行業(yè)總市值(行業(yè)總市值(十億元)365376654金山辦公46.668641.2775554nAI應(yīng)用的能力來自基礎(chǔ)模型的能力，目前產(chǎn)業(yè)處于技術(shù)突破后向商業(yè)落地轉(zhuǎn)變的關(guān)鍵時期。從人工智能的發(fā)展歷史來看，技術(shù)最終能夠落地應(yīng)用才是行業(yè)能夠維持繁榮的關(guān)鍵。本輪技術(shù)革命由生成式大模型開啟，將有望誕生真正的通用人工智能。但當(dāng)下在探索中。n未來的AI應(yīng)用將走向AIAgent的終極形態(tài)，AIOS可能在基礎(chǔ)層面提供支撐。Agent是指擁有一定“智能”，能夠與環(huán)境產(chǎn)生交互的智能體。在軟件中Agent可能表現(xiàn)為基于模型原生生成能力的LLMAgent，在C端的形式可能是個人助理，能夠處理用戶的日程、郵件等；在B端的形式可能是替代OA、辦公軟件形態(tài)存在的集成流程辦公軟件。在硬件中Agent可能表現(xiàn)為搭載有大模型的終端手機、PC、機器人等，能夠更好滿足用戶的定制化需求。AI將為計算機帶來軟硬件層面的重構(gòu)，AIOS在未來是支持Agent的重要基礎(chǔ)。n從產(chǎn)業(yè)演進的角度看，應(yīng)用發(fā)展的過程表現(xiàn)出了一定的共性。從模型角度看，垂類和端側(cè)模型推進了應(yīng)用落地的節(jié)奏；從數(shù)據(jù)角度看，高質(zhì)量私域數(shù)據(jù)依舊是模型和應(yīng)用的核心壁壘；從用戶角度看，B端客戶關(guān)注應(yīng)用的替代/提效等功能場景，C端用戶則更關(guān)注產(chǎn)品力表現(xiàn)；從模態(tài)角度看，多模態(tài)依舊是必然趨勢，通用的超級應(yīng)用最可能誕生在通用多模態(tài)LLM之下；從工程角度看，系統(tǒng)將走向AI原生，基礎(chǔ)軟件、應(yīng)用軟件乃至操作系統(tǒng)都可能迎來重構(gòu)，計算機的基礎(chǔ)架構(gòu)可能迎來一次改變；從安全角度看，涌現(xiàn)的大模型表現(xiàn)出了超乎想象的能力，保證其本身和數(shù)據(jù)安全性將會是極其重要的課題。nAI應(yīng)用在適合原生能力的場景、以及前瞻性應(yīng)用中的落地更快。從賽道看，具有“大規(guī)模+低門檻”的客服對話場景是最先得到應(yīng)用的，代碼生成+低代碼開發(fā)場景與視覺AI+工業(yè)場景同樣能得到較快應(yīng)用。從科研領(lǐng)域看，AIforScience也擁有巨大的潛力，在基礎(chǔ)、交叉學(xué)科均有前瞻性的應(yīng)用。n投資建議：人工智能新一輪十年級的技術(shù)和產(chǎn)業(yè)革命大幕已經(jīng)拉開。GPT、Sora、Gemini1.5、Claude3等基礎(chǔ)模型能力持續(xù)迭代，各場景應(yīng)用已經(jīng)進入商業(yè)模式落地階段，只需靜待數(shù)據(jù)驗證。對應(yīng)的投資方向如下：模型視角：建議關(guān)注科大訊飛、商湯、格靈深瞳、云從科技、云天勵飛、三六零等；應(yīng)用模態(tài)視角：文本建議關(guān)注金山辦公、彩訊股份、福昕軟件；代碼建議關(guān)注金現(xiàn)代；圖片視頻建議關(guān)注萬興科技；3D建模建議關(guān)注中望軟件、索辰科技、廣聯(lián)達、華大九天、概倫電子、浩辰軟件、盈建科等；中長期垂直龍頭視角：金蝶國際、廣聯(lián)達、恒生電子、明源云、中科軟、用友網(wǎng)絡(luò)、同花順、北森控股等；行業(yè)應(yīng)用場景視角：金融場景建議關(guān)注