第一章 行业概况
1.1 简介
大模型是指具有大规模参数和复杂计算结构的机器学习模型。这些模型通常由深度神经网络构建而成，拥有数十亿甚至数千亿个参数。大模型的设计目的是为了提高模型的表达能力和预测性能，能够处理更加复杂的任务和数据。大模型在各种领域都有广泛的应用，包括自然语言处理、计算机视觉、语音识别和推荐系统等。大模型通过训练海量数据来学习复杂的模式和特征，具有更强大的泛化能力，可以对未见过的数据做出准确的预测。
图 大模型产业图谱
来源：资产信息网 千际投行 iFinD
1.2 分类
按输入数据类型的不同：语言大模型（NLP），视觉大模型（CV）和多模态大模型。NLP通常用来处理文本数据和理解自然语言，例如GPT系列，文心一言等。CV通常用于图像处理和分析，例如VIT系列，文心UFO等。多模态大模型能够处理多种不同类型数据，例如DingoDB多模向量数据库等。
按应用领域的不同：三个层次，通用大模型L0，行业大模型L1和垂直大模型L2。通用大模型L0是指可以在多个领域和任务上通用的大模型。行业大模型L1是指针对特定行业或领域的大模型。垂直大模型L2是指针对特定任务或场景的大模型。
大模型市场容量及规模巨大，预计2028年将达到1179亿元。
图 我国大模型产业市场规模
来源：资产信息网 千际投行 iFinD
第二章 产业链、商业模式及政策监管
2.1 产业链
大模型指参数规模较大的预训练模型。这些模型通常具有数十亿甚至数千亿个参数，需要在大量硬件资源上进行训练。大模型通过对数据进行分布式表示，能够捕捉到数据中的复杂关系，提高模型在各类任务中的泛化能力。
从大模型行业产业链来看，上游主要包括硬件和软件，硬件又包括芯片、服务器、通信网络等；软件又包括云计算、数据库、中间件等。中游是指大模型行业；下游是指大模型的应用领域，包括游戏、办公、传媒影视、医疗、金融、电商、工业等，这些领域的多样化需求将推动大模型不断进行技术创新和优化，提升模型的准确性和效率。
图 大模型产业链
来源：资产信息网 千际投行 iFinD
通用大模型
如GPT、BERT等，能够处理多种类型的任务，如文本生成、文本分类、机器翻译等。
图 国内通用大模型布局
来源：资产信息网 千际投行 iFinD
多模态大模型
能够处理多种模态的数据，如图像、文本、语音等，如CLIP、DALL-E等。
图 2022-2023年主流多模态大模型
来源：资产信息网 千际投行 iFinD
AI大模型
指具有巨大参数规模的人工智能模型。这些模型通过机器学习和深度学习的技术来学习和理解庞大的数据量。AI大模型的发展推动了人工智能领域的快速发展，并在各个领域中展现出惊人的应用潜力。
图 AI大模型谱系图
来源：资产信息网 千际投行 iFinD
金融和投资大模型
2024年4月10日，在2024数字产业链金融行业峰会上，网商银行宣布旗下的供应链金融解决方案大雁系统升级，AI大模型首次应用于产业链金融场景，提升小微企业金融服务的覆盖率和便捷性。
在该领域上，大模型系统帮助金融和投资机构构建更全面的企业图谱。同时，大模型有语义理解、生成能力，与大模型驱动的Agent实时反馈能力叠加，能够更好地刻画小微企业的经营状况和信用情况。
图 金融大模型的价值与作用
来源：资产信息网 千际投行 iFinD
2.2 商业模式
目前大模型商业应用尚处早期，以API、PaaS、MaaS三种模式为主。当前全球大模型产业落地仍处于早期探索阶段，需要与下游场景企业合作建立大模型商业模式，但下游企业目前对于大模型的理解相对有限，所需要的资源支撑比较薄弱。总的来说，大模型落地可以通过API接口调用付费、或者大厂提供落地所需的开发工具、云平台、服务等的PaaS模式，更进一步是直接提供相关定制好的模型调用的MaaS模式。
应用程序编程接口（Application Programming Interface，简称：API），是一些预先定义的函数，目的是提供应用程序与开发人员基于某软件或硬件得以访问一组例程的能力，而又无需访问源码，或理解内部工作机制的细节。
