AI+汽车智能化深度：【大模型+政策+功能】AIGC 实现多模态输入输出（附下载）
今天分享的是人工智能AIGC研究报告：《AI+汽车智能化系列之一【大模型+政策+功能】三重共振开启L3智能化大行情！》。（报告出品方：东吴证券）
研究报告内容摘要如下
AIGC 实现多模态输入输出，有望开创全新应用场景
CHATGPT 为代表，AIGC 基于训练数据生成各类内容。AIGC（Generative AI，生成式 AI）是一种人工智能相关的技术，它可以使用训练数据来生成新的内容，包括文本、图像、音频和视频等。当下最为火热的 CHAT GPT（chat Generative Pre-trained Transformer）就是 AIGC 的一种，作为基于大规模预训练语言模型的对话系统，具备极强的自然语言处理能力，能够应用到各类文字语言任务中。
多模态输入输出技术逐步成熟，AIGC 有望开创更多应用场景。
随着自然语言生成技术以及 AI 大模型的成熟，AIGC 逐步受到市场的关注。因为 Prompt 以及 Diffusion 等技术对模型泛化能力以及多模态输出能力的提升，目前已经能够生成文字、图片、音频、代码等多类型的内容，多模态大模型输入输出能力的逐步完善，有望使得其在除了文字领域之外开创更多新的应用场景。
技术架构+参数规模持续迭代，大模型表现能力不断提
升大模型参数规模不断增长，推动 AIGC 技术升级。AIGC 技术发展的背后是大模型（Foundation Models）技术的持续迭代。从 2017 年 TransFormer 结构的提出，加速了深度学习模型的参数学习能力。从 ResNet 系列开始参数规模不断增长，以 GPT（GenerativePre-trained Transformer）系列大模型为例：
1）GPT1 参数量达到 1.17 亿的规模，25 亿的单词量；
2）GPT-2 参数量达到 15 亿的规模，其中数据来自互联网，使用了 800 万在Reddit 被链接过的网页数据，清洗后的语料数据约 40GB；
3）GPT-3 参数规模达到 1750亿；4）ChatGPT 参数量达到万亿级别。在参数量上，每一代均比前一代产品有了数量级的飞跃，同时也带来了模型性能的快速提升。
参数量破亿，预训练大模型效果。
大模型指的是具有非常大的参数数量的人工神经网络模型，在深度学习领域，通常指具备数亿到万亿参数的模型，这些模型通常需要在大规模的数据集上面进行训练，并且需要使用大量的计算资源进行优化。2018 年 Google和 Open AI 先后推出的 BERT(Bidirectional Encoder Representations from Transformers)以及 GPT（Generative Pre-trained Transformer）模型都是突破亿级别参数量的自然语言处理模型，具备非常好的数据处理效果，并且分别代表了“预训练+微调”（Pre-Train+Fintung）和“预训练+提示”（Pre-Train+Prompt）两种技术路线。
在确立了以 TransFormer 为主要技术架构方向后，大模型的发展开始逐步进入加速阶段，随着模型参数量的增长，带来的处理效果也不断提升。
2019 年，OpenAI 继续推出 15 亿参数的 GPT-2，能够生成连贯的文本段落，做到
初步的阅读理解、机器翻译等。紧接着，英伟达推出了 83 亿参数的 Megatron-LM，谷歌推出了 110 亿参数的 T5，微软推出了 170 亿参数的图灵 Turing-NLG；
2020 年，OpenAI 推出了超大规模语言训练模型 GPT-3，其参数达到了 1750 亿，在两年左右的时间实现了模型规模从亿级到上千亿级的突破，并能够实现作诗、聊天、生成代码等功能；
2021 年，谷歌推出的 Switch Transformer 模型以高达 1.6 万亿的参数量成为史上首个万亿级语言模型；同年 12 月，谷歌还推出了1.2 万亿参数的通用稀疏语言模型 GLaM，在 7 项小样本学习领域的性能超过 GPT-3；
2022 年，Stability AI 发布的文字 到图像的创新模型 Diffusion，以及 OpenAI 推出的 ChatGPT，ChatGPT 是由效果比 GPT3 更强大的 GPT-3.5 系列模型提供支持。
报告原文内容节选如下：
（本文仅供参考，不代表我们的任何投资建议。如需使用相关信息，请参阅报告原文。）
本报告共计：31页。受篇幅限制,仅列举部分内容。
精选报告来源公众：【幻影视界】,回复关键字“报告”，获取完整PDF电子版