工智能的應(yīng)用領(lǐng)域、商業(yè)模式突破。隨著大 模型使用、人工智能算法精度提升，下游應(yīng)用的擴(kuò)展可期。

3 數(shù)據(jù)要素資源基礎(chǔ)，滿足大模型訓(xùn)練需求

3.1 政策引導(dǎo)數(shù)據(jù)要素確權(quán)使用，掃清人工智能發(fā)展障礙

數(shù)據(jù)已成為五大核心生產(chǎn)要素之一。2020 年 4 月中共中央國務(wù)院《關(guān)于構(gòu)建更加完善的要素市場化配置體制機(jī)制的意 見》中發(fā)布。這是數(shù)據(jù)作為新型生產(chǎn)要素首次在中央頂層文件中提出。而后，2022 年 4 月國務(wù)院《關(guān)于加快建設(shè)全國統(tǒng)一大市場的意見》中，進(jìn)一步提到 加快培育數(shù)據(jù)要素市場，建立數(shù)據(jù)資源產(chǎn)權(quán)相關(guān)基礎(chǔ)制度。2022 年 12 月 9 日，財政部發(fā)布關(guān)于征求《企業(yè)數(shù)據(jù)資源相關(guān)會計處理暫行規(guī)定 （征求意見稿）》意見的函，具體提出了企業(yè)數(shù)據(jù)資源相關(guān)會計、處理的方式方法，進(jìn)一 步掃清了數(shù)據(jù)要素市場建立、數(shù)據(jù)資源交易的障礙。當(dāng)前，2022 年 12 月發(fā)布《關(guān)于構(gòu)建數(shù)據(jù)基礎(chǔ)制度更好發(fā)揮數(shù)據(jù)要素作用的意見》， 是數(shù)據(jù)要素體系建設(shè)中，頂層關(guān)鍵文件，掃除了未來人工智能發(fā)展中需要使用數(shù)據(jù)的障 礙：1）建立保障權(quán)益，合規(guī)使用的數(shù)據(jù)產(chǎn)權(quán)制度；2）建立合規(guī)高效的場內(nèi)外結(jié)合的數(shù) 據(jù)要素流通和交易制度。3）建立體現(xiàn)效率促進(jìn)公平的數(shù)據(jù)要素收益分配制度。4）建立 安全可控彈性包容的數(shù)據(jù)要素治理制度。

數(shù)字經(jīng)濟(jì)快速發(fā)展，數(shù)據(jù)要素成為重要戰(zhàn)略資源?！丁笆奈濉睌?shù)字經(jīng)濟(jì)發(fā)展規(guī)劃》 中指出，數(shù)字經(jīng)濟(jì)是繼農(nóng)業(yè)經(jīng)濟(jì)、工業(yè)經(jīng)濟(jì)之后的主要經(jīng)濟(jì)形態(tài)?！兑?guī)劃》設(shè)定了到 2025 年實現(xiàn)數(shù)字經(jīng)濟(jì)核心產(chǎn)業(yè)增加值占 GDP 比重達(dá)到 10%的目標(biāo)，涵蓋數(shù)據(jù)要素市場、產(chǎn) 業(yè)數(shù)字化、數(shù)字產(chǎn)業(yè)化、數(shù)字化公共服務(wù)、數(shù)字經(jīng)濟(jì)治理體系五個方面。從 2015 年至 今，數(shù)字經(jīng)濟(jì)平均增速持續(xù)高于 GDP 增速，2021 年數(shù)字經(jīng)濟(jì)占 GDP 比重已經(jīng)由 2015 年的 27%提升至 40%。

圖片

3.2 大數(shù)據(jù)管理能力需求提升

聯(lián)網(wǎng)設(shè)備高增之下，流量增長不可避免。根據(jù)思科的《年度互聯(lián)網(wǎng)報告》，到 2023 年，地球上的連網(wǎng)設(shè)備數(shù)量將是全球人口的大約三倍，從 2017 年的人均 2.4 臺提升至 3.6 臺。由于 IP 地址即網(wǎng)絡(luò)地址+主機(jī)地址，網(wǎng)絡(luò)站點(diǎn)所連接的 IP 數(shù)量也處于爆發(fā)的階 段。根據(jù) IDC 的《中國物聯(lián)網(wǎng)連接規(guī)模預(yù)測，2020-2025》，僅我國物聯(lián)網(wǎng) IP 連接量已 在 2020 年達(dá) 45.3 億，有望在 2025 年達(dá)到 102.7 億，CAGR 為 17.8%。由于 IP 地址 聯(lián)網(wǎng)后即產(chǎn)生數(shù)據(jù)流量， IP 地址的數(shù)量增長即代表全網(wǎng)數(shù)據(jù)也將繼續(xù)大增，對于現(xiàn)有 的網(wǎng)絡(luò)企業(yè)的承載能力提出了考驗。根據(jù)思科的《年度互聯(lián)網(wǎng)報告》，2022 年全球網(wǎng)絡(luò) 數(shù)據(jù)流量將達(dá) 799EB（1EB=十億 GB），同比增長 21%。我們認(rèn)為，數(shù)據(jù)流量的增長， 有望直接帶動大數(shù)據(jù)產(chǎn)業(yè)的發(fā)展，而其中穩(wěn)定優(yōu)質(zhì)響應(yīng)快的數(shù)據(jù)庫性價比更高。

全球大數(shù)據(jù)市場存量巨大，軟件市場占比較高且增速快。根據(jù) Wikibon 及沙利文研 究數(shù)據(jù)，全球大數(shù)據(jù)市場規(guī)模有望在 2022 年達(dá) 718 億美元，同比增速 11%；而其中全 球大數(shù)據(jù)軟件偉 286 億美元，同比增速 18%，約占大數(shù)據(jù)市場規(guī)模的 40%?？梢哉J(rèn)為， 軟件市場在大數(shù)據(jù)市場中，占據(jù)較大地位，而由于其增速高于大數(shù)據(jù)市場的整體增速， 其占比還將進(jìn)一步提升。

圖片

3.3 數(shù)據(jù)標(biāo)注，是 AI 模型的基礎(chǔ)

人工智能基礎(chǔ)數(shù)據(jù)服務(wù)助力 AI 訓(xùn)練與調(diào)優(yōu)，數(shù)據(jù)采集、數(shù)據(jù)標(biāo)注和數(shù)據(jù)質(zhì)檢是較 為重要的三個環(huán)節(jié)。從自然數(shù)據(jù)源簡單收集取得的原料數(shù)據(jù)并不能直接用于有效監(jiān)督的 深度學(xué)習(xí)算法訓(xùn)練，經(jīng)過專業(yè)化采集、加工形成的訓(xùn)練數(shù)據(jù)集才能供深度學(xué)習(xí)算法等訓(xùn) 練使用，從某種程度上講，數(shù)據(jù)決定了 AI 的落地程度，因此，基礎(chǔ)數(shù)據(jù)服務(wù)應(yīng)運(yùn)而生。具體來看，基礎(chǔ)數(shù)據(jù)的服務(wù)流程圍繞著客戶的展開，為 AI 模型訓(xùn)練提供可靠、可用的數(shù) 據(jù)，其包含五個環(huán)節(jié)，分別是 1）數(shù)據(jù)庫設(shè)計：訓(xùn)練數(shù)據(jù)集結(jié)構(gòu)設(shè)計；2）數(shù)據(jù)采集：獲 取原料數(shù)據(jù)；3）數(shù)據(jù)清洗：清洗殘缺、重復(fù)或者錯誤的數(shù)據(jù)；4）數(shù)據(jù)標(biāo)注：幫助機(jī)器 認(rèn)識數(shù)據(jù)的特征；5）質(zhì)檢：各環(huán)節(jié)質(zhì)量檢測和控制。

市場標(biāo)注行業(yè)市場規(guī)模不斷擴(kuò)大，圖像類和語音類需求占比超八成。從市場規(guī)模來 看，根據(jù)觀研天下統(tǒng)計，2021 年我國數(shù)據(jù)標(biāo)注行業(yè)市場規(guī)模為 43 億元，2017 至 2029 年的 CAGR 為 23%；根據(jù) IDC《2021 年中國人工智能基礎(chǔ)數(shù)據(jù)服務(wù)市場研究報告》， 預(yù)計中國 AI 基礎(chǔ)數(shù)據(jù)服務(wù)市場規(guī)模將在 2025 年突破 120 億元，近五年的 CAGR 達(dá) 47%。從市場收入結(jié)構(gòu)來看，按數(shù)據(jù)類型劃分，基礎(chǔ)數(shù)據(jù)服務(wù)行業(yè)是市場需求可以分為 圖像類、語音類和自然語言處理類數(shù)據(jù)需求。根據(jù)觀研天下統(tǒng)計，2021 年我國數(shù)據(jù)標(biāo)注 行業(yè)下游以圖像類和語音類需求為主，二者合計占比達(dá) 86%，其中，圖像類業(yè)務(wù)以智能 駕駛與安防為主，語音類以中英大大語種、中國本土方言以及外國小語種為主。

3.4 相關(guān)標(biāo)的

1) 星環(huán)科技：平臺、數(shù)據(jù)庫集一身的數(shù)據(jù)要素稀缺標(biāo)的

專注于分布式數(shù)據(jù)庫，技術(shù)水平全球領(lǐng)先。星環(huán)科技 2013 年成立于上海，是國內(nèi) 大數(shù)據(jù)管理軟件領(lǐng)導(dǎo)者，已累計有超過 1,000 家終端用戶，且產(chǎn)品已落地以下知名機(jī)構(gòu) 或其主要分支機(jī)構(gòu)，金融行業(yè)包括中國銀行、浦發(fā)銀行、浙江農(nóng)村商業(yè)聯(lián)合銀行等，政 府領(lǐng)域包括上海市大數(shù)據(jù)中心等，能源行業(yè)包括中國石油、南方電網(wǎng)等，交通行業(yè)包括 中國郵政集團(tuán)、鄭州地鐵等，制造業(yè)包括湖南中煙等。公司在發(fā)展中經(jīng)歷了多個重要節(jié) 點(diǎn)：1）公司 2013 年成立，隨即發(fā)布了大數(shù)據(jù)基礎(chǔ)平臺 TDH2.0 版本，并于次年推出 Inceptor 關(guān)系型分析引擎、Slipstream 實時計算引擎，實現(xiàn)數(shù)據(jù)湖、實時計算兩大熱點(diǎn) 功能；2）2014 年公司被 Gartner 列入 Hadoop 的主流發(fā)行版列表；3）2017 年起，公 司陸續(xù)發(fā)布新品，包括分析工具 Sophon、云產(chǎn)品 TDC、分布式分析數(shù)據(jù)庫 ArgoDB 和 分布式交易數(shù)據(jù)庫 KunDB。2022 年，公司已被 Gartner 評為圖數(shù)據(jù)庫管理的全球代表 廠商。

圖片

股權(quán)結(jié)構(gòu)穩(wěn)定，創(chuàng)始人保持控制權(quán)。發(fā)行人的控股股東、實際控制人為創(chuàng)始人孫元 浩，主要理由如下：（1）截至本招股說明書簽署日，孫元浩直接持有星環(huán)科技 12.3%的 股份，為公司第一大股東，且在報告期內(nèi)持續(xù)為發(fā)行人第一大股東。（2）孫元浩與范磊、 呂程、佘暉及贊星投資中心簽署了《一致行動協(xié)議》，確認(rèn) 自 2019 年 1 月 1 日起， 范磊、呂程、佘暉及贊星投資中心與孫元浩在發(fā)行人有關(guān)重大事項中保持一致行動，并 約定上述各方在無法達(dá)成一致意見時，為提高公司決策效率，在不損害孫元浩合法權(quán)益 及保障公司整體利益的前提下，應(yīng)以孫元浩的意見作為各方的最終共同意見。孫元浩擔(dān) 任執(zhí)行事務(wù)合伙人的贊星投資中心持有公司 8.3%的股份，孫元浩之一致行動人范磊、呂 程、佘暉分別持有公司 6.7%、1.7%、1.0%的股份。因此，孫元浩本人及通過《一致行 動協(xié)議》合計控制公司 30.0%的股份。（3）報告期內(nèi)，孫元浩一直擔(dān)任發(fā)行人（及其前 身星環(huán)有限）的董事長及總經(jīng)理，在發(fā)行人的董事會和日常管理決策中均能夠產(chǎn)生重大 影響。（ 4）根據(jù)除孫元浩、范磊、呂程、佘暉及贊星投資中心以外的發(fā)行人其他股東的 書面確認(rèn)，各方均認(rèn)可孫元浩于報告期內(nèi)作為發(fā)行人的實際控制人。

