計(jì)算機(jī)行業(yè)深度報(bào)告：ChatGPT引發(fā)的大模型時(shí)代變革

計(jì)算機(jī)究報(bào)告評(píng)級(jí)說(shuō)明究報(bào)告行業(yè)行業(yè)評(píng)級(jí)：增持報(bào)告日期：2023-02-25分析師：尹沿技執(zhí)業(yè)證書(shū)號(hào)：S00105200200019inyjhazqcom分析師：王奇玨執(zhí)業(yè)證書(shū)號(hào)：S0010522060002郵箱：wangqj@析師：胡楊執(zhí)業(yè)證書(shū)號(hào)：S0010521090001qcom析師：張?zhí)靾?zhí)業(yè)證書(shū)號(hào)：S0010520110002郵箱：zhangtian@析師：金榮執(zhí)業(yè)證書(shū)號(hào)：S0010521080002郵箱：jjinrong@相關(guān)報(bào)告1.華安證券_公司研究_計(jì)算機(jī)行業(yè)_經(jīng)濟(jì)+_2022-12-122.華安證券_公司研究_計(jì)算機(jī)行業(yè)_行業(yè)深度_華安證券數(shù)字經(jīng)濟(jì)系列報(bào)大有可為_(kāi)2022-03-09ChatGPT是由OpenAI研發(fā)的一種語(yǔ)言AI模型，其特點(diǎn)在于使用海量語(yǔ)料庫(kù)來(lái)生成與人類(lèi)相似的反應(yīng)。初代GPT模型參數(shù)1.17億，GPT2模型、GPT3模型參數(shù)分別達(dá)到15億、1750億。不斷提升的參數(shù)量級(jí)，使得ChatGPT3當(dāng)前已經(jīng)能夠應(yīng)用在商業(yè)、研究和開(kāi)發(fā)活動(dòng)中。當(dāng)前此類(lèi)參數(shù)體量龐大的模型，成為各大科技廠商研發(fā)重點(diǎn)。大模型的基礎(chǔ)為高質(zhì)量大數(shù)據(jù)。ChatGPT的前身GPT-3就使用了3,000億單詞、超過(guò)40T的數(shù)據(jù)。此類(lèi)大數(shù)據(jù)基礎(chǔ)的前提為三部分1)有效場(chǎng)景下2)大數(shù)據(jù)的存儲(chǔ)、清洗和標(biāo)注；3)數(shù)據(jù)質(zhì)量檢驗(yàn)。算力：ChatGPT類(lèi)人工智能需要更充足的算力支持其處理數(shù)據(jù)，帶來(lái)更多高性能的算力芯片需求。英偉達(dá)表示，GPT-3需要512顆V100顯卡練任務(wù)中的算力增長(zhǎng)(所需算力每3.5月翻一倍)已經(jīng)超越摩爾定律(晶體管數(shù)量每18月翻一倍)。AzureAI基礎(chǔ)設(shè)施由互聯(lián)的英偉達(dá)AmpereA100TensorCoreGPU組成，并由QuantuminfiniBand交換機(jī)提供橫向擴(kuò)展能力。服務(wù)器節(jié)點(diǎn)多、跨服務(wù)器通信需求巨大，網(wǎng)絡(luò)帶寬性能成為GPU集群系統(tǒng)的瓶頸，解決方式包括增加單節(jié)點(diǎn)通信帶寬與降低網(wǎng)絡(luò)收斂比，帶來(lái)光模塊、交換機(jī)等需求。1)“生成式AI(generativeAI)”在互聯(lián)網(wǎng)及元宇宙領(lǐng)域市場(chǎng)化空間較為廣闊?；诂F(xiàn)行的NLP算法發(fā)展程度及數(shù)據(jù)集規(guī)模。在不久的將來(lái)，生成式AI有較大可能在“智能客服”和“搜索引擎”進(jìn)行增值，并有希望以“插件”的形式賦能現(xiàn)有的“生產(chǎn)力工具鏈(工程軟件/音視頻制作工具等)”。2)AI在制造業(yè)的應(yīng)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(yè)機(jī)器人、協(xié)作機(jī)器人、數(shù)控機(jī)床等；b)智能工廠：重點(diǎn)在于實(shí)現(xiàn)工廠的辦公、管理及生產(chǎn)自動(dòng)化，典型的代表場(chǎng)景有協(xié)作機(jī)器人、智能倉(cāng)儲(chǔ)物流系統(tǒng)等；c)智能服務(wù)：指?jìng)€(gè)性化定制、遠(yuǎn)程運(yùn)維及預(yù)測(cè)性維護(hù)等。演變?yōu)槌鲂泄芗摇Ｐ袠I(yè)研究告2告2/80正文目錄 2CHATGPT引發(fā)人工智能投資熱潮 8 CHATGPTAI 9.3CHATGPT將給行業(yè)帶來(lái)哪些機(jī)會(huì)？ 11識(shí)別與自然語(yǔ)言處理行業(yè)快速發(fā)展： 11 3數(shù)據(jù)要素資源基礎(chǔ)，滿(mǎn)足大模型訓(xùn)練需求 133.1政策引導(dǎo)數(shù)據(jù)要素確權(quán)使用，掃清人工智能發(fā)展障礙 13求提升 14 1)星環(huán)科技：平臺(tái)、數(shù)據(jù)庫(kù)集一身的數(shù)據(jù)要素稀缺標(biāo)的 182)海天瑞聲：人工智能基礎(chǔ)數(shù)據(jù)服務(wù)提供商，產(chǎn)品矩陣不斷豐富 214CHATGPT帶來(lái)的變革——大模型算法 234.1大模型時(shí)代的引言：DOUBLEDESCENT(雙下降)現(xiàn)象 23TRANSFORMER 5算力與網(wǎng)絡(luò)是大模型運(yùn)行的必要條件 37 5.2GPU/GPGPU/FPGA多路線支持算力 375.3高帶寬網(wǎng)絡(luò)是對(duì)人工智能算力的重要支撐 395.4量子計(jì)算有望成為AI算力突破的“神助攻” 45 4)聯(lián)特科技：歐美中低速WDM主流供應(yīng)商，數(shù)通光模塊“黑馬” 525)天孚通信：光通信精益制造代表，光引擎、激光雷達(dá)成長(zhǎng)速度快 526)國(guó)盾量子：量子計(jì)算機(jī)已實(shí)現(xiàn)原型機(jī)搭建 52行業(yè)研究報(bào)告3報(bào)告3/80AI 26從元宇宙到大制造，大模型應(yīng)用領(lǐng)域不斷豐富 54 1)“生成式AI”在智能客服領(lǐng)域的潛在應(yīng)用 542)“生成式AI”在搜索引擎領(lǐng)域的潛在應(yīng)用 566.2AI賦能制造業(yè)轉(zhuǎn)型升級(jí)，智能制造浪潮興起 631)智能裝備產(chǎn)業(yè)百花齊放，工業(yè)機(jī)器人與高端數(shù)控機(jī)床空間廣闊 632)智能工廠是實(shí)現(xiàn)智能制造的載體，協(xié)作機(jī)器人與智能倉(cāng)儲(chǔ)物流是工廠新星 696.3AI賦能工業(yè)互聯(lián)網(wǎng)，打造高效率設(shè)備管理和生產(chǎn)流程 72化 751)智能駕駛：從駕駛輔助到自動(dòng)駕駛 752)智能座艙：從出行工具到出行管家 77 報(bào)告4報(bào)告4/80 圖表5中國(guó)按類(lèi)別劃分的人工智能軟件市場(chǎng) 12圖表6數(shù)據(jù)已成為五大核心生產(chǎn)要素之一 13 0年數(shù)字經(jīng)濟(jì)占GDP的比重 14 4 圖表13全球大數(shù)據(jù)軟件市場(chǎng)規(guī)模 15 圖表16人工智能基礎(chǔ)數(shù)據(jù)服務(wù)流程與主要產(chǎn)品 16圖表17訓(xùn)練數(shù)據(jù)需求量(條) 17圖表18受訪者遇到的與數(shù)據(jù)相關(guān)的難題及比例(%) 17圖表192017至2029年中國(guó)數(shù)據(jù)標(biāo)注行業(yè)市場(chǎng)規(guī)模 17圖表202021年我國(guó)數(shù)據(jù)標(biāo)注行業(yè)下游需求占比(%) 17 圖表22星環(huán)科技發(fā)展歷程示意圖 19圖表23星環(huán)科技股權(quán)結(jié)構(gòu) 20圖表24星環(huán)科技產(chǎn)品格局 20圖表25海天瑞聲產(chǎn)品服務(wù)矩陣 21圖表26海天瑞聲訓(xùn)練數(shù)據(jù)集服務(wù)的算法模型應(yīng)用場(chǎng)景示意 22BISVARIANCE內(nèi)的雙下降曲線 23圖表28TRANSFORMER模型自監(jiān)督層結(jié)構(gòu) 24ER 圖表30OPENAIGPT發(fā)展歷程 24圖表31不同模型參數(shù)量與模型精度的關(guān)系 25GPTGPT 26圖表33大模型發(fā)展迭代圖 27圖表34百度文心生態(tài)圖 28圖表35ERNIE3.0模型架構(gòu) 28 商湯科技主要產(chǎn)品結(jié)構(gòu) 32圖表40科大訊飛業(yè)務(wù)全景示意圖 33圖表41云從科技主要產(chǎn)品及服務(wù)圖譜 