GPT-4-Turbo专题：多模态能力提升，应用生态加速-20231121-西南证券-51页_4mb

GPT-4-Turbo专题报告核心观点总结

一、核心变化

1. GPT-4-Turbo模型优化

• 扩展上下文窗口：支持128k上下文，是标准GPT-4的16倍，可处理300页文本。
• 知识更新快速：知识截止至2023年4月，学习互联网近一年半。
• 增强控制能力：支持JSON模式、多函数调用、输出可复现，开发者可在一次请求中调用多个操作。
• 多模态能力：
  • 文本生成图像（DALL·E3）
  • 图像生成文本/图像（GPT-4V）
  • 文本生成语音（TTS）
• 成本大幅降低：输入token价格为GPT-4的1/3，输出token为1/2。

2. GPTs生态加速繁荣

• 用户可定制专属GPT：无需编程，上传知识库即可创建AI应用，开发者门槛大幅降低。
• 收益共享机制：OpenAI推出GPTStore，开发者可通过销售GPTs获得收益。
• 低代码开发工具：GPT Builder简化创建流程，推动社区活跃。

3. AssistantAPI助力开发

• 函数调用：自然语言触发多函数，简化AI与UI集成。
• 知识检索：自动解析长文档，通过向量搜索回答问题。
• 代码解释器：支持运行Python代码，实现文件处理与计算。

二、未来影响

1. 算力端：流量激增，需扩容

• 用户量暴涨导致OpenAI多次宕机，算力供给跟不上需求。
• 多模态生成（如高保真图像处理）计算量是文本的570-830倍，算力缺口显著扩大。

2. 存力端：HBM需求暴涨

• AI芯片需通过堆叠HBM提升单位算力存储能力，HBM成为关键组件。
• NVIDIA H200采用HBM3e，带宽提升76%，算效提高近一倍。

3. 应用端：垂类爆发，长尾需求被满足

• GPTs通过垂直数据训练打造专属领域AI，预计数量将实现非线性增长。
• 微软Copilot嵌入办公产品，开放Copilot Studio促进企业应用集成。

4. 数据端：专业数据成为竞争力核心

• OpenAI知识库功能强调垂直领域数据的重要性。
• 垂直数据留存、体系化数据库构建及知识产权保护成为关键议题。

三、投资建议

1. 算力端

• 云侧：NVIDIA、AMD（MI300系列）
• 端侧：英特尔Meteor Lake、高通骁龙XElite

2. 存力端

• HBM芯片制造商（海力士/三星存储）

3. 应用端

• OpenAI、微软Copilot、低代码开发平台（如NotionAI）

4. 数据端

• 垂直领域数据提供商（教育、医疗等）

四、风险提示

• 技术发展不及预期
• 行业竞争加剧
• 应用生态发展不及预期