【Gemini 大模型主打多模態(tài)，性能對(duì)標(biāo)GPT-4】

當(dāng)?shù)貢r(shí)間12月6日， 谷歌公司宣布推出其規(guī)模最大、功能最強(qiáng)的多模態(tài)大模型 Gemini, 其最強(qiáng)大的 TPU (張量處理單元)系統(tǒng) “Cloud TPU v5p”, 以及來(lái)自谷歌云的人工智能超級(jí)計(jì)算機(jī)。

本次谷歌推出的多模態(tài)大模型Gemini 依然采用Transformer 架構(gòu)，采用高效Attention 機(jī)制，支持32k 的上下文長(zhǎng)度。Gemini 主打在多模態(tài)領(lǐng)域的突出能力，在輸入端，Gemin 可以適應(yīng)文本與音視頻交叉的輸入序列，比如自然圖像、圖表、截圖、pdf 和視頻等。在輸出端， Gemini 兼具文本和圖像兩種輸出形式。與市面上大模型不同的地方在于， Gemini 從設(shè)計(jì)之初開(kāi)始就是多模態(tài)的，并不像 OpenAI 構(gòu)建 DALL·E 和 Whisper 單獨(dú)訓(xùn)練圖像和語(yǔ)音模型。

Gemini 1.0 家族涵蓋三類(lèi)模型，各有定位：

1)Gemini Ultra: 用于高度復(fù)雜的任務(wù)，為規(guī)模最大、功能最強(qiáng)的類(lèi)別，定位為 GPT-4的競(jìng)爭(zhēng)對(duì)手;

2)Gemini Pro: 是一款中端型號(hào)，用于增強(qiáng)性能和大規(guī)模部署能力，根據(jù)谷歌技術(shù)報(bào)告， 其性能優(yōu)于GPT-3.5;

3)Gemini Nano: 主要用于特定任務(wù)和移動(dòng)設(shè)備。

模型能力方面， Gemini 系列在文本、多模態(tài)、模態(tài)組合等領(lǐng)域均實(shí)現(xiàn)了較大進(jìn)展，在絕大多數(shù)基準(zhǔn)測(cè)試中性能領(lǐng)先于GPT-4。

1、文本領(lǐng)域： Gemini Ultra 在多項(xiàng)基準(zhǔn)測(cè)試中領(lǐng)先于GPT-4, 并成為現(xiàn)有 第一個(gè)在大規(guī)模多任務(wù)語(yǔ)言理解(MMLU) 方面超越人類(lèi)專(zhuān)家的模型。在谷歌技術(shù)報(bào)告中，公司將Gemini 與 GPT-4以及此前谷歌最強(qiáng)的語(yǔ)言大模型 PaLM2 等等進(jìn)行了比較，在大型語(yǔ)言模型 (LLM) 研發(fā)中使用的32個(gè)廣泛使用的學(xué)術(shù)基準(zhǔn)中，GeminiUltra 的性能有30個(gè)超過(guò)了當(dāng)前最先進(jìn)的結(jié)果(SOTA,State Of The Art),全面領(lǐng)先于GPT-4。

2、多模態(tài)領(lǐng)域， Gemini Ultra 在圖像、視頻、音頻多項(xiàng)基準(zhǔn)測(cè)試中同樣實(shí)現(xiàn)超越GPT-4V。圖像理解方面，無(wú)論是回答自然圖像問(wèn)題，進(jìn)行掃描文檔的文本識(shí)別，還是理解信息圖表、圖表和科學(xué)圖解， Gemini Ultra 在多個(gè)任務(wù)上都取得了顯著改進(jìn)。視頻理解方面，Gemini Ultra 彰顯了強(qiáng)大的時(shí)態(tài)推理能力，在各種少鏡頭 (Few-shot)視頻字幕任務(wù)和零鏡頭視頻問(wèn)答任務(wù)上取得了SOTA。 音頻理解方面，Gemini Pro 模型在英語(yǔ)和多語(yǔ)言測(cè)試集的所有自動(dòng)語(yǔ)音識(shí)別(ASR) 和自動(dòng)語(yǔ)音翻譯(AST) 任務(wù)中都明顯優(yōu)于 USM 和 Whisper 模型，Gemini Nano-1 模型在除 FLEURS 以外的所有數(shù)據(jù)集上也優(yōu)于USM 和 Whisper。

3、除此之外，模態(tài)組合領(lǐng)域， Gemini 彰顯了處理多模態(tài)輸入、跨模態(tài)推理 的強(qiáng)大能力。谷歌通過(guò)煎雞蛋的烹飪場(chǎng)景示例，展示了Gemini 處理文本、視覺(jué)和音頻交叉序列的能力以及跨模態(tài)推理能力。

