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

大模型最佳載體，AI PC為PC行業發展提供新動力 　　AI大模型在云端運行存在數據泄露、傳輸延遲、運營成本越來越高等諸多問題，阻礙大模型的商業化應用，因此將AI大模型嵌入終端設備，形成混合AI架構是促進大模型普及的重要措施。AI PC使用場景與AI大模型目前覆蓋的應用場景高度重合，被稱為“大模型的最佳載體”。目前，高通、AMD、英特爾等芯片處理器廠商已推出針對AI PC的處理器，聯想、宏碁等品牌廠商也在積極推動AI PC的發展。目前AI PC市場整體 　　處于AI Ready向AI On過度的階段，根據Canalys預測，兼容AI的個人電腦有望在2025年滲透率達到37%，2027年兼容AI個人電腦約占所有個人電腦出貨量的60%，未來AI PC的主要需求來源為商用領域。同時AI PC將會為PC行業發展提供新動能，根據IDC的預測，中國PC市場將因AI PC的到來，結束負增長，在未來5年中保持穩定的增長態勢。 　　AI PC刺激底層硬件技術升級 　　AI PC產業升級過程中，處理器芯片、內存、散熱是主要受益領域，此外AI PC拉動PC行業出貨量增長也有助于促進中游代工及品牌廠商的業績增長。（1）在處理器方面，目前AI PC基本采用“CPU+GPU+NPU”的異構方案。高通的驍龍X Elite是目前市面上唯一達到微軟AI PC最低算力40TOPS要求的AI PC處理器。受益于AI需求定制化、專有化特點，ARM充分發揮其優勢成為全平臺主流架構，沖擊更多市場份額。（2）內存方面，AI PC將會拉升高世代DRAM芯片需求。AI大模型運行對內存容量提出更高要求，因此大容量的DDR5、LPDDR5/X等高世代 　　DRAM產品滲透率將會提升。（3）散熱模組方面，NPU性能釋放將會帶來更多能耗，因此AI PC可能會給出全新的解決方案，液冷散熱技術使用占比可能有所提升，據市場研究公司IDC預測，到2024年，超過75%的PC將采用液冷散熱技術。

