AIGC全方位解析与投资展望-兴业证券-2023.4.15-53页_3mb

AIGC全方位解析与投资展望总结

核心内容

AIGC（人工智能生成内容）正成为互联网行业的重要增长驱动因素。其通过自然语言、图像、音频和视频等多种形式生成内容，具备高易用性、高生产力和广泛的适用性。Gartner预测，AIGC在2022年将占全球数字数据量的1%，预计到2025年将增长至10%。根据Acumen Research and Consulting的数据，2021年通用AI市场规模为79亿美元，预计到2030年将超过1108亿美元，年复合增长率（CAGR）为34%。

主要观点

• AIGC的核心能力包括算法、算力和数据，其中Transformer架构是语言模型的基础，算力（尤其是GPU）是推动大模型发展的关键，数据的丰富性和高质量标注对模型训练至关重要。
• 海外大厂如OpenAI、Google、Meta、NVIDIA、微软和亚马逊正在积极布局AIGC领域，OpenAI的GPT-4表现接近人类水平，被视为AGI的早期版本。
• 中国各大厂商也在加速AIGC研发和投资，百度、华为、阿里、商汤、京东和同花顺均计划在4月发布大模型相关产品。国内大厂的算法门槛因开源模型（如Meta的LLaMA）降低，算力和数据成为核心竞争点。
• AIGC对互联网行业的影响在短期和长期均有显著体现。短期内，云计算厂商因大模型训练需求激增而受益；长期来看，AIGC将提升工作效率、增加内容产能、拓展新的流量渠道，并引发搜索、物联网、应用商店、办公软件、外包、游戏、影视和电商等多个行业的变革。

关键信息

技术与应用

• 算法：Transformer架构是当前大语言模型的基础，提高了处理长文本和并行计算的能力。
• 算力：GPU是AI训练和推理的主要芯片，算力需求随模型规模增加而快速增长。
• 数据：丰富的语料库和高质量的数据标注是提升模型性能的关键，例如ChatGPT的训练数据包括Common Crawl、WebText2、Books1、Books2、Wikipedia等。

海外进展

• OpenAI：推出了ChatGPT和GPT-4，与微软深度合作，商业化步伐加快。
• Google：推出了Bard聊天机器人和Imagen图像生成模型。
• Meta：发布了SAM图像分割模型和M2M-100多语言翻译模型。
• NVIDIA：推出了AI Foundation云服务和Megatron-Turing NLG模型。

国内进展

• 百度：上线了文心一言，展示了文本生成能力。
• 华为、阿里、商汤、京东、同花顺：计划在4月发布大模型相关产品。
• 开源：Meta的LLaMA等开源模型降低了算法门槛，促使更多厂商加入AIGC赛道。

投资建议

• 算力与云计算：建议关注NVIDIA（NVDA.O）、微软（MSFT.O）、Google（GOOGL.O）、Meta（META.O）、Amazon（AMZN.O）、百度集团-SW（09888.HK）、阿里巴巴-SW（09988.HK）、腾讯控股（00700.HK）、联想集团（00992.HK）和商汤-W（00020.HK）。
• 应用层：建议关注金山软件（03888.HK），其在办公软件领域具备清晰的落地场景；以及网易（09999.HK），其受益于效率提升带来的利润释放。

风险提示

• 政策监管风险：AIGC的发展可能受到政策的不确定性影响。
• 国际情势影响：国际政治局势可能对海外合作和市场拓展造成影响。
• 技术发展不及预期：AIGC技术的发展速度和应用范围可能未达预期。

AIGC对互联网行业的影响

短期影响

• 云计算：大模型训练和调用需要大量算力资源，推动云计算厂商需求增长。
• 应用层：AIGC在多个领域展现出潜力，如搜索、物联网、应用商店、办公软件、外包、游戏、影视和电商等。

长期影响

• 工作效率提升：AIGC将显著提升工作效率，减少人力成本。
• 内容产能增加：AIGC将极大提升内容生成的效率和多样性。
• 新流量渠道：AIGC将带来新的流量分发方式，如ChatGPT Plugins和智能导购。

AIGC应用模式

• 文本生成：如ChatGPT、GPT-4等，基于Transformer模型，能够理解自然语言并生成内容。
• 图像生成：如Midjourney、Stable Diffusion、DALL-E2等，支持从文本生成图像，以及图像修复和增强。
• 音频生成：如MuseNet、Resemble AI等，支持文本到语音和语音到语音的转换。
• 视频生成：如Gen-2、Synthesia等，从文本、图像或音频生成视频内容。

AIGC发展历史与里程碑

• 早期萌芽阶段（1990年代之前）：受限于算力，仅能进行小范围实验。
• 沉淀积累阶段（1990s-2010s）：深度学习算法取得突破，数据集和算力提升，但内容生成效果仍有限。
• 快速发展阶段（2010s-至今）：Transformer架构推动大模型发展，AIGC应用逐步成熟。

AIGC训练与优化

• RLHF（人类反馈强化学习）：通过人工标注优化模型输出，使其更符合人类期望。
• 微调方法：包括指令微调（IFT）、监督微调（SFT）、思维链（CoT）等，提升模型性能。

未来展望

AIGC技术的发展将带来更高效的生产力和创造力，推动互联网行业的创新与变革。随着算力和数据的持续提升，AIGC在多个领域的应用将进一步深化和拓展，成为未来科技的重要组成部分。