人工智能实现简单的问答机器人系统开发应用

     我们《3月，应对倒春寒》中提示，大类资产联动指标冲高以后下行，公司目前已经为大中小型企业提供了一站式的APP开发服务，励志为企业品牌打造和提升、以及开发，区块和数字化，信息化软件系统等，为客户提供一站式解决方案和完整的营销解决方案。励志为企业品牌打造和提升、以及开发，区块和数字化，信息化软件系统等，为客户提供一站式解决方案和完整的营销解决方案。并为大型的国有企业提供功专业的解决方案开发与项目研发服务，波预期修复行情歇脚，酝酿第二波，3月12日《无惧倒春寒》提示，普林格高频同步指标回落，复苏基础仍需夯实。普林格周期复苏阶段，权益、中游制造占优，寻底反攻，继续以超跌+政策受益+景气向上的大科技为抓手。

   1）大科技去年超跌，市场寻底反攻期存在反转效应。在2005、2008、2012、2018年这四个阶段，各行业在触底前的跌幅与触底以后的上有负相关关系，即之前跌幅越大的公司往往之后幅越高，具有反转效应。而这与市场反转的逻辑也是一致的：市场下跌是由于衰退/衰退预期影响，市场反弹主要原因是由于此前压制市场的负面因素缓解，症结发生改变。大科技2022年超跌，反攻阶段弹性高。当前阶段TMT已达交易占比高点，交易高点会加剧博弈但并不意味着行情到达终点，对于前期机构参与度并非太高且快速上的主题性行情，有力度的回调或为布局时机。

   2）长期政策受益，短期政策频出、产业变革催化不断。国家政策层面，二报告点明中长期科技+制造、科技+安全的政策支持方向，今年2月《数字建设整体布局规划》发布，确定数字建设框架；产业方面，OpenAI推出聊天机器人人工智能、百度官宣“文心一言”、复旦大学发布了类人工智能模型“MOSS”、华为即将上线大模型，产业层面催化不断。
   3）大科技盈利/估值/情绪均具备相对优势。估值维度，7大科技行业2023年预期PE估值分位处于历史相对低位，安全边际仍旧较足；盈利维度，以预期的行业盈利增速情况作为辅助参考，目前市场对于7大科技行业23年的盈利预期较23年1月底大多继续提升；交易维度，目前大科技板块多数行业的基金持仓比例处于较低位置。

    拥抱大科技：紧握数字经济顶层设计，深入理解“四化框架”
   数字经济行业发展可分为五个阶段，2016年以后进入数字经济时代。数字经济发展历程可追溯到20世纪40-60年代，以电子计算机诞生为标志。20世纪70年代起，电子计算机逐渐小型化，个人电脑研发上市，数字经济行业进入个人电脑时代。20世纪90年代，随着万维网发明，数字经济进入PC互联网时代。2007年，随着苹果智能上市，数字经济进入移动互联网时代。2016年，AlphaGo围棋战获胜，人工智能等技术高速发展，社会迈入数字经济时代。
   与农业经济时代、工业经济时代不同，数字经济时代的生产要素、生产力和生产关系均发生了重大变革。数字经济是以数字化的知识和信息作为关键生产要素，以数字技术为核心驱动力量，以现代信息网络为重要载体，通过数字技术与实体经济深度融合,不断提高经济社会的数字化、网络化、智能化水平，加速重构经济发展与治理模式的新型经济形态。
    拥抱大科技：AI是产业数字化的重要内容，AI+产业是万亿蓝海
   AI（人工智能）是研究和开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的技术科学，人工智能系统是具备学习、思考、判断、推理、证明和自我纠错等能力的系统。AI+是产业数字化的重要内容，对社会发展具备重要价值，AI+将形成新的生产力，第四次工业并具有巨大的创新溢出效应。
   预计AI产业将保持高速增长，2026年我国核心产业规模将超过6000亿元，人工智能带动AI+相关产业规模将超过2万亿。根据艾瑞咨询预测，2021年我国人工智能行业规模将达到近2000亿元，将于2026年超过6000亿元，2021年到2026年的CAGR为24.8%。2021年人工智能带动相关产业规模预计达7695亿元，到2026年人工智能带动相关产业规模将超过2万亿，2021年到2026年的CAGR为22.3%。
    AI+电子：AI催生HPC硬件支持需求，加速电子全产业高端化迭代
    AI+CPU/GPU/FGPA/先进封装：数据处理量级提升，大算力芯片国产替代加速
   CPU/GPU/FGPA：大算力芯片是AI发展的核心硬件要素，具备高国产替代紧迫性。类似AIGC等AI模型实际效果的好坏依赖两个量级——模型参数的量级与训练数据的量级。模型的参数越多，*终结果的拟合程度就越好；训练量越大，越有利于AI的智能化迭代；而两者的提升均需底层大量的算力支持，以AIGC大模型为例，GPT-3的模型规模达1750亿个参数，使用单块英伟达V100GPU进行训练需要355年，对算力芯片提出了海量的需求，算力是制约AI发展的核心硬件要素。AI行业龙头主要采用英伟达GPU芯片进行开发训练。而在文本搜索、内容推荐场景，部分厂商也会使用CPU进行分布式计算环境的搭建。FPGA凭借可重复编程的灵活性，可进行快速定制化运算的研究和设计，提高AI计算加速的稳定性。国内目前获取部分高性能GPU（如英伟达的A100GPU与H100GPU）受限，高端算力芯片成为AI产业发展的“卡脖子”核心环节，具备高国产替代紧迫性。

