产业调研:大模型时代AI应用如何落地?

（以下内容从国泰君安《产业调研:大模型时代AI应用如何落地?》研报附件原文摘录）
　　This browser does not support music or audio playback. Please play it in Weixin or another browser. 化身为海 音乐： 孟庭苇 - 谁的眼泪在飞 专家从AI应用的角度，探析大模型时代AI应用的发展。本文主要剖析近期AI应用拓展，主要包括四大方面的探索，包括社区及b端和c端的应用。 随着大模型技术出现，会形成新的AI应用创业趋势。该创业趋势主要集中在几大领域，第一是语言类AI，主要集中在Chatbot领域，常见的是对话机器人。接下来会推出向个性化的AI助手，把AI技术镶嵌到现有的 SaaS或者 APP里去提升智能化水平，作为生产工具来使用。往下是底层技术，截止目前，国外只有七八十个模型组，基本围绕三大组在做产品化创新，国内如寒武纪、沐曦、天数智芯等企业也在做底层GPU芯片储备。 基础模型的商业化需要强大算力支撑。虽然国内玩家已发布出几十个基础模型，但在未来，真正的基础模型的玩家只有五六家。基础模型厂家Maas把模型构建在自家算力上对外服务，把基础模型能力以 API 的调用方式，通过业务平台去做训练，作为衡量各家基础模型对外服务的核心点。国外的Hugging face和国内的魔塔是两大模型社区，降低了大模型对B端用户的使用门槛。中间是模型评测工具，未来会出现更多第三方模型评测平台。依托大模型，未来会出现更多应用。 目前AGI应用热度最高的场景在协同办公。AGI比较擅长在文本输入方面来发挥价值，但有一定犯错概率，生成的文本不够完美，只能作为初稿或者二稿来使用。其次是电商，目前电商行业已经深度结合了AGI技术到购物场景中。只需提供商品的原始素材，AGI就可以快速生成营销海报、视频，有效降低成本。再次是金融，AGI技术渗透到追求创新的行业，镶嵌到现有场景，产生更多的创新化产品应用。 LangChain相当于AI的第一代码平台，帮助AI应用开发者快速地开发相关应用。LangChian整合镶嵌了Hugging Face社区的外接数据库、Agent、向量数据库、评测模型等，开发者依托LangChian框架可以快速开发出模型。 Mosaic ML主要做工具、训练和评测，核心业务是帮有数据但没有大模型人才储备的公司训练行业垂类模型。 Adept AI代表下一代基于自然语言的交互方式，用户可以用自然语言传递意图，获取想要的信息。Adept AI可以扩展到浏览器和网站，与应用背后的数据进行交互，并在几分钟内给出对应方案。 Hugging Face是机器学习届的GitHub，是全世界最大的机器学习开源社区。无论是自然语言模型，还是text-to-video模型，都能在Hugging Face上找到，它可以将模型嫁接部署到微软，提供免费算力进行调试，通过数据和工作反馈，帮助用户选到优质模型。 Hugging GPT是Hugging Face的自有大模型，能够整合多个外部模型处理复杂AI任务。ChatGPT3.5/4、文心一言只能提供单一模式，面向特定任务给出反馈。而Hugging GPT可以将社区上的不同的模型进行编排，通过ChatGPT将任务进行分解，再把任务交给背后的模型，最后整合所有模型的生成结果，进行总结和输出。 魔塔社区是目前国内唯一比较大的模型社区，目前已有800多个模型和六十多万开发者。社区其实是一种商业模式，可以从社区里把潜在的用户引流到公有云上面进行部署。同时社区也是一个开源设计交流的平台。 AI工具社区Futuretools是汇集全世界各种AI模型和应用的store。把世界主流应用进行分门别类地落地，便于用户了解全世界最先进的业务。 智能代理Agent使用大型语言模型作为核心控制器构建代理。Agent作为外部AI工具的智能代理，可以优化解决方案，更好地提供实时信息。 AutoGPT可以在无需人工干预的情况下完成复杂任务。AutoGPT和ChatGPT的区别在于，ChatGPT是一对一的任务问答，而Auto GPT是一种自动化面向任务的对话工具，更适合在不需要人工干预的情况下完成复杂目标，拆分用户需求并逐个检索，最终呈现出结构化、具体化的报告。 向量数据库可以增强ChatGPT的外部存储，增强内容连贯性。过去的大模型容量往往受限于token长度，无法记忆前一天的对话内容，向量数据库可以使模型能够快速访问大量信息，从而提高记忆能力，追溯过去的对话内容，保证内容的连贯性。 搜索引擎New Bing整合了ChatGPT系统背后技术，不仅可以生成内容，还可以整合网络信息，并给出相关链接和引用。 随着Copilot的发展和商用，WPS紧跟其后，并将很快复制这种商业模式。相较于office copilot，WPS 集成好几种模型。