港股概念追踪最新消息,港股概念股什么意思,港股科普,港股一览<br> <p>智通财经APP获悉，美东时间3月14日周二，OpenAI宣布，推出大型的多模态模型GPT-4，其在各种专业学术基准上有着人类水平表现，例如在模拟律师考试中，GPT-4得分约为前10%――击败了90%人类，而ChatGPT背后的GPT-3.5得分约为倒数10%。中信证券表示，长期来看以GPT为主的生成式预训练大模型持续升级，国内多家公司也在积极布局大语言模型，建议关注国内推出及布局AI芯片/GPGPU芯片的相关公司。</p><p>据OpenAI介绍，与此前的版本相比，GPT-4具备强大的识图能力，文字输入限制也提升至2.5万字;GPT-4的回答准确性也显著提升，还能够生成歌词、创意文本从而实现风格变化。同时，GPT-4在各类专业测试及学术基准上也表现优良。从整体而言，GPT-4实现了多重能力的跃升。</p><p>OpenAI表示，已经与多家公司合作，要将GPT-4结合到他们的产品中，包括Duolingo、Stripe和KhanAcademy。GPT-4模型也将以API的形式，提供给付费版ChatGPTPlus的订阅用户。开发者可以注册，用它打造应用。微软此后表示，新款的必应(Bing)搜索引擎将运行于GPT-4系统之上。</p><p>尽管中国在AI领域进行了很多研究成果和布局，但目前要达到像OpenAI的效果可能还需时日。科学技术部部长王志刚3月5日表示，ChatGPT证明了AI是大方向，而OpenAI在AI对话实时效果方面有明显优势。</p><p><strong>目前在国内，百度、商汤、旷视科技及玄武云等多家AI公司和科研机构都在做关于大模型的技术产品和应用。</strong></p><p>就在3月14日晚，港股AI龙头企业<strong>商汤科技</strong>发布了多模态通用大模型“书生2.5”，拥有30亿参数，支持问答、识图、以文生图等，在自动驾驶和居家机器人等通用场景下，“书生2.5”可辅助处理各种复杂任务。据悉，“书生”由商汤科技、上海人工智能实验室、清华大学、香港中文大学、上海交通大学于2021年11月首次共同发布，并持续联合研发。</p><p><strong>旷视科技</strong>自2011年成立的12年来，一直致力于构建万物互联的AI基础设施，聚焦消费物联网、城市物联网、供应链物联网三大核心场景。根据美国机构ZetaAlpha基于2020年、2021年和2022年每年被引用次数最多的100篇论文最新数据显示，已发表AI论文高引用转化率的排名中，旷视排名全球第二，仅次于OpenAI。</p><p>作为国内领先的智慧CRM服务商，<strong>玄武云</strong>的产品矩阵已实现自研AI平台赋能，公司下一步计划在生成内容领域(不限于文字，图像，语音)结合CRM做更进一步的智慧场景创新。</p><p>中信证券表示，长期来看以GPT为主的生成式预训练大模型持续升级，多模态带来更大的数据支持需求，模型计算精度逐渐提升，开放API后应用场景持续落地，对于算力的总体需求料将持续提升。国内多家公司也在积极布局大语言模型，但是国内高端算力芯片目前比较依赖海外厂商，在高端芯片国产替代背景下，建议关注国内推出及布局AI芯片/GPGPU芯片的相关公司。</p><p><strong>相关概念股：</strong></p><p>百度集团-SW(09888)：百度表示，将于3月16日发布生成式AI产品“文心一言”。为支持文心一言的超大规模计算需求，进一步实现文心一言的产业化落地，近期百度智能云也频繁公布文心一言配套设施的准备情况。</p><p>商汤-W(00020)：作为计算机视觉AI领域龙头，商业变现空间、潜力巨大，具备一定的标的稀缺性和溢价空间。商汤自研AI基础设施有望打造行业壁垒，商业化落地实战经验丰富。</p><p>旷视科技(01167)：日前，旷视联合创始人、CEO印奇在谈及ChatGPT时表示，ChatGPT的出现，让外界感觉到了AI产业的发展又到了一个真正产生范式迁移的临界点，对很多行业产生非常多本质的变化。2022年，旷视科技推出了“AIoT生态合伙人计划”，面向行业ISV、区域ISV、产品方案商，共建AIoT生态、共研AIoT产品、共助AIoT产业落地。</p><p>玄武云(02392)：公司向客户提供CRM PaaS服务及CRMSaaS服务，已构建以aPaaS、cPaaS、AI、数据平台为基础，营销云、销售云、客服云为核心应用，为快消、金融、政企、互联网等行业企业提供全触点、全渠道、全生命周期管理的智慧CRM产品体系及服务。基于玄武云智慧CRM的整体解决方案，通过连接与赋能，帮助企业客户实现数智化转型。</p><p>阿里巴巴-SW(09988)：阿里达摩院牵头推出魔搭社区ModelScope。社区首批上架超300个模型，其中中文模型超过100个，覆盖了视觉、语音、自然语言处理、多模态等AI主要领域，覆盖主流任务超过60个，均全面开源并开放使用。