Base Model提供者：赋能万物。自OpenAI发布ChatGPT以来，海内外厂商都加速布局基础大模型的研发，所有大模型的训练都分为两步：首先通过预训练形成基础模型，然后针对特定领域做微调。通过这种过程，原则上来说只要有细分领域数据，大模型就可以针对垂直领域做优化，赋能各行各业。目前国内基础大模型百花齐放，多家厂商已陆续推出大模型并开始用于自身业务或寻找行业伙伴进行落地，成为Base Model可赋能万物，拥有极大的空间。
　　行业预训练大模型：比微调通用性更优。除了基础大模型，许多大模型厂商都致力于推出各类行业大模型。实际应用并不一定需要大模型具有非常全面的能力，而更需要对行业知识的理解和对行业需求的适配，在具体行业上，行业大模型的泛化等能力往往要优于基础大模型+微调。百度文心大模型与各行业企业联手，在通用大模型的基础上打造能源、金融、航天、制造、传媒等具体行业大模型。华为将大模型体系分为了基础大模型L0、行业大模型L1、细分场景模型L2三层。
　　科大讯飞也提出“1+N”战略，“1”是通用大模型算法研发及高效训练底座平台，“N”是教育、医疗、人机交互、办公等行业大模型。
　　结合模型的深度微调，通过Knowhow、数据形成场景、方案。基础大模型或者行业大模型最终需要结合实际应用场景进行落地，这个阶段需要深度微调。在用场景数据深度微调模型时，需要丰富的行业经验Knowhow进行评价和指导，前期得到的模型输出可能还并不够完美，此时就需要有行业经验的专家对模型的输出进行评价，给出修改意见，再重新结合场景数据进行深度微调。除了结合Knowhow与数据微调模型，还需要形成具体方案。每个场景所需要解决的问题不同，最终需要将模型与实际问题结合，与场景进行交互，形成具体的解决方案仍然会实现较强的效果和较大的壁垒。
　　积累训练经验，转向场景与方案厂商，依旧有优势。应用落地首先要依赖大模型的基础能力，因此一方面大模型厂商将致力于提升大模型的基础能力，积累的训练经验对于模型能力提升尤其重要，同时训练经验还可以极大降低预训练新行业模型的以及模型落地新场景微调的成本和。另一方面除了大模型本身的差异，需要竞争的就是具体落地方案，在各应用场景落地解决方案的积累，可以帮助厂商更好地满足行业客户的具体需求，同时还可能对于类似客户形成规模效应。未来积累了丰富经验的厂商，将对应用行业可以提供一站式的解决方案，全方位满足客户需求。很多投资者会静态地看待大模型公司的发展，这是一个时代的起点，在浪潮之巅探索的企业多积累的经验可能远远超出想象，即使失之东隅，仍然收之桑榆。
　　建议关注：
　　算力：英伟达、中科曙光、海光信息、寒武纪、易华录、光通信产业链、拓维信息、常山北明、神州数码、浪潮信息、景嘉微、工业富联。
　　大模型及技术公司：百度、阿里、华为、360、科大讯飞、云从科技、昆仑万维、海天瑞声、拓尔思、腾讯、字节跳动等。
　　应用：1）对标微软办公：微软、金山办公、彩讯股份；2）多模态GPT（输入输出信号变化）：大华股份、海康威视、万兴科技、千方科技、当虹科技、云从科技、萤石网络、商汤科技、中科创达、新国都等。3）互联网传媒：昆仑万维、汤姆猫、蓝色光标、中文在线、利欧股份、游戏、数字人、电商等。4）智能助理（耳机/音箱）：漫步者、科大讯飞、传音控股、国光电器、恒玄科技、奋达科技、惠威科技等。5）其他优质应用：同花顺、恒生电子、金证股份、上海钢联、石基信息、汉得信息等。6)AI安全：新华网、人民网、电科网安、美亚柏科、安恒信息等。7)国内巨头合作：光云科技、赛意信息、云鼎科技、朗新科技、润和软件、软通动力等。8）医疗应用：润达医疗、嘉和美康、卫宁健康、创业慧康。8)机器人：三花智控、拓普集团、鸣志电器、绿的谐波、晶品特装。
　　风险提示：AI技术迭代不及预期风险；经济下行超预期风险；行业竞争加剧风险。
　　

