第三章 財務、風險及競爭分析3.1 財務分析和估值方法

圖 杜邦分析法

來源：資產信息網 千際投行 iFinD

Dupont分析模型是一種常用的財務分析工具，它通過對企業凈資產收益率進行分解，幫助人們更好地理解企業的盈利能力。該模型將凈資產收益率分解為三個部分，即利潤率、資產周轉率和財務杠桿，從而深入剖析各個因素對企業盈利能力的影響。利潤率反映企業銷售產品或提供服務后的利潤水平，資產周轉率則反映企業管理資產的效率，財務杠桿則反映企業借債資金對股東權益的影響。通過對這些因素的分析，人們可以更準確地評估企業的盈利能力，并且針對不同的因素進行有針對性的調整和優化，從而提高企業的經營效益。

圖 CAPM分析

來源：資產信息網 千際投行 iFinD

CAPM模型，即資本資產定價模型，用于評估投資項目的可行性。該模型通過衡量資本成本和預期回報來計算資產的合理價格。其基于市場效率的假設，假設投資者在決策時會考慮市場整體的風險和回報。該模型將資本成本分為兩部分：無風險利率和風險溢價。無風險利率代表投資者可以獲得的沒有風險的回報率，而風險溢價則衡量了投資者愿意為承擔額外風險而要求的額外回報。通過結合資本成本和預期回報率，CAPM模型可以計算出一個合理的資產價格，從而幫助投資者評估投資項目的可行性。這種模型在風險管理和投資決策中被廣泛使用，能夠提供參考依據，幫助投資者做出明智的選擇，并優化投資組合以實現最大化的回報。

估值

1、市盈率法：是企業市值與其凈利潤之間的比率，它可以反映投資者對企業未來盈利能力的期望。根據同行業公司的市盈率水平，可以合理估計目標企業的估值。

2、市凈率法：是企業市值與其凈資產之間的比率，它可以反映企業的資產質量和凈資產收益能力。根據同行業公司的市凈率水平，可以合理估計目標企業的估值。

3.2 驅動因子

我國目前在大模型發展領域仍有較大努力空間，要落實全國新型工業化推進大會部署，以人工智能和制造業深度融合為主線，以智能制造為主攻方向，以場景應用為牽引，夯實人工智能賦能底座，推動制造業全流程智能化，加快重點行業智能升級，大力發展基于大模型的智能裝備、軟件等智能產品，加強人才、標準、檢測能力、開源機制等支撐體系建設，推動人工智能全方位、深層次賦能新型工業化，加快形成新質生產力。

同時，要充分發揮我國完備產業體系和新型信息基礎設施優勢，堅定信心，從供給側、需求側、基礎側協同發力，加快培育面向工業領域的大模型，凝練和開放工業應用場景，深化工業數據開發利用，提升算力供給能力，著力營造良好環境，積極探索人工智能和工業融合發展新路徑，形成雙向賦能的發展格局。

圖 截止2023年7月全球大模型累計數量區域分布情況

來源：資產信息網 千際投行 iFinD

驅動因子

政策助力

隨著當前人工智能行業的發展，大模型技術也不斷發展，而為推動大模型在行業中的應用，我國及部分省市發布了多項行業政策，支持大模型行業發展。

資本加持

在市場需求的增長以及政策支持的背景下，我國大模型市場規模將不斷增長，預計到2025年市場規模將突破300億元。而多模態大模型作為AI模型的發展方向，在各項相關技術愈發成熟下，其應用領域也將愈發廣泛，比如說商業定制、游戲和影視等。而隨著其應用領域的不斷拓展下，其需求量也將增加，預計2025年我國多模態內容市場規模800億美元。

應用領域拓展

從融資情況來看，目前多模態大模型行業融資情況較為頻繁，在2024年2月已經發生兩起投融資事件，分別為Weitu AI 公司獲得的天使輪融資和聯匯科技獲得的戰略融資。

3.3 風險分析及管理

風險分析

技術安全風險

數據方面，數據會帶來價值偏見、隱私泄露、數據污染等問題；訓練數據固有偏見導致模型產生偏見內容；海量訓練數據擴大了數據安全和隱私保護風險。算法方面，算法模型生成特性及安全漏洞會引發“幻覺”或虛假信息、模型遭受攻擊等風險。

