|
五 AI+办公及相关公司 1、微软发布+GPT-4，开启办公智能化新纪元 2023年3月15日OpenAI发布全新的多模态大模型GPT-4，GPT-4相较于GPT-3实现了多模态信息输入、文本处理容量提升、回答准确度提高、对专业知识的处理能力提高、能够生成创意文本并实现风格变化等方面的能力提升，极大地拓宽了GPT-4在企业级服务领域的应用能力，使其能够处理数量较大、专业性较强且形式多样的办公数据，并生成准确度较高的有效处理结果。具体而言，GPT-4的主要优势包括： 1）接受多维度信息输入：GPT-3主要接受文本类型的输入，而GPT-4可以接受输入文本和图像。 2）文本输出能力增强：GPT-4比以往更具创造性和协作性，可以创作歌曲、编写剧本或学习用户的写作风格。相比之下GPT-3只能简单的对文本进行编辑。此外GPT-4的文本处理容量也有所提升，目前GPT-4能够处理超过25000字的文本。 3）回答准确性显著提高：尽管目前GPT-4仍然存在错误回答的现象，但GPT-4相对于以前的模型已经显著减轻了幻觉问题。在OpenAI的内部对抗性真实性评估中，GPT-4的得分比最新的GPT-3.5模型高40%。与此同时，GPT-4在TruthfulQA等外部基准上也取得了进展，测试表明，模型GPT-4具备从不正确陈述中分离事实的能力。 4）专业知识的处理能力：当任务的复杂性达到一定程度时，GPT-4比GPT-3.5更可靠、更有创意，并且能够处理更细微的指令。OpenAI在为人类设计的模拟考试上对GPT-4进行了实验，结果表明，GPT-4在各种专业测试和学术基准上的表现与人类水平相当。例如，GPT-4通过了模拟律师考试，且分数排名位于前10%左右；相比之下，GPT-3.5的得分在倒数10%左右。 5）“角色扮演”回答用户：在GPT-4中用户可以在初始谈话时设置角色，后续GPT-4可以一直基于用户设定的角色来进行相应问题的回答，回答更具有人类色彩。
2、Microsoft 365 Copilot：AI时代的生产力革命 2023年3月16日，微软发布全面接入GPT-4的Microsoft 365 Copilot，开启AI+办公软件史诗级革命。Copilot将GPT-4的生成式AI能力全面集成至Microsoft 365办公套件中，不仅能够实现在各个办公软件中自动生成内容，同时AI还打通了Microsoft 365中各个应用的数据壁垒，极大提高产品集成度，使办公产品的协作性大幅提升。 目前Copilot主要以两种方式集成到Microsoft 365中： （1）辅助工作 Copilot嵌入到Word、Excel、PowerPoint、Outlook、Teams等所有Microsoft 365应用程序中，用户能够使用自然语言调用Copilot辅助工作，包括在应用内根据要求生成信息，调用其他应用内的信息并进行整合分析等，以释放创造力、释放生产力和提升技能。 1）Word Copilot与用户一起写作、编辑、总结和创作。1）写作：Copilot能够根据简短的自然语言提示生成文档初稿，并根据需要从其他Office应用中引入信息；2）编辑及总结：Copilot可以在现有文档中添加内容、总结文本、改写文件；3）创作：Copilot会建议用户的写作语气，还可以帮助用户在写作中加强论点、消除错误。
2）Excel Copilot帮助用户分析和探索数据。1）分析：用户用自然语言向Copilot提出关于数据集的问题，Copilot能够分析数据之间的相关性，提出相应的假设方案，并根据问题推荐新的公式。2）探索：Copilot根据用户问题生成模型，还能够识别数据潜在趋势并创建可视化图表。 3）PowerPoint Copilot帮助用户从其他Office应用中调取信息并生成演示文稿。Copilot可以从Office 365的Word、OneNote等应用中调取数据，并将文件转化为带有演讲者笔记和资料来源的演示文稿，或者根据一个简单的提示或大纲生成一个新的演示文稿。
