2022 年 11 月底，OpenAI 發(fā)布了人機(jī)對(duì)話模型 ChatGPT，在兩個(gè)月不到的時(shí)間內(nèi)其線上活躍用戶規(guī)模超 過(guò) 1 億人，生成式大模型受到越來(lái)越廣泛的關(guān)注，人工智能行業(yè)進(jìn)入到以大模型為代表的快速發(fā)展階段，巨量 參數(shù)和智能涌現(xiàn)是這一輪人工智能變革的典型特征。微軟、谷歌、Meta、亞馬遜等全球科技巨頭將大模型視為 重要的發(fā)展機(jī)遇，在生成式大模型領(lǐng)域加速布局，積極投入且成果頻頻。我國(guó)的眾多互聯(lián)網(wǎng)廠商和人工智能企 業(yè)也積極投身到大模型領(lǐng)域中，百度、訊飛、阿里、華為、騰訊、商湯等企業(yè)也在快速更迭自己的大模型，同 時(shí)高校、科研院所也積極投身大模型產(chǎn)業(yè)，取得了顯著成果。

1.1.1 國(guó)內(nèi)外大模型發(fā)展情況

國(guó)外大模型起步相對(duì)較早，2021 年進(jìn)入到快速發(fā)展期。2017 年 Transformer 模型的誕生可以被視為大模型 行業(yè)的開(kāi)端，谷歌、OpenAI、微軟、英偉達(dá)等大型科技企業(yè)引領(lǐng)了早期的技術(shù)探索，在 2020-2021 年間逐步確 立了大模型的整體技術(shù)路徑，國(guó)外大模型行業(yè)開(kāi)始加速發(fā)展。根據(jù)賽迪顧問(wèn)數(shù)據(jù)，截止 2023 年 7 月底，國(guó)外大 模型累計(jì)發(fā)布 138 個(gè)，其中美國(guó)發(fā)布 114 個(gè)，大模型數(shù)量大幅領(lǐng)先。從 2020 年起，更多國(guó)家的企業(yè)和科研單位 逐步加入到大模型的研發(fā)中，韓國(guó)、日本、法國(guó)模型數(shù)量位列美國(guó)之后。國(guó)外已發(fā)布的大模型主要集中在自然 語(yǔ)言和多模態(tài)兩類，其中自然語(yǔ)言占比 68%，多模態(tài)占比 18%，其他類型大模型合計(jì)占比 14%。

在大模型產(chǎn)業(yè)領(lǐng)域，中國(guó)緊跟國(guó)際前沿。2021 年起，中國(guó)也開(kāi)啟了大模型的發(fā)布熱潮，涌現(xiàn)出一批有代表 性且具備影響力的大模型。受 ChatGPT 影響，國(guó)內(nèi)大模型在 2023 年進(jìn)入到高速發(fā)展階段，一時(shí)間呈現(xiàn)“百模 大戰(zhàn)”局面。根據(jù)賽迪顧問(wèn)， 截止 2023 年 7 月底，中國(guó)累計(jì)發(fā)布了 130 個(gè)大模型，其中 64 個(gè)大模型是在 2023 年年內(nèi)發(fā)布。國(guó)內(nèi)大模型技術(shù)分布基本與海外一致，65%的大模型集中在自然語(yǔ)言領(lǐng)域，22%的大模型集中在多 模態(tài)領(lǐng)域。

1.1.2 國(guó)外大模型行業(yè)發(fā)展現(xiàn)狀

OpenAI：模型性能一騎絕塵，引領(lǐng)大模型行業(yè)發(fā)展趨勢(shì)

2022 年底 ChatGPT 引爆社交網(wǎng)絡(luò)，人工智能行業(yè)進(jìn)入到以大模型為主的快速發(fā)展階段。OpenAI 在 GPT-3.5 版本的基礎(chǔ)上，通過(guò) 3 個(gè)步驟實(shí)現(xiàn)基于人類反饋的強(qiáng)化學(xué)習(xí)微調(diào)（RLHF），得到人機(jī)對(duì)話模型 ChatGPT。通過(guò) 與人類答案的對(duì)齊過(guò)程，顯著提升了大模型的人機(jī)對(duì)話體驗(yàn)。 GPT-4 具備卓越的文本處理能力，初步融合多模態(tài)能力，能力再度升級(jí)。2023 年 3 月 15 日，OpenAI 發(fā)布多模態(tài)預(yù)訓(xùn)練大模型 GPT-4，相較于過(guò)去的 GPT 系列模型，提升包括幾個(gè)方面，GPT-4 相較于 ChatGPT 有更強(qiáng) 的高級(jí)推理能力，相較于過(guò)去的 GPT 系列模型，GPT-4 在更多應(yīng)用領(lǐng)域成為專家，包括為機(jī)器學(xué)習(xí)模型評(píng)判標(biāo) 準(zhǔn)和為人類設(shè)計(jì)的專業(yè)測(cè)試，從“百科全書(shū)”逐步成為文理通吃的“專家”。 GPT-4 在可控性和真實(shí)性方面較 ChatGPT 有大幅提升。

2023 年 9 月 25 日，OpenAI 再度開(kāi)放了帶視覺(jué)能力的 GPT-4V，用戶能夠指導(dǎo) GPT-4 分析用戶提供的 圖像。在輸入 GPT-4V 支持格式方面，其支持處理圖像、子圖像、文本、場(chǎng)景文本和視覺(jué)指針（visual pointers） 等多種輸入。此外，GPT-4V 還支持 LLMs 中支持的技術(shù)，包括指令跟隨、思維鏈和上下文少樣本學(xué)習(xí)等。 GPT-4V 在處理任意交錯(cuò)的多模態(tài)輸入方面具有前所未有的能力，并且其功能的通用性共同使 GPT-4V 成 為強(qiáng)大的多模態(tài)系統(tǒng)。 11 月 7 日，OpenAI 首次開(kāi)發(fā)者大會(huì)發(fā)布了最新模型 GPT-4 Turbo，其作為一個(gè)標(biāo)準(zhǔn)化的 AI Agent，初 步具備了規(guī)劃和工具選擇的能力，可以自動(dòng)選擇接入互聯(lián)網(wǎng)、進(jìn)行數(shù)據(jù)分析、圖像生成等諸多功能，真正 進(jìn)化為了統(tǒng)一智能體。除了標(biāo)準(zhǔn)化的 GPT-4 以外，定制版的 GPTs 可以為用戶在日常生活、特定任務(wù)、工 作或家庭中提供幫助，用戶無(wú)需編寫(xiě)代碼就可以創(chuàng)建屬于自己的定制化的智能助理，諸多定制化的 GPTs 的使用體驗(yàn)顯著優(yōu)于 GPT-4，GPTs 開(kāi)啟了一個(gè)全民定制個(gè)人智能助理的浪潮。OpenAI 同時(shí)還將推出 GPT store 和 Assistants API，不斷打造 GPTs 開(kāi)發(fā)者生態(tài)。

Google：深度學(xué)習(xí)研究的引領(lǐng)者，AI 技術(shù)產(chǎn)業(yè)落地先行者

在上一輪深度學(xué)習(xí)的 AI 革命中，AI 逐步達(dá)到了與人類媲美、甚至超越人類（部分場(chǎng)景）的水平，逐步走 入大眾視野，而 Google 和 Deepmind 是其中的的引領(lǐng)者。由 Google 和 Deepmind 提出的 Word2Vec、AlphaGo 等模型以及 sequence to sequence、深度強(qiáng)化學(xué)習(xí)等技術(shù)是上一輪 AI 革命乃至這一輪 AI 浪潮的開(kāi)創(chuàng)性、奠基性 工作，推動(dòng)著 AI 技術(shù)的成熟與發(fā)展。在這一輪預(yù)訓(xùn)練大模型的 AI 浪潮中，AI 展現(xiàn)出在更多具體場(chǎng)景中強(qiáng)大的 應(yīng)用性能，逐步從學(xué)術(shù)研究走向商業(yè)化落地。 Google 在 2022 年 4 月推出了 PaLM 模型，其具有 5400 億參數(shù)，基于 Transformer 的 Decoder 設(shè)計(jì)，PaLM 模型在多個(gè)下游任務(wù)中具有優(yōu)異性能。5 月 11 日，Google 在最新一屆 I/O 開(kāi)發(fā)者大會(huì)上官宣大語(yǔ)言模型 PaLM 2，稱其在部分任務(wù)上超越 GPT-4。PaLM 2 在超過(guò) 100 種語(yǔ)言的多語(yǔ)言文本上進(jìn)行了訓(xùn)練，這使得它在語(yǔ)言理 解、生成和翻譯上的能力更強(qiáng)，并且會(huì)更加擅長(zhǎng)常識(shí)推理、數(shù)學(xué)邏輯分析。PaLM 2 在大量公開(kāi)可用的源代碼 數(shù)據(jù)集上進(jìn)行了預(yù)訓(xùn)練，這意味著它擅長(zhǎng)流行的編程語(yǔ)言，如 Python 和 JavaScript，但也可以用 Prolog，F(xiàn)ortran 和 Verilog 等語(yǔ)言生成專門(mén)的代碼。

目前谷歌的聊天機(jī)器人 Bard 以及超過(guò) 25 個(gè) AI 產(chǎn)品和功能，都由 PaLM 2 作為底層技術(shù)支持。具體的表現(xiàn) 之一是 Duet AI，一款類似于微軟 365 Copilot 的產(chǎn)品、能夠內(nèi)嵌在各種辦公軟件中的 AI 助手?；?PaLM 2， 谷歌還推出了兩個(gè)專業(yè)領(lǐng)域大模型。一個(gè)是谷歌健康團(tuán)隊(duì)打造的 Med-PaLM 2。另一個(gè)專業(yè)大模型是面向網(wǎng)絡(luò)安 全維護(hù)的 Sec-PaLM 2，它使用人工智能來(lái)幫助分析和解釋潛在惡意腳本的行為，并在非常短的時(shí)間內(nèi)檢測(cè)哪些 腳本對(duì)個(gè)人和組織構(gòu)成威脅。

META：通過(guò)開(kāi)源 LLaMa 等大模型，引領(lǐng)大模型開(kāi)源生態(tài)

LLaMA：2023 年 2 月 25 日，Meta 官網(wǎng)公布了一個(gè)新的大型語(yǔ)言模型 LLaMA（Large Language Model Meta AI），從參數(shù)規(guī)模來(lái)看，Meta 提供有 70 億、130 億、330 億和 650 億四種參數(shù)規(guī)模的 LLaMA 模型，并用 20 種 語(yǔ)言進(jìn)行訓(xùn)練。Meta 推出的 LLaMA 參數(shù)規(guī)模有 70 億（7B）、130 億（13B）、330 億（33B）和 650 億（65B） 四種。LLaMA-13B 在大多數(shù)基準(zhǔn)測(cè)試中，參數(shù)僅為十分之一，但性能優(yōu)于 OpenAI 的 GPT-3（175B），而且能 跑在單個(gè) GPU 上。LLaMA-65B 與 DeepMind 700 億參數(shù)的 Chinchilla-70B 和谷歌 5400 億參數(shù)的 PaLM-540B 不 相上下。

LLaMA2：2023 年 7 月 19 日，Meta 發(fā)布了免費(fèi)商用版開(kāi)源大模型 LLaMA2，各個(gè)企業(yè)能夠以相對(duì)低廉的 價(jià)格在該模型上開(kāi)發(fā)應(yīng)用，為客戶提供自主的大模型。Meta 發(fā)布的 LLaMA 2 模型系列包含 70 億、130 億和 700 億三種參數(shù)變體，訓(xùn)練數(shù)據(jù)采用了更新之后的混合數(shù)據(jù)，模型方面采用文本輸入與文本輸出，預(yù)訓(xùn)練模型 在2萬(wàn)億token上進(jìn)行訓(xùn)練，訓(xùn)練token總數(shù)相較于LLaMA 1增加了40%。LLaMA 2學(xué)術(shù)基準(zhǔn)測(cè)試優(yōu)于LLaMA1， 專業(yè)場(chǎng)景中能力進(jìn)一步提升。公布的測(cè)評(píng)結(jié)果顯示，LLaMA 2 在包括推理、編碼、精通性和知識(shí)測(cè)試等方面均 優(yōu)于相近訓(xùn)練參數(shù)下的 LLaMA 1。LLaMA 2 模型最大的變化除了性能提升，還體現(xiàn)在 B 端可以助力企業(yè)開(kāi)發(fā)自 己的大模型，C 端可以豐富 AIGC 應(yīng)用，改變了以往大模型由多家科技巨頭壟斷的格局，AI 應(yīng)用實(shí)現(xiàn)加速落地。 目前，用戶已經(jīng)能夠在 Azure 平臺(tái)上微調(diào)和部署 7B、13B 和 70B 參數(shù)的 LLaMA 2 模型。

Meta 與微軟達(dá)成合作，聯(lián)手推動(dòng) AI 應(yīng)用的商業(yè)化落地。Meta 正式開(kāi)源了 LLaMA 2 版本，可免費(fèi)用于商 業(yè)用途，微軟宣布攜手。最新版本的模型將在微軟的 Azure 和 Windows 平臺(tái)上線并開(kāi)源，用戶可以在云服務(wù)中 使用 Llama 2 作為基礎(chǔ)模型，快速構(gòu)建適用于自身業(yè)務(wù)的專用大模型。目前，用戶已經(jīng)能夠在 Azure 平臺(tái)上微 調(diào)和部署 7B、13B 和 70B 參數(shù)的 LLaMA 2 模型。未來(lái)，LLaMA 將進(jìn)行優(yōu)化，以在 Windows 上本地運(yùn)行。

1.1.3 國(guó)內(nèi)大模型發(fā)展現(xiàn)狀

百度

從 2010 年的百度搜索開(kāi)始，百度成立了自然語(yǔ)言部門(mén)，初步研究互聯(lián)網(wǎng)機(jī)器翻譯技術(shù)，2013 年推出百度 語(yǔ)音助手，2014 年推出智能搜索小度機(jī)器人，2017 年推出智能客服。在長(zhǎng)期的布局和發(fā)展中，百度構(gòu)建了完整 的語(yǔ)言與知識(shí)技術(shù)布局，包括知識(shí)圖譜、語(yǔ)言理解與生成技術(shù)，以及上述技術(shù)所支持的包含智能搜索、機(jī)器翻 譯、對(duì)話系統(tǒng)、智能寫(xiě)作、深度問(wèn)答等在內(nèi)的的應(yīng)用系統(tǒng)。 2023 年 3 月 16 日，百度發(fā)布了生成式人工智能大模型“文心一言”。作為文心大模型家族的新成員，文心 一言在文心知識(shí)增強(qiáng)大模型 ERNIE 及對(duì)話大模型 PLATO 的基礎(chǔ)上研發(fā)。文心一言包含六大核心技術(shù)模塊，包 括：1）有監(jiān)督精調(diào)；2）基于人類反饋的強(qiáng)化學(xué)習(xí)；3）提示；4）知識(shí)增強(qiáng)；5）檢索增強(qiáng)；6）對(duì)話增強(qiáng)，前 三類技術(shù)在目前流行的對(duì)話大模型如 ChatGPT 中都有所應(yīng)用，而后三類技術(shù)則是百度基于自身技術(shù)積累的再創(chuàng) 新，它們共同構(gòu)成了模型的技術(shù)基礎(chǔ)。

2023 年 5 月，百度文心大模型 3.5 版本已內(nèi)測(cè)可用，在基礎(chǔ)模型升級(jí)、精調(diào)技術(shù)創(chuàng)新、知識(shí)點(diǎn)增強(qiáng)、邏輯 推理增強(qiáng)、插件機(jī)制等方面創(chuàng)新突破，取得效果和效率的提升。2023 年 8 月 31 日，文心一言率先向全社會(huì)全 面開(kāi)放。9 月 13 日，百度發(fā)布文心一言插件生態(tài)平臺(tái)“靈境矩陣”。文心一言面向全社會(huì)開(kāi)放至百度世界 2023 大會(huì)召開(kāi)期間，40 多天的時(shí)間，文心一言用戶規(guī)模已經(jīng)達(dá)到 4500 萬(wàn)，開(kāi)發(fā)者 5.4 萬(wàn)，場(chǎng)景 4300 個(gè)，應(yīng)用 825 個(gè)，插件超過(guò) 500 個(gè)。 2023 年 10 月 17 日，百度世界大會(huì)上正式發(fā)布文心大模型 4.0。與原有的 3.5 版本相比，具有以下優(yōu)勢(shì)：1） 更強(qiáng)的模型能力和圖片生成能力。根據(jù)測(cè)試，文心大模型 4.0 版本在理解、生成、邏輯、記憶四大功能上都有 明顯提升，具有顯著優(yōu)化的模型性能。2)支持接入豐富的 API 插件，可以實(shí)現(xiàn)撰寫(xiě)代碼、潤(rùn)色文案、設(shè)計(jì)與繪 圖等多種功能。

文心一言成為首個(gè)國(guó)內(nèi)面向 C 端收費(fèi)的大模型產(chǎn)品。文心一言專業(yè)版的分為單獨(dú)訂閱和聯(lián)合會(huì)員兩種收費(fèi) 模式。單獨(dú)訂閱模式下，會(huì)員月付 59.9 元，選擇連續(xù)包月可以享受 49.9 元的優(yōu)惠價(jià)格；該模式下會(huì)員可以使 用文心一言大模型 3.5 和 4.0 兩個(gè)版本，而非會(huì)員只可使用免費(fèi)的文心大模型 3.5 版本。聯(lián)合模式下，用戶月 付 99 元，可以同時(shí)具有單獨(dú)訂閱模式的全部功能，并獲得文心一格白銀會(huì)員資格，享受 AI 修圖改圖等功能。

科大訊飛

隨著大語(yǔ)言模型爆火網(wǎng)絡(luò)，公司自主研發(fā)了對(duì)標(biāo) ChatGPT 的星火大模型。星火大模型是基于深度學(xué)習(xí)、 以中文為核心的自然語(yǔ)言大模型，在跨領(lǐng)域多任務(wù)上具備類人的理解和生成能力，可實(shí)現(xiàn)基于自然對(duì)話方式的 用戶需求理解與任務(wù)執(zhí)行。 公司大模型不斷迭代進(jìn)步，能力實(shí)現(xiàn)全方位提升。2022 年 12 月 15 日，科大訊飛啟動(dòng)了“1+N 認(rèn)知智能大 模型專項(xiàng)攻關(guān)”。2023 年 5 月 6 日，訊飛推出星火認(rèn)知模型的 1.0 版本，七大核心能力發(fā)布，同時(shí)發(fā)布大模型評(píng) 測(cè)體系。6 月 9 日，星火升級(jí)至 1.5 版本，突破開(kāi)放式問(wèn)答、多輪對(duì)話能力和數(shù)學(xué)能力；8 月發(fā)布 2.0 版本，實(shí) 現(xiàn)多模態(tài)能力，同時(shí)代碼能力顯著提升。

