《钢铁侠》电影中“贾维斯”式综合智能管家。23 年 5 月，Google 推出 PaLM 2 轻量版 Gecko，其可在最新的旗舰机型上离线运行。同月，OpenAI 首次推 出 ChatGPT 移动端应用，各家大厂正式进入 AI 模型移动端创新、竞争时期。 智能音箱、全屋智能中控屏、手机、MR 等均有望成为这一时代的交互入口。 产业链相关公司：半导体：晶晨股份、瑞芯微、全志科技、北京君正、兆易 创新；消费电 5%的代码文档来自与编程相关的网站； 12.5%维基百科；6.25%英文网页文档；6.25%的非英语网络文档，数据集中的单词 总数为 1.56T，而 OpenAI 使用了 45T 数据。未来如何获得高质量的训练集始终是 各家大厂的首要竞争领域。 图8：LaMDA 模型训练数据来源 资料来源：谷歌，国信证券经济研究所整理 请务必阅读正文之后的免责声明及其项下所有内容 证券研究报告 8 表1：GPT 参数和训练集规模快速增长 力的需求，还要解决上千 块 GPU 的分布式训练问题，需要考虑到上百台服务器之间的通信、拓扑、模型并行、 流水并行等，这也是复现 GPT-3 的核心难点，模型发布后一年也只有 NVIDIA、微软等 大厂成功复现，目前开源的 GPT 模型库就主要是 NVIDIA 的 Megatron-LM 和微软的 DeepSpeed。 请务必阅读正文之后的免责声明及其项下所有内容 证券研究报告 11 终端部署具有必要性，轻量化技术优化模型

如何解决？ 合规：模型本身是否自主可控？数据是否安全合规？信创要求。 选型：现在市面上第一类大模型由互联网大厂，像阿里、腾讯、华为等大厂研发的相关产品。那第二类是专注单点应用的小厂，比如专注 于 Agent 平台和 Agent 应用开发。第三，现有垂直供应商。所有企业用户都会关注选型问题，虽然大模型大厂本身技术能力很强，但不 一定特别理解企业自身业务场景，而现有的垂直厂商本身技术能力会受到多方质疑，所以选型是重点关注的问题。 企业级大模型落地解决方案服务 6.2 DeepSeek大模型一体机 6.3 企业选择大模型产品的考察维度 6.4 企业大模型应用专业顾问 厦门大学大数据教学团队作品 6.1 企业级大模型落地解决方案服务 云厂商为代表的大厂 - 具备强大基础能力，可解决复杂问题；构建通用能力支持共性需求；拥有自研模型和充足算力，提供全方位服务 AI应用企业为代表的服务商 - 注重用户体验流畅性；对特定行业理解深入，提供贴合行业需求的方案；基于场景经验提供实用服务

及算力、教育业务理解、教育数据等竞争要素的差异，在行业中分据而立。展望未来竞争态势， AIGC技术具有显著的资源密集和依赖特点，大力出奇迹的暴力美学路径已被行业所验证，未来格 局仍会以有着多类型资源积累的大厂占据主要份额，创新企业可以依据特定场景深入理解而切入， 但若没有自主大模型仍然会受制于人。同时，通用大模型与教育垂类大模型的关系，正向着各司 其职、融合发展的方向持续演化，未来可能呈现出通用大模型与N个专家模型多重组合的形态。 com.cn AIGC+教育商业模式探索 MaaS定制化服务探索、软件功能升级与硬件外化、传统技能培训服务 在底层技术创新驱动下，MaaS（Model As a Service）服务通常以技术大厂为主，可提供通用的API接口收取调用费用，也可向学 校、教育局、教企等开放模型，支持客户的定制化服务，帮助客户做特定场景或区域的模型，这对厂商的技术、算力、数据能力是 多重考验。在应用驱动下，商业模 • 2023年5-6月，科大讯飞学习 机加持大模型后GMV创新高 MaaS服务 常规服务与定制化 3 收费： • 根据API调用情况收费 • 为校企定制化开发模型收费 评价： 以大厂为主，考验厂商技术、算力、 教育数据支持能力 案例：OpenAI与讯飞大模型收费情况 技术驱动 AIGC技能培训 传统教培逻辑 4 收费： • C端个人技能提升服务 • B端和G端校企采购收费

芯片产业是高技术壁垒行业，目前 主要由英伟达垄断，我国与海外市场差距较为明显，短板突出且需要时间成本投入；算 法层存在一定机会，但由于模型的训练是一项长回报周期、高资金投入的工作，最终市 场将呈现马太效应，会由少数大厂具备通用大模型能力，并朝着基础设施的方向演化。 电子硬件作为承载应用的终端载体，在各类创新应用发展的推动下，将迎来需求的增长。 图8：2023 年中国 AIGC 产业应用图谱 数据来源：艾瑞咨询，东吴证券研究所

11 资料来源：相关公司官网，Wind，ARK Invest，华西证券研究所  市场竞争：近年来越来越多的厂商（如特斯拉、奇瑞、小米、小鹏、NAVER）开始布局人形机器人，导致竞争日益激烈。各大厂商为 争夺市场份额，不断推出性能更优异、价格更低廉的产品。市场竞争压力推动人形机器人价格不断下降，也推动了技术的进步与成 本的优化。特别是中国厂商的进入，依靠中国供应链在规模与完备性上的优势，极大降

140 120 100 80 60 40 20 0 100% 80% 60% 40% 20% 0% -20% -40% -60% 国内外云服务商资本开支快速增长，国内大厂增速明显 请务必阅读正文之后的免责声明及其项下所有内容 图：微软季度资本开支 图： Meta 季度资本开支 图：谷歌季度资本开支 图：阿里巴巴季度资本开支 图：腾讯季度资本开支 图：亚马逊季度资本开支

反欺诈、内部知识图谱等都是较好的应用场景，除了验 印，其他应用取得的效果尚需时间的检验，银行寄予厚 望的风控，除了反欺诈效果不错外，大模型的应用效果 并不理想，因为可解释性不强，面向的客群不同，所以 与互联网大厂有不小的差距。评分、评级依然是传统模 型为主。智能客服用于呼出效果尚可，但客户接收度并 不高，比如笔者接到的呼出电话，绝大多数就直接挂断 了，AI 永远代替不了的可能就是人与人之间有温度的

[22] 这一点可能会对大部分企业的发展产生一定的限制。 结语：Web 3.0的未来合规路在何方？ 监管政策的不同使得Web 3.0在中西方走出了完全不同的两条路 径。有人热血沸腾，要“走出大厂，All in Web 3.0”;有人怅然若 失，感慨“Web 3.0与中国无关”。无论是数字藏品、虚拟数字人， 还是社交、供应链和应用场景，或许东西方有所不同，但是其背后 的AR、VR、隐私计算、大数据、人工智能技术都是共通的。无论在

是业务相对标准，容易复制；第三是具备规模优势，可以降低运营成本（公司的体量大了之后，可以在 RFID 标签的主要 原材料拿到较好的价格，比如芯片、导电胶、不干胶、纸等）。 3、国内的 RFID 标签大厂，比如信达物联与上扬无线，笔者翻看了其最近几年的财报数据，他们的净利率能够维持在 10% 左右，这主要是因为国内的标签厂价格内卷太严重，导致毛利率本身就比较低，但这类公司可以把成本控制的比较 好。