亚洲男人的天堂2018av,欧美草比,久久久久久免费视频精选,国色天香在线看免费,久久久久亚洲av成人片仓井空

AI+制造業賦能，META發布SAM助力機器視覺迎來GPT時刻。機器視覺技術使得工業設備能夠“看到”它正在進行的操作并進行快速決策，完整機器視覺系統由硬件+軟件組成，分別進行成像和圖像處理工作。目前，以“AI+人類感知”融合為代表的新興技術開始逐漸滲透至工業制造各環節，機器視覺作為AI+制造業的種業落地技術已經介入制造業生產環節的跟蹤、產品質量的檢測等。我們認為人工智能是機器視覺的母身，深度學習為機器視覺的技術堡壘，近期Meta發布SAM模式有望助力機器視覺迎來GPT時刻。　　機器視覺下游的高景氣反哺明顯，AI與機器視覺成為剛需。AI+機器視覺技術優勢明顯，政策加持+社會需求(人口紅利退潮)驅動中長期發展，我國機器視覺待滲透空間較大。隨著工業4.0等概念的持續深化+研發技術的不斷突破，AI+機器視覺持續賦能下游工業應用領域，有望受益于下游賽道的高景氣，從行業領域來看，高景氣賽道的半導體、汽車、新能源有望成為未來行業的最重要驅動力之一，電子領域在中長期仍是應用范圍最廣的下游。從應用深度來看，AI賦予機器視覺的高精度優勢，使得機器視覺成為不少行業的剛需標配，機器視覺已逐漸嵌入半導體、汽車、新能源鋰電池與光伏的生產檢測環節，提高汽車電子的裝配質量、突破光伏缺陷檢測瓶頸以提高產品良率等。　　機器視覺成本集中在上游，核心環節的國產替代化方興未艾。25年全球有望達到千億市場規模，中國增速領先全球（CAGR為15%）。剖析產業鏈，機器視覺產業鏈的上游硬件（奧普特/海康/大恒/中光學/舜宇/福光）鏡頭、工業相機、光源以及軟件（凌云光/奧普特/海康/鼎捷），中游為裝備制造/系統集成廠商（天準/凌云光/大恒/矩子/華興源創/精測電子），成本集中在技術壁壘高筑的工業相機（價值量占比23%）以及軟件算法（35%）；競爭格局方面，全球機器視覺市場以康耐視（美國）、基恩士（日本）、巴斯勒（德國）為代表的企業占據全球>50%市場份額，以康耐視和基恩士為代表的雙巨頭以入局早、扎實產品技術、廣泛應用場景經驗的優勢提前據市場優勢。國內機器視覺上游行業仍處于成長階段，增長速度大致相當，關注國產替代+AI迭代下工業相機與軟件環節發展。

1、國內外大廠發力布局，AI應用生態加速構建，行業應用前景有望打開： 　　（1）硬件端，以NVIDA為代表的國內外廠商布局AI芯片等硬件，有望降低行業內公司AI部署的成本和門檻，為AI商業化應用創造條件； 　　（2）軟件端，國內外大廠相繼發布AI大模型，并展現出出色的實際任務解決能力，應用空間廣闊； 　　（3）商業模式層面，ChatGPT插件大幅提升AI大模型的實用性和準確性，未來“AI大模型+應用插件”有望成為主流模式； 　　2、AI+行業應用有望加速融合，關注各賽道內具備布局優勢的廠商： 　　（1）隨著AI商用空間的逐步打開，AI結合各行業應用的進程有望加速，建議關注AI與辦公、教育、工業、醫療、安全、遙感、建筑、法律和金融行業的深度融合； 　　（2）對標Microsoft365Copilot，我們認為AI結合工具有望在實際業務場景中大幅提升用戶效率，實現降本增效，重點推薦廣聯達； 　　（3）我們認為AI大模型在文本生成領域技術已經成熟，在具備一定格式的文本生成中可輔助使用者完成任務，推薦AI+法律標的，通達海； 　