星火 3.0 全面對(duì)標(biāo) ChatGPT。10 月 24 日，星火推出 3.0 版本，在語(yǔ)義理解、時(shí)效把握、代碼生成能力等 基礎(chǔ)功能上都有很大提升；在時(shí)空感知能力上表現(xiàn)突出；專業(yè)性能力基本無(wú)實(shí)時(shí)性錯(cuò)誤，尤其醫(yī)療能力水平，可以給出適時(shí)的診療提醒。全面對(duì)標(biāo) chatGPT，中文能力客觀測(cè)評(píng)超過(guò) ChatGPT，英文能力對(duì)標(biāo) ChatGPT48 項(xiàng) 任務(wù)結(jié)果相當(dāng)。根據(jù)國(guó)務(wù)院發(fā)展研究中心經(jīng)濟(jì)研究院測(cè)評(píng)報(bào)，星火大模型 3.0 綜合能力達(dá)到國(guó)際一流水平，在 醫(yī)療、法律、教育行業(yè)表現(xiàn)突出。訊飛同時(shí)發(fā)布十二個(gè)行業(yè)大模型，涵蓋金融、汽車(chē)交互、運(yùn)營(yíng)商、工業(yè)、傳 媒、法律、政務(wù)、科技文獻(xiàn)、住建、物業(yè)、文旅、水利十二個(gè)領(lǐng)域。訊飛正式啟動(dòng)對(duì)標(biāo) GPT-4 的大模型訓(xùn)練， 2024 年上半年對(duì)標(biāo) GPT-4。

智譜

智譜 AI 致力于打造新一代認(rèn)知智能大模型，專注于做大模型的中國(guó)創(chuàng)新，通過(guò)認(rèn)知大模型鏈接物理世界的 億級(jí)用戶。基于完整的模型生態(tài)和全流程技術(shù)支持，智譜 AI 一方面重視研發(fā)超大規(guī)模訓(xùn)練模型，并基于此推出 對(duì)話模型 chatGLM；另一方面踐行 Model as a Service（MaaS）的市場(chǎng)理念，推出大模型 MaaS 開(kāi)放平臺(tái)。 2023 年 3 月 14 日，ChatGLM1.0 開(kāi)啟邀請(qǐng)制內(nèi)測(cè)。ChatGLM 參考 ChatGPT 的設(shè)計(jì)思路，在千億基座模型 GLM-130B 中注入代碼預(yù)訓(xùn)練，通過(guò)監(jiān)督微調(diào)等技術(shù)實(shí)現(xiàn)人類意圖對(duì)齊，具有支持雙語(yǔ)、高精度、快速推理、 可復(fù)現(xiàn)性和跨平臺(tái)等優(yōu)勢(shì)。同期開(kāi)源的還有具有 62 億參數(shù)、支持中英文雙語(yǔ)對(duì)話的 ChatGLM-6B，雖然規(guī)模不 及千億模型，但大大降低了推理成本。 2023 年 6 月 27 日，第二代 ChatGLM 正式發(fā)布。在保留初代模型對(duì)話流暢、部署門(mén)檻低的基礎(chǔ)上引入更加 強(qiáng)大的性能、允許更多輪次的對(duì)話和更長(zhǎng)的上下文、進(jìn)行更高效的推理、允許更開(kāi)放的協(xié)議。2023 年 7 月 15 日，智譜 AI 宣布 ChatGLM 允許免費(fèi)商用。

商湯科技

商湯科技擁有深厚的學(xué)術(shù)積累，并長(zhǎng)期投入于原創(chuàng)技術(shù)研究，不斷增強(qiáng)行業(yè)領(lǐng)先的多模態(tài)、多任務(wù)通用人 工智能能力，涵蓋感知智能、自然語(yǔ)言處理、決策智能、智能內(nèi)容生成等關(guān)鍵技術(shù)領(lǐng)域。2023 年 4 月 10 日， 商湯 SenseTime 舉辦技術(shù)交流日活動(dòng)，分享了以“大模型+大算力”推進(jìn) AGI（通用人工智能）發(fā)展的戰(zhàn)略布局， 并公布了商湯在該戰(zhàn)略下的“日日新 SenseNova”大模型體系，推出自然語(yǔ)言處理、內(nèi)容生成、自動(dòng)化數(shù)據(jù)標(biāo) 注、自定義模型訓(xùn)練等多種大模型及能力。 依托自研千億級(jí)參數(shù)自然語(yǔ)言模型，商湯科技 4 月 10 日發(fā)布了中文語(yǔ)言大模型應(yīng)用平臺(tái)“商量 SenseChat”。 "商量SenseChat"是由商湯科技研發(fā)的一款基于自然語(yǔ)言處理技術(shù)的人工智能大語(yǔ)言模型，具備較強(qiáng)的語(yǔ)言理解、 生成能力，可以解決復(fù)雜問(wèn)題，提供定制化建議，還能輔助創(chuàng)作文本，同時(shí)具備不斷學(xué)習(xí)進(jìn)化的特性。 7 月 7 日，“商量 SenseChat”迭代至 2.0 版本，其基模型為商湯聯(lián)合多家國(guó)內(nèi)頂級(jí)科研機(jī)構(gòu)發(fā)布的書(shū)生·浦語(yǔ) InternLM-123B，擁有 1230 億參數(shù)，在語(yǔ)言、知識(shí)、理解、推理和學(xué)科五大能力上均處于行業(yè)領(lǐng)先水平。

1.1.4 大模型行業(yè)整體發(fā)展評(píng)述

國(guó)外大模型發(fā)展趨勢(shì)： 美國(guó)人工智能企業(yè)引領(lǐng)行業(yè)發(fā)展。美國(guó) OpenAI 的基礎(chǔ)大模型性能領(lǐng)先，目前已經(jīng)在基礎(chǔ)大模型上開(kāi)始快 速構(gòu)建開(kāi)發(fā)生態(tài)，Google 也在發(fā)力追趕過(guò)程中，Meta 通過(guò)開(kāi)源大模型構(gòu)建開(kāi)源生態(tài)。美國(guó)在研發(fā)能力、人才儲(chǔ) 備、算力支持方面仍然占據(jù)一定優(yōu)勢(shì)。我們預(yù)期，海外大模型將沿著多個(gè)維度持續(xù)演進(jìn)。

更大的參數(shù)量、更多的訓(xùn)練文本依舊是大模型的主要發(fā)展路徑。 OpenAI 論文《Scaling Laws for Neural Language Models》中提出著名的縮放法則，縮放法則中提到模型表 現(xiàn)和規(guī)模強(qiáng)相關(guān)，和模型的 shape 弱相關(guān)：規(guī)模包括模型參數(shù)量 N、數(shù)據(jù)集大小 D 和計(jì)算量 C，模型 shape 指模 型 depth、width、number of self-attention heads。Palm-2 technical report 中提到，訓(xùn)練數(shù)據(jù)量和模型參數(shù)量大小保 持同比例增長(zhǎng)是最優(yōu)組合。 目前最先進(jìn)的大模型 GPT-4 仍然高度符合縮放法則，簡(jiǎn)而言之，模型越大性能越好，訓(xùn)練的數(shù)據(jù)量越大模 型性能越好，這條法則仍然成立。通過(guò)單純的增加模型參數(shù)量和訓(xùn)練數(shù)據(jù)量就可以實(shí)現(xiàn)更好的模型性能，可以 預(yù)期，在短期之內(nèi)，不斷增加模型參數(shù)量依舊是提升模型性能的主要手段。

更多的模態(tài)到來(lái)，開(kāi)啟全新的多模態(tài)時(shí)代。 文本、語(yǔ)音、圖片等單模態(tài)人工智能模型已經(jīng)相對(duì)成熟，大模型正在朝著多模態(tài)信息融合的方向快速發(fā)展。 圖文多模態(tài)技術(shù)已經(jīng)取得了顯著的進(jìn)步，未來(lái)大模型不止?jié)M足文字和圖像，開(kāi)始向著音頻、視頻等領(lǐng)域拓展。

大模型的邏輯思維能力可能看到飛躍式提升。 大語(yǔ)言模型在文本的理解和生成上表現(xiàn)出色，但是涉及到數(shù)理邏輯推理時(shí)表現(xiàn)仍然有待提升。通過(guò)思維鏈、 思維樹(shù)的提示詞工程設(shè)計(jì)，大語(yǔ)言模型能夠?qū)⒋笮腿蝿?wù)分解為較小且易于管理的子目標(biāo)，內(nèi)部的邏輯一致性顯 著增長(zhǎng)，從而高效地處理復(fù)雜任務(wù)。

AI Agent 將成為我們接觸大模型的主要媒介。AI Agent 是有能力主動(dòng)思考和行動(dòng)的智能體，它們能夠使用傳感器感知周?chē)h(huán)境，做出決策，然后使用執(zhí) 行器采取行動(dòng)，甚至與別的 agent 合作實(shí)現(xiàn)任務(wù)。OpenAI 應(yīng)用研究主管 LilianWeng 提出了 AI Agent 的重要組成 公式：Agent =大語(yǔ)言模型（LLM） + 規(guī)劃能力（Planning） + 工具（Tool） + 記憶（Memory）。AI Agent 相 比大語(yǔ)言模型的提升在于：與環(huán)境交互、個(gè)性化記憶、主動(dòng)決策、合作機(jī)制。在生成式 AI 的不同應(yīng)用等級(jí)中， AI Agent 是比聊天機(jī)器人更高層級(jí)的應(yīng)用形態(tài)。

國(guó)內(nèi)大模型發(fā)展趨勢(shì)： 國(guó)內(nèi)大模型行整體依舊處于跟跑狀態(tài)，目前國(guó)內(nèi)具備代表性的大模型在中文問(wèn)答表現(xiàn)上已經(jīng)與 ChatGPT 不 相上下，短期之內(nèi)仍然是沿襲海外技術(shù)路線，模型規(guī)模的不斷增加和訓(xùn)練語(yǔ)料的不斷擴(kuò)充是當(dāng)前的主要任務(wù)。 同時(shí)國(guó)內(nèi)大模型的多模態(tài)能力仍處在起步發(fā)展階段，短期之內(nèi)有望看到多模態(tài)能力的快速提升。受 ChatGPT 驅(qū) 動(dòng)，2023 年國(guó)內(nèi)大模型呈現(xiàn)迅猛發(fā)展局面，經(jīng)歷近一年時(shí)間，國(guó)內(nèi)大模型實(shí)現(xiàn)能力上的快速進(jìn)步。根據(jù)賽迪顧 問(wèn)，截至 2023 年 7 月，中國(guó)累計(jì)已經(jīng)有 130 個(gè)大模型問(wèn)世，其中有近一半的大模型在今年年內(nèi)問(wèn)世。 同時(shí)國(guó)內(nèi)大模型的整體競(jìng)爭(zhēng)格局也日益清晰，大致可以分為三類大模型：具備持續(xù)技術(shù)領(lǐng)先能力的閉源大 模型、具備領(lǐng)跑能力的開(kāi)源大模型、具備垂類場(chǎng)景優(yōu)勢(shì)的垂類大模型。大模型的每一次迭代更新都需要大量的 研發(fā)投入和算力投入，在一年時(shí)間內(nèi)經(jīng)歷多次的迭代更新，如未見(jiàn)顯著的技術(shù)領(lǐng)先優(yōu)勢(shì)或特定場(chǎng)景的優(yōu)秀商業(yè) 模式，或?qū)o(wú)法維系大模型的持續(xù)投入。我們認(rèn)為，目前國(guó)內(nèi)大模型已經(jīng)經(jīng)過(guò)了高速發(fā)展的擴(kuò)張階段，預(yù)期將 見(jiàn)到模型擴(kuò)張速度的下降，競(jìng)爭(zhēng)格局更為集中。

國(guó)內(nèi)大模型格局： 具備技術(shù)持續(xù)領(lǐng)先能力的大模型：優(yōu)秀的大模型人才、充足的算力資源、海量的優(yōu)質(zhì)數(shù)據(jù)、足夠的研發(fā)投 入是人工智能企業(yè)具備醞釀大模型的先決條件，在快速的迭代發(fā)展過(guò)程中，部分大模型展現(xiàn)出持續(xù)的技術(shù)領(lǐng)先 優(yōu)勢(shì)，典型如百度文心一言、科大訊飛星火大模型。具備技術(shù)優(yōu)勢(shì)的閉源大模型具備較強(qiáng)的變現(xiàn)能力。 開(kāi)源大模型：開(kāi)源大模型與頂尖的閉源大模型相比有一定的技術(shù)差距，其參數(shù)量和上下文窗口長(zhǎng)度普遍相 對(duì)較小。但是開(kāi)源模型借助社區(qū)的創(chuàng)新力量，實(shí)現(xiàn)了技術(shù)的快速迭代和應(yīng)用拓展，成為大模型行業(yè)發(fā)展的重要 支撐。 具備垂類場(chǎng)景優(yōu)勢(shì)的大模型：通用大模型可以幫助用戶解決一般性問(wèn)題，而當(dāng)企業(yè)需要處理其特定行業(yè)的 數(shù)據(jù)和任務(wù)時(shí)，往往需要針對(duì)其行業(yè)數(shù)據(jù)庫(kù)來(lái)對(duì)基本模型進(jìn)行微調(diào)，垂直行業(yè)的特性和需求不盡相同，垂類場(chǎng) 景中的垂類數(shù)據(jù)是專業(yè)大模型競(jìng)爭(zhēng)中的核心要素，專業(yè)數(shù)據(jù)驅(qū)動(dòng)垂類模型百花齊放。

大模型商業(yè)模式： 大模型 C 端商業(yè)模式：1）以純軟件的形態(tài)輸出聊天機(jī)器人、包含大模型能力的各類軟件（例如 copilot）、 AI Agent（GPTs）等產(chǎn)品；2）融合大模型能力的各類智能硬件，例如 AI pin、智能音響、翻譯機(jī)、學(xué)習(xí)機(jī)等。 大模型 B 端商業(yè)模式：1）出售大模型 API 接口，向公司或開(kāi)發(fā)者按照調(diào)用次數(shù)收費(fèi)；2）直接賣(mài)大模型 開(kāi)發(fā)服務(wù)，向傳統(tǒng)企業(yè)輸出大模型行業(yè)解決方案獲得收入；3）大模型配合 AI 服務(wù)器形成軟硬一體的產(chǎn)品，打 包向傳統(tǒng)企業(yè)輸出大模型行業(yè)解決方案；4）用大模型改造現(xiàn)有業(yè)務(wù)，提高產(chǎn)品的競(jìng)爭(zhēng)力獲得更多商業(yè)回報(bào)，即 Model-As-A-Service (MaaS)模型即服務(wù)。

1.2 AI 前沿技術(shù)趨勢(shì)展望

1.2.1 AI Agent（AI 智能體）

AI Agent 指的是人工智能智能體，其能夠使用傳感器感知周?chē)h(huán)境，做出決策，并使用執(zhí)行器采取行動(dòng)。 OpenAI 應(yīng)用研究主管 LilianWeng 提出了重要公式：Agent = LLM（大型語(yǔ)言模型）+ 記憶 + 規(guī)劃技能 + 工 具使用。 大型語(yǔ)言模型為 AI Agent 帶來(lái)了革命性進(jìn)步，經(jīng)過(guò)四大發(fā)展階段，逐步具備了高效推理、靈活行動(dòng)、強(qiáng)大 的泛化以及無(wú)縫任務(wù)轉(zhuǎn)移的能力。發(fā)展歷程：AI Agent 經(jīng)歷了符號(hào)智能體、反映型智能體、基于強(qiáng)化學(xué)習(xí)的智 能體、具有遷移學(xué)習(xí)和元學(xué)習(xí)功能的智能體四大發(fā)展階段，現(xiàn)在已經(jīng)跨入基于大型語(yǔ)言模型的智能體階段。大 語(yǔ)言模型為 AI Agent 帶來(lái)了突破性的進(jìn)展，同時(shí)具備了以上四大發(fā)展階段的優(yōu)勢(shì)：1）通過(guò)思維鏈（CoT）和問(wèn) 題分解等技術(shù)，基于 LLM 的智能體可以表現(xiàn)出與符號(hào)智能體相當(dāng)?shù)耐评砗鸵?guī)劃能力；2）通過(guò)從反饋中學(xué)習(xí)和 執(zhí)行新的行動(dòng)，獲得與環(huán)境互動(dòng)的能力，類似于反應(yīng)型智能體；3）大型語(yǔ)言模型在大規(guī)模語(yǔ)料庫(kù)中進(jìn)行預(yù)訓(xùn)練， 并顯示出泛化與遷移學(xué)習(xí)的能力；4）從而實(shí)現(xiàn)任務(wù)間的無(wú)縫轉(zhuǎn)移，而無(wú)需更新參數(shù)。 由于大模型仍存在大量的問(wèn)題（如幻覺(jué)、上下文容量限制等），并且極度依賴于用戶自己給出指令，如果用 戶指令不夠清晰，就會(huì)影響整個(gè)模型的效果。能夠自己獨(dú)立思考、調(diào)用工具去逐步完成給定目標(biāo)的 AI Agent 會(huì) 是從大模型通往 AGI 路上的下一個(gè)階段。

AI 智能體已經(jīng)在多個(gè)下游逐步應(yīng)用，包括社會(huì)科學(xué)、自然科學(xué)、工程學(xué)等領(lǐng)域，并表現(xiàn)出過(guò)去 AI 無(wú)法實(shí) 現(xiàn)的功能和性能。 自然科學(xué)領(lǐng)域中，AI Agent 主要應(yīng)用在科學(xué)教育中，在實(shí)驗(yàn)助理、文獻(xiàn)及數(shù)據(jù)管理方面也有所應(yīng)用。例如 卡耐基梅隆大學(xué)的研究人員在 2023 年 8 月 14 日提出的編程教育 Agent CodeHelp，其提供了設(shè)定課程關(guān)鍵詞、 監(jiān)控學(xué)生查詢以及提供反饋等功能。 工程學(xué)領(lǐng)域中，AI Agent 的應(yīng)用最為廣泛，其中機(jī)器人&具身智能、計(jì)算機(jī)科學(xué)&軟件工程、通用 Agent 是最主要的應(yīng)用場(chǎng)景。AutoGPT 是通用 Agent 的代表，其可以將設(shè)定好的一個(gè)或多個(gè)目標(biāo)分解為相應(yīng)的任務(wù)并 循環(huán)執(zhí)行。自 AutoGPT 引發(fā)廣泛關(guān)注以來(lái)，相關(guān)研究持續(xù)推進(jìn)，如 MiniAGI、SuperAGI、AutoGen 等。 社會(huì)科學(xué)領(lǐng)域中，AI Agent 應(yīng)用在模擬實(shí)驗(yàn)、心理學(xué)、政治與經(jīng)濟(jì)學(xué)等場(chǎng)景中。例如著名的斯坦福小鎮(zhèn) （Generative Agents），其在虛擬城鎮(zhèn)中構(gòu)建了多個(gè) AI Agent 來(lái)模擬人類的日常生活，大大降低了社會(huì)學(xué)實(shí)驗(yàn)的 成本并避免了潛在的道德風(fēng)險(xiǎn)。 大語(yǔ)言模型具有強(qiáng)大的語(yǔ)言理解能力、復(fù)雜任務(wù)推理能力和知識(shí)積累，這些能力讓基于大語(yǔ)言模型的 AI Agent 在多個(gè)下游領(lǐng)域中展現(xiàn)出強(qiáng)大潛力，AI Agent 的發(fā)展也將讓大模型的“智慧”得以應(yīng)用于解決更多現(xiàn)實(shí) 場(chǎng)景的問(wèn)題，拓寬 AI 應(yīng)用的邊界。目前 AI Agent 的技術(shù)框架已經(jīng)較為清晰，后續(xù)隨各環(huán)節(jié)的技術(shù)革新以及各 場(chǎng)景數(shù)據(jù)收集等的持續(xù)推進(jìn)，AI Agent 將加速發(fā)展，值得持續(xù)關(guān)注。

