ChatGPT挖票 | 豆包语音大模型产业链解析

文摘   2025-01-22 22:09   北京  






摘要



摘要

豆包实时语音大模型于1月20日正式推出,并在豆包APP中全面开放。该模型实现了端到端的语音对话,主要面向中文场景,具备低时延、可随时打断等特性,且在语音表现力、控制力和情绪承接方面表现优异。相比传统级联模式和GPT-4o,豆包模型在语音语气自然度和情绪饱满度上具有明显优势,用户满意度更高。技术方面,豆包实时语音大模型通过预训练、Scaling和强化学习等技术,实现了语音与文本的深度融合,具备多模态输入和输出能力。未来,随着视频、语音、图像等功能的加入,模型训练和推理所需的算力将进一步提升,云端AI算力需求也将持续增长。该模型的推出有望推动AI手机、AI眼镜等端侧产品的发展,并加速AI助手、情感陪护等应用的智能化进程。

豆包实时语音大模型的推出有望在春节期间推动豆包APP的用户增长,并进一步改善字节旗下应用的体验。此外,该模型的进展也将带动国内算力产业链的增长,并推动情感陪伴类应用和AI玩具等智能终端的创新落地。因此豆包语音大模型相关产业链也受到了金融市场的关注。我们使用“产业链Agent”工具梳理出“豆包语音大模型”概念的相关产业链上下游,并整理出相关概念股名单。同时,我们基于量价数据构造了领涨因子与尖峰右偏因子,在以上概念股池中筛选出因子得分前五的股票作为“豆包语音大模型”概念增强组合。



风险提示

大语言模型输出结果具有一定随机性的风险,模型迭代升级、新功能开发可能会导致结论不同。新闻可能包含误导性的信息,语料质量对结果正确性存在负面影响的风险。人工智能模型得出的结论仅供参考,可能出现错误答案的风险。


正文






“豆包语音大模型”热点解析

字节推出豆包语音大模型,带来哪些投资机会?

1月20日,字节跳动正式推出豆包实时语音大模型,并在豆包APP中全面开放。该模型实现了端到端的语音对话,主要面向中文场景,具备低时延、可随时打断等特性,且在语音表现力、控制力和情绪承接方面表现优异。相比传统级联模式和GPT-4o,豆包模型在语音语气自然度和情绪饱满度上具有明显优势,用户满意度更高。

技术方面,豆包实时语音大模型通过预训练、Scaling和强化学习等技术,实现了语音与文本的深度融合,具备多模态输入和输出能力。未来,随着视频、语音、图像等功能的加入,模型训练和推理所需的算力将进一步提升,云端AI算力需求也将持续增长。该模型的推出有望推动AI手机、AI眼镜等端侧产品的发展,并加速AI助手、情感陪护等应用的智能化进程。

豆包实时语音大模型的推出有望在春节期间推动豆包APP的用户增长,并进一步改善字节旗下应用的体验。此外,该模型的进展也将带动国内算力产业链的增长,并推动情感陪伴类应用和AI玩具等智能终端的创新落地。因此,豆包语音大模型相关产业链也受到了金融市场的关注。本文从模型的角度出发,给出“豆包语音大模型”产业链图谱结果,并提供概念股相关标的结果。最终,我们得到“豆包语音大模型”概念的增强组合包括:乐鑫科技、晶晨股份、天孚通信、甬矽电子、胜宏科技


“豆包语音大模型”产业链图谱生成

国金金融工程团队将大语言模型应用到产业链梳理任务上来,设计出专门生成产业链图谱并提供相关股票池的“产业链Agent”工具。它利用大语言模型突出的生成能力与分析能力,同时基于RAG方法在海量新闻、研报等文本构成的本地知识库中自动检索相关信息,基于大模型的理解与推理能力从中挖掘产业链信息,并确保最终结果的合理性、时效性与专业性。


“豆包语音大模型”相关投资标的

基于以上图谱结果,模型给出概念相关股票池结果。

我们基于量价数据构造了领涨因子与尖峰右偏因子,并在以上概念股池中筛选出因子得分前五的股票作为最终组合,详细方法请参考《Beta猎手系列之十二:RAG-ChatGPT提前布局热点概念领涨股》。“豆包语音大模型”概念最终筛选得到的组合:乐鑫科技、晶晨股份、天孚通信、甬矽电子、胜宏科技


