人工智能行業(yè)深度報(bào)告：ChatGPT引發(fā)的大模型時(shí)代變革

（報(bào)告出品方：華安證券）

ChatGPT 是由 openAI 研發(fā)的一種語言 AI 模型，使用上億參數(shù)的大模型和海量語 料庫來生成語句，目前可以實(shí)現(xiàn)寫詩、撰文、編碼的功能。ChatGPT 廣受用戶歡迎， 短短五天注冊用戶數(shù)量便超過 100 萬，60 日月活破億。產(chǎn)業(yè)界如微軟、谷歌、百度 也對于 openAI 及其競品加大投入。

2.1 ChatGPT 是什么？

ChatGPT 是由 OpenAI 研發(fā)的一種語言 AI 模型，使用海量語料庫來生成與人類相 似的反應(yīng)。ChatGPT 是基于 GPT（generativef pretrAIned’ transformer）架構(gòu)搭建的， 主要用深度學(xué)習(xí)來生成連貫且具有意義的文字。這個(gè)模型使用了來自于網(wǎng)站、書本和社 交媒體的海量文字?jǐn)?shù)據(jù)，因此也為 ChatGPT 在保證準(zhǔn)確性和細(xì)節(jié)的同時(shí)，提供了廣泛 的對話反饋。對話反饋是 ChatGPT 的核心功能之一，也使它成為了實(shí)現(xiàn)聊天機(jī)器人或 其他對話型 AI 的理想技術(shù)。 除對話功能外，ChatGPT 也具有實(shí)現(xiàn)各類語言相關(guān)任務(wù)的能力，包括文章精煉、翻 譯以及情緒分析等。以上各類語言能力在大規(guī)模的訓(xùn)練數(shù)據(jù)和升讀學(xué)習(xí)架構(gòu)下，使 ChatGPT 成為目前應(yīng)用最為先進(jìn)的語言模型之一。 總體上，ChatGPT 標(biāo)志著自然語言處理（NLP）和對話 AI 領(lǐng)域的一大步，其高質(zhì) 量文字產(chǎn)出能力在商業(yè)、研究和開發(fā)活動(dòng)中提高用戶體驗(yàn)的方向上非常有應(yīng)用價(jià)值的。

截至目前，GPT 已經(jīng)經(jīng)歷了如下演化： 1. GPT-1: 第一代 GPT 語言模型，發(fā)布于 2018 年。它有 1.17 億個(gè)參數(shù)，使用網(wǎng)頁 的文字?jǐn)?shù)據(jù)進(jìn)行訓(xùn)練。 2. GPT-2: 發(fā)布于 2019 年，具有 15 億個(gè)參數(shù)，使用的網(wǎng)頁文字?jǐn)?shù)據(jù)量也遠(yuǎn)大于前 一代。它已經(jīng)可以生成高質(zhì)量的文字，甚至完成翻譯、精煉文字等簡單任務(wù)。 3. GPT-3: 發(fā)布于 2020 年，具有 1750 億個(gè)參數(shù)，使用網(wǎng)頁以及其他來源的文字進(jìn) 行訓(xùn)練。它已經(jīng)可以進(jìn)行擔(dān)任各類任務(wù)，被認(rèn)為是語言模型領(lǐng)域的顯著突破。

2.2 ChatGPT 技術(shù)和傳統(tǒng)的 AI 有什么區(qū)別？

相比傳統(tǒng) AI 算法，GPT 模型的區(qū)別在于通過海量參數(shù)，進(jìn)一步提升了模型的精確 度。 初代的 GPT 模型參數(shù)是 1.17 億，而 GPT2 的模型有 15 億個(gè)參數(shù)，參數(shù)增加了 10 倍之多。第三代的 GPT3 模型，參數(shù)達(dá)到了 1750 億，是 GPT2 參數(shù)的 100 倍。正是由 于參數(shù)的指數(shù)級提升，使得模型的使用效果大幅提升。而此類參數(shù)上億的模型，通常稱 之為“大模型”。 GPT 模型基于 Transformer 架構(gòu)，這是一種由谷歌的 Vaswani 等人于 2017 年引入 的神經(jīng)網(wǎng)絡(luò)類型。Transformer 架構(gòu)特別擅長對序列數(shù)據(jù)中的長距離依賴進(jìn)行建模，這使 其非常適合自然語言處理任務(wù)。 為了訓(xùn)練 GPT 模型，OpenAI 使用了來自互聯(lián)網(wǎng)的大量文本數(shù)據(jù)，包括書籍、文章 和網(wǎng)站。該模型使用一種稱為無監(jiān)督學(xué)習(xí)的技術(shù)進(jìn)行訓(xùn)練，這意味著它學(xué)會(huì)了在沒有人 類監(jiān)督的情況下預(yù)測文本序列中的下一個(gè)單詞。 GPT 模型能夠生成連貫和語法正確的文本，已被用于廣泛的自然語言處理任務(wù)，包 括語言翻譯、文本補(bǔ)全和文本生成。

Transformer 模型是一種用于自然語言處理的神經(jīng)網(wǎng)絡(luò)模型。與傳統(tǒng)的循環(huán)神經(jīng)網(wǎng) 絡(luò)（RNN）不同，Transformer 模型使用自注意力機(jī)制（self-attention）來處理輸入序列 中不同位置之間的依賴關(guān)系。 Transformer 模型由編碼器和解碼器兩部分組成。編碼器將輸入序列中的每個(gè)單詞 表示為一個(gè)向量，并通過多層自注意力和前饋神經(jīng)網(wǎng)絡(luò)來對輸入序列進(jìn)行編碼。解碼器 則使用相同的自注意力和前饋神經(jīng)網(wǎng)絡(luò)來生成輸出序列。 在自注意力機(jī)制中，模型根據(jù)輸入序列中的所有單詞計(jì)算出每個(gè)單詞與其他單詞的 相關(guān)性，然后使用這些相關(guān)性加權(quán)求和得到每個(gè)單詞的表示向量。這種方法使得模型能 夠處理長序列和跨越序列中的依賴關(guān)系，從而提高了模型的性能。 Transformer 模型已經(jīng)在自然語言處理領(lǐng)域取得了很好的效果，包括機(jī)器翻譯、文 本摘要和問答系統(tǒng)等任務(wù)。它是目前最先進(jìn)的語言模型之一，也是開發(fā)其他自然語言處 理模型的基礎(chǔ)。

2.3 ChatGPT 將給行業(yè)帶來哪些機(jī)會(huì)？

相比其他此前的人工智能技術(shù)與進(jìn)展，ChatGPT 之所以引發(fā)關(guān)注，主要總結(jié)為以下 幾點(diǎn)： 1） 從使用效果上，交流通暢，同時(shí)能夠?qū)崿F(xiàn)寫詩、撰文、編碼的功能。2 月 1 日， 以色列總統(tǒng)艾薩克·赫爾佐格(Isaac Herzog)發(fā)表了部分由人工智能(AI)撰寫的 演講； 2） 受用戶歡迎。短短 5 天，注冊用戶數(shù)就超過 100 萬。60 天月活破億。 3） 商業(yè)模式產(chǎn)生變化。2023 年 2 月 2 日，美國人工智能（AI）公司 OpenAI 發(fā)布 ChatGPT 試點(diǎn)訂閱計(jì)劃。 4） 產(chǎn)業(yè)界也表現(xiàn)出對 Chatgpt 的關(guān)注。表現(xiàn)為：1）1 月 23 日，微軟宣布向 ChatGPT 開發(fā)者 OpenAI 追加投資數(shù)十億美元；2）谷歌 3 億美元投資 Chatgpt 競品。 3）百度將于 3 月發(fā)布類似 Chatgpt 的 AI 服務(wù)。 由此帶來相關(guān)產(chǎn)業(yè)鏈的大變革：

1) 語音識別與自然語言處理行業(yè)快速發(fā)展： 人工智能，也即解決像人一樣看、聽、思考的問題。因此，按照此維度來劃分，劃 分為計(jì)算機(jī)視覺、語音識別與自然語言處理及數(shù)據(jù)科學(xué)。 早先，2020 年數(shù)據(jù)顯示，計(jì)算機(jī)視覺占比約 56.6%；語音識別與自然語言處理占比 約 35.6%。也即，在機(jī)器視覺領(lǐng)域的應(yīng)用，相比自然語言處理，更為成熟，市場規(guī)模更 大。 但隨著 ChatGPT 帶來的投資熱潮，與應(yīng)用領(lǐng)域的不斷豐富，音頻與自然語言處理 的整體行業(yè)規(guī)模，有望迅速增長。

2) 激活產(chǎn)業(yè)鏈： 整個(gè)人工智能的產(chǎn)業(yè)鏈包括算力、數(shù)據(jù)、算法乃至下游應(yīng)用。 算力與網(wǎng)絡(luò)：英偉達(dá)的研究表示，GPT-3 模型需要使用 512 顆 V100 顯卡訓(xùn)練 7 個(gè) 月時(shí)間，或者使用 1024 顆 A100 芯片訓(xùn)練長達(dá)一個(gè)月的時(shí)間。隨著各大科技廠商投入對 大模型的研發(fā)，勢必增加芯片、服務(wù)器等算力需求。同時(shí)，龐大的 AI 算力集群，又需要 高帶寬支撐數(shù)據(jù)傳輸。 數(shù)據(jù)：數(shù)據(jù)采集、數(shù)據(jù)標(biāo)注和數(shù)據(jù)質(zhì)檢是較為重要的三個(gè)環(huán)節(jié)。從自然數(shù)據(jù)源簡單 收集取得的原料數(shù)據(jù)并不能直接用于有效監(jiān)督的深度學(xué)習(xí)算法訓(xùn)練，經(jīng)過專業(yè)化采集、 加工形成的訓(xùn)練數(shù)據(jù)集才能供深度學(xué)習(xí)算法等訓(xùn)練使用，由此帶來數(shù)據(jù)服務(wù)需求。 算法：相比傳統(tǒng) AI 模型，大模型的優(yōu)勢體現(xiàn)在：1）解決 AI 過于碎片化和多樣化 的問題；2） 具備自監(jiān)督學(xué)習(xí)功能，降低訓(xùn)練研發(fā)成本；3）擺脫結(jié)構(gòu)變革桎梏，打開 模型精度上限。對于大模型算法的研發(fā)、優(yōu)化，亦是投入的重點(diǎn)。 下游應(yīng)用：產(chǎn)業(yè)界一直以來都在尋求人工智能的應(yīng)用領(lǐng)域、商業(yè)模式突破。隨著大 模型使用、人工智能算法精度提升，下游應(yīng)用的擴(kuò)展可期。

3.1 政策引導(dǎo)數(shù)據(jù)要素確權(quán)使用，掃清人工智能發(fā)展障礙

數(shù)據(jù)已成為五大核心生產(chǎn)要素之一。 2020 年 4 月中共中央國務(wù)院《關(guān)于構(gòu)建更加完善的要素市場化配置體制機(jī)制的意 見》中發(fā)布。這是數(shù)據(jù)作為新型生產(chǎn)要素首次在中央頂層文件中提出。 而后，2022 年 4 月國務(wù)院《關(guān)于加快建設(shè)全國統(tǒng)一大市場的意見》中，進(jìn)一步提到 加快培育數(shù)據(jù)要素市場，建立數(shù)據(jù)資源產(chǎn)權(quán)相關(guān)基礎(chǔ)制度。 2022 年 12 月 9 日，財(cái)政部發(fā)布關(guān)于征求《企業(yè)數(shù)據(jù)資源相關(guān)會(huì)計(jì)處理暫行規(guī)定 （征求意見稿）》意見的函，具體提出了企業(yè)數(shù)據(jù)資源相關(guān)會(huì)計(jì)、處理的方式方法，進(jìn)一 步掃清了數(shù)據(jù)要素市場建立、數(shù)據(jù)資源交易的障礙。 當(dāng)前，2022 年 12 月發(fā)布《關(guān)于構(gòu)建數(shù)據(jù)基礎(chǔ)制度更好發(fā)揮數(shù)據(jù)要素作用的意見》， 是數(shù)據(jù)要素體系建設(shè)中，頂層關(guān)鍵文件，掃除了未來人工智能發(fā)展中需要使用數(shù)據(jù)的障 礙：1）建立保障權(quán)益，合規(guī)使用的數(shù)據(jù)產(chǎn)權(quán)制度；2）建立合規(guī)高效的場內(nèi)外結(jié)合的數(shù) 據(jù)要素流通和交易制度。3）建立體現(xiàn)效率促進(jìn)公平的數(shù)據(jù)要素收益分配制度。4）建立 安全可控彈性包容的數(shù)據(jù)要素治理制度。

數(shù)字經(jīng)濟(jì)快速發(fā)展，數(shù)據(jù)要素成為重要戰(zhàn)略資源?！丁笆奈濉睌?shù)字經(jīng)濟(jì)發(fā)展規(guī)劃》 中指出，數(shù)字經(jīng)濟(jì)是繼農(nóng)業(yè)經(jīng)濟(jì)、工業(yè)經(jīng)濟(jì)之后的主要經(jīng)濟(jì)形態(tài)?！兑?guī)劃》設(shè)定了到 2025 年實(shí)現(xiàn)數(shù)字經(jīng)濟(jì)核心產(chǎn)業(yè)增加值占 GDP 比重達(dá)到 10%的目標(biāo)，涵蓋數(shù)據(jù)要素市場、產(chǎn) 業(yè)數(shù)字化、數(shù)字產(chǎn)業(yè)化、數(shù)字化公共服務(wù)、數(shù)字經(jīng)濟(jì)治理體系五個(gè)方面。從 2015 年至 今，數(shù)字經(jīng)濟(jì)平均增速持續(xù)高于 GDP 增速，2021 年數(shù)字經(jīng)濟(jì)占 GDP 比重已經(jīng)由 2015 年的 27%提升至 40%。

