人工智能行业研究：奔赴人工智能的星辰大海
（报告出品方/作者：国泰君安证券，李沐华）
人工智能旨在利用计算机模拟和 执行各领域的智能任务
从日常生活中可以随处瞥见人工智能的影子
人脸识别打卡是一种快速、高效的考勤方式，相比传统的打卡方式，具有 以下优势： 1.准确率高：人脸识别技术可以在不同光线、角度、表情等情况下，准确 地识别员工的面部信息，避免了手工打卡时出现的误差和**行为。 2.安全性强：人脸识别技术通过人脸特征识别，确保只有正式员工才能进 行考勤，防止了非法人员的进入和**行为。 3.便捷性高：人脸识别打卡无需员工携带打卡卡片或密码，只需要站在识 别设备前进行识别即可，方便快捷。
智能推送是一种机器学习方法，可以识别和预测各种用户的兴趣或偏 好，从而有针对性地、及时地向用户主动推送所需信息，以满足不同 用户的个性化需求。
计算智能是人工智能的基础性功能，赋能产业领域较广
计算智能，通常指基于清晰规则的数值运算，比如数值加 减、微积分、矩阵分解等。 计算智能得益于计算机存储与硬件的快速发展，已给互联 网、金融和工业等多个领域带来产业价值。 计算智能也面临显著困境。以金融场景为例，计算智能受 限于指定的数据逻辑规则，虽计算智能可以高性能地计算 股票的统计特征，但无法运用专家知识，也难以进行深度、 动态和启发式的推理，对投资、博弈等业务贡献的价值有 限。计算智能所需的高性能硬件和网络支持等，也给企业 带来了巨大的成本压力。
认知智能在前两者基础上，提升了对各类信息的处理能力
认知智能需要具有对采集的信息进行处理、存储和转化的能力，在这一阶段需要运用计算智能、感知智能的数据清洗、 图像识别能力。 认知智能需要拥有对业务需求的理解及对分散数据、知识的治理能力。 认知智能需要能够针对业务场景进行策略构建和决策，提升人与机器、人与人、人与业务的协同、共享和博弈等能力。
算法是人工智能的灵魂所在
众所周知，计算机最擅长处理的是数字，所以我们可以将现实问 题抽象为数学问题，再让计算机帮我们解决。那么，其中的关键 就是找到能够准确翻译该问题的数据公式，一般是某个函数关系 f（x）。这个函数就叫做“算法/模型”。 既然我们知道算法本质就是函数，那么影响算法准确程度的因素 是什么？答案就是函数的参数。而机器学习的本质就是它是一种 可以通过反复带入数据从而自主调整参数的人工智能算法之一。 机器学习不是某种具体的算法，而是很多算法的统称。机器学习 下的算法纷繁复杂，从学习方法上来分，机器学习又可以分为传 统机器学习（监督学习、无监督学习、半监督学习）、深度学习 和强化学习等等。
数据是人工智能发展的土壤
数据是人工智能成长的能源。人工智能的自我调整与学习的过 程，本质上是对大量数据进行分析并找出规律，如无人车需要 大量的试车数据不断地测试算法，并在业务场景上形成自我改 进的反馈**。可见如果没有数据的场景不可能实现人工智能， 数据就是人工智能的引爆点。 数据是人工智能结果准确的可靠性保证。对于人工智能结果的 可靠性，数据要素的丰富性和准确性是关键，只有数据要素充 分、准确，才能提高人工智能结果的准确性。 数据是人工智能应用的创新基础。在数据要素基础上，人工智 能应用可以进行跨学科的整合，辅助解决大量的实际问题，如 金融预测、物流运输、医疗诊断等，从而推动了各个领域的创 新发展。
人工智能发展已历经三次浪潮
AIGC 是从早期的“决策型”AI发展演化而来
