AI带动万亿蓝海市场，“模型+数据+算力”为产业核心壁垒。AI历史发展余70年，当前正处于新一轮产业变革制高点。从规模上看，全球AI产业规模预计2030年将达到1500亿，未来8年复合增速约40%。从市场来看，美国领先，中国和欧盟并驾齐驱，三地企业合计份额为70.01%。2022年中国人工智能产业规模达1958亿元，年增长率7.8%，整体稳健增长。模型、数据和算力为人工智能发展三驾马车，Transformer模型的引入标志着自然语言处理模型能够大规模地生成类似人类的语言，并且进入可大规模、可复制的大工业落地阶段。算法模型发展的同时，对于数据规模和质量的要求也在不断提高。其中ChatGPT参数量达到1750亿次，数据规模达到45TB，从1956-2020年，计算机处理能力的FLOPS增加了一万亿倍。同时海外和国内互联网行业巨头积极布局AI，竞赛压力逐步提升。
　　AI产业迎来“iPhone”时刻，英伟达召开GTC2023，关注高性能计算相关领域壁垒。英伟达在GTC2023推出AIFoundations云服务，从NEMO、PICASSO、BIONEMO三方面，赋能不同AI场景。同时发布H100 NVL服务器，相比A100 DGX提供10倍的计算速度。在大算力背景下，存算性能呈现剪刀差，存储器件性能远弱于算力性能提升，AI训练未来的瓶颈不是算力，而是GPU的“内存墙”。因此，未来存算一体化趋势确定，HBM与Chiplet有望实现降本增效，全球半导体厂商已提出多种解决方案，存内计算电路可基于SRAM和NORFlash实现。HBM的高带宽技术，基于TSV和芯片堆叠技术的堆叠可实现高于256GBp/s带宽远超过DDR4和GDDR6。Chiplet技术无需中介层、芯片直接通过TSV直接进行高密度互连,性能可以得到很大的提升，算力水平也会提高。
　　AI商业落地曙光出现，ChatGPT引爆大算力需求。ChatGPT是使用海量语料库进行训练的语言生成器，在2022年11月ChatGPT推出后，迅速引爆市场，2个月内月活跃用户数便达一亿，成为了历史上用户增长最快的消费应用。ChatGPT参数量2018年OpenAI发布的ChatGPT 1.0的模型参数为1.17亿，2019年的第二代模型参数为15亿，ChatGPT 3.0的参数相比于ChatGPT2.0增长了近百倍，达到了1750亿。强大的算力水平是AI大模型必备的技术支撑, ChatGPT 3.0模型需要使用1024颗英伟达A100芯片训练长达一个月的时间,AIGC商业落地蓄势待发，未来对算力的需求更将超乎想象。
　　我们认为，在ChatGPT等应用商业化出现落地方式，AIGC创作内容不断增长的条件下，芯片作为AI行业的基础设计，为AI训练和数据计算提供支持，未来AI应用落地层面对庞大算力的需求更为重要，因此，相关算力产业链未来发展值得期待。我们看好国内相关算力产业链公司的未来发展，建议关注：GPU、加速卡、AI芯片：寒武纪（688256.SH）、景嘉微（300474.SZ）、海光信息（688041.SH ）;先进封装：通富微电（002156.SZ ）、长电科技（600584.SH）、深科技（000021.SZ）;服务器及加速卡PCB：沪电股份（002463.SZ ）、胜宏科技（300476.SZ）;AIoT产业链：瑞芯微（603893.SH ）、全志科技（300458.SZ ）、晶晨股份（688099.SH）、富瀚微（300613.SZ）;芯片IP：芯原股份（688521.SH ）、华大九天（301269.SZ）;存储芯片/模组/PCIe：兆易创新（603986.SH ）、江波龙（301308.SZ ）、北京君正（300223.SZ）、聚辰股份（688123.SH ）、澜起科技（688008.SH）;散热材料：中石科技（300684.SZ ）、飞荣达（300602.SZ）。
　　风险提示
　　1.行业需求不及预期的风险：市场需求的变化和市场份额的变化可能会影响AI行业的需求变化，若相关企业对行业的需求波动反应不敏感，可能会造成企业盈利不及预期的情况。
　　2.应用落地不及预期的风险：AI行业更关注行业最后英应用落地的场景，相关企业的山歌优化进程推动不及预期，可能会造成公司的产品或技术不符合市场需求，导致行业内公司收入无法创造回报的风险。
　　3.政策风险:目前国内AI企业与海外GPU芯片合作存在障碍，未来政策趋势尚未确定，可能会对AI企业相关基础设计的供应存在不稳定性和价格波动的影响，对公司未来研发进度和产品进度造成影响，进而对公司造成不确定性的风险。
　　4.下游技术迭代不及预期：存在行业技术迭代速度不及预期从而对需求造成影响的风险。

