从CHAT-GPT到生成式 AI（Generative AI ）： 人工智能新范式，重新定义生产力证券研究报告 行业深度报告 发布日期： 2023年1月29日 本报告由中信建投证券股份有限公司在中华人民共和国（仅为本报告目的，不包括香港、澳门、台湾）提供，由中信建投（国际）证券有限公司在香港提供。同时请参阅最后一页的重要声明。分析师：武超则 wuchaoze@csc.com.cn SAC编号：S1440513090003 SFC编号：BEM208分析师：杨艾莉 yangaili@csc.com.cn SAC编号：S1440519060002 SFC编号：BQI330 研究助理：杨晓玮 yangxiaowei@csc.com.cn 1 核心观点 近期人工智能研究公司 OpenAI推出的聊天机器人模型 CHAT -GPT不断出圈，据Semafor 援引知情人士报道 ，微软正商谈以 290亿美元估值 ，向OpenAI 投资 100亿美元，一切 均指向人工智能模型的新范式 “生成式 AI模型（Generative Model）”。 此前的决策式 AI模型（Discriminant Model）是根据已有数据进行分析 、判断、预测，典 型应用为内容的智能推荐 （短视频）、自动驾驶等；而生成式 AI更强调学习归纳后进行演 绎创造，生成全新的内容 ，本质是对生产力的大幅度提升和创造 ，已催生了营销 、设计、 建筑和内容领域的创造性工作 ，并开始在生命科学 、医疗、制造、材料科学 、媒体、娱乐、 汽车、航空航天进行初步应用 ，为各个领域带来巨大的生产力提升 。 2 前言：微软，百亿美金级别的选择（ 1） 资料来源 ：微软， Semafor ，The information ，中信建投继2019年向OpenAI注资10亿美元之后 ，微软与 OpenAI的合作进入第三阶段 。 此前据 Semafor 援引知情人士报道 ，微软正商谈以 290亿美元估值 ，向OpenAI投资 100 亿美元。2019年，微软即开始与 OpenAI进行合作 。到了2021年，微软向 OpenAI投资10亿 美金。 根据微软对外的声明 ，在与OpenAI新的合作阶段中 ，微软将有以下计划 Supercomputing at scale ：微软将增加对专业超算系统开发和部署的投资，以加速 OpenAI突破性的独立 AI研究。微软还将继续构建 Azure的AI基础结构，以帮助客户在 全球范围内构建和部署各自的 AI应用程序。 New AI -powered experiences ：微软将在其消费者和企业产品中部署 OpenAI模型， 并引入基于 OpenAI技术的新型数字体验。包括微软的 Azure OpenAI服务，该服务使 开发人员能够通过直接访问 OpenAI模型来构建尖端的 AI应用程序。 Exclusive cloud provider ：作为OpenAI的独家云供应商， Azure将为OpenAI在研 究、产品和 API服务中的所有工作负载提供支持。 此外据媒体报道 ，微软还计划将 ChatGPT 整合进旗下搜索引擎必应 （Bing），提高必应 在搜索引擎市场的市占率；同时 Chat -GPT功能引入 Office，用于部分文本的生成和问答 。 3 前言：微软，百亿美金级别的选择（ 2） 资料来源 ：微软， OpenAI，中信建投OpenAI表示，来自微软的投资将使 其能独立研究开发出更安全 、有用和强大的 AI。 根据微软对外的声明 ，此前其与 OpenAI的合作已取得一定成绩 ，并将继续向前 自2016 年以来，微软致力于将 Azure 打造成世界级 AI 超级计算机，微软和 OpenAI 推动了云超级计算技术的前沿，在 2020 年推出其第一台 Top-5 超级计算机，随后大 规模构建了多个 AI 超级计算系统。 OpenAI使用此基础结构来训练其突破性模型，这 些模型现已部署在 Azure 中，以支持 GitHub Copilot 、DALL· E 2 和ChatGPT 。 