去年我们在AIGC首篇深度报告《AIGC：Web3时代的生产力工具》中阐述了该技术的变革及带来的产业变化，随着ChatGPT的走火，大家经常问起：AIGC的商业化之路怎么走？AIGC如何赚钱？——我们访谈了数十家国内外的AIGC团队，同时看到1月初微软宣布了与OpenAI的深度合作，将AI技术整合进现有产品，并为开发者提供AzureOpenAI云服务，允许其开发自己的AI应用，AIGC曙光已现，本文将着重探讨其商业化之路。
　　AIGC带来的商业模式变革——AI的显性化。随着自然语言技术（NLP）进一步降低AI的使用和触达门槛，以及伴随着AIGC生成算法的优化与改进，我们发现AIGC的商业化落地速度和效果表现将超预期，一些如Jasper这样的初创企业已经开始产生了营收。这意味着AI正以越来越显性的方式产生商业模式。AI已经不再像过去那样与硬件、系统等一起打包进行商业化落地了。对于普通人来说也不再是一门遥不可及的尖端技术。
　　To B仍是AIGC的主要商业模式。虽然AIGC使C端用户以较低的门槛使用AI生成内容，但就目前来看，to B仍然是核心商业模式。对于B端客户来说，他们的需求和付费意愿是较为稳定的，这主要有以下两个核心原因：对于B端带来的效率提升和成本下降，如用AIGC抓取信息后根据已有模板完成新闻或一些产品的测评；能够填补原本很难完成的需求鸿沟。
　　面向C端的AIGC，以SaaS订阅为主。随着AI模型与算力的发展突破了可用的临界点，AIGC对个体的赋能也不容忽视，且将以SaaS订阅为主。第一是作为效率工具，AIGC产品能够在信息获取、格式整理和工作流等各个流程提高个人用户的效率；第二是作为创作工具，像剪辑、修图软件一样，AIGC能够大幅度降低大众用户的创作门槛。效率工具例如Notion发布的NotionAI，尤其值得关注AI模型作为基础设施集成到已有的工作流中。
　　AIGC未来应用普及的背后，将产生巨大的算力市场。根据OpenAI的研究，AI训练所需算力指数增长，且增长速度超越硬件的摩尔定律。AI模型大算力的背后需要高昂的算力成本，GPT-3训练的算力成本超过400万美元。尽管AI模型往往会选择开源，但数据集和训练成果是一个团队的内部资产，这意味着每个AI产品都需要支付自己的训练成本。在未来AIGC随着B端和C端的商业化落地的实现，算力集群的建设和云服务都会受益，同时考虑到英伟达A100、H100出口受限，相关国产算力芯片将有机会获得增量市场。
　　AIGC社区的价值。近期在与各个创业团队的沟通过程中，我们发现行业一个重要的关注点会放在AIGC与Web3.0的结合，以及AIGC与社区的融合。AIGC让用户的创作门槛的降低，有助于加强社区的互动和发展，同时降低了平台的内容成本。社区用户对内容的探讨与偏好能为AIGC模型提供优质的反馈，以便后续优化增强产品力。NFT能够确权作品和链接社区，AIGC与NFT社区的结合探索，或将产生值得期待的商业创新。
　　AIGC投资框架：软硬件与数据集。生成算法、NLP与算力决定AIGC能否运行，而高质量的数据集决定了AIGC质量与商业模式。软件层面主要包括自然语言处理技术：谷歌、微软、科大讯飞、拓尔思；AIGC生成算法模型及数据集：英伟达、Meta、百度、蓝色光标、视觉中国、昆仑万维。算力层包括：中兴通讯、澜起科技、新易盛、天孚通信、宝信软件、中际旭创等。
　　风险提示：技术创新不及预期；政策监管风险。
　　

