一、GPT-4正式发布，多模态能力带来更多应用想象

1.1、OpenAI发布GPT-4，能力全面升

GPT-4 正式发布，性能全面升。2023 年 3 月 15 日凌晨，OpenAI 正式发布了 GPT-4 预训练大 模型，相比于 GPT-3.5 模型进行了全方位的升。实际上在半年前 OpenAI 就已经完成了 GPT-4 的模型，随后又采用对抗性测试对 GPT-4 进行了 6 个月的迭代调整，保证其在真实性、可操作性 和安全方面达到x好。GPT-4 仍为 Transformer 架构的预训练模型，与 ChatGPT 类似，同样采用 了基于人类反馈的强化学习（RLHF）方法，在一些专业和学术领域上已经达到了人类水平，是 OpenAI 在人工智能领域的又一里程碑。

GPT-4 相比 GPT-3.5 具有四方面的能力提升： 1) GPT-4 具有一定的多模态能力，能够进行图文结合输入的分析。GPT-4 是一个多模态模型， 它能够接受图片和文本输入，并输出文本回复，相比 GPT-3.5 增加了对图像模态的分析推理 能力。与业界之前的预测不同，GPT-4 并不具备多模态的生成能力，即无法从文本输入中得 到图片（类似于 DALL-E），只能对图片的输入进行分析，并且图片输入目前仍处于研究预 览阶段，还未对公众开放。根据 OpenAI 显示，GPT-4 对图片的处理分析能力达到了很高的 水准，这相当于机器拥有了视觉并且能够进行思考，在应用层面有非常广的空间。比如，完 全可以成为视力障碍人群的眼睛，给出题目的图片能够直接进行解题步骤的输出等，在教育 领域有广泛的落地场景。

2) GPT-4 在复杂专业领域的性能表现大幅超过 GPT-3.5 和当下的 SOTA 大模型。据 OpenAI 显示，GPT-4 和 GPT-3.5 在一些普通的谈话测试中的性能区别不大，但是在处理较为复杂 和专业的任务上，GPT-4 相比 GPT-3.5 则表现更优。在美国律师资格考试测试中，GPT-4 的成绩可以达到前 10%，而 GPT-3.5 只能达到后 10%的水平。与 SOTA 模型（state-of-theart model，目前x好的模型）相比，GPT-4 也展现出了更好的性能。

3) GPT-4 能够处理更长的文本，具有更好的创作能力和逻辑推理能力。ChatGPT 处理的文本 字数上限为 3000 字，而 GPT-4 可以处理超过 25000 字的长文本，支持内容创作、对话拓展 和文档分析等功能。在创造性方面，GPT-4 可以辅助用户进行生成、处理和迭代创意工作， 例如创作歌曲、编写剧本或学习用户的写作风格。与 ChatGPT 相比，GPT-4 的逻辑推理能 力更进一步，在复杂的推理问题中表现更佳。4) GPT-4 支持用户自定义 AI 的对话风格。在 OpenAI 的开发者直播中可以初步窥视 GPT-4 的 页面布局，用户可以左侧的 System 栏中输入命令来定义 GPT-4 的交互对话风格，而不是像 ChatGPT 一样只有一种风格。我们认为，自定义 AI 对话风格对于基于 GPT-4 的二次开发应 用来说是非常方便的，开发者可以轻松地创造出具有个人独特风格的 AI 应用。

GPT-4 已开放给 ChatGPT Plus 用户使用，并且开放了 GPT-4 API 使用申请，使用成本大幅提 升。据 OpenAI 显示，目前仅有 ChatGPT Plus 的订阅会员用户能够访问 GPT-4，但存在容量上 限，OpenAI 会对此进行持续扩展和优化，未来可能会推出免费的 GPT-4 试用版和更高的订阅 版本以供用户获得更多的使用容量。OpenAI 同时开放了 GPT-4 API 的使用申请，开发者可以申 请进入 GPT-4 API 的等待列表，OpenAI 会逐步邀请开发人员开始试用 API。目前提供给开发者 的 API 只能进行文本的输入，分为 8k 和 32k token 两个版本，x便宜的 8k-prompt 版本的定价为 0.03 美元/1k tokens，相比于之前发布的 GPT-3.5-turbo 的 0.002 美元/1k tokens 要贵十倍以上。

