關于新一代人工智能ChatGPT 和拓展概念AIGC已經在資本市場上火爆了三個月，但如何切入商業應用和A股真正有發展前景的標的，相關文章和報道并不多，我在2月10日的直播主要偏重于投資機會把握，以下是直播的部分文稿。
根據商業邏輯我們在A股市場進行了深入研究和挖掘，希望能填補這塊的知識空白點。具體公司的列表仍然以贊賞回復方式提供給大家，方便大家更深入研究和掌握。下次直播在2月20日下午三點半，可以關注視頻號“伊然的李螢”提前預約或者看回放。此號關聯“伊然研究”，大家在看完直播后仍然可以在“伊然研究”中找到更具體的資料。
新一代人工智能和原有人工智能的差異
OpenAI 推出 ChatGPT 引爆 AI 應用的熱潮，作為新一代人工智能，ChatGPT更強調學習歸納后進行演繹創造，生成全新的內容：催生了如學生課業交付、常規工作報告、營銷、設計、建筑和媒體、娛樂內容創造工作，甚至開始涉足生命科學、醫療、制造、材料科學、汽車、航空航天的初步應用，由于產出效率提高， ChatGPT 將為各個領域帶來強大的生產力提升。不僅是ChatGPT，AI繪畫、AI作曲等等都被歸納在AIGC中，統稱為新一代人工智能——生成式AI。
由于應用領域廣泛，也被稱為“通用大模型”。之前AI有三類：決策分析類AI、視覺類和語音語義類，它們在既有的算法模型上提供答案，并不創造新內容，而且它們的應用場景被局限在特定領域，也被稱為“小模型”人工智能。比如決策類：智能駕駛、金融機構貸款審核、電商算法推薦的應用；視覺類：人臉識別、路況識別、安防監控等；機器視覺監控制造生產流程；語音和語義類：AI替代人工客服回答簡單的模式化問題、文字轉化語言朗讀等等。但這類AI生成的模型難以遷移，在訓練模型時需要耗時耗力，投入成本極高。
例如國內人工智能四家公司商湯科技、云從科技、曠視科技、依圖軟件都屬于小模型AI，目前經營虧損率均超過100%，主要就是研發費用占營業收入都接近甚至超過100%，因為要通過人工標注數據喂養模型，然后訓練模型、固化模型之后投放到應用場景，由于由于應用場景復雜細碎，上述小模型公司就必須像軟件公司那樣，點對點推銷自己才能獲得訂單，所以四家公司的銷售費用占比都超過30%；
使用過程中還需要進一步調試和改動，大量的技術人員還得在一線指導和維護，這使得人工智能公司基本上在做SAAS服務，干的是軟件服務公司的活，卻比軟件公司掙錢還難,,,,,,現在通用大模型橫空出世，這類公司中只有已經布局了大模型的才能活（具體看贊賞回復）。
當新一代AI開始進行“創造”和“創作”，2-3后它們將成為內容營銷的主力，這意味著所有人都能應用AI的時代就來臨了。只需要輸入文字或者簡單的代碼，能生成答案——雖然現在ChatGPT提供的答案未必盡如人意，但人人都能用且根據更新輸入進行快速優化調整，新人工智能變成了可以自己訓練自己的工具，容易上手且可以優化，就意味著新一代AI更有商業前途：不需要太久時間，它就變成每個人身邊的“叮當貓”，成為大家“日用而不知”的工具。Gartner預測 2025年生成式AI產生的數據將占到所有數據的10%（2021年生成式AI產生的數據不到所有數據的1%），2025年30%的大型企業推送消息將生成式AI生成，50%的藥物發現與研發將使用生成式AI，2027年30%的制造商用它來提高產品研發效率。
圖1.新一代AI的推廣時間表
生成式AI的產業架構和國內公司布局
生成式人工智能最先撬動的是上游數據供給方，也就是合成數據生產企業值得長期關注。我們看到二級市場表現最好的都屬于這塊：漢儀股份提供字體設計素材的，美圖公司也因為旗下美圖A有一定表現，托爾思有一定的語言和語料數據庫，科大訊飛是中國語音人工智能的領頭羊，雖然它過去一直在小模型領域探索，但擁有比較好的合成數據庫。
昆侖萬維旗下實驗室做了AI歌曲創作，不過要提醒大家的是， ChatGPT在英文范疇顯得更有能力，特別是在高深冷門專業知識搜索服務上，中文領域目前存在巨大的空白，和整個英文世界相比，中文領域能夠提供直接技術幫助的知識庫明顯不足，所以國內這波跟風炒作僅僅是炒作而已，看不到清晰的商業預期，這也是我們不會在這里認可當下二級市場任何一家概念公司的原因。
就是當前最有前途的公司，仍需要微軟的云計算支持和100億美元投資。2022年，創造了ChatGPT的公司OpenAI收入預計不足3000萬美元，凈虧損5.45億美元。而隨著ChatGPT的火爆，可能進一步增加其虧損。月活百萬用戶的情況下ChatGPT每天服務成本高達10萬美元；目前注冊用戶已經破億，用戶每一次調用，就會讓Open AI付出更多的計算資源和帶寬成本。
