AIGC-零帕网-第2页

全面对标英伟达，华为开启国产自主可控新征程。我们认为英伟达作为全球AI算力芯片龙头坐拥三大法宝，分别是高性能芯片、其中IC设计是重点，CUDA架构、助力AI加速计算生态，Nvlink、NVSwitch助力芯片快速互联互通与InfiniBand配合组网技术实现高效互联互通；而华为作为国产计算之光全面对标英伟达，在算力方面，昇腾910芯片单卡算力已经可以与英伟达A100相媲美；统一达芬奇架构助力AI计算引擎；HCCS互联技术，实现卡间高速互联。

自ChatGPT推出以来，国内学术界和科技企业相继宣布或将推出类似机器人对话模型，有望推动大模型发展。2月7日，百度官宣“文心一言”。2 月 20 日，复旦大学发布了类 ChatGPT 模型 “MOSS”，并面向大众公开邀请内测，国产大模型有望迎来爆发式增长。需求和政策两方面，合力推动AI产业增长。国内应用层面的需求推动AI产业的加速发展。根据IDC数据预测，2021年中国人工智能软件及应用市场规模为51亿美元，预计2026年将会达到211亿美元。数据、算法、算力是AI发展的驱动力，其中数据是A

ChatGPT 人工智能大模型催动北美云厂商开启 AI 竞赛，光模块行业作为数据中心互联重要管道部件有望深度受益。自 ChatGPT 问世以来，微软、Meta、亚马逊、百度、商汤、阿里等国内外科技巨头均推出了大模型产品，AIGC 作为科技未来演进方向已成为共识。AI 大模型需对海量数据训练及推理，算力要求极高。各大厂商大模型竞争将带来 AI 算力、AI 服务器及 AI 光模块的增量需求。我们预计 AI 大模型的算力需求给光模块带来市场空间增量约为 6%-10%，在保守/中性/乐观情景下 AI 服

文生图和文生视频的底层技术框架较为相似，主要包括GAN、自回归和扩散模型三大路径，其中扩散模型（Diffusion model）为当前主流生成模型，多个指标对比下综合占优，能在较为可控的算力成本和较快的速度下生成具备多样性、高质量的图像：①图像质量：扩散模型>自回归模型>GAN模型。FID值（Fréchet Inception Distance score）是用于评估模型生成的图像质量的指标，是用来计算真实图像与生成图像的特征向量间距离的一种度量。FID值越小，可以认为图像质量在一定

AIGC 势头强劲，算力、数据、算法、下游应用端有望迎来广阔的发展空间2022 年以来，以 ChatGPT 为代表的 AIGC 技术热度持续提升。AIGC 技术持续取得突破离不开算力、数据、算法三大核心要素。算力方面，随着大模型持续推出及升级迭代，AI 算力需求持续增长，带动 AI 服务器、AI 芯片、数据中心等硬件需求增长。根据 IDC 的数据，我国智能算力市场规模预计将从 2019 年的 31.7 EFLOPS 增长至 2026 年的 1271.4EFLOPS，CAGR 高达 69.4%。数

2023年终端设备低需求叠加未来 AIGC催化 AI新硬件需求，高通凭借在终端侧混合AI 的引领者优势，预计 24 年高通将迎来芯片出货量高增双击时刻。生成式 AI 引发计算架构演进需求，混合 AI 实现终端云端协同。模型推理成本较高阻碍 AI 应用的规模化扩展，推动混合 AI 应运而生。混合 AI 能在不同场景和时间下动态分配终端和云端的工作负载，在成本、能耗、性能、隐私、安全和个性化五大维度和云端相比具备优势。高通凭借终端侧 AI 技术和全栈优化引领混合AI发展，独具规模化拓展优势。新一代高

人工智能：新一轮生产力革命。1）人工智能（AI）基于机器学习和数据分析的方法，赋予机器人类的能力，从而实现解放人力、降本提效的目的。从C 端用户需求来看，人工智能解决的是与人相关的娱乐、出行、健康等生活场景中的痛点；2）AI 在 C 端的应用分为两方面：a）对原有劳动力的替代与生产力效率的提升：如语音识别、智能客服、机器翻译等；b）需求创造：如基于 AI 算法的“千人千面”的信息分发（如抖音、快手、小红书等）、内容生成（AIGC）、人机交互（如 ChatGPT 等）、辅助驾驶、安防等。算法创新及

近年全球科技龙头持续投入 AIGC 领域以及近期 ChatGPT 应用落地加速，我们认为 2023 年 AIGC 大模型与产业将迎来快速发展期，赋予人工智能大规模落地场景，为底层算法和芯片等领域带来巨大需求，同时加速 AIGC 应用渗透和商业化进程。在本篇报告中，我们对 ChatGPT/ AIGC 算法层、算力层和应用层的发展和产业链进行深度分析，建议重点关注上游算法商汤和科大讯飞，中游芯片景嘉微和寒武纪，及下游应用微软、谷歌、Meta、百度、腾讯、阿里和字节。算法层：ChatGPT 底层的大模

ChatGPT 发布以来迅速出圈，微软加大投资力度并宣布将 AIGC 应用到产品服务中，彰显 AIGC 潜在商业价值。我们认为人工智能在成本、算力消耗、应用生态等层面已走过拐点，商业化应用条件加速成熟，看好 AI 在各细分应用场景下的渗透率加速提升，建议围绕算法模型、业务场景和 AI 基础设施三大路线选择优质投资标的。ChatGPT 火爆出圈，生成式 AI 商业化应用走向爆发前夕1、我们综合以下几点，认为 AIGC 已走过商业化拐点，有望打开市场空间：（1）内容生成成本大幅下降满足下游需求；（2

国产“ChatGPT” 扬帆启航。 OpenAI的商业模式为API接口收费。我们认为此种商业模式具有“卡脖子”的风险，因此我国需要发展自主可控的“ChatGPT”。国产生态正在逐步繁荣，百度打响国产ChatGPT领域“第一枪”，其在算法、算力、数据、生态、平台五方面皆有储备；ChatGPT的竞争本质即大模型储备竞赛，大模型是人工智能发展的必然趋势，也是辅助式人工智能向通用性人工智能转变的坚实底座。大模型分为NLP(自然语言处理)、CV(计算机视觉)、多模态和科学计算四类。此外，中美科技巨头已经开

2023年无疑是AIGC元年，ChatGPT引发的各类大模型竞赛中，行业内绕不开的一个话题便是算力从何而来。算力目前已经在AIGC产业内形成新共识——算力成为AIGC发展的关键基石。随着英伟达今年一系列不断推陈出新的产品动作，可以看到国际上最先进的算力厂商如今已迈向由超级芯片组成的算力集群阶段。此外，算力厂商也无疑成为AIGC产业下的率先受益方。然而，随着大模型参数的不断增长，OpenAI近期表明算力成为其发展的挑战之一。在AIGC产业繁荣的当下，可以预见的是未来对算力的需求会越来越大。那么，在

◆ 数据、算法、算力共振推动AIGC发展，模型开源及商业化带来的产品化浪潮及通用人工智能领域的初探推动AIGC破圈。AIGC传媒相关应用有望超千亿。✓ 复盘AIGC算法迭代：竞争中发展，模型开源及商业化推动应用破圈。2017年推出的Transformer架构的并行训练优势奠定了大模型训练的基础，以GPT为代表的预训练模型，通过使用无标注数据预训练及微调，缓解了标注数据不足的问题，并不断提升参数量级及模型通用性，ChatGPT在此基础上加入了利用人类反馈强化学习的训练方法。扩散模型取代GAN成为图