首个生成式AI监管文件明起施行!板块再迎重磅催化
2023-08-14 18:37:19 来源:财联社
①各家厂商正加紧进行自身算力布局、数据合规性完善以及产品打磨,部分产品已经在行业客户布局阶段得到较好评价;②券商认为,三季度国内模型及应用有望迎来快速发展期,板块业绩披露完毕叠加改善预期,有望强化Q4人工智能板块β。
《生成式人工智能服务管理暂行办法》(以下称《办法》),即将自2023年8月15日起施行,其也是我国首个针对生成式人工智能产业的规范性政策。
(资料图片仅供参考)
“数据”、“安全”等词在《办法》中频繁出现。同时,《办法》明确了训练数据处理活动和数据标注等要求;生成式人工智能服务提供者应当采取有效措施防范未成年人用户过度依赖或者沉迷生成式人工智能服务,并生成内容进行标识等。此外,还规定了安全评估、算法备案、投诉举报等制度,明确了法律责任。
国家互联网信息办公室有关负责人此前表示,出台《办法》,旨在促进生成式人工智能健康发展和规范应用,维护国家安全和社会公共利益,保护公民、法人和其他组织的合法权益。
▌国内大模型厂商产品加速推进
当前,我国大模型产品已经初步具备商用能力。东北证券表示,各家通用大模型、垂类大模型以及使用第三方模型提供应用服务的厂商正加紧进行自身算力布局、数据合规性完善以及产品打磨,部分产品已经在行业客户布局阶段得到较好评价。
国内大模型相关公司中,科大讯飞将在8月15日发布星火认知大模型重大版本升级,将突破代码能力和多模态交互能力;公司预计,10月24日星火大模型将实现对标ChatGPT的目标。
百度在7月初上架了iOS内测版文心一言;且已有15万家企业申请接入文心测试,文心与300多家生态伙伴,在超过400个场景中已取得较好测试效果,在能源、汽车、政务、交通等十余个行业率先落地。天风证券指出,随着《办法》出台,后续面向AI大模型的政策或逐渐发布完善,届时文心To C业务端或能开始逐步落地,围绕着百度自身的搜索和小度业务展开。
三六零则在8月9日发布国内首个可交付的安全行业大模型“360安全大模型”,公司称该模型目前安全攻防判断准确率已超96%。
另外,华为鸿蒙已接入盘古大模型,腾讯自研的腾讯混元大模型已进入公司内应用测试阶段。
▌人工智能板块β有望得到强化
如今随着《办法》即将正式实施,多家券商看好未来我国AI监管体系完善、行业行情反弹。
平安证券认为,《生成式人工智能服务管理暂行办法》的落地,预示着我国大模型商用浪潮即将开启。东北证券也预计,AI 监管体系逐渐完善,行业即将迎来应用的逐渐爆发,从而带动下一阶段以监管、算力、数据、应用为核心的反弹行情。
此外,方正证券8月12日报告指出,当前众多AI应用标的已进行了较长时间的回调,从调整时间和调整空间来看较为充分,随着中报陆续披露,以及应用落地进展的不断推进,优质AI应用预计将成为下一阶段人工智能行情中,反弹阻力最小的方向。
从筹码结构看,二季度加仓主要集中在算力方向,众多AI应用厂商调整较为充分;从国产应用厂商产品研发看,中国企业在软件应用开发及产品化落地方面预计将不输海外;从产品落地及盈利节奏看,Al监管政策加速推进,大规模商用化时点渐近。
分析师称,人工智能作为中长期产业趋势,短期受资金、应用落地情绪影响较大,生成式人工智能服务管理暂行办法8月15日正式实施,三季度国内模型及应用有望迎来快速发展期,板块业绩披露完毕叠加改善预期,有望强化Q4人工智能板块β。
落实到产业链标的上,平安证券看好四个方向。1)算力方面:浪潮信息、中科曙光、紫光股份、海光信息、龙芯中科、工业富联、寒武纪、景嘉微;2)算法方面:科大讯飞、三六零;3)应用方面:金山办公、拓尔思、彩讯股份、航天宏图;4)网络安全方面:启明星辰、深信服、绿盟科技。
(文章来源:财联社)
关键词:
[责任编辑:xwzkw]
相关阅读
- (2023-08-14)首个生成式AI监管文件明起施行!板块再迎重磅催化
- (2023-08-14)辽宁:暴雨致沿海地区部分河流水位上涨
- (2023-08-14)大洋生物8月14日快速上涨
- (2023-08-14)开盘:A股三大指数低开沪指跌0.93%,行业板块尽墨,两市仅500余股飘红
- (2023-08-14)ST开元:子公司与许继换电签署项目合作协议
- (2023-08-14)乐昌白石添阳70+80兆瓦集中式光伏发电项目动工 可年产“绿电”1.6亿千瓦时
- (2023-08-14)医保门诊统筹落地后,慢特病报销如何并轨?
- (2023-08-14)俄国防部发布!击毁乌“星链”通信终端画面
- (2023-08-14)河北加快推进中医药传承创新发展
- (2023-08-14)约旦通过新法令严惩网络犯罪
- (2023-08-14)上海黄金交易所金条价格今天多少一克(2023年08月14日)
- (2023-08-14)以问题为导向聚力破解发展难题
- (2023-08-14)纯电版“大黄蜂”来了! 通用双门纯电跑车曝光 有望登陆国内市场
- (2023-08-14)河西区:深化拓展文旅商融合发展 促进文旅产业提质升级
- (2023-08-14)旅游酒店板块逆市拉升 桂林旅游、华天酒店涨停 君亭酒店等走高
- (2023-08-14)翻开文学之匣盛装经典祝福语
- (2023-08-14)襄阳高新区团山镇召开环保工作会议
- (2023-08-14)机械键盘键轴怎么清洗_机械键盘如何清洗轴体
- (2023-08-14)广电运通:公司广州新建AI产业园工程已进入收尾阶段
- (2023-08-14)西安经开区:“花式”反诈进社区 守护安全零距离
- (2023-08-14)韩国游泳一哥栽了!驾车撞人逃逸被调查,能否出战杭州亚运会成疑
- (2023-08-14)初秋,在定边邂逅向日葵花海
- (2023-08-14)武汉地震监测中心遭网攻调查进展:美国神秘侦察系统即将被曝光
- (2023-08-14)7月产销同比增长超三成,新能源汽车延续良好发展态势
- (2023-08-14)经纬大师走入柯桥纺企,畅谈小众需求与新国潮设计!
- (2023-08-14)邮报:新月重燃对米特洛维奇兴趣,后者曾发誓不再为富勒姆出场
- (2023-08-14)为什么盐水的凝固点比纯水低
- (2023-08-14)探究realme X2 Pro的参数,助力你选购手机
- (2023-08-14)山高环能:截止2023年8月10日,公司在册股东数约为1.8万
- (2023-08-14)江西“赣鄱俊才·双高项目”申报启动