计算机行业专题研究：多模态加速燃烧算力_27页_3mb

多模态加速燃烧算力

核心内容

本报告分析了多模态大模型的发展趋势及其对算力需求的显著影响，特别是GPT-4V的发布标志着多模态时代的正式开启。报告指出，多模态模型在多个领域表现出卓越的性能，并推动了算力需求的持续增长，同时为下游应用带来了更广泛的可能性。

主要观点

• 多模态是AI发展的必然趋势：随着人工智能技术的进步，多模态模型正逐步成为主流，因其能够整合多种数据源，实现更全面的信息理解和处理。
• GPT-4V性能突出：在视觉-语言、视觉标记提示、时间与视频理解、抽象视觉推理、情商测试等方面表现优异，展示了其在多模态任务中的强大能力。
• 算力需求显著上升：与GPT-3相比，GPT-4在同等训练时长下算力需求增长了445倍，而多模态模型的训练和推理阶段对算力的需求将持续增长。
• 多模态模型应用场景广泛：包括工业、医学、汽车保险、自定义字幕生成器、图像智能、具身智能等，能够打破单模态模型的局限性。
• 算力租赁模式具备可行性：随着模型训练和推理需求的爆发，算力租赁成为一种可行的商业模式，进一步推动算力相关企业的投资机会。

关键信息

投资建议

• 推荐标的：神州数码、浪潮信息、拓维信息、恒润股份、淳中科技
• 受益标的：紫光股份、中科曙光、四川长虹、真视通、中国长城、莲花健康、鸿博股份、润建股份、中贝通信、烽火通信、恒为科技
• 评级：增持
• 细分行业评级：计算机 增持

多模态模型的发展历程

1. 计算时代（1980-1999）：早期研究主要集中在视觉和语音联合识别、多模态情感分析等领域。
2. 交互时代（2000-2009）：研究重点转向用户交互，如语音助手Siri的出现。
3. 深度学习时代（2010至今）：借助深度学习技术，模型准确性和复杂性大幅提升，CLIP、DALL-E2、BEiT-3等模型相继推出。

多模态与单模态模型的差异

GPT-4V的多模态能力

• 视觉-语言能力：能够识别名人、地标、食物、医学图像等，并描述其背景信息。
• 视觉标记提示：支持图像上的标记和坐标，增强交互能力。
• 视觉和时间维度理解：能够解析图像和视频，理解时间序列信息。
• 抽象视觉推理：处理抽象视觉刺激，如笑话和表情包的解读。
• 多语言支持：支持多种语言的图像描述和翻译，如中文、法文、捷克文、英文等。
• 代码生成能力：可将手写、图像表格、图形转化为代码，如LaTeX、Markdown、Python、TikZ、SVG等。

风险提示

• 应用端发展进度低于预期
• 政策风险
• 企业管理风险

相关报告

• 计算机《视频监控安全新标准发布，商用密码行业需求有望爆发》（2023.10.31）
• 计算机《江淮接力赛力斯，华为智选模式高歌猛进》（2023.10.29）
• 计算机《增发国债有望扭转政府信息化投资预期》（2023.10.25）
• 计算机《美国加大制裁，国产AI算力重要度跃升》（2023.10.18）
• 计算机《华为鸿蒙生态攻坚克难，自主可控正当时》（2023.10.16）