第一章 行業概況
1.1 簡介
大模型是指具有大規模參數和復雜計算結構的機器學習模型。這些模型通常由深度神經網絡構建而成，擁有數十億甚至數千億個參數。大模型的設計目的是為了提高模型的表達能力和預測性能，能夠處理更加復雜的任務和數據。大模型在各種領域都有廣泛的應用，包括自然語言處理、計算機視覺、語音識別和推薦系統等。大模型通過訓練海量數據來學習復雜的模式和特征，具有更強大的泛化能力，可以對未見過的數據做出準確的預測。
圖 大模型產業圖譜
來源：資產信息網 千際投行 iFinD
1.2 分類
按輸入數據類型的不同：語言大模型（NLP），視覺大模型（CV）和多模態大模型。NLP通常用來處理文本數據和理解自然語言，例如GPT系列，文心一言等。CV通常用于圖像處理和分析，例如VIT系列，文心UFO等。多模態大模型能夠處理多種不同類型數據，例如DingoDB多模向量數據庫等。
按應用領域的不同：三個層次，通用大模型L0，行業大模型L1和垂直大模型L2。通用大模型L0是指可以在多個領域和任務上通用的大模型。行業大模型L1是指針對特定行業或領域的大模型。垂直大模型L2是指針對特定任務或場景的大模型。
大模型市場容量及規模巨大，預計2028年將達到1179億元。
圖 我國大模型產業市場規模
來源：資產信息網 千際投行 iFinD
第二章 產業鏈、商業模式及政策監管
2.1 產業鏈
大模型指參數規模較大的預訓練模型。這些模型通常具有數十億甚至數千億個參數，需要在大量硬件資源上進行訓練。大模型通過對數據進行分布式表示，能夠捕捉到數據中的復雜關系，提高模型在各類任務中的泛化能力。
從大模型行業產業鏈來看，上游主要包括硬件和軟件，硬件又包括芯片、服務器、通信網絡等；軟件又包括云計算、數據庫、中間件等。中游是指大模型行業；下游是指大模型的應用領域，包括游戲、辦公、傳媒影視、醫療、金融、電商、工業等，這些領域的多樣化需求將推動大模型不斷進行技術創新和優化，提升模型的準確性和效率。
圖 大模型產業鏈
來源：資產信息網 千際投行 iFinD
通用大模型
如GPT、BERT等，能夠處理多種類型的任務，如文本生成、文本分類、機器翻譯等。
圖 國內通用大模型布局
來源：資產信息網 千際投行 iFinD
多模態大模型
能夠處理多種模態的數據，如圖像、文本、語音等，如CLIP、DALL-E等。
圖 2022-2023年主流多模態大模型
來源：資產信息網 千際投行 iFinD
AI大模型
指具有巨大參數規模的人工智能模型。這些模型通過機器學習和深度學習的技術來學習和理解龐大的數據量。AI大模型的發展推動了人工智能領域的快速發展，并在各個領域中展現出驚人的應用潛力。
圖 AI大模型譜系圖
來源：資產信息網 千際投行 iFinD
金融和投資大模型
2024年4月10日，在2024數字產業鏈金融行業峰會上，網商銀行宣布旗下的供應鏈金融解決方案大雁系統升級，AI大模型首次應用于產業鏈金融場景，提升小微企業金融服務的覆蓋率和便捷性。
在該領域上，大模型系統幫助金融和投資機構構建更全面的企業圖譜。同時，大模型有語義理解、生成能力，與大模型驅動的Agent實時反饋能力疊加，能夠更好地刻畫小微企業的經營狀況和信用情況。
圖 金融大模型的價值與作用
來源：資產信息網 千際投行 iFinD
2.2 商業模式