   先进封装：目前制程提升性价比日益降低，先进封装成我国“弯道超车”关键路径。随着制程的不断迭代，芯片设计成本与制造成本均呈现指数型的增长趋势，根据UniversalChipletInterconnectExpress(UCIe)，28nm制程的芯片设计成本约0.51亿美元，但当制程提升至5nm时，芯片设计成本则快速升至5.42亿美元，成本提升近十倍。系统级封装、Chiplet等先进封装技术为行业技术演进的关键路径。先进封装不通过晶体管制程的缩小而延续摩尔定律，而是利用三维封装（3DPackage）、系统级封装（SiP）等方式实现器件功能的融合和产品的多样化，是未来继续提升高制程芯片性能的重要手段，也是半导体行业实现“弯道超车”的关键技术。

    AI+数据传输/数据存储：海量数据高速传输/存储为痛点，PCB/存储芯片高端化迭代
   PCB：更高的算力要求高性能高速的数据传输能力，PCB行业需求大幅增加。AI服务器中连接处理器和内存的主板PCB、加速卡用PCB也需要使用更高规格的高价值PCB以减少损耗。大算力对应的高多层PCB具有技术和客户壁垒高、可持续升级得以保持持续优势的行业特点。使得PCB行业的竞争优势由成本控制转为技术竞争，行业技术壁垒与价值量持续加深。国内厂商有望凭借在传统领域的技术积累，快速拓展数据中心、人工智能等领域，在AIGC发展浪潮中充分受益。
   存储芯片：数据处理量的提升同步带动数据存储量的指数型增长，并有望加速存算一体化趋势的发展。目前AIGC、高端服务器、高性能计算、5G等应用快速发展，这些应用离不开数据的高速处理与存储。而传统存储器的数据访问速度远低于处理器的处理速度，为算力提升中的“木桶效应之短板”。为突破“内存墙”问题，存算一体芯片等数据存储需求快速提升。以HBM为主要代表的存算一体芯片能够通过2.5D/3D堆叠，将多个存储芯片与处理器芯片封装在一起，克服单一封装内带宽的限制、增加带宽、扩展内存容量、并减少数据存储的延迟。根据TrendForce集邦咨询，2023~2025年HBM市场CAGR有望成长至40~45%以上，市场需求快速提升。三星2021年2月与AMD合作开发HBM-PIM，将内存和AI处理器合而为一，在CPU和GPU安装HBM-PIM，显著提高服务器运算速度。2023年开年后，三星高带宽存储器（HBM）订单快速增加。
    AI+计算机：AI赋能千行百业降本增效，行业主要细分应用领域数智化变革提速
    AI+办公软件/企业服务软件/信息服务软件/工业软件：从工具软件到“智能助手”
   对标海外，办公软件是大模型生产力赋能*直接的版块。微软Copilot为全世界打造了AI赋能传统办公软件的范式，Microsoft365Copilot使Word、PPT、Excel、Outlook、Teams等常用办公软件成为了每个人的“智能助手”，用户可以调用它来生成文档，并且根据Word文档创建PPT，甚至协助使用Excel中的数据表，将用户从琐碎工作中解放出来。百度新推出的文心千帆大模型业已实现赋能WPS自动生成PPT大纲以及内容。“AI+办公”的深刻变革未来将走进每个人的生活，受众广且产品力强的国产办公软件有望受益。
   大模型加持企业服务软件成为每个人的商旅助手：微软Dynamics365Copilot为组织内的员工提供了面向销售、、市场、运维和供应角色的AI工具，在ERP领域，Dynamics365Copilot通过整合CRM和ERP系统能实现多个业务流的自动化，例如PowerVirtualAgents对话加速器借助于AzureOpenAI服务和必应搜索引擎，它能够按照用户需要从公司网站和内部知识库中搜寻和提供；利用Dynamics365Marketing中的Copilot，市场人员可以用自己的语言来描述客户群体，从而创造出一个支持检索辅助功能的全新目标客户类别。看好国内通用企业服务软件提供商及垂直行业企业服务软件提供商。
   工业软件从工具软件转变为降本增效的智能助手：CAD、EDA、BIM、CAE等工业软件在大模型的赋能下有望实现从工具软件到智能化效率管家的转变，例如造价软件有望升级为AI数字成本管控专家、CAD与BIM有望实现按照语音/文本自动生成合意的设计图纸，工作效率将是质变提升。