2) 海天瑞聲：人工智能基礎(chǔ)數(shù)據(jù)服務(wù)提供商，產(chǎn)品矩陣不斷豐富

自 2005 年成立以來，海天瑞聲始終致力于為 AI 產(chǎn)業(yè)鏈上的各類機(jī)構(gòu)提供算法模型 開發(fā)訓(xùn)練所需的專業(yè)數(shù)據(jù)集，目前已發(fā)展為人工智能領(lǐng)域具備國際競爭力的國內(nèi)領(lǐng)軍企 業(yè)。公司研發(fā)生產(chǎn)的訓(xùn)練數(shù)據(jù)覆蓋了智能語音、計算機(jī)視覺及自然語言處理三大 AI 核心 領(lǐng)域，實現(xiàn)了標(biāo)準(zhǔn)化產(chǎn)品、定制化服務(wù)、相關(guān)應(yīng)用服務(wù)的全覆蓋，廣泛應(yīng)用于人機(jī)交互、 智能家居、智能駕駛、智慧金融、智能安防、OCR 識別等多個應(yīng)用場景。截至 2022 年 半年報，公司累計客戶量達(dá) 695 家。

公司產(chǎn)品應(yīng)用領(lǐng)域不斷拓寬，下游客戶豐富。從應(yīng)用場景來看，公司產(chǎn)品的應(yīng)用場 景覆蓋了個人助手、語音輸入、智能家居、智能客服、機(jī)器人、語音導(dǎo)航、智能播報、 語音翻譯、移動社交、虛擬人、智能駕駛、智慧金融、智慧交通、智慧城市、機(jī)器翻譯、 智能問答、信息提取、情感分析、OCR 識別等多種應(yīng)用場景。從下游客戶來看，公司的客戶為 AI 產(chǎn)業(yè)鏈上的各類機(jī)構(gòu)，主要系：1）大型科技公司，阿里巴巴、騰訊、百度、 微軟等；2）人工智能企業(yè)，科大訊飛、商湯科技、?？低暤?；3）科研機(jī)構(gòu)，如中國 科學(xué)院、清華大學(xué)等。目前，公司的產(chǎn)品和服務(wù)已經(jīng)獲得了阿里巴巴、騰訊百度、科大 訊飛、微軟、清華大學(xué)等國內(nèi)外客戶的認(rèn)可。

圖片

4 ChatGPT 帶來的變革——大模型算法

4.1 大模型時代的引言：Double Descent（雙下降）現(xiàn)象

隨著深度神經(jīng)網(wǎng)絡(luò)的興起，人工智能進(jìn)入統(tǒng)計分類深度模型時代，這種模型比以往 的模型更加泛化，可以通過提取不同特征值應(yīng)用于不同場景。但在 2018 年-2019 年， 雙下降現(xiàn)象的發(fā)現(xiàn)打破了原有的人工智能發(fā)展格局。簡而言之，以往的數(shù)學(xué)理論表明， 隨著參數(shù)增多、模型增大，過擬合導(dǎo)致模型的誤差會先下降后上升，這使得找到精度最 高誤差最小的點(diǎn)成為模型調(diào)整的目標(biāo)。而隨著人工智能算法算力的不斷發(fā)展，研究者發(fā) 現(xiàn)如果繼續(xù)不設(shè)上限的增大模型，模型誤差會在升高后第二次降低，并且誤差下降會隨 著模型的不斷增大而降低，通俗而言模型越大，準(zhǔn)確率越高。因此人工智能發(fā)展進(jìn)入了 大模型時代。

相比傳統(tǒng) AI 模型，大模型的優(yōu)勢體現(xiàn)在：1）解決 AI 過于碎片化和多樣化的問題，極大提高模型的泛用性。應(yīng)對不同場景 時，AI 模型往往需要進(jìn)行針對化的開發(fā)、調(diào)參、優(yōu)化、迭代，需要耗費(fèi)大量的人力成 本，導(dǎo)致了 AI 手工作坊化。大模型采用“預(yù)訓(xùn)練+下游任務(wù)微調(diào)”的方式，首先從大量標(biāo) 記或者未標(biāo)記的數(shù)據(jù)中捕獲信息，將信息存儲到大量的參數(shù)中，再進(jìn)行微調(diào)，極大提高 模型的泛用性。2）具備自監(jiān)督學(xué)習(xí)功能，降低訓(xùn)練研發(fā)成本。我們可以將自監(jiān)督學(xué)習(xí)功能表觀理 解為降低對數(shù)據(jù)標(biāo)注的依賴，大量無標(biāo)記數(shù)據(jù)能夠被直接應(yīng)用。這樣一來，一方面降低 人工成本，另一方面，使得小樣本訓(xùn)練成為可能。3）擺脫結(jié)構(gòu)變革桎梏，打開模型精度上限。過去想要提升模型精度，主要依賴網(wǎng) 絡(luò)在結(jié)構(gòu)上的變革。隨著神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計技術(shù)逐漸成熟并開始趨同，想要通過優(yōu)化神 經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)從而打破精度局限變得困難。而研究證明，更大的數(shù)據(jù)規(guī)模確實提高了模型 的精度上限。

4.2 首要關(guān)鍵技術(shù)：Transformer 模型 GPT 模型利用

Transformer 模型作為特征提取器，是第一個引入 Transformer 的預(yù) 訓(xùn)練模型。傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)模型例如 RNN（循環(huán)神經(jīng)網(wǎng)絡(luò)）在實際訓(xùn)練過程中由于輸入 向量大小不一、且向量間存在相互影響關(guān)系導(dǎo)致模型訓(xùn)練結(jié)果效果較差。Transformer 模 型有三大技術(shù)突破解決了這個問題。首先 Transformer 模型的 Self-Attention（自注意力）機(jī)制使人工智能算法注意到輸 入向量中不同部分之間的相關(guān)性，從而大大提升了精準(zhǔn)性。其次該模型采用屬于無監(jiān)督 學(xué)習(xí)的自監(jiān)督學(xué)習(xí)，無需標(biāo)注數(shù)據(jù)，模型直接從無標(biāo)簽數(shù)據(jù)中自行學(xué)習(xí)一個特征提取器， 大大提高了效率。最后，在做具體任務(wù)時，微調(diào)旨在利用其標(biāo)注樣本對預(yù)訓(xùn)練網(wǎng)絡(luò)的參 數(shù)進(jìn)行調(diào)整。也可以針對具體任務(wù)設(shè)計一個新網(wǎng)絡(luò)，把預(yù)訓(xùn)練的結(jié)果作為其輸入，大大 增加了其通用泛化能力。Transformer 模型的這些優(yōu)點(diǎn)快速替代了傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)。

圖片

4.3 GPT 快速迭代，從 GPT1.0 迅速步入 3.5 時代

GPT：大型無監(jiān)督語言模型，能夠生產(chǎn)連貫的文本段落。GPT-1 采用無監(jiān)督預(yù)訓(xùn)練 和有監(jiān)督微調(diào)，證明了 transformer 對學(xué)習(xí)詞向量的強(qiáng)大能力，在 GPT-1 得到的詞向量 基礎(chǔ)上進(jìn)行下游任務(wù)的學(xué)習(xí)，能夠讓下游任務(wù)取得更好的泛化能力。與此同時，不足也 較為明顯，該模型在未經(jīng)微調(diào)的任務(wù)上雖然有一定效果，但是其泛化能力遠(yuǎn)遠(yuǎn)低于經(jīng)過 微調(diào)的有監(jiān)督任務(wù)，說明了 GPT-1 只是一個簡單的領(lǐng)域?qū)＜?，而非通用的語言學(xué)家。

GPT-2 為了解決這一問題采用了多任務(wù)模式，其目標(biāo)旨在訓(xùn)練一個泛化能力更強(qiáng)的 詞向量模型，它并沒有對 GPT-1 的網(wǎng)絡(luò)進(jìn)行過多的結(jié)構(gòu)的創(chuàng)新與設(shè)計，只是使用了更多 的網(wǎng)絡(luò)參數(shù)和更大的數(shù)據(jù)集，GPT-2 的核心思想是當(dāng)模型的容量非常大且數(shù)據(jù)量足夠豐 富時，僅僅靠訓(xùn)練語言模型的學(xué)習(xí)便可以完成其他有監(jiān)督學(xué)習(xí)的任務(wù)。所以雖然它驗證 了通過海量數(shù)據(jù)和大量參數(shù)訓(xùn)練出來的詞向量模型能夠遷移到其它類別任務(wù)中而不需要 額外的訓(xùn)練，但其任務(wù)表現(xiàn)并不好，還有大很提升空間。不過其表明了模型容量和數(shù)據(jù) 量越大，其潛能越大。于是 GPT-3 納入了海量參數(shù)：1750 億參數(shù)量還有超大的 45TB 的訓(xùn)練數(shù)據(jù)。在大 量的語言模型數(shù)據(jù)集中，GPT-3 超過了絕大多數(shù)方法。另外 GPT-3 在很多復(fù)雜的 NLP 任務(wù)中例如閉卷問答，模式解析，機(jī)器翻譯等也很準(zhǔn)確。除了這些傳統(tǒng)的 NLP 任務(wù)， GPT-3 在一些其他的領(lǐng)域也取得了非常好的效果，例如進(jìn)行數(shù)學(xué)加法，文章生成，編寫 代碼等。

4.4 國內(nèi)外 AI 大模型項目百舸爭流

除了 GPT-3 模型外，各大公司正在孵化的大模型項目數(shù)量也相當(dāng)可觀。MT-NLG：微軟英偉達(dá)強(qiáng)強(qiáng)聯(lián)手，軟硬結(jié)合引領(lǐng)行業(yè)新景。2021 年 10 月 11 日，微 軟和英偉達(dá)推出由 DeepSpeed 和 Megatron 驅(qū)動的 Megatron-Turing 自然語言生成 模型（MT-NLG）, 具有 5300 億個參數(shù)。MT-NLG 的參數(shù)數(shù)量是當(dāng)時該類型最大模型 的 3 倍，并且在廣泛的自然語言任務(wù)中如閱讀理解、常識推理、自然語言推理、詞義消 歧等方面表現(xiàn)出較強(qiáng)的準(zhǔn)確性。基于 105 層 transformer 的 MT-NLG 在多個方面方面 改進(jìn)了當(dāng)時最先進(jìn)模型，并為大規(guī)模語言模型在模型規(guī)模和質(zhì)量方面設(shè)置了新標(biāo)準(zhǔn)。硬件方面，模型訓(xùn)練是在基于 NVIDIA DGX SuperPOD 的 Selene 超級計算機(jī)上進(jìn) 行的，實現(xiàn)的系統(tǒng)吞吐量為：420 臺 DGX A100 服務(wù)器上考慮了 5300 億參數(shù)模型（批 量大小為 1920 ）的系統(tǒng)端到端吞吐量，迭代時間為 44 . 4 秒、GPU 113 萬億次/秒。

Switch Transformers：Google 推出的首個萬億級語言模型。相比 1750 億參數(shù)的 GPT-3，谷歌 Switch Transformers 則直接將該數(shù)值拉升至 1.6 萬億，且相比于 OpenAI 在 GPT-3 里所使用的 Sparse Attention，需要用到稀疏算子而很難發(fā)揮 GPU、TPU 硬 件性能的問題。Switch Transformer 不需要稀疏算子，可以更好的適應(yīng) GPU、TPU 等硬 件。

