AI大模型強勢入場，機會還是泡沫？|科技投資課

1年前

AI大模型強勢入場，機會還是泡沫？|科技投資課

大模型驅動整個AI產業全面提速，投資者更應該深層次思考整個AI產業的價值重估。

從橫空出世的ChatGPT到褒貶不一的百度文心一言，AI大模型的強勢入場將如何影響人工智能產業？現在是投資人工智能的好時機嗎？哪些賽道更有機會？3月16日的巴倫《科技投資課》邀請了賣方买方兩位導師，他們從各自角度分享了對人工智能投資的觀察和思考。此次直播課由《巴倫周刊》中文版副總裁王晶主持。

嘉賓導師：

陳俊雲

中信證券研究部前瞻科技首席分析師。科技領域12年工作經驗，曾在華爲、騰訊從事战略研究工作。目前主要負責美股軟件&雲計算、半導體等領域研究工作，並主要跟蹤覆蓋微軟、英偉達、特斯拉、谷歌、亞馬遜等科技企業。

王鑫晨

嘉實港股互聯網產業核心資產基金經理。11年證券從業經驗、3年投資經驗，具有長期海外工作經驗。曾任SPARX資產管理集團（日本上市、規模最大對衝基金）亞洲股票研究員、美國花旗銀行股票研究員（機構投資者雜志亞洲交通運輸股票研究2013年排名第三、2012年排名第四）。

2023年，是人工智能大年嗎？

王鑫晨：

我覺得可能2023年過後，AI會是未來幾年非常重要的投資线索。

陳俊雲：

短期的很多因素的確超乎我們的能力，但我相信其實從中長期來看，AI的投資機會和相關的市場機遇，應該是非常明顯和確定的。

ChatGPT如何影響人工智能產業？

王鑫晨：

現在可以大概在產業上做個判斷，不管是自然語言理解還是計算機視覺，我們未來人工智能的發展，都會向大模型方向演進。

人工智能產業其實不僅僅是算法層的創新，它其實是由三要素組成的：算力、算法和數據。大模型的這個趨勢會改變對於算力的需求，簡單來講會對算力提出更高的要求，另外在數據方面這個關鍵字也是大，GPT3它披露的是45TB的全網的數據，當然經過清洗以後可能就幾百個GB，但是它的輸入要依靠大量的通用數據，可以說未來大模型對於數據會變得異常飢渴。

在這一點上數據的重要性我相信也會被產業及人工智能界更加重視，很多公司可能會有自己的數據策略，犧牲一些短期的收入也要積累數據。所以對於算力、算法以及數據，我覺得都是有相應變化的。

總的來講，我覺得未來的商業模式會分成三個層次：

第一層是最底層的商業模式會出現一批公司。現在來看，這批公司會以巨頭爲主。我們不太清楚最後最底層一共會有多少家公司，如果只有一家兩家，那么這一層會變得非常賺錢，或者說它壟斷了特別大的資源。但是我判斷這一層現在來看應該不會是一個特別壟斷的情況，不管是海外還是國內，最後應該都會有五、六家企業，有點像我們現在的公有雲。

第二層中間層，你可以把它認爲是各個行業的落地者，可以叫它是服務商，或叫它是信息化廠商，它的工作跟我們現在傳統的各個垂直行業信息化企業角色差不多，它需要拿着這個模型深耕每一個行業。因爲每一個行業所需要的應用可能是不一樣的，這一層我覺得是一個傳統信息化的延伸，當然也可能會有新的公司的誕生，這些新公司可能在AI能力上會更強一些。

最上面的一層即最頂層，那就是我們傳統意義上的應用層，如果大家把它按互聯網去對比，那可能就是微信、抖音、淘寶這些我們用戶能夠接觸到的這種應用層，在應用層的背後連接了大模型，連接了一個聰明的AI，它可以解決我們很多問題。總體來說會有這三層公司的變化。

哪個環節最具投資價值？

王鑫晨：

我們目前是在一個非常早期的階段做判斷。如果按過去經驗看，一定是應用層最讓人興奮，應用層最接近消費者，擁有最大變現的潛力，但是這一層的問題是，有可能是很顛覆性的、目前我們想象不到的一些新東西。一般來說新東西會產生非常大的顛覆性，它會侵入我們的生活，未來語意理解發展有可能使得我們每個人都能擁有一個非常聰明的、幫我們幹很多事情的個人助理，那就是一個非常超級的應用了。

