2023年华西证券中期策略会 美国AIGC非普涨行情的复盘与启示分析

核心观点：

AI革命已经开始，海外更加重视基础设施类和小模型赋能类， 本轮AIGC革命的源动力主要来自AI在自然语言理解增强、输出质量提高、下游应用拓宽、普及性提升等多维度的创新， ChatGPT的发布是一个标志。整体来看，基础设施类公司受到大模型不断迭代及相关应用用户量快速上涨的刺激，因其作为 AI发展不可或缺的硬性基础属性，相关硬件的市场需求快速膨胀，成为四类公司中股价上涨幅度最大的公司类别；其次为 小模型赋能类，作为最不容易被AI替代的软件类别，将充分享受AI带来的效率提高和生产力解放。

基础设施类与AI同步成长， 测算AI芯片潜在市场584亿美元 ，基础设施类公司将持续为AI提供硬件基础设施类，其算力增量市场将随着AI发展快速增长，将在AI产业发展的全期受 益。其中，芯片类公司所提供的AI高算力芯片是AI发展的刚需资源，大模型训练阶段（研究）和推理阶段（应用）均对该 类芯片有庞大需求。算力方面，在训练端，我们测算GPT-4算力需求最高可达31251 PFlop/s-day，对应33651张H100芯片， 合计12.11亿美元，训练端AI芯片市场约为242.29亿美元；按照IDC预测2023年AI服务器训练需求占比达41.5%，在2025年将 降低至39.2% ，则推理端AI芯片市场约为341.54亿美元，AI芯片潜在市场合计584亿美元，市场空间巨大。

小模型赋能类长期受益于AI，差异化私有小模型为革新关键， 在构建了与原有软件适配的小模型后将在长期受益于AI。产品模式将演变为由AI使用软件，企业内部形成小模型。在 AI时代，软件的调用和操作可能将由AI代替人类完成，将大大减少人的介入，提高软件的运行效率和准确性。未来企业将 依赖于定制化的AI算法和内部数据来构建专属于自己的小模型，这些模型能够根据企业的具体需求进行调整和优化。这些 私有小模型将成为企业核心竞争力的关键因素，形成差异化产品。

流程管理类将中期受益，不同类别的流程类软件则会在AI融合程度及方式有所不同， 流程类软件的产业结构将随着工作分工流程变化而产生变化，AI将更多的作为这类软件的大脑进行统筹。我们预测AI 将会大幅改变其产品结构，在产品中更多充当核心调度的统领角色。从市场的角度来看，我们认为大模型巨头或将使流程 管理类软件在AI的作用下整合，行业价值向AI大模型聚集，行业集中度提升。

01、AI革命已经开始，复盘海外AI产业链

1.1、AI发展阶段判断：ChatGPT引动AI革命

AIGC算法经历了从起步阶段到现在的快速发展阶段的演变，本轮AIGC革命与以往AI技术不同几乎已形成了较为一致的 预期，这也是近期市场行情的源动力： 自然语言理解增强：以往AI主要依赖规则和模板生成内容；GPT-3和GPT-4能生成更加流畅、复杂的自然语言。 输出质量提高：AIGC能生成的内容在很多情况下已经可以与人类生成的内容媲美，甚至在某些情况下超过人类。 下游应用拓宽：以往AI主要用于生成简单的文本，AIGC丰富的输出形式带来了更多下游应用的想象空间。 普及性提升：以往AIGC技术主要被大型企业或研究机构使用，自ChatGPT以及相关云服务和API的问世，AIGC技术已经开 始进入企业乃至个人，AI市场得到扩展，同时AIGC反馈于下游行业，使其市场空间也同步扩大。