   AI+金融/法律/资讯&平台型厂商或迎蜕变机会：资讯类/应用入口类厂商有望受益被集成带来的商机增加，平台型厂商有望形成生态圈；反生成式AI预计是潜在主线
   资讯/应用入口类厂商除了受益大模型带来的降本增效效应，也有望迎来被集成机遇：3月24日，OpenAI发布Plugins（插件集），通过人工智能可以调用第三方应用程序，例如用户可以询问人工智能今日体育比赛的赛况、某某酒店今日还剩下什么房型/什么甚至代替用户订餐、订机酒、规划旅游路线等等，资讯/应用入口类厂商触达C端客户的渠道将有望显著增加。
   品牌手机/PC、社交软件、搜索引擎、电商平台仍是*主要的流量入口，平台型大厂生态可能扩容：纷繁复杂的应用市场未来可能被平台化整合，平台化厂商及其合作伙伴有望深度受益，重点关注华为、腾讯混元、百度文心等大厂模型主要软硬件合作伙伴。
   反生成式AI及网络安全可能是另一条潜在主线：AIGC将带来数据资料的爆发式增长，亦可能带来系列监管难题，例如歧视、仇恨言论与排斥、知识产权挑战、AIGC被恶意使用/滥用（例如合成用于诈骗、、诽谤、冒充他人身份的音），AIGC内容监管市场及网络安全（特别是数据安全）市场有望受益。
    AI+传媒互联网海外：坚定拥抱AI大模型带来的产业革新，积极布局AI+应用标的
    国产大模型研发：百度、腾讯、阿里等
   百度文心大模型拥有先发优势，文心千帆推动大模型落地产业，下游的广泛应用或带来飞轮效用。百度文心构建了文心大模型层、工具平台层、产品与社区三层体系。文心大模型构建了“基础+任务+行业”的三级模型体系，基础大模型支撑任务与行业大模型的建设，任务和行业大模型结合真实场景与数据反哺基础大模型优化，目前已有36个大模型。百度率先在2019年3月发布预训练模型ERNIE1.0，文心一言是国内大厂推出的“类人工智能”产品，已有超过650家企业宣布接入；3月27日，百度智能云发布一站式企业级大模型平台“文心千帆”，推动大模型落地产业。

