华泰证券机构业务委员会主席梁红在致辞中表示，金融作为数据驱动型行业，已经成为AI大模型等最新技术率先落地的重要领域之一。华泰证券积极推动科技金融创新，在以大模型为代表的人工智能应用方面，也在探索与多元合作伙伴资源互补，共同深度参与产业链和行业格局的全新变革。
创新与局限：大模型如何实现飞跃
任福继认为以GPT-4为代表的大模型无疑会带来一场智能系统革命，但其在理论上其实并无多少创新，仍基于大数据驱动人工智能的研究范式，只是在模型规模达到一定程度后，涌现出了过去小模型所不具备的能力。正如生物、经济社会等各种复杂系统，虽然个体遵循的规则相对简单，但构成一个整体时，新的属性或规则会突然在系统层面诞生，产生更为复杂的整体行为。一些新的研究表明，对于某些任务和模型，存在一个复杂性阈值，一旦超过该阈值，模型的功能就会突飞猛进。当下的大模型仍然没有意识、缺乏情感认知，回避了智能的本质问题，未来有待基于理解和数据双驱动的人工智能研究新范式，实现真正的飞跃。
欧智坚指出GPT采用的“预训练+微调”的半监督学习方式，其本质是协同进行有监督和无监督学习，让有监督的目标成为无监督的“指路标”，实现有原则、有依据的无监督学习。目前，随机编造是ChatGPT面临的一大问题，导致专用商用的“最后一公里”不可控。为了充分利用企业大量标注缺失的数据，提升模型的专业性，可以采用“基于隐变量建模”（隐变量指不可观测的随机变量，对应于缺失的标注）的半监督学习方式，并通过“检索+生成”双模型的“端到端训练”，让训练与测试在利用新知识上对齐。
机遇与竞争：把握AI2.0的投资主线
在蓬勃发展的技术和“群雄逐鹿”的市场格局下，AI大模型具体将带来哪些产业机遇？在论坛上，华泰证券研究所发布了《AI2.0：十年之后我们还能做什么》深度报告，华泰证券研究所科技行业首席分析师黄乐平对报告进行了解读，指出从4G周期经验看，AI大模型技术惠及的产业类型将由基础设施向终端、平台、应用依次发展，可能带来四大投资机会。
大模型会大幅提高硬件产品的“思考”能力，而机器人技术的发展会提高硬件产品的“行动”能力，机器人、AR、VR、无人驾驶车等新硬件形态可能成为AI2.0时代的硬件载体。
就大模型企业来说，未来可能呈现国内外各有数个赢家的寡头竞争格局，“数据-模型-应用”飞轮的顺利运转将会是企业可持续发展和迭代的关键。
四位来自不同细分赛道的科技企业代表则结合各自的实践，探讨了中国企业在当下的市场格局中如何突围。