谷歌推出PaLM-E，大模型向机器人控制领域迈进。3月6日，谷歌和柏林工业大学的研究团队推出了目前报道的最大的视觉语言模型——PaLM-E（PathwaysLanguage Model with Embodied），参数量高达5620亿。PaLM-E是PaLM-540B语言模型与ViT-22B视觉Transformer模型的结合，它被称为“PaLM-E”是因为它基于谷歌现有的“PaLM”大语言模型，并使其具体化（Embodied）。PaLM-E会进行连续观察，例如图像信息或传感器数据，并将它们编码为一系列与语言标记大小相同的向量。这允许模型以与处理语言相同的方式“理解”感官信息。PaLM-E是一个仅有解码器的大型语言模型（LLM），在给定前缀或提示下，能够以自回归方式生成文本补全。作为一种多模态具身视觉语言模型，PaLM-E不仅可以理解图像，还能理解、生成语言，执行各种复杂的机器人指令而无需重新训练。当得到一个高级命令，如“把抽屉里的米片拿给我”，PaLM-E可以为带有手臂的移动机器人平台生成一个行动计划，并自行执行这些行动，PaLM-E通过分析来自机器人摄像头的数据来实现这一目标。另外，PaLM-E能表现出“正向转移”的特点，这意味着PaLM-E可以将从一个任务中学到的知识和技能转移到另一个任务中，相较单任务机器人模型能有更好的表现。根据微软官网，其研究团队也在推动将ChatGPT的功能扩展到机器人，并通过语言直观地控制多个平台，如机器人手臂、无人机和家庭助理机器人；Sai Vemprala等发布论文ChatGPT forRobotics: Design Principles and Model Abilities，介绍了关于ChatGPT用于机器人应用的实验研究。
　　微软推出多模态AI模型Kosmos-1，Meta也官宣大模型LLaMA。近期，微软推出了全能型人工智能模型——Kosmos-1。与局限于文本内容（LLM）的ChatGPT相比，Kosmos-1属于多模态大型语言模型（MLLM），目前能同时理解文字与图像内容。微软也于3月8日提出了Visual ChatGPT，其包含不同的视觉基础模型，可以使用户通过以下方式与ChatGPT互动：（1）不仅发送和接收语言，而且发送和接收图像；（2）提供复杂的视觉问题或视觉编辑指令，这需要多个人工智能模型的协作和多步骤；（3）提供反馈并要求纠正结果。近日，Meta公司也发布了全新的人工智能大型语言模型LLaMA，加入微软、谷歌等公司的AI竞赛。LLaMA的参数范围为从70亿至650亿，并经过了数万亿个tokens的训练。在仅拥有十分之一参数的情况下，LLaMA-13B在大多基准测试中优于GPT-3（175B）；并且，LLaMA-65B相比于业内领先的Chinchilla-70B和PaLM-540B也具有竞争力。Meta在论文LLaMA: Open and Efficient FoundationLanguage Models中表示，计划将所有的研究社区开源LLaMA模型系列，并且计划在未来发布在更大的预训练语料库上训练的更大模型。我们认为，伴随众多顶尖科技公司入场AI大模型领域，行业有望在竞争中持续发展，MaaS模型即服务有望日渐成为趋势。
　　GPT-4即将发布，多模态大模型成为趋势和重要方向。根据德国媒体Heise，在3月9日其参加的一场名为“ AI in Focus - Digital Kickoff ”的活动中，微软德国CTOAndreas Braun表示GPT-4将在下周正式推出，而且GPT-4将是多模态的，这将提供完全不同的可能性，例如视频等。除此之外，Andreas Braun还指出GPT-4将是一个“改变游戏规则”的技术，因为“他们教机器理解自然语言，然后以统计的方式理解以前只能被人类阅读和理解的内容”。与此同时，GPT-4已基本“适用于所有语言”，例如可以用德语提问并得到意大利语的回答。AndreasBraun认为，通过多模态，微软（OpenAI）将“使模型全面化”。同一活动中，微软德国首席执行官Marianne Janik还谈到了人工智能对企业带来的颠覆性影响。她将当前的人工智能发展和ChatGPT的出现比作“iPhone时刻”，并说道（新“技术）不是要替代我们的工作，而是在以不同于以往的方式去完成重复性的任务。”我们认为，多模态大模型大大扩展了AI落地的场景与可能，AIGC有望覆盖文字、图像乃至视频。从谷歌的PaLM-E和微软的Kosmos-1这两款多模态的大模型就能看出，目前多模态大模型已经成为整个AI大模型发展的趋势和重要方向，随着GPT-4的发布，我们判断AI行业的发展有望进入一个全新阶段。