1.2、GPT-4有望带来多场景智能化升

GPT-4 已在多领域落地，微软官宣证实 New Bing 背后的大模型就是 GPT-4。伴随着 GPT-4 的 发布，OpenAI 也给出了 GPT-4 的 6 个应用实例，涵盖了教育、金融和x领域。例如在 Duolingo 里加入 AI 与用户进行日常聊天，加速用户对语言的学习；摩根士丹利采用 GPT-4 来对 其知识库进行管理，帮助员工快速访问想要的内容。微软也在 GPT-4 发布后官宣，New Bing 背 后的模型就是 GPT-4，并且将随着 GPT-4 的更新持续迭代。我们在之前的报告中已多次提到，大 模型的能力将对产业智能化带来重大影响。随着 GPT-4 的发布以及性能飞跃，大模型在各领域有 望迎来进一步的落地应用。考虑到其对话交互的特性，我们看好 GPT-4 在如下几个领域的应用。

1) 教育场景：GPT-4的自定义AI风格能力与其连续对话交互能力与教育场景十分契合，对不 同性格的学生采用不同风格的AI作为虚拟导师，回答学生的问题、提供个性化的学习建议 和教育资源、分析学生的学习进展等，达成对学生进行个性化教育的目标，使得每个学生都 能以x大化的效率进行学习。此外GPT-4还能作为教师的辅助教学工具，帮助教师更好地 管理教学过程和学生。例如，教师可以使用 AI 来分析学生的学习数据，针对不同的学生制 定更加个性化的教学计划和评估学生的学习成果。GPT-4的图片分析能力还能够辅助教学过 程中的阅卷工作，实现对主观题的评分，减轻教师工作负担，提高阅卷的公正性与准确性。

2) 医疗场景：GPT-4 丰富的专业知识使其能够做好辅助诊断的工作，通过分析医疗记录、病历 资料、诊断报告等数据，提供有关疾病诊断、治疗方案和药物处方等方面的建议和指导，帮 助医生更加准确地诊断和治疗疾病，提高医疗质量和治疗效果。在医学影像领域，GPT-4 新 增的图片分析能力也可以用于CT等图像的诊断，智能标记出存在症状的图像区域。将GPT4 与可穿戴设备结合，可实现对重症患者的全天候健康监测，进行实时健康风险评估，帮助 患者做好健康管理等。

3) 企业经营管理办公场景：GPT-4 的对话交互特性与逻辑分析能力可以助力企业经营管理办公 全流程的效率提升。在企业的 OA 系统中，GPT-4 可以辅助员工快速智能地进行流程办理； 在企业 ERP 系统中，GPT-4 可以通过数据分析来辅助企业进行经营决策；在办公环节， GPT-4 的长文本理解能力有望对会议、文档和邮箱场景带来效率提升。 4) 工业设计场景：GPT-4 在复杂专业领域的性能以及其多模态分析能力可以成为良好的工业设 计辅助工具。例如在 CAD、CAE、EDA 等工业设计软件领域，GPT-4 可以作为其中的插件 来进行模型的辅助设计、图纸生成等。清华大学土木工程系的陆新征课题组已经将生成对抗 网络技术应用到了结构设计中，能够自动为剪力墙进行配筋，结果基本和普通的结构设计软 件给出的配筋结果一致。能力更强的大模型在这方面的应用更加值得期待。

二、百度发布会召开，文心生态圈持续扩大

2.1、“文心一言”正式发布，具备多模态能力

百度的对话式大模型“文心一言”正式发布。3 月 16 日下午，百度 CEO 李彦宏在发布会上正式 揭开了“文心一言”的面纱。“文心一言”是百度新一代知识增强大语言模型，它基于百度 ERNIE 及 PLATO 系列模型的基础进行研发，其大模型的训练数据包括万亿网页数据、数十亿的搜索数据和图片数据、百亿的语音日均调用数据，以及5500亿事实的知识图谱等。李彦宏表 示，虽然“文心一言”的实际能力还并不挺好，但希望通过发布后的真实用户反馈来帮助大模型 快速迭代，加速模型能力的提升。

