2023年3月15日OpenAI發布全新的多模態大模型GPT-4，GPT-4相較于GPT-3實現了多模態信息輸入、文本處理容量提升、回答準確度提高、對專業知識的處理能力提高、能夠生成創意文本并實現風格變化等方面的能力提升，極大地拓寬了GPT-4在企業級服務領域的應用能力，使其能夠處理數量較大、專業性較強且形式多樣的辦公數據，并生成準確度較高的有效處理結果。具體而言，GPT-4的主要優勢包括：

2023年3月16日，微軟發布全面接入GPT-4的Microsoft 365 Copilot，開啟AI+辦公軟件史詩級革命。Copilot將GPT-4的生成式AI能力全面集成至Microsoft 365辦公套件中，不僅能夠實現在各個辦公軟件中自動生成內容，同時AI還打通了Microsoft 365中各個應用的數據壁壘，極大提高產品集成度，使辦公產品的協作性大幅提升。

Copilot嵌入到Word、Excel、PowerPoint、Outlook、Teams等所有Microsoft 365應用程序中，用戶能夠使用自然語言調用Copilot輔助工作，包括在應用內根據要求生成信息，調用其他應用內的信息并進行整合分析等，以釋放創造力、釋放生產力和提升技能。

(資料圖片)

Copilot與用戶一起寫作、編輯、總結和創作。1）寫作：Copilot能夠根據簡短的自然語言提示生成文檔初稿，并根據需要從其他Office應用中引入信息；2）編輯及總結：Copilot可以在現有文檔中添加內容、總結文本、改寫文件；3）創作：Copilot會建議用戶的寫作語氣，還可以幫助用戶在寫作中加強論點、消除錯誤。

Copilot幫助用戶分析和探索數據。1）分析：用戶用自然語言向Copilot提出關于數據集的問題，Copilot能夠分析數據之間的相關性，提出相應的假設方案，并根據問題推薦新的公式。2）探索：Copilot根據用戶問題生成模型，還能夠識別數據潛在趨勢并創建可視化圖表。

Copilot幫助用戶從其他Office應用中調取信息并生成演示文稿。Copilot可以從Office 365的Word、OneNote等應用中調取數據，并將文件轉化為帶有演講者筆記和資料來源的演示文稿，或者根據一個簡單的提示或大綱生成一個新的演示文稿。

Copilot幫助用戶整合并管理收件箱。Copilot可以總結郵件內容，根據簡單提示以及其他Microsoft 365應用中的內容自動生成回復郵件，并可根據需求修改郵件的長度和語氣。

Copilot幫助用戶開展更高效的團隊會議以及安排會議議程。1）高效團隊會議：Copilot能夠在會議中幫助用戶組織關鍵討論點，并總結關鍵的行動。在會議中，Copilot還可以隨時解答參與者的問題，并幫助回憶用戶錯過的信息。2）安排會議議程：將Copilot添加到會議和對話中，Copilot可以根據聊天歷史創建會議議程并確定合適的參會人等。

Business Chat基于大語言模型、Microsoft 365應用程序和日歷、電子郵件、聊天記錄、文檔、會議和聯系人等軟件中的數據運作。用戶使用自然語言向Copilot提問，比如“告訴我的團隊我們是如何更新產品策略的”，它就會根據早上的會議、電子郵件和聊天記錄生成一條回復。

近年來，隨著醫療數據集的快速擴張、硬件設備的迭代升級、算法模型的優化改進，AI在醫療場景中的技術積累越發成熟，應用場景日益豐富。為疾病檢測、診斷及治療模式帶來深刻變革，為提升居民健康質量提供新方式。近期GPT技術的突破再次引燃市場關于AI+醫療/醫藥的討論關注。

包括制藥、輔助診斷、影像、醫療器械在內的醫療健康領域是AI率先實現應用的行業之一。2015年開始，AI在圖像識別方面的準確率大幅度提升，驅動AI+影像快速發展。而語音識別的精準度提升以及臨床知識庫的發展，也推動輔助診斷服務逐漸興起。隨著DeepMind兩代AlphaFold實現了蛋白質空間結構預測的重大突破，AI+制藥也進入高速發展期。

AI制藥是將機器學習（Machine Learning）、自然語言處理（Natural Language Processing）及大數據等人工智能技術應用到制藥領域各個環節，進而促進新藥研發降本增效。目前主要應用于藥物研發階段的藥物發現、臨床前階段，隨著ChatGPT的不斷應用，AI向臨床開發階段的滲透有望持續加快。

臨床輔助決策分為診前/診中/診后決策場景，包括醫院數據實時處理、數據質量監控、知識庫查詢、臨床輔助決策、臨床輔助治療、臨床預警、患者畫像、系統監控等功能。醫療診斷場景涉及的信息為多模態且數據量大、交互頻次高、及時性要求高，業內關注多模態大模型能否賦能診斷場景，發揮輔助醫患溝通、診斷決策作用。

