【广发证券】策略对话计算机：AI 大模型时代

2023-04-12 12:04

策略戴康/李学伟、计算机刘雪峰/周源

报告摘要

● 引言：广发策略团队自23.3.2持续八篇报告推荐数字经济机遇，判断AI的“奇点时刻”已经到来，将贯穿23年投资机遇。广发计算机团队自22.6《计算机行业：AI算力需求快速增长，平台化基础设施渐成焦点》至23.4《计算机行业：AI大模型时代的网络安全挑战与机遇》共十二篇报告深入研究AI技术发展趋势、商业化落地前景，持续跟踪AI算力需求变化、AI赋能各行业的情况。本篇我们联合广发计算机组，聚焦本轮AI产业趋势、行情节奏、投资线索等问题。

● 策略：站在新一轮产业浪潮的拐点。

（1）从经典科技牛看AI浪潮：技术革命视角及“技术+场景”视角折射本轮AI与99年美股科网泡沫、15年创业板牛市等科技牛异同。

（2）借鉴13年“移动互联网+”行情：中长期看本轮“AI+”行情小荷才露尖尖角，当前行情仍在第一阶段，我们重点首推“上游算力”（AI芯片/服务器交换机/光模块光芯片/液冷温控/互联网）。本轮“AI+”行情三阶段判断详见《“AI+”堪比13年的“移动互联网+”》。

● 策略对话计算机：如何研判本轮AI产业趋势、行情节奏、投资线索？

Q1：从计算机行业视角，如何看本轮“AI+”产业趋势？答：GPT系列大模型带来AI产业趋势：1. 生成式AI技术是未来发展趋势；2. AI大模型对算力、算法以及数据等基础要素的生产组织方式有较大改变。

Q2：复盘历史，行业视角如何看本轮AI+与2013年“移动互联网+”异同？答：共同点是产业变革影响深远，市场风险偏好较高。差异点：1. AI+对投资者而言感受相对较弱，移动互联网+带来的变化直观、受益群体广泛；2. 移动互联网在国内发展较快，且相对独立；而AI大模型与国外差距较大，但受国外映射或牵连较大。

Q3：后续AI行情有何重点细分线索推荐？答：以海外的技术或商业突破的映射为主，可重点关注AI算力基础设施方向。

Q4：当前各大厂竞逐AI大模型开发，硬件与算力需求迎来提振契机，如何看该领域的市场空间与投资线索？答：AI芯片计算平台仍是附加值最高、格局最好，并叠加自主可控的高价值环节。详见正文AI大模型训练和推理阶段对AI加速卡和AI服务器增量需求空间的测算。

Q5：15年“移动互联网+”的应用场景落地速度较快、且可以面向To-C端，当下“AI+”多以To-B为主，AI场景应用视角如何看发展前景？答：一方面，行业头部应用软件公司在竞争壁垒及价值提升方面均将明显受益，另一方面，对部分缺乏壁垒的应用软件厂商挑战较大。

● 风险提示：宏观经济下行压力超预期；全球经济修复可能不及预期；AI研发投入较大与成果不及预期、AI芯片存在供应链不稳定的风险等。

报告正文

一、策略：站在新一轮产业浪潮的拐点

广发策略团队自23.3.2持续八篇报告推荐数字经济AI+机遇，这是23年最值得重视的或将贯穿全年的投资机遇！系列报告详细梳理数字经济“三大预期差→三大趋势→三大投资线索”、数据要素&数字基建两大基石，数字经济“位置感”，以及由AI引发第四次场景革命。我们在《与风共舞:从经典科技牛看AI浪潮》提出，AI的奇点时刻已经到来，我们当前站在新一轮产业浪潮的拐点，并在《“AI+”堪比13年的“移动互联网+”》，进一步深度挖掘“AI+”与13年“移动互联网+”的异同，从策略视角自上而下理解本轮“AI+”的行情。

广发计算机团队自2022年6月的《计算机行业：AI算力需求快速增长，平台化基础设施渐成焦点》至2023年4月《计算机行业：AI大模型时代的网络安全挑战与机遇》共十二篇报告深入研究AI技术发展趋势、商业化落地前景，持续跟踪AI算力需求变化、AI赋能各行业的情况。

