近期随着微软将ChatGPT嵌入搜索引擎，AIGC继续成为市场焦点。市场此前认为AIGC可能是一个类似于元宇宙的主题，但当看到产品和商业模式的陆续落地，慢慢地感受到AIGC将为技术、产业产生更为深远的影响。上周我们从CPO算力的角度寻找AI算力下光器件技术的预期差，本周聚焦AIGC与数据要素。
　　1、ChatGPT的胜利，LLM的正名之战
　　从技术发展上看，此前的AI较多聚焦于知识图谱、深度学习。知识图谱是一种结构化的语义库，就是把面向特定行业、特定场景的各类知识按照特定的关系进行呈现。而手动完成知识图谱过于费事费力，便引入了深度学习，然而近年来进展却仍较缓慢。而ChatGPT背后的LLM（大型语言模型，Large Language Model）却将所有任务统一到生成环节下，即通过海量数据的训练，获得对后续内容（Token）的预测。根据我们和产业界的交流，其实这种算法一直都有，但让大家惊讶的是OpenAI通过如此长时间的投入、积累、训练，将LLM用得炉火纯青、独辟蹊径。就像金庸小说中很多武林高手虽身怀多个绝技却无法登上华山之巅，而郭靖却凭借降龙十八掌多年苦练而一战成名。2020年，GPT3.0的出现也标志着LLM推动行业进入通用人工智能时代，真正的AIGC时代逐步拉开序幕。
　　2、数据要素——不仅是交易，更要使用
　　2020年起，我国逐步明确将数据作为资本、劳动、技术以外的新型生产要素，2022年更是在政策中频频提及，并快速推进成立数据交易市场。其实从2015起，当大数据概念兴起之时，国内就陆续出现过地方性数据交易平台，但因为数据隐私保护的立法、技术平台不完善，数据交易并未兴起，而今随着政策完善，数据要素价值将被进一步挖掘。但我们认为，交易只是第一步，如何使用数据才是根本。数据是一种特殊的资产，当A有一本书、B有一本书，如果两者交换借阅，那么A和B各读了两本书，这是“1+1=2”的线性关系，但当A或B将书中的知识融会贯通后，其输出往往是“1+1>2”的，那如果是10本书、100本书呢？这种价值类似于LLM模型进行海量数据训练后形成的“通识化底座”，对接各个行业后能快速形成应用，是对数据要素价值的完美呈现和商业变现，一定程度上也消除了数据孤岛问题，毕竟人工对接数据需求效率太低，只有依靠机器进行训练才能快速迭代当下海量数据并承载应用。所有合规数据的掌握者都应成为这个“AI底座”的数据投喂者和使用者。
　　3、AIGC+数据要素，未来信息安全的制高点
　　ChatGPT的兴起让全世界看到AI技术不再高冷，每个人都可以提出问题、输入数据或范例和ChatGPT互动，本质上这为ChatGPT的训练提供了海量的人工反馈，相信在下一代GPT-4中将更好地展示这一效果。从2022年开始，我们与大量业内团队交流，其焦点仍在模型与训练。即便像Stable Diffusion开源，但基于此模型产品的数据集和训练方法并不开源，类似于告诉大家红烧肉的图片，但没有烹饪过程细节，美味依然难以复现。而随着OpenAI产品、商业模型日渐完善，其飞轮效应将逐步显现，全球龙头地位将更加明显。融合了AI的通用性和海量数据训练能力，微软New Bing的推出重新定义了搜索引擎，ChatGPT联网后也会接触到更多信息，抢占信息安全的制高点。作为一种数字化的创新，且迭代速度远快于传统产业，发令枪已响，预计2023年国内外各科技大厂将陆续推出AIGC领域的产品，竞争态势值得观察。
　　4、伦理与监管，AIGC的新焦点
　　2022年11月份，我们就AIGC的法律合规问题与专业律师进行过讨论，一个简单的例子：通过DALL-E2、Midjourney生成的图片，其版权是属于“Prompt提出者”、“AIGC平台提供方”还是“训练数据提供方”？目前欧美就此问题争论颇多，版权、就业等都是焦点，目前尚未有定论。此外，在数据收集、训练中涉及到的歧视、偏见也引发了社会关注，此方向的论文数量大增，可以想象，数字世界也是人的映射，必然带有某种价值取向。ChatGPT的快速迭代将把道德伦理与监管的问题推向台前，站在数据要素的角度就是如何用好数据、规范治理的问题，我们也将继续关注该领域的全球进展。
　　风险提示：AIGC发展不及预期，数据要素发展不及预期。
　　