4）Outlook Copilot帮助用户整合并管理收件箱。Copilot可以总结邮件内容，根据简单提示以及其他Microsoft 365应用中的内容自动生成回复邮件，并可根据需求修改邮件的长度和语气。 5）Teams Copilot帮助用户开展更高效的团队会议以及安排会议议程。1）高效团队会议：Copilot能够在会议中帮助用户组织关键讨论点，并总结关键的行动。在会议中，Copilot还可以随时解答参与者的问题，并帮助回忆用户错过的信息。2）安排会议议程：将Copilot添加到会议和对话中，Copilot可以根据聊天历史创建会议议程并确定合适的参会人等。
（2）Business Chat Business Chat基于大语言模型、Microsoft 365应用程序和日历、电子邮件、聊天记录、文档、会议和联系人等软件中的数据运作。用户使用自然语言向Copilot提问，比如“告诉我的团队我们是如何更新产品策略的”，它就会根据早上的会议、电子邮件和聊天记录生成一条回复。 Microsoft 365 Copilot Business Chat功能：Business Chat功能使用户可以将文档、演示文稿、电子邮件、日历、笔记和联系人中的数据汇集在一起。目前，Microsoft Copilot 365预览版客户可以在Microsoft Teams中访问Business Chat。 3、Dynamics 365 Copilot：互动式人工智能助手 2023年3月7日，微软推出AI工具Dynamics 365 Copilot，该工具集成了Dynamics 365和OpenAI的大语言模型，成为企业运营过程中的互动式AI助手。Dynamics 365 Copilot应用GPT的文档生成、数据分析、在线问答、创意生成能力，实现包括让数据分析师和营销人员用自然语言直接与数据交互，帮助销售人员、客服人员和其他用户自动完成撰写电子邮件、生成电商目录等日常工作自动化，从而释放员工生产力。 Microsoft Dynamics 365整合了CRM和ERP的功能，建立了按需构建的应用模块来管理业务功能。CRM相关功能包括商业中心、客户服务、客户数据、市场营销等，ERP相关功能包括供应链管理、智能订单管理等。Dynamics 365采用订阅模式收费，对于已订阅首个Dynamics 365 App的用户后续订阅其他功能将采用优惠价格。
4、相关公司 （1）金山办公：WPS+AI应用潜力大 金山办公的WPS产品为国内AI+办公软件生态落地最佳场景，已拥有多项AI功能。金山办公拥有办公应用套件WPS Office，为对标Microsoft 365的AI+办公软件应用落地优质场景。目前，金山办公AI中台面向计算机视觉、自然语言处理、语音处理等算法研究方向，围绕办公领域，已开发出近百项AI能力，包含能够一键美化PPT的“智能美化”、能够实现AI自动生成段落的“智能写作”功能等。预期随着国内AI大模型技术逐渐落地，公司有望实现WPS产品全面与AI整合升级成为下一代办公软件套装。 智能写作产品以自然语言处理为核心、面向多领域自主研发智能写作机器人，支持文本自动生成、辅助成稿写作、句子智能补写、文本智能校对等功能。智能美化功能可以自动为纯文字内容推荐多种PPT样式，并加入背景、调好字号和格式。该功能推荐的PPT样式是使用AI算法基于文字内容的语义产生的。如果用户已有素材图片，只需要把素材堆放在幻灯片上就可以一键美化图片，自动整理好排版并加入动画特效。 公司已深耕AI多年，将进一步主动拥抱AI技术变革。自2017年起，AI即上升至金山办公产品战略之一，公司AI业务已经历技术研发、技术产品化两个阶段，进入当前的AI产品业务化阶段，计划将AI产品沉淀转化为公司实际业务以推动公司业绩增长。面对生成式AI技术变革，根据采访，公司2023年将在AI领域进一步重点发力，尤其将在AIGC方面实现更多技术应用突破，主动拥抱AI技术变革。
（2）彩讯股份：接入文心一言探索邮箱新应用 彩讯协同办公业务以信创邮箱+统一办公平台为核心，服务电信运营商、金融企业、大型央国企和政府组织等。公司协同办公业务以“信创邮箱+统一办公平台”为核心，主要负责为电信运营商、大型企业、政府和高校等组织提供套件化的办公邮件组件、企业办公协作系统等协同管理软件，主要产品包括RichMail邮箱系统、RichOffice统一办公平台、RichDrive企业网盘、RichMOA移动办公系统、RichAPM应用性能管理系统等，主要客户包括中国移动、中移全通、中国联通等运营商，中国银行、中国银联、中国人寿等金融企业，以及国家电网、中国邮政等大型央国企。 