3月20日，微軟旗下語音識別公司Nuance Communications推出基于GPT-4的AI臨床筆記軟件Dragon Ambient eXperience（DAX）Express，可以在幾秒鐘內生成準確的臨床記錄，減少臨床記錄環節的時間，提升診療效率。Nuance曾在2020年推出DAX解決方案，將患者在就診中與醫生的交流轉化為臨床檔案，由于以人工審核來確保信息準確性，全過程需要耗時約四個小時。接入GPT-4后，依靠大模型強大的推理能力，DAX Express生成臨床記錄的效率大幅提升。此外，DAX Express能夠整合進微軟Teams中，來輔助遠程醫療。國內包括科大訊飛、云知聲等在內的產業鏈公司也均在探索大模型在醫療輔助診斷領域的應用。

公司以第三方醫學檢驗及病理診斷業務為核心，開創了國內第三方醫學檢驗行業的先河。2022年公司與華南理工大學合作建設全國第三方醫檢領域首家人工智能聯合實驗室。目前公司已在醫檢AI領域取得一系列進展。如AI輔助宮頸細胞學篩查、AI輔助肺部組織病理診斷、虛擬現實（AR）智能顯微鏡等平臺已初見成果，未來有望繼續聚焦醫檢AI領域技術難題，積極促進臨床醫學和信息學科交叉領域科技成果轉化應用，實現更加精準、便捷、普惠的診斷服務。

公司是國內領先的體外診斷產品與服務供應商，專注于生化、病理、凝血等IVD產品的研發、生產和銷售。公司控股子公司邁新生物基于免疫組化多重染色原理，將免疫組化多重染色技術與人工智能有機結合，利用人工智能技術實現免疫組化虛擬多重染色，為免疫組化定量/半定量檢測提供便捷可靠的輔助判讀工具，未來有望持續向數字病理、病理人工智能領域實現突破。

公司專注于生命科學與生物技術領域，為精準醫療、精準農業和精準健康等行業提供實時、全景、全生命周期的生命數字化設備和系統解決方案。華大智造自主開發了Concerto算法，采用人工智能領域新興的對比自監督學習框架并進行優化適配，以應用在海量單細胞組學數據的建模中；公司的遠程超聲機器人MGIUS-R3可以有效替代醫生進行傳統的超聲掃查，解決超聲醫生資源不足的問題，同時公司還在積極開發乳腺自動化篩查等產品，未來有望不斷推動醫療數字化轉型提升醫療領域的效果和效率。

公司CADD、AIDD平臺可為客戶提供高效和優質的藥物化學設計服務。目前該技術已應用于無晶體結構靶點的同源模建、先導化合物骨架躍遷、基于片段的藥物設計、分子對接等實際場景，提高了項目研發的效率和成功率。

ChatGPT的面世引發AI產業熱潮，GPT-4發布后，全球最大的語言學習工具軟件多鄰國（Duolingo）宣布正式接入，并推出新產品“Duolingo Max”，提供Roleplay功能，通過AI聊天機器人和用戶的多輪對話互動，為用戶打造沉浸真實的語言學習環境，實現“因材施教”。AI技術在應用側有望賦予教育行業新的發展機遇。AI技術能夠幫助教學內容生產降本增效，實現因材施教、有針對性的自適應性教學，提升學生學習效率，培養優質學習習慣等。梳理細分領域的應用看，國內外AI+教育產品涉及包括語言學習、自適應學習、早教學習機（AI護眼、AI坐姿調整等輔助功能）、拍照搜題、作業自動批改、虛擬教師、智慧教學、智慧招考在內的多元應用領域。

工業自動化制造中，定制化的生產線通常需要手動調整，從而需要耗費大量的時間和人力成本，因此工業機械化制造緊缺的是懂工藝和編程的復合人才。

在前端生產環節，AI自然語言編程提高工程師設計效率，工廠內部一線的使用人員可以根據經驗、借助自然語言直接進行軟件優化和迭代，效率優化空間更大，工業軟件設計有望加速發展。在后端倉儲環節，AI也可以通過對倉庫中的物品進行識別和分類，有望提高倉庫管理效率。

以往非智能工業制造品控依賴人工進行檢測，效率低下且品控難以保障。機器視覺的本質是為機器植入“眼睛”和“大腦”，用來代替人眼所處理的重復單一的勞動。AI能夠為機器視覺注入新活力，而機器視覺又協助AI進行數據生產。搭載AI的機器視覺等技術有望能夠大幅提升檢測效率，同時機器視覺是數字經濟技術中獲取數據的重要途徑，通過將生產數據數字化，提供更為豐富的機器學習樣本，助力算法軟件迭代和研發端提效。

根據谷歌和微軟最新的論文，AI有望給機器人訓練帶來三重顛覆性改變，分別是自然語言調試、圖片推理和虛擬環境訓練。

AI大模型從根本上上簡化了人機溝通成本，其中的ChatGPT是一種強大的語言生成工具，多模態大模型也在不斷推出，這一類大模型均具有改變建筑行業的潛力。建筑師、造價員等專業工種，均可以利用AI大模型的能力。