AIGC（ 生成式AI ）起源于“决策型”AI，决策型AI 发展过程中的技术积累为生成式AI的产生奠定基础。决策型AI其学习的知识局限于数据本身；生成式AI在总结归纳数据知识的基础上可生成数据中不存在的样本 。最新生成式AI技术如GAN，Diffusion等，催生多款AIGC产品如：OpenAI系列、DALL·E2(Diffusion)，Starry A.I.(基于GAN)等。
以ChatGPT为例，其也是基于NLP模型逐步进化而来
GPT模型是一种自然语言处理（NLP）模型，使用多层变换器（Transformer）来预测下一个单词的概率分布，通过训练在大 型文本语料库上学习到的语言模式来生成自然语言文本 。从 GPT-1 到 GPT-3 智能化程度不断提升，ChatGPT 的到来也是 GPT-4 正式推出之前的序章。
算力是人工智能的基础设施，算 法是人工智能的灵魂
算力提升有极强的经济效益
算力的经济效益使其成为各国政策支持的重点。 根据清华大学全球产业院与浪潮信息联合发布的《2021-2022全球计算力指数评估报告》，通过对全球15个重点国家的计算力指数与数字经济 及GDP的回归分析，得到15个重点国家的计算力指数平均每提高1点，国家的数字经济和GDP将分别增长3.5‰和1.8‰ 。 进一步研究发现，当一个国家计算力指数分别达到40分及60分以上时，计算力指数每提升1点，其对GDP增长的推动力将分别增加到1.5倍及3 倍。 智能算力提升具备重大经济效益，对算力基础设施发展的支持性政策成为各国政策的重点。
AI 数据中心需求激增，AI 服务器快速放量
大模型的出现和技术创新对AI数据中心的发展起到推动作用 。大模型的出现带来了算力的增量需求 。根据 OpenAI 发布的有关 GPT-3模型的文档，它包含 1750 亿个参数，需 要进行数千万次的计算*作来完成一次推理任务。 ChatGPT 的总算力消耗约为 3640PF-days，需要7~8 个投资规模 30 亿、 单体算力 500P 的数据中心才能支撑运行，这样的规模和复杂性需要高 性能的计算设备和大规模的并行计算能力，带动了 AI 数据中心需求的增 长。新的处理器架构、高速网络、存储技术以及更高效的**和能源管理系 统的出现，提升了数据中心的性能和效率，为 AI 数据中心的发展提供了 技术支持。
AIGC拉动AI算力需求，AI芯片将成为未来科技石油
基于APU架构的MI300预计于年底开始应用于超级计算机。随着AI 进入“大模型”时代，训练数据不断增长、算法复杂度不断提高，国内人工智能厂商对算力的需求陡升。AI芯片作为大模型及AI应用落 地的算力基础，重要性日益凸显。 广义的AI芯片指专门用于处理人工智能应用中大量计算任务的模块，即面向人工智能领域的芯片均被称为AI芯片。狭义的AI芯片即针对人工智 能算法做了特殊加速设计的芯片。狭义的AI芯片与传统芯片（如CPU）相比，性能优势主要体现在专用性的侧重上。
要解决人类指定的各类任务，先要让计算机模拟人类的学习机制
人类跟计算机的能力维度各有优势，让计算机学习和模拟人类的解决问题的方法是各类算法的起点。 人类会非常容易的辨别出垃圾邮件与猫狗，但是让计算机做却非常困难，因为这与发明计算机的最初任务有本质区别。比如对1亿数据进行混 合四则运算或大小排序，这些任务让人类执行会非常低效，但计算机却可以快速完成。而人工智能要处理的任务与计算机最初的任务恰好相反。 这就促使了让人们思考人类到底是怎么进行学习的。 人类的学习机制：婴儿根本不知道猫狗到现在我们可以一眼分辨出猫狗，是一个经验学习过程：首先需要一定的样本资料，从小可能在电视中、 现实中或图书中或家长教育中获得大量信息，然后大脑将接受的信息进行学习、归纳、整理、总结，最后形成我们的知识与经验。对于计算机，它的优势是计算能力非常强，可以处理海量数据。我们需要给它提供成千上万的资料数据（猫狗照片）让它进行学习，然后计算 机再面对新样本时才能以较高的准确率进行分辨。
