发言人2 01:今天我们的整体会议主要分为四个部分

下午好，各位网上投资者。今天是新年的第三天，然后我代表我们的国信互联网团队祝您新年快乐，龙年快乐无尽。今天，我也很荣幸有机会与您讨论国内外人工智能大模型的应用趋势，以及国内互联网制造商对人工智能的布局和过程进行了梳理。发言人2 01:今天我们的整体会议主要分为四个部分与大家分享。第一部分是我们最近做了一些梳理，如何看待未来中国哪些大模型可能最有潜力。然后你可能会问的最多的问题是，如果我们国内整体模型的制造商受到计算能力的限制，我们与海外的差距有多大？事实上，如果要回答第一个问题，其实我们需要认真思考。也就是说，我们想陈述的第二个方向。其实大模型的技术难度和大模型成功的关键要素是什么，以后我们就来讨论一下。事实上，第三个也是大家最关心的一个方向，那就是我们如何看待OpenAI的商业模式及其未来的竞争格局。最后，让我们快速梳理一下我们目前覆盖的几家互联网公司，包括腾讯、字节等。发言人2 02:33的第一部分是我们之前的AI应用报告，这里就不介绍了。事实上，一些落地于海外的AI场景，其实我们也比较熟悉。比如办公、教育等等。这是另一份报告，我们今天就不梳理了。我们主要想讨论一些影响大模型竞争格局的关键因素。发言人2 02:首先，我们需要了解大模型技术的本质，它实际上来自于科学研究和创新。今天，我们在左下角分享这份报纸。它有PPT。事实上，我们可以清楚地看到左下角的图片，也就是说，事实上，在过去的三年里，世界上的这篇文章是指世界人工智能领域前100名的一些机构名单。事实上，我们可以一目了然地理解为什么今天每个人，无论是OpenAI还是SOENAI traffic，还是各大模型厂商，一定和谷歌有关，对吧？无论是谷歌的创始人，还是谷歌曾与这些模型制造商进行过一些合作。事实上，谷歌是一篇引领世界的人工智能论文。发言人2 03:42然后在中国，事实上，如果我们仔细观察，我们也会发现，目前的国内大型模型制造商，基本上其创始团队人员与清华大学也有很高的联系。因此，事实上，在过去三年的全球100份人工智能文件中，清华也可以上榜。所以这其实是我认为观察是人工智能科研创新积累的技术指标。然后，包括今天像SASL这样的顶级期刊，我们可以看到过去几年互联网制造商在这一领域的积累，所以我认为科学研究和创新是大型模型技术的基本来源。这也解释了为什么今天有很多制造商可能在垂直领域，或者其他一些公司会说我们想投资于这个大型模型行业。但事实上，在大模型的背后，它实际上需要科学研究的积累。因此，从这个维度来看，我们将对传统互联网制造商在过去这一领域积累的投资更有信心。发言人2 04:52目前，我们实际上看到了国内企业的大型技术，事实上，主要有两种类型。第一个是自主研究的效果复制。说到这个地方，我印象深刻。今年年初，去年年初，不知道大家有没有印象。有一段时间，市场上说这个消息的模型甚至比百度的模型还要好。百度的模型连GPT2.5都达不到，对吧？其实当时为什么会有这样一个舆论的声音呢？事实上，这背后是因为事实上，今天所有的互联网制造商都采用了从0到1的技术路线。它必须重现GPT的出现。因此，这实际上解释了当时的节点，并不是说百度无法实现GPT3.5的能力，而是说它是通过自主研发复制的。所以他实际上需要从0到1实现一个建筑，这是第一种类型。发言人2 05:事实上，在51的第二类中，我们看到更多的国内应用程序制造商可能会采用更多基于海外开源的模型进行迭代。例如，像这样的百川智能。事实上，百川智能曾经在meta开源的llama上进行修改。然后通过对应用场景中某些参数的一些优化，实际上也可以从应用效果上进行一些优化。因此，目前实现大模型应用的路线主要有两种。发言人2 06:目前国内企业大模型团队主要有两个背景来源。第一个其实是一些有传统搜索推广背景的人。