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

　大模型時代的AI AGENT=LLM+規劃能力+記憶+工具。AI領域AGENT概念由來已久，這一輪LLM給AI AGENT提供了突破性技術方案，對AI AGENT性能表現至關重要；同時需借助外部工具在實際應用中保持長期一致性和準確性。目前AI AGENT的探索大致分為自主智能體和智能體模擬。

　　方向一：自主智能體，力圖實現復雜流程自動化。自主智能體有望帶來軟件行業交互方式和商業模式變革。基座大模型能力解決下限問題，在實際企業應用場景中自主智能體的架構設計、工程能力、垂類數據質量等也至關重要，垂類/中間件玩家亦有機會。其中，單智能體相對更適用于較簡單的任務，在C端應用上有一定潛力，代表性玩家包括中心化應用的ChatGPT、去中心化應用的adept AI、可定制和平臺化的Cortex、MindOS等；但其在B端場景上略顯乏力，基本無法完成較為復雜的工作，多智能體優勢相對更加突出。代表性玩家包括MetaGPT、ChatDev、Showrunner。 　 　　方向二：智能體模擬，力圖更加擬人可信。1）陪伴類智能體強調情感情商等人類特征，具有“人格”，且能夠記住與用戶的歷史交流，代表應用如PI、Character ai、replica、glow等。我們認為國內情緒消費市場仍有較大想象空間，陪伴類智能體或受益于情緒消費趨勢紅利，成為LLM時代重要的AI原生應用。我們預計陪伴類智能體大部分商業價值集中在供給方而非平臺，我們更加看好具備豐富IP儲備或者能讓用戶定制智能體的玩家。2）交互智能體：強調與環境交互的能力，智能體之間/與虛擬世界內事物之間可互動，可能涌現出超越設計者規劃的場景和能力，大模型不確定性反而成為優勢，有望成為AIGC重要部分。特別是對開放世界游戲等行業，可增強玩家沉浸感，解決開放世界內容消耗快的問題；多可信agent技術成熟后可能會孵化出新的游戲品類。代表項目如斯坦福大學開源的Smallville小鎮，應用如網易《逆水寒》、昆侖萬維《Club Koala》。 　

　1、大模型技術發展歷程

　　大模型泛指具有數十億甚至上百億參數的深度學習模型，而大語言模型是大模型的一個典型分支（以ChatGPT為代表）。Transformer架構的提出引入了注意力機制，突破了RNN和CNN處理長序列的固有局限，使語言模型能在大規模語料上得到豐富的語言知識預訓練，一方面，開啟了大語言模型快速發展的新時代；另一方面奠定了大模型技術實現的基礎，為其他領域模型通過增大參數量提升模型效果提供了參考思路。 　　復雜性、高維度、多樣性和個性化要求使得大型模型在自動駕駛、量化交易、醫療診斷和圖像分析、自然語言處理和智能對話任務上更易獲得出色的建模能力。 　 　　2、自動駕駛模型迭代路徑 　 　　自動駕駛算法模塊可分為感知、決策和規劃控制三個環節，其中感知模塊為關鍵的組成部分，經歷了多樣化的模型迭代：CNN（2011-2016）——RNN+GAN（2016-2018）——BEV（2018-2020）——Transformer+BEV（2020至今）——占用網絡（2022至今）。 　　特斯拉自動駕駛技術路徑的演進可視為自動駕駛技術迭代的風向標，呈現全棧自研、出軟硬件的協同發展趨勢：軟件層面從采用Mobileye到自研Transformer+BEV和占用網絡；硬件層面從與Mobileye、英偉達合作到自研FSD芯片方案。 　 　　3、大模型對自動駕駛行業的賦能與影響 　 　　自動駕駛領域的大模型發展相對大語言模型滯后，大約始于2019年，吸取了GPT等模型成功經驗。大模型的應用加速模型端的成熟，為L3/L4級別的自動駕駛技術落地提供了更加明確的預期。 　　可從成本、技術、監管與安全四個層面對于L3及以上級別自動駕駛落地的展望，其中：成本仍有下降空間；技術的發展仍將沿著算法和硬件兩條主線并進；法規政策還在逐步完善之中；安全性成為自動駕駛汽車實現商業化落地必不可少的重要因素。 　　各主機廠自2021年開始加速對L2+自動駕駛的布局，且預計在2024年左右實現L2++（接近L3）或者更高級別的自動駕駛功能的落地，其中政策有望成為主要催化。