本篇报告我们联合广发计算机组，聚焦本轮AI产业趋势、行情节奏、投资线索等方面问题，全面解析AI主线中的计算机行业投资机会。

（一）从经典科技牛看AI浪潮：站在起点，与之共舞

第一、从技术革命的视角看，70年代信息技术革命诞生时代巨头。我们选取1980-1994（美国科网泡沫启动前）的时段，可以看到计算机科技巨头成功之处，或者股价迎来主升浪的重要信号是两个：

（1）技术/产品突破。上世纪70年代以来计算机的生态链中竞争起伏，但只有操作系统开发商的微软和处理器制造商的英特尔处于不可替代的位置，可以看到关键技术突破节点，对应股票主升浪节点。

（2）面向用户，尤其是打开To-C端使用场景。IBM公司在设立之初的客群一直是政府部门、军方、银行和科研院所，在上世纪80-90年代的竞争中逐渐成为落伍者。而1976年苹果公司创始人乔布斯认识到要让计算机的价格大幅下降才能打开个人消费者用户，并与他人合作研制出第一台面向个人的通用电脑Apple1,1984年第一台苹果电脑Mac机成为老百姓买得起、操作界面简介的个人电脑。

第二、从“技术+场景”视角看，99年美股科网泡沫、15年创业板牛市，与本轮AI相比有哪些异同点？

首先，99年科网泡沫和15年创业板存在诸多相似之处，可以概括为“天时地利人和”，有着不可多得的背景环境——

1. 稳定的经济数据和低通胀是这两个时段“泡沫”酝酿的温床

2. 均处于降息周期，长期利率下行通道，产业转型的顶层设计指明了未来的方向。美国90年代信息高速公路建设，中国13-15年移动互联网建设

3. 极度宽松的流动性土壤，以及源源不断的增量资金。利率中枢持续下移

4.To-C的新商业模式带来用户数量的爆发增长，进一步打开了万物皆可“触网”的想象空间。

其次，站在“AI+”时代，我们和“互联网+”与“移动互联网+”做对比，可以发现存在相似之处、也存在不同点——

1. “技术+场景”的公式相似，但99年“互联网+”和15年“移动互联网+”的应用场景落地速度较快、且可以面向To-C端；而“AI+”目前的应用场景环节大多处于“脑洞阶段”，且以To-B为主。

2. 与商业模式承接，99年“互联网+”典型龙头公司的业绩虽然在降速但仍在高位（降速也为未来泡沫破灭埋下隐患），13-15年创业板迎来业绩提速最快的阶段；而“AI+”目前业绩有把握的领域还看不清楚，以算力激增下个别需求爆发环节为主。

3. 当下暂时看不到极度宽松的货币环境和源源不断的增量资金。

站在起点，与之共舞——基于新兴渗透率框架，AIGC处于破壁渗透期，有望迎来“戴维斯双击”。基于我们22年1月搭建的新兴产业渗透率研究框架，新兴产业在0-20%渗透率且渗透率一阶导快速提升的阶段，将迎来不可多得的“戴维斯双击”。

当前AIGC已经看到商业化落地的潜在路径和对应的庞大用户需求，有望带来渗透率加速上升。这符合我们所述“破壁渗透期”的产业特征，我们需要观察的是接下来商业化带动的渗透率提升的速度，积极布局渗透率一阶导提升的黄金时期。未来将迎来应用蓬勃期而后转向整体加速期，迎来渗透率和市场规模的快速提升。根据Gartner预测，当前AIGC渗透率（生成式AI产生的数据占比）仅不足1%，2025年AIGC渗透率有望提升至10%；另一方面，根据量子位预测，2030年我国AIGC产业规模将接近1.2万亿，市场空间广阔。

