AIGC-零帕网

出门问问成立于 2012 年，以生成式 AI 与语音交互技术为核心，提供 AIGC 解决方案、AI 企业解决方案、智能设备及其他配件。根据灼识咨询，按收入计 2022 年公司 NLP 领域的市场份额为 1.4%，位列第三，按收入计公司 AIGC 领域市占率为9.0%，位列第一。公司在 2020-2022 年收入稳步增长，2023 年微增 1.49%至 5.1 亿元，AIGC 收入占比提升至 23.19%，达 1.2亿元，同比增长 195%。公司自 2022 年起实现经调整净利润转正，2022 及

AIGC 将极大的推动元宇宙的发展，元宇宙中大量的数字原生内容，需要由 AI 来帮助完成创作。AIGC 是利用人工智能技术来生成内容，被认为是继 PGC、UGC 之后的新型内容创作方式。AIGC 依托高效的数据、算法、场景学习优势，能够为用户在元宇宙中的数字身份塑造、元世界打造提供数据与算法服务，实现渲染、 交互驱动、 智能计算、数据开放与数字资产流通功能，高效产出元宇宙文本、图片、视频等优质内容，以及虚实交互的直播、社交场景。未来 AIGC 的应用能够持续扩展元宇宙技术创新应用领域，丰富更多虚

我们沿用一年前报告的思路，继续将受AIGC影响的公司分为四类：基础设施类（算法大模型、算力芯片等）、小白调用类（广告营销、数字媒体等）、流程管理类（企业管理软件、应用程序性能监控等）、小模型赋能类（金融信息化、自动驾驶、网络安全等）。

报告80%内容由AI自动生成，聚焦AIGC的多模态发展、多学科影响、全方位应用以及前沿探索，融汇了与AIGC相关的产业实践经验、学术研究探讨与社会理念摸索，致力于向读者提供全面了解AIGC动态的指南，共同探寻人工智能和人类未来发展的和谐之道。

全球算力架构升级战已打响。英伟达架构持续升级，升级迭代速度明显加快，平均两年架构升级，我们判断目的是维持在GPU霸主地位， 根据新浪财经报道，B100将于2024年第三季度开始量产，部分早期样品将于明年第二季度出货。 而我们认为英伟达Tensor Core专为AI而生，目前其Hopper架构已经为第四代，Hopper架构超强性能，可加速所有精度，性能领先，应用广泛，我们判断其广泛应用于训练市场。AMD奋起直追，欲挑战英伟达龙头地位，第三代Instinct MI300系列性能优异，满足生成式AI强

AI带动近期市场表现，Chatbot用户活跃表现良好。1）从海外看，由于OpenAI、谷歌等大模型进展迅速，美股AI近期表现较好，英伟达、META、C3等涨幅较大，海外Chatbot网页访问量稳中有升。2）从国内看，海内外AI进展迅速带动国内人工智能板块反弹，Wind人工智能指数年初至今涨12.1%，交易量也大幅增长；3）从个股维度看，年初至今人工智能板块涨幅较大的为万兴科技、昆仑万维等；传媒板块涨幅较大的有中视传媒、神州泰岳、凤凰传媒、中南传媒、姚记科技等。

GPTs上线2个月后用户便创建了超过300万个应用，GPT提供了基于大模型的原生开发环境，用户可通过更加自然的语言交互方式，减少对传统GUI的依赖，同时多模态的趋势仍在继续，大模型仍处于高速创新迭代周期，头部公司对2024年的Gen AI的资本开支保持积极，建议关注AI算力及大模型布局厂商 NVIDIA,AMD,Intel,IBM,Microsoft,Alphabet,Amazon,Arista,百度集团-SW,阿里巴巴-SW,腾讯控股等。

不是很关心你有多少大模型，或者你的大模型到底怎样更关心的是你的行业，你的业务能否更容易的被AI加持提升产品附属价值

本轮AI浪潮由ChatGPT掀起，并引发中外科技企业展开对大语言模型及生成式AI的追逐和对算力的军备竞赛，无论是传统龙头企业还是新进入者都在积极推出自家大模型，加大算力设备投资。展望2024年，多模态大模型与应用生态圈将成为AIGC的关键词，训练与推理需求的超预期增长将驱动算力硬件设备加速建设。

