AIGC接下来的研究思绪 天生式AI投资研究框架

AIGC接下来的研究思绪 | AIGC
原创 科技周竖人 科技周竖人 2023-04-26 23:22 发表于上海

文 | 科技周竖人
欢迎关注同名公众号获取更具体内容
写在前面：AIGC全称天生式AI（AI Generated Content），与传统AI最大的区别表现在其强大的创造性。传统AI侧重于从现有的数据中辨认出模式，其创建在具有鉴别力的统计模子之上。而天生式AI不但仅是输出分析答案，其侧重于从底层数据集的底子上创造与天生全新的内容，重要为笔墨、图像、音频、视频、代码等等。它使得人可以或许通过天然语言而不是呆板语言与盘算机之间进行通讯与交互。因此，AIGC与传统AI存在较大的差别，这也是本轮行情中投资者最容易肴杂的地方。
本文将重要围绕对现在行情的看法、盘算机行业研究框架简述、未来AIGC领域研究方向三大主题展开。
**
01 对现在AIGC主题下市场的看法

**
产业趋势较为明白，短期面临回调，不改恒久向上趋势。从宏观情况来看，经济出现弱复苏态势，景气行业稀缺，科技TMT在AIGC大产业主题下具备相对配置上风。政策层面，政府多次夸大经济转型升级与“数字经济”，多项政策连续发布，国家数据局创建，信创、数据要素、数字经济具备强政策支持。产业层面，AIGC被界说为人工智能的“iPhone时刻”。差别于元宇宙、AR/VR当下受限于底子设施（设备）高昂代价以及现在性能的范围性，应用场景相对比力狭窄，短时间内很难过到广泛的应用。而AIGC在国外已经落地了一些贸易应用场景和红利模式。国内大模子的研发乐成与否是具备战略意义的，而且国内是有本领和储备能做出大模子的，产业趋势较为明白。
下一轮行情板块内标的将形因素化，第一轮普涨的走势将不再连续，须要从不确定性中寻找确定性较强、真正能出业绩的标的。科技行业从某种水平上来说是供给创造需求的行业，技术的厘革推动新兴产业的发展，产业链上鄙俚形成闭环生态，产能与资本连续优化，代价降落加快需求的提升与行业的渗出。
好比现在各人都在说这轮行情有点像2013年移动互联网海潮，新的技术的诞生，而且产生了落地的应用场景，对技术将会形成产业趋势这一观点市场似乎是告竣了共识。但现阶段来看，业绩的兑现与验证不会那么快，由于国内可用、可大规模商用的大模子自己最快也要本年底或来岁初才能拿出来，后续的贸易模式与应用的落地会相对更晚一些。因此，AI后续走势不会像现在第一轮行情如许普涨，全部沾边的都涨，而是大浪淘沙，一些具备相对确定性的标的才能笑到末了，同时也会镌汰掉一批本轮普涨动员下涨幅较大的标的。
**
02 从盘算机行业研究框架来看AIGC

**
AI技术实在属于盘算机技术中的一项分支，其商用落地与投资时机同样不能离开盘算机团体的投资框架。
2.1 投资跨度角度
盘算机行业的投资跨度不外乎也分为短中恒久，其重要泉源于三大催化因素。第一，底子技术的厘革带来的恒久期间性的投资时机，投资跨度一般在10年以上。好比互联网技术与PC的诞生促使Windows和Intel的Wintel体系称霸多年，云盘算的诞生使得亚马逊从电商公司变为IT底子设施巨头等。这种技术厘革主导下的投资时机每每率先在美国诞生与落地，国内与外洋存在着以年为单元的时间差。这种时间差的是非由技术的差别而差别，但从团体来说，时间差在渐渐缩小。因此，此类投资时机对美国技术的进步迭代与产业落地的情况跟踪极为紧张，对国内有着对标属性的研究意义。第二，应用场景与应用模式的改变带来的中期投资时机，投资跨度一般在5-10年区间。比方移动互联网的诞生下，催生出了移动付出、短视频、外卖等贸易模式。此类投资时机具备肯定的本地适配属性，底层技术的升级大概来自于美国，但具体的应用模式与贸易模式却在中国得到了极大的创新。第三，微观或阶段性因素带来的短期时机，投资跨度一般在1-3年。一般来自于行业需求、竞争格局、公司自身的一些变革。重要有以下几个方面：政策层面的欺压性造成的阶段性需求拉升；谋划层面的鄙俚边际改善、市场延展或市场扩充，公司管理层的良性厘革等；资源层面的股权鼓励、增发、并购等；竞争格局的连续优化下，少量头部厂贸易绩的边际抬升等。
2.2 产业链与产业图谱角度
从盘算机的产业链来看，盘算机行业上游重要有芯片等硬件与IT工程师。从盘算机行业自己来说重要有硬件、软件、软硬件共同构成的解决方案与IT服务。从鄙俚客户来说，重要有政府（G）、企业（B）与个人（C）。
▽盘算机行业产业链上鄙俚