研究报告全文：证券研究报告行业周报2023年04月22日计算机大模型公司的四大发展路径BaseModel提供者赋能万物自OpenAI发布ChatGPT以来海内外厂商都增持维持加速布局基础大模型的研发所有大模型的训练都分为两步首先通过预训练形成基础模型然后针对特定领域做微调通过这种过程原则上来说只要有细分领域数据大模型就可以针对垂直领域做优化赋能各行各业目前国内基础大行业走势模型百花齐放多家厂商已陆续推出大模型并开始用于自身业务或寻找行业伙伴进行落地成为BaseModel可赋能万物拥有极大的空间计算机沪深300行业预训练大模型比微调通用性更优除了基础大模型许多大模型厂商都致64力于推出各类行业大模型实际应用并不一定需要大模型具有非常全面的能力48而更需要对行业知识的理解和对行业需求的适配在具体行业上行业大模型的泛化等能力往往要优于基础大模型微调百度文心大模型与各行业企业联手在32通用大模型的基础上打造能源金融航天制造传媒等具体行业大模型华16为将大模型体系分为了基础大模型L0行业大模型L1细分场景模型L2三层0科大讯飞也提出1N战略1是通用大模型算法研发及高效训练底座平台-16N是教育医疗人机交互办公等行业大模型2022-042022-082022-122023-04结合模型的深度微调通过Knowhow数据形成场景方案基础大模型或者行业大模型最终需要结合实际应用场景进行落地这个阶段需要深度微调在用场景数据深度微调模型时需要丰富的行业经验Knowhow进行评价和指导前作者期得到的模型输出可能还并不够完美此时就需要有行业经验的专家对模型的输出进行评价给出修改意见再重新结合场景数据进行深度微调除了结合分析师刘高畅Knowhow与数据微调模型还需要形成具体方案每个场景所需要解决的问题不执业证书编号S0680518090001同最终需要将模型与实际问题结合与场景进行交互形成具体的解决方案仍邮箱liugaochanggszqcom然会实现较强的效果和较大的壁垒相关研究积累训练经验转向场景与方案厂商依旧有优势应用落地首先要依赖大模型的基础能力因此一方面大模型厂商将致力于提升大模型的基础能力积累的训1计算机多模态GPT朝着科幻前进2023-04-练经验对于模型能力提升尤其重要同时训练经验还可以极大降低预训练新行业20模型的以及模型落地新场景微调的成本和另一方面除了大模型本身的差异需要竞争的就是具体落地方案在各应用场景落地解决方案的积累可以帮助厂商2计算机微软COPILOT做PPT需要哪些技术更好地满足行业客户的具体需求同时还可能对于类似客户形成规模效应未来2023-04-15积累了丰富经验的厂商将对应用行业可以提供一站式的解决方案全方位满足3计算机DeepSpeed-Chat应用与算力的加速器客户需求很多投资者会静态地看待大模型公司的发展这是一个时代的起点在浪潮之巅探索的企业多积累的经验可能远远超出想象即使失之东隅仍然收2023-04-15之桑榆建议关注算力英伟达中科曙光海光信息寒武纪易华录光通信产业链拓维信息常山北明神州数码浪潮信息景嘉微工业富联大模型及技术公司百度阿里华为360科大讯飞云从科技昆仑万维海天瑞声拓尔思腾讯字节跳动等应用1对标微软办公微软金山办公彩讯股份2多模态GPT输入输出信号变化大华股份海康威视万兴科技千方科技当虹科技云从科技萤石网络商汤科技中科创达新国都等3互联网传媒昆仑万维汤姆猫蓝色光标中文在线利欧股份游戏数字人电商等4智能助理耳机音箱漫步者科大讯飞传音控股国光电器恒玄科技奋达科技惠威科技等5其他优质应用同花顺恒生电子金证股份上海钢联石基信息汉得信息等6AI安全新华网人民网电科网安美亚柏科安恒信息等7国内巨头合作光云科技赛意信息云鼎科技朗新科技润和软件软通动力等8医疗应用润达医疗嘉和美康卫宁健康创业慧康8机器人三花智控拓普集团鸣志电器绿的谐波晶品特装风险提示AI技术迭代不及预期风险经济下行超预期风险行业竞争加剧风险请仔细阅读本报告末页声明2023年04月22日内容目录1BASEMODEL提供者赋能万物32行业的预训练大模型33结合模型深度微调通过KNOWHOW数据形成场景方案54积累训练经验转向场景与方案55投资建议66风险提示6图表目录图表1AI从训练到落地应用流程3图表2百度行业大模型概念图4图表3华为大模型层级5P2请仔细阅读本报告末页声明2023年04月22日1BaseModel提供者赋能万物自OpenAI发布ChatGPT以来海内外厂商都加速布局基础大模型的研发所有大模型的训练都分为两步首先通过预训练形成基础模型然后针对特定领域做微调通过这种过程原则上来说只要有细分领域数据大模型就可以针对垂直领域做优化赋能各行各业图表1AI从训练到落地应用流程资料来源国盛证券研究所国内基础大模型百花齐放多家厂商陆续推出大模型并开始用于自身业务或寻找具体行业伙伴进行落地包