　模型、算力、生態推動AI應用進入大爆發時代： 　　1）算法及模型的快速進步：2017年Transformer模型及2022年ChatGPT的發布標志著生成式AI在文本領域的重大飛躍，并在多項能力上超越了人類基準，未來隨著更強大的語言大模型（如GPT-5），以及多模態生態和視覺大模型的技術持續突破，將推動AI應用的持續進化。 　　2）算力基礎設施將更快、更便宜：雖然短期內大模型訓練需求的激增推高了算力成本，但隨著英偉達GPU性能的持續升級，以及微軟、亞馬遜、谷歌和Facebook等巨頭正在加大對AI算力云服務的資本開支，并積極布局自研A芯片，未來AI算力將更快、更便宜，以更好的支撐應用層的快速發展。 　　3）AI生態的逐漸成熟：AI組件層（AIStack）的完善和產業分工細化，為A應用在模型訓練、數據整合、應用開發、應用部署等環節提供全生命周期的支撐。 　　全球科技股復盤：算力基礎設施層公司率先受益于本輪AI產業浪潮，應用層公司同樣有所演繹，從兌現節奏上晚于基礎設施層。在基礎設施層中，英偉達是AI“掘金買鏟”邏輯的核心受益者，其次為微軟、Google、AWS、Oracle等頭部云服務廠商和大模型廠商。在應用層中，美股年初至今漲幅靠前的AI應用公司有：Palantir(136%)、Duolingo(109%)、Shopify(92%)、PaloAltoNetworks(74%)、Salesforce(67%)、adobe(67%)、ServiceNow(52%)。相較于AI基礎設施廠商已經能夠從模型訓練所產生的巨大需求，訂單和業績也得到了持續驗證，B端應用還處于早期，大多數AI應用廠商還尚未進入到商業化階段，從兌現時間來看預計要晚于基礎設施層2-3個季度。 　　全球生成式AI項目及投融資現狀： 　　1）AI項目數量激增：GitHub上AI開源項目截止8月底數量達到了91萬，相較于去年全年的增幅達到264%。根據Replit的數據，23年二季度AI項目環比增速達80%，相較于去年同期同比增長了34倍； 　　2）OpenAI在大模型上依然具備統治級地位：95%以上的應用項目均是基于OpenAI的模型來構建，同時開源項目數量也開始大幅增長； 　　3）2023年是生成式AI投融資創紀錄的年份：根據CBInsights的數據，截至2023年第二季度，生成式AI的投融資相較于去年全年的25億美元，增長了4.6倍； 　　4）生成式AI應用層融資金融僅占三成：目前約七成資金投向了包括大模型開發在內AI基礎設施層。而從應用層的融資中，AI數字代理獲得融資最多，其次為文本、圖像、代碼及音頻的生成工具。 　　生成式AI應用按應用領域可以分為工具型應用、通用軟件、行業軟件、智能硬件四大類，從產品形態上將沿著AIGC（內容生成）、Copilot（智能助手）、Insight（知識洞察）、Agent（數字代理）四個重要的方向演進。 　　1）工具型應用：包括聊天機器人、搜索引擎、文本工具、AI作畫以及代碼工具等，主要集中在C端，產品的同質化程度較高，對于大多數文本、圖像、視頻、代碼、3D模型等AIGC工具，模型/算法的能力決定了產品的受歡迎程度，對底層模型特別是GPT-4存在高度依賴。目前行業進入第一輪洗牌期，競爭優勢的構建來自于差異化的產品定位以及持續訓練更強大的底層模型和算法。 　　2）通用軟件：包括辦公軟件、企業服務、IT運維、軟件開發、網絡安全、數據智能等領域，各領域頭部廠商均已出現標桿產品，最常見的產品形態主要是AI智能助理（Coplilot），代表有Office365Copilot、SalesforceEinsteinGPT及AdobeFirefly。目前各個賽道競爭格局變化不大，各個賽道的龍頭廠商依然率先受益于生成式AI所創造的新的產品功能，未來的競爭關鍵在于AI與場景/工作流的深度融合，目前通用軟件頭部廠商預計將在四季度進入商業化落地的關鍵階段； 　　3）行業軟件：涉及金融、醫療、教育、工業、游戲、法律等多個行業，生成式AI在游戲、法律、教育、電商等C端場景有較多的結合，而在醫療、金融、工業等B端場景下生成式AI產品的成熟度仍然偏低。AI助手（Copilot）同樣得到了廣泛應用，而未來在金融、醫療、工業等領域，最具前景的應用來自于數據分析和知識洞察（Insight）工具。同時，目前各行業頭部廠商也在開始自建垂類大模型，包括彭博社的金融大模型Bloomberg，以及Meta蛋白質大模型ESMFold，當前垂類大模型在其專業領域的性能普遍超過通用大模型。 　　4）智能硬件：包括智能汽車、機器人、智能終端等，目前生產式AI與智能硬件的結合主要分為兩個方面：一是語音助手，應用場景包括智能座艙、智能音箱、家用機器人等各類智能終端，相較于過去的語音交互模式，大模型和生成式AI技術提升了感知和生成能力，進而帶來了用戶體驗的提升，但是總體而言產品門檻相對較低，另一類則為數字代理AIAgent，主要應用包括自動駕駛、智能機器人等，具備更加廣闊的應用空間。目前AIAgent在感知與決策能力上仍存在瓶頸，未來應用空間打開的關鍵在計算機視覺、具身智能等底層技術的突破。 　　生成式AI產品目前的商業模式主要包括功能訂閱、按量付費、產品銷售等，其中C端應用以功能訂閱和按量付費為主，商業化已經趨于成熟，而B端應用則主要為功能訂閱、解決方案和產品銷售，即將進入全面商業化階段。目前第一批生成式AI應用包括JasperAI、NotionAI、MidJourney等均已經成功實現商業化。其中Office365Copilot的定價為每個用戶30美元/月。相較于Office主線產品15-30美元/月的定價，最高提升了2倍以上。Salesforce的生成式AI模塊服務GPT和銷售GPT分別單用戶每月付費為50美元。此外，Palantir、PaloAltoNetworks的AI產品已經在實際場景中得到應用且已經帶來了明顯的收入貢獻，四季度AI應用將正式進入商業化落地階段。

