计算机行业AIGC系列报告（四）：聚焦落地，AIGC赛道披沙简金_57页_4mb

AIGC赛道投资分析总结

核心内容

本报告系统地分析了AIGC（人工智能生成内容）产业链的投资机会，涵盖了大模型、算力基础设施、数据服务、MaaS（模型即服务）及应用场景等多个环节。报告指出，AIGC技术正在引发重大变革，其核心在于模型的规模、训练效率、使用便利性及商业模式。目前，OpenAI在这些方面具有显著优势，而国内大模型虽然在使用效果上仍有差距，但在算力资源和专业人才方面逐渐增强。

主要观点

1. 大模型竞争要素

• 模型规模：更大的参数量和数据集有助于提升模型性能。
• 训练效率：算力资源是训练大模型的关键。
• 使用便利性：模型的易用性对商业应用至关重要。
• 商业模式：C端订阅、B端API调用及生态合作是主要的商业模式。

2. 算力基础设施

• 算力是AIGC的“卖铲人”：大模型的训练和推理需要大量算力支持，英伟达的AI芯片在全球AI算力环节具有突出地位。
• 算力需求测算：以GPT3为例，训练算力需求约为315 ZettaFLOPS，推理算力需求约为350 TeraFLOPS。
• 算力成本：使用英伟达V100训练GPT3的总成本约为4.72百万美元，A100则为1.886百万美元。

3. MaaS与垂直场景化

• MaaS赋能百业：通用大模型在高技术、高资本壁垒下会形成头部集中，但垂直行业的场景化需求将催生多样化的垂直小/专模型。
• 轻量化与IOT：大模型的轻量化将赋能IOT设备，如具身智能，带来行业变革机遇。

4. 应用场景分析

• 类别一：提升生产效率的通用工具

  • 办公：如Microsoft 365 Copilot、金山办公WPS AI，提供自动化文档生成、数据分析等功能，显著提升办公效率。
  • 营销：Adobe Sensei GenAI通过AI图像生成、文案撰写等工具，提升营销内容生成效率。
  • 代码生成：ChatGPT、Ghostwriter等AI工具帮助程序员提升效率。

• 类别二：可能改变行业格局的场景应用

  • 教育：如Duolingo、科大讯飞，利用垂类数据提升个性化教学能力。
  • 医疗：如卫宁健康、医联，通过AI问诊、影像判读等功能，提升医疗效率与精准度。
  • 金融：如同花顺、Bloomberg，利用垂类数据和AI能力，提升金融服务效率。

关键信息

• 投资建议：

  • 应用侧：推荐金山办公、科大讯飞、彩讯股份、同花顺。
  • 算力侧：推荐寒武纪、海光信息、中科曙光、浪潮信息。
  • 数据服务：重点关注星环科技。
  • 监管服务：推荐美亚柏科。

• 风险提示：

  • AI应用研发进度不及预期。
  • AI芯片供应链风险及自研不及预期。
  • AI相关上市公司短期涨幅过大。

技术演进与趋势

• AI发展演进：从识别类AI到通用AI（AGI），再到具身智能，AI技术不断迭代。
• 大模型训练与推理：训练算力需求显著高于推理需求，但推理算力对实际应用至关重要。
• 具身智能：具备物理交互能力，强调“感知—行动回路”，涉及感知、想象和执行三个环节，代表未来AI发展方向。

一二级市场标的梳理

• 海外：OpenAI、Meta、Google、Databricks等公司在大模型、CV、数据服务等领域占据领先地位。
• 国内：百度、阿里、科大讯飞、商汤、华为、昆仑万维、三六零等公司均在大模型、数据服务、应用场景等方面有所布局。
• 初创公司：智谱·AI、INF无限光年、澜舟科技等在垂直领域和数据服务方面具备潜力。

总结

AIGC正在重塑AI产业格局，其技术发展和应用场景不断扩展，涵盖办公、营销、教育、医疗、金融等多个领域。算力基础设施、数据服务和MaaS是支撑AIGC落地的关键环节，投资应聚焦于具有实际应用场景和强大算力支持的标的。同时，随着AI技术的快速发展，监管与发展并行，数据安全等风险需引起重视。