以下舉例幾個(gè)在不同領(lǐng)域應(yīng)用的智能體實(shí)例：

1） 自然科學(xué)領(lǐng)域 AutoGPT&XAgent

AutoGPT 是一種開(kāi)源的完全自動(dòng)化智能體。AutoGPT 通過(guò) API 結(jié)合了 GPT-3.5 和 GPT-4，允許用戶創(chuàng)建 使用語(yǔ)言模型來(lái)生成和改進(jìn)文本。它可以閱讀、寫(xiě)作和瀏覽網(wǎng)絡(luò)，它根據(jù)任務(wù)目標(biāo)自己創(chuàng)建 prompt，然后再完 成這個(gè)任務(wù)，接下來(lái)重復(fù)這個(gè)過(guò)程直到達(dá)到最終目標(biāo)。它還可以使用 GPT-4 編寫(xiě)自己的代碼，并執(zhí)行 Python 腳 本以遞歸調(diào)試、開(kāi)發(fā)、構(gòu)建和自我改進(jìn)。目前已開(kāi)發(fā)的應(yīng)用場(chǎng)景包括：進(jìn)行市場(chǎng)調(diào)研、生成博客大綱、開(kāi)發(fā)應(yīng) 用程序、搭建網(wǎng)站、為客戶提供服務(wù)、管理社交媒體賬號(hào)、成為財(cái)務(wù)顧問(wèn)。 但目前 AutoGPT 的缺點(diǎn)也非常明顯，比如 GPT4 費(fèi)用較高，對(duì)于一個(gè)小任務(wù)，如果按照平均 50 個(gè)步驟 來(lái)算的話，成本大概為 50 * 0.288 = 14.4 美元（約人民幣 98.5 元），此外 GPT 3.5 非常容易逃逸或者陷入死循 環(huán)。

2）工程學(xué)領(lǐng)域 MetaGPT

MetaGPT 是一個(gè)基于 GPT-4 的多智能體合作框架，該框架將人類的 SOP(標(biāo)準(zhǔn)化作業(yè)流程）編碼為 LLM 智能體，并從根本上擴(kuò)展了解決復(fù)雜問(wèn)題的能力。設(shè)計(jì)了一個(gè)新的元編程機(jī)制，包括角色定義、任務(wù)分解、流 程標(biāo)準(zhǔn)化和其他技術(shù)設(shè)計(jì)。這樣，MetaGPT 能夠使用 SOP 開(kāi)發(fā)復(fù)雜的軟件。 核心優(yōu)勢(shì)：1.引入元編程框架：在構(gòu)建多智能體系統(tǒng)時(shí)具有極高的便利性和靈活性。2.整合人類 SOP 過(guò)程 設(shè)計(jì)：減少了基于 LLM 的多智能體協(xié)作中的錯(cuò)誤，顯著提高了穩(wěn)健性，使系統(tǒng)具備了系統(tǒng)化工程解決復(fù)雜任務(wù) 的能力。3.實(shí)現(xiàn)最先進(jìn)的性能：經(jīng)過(guò)對(duì) python 游戲生成、CRUD2 代碼生成和與 AutoGPT、AgentVerse、LangChain 以及 MetaGPT 一起的簡(jiǎn)單數(shù)據(jù)分析任務(wù)進(jìn)行了全面實(shí)驗(yàn)。整體結(jié)果顯示 MetaGPT 在代碼質(zhì)量和預(yù)期工作流的 一致性方面都優(yōu)于其對(duì)手。并且，MetaGPT 有潛力解決 LLM 中的幻覺(jué)問(wèn)題，從而引導(dǎo)協(xié)作的 LLM 系統(tǒng)朝更有 效的設(shè)計(jì)方向發(fā)展。

3）自然科學(xué)領(lǐng)域 Humanoid Agents

以往的 Agents 會(huì)根據(jù)環(huán)境制定嚴(yán)格的計(jì)劃，但事實(shí)上這一過(guò)程與人類的思維方式并不完全相似。大多數(shù)人 不會(huì)提前制定計(jì)劃，然后在日常生活中一絲不茍地精確執(zhí)行這些計(jì)劃，原因就在于 Agent 并沒(méi)有真正反映出人 類的基本需求、真實(shí)情感及人際間微妙的距離感。 為了減輕這一缺點(diǎn)的影響，研究者基于 ChatGPT 3.5 提出了仿人類機(jī)器人—Humanoid Agents，該模型引入 了基本需求（飽腹感、健康和能量）、情感和關(guān)系親密程度三大概念，來(lái)讓 Agent 表現(xiàn)得更像人類。利用這些元 素，Agents 就能調(diào)整自己的日常活動(dòng)，以及和其他 Agent 的對(duì)話,而且也會(huì)像人一樣，遵守馬斯洛需求理論。 實(shí)驗(yàn)表明 Humanoid Agents 對(duì)于活動(dòng)是否增加飽腹感和能量；活動(dòng)中表達(dá)的情感；對(duì)話是否拉近了參與者之間 的關(guān)系都能夠進(jìn)行很好的預(yù)測(cè)，但是在分類活動(dòng)是否滿足樂(lè)趣、健康和社交等基本需求方面略顯吃力。 在陪伴場(chǎng)景下（如虛擬戀人），更了解人類情感的 Agent 可以帶給人更優(yōu)秀的情緒價(jià)值，提出更人性化的 建議，更好得滿足當(dāng)代人的情感需要。

1.2.2 混合專家模型技術(shù)

混合專家模型(MoE)是一種稀疏門(mén)控制的深度學(xué)習(xí)模型，主要由一組專家模型和一個(gè)門(mén)控模型組成。MoE 的基本理念是將輸入分割成多個(gè)區(qū)域，并對(duì)每個(gè)區(qū)域分配一個(gè)或多個(gè)專家模型。每個(gè)專家模型可以專注于處理輸入的一部分，從而提高模型的整體性能。 門(mén)控模型：稀疏門(mén)網(wǎng)絡(luò)是混合專家模型的一部分，它接收單個(gè)數(shù)據(jù)元素作為輸入，然后輸出一個(gè)權(quán)重，這 些權(quán)重表示每個(gè)專家模型對(duì)處理輸入數(shù)據(jù)的貢獻(xiàn)。例如，如果模型有兩個(gè)專家，輸出的概率可能為 0.7 和 0.3， 這意味著第一個(gè)專家對(duì)處理此數(shù)據(jù)的貢獻(xiàn)為 70%，第二個(gè)專家為 30%。 專家模型：在訓(xùn)練的過(guò)程中，輸入的數(shù)據(jù)被門(mén)控模型分配到不同的專家中進(jìn)行處理，如右圖所示，不同的 專家被分配到處理不同種類的輸入數(shù)據(jù)；在推理的過(guò)程中，被門(mén)控選擇的專家會(huì)針對(duì)輸入的數(shù)據(jù)，產(chǎn)生相應(yīng)的 輸出。 這些輸出（可以是標(biāo)簽或者數(shù)值） 最后會(huì)和每個(gè)專家模型處理該特征的能力分配的權(quán)重進(jìn)行加權(quán)組合， 形成最終的預(yù)測(cè)結(jié)果。 混合專家模型在訓(xùn)練過(guò)程中通過(guò)門(mén)控模型實(shí)現(xiàn)“因材施教”，進(jìn)而在推理過(guò)程中實(shí)現(xiàn)專家模型之間的“博 采眾長(zhǎng)”。

混合專家模型通過(guò)僅激活少數(shù)專家模型處理輸入數(shù)據(jù)，提高訓(xùn)練和推理效率。在傳統(tǒng)的密集模型中，對(duì)于 每一個(gè)輸入都需要在完整的模型中進(jìn)行計(jì)算。在稀疏混合專家模型中，處理輸入數(shù)據(jù)時(shí)只有少數(shù)專家模型被激 活或者使用，而大部分專家模型處于未被激活狀態(tài)，這種狀態(tài)便是“稀疏”。稀疏性是混合專家模型的重要優(yōu) 點(diǎn)，也是提升模型訓(xùn)練和推理過(guò)程的效率的關(guān)鍵。 對(duì)于稀疏性的控制，主要通過(guò)調(diào)整門(mén)控網(wǎng)絡(luò)的設(shè)計(jì)和參數(shù)來(lái)實(shí)現(xiàn)。在參數(shù)選擇上，如果門(mén)控網(wǎng)絡(luò)單次選擇 的專家模型數(shù)量較多，則模型的稀疏性就會(huì)降低。單次選擇專家的數(shù)量越多， 模型的表現(xiàn)能力可能有所提升， 因?yàn)楦嗟膶＜夷Ｐ吞幚磔斎霐?shù)據(jù)，所以導(dǎo)致稀疏性有所下降，增加計(jì)算的復(fù)雜性和耗時(shí)。因此， MoE 模型 的稀疏性在效率和表現(xiàn)能力之間存在權(quán)衡。根據(jù)不同的應(yīng)用需求和資源限制，需要適當(dāng)調(diào)整門(mén)控網(wǎng)絡(luò)的設(shè)計(jì)和 參數(shù)，來(lái)找到最佳的效率和表現(xiàn)能力之間的平衡。

在自然語(yǔ)言處理領(lǐng)域中，2017 年，谷歌首次將 MoE 引入自然語(yǔ)言處理領(lǐng)域，通過(guò)在 LSTM 層之間增加 MoE 實(shí)現(xiàn)了機(jī)器翻譯方面的性能提升。2020 年，Gshard 首次將 MoE 技術(shù)引入 Transformer 架構(gòu)中，并提供了高效的 分布式并行計(jì)算架構(gòu)。而后的 Swtich Transformer 和 GLaM 則進(jìn)一步挖掘 MoE 技術(shù)在自然語(yǔ)言處理領(lǐng)域中的應(yīng) 用潛力，實(shí)現(xiàn)了優(yōu)秀的性能表現(xiàn)。 Switch Transformer：通過(guò) MoE 技術(shù)對(duì)模型進(jìn)行拓展，最大版本的 Switch Transformer 的參數(shù)量高達(dá) 1.6 萬(wàn) 億。因其優(yōu)秀的稀疏性，在計(jì)算資源相同的情況下，74 億版本的 Switch Transformer 訓(xùn)練速度可以達(dá)到 T5 模型 的 7/2.5 倍（對(duì)應(yīng) T5 模型的不同版本，Large 為 7.7 億，Base 為 2.2 億）。同時(shí)在多任務(wù)的表現(xiàn)上也取得了相比 密集模型更為優(yōu)秀的結(jié)果。 GLaM：最大的 GLaM 擁有 1.2 萬(wàn)億個(gè)參數(shù)，大約是 GPT-3 的 7 倍。然而，它只消耗了訓(xùn)練 GPT-3 所需能 量的 1/3，并在推理時(shí)只需要一半的計(jì)算浮點(diǎn)運(yùn)算量， 計(jì)算效率更高。在零樣本、單樣本和少樣本學(xué)習(xí)任務(wù)上 也實(shí)現(xiàn)了更好的性能，在七個(gè)具體任務(wù)中分別實(shí)現(xiàn)了平均 10.2%、6.3%和 4.4%的性能提升。

在計(jì)算機(jī)視覺(jué)領(lǐng)域中，2013 年的 DMoE 便是在 MNIST 數(shù)據(jù)集上使用了密集的 MoE 層，2021 年的 V-MoE 將 MoE 架構(gòu)應(yīng)用在計(jì)算機(jī)視覺(jué)領(lǐng)域的 Transformer 架構(gòu)模型中，同時(shí)通過(guò)路由算法的改進(jìn)在相關(guān)任務(wù)中實(shí)現(xiàn)了 更高的訓(xùn)練效率和更優(yōu)秀的性能表現(xiàn)。 V-MoE 原理：V-MoE 通過(guò)將 ViT 中的一部分密集前饋層替換為稀疏的 MoE 層來(lái)實(shí)現(xiàn)，每個(gè)圖像塊被“路 由”到一組“專家”（MLPs）中進(jìn)行處理，同時(shí)通過(guò)對(duì)圖像中重要信息的優(yōu)先分析（優(yōu)先級(jí)路由），使得模型可 以不需要分析所有信息便可以得到較為準(zhǔn)確的結(jié)果，對(duì)于鴨子的圖片，通過(guò)將其中重要的 16 個(gè) token 分配到 4 個(gè)專家處，便可以得到較為正確的分析，提升了模型運(yùn)算效率。 V-MoE 性能：通過(guò)使用稀疏的 MoE 層，V-MoE 可以在保持性能的同時(shí)減少計(jì)算資源的使用，從而實(shí)現(xiàn)更 高效的模型訓(xùn)練和推理。在兩個(gè)任務(wù)中，V-MoE 相較于 ViT 模型，達(dá)到相同性能的情況下節(jié)省了 2.5 倍的算力消耗，而在相同的算力消耗下，V-MoE 也實(shí)現(xiàn)了更優(yōu)的性能。 同時(shí)，V-MoE 還可以用于其他計(jì)算 機(jī)視覺(jué)任務(wù)，如目標(biāo)檢測(cè)和圖像生成。

在多模態(tài)領(lǐng)域中，2022 年的 LIMoE 是首個(gè)應(yīng)用了稀疏混合專家模型技術(shù)的多模態(tài)模型，模型性能相較于 CLIP 也有所提升。 LIMoE 原理：將輸入的圖像/文本通過(guò)門(mén)控網(wǎng)絡(luò)分配到不同的專家模型中，鴨子（drake）的圖 片和對(duì)應(yīng)的文字描述的 token 被分配到不同的專家中進(jìn)行處理，每個(gè)專家處理完后通過(guò)輸出層為圖像或文本生 成一個(gè)統(tǒng)一的向量表示。 LIMoE 性能：在零樣本和 10 樣本的 ImageNet 分類任務(wù)中，LIMoE 的絕對(duì)平均性能相較于 CLIP 實(shí)現(xiàn)了 10.1 和 12.2%的提升，在 Coco T2I（文本到圖像檢索）任務(wù)上，LIMoE 也實(shí)現(xiàn)了較為明顯的性能提升，其中在小規(guī) 模模型上這一提升更為顯著。

1.2.3 機(jī)器人大模型

1.2.3.1 人工智能模型推動(dòng)機(jī)器人控制革新

機(jī)器人控制系統(tǒng)相當(dāng)于機(jī)器人的大腦，機(jī)器人控制算法則是其中的軟件核心。其核心功能是處理來(lái)自傳感 器的檢測(cè)信號(hào)，給出機(jī)器人下一步應(yīng)該怎么做的指示。與傳統(tǒng)的機(jī)械系統(tǒng)控制算法相比，機(jī)器人控制算法是非 線性、多變量、時(shí)變的，且相較于傳統(tǒng)機(jī)械，機(jī)器人面臨的應(yīng)用環(huán)境也更為復(fù)雜和多樣，這意味著機(jī)器人控制 算法有相當(dāng)高的設(shè)計(jì)難度。 早期機(jī)器人控制算法主要采用 PID 算法，后續(xù)復(fù)雜的運(yùn)動(dòng)控制算法如 MPC 和 WBC 逐漸成為主流。PID 算法早在 1932 年由物理學(xué)家哈利奈奎斯特，而后便被廣泛應(yīng)用在各類控制領(lǐng)域中，包括機(jī)器人控制領(lǐng)域中。但 由于 PID 方法本質(zhì)上是線性控制器，因此無(wú)法處理較為復(fù)雜的任務(wù)。而后 1987 年提出的 MPC 算法和 2004 年 提出的 WBC 算法逐漸成為主流，讓更為復(fù)雜任務(wù)的處理成為可能，但同時(shí)也還存在著計(jì)算復(fù)雜度高、算力需 求高的問(wèn)題。

1.2.3.2 谷歌：機(jī)器人大模型引領(lǐng)者

隨著各項(xiàng)人工智能技術(shù)的不斷發(fā)展，具備與物理世界交互的強(qiáng)大潛力的智能機(jī)器人成為學(xué)界和業(yè)界的重要 研究賽道。其中 Google 依托其在 AI 領(lǐng)域強(qiáng)大的研究團(tuán)隊(duì)，豐厚的多領(lǐng)域研究成果，引領(lǐng)著近年來(lái)機(jī)器人模型 的發(fā)展。Google Deepmind 在 2023 年 6 月和 7 月發(fā)布了其最新研究成果，具備“自我完善”能力的“RoboCat” 和融合大語(yǔ)言模型能力的 VLA 模型“RT-2”，機(jī)器人智能化進(jìn)一步加速，有望掀起新一輪 AI 革命。 從 Gato 到 RoboCat，更大規(guī)模的訓(xùn)練數(shù)據(jù)集和創(chuàng)新的自我完善方法助力打造更強(qiáng)的機(jī)器人智能體。在 2022 年 5 月提出的 Gato 模型將智能體擴(kuò)展到機(jī)器人控制領(lǐng)域中，但“通用性”和“智能性”仍有較大提升空間，其 模型架構(gòu)和控制任務(wù)數(shù)據(jù)的序列化方式是后續(xù)模型發(fā)展的重要基礎(chǔ)。2023 年 7 月提出的 RoboCat 則基于 Gato 的模型基礎(chǔ)，將訓(xùn)練數(shù)據(jù)集擴(kuò)充至 400 萬(wàn)個(gè)機(jī)器人相關(guān)片段，并創(chuàng)新性的提出“自我完善”的方式來(lái)進(jìn)一步豐 富訓(xùn)練數(shù)據(jù)，這兩點(diǎn)創(chuàng)新讓 RoboCat 在實(shí)現(xiàn)了訓(xùn)練任務(wù)的性能提升并具備了一定的泛化性能，并且能夠在少量 數(shù)據(jù)微調(diào)的情況下處理未見(jiàn)過(guò)的任務(wù)。

1.2.3.3 Meta：持續(xù)探索在有限數(shù)據(jù)集情況下實(shí)現(xiàn)更優(yōu)秀機(jī)器人控制的方法

近年來(lái)，Meta 一直是 AI 領(lǐng)域不可忽視的力量，前沿研究如 CV 領(lǐng)域的 SAM 模型，NLP 領(lǐng)域的 LLaMa均是相關(guān)領(lǐng)域的最前沿技術(shù)之一。在機(jī)器人模型領(lǐng)域，Meta 也已經(jīng)展開(kāi)了較為完善的布局，提出了一些卓有成 效的改進(jìn)策略如數(shù)據(jù)增強(qiáng)、動(dòng)作序列生成等，相關(guān)模型如 R3M、CACTI、ASC、MT-ACT 等，其他領(lǐng)域的核 心突破如 SAM 模型也應(yīng)用到了其中。 從 R3M 到 MT-ACT，Meta 持續(xù)探索如何使用有限的數(shù)據(jù)集實(shí)現(xiàn)更優(yōu)秀的機(jī)器人控制。在 2022 年 3 月推 出的 R3M 模型中，Meta 首次引入人類視頻數(shù)據(jù)作為機(jī)器人控制模型的知識(shí)來(lái)源，提升機(jī)器人模型訓(xùn)練效率。 在 2022 年 12 月推出的 CACTI 模型中，使用數(shù)據(jù)增強(qiáng)技術(shù)實(shí)現(xiàn)了訓(xùn)練數(shù)據(jù)規(guī)模高效擴(kuò)充。2023 年 8 月推出的 MT-ACT 模型將數(shù)據(jù)增強(qiáng)技術(shù)（基于 SAM 視覺(jué)模型）和動(dòng)作序列生成技術(shù)結(jié)合，在 7500 個(gè)原始訓(xùn)練數(shù)據(jù)的情 況下，在不同難度的測(cè)試中分別實(shí)現(xiàn)了 81.67%、65.17%、31.33%的成功率，小規(guī)模數(shù)據(jù)表現(xiàn)優(yōu)于其他可比模型。

