人工智能报告

ChatGPT推出以来，大语言模型（Large Language Model，LLM）技术的发展取得突破性发展，越来越多的大模型犹如雨后春笋般破土而出，目前最为先进的模型为GPT-4，性能大幅领先市面上的其他模型。同时根据founder park，OpenAI估值目前也是此前微软投资时近3倍。当下LLM模型的规模持续增长，参数量已远远超过千亿级别，多模态崭露头角。1）模型规模的增长带来性能的提升，但是同时对模型的训练和部署也带来了挑战。以Open AI为代表的人工智能公司，已经开始就模型训练和部

大语言模型：NLP 技术的奇点时刻。语言模型的核心是对任意一段文本序列进行概率建模，用一个高维向量来表示一个 token 的全部特征。我们将深度学习应用于 NLP 领域的范式转移总结为"有监督的机器学习->预训练+微调->预训练+提示"。其中，ChatGPT 的横空出世开启了“预训练+提示”的新范式，这主要得益于 OpenAI 对生成类模型（GPT）和算法规模化（Scalability）这两个基础技术路线的成功押注，大语言模型“涌现”出了解决复杂问题的通用能力，催

AI大模型持续演进，GPT-4理解能力大幅提升。2022年11月30日，OpenAI发布ChatGPT，5天后即达到100万用户，是历史上用户增长最快的应用程序。2023年3月15日，OpenAI发布GPT-4，GPT4相比ChatGPT基于的GPT-3.5模型，其在多模态、理解能力、角色认知、长文本支持方面有了明显进展。我们认为，无论从应用上的用户增长，还是在模型上的能力提升方面，均具备极大优势。AI大模型加速应用升级，AIGC有望对多个行业带来颠覆式创新。2023年2月8日，微软正式将Cha

ChatGPT热潮席卷全球。ChatGPT（Chat Generative Pre-trained Transformer）是由OpenAI于2022年12月推出的对话AI模型，一经面世便受到广泛关注，其2023年1月月活跃用户达到1亿，是史上月活用户增长最快的消费者应用。在问答模式的基础上ChatGPT可以进行推理、编写代码、文本创作等等，这样的特殊优势和用户体验使得应用场景流量大幅增加。1、▲芯片需求=量↑ x 价↑ ， AIGC拉动芯片产业量价齐升1）量：AIGC带来的全新场景+原场景流量

Tesla Dojo的革新，启发我们进一步思考算力和网络的关系。硬件架构服从于算法设计，硬件需求的判断也不能与软件和应用层面脱钩。算力网络主线新一阶段的重要机会，应核心关注海外爆款应用或模型侧重大更新（Tesla是代表样本） ，以及国内新一轮的模型与应用开发。我们判断，随着国内科技大厂的网络演进至400G以上、运营商400G全光网推进建设、本土模型训练组网等加速，国内市场的高速网络需求将显著提升。算力网络与流量环节、AI服务器计算环节、华为产业链以及特斯拉与智能车产业链相关标的应重点关注。[Ne

一、ChatGPT开启新纪元，AIGC正在成为引发生产力变革的引擎，人工智能驱动的第六轮康波已现曙光：自工业革命爆发以来，已经走过了4轮康波周期（工业革命-铁路时代-电力与重工时代-石油化工与汽车时代），目前第五轮康波（信息技术互联网时代）已走向萧条，我们认为当下互联网信息技术趋于衰退的第五轮康波后期，人工智能驱动的第六轮康波已现曙光。二、AI大模型百家争鸣，应用场景百花齐放，人工智能投资机会明确。以ChatGPT为代表的AI大模型横空出世，全球科技巨头纷纷布局。海外方面，从OpenAI发布GP

ICT三要素——计算、网络、存储在AI算力需求爆发的背景下，技术架构、需求弹性、供给格局均在发生深刻变化。市场对AI算力产业链的认知或许在23H1始于光器件，站在23H2进一步洞察大AI算力架构，我们认为，产业趋势明确而持续，各环节均有增量机会：1）计算为王• AI大模型引发算力变革，英伟达等产业链上下游多环节迎机遇；• 外部不确定性犹在，国产替代正当时。2）网络为基• 吞吐带宽与连接架构是算力性能不可忽视的决定因素，网络的价值在于延续了集群算力的摩尔定律；• 算力大厂正应用高速/高密/无损等网

算力是数字经济时代生产力。全社会的数据量呈指数级增长，其中企业端占比不断提升。同时，数据的重要性正在提升，单个数据的价值下降，多维数据整合方可挖掘深度价值，进一步催生算力需求。全球的超级数据中心占比快速提升，算力呈现进一步集中。我们认为算力已经成为数字经济时代的关键生产力，目前中美两国的算力规模全球领先，根据 IDC 的研究数据，计算力和GDP 增长显著相关。面对这一产业浪潮，我国“东数西算”工程于 2022 年 2 月启动，“数据向西，算力向东”，进一步提升国家整体算力，预计每年带动 4000

类人智能学习是 AI 界始终追逐的终极目标。自 2006 年以来，深度学习的出现极大的推动了人工智能的研究进展，人类似乎找到了解决“抽象概念”的方法。人工智能借助深度学习的力量，已可以在多个应用场景落地，特别是互联网领域。但就总体发展而言，目前的人工智能距离类人类智能还有很长的路要走。类人智能学习是 AI界始终追逐的终极目标。类人智能的小样本学习。如果用形象的比喻来说，深度学习（DL）是解决计算机“运筹帷幄”的问题（大量数据形成规律和抽象概念），而小样本学习是解决计算机“照猫画虎”的问题（少量数

当前，随着人工智能技术的不断发展，深度学习模型的规模逐渐增大，性能显著提升，各行各业迎来了新的发展机遇。通用大模型作为通用技术基座，在多个任务和领域上均表现出较好的性能，但由于缺乏专业知识与行业数据，并不能精准解决某个行业或企业的特定需求和问题，而且通用大模型的构建和训练成本通常很高，难以实现商用。为更好解决特定行业问题，行业大模型应运而生。行业大模型可满足特定场景需求，更好地为行业提供优质的服务，促进行业智能化转型升级。

我们通过复盘梳理海内外互联网巨头推出的历代虚拟现实设备情况后认为，从2015年至今，随着虚拟现实硬件端中镜片、芯片、内存等部件不断升级，设备产品性能提升明显，用户感知交互体验持续改善。硬件端的持续迭代及出货量提升有望加速推动相关应用场景落地，丰富内容生态系统。同时，适配XR（AR/VR/MR）的优质内容有望受益于AI技术发展提高产出效率，从而带动XR产业提速发展。另外，政策端支持力度增加明显，《虚拟现实与行业应用融合发展行动计划（2022—2026年）》等政策有望加速推动虚拟现实上层生态在2B/

报告讲述了孩子和家庭每天使用的一项新兴技术，以及这项技术背后接管世界的情节。当你的超能力是数据提取虚拟现实硬件和软件实现了超人的数据收集和分发。虚拟现实硬件可以收集人类的生物特征和感官数据，软件可以收集人类的经验和反应，远远超出了我们的想法和感受输入电脑或移动设备的期望。公司所有权：到虚拟世界和超越与互联网作为分布式媒介的诞生不同，虚拟世界正在形成一个由企业控制的环境。公司正在建立闭环系统，以控制哪些公司和哪些用户可以访问系统，并在这些系统中玩耍或工作。此外，如果开发了多个闭环系统、围墙花园或孤