ChatGPT 專題研究之一：探尋ChatGPT的能力圈及“破圈”成長之路

“破圈”成長之路相關研究：1、《內需提振+創(chuàng)新驅動，半導體產業(yè)結構性復蘇在望》2023.01.30行業(yè)評級：增持近十二近十二個月行業(yè)表現%4.56-7.8-9.07.40.9-19.3分析師：王文瑞證書編號：S0500523010001Tel：(8621)50293694Email：wangwr2@地址：上海市浦東新區(qū)銀城路88號中國人壽金融中心10樓湘財證券研oChatGPT基于其性能優(yōu)勢，11月面世至今吸睛無數ChatGPT是由OpenAI開發(fā)的一款高性能的語言生成模型，在語義理解的精準度、信息輸出的準確率、邏輯性及語言流暢自然度方面優(yōu)于競品；可應用于聊天機器人、部分標準化的自動文本生成、社交媒體中文本分類和情感分析等場景。2022年11月底產品面世就吸睛無數，用戶數量隨即進入快速增長期，發(fā)布僅2個月注冊用戶已超1億。oChatGPT在應用領域仍具有較為明顯的局限性，“破圈”成長以多領域的技術支持為基礎基于ChatGPT的底層技術架構、模型訓練的數據來源，及使用體驗，我們認為ChatGPT現階段在提高搜索及文本撰寫效率方面具有較為明顯的價值；但仍具有“輸出文本的時效性方面或存在不足；輸出文本的專業(yè)度，準確度受多種因素影響；不具備推理、創(chuàng)作能力”等局限性。ChatGPT的破圈成長則以模型的優(yōu)化，算力資源的擴充，CPU&GPU處理速度、存儲器及接口芯片等半導體硬件性能的提升等多因素為基礎。o投資建議2023年數字化建設在多領域穩(wěn)步推進，為產業(yè)鏈發(fā)展帶來新動能，預期提振多種半導體硬件的市場需求，帶動大數據中心的建設加速。建議關注數字經濟發(fā)展為傳感器、CPU、GPU等領域帶來的需求增量。汽車智能化滲透率提升及出口增長驅動板塊需求穩(wěn)步增長，建議關注車規(guī)級MOSFET及SIC功率器件的國產化進程。中長期，人工智能技術的落地商用將持續(xù)增多，人工智能技術的發(fā)展以算力資源的擴充、CPU&GPU處理速度、存儲器及接口芯片等半導體硬件性能的提升為基礎，建議關注Chiplet及先進封裝，新型存儲等先進技術的發(fā)展。建議持續(xù)關注半導體行業(yè)，維持行業(yè)增持評級。o風險提示新產品商用化進程不及預期；市場需求不振；技術研發(fā)不及預期；宏觀政策變化不及預期。1ChatGPT相較于其他語言生成模型具有什么優(yōu)ChatGPT自2022年11月底面世就吸睛無數，用戶數量就進入了快速增長期，集微網數據顯示ChatGPT僅用5天就獲取了超100萬注冊用戶，兩個月后用戶數量已超過1億。ChatGPT是由OpenAI開發(fā)的一款高性能的語言生成模型，在語義理解的精準度、信息輸出的準確率、邏輯性及語言流暢自然度方面優(yōu)于競品?；诋a品特性，ChatGPT的應用領域涉及：（1）自然語言處理（NLP）應用領域，具體場景如聊天機器人。（2）自動文本生成，具體場景如標準化程度較高的新聞報道、文章、評論等。（3）文本分類和情感分析，具體場景如社交媒體中文本的監(jiān)測和分析。ChatGPT的開發(fā)邏輯為，基于Transformer架構的語言模型，通過學習大量預先過濾過的文本數據（包括網絡新聞、書籍、學術文獻等），生成與人類語言相似的文本。通過數據中心、計算機硬件設備等進行模型的運行、文本數據的計算處理，以服務器、存儲器、網絡接口輸入輸出設備等硬件為基礎。Transformer架構于2017年問世，現已成為自然語言處理（NLP）領域的標準模型之一，廣泛應用于各種NLP任務，如語言翻譯、文本生成、情感分析等。目前基于Transformer架構的語言模型/深度學習框架有：海外：OpenAI的GPT系列模型（GPT、GPT-2、GPT-3、ChatGPTGoogle研發(fā)的BERT、RoBERTa、ALBERT模型等。國內主要為開源的深度學習框架，如：百度paddlepaddle、騰訊AI、阿里云PAI。目前，ChatGPT的信息輸出表現優(yōu)于其他Transformer架構的語言模型主要受益于：（1）模型設計：ChatGPT的模型在處理復雜的語言問題上更具備競爭（2）數據模型規(guī)模巨大：OpenAI使用了大規(guī)模的數據集進行模型訓（3）技術進步：OpenAI通過使用新的人工智能和機器學習技術，持續(xù)不斷地優(yōu)化模型；同時通過收集和分析大量數據，提高模型的準確性和效率。