长江计算机 AI应用正当时当前时点如何看待国产大模型

00:00:00 我在。本次电话会议仅服务于长江证券研究所白名单客户。未经长江证券事先书面许可，任何机构或个人不得以任何形式对外公布、复制、刊载、转载、转发、引用本次会议相关内容，否则，由此造成的一切后果及法律责任由该机构或个人承担，长江证券保留追究其法律责任的权利。 00:00:34 各位投资人大家晚上好，我是长江计算机的郭靖超。然后呢，今天也去跟大家汇报一下，就是我们最新关于国产大模型的一个观点。因为确实明天其实也会面临像这个质谱的这个解禁。那首先我们从几个点来跟大家做一个分享啊。首先我的我们的总整体观点上，还是非常看好整个质谱后续的一个持续性的一个表现的，那么解禁，其实可能主要是我觉得，又会带来一个由交易因素带来的一个买入位置啊。所以这也是为什么我们今天呃，特地去开大电话会来跟大家去做这样子的一个更新。 00:01:11 那么首先我觉得从最近呃去跟大家交流来看，比如说尤其像最近质朴的这样子的一个波动。那首先是因为大家市场上其实现在可能对于AI的整体链条上，呃关于是不是泡沫，包括未来的斜率，然后以及包括现在总供给的这个斜率，可能有这样子的一个隐含的一些担忧。 00:01:32 那么首先我们先从整体的大盘来跟各位先做一个整体的一个拆分啊。 00:01:37 首先我觉得呃无论是从现在的北美还是国内，就是整个AI的链条来看，我们把它拆为总供给还有总需求。 00:01:45 那首先呢，从供给上来说的话呢，就是比如说包括Meta最近的这个讨论，但其实今年我们要关注到一个模型的重点，就是其实在今年模型，尤其是头部模型的ROI其实已经进入 到了一个非常可观的一个状态了。也就是说，比如说像现在oropic我们现在呃观测到的数值，它的毛利率可能已经进入到了一个百分之呃七八十的一个水平。 00:02:11 然后包括其实在呃今年二季度，很多其实也都预计在今年二季度，其实就会迎来一个这样子利润端的一个转正，那这个东西意味着什么呢？意味着其实如果我们把里面去拆分去看，你就会发现。头部模型它其实是已经在开始呃赚钱，包括开始能覆盖掉自己的这样子一个投资了。而且在这个里面，这就导致， 00:02:35 比如说原来大家觉得总供给可能是一定是要有这个军备竞赛的玩家，大家去为了争当以后的霸主，所以才会去参与这样子的一个投入。 00:02:45 但是现在你其实发现这个逻辑在潜移默化地发生了一些变化，就是现在其实是你只要能够拿到算力，你发现。要么就是你成为这个所谓的领先的模型厂商，你就有很大的这个所谓的ROI，然后变得有钱可赚。要么就是你拿到这个算力之后，你甚至把这个算力租给头部的模型厂商，你会发现它带来的利润率还有这个收入水平也是非常可观的。 00:03:14 那这个就导致首先在今年无论是北美还是国内，从总供给的角度上，大家其实是一定是我只要能拿到算力，我包括我其实从这个整体的一个回放看到我这个钱能收回来，我其实就一定会持续地去加大所谓的我的这个投入。所以今年其实比如说最近的这个波动下，带来的总供给这样子的一个担忧点，我觉得其实本质上是一个更多是呃情绪上带来这样一个波动，包括其实大家没有完全的意识到，整个模型的ROI其实在今年发生了非常巨大的改变。 00:03:48 而这个其实比如说我们去对比OIC去年和今年的毛利率，包括看到OIC的盈利状态，然后以及甚至比如说我们可以拿去年的时候，呃A年底的这个所谓的G瓦数值和它的AR的预期。包括今年可能到年底的A兆G瓦数时，G瓦数和这个所谓的AR的预期，其实我们也能逐渐地去比对得出来。 00:04:11 那在这样子的一个情况下，首先总供给我觉得大家不用去担心，那这个其实从最近情绪上的一个带动上，包括对于海外还有国内链都有这样子的一个呃负面影响上，那我觉得首先这个的影响大家其实不用去过多地去担忧。那第二的话就是总需求了。 