比如像我们提到的百川，像百度，对吧？所以它实际上是从传统的梭广推向大模型的。第二种可能是因为过去两年成立的团队比较新。事实上，在大GPT的技术背景下，它实际上是基于大模型的研究路线。事实上，这个地方在业内比较有名的是月之暗面的杨植麟，再加上清华的GOM简单的团队。以后我们还会有PPT来介绍他们两个团队的一个情况。发言人2 07:然后就是右下角的榜单，其实是目前海外的super。 glue是比较有名的。然后，通过它的列表，我们可以进一步参考一些国内大型模型的能力。目前海外有哪些税？事实上，为了回答这个国内大模型行业的未来，你会问很多基金经理，这是否与国内人工智能应用程序，由于计算案例的限制等，与海外的差距会越来越大吗？OpenAI是否是硬技术壁垒，其实是不可逾越的。事实上，我们通过采访国内外众多专家得出三个结论。发言人2 08:目前，Openai的核心能力主要体现在三个方向。总之，它实际上是项目中繁琐能力的构建，即enginering的一些繁琐细节。主要有三个方向。第一个是你如何收集训练模型的数据，包括你如何清理数据，如何安排你的数字结构，等等。这是第一个方向。第二个方向是如何设计你的模型结构。比如你的注意力机制，你的隐藏层，对吗？事实上，OpenAI在过去的这么多年里，他一直致力于这个大模型。所以他实际上在这个参数上做了很多不同的部署。所以这是模型结构的第二点。发言人2 08:第三点实际上是训练方法。例如，训练方法包括学习率和各种超参数。学习率是什么意思？例如，如果你让你的模型的所有参数重新运行，对吗？如果你的学习率太高，它实际上会导致你的模型，它可能会错过一些细节。如果你设定的学习率很低，会导致你训练的效果很慢，训练的效率很慢。因此，你如何在中间寻找最有效的指标，实际上需要你在这个方向上做出无数的尝试。因此，事实上，目前的OpenAI主要是基于数据模型结构和训练方法。他总结了一套完整的配方，所以这实际上是我们认为OpenAI的核心障碍。发言人2 09:52其实我们可以通过三个方向的总结来理解。其实AI不是硬技术壁垒，或者像光刻机等等。事实上，你需要一年四季都无法克服的障碍。事实上，事实并非如此。事实上，这更多的是随着时间的推移而积累的。然后伴随着目前应该有30个核心科学家。如果后续包括去年open的政变，对吗？随着越来越多人的传播，比如OpenAI可能已经从OpenAI转移到其他模型厂商，其实这种培训的一些配方也会有外流。发言人2 10:因此，既然我明白了这一点，我认为有一个问题可以回答。也就是说，国内的大模请厂家随着时间的推移，哪家大厂如果能在核心人员上有一定的突破。例如，你可能挖不到30个科学家，他们是chinese的核心，但整个公司有数百人。如果你将来找到一些核心人员，你实际上会复制你的模型能力，这相当于你复制作业，你会更有效率。因此，这实际上是我们需要密切关注这一领域各模型大厂人员布局的变化。所以这是我们总结OpenAI的能力。发言人2 11:现在我们刚才也说过，其实以后怎么看哪个模型会更有优势。一是继续观察其在科研领域的创新。第二个实际上是看哪个模型制造商在细分领域，它可以做一些场景应用的创新。发言人2 11:在这个地方，我以百川智能为例。比如王小川以前其实是做搜索的，对吧？所以今天，百川实际上使用了拉玛Aopen的开源架构。但是通过这几十年我在搜索领域的这个优势，他可以很快相当于我插上了一个知识库。然后我可以借助搜索来增强。事实上，我可以解决大型模型在及时性和幻觉方面的一些问题，以提高我模型的可用性。所以这其实是一种典型的优化应用水平的方法。发言人2 12:15刚才提到的是OpenAI的核心能力体现。以上是我们PPT的总结。刚刚还引用了一个百川智能在应用领域的这样一个一个的创新。然后通过这个搜索增强它来解决大模型幻觉和及时性的一些问题。