彩讯接入百度文心一言，将探索AI在邮箱等核心产品中的应用。2023年2月，彩讯股份成为百度“文心一言”的首批生态合作伙伴，双方将共同探索AI核心技术在彩讯电子邮件RichMail等核心产品及电信、金融等核心行业的率先运用，并围绕技术创新、场景孵化、生态建设等多方面展开深入合作。预期AI将赋能彩讯RichMail邮件系统，帮助其实现邮件摘要自动生成、邮件撰写智能提示、邮件智能分析、邮件智能搜索、邮件智能分类等功能。对标微软Outlook，预期彩讯接入百度文心一言后，彩讯邮箱应用也将为生成式AI在国内落地应用的优质场景，公司将受益于此次AI+办公软件技术变革浪潮。
六 AI+医疗及相关公司 近年来，随着医疗数据集的快速扩张、硬件设备的迭代升级、算法模型的优化改进，AI在医疗场景中的技术积累越发成熟，应用场景日益丰富。为疾病检测、诊断及治疗模式带来深刻变革，为提升居民健康质量提供新方式。近期GPT技术的突破再次引燃市场关于AI+医疗/医药的讨论关注。
包括制药、辅助诊断、影像、医疗器械在内的医疗健康领域是AI率先实现应用的行业之一。2015年开始，AI在图像识别方面的准确率大幅度提升，驱动AI+影像快速发展。而语音识别的精准度提升以及临床知识库的发展，也推动辅助诊断服务逐渐兴起。随着DeepMind两代AlphaFold实现了蛋白质空间结构预测的重大突破，AI+制药也进入高速发展期。
1、AI影像 （1）AI医学影像空间更大，2030年国内有望达1554亿 人工智能在医学影像的科室应用更广泛，场景更丰富，下游更广阔。医学影像是指针对人体或人体某部分，以非侵入方式取得内部组织影像的技术与处理过程。人工智能技术能够显著缩短影像阅片速度、提高诊断效率、减少错诊误诊率，可以广泛应用于多个科室，应用场景涵盖早期的筛查、诊断到中后期的治疗、随访，具有非常可观的市场空间。根据报告，国内人工智能医学影像市场规模有望从2020年的不到10亿元增长至2025年的442亿元，年复合增长率高达135%。全球来看，预计人工智能医学影像市场有望从2020年的不到10亿美元增长至2025年的646亿美元，年复合增速有望达到147%。
AI医学影像起步早、渗透率低，开始进入商业化初期。医学影像数据丰富，占所有临床数据的80%以上，是最早实现全球标准化的医疗数据之一，并且容易获取、处理难度小，因此和人工智能技术契合度较高，是AI医疗领域率先突破的应用场景。2020年国内首张AI影像辅助诊断领域三类证获批，比AI病理提早了近3年。截至2023年4月，国内已经有超过30张AI影像相关的医疗器械三类证获批，主要集中在肺部、眼底、头颈、心血管等领域。相比病理诊断，影像诊断的审批也更加成熟，行业已经开始进入商业化阶段，但整体渗透率较低，还有很大提升空间。预计随着更多科室产品的注册获批，AI影像产品有望加速普及。
（2）入院推广、商业变现能力有望持续升级 软硬件协同推广有望加速AI影像产品入院。人工智能医学影像产品主要用于放射、超声等科室，配套CT、MR等大型影像设备来使用，因部分核心组件供应限制等因素，影像科设备整体仍然依赖进口，从科室角度出发，硬件设备自主化的需求更加显著，预计软件+硬件的协同推广有望加速AI产品入院。而AI病理依赖的设备主要是数字化扫描仪（以及脱水机、组织包埋机、显微镜等），本土品牌在扫描精度、速度、通量等方面都已与进口贴近，病理医生本身的经验判断更加重要，解放人力的诉求可能更加强烈，人工智能的应用增益有望更加显著。 盈利模式有望从一次性付费向按次付费升级，打开市场空间。对于影像科而言，人工智能系统相关的机器折旧费、影像诊断费、软件使用费缺乏统一的标准，科室和患者习惯原有的付费模式，大部分AI医疗器械企业通常一次性或者分批次收取软件售卖收入，按次付费较少。而病理科常年受益ICL，相应的AI企业有时还要承担前期样本运输、玻片制作等工作，天然形成按次付费的变现模式。预计未来随着AI影像渗透率的不断提升，按次付费的应用占比将逐渐增加，带来商业模式的优化与盈利水平的提升。 2、AI制药 AI制药是将机器学习（Machine Learning）、自然语言处理（Natural Language Processing）及大数据等人工智能技术应用到制药领域各个环节，进而促进新药研发降本增效。目前主要应用于药物研发阶段的药物发现、临床前阶段，随着ChatGPT的不断应用，AI向临床开发阶段的渗透有望持续加快。
