2023年AIGC行业专题报告：站在当前时点，怎么看AIGC板块投资逻辑

每一轮人机交互的变革都会带来产业级投资机会

大模型可能打破流量竞争格局：流量可能重新集中，大模型有望成为新的流量入口

ChatGPT引入插件功能，可实时联网，AI模型实用性进一步加强：北京时间2023年3月 24日，OpenAI官方宣布推出ChatGPT Plugins功能，赋予ChatGPT使用工具、联网、 运行计算的能力，且还开放了OpenAI官方两个插件：网络浏览器和代码解释器。

OpenAI首批已发布11款ChatGPT第三方插件，几乎涵盖各大应用场景，加速拥有自己 的“APP Store”：首批开放支持的插件包括旅游出行插件Expedia、法律知识插件 FiscalNote、生鲜电商插件Instacart、航班酒店租车预订插件KAYAK、在线购物比价 插件Klarna Shopping、AI语音插件Speak、数学知识引擎Wolfram Alpha、在线餐厅 预订服务平台OpenTable，以及自动化平台Zapier等，几乎涵盖衣食住行、工作与学习， ChatGPT生态逐渐丰富。

ChatGPT可通过插件反向丰富自身知识库，突破ChatGPT模型训练数据库日期截止至 2021年9月的信息限制。

ChatGPT开始开放插件功能：截至2023年5月，OpenAI宣布ChatGPT Plus用户不再 需要排队，直接开放使用联网和插件功能，目前总计有70多个第三插件。大部分插件集 中于办公学习、餐饮、住房、购物、旅行和金融商业场景，其余分布在就业服务、社交、 社区服务、网站服务、医疗保健、娱乐、媒体、游戏和运动等场景。第三方插件的涌现进 一步彰显了大模型入口的中心化能力，未来有可能改变移动互联网稳定的流量竞争格局， 并且改变分佣模式。

以GPT-4为例拆分收入与成本

参数量N：GPT-4的参数量为1.8万亿，但GPT-4采用的结构是MoE（Mixture of Experts，混合专家），这意味着GPT-4并不是一个稠密模型，N并不能直接取值为1800B。MoE架构通常由多个专家组成，每个专家负责处理输入数据的不同方面，并拥有自己的参数集（也有一些参数，例如embedding，可以被所有专家共享，即共享参数）。在模型的推理过程中，根据输入数据的不同特征，模型会将输入路由到不同的专家，每个专家根据其参数集处理对应分配到的输入后完成输出，最终输出则是各个专家输出的集成。每个专家的参数大约为1110亿个，每次前向传递中会调用其中两个专家模型。此外，大约有550亿个共享参数被用于注意力机制。综上所述，每次前向推理（生成一个token），仅用了约2770亿个参数（1110×2+550），对应到0.554TFLOPs。

为什么是MoE： GPT-3、PaLM以及Llama等均为稠密模型，但现阶 段的硬件在稠密模型方面已经到达极限，所以不断扩大 模型规模是不切实际的，这主要体现在推理阶段。目前 LLM推理的用例大多是实时助手，这意味着模型必须达 到足够高的吞吐量才能真正对用户有用。以英文为例， 人类的平均阅读速度约为250词/分钟，有些人甚至可以 达到1000词/分钟，对于英文文本，750个单词大约含有 1000个tokens，这意味着模型每秒钟至少需要输出 5.56个tokens（250/750×1000/60），甚至是22.22 个tokens（1000/750×1000/60），才能满足所有用 户的需求。但是，由于内存带宽的限制，即使是在 NVIDA H100 GPU服务器上，对于拥有万亿参数的稠 密模型也无法达到这个吞吐量。MoE这种稀疏架构下的 推理并不需要激活所有参数，因此GPT-4得以用A100 就实现了符合人类阅读速度的推理。

利用率：运行模型的硬件必须实现高利用率，否则成本将过高。考虑一个Batch Size=1的推理，H100 SXM的算力为2000TFLOPs（FP8），但内存带宽仅为3TB/s，假设GPT-4参数的数据类型为FP32，即一个参数需要4bytes存储空间，仅仅是流式传输每个参数就需要约2.98s（3/(277B×4/1024^4)），计算时间与之相比可以忽略不计。这意味着在Batch Size=1的推理中，内存带宽和计算量完全不平衡，绝大多数时间里，计算单元都在等待数据的传输，这造成了硬件利用率的低下。提高BatchSize能够带来利用率的提高，因为多个Batch Size可以分摊参数读取成本，但缺点是更高的延迟和较低的吞吐量。