研究报告全文：行业深度报告电子行业TableIndustryNameTableReportDate2023年03月27日TableTitle行业深度报告模板AI商业模式逐步落地算力产业链电子行业迎接星辰大海推荐TableInvestRank维持核心观点TableSummaryAI带动万亿蓝海市场模型数据算力为产业核心壁垒AI历分析师TableAuthors史发展余70年当前正处于新一轮产业变革制高点从规模上看高峰全球AI产业规模预计2030年将达到1500亿未来8年复合增速010-80927671约从市场来看美国领先中国和欧盟并驾齐驱三地企业gaofengyjchinastockcomcn40分析师登记编码S0130522040001合计份额为70012022年中国人工智能产业规模达1958亿元年增长率78整体稳健增长模型数据和算力为人工智能发展王子路三驾马车Transformer模型的引入标志着自然语言处理模型能够大010-80927632规模地生成类似人类的语言并且进入可大规模可复制的大工业wangziluyjchinastockcomcn落地阶段算法模型发展的同时对于数据规模和质量的要求也在分析师登记编码S0130522050001不断提高其中ChatGPT参数量达到1750亿次数据规模达到45TB从1956-2020年计算机处理能力的FLOPS增加了一万亿倍同时海外和国内互联网行业巨头积极布局AI竞赛压力逐步提行业相对沪深300表现图升AI产业迎来iPhone时刻英伟达召开GTC2023关注高性能计算相关领域壁垒英伟达在GTC2023推出AIFoundations云服务从NEMOPICASSOBIONEMO三方面赋能不同AI场景同时发布H100NVL服务器相比A100DGX提供10倍的计算速度在大算力背景下存算性能呈现剪刀差存储器件性能远弱于算力性能提升AI训练未来的瓶颈不是算力而是GPU的内存墙因此未来存算一体化趋势确定HBM与Chiplet有望实现降本增效全球半导体厂商已提出多种解决方案存内计算电路可基于SRAM和NORFlash实现HBM的高带宽技术基于TSV和芯片资料来源Wind中国银河证券研究院堆叠技术的堆叠可实现高于256GBps带宽远超过DDR4和GDDR6Chiplet技术无需中介层芯片直接通过TSV直接进行高密度互连性能可以得到很大的提升算力水平也会提高AI商业落地曙光出现ChatGPT引爆大算力需求ChatGPT是使相关研究用海量语料库进行训练的语言生成器在2022年11月ChatGPT银河电子行业月报TableResearch功率半导体高景气有望推出后迅速引爆市场2个月内月活跃用户数便达一亿成为延续集成电路静待周期回暖了历史上用户增长最快的消费应用ChatGPT参数量2018年银河电子电子行业年度策略报告以自主可OpenAI发布的ChatGPT10的模型参数为117亿2019年的第控为基以创新成就未来221213银河电子行业深度报告电子行业三季报总二代模型参数为15亿ChatGPT30的参数相比于ChatGPT20结三季度业绩承压行业底部信号初现增长了近百倍达到了1750亿强大的算力水平是AI大模型必备的技术支撑ChatGPT30模型需要使用1024颗英伟达A100芯片训练长达一个月的时间AIGC商业落地蓄势待发未来对算力的需求更将超乎想象wwwchinastockcomcn证券研究报告请务必阅读正文最后的中国银河证券股份有限公司免责声明行业深度报告电子行业我们认为在ChatGPT等应用商业化出现落地方式AIGC创作内容不断增长的条件下芯片作为AI行业的基础设计为AI训练和数据计算提供支持未来AI应用落地层面对庞大算力的需求更为重要因此相关算力产业链未来发展值得期待我们看好国内相关算力产业链公司的未来发展建议关注GPU加速卡AI芯片寒武纪688256SH景嘉微300474SZ海光信息688041SH先进封装通富微电002156SZ长电科技600584SH深科技000021SZ服务器及加速卡PCB沪电股份002463SZ胜宏科技300476SZAIoT产业链瑞芯微603893SH全志科技300458SZ晶晨股份688099SH富瀚微300613SZ芯片IP芯原股份688521SH华大九天301269SZ存储芯片模组PCIe兆易创新603986SH江波龙301308SZ北京君正300223SZ聚辰股份688123SH澜起科技688008SH散热材料中石科技300684SZ飞荣达300602SZ建议关注EPS元PEX股票名称股票代码当前价格2022E2023E2024E2022E2023E2024E寒武纪-U688256SH18300-189-109----景嘉微300474SZ1130506309312717812121558910海光信息688041SH6625061091-107887249-通富微电002156SZ2479039074106630833402345长电科技600584SH3340185204237181016401407深科技000021SZ1534053066074288123172081沪电股份002463SZ2160088112142245019341521胜宏科技300476SZ1950099122154197615941262瑞芯微603893SH95850931462071034865674641全志科技300458SZ2890054069-53474210-晶晨股份688099SH8838278381-31772320-富瀚微300613SZ7431185240312402430902381华大九天301269SZ12234034047064355332592519092兆易创新603986SH11790372403498316829222367江波龙301308SZ8377096138189873160704