2023年MaaS模型即服务产业状况年度报告

业界广泛认为生成式AI 将成为未来重要的战略技术

Gartner 曾多次将生成式AI 列为未来的重要技术趋势，在Gartner 2022 年人工智能成熟度曲线中，预计生成式 AI 即将在 2-5 年内进入成熟期，将带来大量的应用机会和商业潜力；在2022 年的Gartner 新兴技术和趋势影响力雷达图中，生成式AI 被认为是年度五大影响力技术之一，未来将可能颠覆和改变整个市场；在Gartner 2022年重要战略技术趋势预测中，生成式AI 占据首位，是当下最引人注目的人工智能技术之一。

Gartner 预计，到2025 年，生成式人工智能将占所有生成数据的10%，而目前这一比例还不到1%。AIGC 作为生成式AI 的重要子集，也将为未来几年间迎来快速发展，成为人工智能领域不可或缺的组成部分。

2022年Gartner人工智能成熟度曲线

开票价格8800元购买咨询qq1498052617

服务流程

1.确定意向

2.签订合同

3.支付款项

4.提交报告

5.快递发票

正文目录

研究对象 6

主要发现 6

重要结论 8

1、MaaS模型即服务行业概述 9

1.1、MaaS模型即服务介绍 9

1.2、MaaS模型即服务类型 15

1.3、MaaS模型即服务特征 15

1.4、MaaS模型即服务作用 23

1.4.1、促进模式转变 24

1.4.2、降低训练成本 25

1.4.3、增强智能能力 26

1.5、MaaS模型即服务影响 30

1.6、MaaS模型即服务背景 32

1.7、MaaS模型即服务政策 33

2、MaaS模型即服务产业架构 34

2.1、大模型，MaaS的最重要基座 35

2.2、单点工具，大模型应用的补充 36

2.3、应用场景，大模型应用的变现 37

2.4、算力支持，拉动ICT硬件投资 38

3、MaaS模型即服务状况 45

3.1、全球MaaS模型即服务发展状况 46

3.2、我国MaaS模型即服务发展状况 47

3.3、MaaS模型即服务行业规模 49

3.4、MaaS模型即服务行业格局 51

3.5、MaaS模型即服务行业竞争 54

3.6、MaaS模型即服务行业生态 57

3.7、MaaS模型即服务技术趋势 61

3.7.1、生成式AI 将成为未来重要的战略技术 61

3.7.2、多模态、跨模态大模型的发展促进AIGC 63

3.7.3、预训练大模型参数量进入平台期，多模态与跨模态成为趋势 64

3.7.4、训练大模型的高成本和高技术壁垒导致科技巨头与科研机构成为主要玩家 65

4、MaaS模型即服务代表产品及影响 66

4.1、OpenAI发展历程 66

4.2、ChatGPT冲击搜索领域 70

4.3、Cluade 有超越ChatGPT 之势 78

4.4、微软和英伟达：MT-NLG 79

4.5、Switch Transformers 80

4.6、盘古大模型 82

5、MaaS模型即服务商业模式 83

5.1、订阅制收费模式 83

5.2、其他各类收费模式 86

5.3、商业模式定价 88

5.4、商业模式影响 90

5.5、商业模式展望 91

6. 全球MaaS模型即服务公司竞争力 91

6.1、OpenAI公司 91

6.2、Microsoft公司 92

6.3、谷歌 96

7、我国MaaS模型即服务公司竞争力 99

7.1、百度 99

7.2、华为 102

7.3、商汤科技 104

7.4、云从科技 107

7.5、科大讯飞 110

7.6、拓尔思 113

8、MaaS模型即服务行业前景 114

8.1、投资规模 114

8.2、前景预测 115

8.3、发展阻碍 116

9、报告结论 117

图表目录

图表 1：深度学习中的Double Descent现象 10

图表 2：对于不同问题进行不同的预训练 10

图表 3：ChatGPT界面 12

图表 4：InstructGPT 的输出结果比GPT-3 提升 13

图表 5：GPT-3 最被诟病的毒的结果（RealToxicityPrompts）在InstructGPT 中减少 13

图表 6：DALLE 设计“一颗白菜穿着芭蕾舞裙在遛狗” 14

图表 7：DALLE -2 设计“一碗汤是另一个次元的入口 14

图表 8：主流大模型和参数对比 15

图表 9：Transfromer的基本结构 16

图表 10: Transformer的详细结构 17

图表 11：预训练大模型在综合大量信息后可以用于多范围任务 18

图表 12：参数量较大的模型在即使在Few-shot下也有很好的表现 18

图表 13：Transformer的详细结构 20

图表 14：图像分类任务中使用Vision Transformer 取得了较好的结果 21

图表 15：2021年google 的Vision Transformer 论文的核心思路 21

图表 16：MAE的核心思路 22

图表 17：传统的定制化、作坊式模型开发流程 24

图表 18：AI大模型“工厂模式 ”的开发方式 25

图表 19：弱人工智能仍属于计算机 “工具 ”范畴 强人工智能能自适应地完成任务 27

图表 20：ChatGPT的功能及特点 28

图表 21：ChatGPT能够持续多轮对话，并具备一定写作能力 28

图表 22：ChatGPT能够修改程序中的错误 29

图表 23：AIGC智能数字内容实现的三层功能 30

图表 24：大模型将作为一种基础设施将 AI赋能千行百业 31

图表 25：MaaS基本产业架构 34

图表 26：商汤大装置运行机理 35

图表 27：Jasper功能介绍 35

图表 28：商汤科技为宁波银行创造的 “数字人 ” 36

