AI全行业赋能系列深度研究之五：领军路径分歧更大的模型还是更低的成本？-211213（67页）

新用户首篇研报专享优惠价

报告摘要

领军路径分歧：更大的模型还是更低的成本？AI全行业赋能系列深度研究之五证券分析师：刘洋A0230513050006、洪依真A0230519060003、施鑫展A0230519080002、周海晨A02305110400362021.12.132结论结论以商汤、旷视为代表的AI明星在平台上有什么特别的布局？自研了深度学习训练、推理平台，大量算法积累，AIDC算力支持；商汤科技：SenseCore大模型小模型，降低AI应用落地成本；旷视科技：Brain平台支撑了跨行业AIoT解决方案。深度学习开源训练框架格局如何？国内AI公司自研深度学习框架有何种意义？TensorFlow、PyTorch、MXNet、CNTK已可以满足工业界、学界的绝大部分要求；技术遗留问题：静态图、动态图技术方案都还有缺陷，有同时解决的可能性；国产平台由于技术遗留问题、国产化等适配性等原因可能仍有空间。为何AI大模型成为趋势？复现大模型的难度在哪里？以GPT为代表的大模型能大幅降低对数据量的需求，预训练大模型细分场景微调，更适合长尾落地。但对存储、算力要求极高，普通机构难以复现。