算法的核心壁垒
(1) 庞大的数据训练数据， 往往意味着模型精准度的上升； 数据量大，往往意味着数据特征维度大，模型的参数越复杂，训练数据维度跟算力指数呈现正相关，算力成本高。
(2)底层算法 ， 相较于传统神经网络综合特征提取能力、远距离特征捕获能力、语义特征提取能力，全部明显增强，正逐步取代 RNN(循环神经网络)。
(3) AI 预训练模型(大模型)， 本质是“大算力+强算法” 结合的产物，对自然语言理解能力明显上升，谷歌 BERT 模型就是典型跨时代的例子，我们认为其是 AIGC 的初始应用算法。
(4)多模态数据协同，极大推动 AIGC 的内容多样性与通用性，让 AIGC 不只局限于文本和图像等单个部分，而是多应用相容。不同类别 AIGC 算法比对
1、 : 训练模型为强化学习近端策略优化，可以理解成在“人脑思维”的基础上加入了“人类反馈系统”，是一种奖励模型，拥有 175B 参数，训练数据为语言文本。
2、 LaDMA(谷歌 Bard): 参数方面为 137B，奖励模型是人类评分机制，训练数据为对话数据。
3、图神经网络(GNN)作为科学领域预训练模型(大模型)备受瞩目，强大之处在于数据结构，其应用广阔例如推荐系统、药物发现、合成物发现、芯片设计等众多科学前沿领域。
国产 生态正在形成
百度是少有预训练模型(大模型)语言训练能力的公司，已经经历多次迭代， 参数方面，模型基于 ERNIE 3.0，拥有千亿级参数。 预训练方面，具备海量知识沉淀和丰富场景的文心大模型， 跨模态方面，已有地理-语言、视觉-语言、语音-语言等模型架构，已覆盖众多方向，例如自然语言处理、机器视觉等其他重大任务，此外， 根据 IDC 数据，目前已有近百万开发者使用文心大模型，生态正在逐步繁荣，合作厂商覆盖科技、教育、工业、媒体、金融等诸多产业。
投资建议： 关注鸿蒙 OS 的生态伙伴
我们认为 AIGC 的出世会产生革命性的影响，同时有望赋能千行百业。我们梳理了三条路径图，积极的推荐以下三条投资主线1)具备算力基础的厂商，受益标的为寒武纪、商汤、海光信息、浪潮信息、中科曙光、景嘉微、联想集团、紫光股份、龙芯中科；
2)具备 AI 算法商业落地的厂商，重点推荐科大讯飞、拓尔思，其他受益标的为:汉王科技、海天瑞声、云从科技；
3) AIGC 相关技术储备的应用厂商，受益标的为: 百度、同花顺、三六零、金山办公。
风险提示
核心技术水平升级不及预期的风险； AI 伦理风险； 政策推进不及预期的风险； 中美贸易摩擦升级的风险。
相关文章