近期，OpenAI的Sora的橫空出世再一次引發市場對AIGC的關注，文生視頻領域取得重大突破，效果遠超預期。我們將圍繞Sora的核心優勢、技術特點、行業影響、未來趨勢等方面進行闡述。 　　相較于此前的文生視頻模型，Sora取得哪些突破？ 　　近期，OpenAI發布了文生視頻模型Sora，可以用文字指令生成長達1分鐘的高清視頻。相較于此前市場上的同類模型，如Runway、Pika等，Sora的生成效果有大幅提升，遠超預期： 　　首先，視頻長度方面，Sora可以生成長達60秒的視頻，長度遠遠大于其他AI視頻模型的幾秒鐘長度。 　　其次，Sora在視頻內容質量穩定性方面有大幅的提升，鏡頭多角度切換，視頻中的主角和背景能夠保持高度一致性和穩定性。 　　此外，Sora還展示了其對物理世界部分規律的理解，這也是一重大突破，甚至能夠實現一定程度的物理交互。 　　Sora的核心優勢和技術特點體現在哪些方面？ 　　Sora的技術優勢在于“Patches”和深度語言理解。Sora是一個在不同時長、分辨率和寬高比的視頻及圖像上訓練而成的擴散模型，同時采用了Transformer架構。Sora模型的技術優勢和特點主要在于： 　　視覺數據Patches化：相較于大語音模型把所有的文本、符號、代碼都抽象為Tokens，Sora則把視頻抽象為Patches（補片），是一種具備高度擴展性且適用于視頻和圖片生成式模型訓練的有效表示； 　　視頻壓縮網絡（Video compression network）：將原始視頻進行壓縮，從而降低視覺數據維度，用于訓練并生成視頻； 　　時空補片技術（Spacetime latent patches）：給定一個壓縮的輸入視頻，模型提取一系列時空補片（patches），用于對不同分辨率、時長和長寬比的視頻和圖像進行訓練； 　　擴展Transformer視頻生成：Sora是一個擴散Transformer模型，通過輸入噪聲patches訓練來預測除噪的原始patches。OpenAI在這項研究中發現，擴散型Transformer同樣能在視頻模型領域中完成高效擴展； 　　視頻多樣化：相較于一些模型使用標準尺寸視頻用于訓練或生成，Sora能夠處理不同分辨率、時長、寬高比的視頻，在采樣靈活性、改進框架和構圖方面有顯著優勢； 　　語言理解：基于GPT模型的深度語言理解，能夠更加準確地理解提示詞所表達的真實需求； 　　圖生視頻、視頻生視頻：除了文生視頻外，Sora也能夠通過輸入圖像和視頻用于生成視頻，能夠實現靜態圖片動態化、視頻向前和向后拓展、視頻編輯等能力。 　　Sora模型對哪些行業影響更大？ 　　Sora最直接的影響主要是對視頻行業造成沖擊，這將對于廣告業、電影預告片、短視頻行業以及游戲帶來顛覆。Sora大大降低了視頻制作的門檻和成本。 　　對于國內AI創業公司的影響：和ChatGPT一樣，我們認為Sora的出現也會吸引國內玩家追隨，但由于文生視頻模型的訓練難度和成本更大，準入門檻也進一步提高。 　　Sora影響最大的將是短視頻行業，未來或將極大地提升內容供給及創作質量，尤其是流量熱點驅動的內容，或將進入“全民創作”時代。同時，文生視頻技術或將為當下熱門的短劇市場帶來變數，短劇重心有望回歸高質量劇本創作。 　　長視頻由于對內容質量等專業化要求較高，AI生成視頻在精準度、可編輯性等方面仍需進一步打磨，高額的成本也或是短期應用落地阻礙，但長期來看其未來發展空間足夠廣闊。 　　對于游戲行業，Sora模型有助于進一步提高開發效率。文生視頻能力可降低游戲CG和PV制作成本，可用于豐富游戲劇情和故事情節，提升玩家代入感。 　　視頻相較于文字而言，對于算力的需求將會是幾何式的增長。我們認為算力限制可能是影響文生視頻類應用開放使用的重要因素。 　　2024年AIGC行業有哪些趨勢？ 　　多模態模型或在2024年迎來爆發。此前大模型在各個領域的應用，主要集中在文生文、文生圖之上，而在文生視頻領域卻進步緩慢。此次文生視頻模型Sora的發布，將給長短視頻，游戲和廣告行業帶來顛覆性創新。隨著文生圖、圖片對話技術的成熟，文生視頻已成為多模態大模型下一步發展的重點。大模型領域的競爭將進一步白熱化，多模態大模型將成為生成式AI的重點發展方向，并有望推動本輪AI行情進一步擴散。 　　除了在計算機視覺、自然語言處理等特定領域模型的發展，多模態大模型的進一步交叉融合或將成為未來重要的應用方向。未來人與機器之間的交互方式將更加豐富，或通過文字、視覺、語音等多維度溝通，進而提升效率。AI所創造的虛擬世界與現實世界的邊界逐漸模糊，逐漸向AGI方向邁進。

