没有合适的资源?快使用搜索试试~ 我知道了~
资源推荐
资源详情
资源评论
人工智能行业专题报告:从算力、算法、数据和应用看
AIGC
01、核心观点
AIGC 未来已来,超预期持续出现。从 2018 到 2023 年,四代 GPT
模型高速进步,从简单的问答、阅读理解、文本总结,到在众多测
试 中获得“人类级别表现”评级,AI 迭代进化的速度越来越快。
可以预期,AI 达到人类智能水平、乃至超 越人类智能水平的时代
会以超预期的形态和速度出现。
数据、算力、算法为 AIGC 核心要素,海内外厂商各占鳌头。数据,
通过算力,最后产生了算法或者应用。数据作为新兴生产要素,数
据的拥有者、加工者是产 业发展的基础。算力作为基础设施,是
AIGC 资本开支的主要受益者,核心参与者英伟达、AMD 竞争优
势显著。AIGC 的技术壁垒主要体现在算法上,当前通用型 AI 由 GPT
领跑,而在细分领域上,行业内的主 要参与者包括谷歌、Meta、
Anthropic、Hugging Face 和百度等公司。随着细分龙头竞相研
发创新算 法和优化现有技术、以及模型迭代下对数据、算力的需
求高速膨胀,AIGC 行业技术壁垒将不断提高,现 有优秀参与者护
城河极深。
AIGC 市场潜力巨大,应用领域迎来生产力解放。全球 AI 软件市场
规模将在 2025 年达到 1260 亿美元,2021 年到 2025 年年复合增
长率为 41.02%。一级市场的火热也反映了 AIGC 发展的确定性趋
势。在大模型的快速迭代推 动下,搜索引擎、办公软件、汽车、
媒体、AI 绘画设计、AI 广告营销、智能工作助理等应用率先落地的
行业将具备较强商业化机会。
02、生成式 AI:ChatGPT 引燃市场,数字经济未来已至
生成式 AI:自然语言处理演变十余年,迎来变现阶段
AIGC(AI Generated Content)即生成式 AI,多领域应用逐渐成熟。
AIGC 涉及无监督和半监督学习算 法,截至目前其发展历程主要分
为三个阶段:统计机器学习方法阶段(2010 年前):首先对数据
进行手工标注,然后构建其重要特征,最后构建概率 模型并进行
参数优化,从而将概率最大的输出作为结果;基于深度学习的神经
网络模型(2010 年-2017 年):深度学习算法被引入,本质上是
通过大量数据训练 神经网络,主要表现形式为:CNN(卷积神经
网络)、RNN(循环神经网络)等。相比统计学习方法, 省去了复
杂且手工的特征构建;基于 Transformer 结构的预训练模型(2017
年至今):利用大量无标注数据进行自监督学习,然后再使 用少
量的标注数据对下游任务进行微调(即迁移学习)。
生成式 AI:GPT 模型迭代四大版本,进化速度不断提升
OpenAI 创立于 2015 年 12 月,发布 ChatGPT 引燃 AI 行业热度。
GPT 系 列 是 OpenAI 打 造 的 自 然 语 言 处 理 模 型 , 采 用 以
Transformer 结构为核心的模型,其最大特点是使用了大量的未标
注的语料进行无监督的 预训练,然后在各种有监督的任务上进行
微调。OpenAI 于 2022 年 11 月先后推出了 GPT-3.5 和 ChatGPT,
GPT-3.5 使 用 了 更 新 的 语 料 进 行 预 训 练 , 而 ChatGPT 是 基 于
GPT-3.5 的对话机器人,能够根据用户的输入生成流畅、有逻辑的
回答,以及完成撰写论 文报告、翻译文字、编写代码等文本生成
任务,并且能根据聊天的上下文进行互动。
生成式 AI:AI 产品全面开花,生产力将达新高度
GPT 模型稳定进步,AI 已是成熟生产工具。从 GPT-1 到最新发布
的 GPT-4 模型,其应用已经不仅局限 于问答、阅读理解等文本处
理,虽然目前 GPT-4 在现实场景中的能力可能不如人类,但在各种
专业和学术 考试上表现出明显超越人类水平的能力,GPT-4 在模
拟律师考试中,分数排在前 10%;相比之下,GPT3.5 的得分则在
倒数 10%附近。随着算力、算法、数据量的演进,行业内不断出现
高质量的 AI 产品,微软 New Bing、AI 绘画、智能 驾驶等等,体
现出 AI 未来在多个领域的应用潜力。ChatGPT 版 Office、百度“文
心一言”两大产品正式推 出,或将 AI 的生产力推向新的高度。
生成式 AI:AI 进化加速,数字经济未来已至
AI 行业星辰大海,数字经济未来已至。从 2018 到 2023 年,四代 GPT
模型高速进步,从简单的问答、 阅读理解、文本总结,到在众多