1.2、AI对产业链颠覆程度不同，现有基础设施类和小模型赋能类最为稳定

我们梳理了各类将受到AIGC影响的公司，并按功能类型将其分为四类：基础设施类、小白调用类、流程管理类、小模 型赋能类。 基础设施类（算法大模型、算力芯片等）：该类公司为AI提供基础资源，不会被AI颠覆，AI的发展将提升对这类公司的 需求。 小白调用类（教育信息化、广告营销、数字媒体等）：这部分的各类基础工具软件将经历深刻颠覆，人类只需自然语言 交互，无需再运用各类小白调用类，该类软件作用将进一步弱化。 流程管理类（企业管理软件、应用程序性能监控等）：这类软件价值在于将人类的工作结构化、流程化，以提升管理效 率，在AI影响下产品结构将大幅改变，AI将更多作为核心调度的统领角色。 小模型赋能类（金融信息化、自动驾驶、网络安全等）：底层设施、计算引擎的专用价值较突出，AI代替人使用这部分 软件而不是直接替代软件。

基础设施类：为AI服务，最为稳固。其提供的是AI所需的基础资源，如核心的算法、为其服务的算力硬件，以及电力 和网络资源等。基础设施类的产品结构不太可能发生改变，同时由于算法壁垒高、硬件资源具有基础性的特点，它们也难 以被其他公司颠覆。 小白调用类：AI打破行业壁垒，短期受益于效率和准确性提升。这类企业的产品结构可能面临较高的改变风险，因为 AI的发展可能使一些传统的工具，如绘图、媒体、营销，变得过时或无效，同时，由于技术进步速度快、竞争激烈，AI打 破了这些行业原有的壁垒，这类企业面临着被巨头企业或创业公司颠覆的较高风险。

流程管理类：中期受益，AI协助流程优化和自动化。这类企业的产品结构可能也面临较高的改变风险，因为AI的应用 可能会改变传统的工作流程和管理方法。此外，由于这个领域的竞争也比较激烈，这类企业面临着被巨头企业或创业公司 颠覆的中等风险。 小模型赋能类：AI服务于软件长期受益，逐步转变为AI使用软件。AI可以提高这类SaaS软件的使用效率，使其能够更 好地服务于用户。这类企业的产品结构改变风险相对较低，因为即使在AI的影响下，人们依然需要使用游戏引擎、网络防 火墙等软件来完成各种任务。同时，由于这类企业通常有较强的技术和市场基础，它们面临被巨头企业或创业公司颠覆的 风险也相对较低。

1.3、海外股价复盘：整体趋势一致，基础设施类和小模型赋能类涨幅最高

我们将海外与AI相关的重点标的（合计74家）按照前述分类方法分为四类，并按市值加权的方法计算了四类公司自 ChatGPT发布后的股价涨跌走势图。可以看出，伴随ChatGPT及生成式AI衍生应用的火爆，这四类公司股价均在去年12月以 来出现整体趋势相近的上涨。 从具体涨幅上看，自2022年12月1日以来，基础设施类公司上涨幅度最大，为22.79%。流程管理类公司和小模型赋能 类公司上涨幅度近似，分别为15.74%和16.92%。小白调用类公司上涨幅度排名第四，为5.34%。相比之下，纳斯达克100指 数同期涨幅为9.29%。

整体来看，基础设施类公司受到大模型不断迭代及相关应用用户量快速上涨的刺激，因其作为AI发展不可或缺的硬性 基础属性，相关硬件的市场需求快速膨胀，成为四类公司中股价上涨幅度最大的公司类别；其次为小模型赋能类，作为最 不容易被AI替代的软件类别，将充分享受AI带来的效率提高和生产力解放。

02、基础设施类：资源需求随AI增长，在AI发展全期受益

2.1、基础设施类：为AI提供基础设施类，需求随AI发展快速增长

基础设施类公司将持续为AI提供硬件基础设施类，其增量市场将随着AI发展快速增长。其中，芯片类公司所提供的AI 高算力芯片是AI发展的刚需资源，在大模型训练阶段（研究）和推理阶段（应用）均对该类芯片有庞大需求。 GPU在并行计算方面具有性能优势，在AI领域分化成两条分支：一条是传统意义的GPU，专门用于图形图像处理用途； 另一条是GPGPU，作为运算协处理器，增加了专用指令来满足不同领域的计算需求。使用GPGPU在云端进行模型训练算法能 够显著缩短海量训练数据的训练时长，减少能源消耗，从而降低人工智能的应用成本，目前全球人工智能相关处理器解决 方案仍以GPGPU为主。

