20230521-西南证券-人工智能专题研究_AIGC投资框架_66页_5mb

AIGC投资框架核心观点

• 自然语言模型是大语言模型的核心：支持多种语言任务执行。
• ChatGPT开启人工智能新纪元：通过自回归语言模型+零样本提示（ZeroShot Prompting）实现范式突破。
• GPT跨越式发展：GPT-4具备多模态、长上下文理解及更强推理能力。
• 多行业应用：ChatGPT在游戏、视频、生物医药等领域应用快速渗透。
• 风险提示：技术迭代缓慢、专业落地效果不佳、伦理及算力建设风险。

西南证券专题研究

1 大模型与GPT（国内篇）

• 核心技术演进：

  • 大语言模型（LLM）基于深度学习，处理生成自然语言，经历了：规则/统计阶段 → 神经网络阶段（如Transformer）。
  • 主要分类：
    1. Encoder-Only（如BERT）：适合语义理解。
    2. Decoder-Only（如GPT）：适合文本生成。
    3. Encoder-Decoder（如T5）：适于翻译、总结等任务。

• 技术发展关键因素：

  • 容量参数量提升、训练时间与数据质量影响模型表现。
  • 训练优化指标需平衡下游任务。

2 ChatGPT应用场景

• 简介与演进：

  • ChatGPT（GPT-3.5）由OpenAI研发，具备多任务处理能力。
  • 护城河：大量数据标注、强大算力支撑、先发优势及用户飞轮效应。
  • 突破点：指令修正、上下文学习、RLHF强化对话。

• 主要应用领域：

  • 游戏行业：AI生成NPC、辅助策划。
  • 视频类：全自动化剪辑，情绪表达，3D建模。
  • 生物医药：辅助药物研发、虚拟医疗助手、临床分析。

3 GPT-4简介与技术进步

• 主要升级：支持多模态、推理能力、上下文长度提升。
• 重要突破：
  • 图文结合、多语言支持、标准考试表现优异。
  • 幻觉现象改善，安全提示升级。

国内大模型发展

• 现状：

  • 代表模型：华为盘古、阿里通义、百度文心、腾讯混元。
  • 发展策略：闭源与开源并重，垂直领域深耕。

• 难点：

  • 算法层优化滞后、数据质量差异、模型场景落地复杂。

总结

ChatGPT通过GPT-4模型展示强大的通用能力，尤其是在多模态、上下文理解等领域。国内大模型发展迅速，包含多个垂直领域，但面临算法差距、数据获取困难等问题。其AI自动化应用在游戏、视频、生物医药等场景中渗透较快，但未来发展需强化数据隐私管理和全局知识整合能力，使得模型更适合医疗、科研等前沿场景。