人工智能行业分析2

人工智能行业分析投资分析随着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。根据《GPTsareGPTs:AnEarlyLookattheLaborMarketImpactPotentialofLargeLanguageModels（2023）》（作者：TynaEloundou等），AIGC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地。考虑到AIGC需强大的硬件支撑以及在全行业广阔的应用空间，我们重点推荐三条投资主线：算力硬件支撑、推动行业生产效率颠覆式提升、催生元宇宙发展新生态。主线一，AIGC算力硬件支撑产业链，AI大模型带来的算力革命将会带动算力硬件支撑产业链发展，衍生硬件性能有望持续提升；主线二，AIGC推动行业生产效率颠覆式提升。短期看，AI已具备辅助人类完成部分工作任务的能力，我们认为AIGC在软件开发、日常办公、影视娱乐、教育、电商等领域将率先应用。长期看，随着AI逐步具备媲美人类的专业创造能力，AIGC将在全行业带来颠覆式的生产方式，我们预计娱乐、传媒以及软件开发领域相关公司将率先在成本端受益；主线三，AIGC催生元宇宙发展新生态。游戏公司有望率先在内容创作以及游戏设定等方面应用AI大模型并在元宇宙产业中占得有利竞争位置。AIGC悄然兴起，算力降本夯实“AI底座”AIGC悄然兴起，ChatGPT强势“出圈”随着人工智能越来越多应用在内容创作，AIGC概念悄然兴起。AIGC（AIGeneratedContent，人工智能生成内容）指利用AI（ArtificialIntelligence，人工智能）技术可根据用户需求自动生成与之匹配的内容。只需输入要求，AIGC即可帮助创作者自动生成所需内容，创作者可花费更多时间进行主题构思并减少实际创作时间，提升工作效率和创作质量。20世纪50年代以来，深度学习算法和设备算力发展迅速，AI研究取得了长足进步。AI不仅能够与人类进行互动，还可以进行写作、编曲、绘画、视频制作等创意工作。AIGC发展可大致划分为三个阶段：早期萌芽阶段、沉淀积累阶段以及快速发展阶段，目前已进入快速发展阶段。ChatGPT应用领域广泛，有望率先在AIGC领域落地。ChatGPT（ChatGenerativePre-trainedTransformer，聊天生成式预训练器）为OpenAI开发的聊天机器人，它建立在OpenAI开发的GPT-3大型语言模型之上，并使用监督学习和强化学习（人类监督）技术进行微调。在AIGC领域，ChatGPT能够根据用户需求而自主创造出高质量的内容，不但降低了创作门槛，还能大幅提高用户创作效率。AIGC产品能力的决定性因素是互动、数量和质量，ChatGPT在生成和理解能力上有了显著提升，GPT-4则推动内容形式从单一走向多元，大幅优化了内容质量。ChatGPT仅用两个月MAU即突破1亿，成为史上用户增速最快的消费级应用。2022年11月OpenAI推出ChatGPT，一经发布即成为AI界“顶流”。根据SimilarWeb数据显示，ChatGPT在仅推出两个月后MAU（MonthlyActiveUser，月活用户）已到达1亿，成为史上用户增长速度最快的消费级应用程序。根据SensorTower数据，TikTok花费9个月MAU达到1亿，Instagram则花费2年半的时间。全球智能算力规模快速增长，训练成本有望持续优化全球智能算力规模高速发展，2026年中国智能算力规模有望增至1271.4EFLOPS。根据华为预测，未来AI将从感知走向认知，创造能力不断增强，AI将走进日常生活并赋予万物智能，算力需求将高速增长，2030年全球智能算力有望达到105ZFLOPS（每秒1021次浮点计算），对比2020年增长500倍。目前，国内头部科技企业均发力布局AI大模型，需依托高算力系统构建，预计国内智能算力规模将保持高增。根据IDC数据，2022年中国智能算力规模达到268.0EFLOPS（每秒1018次浮点运算），预计2026年智能算力规模将进入ZFLOPS级别，达到1271.4EFLOPS。AI大模型参数呈指数级增长，新“摩尔定律”呼之欲出。近年来，随着算力以及数据集快速发展，基于Transformer模型的NLP（NaturalLanguageProcessing，自然语言处理）算法发展迅速。