ChatGPT系列報告地址：//www.zhuanzhi.ai/topic/tpcac5a15a1c8b5293bfc970b97839eaf7

01ChatGPT是全要素生產率提升的核心 　　ChatGPT將顯著提升我國全要素生產率 　　全要素生產率（Total Productivity Factor，TFP)由技術創新、技術效率、規模效率和配置效率等因素決定，未來隨著我國進入高質量發展階段，TFP的改善可有效對沖人口老齡化帶來的壓力，TFP決定了我國潛在增長中樞。 　　ChatGPT在很多傳統領域會產生勞動力替代，但也會產生很多新的就業機會。2004年之后，中國從劉易斯的二元經濟發展階段進入到新發展階段，農村人口從過剩變為短缺，勞動年齡人口占總人口的比重開始下降。 　　ChatGPT可與人類開展連續對話，ChatGPT可勝任報告起草、詩歌創作、代碼撰寫等復雜任務。通過“學習”和“理解”人類語言，標志著人工智能技術應用將進入快車道。通過對超過1萬億個人類詞匯和1700億個模型參數進行高效迭代訓練，ChatGPT具備強大的自我學習、推理和歸納總結能力。 　　02ChatGPT是人工智能科技革命的縮影 　　ChatGPT是人工智能科技革命的縮影 　　ChatGPT是人工智能科技革命的縮影。實際上，2010年前后，以人工智能、云計算、大數據、物聯網等組成元素的新一輪科技革命開始孵化、孕育和成長，如智能汽車、新能源汽車已經開始逐步替代傳統汽車，廣泛地應用生產生活。 　　ChatGPT可以理解為一個高情商、理性且學識淵博的聊天機器人，歸納學習能力強，但在專業領域尚不具備預測能力，如宏觀經濟預測、大類資產價格走勢等。不過，在可預見的未來，ChatGPT將在養老、教育、醫療、內容創作等領域實現廣泛的應用。

3月15日 OpenAI發布多模態大模型GPT-4，其不僅在語言處理能力上提高，還具備對圖像的理解和分析能力。GPT-4商業化進程加快，開放API的同時還發布了在6個不同商業場景的應用落地。隨后微軟發布了震撼的微軟365 Copilot，極大提升office的生產力和交互方式。此前，ChatGPT就已經展示了強大的能力，在文字創造、人機交互、教育、影音、零售等多場景落地應用。我們認為，多模態大模型已在多領域具有專家能力，未來將深度賦能千行百業，改變生產生活方式。  **1. 2023年3月15日，OpenAI目前最強大的多模態預訓練大模型GPT-4正式發布。**其能夠處理文本、圖像兩種模態的輸入信息，單次處理文本量是ChatGPT的8倍，GPT-4的表現大大優于目前最好的語言模型，同時在學術考試中的水平遠超GPT3.5。這意味著GPT-4不僅在學術層面上實現了模型優化與突破，同時也展現出了成為部分領域專家的能力。

**2. GPT-4商業化進程加快。**GPT-4在發布時便開放了其純文本輸入的API，這與GPT-3和GPT-3.5的滯后開放不同。同時，GPT-4這次一起推出了6個商業場景的具體應用落地，在優化人機交互體驗、提供專業服務、提升組織效能、文化傳承與保護等方面都展現了巨大的潛能，未來有望看到更多場景中的商業化拓展與落地。 **3. ChatGPT已經刮起GPT生態狂潮。**2023年3月1號，OpenAI基于GPT 3.5 Turbo模型開放了ChatGPT API。API收費模式為0.002美元/1000tokens。相較于前一代開放接口GPT 3.5，性能更強的同時，價格下降90%，加速ChatGPT相關應用生態的發展。 **4.應用百花齊放，創造新的生產方式。**微軟先后在搜索引擎Bing、企業服務平臺Dynamic 365及開發者工具平臺Power Platform等接入 ChatGPT/GPT-4能力。微軟還發布了震撼的Microsoft 365 Copilot，極大提升office的生產力和交互方式。與此同時，在越來越多的企業宣布接入ChatGPT的能力，其中不乏一些已經取得優秀商業化的應用。如Jasper、Quizlet、Shop等，在語言文字創造、人機交互、教育、繪畫、影音、零售等多場景落地應用。 5. 我們認為以GPT4/ChatGPT為代表的預訓練大模型是這一輪AI浪潮的重要革新，重點推薦關注海內外優秀應用落地情況，AI芯片產業鏈等投資機遇。