二、AI 應(yīng)用趨勢(shì)展望

2.1 AI+教育是人工智能落地的黃金賽道

教育行業(yè)因?yàn)槠鋫€(gè)性化學(xué)習(xí)訴求強(qiáng)、數(shù)據(jù)豐富度高、付費(fèi)意愿強(qiáng)，成為人工智能的優(yōu)質(zhì)落地領(lǐng)域。不同地 區(qū)、學(xué)校和學(xué)生具備“因材施教”強(qiáng)個(gè)性化學(xué)習(xí)需求，教育領(lǐng)域的高數(shù)據(jù)豐富度為垂直大模型的訓(xùn)練提供可能， 同時(shí)，教育作為剛需領(lǐng)域，學(xué)生、家長(zhǎng)付費(fèi)意愿普遍較強(qiáng)。AI 的發(fā)展使得以低成本的方式建設(shè)自適應(yīng)學(xué)習(xí)系統(tǒng) 成為可能。具備較強(qiáng)理解能力的生成式人工智能可以持續(xù)為學(xué)生提供個(gè)性化教學(xué)服務(wù)，且隨著教學(xué)規(guī)模的擴(kuò)大， 其人均成本逐漸下降，顯著降低了個(gè)性化學(xué)習(xí)的成本。

AI+教育主要有以下三點(diǎn)優(yōu)勢(shì)： 一、教學(xué)環(huán)境及課程形式的靈活化。AI 技術(shù)的引入使得教學(xué)不再局限于課堂，學(xué)生可以隨時(shí)隨地獲得最新、 優(yōu)質(zhì)的學(xué)習(xí)資源，向 AI 助手請(qǐng)教。利用 AI 的高效多模態(tài)生成力，還可以呈現(xiàn)不同的課程形式營(yíng)造更多的沉浸 感。 二、學(xué)習(xí)過(guò)程的個(gè)性化。AI 教育平臺(tái)往往具有教學(xué)、考試、批改、解答、集錯(cuò)等多重功能，通過(guò)分析學(xué)生 在考試過(guò)程中的用時(shí)分配、錯(cuò)題分類，發(fā)現(xiàn)學(xué)生薄弱環(huán)節(jié)，針對(duì)性提供學(xué)習(xí)資源、個(gè)性化的學(xué)習(xí)方案和改進(jìn)方 案，即時(shí)給予反饋和評(píng)估。借助 AI 技術(shù)，針對(duì)性輔導(dǎo)成本大大降低，教育更好地適應(yīng)每個(gè)學(xué)生的獨(dú)特需求和能 力水平。 三、教學(xué)活動(dòng)的降本增效。對(duì)于教育資源有限的地區(qū)，相對(duì)較低成本的 AI 教育應(yīng)用使得高質(zhì)量資源更加 觸手可及，進(jìn)一步促進(jìn)教育公平；對(duì)于教學(xué)者，AI 軟件的批閱、評(píng)估功能大大減少了機(jī)械化勞動(dòng)，使教師有更 多的精力投入到創(chuàng)造性的教學(xué)活動(dòng)中，提高了教學(xué)效率。 隨著生成式人工智能技術(shù)的爆發(fā)，AI+教育邁向全新的發(fā)展階段。根據(jù) Market Research 數(shù)據(jù)，生成式人工 智能在教育領(lǐng)域的市場(chǎng)規(guī)模將從 2022 年的 2.15 億美元上升至 2030 年的 27.4 億美元，CAGR 為 37.5%，其中面向?qū)W生端的市場(chǎng)規(guī)模大致占到全部市場(chǎng)規(guī)模的一半。

國(guó)家出臺(tái) AI+教育的綱領(lǐng)性文件，頂層規(guī)劃驅(qū)動(dòng)行業(yè)穩(wěn)步發(fā)展。2018 年 4 月，教育部發(fā)布《教育信息化 2.0 行動(dòng)計(jì)劃》，在行動(dòng)規(guī)劃上提出不斷推動(dòng)人工智能與教育深度融合，加快面向下一代網(wǎng)絡(luò)的高校智能學(xué)習(xí)體系建 設(shè)。2022 年 8 月，科技部發(fā)布《支持建設(shè)新一代人工智能示范應(yīng)用場(chǎng)景》，針對(duì)青少年教育中“備、教、練、測(cè)、 管”等關(guān)鍵環(huán)節(jié)，運(yùn)用學(xué)習(xí)認(rèn)知狀態(tài)感知、無(wú)感知異地授課的智慧學(xué)習(xí)和智慧教室等關(guān)鍵技術(shù)，構(gòu)建虛實(shí)融合與 跨平臺(tái)支撐的智能教育基礎(chǔ)環(huán)境。2023 年 6 月，教育部發(fā)布《基礎(chǔ)教育課程教學(xué)改革深化行動(dòng)方案》，強(qiáng)調(diào)探 索利用人工智能、虛擬現(xiàn)實(shí)等技術(shù)手段改進(jìn)和強(qiáng)化實(shí)驗(yàn)教學(xué)以及遴選一批富有特色的高水平科學(xué)教育和人工智 能教育中小學(xué)基地。

2.1.1 AI+教育軟件

AI+教育軟件是人工智能落地的重要領(lǐng)域，多鄰國(guó)與可汗學(xué)院是全球市場(chǎng)上的領(lǐng)跑者。 自 2021 年起，多鄰國(guó)與 Open AI 達(dá)成戰(zhàn)略合作，推動(dòng)了 AI 與教育的深度融合。在最新的 GPT-4 技術(shù)基礎(chǔ) 上，Duolingo 于 2023 年 3 月 14 日推出了家教功能，包括 Explain My Answer 和 Roleplay 兩大功能，并引入了 付費(fèi)層“Duolingo Max”，旨在進(jìn)一步實(shí)現(xiàn)“提供千人千面的個(gè)性化語(yǔ)言學(xué)習(xí)服務(wù)”的目標(biāo)。該付費(fèi)層不僅提供角色 扮演和解釋答案的功能，還新增了課堂教練，為用戶在提交答案之前提供小提示，優(yōu)化學(xué)習(xí)體驗(yàn)。Duolingo 接 入 GPT-4 后，月活用戶數(shù)實(shí)現(xiàn)大幅增長(zhǎng)，2023Q3 月活躍用戶數(shù)（MAU）為 8310 萬(wàn)人，同比增長(zhǎng) 47.1%，其中 付費(fèi)訂閱用戶為 580 萬(wàn)人，同比增長(zhǎng)為 56.8%。付費(fèi)用戶數(shù)提升疊加會(huì)員費(fèi)的提升帶來(lái)公司盈利能力的不斷增 強(qiáng)，公司 2023Q3 營(yíng)業(yè)收入為 1.38 億美元，凈利潤(rùn)為 281 萬(wàn)美元，扭虧為盈。在財(cái)報(bào)電話會(huì)議中，多鄰國(guó)管理 層強(qiáng)調(diào)他們正在利用生成式 AI 技術(shù)加速 Stories 腳本的撰寫(xiě)速度，使得完成任務(wù)更快、成本更低，同時(shí)質(zhì)量也 不會(huì)降低。這一戰(zhàn)略應(yīng)用使得多鄰國(guó)在 AI+教育領(lǐng)域具備獨(dú)特的優(yōu)勢(shì)：游戲化的語(yǔ)言教學(xué)為其形成了差異化競(jìng) 爭(zhēng)策略，深厚的技術(shù)積累構(gòu)建了堅(jiān)實(shí)的技術(shù)壁壘，同時(shí)積極將生成式 AI 技術(shù)融入產(chǎn)品中，優(yōu)化用戶的學(xué)習(xí)體驗(yàn)。 至 2023 年 11 月 30 日，公司股價(jià)累計(jì)上漲了 77.4%，凸顯了其在 AI+教育賽道上的卓越表現(xiàn)。進(jìn)一步印證了多 鄰國(guó)在創(chuàng)新教育模式、提升用戶體驗(yàn)方面的成功實(shí)踐。

2.1.2 教育信息化

我國(guó)教育信息化發(fā)展從 1.0 走向 2.0 時(shí)代。教育信息化 1.0：三通兩平臺(tái)是教育信息化 1.0 核心，教育信息 化 1.0 主要涉及基礎(chǔ)設(shè)施建設(shè)。2007 年 2 月，教育部發(fā)布《教育部關(guān)于做好國(guó)家教育考試考務(wù)管理與服務(wù)平臺(tái) 相關(guān)工作的通知》，提出在 2009 年高考前，在全國(guó)范圍內(nèi)分批建立全方位發(fā)揮作用的國(guó)家教育考試指揮、管理、 監(jiān)控體系，隨后一些列政策逐漸開(kāi)啟教育信息化 1.0 時(shí)代。教育信息化 2.0：從基礎(chǔ)設(shè)施建設(shè)走向信息融合與應(yīng) 用層面，核心是“三全兩高一大”。2018 年 4 月，教育部發(fā)布《教育信息化 2.0 行動(dòng)計(jì)劃》，提出到 2022 年基本 實(shí)現(xiàn)“三全兩高一大”的發(fā)展目標(biāo)，教育信息建設(shè)從注重信息裝備建設(shè)走向信息的深度融合。

財(cái)政在教育信息化領(lǐng)域的經(jīng)費(fèi)投入是中國(guó)教育信息化市場(chǎng)發(fā)展的主要?jiǎng)恿?，教育信息化?jīng)費(fèi)占教育經(jīng)費(fèi)不 低于 8%，根據(jù)教育部公布的教育經(jīng)費(fèi)推算，2022 年教育信息化投入約 4908 億元，2014-2021 年中國(guó)教育信息 化經(jīng)費(fèi)投入復(fù)合增長(zhǎng)率為 8.13%。根據(jù)《基礎(chǔ)教育信息化發(fā)展指數(shù)》，2019 年我國(guó)教育信息化經(jīng)費(fèi)投入中有 42.4% 的資金都用于硬件和相關(guān)設(shè)備的購(gòu)置。海外教育信息化市場(chǎng)屬于后發(fā)市場(chǎng)，智能交互設(shè)備滲透率相對(duì)較低，整 體空間更為廣闊，市場(chǎng)增速相對(duì)更高。

2.1.3 教育智能硬件

智能硬件是指通過(guò)將硬件和軟件相結(jié)合對(duì)傳統(tǒng)設(shè)備進(jìn)行智能化改造，對(duì)硬件與軟件的優(yōu)勢(shì)進(jìn)行了充分融合。 我國(guó)智能硬件在政策加持、技術(shù)賦能、消費(fèi)升級(jí)等因素驅(qū)動(dòng)下，市場(chǎng)規(guī)模以較高增速增長(zhǎng)。智能硬件產(chǎn)品廣泛 應(yīng)用于個(gè)人穿戴、養(yǎng)老陪伴、教育娛樂(lè)、運(yùn)動(dòng)健康等場(chǎng)景，為人民生活帶來(lái)智能化和便利化。智能學(xué)習(xí)設(shè)備服 務(wù)市場(chǎng)指旨在為學(xué)生提供教育服務(wù)的硬件設(shè)備市場(chǎng)，其最重要的特點(diǎn)是在提供教育服務(wù)過(guò)程中應(yīng)用智能技術(shù)， 如 OCR 技術(shù)、AI 大模型應(yīng)用及信息技術(shù)，以向?qū)W生及家長(zhǎng)、教師提供更個(gè)性化的教育體驗(yàn)。

從應(yīng)用場(chǎng)景的角度來(lái)看，市場(chǎng)可以分類為主要服務(wù)于個(gè)人終端用戶的 To C 市場(chǎng)及提供數(shù)字校園教學(xué)解決方 案的 To B 市場(chǎng)。2021 年，中國(guó)的智能學(xué)習(xí)設(shè)備總市場(chǎng)規(guī)模達(dá)到 659 億元，預(yù)計(jì)到 2026 年，中國(guó)智能學(xué)習(xí)設(shè)備 的總市場(chǎng)規(guī)模將為 1450 億元，2021 年至 2026 年的復(fù)合年增長(zhǎng)率為 17.1％。在政府持續(xù)支持并投入實(shí)現(xiàn)校園數(shù) 字化及智慧課堂升級(jí)的背景下，To B 分部于 2017 年至 2021 年經(jīng)歷高速增長(zhǎng)，2021 年我國(guó) B 端市場(chǎng)規(guī)模達(dá)到 330 億，2026 年有望達(dá)到 709 億。相比而言，To C 學(xué)習(xí)市場(chǎng)目標(biāo)人群較多，且輔助教育涵蓋從早教到成人教育， 有龐大及持續(xù)的需求。2021 年 To C 分部的市場(chǎng)規(guī)模為 329 億元，預(yù)計(jì) To C 分部持續(xù)穩(wěn)健增長(zhǎng)至 2026 年的 741 億元。

從學(xué)習(xí)機(jī)市場(chǎng)結(jié)構(gòu)來(lái)看，以步步高和讀書(shū)郎為代表的傳統(tǒng)主流智能教育設(shè)備廠商，仍占據(jù)市場(chǎng)的主要份額。 以科大訊飛和網(wǎng)易有道為代表的新型品牌憑借人工智能技術(shù)的支持和高科技屬性迅速擴(kuò)大了市場(chǎng)規(guī)模。此外， 教育屬性極強(qiáng)的學(xué)而思和有道等轉(zhuǎn)型廠商也加入了市場(chǎng)競(jìng)爭(zhēng)。根據(jù) IDC 數(shù)據(jù)，2021 年國(guó)內(nèi)市場(chǎng)占有率最高的步 步高學(xué)習(xí)機(jī)占比高達(dá) 28.9%，第二名讀書(shū)郎份額 6.1%，科大訊飛以 4.0%位列第五。

2.2 自動(dòng)駕駛：算法架構(gòu)優(yōu)化，高階輔助駕駛滲透率預(yù)期提升

2.2.1 端到端模型實(shí)現(xiàn)算法架構(gòu)優(yōu)化，自動(dòng)駕駛性能提升

“端到端”架構(gòu)是自動(dòng)駕駛發(fā)展未來(lái)主流方向。意為依靠輸入，直接輸出，所以對(duì)輸入內(nèi)容要求較高。激 光雷達(dá)、雷達(dá)、照相機(jī)等都是感知系統(tǒng)的組成部分，其中激光雷達(dá)和雷達(dá)進(jìn)行深度分析，攝像機(jī)進(jìn)行探測(cè)，GPS 和里程表傳感器捕獲并繪制車(chē)輛的位置、狀態(tài)和相應(yīng)的環(huán)境，進(jìn)而在決策階段進(jìn)一步利用。例如，以典型端到 端模型 TCP 和 UniAD 中，其都是用多種不同感知器一起使用去獲取相關(guān)信息，并生成相應(yīng)的控制動(dòng)作。多模 態(tài)在關(guān)鍵感知領(lǐng)域的性能優(yōu)于單模態(tài)，結(jié)合多傳感器服務(wù)自動(dòng)駕駛需求。特斯拉傳統(tǒng)邏輯是簡(jiǎn)化輸入，優(yōu)化局 部算法；但為了服務(wù)端到端模型需求，算法框架演變?yōu)樵鰪?qiáng)輸入以優(yōu)化整體算法，強(qiáng)化數(shù)據(jù)精準(zhǔn)度，借助系統(tǒng) 冗余保證可靠性。

2021 年，端到端駕駛算法出現(xiàn)了重要轉(zhuǎn)折點(diǎn)。算法集中在多模態(tài)和 Transformer 等高級(jí)架構(gòu)的結(jié)合，如 TransFuser 和其他變體?；趥鞲衅鲗?duì)環(huán)境的精確捕捉，閉環(huán) CARLA 基準(zhǔn)性能逐步提高；為了提升自動(dòng)駕駛系 統(tǒng)的可解釋性和安全性，NEAT、NMP 和 BDD-X 等方法明確納入了多種輔助模塊。2023 年，研究強(qiáng)調(diào)優(yōu)先生 成關(guān)鍵數(shù)據(jù)，即預(yù)先訓(xùn)練一個(gè)大型策略學(xué)習(xí)基礎(chǔ)模型，如 UniAD，同時(shí)引入了新的 CARLA v2 和 nuPlan 基準(zhǔn)。

特斯拉 FSD V12 在算法層面實(shí)現(xiàn)端到端。FSD Beta v12 完全是由神經(jīng)網(wǎng)絡(luò)訓(xùn)練而成，沒(méi)有任何一行人工寫(xiě) 的規(guī)則代碼。馬斯克稱，控制是全自動(dòng)駕駛最后一個(gè)難題，F(xiàn)SD Beta v12 使用 AI 替代傳統(tǒng)控制模塊使得控制代 碼減少約 2 個(gè)數(shù)量級(jí)。特斯拉原先的自動(dòng)駕駛算法 HydraNets，也被成為九頭蛇網(wǎng)絡(luò)，是將每一個(gè)任務(wù)劃分為單 獨(dú)模塊，雖然在工程學(xué)上對(duì)每一個(gè)模塊進(jìn)行優(yōu)化，但卻沒(méi)法從全局提升汽車(chē)自動(dòng)駕駛性能。 我們認(rèn)為端到端將感知、預(yù)測(cè)與規(guī)劃集成在同一個(gè)網(wǎng)絡(luò)流程中，將自動(dòng)駕駛建模成一個(gè)神經(jīng)網(wǎng)絡(luò)驅(qū)動(dòng)任務(wù)。 端到端使得算法中的所有模塊都直接服務(wù)于規(guī)劃，使得最終汽車(chē)做出規(guī)劃的效率提高，避免了模塊分散導(dǎo)致的 數(shù)據(jù)重復(fù)流轉(zhuǎn)。馬斯克表示 HW4.0 硬件目前暫時(shí)不受支持，主要原因是兩者數(shù)據(jù)不兼容，未來(lái)仍需針對(duì) HW4.0 進(jìn)行重新訓(xùn)練。馬斯克稱目前制約訓(xùn)練的因素不是工程師，而是訓(xùn)練算力。特斯拉在 7 月份投產(chǎn) Dojo，規(guī)劃到 2024 年 100E 算力（相當(dāng)于 30 萬(wàn)顆 A100 算力），預(yù)計(jì) 2024 年 2 月自身算力規(guī)模將進(jìn)入全球前五；同時(shí)特斯拉 新到一批英偉達(dá)機(jī)器，訓(xùn)練算力將大幅增強(qiáng)。