網絡安全風險

網絡安全主要包括傳播的信息部分是有害的和不實的。有害信息包括價值偏見，隱私泄露，還有黃賭毒、涉恐涉暴、仇恨、反諷、歧視、刻板印象等等各種信息污染；不實信息包括虛假信息、偽造、欺詐內容等。也包括由輸出信息所直接導致的各類不安全的指令調用、智能體或者具身智能機器人的惡意行為等等。

此外，網絡犯罪分子不僅使用勒索軟件攻擊關鍵基礎設施，而且還掌握了利用生成式AI等新興技術實施惡行的新手段。

數據收集風險

當前的大模型普遍具有數十億個參數，有的大模型參數量甚至多達上萬億個，訓練時常常用到數萬億甚至數十萬億的語料，需要收集海量的數據，在數據的收集、處理、使用等方面，大模型面臨的挑戰不容忽視。

一是數據獲取的便利性。能否方便、快捷地獲取數據，是決定大模型能否成功訓練的關鍵，目前通用類大模型訓練的數據大部分來自公開渠道，但專用類大模型需要專業數據，這些數據大都屬于企業、研究機構等實體，增加了專用類大模型的訓練難度。

二是數據來源的合法性。隨著個人信息保護意識的提高，即便是通過公開渠道獲取的數據，也存在合法使用的問題。

三是數據質量的可靠性。大模型的預訓練不僅需要的數據量大，而且對數據質量有很高的要求。當前，國外大模型和國內部分大模型會選用開源數據集進行訓練，這些源于互聯網的數據雖然數量巨大，但質量良莠不齊；從中提取符合預訓練要求的高質量數據，在數據清洗方面面臨著很大挑戰，特別是其中高質量的中文數據樣本更是少之又少，進一步增加了國內大模型預訓練的難度。

資金風險

大模型成本主要由模型開發成本、訓練成本、算力成本、數據成本、運維成本等構成，僅訓練成本便動輒高達數百萬美元。對普通企業和科研機構而言，資金成為一道難以逾越的“門檻”，國內能夠承擔如此巨大成本開支的企業和科研機構為數不多。

人才風險

與大模型研發密切相關的是人才。國內大模型人才數量嚴重不足，與美國相比頂尖人才數量少，制約了大模型研發的快速發展。同時，人才質量不夠高，伴有外流嚴重的問題。

風險管理

1、提高算力規模。進一步完善信息基礎設施，加快推進“東數西算”步伐，加大算力網絡建設力度，為大模型研發運營提供足夠算力，同時進一步提高網絡速度，降低網絡時延，為更多大模型走向應用創造條件。

2、加強數據管理。國家層面加強對數據的管控，明確行業標準，建立數據使用規則，確保大模型訓練數據的質量。同時，針對行業數據，破除不同廠家之間數據互相不能查詢的壁壘，確保大模型訓練有充足、準確的專業數據。

3、加大資金投入。建立國家大模型基金，專門用于大模型的研發、訓練等。

4、加大政策支持。面向大模型研發，制訂更加優惠的稅收政策。針對國有企業在大模型研發上投入的資金，允許以兩倍規模計為企業凈利潤。

5、加大科技投入。解決核心技術“卡脖子”問題，特別是加大人工智能芯片研發制造力度。

6、加快人才隊伍建設。加大人才培養和引進力度，在薪資、晉升、住房、子女升學等方面，為高科技人才提供更加寬松的環境。進一步放寬針對國有企業的工資總額管控，為國有企業吸引頂尖人才創造環境。

3.4 競爭分析

發展和行情復盤

我國大模型行業進入較晚，自美國硅谷的OpenAI公司發布ChatGPT后，我國也掀起了大模型領域的浪潮。

在面臨掉隊的情況下，各大科技巨頭、科研院所、初創公司都紛紛下場，部署自己的大模型。2023年3月16日，百度正式推出了基于百度新一代大語言模型的生成式AI產品“文心一言”，成為了率先“跑出來”的國內大模型廠商。文心一言的問世，也拉開了國內“百模大戰”的帷幕。此后，阿里、華為、騰訊、京東、科大訊飛、360、字節跳動等科技公司紛紛發布了自家的大模型。同臺競技的玩家，還有科研院所及創業公司。北京智源人工智能研究院發布了“悟道”大模型，上海人工智能實驗室推出了“書生”大模型，鵬城實驗室研發了“鵬城·腦海”大模型。王小川創立的百川智能、清華計算機系孵化的智譜AI等初創公司如冉冉新星，以卓越的自研能力備受行業關注。

