大模型-零帕网-第2页

以 ChatGPT 的发布为里程碑事件，AI 的发展进入到了以 AGI 为发展目标的全新通用智能时代。

自 1956 年人工智能在达特茅斯会议上被提出，人工智能领域的学者一直致力于提升算法的通用性能力，即希望人工智能方法能够像人类一样，快速灵活地适应各种实际应用问题，提升人类社会的生产效率。然而，在人工智能发展的前半个世纪，学者们始终没有找到合适的方法论，而包括符号计算、专家系统等精心设计的模型，都只能用于少数限定场景，无法拓展到以计算机视觉、自然语言处理为代表的复杂系统中去。

AI 跃升至 2.0 时代，随着大模型进入“轻量化”、“多模态”时代，以云端作为 AI 大脑，边缘端和终端作为小脑的混合 AI 料将成为技术发展主线。我们认为，AI 大模型落地成为终端出货成长的新动能，产业曲线两端将率先发力，其中硬件算力端（SoC、存储）、终端品牌将有望核心受益，零组件及组装中部分环节如传感器、电池、散热结构件等部分有望受益。我们认为当前各类 AI终端应用仍未达到成熟阶段，接下来一年重在软硬件适配和产品打磨，从“AI+产品”（出货量提升）到“产品 AI 化”（量价齐升），有望成

LLM推动人工智能快速进化到AGI阶段自2010年代初深度学习问世以来，人工智能进入到第三次高潮。而2017年Transformer算法将深度学习推向了大模型时代。OpenAl基于Transformer的Decoder部分建立起来了GPT家族。ChatGPT一经面世便风靡全球，人们惊讶于其能够进行连贯、有深度对话的同时，也惊异地发现了它涌现了推理、思维链等体现智能的能力。GPT4的能力更是进化神速，在多种能力测试中达到人类顶级水平,让人类看到了AGI的曙光。多模态助力大模型解决复杂问题多模态AI

人工智能大模型是指在机器学习和深度学习领域中，利用大规模数据和复杂网络结构构建的庞大神经网络模型。大模型是在智算算力驱动下最为典型的重大创新。得益于模型泛化能力强、长尾数据的低依赖性以及下游模型使用效率的提升，大模型被认为具备了“通用智能”的雏形，并成为业内探索实现普惠人工智能的重要途径之一。

从大模型到智能体，AI Agent(智能体)爆发元年，点燃新一轮创新周期。目前的 AI 工具大多都是 bot(机器人)，包括以 ChatGPT 为代表的 LLM(大语言模型)，都仅是一个应用程序，只有当用户输入特定内容时才会被动反馈。而 AI 助手的下一程，将关注 AI Agent 的构建，以 LLM 或多模态模型为核心，具备跨应用、主动、自我升级等特征，成为用户的全能助手。例如联想推出AI Twin，AI Twin 将建立本地知识库，预测用户的任务和提供自主解决方案，让设备成为用户的数字延伸。

为判别能力？以前路侧设备能够判别的路上交通要素和事件类型仅为个位数，但通过交通视觉大模型，能够让路侧设备对接全域摄像头，并进行全域开放世界的交通检测，可判别的交通要素和事件类型突破百种。

大模型是讯飞开放生态的新动能，推动平台AI能力、开发者数量、应用数量闭环增长。星火大模型通过赋能AI营销和扩大终端触达面，提升开放平台业务的竞争力，促进存量业务增长。同时，参考国外企业成熟的模式，星火大模型将全面赋能企业与个人，并通过“星火+X”大模型定制、API付费与AI助手等多重方式变现，创造新的成长曲线。

人类经济文明之树上“低垂的果实”已被采摘一空，新一代创新科技犹如“新的进化梯子”，帮助人类采摘到“更高的果实”。联合国常务副秘书长阿明娜·穆罕默德女士在 2022 年联合国可持续发展高级别政治论坛上说：“新冠疫情、冲突以及环境危机造成的挑战已经影响到教育、医疗保健、性别平等以及经济发展。她指出，2030 年议程的时间表已经过半，但“我们还没有完成一半的任务”。为此，全球需要在可再生能源、粮食体系和数字连接领域进行转型，加快“人力资本投资，为机遇融资”的步伐，进而化危为机。”而以人工智能为代表的新

流量生态基本盘稳健，AI 领域前瞻布局。百度是国内中文搜索引擎龙头，2022 年实现收入 1237 亿元（yoy-0.66%），百度核心业务收入为 954.31 亿元，其中在线营销收入 695 亿元（yoy-5.9%），百度智能云为 177 亿元（yoy+17.6%）。2012 年开启移动端转型，2014 年三季度移动端流量超越 PC 端，并在 12 月移动端收入超过 PC 端，顺利完成转型。2017 年提出“All in AI”战略，在云计算、智能芯片、自动驾驶等领域持续投入。23 年 3 月

人形机器人的特点在于通用性和泛化能力，远期可以替代人类完成多项任务。而大模型具有庞大的先验知识库与强大的通识理解能力，可以满足人形机器人通用性的场景要求和技能要求，不再仅限于完成某一类特定工作，而是进一步完成多类型任务。在机器人大模型上，思维链可以帮助机器人拆分与分解一件事件如何完成，先解码出计划的步骤，再解码需要完成任务需要输出的动作。

软件和算法构筑竞争力核心壁垒。在实际应用中，移动机器人通常以集群的方式系统完成特定任务；未来，成百上千台机器人规模化集群作业是发展的必然趋势，即逐步从单体智能向群体智能演进，软件和算法成为构筑核心竞争力的壁垒，例如统一环境下完成作业调度、找到全局最优方案提升集群机器人工作总效率等。我们认为随着行业应用场景的丰富和技术的发展，产品模块化、软件模块化将成为AMR发展的必然趋势。