目前，主流大模型所运用的人工智能芯片大多为英伟达A100芯片，而英伟达推出的最新一代H100芯片在计算速度上较 A100芯片有较大提升，其计算速度约为A100的3倍（67 TFLOPS/ 19.5 TFLOPS），进一步助力AI模型的迭代发展。

2.2、AI算力需求测算：AI芯片潜在市场584亿美元，市场空间巨大

大模型算力需求主要分为训练端和推理端，据IDC预测，2023年AI服务器训练需求占比达41.5%，随着大模型的应用， 该比例在2025年将降低至39.2%。 1）训练阶段：基于充裕的数据来调整和优化人工智能模型的参数，使模型的准确度达到预期。训练阶段常常需要处 理大量数据集、做反复的迭代计算，耗费巨大的运算量。 2）推理阶段：训练阶段结束以后，人工智能模型已经建立完毕，可用于推理或预测待处理输入数据对应的输出（例 如给定一张图片，识别该图片中的物体）。

2.3、基础设施类：各家巨头大模型百花齐放，算法竞争格局不确定性强

自ChatGPT推出以来，众多科技大厂已经陆续推出自家大模型，当前还处于生成式AI的加速成长期，AIGC算法的竞争 格局仍不清晰，后续需紧密跟踪各家大模型的最新进展。 微软：持续投资OpenAI，AI业务高速增长。将对OpenAI新增100亿美元投资，以及一个新的必应互联网搜索聊天机器 人，都将促进微软旗下Azure、搜索广告和办公工具等业务未来销售的策略；Azure OpenAI服务客户数量比上一季度增长了 10倍，达到2500人。面向软件开发人员的GitHub部门三个月前推出了面向企业的AI Copilot代码生成工具，目前已有10000 家组织注册。

谷歌：推出Bard大模型，集团战略围绕AI变革。谷歌于3月发布了Bard大模型，并在美国和英国开始测试。5月11日， 在2023年谷歌I/O大会上，发布会现场，谷歌发布了第二代大语言模型AI语言模型PaLM 2，基于新训练模型升级而来的生成 式AI Bard，以及集成了生成式AI能力的“试验版”谷歌搜索以及智能云等产品。

亚马逊：算力、算法、应用生态三位一体。亚马逊在算力领域已经打造出适合机器学习的“Trainium”芯片，运用于 Inferentia加速器的推算和预测。近期亚马逊推出了 Amazon Bedrock 和 Amazon Titan 模型，既提供自研的大语言基础 模型—— Amazon Titan Text 、Amazon Titan Embeddings，也与 AI21 Labs、Anthropic、Stability AI 等基础模型提 供商广泛合作，助力企业轻松灵活构建生成式 AI 应用，降低所有开发者的使用门槛。 Meta：发布开源大模型，持续为元宇宙布局。Meta已经发布了开源的大型语言模型LLaMA，是一个开源的、专注于研 究使用场景的非商业大语言模型，LLaMA仅用约1/10的参数规模，实现了匹敌OpenAI GPT-3等主流大模型的性能表现；4月 份Meta又发布了图像分割基础模型SAM和视觉大模型DINOv2。Meta在视觉领域重点发力，可以将这些模型用于制作更具沉浸 感的元宇宙。

03、小白调用类：短期被AI改变，发生AI颠覆

3.1、小白调用类替代方式：AI颠覆，逐步替代原有工具

小白调用类将短期被AI改变，发生AI颠覆。与传统的低代码工具和简单计算引擎相比，AI将使小白调用类更智能、高 效。在AI的支持下，小白调用类只需接收人类的自然语言输入或“目标”，即可自动完成翻译任务，降低人工干预需求， 提高翻译准确性与速度。AI还能更好地理解和处理语境，准确把握文本的语义和情感，减少误译，从而进一步增强小白调 用类的价值。