AI大模型具有“涌现能力”，当训练量超过某个阈值时，模型就会解锁“涌现能力”，即模型精度会突然暴增。因此，最先进的NLP以及CV（ComputerVision，计算机视觉）模型中的参数数量均持续增长，近年来呈指数增长态势。根据《AIandMemoryWall（2021）》（作者：AmirGholami等）数据，近十年来CV、NLP和语音学习方面的AI模型所需算力以每两年15倍的速度增长，而Transformer模型的增长速度更快，增长速度为每两年750倍。OpenAI预计AI研究所需要的计算资源将每3-4个月翻一倍。OpenAI首席执行官SamAltman也于2023年2月发推文称“新版摩尔定律很快就要到来，宇宙中的智能将每18个月翻一倍”。英伟达数据中心GPUAI推理能力不断增强，单位算力成本不断优化。近年来，英伟达数据中心GPU平均2-3年迭代，目前AI大模型训练使用的GPU包括V100、A100及H100。从性能层面看，英伟达通过多实例GPU（MIG）技术允许多个网络同时基于单个GPU运行，最大限度提升计算资源的利用率；并通过优化GPU架构以及指令提升大模型训练速度。根据英伟达官网信息，英伟达数据中心GPUAI推理能力大幅提升，H100相较于A100超大模型的AI推理吞吐量提升30倍。与此同时，GPU价格虽出现上涨，但涨幅远低于算力。根据中关村在线报价以及网易科技信息，英伟达H100价格在24万元以上，约为A100的3倍。因此，我们认为随着GPU架构以系统设计持续优化，单位算力成本降低将会成为长期趋势。参考《TheEconomicsofLargeLanguageModels（2023）》（作者：SUNYAN）以及《EfficientLarge-ScaleLanguageModelTrainingonGPUClustersUsingMegatron-LM（2021）》（作者：DeepakNarayanan等），研究人员均提出以训练词数（Tokens）、大模型参数量（Parameters）、芯片算力（FLOPS）、芯片价格等指标为参数的成本测算模型。我们将根据相关模型，测算GPT-3的训练和推理成本，以及英伟达芯片迭代带来的成本优化。模型及硬件优化有望节省80%以上成本，算法和数据集有望成为竞争核心。根据《TheEconomicsofLargeLanguageModels（2023）》（作者：SUNYAN）估算，作者预计GPT-3训练成本约为140万美元，推理成本为0.0035美元/1000Tokens。我们认为，受益于大模型参数优化、算力利用率逐步提升、单位算力成本随着芯片迭代不断下降，AI大模型训练及推理成本有望持续降低，预计可节省80%以上。根据《TrainingCompute-OptimalLargeLanguageModels（2022）》（作者：JordanHoffmann等）内容，DeepMind认为扩展模型参数数量的效果或是边际递减，我们认为高质量的数据集以及优质的算法有望成为AI大模型的核心竞争力。AI大模型商用在即，AIGC解放生产力多模态AI大模型高速发展，AIGC多领域落地Transformer模型百花齐放。2017年以来，Transformer为CV和NLP领域带来了大幅性能提升，在物体检测和语义分割任务中均刷新了此前的纪录，CV和NLP有望统一在Transformer结构之下。近年来，学界掀起了研究Transformer模型的热潮，根据《TRANSFORMERMODELS:ANINTRODUCTIONANDCATALOG（2023）》（作者：XavierAmatriain）数据统计，基于Transformer已发展出60余个AI大模型，其中包括名声大噪的GPT系列模型。预训练呈“大一统”趋势，Transformer架构向多模态场景延伸。近年来，NLP、CV和多模态等领域的预训练开始呈现大一统（bigconvergence）趋势。2022年，微软亚洲研究院推出BEiT-3预训练模型，在目标检测、实例分割、语义分割、视觉推理、图片描述生成等任务上取得了SOTA（state-of-the-art，最好/最先进）的迁移性能。通过对大量数据进行大规模预训练，可以更轻松地将模型迁移到多种应用领域，微软亚洲研究院认为大一统的趋势已经在三个方面逐渐显现，分别是骨干网络（backbone）、预训练任务和规模提升。