OpenAI新品、豆包与AI新消费

近日OpenAI官宣从太平洋时间12月5日起连续12天召开发布会，陆续发布了o1、o1微调权限等产品。根据已经召开的发布会，可以梳理出几项重点内容：

第一天发布会：o1 完整版及 o1 pro 模式推出，可处理多种类型文件，采用新推理方式，思考简洁、速度提升、出错率降低。同时推出 ChatGPT Pro 服务，适用于复杂计算问题场景，如科研、工程领域。

发布会上，o1模型的负责人画了一个草图。这个草图是关于一个系统，用来收集太阳能，供应给太空数据中心。因为太空里不能用水冷却系统，所以得靠一个巨大的散热片来散热；研究员问o1模型，如果要给数据中心提供1吉瓦的电力，需要多大地方的散热片才能保证GPU正常工作？o1模型准确地识别了草图，经过分析和计算，得出结论：需要242万平方米的散热片来满足散热需求。 

第二、三天发布会：1）强化微调能力（Reinforcement Fine-Tuning）推出：可通过少量案例将小体量模型训练成领域专家。如与汤森路透合作打造法律专业 AI 模型，可辅助律师工作；在生物医学任务实验中，o1 mini 模型经强化微调在特定任务表现超 o1 模型。此能力面向企业或科研单位等潜在客户，明年正式推出。2）Sora 推出：可合成视频、根据图片或视频生成文字描述、利用 remix 工具创意改编，指令影响其发挥程度。在直播中，Sora把两个不连着的视频片段合成了一段有故事感的视频。

第四至第七天发布会：1）Canvas 正式上线：与之前相比，可从首页输入框跳转、集成 Web Assembly Python 模拟器能运行代码并在线修 bug、功能整合进 GPTs。现场演示了写儿童圣诞故事、改文章、调试 Python 代码和生成图表等功能，如在写故事时可与 ChatGPT 共同编辑，改文章时 ChatGPT 能给出专业建议并加评论，调试代码可即时反馈。2）ChatGPT 集成到苹果 iOS、iPadOS 和 macOS 系统：用户可直接在操作系统中访问 ChatGPT 功能。在直播展示中，唤醒 Siri 后 ChatGPT 就能发挥作用，比如对直播中嘉宾的毛衣进行点评，还评选出了最具特色的毛衣并给出理由，甚至用毛衣图案制作奖杯。3） AI 实时视频对话功能：ChatGPT 在发布会中通过摄像头与 4 名直播人员互动，能记住人员名字，正确回答主持人提问，可被打断并熟练 “接话”，还能辅助直播人员冲咖啡、回复短信等。4） “Projects In ChatGPT” 功能：整合 ChatGPT 多种功能，支持 Canvas 界面和接入互联网资源，方便用户创建和管理项目。

豆包已经成为国内的头部AI产品。根据AI产品榜官方公众号公布的数据，豆包10月的MAU已经超过5000万，领先于其他竞争对手。从11月的数据来看，全球总榜前 10 名国产 AI 占两席，豆包 5998 万月活、Talkie 2519 万月活，均保持 10% 以上的增速；国内总榜中，豆包仍排第一，月活5998 万，且增速仍近20%。

回顾字节跳动在AI方面的发展历史，可以分为几个阶段：

1）早期探索与抖音赋能：2012 年字节跳动成立，旗下的今日头条等产品开始运用 AI 技术进行内容推荐，通过对用户行为数据的分析和挖掘，运用机器学习算法实现个性化的新闻资讯推送，为用户提供千人千面的内容体验，初步展现了 AI 在内容分发领域的应用价值。

2）技术持续发展，对核心应用进一步赋能：字节跳动在图像识别、视频理解等技术方面不断取得进步，并在抖音等产品中广泛应用，如抖音的视频特效、滤镜等功能，以及AI绘画等功能。

3）大力投入大模型等核心产品：2023 年 1 月，字节跳动组建首个大模型团队，推出自研的 “云雀大模型”，并基于 “云雀大模型”推出了多款 AI 产品和服务，如豆包、Coze 扣子、即梦、星绘、醒图等，形成了较为丰富的 AI 产品矩阵，同时积极构建 AI 生态，通过火山引擎为企业提供 AI 智能应用开发平台和多种服务，推动 AI 技术在行业内的应用和落地。