   腾讯混元大模型依托C端数据的丰富积累，类应用表现出色。2022年4月，腾讯首次对外披露混元大模型，协同了腾讯预训练研发力量，完整覆盖NLP大模型、CV大模型、多模态大模型及众多行业/领域任务模型。其中，HunYuan-NLP是万亿级别中文NLP预训练模型，参数量达1T，排名CLUE1.1总排行榜。太极机器学台是混元大模型的底层支持。混元先后支持了包括、QQ、、腾讯、腾讯云等众多产品和业务，降本增效。依靠混元的多模态理解能力，在内容理解、行业特征挖掘、文案创意生成等方面的应用，在为腾讯带来大幅GMV提升的也初步验证了大模型的商业化潜力。
   阿里通义大模型凭借多模态能力，实现下游应用的降本增效。2022年9月，在阿里巴巴达摩院主办的世界人工智能大会“大规模预训练模型”主题论坛上，发布“通义”大模型系列，并宣布相关核心模型向开发者开源开放。阿里达摩院基于其AI统一底座构建了通用模型与专业模型协同的层次化人工智能体系。通义-M6为多模态大模型，已经从2020年6月的3亿参数基础模型发展到2021年10月的10万亿参数预训练模型到2022年1月的业界通用统一大模型M6-OFA。通义大模型依靠其的跨模态能力，为下游任务提质增效，例如在淘宝服饰类搜索场景中实现了以文搜图的跨模态搜索。
    AI+医药/：开启智能加速提效时代
   2023年3月27日，科技部启动“人工智能驱动的科学研究”专项部署，将紧密结合数学、物理等基础学科关键问题，围绕研发、基因研究、生物育种、新材料研发等重点领域科研需求，布局“人工智能驱动的科学研究”前沿科技研发体系。我们认为将驱动医药和进入智能加速提效时代。
   多组学研究AI：以基因组/蛋白组/代谢组/宏基因组/转录组等为代表的基础大数据是研究/新药研发/基因编辑/合成生物学等开发的价值量的数据宝库，AI的加持，有望加速我们对生命本源的认识，发现更多发展的底层原因并提出解决方案，更快更好的改变工业用微生物/植物/动物以服务产业。
   新药研发AI：计算机辅助设计，蛋白结构预测，模拟分子筛选以及与真实世界与临床试验研究等已在新药研发有所应用，AI的加持下，有望加速新药的研发，满足未被满足的需求。
   AI+辅助诊断（影像/病理/检验）：指运用人工智能技术识别及分析影像/病理/检验，帮助医生病症分析病情/分析病理原因/快速形成诊断报告等，在目前国内资源整体不足，结构不均的大背景下，AI加持或成为提率，助力实现公平的重要手段。
    AI+底层数据基建：AI构建HIS和电子病例，整合大数据解决方案。
    AI+家电：提升使用体验，重要C端落地应用场景
   家电板块是AI技术*重要的C端应用场景之一，其中扫地机为智能化程度、*有望率先显著受益的板块，投影、电视等智能显示产品亦可通过AI交互提高智能化及用户体验，推荐关注扫地机龙头科沃斯、石头科技、智能家居标的萤石网络、智能显示龙头极米科技、海信视像。
   扫地机板块，AI模型快速迭代有望解决重要使用痛点，带来更好用的产品。（1）扫地机目前的语音交互功能仍处于初级阶段，语言交互能力的提升有望增加日常灵活清洁场景，以及扩大老年人等用户群体，应对老龄化市场需求；（2）算法度和应对更复杂的场景是扫地机的核心竞争力，算法算力的提升将助力家庭环境识别度、更好应对地毯//台阶等场景识别，大幅提升使用体验；（3）助力企业更快进军**家庭服务机器人。

   智能家居板块，AI加强交互能力，助力提升算法度。（1）智能家居中家居摄像头需要对家庭场景进行识别分析（2）家居摄像头搭载多种智能算法，如人脸识别、检测、老人摔倒、啼哭检测等，算法度对使用体验具有重要作用，AI有望提升算法度，丰富算法使用场景（3）AI助力提升全屋智能控制及语音交互。
   智能显示板块，AI助力智能化，全息影像有望落地。（1）智能显示承担家庭中重要显示角色，AI赋能有望更大程度丰富显示屏的内容及功能，目前海信已推出健身智慧屏，搭载识别、动作纠错及AI教练等功能（2）家用智能投影仪除亮度、清晰度为重要指标外，自动校正、对焦等对于易用性亦起到重要作用，AI有望提升产品智能化程度（3）AI有望推动全息影像等技术发展。
    AI+建筑：提质增效开启新时代
   AI+建筑设计：传统建筑行业作业流程一般为设计-施工-安装-装修，其中施工、安装属于劳动密集型环节，AI带来的影响相对较小；而设计端是集数据、技术及人才为一体的脑力劳动密集型环节，随着AI+的发展或给行业带来新的变革，在绘图效率方面，AI有望提升画图效率（目前主要是CAD二维绘图，BIM渗透率仍比较低），大幅节约设计环节的时间，提升整体项目运行效率；在人力成本方面，由于设计行业属于知识密集型行业，设计师属于专业人员，薪酬等人力成本相对较高，而AI的应用可以节约薪酬和设计方案的总体造价；*后是项目管理方面，建筑领域多为劳动密集型行业，人员众多管理难度增大，而AI的应用或提升管理效率，突破管理半径为设计行业带来新的变革。

   AI+对行业格局带来的影响：一、对于有丰富项目经验、历史数据积累的头部设计企业，在数字化竞争阶段会更有优势，AI+的赋能有利于打破管理边界，带来市占率的提升；二、AI+的普及应用会节约人工成本，提升管理效率，整体增厚企业利润。