圖片

文心一言：百度集成 NLP 和 CV，多級體系覆蓋諸多領(lǐng)域。2022 年 11 月 30 日， 百度集團(tuán)在 WAVE SUMMIT+2022 深度學(xué)習(xí)開發(fā)者峰會帶來了文心大模型的最新升級， 包括新增 11 個大模型，大模型總量增至 36 個，構(gòu)建起國內(nèi)業(yè)界規(guī)模最大的產(chǎn)業(yè)大模型 體系。在模型層，文心大模型涵蓋基礎(chǔ)大模型、任務(wù)大模型、行業(yè)大模型的三級體系；在工具與平臺層升級了大模型開發(fā)套件、文心 API 和提供全流程開箱即用大模型能力的 EasyDL 和 BML 開發(fā)平臺，有效降低應(yīng)用門檻；新增產(chǎn)品與社區(qū)層，包括 AI 創(chuàng)作平臺 “文心一格”、搜索系統(tǒng)“文心百中”和樣谷社區(qū)，讓更多人感受到 AI 大模型技術(shù)帶來的新 體驗。截至目前，文心已累計發(fā)布 11 個行業(yè)大模型，涵蓋電力、燃?xì)狻⒔鹑?、航天、?媒、城市、影視、制造、社科等領(lǐng)域，加速推動行業(yè)的智能化轉(zhuǎn)型升級。

除行業(yè)大模型外，百度目前新增了 5 個基礎(chǔ)大模型和 1 個任務(wù)大模型，包括：知識 增強(qiáng)輕量級大模型、跨模態(tài)理解大模型、跨模態(tài)生成大模型、文檔智能大模型、單序列 蛋白質(zhì)結(jié)構(gòu)預(yù)測大模型和代碼大模型。其中，知識增強(qiáng)輕量級大模型 ERNIE 3.0 Tiny 具 備優(yōu)秀的泛化能力，同時相對于超大參數(shù)模型，推理速度提升數(shù)十倍到百倍，能夠顯著 降低超大參數(shù)模型落地的成本。百度計劃在 3 月完成文心一言的內(nèi)部測試，然后向公眾 正式開放使用。

阿里 M6：出色的低碳低能耗屬性。阿里巴巴達(dá)摩院在 2021 年開發(fā)出了超大規(guī)模中 文多模態(tài)預(yù)訓(xùn)練模型 M6。目前，其參數(shù)已從萬億躍遷至 10 萬億，規(guī)模遠(yuǎn)超谷歌、微軟 此前發(fā)布的萬億級模型，成為全球最大的 AI 預(yù)訓(xùn)練模型。同時，M6 做到了業(yè)內(nèi)極致的 低碳高效，使用 512 塊 GPU 在 10 天內(nèi)即訓(xùn)練出具有可用水平的 10 萬億模型。相比去 年發(fā)布的大模型 GPT-3，M6 實現(xiàn)同等參數(shù)規(guī)模，能耗為其 1％。M6 的優(yōu)勢在于將大模 型所需算力壓縮到極致，通過一系列技術(shù)突破，達(dá)摩院和阿里云只用了 480 塊 GPU 就 訓(xùn)練出了 M6，相比英偉達(dá)用 3072 塊 GPU 訓(xùn)練萬億模型、谷歌用 2048 塊 TPU 訓(xùn)練 1.6 萬億模型（1 TPU 約等于 2～3GPU），M6 省了超過八成算力，還將效率提升了近 11 倍。

圖片

商湯在 AIGC 的不同領(lǐng)域有多年布局，從文字，到圖片，以及視頻和動畫的 AIGC， 團(tuán)隊都從技術(shù)和產(chǎn)業(yè)長期投入，團(tuán)隊更多專注在視頻的 AIGC，并疊加商湯自研的類似 于 GPT 的生成式內(nèi)容進(jìn)行短視頻等創(chuàng)作?；谏虦?SenseCoreAI 大裝置，在視覺大 模型領(lǐng)域，商湯已訓(xùn)練和構(gòu)建了超過 300 億量級模型參數(shù)超大基模型，可以有效支持相 關(guān)應(yīng)用。

4.5 相關(guān)標(biāo)的

1) 商湯科技

以 AI 生產(chǎn)力平臺為基礎(chǔ)，四大板塊齊頭并進(jìn)。公司的 AI 生產(chǎn)力平臺 SenseCore 由] 行業(yè)研究 敬請參閱末頁重要聲明及評級說明 31 / 80 證券研究報 告 模型層、深度學(xué)習(xí)平臺、計算基礎(chǔ)設(shè)施三個部分架構(gòu)而成。1）模型層：已開發(fā)超過 4.9 萬個商用人工智能模型；算法開源計劃 OpenMMLab 在 GitHub 上超 60000 顆星；OpenDILab 開源平臺，已發(fā)布超過 60 個通用決策人工智能算法系列。2）深度學(xué)習(xí)平 臺：高效利用 GPU 集群算力，訓(xùn)練單個大模型時可以在一千塊 GPU 上取得超過 90% 的加速效率。3）計算基礎(chǔ)設(shè)施：公司正在建立人工智能計算中心，預(yù)計能產(chǎn)生每秒 3.74 百億億次浮點(diǎn)運(yùn)算算力，算力超過 2.5 exaFLOPS，相較于 2021 年底擴(kuò)大 114%；公司 研發(fā)的人工智能芯片及邊緣設(shè)備支持視覺領(lǐng)域大模型 100 億參數(shù)；公司研發(fā)的傳感器及 ISP 芯片 1 天內(nèi)可完成的完整訓(xùn)練 1000 億參數(shù)模型。在 SenseCore 底座基礎(chǔ)上，公司 開發(fā)了智慧企業(yè)、智慧城市、智慧生活、智慧汽車四大板塊：

智慧商業(yè)：智慧商業(yè)是公司的主要業(yè)務(wù)之一，營收占比超過 40%。公司依托 SenseCore 基座打造了 SenseFoundry Enterpri，形成商業(yè)空間管理、住宅物業(yè)管理、 工業(yè)引擎等具體解決方案。截至 2021 年，該業(yè)務(wù)客戶數(shù)量擴(kuò)大至 922 家。智慧城市：2021 年公司智慧城市收入占比達(dá) 46%。公司研發(fā)的 SenseFoundry 主 要面向出行和交通管理、城市服務(wù)和環(huán)境保護(hù)等領(lǐng)域提供解決方案。目前公司在中國智 慧城市計算機(jī)視覺軟件市場份額第一，中國智慧應(yīng)急人工智能與大數(shù)據(jù)市場份額第一。截至 2022 年上半年，累計有 155 個城市部署城市方舟，包括 16 個超千萬人口大型城市 及 4 個海外城市。智慧生活：公司是智能手機(jī)產(chǎn)業(yè)的頭部 AI 軟件供應(yīng)商，截至 2022 年 6 月 30 日， 已累計有 180 多個手機(jī)型號的超過 17 億臺手機(jī)預(yù)裝了商湯的各類 AI 算法。公司的 SenseMARS 內(nèi)置了 AI 生成內(nèi)容、三維世界重建、數(shù)字人及虛擬形象等模塊，目前已覆 蓋的空間面積突破了 1000 萬平米，覆蓋了 120 多個大型游樂園區(qū)、商場等。智慧汽車：商湯科技推出的 SenseAuto，以 SenseCore 為基石，以 SenseAuto Empower 為底座，在智能駕駛、智能座艙、車路協(xié)同、L4 級無人駕駛、無人駕駛小巴 推進(jìn)全線產(chǎn)品化商用。公司的智能駕駛和智能座艙產(chǎn)品累計前裝定點(diǎn)數(shù)量達(dá) 2300 萬臺， 覆蓋未來五年內(nèi)量產(chǎn)的 60 多款車型。

2) 科大訊飛

AI 應(yīng)用快速發(fā)展，構(gòu)建人工智能產(chǎn)業(yè)生態(tài)。公司自創(chuàng)業(yè)以來持續(xù)聚焦智能語音、自 然語言理解、機(jī)器學(xué)習(xí)推理及自主學(xué)習(xí)等人工智能核心技術(shù)研究并始終保持國際前沿技 術(shù)水平。目前公司已經(jīng)從語音 AI 逐漸拓展至到教育、醫(yī)療、智慧城市、消費(fèi)、智能汽 車等多領(lǐng)域布局。同時，隨著 ChatGPT 掀起熱潮，公司的類 ChatGPT 技術(shù)也將于 5 月落地，率先用于 AI 學(xué)習(xí)機(jī)。智慧教育業(yè)務(wù)：智慧教育業(yè)務(wù)是公司的第一大業(yè)務(wù)，在收入中占比 30%左右。公司 構(gòu)建了面向 G/B/C 三類客戶的業(yè)務(wù)體系：G 端業(yè)務(wù)主要以市縣區(qū)等區(qū)域建設(shè)為主體；B 端業(yè)務(wù)主要以學(xué)校建設(shè)為主體；C 端業(yè)務(wù)主要以家長用戶群自主購買為主。目前訊飛智 慧教育產(chǎn)品已在全國 32 個省級行政單位以及日本、新加坡等海外市場應(yīng)用。

圖片

3) 云從科技

持續(xù)賦能 AI 領(lǐng)域，打造高效人機(jī)協(xié)同操作系統(tǒng)和行業(yè)解決方案。公司是首個同時承 建三大國家平臺，并參與國家及行業(yè)標(biāo)準(zhǔn)制定的人工智能領(lǐng)軍企業(yè)。公司以計算機(jī)視覺、 語音識別為代表的人工智能單點(diǎn)技術(shù)為突破，通過不斷研發(fā)并優(yōu)化人機(jī)協(xié)同操作系統(tǒng)和 適配性強(qiáng)的 AIoT 設(shè)備，推動人工智能在特定場景的應(yīng)用。公司具有人工智能芯片平臺、 深度學(xué)習(xí)框架、AIoT 操作系統(tǒng)、算法算力平臺、知識中臺、自動駕駛平臺、機(jī)器人開發(fā) 平臺等豐富的產(chǎn)品：智慧金融業(yè)務(wù)：公司智慧金融解決方案將相關(guān)算法能力落地為技術(shù)平臺，主要面向 智慧支付、智慧營運(yùn)、智慧觸點(diǎn)、智慧風(fēng)控四大領(lǐng)域，形成了 5 大類金融業(yè)智能化轉(zhuǎn)型 解決方案簇，以及 53 種解決方案。目前公司在智慧金融領(lǐng)域的客戶已涵蓋 6 大行、12 家股份制銀行以及城農(nóng)商行，服務(wù)了超過 400 家金融機(jī)構(gòu)和 10 余萬個銀行網(wǎng)點(diǎn)。

4) 依圖科技

以人工智能芯片技術(shù)和算法技術(shù)為核心，持續(xù)深耕智能公共服務(wù)及智能商業(yè)領(lǐng)域。公司以人工智能算法和芯片等核心技術(shù)為基礎(chǔ)，在城市管理、醫(yī)療健康、安全生產(chǎn)、交 通出行和互聯(lián)網(wǎng)服務(wù)等場景實現(xiàn)規(guī)?；虡I(yè)落地和與產(chǎn)業(yè)的深度融合。目前公司已為國 內(nèi) 30 余省、自治區(qū)、直轄市及境外 10 多個國家和地區(qū)的 800 余家政府及企業(yè)終端客戶 提供產(chǎn)品及解決方案：

