全球人工智能AI行业系列报告2：从Chat_GPT看生成式人工智能AIGC产业机遇与落地场景.pdf
需积分: 0 2 浏览量
2023-06-05
14:29:17
上传
评论
收藏 1.21MB PDF 举报
证券研究报告 请务必阅读正文之后第 18 页起的免责条款和声明
从 Chat-GPT看生成式人工智能 AIGC产业机
遇与落地场景
全球人工智能 AI 行业系列报告 2｜2023.1.19
中信证券研究部
核心观点
陈俊云
前瞻研究首席分析
师
S1010517080001
许英博
科技产业首席分析
师
S1010510120041
刘锐
前瞻研究分析师
S1010522110001
贾凯方
前瞻研究分析师
S1010522080001
Chat-GPT 的出现以及中短期内的产业化落地将会为从用户创作（UGC）到 AI
创作（AIGC）的转型提供关键的辅助支持。结合 Chat-GPT 的底层技术逻辑，
我们认为 Chat-GPT 中短期内产业化的方向可能包括：1）Chat-GPT 对于文字
模态的 AIGC 应用具有重要意义，在归纳性的文字类工作中展现出了极其优异
的表现。2）代码开发相关的工作更加规整非常适合 AI 辅助生成。3）图像生
成领域：GPT 模型在图像生成领域目前效果略逊于扩散模型，但扩散模型可以
利用 Chat-GPT 生成较佳的 Prompt，提供强大的文字形态的动力。4）智能客
服类的工作。Chat-GPT 的成功证明了 Transformer 模型并非陷入困境，不断
的 AI 技术方法上的新突破正驱动全球 AI 产业进入加速发展阶段，叠加 AI 产业
集群效应的不断凸显，AI 产业有望成为全球科技领域中期最具投资价值的产业
赛道之一。AI 产业有望继续保持“芯片+算力基础设施+AI 框架&算法库+应用
场景”的稳定产业价值链结构，拥有完整数据闭环结构、良好数据自处理能力
的企业有望持续成为受益者。持续推荐：特斯拉、英伟达、AMD、高通等。
▍报告缘起：Chat-GPT 引来新一轮 AI 大热，探索产业化可能性。OpenAI 团队
最新公布的语言模型 Chat-GPT 于 2022 年 11 月 30 日向社区发布测试，并立即
收到了良好的反馈。从测试反馈的结果看，相比于前一代的 GPT-3，Chat-GPT
以对话为载体，可以回答多种多样的日常问题，对于多轮对话历史的记忆能力和
篇幅增强。与 GPT-3 等大模型相比，Chat-GPT 回答更全面，可以多角度全方
位进行回答和阐述，相较以往的大模型，知识被挖掘得更充分。Chat-GPT 的强
势“出圈”引来了对其未来可能的产业化方向的一系列测试，从测试结果来看，
在归纳性文字、创作性文字、代码修改、科研辅助以及其它领域 Chat-GPT 均表
现出了前代所没有的优点。对话式 AI 开始能在大范围、细粒度问题上给出普遍
稳妥的答案，并根据上下文形成有一定的逻辑性的创造性回答。本篇报告将关注
Chat-GPT 背后的技术逻辑以及对 AI 产业链的整体影响以及产业化落地可能性。
▍技术逻辑：GPT-3.5 基础上基于人类反馈学习进行额外训练，给出了
Transformer 模型未来的发展方向。OpenAI 团队从 GPT-3.5 系列中的一个模
型进行微调，使用与 InstructGPT 相同的方法，即人类反馈强化学习（RLHF）
训练该模型，并对数据收集设置相对做了优化。从最终结果看，Chat-GPT 仅仅
使用了精选的百亿级别参数（对比 GPT-3 的千亿级别参数）就完成了与 GPT-3
结果相当甚至更好的回复质量，凸显了数据质量的重要性，大模型可能将告别过
去一味堆叠数据量大小的时代。Chat-GPT 的成功是在前期大量坚实的工作基础
上实现的，不是横空出世的技术跨越。模型找到了一种面向主观任务来挖掘
GPT3 强大语言能力的方式，让模型“解锁”（unlock）和挖掘 GPT3 学到的海
量数据中的知识和能力。因此从这样的底层技术逻辑出发，我们能迅速找到中短
期内适合 Chat-GPT 的产业化方向：一个真正全方位的智能内容生成助手。
▍AI 产业影响：算力成本下降+高质量数据催生底层应用，模型开放成为未来趋势，
并加速迭代效率。Chat-GPT 的成功证明了两点：1）单纯扩大模型参数并非唯
一出路；2）让模型在早期开放给大众测试并收集人类反馈数据更有利于模型迭
剩余18页未读，继续阅读
资源评论
