大模型改變開發(fā)及交互環(huán)境處于高速迭代創(chuàng)新周期

分析師：金榮（S0010521080002）2024年2月6日華安證券研究所AIGC行業(yè)：大模型改變開發(fā)及交互環(huán)境，處于高速迭代創(chuàng)新周期證券研究報(bào)告2投資建議GPTs上線2個(gè)月后用戶便創(chuàng)建了超過300萬個(gè)應(yīng)用，GPT提供了基于大模型的原生開發(fā)環(huán)境，用戶可通過更加自然的語言交互方式，減少對(duì)傳統(tǒng)GUI的依賴，同時(shí)多模態(tài)的趨勢(shì)仍在繼續(xù)，大模型仍處于高速創(chuàng)新迭代周期，頭部公司對(duì)2024年的Gen

AI的資本開支保持積極，建議關(guān)注AI算力及大模型布局廠商

NVIDIA,AMD,Intel,IBM,Microsoft,Alphabet,Amazon,Arista,百度集團(tuán)-SW,阿里巴巴-SW,騰訊控股等。上游算力側(cè)：受AI產(chǎn)業(yè)驅(qū)動(dòng)影響，算力需求持續(xù)擴(kuò)張，AI大模型的持續(xù)優(yōu)化及多樣化AI應(yīng)用終端的入市商用持續(xù)提升全球算力需求，推動(dòng)AI基礎(chǔ)設(shè)施建設(shè)，在AI基建需求出現(xiàn)井噴的情況下，全球主流AI芯片廠商最新季度業(yè)績(jī)均超市場(chǎng)預(yù)期，建議關(guān)注算力板塊機(jī)會(huì)。1）臺(tái)積電：2023Q4

營(yíng)業(yè)收入

196.7

億美元，基本符合預(yù)期。調(diào)整后凈利潤(rùn)

75.1

億美元，超一致預(yù)期5.4

。AI

方面，公司預(yù)計(jì)未來

AI

收入的

CAGR

有望達(dá)到

50

。2）AMD：23Q3營(yíng)收58億美元，yoy+4

，qoq+21

，超過彭博一致預(yù)期57億美元。1月30日，公司對(duì)AI芯片業(yè)務(wù)收入上調(diào)指引75

，預(yù)計(jì)2024年AMD人工智能芯片的銷售額將達(dá)到35億美元以上（此前指引為20億美元）。3）Meta：1月19日，扎克伯格宣布Meta內(nèi)部正在訓(xùn)練下一代模型Llama

3，而到2024年底Meta將擁有35萬塊H100，擁有近60萬個(gè)GPU等效算力，這些算力很大部分將用于訓(xùn)練Llama

3大模型。4）NVIDIA：FY24Q3，公司收入同比上升206

至181.2億美元，大超此前160億美元的指引，四季度指引收入200±2

億美元，這也是由于大語言模型帶動(dòng)的訓(xùn)練和推理算力需求較為強(qiáng)勁，各大數(shù)據(jù)中心均加大了對(duì)英偉達(dá)AI芯片(H100、A100等)和HGX平臺(tái)的采購(gòu)力度導(dǎo)致的。建議關(guān)注：臺(tái)積電、AMD、Nvidia等。23年以來大模型重點(diǎn)發(fā)展方向：1）NLP領(lǐng)域：23年隨著GPT4、GPT4

Turbo、Gemini的陸續(xù)推出，我們可以看出NLP領(lǐng)域大模型的發(fā)展趨勢(shì)體現(xiàn)在兩方面：①模型參數(shù)量呈現(xiàn)增長(zhǎng)趨勢(shì)；②由單模態(tài)向多模態(tài)演變。其中，參數(shù)量規(guī)模的增長(zhǎng)在很大程度上推動(dòng)了大模型的學(xué)習(xí)能力（但不絕對(duì)，也取決于模型的算法和參數(shù)質(zhì)量，過多的參數(shù)也會(huì)導(dǎo)致過擬合情況發(fā)生），而大模型由單模態(tài)向多模態(tài)的演變，也意味著模型能夠處理和理解來自不同數(shù)據(jù)模態(tài)的信息，這些模態(tài)可以包括但不限于圖像、文本、音頻、視頻等，實(shí)現(xiàn)復(fù)雜生成任務(wù)。建議關(guān)注在相關(guān)領(lǐng)域持續(xù)探索AI算法的公司，關(guān)注阿里巴巴-SW、京東集團(tuán)-SW、焦點(diǎn)科技、值得買、網(wǎng)易-S、騰訊控股、吉比特、三七互娛、巨人網(wǎng)絡(luò)、天娛數(shù)科、科大訊飛、昆侖萬維等。敬請(qǐng)參閱末頁重要聲明及評(píng)級(jí)說明3敬請(qǐng)參閱末頁重要聲明及評(píng)級(jí)說明投資建議CV領(lǐng)域：通過復(fù)盤CV領(lǐng)域主流應(yīng)用（Midjourney、Dall·E和Stable

Diffusion）的版本迭代，其發(fā)展方向除了生成內(nèi)容的質(zhì)量?jī)?yōu)化外（如清晰度、生成時(shí)長(zhǎng)），也向多模態(tài)、更具可控性（指模型對(duì)Prompt理解能力的躍升等）。在技術(shù)升級(jí)方面，23年3D

GS推出，相較于原始的NeRF方法，3D

GS在實(shí)現(xiàn)高質(zhì)量渲染的同時(shí)可以做到實(shí)時(shí)渲染。此外，2023年初ControlNet

橫空出世，與傳統(tǒng)的生成對(duì)抗網(wǎng)絡(luò)不同，ControlNet

允許用戶對(duì)生成的圖像進(jìn)行精細(xì)的控制，給出了一條完美解決

AI

繪畫發(fā)展進(jìn)程中“精準(zhǔn)控制”難題的道路。我們認(rèn)為新的底層技術(shù)為其產(chǎn)品的可用性賦能，會(huì)使得用戶使用學(xué)習(xí)成本更低，吸引更多B或者C的用戶，并提升用戶的留存及復(fù)購(gòu)，建議關(guān)注布局大模型的阿里巴巴-SW、騰訊控股、百度集團(tuán)-SW、美圖公司、昆侖萬維、科大訊飛等。此外，CV領(lǐng)域的發(fā)展會(huì)提高電影、動(dòng)畫片制作、游戲建模的生產(chǎn)效率，從而生產(chǎn)更多優(yōu)質(zhì)內(nèi)容，建議關(guān)注兼具IP的上海電影、光線傳媒、華策影視、奧飛娛樂等，以及游戲相關(guān)板塊的騰訊控股、網(wǎng)易-S、三七互娛、盛天網(wǎng)絡(luò)等。應(yīng)用側(cè)：海內(nèi)外AI應(yīng)用相繼落地，2024年1月份GPTStore的上線催生出了新的商業(yè)模式,AI大模型應(yīng)用將迎來新一輪熱潮,建議關(guān)注海內(nèi)外AI應(yīng)用的落地情況。GPTStore上線后，OpenAI把GPT-4

vision（視覺）、Code

interpreter（代碼）、DALLE-3（圖像）、TTS（語音）的API進(jìn)行開放，并且新推出了Assistants

API。所以用戶除了可以使用除了目前已有的300多萬個(gè)應(yīng)用之外，ChatGPT

Plus用戶也可以自己創(chuàng)建新的GPT上架到GPTStore中供其他用戶付費(fèi)使用。此外，微軟也于2023年11月1日正式上線包含Copilot集成的Microsoft

365應(yīng)用程序，為企業(yè)客戶提供商用服務(wù)，24年1月15日，微軟宣布

Copilot

Pro正式面向個(gè)人，用戶可以

Edge瀏覽器和

Microsoft

Office

365上使用Copilot

Pro。國(guó)內(nèi)方面，以豆包、天工、文心一言等為代表的AI應(yīng)用用戶規(guī)模呈現(xiàn)持續(xù)增長(zhǎng)勢(shì)頭，建議關(guān)注具有AI應(yīng)用布局的公司：Microsoft、阿里巴巴-SW、騰訊控股、科大訊飛、美圖公司等。硬件側(cè)：當(dāng)前手機(jī)和PC受AI驅(qū)動(dòng)影響，預(yù)計(jì)將迎來新一輪換機(jī)潮，主流手機(jī)廠商已經(jīng)陸續(xù)自研大模型，部分旗艦款手機(jī)已經(jīng)側(cè)端搭載大模型發(fā)售，以聯(lián)想、戴爾、華碩為代表的主流PC廠商也將在今年陸續(xù)發(fā)售自家旗艦AIPC，建議關(guān)注AI手機(jī)和AIPC產(chǎn)品的落地情況，建議關(guān)注小米集團(tuán)-W、聯(lián)想集團(tuán)、戴爾科技等。風(fēng)險(xiǎn)提示：人工智能相關(guān)政策風(fēng)險(xiǎn)；AI模型等技術(shù)進(jìn)步不及預(yù)期；用戶增長(zhǎng)不及預(yù)期等。4敬請(qǐng)參閱末頁重要聲明及評(píng)級(jí)說明目錄LLM發(fā)展歷程與變遷趨勢(shì)LLM爆發(fā)關(guān)鍵節(jié)點(diǎn)：2017年Transformer架構(gòu)的出現(xiàn)海外LLM大模型布局：科技巨頭領(lǐng)銜行業(yè)，版本持續(xù)迭代國(guó)內(nèi)主流玩家大模型布局：互聯(lián)網(wǎng)大廠大模型相繼落地，主要賦能自身旗下產(chǎn)品CV領(lǐng)域發(fā)展歷程與變遷趨勢(shì)CV領(lǐng)域工具&模型變遷之路：SD成為開源之王，多模態(tài)成為下一階段演進(jìn)方向23年以來CV領(lǐng)域技術(shù)升級(jí)：3D渲染能力增強(qiáng)，生成內(nèi)容更為精準(zhǔn)可控CV領(lǐng)域主流應(yīng)用迭代歷程：生成內(nèi)容更為精細(xì)，Prompt理解能力進(jìn)一步深入AI手機(jī)+AIPC主流廠家布局盤點(diǎn)：AI驅(qū)動(dòng)新一輪換機(jī)潮，關(guān)注AI產(chǎn)品落地情況海內(nèi)外熱門AI應(yīng)用盤點(diǎn)：聊天類機(jī)器人仍是主流，海內(nèi)外主流應(yīng)用用戶規(guī)模持續(xù)擴(kuò)大國(guó)內(nèi)熱門AI應(yīng)用：豆包、天工、文心一言海外熱門AI應(yīng)用：ChatGPT、Bard、Poe、Notion、Bing、Character.ai5資料來源：CNDS，華安證券研究所整理注：Xt為輸入值，ht為輸出值LLM大模型爆發(fā)的關(guān)鍵節(jié)點(diǎn):