目前大模型商業應用尚處早期，以 API、PaaS、MaaS 三種模式為主。當前全球大模型產業落地仍處于 早期探索階段，需要與下游場景企業合作建立大模型商業模式，但下游企業目前對于大模型的理解相對 有限，所需要的資源支撐比較薄弱。總的來說，大模型落地可以通過 API 接口調用付費、或者大廠提供 落地所需的開發工具、云平臺、服務等的 PaaS 模式，更進一步是直接提供相關定制好的模型調用的 MaaS 模式。
應用程序編程接口（Application Programming Interface，簡稱：API），是一些預先定義的函數，目的是提供應用程序與開發人員基于某軟件或硬件得以訪問一組例程的能力，而又無需訪問源碼，或理解內部工作機制的細節。
近年來軟件的規模日益龐大，常常需要把復雜的系統劃分成小的組成部分，編程接口的設計十分重要。程序設計的實踐中，編程接口的設計首先要使軟件系統的職責得到合理劃分。良好的接口設計可以降低系統各部分的相互依賴，提高組成單元的內聚性，降低組成單元間的耦合程度，從而提高系統的維護性和擴展性。
圖 通用大模型的主要商業模式
來源：資產信息網 千際投行 iFinD
PaaS模式（Platform as a Service）是指平臺即服務。把服務器平臺作為一種服務提供的商業模式，通過網絡進行程序提供的服務稱之為SaaS(Software as a Service)，是云計算三種服務模式之一，而云計算時代相應的服務器平臺或者開發環境作為服務進行提供就成為了PaaS。
所謂PaaS實際上是指將軟件研發的平臺作為一種服務，以SaaS的模式提交給用戶。因此，PaaS也是SaaS模式的一種應用。但是，PaaS的出現可以加快SaaS的發展，尤其是加快SaaS應用的開發速度。在2007年國內外SaaS廠商先后推出自己的PAAS平臺。
圖 未來PaaS市場增長驅動力強勁
來源：資產信息網 千際投行 iFinD
SaaS軟件運營服務是（Software as a Service，簡稱SaaS）讓用戶能夠通過互聯網連接來使用基于云的應用程序。常見示例有電子郵件、日歷和辦公工具。它不需要用戶將軟件產品安裝在自己的電腦或服務器上。
SaaS提供完整的軟件解決方案，用戶可以從云服務提供商處以即用即付方式進行購買。為組織租用應用，組織用戶即可通過互聯網連接到該應用（通常使用 Web瀏覽器）。所有基礎結構、中間件、應用軟件和應用數據都位于服務提供商的數據中心內。服務提供商負責管理硬件和軟件，并根據適當的服務協議確保應用和數據的可用性和安全性。SaaS讓組織能夠通過最低前期成本的應用快速建成投產。
圖
2021 年全球公有云
SaaS 市場份額
來源：資產信息網 千際投行 iFinD
大模型產業市場規模持續增長，市場前景廣闊。預計2028年市場規模將達到1179億元。2022~2028年復合增長率約為60.11%，市場規模快速成長。
圖 我國大模型產業市場規模
來源：資產信息網 千際投行 iFinD
2.3 技術發展
大模型的起源可以追溯到20世紀90年代，當時人工智能領域還處于初創期，研究人員主要關注的是基于規則的專家和知識表示系統。數據資源的不斷增加和計算機性能的不斷提升，人們開始意識到基于數據驅動的機器學習方法在人工智能領域具有更大的潛力。大模型的概念逐漸浮出水面。
近十余年間，人工智能技術泛化能力、創新能力及應用效能不斷提升，成為了推動經濟及社會發展的重要引擎。
2015年前后，人臉識別算法達到接近人眼的識別能力，被視為人工智能技術工業級應用水平的代表性事件。
2022年，以ChatGPT為代表的大模型為用戶帶來了全新交互體驗。通過其在內容生成、文本轉化和邏輯推理等任務下的高效、易操作表現，大模型正逐步成為當前主流應用程序的重要組成部分。
