AIGC系列专题：AI技术演进看AIGC：奇点临近，未来已来

证券研究报告|2023年03月06日 核心观点行业研究·行业专题 人工智能：新一轮生产力革命。1）人工智能（AI）基于机器学习和数据分析的方法，赋予机器人类的能力，从而实现解放人力、降本提效的目的。从C端用户需求来看，人工智能解决的是与人相关的娱乐、出行、健康等生活场景中的痛点；2）AI在C端的应用分为两方面：a）对原有劳动力的替代与生产力效率的提升：如语音识别、智能客服、机器翻译等；b）需求创造：如基于AI算法的“千人千面”的信息分发（如抖音、快手、小红书等）、内容生成（AIGC）、人机交互（如ChatGPT等）、辅助驾驶、安防等。 算法创新及算力进步、数据爆发，催化本轮人工智能奇点将至。1）人工智能的技术演进经历了符号主义、连接主义和行为主义，在行为主义思想中引入了连接主义的理念，最终诞生引导AI落地的深度学习技术；2）深度学习技术的出现，改变了传统AI的技术路线，解决了传统机器学习算法无法处理大量数据、准确率遭遇瓶颈的问题，使得AI从理论上具备了工程化落地的可能；3）基于摩尔定理的算力提升，互联网及数字经济的快速发展带来的数据量井喷，使得AI最终从设想走向场景落地，在语音识别、图像识别等领域的计算准确度都实现了突破性进展并得到广泛应用。 从算法推荐到内容生成，AIGC有望引发新一轮内容与平台投资机遇。1）结合AI技术特点，我们认为AI能够创造价值的领域必须必备以下三点要素：有适合的商业化场景：行业内存在需求，AI能够为行业带来降本提效；存在海量、多维数据；算力及开发成本具备合理的商业化回报可能；2）从传媒互联网的实践来看，基于AI算法推送的信息分发模型已经为web2.0时代主流的信息组织模式，并诞生出以字节跳动、快手、小红书等为代表典型产品和商业案例；3）内容生成（AIGC）时代的大门正在打开：海量的数据资源、快速提升的算力水平和不断降低的单位算力成本开销、基于深度学习的预训练大模型构建的通用大模型显著降低应用开发门槛，数字化的高渗透率赋予充裕场景应用可能；从PGC到AIGC，内容生产的大爆炸将重塑内容与平台生态、商业模式，新一轮产业机遇渐行渐近。 投资建议：从生产力到商业化应用，基于科技及产业视角聚焦传媒互联网关键环节核心标的。预训练大模型有望走向成熟并成为AIGC应用的技术底座降低应用开发门槛与成本，摩尔定理迭代的算力有望不断降低模型训练及运维成本，AIGC场景化应用有望迎来爆发期并成为产业链核心价值点，建议从数据与场景应用两个角度把握传媒互联网关键产业链环节与核心标的，建议关注：1）数据要素及IP角度推荐中文在线、视觉中国、浙数文化、人民网等标的；2）场景落地关注汤姆猫、昆仑万维、恺英网络、芒果超媒、三人行、蓝色光标、哔哩哔哩等标的。 公司 公司 投资 收盘价 总市值 EPS PE 代码 名称 评级 （元） （亿元） 2022E 2023E 2022E 2023E 002027.SZ 分众传媒 买入 6.38 921.41 0.28 0.42 22.8 15.2 002555.SZ 三七互娱 买入 22.71 503.68 1.44 1.66 15.77 13.68 300413.SZ 芒果超媒 买入 32.65 610.79 1.15 1.34 28.39 24.37 风险提示：技术进步低于预期，应用落地低于预期，监管政策风险等。