大模型、AIGC是当前全球数字经济发展的热点和趋势，也是人工智能重要的核心技术。各类科技大公司、创新型公司展开投入竞赛。然而人们往往低估新技术的长期影响力，面对AIGC技术，我们既要抓住机遇立即行动，也要为人工智能的长跑做长期打算，从长布局。

视频及图像处理应用软件是万兴基石产品，持续开拓 AIGC 功能，部分产品开启 AI 商业化尝试，并预发布天幕大模型。1.创意类软件在公司收入中占比超过 80%，主要以中小用户为主。2.今年以来，公司一方面，迅速推出万兴爱画、万兴播爆、KwiCut 等含有内容生成能力的 AI 产品，补全创意产品矩阵；另一方面，推动 AI Lab 发展，以 API 的方式赋能各类创意产品。3.即将发布国内首个专注于以视频创意应用为核心的百亿级参数大模型“天幕”，天幕大模型由视频大模型、音频大模型、图片大模型、文本大

AIGC的全球普及正在多个领域展现出强大的应用潜力,特别是汽车行业的广泛应用,正引领汽车行业的加速变革。

我们为什么认为AIGC是产业级趋势？——人工智能步入新发展阶段，逐步迈向AGI；AIGC创造人机交互新变革，将迎来更多新机遇；通用大模型是AI产业的水平化分工的关键，有望实现规模效应与飞轮效应，商业模式逐步清晰；生成式AI可能打破现有流量竞争格局。

全球AI市场预计将于2030年达到1万亿美元，并且全球超过15%的GDP将由AI驱动；AI在各垂直领域的应用渗透率也将继续提升。

2023年AIGC的出现为企业市场部门带来了革命性的变化，从成本、流程、人员等方面提高了效率。报告预计在2023年或2024年，有约20%的市场营销投入增长与AI相关。尽管市场人员正借助不同的AICG工具大大提高了生产效率，但我们仍然需要解决营销的核心问题，获客与增长。报告显示，AIGC技术在活动策划、执行和分析的各个环节都展现出巨大潜力。随着技术的发展，AIGC与数字化活动营销平台的结合将进一步拓展，为品牌带来更高效的工作流程、更深入的市场洞察和更加个性化的参与者体验。但随着应用的深入，也需要

自“ChatGPT”横空出世，全球科技企业掀起一场研发 AI 大模型的热潮，造成短期内算力端供给持续紧俏。我们认为随着 AI 算力等硬件底座逐步搭建完善，AI 大规模应用成为可能，位于“倒金字塔顶”的应用端发展空间广阔。通过梳理海外 AI 应用发展情况，我们认为 AI 大模型已在多垂类场景产生可行的商业模式，尤其在图文创意、虚拟数字人以及工业软件领域已出现较为成熟的落地应用，在营销、社交娱乐、制造等领域可有效节省制作成本并提升生产效率。虽 AIGC 或将在多行业诞生“爆款”应用，但结合到在各行业

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

海外 AI 应用商业化落地加速。距离 ChatGPT 的面世即将满一年，大模型带来的技术革命也催化了大量的 AI 应用涌现，现在这些应用也逐步进入了商业化落地的阶段。海外的 AI 应用由于起步较早，已经有大量的 AI 应用的商业化走在前列。微软、谷歌等科技大厂具备技术底座优势，布局全栈 AI 产业链，正在加速应用端推广。B 端企业服务厂商持续深化 AI 在原有产品基础的赋能，不断提升客户体验；C端产品则重点关注多模态、智能体、情感陪伴等方向。

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。

生成式人工智能AIGC（Artificial Intelligence Generated Content）是人工智能1.0时代进入2.0时代的重要标志。AIGC既是从内容生产者视角进行分类的一类内容，又是一种内容生产方式，还是用于内容自动化生成的一类技术集合。2022年11月30日，美国人工智能公司OpenAI正式推出ChatGPT，一款基于大语言文本的智能对话模型。根据Lucintel发布的最新报告，未来全球人工智能市场在医疗保健、安全、零售、汽车、制造和金融技术领域增长迅速，预计到2025