圖 大模型技術發展各時期
來源：資產信息網 千際投行 iFinD
2023年7月，OpenAI向用戶正式開放了代碼解析插件Code Interpreter，使得ChatGPT和GPT-4可以根據用戶問題來編寫和執行代碼，從而拓展了模型在數據分析、復雜計算與功能調用方面的能力。
圖 全球大模型技術發展脈絡
來源：資產信息網 千際投行 iFinD
2023年，大語言模型及其在人工智能領域的應用已成為全球科技研究的熱點，其在規模上的增長尤為引人注目，參數量已從最初的十幾億躍升到如今的一萬億。參數量的提升使得模型能夠更加精細地捕捉人類語言微妙之處，更加深入地理解人類語言的復雜性。在過去的一年里，大語言模型在吸納新知識、分解復雜任務以及圖文對齊等多方面都有顯著提升。隨著技術的不斷成熟，它將不斷拓展其應用范圍，為人類提供更加智能化和個性化的服務，進一步改善人們的生活和生產方式。
圖 大模型帶來語音技術發展的全新機會
來源：資產信息網 千際投行 iFinD
2023年被視為中國大模型的發展元年。3月16日，百度正式推出了基于百度新一代大語言模型的生成式AI產品“文心一言”，成為了率先“跑出來”的國內大模型廠商。文心一言的問世，也拉開了國內“百模大戰”的帷幕。此后，阿里、華為、騰訊、京東、科大訊飛、360、字節跳動等科技公司紛紛發布了自家的大模型。文心一言發布8個月后的11月15日，李彥宏在深圳西麗湖論壇上表示，國內目前已經發布了238個大模型。這意味著，在這兩百多天里，平均每天都有一個大模型問世。
圖 國內大模型技術路線圖
來源：資產信息網 千際投行 iFinD
2.4 政策監管
大模型在快速發展的同時也帶來了一系列潛在的風險和挑戰。
一方面，大模型所需的海量數據、復雜參數以及工程難度放大了人工智能固有的技術風險，如數據竊取、泄露等安全問題，模型黑盒導致決策結果難預測和難解釋問題，以及模型面對隨機擾動和惡意攻擊的魯棒性問題。
另一方面，大模型的多場景通用性也放大了隱私風險、歧視風險和濫用風險等應用風險。這些問題引發了全球范圍的關注，對人工智能治理能力與治理水平提出了新的挑戰。
目前，全球大模型治理正處于探索階段，從人工智能倫理準則等基本共識出發，逐步深入推動大模型監管政策法規和企業治理落地實踐。國際組織積極制定人工智能治理原則及倡議，重點關注大模型的治理和監管問題。
圖 2023年以來國內大模型相關政策梳理
來源：資產信息網 千際投行 iFinD
在政策方面，2021年11月，聯合國教科文組織通過了《人工智能倫理問題建議書》，旨在促使人工智能系統造福人類、社會、環境和生態系統、防止危害，同時促進和平利用人工智能系統。
2023年11月，在英國人工智能安全峰會期間，包括中國、美國、英國等 28 個國家和歐盟共同簽署了《布萊切利宣言》，確保人工智能以人為本、值得信賴并負責任，通過國際倫理和其他相關倡議促進合作，應用人工智能帶來的廣泛風險。
同年11月，世界互聯網大會發布了《發展負責任的生成式人工智能研究報告及共識文件》，就發展負責任的生成式人工智能提出十條共識。
在標準方面，ISO/IEC JTC1 /SC42人工智能分委會正在開展人工智能可信賴國際標準研制工作，為指導利益相關方研發、使用可信賴人工智能相關技術和系統提供參考，主要標準包括 ISO/IEC TR 24028:2020《人工智能的可信賴概述》、ISO/IEC 38507:2022《組織使用人工智能的治理影響》等。