“文心一言”具备五大能力： 1) 文学创作：发布会现场以《三体》为例，“文心一言”能够对《三体》进行续写，并能回答 事实相关问题，体现出了强大的总结分析与推理能力。 2) 商业文案创作：“文心一言”能够为公司起名提供创意，并能直接进行商业新闻稿的创作， 展现了模型的理解表达与创作能力。3) 数理逻辑推算：“文心一言”能够看出题目本身存在的错误，并能给出正确题目的解题步骤， 具备较强的数理逻辑能力。 4) 中文理解：“文心一言”基于大量中文语料进行训练，能够解释“洛阳纸贵”背后的经济学 原理，并能写出藏头诗，展现了对中文的强大理解能力。5) 多模态生成能力：“文心一言”可以输入文字生成图像、音频和视频，并支持多种方言生成。 文字生成视频的能力现阶段还未对外开放，但百度旗下的百家号已经在使用这项技术。

“文心一言”的多模态生成能力亮眼，多模态是未来大模型的发展趋势。从“文心一言”现场演 示的几大功能来看，x为亮眼的当属其多模态的生成能力，能够支持图像、音频和视频多种模态 内容的生成，而 OpenAI 的 GPT-4 目前还没有多模态的生成能力，在应用领域将会有更广阔的的 空间。我们认为，多模态是未来 AI 大模型的发展趋势，随着百度多模态统一大模型的能力增强， “文心一言”的多模态生成能力也会不断提升。

“文心一言”是新一代知识增强大语言模型，具有六大核心基础模块。百度 CTO 王海峰提到， “文心一言”与别的大语言模型相比，除了有监督精调（Supervised Fine-Tune）、人类反馈的 强化学习（RLHF）、提示（Prompt）这三项大模型均会采用的基础训练模块外，增加了三项具 有百度特色的核心基础模块：知识增强、检索增强、对话增强，充分利用了百度旗下的百度知识 图谱和百度搜索引擎等产品的能力。

1) 知识增强：“文心一言”的知识增强主要是通过知识内化和知识外用两种方式。知识内化是 从大规模知识和无标注数据中，基于语义单元学习，利用知识构造训练数据，将知识学习到 模型参数中；知识外用，是引入外部多源异构知识，做知识推理、提示构建等等。 2) 检索增强：“文心一言”的检索增强，来自以语义理解与语义匹配为核心技术的新一代搜索 架构。通过引入搜索结果，可以为大模型提供时效性强、准确率高的参考信息，更好地满足 用户需求。 3) 对话增强：基于对话技术和应用积累，“文心一言”具备记忆机制、上下文理解和对话规划 能力，实现更好的对话连贯性、合理性和逻辑性。

2.2、文心生态圈持续扩大，大模型带来新的产业机会

“文心一言”生态圈已加入650家企业，落地场景涵盖各行各业。李彦宏在发布会上宣布，已有 650 家企业首批接入了“文心一言”，涵盖了互联网、媒体、金融、保险、汽车、企业软件等行 业，百度大模型在 B端的生态圈迅速扩大。我们认为，随着“文心一言”的首批生态企业应用逐 步落地，百度将建立起开发者及用户调用和模型迭代之间的飞轮，加速构建开放繁荣的技术生态， 在推动公司增长的同时，也对中国生成式 AI 的发展带来了巨大的促进作用。

“文心一言”将在 3 月 27 日正式开放，大模型的发展将带来三大产业机会。“文心一言”目前 仍处于邀请制内测阶段，百度智能云官方宣布将于 3 月 27 日召开发布会，届时“文心一言”将正 式向大众开放。李彦宏在“文心一言”发布会上预测，大模型的发展有望带来三大产业机会：新型云计算、行业模型精调和应用开发。我们在之前的报告《文心一言发布在即，大模型有望引领 产业智能化变革》也有展望过，MaaS 未来将有望成为大模型落地的新形态，通过模型蒸馏技术 将大模型“瘦身”成为垂直行业模型，能够大大降低模型搭建的成本。我们认为，随着“文心一 言”的发布，基于大模型的垂直场景化模型以及基于垂直模型的应用开发将会快速增加，AI 市场 有望迎来需求的大幅增长。