研究报告全文：证券研究报告行业深度2023年01月28日区块链AIGC的商业化之路展望去年我们在AIGC首篇深度报告AIGCWeb3时代的生产力工具中阐述增持维持了该技术的变革及带来的产业变化随着的走火大家经常问起ChatGPTAIGC的商业化之路怎么走AIGC如何赚钱我们访谈了数十家国内外的AIGC团队同时看到1月初微软宣布了与OpenAI的深度合作将AI行业走势技术整合进现有产品并为开发者提供AzureOpenAI云服务允许其开发自己的AI应用AIGC曙光已现本文将着重探讨其商业化之路通信沪深30016AIGC带来的商业模式变革AI的显性化随着自然语言技术NLP进一步降低AI的使用和触达门槛以及伴随着AIGC生成算法的优化与改进0我们发现AIGC的商业化落地速度和效果表现将超预期一些如Jasper这样-16的初创企业已经开始产生了营收这意味着AI正以越来越显性的方式产生商业模式AI已经不再像过去那样与硬件系统等一起打包进行商业化落-32地了对于普通人来说也不再是一门遥不可及的尖端技术2022-012022-062022-09ToB仍是AIGC的主要商业模式虽然AIGC使C端用户以较低的门槛使用AI生成内容但就目前来看toB仍然是核心商业模式对于B端客户作者来说他们的需求和付费意愿是较为稳定的这主要有以下两个核心原因对于B端带来的效率提升和成本下降如用AIGC抓取信息后根据已有模板分析师金郁欣完成新闻或一些产品的测评能够填补原本很难完成的需求鸿沟执业证书编号S0680521070002邮箱jinyuxingszqcom面向端的以订阅为主随着模型与算力的发展突破了CAIGCSaaSAI分析师宋嘉吉可用的临界点对个体的赋能也不容忽视且将以订阅为主第AIGCSaaS执业证书编号S0680519010002一是作为效率工具产品能够在信息获取格式整理和工作流等各个AIGC邮箱songjiajigszqcom流程提高个人用户的效率第二是作为创作工具像剪辑修图软件一样相关研究AIGC能够大幅度降低大众用户的创作门槛效率工具例如Notion发布的NotionAI尤其值得关注AI模型作为基础设施集成到已有的工作流中1通信运营商大周期下有哪些投资机会2023-01-15AIGC未来应用普及的背后将产生巨大的算力市场根据OpenAI的研究AI训练所需算力指数增长且增长速度超越硬件的摩尔定律AI模型大算2通信重视运营商大周期下的投资机会2023-01-09力的背后需要高昂的算力成本GPT-3训练的算力成本超过400万美元尽3区块链微软联手OpenAIAIGC变革搜索行业管AI模型往往会选择开源但数据集和训练成果是一个团队的内部资产2023-01-08这意味着每个AI产品都需要支付自己的训练成本在未来AIGC随着B端和C端的商业化落地的实现算力集群的建设和云服务都会受益同时考虑到英伟达A100H100出口受限相关国产算力芯片将有机会获得增量市场AIGC社区的价值近期在与各个创业团队的沟通过程中我们发现行业一个重要的关注点会放在AIGC与Web30的结合以及AIGC与社区的融合AIGC让用户的创作门槛的降低有助于加强社区的互动和发展同时降低了平台的内容成本社区用户对内容的探讨与偏好能为AIGC模型提供优质的反馈以便后续优化增强产品力NFT能够确权作品和链接社区AIGC与NFT社区的结合探索或将产生值得期待的商业创新AIGC投资框架软硬件与数据集生成算法NLP与算力决定AIGC能否运行而高质量的数据集决定了AIGC质量与商业模式软件层面主要包括自然语言处理技术谷歌微软科大讯飞拓尔思AIGC生成算法模型及数据集英伟达Meta百度蓝色光标视觉中国昆仑万维算力层包括中兴通讯澜起科技新易盛天孚通信宝信软件中际旭创等风险提示技术创新不及预期政策监管风险请仔细阅读本报告末页声明2023年01月28日内容目录1AIGC带来的商业模式变革AI的显性化32ToB仍是AIGC的主要商业模式63面向C端的AIGC以SaaS订阅为主84AIGC背后的算力生意115AIGC社区的价值未来的金矿126投资策略AIGC的软硬件与数据集13风险提示14图表目录图表1微软与OpenAI深化合作3图表2AI安防市场规模4图表3Jasper收费模式5图表4Jasper用户评价5图表5路透社AI撰写新闻稿6图表6二次元产业图谱7图表7ChatGPT使用截图8图表8官网展示应用场景9图表9NotionAI集成到现有的应用中9图表10内容生产的发展趋势10图表11AI模型所需要的算力增长趋势11图表12历史上知名的AI模型所需要的训练算力12图表13算力的硬件成本错误未定义书签图表14无界AI的创意大赛13图表15AIGC投资标的错误未定义书签P2请仔细阅读本报告末页声明2023年01月28日微软与OpenAI深化合作AIGC商业化加速到来1月23日微软官方宣布在与OpenAI将进一步深入合作将在未来数年内追加投资数十亿美元以加速AI技术推向大众微软正在迅速推进OpenAI的商业化将目前的ChatGPTDALL-E等AI工具整合进微软旗下的全部软件例如BingOffice等为用户带来更高效的交互体验更值得关注的是微软将提供AI云服务AzureOpenAI允许开发者在OpenAI的模型基础上搭建自己的应用从而加速AI技术的商业化落地此举可见OpenAI作为AIGC行业龙头已开始商业化之路一方面自己作为模型基础设施赋能搜索引擎办公软件提高效率和用户黏性另一方面借助合作伙伴的算力基础设施为后续底层硬件拓展打牢基础图表1微软与OpenAI深化合作资料来源Microsoft官方博客国盛证券研究所我们在此前的深度报告AIGCWeb3时代的生产力工具中讨论了AIGC的技术变革以及应用场景随着产品落地及场景的拓展越来越多的市场关注将集中于商业模式的探讨即一个很关键的问题AIGC如何赚钱通过行业访谈我们认为2023年将是AIGC的商业化加速之年AIGC有望走近大众的生活工作中1AIGC带来的商业模式变革AI的显性化AI的显性化是我们最近产业交流中的最深刻感受AI虽已发展多年但在诸多领域的应用更像经过专业学习的专科生而今基于大模型的AIGC更像接受过通识教育的研究生虽然在发展初期在特定专业领域功能有限却有着更强的可拓展性因此我们预计当2023年GPT4模型发布之后AIGC将成为全球性的趋势底层的大模型与数据集将成为下一个科技时代真正意义上的IT基础设施既有垂直领域的价值也不容忽视正如OpenAI与微软的合作通用AI的显性化趋势将日益显著AI具有通过自动执行各种任务提高效率和启用新的经营方式来转变商业模式的潜力以下是人工智能如何改变商业模式的一些方式自动化AI可以自动执行各种任务例如数据输入客户服务和供应链管理这可P3请仔细阅读本报告末页声明2023年01月28日以减少对人力的需求并提高效率从而完成降低成本并增加利润的目的改进决策制定AI可以分析大量数据并提供有助于企业做出更好决策的见解例如人工智能可用于优化定价识别新机会和预测客户行为个性化AI可用于为个人客户提供个性化的产品和服务这可以帮助企业更好地瞄准他们的营销工作并提高客户满意度新商业模式AI可以实现以前不可能实现的新商业模式如AI驱动的聊天机器人可以让企业提供247全天候客户支持即使在他们关闭时也是如此在此之前我们关注到的AI主要集中于安防网络监测等领域2020年AI安防领域达到了453亿的市场规模是商业落地速度最快且容量最大的赛道之一预计这一规模将在2025年达到900亿但这一领域基本都是同硬件和系统一起打包提供图表2AI安防市场规模资料来源艾瑞咨询国盛证券研究所而随着自然语言技术NLP进