从算力、算法、数据和应用看AIGC：奇点将至，探他山之石

报告亮点： 作为海外团队，我们期待该篇报告能够尽可能呈现海外市场当前在生成式AI(AIGC)领域的布局和进展，从算力、算法、数据和应用入手，看清趋势，寻找差异。 一是尽可能减少我们对海外认知的信息差，更重要的是，他山之石，可以攻玉，海外映射是国内可以持续关注的重点。 核心要点： AIGC未来已来，超预期持续出现 从2018到2023年，四代GPT模型高速进步，从简单的问答、阅读理解、文本总结，到在众多测试中获得“人类级别表现”评级，AI迭代进化的速度越来越快。可以预期，AI达到人类智能水平、乃至超越人类智能水平的时代会以超预期的形态和速度出现。 数据、算力、算法为AIGC核心要素，海内外厂商各占鳌头 数据，通过算力，最后产生了算法或者应用。数据作为新兴生产要素，数据的拥有者、加工者是产业发展的基础。算力作为基础设施，是AIGC资本开支的主要受益者，核心参与者英伟达、AMD竞争优势显著。AIGC的技术壁垒主要体现在算法上，当前通用型AI由GPT领跑，而在细分领域上，行业内的主要参与者包括谷歌、Meta、Anthropic、Hugging Face和百度等公司。随着细分龙头竞相研发创新算法和优化现有技术、以及模型迭代下对数据、算力的需求高速膨胀，AIGC行业技术壁垒将不断提高，现有优秀参与者护城河极深。 AIGC市场潜力巨大，应用领域迎来生产力解放 根据Tractica的预测数据显示，全球AI软件市场规模将在2025年达到1260亿美元，2021年到2025年年复合增长率为41.02%。一级市场的火热也反映了AIGC发展的确定性趋势。在大模型的快速迭代推动下，搜索引擎、办公软件、汽车、媒体、AI绘画设计、AI广告营销、智能工作助理等应用率先落地的行业将具备较强商业化机会。 投资建议： 我们认为生成式AI模型不断加速迭代，将快速推动生成式AI技术的商业化推广应用的进程，带动产业三大要素—数据、算力、算法和应用的高速发展。 后续建议密切关注生成式AI产业链上四条投资主线： （1）数据是大模型训练的基础资源，随着大模型项目迭代发展，对训练用数据集需求将不断上升，受益标的为数据提供商龙头Appen（APX.AX）； （2）大模型发展带来高算力需求，人工智能芯片市场巨大，受益标的为英伟达（NVDA.O）、AMD（AMD.O）； （3）各大厂商布局大模型算法项目，龙头科技企业具有技术优势，受益标的为微软（MSFT.O）、 谷歌（GOOG.O）、Meta（META.O）、百度（BIDU.O/9888.HK）； （4）生成式AI商业化应用落地领先领域，受益标的为自动驾驶技术公司Mobileye（MBLY.O)、数字媒体Buzzfeed（BZFD.O）、办公软件微软（MSFT.O）。 风险提示： 技术落地商业化不及预期 人工智能在部分领域应用的监管风险 外部环境导致芯片、软件等供应限制 生成式AI：自然语言处理演变十余年，迎来变现阶段 AIGC(AI Generated Content)即生成式AI，多领域应用逐渐成熟。AIGC涉及无监督和半监督学习算 法，截至目前其发展历程主要分为三个阶段： 统计机器学习方法阶段（2010年前）：首先对数据进行手工标注，然后构建其重要特征，最后构建概率模型并进行参数优化，从而将概率最大的输出作为结果； 基于深度学习的神经网络模型（2010年-2017年）：深度学习算法被引入，本质上是通过大量数据训练神经网络，主要表现形式为：CNN（卷积神经网络）、RNN(循环神经网络）等。相比统计学习方法，省去了复杂且手工的特征构建； 基于Transformer结构的预训练模型（2017年至今）：利用大量无标注数据进行自监督学习，然后再使用少量的标注数据对下游任务进行微调（即迁移学习）。 在应用方面，按场景分类AIGC已经较为成熟地应用于文本和代码撰写、图像识别和生成，以GPT为首的AIGC模型也正在探索消费级AI技术的变现方式。