**GPT技術發展不及預期：**GPT屬于先進AI算法，若后續GPT算法更新迭代效果不及預期，則會影響GPT演進及拓展，進而會影響其商業化落地等； **算法歧視與人權道德風險：**GPT引入基于人工反饋的強化學習，在人工反饋中，不可避免的會參雜歧視問題，從而會將歧視帶入后續的人機交互中；大模型在進行預訓練過程中，使用了大量數據，其中會涉及相關隱私問題； **數據數量與數據質量不及預期：**大模型需要大量的高質量數據進行訓練，若數據數量和質量存在短板，則會影響模型效果。 **GPT接口開放不明確：**目前GPT是否能對國內開放API還不明朗，若未來無法接入，可能將導致相關應用在國內無法落地。 **算力受限：**目前大模型訓練以GPU為主，尤其是英偉達的GPU。未來若GPU產能或者中美摩擦升級，可能導致國內廠商的算力布局。

　1、什么是ChatGPT？ 　　ChatGPT是什么？是將神經網絡算法中的Transformer模型從理論變為現實的劃時代應用。 　　ChatGPT強在哪？①算力強數據多。近4年，GPT歷代模型的開發和訓練得到了微軟在資金（110億美元）和算力（打造世界第五超級計算機）上的強力支持，目前能夠處理千億級參數，訓練百TB級數據。②訓練模式領先。前三代GPT均采取無人參與的預訓練機制，ChatGPT新增人類反饋強化訓練。③開生成式先河。以算力和訓練數據為支撐，ChatGPT能夠準確理解各類問題，給予具有一定邏輯的開放式回答；還能夠與提問者進行連續對話，不斷修正給出的答案，這是前所未有的語言理解和表達能力。潛在價值巨大，未來ChatGPT技術與其他人工智能技術耦合，徹底改變人工智能生態的可能性極大。 　　ChatGPT缺陷是？①語料來源：語料不夠充分或完全未覆蓋的空白領域，ChatGPT很可能會給出誤導性內容；與Bing搜索引擎耦合后，回答問題的準確性是否收到搜索引擎數據的干擾有待觀察。②運營成本：ChatGPT運營及訓練成本高企，恐將制約未來發展。③道德風險：無法避免ChatGPT故意提供虛假或提供帶有攻擊性的答案。 　　2、如何改變銀行業？ 　　機遇與挑戰：①銀行客服，對于客服、催收等人工的替代，與ChatGPT關聯最直接，或將開啟深度智能化階段。②業務前端：對于財富管理、小微客戶、個人消費貸款等標準化產品，客戶識別有望進一步細化，產品匹配有望更加精準。③業務中端：諸如授信報告、審批報告、貸后管理報告等強格式性案頭工作，如能以ChatGPT替代，可有效提高運營效率。④科技基礎：銀行投入人工智能相關研究需要持續投入資源，特別是要投入支持模型運轉及數據計算的算力資源。 　　合規與成本：①數據隱私：銀行數據的特殊性決定了應用第三方技術的審慎性，應用技術須考慮本地化、私有化部署模式。②系統穩定：銀行不掌握ChatGPT核心技術，很難控制內容輸出的正確性，也很難確保系統穩定運行，這在經營中存在很大風險。③成本投入：無論是接入ChatGPT，還是自主開發類似功能，均須較大成本投入，是否能夠實現預期收益，存在不確定性。 　　3、哪些銀行有機會？ 　　在金融科技持續投入資源的銀行。①科技人員：披露數據的21家上市銀行科技隊伍總人數11.6萬人，占從業總人數的5%；工行在絕對人數上一枝獨秀達3.5萬人以上，浦發、招行、工行科技人員占比最高。②科技投入：披露數據的24家上市銀行中科技投入近1600億元，占營收的3%。四大行在科技投入絕對規模占有優勢；長沙、平安、招行科技投入營收占比最高。