圖 大模型技術復盤

來源：資產信息網 千際投行 iFinD

隨著大模型的集體涌現，人們發現應用層中蘊藏著更多機會。大模型應用于實際中比單純研究技術成本更低、變現更快，且市場擁有大量用戶，市場規�？捎^。

大模型引發的創業熱潮，直接體現在投融資上。雖然2023年投融資整體行業遇冷，但總體而言，AI行業融資的形勢相對仍處于比較熱門的狀態。截至今年11月20日，人工智能賽道在一級市場的總融資事件為530起，總融資交易額估算有631億元。

行業收并購重組 

2023年十月，百川智能獲得的單輪融資是3億美金投資，智譜AI 2023年累計獲得的融資是超25億人民幣（約3.48億美金）。

2024年，亞馬遜表示，將向人工智能初創公司 Anthropic 追加投資 27.5 億美元，完成去年達成的一項交易，以支持這家人工智能初創公司并擴大兩家公司之間的合作伙伴關系。繼去年 9 月份宣布的一項早期投資之后，此次注資使亞馬遜對 Anthropic 的總投資達到 40 億美元。

整體大模型領域投融資數額巨大，創融資難度大，風險高。

圖 阿里投資的AI大模型公司

來源：資產信息網 千際投行 iFinD

3.5 中國重要參與企業

在中國大模型行業，百度、科大訊飛、騰訊、阿里、月之暗面、華為、商湯、復旦大學、中科院等機構和企業都扮演著至關重要的角色。這些機構和企業通過推出創新的AI大模型和技術，極大地推動了行業的發展和應用廣泛化。

2024年5月7日，由華算人工智能研究院、全國高校人工智能與大數據創新聯盟從“產學合作協同育人”角度研究并推出“大模型中國50強榜單(2024)”。

表 2024中國大模型TOP50榜單

來源：資產信息網 千際投行 華算人工智能研究院

華為通過其盤古系列大模型，涵蓋了自然語言處理（NLP）、計算機視覺（CV）和科學計算等領域，顯示出華為在多個AI領域的深入布局。盤古大模型的開發體現了華為在提高AI處理能力和效率方面的重要進展。

圖 華為盤古大模型示意圖

來源：資產信息網 千際投行 iFinD

阿里巴巴 通過阿里云推動了多個通義系列大模型的開發，包括智能編碼助手、AI閱讀助手、工作學習AI助手等，極大地豐富了大模型的應用場景。阿里云成為中國大模型的重要AI算力底座，為國內外多個大模型提供了API服務，加速了AI技術的商業化和普及。

圖 阿里大模型

來源：資產信息網 千際投行 iFinD

騰訊的混元大模型以其超千億參數規模和超強的中文處理能力，在市場上獲得了顯著的地位。2023年以來，騰訊通過將混元大模型整合入微信等應用，大幅提升了用戶的互動體驗，并通過新技術不斷提升模型的性能和應用廣度。

圖 騰訊大模型

來源：資產信息網 千際投行 iFinD

百度 旗下的文心大模型在推動AI技術商業化和工業應用方面取得了顯著成就。文心模型不僅在搜索、信息流和智能音箱等產品中得到應用，還通過百度的飛槳平臺支持多個行業的AI轉型，顯示了其在AI技術推廣和應用中的強大能力。

圖 文心大模型發展歷程

來源：資產信息網 千際投行 iFinD

科大訊飛的訊飛星火認知大模型憑借其在文本生成、語言理解和多模交互等方面的核心能力，成為國內領先的AI大模型之一。科大訊飛通過持續迭代更新其模型，提高AI的功能性和實用性，為中國的AI發展貢獻了重要力量。

圖 科大訊飛大模型年內重要里程碑

來源：資產信息網 千際投行 iFinD

這些企業的活動不僅推動了中國大模型行業的技術進步，也為全球AI技術的發展趨勢提供了重要參考。隨著技術的進一步發展和應用的深入，預計這些企業將繼續在全球AI領域發揮領軍作用。

