投资要点
　　大模型是AI开发的新范式，是人工智能迈向通用智能的里程碑：大模型指通过在大规模宽泛的数据上进行训练后能适应一系列下游任务的模型，本质依旧是基于统计学的语言模型，只不过“突现能力”赋予其强大的推理能力。现有的大模型的框架在本质上是一致的，几乎所有参数规模超过千亿的大语言模型都采取GPT模式，但是不同类型的企业给予自己所在领域的优势，开发的大模型在功能上还是有所差异。技术对大模型的效果具有决定作用，因此未来竞争格局也依赖于技术突破。
　　算力是AI时代的“石油”：大模型的训练和推理都会用到AI芯片的算力支持，在数据和算法相同情况下，算力是大模型发展的关键，是人工智能时代的“石油”。我们假设GPT-3训练时间为一个月，则需要843颗英伟达A100芯片。我们假设GPT-3每日日活为5000万，则需要约16255颗英伟达A100芯片。GPT-4为多模态数据，我们预计算力需求量是GPT-3的10倍以上。中国大厂相继布局大模型，我们测算，仅十家头部厂商大模型1年内有望增加约20万片A100需求量。长期来看，则需求量有望超200万片，新增算力需求将使算力市场增长2倍以上。2021年，中国加速卡市场中Nvidia占据超过80%市场份额，国产AI芯片性能与海外仍有差距，国产大模型推出有望加快国产芯片发展。
　　数据资源是AI产业发展的重要驱动力之一：数据集作为数据资源的核心组成部分，是指经过专业化设计、采集、清洗、标注和管理，生产出来的专供人工智能算法模型训练的数据。大规模语言模型性能强烈依赖于参数规模N，数据集大小D和计算量C，训练数据主要来自于维基百科、书籍、期刊、Reddit社交新闻站点、Common Crawl和其他数据集，GPT4依靠大量多模态数据训练。未来AI模型的竞争力或体现在数据质量和稀缺性，发展数据要素市场，促进相关公共、企业、个人数据的进一步放开，将为国内AI发展提供重要支撑。
　　 AI赋能各行各业，未来是AI应用的星辰大海：AI堪比第四次技术革命，本轮最直接的应用在内容创作领域，打开产业的想象边界。我们应该去寻找在AI赋能下，应用功能显著改善、客户粘性显著提升，市场空间大幅提升的领域，主要有内容创作，办公软件，ERP，机器人以及芯片设计领域。当前部分大模型厂商已经开启产业化应用，但是算力依旧是限制AI大规模商业化落地的主要原因，一旦解决，直接受益AI+的将是信息化行业，因此我们看好各行业信息化领域处于优势地位的龙头公司。
　　投资建议：算法上，我们建议关注已经有先发优势的大模型公司：三六零、科大讯飞、同花顺等，此外还有一些实施企业，如软通动力、润和软件、汉得信息等；算力上，我们推荐景嘉微、中科曙光、神州数码，建议关注海光信息、寒武纪、四川长虹、拓维信息等；数据上，我们推荐各细分赛道的信息化龙头企业，如久远银海、容知日新、中控技术，建议关注国能日新、千方科技等；应用上，我们推荐在具备“杀手级”应用潜能的厂商金山办公、用友网络、恒生电子，建议关注广联达、石基信息等。
　　风险提示：政策推进不及预期；行业竞争加剧

研究报告全文：证券研究报告行业深度报告计算机计算机行业深度报告偏向科普性报告围绕算法算力数据AI2023年04月06日和应用证券分析师王紫敬增持维持执业证书S0600521080005021-60199781wangzjdwzqcomcnTableTag研究助理王世杰投资要点TableSummary执业证书S0600121070042大模型是AI开发的新范式是人工智能迈向通用智能的里程碑大模wangshijiedwzqcomcn型指通过在大规模宽泛的数据上进行训练后能适应一系列下游任务的模型本质依旧是基于统计学的语言模型只不过突现能力赋予其行业走势强大的推理能力现有的大模型的框架在本质上是一致的几乎所有参数规模超过千亿的大语言模型都采取GPT模式但是不同类型的企业计算机沪深300给予自己所在领域的优势开发的大模型在功能上还是有所差异技术2722对大模型的效果具有决定作用因此未来竞争格局也依赖于技术突破171272算力是AI