262页人工智能深度报告：AI 2.0，十年之后我们还能做什么？

2）非常规性的脑力活动较难被算法替代。 相较白领工作，新药开发等科研工作需要更高 层次的认知和创造力，并且工作内容多变，难以被算法替代，受到生成式 AI 的影响较白领 更小；

3）常规性的体力劳动容易被自动化技术替代。 在零售、制造等行业中，虽然涉及的语言 相关工作不多，受生成式 AI 的影响不大，但工作中有较多重复且任务标准化程度高的内容， 容易被机器人等自动化技术所替代；

4）非常规性的体力劳动受影响较小。建筑、餐饮旅游及交运、采矿等行业虽然也包含较 多的体力劳动，但难以被自动化的长尾场景较多，目前看来，受到生成式 AI 和机器人技术 的影响都较小。

AI 2.0 是下一代通用技术平台

我们认为以 ChatGPT 为代表的大语言模型的出现，使人工智能技术的发展进入了 2.0 时 代。AI 大模型已经具备1) 通用性强，2）固定成本高但边际成本递减等平台性技术的显 著特征，有望成为继 PC，移动互联网，云计算，电动车之后，下一个支撑科技创新的通 用技术平台。

如下图所示，每一代通用技术平台的出现，都会伴随几家平台性公司的出现。这具体包括， 1）主机时代的 IBM，2）PC 时代的微软和 Intel（Wintel），3）智能手机时代的苹果和谷 歌，4）云计算时代的亚马逊和英伟达，5) 智能电动车时代的特斯拉和宁德时代。当我们 进入 AI 大模型时代，我们认为，以微软为代表的大模型厂商和以英伟达为代表的算力提供 方有望受益于 AI2.0 的崛起，实现平台扩张。

过去，计算机视觉等 AI 模型需要针对每个特定任务进行数据采集、模型训练等一系列工作， 且训练出来的模型无法用到其他场景，这导致边际成本难以降低、难以大规模落地等问题。大模型的出现改变了 AI 模型的训练和使用的范式。在大模型的新范式下，首先训练出具备 跨领域知识的基础模型（Foundation Model），然后通过微调等方式适配和执行下游各领 域的任务，能够降低模型落地的边际成本。大模型的新范式带来了成本结构变迁：大模型 出现之前的 AI 1.0 时代，模型训练成本和模型数量等比例增加，边际成本较高；AI 2.0 时 代，训练基础模型的固定成本高，但微调以适应下游应用的成本极低，预训练模型+微调 的新范式边际成本低，具有明显的平台效应，为 AI 公司探索新商业模式提供机会。

展望 AI 大模型时代，我们认为：

1)算力基础设施率先受益：AI 大模型推动算力需求快速增长，基础设施的业绩成长确定性 最高，主要产业链环节包括计算芯片、服务器、数据中心等；

2)交互终端次之，当前智能手机是大模型应用的主要载体。未来看好大模型能力提升推动 AR/VR，无人驾驶车，机器人等成为下一代硬件载体的潜力。

3)大模型平台是当下产业发展趋势中最核心的一环，看好 MaaS 成为 AI 大模型时代新的商 业模式，关注各国对 AI 大模型企业监管政策对行业发展的影响；

4)AI 2.0 最大的投资机会在应用。看好大模型在搜索，电商零售，办公，金融、医药等行 业率先落地。

算力需求增长利好芯片送水人

算力需求增长会率先利好算力芯片，光模块，服务器产业链等送水人。根据 OpenAI 测算，目前算力的增速（翻 1 倍/3-4 个月）远超过摩尔定律（翻 1 倍/18-24 个 月），未来 AI 应用的逐步丰富，将推动推理芯片等相关市场保持强劲增长。我们预计2025 年左右当生成式AI 应用大规模落地后，数据中心用推理及训练芯片市场约900 亿美元， 带动先进代工、先进封装、光模块、服务器在内相关产业链。