大模型演進：工業革命級的生產力工具。目前，ANI已經廣泛應用，AGI處于研發階段，大模型是實現AGI的重要路徑。AI大模型通過預先在海量數據上進行大規模訓練，而后能通過微調以適應一系列下游任務的通用人工智能模型。在“大數據+大算力+強算法”的加持下，進一步通過“提示+指令微調+人類反饋”方式，實現一個模型應用在很多不同領域。人工智能的發展已經從“大煉模型”逐步邁向了“煉大模型”的階段，逐漸掀起多模態和多場景革命，重塑AI技術范式，提升模型能力天花板，應用價值顯著提升。大模型現狀：GPT引領，百模征戰。（1）ChatGPT加速迭代：從GPT-1至GPT3.5跨越4年多時間，ChatGPT發布僅一年，GPT迭代開啟“加速度”，現已具備多模態能力，并搭建GPTs生態，將定制化模型從ToB推廣到ToC，低門檻、低成本、定制化的特點，使得GPTs具備普及性和顛覆性。（2）他山之石：據業界不完全統計，23H1硅谷在人工智能領域共完成了42起融資，總金額約140億美元（占世界總融資金額的55%），應用方面的投資金額僅次于大模型，垂類場景應用的融資中對話機器人占據絕對優勢。（3）國內大模型：科技型企業包括人工智能企業、垂直大模型企業和數據智能服務商相繼進場，如商湯科技、度小滿和滴普科技等企業，以百度、騰訊和阿里為代表的互聯網云廠商占據中國通用大模型行業多數市場份額，在布局時間、基礎設施建設、應用場景等方面具備明顯優勢。（4）爆款應用：基于ChatGPT的火爆和大模型的迭代發展，海內外AI在對話、圖像、教育、辦公等多個領域出現爆款應用。大模型未來：應用多點開花，產業智能躍遷。（1）內容變革：擁有通用性、基礎性多模態、參數多、訓練數據量大、生成內容高質穩定等特征的AI大模型成為了自動化內容生產的“工廠”和“流水線”，隨著 GPTstore 的出現， AI 大模型將迎來自己的“APP Store”時代，AIGC 商業應用的前景愈發廣闊。（2）模型演繹：多模態模型核心目標是模擬人類大腦處理信息的方式，以更全面、綜合的方式理解和生成信息，底層通用大模型目前成為最受關注、建設和提升迫切性最強的領域，中間層模型國內目前尚未出現相關玩家。（3）AIGC主流的營收模式可分為四種：MaaS、按產出內容量付費、軟件訂閱付費、模型定制開發費。目前，按照產出量收費的模式占據主流，但隨著底層模型即AIGC生態的建立，最具長期增長潛力并將占據主要市場規模的為MaaS模式。據量子位預測，2023年AIGC不同商業模式規模約170億元，預期2026將翻一番，2030年有望突破萬億市場規模。

AI正處史上最長繁榮大周期，生態加速收斂：在進入21世紀以來，在大數據和大算力的支持下，歸納統計方法逐漸占據了人工智能領域的主導地位，深度學習的浪潮席卷人工智能，人工智能迎來史上最長的第三次繁榮期。智算中心的發展基于最新人工智能理論和領先的人工智能計算架構，當前算法模型的發展趨勢以AI大模型為代表，算力技術與算法模型是其中的核心關鍵，算力技術以AI芯片、AI服務器、AI集群為載體。 　　GPU主宰算力芯片，AI信創驅動國產算力發展：得益于硬件支持與軟件編程、設計方面的優勢，CPU+GPU成為了目前應用最廣泛的平臺。AI分布式計算的市場主要由算力芯片(55-75%)、內存(10-20%)和互聯設備（10-20%）三部分組成。美國已限制對華銷售最先進、使用最廣泛的AI訓練GPU—英偉達A100以及H100，國產算力芯片距離英偉達最新產品存在較大差距，但對信息顆粒度要求較低的推理運算能實現部分替代。 　　提升算力內存帶寬，HBM供不應求：由于ChatGPT的爆火，GPU需求明顯，英偉達也加大對三星和SK海力士HBM3的訂單。2023年10月，SK海力士表示，已經在2023年出售了明年HBM3和HBM3E的所有產量。據Omdia預測，到2025年，HBM市場的總收入將達到25億美元。 　　集成算力與存力，先進封裝產能緊缺：CoWoS封裝技術是目前集成HBM與CPU/GPU處理器的主流方案。臺積電主導全球CoWoS封裝市場。據IDC預測，全球CoWoS供需缺口約20%，2024年臺積電的CoWos封裝產能將較2023年提升一倍，2.5D/3D先進封裝市場規模在2023-2028年將以22%的CAGR高速增長。 　　AI算力對高效電源提出新需求，背面供電技術蓄勢待發：越來越高度化的集成會造成針對加速芯片的電源解決方案越來越復雜，方案需要不同電壓、不同路的多路輸入，這種情況下電壓軌會越來越多。臺積電、三星、英特爾等芯片大廠都在積極布局背面供電網絡技術，為日益復雜的芯片提供高效供電方案，其中英特爾較為領先。

Transformer大模型在自動駕駛中應用趨勢明確。Transformer基于Attention機制，憑借優秀的長序列處理能力和更高的并行計算效率，2021年由特斯拉引入自動駕駛領域。Transformer與CNN相比最大的優勢在于其泛化性更強。CNN只能對標注過的物體進行相似度的比對，通過不斷學習完成對該物體識別的任務；而Transformer可以通過注意力層的結構找到更基本的元素與元素間之間多個維度的相關信息進而找到一種更泛化的相似規律，進而提高自動駕駛的泛化能力。同時，不同于RNN存在存儲時間長度有限以及順序依賴的問題，Transformer模型具有更高的并行計算效率并且可以學習到長時間距離的依賴關系。目前，Transformer主要應用在自動駕駛感知模塊中從2D特征圖向BEV鳥瞰圖的視角轉換。