【算力優(yōu)勢(shì)穩(wěn)固，發(fā)布新一代云端 AI 芯片 TPUv5p】

本次谷歌在發(fā)布 Gemini 的同時(shí)推出了全新的面向云端AI 加速的 TPU v5p,這也是谷歌迄今為止功能最強(qiáng)大、效率最高且可擴(kuò)展性最強(qiáng)的 TPU 系統(tǒng)。

谷歌于2016年起開(kāi)始推出第一代 TPU,TPU是為神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)的專(zhuān)用芯片、 谷歌人工智能產(chǎn)品的核心，為谷歌搜索、YouTube 、Gmail、谷歌地圖、Google Play和 Android 等數(shù)十億用戶(hù)提供服務(wù)。

谷歌表示， Gemini 1.0 采用TPU v4和 v5e 芯片上進(jìn)行大規(guī)模訓(xùn)練，在 TPU 上Gemini 的運(yùn)行速度明顯快于早期規(guī)模更小、性能更弱的模型，未來(lái)TPU v5p也會(huì)應(yīng)用于加速Gemini 開(kāi)發(fā)。

TPU v5p 性能較 TPU v4 全面提升。谷歌 TPU v5p 在 bfloat16 精度下，可 以實(shí)現(xiàn)459 teraFLOPS; 在 Int8精度下，可以實(shí)現(xiàn)918 teraOPS。谷歌 TPU v5p 配備95GB 的 HBM3 內(nèi)存，內(nèi)存帶寬為2.76TB/sec, 每個(gè)Pod 最多有8960 個(gè)加速核心，并自研搭載600GB/sec 芯片互聯(lián)主控，可以更快、更準(zhǔn)確地訓(xùn)練 AI模型。與 TPU v4相比， TPU v5p 的浮點(diǎn)運(yùn)算性能大幅提升，在高帶寬內(nèi)存方面是 TPU v4的近3倍。

【背靠谷歌生態(tài)帝國(guó)，Gemini 商業(yè)化想象空間廣闊】

從大模型應(yīng)用端來(lái)看，相較OpenAI, 谷歌的商業(yè)版圖更為廣闊， Gemini 系列規(guī)模和功能強(qiáng)大，預(yù)計(jì)將快速融入谷歌生態(tài)，未來(lái)商業(yè)模式擁有極大的想象空間。

內(nèi)部生態(tài)融合計(jì)劃來(lái)看，谷歌表示，從發(fā)布日起，Gemini 可開(kāi)始應(yīng)用 Bard 和 Pixel8Pro 智能手機(jī)，并將很快與谷歌服務(wù)中的其他產(chǎn)品集成，包括Chrome、搜索和廣告等。

應(yīng)用于Bard 聊天機(jī)器人： 從發(fā)布會(huì)當(dāng)天開(kāi)始，谷歌聊天機(jī)器人Bard 將使用 Gemini Pro 的微調(diào)版本來(lái)實(shí)現(xiàn)高級(jí)推理、規(guī)劃、理解和其他功能。明年初，谷 歌將推出 Bard Advanced, 其將使用 Gemini Ultra, 這代表 Bard 發(fā)布以來(lái)的最大更新。

應(yīng)用于Pixel8Pro 手機(jī)： 從發(fā)布會(huì)當(dāng)天開(kāi)始，Pixel8 Pro 手機(jī)的兩項(xiàng)功 能將由 Gemini Nano 提供支持：錄音機(jī)應(yīng)用(Recorder)中的Summarize 等功能、WhatsApp Gboard 中的 Smart Reply。由于模型在手機(jī)中運(yùn)行，因此兩者都可以離線工作，因此應(yīng)該能擁有快速且原生的體驗(yàn)。谷歌表示，Nano 的目標(biāo)是 創(chuàng)建一個(gè)盡可能強(qiáng)大的 Gemini 版本，但同時(shí)不會(huì)占用手機(jī)的存儲(chǔ)空間或使處理器過(guò)熱。

在接下來(lái)的幾個(gè)月中，Gemini 將出現(xiàn)在谷歌更多的產(chǎn)品和服務(wù)中，例如搜 索、廣告、Chrome 和DuetAI。

外部用戶(hù)開(kāi)放情況來(lái)看，谷歌計(jì)劃通過(guò)谷歌云將 Gemini 授權(quán)給客戶(hù)，供他們?cè)谧约旱膽?yīng)用程序中使用。

12 月 13 日開(kāi)始，開(kāi)發(fā)者和企業(yè)客戶(hù)可以通過(guò)谷歌 AIStudio 或谷歌Cloud VertexAI 中的GeminiAPI(應(yīng)用程序編程接口)訪GeminiPro，安卓開(kāi)發(fā) 人員可以使用 GeminiNano 完成構(gòu)建。

【全球巨頭角逐激烈，AI 算力需求增長(zhǎng)和應(yīng)用場(chǎng)景或拓寬】

谷歌作為全球人工智能龍頭之一，無(wú)論在算力、算法還是商業(yè)化各個(gè)方面都 積蓄了優(yōu)勢(shì)，Gemini 系列大模型的如期推出，打破此前市場(chǎng)關(guān)于延期發(fā)布的傳 聞，同時(shí) Gemini 系列在傳統(tǒng)文本領(lǐng)域以及多模態(tài)領(lǐng)域能力均對(duì)標(biāo) GPT-4，總體超出市場(chǎng)預(yù)期。