3.2、广告营销：AI替代已经开始，行业向头部集中

AI赋能方式：生成式AI可以帮助广告和营销专业人士更有效地制定策略和传播信息。AI可以分析大量数据，了解消费 者的需求和行为，从而帮助广告商和营销人员制定更精准的目标受众和推广策略；生成式AI还可以用于创建个性化广告和 营销内容，提高广告的吸引力和用户参与度。

大模型巨头替代可能：随着AIGC大模型的技术和商业化加速成熟，互联网行业被重新塑造，作为与场景交互、内容创 作和数字化都紧密相关的广告营销行业，也必将发生改变，可能会大量解放内容创作生产力，形成以大模型为核心的营销 供应链，颠覆现有的工作模式。 创业公司改变可能：Jasper AI是一家基于GPT-3 API开始构建应用的SaaS企业，主要业务是帮助企业和个人用户写营 销文案和AI绘画。2022年10月，Jasper获得1.25亿美元A轮融资，估值达到15亿美元，而去年的收入达7500万美元，从诞生 到成为独角兽，仅用了18个月。Jasper AI作为较早拥抱AIGC进行广告营销的先驱，其可能引领AI时代的广告营销应用。

3.3、教育信息化：在线教育开始替代，其他领域逐步赋能

AI赋能方式：对于学校，AIGC将提供自动课程设计、在线教育工具、多样化内容输出等可能性；对于教师，AIGC可以减轻课程 设计和辅导的负担，提供多样化的教学形式和创新的教学方案；对于学生，AIGC提供了个性化教育、智能辅导，以及学习管理，这 些都能够帮助他们获得更多样化和个性化的学习内容和方式，提高学习兴趣和动力，增强学习效果和成绩，培养学习能力和素养。 原有参与者：Chegg（CHGG.N）是一家在线教育平台，主要提供面向全学习阶段的习题解析服务。近日其宣布推出基于GPT-4的 学习服务CheggMate，将利用Chegg的个性化学习平台、专有数据集和GPT-4的先进的解决问题能力，创建一个基于人工智能会话的学 习伴侣。

大模型巨头替代可能：自然语言大模型均能实现回答学术相关问题，从小学数学题到大学作业，Chegg市场份额已经受到 ChatGPT显著影响，未来在线习题解析可能最先被通用大模型替代，而其他领域也将逐步与AI融合。

3.4、设计/图像：创业公司开始占领市场

AI赋能方式：生成式AI可以在设计和图像领域带来革命性的变化。通过使用AI生成的图像、3D模型和设计元素，设计师可以更快速、 更有效地完成工作。此外，生成式AI还可以帮助设计师根据用户需求和喜好进行个性化设计。这将大大提高设计的质量和创新力，同时 降低成本。 原有参与者：Adobe（ADBE.O）推出了名为Firefly的AI创意工具，基于GPT-3的技术研发而成，能以类似人类创意过程的方式来生 成大量的创意性文本和可视化元素。

大模型巨头替代可能：OpenAI Dall-E图像模型具有约35亿个参数，其能根据自然语言获得高质量的图像和令人印象深刻的艺术形 式，相比于Adobe设计软件，其编辑仅需要使用自然语言，设计门槛大幅降低。 创业公司改变可能：Midjourney和Stable Diffusion已经开始逐步占领AI绘图和设计市场，其实现了AI图像设计从0到1，二者年初 至今的日浏览量分别增长了74.72%、1031.48%。

3.5、通信：AI可为现有工具赋能，可能迎来创业公司突破

AI赋能方式：生成式AI可以为通信行业带来新的机遇。例如，自然语言生成（NLG）技术可以帮助企业自动生成新闻稿、社交媒体 帖子和其他类型的通信内容。此外，生成式AI还可以用于小白调用类、情感分析和智能聊天机器人等领域，从而提高沟通的效率和质量。 原有参与者：Twilio（TWLO.N）是一家主营云通信平台的公司，提供拨打和接听电话、发送和接收短信以及使用其Web服务API执 行其他通信功能的可编程通信工具。 创业公司改变可能：大模型将提高通信行业的自动化程度，网络优化、设备调试、基层代码撰写等流程都可由AI完成，通信行业 门槛大幅降低，可能涌现一批AI创业公司实现通信行业的突破。