　　城市領航輔助駕駛落地在即，AI大模型助力實現“脫高精度地圖”。目前，主機廠正逐步從高速場景向城市場景拓展，2023年有望成為城市領航輔助駕駛的大規模落地的元年。相比于高速場景，城市場景所面臨的Cornercase大幅提升，要求自動駕駛系統具備更強的泛化能力。目前已落地城市NGP主要基于高精度地圖方案，高精地圖能夠提供超視距、厘米級相對定位及導航信息，在數據和算法尚未成熟之前，對于主機廠實現高級別自動駕駛具有重要意義。但高精度地圖應用過程中無法做到實施更新、法規風險高、高成本的三大問題難以解決。BEV感知算法通過將不同視角的攝像頭采集到的圖片統一轉換到上帝視角，相當于車輛實施生成活地圖，補足了自動駕駛后續決策所需要的道路拓撲信息，因而可以實現去高精度地圖化。目前，小鵬、華為等頭部自動駕駛廠商均明確提出“脫圖時間表”，自動駕駛算法“重感知，輕地圖”趨勢明確。 　 　　大數據和大算力是大模型應用的重要前置條件。Transformer大模型量變引起質變需要1億公里的里程數據。并且，傳感器采集得到的rawdata需進行標注后才可用于算法模型訓練，自動標注工具可大幅提升數據處理速度。2018年至今，特斯拉數據標注從2D人工標注逐步發展至4D空間自動標注；國內廠商中小鵬、毫末智行等亦相繼推出自動標注工具大幅提升標注效率。除真實數據外，仿真場景是彌補訓練大模型數據不足問題的重要解決方式。生成式AI有望推動仿真場景大幅提升泛化能力，幫助主機廠提升仿真場景數據的應用比例，從而提高自動駕駛模型的迭代速度、縮短開發周期。大算力是Transformer模型訓練的另一重要條件，超算中心成為自動駕駛廠商重要的基礎設施。特斯拉AI計算中心Dojo總計使用了1.4萬個英偉達的GPU來訓練AI模型，網絡訓練速度提升30%，國內廠商中小鵬與阿里聯合出資打造自動駕駛AI智算中心“扶搖”，將自動駕駛算法的模型訓練時間提速170倍。 　

中國AI領域投資與研究能力齊頭并進，重點行業滲透超50%，未來3年圖像、視頻單點技術布局加碼。

　　2022年全球AIGC市場規模為107.9億美元，PrecedenceResearch預計，2030年將達到約731.6億美元，復合增長率27%。IDC預計，2026年中國AI投資規模將達266.9億美元。中國占據亞太AI市場主導地位。2021年中國AI領域私募投資據全球第二，AI相關期刊、會議和文獻總量超過美國。如今，人工智能在中國互聯網、金融、政府、電信行業滲透率均已超過50%。未來3年ARVR、視頻分析、知識圖譜、自然語言處理將成為AI單點技術主要發力點。

　　未來科技公司領航+應用層多點開花實現飛輪效應。產業鏈中間層隨AIGC應運而生，此處或誕生新的AI+創業機會。

　　科技大公司將資源投入與主營業務結合，打造自己的大模型掌握行業定價權，實現自生生態更好的發展。創業公司適合利用早期生態蠻荒期，抓緊建立創新產品和產品壁壘的時間窗口，接入大廠模型結合特定領域數據集二次訓練，完成垂直應用端場景的商業價值落地。分工化讓應用層成本下降，對科技大廠來說減輕服務產業客戶的難度，且打破過去AI產業難商業落地的困境。 　

ChatGPT引領AI突破，伴隨通用AI技術同工業領域融合應用的滯后周期不斷縮短，工業AI應用落地進展有望加速。ChatGPT通過突破性的“Transformer架構大模型+RLHF（人類反饋強化學習）算法”帶來自然語言處理在表述邏輯性、自然性等人機交互體驗領域的巨大提升，掀起AI產業一輪新高潮。工業領域因對AI可解釋性等嚴苛要求導致技術創新與應用落地錯位時間相對較長，但隨著人工智能技術可用性增強及工業信息化水平的大幅提升，近年通用AI技術的工業落地間隔由20年逐步縮短至小于5年，伴隨ChatGPT帶來的通用AI大模型突破，工業AI亦有望迎來快速發展。

