语言大模型服从技术发展规律，为什么认为机会可能7月

大量公司开始正式投入，2023年1-2月： 一般选择GPT（decoder-only）路线，开源大模型选择 LLAMA或者BLOOM；

第一批百模大战开始时间，4月：但这一批对话模型效果一般：普遍测试水平为GPT3左右，即，逻辑、 情感、数学、归纳测试都无法通过，和小模型对话工具差异不大，让人没有付费意愿。

但是3.5后，生产力工具大发展，体验效果不同，付费意愿和定价出现！

指令微调时间：2个季度左右可以达到3.5水平。即1月开始，最早7月会有变化。

视觉大模型，重点关注大模型对于具身智能的提升：

主要涉及robotics的感知、规划、控制、导航等上层部分。

具身AI不再像传统AI仅从图像、视频、文本等数据库中学习，而是基于自身传感器（多是视觉传感器）感知环境并通过与 环境交互进行学习。

提升1、通过抽象的自然语言直接对机械智能控制。

提升2、Zero shot下的CV能力：图像分类、语义分割、目标检测、实例分割、物体追踪

提升3、更多跨模态的理解能力

报告出品方：申万宏源

报告内容节选如下：