全球主要經濟體加快推進大模型治理和監管相關政策制定步伐。中國在人工智能監管方面主張“包容審慎的分類分級監管”原則，國家網信辦已于2023年7月10日頒布了首部面向大模型監管的《生成式人工智能服務管理暫行辦法》，后續將進一步針對生成式人工智能技術特點及其在有關行業和領域的服務應用，制定相應的分類分級監管規則或指引。
2023年10月8日，中國科技部發布《科技倫理審查辦法（試行）》，提出從事人工智能科技活動的單位，研究內容涉及科技倫理敏感領域的，應設立科技倫理（審查）委員會，并建立倫理高風險科技活動的清單制度，對可能產生較大倫理風險挑戰的新興科技活動實施清單管理。
2023年10月18日，國家網信辦發布《全球人工智能治理倡議》，提出發展人工智能應堅持相互尊重、平等互利的原則，各國無論大小、強弱，無論社會制度如何，都有平等發展和利用人工智能的權利。
在標準方面，中國信息通信研究院已經啟動《大規模預訓練模型技術和應用評估方法》系列標準研制的工作，全面覆蓋大模型的開發、部署和應用環節，其中第四部分可信要求是目前國內首項針對大模型領域的可信賴標準。
與此同時，全國信息安全標準化技術委員會已經啟動包括《信息安全技術 生成式人工智能服務安全基本要求》在內的三項生成式人工智能安全國家標準編制工作，以支撐大模型的監管落地。
歐盟現行人工智能立法仍主要集中在傳統人工智能，但已經開始關注通用人工智能以及生成式人工智能的問題，主張尊重人格尊嚴、個人自由和保護數據及隱私安全。
2023年6月14日，歐洲議會投票通過《人工智能法案》，該法案基于風險等級將人工智能系統分成四類，并制定了不同程度的監管要求。
2023年5月13日，美國白宮總統科技顧問委員會（PCAST）成立生成式人工智能工作組，以幫助評估關鍵機遇和風險，并就如何更好地確保這些技術的開發和部署盡可能公平、負責任和安全提供意見。
2023年10月30日，美國總統拜登簽署人工智能行政令，旨在加強對人工智能潛在風險的監管，發展安全、可靠和值得信賴的人工智能，促進人工智能創新，確保美國在人工智能領域繼續領跑全球。
同時行政令在標準方面，提出美國國家標準與技術研究所（NIST）將制定嚴格的人工智能安全測試標準，人工智能系統在公開發布前需根據這些標準進行廣泛的測試以確保安全。
第三章 財務、風險及競爭分析
3.1 財務分析和估值方法
圖 杜邦分析法
來源：資產信息網 千際投行 iFinD
Dupont分析模型是一種常用的財務分析工具，它通過對企業凈資產收益率進行分解，幫助人們更好地理解企業的盈利能力。該模型將凈資產收益率分解為三個部分，即利潤率、資產周轉率和財務杠桿，從而深入剖析各個因素對企業盈利能力的影響。利潤率反映企業銷售產品或提供服務后的利潤水平，資產周轉率則反映企業管理資產的效率，財務杠桿則反映企業借債資金對股東權益的影響。通過對這些因素的分析，人們可以更準確地評估企業的盈利能力，并且針對不同的因素進行有針對性的調整和優化，從而提高企業的經營效益。
圖 CAPM分析
來源：資產信息網 千際投行 iFinD
CAPM模型，即資本資產定價模型，用于評估投資項目的可行性。該模型通過衡量資本成本和預期回報來計算資產的合理價格。其基于市場效率的假設，假設投資者在決策時會考慮市場整體的風險和回報。該模型將資本成本分為兩部分：無風險利率和風險溢價。無風險利率代表投資者可以獲得的沒有風險的回報率，而風險溢價則衡量了投資者愿意為承擔額外風險而要求的額外回報。通過結合資本成本和預期回報率，CAPM模型可以計算出一個合理的資產價格，從而幫助投資者評估投資項目的可行性。這種模型在風險管理和投資決策中被廣泛使用，能夠提供參考依據，幫助投資者做出明智的選擇，并優化投資組合以實現最大化的回報。