时代的石油大模型的训练和推理都会用到AI芯片的算-3-8力支持在数据和算法相同情况下算力是大模型发展的关键是人工-13-18智能时代的石油我们假设训练时间为一个月则需要-23GPT-38432022462022852022124202344颗英伟达A100芯片我们假设GPT-3每日日活为5000万则需要约16255颗英伟达A100芯片GPT-4为多模态数据我们预计算力需求量是GPT-3的10倍以上中国大厂相继布局大模型我们测算仅十相关研究家头部厂商大模型1年内有望增加约20万片A100需求量长期来看华为盘古大模型产业链梳理则需求量有望超200万片新增算力需求将使算力市场增长2倍以上2023-03-272021年中国加速卡市场中Nvidia占据超过80市场份额国产AI芯片性能与海外仍有差距国产大模型推出有望加快国产芯片发展数据安全为数据要素市场发展保驾护航数据资源是AI产业发展的重要驱动力之一数据集作为数据资源的核心组成部分是指经过专业化设计采集清洗标注和管理生产出2023-03-24来的专供人工智能算法模型训练的数据大规模语言模型性能强烈依赖于参数规模N数据集大小D和计算量C训练数据主要来自于维基百科书籍期刊Reddit社交新闻站点CommonCrawl和其他数据集GPT4依靠大量多模态数据训练未来AI模型的竞争力或体现在数据质量和稀缺性发展数据要素市场促进相关公共企业个人数据的进一步放开将为国内AI发展提供重要支撑AI赋能各行各业未来是AI应用的星辰大海AI堪比第四次技术革命本轮最直接的应用在内容创作领域打开产业的想象边界我们应该去寻找在AI赋能下应用功能显著改善客户粘性显著提升市场空间大幅提升的领域主要有内容创作办公软件ERP机器人以及芯片设计领域当前部分大模型厂商已经开启产业化应用但是算力依旧是限制AI大规模商业化落地的主要原因一旦解决直接受益AI的将是信息化行业因此我们看好各行业信息化领域处于优势地位的龙头公司投资建议算法上我们建议关注已经有先发优势的大模型公司三六零科大讯飞同花顺等此外还有一些实施企业如软通动力润和软件汉得信息等算力上我们推荐景嘉微中科曙光神州数码建议关注海光信息寒武纪四川长虹拓维信息等数据上我们推荐各细分赛道的信息化龙头企业如久远银海容知日新中控技术建议关注国能日新千方科技等应用上我们推荐在具备杀手级应用潜能的厂商金山办公用友网络恒生电子建议关注广联达石基信息等风险提示政策推进不及预期行业竞争加剧119东吴证券研究所请务必阅读正文之后的免责声明部分行业深度报告内容目录1算法大模型人工智能迈向通用智能的里程碑42算力AI训练的基础设施83数据AI发展的驱动力114应用AI的星辰大海145投资建议与相关标的186风险提示18219东吴证券研究所请务必阅读正文之后的免责声明部分行业深度报告图表目录图1大语言模型4图2Transformer引领了大模型的爆发5图3GPT-4多语言性能表现优秀5图4GPT-4的文字输入限制5图5大模型评估框架V106图6大模型的投入成本6图7百度文心一言7图8华为盘古7图9OpenAI-ChatGPT8图10Google-BERT8图11用时1个月训练ChatGPT-3需要英伟达A100芯片数量9图12维持ChatGPT-3每日5000万月活运营需要英伟达A100芯片数量9图13A800和A100性能对比10图14国产AI芯片产品算力对比11图15大模型训练数据来源统计表中数字单位为GB12图16数据采集示意图13图17三次工业革命带来下游应用技术爆发14图18GPT-4画出了三体中的罗辑15图19AI生成不同的3D建筑风格15图20Microsoft365Copilot15图21ChatGPT改善了机器人对环境的适应性16图22智能EDA和传统EDA流程图17表1GPT-4和GPT-35-turbo收费标准10表2国产大模型带动算力需求测算短期为2023年长期为2024-2025年10表3计算机各行业数据要素相关厂商13319东吴证券研究所请务必阅读正文之后的免责声明部分行业深度报告1算法大模