近年来软件的规模日益庞大，常常需要把复杂的系统划分成小的组成部分，编程接口的设计十分重要。程序设计的实践中，编程接口的设计首先要使软件系统的职责得到合理划分。良好的接口设计可以降低系统各部分的相互依赖，提高组成单元的内聚性，降低组成单元间的耦合程度，从而提高系统的维护性和扩展性。
图 通用大模型的主要商业模式
来源：资产信息网 千际投行 iFinD
PaaS模式（Platform as a Service）是指平台即服务。把服务器平台作为一种服务提供的商业模式，通过网络进行程序提供的服务称之为SaaS(Software as a Service)，是云计算三种服务模式之一，而云计算时代相应的服务器平台或者开发环境作为服务进行提供就成为了PaaS。
所谓PaaS实际上是指将软件研发的平台作为一种服务，以SaaS的模式提交给用户。因此，PaaS也是SaaS模式的一种应用。但是，PaaS的出现可以加快SaaS的发展，尤其是加快SaaS应用的开发速度。在2007年国内外SaaS厂商先后推出自己的PAAS平台。
图 未来PaaS市场增长驱动力强劲
来源：资产信息网 千际投行 iFinD
SaaS软件运营服务是（Software as a Service，简称SaaS）让用户能够通过互联网连接来使用基于云的应用程序。常见示例有电子邮件、日历和办公工具。它不需要用户将软件产品安装在自己的电脑或服务器上。
SaaS提供完整的软件解决方案，用户可以从云服务提供商处以即用即付方式进行购买。为组织租用应用，组织用户即可通过互联网连接到该应用（通常使用 Web浏览器）。所有基础结构、中间件、应用软件和应用数据都位于服务提供商的数据中心内。服务提供商负责管理硬件和软件，并根据适当的服务协议确保应用和数据的可用性和安全性。SaaS让组织能够通过最低前期成本的应用快速建成投产。
图 2021 年全球公有云 SaaS 市场份额
来源：资产信息网 千际投行 iFinD
大模型产业市场规模持续增长，市场前景广阔。预计2028年市场规模将达到1179亿元。2022~2028年复合增长率约为60.11%，市场规模快速成长。
图 我国大模型产业市场规模
来源：资产信息网 千际投行 iFinD
2.3 技术发展
大模型的起源可以追溯到20世纪90年代，当时人工智能领域还处于初创期，研究人员主要关注的是基于规则的专家和知识表示系统。数据资源的不断增加和计算机性能的不断提升，人们开始意识到基于数据驱动的机器学习方法在人工智能领域具有更大的潜力。大模型的概念逐渐浮出水面。
近十余年间，人工智能技术泛化能力、创新能力及应用效能不断提升，成为了推动经济及社会发展的重要引擎。
2015年前后，人脸识别算法达到接近人眼的识别能力，被视为人工智能技术工业级应用水平的代表性事件。
2022年，以ChatGPT为代表的大模型为用户带来了全新交互体验。通过其在内容生成、文本转化和逻辑推理等任务下的高效、易操作表现，大模型正逐步成为当前主流应用程序的重要组成部分。
图 大模型技术发展各时期
来源：资产信息网 千际投行 iFinD
2023年7月，OpenAI向用户正式开放了代码解析插件Code Interpreter，使得ChatGPT和GPT-4可以根据用户问题来编写和执行代码，从而拓展了模型在数据分析、复杂计算与功能调用方面的能力。
图 全球大模型技术发展脉络
来源：资产信息网 千际投行 iFinD
2023年，大语言模型及其在人工智能领域的应用已成为全球科技研究的热点，其在规模上的增长尤为引人注目，参数量已从最初的十几亿跃升到如今的一万亿。参数量的提升使得模型能够更加精细地捕捉人类语言微妙之处，更加深入地理解人类语言的复杂性。在过去的一年里，大语言模型在吸纳新知识、分解复杂任务以及图文对齐等多方面都有显著提升。随着技术的不断成熟，它将不断拓展其应用范围，为人类提供更加智能化和个性化的服务，进一步改善人们的生活和生产方式。
图 大模型带来语音技术发展的全新机会