3.2 大數(shù)據(jù)管理能力需求提升

聯(lián)網(wǎng)設(shè)備高增之下，流量增長不可避免。根據(jù)思科的《年度互聯(lián)網(wǎng)報(bào)告》，到 2023 年，地球上的連網(wǎng)設(shè)備數(shù)量將是全球人口的大約三倍，從 2017 年的人均 2.4 臺提升至 3.6 臺。由于 IP 地址即網(wǎng)絡(luò)地址 主機(jī)地址，網(wǎng)絡(luò)站點(diǎn)所連接的 IP 數(shù)量也處于爆發(fā)的階 段。根據(jù) IDC 的《中國物聯(lián)網(wǎng)連接規(guī)模預(yù)測，2020-2025》，僅我國物聯(lián)網(wǎng) IP 連接量已 在 2020 年達(dá) 45.3 億，有望在 2025 年達(dá)到 102.7 億，CAGR 為 17.8%。由于 IP 地址 聯(lián)網(wǎng)后即產(chǎn)生數(shù)據(jù)流量， IP 地址的數(shù)量增長即代表全網(wǎng)數(shù)據(jù)也將繼續(xù)大增，對于現(xiàn)有 的網(wǎng)絡(luò)企業(yè)的承載能力提出了考驗(yàn)。根據(jù)思科的《年度互聯(lián)網(wǎng)報(bào)告》，2022 年全球網(wǎng)絡(luò) 數(shù)據(jù)流量將達(dá) 799EB（1EB=十億 GB），同比增長 21%。我們認(rèn)為，數(shù)據(jù)流量的增長， 有望直接帶動(dòng)大數(shù)據(jù)產(chǎn)業(yè)的發(fā)展，而其中穩(wěn)定優(yōu)質(zhì)響應(yīng)快的數(shù)據(jù)庫性價(jià)比更高。

全球大數(shù)據(jù)市場存量巨大，軟件市場占比較高且增速快。根據(jù) Wikibon 及沙利文研 究數(shù)據(jù)，全球大數(shù)據(jù)市場規(guī)模有望在 2022 年達(dá) 718 億美元，同比增速 11%；而其中全 球大數(shù)據(jù)軟件偉 286 億美元，同比增速 18%，約占大數(shù)據(jù)市場規(guī)模的 40%。可以認(rèn)為， 軟件市場在大數(shù)據(jù)市場中，占據(jù)較大地位，而由于其增速高于大數(shù)據(jù)市場的整體增速， 其占比還將進(jìn)一步提升。

3.3 數(shù)據(jù)標(biāo)注，是 AI 模型的基礎(chǔ)

人工智能基礎(chǔ)數(shù)據(jù)服務(wù)助力 AI 訓(xùn)練與調(diào)優(yōu)，數(shù)據(jù)采集、數(shù)據(jù)標(biāo)注和數(shù)據(jù)質(zhì)檢是較 為重要的三個(gè)環(huán)節(jié)。從自然數(shù)據(jù)源簡單收集取得的原料數(shù)據(jù)并不能直接用于有效監(jiān)督的 深度學(xué)習(xí)算法訓(xùn)練，經(jīng)過專業(yè)化采集、加工形成的訓(xùn)練數(shù)據(jù)集才能供深度學(xué)習(xí)算法等訓(xùn) 練使用，從某種程度上講，數(shù)據(jù)決定了 AI 的落地程度，因此，基礎(chǔ)數(shù)據(jù)服務(wù)應(yīng)運(yùn)而生。 具體來看，基礎(chǔ)數(shù)據(jù)的服務(wù)流程圍繞著客戶的展開，為 AI 模型訓(xùn)練提供可靠、可用的數(shù) 據(jù)，其包含五個(gè)環(huán)節(jié)，分別是 1）數(shù)據(jù)庫設(shè)計(jì)：訓(xùn)練數(shù)據(jù)集結(jié)構(gòu)設(shè)計(jì)；2）數(shù)據(jù)采集：獲 取原料數(shù)據(jù)；3）數(shù)據(jù)清洗：清洗殘缺、重復(fù)或者錯(cuò)誤的數(shù)據(jù)；4）數(shù)據(jù)標(biāo)注：幫助機(jī)器 認(rèn)識數(shù)據(jù)的特征；5）質(zhì)檢：各環(huán)節(jié)質(zhì)量檢測和控制。

市場標(biāo)注行業(yè)市場規(guī)模不斷擴(kuò)大，圖像類和語音類需求占比超八成。從市場規(guī)模來 看，根據(jù)觀研天下統(tǒng)計(jì)，2021 年我國數(shù)據(jù)標(biāo)注行業(yè)市場規(guī)模為 43 億元，2017 至 2029 年的 CAGR 為 23%；根據(jù) IDC《2021 年中國人工智能基礎(chǔ)數(shù)據(jù)服務(wù)市場研究報(bào)告》， 預(yù)計(jì)中國 AI 基礎(chǔ)數(shù)據(jù)服務(wù)市場規(guī)模將在 2025 年突破 120 億元，近五年的 CAGR 達(dá) 47%。從市場收入結(jié)構(gòu)來看，按數(shù)據(jù)類型劃分，基礎(chǔ)數(shù)據(jù)服務(wù)行業(yè)是市場需求可以分為 圖像類、語音類和自然語言處理類數(shù)據(jù)需求。根據(jù)觀研天下統(tǒng)計(jì)，2021 年我國數(shù)據(jù)標(biāo)注 行業(yè)下游以圖像類和語音類需求為主，二者合計(jì)占比達(dá) 86%，其中，圖像類業(yè)務(wù)以智能 駕駛與安防為主，語音類以中英大大語種、中國本土方言以及外國小語種為主。

3.4 相關(guān)標(biāo)的

1) 星環(huán)科技：平臺、數(shù)據(jù)庫集一身的數(shù)據(jù)要素稀缺標(biāo)的

專注于分布式數(shù)據(jù)庫，技術(shù)水平全球領(lǐng)先。星環(huán)科技 2013 年成立于上海，是國內(nèi) 大數(shù)據(jù)管理軟件領(lǐng)導(dǎo)者，已累計(jì)有超過 1,000 家終端用戶，且產(chǎn)品已落地以下知名機(jī)構(gòu) 或其主要分支機(jī)構(gòu)，金融行業(yè)包括中國銀行、浦發(fā)銀行、浙江農(nóng)村商業(yè)聯(lián)合銀行等，政 府領(lǐng)域包括上海市大數(shù)據(jù)中心等，能源行業(yè)包括中國石油、南方電網(wǎng)等，交通行業(yè)包括 中國郵政集團(tuán)、鄭州地鐵等，制造業(yè)包括湖南中煙等。公司在發(fā)展中經(jīng)歷了多個(gè)重要節(jié) 點(diǎn)：1）公司 2013 年成立，隨即發(fā)布了大數(shù)據(jù)基礎(chǔ)平臺 TDH2.0 版本，并于次年推出 Inceptor 關(guān)系型分析引擎、Slipstream 實(shí)時(shí)計(jì)算引擎，實(shí)現(xiàn)數(shù)據(jù)湖、實(shí)時(shí)計(jì)算兩大熱點(diǎn) 功能；2）2014 年公司被 Gartner 列入 Hadoop 的主流發(fā)行版列表；3）2017 年起，公 司陸續(xù)發(fā)布新品，包括分析工具 Sophon、云產(chǎn)品 TDC、分布式分析數(shù)據(jù)庫 ArgoDB 和 分布式交易數(shù)據(jù)庫 KunDB。2022 年，公司已被 Gartner 評為圖數(shù)據(jù)庫管理的全球代表 廠商。

股權(quán)結(jié)構(gòu)穩(wěn)定，創(chuàng)始人保持控制權(quán)。發(fā)行人的控股股東、實(shí)際控制人為創(chuàng)始人孫元 浩，主要理由如下：（1）截至本招股說明書簽署日，孫元浩直接持有星環(huán)科技 12.3%的 股份，為公司第一大股東，且在報(bào)告期內(nèi)持續(xù)為發(fā)行人第一大股東。（2）孫元浩與范磊、 呂程、佘暉及贊星投資中心簽署了《一致行動(dòng)協(xié)議》，確認(rèn) 自 2019 年 1 月 1 日起， 范磊、呂程、佘暉及贊星投資中心與孫元浩在發(fā)行人有關(guān)重大事項(xiàng)中保持一致行動(dòng)，并 約定上述各方在無法達(dá)成一致意見時(shí)，為提高公司決策效率，在不損害孫元浩合法權(quán)益 及保障公司整體利益的前提下，應(yīng)以孫元浩的意見作為各方的最終共同意見。孫元浩擔(dān) 任執(zhí)行事務(wù)合伙人的贊星投資中心持有公司 8.3%的股份，孫元浩之一致行動(dòng)人范磊、呂 程、佘暉分別持有公司 6.7%、1.7%、1.0%的股份。因此，孫元浩本人及通過《一致行 動(dòng)協(xié)議》合計(jì)控制公司 30.0%的股份。（3）報(bào)告期內(nèi)，孫元浩一直擔(dān)任發(fā)行人（及其前 身星環(huán)有限）的董事長及總經(jīng)理，在發(fā)行人的董事會(huì)和日常管理決策中均能夠產(chǎn)生重大 影響。（ 4）根據(jù)除孫元浩、范磊、呂程、佘暉及贊星投資中心以外的發(fā)行人其他股東的 書面確認(rèn)，各方均認(rèn)可孫元浩于報(bào)告期內(nèi)作為發(fā)行人的實(shí)際控制人。

2) 海天瑞聲：人工智能基礎(chǔ)數(shù)據(jù)服務(wù)提供商，產(chǎn)品矩陣不斷豐富

自 2005 年成立以來，海天瑞聲始終致力于為 AI 產(chǎn)業(yè)鏈上的各類機(jī)構(gòu)提供算法模型 開發(fā)訓(xùn)練所需的專業(yè)數(shù)據(jù)集，目前已發(fā)展為人工智能領(lǐng)域具備國際競爭力的國內(nèi)領(lǐng)軍企 業(yè)。公司研發(fā)生產(chǎn)的訓(xùn)練數(shù)據(jù)覆蓋了智能語音、計(jì)算機(jī)視覺及自然語言處理三大 AI 核心 領(lǐng)域，實(shí)現(xiàn)了標(biāo)準(zhǔn)化產(chǎn)品、定制化服務(wù)、相關(guān)應(yīng)用服務(wù)的全覆蓋，廣泛應(yīng)用于人機(jī)交互、 智能家居、智能駕駛、智慧金融、智能安防、OCR 識別等多個(gè)應(yīng)用場景。截至 2022 年 半年報(bào)，公司累計(jì)客戶量達(dá) 695 家。

公司產(chǎn)品應(yīng)用領(lǐng)域不斷拓寬，下游客戶豐富。從應(yīng)用場景來看，公司產(chǎn)品的應(yīng)用場 景覆蓋了個(gè)人助手、語音輸入、智能家居、智能客服、機(jī)器人、語音導(dǎo)航、智能播報(bào)、 語音翻譯、移動(dòng)社交、虛擬人、智能駕駛、智慧金融、智慧交通、智慧城市、機(jī)器翻譯、 智能問答、信息提取、情感分析、OCR 識別等多種應(yīng)用場景。從下游客戶來看，公司的客戶為 AI 產(chǎn)業(yè)鏈上的各類機(jī)構(gòu)，主要系：1）大型科技公司，阿里巴巴、騰訊、百度、 微軟等；2）人工智能企業(yè)，科大訊飛、商湯科技、?？低暤龋?）科研機(jī)構(gòu)，如中國 科學(xué)院、清華大學(xué)等。目前，公司的產(chǎn)品和服務(wù)已經(jīng)獲得了阿里巴巴、騰訊百度、科大 訊飛、微軟、清華大學(xué)等國內(nèi)外客戶的認(rèn)可。

4.1 大模型時(shí)代的引言：Double Descent（雙下降）現(xiàn)象

隨著深度神經(jīng)網(wǎng)絡(luò)的興起，人工智能進(jìn)入統(tǒng)計(jì)分類深度模型時(shí)代，這種模型比以往 的模型更加泛化，可以通過提取不同特征值應(yīng)用于不同場景。但在 2018 年-2019 年， 雙下降現(xiàn)象的發(fā)現(xiàn)打破了原有的人工智能發(fā)展格局。簡而言之，以往的數(shù)學(xué)理論表明， 隨著參數(shù)增多、模型增大，過擬合導(dǎo)致模型的誤差會(huì)先下降后上升，這使得找到精度最 高誤差最小的點(diǎn)成為模型調(diào)整的目標(biāo)。而隨著人工智能算法算力的不斷發(fā)展，研究者發(fā) 現(xiàn)如果繼續(xù)不設(shè)上限的增大模型，模型誤差會(huì)在升高后第二次降低，并且誤差下降會(huì)隨 著模型的不斷增大而降低，通俗而言模型越大，準(zhǔn)確率越高。因此人工智能發(fā)展進(jìn)入了 大模型時(shí)代。

相比傳統(tǒng) AI 模型，大模型的優(yōu)勢體現(xiàn)在： 1）解決 AI 過于碎片化和多樣化的問題，極大提高模型的泛用性。應(yīng)對不同場景 時(shí)，AI 模型往往需要進(jìn)行針對化的開發(fā)、調(diào)參、優(yōu)化、迭代，需要耗費(fèi)大量的人力成 本，導(dǎo)致了 AI 手工作坊化。大模型采用“預(yù)訓(xùn)練 下游任務(wù)微調(diào)”的方式，首先從大量標(biāo) 記或者未標(biāo)記的數(shù)據(jù)中捕獲信息，將信息存儲(chǔ)到大量的參數(shù)中，再進(jìn)行微調(diào)，極大提高 模型的泛用性。 2）具備自監(jiān)督學(xué)習(xí)功能，降低訓(xùn)練研發(fā)成本。我們可以將自監(jiān)督學(xué)習(xí)功能表觀理 解為降低對數(shù)據(jù)標(biāo)注的依賴，大量無標(biāo)記數(shù)據(jù)能夠被直接應(yīng)用。這樣一來，一方面降低 人工成本，另一方面，使得小樣本訓(xùn)練成為可能。 3）擺脫結(jié)構(gòu)變革桎梏，打開模型精度上限。過去想要提升模型精度，主要依賴網(wǎng) 絡(luò)在結(jié)構(gòu)上的變革。隨著神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計(jì)技術(shù)逐漸成熟并開始趨同，想要通過優(yōu)化神 經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)從而打破精度局限變得困難。而研究證明，更大的數(shù)據(jù)規(guī)模確實(shí)提高了模型 的精度上限。

