加入收藏 | 联系我们

返回上一页详细内容

深交所·创享荟丨大模型进程超预期,细分领域应用前景可期,深市企业积极布局

2023-12-14 10:01:57 作者: 来源:证券时报网 浏览次数:0 网友评论 0

中华PE:

 12月12日,深交所联合北京市海淀区人民政府举办第十二期“创享荟”人工智能行业交流专场活动,以“创新成长·AI大模型与产业机遇”为主题,邀请行业内头部上市公司、代表性创业企业、投资机构、科研院所等相关负责人参加,共话人工智能推动产业转型升级、资本市场服务创新生态体系建设等内容。

中央经济工作会议提出,以科技创新引领现代化产业体系建设,加快推动人工智能发展,加强应用基础研究和前沿研究,强化企业科技创新主体地位。与会专家指出,大模型代表的人工智能技术演进进入新阶段,初步展现通用智能能力。随着大模型垂直应用不断扩展,大模型在细分领域的应用前景值得关注。

 

\

 

大模型行业快速迭代、百花齐放,仍处于发展早期

大模型及相关的生成式人工智能技术作为科技产业变革的新焦点,在技术持续演进和推动经济社会各领域发展方面受到持续关注。

在以ChatGPT为代表的大模型技术出现之前,据相关机构调研显示,超过80%的受访者认为人工智能技术突破速度有限,强人工智能的实现尚需时日。在大模型出现后,人工智能的发展速度超过此前预期。在ChatGPT等通用大模型之外,Midjourney、Character.AI、Github Copilot、Pika推出图片生产、角色扮演、代码助手、视频生成等服务,部分应用已拥有较强的用户黏性。OpenAI于11月推出GPT store,支持用户通过自然语言创建定制化GPT,推动大模型行业向生态化发展;与会嘉宾直言,用户将上传更多的私域数据,进一步加速OpenAI的模型发展速度,其他大模型企业将受到更大挑战。

事实上,为推动大模型产业发展,多个国家从研发创新、人才培养等方面出台了支持政策。如,美国国家科学基金会设立2.2亿美元投资基金,并新增建立11个国家AI研究中心;英国向图灵研究所投资超过4600万英镑,成立图灵人工智能奖学金,培养顶级人工智能人才;欧盟委员会组建人工智能高级小组并推出欧洲人工智能联盟,编写伦理指导原则草案等。

但也要看到,尽管大模型在多个应用场景中展现出了强大的能力,但在技术发展中仍存在诸多问题。一方面,大模型训练数据存在伪造、过时、缺失等情况,但其通过强大的生成能力输出了看似合理的内容,造成知识幻觉。另一方面,大模型训练成本高,难以做到高频次训练,针对个性化需求开展定制化训练难度较大。这些问题都需要随着技术的不断迭代,予以逐步解决。

 

\

 

发挥数字基础设施和大市场优势,强化我国通用大模型能力

回到国内,在通用大模型领域存在理论研究偏弱、产业落地较晚等不足,我国大模型行业的发展方向和突围策略受到行业关注。

与会专家建议,在大模型的研发和优化中,国内企业可加强利用数字基础设施和大市场优势。数字基础设施方面,我国已建立全球领先的数据收集与传输设施,实时全面的数据采集和传输将为大模型训练和优化建立硬件基础。

大市场方面,我国语音识别、图像识别、大数据处理等人工智能技术已在商业、交通、金融、医疗、教育等领域广泛普及,已经形成相对成熟的项目机制,可为大模型的发展提供广阔的数据牵引。

从企业层面出发,我国通用大模型公司需要加强模型基座能力建设,支持生态合作伙伴打造垂直领域行业应用,共同建立适合各细分领域的产品和解决方案,形成产业合力。开源部分模型,吸引更多产业链上下游企业、高校院所的科研人员参与模型相关开发,提高模型在行业内的影响力,扩大生态范围。与行业做深度的结合,推动技术创新和应用落地形成良性循环,大模型的理解、生成、逻辑、记忆能力持续提升,产业应用的广度和深度持续拓展,最终让智能化成为真正的底层逻辑。

此外,大模型产品的生成内容具有一定随机性,具有潜在的伦理、数据、舆情等风险。我国企业需要在合规领域加强技术创新,对有风险的训练数据进行过滤和阻断,通过用户反馈迭代优化输出内容,逐步丰富内容治理经验,建设良好网络环境。

 

\

 

大模型筑基赋能,加速产业智能化升级

多位专家指出,通用大模型训练受制于数据、算力等因素限制,企业在推动通用大模型发展时面临较大的资金成本压力。对于大多数企业而言,面向垂直场景、垂直行业、垂直领域探索基于大模型的应用创新,可在一定程度上规避技术发展制约因素,将成为大模型应用重点发展方向。