444北京君正300223SZ8543194244316441535052707聚辰股份688123SH10393470617-22121684-澜起科技688008SH7017164237-42752965-中石科技300684SZ1897069097135275219561407飞荣达300602SZ17350070400802500043092175资料来源Wind中国银河证券研究院请务必阅读正文最后的中国银河证券股份有限公司免责声明1行业深度报告电子行业目录一AI带动万亿蓝海市场模型数据算力为产业核心壁垒3一AI产业历经70年发展终将迎来第四次工业革命3二产业规模扩容厂商竞入新蓝海国家政策AI发展5三人工智能发展三驾马车模型数据和算力91模型102数据123算力12四互联网行业巨头积极布局AI竞赛压力不减141微软投资OpenAI探索AI在在多场景落地142谷歌引领人工智能驱动商业化创新163百度AllinAI十年布局长跑17二英伟达举办GTC2023关注高性能计算相关领域壁垒20二大算力场景下多项技术瓶颈期待突破23三存算一体化趋势确定HBM与Chiplet实现降本增效25三AI商业落地曙光出现ChatGPT引爆大算力需求29一AI芯片算力水平是核心竞争力31二先进封装后摩尔时代先进封装突破极限34三服务器PCBAI服务器催动PCB技术升级35四散热功耗与算力同步提升散热技术面临挑战38五AIoT从万物互联到万物智联40四投资建议42五风险提示43请务必阅读正文最后的中国银河证券股份有限公司免责声明2行业深度报告电子行业一AI带动万亿蓝海市场模型数据算力为产业核心壁垒一AI产业历经70年发展终将迎来第四次工业革命AI历史发展余70年经历多发展阶段最早可追溯至上世纪初期AI目前已渗透至日常生活方方面面在医疗保健汽车金融游戏环境监测农业体育能源管理安全等各个领域的大量应用正在改变人类的生活工作和娱乐方式这些技术的进一步发展将迎来第四次工业革命造成这一现象的原因包括计算机技术的进步高性能计算网格和云计算代码共享度提高GitHubGitLabBitBucket等服务以及大量开源软件AI将为企业和国家经济系统提供革命改变商业领域人工智能带来的优势包括快速揭示大数据中的模式快速进行可视化和分析改进产品设计等等并进一步有望提升服务水平增加利润扩大业务提高效率和成本结构表1人工智能发展历程发展阶段年份发展历程1900年希尔伯特在数学家大会上宣布了23个未解决的问题其中第二和第十个问题与人工智能密切相关最终促进了计算机的发明1954年冯-诺依曼完成了早期计算机EDVAC的设萌芽1900-1956计并提出了冯-诺依曼架构图灵哥德尔冯-诺依曼维纳克劳德-香农和其他的先驱者奠定了人工智能和计算机技术的基础1965年麦卡锡明斯基等科学家召开达特茅斯会议首次提出人工智能AI的概念标志着人工智能学科的诞生随后人工智能研究进入了20年的黄金时代取得了一批令人瞩目的研究成果如机器定理证明和跳棋程序掀起了人工智能发展的第一个高潮在这个黄金时代1956-1974黄金时代约翰-麦卡锡开发了LISP语音成为此后几十年人工智能领域最主要的编程语言马文-明斯基对神经网络有了更深入的研究也发现了简单神经网络的缺点接着开始出现多层神经网络和反向传播算法人工智能发展的最初突破极大地提高了人们的期望使人们高估了科技发展的速度然而连续的失败和预期目标的落空使人工智能的发展进入低谷1973年赖特-希尔关于人工智能的报告拉开了人工智能冬天的序幕此后科学界对人工智能进行了一轮深入的拷问使人工智能受到了严厉的批评和对其实用价值的质疑随后政府和机构也停止或减少了资助人工智第一次寒冬1974-1980能在20世纪70年代陷入了它的第一个冬天有限的计算能力和大量常识性数据的缺乏使发展陷入瓶颈尤其是过度依赖计算能力和经验数据量的神经网络技术在很长一段时间内没有取得实质性的进展专家系统模拟人类专家的知识和经验来解决特定领域的问题实现了人工智能从理论研究到实际应用的重大突破专家系统在医学化学地质学等领域的成功将人工智能推向了应用发展的新高潮1980年XCON在卡内基梅隆大学CMU正式启动成为专家系统开始在特定领应用发展1980-1987域发挥作用的里程碑推动了整个人工智能技术进入繁荣阶段经过十年的沉寂神经网络有了新的研究进展并发现了具有学习能力的神经网络算法这使得神经网络的发展在20世纪90年代后期一路走向商业化被应用于文字图像识别和语音识别请务必阅读正文最后的中国银河证券股份有限公司免责声明3行业深度报告电子行业随着人工智能应用规模的不断扩大应用领域狭窄缺乏常识性知识知识获取困难推理方法单一缺乏分布式功能与现有专家系统数据库难以兼容等问题逐渐暴露出来当时的人工智能领域主要使用约翰-麦卡锡的LISP编程语言LISP机的逐步发展被蓬勃发展的个人电脑打败了专用LISP机的硬件销售市场严重崩溃人工智能领域再次进入寒冬硬件市场的崩溃和理论研究的混乱再加上政府和机构纷纷停止对人工智能研究领域的资金投入导致人工智能第二次寒冬1987-1993领域几年来一直处于低迷状态但另一方面在理论方法的研究上也取得了一些成果1988年美国科学家朱迪亚-皮尔将概率统计方法引入人工智能的推理过程IBM的沃森研究中心将概率统计方法引入到人工智能的语言处理中1992