國產“ChatGPT”揚帆啟航。OpenAI的商業模式為API接口收費。我們認為此種商業模式具有“卡脖子”的風險，因此我國需要發展自主可控的“ChatGPT”。國產生態正在逐步繁榮，百度打響國產ChatGPT領域“第一槍”，其在算法、算力、數據、生態、平臺五方面皆有儲備；ChatGPT的競爭本質即大模型儲備競賽，大模型是人工智能發展的必然趨勢，也是輔助式人工智能向通用性人工智能轉變的堅實底座。大模型分為NLP(自然語言處理)、CV(計算機視覺)、多模態和科學計算四類。此外，中美科技巨頭已經開啟大模型儲備“軍備賽”。

　　百度文心一言，開啟國產ChatGPT新征程。百度是少有大模型語言訓練能力的公司，模型儲備方面，百度實現了全生態布局。1、NLP(自然語言處理)，已經具備智能創作、摘要生成、問答、語義檢索、情感分析、信息抽取等能力，且可以讓機器人像人一樣具有邏輯且自由對話；2、CV(計算機視覺)，可用于應用于圖像分類、目標檢測、語義分割等場景，此外還可以應用于文檔、卡證、票據等圖像文字識別和結構化理解；3、跨境大模型，可實現AI作畫、場景融合視覺常識推理、跨模態圖像檢索、跨模態文本檢索等多場景；4、生物計算，應用場景為蛋白結構預測和小分子藥物研發等領域。 　 　　百度為國產ChatGPT“領軍企業”，具有算力積累和生態優勢。平臺方面:擁有自主生態的百度百舸·AI異構計算平臺，具備高效率、多密度、高易用性、多場景部署、樂高式拼接等能力。算力方面:百度自身具有建設智能算力中心的實力，技術領先且自主可控，已有典型落地案例；服務器方面擁有自研的昆侖芯云服務器；芯片方面，昆侖芯AI芯片是百度自主研發的芯片，2代芯片已量產，具備算力支撐強、高速互聯等多重優勢。生態:百度大模型賦能千行百業，已有落地應用，合作廠商分別覆蓋科技、金融、航天、影視、汽車、電子制造等諸多產業。此外，我們推測ChatGPT有望成為搜索引擎的流量入口，百度搜索引擎有望借助文心一言大模型的能力重回巔峰。此外，目前國產科技巨頭已經開啟大模型的“軍備競賽”，因此，我們判斷，未來AI+有望賦能千行百業，具有AI+能力的廠商有望呈現“百花齊放”的態勢。 　

