社区所有版块导航
Python
python开源   Django   Python   DjangoApp   pycharm  
DATA
docker   Elasticsearch  
aigc
aigc   chatgpt  
WEB开发
linux   MongoDB   Redis   DATABASE   NGINX   其他Web框架   web工具   zookeeper   tornado   NoSql   Bootstrap   js   peewee   Git   bottle   IE   MQ   Jquery  
机器学习
机器学习算法  
Python88.com
反馈   公告   社区推广  
产品
短视频  
印度
印度  
Py学习  »  chatgpt

ChatGPT挖票 | 豆包语音大模型产业链解析

量化智投 • 2 周前 • 52 次点击  






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


Python社区是高质量的Python/Django开发社区
本文地址:http://www.python88.com/topic/178283
 
52 次点击