来源：资产信息网 千际投行 iFinD
2023年被视为中国大模型的发展元年。3月16日，百度正式推出了基于百度新一代大语言模型的生成式AI产品“文心一言”，成为了率先“跑出来”的国内大模型厂商。文心一言的问世，也拉开了国内“百模大战”的帷幕。此后，阿里、华为、腾讯、京东、科大讯飞、360、字节跳动等科技公司纷纷发布了自家的大模型。文心一言发布8个月后的11月15日，李彦宏在深圳西丽湖论坛上表示，国内目前已经发布了238个大模型。这意味着，在这两百多天里，平均每天都有一个大模型问世。
图 国内大模型技术路线图
来源：资产信息网 千际投行 iFinD
2.4 政策监管
大模型在快速发展的同时也带来了一系列潜在的风险和挑战。
一方面，大模型所需的海量数据、复杂参数以及工程难度放大了人工智能固有的技术风险，如数据窃取、泄露等安全问题，模型黑盒导致决策结果难预测和难解释问题，以及模型面对随机扰动和恶意攻击的鲁棒性问题。
另一方面，大模型的多场景通用性也放大了隐私风险、歧视风险和滥用风险等应用风险。这些问题引发了全球范围的关注，对人工智能治理能力与治理水平提出了新的挑战。
目前，全球大模型治理正处于探索阶段，从人工智能伦理准则等基本共识出发，逐步深入推动大模型监管政策法规和企业治理落地实践。国际组织积极制定人工智能治理原则及倡议，重点关注大模型的治理和监管问题。
图 2023年以来国内大模型相关政策梳理
来源：资产信息网 千际投行 iFinD
在政策方面，2021年11月，联合国教科文组织通过了《人工智能伦理问题建议书》，旨在促使人工智能系统造福人类、社会、环境和生态系统、防止危害，同时促进和平利用人工智能系统。
2023年11月，在英国人工智能安全峰会期间，包括中国、美国、英国等 28 个国家和欧盟共同签署了《布莱切利宣言》，确保人工智能以人为本、值得信赖并负责任，通过国际伦理和其他相关倡议促进合作，应用人工智能带来的广泛风险。
同年11月，世界互联网大会发布了《发展负责任的生成式人工智能研究报告及共识文件》，就发展负责任的生成式人工智能提出十条共识。
在标准方面，ISO/IEC JTC1 /SC42人工智能分委会正在开展人工智能可信赖国际标准研制工作，为指导利益相关方研发、使用可信赖人工智能相关技术和系统提供参考，主要标准包括 ISO/IEC TR 24028:2020《人工智能的可信赖概述》、ISO/IEC 38507:2022《组织使用人工智能的治理影响》等。
全球主要经济体加快推进大模型治理和监管相关政策制定步伐。中国在人工智能监管方面主张“包容审慎的分类分级监管”原则，国家网信办已于2023年7月10日颁布了首部面向大模型监管的《生成式人工智能服务管理暂行办法》，后续将进一步针对生成式人工智能技术特点及其在有关行业和领域的服务应用，制定相应的分类分级监管规则或指引。
2023年10月8日，中国科技部发布《科技伦理审查办法（试行）》，提出从事人工智能科技活动的单位，研究内容涉及科技伦理敏感领域的，应设立科技伦理（审查）委员会，并建立伦理高风险科技活动的清单制度，对可能产生较大伦理风险挑战的新兴科技活动实施清单管理。
2023年10月18日，国家网信办发布《全球人工智能治理倡议》，提出发展人工智能应坚持相互尊重、平等互利的原则，各国无论大小、强弱，无论社会制度如何，都有平等发展和利用人工智能的权利。
在标准方面，中国信息通信研究院已经启动《大规模预训练模型技术和应用评估方法》系列标准研制的工作，全面覆盖大模型的开发、部署和应用环节，其中第四部分可信要求是目前国内首项针对大模型领域的可信赖标准。
与此同时，全国信息安全标准化技术委员会已经启动包括《信息安全技术 生成式人工智能服务安全基本要求》在内的三项生成式人工智能安全国家标准编制工作，以支撑大模型的监管落地。
欧盟现行人工智能立法仍主要集中在传统人工智能，但已经开始关注通用人工智能以及生成式人工智能的问题，主张尊重人格尊严、个人自由和保护数据及隐私安全。