2017年“Transformer”模型的出現(xiàn)在“Transformer”模型還未出現(xiàn)時(shí)，NLP（自然語言處理）領(lǐng)域的主流架構(gòu)基本采用RNN（循環(huán)神經(jīng)網(wǎng)絡(luò)），RNN的痛點(diǎn)可以總結(jié)為兩點(diǎn)：①由于遞歸性質(zhì)，訓(xùn)練過程中通常無法并行計(jì)算；RNN在工作過程中將會(huì)對(duì)內(nèi)容按順序逐字處理，每一步的輸出取決于先前的隱藏狀態(tài)和當(dāng)前的輸入，需要等到上一個(gè)步驟完成后才能進(jìn)行當(dāng)前計(jì)算，因此無法進(jìn)行并行計(jì)算，訓(xùn)練效率較低。②不擅長(zhǎng)處理長(zhǎng)序列、長(zhǎng)文本；當(dāng)

RNN

處理長(zhǎng)序列時(shí)，由于信息的不斷累積，時(shí)間步長(zhǎng)增加時(shí)，梯度會(huì)不斷變小，這會(huì)導(dǎo)致梯度消失或梯度爆炸問題，使得網(wǎng)絡(luò)難以學(xué)習(xí)長(zhǎng)期依賴（long-term

dependency）的關(guān)系。當(dāng)梯度消失時(shí)，前面的信息無法有效地傳遞到后面，也就導(dǎo)致詞之間距離越遠(yuǎn)，前面對(duì)后面的影響越弱，所以RNN難以有效的捕獲長(zhǎng)距離的語義關(guān)系，當(dāng)梯度爆炸時(shí)，網(wǎng)絡(luò)的權(quán)重會(huì)變得極大，導(dǎo)致網(wǎng)絡(luò)不穩(wěn)定。雖然之后也出現(xiàn)了如LSTM（Long

Short-Term

Memory）和GRU（Gated

Recurrent

Unit）等的RNN變體，但解決長(zhǎng)期依賴問題的能力也有限，也依舊無法解決無法并行計(jì)算的痛點(diǎn)。注：長(zhǎng)期依賴（long-term

dependency）：在一個(gè)序列中，后面的某個(gè)位置的輸出，可能會(huì)依賴于前面的若干個(gè)位置的輸入，這種依賴跨越了很長(zhǎng)的時(shí)間間隔。圖表1：RNN（循環(huán)神經(jīng)網(wǎng)絡(luò)）架構(gòu)示意圖敬請(qǐng)參閱末頁重要聲明及評(píng)級(jí)說明6LLM大模型爆發(fā)的關(guān)鍵節(jié)點(diǎn):

2017年“Transformer”模型的出現(xiàn)“Transformer”是谷歌的研究團(tuán)隊(duì)在2017年6月在論文《Attention

is

All

YouNeed》中首次發(fā)布的。該論文提出了一種全新的序列轉(zhuǎn)換架構(gòu)，完全基于自注意力機(jī)制，摒棄了循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN）在處理序列數(shù)據(jù)時(shí)的局限性?！癟ransformer”有能力學(xué)習(xí)輸入序列里所有詞的相關(guān)性，不會(huì)受到短時(shí)記憶的影響。我們可以將“Transformer”的創(chuàng)新總結(jié)為兩點(diǎn)：①自注意力機(jī)制；②位置編碼。其中，“Transformer”的自注意力機(jī)制簡(jiǎn)單來說就是“Transformer”在處理每個(gè)詞的時(shí)候，不僅會(huì)關(guān)注這個(gè)詞本身以及附近的詞，還會(huì)去注意輸入序列里所有其他的詞，然后給予每個(gè)詞不一樣的注意力權(quán)重（權(quán)重是模型通過大量文本訓(xùn)練習(xí)得的）。圖表2：Transformer架構(gòu)示意圖Encoder（編碼器）圖表3：Transformer多頭自注意力機(jī)制（Multi-Head

Attention）Decoder（解碼器）例：“Theanimaldidn'tcrossthestreetbecauseitwastoo

tired”，其中“it”可以代指任何東西，“Transformer”中的注意力機(jī)制可以關(guān)注到輸入序列里所有詞，并給予不同權(quán)重，而像這樣的自注意力機(jī)制有很多個(gè)，每個(gè)自注意力機(jī)制都有自己的注意力權(quán)重，用來關(guān)注文本里不同特征，每個(gè)權(quán)重互不影響，也就意味著可以實(shí)現(xiàn)并行計(jì)算。資料來源：《Attention

is

all

your

need》，華安證券研究所整理資料來源：CNDS，華安證券研究所整理敬請(qǐng)參閱末頁重要聲明及評(píng)級(jí)說明7LLM大模型爆發(fā)的關(guān)鍵節(jié)點(diǎn):

2017年“Transformer”模型的出現(xiàn)Transformer模型拋棄了RNN、CNN作為序列學(xué)習(xí)的基本模型，循環(huán)神經(jīng)網(wǎng)絡(luò)本身就是一種順序結(jié)構(gòu)，天生就包含了詞在序列中的位置信息。當(dāng)拋棄循環(huán)神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，完全采用Attention取而代之，這些詞序信息就會(huì)丟失，模型就沒有辦法知道每個(gè)詞在句子中的相對(duì)和絕對(duì)的位置信息。因此，有必要把詞序信號(hào)加到詞向量上幫助模型學(xué)習(xí)這些信息，位置編碼（PositionalEncoding）就是用來解決這種問題的方法。圖表4：Transformer架構(gòu)示意圖例：當(dāng)接收到輸入內(nèi)容后，“Transformer”與其他NLP模型一樣，會(huì)將詞轉(zhuǎn)化為詞向量（這里舉例維度為4個(gè)，但在Transformer中詞向量維度為512個(gè)，每個(gè)維度都代表不同特征），此外還會(huì)根據(jù)每個(gè)詞所在文中的不同位置，給予位置向量。這樣就可以實(shí)現(xiàn)讓模型既理解每個(gè)詞的意義，又能夠捕獲每個(gè)詞在文中的位置，從而理解不同詞之間的順序關(guān)系。借助位置編碼，詞可以不按順序輸入給神經(jīng)網(wǎng)絡(luò)，模型可以同時(shí)處理輸入序列里的所有位置，不需要像RNN那樣依次處理。圖表5：位置編碼（PositionalEncoding）示意圖資料來源：《Attention

is

all

your

need》，華安證券研究所整理資料來源：CNDS，華安證券研究所整理敬請(qǐng)參閱末頁重要聲明及評(píng)級(jí)說明8資料來源：CNDS，華安證券研究所整理基于Transformer架構(gòu)的LLM發(fā)展圖譜：Decoder-only成為主流圖表6：基于Transformer架構(gòu)的LLM發(fā)展圖譜敬請(qǐng)參閱末頁重要聲明及評(píng)級(jí)說明①粉色枝：Encoder-Only（僅用解碼器）。代表LLM為BERT，該類模型主要用于處理輸入數(shù)據(jù)，專注于理解和編碼信息，而不是生成新的文本。②綠色枝：Encoder-Decoder（編碼器+解碼器）。代表LLM為T5，該類模型擅長(zhǎng)處理需要理解輸入然后生成相關(guān)輸出的任務(wù)，比如翻譯或問答系統(tǒng)。③藍(lán)色枝：Decoder-Only（僅解碼器）。代表LLM為GPT系、LLaMA、Bard等。該類模型擅長(zhǎng)創(chuàng)造性的寫作，比如寫小說或自動(dòng)生成文章。它更多關(guān)注于從已有的信息（開頭）擴(kuò)展出新的內(nèi)容。這種架構(gòu)能夠更好地理解和預(yù)測(cè)語言模式，尤其適合處理開放式的、生成性的任務(wù)。*注：實(shí)心方框?yàn)殚_源模型，空心方框?yàn)殚]源模型9敬請(qǐng)參閱末頁重要聲明及評(píng)級(jí)說明目錄LLM發(fā)展歷程與變遷趨勢(shì)LLM爆發(fā)關(guān)鍵節(jié)點(diǎn)：2017年Transformer架構(gòu)的出現(xiàn)海外LLM大模型布局：科技巨頭領(lǐng)銜行業(yè)，版本持續(xù)迭代國(guó)內(nèi)主流玩家大模型布局：互聯(lián)網(wǎng)大廠大模型相繼落地，主要賦能自身旗下產(chǎn)品CV領(lǐng)域發(fā)展歷程與變遷趨勢(shì)CV領(lǐng)域工具&模型變遷之路：SD成為開源之王，多模態(tài)成為下一階段演進(jìn)方向23年以來CV領(lǐng)域技術(shù)升級(jí)：3D渲染能力增強(qiáng)，生成內(nèi)容更為精準(zhǔn)可控CV領(lǐng)域主流應(yīng)用迭代歷程：生成內(nèi)容更為精細(xì)，Prompt理解能力進(jìn)一步深入AI手機(jī)+AIPC主流廠家布局盤點(diǎn)：AI驅(qū)動(dòng)新一輪換機(jī)潮，關(guān)注AI產(chǎn)品落地情況海內(nèi)外熱門AI應(yīng)用盤點(diǎn)：聊天類機(jī)器人仍是主流，海內(nèi)外主流應(yīng)用用戶規(guī)模持續(xù)擴(kuò)大國(guó)內(nèi)熱門AI應(yīng)用：豆包、天工、文心一言海外熱門AI應(yīng)用：ChatGPT、Bard、Poe、Notion、Bing、Character.ai10敬請(qǐng)參閱末頁重要聲明及評(píng)級(jí)說明圖表7：海外公司大模型布局海外LLM大模型布局：科技巨頭領(lǐng)銜行業(yè)，版本持續(xù)迭代模型公司大模型分類版本技術(shù)能力微軟/OpenAIGPTGPT-12018年6月，GPT-1發(fā)布，參數(shù)量達(dá)到1.17億個(gè)，語言泛化能力不足，無法解決通用的語言任務(wù)；GPT-22019年2月，GPT-2發(fā)布，參數(shù)量達(dá)到15億個(gè)，舍棄模型微調(diào)，通過大模型進(jìn)行預(yù)訓(xùn)練，開始能夠解決多語言任務(wù)能力；GPT-32020年5月，GPT-3發(fā)布，參數(shù)量達(dá)到1750億個(gè)，引入In-context訓(xùn)練方式學(xué)習(xí)上下文，翻譯、聊天問答和文本填空等任務(wù)表現(xiàn)出色，能夠生成難辯真假新聞的能力；InstructGP2022年3月，InstructGPT發(fā)布，參數(shù)量達(dá)到5400億個(gè)；ChatGPT2022年11月，推出對(duì)話式AI模型ChatGPT，由GPT-3.5大型語言模型微調(diào)而來，并引入人工反饋的強(qiáng)化學(xué)習(xí)（RLHF）。能夠處理復(fù)雜語言工作，包括自動(dòng)文本生成、自動(dòng)問答、編寫和調(diào)試計(jì)算機(jī)程序及創(chuàng)作故事；GPT-42023年3月，GPT-4發(fā)布，參數(shù)量為1.8萬億，能夠閱讀文字和識(shí)別圖像并生成文本結(jié)果，回復(fù)的準(zhǔn)確性較歷史版本有提升；GPT-4

