国元证券-生成式人工智能行业专题研究：海外大模型篇，生成式AI加速创新，行业迎历史性机遇-240329-47页

VIP专免

3.0 西装暴徒 2024-06-30 89 16 4.59MB 45 页免费

侵权投诉

生成式AI加速创新，行业迎历史性机遇

计算机行业

分析师：耿军军

邮箱：gengjunjun@gyzq.com.cn

SAC执业资格证书编码：S0020519070002

联系人：王朗

邮箱：wanglang2@gyzq.com.cn

——生成式人工智能行业专题研究：海外大模型篇

投资评级投资评级

推荐维持

证券研究报告 2024年3月29日

请务必阅读正文之后的免责条款部分

1.11.1 发展历程：算法模型持续迭代，发展历程：算法模型持续迭代，AIAI行业快速发展行业快速发展

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，NIH Record官网，MIT官网，51CTO官网，机器

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，

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

请务必阅读正文之后的免责条款部分

1.11.1 发展历程：算法模型持续迭代，发展历程：算法模型持续迭代，AIAI行业快速发展行业快速发展

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(lan Goodfellow)提出的生成对抗网络(Generative Adversarial Network, 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-based models)、扩散模型(Diffusion Model)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

资料来源：腾讯研究院《AIGC发展趋势报告》，国元证券研究所

研报加载中……请稍候！
如果长时间未打开，您也可以点击刷新试试。

下载研报到电脑，查找使用更方便

免费 16人已下载

立即下载 VIP免费下载

标签： #AI #人工智能 #大模型

摘要：

生成式AI加速创新，行业迎历史性机遇计算机行业分析师：耿军军邮箱：gengjunjun@gyzq.com.cnSAC执业资格证书编码：S0020519070002联系人：王朗邮箱：wanglang2@gyzq.com.cn——生成式人工智能行业专题研究：海外大模型篇投资评级投资评级推荐维持证券研究报告2024年3月29日请务必阅读正文之后的免责条款部分1.11.1发展历程：算法模型持续迭代，发展历程：算法模型持续迭代，AIAI行业快速发展行业快速发展3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...

展开>> 收起<<

国元证券-生成式人工智能行业专题研究：海外大模型篇，生成式AI加速创新，行业迎历史性机遇-240329-47页.pdf

共45页,预览10页

还剩页未读，继续阅读