4.2 首要關(guān)鍵技術(shù)：Transformer 模型 GPT 模型利用

Transformer 模型作為特征提取器，是第一個(gè)引入 Transformer 的預(yù) 訓(xùn)練模型。傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)模型例如 RNN（循環(huán)神經(jīng)網(wǎng)絡(luò)）在實(shí)際訓(xùn)練過程中由于輸入 向量大小不一、且向量間存在相互影響關(guān)系導(dǎo)致模型訓(xùn)練結(jié)果效果較差。Transformer 模 型有三大技術(shù)突破解決了這個(gè)問題。 首先 Transformer 模型的 Self-Attention（自注意力）機(jī)制使人工智能算法注意到輸 入向量中不同部分之間的相關(guān)性，從而大大提升了精準(zhǔn)性。其次該模型采用屬于無監(jiān)督 學(xué)習(xí)的自監(jiān)督學(xué)習(xí)，無需標(biāo)注數(shù)據(jù)，模型直接從無標(biāo)簽數(shù)據(jù)中自行學(xué)習(xí)一個(gè)特征提取器， 大大提高了效率。最后，在做具體任務(wù)時(shí)，微調(diào)旨在利用其標(biāo)注樣本對預(yù)訓(xùn)練網(wǎng)絡(luò)的參 數(shù)進(jìn)行調(diào)整。也可以針對具體任務(wù)設(shè)計(jì)一個(gè)新網(wǎng)絡(luò)，把預(yù)訓(xùn)練的結(jié)果作為其輸入，大大 增加了其通用泛化能力。 Transformer 模型的這些優(yōu)點(diǎn)快速替代了傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)。

4.3 GPT 快速迭代，從 GPT1.0 迅速步入 3.5 時(shí)代

GPT：大型無監(jiān)督語言模型，能夠生產(chǎn)連貫的文本段落。GPT-1 采用無監(jiān)督預(yù)訓(xùn)練 和有監(jiān)督微調(diào)，證明了 transformer 對學(xué)習(xí)詞向量的強(qiáng)大能力，在 GPT-1 得到的詞向量 基礎(chǔ)上進(jìn)行下游任務(wù)的學(xué)習(xí)，能夠讓下游任務(wù)取得更好的泛化能力。與此同時(shí)，不足也 較為明顯，該模型在未經(jīng)微調(diào)的任務(wù)上雖然有一定效果，但是其泛化能力遠(yuǎn)遠(yuǎn)低于經(jīng)過 微調(diào)的有監(jiān)督任務(wù)，說明了 GPT-1 只是一個(gè)簡單的領(lǐng)域?qū)＜遥峭ㄓ玫恼Z言學(xué)家。

GPT-2 為了解決這一問題采用了多任務(wù)模式，其目標(biāo)旨在訓(xùn)練一個(gè)泛化能力更強(qiáng)的 詞向量模型，它并沒有對 GPT-1 的網(wǎng)絡(luò)進(jìn)行過多的結(jié)構(gòu)的創(chuàng)新與設(shè)計(jì)，只是使用了更多 的網(wǎng)絡(luò)參數(shù)和更大的數(shù)據(jù)集，GPT-2 的核心思想是當(dāng)模型的容量非常大且數(shù)據(jù)量足夠豐 富時(shí)，僅僅靠訓(xùn)練語言模型的學(xué)習(xí)便可以完成其他有監(jiān)督學(xué)習(xí)的任務(wù)。所以雖然它驗(yàn)證 了通過海量數(shù)據(jù)和大量參數(shù)訓(xùn)練出來的詞向量模型能夠遷移到其它類別任務(wù)中而不需要 額外的訓(xùn)練，但其任務(wù)表現(xiàn)并不好，還有大很提升空間。不過其表明了模型容量和數(shù)據(jù) 量越大，其潛能越大。 于是 GPT-3 納入了海量參數(shù)：1750 億參數(shù)量還有超大的 45TB 的訓(xùn)練數(shù)據(jù)。在大 量的語言模型數(shù)據(jù)集中，GPT-3 超過了絕大多數(shù)方法。另外 GPT-3 在很多復(fù)雜的 NLP 任務(wù)中例如閉卷問答，模式解析，機(jī)器翻譯等也很準(zhǔn)確。除了這些傳統(tǒng)的 NLP 任務(wù)， GPT-3 在一些其他的領(lǐng)域也取得了非常好的效果，例如進(jìn)行數(shù)學(xué)加法，文章生成，編寫 代碼等。

4.4 國內(nèi)外 AI 大模型項(xiàng)目百舸爭流

除了 GPT-3 模型外，各大公司正在孵化的大模型項(xiàng)目數(shù)量也相當(dāng)可觀。 MT-NLG：微軟英偉達(dá)強(qiáng)強(qiáng)聯(lián)手，軟硬結(jié)合引領(lǐng)行業(yè)新景。2021 年 10 月 11 日，微 軟和英偉達(dá)推出由 DeepSpeed 和 Megatron 驅(qū)動(dòng)的 Megatron-Turing 自然語言生成 模型（MT-NLG）, 具有 5300 億個(gè)參數(shù)。MT-NLG 的參數(shù)數(shù)量是當(dāng)時(shí)該類型最大模型 的 3 倍，并且在廣泛的自然語言任務(wù)中如閱讀理解、常識推理、自然語言推理、詞義消 歧等方面表現(xiàn)出較強(qiáng)的準(zhǔn)確性。基于 105 層 transformer 的 MT-NLG 在多個(gè)方面方面 改進(jìn)了當(dāng)時(shí)最先進(jìn)模型，并為大規(guī)模語言模型在模型規(guī)模和質(zhì)量方面設(shè)置了新標(biāo)準(zhǔn)。 硬件方面，模型訓(xùn)練是在基于 NVIDIA DGX SuperPOD 的 Selene 超級計(jì)算機(jī)上進(jìn) 行的，實(shí)現(xiàn)的系統(tǒng)吞吐量為：420 臺 DGX A100 服務(wù)器上考慮了 5300 億參數(shù)模型（批 量大小為 1920 ）的系統(tǒng)端到端吞吐量，迭代時(shí)間為 44 . 4 秒、GPU 113 萬億次/秒。

Switch Transformers：Google 推出的首個(gè)萬億級語言模型。相比 1750 億參數(shù)的 GPT-3，谷歌 Switch Transformers 則直接將該數(shù)值拉升至 1.6 萬億，且相比于 OpenAI 在 GPT-3 里所使用的 Sparse Attention，需要用到稀疏算子而很難發(fā)揮 GPU、TPU 硬 件性能的問題。Switch Transformer 不需要稀疏算子，可以更好的適應(yīng) GPU、TPU 等硬 件。

文心一言：百度集成 NLP 和 CV，多級體系覆蓋諸多領(lǐng)域。2022 年 11 月 30 日， 百度集團(tuán)在 WAVE SUMMIT 2022 深度學(xué)習(xí)開發(fā)者峰會(huì)帶來了文心大模型的最新升級， 包括新增 11 個(gè)大模型，大模型總量增至 36 個(gè)，構(gòu)建起國內(nèi)業(yè)界規(guī)模最大的產(chǎn)業(yè)大模型 體系。在模型層，文心大模型涵蓋基礎(chǔ)大模型、任務(wù)大模型、行業(yè)大模型的三級體系； 在工具與平臺層升級了大模型開發(fā)套件、文心 API 和提供全流程開箱即用大模型能力的 EasyDL 和 BML 開發(fā)平臺，有效降低應(yīng)用門檻；新增產(chǎn)品與社區(qū)層，包括 AI 創(chuàng)作平臺 “文心一格”、搜索系統(tǒng)“文心百中”和樣谷社區(qū)，讓更多人感受到 AI 大模型技術(shù)帶來的新 體驗(yàn)。截至目前，文心已累計(jì)發(fā)布 11 個(gè)行業(yè)大模型，涵蓋電力、燃?xì)?、金融、航天、?媒、城市、影視、制造、社科等領(lǐng)域，加速推動(dòng)行業(yè)的智能化轉(zhuǎn)型升級。

除行業(yè)大模型外，百度目前新增了 5 個(gè)基礎(chǔ)大模型和 1 個(gè)任務(wù)大模型，包括：知識 增強(qiáng)輕量級大模型、跨模態(tài)理解大模型、跨模態(tài)生成大模型、文檔智能大模型、單序列 蛋白質(zhì)結(jié)構(gòu)預(yù)測大模型和代碼大模型。其中，知識增強(qiáng)輕量級大模型 ERNIE 3.0 Tiny 具 備優(yōu)秀的泛化能力，同時(shí)相對于超大參數(shù)模型，推理速度提升數(shù)十倍到百倍，能夠顯著 降低超大參數(shù)模型落地的成本。百度計(jì)劃在 3 月完成文心一言的內(nèi)部測試，然后向公眾 正式開放使用。

阿里 M6：出色的低碳低能耗屬性。阿里巴巴達(dá)摩院在 2021 年開發(fā)出了超大規(guī)模中 文多模態(tài)預(yù)訓(xùn)練模型 M6。目前，其參數(shù)已從萬億躍遷至 10 萬億，規(guī)模遠(yuǎn)超谷歌、微軟 此前發(fā)布的萬億級模型，成為全球最大的 AI 預(yù)訓(xùn)練模型。同時(shí)，M6 做到了業(yè)內(nèi)極致的 低碳高效，使用 512 塊 GPU 在 10 天內(nèi)即訓(xùn)練出具有可用水平的 10 萬億模型。相比去 年發(fā)布的大模型 GPT-3，M6 實(shí)現(xiàn)同等參數(shù)規(guī)模，能耗為其 1％。M6 的優(yōu)勢在于將大模 型所需算力壓縮到極致，通過一系列技術(shù)突破，達(dá)摩院和阿里云只用了 480 塊 GPU 就 訓(xùn)練出了 M6，相比英偉達(dá)用 3072 塊 GPU 訓(xùn)練萬億模型、谷歌用 2048 塊 TPU 訓(xùn)練 1.6 萬億模型（1 TPU 約等于 2～3GPU），M6 省了超過八成算力，還將效率提升了近 11 倍。

商湯在 AIGC 的不同領(lǐng)域有多年布局，從文字，到圖片，以及視頻和動(dòng)畫的 AIGC， 團(tuán)隊(duì)都從技術(shù)和產(chǎn)業(yè)長期投入，團(tuán)隊(duì)更多專注在視頻的 AIGC，并疊加商湯自研的類似 于 GPT 的生成式內(nèi)容進(jìn)行短視頻等創(chuàng)作?；谏虦?SenseCoreAI 大裝置，在視覺大 模型領(lǐng)域，商湯已訓(xùn)練和構(gòu)建了超過 300 億量級模型參數(shù)超大基模型，可以有效支持相 關(guān)應(yīng)用。

4.5 相關(guān)標(biāo)的

1) 商湯科技

以 AI 生產(chǎn)力平臺為基礎(chǔ)，四大板塊齊頭并進(jìn)。公司的 AI 生產(chǎn)力平臺 SenseCore 由] 行業(yè)研究 敬請參閱末頁重要聲明及評級說明 31 / 80 證券研究報(bào) 告 模型層、深度學(xué)習(xí)平臺、計(jì)算基礎(chǔ)設(shè)施三個(gè)部分架構(gòu)而成。1）模型層：已開發(fā)超過 4.9 萬個(gè)商用人工智能模型；算法開源計(jì)劃 OpenMMLab 在 GitHub 上超 60000 顆星； OpenDILab 開源平臺，已發(fā)布超過 60 個(gè)通用決策人工智能算法系列。2）深度學(xué)習(xí)平 臺：高效利用 GPU 集群算力，訓(xùn)練單個(gè)大模型時(shí)可以在一千塊 GPU 上取得超過 90% 的加速效率。3）計(jì)算基礎(chǔ)設(shè)施：公司正在建立人工智能計(jì)算中心，預(yù)計(jì)能產(chǎn)生每秒 3.74 百億億次浮點(diǎn)運(yùn)算算力，算力超過 2.5 exaFLOPS，相較于 2021 年底擴(kuò)大 114%；公司 研發(fā)的人工智能芯片及邊緣設(shè)備支持視覺領(lǐng)域大模型 100 億參數(shù)；公司研發(fā)的傳感器及 ISP 芯片 1 天內(nèi)可完成的完整訓(xùn)練 1000 億參數(shù)模型。在 SenseCore 底座基礎(chǔ)上，公司 開發(fā)了智慧企業(yè)、智慧城市、智慧生活、智慧汽車四大板塊：