近年來，學術界在大規模深度神經網絡、多模態人工智能方面的探索表明大模型具備易擴展性，能夠實現跨模態的知識沉淀。去年亮相的Stable Diffusion以及ChatGPT成功商業化也證明了以大模型為基礎模型，通過對基礎大模型進行業務封裝可以較好滿足多個行業需求。 本次調研旨在使大家對AIGC行業建立一定了解。政策方面，國外/國內政府對該行業既有扶持也有監管。目前AIGC主要應用在桌面辦公，電商，游戲娛樂與影視行業，計算任務主要圍繞圖片和文本生成展開。雖計算任務相較傳統判別模型有一定挑戰性，但巨大的市場潛力也吸引了全球AI芯片廠商的目光。 本報告將從市場和技術路徑兩方面對隱私計算行業展開分析。

語言模型已步入大模型發展階段，國內大模型研發應用熱潮 持續高漲，科技大廠在模型、算力、平臺、應用進行了四位一體 的全面布局，如阿里的“通義大模型+飛天智算平臺+魔塔社區+ 行業應用”、百度的“文心大模型+昆侖芯+飛槳平臺+行業應用”、 騰訊的“混元大模型+HCC 算力集群+太極機器學習平臺+行業應 用”、字節的“視覺語言模型+火山高速訓練引擎+火山機器學習 平臺+行業應用”。大模型落地將形成 API、PaaS 和 MaaS 三種收 費模式，目前仍以內部應用為主，后續主要向 B 端企業拓展服務， 預計少數企業將在 C 端市場形成規模。