ChatGPT依賴龐大的算力支持，按照目前的發展趨勢，支撐其算力基礎設施至少需要上萬顆英偉達GPUA 100，一片頂級GPU成本為8萬元，加上服務器開支成本，ChatGPT的投資熱潮和相關AIGC領域的資本開支暴增，直接拉動算力芯片價格暴漲，這塊我在直播中沒有說到，具體中國公司放在贊賞回復中供大家查閱。
圖2.新一代AI的產業鏈
中國公司早在幾年前就已經深度布局大模型人工智能：百度確定了其聊天機器人的名字為“文心一言”，承諾今年三月向公眾開放。阿里早在2021年也發布類似產品，阿里鹿班在短時間內完成大量banner圖、海報圖和會場圖的設計，提高工作效率。用戶只需任意輸入想達成的風格 、尺 寸，鹿班就能代替人工完成素材分析、摳圖、配色等耗時耗力的設計項 目 ，實 時生 成多套符合要求的設計解決 方案 。
2022年5月，騰訊“混元”AI大模型在CLUE（中文語言理解評測集合）總排行榜、閱讀理解、大規模知識圖譜三個榜單同時登頂，一舉打破三項紀錄；字節跳動收購了深極智能布局大模型人工智能，但目前中外公司間存在明顯差異，整體差距大約在3年左 右 ，底層技術差距是核心原因，使用方向也主要是“ 流量吸引 +平臺改良 ” ，大部分產品仍處在免費試用的階段，收費空間相對較小。
未來生成式AI帶來的商業機會
生成式AI爆發的早期主要是投入，對算力芯片形成巨大需求，然后是對合成數據的需求，接下來應用場景方面對內容創作領域推動最大。
這里要提及合成數據生成領域的機會：由于生成式AI大大縮短了數據的標注成本，無論是虛擬場景制作，還是制造業中工程設計自動化，非常程式化的過程都可以交給AI，讓AI來訓練AI成為可能——凡是能夠模塊化、模式化的領域，都能夠使用生成式AI強化產出，這都可以歸結到人工智能的送水人——合成數據。
所謂合成數據，就是從現有內容 ，如 圖片、音頻、文本等生 成完全虛構，但保持原始數據特定屬性的全新數據。通過生成技術克服AI模型訓練的“原始數據短缺問題，實現不同機構間的數據共享、轉移及更新；以完成特定算法的訓練及數據分析，且能夠避免手工標注的高昂成本。
合成數據生成可能會導致專有數據的競爭壁壘逐漸削弱，數據采用標準從真實數據到可信，從而為人工智能全場景應用助力。目前合成數據在醫療和自動駕駛領域應用廣泛，已經有了測試標準APAT，技術生態較完善。
從下圖我們就可以看到，AIGC將形成一個超萬億人民幣的市場，其中合成數據的市場空間最大。雖然現在炒作的二級市場一些數據素材公司，但國內尚沒有真正意義上完全從事合成數據生產的上市公司，而且當前炒作的一些公司財務狀況也不理想，二級市場投資者還需要等待；
圖3.合成數據市場空間巨大
內容創作領域生成式AI產生的推動力特別值得關注：過去不能 模塊化的東西，有了生成式AI就可以進行模塊化生產：海馬輕帆科技推出的小說轉劇本智能寫作，服務了《你好，李煥英》，《流浪地球》等爆款在內的劇集劇本30000多集，電影網絡劇本8000多部，網絡小說超過500萬部。在繪畫AI方面國內推進非常快，特別值得一提的是我國動畫制作已經進入工業化成熟期，大量國產動畫不僅得到國內觀眾的好評，還遠航出海，游戲產業同樣也會在生成式AI的加持下優化產出，對于我們這樣一個成熟的經濟體來說，服務領域傳媒行業的重新繁榮景氣，值得跟蹤。
應用場景的拓展下，新一代人工智能迭代是很多互聯網大廠的機會，從去年10月開始，無論是百度，還是阿里、騰訊股價表現出反轉，開始大家都以為是政策放松的超跌反彈，后面才慢慢明白是通用大模型，這個新一代人工智能的驅動。
對于打通了絕大部分應用場景的互聯網大廠來說，新人工智能它們輸出效率和直接抵達C端客戶的能力會變得更加強大，龐大的數據資源也在它們手上，何況也是布局最早的、最有財力和物力投入其中的，BAT成長的前景一下子也變得清晰了。
簡單總結一下，以通用大模型為主的AIGC在爆款產品ChatGPT推動下引發了資本市場的炒作狂潮，由于商業前景清晰資本市場會出現因此而高速成長的公司。這對傳統的人工智能公司是挑戰和壓力，但對于算力芯片、合成數據和傳統人工智能公司轉型都值得長期追蹤?；ヂ摼W大廠將因此獲得賦能，拓展更廣闊的成長空間，新業態的出現也會為我們提供新的投資方向。這是信息技術最值得跟蹤的領域。
具體公司的列表仍然以贊賞回復方式提供給大家，以便更深入研究和掌握。