发言人2 12:接下来，我们还想提出一个观点，那就是未来如何判断或研究。也就是说，我们认为，高质量的培训数据可能是各大工厂竞争的核心。其实我觉得很多学术论文都证明了这一点。例如，我记得包括GPT5最近的samm 在一次演讲中，他还提到，如果我将来在细分领域有高质量的培训数据，即使我不继续增加我的大模型参数，我也可以在这个回答效果上取得进一步的突破。因此，从这个维度来看，我们必须关注一些未来拥有高质量培训数据的平台，以及他们如何在模型能力上取得突破。发言人2 13:我也想在这个地方展开，分享一下什么是高质量的训练数据。记得去年年初OpenAI发布的时候，sam 他提到altman，他说我们不会用这个用户的回答来训练模型。其实这句话反过来说，用户的社交数据回答其实有效吗？事实上，它不属于高质量的训练数据。这是什么意思？就我记得我今年和腾讯的朋友交流的时候，腾讯其实自己洗了很多数据。洗完之后发现99%的聊天记录其实都是废话。发言人2 14:那么什么是高质量的训练数据呢？例如，今天我们去看这个视频号码，或者我们去看抖音，你会发现你有很多这样的知识，事实上，你是以多模式的形式学习的。例如，如果我今晚想烧一个炖排骨，我可能会通过这个视频号码找到一些制作这个炖排骨的方法。然后我可能会说我明天要学法语，我可能会通过视频号找到一些学习这门语言的方法。所以事实上，在我们今天的研究维度上，有几个平台是高质量的多模态训练数据。首先是腾讯的视频号码，然后是抖音，然后是像海外这样的话，比如youtube，对吧？事实上，这些数据都是高质量的，尤其是多模态数据。因此，未来拥有如此高质量的培训数据的平台可能对提高模型的能力有很大的帮助，因此这是我们想要表达的一个更重要的观点。发言人2 15:事实上，如果我们看看今天整个人类的历史，它实际上是一个有效的数据集。事实上，它的大小只有300到500B。我们还举了左边图片的例子。事实上，这种著名的模型制造商有时会说他超过了一两千元的数据。但事实上，超过500B的数据量实际上正在下降，因此这是高质量培训数据的一个维度。发言人2 15:接下来，我们想分享一些基础设施层面的需求，这些需求实际上伴随着大语言模型的进步。例如，我们刚才提到，因为高质量的训练数据非常重要。此外，这一轮大语言模型的突破本质上增加了非结构化数据的使用。非结构化数据是什么？过去，我们的传统表单，包括各种量化交易，实际上都是非常漂亮的结构化数据。今天，无论是语言对话、视频互动等。事实上，未来大语言模型的核心是将难以使用的非结构化数据带入分析领域。发言人2 16:31所以右下角的图片是我们从UBS全球CTO的问卷中看到的。其实这张图表达的一个意思就是大家只看粉色以上的这一部分。也就是说，你会发现，比如这个云数据仓库，有52%以上的企业表达在这个AI的背景下，对这个领域的需求有了很大的提升。另外，我们可以看到，比如这个。 learning 人工智能的一些运营商，比如你今天购买这个云计算资源的时候，包括甚至英伟达，它实际上会为你提供一些人工智能工具集。事实上，这些也是当前背景下一些非常新的需求，所以这是一些基础设施层面通过大语言模型带来的一些增量数据的需求。事实上，这些也是当前背景下一些非常新的需求，所以这是一些基础设施层面通过大语言模型带来的一些增量数据的需求。发言人2 17:在未来，我们实际上想分享一下我们刚开始谈论的问题，那就是我们如何看待国内外的模型差距。我们刚刚通过了几个维度。事实上，我们都可以通过这个科研维度、应用维度和数据维度得出结论。事实上，国内外之间的差距在未来肯定会逐渐缩小，因为它不是一个核心的硬技术障碍。发言人2 17:让我们先谈谈海外。目前，我们看到OpenAI一个接一个地出现，然后继续这样做。就像这个GPDS，还有早期的插件，他为什么要做这些事情？事实上，这也证实了我们刚才的观点。