研究报告全文：证券研究报告行业点评2023年02月12日区块链AIGC与数据要素的思考近期随着微软将ChatGPT嵌入搜索引擎AIGC继续成为市场焦点市场增持维持此前认为可能是一个类似于元宇宙的主题但当看到产品和商业模AIGC式的陆续落地慢慢地感受到AIGC将为技术产业产生更为深远的影响上周我们从CPO算力的角度寻找AI算力下光器件技术的预期差本周聚行业走势焦AIGC与数据要素通信沪深3001ChatGPT的胜利LLM的正名之战16从技术发展上看此前的AI较多聚焦于知识图谱深度学习知识图谱是0一种结构化的语义库就是把面向特定行业特定场景的各类知识按照特定的关系进行呈现而手动完成知识图谱过于费事费力便引入了深度学习-16然而近年来进展却仍较缓慢而ChatGPT背后的LLM大型语言模型LargeLanguageModel却将所有任务统一到生成环节下即通过海量数据的训-322022-022022-062022-102023-02练获得对后续内容Token的预测根据我们和产业界的交流其实这种算法一直都有但让大家惊讶的是OpenAI通过如此长时间的投入积累训练将LLM用得炉火纯青独辟蹊径就像金庸小说中很多武林高手虽作者身怀多个绝技却无法登上华山之巅而郭靖却凭借降龙十八掌多年苦练而一战成名2020年GPT30的出现也标志着LLM推动行业进入通用人工智能分析师宋嘉吉时代真正的AIGC时代逐步拉开序幕执业证书编号S0680519010002邮箱songjiajigszqcom2数据要素不仅是交易更要使用相关研究2020年起我国逐步明确将数据作为资本劳动技术以外的新型生产要1通信CPO硅光薄膜铌酸锂AIGC背后高算力下素2022年更是在政策中频频提及并快速推进成立数据交易市场其实的创新2023-02-10从2015起当大数据概念兴起之时国内就陆续出现过地方性数据交易平台但因为数据隐私保护的立法技术平台不完善数据交易并未兴起而2区块链AIGC的思考不只是技术2023-02-06今随着政策完善数据要素价值将被进一步挖掘但我们认为交易只是第3通信运营商引领数字化BOSS助力数据要素变一步如何使用数据才是根本数据是一种特殊的资产当A有一本书B现2023-02-06有一本书如果两者交换借阅那么A和B各读了两本书这是112的线性关系但当A或B将书中的知识融会贯通后其输出往往是112的那如果是10本书100本书呢这种价值类似于LLM模型进行海量数据训练后形成的通识化底座对接各个行业后能快速形成应用是对数据要素价值的完美呈现和商业变现一定程度上也消除了数据孤岛问题毕竟人工对接数据需求效率太低只有依靠机器进行训练才能快速迭代当下海量数据并承载应用所有合规数据的掌握者都应成为这个AI底座的数据投喂者和使用者3AIGC数据要素未来信息安全的制高点ChatGPT的兴起让全世界看到AI技术不再高冷每个人都可以提出问题输入数据或范例和ChatGPT互动本质上这为ChatGPT的训练提供了海量的人工反馈相信在下一代GPT-4中将更好地展示这一效果从2022年开始我们与大量业内团队交流其焦点仍在模型与训练即便像StableDiffusion开源但基于此模型产品的数据集和训练方法并不开源类似于告诉大家红烧肉的图片但没有烹饪过程细节美味依然难以复现而随着OpenAI产品商业模型日渐完善其飞轮效应将逐步显现全球龙头地位将更加明显融合了AI的通用性和海量数据训练能力微软NewBing的推出重新定义了搜索引擎ChatGPT联网后也会接触到更多信息抢占信息安全的制高点作为一种数字化的创新且迭代速度远快于传统产业发令枪已响预计2023年国内外各科技大厂将陆续推出AIGC领域的产品竞争请仔细阅读本报告末页声明2023年02月12日态势值得观察4伦理与监管AIGC的新焦点2022年11月份我们就AIGC的法律合规问题与专业律师进行过讨论一个简单的例子通过DALL-E2Midjourney生成的图片其版权是属于Prompt提出者AIGC平台提供方还是训练数据提供方目前欧美就此问题争论颇多版权就业等都是焦点目前尚未有定论此外在数据收集训练中涉及到的歧视偏见也引发了社会关注此方向的论文数量大增可以想象数字世界也是人的映射必然带有某种价值取向ChatGPT的快速迭代将把道德伦理与监管的问题推向台前站在数据要素的角度就是如何用好数据规范治理的问题我们也将继续关注该领域的全球进展风险提示AIGC发展不及预期数据要素发展不及预期P2请仔细阅读本报告末页声明2023年02月12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gsresearchgszqcomP3请仔细阅读本报告末页声明