Chat-GPT的出现和中在短期内的规模化破冰将会为从用户音乐创作（UGC）到AI音乐创作（AIGC）的转型提供更多关键的远距支持。结合Chat-GPT的下层控制技术方式论，我们认为Chat-GPT中在短期内规模化的路径可能将包括：1）Chat-GPT对文本逻辑系统的AIGC应用领域具有重要意义，在概括性的文本类组织工作中展示出了极其优异的整体表现。2）标识符开发相关的组织工作更加匀称适于AI远距聚合。3）影像聚合应用领域领域：GPT数学模型在图像聚合应用领域领域目前效果远胜于蔓延数学模型，但蔓延数学模型能利用Chat-GPT聚合更佳的Prompt，提供更多强悍的文本形态的动力。4）智能化客服人员类的组织工作。Chat-GPT的获得成功证明了Transformer数学模型并非陷入困境，急速的AI控制技术方式上的新突破正驱动亚洲地区AI产业发展进入加速发展阶段，共振AI产业发展软件产业效应的急速凸显，AI产业发展可望成为亚洲地区科技应用领域领域中期最具投资价值的产业发展赛车场之一。AI产业发展可望继续保持“晶片+INS13ZD基础设施+AI框架&演算法库+应用领域情景”的稳定产业发展供应链内部结构，拥有完整统计数据生态圈内部结构、较好统计数据自处理潜能的企业可望持续成为得益。
▍调查报告共相：Chat-GPT惹来新一轮AI红极一时，探索规模化几率。
OpenAI项目组最新公布的词汇数学模型Chat-GPT于2022年11月30日向社区发布试验，并立即收到了较好的意见反馈。从试验意见反馈的结论看，较之于前一代的GPT-3，Chat-GPT以谈话为载体，能提问多种多样的日常问题，对数轮谈话历史的记忆潜能和字数增强。与GPT-3等大数学模型较之，Chat-GPT提问更全面，能多维度多方位展开提问和阐述，相较以往的大数学模型，科学知识被发掘得更充分。Chat-GPT的强势“出圈”引来了对其今后可能将的规模化路径的一系列试验，从试验结论来看，在概括性文本、音乐创作性文本、标识符修改、科研远距和其它应用领域领域Chat-GPT均整体表现出了前代所没有的优点。谈话式AI开始能在大范围、mammalian问题上得出普遍稳妥的答案，并根据语句形成有一定的方式论性的创造力提问。第一集调查报告将关注Chat-GPT背后的控制技术方式论和对AI产业发展链的整体影响和规模化破冰几率。
▍控制技术方式论：GPT-3.5基础上基于人类文明意见反馈自学展开额外体能训练，得出了Transformer数学模型今后的发展路径。
OpenAI项目组从 GPT-3.5 系列中的一个数学模型展开微调，使用与InstructGPT相同的方式，即人类文明意见反馈强化自学（RLHF）体能训练该数学模型可能将将告别过去一味拼接信息量大小的时代。Chat-GPT的获得成功是在前期大量坚实的组织工作基础上实现的，不是陨落的控制技术跨越。数学模型找出了一种面向主观任务来发掘GPT3强悍词汇潜能的方式，让数学模型“弹出”（unlock）和发掘GPT3教给的海量中的科学知识和潜能。因此从这样的下层控制技术方式论出发，我们能迅速找出中在短期内适合Chat-GPT的规模化路径：一个真正多方位的智能化内容聚合助手。
▍AI产业发展影响：INS13ZD成本下降+高质量统计数据催生下层应用领域，数学模型开放成为今后趋势，并加速迭代效率。
Chat-GPT的获得成功证明了两点：1）单纯扩大数学模型参数并非唯一出路；2）让数学模型在早期开放给大众试验并收集人类文明意见反馈统计数据更有利于数学模型迭代。在近10年AI发展的前两个阶段，人工智慧化的进展更多体现在基于规模的控制技术突破，如2015-2020年，用于数学模型体能训练的计算量增长了6个数量级，同时随着规模的增大，输出结论的质量亦迎来质变，在词汇文本、书写、影像识别等应用领域领域皆整体表现出超越人类文明的水平。但在实用层面，由于所需要的INS13ZD巨大，往往需要特殊的GPU配置，同时体能训练过程相对封闭，大多数人并无法使用，因此控制技术无法被多数人触达。而人工智慧化的第三个阶段，随着更新的控制技术、更优的演算法、更大的数学模型出现，INS13ZD的成本越来越低，使得数学模型体能训练与运行所需成本持续下降，而演算法从封闭试验到开放试验、开源的逐渐普及，亦降低了使用门槛。由此人工智慧化无论在经济性与可获得性上都达到了支持普及的水平。得益于AIGC基础设施可获得性的逐步提高，平台层变得更加稳固，INS13ZD成本持续下探，数学模型逐渐趋于开源与免费，应用领域层爆发式发展的节点正在靠近。
