研报下载就选股票报告网
您好,欢迎来到股票分析报告网!登录   忘记密码   注册
>> 广发证券-计算机行业跟踪分析:谷歌发布多模态模型PaLM-E,智能化水平提升较大-230309
上传日期:   2023/3/9 大小:   1271KB
格式:   pdf  共9页 来源:   广发证券
评级:   买入 作者:   刘雪峰
行业名称:   计算机
下载权限:   此报告为加密报告
2023年3月6日,谷歌和柏林工业大学共同发表论文,对其已开发的PaLM-E多模态大模型的训练方法、训练环境及通用化效果进行了详细阐述。拥有的5620亿参数的PaLM-E大模型是在语言类模型PaLM(5400亿参数)和视觉类模型ViT(220亿参数)的基础上开发的。通过在预训练的语言类大模型中嵌入图像、状态、感知等多类型数据,PaLM-E模型不仅具备通用化语言能力,还能执行视觉问答、感知推理、机器操作等复杂的任务。
  谷歌在AI多模态大模型的训练方法上的探索已经初见成效,其成功经验可总结为:1、在同一时间段同时经过多种数据集、多种任务训练的多模态模型的泛化能力显著好于分时间段训练单一类型数据、单一任务的模型。2、利用虚拟场景补充日常现实场景中较少出现的任务,有利于提升训练数据的数量和质量,有效提升模型的训练效率。
  PaLM-E模型应用潜力较大,商业化前景较好。相较于经过单一类型数据训练的AI模型,PaLM-E多模态模型与人交互的方式不仅局限于语言、文字,还可以进行图片、三维物体的交互。PaLM-E在训练时经过了文字、图像、感知、状态等多维度信息的训练,可交互的信息类型较多,通用性得到了大大增强,可应用的场景有较大拓展。未来,我们看好PaLM-E在生活助理、仓储物流、服务机器人等场景的应用。
  AI大模型技术快速迭代,行业竞争愈发激烈。在ChatGPT推出之后,谷歌、微软、百度等海内外科技公司纷纷加速了对AI大模型的研发进度。在模型开发方面已经具有一定技术积累的情况下,我们预计各科技厂商推出AI大模型的技术难度不大。未来,各科技厂商或将更加聚焦于AI大模型的产品定位和商业化落地。在AI大模型领域,各科技厂商能否探索出稳定、可持续的尤其是To B端的商业模式并确定合理的产业链定位将会成为下一阶段竞争的关键。
  数据质量和来源的广泛化与高质量是模型算法突破的重要基础条件。在AI大模型对于训练数据的数据量、场景覆盖面有较高要求的情况下,我们认为该领域的竞争将越来越集中在科技与互联网巨头群体内。
  投资建议:建议关注百度、阿里巴巴在多模态模型领域的技术进展、商业模式的探索,以及生态链价值分布的趋势。
  风险提示。技术处于发展早期,尚未形成成熟的商业化落地模式;研发投入较大与成果落地不及预期的风险;应用领域智能化升级需求不及预期。
  
研究报告全文:TablePage跟踪分析计算机证券研究报告计算机行业TableTitleTableGrade行业评级买入前次评级买入谷歌发布多模态模型PaLM-E智能化水平报告日期2023-03-09提升较大相对市场表现TablePicQuoteTableSummary8核心观点10322052207220922112201232023年3月6日谷歌和柏林工业大学共同发表论文对其已开发的-6PaLM-E多模态大模型的训练方法训练环境及通用化效果进行了详-12细阐述拥有的5620亿参数的PaLM-E大模型是在语言类模型PaL-19M5400亿参数和视觉类模型ViT220亿参数的基础上开发的-26通过在预训练的语言类大模型中嵌入图像状态感知等多类型数据计算机沪深300模型不仅具备通用化语言能力还能执行视觉问答感知推PaLM-E理机器操作等复杂的任务分析师TableAuthor刘雪峰谷歌在AI多模态大模型的训练方法上的探索已经初见成效其成功经SAC执