我们认为，基于Transformer架构的AI大模型将持续向多模态发展，推动AIGC在全行业进行全方位应用。GPT-4迎来巨大性能升级，OpenAI占得AIGC发展先机。根据《GPT-4TechnicalReport（2023）》（作者OpenAI）内容，GPT-4可以接受图片输入，并具备“类似人类”的图片解读能力；GPT-4在60%的AP考试科目中取得了5分（满分），较GPT-3.5提升30%以上；GPT-4也在研究生入门考试GRE中取得了339+4的成绩，超越95%的应试者。GPT-4引入多模态为后续生成音频、图片、视频打下了坚实基础。凭借微软全生态助力以及ChatGPT在全球范围内的“出圈”表现，我们认为OpenAI将在AIGC领域加速迭代，持续提升模型内容生成以及逻辑推理能力，占得AIGC发展先机。AIGC在多领域逐步落地，长期看AI有望具备专业级创作能力。受益于AI大模型高速发展，AI正逐步从内容生成进化为内容创作。从应用领域看，AIGC可应用于文字、图像、音乐、视频、3D建模、建筑等领域，可在办公、传媒、艺术等场景担任辅助甚至是创作者角色。从产业化角度看，AIGC在文本和代码领域发展较快，如今已具备长文本写作和基础软件开发能力，可辅助白领以及技术人员完成部分工作；在艺术创作领域，AIGC仍在初级探索阶段，创作能力仍有较大提升空间。我们认为，随着多模态AI大模型能力不断增强、针对图像、视频的算法持续优化，AIGC有望在艺术创作领域具备超过专业人士的创造能力。AIGC衍生出丰富能力矩阵，推动全行业降本增效AIGC包括三大核心能力，已衍生出丰富能力矩阵。AI模型在CV和NLP等单模态领域已拥有成熟的商业化应用。近年来，多模态AI模型加速发展，Transformer已发展成为庞大的“家族”，多模态商业应用正走向成熟。参考中国信息通信研究院的研究，我们认为AIGC主要包括三大核心能力：数字孪生能力，数字编辑能力和数字内容创作能力。三大核心能力意味着将现实世界内容迁移至数字世界（孪生能力），再建立数字世界与现实世界的内容互通并辅助现实世界的内容生成（编辑能力），最终从数字模仿进化至媲美人类的现实创作能力（创作能力）。基于三大核心能力，AIGC已衍生出丰富的能力矩阵，根据京东探索研究院信息，AIGC正在文字、语音以及图像视频等领域发展从识别到生成的能力矩阵。AIGC应用前景广阔，我们认为将在日常办公、传媒、影视娱乐、电商等场景较快落地。StableDiffusion和GPT-4分别在图像和文字领域让大众感受到AIGC接近人类的创作能力，各大科技巨头均加码AI大模型。从2022年开始，谷歌、微软、Meta、亚马逊、百度、阿里巴巴、腾讯等平台型科技巨头均加大力度布局AIGC，与现有商业模式结合的速度有望加快。目前，传媒、影视娱乐以及电商等领域的数字化程度较高，为AIGC提供了良好的土壤，AIGC有望率先在相关行业落地。我们认为凭借AI持续进化的文字、图片、视频内容生成能力，可助力相关行业大幅度降本增效，市场潜力巨大。AIGC+文字&音频：赋能AI客服降本增效。AI客服已在全球范围内普及，已从文字对话迭代至语音对话。受益于AIGC快速发展，AI客服推理能力持续增强，可以在充分理解客户诉求的基础上进行逻辑推理并给出合适的回答。根据IBM商业价值研究院研究内容，使用虚拟客服技术可在每次客户对话中节省5.5美元的成本。同时，AI客服技术领先的企业客服满意度更高：客户和客服员工满意度分别提高12%和9%，处理时间缩短了15%。我们认为，AI在文字和音频领域的生成能力成熟度高，商用化进程较快，AI客服有望在全行业全面渗透。根据GrandViewResearch数据，2022年全球AI客服市场规模为13.8亿美元，预计到2030年将达到70.8亿美元，对应2022-2030年CAGR为22%。AIGC+图像视频：推动影视娱乐行业降本增效。在影视娱乐领域，AI已具备图像、视频以及3D建模的创作能力。在图片领域，根据6pen预测，若未来五年10%-30%的图片内容由AI参与生成，市场规模有望超600亿元。在视频领域，2023年1月，日本奈飞（NetflixJP）和日本WIT工作室、微软小冰公司日本分部（rinna）共同制作了动画《犬与少年》，成为历史首次使用AI生成背景的商业动画片。