关于的一些解读
阅读蕴藏着无尽可能，有益于明理、增信、崇德、力行，让人生绽放光彩。
在近10 年 AI 发展的前两个阶段，人工智能的进展更多体现在基于规模的技术突破，如 2015-2020 年，用于模型训练的计算量增长了 6 个数量级，同时随着规模的增大，输出结果的质量亦迎来质变，在语言文字、书写、图像识别等领域皆表现出超越人类的水平。但在实用层面，由于所需要的算力巨大，往往需要特殊的 GPU 配置，同时训练过程相对封闭，大多数人并无法使用，因此技术无法被多数人触达。而人工智能的第三个阶段，随着更新的技术、更优的算法、更大的模型出现，算力的成本越来越低，使得模型训练与运行所需成本持续下降，
而算法从封闭测试到开放测试、开源的逐渐普及，亦降低了使用门槛。由此人工智能无论在经济性与可获得性上都达到了支持普及的水平。得益于AIGC 基础设施可获得性的逐步提高，平台层变得更加稳固，算力成本持续下探，模型逐渐趋于开源与免费，应用层爆发式发展的节点正在靠近
目前我们正经历从Web2.0 开始向Web3.0 转型的启航阶段，我们已经看到内容创造从专业创作（PFC）转型为了用户创作（UGC）。而 Chat-GPT 的出现以及中短期内的产业化落地将会为从用户创作（UGC）到 AI 创作（AIGC）的转型提供关键的辅助支持。结合 Chat-GPT的底层技术逻辑，我们认为 Chat-GPT 中短期内产业化的方向主要分为四大板块。1）Chat-GPT 对于文字模态的 AIGC 应用具有重要意义，在归纳性的文字类工作中展现出了其优异的表现。中短期内 Chat-GPT 能在办公辅助类工具中迅速落地，例如会议总结、文件翻译、例行报告等，提升办公效率并节省人力成本。
代码开发相关的工作更加规整也非常适合AI 辅助生成。2021 年中与、微软合作上线的 是目前最成熟的 AI 代码补全工具，根据 数据，测试一年来已有 120 万用户，这些用户编写的代码中 40%是由 自动生成，而截至 2022 年 10 月， 已经融资 2200 万美元。Chat-GPT在目前测试中表现出的代码生成能力相比于 更加灵活，但欠缺一些底层的稳定性。在进行针对性的优化后，基于新 GPT 模型的 AI 代码辅助工具也有望在中短期内落地。3）图像生成领域成为了 2022 年下半年一级市场公司布局的热点，随着 的热度，在商稿方面用 AI 取代人类画手的思路基本明确。
GPT 模型在图像生成领域目前效果略逊于扩散模型，但扩散模型可以利用Chat-GPT 生成较佳的 ，对于 AIGC 内容和日趋火热的艺术创作，提供强大的文字形态的动力。4）Chat-GPT 最适合直接落地的项目就是智能客服类的工作。根据模型现有的完成度，在垂直行业针对性的做人工反馈训练，Chat-GPT 就可以落地为智能客服产品，在 toC 场景中率先应用。对比目前的智能客服，Chat-GPT 支撑的客服将在灵活性与人性化服务方面有显著的进步。
关于
1、：更智能的 AI 对话交互工具
是由 公司于 2022 年 11 月发布的聊天机器人模型，可以通过对话形式实现交互，能够回答连续问题，承认错误，质疑不正确的前提，并拒绝不合理的需求。 的对话互动可以实现普通聊天、信息咨询、撰写诗词作文、修改代码等，由于更类人的智能化表现， 推出后受到广泛关注，上线不到一周用户量突破 100 万。2023 年 1 月，微软 CEO 表示计划将 等人工智能工具整合到所有产品中，并作为平台提供给其他企业使用。 和亚马逊也在探索 应用场景。
GPT 引入新的模型训练方法，AI 行业发展有望加速GPT通过为基础的预训练语言模型，此前已公布GPT-1、GPT-2、GPT-3 三个模型， 是对 GPT-3 模型（又称为 GPT-3.5）微调后开发出来的对话机器人。 引入了 RLHF（基于人类反馈的强化学习）方法，