2023年6月14日，欧洲议会投票通过《人工智能法案》，该法案基于风险等级将人工智能系统分成四类，并制定了不同程度的监管要求。
2023年5月13日，美国白宫总统科技顾问委员会（PCAST）成立生成式人工智能工作组，以帮助评估关键机遇和风险，并就如何更好地确保这些技术的开发和部署尽可能公平、负责任和安全提供意见。
2023年10月30日，美国总统拜登签署人工智能行政令，旨在加强对人工智能潜在风险的监管，发展安全、可靠和值得信赖的人工智能，促进人工智能创新，确保美国在人工智能领域继续领跑全球。
同时行政令在标准方面，提出美国国家标准与技术研究所（NIST）将制定严格的人工智能安全测试标准，人工智能系统在公开发布前需根据这些标准进行广泛的测试以确保安全。
第三章 财务、风险及竞争分析
3.1 财务分析和估值方法
图 杜邦分析法
来源：资产信息网 千际投行 iFinD
Dupont分析模型是一种常用的财务分析工具，它通过对企业净资产收益率进行分解，帮助人们更好地理解企业的盈利能力。该模型将净资产收益率分解为三个部分，即利润率、资产周转率和财务杠杆，从而深入剖析各个因素对企业盈利能力的影响。利润率反映企业销售产品或提供服务后的利润水平，资产周转率则反映企业管理资产的效率，财务杠杆则反映企业借债资金对股东权益的影响。通过对这些因素的分析，人们可以更准确地评估企业的盈利能力，并且针对不同的因素进行有针对性的调整和优化，从而提高企业的经营效益。
图 CAPM分析
来源：资产信息网 千际投行 iFinD
CAPM模型，即资本资产定价模型，用于评估投资项目的可行性。该模型通过衡量资本成本和预期回报来计算资产的合理价格。其基于市场效率的假设，假设投资者在决策时会考虑市场整体的风险和回报。该模型将资本成本分为两部分：无风险利率和风险溢价。无风险利率代表投资者可以获得的没有风险的回报率，而风险溢价则衡量了投资者愿意为承担额外风险而要求的额外回报。通过结合资本成本和预期回报率，CAPM模型可以计算出一个合理的资产价格，从而帮助投资者评估投资项目的可行性。这种模型在风险管理和投资决策中被广泛使用，能够提供参考依据，帮助投资者做出明智的选择，并优化投资组合以实现最大化的回报。
估值
1、市盈率法：是企业市值与其净利润之间的比率，它可以反映投资者对企业未来盈利能力的期望。根据同行业公司的市盈率水平，可以合理估计目标企业的估值。
2、市净率法：是企业市值与其净资产之间的比率，它可以反映企业的资产质量和净资产收益能力。根据同行业公司的市净率水平，可以合理估计目标企业的估值。
3.2 驱动因子
我国目前在大模型发展领域仍有较大努力空间，要落实全国新型工业化推进大会部署，以人工智能和制造业深度融合为主线，以智能制造为主攻方向，以场景应用为牵引，夯实人工智能赋能底座，推动制造业全流程智能化，加快重点行业智能升级，大力发展基于大模型的智能装备、软件等智能产品，加强人才、标准、检测能力、开源机制等支撑体系建设，推动人工智能全方位、深层次赋能新型工业化，加快形成新质生产力。
同时，要充分发挥我国完备产业体系和新型信息基础设施优势，坚定信心，从供给侧、需求侧、基础侧协同发力，加快培育面向工业领域的大模型，凝练和开放工业应用场景，深化工业数据开发利用，提升算力供给能力，着力营造良好环境，积极探索人工智能和工业融合发展新路径，形成双向赋能的发展格局。
图 截止2023年7月全球大模型累计数量区域分布情况
来源：资产信息网 千际投行 iFinD
驱动因子
政策助力
随着当前人工智能行业的发展，大模型技术也不断发展，而为推动大模型在行业中的应用，我国及部分省市发布了多项行业政策，支持大模型行业发展。
资本加持
在市场需求的增长以及政策支持的背景下，我国大模型市场规模将不断增长，预计到2025年市场规模将突破300亿元。而多模态大模型作为AI模型的发展方向，在各项相关技术愈发成熟下，其应用领域也将愈发广泛，比如说商业定制、游戏和影视等。而随着其应用领域的不断拓展下，其需求量也将增加，预计2025年我国多模态内容市场规模800亿美元。
