近几年，AI大模型迎全面爆发，展现了巨大潜力和应用前景，给科技创新、生产生活带来重大机遇。全球大模型竞争日趋激烈，众多国产大模型脱颖而出。伴随人工智能技术的加速演进，AI大模型已成为全球科技竞争的新高地、未来产业的新赛道、经济发展的新引擎。

AI大模型火热

政策利好频传

从Chat GPT到席卷全球的AI火热浪潮，人工智能大模型成为当下最受关注的话题之一。随着AI从1.0进入2.0大模型技术阶段，我们迎来了有史以来最重要的科技革命和平台革命。

业内专家表示，我国在发展AI算力等领域具有一定优势。除了丰富的大数据资源外，还有国际国内实力资本、国家政策的鼎力支持，是AI大模型产业发展的重要推力。此外，我国的社会资源动员力、融合度较高，在科研、应用领域的研发效率、落地效果较好。

近年来，我国高度重视人工智能的发展，将其上升为国家战略，出台一系列扶持政策和文件，为AI大模型产业发展创造了良好环境。

具体来看：2024年，《政府工作报告》中提出开展“人工智能+”行动；同年5月，中央网信办、市场监管总局、工业和信息化部联合印发《信息化标准建设行动计划（2024—2027年）》，助推大模型、生成式人工智能发展。2023年，国家数据局发布《“数据要素x”三年行动计划（2024—2026年）（征求意见稿）》，支持开展通用人工智能大模型和垂直领域人工智能大模型训练。2022年，科技部等六部门印发《关于加快场景创新 以人工智能高水平应用促进经济高质量发展的指导意见》，系统指导各地方和各主体加快人工智能场景应用。2017年，国务院发布《新一代人工智能发展规划》，部署构筑我国人工智能发展的先发优势……

此外，我国各地方政府出台相关支持政策，加快大模型产业发展。近期，青岛、广东、上海、安徽、成都、杭州、北京等地均开展了关于AI大模型的行动。2024年6月，青岛市抢占人工智能新领域新赛道，加快海洋人工智能大模型产业集聚发展；2023年11月，广东省围绕基础架构、训练算法等环节，研发千亿级参数的人工智能通用大模型，形成自主可控的大模型完整技术体系；2023年10月，上海强调打造具备国际竞争力的大模型，安徽从资源方面着手吸引大模型企业入驻；2023年8月，成都着力推动大模型相关技术创新；2023年7月，杭州支持头部企业开展多模态通用大模型关键技术攻关；2023年5月，北京着力推动大模型相关技术创新，构建高效协同的大模型技术产业生态……

AI大模型加速“出海”

全球化机遇显现

随着中国AI大模型产业的火爆发展，全球化财富机遇迎面而来。中国AI大模型加速“出海”，将先进技术和产品推向国际市场，与海外企业深度合作，加快开发新应用场景和商业模式。

当前，中国AI大模型企业“出海”动作频频，已有多家龙头企业成功输出AI大模型业务。

2024年5月，华为面向北部非洲发布星河AI网络产品及解决方案；5月，阿里云宣布将在全球5个国家投资新建数据中心，将重点布局AI基础设施；2023年11月，华为云发布AI“出海”计划，在海外节点陆续上线大模型全栈技术成果；2023年11月，字节跳动首次在海外上线AI工具平台“ChitChop”，为用户提供200余种工作、生活场景智能机器人服务；

清华大学新闻学院教授、人工智能学院教授表示，首先，中国市场大约占全球AI市场的1/4到1/3，为扩大市场份额，企业要寻求更大的产业空间。其次，国内AI技术发展较快，而海外许多国家仍处于起步阶段，AI大模型可以进入到这些市场进行产品验证和改进。此外，全球市场特别是东南亚、北非、北美和南美，为AI技术提供了更丰富的应用场景。AI大模型出海也有助于深化与友好国家的经贸合作。（数据来源：北京日报）

海外市场对大模型的需求旺盛，为我国AI企业提供了广阔的市场空间。通过“出海”，我国AI企业可以深入了解海外市场的需求和特点，针对当地用户推出更加符合其需求的产品和服务。我国AI企业在海外市场的竞争力和市场份额正在不断提升，企业的业务范围和影响力也在进一步拓展。

AI大模型主流技术

在多领域硬核应用

随着人工智能技术的不断发展，AI大模型技术作为其核心组成部分，在各个领域都发挥着重要作用。人工智能领域中大模型技术快速发展，主流技术可分为：

1、循环神经网络（RNN）技术

循环神经网络技术通过记忆单元来保留历史信息，从而对序列数据进行有效地建模。RNN在自然语言处理领域有着广泛的应用，如机器翻译、语音识别、文本生成等；

2、自注意力机制技术

自注意力机制允许模型在处理输入数据时关注不同的部分，并根据输入数据自动学习其表示方式。从而提高了模型的表达能力和灵活性，使其能够更好地处理复杂的语言现象；

3、强化学习（RL）技术

强化学习技术为智能体通过与环境交互并从环境中获得状态和奖励信号来学习如何最大化累积奖励，强化学习已在自动驾驶、机器人控制、游戏等领域取得重要成果；

4、卷积神经网络（CNN）技术

卷积神经网络技术通过局部感知和分层的网络结构，能够有效地从原始图像中提取层次化的特征。在计算机视觉领域，CNN已经成为人脸识别、目标检测、图像分类等任务的主流方法；

5、深度学习模型技术

深度学习技术通过构建深度神经网络来模拟人脑的认知过程，深度学习模型能够自动提取数据特征进行学习和优化，从而在自然语言处理、图像处理、语音识别等领域取得了显著成果；

6、生成对抗网络（GAN）技术

生成对抗网络技术由两个网络组成：生成器和判别器。生成器的任务是生成与真实数据尽可能相似的假数据，而判别器的任务是区分真实数据和假数据。GAN在风格转换、图像修复、图像生成等领域具有广泛地应用；

另外还包括迁移学习、集成学习和生成模型等技术。这些大模型技术为人工智能领域的发展提供了强大的支持，并在各个应用领域取得了显著的成果。随着技术的不断进步和应用需求的增加，大模型技术将推动人工智能领域的进一步发展。

宝利投资作为国内领先的专业化投资服务、投资咨询企业，多年来一直深耕战略性新兴产业、未来产业等领域，紧跟国家政策，注重科技创新和颠覆性前沿技术。以多种投资服务赋能AI大模型企业的成长与发展，未来也将持续关注AI大模型科创机遇，进一步为AI企业加速全球化进程、培育新质生产力提供新助力。