盘算机行业的重要分类方式重要有几种，按业务范例分别，分为硬件、软件、服务与集成、互联网；按鄙俚客户范例分别，分为2G（政府）、2B（企业）、2C（个人）；按鄙俚客户所属行业分别：分为金融IT、医疗IT、工业软件等；按热门主题或技术范例分别，分为云盘算、人工智能、智慧城市、在线教导等。
人工智能作为一个技术实在是盘算机行业一个较为成熟的主题概念，其投资时机的寻找离不开整个产业链图谱的摸排。从上游来说，AIGC大模子的训练与推理离不开算力的支持，算力靠由底子硬件构成的AIDC机房提供。从软件层面来说，第一是AIGC大模子自己的落地，第二是训练好的大模子怎样对垂直大概通用的行业领域进行赋能，使得企业大概个人可以或许降本增效。
▽盘算机行业架构与产品图谱

**
03 大模子自己的落地与后续贸易模式 入场券门槛极高，大厂的舞台与必争之地

**
国内大模子落地之争进入白热化，鱼龙稠浊，实在还是大厂的舞台。大模子的原质料是算力、数据和步伐员，从步伐员储备、技术储备、资源本领对算力资本的支持去看，可以或许做出大模子同样最有动力去做的重要就是几家大厂，百度、腾讯、阿里、华为、字节以及专注AI领域多年的特殊存在–商汤。
从算力层面来说，以GPT3为例，须要约10000张英伟达V100卡。现在国内须要做出类GPT3.5级别的大模子同样至少须要10000张A100/A800卡，单张卡的单价大概在10万人民币左右，预计至少须要10个亿的投入，加上各家厂商担心芯片供货题目，至少会提进步行囤货储备2-3年，预计未来1-3年至少投入10-20亿。
步伐员算法工程师方面，以OpenAI为例，天然语言算法工程师大概在百人以上，3-8年履历工程师平均薪酬约100万，叠加国内肯定会出现一些抢人的情况，预计职员薪酬投入2亿以上。叠加大厂在过去已经有很多AI方面的技术积累，以是我以为大模子自己方面只有大厂可以或许做出来。对于国内大厂来说，AIGC的全新技术将带来贸易模式的全新玩法，传统的一些贸易模式大概被颠覆，行业竞争格局将发生巨大改变，抢滩登陆势在必行。
大模子落地后的贸易模式：
大模子的落地后贸易模式应该重要通过AI-aaS的方式进行提供，将AI的本领进行云化通过API接口的方式赋能出去。重要有两种方式，一是直接将通用模子云化提供给鄙俚行业领域进行应用，也就是Model-aaS，另一种是将AI内里细分领域的本领通过云化接口提供出去，好比视觉辨认APIs、语音辨认APIs、天然语言NLP APIs平分项本领。鄙俚应用层面的厂商可根据自身需求进行选择，付费方式也将有所差别。
**
04 上游算力需求

**
盘算机行业重要集中在服务器领域
盘算机算力部门重要是服务器部门，对服务器市场带来多少增量，未来1-3年测算：
假设现在有8家左右大厂须要做大模子的预训练，每个大模子须要至少10000张芯片，统共须要80000张芯片。每个AI服务器可以放下4-8张芯片卡，那么须要服务器的数目约1-2万台，取均值1.5万台。预计大厂思量到美国管制芯片供应的情况，将按照2-3倍的量去做备货。那么需求量区间为3-4.5万台。代价方面，按照均值6卡去算，对应收入约80万一台。预计未来1-3年，AI服务器市场空间新增240-360亿。（一个算法，希望对各人有启发）
一个插曲：由于国内大模子研发的迫切性，从现在GPU选择上来说，英伟达仍旧是主流，现在上面提到的几家国内互联网大厂外加商汤均拥有一万块英伟达GPU，用于现在的研发应该题目不大，外加A800的连续到货，未来两年在追赶上面GPU应该还没到卡脖子的地步。国产芯片大概在后续推理部门可以或许起到肯定作用。
**
05 鄙俚贸易模式