公司目前已在造價、施工、設計各個領域落地基于AI模型的產品和功能。在造價業務上，公司基于深度學習的交互式生成技術，在造價業務中利用大模型技術提供了智能組價和智能算量等服務，有望提升造價員效率，減輕企業造價人員薪酬成本，未來公司可按項目規模進行收費；此外，新成本平臺未來也可升級智能化功能，根據建設方自身特點和歷史項目情況為其提供前期方案建議，降低企業咨詢成本。在施工業務上，自主研發的勞務人臉識別終端實現量產，CV安全隱患識別算法集成進入施工蜂鳥盒子產品，助力蜂鳥系統成功入選《國家人工智能創新應用先導區“智賦百景”》建設施工現場AI智能安全巡檢應用場景典型案例，未來有望進一步推廣。在設計業務上，智能設計中的強排工具（按照建筑強制性規范布置建筑）進入用戶驗證，實時日照分析性能國內領先，未來可結合多模態的大模型提供方案設計功能。

智能家居是以住宅為平臺，將線路綜合布置、網絡通訊技術、家電自動化、物聯網、云計算及人工智能等技術與家居設備相融合，從而形成高效化、智能化的住宅設備集成管理系統，以提升家居環境的安全性、智能性、舒適性、節能性、便捷性。從產業鏈來看，上游包含芯片、云計算、大數據等企業，中游包含智能家電、智能安防、智能影音等模塊、下游包含服務商、運營商、經銷商等，產業鏈覆蓋消費品+服務商企業。

全屋智能的核心價值在于智控系統自主感知、自主決策、自主控制與自主反饋的人與場景交互能力，而當前智能家居的發展仍然受制于各類硬件割裂不兼容、家庭本地控制中心算力與邊緣計算能力不足、人機交互弱以及傳感器技術有待進步等問題。近期基于大型預訓練語言模型產生的生成式多模態大模型ChatGPT-4橫空出世并引起市場廣泛關注，理解能力與交互能力有了極大提升，近似人類水平的性能也使其成為OpenAI在擴大深度學習方面的里程碑。

隨著泛在感知數據和圖形處理器等計算平臺推動，以深度神經網絡為代表的人工智能技術飛速發展，圖像分類、語音識別、知識問答、人機對弈、無人駕駛等技術實現了從“不能用、不好用”到“可以用”的技術突破，人工智能在算法、算力和算料等方面迎來爆發式增長的新高潮。

從長期看，人工智能成為經濟的發展動能主要體現在三個維度。第一，人工智能的發展核心在于提高人力資本和產業升級之間的適配性，有效釋放工程師紅利，進一步提升勞動力的質量。第二，人工智能有望在更大范圍、更深層次、更廣領域拓展生產可能性邊界，提高全要素生產率。第三，技術變革驅動各類體制機制的完善，優化資源配置。特別值得關注的是數據成為新型要素后，將伴隨資本、勞動力等傳統要素跨區域流動，表現為較強的經濟正外部性。經判斷，人工智能拉動經濟增長方面，主要存在三方面預期差：

從供給端看，人工智能將快速替代體力和腦力勞動，對沖人口老齡化趨勢帶來的增長中樞下移，同時技術的快速迭代也將大幅提升全要素生產率。從需求端看，產業智能化是一個具有高壁壘的宏觀慢變量，無論是算力的提升還是能源結構的變遷，都將通過技術改造的形式驅動中上游資本開支偏強。

整體看，人工智能的發展確定了數據要素的發展。能夠認為，當數據要素持續正向增長，并將驅動投入轉化為更多產出，直接的影響是企業和居民端資產負債表的持續改善。具體來看，當數據要素發展積極推動經濟潛在增速上行，企業會通過提高債務，獲得更高的利潤，以擴大再生產，居民也會提高債務創造需求，由此形成“經濟增長-企業擴大資本開支、居民消費支出增加-經濟進一步發展”的正向循環。同時，全社會債務的增加也伴隨著GDP體量的同步增加，宏觀杠桿率會維持在相對合理水平。

當前，大量新設備正在建立網際網絡的連接，借此以產生更多的數據。而這其中有越來越需要借助人工智能的運算，以幫助了解這些大量新生成的數據，使得進行這些運算的半導體耗電量也越來越嚴重。客觀地看，發展人工智能需要穩定的電力保障，如果加上各種網絡通信設施、智能終端的耗電量，能源革命已成為新一輪科技革命的關鍵所在。特別是化石能源清潔化、清潔能源規模化、多種能源綜合化、終端能源再電氣化趨勢加速演進，可再生能源、智能電網、非常規油氣等技術規模化應用，大規模儲能、氫燃料電池等技術有望突破，帶動相關產業轉型升級，形成經濟增長新動能。

關鍵詞：