除去人物及动物角色，绘制工作绝大部分由AI完成。在3D建模领域，腾讯AILab展示了使用AI从零开始迅速搭建一座3D虚拟城市的过程，所建虚拟城市面积达到25平方公里，包含130千米路网、4416栋建筑以及超过38万个室内映射。根据腾讯AILab在2023游戏开发者大会发布内容，建模一座如此大的城市，过去往往需要多名美术师以年为单位的时间完成，而结合AI只需数周。我们认为AI在动画和游戏领域已具备辅助专业创作者完成部分创作的能力，大幅提升创作效率并减少人力成本，从而推动整个影视娱乐行业降本增效。AIGC或对80%劳动力产生影响，2030年中国AIGC市场有望超万亿元AIGC或影响80%劳动力的10%工作任务，并大幅提升劳动者工作效率。AI大模型在文字、图像视频等方面已具备了一定的创造能力，在非手工操作以及人际交流的工作场景中均可辅助甚至代替人力完成工作任务。根据《GPTsareGPTs:AnEarlyLookattheLaborMarketImpactPotentialofLargeLanguageModels（2023）》（作者：TynaEloundou等），在美国平均一个职业当中约有15%的工作任务会受到AI大模型影响；大约80%的美国劳动者可能有至少10%的工作任务受到AI大模型影响，而约19%的劳动者可能有至少50%的工作任务受到影响。另外，AIGC已可在日常办公场景中大幅提升员工工作效率，根据新华社报道，斯坦福大学和麻省理工学院针对一家技术企业的最新研究结果显示，AI可提升技术支持员工平均14%的劳动生产率，“新手和低技能员工”的工作速度则能提升35%。AIGC行业成熟在即，2030年中国AIGC市场规模有望超万亿元。根据OpenAI和宾夕法尼亚大学的研究，随着AI大模型的推理能力不断提高，即便停止开发，其影响力仍将持续扩大，全球范围内已掀起了一场AIGC投资热潮，AIGC在各行业的商业应用正加速落地。根据Gartner预测，AIGC有望在未来2-5年进入行业成熟期。我们认为，随着国内企业加速在研发生产端以及销售端引入AIGC以降本增效，国内AIGC产业也将迎来快速发展期。根据量子位智库预测，2023-2025年中国AIGC产业处于培育摸索期，预计年均复合增速为25%；2026-2030年行业将迎来快速增长阶段，中国市场规模有望在2030年达到11491亿元。想象力即生产力，AIGC修筑通往元宇宙之桥想象力即生产力，AIGC掀起内容生产革命AIGC将走过三个发展阶段，人机协同时代即将到来。当前，内容创造已由PGC（ProfessionalGeneratedContent，专业生产内容）转向UGC（UserGeneratedContent，用户生成内容），AI辅助内容生成（AIUGC）和AIGC也正在全面普及。根据百度CEO李彦宏的判断，AIGC将走过三个发展阶段：第一个阶段，被称之为AIGC的“助手阶段”，AIGC用来辅助人类进行内容生产，比如生产有声书、辅助视频创作等；第二个阶段，被称之为AIGC的“协作阶段”，AIGC以虚实并存的虚拟人形态出现，形成人机共生的局面。第三个阶段，即AIGC的“原创阶段”，AIGC将独立完成内容创作。我们认为，随着AI大模型已具备多模态的内容创造能力，AIGC已具备大规模应用条件，人机协同时代即将到来。内容创作门槛降低，AI时代想象力即生产力。AI已从传统的分析数据发现规律升级为分析感知数据并进行内容生产。相较于人脑只能基于自身知识图谱进行少数方向的信息处理，AI具备从更庞大的知识体系中进行多方向信息处理的能力，可以提供更多的创作思路。复盘内容创作历史，在PGC时代，内容创作需使用专业创作工具进行内容创作，例如摄影爱好者需学习使用专业PS（AdobePhotoshop）工具进行修图；进入UGC时代，摄影爱好者仅需学习使用门槛较低的美图秀秀即可达到媲美专业PS工具的修图效果。我们认为，进入AIGC时代，任何人都将成为内容创作者，只需充分发挥想象力，将需求描述给AI工具，AI即可完成代码、绘图、建模等具有专业门槛的创作任务，完成效果甚至超出创作者预期。AIGC赋能多模态数字内容生成，加速元宇宙时代降临元宇宙可带来沉浸式体验，数字人（Avatar）、物理世界数字重构及软件智能体（SoftwareAgent）为数字化世界关键。