</p> <br><br><h1 style="font-size: 38px;color: #4d4f53;">清华系公司智谱AI开源ChatGLM-6B模型，千亿基座对话模型开启内测</h1>智谱华章与清华大学,清华 智源,清华智库是什么?,清华智网<br> <p>出品|开源中国</p> <p>由清华技术成果转化的公司智谱 AI?宣布开源了 GLM 系列模型的新成员 ――?中英双语对话模型 【【微信】】，支持在单张消费级显卡上进行推理使用。这是继此前开源 GLM-130B 千亿基座模型之后，智谱 AI 再次推出大模型方向的研究成果。</p> <p>此外，基于千亿基座的 ChatGLM 线上模型目前也在 【【网址】】 进行邀请制内测，用户需要使用邀请码进行注册，也可以填写基本信息申请内测。</p> <p>根据介绍，【【微信】】 是一个开源的、支持中英双语问答的对话语言模型，并针对中文进行了优化。该模型基于 General Language Model (GLM)?架构，具有 62 亿参数。结合模型量化技术，用户可以在消费级的显卡上进行本地部署（INT4 量化级别下最低只需 6GB 显存）。</p> <p>【【微信】】 使用了和 ChatGLM 相同的技术，针对中文问答和对话进行了优化。经过约 1T 标识符的中英双语训练，辅以监督微调、反馈自助、人类反馈强化学习等技术的加持，62 亿参数的 【【微信】】 虽然规模不及千亿模型，但大大降低了推理成本，提升了效率，并且已经能生成相当符合人类偏好的回答。</p> <p>【【微信】】 具备以下特点：</p> <p><strong>充分的中英双语预训练：</strong>【【微信】】 在 1:1 比例的中英语料上训练了 1T 的 token 量，兼具双语能力。</p> <p><strong>优化的模型架构和大小：</strong>吸取 GLM-130B 训练经验，修正了二维 RoPE 位置编码实现，使用传统 FFN 结构。6B（62 亿）的参数大小，也使得研究者和个人开发者自己微调和部署 【【微信】】 成为可能。</p> <p><strong>较低的部署门槛：</strong>FP16 半精度下，【【微信】】 需要至少 13 GB 的显存进行推理，结合模型量化技术，这一需求可以进一步降低到 10GB（INT8） 和 6GB（INT4），使得 【【微信】】 可以部署在消费级显卡上。</p> <p><strong>更长的序列长度：</strong>相比 GLM-10B（序列长度 1024），【【微信】】 序列长度达 2048，支持更长对话和应用。</p> <p><strong>人类意图对齐训练：</strong>使用了监督微调（【【微信】】g）、反馈自助（Feedback Bootstrap）、人类反馈强化学习（Reinforcement Learning from Human Feedback）等方式，使模型初具理解人类指令意图的能力。输出格式为 markdown，方便展示。</p> <p>基于以上特点，【【微信】】 在一定条件下具备较好的对话与问答能力。【【微信】】 的对话效果展示如下：</p> <p>不过由于 【【微信】】 模型的容量较小，不可避免地存在一些局限和不足，包括：</p> <p>相对较弱的模型记忆和语言能力。在面对许多事实性知识任务时，【【微信】】 可能会生成不正确的信息，也不太擅长逻辑类问题（如数学、编程）的解答。</p> <p>可能会产生有害说明或有偏见的内容：【【微信】】 只是一个初步与人类意图对齐的语言模型，可能会生成有害、有偏见的内容。</p> <p>较弱的多轮对话能力：【【微信】】 的上下文理解能力还不够充分，在面对长答案生成和多轮对话的场景时，可能会出现上下文丢失和理解错误的情况。</p> <p>相比起 【【微信】】，ChatGLM 参考了 ChatGPT 的设计思路，在千亿基座模型 GLM-130B?中注入了代码预训练，通过有监督微调（【【微信】】g）等技术实现人类意图对齐。ChatGLM 线上模型的能力提升主要来源于独特的千亿基座模型 GLM-130B。它采用了不同于 BERT、GPT-3 以及 T5 的 GLM 架构，是一个包含多目标函数的自回归预训练模型。</p> <p>GLM 团队表示，2022 年 11 月，斯坦福大学大模型中心对全球 30 个主流大模型进行了全方位的评测，GLM-130B 是亚洲唯一入选的大模型。在与 OpenAI、Google Brain、微软、英伟达、【【微信】】 的各大模型对比中，评测报告显示 GLM-130B 在准确性和公平性指标上与 GPT-3 175B (davinci) 接近或持平，鲁棒性、校准误差和无偏性则优于 GPT-3 175B。?</p> <p>由 ChatGLM 生成的对话效果展示：</p> <p>不过 GLM 团队也坦言，整体来说 ChatGLM 距离国际顶尖大模型研究和产品（比如 OpenAI 的 ChatGPT 及下一代 GPT 模型）还存在一定的差距。该团队表示，将持续研发并开源更新版本的 ChatGLM 和相关模型。“欢迎大家下载 【【微信】】，基于它进行研究和（非商用）应用开发。GLM 团队希望能和开源社区研究者和开发者一起，推动大模型研究和应用在中国的发展。”</p>