34報(bào)告5報(bào)告5/80依圖科技主要解決方案 35圖表43曠視科技AIOT軟硬一體化解決方案 36 圖表45深度學(xué)習(xí)中訓(xùn)練和推理的演示 38 圖表50AI加速服務(wù)器全球出貨量滲透率迅速提升(單位：百萬(wàn)) 40圖表51英偉達(dá)DGXA100SU(包括20臺(tái)DGXA100服務(wù)器)是SUPERPOD集群基本組成單位 40圖表52騰訊星脈AI集群組網(wǎng)架構(gòu) 41圖表53AI集群高性能方案關(guān)鍵技術(shù)組合 41圖表54英偉達(dá)DGXA100服務(wù)器使用了200G高速光連接 42圖表55DGXH100使用了400GCONNECTX-7網(wǎng)卡 42圖表56英偉達(dá)QUANTUM-2INFINIBAND交換機(jī)提供64*400GBPS交換容量 42圖表57微軟數(shù)據(jù)中心網(wǎng)絡(luò)2024年部署將全部為400G 43圖表58微軟400G數(shù)據(jù)中心網(wǎng)絡(luò)架構(gòu) 43圖表59數(shù)據(jù)中心200G以上高速光模塊出貨量高速增長(zhǎng) 44圖表60交換機(jī)芯片通過(guò)SERDES直驅(qū)光模塊實(shí)現(xiàn)高頻電信號(hào)走線縮短 45圖表61全球量子計(jì)算市場(chǎng)或在2025年達(dá)到12億美金 45圖表62量子計(jì)算未來(lái)三年主要市場(chǎng)結(jié)構(gòu) 46圖表63量子計(jì)算未來(lái)三年主要應(yīng)用的算法領(lǐng)域 46圖表64學(xué)術(shù)界目前探討的量子計(jì)算可能展現(xiàn)出優(yōu)勢(shì)的人工智能算法 46圖表65變分量子算法示意圖 47圖表66劍橋量子計(jì)算公司(CQC)首次在量子計(jì)算機(jī)執(zhí)行自然語(yǔ)言處理測(cè)試獲得成功 48圖表67海光DCU基本架構(gòu) 49圖表68海光8100系列產(chǎn)品主要規(guī)格和特點(diǎn) 49圖表69復(fù)旦微電產(chǎn)品主要規(guī)格和特點(diǎn) 50 圖表72“智能對(duì)話機(jī)器人”在各領(lǐng)域全球市場(chǎng)空間(億USD) 55圖表73全球“智能對(duì)話機(jī)器人”智能客服領(lǐng)域市場(chǎng)空間(億USD) 56圖表74智能對(duì)話機(jī)器人-電商客服領(lǐng)域全球市場(chǎng)空間測(cè)算(億USD) 56圖表75谷歌服務(wù)(GOOGLESERVICES)收入(億USD) 57 圖表79生成式AI與搜索引擎結(jié)合面臨的挑戰(zhàn) 59AIBINGNEWBING AIBINGNEWBING舉例 60 圖表83百度文心全景圖、歷程和架構(gòu) 62圖表84人工智能在制造業(yè)的應(yīng)用 63 報(bào)告6報(bào)告6/80 64 64圖表882017-2024年全球工業(yè)機(jī)器人市場(chǎng)規(guī)模(銷(xiāo)售額口徑) 65圖表892017-2024年中國(guó)工業(yè)機(jī)器人市場(chǎng)規(guī)模(銷(xiāo)售額口徑) 65 圖表932017-2022年中國(guó)數(shù)控機(jī)床市場(chǎng)規(guī)模統(tǒng)計(jì)預(yù)測(cè) 67圖表94我國(guó)支持高端數(shù)控機(jī)床發(fā)展的文件/政策 68 測(cè)算 69 圖表982021年中國(guó)協(xié)作機(jī)器人應(yīng)用行業(yè)分布 70圖表992016-2021年中國(guó)協(xié)作機(jī)器人市場(chǎng)規(guī)模 70 圖表103智能倉(cāng)儲(chǔ)物流與傳統(tǒng)倉(cāng)儲(chǔ)物流對(duì)比 72圖表1042017-2026年中國(guó)智能倉(cāng)儲(chǔ)物流市場(chǎng)規(guī)模及預(yù)測(cè) 72圖表1052018-2022年中國(guó)工業(yè)互聯(lián)網(wǎng)市場(chǎng)規(guī)模 73圖表106鼎捷經(jīng)營(yíng)管理、生產(chǎn)控制方案 74 圖表109汽車(chē)駕駛自動(dòng)化等級(jí)劃分 76 7圖表112集度：汽車(chē)機(jī)器人將融合百度文心一言全面能力 78 行業(yè)研究報(bào)告7報(bào)告7/80ChatGPT是由OpenAI研發(fā)的一種語(yǔ)言AI模型，使用上億參數(shù)的大模型和海量語(yǔ)料庫(kù)來(lái)生成語(yǔ)句，目前可以實(shí)現(xiàn)寫(xiě)詩(shī)、撰文、編碼的功能。ChatGPT廣受用戶(hù)歡迎，短短五天注冊(cè)用戶(hù)數(shù)量便超過(guò)100萬(wàn)，60日月活破億。產(chǎn)業(yè)界如微軟、谷歌、百度也對(duì)于openAI及其競(jìng)品加大投入。1.邏輯一：大模型需求帶動(dòng)算法公司景氣度。從技術(shù)層面看，ChatGPT算法精確度來(lái)源于引入數(shù)以?xún)|計(jì)的模型參數(shù)，即大模型。除了OpenAI的GPT-3模型外，各大公司正在孵化的大模型項(xiàng)目也值得關(guān)注：1)MT-NLG：微軟英偉達(dá)強(qiáng)強(qiáng)聯(lián)手，軟硬結(jié)合引領(lǐng)行業(yè)新景。2021年10月11日，微軟和英偉達(dá)推出的自然語(yǔ)言生成模型(MT-NLG),具有5300億個(gè)參數(shù)；2)SwitchTransformers：Google推出的首個(gè)萬(wàn)億度集團(tuán)公布了文心大模型的最新升級(jí)，包括新增11個(gè)大模型，大模型總量增至36個(gè)，構(gòu)建起國(guó)內(nèi)業(yè)界規(guī)模最大的產(chǎn)業(yè)大模型體系。除互聯(lián)網(wǎng)科技巨頭外，建議關(guān)注：科大訊飛、商湯科技、云從科技、依圖科技、曠視科技等。2.邏輯二：巨頭在大模型算法的投入加大，激活產(chǎn)業(yè)鏈。算法模型的訓(xùn)練需要在算力與網(wǎng)絡(luò)、數(shù)據(jù)服務(wù)等方面的巨大研發(fā)投入。搭配GPU是目前深度學(xué)習(xí)的主流方案；2)GPGPU：去掉GPU的圖形顯示部分，將其余部分全部投入通用計(jì)算，在AI、數(shù)據(jù)分析和HPC等場(chǎng)景下可以廣泛應(yīng)用；3)FPGA：可編程的FPGA芯片也逐漸提升市場(chǎng)份額。相關(guān)標(biāo)的包括：海光信息、復(fù)旦微電、浪潮信息、紫光股份等。網(wǎng)絡(luò)設(shè)施方面，服務(wù)器增加帶動(dòng)跨服務(wù)器通信需求，網(wǎng)絡(luò)帶寬性能成為GPU集群系統(tǒng)的瓶頸，解決的方式包括增加單節(jié)點(diǎn)通信帶寬、降低網(wǎng)絡(luò)收斂比。由此帶來(lái)光模塊、交換機(jī)等需求。相關(guān)標(biāo)的包括：中際旭創(chuàng)、聯(lián)特科技、天孚通信、國(guó)盾量子等。數(shù)據(jù)服務(wù)方面，數(shù)據(jù)采集、數(shù)據(jù)標(biāo)注和數(shù)據(jù)質(zhì)檢是較為重要的三個(gè)環(huán)節(jié)。ChatGPT的前身GPT-3就使用了3,000億單詞、超過(guò)40T的大規(guī)模、高質(zhì)量數(shù)據(jù)進(jìn)行訓(xùn)練。隨著大模型的發(fā)展，對(duì)于訓(xùn)練數(shù)據(jù)的需求成指數(shù)增長(zhǎng)。相關(guān)標(biāo)的包括：星環(huán)科技、海3.邏輯三：AI下游應(yīng)用領(lǐng)域逐步擴(kuò)大。隨著大模型的不斷完善，未來(lái)有望應(yīng)用于更多場(chǎng)景之下。包括互聯(lián)網(wǎng)及元宇宙領(lǐng)域、工業(yè)領(lǐng)域、智能汽車(chē)與智能座艙，達(dá)到下游用戶(hù)的降本增效。隨著商業(yè)模式與應(yīng)用前景明朗，進(jìn)一步反哺大模型投入。行業(yè)研究報(bào)告8報(bào)告8/80ChatGPT發(fā)人工智能投資熱潮tGPTChatGPT是由OpenAI研發(fā)的一種語(yǔ)言AI模型，使用海量語(yǔ)料庫(kù)來(lái)生成與人類(lèi)相似的反應(yīng)。ChatGPT是基于GPT(generativefpretrained’transformer)架構(gòu)搭建的，主要用深度學(xué)習(xí)來(lái)生成連貫且具有意義的文字。