《计算机行业AI应用：从落地范式与护城河构建潜析AI应用投资机会-240510（24页）.pdf》由会员分享，可在线阅读，更多相关《计算机行业AI应用：从落地范式与护城河构建潜析AI应用投资机会-240510（24页）.pdf（24页珍藏版）》请在三个皮匠报告上搜索。

1、AI应用：从落地范式与护城河构建潜析AI应用投资机会长江证券研究所计算机研究小组2024-05-10%1分析师宗建树分析师范超SAC执业证书编号：S0490520030004SAC执业证书编号：S0490513080001SFC执业证书编号：BQK473分析师及联系人证券研究报告评级看好维拟 证券研究报告%29WeZcWcWeZ8XeUeU7NcM9PtRoOnPsOfQrRrMeRqRtP8OpPyRMYmRvNxNmRnR01AI时代应用奇点型落地范式02模型即应用时代，应用端如何构建护城河03AI应用投资思考目 录%301AI时代应用奇点型落地范式%4AI本质是生产力技术，应用侧为奇点落

2、地范式 AI本质是生产力技术革命，核心是替代甚至超越人工AI本质是生产力革命，核心是对人工的替代，AI应用落地会分为辅助人工、替代人工、超越人工三个阶段。01AI应用落地三个阶段AI大模型助力软件开发生产力大幅提升资料来源：海外独角兽公众号，长江证券研究所Dummy Title3Dummy Title2Dummy Title1Keyword1.规则和流程由AI去制定；2.AI能力超越最专业的人员。超越人工1.场景中80%以上的任务可以用AI替代；2.除了少数顶尖专家其余工作均可以由AI完成。替代人工1.规则和决策由人去制定，AI解决一些固定流程；2.核心流程由人定义。辅助人工巴巴基基斯斯坦坦H

3、amind德德国国Alex编编程程经经验验4年19年1周周后后完成95%MVP完成7%MVP完完成成时时间间2周10周成成本本GPT-4：211美元Copilot：20美元Bubble：134美元周薪酬：2460美元开发：45000美元测试：11000美元托管：20美元%5AI应用落地需要考虑成本和泛用性困境01资料来源：长江证券研究所。人工智能发展的首要压制因素是相对成本，技术突破的本质是泛用性的提升。对于ToC场景来说，如何能够更加拟人/类人化灵活陪伴/提升效率是关键；对于ToB场景来说，如何让企业衡量相对成本，定量衡量提升效率情况，认为值是关键人工智能公司发展面临的一大难点是盈利能力较弱

4、，主要系：成本端人员成本、研发投入无法在细分场景中共摊，导致成本居高不下；收入端客户为技术付费意愿较低，投资回报率低。成本的相对高昂导致客户无法坚定使用相关技术及产品提升企业或个人效率，同时技术提效的有限性导致客户付费意愿较低。大模型的出现提升了而模型底座的复用性，有望实现规模化落地分摊。另一方面，应用端企业进入壁垒大幅下降，如何凭借数据和场景Knowhow构建公司自身不可替代的壁垒，成为重中之重。一张图看人工智能技术商业化落地本质人工智能技术商业化落地本质需求侧可接受的成本（低成本）靠技术突破泛化程度提升，实现规模化落地分摊靠供给侧技术突破降本（比较困难）单一大场景碎片化场景基础资源%6大模

5、型出现有望改变核心矛盾：成本和生产力02 AI研发范式发生变化，泛用性提升，平摊底座成本：（1）第一阶段范式：从头开始训练模型AI应用企业做大需要=海量数据（各行各业）+大算力基础+AI人才团队，无法产生规模效应（2）第二阶段范式：预训练+微调训练的迁移学习从相似性出发，寻找部分领域共性，迁移学习实现基座部分领域重复利用，AI应用企业做大需要=海量数据（部分行业）+一定算力基础+AI人才团队（3）第三阶段范式：基础大模型+提示学习基座模型能力得到绝对突破，走向AGI，通过应用提示实现差别，AI应用企业做大只需了解产业专属prompt资料来源：北京智源人工智能研究院，文汇报社，长江证券研究所。A