证号S0260514030002验可总结为1在同一时间段同时经过多种数据集多种任务训练的SFCCENoBNX004多模态模型的泛化能力显著好于分时间段训练单一类型数据单一任021-38003675务的模型2利用虚拟场景补充日常现实场景中较少出现的任务有gfliuxuefenggfcomcn利于提升训练数据的数量和质量有效提升模型的训练效率PaLM-E模型应用潜力较大商业化前景较好相较于经过单一类型相关研究TableDocReport数据训练的AI模型PaLM-E多模态模型与人交互的方式不仅局限于计算机行业三月已至为一季2023-03-05语言文字还可以进行图片三维物体的交互PaLM-E在训练时报预期布局经过了文字图像感知状态等多维度信息的训练可交互的信息计算机行业行情至半程仍然2023-02-26类型较多通用性得到了大大增强可应用的场景有较大拓展未来有空间我们看好PaLM-E在生活助理仓储物流服务机器人等场景的应用计算机行业短期受主题影响2023-02-19AI大模型技术快速迭代行业竞争愈发激烈在ChatGPT推出之后波动对基本面强劲的公司布谷歌微软百度等海内外科技公司纷纷加速了对AI大模型的研发进局有利度在模型开发方面已经具有一定技术积累的情况下我们预计各科技厂商推出AI大模型的技术难度不大未来各科技厂商或将更加聚联系人TableContacts周源焦于AI大模型的产品定位和商业化落地在AI大模型领域各科技shzhouyuangfcomcn厂商能否探索出稳定可持续的尤其是ToB端的商业模式并确定合理的产业链定位将会成为下一阶段竞争的关键数据质量和来源的广泛化与高质量是模型算法突破的重要基础条件在AI大模型对于训练数据的数据量场景覆盖面有较高要求的情况下我们认为该领域的竞争将越来越集中在科技与互联网巨头群体内投资建议建议关注百度阿里巴巴在多模态模型领域的技术进展商业模式的探索以及生态链价值分布的趋势风险提示技术处于发展早期尚未形成成熟的商业化落地模式研发投入较大与成果落地不及预期的风险应用领域智能化升级需求不及预期识别风险发现价值请务必阅读末页的免责声明19TablePageText跟踪分析计算机重点公司估值和财务分析表Tableimpcom最新最近合理价值EPS元PExEVEBITDAxROE股票简称股票代码货币评级收盘价报告日期元股2022E2023E2022E2023E2022E2023E2022E2023E寒武纪-U688256SHCNY900120230301增持9191-291-197-----2330-1880数据来源Wind广发证券发展研究中心备注表中估值指标按照最新收盘价计算识别风险发现价值请务必阅读末页的免责声明29TablePageText跟踪分析计算机一谷歌发布多模态模型PaLM-E智能化水平提升较大2023年3月6日谷歌和柏林工业大学共同发表论文PaLM-EAnEmbodiedMultimodalLanguageModel对其已开发的PaLM-E多模态大模型的训练方法训练环境及通用化效果进行了详细阐述拥有的5620亿参数的PaLM-E大模型是在语言类模型PaLM5400亿参数和视觉类模型ViT220亿参数的基础上开发的通过在预训练的语言类大模型中嵌入图像状态感知等多类型数据PaLM-E模型不仅具备通用化语言能力还能执行视觉问答感知推理机器操作等复杂的任务相较于自然语言类AI模型PaLM-E多模态模型具备的能力得到了很大程度的提升其功能拓展如下1机器人操作嵌入PaLM-E模型的机器人手臂可以执行人类给出的语音指令2空间感知PaLM-E模型可以识别三维空间的物体并根据人类指令给予实现目标的动作规划3视觉问答根据图像内容PaLM-E可以和人类进行自由对话4人机对话PaLM-E可应对较多话题的日常交流图1PaLM-E模型具备的智能化功能数据来源PaLM-EAnEmbodiedMultimodalLanguageModel广发证券发展研究中心PaLM-E通过多场景多任务和多类型数据的训练通用化效果大幅提升PaLM-E除了采用传统文字语言类模型常用的方法外还采用了语言-图像一对一对照图像-文字问答等训练方式训练的环境也不仅局限于日常真实场景在设置了多种任务的虚拟场景中模型进行了较多训练通过在多场景多任务和多类型数据的训练PaLM-E模型的泛化能力和通用化效果得到了大幅提升PaLM-E通用化的效果表明在同一时间段同时经过多种数据集多种任务训练的多模态模型的泛化能力显著好于分时间段训练单一类型数据单一任务的模型识别风险发现价值请务必阅读末页的免责声明39TablePageText跟踪分析计算机图2PaLM-E模型的训练数据与训练方法数据来源PaLM-EAnEmbodiedMultimodalLanguageModel广发证券发展研究中心PaLM-E模型部分训练数据来源于虚拟场景较大规模较高质量的三维空间感知和状态数据是PaLM-E模型具有较强空间感知能力并最终实现机器操作的前提通过各类传感器在真实场景中采集的数据的数量有限且难以覆盖长尾场景而机器手臂在操作过程中动作的方向角度力度都需要在各类情形下反复训练才能达到较高的精确度在PaLM-E的训练的过程中研发人员构建了高度仿真现实空间的虚拟场景在其中可以自由设置各种情况的发生利用虚拟场景补充日常现实场景中较少出现的任务有利于提升训练数据的数量和质量有效提升了PaLM-E模型的训练效率图3PaLM-E模型训练过程中采用的虚拟场景图4PaLM-E模型操作机器人原理图数据来源PaLM-EAnEmbodiedMultimodalLanguage数据来源PaLM-EAnEmbodiedMultimodalLanguageModel广发证券发展研究中心Model广发证券发展研究中心PaLM-E模型在图像-文字类任务中的测评分数较高在根据图像回答文字VQAv2任务测评结果中拥有5620亿参数PaLM-E模型的测评分数为661显著高于其他模型在OK-VQA任务测评结果中基于FrozenLLM的PaLM-E模型的偏差值为484为所有模型中最低各项测评分数反映PaLM-E模型的通用化效果较好识别风险发现价值请务必阅读末页的免责声明49TablePageText跟踪分析计算机图5图像-语言类任务中各模型的测评结果数据来源PaLM-EAnEmbodiedMultimodalLanguageModel广发证券发展研究中心谷歌在AI多模态大模型的训练方法上的探索已经初见成效其成功经验可总结为1在同一时间段同时经过多种数据集多种任务训练的多模态模型的泛化能力显著好于分时间段训练单一类型数据单一任务的模型2利用虚拟场景补充日常现实场景中较少出现的任务有利于提升训练数据的数量和质量有效提升模型的训练效率PaLM-E模型应用潜力较大商业化前景较好相较于经过单一类型数据训练的AI模型PaLM-E多模态模型与人交互的方式不仅局限于语言文字还可以进行图片三维物体的交互有效提升用户体验PaLM-E在训练时经过了文字图像感知状态等多维度信息的训练可交互的信息类型较多通用性得到了大大增强可应用的场景有较大拓展未来我们看好PaLM-E在生活助理仓储物流服务机器人等场景的应用在多模态模型领域国内大型科技公司已有所布局百度自2019年在自然语言处理计算机视觉以及多模态等多个AI大模型技术的持续研发其开发的文心大模型已经历多个版本的迭代最新版本中包括文图生成视觉-语言地理-语言等多个多模态模型阿里达摩院从2020年主要聚焦于M6多模态大模型的研发目前M6已应用于支付宝淘宝等平台参与跨模态搜索文案撰写图片设计等工作我们认为国内大型科技公司在参考了PaLM-E模型相关开发方法后有望推动其既有产品的更新迭代提升其通用化效果建议关注百