AIGC-零帕网

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

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

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

➢ 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

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，

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

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

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

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。

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

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、