因为如果仅仅依靠这种模型技术的领先地位，它就不能继续保持领先地位。因此，他非常渴望建立自己的生态系统。事实上，今天的全球科技公司，我认为苹果实际上是生态最强的，对吧？因为苹果实际上垄断了世界上一半的用户，他使用iphone，对吧？发言人2 18:事实上，在未来，我们将从这个维度来思考如何解释大模型的竞争模式。目前，我们提出了C端的观点，我们认为它将非常集中，这可能是OpenAI的持续领导，这是可能的，也可能是后续的。比如像meta或者谷歌这样有高质量训练数据的大厂，也有可能追赶。甚至像苹果一样，它可能会垄断你的应用程序和硬件。所以苹果之前自己做的这个siri的这个入口，它也可能是一个非常直接的年新入口。因此，这是C端的一种模式，可能会变得非常集中。发言人2 19:目前，我们认为整个大模型的竞争将越来越差异化。如何理解这一点？目前，我们观察到，在海外，特别是几个月前，GPT发布GBTS后，硅谷基本上所有面向C端的初创公司都断开了融资链。这是什么意思？因为你会发现我通过最早的GPT开发了这样的人工智能应用。但很快，随着GPTS的推出，我过去几个月的工作可能是徒劳的。因为它帮助我一步一步地升级，它推出了一个更好的使用，更简单的工具集，但我们会发现硅谷在B端企业人工智能创新，实际上它仍然非常顺利，例如，我们看到像这个coherence，对于B端不同行业这样的模型公司。发言人2 20:我们仍然认为，由于不同的行业有不同的需求，24B端在未来呈现分层和差异化的核心原因。例如，像这样的金融业。我们在金融行业使用最多的能力可能是数据检索，也可能是信息的收集，对吧？如果你今天说这个金融行业，你需要去P地图，使用一些图像处理能力，那么这可能不一定需要很多。所以举个例子，比如coherent，他可能会通过增强一些特定的能力来削弱一些你可能不需要太多的功能，针对金融行业的客户。相反，它的GPT价格可能比OpenAI高出10分之一。也就是说，它具有更具竞争力的性价比优势。发言人2 21:所以，比如B端，如果你是医疗行业，可能会有一些垂直的需求。因此，我们认为，在未来的B端市场中，它将是一场多元化的分层竞争。因此，如果今天演绎到国内厂商，我们也认为这种观点是适用的。也就是说，一些服务于行业信息化的传统公司。如果它针对细分行业，它有更多的know how的话。在人工智能的背景下，它也可能有更定制的解决方案。所以这就是我们对未来大模型格局的猜测。发言人2 21:55我们再说一遍，既然我们觉得这个C端会比较集中，那我刚才说的是这个OpenAI会继续领先？还是说我们怎么看，苹果有可能又赶上了。从硬件的角度来看，他是更看好软件厂商，还是更看好硬件厂商。在这个地方，我只提出了一个思考的想法。发言人2 22:事实上，我们知道，如果这个大模型是今天的最终形式，它可能是人工智能 agent，或者这样一个大模型终端的应用程序形式可能是AI agent。AI agent是什么意思？今天，如果我和这个GPT互动，我和他的问题实际上是一次又一次的，我不能给他完成任务。将来有一天他会变得更加智能，也许就像一个这样的智能助手。我可能会给他安排一份深入的腾讯报告，我说明天晚上8点。所以也许这个小助手会自己构思我的深度报告大纲。然后可能会有一些数据搜索，他可能会打开excel帮我完成。那么AI未来什么时候AIAI未来什么时候AI？ agent可以成为这样一种非常智能的人机交互形式。发言人2 23:哪个厂商会更有优势？让我们从这个维度来思考，腾讯，包括华为和苹果。我是这么想的。如果我想在未来实现人工智能 agent是一个智能应用程序。首先，你的模型必须非常了解你的用户，也就是说，我的模型可能知道我是一名证券分析师，那么我可能会使用很多场景和需求类型。也许另一个用户，他是华为的工程师，也许他用的是不同产品的报价等等，对吧？其实和我的完全不同。