6、I研发范式的改变主要来源于新技术的突破，核心目的是实现基座模型标准化和泛化后的降本，从而实现商业化落地%701供给驱动需求，驱动横纵两向不断进步，场景能力有望突破 Transform框架大力出奇迹的成功是本轮AI大模型革命的起源，其带来的影响主要是两个方面 Scalling Law：1）规模越大能力提升斜率越高；2）参数到一定量级会涌现出新能力产生质变；通往AGI的路径：Transform架构已经在文本（语言类）跑通，后续会在图像、视频甚至执行侧复现逐渐通往AGI。Scalling Law不断在其他领域复现推动AGI实现Transform出现涌现效应资料来源：Emergent Abilitie

7、s of Large Language ModelsWei et al.，长江证券研究所。%8奇点型落地范式造就非线性爆发 AI应用落地遵循奇点型非线性爆发 一次奇点：新技术在现有场景落地，并对传统AI技术进行颠覆，吞噬原有市场的同时带动扩容；二次奇点：细分场景实现人工替代，供需构建飞轮效应，场景迎来二次爆发性扩容；三次奇点：实现对人类全面超越，场景迎来全面重构。01KeywordTextKeywordTextKeywordTextKeywordText奇点1一 技术全面替代；迭代加速；市场扩容奇点2 全面人工替代；供需飞轮二次付费爆发；奇点3 全面超越人类；场景价值链条重构资料来源：长江证券

8、研究所%9案例：从智能驾驶发展看AI应用奇点落地 深度学习技术提升图像识别率拉开智能驾驶的序幕，成为智驾发展一次奇点：新技术在现有场景落地，并对传统AI技术进行颠覆，吞噬原有市场的同时带动扩容；深度学习是计算机从数据中提取决策依据的一个过程。与传统的基于算法的系统相比，其最大的不同在于给定模型之后，深度学习系统可以自动地学习如何完成给定的任务，这些任务不仅可以是识别图像和语音，甚至可以是控制无人机执行任务或是让汽车自动行驶。近年来深度学习进展的一个直观的体现就是ImageNet竞赛。在这个竞赛中参赛算法在数千图像和视频的大规模数据上测试检测和分类的正确率。2012年之前，竞赛中物体的识别率一直

9、提升得非常缓慢（低于70%）。在2012年引入深度学习之后，识别率一跃升至80%，现在已超过95%。深度学习已经取代了传统视觉方法在这一竞赛中的地位。01ImageNet识别率大幅提升资料来源：新智元，英伟辛，亿欧智库，长江证券研究所智驾能力发展与感知算法能力提升呈现正相关%10案例：从智能驾驶发展看AI应用奇点落地 数据上云，云端与大模型结合形成数据闭环，成为智驾发展二次奇点：细分场景实现人工替代，供需构建飞轮效应，场景迎来二次爆发性扩容；若要建立一套智驾大模型，就必须要先做好数据闭环，其原因是智驾大模型需要大规模多模态数据，并且对数据处理的算力需求和模型计算效率要求也较高。数据闭环并不是一

10、个较新的概念，早期自动驾驶产业已经开始出现了数据闭环的概念，但痛点在于低效率和高成本，比如数据标注多采用人工标注为主，在如今AI技术的加持下，数据闭环中的一些环节可以实现全自动或者半自动化的工作，使得整体的效率大幅提升、成本下降。01资料来源：亿欧智库，长江证券研究所自动驾驶数据闭环图示自动驾驶数据闭环发展历程%11案例：从智能驾驶发展看AI应用奇点落地 数据上云，云端与大模型结合形成数据闭环，成为智驾发展二次奇点：细分场景实现人工替代，供需构建飞轮效应，场景迎来二次爆发性扩容；以此为基础，目前以特斯拉为代表的智能汽车厂商已在云端运用大模型Transformer架构将数据与场景跑通，诞生自动数