3.6、办公软件：龙头份额稳固，形成内部颠覆

AI赋能方式：生成式AI可以与办公软件集成，提供更智能的文本生成、编辑和格式化功能，这将大大提高生产力，使 用户能够更快速、更高效地完成任务。 原有参与者：谷歌（GOOGL.O）和微软（MSFT.O）为行业最大参与者，二者市场份额分别达到50.34%、47.90%。微软 正逐步将AI嵌入旗下软件，Office 365 Copilot已经发布，谷歌也开始测试AI产品在办公组件中的使用。谷歌和微软在办 公软件市场份额有着巨大优势，同时二者在大模型的研发与应用上也处于领先地位，预计办公软件长期仍将由这些国际巨 头主导，AI为其原有的产品赋能实现办公效率的飞升。

04、流程管理类：中期受益，AI统筹下产品结构改变

4.1、流程管理类软件赋能方式：产品结构发生变化，中期赋能

流程管理类软件的产品结构将随着工作分工流程变化而产生变化，AI将更多的作为这类软件的大脑进行统筹。这些软 件旨在使人类工作更加结构化、流程化，并采用最佳方法论进行规划，如企业管理类软件、应用程序性能监控等。在AI时 代，人类分工受到更大影响，工作流程会发生改变，甚至部分环节可能被AI取代。劳动力结构变化及流程AI化将导致最佳 流程规划发生重大变革。 对于流程管理类软件而言，我们预测AI将会大幅改变产品结构，在产品中更多充当核心调度的统领角色，从市场的角 度来看，流程管理类公司在AIGC普及后将会存在一定时间来推动其产品结构发生变化，融入AI赋能，而不同类别的流程类 软件则会在AI融合程度及方式有所不同。

4.2、企业管理类软件：AI统领工作流程，提供预测

AI赋能方式：在CRM软件中AI提供对业务和客户的预测能力，提升营销效率；在ERP软件中AI可优化企业核心业务流程， 提升企业管理效能。 现有参与者：Salesforce（CRM.N）近期发布的Einstein智能为各角色用户提供定制化服务，帮助销售、服务和营销 人员通过数据分析提高工作效率；思爱普（SAP.N）的SAP Business Technology Platform将AI智能融入到企业管理的各项 流程之中，包括销售线索到收款、设计到运维、寻源到付款以及招聘到退休，提升企业各项资源应用效能。 大模型巨头替代可能：微软已经推出了Dynamics 365 Copilot，整合了CRM和ERP系统，通过生成式AI技术自动完成繁 琐任务，提高客户体验、员工体验和运营效率。我们认为未来CRM和ERP系统可能在AI的作用下整合，行业价值向AI大模型 聚集。

4.3、APM：全栈式自动化监测，AI实现自我调节闭环

AI赋能方式：随着AI更加智能，APM（应用程序性能监控）不光可以更快的发现并解决问题，还可以更加实时的解决 问题。工具集作为变种的低代码工具会逐渐失去价值，随着产品结构改变，后面或将不需要方便人类理解问题的展示板， 数值分析结果等，无需再考虑监控结果可视化问题，而变成机器根据数据匹配规则，套用解法，直接对问题进行处理，进 行AI自我调节的闭环。 现有参与者：Dynatrace（DT.N）提供的基础设施类监测服务不仅能提供基于人工智能技术的解答、涵盖云原生和混 合环境，还能持续监控主机、虚拟机、容器、网络、事件及日志等各部件运行情况。具备人工智能能力的一体化云基础设 施类解决方案整合了多种工具，可以随时发现各种异常和性能下降情况并提供解决方案。