智能公共服務(wù)，公司智能公共服務(wù)主要包括智能城市和智能醫(yī)療：1）智能城市，公司主要著力于三方面：高性能算法賦能城市復(fù)雜場景。公司在計算 機(jī)視覺的多個細(xì)分領(lǐng)域、聲紋識別、中文語音識別及自然語言理解技術(shù)均已達(dá)到世界領(lǐng) 先水平，可對城市實體在復(fù)雜多樣場景下產(chǎn)生的非結(jié)構(gòu)化數(shù)據(jù)進(jìn)行解析、識別和關(guān)聯(lián)， 構(gòu)建出完整的城市實體關(guān)聯(lián)關(guān)系。高效能算力硬件產(chǎn)品降低城市智能化門檻。公司的原 石系列智能服務(wù)器和前沿系列邊緣計算設(shè)備，在顯著提高城市視頻智能解析吞吐效率的 同時，大幅降低了算力功耗，從而降低了投資和運(yùn)營成本?！袄f”方案降低建設(shè)成本。公司將大量已建設(shè)的非智能攝像機(jī)采集的原始數(shù)據(jù)在云端進(jìn)行解析，與智能攝像機(jī)的解 析結(jié)果在云端實現(xiàn)匯聚、融合分析，大大降低智能化建設(shè)的投資成本。2）智能醫(yī)療方面，公司是業(yè)內(nèi)少數(shù)具有以多模態(tài)人工智能技術(shù)解析多源異構(gòu)醫(yī)療大 數(shù)據(jù)能力，并具有自研醫(yī)療知識圖譜的企業(yè)之一。公司在上海兒童醫(yī)學(xué)中心建設(shè)的智慧 兒童醫(yī)院解決方案能夠為患者單次就診至少節(jié)約 90 分鐘，落地一年來，該解決方案僅智 能導(dǎo)診應(yīng)用就已累計為超過 27 萬名患兒提供服務(wù)，診前檢驗訪問量突破 6 萬人次。

圖片

5) 曠視科技

聚焦物聯(lián)網(wǎng)場景，推動人工智能的商業(yè)化落地。公司以物聯(lián)網(wǎng)作為人工智能技術(shù)落 地的載體，通過構(gòu)建完整的 AIoT 產(chǎn)品體系，面向消費(fèi)物聯(lián)網(wǎng)、城市物聯(lián)網(wǎng)、供應(yīng)鏈物 聯(lián)網(wǎng)三大核心場景提供經(jīng)驗證的行業(yè)解決方案。公司的 AIoT 軟硬一體化解決方案包括 以 Brain++為核心的 AI 算法體系，由 AIoT 操作系統(tǒng)和行業(yè)應(yīng)用構(gòu)成的軟件，以及由 傳感器模組、傳感器終端與邊緣設(shè)備、機(jī)器人及自動化裝備組成的硬件。消費(fèi)物聯(lián)網(wǎng)：2012 年，曠視進(jìn)入消費(fèi)物聯(lián)網(wǎng)領(lǐng)域，以 SaaS 產(chǎn)品的形式服務(wù)全球開 發(fā)者及企業(yè)用戶，為其提供數(shù)十種 AI 能力。隨著智能設(shè)備的普及，公司與多家頭部智能 手機(jī)廠商等消費(fèi)電子領(lǐng)域客戶開展合作，累計為數(shù)億臺智能手機(jī)提供設(shè)備安全和計算攝 影解決方案。

5 算力與網(wǎng)絡(luò)是大模型運(yùn)行的必要條件

5.1 大模型發(fā)展，算力需求激增

前文提到，ChatGPT 從初代模型，到當(dāng)前的 3 代模型，參數(shù)量從 1.17 億，提升至 1750 億。同時訓(xùn)練數(shù)據(jù)量（語料庫）也由 5GB 提升至 45TB。隨著參數(shù)量和語料庫指數(shù)級的擴(kuò)容，ChatGPT 類人工智能需要更充足的算力支持其 處理數(shù)據(jù)，同時需要投入更多高性能的算力芯片來處理千億級別參數(shù)量。英偉達(dá)的研究 表示，GPT-3 模型需要使用 512 顆 V100 顯卡訓(xùn)練 7 個月時間，或者使用 1024 顆 A100 芯片訓(xùn)練長達(dá)一個月的時間。2012 年以來，人工智能訓(xùn)練任務(wù)中的算力增長（所需算力 每 3.5 月翻一倍）已經(jīng)超越芯片產(chǎn)業(yè)長期存在摩爾定律（晶體管數(shù)量每 18 月翻一倍）。

現(xiàn)階段國內(nèi)無法采購英偉達(dá) A100、H100 等高端 GPU 產(chǎn)品，但算力性能上的差異 可以通過提升算力芯片數(shù)量來彌補(bǔ), 因此對于算力芯片產(chǎn)品的需求也將更高。國內(nèi)主流 互聯(lián)網(wǎng)廠商也有類 ChatGPT 產(chǎn)品正在開發(fā)，比如悟道和百度的文心等 AI 模型。隨著國 產(chǎn) GPU, CPU, FPGA 產(chǎn)品性能的提升，人工智能的算力需求將為國產(chǎn)芯片廠商打開廣 闊的市場空間。同時，以 ChatGPT 為代表的 AI 技術(shù)浪潮的到來，對產(chǎn)業(yè)鏈相關(guān)芯片， 模組，材料等環(huán)節(jié)均帶來了海量的新需求。

5.2 GPU/GPGPU/FPGA 多路線支持算力

人工智能深度學(xué)習(xí)模型需要處理兩大任務(wù)，即訓(xùn)練和推理。1) 訓(xùn)練就是學(xué)習(xí)過程，通過大數(shù)據(jù)訓(xùn)練出復(fù)雜的神經(jīng)網(wǎng)絡(luò)模型，使得整個系統(tǒng)可以適 應(yīng)特定的功能。因此，訓(xùn)練需要龐大的算力來處理數(shù)據(jù)并搭建網(wǎng)絡(luò)模型，所需的芯片需要具有高算力和通用性。2) 而推理在訓(xùn)練之后，主要是在已有的訓(xùn)練完善的模型基礎(chǔ)上，輸入新數(shù)據(jù)進(jìn)行推斷， 能耗、時延、效率等因素都是影響推理能力的因素。但同時，推理環(huán)節(jié)不需要在龐 大的神經(jīng)網(wǎng)絡(luò)之中反復(fù)調(diào)整參數(shù)，因此對算力的要求相對于訓(xùn)練要低很多。

一般來說，在深度學(xué)習(xí)的訓(xùn)練中，GPU 因為其并行串聯(lián)的優(yōu)勢，相比較于 CPU 更 加適應(yīng)處理大數(shù)據(jù)。最早為了解放 CPU 處理其他任務(wù)和計算的需求，圖形計算全部交 由 GPU 來做。因此傳統(tǒng)的 GPU 的主要功能是做圖形渲染（實質(zhì)是做圖形渲染的計算）， 但隨著 AI 計算需求的發(fā)展，GPGPU 應(yīng)運(yùn)而生，GPGPU 即為通用計算 GPU，指去掉 GPU 的圖形顯示部分，將其余部分全部投入通用計算，其在 AI、數(shù)據(jù)分析和 HPC 等場 景下可以廣泛應(yīng)用?？偠灾ㄓ?GPU 在加速硬件能力上的優(yōu)勢比較明顯，在深度學(xué) 習(xí)訓(xùn)練方面比較適用。根據(jù)相關(guān)市場統(tǒng)計，全球 GPU 的市場已經(jīng)達(dá)到了 448 億美元的規(guī)模，在 AI 的發(fā)展 需求下，通用型 GPU 的市場正在快速成長。

圖片

CPU 是計算機(jī)運(yùn)算和控制的核心，其工作原理是將指令依序執(zhí)行，其串行運(yùn)算的特 點(diǎn)使其更加適應(yīng)邏輯控制。因此在深度學(xué)習(xí)模型之中，CPU 搭配 GPU 是目前的主流方 案，但隨著各類算法在 FPGA/ ASIC 芯片上的優(yōu)化，以及其本身性能的提升和成本的優(yōu) 化，F(xiàn)PGA 和 ASIC 也會在人工智能領(lǐng)域上有著更廣的應(yīng)用?，F(xiàn)階段，可編程的 FPGA 芯片也逐漸提升市場份額。實際應(yīng)用中，微軟利用 FPGA 加速 Azure 云服務(wù)、必應(yīng)等數(shù)據(jù)中心服務(wù)中的實時人工智能。FPGA 具備快速、低功耗、 靈活和高效的優(yōu)點(diǎn)。硬件可編程的特性使得 FPGA 在 AI 訓(xùn)練中既能提供充足的算力， 又具有靈活性，可以重新編程以適應(yīng)不同任務(wù)的需要。與 GPU 類似，F(xiàn)PGA 也是配合 CPU 進(jìn)行加速。國內(nèi) FPGA 廠商中，紫光國微于 2022 年推出了 2x 納米的低功耗 FPGA 系列產(chǎn)品，新一代 1x 納米更高性能 FPGA 系列產(chǎn)品也在順利推進(jìn)中，進(jìn)一步完善了產(chǎn) 品種類。復(fù)旦微電具備 65nm 制程千萬門級和 28nm 制程億門級產(chǎn)品，目前以 28nm 制 程的 FPGA 產(chǎn)品為主。安路科技的 FPGA 芯片產(chǎn)品形成了由 PHOENIX 高性能產(chǎn)品系 列、EAGLE 高效率產(chǎn)品系列、ELF 低功耗產(chǎn)品系列組成的產(chǎn)品矩陣。根據(jù)市場統(tǒng)計，全球 FPGA 芯片規(guī)模在 79 億美元左右，隨著 AI 和軍工等下游行業(yè) 的需求增長，全球 FPGA 市場空間仍在持續(xù)上升之中。

5.3 高帶寬網(wǎng)絡(luò)是對人工智能算力的重要支撐

大模型訓(xùn)練和推理使用了 AI 計算集群。AI 大模型通常需要部署在 AI 計算集群以實現(xiàn)訓(xùn)練和推理加速并實現(xiàn)最佳能效比。以目前獨(dú)家開放了 ChatGPT 調(diào)用能力的微軟 Azure 為例，其 AI 基礎(chǔ)設(shè)施由互聯(lián)的英偉達(dá) Ampere A100 Tensor Core GPU 組成，并 由 Quantum infiniBand 交換機(jī)提供強(qiáng)大的橫向擴(kuò)展能力。根據(jù)微軟宣布，為 OpenAI 開 發(fā)的超級計算機(jī)超過了 28.5 萬個 CPU 核心、1 萬個 GPU，每臺 GPU 服務(wù)器網(wǎng)絡(luò)連接 能力為 400Gbps，位列全球超級計算機(jī)前五。目前，英偉達(dá)的 AI 計算集群整體解決方 案（如 DGX A100 系列）是 AI 集群投資的主流選擇，除此之外部分云和互聯(lián)網(wǎng)大廠選 擇了 CPU+FPGA+GPU+AI DSA 異構(gòu)算力自己搭建 AI 計算中心。根據(jù) YOLE 預(yù)測，全 球 AI 加速服務(wù)器滲透率將在 2027 年達(dá)到 17.9%，AI/GPU 加速服務(wù)器出貨量復(fù)合增速 高達(dá) 39.8%/20.3%。

后者是在設(shè)備轉(zhuǎn)發(fā)層面盡量優(yōu)化網(wǎng)絡(luò)時延，實現(xiàn)高性能無損網(wǎng)絡(luò)，目前主要手段是 無帶寬收斂（1:1）的網(wǎng)絡(luò)架構(gòu)設(shè)計以及基于 PFC 和 ECN 功能的優(yōu)先隊列管理和擁塞管 理。無帶寬收斂比設(shè)計意味著交換機(jī)下行和上行流量一致，將增加上行端口數(shù)量或端口 帶寬，而優(yōu)化流控技術(shù)需要可編程的三層網(wǎng)絡(luò)交換機(jī)，以上將導(dǎo)致交換機(jī)端口數(shù)量增加 以及價值量提升。

圖片

在數(shù)據(jù)中心集群網(wǎng)絡(luò)方面，北美 Top4 云廠商已經(jīng)全面進(jìn)入 400G 部署階段。以微 軟數(shù)據(jù)中心為例，其在 2016 年開始批量部署 100G，由于 AI 算力的快速增長，2021 年 開啟 400G 部署，并預(yù)計 2024 完成 400G 的全面部署，加速向 800G 邁進(jìn)。而對于 400G 部署更早的亞馬遜和谷歌，預(yù)計在 2023 年開啟小規(guī)模 800G 部署，更大的端口帶寬將 帶來更高的端口密度，節(jié)約空間的同時每 Gbps 成本下降。根據(jù) LightCounting 預(yù)測，全 球數(shù)據(jù)中心以太網(wǎng)光模塊市場將在 2027 年突破 100 億美金，5 年 CAGR 11.5%，其中 800G CAGR 達(dá) 72%。

