01 本周回顾：上涨趋势延续，行情演绎 “五重击”

本周计算机指数上涨0.47%，跑赢沪深300指数1.32pct，在31个申万一级行业中涨幅排名11，年初至今计算机涨幅排名1。

2023年1月制造业PMI企稳回升，经济迎来“开门红”，同时扩大内需、数据要素流转、数据安全等纲领性政策均对创新科技的发展提供了长期驱动力；2022年底推出的AI聊天机器人ChatGPT火速出圈，开启AI新纪元，有望迎来商业化大潮。

计算机板块第一阶段的“N”字第三笔延续，行情演绎“五重击”：

第一击：收入成本剪刀差，利润弹性逐季拔；

第二击：PE估值处于历史低位，当期分位数实乃“虚高”；

第三击：基金持仓低，横向景气度高，资金搬家忙；

第四击：ChatGPT开启AI新纪元，科技创新周期上行加速，产业底层症结有望化解；

第五击：政策主线托底，百花齐放可期。

财通证券年度策略里提出的“百花齐放”正持续验证，全年核心主线依然是我们反复强调的泛信创、泛安全、硬科技这一产业主航道，逐步加大顺周期的工业智能化/工业软件等赛道的配置。

02 大模型路径成为AI产业的内生选择

AI大模型方法驱使生成式AI走向成熟，引领AI大规模商业化落地。AI模型可大致分为决策式/分析式AI、生成式AI两大类，决策式AI已在推荐系统、计算机视觉、自然语言处理领域实现应用，生成式AI在大模型的驱动下逐渐发展成熟。

AI大模型方法或许并不是通向“强人工智能”的终极解决方案，但为AI技术进一步突破以及产业化落地指明了方向。

在过去几年中，AI大模型方法逐步成为行业的主流共识，主要原因基于以下四个方面：

业界逐步认识到大模型更加适合于生成式AI。之前参数量较小、结构简单的小模型更受欢迎，一方面是因为小模型对硬件的要求较低；另一方面是具有更高的可解释性和稳健性。但对于执行比较复杂的创新型任务，具有大量参数的大模型更为优越。

最近发展的新模型结构，降低了大模型的训练成本。2017年推出的Transformer可以实现更好的并行性，并可以大幅度缩短训练时间。

软硬件能力进步，为大模型提供了算力支撑。随着软件升级以及AI芯片技术突破，算力获得指数级增长，训练大型生成式AI成为可能。

多模数据不断丰富，为模型训练提供基础。要训练出大型生成式AI，需要投入充分的初始数据。随着移动互联网的发展，大量的文字、图片以及视频等多模数据都可以用于生成式AI训练。

处于Gartner曲线“期望膨胀期”以及“复苏爬坡期”的技术要素协同共振，ChatGPT商业化快速落地可期。

根据2022年Gartner提出的AI技术曲线，大模型与生成式AI处于“期望膨胀期”，数据标注与智能应用处于“复苏爬坡期”，ChatGPT正是处于新兴技术应用展望与成熟技术落地爬升的阶段，因此获得资本市场与AI产业极高的关注度，有望于2023年快速实现垂直行业的商业化落地。

03 百舸争流：全球开启新一轮AI竞赛

全球科技巨头开启新一轮AI竞赛。自2017年谷歌提出Transformer模型后，大模型技术引领AI发展趋势，全球科技巨头围绕生成式AI大模型开启新一轮竞赛。

大模型训练效果受到数据、算力、算法多方面影响，其竞争实质上比拼的是国家智能化综合实力，因此在中美两大AI强国诞生了众多算法模型。

以OpenAI为例，2018-2020年陆续推出GPT、GPT-2、GPT-3，参数分别为1.17亿、15亿、1750亿个，模型体量呈现指数级增长。

当前中美两国都已研发出上万亿参数的模型，随着模型体量持续增大，海量数据、大规模算力等资源将成为主要壁垒，在ChatGPT的加持下，全球科技巨头有望快速加码AI赛道的投入。

国内外科技巨头近期动作频繁，积极应对ChatGPT带来的行业变革。ChatGPT一经面世，激起千层浪，科技巨头均已加速布局。

为对标ChatGPT，谷歌已明确表示正在开发一项名为Bard的对话式人工智能服务项目，百度正式宣布了大模型项目“文心一言”，360计划推出类ChatGPT技术的Demo版产品，阿里宣布正研发“阿里版ChatGPT”，各大巨头纷纷参与其中，形成百舸争流之势。

04 行业变革：AI商用化落地场景或将“百花齐放”