括百度文心一言阿里通义千问360智脑商汤SenseChat昆仑万维天工大模型以及科大讯飞星火认知大模型未来大模型厂商将成为各行业的AI基础能力供应方赋能万物拥有极大的空间2行业的预训练大模型除了基础大模型许多大模型厂商都致力于推出各类行业大模型因为具体到实际应用上并不一定需要大模型具有非常全面的能力而更需要对行业知识的理解和对行业需求的适配在行业里的具体场景上行业大模型往往比直接用基础大模型去微调具有更好的泛化能力因此基于基础大模型和行业数据训练行业大模型一方面可以更精准匹P3请仔细阅读本报告末页声明2023年04月22日配行业需求一方面也能降低成本因为并不是所有行业都需要其他行业的知识行业大模型相对基础大模型可以优化模型规模百度文心大模型与各行业企业联手在通用大模型的基础上学习行业特色数据与知识建设行业AI基础设施目前包括能源金融航天制造传媒等行业如国家电网与百度联合发布知识增强的电力行业大模型建设更适配电力行业场景的AI基础设施降低数据标注成本提升细分场景模型效果人民网与百度在传媒行业大数据和AI算法上结合引入人民网舆情数据中心积淀的行业知识顺应内容与技术发展联合研发知识增强的传媒行业大模型打造全媒体时代内容科技创新引擎加速传媒行业的智能化升级等图表2百度行业大模型概念图资料来源百度官网国盛证券研究所4月8日人工智能大模型技术高峰论坛上华为云人工智能首席科学家田奇表示AIforIndustries是人工智能新的爆发点华为将大模型划分为3个层级分别为基础大模型L0行业大模型L1细分场景模型L2将基础大模型L0与行业数据结合训练得到行业大模型L1再将行业大模型L1应用于下游细分场景进行微调和部署得到细分场景模型L2华为云于2021年4月发布三个基础大模型包括NLP大模型CV大模型和科学计算大模型之后又陆续发布了各种行业大模型包括气象大模型药物分子大模型矿山大模型海浪预测大模型等P4请仔细阅读本报告末页声明2023年04月22日图表3华为大模型层级资料来源央广网国盛证券研究所4月20日科大讯飞举办业绩说明会强调公司正在推进1N认知大模型战略其中1是通用认知智能大模型算法研发及高效训练底座平台N是应用于教育医疗人机交互办公等多个领域的专用大模型版本并将于5月6日举办认知大模型成果发布会3结合模型深度微调通过Knowhow数据形成场景方案基础大模型或者行业大模型最终需要结合实际应用场景进行落地这个阶段需要深度微调即使大模型已经拥有强大智能但可能缺乏特定场景的知识也需要结合具体场景的需求因此在落地时依然需要场景数据进行微调在用场景数据深度微调模型时需要丰富的行业经验Knowhow进行评价和指导在通过场景数据对大模型进行微调后前期得到的模型输出可能还并不够完美此时就需要有行业经验的专家对模型的输出进行评价给出修改意见再重新结合场景数据进行深度微调除了结合Knowhow与数据微调模型还需要形成具体方案每个场景所需要解决的问题不同最终需要将模型与实际问题结合与场景进行交互形成具体的解决方案才能真正得到价值比如对工业场景进行改造可能涉及到模型具体需要和工厂内的哪些设备进行交互还要考虑具体的作业流程4积累训练经验转向场景与方案积累的训练经验以及落地解决方案的经验将形成厂商的竞争优势帮助大模型厂商不断进化应用落地首先要依赖大模型的基础能力因此一方面大模型厂商将致力于提升大模型的基础能力积累的训练经验对于模型能力提升尤其重要同时训练经验还可P5请仔细阅读本报告末页声明2023年04月22日以极大降低预训练新行业模型的以及模型落地新场景微调的成本另一方面除了大模型本身的差异需要竞争的就是具体落地方案在各应用场景落地解决方案的经验积累可以帮助厂商更好地满足行业客户的具体需求同时还可能对于类似客户形成规模效应未来积累了丰富经验的厂商将对应用行业可以提供一站式的解决方案全方位满足客户需求很多投资者会静态地看待大模型公司的发展这是一个时代的起点在浪潮之巅探索的企业多积累的经验可能远远超出想象即使失之东隅仍然收之桑榆5投资建议建议关注算力英伟达中科曙光海光信息寒武纪易华录光通信产业链拓维信息常山北明神州数码浪潮信息景嘉微工业富联大模型及技术公司百度阿里华为360科大讯飞云从科技昆仑万维海天瑞声拓尔思腾讯字节跳动等应用1对标微软办公微软金山办公彩讯股份2多模态GPT输入输出信号变化大华股份海康威视万兴科技千方科