單機(jī)網(wǎng)卡數(shù)增加和網(wǎng)絡(luò)收斂比降低增加了交換機(jī)和光模塊用量。根據(jù)數(shù)據(jù)中心光模 塊需求量計算公式（流量法）：1）服務(wù)器到 TOR 交換機(jī)光模塊：服務(wù)器網(wǎng)卡端口數(shù)*2 2）TOR 到 LEAF 交換機(jī)光模塊：服務(wù)器流量/一級收斂比/TOR 上聯(lián)端口速率*2 3）LEAF 到 SPINE 光模塊：LEAF 流量/二級收斂比./LEAF 上聯(lián)端口速率*2 假設(shè)普通 Hyperscale 數(shù)據(jù)中心和 AI 數(shù)據(jù)中心分別有 X 臺服務(wù)器，每臺服務(wù)器網(wǎng)卡 速率為 100Gbps，數(shù)量分別為 2/10，網(wǎng)絡(luò)收斂比分別為 2:1、1:1，交換機(jī)上聯(lián)端口速率 為 400G，計算得到普通 Hyperscale 數(shù)據(jù)中心光模塊（包括 AOC/DAC）用量為 4.75X， 而 AI 數(shù)據(jù)中心光模塊用量為 23.75x，光模塊用量大幅提升。

圖片

CPO 探討：一系列技術(shù)問題的解決和產(chǎn)業(yè)鏈結(jié)構(gòu)的重塑。CPO（光電共封裝）的主 要形態(tài)為交換芯片與光引擎封裝在一塊基板上，交換芯片與光引擎通過 XSR SerDes 直 聯(lián)。我們認(rèn)為 CPO 可能是數(shù)據(jù)中心交換機(jī)端口發(fā)展到 1.6Tbps 以上一種可能的光模塊 形態(tài)，雖然 AI 算力將加速數(shù)據(jù)中心交換機(jī)帶寬的增長，但 CPO 的滲透仍將是個緩慢的 過程。CPO 主要解決的是高速 SerDes 信號衰減和功耗問題（1.6T 光模塊可能使用 200G SerDes）、1.6T 光模塊多通道設(shè)計和良率難題以及相應(yīng)帶來的成本高企，但目前也有一 些問題需要解決，比如光源設(shè)計問題（如設(shè)計在交換機(jī)內(nèi)光引擎附近容易出現(xiàn)熱失效， 一種可能的思路為外置光源 ELS 但相應(yīng)也會帶來功耗的增加和布線的成本大幅提升）、 與交換機(jī)芯片的聯(lián)調(diào)問題、以及將來的替換維護(hù)問題（需拆機(jī)維護(hù)）。我們認(rèn)為，CPO 或 將重塑數(shù)通產(chǎn)業(yè)鏈結(jié)構(gòu)，話語權(quán)可能會向交換芯片廠商、交換機(jī)廠商傾斜，同時光引擎 封裝、硅光芯片、保偏光纖、CW 激光器、封裝基板等環(huán)節(jié)也將成為新增投資機(jī)會。

5.4 量子計算有望成為 AI 算力突破的“神助攻”

量子計算產(chǎn)業(yè)蓬勃發(fā)展。量子計算機(jī)基于量子力學(xué)原理構(gòu)建，量子態(tài)疊加原理使得 量子計算機(jī)的每個量子比特（qubit）能夠同時表示二進(jìn)制中的 0 和 1，相較經(jīng)典計算機(jī) 算力呈指數(shù)級爆發(fā)式增長。目前量子計算機(jī)已被證明在特定計算任務(wù)上具備指數(shù)加速能 力，即實現(xiàn)所謂的“量子霸權(quán)”，目前量子計算產(chǎn)業(yè)化需要解決的三大目標(biāo)一是開發(fā)大規(guī)模 可容錯的量子計算機(jī)以盡快實現(xiàn)可編程計算；二是開發(fā)精妙的量子計算算法以實現(xiàn)在特 定場景的商業(yè)化價值；三是解決量子計算資源稀缺性難題，通過云平臺提升綜合性普惠 服務(wù)能力。根據(jù) Hyperion Research 最新展望，全球量子計算市場 2022 年市場規(guī)模 6.14 億美 元，預(yù)計到 2025 年達(dá)到 12.08 億美元，CAGR 25%，其中機(jī)器學(xué)習(xí)市場占比 25%，被 認(rèn)為是最有潛力的應(yīng)用市場之一。

圖片

量子計算在 AI 的應(yīng)用處于探索初期，發(fā)現(xiàn)部分算法可能有優(yōu)勢，但還沒實現(xiàn)量子 霸權(quán)。神經(jīng)網(wǎng)絡(luò)和機(jī)器人學(xué)習(xí)系統(tǒng)的發(fā)展依賴于算力的進(jìn)步以及龐大的訓(xùn)練數(shù)據(jù)量積累， 隨著摩爾定律演進(jìn)的放緩以及“內(nèi)存墻”等經(jīng)典計算機(jī)架構(gòu)原因，算力增長正在放緩，而隱 私問題&數(shù)據(jù)標(biāo)注成本也阻礙大數(shù)據(jù)的無限度獲取。目前，產(chǎn)業(yè)界認(rèn)為量子計算可能會成 為機(jī)器學(xué)習(xí)發(fā)展的“神助攻”或開辟嶄新的量子機(jī)器學(xué)習(xí)領(lǐng)域。一是量子計算機(jī)本身的工作架構(gòu)可被看做一個神經(jīng)網(wǎng)絡(luò)（N 個 Qubit 可代表 2 的 N 次方個神經(jīng)元），麻省理工大學(xué)物理學(xué)家 Lloyd 估計，60 個 Qubit 量子計算機(jī)可以編碼 的數(shù)據(jù)量就相當(dāng)于人類一年生成的所有數(shù)據(jù)，而神經(jīng)網(wǎng)絡(luò)運(yùn)算相當(dāng)于同時對這些“神經(jīng)元” 對矩陣運(yùn)算。二是傳統(tǒng)神經(jīng)網(wǎng)絡(luò)初始層導(dǎo)入輸入的樣本將被中間層生成不同組合形式的 輸入，而采用量子比特編碼的數(shù)據(jù)集數(shù)量和多樣性都有可能擴(kuò)大和豐富從而可能更好地 訓(xùn)練模型。目前學(xué)術(shù)界探討的可能展現(xiàn)出優(yōu)勢的人工智能算法包括決策問題、搜索問題、 博弈理論、自然語言處理、貝葉斯網(wǎng)絡(luò)、模式識別等，但由于目前還無法成功解決模型 的初始參數(shù)輸入以及準(zhǔn)確的結(jié)果測量手段等問題，量子計算機(jī)在以上人工智能算法上還 未展現(xiàn)出“量子霸權(quán)”優(yōu)勢。

量子計算加速 NLP 成為最被看好的前沿應(yīng)用領(lǐng)域。作為目前爆火的 AI 大模型， ChatGPT 是自然語言處理（NLP）的創(chuàng)新成果，結(jié)合了語言學(xué)、計算機(jī)和人工智能，以 理解和模仿人類如何使用語言。量子計算在 NLP 大型復(fù)雜數(shù)據(jù)集處理中可能具有價值， Omdia 首席量子計算分析師 Sam Lucero 認(rèn)為量子計算將在 NLP 中發(fā)揮作用，最終在 ChatGPT 和 AIGC 中發(fā)揮作用，該研究分支被稱作 QNLP。根據(jù)啟科量子研究，QNLP 可能存在以下優(yōu)勢：1）NLP 的主要任務(wù)即相關(guān)搜索或 任務(wù)分類的算法加速；2）指數(shù)級的量子狀態(tài)空間適用于更加復(fù)雜的語言結(jié)構(gòu)；3）運(yùn)用 密度矩陣的新型意義模型自然地模擬了諸如下義關(guān)系和語言歧義等語言現(xiàn)象；4）可以大 大提高訓(xùn)練效率，用更少的訓(xùn)練數(shù)據(jù)達(dá)到相同的能力水平。2020 年初，劍橋量子計算公 司（CQC）宣布首次在量子計算機(jī)上執(zhí)行自然語言處理測試并獲得成功，他們通過將語 法句子翻譯成量子電路，然后在量子計算機(jī)上實現(xiàn)生成的程序執(zhí)行問答，發(fā)現(xiàn)了在含噪 聲中等規(guī)模量子計算時代獲得量子優(yōu)勢的途徑。

5.5 相關(guān)標(biāo)的

1) 海光信息：國產(chǎn) CPU 與 GPGPU 重要參與者

海光信息是一家以 CPU 和 DCU 產(chǎn)品為主的芯片設(shè)計廠商，公司多款產(chǎn)品性能達(dá)到 了國際同類型主流高端處理器的水平。CPU 類產(chǎn)品兼容國際主流 x86 處理器架構(gòu)和技術(shù) 路線以及國際上主流操作系統(tǒng)和應(yīng)用軟件，軟硬件生態(tài)完善，可靠性和安全性較高，得 到終端客戶的認(rèn)可，已經(jīng)廣泛應(yīng)用于運(yùn)營商、金融、互聯(lián)網(wǎng)、教育等重要行業(yè)及領(lǐng)域。海光 DCU 系列產(chǎn)品以 GPGPU 架構(gòu)為基礎(chǔ)，兼容通用的“類 CUDA”環(huán)境以及國際主 流商業(yè)計算軟件和人工智能軟件，軟硬件生態(tài)豐富，可廣泛應(yīng)用于大數(shù)據(jù)處理、人工智 能、商業(yè)計算等應(yīng)用領(lǐng)域。在 ChatGPT 等應(yīng)用場景下的所指的 GPU 即為 GPGPU，去掉 GPU 為了圖形處理 而設(shè)計的加速硬件單元，保留了 GPU 的 SIMT 架構(gòu)和通用計算單元。所以對于 ChatGPT 場景下的 AI 訓(xùn)練、矩陣運(yùn)算等通用計算類型的任務(wù)仍然保留了 GPU 的優(yōu)勢，即高效搬 運(yùn)，運(yùn)算，重復(fù)性的有海量數(shù)據(jù)的任務(wù)。

圖片

2) 復(fù)旦微電：FPGA 受益算力增長

復(fù)旦微電的 FPGA 產(chǎn)品線擁有系列化超大規(guī)模異構(gòu)融合可編程邏輯器件系列產(chǎn)品， 公司在國內(nèi)較早的推出了億門級 FPGA 和異構(gòu)融合可編程片上系統(tǒng)（PSoC）芯片，以 及面向人工智能應(yīng)用的 FPGA 和 AI 的可重構(gòu)芯片（FPAI）。公司累計向超過 500 家客戶銷售相關(guān) FPGA 產(chǎn)品，在通信領(lǐng)域、工業(yè)控制領(lǐng)域等得到廣泛應(yīng)用。

FPGA 在人工智能加速卡領(lǐng)域應(yīng)用廣泛。FPGA 通過與 CPU 搭配，CPU 的部分?jǐn)?shù) 據(jù)運(yùn)算轉(zhuǎn)移給 FPGA，最終 FPGA 起到加速作用。無論是賽靈思還是英特爾，其 FPGA 在數(shù)據(jù)中心運(yùn)算方面的產(chǎn)品形態(tài)均為加速卡，在服務(wù)器中與 CPU 進(jìn)行配合。人工智能領(lǐng) 域?qū)儆诩铀儆嬎愕囊粋€分支，如阿里云、騰訊云之類的數(shù)據(jù)中心均對加速卡存在大量需 求. 根據(jù)人工智能的不同應(yīng)用領(lǐng)域，可將各種算力需求和控制邏輯用最合適的資源組合 實現(xiàn)，在這一過程中，F(xiàn)PGA 在其中起到了關(guān)鍵作用?？傮w而言，F(xiàn)PGA 具備快速、低 功耗、靈活和高效的優(yōu)點(diǎn)。硬件可編程的特性使得 FPGA 在 AI 訓(xùn)練中既能提供充足的 算力，又具有靈活性，可以重新編程以適應(yīng)不同任務(wù)的需要。