风险提示

1、 大语言模型输出结果具有一定随机性的风险,模型迭代升级、新功能开发可能会导致结论不同。

2、 新闻可能包含误导性的信息,语料质量对结果正确性存在负面影响的风险。

3、 人工智能模型得出的结论仅供参考,可能出现错误答案的风险。


往期报告

ChatGPT热点挖票系列

  1. 《ChatGPT热点挖票系列:海外用户涌入,“小红书”产业链解析》

  2. 《ChatGPT热点挖票系列:微信小店热点解析》

  3. 《ChatGPT热点挖票系列:特斯拉Robotaxi推出,领涨股怎么选?》

  4. 《ChatGPT热点挖票系列:黑神话悟空概念龙头有哪些?》

  5. 《ChatGPT热点挖票系列:智能驾驶产业链全解析》

  6. 《ChatGPT热点挖票系列:合成生物学热度上升,相关产业链怎么看?》


主动量化系列

  1. 《主动量化研究之二:当绩优基金重仓股遇到调研会发生什么“共振”?》

  2. 主动量化研究之一:择时、选股、选基——自主可控概念量化投资指南


Alpha掘金系列

  1. 《Alpha掘金系列之十二:排序学习对GRU选股模型的增强》

  2. 《Alpha掘金系列之十一:基于BERT-TextCNN的中证1000舆情增强策略》

  3. 《Alpha掘金系列之十:细节决定成败:人工智能选股全流程重构

  4. 《Alpha掘金系列之九:基于多目标、多模型的机器学习指数增强策略

  5. 《Alpha掘金系列之八:FinGPT对金融论坛数据情感的精准识别——沪深300另类舆情增强因子

  6. Alpha掘金系列之七:ChatGLM医药行业舆情精选策略——大模型微调指南

  7. Alpha掘金系列之六:弹性与投资者耐心——基于高频订单簿的的斜率凸性因子

  8. 《Alpha掘金系列之五:如何利用ChatGPT挖掘高频选股因子?

