全球生成式AI应用全景图2023：AI应用进入大爆发时代.docx

全球Th成式Al应用全景图Al应用进入大爆发时代内容目录一、生成式Al应用进入大海发时代71)驱动因素：大模型、算力与生态的共振72)产业现状:一二级视角看Al应用的演进163)应用框架：应用的四大赛道与产业逻辑24二、生成式Al应用细分赛道杭理371) Al+办公软件372) Al+创意工具433) Al+企业服务474) Al+网络安全525) AI+IT运维566) Al+软件开发607) Al+数据智能648) Al+数字代理679) Al+金融7010) Al+医疗7511) AI+敬育7912) Al+工业8313) Al+汽车8614) Al+机器人90三、投资策略93四、风险提示93图表目录图1：人工智能产业发展浪潮8图2：模型、算力、生态推动为Al应用进入大爆发时代9图3：GPT模型的迭代过程10图4：GPT-4是目前最强大的大模型10图5：大模型家族的不断丰富和技术演进路演11图6：生成式Al应用与多模态模型13图7：当前视觉大模型相当于20年前后的语言大模型14图8：算力芯片万倍增长15图9：云服务解决方案数量对比15图10：Al产业生态的逐渐成熟16图11：生成式Al应用的发展阶段18图12：海外科技股价复盘：基础设施层公司率先受益Al产业浪潮19图13：海外科技股价复盘：应用层公司股价同样有所演绎20图14：GithUb过去十年Al项目数量21图15：RePIit的Al项目数量激增21图16：约95%的项目是OPenAl的模型构建(RePIit)21图17：RePIit开源模型项目数量快速增长(RePlit)21图18：2023年生成式Al投融资金额涨幅高达464%22图19：已有15家生成式Al独角兽达到10亿美元+估值22图20：生成式Al项目大部分处于早期23图21：生成式Al投融资金额分布23图22：生成式Al应用层融费分布(22Q323Q2)24图23：生成式Al应用产业地图25图24：Al应用的基础能力与演进方向26图25：通用软件标杆产品与发展路径27图26：通用软件市场应用进展30图27：行业应用：C端场景成熟，B端处于起步阶段33图28：Al+生产力工具变革主要体现在三个层面40图29：Al+办公应用的标杆：微软365COPilOt41图30：微软OffiCe办公套件产品的竞争者42图31：AlGC依赖于生成算法、大模型与多模态三大底层技术的进步45图32：AdObefirefIy的主要功能47图33：赛富时Al产品组合49图34：销售GPT的主要功能：销售电子邮件将为每次客户互动自动生成个性化且包含数据的电子邮件50图35：服务GPT的主要功能：自动化回复51图36：Dynamics365Finance充分利用ERP数据来加速洞察52图37：Al+安全的最大机会来自于提升安全运营的自动化程度54图38：SecurityCopilotAl提升安全运营自动化55图39：XSIAM是集成了Al的基于云交付的集成SOC平台56图40：SerViCenOW将生成式Al集成到NOW平台58图41：DatadOg推出了针对OPenAl的性能监控产品59图42：Datadog可监控和跟踪GPT及其他大模型的token消耗59图43：GithubcopilotX是目前最强大的Al编程开发工具之一62图44：MicrosoftPowerApps的AI能力进化路线63图45：OUtSyStemS低代码平台64图46：AlP产品的三大基础模块66图47：AIPforDefenSe:分析战场中敌方军队的详细情报67图48：AIPforDefenSe:给出作战行动计划的相关建议67图49：AIPforBUSiness:查询飓风对配送中心的影响67图50：AIPforBlJSiness:查询运输线路的最优化路径67图51：AlAgent的组成模块与实现原理69图52：AIJtOGPT的工作流程70图53：FinChat基本面分析功能73图54：FinChat股票筛选功能73图55：FinChat财报摘要生成功能74图56：Al+金融公司分类75图57：AbSCi通过生成式Al构建抗体76图58：Al+医疗公司分类79图59：DUOlingOMaX两大全新功能“解释我的答案"、"角色扮演"81图60：Khanmigo具备辅导教学、教案生成、写作训练、编程练习四大功能82图61：达索四大Al设计助手：选择助手、匹配助手、草图助手、智能配接84图62：智能座舱词汇激活系统87图63：生成式Al赋能自动驾驶框架88图64：特斯拉自动标注原理89图65：特斯拉OCeUPanCyNetwork模型结构图89图66：1Xtechnologies旗下EVE实体机器人91图67：RichtechRobotics旗下餐饮机器人Adam91表2：工具型应用各赛道主要产品29表4：行业软件各赛道主要产品34表6：C端Al应用工具的商业化情况36表7：B端Al应用工具的商业化情况37表11：三类文生图工具的商业模式46-R12：Al+企业服务标杆产品48表14：AI+IT运维标杆产品57表15：Al+软件开发标杆产品61表16：Al+数据智能标杆产no65衣17：Al+数字代理标杆产品68表18：Al+金融标杆产品72表19：FinChat收费标准74表20：Al+医疗标杆产品78表21：Al+教育标杆产品80表22：Al+教育产品商业化案例8223：r'>"U口一、生成式Al应用进入大爆发时代1）驱动因素：大模型、算力与生态的共振生成式人工智能是自个人PC出现和互联网诞生以来最具颠覆性的技术创新，随着大模型以及ChatGPT等一系列“杀手级”应用的诞生，生成式Al在文本、图像、代码、音频、视频和3D模型等领域展现出了强大的能力。