本次活动中,与会企业深入分享了大模型在智能制造、软件开发、科研支持等领域最新的应用实践与探索。

在助推制造业智能化转型方面,大模型可扮演重要角色。企业代表指出,随着制造业信息化水平不断提升,企业积累了大量的私域数据,可支持大模型在研发设计、生产制造等环节产生积极影响,为制造业转型升级注入新的活力。产品迭代和市场需求将共同推进技术发展,构建制造业的“智能底座”。具体场景包括,在研发设计中,企业可以利用大模型技术自动生成相关工业设计版图。在生产制造中,企业可以利用大模型技术学习复杂的设备维护手册,员工可以通过描述故障现象自动获得维护建议。

同时,大模型在软件开发领域的作用日益显现,尤其在需求分析、架构设计、代码生成、软件测试、自动化部署与运维等方面,提高开发效率和代码质量,通过实时监测和预警更早发现和修复问题,提高软件的稳定性。多位专家指出,随着大模型的应用,软件开发效率将得到30%左右的提升。

在科研支持领域,大模型具有高效处理海量数据、高精度求解复杂物理系统的能力,可建立“数据驱动、数理融合”的新范式,开启科研智能化发展新时代。相关领域包括,药物研发大模型将加速治疗方法的创建以及相关研究。材料研发大模型将大幅缩短材料的研发周期,提升科研人员研发效率。

据不完全统计,深市约有70家人工智能相关产业链公司,覆盖芯片制造、云计算、数据服务、自然语言处理等领域。科大讯飞、中科创达、软通动力作为行业内上市公司代表出席了本次活动。

科大讯飞承建了“语音及语言信息处理国家工程研究中心”和“认知智能全国重点实验室”等国家级平台。10月24日,科大讯飞发布星火大模型V3.0,将大模型技术广泛应用在教育、办公、医疗、工业、运营商等行业场景。

中科创达自今年5月份发布魔方Rubik大模型以来,公司的“大模型+操作系统双引擎”战略不断深入,并快速迭代。近日,公司发布端侧运行130亿规模的参数模型,推动大模型在智能汽车、机器人、AI手机、AI PC等领域落地应用。

软通动力为了帮助产业落地生成式人工智能技术,推出软通天璇2.0 MaaS平台,通过自研EZ-Train模型微调工具,帮助保险行业训练落地行业模型;通过自研AISE,帮助金融科技企业落地软件工程提效;通过自研AI Agent及知识库引擎,帮助零售行业提升客户体验。同时,推出数字员工平台天璇AI Copilot,帮助企业客户快速落地生成式人工智能场景。

多年来,深市人工智能产业公司积极借助资本市场融资发展,逐渐成为产业的中坚力量。如,软通动力去年3月首次公开发行募集资金46.30亿元,用于交付中心扩建、行业数字化转型产品及解决方案项目等;中科创达去年9月非公开发行募集资金31亿元,用于整车操作系统研发、边缘计算站研发等项目。此外,近五年来,深市八成人工智能产业上市公司通过并购重组、与专业机构合作投资等方式进行产业整合;超过八成人工智能产业上市公司实施过股权激励计划,均高于A股整体水平。

 

\

 

投资标的存在准确性、通用性和成本“不可能三角”,在软硬件领域均有发展前景

生成式人工智能是今年创投领域的热门赛道。数据显示,2023年上半年,国内生成式人工智能投融资金额超过1000亿元,超过2022年全年的96亿元。其中单笔过亿元融资有18笔。在此背景下,与会投资机构分享了对该领域未来投资方向的思考。

与会投资机构代表指出,行业存在准确性、通用性、成本“不可能三角”。对于兼顾准确性和通用性的大模型,其训练成本较高。ChatGPT的单次训练成本高达1200万美元,新版本的大模型训练成本更高。OpenAI的融资金额超过100亿美元,为其提供训练资金。对于兼顾准确性和成本的大模型,其较难兼顾多个细分领域,通用性不足。对于兼顾通用性和成本的大模型,其较难深入调试和快速迭代模型,准确性较难保障。

当前,随着大模型垂直应用不断扩展,大模型在细分领域的应用前景值得关注。大模型是下一代的浪潮,未来将在更多的应用场景落地,并与其他模型交织,极大地提高生产力,在软件硬件方面带来潜在的投资机会。软件方面,可以关注将大模型技术用于效率提升工具的开发,例如文档自动生成、工作流程的改进、SaaS软件的优化等。硬件方面,大模型可以与前端硬件协同工作。大模型将带来更多的交互信息,赋能机器设备的智能化,推动智能机器人和车辆发展,助力元宇宙相关硬件发展,甚至产生新的硬件形态。大模型在优化设计、简化参数后,具有在手机等移动设备上的运行潜力,将推动移动端的算力进步,促进相关设备升级换代。

此外,在大模型领域的投资中,与会投资机构还关注以下三方面:一是需求侧是否是刚需,该行业需对数字化转型和效率提升有硬性需求,企业或者用户愿意为相关大模型的应用持续投入资金。二是能否带来新的效率革命性提升,大模型的应用需大幅提高生产效率或降低人力成本,具有建立“杀手级”应用的潜力。三是是否存在行业壁垒,企业需要在该细分领域拥有“护城河”,能够获得行业的私域数据,与上下游企业建立紧密的生态关系。

分享到: 更多

[错误报告] [推荐] [收藏] [打印] [返回顶部]

  • 验证码: