东吴证券·AI系列深度15期：Transformer如何开启AI第二次爆发？

分类：人工智能

标签：Transformer、大语言模型、GPT、Scaling Law、人工智能、智能驾驶、东吴证券

摘要：本报告为东吴证券研究所黄细里团队于2026年8月5日发布的AI系列深度第15期，隶属汽车行业深度报告序列下的AI技术复盘专题，核心命题是Transformer如何开启AI第二次爆发，行业维持增持评级。报告的中心论点是：AI第二次爆发的本质，是模型能力形成方式从人工设计转向规模化学习。AI1.0时代深度学习带有鲜明的一任务一模型特征，2012年AlexNet在ImageNet上取得突破后，CNN、RNN等架构分别服务图像、文本等专用感知任务，能力受限、难以形成流畅人机交互，这也是To C产品未能大规模落地的重要原因；本轮AI2.0以Transformer等通用底座为核心，叠加海量数据、算力与自监督训练，使模型学习统计结构与通用表征，能力来源由强任务先验、强归纳偏置，转向弱归纳偏置下的规模化学习与能力涌现。报告用归纳偏置强度递减来刻画架构演进：CNN绑定强空间先验（局部性、平移等变），RNN内置时序递归先验但难并行、长程依赖弱，Transformer仅靠注意力与位置编码搭建弱先验通用框架，可充分利用大算力与大数据。 报告将大模型演进概括为一条主线加两条支线。主线为能力升级重心持续外移的三

来源：zuudee | 日期：2026-08-07 | 格式：pdf | 页数：15