大模型發展全面加速，通過“預訓練+精調”模式進行落地。 語言建模經過統計語言模型、神經語言模型、預訓練語言模型， 已經全面邁入百億、千億參數規模的大語言模型階段。大語言模 型具備優秀的上下文學習能力、上下文學習能力、可觀的知識容 量、優秀的泛化性和復雜推理能力。大模型研究存在 Google 的 Bert 模式、OpenAI 的 GPT 模式和國內的混合模式三條技術線， 以 ChatGPT 為主導 GPT 模式目前已經占據主流。目前，國內已 有至少 19 家企業及科研院所參與人工智能大模型訓練，主要分 為大型科技公司、科研院所和初創科技團隊三類。國際對比來看， 目前美國領跑，中國跟跑，但差距不斷縮小。在實踐中，預訓練 大模型在基于海量數據的自監督學習階段完成了“通識”教育， 再借助“預訓練+精調”等模式，在共享參數的情況下，根據具 體應用場景的特性，用少量數據進行相應微調，即可高水平完成 任務。 互聯網大廠在“模型、算力、平臺和應用”進行四位一體布 局。阿里“通義大模型+飛天智算平臺+魔塔社區+行業應用”：在 模型層，阿里達摩院主導大模型研究，發布通義大模型，包括通 義 M6 多模態模型、通義 AliceMind 自然語言處理模型、通義視 覺計算機視覺模型。在算力層，阿里云推出全棧智能計算解決方案“飛天智算平臺”，并啟動兩座超大規模智算中心。此外，阿里不僅擁有最多的英偉達 A100 芯片，還擁有自 研芯片含光 800、倚天 710 芯片，共同為人工智能大模型?供算力。在平臺層，阿里推出 AI 開源社區“魔搭”， 旨在打造下一代“模型即服務”的共享平臺，整合業界多方模型?供者，為開發者?供預訓練基礎模型和 API 接口。在應用層，阿里已宣布旗下所有產品未來將全面改造并接入通義大模型，包括天貓、釘釘、高德地圖、 淘寶、優酷、盒馬等。 百度“文心大模型+昆侖芯+飛槳平臺+行業應用”：在模型層，百度文心大模型構建了“基礎+任務+行業” 三級模型；在算力層，算力基礎設施均由百度智算中心支持，昆侖芯二代已廣泛應用在文心大模型，預計昆侖 芯三代將于 2024 年初量產；在平臺層，百度飛槳 PaddlePaddle 是其自主研發的深度學習平臺，文心大模型通過 百度飛槳平臺，實現模型訓練、推理部署和場景應用；在應用層，文心大模型將應用在電力、燃氣、金融、生 物醫藥、航天、傳媒、城市、影視、制造、社科等多個行業。 騰訊“混元大模型+HCC 算力集群+太極機器學習平臺+行業應用”：在模型層，2022 年 4 月，騰訊對外 披露了混元大模型，涉及自然語言處理、計算機視覺、多模態等多個領域。騰訊自研的太極機器學習平臺為混 元大模型?供算力，可支持 10TB 級模型訓練、TB 級模型推理計算能力等。2023 年 3 月，騰訊對標 ChatGPT 已成立“混元助手”戰略級項目組；在算力層，2023 年 4 月 14 日，騰訊云發布新一代 HCC 高性能計算集群， 其采用最新一代星星海自研服務器，搭載 NVIDIA H800 Tensor Core GPU，并基于自研網絡、存儲架構，帶來 3.2T 超高互聯帶寬 TB 級吞吐能力和千萬級 IOPS；在平臺層，騰訊自研搭建了業界一流的太極機器學習平臺， 致力于讓用戶更加聚焦業務 AI 問題解決和應用，一站式的解決算法工程師在 AI 應用過程中特征處理，模型訓 練，模型服務等工程問題；在應用層，混元大模型已成功應用于騰訊廣告，將全面接入微信端、QQ 端和王者 榮耀、英雄聯盟游戲端，?供智能聊天、內容推薦、情感分析、故事生成、角色塑造等功能，以及騰訊混元大 模型有望將在游戲、社交、金融、教育、醫療等領域發展生態。 字節“視覺語言模型+火山高速訓練引擎+火山機器學習平臺+行業應用”：在模型層，字節在 AI 方面的積 累主要集中在機器翻譯、智能語音、視頻圖像和多模態四個領領域。字節跳動的研究成果包括非自回歸模型 DA-Transformer、端到端語音到文本翻譯模型 ConST、多顆粒度的視覺語言模型 X-VLM、圖片和文本統一生成 模型 DaVinci 等；在算力層，火山引擎在春季火山引擎 FORCE 原動力大會上正式發布自研 DPU 等系列云產品， 并正式推出智能推薦-高速訓練引擎，支持 100GB 至 10TB 以上超大模型的高效訓練；在平臺層，火山引擎在 2023 春季 FORCE 原動力大會發布了機器學習平臺升級版，在數據管理、資源管理、流程和模型三大領域具備 核心優勢；在應用層，火山引擎的 AI 場景產品主要包括智能創作、智能體驗以及智能營銷，目前已服務數百家 客戶，分別在視頻創作、互動創作、直播短視頻構建中推動客戶業務增長。此外，字節在內部的相關產品持續 引入 AI，包括海綿樂隊、飛書 My AI 等。 商業應用尚處早期，以 API、PaaS、MaaS 三種模式為主。當前全球大模型產業落地仍處于早期探索階段， 需要與下游場景企業合作建立大模型商業模式，但下游企業目前對于大模型的理解相對有限，所需要的資源支 撐比較薄弱。總的來說，大模型落地可以通過 API 接口調用付費、或者大廠?供落地所需的開發工具、云平臺、 服務等的 PaaS 模式、更進一步是直接?供相關定制好的模型調用的 MaaS 模式。