00:04:30 咱然总需求从国产模型来看，我觉得其实是进入到了一个斜率逐渐往上大幅提升，包括我觉得从整个趋势上来说是不需要去担心的一个状态啊。 00:04:42 为什么这么去说呢？首先第1个来说就是首先我们看海外，海外其实已经充分验证了，比如说我们现在去看国产模型，包括去看模型这个链条。就是我其实正如我一直强调的，我们本质上其实是在看的是模型的盘子是一直在不断的去被做大的。这个做大的这个过程中，从一开始我可能是一个chatbot的订阅费，再到所谓的一个Agent的尝试模式，那么再到后来发现Agent彻底打开了coding的这个市场，我们充分地去发酵了coding市场的这样子的一个巨大的空间和斜率。那么再到今年，其实北美已经进入到了从coding开始，往其他场景去渗透的这样子的一个边际拐点。 00:05:26 那为什么现在大家会讨论总需求的斜率，就是因为大家不确定coding到其他市场渗透这个的中间，可能要花多久的一个时间。但是我觉得从目前的交流下来来看，大家应该不会去怀疑说，AI是没有办法去改造其他市场的，这个AI的这个所谓的这个整体的一个生产力的。所以呢，在这个里面大家其实更多比如说从总需求的这个担忧上来看，你会发现。大家更多担忧的其实是一个节奏上的问题，但是实际上AI去改变各行各业，包括去打开，甚至像我们现在自己可能每个人都在创建自己的这个skills，包括去使用各种的AI产品，你会发现这个趋势其实是不可逆的。 00:06:10 那么在这个里面后续的一个模型做大的这个盘子里面，首先从其他市场你但凡跑通任何一个垂类的环节，就Agent+harness这种形式，相较于可能现在我们用到的普通的Agent，其实都能再带来10~15倍的这种Agent的一个巨幅的增长。 00:06:28 所以首先这个节律问题，我觉得包括我现在看到的就是从coding往其他市场的这个卡点， 它其实也不是有什么致命的，比如说模型能力不够啊，或者是因为缺少了特别多的这种要素，或者是现实中啊很难解决长时间很难解决的卡点去造成的。而更多其实现在往其他场景的渗透更多是来自于原来场景里的工具，还有，我模型怎么去打配合，然后原来市场或者是原来场景里面愿意提供的，这个所谓的开放的这个程度。但是现在的情况就是，就算你不开放，我模型厂商也会开始下场自己去做。 00:07:06 比如说我去招聘这个行业里面最top one的人物或者是。我开始去和这个行业里面愿意一起去共创未来的，比如说去把这个SaaS的玩家收购，或者是我签署独家的这个cle，或者是你的各种工具去签订这样子的一个协议。那么在今年其实更多比如说现在的卡点来自于传统的软件，包括所谓传统大家的这个knowhow认知里面，就是大家的态度上或者是身位上的一个转变，它其实并没有卡在比如说模型必须要再去攻克什么巨大的一些问题。 00:07:40 那么从这个里面，首先我觉得模型从coding开始往其他市场渗透，也是我们其实最多在1年内就可以看到的变化。而一年其实是我认为一个最悲观的预期了，我觉得其实可能在今年下半年逐渐接近年底的时候，其实也是可以看到这样子的一个转变的。那么在这个里面包括第2个，就是我总需求是一个用户数乘上啊单用户的token消耗量，再去乘上一个token价值嘛。那么Token价值的话，其实我们现在看到的就是头部模型厂商，因为它更加能够去开始深入到场景以及能力比较强，它其实模型领先带来的溢价其实还是一直存在的。 00:08:22 那么可能大家比较担心的是，如果比如说后续呃模型的范式有没有可能不再发生什么改变，或者会不会因为这种变化导致模型之间出现价格战。 00:08:33 但是我们要确定的一个点就是，首先我现在说的总需求的框架是一个就是面向海外市场还有国内。那如果当那一天比如说来临的时候， 00:08:43 大家一定要记住一件事情，就是如果有一天模型范式可能不再发生巨大的转变，或者是。尤其是北美模型领先带来的溢价可能没有办法再那么大了，那那个时候，其实是国产模型 又会进一步扩大自己盘盘子的，这样子的一个明显的拐点。