這個新私人助理在整個產業環節中能夠產生多大收益？有誰可以去佔住這個收益？是只有一個助理？還是每個人擁有幾個大廠推出的不同助理？我們都只能拭目以待。應用層應該最令人興奮，但它的壞處是現在看不太清，而且太顛覆。

中間這層是我們現在一些信息化公司的業務延伸，他們給B端那些企業客戶做服務的時候，需要融入一些智能化因素，一些智能化模型。因爲企業會提這樣的需求，那么他們就要提供這樣的服務，所以我覺得，中間層也會有很好的發展，因爲客戶愿意在智能化的投入會變多。

最底層的，即是掌握大模型的這些、也是現在大家最關注的企業。這些企業將來會有很好的發展，但是我也有跟很多人不太一樣的觀點，我認爲這一層可能會成爲基礎設施，剛才說了有點像我們現在的公有雲，提供算力、提供存儲、提供網絡，它們之間的通用大模型有可能是比較同質化，每一家的模型差不太多，你可以選擇接A或選擇接B。那么，在這樣的情況下，它們的模型輸出可能是一個偏基礎設施的、偏同質化的服務，它們雖然也能在這條鏈條上享受到利潤，但是可能不會是一個特別賺錢的業務。反而最性感最讓人有想象的是，我認爲可能是應用層的那些新應用，需要我們去暢想。

陳俊雲：

顯然，任何產業在發展早期的時候，一般都是賣水的或者說賣鏟子的人，可能最先在這個市場獲益。

所以，最早可能會看到明顯收益的是來自底層的基礎設施，包括芯片和算力。AI的工作主要包括模型訓練、調優、推理端的部署，算力消耗主要是在模型的訓練和推理端。如果說我們認可大模型是一條技術路线，至少從目前來看，大家認爲暴力美學還是一個非常有效的途徑，那么自然大家對整個大算力的需求，對芯片的需求就會持續增長。

AI任務復雜性和應用範圍增加，高精度大規模不斷湧現，這些模型在數據中心等雲端AI場景完成訓練和推理，會產生巨大算力需求，所以大模型發展到後面，肯定還會去轉向GPU，或者說轉向專業AI芯片來做算力的承載。

雲端的推理，中短期來看GPU是最主要的應用場景。而在邊緣側的推理，我相信整個芯片形態可能會更爲分散，包括各種各樣的ASIC芯片，或者類似於CPU這樣等的方式來做承載，所以我們會看到這個產業環節幾年來其實創業公司最多，雖然大家布局的賽道不同，有的做訓練，有的做推理，或者說做綜合的這樣的芯片廠商。所以，我相信整個產業環節，從中長期來看是非常重要的一個賽道。

第二點就是算力設施，顯然對於芯片公司來說，生產出芯片出來後，需要把它通過一些外圍的軟件環境、硬件的整體實現，去構造一個所謂的算力設施。從目前來看，現在雲計算公司在這個領域有良好的客戶基礎，它的資本开支，它在全球中這個計算資源中覆蓋的各方面，它本身的角色定位結合，現有的這種算力設施的重合度其實還是挺高的。所以，雲計算公司是這個市場的最主要參與者。

到了大模型這個環節，我會看到這裏面有幾個工作，第一是模型的總理論架構的創新，第二就是模型的工程實踐。大模型非常重要，重要到甚至每一個有能力的公司或機構都想做一個。但在全球看，能做的其實是非常有限的少數公司，比如在美國，像谷歌、微軟、Meta這樣的公司。未來大科技公司它可能主要的工作焦點，或者它主要的工作方向，是在對現有的這種大模型的這種基礎之上做一些調優，來實現和下遊的使用場景對齊，從而實現這個模型總理論的構建，以及這個理論架構和工程實踐之間的這種剝離，從而再使得產業形成更爲高效的，這樣的一個分工合作協作安排。所以這時候，做相關的數據標注、數據清洗，以及做某種場景數據集的這種公司會有非常明顯的機會。

最後的環節，關於應用場景有兩點我可以稍微講一下。第一是搜索引擎，我們信息的獲取方式主要是一種關鍵詞輸入爲主的方式，這其實並不太符合人機交互的習慣，用ChatGPT或者類ChatGPT這樣的工具，結合搜索引擎去結合，能提升整個信息這種獲取效率或准確度。這也是微軟Bing、谷歌搜索正在重點做的事兒。