一步降低AI的使用和触达门槛以及伴随着AIGC生成算法的优化与改进我们发现AIGC的商业化落地速度和效果表现都很好一些如Jasper这样的初创企业已经开始产生了营收这意味着AI正以越来越显性的方式产生商业模式以成立于2021年的Jasper为例其成立当年营收就达到了4500万美元并收获了7万名用户2022年营收也预计7500万美元从Jasper的官网上看到它是以类SAAS服务的形式进行收费分为初级高级和订制三个模式而国内部分领先的AIGC公司在用户规模内容生成量上在2022年亦快速起步预计2023年开始产生营收及盈利并非难事但能否形成SaaS订阅模式尚待观察P4请仔细阅读本报告末页声明2023年01月28日图表3Jasper收费模式资料来源Jasper国盛证券研究所再以Jasper为例其不仅融合了多种模型算法包括GPT3NeoXT5等并在此基础上根据实际业务需求使用量身定制学习模型构建界面和原始工作流程使AI更易于日常使用同时由于融合了多种模型它能够区分特定用例或行业的最佳模型组合这种方式有助于避免过度依赖任何一个来源并使最终产出效果更好Japer的使用界面上可以看到其提供了数百种垂直领域的模板如新品推广邮件模板等这样的设计能够更进一步地帮助用户完成精准的输出更好地吸引用户来使用这也是为何成立两年Jasper就能吸引到IBMAirbnb这样的大客户的原因图表4Jasper用户评价资料来源Jasper国盛证券研究所随着技术的进步AI已经不再像过去那样与硬件系统等一起打包进行商业化落地了对于普通人来说也不再是一门遥不可及的尖端技术AI变成了一个普通人也可以轻松运用提升效率的工具这预示着AI的商业模式更加显化P5请仔细阅读本报告末页声明2023年01月28日2ToB仍是AIGC的主要商业模式虽然AIGC使C端用户以较低的门槛使用AI生成内容但目前来看toB仍然是核心商业模式对于C端用户来说缺乏长期持久的需求大多数只是一时兴起的好奇体验而对于B端客户来说他们的需求和付费意愿是较为稳定和长久的这主要有以下两个核心原因降低成本AIGC替代了部分原本应该由原创人员承担的工作例如网站内容编辑美工等假设人工成本在100万而AIGC能够降低50以上那么企业将有充足的动力进行机器替代其实这一过程正在发生尤其在一些垂直领域例如体育金融汽车等早在2018年路透社就启用了一款AI新闻撰稿工具LynxInsightService主要目的是将编辑工作中机器所擅长的领域分摊给机器如数据挖掘和识别数据规律将编辑人员所擅长的工作内容交予人类如设置提问赋予任务以权重对上下文进行理解等这和我们此前尝试用ChatGPT进行研究报告的撰写的情况类似在未来人主要负责整体方向的把握和提出问题而AI负责信息的搜集处理汇总和融合图表5路透社AI撰写新闻稿资料来源Reuters国盛证券研究所除了以上这种形式以外目前更普遍的是通过AI快速抓取信息数据套入已设置好的模板后形成文稿这在我们平时熟悉的万得的快讯以及汽车垂直媒体汽车参数对比中较为常见除了新闻稿件类AIGC生成图片也被应用在新闻稿或自媒体的插图或封面上相比原先在素材库找图的效果更贴合文章也减少了找美工的费用并提升了效率但在这一领域文字的需求大于图片一方面是由于工作的完成度另一方面是由于本身的市场空间跨越B端需求鸿沟部分toB应用具有项目制的特点而难以被满足我们称之为需求鸿沟例如IP矩阵的构建当需要对大IP构筑包括电影电视游戏动漫手办等周边产品时需要大量各类原创作者对IP矩阵进行丰富这是一个费钱且费力的漫长过程内容供给方因工作量巨大而无法提供大量原创稿件而需求方因看不到内容而无法买单未来基于AIGCP6请仔细阅读本报告末页声明2023年01月