（4）高性能計算資源：OpenAI使用了大量高端GPU計算加速芯片進敬請閱讀末頁之重要聲明行模型的訓練和運行。據集微網數據顯示，ChatGPT的總算力消耗約為3640PF-days。隨著用戶數量的增長，ChatGPT的算力消耗將持續(xù)增加。2ChatGPT是否存在局限性？破圈成長需要哪些支基于ChatGPT的底層技術架構、模型訓練的數據來源，及使用體驗，我們認為ChatGPT現階段更適合作為搜索引擎、文字撰寫工作的輔助軟件，在提高搜索及文本撰寫效率方面具有較為明顯的價值；在專業(yè)性較強的文本撰寫、或“獨立作業(yè)”等方面仍具有較為明顯的局限性。ChatGPT的破圈成長則以模型的優(yōu)化，算力資源的擴充，CPU&GPU處理速度、存儲器及接口芯片等半導體硬件性能的提升等多因素為基礎。局限性一：輸出文本的時效性方面或存在不足。ChatGPT的時效性受OpenAI的模型數據庫更新頻率、數據來源影響。OpenAI的模型數據庫為定期更新，存在信息時效性不足的風險。數據庫更新頻率的提升可以解決時效性不足的問題。ChatGPT的數據庫更新頻率主要受數據源更新頻率，數據庫結構、硬件資源、算力資源等因素影響。其中硬件資源影響因素包括CPU處理速度，存儲設備的數據傳輸速度、容量及可用性，網絡帶寬和延時，內存的容量及可用性。局限性二：輸出文本的專業(yè)度，準確度受多種因素影響。ChatGPT的輸出信息的專業(yè)度影響因素如下：（1）語言模型的底層原理。ChatGPT語言模型是通過學習大量的文本數據來預測下一個單詞的概率分布。則提供的上下文更詳細，模型就能更好地理解詢問的內容，輸出專業(yè)度更高的答案。這就意味著輸出文本的專業(yè)程度受ChatGPT使用者的問題分析、拆解能力影響。（2）模型數據庫中的數據來源、數據廣度及質量等因素影響。ChatGPT只能基于已經學到的數據和模式輸出文本信息，若ChatGPT的數中不包含特定領域的專業(yè)信息，則生成的回答專業(yè)度將存在不足；如ChatGPT未獲取IDC、Gartner等機構的數據使用授權，則關于半導體產業(yè)的市場分析中很少涉及量化的數據信息。此外，模型的公開使用可能導致模型的準確性下降：OpenAI在訓練ChatGPT模型時，通常使用大量經過人工或自動的過濾來排除不合適的內容的過濾數據。然而，隨著模型的公開使用，有可能會出現某些不合適的數據被用于生成結果的情況，這可能會導致模型的準確性下降。從數據庫的來源這一影響因素來看，輸出文本的專業(yè)度、準確度可以通過擴充數據庫、敬請閱讀末頁之重要聲明優(yōu)化過濾算法，并實施相應的審核措施來提升。但數據庫的擴充或受到算力、成本、法律等因素的限制。局限性三：ChatGPT不具備推理、創(chuàng)作能力，生成的文本只能基于已經學到的數據和模式。ChatGPT作為一個語言生成模型，是通過學習大量文本數據，根據已有的數據信息生成與人類語言相近的文本，其并不具備對文本的理解能力，同樣也無法對文本進行推理及創(chuàng)作。且由于語言生成模型與聯想推理模型、強化學習模型等具備推理能力的人工智能模型具有不同的技術原理，從而ChatGPT模型的獨立優(yōu)化無法使其具備推理能力。語言生成模型和聯想推理模型的融合或有望提升人工智能的推理能力，但僅從人工智能聊天機器人的研發(fā)歷史即可窺見，這一技術的落地需要研究者們翻越科技領域的崇山峻嶺。2023年數字化建設在多領域穩(wěn)步推進，為產業(yè)鏈發(fā)展帶來新動能，預期提振多種半導體硬件的市場需求，帶動大數據中心的建設加速。建議關注數字經濟發(fā)展為傳感器、CPU、GPU等領域帶來的需求增量。汽車智能化滲透率提升及出口增長驅動板塊需求穩(wěn)步增長，建議關注車規(guī)級MOSFET及SIC功率器件的國產化進程。中長期，人工智能技術的落地商用將持續(xù)增多，人工智能技術的發(fā)展以算力資源的擴充、CPU&GPU處理速度、存儲器及接口芯片等半導體硬件性能的提升為基礎，建議關注Chiplet及先進封裝，新型存儲等先進技術的發(fā)展。建議持續(xù)關注半導體行業(yè)，維持行業(yè)增持評級。新產品商用化進程不及預期；市場需求不振；技術研發(fā)不及預期；宏觀政策變化不及預期。敬請閱讀末頁之重要聲明