当前生成式Al的发展仍处于起步阶段，未来有望为全球经济创造数万亿美元的价值，并对各行各业的工作方式产生重大影响。在生成式Al产业突变的背后是人工智能技术数十年的积累和酝酿，其演进历程具体可分为四个阶段：1）专家系统：上世纪50年代前后，人工智能开始萌芽，基于规则的专家系统占据主导，这一时期，使用复杂的逻辑规则，能够处理包括字符匹配、词频统计等一些简单的任务，机器翻译以及语言对话的初级产品，1966年MIT发布的世界上第一台聊天机器人Eliza可以看作生成式Al最早期的产品之一。Eliza能够根据接收到的文本，遵循简单的语法规则来模拟与人类用户的对话。与此同时，专家系统存在词汇量有限、缺乏上下文和过度依赖规则等缺点，生成创造性内容的能力非常有限；2）机器学习与神经网络：1980年美国的卡内基梅隆大学召开了第一届机器学习国际研讨会，标志着机器学习在全世界兴起，20世纪90年代以后，神经网络作为一种新的生成人工智能方法出现了。神经网络受到人脑的启发，能够以基于规则的系统所不能的方式从数据中学习，带来了Al技术的突破，Al可以开始基于神经网络创建逼真和有创意的内容；3）深度学习：2012年后，深度学习在人工智能领域中的应用将生成式Al带入了一个新的高度。深度学习作为一种基于神经网络的机器学习方法，通过大规模的数据特征学习，对不同场景具备很强的自适应性，同时可以通过增加层数和节点数，实现对更复杂的问题的解决，提升了模型的准确性和真实性，并且基于分布式计算和GPU加速等技术，能够训练更大规模的数据和更大尺寸的模型。直到现在，生成式Al依然建立在深度学习的基石之上；4）大模型：2017年，Google发布著名论文AttentionisAllYouNeed）,提出了基于一种新的神经网络Attention注意力机制所构建的模型Transformer,2018年OpenAI和谷歌分别推出了GPT模型以及BERT模型，均是在Transformer的基础上构建,Transformer及GPT模型标志着生成式Al在文本领域的重大飞跃。与此同时，伴随着VAEs、扩散模型、神经辐射场、CLIP等一系列生成算法和多模态模型的不断成熟，生成式Al的时代正式开启。图1：人工智能产业发展浪潮199Q*-2016SAttention I资料来源:其松鉴今.华金适券研究所模型、算力、生杰推动为Al应用进入大麻发时代：1）算法及模型的快速进步：2017年TranSfOrmer模型及2022年ChatGPT的发布标志着GenAl在文本领域的重大飞跃，并在多项能力上超越了人类基准，随着未来更强大的语言大模型（如GPT-5）,以及多模态大模型和视觉大模型的技术突破，将带动Al应用的持续进化。2）算力基础设施将更快、更便宜：虽然短期内大模型训练需求的激增导致了算力成本的持续上涨，但是随着英伟达算力芯片的不断更新迭代，微软、亚马逊、谷歌等在Al云服务资本开支的不断加大，Al应用的发展将得到更加强有力的支撑。3）Al生杰的逐渐成熟：Al组件层（AlStaCk）的完善和产业分工细化，为Al应用在模型训练、数据整合、应用开发、应用部署等环节提供全生命周期的支撑。图2：模型、算力、生态推动为Al应用进入大爆发时代模型 O 算力J L 组件:Hugging Face, Mosaic 数据组件：Chroma. Redis. LangChain应用部署：Fixie. Gradio评估工具：Statsig. Comet datadog模型训练:Hugging Face. TensorFIow TQnsformerHlSlMSl GoOgle发布大语言里 LaMDA Stability Al推出开源植型 Stable Diffusion Google 发布基于 Pathways 框架的大模型PaLM Meta发布并开源OPT系列幡 型 OPenAl发布GPT系列模型笏再乘潦：华金汉芬研究所绘制 英伟达：最新人工智境芯片 GH20. Wtt ：自研芯片Athena , 预计明年投入使用. 亚马逊：自研专用Al芯片 Trainiumttlnferentia ,前 者面向训练场景,后者面向 推理场景. 谷歌：第五代Al芯片TPU vSe ,专为中大型模型训练 和推理构建.本轮生成式Al的技术的最大突破来自于底层大模型，GPT作为当前全球最强大的语言大模型，从2018年5月GPT初代版本，到2023年3月的GPT-4,仅5年时间模型的性能就产生了质的飞跃。在GPT模型快速进化的背后，一方面是对训练方法的持续迭代，从GPT-I的半监督式学习，到GPT-2舍弃了微调阶段，再到GPT-3的In-ConteXt学习和海量参数，以及引入了基于人工反馈的强化学习之后的ChatGPT；另一方面，在模型参数规模扩大背后，是OPenAl对研发和算力的持续高投入，通过“大力出奇迹”的方式，支撑了模型参数和训练数据的快速膨胀。GPT-4相较于之前版本的GPT模型，在推理能力、文本生成能力、对话能力等方面有了大幅提升之外，在许多能力上已经超越了人类基准