Tesla Dojo的革新，启发我们进一步思考算力和网络的关系。硬件架构服从于算法设计，硬件需求的判断也不能与软件和应用层面脱钩。算力网络主线新一阶段的重要机会，应核心关注海外爆款应用或模型侧重大更新（Tesla是代表样本） ，以及国内新一轮的模型与应用开发。我们判断，随着国内科技大厂的网络演进至400G以上、运营商400G全光网推进建设、本土模型训练组网等加速，国内市场的高速网络需求将显著提升。算力网络与流量环节、AI服务器计算环节、华为产业链以及特斯拉与智能车产业链相关标的应重点关注。[Ne

Overnight, generative artificial intelligence (AI) has become a global sensation. Predictions of its potential impact on society, employment, politics, culture, and business fill the media and the internet. Business leaders are intrigued by the possi

截止 2023 年 7 月 24 日，我们依据对全球生成式人工智能监管动向的梳理，绘制了监管地图：1. 红色区域表明该地区目前已经或即将建立成熟且较为严格的监管制度，主要包括欧盟、加拿大和中国；2. 橙色区域表明该地区目前对生成式人工智能产品存在一定的限制和监管要求，例如美国；3. 黄色区域表明该地区目前还没有相关制度，但是监管机构未来有计划对生成式人工智能制定规则，例如英国、澳大利亚和印度；4. 绿色区域表明该地区目前没有相关制度，且监管机构也倾向于在未来不采取强制性的监管措施，例如新加坡、日

OpenAI是由美国一群科技领袖，包括山姆·阿尔特曼（SamAltman）、彼得·泰尔（PeterThiel）、里德·霍夫曼（ReidHoffman）及埃隆·马斯克（ElonMusk）等人在2015年12月联合创立的人工智能研究机构。成立次年OpenAI即发布第一个开源AI平台，2020年6月推出OpenAlAPI，正式开启商业化运营。公司在AI领域进程迅猛，于2022年11月发布了ChatGPT产品，作为一款生成式AI，能够协助高效处理文本工作、写代码、编剧等，引发全球对AIGC的积极关注。[

报告通过对AIGC的典型代表GPT-4的研究，以场景化的形式对GPT-4 如何赋能通信行业进行了全方位的分析，并针对通信行业如何构建行业GPT进行了初步探讨和实践。报告内容翔实，关注此领域者值得深入研读！2022 年被认为是人工智能生成内容（AIGC）元年。作为 AIGC 在自然语言领域的代表，ChatGPT 在 2022 年年底一经推出，就掀起了一场可能涉及所有人和所有行业的“大火”，2023 年 3 月 GPT-4 的发布则进一步推动了“态势升级”。由 ChatGPT/GPT-4 引发的全球

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

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

在人工智能发展的漫长历程中，如何让机器学会创作一直被视为难以逾越的天堑，“创造力”也因此被视为人类与机器最本质的区别之一。然而，人类的创造力也终将赋予机器创造力，把世界送入智能创作的新时代。从机器学习到智能创造，从PGC,UGC到AIGC，我们即将见证一场深刻的生产力变革，而这份变革也会影响到我们工作与生活的方方面面。本报告将向所有关注未来科技的相关机构、从业者、创业者、投资人传递亿欧对AIGC的市场潜力场景的洞察和优秀企业案例。

通用大模型市场当前虽入局者众多，但终局将高度集中，未来将由 5-6 家厂商主导；应用层厂商及甲方企业应着眼终局，从大算力、巨量数据集、端到端 AI 工程化能力以及应用生态伙伴等维度综合考虑，慎重选择合作伙伴。中大型企业虽倾向于大模型的私有化部署，但由于中美博弈下 GPU 算力资源紧张且短期无法有效解决、C 端应用受多重制约，使得国内行业大模型与通用大模型发展并驾齐驱。未来，行业大模型市场整体百花齐放，但垂直领域仍将头部集中。AIGC 应用层面，能源、金融、传媒、营销、数字办公等行业走在前列，甲方