05、小模型赋能类：长期受益于AI，小模型为革新关键

5.1、小模型赋能类：演变为AI使用软件，长期赋能

将演变为AI使用软件，企业内部形成小模型。小模型赋能类的价值在于提供工具或服务，在AI时代，这类软件的使用 方式可能会发生根本性的改变，软件服务于AI，AI为其提供正向赋能，并且随着AI的发展，软件可能会从人调用转变为AI 调用，即软件的调用和操作将由AI代替人类完成，将大大减少人的介入，提高软件的运行效率和准确性。未来企业将依赖 于定制化的AI算法和内部数据来构建专属于自己的小模型，这些模型能够根据企业的具体需求进行调整和优化。这些私有 小模型将成为企业核心竞争力的关键因素，形成差异化产品。

5.2、数据处理、数据云：AI重要资源，需求有望抬升

AI时代，数据库的使用流程将被颠覆。AI将很快对齐能力，完成目标到Query的拆解，并且生成SQL/Python/Java等各 类数据库可以使用的语言。相比上下文逻辑复杂、有非常多前置条件和理解难度的应用编写环节，数据库语言代码量简单， 对上下文的要求低，未来很可能被AI大幅替代。未来数据库查询的门槛将大幅降低，尤其是数据仓库查询，不再需要熟练 SQL等语言，在未来互联网中的各个职能，包括产品经理、运营、市场、销售，都可以通过自然语言完成交互。

5.3、ITSM：AI赋能IT服务，实现企业IT运维自动化

AI赋能方式：AI将融合到IT服务管理之中，改变传统的人力为主的运维流程，实现流程自动化。 现有参与者：Servicenow（NOW.N）的产品已搭载Now Intelligence的AI功能，用于自动化信息技术和客户支持任务。Now Intelligence利用对话式智能助手为客户和员工提供上下文意识建议和服务，自动化重复任务，使用户专注于战略性工作。通过跨 系统连接，助手触及相关人员。AI自主发现并解决日常任务，仅在重大事件时提示运维人员并提供解决方案，显著减少重复性工作。

5.4、游戏引擎：游戏制作获得AI赋能，创作门槛大幅降低

AI赋能方式：游戏引擎类似于数据库，有极高的引擎壁垒和专用优势，大模型很难走到替代底层的阶段。在AI的影响下，开发游戏将 可以直接使用自然语言，对上下文的要求不高使得开发效率大幅度提升，目前多家游戏公司都已经走入应用阶段；并且图像大模型也可以直 接嵌入到原画生产中，进一步提升游戏公司的开发效率；另一方面，AI大幅度降低了SMB开发者的开发门槛，长尾游戏生成效率显著提高。 原有参与者：在全球电子游戏市场份额前十名中，腾讯、微软、谷歌均已发布自家大模型，后续有较大可能将其融入游戏开发流程及 游戏内部，实现开发效率以及游戏沉浸感提升。

06、对国内映射：重点关注基础设施类和小模型赋能类

6.1、海外AIGC认知更加成熟，推荐基础设施类和小模型赋能类

海外AIGC认知更加成熟，投资逻辑可映射国内。AIGC从ChatGPT开始走进大众视野，但事实上，海外对AIGC的研究已 经持续数十年，海外对于AIGC的认知相对更加成熟，因此在市场表现上海外的投资逻辑可映射国内。 海外来看，从逻辑和市场表现上均映证了全期受益于AI的基础设施类和长期受益于AI的小模型赋能类有更高的投资价 值，我们整理了前述细分领域下海外的主要参与者及国内对应公司，后续建议密切跟踪对比这些公司的逻辑，来预测AIGC 行业的发展趋势。

6.2、基础设施类：国产化是大趋势，或将形成差异化产品

资源国产化为大趋势，算法算力国内加速追赶。当前国内字节、百度、阿里、腾讯均涉猎芯片行业，不仅是因为供给 端高端AI芯片进口受限，同时也是因为需求端软硬一体是未来互联网公司和云计算厂商的必由之路，底层硬件设施直接影响 着上层软件的性能，从而形成各厂商的差异化战略。因此我们认为虽然国内在算法和算力的硬实力上与海外仍有差距，但 各大互联网巨头从算力、算法上同时出发，将形成差异化竞争路线。

（本文仅供参考，不代表我们的任何投资建议。如需使用相关信息，请参阅报告原文。）