這個(gè)模型使用了來(lái)自于網(wǎng)站、書(shū)本和社交媒體的海量文字?jǐn)?shù)據(jù)，因此也為ChatGPT在保證準(zhǔn)確性和細(xì)節(jié)的同時(shí)，提供了廣泛的對(duì)話反饋。對(duì)話反饋是ChatGPT的核心功能之一，也使它成為了實(shí)現(xiàn)聊天機(jī)器人或其他對(duì)話型AI的理想技術(shù)。除對(duì)話功能外，ChatGPT也具有實(shí)現(xiàn)各類(lèi)語(yǔ)言相關(guān)任務(wù)的能力，包括文章精煉、翻譯以及情緒分析等。以上各類(lèi)語(yǔ)言能力在大規(guī)模的訓(xùn)練數(shù)據(jù)和升讀學(xué)習(xí)架構(gòu)下，使ChatGPT成為目前應(yīng)用最為先進(jìn)的語(yǔ)言模型之一?？傮w上，ChatGPT標(biāo)志著自然語(yǔ)言處理(NLP)和對(duì)話AI領(lǐng)域的一大步，其高質(zhì)量文字產(chǎn)出能力在商業(yè)、研究和開(kāi)發(fā)活動(dòng)中提高用戶(hù)體驗(yàn)的方向上非常有應(yīng)用價(jià)值的。截至目前，GPT已經(jīng)經(jīng)歷了如下演化：的文字?jǐn)?shù)據(jù)進(jìn)行訓(xùn)練。2.GPT-2:發(fā)布于2019年，具有15億個(gè)參數(shù)，使用的網(wǎng)頁(yè)文字?jǐn)?shù)據(jù)量也遠(yuǎn)大于前一代。它已經(jīng)可以生成高質(zhì)量的文字，甚至完成翻譯、精煉文字等簡(jiǎn)單任務(wù)。3.GPT-3:發(fā)布于2020年，具有1750億個(gè)參數(shù)，使用網(wǎng)頁(yè)以及其他來(lái)源的文字進(jìn)行訓(xùn)練。它已經(jīng)可以進(jìn)行擔(dān)任各類(lèi)任務(wù)，被認(rèn)為是語(yǔ)言模型領(lǐng)域的顯著突破。行業(yè)研究報(bào)告9報(bào)告9/80相比傳統(tǒng)AI算法，GPT模型的區(qū)別在于通過(guò)海量參數(shù)，進(jìn)一步提升了模型的精確倍之多。第三代的GPT3模型，參數(shù)達(dá)到了1750億，是GPT2參數(shù)的100倍。正是由于參數(shù)的指數(shù)級(jí)提升，使得模型的使用效果大幅提升。而此類(lèi)參數(shù)上億的模型，通常稱(chēng)之為“大模型”。GPT模型基于Transformer架構(gòu)，這是一種由谷歌的Vaswani等人于2017年引入的神經(jīng)網(wǎng)絡(luò)類(lèi)型。Transformer架構(gòu)特別擅長(zhǎng)對(duì)序列數(shù)據(jù)中的長(zhǎng)距離依賴(lài)進(jìn)行建模，這使其非常適合自然語(yǔ)言處理任務(wù)。為了訓(xùn)練GPT模型，OpenAI使用了來(lái)自互聯(lián)網(wǎng)的大量文本數(shù)據(jù)，包括書(shū)籍、文章和網(wǎng)站。該模型使用一種稱(chēng)為無(wú)監(jiān)督學(xué)習(xí)的技術(shù)進(jìn)行訓(xùn)練，這意味著它學(xué)會(huì)了在沒(méi)有人類(lèi)監(jiān)督的情況下預(yù)測(cè)文本序列中的下一個(gè)單詞。GPT模型能夠生成連貫和語(yǔ)法正確的文本，已被用于廣泛的自然語(yǔ)言處理任務(wù)，包括語(yǔ)言翻譯、文本補(bǔ)全和文本生成。40%40%35%30%25%20%15%10%5%0%敬請(qǐng)參閱末頁(yè)重要聲明及評(píng)級(jí)說(shuō)明10/80證券研究報(bào)告20152016201520162017Q32017Q3Transformer模型是一種用于自然語(yǔ)言處理的神經(jīng)網(wǎng)絡(luò)模型。與傳統(tǒng)的循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN)不同，Transformer模型使用自注意力機(jī)制(self-attention)來(lái)處理輸入序列中不同位置之間的依賴(lài)關(guān)系。Transformer模型由編碼器和解碼器兩部分組成。編碼器將輸入序列中的每個(gè)單詞表示為一個(gè)向量，并通過(guò)多層自注意力和前饋神經(jīng)網(wǎng)絡(luò)來(lái)對(duì)輸入序列進(jìn)行編碼。解碼器則使用相同的自注意力和前饋神經(jīng)網(wǎng)絡(luò)來(lái)生成輸出序列。在自注意力機(jī)制中，模型根據(jù)輸入序列中的所有單詞計(jì)算出每個(gè)單詞與其他單詞的相關(guān)性，然后使用這些相關(guān)性加權(quán)求和得到每個(gè)單詞的表示向量。這種方法使得模型能夠處理長(zhǎng)序列和跨越序列中的依賴(lài)關(guān)系，從而提高了模型的性能。Transformer模型已經(jīng)在自然語(yǔ)言處理領(lǐng)域取得了很好的效果，包括機(jī)器翻譯、文本摘要和問(wèn)答系統(tǒng)等任務(wù)。它是目前最先進(jìn)的語(yǔ)言模型之一，也是開(kāi)發(fā)其他自然語(yǔ)言處理模型的基礎(chǔ)。行業(yè)研究敬請(qǐng)參閱末頁(yè)重要聲明及評(píng)級(jí)說(shuō)明11/80證券研究報(bào)告相比其他此前的人工智能技術(shù)與進(jìn)展，ChatGPT之所以引發(fā)關(guān)注，主要總結(jié)為以下以色列總統(tǒng)艾薩克·赫爾佐格(IsaacHerzog)發(fā)表了部分由人工智能(AI)撰寫(xiě)的5天，注冊(cè)用戶(hù)數(shù)就超過(guò)100萬(wàn)。60天月活破億。3)商業(yè)模式產(chǎn)生變化。2023年2月2日，美國(guó)人工智能(AI)公司OpenAI發(fā)布ChatGPT試點(diǎn)訂閱計(jì)劃。開(kāi)發(fā)者OpenAI追加投資數(shù)十億美元；2)谷歌3億美元投資Chatgpt競(jìng)品。3)百度將于3月發(fā)布類(lèi)似Chatgpt的AI服務(wù)。由此帶來(lái)相關(guān)產(chǎn)業(yè)鏈的大變革：1)語(yǔ)音識(shí)別與自然語(yǔ)言處理行業(yè)快速發(fā)展：人工智能，也即解決像人一樣看、聽(tīng)、思考的問(wèn)題。因此，按照此維度來(lái)劃分，劃分為計(jì)算機(jī)視覺(jué)、語(yǔ)音識(shí)別與自然語(yǔ)言處理及數(shù)據(jù)科學(xué)。早先，2020年數(shù)據(jù)顯示，計(jì)算機(jī)視覺(jué)占比約56.6%；語(yǔ)音識(shí)別與自然語(yǔ)言處理占比約35.6%。也即，在機(jī)器視覺(jué)領(lǐng)域的應(yīng)用，相比自然語(yǔ)言處理，更為成熟，市場(chǎng)規(guī)模更但隨著ChatGPT帶來(lái)的投資熱潮，與應(yīng)用領(lǐng)域的不斷豐富，音頻與自然語(yǔ)言處理的整體行業(yè)規(guī)模，有望迅速增長(zhǎng)。敬請(qǐng)參閱末頁(yè)重要聲明及評(píng)級(jí)說(shuō)明12/80證券研究報(bào)告335.60%56.60%2)激活產(chǎn)業(yè)鏈：整個(gè)人工智能的產(chǎn)業(yè)鏈包括算力、數(shù)據(jù)、算法乃至下游應(yīng)用。算力與網(wǎng)絡(luò)：英偉達(dá)的研究表示，GPT-3模型需要使用512顆V100顯卡訓(xùn)練7個(gè)A達(dá)一個(gè)月的時(shí)間。隨著各大科技廠商投入對(duì)大模型的研發(fā)，勢(shì)必增加芯片、服務(wù)器等算力需求。同時(shí)，龐大的AI算力集群，又需要高帶寬支撐數(shù)據(jù)傳輸。數(shù)據(jù)：數(shù)據(jù)采集、數(shù)據(jù)標(biāo)注和數(shù)據(jù)質(zhì)檢是較為重要的三個(gè)環(huán)節(jié)。從自然數(shù)據(jù)源簡(jiǎn)單收集取得的原料數(shù)據(jù)并不能直接用于有效監(jiān)督的深度學(xué)習(xí)算法訓(xùn)練，經(jīng)過(guò)專(zhuān)業(yè)化采集、加工形成的訓(xùn)練數(shù)據(jù)集才能供深度學(xué)習(xí)算法等訓(xùn)練使用，由此帶來(lái)數(shù)據(jù)服務(wù)需求。比傳統(tǒng)AI模型，大模型的優(yōu)勢(shì)體現(xiàn)在：1)解決AI過(guò)于碎片化和多樣化的問(wèn)題；2)具備自監(jiān)督學(xué)習(xí)功能，降低訓(xùn)練研發(fā)成本；3)擺脫結(jié)構(gòu)變革桎梏，打開(kāi)模型精度上限。對(duì)于大模型算法的研發(fā)、優(yōu)化，亦是投入的重點(diǎn)。