应用领域拓展
从融资情况来看，目前多模态大模型行业融资情况较为频繁，在2024年2月已经发生两起投融资事件，分别为Weitu AI 公司获得的天使轮融资和联汇科技获得的战略融资。
3.3 风险分析及管理
风险分析
技术安全风险
数据方面，数据会带来价值偏见、隐私泄露、数据污染等问题；训练数据固有偏见导致模型产生偏见内容；海量训练数据扩大了数据安全和隐私保护风险。算法方面，算法模型生成特性及安全漏洞会引发“幻觉”或虚假信息、模型遭受攻击等风险。
网络安全风险
网络安全主要包括传播的信息部分是有害的和不实的。有害信息包括价值偏见，隐私泄露，还有黄赌毒、涉恐涉暴、仇恨、反讽、歧视、刻板印象等等各种信息污染；不实信息包括虚假信息、伪造、欺诈内容等。也包括由输出信息所直接导致的各类不安全的指令调用、智能体或者具身智能机器人的恶意行为等等。
此外，网络犯罪分子不仅使用勒索软件攻击关键基础设施，而且还掌握了利用生成式AI等新兴技术实施恶行的新手段。
数据收集风险
当前的大模型普遍具有数十亿个参数，有的大模型参数量甚至多达上万亿个，训练时常常用到数万亿甚至数十万亿的语料，需要收集海量的数据，在数据的收集、处理、使用等方面，大模型面临的挑战不容忽视。
一是数据获取的便利性。能否方便、快捷地获取数据，是决定大模型能否成功训练的关键，目前通用类大模型训练的数据大部分来自公开渠道，但专用类大模型需要专业数据，这些数据大都属于企业、研究机构等实体，增加了专用类大模型的训练难度。
二是数据来源的合法性。随着个人信息保护意识的提高，即便是通过公开渠道获取的数据，也存在合法使用的问题。
三是数据质量的可靠性。大模型的预训练不仅需要的数据量大，而且对数据质量有很高的要求。当前，国外大模型和国内部分大模型会选用开源数据集进行训练，这些源于互联网的数据虽然数量巨大，但质量良莠不齐；从中提取符合预训练要求的高质量数据，在数据清洗方面面临着很大挑战，特别是其中高质量的中文数据样本更是少之又少，进一步增加了国内大模型预训练的难度。
资金风险
大模型成本主要由模型开发成本、训练成本、算力成本、数据成本、运维成本等构成，仅训练成本便动辄高达数百万美元。对普通企业和科研机构而言，资金成为一道难以逾越的“门槛”，国内能够承担如此巨大成本开支的企业和科研机构为数不多。
人才风险
与大模型研发密切相关的是人才。国内大模型人才数量严重不足，与美国相比顶尖人才数量少，制约了大模型研发的快速发展。同时，人才质量不够高，伴有外流严重的问题。
风险管理
1、提高算力规模。进一步完善信息基础设施，加快推进“东数西算”步伐，加大算力网络建设力度，为大模型研发运营提供足够算力，同时进一步提高网络速度，降低网络时延，为更多大模型走向应用创造条件。
2、加强数据管理。国家层面加强对数据的管控，明确行业标准，建立数据使用规则，确保大模型训练数据的质量。同时，针对行业数据，破除不同厂家之间数据互相不能查询的壁垒，确保大模型训练有充足、准确的专业数据。
3、加大资金投入。建立国家大模型基金，专门用于大模型的研发、训练等。
4、加大政策支持。面向大模型研发，制订更加优惠的税收政策。针对国有企业在大模型研发上投入的资金，允许以两倍规模计为企业净利润。
5、加大科技投入。解决核心技术“卡脖子”问题，特别是加大人工智能芯片研发制造力度。
6、加快人才队伍建设。加大人才培养和引进力度，在薪资、晋升、住房、子女升学等方面，为高科技人才提供更加宽松的环境。进一步放宽针对国有企业的工资总额管控，为国有企业吸引顶尖人才创造环境。
3.4 竞争分析
发展和行情复盘
我国大模型行业进入较晚，自美国硅谷的OpenAI公司发布ChatGPT后，我国也掀起了大模型领域的浪潮。