DeepMind两代AlphaFold引领行业进入高速发展期。梳理AI+制药的发展历程，能够发现AI与制药的结合逐步深入，成为生物制药企业的常态化工具。经历了包括Exscientia、Atomwise、英矽智能、晶泰科技在AI新药研发领域的早期探索（2014-2017年）、最早一批AI+新药企业开始获得临床前候选药物（Pre-clinical candidate,PCC）一类的验证性成果（2018-2019年）后，DeepMind推出的AlphaFold和AlphaFold2实现了蛋白质空间结构预测的重大突破，引领行业进入高速发展期。 近期，类Chat的生成式AI开始出现，印证AI与药物发现的结合逐渐深入。比如Salesforce Research、Tierra Biosciences和加州大学研究团队发布的蛋白质语言模型ProGen，在数百万个原始蛋白质序列上训练，可生成跨多个家族和功能的人造蛋白质。不同于AlphaFold2利用AI的手段辅助理解自然界已有的蛋白结构，以ProGen为例的类ChatGPT生成式AI的目标是生成自然界不存在的人工蛋白质序列。虽然生成式AI在制药领域的应用仍处于起步阶段，但天壤XLab负责人认为，从AlphaGo、AlphaFold2到生成式AI是一个从分析工具走向解决方案、并落地解决实际问题的过程。长期来看，生成式AI有望赋能生物医药源头创新。
国内，包括晶泰科技、英矽智能、英飞智药、百图生科在内的公司均在探索生成式AI在制药领域的应用。 AI制药有望助力传统药物研发降本增效。据数据，相较于传统药物成功率低，研发周期长、研发投入大，有AI加持的AI制药有望：1）提高药物设计的命中率及成功概率：AI有望将新药研发的成功率从12%提高到14%；2）降低研发成本：有望每年节约数十亿美元的研发费用；3）缩短研发周期：在研发主要环节节约40-60%的时间成本。 3、AI诊断 临床辅助决策分为诊前/诊中/诊后决策场景，包括医院数据实时处理、数据质量监控、知识库查询、临床辅助决策、临床辅助治疗、临床预警、患者画像、系统监控等功能。医疗诊断场景涉及的信息为多模态且数据量大、交互频次高、及时性要求高，业内关注多模态大模型能否赋能诊断场景，发挥辅助医患沟通、诊断决策作用。 传统AI语音识别赋能的病例录入主要以医生口述-AI转写的形式展开，随着大语言模型（LLM）的出现，医患对话的实时记录、转写和总结能够大幅提升病例录入的效率。 3月20日，微软旗下语音识别公司Nuance Communications推出基于GPT-4的AI临床笔记软件Dragon Ambient eXperience（DAX）Express，可以在几秒钟内生成准确的临床记录，减少临床记录环节的时间，提升诊疗效率。Nuance曾在2020年推出DAX解决方案，将患者在就诊中与医生的交流转化为临床档案，由于以人工审核来确保信息准确性，全过程需要耗时约四个小时。接入GPT-4后，依靠大模型强大的推理能力，DAX Express生成临床记录的效率大幅提升。此外，DAX Express能够整合进微软Teams中，来辅助远程医疗。国内包括科大讯飞、云知声等在内的产业链公司也均在探索大模型在医疗辅助诊断领域的应用。
讯飞作为语音AI龙头，在AI辅助诊断领域耕耘已久，其推出的全科医生助理通过和医疗机构信息系统进行对接，完成对医疗患者诊疗信息收集、清洗和预处理，在此基础上生成临床诊断与治疗推荐建议，为医生的临床决策过程提供智能辅助支持。云知声应用智能语音识别、自然语言理解、临床知识图谱等人工智能技术，为医疗行业的各参与方提供丰富的产品和解决方案。覆盖医政医管、临床诊疗、医保管理、患者服务多个业务领域。讯飞和云知声均计划在年内推出预训练大模型，赋能医疗、人机交互等领域。
数据的质量和数量成为AI在辅助诊断等领域应用的主要挑战之一。大规模的数据标注是GPT-3.5这类语言模型突飞猛进的重要原因之一。然而，因为医疗数据的开源程度低，隐私敏感程度高且标注昂贵，往往缺乏高质量的医疗数据来保证大模型的训练效果。此外，医疗领域的容错相对更低。因此，构建兼具质量和数量的医疗数据集、打破医疗“数据孤岛“现象，促进医疗数据价值流通，将成为AI大模型在医疗领域应用的重要挑战。
