2023年AIGC应用时代下的港股投资布局机会分析

AI技术背景介绍

AI算法不断迭代是AIGC进步的源动力

早期AI：依照实现制定的模板规则进行简单内容制作输出（学习能力低）； 2006年：深度学习算法突破+硬件与互联网海量数据满足训练条件，发展正式 进入轨道（决策性AI)； 2014年：生成式对抗网络（GenerativeAdversarialNetwork,GAN)为代表的深 学习算法提出和迭代更新，AI正式迎来发展新时代。

决策式AI与生成式AI对比

AI模型可大致分为决策式/分析式AI(Discriminant/AnalyticalAI)和生成式AI(GenerativeAI) 两类。 决策式AI：学习数据中的条件概率分布，根据已有数据进行分析、判断、预测，主要应用模型 有用于推荐系统和风控系统的辅助决策、用于自动驾驶和机器人的决策智能体。生成式AI：学习数据中的联合概率分布，并非简单分析已有数据而是学习归纳已有数据后进行 演绎创造，基于历史进行模仿式、缝合式创作，生成了全新的内容，也能解决判别问题。

中国在决策式AI领域发展已经处于第一梯队

在决策式AI方面，中国已经处在第一梯队，中国是发表AI论文最多的国家， 近十年发表9万余篇，占近10年全球AI论文发表总量的22.7%且近10年来占比 逐年增加，在2021年AI受关注论文居前十的企业中，中国企业占到4家；

中国在生成式AI领域发展存在不足

中国的生成式AI处于发展的初期，底层技术和国外还有较大的差距。国外芯 片龙头公司的断供及次品供应使得中国生成式AI的基础硬件提供不了足够算 力。

AIGC技术发展

AI技术累计融合催生AIGC技术爆发

2014年GAN生成算法模型推出，为早起最著名的生 成模型，并不断迭代不同衍生架构，广泛应用于生 成图像、视频、语音和3D模型等。 2015年扩散模型（DiffusionModel）模型推出，现 在主流的图形生成软件模型基础均为扩散模型， 2021年OpenAI发表论文证明了这个结论； 2017年Transformer模型推出：基于自注意力机制 的神经网络模型，最初用于文本翻译任务，可以用 在自然语言处理（NLP）和计算机视觉（CV）领域 ，后来GPT-3等预训练模型（基于大量数据训练的 具有巨量参数的模型，可以适应下有任务）都是基 于Transformer模型建立； 2021年CLIP模型推出：进行自然语言理解和计算机 视觉分析，用标记好的“文字-图像”训练数据。 在多模态技术支持下，目前预训练模型多种多样， 这些AIGC模型成为自动化内容生产的工具。

AIGC具备商业化优势

便捷性：大型语言和图像Al模型可用于自动生成内容，例如文章、博客或社交媒体帖子，对于定期 创建内容的企业和专业人士来说，这是一种宝贵的节省时间的工具；优质性：AlGC生成的内容可能比人类创建的内容质量更高，因为人工智能模型能够从大量数据中学 习并识别人类可能看不到的模式。这可以产生更准确和信息更丰富的内容； 多样性：AIGC模型可以生成多种类型的内容，包括文本、图像和音视频、3D内容等等。这可以帮助 企业和专业人士创建更多样化、更有趣的内容，从而吸引更广泛的人群。 低成本：内容制作的成本显著降低、效率显著提高，不需要专业人士，以百倍以上的速度和效率， 创造出有独特价值和独立视角的内容。

AIGC市场规模空间

目前AIGC在内容生成领域的渗透率不过低，根据Gartner的估算，2025年AIGC产生的 数据将占10%；同时根据量子位智库的估算，预计到2030年，AIGC市场规模将超过万 亿人民币规模。

AIGC产业应用

AIGC在内容创作领域的应用

AICG大幅度降低了数字内容生产的成本，打破了数字内容生产受到人类想象能力和知识水平的限制，广泛应 用于文本生成、音频生成、图像生成、视频生成、跨模态生成及游戏领域，其广泛应用能够满足数字经济时 代日益增长的数字内容供给需求。

AIGC商业化进行时

文本：最先进和最难理解的，随着时 间推移和模型的改进应该可以看到更 高质量的输出、更长的内容和更好的 AI生成文本内容； 代码生成：短期对开发端带来重大影 响，也能够降低开发门槛； GitHubCopilot现在在安装它的项目 中生成了近40%的代码。但更大的机 会可能是为消费者开放编码。学习 Prompt（提示）可能会成为最终的高 级编程语言； 图像生成：不同风格的美术可以快速 建立素材库，降低购买版权成本，提 供创意方向； 语音合成：目前已经存在一段时间（ 类似Siri），但消费者和企业场景越 来越高端和复杂； 视频和3D游戏：素材构建成本大幅降 低；

科技巨头积极布局

国内外科技巨头在生成式AI领域多有布局。国内公司百度、腾讯、阿里、华为、商汤等及国外 公司谷歌、Meta、微软等均推出了生成式AI的应用产品，其中微软旗下Open AI推出的GPT-4和 ChatGPT最为出圈。

国内AIGC产业链集中在中游

根据量子位智库 的报告，我国的 AIGC产业尚未发 展成型，中外公 司整体差差距3年 左右，底层技术 差距是核心； 我国的AIGC是巨 头公司的边缘业 务，用于辅助主 业；独立运行的 初创公司数量明 显少于国外； 国外AIGC商业化 变现逐渐成熟： API接口按量收费 ；产出内容收费( 图片）；软件对 外出售（写作软 件AXSemantics) 等，但国内商业 化场景大多处于 针对C端客户吸引 流量阶段。

AIGC引发的算力需求激增

整体而言，AI大模型时代的算力需求增长已经远超历史预期。据OpenAI测算，自2012年以来 ，全球头部AI模型训练算力需求3-4个月翻一番，每年头部训练模型所需算力增长幅度高达 10倍。而摩尔定律认为，芯片计算性能大约每18-24个月翻一番，因此两者间的不匹配势必 将带来对算力基础设施需求的快速增长。

2030年AIGC市场规模预估近万亿

根据亿欧智库估算，AIGC从商业潜力培育到商业成熟落地要发展近十年时间，2022年为AIGC 商业化的奇点时间，2030年成熟期后对产业赋能和商务能力提升的价值可达万亿规模。

报告节选：

（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。）