技当虹科技云从科技萤石网络商汤科技中科创达新国都等3互联网传媒昆仑万维汤姆猫蓝色光标中文在线利欧股份游戏数字人电商等4智能助理耳机音箱漫步者科大讯飞传音控股国光电器恒玄科技奋达科技惠威科技等5其他优质应用同花顺恒生电子金证股份上海钢联石基信息汉得信息等6AI安全新华网人民网电科网安美亚柏科安恒信息等7国内巨头合作光云科技赛意信息云鼎科技朗新科技润和软件软通动力等8医疗应用润达医疗嘉和美康卫宁健康创业慧康8机器人三花智控拓普集团鸣志电器绿的谐波晶品特装6风险提示AI技术迭代不及预期风险若AI技术迭代不及预期NLP技术理解人类意图水平未能取得突破则对产业链相关公司会造成一定不利影响经济下行超预期风险若宏观经济景气度下行固定资产投资额放缓影响企业再投资意愿从而影响消费者消费意愿和产业链生产意愿对整个行业将会造成不利影响NLP技术应用落地将会受限行业竞争加剧风险若相关企业加快技术迭代和应用布局整体行业竞争程度加剧将会对目前行业内企业的增长产生威胁P6请仔细阅读本报告末页声明2023年04月22日免责声明国盛证券有限责任公司以下简称本公司具有中国证监会许可的证券投资咨询业务资格本报告仅供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的信息均来源于本公司认为可信的公开资料但本公司及其研究人员对该等信息的准确性及完整性不作任何保证本报告中的资料意见及预测仅反映本公司于发布本报告当日的判断可能会随时调整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本公司不保证本报告所含信息及资料保持在最新状态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力求报告内容客观公正但本报告所载的资料工具意见信息及推测只提供给客户作参考之用不构成任何投资法律会计或税务的最终操作建议本公司不就报告中的内容对最终操作建议做出任何担保本报告中所指的投资及服务可能不适合个别客户不构成客户私人咨询建议投资者应当充分考虑自身特定状况并完整理解和使用本报告内容不应视本报告为做出投资决策的唯一因素投资者应注意在法律许可的情况下本公司及其本公司的关联机构可能会持有本报告中涉及的公司所发行的证券并进行交易也可能为这些公司正在提供或争取提供投资银行财务顾问和金融产品等各种金融服务本报告版权归国盛证券有限责任公司所有未经事先本公司书面授权任何机构或个人不得对本报告进行任何形式的发布复制任何机构或个人如引用刊发本报告需注明出处为国盛证券研究所且不得对本报告进行有悖原意的删节或修改分析师声明本报告署名分析师在此声明我们具有中国证券业协会授予的证券投资咨询执业资格或相当的专业胜任能力本报告所表述的任何观点均精准地反映了我们对标的证券和发行人的个人看法结论不受任何第三方的授意或影响我们所得报酬的任何部分无论是在过去现在及将来均不会与本报告中的具体投资建议或观点有直接或间接联系投资评级说明投资建议的评级标准评级说明评级标准为报告发布日后的6个月内公司股价或行业买入相对同期基准指数涨幅在15以上指数相对同期基准指数的相对市场表现其中A股市增持相对同期基准指数涨幅在515之间股票评级场以沪深300指数为基准新三板市场以三板成指针持有相对同期基准指数涨幅在-55之间对协议转让标的或三板做市指数针对做市转让标的减持相对同期基准指数跌幅在5以上为基准香港市场以摩根士丹利中国指数为基准美股增持相对同期基准指数涨幅在10以上市场以标普500指数或纳斯达克综合指数为基准中性相对同期基准指数涨幅在-1010行业评级之间减持相对同期基准指数跌幅在10以上国盛证券研究所北京上海地址北京市西城区平安里西大街26号楼3层地址上海市浦明路868号保利One561号楼10层邮编100032邮编200120传真010-57671718电话021-38124100邮箱gsresearchgszqcom邮箱gsresearchgszqcom南昌深圳地址南昌市红谷滩新区凤凰中大道1115号北京银行大厦地址深圳市福田区福华三路100号鼎和大厦24楼邮编330038邮编518033传真0791-86281485邮箱gsresearchgszqcom邮箱gsresearchgszqcomP7请仔细阅读本报告末页声明