估值
1、市盈率法：是企業市值與其凈利潤之間的比率，它可以反映投資者對企業未來盈利能力的期望。根據同行業公司的市盈率水平，可以合理估計目標企業的估值。
2、市凈率法：是企業市值與其凈資產之間的比率，它可以反映企業的資產質量和凈資產收益能力。根據同行業公司的市凈率水平，可以合理估計目標企業的估值。
3.2 驅動因子
我國目前在大模型發展領域仍有較大努力空間，要落實全國新型工業化推進大會部署，以人工智能和制造業深度融合為主線，以智能制造為主攻方向，以場景應用為牽引，夯實人工智能賦能底座，推動制造業全流程智能化，加快重點行業智能升級，大力發展基于大模型的智能裝備、軟件等智能產品，加強人才、標準、檢測能力、開源機制等支撐體系建設，推動人工智能全方位、深層次賦能新型工業化，加快形成新質生產力。
同時，要充分發揮我國完備產業體系和新型信息基礎設施優勢，堅定信心，從供給側、需求側、基礎側協同發力，加快培育面向工業領域的大模型，凝練和開放工業應用場景，深化工業數據開發利用，提升算力供給能力，著力營造良好環境，積極探索人工智能和工業融合發展新路徑，形成雙向賦能的發展格局。
圖 截止2023年7月全球大模型累計數量區域分布情況
來源：資產信息網 千際投行 iFinD
驅動因子
政策助力
隨著當前人工智能行業的發展，大模型技術也不斷發展，而為推動大模型在行業中的應用，我國及部分省市發布了多項行業政策，支持大模型行業發展。
資本加持
在市場需求的增長以及政策支持的背景下，我國大模型市場規模將不斷增長，預計到2025年市場規模將突破300億元。而多模態大模型作為AI模型的發展方向，在各項相關技術愈發成熟下，其應用領域也將愈發廣泛，比如說商業定制、游戲和影視等。而隨著其應用領域的不斷拓展下，其需求量也將增加，預計2025年我國多模態內容市場規模800億美元。
應用領域拓展
從融資情況來看，目前多模態大模型行業融資情況較為頻繁，在2024年2月已經發生兩起投融資事件，分別為Weitu AI 公司獲得的天使輪融資和聯匯科技獲得的戰略融資。
3.3 風險分析及管理
風險分析
技術安全風險
數據方面，數據會帶來價值偏見、隱私泄露、數據污染等問題；訓練數據固有偏見導致模型產生偏見內容；海量訓練數據擴大了數據安全和隱私保護風險。算法方面，算法模型生成特性及安全漏洞會引發“幻覺”或虛假信息、模型遭受攻擊等風險。
網絡安全風險
網絡安全主要包括傳播的信息部分是有害的和不實的。有害信息包括價值偏見，隱私泄露，還有黃賭毒、涉恐涉暴、仇恨、反諷、歧視、刻板印象等等各種信息污染；不實信息包括虛假信息、偽造、欺詐內容等。也包括由輸出信息所直接導致的各類不安全的指令調用、智能體或者具身智能機器人的惡意行為等等。
此外，網絡犯罪分子不僅使用勒索軟件攻擊關鍵基礎設施，而且還掌握了利用生成式AI等新興技術實施惡行的新手段。
數據收集風險
當前的大模型普遍具有數十億個參數，有的大模型參數量甚至多達上萬億個，訓練時常常用到數萬億甚至數十萬億的語料，需要收集海量的數據，在數據的收集、處理、使用等方面，大模型面臨的挑戰不容忽視。
一是數據獲取的便利性。能否方便、快捷地獲取數據，是決定大模型能否成功訓練的關鍵，目前通用類大模型訓練的數據大部分來自公開渠道，但專用類大模型需要專業數據，這些數據大都屬于企業、研究機構等實體，增加了專用類大模型的訓練難度。