　　研發設計環節：AI可賦能創成式設計、仿真優化、電子設計優化等。CAD領域：通過AI賦能，工程師可通過交互方式向設計軟件指定他們的要求和目標，創成式引擎將自動生成設計方案，目前AI驅動的創成式設計功能已在Siemens Solid Edge、PTC Creo及Autodesk FUSION 360等主流CAD產品中使用。CAE領域：AI可賦能仿真優化，提升仿真效率，而工業數字孿生通過仿真運行生成數據，又可反哺工業AI模型訓練，目前微軟ProjectBonsai正使用Ansys Twin Builder仿真軟件創建設備或流程的數字孿生，以助力其模型訓練。EDA領域：AI可有效賦能EDA工具，大幅提升設計生產效率及設計產品的PPA（功耗、性能、面積），Cadence于2021年推出的AI驅動的EDA設計工具Cerebrus較傳統EDA產品可實現10倍的生產效率提升和設計產品20%的PPA（功耗、性能、面積）提升。我們認為，AI賦能帶來的CAD/CAE/EDA等研發設計軟件能力提升，有望同步提升其軟件價值量，進一步打開研發設計類軟件更高市場天花板。　　生產運維環節：AI可賦能早期缺陷檢測、預測性維護、產品質量分析、生產預測等。早期缺陷檢測方面：AI可使用實際運營數據，根據各種參數有效預測資產狀況，使工程師在資產發生故障前就能關注并維護資產；預測性維護方面：AI模型可使用來自設備端的運行數據，并根據這些數據對預測性維護進行科學規劃，同時工程師可通過AI持續監控設備運行狀態，大幅減少人工監控時間，有效降低資產設備維護成本；產品質量分析方面：通過機器視覺能夠找出會被肉眼漏過的缺陷，提高質量分析效率，同時AI還可用于檢測運行環境中的異常，從而改進質量流程；生產預測方面：企業可通過準確收集生產時序數據和關聯的生產參數創建AI預測模型，并通過生產流程仿真生成數據優化模型，通過這些模型找出生產過程中發生異常的原因及潛在問題，并持續修改資源規劃策略，達到精益生產目的。以上只是AI在生產運維環節已經應用的部分功能，伴隨AI模型算法能力進一步加強，AI在生產運維環節的應用廣度和深度亦有望進一步提升。　　經營管理環節：AI可賦能CRM、SCM、ERP等經營管理類軟件。CRM領域：AI可通過幫忙編寫回復客戶郵件、提升虛擬客服交流能力、通過語言交互方式幫助銷售人員準確分析和定位特定客戶群體等方式大幅提升客戶關系管理和營銷管理效率；SCM領域：AI可通過主動對影響供應鏈流程的事件發出告警，并預測篩選出受影響的訂單和自動郵件反饋供應商等方式大幅提升供應鏈敏捷性，此外AI還可助力企業招投標信息、商品價格信息、競品信息等市場信息采集分析，提升企業供應鏈決策有效性。ERP領域：AI可在財務領域、信息采集等多場景提升ERP產品能力。　　工業互聯網平臺匯聚算力、算法、數據和應用，是工業AI的絕佳入口。工業互聯網平臺的本質是通過工業互聯網網絡采集海量工業數據，并提供數據存儲、管理、呈現、分析、建模及應用開發環境，匯聚制造業企業及第三方開發者，開發出覆蓋產品全生命周期的工業APP應用，以提升工業生產經營效率。工業互聯網平臺匯聚了算力、數據、算法及應用場景的AI全要素，有望成為工業AI融合應用的絕佳入口。此外，工業互聯網平臺的重要能力之一是通過封裝在其PaaS平臺層的大量通用的行業Know-how知識經驗或知識組件以及算法和原理模型組件，以低代碼方式構建上層工業APP應用，而ChatGPT代碼生成能力的跨越式進步有望重塑工業PaaS低代碼開發平臺，有望使得非程序員的工程師能夠使用自然語言指令進行零錯誤的工業APP開發，大幅提升工業互聯網平臺的應用創建能力、降低應用開發成本。 　