恒生電子、頂點軟件、同花順、中科軟、宇信科技、百融云、京北方、天陽科技、長亮科技、新致軟件等；醫(yī)療場景建議關(guān)注衛(wèi)寧健康、創(chuàng)業(yè)慧康、嘉和美康、醫(yī)渡科技、鷹瞳科技等；汽車場景建議關(guān)注中科創(chuàng)達、德賽西威、經(jīng)緯恒潤、萬集科技、巖山科技等；其他建議關(guān)注焦點科技、螢石網(wǎng)絡(luò)、鼎捷軟件、賽意信息、拓爾思、佳發(fā)教育、神思電子、云鼎科技、鷗瑪軟件、金橋信息等；安全視角：建議關(guān)注深信服、啟明星辰、國投智能、天融信、綠盟科技、迪普科技、安恒信息、安博通、盛邦安全、永信至誠、亞信安全、奇安信等。n風(fēng)險提示：相關(guān)技術(shù)落地不及預(yù)期的風(fēng)險，行業(yè)競爭加劇風(fēng)險，政策風(fēng)險，能耗過大風(fēng)險，信息更新不及時風(fēng)險等。人工智能是一個具有復(fù)雜性的交叉領(lǐng)域。我們復(fù)盤了行業(yè)發(fā)展的歷史，對產(chǎn)業(yè)共性進行了分析，通過對產(chǎn)業(yè)演變的推演分析了其中的核心要素，并試圖為投資者尋找到更具確定性的投資方向。人工智能新一輪十年級的技術(shù)和產(chǎn)業(yè)革命大幕已經(jīng)拉開。Sora、Gemini1.5、Claude3等基礎(chǔ)模型能力持續(xù)迭代，各場景應(yīng)用已經(jīng)進入商業(yè)模式落地階段，只需靜待數(shù)據(jù)驗證。建議從模型、應(yīng)用模態(tài)、中長期垂直龍頭、行業(yè)應(yīng)用、安全視角關(guān)注公司。 產(chǎn)業(yè)歷史復(fù)盤：人工智能經(jīng)歷了各類思想的涌現(xiàn)、對立與融合 應(yīng)用落地始終是橫亙在行業(yè)前的難題 AIOS：重構(gòu)軟件與創(chuàng)造智能體的關(guān)鍵一步 AIAgent的硬件應(yīng)用：首先與現(xiàn)有終端結(jié)合，等待成熟硬件產(chǎn) 模型角度：基礎(chǔ)模型是應(yīng)用的根本，垂類模型、端側(cè)模型加速應(yīng)用過程 數(shù)據(jù)角度：貼近上游（數(shù)據(jù)）的公司更為受益，數(shù)據(jù)是規(guī)模效應(yīng)的體現(xiàn) 模態(tài)角度：多模態(tài)是必然趨勢，垂類模型促進應(yīng)用 安全角度：涌現(xiàn)的大模型需要更多約束，安全必定伴 n人工智能是賦予機器執(zhí)行人類行為和任務(wù)能力的學(xué)科，旨在讓機器n縱觀人工智能近百年的發(fā)展歷史，主流的觀點基本都符號主義認(rèn)為，智能源于數(shù)理邏輯，人類的思維過程可以使用符號系統(tǒng)連接主義認(rèn)為，感官的刺激并不存儲在記憶中,而是在神經(jīng)網(wǎng)絡(luò)中建立行為主義認(rèn)為，智能是具身化和情境化的，會在與真實環(huán)境的交互作用義被引用的出版物數(shù)量對比可以看出，兩者曾經(jīng)輪番引領(lǐng)行業(yè)的發(fā)展方n符號主義的強項在于其能夠進行知識表示和邏輯推理，可解釋性而連接主義特別擅長于處理大規(guī)模數(shù)據(jù)和模式識別問題。而行為主義適用于處理強化學(xué)習(xí)，對于神經(jīng)網(wǎng)絡(luò)參數(shù)的誤差傳遞問題和機器學(xué)習(xí)中的AugmentedGeneration，檢索增強生成）方法查詢外部數(shù)據(jù)源等。工智能的主流方法論（神經(jīng)網(wǎng)絡(luò)等）誕生的時間很早，但由于硬件性能所限，這類算法設(shè)想難以落地應(yīng)用，隨之而來的就是整個行業(yè)的資金枯竭，研究也進入沉寂期。