第二個工作主要還是在於軟件層面，微軟office主要就是來幫助我們提高工作效率，所以ChatGPT或者類ChatGPT這樣的工具若能和軟件本身這種結合，能更大幅度提升辦公或者說代碼編寫等工作效率，我相信整個軟件行業自身運營效率以及收入都會有比較明顯的、實質性的增長。

哪個賽道更有投資機會？

王鑫晨：

從時間點上我們排個序，看誰可能先看到AI所帶來的增量，比如說業績的驅動、業績的增量。

我們現在這個階段還是在憋大模型的階段。國內和海外一樣，大部分還在追趕OpenAI，底層的巨頭都還在做這個大模型，所以當他們還在做大模型的時候，其實是跟中間層、應用層現階段的關系不大。

在這個階段，我們國內的也都在等國內自己的大廠做出模型來才能有後面的事兒。所以肯定是最下面那一層要先有突破，才有中間層和應用層的這兩個層次，這也是剛陳俊雲老師講的。最下面那一層他們在做大模型的過程中，涉及到算力、算法、數據三個要素，我覺得可能會有一些相關子行業會受益，比如說算力行業，我在模型還沒做出來之前得先訓練一個模型，訓練模型那么我需要的芯片需求就很多了。剛才講到，大模型和原來的小模型時代是不一樣的，大模型它天生非常喫算力，所以巨頭都會下單去买芯片，那么這就是最先能看到的，相關產業公司就能先看到業績拉動。

那還有一些能先看到的可能是數據層面。這跟我們國家的數據要素相關政策也有些關系，如果你有特別有價值的數據是可以用來做訓練的專業數據，理論上在數據要素的潛在催化下，那它也是有自己價值的。甚至一些做數據服務的公司，給數據打標籤，或者給數據做清洗等，大家都是在去做這個模型過程中的賣水人、賣鏟子的人。

芯片這個產業鏈上其實很長，芯片也好，把芯片包裝成服務器的也好，甚至包服務器的人工也好等等，這些都是可能很快就能有相應的業績落地。

那么等有一個模型後才到中間這一層，這時候有人开始往模型裏接進去一些新應用，給他的客戶提供一些服務，中間層也能馬上產生收入，而他的客戶有了一個更牛的、更聰明的應用以後，向消費者去提供不一樣的體驗，或者給他公司的員工提升生產效率等等。

這樣，產生業績的排序和最有投資價值的排序，就有可能是這么倒過來的。最終可能最讓人興奮的，還是最頂層那些不知道長什么樣的應用，可能會長得很大，但是從誰先看到業績來說，就可能是最底層的那些公司。

陳俊雲：

總體上來看，同意王老師所說的，包括像芯片和算力一定是最先看到相應業績落地以及這種相關的業績兌現。

模型的开發是成本，還要考慮到在前期應用場景導入的時候，它可能還需要一個額外成本——合作研發費用的支出，所以從這種模型能力的導入再到應用場景商業化變現落地，中間有一個可能不算特別漫長，但還是需要一定時間的這樣一個過程。

我會看到最底層中的芯片，包括像算力基礎設施、相關硬件方面，短期業績確定性會非常明顯，全球主要的GPU公司，像包括像這種服務器、AI服務器，實現芯片之間或服務器之間高速互聯的這些網絡設備公司，以及包括從對應的這種IDC等產業環節，都會有確定性受益。

從中期來看，隨着大家對暴力美學的追逐，它還會隨着這種應用場景的擴展以及對算力需求的拉動，持續獲得現在的這種增長。

《科技投資課》是《巴倫周刊》中文版近期推出的直播課程，擬圍繞“科技”主題搭建一個跨界學習組織，我們將邀請科技相關方向的一級機構投資人、二級機構基金經理和分析師、技術專家、科技公司創新者和創業者等精英擔任導師，用視頻直播方式，講解當下全球科技創新趨勢、一二級市場投資機會，以及創新創業機會。

直播課計劃涵蓋內容包括高端制造、新能源、新材料、新生物、人工智能、區塊鏈、元宇宙、AR/VR/MR、Web3等。

歡迎專業投資人、普通投資者、科技創新創業者，以及熱愛科技積極擁抱未來的人加入我們的學習社群，也歡迎相關專業人士、嘉賓老師加入課程導師團，請您添加巴倫v助手具體咨詢（微信號：barrons008）。