3) 中際旭創(chuàng)：全球光模塊龍頭迎來 800G 時代

中際旭創(chuàng)是全球高速數(shù)通光模塊龍頭，在 Top5 云計算公司光模塊供應(yīng)商中占據(jù)最 大份額，根據(jù) LightCounting 統(tǒng)計，公司在 2021 全球光模塊市場位列第一。全球云巨頭 數(shù)據(jù)中心網(wǎng)絡(luò)部署正處于 400G 批量部署、800G 小批量上量階段，公司 800G 全系列 產(chǎn)品已實現(xiàn)供貨，800G 時代有望維持龍頭地位，并將享受 400G、800G 高端產(chǎn)品收入 占比增加帶來的綜合毛利率提升。此外，公司布局硅光、CPO 等前沿技術(shù)，硅光/EML 兩 種平臺 400G 光模塊均通過客戶驗證，未來有望把持產(chǎn)業(yè)鏈上游核心環(huán)節(jié)，實現(xiàn)供應(yīng)鏈 穩(wěn)定。在電信市場，公司戰(zhàn)略進(jìn)軍相干高端光模塊，已在國內(nèi)主要設(shè)備商實現(xiàn)供貨，有 望開啟第二增長曲線。

4) 聯(lián)特科技：歐美中低速 WDM 主流供應(yīng)商，數(shù)通光模塊“黑馬”

聯(lián)特科技在海外市場主打差異化競爭優(yōu)勢，經(jīng)歷 10 年積累，在 WDM 細(xì)分市場占 據(jù)了優(yōu)勢地位，主要客戶包括愛立信、諾基亞、Prolabs、Adtran 等。隨著歐美疫后通信 新基建投資增加，原有城域網(wǎng)持續(xù)速率升級，公司在客戶份額有望繼續(xù)提升。此外，海 外發(fā)達(dá)國家 RAN 市場，愛立信、諾基亞兩家占據(jù)主導(dǎo)地位，公司作為愛立信前傳光模塊 主要供應(yīng)商之一收入持續(xù)增長。數(shù)通方面，近幾年營收快速增長，2021 年營收達(dá) 3.3 億 元，同比增長 33%，在整體收入中占比近半。公司已成為思科、Arista 等海外主流設(shè)備 商合格供應(yīng)商，100G/400G 高速光模塊產(chǎn)品持續(xù)上量，并有望在 2023 突破北美 Top4 云廠商客戶。公司前瞻布局 800G 和 CPO 產(chǎn)品，目前已推出基于 EML、SiP、TFLN 全 系列 800G 產(chǎn)品，EML 預(yù)計 2023 年在客戶端完成全面認(rèn)證。

5) 天孚通信：光通信精益制造代表，光引擎、激光雷達(dá)成長速度快

天孚通信定位于光器件整體解決方案提供商 OMS，目前擁有十三大產(chǎn)品線、八大解 決方案，幾乎涵蓋光模塊生產(chǎn)所需的所有無源光器件、各種有源封裝形態(tài)等。公司 2022 年業(yè)績快報預(yù)計實現(xiàn)收入 12.06 億元，同比增長 16.8%，五年 CAGR 29.1%，歸母業(yè)績 29.2%。公司將持續(xù)優(yōu)化無源產(chǎn)品線結(jié)構(gòu)，拓展新客戶的同時提供一站式解決方案增加 單客戶價值量，未來無源產(chǎn)品有望保持高于行業(yè)的平均增速和毛利率；有源方面，公司 戰(zhàn)略聚焦高速數(shù)通領(lǐng)域，與大客戶合作的硅光引擎快速上量，將受益于 800G、1.6T 硅 光、CPO 等新技術(shù)滲透率提升。此外，公司在激光雷達(dá)領(lǐng)域秉持精益制造理念，提供濾 波片、透鏡、棱鏡等無源光器件以及模組化解決方案代工，目前在國內(nèi)主流新勢力車型 已取得定點(diǎn)，未來兩年將持續(xù)放量。

6) 國盾量子：量子計算機(jī)已實現(xiàn)原型機(jī)搭建

公司核心技術(shù)來源于中科大產(chǎn)業(yè)化平臺，是全球量子通信 QKD 設(shè)備龍頭企業(yè)。公 司在國內(nèi)量子通信骨干網(wǎng)一期建設(shè)中占據(jù)了主要的設(shè)備份額，其骨干網(wǎng)/城域網(wǎng) QKD 編 碼產(chǎn)品、量子衛(wèi)星地面站產(chǎn)品、信道與密鑰組網(wǎng)交換產(chǎn)品已批量部署。我們認(rèn)為，隨著 國內(nèi)經(jīng)濟(jì)的全面復(fù)蘇，量子骨干網(wǎng)二期有望啟動，同時公司在電力、電信、金融等領(lǐng)域 與大型央國企簽訂戰(zhàn)略合作協(xié)議，隨著各行業(yè)對保密通信的重視，有望開啟更加廣闊的 行業(yè)市場。公司在量子計算領(lǐng)域主要提供超導(dǎo)量子計算低溫線纜組件、約瑟夫森阻抗?jié)u 變參量放大器、ez-Q Engine 超導(dǎo)量子計算操控系統(tǒng)等子系統(tǒng)和器件，其超導(dǎo)量子計算 操控系統(tǒng)成功主力“祖沖之號”實現(xiàn)量子優(yōu)越性展示。公司日前完成了“祖沖之二號”同等規(guī) 模超導(dǎo)量子計算機(jī)原型機(jī)搭建，是國內(nèi)目前唯一具有量子計算機(jī)整機(jī)集成能力的上市公 司，未來將通過平臺的形式率先提供服務(wù)。

7) 浪潮信息：國內(nèi)領(lǐng)先 AI 服務(wù)器廠商

公司是全球領(lǐng)先的新型 IT 基礎(chǔ)架構(gòu)產(chǎn)品、方案及服務(wù)提供商，以“智慧計算”為戰(zhàn)略， 通過“硬件重構(gòu)+ 軟件定義”的算力產(chǎn)品和解決方案、構(gòu)建開放融合的計算生態(tài)，為客戶 構(gòu)建滿足多樣化場景的智慧計算平臺，全面推動人工智能、大數(shù)據(jù)、云計算、物聯(lián)網(wǎng)的 廣泛應(yīng)用和對傳統(tǒng)產(chǎn)業(yè)的數(shù)字化變革與重塑。當(dāng)前業(yè)務(wù)包括傳統(tǒng)服務(wù)器、AI 服務(wù)器及存儲產(chǎn)品。根據(jù) IDC 最新數(shù)據(jù)，浪潮信息的服務(wù)器產(chǎn)品 2021 年全年位居全球前二，持續(xù)以 30%+的市占率領(lǐng)跑中國市場；AI 服務(wù)器方面，根據(jù) IDC 數(shù)據(jù)，2021 年全年，中國 AI 服務(wù)器市場規(guī)模達(dá) 350.3 億 元，同比增長 68.6%。從廠商維度看，浪潮信息、寧暢、新華三、華為、安擎位居前五， 占據(jù)了 82.6%的市場份額。其中，浪潮 AI 服務(wù)器市場占有率達(dá) 52.4%。2021 年，公司 發(fā)布首款智算中心調(diào)度系統(tǒng) AIStation，擁有性能最強(qiáng)的液冷 AI 服務(wù)器 NF5488LA5，發(fā) 布 2457 億參數(shù)的 AI 巨量模型“源 1.0”。

6 從元宇宙到大制造，大模型應(yīng)用領(lǐng)域不斷豐富

6.1 “生成式 AI”在互聯(lián)網(wǎng)及元宇宙應(yīng)用

“生成式 AI (generative AI)”在互聯(lián)網(wǎng)及元宇宙領(lǐng)域市場化空間較為廣闊?；诂F(xiàn)行 的 NLP 算法發(fā)展程度及數(shù)據(jù)集規(guī)模，在不久的將來，生成式 AI 有較大可能在“智能客服” 和“搜索引擎”進(jìn)行增值，并有希望以“插件”的形式賦能現(xiàn)有的“生產(chǎn)力工具鏈(工程軟件/音 視頻制作工具等)”。在為客服領(lǐng)域增值的過程中，有希望在人工客服的全鏈路中（包括問題識別、潛在 解決方案交付、反饋優(yōu)化、和風(fēng)險識別等）實現(xiàn)對人工客服的替代?？蓪崿F(xiàn)替代的領(lǐng)域 包括電商零售、醫(yī)療健康、金融服務(wù)、和電信等領(lǐng)域的客服環(huán)節(jié)。

1) “生成式 AI”在智能客服領(lǐng)域的潛在應(yīng)用

“可對話 AI（Conversational AI）”是“生成式 AI”在智能客服領(lǐng)域的直接應(yīng)用。根據(jù) Grand View Research，全球“可對話 AI(Conversational AI)”2021 年市場空間為 62 億美 元，其中，BFSI(銀行保險等金融服務(wù))，醫(yī)療，零售和電商，和電信領(lǐng)域的市場空間為 42.5 億美元左右，占 68.5%左右；根據(jù) Grand View Research 預(yù)測，2030 年“可對話 AI” 的市場空間將達(dá)到約 413.9 億美元，對應(yīng) 2022 至 2030 年復(fù)合增長率(CAGR)為 23.6%。該領(lǐng)域的核心競爭者包括：谷歌，微軟，亞馬遜，IBM，甲骨文，和 SAP 等。市場增長 的主要驅(qū)動因素包括各領(lǐng)域?qū)τ趹?yīng)用 AI 技術(shù)替代人力這一需求的提升，和持續(xù)下降的 AI 對話程序的研發(fā)成本。

圖片

我們判斷，從現(xiàn)在起至未來幾年，作為 “ 生 成 式 AI” 重 要 應(yīng) 用 的 “ 對 話 AI(Conversational AI)”的商業(yè)化模式中較為清晰且可行的，是在各個領(lǐng)域?qū)τ谌斯た头?的替代。對人工客服進(jìn)行替代的假設(shè)是基于以下 3 點(diǎn)考慮：1、全球主要發(fā)達(dá)經(jīng)濟(jì)體人口 增長乏力，勞動力數(shù)量減少，用工成本攀升，有強(qiáng)烈的使用 AI 對話機(jī)器人替代人工客服 的需求；2、“智能對話機(jī)器人”相比“人工客服”可以創(chuàng)造更多價值，即，機(jī)器人可以完成 更多人工客服無法勝任的任務(wù)，并且工作效率高，解決問題出錯率較低。3、“智能對話 機(jī)器人”研發(fā)和部署成本的有希望隨著算力提升或者異構(gòu)運(yùn)算的發(fā)展而逐步下降，同時該 機(jī)器人的實踐經(jīng)驗的可復(fù)制性不斷提高。由于電商、醫(yī)療健康、BFSI、和電信網(wǎng)絡(luò)服務(wù) 的客服服務(wù)中產(chǎn)生的問題及解答，較為結(jié)構(gòu)化并依賴勞動力密集產(chǎn)出（其中，醫(yī)療健康 領(lǐng)域不包括醫(yī)生看診環(huán)節(jié)，僅包括掛號預(yù)約、初步咨詢、取藥、和護(hù)理服務(wù)溝通等專業(yè) 性較低環(huán)節(jié)），所以這 4 個應(yīng)用領(lǐng)域有望成為“可對話 AI”可以進(jìn)行“人力資源替代”的主要 領(lǐng)域。我們從這 4 個主要領(lǐng)域入手，基于對未來驅(qū)動因素的假設(shè)，進(jìn)行了市場空間測算。根據(jù) Grand View Research，2021 年這 4 個主要領(lǐng)域市場空間約為 42.5 億美元左右；基于此作為起點(diǎn)，經(jīng)過我們的測算，2033 年這 4 大主要領(lǐng)域的市場空間可以達(dá)到 478 億美元。

