投资评级投级资评
计算机行业推荐维持
生成式AI加速创新，行业迎历史性机遇
——生成式人工智能行业专题研究：海外大模型篇
证券研究报告2024年3月29日
分析师：耿军军
邮箱：gengjunjun@
SAC执业资格证书编码：S0020519070002
联系人：王朗
邮箱：wanglang2@
目录目录
•第一部分：生成式AI快速发展，技术奇点有望到来
•第二部分：技术创新百花齐放，海外巨头引领创新
•第三部分：风险提示
请务必阅读正文之后的免责条款部分2
1.11.1发发展历程：算法模型持续迭代，展历程：算法模型持续迭代，AIAI行行业快速发展业快速发展
资料来源：信通院《人工智能生成内容(AIGC)白皮书》，CSDN官网，阿里云开发者社区，NIHRecord官网，MIT官网，51CTO官网，机器
请务必阅读正文之后的免责条款部分之心官网，腾讯云开发者社区，科技行者官网，雷锋网，澎湃新闻网，winbuzzer官网，MBA百科，Geekwire官网，datamarketinglabs官网，3
安全客官网，AIGC开放社区公众号，IT之家官网，OpenAI官网，36氪官网，国元证券研究所
1.11.1发发展历程：算法模型持续迭代，展历程：算法模型持续迭代，AIAI行行业快速发展业快速发展
1基础的生成算法模型是驱动AI的关键
2014年，伊恩·古德费洛(lanGoodfellow)提出的生成对抗网络(GenerativeAdversarialNetwork,GAN)成为早期最为著名的生成模型。
GAN使用合作的零和博弈框架来学习，被广泛用于生成图像、视频、语音和三维物体模型。随后，Transformer、基于流的生成模型
(Flow-basedmodels)、扩散模型(DiffusionModel)等深度学习的生成算法相继涌现。
Transformer模型是一种采用自注意力机制的深度学习模型，这一机制可按输入数据各部分的重要性分配权重，可用于自然语言处理
(NLP)、计算机视觉(CV)领域应用，后来出现的BERT、GPT-3、laMDA等预训练模型都是基于Transformer模型建立的。
图：AIGC技术累积融合
请务必阅读正文之后的免责条款部分资料来源：腾讯研究院《AIGC发展趋势报告》，国元证券研究所4
1.11.1发发展历程：算法模型持续迭代，展历程：算法模型持续迭代，AIAI行行业快速发展业快速发展
1基础的生成算法模型是驱动AI的关键
表：主流生成模型一览表
模型提出时间模型描述
变分自动编码(VariationalAutoencoders,VAE)2014年基于变分下界约束得到的Encoder-Decoder模型对。