发言人2 23:事实上，今天我就以腾讯为例，包括我们在单独的腾讯PPT中，我们也经常提到路演。事实上，腾讯是未来三年我认为最具想象力的互联网巨头。核心是构建今天和过去三年所做的整个小程序生态。事实上，它打通了他未来的人工智能 agent的铺垫和辅助。发言人2 24:24这是什么意思？想一想，比如你今天买东西，或者你晚上看视频号，他在这个入口。那你以后这个视频号电商，你买东西，你玩游戏，你在小程序里。然后你可以看到不同的文章，你也可以在小程序的生态系统中进行。所以其实小程序掌握了你衣食住行各方面的数据。所以从这个维度来看，腾讯可能比你的终端手机更了解你，对吧？发言人2 24:腾讯可以通过，它基本上可以构建一个完整的用户肖像。这对AIA的应用开发非常重要。比如你用的是华为的手机，那么华为可能没有能力这样捕捉这样的细节数据。当然，腾讯在做小程序生态之前是不完整的。因此，我认为这实际上是腾讯在人工智能领域开发的一个非常重要的基础，所以我认为这是腾讯的优势。发言人2 25:27这个地方硬件厂商有什么优势？事实上，我的核心是苹果垄断了手机的入口。所以在未来或过去，事实上，我们也看到了这场互联网制造商之间的战争。腾讯和360的3Q战争是如何解释的？一旦你装了360，你就不能装了。如果你装了，你就不能装360。如果未来的人工智能 当agent上升到一个非常重要的入口，每个人都可能无法离开时，苹果有可能通过这个apple吗？ store限制你可能无法下载相关应用程序，这实际上是可能的对策。所以当然，但我们目前还是看不到及时的风险。但这可能是未来硬件和软件制造商不会放弃的流量入口。所以这是我自己的想法。发言人2 26:26是从这个呃硬件还是软件厂商的角度，他如何帮助我们思考哪些厂商可以做这个AI？ agent会更有优势。所以这是我们想回答的第三个问题，是对未来大模型竞争模式的诠释。今天的第四个问题实际上是国内大型模型制造商和大型互联网制造商的生态布局。让我们先谈谈这个地方。目前，它主要分为两部分和两个派系。一个是像OpenAI这样的独立第三方模型团队。事实上，它和大工厂没有这样的关系，我强烈地绑定了它。接着，第二个实际上是互联网大公司自己投资的模型，自己的模型也不叫自己投资的模型。目前，这个独立的模型团队有三个核心，目前应该是业内第一梯队。发言人2 27:第一个27实际上是月亮的暗面，第一个和第二个他没有完全的顺序，我们的介绍是介绍月亮的暗面，因为我自己在路演的过程中，我发现很多人可能不太了解月亮的暗面。但事实上，如果你问AI这个技术界的朋友，他们都会提到杨之琳其实是一个非常好的团队。其实月之暗面的核心是杨之琳，她其实是目前各大模型厂商中最紧密的。无论是谷歌的Jamie，还是包括苹果的AI团队，都有过这样的直接科研经验。所以这其实是杨志林的背景。发言人2 28:事实上，目前月之暗面的核心产品是这款kimi。 chat。那么，如果我们比较一下这个模型的优点，它目前最大的优点实际上是处理长文本的能力。比如你把长篇小说放在这个kimi里 在chat中，你会发现，当他总结这个内容时，它明显优于市场上的其他一些模型制造商。我自己也试过这个，大家也可以试试。所以这是一个由月之暧昧的杨植麟领导的团队。发言人2 28:然后第二个独立的团队就是清华的朴素。目前简单的模型之一是GLM，大家可能都很熟悉，技术层面我们就不多说了。基本上，无论是直接的ChatGLM产品，还是像这个代码这样的垂直模型的扩展，它实际上都有一系列非常丰富的产品迭代。因此，质朴也是业内关注度较高的模型厂商。发言人2 29:然后第三个可能是王小川做的百川智能。我们一开始也介绍过百川，更有可能是在这个应用层面，他做了一些搜索增强的技术创新。在一些应用场景中，他可以做一些这样的优势。但目前，前三家基本上都在B端和C端，无论是月亮的暗面、简约还是百川智能。