我们身处在智能时代的 21 世纪，日常生活中无处不见 AI 的应用，人工智能与传媒业的融合发展也成为内容生产行业的发展趋势。AIGC 作为当前新型的内容生产方式，被广泛应用于传媒、电商、影视等行业，帮助提高内容的生产效率和多样性。本书收纳来自张亦驰（怀潜）、丁小虎（脑斧）两位阿里资深工程师和阿里云AnalyticDB、函数计算 FC、阿里云大数据 AI 技术三个技术团队的五篇优秀技术文章，内容涵盖基于大模型的 AIGC 应用及技术要点和 AIGC 实际应用案例。通过本书，不仅可以深度体验 AIG

公司作为国内领先的一站式光器件整体解决方案提供商，具备完善的高品质高性价比光器件产品矩阵、精益化管理及多品类光器件核心工程制造能力，以及优质国内外客户资源壁垒等核心竞争优势。公司深耕光通信上游光器件行业 18 年，目前已形成 14 大产品线+8 大技术工艺平台的完善产品矩阵，为客户提供光有源+光无源 OEM/ODM 一站式解决方案。凭借研发驱动+全员持续改善的发展理念，对光器件工艺流程持续改进、坚持在全自动化生产设备保持战略投入、不断研发创新以及及精益化管理变革，公司具备行业领先的产品盈利及成本

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

在AI领域，网络的价值在于延续了集群算力的摩尔定律。• 1）吞吐带宽与连接架构是算力性能不可忽视的决定因素。• 2）芯片层面，高速c2c连接方案（如NVLink、CXL等）的推广，是宏观设备/数据中心层高速网络、光网络等需求爆发的底层逻辑。• 3）设备层面，单SoC性能提升+芯片“堆量”，不意味着算力集群整体性能的线性提升；而Nvidia、Google、AMD、AWS等算力大厂正应用InfiniBand、OCS等新架构替代通用算力下的以太网，带来增量网络需求。

华为算力编年史，国产芯片之光。我们复盘了华为国产芯片发家史，从手机端到AI算力，远期来看，2009年-2012年，手机芯片不断革新；2013年-2017年，麒麟芯片横空出世；2018年-至今，昇腾+鲲鹏打造AI算力生态；近期来看，19年，中国计算产业千亿蓝海，新兴产业链助推行业高增， 万亿市场呈待挖掘，华为鲲鹏应运而生；20-21年，华为持续加码国产软硬件，以一云两翼双引擎，构筑开放产业生态，“硬件开放、软件开源、使能伙伴”，助力计算产业长远发展。22年，行业信创元年，华为深度受益；23年，我们

AIGC（Artificial Intelligence Generated Content），即人工智能内容生成。AIGC 通常基于深度学习和自然语言处理技术，利用大规模的语料库进行训练，从而让机器能够自动生成与人类语言相似的内容。一般来说，AIGC 需要输入一些指令或者关键词，然后系统就会自动产生相应的内容，例如文章、新闻、评论、诗歌、小说、音乐、视频字幕等等。当下，树立对 AIGC 正确的认知已经成为重要的知识素养。下文将从概念、技术和热点话题等多个角度出发，帮助读者形成对 AIGC 概念

全球科技巨头,GPU王者——英伟达。英伟达是全球GPU龙头，2016年至今股价大幅增长近60倍，AI开启全新增长周期。2015年至今，英伟达持续深耕AI领域，并发布了多款AI硬件产品。公司GPU产品功能分为用于计算和网络的GPGPU与用于图形处理（Graphics）的GPU；平台化布局，打造4条产品线覆盖下游主流应用，分别是数据中心、游戏、专业可视化、自动驾驶，其中数据中心和游戏是公司主要业务，英伟达旗下产品包括云、边、端全面布局。我们复盘了近10年内英伟达股价走势，认为英伟达正在开启新一轮成长

AIGC悄然兴起，算力降本夯实“AI底座”AIGC进入快速发展阶段：可进行写作、编曲、绘画、视频制作等创意工作；ChatGPT强势出圈：成为史上用户增速最快的消费级应用；AI大模型“摩尔定律”呼之欲出：训练参数、计算资源指数级增长；算力降本推动AIGC商用：《The Economics of Large Language Models（2023）》（作者：SUNYAN）预计2023年模型及硬件优化有望节省80%以上成本，AIGC商用门槛有望持续降低。