年李开复利用统计方法设计开发了世界上第一个独立于扬声器的连续语音识别程序1989年ATT贝尔实验室的亚恩-莱坤和团队将卷积神经网络技术应用在了人工智能的手写数字图像识别中人工智能的创新研究因网络技术的发展而加速尤其是互联网的发展使人工智能技术进一步实用化1995年理查德-华莱士开发了新的聊天机器人程序Alice它能够利用互联网不断增加自己的数据集并优化内容1997年IMB的计算机Deepblue深蓝击败了世界象棋冠军卡斯帕罗夫德国科学家霍克赖特和施米德赫伯提出了LSTM递归神经网络至今仍被用于手写识稳步发展1993-2011别和语音识别对后来的人工智能研究产生了深远影响2004年美国神经科学家杰夫霍金斯出版了人工智能的未来2006年杰弗里辛顿出版了学习多层表征为神经网络奠定了一个新的架构对未来人工智能中的深度学习的研究产生了深刻影响随着移动互联网技术和云计算技术的爆发积累了难以想象的数据量为人工智能的后续发展提供了足够的素材和动力以深度神经网络为代表的人工智能技术的快速发展大大跨越了科学与应用之间的技术鸿沟迎来了爆发式增长2012年多伦多大学在ImageNet视觉识别挑战赛上设计的深度卷积神经网络算法被认为是深度学习革命的开始2014年IanGoodfellow提出了GANs生成式对抗网络算法这是一种用于无监督学习的人工网络这是一深化阶段2012-至今种用于无监督学习的人工智能算法由生成网络和评估网络组成这种方法很快被人工智能的许多技术领域所采用2016年和2017年谷歌推出的人工智能程序AlphaGo连续击败了前围棋世界冠军韩国的李世石以及现任围棋世界冠军中国的柯洁引起了巨大轰动同时语音识别图像识别无人驾驶等技术不断进步2022年11月OpenAI推出其开发的一个人工智慧聊天机器人程序ChatGPT该程序使用基于GPT-35架构的大型语言模型并通过强化学习进行训练成为AIGC现象级应用资料来源人工智能导论人工智能的发展历史现状及发展趋势银河证券研究院当前正处于第四次工业革命的风口浪尖正处于新一轮产业变革制高点当下全球正在发生的第四次工业革命是人工智能智慧网联时代以超大数据超强算力超强算法的人工智能为核心技术以智能家居智能音箱智慧城市智能汽车和手机为数据入口的智能终端产品正加速AI时代的进化请务必阅读正文最后的中国银河证券股份有限公司免责声明4行业深度报告电子行业图1全球人工智能产业浪潮资料来源中国信通院中国银河证券研究院二产业规模扩容厂商竞入新蓝海国家政策AI发展全球AI产业规模预计2030年将达到1500亿未来8年复合增速约40目前全球人工智能企业的数量迅速增长2022年全球人工智能AI市场规模估计为1978亿美元预计到2030年将达到159103亿美元从2022年到2030年复合年增长率为381从地区上来看美中欧暂时领先格局仍未确定其中AI市场美国领先中国和欧盟并驾齐驱截至2017年全球人工智能企业主要集中在美国2905家中国670家和欧盟657家如图所示合计份额为7001目前美国仍是人工智能的核心发源地之一其他国家也在迅速跟进人工智能的研发国内北京人工智能发展领跑全国上海广东江苏浙江等地发展逐渐加快图年人工智能全球产业格局图2人工智能全球市场规模预测32017资料来源PrecedenceResearch中国银河证券研究院资料来源人工智能产业化的历史现状与发展趋势中国银河证券研究院请务必阅读正文最后的中国银河证券股份有限公司免责声明5行业深度报告电子行业图4人工智能全球产业分布资料来源中国信通院中国银河证券研究院2022年中国人工智能产业规模达1958亿元年增长率78整体稳健增长而从应用格局来看机器视觉智能语音和自然语言处理是中国人工智能市场规模最大的三个应用方向根据清华大学数据显示三者占比分别为349248和21一方面政策推动下国内应用场景不断开放各行业积累的大量数据为技术落地和优化提供了基础条件另一方面以百度阿里腾讯和华为为代表的头部互联网和科技企业加快在三大核心技术领域布局同时一系列创新型独角兽企业在垂直领域快速发展庞大的商业化潜力推动核心技术创新图5中国人工智能产业规模图6人工智能应用方向2资料来源艾瑞咨询中国银河证券研究院AI场景丰富多垂直细分领域均有应用科技的持续研究和创新正在推动人工智能技术在行业垂直领域的应用如汽车医疗零售金融和制造业例如2020年11月英特尔公司收购了Cnvrgio为数据科学家建立和运行机器学习模型开发和运营平台以促进其人工智能业务深度学习和ANN人工神经网络的进步也推动了人工智能在航空航天医疗保健制造和汽车等多个行业的应用Google一直在采用ANN来改善路线并处理使用ANN收到的反馈计算机视觉技术的最新进步如GANGenerativeAdversarialNetworks和SSDSingleShotMultiBoxDetector已经促成了数字图像处理技术的诞生这些技术可以使在低光或低分辨率下拍摄的图像和视频转换为高清质量计算机视觉的持续研究为安全与监控医疗保健和运输等部门的数字图像处理奠定了基础请务必阅读正文最后的中国银河证券股份有限公司免责声明6行业深度报告电子行业在人工智能不同的垂直应用领域中广告和媒体部门引领市场在2022年占全球收入份额的195以上这一高份额归因于人工智能营销应用程序不断地增长预计到2030年医疗保健