测试中获得“人类级别表现”评级,此外近期 AI 衍生产品的层出不
穷,显 现出背后 AI 行业的星辰大海。2020 年,马斯克预言五年
内人工智能将比人类更聪明,当前 AI 迭代进化的速度越来越快,虽
然 GPT 还未通过图灵测试,距离真正的“智能”还有距离,但我
们认为,AI 达到人类水平、乃至超越人类的时代 即将到来。
生成式 AI:算力、算法、数据三位一体
数据,通过算力,最后产生了算法或者应用。AIGC 是人工智能、
大数据、云计算、5G 等多个技术领 域的整合,是一种跨领域的合
作发展模式。在 AIGC 行业中,算力、算法、数据是三个核心概念,
它们共同 构成了这个领域的基础设施。未来随着技术的进步和应
用场景的不断拓展,这三个概念将继续发挥重要作 用,推动整个
行业的创新和发展。
算力(Computing Power):算力是指计算设备执行算法、处理
数据的能力,包括 CPU、GPU、 FPGA、ASIC 等。云计算技术和 5G
通信技术的发展使得算力的分布和调度更加灵活,有助于满足各种
场景下对高性能计算的需求。算法(Algorithm):算法是一系列
解决问题、实现特定功能的有序指令和步骤。在 AIGC 行业中,算
法是模型的基础,用于实现数据分析、人工智能模型训练等功能。
数据(Data):在 AIGC 行业中,数据是支撑决策和优化的基础,
是算法发挥作用的前提。大数据技术 可以对海量数据进行有效处
理、分析和存储,而人工智能技术可以通过对数据进一步学习,实
现各种智 能化应用,如图像识别、自然语言处理等。
03、数据:大模型训练的基础资源
数据:大模型训练的基础资源,需求不断扩大
数据是训练大模型的基础资源,以 GPT 系列模型为例,对比三代模
型间使用的数据集,训练所需的 数据集在质量和数量方面均不断
提升。随着人工智能模型迭代发展,高质量数据集的需求将进一步
增长。从自然数据源简单收集取得的原料数据并不能直接用于有监
督的深度学习算法训练,必须经过专 业化的采集、加工,形成相
应的工程化训练数据集后才能供深度学习算法等训练使用。目前,
带有监督学习的算法对于训练数据的需求远大于现有的标注效率和
投入预算,基础数据服 务将持续释放其对于算法模型的基础支撑
价值。
04、算力:大模型发展带来高算力需求
算力:算力需求不断攀升,GPU 行业市场巨大
AIGC 模型硬件以 GPGPU 为主,GPU 市场规模有望在 2030 年超
过 4000 亿美元。GPU 在并行计算方 面具有性能优势,在 AI 领域
分化成两条分支:一条是传统意义的 GPU,专门用于图形图像处理
用途;另一 条是 GPGPU,作为运算协处理器,增加了专用指令来
剩余60页未读,继续阅读
资源评论
- hasuman10182023-05-12发现一个超赞的资源,赶紧学习起来,大家一起进步,支持!
- qq_368033532023-12-15超赞的资源,感谢资源主分享,大家一起进步!
jane9872
- 粉丝: 109
- 资源: 7797
下载权益
C知道特权
VIP文章
课程特权
开通VIP
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
最新资源
- ssm校园快递一站式服务系统+jsp.zip
- ssm校园教务系统+vue.zip
- ssm校园美食交流系统+vue.zip
- 西门子s7 200smart与力士乐VFC3610变频器通讯原创可直接用于生产的程序,程序带注释,并附送触摸屏程序,有接线方式和设置,通讯地址说明等 程序采用轮询,可以后续根据要求适当修改后扩展
- ssm小型企业办公自动化系统的设计和开发+vue.zip
- ssm校园活动管理平台+vue.zip
- ssm小学生课外知识学习网站+vue.zip
- ssm物流管理系统设计与实现+jsp.zip
- ssm线上学习网站+vue.zip
- ssm线上旅行信息管理系统ssm+vue.zip
- ssm网上医院预约挂号系统+jsp.zip
- ssm网上花店设计+vue.zip
- 基于stm32的自动调速风扇(只是资料程序,无实物) 1)使用的芯片为STM32最小系统板来作为中心控制器 (2)驱动电机用L298N芯片驱动直流电机 (3)传感器模块使用热释电人体红外传感模块H
- ssm网上服装销售系统+jsp.zip
- ssm网络游戏公司官方平台设计与实现+jsp.zip
- ssm网络安全宣传网站设计+jsp.zip
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功