　　建议关注：商汤-W，云从科技-UW，科大讯飞，格灵深瞳。
　　风险提示：AI技术发展不及预期。

研究报告全文：TableMainInfo行业研究信息服务证券研究报告行业周报2023年03月12日TableInvestInfo投资评级优于大市维持计算机行业跟踪周报299期MaaS模型市场表现即服务日渐趋势TableSummaryTableQuoteInfo投资要点704信息服务海通综指092谷歌推出PaLM-E大模型向机器人控制领域迈进3月6日谷歌和柏林工业大学的研究团队推出了目前报道的最大的视觉语言模型PaLM-EPathways-519LanguageModelwithEmbodied参数量高达5620亿PaLM-E是PaLM-540B-1130语言模型与ViT-22B视觉Transformer模型的结合它被称为PaLM-E是因为它基于谷歌现有的大语言模型并使其具体化-1741PaLMEmbodiedPaLM-E会进行连续观察例如图像信息或传感器数据并将它们编码为一系列与语言标-2352记大小相同的向量这允许模型以与处理语言相同的方式理解感官信息202232022620229202212PaLM-E是一个仅有解码器的大型语言模型LLM在给定前缀或提示下能够资料来源海通证券研究所以自回归方式生成文本补全作为一种多模态具身视觉语言模型PaLM-E不仅可以理解图像还能理解生成语言执行各种复杂的机器人指令而无需重新训相关研究练当得到一个高级命令如把抽屉里的米片拿给我PaLM-E可以为带有手TableReportInfo国家数据局成立科学技术部重组自臂的移动机器人平台生成一个行动计划并自行执行这些行动PaLM-E通过分主可控仍受到高度重视20230307析来自机器人摄像头的数据来实现这一目标另外PaLM-E能表现出正向转2023年政府工作报告发布推进关键移的特点这意味着PaLM-E可以将从一个任务中学到的知识和技能转移到另核心技术攻关加快建设现代化产业体一个任务中相较单任务机器人模型能有更好的表现根据微软官网其研究团系20230307队也在推动将ChatGPT的功能扩展到机器人并通过语言直观地控制多个平台私有云将成为AI大模型算力主流布局如机器人手臂无人机和家庭助理机器人SaiVemprala等发布论文ChatGPTfor20230307RoboticsDesignPrinciplesandModelAbilities介绍了关于ChatGPT用于机器人应用的实验研究微软推出多模态AI模型Kosmos-1Meta也官宣大模型LLaMA近期微软推出了全能型人工智能模型Kosmos-1与局限于文本内容LLM的相比属于多模态大型语言模型目前能同时理TableAuthorInfoChatGPTKosmos-1MLLM解文字与图像内容微软也于3月8日提出了VisualChatGPT其包含不同的分析师郑宏达视觉基础模型可以使用户通过以下方式与ChatGPT互动1不仅发送和接Tel02123219392收语言而且发送和接收图像2提供复杂的视觉问题或视觉编辑指令这需Emailzhd10834haitongcom要多个人工智能模型的协作和多步骤3提供反馈并要求纠正结果近日Meta证书S0850516050002公司也发布了全新的人工智能大型语言模型LLaMA加入微软谷歌等公司的分析师洪琳AI竞赛LLaMA的参数范围为从70亿至650亿并经过了数万亿个tokens的训练在仅拥有十分之一参数的情况下LLaMA-13B在大多基准测试中优于Tel02123154137GPT-3175B并且LLaMA-65B相比于业内领先的Chinchilla-70B和Emailhl11570haitongcomPaLM-540B也具有竞争力Meta在论文LLaMAOpenandEfficientFoundation证书S0850519050002LanguageModels中表示计划将所有的研究社区开源LLaMA模型系列并且分析师杨林计划在未来发布在更大的预训练语料库上训练的更大模型我们认为伴随众多Tel02123154174顶尖科技公司入场AI大模型领域行业有望在竞争中持续发展MaaS模型即服务有望日渐成为趋势Emailyl11036haitongcom即将发布多模态大模型成为趋势和重要方向根据德国媒体在证书S0850517080