AI+辦公方面，隨著ChatGPT火爆全球，基于對圖像、視頻、音頻等進行處理的多模態大模型的應用也得到快速推廣。微軟已推出Microsoft 365 Copilot為用戶辦公模式帶了個革命式的變化，國產廠商也奮起直追，其中金山辦公是國內辦公軟件廠商探索AI技術應用的先行者之一，接入多個大模型供應商，可更精準滿足用戶AI創作需求。

AI全方位賦能，掀起內容創新浪潮。在游戲行業中，AI能夠幫助用戶體驗再升級，并助力大眾創作降本增效；在教育行業，智能教育邁向因材施教階段，AI服務在學生、教師兩端均有落地；在影視行業，AI可以助力特效內容生成；在電商行業，從產品上架到售后服務，AIGC將多方位賦能品牌商家；在營銷行業，創意文案能夠通過AI迅速生成，實現千人千面個性化推薦。

大模型主導的生成式AI，尤其是GPT-4的發布，讓人類社會看到了通用人工智能時代的曙光。這意味著，經過“大工業化”的高效預訓練后，具備了強大的泛化能力，能夠在眾多領域像人類一樣進行思考、解決問題，并進行持續、快速的自我進化，大模型主導的生成式AI，將擁有極為廣闊的應用前景，有望賦能千行百業。未來，每個行業都將再進行一次智能化改造！

在政策層面，中央首次提到通用人工智能，為AIGC產業的發展提供了積極政策環境。

技術層面，作為AIGC生態的核心，大模型本身可根據可交互對象分成文本、音頻、圖像、視頻等不同模態以及跨模態，更多的模態，則意味著更多的交互和應用場景組合。我國AIGC產業目前尚處于發展初期，各模態技術發展進度不盡相同。目前，以文本生成、音頻生成應用相對廣泛。

當前，在應用層面，縱向看，在垂直應用方向上，傳媒、教育、營銷、客服、數字人等數字化程度更高、容錯率相對較高的領域先行先試；橫向看，在價值鏈角度，主要集中于技術嘗鮮、組織內部的提效降本，下一步將朝著終端用戶側的價值創造及傳遞場景展開。

圖片報告關鍵發現

大模型支撐的生成式AI，讓人類社會有望步入通用人工智能時代，擁有廣闊的應用前景，有望賦能千行百業。 當前生成式AI的落地整體處于初級階段，不同模態的落地時間表差異明顯，企業需求主要集中在數字化程度高、容錯率相對較高的領域，以借助中間件調用大模型能力為主要方式。數字內容產業、客戶服務是生成式AI滲透的典型行業和場景。 AIGC+數字內容：數字經濟快速發展，帶來國內數字內容消費需求的持續快速增長，但國內數字內容產業面臨需求變化快、供給側內容整體過剩而優質供給不足的問題。以長音頻數字內容生產為例，AIGC能夠助力內容生產的工程化、高質量、個性化。 AIGC+客戶服務：大模型依托自身強大泛化能力優勢，有望給國內智能客服領域的服務前、服務中、服務后各環節帶來效能提升。但由于存在效果不明、數據安全等問題，短期內大模型很難對現有智能客服體系實現完全替代和顛覆，廠商需要探索如何在融合大模型能力的同時實現模式突破。

人工智能是數字經濟的核心驅動力，AI 大模型是人工智能的新引擎。AI 大模型指通過在海量數據上進行預訓練，能夠適應多種下游任務的模型，具有強大的泛化能力、自監督學習功能和精度突破性能。其已經在自然語言處理、計算機視覺、氣象預報等多個領域取得了令人矚目的成果。大模型的發展是大勢所趨，未來將會助推數字經濟，為智能化升級帶來新范式。

近年來，隨著 ChatGPT 等生成式人工智能（AIGC）的突飛猛進，全球范圍內的經濟價值預計將達到數萬億美元。尤其在中國市場，生成式 AI 的應用規模有望在 2025 年突破 2000億元。這一巨大的潛力不僅吸引著業內領軍企業競相推出萬億、10 萬億參數量級別的大模型，而且對底層 GPU 支撐規模提出了更高的要求，達到了萬卡級別。然而，如何滿足如此龐大規模的訓練任務，對網絡的規模、性能、可靠性和穩定性等方面提出了前所未有的挑戰。

