AI行业跟踪报告之三：百度文心一言发布在即，把握AI软硬件投资机会

百度文心一言发布在即，把握AI软硬件投资机会 ——AI行业跟踪报告之三 作者：光大证券电子通信行业首席分析师刘凯，执业证书编号：S0930517100002 光大证券计算机行业首席分析师吴春旸，执业证书编号：S0930521080002 2023年3月15日 证券研究报告 核心观点 GPT4引领认知革命，国内百度文心一言发布在即；文心大模型场景全面，开启我国AI追赶序幕，建议从三大层面关注AI软硬件投资机会： 1、AI公司：大模型为AI应用最核心中枢，人工智能公司正打开想象天花板，建议关注三六零（A股唯一自研大模型公司）。 2、上游算力：训练模型带动算力需求，AI算力芯片为关键，建议关注寒武纪（A股AI算力芯片龙头）。 3、下游应用：建议关注百度生态合作伙伴及下游垂类应用企业。 风险提示：市场竞争加剧，研发不及预期。 目录 1、大模型打开想象空间，MaaS模式应运而生 2、百度文心大模型场景全面，开启我国AI追赶序幕 3、云端算力硬件将成为AI新浪潮的关键基础设施 4、投资建议：从三大层面关注AI软硬件投资机会 5、风险分析 1.1、溯源ChatGPT，“大模型”作为基础设施为AI发展带来新机遇 1、大模型打开想象空间，MaaS模式应运而生（1/2） 图1：ChatGPT是一个人工智能对话模型，可以生成代码、故事、诗歌等 资料来源：ChatGPT官网，光大证券研究所 1）性能：ChatGPT在一系列对话式AI任务上优于最先进的模型，包括问答、文本生成和对话生成。在基准测试中，ChatGPT在许多对话式AI任务上都达到了人类水平的准确度。 表1：ChatGPT部分职业测试成绩 考试内容 成绩 Upenn 沃顿商学院MBA期末考试 B- CPA 注册会计师 57.6% Bar 法律 50.3% SAT 美国大学入学测试 1020分（超过48%人类考生 Google 职业能力考试 三级工程师（年薪18万美元 IQTest.com 智商测试 83分（低于平均） Vocabulary 词汇测试 151分（平均99分） 资料来源：LifeArchitect，光大证券研究所整理 图3：语言模型发展历程 2ChatGPT 45TB OpenAI 3）模型大小：GPT-3是世界上最大的语言模型之一，拥有1750亿个参数。 2）训练数据：ChatGPT在来自互联网的超过45TB文本数据的语料库上进行训练。这个庞大的数据集用于教授模型自然语言中的模式和关系，并建立对单词和短语的上下文和含义的丰富理解。 请务必参阅正文之后的重要声明4 资料来源：OpenAI论文 1、大模型打开想象空间，MaaS模式应运而生（2/2） MaaS的商业模式应运而生。MaaS（ModelasaService），模型即服务，这种模式具体运作方式是，有能力的大公司提供预训练模型，使得垂直行业的小公司能够构建和部署AI模型，而无需投资构建和维护自己的模型所需的基础设施、硬件和专业知识。 图4：各垂类行业公司借助大模型API接口实现各种场景下的应用落地 资料来源：腾讯研究院，光大证券研究所 5 请务必参阅正文之后的重要声明 目录 1、大模型打开想象空间，MaaS模式应运而生 2、百度文心大模型场景全面，开启我国AI追赶序幕 3、云端算力硬件将成为AI新浪潮的关键基础设施 4、投资建议：从三大层面关注AI软硬件投资机会 5、风险分析 请务必参阅正文之后的重要声明 2、百度文心大模型场景全面，开启我国AI追赶序幕（1/4） 2.1、百度生态体系完善，在四层技术架构均具备领先的技术能力。百度以自主研发的云端通用AI芯片作为AI架构的芯片层，基于产业级深度学习开源开放平台飞桨平台，形成几大模型体系，配套大模型平台支持模型的广泛应用，建设了大模型为核心驱动的新产品和创业社区，并将AI技术赋能如搜索引擎、百度智能云等现有产品。 