算力芯片：全球 900 亿美金市场，训练英伟达一家独大，推理百花齐放。我们认为是否拥 有大模型将成为科技巨头科技平台企业的重要分水岭。我们预计全球有约 30 家科技巨头 和 300 家 AI 大模型初创企业在进行算力相关投资。到 2025 年，这对应大约每年 300 亿美 金训练芯片和 600 亿美金的推理芯片市场。其中，英伟达凭借 CUDA 软件框架构建的强 大行业壁垒，在训练芯片市场一家独大，推理芯片方面，海外客户除了采用英伟达、AMD 等的通用 GPU 以外，也会采用 TPU 等 ASIC 以提高性价比。国内客户出于供应链安全考 虑，逐步提升国产芯片的适用占比。海思，寒武纪，燧原等企业都有较好发展。

服务器/PCB/先进封装：AI 服务器增速超传统服务器，高算力需求带动先进封装需求。从 GPU 到 AI 工厂，我们认为 AI 计算会为整个服务器产业链带来增长。相较于全球传统服务 器需求持续低迷，根据 IDC 预测 AI 服务器 21-26 年复合增速有望达到 17%。我们看到从 单颗GPU 芯片H100，通过NVLINK Switch 形成一颗巨型GPU，然后通过Quantum InfiniBand 技术，搭建有上百张GPU 的DGX 服务器，最后把多台DGX 联通形成一台AI 超级计算机，整个系统的搭建过程会带动包括服务器整机、PCB、光纤光缆、电源在内的 整个服务器产业链的性能升级。在先进封装领域，产业从 2.5D 封装正走向 3D 封装，根据 Prismark 预测 ABF 载板作为先进封装关键材料有望在 21-26 年实现复合增速 11.5%，而 相关测试设备有望长期受益于 Chiplet 和国产替代趋势。

光模块：AI 大模型推动 800G 光模块迎放量元年。以 ChatGPT 为代表的 AI 大模型，对数 据中心内外的数据流量都提出了新要求，将带来光模块行业“量”和“质”的双重提升。以 ChatGPT 为代表的 AI 大模型训练中，由于需要海量数据及跨机器协作，产生了大量的 数据中心内部通信需求，无阻塞的胖树结构成为当下最主流的 AI 训练网络架构，带来两方 面主要变化：1）量方面，AI 网络架构带来数据中心内部交换机、服务器数量的增加，光 模块作为数据中心内外部连接的核心部件，用量将明显提升；2）质方面，AI 对于高速率、 大带宽的网络需求将推动光模块向 800G 加速升级，根据 Lightcounting 预测，2023 将成 为 800G 光模块放量元年，2028 年 800G 出货量有望达 998 万只，对应 2023-2028 年复 合增长率为 72%。在此产业趋势下，我们认为能够提供高速光模块的龙头企业以及上游光 器件、光芯片厂商有望迎发展机遇。

谁会成为 2.0 时代的硬件载体？

展望未来，我们认为大语言模型会大幅提高硬件产品的“思考”能力，机器人技术的发展 会提高硬件产品的“行动”能力。一个同时拥有（1）超强感知能力，（2）通用人工智能 （AGI），和(3) 灵活的行动能力的硬件产品，可能就是现在大家畅想中的人形机器人。虽 然很难预判什么时候这个产品能够实现，但在最终实现人形机器人的过程中，我们相信会 催熟ARVR，无人驾驶车等很多新的硬件形态，带动产业发展。

世界最后需要几家大模型公司？

我们认为是否拥有大模型将成为科技巨头科技平台企业的重要分水岭。 目前 AI 行业呈现 出“百模大战”的格局，我们认为未来基础大模型可能呈现国内外各有数个赢家的寡头竞 争格局。类比云计算领域，国外有 AWS（亚马逊）、Azure（微软）和 GCP（谷歌）三巨 头，国内有 BAT 和华为，前期基础设施的巨大投入造成了云计算的寡头市场格局。与云计 算类似，基础大模型需要耗费大量算力和数据标注成本，并且随着规模的增加，其训练费 用将指数级增长。在高壁垒和地缘政治等原因下，未来基础大模型可能在国内外各自形成 寡头竞争格局。