Turbo和GPTs2023年11月，GPT-4

Turbo和GPTs發(fā)布，GPT-4

Turbo上下文理解能力強(qiáng)化，控制權(quán)更靈活，價(jià)格更具競(jìng)爭(zhēng)力，GPTs可以通過適當(dāng)指令構(gòu)建GPT；GoogleGeminiUltra谷歌最強(qiáng)大的模型，在廣泛的高度復(fù)雜的任務(wù)中提供最先進(jìn)的性能，包括推理和多模態(tài)任務(wù)，可以在TPU加速器上有效地提供服務(wù)，能夠完成高度復(fù)雜的任務(wù)，主要面向數(shù)據(jù)中心和企業(yè)級(jí)應(yīng)用。Pro在成本和延遲方面的性能優(yōu)化模型，在廣泛的任務(wù)中提供顯著的性能。該模型具有較強(qiáng)的推理性能和廣泛的多模態(tài)能力。NanoGemini

Nano是三個(gè)版本中最小、最高效的模型，本專為移動(dòng)設(shè)備和特定任務(wù)設(shè)計(jì)，這使得它成為在智能手機(jī)和其他便攜設(shè)備上實(shí)現(xiàn)先進(jìn)AI功能的理想選擇。其中，Nano-1的參數(shù)為1.8B，Nano-2為3.25B，分別針對(duì)低內(nèi)存和高內(nèi)存設(shè)備。BERTBERT-baseGoogle在2018年推出的一種革命性的預(yù)訓(xùn)練語言模型。它基于Transformer架構(gòu)，摒棄了傳統(tǒng)的循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN）或卷積神經(jīng)網(wǎng)絡(luò)（CNN），使得模型并行計(jì)算成為可能，大大提升了訓(xùn)練效率。其中參數(shù)方面，BERT-base具有12層Transformer塊（encoder層），每層有12個(gè)自注意力頭，參數(shù)量大約在110M左右，BERT-large參數(shù)量大約是340M左右。BERT-largeT5T5一種統(tǒng)一文本到文本轉(zhuǎn)換框架的預(yù)訓(xùn)練模型，由Google在2020年提出。該模型的設(shè)計(jì)理念是將所有自然語言處理任務(wù)都轉(zhuǎn)化為文本到文本的任務(wù)，即無論是機(jī)器翻譯、問答、摘要生成還是文本分類等任務(wù)，輸入和輸出都是文本形式。T5家族包含多個(gè)版本，參數(shù)量從60M到11B不等LaMDALaMDA

1.0是一款專門針對(duì)對(duì)話應(yīng)用設(shè)計(jì)的大型預(yù)訓(xùn)練語言模型，于2021年推出。該模型是Google在自然語言處理領(lǐng)域的一項(xiàng)重要突破，旨在通過深度學(xué)習(xí)技術(shù)提供更為流暢、連貫和有意義的對(duì)話體驗(yàn)，具備開放式對(duì)話能力。參數(shù)量方面，LaMDA

1.0參數(shù)量未知，LaMDA

2.0參數(shù)量為1370億個(gè)。LaMDA

2.0MUM模型于2021年5月在Google

I/O大會(huì)上首次被推出，MUM通過訓(xùn)練來完成多種復(fù)雜的NLP任務(wù)，例如問題解答、文檔摘要生成、語義相似度計(jì)算等，與BERT等前一代模型相比，MUM更擅長(zhǎng)理解復(fù)雜查詢的上下文，包括用戶的潛在需求和意圖。PaLMPaLM最初公開的PaLM模型版本之一，其參數(shù)量達(dá)到5400億，2022年4月前發(fā)布PaLM-2在

2023谷歌

I/O大會(huì)上，谷歌

CEO皮查伊宣布推出對(duì)標(biāo)

GPT-4的大模型

PaLM2，并正式發(fā)布預(yù)覽版本，改進(jìn)了數(shù)學(xué)、代碼、推理、多語言翻譯和自然語言生成能力，訓(xùn)練參數(shù)量達(dá)3400億，分為S\M\L三個(gè)規(guī)模的版本。PaLM-E2023年3月6日，谷歌和德國(guó)柏林工業(yè)大學(xué)的人工智能研究人員公布了PaLM-E，PaLM-E由兩部分組成，PaLM（5400億）+ViT-22B（220億），也就是

540B

的語言參數(shù)+

22B

的圖像參數(shù)。PaLM-E整合了視覺信息處理能力，能夠理解圖像并結(jié)合文本進(jìn)行生成和推理，成為當(dāng)時(shí)已知的最大規(guī)模的“通才”AI模型。11敬請(qǐng)參閱末頁重要聲明及評(píng)級(jí)說明資料來源：各公司官網(wǎng)，Wikipedia，華安證券研究所整理海外LLM大模型布局：科技巨頭領(lǐng)銜行業(yè)，版本持續(xù)迭代模型公司大模型分類版本技術(shù)能力MetaLLaMALLaMA1是MetaAI公司于2023年2月發(fā)布的大型語言模型。它訓(xùn)練了各種模型，這些模型的參數(shù)從70億到650億不等。LLaMA22023年7月，Meta推出了LLaMA2，Meta訓(xùn)練并發(fā)布了三種模型大小的

Llama

2：70、130

和

700億個(gè)參數(shù)，模型架構(gòu)與

Llama

1模型基本保持不變Code

LLaMA2023年8月，Meta繼發(fā)布用于生成文本、翻譯語言和創(chuàng)建音頻的人工智能模型之后，開源了

Code

Llama。這是一個(gè)機(jī)器學(xué)習(xí)系統(tǒng)，可以用自然語言（特別是英語）生成和解釋代碼。可以免費(fèi)商用和研究。OPT-175BOPT-175B是由Meta

AI于2022年發(fā)布的一個(gè)大型預(yù)訓(xùn)練語言模型，擁有約1750億個(gè)參數(shù)。作為一款開源模型，OPT-175B在規(guī)模上與GPT-3相當(dāng)，但它的主要特點(diǎn)是完全免費(fèi)開放給研究社區(qū)使用。OPT-175B通過大規(guī)模文本數(shù)據(jù)集進(jìn)行訓(xùn)練，旨在提供強(qiáng)大的自然語言處理能力，包括但不限于文本生成、問答系統(tǒng)、語義理解和對(duì)話交互等方面。SeamlessM4TSeamlessM4T-Large

v2是Meta于2023年發(fā)布的一款先進(jìn)的人工智能模型，專門針對(duì)多語言翻譯和轉(zhuǎn)錄任務(wù)設(shè)計(jì)。該模型能夠支持近100種不同語言之間的文本到文本、文本到語音以及語音到語音的翻譯，并且在語音識(shí)別和合成方面表現(xiàn)出強(qiáng)大的能力。參數(shù)方面，Large

v1和v2均為2.3B，medium版本為1.2B.SeamlessM4T-Large

(v1)SeamlessM4T-Medium

(v1)AmazonAmazon

TitanTitanText

Express可用于檢索增強(qiáng)生成、開放式文本生成、頭腦風(fēng)暴、摘要、代碼生成、表格創(chuàng)建、數(shù)據(jù)格式化、釋義、思維鏈、重寫、提取、問答和聊天。支持100+語言，最高輸出8ktokensTitanText

Lite適合文本生成任務(wù)和微調(diào)，僅支持英語，最高輸出4ktokens。TitanText

Embeddings適用于文本檢索、語義相似性和聚類，支持25+種語言，最高輸出8ktokens。TitanMultimodal

Embeddings可提供準(zhǔn)確的多模式搜索，僅支持英語，最高輸出128tokens，最大輸出圖片大小為25MB。TitanImage

Generator適用于文本到圖像生成、圖像編輯、圖像變體，最高輸出77tokens，最大輸入圖片大小為25MBOlympus暫無細(xì)節(jié)披露AnthropicClaudeClaude初代版本包括Claude1.0、claude-instant-1、

claude-1.2、

claude-1.3等Claude2.0全球公測(cè)開始于2023年12月24日前后，該版本增強(qiáng)了AI模型，并支持文檔上傳識(shí)別功能Claude2.1發(fā)布日期為2023年11月，這個(gè)版本支持輸入多達(dá)20萬個(gè)Token，并且改進(jìn)了準(zhǔn)確度，同時(shí)增加了新的系統(tǒng)預(yù)設(shè)功能或其他增強(qiáng)特性。InflectionInflection