梳理字节跳动的AI布局，可以分为几个方面：1）大模型：字节跳动开发了多个大模型，其中 “云雀” 大模型为核心，处理文字、图片、PDF 等不同形式的信息输入，然后生成文字或图片输出。2）平台：火山引擎在字节跳动的 AI 布局里处于关键地位。同时，扣子（国内）和 Coze（国外）这两个平台用来开发智能体，开发者利用平台提供的工具和插件开发智能聊天机器人、智能客服等应用。3）应用产品：包括对话类（豆包等）、创作类（即梦等）、工具类（海绵音乐等）。4）硬件：AI 智能体耳机 OlaFriend等。

目前已有多家上市公司与字节跳动AI生态开展积极合作。1）梦网科技：梦网科技以科技驱动消息分发服务，旗下天慧云平台多源AI调度引擎继与智谱AI、阿里通义大模型、讯飞星火大模型、KIMI大模型对接之后，引入火山引擎，深度融合豆包大模型能力，推动5G阅信应用的智能化升级。2）中科创达：2024 年 11 月 中科创达与火山引擎在成都举行深度合作签署仪式，相关负责人签署协议并为联合大模型实验室揭牌。双方将发挥各自在技术、产品和市场等方面的优势，在人工智能大模型应用领域深度创新合作，建立并依托联合实验室开展科研项目、共享资源，推动大模型成果在车端和智能硬件端转化应用，满足主机厂需求，助力打造更具竞争力的产品。

由于豆包、即梦等应用用户数的不断增长将带来算力的持续增长，我们对豆包、即梦两大AI应用的算力需求进行测算：

字节即梦AI的文生视频模型为MagicVideo-V2，原理如下（以1秒钟弹钢琴女孩视频为例）：

1）首先文生图：生成1024*1024分辨率的一张图片，该模块自研；

2）其次图生视频：将上图生成32帧600*600分辨率的视频，该模块基于SD1.5；

3）之后视频增强：优化每一帧图像和提升分辨率，将上述视频增强变为1048*1048分辨率的32帧图像，该模块同样基于SD1.5；

4）最后视频插帧：将1048*1048*32帧的视频通过插帧成为1048*1048*94帧，该模块基于VFI（VQGAN）。

在不考虑集群损失、算法创新优化等未知因素影响下，我们对即梦AI创造的算力需求进行测算：

假设1：图生视频与视频增强环节生成图像所需算力与SD1.5一致，SD1.5在RTX4070S（FP16 35.46TFLOPS）生成512*512分辨率图片所需时间约2秒钟；

假设2：插帧环节使用GAN，参考高通测算使用插帧最高节约78%视频算力，此处用50%压缩率代替；

得到每分钟文生视频约需要23581Tflops，约为0.007H100GPU（FP16 989TFLOPS）工作时。

进一步，测算在1亿/2亿月活，即梦AI每天生成10分钟视频的假设下，所需H100数量约为28w/55w个。

若进一步考虑豆包1亿月活的目标，或还能够进一步带来客观的算力需求。

政策大力支持新型消费的发展，以AI智能化为底座的数字消费等成为重点。2024年8月国务院发布《国务院关于促进服务消费高质量发展的意见》，其中提出培育壮大新型消费，其中包括数字消费等重点方向。数字消费的发展方向，包括：加快生活服务数字化赋能，构建智慧商圈、智慧街区、智慧门店等消费新场景，发展“互联网+”医疗服务、数字教育等新模式，加快无人零售店、自提柜、云柜等新业态布局，支持电子竞技、社交电商、直播电商等发展。加快建设和升级信息消费体验中心，推出一批新型信息消费项目。开展数字家庭建设试点，更好满足居民家居产品智能化服务和线上社会化服务需求。

根据消费者研究与零售监测公司尼尔森IQ发布的《通往2025：中国消费者展望》，新科技、新需求的介入将带来全新生活方式，刺激新的消费方式形成；人工智能(AI)成为搜索和消费的新方式，正在改变消费者的购物决策，多数国内消费者有意愿在消费决策中依赖人工智能的推荐和帮助。