主要觀點： 　　ChatGPT帶來大模型時代變革，數據要素重要性提升 　　ChatGPT是由OpenAI研發的一種語言AI模型，其特點在于使用海量語料庫來生成與人類相似的反應。初代GPT模型參數1.17億，GPT2模型、GPT3模型參數分別達到15億、1750億。不斷提升的參數量級，使得ChatGPT3當前已經能夠應用在商業、研究和開發活動中。 　　當前此類參數體量龐大的模型，成為各大科技廠商研發重點。大模型的基礎為高質量大數據。ChatGPT的前身GPT-3就使用了3,000億單詞、超過40T的數據。此類大數據基礎的前提為三部分1）有效場景下的采集數據；2）大數據的存儲、清洗和標注；3）數據質量檢驗。 　　大模型發展之下，算力與網絡設施建設成為剛需 　　算力：ChatGPT類人工智能需要更充足的算力支持其處理數據，帶來更多高性能的算力芯片需求。英偉達表示，GPT-3需要512顆V100顯卡訓練7個月，或者1024顆A100芯片訓練一個月。2012年以來，AI訓練任務中的算力增長（所需算力每3.5月翻一倍）已經超越摩爾定律（晶體管數量每18月翻一倍）。 　　網絡設施：以微軟Azure為例，其AI基礎設施由互聯的英偉達AmpereA100TensorCoreGPU組成，并由QuantuminfiniBand交換機提供橫向擴展能力。服務器節點多、跨服務器通信需求巨大，網絡帶寬性能成為GPU集群系統的瓶頸，解決方式包括增加單節點通信帶寬與降低網絡收斂比，帶來光模塊、交換機等需求。 　　下游應用場景豐富，多行業落地可期 　　1）“生成式AI(generativeAI)”在互聯網及元宇宙領域市場化空間較為廣闊。基于現行的NLP算法發展程度及數據集規模。在不久的將來，生成式AI有較大可能在“智能客服”和“搜索引擎”進行增值，并有希望以“插件”的形式賦能現有的“生產力工具鏈(工程軟件/音視頻制作工具等)”。 　　2）AI在制造業的應用可分為三方面：a）智能裝備：指具有感知、分析、推理、決策、控制功能的制造裝備，典型代表有工業機器人、協作機器人、數控機床等；b）智能工廠：重點在于實現工廠的辦公、管理及生產自動化，典型的代表場景有協作機器人、智能倉儲物流系統等；c）智能服務：指個性化定制、遠程運維及預測性維護等。 　　3）人工智能在智能汽車領域的應用包括：a）智能駕駛依托AI，將從駕駛輔助發展至自動駕駛；b）智能座艙在AI支持下，從出行工具演變為出行管家。

2021年12月，中國政府聯合15家機關部門發布了《“十四五”機器人產業發展規劃》，明確了機器人產業規劃的重大意義并提出了機器人產業規劃的目標，將中國機器人產業再一次推向新的高度。隨著語音識別、機器視覺、機器學習、自動導航與定位等多種智能技術的不斷發展與落地，智能機器人在多領域成為市場的“寵兒”，發展勢頭迅猛。

　　智能技術的加持，促進傳統機器人行業進入快速轉型期。盡管受限于疫情等外生因素，在整體經濟形勢相對低迷的背景下，機器人行業仍然表現出較為強勢的增長力，2021年市場規模突破250億。疫情的反復爆發催生了多領域對無人化、自動化、智能化生產力及勞動力的旺盛需求，整個機器人產業呈現健康走勢。艾瑞預測，2025年中國智能機器人市場規模接近千億。 　　技術與需求的碰撞、打磨，促進機器人產品向多樣領域滲透。本報告擇選了工業、商業服務、醫療、農業四大領域，從驅動因素、產品品類、智能功能、優勢技術、演進趨勢與落地難點等多維度展開分析。從不同角度展現機器人的智能化應用及細分場景下現階段亟待攻克的難點與發展走向，供行業相關主體參考。 　　技術側驅動機器人的智能化進程：提升自研硬件性能，軟件賦能硬件，以多源感知為基礎，依托海量數據改進以算法為核心的智能技術，通過“端-邊-云”協同架構，緩解終端數據處理壓力。產品側豐富機器人的多樣化應用：產品演進與市場的需求升級同步轉變，一方面將從廣度上拓展應用可能，推出新型品類；另一方面將破除壁壘，實現機器人全場景作業。產業側助推機器人的生態化融合：匯聚產業各方主體的資源力量，是智能機器人產業跨步向前的重要趨勢。

在2007年初的冬天，蘋果創始人史蒂夫·喬布斯發布了iPhone，不僅重新定義了手機，并且以此改變了世界，推動了移動互聯網的普及，如今，在智能制造時代，特斯拉制定了機器化大生產智能汽車的游戲規則，利用AI技術和機器自動化技術重塑了傳統汽車的制造模式和商業模式，定義了新能源汽車，也帶來了人形機器人“Optimus”原型機，這也意味著機器人智能時代下人形機器人規模化普及的可能性。我們認為，機器人從模仿人類到超越人類，未來將突破人類生物能力邊界，利用軟件+平臺升級實現全場景覆蓋。 工業機器人：機器人產業目前最大子賽道，細分應用場景下專用性強、規模化程度較高

