传媒互联网行业：AI显性化元年，拥抱产业变革的星辰大海

ChatGPT引领技术革命，通用人工智能曙光将至 从技术角度解读，ChatGPT在通用性和多模态两个层面实现了飞跃，统一了近10年来AI研究的技术路线，从而使通用人工智能（AGI）的实现有望大幅提前。其中，算力、数据和工程能力是类ChatGPT大模型研发的核心壁垒。 AI产业化：大模型为入口，关注应用环节降本增效+新增量 AI大模型作为更高效的生产力工具，以及新的互联网流量入口，其战略地位有望比拟“新一代的iOS/安卓操作系统”，重塑移动互联网时代的竞争格局，建立万亿规模的下游应用生态。其中，网文、图片、视频、游戏、电商、营销六个细分领域有望从两个方面受益于AI技术变革：一是在企业生产经营环节中降本增效，二是带来应用端的新增量。 三条投资主线：大模型、降本增效、内容资产重估 基于产业趋势，我们建议关注AIGC产业链中弹性最大的三个环节： 1）大模型：国内大模型厂商有望承接交互方式变革带来的“新增量”，参与互联网流量的“再分配”，共同受益于下一个“移动互联网”级别的增长机会，关注率先落地的大模型厂商。 2）降本增效：内容行业中降本增效最显著的是游戏，其次是音视频、图片和文字。主要系游戏数字化程度高、自有数据资源丰富、降本增效的落地速度快。此外，游戏还有望受益于AI驱动下品类创新带来的行业增量。 3）内容资产的价值重估：AIGC的核心是内容，其中文字类资产短期可作为大模型训练的优质语料库，长期基于AI多模态能力生成图片、视频、游戏的门槛依次降低，因此价值重估落地最快、空间最大。相较于图书出版，建议重点关注体量更大、娱乐性更强的网文类内容资产价值重估。 投资建议 AI大模型作为新的生产力工具和流量入口，有望引领新一轮产业变革。我们建议布局三条投资主线：1）大模型厂商，建议关注昆仑万维；2）降本增效，建议关注恺英网络；3）内容资产重估，建议关注中文在线。 风险提示：AI技术发展不及预期；监管趋严；行业竞争加剧的风险。 投资聚焦 自2022年底OpenAI发布聊天机器人ChatGPT，以及背后GPT3.5、GPT4大模型的推出，新一轮技术变革的浪潮从学术界、产业界向普通互联网用户依次破圈。我们认为类ChatGPT的AI大模型作为新的生产力工具和流量入口，有望赋能千行百业，引领新一轮产业变革。 创新之处 1）市场部分观点低估了ChatGPT作为一场技术革命的重要性和可持续性。我们通过复盘近10年人工智能发展历程，从技术角度总结了ChatGPT对于人工智能发展的三层重要意义。 2）我们基于AI大模型产业链的价值梳理，再结合AI大模型在网文、图片、视频、游戏、电商、营销六个细分领域的实际应用情况，自上而下地探讨AI浪潮中的传媒互联网投资机会。 核心结论 1）ChatGPT是人工智能技术发展的重要里程碑。其意义在于三个方面：一是统一技术路线，推动AI发展驶入“快车道”；二是功能实现飞跃，推动AI产品层面的“显性化”；三是推动AI终局预期提前，通用人工智能可见度提升。 2）AI大模型有望重塑移动互联网时代的竞争格局。其作为新的生产力工具和流量入口，有着极高的研发壁垒和落地门槛。因此，我们认为大模型厂商对于市场需求将会形成虹吸效应，相对于传统互联网大厂的竞争优势将会越发显著。 3）AI大模型生态中，最大的增长空间来自于下游的垂直应用场景：一是在企业生产经营环节中降本增效，二是带来收入端的新增量。其中游戏行业的降本增效落地最快、长期增长空间最大；网文平台基于优质的中文语料库资源，生成音频/漫画/动画等“高维”内容的门槛有望大幅降低，打开多元化变现空间。 投资建议 AI大模型作为新的生产力工具和流量入口，有望赋能千行百业，引领新一轮产业变革。基于产业趋势，我们建议关注大模型产业链中弹性最大的三个环节，布局三条投资主线：1）大模型厂商，建议关注昆仑万维；2）降本增效，建议关注恺英网络；3）内容资产重估，建议关注中文在线。 