也许简单和月亮的暗面会比C端多一点。然后，百川的话可能会在B端的一些场景中使用更多，所以这是一些独立模型工厂的一些进展。让我补充一下这个地方。发言人2 30:比如像这样的简单，其实美团的模型就是用简单的。去年下半年，我记得我们在美团看过一个PPT，就是美团和质朴的合作相当于几千万的项目。然后我去部署和优化你美团外卖搜索的垂直场景的模型。我能达到的效果是，经过部署优化，我可以提高美团可能外卖广告的准确性，提高多少百分比。所以当时我们看到了他和美团合作的一些案例，所以除此之外，我们都会看到它有一些产品，包括G端和C端。发言人2 30:48今天的最后一部分，其实是想和大家分享一下国内互联网大厂的应用进展。因为回到我们刚才说的第一部分，是大模型竞争格局演绎的关键因素。如果你看看这个模型的成功元素，基本上可以提取出来就会发现。如果我以前没有在这个科研领域积累，那么我实际上是从去年开始做的，那其实是比较困难的。因此，今天中国在人工智能领域积累最强的，其实是掌握在这些互联网大厂手中的。以及我们提出的膏质量培训数据，基本上也是互联网大厂的优势。发言人2 31:让我们先看看腾讯。事实上，每个互联网制造商都有自己的业务，比如广告。事实上，商业形式仍然有许多交叉点。今天，我们具体来说，我们会选择一些他们特殊的场景来解释每个家庭。例如，腾讯可能会像广告一样，它们必须被应用。发言人2 31:56我们刚才说过，其实腾讯未来最有想象力的AI应用其实就是认为这种生态开展这样的人工智能 像agent这样的产品。比如以后我可以通过这样一个入口加小程序来做。例如，我去部署一些我办公场景的小任务，然后我可能会在未来，比如电子商务的一些需求，购物的需求，我也可能会转移到这样一个人工智能 agent是一个入口，这也是可能的。因此，这实际上是腾讯在人工智能方面最具想象力的事情之一。当然，在去年的第三季度报告中，公司本身也与我们分享，他们也很看，正好a smart agent。但目前内部还处于较早的立项阶段，所以目前确实没有更多的公开信息。其他腾讯，比如大浑源大模型，在腾讯云业务上的应用和拉动，其实和阿里的钉子差不多。例如，腾讯的文档，腾讯的会议，事实上，阿里钉也可能有一些相应的产品，具体会有一些小的差异，但整体产品形式实际上相对相似，我们不会谈论这些。发言人2 33:第二个我们再分享的是百度。在过去的这么多年里，百度一直想贴上这个AI的标签，也一直说自己是一家人工智能公司。事实上，去年也是第三季度报告的时候，我记得当时百度和我们的沟通就是说，一个是百度的核心广告这一块。由于AI效果的推动，目前已经明显可以看到。第一个是这种广要素材的创作效率。第二个其实是这个广告的便利性。其实我在阿里的那一页也有一个例子。发言人2 33:59在广告投放中如何提高效率？例如，当你过去想做广告时，你实际上需要选择一个非常详细的用户标签。比如我的产品是针对30到40岁的女性，然后我可能会选择这个收入的维度。事实上，在未来人工智能的背景下，我实际上通过直接提出我想要实现的广告效果。事实上，它可以帮助你生成一系列更智能的交付方案。发言人2 34:事实上，在32的背后，由于大模型的祝福，它将进一步细化该模型中的参数。也就是说，在未来大模式的背景下，其实广告商品的背景也是一个SKU，它也会有很大的提升。因此，在未来，它将更加完善每个用户广告的相应需求。因此，百度在广告上给了我们一些量化的指导。发言人2 35:事实上，百度最直接的影响之一就是百度的智能云。事实上，今天百度的智能云主要有两个方向，一个是我直接购买百度的AI云，对吧？那么这个词应该是百度云AI目前收入的一大部分。发言人2 35:22的另一部分，其实大家更关心的是我买了百度文心一言的API产生了多少收入。在过去的每周里，我们的团队实际上都会定期跟踪国内大型API的访问量。