隨著人工智能巨頭在大模型領(lǐng)域的競(jìng)爭(zhēng)依然白熱化，在此背景下繼續(xù)看好 AI 算力需求的增長(zhǎng)，同時(shí)當(dāng)下對(duì)于多模態(tài) AI 的激烈角逐也將持續(xù)拔升大模型的 整體能力水平，有助于不斷拓展大模型的應(yīng)用場(chǎng)景和邊界，想象空間廣闊。

當(dāng)前，我國(guó)通用人工智能產(chǎn)業(yè)政策逐步完善，國(guó)產(chǎn)大模型能力持續(xù)升級(jí)。美國(guó)對(duì)華半導(dǎo)體出口管制升級(jí)，將倒逼我國(guó)國(guó)產(chǎn) AI 芯片產(chǎn)業(yè)鏈加快成熟。隨著國(guó)產(chǎn)大模型廠商和 AI 芯片廠商的持續(xù)發(fā)力，我國(guó) AIGC 產(chǎn)業(yè)未來(lái)發(fā)展前景廣闊。

算力方面：海光信息、中科曙光、紫光股份、浪潮信息、龍芯中科、神州數(shù)碼、寒武紀(jì)、景嘉微

算法方面：科大訊飛、海天瑞聲、拓爾思、零點(diǎn)有數(shù)、匯納科技、中科創(chuàng)達(dá)

應(yīng)用場(chǎng)景方面：金山辦公、萬(wàn)興科技、拓爾思

網(wǎng)絡(luò)安全方面：?jiǎn)⒚餍浅健㈦娍凭W(wǎng)安、銳捷網(wǎng)絡(luò)

我們篩選出以下潛力標(biāo)的

海光信息(688041) 海光 DCU 協(xié)處理器主要部署在服務(wù)器集群或數(shù)據(jù)中心，為應(yīng)用程序提供高性能、高能效比的算力，支撐高復(fù)雜度和高吞吐量的數(shù)據(jù)處理任務(wù)，應(yīng)用于大數(shù)據(jù)處理、人工智能、商業(yè)計(jì)算等計(jì)算密集類(lèi)應(yīng)用領(lǐng)域。

零點(diǎn)有數(shù)(301169) 公司應(yīng)用人工智能技術(shù)，開(kāi)發(fā)數(shù)據(jù)智能應(yīng)用軟件，在智能政 務(wù)、智能警務(wù)、智能稅務(wù)和供應(yīng)鏈智能化管理領(lǐng)域已有持續(xù)擴(kuò)展的研發(fā)積累和客戶(hù)合作。其中在人工智能技術(shù)的算法技術(shù)產(chǎn)業(yè)化方面，公司目前是積極的引領(lǐng)者之一。

萬(wàn)興科技(300624) 公司致力于通過(guò)軟件技術(shù)創(chuàng)新和產(chǎn)品能力提升助力新生代創(chuàng)作者高效、便捷創(chuàng)作。目前公司已布局虛擬數(shù)字人、虛擬場(chǎng)景、虛擬直播等創(chuàng)新 業(yè)務(wù)，并與近日在2022全球元宇宙大會(huì)論壇上宣布布局AIGC賽道，公司旗下首款A(yù)I繪畫(huà)軟件“萬(wàn)興AI繪畫(huà)”正式開(kāi)啟公測(cè)。

參考資料： 平安證券-計(jì)算機(jī)行業(yè)動(dòng)態(tài)跟蹤報(bào)告：多模態(tài)能力表現(xiàn)亮眼，谷歌攜Gemini 王者歸來(lái)-231208.pdf

免責(zé)聲明：

本文由投資顧問(wèn)：馮利勇(執(zhí)業(yè)證書(shū)編碼： A1280620060001)、 何軍(執(zhí)業(yè)證書(shū)編碼： A1280621060001)、 羅力川(登記編號(hào)： A1280622110002) 等編 輯整理，僅代表團(tuán)隊(duì)觀點(diǎn)，任何投資建議不作為您投資的依據(jù)，您須獨(dú)立作出投 資決策，風(fēng)險(xiǎn)自擔(dān)。請(qǐng)您確認(rèn)自己具有相應(yīng)的權(quán)利能力、行為能力、風(fēng)險(xiǎn)識(shí)別 能力及風(fēng)險(xiǎn)承受能力，能夠獨(dú)立承擔(dān)法律責(zé)任。所涉及個(gè)股僅作投資參考和學(xué)習(xí)交流，不作為買(mǎi)賣(mài)依據(jù)。投資有風(fēng)險(xiǎn)，入市需謹(jǐn)慎!

審核編輯 黃宇