本篇报告系统地解析了AIGC产业链的投资机会，结合海内外发展情况对每个环节甄选标的的要素进行了思考总结，除了二级市场标的外，我们也对一些一级市场初创公司进行了梳理，以期构建AIGC产业一二级市场的投资图谱。大模型的竞争要素是什么？我们从思考AIGC带来的技术变革意义，以及为什么是OpenAI引领此次变革出发，对比当前国内外通用大模型，总结了几个主要的竞争要素：模型规模、训练效率、使用便利性、商业模式等，目前GPT-4多方面领先；国内的大模型目前在使用效果上和GPT-4仍有差距，算力资源是额外需要

随着 ChatGPT 在全球范围内强势“出圈”，AI 大模型商业模式已成功跑通，我们认为 AIGC 时代即将到来。近年来，随着 AI 大模型以及算力成本不断优化，训练及推理成本持续下降为 AIGC 商业化应用提供了先决条件。AIGC 已衍生出丰富的能力矩阵，具备了孪生、编辑和创作三大核心能力，长期看 AIGC具备在全行业颠覆式降本增效的应用前景，或对 80%以上的劳动者产生影响。同时，AIGC 也可在前沿领域催化出新的产业机会，AIGC 大幅加快数字内容创作及数字人产业发展，推动元宇宙产业加速落

谷歌I/O上发布一系列生成式AI新进展，科技大厂竞争激烈。5月10日，谷歌I/O开发者大会上发布了包括：新一代语言模型PaLM 2、升级AI聊天机器人Bard、生成式AI实验版搜索引擎、Duet AI for Workspace等。AI艺人迅速出圈，多模态应用充分释放AI潜力，进一步推动商业化落地。1）AI歌手：截至5月14日， “AI孙燕姿”翻唱的《发如雪》已有超过150万点击量。2）AI网红Caryn Marjorie通过出售AI版本的Caryn，在过去一周的beta阶段创收7.16万美元，

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

一方面，生成式AI带来的是生产效率的提升，将大家从重复性劳动解放，生产内容更快，将更多精力放在创意等更重要的事情；同时降低用户的学习成本，吸引更多的用户来生产内容或者消费内容，也会改变与商品的交互方式，从而促成交易转化，以上两点将同时提升活跃用户数及提高市场规模，如游戏、电影、有声书、电商平台等多领域，建议关注布局大模型的阿里巴巴-SW、腾讯控股、百度集团-SW等。“从通用到专业？”还是“从专业到通用？”，建议在关注大模型的同时，同时关注NLP领域参数量相对较小的特定领域模型及其应用，有望通过低

中国AI领域投资与研究能力齐头并进，重点行业渗透超50%，未来3年图像、视频单点技术布局加码。2022 年全球AIGC市场规模为 107.9 亿美元，Precedence Research预计，2030 年将达到约 731.6 亿美元，复合增长率27%。IDC预计，2026年中国AI投资规模将达266.9亿美元。中国占据亚太AI市场主导地位。2021年中国AI领域私募投资据全球第二，AI相关期刊、会议和文献总量超过美国。如今，人工智能在中国互联网、金融、政府、电信行业渗透率均已超过50%。未来3

政策端与产业端持续发力，算力建设持续提速: 国家计算力指数与GDP/数字经济的走势呈现出了显著的正相关，根据IDC数据，十五个重点国家的计算力指数平均每提高1点，国家的数字经济和GDP将分别增长 3.5‰和1.8‰；政策端与产业端持续发力，当前我国已进入《新型数据中心发展三年行动计划(2021-2023年)》落地见效的关键年，2023年4月17日国家超算互联网联合体成立，我们认为我国算力建设正式进入持续提速阶段。此外，北京、贵州、上海、惠州、天津等地算力基础设施计划持续落地，彰显我国对算力设施的

我们看到 AIGC（人工智能生成内容），有望成为互联网下一阶段的增长驱动。Gartner 预计，2022 年 AIGC 占全球数字数据量为 1%，到 2025 年，这一比例将提升至 10%。应用领域广泛，如软件编程，医药研发，精准营销，影视娱乐等，除了内容产出的变革外，AIGC 也将有效的提高工作效率，减少工时。而根据 Acumen Research and Consulting 数据显示，21 年通用 AI 市场规模为 79 亿美元，预计 2030 年将超 1,108 亿美元，22-30 年