型人工智能迈向通用智能的里程碑大模型就是FoundationModel基础模型指通过在大规模宽泛的数据上进行训练后能适应一系列下游任务的模型大模型兼具大规模和预训练两种属性面向实际任务建模前需在海量通用数据上进行预先训练能大幅提升人工智能的泛化性通用性实用性是人工智能迈向通用智能的里程碑技术图1大语言模型数据来源人工智能前沿东吴证券研究所大模型的本质依旧是基于统计学的语言模型突现能力赋予其强大的推理能力通俗来讲大模型的工作就是对词语进行概率分布的建模利用已经说过的话预测下一个词出现的分布概率而并不是人类意义上的理解较过往统计模型不同的是突现能力使得大模型拥有类似人类的复杂推理和知识推理能力这代表更强的零样本学习能力更强的泛化能力当前几乎所有参数规模超过千亿的大语言模型都采取GPT模式近些年来大型语言模型研究的发展主要有三条技术路线Bert模式GPT模式以及混合模式Bert模式适用于理解类做理解类某个场景的具体任务专而轻2019年后基本上就没有什么标志性的新模型出现混合模式大部分则是由国内采用多数主流大语言模型走的还是GPT模式2022年底在GPT-35的基础上产生了ChatGPTGPT技术路线愈发趋于繁荣419东吴证券研究所请务必阅读正文之后的免责声明部分行业深度报告图2Transformer引领了大模型的爆发数据来源量子学派东吴证券研究所GPT4作为人工智能领域最先进的语言模型在如下四个方面有较大的改进1多模态GPT4可以接受文本和图像形式的prompt在人类给定由散布的文本和图像组成的输入的情况下生成相应的文本输出自然语言代码等2多语言在测试的26种语言的24种中GPT-4优于GPT-35和其他大语言模型ChinchillaPaLM的英语语言性能3记忆力GPT-4的最大token数为32768即215相当于大约64000个单词或50页的文字远超GPT-35和旧版ChatGPT的4096个token4个性化GPT-4比GPT-35更原生地集成了可控性用户将能够将具有固定冗长语气和风格的经典ChatGPT个性更改为更适合他们需要的东西图3GPT-4多语言性能表现优秀图4GPT-4的文字输入限制数据来源Accuracy东吴证券研究所数据来源Allmetaverse东吴证券研究所519东吴证券研究所请务必阅读正文之后的免责声明部分行业深度报告现有的大模型的框架在本质上是一致的尚未出现技术上的降维打击GPT-4虽然整体性能最为领先但从技术上看GPT-4仍然是对自然语言处理增强学习深度循环神经网络及其改进版本大模型等已有技术的组合的创新并且通过足够大量的数据进行支持并非在大模型技术上有革命性突破虽然国内AI大模型版本相对要滞后一些但是并不存在不可弥补的鸿沟参数量和数据量是决定了模型效果通常认为参数量大于1000亿时模型才有可能形成突现能力这种现象在GPT3后开始更加显著过往的NLP模型是按照具体任务和具体数据来训练的所以数据质量越好模型效果越好而从Transformer开始除了数据质量外数据数量的重要性也愈发重要因此参数量和数据量决定了模型最终的效果最直观的效果指标就是准确度此外IDC搭起了大模型评估框架V10以充分评估大模型技术能力功能丰富度与底层深度学习平台开发能力以及对各行业赋能的实际效果图5大模型评估框架V10分类一级二级功能丰富度模型能力模型性能功能丰富度产品平台工具能力平台成熟度能力易上手程度开放可体验的能力数开放性对用户数据隐私保护数据安全措施应用应用广度覆盖的行业数能力应用深度客户业务流程关键环节渗透度生态基于大模型进行产品开发的开发者数应用生态能力基于大模型工具与平台开发者创建的模型或应用数目数据来源IDC东吴证券研究所当前大模型的商业模式是通用大模型产业模型底层AI大模型的研发具有极高的研发门槛面临高昂的成本投入不利于人工智能技术在千行百业的推广而具有数据算力算法综合优势的企业可以将模型的复杂生产过程封装起来通过低门槛高效率的生产平台向千行百业提供大模型服务各个行业的企业只需要通过生产平台提出在实际AI应用中的具体需求生产大模型的少数企