百度具有人工智能全栈布局，长期的技术积累和生态优势助力百度成为国内对话式大模型先行者。基于搜索引擎这每天然的自然语言理解与处理的入口，百度从诞生开始就逐渐在NLP、语义理解方面进行持续的技术积累。过去数十年，百度深耕人工智能领域，目前已经拥有芯片、框架、模型和应用四层技术栈，文心大模型自2019年推出以来也历经了多次迭代，目前已经具备较强的泛化能力与性能。良好的技术储备与自身的生态优势使得百度成为了国内对话式大模型的先行者，我们也十分看好“文心一言”发布后在各个产业中的落地应用。

三、微软和英伟达相继召开发布会，AI应用广泛落地

3.1、微软推出Microsoft 365 Copilot，办公场景根本性变革

微软宣布 Microsoft 365 服务全面接入 AI 驱动工具 Copilot。3 月 16 日晚，微软在“The Future Work with AI”发布会上宣布将人工智能大语言模型技术（LLM）引入 Office 应用程序，推出了 AI 助手——Microsoft 365 Copilot，帮助用户提高办公生产力。该 AI 助手由 OpenAI 的 GPT-4 技术 驱动，出现在 Microsoft 365 应用的侧边栏，可以作为一个聊天机器人随时召唤，带来更智能、更 高效的办公体验。微软 CEO 表示，Copilot 的核心特点是通过自然语言理解用户的需求提供更加 个性化的服务，基于自然语言技术将大模型、用户数据和应用结合起来。

Copilot 打通微软办公产品线，数据在各个产品中自由流通。Microsoft 365 Copilot 将大语言模型 的能力与储存在 Microsoft Graph 中的数据如邮件、文档、会议、日程、聊天等以及 Word、Excel、 PowerPoint、Teams、Outlook 等办公产品全部联系到一起，通过四个步骤将用户的文本命令输 入转化为应用层的执行。Copilot 以迭代的方式来处理和编排这一系列流程服务，形成了集合大模 型、用户数据和应用的 Copilot System，实现了多种令人惊叹的功能。

1) x步：用户在办公产品端通过文本输入 prompt，Copilot 接收用户的 prompt，并通过 Grounding 技术对 prompt 进行预处理，其核心是调用 Microsoft Graph 来检索与此 prompt 相关的业务内容背景信息，并基于这些信息对 Prompt 进行修改； 2) 第二步：Copilot 将修改后的 prompt 发送给大语言模型 LLM； 3) 第三步：Copilot 获取到 LLM 对 prompt 产生的回应，并再次通过 Grounding 技术对回应进行 后处理，包括额外的图形调用、对 AI 生成结果的安全性、合规性检查等，并生成对应用的 调用命令； 4) 第四步：Copilot 向用户发送x终回复和对应用程序的调用命令。

Copilot 与 Microsoft 365 应用紧密集成。微软将 AI 助手 Copilot 与 Word、Excel、PowerPoint、 Outlook、Teams 等产品紧密结合，成为高效的生产力工具。用户可以用 Copilot 实现在 Word 中 生成文稿，为 PPT 增加图片和动画效果，在 Excel 里分析用户输入的数据并将结果生成可视化图 表，帮助 Outlook 进行邮件管理和智能生成回复，在 Teams 里进行会议实时总结和会议纪要生成 等功能，甚至可以在不同的产品应用间进行格式转换，例如要求其根据给定的 Word 文档创建 PPT，大地提高了用户在办公场景的效率。

Business Chat 功能将数据转化为知识，大幅提升办公效率。Copilot 提供了 Business Chat 功能， 横跨了所有的数据和应用，用 Microsoft Graph 将来自文档、PPT、电子邮件、日历、便笺和联系 人等的数据汇集在一起。比如可以直接通过与客户的聊天、邮件、日历等信息进行总结，按照 A 文件的格式编写包含 B 计划的时间表并给相关联系人发送邮件等。同时，团队中的每个人都可以 在同一个Chat页面上共同进行业务的推进，比如在员工 A 创建了文档后，员工B可以直接命令Copilot对文档进行修改，实现了协同办公效率的大幅提升。