智慧商業(yè)：智慧商業(yè)是公司的主要業(yè)務(wù)之一，營收占比超過 40%。公司依托 SenseCore 基座打造了 SenseFoundry Enterpri，形成商業(yè)空間管理、住宅物業(yè)管理、 工業(yè)引擎等具體解決方案。截至 2021 年，該業(yè)務(wù)客戶數(shù)量擴(kuò)大至 922 家。 智慧城市：2021 年公司智慧城市收入占比達(dá) 46%。公司研發(fā)的 SenseFoundry 主 要面向出行和交通管理、城市服務(wù)和環(huán)境保護(hù)等領(lǐng)域提供解決方案。目前公司在中國智 慧城市計(jì)算機(jī)視覺軟件市場份額第一，中國智慧應(yīng)急人工智能與大數(shù)據(jù)市場份額第一。 截至 2022 年上半年，累計(jì)有 155 個(gè)城市部署城市方舟，包括 16 個(gè)超千萬人口大型城市 及 4 個(gè)海外城市。 智慧生活：公司是智能手機(jī)產(chǎn)業(yè)的頭部 AI 軟件供應(yīng)商，截至 2022 年 6 月 30 日， 已累計(jì)有 180 多個(gè)手機(jī)型號的超過 17 億臺手機(jī)預(yù)裝了商湯的各類 AI 算法。公司的 SenseMARS 內(nèi)置了 AI 生成內(nèi)容、三維世界重建、數(shù)字人及虛擬形象等模塊，目前已覆 蓋的空間面積突破了 1000 萬平米，覆蓋了 120 多個(gè)大型游樂園區(qū)、商場等。 智慧汽車：商湯科技推出的 SenseAuto，以 SenseCore 為基石，以 SenseAuto Empower 為底座，在智能駕駛、智能座艙、車路協(xié)同、L4 級無人駕駛、無人駕駛小巴 推進(jìn)全線產(chǎn)品化商用。公司的智能駕駛和智能座艙產(chǎn)品累計(jì)前裝定點(diǎn)數(shù)量達(dá) 2300 萬臺， 覆蓋未來五年內(nèi)量產(chǎn)的 60 多款車型。

2) 科大訊飛

AI 應(yīng)用快速發(fā)展，構(gòu)建人工智能產(chǎn)業(yè)生態(tài)。公司自創(chuàng)業(yè)以來持續(xù)聚焦智能語音、自 然語言理解、機(jī)器學(xué)習(xí)推理及自主學(xué)習(xí)等人工智能核心技術(shù)研究并始終保持國際前沿技 術(shù)水平。目前公司已經(jīng)從語音 AI 逐漸拓展至到教育、醫(yī)療、智慧城市、消費(fèi)、智能汽 車等多領(lǐng)域布局。同時(shí)，隨著 ChatGPT 掀起熱潮，公司的類 ChatGPT 技術(shù)也將于 5 月落地，率先用于 AI 學(xué)習(xí)機(jī)。 智慧教育業(yè)務(wù)：智慧教育業(yè)務(wù)是公司的第一大業(yè)務(wù)，在收入中占比 30%左右。公司 構(gòu)建了面向 G/B/C 三類客戶的業(yè)務(wù)體系：G 端業(yè)務(wù)主要以市縣區(qū)等區(qū)域建設(shè)為主體；B 端業(yè)務(wù)主要以學(xué)校建設(shè)為主體；C 端業(yè)務(wù)主要以家長用戶群自主購買為主。目前訊飛智 慧教育產(chǎn)品已在全國 32 個(gè)省級行政單位以及日本、新加坡等海外市場應(yīng)用。

3) 云從科技

持續(xù)賦能 AI 領(lǐng)域，打造高效人機(jī)協(xié)同操作系統(tǒng)和行業(yè)解決方案。公司是首個(gè)同時(shí)承 建三大國家平臺，并參與國家及行業(yè)標(biāo)準(zhǔn)制定的人工智能領(lǐng)軍企業(yè)。公司以計(jì)算機(jī)視覺、 語音識別為代表的人工智能單點(diǎn)技術(shù)為突破，通過不斷研發(fā)并優(yōu)化人機(jī)協(xié)同操作系統(tǒng)和 適配性強(qiáng)的 AIoT 設(shè)備，推動(dòng)人工智能在特定場景的應(yīng)用。公司具有人工智能芯片平臺、 深度學(xué)習(xí)框架、AIoT 操作系統(tǒng)、算法算力平臺、知識中臺、自動(dòng)駕駛平臺、機(jī)器人開發(fā) 平臺等豐富的產(chǎn)品： 智慧金融業(yè)務(wù)：公司智慧金融解決方案將相關(guān)算法能力落地為技術(shù)平臺，主要面向 智慧支付、智慧營運(yùn)、智慧觸點(diǎn)、智慧風(fēng)控四大領(lǐng)域，形成了 5 大類金融業(yè)智能化轉(zhuǎn)型 解決方案簇，以及 53 種解決方案。目前公司在智慧金融領(lǐng)域的客戶已涵蓋 6 大行、12 家股份制銀行以及城農(nóng)商行，服務(wù)了超過 400 家金融機(jī)構(gòu)和 10 余萬個(gè)銀行網(wǎng)點(diǎn)。

4) 依圖科技

以人工智能芯片技術(shù)和算法技術(shù)為核心，持續(xù)深耕智能公共服務(wù)及智能商業(yè)領(lǐng)域。 公司以人工智能算法和芯片等核心技術(shù)為基礎(chǔ)，在城市管理、醫(yī)療健康、安全生產(chǎn)、交 通出行和互聯(lián)網(wǎng)服務(wù)等場景實(shí)現(xiàn)規(guī)?；虡I(yè)落地和與產(chǎn)業(yè)的深度融合。目前公司已為國 內(nèi) 30 余省、自治區(qū)、直轄市及境外 10 多個(gè)國家和地區(qū)的 800 余家政府及企業(yè)終端客戶 提供產(chǎn)品及解決方案：

智能公共服務(wù)，公司智能公共服務(wù)主要包括智能城市和智能醫(yī)療： 1）智能城市，公司主要著力于三方面：高性能算法賦能城市復(fù)雜場景。公司在計(jì)算 機(jī)視覺的多個(gè)細(xì)分領(lǐng)域、聲紋識別、中文語音識別及自然語言理解技術(shù)均已達(dá)到世界領(lǐng) 先水平，可對城市實(shí)體在復(fù)雜多樣場景下產(chǎn)生的非結(jié)構(gòu)化數(shù)據(jù)進(jìn)行解析、識別和關(guān)聯(lián)， 構(gòu)建出完整的城市實(shí)體關(guān)聯(lián)關(guān)系。高效能算力硬件產(chǎn)品降低城市智能化門檻。公司的原 石系列智能服務(wù)器和前沿系列邊緣計(jì)算設(shè)備，在顯著提高城市視頻智能解析吞吐效率的 同時(shí)，大幅降低了算力功耗，從而降低了投資和運(yùn)營成本。“利舊”方案降低建設(shè)成本。 公司將大量已建設(shè)的非智能攝像機(jī)采集的原始數(shù)據(jù)在云端進(jìn)行解析，與智能攝像機(jī)的解 析結(jié)果在云端實(shí)現(xiàn)匯聚、融合分析，大大降低智能化建設(shè)的投資成本。 2）智能醫(yī)療方面，公司是業(yè)內(nèi)少數(shù)具有以多模態(tài)人工智能技術(shù)解析多源異構(gòu)醫(yī)療大 數(shù)據(jù)能力，并具有自研醫(yī)療知識圖譜的企業(yè)之一。公司在上海兒童醫(yī)學(xué)中心建設(shè)的智慧 兒童醫(yī)院解決方案能夠?yàn)榛颊邌未尉驮\至少節(jié)約 90 分鐘，落地一年來，該解決方案僅智 能導(dǎo)診應(yīng)用就已累計(jì)為超過 27 萬名患兒提供服務(wù)，診前檢驗(yàn)訪問量突破 6 萬人次。

5) 曠視科技

聚焦物聯(lián)網(wǎng)場景，推動(dòng)人工智能的商業(yè)化落地。公司以物聯(lián)網(wǎng)作為人工智能技術(shù)落 地的載體，通過構(gòu)建完整的 AIoT 產(chǎn)品體系，面向消費(fèi)物聯(lián)網(wǎng)、城市物聯(lián)網(wǎng)、供應(yīng)鏈物 聯(lián)網(wǎng)三大核心場景提供經(jīng)驗(yàn)證的行業(yè)解決方案。公司的 AIoT 軟硬一體化解決方案包括 以 Brain 為核心的 AI 算法體系，由 AIoT 操作系統(tǒng)和行業(yè)應(yīng)用構(gòu)成的軟件，以及由 傳感器模組、傳感器終端與邊緣設(shè)備、機(jī)器人及自動(dòng)化裝備組成的硬件。 消費(fèi)物聯(lián)網(wǎng)：2012 年，曠視進(jìn)入消費(fèi)物聯(lián)網(wǎng)領(lǐng)域，以 SaaS 產(chǎn)品的形式服務(wù)全球開 發(fā)者及企業(yè)用戶，為其提供數(shù)十種 AI 能力。隨著智能設(shè)備的普及，公司與多家頭部智能 手機(jī)廠商等消費(fèi)電子領(lǐng)域客戶開展合作，累計(jì)為數(shù)億臺智能手機(jī)提供設(shè)備安全和計(jì)算攝 影解決方案。

5.1 大模型發(fā)展，算力需求激增

前文提到，ChatGPT 從初代模型，到當(dāng)前的 3 代模型，參數(shù)量從 1.17 億，提升至 1750 億。同時(shí)訓(xùn)練數(shù)據(jù)量（語料庫）也由 5GB 提升至 45TB。 隨著參數(shù)量和語料庫指數(shù)級的擴(kuò)容，ChatGPT 類人工智能需要更充足的算力支持其 處理數(shù)據(jù)，同時(shí)需要投入更多高性能的算力芯片來處理千億級別參數(shù)量。英偉達(dá)的研究 表示，GPT-3 模型需要使用 512 顆 V100 顯卡訓(xùn)練 7 個(gè)月時(shí)間，或者使用 1024 顆 A100 芯片訓(xùn)練長達(dá)一個(gè)月的時(shí)間。2012 年以來，人工智能訓(xùn)練任務(wù)中的算力增長（所需算力 每 3.5 月翻一倍）已經(jīng)超越芯片產(chǎn)業(yè)長期存在摩爾定律（晶體管數(shù)量每 18 月翻一倍）。

現(xiàn)階段國內(nèi)無法采購英偉達(dá) A100、H100 等高端 GPU 產(chǎn)品，但算力性能上的差異 可以通過提升算力芯片數(shù)量來彌補(bǔ), 因此對于算力芯片產(chǎn)品的需求也將更高。 國內(nèi)主流 互聯(lián)網(wǎng)廠商也有類 ChatGPT 產(chǎn)品正在開發(fā)，比如悟道和百度的文心等 AI 模型。隨著國 產(chǎn) GPU, CPU, FPGA 產(chǎn)品性能的提升，人工智能的算力需求將為國產(chǎn)芯片廠商打開廣 闊的市場空間。同時(shí)，以 ChatGPT 為代表的 AI 技術(shù)浪潮的到來，對產(chǎn)業(yè)鏈相關(guān)芯片， 模組，材料等環(huán)節(jié)均帶來了海量的新需求。

5.2 GPU/GPGPU/FPGA 多路線支持算力

人工智能深度學(xué)習(xí)模型需要處理兩大任務(wù)，即訓(xùn)練和推理。 1) 訓(xùn)練就是學(xué)習(xí)過程，通過大數(shù)據(jù)訓(xùn)練出復(fù)雜的神經(jīng)網(wǎng)絡(luò)模型，使得整個(gè)系統(tǒng)可以適 應(yīng)特定的功能。因此，訓(xùn)練需要龐大的算力來處理數(shù)據(jù)并搭建網(wǎng)絡(luò)模型，所需的芯片需要具有高算力和通用性。 2) 而推理在訓(xùn)練之后，主要是在已有的訓(xùn)練完善的模型基礎(chǔ)上，輸入新數(shù)據(jù)進(jìn)行推斷， 能耗、時(shí)延、效率等因素都是影響推理能力的因素。但同時(shí)，推理環(huán)節(jié)不需要在龐 大的神經(jīng)網(wǎng)絡(luò)之中反復(fù)調(diào)整參數(shù)，因此對算力的要求相對于訓(xùn)練要低很多。

一般來說，在深度學(xué)習(xí)的訓(xùn)練中，GPU 因?yàn)槠洳⑿写?lián)的優(yōu)勢，相比較于 CPU 更 加適應(yīng)處理大數(shù)據(jù)。最早為了解放 CPU 處理其他任務(wù)和計(jì)算的需求，圖形計(jì)算全部交 由 GPU 來做。因此傳統(tǒng)的 GPU 的主要功能是做圖形渲染（實(shí)質(zhì)是做圖形渲染的計(jì)算）， 但隨著 AI 計(jì)算需求的發(fā)展，GPGPU 應(yīng)運(yùn)而生，GPGPU 即為通用計(jì)算 GPU，指去掉 GPU 的圖形顯示部分，將其余部分全部投入通用計(jì)算，其在 AI、數(shù)據(jù)分析和 HPC 等場 景下可以廣泛應(yīng)用。總而言之，通用 GPU 在加速硬件能力上的優(yōu)勢比較明顯，在深度學(xué) 習(xí)訓(xùn)練方面比較適用。 根據(jù)相關(guān)市場統(tǒng)計(jì)，全球 GPU 的市場已經(jīng)達(dá)到了 448 億美元的規(guī)模，在 AI 的發(fā)展 需求下，通用型 GPU 的市場正在快速成長。