业就能够根据应用场景进一步对大模型开发训练帮助应用方实现大模型的精调以达到各行业对于AI模型的直接应用图6大模型的投入成本619东吴证券研究所请务必阅读正文之后的免责声明部分行业深度报告项目成本智算集群一台搭载A800的服务器成本超过40万元服务器采购成本通常是建设成本数据中心建设成本的30一个智算集群的建设成本超过30亿元大模型一次完整的模型训练成本为1000万-1亿元人民币级别如模型训练果进行10次完整的模型训练成本便高达数亿元再加上数据采成本集人工标注模型训练等一系列软性成本数据中心内的模型训练需要消耗网络带宽电力等资源成本也以运营成本亿元为单位计算数据来源财经十一人东吴证券研究所不同类型的企业在发展大模型拥有的优势也不尽相同1一是以阿里巴巴华为腾讯及百度为代表的基础云厂商既具备做出通用ChatGPT的能力也有着足够的数据和算力2二是以科大讯飞为代表的AI算法领先企业被视为计算机板块中最有可能做出通用ChatGPT的公司3拥有天然的场景应用及配套数据优势的互联网平台例如国内最大的在线问答社区知乎以问答类任务为主模式与GPT天然契合4拥有高价值内容数据的企业也具备做好大模型的核心要素可以大幅提升对人类意图的理解从而提升回答信息的准确性各大厂商大模型百花齐放核心差异在于细节以国内厂商为例1百度由于多年在AI领域的深耕其文心大模型涵盖基础大模型任务大模型行业大模型的三级体系打造大模型总量约40个2腾讯混元应用方向则主要是腾讯自身生态的降本增效其中广告类应用表现出色3阿里更重技术通义大模型基于阿里云达摩院打造的硬件优势可将大模型所需算力压缩到极致另外其底层技术优势还有利于构建AI的统一底层4华为的优势则在于其训练出业界首个2000亿参数以中文为核心的预训练生成语言模型包括NLPCV多模态科学计算大模型目前已实现医学气象时尚等多个AI场景落地5中科院的紫东太初是全球首个视觉-文本-语音三模态预训练模型同时具备跨模态理解与跨模态生成能力图7百度文心一言图8华为盘古数据来源文心一言官网东吴证券研究所数据来源华为开发者大会2021东吴证券研究所当前全球人工智能创新链基本形成了中美两国主导东亚北美西欧协同引领的格局美国是人工智能发展领域的前沿国家其拥有一系列具备充足技术和资金资源的公司和实验室各巨头科技公司均有相关的技术资源其代表性模型有ChatGPTClaudeBarT719东吴证券研究所请务必阅读正文之后的免责声明部分行业深度报告BlenderBot3Megatron-Turing等中国虽然在大模型上差距尚存但研究和开发都非常活跃正在加速追赶也开发出了一些比较有代表性的模型如百度文心一言阿里通用腾讯混元华为盘古中科院紫东太初等东亚北美西欧等地区国家协同引领大模型发展各有成果问世如俄罗斯的YaLM英国的Gopher韩国的HyperCLOVA以色列的Jurassic-1Jumbo等图9OpenAI-ChatGPT图10Google-BERT数据来源OpenAI东吴证券研究所数据来源Google东吴证券研究所如果仍维持Transformer的模型架构基础未来行业将是寡头垄断的竞争格局一方面现有的大模型已经开始训练在模型训练上有绝对的优势模型的效果也会更好另一方面随着大模型版本的迭代每一代大模型的算力训练成本也有迹可循对资金的需求也会持续扩大没有雄厚资金支持的企业会逐渐掉队一旦大模型技术出现突破行业竞争格局有望一家独大由于当前大模型的技术是公用的没有哪家存在明显的技术领先因此各行各业厂商纷纷入局希望分得一杯羹因此出现了大模型百花齐放的竞争格局一旦出现技术突破大模型的准确度以及智能化出现了碾压的优势行业需求会迅速向NO1集中有望形成一家独大的竞争格局2算力AI训练的基础设施大模型算力成本主要分为初始训练成本和后续运营成本初始训练根据openAI官网数据每个tokentoken是服务端生成的一串字符串以作客户端进行请求的一个令牌的训练成本通常约为6NFLOPSFLOPS指每秒浮点运算次数理解为计算速度可以用来衡量硬件的性能其中N是LLM大型语言模型的参数数量1750