展望未来，AIGC不仅会在现有应用领域持续进步，也将逐步拓展到视频和游戏领域，AIGC将会在更多的领域得到广泛应用，为各个行业和领域的发展和进步提供更多可能性。 生成式AI：GPT模型迭代四大版本，进化速度不断提升 OpenAI创立于2015年12月，发布ChatGPT引燃AI行业热度。GPT系列是OpenAI打造的自然语言处理模型，采用以Transformer结构为核心的模型，其最大特点是使用了大量的未标注的语料进行无监督的预训练，然后在各种有监督的任务上进行微调。 OpenAI于2022年11月先后推出了GPT-3.5和ChatGPT，GPT-3.5使用了更新的语料进行预训练，而ChatGPT是基于GPT-3.5的对话机器人，能够根据用户的输入生成流畅、有逻辑的回答，以及完成撰写论文报告、翻译文字、编写代码等文本生成任务，并且能根据聊天的上下文进行互动。 ChatGPT发布后爆火，仅用5天时间用户量便破百万，推出2个月后用户量破亿，成为史上用户增长速度最快的消费级应用程序。3月14日，OpenAI进一步推出GPT-4.0，相比当前ChatGPT使用的GPT-3.5，增加了输入图像的功能；扩写能力增强，能处理超过25000个单词的文本；更具创造力，并且能够处理更细微的指令。GPT模型迭代的参数量及训练量均呈指数级增长，使得AI从实验技术成长为稳定生产力。 生成式AI：AI产品全面开花，生产力将达新高度 GPT模型稳定进步，AI已是成熟生产工具。从GPT-1到最新发布的GPT-4模型，其应用已经不仅局限于问答、阅读理解等文本处理，虽然目前GPT-4在现实场景中的能力可能不如人类，但在各种专业和学术考试上表现出明显超越人类水平的能力，GPT-4在模拟律师考试中，分数排在前10%；相比之下，GPT-3.5的得分则在倒数10%附近。 随着算力、算法、数据量的演进，行业内不断出现高质量的AI产品，微软New Bing、AI绘画、智能驾驶等等，体现出AI未来在多个领域的应用潜力。ChatGPT版Office、百度“文心一言”两大产品正式推出，或将AI的生产力推向新的高度。 生成式AI：AI进化加速，数字经济未来已至 AI行业星辰大海，数字经济未来已至。从2018到2023年，四代GPT模型高速进步，从简单的问答、阅读理解、文本总结，到在众多测试中获得“人类级别表现”评级，此外近期AI衍生产品的层出不穷，显现出背后AI行业的星辰大海。 2020年，马斯克预言五年内人工智能将比人类更聪明，当前AI迭代进化的速度越来越快，虽然GPT还未通过图灵测试，距离真正的“智能”还有距离，但我们认为，AI达到人类水平、乃至超越人类的时代即将到来。 生成式AI：算力、算法、数据三位一体 数据，通过算力，最后产生了算法或者应用。AIGC是人工智能、大数据、云计算、5G等多个技术领域的整合，是一种跨领域的合作发展模式。在AIGC行业中，算力、算法、数据是三个核心概念，它们共同构成了这个领域的基础设施。未来随着技术的进步和应用场景的不断拓展，这三个概念将继续发挥重要作用，推动整个行业的创新和发展。 算力（Computing Power）：算力是指计算设备执行算法、处理数据的能力，包括CPU、GPU、FPGA、ASIC等。云计算技术和5G通信技术的发展使得算力的分布和调度更加灵活，有助于满足各种场景下对高性能计算的需求。 算法（Algorithm）：算法是一系列解决问题、实现特定功能的有序指令和步骤。在AIGC行业中，算法是模型的基础，用于实现数据分析、人工智能模型训练等功能。 数据（Data）：在AIGC行业中，数据是支撑决策和优化的基础，是算法发挥作用的前提。大数据技术可以对海量数据进行有效处理、分析和存储，而人工智能技术可以通过对数据进一步学习，实现各种智能化应用，如图像识别、自然语言处理等。 