计算机行业深度研究-如何实现AGI：大模型现状及发展路径展望-240403-国金证券-26页_4mb

大模型发展与AGI路径分析

1. AGI发展现状

AGI等级分类

DeepMind定义AGI可划分六个等级(Level-0至Level-5)，当前大模型仅处于Level-1(初现AGI)阶段。各类模型发展不平衡：

• 语言大模型：能力成熟，支持多任务处理，但各领域仍非专业水平
• 多模态大模型：能提供商业化产品，但仍存在风格不稳定、生成质量等问题
• 具身智能类大模型：尚在早期探索，应用场景准确率低

AGI发展阶段

参考OpenAI布局，AGI发展可分为三个阶段：

• 第一阶段：单模态系统独立发展
• 第二阶段：融合多模态、多任务模型
• 第三阶段：强调模型与外部环境交互，为实现AGI奠定基础

2. 技术演进与性能提升

Scaling Law

研究表明，扩大模型参数量、数据集规模及计算量可提升性能：

• 参数规模更大的模型训练更高效
• 在有限资源下，优先扩大模型参数量对性能提升更为有效
• 当前推测模型参数量有望突破88万亿阈值

算法改进方向

• 骨干网络架构：以Transformer为基础的持续创新，包括浅层前馈网络、聚焦线性注意力等
• 微调方法：全量微调与参数高效微调并行，如LoRA等低秩自适应技术
• 稀疏结构：MoE(混合专家)模型通过任务分割优化资源利用率

3. 商业落地与投资建议

场景选择策略

当前高可行性场景特征：

• 对生成类内容（如文本/图像/视频创作）容忍一定程度“幻觉”
• 能产生明确商业化收入
• 需满足高人工替代率需求

行业应用

• 教育：科大讯飞、竞业达、世纪天鸿
• 企业服务：泛微网络、用友网络、金蝶国际
• 办公：金山办公、福昕软件、万兴科技
• 金融：同花顺、恒生电子、宇信科技
• 安防：海康威视、大华股份

4. 头条风险提示

• 底层模型迭代不及预期
• 国际关系可能限制技术发展
• 应用商业化进程不达预期
• 公司间竞争加剧风险

注：本分析基于当前大模型处EmergingAGI阶段的判断，建议重点关注已形成商业化闭环的应用场景，在模型发展超预期的同时寻求更稳妥的投资策略。