AI 大模型是一个资本密集，人才密集和数据密集的产业，如何形成“数据-模型-应用”的 飞轮，是大模型企业成功的关键。具体而言，大模型的诞生以算力基础设施为根基，以算 法为骨干，以高质量数据为血肉；大模型结合具体应用场景的落地产生应用；用户使用应 用的过程中产生数据，数据又得以反哺模型。由此，从大模型的训练到应用落地产生闭环， 我们认为“数据-模型-应用”的飞轮能否运转是大模型企业可持续发展和迭代的关键。

MaaS 可能成为 AI 大模型时代新的商业模式。过去云计算架构主要分为 IaaS、PaaS、 SaaS 三层，经过多年发展，出现了像微软，MongoDB，Adobe 等一批代表性企业。未来， 我们认为，MaaS (Model as a Service）可能成为 AI 大模型时代一种新的商业模式。如上 所述，大模型具有固定成本高，通用性强等特点，MaaS 企业依托已经训练好的大模型， 向 2B 客户提供包括 API 调用、模型训练、模型微调、模型部署服务等各类服务，数据， 算法，算力将是 MaaS 企业的主要竞争壁垒。目前，国内，阿里，百度，商汤等都已经宣 布提供类似服务。

监管政策是规范 AI 大模型健康发展的基础，关注国内政策落地进展。大模型由于涉及到 大量个人和企业数据，生成内容中存在虚假信息等风险，是当前全球各国监管关注的重点。 23 年 6 月，欧洲议会在全球率先通过《人工智能法案》，对 AI 模型提出了版权披露、保障 隐私与非歧视等基本权利、风险分级监管等要求。23 年 4 月，国家网信办发布发布《生成 式人工智能服务管理办法（征求意见稿）》，明确要求，符合大模型生成的内容需要符合"社 会主义核心价值观"，并要求人工智能企业在提供服务前，向国家网信部门申报安全评估；并按照《互联网信息服务算法推荐管理规定》履行算法备案和变更，注销备案等手续。关 注监管政策落地对行业发展的影响。

如何把握大模型应用的机会

长期来看 AI 2.0 最大的机会在应用。根据科大讯飞董事长刘庆峰的观点， 通用人工智能应当具备文本生成、语言理解，知识问答、逻辑推理、数学、代码、多模态 等七大维度的能力。通过对 AI 在搜索、电商零售、办公、金融法律、影视游戏，医药、教 育、汽车等行业应用前景的分析，我们认为，AI 应用的落地节奏或与行业数字化程度成正 比，我们看到 AI 大模型在互联网（搜索+广告营销）、办公、金融等领域率先迎来 “iPhone 时刻”。其中最值得关注的应用包括：1）知识对话在电商、金融、医疗等行业替 代传统客服；2）文本和图像生成在办公、广告营销、金融、影视游戏等领域成为下一代 生产力工具；3）多模态能力拓宽人类探讨世界的范围，特别是在新药开发上的应用前景。

AI+搜索：输入输出模态多样化，有望集成全新商业模式，打开行业天花板。 传统的搜索 行为往往需要经历长时间的判断过程和多轮的互动，而 AI 技术的加入，将从底层结构上改 变搜索形态，以 GPT 为代表的大模型加持赋能搜索行业：1）创造性内容生产与输出，AI 大模型可以利用大量实时文本数据学习语言的规律，并根据用户指示创造性地完成特定需 求下各种类型的文本输出，如故事、诗歌、摘要、代码等。2）拓展搜索的多模态能力， 利用 AI 技术处理视频、图片、语音等多种形式的信息，使搜索不再受限于信息的形态。AI+搜索的诞生便吸引了全球的注意力，内置 AI 聊天功能的 New Bing 搜索引擎在推出一 个月后日活跃用户已突破 1 亿，自 New Bing 推出以来，聊天功能使用次数累计超过 4500 万次。根据 Industry growth insight，2021 年全球搜索市场规模为 109.0 亿美元，预计 2023 年达到 123.6 亿美元。同时 AI+搜索也催生出未来新的商业模式，例如微软目前内部 正在探讨在生成回复的引用链接中放置订阅制和弹出式广告的可行性，有望进一步打开新 的市场空间。