而在數(shù)年或數(shù)十年之后，隨著軟硬件技術(shù)的進步，這些設(shè)想可能再次獲得創(chuàng)新與發(fā)展，表現(xiàn)出新的生命力，再次引領(lǐng)年代，大量資金和支持被投入到機器翻譯的研究中，但應(yīng)用進展卻不順nAI第二次繁榮與寒冬：1980年代，隨著更多的數(shù)據(jù)能夠輸入進計算機中，符號主義的專家系統(tǒng)引領(lǐng)了第二次的人工智能產(chǎn)業(yè)繁榮。專家系統(tǒng)在財務(wù)規(guī)劃、醫(yī)療診斷、地質(zhì)勘探和微電子電路設(shè)計等領(lǐng)域都能夠發(fā)揮一定作用。然而專家系統(tǒng)能力依舊有限且構(gòu)建極為復(fù)雜，始終無法真正究的資金也快速減少，大量人工智能公司在此期間破產(chǎn)，行業(yè)進入了第制，受制于特定領(lǐng)域、特定模型和特定任務(wù)的限制，通用性不強，技術(shù)資料來源：DiscoverArtificnAI的第三次繁榮：自從2012年AlexNet為代表的的人工智能才成為了產(chǎn)業(yè)關(guān)注的焦點。n本次的技術(shù)突破首先來自算法架構(gòu)的優(yōu)化，Transforme練集和參數(shù)規(guī)模，使大模型表現(xiàn)出涌現(xiàn)性并大幅提升泛化能力。自此，生成式人工智能也真正開始擁有了通用性，我們正處于從ANI（窄域人工智能）走向AGI（通用人工智能）時代的開端。資料來源：Quovadisarti從底層基礎(chǔ)設(shè)施、基礎(chǔ)模型和衍生的服務(wù)、應(yīng)用等領(lǐng)域的競爭處于早期據(jù)該數(shù)據(jù)采取行動以實現(xiàn)特定目標(biāo)。通俗理解，即能夠與環(huán)境（軟件或成一種思維實驗，如果人類提問者無法分辨書面回答是來自人類還是計認(rèn)知能力全部達到了人的標(biāo)準(zhǔn)才算是通過圖靈測試。在這樣的要求下，nAgent正在一步步走向現(xiàn)實。隨著人工智能技術(shù)的發(fā)展，通過CV和語音識別進行人機交互已經(jīng)成為了現(xiàn)實，將人工智能與機器學(xué)結(jié)合將成為都產(chǎn)生了突破，未來也將為智能系統(tǒng)帶來更多信息輸入，推進其從感知智能到認(rèn)知智能的升級，并最終將能力賦能給應(yīng)n基于大語言模型的AgentAI由三部分組成：大腦（Brain）、感知本、聲音、視覺、觸覺、嗅覺等。這種擴展使代理能夠更好地感知來自行動：使智能體擁有文本輸出、采取具體行動、使用工具的能力，以便其更好地響應(yīng)環(huán)境變化，提供反饋，甚至改變和塑核的決策能力將擴展為具體的行動，并通過機器人等實體與現(xiàn)實物理世的模仿學(xué)習(xí)。軟件的特點：無限復(fù)制，其成本絕大部分在前期研發(fā)費用，后續(xù)使用的硬件的特點：短期看訓(xùn)練、推理與算力基礎(chǔ)設(shè)施深度綁定。從更長遠(yuǎn)的硬件的特性考量。當(dāng)AI與基礎(chǔ)軟件深度耦合，未來的AI大型語言模型的引入大大提升了開發(fā)的效率，降低了開發(fā)的門檻，也將統(tǒng)的重構(gòu)將可能改變軟件應(yīng)用的底層生態(tài)。資料來源：LLMasOS,AgentsasApps:EnvisioningAIOS,AgentsandtheAIOS-AgentEcosystem，中泰AIOS。用戶與Agent應(yīng)用和操作系統(tǒng)的交互以自然語言的prompt形式資料來源：LLMasOS,AgennAutoGPT是通過接入OpenAI基礎(chǔ)模型實現(xiàn)AgentAI的代表性產(chǎn)品。