2) “生成式 AI”在搜索引擎領(lǐng)域的潛在應(yīng)用

在互聯(lián)網(wǎng)搜索領(lǐng)域，目前谷歌占據(jù)絕對的領(lǐng)軍地位。谷歌主要的業(yè)務(wù)板塊是谷歌服 務(wù)(Google Services)，2022 年谷歌服務(wù)收入 2535.28 億美元。谷歌服務(wù)依賴谷歌在搜索 引擎領(lǐng)域長期積累的技術(shù)和商業(yè)化優(yōu)勢，包括搜索，Youtube，google play 智能手機(jī)平 臺，廣告，瀏覽器，郵箱，云盤等。在考慮未來“生成式 AI”在搜索領(lǐng)域可以實現(xiàn)的收入時，考慮范圍應(yīng)該不局限于“搜索 引擎”本身，還應(yīng)該包括基于“搜索引擎”技術(shù)所拓展出的外延部分，比如 Youtube，GoogleMap 和 Google Play 等；這些搜索引擎外延部分的商業(yè)化表現(xiàn)，本質(zhì)是基于平臺是否可 以基于用戶的搜索請求或者使用習(xí)慣，將產(chǎn)品及服務(wù)較精準(zhǔn)的分發(fā)給用戶，然后用戶并 為此付費(fèi)。所以，谷歌服務(wù)部分的收入天花板，可以用來作為“標(biāo)尺”去衡量未來智能對話 機(jī)器人在“搜索領(lǐng)域”的潛在收入中最易于理解的部分。

2023 年 2 月初，微軟公布新 Bing (New Bing)搜索引擎，該版本搜索引擎集成了 ChatGPT 技術(shù)，公布不到 48 小時，申請用戶量已經(jīng)過百萬。用戶需要排隊注冊申請并 等待獲得使用新 Bing 測試版的資格。根據(jù)微軟官方的解釋，新 Bing 可以作為類似研究 助理(research assistant)，個人計劃員(personal planner)，和創(chuàng)意合作伙伴(creative partner)的角色為用戶創(chuàng)造價值。和常規(guī)的搜索引擎相比，新 Bing 的搜索結(jié)果將不再是 簡單的提供給用戶一個鏈接列表，而是給用戶一個概括的答案，解決用戶的具體問題， 并且提供可靠的信息來源。用戶可以按照思考和溝通的方式與新 Bing 對話。同時，新Bing 也可以作為創(chuàng)意工具，幫助用戶寫詩，寫故事或者寫分享關(guān)于項目的想法。根據(jù) The Verge 發(fā)布的新 Bing 測試使用體驗，用戶可以直接向 Bing 提問如何幫助自己規(guī)劃一個 在紐約市 3 日的旅行，同時確保自己可以待在紐約時代廣場附近；而新 Bing 的回復(fù)可以 做到將酒店的選擇按照一定優(yōu)先級為用戶規(guī)劃出來。

圖片

2023 年 2 月初，谷歌也發(fā)布了谷歌巴德(Google Bard)生成式可對話 AI。使用了谷 歌的 LaMDA(Language Model for Dialogue Applications)模型。但是谷歌巴德發(fā)布之后， 并沒有達(dá)到用戶的期待。之后，谷歌母公司 Alphabet 主席 John Hennessy 稱，谷歌之 前在猶豫是否要將 Bard 應(yīng)用于產(chǎn)品中，因為 Bard 還沒有真的準(zhǔn)備好。同時，百度也與同一時期官宣了“文心一言(ERNIE Bot)”即將于 2023 年 3 月完成內(nèi) 測，屆時將向公眾開放。之后，上海報業(yè)集團(tuán)，36 氪，廣州日報，愛奇藝，度小滿，攜 程等媒體及互聯(lián)網(wǎng)產(chǎn)品和平臺均宣布接入文心一言。文心一言采用文心大模型，文心大 模型的 API 包括 ERNIE 3.0 文本理解與創(chuàng)作，ERNIE-ViLG 文生圖和 PLATO 開放域?qū)?話服務(wù)。

6.2 AI 賦能制造業(yè)轉(zhuǎn)型升級，智能制造浪潮興起

物聯(lián)網(wǎng)、大數(shù)據(jù)、云計算等技術(shù)日益成熟，人工智能已成為新時代的風(fēng)口浪尖，“人 工智能+”也代表一種新的社會形態(tài)。智能制造是實現(xiàn)制造強(qiáng)國的主攻方向，更是提升制 造業(yè)競爭力的核心技術(shù)。隨著智能制造的浪潮興起，人工智能技術(shù)已貫穿于制造業(yè)設(shè)計、 生產(chǎn)、管理等諸多環(huán)節(jié)。從必要性看，在勞動力及土地成本雙升的背景下，制造業(yè)面臨 著利潤低、市場變化迅速等壓力，而人工智能的應(yīng)用不僅可以幫助企業(yè)提升智能化運(yùn)營 水平，實現(xiàn)降本增效，還可以通過與其他新興技術(shù)的融合，推動制造業(yè)模式升級及價值 鏈重構(gòu)。從實際應(yīng)用來看，人工智能在制造業(yè)的應(yīng)用可分為三方面：1）智能裝備：指具 有感知、分析、推理、決策、控制功能的制造裝備，典型代表有工業(yè)機(jī)器人、協(xié)作機(jī)器 人、數(shù)控機(jī)床等；2）智能工廠：利用各種現(xiàn)代化的技術(shù)，實現(xiàn)工廠的辦公、管理及生產(chǎn) 自動化，典型的代表場景有協(xié)作機(jī)器人、智能倉儲物流系統(tǒng)等；3）智能服務(wù)：指個性化 定制、遠(yuǎn)程運(yùn)維及預(yù)測性維護(hù)等，典型代表有工業(yè)互聯(lián)網(wǎng)等。

1) 智能裝備產(chǎn)業(yè)百花齊放，工業(yè)機(jī)器人與高端數(shù)控機(jī)床空間廣闊

工業(yè)機(jī)器人

工業(yè)機(jī)器人種類眾多，貫穿工業(yè)生產(chǎn)的諸多工藝過程。工業(yè)機(jī)器人是廣泛用于工業(yè) 領(lǐng)域的多關(guān)節(jié)機(jī)械手或多自由度的機(jī)器裝置，具有一定的自動性，可依靠自身的動力能 源和控制能力實現(xiàn)各種工業(yè)加工制造功能。從構(gòu)成來看，其主要分為三大模塊：傳感模 塊、控制模塊和機(jī)械模塊。其中傳感模塊負(fù)責(zé)感知內(nèi)部和外部的信息，控制模塊控制機(jī) 器人完成各種活動，機(jī)械模塊接受控制指令實現(xiàn)各種動作。從種類來看，工業(yè)機(jī)器人可 分為搬運(yùn)作業(yè)/上下料機(jī)器人、焊接機(jī)器人、噴涂機(jī)器人、加工機(jī)器人、裝備機(jī)器人、潔 凈機(jī)器人及其他，貫穿于工業(yè)生產(chǎn)過程中從材料和零部件入庫到生產(chǎn)再到最終產(chǎn)品出庫 的諸多環(huán)節(jié)。根據(jù)億歐智庫整理數(shù)據(jù)，2021 年搬運(yùn)機(jī)器人和焊接機(jī)器人占比最高，分別 達(dá) 55%和 25%。從功能上看，較人工和傳統(tǒng)機(jī)器而言，不論哪一類工業(yè)機(jī)器人，在實際 生產(chǎn)中都具備成本、效率、安全等眾多優(yōu)勢。因此，我們認(rèn)為，隨著核心零部件和核心 技術(shù)的快速發(fā)展，工業(yè)機(jī)器人市場有望迎來快速發(fā)展。

圖片

高端數(shù)控機(jī)床

數(shù)控機(jī)床是一種裝有程序控制系統(tǒng)的自動化機(jī)床，具備柔性和高效能的特點(diǎn)。近年 來國內(nèi)數(shù)控機(jī)床技術(shù)在高速化、復(fù)合化、精密化、多軸化等方面取得了重要突破，高端 數(shù)控機(jī)床產(chǎn)業(yè)發(fā)展迅速。從組成來看，高端數(shù)控機(jī)床包括加工程序載體、數(shù)控裝置、伺 服系統(tǒng)、機(jī)床主體和其他輔助裝置。具體來看：1）加工程序載體。即以一定的格式和代 碼存儲零件加工程序，從而對數(shù)控機(jī)床進(jìn)行控制。2）數(shù)控裝置。屬于數(shù)控機(jī)床的核心， 多采用 CNC 系統(tǒng)，通過計算機(jī)系統(tǒng)程序的合理組織，整個系統(tǒng)協(xié)調(diào)的進(jìn)行工作。3）伺 服與測量反饋系統(tǒng)。主要用于實現(xiàn)數(shù)控機(jī)床的伺服控制，包括驅(qū)動裝置和執(zhí)行機(jī)構(gòu)兩大 部分。4）機(jī)床主機(jī)。指在數(shù)控機(jī)床上自動地完成各種切削加工的機(jī)械部分，包括床身、 底座、立柱、滑座、主軸箱、刀架等機(jī)械部件。5）其他輔助裝置。證充分發(fā)揮數(shù)控機(jī)床 功能所必需的配套裝置，常用的輔助裝置包括：氣動、液壓裝置，排屑裝置，冷卻、潤 滑裝置等。

數(shù)控機(jī)床優(yōu)勢明顯，后疫情時代市場規(guī)?；謴?fù)增長。與普通機(jī)床相比，數(shù)控機(jī)床的 優(yōu)點(diǎn)眾多，具體來看：1）高度柔性。在數(shù)控機(jī)床上加工零件，主要取決于加工程序，因 此其適用于所加工的零件頻繁更換的場合，能較大程度縮短生產(chǎn)周期并節(jié)省費(fèi)用。2）加 工精度高。數(shù)控機(jī)床是按數(shù)字信號形式控制的，加工精度更高。3）加工質(zhì)量穩(wěn)定、可靠。4）生產(chǎn)率高。數(shù)控機(jī)床可有效地減少零件的加工時間和輔助時間。因此，高端數(shù)控機(jī)床 正廣泛應(yīng)用于大制造領(lǐng)域。從市場規(guī)模來看，根據(jù)中商產(chǎn)業(yè)研究院統(tǒng)計數(shù)據(jù)顯示，2019 年我國數(shù)控機(jī)床市場規(guī)模達(dá) 3270 億元，但 2019 年后，受疫情影響，2020 年國內(nèi)數(shù)控 機(jī)床市場規(guī)?？s減至 2473 億元。受益于國內(nèi)疫情控制良好，各行業(yè)開始復(fù)工復(fù)產(chǎn)，2021 年數(shù)控機(jī)床市場規(guī)?；謴?fù)增長，達(dá) 2687 億元。中商產(chǎn)業(yè)研究院預(yù)測，2022 年數(shù)控機(jī)床 產(chǎn)業(yè)規(guī)模將達(dá) 2957 億元。就目前形勢來看，我們認(rèn)為，一方面，隨著國內(nèi)疫情管控放開，經(jīng)濟(jì)環(huán)境向好，各 行各業(yè)活力加速恢復(fù)，數(shù)控機(jī)床產(chǎn)業(yè)有望受益于下游需求加速擴(kuò)張；另一方面，隨著上 游核心零部件國產(chǎn)化水平提升，數(shù)控化率也會逐步提升，國產(chǎn)替代空間廣闊，因此，高 端數(shù)控機(jī)床產(chǎn)業(yè)勢在必行。