WPS AI根据AI工具的评测，整合每个模型的强项，再根据用户的任务来指向最强大的模型，处理相关任务。接下来在WPS的新版本里会看到类似Copilot的应用。 Copilot解决了90%以上office功能门槛过高的问题。用户用自然语言输入需求，软件会直接实现相关功能，从而极大降低使用门槛，极大提升用户体验，进一步提高用户规模和用户粘性。 企业IM将承担模型落地到c端的重要责任。企业IM为了将技术推送到企业用户，形成订阅服务，会将AI辅助写作功能集成到会议、在线文档生成、在线文档写作、总结报告、产品设计文档、记录分析报告等应用场景，承担模型落地到c端的重要责任。 text-to-video包含世界最顶尖的Gen2库，可以制作单一场景的小段视频。但现在的test-to-video只能制作单一场景的视频，无法频繁切换，在未来有可能实现复杂任务如电视剧的生成。 AI绘画领域的Midjourney，如今已经商用。国内商用不会是To C，一定是To B，把这些技术镶嵌到企业的内容生产流程里面会比较容易。以电商为例，卖家要上架商品，需要经过大量的拍摄、编辑整理，将这些技术集成到它的内容 SaaS 里，可以帮助卖家一站式完成这些功能，并且技术已经比较成熟。 Adobe Firefly是一款新型的创意工具，面向设计师、艺术家和创意人士，提供一系列创意功能。这是AI在设计领域凸显的价值，而游戏领域已经将这些技术商用。 Character AI引领下一代社交，已初具雏形。在未来，每个人都会有数字分身，AI 通过每个人在社交网络上的数据，自动学习并训练出用户的声音、回复风格、思维方式和表达方式，构建个人数字形象，该应用已初具雏形。在未来，朋友圈将同时包含真人社交和数字分身社交。 AI教育应用Call Annie将ChatGPT化身名叫Annie的数字女性，用户可以通过视频聊天与其交流，打造全新教育方式。用户可以根据自身喜好打造人物风格，选定聊天话题进行视频交流，对于英语和其他语种的学习有极大帮助。利用大模型的语言能力，打造了全新的教育方式。 Glow作为一个虚拟角色聚集的社交平台，为MimiMax上三十多种游戏角色做虚拟助手。用户可以与不同的游戏角色进行对话，也可以定制NPC的风格、形象和气质，且在游戏过程中可单独和NPC角色展开对话。 AI孙燕姿丰富了音乐创作领域的AI需求。AI孙燕姿技术利用深度学习算法，对数据集进行训练，提炼孙燕姿的语音特征和风格特点，学习音像关系，再生成新的孙燕姿的音像融合样本。用户只需告诉AI自己对音乐风格和主题的需求，再利用prompt进行优化，就能得到满意的音乐作品。 Copy.ai是面向用户的文案和内容创作工具，可以帮用户做网站销售文案、电子邮件文案等，在海外已实现商用。 AIGC在电商领域应用广泛，大大提升用户体验感。利用AIGC的设计智能，用户可以根据房屋户型进行装修效果的演示，在3D场景导购平台直接下单满意的家居。在电商领域，用AIGC的方式3D展现游戏和商品，大大提升了用户体验感。 可汗学院代表了下一代AI教育方式的变革，旨在为用户提供个性化的教育。可汗学院可以帮助用户解决从小学到大四的所有数学题，并给出相关解析和个性化的回复，帮助用户培养批判性思维，提升思考能力。 AI心理医生可以通过分析用户各项生理数据，给出其心理状态的评估，并提供相应心理疗愈方案。同时，AI心理医生可在与用户的聊天过程中通过情感分析的手段评估用户心理状态，用语言给用户以心理治疗。 LLM在机器人训练中也有重要应用。机器人在过去只能在单一场景做单一任务，在大模型出现以后，机器人开始可以接受模糊指令，而不需通过严格的流程化指令来执行。大模型有代码生成能力，可以将用户的模糊指令拆解成细分任务，转化成机器人可执行的代码，再让机器人内部的下属机器去执行。以前代码需要后端RCS 控盘，现在可以用自然语言，这样机器人可以在通用的领域去完成复杂的分解，在开阔空间做模糊任务，不再依赖于特定空间进行特定的学习。 AI应用发展预计将分为三个阶段，当下应用主要集中在文本和图片生成领域。当下AGI的主要应用场景在文本和图片生成，最大的问题在于只能写初稿，无法百分百满足用户需求。往后会进行重构，出现新产品，进一步优化AI文本和图片生成，从初稿到二稿，最后到直接生成终稿。未来两年，文生图和文本生成基本会处于第一阶段，无法覆盖全部使用场景，只能应用在如协同办公、智能客服、教育等容错率高的场景，难以应用在工业、医疗等不容出错的领域。 AGI在文本生产和图片生成领域的能力需要进一步提升。AGI图片生成的可控性有限，无法百分百满足设计师需求。其价值在于方便了设计师与产品之间的沟通：通过AGI可以快速输出样稿，但最终应用在生产环境的图片还需设计师的手动处理。因此，AGI作图目前无法百分百应用在生产领域。 在未来，跟研发设计相关的场景会广泛使用到AGI。