CPU 是計(jì)算機(jī)運(yùn)算和控制的核心，其工作原理是將指令依序執(zhí)行，其串行運(yùn)算的特 點(diǎn)使其更加適應(yīng)邏輯控制。因此在深度學(xué)習(xí)模型之中，CPU 搭配 GPU 是目前的主流方 案，但隨著各類算法在 FPGA/ ASIC 芯片上的優(yōu)化，以及其本身性能的提升和成本的優(yōu) 化，F(xiàn)PGA 和 ASIC 也會(huì)在人工智能領(lǐng)域上有著更廣的應(yīng)用。 現(xiàn)階段，可編程的 FPGA 芯片也逐漸提升市場份額。實(shí)際應(yīng)用中，微軟利用 FPGA 加速 Azure 云服務(wù)、必應(yīng)等數(shù)據(jù)中心服務(wù)中的實(shí)時(shí)人工智能。FPGA 具備快速、低功耗、 靈活和高效的優(yōu)點(diǎn)。硬件可編程的特性使得 FPGA 在 AI 訓(xùn)練中既能提供充足的算力， 又具有靈活性，可以重新編程以適應(yīng)不同任務(wù)的需要。與 GPU 類似，F(xiàn)PGA 也是配合 CPU 進(jìn)行加速。國內(nèi) FPGA 廠商中，紫光國微于 2022 年推出了 2x 納米的低功耗 FPGA 系列產(chǎn)品，新一代 1x 納米更高性能 FPGA 系列產(chǎn)品也在順利推進(jìn)中，進(jìn)一步完善了產(chǎn) 品種類。復(fù)旦微電具備 65nm 制程千萬門級和 28nm 制程億門級產(chǎn)品，目前以 28nm 制 程的 FPGA 產(chǎn)品為主。安路科技的 FPGA 芯片產(chǎn)品形成了由 PHOENIX 高性能產(chǎn)品系 列、EAGLE 高效率產(chǎn)品系列、ELF 低功耗產(chǎn)品系列組成的產(chǎn)品矩陣。 根據(jù)市場統(tǒng)計(jì)，全球 FPGA 芯片規(guī)模在 79 億美元左右，隨著 AI 和軍工等下游行業(yè) 的需求增長，全球 FPGA 市場空間仍在持續(xù)上升之中。

5.3 高帶寬網(wǎng)絡(luò)是對人工智能算力的重要支撐

大模型訓(xùn)練和推理使用了 AI 計(jì)算集群。AI 大模型通常需要部署在 AI 計(jì)算集群以實(shí)現(xiàn)訓(xùn)練和推理加速并實(shí)現(xiàn)最佳能效比。以目前獨(dú)家開放了 ChatGPT 調(diào)用能力的微軟 Azure 為例，其 AI 基礎(chǔ)設(shè)施由互聯(lián)的英偉達(dá) Ampere A100 Tensor Core GPU 組成，并 由 Quantum infiniBand 交換機(jī)提供強(qiáng)大的橫向擴(kuò)展能力。根據(jù)微軟宣布，為 OpenAI 開 發(fā)的超級計(jì)算機(jī)超過了 28.5 萬個(gè) CPU 核心、1 萬個(gè) GPU，每臺 GPU 服務(wù)器網(wǎng)絡(luò)連接 能力為 400Gbps，位列全球超級計(jì)算機(jī)前五。目前，英偉達(dá)的 AI 計(jì)算集群整體解決方 案（如 DGX A100 系列）是 AI 集群投資的主流選擇，除此之外部分云和互聯(lián)網(wǎng)大廠選 擇了 CPU FPGA GPU AI DSA 異構(gòu)算力自己搭建 AI 計(jì)算中心。根據(jù) YOLE 預(yù)測，全 球 AI 加速服務(wù)器滲透率將在 2027 年達(dá)到 17.9%，AI/GPU 加速服務(wù)器出貨量復(fù)合增速 高達(dá) 39.8%/20.3%。

后者是在設(shè)備轉(zhuǎn)發(fā)層面盡量優(yōu)化網(wǎng)絡(luò)時(shí)延，實(shí)現(xiàn)高性能無損網(wǎng)絡(luò)，目前主要手段是 無帶寬收斂（1:1）的網(wǎng)絡(luò)架構(gòu)設(shè)計(jì)以及基于 PFC 和 ECN 功能的優(yōu)先隊(duì)列管理和擁塞管 理。無帶寬收斂比設(shè)計(jì)意味著交換機(jī)下行和上行流量一致，將增加上行端口數(shù)量或端口 帶寬，而優(yōu)化流控技術(shù)需要可編程的三層網(wǎng)絡(luò)交換機(jī)，以上將導(dǎo)致交換機(jī)端口數(shù)量增加 以及價(jià)值量提升。

在數(shù)據(jù)中心集群網(wǎng)絡(luò)方面，北美 Top4 云廠商已經(jīng)全面進(jìn)入 400G 部署階段。以微 軟數(shù)據(jù)中心為例，其在 2016 年開始批量部署 100G，由于 AI 算力的快速增長，2021 年 開啟 400G 部署，并預(yù)計(jì) 2024 完成 400G 的全面部署，加速向 800G 邁進(jìn)。而對于 400G 部署更早的亞馬遜和谷歌，預(yù)計(jì)在 2023 年開啟小規(guī)模 800G 部署，更大的端口帶寬將 帶來更高的端口密度，節(jié)約空間的同時(shí)每 Gbps 成本下降。根據(jù) LightCounting 預(yù)測，全 球數(shù)據(jù)中心以太網(wǎng)光模塊市場將在 2027 年突破 100 億美金，5 年 CAGR 11.5%，其中 800G CAGR 達(dá) 72%。

單機(jī)網(wǎng)卡數(shù)增加和網(wǎng)絡(luò)收斂比降低增加了交換機(jī)和光模塊用量。根據(jù)數(shù)據(jù)中心光模 塊需求量計(jì)算公式（流量法）： 1）服務(wù)器到 TOR 交換機(jī)光模塊：服務(wù)器網(wǎng)卡端口數(shù)*2 2）TOR 到 LEAF 交換機(jī)光模塊：服務(wù)器流量/一級收斂比/TOR 上聯(lián)端口速率*2 3）LEAF 到 SPINE 光模塊：LEAF 流量/二級收斂比./LEAF 上聯(lián)端口速率*2 假設(shè)普通 Hyperscale 數(shù)據(jù)中心和 AI 數(shù)據(jù)中心分別有 X 臺服務(wù)器，每臺服務(wù)器網(wǎng)卡 速率為 100Gbps，數(shù)量分別為 2/10，網(wǎng)絡(luò)收斂比分別為 2:1、1:1，交換機(jī)上聯(lián)端口速率 為 400G，計(jì)算得到普通 Hyperscale 數(shù)據(jù)中心光模塊（包括 AOC/DAC）用量為 4.75X， 而 AI 數(shù)據(jù)中心光模塊用量為 23.75x，光模塊用量大幅提升。

CPO 探討：一系列技術(shù)問題的解決和產(chǎn)業(yè)鏈結(jié)構(gòu)的重塑。CPO（光電共封裝）的主 要形態(tài)為交換芯片與光引擎封裝在一塊基板上，交換芯片與光引擎通過 XSR SerDes 直 聯(lián)。我們認(rèn)為 CPO 可能是數(shù)據(jù)中心交換機(jī)端口發(fā)展到 1.6Tbps 以上一種可能的光模塊 形態(tài)，雖然 AI 算力將加速數(shù)據(jù)中心交換機(jī)帶寬的增長，但 CPO 的滲透仍將是個(gè)緩慢的 過程。CPO 主要解決的是高速 SerDes 信號衰減和功耗問題（1.6T 光模塊可能使用 200G SerDes）、1.6T 光模塊多通道設(shè)計(jì)和良率難題以及相應(yīng)帶來的成本高企，但目前也有一 些問題需要解決，比如光源設(shè)計(jì)問題（如設(shè)計(jì)在交換機(jī)內(nèi)光引擎附近容易出現(xiàn)熱失效， 一種可能的思路為外置光源 ELS 但相應(yīng)也會(huì)帶來功耗的增加和布線的成本大幅提升）、 與交換機(jī)芯片的聯(lián)調(diào)問題、以及將來的替換維護(hù)問題（需拆機(jī)維護(hù)）。我們認(rèn)為，CPO 或 將重塑數(shù)通產(chǎn)業(yè)鏈結(jié)構(gòu)，話語權(quán)可能會(huì)向交換芯片廠商、交換機(jī)廠商傾斜，同時(shí)光引擎 封裝、硅光芯片、保偏光纖、CW 激光器、封裝基板等環(huán)節(jié)也將成為新增投資機(jī)會(huì)。

5.4 量子計(jì)算有望成為 AI 算力突破的“神助攻”

量子計(jì)算產(chǎn)業(yè)蓬勃發(fā)展。量子計(jì)算機(jī)基于量子力學(xué)原理構(gòu)建，量子態(tài)疊加原理使得 量子計(jì)算機(jī)的每個(gè)量子比特（qubit）能夠同時(shí)表示二進(jìn)制中的 0 和 1，相較經(jīng)典計(jì)算機(jī) 算力呈指數(shù)級爆發(fā)式增長。目前量子計(jì)算機(jī)已被證明在特定計(jì)算任務(wù)上具備指數(shù)加速能 力，即實(shí)現(xiàn)所謂的“量子霸權(quán)”，目前量子計(jì)算產(chǎn)業(yè)化需要解決的三大目標(biāo)一是開發(fā)大規(guī)模 可容錯(cuò)的量子計(jì)算機(jī)以盡快實(shí)現(xiàn)可編程計(jì)算；二是開發(fā)精妙的量子計(jì)算算法以實(shí)現(xiàn)在特 定場景的商業(yè)化價(jià)值；三是解決量子計(jì)算資源稀缺性難題，通過云平臺提升綜合性普惠 服務(wù)能力。 根據(jù) Hyperion Research 最新展望，全球量子計(jì)算市場 2022 年市場規(guī)模 6.14 億美 元，預(yù)計(jì)到 2025 年達(dá)到 12.08 億美元，CAGR 25%，其中機(jī)器學(xué)習(xí)市場占比 25%，被 認(rèn)為是最有潛力的應(yīng)用市場之一。

量子計(jì)算在 AI 的應(yīng)用處于探索初期，發(fā)現(xiàn)部分算法可能有優(yōu)勢，但還沒實(shí)現(xiàn)量子 霸權(quán)。神經(jīng)網(wǎng)絡(luò)和機(jī)器人學(xué)習(xí)系統(tǒng)的發(fā)展依賴于算力的進(jìn)步以及龐大的訓(xùn)練數(shù)據(jù)量積累， 隨著摩爾定律演進(jìn)的放緩以及“內(nèi)存墻”等經(jīng)典計(jì)算機(jī)架構(gòu)原因，算力增長正在放緩，而隱 私問題&數(shù)據(jù)標(biāo)注成本也阻礙大數(shù)據(jù)的無限度獲取。目前，產(chǎn)業(yè)界認(rèn)為量子計(jì)算可能會(huì)成 為機(jī)器學(xué)習(xí)發(fā)展的“神助攻”或開辟嶄新的量子機(jī)器學(xué)習(xí)領(lǐng)域。 一是量子計(jì)算機(jī)本身的工作架構(gòu)可被看做一個(gè)神經(jīng)網(wǎng)絡(luò)（N 個(gè) Qubit 可代表 2 的 N 次方個(gè)神經(jīng)元），麻省理工大學(xué)物理學(xué)家 Lloyd 估計(jì)，60 個(gè) Qubit 量子計(jì)算機(jī)可以編碼 的數(shù)據(jù)量就相當(dāng)于人類一年生成的所有數(shù)據(jù)，而神經(jīng)網(wǎng)絡(luò)運(yùn)算相當(dāng)于同時(shí)對這些“神經(jīng)元” 對矩陣運(yùn)算。二是傳統(tǒng)神經(jīng)網(wǎng)絡(luò)初始層導(dǎo)入輸入的樣本將被中間層生成不同組合形式的 輸入，而采用量子比特編碼的數(shù)據(jù)集數(shù)量和多樣性都有可能擴(kuò)大和豐富從而可能更好地 訓(xùn)練模型。目前學(xué)術(shù)界探討的可能展現(xiàn)出優(yōu)勢的人工智能算法包括決策問題、搜索問題、 博弈理論、自然語言處理、貝葉斯網(wǎng)絡(luò)、模式識別等，但由于目前還無法成功解決模型 的初始參數(shù)輸入以及準(zhǔn)確的結(jié)果測量手段等問題，量子計(jì)算機(jī)在以上人工智能算法上還 未展現(xiàn)出“量子霸權(quán)”優(yōu)勢。

量子計(jì)算加速 NLP 成為最被看好的前沿應(yīng)用領(lǐng)域。作為目前爆火的 AI 大模型， ChatGPT 是自然語言處理（NLP）的創(chuàng)新成果，結(jié)合了語言學(xué)、計(jì)算機(jī)和人工智能，以 理解和模仿人類如何使用語言。量子計(jì)算在 NLP 大型復(fù)雜數(shù)據(jù)集處理中可能具有價(jià)值， Omdia 首席量子計(jì)算分析師 Sam Lucero 認(rèn)為量子計(jì)算將在 NLP 中發(fā)揮作用，最終在 ChatGPT 和 AIGC 中發(fā)揮作用，該研究分支被稱作 QNLP。 根據(jù)啟科量子研究，QNLP 可能存在以下優(yōu)勢：1）NLP 的主要任務(wù)即相關(guān)搜索或 任務(wù)分類的算法加速；2）指數(shù)級的量子狀態(tài)空間適用于更加復(fù)雜的語言結(jié)構(gòu)；3）運(yùn)用 密度矩陣的新型意義模型自然地模擬了諸如下義關(guān)系和語言歧義等語言現(xiàn)象；4）可以大 大提高訓(xùn)練效率，用更少的訓(xùn)練數(shù)據(jù)達(dá)到相同的能力水平。2020 年初，劍橋量子計(jì)算公 司（CQC）宣布首次在量子計(jì)算機(jī)上執(zhí)行自然語言處理測試并獲得成功，他們通過將語 法句子翻譯成量子電路，然后在量子計(jì)算機(jī)上實(shí)現(xiàn)生成的程序執(zhí)行問答，發(fā)現(xiàn)了在含噪 聲中等規(guī)模量子計(jì)算時(shí)代獲得量子優(yōu)勢的途徑。