下游應(yīng)用：產(chǎn)業(yè)界一直以來(lái)都在尋求人工智能的應(yīng)用領(lǐng)域、商業(yè)模式突破。隨著大模型使用、人工智能算法精度提升，下游應(yīng)用的擴(kuò)展可期。行業(yè)研究敬請(qǐng)參閱末頁(yè)重要聲明及評(píng)級(jí)說(shuō)明13/80證券研究報(bào)告3數(shù)據(jù)要素資源基礎(chǔ)，滿(mǎn)足大模型訓(xùn)練需求3.1政策引導(dǎo)數(shù)據(jù)要素確權(quán)使用，掃清人工智能發(fā)展障礙數(shù)據(jù)已成為五大核心生產(chǎn)要素之一。2020年4月中共中央國(guó)務(wù)院《關(guān)于構(gòu)建更加完善的要素市場(chǎng)化配置體制機(jī)制的意見(jiàn)》中發(fā)布。這是數(shù)據(jù)作為新型生產(chǎn)要素首次在中央頂層文件中提出。關(guān)于加快建設(shè)全國(guó)統(tǒng)一大市場(chǎng)的意見(jiàn)》中，進(jìn)一步提到加快培育數(shù)據(jù)要素市場(chǎng)，建立數(shù)據(jù)資源產(chǎn)權(quán)相關(guān)基礎(chǔ)制度。2022年12月9日，財(cái)政部發(fā)布關(guān)于征求《企業(yè)數(shù)據(jù)資源相關(guān)會(huì)計(jì)處理暫行規(guī)定(征求意見(jiàn)稿)》意見(jiàn)的函，具體提出了企業(yè)數(shù)據(jù)資源相關(guān)會(huì)計(jì)、處理的方式方法，進(jìn)一步掃清了數(shù)據(jù)要素市場(chǎng)建立、數(shù)據(jù)資源交易的障礙。是數(shù)據(jù)要素體系建設(shè)中，頂層關(guān)鍵文件，掃除了未來(lái)人工智能發(fā)展中需要使用數(shù)據(jù)的障礙：1)建立保障權(quán)益，合規(guī)使用的數(shù)據(jù)產(chǎn)權(quán)制度；2)建立合規(guī)高效的場(chǎng)內(nèi)外結(jié)合的數(shù)據(jù)要素流通和交易制度。3)建立體現(xiàn)效率促進(jìn)公平的數(shù)據(jù)要素收益分配制度。4)建立安全可控彈性包容的數(shù)據(jù)要素治理制度。圖表6數(shù)據(jù)已成為五大核心生產(chǎn)要素之一數(shù)字經(jīng)濟(jì)快速發(fā)展，數(shù)據(jù)要素成為重要戰(zhàn)略資源?！丁笆奈濉睌?shù)字經(jīng)濟(jì)發(fā)展規(guī)劃》中指出，數(shù)字經(jīng)濟(jì)是繼農(nóng)業(yè)經(jīng)濟(jì)、工業(yè)經(jīng)濟(jì)之后的主要經(jīng)濟(jì)形態(tài)?！兑?guī)劃》設(shè)定了到2025年實(shí)現(xiàn)數(shù)字經(jīng)濟(jì)核心產(chǎn)業(yè)增加值占GDP比重達(dá)到10%的目標(biāo)，涵蓋數(shù)據(jù)要素市場(chǎng)、產(chǎn)業(yè)數(shù)字化、數(shù)字產(chǎn)業(yè)化、數(shù)字化公共服務(wù)、數(shù)字經(jīng)濟(jì)治理體系五個(gè)方面。從2015年至速持續(xù)高于GDP增速，2021年數(shù)字經(jīng)濟(jì)占GDP比重已經(jīng)由20157%提升至40%。行業(yè)研究敬請(qǐng)參閱末頁(yè)重要聲明及評(píng)級(jí)說(shuō)明14/80證券研究報(bào)告0%0%GDP增速(%)數(shù)字經(jīng)濟(jì)增速(%)20.3%20.9%18.9%20%201520162017201820192020數(shù)字經(jīng)濟(jì)占GDP比重(%)其他(%)73.0%73.0%69.7%67.3%66.0%63.7%61.4%60%27.0%30.3%32.7%34.0%36.3%38.6%39.6%2015201620172018201920202021需求提升聯(lián)網(wǎng)設(shè)備高增之下，流量增長(zhǎng)不可避免。根據(jù)思科的《年度互聯(lián)網(wǎng)報(bào)告》，到2023年，地球上的連網(wǎng)設(shè)備數(shù)量將是全球人口的大約三倍，從2017年的人均2.4臺(tái)提升至3.6臺(tái)。由于IP地址即網(wǎng)絡(luò)地址+主機(jī)地址，網(wǎng)絡(luò)站點(diǎn)所連接的IP數(shù)量也處于爆發(fā)的階段。根據(jù)IDC的《中國(guó)物聯(lián)網(wǎng)連接規(guī)模預(yù)測(cè)，2020-2025》，僅我國(guó)物聯(lián)網(wǎng)IP連接量已在2020年達(dá)45.3億，有望在2025年達(dá)到102.7億，CAGR為17.8%。由于IP地址聯(lián)網(wǎng)后即產(chǎn)生數(shù)據(jù)流量，IP地址的數(shù)量增長(zhǎng)即代表全網(wǎng)數(shù)據(jù)也將繼續(xù)大增，對(duì)于現(xiàn)有的網(wǎng)絡(luò)企業(yè)的承載能力提出了考驗(yàn)。根據(jù)思科的《年度互聯(lián)網(wǎng)報(bào)告》，2022年全球網(wǎng)絡(luò)數(shù)據(jù)流量將達(dá)799EB(1EB=十億GB)，同比增長(zhǎng)21%。我們認(rèn)為，數(shù)據(jù)流量的增長(zhǎng)，有望直接帶動(dòng)大數(shù)據(jù)產(chǎn)業(yè)的發(fā)展，而其中穩(wěn)定優(yōu)質(zhì)響應(yīng)快的數(shù)據(jù)庫(kù)性?xún)r(jià)比更高。行業(yè)研究敬請(qǐng)參閱末頁(yè)重要聲明及評(píng)級(jí)說(shuō)明15/80證券研究報(bào)告圖表112017-2022全球網(wǎng)絡(luò)流量圖表112017-2022全球網(wǎng)絡(luò)流量2017年人均上網(wǎng)設(shè)備數(shù)量(臺(tái))2022年人均上網(wǎng)設(shè)備數(shù)量(臺(tái))000%%%%%%60%65846%51421%1622020202120228642013.42.1資料來(lái)源：思科，華安證券研究所資料來(lái)源：思科，華安證券研究所全球大數(shù)據(jù)市場(chǎng)存量巨大，軟件市場(chǎng)占比較高且增速快。根據(jù)Wikibon及沙利文研究數(shù)據(jù)，全球大數(shù)據(jù)市場(chǎng)規(guī)模有望在2022年達(dá)718億美元，同比增速11%；而其中全球大數(shù)據(jù)軟件偉286億美元，同比增速18%，約占大數(shù)據(jù)市場(chǎng)規(guī)模的40%?？梢哉J(rèn)為，軟件市場(chǎng)在大數(shù)據(jù)市場(chǎng)中，占據(jù)較大地位，而由于其增速高于大數(shù)據(jù)市場(chǎng)的整體增速，其占比還將進(jìn)一步提升。圖表12全球大數(shù)據(jù)市場(chǎng)規(guī)模圖表13全球大數(shù)據(jù)軟件市場(chǎng)規(guī)模00全球大數(shù)據(jù)市場(chǎng)規(guī)模(億美元)增速 423.0 572.013%496.0 201820192020E2021E2022E2023E000377.025%22%329.00246.018%16%208.0201820192020E2021E2022E2023E2024E究所我國(guó)大數(shù)據(jù)市場(chǎng)，軟件市場(chǎng)增速快、占比有待提升。對(duì)比全球市場(chǎng)，我國(guó)大數(shù)據(jù)市場(chǎng)預(yù)計(jì)2022年規(guī)模為1049億元，同比增速24%，其中軟件約305億元，同比增速30%，占比約29%。在大數(shù)據(jù)行業(yè)的高增速之下，數(shù)據(jù)智能分析工具、大數(shù)據(jù)管理平臺(tái)等軟件的需求有望進(jìn)一步提升。行業(yè)研究敬請(qǐng)參閱末頁(yè)重要聲明及評(píng)級(jí)說(shuō)明16/80證券研究報(bào)告中國(guó)大數(shù)據(jù)市場(chǎng)規(guī)模(億元)中國(guó)大數(shù)據(jù)市場(chǎng)規(guī)模(億元)增速0中國(guó)大數(shù)據(jù)軟件市場(chǎng)規(guī)模(億元)增速35%28%29%中國(guó)大數(shù)據(jù)軟件市場(chǎng)規(guī)模(億元)增速35%24%24%38926%25%30520%44200201820192020E2021E2022E2023E2024E究所人工智能基礎(chǔ)數(shù)據(jù)服務(wù)助力AI訓(xùn)練與調(diào)優(yōu)，數(shù)據(jù)采集、數(shù)據(jù)標(biāo)注和數(shù)據(jù)質(zhì)檢是較為重要的三個(gè)環(huán)節(jié)。