证券研究报告·行业深度报告 从CHAT-GPT到生成式AI (Generative Al) : 人工智能新范式， 重新定义生产力 发布日期：2023年1月29日 核心观点 近期人工智能研究公司OpenAl推出的聊天机器人模型CHAT-GPT不断出圈，据Semafol 援引知情人士报道，微软正商谈以290亿美元估值，向OpenAl投资100亿美元，一切 均指向人工智能模型的新范式“生成式Al模型（Generative Model) >此前的决策式Al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。 前言：微软，百亿美金级别的选择（1） >继2019年向OpenAl注资10亿美元之后，微软与OpenAl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OpenAl投资100 亿美元。2019年，微软即开始与OpenAl进行合作。到了2021年，微软向OpenAl投资10亿 美金。 >根据微软对外的声明，在与OpenAl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 OpenAl突破性的独立Al研究。微软还将继续构建Azure的Al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 Al-poweredexperiences：微软将在其消费者和企业产品中部署OpenAl模型， 并引 入基于OpenAl技术的新型数字体验。包括微软的Azure OpenAl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OpenAl的独家云供应商，Azure将为OpenAl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。 2 资料来源：微软，Semafor，Theinformation，中信建投 前言：微软，百亿美金级别的选择（2) >OpenAl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 Al。 >根据微软对外的声明，此前其与OpenAl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Al超级计算机，微软和 OpenAl 规模构建了多个Al超级计算系统。OpenAl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。 资料来源：微软，OpenAl, 中信建投 目录 第一章 AI：从判别决策到创造生成 第二章 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 第四章 生成式AI应用：多行业垂直应用 第五章 海内外发展：多家科技巨头、初创公司积极布局 第六章 综合应用：游戏行业的案例 1.1AI正在推动第四次工业革命，进一步提升生产力 第四次工业革命 第二次信息革命 第三次工业革命 人工智能 生产力不断提升 第一次信息革命 大数据 信息技术 人工智能、物联网、 第二次工业革命 原子能、电子计算机 生物技术等 和空间技术的发展， 人工智能为主要驱 其中电子计算机为核 电力 动力，数据成为重 心 第一次工业革命 要的生产要素 电能成为主要能源， 电子计算机替代部分 社会生产力远超蒸汽 决策式AI：实现分 脑力劳动，少部分模 时代 析功能 蒸汽机 拟人的智能活动 生成式AI：实现创 动力提高：发动机、 机器替代人力 电动机等 造性功能 大规模工业生产替代 信息传输效率提高： 个体手工生产 电报、无线电通讯等 18世纪 19-20世纪 20世纪后期 21世纪- 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 1.2AI：从决策到生成，AI技术与应用迎来跨越发展 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 2012年至今 2011年以前 决策式/分析式AI时代 生成式AI急速发展 2014 GAN 生成图像但 2017 2020 2021 2022 2011 Transformer GPT-3 CLIP 分辨率不高 DALL -E2 1956 1980s 1990s 大数据 感知器模型 Prolog & 机器学习算法 2012 DNNS Lisp IBM沃森物体识别 能够完成 由文本生成 网络结构进化 以40亿个文 为后续大型模 大多数 本-图像对为 的高清具有 益智问答 专家系统 打败人类 型打下基础 NLP任务 训练数据 独创性图像 自动驾驶 实现文本到 openAI 图像跨模态 AI绘画 1994 AI学科成立 解答特定领域 GroupLens 的问题 首个自动 0.2 →MNIST +SQUAD2.0 GPT-3 GLUE SQUAD11 Switchboard 化推荐系统 0.0 人类平均水平线 0.2 Robot 推荐算法-0.4 amazon-0.6 机器语言翻译 AI的急速发展使得AI模型在手写识别、语音识 0.8 别、图像识别、阅读理解、语言理解等领域的 G Google 向字节跳动 表现加速超越人类平均水平 Translate 2014 2000 2005 2010 2015 2020 资料来源：Dynabench:RethinkingBenchmarkinginNLP,GoogleScholar,indigox.me， 公司官网，中信建投