來源：中金點睛 作者：於鍾海 王之昊等
中金認為，OpenAI發布ChatGPT Plugins，標誌著AI時代的“操作系統”初見雛形。未來大模型端或馬太效應顯著，應用側仍有望百花齊放，堅定看好應用側發展機遇。
摘要
OpenAI發布ChatGPT Plugins，AI時代的“操作系統”初見雛形。3月24日，OpenAI正式發布插件功能ChatGPT Plugins，憑借官方發布的11款插件，用戶已經可以實現在ChatGPT上進行食譜熱量計算、在線訂購食材、機票等功能。具體而言，ChatGPT Plugins是進一步生態變革的開端，基於ChatGPT的改進包括：能夠訪問互聯網實時數據、創建並編譯代碼、調用和創建第三方程序。我們認為，ChatGPT Plugins有望成為AI時代的核心入口，從大模型技術賦能者轉向平台經濟重要生態入口卡位，一方面可以接入應用、賦能應用，另一方面可以調用應用、操作應用，以大模型兼具“操作系統”角色，加速海外生態中與其他應用層的精細化分工。
GitHub發布升級版Copilot X，全面提升開發者工作效率。3月22日，GitHub Copilot X發布，在原Copilot的代碼生成基礎上，增加了交互式代碼生成、修改、解釋、語音生成能力，並在開發者常用的拉取請求、終端界面等場景下實現了GPT-4的全面賦能。短期來看，我們看好GPT賦能下開發效率實現大幅提升；長期來看，我們認為通過自然語言交互，GPT-4有望發展成為真正意義上的“無代碼平台”，帶來軟件行業商業模式進化。
未來大模型端或馬太效應顯著，應用側仍有望百花齊放，堅定看好應用側發展機遇。大模型路線下，成本、算力、場景、數據等多維度需求鑄就高門檻，我們認為缺少資源的中小參與者或難以跟隨技術發展的步伐，大模型格局或將走向集中。國內大模型廠商在發揮生態先發優勢的同時，仍面臨潛在GPT大模型開源帶來的門檻降低、生態衝擊風險。另一方面，大模型賦能行業應用場景廣泛，我們認為應用側有望百花齊放。我們認為大模型技術革命下應更加看重數據豐富的閉源應用場景（電商、搜索、工業、金融、建築設計等領域），並關注海外產業化落地進展及國內對標成果。
風險
技術進展不及預期，國內應用落地不及預期。
正文
OpenAI發布ChatGPT Plugins，AI時代的“操作系統”初見雛形
香港時間2023年3月24日，OpenAI正式發布插件功能ChatGPT Plugins。ChatGPT實現了對插件的支持，補齊數據時效性的短板，擁有了聯網訪問最新信息，進行數學計算、代碼運行或直接調用第三方API服務等一系列能力。憑借官方發布的11款插件，用戶已經可以實現在ChatGPT上進行食譜熱量計算、在線訂購食材、機票等等。
圖表：OpenAI為ChatGPT Plugins首發11款官方插件
案例1：訪問互聯網實時數據
針對實時信息相關問題，ChatGPT已實現聯網獲取信息後生成答案。推出插件之前，ChatGPT被詬病最多的話題是訓練數據截至2021年，不能獲取最新消息。然而基於之前WebGPT等工作，ChatGPT Plugins實現了瀏覽互聯網信息，大大拓寬了數據範圍。例如用戶可以向ChatGPT提問最新一屆奧斯卡的相關信息，ChatGPT會聯網進行搜尋，然後按照大家已經熟知的方式輸出結果。此外，作為語言模型ChatGPT依然能夠對語言進行創作性工作，例如用詩歌串聯奧斯卡演員和電影。
圖表：ChatGPT Plugins使用Browsing插件訪問互聯網後，回答奧斯卡相關問題並進行詩歌創作
案例2：創建並編譯代碼
ChatGPT可以運行Python編譯器處理上傳或下載的代碼、文件。ChatGPT支持用戶將文件上傳至會話工作區、可以執行Python編譯器運行代碼，並在會話中持續存在供後續調用。該功能能夠協助程序員提升工作流程效率，在用戶實際使用中能夠解決定量和定性的數學問題，進行數據分析和可視化，轉換文件格式。
圖表：ChatGPT進行代碼編寫解決數學問題
圖表：ChatGPT與數據文件交互並可視化
案例3：調用和開發第三方程序
ChatGPT Plugins大大降低了調用和開發第三方程序的門檻。目前只需要輸入自然語言，ChatGPT模型就能讀懂用戶的需求以調用適當的插件API實現用戶意圖。除了調用現有的插件之外，ChatGPT還支持通過自然語言交互來快速生成自定義插件（如OpenAI官網示例構建管理待辦事項的插件），開發者只需要使用自然語言對插件的功能進行描述即可得到相應插件，大幅降低插件的開發門檻。
圖表：管理待辦事項的插件的Manifest文件示例
圖表：ChatGPT調用OpenTable插件進行餐廳預訂
圖表：ChatGPT調用Instacart插件進行線上購物
ChatGPT Plugins實現模型與應用之間的互相調用，未來有望成為AI時代的“操作系統”。我們認為，ChatGPT Plugins可能成為AI時代的核心入口，從大模型技術賦能者轉向平台經濟重要生態入口卡位，一方面體現為可以接入應用、賦能應用，另一方面可以調用應用、操作應用，以大模型兼具“操作系統”角色，加速海外生態中與其他應用層的精細化分工。我們認為微軟此前發布的Copilot中的Business Chat驗證了生態入口這一想法。