单一的专家**算**遇到诸多瓶颈
但在实践过程中，有些任务本身的规则很难定义。一个典型的例子就是图像识别。 在图像识别领域中，一个最基础的问题就是分辨这个图像是什么。举例来说，告诉你一张图像不是猫就是狗，现在给你一张图片，让你分辨一 张图片到底是猫还是狗。人类可以轻松地分辨出左侧是猫右侧是狗，但是让你具体说出你是究竟根据什么来分辨出猫与狗的，突然发现这个问 题很难回答。例如，猫跟狗都有五官与体毛，并有基本相同的姿势等等，计算机量化描述这些规则的话，难度和复杂度极大。
无监督学习跟监督学习相比，主要有三个特点
无监督学习是一种机器学习的训练方式，它本质上是一个统计手段，在没有标签的数据里可以发现潜在的一些结构的一种训练方式。 下面通过跟监督学习的对比来理解无监督学习： 监督学习是一种目的明确的训练方式，你知道得到的是什么；而无监督学习则是没有明确目的的训练方式，你无法提前知道结果是什么。 监督学习需要给数据打标签；而无监督学习不需要给数据打标签。 监督学习由于目标明确，所以可以衡量效果；而无监督学习几乎无法量化效果如何。
深度学习的灵感来自大脑的结构和功能
深度学习的概念源于人工神经网络的研究，但是并不完全等于传统神经网络，可以看做神经网络的升级版本 。
根据李开复在《人工智能》内容，以识别图片中的汉字为例来解释深度学习：
假设深度学习要处理的信息是“水流”，而处理数据的深度学习网络是一个由管道和阀门组成的巨大水管网络。网络的入口是若干管道开口，网络的出口也是若干管道开 口。这个水管网络有许多层，每一层由许多个可以控制水流流向与流量的调节阀。根据不同任务的需要，水管网络的层数、每层的调节阀数量可以有不同的变化组合。对 复杂任务来说，调节阀的总数可以成千上万甚至更多。水管网络中，每一层的每个调节阀都通过水管与下一层的所有调节阀连接起来，组成一个从前到后，逐层完全连通 的水流**。那么，计算机该如何使用这个庞大的水管网络来学习识字呢？
比如，当计算机看到一张写有“田”字的图片，就简单将组成这张图片的所有数字（在计算机里，图片的每个颜色点都是用“0”和“1”组成的数字来表示的）全都变成 信息的水流，从入口灌进水管网络。
我们预先在水管网络的每个出口都插一块字牌，对应于每一个我们想让计算机认识的汉字。这时，因为输入的是“田”这个汉字，等水流流过整个水管网络，计算机就会 跑到管道出口位置去看一看，是不是标记由“田”字的管道出口流出来的水流最多。如果是这样，就说明这个管道网络符合要求。如果不是这样，就调节水管网络里的每 一个流量调节阀，让“田”字出口“流出”的水最多。
与训练时做的事情类似，未知的图片会被计算机转变成数据的水流，灌入训练好的水管网络。这时，计算机只要观察一下，哪个出水口流出来的水流最多，这张图片写的 就是哪个字。
人工智能技术的应用前景广阔
大模型加持下，人工智能也正在加速进入千行百业