部门将获得最大份额基于机器人辅助手术减少剂量错误虚拟护理助理临床试验参与者标识符医院工作流程管理初步诊断和自动图像诊断等用例医疗保健部门已独树一帜图7人工智能应用市场细分资料来源GrandViewResearch中国银河证券研究院在国内机器视觉领域是人工智能应用最多最广的板块2022年机器视觉相关投融资浪潮高企工业泛安防能源赛道热度高涨持续受到资本青睐近两年来是AI产业上市最火爆的细分赛道涌现了商汤科技格灵深瞳云从科技奥比中光等IPO企业2022年我国机器视觉产品的市场规模达到830亿元同时庞大的市场牵引科技研发我国在全球机器视觉技术创新上已位居世界前列截至2021年8月中国机器视觉专利申请量占全球机器视觉专利总申请量的787其次是美国占比为142图8中国机器视觉产业规模图9截至2021年8月机器视觉专利申请数2资料来源艾瑞咨询中国银河证券研究院资料来源艾瑞咨询中国银河证券研究院国家政策不断发力助力中国AI成长近年来人工智能产业发展受到国家层面的重视相关政策频出2017年国务院出台新一代人工智能发展规划成为中国人工智能发展的指导性文件国家发改委中央网信办工信部等部门陆续发布人工智能相关细则部署人工请务必阅读正文最后的中国银河证券股份有限公司免责声明7行业深度报告电子行业智能发展计划近五年来中国政府凭借在人工智能产业发展中强有力的领导地位发挥资源聚集的制度优势国家坚持市场导向秉持开源开放原则在推动产学研用多主体共享成果的同时还加强军民深度融合实现创新资源共享和科技成果双向转化不断通过政策更好地引导人工智能产业全方位快速发展表2近五年中国人工智能政策政策时间部门政策内容人工智能再次被写入政府工作报告强调要加强新一代人工智能研2018年政府工作报告201803国务院发应用在医疗养老教育文化体育等多领域推进互联网高等学校人工智能创新行聚焦并加强新一代人工智能基础理论和核心关键技术研究加快建设人201804教育部动计划工智能科技创新基地加快建设一流人才队伍和高水平创新团队开展人工智能机器人深度学习等基础前沿技术研究围绕人工智能机器人产业发展规划工信部发改201804感知与识别机构与驱动控制与交互等方面开展基础和共性关键技术20162020年委财政部研究加快形成适应数字经济发展的就业政策体系大力提升数字化网络关于发展数字经济稳定并201809发改委化智能化就业创业服务能力大力培育互联网物联网大数据云扩大就业的指导意见计算人工智能等领域的就业机会新一代人工智能产业创新征集并遴选一批掌握人工智能核心关键技术创新能力强发展潜力大201811国务院点任务揭榜工作方案的企业科研机构等调动产学研用各方积极性促进新兴产业加快发展深化大数据人工智能等研发应用培育新一2019年政府工作报告201903国务院代信息技术高端装备生物医药新能源汽车新材料等新兴产业集群壮大数字经济加快在各行业各领域推进互联网提出促进人工智能和实体经济深度融合坚持以市场需求为导向以产业应用为目标深化改革创新优化制度环境激发企业创新活力和内关于促进人工智能和实体201903中央深改委生动力结合不同行业不同区域特点探索创新成果应用转化的路径经济深度融合的指导意见和方法构建数据驱动人机协同跨界融合共创分享的智能经济形态突出了发展负责任的人工智能这一主题强调了和谐友好公平公正新一代人工智能治理原201906科技部包容共享尊重隐私安全可控共担责任开放协作敏捷治理等八则条原则提出开展人工智能技术应用示范人工智能政策试验人工智能社会实国家新一代人工智能创新201908科技部验积极推进人工智能基础设施建设到2023年布局建设20个左右发展试验区建设工作指引试验区培育数字经济新产业新业态和新模式支持构建农业工业交通中共中央国务院关于构中共中央国务教育安防城市管理公共资源交易等领域规范化数据开发利用的场建更加完善的要素市场化配202004院景发挥行业协会商会作用推动人工智能可穿戴设备车联网物臵体制机制的意见联网等领域数据采集标准化推动制造业升级和新兴产业发展大幅增加制造业中长期贷款发展工2020政府工作报告202205国务院业互联网推进智能制造电商网购在线服务等新业态在抗疫中发挥请务必阅读正文最后的中国银河证券股份有限公司免责声明8行业深度报告电子行业了重要作用要继续出台支持政策全面推进互联网打造数字经济新优势为加强人工智能领域标准化顶层设计推动人工智能产业技术研发和标国家新一代人工智能标准准制定促进产业健康可持续发展国家标准化管理委员会中央网信202208工信部等五部委体系建设指南办国家发展改革委科技部及工业和信息化部印发国家新一代人工智能标准体系建设指南Al产业迎来顶层设计鼓励直辖市副省级城市地级市等地方申请建设国家新一代人工智能国家新一代人工智能创新202209客人基本创新发展试验区科技部将从政策资源等方面对试验区建设给予支发展试验区建设工作指引持十四五规划和2035年远景围绕总体目标规划纲要在三个方面布局人工智能发展突破核心技202103中共中央目标术打造数字经济新优势营造良好数字环境提出了增进人类福祉促进公平公正保护隐私安全确保可控可信新一代人工智能伦理规202109科技部强化责任担当提升伦理素养等6项基本伦理要求同时提出人工智范能管理研发供应使用等特定活动的18项具体伦理要求以促进人工智能与实体经济深度融合为主线以推动场景资源开放提关