使用互聯(lián)網(wǎng)或其他工具完成這些任務(wù)。究和產(chǎn)品實驗室，公司的目標(biāo)是訓(xùn)練模型來使用世界上的每一種軟件工具和API。備時，應(yīng)用的形態(tài)將不再是單純的軟件，而是表現(xiàn)為與硬件深度結(jié)合的礎(chǔ)模型的推理功能。作為端側(cè)“大腦”的邊緣模型也能夠擁有足夠的能力和通用性。信等不同渠道的信息并總結(jié)要點，以及支持實時翻譯功能。駛能力的飛躍。主流的自動駕駛系統(tǒng)包括感知、定位、預(yù)測、決策、規(guī)練一個或者多個神經(jīng)網(wǎng)絡(luò)，得到從感知結(jié)果到控制命令的直接映射。這駛系統(tǒng)問世。在駕駛時僅依靠車載攝像頭和神經(jīng)網(wǎng)絡(luò)識別道路和交年誕生的，InstructGPT也是2021年誕生的應(yīng)用或許已經(jīng)不遠(yuǎn)。n遵循Scalinglaw的規(guī)律提升基礎(chǔ)模型的能力是確定性最高的成熟，模型在固定數(shù)據(jù)集上的表現(xiàn)逐漸趨于穩(wěn)定，而針對復(fù)雜世界中的真實數(shù)據(jù)集，改進模型對提升表現(xiàn)的幫助也并不大。固定，通過提高數(shù)據(jù)的質(zhì)量和數(shù)量來實現(xiàn)性能的提高。對于機器學(xué)習(xí)而言，通過下游任務(wù)的表現(xiàn)可以很容易對數(shù)據(jù)集質(zhì)量進行量化評估，有利于提升模型表現(xiàn)的可解釋性。針對模型的創(chuàng)新仍在繼續(xù)。以模型為中心和以數(shù)據(jù)為中心的范式將相互的應(yīng)用又能獲得更多高質(zhì)量的數(shù)據(jù)，形成良性循環(huán)。療等領(lǐng)域應(yīng)用層公司有望大規(guī)模采用合成數(shù)據(jù)，加速產(chǎn)品商業(yè)n如今數(shù)據(jù)集的質(zhì)量對模型的表現(xiàn)起到越來越大的決定因素問題，現(xiàn)實世界中收集到的數(shù)據(jù)不能滿足模型的訓(xùn)練需求，很多數(shù)據(jù)甚學(xué)上反映原始數(shù)據(jù)的屬性，因此可以用來訓(xùn)練、測試并驗證模型。善了模型表現(xiàn)。通過分別訓(xùn)練簡短和詳盡的文本生成器，生成了前代模型訓(xùn)練集中對圖像的文本描述，并用來訓(xùn)練新版本的模型。這種方式取得了極大的模型效果提升。場景。這些場景的發(fā)生的概率非常低，自動駕駛算法無法對其進行有效的識別和決策，一旦發(fā)生對駕駛安全會產(chǎn)生非常大的威脅。因此在現(xiàn)實法合成類似場景的圖片加入訓(xùn)練集再次訓(xùn)練。如此反復(fù)后，算法應(yīng)對類效的場景，長期看能夠直接幫助企業(yè)創(chuàng)收的應(yīng)用會擁有更多發(fā)展空間。創(chuàng)收邏輯：能夠直接成為或構(gòu)建業(yè)務(wù)和產(chǎn)品的一部分，從而為企業(yè)直接別達到了83%和79%。80706050403020068666835353238362022年前2022年至今copilotE3E5果就形成了強大的傳播效應(yīng)。樣，多模態(tài)的數(shù)據(jù)也可能為單一模態(tài)任務(wù)帶來大量的提升。n最重要的是，作為模態(tài)融合的基礎(chǔ)，語言輸入能夠支持文本、語音、圖片和視頻，并且能夠輸出文本和圖片。