ChatGPT这种通用大模型已经引爆垂直领域的千行百业，各行业龙头企业甚至 初创企业都摩拳擦掌。金融、教育、医疗、法律、自动驾驶、智能物流、安防 等多个领域的行业公司都已相继加入行业大模型的研发中。星环科技研发出金融行业专属大模型——无涯，它是一款面向金融量化领域、 超大规模参数量的生成式大语言模型。无涯能够对股票、债券、基金、商品等 各类市场事件进行全面的复盘、传播和推演，从时间和空间、深度和广度等多 个方面扩展投资研究的视角，实现了全新的智能量化投研新范式。 哈工大提出了一种基于医学知识增强的大型语言模型指令微调方法，打造出中 文医学大模型“本草”。”本草“在中文医疗问诊场景中展现出一定的性能提 升，模型能够根据用户的问题，提供较准确、可靠的诊断建议和治疗方案，满 足非专业人士对医学知识的需求。此外，模型具备一定的自适应能力，能够在 不同的中文问诊场景中进行有效的应答，提升用户体验。 此外，学而思研发的教育大模型“MathGPT”，理想汽车研发的自动驾驶大 模型“MindGPT”。幂律联合智谱AI联合发布了基于中文千亿大模型的法律 垂直大模型“PowerLawGLM”。这些都表明，垂直大模型的蓬勃发展。
AI + 办公：解锁生产力，释放创造力
微软于2023年3月16日正式发布Microsoft 365 Copilot，并集成在微软365的多个应用程序中，包括Word、Excel、PowerPoint、Outlook、 Teams等。它还提供了一个全新体验：商务聊天（Business Chat），它可以跨越LLM、微软365应用程序和用户的数据，根据用户的自然语言提示生 成文本内容。 微软Copilot的本质仍然是聊天机器人，但它的功能远比简单地“将ChatGPT嵌入到Microsoft 365中”更强大。
AI +自动驾驶：深度学习赋能自动驾驶
自动驾驶有四大核心支柱。感知，即发现周围的环境和障碍；定位, 即确定了自己的位置，精度在 1-3 cm；规划, 即利用感 知和定位，确定了从 A 到 B 的轨迹；控制，即产生方向盘转向角度和加速度值来沿着轨迹行进。而随着神经网络的发展， 深度学习在这四大领域中发挥了重要作用。
报告节选：
（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。）
精选报告来源：【未来智库】。「链接」
当前，以芯片为代表的信创产业逐步成为国家科技竞争力的重要标志。在国产CPU产业强势崛起的过程中，你首先想到的会是哪几企业？答案有很多，但“中科系”的提及率绝对很高。作为国家战略科技力量，“中科系”旗下
21世纪经济报道记者倪雨晴 圣何塞报道在硅谷源泉之一的圣何塞，英特尔CEO帕特·基辛格（Pat Gelsinger）正在带领英特尔加速奔跑。当地时间9月19日，2023英特尔on技术创新大会于美国加利
财联社9月19日讯（记者 唐植潇）近日有消息称，OPPO将会重启芯片业务，并且“有部分员工已经回流，加入到了车载业务之中”。记者就此事向OPPO方面进行核实，对方表示“不予置评”。特百惠（我国）数字与
600亿颗芯片！我国巨头正式宣布，美媒：**也没料到制裁这么快
我国芯片市场与美国依赖我国的集成电路市场一直以来都是一个巨大的市场，拥有庞大的需求和巨大的增长潜力。我国的电子消费市场一直在迅速增长，包括智能手机、电视、电脑和各种智能设备等，这些设备都需要高性能的芯
最新手机芯片天梯图：A17、华为麒麟9000S，排在什么位置？
近日，最火的两颗芯片分别是苹果的3nm芯片A17 Pro，虽然很多人吐槽它较上一代提升不明显，但论性能，可以碾压任何安卓芯片，甚至是领先2代的。另外一款芯片，则是华为麒麟9000S，当然，这颗芯片工艺
韩国芯片连续13个月暴跌，尹锡悦指责我国不采购，外媒：自食其果
据韩国媒体称，韩国的半导体出口额已经连续暴跌13个月了，比去年同比下降了28%左右。韩国政府急的焦头烂额。尹锡悦政府竟直接甩锅我国，话里话外都是指责，他认为韩国半导体卖不出竟是我国的原因，我国应该帮助