方法分为三个步骤：1）有监督的调优：预训练的语言模型在少量已标注的数据上进行调优，以学习从给定的 列表生成输出的有监督的策略（SFT 模型）；2）模拟人类偏好：标注者们对相对大量的 SFT 模型输出进行投票，创建一个由比较数据组成的新数据集，训练奖励模型（RM）；
3）近端策略优化（PPO）：使用 RM 作为强化学习的优化目标，利用 PPO算法微调 SFT 模型。我们认为， 的成功展示出 AI 大模型的应用潜力，新方法的引入有望加速 NLP 算法及 AI 行业发展。
3、巨头坚定投入，开启 AI 新浪潮2023 年 1 月 18 日，微软宣布将于 3 月底前在全球裁员 1 万人，约占员工总数的 5%；1 月 23 日微软在其官方博客宣布，已与 扩大合作伙伴关系，微软将向 进行一项为期多年、价值数十亿美元的投资，以加速其在人工智能领域的技术突破，此前微软已分别于 2019 年和 2021 年对 进行投资1 月 20 日，谷歌母公司 宣布将裁员约 1.2 万人，占该公司员工总数的 6%以上，同时谷歌 CEO 表示，公司将会进一步聚焦AI 技术核心业务的研发投入。我们认为，微软、谷歌、亚马逊等全球巨头坚定投入 AI，展现出 AI 应用广阔的发展前景，AI 行业有望开启新发展浪潮。
Chat-GPT 的成功，是在前期大量坚实的工作基础上实现的，不是横空出世的技术跨越。这些进步主要来自于数学层面上的优化带来的结果匹配精准度提高，而并非算法真正为 AI 带来了创造性与完整的逻辑性，也不是能够从训练的数据中学习到新的知识。它在“解锁”（）和挖掘 GPT3 学到的海量数据中的知识和能力，但这些仅通过快速的In- 的方式较难获得。 找到了一种面向主观任务来挖掘 GPT3 强大语言能力的方式。因此从这样的底层技术逻辑出发，我们能迅速找到中短期内适合 Chat-GPT的产业化方向：一个真正全方位的智能内容生成助手。
Chat-GPT 的成功证明了两点：1）单纯扩大模型参数并非唯一出路；2）让模型在早
期开放给大众测试并收集人类反馈数据更有利于模型迭代。之前两个阶段，人工智能的进展更多体现在基于规模的技术突破，如2015-2020 年，用于模型训练的计算量增长了 6 个
数量级，同时随着规模的增大，输出结果的质量亦迎来质变，在语言文字、书写、图像识别等领域皆表现出超越人类的水平。但在实用层面，由于所需要的算力巨大，往往需要特
殊的GPU 配置，同时训练过程相对封闭，大多数人并无法使用，因此技术无法被多数人触达。而人工智能的第三个阶段，随着更新的技术、更优的算法、更大的模型出现，算力的成本越来越低，使得模型训练与运行所需成本持续下降，而算法从封闭测试到开放测试、开源的逐渐普及，亦降低了使用门槛。由此人工智能无论在经济性与可获得性上都达到了支持普及的水平。
互联网巨头接连曝光 布局动态，华为下周或也有大动作，行业可能迎来格局骤变据21财经8日报道，阿里达摩院正在研发类的对话机器人，目前已开放给公司内员工测试。从曝光截图来看，阿里巴巴可能将Al大模型技术与钉钉生产力工具深度结合。受此影响，阿里巴巴盘前涨近2%。
此外，据上证报报道，接近百度人士透露，此次项目文心一言落地，首站将直接接入百度搜索。另外今日早些时候消息称，网易有道未来或将推出同源技术产品，应用场景围绕在线教育。
另据中国证券报了解，腾讯也有相关技术储备，包括Al大模型、机器学习算法以及NLP等领域。腾讯混元Al大模型团队推出了万亿级别中文NLP预训练模型-NLP-1T,该模型已落地于腾讯广告、搜索、对话等内部产品并通过腾讯云服务外部客户。
除了巨头动作外，2月13日，北京市科委、中关村管委会等携手华为、中关村发展集团、百度等联合举办北京人工智能产业创新发展大会。大会将发布人工智能基础模型、展示领先技术、分享客户及伙伴的优秀商业实践和成果等。