**
①底子层与平台层（IaaS & PaaS）
AI IaaS（盘算机里的卖水人）：AIDC算力租赁，需求来自于一是用于大模子的研发支持，二是应用软件厂商在细分场景的小模子研发。同时还可以提供小模子训练支持，其中包罗模子训练服务，提供GPU等硬件资源和深度学习框架，模子摆设服务供客户使用。
现在AI IaaS在云盘算领域实在已经较为成熟，和传统IaaS并没有太大差别，预计未来竞争格局的演进方式也雷同。美国的主流玩家重要依然是AWS、微软、谷歌、IBM，英伟达在本年4月发布会上也公布加入这一赛场。国内主流玩家现在重要还是阿里云、百度云、腾讯云、华为云、商汤等，创业玩家与运营商现在在AI芯片和服务器上受限。根据IDC预测，AI公有云将在2024年达到增速的最高点，在180%左右。从2024年之后，增速会维持在一个比力稳固的水平上，也会在100%以上。AI公有云前四位分别为百度智能云、阿里云、华为云和腾讯云，份额分别为28.1%、28%、20.5%、16.6%。
这一领域可精密跟踪外洋与国内互联网大厂的资天性开支与AI IaaS收入情况。
▽国内 AI IaaS 公有云市场竞争格局
见同名公众号
数据泉源：IDC
②应用层（SaaS）
应用层承接上文大模子自己的贸易模式，重要有两种模式，一个是大模子+鄙俚细分赛道小模子大概说是大模子与具体任务相联合的方式，另一个是鄙俚有强本领的厂商在地点细分领域直接做出小模子。
大模子+细分赛道场景小模子/大模子与具体任务的联合：大模子厂商通过开放API接口向鄙俚细分赛道应用软件厂商开放大模子的使用，大模子重要提供通用的天生与交互模式，具体赛道的知识明白的小模子则由具体行业软件公司来提供。AIGC赋能下的应用软件厂商可以通过进步原有产品代价大概促使新品SKU的产生来增长收入。大模子在通用语义与创作的本领上远高于小模子，但在细分领域的知识明白本领上较为欠缺，细分应用领域大+小的模式应该是未来的趋势。
细分赛道小模子：具备较强AI本领的应用软件厂商也可以自己训练小模子。从外洋来看，3月份，在彭博发布的论文中验证了这一模式的可行性。BloombergGPT是LLM在垂直金融场景的落地加快的象征。BloombergGPT聚焦于金融场景，将其多年积累的金融领域陈诉术语等对LLM进行训练，相较普适性类ChatGPT产品，其对金融术语的明白更为高效与准确。
BloombergGPT采用500亿参数与7000亿数据集规模对大模子进行训练，远小于GPT3的1750亿参数与45TB数据量。其数据集重要包含两个部门，一个数据量占比49%的通用型文本数据集，重要包罗The Pile、C4、Wikipedia等通用知识类数据集，另一个数据量占比51%的金融预料数据集，重要包含括消息、研究陈诉、公司财报、网络爬取的金融文件以及提取到的外交媒体消息等内容。BloombergGPT在通用领域本领与GPT3几乎持平，但在金融垂直领域文本撰写和问答本领更为突出。BloombergGPT LLM预训练的乐因素析LLM在垂直领域应用的可用性和训练资本可控的可行性。
细分赛道的选择上，重要有三个参考指标，鄙俚行业IT付出空间是否够大、信息化水平渗出较低、行业竞争格局较优。外洋大模子领先于国内2年左右，细分行业软件的落地也将先于国内。因此外洋现在落地的应用场景可以对大模子的应用落地具备一个参考意义。（下次夸大！是AIGC+而不是AI+ ！！！）
▽一些不完全外洋应用场景对标A股公司

③多模态
视觉收罗：海康威视、大华股份
交互设备：萤石网络
回到最开始，AIGC与传统AI具备肯定区别，其侧重于创造性与人机交互，从这个角度来看，一些传统的AI公司在本轮海潮下，完全有被更换的风险，须要根据其从事具体业务进行分析，投资有风险，入市需审慎。
微信扫一扫
关注该公众号

来源：https://blog.csdn.net/luxundoushuohao/article/details/130401472
免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！