從自然數(shù)據(jù)源簡(jiǎn)單收集取得的原料數(shù)據(jù)并不能直接用于有效監(jiān)督的深度學(xué)習(xí)算法訓(xùn)練，經(jīng)過(guò)專(zhuān)業(yè)化采集、加工形成的訓(xùn)練數(shù)據(jù)集才能供深度學(xué)習(xí)算法等訓(xùn)練使用，從某種程度上講，數(shù)據(jù)決定了AI的落地程度，因此，基礎(chǔ)數(shù)據(jù)服務(wù)應(yīng)運(yùn)而生。具體來(lái)看，基礎(chǔ)數(shù)據(jù)的服務(wù)流程圍繞著客戶(hù)的展開(kāi)，為AI模型訓(xùn)練提供可靠、可用的數(shù)取原料數(shù)據(jù)；3)數(shù)據(jù)清洗：清洗殘缺、重復(fù)或者錯(cuò)誤的數(shù)據(jù)；4)數(shù)據(jù)標(biāo)注：幫助機(jī)器認(rèn)識(shí)數(shù)據(jù)的特征；5)質(zhì)檢：各環(huán)節(jié)質(zhì)量檢測(cè)和控制。圖表16人工智能基礎(chǔ)數(shù)據(jù)服務(wù)流程與主要產(chǎn)品所基礎(chǔ)數(shù)據(jù)服務(wù)需求旺盛，未來(lái)成長(zhǎng)空間廣闊。人工智能應(yīng)用場(chǎng)景的創(chuàng)新與拓展和機(jī)器學(xué)習(xí)算法復(fù)雜度的提升帶動(dòng)訓(xùn)練數(shù)據(jù)需求的大幅增長(zhǎng)，根據(jù)DimensionalResearch行業(yè)研究敬請(qǐng)參閱末頁(yè)重要聲明及評(píng)級(jí)說(shuō)明17/80證券研究報(bào)告的全球調(diào)研報(bào)告，72%的受訪者認(rèn)為至少使用超過(guò)10萬(wàn)條數(shù)據(jù)進(jìn)行模型村聯(lián)，才能保證模型的有效性與可靠性；96%的受訪者在訓(xùn)練模型中遇到訓(xùn)練數(shù)據(jù)質(zhì)量不佳、數(shù)量不足、數(shù)據(jù)標(biāo)注人員不足等難題。展望未來(lái)，一方面，基礎(chǔ)數(shù)據(jù)服務(wù)的質(zhì)量有進(jìn)一步提升的空間；另一方面，應(yīng)用場(chǎng)景和算法更新等將增加訓(xùn)練數(shù)據(jù)的需求量，基礎(chǔ)數(shù)據(jù)服務(wù)行業(yè)有望進(jìn)入快速發(fā)展階段，成長(zhǎng)空間廣闊。圖表17訓(xùn)練數(shù)據(jù)需求量(條)圖表18受訪者遇到的與數(shù)據(jù)相關(guān)的難題及比例(%)10萬(wàn)-100萬(wàn)100萬(wàn)-1000萬(wàn)3%%4%ch市場(chǎng)標(biāo)注行業(yè)市場(chǎng)規(guī)模不斷擴(kuò)大，圖像類(lèi)和語(yǔ)音類(lèi)需求占比超八成。從市場(chǎng)規(guī)模來(lái)計(jì)，2021年我國(guó)數(shù)據(jù)標(biāo)注行業(yè)市場(chǎng)規(guī)模為43億元，2017至2029年的CAGR為23%；根據(jù)IDC《2021年中國(guó)人工智能基礎(chǔ)數(shù)據(jù)服務(wù)市場(chǎng)研究報(bào)告》，預(yù)計(jì)中國(guó)AI基礎(chǔ)數(shù)據(jù)服務(wù)市場(chǎng)規(guī)模將在2025年突破120億元，近五年的CAGR達(dá)47%。從市場(chǎng)收入結(jié)構(gòu)來(lái)看，按數(shù)據(jù)類(lèi)型劃分，基礎(chǔ)數(shù)據(jù)服務(wù)行業(yè)是市場(chǎng)需求可以分為圖像類(lèi)、語(yǔ)音類(lèi)和自然語(yǔ)言處理類(lèi)數(shù)據(jù)需求。根據(jù)觀研天下統(tǒng)計(jì)，2021年我國(guó)數(shù)據(jù)標(biāo)注行業(yè)下游以圖像類(lèi)和語(yǔ)音類(lèi)需求為主，二者合計(jì)占比達(dá)86%，其中，圖像類(lèi)業(yè)務(wù)以智能駕駛與安防為主，語(yǔ)音類(lèi)以中英大大語(yǔ)種、中國(guó)本土方言以及外國(guó)小語(yǔ)種為主。業(yè)下游需求占比(%)中國(guó)數(shù)據(jù)標(biāo)注行業(yè)市場(chǎng)規(guī)模(億元)語(yǔ)音類(lèi)NLP類(lèi)1501005026313643.3%0.5%資料來(lái)源：觀研天下，華安證券研究所資料來(lái)源：觀研天下，華安證券研究所基礎(chǔ)數(shù)據(jù)服務(wù)位于產(chǎn)業(yè)鏈中游，是AI商業(yè)化應(yīng)用中重要的一環(huán)?；A(chǔ)數(shù)據(jù)服務(wù)行業(yè)的上游為數(shù)據(jù)源與數(shù)據(jù)產(chǎn)能，多元數(shù)據(jù)包括個(gè)人數(shù)據(jù)、企業(yè)數(shù)據(jù)、政府?dāng)?shù)據(jù)等，產(chǎn)能醫(yī)院供應(yīng)方包括標(biāo)注自愿提供方和硬件資源供應(yīng)商。中游為數(shù)據(jù)產(chǎn)品開(kāi)發(fā)工具與管理服務(wù)，行業(yè)研究敬請(qǐng)參閱末頁(yè)重要聲明及評(píng)級(jí)說(shuō)明18/80證券研究報(bào)告包括AI基礎(chǔ)數(shù)據(jù)服務(wù)商，如海天瑞聲、百度眾包、京東眾志等企業(yè)，以及面向AI的數(shù)據(jù)治理平臺(tái)服務(wù)商，如星環(huán)科技等。下游則是人工智能的應(yīng)用，涉及智慧政務(wù)、金融、工業(yè)、自動(dòng)駕駛等領(lǐng)域。其中，處于中游的AI基礎(chǔ)數(shù)據(jù)服務(wù)商主要進(jìn)行數(shù)據(jù)的采集與標(biāo)注，面向AI的數(shù)據(jù)治理平臺(tái)服務(wù)商則使用數(shù)據(jù)治理的各組件管治多源異構(gòu)數(shù)據(jù)，使其形成數(shù)據(jù)資產(chǎn)，提高數(shù)據(jù)質(zhì)量。二者處理后的數(shù)據(jù)可直接提供給下游用于AI訓(xùn)練，從而加所3.4相關(guān)標(biāo)的1)星環(huán)科技：平臺(tái)、數(shù)據(jù)庫(kù)集一身的數(shù)據(jù)要素稀缺標(biāo)的專(zhuān)注于分布式數(shù)據(jù)庫(kù)，技術(shù)水平全球領(lǐng)先。星環(huán)科技2013年成立于上海，是國(guó)內(nèi)大數(shù)據(jù)管理軟件領(lǐng)導(dǎo)者，已累計(jì)有超過(guò)1,000家終端用戶(hù)，且產(chǎn)品已落地以下知名機(jī)構(gòu)或其主要分支機(jī)構(gòu)，金融行業(yè)包括中國(guó)銀行、浦發(fā)銀行、浙江農(nóng)村商業(yè)聯(lián)合銀行等，政府領(lǐng)域包括上海市大數(shù)據(jù)中心等，能源行業(yè)包括中國(guó)石油、南方電網(wǎng)等，交通行業(yè)包括中國(guó)郵政集團(tuán)、鄭州地鐵等，制造業(yè)包括湖南中煙等。公司在發(fā)展中經(jīng)歷了多個(gè)重要節(jié)點(diǎn)：1)公司2013年成立，隨即發(fā)布了大數(shù)據(jù)基礎(chǔ)平臺(tái)TDH2.0版本，并于次年推出Inceptor關(guān)系型分析引擎、Slipstream實(shí)時(shí)計(jì)算引擎，實(shí)現(xiàn)數(shù)據(jù)湖、實(shí)時(shí)計(jì)算兩大熱點(diǎn)功能；2)2014年公司被Gartner列入Hadoop的主流發(fā)行版列表；3)2017年起，公司陸續(xù)發(fā)布新品，包括分析工具Sophon、云產(chǎn)品TDC、分布式分析數(shù)據(jù)庫(kù)ArgoDB和分布式交易數(shù)據(jù)庫(kù)KunDB。2022年，公司已被Gartner評(píng)為圖數(shù)據(jù)庫(kù)管理的全球代表行業(yè)研究敬請(qǐng)參閱末頁(yè)重要聲明及評(píng)級(jí)說(shuō)明19/80證券研究報(bào)告所股權(quán)結(jié)構(gòu)穩(wěn)定，創(chuàng)始人保持控制權(quán)。