4、相关公司 （1）金域医学 公司以第三方医学检验及病理诊断业务为核心，开创了国内第三方医学检验行业的先河。2022年公司与华南理工大学合作建设全国第三方医检领域首家人工智能联合实验室。目前公司已在医检AI领域取得一系列进展。如AI辅助宫颈细胞学筛查、AI辅助肺部组织病理诊断、虚拟现实（AR）智能显微镜等平台已初见成果，未来有望继续聚焦医检AI领域技术难题，积极促进临床医学和信息学科交叉领域科技成果转化应用，实现更加精准、便捷、普惠的诊断服务。 （2）九强生物 公司是国内领先的体外诊断产品与服务供应商，专注于生化、病理、凝血等IVD产品的研发、生产和销售。公司控股子公司迈新生物基于免疫组化多重染色原理，将免疫组化多重染色技术与人工智能有机结合，利用人工智能技术实现免疫组化虚拟多重染色，为免疫组化定量/半定量检测提供便捷可靠的辅助判读工具，未来有望持续向数字病理、病理人工智能领域实现突破。 （3）华大智造 公司专注于生命科学与生物技术领域，为精准医疗、精准农业和精准健康等行业提供实时、全景、全生命周期的生命数字化设备和系统解决方案。华大智造自主开发了Concerto算法，采用人工智能领域新兴的对比自监督学习框架并进行优化适配，以应用在海量单细胞组学数据的建模中；公司的远程超声机器人MGIUS-R3可以有效替代医生进行传统的超声扫查，解决超声医生资源不足的问题，同时公司还在积极开发乳腺自动化筛查等产品，未来有望不断推动医疗数字化转型提升医疗领域的效果和效率。 （4）泓博医药 公司CADD、AIDD平台可为客户提供高效和优质的药物化学设计服务。目前该技术已应用于无晶体结构靶点的同源模建、先导化合物骨架跃迁、基于片段的药物设计、分子对接等实际场景，提高了项目研发的效率和成功率。
七 AI+教育及相关公司 1、概述 ChatGPT的面世引发AI产业热潮，GPT-4发布后，全球最大的语言学习工具软件多邻国（Duolingo）宣布正式接入，并推出新产品“Duolingo Max”，提供Roleplay功能，通过AI聊天机器人和用户的多轮对话互动，为用户打造沉浸真实的语言学习环境，实现“因材施教”。AI技术在应用侧有望赋予教育行业新的发展机遇。AI技术能够帮助教学内容生产降本增效，实现因材施教、有针对性的自适应性教学，提升学生学习效率，培养优质学习习惯等。梳理细分领域的应用看，国内外AI+教育产品涉及包括语言学习、自适应学习、早教学习机（AI护眼、AI坐姿调整等辅助功能）、拍照搜题、作业自动批改、虚拟教师、智慧教学、智慧招考在内的多元应用领域。
以行业头部公司业务发展看AI+教育具体落地情况。科大讯飞作为国内AI龙头企业，在智慧教育领域实现软硬件、G端/B端/C端全方位布局，其优越的AI底层技术加深了相关产品的产品力竞争壁垒，在教育+AI领域迅速打开市场，建立了较强的品牌效应。此外，拓维信息同样依托于主业的AI能力，全资子公司海天科技是考试测评领域龙头，结合AI技术，提供AI评卷监测、AI在线监考、AI智能巡检等。粉笔、高途等在线教育平台将AI技术融入自身教育产品，提升用户使用体验。视源股份、鸿合科技、新东方等有C端教育硬件设备（以学习机为主）布局的厂商，则主要将AI技术用于学生学习场景下的辅助功能，如AI护眼、AI坐姿提醒等，精准解决家长关注的痛点。方直科技布局中小学配套教育软件及互联网在线全面系统服务，通过提供与教学内容配套的软件打通学生家校学习场景，并布局虚拟教师等功能，提升学生在家的学习效率。 盛通股份子公司乐博教育是国内儿童机器人教育龙头企业，培训儿童学习机器人相关课程，同时公司战略布局编程课程，战略投资在线少儿编程公司VIPCODE，在AI教育细分赛道具有先发优势。随着基础教育阶段对AI相关教育内容的重视，AI技术有望更多融入教学实验中，推动AI在教学场景中的使用、与教学深度结合。 2、相关公司