▍应用领域情景：实现从UGC到AIGC的助推器。
目前我们正经历从Web2.0开始向Web3.0转型的启航阶段，我们已经看到内容创造从专业音乐创作（PFC）转型为了用户音乐创作（UGC）。而Chat-GPT的出现和中在短期内的规模化破冰将会为从用户音乐创作（UGC）到AI音乐创作（AIGC）的转型提供更多关键的远距支持。结合Chat-GPT的下层控制技术方式论，我们认为Chat-GPT中在短期内规模化的路径主要分为四大板块。
1）Chat-GPT对文本逻辑系统的AIGC应用领域具有重要意义，在概括性的文本类组织工作中展示出了极其优异的整体表现。中在短期内Chat-GPT能在办公远距类工具中迅速破冰，例如会议总结、文件翻译、例行调查报告等，提升办公效率并节省人力成本。
2）标识符开发相关的组织工作更加匀称也适于AI远距聚合。2021年中与Github、微软合作上线的Copilot是目前最成熟的AI标识符补全工具，根据Github统计数据，试验一年来已有120万用户，这些用户编写的标识符中40％是由Copilot自动聚合，而截至2022年10月，Copilot已经融资2200万美元。Chat-GPT在目前试验中整体表现出的标识符聚合潜能较之于Copilot更加灵活，但欠缺一些下层的稳定性。在展开针对性的优化后，基于新GPT数学模型的AI标识符远距工具也可望在中在短期内破冰。
3）影像聚合应用领域领域成为了2022年下半年一级市场公司布局的热点，随着Dalle2的热度，在商稿方面用AI取代人类文明画手的思路基本明确。GPT数学模型在影像聚合应用领域领域目前效果远胜于蔓延数学模型，但蔓延数学模型能利用Chat-GPT聚合更佳的Prompt，对AIGC内容和日趋火热的艺术音乐创作，提供更多强悍的文本形态的动力。
4）Chat-GPT最适合直接破冰的项目就是智能化客服人员类的组织工作。根据数学模型现有的完成度，在垂直行业针对性的做人工意见反馈体能训练，Chat-GPT就能破冰为智能化客服人员产品，在toC情景中率先应用领域。对比目前的智能化客服人员，Chat-GPT支撑的客服人员将在灵活性与人性化服务方面有显著的进步。
▍风险因素：
AI核心控制技术发展不及预期风险；科技应用领域领域政策监管持续收紧风险；亚洲地区宏观经济复苏不及预期风险；宏观经济波动导致欧美企业IT支出不及预期风险；亚洲地区云计算市场发展不及预期风险；企业统计数据泄露、信息安全风险；行业竞争持续加剧风险等。
▍投资策略：
Chat-GPT数学模型的亮眼整体表现的背后是研究者在Transformer数学模型前进的道路上发现了类意见反馈强化自学这一方式带来的潜力，对产业发展界AI的发展而言，统计数据质量的优化、AI研究人员的储备与计算潜能将是今后能否走在AI应用领域前沿的核心潜能。Chat-GPT的获得成功证明了Transformer数学模型并非债台高筑，急速的AI控制技术方式上的新突破正驱动亚洲地区AI产业发展进入加速发展阶段，共振AI产业发展软件产业效应的急速凸显，AI产业发展可望成为亚洲地区科技应用领域领域中期最具投资价值的产业发展赛车场之一。AI产业发展可望继续保持“晶片+INS13ZD基础设施+AI框架&演算法库+应用领域场景”的稳定产业发展供应链内部结构，拥有完整统计数据生态圈内部结构、较好统计数据自处理潜能的企业可望持续成为产业发展得益。
本文源自：金融界
作者：中信证券