二是數據來源的合法性。隨著個人信息保護意識的提高，即便是通過公開渠道獲取的數據，也存在合法使用的問題。
三是數據質量的可靠性。大模型的預訓練不僅需要的數據量大，而且對數據質量有很高的要求。當前，國外大模型和國內部分大模型會選用開源數據集進行訓練，這些源于互聯網的數據雖然數量巨大，但質量良莠不齊；從中提取符合預訓練要求的高質量數據，在數據清洗方面面臨著很大挑戰，特別是其中高質量的中文數據樣本更是少之又少，進一步增加了國內大模型預訓練的難度。
資金風險
大模型成本主要由模型開發成本、訓練成本、算力成本、數據成本、運維成本等構成，僅訓練成本便動輒高達數百萬美元。對普通企業和科研機構而言，資金成為一道難以逾越的“門檻”，國內能夠承擔如此巨大成本開支的企業和科研機構為數不多。
人才風險
與大模型研發密切相關的是人才。國內大模型人才數量嚴重不足，與美國相比頂尖人才數量少，制約了大模型研發的快速發展。同時，人才質量不夠高，伴有外流嚴重的問題。
風險管理
1、提高算力規模。進一步完善信息基礎設施，加快推進“東數西算”步伐，加大算力網絡建設力度，為大模型研發運營提供足夠算力，同時進一步提高網絡速度，降低網絡時延，為更多大模型走向應用創造條件。
2、加強數據管理。國家層面加強對數據的管控，明確行業標準，建立數據使用規則，確保大模型訓練數據的質量。同時，針對行業數據，破除不同廠家之間數據互相不能查詢的壁壘，確保大模型訓練有充足、準確的專業數據。
3、加大資金投入。建立國家大模型基金，專門用于大模型的研發、訓練等。
4、加大政策支持。面向大模型研發，制訂更加優惠的稅收政策。針對國有企業在大模型研發上投入的資金，允許以兩倍規模計為企業凈利潤。
5、加大科技投入。解決核心技術“卡脖子”問題，特別是加大人工智能芯片研發制造力度。
6、加快人才隊伍建設。加大人才培養和引進力度，在薪資、晉升、住房、子女升學等方面，為高科技人才提供更加寬松的環境。進一步放寬針對國有企業的工資總額管控，為國有企業吸引頂尖人才創造環境。
3.4 競爭分析
發展和行情復盤
我國大模型行業進入較晚，自美國硅谷的OpenAI公司發布ChatGPT后，我國也掀起了大模型領域的浪潮。
在面臨掉隊的情況下，各大科技巨頭、科研院所、初創公司都紛紛下場，部署自己的大模型。2023年3月16日，百度正式推出了基于百度新一代大語言模型的生成式AI產品“文心一言”，成為了率先“跑出來”的國內大模型廠商。文心一言的問世，也拉開了國內“百模大戰”的帷幕。此后，阿里、華為、騰訊、京東、科大訊飛、360、字節跳動等科技公司紛紛發布了自家的大模型。同臺競技的玩家，還有科研院所及創業公司。北京智源人工智能研究院發布了“悟道”大模型，上海人工智能實驗室推出了“書生”大模型，鵬城實驗室研發了“鵬城·腦海”大模型。王小川創立的百川智能、清華計算機系孵化的智譜AI等初創公司如冉冉新星，以卓越的自研能力備受行業關注。
圖 大模型技術復盤
來源：資產信息網 千際投行 iFinD
隨著大模型的集體涌現，人們發現應用層中蘊藏著更多機會。大模型應用于實際中比單純研究技術成本更低、變現更快，且市場擁有大量用戶，市場規模可觀。
大模型引發的創業熱潮，直接體現在投融資上。雖然2023年投融資整體行業遇冷，但總體而言，AI行業融資的形勢相對仍處于比較熱門的狀態。截至今年11月20日，人工智能賽道在一級市場的總融資事件為530起，總融資交易額估算有631億元。
行業收并購重組