3.6 全球重要參與企業

在全球大模型行業，OpenAI、谷歌、微軟、谷歌、英偉達、英特爾、Meta等重要的參與企業正在推動該領域的發展與革新，包括大模型、AI視頻、AI圖像、AI數字人、AI搜索、AI語音、AI音樂、AI3D、AI設計等。OpenAI、谷歌和Anthropic是其中的佼佼者，他們的技術進展和市場活動為整個行業設定了高標準。

表 主要非中國AI大模型列表

來源：資產信息網 千際投行收集整理

OpenAI 自成立以來，就致力于開發和推廣安全通用人工智能（AGI）。其核心產品包括各種開源工具和高級AI模型，如GPT系列。OpenAI的轉型從非營利組織到營利性公司標志著其對資金和資源需求的增長，以及對商業化策略的調整。與微軟的合作使得該公司在AI超算技術上取得了重大進展。2022年發布的ChatGPT和2024年推出的Sora視頻大模型，都極大地推動了AI在內容生成和對話交互領域的應用，使得OpenAI的市場估值和影響力大幅提升。

圖 OpenAI大模型發展歷程

來源：資產信息網 千際投行 iFinD

谷歌在大模型技術方面也不甘落后。其PaLM 2 AI模型是行業內的佼佼者，專注于常識推理、形式邏輯、數學問題解決以及多語言處理。谷歌的技術實力在處理大規模參數和多種語言的模型訓練上表現卓越，其模型的響應速度和處理能力在行業內居于領先地位。這些技術優勢使得谷歌在AI研究和應用領域持續保持競爭力。

圖 Google PaLM2大模型示意圖

來源：資產信息網 千際投行 iFinD

Anthropic，由前OpenAI員工創立，專注于構建有用、誠實和無害的AI系統。Anthropic的Claude模型在多個AI基準測試中顯示出優異的性能，特別是在語言理解和生成方面。該公司的創新不僅在技術層面，還在于推動AI的倫理和安全標準，這使其在AI社區中獲得了獨特的地位。

這些公司的活動不僅推動了大模型技術的進步，也對全球經濟和社會的多個領域產生了深遠影響。從提高生產效率到改善用戶體驗，再到引發下一輪工業革命，大模型行業的未來充滿了既有挑戰也有機遇。隨著技術的進一步成熟和市場的擴展，預計這些企業將繼續在智能化浪潮中扮演關鍵角色。

第四章 未來展望

大模型行業正迅速成為技術發展的前沿陣地，其未來展望可謂光明而充滿挑戰。從人機交互的自然化到智能基礎建設的大規模投資，再到AI芯片成本的下降，各種因素共同推動了這一行業的飛速進步。

首先，人機交互界面的進化是推動大模型行業發展的核心動力。從初期的命令行界面(CLI)到圖形界面(GUI)，再到現在的對話式交互界面(CUI)和多模態交互方式，技術的進步顯著提高了機器的用戶友好度和效率。這種以自然語言進行的交互不僅使機器更加“擬人化”，還極大地降低了公眾對AI工具的使用門檻，從而激發了市場對AI技術的需求。

在技術供給側，大模型的發展趨勢是向多模態轉變。這種轉變不僅降低了生產成本，也顯著提升了市場的活躍度和應用的廣度。隨著AI模型與新一代硬件如機器人、AR眼鏡等的融合，預示著下一輪工業革命的到來。人們預期，基于大模型的智能體將變成人類的“生產力遙控器”，在人機協同模式下，極大地提升生產資料的操作效率和范圍。

另外，智能基礎設施的建設也是大模型行業發展的關鍵。隨著AI芯片價格的預期下降，將進一步加速大模型的產能擴張。低成本的計算力將使AI服務回歸到更廣泛的社會公共服務領域，提高其普及率和應用深度。同時，智能基礎設施的投資正在不斷增加，其在經濟中的“資本密度”、“算力密度”和“數據密度”也在持續提升，這將為中國乃至全球經濟的比較優勢增添新的動力。

此外，大型語言模型在知識傳播和學習速度上的顯著優勢，預計將進一步推動全球知識的跨語言、跨學科和跨時空傳播。這種高效的知識流通能力不僅加速科學研究和技術創新，也為教育和培訓帶來了革命性的變革。

千際投行認為，大模型行業的未來將是一個多元化發展的時代。技術創新與應用需求的相互促進，將使這一行業在未來幾年內持續保持快速增長，成為推動社會進步和經濟發展的重要力量。

作者：千際投行

封面：AI 生成

       原文標題 : 2024年大模型行業研究報告