28日原创内容方可以以少量手稿借助模型的帮助大量生成内容由于扩散模型的存在这种白盒黑盒式的内容生成甚至带有二创的意味若能在AIGC的帮助下跨越需求鸿沟则大型B端项目更容易实现我们以二次元市场为例该产业已经步入爆发期产业链趋于成熟2020年国内整体市场规模达突破了千亿泛二次元用户预计2023年达到5亿围绕着二次元IP形成的包括潮玩虚拟偶像服装和线下娱乐等新型衍生产品矩阵拥有巨大市场也是当下发展的重点图表6二次元产业图谱资料来源艾瑞咨询国盛证券研究所在潮玩虚拟偶像和服装的设计生产过程中必不可少会涉及选择设计师完成设计这一过程有了AIGC的帮助可以大幅提升这一过程的效率在原先的情况下需要安排一批设计师尝试设计一个初稿并给IP方审核沟通产生的沟通成本和前期初稿设计费用相对较高而在AIGC的情况下设计师可以先训练出自己风格的生成模型迅速根据IP方的要求设计出多个初稿供选择这一点能够快速帮助确定设计师并减少沟通成本在后续的设计生产过程中也可以通过AIGC高效生成多种类似风格或IP的内容这将大幅提升效率和降低成本因此即使由于技术的发展使得AIGC变得普及我们依旧认为当下阶段toB端才是主要的商业模式方向核心原因在于对于B端带来的效率提升是切实的也能够填补原本很难完成的需求对接因此客户付费意愿较强P7请仔细阅读本报告末页声明2023年01月28日3面向C端的AIGC以SaaS订阅为主随着AI模型与算力的发展突破了可用的临界点AIGC对个人的赋能也是值得关注的方向在极小的边际成本下AIGC应用能够大幅度提高个人的信息处理效率以及内容输出质量而这类技术又可能反作用于生产关系的演变因此面向C端的AIGC应用可从两个角度来探讨其商业价值第一是作为效率工具诸如传统的笔记日程管理等工具AIGC应用能够在信息获取格式整理和工作流等各个流程提高个人用户的效率并且AI模型作为基础设施能够集成到现有的工作流程中第二是作为创作工具像剪辑修图软件一样AIGC能够在UGC内容流行的今天大幅度降低大众用户的创作门槛强化个人媒体的IP价值从商业角度而言将AIGC作为底层基础设施的SaaS订阅将成为中长期趋势目前Midjourney等企业已有类似尝试用户付费的逻辑在于以下几个方面更高效的信息获取方式AIGC替代搜索引擎成为下一代信息获取方式ChatGPT上线后被广泛讨论的一个问题是ChatGPT会取代谷歌吗传统的搜索引擎通过对关键词的检索与相关性的排序为用户提供可能有价值的页面链接而ChatGPT通过庞大的语料库针对用户提出的问题可以直接给出回答例如在询问光纤光缆行业概况时ChatGPT会直接根据用于训练的大数据集给出一个合理答案并且用户在追问的过程中也能够进行回复而传统搜索引擎则需要按照关键词去寻找合适的资料并进行整理从实际的体验中从ChatGPT获取信息的质量要高于搜索引擎速度会更快但会存在数据集的局限性例如ChatGPT对2020后的信息一无所知不过已经在大部分场景能够取代搜索引擎尽管ChatGPT目前处在Demo阶段但社交媒体上已经有人表示愿意为之付费用于提高自己效率图表7ChatGPT使用截图资料来源chatopenaicom国盛证券研究所从辅助表达到替代表达在内容的表达上AIGC能够完成从辅助到替代的跨越效率工具在辅助表达增强沟通效率这方面已有很多尝试例如Grammaly对用户表达进行语气和措辞的修饰提供常用的表达模版和规范而AIGC能够更进一步按照指定的格式语气和场景进行内P8请仔细阅读本报告末页声明2023年01月28日容输出从而替代人工进行表达以Jasper为例以AI文字生成为主打产品通过其文字生成功能用户可以生成Instagram标题编写TikTok视频脚本广告营销文