度阿里巴巴在多模态模型领域的技术进展商业模式的探索以及生态链价值分布的趋势AI大模型技术快速迭代行业竞争愈发激烈在ChatGPT推出之后谷歌微软识别风险发现价值请务必阅读末页的免责声明59TablePageText跟踪分析计算机百度等海内外科技公司纷纷加速了对AI大模型的研发进度在模型开发方面已经具有一定技术积累的情况下我们预计各科技厂商推出AI大模型的技术难度不大未来各科技厂商或将更加聚焦于AI大模型的产品定位和商业化落地在AI大模型领域各科技厂商能否探索出稳定可持续的尤其是ToB端的商业模式并确定合理的产业链定位将会成为下一阶段竞争的关键数据质量和来源的广泛化与高质量亦是模型算法突破的重要基础条件在AI大模型对于训练数据的数据量场景覆盖面有较高要求的情况下我们认为该领域的竞争将越来越集中在科技与互联网巨头群体内识别风险发现价值请务必阅读末页的免责声明69TablePageText跟踪分析计算机二风险提示一技术处于发展早期尚未形成成熟的商业化落地模式二研发投入较大与成果落地不及预期的风险三应用领域智能化升级需求不及预期识别风险发现价值请务必阅读末页的免责声明79TablePageText跟踪分析计算机广发计算机行业研究小组TableResearchTeam刘雪峰首席分析师东南大学工学士中国人民大学经济学硕士1997年起先后在数家IT行业跨国公司从事技术运营与全球项目管理工作2010年就职于招商证券研究发展中心负责计算机组行业研究工作2014年加入广发证券发展研究中心李傲远资深分析师重庆大学金融学硕士曾任职于国泰君安安信基金2020年加入广发证券发展研究中心吴祖鹏资深分析师中南大学材料工程学士复旦大学经济学硕士曾先后任职于华泰证券华西证券2021年加入广发证券发展研究中心李婉云资深分析师西南财经大学金融学硕士2022年加入广发证券发展研究中心雷棠棣高级分析师哈尔滨工业大学软件工程硕士悉尼大学商科硕士金融学与商业分析方向注册会计师非执业会员2020年加入广发证券发展研究中心周源高级研究员慕尼黑工业大学硕士2021年加入广发证券曾任职于TUMCREATE自动驾驶科技公司负责大数据相关工作广发证券TableRatingIndustry行业投资评级说明买入预期未来12个月内股价表现强于大盘10以上持有预期未来12个月内股价相对大盘的变动幅度介于-1010卖出预期未来12个月内股价表现弱于大盘10以上广发证券TableRatingCompany公司投资评级说明买入预期未来12个月内股价表现强于大盘15以上增持预期未来12个月内股价表现强于大盘5-15持有预期未来12个月内股价相对大盘的变动幅度介于-55卖出预期未来12个月内股价表现弱于大盘5以上联系我们TableAddress广州市深圳市北京市上海市香港地址广州市天河区马场路深圳市福田区益田路北京市西城区月坛北上海市浦东新区南泉香港德辅道中189号26号广发证券大厦476001号太平金融大厦街2号月坛大厦18层北路429号泰康保险李宝椿大厦29及30楼31层大厦37楼楼邮政编码510627518026100045200120-客服邮箱gfzqyfgfcomcn法律主体TableLegalDisclaimer声明本报告由广发证券股份有限公司或其关联机构制作广发证券股份有限公司及其关联机构以下统称为广发证券本报告的分销依据不同国家地区的法律法规和监管要求由广发证券于该国家或地区的具有相关合法合规经营资质的子公司经营机构完成广发证券股份有限公司具备中国证监会批复的证券投资咨询业务资格接受中国证监会监管负责本报告于中国港澳台地区除外的分销广发证券香港经纪有限公司具备香港证监会批复的就证券提供意见4号牌照的牌照接受香港证监会监管负责本报告于中国香港地区的分销本报告署名研究人员所持中国证券业协会注册分析师资质信息和香港证监会批复的牌照信