4.1 生成式AI:叠加数据要素流转，构建全新产业形态

AI商用化将构建全新的计算机产业生态。

AI模型训练需要消耗大量数据与算力资源：

（1）数据采集和标注来源于自有AI数据团队以及第三方AI基础数据服务商。随着大模型持续优化，高质量、高效、专业化数据标注需求持续扩张，将带动基础数据服务行业蓬勃发展；

（2）大模型对算力基础设施要求提升。

根据OpenAI，从2012年开始，AI训练所用的计算量呈现指数增长，平均每3.43个月便会翻倍，至2018年AI计算量扩大了30万倍。随着数据要素流转逐步落地，AI算法公司与垂直行业之间的行业数据交易、AI产品服务将形成产业闭环，加速AI商用赋能全行业。

4.2 全行业赋能，商业化大潮将涌现

4.2.1 文本生成

微软旗下所有产品将全线整合ChatGPT。继微软宣布在搜索引擎BING、办公全家桶Office嵌入当今最火的语言模型ChatGPT后，CEO纳德拉宣布还将在云计算平台Azure中整合ChatGPT，通过Azure OpenAI服务可以访问OpenAI开发的模型，届时微软的每个产品都将具备相同的AI能力，实现AI技术的全线赋能。

此前微软推出了由ChatGPT提供技术支持的高级Teams产品，该产品可以自动生成会议记录，推荐任务，或者创建会议模板。基于OpenAI的GPT模型，即使没有参加会议，“智能回顾”也能生成会议记录和要点。微软表示这项高级服务将在6月份每月收费7美元，然后在7月份增加到10美元。

4.2.2 音频生成

语音生成技术广泛应用，大厂均有布局。自动语音生成指将文本转化为语音，广泛应用于新闻阅读、有声书、通知播报、出行导航、视频配音等领域。目前，谷歌、微软、亚马逊、腾讯、阿里、百度、科大讯飞等均推出了相关平台。

科大讯飞旗下讯飞配音是以互联网为连接的专业配音服务平台，基于科大讯飞的核心智能语音技术，致力于为用户提供合成配音+真人配音服务。

4.2.3 图像生成

文本生成图像AI模型集中落地，开创图像设计新范式。文本生成图像模型可 根据简单的描述性文本生成像照片一样逼真的图像，2022年推出的Stable Diffusion、DALL-E 2、Midjourney等模型已对大众开放，在三款模型中仅 Stable Diffusion开源，已超1000万用户。

谷歌于2022年5月推出由文本生 成高清图像的模型Imagen，之后基于Imagen推出DreamBooth实现输入图 片高度还原以及个性化表达。AI创作已步入大众生活当中，并进一步赋能创 新设计和数字艺术。

4.2.4 视频生成

智能编辑为主，视频生成有待发展。AI视频编辑功能包括删除视频特定主体、自动跟踪剪辑、自动添加特定内容、视频特效生成、视频美颜，将大大降低视频编辑的专业门槛，提升视频剪辑效率，目前已广泛应用于视频创作领域。

具体应用包括剪映、百度智能创作平台、抖音、美图等。AI视频生成仍处于高速发展期，现有模型生成视频时长较短，且部分内容准确性与客观性有待提升。

目前Meta于2022年9月29日首次推出一款AI系统模型：Make-A-Video，可以仅用几行文本生成独具创意的视频，为视频创作带来新的活力。

05“ChatGPT”有望开启新一轮算力储备

AI大模型训练运算量增长速度远超硬件算力提升速度。

以Transformer中的典型GPT为例，2020年发布的GPT-3训练运算量约10^8~10^9 PFLOPs，1PFLOPs=10^15FLOPs(运算次数单位)，而2018年GPT-1训练运算量约10^4~10^5PFLOPs，综合来看Transformer模型训练运算量每2年提升750倍，而据摩尔定律，硬件算力提升速度为每2年2倍。

IDC预计2022-2026我国AI算力复合增速为47.5%。2022年我国服务器端智能算力为2.68*10^20FLOPS，IDC预计2026年将达12.71*10^20FLOPS，复合增速为47.5%，同时随着AI应用逐步加深，推理端算力占比将持续提升。