發(fā)行人的控股股東、實(shí)際控制人為創(chuàng)始人孫元至本招股說(shuō)明書(shū)簽署日，孫元浩直接持有星環(huán)科技12.3%的范磊、呂程、佘暉及贊星投資中心簽署了《一致行動(dòng)協(xié)議》，確認(rèn)自2019年1月1日起，范磊、呂程、佘暉及贊星投資中心與孫元浩在發(fā)行人有關(guān)重大事項(xiàng)中保持一致行動(dòng)，并約定上述各方在無(wú)法達(dá)成一致意見(jiàn)時(shí)，為提高公司決策效率，在不損害孫元浩合法權(quán)益及保障公司整體利益的前提下，應(yīng)以孫元浩的意見(jiàn)作為各方的最終共同意見(jiàn)。孫元浩擔(dān)任執(zhí)行事務(wù)合伙人的贊星投資中心持有公司8.3%的股份，孫元浩之一致行動(dòng)人范磊、呂程、佘暉分別持有公司6.7%、1.7%、1.0%的股份。因此，孫元浩本人及通過(guò)《一致行動(dòng)協(xié)議》合計(jì)控制公司30.0%的股份。(3)報(bào)告期內(nèi)，孫元浩一直擔(dān)任發(fā)行人(及其前身星環(huán)有限)的董事長(zhǎng)及總經(jīng)理，在發(fā)行人的董事會(huì)和日常管理決策中均能夠產(chǎn)生重大影響。(4)根據(jù)除孫元浩、范磊、呂程、佘暉及贊星投資中心以外的發(fā)行人其他股東的書(shū)面確認(rèn)，各方均認(rèn)可孫元浩于報(bào)告期內(nèi)作為發(fā)行人的實(shí)際控制人。行業(yè)研究敬請(qǐng)參閱末頁(yè)重要聲明及評(píng)級(jí)說(shuō)明20/80證券研究報(bào)告所產(chǎn)品形成聯(lián)動(dòng)，長(zhǎng)短期均有發(fā)力點(diǎn)。公司已形成大數(shù)據(jù)與云基礎(chǔ)平臺(tái)、分布式關(guān)系型數(shù)據(jù)庫(kù)、數(shù)據(jù)開(kāi)發(fā)與智能分析工具的軟件產(chǎn)品矩陣，支撐客戶(hù)及合作伙伴開(kāi)發(fā)數(shù)據(jù)應(yīng)用系統(tǒng)和業(yè)務(wù)應(yīng)用系統(tǒng)，助力客戶(hù)實(shí)現(xiàn)數(shù)字化轉(zhuǎn)型。具體來(lái)看，公司的軟件產(chǎn)品分為三部分：1)大數(shù)據(jù)與云基礎(chǔ)軟件：主要產(chǎn)品為企業(yè)級(jí)多模型數(shù)據(jù)管理平臺(tái)TDH以及基于TDH的云平臺(tái)TDC；2)分布式數(shù)據(jù)庫(kù)：分布式交易數(shù)據(jù)庫(kù)KunDB以及分布式分析性數(shù)據(jù)庫(kù)ArgoDB；3)數(shù)據(jù)分析工具：數(shù)據(jù)分析開(kāi)發(fā)套件TDS以及智能分析工具Sophon，其中Sophon多數(shù)用于金融下游。行業(yè)研究敬請(qǐng)參閱末頁(yè)重要聲明及評(píng)級(jí)說(shuō)明21/80證券研究報(bào)告2)海天瑞聲：人工智能基礎(chǔ)數(shù)據(jù)服務(wù)提供商，產(chǎn)品矩陣不斷豐富自2005年成立以來(lái)，海天瑞聲始終致力于為AI產(chǎn)業(yè)鏈上的各類(lèi)機(jī)構(gòu)提供算法模型開(kāi)發(fā)訓(xùn)練所需的專(zhuān)業(yè)數(shù)據(jù)集，目前已發(fā)展為人工智能領(lǐng)域具備國(guó)際競(jìng)爭(zhēng)力的國(guó)內(nèi)領(lǐng)軍企業(yè)。公司研發(fā)生產(chǎn)的訓(xùn)練數(shù)據(jù)覆蓋了智能語(yǔ)音、計(jì)算機(jī)視覺(jué)及自然語(yǔ)言處理三大AI核心領(lǐng)域，實(shí)現(xiàn)了標(biāo)準(zhǔn)化產(chǎn)品、定制化服務(wù)、相關(guān)應(yīng)用服務(wù)的全覆蓋，廣泛應(yīng)用于人機(jī)交互、智能家居、智能駕駛、智慧金融、智能安防、OCR識(shí)別等多個(gè)應(yīng)用場(chǎng)景。截至2022年戶(hù)量達(dá)695家。?訓(xùn)練數(shù)據(jù)定制服務(wù)：公司根據(jù)客戶(hù)的需求提供訓(xùn)練數(shù)據(jù)定制服務(wù)，分為采集+加工服務(wù)和純加工服務(wù)兩種，在該業(yè)務(wù)類(lèi)型下，最終形成的訓(xùn)練數(shù)據(jù)集成品的知識(shí)產(chǎn)權(quán)由客戶(hù)享有。?訓(xùn)練數(shù)據(jù)產(chǎn)品：公司根據(jù)市場(chǎng)需求，以及對(duì)算法技術(shù)應(yīng)用前景、發(fā)展趨勢(shì)的評(píng)估等開(kāi)發(fā)的訓(xùn)練數(shù)據(jù)產(chǎn)品，最終生產(chǎn)的訓(xùn)練數(shù)據(jù)集成品的知識(shí)產(chǎn)權(quán)由公司享有，一次開(kāi)發(fā)完成后可重復(fù)多次銷(xiāo)售使用權(quán)。?訓(xùn)練數(shù)據(jù)相關(guān)的應(yīng)用服務(wù)：公司基于其生產(chǎn)的訓(xùn)練數(shù)據(jù)提供算法模型相關(guān)的訓(xùn)練服務(wù)，助力下游客戶(hù)完成其算法模型的語(yǔ)言拓展、垂直應(yīng)用領(lǐng)域拓展等，為客戶(hù)定制針對(duì)特定應(yīng)用場(chǎng)景的專(zhuān)屬算法模型。公司產(chǎn)品應(yīng)用領(lǐng)域不斷拓寬，下游客戶(hù)豐富。從應(yīng)用場(chǎng)景來(lái)看，公司產(chǎn)品的應(yīng)用場(chǎng)景覆蓋了個(gè)人助手、語(yǔ)音輸入、智能家居、智能客服、機(jī)器人、語(yǔ)音導(dǎo)航、智能播報(bào)、語(yǔ)音翻譯、移動(dòng)社交、虛擬人、智能駕駛、智慧金融、智慧交通、智慧城市、機(jī)器翻譯、OCR司的行業(yè)研究敬請(qǐng)參閱末頁(yè)重要聲明及評(píng)級(jí)說(shuō)明22/80證券研究報(bào)告客戶(hù)為AI產(chǎn)業(yè)鏈上的各類(lèi)機(jī)構(gòu)，主要系：1)大型科技公司，阿里巴巴、騰訊、百度、微軟等；2)人工智能企業(yè)，科大訊飛、商湯科技、?？低暤?；3)科研機(jī)構(gòu)，如中國(guó)科學(xué)院、清華大學(xué)等。目前，公司的產(chǎn)品和服務(wù)已經(jīng)獲得了阿里巴巴、騰訊百度、科大訊飛、微軟、清華大學(xué)等國(guó)內(nèi)外客戶(hù)的認(rèn)可。算法模型應(yīng)用場(chǎng)景示意敬請(qǐng)參閱末頁(yè)重要聲明及評(píng)級(jí)說(shuō)明23/80證券研究報(bào)告4.1大模型時(shí)代的引言：DoubleDescent(雙下降)現(xiàn)象隨著深度神經(jīng)網(wǎng)絡(luò)的興起，人工智能進(jìn)入統(tǒng)計(jì)分類(lèi)深度模型時(shí)代，這種模型比以往的模型更加泛化，可以通過(guò)提取不同特征值應(yīng)用于不同場(chǎng)景。但在2018年-2019年，雙下降現(xiàn)象的發(fā)現(xiàn)打破了原有的人工智能發(fā)展格局。簡(jiǎn)而言之，以往的數(shù)學(xué)理論表明，隨著參數(shù)增多、模型增大，過(guò)擬合導(dǎo)致模型的誤差會(huì)先下降后上升，這使得找到精度最高誤差最小的點(diǎn)成為模型調(diào)整的目標(biāo)。而隨著人工智能算法算力的不斷發(fā)展，研究者發(fā)現(xiàn)如果繼續(xù)不設(shè)上限的增大模型，模型誤差會(huì)在升高后第二次降低，并且誤差下降會(huì)隨著模型的不斷增大而降低，通俗而言模型越大，準(zhǔn)確率越高。因此人工智能發(fā)展進(jìn)入了大模型時(shí)代。相比傳統(tǒng)AI模型，大模型的優(yōu)勢(shì)體現(xiàn)在：1)解決AI過(guò)于碎片化和多樣化的問(wèn)題，極大提高模型的泛用性。應(yīng)對(duì)不同場(chǎng)景時(shí)，AI模型往往需要進(jìn)行針對(duì)化的開(kāi)發(fā)、調(diào)參、優(yōu)化、迭代，需要耗費(fèi)大量的人力成本，導(dǎo)致了AI手工作坊化。大模型采用“預(yù)訓(xùn)練+下游任務(wù)微調(diào)”的方式，首先從大量標(biāo)記或者未標(biāo)記的數(shù)據(jù)中捕獲信息，將信息存儲(chǔ)到大量的參數(shù)中，再進(jìn)行微調(diào)，極大提高模型的泛用性。2)具備自監(jiān)督學(xué)習(xí)功能，降低訓(xùn)練研發(fā)成本。我們可以將自監(jiān)督學(xué)習(xí)功能表觀理解為降低對(duì)數(shù)據(jù)標(biāo)注的依賴(lài)，大量無(wú)標(biāo)記數(shù)據(jù)能夠被直接應(yīng)用。