以 GPT3.5 為例，其訓練過程依賴于微軟專門建設的 AI 超算系統，由 1 萬個 V100 GPU 組成的高性能網絡集群，總計算力消耗約為 3640 PF-days。在這種情況下，尋求提供極致高性能網絡已成為人工智能領域的重要研究方向之一。

日前，針對AI大模型帶來的挑戰，中國移動聯合華為、中興、銳捷、思博倫、云脈芯聯、星云智聯、中科馭數、博通公司、是德科技、大禹智芯等十余家合作伙伴發布《面向AI大模型的智算中心網絡演進白皮書》。

本白皮書將從 AI 業務發展的歷程出發，深入研究大模型對網絡能力的需求，分析當前網絡與業務需求的差距，并探索網絡技術發展趨勢以彌補這一差距。我們希望，通過本白皮書的研究和分析，為未來面向 AI 大模型的智能計算中心網絡發展提供有益的參考和啟示。

　一、AI框架重要性日益突顯，框架技術發展進入繁榮期，國內AI框架技術加速發展： 　　1、AI框架作為銜接數據和模型的重要橋梁，發展進入繁榮期，國內外框架功能及性能加速迭代； 　　2、Pytorch、Tensorflow占據AI框架市場主導地位，國內大廠加速布局AI框架技術； 　　3、AI框架技術從工具逐步走向社區，生態加速形成，未來圍繞安全可信、場景落等維度呈現顯著發展趨勢； 　　二、GPT開啟AI大模型時代，國內外大廠發力布局，商業化空間加速打開： 　　1、數據、算法、模型三輪驅動AI發展，大模型優勢顯著，成為AI主流方向； 　　2、GPT開啟千億參數級AI大模型時代，語言、視覺、科學計算等大模型快速發展； 　　3、微軟加速AI商用化進程，國內大廠發力布局，看好在細分場景下的應用落地； 　　三、建議關注標的： 　　1、基礎層：AI算力：中科曙光；大模型：360，科大訊飛 　　2、應用層：AI+工具：金山辦公；AI+建筑：廣聯達；AI+法律：通達海；AI+醫療：創業慧康，久遠銀海；AI+教育：科大訊飛；AI+網安：安恒信息、奇安信；AI+金融：同花順；AI+交通：佳都科技

自ChatGPT推出以來，國內學術界和科技企業相繼宣布或將推出類似機器人對話模型，有望推動大模型發展。2月7日，百度官宣“文心一言”。2月20日，復旦大學發布了類ChatGPT模型“MOSS”，并面向大眾公開邀請內測，國產大模型有望迎來爆發式增長。 　　需求和政策兩方面，合力推動AI產業增長。國內應用層面的需求推動AI產業的加速發展。根據IDC數據預測，2021年中國人工智能軟件及應用市場規模為51億美元，預計2026年將會達到211億美元。數據、算法、算力是AI發展的驅動力，其中數據是AI發展的基石，中國數據規模增速有望排名全球第一。政策方面，“十四五”規劃中提到“瞄準人工智能”，“聚焦人工智能關鍵算法”，加快推進“基礎算法”的“突破與迭代應用”；北京、上海、廣州等城市發布相關規劃。 　　頭部企業采取“模型+工具平臺+生態”三層共建模式，有助于業務的良性循環，也更容易借助長期積累形成競爭壁壘。大模型廠商主要包括百度（文心大模型）、騰訊（HunYuan大模型）、阿里（通義大模型）、商湯、華為（盤古大模型）等企業，也有智源研究院、中科院自動化所等研究機構，同時英偉達等芯片廠商也紛紛入局。大模型增強了AI技術的通用性，助力普惠AI的實現。未來，大模型有望于場景深度融合，配合專業工具和平臺支持應用落地，開放的生態來激發創新，形成良性循環。 　　技術發展有望促進生產效率提升，并進一步創造新的消費和需求，有利于文娛內容和互聯網行業。在AIGC和ChatGPT方面，我們建議持續關注技術發展和應用情況，把握技術催化和商業化落地帶來的投資機會：1）具備AIGC和ChatGPT的技術探索和應用的公司：百度集團-SW、商湯-W、萬興科技、拓爾思等；2）具有海量內容素材且具有AIGC探索布局的，圖片/文字/音樂/視頻內容及平臺公司騰訊控股，閱文集團、美圖公司、昆侖萬維、湯姆貓、神州泰岳、視覺中國、中文在線、漢儀股份、天娛數科、風語筑等。