2.2.2 國(guó)內(nèi)自動(dòng)駕駛車(chē)廠勢(shì)頭依舊，高階輔助駕駛滲透率預(yù)期提升

國(guó)內(nèi)自動(dòng)駕駛車(chē)廠布局迅速，L3 級(jí)別及以上滲透率有望逐步提升。2023 年 1-10 月，理想、小鵬銷售量持 續(xù)走高，其中理想 10 月交付量達(dá)到 40422 輛，遠(yuǎn)超其他兩家；蔚來(lái)自 7 月起回落幅度較大。伴隨智能化策略推 進(jìn)、輔助駕駛功能強(qiáng)化，蔚小理三家英偉達(dá) Orin 芯片占比將持續(xù)提升。在具體配置路線上，理想更為清晰，其 分 Pro 和 Max 兩大車(chē)型向下向上滲透市場(chǎng)，其中 Max 車(chē)型提供全場(chǎng)景智能駕駛，標(biāo)配英偉達(dá)雙 Orin X 芯片滲 透率將繼續(xù)上升。2023 年交付量預(yù)測(cè)方面，理想預(yù)計(jì)全年銷售 30 萬(wàn)輛，蔚來(lái)預(yù)計(jì)全年銷售 24.5 萬(wàn)輛，小鵬預(yù)計(jì)全年銷售 20 萬(wàn)輛。

9 月 12 日，華為正式發(fā)布問(wèn)界新 M7 系列。硬件層面問(wèn)界新 M7 配備 1 個(gè)頂置激光雷達(dá)、3 個(gè)毫米波雷達(dá)、 11 個(gè)高清視覺(jué)感知攝像頭及 12 個(gè)超聲波雷達(dá)等 27 個(gè)感知硬件。問(wèn)界新 M7 通過(guò)搭載 ADS 2.0，汽車(chē)感知能力 有明顯提升：通過(guò) GOD2.0 系統(tǒng)，對(duì)車(chē)外物體進(jìn)行識(shí)別；通過(guò) RCR 網(wǎng)絡(luò)，進(jìn)行道路拓?fù)渫评恚瑪[脫高精度地圖。 問(wèn)界新 M7 在安全性方面亦有較大提升。根據(jù)發(fā)布會(huì)介紹，主動(dòng)安全方面，問(wèn)界新 M7 首發(fā)全向防碰撞系統(tǒng)， 問(wèn)界包攬各類主動(dòng)安全評(píng)測(cè)第一名；被動(dòng)安全方面，問(wèn)界新 M7 車(chē)身結(jié)構(gòu)匹配開(kāi)模，重新改造焊裝產(chǎn)線，有效 提高車(chē)身剛度和碰撞安全性。ADS 2.0 自 2023 年 4 月發(fā)布以來(lái)，在 AI 訓(xùn)練集群上構(gòu)建了豐富的場(chǎng)景庫(kù)，每天 深度學(xué)習(xí) 1000 萬(wàn)+km，持續(xù)優(yōu)化迭代智能駕駛算法和場(chǎng)景策略，模型每五天迭代一次，訓(xùn)練算力達(dá)到 1.8EFlops。 截至 2023 年 9 月數(shù)據(jù)，長(zhǎng)距離 NCA 領(lǐng)航 MPI 高達(dá) 200km，城市高架匯入?yún)R出成功率高達(dá) 99%+。到 23 年年底， ADS2.0 無(wú)圖城區(qū)商用計(jì)劃擴(kuò)展到全國(guó)。11 月 9 日，華為宣布其問(wèn)界新 M7 實(shí)現(xiàn) 86000 大定，其中 70%以上用戶 選擇智駕版，智能駕駛功能已成為消費(fèi)者購(gòu)車(chē)的重要決策因素之一。另外，11 月 15 日，小米汽車(chē)第一款車(chē)型 SU 7 申報(bào)，預(yù)計(jì) 2024 年上半年正式量產(chǎn)。

2.3 AI PC/Phone：端側(cè) AI 發(fā)展，AI PC/Phone 將開(kāi)啟新時(shí)代

2.3.1 技術(shù)升級(jí)帶動(dòng)端側(cè) AI 發(fā)展，推理精度提升

當(dāng)前云側(cè) AI 呈現(xiàn)向端側(cè) AI 的轉(zhuǎn)型趨勢(shì)。端側(cè)智能化的核心在于數(shù)據(jù)、底層軟硬件、智能力三個(gè)方面。端 側(cè)設(shè)備搭載的傳感器、芯片、算法模型賦予其數(shù)據(jù)采集、計(jì)算、分析與推理能力，使其能夠在端側(cè)完成數(shù)據(jù)處 理閉環(huán)，形成感知、計(jì)算、推理三個(gè)智能力。 首先，大模型輕量化帶動(dòng)端側(cè) AI 發(fā)展。多個(gè)大模型均已推出“小型化”和“場(chǎng)景化”版本，提供了端側(cè)運(yùn) 行基礎(chǔ)。例如，Google PaLM2 中包含 4 個(gè)大模型，按照參數(shù)規(guī)模，從小到大排列為：獨(dú)角獸（Unicorn）、野牛 （Bison）、水獺（Otter）和壁虎（Gecko）。其中，最輕量的“壁虎”可實(shí)現(xiàn)手機(jī)端運(yùn)行，且速度足夠快，不聯(lián) 網(wǎng)也能正常工作。另一方面，“小型化”大模型加速生成式 AI 垂直方向發(fā)展，加速大模型商業(yè)化場(chǎng)景落地。

其次，支持 INT4、INT8 精度推理，端側(cè) AI 能力進(jìn)一步提升。定點(diǎn)表示和浮點(diǎn)表示是計(jì)算機(jī)中常用的數(shù) 據(jù)格式。其中，定點(diǎn)表示中小數(shù)點(diǎn)位置固定不變，常用的定點(diǎn)表示有 INT4 和 INT8；浮點(diǎn)表示中包括符號(hào)位、 階碼部分、尾數(shù)部分。符號(hào)位決定數(shù)值正負(fù)，階碼部分決定數(shù)值表示范圍，尾數(shù)部分決定數(shù)值表示精 FP64(雙 精度)、FP32 (單精度)、FP16(半精度)的數(shù)值表示范圍和表示精度依次下降，運(yùn)算效率依次提升。高通產(chǎn)品管理 副總裁 Asghar 曾表示，如果將 32 位浮點(diǎn)模型轉(zhuǎn)化為 INT4 整數(shù)模型，端側(cè) AI 能效將提升 64 倍。為滿足端側(cè) AI 的計(jì)算需求，業(yè)內(nèi)已有產(chǎn)品支持 AI 模型以 INT 精度推理，例如高通人工智能引擎 AI Engine 支持 INT8 的數(shù) 據(jù)格式。

部分 AI 框架已支持端側(cè)運(yùn)行。在 2023 年 PyTorch 大會(huì)上，Meta AI 與 PyTorch 基金會(huì)合作的 ExecuTorch 模型被宣布可在邊緣和移動(dòng)設(shè)備上實(shí)現(xiàn) AI 推理。隨著 ExecuTorch 的開(kāi)源，AI 應(yīng)用程序?qū)⒖蓪?shí)現(xiàn)本地運(yùn)行，無(wú) 需連接到服務(wù)器或云。ExecuTorch 可被理解成 PyTorch 平臺(tái)，提供基礎(chǔ)設(shè)施來(lái)運(yùn)行 PyTorch 程序，實(shí)現(xiàn)從 AR/VR 可穿戴設(shè)備到標(biāo)準(zhǔn)的 iOS 和 Android 設(shè)備的移動(dòng)部署。目前，Meta 已將其用于最新一代的雷朋智能眼鏡，成為 Quest 3 VR 頭顯的組成部分。這一變化也預(yù)示將 PyTorch 引入了手機(jī)和可穿戴設(shè)備等邊緣計(jì)算平臺(tái)，進(jìn)一步邁 入設(shè)備 AI 推理新時(shí)代。 端側(cè) AI的核心是 AI PC/Phone。一方面，AI PC/Phone主要在于芯片升級(jí)。AI PC/Phone 相對(duì)于原有PC/Phone， 主要差別在搭載了相關(guān)的 AI 芯片。云端在深度學(xué)習(xí)的訓(xùn)練階段需要極大的數(shù)據(jù)量和大運(yùn)算量，為滿足運(yùn)算需求， 云端 AI 芯片采用“CPU+加速芯片”的異構(gòu)計(jì)算模式。不同于數(shù)據(jù)中心 GPU，手機(jī)/電腦端芯片主要要求其體積 小、功耗低等特點(diǎn)，往往是采用 ASIC 技術(shù)路線的芯片，這種芯片為專用目的設(shè)計(jì)，面向特定用戶需求定制， 在大規(guī)模量產(chǎn)的情況下具備體積更小、功耗更低等優(yōu)點(diǎn)。

手機(jī) AI 芯片主要由“CPU+GPU+NPU”構(gòu)成，通過(guò)集成多個(gè)模塊，做到提升芯片性能的同時(shí)能支持相關(guān) AI 應(yīng)用算法。例如，以高通 AI 芯片為例，硬件方面 HEXAGON 向量處理器可以運(yùn)行涉及向量數(shù)學(xué)的應(yīng)用； ADRENO GPU 運(yùn)行對(duì)浮點(diǎn)精度有要求的應(yīng)用；KRYO CPU 支持相對(duì)較少向量處理、非規(guī)則性數(shù)據(jù)結(jié)構(gòu)和/或復(fù) 雜流程。高通公司以近半的市場(chǎng)份額保持 AI 智能手機(jī)處理器出貨量領(lǐng)導(dǎo)地位，遠(yuǎn)超蘋(píng)果和聯(lián)發(fā)科等其他公司。 高通驍龍 8 gen3 在手機(jī)芯片性能比較方面超越了蘋(píng)果 A17 Pro，其是高通首款專為生成式人工智能而精心設(shè)計(jì) 的移動(dòng)平臺(tái)。該處理器最大的升級(jí)在 AI 引擎，可以在設(shè)備上運(yùn)行生成式 AI 模型，上市初期即支持 20 多種 AI 模型；主打各種 AI 相機(jī)功能，例如從圖像和視頻中刪除對(duì)象、創(chuàng)建假背景、增強(qiáng)照片的某些部分、實(shí)時(shí)拍攝 HDR 照片、創(chuàng)建同時(shí)使用前攝和后攝拍攝的 Vlogger 視圖模式控制的應(yīng)用。

2.3.2 2024 或成 AI PC/Phone 元年，AI PC/Phone 趨勢(shì)刺激行業(yè)回暖

端側(cè) AI 核心在于手機(jī)和 PC，AI Phone 和 AI PC 將開(kāi)啟新時(shí)代。從今年 2 月份舉行的世界移動(dòng)通信大會(huì)， 高通展示了其手機(jī)端離線運(yùn)行大模型，到 5 月份微軟開(kāi)發(fā)者大會(huì)高通展示其 PC 運(yùn)行 AI 大模型，再到近期英特 爾、聯(lián)想等發(fā)布 AI PC 加速計(jì)劃、發(fā)布首款 AI PC 等，可以看出，國(guó)內(nèi)外廠商持續(xù)發(fā)力 AI Phone 和 AI PC， 端側(cè) AI 將走入新的時(shí)代。 AI PC 方面，2023 聯(lián)想 Tech World 創(chuàng)新科技大會(huì)進(jìn)行了端側(cè)大模型與云端大模型的比較。兩個(gè)模型同時(shí)進(jìn) 行斯德哥爾摩音樂(lè)節(jié)的規(guī)劃，生成速度差異不大。值得注意的是，端側(cè) AI 的規(guī)劃內(nèi)容更加個(gè)性化，可以將家庭 地址、酒店偏好等考慮進(jìn)去；10 月 19 日，英特爾宣布啟動(dòng) AI PC 加速計(jì)劃，該加速計(jì)劃旨在為相關(guān)軟硬件供 應(yīng)商提供英特爾的資源，共同推動(dòng) AI PC 產(chǎn)品、方案落地，具體而言，通過(guò)利用 Intel Core Ultra 處理器的技術(shù) 和兼容硬件，圍繞相關(guān)資源，實(shí)現(xiàn) AI 和機(jī)器學(xué)習(xí)（ML）應(yīng)用性能最大化，進(jìn)而催生全新的使用案例，推動(dòng) AI PC 解決方案連接到更廣泛的 PC 產(chǎn)業(yè)。英特爾預(yù)計(jì)其將于包括 Adobe 在內(nèi)的 100 家獨(dú)立軟件供應(yīng)商進(jìn)行合作， 發(fā)展 300 多項(xiàng) AI 加速功能，計(jì)劃將在音頻效果、內(nèi)容創(chuàng)建、游戲、安全、直播、視頻協(xié)作等方面繼續(xù)強(qiáng)化 PC 體驗(yàn)。據(jù)計(jì)劃目標(biāo)，其將在 2025 年前為超過(guò) 100 萬(wàn)臺(tái) PC 帶來(lái)人工智能（AI）特性。

AI Phone 方面，10 月 4 日，谷歌發(fā)布 Pixel 8 / Pro 系列，搭載了 Tensor G3 和 Titan M2 安全芯片。Tensor G3 AI 芯片可運(yùn)行更復(fù)雜的機(jī)器學(xué)習(xí)模型，強(qiáng)化了 Pixel 8 / Pro 系列的 AI 增強(qiáng)功能，使虛擬助理說(shuō)話更自然，并有 攔截騷擾電話、轉(zhuǎn)錄語(yǔ)音和緊急服務(wù)功能。Pixel 8 Pro 號(hào)稱是第一款直接在設(shè)備上運(yùn)行谷歌 AI 模型的手機(jī)，其 計(jì)算量是 Pixel 7 上最大 ML 模型的 150 倍；10 月 26 日，小米 14 系列發(fā)布，其首發(fā)搭載高通最新一代移動(dòng)芯片 驍龍 8 Gen3，能效比提升顯著，AI 性能提升 98%。通過(guò)本地端運(yùn)行大模型，提升了隱私性，并實(shí)現(xiàn) AI 妙畫(huà)、 AI 搜圖、AI 寫(xiě)真和 AI 擴(kuò)圖等一系列功能。其中，AI 寫(xiě)真功能可通過(guò)對(duì)多張照片的學(xué)習(xí)，創(chuàng)作出全新的照片 作品；在 14 系列的 WPS 上，也支持輸入主題一鍵生成 PPT 演示文稿，也能進(jìn)一步細(xì)化調(diào)節(jié)，例如更改主題風(fēng) 格、單頁(yè)美化、更改字體、更改配色、生成演講稿等等，解決了用戶使用 PPT 制作難度大、耗時(shí)長(zhǎng)的辦公難題。

疫情以來(lái)，由于消費(fèi)需求疲軟和庫(kù)存調(diào)整，全球智能手機(jī)出貨量下滑，2023 年前三季度為 8.4 億部，僅為 2022 年同期的 85%，但可以看出，22 年年底以來(lái)，全球智能手機(jī)銷量下降幅度開(kāi)始縮窄，今年三季度，全球 智能手機(jī)銷量重回正增長(zhǎng)；另一方面，從微軟財(cái)報(bào)可以看到，其個(gè)人電腦業(yè)務(wù)，也在 24 財(cái)年 1 季度（23Q3） 實(shí)現(xiàn)同比正增長(zhǎng)，這也是從 23 財(cái)年 2 季度以來(lái)微軟個(gè)人電腦業(yè)務(wù)重新回歸正增長(zhǎng)?？梢钥吹饺蚴謾C(jī)與電腦業(yè) 務(wù)有復(fù)蘇跡象，預(yù)計(jì) AI+Phone/PC 能進(jìn)一步推動(dòng)行業(yè)頹勢(shì)逆轉(zhuǎn)的同時(shí)也有助于帶動(dòng)其自身起量。

伴隨 AI PC 逐漸出貨且 PC 換機(jī)周期已至，2024 或成 AI PC 元年。根據(jù)群智咨詢預(yù)測(cè)，到 2027 年，AI PC 出貨量將達(dá)到 1.5 億套，市場(chǎng)滲透率達(dá)到 79%，并逐步取代傳統(tǒng) PC。當(dāng)前，各大主要 PC 廠商都對(duì) AI PC 業(yè)態(tài) 進(jìn)行展望，AI PC 將成 PC 行業(yè)拐點(diǎn)成為共識(shí)。戴爾將推出帶有 Copilot 的新版 Windows，聯(lián)想首批搭載英特爾 Meteor Lake 芯片的 AI PC 也已推出。業(yè)界將逐步追加 AI PC 領(lǐng)域投資，重塑 PC 生產(chǎn)力。

我們看好由 AI PC/Phone 帶來(lái)的產(chǎn)業(yè)革新。將手機(jī)集成 AI，不僅可以實(shí)現(xiàn)語(yǔ)音助手、智能相機(jī)等基本功 能，還可以通過(guò) AI 算法實(shí)現(xiàn)更加智能化的應(yīng)用，如智能推薦、智能翻譯等，可以極大提升用戶的體驗(yàn)，在智 能辦公、智能教育領(lǐng)域預(yù)計(jì)將有廣泛應(yīng)用；AI PC 不僅可以進(jìn)行高效的數(shù)據(jù)處理和計(jì)算，還可以通過(guò)機(jī)器學(xué)習(xí) 和深度學(xué)習(xí)等技術(shù)進(jìn)行自我學(xué)習(xí)和優(yōu)化，從而為各種行業(yè)提供更加智能化的解決方案；除此之外，AI PC、AI Phone 通過(guò)統(tǒng)一的大模型，實(shí)現(xiàn)全系統(tǒng)互聯(lián)，具有主動(dòng)智能、全模態(tài)感知能力，在人機(jī)交互效果上有明顯提升， 將成為人們最直接的 AI 助手。

2.4 AI+工業(yè)是大勢(shì)所趨

AI 在垂直領(lǐng)域的落地和應(yīng)用將是 2024 年的主線，我們尤其看好 AI 在工業(yè)場(chǎng)景的落地。一方面在國(guó)家戰(zhàn)略 和政策端，智能制造是大勢(shì)所趨，“AI+工業(yè)”在國(guó)家發(fā)展、技術(shù)架構(gòu)中發(fā)揮重要作用。1）工業(yè)大國(guó)向工業(yè)強(qiáng) 國(guó)轉(zhuǎn)型，智能制造戰(zhàn)略是必由之路。工業(yè)與制造業(yè)緊密相連，制造業(yè)是工業(yè)的重要組成部分，工業(yè)和制造業(yè)的 發(fā)達(dá)程度將直接影響我國(guó)國(guó)際競(jìng)爭(zhēng)力。中國(guó)是世界第一工業(yè)大國(guó)，具有優(yōu)秀且深厚的工業(yè)基因。從工業(yè)大國(guó)向 工業(yè)強(qiáng)國(guó)的轉(zhuǎn)型之路是當(dāng)下政策的熱點(diǎn)，也是未來(lái)重要的發(fā)展趨勢(shì)，智能制造戰(zhàn)略是這一路徑上的核心戰(zhàn)略之 一。《“十四五”智能制造發(fā)展規(guī)劃》、《中國(guó)制造 2025》等政策進(jìn)一步明確智能制造的發(fā)展目標(biāo)、重點(diǎn)領(lǐng)域、重 大工程、重大項(xiàng)目，為智能制造的發(fā)展提供了政策支撐。2）“AI+工業(yè)”在智能制造系統(tǒng)與技術(shù)架構(gòu)中處于核 心地位，是戰(zhàn)略發(fā)展的大趨勢(shì)。從系統(tǒng)架構(gòu)層面看，智能制造系統(tǒng)的架構(gòu)從底層數(shù)字化逐步過(guò)渡到網(wǎng)絡(luò)化，最 終目標(biāo)為實(shí)現(xiàn)智能化，“AI+工業(yè)“處于系統(tǒng)架構(gòu)頂層的“智能化”位置，工業(yè)場(chǎng)景下人工智能技術(shù)的應(yīng)用是智 能制造戰(zhàn)略需要實(shí)現(xiàn)的核心課題。從技術(shù)結(jié)構(gòu)層面看，人工智能技術(shù)與工業(yè)大數(shù)據(jù)、工業(yè)軟件、工業(yè)云、邊緣 計(jì)算等其他技術(shù)之間存在聯(lián)動(dòng)效應(yīng)。3）工業(yè) 4.0 時(shí)代到來(lái)，“AI+工業(yè)”技術(shù)是國(guó)際競(jìng)爭(zhēng)焦點(diǎn)。工業(yè) 4.0 時(shí)代下， 利用物聯(lián)網(wǎng)、云計(jì)算等多元化先進(jìn)技術(shù)實(shí)現(xiàn)實(shí)體世界與虛擬世界的交互將成為工業(yè)發(fā)展的重要環(huán)節(jié)。目前，全 球主要的工業(yè)國(guó)家在先進(jìn)制造/智能制造方面均有布局，且均有涉及“AI+工業(yè)”的具體戰(zhàn)略。我們認(rèn)為，在未 來(lái)，AI 技術(shù)與工業(yè)的深度融合仍將是國(guó)際競(jìng)爭(zhēng)的焦點(diǎn)，實(shí)現(xiàn) AI+工業(yè)是大勢(shì)所趨。