（二）对比13年“移动互联网+”，中长期看本轮“AI+”行情小荷才露尖尖角

我们在《“AI+”堪比13年的“移动互联网+”》中，深度挖掘“AI+”与13年“移动互联网+”的异同，从策略视角自上而下理解本轮“AI+”的行情趋势。

1. 短期看当下第一波行情&第一波回调的时间与空间：“AI+”行情的第一轮上涨幅度（47%，截至4.6）接近但尚未达到13年“移动互联网+”行情的第一轮上涨幅度（67%）；而13年的“移动互联网+”总共经历过3次较为典型的回调，回调时长分别为40、17、19天，回调幅度分别为11.5%、9.5%、13.7%，整体回调时长和幅度并不大，而每一次回调均是买入的机会。当前TMT的拥挤度达到38.2%（截至2023年4月6日），接近19年拥挤度极值。但19年拥挤度两次触及39%，TMT的总行情均未结束，仅引发短暂的回调或波动性增大，之后TMT行情继续上行。我们认为，本轮“AI+”的第一波上涨因交易拥挤波动加大但趋势未变。

2. 中长期看本轮“AI+”行情小荷才露尖尖角，“盈利印证”重要但并非行情持续性的决定性条件： 13年A股“移动互联网+”行情几乎贯穿全年，总时长达到322天，总涨幅则是超过了250%。移动互联网场景革命下的“移动互联网+”行情还有一个重要的特征：行情中估值的贡献远大于盈利。在整个 “移动互联网+”行情中，整合行情中涨幅最高、占据行情主导地位的互联网指数几乎所有涨幅均由估值贡献，即“盈利印证”虽重要但并非行情持续性的决定性条件，同时能够实现“盈利印证”的行业更容易具备持续、贯穿整个行情的上涨动力。我们认为中长期来看当前AI行情可能小荷才露尖尖角！

（三）风险提示

宏观经济下行压力超预期，国内“稳增长”政策落地效果仍有不及预期风险。

全球疫情仍存在反复的风险，尤其是奥密克戎疫情带来更大的不确定性。

疫情变异/反复可能导致全球经济修复不及预期并影响中国出口韧性。

全球/中国通胀高位流动性可能边际收紧。

中美贸易/金融领域的关系仍有不确定性。

二、对话计算机：如何研判本轮AI产业趋势、行情节奏、投资线索？

（一）Q1：从计算机行业视角，如何看本轮“AI+”产业趋势？

GPT系列大模型带来的AI产业的发展趋势主要有两个：

1. 生成式AI技术的通用化效果突破，引起产业界一致的高度关注，各科技厂商加速投入，目前正处于快速发展过程中。与上一代聚焦于物理世界中对实体的识别功能的AI技术，生成式AI技术可实现对文本、图片、语音等内容的生成，可应用的场景有较大拓展，包括文案写作、邮件撰写、宣传广告制作、艺术创作、特效制作、软件代码编写、不同语言代码的转译等。

2. 大模型的通用化效果是建立在海量数据训练出的千亿规模的参数量基础上的，其对于算力、算法以及数据等基础要素的生产组织方式有较大改变。例如，ChatGPT是在GPT-3预训练模型的基础上，再新增输入了包含3千亿单词量在内总计570GB的数据后，对其参数进行了微调后，训练所得。这种训练方法一般称为迁移学习。由于所需训练的数据量较大，在这一过程中也离不开较大规模算力的支持。接下来，我们将从模型训练、算力支持和训练数据三方面详细分析ChatGPT实现较强通用性的原理。

1、AI预训练大模型是ChatGPT实现通用化的基础

ChatGPT采用“预训练+微调”的模型训练方式，研发效率较高。ChatGPT是在GPT-3的基础上进行微调得到的。GPT-3在预先学习了各场景海量数据的基础上，其包含了具有通用共性特征的底层卷积层，这部分卷积层无需再进行训练，网络权重和阈值可以直接复用到新的任务中。在研发阶段，开发人员通过对GPT-3这一预训练大模型进行剪裁、域的自适应和新增部分类等微调，即可实现类似ChatGPT特定模型的量产，提升开发效率。我们认为，与从零开始训练AI模型相比，引入AI预训练大模型的训练方式具有以下优势：1.训练时间更短：预训练模型中的部分卷积层可以复用，无需重复训练；2.训练成本更低：训练所消耗的算力随着数据训练时长的减少而减少，在预训练模型的基础上微调的开发成本大大低于从零训练的成本。