Copilot 作为流程编排引擎驱动流程自动化与业务应用开发的 AI 变革。微软将 Copilot 也接入到 了旗下的低代码开发平台 Power Platform 中，用户可以在 Power Apps、Power Virtual Agents 和 Power Automate 中用自然语言描述他们想要的应用、功能和流程，Copilot 可以在几秒钟内完成 应用和流程的创建，并提供改进的建议。在 2022 年 10 月上线的预览版 Power Automate 中，采 用了 AI 驱动的流程自动化创建能够节省约 50%的时间，大幅提高了业务工作效率。

3.2、英伟达GTC 2023召开，展现AI多领域应用

英伟达 GTC 2023 正式召开，展现 AI、加速计算及其他领域的突破性进展。北京时间 3 月 21 日 晚，英伟达 CEO 黄仁勋为 GTC 2023 进行了主题演讲，对英伟达在 AI 应用、加速计算等软硬件 领域取得的新进展进行了介绍。经过几十年的经营，英伟达不仅成为了全球领先的 AI 算力提供商， 也构建了一套围绕着实际产业运转的 AI 应用生态，在自然科学、化学制药、视觉解析、数据处理、 机器学习和大模型领域成为不可或缺的一环。

AI 产业迎来“iPhone”时刻，英伟达联手云厂商推出 DGX 云服务。黄仁勋在演讲中多次表示， AI 产业正处于“iPhone”时刻，生成式 AI 技术的快速进步引发了全球企业对 AI 战略制定的紧迫 感。为了方便企业客户更快地访问英伟达 AI 算力与应用库，黄仁勋在演讲中宣布英伟达将与微软 Azure、谷歌云、Oracle OCI 合作，推出英伟达 DGX 云服务。这一合作将英伟达的生态系统引入 了云服务厂商，大地扩展了英伟达的触及范围。这意味着当下性能x佳的 DGX AI 超计算机 将成为能够提供多租户的云服务设施，一众试图训练自营大语言模型、图片模型的企业，将能直 接通过云服务快速实现自己的愿景。目前已有 50 余家企业客户已经开始使用 DGX 云服务，涵盖 了医疗、媒体、金融等多个行业领域。

生成式 AI 将重塑几乎所有行业，行业模型有望成为未来大趋势。生成式 AI 是一种新型的计算平 台，与 PC、互联网、移动设备和云诞生的时代类似，先行者们已经在利用生成式 AI 打造新的应 用，利用其智能自动化和协同创作能力来改变传统的行业运行模式。对于某些具有较高专业性的 领域比如医疗、药物等行业，可能需要用专属的行业数据来构建定制化的行业模型，以满足该行 业的特定要求。我们在之前的报告《文心一言发布在即，大模型有望引领产业智能化变革》也有 展望过，通过模型蒸馏技术将大模型“瘦身”成为垂直行业模型，能够大大降低模型搭建的成本， MaaS 在未来将有望成为大模型落地的新形态。

英伟达推出 AI Foundations 云服务，提供从建立模型到上线运营的全套服务。对想要建立独有 的垂直领域行业模型的客户，英伟达推出了 AI Foundations 一站式云服务，从模型的构建到生成 应用上线，英伟达就类似于芯片行业的台积电，成为了生成式 AI 领域的代工厂，协助客户快速构 建、优化和运营大模型，把制造大模型的能力传递到每一个用户。英伟达 AI Foundations 由三个 部分组成：

1) NEMO：NEMO 是用于自然语言文本的生成式模型，提供 80 亿、430 亿、5300 亿参数的 GPT 模型，客户也可以引入自己想要的模型。Nemo 会定期更新额外的训练数据，可以帮助 企业为客服、企业搜索、文档处理、市场分析等场景定制生产生成式 AI 模型。 2) PICASSO：PICASSO 是一项视觉语言模型的制作服务，可以用于训练能够生成图像、视频 和 3D 素材的模型。客户可以基于英伟达提供的 Edify 大模型或是自建定制模型来进行训练 和优化，得到自己想要的生成式 AI 模型。Shtterstock 目前正在与英伟达合作开发一款以其 专业的图像、3D 和视频素材库进行训练的 Edify-3D 生成式模型，用于简化创意制作、数字 孪生和虚拟协作中 3D 素材的创建过程。Adobe 也与英伟达合作，发布了 Adobe Firefly 这一 生成式 AI 工具，将生成式 AI 融入了营销人员和创意工作者的日常工作流中。