工业领域的设计需求如模拟仿生、服装设计等，会集成非生产环节软件的能力。不管是SaaS ERP，还是原来的设计工具，都会学习office去集成AI，来提升产品效率。 AI Native软件将极大提升产品体验。如今产品的特点是细化功能的入口太多，接下来会发生一些变化。将产品与很多知识图谱和企业SaaS打通，从用户适应产品到产品适应用户，直接根据用户需求提供相关服务，打通前端入口，提升用户产品体验。 软件交互方式从过去的触摸屏浏览变成自然语言。以电商为例，软件通过自然语言指令快速呈现用户所需商品，而不用通过购物车进行查找。从低代码到No APP，是接下来会发生的变化。 AI重塑工具应用商业逻辑。从商业模式来说，从过去一次性买断软硬件产品进行本地化部署，到持续性付费以享受云厂商的服务，AI重塑了工具应用的商业逻辑。对于b端用户来说，花费较少资金可以带来几倍的生产效率，相比c端用户更愿意买单。在未来，工具软件的商业逻辑会发生变化，从本地化买断，到持续提供订阅费。 合规声明：本文节选自国君AI论坛专家分享内容，不包含任何投资观点，如需全文请后台留言。 - end - 欢迎加入产业交流群！ 欢迎所有对计算机产业研究和投资感兴趣的盆友（包括云计算、网络安全、医疗IT、金融科技、人工智能、自动驾驶等）后台留言加入我们的产业交流群。我们的目标是建立系统的计算机产业研究框架，提高整个A股的IT行业研究水平，减少韭菜数量，普度众生。 AI相关报告 1. ChatGPT研究框架（80页PPT） 2. 产业调研：一线专家眼中的ChatGPT 3. 产业调研：医疗认知智能技术进展 4. 海外ChatGPT公司有哪些已经落地的商业模式（深度） 5. GPT-4 即将发布，带来什么产业边际变化？ 6. 百度文心一言发布会详细记录 7. 产业调研：百度文心一言与GPT-4的差距有多大？ 8. 居然是微软打开了金山办公的市值空间 9. 英伟达GTC大会万字记录 10. 海外AI大模型梳理：技术革命的本源 11. 国内AI大模型梳理：三英战吕布 12. 产业调研：大模型，人工智能的暴力美学 13. 寻找AI技术潜在应用场景的方法论是什么？ 14. 华为：盘古大模型全貌 15. 产业调研：商汤大模型为何惊艳？ 16. 产业调研：阿里通义大模型详解 17. 人工智能大模型研究框架（120页PPT） 18. 科大讯飞星火大模型详解 19. 具身智能：人工智能的下一个浪潮（深度） 20. AI硬件产业链环节价值量拆解（深度） 21. AI服务器：烈火烹油（深度） 22. 英伟达是怎样炼成的（深度） 23. 中国人工智能产业政策详细梳理 24. 中国AI芯片企业的追击（深度） 25.AI算力研究框架（100页PPT） 26.AI+办公：海内外进展（深度） 27.AI技术在金融行业如何落地（国内实践篇） 28.AI与自动驾驶会产生什么化学反应？ 29.AI加持，设计与工业软件化腐朽为神奇 30.人工智能：安全大于天（深度） 31.产业调研：华为昇腾算力最新进展 32.AI应用研究框架（120页PPT） 33.浪潮信息：AI算力龙头(深度) 法律声明： 本公众订阅号(计算机文艺复兴)为国泰君安证券研究所计算机研究团队依法设立并运营的微信公众订阅号。本团队负责人李沐华具备证券投资咨询（分析师）执业资格，资格证书编号为S0880519080009。本订阅号不是国泰君安证券研究报告发布平台。本订阅号所载内容均来自于国泰君安证券研究所已正式发布的研究报告，如需了解详细的证券研究信息，请具体参见国泰君安证券研究所发布的完整报告。本订阅号推送的信息仅限完整报告发布当日有效，发布日后推送的信息受限于相关因素的更新而不再准确或者失效的，本订阅号不承担更新推送信息或另行通知义务，后续更新信息以国泰君安证券研究所正式发布的研究报告为准。本订阅号所载内容仅面向国泰君安证券研究服务签约客户。因本资料暂时无法设置访问限制，根据《证券期货投资者适当性管理办法》的要求，若您并非国泰君安证券研究服务签约客户，为控制投资风险，还请取消关注，请勿订阅、接收或使用本订阅号中的任何信息。如有不便，敬请谅解。市场有风险，投资需谨慎。在任何情况下，本订阅号中信息或所表述的意见均不构成对任何人的投资建议。在决定投资前，如有需要，投资者务必向专业人士咨询并谨慎决策。国泰君安证券及本订阅号运营团队不对任何人因使用本订阅号所载任何内容所引致的任何损失负任何责任。本订阅号所载内容版权仅为国泰君安证券所有。任何机构和个人未经书面许可不得以任何形式翻版、复制、转载、刊登、发表、篡改或者引用，如因侵权行为给国泰君安证券研究所造成任何直接或间接的损失，国泰君安证券研究所保留追究一切法律责任的权利。

点此查看微信公众号原文全部内容>>

大部分微信公众号研报本站已有pdf详细完整版：https://www.wkzk.com/report/（可搜索研报标题关键词或机构名称查询原报告）