少数科技巨头正在引领AI基础模型的发展
　　回顾近十年的人工智能模型发展，我们发现AI技术提供商数量稀少且进入门槛不断提高。2017年起，人工智能研究从小模型转向大语言模型，导致模型体量成倍增加，需要更多GPU算力和配套设施投入，大量的前期资本投入以及过长的回报周期阻碍了许多新进入者。
　　大模型时代，模型体积几何式增长导致前期投入过高，成功者往往依赖科技巨头的资金、数据等支持。在过去五年内，我们看到成功的人工智能独角兽都在寻找互联网科技大厂作为其背后的依靠，主要因为：1）能够得到充足而短时间内不求产出的资金支持；2）依靠互联网大厂的公有云等相关资源进一步降低成本；3)获取互联网大厂长期以来所积累的优质数据源。
　　AI巨头从开源走向闭源
　　大模型研发的高门槛让头部少数AI厂商占据主导权，并开始从技术研发向商业化落地迈进。从Bert开始到GPT-3再到谷歌的PALM，人工智能技术的发展潮流始终由OpenAI、谷歌等少数几家巨头主导，其他厂商根据先行者的开源资料以及相关论文进行模仿并创新。但从OpenAI发布GPT-3走向商业化盈利开始，谷歌也迅速效仿，不再公布T5模型及后续版本的细节。头部的AI厂商希望将自身的技术优势构筑为商业化能力的核心壁垒，以延长后来者的追赶时间。
　　人工智能头部厂商从开源走向闭源，利用其综合优势来保持持续的领先。谷歌与OpenAI作为行业内的技术领先者已经明确选择了闭源模式：本次OpenAI推出GPT-4的形式与以往不同，OpenAI既没有发布GPT-4的相关论文，也没有提供详细的框架说明，仅仅提供了一份98页的技术文档（主要描述模型能力以及相关评测的得分，几乎没有任何技术细节）。通过这一方式，OpenAI阻断了所有借鉴者参考的直接途径（模型大小、数据集构建、训练方法等），迫使想要融入GPT-4能力的软件服务商与其合作，OpenAI提供对应的API接口以及部署指导。
　　追赶者更倾向于通过培养开源社区
　　相较于头部AI厂商，追赶者更倾向于通过培养开源社区，共同迭代模型以缩小和头部厂商的差距。头部厂商闭源模型后，落后一到两个身位的公司（Meta、Amazon、NVIDIA等）可能会选择开源路线，寄希望通过社区的力量加速迭代。目前大语言模型开源社区的主要贡献者包括Meta、NVIDIA以及Huggingface等，通过分享部分模型与大语言模型相关的知识培训逐渐培养起了一批开源开发者。Meta于2023年3月发布了其新一代大语言模型LLaMA并将源代码开源给社区。社区用户及企业可以免费使用公开的模型以及数据源，但受证书限制不能用作商业用途。
　　软件服务商需在与闭源头部厂商合作或免费开源方案之间做出抉择
　　在见证了ChatGPT的成功后，拥抱AI能力成为了软件服务商的普遍共识。Gartner预计到2025年，生成式人工智能将占所有生成数据的10%。由于底层大语言模型的高门槛，只有部分科技巨头有能力完全自研底层模型。而绝大多数软件服务商需要在成为闭源头部厂商的合作伙伴与使用自有数据在开源项目的基础上开发之间做二选一的抉择。
　　风险因素
　　AI核心技术发展不及预期风险；
　　科技领域政策监管持续收紧风险；
　　私有数据相关的政策监管风险；
　　全球宏观经济复苏不及预期风险；
　　宏观经济波动导致欧美企业IT支出不及预期风险；
　　 AI潜在伦理、道德、用户隐私风险；
　　企业数据泄露、信息安全风险；
　　行业竞争持续加剧风险等。
　　投资策略
　　大语言模型（LLM）+“暴力美学”的技术路线下，针对底层算法模型，第三方软件服务商需要结合自身专有数据集积累、技术&资金能力、产品形态等，在闭源方案、开源生态之间做出抉择，彼此优劣势亦十分明显。LLM带来内容生成、自然语言交互、信息检索效率的大幅改善，将使得偏平台型、垂类应用软件显著受益，但也将大概率导致部分业务逻辑简单、偏中间态的单点软件产品方案明显受损，同时借助人机交互效率的大幅改善，用户对基础软件的使用门槛料显著降低，利好数据管理、信息安全、运维等基础软件板块。我们判断，LMaaS（大语言模型即服务）、插件（链接外部知识、工具）、关联落地（Grounding，优化用户提示、输出结果等）等将构成后续软件产业的核心关键词，不断驱动软件产业开发界面持续上移，以及软件产业平台化、模块化发展，并最终带来更加紧密、复杂的软件产业分工协作体系。
　　沿着这一分析框架&逻辑，我们看好美股软件板块，并建议不断聚焦应用层的平台型、垂类软件厂商，以及基础层的数据管理、信息安全、运维、软件开发等厂商，建议持续关注：微软、Salesforce、Service Now、Adobe、Snowflake、Datadog、MongoDB、Confluent、Palo Alto、Crowdstrike等。