5.5 相關(guān)標(biāo)的

1) 海光信息：國產(chǎn) CPU 與 GPGPU 重要參與者

海光信息是一家以 CPU 和 DCU 產(chǎn)品為主的芯片設(shè)計(jì)廠商，公司多款產(chǎn)品性能達(dá)到 了國際同類型主流高端處理器的水平。CPU 類產(chǎn)品兼容國際主流 x86 處理器架構(gòu)和技術(shù) 路線以及國際上主流操作系統(tǒng)和應(yīng)用軟件，軟硬件生態(tài)完善，可靠性和安全性較高，得 到終端客戶的認(rèn)可，已經(jīng)廣泛應(yīng)用于運(yùn)營商、金融、互聯(lián)網(wǎng)、教育等重要行業(yè)及領(lǐng)域。 海光 DCU 系列產(chǎn)品以 GPGPU 架構(gòu)為基礎(chǔ)，兼容通用的“類 CUDA”環(huán)境以及國際主 流商業(yè)計(jì)算軟件和人工智能軟件，軟硬件生態(tài)豐富，可廣泛應(yīng)用于大數(shù)據(jù)處理、人工智 能、商業(yè)計(jì)算等應(yīng)用領(lǐng)域。 在 ChatGPT 等應(yīng)用場景下的所指的 GPU 即為 GPGPU，去掉 GPU 為了圖形處理 而設(shè)計(jì)的加速硬件單元，保留了 GPU 的 SIMT 架構(gòu)和通用計(jì)算單元。所以對于 ChatGPT 場景下的 AI 訓(xùn)練、矩陣運(yùn)算等通用計(jì)算類型的任務(wù)仍然保留了 GPU 的優(yōu)勢，即高效搬 運(yùn)，運(yùn)算，重復(fù)性的有海量數(shù)據(jù)的任務(wù)。

2) 復(fù)旦微電：FPGA 受益算力增長

復(fù)旦微電的 FPGA 產(chǎn)品線擁有系列化超大規(guī)模異構(gòu)融合可編程邏輯器件系列產(chǎn)品， 公司在國內(nèi)較早的推出了億門級 FPGA 和異構(gòu)融合可編程片上系統(tǒng)（PSoC）芯片，以 及面向人工智能應(yīng)用的 FPGA 和 AI 的可重構(gòu)芯片（FPAI）。公司累計(jì)向超過 500 家客戶銷售相關(guān) FPGA 產(chǎn)品，在通信領(lǐng)域、工業(yè)控制領(lǐng)域等得到廣泛應(yīng)用。

FPGA 在人工智能加速卡領(lǐng)域應(yīng)用廣泛。FPGA 通過與 CPU 搭配，CPU 的部分?jǐn)?shù) 據(jù)運(yùn)算轉(zhuǎn)移給 FPGA，最終 FPGA 起到加速作用。無論是賽靈思還是英特爾，其 FPGA 在數(shù)據(jù)中心運(yùn)算方面的產(chǎn)品形態(tài)均為加速卡，在服務(wù)器中與 CPU 進(jìn)行配合。人工智能領(lǐng) 域?qū)儆诩铀儆?jì)算的一個(gè)分支，如阿里云、騰訊云之類的數(shù)據(jù)中心均對加速卡存在大量需 求. 根據(jù)人工智能的不同應(yīng)用領(lǐng)域，可將各種算力需求和控制邏輯用最合適的資源組合 實(shí)現(xiàn)，在這一過程中，F(xiàn)PGA 在其中起到了關(guān)鍵作用?？傮w而言，F(xiàn)PGA 具備快速、低 功耗、靈活和高效的優(yōu)點(diǎn)。硬件可編程的特性使得 FPGA 在 AI 訓(xùn)練中既能提供充足的 算力，又具有靈活性，可以重新編程以適應(yīng)不同任務(wù)的需要。

3) 中際旭創(chuàng)：全球光模塊龍頭迎來 800G 時(shí)代

中際旭創(chuàng)是全球高速數(shù)通光模塊龍頭，在 Top5 云計(jì)算公司光模塊供應(yīng)商中占據(jù)最 大份額，根據(jù) LightCounting 統(tǒng)計(jì)，公司在 2021 全球光模塊市場位列第一。全球云巨頭 數(shù)據(jù)中心網(wǎng)絡(luò)部署正處于 400G 批量部署、800G 小批量上量階段，公司 800G 全系列 產(chǎn)品已實(shí)現(xiàn)供貨，800G 時(shí)代有望維持龍頭地位，并將享受 400G、800G 高端產(chǎn)品收入 占比增加帶來的綜合毛利率提升。此外，公司布局硅光、CPO 等前沿技術(shù)，硅光/EML 兩 種平臺 400G 光模塊均通過客戶驗(yàn)證，未來有望把持產(chǎn)業(yè)鏈上游核心環(huán)節(jié)，實(shí)現(xiàn)供應(yīng)鏈 穩(wěn)定。在電信市場，公司戰(zhàn)略進(jìn)軍相干高端光模塊，已在國內(nèi)主要設(shè)備商實(shí)現(xiàn)供貨，有 望開啟第二增長曲線。

4) 聯(lián)特科技：歐美中低速 WDM 主流供應(yīng)商，數(shù)通光模塊“黑馬”

聯(lián)特科技在海外市場主打差異化競爭優(yōu)勢，經(jīng)歷 10 年積累，在 WDM 細(xì)分市場占 據(jù)了優(yōu)勢地位，主要客戶包括愛立信、諾基亞、Prolabs、Adtran 等。隨著歐美疫后通信 新基建投資增加，原有城域網(wǎng)持續(xù)速率升級，公司在客戶份額有望繼續(xù)提升。此外，海 外發(fā)達(dá)國家 RAN 市場，愛立信、諾基亞兩家占據(jù)主導(dǎo)地位，公司作為愛立信前傳光模塊 主要供應(yīng)商之一收入持續(xù)增長。數(shù)通方面，近幾年?duì)I收快速增長，2021 年?duì)I收達(dá) 3.3 億 元，同比增長 33%，在整體收入中占比近半。公司已成為思科、Arista 等海外主流設(shè)備 商合格供應(yīng)商，100G/400G 高速光模塊產(chǎn)品持續(xù)上量，并有望在 2023 突破北美 Top4 云廠商客戶。公司前瞻布局 800G 和 CPO 產(chǎn)品，目前已推出基于 EML、SiP、TFLN 全 系列 800G 產(chǎn)品，EML 預(yù)計(jì) 2023 年在客戶端完成全面認(rèn)證。

5) 天孚通信：光通信精益制造代表，光引擎、激光雷達(dá)成長速度快

天孚通信定位于光器件整體解決方案提供商 OMS，目前擁有十三大產(chǎn)品線、八大解 決方案，幾乎涵蓋光模塊生產(chǎn)所需的所有無源光器件、各種有源封裝形態(tài)等。公司 2022 年業(yè)績快報(bào)預(yù)計(jì)實(shí)現(xiàn)收入 12.06 億元，同比增長 16.8%，五年 CAGR 29.1%，歸母業(yè)績 29.2%。公司將持續(xù)優(yōu)化無源產(chǎn)品線結(jié)構(gòu)，拓展新客戶的同時(shí)提供一站式解決方案增加 單客戶價(jià)值量，未來無源產(chǎn)品有望保持高于行業(yè)的平均增速和毛利率；有源方面，公司 戰(zhàn)略聚焦高速數(shù)通領(lǐng)域，與大客戶合作的硅光引擎快速上量，將受益于 800G、1.6T 硅 光、CPO 等新技術(shù)滲透率提升。此外，公司在激光雷達(dá)領(lǐng)域秉持精益制造理念，提供濾 波片、透鏡、棱鏡等無源光器件以及模組化解決方案代工，目前在國內(nèi)主流新勢力車型 已取得定點(diǎn)，未來兩年將持續(xù)放量。

6) 國盾量子：量子計(jì)算機(jī)已實(shí)現(xiàn)原型機(jī)搭建

公司核心技術(shù)來源于中科大產(chǎn)業(yè)化平臺，是全球量子通信 QKD 設(shè)備龍頭企業(yè)。公 司在國內(nèi)量子通信骨干網(wǎng)一期建設(shè)中占據(jù)了主要的設(shè)備份額，其骨干網(wǎng)/城域網(wǎng) QKD 編 碼產(chǎn)品、量子衛(wèi)星地面站產(chǎn)品、信道與密鑰組網(wǎng)交換產(chǎn)品已批量部署。我們認(rèn)為，隨著 國內(nèi)經(jīng)濟(jì)的全面復(fù)蘇，量子骨干網(wǎng)二期有望啟動(dòng)，同時(shí)公司在電力、電信、金融等領(lǐng)域 與大型央國企簽訂戰(zhàn)略合作協(xié)議，隨著各行業(yè)對保密通信的重視，有望開啟更加廣闊的 行業(yè)市場。公司在量子計(jì)算領(lǐng)域主要提供超導(dǎo)量子計(jì)算低溫線纜組件、約瑟夫森阻抗?jié)u 變參量放大器、ez-Q Engine 超導(dǎo)量子計(jì)算操控系統(tǒng)等子系統(tǒng)和器件，其超導(dǎo)量子計(jì)算 操控系統(tǒng)成功主力“祖沖之號”實(shí)現(xiàn)量子優(yōu)越性展示。公司日前完成了“祖沖之二號”同等規(guī) 模超導(dǎo)量子計(jì)算機(jī)原型機(jī)搭建，是國內(nèi)目前唯一具有量子計(jì)算機(jī)整機(jī)集成能力的上市公 司，未來將通過平臺的形式率先提供服務(wù)。

7) 浪潮信息：國內(nèi)領(lǐng)先 AI 服務(wù)器廠商

公司是全球領(lǐng)先的新型 IT 基礎(chǔ)架構(gòu)產(chǎn)品、方案及服務(wù)提供商，以“智慧計(jì)算”為戰(zhàn)略， 通過“硬件重構(gòu) 軟件定義”的算力產(chǎn)品和解決方案、構(gòu)建開放融合的計(jì)算生態(tài)，為客戶 構(gòu)建滿足多樣化場景的智慧計(jì)算平臺，全面推動(dòng)人工智能、大數(shù)據(jù)、云計(jì)算、物聯(lián)網(wǎng)的 廣泛應(yīng)用和對傳統(tǒng)產(chǎn)業(yè)的數(shù)字化變革與重塑。當(dāng)前業(yè)務(wù)包括傳統(tǒng)服務(wù)器、AI 服務(wù)器及存儲(chǔ)產(chǎn)品。 根據(jù) IDC 最新數(shù)據(jù)，浪潮信息的服務(wù)器產(chǎn)品 2021 年全年位居全球前二，持續(xù)以 30% 的市占率領(lǐng)跑中國市場； AI 服務(wù)器方面，根據(jù) IDC 數(shù)據(jù)，2021 年全年，中國 AI 服務(wù)器市場規(guī)模達(dá) 350.3 億 元，同比增長 68.6%。從廠商維度看，浪潮信息、寧暢、新華三、華為、安擎位居前五， 占據(jù)了 82.6%的市場份額。其中，浪潮 AI 服務(wù)器市場占有率達(dá) 52.4%。2021 年，公司 發(fā)布首款智算中心調(diào)度系統(tǒng) AIStation，擁有性能最強(qiáng)的液冷 AI 服務(wù)器 NF5488LA5，發(fā) 布 2457 億參數(shù)的 AI 巨量模型“源 1.0”。

6.1 “生成式 AI”在互聯(lián)網(wǎng)及元宇宙應(yīng)用

“生成式 AI (generative AI)”在互聯(lián)網(wǎng)及元宇宙領(lǐng)域市場化空間較為廣闊?；诂F(xiàn)行 的 NLP 算法發(fā)展程度及數(shù)據(jù)集規(guī)模，在不久的將來，生成式 AI 有較大可能在“智能客服” 和“搜索引擎”進(jìn)行增值，并有希望以“插件”的形式賦能現(xiàn)有的“生產(chǎn)力工具鏈(工程軟件/音 視頻制作工具等)”。 在為客服領(lǐng)域增值的過程中，有希望在人工客服的全鏈路中（包括問題識別、潛在 解決方案交付、反饋優(yōu)化、和風(fēng)險(xiǎn)識別等）實(shí)現(xiàn)對人工客服的替代。可實(shí)現(xiàn)替代的領(lǐng)域 包括電商零售、醫(yī)療健康、金融服務(wù)、和電信等領(lǐng)域的客服環(huán)節(jié)。

1) “生成式 AI”在智能客服領(lǐng)域的潛在應(yīng)用

“可對話 AI（Conversational AI）”是“生成式 AI”在智能客服領(lǐng)域的直接應(yīng)用。根據(jù) Grand View Research，全球“可對話 AI(Conversational AI)”2021 年市場空間為 62 億美 元，其中，BFSI(銀行保險(xiǎn)等金融服務(wù))，醫(yī)療，零售和電商，和電信領(lǐng)域的市場空間為 42.5 億美元左右，占 68.5%左右；根據(jù) Grand View Research 預(yù)測，2030 年“可對話 AI” 的市場空間將達(dá)到約 413.9 億美元，對應(yīng) 2022 至 2030 年復(fù)合增長率(CAGR)為 23.6%。 該領(lǐng)域的核心競爭者包括：谷歌，微軟，亞馬遜，IBM，甲骨文，和 SAP 等。市場增長 的主要驅(qū)動(dòng)因素包括各領(lǐng)域?qū)τ趹?yīng)用 AI 技術(shù)替代人力這一需求的提升，和持續(xù)下降的 AI 對話程序的研發(fā)成本。