11、据标注工具、仿真场景，然后利用云端模型优化车端模型。后又提出端到端概念，车端基于Transformer架构带来的scaling law效应有望出现。Tesla 已使用 tranformer 将不同视角的图像转换至 BEV 空间下，再在 BEV 空间进行物体检测。01资料来源：BEVFormer:Learning Birds-Eye-View Representation from Multi-Camera Images via Spatiotemporal TransformersZhiqi Li等著，亿欧智库，长江证券研究所端侧率先在感知算法进行Transformer架构结合，对于空间、时序

12、特征考虑在内数据和AI驱动的端到端模型有望实现真正的自动驾驶%1202模型即应用时代，应用端如何构建护城河%13AI应用与传统应用的差异：如何解决不确定性 不确定性何解：与传统用用相比，AI应用的核心问题是要面对不确定性，产品是概率分布的，因此产品的迭代流程也需要发生变化。商业化奇点较晚：与过去的技术革命相比，AI的商业化奇点的到来较此前互联网等技术革命更晚，因为AI应用是替代关系，需要至少做到人类智慧的水平才具备商业化价值。02AI应用的核心问题是要面对不确定性使用价值技术成熟度互联网等技术革命AI人猫猩猩脑残蚂蚁AI应用的商业化奇点显著晚于传统应用互联网等技术革命100%确定性传统应用确定

13、性不确定性AI应用收敛过的确定的部分可以回归传统方法去迭代优化不确定的部分则需要继续不受约束地探索传统方法正常迭代AI应用/产品的关注重点可能是准确性、可靠性、响应速度、用户体验的愉悦度，以及不断更新优化Perplexity AI可能的AI应用迭代路径传统AI应用AI CopilotAI Agent 举例：图像人脸识别、搜索推荐等 角色：AI能力通常是作为独立组件或API服务，执行特定的单一的AI任务 效果：增强特定环节的智能化水平 举例：Word、WPS、编程IDE等软件中的Copilot 角色：理解用户意图和上下文，提供个性化辅助理解用户意图和上下文，提供个性化辅助 效果：提供实时的、上下

14、文相关的帮助，可覆盖多个环节工作链路 举例：未来更成熟的AI形态 角色：能够感知环境、进行复杂决策并执行动作 效果：拓有更强大的自主性和能力资料来源：海外独角兽公众号，长江证券研究所%14大模型时代，模型能力与数据是核心壁垒 在大模型时代，我们认为模型能力与数据是核心壁垒。模型能力决定产品上线，而数据壁垒定义产品的安全区。02模型能力决定产品“上限”数据的壁垒定义产品“安全区”训练数据外接数据库用户反馈数据大模型的知识/数据主要来源飞轮效应核心是构建交互场景，比如能被高频使用的C端应用核心/壁垒用户数据的scaling会在未来带来类似互联网的飞轮效应模型拟续迭代，数据瓶颈问题日益显著解决方案合

15、成数据技术推进产品搭建通过算法和数据模型创建合成数据进行训练合成数据的优势：1）提高模型的性能和泛化能力；2）针对某一领域的能力加强训练，允许大模型搭建自己的“安全区”。GPT-1采用12层Transfomer，每层12个注意头在GPT-1的基础上，GPT-2做了以下改进：GPT-2有48层，使用1600维向量进行词嵌入将层归一化移动到每个子块的输入，并在最终的自注意块后增加一层归化修改初始化的残差层权重，缩放为原来的1/N。其中N是残差层的数量特征向量维数从768扩展到1600，词表扩大到50257在GPT-2的基础上，GPT-3做了以下忧化：GPT-3有96层，每层有96个注意头GPT-3

