2024年人工智能行业专题报告：一年后再看美国AIGC普涨行情-新质生产力初步验证，AI赋能而非替代

AI革命已经开始，复盘海外AI产业链

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。

AI发展阶段判断：小白调用类已经成熟，颠覆正在进行时

自然语言大模型最为成熟，下游颠覆已经开始。随着ChatGPT、Bard、文心一言、盘古等大模型逐步开放使用，当前 生成式AI在国内外自然语言领域的应用已经相对成熟，排名靠前的大模型在语义理解上已经超越了人类平均水平，并且知 识广度惊人，其在各种领域和行业中已经具有广泛的应用潜力。 我们认为AI对于下游行业的赋能乃至颠覆已经开始，各类产业将按其与AI的关系开始受到AI影响。

AI对产业链颠覆程度不同，基础设施类和小模型赋能类最为稳定

我们认为基础设施类、小白调用类、流程管理类、小模型赋能类这四类公司将会按照其产 品结构改变的可能性大小，对应其在AI发展浪潮中的受益周期。现有产品结构越容易被AI改变的 公司，其将在越短期受到AI影响。

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。

基础设施类：最具确定性 资源，在AI发展全期受益

算力：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。

AI算力需求测算回看：测算基本一致，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在2023年初的预测，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%，我们在2023年初参考这个比例做了如下测算： 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）。 训练端：以GPT3为例，根据OpenAI，其模型参数量为1750亿个，每个token（token即服务端生成的字符串，用作客户 端请求的令牌）的训练成本通常约为6N FLOPS（FLOPS为每秒浮点运算次数，用于衡量计算速度，N为大模型参数量）。考 虑GPT-3是在3000亿token上进行训练的，可以得出测算结果需要算力为3646 PFlop/s-day。根据谷歌公布，在训练 PaLm540B过程中，模型FLOPS利用率为46.2%，我们假设GPT3 FLOPS利用率相同，按照训练时间为1个月，H100 芯片算力约 为67 TFLOPS计算，可得出其需H100芯片3926张，以H100单卡售价3.6万美元计算，合计1.41亿美元。据ARK Invest预测， GPT-4参数量最高达15000亿个，而参数量与算力需求呈正比，则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。按照各大厂推出类似模型合计20个计算，训练端AI芯片市场约为242.29亿美元。

大模型：一超多强格局基本稳定，国产模型发展主要受算力限制

海外模型中ChatGPT浏览量仍占绝对优势，周活已超过4亿次，谷歌Gemini在多次更新后浏览量也有提升趋势，最新周活达1亿 次，Meta及Anthropic的最新周活分别为42万次/50万次。国内大模型浏览量领先的为文心一言及讯飞星火，最新周活分别为298万次 /84万次。

小白调用类：被AI改变， 发生AI颠覆

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。

广告营销：行业巨头深度应用AI，创业公司热度逐渐下降

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。 大模型巨头替代深度应用：Meta已在其广告业务中深度应用AI技术，根据Meta公布，Meta在2023年底已经在美国完全 推出了Meta AI助手和其他AI聊天体验，并开始在其应用程序家族中测试超过20个GenAl功能。在广告投放方面，Meta通过 采用更庞大、更先进的模型，从排名改进中获得持续的性能提升，并且通过构建Advantage+解决方案组合，以帮助广告商 利用AI自动化他们的广告活动。从业绩反馈上看， 2023年全年Meta实现广告收入1319亿美元，同比增长16%。 创业公司热度逐渐下降：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。作为应用AI技术的先驱，其在2023年初阶段保持着30万左右的较高日活，但随着巨头逐步展现技术 和资源优势，Jasper AI的日活逐渐下滑到不足10万的水平。

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。 行业参与者差异化融合AI：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。2023年4月，其 宣布推出基于GPT-4的学习服务CheggMate，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。2023年12月，其推出自动答疑系统，建立专有算法，优化独家内容的质量和准确性，于今年1月为学生 提供了220多万个解决方案，是去年同期问答数量的三倍。

流程管理类：中期受益， AI统筹下产品结构改变

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，AI从工作流某一环节入手融合，逐步扩展到整个工作流，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，我们预测流程管理类公司在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。

企业管理类软件：AI统领工作流程，提供预测及建议

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。 现有参与者积极融合AI，业绩端初步展现：近期，Salesforce（CRM.N）宣布了Einstein Copilot的公开测试，这是一款面向CRM的 新式定制化、对话式和生成式的AI助手。据公司所述，Einstein Copilot与其他AI产品最大的不同在于其使用客户数据进行决策，从而 提高服务准确性和用户体验。从业绩展望看，公司预计2024年每股收益将在9.68美元至9.76美元之间，高于市场预期的9.61美元。此外， 公司首次宣布发放季度股息，并将其股票回购计划进一步增加了100亿美元。

小模型赋能类：长期受益 于AI，小模型为革新关键

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。

网络安全：微软推出AI副驾，网络安全系统整合难度降低

AI赋能方式：在AI赋能下会进入系统级整合阶段。近年的网络安全趋势是将繁杂的安全设备整合，客户过多的安全产 品给安全运维造成了非常大的难度，随着AIGC的加入，系统整合将更加轻松，内外部数据驱动更加看重。 原有参与者：微软（MSFT.O）是安全领域产品最全、体系最完整、收入最高的参与者，其Security Copilot可持续获 取最先进的OpenAI模型以支持最具挑战性的安全任务和应用，同时微软为其构建了一个安全专用模型，通过持续加强、学 习和用户反馈来满足安全专业人士的独特需求。

报告节选：

编辑：火腿肠