1.0發(fā)布于2023年6月22日，在大規(guī)模多任務(wù)語言理解（MMLU）中，優(yōu)于Meta的LLAMA、OpenAI的GPT

3.5和谷歌的PaLM

（540B）。Inflection

2.0發(fā)布于2023年11月22日，在

MMLU上評(píng)估中，Inflection-2

是

GPT-4之外性能最高的模型，甚至思維鏈推理優(yōu)于

Claude

2。xAIGrokGrok

1.0于

2023年

11月發(fā)布，上下文長(zhǎng)度為

8,192個(gè)token，用于自然語言處理任務(wù)，包括問答、信息檢索、創(chuàng)意寫作和編碼輔助。圖表7：海外公司大模型布局（續(xù)表）12敬請(qǐng)參閱末頁重要聲明及評(píng)級(jí)說明模型名稱模型類型應(yīng)用軟件應(yīng)用上線時(shí)間軟件所屬公司公司是否上市軟件所屬公司融資情況應(yīng)用描述商業(yè)模式戰(zhàn)略合作關(guān)系GPT3NLPCopy.ai2020-10-1CopyAI

Inc否種子輪：CraftVentures領(lǐng)投，融資數(shù)額290萬美金文本生成類：用于自動(dòng)化文案生成包括廣告文案、博客

文章、社交媒體帖子、產(chǎn)品描述免費(fèi)（有收費(fèi)Pro版）groove、zoom、hubspot、confluent、seismic、datadogA輪：WingVentureCapital領(lǐng)投，紅杉、Tiger、個(gè)人天使投資人EladGil跟投，融資數(shù)額1100萬美金Jasper

AI2021-1-1Jasper否2022年10月：融資額1.31億美金，估值15億美元文本生成類：用于自動(dòng)化生成高質(zhì)量的營(yíng)銷和廣告文案、

博客文章、產(chǎn)品描述、電子郵件、社交媒體帖子等收費(fèi)，基礎(chǔ)版$29.99每月intel、klarna、

zoomDeloitte、

ibm、Google、

airbnb、digital

marketerNotion.AI2022-11-1Notion否天使輪：2013年融資200萬美元A輪：2019年7月融資1800萬美金B(yǎng)輪：2020年4月融資5000萬美金C輪：2021年10月融資2.5億美元，投后估值103億美元文本生成類：能幫助用戶快速生成和修改文本內(nèi)容，可運(yùn)

用在文學(xué)、會(huì)議日程、新聞稿、銷售文案等內(nèi)容的輔助性

創(chuàng)作中免費(fèi)（有收費(fèi)Pro版）airbnb、nike、Amazon、uber、toyota、ibm等Replica2016-02Luka

Inc否A1輪：2016年4月獲442萬美元融資文本生成類：可以模擬人類對(duì)話，對(duì)用戶的輸入提供真實(shí)的反應(yīng)，可用于心理健康咨詢、語言學(xué)習(xí)、娛樂等。免費(fèi)（有收費(fèi)Pro版）A2輪：2017年11月獲650萬美元融資Elai2021Elai.io否2022年獲5萬美元融資視頻生成類：只需要文本就能制作出有真人主持的專業(yè)視

頻，可用于教育、營(yíng)銷、企業(yè)溝通、帶貨等用途收費(fèi)，基礎(chǔ)版$29每月partner：NVidia、Amazon、Microsoft、thinkific、Googlefor

startupInworld：AI2022-04Inworld：AI否種子輪：21年11月融資700萬美元（投資方包括Meta);Pre-A輪：22年3月融資1000萬美元;A輪：22年8月獲得Intel

Capital領(lǐng)投的5000萬美元3D生成類：文生NPC，可創(chuàng)建角色設(shè)定場(chǎng)景、設(shè)定世界觀

常識(shí)等免費(fèi)，（有收

費(fèi)基礎(chǔ)版$10/

月、專業(yè)版、

定制版）DisneyDALL·E多模態(tài)Craiyon2021-06Boris

Dayma（個(gè)人）否圖像生成類：只需要在搜索框中輸入相應(yīng)場(chǎng)景的文字描述，就能生成各種或唯美、搞笑又或者是畫面驚悚的圖片。免費(fèi)（有收費(fèi)Pro版）CLIP多模態(tài)starryai2021o

Kahn(個(gè)人否圖像生成類：能生成各種風(fēng)格和主題的藝術(shù)作品,可為客戶

提供所創(chuàng)建圖像的完全所有權(quán)，可用于個(gè)人或商業(yè)用途。免費(fèi)（有收費(fèi)

會(huì)員和積分制

度）GPT-4多模態(tài)GitHubCopilot

X2023-03GitHub否A輪：2012年由AndreessenHorowitz領(lǐng)投，融資1億美元代碼生成類：具備對(duì)話、文本生成代碼、語音生成代碼、自動(dòng)修復(fù)代碼Bug，以及解釋代碼等功能收費(fèi)，個(gè)人版$10每月微軟旗下的公司，與Open

AI合作開發(fā)B輪：2015年由SequoiaCapital領(lǐng)投，融資2.5億美元GPT-4

Turbo多模態(tài)MicrosoftCopilot2023-12Microsoft是2013年，微軟曾發(fā)行了80億美元的債券；2015年，微軟進(jìn)行了一次大舉發(fā)債融資，金額高達(dá)107.5億美元2016年，為了籌集收購(gòu)領(lǐng)英的資金，微軟發(fā)債融資達(dá)到197.5億美元。人工智能輔助工具：具備代碼編寫；文檔創(chuàng)作、辦公協(xié)同、搜索與問答自定義助手構(gòu)建、部分用戶免費(fèi)，Microsoft365

Copilot定$30每/月微軟旗下的公司，與Open

AI合作開發(fā))海外LLM大模型布局：科技巨頭領(lǐng)銜行業(yè)，版本持續(xù)迭代圖表8：海外大模型主要應(yīng)用13敬請(qǐng)參閱末頁重要聲明及評(píng)級(jí)說明模型所屬公司模型名稱模型類型應(yīng)用軟件應(yīng)用上線時(shí)間軟件所屬公司公司是否上市軟件所屬公司融資情況應(yīng)用描述商業(yè)模式戰(zhàn)略合作關(guān)系DeepMindBigGANCVArtbreeder2019-05StudioMorphoge（工作室）否圖像生成類：用于創(chuàng)作人物肖像、人物形

象、動(dòng)漫角色、建筑畫作、自然景觀等還包括改變面部特征的能力、免費(fèi)（有收費(fèi)Pro版）英偉達(dá)StyleGANCVGoogleViTCVMurf2020-10Murf否種子輪：Elevation

Capital領(lǐng)投，獲150萬美元融資音頻生成類：支持文本轉(zhuǎn)語音、添加視頻

旁白、幻燈片旁白、語音克隆，可用于

Youtubers、播客、有聲讀物、游戲、產(chǎn)

品和解說視頻中免費(fèi)（有收費(fèi)基礎(chǔ)版、專業(yè)版、企業(yè)版）A輪：Matrix

Partners領(lǐng)投，獲1000萬美元融資基于

transformerNLPMem2021-06Mem

Labs否A輪：22年11月獲得OpenAI領(lǐng)投的2350萬美元輔助決策類：AI驅(qū)動(dòng)的辦公記事應(yīng)用，可以幫助用戶快速記錄和整理個(gè)人信息數(shù)據(jù)

并利用AI將這些數(shù)據(jù)連接成有意義的知識(shí)

圖譜免費(fèi)（有收費(fèi)個(gè)人版$8/月，企業(yè)版$15/月、定制版）Open

AI為其投資方；為Twitter打造專屬功能Mem

itGemini

Pro多模態(tài)Bard2023-3-21Google是N.A.人工智能技術(shù)的聊天軟件：多角度回答問題、智能搜索集成、交互體驗(yàn)優(yōu)化、支持多語言交流、持續(xù)學(xué)習(xí)與提升、應(yīng)用場(chǎng)景廣泛免費(fèi)（計(jì)劃推出付費(fèi)版本）NotebookLM2023-12-09筆記應(yīng)用軟件:智能搜索和整理、內(nèi)容分析與理解、個(gè)性化學(xué)習(xí)輔助、增強(qiáng)交互體驗(yàn)、跨平臺(tái)整合免費(fèi)Gemini

Nano多模態(tài)AICore2023系統(tǒng)級(jí)模塊：允許開發(fā)者更加便捷地集成和利用AI模型在應(yīng)用程序中，以實(shí)現(xiàn)諸如語音識(shí)別、自然語言處理、圖像識(shí)別等智能化功能。為Google

Pixel

8Pro提供支持LaMDA

2.0NLPAITestKitchen2023-08實(shí)驗(yàn)性應(yīng)用程序：允許用戶在安全、可控的環(huán)境中測(cè)試和體驗(yàn)谷歌正在研發(fā)中的自然語言處理模型，如LaMDA（對(duì)話應(yīng)用模型）及其后續(xù)版本。PaLMNLPBard2023-3-21人工智能技術(shù)的聊天軟件：多角度回答問題、智能搜索集成、交互體驗(yàn)優(yōu)化、支持多語言交流、持續(xù)學(xué)習(xí)與提升、應(yīng)用場(chǎng)景廣泛免費(fèi)（計(jì)劃推出付費(fèi)版本）PaLM-2多模態(tài)Bard2023-3-21人工智能技術(shù)的聊天軟件：多角度回答問題、智能搜索集成、交互體驗(yàn)優(yōu)化、支持多語言交流、持續(xù)學(xué)習(xí)與提升、應(yīng)用場(chǎng)景廣泛免費(fèi)（計(jì)劃推出付費(fèi)版本）Gmail2004網(wǎng)絡(luò)郵件服務(wù)：支持實(shí)時(shí)郵件同步、多賬戶管理、智能回復(fù)、自定義通知設(shè)置等諸多功能免費(fèi)PaLM-E多模態(tài)GoogleSearch1996搜索服務(wù)：通過這款應(yīng)用輕松查找互聯(lián)網(wǎng)上的各種信息，包括網(wǎng)頁、圖片、視頻、新聞和本地商家信息等。日常搜索服務(wù)免費(fèi)GoogleAssistant2017智能語音助手：提供語音交互、多語言支持、智能家居控制、日程管理、信息獲取、娛樂功能、第三方應(yīng)用整合、情境感知服務(wù)免費(fèi)Google