在面临掉队的情况下，各大科技巨头、科研院所、初创公司都纷纷下场，部署自己的大模型。2023年3月16日，百度正式推出了基于百度新一代大语言模型的生成式AI产品“文心一言”，成为了率先“跑出来”的国内大模型厂商。文心一言的问世，也拉开了国内“百模大战”的帷幕。此后，阿里、华为、腾讯、京东、科大讯飞、360、字节跳动等科技公司纷纷发布了自家的大模型。同台竞技的玩家，还有科研院所及创业公司。北京智源人工智能研究院发布了“悟道”大模型，上海人工智能实验室推出了“书生”大模型，鹏城实验室研发了“鹏城·脑海”大模型。王小川创立的百川智能、清华计算机系孵化的智谱AI等初创公司如冉冉新星，以卓越的自研能力备受行业关注。
图 大模型技术复盘
来源：资产信息网 千际投行 iFinD
随着大模型的集体涌现，人们发现应用层中蕴藏着更多机会。大模型应用于实际中比单纯研究技术成本更低、变现更快，且市场拥有大量用户，市场规模可观。
大模型引发的创业热潮，直接体现在投融资上。虽然2023年投融资整体行业遇冷，但总体而言，AI行业融资的形势相对仍处于比较热门的状态。截至今年11月20日，人工智能赛道在一级市场的总融资事件为530起，总融资交易额估算有631亿元。
行业收并购重组
2023年十月，百川智能获得的单轮融资是3亿美金投资，智谱AI 2023年累计获得的融资是超25亿人民币（约3.48亿美金）。
2024年，亚马逊表示，将向人工智能初创公司 Anthropic 追加投资 27.5 亿美元，完成去年达成的一项交易，以支持这家人工智能初创公司并扩大两家公司之间的合作伙伴关系。继去年 9 月份宣布的一项早期投资之后，此次注资使亚马逊对 Anthropic 的总投资达到 40 亿美元。
整体大模型领域投融资数额巨大，创融资难度大，风险高。
图 阿里投资的AI大模型公司
来源：资产信息网 千际投行 iFinD
3.5 中国重要参与企业
在中国大模型行业，百度、科大讯飞、腾讯、阿里、月之暗面、华为、商汤、复旦大学、中科院等机构和企业都扮演着至关重要的角色。这些机构和企业通过推出创新的AI大模型和技术，极大地推动了行业的发展和应用广泛化。
2024年5月7日，由华算人工智能研究院、全国高校人工智能与大数据创新联盟从“产学合作协同育人”角度研究并推出“大模型中国50强榜单(2024)”。
表 2024中国大模型TOP50榜单
来源：资产信息网 千际投行 华算人工智能研究院
华为通过其盘古系列大模型，涵盖了自然语言处理（NLP）、计算机视觉（CV）和科学计算等领域，显示出华为在多个AI领域的深入布局。盘古大模型的开发体现了华为在提高AI处理能力和效率方面的重要进展。
图 华为盘古大模型示意图
来源：资产信息网 千际投行 iFinD
阿里巴巴通过阿里云推动了多个通义系列大模型的开发，包括智能编码助手、AI阅读助手、工作学习AI助手等，极大地丰富了大模型的应用场景。阿里云成为中国大模型的重要AI算力底座，为国内外多个大模型提供了API服务，加速了AI技术的商业化和普及。
图 阿里大模型
来源：资产信息网 千际投行 iFinD
腾讯的混元大模型以其超千亿参数规模和超强的中文处理能力，在市场上获得了显著的地位。2023年以来，腾讯通过将混元大模型整合入微信等应用，大幅提升了用户的互动体验，并通过新技术不断提升模型的性能和应用广度。
图 腾讯大模型
来源：资产信息网 千际投行 iFinD
百度旗下的文心大模型在推动AI技术商业化和工业应用方面取得了显著成就。文心模型不仅在搜索、信息流和智能音箱等产品中得到应用，还通过百度的飞桨平台支持多个行业的AI转型，显示了其在AI技术推广和应用中的强大能力。
图 文心大模型发展历程
来源：资产信息网 千际投行 iFinD
科大讯飞的讯飞星火认知大模型凭借其在文本生成、语言理解和多模交互等方面的核心能力，成为国内领先的AI大模型之一。科大讯飞通过持续迭代更新其模型，提高AI的功能性和实用性，为中国的AI发展贡献了重要力量。
图 科大讯飞大模型年内重要里程碑
来源：资产信息网 千际投行 iFinD
这些企业的活动不仅推动了中国大模型行业的技术进步，也为全球AI技术的发展趋势提供了重要参考。随着技术的进一步发展和应用的深入，预计这些企业将继续在全球AI领域发挥领军作用。
3.6 全球重要参与企业