亿参数模型的GPT-3是在3000亿token上进行训练的根据openAI官网数据在训练过程中模型的FLOPS利用率为462我们假设训练时间为1个月采用英伟达A100进行训练计算峰值计算能力为312TFLOPSFP16FP32则测算结果为需要843颗英伟达A100芯片819东吴证券研究所请务必阅读正文之后的免责声明部分行业深度报告图11用时1个月训练ChatGPT-3需要英伟达A100芯片数量数据来源CSDN东吴证券研究所测算运营推理成本运营阶段所需算力量与使用者数量紧密相关根据openAI官网数据每个token的推理成本通常约为2NFLOPS其中N是LLM的参数数量根据openAI官网数据在训练过程中模型的FLOPS利用率为213同样采用英伟达A100进行推理计算峰值计算能力为312TFLOPSFP16FP32我们假设GPT-3每日5000万活跃用户每个用户提10个问题每个问题回答400字则测算结果为需要16255颗英伟达A100芯片图12维持ChatGPT-3每日5000万月活运营需要英伟达A100芯片数量数据来源CSDN东吴证券研究所测算GPT-4为多模态大模型对算力要求相比GPT-3会提升10倍GPT-4的收费是8kcontext为0031ktoken是GPT-35-turbo收费的15倍00021Ktokens因此我们推断GPT-4的参数量是GPT-3的10倍以上预计GPT-4的算力需求是GPT-3的10倍以上919东吴证券研究所请务必阅读正文之后的免责声明部分行业深度报告表1GPT-4和GPT-35-turbo收费标准收费标准GPT-40031ktokenGPT-35-turbo00021Ktokens数据来源OpenAI官网东吴证券研究所国产大模型有望带动国内新增A100出货量超200万颗使得中国算力市场空间增加2倍以上我们假设国内百度华为阿里腾讯字节等前10位头部大厂都会发布自己的大模型短期来看考虑到时间紧迫性参考GPT-3的算力需求仅十家头部厂商大模型1年内有望增加约20万片A100需求量长期来看如果后续迭代为多模态大模型或者活跃用户量大幅提升则需求量有望超200万片根据IDC数据2021年中国加速卡数量出货超过80万片新增算力需求将使算力市场增长2倍以上表2国产大模型带动算力需求测算短期为2023年长期为2024-2025年国内自研大模型厂商数量家10家每家短期需要GPU数20000片每家长期需要GPU数200000片短期总需求数200000片长期总需求数2000000片2021年中国加速卡出货量800000片数据来源IDC东吴证券研究所测算加速卡国产化率较低美国制裁加速根据IDC数据2021年中国加速卡市场中Nvidia占据超过80市场份额2022年10月7日美国商务部工业和安全局BIS发布一套新的范围广泛的出口管制措施对向中国出口先进人工智能AI和超级计算芯片制造生产设备以及所需的某些工具实施新限制英伟达的A100和H100被列入出口管制清单英伟达推出中国特供版A800算力与A100基本一致2022年11月8日英伟达推出A800GPU将是面向中国客户的A100GPU的替代产品A800符合美国政府关于减少出口管制的明确测试并且不能通过编程来超过它A800GPU在算力上与A100保持一致但增加了40GB显存的PCIe版本但在NVLink互联速度上A800相较于A100下降了200GBs的速度同时A80080GBSXM版本目前已经不支持16块GPU的成套系统上限被限制在8块总的来看A800能够满足国内市场需求是A100的平替版本图13A800和A100性能对比1019东吴证券研究所请务必阅读正文之后的免责声明部分行业深度报告数据来源英伟达官网东吴证券研究所国产AI芯片性能与海外仍有差距国产大模型推出有望加快国产芯片发展国产AI芯片厂商主要有寒武纪景嘉微沐曦燧原等但其产品性能距离海外仍有差距以国产寒武纪为例MLU370性能为FP3224TFLOPS仅为英伟达A100的10不到要达到同等算力要求国产芯片片数需求量会更大但大量AI芯片