国联证券研报指出，科技公司纷纷涌入AIGC赛道，AIGC头部初创公司OpenA最新估值约为290亿美元，作为行业领域领先的模型在对话机器人、智能创作等领域应用广泛，亚马逊、微软、等公司已经开启商业化之路，商业化前景广阔。
财通证券也表示，是AIGC技术进展的里程碑，该模型使得利用人工智能进行内容创作的技术成熟度大幅提升，有望成为新的全行业生产力工具，提升内容生产效率与丰富度。部分行业如搜索引擎、文稿创作、艺术设计等可能出现行业格局与商业模式的骤变，全行业
“Al+*浪潮已至。而数据、算力、算法作为Al三要素，相互耦合，共同促进，将带动Al行业整体协同发展。
Chat-GPT 的出现所带来的内容生成能力将会为当今从用户创作（UGC）到 AI 创作
（AIGC）的转型提供关键的辅助支持。目前我们正经历从 Web2.0 开始向 Web3.0 转型的
启航阶段，在过去五年我们已经看到内容创造从专业创作（PFC）转型为了用户创作（UGC）。
在UGC 阶段，随着消费者定制化需求越来越高，消费者本身亦参与内容的生产，并伴随
着互联网的兴起，智能手机的普及，、 等平台涌现，UGC 成为了内容
生产的主流模式。而在不远的将来，AI 协助内容生成（AIUGC）与 AI 创作（AIGC）将为我们提供更低的创作门槛以及更丰富的创作思路。在这两个阶段中。内容生产主体从人类
本身开始向人工智能迁移，主要区别体现在内容的生产效率、知识图谱的多样性以及提供
更加动态且可交互的内容上。人脑只能基于自己的知识图谱进行少数方向的信息处理，而
AI 能从更庞大的知识体系中进行多个方向的处理，进而提供更多的创作思路。 预
计，到2025 年，生成式人工智能将占所有生成数据的 10%。
投资策略：Chat-GPT 模型的亮眼表现的背后是研究者在 模型前进的道路上发现了类反馈强化学习这一方法带来的潜力，对产业界 AI 的发展而言，数据质量的优化、AI 研究人员的储备与计算能力将是未来能否走在 AI 应用前沿的核心能力。Chat-GPT 的成功证明了 模型并非陷入困境，不断的AI 技术方法上的新突破正驱动全球 AI 产业进入加速发展阶段，叠加 AI 产业集群效应的不断凸显，AI 产业有望成为全球科技领域中期最具投资价值的产业赛道之一。AI 产业有望继续保持“芯片+算力基础设施+AI 框架&算法库+应用场景”的稳定产业价值链结构，拥有完整数据闭环结构、良好数据自处理能力的企业有望持续成为产业受益者。重点推荐：特斯拉、英伟达、AMD、高通、微软、谷
投资建议：Chat-GPT 模型的亮眼表现的背后是研究者在 模型前进的道路上发现了类反馈强化学习这一方法带来的潜力，对产业界而言，数据质量的优化、AI 研究人员的储备与计算能力将是未来能否走在 AI 应用前沿的核心能力。Chat-GPT 的成功证明了 模型并非陷入困境，不断的 AI 技术方法上的新突破正驱动全球 AI 产业进入加速发展阶段，叠加 AI 产业集群效应的不断凸显，AI 产业有望成为全球科技领域中期最
具投资价值的产业赛道之一。AI 产业有望继续保持“芯片+算力基础设施+AI 框架&算法库+应用场景”的稳定产业价值链结构，拥有完整数据闭环结构、良好数据自处理能力的企业有望持续成为产业受益者。
在 引领下， AI 产业加速发展，围绕算力、算法、数据 AI 产业三要素，推荐科大讯飞、海天瑞声、景嘉微（与电子团队联合覆盖），建议关注拓尔思、格灵深瞳-U、云从科技-UW、寒武纪-U、光云科技、虹软科技、当虹科技
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；全球云计算市场发展不及预期风险；企业数据泄露、信息安全风险；行业竞争持续加剧风险等。
注:（免责申明）本文仅为个人笔记，内含个股仅仅是作为分析参考，不能作为投资决策的依据，不构成任何建议，据此入市风险自担。股市有风险，投资需谨慎！
知音难觅，也是人生常态，一曲众寡，尽管少有人懂，但是我自有我的风采
发表回复