深度报告-20230406-东吴证券-计算机行业深度报告_AI偏向科普性报告_围绕算法_算力_数据和应用_19页_1mb

计算机行业深度报告总结

核心内容

本报告围绕人工智能（AI）的算法、算力、数据和应用四大核心要素，分析了AI在当前及未来的发展趋势，并对相关投资机会和风险进行了评估。

主要观点

1. 算法：大模型是AI迈向通用智能的里程碑

• 大模型（Foundation Model）是指通过在大规模宽泛数据上训练后能适应一系列下游任务的模型，是人工智能迈向通用智能的关键技术。
• 大模型本质上是基于统计学的语言模型，通过“突现能力”具备强大的推理能力。
• 当前几乎所有千亿参数级别的大语言模型都采用GPT架构，而不同企业基于自身优势开发出功能各异的大模型。
• GPT-4在多模态、多语言、“记忆力”和个性化方面有显著改进，但整体仍基于已有技术组合，并非技术革命。
• 数据集的规模和质量是大模型性能提升的关键因素。

2. 算力：AI时代的“石油”

• 算力是AI发展的核心资源，尤其在大模型训练和推理过程中至关重要。
• 训练和推理的算力需求分别以GPT-3和GPT-4为例，展示了其对Nvidia A100芯片的依赖。
• 中国大厂布局大模型将显著增加A100芯片需求，预计短期内增加20万片，长期有望超200万片。
• 国产AI芯片与Nvidia仍有差距，但随着大模型发展，有望推动国产芯片产业加速。

3. 数据：AI发展的驱动力

• 数据资源是AI产业发展的关键驱动力，高质量、稀缺数据对模型训练至关重要。
• 大模型训练数据主要来源于维基百科、书籍、期刊、Reddit、CommonCrawl等。
• 国内数据开放程度较低，限制了AI模型的训练效果，推动数据要素市场发展是关键。
• 建议关注具备采集和处理细分行业稀缺数据能力的厂商，如久远银海、容知日新、中控技术等。

4. 应用：AI赋能千行百业

• AI正在成为第四次技术革命，其在内容创作、办公软件、ERP、机器人和芯片设计等领域展现出巨大潜力。
• “杀手级”应用是指AI赋能下显著改善应用功能、提升客户粘性、扩大市场空间的领域。
• AI在内容创作领域已初步落地，如文本生成、代码生成、图像生成等。
• 在办公软件领域，Microsoft365 Copilot等产品提升了生产力，未来有望成为AI应用的标杆。
• AI与ERP结合可提升企业管理效率，降低使用门槛，增强客户粘性。
• 机器人和芯片设计领域也因AI技术而受益，未来有望实现智能化和效率提升。

关键信息

算力需求测算

• GPT-3训练1个月需843颗Nvidia A100芯片。
• GPT-3日活5000万时需约16255颗Nvidia A100芯片。
• GPT-4算力需求为GPT-3的10倍以上，预计未来算力需求缺口将持续扩大。

国产芯片对比

• 国产AI芯片如寒武纪、景嘉微等，性能仍落后于Nvidia，但正在快速追赶。
• 国产大模型发展将推动AI芯片国产化。

数据来源与需求

• 大模型训练数据主要来自公开互联网数据，如网页、书籍、图片、语音等。
• 国内数据开放程度低，阻碍AI发展，需进一步推动数据要素市场建设。

投资建议

• 算法：关注已有先发优势的大模型公司，如三六零、科大讯飞、同花顺等；实施企业如软通动力、润和软件、汉得信息等。
• 算力：推荐景嘉微、中科曙光、神州数码，建议关注海光信息、寒武纪、四川长虹、拓维信息等。
• 数据：推荐各细分赛道的信息化龙头企业，如久远银海、容知日新、中控技术，建议关注国能日新、千方科技等。
• 应用：推荐具备“杀手级”应用潜能的厂商，如金山办公、用友网络、恒生电子，建议关注广联达、石基信息等。

风险提示

• 政策推进不及预期：相关法规和政策可能影响AI发展节奏。
• 行业竞争加剧：市场空间广阔，可能导致竞争加剧，影响企业盈利。

附录

• 报告发布日期：2023年04月06日
• 证券分析师：王紫敬（执业证书：S0600521080005）
• 研究助理：王世杰（执业证书：S0600121070042）
• 联系方式：021-60199781 / wangzj@dwzq.com.cn

图表与数据来源

• 图1：大语言模型

• 图2：Transformer引领了大模型的爆发

• 图3：GPT-4多语言性能表现优秀

• 图4：GPT-4的文字输入限制

• 图5：大模型评估框架V1.0

• 图6：大模型的投入成本

• 图7：百度文心一言

• 图8：华为盘古

• 图9：OpenAI-ChatGPT

• 图10：Google-BERT

• 图11：训练ChatGPT-3所需Nvidia A100芯片数量

• 图12：维持ChatGPT-3每日5000万月活所需Nvidia A100芯片数量

• 图13：A800和A100性能对比

• 图14：国产AI芯片产品算力对比

• 图15：大模型训练数据来源统计

• 图16：数据采集示意图

• 图17：三次工业革命带来下游应用技术爆发

• 图18：GPT-4画出了《三体》中的罗辑

• 图19：AI生成不同的3D建筑风格

• 图20：Microsoft365 Copilot

• 图21：ChatGPT改善了机器人对环境的适应性

• 图22：智能EDA和传统EDA流程图

• 表1：GPT-4 和 GPT-3.5-turbo 收费标准

• 表2：国产大模型带动算力需求测算

• 表3：计算机各行业数据要素相关厂商

投资评级标准

• 公司投资评级：

  • 买入：预期未来6个月个股涨跌幅相对大盘在15%以上；
  • 增持：预期未来6个月个股涨跌幅相对大盘介于5%与15%之间；
  • 中性：预期未来6个月个股涨跌幅相对大盘介于-5%与5%之间；
  • 减持：预期未来6个月个股涨跌幅相对大盘介于-15%与-5%之间；
  • 卖出：预期未来6个月个股涨跌幅相对大盘在-15%以下。

• 行业投资评级：

  • 增持：预期未来6个月内，行业指数相对强于大盘5%以上；
  • 中性：预期未来6个月内，行业指数介于-5%与5%之间；
  • 减持：预期未来6个月内，行业指数相对弱于大盘5%以上。

总结

AI正以大模型为核心，推动算法、算力、数据和应用四个维度的发展。算力作为AI发展的基础设施，是当前商业化落地的主要瓶颈；数据资源的开放程度直接影响模型训练效果；AI在内容创作、办公软件、ERP、机器人和芯片设计等领域展现出巨大潜力。随着大模型技术的发展，投资机会将主要集中在具备先发优势的算法公司、算力相关企业、数据处理服务商以及AI应用领域的龙头企业。然而，政策推进和行业竞争是需要关注的主要风险。