人工智能报告

ChatGPT 发布后不久，Meta 就开源了类 GPT 大语言模型 LLaMA，此后，Alpaca、Vicuna、Koala 等多个大模型诞生，它们以远低于 ChatGPT 的模型规模和成本，实现了令人瞩目的性能，引发业内人士担忧“谷歌和OpenAI 都没有护城河，大模型门槛正被开源踏破，不合作就会被取代”。资本市场也在关注大模型未来竞争格局如何，模型小了是否不再需要大量算力，数据在其中又扮演了什么角色？……本报告试图分析这波开源大语言模型风潮的共同点，回顾开源标杆 Linux 的发展史，回答

展望未来，通信行业部分细分产业链有望充分受益全球AI大趋势以及国内数字经济，行业景气度有望持续得到印证。市场情绪和风格变化之下，通信行业主要标的业绩增速、长期成长性突出。5G产业和商用进度低于预期、ChatGPT发展低于预期、ChatGPT政策监管风险、下游应用推广不及预期、行业竞争格局加剧、人才及技术更新风险。

2022 年 12 月，OpenAI 推出基于 GPT-3.5 的新型人工智能聊天机器 ChatGPT，在发布两个月后拥有 1 亿用户，成为史上用户增长最快的应用；美东时间 2023 年 3 月 14 日，ChatGPT 的开发机构 OpenAI正式推出多模态大模型 GPT-4，再次拓宽了大模型的能力边界。多模态大模型 GPT-4 是 OpenAI 的里程碑之作，是目前最强的文本生成模型。GPT-4 是一个多模态大模型（接受图像和文本输入，生成文本），相比上一代，GPT-4 具有更广泛的常识和解

我们自 23.3.2 持续十篇报告推荐数字经济机遇，判断 AI 的“奇点时刻”已经到来，将贯穿 23 年投资机遇。广发通信组自 23.2.19 持续五篇报告关注 AI 技术革命催化通信板块投资机遇，尤其是多模态大模型 GPT-4 引发新一轮 AI 算力需求提升，整个算力基础设施产业链渗透加速。本篇我们联合广发通信组，判断本轮“AI+”三段走行情，并以问答形式全面解析 AI 主线中的通信行业投资机会。

市场低估了液冷散热在 AI 算力中的重要性，在英伟达 B100 时代，风冷将逐步接近极限，液冷时代拉开序幕；而对国产算力来说，半导体制程上的短板更需要散热来补充，国内外对液冷的需求有望形成共振。我们认为，液冷从“可选”到“必选”的过程将大幅提升市场空间，成为算力重要细分赛道。

本轮 AI 大发展有望提升生产效率，对 C 端的普罗大众及 B 端千行百业都产生深远影响。AI 的落地将从传统计算机端到人机交互的移动终端（如手机/汽车/机器人/智能家居等），再到远程交互的移动终端（工业机器人/装备/检测设备等），AI 的发展将提升移动终端的应用范围和落地速度。对于通信行业而言，产业的变革主要集中在算网资源（云算力基础设施、网络连接及边缘侧算力）、高质量数据以及垂直行业应用。展望下半年，我们认为主要有三条投资主线：一是云计算基础设施，主要包括光模块、交换机、液冷、铜缆等领域。A

企业现在应该为人工智能和机器学习出现的一些主要趋势做好准备。通过帮助企业实现目标、推动关键决策以及创造创新产品和服务，人工智能和机器学习正在成为科技行业的主导部分。根据调研机构的预测，到2022年，预计每家企业将平均拥有35个人工智能项目。到2022年，全球人工智能和机器学习市场可能以44%的复合年增长率增长，市场收入将会增长90亿美元。近年来，人工智能和机器学习技术取得了多项突破。以下是将在2022年出现的人工智能和机器学习的一些主要趋势，它们将提供有关如何控制市场的想法：1.人工智能、数据科

人工智能核心产业规模超过1万亿元，为抢抓人工智能发展的重大战略机遇，人工智能是社会发展和技术创新的产物，已成为新一轮科技革命的核心驱动力。以下对2022年人工智能行业市场分析。中国人工智能市场规模在2016年-2020年持续增长，市场规模从2016年的154亿元增长至2020年的1280亿元，年复合增长率达到69.79%。随着新基建产业愈发受到国家重视，人工智能产业未来将持续增长，预计2022年将达2729亿元。虽然国内人工智能起步较晚，但近年来随着利好政策的出台，行业进入快速发展时期。现从三大

从对内网络业务角度看，大模型将会加速运营商网络智能化升级。首先，利用人工智能的分析、策略优化与预测等能力来赋能网元、网络等业务系统，有助于提升电信网络的智能规建、智能运维、智能管控能力。其次，通过人工智能设计套餐，将人工智能嵌入用户流量管理中，有助于提升网络运营、市场营销、客户服务的效率。同时，借助大模型还可能对 6G 智简网络以及云网融合的研究提供帮助，促进 6G 技术迅猛发展。

边缘 AI 是云端算力的有效补充，也是 AI 应用落地的必要工具，长期成长空间巨大，当前已处于爆发前期。伴随 AI 应用范围扩大，整体算力需求日益增长，同时对于算力及时性、安全性等个性化需求凸显，边缘端算力增长已经成为趋势，以 PC、手机、汽车等终端作为载体的边缘算力将对硬件产业链产生新一轮革新。

在过去五年，人工智能治理取得了迅猛发展，构建人工智能 监管生态系统的速度大大提高，但如何以负责任的方式推动人工 智能的应用和实践依旧是当前面临的迫切挑战。人工智能有独特 的风险，简单照抄现有政策工具并不能处理好这些问题，社会必 须考虑在应用人工智能时完善相关手段和措施，以此来化解先进 决策系统带来的潜在风险。这些手段和措施应当包括国际合作及跨部门合作，现在比过 去 任 何 时 候 都 更 有 必 要 推 广 “ 多 利 益 攸 关 方 参 与 ” （Multistakeholder Approa

本篇报告主要解答了：计算机视觉技术发展如何？国内外差距如何？AI企业商业模式有哪些？是否可行？各领域、各模式有哪些企业做的比较好？AI企业如何实现正向盈利？如何评价AI企业？◆ 1、计算机视觉发展处于什么阶段？人工智能已迎来最好的发展时代，计算机视觉是计算机模拟甚至超越人类视觉，是人工智能技术层中应用最为广泛、市场占比最高的核心技术。学术领域，计算机视觉已从过去的理论研究逐步转向应用，仍为以谷歌、微软、Meta等为首的海外主导，国内商汤、百度集团、腾讯控股、阿里巴巴也颇有建树。商业领域，目前计算