3) BIONEMO：BIONEMO 是针对于生物制药领域的 AI 模型服务。生物制药行业目前正在转向 利用生成式 AI 来发现疾病靶因、设计新型分子或蛋白质类药物、以及预测药物对机体的作 用等。BIONEMO 可以为用户提供创建、微调、提供自定义模型的平台，包括 AlphaFold、 ESMFold、OpenFold 等蛋白质预测模型。生成式 AI 模型可以在给出氨基酸序列的条件下快 速准确地预测目标蛋白质结构，预测蛋白质和分子的相互作用等，大地提升了x佳候选药 物研发的效率。

工业软件领域与 AI 大模型能力的结合值得期待。本次英伟达 CEO 的主题演讲中，AI 与专业的创 意设计、工业设计、模拟仿真类软件结合方式为 AI 大模型的落地带来了新的场景，在驾驶仿真、 粒子特效运算、动画制作、材质表面生成、物理效果等领域都有良好的应用。我们认为，随着 AI 能力的持续进步和业界对 AI 应用方式的不断探索，像 CAD、EDA、BIM 等工业软件也有较大成 长的机会，其模型设计、图纸生成等功能都与大模型能力十分契合。未来随着国外头部厂商进行 大模型方向的创新应用，国内的相关工业软件企业也会有较大发展空间。

四、生成与通用领域双线发展，人工智能迈入“双G时代”

大语言模型的诞生带来了新的知识表示和调用方式的变迁。自计算机诞生以来，知识表示和调用 方式历经了两次大的变迁。在互联网诞生之前，x为常见的知识表示方式是关系型数据库，通过 SQL 语句进行调用，精确度高但调用的方式较为复杂，代表的公司比如 Oracle 等数据库的巨头公 司。随着互联网的诞生与搜索引擎的诞生，知识的调用方式变化为了关键词搜索，方便程度提高了，但是对于知识调用的精确度却有所降低。而大模型的诞生进一步提高了知识调用方式的自然 度，仅需通过自然语言交互即可访问想要的知识。

当下人工智能在生成和通用两条主线上不断发展，迈入“双 G 时代”。目前人工智能x火热的两 个赛道分别是生成（Generation）和通用（General），这两条赛道相互交织并行，AI 领域也进 入了“双 G 时代”。在生成领域，以 DALLE-2、Stable Diffusion 等引领的生成式 AI 技术与 AIGC 概念如火如荼；在通用领域，AI 研究者们现在都在朝着通用人工智能（Artificial General Intelligence, AGI）的方向不断努力，大模型不断增强的多模态感知能力就是迈向 AGI 的重要途径。 这两条赛道是密不可分的，像百度的“文心一言”大模型就既具有多模态的生成能力，又能够回 答大部分的通用问题，具有一定的通用人工智能能力。

OpenAI 及其 GPT 系列模型是当前人工智能赛道上的领跑者，超大规模模型带来的知识涌现能力 是 ChatGPT 出圈的关键。OpenAI 和 GPT-4 毫无疑问是当下人工智能领域x为耀眼的明珠，回 顾 GPT 系列模型的发展历程，2018 年 OpenAI 发布 GPT-1 模型，仅有 1.17 亿参数，性能也落后 于谷歌随后发布的 BERT 模型，BERT 也成为当时 NLP 领域x常用的模型。OpenAI 持续在 GPT 模型上发力，陆续推出规模更大的迭代版本 GPT-2 和 GPT-3，在 OpenAI 的研究中，发现了当模 型参数到达一定规模时，模型会开始涌现出 In-context learning（上下文学习）、Chain ofThoughts（思维链）、Zero-shot（能够处理未见任务）等能力，而这样的能力成为了 ChatGPT 能够“更像人”的关键。

“文心一言”已达“能用”标准，我国在人工智能赛道上将持续追赶。从近期的“文心一言”相 关测试来看，距离 GPT-4 还有很大差距，但是其能力展现已有 GPT-3 的水平，达到了“能用” 标准，在 B 端、垂直行业端等都有应用的空间。我们认为，我国的人工智能技术起步晚，经验积累不足，但是发展速度较快。随着我国相关科技公司大力投入生成式 AI、大语言模型的研究，我 国在 AI 的“双 G 时代”中将持续扮演追赶者的角色，争取和国际领先水平缩小差距。