预训练大模型GPT-3是ChatGPT实现通用性的基础，目前已开放API接口供调用。自2018年，OpenAI推出第一代GPT大模型开始，公司持续向内容生成类AI模型研发。2020年5月，OpenAI发布了当时全球规模最大的预训练语言模型GPT-3，在许多自然语言处理任务上均表现了出色的能力，包括翻译、问答和文本填空任务等。GPT-3作为OpenAI多年研发的成果，目前已开放API接口供开发者调用。自2020年6月，GPT-3开放API接口，至2021年3月，已有超过300个应用基于其进行开发。我们认为，OpenAI作为具有开放性质的研究机构，对其研究成果对公众开放有利于行业整体技术进步，但基于GPT-3开发出类似ChatGPT通用化效果的模型仍取决于算力的支持和训练数据的数量与质量。

2、超大规模智能算力是ChatGPT实现通用化的壁垒

包括ChatGPT在内的大模型在训练和推理阶段都需要大量算力的支持。在Transformer模型推出后，自2018年开始，AI模型的参数近乎每年一个数量级的速度快速增长。模型的规模和训练、推理时所消耗的算力存在正相关关系。AI大模型对于AI算力的需求不仅存在于训练阶段，在各场景推理任务中也需要。大规模智能算力基础设施是各科技公司训练AI大模型的前提，正逐渐成为其在AI领域竞争的关键要素。我们认为，未来，随着AI大模型的开发和应用，其有望驱动AI芯片和AI服务器等硬件需求的增长，利好寒武纪和浪潮信息等国产AI硬件公司。

训练AI大模型所需的超大规模AI算力是主要壁垒。2020，OpenAI推出的GPT-3大模型拥有1750亿参数，使用了570 GB的数据进行训练，训练成本达到了1200万美元。2021年，微软和英伟达使用了4480个GPU训练出的拥有5300亿参数的MT-NLG大模型，训练数据多达1.5TB，其训练成本更是高达8500万美元。科技公司开发AI大模型需要专有AI算力基础设施和足够资金的支持。我们认为，受限于资金和算力基础设施，中小规模的AI公司对AI大模型虽有强烈诉求但无力开发，未来或需要依靠公共部门或大型科技公司的算力和AI大模型。而商汤在战略上预计持续投入底层AI算力基础设施，建设AIDC，有望保持长期竞争力。

3、训练数据的数量和质量是ChatGPT实现通用化的关键

ChatGPT较强的通用化能力和其训练数据的数量、质量有关。一般而言，用于训练的数据量越大，模型的泛化能力越强。训练数据高达45TB的GPT-3，其在问题回答时的准确性和覆盖面远高于训练数据仅40GB的GPT-2。此外，训练数据所包含信息的丰富程度、真实性和及时性也对AI大模型生成的内容有较大影响。例如，InstructGPT模型训练数据集中96%以上是英文，其它20个语种例如中文，法语，西班牙语等加起来不到4%，这导致其对其它语种的内容生成的拟人化效果不如英文。

ChatGPT引入了人工反馈强化学习机制，有效提升模型拟人化效果。InstructGPT和ChatGPT在拥有和GPT-3相同量级参数的情况下，其回答相同问题的效果要远优于后者。基于人工反馈的强化学习机制（RLHF）是InstructGPT和ChatGPT在生成内容流畅、真实和拟人化的关键。OpenAI在训练InstructGPT的过程中，采用了40名人员的标注团队，对模型提出各种类型问题并且根据其回答给予人工反馈，这有效提升了模型输出结果与人类喜好的匹配度。我们认为，在数据标注过程中，对于模型生成内容的反馈是建立在对于各场景需求的理解上的。标注人员的价值观、知识面和专业能力都会对训练的AI大模型有一定影响。

在AI大模型对于训练数据的数据量、场景覆盖面以及标注的精细化程度等有较高要求的情况下，未来各家公司采集、获取数据的方式是关键。科大讯飞在语音文字类数据采集手段丰富，积累的数据量较大，在开发AI大模型方面或具有一定优势。此外，具有中立属性和开放风格的公司更容易与产业链上下游形成合作，通过构建开放的生态，拓宽数据获取的渠道，有望建立AI大模型开发上的相对优势。

