深交所·创享荟丨大模型进程超预期，细分领域应用前景可期，深市企业积极布局
12月12日，深交所联合北京市海淀区人民政府举办第十二期“创享荟”人工智能行业交流专场活动，以“创新成长·AI大模型与产业机遇”为主题，邀请行业内头部上市公司、代表性创业企业、投资机构、科研院所等相关负责人参加，共话人工智能推动产业转型升级、资本市场服务创新生态体系建设等内容。
中央经济工作会议提出，以科技创新引领现代化产业体系建设，加快推动人工智能发展，加强应用基础研究和前沿研究，强化企业科技创新主体地位。与会专家指出，大模型代表的人工智能技术演进进入新阶段，初步展现通用智能能力。随着大模型垂直应用不断扩展，大模型在细分领域的应用前景值得关注。
大模型行业快速迭代、百花齐放，仍处于发展早期
大模型及相关的生成式人工智能技术作为科技产业变革的新焦点，在技术持续演进和推动经济社会各领域发展方面受到持续关注。
在以ChatGPT为代表的大模型技术出现之前，据相关机构调研显示，超过80%的受访者认为人工智能技术突破速度有限，强人工智能的实现尚需时日。在大模型出现后，人工智能的发展速度超过此前预期。在ChatGPT等通用大模型之外，Midjourney、Character.AI、Github Copilot、Pika推出图片生产、角色扮演、代码助手、视频生成等服务，部分应用已拥有较强的用户黏性。OpenAI于11月推出GPT store，支持用户通过自然语言创建定制化GPT，推动大模型行业向生态化发展；与会嘉宾直言，用户将上传更多的私域数据，进一步加速OpenAI的模型发展速度，其他大模型企业将受到更大挑战。
事实上，为推动大模型产业发展，多个国家从研发创新、人才培养等方面出台了支持政策。如，美国国家科学基金会设立2.2亿美元投资基金，并新增建立11个国家AI研究中心；英国向图灵研究所投资超过4600万英镑，成立图灵人工智能奖学金，培养顶级人工智能人才；欧盟委员会组建人工智能高级小组并推出欧洲人工智能联盟，编写伦理指导原则草案等。
但也要看到，尽管大模型在多个应用场景中展现出了强大的能力，但在技术发展中仍存在诸多问题。一方面，大模型训练数据存在伪造、过时、缺失等情况，但其通过强大的生成能力输出了看似合理的内容，造成知识幻觉。另一方面，大模型训练成本高，难以做到高频次训练，针对个性化需求开展定制化训练难度较大。这些问题都需要随着技术的不断迭代，予以逐步解决。
发挥数字基础设施和大市场优势，强化我国通用大模型能力
回到国内，在通用大模型领域存在理论研究偏弱、产业落地较晚等不足，我国大模型行业的发展方向和突围策略受到行业关注。
与会专家建议，在大模型的研发和优化中，国内企业可加强利用数字基础设施和大市场优势。数字基础设施方面，我国已建立全球领先的数据收集与传输设施，实时全面的数据采集和传输将为大模型训练和优化建立硬件基础。
大市场方面，我国语音识别、图像识别、大数据处理等人工智能技术已在商业、交通、金融、医疗、教育等领域广泛普及，已经形成相对成熟的项目机制，可为大模型的发展提供广阔的数据牵引。
从企业层面出发，我国通用大模型公司需要加强模型基座能力建设，支持生态合作伙伴打造垂直领域行业应用，共同建立适合各细分领域的产品和解决方案，形成产业合力。开源部分模型，吸引更多产业链上下游企业、高校院所的科研人员参与模型相关开发，提高模型在行业内的影响力，扩大生态范围。与行业做深度的结合，推动技术创新和应用落地形成良性循环，大模型的理解、生成、逻辑、记忆能力持续提升，产业应用的广度和深度持续拓展，最终让智能化成为真正的底层逻辑。
此外，大模型产品的生成内容具有一定随机性，具有潜在的伦理、数据、舆情等风险。我国企业需要在合规领域加强技术创新，对有风险的训练数据进行过滤和阻断，通过用户反馈迭代优化输出内容，逐步丰富内容治理经验，建设良好网络环境。
大模型筑基赋能，加速产业智能化升级
多位专家指出，通用大模型训练受制于数据、算力等因素限制，企业在推动通用大模型发展时面临较大的资金成本压力。对于大多数企业而言，面向垂直场景、垂直行业、垂直领域探索基于大模型的应用创新，可在一定程度上规避技术发展制约因素，将成为大模型应用重点发展方向。
本次活动中，与会企业深入分享了大模型在智能制造、软件开发、科研支持等领域最新的应用实践与探索。
