互联网行业人工智能应用专题分析报告：国内AI大模型趋势，互联网大厂AI进程.pdf

证券研究报告|2024年01月02日

人工智能应用专题（4）：

国内AI大模型趋势探讨，互联网大厂AI进程梳理

行业研究·行业专题

摘要

•大模型技术本质上于科研创新与技术积累，我国大模型厂商根据自身特点演绎出不同的发展方向。大模型诞生与技术的积累与不断创新，

伴随海外技术进步与大模型开源，我国大模型企业也在不断追赶，包括根据其技术路径自研或在其开源框架上优化调整。

•有效数据集有限，优质数据集仍旧稀缺，关注具备高质量内容的平台。大模型的未来发展依赖于训练数据集的质量，而非仅仅是数量。AI技术

把原先难以利用的非结构数据带入分析领域，内容创作者所聚集的平台成为高质量数据的重要。

•大模型后续竞争格局B端与C端分化：C端更易于产生通用底座以及大一统的入口，通过丰富的插件、定制化功能、AIAgent满足用户的高度定制

化和长尾需求。B端定制化模型或垂类模型性价比更高，不同B端行业可能用各自模型来满足企业场景、业务流程、模型大小和性能的差异化需求。

•AIAgent框架带来全链路、定制化的信息处理能力，成为生产环节的重要辅助，助力智能硬件“AllinOne”抢占终端流量入口。AIAgent需要

标准定义和模型能力进化，同时GenerativeUI可能带来人机交互方式的革新。

•月之暗面、清华GLM、百川智能：作为独立的第三方模型厂商，创始人技术背景强，模型迭代速度快，产品布局AIGC等各个领域。

•互联网大厂腾讯、字节、百度、阿里：结合自身业务场景进行模型和AI应用的开发，同时布局算力、平台、大模型与应用全环节，关注AI生态

建设。

Ø投资建议：国内模型能力有望快速提升，带动应用百花齐放。建议积极布局大模型相关厂商和产业链机会。

Ø风险提示：宏观经济波动风险，下游需求不及预期风险，AI伦理风险，核心技术水平升级不及预期的风险等。

2

目录

01大模型的竞争格局演绎的关键因素

02独立的模型团队—月之暗面、清华GLM、百川智能

03互联网大厂的模型和应用进展—腾讯、字节、百度、阿里

04风险提示

3

大模型技术本质上于科研创新与技术积累

•海外大厂核心大模型的能力迁移是国内AI发展的重要考量。考察是否有海外大厂核心大模型研发的技术积累和知识迁移到国内，以及这些

技术在本土的应用情况和调整，对理解国内外AI技术的差异和互动具有重要意义。

•国内企业大模型技术路线有两类：①自研效果复现类：参考GPT论文自研复现效果，前期耗时、后续Finetuning对于数据数量质量也有一

定要求，能力天花板高；②基于开源迭代类：训练更顺畅但天花板低，依赖开源社区，且开源模型如Llama2比较GPT3.5还是有差距。

•国内企业大模型团队发展路径有两类：①从搜广推背景转向大模型研发，如百度和百川；②成立之初主要基于大模型研究路线和学术背景，

如月之暗面的杨植麟团队和清华的智谱团队。

图1：不同公司/组织/院校近三年top-100AI发文数

图2：海外SuperGlue模型榜单排名（截至2023年12月）

资料：SergiCastellaiSapé，《Mustread:the100mostcitedAI

资料