摘要：ChatGPT快速渗透， AI产业迎发展新机ChatGPT是由OpenAI公司开发的人工智能聊天机器人程序， 于2022年11月发布， 推出不久便在全球范围内爆火。 根据World of Engineering数据显示， ChatGPT达到1亿用户量用时仅2个月， 成为史上用户增长速度最快的消费级应用程序。 与之相比， TikTok达到1亿用户用了9个月， Instagram则花了2年半的时间。 从用户体验来看， ChatGPT不仅能实现流畅的文字聊天， 还可以胜任翻译、 作诗、 写新闻、 做报表、 编代码等相对复杂的语言工作。ChatGPT爆火的背后是人工智能算法的迭代升级。 ChatGPT是基于GPT-3.5微调得到的新版本模型， 能够借助人类反馈的强化学习（RLHF） 技术来指导模型训练， 实现模型输出与人类预期的需求， 使对话内容更加人性化和富有逻辑性。 从2008年第一代生成式预训练模型GPT-1诞生以来， GPT系列模型几乎按照每年一代的速度进行迭代升级， 未来随着大语言模型（LLM） 技术的不断突破， AI相关应用有望加速落地， AI产业或将迎来新一轮发展机遇。ChatGPT激起AI浪潮，大算力芯片迎来产业机遇ChatGPT是生成式人工智能技术（AIGC） 的一种， 与传统的决策/分析式AI相比， 生成式AI并非通过简单分析已有数据来进行分析与决策， 而是在学习归纳已有数据后进行演技创造， 基于历史进行模仿式、 缝合式创作， 生成全新的内容。 AIGC的应用非常广泛， 包括自然语言生成、 图像生成、 视频生成、 音乐生成、 艺术创作等领域。AIGC产业链主要分为上游算力硬件层、 中游数据/算法软件层和下游行业应用层。 硬件层依靠高性能AI芯片、 服务器和数据中心为AIGC模型的训练提供算力支持， 是承载行业发展的基础设施；数据/算法层软件层主要负责AI数据的采集、 清洗、 标注及模型的开发与训练， 多方厂商入局自然语言处理、 计算机视觉、 多模态模型等领域；行业应用层目前主要涉及搜索、 对话、推荐等场景， 未来有望在多个行业呈现井喷式革新。多模态赋能下游行业智慧化升级多模态大模型有望成为AI主流， 赋能下游行业智能升级。 生成式AI主要依赖于人工智能大模型， 如Transformer、 BERT、GPT系列等。 这些模型通常包含数十亿至数万亿个参数， 需要庞大的数据集进行训练， 致使AI算力的需求也呈现出指数级的增长。 多模态是一种全新的交互、 生成模式， 集合了图像、 语音、 文本等方式， 因其可以结合多种数据类型和模态的学习，将有望彻底改变我们与机器互动的方式， 快速占据人工智能主导地位。 我们认为多模态大模型长期来看不仅可以从成本端降本增效， 需求端也将通过快速渗透推广为下游行业带来持续增长需求， 从而快速推动下游行业智慧化应用升级。模型更新升级带动下游行业不断发展从GPT-1到ChatGPT， 模型参数与训练数据量不断增加， 所需算力资源不断提升：GPT-1：最早的GPT模型之一， 包含了1.17亿个参数， 预训练数据量约为5GB。GPT-2：参数数量达到了1.5亿个， 预训练数据量达40GB。GPT-3：是目前为止最大的语言模型之一， 包含了1750亿个参数， 预训练数据量为45TB。ChatGPT：基于GPT-3模型的变种之一， 参数量预计与GPT-3相近。GPT-4性能提升显著， AIGC应用市场空间广阔多模态模型是实现人工智能应用的关键。 3月14日OpenAI发布GPT-4多模态大模型， 拥有1） 强大的识图能力； 2） 文字输入限制提升至2.5万字； 3） 回答准确性显著提高； 4） 能够生成歌词、 创意文本、 实现风格变化。 在各种专业和学术基准上，GPT-4已具备与人类水平相当表现。 如在模拟律师考试中， 其分数在应试者前10%， 相比下GPT-3.5在倒数10%左右。 多模态大模型在整体复杂度及交互性上已有较大提升， 模型升级有望加速细分垂直应用成熟， 赋能下游智慧化升级， 带动需求快速增长。AIGC下游市场渗透率低， 增长空间广阔。 根据 Gartner数据， 目前由人工智能生成的数据占所有数据的 1%以下， 预计2023年将有 20%的内容被生成式AI 所创建， 2025 年人工智能生成数据占比将达到 10%。 根据前瞻产业研究院数据， 2025年中国生成式商业AI应用规模将达2070亿元， CAGR（2020-2025） 为84.06%。

免责声明：
1.本站部分作品是由网友自主投稿和发布、编辑整理上传，对此类作品本站仅提供交流平台，不为其版权负责。
2.如发布机构认为违背了您的权益，请与我们联系，我们将对相关资料予以删除。
3.资源付费，仅为我们搜集整理和运营维护费用，感谢您的支持！

合集服务：
单个细分行业的合集获取请联系行研君：hanyanjun830