总体而言，ChatGPT大模型的训练和应用对于AI领域的模型、算力和数据三大基础要素的生产组织方式已经有了较大改变，具体如下：

（1） AI模型：“预训练+微调”的模型训练方式有望快速推广。开发者可通过对类似GPT-3的AI预训练模型进行剪裁、域的自适应和新增部分类等微调，即可实现特定模型的量产，提升开发效率。

（2） AI算力：AI大模型在训练和推理两个任务中都需要大规模智能算力基础设施的支持。未来随着AI大模型的开发和应用，其有望驱动AI加速卡和AI服务器等硬件需求的增长。

（3）训练数据：在AI大模型对于训练数据的数据量、场景覆盖面以及标注的精细化程度等有较高要求的情况下，未来各家公司采集、获取数据的方式是模型实现通用化的关键。

（二）Q2：复盘历史，本轮AI+与2013年“移动互联网+”有何异同？对本轮行情持续性与节奏如何看？

1. 共同点：产业变革影响深远，市场风险偏好较高。

技术的革命性突破，带来新一代场景革命，“移动互联网+”和“AI+”分别是两大场景革命。“移动互联网+”是智能手机与APP开启的，以外卖、团购、打车为代表的移动互联网场景革命；而本轮的“AI+”，则是以AI技术突破，推动从“万物互联”到“万物赋能”的跨越的新一轮场景革命。

13年初和当前，海外宏观环境均迎来了相似的环境：13年初美联储货币政策边际转松，当前处于美联储加息尾声。

1. 12年末美联储开启QE3 & QE4；23Q2美联储加息周期尾声，全球流动性将迎拐点。12年末：QE3 & QE4重新释放流动性，海外市场流动性持续宽松。12年9月美联储宣布了第三轮量化宽松货币政策(QE3)，同年12月美联储宣布了第四轮量化宽松货币政策（QE4），全球流动性和风险偏好均迎来改善。

2. 23年二季度：美联储加息路径愈发清晰，全球流动性迎来拐点。从去年3月至今，美联储已进行9次加息。但随着SVB、瑞士信贷事件相继发生，美债深度利率倒挂的副作用已经显现。

2. 差异点：

（1）移动互联网和互联网金融等带来的变化直观、视觉冲击力强，认可度高，受益群体广泛，且商业空间预测可量化，如按比例或用户数收取服务费等。

（2）AI+对B端冲击较大且因为安全、隐私、稳定性、可靠性和合规等原因导致商业化普及相对缓慢，对投资者而言感受相对较弱；新增商业空间难以量化测算，例如微软的相关产品尚未大规模出现涨价或收费，缺少对标参考；社会各阶层群体的受益受损情况较为复杂。

（3）移动互联网在国内发展较快，且相对独立；而ChatGPT方面与国外差距较大，但受国外映射或牵连较大。

（三）Q3：如何把握后续AI行情？有何重点的细分线索推荐？

1. 行情驱动方面，就产业角度而言依然会以海外尤其是微软/Open AI的技术或商业突破的映射为主。当前现状尚不能指望国内AI大模型平台在短期内带来突破性的变化，相关行业信息对A股计算机行业应用公司市值表现的刺激会边际减弱。未来，若AI技术与各行业融合赋能的过程中实质性推动了商业化落地进程，则有机会带来产业新的变化，或触发又一轮的投资行情。

2. AI+扩散的震荡或波动会相对较大：我们认为，ChatGPT引爆的新一轮AI变革，对B端行业应用的影响尤为深远。但同时，B端应用的复杂性和安全性要求令其扩散周期略长，从投资角度看，上游环节的算力基础设施的方向确定性更强，因此相关个股仍有可能一定程度扩散。AI芯片计算平台仍是附加值最高、格局最好，并叠加自主可控的高价值环节，标杆为寒武纪。此外，其余包括紫光股份和海光信息(与广发电子组联合覆盖)，以及宝信软件等。

3. 越往后，可能受益产业趋势变化的行业龙头公司的领先优势越有可能表现出溢价。典型公司包括石基信息、同花顺、恒生电子等。但后续表现可能会和自身现有业务的合理估值安全边际以及与海外关联的复杂度相关。