Docs2005在線文檔處理軟件：允許用戶創(chuàng)建、編輯和共享多種類型的文檔并支持實(shí)時(shí)協(xié)作功能基本功能免費(fèi)、企業(yè)版$15/月MetaLLaMA2NLPAzure2010Microsoft是N.A.云計(jì)算服務(wù)平臺(tái):為用戶提供了廣泛的云服務(wù)選項(xiàng)，涵蓋了計(jì)算存儲(chǔ)、網(wǎng)絡(luò)、數(shù)據(jù)庫、人工智能、物聯(lián)網(wǎng)（IoT）、數(shù)據(jù)分析等多個(gè)領(lǐng)域收費(fèi)，其收費(fèi)情況、根據(jù)所使用的服務(wù)類型、資源量、使用時(shí)長(zhǎng)等因素而定海外LLM大模型布局：科技巨頭領(lǐng)銜行業(yè)，版本持續(xù)迭代14敬請(qǐng)參閱末頁重要聲明及評(píng)級(jí)說明模型所屬公司模型名稱模型類型應(yīng)用軟件應(yīng)用上線時(shí)間軟件所屬公司公司是否上市軟件所屬公司融資情況應(yīng)用描述商業(yè)模式戰(zhàn)略合作關(guān)系A(chǔ)mazonAmazonTitan多模態(tài)AmazonBedrock2023-09AWS否N.A.全托管服務(wù)：允許用戶和開發(fā)者訪問多種領(lǐng)先的AI模型根據(jù)使用量、模型類型、計(jì)算資源消耗以及API調(diào)用次數(shù)等因素而定InflectionNLPStability.aiStableDiffusion(基于LatentDiffusionModels)多模態(tài)Stability.

ai2022-08Stabilityai否種子輪：22年10月，由Coatue

和Lightspeed領(lǐng)投，融資額1.01

億美金，估值10億美元圖像生成類：根據(jù)所需圖像的文本描述，

生成符合匹配該描述的高質(zhì)量圖像。免費(fèi)（有收費(fèi)Pro版）partner：Krikey.ai、亞馬遜、GeeneeMidjourneyMidjourneyV5(基于DiffusionModels)多模態(tài)Midjourney2022-03Midjourney否N.A.圖像生成類：根據(jù)所需圖像的文本描述，

生成相對(duì)應(yīng)的圖片，可以選擇不同畫家的

藝術(shù)風(fēng)格例如安迪華荷、達(dá)芬奇、達(dá)利

和畢加索等，還能識(shí)別特定鏡頭或攝影術(shù)語。收費(fèi)，基礎(chǔ)版$10每月partner：MirrorX、Discard、NFT加州大學(xué)伯克利分校、谷歌加州大學(xué)圣地亞哥分校、NeRF多模態(tài)Luma2021-09Luma

AI否種子輪：2021年10月，獲得SouthPark

Commons、Matrix

Partners等投資，數(shù)額為430萬美元;A輪：23年3月，由AmplifyPartners領(lǐng)投，NVIDIA(Nventures）等跟投，融資數(shù)額為2000萬美元3D生成類：基于神經(jīng)渲染技術(shù)，可以拍攝

少量照片來生成、著色和渲染產(chǎn)品的逼真3D模型。按次收費(fèi)，每個(gè)視頻1美元，容量限

制5GBAmplifyPartners、GeneralCatalyst投

資Runwaygen-2多模態(tài)RunwayAI2023-03Runway否B輪：21年12月融資3500萬美元;C輪：22年12月融資5000萬美元視頻生成類：允許用戶從零開始生成視頻

可以文生視頻、文本+參考圖像生視頻、

靜態(tài)圖片轉(zhuǎn)視頻gen-1免費(fèi)，gen-2處于內(nèi)測(cè)階段，

尚未開放使用參與開發(fā)StableDiffusion模型海外LLM大模型布局：科技巨頭領(lǐng)銜行業(yè)，版本持續(xù)迭代資料來源：各公司官網(wǎng)，華安證券研究所整理15資料來源：各公司官網(wǎng)，Wikipedia，華安證券研究所整理圖表9：主流大模型發(fā)展趨勢(shì)大模型發(fā)展趨勢(shì)：參數(shù)規(guī)模擴(kuò)大+向多模態(tài)演進(jìn)模型名稱公司參數(shù)量（億）發(fā)布日期模態(tài)Gemini-UltraGoogle未知2023多模態(tài)GPT-4OpenAI180002023多模態(tài)PaLM-EGoogle56202023多模態(tài)GPT-3OpenAI17502020NLPT5Google112020NLPGPT-2OpenAI152019NLPBERTGoogle3.42018NLP資料來源：公司官網(wǎng)，華安證券研究所整理敬請(qǐng)參閱末頁重要聲明及評(píng)級(jí)說明通過回溯主流模型迭代情況，我們可以將LLM大模型的發(fā)展趨勢(shì)總結(jié)為兩點(diǎn)：①模型參數(shù)量呈現(xiàn)增長(zhǎng)趨勢(shì)；②由單模態(tài)向多模態(tài)演變。其中，參數(shù)量規(guī)模的增長(zhǎng)在很大程度上推動(dòng)了大模型的學(xué)習(xí)能力（但不絕對(duì)，也取決于模型的算法和參數(shù)質(zhì)量，過多的參數(shù)也會(huì)導(dǎo)致過擬合情況發(fā)生），而大模型由單模態(tài)向多模態(tài)的演變，也意味著模型能夠處理和理解來自不同數(shù)據(jù)模態(tài)的信息，這些模態(tài)可以包括但不限于圖像、文本、音頻、視頻等，實(shí)現(xiàn)復(fù)雜生成任務(wù)。圖表10：ChatGPT4可以實(shí)現(xiàn)圖像輸入識(shí)別16敬請(qǐng)參閱末頁重要聲明及評(píng)級(jí)說明目錄LLM發(fā)展歷程與變遷趨勢(shì)LLM爆發(fā)關(guān)鍵節(jié)點(diǎn)：2017年Transformer架構(gòu)的出現(xiàn)海外LLM大模型布局：科技巨頭領(lǐng)銜行業(yè)，版本持續(xù)迭代國(guó)內(nèi)主流玩家大模型布局：互聯(lián)網(wǎng)大廠大模型相繼落地，主要賦能自身旗下產(chǎn)品CV領(lǐng)域發(fā)展歷程與變遷趨勢(shì)CV領(lǐng)域工具&模型變遷之路：SD成為開源之王，多模態(tài)成為下一階段演進(jìn)方向23年以來CV領(lǐng)域技術(shù)升級(jí)：3D渲染能力增強(qiáng)，生成內(nèi)容更為精準(zhǔn)可控CV領(lǐng)域主流應(yīng)用迭代歷程：生成內(nèi)容更為精細(xì)，Prompt理解能力進(jìn)一步深入AI手機(jī)+AIPC主流廠家布局盤點(diǎn)：AI驅(qū)動(dòng)新一輪換機(jī)潮，關(guān)注AI產(chǎn)品落地情況海內(nèi)外熱門AI應(yīng)用盤點(diǎn)：聊天類機(jī)器人仍是主流，海內(nèi)外主流應(yīng)用用戶規(guī)模持續(xù)擴(kuò)大國(guó)內(nèi)熱門AI應(yīng)用：豆包、天工、文心一言海外熱門AI應(yīng)用：ChatGPT、Bard、Poe、Notion、Bing、Character.ai17敬請(qǐng)參閱末頁重要聲明及評(píng)級(jí)說明資料來源：國(guó)務(wù)院，發(fā)改委，科技部，工信部，華安證券研究所整理AI政策整理年份政策名稱頒布單位政策內(nèi)容2016.05《“互聯(lián)網(wǎng)+”人工智能三年行動(dòng)實(shí)施方案》國(guó)家發(fā)展改革委等對(duì)人工智能芯片發(fā)展方向提出多項(xiàng)要求，并促進(jìn)智能終端可穿戴設(shè)備的推廣落地。2017.07《新一代人工智能發(fā)展規(guī)劃》國(guó)務(wù)院提出前瞻布局新一代人工智能重大科技項(xiàng)目，在“核高基”（核心電子器件、高端通用芯片、基礎(chǔ)軟件）、集成電路裝備等國(guó)家科技重大專項(xiàng)中支持人工智能軟硬件發(fā)展。對(duì)人工智能領(lǐng)域進(jìn)行了總體戰(zhàn)略部署，規(guī)劃確定了人工智能產(chǎn)業(yè)三步走的發(fā)展目標(biāo)。2019.03《關(guān)于促進(jìn)人工智能和實(shí)體經(jīng)濟(jì)深度融合的指導(dǎo)意見》科技部等把握新一代人工智能的發(fā)展特點(diǎn)，結(jié)合不同行業(yè)，不同區(qū)域特點(diǎn)探索創(chuàng)新成果應(yīng)用轉(zhuǎn)化的路徑和方法，構(gòu)建數(shù)據(jù)驅(qū)動(dòng)、人機(jī)協(xié)同跨界融合的智能經(jīng)濟(jì)形態(tài)。2021.03《“十四五”規(guī)劃和2035遠(yuǎn)景目標(biāo)綱要》國(guó)務(wù)院打造數(shù)字經(jīng)濟(jì)新優(yōu)勢(shì)，加強(qiáng)關(guān)鍵數(shù)字技術(shù)創(chuàng)新應(yīng)用。加快推進(jìn)高端芯片、操作系統(tǒng)、人工智能關(guān)鍵算法、傳感器、通用處理器等領(lǐng)域研發(fā)突破和迭代應(yīng)用。2022.08《關(guān)于支持建設(shè)新一代人工智能示范應(yīng)用場(chǎng)景的通知》科技部充分發(fā)揮人工智能賦能經(jīng)濟(jì)社會(huì)發(fā)展的作用，圍繞構(gòu)建全鏈條、全過程的人工智能行業(yè)應(yīng)用生態(tài)，支持一批基礎(chǔ)較好的人工智能應(yīng)用場(chǎng)景，加強(qiáng)研發(fā)上下游配合與新技術(shù)集成，打造形成一批可復(fù)制、可推廣的標(biāo)桿型示范應(yīng)用場(chǎng)景。2023.02《數(shù)字中國(guó)建設(shè)整體布局規(guī)劃》國(guó)務(wù)院系統(tǒng)優(yōu)化算力基礎(chǔ)設(shè)施布局，促進(jìn)東西部算力高效互補(bǔ)和協(xié)同聯(lián)動(dòng)，引導(dǎo)通用數(shù)據(jù)中心、超算中心、智能計(jì)算中心、邊緣數(shù)據(jù)中心等合理梯次布局。2023.04《生成式人工智能服務(wù)管理辦法（征求意見稿）》國(guó)家互聯(lián)網(wǎng)信息辦公室首次明確了生成式人工智能“提供者”內(nèi)容生產(chǎn)、數(shù)據(jù)保護(hù)、隱私安全等方面的法定責(zé)任及法律依據(jù)，確立了人工智能產(chǎn)品的安全評(píng)估規(guī)定及管理辦法。2023.04《關(guān)于推進(jìn)IPv6技術(shù)演進(jìn)和應(yīng)用創(chuàng)新發(fā)展的實(shí)施意見》工信部等推動(dòng)IPv6和5G、人工智能、云計(jì)算等技術(shù)的融合創(chuàng)新，支持企業(yè)加快應(yīng)用感知網(wǎng)絡(luò)、新型IPv6測(cè)量等“IPv6+”創(chuàng)新技術(shù)在各類網(wǎng)絡(luò)環(huán)境和業(yè)務(wù)場(chǎng)景中的應(yīng)用。2023.07《生成式人工智能服務(wù)管理暫行辦法國(guó)家互聯(lián)網(wǎng)信息辦公室等國(guó)家堅(jiān)持發(fā)展和安全并重、促進(jìn)創(chuàng)新和依法治理相結(jié)合的原則，采取有效措施鼓勵(lì)生成式人工智能創(chuàng)新發(fā)展，對(duì)生成式人工智能服務(wù)實(shí)行包容審慎和分類分級(jí)監(jiān)管。2023.09《關(guān)于實(shí)施專精特新中小企業(yè)就業(yè)創(chuàng)業(yè)楊帆計(jì)劃的通知》工業(yè)和信息化部等按照國(guó)家有關(guān)規(guī)定，動(dòng)態(tài)調(diào)整職稱專業(yè)設(shè)置，根據(jù)當(dāng)?shù)禺a(chǎn)業(yè)發(fā)展和專精特新中小企業(yè)需要，增設(shè)人工智能、大數(shù)據(jù)、工業(yè)互聯(lián)網(wǎng)等新專業(yè)。2023.12《關(guān)于加快推進(jìn)視聽電子產(chǎn)業(yè)高質(zhì)量發(fā)展的指導(dǎo)意見》工業(yè)和信息化部等支持骨干企業(yè)做大做強(qiáng)，支持人工智能企業(yè)研發(fā)視聽?wèi)?yīng)用大模型2023.12《“數(shù)據(jù)要素x”三年行動(dòng)計(jì)劃（2024—2026年）（征求意見稿）》國(guó)家數(shù)據(jù)局以科學(xué)數(shù)據(jù)支持大模型開發(fā)，建設(shè)高質(zhì)量語料庫和基礎(chǔ)科學(xué)數(shù)據(jù)集，支持開展通用人工智能大模型和垂直領(lǐng)域人工智能大模型訓(xùn)練。，、。圖表11：近年AI政策整理18敬請(qǐng)參閱末頁重要聲明及評(píng)級(jí)說明國(guó)內(nèi)主流玩家大模型布局一覽圖表12：國(guó)內(nèi)主流玩家大模型布局一覽（含llm+cv）模型公司模型類型大模型分類技術(shù)能力應(yīng)用場(chǎng)景落地產(chǎn)品（軟件）百度文心大模型2023年5月，百度推出文心大模型3.5，基于飛槳深度學(xué)習(xí)平臺(tái)和文心知識(shí)增強(qiáng)大模型，持續(xù)從海量數(shù)據(jù)和大規(guī)模知識(shí)中融合學(xué)習(xí)，具備知識(shí)增強(qiáng)、檢索增強(qiáng)和對(duì)話增強(qiáng)的技術(shù)特色。2023年10月，百度推出文心大模型4.0，百度當(dāng)時(shí)最新且最強(qiáng)大的版本，實(shí)現(xiàn)了基礎(chǔ)模型的全面升級(jí)，在理解、生成、邏輯推理及多模態(tài)處理等方面有顯著提升。應(yīng)用于用于企業(yè)服務(wù)、自動(dòng)駕駛、文化創(chuàng)意等多個(gè)產(chǎn)業(yè)領(lǐng)域。百度搜索、百度旗下各類APP等。NLP文心