双方的创新激发了人们的想象力，并将大规模人工智能作为一种强大的通用技术平台 引入，这将在个人计算机、互联网、移动设备和云的规模上产生变革性的影响 。 4 目录 第二章第一章 AI：从判别决策到创造生成 生成式 AI：范式升级 ，应用多元 第三章 生成式 AI应用：内容制作 ，从辅助人到 “替代”人 第五章 海内外发展：多家科技巨头 、初创公司积极布局第四章 生成式 AI应用：多行业垂直应用 第六章 综合应用：游戏行业的案例 5 蒸汽机电力信息技术人工智能 大数据1.1 AI正在推动第四次工业革命，进一步提升生产力 资料来源 ：世界银行，联合国教科文组织，科学的历程，中信建投18世纪 19-20世纪 20世纪后期 21世纪-第一次工业革命第二次工业革命第三次工业革命 第一次信息革命第四次工业革命 第二次信息革命 •机器替代人力 •大规模工业生产替代 个体手工生产•电能成为主要能源 ， 社会生产力远超蒸汽 时代 •动力提高：发动机 、 电动机等 •信息传输效率提高： 电报、无线电通讯等•原子能、电子计算机 和空间技术的发展 ， 其中电子计算机为核 心 •电子计算机替代部分 脑力劳动 ，少部分模 拟人的智能活动•人工智能 、物联网、 生物技术等 •人工智能为主要驱 动力，数据成为重 要的生产要素 •决策式 AI：实现分 析功能 •生成式 AI：实现创 造性功能 6 1.2 AI：从决策到 生成，AI技术与应用迎来跨越发展 资料来源 ：Dynabench : Rethinking Benchmarking in NLP, Google Scholar, indigox.me ，公司官网，中信建投2011年以前 2012年至今前神经网络 专家系统 概率推论 神经网络 基础模型 大规模模型 AI学科成立1956 感知器模型 解答特定领域 的问题1980s Prolog & Lisp 专家系统 机器语言翻译2014 GAN 生成图像但 分辨率不高生成式 AI急速发展 决策式 /分析式 AI时代 1990s 机器学习算法 IBM 沃森 益智问答 打败人类2011 大数据 推荐算法 2012 DNNs 物体识别 自动驾驶2017 Transformer 能够完成 大多数 NLP任务2020 GPT-3 网络结构进化 为后续大型模 型打下基础 1994 GroupLens 首个自动 化推荐系统2021 CLIP 由文本生成 的高清具有 独创性图像 AI绘画2022 DALL· E2 以40亿个文 本-图像对为 训练数据 实现文本到 图像跨模态 2014人类平均水平线 AI的急速发展使得 AI模型在手写识别、语音识 别、图像识别、阅读理解、语言理解等领域的 表现加速超越人类平均水平 7 1.3 AI：决策式 AI与生成式 AI对比 类型 决策式AI 生成式AI 技术路径已知数据分别求解输出类别标签，区分不 同类型数据 ,例如将图像区分为猫和狗分析归纳已有数据后创作新的内容，例如生成 逼真的猫或狗的图像 成熟程度技术成熟，应用广泛，辅助提高非创造性 工作效率2014年开始快速发展，近期发展速度呈指数级 爆发，部分领域应用落地 应用方向 推荐系统、风控系统、决策智能体等 内容创作、科研、人机交互以及多个工业领域 应用产品人脸识别、精准广告推送、金融用户评级、 智能辅助驾驶等文案写作、文字转图片、视频智能配音、智能 海报生成、视频智能特效、代码生成、语音人 机交互、智能医疗诊断等AI模型可大致分为决策式 /分析式 AI（Discriminant/Analytical AI）和生成式 AI（Generative AI）两类。 决策式 AI：学习数据中的条件概率分布 ，根据已有数据进行分析 、判断、预测，主要应用模型有用于推荐系 统和风控系统的辅助决策 、用于自动驾驶和机器人的决策智能体 。 生成式 AI：学习数据中的联合概率分布 ，并非简单分析已有数据而是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 ，生成了全新的内容 ，也能解决判别问题 。 表：决策式 AI与生成式 AI对比 资料来源 ：Learn Open CV ，海外独角兽，中信建投