2023年十月，百川智能獲得的單輪融資是3億美金投資，智譜AI 2023年累計獲得的融資是超25億人民幣（約3.48億美金）。
2024年，亞馬遜表示，將向人工智能初創公司 Anthropic 追加投資 27.5 億美元，完成去年達成的一項交易，以支持這家人工智能初創公司并擴大兩家公司之間的合作伙伴關系。繼去年 9 月份宣布的一項早期投資之后，此次注資使亞馬遜對 Anthropic 的總投資達到 40 億美元。
整體大模型領域投融資數額巨大，創融資難度大，風險高。
圖 阿里投資的AI大模型公司
來源：資產信息網 千際投行 iFinD
3.5 中國重要參與企業
在中國大模型行業，百度、科大訊飛、騰訊、阿里、月之暗面、華為、商湯、復旦大學、中科院等機構和企業都扮演著至關重要的角色。這些機構和企業通過推出創新的AI大模型和技術，極大地推動了行業的發展和應用廣泛化。
2024年5月7日，由華算人工智能研究院、全國高校人工智能與大數據創新聯盟從“產學合作協同育人”角度研究并推出“大模型中國50強榜單(2024)”。
表 2024中國大模型TOP50榜單
來源：資產信息網 千際投行 華算人工智能研究院
華為通過其盤古系列大模型，涵蓋了自然語言處理（NLP）、計算機視覺（CV）和科學計算等領域，顯示出華為在多個AI領域的深入布局。盤古大模型的開發體現了華為在提高AI處理能力和效率方面的重要進展。
圖 華為盤古大模型示意圖
來源：資產信息網 千際投行 iFinD
阿里巴巴 通過阿里云推動了多個通義系列大模型的開發，包括智能編碼助手、AI閱讀助手、工作學習AI助手等，極大地豐富了大模型的應用場景。阿里云成為中國大模型的重要AI算力底座，為國內外多個大模型提供了API服務，加速了AI技術的商業化和普及。
圖 阿里大模型
來源：資產信息網 千際投行 iFinD
騰訊的混元大模型以其超千億參數規模和超強的中文處理能力，在市場上獲得了顯著的地位。2023年以來，騰訊通過將混元大模型整合入微信等應用，大幅提升了用戶的互動體驗，并通過新技術不斷提升模型的性能和應用廣度。
圖 騰訊大模型
來源：資產信息網 千際投行 iFinD
百度 旗下的文心大模型在推動AI技術商業化和工業應用方面取得了顯著成就。文心模型不僅在搜索、信息流和智能音箱等產品中得到應用，還通過百度的飛槳平臺支持多個行業的AI轉型，顯示了其在AI技術推廣和應用中的強大能力。
圖 文心大模型發展歷程
來源：資產信息網 千際投行 iFinD
科大訊飛的訊飛星火認知大模型憑借其在文本生成、語言理解和多模交互等方面的核心能力，成為國內領先的AI大模型之一。科大訊飛通過持續迭代更新其模型，提高AI的功能性和實用性，為中國的AI發展貢獻了重要力量。
圖 科大訊飛大模型年內重要里程碑
來源：資產信息網 千際投行 iFinD
這些企業的活動不僅推動了中國大模型行業的技術進步，也為全球AI技術的發展趨勢提供了重要參考。隨著技術的進一步發展和應用的深入，預計這些企業將繼續在全球AI領域發揮領軍作用。
3.6 全球重要參與企業
在全球大模型行業，OpenAI、谷歌、微軟、谷歌、英偉達、英特爾、Meta等重要的參與企業正在推動該領域的發展與革新，包括大模型、AI視頻、AI圖像、AI數字人、AI搜索、AI語音、AI音樂、AI3D、AI設計等。OpenAI、谷歌和Anthropic是其中的佼佼者，他們的技術進展和市場活動為整個行業設定了高標準。
表 主要非中國AI大模型列表
來源：資產信息網 千際投行收集整理
