1.1.1 2024-2028年中國人工智能大模型產(chǎn)業(yè)影響因素分析

一、有利因素

（一）政策利好

2023年7月20日，中國氣象局印發(fā)《人工智能氣象應(yīng)用工作方案（2023-2030年）》�！豆ぷ鞣桨浮诽岢觯�加快布局國產(chǎn)人工智能氣象應(yīng)用技術(shù)體系建設(shè)，啟動氣象預(yù)報大模型等新興技術(shù)研發(fā)，研發(fā)大數(shù)據(jù)驅(qū)動的人工智能氣象預(yù)報大模型、會話式氣象預(yù)報和服務(wù)智能網(wǎng)絡(luò)機(jī)器人系統(tǒng)，深入開展人工智能算法的機(jī)理解釋研究。

2023年8月10日，工信部和財政部聯(lián)合印發(fā)《電子信息制造業(yè)2023-2024年穩(wěn)增長行動方案》�！缎袆臃桨浮饭膭罴�大數(shù)據(jù)基礎(chǔ)設(shè)施和人工智能基礎(chǔ)設(shè)施建設(shè)，滿足人工智能、大模型應(yīng)用需求。

2023年10月20日，工業(yè)和信息化部印發(fā)《人形機(jī)器人創(chuàng)新發(fā)展指導(dǎo)意見》。《指導(dǎo)意見》提出，以大模型等人工智能技術(shù)突破為引領(lǐng)，在機(jī)器人已有成熟技術(shù)基礎(chǔ)上，重點在人形機(jī)器人“大腦”和“小腦”、“肢體”關(guān)鍵技術(shù)、技術(shù)創(chuàng)新體系等領(lǐng)域取得突破。開發(fā)基于人工智能大模型的人形機(jī)器人“大腦”，增強(qiáng)環(huán)境感知、行為控制、人機(jī)交互能力，開發(fā)控制人形機(jī)器人運動的“小腦”，搭建運動控制算法庫，建立網(wǎng)絡(luò)控制系統(tǒng)架構(gòu)。

2023年12月15日，國家數(shù)據(jù)局發(fā)布《“數(shù)據(jù)要素x”三年行動計劃（2024-2026年）》�！缎袆佑媱潯诽岢�，以科學(xué)數(shù)據(jù)支持大模型開發(fā)，建設(shè)高質(zhì)量語料庫和基礎(chǔ)科學(xué)數(shù)據(jù)集，支持開展通用人工智能大模型和垂直領(lǐng)域人工智能大模型訓(xùn)練。同時，北京、上海、深圳、安徽、四川等省市也陸續(xù)出臺大模型產(chǎn)業(yè)發(fā)展措施，加速大模型應(yīng)用落地。

（二）AI大模型進(jìn)入“群模時代”商業(yè)化曙光初現(xiàn)

國內(nèi)人工智能企業(yè)都希望把握住AI時代機(jī)遇，紛紛圍繞通用大模型、行業(yè)大模型和專家領(lǐng)域大模型等提前布局，造就了“百模大戰(zhàn)”。目前，人工智能大模型產(chǎn)業(yè)整體上處于技術(shù)創(chuàng)新的活躍期。與早期的人工智能模型相比，2023年我國人工智能大模型在參數(shù)量上取得了質(zhì)的飛躍，復(fù)雜任務(wù)建模能力整體提升，學(xué)習(xí)能力、泛化性更強(qiáng)，具備了更高層次的認(rèn)知互動能力。當(dāng)前緊跟ChatGPT的腳步，各大企業(yè)和機(jī)構(gòu)紛紛加入人工智能大模型競爭中，包括百度、阿里巴巴、騰訊等互聯(lián)網(wǎng)大廠，商湯科技、曠視科技等AI領(lǐng)域廠商，智譜華章、百川智能、達(dá)觀數(shù)據(jù)等人工智能大模型初創(chuàng)企業(yè)，以及復(fù)旦大學(xué)、清華大學(xué)等高校機(jī)構(gòu)。截至2023年10月，國內(nèi)已經(jīng)發(fā)布了238個大模型。此外相較于通用人工智能大模型，許多中小企業(yè)為在行業(yè)取得一席之地，也相繼發(fā)布深耕行業(yè)、具有專業(yè)能力的垂直大模型。其中，蜜度發(fā)布智能校對領(lǐng)域“蜜度文修”，京東健康發(fā)布醫(yī)療健康行業(yè)的“京醫(yī)千詢”等金融大模型進(jìn)一步推動人工智能從感知走向認(rèn)知、從識別走向生成、從通用走向行業(yè)。