4. 此外继续推荐深度合作微软生态的亿联网络，考虑到Teams亮眼的运营数据以及获得Copilot加持后的广阔前景，预计微软生态还将持续拉动公司的视频会议等海外业务快速增长。

（四）Q4：当前各大厂竞逐AI大模型开发，硬件与算力需求迎来提振契机，如何看该领域的市场空间与投资线索？

AI大模型训练算力测算：GPT-3的大模型的所需要训练355个GPU-年。在当前各家公司推出AI大模型意愿较强的背景下，我们认为科技公司用于训练AI大模型的时间为1个月，因此其需要训练AI大模型的AI加速卡的数量为4260个。我们认为，AI大模型有望成为各科技厂商竞争的关键领域，因此假设国内有意愿开发AI大模型的公司有10个，则由于AI大模型训练而新增的AI加速卡需求空间为4.3万个，国内由于AI大模型训练而新增的AI服务器的需求空间约为5325台（假设单台AI服务器搭载8个AI加速卡）。

AI大模型推理算力测算：随着AI内容生成、人机对话等应用的快速渗透，各科技厂商为支持AI大模型的应用，存在扩大采购AI硬件的需求。我们分两种情境对AI推理算力需求进行测算：1. 若其定位为企业内部使用，则国内由于AI大模型推理而新增的AI加速卡需求空间为4.3万个，新增的AI服务器需求空间为5425台。2. 若其定位为面向个人用户开放使用，则国内由于AI大模型推理而新增的AI加速卡需求空间为8.7万个-26万个，新增的AI服务器需求空间为1.1万台-3.3万台。

根据上述测算，国内AI大模型在训练与推理阶段或将产生相当于1.1万台或3.8万台（乐观假设下）高端AI服务器的算力需求，以单片A100售价10万元人民币、单台AI服务器搭载8个AI加速卡、AI加速卡价值量占服务器整机约70%计算，则对应约126亿元或434亿元增量AI服务器市场规模，分别相当于21年国内AI服务器市场规模的0.35倍和1.22倍，同时相当于22年国内整体服务器市场规模的7%和23%。大模型商业前景已进入收费探索初期且平台间竞争态势开始加速，而过去一年多已经历过资本开支相对谨慎期，我们预计前述AI服务器的增量需求或将在1-3年的维度内逐步落地。

（五）Q5：15年“移动互联网+”的应用场景落地速度较快、且可以面向To-C端，当下“AI+”多以To-B为主，AI场景应用视角如何看发展前景？

Office系列软件嵌入Copilot，内容生成功能亮眼。2023年3月16日，微软发布Microsoft 365 Copilot智能插件产品，对于其既有的Microsoft Graph工具包和Microsoft 365办公软件产品进行了全面升级。Copilot是基于大规模语言模型开发的。通过嵌入Copilot，微软打通了Word、PowerPoint、Excel、Outlook、Teams等各软件产品间内容共享的通道，原本各自独立的办公软件可以根据用户的指令自动引用全类别Office软件中的既有内容，并自动编辑成满足客户需求的内容。例如，根据Word中的既有文字，用户可自动生成Powerpoint中的演示稿。Copilot对各软件产品具体提升效果如下：

1. 嵌入了Copilot的Word软件可根据用户指令自动生成文字，例如，新品发布会的演讲稿。此外，其还可以根据既有文字内容进行要点总结、扩写等高级别功能。

2. 嵌入了Copilot的Powerpoint软件根据用户指令不仅可以自动生成演示稿的文字和图片等内容，还能实现演示稿的美化、添加动画等高级功能。

3. 嵌入了Copilot的Excel软件可以根据用户指令自动生成分析表格并可视化为柱状图、曲线图等图表。

4. 嵌入了Copilot的Outlook软件可总结较长邮件内容，并根据用户回复内容的草稿进行扩写、添加图表等。

5. 嵌入了Copilot的Teams软件可在会议中实时进行要点总结、询问当下讨论话题等。

微软办公和企业管理类软件智能化水平提升较大，商业化前景广阔。我们在2023年2月14日发布的AI行业深度报告《ChatGPT通用化效果突破、前景广阔，国内AI产业链追赶仍有较大挑战》曾提到“未来，GPT系列AI大模型最具有成功潜力的商业化落地形式是其与微软从浏览器Bing到Office的全线软件的融合应用。二者的融合应用有望对微软的软件产品的门槛有较大提高效果，同时对相应竞品实现降维竞争。我们可以预期微软相关产品线的竞争优势会迅速扩大并能逐步新增体现在全球市场份额和财务回报上。”微软Copilot智能插件产品的推出并有效赋能其既有软件产品验证了我们此前对于AI大模型商业化落地的判断。我们继续看好嵌入了Copilot的微软办公类和企业管理类未来商业化应用前景。