重点公司盈利预测及投资评级 资料来源：Wind、国信证券经济研究所预测 传媒 超配·维持评级 证券分析师：张衡证券分析师：夏妍 021-60875160021-60933162 zhangheng2@guosen.com.cnxiayan2@guosen.com.cnS0980517060002S0980520030003 市场走势 资料来源：Wind、国信证券经济研究所整理 相关研究报告 《传媒互联网周报-数字中国顶层规划出台，ChatGPT开放API加速场景应用爆发》——2023-03-05 《传媒互联网周报-ChatGPT有望提升广告货币化率，中观维度持续看好游戏板块》——2023-02-27 《传媒互联网周报-“ChatGPT+搜索”催生NewBing，多家公司计划接入“文心一言”》——2023-02-20 《传媒行业2022年业绩前瞻与展望-严冬已过，暖风徐来》— —2023-02-13 《传媒互联网周报-ChatGPT加速商业化，看好AIGC在游戏、数字人领域的应用》——2023-02-12 AIGC系列专题 从AI技术演进看AIGC：奇点临近，未来已来 超配 请务必阅读正文之后的免责声明及其项下所有内容 内容目录 AI(人工智能)：第四次生产力革命5 AI发展原动力：提效降本，在新一轮技术革命中抢占先机5 产业链及发展历程：三起两落，数据及算力爆发带来新一轮AI发展机遇6 产业链：基础层+技术层+应用层6 发展历程：60年三起两落，呈螺旋式发展6 人工智能：技术流派及我们所处的阶段8 技术演进：行为主义+连接主义，诞生深度学习技术8 技术现状：深度学习技术带动本轮人工智能发展9 实现要素：海量数据及高效算力是深度学习实现基础11 所处时代：基于统计规律的弱人工智能时代，但商业化价值已经展现12 万事俱备，人工智能场景应用有望全面爆发15 资源层：数据及算力的大幅提升将AI推向浪潮之巅16 技术环境：开源框架大幅降低开发门槛18 外部环境：政策助力，人工智能迎来发展良机19 从算法推荐到内容生成：AI有望引发新一轮内容与平台投资周期21 AI赋能，字节跳动充分展现内容分发时代AI商业化价值21 生成式AI（AIGC）：从信息分发到内容生成，更为宏大的时代机遇24 算力与数据皆备、大模型加速AIGC技术导入，应用创新、场景落地渐行渐近26 从PGC到AIGC，AI有望重构内容与媒介生态30 投资建议：奇点临近，拥抱内容与平台新投资机遇31 风险提示33 图表目录 图1：人工智能所涉及的基础技术及终端产品5 图2：人类历史上四次工业革命6 图3：人工智能发展的三次浪潮7 图4：深度学习使图像识别逐渐超越人眼可达精度8 图5：人工智能三大学派9 图6：三代人工智能算法判定过程10 图7：三代人工智能算法判定过程11 图8：传统机器学习VS深度学习数据量及准确度11 图9：深度学习算法数据量与准确率间的关系11 图10：基于深度学习的人工智能技术架构12 图11：弱人工智能的典型应用13 图12：电影《机械姬》中的强人工智能形象13 图13：人工智能所属阶段及判断方法14 图14：部分职业的自动化潜力15 图15：全球人工智能市场规模及增速15 图16：中国人工智能市场规模及增速15 图17：数据量快速增长16 图18：典型CPU架构17 图19：典型GPU架构17 图20：人工智能算力发展概况17 图21：英伟达芯片高性能计算能力显著提升17 图22：人工智能技术成熟度曲线18 图23：我国《新一代人工智能发展规划》战略目标21 图24：互联网数据量指数级上升22 图25：“千人千面”内容推荐系统原理23 图26：文娱领域已应用AI推荐算法的各内容平台23 图27：信息分发方式演进23 图28：字节跳动凭借AI推荐算法成为我国互联网领域的第四极24 图29：字节跳动营业收入及增速24 图30：字节跳动与BAT2021年营业收入（亿元人民币）24 图31：AIGC自20世纪中期萌芽以来经历了四个发展阶段25 图32：AIGC技术积累融合26 图33：ChatGPT训练模型28 图34：ChatGPT百度搜索指数大幅提升28 图35：训练大模型“预训练+精调”模式29 图36：AIGC的主要形式与应用30 图37：AIGC是内容生产的新模式31 表1：人工智能产业链概览6 表2：人工智能的分类标准及定义12 表3：主流开源框架18 表4：中国人工智能行业重要政策梳理19 表5：AI算法推荐在文娱领域应用22 表6：主流生成模型一览表27 表7：主流AIGC预训练模型一览表27 表8：国内预训练大模型29 表9：重点公司估值表32 AI(人工智能)：第四次生产力革命 AI(ArtificialIntelligence)：1952年，图灵在《计算机械与智能》一文中提到了“图灵测试”来验证机器是否具有智能：如果一台机器能够与人类展开交流，并且有超过30%的人无法在规定时间内识别出与自己交谈的是人还是机器，那么这台机器可以被认为是具有智能的。