八 AI+制造及相关公司 在工业5.0的架构中，核心是信息社会系统中的并行智能。纵观系统的演变，从工业4.0中的信息和交互会变成工业5.0中的智能化和连接；从工业4.0中的工业自动化会演变成工业5.0中的学习自动化。同时，在工业5.0的框架下，基于人机界面，采用文字、音频、视频、图表等训练集，在大语言模型下系统具备语言智能和想象力智能；在大商业模型下系统具备算法智能。这和ChatGPT多模态的发展吻合。 通过与ChatGPT对话试验，工业5.0的概念显现，且系统具备多次训练后的智能化。ChatGPT这种学习能力，对未来工业端的智能化和自迭代提效，带来质的飞跃。 1、AI有望重塑传统的定制化加工模式，改进生产流程 工业自动化制造中，定制化的生产线通常需要手动调整，从而需要耗费大量的时间和人力成本，因此工业机械化制造紧缺的是懂工艺和编程的复合人才。 当前，AI能够实现自然语言编程，有望降低了人才培养难度。现在随着AI的升级，不懂编程语言也能通过自然语言的输入，在过去代码库的基础上、让程序自动生成。因此，做到熟悉工艺就可以通过AI编程，让一线技术工人直接介入生产和调试，相当于AI完成了原来本属于CNC编码工程师、出图师的工作。如果能够利用AI完成这些工作，生产效率有望得到提升，人才培养难度得到下降。 此外AI技术可以实现生产过程的自动化和智能化，从而提高生产灵活性。例如，基于AI的智能控制系统可以自动调整生产过程中的参数和流程，从而适应不同的生产需求和变化。
2、工业软件搭载AI后，有望更加智能化 在前端生产环节，AI自然语言编程提高工程师设计效率，工厂内部一线的使用人员可以根据经验、借助自然语言直接进行软件优化和迭代，效率优化空间更大，工业软件设计有望加速发展。在后端仓储环节，AI也可以通过对仓库中的物品进行识别和分类，有望提高仓库管理效率。 3、AI有望提升机器视觉的分辨能力和应用范围 以往非智能工业制造品控依赖人工进行检测，效率低下且品控难以保障。机器视觉的本质是为机器植入“眼睛”和“大脑”，用来代替人眼所处理的重复单一的劳动。AI能够为机器视觉注入新活力，而机器视觉又协助AI进行数据生产。搭载AI的机器视觉等技术有望能够大幅提升检测效率，同时机器视觉是数字经济技术中获取数据的重要途径，通过将生产数据数字化，提供更为丰富的机器学习样本，助力算法软件迭代和研发端提效。 4、AI有望加速机器人的训练能力 根据谷歌和微软最新的论文，AI有望给机器人训练带来三重颠覆性改变，分别是自然语言调试、图片推理和虚拟环境训练。 自然语言调试：目前我们仍然严重依赖手写代码来控制机器人。当前的机器人训练需要将任务要求转化为系统代码的工程师或技术用户。这意味着工程师需要编写新的代码和规范来纠正机器人的行为，经调试才能完成，此过程缓慢且昂贵。OpenAI的新AI语言模型ChatGPT能够使自然的人机交互成为可能，未来用户有可能借助AI帮助机器人进行调试，有望能够更轻松地与机器人互动。 图片推理：由于语言和行动的鸿沟，阻碍了搭载AI的机器人像人一样行动，无法处理真实世界的问题。最近在这方面，谷歌有了重点的突破，根据谷歌最新的论文《PaLM-E:Anembodied multimodal language model》研究团队在预训练的语言类大模型中嵌入图像、状态、感知等多类型数据，使机器人可以观察现实中的事物状态，做到了超越文本的思考。PaLM-E模型不仅具备通用化语言能力，还能执行视觉问答、感知推理、机器操作等复杂的任务，在实验室阶段取得了良好的效果。 虚拟环境训练：过去，机器人的流畅运动需要海量数据进行训练，造成了较高的成本和进入壁垒。对此谷歌在论文中提出了一个解决方案：训练数据可以来源于虚拟场景，在其中可以自由设置各种情况的发生。较大规模、较高质量的三维空间感知和状态数据，成为PaLM-E模型具有较强空间感知能力并最终实现机器操作的前提，有望降低训练成本。 5、相关公司：创新奇智 公司为国内领先的企业级AI解决方案提供商，“AI+制造”龙头。公司成立于2018年，由创新工场孵化而来，主要为制造业、金融业及其他行业提供AI产品及解决方案。根据弗若斯特沙利文，2020年公司是中国企业级AI解决方案市场上第3大AI技术驱动型解决方案提供商，在中国“AI+制造”市场中位居行业第一，拥有MMOC四大AI平台。基于在深度学习领域的研究能力，公司自主研发了MMOC（ManuVision机器视觉智能平台、MatrixVision边缘视频智能平台、Orion分布式机器学习平台、Cloud云平台）4大平台。其中ManuVision、MatrixVision分别侧重于处理静态图像视觉、动态视频流，Orion完全整合的端对端机器学习流程支持一站式AI解决方案开发，Cloud云平台为基础设施底座。 