AI实质性推动微软B端应用软件实现功能性上质的飞跃。微软的B端应用软件的技术突破证明了我们在前次报告里提到的“GPT系列AI大模型最具有成功潜力的商业化落地形式是其与微软从浏览器Bing到Office的全线软件的融合应用”。算力、数据、算法模型和商业软件应用需要有机融合是这一突破的先决条件。而国内的算力与模型平台在企业管理应用端非常薄弱，且和B端企业应用软件整体处于割裂状态。因此，未来只有在特定契机触发后，产业链上下游相互打通协作的假设下，才可能追赶全球领先企业的B端尤其是办公和企业管理软件的升级趋势，应对挑战；而彼时金山办公、金蝶国际和用友网络等公司才会受益于AI技术，进一步升级。只是我们尚不确定在国内相关产业生态融合契机的触发点何时以及以何种形式出现。

近期国内除了百度发布文心一言外，三六零、阿里巴巴、商汤也首次披露大语言模型产品。从近期发展态势看，我们有三方面判断：

1. 和微软旗下产品融合ChatGPT尝试商业化落地相比，国内外的差距仍然比较明显。例如，微软发布Microsoft 365 Copilot，已嵌入到其旗下多款产品，包括Word、Excel、PowerPoint、Teams等。

2. 未来一段时间，AI大模型平台提供商或许在积极和应用软件公司寻求合作的同时也会继续尝试自研应用的拓展。因此，数据与产业融合发展的同时，生态体系也会变得更加复杂。

（1）一方面，百度之后360 AI的公开演示折射出一个信号，即未来一段时间或有更多AI大语言模型平台推出类ChatGPT产品。AI大模型平台公司和应用软件公司接洽合作的潜在可能性增加，即微软+ChatGPT的形式在中国可能出现多种不同公司间的多样化组合尝试。

（2）但另一方面，在商业化落地场景上，AI大模型平台提供商也在尝试各类自研应用的拓展，例如，在To SME端，360将基于生成式大模型推出SaaS化垂直应用，如结合生成式AI的“苏打办公套件”和“企业即时通讯工具-推推”等（数据来源：澎湃新闻）；又如，阿里版本的ChatGPT的对话机器人将和钉钉深度结合（数据来源：澎湃新闻）。

3. 尽管AI大模型平台提供商在尝试自研应用，但就在细分领域有较高技术或行业Knowhow壁垒、且对同时和多家大模型供应商合作持开放态度的应用软件供应商而言，其稀缺性只会更加突出，典型例如办公领域的金山办公，其在3月23日的投资者交流纪要中明确说明“确定几家相对成熟的合作伙伴，解决大语言模型的技术来源问题”。

我们前期报告中认为：“算力、数据、算法模型和商业软件应用的有机融合是微软实现B端应用软件技术突破的先决条件。而国内的算力与模型平台在企业管理应用端薄弱，且和B端企业应用软件整体处于割裂状态，未来只有在特定契机触发后，产业链上下游相互打通协作的假设下，才可能追赶全球领先企业的B端尤其是办公和企业管理软件的升级趋势，只是尚不确定在国内相关产业生态融合契机的触发点何时以及以何种形式出现”（详细报告请参考：2023年2月的深度报告《ChatGPT通用化效果突破、前景广阔，国内AI产业链追赶仍有较大挑战》；2023年3月17日的报告《微软发布Copilot，AI实质性推动办公和企业管理软件进入新时代》）。