本电子邮件内容等工作图表8官网展示应用场景资料来源Jasper国盛证券研究所集成到已有的工作流AIGC将会集成到已有工作流AI大模型作为基础设施可以根据具体的使用场景和需求设计应用也可以集成到现有的工作流程中例如NotionAI其应用Notion是一款全平台文档工具支持协作笔记表格看板等功能在2021年完成了由Coatue和红杉牵头的25亿美元C轮融资投后估值103亿美元2022年Notion的用户规模目前已经达到3000万付费用户达到400万在前段时间Notion发布了NotionAI测试版NotionAI完全集成到Notion的现有工作流中当用户在应用中整理素材管理日程创作的时候都能够使用AI辅助来提高效率即便是midjourney无界版图以及ChatGPT我们认为也难称之为一个完整的工具离开了用户现有的工作流使得AIGC更像是玩具但如果把这种功能嵌入到已有的工作流中则完全不同图表9NotionAI集成到现有的应用中资料来源NotionAI国盛证券研究所P9请仔细阅读本报告末页声明2023年01月28日扩大用户创造力创作工具的发展与普及让更多个人用户称为内容创作者这也带来了UGC的繁荣而AIGC作为内容创作工具将更进一步降低图片视频等内容的创作门槛从前是通过文案自动生成配音而AIGC可以实现一句话生成文案一句话生成图片甚至视频例如在MidJourney中用户只需要通过输入文字描述计算机将会自动生成一张作品AIGC虚拟人可以根据文案内容自动生成虚拟人节目这些应用在相对较小的学习成本下用很短的时间使得用户能够创作更多内容图表10内容生产的发展趋势资料来源a16z国盛证券研究所P10请仔细阅读本报告末页声明2023年01月28日4AIGC背后的算力生意AIGC背后的大算力究竟有多大AI训练所需算力指数增长增长速度超越硬件的摩尔定律在2018年OpenAI发表了一份研究成果尝试量化大语言模型所需要的算力以及算力需求的增长趋势该研究发现自2012年至2018年用于训练AI所需要的算力大约每隔34个月翻倍整体呈现指数级上涨而摩尔定律仅仅是18个月翻一倍1从2012年到2018年训练AI所耗费的算力增长了30万倍而摩尔定律在相同时间只有7倍的增长图表11AI模型所需要的算力增长趋势资料来源OpenAI国盛证券研究所对于目前常见的大模型例如GPT-3NLGGopher等等算力的测量往往使用petaFLOPS-days这个单位意味着一个每秒进行一千万亿次浮点计算的设备需要不停歇地运算一整天作为对比英伟达的旗舰产品RTX3090在标准功率下的浮点算力约为35TFLOPs每秒能够处理35万亿次计算1petaFLOPS-days意味着需要不断以最高算力跑满29天就算用目前最快的超级计算机这个训练过程在理想情况下也超过一周1httpsopenaicomblogai-and-computeP11请仔细阅读本报告末页声明2023年01月28日图表12历史上知名的AI模型所需要的训练算力资料来源Ourworldindataorg国盛证券研究所AIGC未来应用普及的背后将产生巨大的算力市场AI模型大算力的背后需要高昂的算力成本以GPT-3为例该模型有着多达1750亿的参数训练所需的算力高达3650PFLOPS-day按照Lambda的测算以V100理想状态下28TFLOPS的算力和最低3年起云计算的成本完成训练GPT-3需要花费460万美元而下一代GPT-4的参数将更多尽管AI模型往往会选择开源但数据集和训练成果是一个团队的内部资产这意味着每个AI产品都需要支付自己的训练成本现在大部分创业团队都是布设在云端因为单独的算力集群很贵目前A100高端产品大概在6-9万元1000