首页行业分类人工智能AI2023-04-13-信达证券--电子行业专题研究:AI大模型的长期垄断形成与竞争要素
PDF

2023-04-13-信达证券--电子行业专题研究:AI大模型的长期垄断形成与竞争要素

娣玲11页1.3M

下载文档
/11
全屏查看
2023-04-13-信达证券--电子行业专题研究:AI大模型的长期垄断形成与竞争要素
还有 11 页未读 ,您可以 继续阅读 或 下载文档
报告派所有资源均由用户上传分享,仅供网友学习交流,未经上传用户书面授权,请勿作商用。
1、本文档共计 11 页,下载后文档不带水印,支持完整阅读内容或进行编辑。
2、当您下载文档后,并不意味着拥有了版权,文档仅供网友学习交流,不得用于其他商业用途。
3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!
4、本本所有内容不构成任何投资建议,不具有任何指导和买卖意见。
5、如文档内容存在违规,或者侵犯商业秘密、侵犯著作权等,请点击“违规举报”。
信达证券CINDA SECURITIES证券研究报告A!大模型的长期垄断形成与竞争要素行业点评2023年4月13日本期内容提要:行业专题研究(普通)GPT模型基于Transformer,,它的本质即全局特征提取器。将词向量、位置向量和分段向量相加,便得到了GPT模型的输入表示。在电子模型的训练过程中,这些向量将通过多层Transformer结构进行处理,以捕捉词汇之间的复杂关系。词向量(Token Embeddings):每投资评级看好个词片段都被映射到一个固定长度的向量,捕捉该词片段的语义信息。这些词向量在模型的预训练过程中学习得到。位置向量上次评级看好(Positional Embeddings).:GPT使用固定长度的位置向量,用于捕捉词片段在输入序列中的位置信息。这些位置向量与词向量相加,生成包含位置信息的输入表示。分段向量(Segment Embeddings):执业编号:S1500522090001GPT-2不使用分段向量,但在GPT-3及BERT等其他模型中,它们联系电话:13437172818用于区分不同的输入段。模型的训练就是寻找这些向量之间存在的位箱:mowenyu色cindasc.com置关系,以发现语言作为知识的载体,其本身所蕴含何种数学相关性。提升参数亚=提升性能、提升泛化能力,长期业断局面可能形成:从韩序杰联系人箱:hanzijieecindasc.com论文研究来看,参数量的提升有助于构建语言预测模型的精确度,同时提高泛化能力。泛化能力的提升意味着一个参数量超级庞大的大模型,其在垂直细分领域的预测能力可超过针对垂直领域开发的中等参数量模型,这意味着A]的发展长期也是强者恒强的垄断过程,即参数量超级庞大的模型在任何垂直领域都具备优势,垂直细分的小模型难有生产空间。数据标注的地位被弱化,A!产业的经济竟争也是文化竟争:无论是GPT还是SAM,其在训练过程中,大量依靠互联网原生内容训练,因此一种语言的高质量文本内容的丰富程度,将决定基于该语言的大模型能力强弱,中文互联网文本内容生态亟待加强。>Al大樸型至少是一次中等规模的产业草命:仅从时间节点ChatGPT的表现来看,A!的能力边界取决于过去人类产生的知识,它对于工业来说就是极大地降低了知识获取难度。将人类知识的海洋汇聚于一个语言的入口,它更像是windows之于电脑,开启了普通人接触高性能设备的通道,也开启了电子产品A!从企业瑞进入消费端的大门。>针对电子行业,我们认为在大模型格局未完全形成之前,参数量的无上限堆砌是各家企业发力的焦点,故算力的“军备竞赛”无可避免,若以动态视角来看A]芯片及服务器相关上游的弹性存在超预期可能。建议关注:兴森科技、兆威机电、芯原股份、寒武纪、通富微电。风险提示:1.技术迭代不及预期:2.地缘政治风险:3.技术路径、产业趋势发生重大变化。北京市西城区闹市口大街9号院1号楼邮编:100031请阅读最后一页免责声明及信息拔露http/www.cindasc.Com2