AIGC 产业技术加速发展，产业链呈现为三层架构。诸多 AI 技术累计融合，催生了 AIGC 的技术变革，使 AI 工程化门槛不断降低。AI发展周期可以划分为 2012 年-2018 年与 2017 年至今两个阶段，未来文本、图片、语音等场景将逐步走向成熟，将助推技术向多模态融合发展。AIGC 产业链可分为上游基础层、中间技术层、下游应用层三个层级。人工智能赋能产业发展已成为主流趋势，AI将参与到社会建设的千行百业中来，应用场景进一步多元化。

2023年开年后，chatGPT从3.5到4.0，可谓是掀起 阵又 阵的话题狂潮。不得不承认，人工智能的发展已经在渗透式地改变我们每 个人的生活了。不过，chatGPT目前尚且处在只能以文本格式输出内容的阶段，而同为使用人工智能技术生成内容的工具，AlGC（Al-Generated Content）就相对更加多元化，它包含了文本、音频、图像、视频的生成，以及这几者之间的跨模态生成等。

ChatGPT横空出世，产品月活跃用户在2个月内突破 1 亿，是史上月活用户增长最快的消费者应用，有望引领新一轮技术革命。ChatGPT技术背后是其AI模型参数实现了百倍提升，训练模型所需的算力和数据需求也迎来了爆发式的增长。随着谷歌、百度等巨头纷纷布局大模型，进一步引爆算力和数据需求，从而为光模块需求带来巨大增量。

二十大报告提出“建设数字中国，加快发展数字经济，促进数字经济和实体经济深度融合”，云计算作为数字经济和数字中国的基石，有望依托政策支撑，迎来行业景气度的新一轮提升，同时以 ChatGPT 为代表的人工智能应用发展前景广阔，人工智能大模型在训练和推理过程中均需要海量算力支撑，其有望作为驱动新一轮云计算基础设施景气周期开启的重要引爆点，建议加大布局云基础设施产业链。

本篇摆脱传统按照文本、代码、图像、语音等技术分类的方式对生成式 AI 的探讨，依照应用场景中的流程链条来探究海外目前已经落地或处于 Demo 阶段的应用案例，来反映应用发展的成熟度情况。营销：文案素材生成和个性化邮件应用较为成熟。以 Jasper.ai 为例，其在大模型实现程度较高的文本领域，深耕营销行业,支持多语言、多场景的文案自动生成。对比各类型应用的订阅费，To B 营销文案素材生成的订阅费用相对最高，2022 年公司收入 7500 万美元，估值 15 亿美金，已验证行业客户降本增效的需求

服务器按CPU体系架构分类：可分成x86架构和非x86架构。x86架构服务器又称CISC（复杂指令集）架构服务器，是采用Intel或其他兼容x86指令集的CPU和Windows操作系统的服务器。非x86服务器使用RISC（精简指令集）或EPIC（并行指令代码），主要采用UNIX或其他操作系统。相比x86架构，非x86架构价格昂贵、体系封闭，但整体运行稳定性更好。按处理器数量分类：可分成单路、双路、四路以及多路服务器。按应用场景分类：可分成存储服务器、云服务器、AI服务器和边缘服务器等。[Nead

AIGC重点应用领域为有优质应用落地场景的C端，以及有垂直领域数据积累/为重要数据入口的B端。我们分析海外目前较为成熟的AIGC应用，总结出AIGC应用真正能被技术变革赋能的核心领域——有场景的C端、有数据的B端。AIGC在C端应用需要有优质的AI+应用落地场景，从目前发展来看，AI+办公、AI+教育、AI+搜索引擎、AI+电商等均为优质的应用场景，有望率先落地，直接促进公司产品价值提升；在B端，AIGC带来的巨大变革中，只有真正有垂直领域数据积累及技术优势的企业能够被AIGC充分赋能导流，产生

ChatGPT开启大模型“军备赛”，存储作为计算机重要组成部分明显受益: ChatGPT开启算力军备赛，大模型参数呈现指数规模，引爆海量算力需求，模型计算量增长速度远超人工智能硬件算力增长速度，同时也对数据传输速度提出了更高的要求。XPU、内存、硬盘组成完整的冯诺依曼体系，以一台通用服务器为例，芯片组+存储的成本约占70%以上，芯片组、内部存储和外部存储是组成核心部件；存储是计算机的重要组成结构， “内存”实为硬盘与CPU之间的中间人，存储可按照介质分类为ROM和RAM两部分。存算一体，后摩尔时

