为什么说ChatGPT是第一个真正意义上可以定义为通用智能的应用?将会对各行业有什么影响,哪些行业有望率先受益?ChatGPT与TESLA BOT共振又会给AI带来什么影响?国盛证券计算机首席分析师刘高畅带来“AI大时代——ChatGPT与TESLA BOT的共振”主题分享,以下是嘉宾部分观点,扫码即可回看全部会议内容!
扫码回看完整会议
01
ChatGPT算法突破 泛AI有望加速
今天我们打开科技的想象力,判断一下整个AI的大发展。第一点ChatGPT自身的流量扩张非常快,到目前每日用户数已经超了2500万;第二点它和应用结合的速度非常快。微软宣布进一步投资ChatGPT之后,我们看到公司已经推出新Bing界面,增速非常快,获得15%的日流量的增长。所以,谷歌压力非常大,很快推了Bard的产品,结果在发布会上回答问题答非所问,下跌的幅度非常大。
大家应该有印象,我印象中国内一些对接ChatGPT的小程序一周前开始“崩掉”,引发了大家对算力的思考。我们做了一个非常精细的算力测算,主要考虑的不是GPU的投入,是一个综合的算力成本。前期训练目前来看训练成本一次可能就在140万美金。对于一些更大模型训练,包括参数变多、数据变多,价格也是进一步提升。ChatGPT的历代模型1、2、3,我们可以看到随着时间的推移,ChatGPT的参数从1.17亿、15亿到1750亿;预训练的数据量从5GB到40G再到45TB的体量。但是,这里需要注意并不是模型的参数越多,它的效果就越好。最近我们国家有些创业公司开始宣传自己的参数量有多大,其实毫无意义。因为有时候参数多了,反而一方面增大训练的负担,另一方面对训练速率、效果其实是一个干扰,所以核心的处理方式还是要以效果为先。
图片来源:国盛证券研究所
算力的测算我们觉得更多是在访问算力上,我们做了一个比较清晰的假设和测算,大概每天在2500万日访客数量,每人每天问10次,每个问题平均30个字的情况下,需要的初始投入大概是7亿多美金。但是我们要考虑一点,未来ChatGPT的应用不一定是单纯的聊天软件,比如第一步作为微软的搜索,它访问的特点,包括在应用端需要调用的搜索推荐需要的算力是不一样的;第二步和微软office结合,跟它提要做一个PPT的要求,然后它给出一个做PPT的结果,可能它对算力的要求又会进一步提升。我们看到随着应用不停的演绎,整个算力的需求也会持续扩张。
为什么ChatGPT会有如此多的应用场景?我们认为ChatGPT是第一个真正意义上可以定义为通用智能的应用。ChatGPT表面上看起来是一个问答模型,提问然后回答。但其实对我们人类而言,这样的过程它其实有三个阶段,第一提问,第二人进行思考,第三再进行表达。机器其实也类似,只是它运算的速度比较快,可能看不到思考的过程。思考的过程可能就是模型去把相应的参数去跑一遍然后给出一个结果。这样一个通用的问答模型,如果能够很好在各个场景进行训练,其实是用通用的方式训练专用,然后把上、中、下三个层次的问题解决之后,它其实代表机器给我们万事万物的通用智能。所以今天我们看到越来越多应用开始拥抱ChatGPT。
02
ChatGPT是超级产业趋势 软件开发有望率先受益
ChatGPT未来会在各个行业结合私域的数据进行优化。一旦优化之后,可以看到在各行各业它的准确率应该会高非常多。同时优化之后,它又可以慢慢转化成对事件非语言指令的理解,非语言回答的执行。所以,它会陆续在未来10年、20年之内,一部分是优化自己模型包括通用性以及专业性,另一部分是在各行各业的应用,和私域数据的紧密结合。这是ChatGPT带给我们这个时代的机会,机器可以真正的达到一个合理的反馈。