于加快场景创新以人工升场景创新能力为方向强化主体培育加大应用示范创新体制机智能高水平应用促进经济高202207科技部等六部门制完善场景生态加速人工智能技术攻关产品开发和产业培育探质量发展的指导意见索人工智能发展新模式新路径以人工智能高水平应用促进经济高质量发展坚持面向世界科技前沿面向经济主战场面向国家重大需求面向人民生命健康充分发挥人工智能赋能经济社会发展的作用围绕构建关于支持建设新一代人工202208科技部全链条过程的人工智能行业应用生态支持一批基础较好的人工智能智能示范应用场景的通知应用场景强研发上下游配合与新技术集成打造形成一批可复制可推广的标杆型示范应用场景首批支持建设十个示范应用场景中共中央国务加快大数据网络人工智能等新技术的深度应用促进现代服务业与质量强国建设纲要202302院先进制造业现代农业融合发展资料来源政府信息网中国银河证券研究院三人工智能发展三驾马车模型数据和算力人工智能产业链按照上下游可以分为人工智能基础层人工智能技术层人工智能应用层其中上游人工智能基础层将AI分为模型算力和数据三大要素AI模型生产工具包括AI算法框架AI开放平台AI开发平台和预训练模型AI算力基础领域包括AI芯片智能服务器和云服务AI数据资源包括AI基础数据服务和数据治理人工智能技术层包括计算机视觉智能语音自然语言处理知识图谱机器学习人工智能应用层则很广泛涵盖AI泛安防AI泛互联网人机交互自主无人系统AI媒体AI金融AI医疗AI工业AI零售AI政务等应用涉及经济社会运行的方方面面请务必阅读正文最后的中国银河证券股份有限公司免责声明9行业深度报告电子行业图10中国人工智能产业图谱资料来源艾瑞咨询中国银河证券研究院1模型人工智能框架一直在蓬勃发展各种框架在开发者的不断开发和自然选择的基础上不断迭代经过激烈的竞争最终出现了双雄并立的TensorFlow和PyTorch的两大阵营随后迁移学习Transferlearning成为开发大规模人工智能模型的流行技术使研究人员能够利用预先训练的模型来提高新任务的性能在此期间注意力机制Attentionmechanisms也出现了允许模型有选择地关注输入数据的某些部分2017年Transformer模型的引入标志着自然语言处理的重大突破使模型能够大规模地生成类似人类的语言预训练大模型的基本原理是充分利用大规模的数据以挖掘数据中的知识和规律类似接受人类的通识教育再针对特定的任务进行参数微调可以达到智能对话智能问答智能创作人脸识别等功能并且进入可大规模可复制的大工业落地阶段在算法模型层面超大规模模型成为近几年来最热门的发展之一请务必阅读正文最后的中国银河证券股份有限公司免责声明10行业深度报告电子行业图11预训练大模型基本原理资料来源AI大模型公众号中国银河证券研究院2018年OpenAI推出了非常强大的预训练语言模型GenerativePre-trainedTransformerGPT结果表明这一模型可以在非常复杂的NLP任务中取得非常惊艳的效果而且并不需要有监督学习进行模型微调同年谷歌的雅各布德夫林和同事创建并发布了BERTBidirectionalEncoderRepresentationsfromTransformersBERT是一个双向transformer模型用于对大量未标记的文本数据进行预训练以学习一种语言表示形式这种语言表示形式可用于对特定机器学习任务进行微调虽然BERT在几项任务中的表现都优于NLP领域沿用过的最先进的技术但其性能的提高还是归功于双向transformer掩蔽语言模型对任务的训练以及结构预测功能还包括大量的数据和谷歌的计算能力此后基于BERT的改进模型包括DistillBERTXLNetRoBERTaT5等大量新式预训练语言模型不断涌现2019年OpenAI继续推出了带有15亿参数的GPT-2这一改进后的模型能够生成连贯的文本段落做到初步的阅读理解机器翻译等接着英伟达推出了具有83亿参数的Megatron-LM谷歌继续推出了具有110亿参数的T5模型微软推出了170亿参数的图灵Turing-NLG2020年OpenAI又推出了超大规模的语言训练模型GPT-3参数量达到了1750亿之高实现了模型参数从亿级到上千亿的跨越此后谷歌华为阿里巴巴和北京智源等企业和研究机构纷纷推出超大规模的预训练模型包括MT-NLGSwitchTransformer盘古和悟道20等预训练的模型参数数量和训练数据量正以每年300倍的趋势增长通过增加模型参数和训练数据仍是短期内的发展方向2022年11月OpenAI推出建立在GPT-3系列大型语言模型之上的ChatGPT并使用监督和强化学习技术进行微调ChatGPT在技术路径上采用大数据大算力强算法大模型的战略又在基础大模型指令微调方向探索出新道路基础大模型类似人类的大脑通过指令微调进行交互训练结合实现近似人类的语言智能ChatGPT的问世不仅是新一代聊天机器人的突破还将为人工智能和整个信息产业带来一场革命请务必阅读正文最后的中国银河证券股份有限公司免责声明11行业深度报告电子行业图12超大规模模型参数和数据规模变化资料来源中国信通院中国银河证券研究院2数据在算法模型发展的同时对于数据规模和质量的要求也在不断提高以GPT的发展历程来看用以训练模型的数据集的广度和深度都在不断加强使得模型的回答具有更高