1ChatGPT引领技术革命，通用人工智能曙光将至 1.1ChatGPT破圈复盘：AI显性化的三个阶段 我们从全球产业角度，复盘AI显性化的三个阶段。自2022年底OpenAI发布聊天机器人ChatGPT，以及背后GPT3.5、GPT4大模型的推出，新一轮技术变革的浪潮从学术界、产业界向普通互联网用户依次破圈。我们将这一过程称作“AI的显性化”，主要分为三个阶段： 1）技术奇点出现。Ⅰ）22年11月ChatGPT发布：OpenAI基于GPT3.5大模型推出对话聊天工具ChatGPT，在文本生成的准确度、流畅度，长序列文本处理能力，可扩展性等多方面都显著优于以往AI模型。Ⅱ）23年3月GPT4发布：相较于GPT3.5版本，接入GPT4大模型的ChatGPT在文字对话内容的深度、广度层面均有提升；此外，除了识别文字内容，GPT4也支持图片内容的输入，多模态识别能力显著增强。 2）海外C端产品破圈。Ⅰ）ChatGPT能力初步破圈：22年11月ChatGPT发布后，用户规模5天突破100万、两个月突破1亿，在学术论文、专业考试等C端应用场景中初步破圈。23年2月微软将ChatGPT接入搜索引擎Bing，推动Bing移动端DAU单月环比增长6倍。Ⅱ）现象级应用诞生：3月微软将Office全家桶接入GPT4，发布办公助手Office365 Copilot，有望撬动全球14亿用户规模。Ⅲ）下游生态全面开启：3月27日OpenAI允许第三方开发ChatGPT Plugin插件，第一批支持的包括Expedia、Instacart、Zapier等酒旅、电商场景的头部应用。“插件”生态的放开确立了ChatGPT的流量入口地位，AI迎来“App Store时刻”，下游生态全面开启。 3）国内大厂跟进，大模型生态起步。自22年11月ChatGPT发布后，国内头部科技、互联网公司随即跟进。3月百度先后发布类ChatGPT的聊天机器人“文心一言”、企业级平台“文心千帆”，对标海外ChatGPT生态。4月阿里巴巴发布同类产品“通义千问”，华为公布“盘古”大模型进展。腾讯、字节跳动等互联网大厂也成立了专门的大模型攻坚团队，相关产品有望陆续发布。 图表1：“AI显性化”的三个阶段 1.2ChatGPT突破之处：通用人工智能的曙光 从前沿的研究和应用方向来看，AI（人工智能）主要有NLP（自然语言处理）、CV（计算机视觉）两大领域，分别聚焦于对自然语言和图像进行分析、处理。其中，ChatGPT及其背后的GPT系列模型带来的影响主要集中于NLP领域。因此，我们通过复盘过去10年NLP领域的技术发展，来解答一个关键的问题：从技术角度看，ChatGPT究竟是不是革命性的突破？ 从技术角度复盘过去10年的AI发展历程，有四个重要的时间节点： 1）2017年Transformer统一NLP研究范式。谷歌在著名论文《Attention Is All You Need》中推出Transformer架构，通过引入“自注意力”机制，极大拓展了AI模型在不同任务中的可迁移性。该论文发布5年内被引用超过3.8万次，统一了NLP的研究范式，后续也被广泛跨领域应用于CV场景。 2）2018年谷歌、OpenAI路线之争：完形填空vs文本生成。2018年，谷歌、OpenAI基于Transformer框架，分别推出了AI模型BERT和GPT-1。通俗来讲，二者技术路线最主要的区别在于：预训练任务中，谷歌BERT主要使用“完形填空”的方式，即随机遮盖一些文字，让AI模型通过上下文理解进行补全；而GPT则主要使用“文本生成”的方式，即通过完全遮盖训练语料中的“下文”，训练模型基于“上文”，逐字逐句地生成文本。从应用结果来看，谷歌BERT在文本分类、关键词提取等“自然语言理解”类任务中的表现好于初代GPT。而后续随着模型参数量的指数级提升，GPT模型在翻译、写作、问答等“自然语言生成”类任务中的优势开始逐步显现。 3）2020年GPT3优势初显，千亿参数量催生“涌现”效应。