AI大模型行业深度：行业概述、发展现状、产业链及相关公司深度梳理.pdf

行业|深度|研究报告 2023 年4 月21 日 AI 大模型行业深度：行业概述、发展现状、 行 产业链及相关公司深度梳理 业 研 究 随着深度神经网络的兴起，人工智能进入统计分类深度模型时代，这种模型比以往的模型更加泛化，可 报 以通过提取不同特征值应用于不同场景。但在2018 年-2019 年，双下降现象的发现打破了原有的人工 智能发展格局。简而言之，以往的数学理论表明，随着参数增多、模型增大，过拟合导致模型的误差会 告 先下降后上升，这使得找到精度最高误差最小的点成为模型调整的目标。而随着人工智能算法算力的不 断发展，研究者发现如果继续不设上限的增大模型，模型误差会在升高后第二次降低，并且误差下降会 随着模型的不断增大而降低，通俗而言模型越大，准确率越高。因此人工智能发展进入了大模型时代。 下面我们将主要介绍AI 大模型的概念、优势与技术路线等内容，并针对大模型产业链及国内外相关企 业发布的大模型进行梳理，探讨未来竞争格局，希望对大家了解AI 大模型有所启发。 慧 博 智 目录 能 一、行业概述 2 投 二、大模型方向5 三、国内AI 大模型发展现状及趋势7 研 四、国外大模型9 五、国内大模型18 六、产业链分析28 七、格局展望 34 八、参考研报 34 1/34 行业|深度|研究报告 2023 年4 月21 日 一、行业概述 1、概念 AI 模型最初是针对特定应用场景需求进行训练（即小模型）。小模型的通用性差，换到另一个应用场景 中可能并不适用，需要重新训练，这牵涉到很多调参、调优的工作及成本。同时，由于模型训练需要大 规模的标注数据，在某些应用场景的数据量少，训练出来的模型精度不理想的情况，这使得AI 研发成 本高，效率低的情况。 随着数据，算力及算法的提升，AI 技术也有了变化，从过去的小模型到大模型的兴起。大模型就是 Foundation Model （基础模型），指通过在大规模宽泛的数据上进行训练后能适应一系列下游任务的模 型。大模型兼具“大规模”和“预训练”两种属性，面向实际任务建模前需在海量通用数据上进行预先训练， 能大幅提升人工智能的泛化性、通用性、实用性，是人工智能迈向通用智能的里程碑技术。 大模型的本质依旧是基于统计学的语言模型，“突现能力”赋予其强大的推理能力。通俗来讲，大模型的 工作就是对词语进行概率分布的建模，利用已经说过的话预测下一个词出现的分布概率，而并不是人类 意义上的“理解”。较过往统计模型不同的是，“突现能力”使得大模型拥有类似人类的复杂推理和知识推 理能力，这代表更强的零样本学习能力、更强的泛化能力。 2、大模型具备的优势 2/34 行业|深度|研究报告 2023 年4 月21 日 相比传统AI 模型，大模型的优势体现在于： （1 ）解决AI 过于碎片化和多样化的问题，极大提高模型的泛用性 应对不同