  9. 《Alpha掘金系列之四:基于逐笔成交数据的遗憾规避因子

  10. 《Alpha掘金系列之三:高频非线性选股因子的线性化与失效因子的动态纠正

  11. 《Alpha掘金系列之二:基于高频快照数据的量价背离因子

  12. Alpha掘金系列:多维度卖方分析师预测能力评价——券商金股组合增强策略

Beta猎手系列

  1. 《Beta猎手系列之十二:RAG-ChatGPT提前布局热点概念领涨股》

  2. 《Beta猎手系列之十一:基于红利风格择时+红利股优选构建的固收+策略》

  3. 《Beta猎手系列之十:个股K线图形态AI识别构建市场风格预测》

  4. 《Beta猎手系列之九:人工智能全球大类资产配置模型》

  5. 《Beta猎手系列之八:基于偏股型转债的择时与择券构建固收+策略》

  6. 《Beta猎手系列之七:追上投资热点——基于LLM的产业链图谱智能化生成

  7. 《Beta猎手系列之六:基于宏观量价信号叠加的微盘股茅指数择时轮动策略

  8. Beta猎手系列之五:基于机构调研热度和广度视角的行业配置策略 

  9. Beta猎手系列之四:如何利用ChatGPT解析卖方策略观点并构建行业轮动策略?

  10. 《Beta猎手系列之三:行业超预期的全方位识别与轮动策略》

  11. 《Beta猎手系列之二:熵池模型:如何将纯主动观点纳入量化配置模型》

  12. Beta猎手系列:基于动态宏观事件因子的股债轮动策略

智能化选基系列

  1. 《智能化选基系列之七:基于AI预测中的个股Beta信息构建ETF轮动策略》

  2. 《智能化选基系列之六:如何用AI选出持续跑赢市场的基金?》

  3. 《智能化选基系列之五:如何如何刻画基金经理的交易动机并进行基金优选?》

  4. 《智能化选基系列之四:如何用LLM生成基金经理调研报告并构建标签体系?》

  5. 《智能化选基系列之三:基金经理多维度能力评价因子优化》

  6. 《智能化选基系列之二:风格轮动型基金的智能识别与量化优选》

  7. 《智能化选基系列:如何通过全方位特征预测基金业绩并构建跑赢指数的基金组合》


量化漫谈系列

  1. 《量化漫谈系列之十二:全样本训练+分域微调——中证A500AI指增再优化》

  2. 《量化漫谈系列之十一:中证A500指数有效因子分析与增强策略》

  3. 《量化漫谈系列之十:RAG-ChatGPT读季报:公募基金经理一致观点解析》

  4. 《量化漫谈系列之九:金融文本分析评测:Llama 3是最强开源模型吗?》

  5. 《量化漫谈系列之八:传统因子如何通过线性转换增强因子表现?》

  6. 《量化漫谈系列之六:为大模型插上翅膀——ChatGLM部署与Langchain知识库挂载》

  7. 量化漫谈系列之六:如何精确跟踪微盘股指数?——低成交量下的抽样复制策略》

  8. 量化漫谈系列之五:中证2000指数发布,如何构建微盘股指数增强策略?》

  9. 《量化漫谈系列之四:成长价值和大小盘双风格轮动基金如何识别与优选?》

  10. 《量化漫谈系列之三:有多少基金从新能源切换到了AI?》

  11. 《量化漫谈:卖方分析师团队评价体系与特征全景》

  12. 量化漫谈:预期差视角下的业绩预喜个股机会梳理


量化掘基系列

  1. 《量化掘基系列之二十九:低空经济概念火热,把握通用航空产业投资机会》

  2. 《量化掘基系列之二十八:华安上证科创板芯片ETF降费,助推高弹性投资机会》

  3. 《量化掘基系列之二十七:量化视角下,如何布局科创50指数?》

  4. 量化掘基系列之二十六 :黄金持续新高,该如何把握后续行情?》

  5. 量化掘基系列之二十五:若红利税下调,对港股影响几何?》

  6. 《量化掘基系列之二十四:新“国九条”下,如何把握红利投资浪潮?》

  7. 《量化掘基系列之二十三:把握HBM高景气度及半导体产业复苏的投资机会》

  8. 《量化掘基系列之二十二:产业链视角下如何捕捉AI手机概念行情?

  9. 《量化掘基系列之二十一:低波震荡下的投资利器——泰康中证红利低波动ETF》

  10. 《量化掘基系列之二十:深度学习赋能市场中性基金,量化对冲类产品前景广阔》

  11. 《量化掘基系列之十九:量化视角下,央企概念有哪些投资机会?

  12. 《量化漫谈系列之四:成长价值和大小盘双风格轮动基金如何识别与优选?》

  13. 《量化掘基系列之十八:汇聚龙头,启航新境——华泰柏瑞中证A50ETF

  14. 《量化掘基系列之十七:红利叠加低波会碰撞出怎样的火花?

  15. 《量化掘基系列之十六:控制微盘风格暴露,机器学习赋能量化投资


CTA金点子系列

  1. 《CTA金点子系列之二:基于日内高频博弈信息的商品CTA策略

  2. 《CTA金点子系列之一:基于ChatGPT新闻情感分析的原油期货策略》


年度投资策略

  1. 《金融工程2023年度投资策略:拨云见日终有时》

  2. 《金融工程2024年度策略:小盘股为帆,AI量化掌舵》

  3. 《金融工程2025年度策略:LLM破局Alpha困境,拥抱Beta大时代》



报告信息

证券研究报告:《ChhatGPT热点挖票系列:豆包语音大模型产业链解析》

对外发布时间:2025年01月21日

报告发布机构:国金证券股份有限公司


证券分析师:高智威

SAC执业编号:S1130522110003

邮箱:gaozhiw@gjzq.com.cn


联系人:胡正阳

邮箱:huzhengyang1@gjzq.com.cn


量化智投
国金证券金融工程高智威团队。研究范围涵盖了量化选股、资产配置、基金研究以及衍生品投资等领域。
 最新文章