百度的崛起也很快，尤其是去年11月，百度的文心4.0发布后。事实上，在这个中文领域，它实际上可以达到与GPT3.5以上相似的水平。它可以在中文的单语言环境中实现。所以目前百度告诉我们，在第四季度，事实上，百度整个云的人工智能收入应该在那里，我记得他们当时说过，他说这是在一个高水平的比例。百度智能云年收入约200亿元。然后我假设5%相当于可能产生近10亿人工智能驱动的收入，这与人工智能有关。我们知道应该不到1亿。发言人2 36:33因为它的大模型去年11月才达到4.0，我们可能会看到API调用的收入比例在未来会进一步增加，所以其次是百度今天其实是文心的整个生态，它其实是在和GPT一起构建这个生态，他也在朝着这个方向努力。举例来说，我们也看到文心他做了一些行业内的插件辅助，然后他将来也可能会做文心的应用商店等等。所以其实这一块也是我们以后会继续跟踪的一个方向，所以这可能是百度的情况。发言人2 37:第三个是阿里巴巴。事实上，阿里最熟悉的是阿里云。如果我们今天去看这个IDC数据，其实22年和23年，其实百度是国内AIAI语音第一，阿里云其实是第二。如果你不看人工智能，事实上，阿里巴巴云的份额非常高，远远高于百度。事实上，你有云计算的基础。事实上，你将在未来的云计算基础上做很多人工智能应用。事实上，你会有更多的粘性来向客户推广这样一个现有用户。所以刚才说的像腾讯腾讯会议这样的sas应用，其实阿里云也有。那我们就不谈具体了。发言人2 37:然后，其实去年很火的一个。其实这款妙丫相机的应用背后其实是阿里的大娱乐团队做的。然后我可能记得当时有一个问题，那就是为什么阿里巴巴会做这样一个看起来很轻的应用程序。大型互联网制造商可能不一定会产生任何实质性的业务驱动力。发言人2 38:19但事实上，如果我们深入观察，其实妙鸭相机真正想要扩展的是人工智能在影视行业的应用。例如，事实上，我们可以看到阿里最近的娱乐团队，他实际上可以通过自己开发一个大模型来做一些事情。例如，在影视剧的拍摄过程中，他也许可以用AI来处理一些特效。它可以通过人工智能取代一些，包括数字人餐饮等。它实际上可以取代一些线下场景拍摄。发言人2 38:52所以其实当时的妙只是阿里大娱乐在这个影视行业的一次非常早期的尝试。因为我们可以看到这样一个非常生动的人物形象的快速生成。所以这其实是阿里AIGC未来可以期待的一些应用。所以这可能是阿里特别的。让我们谈谈。发言人2 39:然后像阿里的B端，像广告业务，我们刚刚举了一个例子。例如，从传统类别词的发布到今天我直接通过阿里的广告平台，这个万象平台是无限的，对吧？我直接告诉他我想达到什么样的营销效果。事实上，他通过人工智能的大模型快速学习能力，实际上可以提高我的广告投放的ROI，对吧？这也是品牌主台广告主台关注的一些指标，所以这是阿里巴巴的一些应用。发言人2 39:48最后，让我们看看字节。事实上，字节在过去。正如我们一开始提到的，字节最有价值的东西不同于其他大工厂，因为它实际上是一个训练多模态数据，包括tiktok，这实际上是非常重要的知识。所以现在我们会发现它的内部，实际上是去年8 事实上，在九月之前，他一直走多条腿。其实他的各个部门都在做这个AI方向的一些研发，包括火山引擎，然后像这个字节云雀，对吧？然后你会发现字节的整体力量可能集中在明确的方向上。事实上，字节在这个AI产品上，除了它现有的一些生态应用，比如今日头条、抖音等等。事实上，我们也可以看到，他试图推出一些新的人工智能产品，典型的有两种我们认为更有趣。发言人2 40:52一个是国产豆包，类似于百度的文心言等。，也就是这样一个类似C端AI对话的工具。但是除了豆包，我们会发现他也试图在海外做一些新的AI应用。比如第一个叫APP。 trip treat chop这个应用其实有点像这个AI agent的概念。