我們判斷，從現(xiàn)在起至未來幾年，作為 “ 生 成 式 AI” 重 要 應(yīng) 用 的 “ 對 話 AI(Conversational AI)”的商業(yè)化模式中較為清晰且可行的，是在各個(gè)領(lǐng)域?qū)τ谌斯た头?的替代。對人工客服進(jìn)行替代的假設(shè)是基于以下 3 點(diǎn)考慮：1、全球主要發(fā)達(dá)經(jīng)濟(jì)體人口 增長乏力，勞動(dòng)力數(shù)量減少，用工成本攀升，有強(qiáng)烈的使用 AI 對話機(jī)器人替代人工客服 的需求；2、“智能對話機(jī)器人”相比“人工客服”可以創(chuàng)造更多價(jià)值，即，機(jī)器人可以完成 更多人工客服無法勝任的任務(wù)，并且工作效率高，解決問題出錯(cuò)率較低。3、“智能對話 機(jī)器人”研發(fā)和部署成本的有希望隨著算力提升或者異構(gòu)運(yùn)算的發(fā)展而逐步下降，同時(shí)該 機(jī)器人的實(shí)踐經(jīng)驗(yàn)的可復(fù)制性不斷提高。由于電商、醫(yī)療健康、BFSI、和電信網(wǎng)絡(luò)服務(wù) 的客服服務(wù)中產(chǎn)生的問題及解答，較為結(jié)構(gòu)化并依賴勞動(dòng)力密集產(chǎn)出（其中，醫(yī)療健康 領(lǐng)域不包括醫(yī)生看診環(huán)節(jié)，僅包括掛號預(yù)約、初步咨詢、取藥、和護(hù)理服務(wù)溝通等專業(yè) 性較低環(huán)節(jié)），所以這 4 個(gè)應(yīng)用領(lǐng)域有望成為“可對話 AI”可以進(jìn)行“人力資源替代”的主要 領(lǐng)域。我們從這 4 個(gè)主要領(lǐng)域入手，基于對未來驅(qū)動(dòng)因素的假設(shè)，進(jìn)行了市場空間測算。 根據(jù) Grand View Research，2021 年這 4 個(gè)主要領(lǐng)域市場空間約為 42.5 億美元左右； 基于此作為起點(diǎn)，經(jīng)過我們的測算，2033 年這 4 大主要領(lǐng)域的市場空間可以達(dá)到 478 億美元。

2) “生成式 AI”在搜索引擎領(lǐng)域的潛在應(yīng)用

在互聯(lián)網(wǎng)搜索領(lǐng)域，目前谷歌占據(jù)絕對的領(lǐng)軍地位。谷歌主要的業(yè)務(wù)板塊是谷歌服 務(wù)(Google Services)，2022 年谷歌服務(wù)收入 2535.28 億美元。谷歌服務(wù)依賴谷歌在搜索 引擎領(lǐng)域長期積累的技術(shù)和商業(yè)化優(yōu)勢，包括搜索，Youtube，google play 智能手機(jī)平 臺，廣告，瀏覽器，郵箱，云盤等。 在考慮未來“生成式 AI”在搜索領(lǐng)域可以實(shí)現(xiàn)的收入時(shí)，考慮范圍應(yīng)該不局限于“搜索 引擎”本身，還應(yīng)該包括基于“搜索引擎”技術(shù)所拓展出的外延部分，比如 Youtube，GoogleMap 和 Google Play 等；這些搜索引擎外延部分的商業(yè)化表現(xiàn)，本質(zhì)是基于平臺是否可 以基于用戶的搜索請求或者使用習(xí)慣，將產(chǎn)品及服務(wù)較精準(zhǔn)的分發(fā)給用戶，然后用戶并 為此付費(fèi)。所以，谷歌服務(wù)部分的收入天花板，可以用來作為“標(biāo)尺”去衡量未來智能對話 機(jī)器人在“搜索領(lǐng)域”的潛在收入中最易于理解的部分。

2023 年 2 月初，微軟公布新 Bing (New Bing)搜索引擎，該版本搜索引擎集成了 ChatGPT 技術(shù)，公布不到 48 小時(shí)，申請用戶量已經(jīng)過百萬。用戶需要排隊(duì)注冊申請并 等待獲得使用新 Bing 測試版的資格。根據(jù)微軟官方的解釋，新 Bing 可以作為類似研究 助理(research assistant)，個(gè)人計(jì)劃員(personal planner)，和創(chuàng)意合作伙伴(creative partner)的角色為用戶創(chuàng)造價(jià)值。和常規(guī)的搜索引擎相比，新 Bing 的搜索結(jié)果將不再是 簡單的提供給用戶一個(gè)鏈接列表，而是給用戶一個(gè)概括的答案，解決用戶的具體問題， 并且提供可靠的信息來源。用戶可以按照思考和溝通的方式與新 Bing 對話。同時(shí)，新Bing 也可以作為創(chuàng)意工具，幫助用戶寫詩，寫故事或者寫分享關(guān)于項(xiàng)目的想法。根據(jù) The Verge 發(fā)布的新 Bing 測試使用體驗(yàn)，用戶可以直接向 Bing 提問如何幫助自己規(guī)劃一個(gè) 在紐約市 3 日的旅行，同時(shí)確保自己可以待在紐約時(shí)代廣場附近；而新 Bing 的回復(fù)可以 做到將酒店的選擇按照一定優(yōu)先級為用戶規(guī)劃出來。

2023 年 2 月初，谷歌也發(fā)布了谷歌巴德(Google Bard)生成式可對話 AI。使用了谷 歌的 LaMDA(Language Model for Dialogue Applications)模型。但是谷歌巴德發(fā)布之后， 并沒有達(dá)到用戶的期待。之后，谷歌母公司 Alphabet 主席 John Hennessy 稱，谷歌之 前在猶豫是否要將 Bard 應(yīng)用于產(chǎn)品中，因?yàn)?Bard 還沒有真的準(zhǔn)備好。 同時(shí)，百度也與同一時(shí)期官宣了“文心一言(ERNIE Bot)”即將于 2023 年 3 月完成內(nèi) 測，屆時(shí)將向公眾開放。之后，上海報(bào)業(yè)集團(tuán)，36 氪，廣州日報(bào)，愛奇藝，度小滿，攜 程等媒體及互聯(lián)網(wǎng)產(chǎn)品和平臺均宣布接入文心一言。文心一言采用文心大模型，文心大 模型的 API 包括 ERNIE 3.0 文本理解與創(chuàng)作，ERNIE-ViLG 文生圖和 PLATO 開放域?qū)?話服務(wù)。

6.2 AI 賦能制造業(yè)轉(zhuǎn)型升級，智能制造浪潮興起

物聯(lián)網(wǎng)、大數(shù)據(jù)、云計(jì)算等技術(shù)日益成熟，人工智能已成為新時(shí)代的風(fēng)口浪尖，“人 工智能 ”也代表一種新的社會(huì)形態(tài)。智能制造是實(shí)現(xiàn)制造強(qiáng)國的主攻方向，更是提升制 造業(yè)競爭力的核心技術(shù)。隨著智能制造的浪潮興起，人工智能技術(shù)已貫穿于制造業(yè)設(shè)計(jì)、 生產(chǎn)、管理等諸多環(huán)節(jié)。從必要性看，在勞動(dòng)力及土地成本雙升的背景下，制造業(yè)面臨 著利潤低、市場變化迅速等壓力，而人工智能的應(yīng)用不僅可以幫助企業(yè)提升智能化運(yùn)營 水平，實(shí)現(xiàn)降本增效，還可以通過與其他新興技術(shù)的融合，推動(dòng)制造業(yè)模式升級及價(jià)值 鏈重構(gòu)。從實(shí)際應(yīng)用來看，人工智能在制造業(yè)的應(yīng)用可分為三方面：1）智能裝備：指具 有感知、分析、推理、決策、控制功能的制造裝備，典型代表有工業(yè)機(jī)器人、協(xié)作機(jī)器 人、數(shù)控機(jī)床等；2）智能工廠：利用各種現(xiàn)代化的技術(shù)，實(shí)現(xiàn)工廠的辦公、管理及生產(chǎn) 自動(dòng)化，典型的代表場景有協(xié)作機(jī)器人、智能倉儲(chǔ)物流系統(tǒng)等；3）智能服務(wù)：指個(gè)性化 定制、遠(yuǎn)程運(yùn)維及預(yù)測性維護(hù)等，典型代表有工業(yè)互聯(lián)網(wǎng)等。

1) 智能裝備產(chǎn)業(yè)百花齊放，工業(yè)機(jī)器人與高端數(shù)控機(jī)床空間廣闊

工業(yè)機(jī)器人

工業(yè)機(jī)器人種類眾多，貫穿工業(yè)生產(chǎn)的諸多工藝過程。工業(yè)機(jī)器人是廣泛用于工業(yè) 領(lǐng)域的多關(guān)節(jié)機(jī)械手或多自由度的機(jī)器裝置，具有一定的自動(dòng)性，可依靠自身的動(dòng)力能 源和控制能力實(shí)現(xiàn)各種工業(yè)加工制造功能。從構(gòu)成來看，其主要分為三大模塊：傳感模 塊、控制模塊和機(jī)械模塊。其中傳感模塊負(fù)責(zé)感知內(nèi)部和外部的信息，控制模塊控制機(jī) 器人完成各種活動(dòng)，機(jī)械模塊接受控制指令實(shí)現(xiàn)各種動(dòng)作。從種類來看，工業(yè)機(jī)器人可 分為搬運(yùn)作業(yè)/上下料機(jī)器人、焊接機(jī)器人、噴涂機(jī)器人、加工機(jī)器人、裝備機(jī)器人、潔 凈機(jī)器人及其他，貫穿于工業(yè)生產(chǎn)過程中從材料和零部件入庫到生產(chǎn)再到最終產(chǎn)品出庫 的諸多環(huán)節(jié)。根據(jù)億歐智庫整理數(shù)據(jù)，2021 年搬運(yùn)機(jī)器人和焊接機(jī)器人占比最高，分別 達(dá) 55%和 25%。從功能上看，較人工和傳統(tǒng)機(jī)器而言，不論哪一類工業(yè)機(jī)器人，在實(shí)際 生產(chǎn)中都具備成本、效率、安全等眾多優(yōu)勢。因此，我們認(rèn)為，隨著核心零部件和核心 技術(shù)的快速發(fā)展，工業(yè)機(jī)器人市場有望迎來快速發(fā)展。

高端數(shù)控機(jī)床

數(shù)控機(jī)床是一種裝有程序控制系統(tǒng)的自動(dòng)化機(jī)床，具備柔性和高效能的特點(diǎn)。近年 來國內(nèi)數(shù)控機(jī)床技術(shù)在高速化、復(fù)合化、精密化、多軸化等方面取得了重要突破，高端 數(shù)控機(jī)床產(chǎn)業(yè)發(fā)展迅速。從組成來看，高端數(shù)控機(jī)床包括加工程序載體、數(shù)控裝置、伺 服系統(tǒng)、機(jī)床主體和其他輔助裝置。具體來看：1）加工程序載體。即以一定的格式和代 碼存儲(chǔ)零件加工程序，從而對數(shù)控機(jī)床進(jìn)行控制。2）數(shù)控裝置。屬于數(shù)控機(jī)床的核心， 多采用 CNC 系統(tǒng)，通過計(jì)算機(jī)系統(tǒng)程序的合理組織，整個(gè)系統(tǒng)協(xié)調(diào)的進(jìn)行工作。3）伺 服與測量反饋系統(tǒng)。主要用于實(shí)現(xiàn)數(shù)控機(jī)床的伺服控制，包括驅(qū)動(dòng)裝置和執(zhí)行機(jī)構(gòu)兩大 部分。4）機(jī)床主機(jī)。指在數(shù)控機(jī)床上自動(dòng)地完成各種切削加工的機(jī)械部分，包括床身、 底座、立柱、滑座、主軸箱、刀架等機(jī)械部件。5）其他輔助裝置。證充分發(fā)揮數(shù)控機(jī)床 功能所必需的配套裝置，常用的輔助裝置包括：氣動(dòng)、液壓裝置，排屑裝置，冷卻、潤 滑裝置等。

數(shù)控機(jī)床優(yōu)勢明顯，后疫情時(shí)代市場規(guī)?；謴?fù)增長。與普通機(jī)床相比，數(shù)控機(jī)床的 優(yōu)點(diǎn)眾多，具體來看：1）高度柔性。在數(shù)控機(jī)床上加工零件，主要取決于加工程序，因 此其適用于所加工的零件頻繁更換的場合，能較大程度縮短生產(chǎn)周期并節(jié)省費(fèi)用。2）加 工精度高。數(shù)控機(jī)床是按數(shù)字信號形式控制的，加工精度更高。3）加工質(zhì)量穩(wěn)定、可靠。 4）生產(chǎn)率高。數(shù)控機(jī)床可有效地減少零件的加工時(shí)間和輔助時(shí)間。因此，高端數(shù)控機(jī)床 正廣泛應(yīng)用于大制造領(lǐng)域。從市場規(guī)模來看，根據(jù)中商產(chǎn)業(yè)研究院統(tǒng)計(jì)數(shù)據(jù)顯示，2019 年我國數(shù)控機(jī)床市場規(guī)模達(dá) 3270 億元，但 2019 年后，受疫情影響，2020 年國內(nèi)數(shù)控 機(jī)床市場規(guī)?？s減至 2473 億元。受益于國內(nèi)疫情控制良好，各行業(yè)開始復(fù)工復(fù)產(chǎn)，2021 年數(shù)控機(jī)床市場規(guī)?；謴?fù)增長，達(dá) 2687 億元。中商產(chǎn)業(yè)研究院預(yù)測，2022 年數(shù)控機(jī)床 產(chǎn)業(yè)規(guī)模將達(dá) 2957 億元。 就目前形勢來看，我們認(rèn)為，一方面，隨著國內(nèi)疫情管控放開，經(jīng)濟(jì)環(huán)境向好，各 行各業(yè)活力加速恢復(fù)，數(shù)控機(jī)床產(chǎn)業(yè)有望受益于下游需求加速擴(kuò)張；另一方面，隨著上 游核心零部件國產(chǎn)化水平提升，數(shù)控化率也會(huì)逐步提升，國產(chǎn)替代空間廣闊，因此，高 端數(shù)控機(jī)床產(chǎn)業(yè)勢在必行。

