行業主要上市公司：百川智能(A04400.SH)、昆侖萬維(300418.SZ)、拓維信息(002261.SZ)、浪潮信息(000977.SZ)、科大訊飛(002230.SZ)等

本文核心數據：國內外主要大語言模型數據;中外代碼預訓練模型對比表;大語言模型研發技術國內外主要研究機構及代表性成果等

國內外主要大語言模型數據集

得益于開源共創的互聯網生態，海外已有大量優質、結構化的開源數據庫，文本來源既包含嚴謹的學術寫作、百科知識，也包含文學作品、新聞媒體、社交網站、流行內容等，更加豐富的語料數據能夠提高模型在不同情景下的對話能力。而受制于搭建數據集較高的成本以及尚未成熟的開源生態，國內開源數據集在數據規模和語料質量上相比海外仍有較大差距，數據來源較為單一，且更新頻率較低，從而導致模型的訓練效果受限。因此，大模型廠商的自有數據和處理能力構成模型訓練效果差異化的核心。受益于移動互聯網時代積累的海量用戶、應用和數據，互聯網企業在自有數據上更具特色化和獨占性，疊加更強大的數據處理能力，從而能夠通過數據優勢帶來模型訓練成果的差異。例如，阿里在研發M6時，構建了最大的中文多模態預訓練數據集M6-Corpus，包含超過1.9TB圖像和292GB文本，涵蓋百科全書、網頁爬蟲、問答、論壇、產品說明等數據來源，并設計了完善的清潔程序以確保數據質量。百度ERNIE模型的訓練數據集中也運用了大量百度百科、百度搜索以及百度知識圖譜等生態內數據，通過更高質量的數據保障了模型的訓練效果。

代碼預訓練模型正成為新的熱點

同樣，預訓練語言模型就是預訓練方法在自然語言處理領域中的應用，本質上是對自然語言的表示學習，是將自然語言轉化為讓機器可以處理的數據表達形式。預訓練語言模型先通過大量的語料(通常是無標注的數據)進行訓練，得到一個通用的語言表征模型，然后再使用面向具體任務的少量語料，就可以完成下游任務的訓練。近年來，代碼預訓練模型正在成為一個新的熱點，并且與語言大模型的發展不可分割，這些模型在代碼相關任務上已經展示了出色的性能。

注：該圖表數據截至2024年1月。

中國大語言模型研究已取得一定成果

語言大模型研發技術國內外情況差異較大，盡管國內大語言模型研究已取得了一定成果，但與美國仍然具有一定差距，尤其在端到端語言大模型研發技術，中國暫沒有比肩美國的成果。

國內外主要大語言模型研發路徑與技術對比

在大語言模型(LLMs)的全球競技場中，ChatGPT與Google的Gopher、LaMDA，以及Meta的Llama等構成了國際標桿，而國內則由百度的“文心一言”、360的大語言模型、阿里的“通義千問”和商湯的“商量”等引領潮流。從對話和文本生成能力的角度，ChatGPT暫居優勢，但這并非因為技術壁壘不可逾越。實際上，Google等國外企業因戰略和技術理念選擇了不同的發展路徑，這是其暫時落后的主因。隨著新技術的不斷涌現，趕超ChatGPT并非不可能。相對而言，百度等國內企業在數據集、計算能力和工程化方面存在短板，短期內難以實現對國外模型的迎頭趕上，這更多地需要國內AI產業全鏈條的協同進步。

在影響大語言模型性能的因素方面，訓練數據、模型規模(即參數數量)、生成算法和優化技術被認為是核心變量。然而，如何準確量化這些因素對模型性能的具體影響，目前還處于探索階段，沒有明確的結論。總體來看，世界頂級的大語言模型在技術層面上尚未拉開明顯的差距。

注：該圖表數據截至2024年1月。

國內外大語言模型商業化路徑對比

在戰略業務拓展方面，ChatGPT已經形成了明確且差異化的商業路線，主要圍繞API、訂閱制和戰略合作(例如與微軟的Bing、Office等軟件的嵌入合作)三大營收模式，在用戶數據積累、產品布局和生態建設等方面已具備明顯的先發優勢。而Google由于其主營業務是搜索引擎，對于聊天機器人等產品的發展相對保守，更注重利用大模型能力來推動“模型即服務”范式，以拓展其在云服務市場的份額。作為國內大模型的標桿企業，百度的戰略更接近Google，主要針對B端市場，通過全棧優勢來構建全鏈能力

更多本行業研究分析詳見前瞻產業研究院《中國大模型產業發展前景與投資戰略規劃分析報告》。

同時前瞻產業研究院還提供產業大數據、產業研究報告、產業規劃、園區規劃、產業招商、產業圖譜、智慧招商系統、行業地位證明、IPO咨詢/募投可研、專精特新小巨人申報、十五五規劃等解決方案。如需轉載引用本篇文章內容，請注明資料來源（前瞻產業研究院）。

更多深度行業分析盡在【前瞻經濟學人APP】，還可以與500+經濟學家/資深行業研究員交流互動。更多企業數據、企業資訊、企業發展情況盡在【企查貓APP】，性價比最高功能最全的企業查詢平臺。