AI+电商零售：定制化内容生成；个性化营销推广。目前广告/营销行业存在单位推广成本 高、转化率低的痛点，AI 能赋能行业生产力的提升，主要体现在：1) 创新广告形式，提升 信息传递效率，形成强流量、高互动，提高广告营收；2) 提高营销内容生产效率、推进个 性化营销；3) 有望推动营销服务商商业模式革新、毛利率提升。通过以上赋能，行业增长 空间有望提升，盈利能力。目前海内外AI+广告/营销应用百花齐放，例如，国外 Adspert 利用 AI 将广告全自动化，优化亚马逊广告竞价投放，增加销售额，提升投产比；国内腾讯 广告大模型赋能广告制作环节，同时助力提升广告主 15%GMV。

AI+办公：生产力的又一次跃升；重塑内容生产、沟通、协作模式。生成式 AI 当前在办公 领域的应用主要包括改善生产力、沟通、协作工具等应用方向。以 Microsoft 365 Copilot 为例，Copilot 通过把 GPT-4 提供的内容生成功能，与存储在 Graph 数据库中的企业数据， 以及 Word、Powerpoint、Excel、Outlook、Teams 等办公工具相结合，提供包括内容创 作、数据分析、辅助决策等一系列新功能。生成式 AI 将传统的点式交互升级为自然语言的 交互方式，能够实现更灵活的功能调度，进一步降低办公场景的沟通协作成本，提升工作 效率。此外，生成式 AI 能够挖掘办公场景中的数据价值，提供知识管理等功能，进一步提 升产品的价值空间。

AI+金融：广泛应用于银行、保险、资管、投顾等环节，助力金融机构降本增效。 我们认 为垂直行业的高价值量数据对于 AI 大模型的训练和垂直领域应用至关重要，金融行业数字 化程度领先，拥有数据富矿，有望成为 AI 大模型率先落地的垂直领域之一。应用端，我们 看到生成式和理解式大模型在银行、保险、资管、投研、投顾等多个细分领域正在落地或 拥有潜在落地场景，帮助金融机构降本增效。过去，理解式大模型主要用于信息识别与挖 掘，例如风险识别、客户识别等等。生成式 AI 的主要落地场景包括应用于各金融子行业的 智能客服以及内容生成，例如投研领域的研报生成、投顾领域的投资建议生成、保险/资管 领域的合同模板生成等等。

AI+游戏：AIGC 带来玩法体验端的创新升级，以及生产营销端的降本提效。1)玩法体验端: 目前看 AIGC 有望在 NPC 智能交互及玩法设计创新方面加速应用，AINPC 的不断成熟将 改变游戏玩家与角色的交互方式，进一步提升游戏沉浸感；同时，AIGC 带来的 UGC 等玩 法创新也有望带来全新的游戏类型，进一步提升游戏内容的丰富度及自由度。2)生产营销 端:以 ChatGPT 等大语言模型为基础的文本类 Al 生成工具、StableDiffusion 及 Midiourney 等 Al 图像生成工具、Gen2 等 Al 视频生成工具等已在游戏行业各环节有所应用，同时英伟 达、微软、Epic Games、Unity 等基于原有产品或服务纷纷推出 AIGC 功能。随工具化 AIGC 产品和服务快速迭代，行业“卖铲人”将加速 AIGC 对行业赋能，带来进一步的降 本提效空间。

AI+教育：虚拟个性化辅导教学，提升教学质量同时降本增效。传统教育具有人工成本高、 内容同质化以及资源分配不均匀的弊病。基于多模态模型在文本、图像等领域取得重大突 破，生成式AI 技术有望协助构建智慧教育新生态。近期国内外多家公司发布AI+教育产品， 例如多邻国在“Max 订阅方案”中推出两项基于ChatGPT-4 设计的教辅功能、网易有道 发布 AI 口语老师以及科大讯飞发布“1+N”星火认知大模型等。随着大模型的迭代升级， 我们看好生成式 AI 应用于个性化辅导、AI 虚拟教师等领域，助力打造全新的低成本、个 性化自适应教育模式，推动优质教育资源的规模化应用。同时建议关注 AI+教育带来的智 慧校园、智能终端等硬件设备，以及相关IT 基础设施、云服务等软件设施的投资机会。