元宇宙为物理世界、增强现实（AR）及虚拟现实（VR）在共享数字空间中的融合，元宇宙具有成为未来数字社交互动通用平台的潜力。我们认为，构建高可用的元宇宙平台，既需要成熟的混合现实技术（MR）以实现良好的人机交互，也需要海量的数字内容以实现比肩物理世界的数字世界体验。结合商汤对于元宇宙的理解，我们认为AIGC可通过三种核心方式支持沉浸式和交互式的元宇宙体验：1）数字人：AIGC可为人类创建虚拟化身，提供进入虚拟世界的入口；2）物理世界数字重构：AIGC在3D重建方面的应用可实现物理世界的数字重构，构建物理与数字世界的连接；3）软件智能体：AI大模型已具备较强的分析与推理能力，AIGC可创造高智慧的软件智能体与数字世界中的人类流畅交流。AIGC解放数字内容创作生产力，打造元宇宙底座。参考陀螺研究院的研究成果，我们认为元宇宙数字内容创作与游戏创作具有相似性，均需要大量专业技术人员对包含文本、图像、3D模型、音频、视频、代码等资源进行大规模开发。长期以来，数字内容创作过于复杂导致开发门槛很高。AIGC极大地降低了内容创作的门槛，普通用户在AI的帮助下即可化身为“专业创作者”，这将彻底解放数字内容生产力，为元宇宙提供海量数字内容。根据IDC数据，2021年，全球数据总量达到84.5ZB，预计到2026年全球结构化与非结构化数据总量将达到221.2ZB；2025年预计AIGC产生的数据将占所有数据的10%（2021年比例不超过1%），2021-2025年CAGR为127%。数字人进入AIGC时代，2026年AI数字人市场规模有望超100亿元。上世纪末，创造数字人基本依赖于手绘，创作周期长、人力成本高。随着21世纪初CG和动作捕捉技术的发展，数字人创作进入计算机时代，但仍受专业创作者产能限制。随着多模态AI大模型快速发展，数字人创作进入AIGC时代，数字人产业进入蓬勃发展期。结合腾讯研究院的研究成果，我们认为目前AIGC不仅可以管线化生产拥有“好看”皮囊的数字人，而且不断推动数字人向着拥有“有趣”的灵魂方向发展，数字人创作周期大幅缩短。根据IDC预测，未来数字人将逐步过渡到纯AI驱动，AI数字人市场将进入快速发展阶段，2026年中国AI数字人市场规模将达到102.4亿元，2022-2026年CAGR约为83%。重点企业分析主线一：AIGC算力硬件支撑产业链同飞股份：公司成立于2006年，是国内工业温控国产替代先锋，综合竞争力强。公司作为液冷解决方案龙头，积极布局数据中心业务，2022年加入数据中心行业协会，与众多公司交流技术和产品。随着与客户的方案落地，我们认为2023年有望成为公司数据中心液冷产品放量元年，公司将充分受益于AI服务器的快速放量。23Q1公司实现营收2.7亿元，实现归母净利润0.3亿元。和林微纳：和林微纳成立于2012年，主营业务为半导体测试探针以及MEMS相关精微零组件。随着ChatGPT问世，头部科技企业在全球范围内掀起新一轮“AI军备竞赛”。英伟达为全球AI芯片龙头，有望直接受益于AI大模型训练和推理所带来的旺盛AI芯片需求。公司与英伟达长期合作半导体芯片测试探针业务，AI芯片需求快速增加有望直接拉动公司半导体测试探针业绩。23Q1公司实现营收0.4亿元，归母净利润为-0.1亿元。鼎通科技：鼎通科技成立于2003年，主要业务为通讯连接器精密组件和汽车连接器精密组件。AI预训练大模型对算力需求大幅提升，有望推动相关硬件基础设施持续扩容升级。公司通信连接器业务坚定大客户战略，深挖客户增量需求，近年来cage系列新产品向核心客户继续导入，新入泰科cage系列供应商名录；同时，产品亦持续迭代升级，2x6规格cage产品及112GB/s结构件产品亦顺应传输速率提升而升级，有望贡献新增量，尤其112GB/s主要满足800G数通需求。此外，公司亦设立马来西亚子公司，后续有望以马来工厂为依托，拓展泰科、安费诺等大客户海外业务。23Q1公司实现营收1.6亿元，归母净利润0.3亿元。高澜股份：公司成立于2001年，在液冷领域具备深厚技术积累，通过前瞻性布局，已经拥有冷板式液冷服务器热管理解决方案、浸没式液冷服务器热管理解决方案、集装箱液冷数据中心解决方案。业务涵盖了从液冷板、多种型号和换热形式的CDU、多功率的Tank、多尺寸的集装箱等部件到数据中心设计、设备集成、系统调试、设备运维的系统集成。2022年公司IDC热管理产品实现营