没有合适的资源?快使用搜索试试~ 我知道了~
资源推荐
资源详情
资源评论
中金-AI 十年展望(五):从 ChatGPT 到通用智能,新长征上的新变化
原创 赵丽萍 于钟海等 中金点睛 2023-02-03 07:51 发表于北京
2012 年深度学习元年以来,AI 进入学术和商业界发展新阶段,2017 年大模型
路线以“通用智能”思路降低算法边际成本,逐渐成为学界与产业共识。2022
年下半年,AIGC 及 ChatGPT 关注度大幅提升背后,我们认为其本质是弱人工
智能到强人工智能的阶跃,海外及国内商业落地处在初期,但我们认为新的产业
趋势值得关注。OpenAI 的技术进展及投资方向、海外 AI 独角兽业务进展、国
内龙头 AI 公司的跨模态布局是重要风向标。
本文作者:赵丽萍,于钟海,魏鹳霏
摘要
技术层面,ChatGPT 和 AIGC 的持续升温依托于大模型的技术红利。从 2012
年的深度学习元年以来,各界产生了海量的数字化需求,大模型技术路线是降低
边际成本的核心,2017 年大模型(Transformer)路线逐渐成为学术界与国内
外巨头的发展共识。ChatGPT 由 GPT-3.5 大模型加入基于人类反馈的强化学习
训练而成,带来弱人工智能向通用智能的阶跃。
商业层面,以 OpenAI 投资方向为风向标,落地仍在探索期,跨模态打开场景
空间。对于AIGC领域,AI作画等跨模态应用是未来的发展趋势,全球范围
免责申明:
1. 本附加与原报告无关;
2. 本资料来源互联网公开数据;
3. 本资料在所有“实干家资源共享群”均免费获取;
4. 本资料仅限社群内部学习,如需它用请联系版权方
实 干 家 资 源 共 享 群
微 信 扫 码 长 期 有 效
实干家以共建、共享、共赢为宗旨,携手并进,共创共利,共
同打造 IT 行业资源共享生态价值链,进群即享以下福利:
1、甲方 IT 大伽同群
2、乐享 IT 工作内推
3、免费 IT 资源干货
4、免费 IT 商机分享
5、每日分享 IT 类学习资料
6、群主免费提供相关领域行研资料
微信扫码加入群后无限制搜索下载。
实干家访谈 以访谈视频的形式,用优质内容增强品牌信任,已出品大量优质原创视频,精准触达业内人群过万人。
1、实干家是专注于视频营销的科技新媒体,聚焦于科技品牌的线上宣传。
2、人物访谈:讲述品牌故事,打造品牌人设,增强客户对企业形象的认可。
3、案例访谈:分享成功案例,树立行业标杆,增强客户对企业产品的认可。
4、实干家与优秀的科技行业协会开放合作,资源共享。为其提供内容和流量共享,帮助其打造私域流量。
微
信
扫
码
关
注
实
干
家
访
谈
视
频
号
AIGC 独角兽已初步具备 B 端为主的变现能力,海外落地节奏显著快于国内。
ChatGPT 推出后,海外已有早期合作案例,例如为 BuzzFeed 提供个性化测试、
为 Amazon 解决客户和工程师技术难题等。此外,以 OpenAI 前沿投资方向为
锚,我们认为文本到图片/视频的跨模态生成、垂直领域 AI 写作、智能笔记、
AI 语言学习平台或为潜在落地方向。
展望未来,行业格局有望走向底层集中、垂类多点开花,MaaS 是商业模式演进
的潜在方向。我们认为,ChatGPT 为代表的模式背后,成本、算力、场景、数
据等多维度需求铸就高门槛,大模型路线下,未来行业格局趋向集中,泛化通用
大模型能力的厂商有望呈现多强格局;关键垂类仍可能有场景、数据优势,精细
调优后的垂类模型仍有差异化竞争潜力。展望未来的商业模式,我们认为以海外
Hugging Face 为代表的 Model-as-a-Service 是潜在方向,具备大模型基础的
龙头有望成为 AI 开源基础设施提供商、社区生态建设者。
风险
技术进展不及预期,行业竞争加剧,商业化落地节奏不及预期。
正文
技术篇:ChatGPT 和 AIGC 持续升温背后,本质上是大模型的技术红利
ChatGPT 和 AIGC 持续升温的本质是背后的 AI 大模型进入新范式。ChatGPT
是基于 GPT-3.5 的 IntructGPT,基于人类反馈的强化学习(RLHF)训练的语言
类大模型。本文梳理了 ChatGPT 背后的技术演进与应用落地节奏,并对未来 AI
行业的格局加以展望。
从 2012 年的深度学习元年开始,上一轮红利已经持续 10 年
2012 年是深度学习元年,以 Hinton 团队在 ImageNet 大赛中引入深度学习
算法为重要节点。Hinton 带领的团队在 ImageNet 挑战赛中,通过构建深度神
经网络 AlexNet 成功将图片识别错误率降低了 10.8pcts,以大幅超越第二名的
成绩夺冠,证明了深度学习的发展潜力,开始被业界和资本关注。
图表 1:AI 从引起业界广泛关注到目前不足 10 年
资料来源:量子位,Omdia,中金公司研究部
早年业界一度认为小模型、小算力是方向。此前的共识是通过精妙的算法和更高
的模型精度,减少对算力的需求,但行业落地实践证明其短板明显:
► 精妙模型路线导致重复研发,无法让 AI 赋能千行百业。在 AI 公司进入大量
新场景时,对每个场景都重复研发大大增加了边际成本。
► 精妙模型路线无法解决长尾场景,完善 AI 商业化价值闭环。以份额占人工智
能行业近一半份额的智慧城市为例,其中的长尾场景如防火防灾、电梯事故、垃
圾乱扔由于研发难度高,大部分 AI 公司难以低成本解决,严重影响到客户对整
套解决方案买单的意愿。
图表 2:目前 AI 模型的神经元总量与人类差距较大
资料来源:阿里云《中国企业 2020:人工智能应用实践与趋势》(2019 年),
中金公司研究部
技术演进视角,大模型是实现通用 AI 的重要方向。虽然距离完全达到人类智能
水平的 AI,还有很长一段路要走。但近几年在长尾场景等问题导致了对更通用
的人工智能的刚需,在国内外巨头纷纷投入大量资源攻克通用人工智能难题的推
动下,通用的语言模型、视觉模型甚至多模态模型也开始逐渐取得突破。2020
年 OpenAI 推出 1750 亿参数的 GPT-3 大模型是行业重要里程碑,为后续大模
型迭代、加入人为干预,以及 AIGC、ChatGPT 的推出打下技术基础。
图表 3:大规模预训练模型对于算力需求呈指数增长
剩余39页未读,继续阅读
资源评论
IT徐师兄
- 粉丝: 1950
- 资源: 2689
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功