息已于署名研究人员姓名处披露重要TableImportant声明Notices识别风险发现价值请务必阅读末页的免责声明89TablePageText跟踪分析计算机广发证券股份有限公司及其关联机构可能与本报告中提及的公司寻求或正在建立业务关系因此投资者应当考虑广发证券股份有限公司及其关联机构因可能存在的潜在利益冲突而对本报告的独立性产生影响投资者不应仅依据本报告内容作出任何投资决策投资者应自主作出投资决策并自行承担投资风险任何形式的分享证券投资收益或者分担证券投资损失的书面或者口头承诺均为无效本报告署名研究人员联系人以下均简称研究人员针对本报告中相关公司或证券的研究分析内容在此声明1本报告的全部分析结论研究观点均精确反映研究人员于本报告发出当日的关于相关公司或证券的所有个人观点并不代表广发证券的立场2研究人员的部分或全部的报酬无论在过去现在还是将来均不会与本报告所述特定分析结论研究观点具有直接或间接的联系研究人员制作本报告的报酬标准依据研究质量客户评价工作量等多种因素确定其影响因素亦包括广发证券的整体经营收入该等经营收入部分来源于广发证券的投资银行类业务本报告仅面向经广发证券授权使用的客户特定合作机构发送不对外公开发布只有接收人才可以使用且对于接收人而言具有保密义务广发证券并不因相关人员通过其他途径收到或阅读本报告而视其为广发证券的客户在特定国家或地区传播或者发布本报告可能违反当地法律广发证券并未采取任何行动以允许于该等国家或地区传播或者分销本报告本报告所提及证券可能不被允许在某些国家或地区内出售请注意投资涉及风险证券价格可能会波动因此投资回报可能会有所变化过去的业绩并不保证未来的表现本报告的内容观点或建议并未考虑任何个别客户的具体投资目标财务状况和特殊需求不应被视为对特定客户关于特定证券或金融工具的投资建议本报告发送给某客户是基于该客户被认为有能力独立评估投资风险独立行使投资决策并独立承担相应风险本报告所载资料的来源及观点的出处皆被广发证券认为可靠但广发证券不对其准确性完整性做出任何保证报告内容仅供参考报告中的信息或所表达观点不构成所涉证券买卖的出价或询价广发证券不对因使用本报告的内容而引致的损失承担任何责任除非法律法规有明确规定客户不应以本报告取代其独立判断或仅根据本报告做出决策如有需要应先咨询专业意见广发证券可发出其它与本报告所载信息不一致及有不同结论的报告本报告反映研究人员的不同观点见解及分析方法并不代表广发证券的立场广发证券的销售人员交易员或其他专业人士可能以书面或口头形式向其客户或自营交易部门提供与本报告观点相反的市场评论或交易策略广发证券的自营交易部门亦可能会有与本报告观点不一致甚至相反的投资策略报告所载资料意见及推测仅反映研究人员于发出本报告当日的判断可随时更改且无需另行通告广发证券或其证券研究报告业务的相关董事高级职员分析师和员工可能拥有本报告所提及证券的权益在阅读本报告时收件人应了解相关的权益披露若有本研究报告可能包括和或描述呈列期货合约价格的事实历史信息信息请注意此信息仅供用作组成我们的研究方法分析中的部分论点依据证据以支持我们对所述相关行业公司的观点的结论在任何情况下它并不明示或暗示与香港证监会第5类受规管活动就期货合约提供意见有关联或构成此活动权益披露TableInterestDisclosure1广发证券香港跟本研究报告所述公司在过去12个月内并没有任何投资银行业务的关系版权声明TableCopyright未经广发证券事先书面许可任何机构或个人不得以任何形式翻版复制刊登转载和引用否则由此造成的一切不良后果及法律责任由私自翻版复制刊登转载和引用者承担识别风险发现价值请务必阅读末页的免责声明99
 
Copyright © 2005 - 2021 Nxny.com All Rights Reserved 备案号:蜀ICP备15031742号-1