·NLP大模型業(yè)界首個(gè)開放的千億參數(shù)中文生成API智能創(chuàng)作、

摘要生成、問答、語義檢索、情感分析、信息抽取、文本匹配、文本糾錯(cuò)等各類自然語言理解和生成任務(wù)。文心一格、文心百中（網(wǎng)頁&小程序）CV文心

·CV大模型文心VIMER-UFO2.0是文心旗下目前最先進(jìn)的統(tǒng)一任務(wù)大模型，主要應(yīng)用場(chǎng)景為智慧城市。整體具備包含170億參數(shù)，多個(gè)任務(wù)的數(shù)據(jù)訓(xùn)練一個(gè)功能強(qiáng)大的通用模型?？杀恢苯討?yīng)用于處理人臉、人體、車輛、商品、食物細(xì)粒度分類等20+CV基礎(chǔ)任務(wù)。多模態(tài)文心·跨模態(tài)大模型基于知識(shí)增強(qiáng)的跨模態(tài)語義理解關(guān)鍵技術(shù)，實(shí)現(xiàn)跨模態(tài)檢索、圖文生成、圖片文檔的信息抽取等應(yīng)用圖像生成、藝術(shù)制作、虛擬現(xiàn)實(shí)、AI輔助設(shè)計(jì)等文心·生物計(jì)算大模型HelixGEM是業(yè)界首個(gè)基于幾何構(gòu)象增強(qiáng)的化合物表征模型，引入化合物的三維空間信息，在14個(gè)藥物屬性預(yù)測(cè)相關(guān)的benchmarks上效果達(dá)到業(yè)界最優(yōu)；HelixFold-Single，秒級(jí)別的蛋白結(jié)構(gòu)預(yù)測(cè)模型，是業(yè)界首個(gè)開源的基于單序列語言模型的蛋白結(jié)構(gòu)預(yù)測(cè)大模型；HelixFold利用大規(guī)模無標(biāo)注數(shù)據(jù)強(qiáng)化蛋白質(zhì)表示能力，構(gòu)建的全國(guó)產(chǎn)化軟硬件適配的高效蛋白質(zhì)結(jié)構(gòu)分析大模型。小分子研發(fā)——文心·行業(yè)大模型與各行業(yè)頭部企合作，

在通用大模型的基礎(chǔ)上學(xué)習(xí)特色數(shù)據(jù)與知識(shí)，建設(shè)行業(yè)AI基礎(chǔ)設(shè)施能源、

金融、航天、傳媒、城市、影視、制造、社科騰訊NLP混元大模型2023年9月推出，混元大模型是騰訊自主研發(fā)的一款超大規(guī)模預(yù)訓(xùn)練語言模型，擁有超過千億參數(shù)規(guī)模和強(qiáng)大的自然語言處理能力。該模型在預(yù)訓(xùn)練過程中學(xué)習(xí)了海量文本數(shù)據(jù)，從而具備了跨領(lǐng)域的知識(shí)理解、邏輯推理以及創(chuàng)造性生成等多種能力。智能客服與問答系統(tǒng)、內(nèi)容創(chuàng)作與編輯、教育輔助、搜索引擎優(yōu)化、游戲交互、騰訊云服務(wù)、騰訊廣告、騰訊游戲、騰訊會(huì)議、騰訊文檔等多個(gè)內(nèi)部產(chǎn)品——騰訊醫(yī)療大模型2023年9月推出，該模型專注于醫(yī)療健康領(lǐng)域，通過深度學(xué)習(xí)技術(shù)，提供智能問答、醫(yī)療文檔理解和輔助決策等功能。醫(yī)療咨詢、患者服務(wù)、醫(yī)生輔助工具、醫(yī)療知識(shí)圖譜構(gòu)建騰訊健康的智能醫(yī)療解決方案中，如智能家庭醫(yī)生助手、數(shù)智醫(yī)療影像平臺(tái)等。字節(jié)跳動(dòng)ChitChop2023年11月推出，是字節(jié)跳動(dòng)在海外推出的一款基于大模型的人工智能助理工具。它涵蓋了AI創(chuàng)作、AI繪畫、娛樂、AI學(xué)習(xí)、工作和生活六大場(chǎng)景，能夠?yàn)橛脩籼峁┒喾矫娴闹悄芑?wù)。內(nèi)容創(chuàng)作、圖像生成、在線學(xué)習(xí)、辦公協(xié)助以及日常生活中的多種任務(wù)處理。ChitChop作為獨(dú)立的App在Google