從PC時代的Windows到AI時代的GPT，微軟卡位重要生態入口，高築生態壁壘。微軟在PC時代做Windows操作系統的時候就非常重視生態，憑借先發優勢迅速培育基於Windows的大批應用廠商，事實上生態壁壘是微軟在操作系統領域核心壁壘之一。在AI時代，我們認為微軟的生態布局思路類似，在大模型發布和生態卡位早期即將生態“平台化、上遊化”，持續的將先發優勢轉換為生態壁壘。
未來大模型端或馬太效應顯著，應用側仍有望百花齊放，我們堅定看好應用側發展機遇。大模型路線下，成本、算力、場景、數據等多維度需求鑄就高門檻，我們認為缺少資源的中小參與者或難以跟隨技術發展的步伐，大模型格局或將走向集中。國內大模型廠商在發揮生態先發優勢的同時，仍面臨潛在GPT大模型開源帶來的門檻降低、衝擊大模型廠商生態的風險。另一方面，大模型賦能行業應用場景、應用任務廣泛，我們認為應用側有望形成百花齊放的局面。我們認為大模型技術革命下應更加看重數據豐富的閉源應用場景（電商、搜索、工業、金融、建築設計等領域），並關注海外產業化落地進展及國內對標成果。
圖表：海外前沿場景及國內對標梳理
GitHub升級Copilot X，GPT融合IDE改造軟件行業生產力
GitHub Copilot通過AI賦能編程，加速代碼開發。GitHub Copilot是2021年6月微軟和OpenAI共同推出的一款基於GPT-3模型的AI賦能編程工具，可以自動推薦或生成代碼供程序員使用，2022年6月正式上線（定價為10美元每月或100美元每年）。根據GitHub CEO介紹，GitHub發布以來通過自動注釋和代碼生成，參與編寫了46%的新代碼，幫助開發者代碼編寫速度提升55%。
GPT-4賦能下，升級版GitHub Copilot X全面賦能開發全流程。2023年3月22日，GitHub推出Copilot X計劃，將GPT-4大模型融入IDE，通過對話和終端交互界面，在代碼編寫過程中支持對話式代碼編寫、修正、解釋、語音生成等；在開發常用的代碼拉取（Pull requests）、命令行使用、知識文檔搜索等領域，Copilot X也能夠實現深度賦能，助力開發者全流程提效。目前Copilot X尚未公測，訂閱Copilot的開發者可以通過加入候選名單排隊等待試用。
支持對話式代碼編寫、修正、解釋、語音生成，全面提升編程效率
GitHub Copilot Chat成為“代碼版”ChatGPT。其可以讓開發者在編輯器中獲得類似ChatGPT的體驗，GitHub宣布Visual Studio、VS Code等集成開發環境（IDE）中將陸續實現Chat的集成。通過聊天窗口，開發者能夠實現對話式代碼編寫、修正，還能夠讓Chat對選中代碼進行解釋，甚至支持語音生成代碼功能，我們認為GPT-4賦能下的Copilot X進一步大幅提升了開發者的生產力。
圖表：GitHub Copilot X支持通過對話交互生成代碼
參與處理代碼推送和命令行使用，全面優化開發者使用體驗
GitHub Copilot X賦能代碼拉取（Pull requests）環節。代碼拉取（Pull requests）是開發者使用GitHub的核心功能之一，開發者通過提交拉取請求，將編寫的代碼推送到倉庫管理員處，後者決定是否將代碼合並進入主分支。Copilot X能夠幫助開發者自動編寫請求描述（通過Tab鍵可以實現快速填充），由此加速整個團隊的代碼審查和合並速度。
GitHub Copilot X實現快速查找終端命令行指令。終端（Terminal）也是開發人員經常使用的界面，而終端命令行數量較多，即使是熟練的開發人員較難準確記憶所有的命令。GitHub Copilot CLI能夠通過編寫命令和循環，支持模糊查詢找到開發者需要的終端指令。
圖表：GitHub Copilot X自動編寫請求描述（左）、快速查找命令行指令（右）
GPT在代碼開發領域的應用正在重塑軟件行業的生產力。目前GPT-4的應用已經可以覆蓋較多簡單編程的工作，並且在較為復雜的編程環節也可以賦能開發者。長期來看，我們認為通過自然語言交互，GPT-4有望發展成為真正意義上的“無代碼平台”，無開發經驗的用戶也有望成為開發者；短期而言，我們認為其仍是作為開發者的輔助工具而存在。
GPT賦能下，我們認為軟件與服務行業公司有望迎來深刻的行業變革：
► 對於IT服務類公司：短期來看，我們認為GPT賦能下IT服務公司有望投入更少的開發或實施人員實現同等質量的交付，在成本端實現降本增效；收入端由於IT服務類公司通常采用人天報價模式，實施人員減少下項目整體報價或受到一定壓製，但我們認為整體而言AI提升開發效率對IT服務類公司利大於弊。長期來看，我們認為開發人員持續減少有望迎來開發成本的持續下降和毛利率持續提升，IT服務公司有望迎來商業模式的變革。
► 對於產品型公司：降本是其次，開發工作效率是核心。軟件產品的迭代速度是產品型軟件公司的核心競爭力之一，我們認為GPT賦能下軟件產品迭代開發速度有望更上一層樓。對軟件公司而言，對客戶需求和反饋的響應速度、對新技術的應用速度都有望實現進一步提升；對客戶而言，快速迭代的產品也有望助力提升使用體驗。
編輯/lambor