的准确性和质量实现模型的不断优化GPT使用BooksCorpus数据集来训练语言模型BooksCorpus有大约7000本未出版的书籍有助于在未见过的数据上训练语言模型另外这个语料库有大量的连续文本有助于模型大范围地学习依赖关系GPT-2使用的训练数据集名为WebText具有来自800多万份文件的文本数据总规模为40GB与用于训练GPT-1模型的图书语料库数据集相比是巨大的GPT-3是在五个不同的语料库中混合训练的每个语料库都有一定的权重其中高质量的数据集被更频繁地取样并且不止被训练过一个epoch使用的五个数据集是CommonCrawlWebText2Books1Books2和Wikipedia用于训练ChatGPT的具体数据集没有公开披露但仍然是几个大型语料库的组合并且数据规模比GPT-3进一步增大表3GPT训练数据规模持续增大模型参数量数据规模Tokens数据来源GPT117亿5GB117百万网页书籍和文章BooksCorpus数据集GPT-215亿40GB15亿网页书籍和文章WebText数据集CommonCrawlWebText2Books1GPT-31750亿45TB1750亿Books2Wikipedia数据集ChatGPT1750亿45TB7740亿多样化的文本来源多个大型语料库的组合资料来源ChatGPT中国银河证券研究院3算力自从进入互联网时代人类所能获取和利用的数据呈现爆发式地增长各行业各场景的请务必阅读正文最后的中国银河证券股份有限公司免责声明12行业深度报告电子行业海量数据为人工智能的自主学习和模型训练提供了数据基础而自人工智能的概念兴起算法模型一直在不断优化从决策树到神经网络从机器学习到深度学习并且已在不同的领域中得到应用算力是基于芯片的人工智能发展的硬件基础和平台随着海量数据的产生和算法模型的不断优化和发展算力的发展成为了人工智能系统快速发展的核心要素从1956-2020年计算机处理能力的FLOPS增加了一万亿倍图131956-2015年算力实现万亿倍增长资料来源Experts-Exchange中国银河证券研究院近几年大量复杂的数据的收集和处理都需要硬件能力的相应增长以应对人工智能发展的需求基本上计算能力是计算机以速度和准确性执行某种任务的能力正如OpenAI的研究表明训练最大的人工智能模型所需的计算能力自2012年以来平均以每34个月翻一倍的速度增长而在2012年之前的情况并非如此当时计算能力平均以2年的速度翻倍这意味着今天使用的资源正以比以前快七倍的速度翻倍从另一个角度而言在线性尺度上计算用量在2019年之前就增加了30万倍表明对人工智能特定硬件的需求呈指数级增长图14AlexNet到AlphaGoZero计算量增加300000倍请务必阅读正文最后的中国银河证券股份有限公司免责声明13行业深度报告电子行业资料来源OpenAI一个petaflops-day包括在一天内每秒执行1015次神经网络操作中国银河证券研究院四互联网行业巨头积极布局AI竞赛压力不减1微软投资OpenAI探索AI在在多场景落地14年起推动AI领域布局逐步探索AI商业模式落地作为互联网行业的领先者微软过去专注于继续开发Windows和Office应用程序2014年随着首席执行官SatyaNadalla的任命微软开始向人工智能战略转变推动微软在人工智能创新方面的发展2016年微软成立了人工智能实验室致力于推广和开发基于人工智能的应用程序2017年微软宣布收购于以深度学习为研究重点的初创公司Maluuba并将人工智能的运用延伸到空中同年微软和亚马逊宣布建立合作伙伴关系意味着微软人工智能开发的工具和服务如CortanaOffice365将与Alexa等亚马逊服务交互2018年微软又相继收购多个AI公司探索深度学习的商业化模式图15微软AI的基因组学小组在癌症治疗中的作用资料来源Algorithm-Xlab中国银河证券研究院多次投资OpenAI在人工智能领域探索更进一步2019年在微软于首次向OpenAI注资后两家公司开始在微软的Azure云计算服务上合作开发AI超级计算技术同时OpenAI也逐步将其云服务从谷歌云迁移到Azure有了微软的算力支持OpenAI在2020年推出了突破性的成果GPT-3同样在2020年微软买断了GPT-3基础技术的授权在Office搜索引擎Bing和设计应用Microsoftdesign等产品中使用GPT-3以优化现有产品2021年微软再次投资双方合作正式进入第二阶段一方面作为OpenAI的云服务商微软在Azure中集中部署GPTDALLECodex等OpenAI开发的各类工具这也形成了OpenAI最早的收入来源即通过Azure向企业提供付费API和AI工具同时在获得OpenAI新技术商业化许可的情况下微软开始将OpenAI工具与自己的产品深度整合并推出相应的产品2021年6月微软与OpenAI和GitHub合作推出了基于Codex的AI代码补充工具GitHubCopilot于次年6月上线2023年微软向OpenAI追加投资数十亿美元彻底拉开请务必阅读正文最后的中国银河证券股份有限公司免责声明14行业深度报告电子行业了人工智能军备竞赛的帷幕同时微软将ChatGPT整合到其搜索引擎中标志着OpenAI新技术的商业化进入新阶段图16微软人工智能方面突破的