文心一言发布会将于3月16日举办。复盘文心一言的历程，作为其底层技术基础的百度飞桨产业级深度学习平台的基础模型库——文心大模型覆盖了 NLP 等多个 AI 应用场景。文心大模型包括 NLP 大模型、CV 大模型、跨模态大模型、生物计算大模型、行业大模型。其中，NLP 大模型面向语言理解、语言生成等 NLP 场景，具备语言理解、对话生成、文学创作等能力。文心一言正是基于文心NLP大模型中的ERINE模型系列的生成式对话产品。

ERNIE模型是百度面向NLP的重要技术方案，推动预训练模型持续创新发展。1）2019年3月，百度发布预训练模型ERNIE 1.0，率先提出行业大模型，构建大模型工具与平台，探索产品与社区。2）2019年7月，ERNIE 2.0问世，通过不断的多任务学习来逐步构建和学习预训练任务，最大限度地从训练语料库中提取词汇、句法和语义信息。3）2021年7月，ERNIE 3.0 问世，是基于知识增强的多范式统一预训练框架，将自回归和自编码网络融合进行预训练，并在训练时引入大规模知识图谱类数据。

ERNIE 3.0作为多范式的统一预训练模式，不仅在 zero/few-shot（零样本/少样本学习）任务上展现了很强的能力，也能很好地处理传统的 fine-tune（微调）任务，在理解任务、生成任务和零样本学习任务上取得了较好表现。ERINE 3.0在问答、分类、情感分析、抽取、识别等93个典型NLP任务上刷新业界纪录。

文心一言：基于文心大模型的中文生成式对话产品。文心一言（英文名：ERNIE Bot）是百度基于文心大模型技术推出的生成式对话产品，被外界誉为“中国版ChatGPT”，将于2023年3月份面向公众开放。文心一言以文心大模型为底层技术基础，通过百度智能云提供服务，吸引企业和机构客户使用 API 和基础设施，共同搭建 AI 模型、开发应用，实现产业 AI 普惠。截至目前，已有超450家企业宣布加入“文心一言”生态圈。

表1：百度文心一言生态合作伙伴

资料来源：各公司官网，民生证券研究院

百度文心一言或引领我国AI应用侧全面崛起，重点推荐具备“卖铲子”属性的AI应用输出平台型企业中科创达、科大讯飞、三六零，以及金山办公、同花顺、金桥信息、梦网科技、新国都、网达软件等AI应用核心标的。

微软于2023年3月2日对外公开了ChatGPT3.5-Turbo的API接口，性能更强的同时价格更低。据APISpace ，ChatGPT3.5-Turbo 模型是 ChatGPT 所使用的模型，通过使用”DREAM”的技术，它能为文本语料库中的每个词生成具有向量表示的词嵌入，从而增强机器学习任务的精度；GPT3.5-Turbo 还使用了多监督学习技术，这可以使模型学习更快，并在真实场景中取得更好的收敛效果。此外，该模型价格是其他 GPT-3.5 型号的模型的1/10 ，据PHP数据，ChatGPT-3.5-turbo API 价格为 1k tokens/$0.002 ，等于每输出 100 万个单词，价格 2.7 美金，问题和答案最多 4096 个 tokens，实测 1 个汉字算 2 个 tokens。

ChatGPT3.5-Turbo性价比做到做到了让人类普惠性使用AI，有望催动海量应用迈入AI新时代。目前已有多个应用程序通过API的方式将ChatGPT融入到服务之中，社交软件SnapChat、购物软件Instacart、学习软件Quizlet和Speak等均已嵌入ChatGPT API。微软公司3月6日将ChatGPT背后的技术整合到其PowerPlatform平台上，允许用户在几乎不需要编码的情况下，就能开发自己的应用程序。目前海外多家宣布接入ChatGPT API, 涉及行业和领域包括照片分享、生鲜电商平台、单词背诵软件、跨境电商、微软新版Bing、C3.AI赋能海量应用、AIGC，形成OpenAI和微软现有的合作伙伴相互赋能的应用格局。

