ChatGPT 指明了 NLP 生成领域的技术方向，从技术本源上加速 AIGC发展。我们认为，ChatGPT 对 AIGC 发展的意义在于：一方面，GPT 作为 NLP 生成领域模型的突破，将迅速解决 AI 文本生成、AI 代码生成等领域的痛点；另一方面，AI 文本生成、AI 代码生成作为 AI 音视频、游戏等其他领域的技术基础，其突破发展也将加速 AIGC 在音视频、游戏等场景中的渗透（比如生成 AI 绘画提示词，或生成调用计算引擎等）。
全球巨头争相追赶，与 ChatGPT 水平尚存一定差距。国外公司中，谷歌发布的聊天机器人 Bard 具有与 ChatGPT 接近的技术水平，大约相差半年左右。国内公司中，百度、华为、字节跳动、阿里、腾讯等巨头均在大模型方向布局，整体发展水平与 ChatGPT 相差大概一到两年左右，约接近 GPT-3的水平。
AIGC 多场景应用处于爆发前夜，千亿市场打开。随着大模型算法突破以及算力成本下降，AIGC 发展痛点逐步解除，亟待爆发；同时又有ChatGPT 助力，文本、代码、图像生成有望率先成熟，视频、游戏将紧随其后。我们预测，到 2025年 AIGC 在网络文学领域、文本分析领域、绘画及图片领域、数字音乐领域技术将相对成熟，因此渗透率分别为70%/60%/60%/50%；网络视频领域、游戏领域由于技术原因渗透率相对较低，分别约为 30%/25%。基于上述假设，我们分别对 AIGC 细分领域做市场规模预测，预计 2025年中国 AIGC 市场规模有望达到 1600亿。
AIGC 产业链：基础层最先受益，中间层巨头占优。AIGC 产业链可大致分为基础层、中间层和应用层三层架构。鉴于大模型训练需要巨大的算力规模，基础层中的芯片、服务器等硬件提供商将最先受益。而对于中间层来说，技术积累以及资金实力都是关键竞争力，因此我们认为科技巨头更具有竞争优势。应用层中，可类比移动互联网时代，会爆发出很多杀手级应用，用户体验和模式创新都将成为“杀手钳”。
GPT-3训练所需总成本：模型的算力需求几乎与参数量呈同比增长。
单一 V100GPU 芯片进行一次 GPT-313B 模型的训练，大约需要 2144天；进行一次 GPT-3175B 模型的训练，大约需要 29120天。我们测算GPT-313B 训练总成本约为：$3.06/H * 24H/D * 365D/Y * 26Y = $0.7Million；同理，GPT-3175B 训练总成本约为$ 9.5Million。在不计 RAM、CPU、SSD 驱动器、电源等其他情况下，GPT-3运行所需芯片成本至少在 20万美元以上。
投资建议：ChatGPT 开启 AI 新纪元，AIGC 千亿市场处于爆发前夜。产业链基础层中，我们重点推荐全球 AI 服务器龙头浪潮信息（000977.SZ），关注中科曙光（603019.SH）、中国长城（000066.SZ）；中间层中，推荐人工智能技术积累深厚的拓尔思（300229.SZ）、科大讯飞（002230.SZ）；应用层中，推荐彩讯股份（300634.SZ）、嘉和美康（688246.SH）、金山办公（688111.SH）、同花顺（300033.SZ），关注万兴科技（300624.SZ）。
风险提示：行业竞争加剧的风险；产业发展进度不达预期的风险；技术风险；政策风险。
首页
微信公众号
证券之星APP