KV缓存与上下文长度如何制约Batch Size的扩张： 随着Batch Size和上下文长度的增加，KV缓存对内存的需求会激增。采样过程中，Transformer模型会执行自注意力操作（Self-Attention），为此需要为当前序列中的每个项目提取键值（Key-Value，KV）向量，这些向量存储在一个矩阵中，通常被称为KV缓存。KV缓存的作用是为了避免每次采样token时重新计算键值向量。利用预先计算好的K值和V值，可以节省大量计算时间，尽管这会占用一定的存储空间。KV缓存不能在各Batch Size间共享，所以每个Batch Size都有自己对应的KV缓存。对于BatchSize为512，上下文长度为2048的模型，KV缓存的总量为3TB。片上存储器（on-chip memory）需要从片外存储器（off-chip memory）中加载KV缓存，每产生一个token就加载一次，在此期间，计算单元基本上是空闲的，即H100 SXM每产生一个token，就需要花费1s加载KV缓存，硬件利用率低下。因此，如果BatchSize过大，硬件利用率也会因为KV缓存的激增而下降。上下文长度增加也会带来KV缓存的膨胀，这意味着较长的上下文通常需要选择更小的Batch Size，并接受相对高昂的成本，这也是GPT-4 32K上下文比8K上下文收费更高的原因。

为什么GPT-4输出token比输入token更贵： LLM推理一般分为两个阶段：（1）预填充（prefill）阶段，在这个阶段中，首先需要给定一个prompt作为输入，并通过模型运行来生成KV缓存和第一个输出logits。其中，logits是LLM在每个时间步长输出的概率分布向量，用于表示每个token的可能性。预填充阶段因为并行计算通常是很快的；（2）解码（decoding）阶段，在这个阶段中，从输出的logits中选择一个token并反馈到模型中，为下一个token产生logits。如此反复直至产生所需数量的tokens。由于每次解码都必须按顺序进行计算以产生一个token，所以在以较小的Batch Size运行时，序列计算导致算力无法被充分利用，所以解码阶段的硬件利用率很低，也通常是自回归生成中最昂贵的部分。因此，$0.0035/1000tokens实际上是一个平均成本。

微软率先推出Microsoft 365 Copilot，抢跑AI+办公赛道

微软率先将办公软件接入GPT，推出Microsoft 365 Copilot，开创AI办公新时代，Office的护城河进一步得到加深。2023年3月16日，微软宣布将GPT-4接入到Office工具，推出了AI版Office全家桶——Microsoft 365 Copilot。在办公软件竞争加剧，Office市场份额被逐渐蚕食的现状下，Microsoft 365 Copilot的推出让微软再度领跑市场。尽管目前专注于单一功能，如实时转录或文案生成的AI应用层出不穷，但Microsoft 365 Copilot功能丰富，能够完成多种工作任务，获得大模型加持的Office进一步加深了其在办公软件领域的护城河。

随着AI版Office全家桶在B端的商业化落地，Office ARPU有望被逐步抬高，打开产品长期收入增长空间。2023年5月，微软宣布将Microsoft 365Copilot付费抢先体验计划扩展到全球600家企业客户，包括毕马威（KPMG）、阿联酋航空（Emirates NBD）等公司。2023年7月18日，微软在Microsoft Inspire大会上宣布Microsoft365 Copilot将开启全面商用，每个用户$30/月，适用于Microsoft 365 E3、E5、商业标准和高级版。

Copilot能为Office带来多少增量收入

p 收入=订阅用户数×付费率×ARPU

ToB（对应Office 365商业版）：（1）订阅用户数，即商业席位数，根据估算，FY2023Q4约为3.94亿个，最近5年增速趋势性下降，目前趋于平缓。设定5种情景，对应的订阅用户数分别为3.2、3.5、3.8、4.1、4.4亿个；（2）付费率，同样设定5种情景，付费率分别为5%、10%、15%、20%、25%；（3）ARPU，目前Copilot定价为$30/用户/月，超出市场预期，短期提价可能性较低，假设在所有情景下ARPU均为该水平 。 ToC（对应Office 365消费者版）：（1）订阅用户数，FY2023Q4达6700万，最近5年CAGR为18%。设定5种情景，对应的订阅用户数分别为0.60、0.65、0.70、0.75、0.80亿；（2）付费率，Copilot尚未在C端落地，当前付费率为零。同样设定5种情景，付费率分别为2%、4%、6%、8%、10%；（3）ARPU，考虑到C端用户对价格更为敏感，高价必然会压低付费意愿，参照Copilot在B端$30/用户/月的定价，假设C端定价为$20/用户/月。 测算结果：ToB市场的年收入在57.6~396.0亿美元之间，ToC市场的年收入在2.9~19.2亿美元之间。

报告节选：