公众号并非行业报告搜索引擎，点击查看→新用户必读【如何下载】

一键解锁全球智库20W份行业报告→立即解锁订阅

• 报告延伸：解析大模型行业：从发展历程到投资视角（文末附全文PDF）
• 出  品 方：东吴证券

若把起始年份定在2017年, 那么大模型的发展历程仅仅只有九年。

但恰恰是这九年, 它完成了传统技术三十年才能够完成的进化线路的。这并不是偶然情况, 而是五个关键阶段一层一层递进、一环环绕另一环紧密相扣最终形成的结果, 每一次的跃迁, 都让能力的边界得以刷新, 同时也重新塑造了产业的格局。

第一阶段：“破晓”,  时间跨度为2017年至2019年

2017年一篇名为《Attention Is All You Need》的论文带来了Transformer架构。

Transformer架构出现, 宣告了在序列建模领域, RNN与CNN统治时代的结束。自注意力机制使得模型能够并行处置全局信息, 并且矩阵乘法的计算架构从本质上适配了GPU的大规模并行运算能力。自此之后, 训练规模不再属于算法范畴内的问题, 而是演变成工程以及算力方面的问题。Transformer并未直接攻克智能难题, 却为智能朝着规模化方向的演进铺就了宽敞的道路。

第二阶段：“登高”, 时间跨度为2020年至2021年

2020年，GPT-3来了。

它证实了一个质朴却具震撼力的事实, 那就是，倘若让模型读取互联网内容, 那么它便能够在少样本的状况下完成各种任务。诸如翻译、写作、问答、推理等, 皆基于同一个底座, 采用同一套参数, 凭借一个API接口, 从而服务于纷繁复杂、不计其数的需求。

基础模型成为产业共识, AI自“项目制”步入“平台化”, GPU的价值被完全重新评估, 云算力与模型API的商业化之门正式开启。

第三阶段：“驯服”, 时间跨度为2022年至2023年。

能力越大，越需要驯服。

2022年年底, ChatGPT的出现完成了从“庞然巨物”到“亲密工具”的惊险一跳。借助监督微调和人类反馈强化学习, 模型从只是能够续写文章这样不断发展提升, 最后变成能够听懂指令, 能够进行合适得体对话, 能够守住一定界限范围的面向大众的产品。

一夜间, 大模型由实验室展品摇身变为数亿人手中日常所用工具。产品化所带来的, 不单单是用户数量急剧增多, 更是交互体验、安全界限以及低延迟服务这一系列具备系统性的工程方面的挑战。

第四阶段：“扩散”, 时间范围是2023年到2024年。

2023年起，战局变了。

GPT-4的能力从文本范畴延伸到图像理解领域, Llama、Qwen、DeepSeek等开源力量以令人惊叹的速度朝着闭源旗舰不断靠近。企业开始沉着冷静地进行考量: 并不是所有场景都非得调用最为昂贵的模型。针对客服、文档处理、知识库问答这些方面, 开源模型加上RAG以及私有化部署, 通常已然能够满足需求。

采用RAG、向量数据库开展私有化部署从而保障安全合规这些关键词界定了此阶段的产业重心, 利润池由训练侧向企业基础设施侧暗暗地进行扩散。

第五阶段：“觉醒”, 时间跨度为2025年至今

2026，竞赛进入了全新维度。

前沿模型已不再仅仅局限于满足于单纯的回答问题, 而是有了被赋予完成一定任务的使命, 要拆解目标, 要调用工具, 要执行动作, 要验证结果, 评价标准也不再只是benchmark得分, 而是在真实场景之下的任务成功率以及单位成本。

GPU用于推理, 高速网络存在, 电力液冷具备, Agent平台以及工作流软件, 成为了新的价值聚集之处。大模型正从“信息生成器”朝着“智能操作层”不断进化。