张A100卡加上CPU硬盘存储机房供电等配套设施的硬件投入将近1亿在未来AIGC随着B端和C端的商业化落地的实现算力集群的建设和云服务都会收益同时考虑到英伟达A100H100出口受限相关国产算力芯片将有机会获得增量市场5AIGC社区的价值未来的金矿近期在与各个创业团队的沟通过程中我们发现行业一个重要的关注点会放在AIGC与Web30的结合以及AIGC与社区的融合这种结合趋势主要体现在AIGC能够助力社区的互动和文化发展社区能够给予AI模型反馈AIGC与NFT结合产生新的商业模式低门槛的表达能让更大规模的用户参与到社区互动中相较于UGC平台AIGC能够进一步降低用户参与创作的门槛和成本而创作门槛的进一步降低有助于社区的互动和发展同时降低了平台的内容成本例如暴走漫画最初通过漫画工具降低用户的表达门槛诞生了大量流行的段子丰富了整个暴走IP社区而AIGC为用户提供的创造力远远超过传统的内容社区或会诞生新的平台商业模式P12请仔细阅读本报告末页声明2023年01月28日图表13无界AI的创意大赛资料来源无界AI国盛证券研究所社区对AIGC作品的反馈能够为AI模型提供训练反馈以图片生成为例相同的关键词可能在不同平台的效果差别很大例如在A平台的效果很好而B平台效果很差这其中的一个重要原因就是模型的训练在相同的模型下采取不同的训练方法也会导致效果差异巨大在监管学习下训练员需要给AIGC产生的内容进行反馈从而调节算法的参数直到算法的效果令人满意ChatGPT免费上线产品Demo的一个重要原因就是通过开放的用户交互收集到更多的反馈数据社群对内容的探讨与偏好能为AIGC模型提供优质的反馈以便后续优化增强产品力当AIGC涉及到IP相关领域时传统的版权授权制度很难与之匹配这种问题在UGC时代就经常出现例如粉丝的二创行为NFT的标记性使创作者与二次创作者与观众的链接更加多元化我们也看到了包括BAYCCryptopunks等NFT持有者组成了排他性的粉丝社群NFT与粉丝经济的结合也在进行模式探索AIGC由于过程的随机性不太可能重复生成内容并且会生成类似于数字指纹的seed与NFT的结合可以将内容生产的作者与内容本身绑定也可以与内容的原始IP进行关联这其中探索尝试的空间巨大硅谷新加坡已有不少团队投身其中我们将在后续的研究中继续跟进6投资策略AIGC的软硬件与数据集从PGC到UGC再到AIGCAIGC能让人类突破内容生产力枷锁高效率生成高质量内容让人类进入到真正的元宇宙之中若要AIGC能够满足元宇宙的需求独立完成高质量高精度的内容AIGC技术层面还需要一定的发展我们可以分为软硬件两个维度看软件层面主要包括自然语言处理技术AIGC生成算法模型和数据集硬件层面主要是算力通信网络催化剂1二季度GPT4新模型的发布2微软在搜索引擎Office办公软件中集成AIGC功能P13请仔细阅读本报告末页声明2023年01月28日从主题投资的角度看我们认为AIGC在经过2022年的概念导入后2023将进入产业爆发期既包括新模型的发布也包括AIGC在各领域的落地一方面其对现有的杀手级应用短视频游戏等具有颠覆式影响或进一步扩大内容量提高成瘾性同时对社交和广告提供新的工具另一方面Web3开放共建的价值观下UGCAIGC的内容会更具吸引力二次创作开放想象的浪潮将来临图表14AIGC投资标的赛道公司代码谷歌GOOG微软MSFT自然语言处理NLP科大讯飞002230拓尔思300229英伟达NVDAMetaMeta百度BIDU视觉中国000681AIGC生成算法和数据集昆仑万维300418万兴科技300624中科金财002657汉仪科技301270蓝色光标300058澜起科技688008天孚通信300394