AI+医疗：拓宽人类对自然界的认知半径，探索科学边界。医疗健康领域是人工智能率先 落地的行业之一，也已经催生了Nuance、IBM Watson 等一批全球知名企业。随着基于大 模型的生成式AI 的出现，我们看到 AI+医疗有望迎来一波新的发展机遇。我们看好生成式 AI：1）应用于实时病例生成、医疗影响分析等领域，从而发挥提高问诊效率、降低数据 分析的人工成本等作用；2）赋能药物发现源头创新，探索自动根据功能需求设计/优化蛋 白质、给定抗原等目标蛋白生成抗体等，加速药物发现流程。

AI+汽车：降低数据搜集、处理成本，优化驾驶体验，高级别智能驾驶落地可期。无人驾 驶看上去很美，但一直很难落地。无人驾驶是最早被提出的人工智能应用场景之一，谷歌、 苹果、特斯拉、百度等海内外科技巨头从 2016 开始就积极布局，但直到现在仍很难实现 大规模商用落地。我们认为，1）多维度数据的获取和标注成本高，2）对小概率事件的决 策准确度和人类还存在较大差距，3）事故时法律权责归属不明确，是制约其发展的部分 原因。我们认为，1）以 ChatGPT 和 SAM 为代表的 AI 大模型的引入，自动标注、虚拟仿 真等技术的引入大幅降低模型中数据的采集和处理成本；2）感知、预测、执行全流程算 法迭代，体验能力的提升有助于从行业整体层面加速高级别智能驾驶的量产落地。看好 AI 大模型赋能之下，降低数据标注成本，提升感知预测执行全流程能力。

2023 年十大机会

长期来看，我们认为全球科技行业的发展会沿着元宇宙，人类永生、和星际文明三个维度 演进。其中，1） 追求永生是推动人类进步的动力之一，未来脑机接口、纳米机器人等前 沿科技有望继续延长人类寿命；2）元宇宙是互联网的下一站，也是人类数字化迁移的下 一步；3）移民火星的意义在于为人类文明留下“备份”，随着航天技术突破，星际旅行与 火星移民终将实现。

AI 大模型企业是如何炼成的

我们认为 AI 大模型是一个资本密集、人才密集和数据密集的产业，如何形成“数据-模型- 应用”的飞轮，是大模型企业成功的关键。我们看到海外企业中，微软&OpenAI、谷歌已 经逐步形成 AI 大模型的飞轮。当前，国内百度、阿里、商汤、华为等积极加入，行业呈现 “百模大战”的竞争格局，能否形成飞轮是最后能否胜出的关键。

海外大模型：微软&OpenAI、谷歌、英伟达、Meta、AWS

微软&OpenAI 领先，谷歌追赶，Meta 防御性开源，英伟达转型算力云服务 微软和 OpenAI 是目前大模型技术水平、产品化落地最为前沿的领军者，其对颠覆式创新 的持续投入是当前领先的深层原因。谷歌技术储备丰厚，自有业务生态广阔并且是 AI 落地 的潜在场景，但管理上未形成合力，目前正在产品化、生态化加速追赶。英伟达是 AI 芯片 领军者，CUDA 框架构筑了其它芯片公司难以逾越的护城河，目前正在从硬件向算力云服 务、MaaS 等商业模式转型。Meta 在产品化上进展缓慢，选择模型开源的防御性策略，以 应对 OpenAI、谷歌等竞争对手的强势闭源模型。AWS 作为领先的云服务厂商，超算技术 布局领先，但是在 AI 大模型竞争上的应对稍显迟缓。

OpenAI：全球领先的 AI 初创企业

发展历程：从非营利开端到向营利性全面转型 OpenAI 是美国一家人工智能研究实验室，由非营利组织 OpenAI 和其营利组织子公司 OpenAI LP 所组成，公司致力于构建安全的通用人工智能（AGI）以造福人类。