后来科技界又提出了其他界定人工智能的标准：例如能否实现语音识别、机器翻译、自动写作等等。本报告中所提及的人工智能技术，不仅包括具有自然语言处理能力、或通过图灵测试的AI技术，还包括有海量数据、超复杂性、要求实时性、人类智能暂时无法处理的机器智能技术。 图1：人工智能所涉及的基础技术及终端产品 资料来源：36kr，国信证券经济研究所整理 AI发展原动力：提效降本，在新一轮技术革命中抢占先机 微观：提效降本，科技让生活更美好 从C端用户需求来看，人工智能解决的是与人相关的娱乐、出行、健康等生活场景中的痛点。人工智能在C端的应用分为两方面：1）对原有劳动力的替代与生产力效率的提升：如语音识别、智能客服、机器翻译等；2）新增需求的满足：如“千人千面”的信息分发（如抖音、快手、小红书等）、内容生成（AIGC）、人机交互（如ChatGPT等）、辅助驾驶、安防等。从B端需求来看，企业对于效率的提升需求旺盛，人工智能在金融、公共安全、医疗健康等领域均取得了较为普遍的应用。 宏观：新一轮技术革命，赢得未来国与国之间科技竞争的主动权 人工智能有望引领了蒸汽革命、电气技术革命以及信息产业革命之后的第四次生产力革命。1）18世纪60年代，英国率先发展并完成了第一次工业革命，在随后的一个多世界里成为了世界霸主；2）19世纪60年代，完成了资产阶级革命或改革的美、德、法、日在第二次工业革命中崛起，使人类进入“电气时代”；3）进入20世纪中叶，以信息技术、新能源技术的代表的第三次科技革命在美国兴起，进一步强化了美国的霸主地位。自2006年以来，Hinton提出深度学习算法，令机器在自主学习方面有了革命性的突破，同时，伴随着海量数据的积累、GPU、芯片计算能力的提升，人工智能的三大要素“算法”、“算力”和“数据”皆已准备就绪。2016年，AlphaGo首次击败人类问鼎世界冠军，人工智能的关注度急速攀升。而近期人工智能技术在安防、金融、医疗、内容分发领域的持续落地，使AI技术在提效降本、解放劳动力、提升资源配置效率方面的巨大作用得以显现。我们认为，在本轮变革中具有良好技术沉淀和全面布局的国家有望抢得科技的主 动权。 图2：人类历史上四次工业革命 资料来源：36kr，国信证券经济研究所整理 产业链及发展历程：三起两落，数据及算力爆发带来新一轮AI发展机遇 产业链：基础层+技术层+应用层 总体来看，人工智能产业链可分为基础支撑层、技术层和应用层。基础层提供算力，主要包含人工智能芯片、传感器、大数据及云计算。其中，芯片具有极高的技术门槛，且生态搭建已基本成型。目前该层级的主要布局玩家为Nvidia、AMD、英特尔等在内的国际科技巨头，国内在基础层的布局和实力均相对薄弱。技术层主要解决具体类别问题，这一层级主要依托运算平台和数据资源进行海量识别训练和机器学习建模，开发面向不同领域的应用技术，包括语音识别、自然语言处理、计算机视觉和机器学习技术等。科技巨头谷歌、IBM、亚马逊、苹果、阿里巴巴、百度都在该层级深度布局，并涌现了如商汤科技、旷世科技、科大讯飞等诸多独角兽公司。应用层主要解决场景落地问题，利用AI技术针对行业提供产品、服务和解决方案，其核心是商业化。得益于人工智能的全球开源社区，应用层的进入门槛相对较低，但也是商业价值最大的环节（典型如算法推动在抖音、快手等应用端落地）。 表1：人工智能产业链概览 核心能力细分领域产业生态搭建 以BATJ为代表的科技巨头开始自然人工智 基础层计算力芯片、传感器、云计算/大数据 计算机视觉、