图表 29：MaaS基本产业架构 37

图表 30：ChatGPT简介 38

图表 31：ChatGPT底层原理 38

图表 32：ChatGPT训练过程 39

图表 33：NVIDIA DGX A100 80G所能提供峰值算力为19.5 TFlops（FP32） 40

图表 34：ChatGPT内部技术工作流程 42

图表 35：运营阶段所需算力支撑测算 43

图表 36：全国算力规模（单位：EFlops） 43

图表 37：全球算力规模（单位：EFlops） 43

图表 38：商汤AIDC投资结构测算 44

图表 39：Chat GPT带动 ICT硬件投资额测算 45

图表 40：国外大模型发展历程 46

图表 41: 2018年后大模型迭代与参数量快速提升 47

图表 42： “书生 ”相较于同期最强开源模型 CLIP在准确率和数据使用效率上均取得大幅提升 48

图表 43：内容生成方式演变 50

图表 44：中国智能客户服务市场规模（亿元） 50

图表 45：主流AI 算法的历史演变图最近几年的Alphafold2/GPT3/chatGPT 是要点 52

图表 46：全球主要大模型产品格局 53

图表 47：大模型/小模型两类公司路线区别 54

图表 48：全球代表性文本大模型 56

图表 49：全球代表性图像大模型 56

图表 50：GPT-2根据关键词扩写营销文案 57

图表 51：T-NLG应用案例 58

图表 52：商汤在 SenseCore基础上搭载行业软件平台 59

图表 53：SenseCore带来的飞轮效应 59

图表 54：云从科技人机协同操作系统（ CWOS）致力于整合多个领域的大模型 60

图表 55：2022年Gartner人工智能成熟度曲线 61

图表 56：2022年Gartner 影响力雷达 62

图表 57：生成式AI模型进展与应用时间表 63

图表 58：预训练大模型技术发展溯源 64

图表 59：预训练大模型多模态与跨模态趋势 64

图表 60：AI训练模型算力增速超越摩尔定律 65

图表 61：大模型最终次训练成本估算 66

图表 62：OpenAI发展时间线（2015-2018） 68

图表 63：OpenAI发展时间线（2019-2022） 70

图表 64：ChatGPT 官方介绍 70

图表 65：ChatGPT回答存在限制 71

图表 66：ChatGPT实现机理 72

图表 67：InstructGPT 技术逻辑：RLHF 的主要改变在于人工监督数据与调整后的奖励模型 73

图表 68：ChatGPT协助用户进行代码修改 73

图表 69：ChatGPT解答生活问题 74

图表 70: 主流搜索引擎市场占比（数据截止 2023.01） 76

图表 71: 谷歌母公司 Alphabet第四季度各业务营收占比 76

图表 72：Cluade 与ChatGPT 功能对比 79

图表 73：MT-NLG 在不同句法结构下的数学运算推理和自然语言推理的样本 80

图表 74：Switch Transformer编码块 81

图表 75：Switch Transformer和T5下游任务对比结果 81

图表 76：复杂商用场景实测不同模型少样本学习达到的F1 结果（100%表示跟full label 结果相同） 82

图表 77：各模型复杂商用场景实测得到目标F1 结果所需的平均样本量 82

图表 78：OpenAI 推出付费试点订阅计划ChatGPT Plus 83

图表 79：ChatGPT Pro和普通版 ChatGPT对比 85

图表 80：Jasper公司收费模式 85

图表 81：智能回顾将会为 Teams Premium提供许多重要的新功能 87

图表 82：GPT-3.5将帮助 Viva Sales用户自动编写邮件回复 88

图表 83：GPT-3.5将帮助 Viva Sales用户自动编写邮件回复 88

图表 84：GPT-3.5将帮助 Viva Sales用户自动编写邮件回复 89

图表 85：集成了GPT-4的Bing全新版本 93

图表 86：微软将ChatGPT 整合到Office 办公套件 94

图表 87：ChatGPT 在Dynamics 365 中的应用 94

图表 88：集成ChatGPT 的Bing 搜索上线 95

图表 89: 5400亿参数使得 PaLM跨任务性能显著提高 96

图表 90: LaMDA训练模式 98

图表 91：文心大模型全景图 100

图表 92：文心百中：大模型驱动的产业级搜索系统 101

图表 93：华为联合产业界规划昇腾大模型沙盘 103

图表 94：SenseCore商汤 AI大装置组成结构 104

图表 95：商汤在SenseCore通用基础上搭载行业软件平台 106

图表 96：云从科技人机协同全景 107

图表 97：云从科技人机协同操作系统五大特色 108

图表 98：讯飞工业级预训练模型已在多个技术方向实现了行业落地应用 110

图表 99：科大讯飞在SemEval 2022 三项主要赛道中拿下冠军 111

图表 100：拓尔思“智创”AIGC 平台架构 113

图表 101：2017-2022年全球AICG 领域投资规模及增长 114

图表 102：2030 年AIGC 市场规模将超过万亿人民币 115

图表 103：ChatGPT 每月服务器成本敏感性分析（美元） 116

图表 104：当前成本下假设会员版收费42 美元的利润率敏感性分析 116

图表 105：基于NLP的预训练模型的参数数量（单位：百万个） 117

图表 106：GPT-3模型与其他语言模型的训练算力消耗对比 117

图表 107：AIGC、AI大模型公司相关业务、模式及进展 118