并行运行会对控制能力有较高要求难以满足但发展自己的AI芯片产业迫在眉睫各家厂商正在快速追赶图14国产AI芯片产品算力对比数据来源各公司官网东吴证券研究所3数据AI发展的驱动力数据资源是AI产业发展的重要驱动力之一数据集作为数据资源的核心组成部分是指经过专业化设计采集清洗标注和管理生产出来的专供人工智能算法模型训1119东吴证券研究所请务必阅读正文之后的免责声明部分行业深度报告练的数据人工智能应用的数据越多其获得的结果就越准确联想集团首席技术官芮勇认为大模型的特点可以概括为一大三多一大是指参数规模大是千亿参数级别的超大型人工智能模型三多是指利用多来源多模态多任务的互联网海量数据进行训练大规模语言模型性能强烈依赖于参数规模N数据集大小D和计算量COpenAI在2020年曾经提出大模型缩放规律计算量增加10倍模型规模要增加5倍训练数据增加2倍尽管后来DeepMind重现定义了最优模型训练的参数规模和训练数据量之间的关系说明数据规模和参数量同等重要我们仍然可以定性地认为大模型的性能提升需要依靠持续扩大的数据集实现互联网提供的海量数据是AI近期能够取得突破性进展的重要基础大模型的训练数据主要来自于维基百科书籍期刊Reddit社交新闻站点CommonCrawl和其他数据集OpenAI虽没有直接公开ChatGPT的相关训练数据来源和细节但可以从近些年业界公布过的其他大模型的训练数据推测出ChatGPT的训练数据来源近几年大模型训练采用的数据来源基本类似国内大模型的数据来源和自身优势业务有较强相关性如百度文心一言大模型的来源主要基于互联网公开数据包括网页搜索图片语音日均调用数据以及知识图谱等图15大模型训练数据来源统计表中数字单位为GB数据来源AlanDThompson东吴证券研究所GPT4依靠大量多模态数据训练GPT4是一个大规模的多模态模型相比于此前的语言生成模型数据方面最大的改进之一就是突破纯文字的模态增加了图像模态的输入具有强大的图像理解能力即在预练习阶段输入任意顺序的文本和图画图画经过VisionEncoder向量化文本经过普通transformer向量化两者组成多模的句向量练习目标仍为next-wordgeneration根据腾讯云开发者推测GPT4训练数据中还额外增加了包含正误数学问题强弱推理矛盾一致陈述及各种意识形态的数据数据量可能是GPT3545TB数据的190倍未来AI模型的竞争力或体现在数据质量和稀缺性根据Google的研究数据质量1219东吴证券研究所请务必阅读正文之后的免责声明部分行业深度报告在高风险的人工智能领域具有更高的重要性但人们往往只关注于模型而忽略数据质量在所有AI相关领域几乎都是如此我们认为GPT-4更多依赖模型效率和数据质量的提升来实现改进未来在细分垂直行业的优化也将基于行业特定数据展开高质量稀缺的数据放开对AI发展至关重要发展国内自己的大模型需要国内的高质量稀缺数据然而根据发改委高技术司我国政府数据资源占全国数据资源的比重超过34开放的规模却不足美国的10个人和企业可以利用的规模更是不及美国的7但这类数据的开放共享程度不高全国开放数据集规模仅约为美国的11数据有待进一步开放汇集为开发更符合国内需求的大模型提供基础发展数据要素市场促进相关公共企业个人数据的进一步放开将为国内AI发展提供重要支撑我们认为可以主要关注两个方面能够采集处理细分行业稀缺数据的厂商久远银海容知日新国能日新千方科技中控技术千方科技用友网络等以及具有专业数据处理服务能力的通用第三方厂商海天瑞声等图16数据采集示意图数据来源行行查东吴证券研究所表3计算机各行业数据要素相关厂商行业相关公司电信中国移动电信联通思特奇广播电视广电网络国能日新恒实科技朗新科技远光软件国网信通能源朗新科技海联讯金现代普联软件中科江南税友股份宇信科技长亮科技神州信息金融新大陆广电运通ST御银证通电子京北方同花顺银江技术银之杰新国都浩云科技高伟达四1319东吴证券研究所请务必阅读正文之后的免责声明部分行业深度报告方精创古鳌科技天阳科技恒生电子金证股份顶点软件中远海科千方科技金溢科技鸿泉物