各个场景端的公司来看会有两类情况,一类是技术型的公司加大投入。国内我们认为阿里、百度、华为、腾讯、头条这些公司可能领先度会高一些。第二类是场景型的公司会引入ChatGPT,国内大部分公司会引入比如一些国内的巨头提供的产品,优化自身业务,进行产品的升级。
ChatGPT写代码是一个相对比较直观的应用。最近我也聊了很多上市公司,特别是软件中台、软件外包公司,他们内部其实已经开始在测试相应的方案。在软件行业用ChatGPT写代码,把一个大的问题拆分成相对一系列比较小的问题,然后用ChatGPT的方式去把小的问题解决。这样的情况下,基本上需要三个人做的工作一天之内可以由一个人来完成。所以对软件相关的公司降本增效,包括一些游戏的公司节约成本都是比较好的一些场景。
总结一下,第一,ChatGPT海外的进展陆续不断,和应用的结合也非常紧密,所以它是一个超级大的产业趋势。国内无论是技术型公司和应用型公司也会跟随。第二,国内的技术型公司短期之内可能还是有一定的差距,需要赶紧去弥补,可能来自于人才上、来自于算力的不足、来自于中文有效的语义库的缺失。但这一块,我们相信国内的顶尖的科技巨头都会抓紧赶上。
第三,应用场景可结合的点非常多,可能会有非常多的公司和ChatGPT紧密结合。目前我们看到第一类和微软同类型的一些办公软件的公司;第二类互联网几个大的技术平台能够紧密结合找到一些公司;第三类是场景特别适合ChatGPT应用,比如直接做一个客服助手,同时软件流程能够优化的一些公司;第四类结合ChatGPT做一些相关的周边的事情,比如微软AI代销,比如做基于ChatGPT代码的独特的开源社区,这是我们目前看到的。再往远一点展望,一些软件或者游戏公司,通过降本增效提升写代码的效率。
第六类是人形机器人厂商。因为之前讲人形机器人时候很大的一个问题是缺乏智力上的通用性。目前来看可能5年之内比较难,但是5年之后, ChatGPT和TESLA BOT人形机器的结合也是一个非常有意思的探索点。其实最近我们也看到各行各业都在探讨、拥抱ChatGPT,所以后续应该是一个超级大的产业趋势,也是超级大的主题性的机会。
03
ChatGPT与TESLA BOT共振 或在AI爆发奇点上
我们在更新一下TESLA BOT的情况。除了硬件的关节以外,回到最后其实发现特斯拉人形机器人最关键还是在于它的算法,它发布了大量的训练、感知包括硬件上的人工智能的应用的框架。目前国内确实有一些供应商跟这块息息相关。根据产业公开的资料,我们预计年内应该会进入量产的环节。像电机代工和关节总成它需要做一个大量的订单的储备,我们认为3年之内至少达到10几万的目标。所以,特斯拉机器人对相关的公司的弹性其实是非常大。因为我们认为电机代工,关节总产应该可以达到6-7万的单台机器人的价值量。指关节,谐波减速器应该是一个1-2万的水平,而且利润率相对会比较高。人形机器人应该今年会量产,明年开始会有除特斯拉以外ToB的场景开始应用相关的方案进行训练。3年左右可能会走向民众,5年左右达到数百万台,再和ChatGPT结合进行通用人工智能机器人出现和进一步扩张,给我们带来的是一个大时代的机会。
我们发现人形机器人和当年智能手机一样,统一的硬件是基础,但是只有人形机器人才能形成一个统一的软件开发平台,让各种各样的算法能够很好的应用进去。所以人形机器人未来对我们来说,它就像我们的手机一样,它是一个算法很好的载体。算法走到哪,人形机器人的功能就会走到哪。而且ChatGPT的出现进一步使得这些功能能够有机整合起来,可能会在10年、20年的维度出现通用机器人给大家惊喜,并且服务于整个人类社会。
所以结合ChatGPT和人形机器人来看,我们现在已经处在一个可能AI爆发的奇点之上,陆续大量的应用、产业的发展都会加速。投资一定要跟着政策趋势和产业趋势去走,所以这条线今年在我们看来应该是一个非常核心,空间大、且催化不断的机会。
联系客服