在全球大模型行业，OpenAI、谷歌、微软、谷歌、英伟达、英特尔、Meta等重要的参与企业正在推动该领域的发展与革新，包括大模型、AI视频、AI图像、AI数字人、AI搜索、AI语音、AI音乐、AI3D、AI设计等。OpenAI、谷歌和Anthropic是其中的佼佼者，他们的技术进展和市场活动为整个行业设定了高标准。
表 主要非中国AI大模型列表
来源：资产信息网 千际投行收集整理
OpenAI自成立以来，就致力于开发和推广安全通用人工智能（AGI）。其核心产品包括各种开源工具和高级AI模型，如GPT系列。OpenAI的转型从非营利组织到营利性公司标志着其对资金和资源需求的增长，以及对商业化策略的调整。与微软的合作使得该公司在AI超算技术上取得了重大进展。2022年发布的ChatGPT和2024年推出的Sora视频大模型，都极大地推动了AI在内容生成和对话交互领域的应用，使得OpenAI的市场估值和影响力大幅提升。
图 OpenAI大模型发展历程
来源：资产信息网 千际投行 iFinD
谷歌在大模型技术方面也不甘落后。其PaLM 2 AI模型是行业内的佼佼者，专注于常识推理、形式逻辑、数学问题解决以及多语言处理。谷歌的技术实力在处理大规模参数和多种语言的模型训练上表现卓越，其模型的响应速度和处理能力在行业内居于领先地位。这些技术优势使得谷歌在AI研究和应用领域持续保持竞争力。
图 Google PaLM2大模型示意图
来源：资产信息网 千际投行 iFinD
Anthropic，由前OpenAI员工创立，专注于构建有用、诚实和无害的AI系统。Anthropic的Claude模型在多个AI基准测试中显示出优异的性能，特别是在语言理解和生成方面。该公司的创新不仅在技术层面，还在于推动AI的伦理和安全标准，这使其在AI社区中获得了独特的地位。
这些公司的活动不仅推动了大模型技术的进步，也对全球经济和社会的多个领域产生了深远影响。从提高生产效率到改善用户体验，再到引发下一轮工业革命，大模型行业的未来充满了既有挑战也有机遇。随着技术的进一步成熟和市场的扩展，预计这些企业将继续在智能化浪潮中扮演关键角色。
第四章 未来展望
大模型行业正迅速成为技术发展的前沿阵地，其未来展望可谓光明而充满挑战。从人机交互的自然化到智能基础建设的大规模投资，再到AI芯片成本的下降，各种因素共同推动了这一行业的飞速进步。
首先，人机交互界面的进化是推动大模型行业发展的核心动力。从初期的命令行界面(CLI)到图形界面(GUI)，再到现在的对话式交互界面(CUI)和多模态交互方式，技术的进步显著提高了机器的用户友好度和效率。这种以自然语言进行的交互不仅使机器更加“拟人化”，还极大地降低了公众对AI工具的使用门槛，从而激发了市场对AI技术的需求。
在技术供给侧，大模型的发展趋势是向多模态转变。这种转变不仅降低了生产成本，也显著提升了市场的活跃度和应用的广度。随着AI模型与新一代硬件如机器人、AR眼镜等的融合，预示着下一轮工业革命的到来。人们预期，基于大模型的智能体将变成人类的“生产力遥控器”，在人机协同模式下，极大地提升生产资料的操作效率和范围。
另外，智能基础设施的建设也是大模型行业发展的关键。随着AI芯片价格的预期下降，将进一步加速大模型的产能扩张。低成本的计算力将使AI服务回归到更广泛的社会公共服务领域，提高其普及率和应用深度。同时，智能基础设施的投资正在不断增加，其在经济中的“资本密度”、“算力密度”和“数据密度”也在持续提升，这将为中国乃至全球经济的比较优势增添新的动力。
此外，大型语言模型在知识传播和学习速度上的显著优势，预计将进一步推动全球知识的跨语言、跨学科和跨时空传播。这种高效的知识流通能力不仅加速科学研究和技术创新，也为教育和培训带来了革命性的变革。
千际投行认为，大模型行业的未来将是一个多元化发展的时代。技术创新与应用需求的相互促进，将使这一行业在未来几年内持续保持快速增长，成为推动社会进步和经济发展的重要力量。
作者：千际投行
封面：AI 生成