這種具有開創(chuàng)性的技術(shù)路徑走通，國內(nèi)模型和應(yīng)用廠商有望快速迭代出奏會更快，文生圖任務(wù)已經(jīng)逐漸達到了商用標(biāo)準(zhǔn)，文生視頻也在快速突nAdobe推出的AdobeFiPhotoshop等產(chǎn)品，可以幫助用戶更好地完成對圖片的二次最有效途徑。未來看，通用的超級應(yīng)用最有可能誕生在通用的多模態(tài)nAI可能與系統(tǒng)深度耦合，軟件應(yīng)用將走向AI原生?，F(xiàn)階段的大模型能人工智能可能會先成為系統(tǒng)的部分組件，以增添或替換的方式與系統(tǒng)進的過程AI/ML模型開始跨領(lǐng)域部署，模流數(shù)據(jù)；未來模型生命周期管理跨領(lǐng)域?qū)嵤┕芾碜兊酶蛹珊蛥f(xié)調(diào)，數(shù)據(jù)驅(qū)動的基礎(chǔ)設(shè)施將會貫穿整個架構(gòu)，無論是跨層次還是跨領(lǐng)域，都可以靈活地共享數(shù)據(jù)和資源，實現(xiàn)智能化的優(yōu)化和決策。擊圖標(biāo)以來最大的計算革命。微軟已經(jīng)將Copilot功能集成在了功能。用戶無需掌握代碼寫法，只要結(jié)合指令、外部知識庫和能力，就能夠創(chuàng)建自定義版本的ChatGPT。用戶還可以通過向GPT提供ZapierAPI來定制化自己的Action。開發(fā)人員溝通，以專業(yè)編寫代碼的方式實現(xiàn)功能并進行多輪測試之后上Builder進行對話，就能夠根據(jù)需要生成屬于自己的GPTs。這個操作的需求，很難代替?zhèn)鹘y(tǒng)的軟件開發(fā)過程。但隨著模型能力的提升，這種定制化的邊界也將有巨大的擴充潛力，這也將是產(chǎn)品化與定制化這一矛盾GPTStore為代表的AI原生應(yīng)用商店可能構(gòu)建出新的平臺生態(tài)。飛輪”中的一部分。即使最終無法變現(xiàn)，也能繼續(xù)提升基礎(chǔ)模型能力。來超級人工智能的安全性。OpenAI在未來四源在解決超級對齊（Superalignment）問題，用以引導(dǎo)和控制可能比人類聰明得多的人工智能系統(tǒng)。除此之外，可解釋性的相關(guān)研究還需要近合國人權(quán)宣言、信任和安全最佳實踐、以及其他人工智能研究實驗室提有規(guī)則（規(guī)范原則）進行投票，也可以添加自己的規(guī)則。大多數(shù)聲明都可能會更加高效。決必要的安全問題。通過這種評級也能夠在產(chǎn)品投放市場之前嚴(yán)格證明會帶來全新的安全挑戰(zhàn)，由云計算平臺或基礎(chǔ)模型公司推出的安全服務(wù)當(dāng)前有專家強調(diào)，實施有針對性的防御措施至關(guān)重要，這可能包括為人n此前幾部分我們從技術(shù)的角度推斷發(fā)展，是為了抓住絡(luò)；本章我們將從已經(jīng)較為成熟的落地場景出發(fā)，選取具有代表性的賽車輛特定信息，如品牌、型號、牌照和其他相關(guān)細(xì)節(jié)。保險公司有望在nAI智能催收幫助銀行等金融機構(gòu)貸后管理能力。AI催收可代替呼與真人直接對話，很大程度上解決了人工坐席不足、非上班時間外呼語，有效規(guī)避了與欠債人的沖突。且如今制造企業(yè)普遍面臨招工困難、人員培訓(xùn)成本高、人工流失率高、科技聯(lián)合華為盤古大模型發(fā)布了礦山行業(yè)大模型，在采煤、掘進、主運等多個場景提供AI能力，且模型可以復(fù)nAIforScience即科學(xué)智能，指通過使用AI技術(shù)輔助科學(xué)研究，以解決使得知識的提取和綜合變得高效、便捷，能夠大大降低新學(xué)者進入研究快速檢索和閱讀論文等。n模型驅(qū)動的牛頓范式是基于第一性原理的研究方法。這種方法通過提出抽象模型來對物理世界進行概括。