ChatGPT快速滲透， AI產業迎發展新機 　　ChatGPT是由OpenAI公司開發的人工智能聊天機器人程序， 于2022年11月發布， 推出不久便在全球范圍內爆火。根據World of Engineering數據顯示， ChatGPT達到1億用戶量用時僅2個月， 成為史上用戶增長速度最快的消費級應用程序。與之相比， TikTok達到1億用戶用了9個月， Instagram則花了2年半的時間。從用戶體驗來看， ChatGPT不僅能實現流暢的文字聊天， 還可以勝任翻譯、 作詩、 寫新聞、 做報表、 編代碼等相對復雜的語言工作。 　　ChatGPT爆火的背后是人工智能算法的迭代升級。ChatGPT是基于GPT-3.5微調得到的新版本模型， 能夠借助人類反饋的強化學習（RLHF） 技術來指導模型訓練， 實現模型輸出與人類預期的需求， 使對話內容更加人性化和富有邏輯性。從2008年第一代生成式預訓練模型GPT-1誕生以來， GPT系列模型幾乎按照每年一代的速度進行迭代升級， 未來隨著大語言模型（LLM） 技術的不斷突破， AI相關應用有望加速落地， AI產業或將迎來新一輪發展機遇。 　　ChatGPT激起AI浪潮，大算力芯片迎來產業機遇 　　ChatGPT是生成式人工智能技術（AIGC） 的一種， 與傳統的決策/分析式AI相比， 生成式AI并非通過簡單分析已有數據來進行分析與決策， 而是在學習歸納已有數據后進行演技創造， 基于歷史進行模仿式、 縫合式創作， 生成全新的內容。AIGC的應用非常廣泛， 包括自然語言生成、 圖像生成、 視頻生成、 音樂生成、 藝術創作等領域。 　　AIGC產業鏈主要分為上游算力硬件層、 中游數據/算法軟件層和下游行業應用層。硬件層依靠高性能AI芯片、 服務器和數據中心為AIGC模型的訓練提供算力支持， 是承載行業發展的基礎設施；數據/算法層軟件層主要負責AI數據的采集、 清洗、 標注及模型的開發與訓練， 多方廠商入局自然語言處理、 計算機視覺、 多模態模型等領域；行業應用層目前主要涉及搜索、 對話、推薦等場景， 未來有望在多個行業呈現井噴式革新。 　　多模態賦能下游行業智慧化升級 　　多模態大模型有望成為AI主流， 賦能下游行業智能升級。生成式AI主要依賴于人工智能大模型， 如Transformer、 BERT、GPT系列等。這些模型通常包含數十億至數萬億個參數， 需要龐大的數據集進行訓練， 致使AI算力的需求也呈現出指數級的增長。多模態是一種全新的交互、 生成模式， 集合了圖像、 語音、 文本等方式， 因其可以結合多種數據類型和模態的學習，將有望徹底改變我們與機器互動的方式， 快速占據人工智能主導地位。我們認為多模態大模型長期來看不僅可以從成本端降本增效， 需求端也將通過快速滲透推廣為下游行業帶來持續增長需求， 從而快速推動下游行業智慧化應用升級。 　　模型更新升級帶動下游行業不斷發展 　　從GPT-1到ChatGPT， 模型參數與訓練數據量不斷增加， 所需算力資源不斷提升： 　　GPT-1：最早的GPT模型之一， 包含了1.17億個參數， 預訓練數據量約為5GB。 　　GPT-2：參數數量達到了1.5億個， 預訓練數據量達40GB。 　　GPT-3：是目前為止最大的語言模型之一， 包含了1750億個參數， 預訓練數據量為45TB。 　　ChatGPT：基于GPT-3模型的變種之一， 參數量預計與GPT-3相近。 　　GPT-4性能提升顯著， AIGC應用市場空間廣闊 　　多模態模型是實現人工智能應用的關鍵。3月14日OpenAI發布GPT-4多模態大模型， 擁有1） 強大的識圖能力；2） 文字輸入限制提升至2.5萬字；3） 回答準確性顯著提高；4） 能夠生成歌詞、 創意文本、 實現風格變化。在各種專業和學術基準上，GPT-4已具備與人類水平相當表現。如在模擬律師考試中， 其分數在應試者前10%， 相比下GPT-3.5在倒數10%左右。多模態大模型在整體復雜度及交互性上已有較大提升， 模型升級有望加速細分垂直應用成熟， 賦能下游智慧化升級， 帶動需求快速增長。 　　AIGC下游市場滲透率低， 增長空間廣闊。根據 Gartner數據， 目前由人工智能生成的數據占所有數據的 1%以下， 預計2023年將有 20%的內容被生成式AI 所創建， 2025 年人工智能生成數據占比將達到 10%。根據前瞻產業研究院數據， 2025年中國生成式商業AI應用規模將達2070億元， CAGR（2020-2025） 為84.06%。