OpenAI 自成立以來，就致力于開發和推廣安全通用人工智能（AGI）。其核心產品包括各種開源工具和高級AI模型，如GPT系列。OpenAI的轉型從非營利組織到營利性公司標志著其對資金和資源需求的增長，以及對商業化策略的調整。與微軟的合作使得該公司在AI超算技術上取得了重大進展。2022年發布的ChatGPT和2024年推出的Sora視頻大模型，都極大地推動了AI在內容生成和對話交互領域的應用，使得OpenAI的市場估值和影響力大幅提升。
圖 OpenAI大模型發展歷程
來源：資產信息網 千際投行 iFinD
谷歌在大模型技術方面也不甘落后。其PaLM 2 AI模型是行業內的佼佼者，專注于常識推理、形式邏輯、數學問題解決以及多語言處理。谷歌的技術實力在處理大規模參數和多種語言的模型訓練上表現卓越，其模型的響應速度和處理能力在行業內居于領先地位。這些技術優勢使得谷歌在AI研究和應用領域持續保持競爭力。
圖 Google PaLM2大模型示意圖
來源：資產信息網 千際投行 iFinD
Anthropic，由前OpenAI員工創立，專注于構建有用、誠實和無害的AI系統。Anthropic的Claude模型在多個AI基準測試中顯示出優異的性能，特別是在語言理解和生成方面。該公司的創新不僅在技術層面，還在于推動AI的倫理和安全標準，這使其在AI社區中獲得了獨特的地位。
這些公司的活動不僅推動了大模型技術的進步，也對全球經濟和社會的多個領域產生了深遠影響。從提高生產效率到改善用戶體驗，再到引發下一輪工業革命，大模型行業的未來充滿了既有挑戰也有機遇。隨著技術的進一步成熟和市場的擴展，預計這些企業將繼續在智能化浪潮中扮演關鍵角色。
第四章 未來展望
大模型行業正迅速成為技術發展的前沿陣地，其未來展望可謂光明而充滿挑戰。從人機交互的自然化到智能基礎建設的大規模投資，再到AI芯片成本的下降，各種因素共同推動了這一行業的飛速進步。
首先，人機交互界面的進化是推動大模型行業發展的核心動力。從初期的命令行界面(CLI)到圖形界面(GUI)，再到現在的對話式交互界面(CUI)和多模態交互方式，技術的進步顯著提高了機器的用戶友好度和效率。這種以自然語言進行的交互不僅使機器更加“擬人化”，還極大地降低了公眾對AI工具的使用門檻，從而激發了市場對AI技術的需求。
在技術供給側，大模型的發展趨勢是向多模態轉變。這種轉變不僅降低了生產成本，也顯著提升了市場的活躍度和應用的廣度。隨著AI模型與新一代硬件如機器人、AR眼鏡等的融合，預示著下一輪工業革命的到來。人們預期，基于大模型的智能體將變成人類的“生產力遙控器”，在人機協同模式下，極大地提升生產資料的操作效率和范圍。
另外，智能基礎設施的建設也是大模型行業發展的關鍵。隨著AI芯片價格的預期下降，將進一步加速大模型的產能擴張。低成本的計算力將使AI服務回歸到更廣泛的社會公共服務領域，提高其普及率和應用深度。同時，智能基礎設施的投資正在不斷增加，其在經濟中的“資本密度”、“算力密度”和“數據密度”也在持續提升，這將為中國乃至全球經濟的比較優勢增添新的動力。
此外，大型語言模型在知識傳播和學習速度上的顯著優勢，預計將進一步推動全球知識的跨語言、跨學科和跨時空傳播。這種高效的知識流通能力不僅加速科學研究和技術創新，也為教育和培訓帶來了革命性的變革。
千際投行認為，大模型行業的未來將是一個多元化發展的時代。技術創新與應用需求的相互促進，將使這一行業在未來幾年內持續保持快速增長，成為推動社會進步和經濟發展的重要力量。
作者：千際投行
京公網安備 11010802036102號