Play和AppStore上線。多模態(tài)PixelLMPixelLM是由字節(jié)跳動(dòng)智能創(chuàng)作團(tuán)隊(duì)聯(lián)合北京交通大學(xué)、北京科技大學(xué)研究人員推出的高效像素級(jí)推理大模型。該模型可以實(shí)現(xiàn)無需依賴特定加速模塊（如SAM）的像素級(jí)語言模型推理。適用于各種需要結(jié)合文本與圖像理解及生成的任務(wù)，例如圖像描述、基于文本指令生成圖像或編輯圖像等。LLM云雀大模型2023年8月推出，旨在提升AI在理解、生成和交互等方面的綜合性能，其特點(diǎn)是能夠廣泛應(yīng)用于各種自然語言處理任務(wù)中，如文本生成、問答系統(tǒng)、語義分析等，并具有較高的泛化能力和適應(yīng)性。內(nèi)容創(chuàng)作與編輯、智能客服與在線助手、教育輔導(dǎo)與知識(shí)問答、搜索優(yōu)化與信息檢索、社交媒體和社區(qū)互動(dòng)豆包、抖音、今日頭條等APPLLMBuboGPT2023年8月推出，能夠?qū)⑽谋?、圖像和音頻等多模態(tài)輸入進(jìn)行整合，并具有將回復(fù)與視覺對(duì)象進(jìn)行對(duì)接的獨(dú)特能力。對(duì)話系統(tǒng)、內(nèi)容生成、智能客服、圖像描述聲音定位19國(guó)內(nèi)主流玩家大模型布局一覽、模型公司模型類型大模型分類技術(shù)能力應(yīng)用場(chǎng)景落地產(chǎn)品（軟件）阿里巴巴多模態(tài)通義千問2023年4月推出，超大規(guī)模的語言模型，功能包括多輪對(duì)話、文案創(chuàng)作、邏輯推理、多模態(tài)理解、多語言支持。智能客服、內(nèi)容生成、知識(shí)問答、多模態(tài)應(yīng)用、內(nèi)部工具升級(jí)淘寶問問、阿里云平臺(tái)服務(wù)通義千問APP、天貓、釘釘、高德地圖、優(yōu)酷、盒馬等——Qwen模型2023年8月推出Qwen-7B和Qwen-7B-Chat，Qwen-7B是一款通用型的70億參數(shù)規(guī)模的大語言模型，主要用于自然語言理解和生成任務(wù)。Qwen-7B-Chat是基于Qwen-7B開發(fā)的對(duì)話模型；2023年8月推出Qwen-VL，一款大規(guī)模視覺語言模型，基于通義千問70億參數(shù)模型Qwen-7B研發(fā)的，支持圖文輸入，具備多模態(tài)信息理解能力；2023年9月推出Qwen-14B與Qwen-14B-Chat，Qwen-14B是一個(gè)具有140億參數(shù)的大規(guī)模預(yù)訓(xùn)練模型，相應(yīng)的Qwen-14B-Chat則是一個(gè)更強(qiáng)大的對(duì)話系統(tǒng)模型；2023年11月推出Qwen-Audio，一款音頻語言模型，能夠處理和理解人類語音、自然聲音等多種音頻類型，并應(yīng)用于超過30種不同的任務(wù)場(chǎng)景；2023年12推出，具有720億參數(shù)規(guī)模的大規(guī)模語言模型，基于大量的高質(zhì)量數(shù)據(jù)進(jìn)行訓(xùn)練，旨在提供卓越的語言理解和生成能力；自然語言處理服務(wù)、對(duì)話式AI助手、多模態(tài)內(nèi)容生成、智能搜索優(yōu)化、企業(yè)級(jí)解決方案、AI創(chuàng)作輔助、機(jī)器人操控與導(dǎo)航、視覺搜索與推薦、圖像問答NLP通義-AliceMind達(dá)摩院開源的深度語言模型體系，涵蓋預(yù)訓(xùn)練模型、多語言預(yù)訓(xùn)練模型、超大中文預(yù)訓(xùn)練模型；2023年8月推出Alice-Mind模型2.0，該模型基于飛槳深度學(xué)習(xí)平臺(tái)，在多項(xiàng)技術(shù)上進(jìn)行了革新，并且取得了顯著的提升。閱讀理解、機(jī)器翻譯、對(duì)話問答、文檔處理多模態(tài)通義-M62021年11月推出的多模態(tài)大模型，參數(shù)由萬億躍遷至10萬億，成為當(dāng)時(shí)全球最大的AI預(yù)訓(xùn)練模型。使用521張GPU在10天訓(xùn)練具有可用水平的10萬億模型，相比GPT-3,M6同等參數(shù)規(guī)模，能耗僅為其1。模型實(shí)現(xiàn)架構(gòu)、模態(tài)和任務(wù)統(tǒng)一，便于在M6基礎(chǔ)上精調(diào)得到豐富的小模型CV通義-視覺基于英偉達(dá)A10

GPU、阿里云CIPU芯片以及IaaS+軟件加速，實(shí)現(xiàn)新一代的GPU云服務(wù)，在AI計(jì)算和視覺計(jì)算能力獲得大幅提升圖像搜索與匹配、視頻分析、AI輔助設(shè)計(jì)、醫(yī)療影像診斷、AI繪畫、——行業(yè)模型層平臺(tái)解決方案服務(wù)商以通義大模型為底座，開發(fā)SaaS應(yīng)用提供增值服務(wù)；傳媒和游戲運(yùn)用AIGC實(shí)現(xiàn)體驗(yàn)升級(jí)電子商務(wù)、AI醫(yī)療、智能農(nóng)業(yè)、自動(dòng)駕駛、城市大腦、工業(yè)視覺、AIOTNLP夸克大模型阿里巴巴在2023年11月推出全棧自研、千億級(jí)參數(shù)的夸克大模型。主要應(yīng)用在通用搜索、醫(yī)療健康、教育學(xué)習(xí)、職場(chǎng)辦公等眾多場(chǎng)景，以提供更智能的搜索和推薦功能?？淇薃pp華為NLP盤古NLP大模型2023年7月推出盤古大模型3.0，其中盤古NLP大模型專注于自然語言處理任務(wù)，如文本理解、生成、問答、對(duì)話系統(tǒng)構(gòu)建等。智能輿論、智能營(yíng)銷CV盤古CV大模型2023年7月推出盤古大模型3.0，其中盤古CV大模型能夠處理圖像識(shí)別、目標(biāo)檢測(cè)、視頻分析等多種視覺相關(guān)的AI任務(wù)。智能巡檢、智慧物流多模態(tài)盤古多模態(tài)大模型2023年7月推出盤古大模型3.0，其中盤古多模態(tài)大模型可以同時(shí)處理文本、語音、圖像等多種輸入數(shù)據(jù)，實(shí)現(xiàn)跨模態(tài)的信息交互與理解，例如結(jié)合文字描述生成圖像或者通過語音指令執(zhí)行任務(wù)。智能內(nèi)容生成與編輯、跨媒體檢索與推薦、醫(yī)療影像診斷輔助、智能制造與質(zhì)量檢測(cè)、VR/AR、智能家居、智慧城市管理、教育科技科學(xué)計(jì)算盤古科學(xué)計(jì)算大模型2023年7月推出盤古大模型3.0，其中盤古科學(xué)計(jì)算大模型用于物理模擬、化學(xué)反應(yīng)預(yù)測(cè)、生物數(shù)據(jù)分析等復(fù)雜問題的求解。氣象預(yù)報(bào)、臺(tái)風(fēng)路徑預(yù)測(cè)——行業(yè)定制化子模型盤古大模型3.0強(qiáng)調(diào)面向行業(yè)的應(yīng)用，因此會(huì)有一系列經(jīng)過針對(duì)性訓(xùn)練或微調(diào)的模型，適用于金融、醫(yī)療、教育、制造等行業(yè)特定場(chǎng)景下的智能決策支持、業(yè)務(wù)流程優(yōu)化、客戶服務(wù)自動(dòng)化等任務(wù)。金融風(fēng)控、醫(yī)療診斷、教育個(gè)性化輔導(dǎo)、智能制造、零售業(yè)客戶關(guān)系管理、法律文檔審查、新聞傳媒內(nèi)容生成敬請(qǐng)參閱末頁重要聲明及評(píng)級(jí)說明20國(guó)內(nèi)主流玩家大模型布局一覽模型公司模型類型大模型分類技術(shù)能力應(yīng)用場(chǎng)景落地產(chǎn)品（軟件）昆侖萬維多模態(tài)天工巧繪丨SkyPaint文本生成圖片模型，即提示詞文本編碼器模型和擴(kuò)散模型領(lǐng)大部分；2023年4月推出天工大模型3.5；2023年7月推出天工大模型4.0；產(chǎn)生高質(zhì)量圖片多模態(tài)天工樂府丨SkyMusic商用級(jí)作曲AI模型；2023年4月推出天工大模型3.5；2023年7月推出天工大模型4.0；音樂和娛樂NLP天工妙筆丨SkyText采用了生成效果領(lǐng)先的開源GPT中文預(yù)訓(xùn)練大模型，針對(duì)中文領(lǐng)域構(gòu)建了千億級(jí)別的高質(zhì)量數(shù)據(jù)集；2023年4月推出天工大模型3.5；2023年7月推出天工大模型4.0；文字創(chuàng)作NLP天工智碼丨SkyCode多語言開源編程大模型，支持多種主流代碼語言。它可以生成包括Python、Java、C等使用廣泛的編程語言，以及PHP、Go、Swift等共計(jì)十余種編程語言；2023年4月推出天工大模型3.5；2023年7月推出天工大模型4.0；編程N(yùn)LPSkyChat基于中文GPT3

API研發(fā)的項(xiàng)目，可以像ChatGPT一樣，實(shí)現(xiàn)人機(jī)聊天、問答、中英文互譯、對(duì)對(duì)聯(lián)和寫古詩任務(wù)聊天機(jī)器人科大訊飛——訊飛星火認(rèn)知大模型2023年5月推出，一款大規(guī)模預(yù)訓(xùn)練語言模型，它基于深度學(xué)習(xí)技術(shù)，擁有強(qiáng)大的跨領(lǐng)域知識(shí)理解和生成能力；2023年6月發(fā)布了訊飛星火認(rèn)知大模型V1.5，在原有基礎(chǔ)上實(shí)現(xiàn)了顯著的能力升級(jí)；2023年8月推出訊飛星火認(rèn)知大模型V2.0，在多個(gè)核心能力上取得了顯著提升，包括但不限于文本生成能力提高了72