　AIGC空間廣闊，商業化落地持續推進

　　AIGC的落地痛點在于成本高昂的通用大模型與下游垂直應用場景需求的不匹配。ChatGPT熱度持續提升，一方面推動了科技巨頭持續加大AI投入，另一方面也直接帶動下游付費意愿提升，進一步加速AIGC應用落地和商業變現，AIGC產業迎來發展良機。 　　（1）從內容形態來看，AIGC應用包括文本、音頻、圖像、視頻、代碼、多模態等內容生成形式，根據紅衫資本預測，AIGC將首先在文本和代碼領域落地應用，隨后逐漸拓展至圖像和視頻領域。 　　（2）從應用價值來看，AIGC應用價值體現在降本增效、提升內容質量、增加內容多樣性、生成個性化內容等方面。在垂直領域，目前國內已有機器寫稿、對話式AI、報告生成等AIGC應用落地，技術價值主要在于替代人工實現降本增效。隨著科技巨頭的持續投入以及技術的迭代升級，AIGC技術應用場景進一步拓寬，技術價值也有望從將本增效向額外價值轉移。 　　AI賦能價值凸顯，AI應用大有可為 　　（1）AI+搜索：搜索是互聯網的流量入口，微軟、谷歌、百度均表示將率先將AI技術應用于搜索，未來有望重塑信息生成和呈現方式，成為新的流量入口。 　　（2）AI寫作：AI寫作可大幅提升效率，在具有較強規律性的結構化寫作方面具有豐富應用場景。目前已在辦公軟件、新聞媒體等專業應用場景商業化落地。 　　（3）AI對話：AI對話主要用于替代人類完成大量重復性、規則性對話任務，在金融、互聯網、運營商等擁有大量C端用戶的行業擁有廣闊應用前景。ChatGPT在多項測試中已經超過人類，將對話AI提升至新的高度，未來應用空間廣闊。 　　（4）AI翻譯：在AI技術支持下，機器翻譯效果持續優化，但在廣義理解層面仍面臨挑戰。相比專業搜索工具，ChatGPT具有更強的理解能力，在部分場景的翻譯表現優于谷歌翻譯和DeepL，表現驚艷。 　　（5）AI作畫：AI作畫可解決視覺內容創作門檻高、耗時長的痛點，對于內容創作的價值凸顯。根據6pen預測，未來五年10%-30%的圖片內容將由AI參與生成，預計2027年市場規模有望超過600億，空間廣闊。 　　（6）AI視頻：AI已經可以輔助完成視頻生成、替換、剪輯等多項任務，已在短視頻、AI修復等領域廣發應用，下游需求旺盛，未來應用潛力廣闊。

L4級別自動駕駛是未來技術的演進方向，互聯網和算法公司選擇直接面向L4級別高級駕駛功能進行開發。

百度作為PC互聯網時代的搜索入口，龐大的客戶數據助力其AI業務的發展。基于AI技術搭建了Apollo自動駕駛開放平臺，面向”自動駕駛、智能車聯、智能交通“三大領域。硬件+軟件+數據多方面能力結合，共同實現L4級別自動駕駛能力

實現純視覺低成本L4級別自動駕駛技術，降維賦能車企。通過與威馬等造車新勢力合作，實現自動駕駛功能上車。與傳統造車企業吉利合作，強強聯合，計劃推出”集度“品牌汽車。

商用車自動駕駛Robo-Truck場景相對低速和封閉，有望率先實現商業化落地。有效降低駕駛事故率，降低人力成本，彌補崗位缺口，節約燃油，全球市場規模有望達到萬億元。

國內重卡企業陸續開啟自動駕駛布局，自動駕駛港口應用加速。

//pdf.dfcfw.com/pdf/H3_AP2023899_1.pdf?00.pdf