如何形成“数据-模型-应用”的飞轮是AI大模型企业成功关键
　　我们认为：AI大模型是一个资本密集，人才密集和数据密集的产业，如何形成“数据-模型-应用”的飞轮，是大模型企业成功的关键。通过深度复盘海外基础大模型企业，梳理各公司的资源禀赋和路径选择，我们看到：1)微软&OpenAI对颠覆式创新的持续投入是当前领先的深层原因；2）谷歌有深厚的人才和技术积累，但管理架构上未形成合力；3）英伟达通过CUDA框架，形成了其它芯片公司难以逾越的护城河；4）Meta等正通过模型开源进行反击。当前，国内百度、阿里、商汤、华为等积极加入，行业呈现“百模大战”的竞争格局，是否能形成飞轮是最后胜出的关键。
　　微软&OpenAI：技术水平、产品化落地最为前沿的领军者
　　OpenAI与微软是目前AI大模型技术水平、产品化落地最为前沿的领军者。复盘OpenAI发展历程，我们认为以下特质和战略选择至关重要：1）高人才密度，内部坚定信仰AGI；2）把握正确的技术路线不动摇，Transformer架构诞生后快速选择，并坚定其中的解码器路线；3）与微软合作，解决算力不足问题；4）推动产品落地，形成模型调用、数据反馈和模型迭代的正反馈循环。目前，微软已经将OpenAI的大模型能力整合至其办公软件、搜索、操作系统、云服务等各ToB、ToC产品或服务中。
　　谷歌：技术储备丰厚&AI可落地业务生态广阔，目前产品化生态化加速追赶
　　谷歌AI技术和人才储备丰厚，但产品化一度落后于OpenAI：算法上，于2017年推出当前最主要的LLM基础架构——Transformer，并推出BERT、PaLM-E等具有里程碑意义的大模型；算力上自研TPU芯片；TensorFlow框架亦由谷歌推出。谷歌拥有包括搜索引擎、地图、邮箱、办公套件等在内的丰富产品生态，AI大模型落地空间广阔。23年以来，谷歌加速追赶微软及OpenAI：1）合并谷歌大脑、DeepMind两大AI团队，以汇聚资源；2）加速大模型产品化落地。I/O大会上发布PaLM-2，并已应用在超过25种功能和产品中，强化聊天机器人Bard与谷歌以及外部其他应用的协同能力。
　　Meta：模型开源的防御性策略，以应对对手的强势闭源模型
　　Meta对AI业界最大的贡献之一是于2017年推出的开源深度学习框架PyTorch，其凭借灵活性、易用性和高性能成为深度学习领域最受欢迎的框架之一。进入AI大模型时代，Meta在产品化方面动作较慢，但采用模型开源策略，作为应对竞争对手强势闭源模型的防御性策略。Meta在2023年接连开源大语言模型LLaMa，CV大模型SAM、Dinov2、语音大模型MMS以及多模态大模型ImageBind等，促进了开源社区的繁荣。其中，基于LLaMa已经微调衍生出多个开源模型，并在性能上接近谷歌、OpenAI的专有模型，成为中小企业、中小开发者的性价比之选。
　　英伟达：AI芯片领路者，AI云服务和模型代工厂新商业模式值得关注
　　英伟达是全球最大的GPU供应商，持续以CUDA为核心构建护城河，结合CPU+GPU+DPU三大硬件，形成统一的生态闭环。公司能够不断加强领先优势的关键因素在于：1）敏锐捕捉终端需求变化。10-15年将重心向高端游戏显卡过渡；18年后向数据中心、自动驾驶发展；2）灵魂人物黄仁勋带领决策，引领行业变革；3）收购完善业务版图。商业模式上，公司深度绑定台积电走OEM模式，并于近期推出AIFoundations，定位为“超算云服务+模型代工厂”，其从硬件向算力云服务、MaaS的商业模式转型值得关注。
　　风险提示：AI及技术落地不及预期；本研报中涉及到未上市公司或未覆盖个股内容，均系对其客观公开信息的整理，并不代表本研究团队对该公司、该股票的推荐或覆盖。