本篇报告系统地梳理了大模型训练及推理需要多少算力。大模型参数量快速提升，Transformer架构成为发展趋势。根据最新论文对“涌现”效应的研究，当模型训练量超过1022后，模型准确率有了很大的提升，近年来，NLP模型的发展十分迅速，模型的参数量每年以5至10倍的速度在提升，背后的推动力即大模型可以带来更强大更精准的语言语义理解和推理能力。Transformer架构通过计算数据之间的关系提取信息，相较于卷积神经网络具有更强大的运算效率，更适合参数和数据集庞大的自然语言处理学习。基于GPT3大模型

二十大报告提出“建设数字中国，加快发展数字经济，促进数字经济和实体经济深度融合”，云计算作为数字经济和数字中国的基石，有望依托政策支撑，迎来行业景气度的新一轮提升，同时以 ChatGPT 为代表的人工智能应用发展前景广阔，人工智能大模型在训练和推理过程中均需要海量算力支撑，其有望作为驱动新一轮云计算基础设施景气周期开启的重要引爆点，建议加大布局云基础设施产业链。

ChatGPT 浪潮之巅，AIGC 大规模商业化时代来临。ChatGPT 是美国 OpenAI 公司于 2022 年 11 月 30 日发布的基于 GPT-3.5 大模型的聊天机器人程序，开启“AI 的 iPhone 时刻”。2023 年 3 月 24 日，OpenAI 发布ChatGPT Plugin，支持第三方插件接入，并同时开源知识库检索插件源代码，“AI 的 App Store 时刻”到来。AIGC 作为新型的内容生产基础设施对既有的内容生成模式可产生革命式影响，AIGC 技术赋能千行百

谷歌5620亿参数PaLM-E，将真实世界的传感器信号与文本输入相结合，建立语言和感知的链接，可操控机器人完成任务规划和物品操作。

专注于处理器行业，获得 X86 架构授权。海光信息是国产微处理器引领者，主要产品包括高端通用处理器（CPU）和高端协处理器（DCU）。公司通过与 AMD 合作，进入 x86 处理器设计领域，成功构筑生态壁垒。公司产品从中高端拓展到高中低端全覆盖，从 CPU 扩展至 DCU，从一代拓展至二、三代，营收结构持续优化，实现业绩高速增长。CPU 壁垒高企，GPU 增长强劲。CPU 作为科技设备的控制中枢，行业龙头集中效应凸显，指令集与生态构筑国产 CPU 发展的两大壁垒。GPGPU 有望凭借强大的并行处

AI 芯片是大模型的基础。AI 芯片主要分为训练和推理两类芯片，云和端对训练和推理芯片要求不同，目前主流架构包括 GPU、FPGA 和 ASIC 三类，通用性 GPU>FPGA>ASIC，性能功耗比 GPU<FPGA<ASIC。四大 AI 芯片技术路线，均围绕打破英伟达 CUDA 生态垄断展开。英伟达凭借 CUDA、cuDNN 和 TensorRT 等软件工具链以及和 Tensorflow 的深度绑定构筑了极高的生态壁垒，2021 年 GPU 市占率超 80%，高性能 A

多模态提升交互体验，多种内容输出形式有望推动虚拟人和教育场景落地。海外Midjourney、Runway推出或升级视频AIGC产品，以及阿里达摩院近期上线文本生成视频大模型，我们可以看到AIGC技术在应用端正快速发展。从此前情感陪伴聊天机器人Glow展示了文本的单模态模型和应用，到现在已见语音、图片、视频等多种形式的内容输出，我们预计将加速虚拟人和教育领域的落地。在虚拟人和教育产业链，从海外来看，我们梳理全球头部创投公司Y Combinator在2023年投资孵化的30余个AI项目及其他AI公司