從需求端看，不斷增長(zhǎng)的降本增效需求與多變的市場(chǎng)環(huán)境為“AI+工業(yè)”帶來(lái)廣闊的市場(chǎng)空間。目前，我 國(guó)工業(yè)的大部分行業(yè)仍處于勞動(dòng)密集型發(fā)展階段，較低的智能化滲透率帶來(lái)包括誤差率高、生產(chǎn)效率低、生產(chǎn) 成本高等一系列痛點(diǎn)。1）降本增效需求驅(qū)動(dòng)“AI+工業(yè)”需求：中國(guó)單位勞動(dòng)產(chǎn)出在國(guó)際比較中處于較低水平， 2018 年美國(guó)勞動(dòng)生產(chǎn)率為 11.3 萬(wàn)美元，而中國(guó)僅為 1.4 萬(wàn)美元。且國(guó)內(nèi)老齡化趨勢(shì)顯著，根據(jù)國(guó)務(wù)院《國(guó)家人 口發(fā)展規(guī)劃》，2030 年，我國(guó) 14-45 歲人口占比將降至 32%，人口規(guī)模的減少將對(duì)企業(yè)生產(chǎn)成本帶來(lái)全新挑戰(zhàn)， 降本增效需求愈發(fā)成為企業(yè)競(jìng)爭(zhēng)甚至生存的重要條件之一，在此背景下展望未來(lái)，“AI+工業(yè)”這一降本增效的 重要工具將被越來(lái)越多工業(yè)企業(yè)使用。2）市場(chǎng)變化大，精準(zhǔn)化生產(chǎn)成為剛需：工業(yè)行業(yè)整體面對(duì)利潤(rùn)率低，市 場(chǎng)需求變化快的壓力，智能化與精準(zhǔn)化生產(chǎn)將成為未來(lái)大趨勢(shì)，而這背后離不開(kāi)人工智能的強(qiáng)大分析能力。根 據(jù)德勤預(yù)測(cè)，2018-2025 年中國(guó)制造業(yè)人工智能市場(chǎng)有望實(shí)現(xiàn) 51%的 CAGR，并在 2025 年達(dá)到 141 億元規(guī)模。

2.4.1 工業(yè)機(jī)器視覺(jué)

2.4.1.1 機(jī)器視覺(jué)產(chǎn)業(yè)宏觀分析

工業(yè)機(jī)器視覺(jué)是軟硬件一體化的集成系統(tǒng)，它的目的是代替人眼對(duì)被測(cè)物進(jìn)行觀察和判斷。從組成上，機(jī) 器視覺(jué)系統(tǒng)硬件設(shè)備主要包括光源、鏡頭、相機(jī)等，軟件主要包括傳統(tǒng)的數(shù)字圖像處理算法和基于深度學(xué)習(xí)的 圖像處理算法。

成像、算法、算力、應(yīng)用接力驅(qū)動(dòng)機(jī)器視覺(jué)行業(yè)，AI 算法的發(fā)展有望推動(dòng)行業(yè)進(jìn)入新時(shí)代。每經(jīng)歷約十年， 機(jī)器視覺(jué)技術(shù)與應(yīng)用都會(huì)產(chǎn)生一次深刻變革，近年來(lái)，AI 算法有望推動(dòng)行業(yè)爆發(fā)式擴(kuò)展。

此外，過(guò)去的工業(yè)機(jī)器視覺(jué)系統(tǒng)主要針對(duì)垂直場(chǎng)景的少量數(shù)據(jù)進(jìn)行小模型的訓(xùn)練，而大模型的發(fā)展將助力 工業(yè)機(jī)器視覺(jué)實(shí)現(xiàn)應(yīng)用性能的提升和應(yīng)用場(chǎng)景的拓寬。以華為盤(pán)古大模型在礦山場(chǎng)景的應(yīng)用為例，其建立在 L0 的基礎(chǔ)大模型的技術(shù)上，通過(guò)導(dǎo)入海量無(wú)標(biāo)注的礦山場(chǎng)景數(shù)據(jù)進(jìn)行預(yù)訓(xùn)練，盤(pán)古礦山大模型即可進(jìn)行無(wú)監(jiān)督自 主學(xué)習(xí)，僅一個(gè)大模型就能覆蓋煤礦的采、掘、機(jī)、運(yùn)、通等業(yè)務(wù)流程下的 1000 多個(gè)細(xì)分場(chǎng)景，讓 AI 應(yīng)用在 煤礦普及更容易。在準(zhǔn)確率方面， 基于盤(pán)古礦山大模型的掘進(jìn)作業(yè)序列智能監(jiān)測(cè)，動(dòng)作規(guī)范識(shí)別準(zhǔn)確率超過(guò) 95％，用規(guī)范的 AI 流程來(lái)替代不確定的人工流程，讓 AI 成為礦工規(guī)范作業(yè)的好幫手，保障井下作業(yè)安全。 視覺(jué)大模型技術(shù)突破，賦能機(jī)器視覺(jué)的革新與突破。以近期 Meta 提出的 SAM 模型為例，其在切割任務(wù)的 不同具體場(chǎng)景中展現(xiàn)出了強(qiáng)大的泛化能力，在零樣本（zero-shot）和少量樣本（few-shot）的基礎(chǔ)上便能實(shí)現(xiàn)非 常優(yōu)秀的完成不同的切割任務(wù)。同時(shí)，SAM 模型還具備高精度自動(dòng)標(biāo)注的能力，帶來(lái)數(shù)據(jù)標(biāo)注成本的下降，相 關(guān)技術(shù)的發(fā)展與突破將從兩個(gè)方向賦能機(jī)器視覺(jué)產(chǎn)業(yè)變革：1）過(guò)去數(shù)據(jù)成本、訓(xùn)練成本高的場(chǎng)景將有望實(shí)現(xiàn)降 本增效；2）過(guò)去因樣本數(shù)量不足而機(jī)器視覺(jué)難以應(yīng)用的場(chǎng)景將得以拓展。

除人工智能技術(shù)的變革外，2D 到 3D 的變革同樣帶來(lái)技術(shù)能力和應(yīng)用范圍的提升。相較于 2D 機(jī)器視覺(jué)， 3D 機(jī)器視覺(jué)可以提供三維信息，從而實(shí)現(xiàn)更廣泛、準(zhǔn)確的檢測(cè)與分析。3D 機(jī)器視覺(jué)可以完成許多 2D 機(jī)器視 覺(jué)無(wú)法完成的任務(wù)。3D 相機(jī)可以得 到表面凹凸的深度信息，從而準(zhǔn)確的判定劃痕和邊緣的凹陷。 3D 機(jī)器視覺(jué)覆蓋場(chǎng)景全面，市場(chǎng)空間廣闊。目前 3D 視覺(jué)技術(shù)在高精度檢測(cè)、高精度測(cè)量（例如彎管、不 規(guī)則件）、智能分揀、裝配（引導(dǎo)機(jī)械臂在三維空間內(nèi)避障和定位）、物流車(chē)導(dǎo)航等更多場(chǎng)景中實(shí)現(xiàn)了相較于 2D 機(jī)器視覺(jué)更為廣泛的應(yīng)用覆蓋，具有廣泛的市場(chǎng)空間，根據(jù) GGII 測(cè)算，中國(guó)工業(yè) 3d 視覺(jué) 2021 年市場(chǎng)規(guī)模 11.51 億元。隨著我國(guó)高端制造業(yè)的發(fā)展，國(guó)內(nèi) 3D 視覺(jué)的應(yīng)用需求仍將持續(xù)保持高增長(zhǎng)勢(shì)頭，預(yù)計(jì)到 2025 年達(dá)到 57.52 億的市場(chǎng)規(guī)模。

2.4.1.2 機(jī)器視覺(jué)產(chǎn)業(yè)鏈分析

機(jī)器視覺(jué)行業(yè)上游環(huán)節(jié)價(jià)值量大。關(guān)鍵零部件和軟件系統(tǒng)約占工業(yè)機(jī)器視覺(jué)產(chǎn)品總成本的 80%。工業(yè)相機(jī)、 底層軟件算法等技術(shù)壁壘高，利潤(rùn)率高。對(duì)機(jī)器視覺(jué)上游環(huán)節(jié)的掌握是目前市場(chǎng)競(jìng)爭(zhēng)的關(guān)鍵。同時(shí)，相機(jī)、鏡 頭、光源等核心零部件部件在機(jī)器視覺(jué)產(chǎn)品中的占比超過(guò) 50%。 國(guó)產(chǎn)低端零部件逐步實(shí)現(xiàn)國(guó)產(chǎn)替代，高端部件有待突破。技術(shù)門(mén)檻相對(duì)較低的零部件如光源，國(guó)產(chǎn)廠商憑 借性價(jià)比優(yōu)勢(shì)及逐步體現(xiàn)的產(chǎn)能優(yōu)勢(shì)在市場(chǎng)競(jìng)爭(zhēng)中逐漸實(shí)現(xiàn)對(duì)于國(guó)外品牌的替代。技術(shù)門(mén)檻較高的零部件如光源及相機(jī)，我國(guó)企業(yè)進(jìn)入較晚，目前產(chǎn)品仍主要布局中低端市場(chǎng)，高端市場(chǎng)仍主要被國(guó)外品牌占據(jù)。

機(jī)器視覺(jué)上游零部件廠商和中游系統(tǒng)/設(shè)備廠商通過(guò)產(chǎn)業(yè)投資/自主研發(fā)等方式逐步拓展產(chǎn)業(yè)鏈上下游布局， 以期進(jìn)一步提升機(jī)器視覺(jué)產(chǎn)品性能，同時(shí)在競(jìng)爭(zhēng)逐漸加劇的機(jī)器視覺(jué)行業(yè)中構(gòu)建起更高的技術(shù)護(hù)城河。 奧普特、?？禉C(jī)器人通過(guò)自主研發(fā)實(shí)現(xiàn)了機(jī)器視覺(jué)核心零部件、軟件算法的全覆蓋。凌云光通過(guò)產(chǎn)業(yè)投資 方式拓展 CMOS 傳感器芯片（長(zhǎng)光辰芯）和工業(yè)鏡頭（長(zhǎng)步道光電）布局，并自主開(kāi)發(fā)特色相機(jī)、特種相機(jī)、 特色專屬光源和圖像采集卡；天準(zhǔn)科技自主開(kāi)發(fā) 3D 視覺(jué)傳感器（線激光傳感器），精密驅(qū)動(dòng)控制器等視覺(jué)設(shè)備 上游零部件。 我們認(rèn)為，在機(jī)器視覺(jué)相關(guān)的光學(xué)成像、軟件算法、自動(dòng)化與精密控制等核心技術(shù)方面具有更深厚積累的 公司在競(jìng)爭(zhēng)加劇、上下游互相滲透的發(fā)展格局中具備更強(qiáng)的競(jìng)爭(zhēng)優(yōu)勢(shì)，頭部的國(guó)產(chǎn)機(jī)器視覺(jué)廠商已經(jīng)具備了和 海外龍頭相當(dāng)?shù)娜a(chǎn)業(yè)鏈技術(shù)。

下游應(yīng)用場(chǎng)景中，機(jī)器視覺(jué)在鋰電行業(yè)的滲透率逐步提升。隨著鋰電池制造智能化、自動(dòng)化程度的提升， 機(jī)器視覺(jué)產(chǎn)品開(kāi)始廣泛地應(yīng)用于鋰電池設(shè)備生產(chǎn)的各個(gè)工段。從前段工藝的涂布輥壓，到中段工藝的電芯組裝， 再到后段化成分容之后的檢測(cè)以及模組 PACK 段，機(jī)器視覺(jué)應(yīng)用滲透率在逐步提升。 品質(zhì)管控需求明確，早期的鋰電行業(yè)擴(kuò)產(chǎn)往往較少考慮質(zhì)量管控，但隨著行業(yè)逐步從高速發(fā)展轉(zhuǎn)向高質(zhì)量 發(fā)展以及用戶對(duì)于鋰電安全的更高需求，機(jī)器視覺(jué)已經(jīng)成為鋰電池生產(chǎn)企業(yè)解決質(zhì)量和效率問(wèn)題的必然選擇， 據(jù) GGII 預(yù)測(cè)，鋰電機(jī)器視覺(jué)檢測(cè)系統(tǒng)市場(chǎng)規(guī)模將保持高速增長(zhǎng)，未來(lái) 5 年年復(fù)合增長(zhǎng)率在 40%。 競(jìng)爭(zhēng)格局優(yōu)秀，在 3C 電子和汽車(chē)等行業(yè)中的機(jī)器視覺(jué)中海外巨頭有著更加強(qiáng)的技術(shù)積累和長(zhǎng)期合作關(guān)系， 對(duì)于我國(guó)機(jī)器視覺(jué)企業(yè)的市場(chǎng)拓展產(chǎn)生一定阻礙，但鋰電池行業(yè)是近年來(lái)在我國(guó)發(fā)展起來(lái)的新興產(chǎn)業(yè)，因此其 中鋰電企業(yè)與我國(guó)機(jī)器視覺(jué)企業(yè)協(xié)同配合發(fā)展而來(lái)，國(guó)產(chǎn)化程度較高。 我們認(rèn)為，鋰電行業(yè)行業(yè)整體增速較快，且鋰電中的機(jī)器視覺(jué)具備行業(yè)增速高、需求明確、競(jìng)爭(zhēng)格局優(yōu)秀 的優(yōu)勢(shì)，在未來(lái)兩三年內(nèi)有望維持高增速，是最具潛力的下游應(yīng)用市場(chǎng) 。

2.4.2 工業(yè)機(jī)器人

2.4.2.1 移動(dòng)機(jī)器人

AGV(Automated Guided Vehicle)，即移動(dòng)機(jī)器人，是工業(yè)機(jī)器人中的重要種類。AGV 可以在沒(méi)有人工干 預(yù)的情況下，按照可配置的導(dǎo)引路徑進(jìn)行移動(dòng)和定位；糅合了導(dǎo)航、移動(dòng)、多傳感器控制、網(wǎng)絡(luò)交互等一系列 功能。AGV 在制造業(yè)、倉(cāng)儲(chǔ)物流等工業(yè)場(chǎng)景有著廣泛的應(yīng)用，可以提高生產(chǎn)效率、降低勞動(dòng)成本、減少產(chǎn)品損 壞、提高安全性。其主要應(yīng)用場(chǎng)景仍然在搬運(yùn)領(lǐng)域。 隨著人工智能技術(shù)發(fā)展，AGV 的環(huán)境感知能力與靈活運(yùn)動(dòng)能力不斷提升，新一代自主移動(dòng)機(jī)器人 AMR （Autonomous Mobile Robot）應(yīng)運(yùn)而生。相比 AGV，AMR 可以融合多重傳感器，具備深度感知能力和強(qiáng)大計(jì) 算能力，安全性和行駛的效率相對(duì)更高。

行業(yè)持續(xù)高速增長(zhǎng)，發(fā)展勢(shì)頭強(qiáng)勁。從總量來(lái)看，2015 年到 2022 年，中國(guó)工業(yè)應(yīng)用移動(dòng)機(jī)器人市場(chǎng)規(guī)模 保持 7 年連續(xù)增長(zhǎng)，CAGR 為 35.14%，2022 年中國(guó)工業(yè)應(yīng)用機(jī)器人市場(chǎng)規(guī)模達(dá)到 76.8 億元。從增量來(lái)看，中 國(guó)工業(yè)應(yīng)用移動(dòng)機(jī)器人產(chǎn)量逐年增加，2022 年增量為 93000，同比增長(zhǎng) 29.17%。

海外銷售規(guī)模不斷增長(zhǎng)，中國(guó) AGV/AMR 產(chǎn)品全球影響力進(jìn)一步提升。2022 年，中國(guó) AGV/AMR 企業(yè)在 海外市場(chǎng)的銷售規(guī)模進(jìn)一步提升，2022 年，中國(guó) AGV/AMR 企業(yè)海外銷售規(guī)模為 36 億，同比增長(zhǎng) 44%，占比 19%。從 2019 年中國(guó) AGV/AMR 海外銷售額首次突破 10 億人民幣到 2022 年的 36 億人民幣，中國(guó)企業(yè)整 體海外銷售占比取得顯著提升。

行業(yè)集中度高，大型企業(yè)占比接近九成，過(guò)億企業(yè)數(shù)逐年增長(zhǎng)。2022 年度，中國(guó)工業(yè)應(yīng)用移動(dòng)機(jī)器人企業(yè) 中，年銷售規(guī)模億元以上的大型企業(yè)占據(jù)了 89.19%的市場(chǎng)份額，行業(yè)集中度高。行業(yè)向上的發(fā)展態(tài)勢(shì)帶動(dòng)銷售 過(guò)億企業(yè)數(shù)量逐年增長(zhǎng)，從 2018 年的 10 家增長(zhǎng)至 2022 年的 42 家。截至 2022 年，中共工業(yè)應(yīng)用移動(dòng)機(jī)器人企 業(yè)中，有 4 家越過(guò) 10 億門(mén)檻，分別是新松機(jī)器人、極智嘉、?？禉C(jī)器人以及海柔創(chuàng)新。

2.4.2.2 焊接機(jī)器人

焊接機(jī)器人是一種能夠自動(dòng)執(zhí)行焊接（包括切割和噴涂）任務(wù)的工業(yè)機(jī)器人。根據(jù)焊接方式、結(jié)構(gòu)形式、 負(fù)載能力、工作范圍等因素的不同，焊接機(jī)器人業(yè)有不同種類。焊接機(jī)器人廣泛應(yīng)用于鋼結(jié)構(gòu)、航空、造船、 電子、機(jī)械等行業(yè)，可以提高焊接質(zhì)量、效率和安全性，涉及的技術(shù)包括焊接電源技術(shù)、傳感器技術(shù)、離線編 程技術(shù)、智能控制技術(shù)、仿真技術(shù)等。