**從何而來？**通過復盤中日韓三國工業機器人產業的發展歷程，我們發現“產業環境+人才培養+需求催化”是市場的核心發展驅動力，日本市場以產業環境成熟、支持政策力度較大、人才培養完善為特點，是工業機器人行業執牛耳者，韓國市場從需求端的角度來看已進入了成熟市場，但整體市場呈現應用>自產的特點，在核心技術、產業環境上仍較為薄弱，中國市場作為最大的工業機器人市場，整體還處于成長階段，上游零部件的核心技術突破將成為行業發展的重要方向。 **走向何方？**未來國內市場發展方向上，我們判斷工業機器人滲透率將有進一步提升，要密切跟蹤下游行業汽車、電子等制造工廠智能化發展情況與機器人產業鏈完善程度，結合日本工業機器人兩大巨頭發那科與安川電機的發展路徑，我們認為工業機器人企業未來發展的關鍵在于自身的產業鏈布局與關鍵零部件的技術突破，中短期來看，工業機器人也將往智能化、載荷提高、小型化與專業化的方向不斷進化；長期來看，工業機器人將實現完全的智能化與功能一體化，單個機器人有望實現產品制造流程的全覆蓋。 服務機器人：現有技術下，服務機器人應用場景高度細分，通用化或為盈利重要突破方向

**如何服務？**運輸機器人：不同配送需求下商業化應用程度不一，技術要求最低的送餐機器人因緊貼需求、實現降本增效，發展成熟；對負重能力等有更高要求的物流配送機器人，則因伺服電機技術不成熟+使用場景探索待深入，發展曲線滯后；清潔機器人：商用、民用需求不同，龍頭民用品牌多次探索商用技術，未來可期；交互性機器人：運用人工智能技術，可不斷重復相同信息的講解、全天候關注使用者情緒等功能，在教育、科研、醫療等領域應用豐富。技術進一步發展后，交互性機器人表現值得期待。 **如何突破？**中短期來看，將走向硬件標準化+軟件通用化，實現場景初步整合，零部件標準化：相似功能的機器人使用相同零部件，最大化單一零部件產量，降低成本。如在需求允許的情況下，送餐與配送機器人使用相同的傳感器；長期來看，有望實現人形機器人一套硬件+多套軟件，從而實現全場景應用，人形機器人：在技術突破后進一步標準化、通用化，一套硬件+多套軟件，實現硬件成本降低+使用場景豐富，深度探索盈利模式。 醫療機器人：高速成長賽道，需求、技術、政策驅動發展，手術機器人潛力大

**為何興起？**①需求端：新發腫瘤患者數攀升帶來腔鏡手術需求增加，老齡化帶來骨科、心腦血管手術需求增加，龐大的患者群體釋放外科手術高需求，為手術機器人市場孕育了增長空間。②供給端：技術及政策共同孕育行業發展，優良的人工智能技術土壤孕育醫療機器人成長，同時政策鼓勵發展醫療機器人，推進規范應用。 **誰具看點？**中國醫療機器人正處高速成長期，手術機器人潛力大。據億歐智庫披露，中國醫療機器人市場規模預計由2021年72億元增長至2025年250億元，屬于技術及資本密集型行業。具體可分為醫療服務機器人、康復機器人及手術機器人，其中手術機器人毫米級精度及多自由度運動技術，決定其用于高于人類能力的微創手術領域或實現對手術器械的精準控制，技術壁壘高且潛在市場規模大。 **關注指標？**手術機器人建議短期關注企業新機投放量，中長期關注耗材銷售及服務質量。康復機器人建議未來重點關注企業技術革新及相關醫保政策變動。 **未來趨勢？**中短期來看，5G+機器人的遠程操作或將解決醫療資源分布問題；長期來看，AI/VR/AR等新興技術發展或將助力醫療機器人走向數字化+平臺化+全自動化+智能化。