联皖通科技锐明技术德赛西威盛视科技有棵树运达科技万公路水路运输集科技天迈科技通行宝微创光电多伦科技诺力股份道通科技铁路世纪瑞尔唐源电气思维列控民航航天信息邮政湘邮科技水利和达科技应急管理辰安科技久远银海国新健康创业汇康卫宁健康山大地纬卫生健康万达信息思创医惠朗玛信息荣科科技和仁科技社会保障美亚柏科国防科技旋极信息华如科技佳缘科技能科科技冶金上海钢联地理信息航天宏图中科星图四维图新超图软件酒店石基信息广联达立方数科恒华科技盈建科宏景科技品茗建筑科技教育竞业达新开普佳发教育鸥玛软件科大讯飞煤炭梅安森北路智控龙软科技数据来源Wind东吴证券研究所4应用AI的星辰大海AI时代已经来临最大的市场将是被AI赋能的下游应用市场如果说AI是第四次工业革命那么正如前三次工业革命最大的市场将是被AI赋能的下游应用市场本轮革命性的产品ChatGPT将极大地提升内容生产力率先落地于AIGC领域打开其产业的想象边界文本生成代码生成图像生成以及智能客服将是能直接赋予给下游行业的能力打开其产业想象的边界图17三次工业革命带来下游应用技术爆发1419东吴证券研究所请务必阅读正文之后的免责声明部分行业深度报告数据来源维基百科东吴证券研究所我们应该去寻找杀手级的下游应用市场所谓杀手级应用市场即在AI赋能下该应用功能显著改善客户粘性显著提升最后体现为客户付费率和付费单价显著提升市场空间大幅提升我们认为根据美国产业发展现状来看当前来看已经涌现的杀手级应用领域主要有内容创作办公软件ERP机器人以及芯片设计领域最直接的应用在内容创作领域ChatGPT的功能核心是基于文本的理解和分析与内容创作行业趋同ChatGPT可用于创建新闻文章博客文章甚至小说等内容它可以生成原创且连贯的内容为内容创作者节省时间和资源整体生成式AI已用于创建图像视频3D对象Skyboxes等这大大节省了创作时间同时带来了多样的创作风格图18GPT-4画出了三体中的罗辑图19AI生成不同的3D建筑风格数据来源行者慎思东吴证券研究所数据来源设计癖东吴证券研究所在办公软件领域是划时代的生产力的解放我们认为办公场景是当前所能看到的AI最大级别应用场景Microsoft365Copilot将会带来需求的刚性是人工智能杀手级应用在Word中Copilot可以帮助打草稿排版修改在Excel中Copilot可以帮助用户修改样式并进行数据分析预测可视化等在PPT中Copilot能够基于文本自动绘制PPT根据PPT生成讲稿Copilot协助完成Office套件中大量执行类工作并提供低阶创意参考极大提升使用者效率节省重复性时间Microsoft365Copilot的推出标志着人类与计算机交互方式的重大进步这将彻底改变我们的工作方式开启新一波生产力增长图20Microsoft365Copilot1519东吴证券研究所请务必阅读正文之后的免责声明部分行业深度报告数据来源微软发布会东吴证券研究所与ERP的结合有望重构企业管理ERP能够学习企业管理通用数据又能学习企业管理私有数据让ERP在做到贯彻领先企业管理理念的同时越来越个性化低成本满足企业对ERP定制化的需求ERP使用流程繁琐使用ChatGPT和直接询问获得想要的信息可降低使用者门槛ERP往需要很多繁重的人工操作例如手动输入数据生成内容和标注笔记等使用ChatGPT可以自动抓取减少人数ERP是企业管理核心软件AI赋能后有望进一步增强客户粘性为客户创造更多价值ChatGPT解决了机器人的痛点ChatGPT开启了一种新的机器人范式允许潜在的非技术型用户参与到回路之中ChatGPT可以为机器人场景生成代码在没有任何微调的情况下利用LLM的知识来控制不同的机器人动作以完成各种任务ChatGPT大大改善了机器人对指令的理解并且不同于以前单一明确的任务机器人可以执行复合型的任务图21ChatGPT改善了机器人对环境的适应性1619东吴证券研究所请务必阅读正文之后的免责声明部分行业深度报告数据来源每日经济新闻东吴证券研究所看好ChatGPT在芯片设计领域的应用传统的芯片设计强烈依赖模板而忽视了大量可以复用的优