就比如说海外模型和国产模型从总体的框架上，我们可能分析的路线是一定的。但是呢，在这个所谓的就是结构上的转变的时候，一旦真正出现比如说北美没有办法再去靠领先带来所谓的溢价，那一定是国产模型开始在全球份额提升的这样子的一个核心的关键点。 00:09:25 所以在现在的一个情况下，我们基于刚刚说到的，首先总供给我觉得不是大家现在去呃拿这个因素来影响可能模型啊，或者是导致模型边际波动的这样子一个核心要素，我觉得首先这个担忧大家可以去消除。 00:09:40 然后第二总需求这边，我觉得大家可以去认知的就是第1点，就是国产模型在现在的这个阶段，其实是连国内的coding的这个市场的斜率都还没有充分吃完的这个阶段。以及就是如果在这个时间点下，token价值比如说海外的模型领先，没有办法在在就是离把国内去拉开那么远的一个身位，那一定是国产模型开始能够去获取海外份额的时间点。那所以比如说从国产模型来说， 00:10:12 首先我们几个核心的一个观点啊，就是第一其实是国内模型包括国内的需求。现在其实在今年和明年，还是一个斜率持续加速上升的这样子的一个关键时期。那在这个时期下，只要国内的斜率能够逐渐就是一直加速和保持，那其实我会觉得在国内的这个AI链条下，国产模型一定会成为整个标的里面的首选。然后其次的话呢，就是在整个这样子的一个变化下，我们其实核心是在国内的这个市场下，斜率保持斜率不断兑现的这个过程中，选择什么样的玩家，能够在这个阶段里面展现出他更大的斜率和所谓的弹性。 00:10:58 那这个的话，就是为什么我们会非常一直坚定啊去推荐质谱的一个核心原因啊， 00:11:04 就是因为其实比如说在coding的这个赛道，包括在未来的这个市场里面，其实我们核心要去判断，那怎么去判断哪一家模型能够领先，然后去构建这样子的一个框架。那么其实在整个模型的这个判断的过程中， 00:11:19 我们要意识到一个点，就是尤其是软件，凡是跟人相关的这个东西啊。它其实不像可能硬件一样，我必须要投入可能巨大的这样子的一个硬件开支，然后我又有一个验设周建设周期，所以能拉开这个时间点。 00:11:34 那么其实我们再去跟这个所谓的人去这个所谓的去，这个就是相关的时候，你会发现其实更多来自于这个模型的本质，它可能是一个智力的问题。就是它其实比如说像智谱，为什么能够在现在在coding上能够去领先一个身位，是因为其实第一他有很懂大模型的这样子的一个关键人物，也就是唐雪老师。然后其次呢，他有足够高的这个所谓的人才密度，就是包括了所谓的清华和北大构建的这个所谓的整体的一个人才池。 00:12:07 其次就是在整个这一轮去做模型的过程中，质谱足够的聚焦，然后又足够的去做的快和做的足够的，就是更早的去进行了坚定性的这样子的一个路线的选择。 00:12:21 那么就是可能说起来大家会觉得诶那这个关键人物啊，或者是这个人才密度啊，是不是其他家也能做到。 00:12:27 那你会发现首先啊，就是你如果作为一家公司来说，你有一个非常懂大模型的人，然后这个东西其实是一个也是要一个可遇不可求的一个状态，就是你什么样的人能够挺起这个大梁。然后其次就是当你虽然比如说人是比较多的，你内部到底是怎么决定不同的资源或者是不同的方向，怎么去进行这个资源的分配？你是什么道路都去压，还是说你就已经清楚了你未来的路线是什么，然后去全身心地去投入这一件事情？这一件事情其实会决定不同的厂商它的整体的一个迭代的速度。 00:13:01 那么其实质谱首先在之前做得好的点，就是唐老师在2025年的下半年就逐渐去坚定了啊，自己要走的这条路线，并且其实是让整个公司核心的研发人员一起啊，共同为着这一个方向去做这个整体的努力。所以在今年我们可以看到。 00:13:21 就是质谱其实从今年发布GLM5之后，其实就是每一次再去发布下一代模型，它的迭代速 度首先是在不断的加快的，今年基本是做到了可能一个月一次迭代的这样子的一个速度