在人工智能领域，尤其是炙手可热的多模态大模型板块，中国企业正扮演着越来越重要的角色。阿里巴巴（港交所：9988，纽交所：BABA）、百度（港交所：9888，纳斯达克：BIDU）、腾讯（港交所：0700，OTC：TCEHY）、科大讯飞（深交所：002230）、万兴科技（深交所：300624）、三六零（上交所：601360）、昆仑万维（深交所：300418）、云从科技（上交所科创板：688327）以及拓尔思（深交所：300229）等公司，都在积极布局并推动着大模型技术的发展和应用。
回顾全球大模型产业的发展历程，可以将其划分为以下几个关键阶段：
- 早期探索期 (1956-2005): 人工智能作为一门学科正式诞生，神经网络模型逐渐兴起。这一阶段主要集中在理论研究和初步探索，例如早期的感知机模型。
- 快速成长期 (2006-2019): 深度学习概念的重新发掘和广泛应用是推动因素。Transformer架构的出现，以及随之而来的自然语言处理领域的突破，极大地加速了行业发展。
- 大模型兴起期 (2020-2022): 模型参数规模呈指数级增长，Transformer架构继续演进，涌现出GPT-3等具有强大能力的模型。2022年通常被认为是“大模型元年”。
- 广泛应用期 (2023年至今): 大模型技术开始在各行各业落地应用，例如智能客服、内容生成、辅助设计等。应用场景不断扩展，商业价值逐渐显现。
这种阶段性的发展也印证了科技进步的累积性和加速性，意味着大模型技术正从实验室走向市场。
大模型对算力提出了前所未有的需求，而人工智能服务器是满足这些需求的关键基础设施。因此，在全球人工智能服务器市场中，其所占份额将持续上升。IDC的数据显示，全球人工智能硬件市场（服务器）规模预计将从2022年的195亿美元增长至2026年的347亿美元，五年复合增长率高达17.3%。更值得关注的是，用于运行生成式人工智能的服务器市场，在整体人工智能服务器市场中的占比将从2023年的11.9%大幅增长到2026年的31.7%。这一趋势表明，生成式AI正在成为推动AI基础设施投资的关键驱动力。
从技术层面来看，人工智能正从感知智能向生成式智能演进，对“强算法、高算力、大数据”的依赖性也日益提升。模型的规模和训练所需的参数量直接影响其性能和智能涌现的质量。以ChatGPT背后的GPT-3为例，其训练参数量高达1750亿，算力消耗高达3640PF-days，至少需要1万片GPU才能支撑其运行。此外，研究表明，当模型参数扩大十倍时，所需的算力投入也会成倍增加，具体数值还会受到模型架构、优化效率、并行处理能力以及算力硬件性能等诸多因素的影响。这意味着，未来大模型的发展将面临算力瓶颈的挑战。
高速发展的大模型技术正在驱动全球人工智能产业进入新的增长阶段。大模型市场已经超越了纯粹的技术讨论，开始进入商业化应用阶段，市场规模也随之快速扩张。根据IDC的数据，2023年全球大模型市场规模已达到210亿美元，预计2024年将增长至280亿美元，同比增长33%。这一市场规模的增长也反映出大模型技术在各个行业的渗透率不断提高。
在多模态大模型的竞争格局中，基准测试是评估模型性能的重要手段。SuperCLUE在2024年上半年发布的《中文大模型基准测评报告》，选取了国内外33个具有代表性的大模型（6月份版本），从多个维度进行了综合测评，从而对国内外大模型的发展现状进行了深入分析。报告显示，在代表通用能力的一级总分方面，GPT-4o以81分的成绩遥遥领先，成为全球唯一得分超过80分的大模型，充分展现了其强大的语言理解、数学推理和指令遵循能力。值得关注的是，中国大模型也取得了显著进步，其中有6个国产大模型的表现已经超越了GPT-4-Turbo-0409，且绝大部分闭源模型的性能也已经超过了GPT-3.5-Turbo-0125。这表明国产大模型正在快速追赶国际领先水平。
