ChatGPT-百度文心一言畅想AIGC行业深度报告.pptxVIP

ChatGPT:百度文心一言畅想

AIGC行业深度报告;

目录

01国产ChatGPT扬帆启航

02百度文心一言，开启国产ChatGPT新征程

03投资建议:梳理AIGC相关受益厂商

;

01国产“ChatGPT”扬帆启航;

令ChatGPT，AI的旷世之作，持续引爆市场:是OpenAI于2022年11月推出的聊天机器人，由于其功能强大，例如实现文章创作、代码创作、回答问题等功能，我们认为其具有跨时代的意义，例如实现勒“模糊搜索”到“精准推送”的跨越，因此持续引爆市场。

令ChatGPT为AI接口收费，我国需自主可控:OpenAI(ChatGPT母公司)的商业模式为API接口收费，客户可以通过接入OpenAI的API接口获取获取相关图像、语言、代码调整服务，我们认为此种商业模式具有“卡脖子”的风险，一旦海外禁止API接口权限，会对我国AIGC生态造成严重影响，因此我国需要发展自主可控的“ChatGPT”。

令国产生态正在逐步繁荣，百度打响“ChatGPT”领域“第一枪”：百度是少有预训练模型(大模型)语言训练能力的公司,其在算法、算力、数据、生态、平台五方面皆有储备，根据百度官方公众号，百度计划于2023年3月16日在北京总部召开新闻发布会，围绕国产版ChatGPT文心一言，我们认为此举正式意味着我国自主可控的“ChatGPT”即将问世。;

令大模型的是人工智能发展的必然趋势:大模型即“大算力+强算法”结合的产物。大模型通常是在大规模无标注数据上进行训练，学习出一种特征和规则。基于大模型进行应用开发时，将大模型进行微调，如在下游特定任务上的小规模有标注数据进行二次训练，或者不进行微调，就可以完成多个应用场景的任务。

令大模型是辅助式人工智能向通用性人工智能转变的坚实底座:大模型增强了人工智能的泛化性、通用性，生产水平得到质的飞跃，过去分散化模型研发下，单一AI应用场景需要多个模型支撑，每个模型需要算法开发、数据处理、模型训练、参数调优等过程。大模型实现了标准化AI研发范式，即简单方式规模化生产，具有“预训练+精调”等功能，显著降低AI开发门槛，即“低成本”和“高效率”。

令数据、平台、算力是打造大模型生态的必备基础:数据是训练??模型参数的必备，我们认为可以理解成“燃料”；算力是训练大模型的底层动力源泉，一个优秀的算力底座在大模型(AI算法)的训练和推理具备效率优势；平台是大模型和算力之间的“桥梁”，可针对不同的模型和硬件，实现资源的合理分配，达到软硬件的最优组合，从而大幅提升训练模型的效率。;

令大模型带来的AI技术与应用变革潜能被广泛验证，可以分为四类，分别是NLP(自然语言处理)、CV(计算机视觉)、多模态和科学计算。

NLP:近年来，随着预训练技术(大模型)、算力提升以及NLP海量数据和任务特性，大模型预训练在该领域取得显著突破，2018年，随着

BERT(谷歌)的诞生，是利用海量无标注文本的监督学习，已经刷新多个AI权威技术榜单，3亿参数的BERT模型在权威GLUE的11任务刷新纪录，基准值推至80.4%，绝对值提升7.6个点。

CV:目前，主要以卷积神经网络(CNN)和Transformer为支撑的计算机大模型快速发展，比如，2021年的150亿参数的V-MoE推出，在

ImageNET准率高达90.35%，此外，国内厂商也逐渐发力，盘古CV大模型可提供OCR文字识别，并在多个场景落地。

多模态:大模型技术推动多模态模型不断迭代升级，比如阿里大模型M6，模型参数10万亿级别，持续拓宽大模型应用广度，覆??电商、

智能交互等场景，此外，OpenAI的CLIP(文本图像匹配)以及DALL·E2(文生图)持续落地。

科学计算:AI+科学计算持续引发大变革，比如生物制药、气象预报、地震探查、材料等领域，例如Deep-Mind推出的AlphaFold2能够覆

盖98.5%的人类蛋白质组，并对20种其他生物蛋白结构进行预测。;

厂商;

02百度文心一言，开启国产ChatGPT新征程;

令百度是少有大模型语言训练能力的公司:其文心大模型和OpenAI的GPT模型类似，在2019年就已经推出，并且已经迭代了多代，从单一的自然语言理解延伸到多模态，包括视觉、文档、文图、语音等多模态多功能，因此“文心一言”所基于的ERNIE系列模型也已经具备较强泛化能力和性能。

令我们认为百度作为国产ChatGPT“领军企业”，符合数据、平台、算力、大模型、生态多重要素需求:算力方面，百度拥有自主生态的

算力底座，比如百度