计算机行业投资策略周报：生成式AI产业趋势跟踪指南

计算机 /行业投资策略周报 /2024.01.01 请阅读最后一页的重要声明！ 生成式AI产业趋势跟踪指南 证券研究报告 投资评级:看好(维持) 最近12月市场表现 分析师 杨烨 SAC证书编号：S0160522050001 yangye01@ctsec.com 相关报告 1. 《CES 2024前瞻：All for AI》 2023-12-24 2. 《英特尔推出第五代“至强”处理器，加速AI硬件创新》 2023-12-17 3. 《AI底层硬件加速创新，智能终端或迎百花齐放》 2023-12-10 核心观点 ❖ 基座模型是产业趋势的真正推动者。理解基座模型对于我们理解生成式AI的产业趋势至关重要，从产业跟踪的角度核心关注1）模型扩展性：关注SOTA模型的迭代方向、2）数据扩展性：关注LLMs小型化的进展、3）更好的模型架构：关注Transformer变体/替代品的相关讨论。 ❖ AI Agent是LLM-native应用的角逐方向。LLM-native应用开发的本质是激发LLM面向特定场景的慢思考能力，目前尚处于早期摸索阶段，需要重点跟踪 1）AI Agent平台：关注以GPTs为代表的平台生态进展、2）交互方式转变：关注GUI+NUI对操作系统的创新。 ❖ 多模态是短期边际变化最大的方向。多模态AI无论是底层技术还是商业化落地近期都有加速之势，重点关注 1）技术收敛：关注统一多模态模型、2）创意工具：关注文生图/文生视频的产品迭代、3）具身智能：关注人形机器人的相关进展。 ❖ 投资建议：AI大模型赋能下游应用，C端标准化工具类产品有望率先享受产业红利，建议关注金山办公、万兴科技、美图公司、同花顺、科大讯飞、福昕软件、合合信息（IPO）等。AI硬件创新潮可期，关注边缘端硬件公司传音控股、漫步者、石头科技、九号公司等，以及和芯片厂商合作紧密的赋能型公司如中科创达等，教育垂直领域可能成为落地的先行领域，建议关注佳发教育、鸿合科技等。算力是AI大模型产业化落地的必备环节，建议关注AI服务器相关厂商以及国产AI芯片厂商：海光信息、协创数据、神州数码、浪潮信息、虹软科技、中科曙光、高新发展、优刻得、紫光股份、寒武纪等。 ❖ 风险提示：AI技术迭代不及预期的风险，商业化落地不及预期的风险，政策支持不及预期风险，全球宏观经济风险。 -15%-5%6%17%27%38%计算机沪深300 谨请参阅尾页重要声明及财通证券股票和行业评级标准 2 行业投资策略周报/证券研究报告 1 「基座模型」是产业趋势的真正推动者 ............................................................................................... 4 1.1 模型扩展性：关注SOTA模型的迭代方向 ...................................................................................... 4 1.2 数据扩展性：关注LLMs小型化的进展 .......................................................................................... 6 1.3 更好的模型架构：关注Transformer变体/替代品的相关讨论 ...................................................... 8 2 「AI Agent」是LLM-native应用的角逐方向..................................................................................... 9 2.1 LLM-native应用：激发LLM面向特定场景的慢思考能力 .......................................................... 9 2.2 AI Agent平台：关注以GPTs为代表的平台生态进展 ................................................................. 10 2.3 交互方式转变：关注GUI+NUI对操作系统的创新 ...................................................................... 11 3 「多模态」是短期边际变化最大的方向 ............................................................................................. 12 3.1 技术收敛：关注统一多模态模型 ..................................................................................................... 12 3.2 创意工具：关注文生图/文生视频的产品迭代 ................................................................................ 13 3.3 具身智能：关注人形机器人的相关进展 ......................................................................................... 13 4 投资建议 ................................................................................................................................................. 14 5 风险提示 ................................................................................................................................................. 14 图1. Google推出原生多模态大模型Gemini ............................................................................................... 4 图2. Mixtral 8x7B通过MoE架构获得了可观的性能提升 ........................................................................ 5 图3. 苹果公司联合哥伦比亚大学推出多模态大模型Ferret ..................................................................... 5 图4. Gemini Nano最小能提供1.8B版本的模型 ........................................................................................ 6 图5. Orca模型通过GPT-4生成的高质量逻辑推导数据训练而得 ........................................................... 7 图6. RLAIF与RLHF原理对比 ................................................................................................................... 7 图7. 大语言模型的“不可能三角” ................................................................................................................. 8 图8. FlashAttention原理图 ........................................................................................................................... 8 图9. 基座模型厂商正在加速对上层应用的开拓 ......................................................................................... 9 图10. ChatGPT团队给开发者们的一封信 ................................................................................................ 10 图11. LLM驱动的新型操作系统 ................................................................................................................ 11 图12. Google发布了视频生成领域的统一多模态大模型VideoPoet ...................................................... 12 图13. VideoPoet模型原理图 ....................................................................................................................... 12 内容目录 图表目录 谨请参阅尾页重要声明及财通证券股票和行业评级标准 3 行业投资策略周报/证券研究报告 图14. Midjourney V6 生成雨中的马斯克.................................................................................................. 13 谨请参阅尾页重要声明及财通证券股票和行业评级标准 4 行业投资策略周报/证券研究报告 1 「基座模型」是产业趋势的真正推动者 1.1 模型扩展性：关注SOTA模型的迭代方向 模型规模化的天花板依然是摸着石头过河的实践科学。自GPT-4发布以来，我们再也没有看到LLMs参数量的大幅提升。近期关于MoE架构的讨论又在变多，不可否认MoE架构虽然能带来模型性能的边际提升（如*GPT-4、*Gemini、Mixtral 8x7B），但MoE并不能带来数量级跃迁的有效扩展（解决了整体降本的问题，但没有解决天花板的问题，且对端侧显存占用不友好），行业对大语言模型（LLMs）参数扩展性的天花板的依然存疑。 Gemini实则是对Scaling law是否还成立的再一次回应。在GPT-5发布前，Gemini是唯一同级别参数量的GPT-4对标品，其扩展的方式是通过增加语言文本外的其他模态数据（图片、视频、音频）去扩展模型的参数量/数据量。因此，2024年初上线的Gemini Ultra性能提升幅度对Scaling law是否继续成立的判断至关重要。 海外基座模型的角逐在2024年势必是