2) 智能工廠是實(shí)現(xiàn)智能制造的載體，協(xié)作機(jī)器人與智能倉儲(chǔ)物流 是工廠新星

協(xié)作機(jī)器人

協(xié)作機(jī)器人是一種新型的工業(yè)機(jī)器人，掃除了人機(jī)協(xié)作的障礙，機(jī)器人與人可以在 生產(chǎn)線上協(xié)同作戰(zhàn)，充分發(fā)揮機(jī)器人的效率及人類的智能，給未來工廠的工業(yè)生產(chǎn)和制 造帶來了根本性的變革。 與傳統(tǒng)工業(yè)機(jī)器人有所區(qū)別，協(xié)作機(jī)器人優(yōu)勢特點(diǎn)明顯。與傳統(tǒng)工業(yè)機(jī)器人相比， 其不同之處在于：1）目標(biāo)市場不同，協(xié)作機(jī)器人偏向于應(yīng)用在中小企業(yè)及適應(yīng)柔性化生 產(chǎn)要求的企業(yè)，而傳統(tǒng)工業(yè)機(jī)器人適用于大規(guī)模生產(chǎn)企業(yè)。2）模式不同，傳統(tǒng)工業(yè)機(jī)器人是作為整個(gè)生產(chǎn)線的組成部分，如果某個(gè)環(huán)節(jié)機(jī)器人壞了，整條產(chǎn)線可能會(huì)面臨停工 的風(fēng)險(xiǎn)，而協(xié)作機(jī)器人更具備柔性特點(diǎn)，代替的是人，使得整個(gè)生產(chǎn)流程更為靈活。優(yōu) 勢方面，協(xié)作機(jī)器人具備輕量化、友好性、人機(jī)協(xié)作、編程方便及感知能力五大特點(diǎn)。

智能倉儲(chǔ)物流

智能倉儲(chǔ)物流系統(tǒng)是通過信息化、物聯(lián)網(wǎng)和機(jī)電一體化共同實(shí)現(xiàn)的智慧物流解決方 案，通過將物料出入庫、存儲(chǔ)、輸送、生產(chǎn)、分揀等物流過程自動(dòng)化、信息化和智能化， 來實(shí)現(xiàn)降本增效的目的。從構(gòu)成來看，智能倉儲(chǔ)物流系統(tǒng)包括硬件裝備和軟件系統(tǒng)。其中，硬件裝備可按環(huán)節(jié)分為倉儲(chǔ)裝備、分揀裝備和搬運(yùn)與輸送裝備，具體的產(chǎn)品包括立 體倉庫、堆垛機(jī)、穿梭車、輸送機(jī)、AGV、碼垛機(jī)器人和分揀機(jī)等，主要執(zhí)行具體的倉 儲(chǔ)物流操作任務(wù)；軟件系統(tǒng)是智能倉儲(chǔ)物流系統(tǒng)的控制中心，主要包括倉儲(chǔ)管理系統(tǒng) WMS 和倉儲(chǔ)控制系統(tǒng) WCS，負(fù)責(zé)具體的倉儲(chǔ)物流信息控制。從環(huán)節(jié)劃分，倉儲(chǔ)裝備與 軟件系統(tǒng)的結(jié)合即智能倉儲(chǔ)；分揀與輸送、搬運(yùn)裝備與軟件系統(tǒng)的結(jié)合稱為狹義的智能 物流；若智能倉儲(chǔ)物流系統(tǒng)與生產(chǎn)線對接，增加物料管理、產(chǎn)線對接等產(chǎn)線功能模塊， 即構(gòu)成智能產(chǎn)線倉儲(chǔ)物流系統(tǒng)，也就是常說的智能產(chǎn)線，也是智能工廠的基礎(chǔ)版。

市場空間前景廣闊，黃金賽道有望開啟高增。從智能倉儲(chǔ)市場規(guī)模來看，根據(jù)頭豹 研究院統(tǒng)計(jì)的數(shù)據(jù)來看，受益于物流行業(yè)規(guī)模的迅速增長和倉儲(chǔ)環(huán)節(jié)降本增效的需求不 斷攀升，市場規(guī)模從2017年的712.5億元增至2021年的1145.5億元，CAGR達(dá)12.6%。 但從設(shè)備滲透率中，也反映出智能倉儲(chǔ)物流在很多領(lǐng)域的融合程度不足，因此向未來看， 隨著智能倉儲(chǔ)物流與更多應(yīng)用場景融合和 5G、物聯(lián)網(wǎng)、人工智能等技術(shù)在倉儲(chǔ)行業(yè)的進(jìn) 一步升級，智能倉儲(chǔ)行業(yè)有望加速發(fā)展，預(yù)計(jì) 2021-2026 年 CAGR 達(dá) 18.4%，2022 年 智能倉儲(chǔ)物流市場規(guī)模約 1357 億，2026 年達(dá) 2665 億元。

6.3 AI 賦能工業(yè)互聯(lián)網(wǎng)，打造高效率設(shè)備管理和生產(chǎn)流程

智能服務(wù)是智能制造的必然延伸，工業(yè)互聯(lián)網(wǎng)是制造業(yè)智能化的重要發(fā)展方向。工 業(yè)互聯(lián)網(wǎng)是數(shù)字化轉(zhuǎn)型的關(guān)鍵力量，更是推動(dòng)制造業(yè)轉(zhuǎn)型發(fā)展的重要支撐。工業(yè)互聯(lián)網(wǎng) 是全球工業(yè)系統(tǒng)與高級計(jì)算、分析、感應(yīng)技術(shù)以及互聯(lián)網(wǎng)連接融合的一種結(jié)果。其本質(zhì) 是通過開放的、全球化的工業(yè)級網(wǎng)絡(luò)平臺把設(shè)備、生產(chǎn)線、工廠、供應(yīng)商、產(chǎn)品和客戶 緊密地連接和融合起來，高效共享工業(yè)經(jīng)濟(jì)中的各種要素資源，從而通過自動(dòng)化、智能 化的生產(chǎn)方式降低成本、增加效率，幫助制造業(yè)延長產(chǎn)業(yè)鏈，進(jìn)而推動(dòng)制造業(yè)轉(zhuǎn)型發(fā)展。 換言之，工業(yè)互聯(lián)網(wǎng)是實(shí)現(xiàn)智能制造的發(fā)展模式和現(xiàn)實(shí)路徑。其產(chǎn)生背景也是國內(nèi)人口 紅利的消失，勞動(dòng)力成本上升。工業(yè)互聯(lián)網(wǎng)則通過信息技術(shù)與工業(yè)系統(tǒng)的深度融合，保 證對制造成本控制，因此，工業(yè)互聯(lián)網(wǎng)已成為主要工業(yè)國家搶占國際制造業(yè)競爭的制高 點(diǎn)。

AI 算法的加入將有效提升設(shè)備運(yùn)行穩(wěn)定度和流程控制效率。以流程工業(yè) PHM 智能 監(jiān)測系統(tǒng)為例，傳統(tǒng)監(jiān)測方式需要大量人工進(jìn)行實(shí)時(shí)排障，隨著 AI 算法的加入，PHM 有望快速實(shí)現(xiàn)智能化、無人化，減少緊急維修事件發(fā)生的概率，降低其帶來的停機(jī)、排 障、維修損失，同時(shí)降低不必要的檢修次數(shù)和對應(yīng)成本。對于化工、冶金、煤炭等流程 行業(yè)來說，每一個(gè)泵、反應(yīng)釜、管路、溫控設(shè)備出現(xiàn)故障都會(huì)對產(chǎn)線造成重大影響，甚 至釀成生產(chǎn)事故。AI 帶來的能力提升將意義匪淺。

6.4 人工智能助力汽車智能化

1) 智能駕駛：從駕駛輔助到自動(dòng)駕駛

自動(dòng)駕駛汽車依靠人工智能、視覺計(jì)算、雷達(dá)、監(jiān)控裝置和全球定位系統(tǒng)協(xié)同合作， 它是一個(gè)集環(huán)境感知、規(guī)劃決策、多等級輔助駕駛等功能于一體的綜合系統(tǒng)，它集中運(yùn) 用了計(jì)算機(jī)、現(xiàn)代傳感、信息融合、通訊、人工智能及自動(dòng)控制等技術(shù), 是典型的高新技 術(shù)綜合體。這種汽車擁有和人一樣的“思考”、“判斷”以及“行走”能力，使得電腦可以在沒 有任何人主動(dòng)的操作下，能夠自動(dòng)安全地操作機(jī)動(dòng)車輛。 按照《汽車駕駛自動(dòng)化分級》，駕駛自動(dòng)化共分為：應(yīng)急輔助、部分駕駛輔助、組合 駕駛輔助、有條件自動(dòng)駕駛、高度自動(dòng)駕駛以及完全自動(dòng)駕駛六個(gè)層級。

智能駕駛的感知、處理和執(zhí)行都離不開人工智能技術(shù)的基礎(chǔ)。首先，感知：讓車輛 配對相應(yīng)的感測器來收集車輛的行駛狀況和道路環(huán)境狀況等信息。不同的系統(tǒng)需要由不 同類型的車用感測器，包含毫米波雷達(dá)、超聲波雷達(dá)、紅外雷達(dá)、雷射雷達(dá)、CCD CMOS 影像感測器及輪速感測器等來收集整車的工作狀態(tài)及其參數(shù)變化情形；其次，處理：將 感測器所搜集的信息進(jìn)行分析處理，再向智能控制中心傳達(dá)控制訊息；最后，執(zhí)行。根 據(jù)控制中心下達(dá)的命令，完成對汽車的駕駛。

2) 智能座艙：從出行工具到出行管家

智能座艙實(shí)質(zhì)是汽車駕駛艙中的人機(jī)交互場景，主要目的是將駕駛信息與娛樂信息 兩個(gè)模塊進(jìn)行集成，利用自身處理海量信息數(shù)據(jù)的強(qiáng)大能力，把握用戶在不同場景下的 行為習(xí)慣，并以此優(yōu)化智能座艙的空間結(jié)構(gòu)，進(jìn)而提升用戶的駕乘體驗(yàn)。 據(jù)《2022 中國智能汽車發(fā)展趨勢洞察報(bào)告》，未來隨著智能化技術(shù)的不斷普及，汽 車不再僅僅是交通工具，將擴(kuò)展成為日常生活的第三空間，用戶對乘坐體驗(yàn)要求更高， 智能座艙將加速普及。根據(jù) ICVTank 數(shù)據(jù)，2022 年全球智能座艙行業(yè)市場規(guī)模有望達(dá) 461 億美元，中國作為全球最具發(fā)展?jié)摿Φ钠囀袌觯?019 年中國智能座艙市場規(guī)模達(dá) 441 億人民幣，預(yù)計(jì) 2025 年市場規(guī)模將達(dá) 1030 億人民幣，2017-2025 年的復(fù)合增長率 為 13%，發(fā)展?jié)摿薮蟆?/p>

智能座艙是由不同的座艙電子組成的完整體系，其關(guān)鍵技術(shù)主要由四部分組成。第 一部分是機(jī)械技術(shù)，包括可變化車體技術(shù)和內(nèi)飾機(jī)構(gòu)技術(shù)。未來汽車可根據(jù)不同模式進(jìn)行伸縮折疊是一種趨勢，座艙需要可以根據(jù)乘客對于不同場景的使用需求，實(shí)現(xiàn)內(nèi)飾空 間的不斷調(diào)整變化。第二部分是電子硬件技術(shù)，包含芯片技術(shù)、顯示屏技術(shù)、專用電器 總成以及傳感器技術(shù)四大技術(shù)。第三部分是軟件技術(shù)，主要有操作系統(tǒng)和各種應(yīng)用軟件。 汽車智能化發(fā)展必然會(huì)趨向于一機(jī)多屏，通過操作系統(tǒng)實(shí)現(xiàn)一個(gè)車機(jī)芯片控制各屏的軟 件。第四部分是兩大支撐技術(shù)，分別是人工智能技術(shù)和云計(jì)算技術(shù)。未來智能算法的準(zhǔn) 確性決定了不同品牌智能座艙的差異化，是影響車內(nèi)體驗(yàn)的關(guān)鍵。

ChatGPT 加速落實(shí)“汽車機(jī)器人概念”。百度于 21 年 8 月舉辦的百度世界大會(huì) 2021 上首提“汽車機(jī)器人”的概念，并發(fā)布了具有跨時(shí)代意義的 Apollo“汽車機(jī)器人”。今年 2 月 15 日百度旗下智能汽車公司品牌集度計(jì)劃年內(nèi)推出“三體版”汽車機(jī)器人，將融合百度文 心一言的全面能力，打造針對智能汽車場景的大模型人工智能交互體驗(yàn)，支持汽車機(jī)器 人實(shí)現(xiàn)自然交流的再進(jìn)階。近日，長安汽車旗下深藍(lán)品牌公眾號發(fā)布題為“假如把 ChatGPT 裝進(jìn)長安深藍(lán) SL03”的文章，內(nèi)容為 ChatGPT 與長安深藍(lán) SL03 車機(jī)系統(tǒng) DEEPAL OS 的一番對話。通過這次對話，DEEPAL OS 將自身特點(diǎn)、優(yōu)勢逐一說給 ChatGPT 的同時(shí)，亦把自己介紹給了消費(fèi)者和網(wǎng)友。

（本文僅供參考，不代表我們的任何投資建議。如需使用相關(guān)信息，請參閱報(bào)告原文。）

精選報(bào)告來源：【未來智庫】。「鏈接」

推薦閱讀：

2023年個(gè)人工作計(jì)劃（2023年個(gè)人工作計(jì)劃開頭）

市場營銷個(gè)人工作總結(jié)200字

百度推廣客服電話人工服務(wù)(百度推廣客服電話人工服務(wù)熱線)

重慶抖音代運(yùn)營做什么？為什么要找抖音代運(yùn)營公司？

室內(nèi)設(shè)計(jì)公司(室內(nèi)設(shè)計(jì)公司排名前十強(qiáng))