人工智能报告

不是很关心你有多少大模型，或者你的大模型到底怎样更关心的是你的行业，你的业务能否更容易的被AI加持提升产品附属价值

大模型参数量级飞涨，相应训练集需同比提升。李开复定义 AI 2.0 时代的特征是通过海量数据，无需标注自监督学习，训练一个基础大模型，并在各领域将其专业化。据相关论文，当模型的参数量大于某阈值，会展现出类似推理、无监督学习等未曾出现的能力，这种现象被称为“涌现”，因此目前大语言模型参数均在十亿量级以上。同时，Deepmind 研究表明，模型参数的上涨需要配合等比例上升的优质数据集来达到最佳训练效果。因此，大模型参数在十亿级以上发展并受限于优质数据集的增速是 AI 发展的必然趋势。[NeadPay

1、国家政策积极鼓励构建AI+行业应用繁荣生态，行业应用前景有望打开：7月13日，国家网信办等七部门发布《生成式人工智能服务管理暂行办法》，旨在促进生成式人工智能健康发展和规范应用，维护国家安全和社会公共利益，保护公民、法人和其他组织的合法权益。我们认为政策发布推动人工智能行业应用健康发展，AI应用生态有望加速成熟；2、AI选股进入“去伪存真”阶段，下半年看好国内AI应用迎来政策和需求共振：大模型监管政策不断完善，全面商用化的时点渐行渐近。我们认为随着监管端的进展和明确，我国生成式人工智能生态有

感知算法升级是L2级向L3级智能驾驶系统跨越的关键。与传统2D+CNN算法相比，BEV+Transformer算法优势体现在：1）感知输出信息精准度更高；2）鲁棒性高；3）泛化能力强，有助于城市高阶智能驾驶落地。感知算法突破+工信部明确扶持L3级商业化落地，国内向L3级商业化加速迈进。2022年末起华为+新势力车企陆续规划城市领航辅助驾驶功能，预计均将基于BEV+Transformer搭建。我们判断，1）大模型符合高阶智能驾驶基于数据规模+模型精度增加的算法升级需求，数据是驱动大模型在高阶智能驾

AI 赋能机器人，具身智能发展正当时。具身智能是 AI 进入物理世界进行交互的载体。机器人与人工智能的交集，被称为智能机器人，智能机器人可以与外界交互，根据自身对外界的感知，决定完成任务的方式，并且可以在失败中不断学习进步，相较于非智能机器人的“机器”属性，智能机器人更像是“人”。近年来随着硬件和软件算力的不断提升，各大公司相继推出 AI大模型算法，包括 Open AI 的 GPT-4、谷歌的 RT-1、PaLM-E 等，有望解决机器人的通用性问题，具身智能迎来快速发展。特斯拉 Optimus软

CHATGPT 开启 AI 奇点，算力需求大幅提升。在各大厂商相继推出 GPT 大模型，并积极赋能下游应用的背景下，将引发模型训练和推理的算力需求的激增。根据我们的测算，在训练侧，训练一个 GPT-3.5 175B 模型的NVIDIA A100 需求为 1080 个、AI 服务器需求为 135 台；训练一个万亿参数量 AI 大模型对 A100、AI 服务器的需求分别为 8521 个、1065 台。在推理侧，一个谷歌级应用使用 GPT-3.5 175B 进行推理，对 NVIDIA A100需求为

齿轮是应用最广泛的传动部件，汽车为齿轮应用第一大领域。齿轮是能互相啮合的有齿机械零件，通过连续啮合传递运动和动力，按照用途可以细分为车辆齿轮、工业齿轮及齿轮专用装备，其中汽车是齿轮第一大应用领域，占齿轮产品市场的比重在 60%以上。车辆齿轮主要用于汽车传动系统，燃油车动力传递路线为发动机→离合器→变速器→传动轴→主减速器和差速器→半轴→驱动轮，混动车型动力传动与燃油车类似，而纯电动车传动路线较为简单，无需离合器和变速箱；汽车齿轮零部件主要包括变速箱（含同步器）、主减速器和差速器等。[NeadPa

回顾 2023 年，在 AI 浪潮及华为回归背景下，电子板块不乏结构性亮眼表现。展望2024 年，伴随全球半导体周期复苏大势及以苹果 XR、AI PC 等为代表的终端创新推出，“周期+成长”双重逻辑有望持续共振，维持行业“强于大市”的评级。

百度、阿⾥、腾讯、智谱AI、百川智能等多家企业和机构，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、注销备案⼿续，获得备案批准，对公众全⾯开放，标志着⼤模型发展进⼊新阶段，加速推动⼤模型产业化应⽤。截⽌到2023年12⽉31⽇，已有两批超过20个⼤模型获得备案，⾯向公众开放。应⽤范围涵盖⾃然语⾔处理、图像识别、语⾳识别等多个领域，可应⽤于⾦融、医疗、教育等各个领域。

随着大模型参数规模的迅速增大，参数规模迈入千亿级和万亿级时代，通用大模型性能优秀，但也带来更大的硬件投入和功耗。近期Meta、微软、谷歌、苹果、英特尔等科技龙头公司均加快部署生成式AI，并探索在手机、PC 等终端的应用。高通在《混合 AI 白皮书》中提出，混合 AI 是 AI 规模化发展的必然趋势，混合 AI 是指终端和云端协同工作，在适当的场景和时间下分配 AI 计算的工作负载，模型训练在云端实现；根据模型复杂度，推理工作部分放在终端侧。能够带来成本、能耗、性能、隐私、安全和个性化优势，助力实

如果说 2022 年被称为生成式人工智能之年，扩散模型应用取得突破，ChatGPT 出世，一系列开创性的研究论文发表，2023 年则把大模型推向了一个高峰，GPT-4 的发布，标志着生成式人工智能，进入了面朝通用人工智能创新应用的阶段。研究、应用、监管，合力开辟着生成式人工智能的发展之路。

行业图谱研究是本团队科技成果转化研究的一项子课题，目标定位于清晰理解前沿科技成果的技术核心、科创企业的技术竞争力及科研工作者的研究进度，从而助力科技成果转化效率的提升。行业图谱研究将以系列形式展开，选取国家战略重点科技领域的商业应用场景逐一进行，时效性较强。本报告为行业图谱的计算机科学系列之脑机接口领域。美国、欧盟、日、韩、澳大利亚等多国已加速布局脑机接口，抢占全球脑科学竞争战略高地。中国对该技术的重视程度不亚于发达国家，近两年已经将其上升为国家战略。脑机接口是指在人或动物大脑与外部设备之间创建