華泰證券：大模型頭部格局基本確定 AI Agent將加速AGI進程

智通財經APP獲悉，華泰證券發佈研報稱，海外閉源大模型已經形成OpenAI爲首，Google、Anthropic等緊隨的格局。在頭部閉源模型之下，Meta引領開源模型生態，開源閉源模型差距逐步縮小。爲了適配端側需求，小參數模型也在快速發展。國內看，模型百花齊放，但技術辨識度不高，23年頭部互聯網廠商和科技企業進展較快，24年以來初創公司開始發力長文本、MoE等領域。展望後續，ScalingLaw+Transformer仍將長期有效，合成數據或逐漸成爲關鍵數據來源。此外，AI Agent能夠極大提高現有模型的表現，是實現AGI的重要推力。

華泰證券主要觀點如下：

多模態+長文本+MoE 已成共識，大模型與小模型路線並駕齊驅頭部

GPT、Gemini、Claude模型先後支持了多模態推理；Claude較早實現了200K長文本，Gemini將長文本推到2M tokens；GPT-4、Mistral 展現了MoE 架構的優勢，Gemini也在短期內更改爲MoE 架構。共識已經形成，國內大模型廠商均在跟進，Kimi 引領長文本趨勢，MiniMax、階躍星辰較早實踐MoE模型。Mistral、微軟、Meta、Google的小模型性能不斷突破，爲端側AI 打下良好基礎，成爲與大模型並駕齊驅的另一條重要發展路線。

Scaling Law未達邊界，算力換智能仍然成立

OpenAI 在Scaling Law 論文中，從理論上預測了邊界遞減的存在。但實際上，OpenAI、Google和Anthropic仍在踐行大參數等於高智能的路線。清華唐傑教授在24年2月北京人工智能產業創新發展大會上指出，ScalingLaw盡頭遠未到來，算力換智能繼續成立。在參數持續變大的情況下，訓練數據的需求量進一步提升，據Epoch 預測，2030 年到2050 年，將耗盡低質量語言數據的庫存，未來訓練數據的缺乏將可能減緩機器學習模型的規模擴展。因此，合成數據或成爲關鍵。

AI Agent是AGI的關鍵範式，具身智能是大模型重要落地場景

華泰證券認爲，AI Agent能夠自主、全流程、多步驟的執行任務，大幅延展了大模型的能力範圍，被認爲是實現AGI的關鍵範式。斯坦福大學吳恩達教授在24年3月的紅杉美國AI 峰會上指出，如果用戶圍繞GPT-3.5 使用一個Agent 工作流程，其實際表現甚至好於GPT-4。並且AI Agent的能力能夠充分受益於大模型的演進。此外，大模型與機器人具身智能的結合(如OpenAI 與Figure)，也有望隨着模型能力的迭代快速發展。24年AI Agent和具身智能將成爲新一代大模型的重要落地場景。

GPT-5 有望推動全球算力和應用的下一階段發展

華泰證券預期，GPT-5：1)MoE 架構將延續，專家參數和數量或變大；2)GPT-5及之後模型的訓練數據集質量更高、規模更大；3)在思維鏈CoT 的基礎上，再加一層AI監督；4)支持更多外部工具調用的端到端模型；5)多種大小不同的參數，不排除推出端側小模型；6)從普通操作系統到LLM 操作系統；7)端側AI Agent將更加實用和智能。

華泰證券認爲，GPT-5 的發佈有望推動全球算力和應用的下一階段發展，建議關注：海外標的，AI應用：微軟、Adobe等。國內標的，1)AI 服務器：浪潮信息(000977.SZ)等；2)AI 應用：金山辦公(000977.SZ)、福昕軟件(688095.SH)、泛微網絡(603039.SH)等；3)端側：中科創達(300496.SZ)、網宿科技(300017.SZ)。

風險提示：宏觀經濟波動，技術進步不及預期，中美競爭加劇。本研報中涉及到未上市公司或未覆蓋個股內容，均系對其客觀公開信息的整理，並不代表本研究團隊對該公司、該股票的推薦或覆蓋。