（三）人工智能大模型向多模態(tài)趨勢進(jìn)發(fā)

雖然目前各類人工智能大模型層出不窮，但不斷優(yōu)化升級，推動行業(yè)進(jìn)步仍是各大互聯(lián)網(wǎng)公司的主攻方向。當(dāng)前，人工智能大模型由單模態(tài)向多模態(tài)升級已成為行業(yè)熱點，多家公司多模態(tài)AI走紅。2023年11月，OpenAI發(fā)布了GPT-4 Turbo并且開放了GPTs，再次顛覆行業(yè)，揭開AIGC應(yīng)用生態(tài)序幕，建立統(tǒng)一的、跨場景、多任務(wù)的多模態(tài)基礎(chǔ)模型會成為人工智能發(fā)展的主流趨勢之一。多模態(tài)是實現(xiàn)通用人工智能的必經(jīng)之路。模態(tài)數(shù)據(jù)輸入可幫助模型能力和用戶體驗提高，允許多模態(tài)數(shù)據(jù)輸出也更符合真實世界需要。在數(shù)據(jù)、算法及算力上的要求都要高于單模態(tài)，這一波自然語言大模型發(fā)展為其他模態(tài)提供了技術(shù)參考，人工智能大模型產(chǎn)業(yè)有望加速發(fā)展。

（四）人工智能大模型賦能與應(yīng)用不斷提升

人工智能大模型絕不應(yīng)該只停留在煉金術(shù)階段，要不斷推動大模型的發(fā)展變成科學(xué)的大模型，只有跟行業(yè)深度融合才有可能真正的實現(xiàn)可持續(xù)發(fā)展。

首先是從通用大模型向垂直大模型的轉(zhuǎn)型，人工智能大模型未來發(fā)展將趨于通用化與專用化并行。2023年6月，騰訊云首次正式公布行業(yè)大模型研發(fā)進(jìn)展，并發(fā)布了面向B端客戶的騰訊云MaaS服務(wù)解決方案。2023年7月，華為發(fā)布“不作詩只做事”的盤古大模型3.0，深耕政務(wù)、金融、制造、煤礦、鐵路、制藥、氣象等行業(yè)。此外，面向旅游的“攜程問道”、面向醫(yī)療的百度“靈醫(yī)”大模型、面向教育的網(wǎng)易“子曰”大模型等也陸續(xù)發(fā)布。其中，金融行業(yè)的應(yīng)用場景豐富，是最早進(jìn)行數(shù)字化轉(zhuǎn)型的機(jī)構(gòu)，成為AI大模型落地應(yīng)用的最佳場景之一。金融行業(yè)積淀了包括金融交易數(shù)據(jù)、客戶信息在內(nèi)的海量數(shù)據(jù)，良好的數(shù)據(jù)基礎(chǔ)為AI大模型的落地應(yīng)用提供條件。目前，生成和決策兩類金融大模型，已在銀行、證券等金融機(jī)構(gòu)中實現(xiàn)落地。

二、不利因素

（一）數(shù)據(jù)質(zhì)量和標(biāo)注問題

人工智能大模型的訓(xùn)練需要大量的標(biāo)注數(shù)據(jù)，然而標(biāo)注數(shù)據(jù)的質(zhì)量和數(shù)量都存在一定的問題。有些數(shù)據(jù)可能存在偏差和誤導(dǎo)，有些數(shù)據(jù)則可能因為保密和隱私等問題無法獲得。同時，由于標(biāo)注數(shù)據(jù)需要大量的人工參與，也使得標(biāo)注成本較高且難以實現(xiàn)自動化。