非营利开端：硅谷领军人物云集，创建非营利组织以促进 AI 发展。非营利性的 AI 项目 OpenAI 于 2015 年宣布正式启动，由许多硅谷领军人物共同创建，例如硅谷创业孵化器 Y Combinator CEO 的 Sam Altman、Google Brain 的 Ilya Sutskever、时任互联网支付处理 平台 Stripe CTO 的 Greg Brockman 以及特斯拉的 CEO Elon Musk 等，许多创始人都曾 是被誉为“深度学习教父”Geoffrey Hinton 教授的学生。公司把生成式预训练模型 （Generative Pre-trained Transformer，GPT）确定为主要研究方向，先后推出并开源预 训练 NLP 模型 GPT-1，以及采用迁移学习技术、能实现多个 NLP 任务的 GPT-2。

向营利性转型：与微软深度绑定，推出掀起生成式 AI 浪潮的 ChatGPT。2018 年，由于 Elon Musk 担任 CEO 的 Tesla 等公司也在开发 AI 技术，存在利益冲突和人才争夺等矛盾， Elon Musk 辞去 OpenAI 董事会席位。为支撑大模型训练的高算力和资金需求，同年，有 限营利公司 OpenAI LP 成立。2019 年，OpenAI LP 接受微软 10 亿美元投资，与其达成 独家合作伙伴关系。在强大算力和充足资金的助力下，OpenAI 沿着 GPT 路线持续发力， 2020 年推出拥有小样本泛化能力的 GPT-3，2022 年推出加入指示学习（Instruction Learning）和人类反馈的强化学习（Reinforcement Learning from Human Feedback， RLHF）的 InstructGPT，并于 2022 年发布产品化的 ChatGPT，掀起了一股席卷全球的生 成式 AI 浪潮。

全面转型：加快商业化步伐，构建生态圈。2023 年 1 月，微软宣布与 OpenAI 的长期合作 伙伴关系进入第三阶段，将继续向 OpenAI 投资数十亿美元，并加速产品与技术的整合。2023 年 3 月，OpenAI 发布工程化的多模态 GPT-4，并与各个领域的软件开展合作；同月， OpenAI 发布 ChatGPT Plugins（ChatGPT 插件集），将 GPT 大模型能力与面向用户的第 三方应用程序互联，应用空间想象力广阔。

AI 赋能百业：产业变革的奇点

自 OpenAI 发布 ChatGPT 掀起 AI 浪潮以来，国内外科技巨头陆续在 AI 大模型领域加快布 局，人工智能也因此催生出许多创新性领域以及传统领域多个环节的变革，有望实现下游 应用百花齐放。其中，企业服务领域，AI 赋能办公行业生产力、沟通和协作工具，持续带 动生产效率及沟通协作效率提升；汽车领域，AI 模型的引入增强了智能驾驶在感知、预测 和决策方面的能力，加速无人驾驶的应用与落地；工业领域，AI 加码助力工业研发、生产、 管理及服务等全环节，极大解放生产力，加速工业智能化水平；金融领域，AI 在银行、保 险、资管、投研、投顾等多个细分领域正在落地或拥有潜在落地场景，帮助金融机构降本 增效。我们认为，伴随技术和各大模型的升级迭代，AI 将赋能百业，催生出更多环节的创 新型变革。

AI+企业服务：赋能生产力/沟通/协作工具

数字化时代，办公行业生产力、沟通、协作工具不断演进，持续带动生产效率及沟通协作 效率提升。以 Microsoft 365 Copilot 为例，Copilot 通过把 GPT-4 提供的内容生成功能， 与存储在 Graph 数据库中的企业数据，以及 Word、Powerpoint、Excel、Outlook、 Teams 等办公工具相结合，提供包括内容（包括文字、图片）创作、数据分析、辅助决策 等一系列新功能，功能丰富度上，远超 notion.ai 等现有的基于 AI 的办公软件。