秀数据同时数据量大导致ChatGPT泛化性更好此外芯片硬件模块相对单一有一些成熟范式芯片设计代码复杂但人工不足这些都与ChatGPT有很好的互补AI使得芯片开发成本降低周期缩短具备足够多训练数据和AI能力的芯片设计公司竞争优势可能会扩大图22智能EDA和传统EDA流程图数据来源机器之心专栏东吴证券研究所我们认为算力是限制ChatGPT大规模商业化落地的主要原因ChatGPT-4访问被持续限流本质上是算力成本承压OpenAI对于Plus付费用户的GPT-4访问阈值在较短的时间内连续下降了4次背后是其日活和周活用户数的持续攀升大规模的用户访问使得GPT的算力成本进一步增长随着应用端逐渐丰富对算力的需求提出了更多的需求预计未来的算力需求缺口将会持续扩大纵使ChatGPT前尚处于发展的早期探索阶段也存在一些如算法模型不完善理解能力不足回答问题不够灵活等突出问题但是其目前已经成功跑出了商业模式却由于算力需求缺口不得不进行访问限制或者降低精度随着GPT生态的建立相关应用的爆发算力的需求将持续扩大算力需求缺口将会持续扩大成为ChatGPT大规模商业化的限制AI时代已经来临AI万物将赋能千行百业未来各信息化赛道都会探索出各自的人工智能应用场景这其中我们更加看好各行业信息化领域处于优势地位的龙头公司他们不仅具备了较高的市场份额同时在资源集聚行业Knowhow积累和行业壁垒上1719东吴证券研究所请务必阅读正文之后的免责声明部分行业深度报告都实现了比较优势这些公司包括海康威视金山办公恒生电子广联达深信服中科创达用友网络科大讯飞三六零同花顺石基信息等5投资建议与相关标的算法上我们建议关注已经有先发优势的大模型公司三六零科大讯飞同花顺等此外还有一些实施企业如软通动力润和软件汉得信息等算力上我们推荐景嘉微中科曙光神州数码建议关注海光信息寒武纪四川长虹拓维信息等数据上我们推荐各细分赛道的信息化龙头企业如久远银海容知日新中控技术建议关注国能日新千方科技等应用上我们推荐在具备杀手级应用潜能的厂商金山办公用友网络恒生电子建议关注广联达石基信息等6风险提示政策推进不及预期相关政策推进受到多种因素影响节奏和力度可能不及预期行业竞争加剧行业市场空间广阔可能吸引更多公司参与行业竞争1819东吴证券研究所请务必阅读正文之后的免责声明部分免责及评级说明部分免责声明东吴证券股份有限公司经中国证券监督管理委员会批准已具备证券投资咨询业务资格本研究报告仅供东吴证券股份有限公司以下简称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报告中的信息或所表述的意见并不构成对任何人的投资建议本公司不对任何人因使用本报告中的内容所导致的损失负任何责任在法律许可的情况下东吴证券及其所属关联机构可能会持有报告中提到的公司所发行的证券并进行交易还可能为这些公司提供投资银行服务或其他服务市场有风险投资需谨慎本报告是基于本公司分析师认为可靠且已公开的信息本公司力求但不保证这些信息的准确性和完整性也不保证文中观点或陈述不会发生任何变更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报告的版权归本公司所有未经书面许可任何机构和个人不得以任何形式翻版复制和发布如引用刊发转载需征得东吴证券研究所同意并注明出处为东吴证券研究所且不得对本报告进行有悖原意的引用删节和修改东吴证券投资评级标准公司投资评级买入预期未来6个月个股涨跌幅相对大盘在15以上增持预期未来6个月个股涨跌幅相对大盘介于5与15之间中性预期未来6个月个股涨跌幅相对大盘介于-5与5之间减持预期未来6个月个股涨跌幅相对大盘介于-15与-5之间卖出预期未来6个月个股涨跌幅相对大盘在-15以下行业投资评级增持预期未来6个月内行业指数相对强于大盘5以上中性预期未来6个月内行业指数相对大盘-5与5减持预期未来6个月内行业指数相对弱于大盘5以上东吴证券研究所苏州工业园区星阳街5号邮政编码215021传真051262938527公司网址httpwwwdwzqcomcn