但隨著原理越來越復(fù)雜，我們開始面加，計算代價會呈指數(shù)增長，基于特定原理創(chuàng)造的模型方程可能無法求n數(shù)據(jù)驅(qū)動的開普勒范式是通過分析數(shù)據(jù)提取統(tǒng)計學(xué)規(guī)律的資料來源：Machinelearningandcomplexbiologicalda非常有效的方法。科研論文本身就是非常高質(zhì)量的就是一門交叉學(xué)科，與數(shù)學(xué)、哲學(xué)、心理學(xué)、語言學(xué)、統(tǒng)計學(xué)、神經(jīng)科學(xué)、機器人學(xué)等學(xué)科均有所交叉。其中很多原理也能指導(dǎo)人工智能算法或思想的進步：如目前文生圖領(lǐng)域的基礎(chǔ)擴散模型就是基于熱力學(xué)定律積電等頭部芯片企業(yè)在研發(fā)先進制程時已經(jīng)遇到微觀尺度的建模瓶頸，片設(shè)計領(lǐng)域可以輔助電路設(shè)計；在先進制程與工藝提升方面可以為反應(yīng)多數(shù)藥物通過與蛋白質(zhì)上的不同位點結(jié)合起作用，AlphaFold可以預(yù)測能有效的藥物分子，減少試錯成本。nAI能夠解決傳統(tǒng)數(shù)值天氣預(yù)報(NWP)系統(tǒng)無法兼顧準(zhǔn)確性與時效性精度首次超過了歐洲中期預(yù)報中心的傳統(tǒng)數(shù)值預(yù)測系統(tǒng)，預(yù)測速度也提升了上萬倍。資料來源：AccurateMediumRangeGlobal外更成熟的對標(biāo)產(chǎn)品，需要著重關(guān)注海外的商業(yè)化拐點；對于尚無對標(biāo)應(yīng)用的場景，則需要回歸到具體商業(yè)模式上，關(guān)注實際的產(chǎn)品力與下游客戶的付費意愿。作為相應(yīng)對標(biāo)產(chǎn)品，發(fā)展空間廣闊。累與創(chuàng)新，業(yè)務(wù)領(lǐng)域也從最初的智能終端逐步拓展到智能汽車、智能物字，進行意圖理解，規(guī)劃出任務(wù)并進行拆分，輸出給機器人的執(zhí)行器去布（智能撰寫產(chǎn)品信息、批量智能發(fā)品、智能產(chǎn)品潤色、重復(fù)產(chǎn)品檢查知識圖譜，并搭配數(shù)據(jù)驅(qū)動模塊，實時偵測企業(yè)關(guān)鍵數(shù)據(jù)的變化；在數(shù)周期管理系統(tǒng)基于雅典娜的數(shù)智化能力，接入OpenAPI，集成的超級應(yīng)用一定都是在產(chǎn)品力上具有革命性，受眾足夠廣泛且足夠便宜夠?qū)崿F(xiàn)對郵件數(shù)據(jù)的智能整合、分析和反饋，如智能郵件摘要、郵件潤國投智能：前瞻布局AI+公共安全，打造大模型“天擎”安全大模型是國內(nèi)首個此類大模型，擁有豐富的公共安全行業(yè)知識，具備強大的警務(wù)意圖識別、警務(wù)情報分析、案情推理等業(yè)務(wù)理解和推理能力，能夠從海量數(shù)據(jù)中持續(xù)自我進化，實現(xiàn)行業(yè)知識、業(yè)務(wù)問題，解決先、覆蓋面最廣的電子數(shù)據(jù)取證產(chǎn)品體系和綜合解決方案，包括手機取證、計算機取證、云取證、物聯(lián)取證、區(qū)塊鏈取證、便攜取證等系列產(chǎn)品，市場占有率持續(xù)領(lǐng)先，競爭力優(yōu)勢明顯。針對大模型本身的網(wǎng)絡(luò)安全攻擊問題；在數(shù)據(jù)收集、數(shù)據(jù)預(yù)處理、模型訓(xùn)練、模型推理等各階段面臨的個人隱私、數(shù)據(jù)合規(guī)、數(shù)據(jù)篡改、投毒達成合作，雙方將圍繞人工智能安全測