应用层 搜索 AIGC 媒体 金融 教育 医疗 … 图5：百度AI核心四层架构布局 模型层 NLP大模型CV大模型跨模态大模型生物计算大模型行业大模型 框架层 芯片层 资料来源：百度，光大证券研究所 2、百度文心大模型场景全面，开启我国AI追赶序幕（2/4） 2.2、文心大模型全景图刷新，构建产业大模型体系。大模型的出现，为人工智能进一步发展带来新机遇，深度学习平 台加大模型，贯通AI全产业链，夯实产业智能化基座，将进一步加速智能化升级。 图6：百度文心全景图 资料来源：文心大模型官网，光大证券研究所 2、百度文心大模型场景全面，开启我国AI追赶序幕（3/4） 2.3、文心NLP大模型性能强大、功能丰富，为垂类应用落地提供强大支持。 其中，文心一言（生成式AI产品）是基于产业级知识增强预训练大模型ERNIE3.0，结合了知识图谱、视觉信息、多语言等多种数据源，实现了对话式语言模型的全面升级。 表2：百度文心NLP模型 文心·NLP大模型 参数量级 效果 应用场景 ERNIE3.0Tiny 轻量级 20个中英文数据集上取得效果SOTA 适用于电商、科学、新闻、医学、对话等领域，包含评论情感分析、科学文献学科分类、新闻分类、自然语言推理等任务。 ERNIE3.0 百亿级 在14种类型共计45个自然语言理解数据集上取得了SOTA的结果 在9个自然语言生成任务上取得了SOTA的效果在18个数据集上刷新了zero-shot的SOTA效果 智能创作、摘要生成、问答、语义检索、情感分析、信息抽取、文本匹配、文本纠错等各类自然语言理解和生成任务 鹏城-百度·文心 2600亿 在机器阅读理解、文本分类、语义相似度计算等60多项任务中取得最好效果 舆情分析、智能创作、文本解析等 ERNIE3.0Zeus 千亿级 ERNIE3.0系列模型的最新升级，实现了任务知识增强，显著提升了模型的零样本/小样本学习能力 智能创作、摘要生成、问答、语义检索、情感分析、信息抽取、文本匹配、文本纠错等各类自然语言理解和生成任务 资料来源：文心大模型官网，光大证券研究所 2、百度文心大模型场景全面，开启我国AI追赶序幕（4/4） 生活服务 金融 知识垂类 教育 医疗健康 C端 历史 自然 基础学科 人文 B端 媒体 教育 医疗 定制：产品推荐 金融 通用：智能客服 生态伙伴 巨人网络、汽车之家、智联招聘、太平洋网络、土巴兔、掌阅科技、 携程、爱奇艺、 利欧股份、华策影视、蓝色光标、神策数据、风语筑、天娱数科、金蝶云、联想、TCL汉得信息、隆基绿能、科创信息、信雅达、宇信科技、东华软件、百信银行等 论文检索-理解归纳-结果输出 2.4、跨模态大模型、行业大模型等带来更多AIGC应用突破，B端生态圈持续扩大。B端开放接口双向输入，从行业接入数据源做训练，输出行业垂直技术解决方案，形成良性循环。未来，将有越来越多的企业和开发者通过大模型加深度学习平台的模式，步入AI应用的新阶段，进一步加速产业智能化升级。 定制版内容生成机器人 提供类MaaS的商业价值 资料来源：光大证券研究所 目录 1、大模型打开想象空间，MaaS模式应运而生 2、百度文心大模型场景全面，开启我国AI追赶序幕 3、云端算力硬件将成为AI新浪潮的关键基础设施 4、投资建议：从三大层面关注AI软硬件投资机会 5、风险分析 请务必参阅正文之后的重要声明 3.1、数据和算力是人工智能的基础，芯片等硬件构成AI核心底座（1/2） 人工智能的基础层是数据和算力，数据由服务器和光模块存储和运输；算力由CPU、GPU、FPGA、ASIC等芯片支撑 算法 请务必参阅正文之后的重要声明 12 PCB 光模块 服务器 ASIC PCB FPGA GPU CPU 资料来源：CSDN、光大证券研究所 3.1、数据和算力是人工智能的基础，芯片等硬件构成AI核心底座（2/2） 资料来源：寒武纪公开路演PPT 3.2、GPU分为传统GPU与GPGPU，GPGPU占据人工智能90%以上份额 在人工智能领域，使用GPGPU在云端运行模型训练算法，可以缩短海量训练数据的训练时长，减少能源消耗，从而进一步降低人工智能的应用成本。 