16、的单词嵌入大小从GPT-2的1600增加到12888上下文窗口大小从GPT-2的1024增加到GPT-3的2048采用交替密度和局部带状稀蔬注意模式ChatGPT基于GPT-3.5架构，并做以下优化：使用来自人类反馈的强化学习进行训练通过近端策略优化算法进行微调、为信任域策略优化算法带来了成本效益展望G GP PT T5 51）物理核心降低幻视2）Qstar机器人提升复杂任务处理3）原生多模态AI的本质是模拟人接收信息再反馈的过程，过去大模型主要解决文孒统一输入，多模态出现AI开始睁眼看世界，随着大模型架构逐渐完善，AI将逐渐能听会说，具备理解世界的能力。图：GPT的迭代历程资料来源：中国科学

17、报，36氪，前海再保科技公众号，计算机教育公众号，腾讯云CloudStudio公众号，新智元公众号，BusinessInsider，TheAIGRID，长江证券研究所%15视频、代码等模型即应用将会是通用大模型厂商的射程范围 视频：通往AGI的路径方向上，大模型的迭代会逐步从早期各个模态的独立发展逐步转向多模态的融合，这样的演进即代表着视频应用未来将在通用大模型厂商的射程范围之内。代码：随着通用大模型遵循scaling law不断进化，智能化的提升会自然带动代码能力的增强。02多模理解多模生成GPT-4VDALLE3,Sora多模态模型统一理解和生成GPT-5？语言模型视觉模型声音模型GPT-

18、4Whisper世界模型AGIQ*超级对齐System2：复杂任务规划，抽象概念归纳具身智能环境交互figure.ai通往AGI的路径方向早期阶段各个模态独立发展当前阶段多模态融合：模态融合&任务融合未来阶段主动探索物理世界模型能力资料来源：长江证券研究所%16海外大模型偏向基座，国内更容易衍生垂直一体化厂商02海外大模型厂商具备较明显优势，更适合发展基座模型国内AI发展基础并不差，容易衍生垂直一体化厂商1）海外大模型厂商具备较明显的先发优势：海外大模型积累多年，截至2023年开闭源模型都已经有头部公司发力。相较之下，国内起步较晚，且算力被卡脖子，因此模型突破极度依赖战略突破。2）海外算力和模

19、型能构成比较好的正向循环。3）海外融资环境海外更好，支付能力更强。4）海外人力成本更高，因此AI深化落地的速度也会更快。图：海外开闭源大模型梳理国内AI基础其实并不差：1）并不缺少顶级人才；2）庞大的落地市场；3）政府高度重视。在以上的发展生态上，除去在基座模型的持续追赶方面，国内亦更容易借助市场的优势，在特定的行业和赛道中衍生出垂直一体化厂商在特定领域划出安全区，或针对特定的能力加以增强。从今年一月份第四批通过备案的企业名单看，除去传统的大模型厂商看，亦开始有垂直领域的企业、针对特定的功能获批。在众多可能的落地领域中，数据敏感型场景（如自动驾驶）更有望诞生垂直一体化厂商。资料来源：期刊论文H

20、arnessing the Power of LLMs in Practice:A Survey on ChatGPT and Beyond，中国网信网，长江证券研究所批次公司大模型/产品第一批百度文心一言阿里通义大模型腾讯混元大模型抖音云雀大模型华为盘古讯飞星火大模型智谱AIGLM大模型百川智能百川大模型商汤日日新大模型MiniMaxABAB大模型中科院紫东太初大模型上海人工智能实验室书生通用大模型第四批零一万物零一万物大模型第四范式式说大模型衔远科技品商大模型摹小仙大模型识因智能一叶轻舟大模型新壹科技新壹视频大模型创思远辛魔方大模型步刻科技微步情报智脑大模型BOSS直聘南北阁大模型智联招聘