AI 大模型引领应用层百花齐放，算力层长期受益： ChatGPT、GPT4.0、Microsoft 365 Copilot、文心一言等相继发布，以 ChatGPT 为代表的 AI 大模型及其初步应用“一石激起千层浪”，其相关技术变革预计将对个体的工作、生活及社会组织方式带来的广泛影响。以海内外 IT 龙头为代表的企业界也开始深入挖掘此次技术变革对公司经营方式、商业模式的潜在颠覆性变化，并重新评估未来的发展战略。我们认为，AI 大模型在参数规模、计算量简化、安全性及多模态融合等方向虽然仍

1、ChatGPT火爆的背后：算法革新+算力支持+数据共振Ø ChatGPT引起全球热烈反响，上线仅五天用户突破百万，ChatGPT在文本交互和语言理解方面能力的显著进步或为通用人工智能的实现带来曙光。究其先进性根本，ChatGPT在以往基础上推进算法革新优化，辅以强大算力支持，并以大规模数据共振，协同助推这一划时代产品诞生。OpenAI以B端提供API接口流量+C端订阅收费模式，探索ChatGPT商业化路径。展望未来AI将横纵向并行，结合技术深化与能力边界拓展，进一步铺开应用面。2、数字内容生

AIGC 空间广阔，商业化落地持续推进AIGC 的落地痛点在于成本高昂的通用大模型与下游垂直应用场景需求的不匹配。ChatGPT 热度持续提升，一方面推动了科技巨头持续加大 AI 投入，另一方面也直接带动下游付费意愿提升，进一步加速 AIGC 应用落地和商业变现，AIGC产业迎来发展良机。（1）从内容形态来看，AIGC 应用包括文本、音频、图像、视频、代码、多模态等内容生成形式，根据红衫资本预测，AIGC 将首先在文本和代码领域落地应用，随后逐渐拓展至图像和视频领域。（2）从应用价值来看，AIG

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

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

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

◆ 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

人工智能从出现到现在已经历四个阶段，第一个阶段的AI是以逻辑推理为主，AI能力以聚焦决策和认知为主；第二个阶段的AI则是注重以概率统计的建模、学习和计算为主，AI能力开始聚焦感知、认知和决策；第三个阶段的AI聚焦学习环节，注重大模型的建设，AI能力覆盖学习和执行；第四个阶段则聚焦执行与社会协作环节，开始注重人机交互协作，注重人类对人工智能的反馈训练，当下正处于此阶段。

ChatGPT：OpenAI史诗级“AI”新品，开启新一轮的科技革命1）史诗级“AI”新品。ChatGPT自发布以来，仅2个月用户量迅速增长至亿级，是AI产业的史诗级“颠覆性创新”产品，我们预计其用户量潜在空间10亿级，假设人均订阅价格20美元/月，其对应的商业价值量将极其广阔。同时，ChatGPT母公司OpenAI估值亦迎来翻倍式增长，根据华尔街日报，其最新估值达290亿美元，预计2023年收入2亿美元。2）开启新一轮科技革命。ChatGPT的成功得益于NLP、Transformer、GPT、

➢ AIGC多模态跨模态应用逐渐成熟，市场空间广阔。广义的AIGC指具备生成创造能力的AI技术，即生成式AI。可以基于训练数据和生成算法模型，自主生成创造新的文本、图像、音乐、视频等内容。2022年被称为AIGC元年，未来兼具大模型和多模态模型的AIGC模型有望成为新的技术平台。据《中国AI数字商业产业展望2021-2025》报告，预测AI数字商业内容的市场规模将从2020年的40亿元，增加到2025年的495亿元。➢ ChatGPT产品历经多代技术演进，产品与商业模式逐渐成熟。ChatGPT是

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

1. 我们如何评价ChatGPT的出现？当我们看到微软CEO纳德拉说到“AIGC堪比工业革命”，比尔盖茨评价ChatGPT的历史意义重大，甚至不亚于“PC或互联网诞生”时，我们辩证性地思考这个问题：细数人类社会经历的三次工业革命，第一次以蒸汽机为代表，机械生产取代了双手；第二次以发电机而代表，电器成为补充和取代蒸汽机的新能源；第三次以计算机为代表，促成了各种各样“人-机控制系统”的形成，使得起初的机械化、电气化迈入进阶的自动化。就目前我们看到这三次革命的成果，基本都呈现“机器帮助人”，且存在物理

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