2020年，OpenAI推出新的AI大模型GPT-3，其参数量高达1750亿，相较上一代GPT-2的15亿高出一百余倍。2020年后，AI大模型的“涌现”效应得到业内的广泛关注，即当参数量高于特定量级后（一般认为千亿级别是门槛），再基于模型结构、训练方法的调整，AI大模型的特定性能会出现指数级的提升，如能够准确回答未经过训练的问题。此后，谷歌、Meta等相继推出千亿参数大模型，而GPT-3的技术路径优势日益凸显。 4）2022-2023年：ChatGPT横空出世，技术路径再统一。2022年11月，OpenAI基于最新AI大模型GPT-3.5，使用来自人类反馈的强化学习（RLHF）进行精调，发布了聊天机器人ChatGPT。经过广大B端、C端用户的大规模测试，ChatGPT在文本生成场景中的通用性远超过谷歌BARD等同类应用。2023年3月，OpenAI发布GPT-4，使得ChatGPT的问答深度、广度，以及多模态识别能力进一步增强。至此，OpenAI的GPT系列已全面领先于谷歌、Meta等竞争对手，其技术路径的先进性得到充分验证。 图表2：近10年AI发展历程梳理 我们认为，ChatGPT（及其背后的GPT3.5、GPT4大模型）的推出，对于人工智能的发展具有三层重要意义： 1）统一技术路线，推动AI发展驶入“快车道”。复盘NLP发展路径可见，继2017年谷歌Transformer框架之后，NLP大模型曾分支出以谷歌BERT、OpenAI GPT为主的两大技术路径并各有拥趸。随着GPT3.5、GPT4在通用性文本生成领域的全面领先，有望再次统一LLMs（大型语言模型）的技术路径。在市场竞争的“鲶鱼效应”之下，其他AI模型厂商有望逐步迁移至类GPT的技术路径，投入的算力、人力等资源规模大幅增长，进而推动AI大模型整体的迭代速度加快、应用场景拓宽。 2）功能实现飞跃，推动AI产品层面的“显性化”。具体从功能上来看，ChatGPT在两个层面实现了较大突破：1）通用性：与此前只能应用于特定场景的AI工具不同，ChatGPT能够满足B端企业、C端生活场景中的大多数语言交互需求。2）多模态：在接入GPT-4之后，ChatGPT新增了图片输入的能力，能够识别、分析专业的数据图表和网络梗图，也能基于一张写有需求的图片生成网站源代码。ChatGPT多模态能力的初显，不仅提升了输入内容形式的自由度、提升用户体验；更为语言类大模型打开了“用图像辅助认知世界”的新通路，推动模型认知能力的进一步提升。 3）终局预期提前，推动AGI可见度提升。3月22日微软研究院发布GPT-4测评论文《AGI的火花：GPT-4早期试验》，核心观点为：鉴于GPT-4能力的广度和深度，GPT-4应该被合理视作AGI（通用人工智能）的早期版本。AGI是指具有一般人类智慧，可以执行任何人类智力任务的机器智能。此前，AGI作为人工智能研究领域的远期愿景，预计实现的时间在2050年以后。而继ChatGPT推出之后，AI大模型技术路径的统一、功能上的飞跃，推动AGI终局的可见度提升，落地预期或从2050年大幅提前。 图表3：ChatGPT对于人工智能发展的三层重要意义 因此，从技术角度看，ChatGPT（及其背后的GPT3.5、GPT4模型）在通用性和多模态层面实现飞跃，统一了NLP研究的技术路径，从而使人工智能研究的终局（AGI）预期大幅提前。进而回答本节最初的问题：从技术角度看，ChatGPT毫无疑问是革命性的突破。 1.3ChatGPT核心壁垒：算力、数据和工程能力 ChatGPT的研发主要分为预训练（Pre-train）和精调（Fine-tune）两个环节。 其中：1）预训练：使用无标注、大规模的数据集，对模型进行预训练。2）精调：让模型与专业的标注人员、AI训练师进行交互，推动模型逐步学习人类通用的表达方式和价值观，从而最终生成符合人类期望的回答 。其中又可分为有监督精调（Instr