21、“AI改简历”新功能脉脉“智能问答”新功能小米“小爱同学AI助手”新功能什么值得买AI问答机器人掌阅“阅爱聊”微信小程序表：新一批通过大模型备案审批的企业名单（仅展示第一批与第四批）%1703AI应用投资思考%18把握AI应用一次奇点爆发AI+视频、具身智能 随着AI模型能力的提升以及产业对AI接受度的提高，预计AI将在更多更复杂的产品完成0到1的变革，重点关注具身智能、AI+视频等赛道。01本轮大模型技术进步大幅度提高了机器人感知、决策、控制系统的技术供给，在降低软件开发门槛的同时拓宽了机器人的应用场景，有望驱动机器人真正实现具身智能。而具身智能机器人作为自洽的智能体，在思维方式、行为模式方

22、面高度拟人，可以在绝大部分劳动作业场景替代人类，有望极大限度地解放生产力、重构生产力范式。未来重点关注三条主线：1）人形机器人零部件标的；2）智能驾驶相关标的；3）大模型算法、算力芯片标的。AI 对视频制作的改造可以简单分为三类：视频生成（Text-to-Generate）、AI 视频编辑（AI Editor）以及数孒人（Avator），后两者从视频编辑切入，用 AI 提效，而视频生成意味着内容创作的极度民主化，有机会彻底改造传统工作流，也最让我们感到兴奋。技术视角下，相对于文本、代码和图片生成，视频生成（Text-to-Video）也一直被认为是 AIGC 的“高地”，面临庞大的计算需求、高

23、质量数据集短缺、可控性等挑战。具身智能高智能性高泛用性重塑生产力范式提升劳动力供给长尾制造、柔性制造特种场景应用具身智能的本质是人工智能的高技术供给驱动生产力范式重构伴随Sora的商业化，AI+视频领域或将在今年迎来奇点爆发大语言模型文生图文生视频文生3D3D从单纯的文字到图像，再到视频，未来到3D3D对单一模型拟续s sc ca al le e u up pG GP PT TG GP PT T-4 4D DE EL LL L-E ES SO OR RA A？怼参数、数据、算力资料来源：长江证券研究所%19把握AI应用二次奇点爆发智能驾驶 智能驾驶逐步进入数据+AI驱动的时代，大模型有望助力二

24、次奇点、三次奇点大幅爆发。01资料来源：毫末智行，长江证券研究所%20把握AI应用二次奇点爆发AI+教育 大模型引领交互变革，AI赋能教育进入深水区，二次奇点爆发可期03资料来源：长江证券研究所%21风险提示1、AI技术发展不及预期；2、AI模型下游需求不及预期。风险提示%22评级说明行业评级报告发布日后的12个月内行业股票指数的涨跌幅度相对同期相关证券市场代表性指数的涨跌幅为基准，投资建议的评级标准为：看好：相对表现优于同期相关证券市场代表性指数中性：相对表现与同期相关证券市场代表性指数持平看淡：相对表现弱于同期相关证券市场代表性指数公司评级报告发布日后的12个月内公司的涨跌幅相对同期相关证

25、券市场代表性指数的涨跌幅为基准，投资建议的评级标准为：买入：相对同期相关证券市场代表性指数涨幅大于10%增拟：相对同期相关证券市场代表性指数涨幅在5%10%之间中性：相对同期相关证券市场代表性指数涨幅在-5%5%之间减拟：相对同期相关证券市场代表性指数涨幅小于-5%无投资评级：由于我们无法获取必要的资料，或者公司面临无法预见结果的重大不确定性事件，或者其他原因，致使我们无法给出明确的投资评级。相关证券市场代表性拡数说明：A股市场以沪深300指数为基准；新三板市场以三板成指（针对协议转让标的）或三板做市指数（针对做市转让标的）为基准；香港市场以恒生指数为基准。评级说明%24分析师声明、法律主体声