AI玩具有望成为AI新消费的重点领域。1）国外：特斯拉推出的机器人玩具是 Optimus Gen2 人形机器人的迷你版本，其在设计上采用 1:10 比例，拥有超过 40 个独立部件以及 20 个关节点，整体高度约 18.2 厘米，重量约 48 克。产品配备有迷你充电座模型与赛博锤，丰富了玩具的功能性与趣味性。该机器人玩具定价 40 美元，在官方商店开售时市场反响较好，上线不足 24 小时库存即告罄。

2）国内：深圳跃然创新科技有限公司正式推出全球首款基于AIGC技术的对话交互式挂件玩具——BubblePal。BubblePal产品造型小巧精致，外形类泡泡状，对话时按住表面球泡即可。支持仿生记忆功能，搭载先进的 AIGC 技术，支持多角色互动和多语言交流，可根据孩子的年龄和兴趣提供个性化教育内容，还能与孩子共同创作互动故事，感知孩子的喜怒哀乐并给予反馈和安慰。

字节跳动推出了一款名为“显眼包”的AI陪伴玩具：“显眼包”是一款基于大模型开发的情感陪伴玩偶，集合了火山引擎的多项人工智能技术，如豆包大模型、扣子专业版、语音识别、语音合成等。用户只需简单的指令便可与“显眼包”进行交流，它能够理解并回应复杂的问题。

AI也有望给游戏领域带来重要赋能。Oasis 作为全球首款 AI 游戏，由 Decart 和 Etched 联合打造。它利用经过数百万小时游戏视频训练的 AI 基座模型，无需游戏引擎，仅通过用户键盘输入即可实时生成开放世界游戏，涵盖移动、跳跃、拾取等操作。其模型基于 Transformer 架构，含 ViT - VAE 和 DiT 组件，采用加速注意力机制，通过 Diffusion Forcing 训练，借助 Decart 推理引擎与 Etched 的 Sohu 芯片实现实时交互，还通过动态噪声保障画面稳定性。游戏允许玩家进行移动、跳跃、拾取物品、打破砖块等操作，生成的视频内容中不仅包含图形学的渲染，也能体现出对物理原则和游戏规则的理解。

OpenAI召开连续12日发布会有望进一步展示公司通往AGI之路的技术储备，同时2024Q3财报季，海外AI应用开始初露锋芒，AI应用成为一些代表性公司业绩超预期的核心驱动力以及未来的重点战略方向；国内豆包等头部大模型持续发力验证AI技术潜力，AI应用有望进入从1到N的快速发展阶段。建议关注AI应用四大核心方向：

1）豆包用户数的快速增长带来的将是算力中心的扩建，进而带动AI服务器需求提升；同时，算力中心扩建带来的不仅是基础建设需求，更多的是热管理的需求，字节AI端液冷有望拉动广阔市场空间。高澜股份为字节跳动提供的12U浸没液冷模组，是业内首款一体式浸没液冷产品，融合了字节跳动最先进的数据中心创新技术。建议重点关注浪潮信息、高澜股份等厂商；

2）Salesforce三季报电话会首次全球范围内验证B端对AI应用的强需求，AI Agent或重塑SaaS范式，建议关注金山办公、福昕软件、梦网科技、金蝶国际、泛微网络、致远互联、合合信息、鼎捷数智、用友网络、光云科技等布局企业级AI Agent的厂商；

3）类Sora应用有望引发AIGC新一轮浪潮，建议关注万兴科技、虹软科技、美图、汉王科技、彩讯股份等AIGC公司以及浪潮信息、寒武纪、中科曙光等配套算力厂商；

4）AI搜索有望成为大模型商业应用落地“第一束光”，建议关注腾讯、三六零、科大讯飞、昆仑万维等深度布局大模型与AI搜索的公司；

5）AI终端作为新的生态入口成为“兵家必争”之地，AI眼镜迎来密集发布期，建议关注萤石网络、漫步者、中科创达、托普云农等AI终端厂商。