着重耕耘“6+2”垂直赛道，公司为各行业提供各类AI产品及解决方案。一方面，从不同应用场景的角度，由于制造业细分领域繁多长尾，公司将布局聚焦于“6+2”个垂直场景，即制造业的1）钢铁冶金、2）面板半导体、3）3C高科技、4）工程建筑、5）汽车装备、6）能源电力，以及金融业的1）银行、2）保险等，提炼迭代出适用于某一个场景的共性模型。另一方面，在同一场景内，公司将迭代出的标准化模型复制到不同的企业客户，实现同一场景内的快速客户拓展。 九 AI+建筑及相关公司 1、生成式AI大模型已在建筑业内逐步落地 AI大模型从根本上上简化了人机沟通成本，其中的ChatGPT是一种强大的语言生成工具，多模态大模型也在不断推出，这一类大模型均具有改变建筑行业的潜力。建筑师、造价员等专业工种，均可以利用AI大模型的能力。 场景一：从微软在Office中添加了强大的GPT-4功能，在近期推出Microsoft 365 Copilot全家桶看来，工具软件是AI大模型最好的落地场景之一。建筑师、造价员均需要专业工具软件来应对日常工作，比如设计软件和造价软件等。若将这一类工具性软件比于文书类工作软件Office，office中嵌入的GPT的超强智能处理能力，也可以同样适用于建筑类的工具软件中。
场景二：建筑师、造价员等都要应对各类的甲方需求，需要不断的沟通和服务来加强和客户的沟通和协作，借助基于ChatGPT的插件，建筑师可以更有效地沟通和协作，生成详细的设计文档，并探索新的创新设计理念。这项技术可以帮助建筑师提高效率、生产力，从而在实践中取得更大的成功。
场景三：建筑设计等领域，AI大模型可以帮助建筑师简化设计流程，并增强创造力。目前建筑领域已开始有AI大模型应用。基于GPT和耗散模型（Diffusion Models）的各种大模型生成式AI（AIGC）技术的迅速发展，也催生了OpenAI、Anthropic、MidJourney和Stability AI等一批新的独角兽公司，根据奥雅股份，MidJourney生成的图片更加具有发散性和不确定性，可用于方案初期设计，而Stable Diffusion可让配合包括ControlNet在内的插件，让设计师实现多次微调，快速从手稿生成效果图。
2、相关公司：广联达 公司目前已在造价、施工、设计各个领域落地基于AI模型的产品和功能。在造价业务上，公司基于深度学习的交互式生成技术，在造价业务中利用大模型技术提供了智能组价和智能算量等服务，有望提升造价员效率，减轻企业造价人员薪酬成本，未来公司可按项目规模进行收费；此外，新成本平台未来也可升级智能化功能，根据建设方自身特点和历史项目情况为其提供前期方案建议，降低企业咨询成本。在施工业务上，自主研发的劳务人脸识别终端实现量产，CV安全隐患识别算法集成进入施工蜂鸟盒子产品，助力蜂鸟系统成功入选《国家人工智能创新应用先导区“智赋百景”》建设施工现场AI智能安全巡检应用场景典型案例，未来有望进一步推广。在设计业务上，智能设计中的强排工具（按照建筑强制性规范布置建筑）进入用户验证，实时日照分析性能国内领先，未来可结合多模态的大模型提供方案设计功能。
十 AI+智能家居及相关公司 1、概述 智能家居是以住宅为平台，将线路综合布置、网络通讯技术、家电自动化、物联网、云计算及人工智能等技术与家居设备相融合，从而形成高效化、智能化的住宅设备集成管理系统，以提升家居环境的安全性、智能性、舒适性、节能性、便捷性。从产业链来看，上游包含芯片、云计算、大数据等企业，中游包含智能家电、智能安防、智能影音等模块、下游包含服务商、运营商、经销商等，产业链覆盖消费品+服务商企业。 从发展阶段来看，随着技术的革新迭代，智能家居行业将从单品发展提升至全面智能，有望催生千亿市场。智能家居1.0阶段是通过传感技术实现智能单品设备控制；进入2.0阶段后，智能家居产业借助网络通讯和物联网等技术实现了智能设备全面互联，更加注重场景多元化和空间智能化；伴随人工智能主动学习技术的发展，智能家居将步入3.0阶段，能实现主动洞察客户需求并及时提供相应智能化的服务。当前，中国智能家居的发展已开始从第一阶段向第二阶段过渡，未来伴随AI技术的发展，有望步入全面智能的时代，届时有望催生千亿市场。近年来海尔“1+3+5+N”全屋智慧解决方案、华为“1+2+N”全屋智能解决方案以及以萤石云为中心的萤石“1+4+N”智能家居生态等纷纷落地，全屋智能已成为智能家电家居发展的必然趋势。