（二）大模型可解釋性和可靠性問題

人工智能大模型往往非常復(fù)雜，難以解釋其決策和行為的原因，這使得人們難以信任和使用大模型。同時，由于人工智能大模型的復(fù)雜性和巨量的參數(shù)數(shù)量，其可靠性和穩(wěn)定性也存在一定的問題，需要進(jìn)行更加嚴(yán)格的測試和驗證。

（三）成本和計算需求方面有局限性

過去五年來，AI領(lǐng)域通常以參數(shù)的數(shù)量來衡量一個模型的能力。參數(shù)越多，通常意味著模型能處理更復(fù)雜的任務(wù)，展示出更強(qiáng)的能力。例如，最大模型的參數(shù)數(shù)量每年增加了十倍或更多，每次增加都帶來了意想不到的能力擴(kuò)展，如編程和翻譯能力。所以大型神經(jīng)網(wǎng)絡(luò)模型通常被認(rèn)為性能更優(yōu)。

人工智能大模型使用的參數(shù)數(shù)量極多（有的超過1000億個），每個參數(shù)都需要計算資源來處理。盡管大模型（如GPT系列）在技術(shù)上領(lǐng)先，但這些模型往往規(guī)模龐大且對計算資源的需求極高。每當(dāng)大模型在能力上有顯著提升時，大模型的訓(xùn)練和運行成本也急劇上升。即便智能大模型是開源的，許多研究者和小型企業(yè)也難以承擔(dān)其所需的昂貴計算成本。不僅如此，許多AI研究者在這些模型的基礎(chǔ)上進(jìn)行迭代開發(fā)，以創(chuàng)造適用于新工具和產(chǎn)品的自己的模型，但大模型的復(fù)雜性也讓其變得更加困難。

（四）國內(nèi)外人工智能大模型的能力差距仍然存在

當(dāng)前，我國與OpenAI的差距正在拉大，不是在縮小。在SuperCLUE測評中，GPT4-Turbo以總分89.79分遙遙領(lǐng)先，高于國內(nèi)所有的大模型及國外的代表性大模型。國內(nèi)得分最高的大模型是文心一言4.0，但距離GPT4-Turbo仍有15.77的分差。

現(xiàn)在國內(nèi)主流的大模型的能力水平基本上在GPT3.5上下。

人工智能大模型的核心壁壘包括算力、數(shù)據(jù)、算法。只有極少的企業(yè)能夠從頭到尾地完成產(chǎn)業(yè)級研發(fā)。如今，模型參數(shù)指數(shù)級增長，訓(xùn)練所需算力巨大，千億級別的通用大模型，訓(xùn)練一次就需要付出幾千萬的成本。當(dāng)前國內(nèi)已發(fā)布的大模型中，參數(shù)規(guī)模達(dá)到千億及以上的廠商僅為10個左右。此外在美國最新一輪的封鎖制裁下，國產(chǎn)化替代方案的需求更加迫切。但在很長一段時間內(nèi)，芯片與算力仍會是國產(chǎn)人工智能大模型與ChatGPT之間一道巨大的鴻溝。

1.1.2 2024-2028年中國人工智能產(chǎn)業(yè)規(guī)模預(yù)測

2022年，我國人工智能產(chǎn)業(yè)規(guī)模達(dá)到5,080億元；2023年，我國人工智能產(chǎn)業(yè)規(guī)模約達(dá)到5,452億元。

我們預(yù)計，2024年我國人工智能產(chǎn)業(yè)規(guī)模將達(dá)到5,874億元，未來五年（2024-2028）年均復(fù)合增長率約為6.30%，2028年將達(dá)到7,500億元。

圖表　中投顧問對2024-2028年中國人工智能產(chǎn)業(yè)規(guī)模預(yù)測

數(shù)據(jù)來源：中投產(chǎn)業(yè)研究院