尽管有新闻指出“OpenAI公司已申请中国GPT-4商标”（数据来源：科创板日报），但就当下而言，无论ChatGPT能否在中国落地，随着国内AI大模型平台的不断推出，国内应用软件供应商都会有越来越多的可选合作伙伴。基于不同模型供应商在不同细分领域的相对优势，应用软件供应商的产品业务品质和价值均有望得到明显提升。但也需注意：

1. 从财务角度看, 微软Office从去年至今尚未涨价（数据来源：微软官网），因此，对于测算国内相关软件供应商收入提升的节奏和空间缺少可借鉴的参考标准。

2. 微软自身成熟应用+ChatGPT若是在国内非敏感领域可以相对完整落地，则有可能继续维持其在商业和消费市场的强大竞争力。

总而言之，微软Office Copilot以及Plugin的持续推出，一定程度上也倒逼了国内大语言模型的快速推出及迭代、以及与行业应用的加速融合。一方面，行业头部应用软件公司，如金山办公、石基信息、同花顺、恒生电子和金蝶国际等，在竞争壁垒及价值提升方面均将明显受益；但另一方面，对部分缺乏明显壁垒的应用软件厂商来说，AI大语言模型平台公司继续培育推出自有应用产品将对其产生巨大挑战。

（七）风险提示

1. 技术处于发展早期，尚未形成成熟的商业化落地模式

2. 研发投入较大与成果落地不及预期的风险

3. AI生成内容存在版权归属认定不明确的风险

4. AI芯片存在供应链不稳定的风险

“数字经济”系列报告

23.4.11 【广发策略】策略对话电子：AI服务器需求牵引

23.4.7 【广发策略】“AI+”堪比13年的“移动互联网+”‍

23.4.3 【广发策略】与风共舞：从经典科技牛看AI奇点时刻

23.3.30【广发策略】AI：第四次场景革命—“数字经济”系列（五）

23.3.28【广发策略】如何看当前数字经济的“位置感”？——“数字经济”系列（四）

23.3.17【广发策略】数字经济两大基石稳增长作用几何？——“数字经济”系列（三）

23.3.8【广发策略】国家数据局组建在即，数字中国迎提速契机——“数字经济”系列（二）

23.3.2【广发策略】三大预期差把握数字经济投资线索——“数字经济”系列（一）

本报告信息

对外发布日期：2023年4月12日

分析师：

戴康：SAC 执证号：S0260517120004，SFC CE No. BOA313

刘雪峰：SAC 执证号：S0260514030002，SFC CE No. BNX004

李学伟：SAC 执证号：S0260522070010

周源（联系人）

法律声明

请向下滑动参见广发证券股份有限公司有关微信推送内容的完整法律声明：

本微信号推送内容仅供广发证券股份有限公司（下称“广发证券”）客户参考，相关客户须经过广发证券投资者适当性评估程序。其他的任何读者在订阅本微信号前，请自行评估接收相关推送内容的适当性，若使用本微信号推送内容，须寻求专业投资顾问的解读及指导，广发证券不会因订阅本微信号的行为或者收到、阅读本微信号推送内容而视相关人员为客户。

完整的投资观点应以广发证券研究所发布的完整报告为准。完整报告所载资料的来源及观点的出处皆被广发证券认为可靠，但广发证券不对其准确性或完整性做出任何保证，报告内容亦仅供参考。

在任何情况下，本微信号所推送信息或所表述的意见并不构成对任何人的投资建议。除非法律法规有明确规定，在任何情况下广发证券不对因使用本微信号的内容而引致的任何损失承担任何责任。读者不应以本微信号推送内容取代其独立判断或仅根据本微信号推送内容做出决策。

本微信号推送内容仅反映广发证券研究人员于发出完整报告当日的判断，可随时更改且不予通告。

本微信号及其推送内容的版权归广发证券所有，广发证券对本微信号及其推送内容保留一切法律权利。未经广发证券事先书面许可，任何机构或个人不得以任何形式翻版、复制、刊登、转载和引用，否则由此造成的一切不良后果及法律责任由私自翻版、复制、刊登、转载和引用者承担。

感谢您的关注！

微信扫码关注该文公众号作者

戳这里提交新闻线索和高质量文章给我们。

来源: qq

点击查看作者最近其他文章