全屋智能的核心价值在于智控系统自主感知、自主决策、自主控制与自主反馈的人与场景交互能力，而当前智能家居的发展仍然受制于各类硬件割裂不兼容、家庭本地控制中心算力与边缘计算能力不足、人机交互弱以及传感器技术有待进步等问题。近期基于大型预训练语言模型产生的生成式多模态大模型ChatGPT-4横空出世并引起市场广泛关注，理解能力与交互能力有了极大提升，近似人类水平的性能也使其成为OpenAI在扩大深度学习方面的里程碑。
AI+发展有望进一步融入智慧家电家居，并极大提升智能家居的使用体验。当前搭载智能技术的智能家电已经更加注重场景化的增强体验，人机交互也逐渐从“用户-机器-用户”的传统被动互交走向基于预先的情感计算和环境计算的主动交互阶段。AI技术的发展有望进一步挖掘用户行为背后的意思表示，提高对用户行为的判断和解读能力，进而增强主动决策与自动化控制能力，赋能更多智能家电功能与场景方案的实现，为用户提供更加细致和个性化的控制方案。 智能家居设备及功能更加丰富、使用体验显著提升，有望拉动物联网云平台的粘性与价值。云平台作为巨量信息处理平台，整合、储存资源并实现单品的物理互联与数据互通，是智能家居的重要技术支撑，被视为智能家居的“大脑”。智能家居云平台能为消费者提供云端分析、自动决策、云端控制、云储存、电话提醒、语音助手、画面异常巡检等多元化的增值服务，以服务解决方案作为变现手段和盈利模式。 2、相关公司
十一 未来展望：AI+长期拉动经济增长 随着泛在感知数据和图形处理器等计算平台推动，以深度神经网络为代表的人工智能技术飞速发展，图像分类、语音识别、知识问答、人机对弈、无人驾驶等技术实现了从“不能用、不好用”到“可以用”的技术突破，人工智能在算法、算力和算料等方面迎来爆发式增长的新高潮。 从长期看，人工智能成为经济的发展动能主要体现在三个维度。第一，人工智能的发展核心在于提高人力资本和产业升级之间的适配性，有效释放工程师红利，进一步提升劳动力的质量。第二，人工智能有望在更大范围、更深层次、更广领域拓展生产可能性边界，提高全要素生产率。第三，技术变革驱动各类体制机制的完善，优化资源配置。特别值得关注的是数据成为新型要素后，将伴随资本、劳动力等传统要素跨区域流动，表现为较强的经济正外部性。经判断，人工智能拉动经济增长方面，主要存在三方面预期差： 1、产业智能化转型是供需两侧保持向上弹性的枢纽 从供给端看，人工智能将快速替代体力和脑力劳动，对冲人口老龄化趋势带来的增长中枢下移，同时技术的快速迭代也将大幅提升全要素生产率。从需求端看，产业智能化是一个具有高壁垒的宏观慢变量，无论是算力的提升还是能源结构的变迁，都将通过技术改造的形式驱动中上游资本开支偏强。 2、数据要素推动债务健康积累，形成经济增长的正向循环 整体看，人工智能的发展确定了数据要素的发展。能够认为，当数据要素持续正向增长，并将驱动投入转化为更多产出，直接的影响是企业和居民端资产负债表的持续改善。具体来看，当数据要素发展积极推动经济潜在增速上行，企业会通过提高债务，获得更高的利润，以扩大再生产，居民也会提高债务创造需求，由此形成“经济增长-企业扩大资本开支、居民消费支出增加-经济进一步发展”的正向循环。同时，全社会债务的增加也伴随着GDP体量的同步增加，宏观杠杆率会维持在相对合理水平。 3、人工智能技术迭代与新能源广泛应用相互加强，激发增长新动能 当前，大量新设备正在建立网际网络的连接，借此以产生更多的数据。而这其中有越来越需要借助人工智能的运算，以帮助了解这些大量新生成的数据，使得进行这些运算的半导体耗电量也越来越严重。客观地看，发展人工智能需要稳定的电力保障，如果加上各种网络通信设施、智能终端的耗电量，能源革命已成为新一轮科技革命的关键所在。特别是化石能源清洁化、清洁能源规模化、多种能源综合化、终端能源再电气化趋势加速演进，可再生能源、智能电网、非常规油气等技术规模化应用，大规模储能、氢燃料电池等技术有望突破，带动相关产业转型升级，形成经济增长新动能。 以人工智能为核心的新一轮科技革命将是中长期经济增长的最主要动能。展望未来5-10年，预计人工智能相关产业将在供需两侧成为经济增长的重要支撑，实现新一轮从要素驱动向创新驱动、效率驱动的科技革命。 |
|
|