2) 智能工廠是實現(xiàn)智能制造的載體，協(xié)作機(jī)器人與智能倉儲物流 是工廠新星

協(xié)作機(jī)器人

協(xié)作機(jī)器人是一種新型的工業(yè)機(jī)器人，掃除了人機(jī)協(xié)作的障礙，機(jī)器人與人可以在 生產(chǎn)線上協(xié)同作戰(zhàn)，充分發(fā)揮機(jī)器人的效率及人類的智能，給未來工廠的工業(yè)生產(chǎn)和制 造帶來了根本性的變革。與傳統(tǒng)工業(yè)機(jī)器人有所區(qū)別，協(xié)作機(jī)器人優(yōu)勢特點(diǎn)明顯。與傳統(tǒng)工業(yè)機(jī)器人相比， 其不同之處在于：1）目標(biāo)市場不同，協(xié)作機(jī)器人偏向于應(yīng)用在中小企業(yè)及適應(yīng)柔性化生 產(chǎn)要求的企業(yè)，而傳統(tǒng)工業(yè)機(jī)器人適用于大規(guī)模生產(chǎn)企業(yè)。2）模式不同，傳統(tǒng)工業(yè)機(jī)器人是作為整個生產(chǎn)線的組成部分，如果某個環(huán)節(jié)機(jī)器人壞了，整條產(chǎn)線可能會面臨停工 的風(fēng)險，而協(xié)作機(jī)器人更具備柔性特點(diǎn)，代替的是人，使得整個生產(chǎn)流程更為靈活。優(yōu) 勢方面，協(xié)作機(jī)器人具備輕量化、友好性、人機(jī)協(xié)作、編程方便及感知能力五大特點(diǎn)。

圖片

智能倉儲物流

智能倉儲物流系統(tǒng)是通過信息化、物聯(lián)網(wǎng)和機(jī)電一體化共同實現(xiàn)的智慧物流解決方 案，通過將物料出入庫、存儲、輸送、生產(chǎn)、分揀等物流過程自動化、信息化和智能化， 來實現(xiàn)降本增效的目的。從構(gòu)成來看，智能倉儲物流系統(tǒng)包括硬件裝備和軟件系統(tǒng)。其中，硬件裝備可按環(huán)節(jié)分為倉儲裝備、分揀裝備和搬運(yùn)與輸送裝備，具體的產(chǎn)品包括立 體倉庫、堆垛機(jī)、穿梭車、輸送機(jī)、AGV、碼垛機(jī)器人和分揀機(jī)等，主要執(zhí)行具體的倉 儲物流操作任務(wù)；軟件系統(tǒng)是智能倉儲物流系統(tǒng)的控制中心，主要包括倉儲管理系統(tǒng) WMS 和倉儲控制系統(tǒng) WCS，負(fù)責(zé)具體的倉儲物流信息控制。從環(huán)節(jié)劃分，倉儲裝備與 軟件系統(tǒng)的結(jié)合即智能倉儲；分揀與輸送、搬運(yùn)裝備與軟件系統(tǒng)的結(jié)合稱為狹義的智能 物流；若智能倉儲物流系統(tǒng)與生產(chǎn)線對接，增加物料管理、產(chǎn)線對接等產(chǎn)線功能模塊， 即構(gòu)成智能產(chǎn)線倉儲物流系統(tǒng)，也就是常說的智能產(chǎn)線，也是智能工廠的基礎(chǔ)版。

市場空間前景廣闊，黃金賽道有望開啟高增。從智能倉儲市場規(guī)模來看，根據(jù)頭豹 研究院統(tǒng)計的數(shù)據(jù)來看，受益于物流行業(yè)規(guī)模的迅速增長和倉儲環(huán)節(jié)降本增效的需求不 斷攀升，市場規(guī)模從2017年的712.5億元增至2021年的1145.5億元，CAGR達(dá)12.6%。但從設(shè)備滲透率中，也反映出智能倉儲物流在很多領(lǐng)域的融合程度不足，因此向未來看， 隨著智能倉儲物流與更多應(yīng)用場景融合和 5G、物聯(lián)網(wǎng)、人工智能等技術(shù)在倉儲行業(yè)的進(jìn) 一步升級，智能倉儲行業(yè)有望加速發(fā)展，預(yù)計 2021-2026 年 CAGR 達(dá) 18.4%，2022 年 智能倉儲物流市場規(guī)模約 1357 億，2026 年達(dá) 2665 億元。

6.3 AI 賦能工業(yè)互聯(lián)網(wǎng)，打造高效率設(shè)備管理和生產(chǎn)流程

智能服務(wù)是智能制造的必然延伸，工業(yè)互聯(lián)網(wǎng)是制造業(yè)智能化的重要發(fā)展方向。工 業(yè)互聯(lián)網(wǎng)是數(shù)字化轉(zhuǎn)型的關(guān)鍵力量，更是推動制造業(yè)轉(zhuǎn)型發(fā)展的重要支撐。工業(yè)互聯(lián)網(wǎng) 是全球工業(yè)系統(tǒng)與高級計算、分析、感應(yīng)技術(shù)以及互聯(lián)網(wǎng)連接融合的一種結(jié)果。其本質(zhì) 是通過開放的、全球化的工業(yè)級網(wǎng)絡(luò)平臺把設(shè)備、生產(chǎn)線、工廠、供應(yīng)商、產(chǎn)品和客戶 緊密地連接和融合起來，高效共享工業(yè)經(jīng)濟(jì)中的各種要素資源，從而通過自動化、智能 化的生產(chǎn)方式降低成本、增加效率，幫助制造業(yè)延長產(chǎn)業(yè)鏈，進(jìn)而推動制造業(yè)轉(zhuǎn)型發(fā)展。換言之，工業(yè)互聯(lián)網(wǎng)是實現(xiàn)智能制造的發(fā)展模式和現(xiàn)實路徑。其產(chǎn)生背景也是國內(nèi)人口 紅利的消失，勞動力成本上升。工業(yè)互聯(lián)網(wǎng)則通過信息技術(shù)與工業(yè)系統(tǒng)的深度融合，保 證對制造成本控制，因此，工業(yè)互聯(lián)網(wǎng)已成為主要工業(yè)國家搶占國際制造業(yè)競爭的制高 點(diǎn)。

圖片

AI 算法的加入將有效提升設(shè)備運(yùn)行穩(wěn)定度和流程控制效率。以流程工業(yè) PHM 智能 監(jiān)測系統(tǒng)為例，傳統(tǒng)監(jiān)測方式需要大量人工進(jìn)行實時排障，隨著 AI 算法的加入，PHM 有望快速實現(xiàn)智能化、無人化，減少緊急維修事件發(fā)生的概率，降低其帶來的停機(jī)、排 障、維修損失，同時降低不必要的檢修次數(shù)和對應(yīng)成本。對于化工、冶金、煤炭等流程 行業(yè)來說，每一個泵、反應(yīng)釜、管路、溫控設(shè)備出現(xiàn)故障都會對產(chǎn)線造成重大影響，甚 至釀成生產(chǎn)事故。AI 帶來的能力提升將意義匪淺。

6.4 人工智能助力汽車智能化

1) 智能駕駛：從駕駛輔助到自動駕駛

自動駕駛汽車依靠人工智能、視覺計算、雷達(dá)、監(jiān)控裝置和全球定位系統(tǒng)協(xié)同合作， 它是一個集環(huán)境感知、規(guī)劃決策、多等級輔助駕駛等功能于一體的綜合系統(tǒng)，它集中運(yùn) 用了計算機(jī)、現(xiàn)代傳感、信息融合、通訊、人工智能及自動控制等技術(shù), 是典型的高新技 術(shù)綜合體。這種汽車擁有和人一樣的“思考”、“判斷”以及“行走”能力，使得電腦可以在沒 有任何人主動的操作下，能夠自動安全地操作機(jī)動車輛。按照《汽車駕駛自動化分級》，駕駛自動化共分為：應(yīng)急輔助、部分駕駛輔助、組合 駕駛輔助、有條件自動駕駛、高度自動駕駛以及完全自動駕駛六個層級。

智能駕駛的感知、處理和執(zhí)行都離不開人工智能技術(shù)的基礎(chǔ)。首先，感知：讓車輛 配對相應(yīng)的感測器來收集車輛的行駛狀況和道路環(huán)境狀況等信息。不同的系統(tǒng)需要由不 同類型的車用感測器，包含毫米波雷達(dá)、超聲波雷達(dá)、紅外雷達(dá)、雷射雷達(dá)、CCD \CMOS 影像感測器及輪速感測器等來收集整車的工作狀態(tài)及其參數(shù)變化情形；其次，處理：將 感測器所搜集的信息進(jìn)行分析處理，再向智能控制中心傳達(dá)控制訊息；最后，執(zhí)行。根 據(jù)控制中心下達(dá)的命令，完成對汽車的駕駛。

2) 智能座艙：從出行工具到出行管家

智能座艙實質(zhì)是汽車駕駛艙中的人機(jī)交互場景，主要目的是將駕駛信息與娛樂信息 兩個模塊進(jìn)行集成，利用自身處理海量信息數(shù)據(jù)的強(qiáng)大能力，把握用戶在不同場景下的 行為習(xí)慣，并以此優(yōu)化智能座艙的空間結(jié)構(gòu)，進(jìn)而提升用戶的駕乘體驗。據(jù)《2022 中國智能汽車發(fā)展趨勢洞察報告》，未來隨著智能化技術(shù)的不斷普及，汽 車不再僅僅是交通工具，將擴(kuò)展成為日常生活的第三空間，用戶對乘坐體驗要求更高， 智能座艙將加速普及。根據(jù) ICVTank 數(shù)據(jù)，2022 年全球智能座艙行業(yè)市場規(guī)模有望達(dá) 461 億美元，中國作為全球最具發(fā)展?jié)摿Φ钠囀袌觯?019 年中國智能座艙市場規(guī)模達(dá) 441 億人民幣，預(yù)計 2025 年市場規(guī)模將達(dá) 1030 億人民幣，2017-2025 年的復(fù)合增長率 為 13%，發(fā)展?jié)摿薮蟆?/span>

智能座艙是由不同的座艙電子組成的完整體系，其關(guān)鍵技術(shù)主要由四部分組成。第 一部分是機(jī)械技術(shù)，包括可變化車體技術(shù)和內(nèi)飾機(jī)構(gòu)技術(shù)。未來汽車可根據(jù)不同模式進(jìn)行伸縮折疊是一種趨勢，座艙需要可以根據(jù)乘客對于不同場景的使用需求，實現(xiàn)內(nèi)飾空 間的不斷調(diào)整變化。第二部分是電子硬件技術(shù)，包含芯片技術(shù)、顯示屏技術(shù)、專用電器 總成以及傳感器技術(shù)四大技術(shù)。第三部分是軟件技術(shù)，主要有操作系統(tǒng)和各種應(yīng)用軟件。汽車智能化發(fā)展必然會趨向于一機(jī)多屏，通過操作系統(tǒng)實現(xiàn)一個車機(jī)芯片控制各屏的軟 件。第四部分是兩大支撐技術(shù)，分別是人工智能技術(shù)和云計算技術(shù)。未來智能算法的準(zhǔn) 確性決定了不同品牌智能座艙的差異化，是影響車內(nèi)體驗的關(guān)鍵。

ChatGPT 加速落實“汽車機(jī)器人概念”。百度于 21 年 8 月舉辦的百度世界大會 2021 上首提“汽車機(jī)器人”的概念，并發(fā)布了具有跨時代意義的 Apollo“汽車機(jī)器人”。今年 2 月 15 日百度旗下智能汽車公司品牌集度計劃年內(nèi)推出“三體版”汽車機(jī)器人，將融合百度文 心一言的全面能力，打造針對智能汽車場景的大模型人工智能交互體驗，支持汽車機(jī)器 人實現(xiàn)自然交流的再進(jìn)階。近日，長安汽車旗下深藍(lán)品牌公眾號發(fā)布題為“假如把 ChatGPT 裝進(jìn)長安深藍(lán) SL03”的文章，內(nèi)容為 ChatGPT 與長安深藍(lán) SL03 車機(jī)系統(tǒng) DEEPAL OS 的一番對話。通過這次對話，DEEPAL OS 將自身特點(diǎn)、優(yōu)勢逐一說給 ChatGPT 的同時，亦把自己介紹給了消費(fèi)者和網(wǎng)友。