AI+工业：ChatGPT 引领 AI 赋能工业，工业智能化水平或将加速提升

ChatGPT 引领 AI 大模型突破，随着 AI 技术和工业领域深度融合，工业 AI 应用或将迎来 高速发展窗口。随着 2023 年 3 月 OpenAI 正式发布大型自然语言处理模型 ChatGPT-4， 同月微软将其旗下 Azure 云服务 Azure、Microsoft365 办公软件、Bing 搜索引擎、Power Platform 低代码开发平台等产品与 ChatGPT 深度融合，生成式 AI 在文本、代码、视频等 一系列应用领域的前景逐渐明晰。

AI 大模型+工业所形成的核心产品、方案与服务，是 AI 赋能工业的主要载体。其中主要 包括四个方面，按层级关系可分为基础软硬件、智能工业装备、自动化与边缘系统、平台/ 工业软件与方案。其中，基础软硬件是指各类芯片/计算模块、AI 框架、工业相机等相对 通用的软硬件产品；智能工业装备是指融合智能算法的机器人、AGV（自动导向机器人）、 机床等工业生产制造设备；自动化与边缘系统是指融合了智能算法的工业控制系统；平台/ 工业软件与方案则是指各类具有 AI 能力的工业互联网平台及其衍生解决方案和应用服务。以上应用通过识别类应用、数据建模优化类应用及知识推理决策类应用三种模式被广泛用 于工业研发、生产、管理及服务等全环节。

AI 大模型赋能创成式设计，生成式 AI 未来或可为 CAD 软件提供大量可供选择的模型。创成式设计是一种利用 AI 技术根据一系列系统设计来自主创建优化设计的 3D CAD 功能。其特点在于能在设计师给定的约束条件和目标下，借助 AI 的能力来快速生成满足要求的目 标模型，供设计师从中选择合适的模型进行进一步的设计优化，从而提升设计效率，降低 设计成本。从目前来看，生成式 AI 在严谨理性的数学和逻辑领域的能力相对文字领域仍然 比较有限，但未来随着以 GPT 为代表的通用大模型逐渐成熟，工业设计数据库不断丰富， CAD 有望一方面借助生成式 AI 对设计进行参数优化，另一方面借助大量的设计模块数据 库生成推荐的设计草图。

AI+金融：坐拥数据富矿，有望成为 AI 大模型率先落地的垂直领域之一 2023 年 3 月以来，多家金融机构、金融服务机构发布其 AI 大模型：彭博发布支持金融领 域的自然语言处理（NLP）任务的 BloombergGPT，中国农业银行推出类 ChatGPT 的大 模型应用 ChatABC，中国工商银行发布了基于昇腾 AI 的金融行业通用模型。我们认为垂 直行业的高价值量数据对于 AI 大模型的训练和垂直领域应用至关重要，金融行业数字化程 度领先，拥有数据富矿，有望成为 AI 大模型率先落地的垂直领域之一。应用端，我们看到 生成式和理解式大模型在银行、保险、资管、投研、投顾等多个细分领域正在落地或拥有 潜在落地场景，帮助金融机构降本增效。

生成式大模型应用于银行领域则可提高客户服务质量，智能客服既能与用户进行多轮对话， 还能提出具体可行的解决方案。比如，中国农业银行近期推出的 AI 大模型 ChatABC 1.0， 拥有在金融领域的知识理解能力、内容生成能力以及安全问答能力，当前已通过平台问答 助手、工单自动化回复助手等形式面向内部员工试用。

AI for Science：人工智能助力科学探索的新范式

AI for Science 是指以机器学习、深度学习等人工智能技术分析处理多维度、多模态、多 场景下的模拟和真实数据，解决复杂推演计算问题，加快基础科学和应用科学的发现、验 证、应用，打造下一代科学范式。如下图所示，AI for Science 主要包括：（1）蛋白质结 构分析等生物制药,（2）新材料研发，（3）核聚变等前沿物理，（4）气候预测等地球模拟 和天文探索，（5）飞机引擎，汽车动力结构，建筑等工业设计领域。

报告原文目录如下

（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。）

本报告共计：262页。受篇幅限制,仅列举部分内容。

精选报告来源公众：【幻影视界】,回复关键字“202306”，获取完整PDF电子版返回搜狐，查看更多