這樣一來(lái)，一方面降低人工成本，另一方面，使得小樣本訓(xùn)練成為可能。3)擺脫結(jié)構(gòu)變革桎梏，打開(kāi)模型精度上限。過(guò)去想要提升模型精度，主要依賴(lài)網(wǎng)絡(luò)在結(jié)構(gòu)上的變革。隨著神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計(jì)技術(shù)逐漸成熟并開(kāi)始趨同，想要通過(guò)優(yōu)化神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)從而打破精度局限變得困難。而研究證明，更大的數(shù)據(jù)規(guī)模確實(shí)提高了模型的精度上限。行業(yè)研究敬請(qǐng)參閱末頁(yè)重要聲明及評(píng)級(jí)說(shuō)明24/80證券研究報(bào)告GPT模型利用Transformer模型作為特征提取器，是第一個(gè)引入Transformer的預(yù)訓(xùn)練模型。傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)模型例如RNN(循環(huán)神經(jīng)網(wǎng)絡(luò))在實(shí)際訓(xùn)練過(guò)程中由于輸入向量大小不一、且向量間存在相互影響關(guān)系導(dǎo)致模型訓(xùn)練結(jié)果效果較差。Transformer模型有三大技術(shù)突破解決了這個(gè)問(wèn)題。首先Transformer模型的Self-Attention(自注意力)機(jī)制使人工智能算法注意到輸入向量中不同部分之間的相關(guān)性，從而大大提升了精準(zhǔn)性。其次該模型采用屬于無(wú)監(jiān)督學(xué)習(xí)的自監(jiān)督學(xué)習(xí)，無(wú)需標(biāo)注數(shù)據(jù)，模型直接從無(wú)標(biāo)簽數(shù)據(jù)中自行學(xué)習(xí)一個(gè)特征提取器，大大提高了效率。最后，在做具體任務(wù)時(shí)，微調(diào)旨在利用其標(biāo)注樣本對(duì)預(yù)訓(xùn)練網(wǎng)絡(luò)的參數(shù)進(jìn)行調(diào)整。也可以針對(duì)具體任務(wù)設(shè)計(jì)一個(gè)新網(wǎng)絡(luò)，把預(yù)訓(xùn)練的結(jié)果作為其輸入，大大增加了其通用泛化能力。Transformer模型的這些優(yōu)點(diǎn)快速替代了傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)。rTransformerGPT：大型無(wú)監(jiān)督語(yǔ)言模型，能夠生產(chǎn)連貫的文本段落。GPT-1采用無(wú)監(jiān)督預(yù)訓(xùn)練和有監(jiān)督微調(diào)，證明了transformer對(duì)學(xué)習(xí)詞向量的強(qiáng)大能力，在GPT-1得到的詞向量基礎(chǔ)上進(jìn)行下游任務(wù)的學(xué)習(xí)，能夠讓下游任務(wù)取得更好的泛化能力。與此同時(shí)，不足也較為明顯，該模型在未經(jīng)微調(diào)的任務(wù)上雖然有一定效果，但是其泛化能力遠(yuǎn)遠(yuǎn)低于經(jīng)過(guò)微調(diào)的有監(jiān)督任務(wù)，說(shuō)明了GPT-1只是一個(gè)簡(jiǎn)單的領(lǐng)域?qū)＜?，而非通用的語(yǔ)言學(xué)家。模型模型推出時(shí)間參數(shù)量語(yǔ)料庫(kù)18年6月1.17億5GBGPT-219年2月40GGPT-320年5月1750億45TBChatGPT2022年11月--行業(yè)研究敬請(qǐng)參閱末頁(yè)重要聲明及評(píng)級(jí)說(shuō)明25/80證券研究報(bào)告GPT-2為了解決這一問(wèn)題采用了多任務(wù)模式，其目標(biāo)旨在訓(xùn)練一個(gè)泛化能力更強(qiáng)的詞向量模型，它并沒(méi)有對(duì)GPT-1的網(wǎng)絡(luò)進(jìn)行過(guò)多的結(jié)構(gòu)的創(chuàng)新與設(shè)計(jì)，只是使用了更多的網(wǎng)絡(luò)參數(shù)和更大的數(shù)據(jù)集，GPT-2的核心思想是當(dāng)模型的容量非常大且數(shù)據(jù)量足夠豐富時(shí)，僅僅靠訓(xùn)練語(yǔ)言模型的學(xué)習(xí)便可以完成其他有監(jiān)督學(xué)習(xí)的任務(wù)。所以雖然它驗(yàn)證了通過(guò)海量數(shù)據(jù)和大量參數(shù)訓(xùn)練出來(lái)的詞向量模型能夠遷移到其它類(lèi)別任務(wù)中而不需要額外的訓(xùn)練，但其任務(wù)表現(xiàn)并不好，還有大很提升空間。不過(guò)其表明了模型容量和數(shù)據(jù)于是GPT-3納入了海量參數(shù)：1750億參數(shù)量還有超大的45TB的訓(xùn)練數(shù)據(jù)。在大量的語(yǔ)言模型數(shù)據(jù)集中，GPT-3超過(guò)了絕大多數(shù)方法。另外GPT-3在很多復(fù)雜的NLP任務(wù)中例如閉卷問(wèn)答，模式解析，機(jī)器翻譯等也很準(zhǔn)確。除了這些傳統(tǒng)的NLP任務(wù)，GPT-3在一些其他的領(lǐng)域也取得了非常好的效果，例如進(jìn)行數(shù)學(xué)加法，文章生成，編寫(xiě)加入人類(lèi)反饋強(qiáng)化學(xué)習(xí)，GPT3.5獲得對(duì)話能力。GPT3.5建立在3.0的微調(diào)之上，并加入了更加完整的人類(lèi)反饋強(qiáng)化學(xué)習(xí)RLHF進(jìn)行訓(xùn)練。2022年4月至7月，OpenAI開(kāi)始對(duì)code-davinci-002模型進(jìn)行Beta測(cè)試，其可能是最強(qiáng)大的針對(duì)自然語(yǔ)言的GPT-3.5變體，ChatGPT就是從code-davinci-002進(jìn)行指令微調(diào)得到的。此后ChatGPT在2022年11月發(fā)布，使用的基于人類(lèi)反饋的強(qiáng)化學(xué)習(xí)的版本指令微調(diào)模型。行業(yè)研究敬請(qǐng)參閱末頁(yè)重要聲明及評(píng)級(jí)說(shuō)明26/80證券研究報(bào)告除了GPT-3模型外，各大公司正在孵化的大模型項(xiàng)目數(shù)量也相當(dāng)可觀。MT-NLG：微軟英偉達(dá)強(qiáng)強(qiáng)聯(lián)手，軟硬結(jié)合引領(lǐng)行業(yè)新景。2021年10月11日，微軟和英偉達(dá)推出由DeepSpeed和Megatron驅(qū)動(dòng)的Megatron-Turing自然語(yǔ)言生成模型(MT-NLG),具有5300億個(gè)參數(shù)。MT-NLG的參數(shù)數(shù)量是當(dāng)時(shí)該類(lèi)型最大模型的3倍，并且在廣泛的自然語(yǔ)言任務(wù)中如閱讀理解、常識(shí)推理、自然語(yǔ)言推理、詞義消歧等方面表現(xiàn)出較強(qiáng)的準(zhǔn)確性?；?05層transformer的MT-NLG在多個(gè)方面方面改進(jìn)了當(dāng)時(shí)最先進(jìn)模型，并為大規(guī)模語(yǔ)言模型在模型規(guī)模和質(zhì)量方面設(shè)置了新標(biāo)準(zhǔn)。硬件方面，模型訓(xùn)練是在基于NVIDIADGXSuperPOD的Selene超級(jí)計(jì)算機(jī)上進(jìn)行的，實(shí)現(xiàn)的系統(tǒng)吞吐量為：420臺(tái)DGXA100服務(wù)器上考慮了5300億參數(shù)模型(批量大小為1920)的系統(tǒng)端到端吞吐量，迭代時(shí)間為44.4秒、GPU113萬(wàn)億次/秒。SwitchTransformers：Google推出的首個(gè)萬(wàn)億級(jí)語(yǔ)言模型。相比1750億參數(shù)的GPT-3，谷歌SwitchTransformers則直接將該數(shù)值拉升至1.6萬(wàn)億，且相比于OpenAI在GPT-3里所使用的SparseAttention，需要用到稀疏算子而很難發(fā)揮GPU、TPU硬件性能的問(wèn)題。SwitchTransformer不需要稀疏算子，可以更好的適應(yīng)GPU、TPU等硬行業(yè)研究敬請(qǐng)參閱末頁(yè)重要聲明及評(píng)級(jí)說(shuō)明27/80證券研究報(bào)告券研究所文心一言：百度集成NLP和CV，多級(jí)體系覆蓋諸多領(lǐng)域。