008GPT-4Heise3月9日其参加的一场名为AIinFocus-DigitalKickoff的活动中微软德国联系人杨昊翊CTOAndreasBraun表示GPT-4将在下周正式推出而且GPT-4将是多模态的Emailyhy15080haitongcom这将提供完全不同的可能性例如视频等除此之外AndreasBraun还指出GPT-4将是一个改变游戏规则的技术因为他们教机器理解自然语言然后以统计的方式理解以前只能被人类阅读和理解的内容与此同时GPT-4已基本适用于所有语言例如可以用德语提问并得到意大利语的回答AndreasBraun认为通过多模态微软OpenAI将使模型全面化同一活动中微软德国首席执行官MarianneJanik还谈到了人工智能对企业带来的颠覆性影响她将当前的人工智能发展和ChatGPT的出现比作iPhone时刻并说道新技术不是要替代我们的工作而是在以不同于以往的方式去完成重复性的任务我们认为多模态大模型大大扩展了AI落地的场景与可能AIGC有望覆盖文字图像乃至视频从谷歌的PaLM-E和微软的Kosmos-1这两款多模态的大模型就能看出目前多模态大模型已经成为整个AI大模型发展的趋势和重要方向随着GPT-4的发布我们判断AI行业的发展有望进入一个全新阶段建议关注商汤-W云从科技-UW科大讯飞格灵深瞳风险提示AI技术发展不及预期请务必阅读正文之后的信息披露和法律声明行业研究信息服务行业2信息披露分析师声明Table郑宏达Analyst计算机行业s电子行业洪琳计算机行业杨林计算机行业本人具有中国证券业协会授予的证券投资咨询执业资格以勤勉的职业态度独立客观地出具本报告本报告所采用的数据和信息均来自市场公开信息本人不保证该等信息的准确性或完整性分析逻辑基于作者的职业理解清晰准确地反映了作者的研究观点结论不受任何第三方的授意或影响特此声明分析师负责的股票研究范围Table重点研究上市公司Stocks利亚德歌尔股份顺络电子中颖电子木林森佳都科技闻泰科技创业慧康视源股份芯海科技航天宏图立昂微宇瞳光学敏芯股份传音控股骏成科技云从科技-UW广联达用友网络鼎龙股份蓝思科技商汤-W思维列控金溢科技长川科技晶晨股份芯朋微芯原股份-U拉卡拉三利谱投资评级说明1投资评级的比较和评级标准类别评级说明以报告发布后的6个月内的市场表现优于大市预期个股相对基准指数涨幅在10以上为比较标准报告发布日后6个月内股票投资评中性预期个股相对基准指数涨幅介于-10与10之间的公司股价或行业指数的涨跌幅级弱于大市预期个股相对基准指数涨幅低于-10及以下相对同期市场基准指数的涨跌幅无评级对于个股未来6个月市场表现与基准指数相比无明确观点2市场基准指数的比较标准优于大市预期行业整体回报高于基准指数整体水平以上股市场以海通综指为基准香港市10A行业投资评场以恒生指数为基准美国市场以标中性预期行业整体回报介于基准指数整体水平-10与10之间级普或纳斯达克综合指数为基准500弱于大市预期行业整体回报低于基准指数整体水平-10以下法律声明本报告仅供海通证券股份有限公司以下简称本公司的客户使用本公司不会因接收人收到本报告而视其为客户在任何情况下本报告中的信息或所表述的意见并不构成对任何人的投资建议在任何情况下本公司不对任何人因使用本报告中的任何内容所引致的任何损失负任何责任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报告所指的证券或投资标的的价格价值及投资收入可能会波动在不同时期本公司可发出与本报告所载资料意见及推测不一致的报告市场有风险投资需谨慎本报告所载的信息材料及结论只提供特定客户作参考不构成投资建议也没有考虑到个别客户特殊的投资目标财务状况或需要客户应考虑本报告中的任何意见或建议是否符合其特定状况在法律许可的情况下海通证券及其所属关联机构可能会持有报告中提到的公司所发行的证券并进行交易还可能为这些公司提供投资银行服务或其他服务本报告仅向特定客户传送未经海通证券研究所书面授权本研究报告的任何部分均不得以任何方式制作任何形式的拷贝复印件或复制品或再次分发给任何其他人或以任何侵犯本公司版权的其他方式使用所有本报告中使用的商标服务标记及标记均为本公司的商标服务标记及标记如欲引用或转载本文内容务必联络海通证券研究所并获得许可并需注明出处为海通证券研究所且不得对本文进行有悖原意的引用和删改根据中国证监会核发的经营证券业务许可海通证券股份有限公司的经营范围包括证券投资咨询业务请务必阅读正文之后的信息披露和法律声明