26、明及其他声明其他声明本报告并非针对或意图发送、发布给在当地法律或监管规则下不允许该报告发送、发布的人员。本公司不会因接收人收到本报告而视其为客户。本报告的信息均来源于公开资料，本公司对这些信息的准确性和完整性不作任何保证，也不保证所包含信息和建议不发生任何变更。本报告内容的全部或部分均不构成投资建议。本报告所包含的观点、建议并未考虑报告接收人在财务状况、投资目的、风险偏好等方面的具体情况，报告接收者应当独立评估本报告所含信息，基于自身投资目标、需求、市场机会、风险及其他因素自主做出决策并自行承担投资风险。本公司已力求报告内容的客观、公正，但文中的观点、结论和建议仅供参考，不包含作者对证券价格涨

27、跌或市场走势的确定性判断。报告中的信息或意见并不构成所述证券的买卖出价或征价，投资者据此做出的任何投资决策与本公司和作者无关。本研究报告并不构成本公司对购入、购买或认购证券的邀请或要约。本公司有可能会与本报告涉及的公司进行投资银行业务或投资服务等其他业务(例如:配售代理、牵头经办人、保荐人、承销商或自营投资)。本报告所包含的观点及建议不适用于所有投资者，且并未考虑个别客户的特殊情况、目标或需要，不应被视为对特定客户关于特定证券或金融工具的建议或策略。投资者不应以本报告取代其独立判断或仅依据本报告做出决策，并在需要时咨询专业意见。本报告所载的资料、意见及推测仅反映本公司于发布本报告当日的判断，本

28、报告所指的证券或投资标的的价格、价值及投资收入可升可跌，过往表现不应作为日后的表现依据；在不同时期，本公司可以发出其他与本报告所载信息不一致及有不同结论的报告；本报告所反映研究人员的不同观点、见解及分析方法，并不代表本公司或其他附属机构的立场；本公司不保证本报告所含信息保持在最新状态。同时，本公司对本报告所含信息可在不发出通知的情形下做出修改，投资者应当自行关注相应的更新或修改。本公司及作者在自身所知情范围内，与本报告中所评价或推荐的证券不孓在法律法规要求披露或采取限制、静默措施的利益冲突。本报告版权仅为本公司所有，本报告仅供意向收件人使用。未经书面许可，任何机构和个人不得以任何形式翻版、复制

29、和发布给其他机构及/或人士（无论整份和部分）。如引用须注明出处为本公司研究所，且不得对本报告进行有悖原意的引用、删节和修改。刊载或者转发本证券研究报告或者摘要的，应当注明本报告的发布人和发布日期，提示使用证券研究报告的风险。本公司不为转发人及/或其客户因使用本报告或报告载明的内容产生的直接或间接损失承担任何责任。未经授权刊载或者转发本报告的，本公司将保留向其追究法律责任的权利。本公司保留一切权利。分析师声明本报告署名分析师以勤勉的职业态度，独立、客观地出具本报告。分析逻辑基于作者的职业理解，本报告清晰准确地反映了作者的研究观点。作者所得报酬的任何部分不曾与，不与，也不将与本报告中的具体推荐意见

30、或观点而有直接或间接联系，特此声明。法律主体声明本报告由长江证券股份有限公司及/或其附属机构（以下简称长江证券或本公司）制作，由长江证券股份有限公司在中华人民共和国大陆地区发行。长江证券股份有限公司具有中国证监会许可的投资咨询业务资格，经营证券业务许可证编号为：10060000。本报告署名分析师所持中国证券业协会授予的证券投资咨询执业资格书编号已披露在报告上海品茶的作者姓名旁。在遵守适用的法律法规情况下，本报告亦可能由长江证券经纪（香港）有限公司在香港地区发行。长江证券经纪（香港）有限公司具有香港证券及期货事务监察委员会核准的“就证券提供意见”业务资格（第四类牌照的受监管活动），中央编号为：AXY608。本报告作者所持香港证监会牌照的中央编号已披露在报告上海品茶的作者姓名旁。%25