國(guó)內(nèi)弧焊焊接機(jī)器人市場(chǎng)由外資主導(dǎo)，國(guó)產(chǎn)替代需求大。根據(jù)高工機(jī)器人研究所統(tǒng)計(jì)，2022 年外資弧焊機(jī) 器人仍占據(jù)主要份額，占比 54.97%，在汽車(chē)整車(chē)和零部件領(lǐng)域應(yīng)用較多，主要分日系、歐系、國(guó)產(chǎn)三大派系。 日系品牌主要有安川、發(fā)那科、OTC、松下、川崎重工等，歐系品牌包括 KUKA、CLOOS 和 ABB 等；而國(guó)產(chǎn) 品牌則在程機(jī)械、二三輪車(chē)、五金家具、鋼結(jié)構(gòu)等一般工業(yè)行業(yè)應(yīng)用較為廣泛。 國(guó)內(nèi)自主品牌弧焊工業(yè)機(jī)器人市場(chǎng)份額逐步提升，與外資品牌差距逐漸縮小。2022 年，國(guó)產(chǎn)弧焊機(jī)器人份 額已達(dá) 45.03%，同比增長(zhǎng) 23.71%，國(guó)產(chǎn)替代速度加快。目前市場(chǎng)上尚未有成熟應(yīng)用于鋼結(jié)構(gòu)行業(yè)領(lǐng)域的智能焊 接機(jī)器人，主要潛在競(jìng)爭(zhēng)產(chǎn)品為示教焊接機(jī)器人和進(jìn)口智能焊接機(jī)器人。

焊接機(jī)器人銷量持續(xù)增長(zhǎng)，鋼構(gòu)行業(yè)市場(chǎng)較為空缺。高工機(jī)器人產(chǎn)業(yè)研究所（GGII）統(tǒng)計(jì)數(shù)據(jù)顯示，2021 年國(guó)內(nèi)市場(chǎng)焊接機(jī)器人銷量為 4.16 萬(wàn)臺(tái)，同比增長(zhǎng) 21.99%，主要集中應(yīng)用于汽車(chē)及 3C 電子領(lǐng)域，鋼結(jié)構(gòu)領(lǐng)域 應(yīng)用程度不高，而鋼結(jié)構(gòu)行業(yè)對(duì)于自動(dòng)化、智能化焊接方案的需求日益迫切。預(yù)計(jì) 2026 年焊接機(jī)器人銷量可達(dá) 到 10.3 萬(wàn)臺(tái)，復(fù)合增長(zhǎng)率達(dá) 16.38%。 海外焊接機(jī)器人進(jìn)展迅速，“機(jī)器人四大家族”是行業(yè)龍頭，ABB 集團(tuán)與發(fā)那科公司經(jīng)營(yíng)業(yè)務(wù)有亮點(diǎn)。1） ABB 集團(tuán)：ABB 是工業(yè)機(jī)器人的先行者以及世界領(lǐng)先的機(jī)器人制造廠商，在 1994 年就進(jìn)入了中國(guó)市場(chǎng)。經(jīng) 過(guò)近 20 年的 發(fā)展，在中國(guó)，ABB 先進(jìn)的機(jī)器人自動(dòng)化解決方案和包括白 車(chē)身，沖壓自動(dòng)化，動(dòng)力總成和涂 裝自動(dòng)化在內(nèi)的四大系統(tǒng) 正為各大汽車(chē)整車(chē)廠和零部件供應(yīng)商以及消費(fèi)品、鑄造、塑 料和金屬加工工業(yè)提供 全面完善的服務(wù)。 2021 年，ABB 機(jī)器人為宇通打造一鍵式操作智能焊接工作站，基于本地自主開(kāi)發(fā)免示教編 程系統(tǒng)，無(wú)需視覺(jué)識(shí)別即可自動(dòng)生成包含有工藝參數(shù)的軌跡程序，完成不同規(guī)格的鋁框的智能化生產(chǎn)。2）FANUC （發(fā)那科）： FANUC 公司創(chuàng)建于 1956 年的日本，是當(dāng)今世界上數(shù)控系統(tǒng) 科研、設(shè)計(jì)、制造、銷售實(shí)力強(qiáng)大 的企業(yè)。FANUC 機(jī)器人產(chǎn)品系列多達(dá) 240 種，負(fù)重從 0.5 公斤到 1.35 噸，廣泛應(yīng)用在裝配、搬運(yùn)、焊接、 鑄造、噴涂、碼垛等不同生產(chǎn)環(huán)節(jié)，滿足客戶的不同需求。

智能化焊接市場(chǎng)需求迫切。1）鋼構(gòu)產(chǎn)業(yè)焊接技工招工難且成本高，供給需求缺口大，對(duì)自動(dòng)化、智能化 焊接方案的需求迫切。國(guó)內(nèi)鋼結(jié)構(gòu)產(chǎn)業(yè)滲透率持續(xù)提高，產(chǎn)品產(chǎn)量增加帶動(dòng)鋼結(jié)構(gòu)焊接市場(chǎng)需求。而鋼結(jié)構(gòu)主 要應(yīng)用于建筑、船舶、重工行業(yè)非標(biāo)小批量工件多的工業(yè)場(chǎng)景中，焊接工序自動(dòng)化程度低，基本大部分依賴大 量焊接工人完成焊接。人工焊接技術(shù)要求高、技工培訓(xùn)周期長(zhǎng)、焊接工作環(huán)境惡劣，已成為行業(yè)中最緊缺的勞 動(dòng)力之一，焊接工人缺口量逐年遞增，復(fù)合增長(zhǎng)率高達(dá) 50%。2021 年國(guó)內(nèi)熟練焊工的年薪已達(dá) 18 萬(wàn)元，對(duì)企 業(yè)帶來(lái)較大的成本壓力。2）智能化焊接可以保證焊接質(zhì)量穩(wěn)定，提高生產(chǎn)效率。傳統(tǒng)人工焊接受人為因素影響 較大，焊接質(zhì)量穩(wěn)定性差，生產(chǎn)效率低，且鋼結(jié)構(gòu)加工涉及組立、矯正、裝配、打磨、拋丸、表面防腐等多道 工序，整個(gè)生產(chǎn)過(guò)程不透明，對(duì)生產(chǎn)進(jìn)度、生產(chǎn)質(zhì)量和生產(chǎn)異常的處理缺乏信息化管控，產(chǎn)品交付時(shí)常延期， 實(shí)現(xiàn)智能化焊接是提高生產(chǎn)效率和產(chǎn)品質(zhì)量。

免示教智能焊接機(jī)器人符合鋼結(jié)構(gòu)行業(yè)需求。鋼結(jié)構(gòu)產(chǎn)業(yè)是典型非標(biāo)生產(chǎn)行業(yè)，產(chǎn)品基本全為非標(biāo)定制化 生產(chǎn)。鋼結(jié)構(gòu)生產(chǎn)原材料基本為鋼板、 鋼管等，但由于規(guī)格、性能指標(biāo)等因素的存在，原材料種類多，且受到 客戶需求、政策和設(shè)計(jì)師習(xí)慣的影響，每個(gè)部件的加工內(nèi)容、方式及尺寸都有特定的要求。鋼構(gòu)行業(yè)以中厚板 焊接為主，對(duì)設(shè)備精度和機(jī)器人技術(shù)要求高。大多應(yīng)用弧焊機(jī)器人。 免示教機(jī)器人適合鋼構(gòu)行業(yè)小批量非標(biāo)柔性加工場(chǎng)景。傳統(tǒng)示教再現(xiàn)型機(jī)器人通過(guò)執(zhí)行示教程序進(jìn)行重復(fù) 性工作，對(duì)焊接工件一致性要求較高，且需要人工引導(dǎo)機(jī)器人進(jìn)行預(yù)期動(dòng)作編輯，多用于重復(fù)、標(biāo)準(zhǔn)化加工中， 如汽車(chē)、摩托車(chē)加工，對(duì)非標(biāo)產(chǎn)品操作耗時(shí)長(zhǎng)、效率低。免示教智能焊接機(jī)器人融合智能感知、智能規(guī)劃、智 能控制等技術(shù)，構(gòu)成以知識(shí)和 推理為核心的智能焊接系統(tǒng)，通過(guò)與智能技術(shù)、工藝數(shù)字化技術(shù)等先進(jìn)技術(shù)融合， 實(shí)現(xiàn)了面向不同作業(yè)場(chǎng)景、作業(yè)任務(wù)、作業(yè)工藝，與鋼構(gòu)行業(yè)焊接需求高度契合。

2.4.3 工業(yè)軟件

2.4.3.1 工業(yè)軟件行業(yè)總覽

工業(yè)軟件是工業(yè)創(chuàng)新知識(shí)長(zhǎng)期積累、沉淀并在應(yīng)用中迭代進(jìn)化的軟件產(chǎn)物。工業(yè)軟件的根基仍然是工業(yè)行 業(yè)本身，有賴于正向創(chuàng)新和行業(yè)創(chuàng)新知識(shí)的積累，是一個(gè)長(zhǎng)期系統(tǒng)工程。任何工業(yè)知識(shí)都必須先形成完整的體 系，搭建出知識(shí)庫(kù)和模型庫(kù)，并在實(shí)踐中反復(fù)應(yīng)用、更改，與工程緊密結(jié)合并不斷更新迭代，才有可能形成工 業(yè)軟件。因此，工業(yè)軟件是工業(yè)創(chuàng)新知識(shí)的載體，依靠軟件化這一關(guān)鍵過(guò)程，通過(guò)強(qiáng)大的軟件工程能力才得以 實(shí)現(xiàn)。軟件平臺(tái)與架構(gòu)將直接決定工業(yè)軟件產(chǎn)品的生命力。 工業(yè)軟件可分為四大類，分別為研發(fā)設(shè)計(jì)軟件、生產(chǎn)控制軟件、信息管理軟件和嵌入式軟件，在工業(yè)生產(chǎn) 流程中發(fā)揮著不同的作用。1）研發(fā)設(shè)計(jì)軟件：面向各類工業(yè)品研發(fā)、設(shè)計(jì)、加工的基礎(chǔ)軟件，提高開(kāi)發(fā)效率、 降低開(kāi)發(fā)成本、縮短開(kāi)發(fā)周期。2）生產(chǎn)控制軟件：基于工業(yè)生產(chǎn)的流程，負(fù)責(zé)生產(chǎn)的流程調(diào)度、流程控制、流 程監(jiān)控，提升產(chǎn)品生產(chǎn)的自動(dòng)化和智能化程度。3）信息管理軟件：服務(wù)于產(chǎn)品的“進(jìn)銷存”環(huán)節(jié)信息以及企業(yè) 整體的業(yè)務(wù)管理信息助力企業(yè)實(shí)現(xiàn)數(shù)字化管理。4）嵌入式軟件：嵌入在硬件中的操作系統(tǒng)或開(kāi)發(fā)工具軟件，提 高生產(chǎn)裝備智能化水平。

根據(jù)工信部、中國(guó)電子信息產(chǎn)業(yè)統(tǒng)計(jì)年鑒數(shù)據(jù)，我國(guó)工業(yè)軟件增速持續(xù)領(lǐng)先于全球工業(yè)軟件市場(chǎng)。2022 年， 我國(guó)工業(yè)軟件產(chǎn)品收入 2407 億元，同比增長(zhǎng) 14.29%。2018 年至 2022 年，我國(guó)工業(yè)軟件產(chǎn)品收入年復(fù)合增長(zhǎng)率 高達(dá) 16%。 目前制造業(yè)企業(yè)信息化率仍較低，未來(lái)仍有較大發(fā)展空間。從現(xiàn)階段看，我國(guó)制造業(yè)企業(yè)信息化率仍較低， 《2018 年中國(guó)制造業(yè)痛點(diǎn)分析報(bào)告》數(shù)據(jù)顯示，制造業(yè)企業(yè)的數(shù)字化設(shè)備聯(lián)網(wǎng)率僅為 39%、MES 普及率只有 18.1%。而《智能制造裝備產(chǎn)業(yè)“十三五”發(fā)展規(guī)劃》指出，到 2020 年，重點(diǎn)領(lǐng)域數(shù)字化研發(fā)設(shè)計(jì)工具普及率 達(dá)到 70%以上，關(guān)鍵工序數(shù)控化率達(dá)到 50%以上，數(shù)字化車(chē)間/智能工廠普及率達(dá)到 20%以上，我國(guó)工業(yè)軟件行 業(yè)未來(lái)仍有較大發(fā)展空間。從 ERP 的普及率來(lái)看，Gartner 的數(shù)據(jù)顯示，我國(guó) ERP 的普及率（ERP/GDP）僅為 0.015%，遠(yuǎn)低于美國(guó)的 0.059%。目前 3C、汽車(chē)、家電、化工、電力等行業(yè)是 IT 投入主要領(lǐng)域。其中，3C 行 業(yè)前五大企業(yè)連續(xù)三年 IT 投入成本最大，達(dá)到 450 億元。

2.4.3.2 工業(yè)軟件行業(yè)聚焦：CAD——計(jì)算機(jī)輔助設(shè)計(jì)

CAD 軟件是工業(yè)軟件中最關(guān)鍵、技術(shù)門(mén)檻最高的一類軟件，市場(chǎng)空間廣闊，增長(zhǎng)態(tài)勢(shì)良好。CAD 軟件承接 產(chǎn)業(yè)鏈上游硬件設(shè)備、操作系統(tǒng)、開(kāi)發(fā)工具等行業(yè)，服務(wù)下游發(fā)電、建材、化工、冶金、煤礦等應(yīng)用領(lǐng)域；涉 及數(shù)學(xué)、物理、計(jì)算機(jī)及工程四大學(xué)科的專業(yè)知識(shí)，具備較高的技術(shù)壁壘。從上世紀(jì)五六十年代發(fā)展至今，CAD 從最初的機(jī)械制造逐漸拓展到建筑、電子、汽車(chē)、航天、輕工、影視、廣告等諸多行業(yè)領(lǐng)域。Autodesk、Dassault、 Siemens、PTC 等廠商憑借技術(shù)優(yōu)勢(shì)和長(zhǎng)期的市場(chǎng)積累占據(jù)主導(dǎo)地位，全球 CAD 市場(chǎng)增長(zhǎng)趨于穩(wěn)定。 全球工業(yè)軟件及 CAD 行業(yè)發(fā)展態(tài)勢(shì)向好，國(guó)內(nèi)工業(yè)軟件及 CAD 行業(yè)保持增長(zhǎng)態(tài)勢(shì)。工業(yè)軟件，特別是 CAD 軟件，具有應(yīng)用廣泛、學(xué)科知識(shí)跨度廣、技術(shù)壁壘高等特點(diǎn)，增長(zhǎng)態(tài)勢(shì)向好。近五年，全球工業(yè)軟件市場(chǎng) 規(guī)模與 CAD 市場(chǎng)規(guī)模保持穩(wěn)定增長(zhǎng)，其中全球 2016-2023 年 CAD 市場(chǎng)規(guī)模預(yù)計(jì)將實(shí)現(xiàn) 6.03%的 CAGR；國(guó)內(nèi) 得益于數(shù)字經(jīng)濟(jì)東風(fēng)與國(guó)產(chǎn)化替代浪潮，工業(yè)軟件與 CAD 行業(yè)向上態(tài)勢(shì)明顯。

CAD 發(fā)展有賴于技術(shù)革命，關(guān)鍵技術(shù)的研發(fā)將是未來(lái) CAD 行業(yè)競(jìng)爭(zhēng)焦點(diǎn)，國(guó)產(chǎn) CAD 軟件進(jìn)步空間大。 CAD 行業(yè)發(fā)展史也是技術(shù)革命史，從 2-2.5D 模型到三維框線模型，從曲面造型技術(shù)到實(shí)體造型技術(shù)，從參數(shù)化 技術(shù)到變量化技術(shù)，不同時(shí)點(diǎn)的技術(shù)進(jìn)步既帶來(lái)行業(yè)的騰飛，也造就新的行業(yè)龍頭，放眼未來(lái)，CAD 行業(yè)的發(fā) 展仍將聚焦于關(guān)鍵技術(shù)的研發(fā)上。

CAD 與 AI 結(jié)合是產(chǎn)業(yè)新趨勢(shì)，可以提高設(shè)計(jì)效率、優(yōu)化設(shè)計(jì)質(zhì)量、創(chuàng)造新的設(shè)計(jì)形式。第四范式的“式 說(shuō)”大模型是一個(gè)基于生成式 AI 的新型開(kāi)發(fā)平臺(tái)，具備文本、語(yǔ)音、圖像、表格、視頻等多模態(tài)交互及企業(yè)級(jí) Copilot 能力，以生成式 AI 重構(gòu)企業(yè)軟件（AI-Generated Software），提升企業(yè)軟件的體驗(yàn)和開(kāi)發(fā)效率。式說(shuō)大模 型可以用來(lái)輔助或自動(dòng)生成 CAD 3D 模型，用戶通過(guò)自然語(yǔ)言交互就可以調(diào)用工業(yè)軟件的功能，輔助完成設(shè)計(jì)。

回望海外 CAD 龍頭的發(fā)展史，可發(fā)現(xiàn)其競(jìng)爭(zhēng)優(yōu)勢(shì)各異，但核心技術(shù)的發(fā)展與對(duì)于用戶使用體驗(yàn)的關(guān)注是 共同主線。海外三大 CAD 巨頭中，達(dá)索系統(tǒng)具有一體化+云化平臺(tái) 3DEXPERIENCE，同時(shí)具有功能各異的幾 何內(nèi)核 CGM+ACIS，由此產(chǎn)生差異化 CAD 產(chǎn)品 CATIA+SOLIDWORKS，共同推動(dòng)其占領(lǐng)不同類型市場(chǎng)，取得 領(lǐng)先地位。Autodesk 公司通過(guò)多次技術(shù)轉(zhuǎn)型構(gòu)造競(jìng)爭(zhēng)壁壘，同時(shí)不斷更新迭代產(chǎn)品應(yīng)對(duì)需求，不斷改革定價(jià)策 略與商業(yè)模式以匹配其戰(zhàn)略，實(shí)現(xiàn)蓬勃發(fā)展。西門(mén)子密切關(guān)注云化+平臺(tái)化趨勢(shì)，開(kāi)發(fā) Xcelerator 開(kāi)放式數(shù)字商 業(yè)平臺(tái)，構(gòu)造開(kāi)放的生態(tài)體系，創(chuàng)建功能完善且用戶體驗(yàn)良好的 CAD 軟件。 海外 CAD 龍頭的并購(gòu)史遵循三類并購(gòu)邏輯。1）在技術(shù)層面進(jìn)行第一類并購(gòu)，針對(duì)突破核心技術(shù)的中小型 公司，獲取核心技術(shù)，提高競(jìng)爭(zhēng)壁壘，進(jìn)一步賦能產(chǎn)品研發(fā)。2）在市場(chǎng)層面進(jìn)行第二類并購(gòu)，針對(duì)具有垂直行 業(yè)知識(shí)或在某垂直行業(yè)取得領(lǐng)先地位的中小型公司，開(kāi)拓垂直市場(chǎng)，獲取對(duì)應(yīng)客群，節(jié)省落地成本。3）在生態(tài) 層面進(jìn)行第三類并購(gòu)，針對(duì)生態(tài)鏈條上缺失的 ERP、MSE 等類型軟件，完善生態(tài)系統(tǒng)，實(shí)現(xiàn)應(yīng)用聯(lián)動(dòng)。