我国突破芯片瓶颈将影响全球秩序？美国很担心，指出我国关键弱点
我国在芯片半导体领域一直深受美国的**，通过贸易制裁的方式阻止高端芯片进入我国市场。这样的举措一度造成我国芯片领域发展断档，不过随着我国科技企业近几年的突破，目前我国已经在芯片制造方面取得了重大的成果
前几天，华为一声不响的上线了mate60系列，带着麒麟芯片9000s强势回归，吸引了全世界的目光。而华为麒麟芯片**背后，我们不该忘记这位老人—张汝京。我国半导体之父，为回**造芯片，被开除**户籍，
【有车以后 资讯】“未来汽车对传统汽车的颠覆性，使传统零部件体系的50%以上都面临重构。”12月16日，在全球智能汽车产业峰会(GIV2022)上，我国电动汽车百人会理事长陈清泰指出，智能汽车的价值链
投稿点这里汽车有多少个零件?其实这个问题并没有一个十分确切的标准答案...据估计，一般轿车约由1万多个不可拆解的**零部件组装而成。结构极其复杂的特制汽车，如F1赛车等，其**零部件的数量可达到2万个
全球最大的10家汽车零部件供应商 都是世界500强 无我国企业
【卡车之家 原创】美国《财富》**每年发布的世界500强排行榜，是以营业收入数据对全球企业作出排名的榜单。2017年“世界500强”榜单中，汽车制造商和零部件厂商共占据33席（除去大型工程车辆企业），
汽车零部件企业哪家强？除了博世**还有这些名字你一定耳熟能详
文：懂车帝原创 李德喆[懂车帝原创 行业]9月18日，由《我国汽车报》主办，罗兰贝格协办的2019汽车零部件“双百强”企业发布会在江苏南京举行。在两份榜单中，博世、**、电装位列2019全球汽车零部件
行业现状（Reference：产业运行 | 2021年汽车工业经济运行情况）中汽协预测：2022年我国汽车销量达到2700万辆，新能源销量超过550万辆（Reference：乘用车市场信息联席会）以乘
全球十大汽车零部件供应商，核心技术都被他们垄断，自主遗憾缺席
提到电影，我们会想到张艺谋、冯小刚，而很少会想到幕后的制作人；提起流行乐，我们会想到周杰伦、萧敬腾，而很少会想到背后的作词人。台前台后，一幕之别，知名度往往相差甚远。车界又何尝不是如此，知名车企我们都
来源：环球时报 【环球时报记者 倪浩 陶震 环球时报驻德国特约记者 青木】经过3年疫情后，全球最具影响力的通信展今年有望再现往日盛况。2月27日至3月2日，由全球移动通信**协会（GSMA）主办的20
近日华为、苹果争相推出手机卫星通信功能，成为一大亮点，不少手机厂商也将目光投到卫星通信。放眼未来，手机直连卫星的卫星通信服务将是大势所趋，也是6G时代的重要标志。华为以“北斗三号”为依托，率先把“卫星
国内企业在光通信产品的参数测试过程中，通常使用国外的先进测试设备。然而，这些测试仪器之间往往是孤立存在的，需要手动调试仪器并通过旋钮、按钮和人眼观察波形或数据。这不仅*作繁琐易出错，而且测试效率低下。
龙头20cm涨停，7天股价翻倍！一文看懂卫星通信前世今生及产业链
卫星通信概念股华力创通今日再度强势拉升，截至发稿，该股股价20cm涨停，7个交易日累计涨幅近113%，现报23.52元续刷阶段新高，总市值155.9亿元。消息上，有媒体从供应链获悉，Mate 60 P
工信部：目前我国尚不具备实现网络层面的移动通信号码归属地变更的条件
针对网友提出的“电话号码归属地更改”建议，工信部近日给出了官方回复。此前，有网友在人民网留言板向工信部留言称，“现在电话都是实名制，电话号绑定的***及一些主流的软件较多，更换号码后造成一系列问题
