(資料圖片)

■機會挖掘

■國信證券

大模型參數(shù)量級飛漲，相應訓練集需同比提升。李開復定義AI2.0時代的特征是通過海量數(shù)據(jù)，無需標注自監(jiān)督學習，訓練一個基礎大模型，并在各領域?qū)⑵鋵I(yè)化。據(jù)相關論文，當模型的參數(shù)量大于某閾值，會展現(xiàn)出類似推理、無監(jiān)督學習等未曾出現(xiàn)的能力，這種現(xiàn)象被稱為“涌現(xiàn)”，因此目前大語言模型參數(shù)均在十億量級以上。同時，Deepmind研究表明，模型參數(shù)的上漲需要配合等比例上升的優(yōu)質(zhì)數(shù)據(jù)集來達到最佳訓練效果。因此，大模型參數(shù)在十億級以上發(fā)展并受限于優(yōu)質(zhì)數(shù)據(jù)集的增速是AI發(fā)展的必然趨勢。

大模型增長挑戰(zhàn)芯片算力和內(nèi)存，無法實現(xiàn)完整端側(cè)部署。大模型訓練和推理的三大瓶頸是算力、顯存和通信，根據(jù)我們的測算，算力方面GPT-3 訓練所需算力為121528TFLOPS，若30天內(nèi)完成，需要1558顆A100。內(nèi)存角度，GPT-3訓練至少需要3.2T內(nèi)存，至少44張A100，推理任務則主要受顯存限制，需要4至8張A100，因此完整的模型無法在終端上離線運行。

優(yōu)化后大模型可在旗艦機型芯片上運行，AI落地有望推動新一輪換機潮。AI部署本地化具有必要性，優(yōu)勢包括更低的延遲、更小的帶寬、提高數(shù)據(jù)安全、保護數(shù)據(jù)隱私、高可靠性等。完整的大模型僅參數(shù)權(quán)重就占滿一張80G的GPU，但是通過量化、知識蒸餾、剪枝等優(yōu)化，大模型可以在手機本地實現(xiàn)推理。高通團隊使用驍龍8Gen2部署StableDiffusion，實現(xiàn)本地運營15秒出圖，證明了大模型本地化運行的可能，也體現(xiàn)出目前手機芯片的局限性。根據(jù)IDC數(shù)據(jù)，1Q23全球手機銷量中主處理器頻率超過2.8GHz的占比36%，價格在1000美金以上的占比13%，即旗艦機型占比較低，隨著AI大模型在邊緣端落地，有望推動新一輪換機潮。

以大語言模型為核心，以語言為接口，控制多AI模型系統(tǒng)，構(gòu)建“賈維斯”式智能管家。我們認為大語言模型不僅可以實現(xiàn)對話、創(chuàng)意，未來也有望作為眾多復雜AI模型的控制中心，同時也是接受用戶指令的交互窗口，實現(xiàn)《鋼鐵俠》電影中“賈維斯”式綜合智能管家。23年5月，Google推出PaLM2輕量版Gecko，其可在最新的旗艦機型上離線運行。同月，OpenAI首次推出ChatGPT移動端應用，各家大廠正式進入AI模型移動端創(chuàng)新、競爭時期。智能音箱、全屋智能中控屏、手機、MR等均有望成為這一時代的交互入口。

產(chǎn)業(yè)鏈相關公司：半導體：晶晨股份、瑞芯微、全志科技、北京君正、兆易創(chuàng)新；消費電子：傳音控股、歌爾股份、福立旺、聞泰科技、創(chuàng)維數(shù)字。

（文章來源：金融投資報）

關鍵詞：