CAD 國(guó)內(nèi)領(lǐng)先公司發(fā)展態(tài)勢(shì)良好，包括中望軟件、浩辰軟件、華天軟件、數(shù)碼大方。1)中望軟件是領(lǐng)先的 All-in-One CAX 解決方案提供商，2D 領(lǐng)域具有自主內(nèi)核產(chǎn)品平臺(tái) ZWCAD。3D 領(lǐng)域具有自主建模內(nèi)核 CAX 一 體化軟件 ZW3D，產(chǎn)品達(dá)到第二陣營(yíng)技術(shù)指標(biāo)標(biāo)準(zhǔn)，處于國(guó)內(nèi)領(lǐng)先地位，業(yè)績(jī)發(fā)展良好，教育市場(chǎng)收入不斷增 加。2）浩辰軟件具有內(nèi)置協(xié)同設(shè)計(jì)，致力于打造一體化國(guó)產(chǎn) 2D CAD 解決方案，同時(shí)發(fā)展云端，致力于建設(shè)國(guó) 內(nèi)領(lǐng)先的云化 CAD 解決方案。2D CAD 為公司主要營(yíng)收來(lái)源，未來(lái)看好云化 CAD 業(yè)務(wù)。3）華天軟件具有完全 自主產(chǎn)權(quán)，在模具行業(yè)處于領(lǐng)先地位，目前公司旗下有 CrownCAD、SINOVATION、Sview、SViewVIZ 等一系 列功能強(qiáng)大的軟件產(chǎn)品，營(yíng)收年化增速達(dá) 11.2%，有望繼續(xù)增長(zhǎng)。4）數(shù)碼大方實(shí)現(xiàn)深度產(chǎn)教融合，堅(jiān)持以“企 業(yè)需求為導(dǎo)向，教學(xué)實(shí)訓(xùn)為中心”。

三、國(guó)產(chǎn)算力自主可控

隨著大語(yǔ)言模型能力不斷升級(jí)，生成式 AI 帶來(lái)個(gè)人生產(chǎn)力革命，大語(yǔ)言模型爆發(fā)出巨大的應(yīng)用潛力，模型 參數(shù)持續(xù)提升帶來(lái)更高的模型訓(xùn)練算力需求，大模型的商業(yè)化落地催生了更大的推理算力和通信能力需求。從 需求端出發(fā)，我們測(cè)算了大模型帶來(lái)的 GPU 增量空間。 測(cè)算原理：從模型的（1）參數(shù)規(guī)模入手，根據(jù)（2）訓(xùn)練大模型所需的 Token 數(shù)量和（3）每 Token 訓(xùn)練成 本與模型參數(shù)量的關(guān)系估算總算力需求，再考慮（4）單張 GPU 算力和（5）GPU 集群的算力利用率推導(dǎo)得出 GPU 總需求。

（1）參數(shù)規(guī)模：過(guò)去幾年，大模型的參數(shù)量呈指數(shù)上升，GPT-3 模型參數(shù)量已達(dá)到 1750 億。GPT-4 具有 多模態(tài)能力，其參數(shù)量相比 GPT-3 會(huì)更大。我們?cè)跍y(cè)算中假設(shè) 2023 年多模態(tài)大模型的平均參數(shù)量達(dá)到 10000 億個(gè)，之后每年保持 20%的增速；普通大模型的平均參數(shù)量達(dá)到 2000 億個(gè)，之后每年保持 20%的增速。 （2）訓(xùn)練大模型所需的 Token 數(shù)量：參數(shù)規(guī)模在千億量級(jí)的自然語(yǔ)言大模型 GPT-3、Jurassic-1、Gopher、 MT-NLG，訓(xùn)練所需的 Token 數(shù)量在千億量級(jí)，而一些多模態(tài)大模型在訓(xùn)練過(guò)程中所需 Token 數(shù)據(jù)量也跟隨參 數(shù)量增長(zhǎng)而增長(zhǎng)，我們?cè)跍y(cè)算中假設(shè)多模態(tài)大模型訓(xùn)練所需 Token 數(shù)量達(dá)到萬(wàn)億級(jí)別，并且 Token 數(shù)量與模型 參數(shù)規(guī)模保持線性增長(zhǎng)關(guān)系。 （3）每 Token 訓(xùn)練成本與模型參數(shù)量的關(guān)系：參考 OpenAI 發(fā)布的論文《Scaling Laws for Neural Language Models》中的分析，每個(gè) token 的訓(xùn)練成本通常約為 6N，其中 N 是 LLM 的參數(shù)數(shù)量，我們?cè)跍y(cè)算中遵循這一 關(guān)系。 （4）單張 GPU 算力：因?yàn)樵谟?xùn)練大模型時(shí)，主要依賴可實(shí)現(xiàn)的混合精度 FP16/FP32 FLOPS，即 FP16 Tensor Core 的算力，我們?cè)跍y(cè)算中選取 A100 SXM 和 H100 SXM 對(duì)應(yīng)的算力 312 TFLOPS 和 990 TFLOPS 作為參數(shù)。 （5）GPU 集群的算力利用率：參考 Google Research 發(fā)布的論文《PaLM: Scaling Language Modeling with Pathways》中的分析，我們?cè)跍y(cè)算中假設(shè)算力利用率約為 30%。 其他基本假設(shè)包括多模態(tài)研發(fā)廠商個(gè)數(shù)、普通大模型研發(fā)廠商個(gè)數(shù)等。根據(jù)所有假設(shè)及可以得到，2023 年 -2027 年，全球大模型訓(xùn)練端峰值算力需求量的年復(fù)合增長(zhǎng)率為 78.0%。2023 年全球大模型訓(xùn)練端所需全部算 力換算成的 A100 總量超過(guò) 200 萬(wàn)張，新增市場(chǎng)需求空前旺盛。

3.1 國(guó)產(chǎn)算力迎來(lái)高速發(fā)展期

2023 年 10 月 17 日美國(guó)商務(wù)部和安全局（BIS）發(fā)布一攬子規(guī)則，旨在更新對(duì)中國(guó)的先進(jìn)計(jì)算芯片的出口 管制。出口管制清單 CCL 中的 ECCN 3A090 修正，該規(guī)則將于 2023 年 11 月 16 日起生效。以下條件，滿足 一個(gè)就受到出口限制： 3A090a：針對(duì)最高性能芯片(1): TPP 超過(guò) 4800(2): TPP 超過(guò) 1600，且 PD 超過(guò) 5.92。 3A090b：針對(duì)次高性能芯片(1): TPP 處于［2400,4800)，且 PD 處于［1.6,5.92)；(2): TPP 在［1600,+∞） 區(qū)間，且 PD 處于［3.2.5.92）區(qū)間。 其中 TPP 為總算力性能，PD 為性能密度，性能密度定義為：總處理性能/芯片面積。

2023 年 10 月 17 日的芯片出口管制禁令更為嚴(yán)格，雖然消除了之前的帶寬限制，但是算力限制更為嚴(yán)格。 主流的英偉達(dá) H100、H800、A100、A800、L40S、RTX4090 等均在出口管制范圍內(nèi)。

英偉達(dá)和 AMD 是目前全球 GPGPU 的領(lǐng)軍企業(yè)。英偉達(dá)的通用計(jì)算芯片具備優(yōu)秀的硬件設(shè)計(jì)，通過(guò) CUDA 架構(gòu)等全棧式軟件布局，實(shí)現(xiàn)了 GPU 并行計(jì)算的通用化，深度挖掘芯片硬件的性能極限，在各類下游應(yīng)用領(lǐng)域 中，均推出了高性能的軟硬件組合，逐步成為全球 AI 芯片領(lǐng)域的主導(dǎo)者。AMD 2018 年發(fā)布用于數(shù)據(jù)中心的 Radeon Instinct GPU 加速芯片，Instinct 系列基于 CDNA 架構(gòu)，如 MI250X 采用 CDNA2 架構(gòu)，在通用計(jì)算領(lǐng)域 實(shí)現(xiàn)計(jì)算能力和互聯(lián)能力的顯著提升，此外還推出了對(duì)標(biāo)英偉達(dá) CUDA 生態(tài)的 AMD ROCm 開(kāi)源軟件開(kāi)發(fā)平臺(tái)。 國(guó)內(nèi) AI 芯片廠商正逐步縮小與英偉達(dá)、AMD 的差距，出口管制下國(guó)產(chǎn)芯片快速發(fā)展勢(shì)在必行。英偉達(dá)憑 借其硬件產(chǎn)品性能的先進(jìn)性和生態(tài)構(gòu)建的完善性處于市場(chǎng)領(lǐng)導(dǎo)地位，國(guó)內(nèi)廠商雖然在硬件產(chǎn)品性能和產(chǎn)業(yè)鏈生 態(tài)架構(gòu)方面與前者有所差距，但正在逐步完善產(chǎn)品布局和生態(tài)構(gòu)建，不斷縮小與行業(yè)龍頭廠商的差距。國(guó)內(nèi)主 要 AI 芯片包括昇騰、寒武紀(jì)、海光信息、天數(shù)智芯等。

3.2 服務(wù)器：AI 時(shí)代全球服務(wù)器市場(chǎng)高速增長(zhǎng)

3.2.1 AI 時(shí)代全球服務(wù)器市場(chǎng)高速增長(zhǎng)，AI 服務(wù)器出貨量占比進(jìn)一步提升

AI 服務(wù)器為算力基礎(chǔ)設(shè)施最重要硬件之一，與普通服務(wù)器的絕大多數(shù)空間分配給 CPU 相比，AI 服務(wù)器 采用異構(gòu)形式，可根據(jù)應(yīng)用的范圍采用不同的組合方式，一般采取 CPU+多顆 GPU 的架構(gòu)，也有 CPU+TPU、 CPU+其他的加速卡等組合。相較普通服務(wù)器，AI 服務(wù)器更擅長(zhǎng)并行運(yùn)算，具有高帶寬、性能優(yōu)越、能耗低等優(yōu)點(diǎn)。對(duì)比 CPU 和 GPU 的內(nèi)部架構(gòu)，CPU 采用整塊的 ALU(運(yùn)算單元)，且大量空間用于控制單元和緩存，串 行計(jì)算能力強(qiáng)；而 GPU 采用分立的大量 ALU，很少空間分配給控制單元和緩存，并行計(jì)算能力強(qiáng)。而由于圖 像識(shí)別、視覺(jué)效果處理、虛擬現(xiàn)實(shí)、大模型訓(xùn)練等任務(wù)都包含大量的簡(jiǎn)單重復(fù)計(jì)算、矩陣計(jì)算等，更適合用搭 載 GPU 更多的異構(gòu)型 AI 服務(wù)器進(jìn)行處理，而隨著企業(yè)的智能化變革和通用大模型的興起，以 GPU 為核心的異 構(gòu)型 AI 服務(wù)器將在算力基礎(chǔ)設(shè)施建設(shè)中占據(jù)愈發(fā)重要的地位。

IDC 預(yù)計(jì)，全球 AI 服務(wù)器市場(chǎng)將從 2022 年的 195 億美元增長(zhǎng)到 2026 年的 347 億美元，五年年復(fù)合增長(zhǎng)率 達(dá) 17.3%；其中，用于運(yùn)行生成式人能的服務(wù)器市場(chǎng)規(guī)模在整體人工智能服務(wù)器市場(chǎng)的占比將從 2023 年的 11.9% 增長(zhǎng)至 2026 年的 31.7%。隨著數(shù)據(jù)量的持續(xù)提升，大模型參與玩家和單個(gè)模型參數(shù)量提升，以及數(shù)字化轉(zhuǎn)型推 進(jìn)等多因素影響，AI 服務(wù)器市場(chǎng)規(guī)模將繼續(xù)保持較快增長(zhǎng)；2022 年中國(guó) AI 服務(wù)器市場(chǎng)規(guī)模 67 億美元，同比增 長(zhǎng) 24%。其中 GPU 服務(wù)器占據(jù)主導(dǎo)地位，市場(chǎng)份額為 89%至 60 億美元。同時(shí)，NPU、ASIC 和 FPGA 等非 GPU 加速服務(wù)器以同比 12%的增速占有了 11%的市場(chǎng)份額，達(dá)到 7 億美元。預(yù)計(jì) 2023 年，中國(guó)人工智能服務(wù)器市場(chǎng) 規(guī)模將達(dá) 91 億美元，同比增長(zhǎng) 82.5%，2027 年將達(dá)到 134 億美元，五年年復(fù)合增長(zhǎng)率為 21.8%。

3.2.2 AI 服務(wù)器市場(chǎng)集中度有望提升，國(guó)內(nèi)廠商呈現(xiàn)一超多強(qiáng)格局

據(jù) IDC 數(shù)據(jù)，2022 年上半年全球 AI 服務(wù)器市場(chǎng)中，浪潮信息、戴爾、惠普、聯(lián)想、新華三分別以 15.1%、 14.1%、7.7%、5.6%、4.7%的市場(chǎng)份額位居前五位。市場(chǎng)格局相對(duì)分散，龍頭廠商份額較為接近。此外，由于以 北美云廠商為主的需求方偏向于采用 ODM 模式，因此非品牌商份額占比較高，接近 50%。 據(jù) IDC 數(shù)據(jù)，2022 年我國(guó) AI 服務(wù)器市場(chǎng)按銷售額統(tǒng)計(jì)市場(chǎng)份額中，浪潮信息、新華三、寧暢位居前三位， 市場(chǎng)份額分別為 47%、11%、9%。市場(chǎng)格局呈現(xiàn)一超多強(qiáng)局面，除浪潮外其與廠商份額相對(duì)接近。由于國(guó)內(nèi)頭 部廠商采用類 ODM 模式服務(wù)互聯(lián)網(wǎng)客戶，因此 ODM 廠商份額占比偏低。

四、大模型技術(shù)基座國(guó)產(chǎn)化

4.1 EDA 算法國(guó)產(chǎn)替代

EDA 板塊：增速穩(wěn)定、高壁壘、高估值板塊。1）增速穩(wěn)定：EDA 公司商業(yè)模式大多數(shù)為按年付費(fèi)，一般 收費(fèi)在 IC 設(shè)計(jì)公司收入的 1%-3%之間，占 IC 公司收入比重較低，并且 EDA 公司議價(jià)權(quán)較高，因此對(duì)于成熟 穩(wěn)定的客戶，每年給 EDA 公司付費(fèi)基本穩(wěn)定或者略有增長(zhǎng)，商業(yè)模式和高壁壘決定了 EDA 公司受下游需求波 動(dòng)影響較小。EDA 行業(yè)增長(zhǎng)一是受益于 IC 設(shè)計(jì)門(mén)檻降低，IC 公司數(shù)量越來(lái)越多，二是 IC 品類不斷拓張，比如 第三代半導(dǎo)體的出現(xiàn)，三是伴隨著先進(jìn)制程迭代，產(chǎn)品復(fù)雜度提高帶來(lái)的單價(jià)提升。加上盜版等因素的存在， 實(shí)際上有部分需求并未體現(xiàn)在 EDA 公司收入中，通過(guò)盜版的不斷轉(zhuǎn)化，EDA 龍頭公司中長(zhǎng)期均保持穩(wěn)定增長(zhǎng)。 2）高壁壘；技術(shù)壁壘本身較高，需要強(qiáng)大的數(shù)學(xué)物理基礎(chǔ)理論支撐，對(duì)算法要求很高。同時(shí)用戶協(xié)同壁壘較高， 制造、設(shè)計(jì)、EDA 廠商三方形成穩(wěn)定的生態(tài)圈，新進(jìn)入者極難打破。因此，高壁壘以及良好的業(yè)務(wù)穩(wěn)定性和成 長(zhǎng)性，使得 EDA 公司如新思科技、Cadence 在美股半導(dǎo)體板塊中估值一直相對(duì)較高。

EDA 行業(yè)保持穩(wěn)定增長(zhǎng)，國(guó)內(nèi)增速更快。根據(jù)賽迪數(shù)據(jù)，2020 年全球 EDA 行業(yè)實(shí)現(xiàn)總銷售額 72.3 億美元， 同比增長(zhǎng) 10.7%。預(yù)計(jì)至 2024 年，全球市場(chǎng)規(guī)模有望達(dá)到 105 億美元，2020-2024 年復(fù)合年均增長(zhǎng)率為 7.8%。 2020 年國(guó)內(nèi) EDA 市場(chǎng)規(guī)模為 66.2 億，預(yù)計(jì)至 2024 年，我國(guó) EDA 工具市場(chǎng)規(guī)模有望達(dá)到 115 億元人民幣，2020 至 2024 年的市場(chǎng)規(guī)模符合年均增長(zhǎng)率近 17%。

EDA 結(jié)合人工智能是趨勢(shì)。EDA 問(wèn)題具有高維度、不連續(xù)、非線性和高階交互的特性，機(jī)器學(xué)習(xí)等算法 能夠顯著提高 EDA 的自主程度，提升 IC 設(shè)計(jì)效率，縮短研發(fā)周期。人工智能賦能 EDA 主要從 Inside 和 Outside 兩方面實(shí)現(xiàn)，從 Inside 方面，通過(guò)機(jī)器學(xué)習(xí)對(duì) DRC、能耗、時(shí)序等預(yù)測(cè)，在參數(shù)模型建立過(guò)程中實(shí)現(xiàn)參數(shù)的優(yōu) 化，同時(shí)實(shí)現(xiàn)更高效的物理空間設(shè)計(jì)。Outside 方面，通過(guò)機(jī)器學(xué)習(xí)方式，減少人工干預(yù)，極大釋放勞動(dòng)力。

EDA巨頭積極進(jìn)行人工智能與芯片設(shè)計(jì)的深度融合。EDA巨頭Cadence發(fā)布了內(nèi)嵌人工智能算法的Innovus， Project Virtus，Signoff Timing 等工具，實(shí)現(xiàn)了全流程數(shù)字化智能化。Mentor 通過(guò)機(jī)器學(xué)習(xí) OPC 將光學(xué)鄰近效應(yīng) 修正(OPC)輸出預(yù)測(cè)精度提升到納米級(jí)，同時(shí)將執(zhí)行時(shí)間縮短 3 倍。Synopsys 推出業(yè)界首個(gè)用于芯片設(shè)計(jì)的自 主人工智能應(yīng)用程序——DSO.aiTM。英偉達(dá)發(fā)布大語(yǔ)言模型 ChipNeMo，輔助工作人員完成與芯片設(shè)計(jì)相關(guān)的 任務(wù)，可以回答有關(guān)芯片設(shè)計(jì)的一般問(wèn)題、總結(jié) bug 文檔，以及為 EDA 工具編寫(xiě)腳本等。 國(guó)產(chǎn) EDA 產(chǎn)商迎來(lái)新戰(zhàn)略機(jī)遇期。目前全球 EDA 工具上大約有近百家，排名前三的公司分別是新思科技 （Synopsys）、鏗騰電子（cadence）和明導(dǎo)（Mentor），三家巨頭占據(jù)著全球近 7 成左右的市場(chǎng)份額，在中國(guó)的 市占率更是超過(guò) 95%。2022 年 8 月生效的《2022 芯片與科學(xué)法案》對(duì) EDA 軟件進(jìn)行了出口管制，在中美貿(mào)易 戰(zhàn)、科技戰(zhàn)持續(xù)深化的背景下，加強(qiáng)對(duì)卡脖子的關(guān)鍵核心技術(shù)研發(fā)的支持成為半導(dǎo)體領(lǐng)域的重點(diǎn)，半導(dǎo)體芯片的軟硬件國(guó)產(chǎn)化比例不斷提升，芯片核心技術(shù)自主可控勢(shì)在必行，國(guó)產(chǎn) EDA 廠商迎來(lái)重要的發(fā)展機(jī)遇。