AIGC专题报告-站在当前时点-怎么看AIGC板块投资逻辑-国海证券_32页_5mb

AIGC专题报告总结

行业投资逻辑
AIGC（生成式人工智能）作为产业级趋势，源于人工智能进入新发展阶段，向AGI演进，技术变革推动人机交互升级，商业模式逐步清晰。投资逻辑分为三阶段：

1. 阶段1：起点（百模大战）
   巨头与垂直厂商密集投入大模型研发，算力需求高导致芯片囤积。大模型与应用场景仍处于早期探索阶段。
2. 阶段2：承压（路径分化）
   通用基座模型与垂直行业模型并行发展，基于开源模型与底层自研结合。NLP大模型训练算力需求有限，应用侧尚未爆发，推理算力消耗较低，商业化进程缓慢。
3. 阶段3：突破（技术迭代+硬件协同）
   多模态、3D生成、策略生成等技术成熟，结合MR（混合现实）、机器人等新硬件，应用加速普及，商业化空间显著扩展，产业链形成正循环。

技术与商业推算

• 算力需求：按经验公式，通用大模型训练算力需求（参数×数据量×6）受参数量、数据量影响显著，假设参数量从1200亿增至2265亿，数据量从7000亿增至16603亿，单模型需A100芯片从1222张增至4319张。行业/公司级大模型因参数量较小（100-146亿），算力需求相对可控。
• 推理成本：GPT-4单token推理成本约0.00035美元，毛利率达70%-90%。伴随用户增长与使用频率提升，收入与算力消耗同步增长。

应用发展优先级
重点关注以下方向：

1. 微软应用进展：
   • 全面整合ChatGPT至Microsoft365 Copilot等产品，抢占AI+办公赛道。
   • Copilot通过API接口和插件平台（如PluginStore）实现商业化，B端定价$30/用户/月，预期年收入可达百亿美元级。
2. 垂直领域应用：
   • 高频场景AI能力接入（如文档生成、图像处理），提升原有产品ARPU与付费率。
   • C端原生AI应用（如游戏、智能陪聊、个性化教育）需创新性、用户粘性与数据/模型优势。
   • B端解决方案（如Glean、Salesforce）通过AI降本增效，拓展企业用户场景。

行业对比与趋势

• 海外与国内路径差异：
  海外遵循“算力→大模型→应用”逻辑，国内侧重“数据→算力→大模型→应用”。
  海外企业（如微软、谷歌、Meta）因生态优势及全球化布局，应用落地更快。
• 投资机会：
  随着技术迭代与商业化推进，AIGC有望通过量价提升打开下游增量空间，维持“推荐”评级。

风险提示

1. 技术进展不及预期（如模型性能、算力效率）。
2. 商业化拓展受阻（付费意愿、实际效果）。
3. 行业竞争加剧（巨头与新进入者争夺市场）。
4. 中美科技竞争不确定性（如芯片出口限制）。
5. 测算数据存在假设性，实际可能变动。

核心结论
AIGC通过技术突破与场景创新重构产业格局，微软等企业已率先实现应用落地。算力瓶颈逐步突破，商业模式从MaaS（模型即服务）向垂直解决方案延伸，大模型或成为新流量入口。未来需重点关注技术成熟度、应用场景扩展及企业生态协同能力。