全球人工智能AI行业系列报告2：从ChatGPT看生成式人工智能AIGC产业机遇与落地场景-230119（19页）.pdf

1、从Chat-GPT看生成式人工智能AIGC产业机中信证券遇与落地场景CITICSECURITIES全球人工智能AI行业系列报告212023.1.19中信证券研究部核心观点属（O5D）半写工压X果水实要子引礼轻轻照要于区公原王经上a5-eo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可能包括：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极其优异的表现。2）代码开发相关的工作更加规整非常适合AI辅助生成。3）图像生成领域：GPT模型在图像生成领域目前效果略逊于扩散模型，但扩散

2、模型可以陈俊云利用Chat-GPT生成较佳的Prompt，提供强大的文字形态的动力。4）智能客前瞻研究首席分析服类的工作。Chat-GPT的成功证明了Transformer模型并非陷入困境，不断师的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S1010517080001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受益者。持续推荐：特斯拉、英伟达、AMD、高通等。报告缘起：Chat-GP

3、T引来新一轮AI大热，探索产业化可能性。OpenAI团队最新公布的语言模型Chat-GPT于2022年11月30日向社区发布测试，并立即许英博收到了良好的反馈。从测试反馈的结果看，相比于前一代的GPT-3，Chat-GPT科技产业首席分析以对话为载体，可以回答多种多样的日常问题，对于多轮对话历史的记忆能力和师篇幅增强。与GPT-3等大模型相比，ChatGPT回答更全面，可以多角度全方S1010510120041位进行回答和闸述，相较以往的大模型，知识被挖掘得更充分。Chat-GPT的强势“出圈”引来了对其未来可能的产业化方向的一系列测试，从测试结果来看，在归纳性文字、创作性文字、代码修改、科研

4、辅助以及其它领域Chat-GPT均表现出了前代所没有的优点。对话式AI开始能在大范围、细粒度问题上给出普遍稳妥的答案，并根据上下文形成有一定的逻辑性的创造性回答。本篇报告将关注刘锐Chat-GPT背后的技术逻辑以及对AI产业链的整体影响以及产业化落地可能性。前暗研究分析师技术逻辑：GPT-3.5基础上基于人类反馈学习进行额外训练，给出了S1010522110001Transformer模型未来的发展方向。OpenAI团队从GPT-3.5系列中的一个模型进行微调，使用与InstructGPT相同的方法，即人类反馈强化学习（RLHF）训练该模型，并对数据收集设置相对做了优化。从最终结果看，Chat

5、-GPT仅仅使用了精选的百亿级别参数（对比GPT-3的千亿级别参数）就完成了与GPT-3结果相当甚至更好的回复质量，凸显了数据质量的重要性，大模型可能将告别过去一味堆叠数据量大小的时代。Chat-GPT的成功是在前期大量坚实的工作基础贾凯方上实现的，不是横空出世的技术跨越。模型找到了一种面向主观任务来挖掘前暗研究分析师S1010522080001GPT3强大语言能力的方式，让模型“解锁”（unlock）和挖掘GPT3学到的海量数据中的知识和能力。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ChatGPT的产业化方向：一个真正全方位的智能内容生成助手。AI产业影响：算力成本下降+高质

6、量数据催生底层应用，模型开放成为未来超势，并加速选代效率。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选证券研究报告请务必阅读正文之后第18页起的免责条款和声明#page#中信证券前暗研究行业全球人工智能AI行业系列报告212023.1.19代。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