华泰证券：低代码平台有望成为GPT 2B应用落地的加速器

华泰证券发布研究报告称，2014年Forrester正式提出“低代码”（Low-Code）概念，旨在通过可视化组件进行应用程序开发，解决企业定制化软件开发需求，缓解IT人才紧张、传统应用开发周期较长等问题。大模型时代，以Appian、OutSystems为代表的海外低代码厂商全面拥抱大模型，一是实现GPT等大模型API的低代码集成，二是应用大模型能力优化低代码开发流程。大模型2B应用落地受企业AI工程化能力制约，该行认为，融合大模型能力的低代码开发平台有望成为GPT 2B应用落地的加速器，降低GPT 2B应用的开发门槛。

华泰证券主要观点如下：

大模型赋能平台能力：LLM优化应用开发流程

以Appian为例，大模型有望从开发流程简化、企业知识封装、可视化界面优化三方面赋能低代码平台的开发能力。1)开发流程简化：过去低代码平台降低用户的“编程门槛”，但仍要求开发者具备流程思维与经验，引入大模型能力，用户可基于预期结果的自然语言描述，让大模型自动生成流程参考;2)企业知识封装：2B应用的重点在于企业私有化知识与模型的整合，低代码+大模型+企业数据可实现企业级知识的模块化封装;3)可视化界面优化：过去的低代码开发的应用界面通过组件拖拽方式搭建，引入大模型能力，用户可基于PDF文档、自然语言描述等方法，自动化完成搭建、修改。

大模型赋能上层应用：LLM加速应用落地节奏

以Appian为例，大模型+低代码平台有望从企业应用与平台应用两类场景加速GPT 2B应用的落地。1)企业应用：开发者基于低代码平台搭建具有定制化需求的企业级应用，低代码平台通过第三方大模型与配套开发工具的API集成，为企业用户提供更简易的GPT 2B应用开发方案;集成OpenAI GPT插件，用户可将模型处理结果可作为流程的一部分加入整体流程，集成Pinecone矢量数据库，用户可搭建完整的GPT应用架构;2)平台应用：低代码平台在服务应用开发之外，还具备数据结构分析、企业知识整理等功能，大模型与此类平台能力整合，可进一步拓展数据分析、智能助手等功能。

看好低代码平台面向2B开发者的内部用例场景

根据面向对象与应用使用场景的不同，低代码开发平台可分为面向业务用户的内部用例、面向业务用户的外部用例、面向开发用户的内部用例、面向开发用户的外部用例四大类。我们认为，面向开发用户的内部用例场景下，低代码平台多服务于2B企业管理软件的应用开发，与我们判断的最先落地的GPT 2B应用简单场景重合度最高(参考华泰计算机2023年6月20日报告《从Glean看GPT+2B应用未来趋势》)，或成为低代码+大模型的应用重点。

国内低代码开发相关公司梳理

参考海外低代码平台结合GPT等大模型的技术思路，国内相关企业有望复刻相关的技术路径。(国内低代码开发平台相关企业整理，请见研报原文)

风险提示

宏观经济波动风险。宏观经济波动可能影响下游需求释放节奏，若宏观经济波动较大，可能对相关企业收入增速产生负面影响。

AI应用落地不及预期。生成式AI应用的商业化落地受算力、算法、数据、场景、用户等多因素共同影响，若商业化落地不及预期，可能导致相关公司收入增长不及预期。