在助推制造业智能化转型方面，大模型可扮演重要角色。企业代表指出，随着制造业信息化水平不断提升，企业积累了大量的私域数据，可支持大模型在研发设计、生产制造等环节产生积极影响，为制造业转型升级注入新的活力。产品迭代和市场需求将共同推进技术发展，构建制造业的“智能底座”。具体场景包括，在研发设计中，企业可以利用大模型技术自动生成相关工业设计版图。在生产制造中，企业可以利用大模型技术学习复杂的设备维护手册，员工可以通过描述故障现象自动获得维护建议。
同时，大模型在软件开发领域的作用日益显现，尤其在需求分析、架构设计、代码生成、软件测试、自动化部署与运维等方面，提高开发效率和代码质量，通过实时监测和预警更早发现和修复问题，提高软件的稳定性。多位专家指出，随着大模型的应用，软件开发效率将得到30%左右的提升。
在科研支持领域，大模型具有高效处理海量数据、高精度求解复杂物理系统的能力，可建立“数据驱动、数理融合”的新范式，开启科研智能化发展新时代。相关领域包括，药物研发大模型将加速治疗方法的创建以及相关研究。材料研发大模型将大幅缩短材料的研发周期，提升科研人员研发效率。
据不完全统计，深市约有70家人工智能相关产业链公司，覆盖芯片制造、云计算、数据服务、自然语言处理等领域。科大讯飞、中科创达、软通动力作为行业内上市公司代表出席了本次活动。
科大讯飞承建了“语音及语言信息处理国家工程研究中心”和“认知智能全国重点实验室”等国家级平台。10月24日，科大讯飞发布星火大模型V3.0，将大模型技术广泛应用在教育、办公、医疗、工业、运营商等行业场景。
中科创达自今年5月份发布魔方Rubik大模型以来，公司的“大模型+操作系统双引擎”战略不断深入，并快速迭代。近日, 公司发布端侧运行130亿规模的参数模型，推动大模型在智能汽车、机器人、AI手机、 AI PC等领域落地应用。
软通动力为了帮助产业落地生成式人工智能技术，推出软通天璇2.0 MaaS平台，通过自研EZ-Train模型微调工具，帮助保险行业训练落地行业模型；通过自研AISE，帮助金融科技企业落地软件工程提效；通过自研AI Agent及知识库引擎，帮助零售行业提升客户体验。同时，推出数字员工平台天璇AI Copilot，帮助企业客户快速落地生成式人工智能场景。
多年来，深市人工智能产业公司积极借助资本市场融资发展，逐渐成为产业的中坚力量。如，软通动力去年3月首次公开发行募集资金46.30亿元，用于交付中心扩建、行业数字化转型产品及解决方案项目等；中科创达去年9月非公开发行募集资金31亿元，用于整车操作系统研发、边缘计算站研发等项目。此外，近五年来，深市八成人工智能产业上市公司通过并购重组、与专业机构合作投资等方式进行产业整合；超过八成人工智能产业上市公司实施过股权激励计划，均高于A股整体水平。
投资标的存在准确性、通用性和成本“不可能三角”，在软硬件领域均有发展前景
生成式人工智能是今年创投领域的热门赛道。数据显示，2023年上半年，国内生成式人工智能投融资金额超过1000亿元，超过2022年全年的96亿元。其中单笔过亿元融资有18笔。在此背景下，与会投资机构分享了对该领域未来投资方向的思考。
与会投资机构代表指出，行业存在准确性、通用性、成本“不可能三角”。对于兼顾准确性和通用性的大模型，其训练成本较高。ChatGPT的单次训练成本高达1200万美元，新版本的大模型训练成本更高。OpenAI的融资金额超过100亿美元，为其提供训练资金。对于兼顾准确性和成本的大模型，其较难兼顾多个细分领域，通用性不足。对于兼顾通用性和成本的大模型，其较难深入调试和快速迭代模型，准确性较难保障。
当前，随着大模型垂直应用不断扩展，大模型在细分领域的应用前景值得关注。大模型是下一代的浪潮，未来将在更多的应用场景落地，并与其他模型交织，极大地提高生产力，在软件硬件方面带来潜在的投资机会。软件方面，可以关注将大模型技术用于效率提升工具的开发，例如文档自动生成、工作流程的改进、SaaS软件的优化等。硬件方面，大模型可以与前端硬件协同工作。大模型将带来更多的交互信息，赋能机器设备的智能化，推动智能机器人和车辆发展，助力元宇宙相关硬件发展，甚至产生新的硬件形态。大模型在优化设计、简化参数后，具有在手机等移动设备上的运行潜力，将推动移动端的算力进步，促进相关设备升级换代。
此外，在大模型领域的投资中，与会投资机构还关注以下三方面：一是需求侧是否是刚需，该行业需对数字化转型和效率提升有硬性需求，企业或者用户愿意为相关大模型的应用持续投入资金。二是能否带来新的效率革命性提升，大模型的应用需大幅提高生产效率或降低人力成本，具有建立“杀手级”应用的潜力。三是是否存在行业壁垒，企业需要在该细分领域拥有“护城河”，能够获得行业的私域数据，与上下游企业建立紧密的生态关系。