数据：大模型训练的基础资源，需求不断扩大 数据是训练大模型的基础资源，以GPT系列模型为例，对比三代模型间使用的数据集，训练所需的数据集在质量和数量方面均不断提升。随着人工智能模型迭代发展，高质量数据集的需求将进一步增长。 数据：大模型训练的基础资源，需求不断扩大 从自然数据源简单收集取得的原料数据并不能直接用于有监督的深度学习算法训练，必须经过专业化的采集、加工，形成相应的工程化训练数据集后才能供深度学习算法等训练使用。 目前，带有监督学习的算法对于训练数据的需求远大于现有的标注效率和投入预算，基础数据服务将持续释放其对于算法模型的基础支撑价值。 算力：算力需求不断攀升，GPU行业市场巨大 AIGC模型硬件以GPGPU为主，GPU市场规模有望在2030年超过4000亿美元。GPU在并行计算方面具有性能优势，在AI领域分化成两条分支：一条是传统意义的GPU，专门用于图形图像处理用途；另一条是GPGPU，作为运算协处理器，增加了专用指令来满足不同领域的计算需求。使用GPGPU在云端进行模型训练算法能够显著缩短海量训练数据的训练时长，减少能源消耗，从而降低人工智能的应用成本，目前全球人工智能相关处理器解决方案仍以GPGPU为主。 根据VerifiedMarketResearch报告，2021年全球GPU芯片市场规模已经达到了334.7亿美元，并预计到2030年将达到4,773.7亿美元，CAGR高达33.3%。GPU市场保持着高速增长态势，其在人工智能领域中仍然是不可或缺的计算资源之一。 算力：英伟达芯片龙头市场地位稳固 英伟达：高算力芯片龙头，AI芯片市场地位领先。人工智能平台需要巨大的数据处理能力，英伟达的A100显卡适合于支持ChatGPT、Bard等工具的机器学习模型，这款芯片能够同时执行众多简单的计算，而这对于训练和使用神经网络模型很重要，使得A100显卡成为目前主流AI芯片。 长期展望，AI芯片市场快速增长将带动英伟达营收快速增长，根据中商产业研究院数据显示，预计全球AI芯片市场规模有望从2020年的约175亿美元提升到2025年的726亿美元，年复合增长率32.9%。根据花旗集团预估，ChatGPT的使用可能会在12个月内为英伟达带来30亿至110亿美元的销售额。 算力：AMD封装理念Chiplet领先，推出高性能APU AMD：高算力芯片代表企业，即将推出世界首款集成数据中心CPU和GPU的APU产品。在2023年的CES上，AMD预览了AI推理加速器AMD Alveo V70，主打高能效，峰值AI算力可达到400TOPS，TDP仅75W。AMD称这是最强AI算力的75WTDP级产品。 AMD还预览了其首款集成数据中心CPU和GPU的APU产品AMD Instinct MI300。该款产品采用了Chiplet封装理念。Chiplet策略是一项重要的硬件创新，摆脱了单芯片微缩的限制，同时能够优化设备的性能、功耗和性价比。MI300加速器专为领先的高性能计算（HPC）和AI性能而设计，借助3D封装技术将CPU和加速计算单元集成在一起，总共有1460亿个晶体管。 算力：英伟达、AMD垄断全球，国产芯片奋起直追 全球GPU市场中英伟达和AMD占据96%份额，国内GPU主要研发企业为海光信息、寒武纪等。根据Wccftech，2022Q3独立GPU市场中英伟达和AMD分别占据88%、8%市场份额。根据海光信息招股书公布技术指标数据，当前国内高端GPU相比国际巨头在显存频率、带宽等参数上还有一定差距，但在典型应用场景下，深算一号已基本能够达到国际上同类型高端产品的水平。 在国际市场上，英伟达和AMD在高性能计算和人工智能领域具有丰富的产品线和完善的生态系统，叠加长期积累的技术优势和市场地位，预计仍将长期维持AI算力芯片领域的龙头地位。 算力：国产芯片发展迅速，填补AI市场空缺 高端芯片进口受限，国产芯片需求加速扩大。在NVIDIA、AMD高端产品被限制向中国出售的情况下， 国产大模型算力需求将快速推动国产