2022年11月30日，百度集團(tuán)在WAVESUMMIT+2022深度學(xué)習(xí)開(kāi)發(fā)者峰會(huì)帶來(lái)了文心大模型的最新升級(jí)，包括新增11個(gè)大模型，大模型總量增至36個(gè)，構(gòu)建起國(guó)內(nèi)業(yè)界規(guī)模最大的產(chǎn)業(yè)大模型體系。在模型層，文心大模型涵蓋基礎(chǔ)大模型、任務(wù)大模型、行業(yè)大模型的三級(jí)體系；在工具與平臺(tái)層升級(jí)了大模型開(kāi)發(fā)套件、文心API和提供全流程開(kāi)箱即用大模型能力的EasyDL和BML開(kāi)發(fā)平臺(tái)，有效降低應(yīng)用門(mén)檻；新增產(chǎn)品與社區(qū)層，包括AI創(chuàng)作平臺(tái)“文心一格”、搜索系統(tǒng)“文心百中”和樣谷社區(qū)，讓更多人感受到AI大模型技術(shù)帶來(lái)的新體驗(yàn)。截至目前，文心已累計(jì)發(fā)布11個(gè)行業(yè)大模型，涵蓋電力、燃?xì)狻⒔鹑?、航天、傳媒、城市、影視、制造、社科等領(lǐng)域，加速推動(dòng)行業(yè)的智能化轉(zhuǎn)型升級(jí)。行業(yè)研究敬請(qǐng)參閱末頁(yè)重要聲明及評(píng)級(jí)說(shuō)明28/80證券研究報(bào)告圖表34百度文心生態(tài)圖除行業(yè)大模型外，百度目前新增了5個(gè)基礎(chǔ)大模型和1個(gè)任務(wù)大模型，包括：知識(shí)增強(qiáng)輕量級(jí)大模型、跨模態(tài)理解大模型、跨模態(tài)生成大模型、文檔智能大模型、單序列蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)大模型和代碼大模型。其中，知識(shí)增強(qiáng)輕量級(jí)大模型ERNIE3.0Tiny具備優(yōu)秀的泛化能力，同時(shí)相對(duì)于超大參數(shù)模型，推理速度提升數(shù)十倍到百倍，能夠顯著降低超大參數(shù)模型落地的成本。百度計(jì)劃在3月完成文心一言的內(nèi)部測(cè)試，然后向公眾正式開(kāi)放使用。敬請(qǐng)參閱末頁(yè)重要聲明及評(píng)級(jí)說(shuō)明29/80證券研究報(bào)告華為盤(pán)古云布局已久，云腦支持場(chǎng)景廣闊。華為自2020年開(kāi)始在大模型開(kāi)始有布局，2021年發(fā)布了鵬城盤(pán)古大模型。鵬城盤(pán)古基于“鵬城云腦Ⅱ”和國(guó)產(chǎn)MindSpore框架的自動(dòng)混合并行模式實(shí)現(xiàn)在2048卡算力集群上的大規(guī)模分布式訓(xùn)練，訓(xùn)練出業(yè)界首個(gè)2000億參數(shù)以中文為核心的預(yù)訓(xùn)練生成語(yǔ)言模型。鵬程·盤(pán)古α預(yù)訓(xùn)練模型支持豐富的場(chǎng)景應(yīng)用，在知識(shí)問(wèn)答、知識(shí)檢索、知識(shí)推理、閱讀理解等文本生成領(lǐng)域表現(xiàn)突出，具備很強(qiáng)的小樣本學(xué)習(xí)能力。ore研究所阿里M6：出色的低碳低能耗屬性。阿里巴巴達(dá)摩院在2021年開(kāi)發(fā)出了超大規(guī)模中文多模態(tài)預(yù)訓(xùn)練模型M6。目前，其參數(shù)已從萬(wàn)億躍遷至10萬(wàn)億，規(guī)模遠(yuǎn)超谷歌、微軟此前發(fā)布的萬(wàn)億級(jí)模型，成為全球最大的AI預(yù)訓(xùn)練模型。同時(shí)，M6做到了業(yè)內(nèi)極致的低碳高效，使用512塊GPU在10天內(nèi)即訓(xùn)練出具有可用水平的10萬(wàn)億模型。相比去GPT3，M6實(shí)現(xiàn)同等參數(shù)規(guī)模，能耗為其1％。M6的優(yōu)勢(shì)在于將大模型所需算力壓縮到極致，通過(guò)一系列技術(shù)突破，達(dá)摩院和阿里云只用了480塊GPU就訓(xùn)練出了M6，相比英偉達(dá)用3072塊GPU訓(xùn)練萬(wàn)億模型、谷歌用2048塊TPU訓(xùn)練敬請(qǐng)參閱末頁(yè)重要聲明及評(píng)級(jí)說(shuō)明30/80證券研究報(bào)告比所商湯在AIGC的不同領(lǐng)域有多年布局，從文字，到圖片，以及視頻和動(dòng)畫(huà)的AIGC，團(tuán)隊(duì)都從技術(shù)和產(chǎn)業(yè)長(zhǎng)期投入，團(tuán)隊(duì)更多專(zhuān)注在視頻的AIGC，并疊加商湯自研的類(lèi)似于GPT的生成式內(nèi)容進(jìn)行短視頻等創(chuàng)作?；谏虦腟enseCoreAI大裝置，在視覺(jué)大模型領(lǐng)域，商湯已訓(xùn)練和構(gòu)建了超過(guò)300億量級(jí)模型參數(shù)超大基模型，可以有效支持相4.5相關(guān)標(biāo)的以AI生產(chǎn)力平臺(tái)為基礎(chǔ)，四大板塊齊頭并進(jìn)。公司的AI生產(chǎn)力平臺(tái)SenseCore由敬請(qǐng)參閱末頁(yè)重要聲明及評(píng)級(jí)說(shuō)明31/80證券研究報(bào)告模型層、深度學(xué)習(xí)平臺(tái)、計(jì)算基礎(chǔ)設(shè)施三個(gè)部分架構(gòu)而成。1)模型層：已開(kāi)發(fā)超過(guò)4.9萬(wàn)個(gè)商用人工智能模型；算法開(kāi)源計(jì)劃OpenMMLab在GitHub上超60000顆星；OpenDILab開(kāi)源平臺(tái)，已發(fā)布超過(guò)60個(gè)通用決策人工智能算法系列。2)深度學(xué)習(xí)平臺(tái)：高效利用GPU集群算力，訓(xùn)練單個(gè)大模型時(shí)可以在一千塊GPU上取得超過(guò)90%的加速效率。3)計(jì)算基礎(chǔ)設(shè)施：公司正在建立人工智能計(jì)算中心，預(yù)計(jì)能產(chǎn)生每秒3.74百億億次浮點(diǎn)運(yùn)算算力，算力超過(guò)2.5exaFLOPS，相較于2021年底擴(kuò)大114%；公司研發(fā)的人工智能芯片及邊緣設(shè)備支持視覺(jué)領(lǐng)域大模型100億參數(shù)；公司研發(fā)的傳感器及ISP芯片1天內(nèi)可完成的完整訓(xùn)練1000億參數(shù)模型。在SenseCore底座基礎(chǔ)上，公司開(kāi)發(fā)了智慧企業(yè)、智慧城市、智慧生活、智慧汽車(chē)四大板塊：智慧商業(yè)：智慧商業(yè)是公司的主要業(yè)務(wù)之一，營(yíng)收占比超過(guò)40%。公司依托SenseCore基座打造了SenseFoundryEnterpri，形成商業(yè)空間管理、住宅物業(yè)管理、工業(yè)引擎等具體解決方案。截至2021年，該業(yè)務(wù)客戶(hù)數(shù)量擴(kuò)大至922家。智慧城市：2021年公司智慧城市收入占比達(dá)46%。公司研發(fā)的SenseFoundry主要面向出行和交通管理、城市服務(wù)和環(huán)境保護(hù)等領(lǐng)域提供解決方案。目前公司在中國(guó)智慧城市計(jì)算機(jī)視覺(jué)軟件市場(chǎng)份額第一，中國(guó)智慧應(yīng)急人工智能與大數(shù)據(jù)市場(chǎng)份額第一。截至2022年上半年，累計(jì)有155個(gè)城市部署城市方舟，包括16個(gè)超千萬(wàn)人口大型城市智慧生活：公司是智能手機(jī)產(chǎn)業(yè)的頭部AI軟件供應(yīng)商，截至2022年6月30日，已累計(jì)有180多個(gè)手機(jī)型號(hào)的超過(guò)17億臺(tái)手機(jī)預(yù)裝了商湯的各類(lèi)AI算法。公司的SenseMARS內(nèi)置了AI生成內(nèi)容、三維世界重建、數(shù)字人及虛擬形象等模塊，目前已覆蓋的空間面積突破了1000萬(wàn)平米，覆蓋了120多個(gè)大型游樂(lè)園區(qū)、商場(chǎng)等。智慧汽車(chē)：商湯科技推出的SenseAuto，以SenseCore為基石，以SenseAutoEmpower為底座，在智能駕駛、智能座艙、車(chē)路協(xié)同、L4級(jí)無(wú)人駕駛、無(wú)人駕駛小巴推進(jìn)全線產(chǎn)品化商用。公司的智能駕駛和智能座艙產(chǎn)品累計(jì)前裝定點(diǎn)數(shù)量達(dá)2300萬(wàn)臺(tái)，覆蓋未來(lái)五年內(nèi)量產(chǎn)的60多款車(chē)型。敬請(qǐng)參閱末頁(yè)重要聲明及評(píng)級(jí)說(shuō)明32/80