时间轴资料来源微软官网中国银河证券研究院在2023年3月OpenAI又推出了ChatGPT的升级版GPT-4迭代速度极快其包含的重大升级是支持图像和文本的输入并且在GPT-3原来欠缺的专业和学术能力上得到重大突破它通过了美国律师法律考试并且打败了90的应试者在各种类型考试中GPT-4的表现都优于GPT-3图17GPT-4与GPT-3在各类考试中的结果对比请务必阅读正文最后的中国银河证券股份有限公司免责声明15行业深度报告电子行业资料来源OpenAI中国银河证券研究院2谷歌引领人工智能驱动商业化创新谷歌是人工智能发展中最重要的公司之一2010年谷歌推出其第一个人工智能驱动的搜索引擎算法称为GoogleInstant2012年谷歌推出知识图谱首次使用人工智能来理解不同实体之间的关系2015年谷歌推出了TensorFlow用于机器学习的开源软件库2016年谷歌DeepMind的AlphaGo程序在围棋比赛中击败了世界冠军李世石2017年谷歌推出了谷歌助理一个可用于智能手机和智能家居设备的对话式人工智能助理自2017年谷歌发布Transformer以来NLP领域的技术发展得到了质的飞跃基于谷歌的成果OpenAI在2018年发布了GPT生成式预训练模型也就是基于TransformerDecoder的GPT-1带有11亿参数通过大规模无监督的预训练有监督的微调在大型数据集上进行训练而建立的模型与此同时在2018年10月谷歌推出了具有开创性的BERT模型具有34亿个参数比GPT大四倍并几乎在所有性能方面都超越GPT图18谷歌LLM领域的发展时间轴请务必阅读正文最后的中国银河证券股份有限公司免责声明16行业深度报告电子行业资料来源智源社区中国银河证券研究院3百度AllinAI十年布局长跑AllinAI十年布局长跑百度在AI领域的布局早在2010年前就开始了百度早在2010年代初就开始投资于人工智能技术2014年百度成立了深度学习研究院IDL专注于开发深度学习算法和其他AI技术2015年百度的语音识别软件实现了55的最低单词错误率WER记录这是语音识别技术发展的一个重要里程碑确立了百度在该领域的领先地位在2016年9月的百度世界大会上整合了视觉语音自然语言处理知识图谱深度学习等技术的百度大脑正式对外开放2017年百度推出了阿波罗自动驾驶汽车平台该平台为开发者提供一系列工具和资源以建立自动驾驶系统2018年百度推出了名为百度健康的医疗部门该部门专注于使用人工智能来改善医疗诊断药物开发和医疗保健的其他方面2018年百度发布了其AI芯片昆仑芯该芯片旨在用于人工智能应用如自动驾驶和语音识别图19百度深度学习发展历程请务必阅读正文最后的中国银河证券股份有限公司免责声明17行业深度报告电子行业资料来源百度百科中国银河证券研究院百度在AGCI中的全栈布局算法算力数据应用百度官方宣布文心一言云服务于2022年3月27举行新品发布会官方展示了文心一言在文学创作商业文案创作数理推算中文理解多模态生成五个使用场景中的综合能力在文心一言的背后是经过四年迭代的文心大模型文心ERNIE自2019年诞生至今在语言理解文本生成跨模态语义理解等领域取得多项技术突破在公开权威语义评测中斩获了十余项世界冠军文心模型的训练是基于百度飞浆的框架在飞浆技术不断迭代的基础上文新大模型一次性发布了11个大模型涵盖了基础大模型任务大模型和行业大模型三个层次的体系充分满足了行业的应用需求例如用于语言生成的ERNIE30Titan用于文本和图像生成的ERNIE-ViLG模型目前百度飞桨凝聚了265万开发者服务了10万家企业创建了超过34万个模型图20文心发展历程资料来源百度飞浆官网中国银河证券研究院百度自行研发的AI芯片单卡算力达到128TFLOPS昆仑芯是基于百度在人工智能领域多年的产业实践自主研发的一款人工智能通用处理器芯片新发布的R200人工智能加速卡基于第二代昆仑芯采用领先的7nm工艺基于先进的芯片架构专为深度学习和机器学习算法的云端和边缘计算设计与上一代产品相比R200全面提升了计算机视觉自然语言处理大规模语音识别大规模推荐等应用的人工智能负载的运行效率表4两代产品参数对比型号K100加速卡R200加速卡请务必阅读正文最后的中国银河证券股份有限公司免责声明18行业深度报告电子行业精度INT4816XFP1632INT81632FP1632算力INT8128TOPSFP1632TOPsFP328TOPSINT8256TOPSFP16128TOPSFP3232TOPS显存8GB16GB访存宽带256GBs512GBs系统互联PCI-EGen4x8兼容302010PCI-EGen4x8兼容302010功能75W150W资料来源百度智能云在数据层面百度基于其搜索引擎业务积累了大量的真实用户数据这些大规模的数据使文心一言形成自身优势为文心大模型的训练提供数据基础产品中文心一格和文心百中已成功落地文心一格是一个AI艺术和创意辅助平台文心百中是大模型驱动的产业级搜索系统图21文心大模型全景图资料来源百度飞浆公众号中国银河证券研究院AIGC的全球巨头争夺战已经开始深耕AI和搜索领域多年的百度正站在一个新的历史舞台上将于2019年3月推出的文心一言模型是中国科技力量参与全球AIGC竞赛的主要代表请务必阅读正文最后的中国银河证券股份有限公司免责声明19