我自己点击了这个应用程序，也就是说，在你进入这个应用程序后，你可以在不同的场景中选择你，然后它背后实际上有不同的人工智能工具来支持你。所以它不是一个像豆包一样统一的入口。相反，它在不同的场景中，它在背后，它实际上可以为你提供200多个不同的人工智能机器人。例如，在这个学习场景中，在这个娱乐场景中，在这个绘画场景中，你可以选择最适合解决你的任务的人工智能机器人来服务。所以这其实可以看出是一个字节推的这样一个AI 像agent这样雏形的产品。发言人2 42:然后他在海外做了第二个产品。二是CCI。CCC和豆包很像。他只是想成为你最有帮助的朋友。他可以在C端聊天。目前，我们可以看到像CC这样的产品，其网页上的用户可以停留10分钟。其实这个比刚才提到的豆包高几倍。豆包现在用户可以停留大约四分钟，所以可以看出，C级可能在用户粘性方面做得更好。因此，我们的后续行动也是一种流量趋势，我们关注的是一些互联网大厂推出的垂直应用。因此，在过去的字节中，他有这样一个很好的积累，因为他做了抖音C端的应用程序，然后是数据积累。因此，我们可能认为他将来会做一些C端产品，它也可能有一些优势，所以这可能是字节方向的一些布局。发言人2 43:所以总的来说，回到我们今天开始的大纲，我想和大家分享这个主题，我会做一个总结。其实国内哪些大模型最有潜力？目前国内有两个流派，对吧？一是自主研发模型的复制，二是在开源的基础上进行一些应用创新。一些典型的第三方模型团队和国内大型互联网制造商。发言人2 43:通过我们去看这个OpenAI，我们刚刚总结了它的三大配方。在这个数据中，在这种训练方法等模型结构中，它有这种繁琐的enginering工程师建筑。事实上，在未来，随着OpenAI知识人员的传播，我们将看到国内模型制造商的能力将继续提高。因此，我认为海外市场在不久的将来可能会相对悲观，但我认为国内市场可能会与海外大不相同。但事实上，如果我们梳理这一逻辑原理，我们会认为，特别是在24年内，我们应该看到中国可能有一些模型工厂，它可能达到GPT4的能力。事实上，GPT4的能力可以满足一些基本场景的产品开发。比如办公场景，教育场景等等。所以这是我们刚才想回答的第一个和第二个问题。发言人2 44:第三个问题是如何看待OpenAI未来的商业模式和竞争格局。我们提出，未来C端相对集中，B端可能是多层次的C端。因为它是集中的，它必须在未来的大工厂之间竞争。今天，软件制造商与硬件制造商进行比较。软件制造商可能会在用户肖像和用户数据上构建更纯粹、更完整的图像。但事实上，我们必须考虑这个软件的入口是否会被硬件颠覆。因为今天，像苹果这样的用户入口可能仍然是一个强大的垄断。因此，在这个维度上，我们应该继续观察硬件和软件制造商之间的竞争。在软件制造商中，我们倾向于掌握更多的用户数据和用户肖像的未来，从而创建人工智能 agent是一款全面、智能化的产品。发言人2 45:在中国，我们可能仍然认为腾讯是一家更具优势的公司，所以这是第三点。第四点，我们最后和大家分享了一些国内的大模型，可能已经进入了一些应用的阶段。每个大型制造商都围绕着自己的传统互联网生态。无论是在这个云计算方向，还是在我们自己的sas软件产品中，这都是B端办公室，或者我们在C端看到的字节中推出的一些聊天工具，或者像智能和agent这样的产品。事实上，这些都是国内互联网在整个2023年GPT年初爆发后的进一步行动。所以最后，截至2024年，我们实际上是我们团队的核心。我们仍然认为，2024年，海外已经清楚地看到了人工智能应用的效果和财务数据的显示。同样，如果我们看到中国，我们认为中国实际上只是比海外慢一点，但我们实际上更有信心。因此，也许在整个2024年，我们也应该在中国看到它，尤其是一些拥有领先大型模式的公司。也许他们在这个产品开发方面会有更多的优势，所以这可能是我们的整体观点。国信证券