- 1、本文档共15页,可阅读全部内容。
- 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
证券研究报告行业简评报告
2025年人工智能十大发展趋势
分析师:武超则分析师:庞佳军
wuchaoze@pangjiajun@
SAC编号:s1440513090003SAC编号:S1440524110001
SFC编号:BEM208
本报告由中信建投证券股份有限公司在中华人民共和国(仅为本报告目的,不包括香港、澳门、台湾)提供。在遵守适用的法律法规情况下,本报告亦可能由中信建投(国际)证券有限公司在香港提供。请务必阅读正文之后的免责条款和声明。
核心观点
核心观点:大语言模型发展进入深度推理阶段,通用人工智能愈行愈近,AI应用进入爆发前夜。站在当前这一重要的历史节点,我们从
技术、应用、能源三个维度展望了人工智能的未来发展,其中技术是源动力,应用是牵引力,能源是支撑力。对未来的展望中,我们提
出推理计算、合成数据、缩放法则、超级智能体、具身智能、AI4Science、端侧创新、自动驾驶、人工智能+、能源需求十个方面的重要
发展趋势。
技术是原动力。OpenAI发布具有深度思考能力的o1推理模型,标志大语言模型发展进入深度推理阶段,推理侧缩放法则同样存在,大模
型算力需求侧逐步迁移至推理侧,推理计算提升大模型准确率,强化学习激发模型推理能力;伴随文本模型的日益成熟,高质量数据更
为稀缺,合成数据价值显现,其与大语言模型推理有望产生新的化学反应;缩放法则从文本为主的大语言模型训练迁移到更加广阔的人
工智能领域,同时o3与GPT5循环驱动有望开启。
应用是牵引力。AIAgent即将进入能力快速跃升阶段,头部的人工智能企业和互联网公司均在端侧AIAgent方面有所布局,超级智能体将
走向普及;具身智能不断突破,人形机器人进入量产元年,机器人相继进入工厂实训,加速智能制造落地进展;人工智能极大加速科学
研究进度,应用可见于所有STEM领域,AI4Science已经进入黄金时代;随着AI大模型逐步成熟,几乎所有硬件产品都可以加入AI元素来
提升表现能力,端侧创新将不断涌现,AI塑造端侧新分工新格局;自动驾驶算法进入端到端驾驶算法发展阶段,大语言模型和视觉语言
模型(VLM)逐步与端到端融合,进一步增强环境理解能力,Robotaxi进入商业化落地阶段;“人工智能+”全面铺开,企业数字化率先
落地,AI在提升效率、精准决策、降低风险、创新服务方面均有巨大潜力。
能源是支撑力。推理端算力需求大幅增长,基于云的人工智能系统需要消耗更多的能源,可持续发展日益紧迫。
风险提示:人工智能模型技术发展不及预期、数据数量与数据质量不及预期、隐私问题、伦理冲突风险、算力基础设施支持不及预期等。
趋势一推理计算提升大模型准确率,强化学习激发模型推理能力
OpenAI发布新的具有深度思考能力的o1推理模型,推理侧缩放法则同样存在,大模型算力需求逐步迁移至推理侧。o1模型在复杂问题上
花更多时间进行思考而非直接回应,具有改善和调整策略的能力,在科学、代码和数学等复杂问题上表现出色。思维链和思维树通过中
间推理步骤帮助大模型实现了复杂的推理能力,大语言模型能够自己对推理过程的中间思维进行评估,o1呈现出类人的逻辑思维潜力。
强化学习激发模型推理能力,复杂思维方式——反思能力涌现。传统大模型需要大量人工标注的监督数据进行训练,DeepSeek-R1-Zero
验证了无需任何微调数据,仅通过强化学习即可实现推理能力的自主进化。而且这是没有奖励思维链长度的情况下实现的,即目标只是
为了作对题目,大模型就会自发进行更长地思考,并且最后回答效果更好。在这个过程中,自发涌现出“反思”、“多步验证”等复杂
推理行为,出现问题后,模型会自动纠正早期错误,这种“智能”的出现,为未来更有智慧的Agent出现铺平道路。
结合蒸馏技术实现能力的高效迁移。使用DeepSeek-R1作为教师模型生成800K数据,并对多个小型密集模型微调,小模型性能飞跃。以
通义千问的15亿参数量大模型为例,经过DeepSeek蒸馏后,数学题上超过GPT4o-0513的水平,为小算力实现特定功能奠定了
您可能关注的文档
- 2025预立项课题总(1).pdf
- DeepSeek事件的DIKWP坍塌:成因、影响与未来1-3年趋势预测(1).pdf
- DIKWP 坍塌对未来1-5年量化交易行业影响的预测报告(1).pdf
- DIKWP潜在侵权分析报告(1).pdf
- DIKWP坍塌:数学建模与股市预测报告(1).pdf
- DIKWP语义区块链的理论基础、技术架构和未来趋势.pdf
- DIKWP专利商业分析报告(1).pdf
- DIKWP专利与LLM侵权调查(1).pdf
- 北京法意科技有限公司介绍20250102(1).pptx
- 辰辉信息产品一览表.docx
- 河南省郑州市第一中学2017-2018学年高一下学期周测物理试题(325)扫描版含答案.doc
- 山西省怀仁县第一中学2017-2018学年高二下学期第一次月考生物试题扫描版.doc
- 河南省六市高三下学期第一次联考试题(3月)理科综合扫描版含答案.doc
- 四川省高三全国Ⅲ卷冲刺演练(一)文综地理试卷扫描版含答案.doc
- 河南省洛阳市高三第二次统考文综试卷扫描版含答案.doc
- 甘肃省靖远县高三下学期第二次联考理科综合试题扫描版含答案.doc
- 问题导学法在办公场景中的实施策略及效果评估.docx
- 退休后的个人品牌打造与传播策略.docx
- 问题解决在办公流程优化中的应用.docx
- 问题导向的办公环境创新设计.docx
文档评论(0)