中兴通讯000063算力新易盛300502美格智能002881奥飞数据300738中际旭创300308资料来源公开资料国盛证券研究所风险提示技术创新不及预期AIGC的技术发展不及预期以及底层硬件技术如超级计算机算力的发展不及预期政策监管风险目前AIGC还处于相对早期后续是否会出台AIGC作品相关知识版权或其他法律监管条款尚不明确P14请仔细阅读本报告末页声明2023年01月28日免责声明国盛证券有限责任公司以下简称本公司具有中国证监会许可的证券投资咨询业务资格本报告仅供本公司的客户使用本公司不会因接收人收到本报告而视其为客户在任何情况下本公司不对任何人因使用本报告中的任何内容所引致的任何损失负任何责任本报告的信息均来源于本公司认为可信的公开资料但本公司及其研究人员对该等信息的准确性及完整性不作任何保证本报告中的资料意见及预测仅反映本公司于发布本报告当日的判断可能会随时调整在不同时期本公司可发出与本报告所载资料意见及推测不一致的报告本公司不保证本报告所含信息及资料保持在最新状态对本报告所含信息可在不发出通知的情形下做出修改投资者应当自行关注相应的更新或修改本公司力求报告内容客观公正但本报告所载的资料工具意见信息及推测只提供给客户作参考之用不构成任何投资法律会计或税务的最终操作建议本公司不就报告中的内容对最终操作建议做出任何担保本报告中所指的投资及服务可能不适合个别客户不构成客户私人咨询建议投资者应当充分考虑自身特定状况并完整理解和使用本报告内容不应视本报告为做出投资决策的唯一因素投资者应注意在法律许可的情况下本公司及其本公司的关联机构可能会持有本报告中涉及的公司所发行的证券并进行交易也可能为这些公司正在提供或争取提供投资银行财务顾问和金融产品等各种金融服务本报告版权归国盛证券有限责任公司所有未经事先本公司书面授权任何机构或个人不得对本报告进行任何形式的发布复制任何机构或个人如引用刊发本报告需注明出处为国盛证券研究所且不得对本报告进行有悖原意的删节或修改分析师声明本报告署名分析师在此声明我们具有中国证券业协会授予的证券投资咨询执业资格或相当的专业胜任能力本报告所表述的任何观点均精准地反映了我们对标的证券和发行人的个人看法结论不受任何第三方的授意或影响我们所得报酬的任何部分无论是在过去现在及将来均不会与本报告中的具体投资建议或观点有直接或间接联系投资评级说明投资建议的评级标准评级说明评级标准为报告发布日后的6个月内公司股价或行业买入相对同期基准指数涨幅在15以上指数相对同期基准指数的相对市场表现其中A股市增持相对同期基准指数涨幅在515之间股票评级场以沪深300指数为基准新三板市场以三板成指针持有相对同期基准指数涨幅在-55之间对协议转让标的或三板做市指数针对做市转让标的减持相对同期基准指数跌幅在5以上为基准香港市场以摩根士丹利中国指数为基准美股增持相对同期基准指数涨幅在10以上市场以标普500指数或纳斯达克综合指数为基准中性相对同期基准指数涨幅在-1010之行业评级间减持相对同期基准指数跌幅在10以上国盛证券研究所北京上海地址北京市西城区平安里西大街26号楼3层地址上海市浦明路868号保利One561号楼10层邮编100032邮编200120传真010-57671718电话021-38124100邮箱gsresearchgszqcom邮箱gsresearchgszqcom南昌深圳地址南昌市红谷滩新区凤凰中大道1115号北京银行大厦地址深圳市福田区福华三路100号鼎和大厦24楼邮编330038邮编518033传真0791-86281485邮箱gsresearchgszqcom邮箱gsresearchgszqcomP15请仔细阅读本报告末页声明