微软论文确认GPT4.0将是多模态大模型，微软CTO非正式演讲暗示GPT4.0发布渐进。

2023年2月28日，微软发表论文《Language Is Not All You Need: Aligning Perception with Language Models 》重点研究多模态大型语言模型KOSMOS-1，结合机器之心结论，除了各种自然语言任务，KOSMOS-1 模型能够原生处理广泛的感知密集型任务，如视觉对话、视觉解释、视觉问答、图像字幕、简单的数学方程式、OCR 和带描述的零样本图像分类。

2023年3月8日，微软发表论文《Visual ChatGPT: Talking, Drawing and Editing with Visual Foundation Models》展示支持视觉交互的ChatGPT，论文指出，当前ChatGPT只支持文字交互，通过与自研视觉函数模型（VFM）相结合，使得ChatGPT可以支持视觉交互，如使用文字命令ChatGPT进行图片PS，对图片内的元素进行标记等多种功能。我们认为，在微软多模态模型研究的背景下，图片、视频、音频等多模态交互方式有望持续导入ChatGPT，使ChatGPT成为真正的多模态大模型产品。

北京时间3月7日，谷歌和柏林工业大学的团队重磅推出了史上最大的视觉语言模型PaLM-E，参数量高达5620亿（GPT-3的参数量为1750亿）。PaLM-E是PaLM-540B语言模型与ViT-22B视觉Transformer模型的结合，谷歌通过添加感官信息和机器人控制，使PaLM“具身化”。由于它基于语言模型，PaLM-E会进行连续观察，例如图像信息或传感器数据，并将它们编码为一系列与语言标记大小相同的向量，这允许模型以与处理语言相同的方式“理解”感官信息。作为一种多模态具身VLM，它不仅可以理解图像，还能理解、生成语言，执行各种复杂的机器人指令而无需重新训练，它还展示出了强大的涌现能力（模型有不可预测的表现）。

谷歌研究显示多模态大模型能够同时提升其中所有模态数据认知的准确性，多模态大模型有望率先落地机器人领域。谷歌通过实验发现，多模态数据混合使用比其中单模态数据单独使用认知准确性更高，我们认为，考虑到多模态大模型展现出的更强大创造力以及更好的数据利用效率，未来多模态大模型将成为行业主流。同时，谷歌研究显示多模态大模型PaLM-E显著提升机器人性能，考虑到在PaLM-E加持下的机器人顺利完成诸如“去抽屉拿薯片给我”和“把绿色积木推给乌龟（甚至之前未训练机器人识别乌龟，是靠机器人独立推理出来的）”等高级AI指令，我们预计谷歌多模态大模型有望率先落地机器人领域。

机器人决策大模型质变，中科创达是最确定受益标的。根据公司2022年年报，中科创达确定性来源于对于机器人决策大模型的先发优势以及长期AI研发沉淀带来的技术和生态优势。公司在OpenAI的成功后敏锐明确意识到通用人工智能大模型不仅会在语言类通用人工智能取得成功，也会在机器人智能化中得到广泛应用，会加速功能多种多样的、面向各式各样场景的机器人的产生，公司会积极投资研发机器人决策大模型。同时，公司自成立以来，一直在端侧、边缘侧、云端技术进行沉淀和积累，目前已成为上述领域全球领先的技术厂商，公司的机器人产品覆盖了当下几乎全部的机器人场景以及全球众多机器人厂商，并且公司与产业链的技术和产品的头部企业保持深度的合作，构建生态的卡位优势。

政策落地不及预期；行业竞争加剧。

1）政策落地不及预期：目前国产软硬件在产品性能和生态上都尚且不及国外巨头，但受益于国产化政策推动市场份额连年提升，若后续国产化支持政策落地进度不及预期，可能会导致国产软硬件推进进度变慢，影响公司业绩增长前景。

2）行业竞争加剧：目前国产软硬件尚未呈现出清晰的格局，芯片、数据库、操作系统等行业仍处于高度竞争状态，若后续行业竞争加剧，可能会影响公司的毛利率水平，进而影响相关公司的盈利能力。