，語言理解性能提升了78

，知識(shí)問答方面的能力也有了大幅提升。2023年10月推出訊飛星火認(rèn)知大模型V3.0，在前代基礎(chǔ)上進(jìn)一步擴(kuò)大了參數(shù)規(guī)模和優(yōu)化了算法架構(gòu)，加強(qiáng)了啟發(fā)式對(duì)話和AI人設(shè)功能。學(xué)習(xí)教育、辦公商務(wù)、醫(yī)療健康、工業(yè)制造、智能助手AI學(xué)習(xí)機(jī)LUMIE

10系列、訊飛智能辦公本、智能錄音筆智能麥克風(fēng)、星火助手中心與星火APPNLP訊飛星火醫(yī)療大模型2023年10月推出，結(jié)合了自然語言處理、深度學(xué)習(xí)和大數(shù)據(jù)分析能力，致力于提高醫(yī)療服務(wù)效率、減輕醫(yī)生負(fù)擔(dān)，并為患者提供便捷的健康管理服務(wù)。智能預(yù)問診與導(dǎo)診、輔助診斷與決策支持、醫(yī)療文檔理解和生成、AI智醫(yī)助理AI心理伙伴、科研助手、教育應(yīng)用、智譜——ChatGLM系列大模型ChatGLM：智譜AI推出的首款基座大模型，專為對(duì)話場(chǎng)景設(shè)計(jì)。ChatGLM2：繼ChatGLM之后的迭代版本，進(jìn)一步提升了性能和適用范圍。ChatGLM3：智譜AI于2023年10月在中國(guó)計(jì)算機(jī)大會(huì)上發(fā)布的第三代基座大模型，采用了多階段增強(qiáng)預(yù)訓(xùn)練方法，并且特別強(qiáng)調(diào)了其可部署在手機(jī)等移動(dòng)設(shè)備上的特性，以及對(duì)國(guó)產(chǎn)芯片的支持。智能客服系統(tǒng)、在線教育輔助工具、內(nèi)容創(chuàng)作平臺(tái)、社交聊天機(jī)器人、游戲及娛樂行業(yè)、企業(yè)決策支持、移動(dòng)應(yīng)用部署敬請(qǐng)參閱末頁重要聲明及評(píng)級(jí)說明、資料來源：各公司官網(wǎng)，華安證券研究所整理21敬請(qǐng)參閱末頁重要聲明及評(píng)級(jí)說明目錄LLM發(fā)展歷程與變遷趨勢(shì)LLM爆發(fā)關(guān)鍵節(jié)點(diǎn)：2017年Transformer架構(gòu)的出現(xiàn)海外LLM大模型布局：科技巨頭領(lǐng)銜行業(yè)，版本持續(xù)迭代國(guó)內(nèi)主流玩家大模型布局：互聯(lián)網(wǎng)大廠大模型相繼落地，主要賦能自身旗下產(chǎn)品CV領(lǐng)域發(fā)展歷程與變遷趨勢(shì)CV領(lǐng)域工具&模型變遷之路：SD成為開源之王，多模態(tài)成為下一階段演進(jìn)方向23年以來CV領(lǐng)域技術(shù)升級(jí)：3D渲染能力增強(qiáng)，生成內(nèi)容更為精準(zhǔn)可控CV領(lǐng)域主流應(yīng)用迭代歷程：生成內(nèi)容更為精細(xì)，Prompt理解能力進(jìn)一步深入AI手機(jī)+AIPC主流廠家布局盤點(diǎn)：AI驅(qū)動(dòng)新一輪換機(jī)潮，關(guān)注AI產(chǎn)品落地情況海內(nèi)外熱門AI應(yīng)用盤點(diǎn)：聊天類機(jī)器人仍是主流，海內(nèi)外主流應(yīng)用用戶規(guī)模持續(xù)擴(kuò)大國(guó)內(nèi)熱門AI應(yīng)用：豆包、天工、文心一言海外熱門AI應(yīng)用：ChatGPT、Bard、Poe、Notion、Bing、Character.ai22資料來源：華安證券研究所繪制CV領(lǐng)域工具&模型變遷之路：SD成為開源之王，多模態(tài)成為下一階段演進(jìn)方向GAN：早期的AI繪畫技術(shù)，AI繪畫工具的起源。GAN模型一問世就風(fēng)靡AI學(xué)術(shù)界,

在多個(gè)領(lǐng)域得到了廣泛的應(yīng)用.

它也隨即成為了很多AI繪畫模型的基礎(chǔ)框架,

其中內(nèi)置的生成器用來生成圖片,

判別器用來判斷圖片質(zhì)量。GAN的出現(xiàn)大大推動(dòng)了AI繪畫的發(fā)展。GAN模型進(jìn)行AI繪畫有比較明顯的缺陷,

一方面是對(duì)輸出結(jié)果的控制力很弱,

容易產(chǎn)生隨機(jī)圖像,

另外一個(gè)問題是生成圖像的分辨率比較低。Disco

Diffusion：Disco

Diffusion

是第一個(gè)基于CLIP

+

Diffusion

模型的實(shí)用化AI繪畫產(chǎn)品。它利用生成對(duì)抗網(wǎng)絡(luò)（GAN）和擴(kuò)散模型技術(shù)來創(chuàng)建藝術(shù)作品，尤其是從文本描述生成圖像。2022年初在谷歌Colab云服務(wù)上正式對(duì)世界開放使用。Disco

Diffusion的痛點(diǎn)也有兩個(gè)：1)

AI繪畫細(xì)節(jié)還不夠深入,達(dá)不到商業(yè)水準(zhǔn)；2)

渲染時(shí)間過長(zhǎng)，需要大量?jī)?nèi)存。DALL·E2：DALL-E是一個(gè)可以通過文本描述中生成圖像的人工智能程序，于2021年1月5日由OpenAI發(fā)表。2022年4月，OpenAI宣布了新版本的DALL-E

2，它可以從文本描述中生成照片般逼真的圖像，另外還有一個(gè)允許對(duì)輸出進(jìn)行簡(jiǎn)單修改的編輯器。Midjourney：2022年7月12日，MidJourney進(jìn)入公開測(cè)試階段，用戶可以通過Discord的機(jī)器人指令來使用MidJourney生成圖像。MidJourney是一個(gè)基于大規(guī)模預(yù)訓(xùn)練的自然語言處理模型，可以根據(jù)文本生成圖像。同月，MidJourney開始向所有用戶開放注冊(cè)，引起了廣泛的關(guān)注和討論。MidJourney展示了其對(duì)各種復(fù)雜和超現(xiàn)實(shí)的圖像生成任務(wù)的能力，并被認(rèn)為是與DALL-E相媲美的人工智能模型。StableDiffusion：2022年7月StableDiffusion的問世，相比前輩們，Stable

Diffusion已經(jīng)成功的解決了細(xì)節(jié)及效率問題，通過算法迭代將AI繪圖的精細(xì)度提升到了藝術(shù)品級(jí)別，并將生產(chǎn)效率提升到了秒級(jí)，創(chuàng)作所需的設(shè)備門檻也被拉到了民用水準(zhǔn)。由于擁有發(fā)展良好的開源社區(qū)，它的用戶關(guān)注度和應(yīng)用廣度都超越Midjourney和DALL-E。多模態(tài)：AI繪畫逐漸成為大模型核心模態(tài)之一，如GPT-4V/DALL-E3。圖表13：CV領(lǐng)域關(guān)鍵工具變遷GANDiscoDiffusionDALL·E2MidjourneyStableDiffusion多模態(tài)敬請(qǐng)參閱末頁重要聲明及評(píng)級(jí)說明23OpenAICLIP2021-01GlideMidjourneyImaginePartiMidjourneyV5AdobeFireflyDall-E3MetaImagineMidjourneyV6LatentDiffusionStableDiffusionDreamBoothLoRAControlNetSDXLLCMSDXLTurboOpenAIMidjourneyOpenAIGoogleAdobeMeta2021-122022-03Dall-E22022-042022-052022-06MidjourneyV42022-112023-032023-102023-12CompVisJupyternotebookStabilityAIStabilityAIStabilityAISemtechGoogle清華大學(xué)2021-122022-03DiscoDiffusion52022-082022-082023-012023-02敬請(qǐng)參閱末頁重要聲明及評(píng)級(jí)說明2023-072023-11閉源模型開源模型圖表14：CV領(lǐng)域模型重要發(fā)展節(jié)點(diǎn)資料來源：華安證券研究所繪制CV領(lǐng)域工具&模型變遷之路：SD成為開源之王，多模態(tài)成為下一階段演進(jìn)方向24敬請(qǐng)參閱末頁重要聲明及評(píng)級(jí)說明資料來源：華安證券研究所繪制CV領(lǐng)域文生圖模型的起源于Clip開源。CLIP

是一個(gè)通過自然語言監(jiān)督有效地學(xué)習(xí)視覺概念的神經(jīng)網(wǎng)絡(luò)，通過使用CLIP

可將文本和圖像連接在一起。2021年：21

年

1

月

CLIP

發(fā)布后（與

CLIP

一起發(fā)布的還有

DALL·E

第一代文生圖模型，生成能力有限），基于它的各種文生圖模型相繼出現(xiàn)，Disco

Diffusion

也是在這個(gè)時(shí)候誕生，此時(shí)它們的生成效果都并不理想。21年

12

月，OpenAI

發(fā)布了

Glide，同月，Compvis

實(shí)驗(yàn)室發(fā)布了

Latent

Diffusion

的論文，成為生成能力實(shí)現(xiàn)重大突破基礎(chǔ)。基于

Glide

的論文和各種探索，T2I

開源社區(qū)開啟了

Disco

Diffusion

項(xiàng)目。2022年：22

年

3

月

Disco

Diffusion

v5

發(fā)布，這是圖像生成模型第一次出圈。同一個(gè)月，Midjourney

通過包裝使用DiscoDiffusion，進(jìn)行了商業(yè)應(yīng)用。22

年

4

月，OpenAI

發(fā)