ChatGPT在全球AI产业的示范效应和未来发展
本文探讨了ChatGPT在全球AI产业中的示范效应和未来发展，以及大语言模型的技术路线、核心竞争壁垒、算力成本等方面。同时也分析了插件接口等增强语言模型的方式，以及存在的风险因素。最后提出了投资策略建议。
技术路线
大语言模型（LLM）有望实现主导，并不断向GPT方案靠拢。在过去近10年里，人工智能模型经历了从小模型到以Transformer为代表的大模型的转变，我们根据行业发展的历史总结为以下四个阶段。
- 2017年前，以深度学习为核心的小模型占据主流。
- 2017年到2020年，以谷歌Bert为代表的双向预训练+FineTuning（微调）的Transformer模型横空出世成为了人工智能的主流方向。
- 2020年到2022年，产业界与学术界继续沿着Transformer的道路前景，但开始尝试不同于Bert的其他Transformer架构。
- 2022年至今，ChatGPT的成功证明了GPT模型的Prompting道路的正确性。
竞争壁垒
数据、工程实践、人才、资本等是大模型研发领域的核心竞争壁垒。优质的私有数据源将在未来3-5年里人工智能模型的精度优化上发挥更重要的作用。大量的前期资本投入是阻碍新入者的重要因素。研发团队的工程能力是决定公司在大语言模型竞争力的另一个重要因素。
算力成本
单位成本持续保持快速下降趋势。根据我们之前系列报告的测算，尽管人工智能模型的总研发投入持续在提高，但主要原因来自于模型体积的倍数式增长，而人工智能模型的单位成本保持下降趋势。
未来展望
通过插件等扩展大语言模型（LLM）能力边界。小公司可以通过微调的形式服务垂直领域的需求。插件接口这一模式简化了小公司对大语言模型微调的难度，并丰富了基于大语言模型之上的环境生态。同时通过复杂问题分解、链接外部知识&工具（比如插件）等增强语言模型方式，亦能有效解决现有大语言模型在问答可靠性、信息及时性等方面的固有缺陷。
风险因素
AI核心技术发展不及预期风险；科技领域政策监管持续收紧风险；全球宏观经济复苏不及预期风险；宏观经济波动导致欧美企业IT支出不及预期风险；AI潜在伦理、道德、用户隐私风险；企业数据泄露、信息安全风险；行业竞争持续加剧风险等。
投资策略
ChatGPT在全球AI产业、技术领域带来的良好示范效应，有望推动AI算法模型结束当前的技术路线分叉，并不断向以GPT为主导的大语言模型（LLM）靠拢。中期维度，大语言模型+“暴力美学”预计仍将是我们不断逼近通用人工智能的最可能路线。我们持续看好全球AI领域的投资机会，并建议持续聚焦芯片、算力设施、模型架构&工程实践、应用场景等核心环节。
微信扫码咨询 
相关工具 