GPGPU能够提供完善的软件生态系统，便于各种已有应用程序的移植和新算法的开发，因此全球人工智能相关处理器解决方案仍然 是以GPGPU为主。 GPGPU是人工智能领域最主要的协处理器解决方案，占据人工智能90%以上的市场份额，在智能工厂、无人驾驶、智慧城市等领域具有广泛的市场空间。 根据前瞻产业研究院的数据，未来几年内，中国人工智能芯片市场规模将保持年均40%至50%的增长速度，到2024年，市场规模将达到785亿元。而随着人工智能相关技术的进步，应用场景将更加多元化，GPGPU通用性好和软件生态系统完善的优势会进一步展现出来，成为该领域的主流解决方案。GPGPU在我国人工智能芯片领域也将占据较大比例的市场份额。 GPU在商业领域的具体应用体现在：1.商业计算和大数据处理；2.人工智能处理器；3.智算中心。 3.3、CPU与AI融合将成大势所趋 CPU技术发展趋势：1，单个处理器核心性能持续提升；2，处理器设计复杂度提高，核心数逐步增加，I/O性能持续提升；3，微体系结构持续优化。 CPU在商业领域的具体应用：1，“企业上云”需求强烈，云计算可助力企业完成数字化转型；2，5G网络的快速铺开，加速“万物 互联”时代提前到来。 国产CPU市场空间广阔：随着国产CPU性能的不断提高和软件生态的不断完善，基于国产CPU的信息产品已经得到批量应用。对信息安全、供应链安全要求相对较高的领域，均是国产CPU的优势市场，伴随着未来信息化的加速，桌面、服务器CPU的需求量有望大幅增加。 英特尔SapphireRapids第四代至强可扩展处理器深度支持AI运算。英特尔在这代产品中增添全新内置AI加速器——英特尔高级矩阵扩展（AMX）技术。英特尔透露该GPU的基础算力平均提升值为53%，而在AMX的助推下，其在PyTorch上的AI实时推理速度，可提升至上一代产品（FP32）的5.7-10倍，训练性能提升最高也能提升到上一代产品的10倍。 图11：龙芯1H芯片示意图 图12：龙芯2K1000LA芯片示意图 资料来源：龙芯中科官网 请务必参阅正文之后的重要声明 15资料来源：龙芯中科官网 3.4、云、边、端需求拉动AI芯片市场规模高速增长 图15：传统芯片与智能芯片比较 芯片类型 技术原理 技术发展情况与技术特点 技术优势与局限性 未来发展、演化或融合的趋势 在云边端训练与推理场景的市场渗透率 传统芯片 CPU （1）基本原理为：通过灵活的控制单元、细粒度的运算单元、多层次的缓存、多发射流水线，实现对于通用计算任务灵活和高效的支持（2）具体对于智能训练和推理应用，通过CPU的基本指令组合出训练或推理需要的运算操作，从而实现对智能算法的支持 技术成熟，通用性最强可执行各种类型的计算机应用程序，非常适合传统的控制密集型计算任务 人工智能应用开发生态成熟，但性能已无法满足人工智能快速增长的计算能力需求 CPU的演化趋势为集成更多更高的外部接口，长期看仍将主要应用于通用计算 广泛应用于个人电脑、移动终端、传统服务器等领域，在人工智能芯片场渗透率相对较低 GPU （1）基本原理为：通过简化控制单元并集成大规模的并行运算单元，实现对图形渲染等并行任务的良好支持（2）具体对于智能训练和推理应用，通过GPU的向量等指令组合出训练或推理需要的运算操作，从而实现对智能算法的支持 技术成熟，通用性较好，擅长数据级并行处理，为图形处理、科学计算等传统任务提供了良好的硬件支持 峰值运算性能高，但整体能耗较高；在云端具备成熟的应用开发生态，但在终端生态尚不成熟 GPU的演化趋势为持续保持其在图形渲染和科学计算领域的技术优势，加强对人工