以GPT为代表的大模型对现有算力规模是极大挑战。结合大模型训练所需运算量增速与IDC对我国算力规模预测，我们做出下图测算，同时：

1.我国AI训练算力不会全部用于假设的5个大模型训练；

2.我国有自研基础通用大模型需求的机构或远不止5家(政府及其他企业)；

3.除基础模型初始训练外，面向垂直场景的专用模型训练算力消耗亦较大；

4.大模型落地带来的推理端算力需求亦将随之快速增长。

综上，我们认为由于GPT等大模型迭代，我国AI算力超负荷或远快于下图测算结果。

对标AlphaGO，ChatGPT有望催化新一轮AI算力储备。

2016年随着AlphaGO将深度学习带到大众视野，我国迎来长达5年的AI算力储备。

我们认为，此次ChatGPT亦有望将大模型定为未来AI产业化主要路径，同时相比于迅速在新赛道建立卡位以紧握时代机遇，算力的成本/冗余/性价比或不会是科技巨头与国家的优先考虑因素，新一轮算力储备有望到来。

06 行业公司

数据标注领域的海天瑞声等；算力领域的海光信息、龙芯中科、浪潮信息、中科曙光、宝信软件、景嘉微等；算法领域的科大讯飞、云从科技、格灵深瞳、海康威视、大华股份、奥普特以及AIGC领域的万兴科技等。

海天瑞声：

国内领先的人工智能数据标注提供商，提供AI算法模型开发所需的专业数据集。业务主要涉及智能语音、计算机视觉、自然语言等场景，并积极布局自动驾驶。随着数据要素流转构建AI企业与垂直领域之间的全新产业生态，基础数据服务商将迎来飞跃式发展。

海光信息：国内高端处理器领军，成长拐点确立。

公司主要产品为面向服务器与工作站的CPU和面向AI训练、数据挖掘的DCU，早年技术来源于AMD的x86授权，但目前技术已实现自主迭代。

公司DCU系列产品以GPGPU架构为基础，兼容通用的“类CUDA”环境，主攻加速计算市场，每两年快速技术迭代，深算一号DCU达到国际上同类型高端产品水平。

龙芯中科：国产CPU引领者，布局工控、通用领域。

公司全面掌握 CPU指令系统、处理器 IP核、操作系统等计算机核心技术，为国家战略需求提供自主、安全、可靠的处理器，为信息产业的创新发展提供高性能、低成本的处理器和基础软硬件解决方案。

浪潮信息：国内AI服务器领头，深度受益算力基建高景气。

公司是全球领先的服务器厂商，在国内AI服务器市占率超过50%，与互联网巨头绑定深厚，有望充分受益相关巨头算力Capex投资高景气。

中科曙光：国内高性能计算领军，持股海光信息协同优势显著。

公司深耕高性能计算，受益行业信创潜在放量，自身经营质量持续提升，叠加海光信息大股东身份带来的芯片分配优势，有望充分受益算力建设高景气。

宝信软件：公司大型IDC具备充足的算力服务提供能力，可为各类人工智能生成内容公司提供算力支持服务。

2022年9月，宝之云华北基地项目开工，总投资37亿元，整体规模为2万个8KW机柜，项目定位IDC大数据产业基地，建设AI人工智能共享平台、工业互联网平台、大数据应用及智能制造研发中心，孵化一批以数字经济、AI人工智能为特色的新型企业。

景嘉微：国产GPU领军。

公司具备齐全的科研生产资质和认证，与多家科研院所和高校建立了战略合作伙伴关系。产品涵盖集成电路设计、图形图像处理、计算与存储产品、小型雷达系统、无线通信系统、电磁频谱应用系统等方向，广泛应用于有高可靠性要求的航空、航天、航海、车载等专业领域。新款JM9系列产品已能逐步满足人工智能计算需求。

科大讯飞：国内AI语音行业领军企业。

其预训练模型技术积累深厚，在教育、医疗、城市、零售、文旅、政法等领域已深度布局，在垂直领域积累了大量数据，预训练模型商业化落地空间大。

云从科技：人工智能国家队，深耕人脸识别技术。

面向智慧金融、智慧治理、 智慧出行、智慧商业、数字城市、泛AI等领域深度赋能。

格灵深瞳：国内计算机视觉算法探索者与实践者。

专注于将计算机视觉和大数据分析与应用场景深度融合，AI产品面向城市管理、智慧金融、商业零售、体育健康、轨交运维等领域。公司自主研发的人工智能产品主要包括智源智能前端产品、灵犀数据智能平台和深瞳行业应用平台。

海康威视：全球安防龙头，积极拓展人工智能与大数据技术。

公司专注于物联感知、人工智能和大数据领域的技术创新，提供软硬融合、云边融合、物信融合、数智融合的智能物联软硬件产品。

公司AI开放平台为碎片化的行业应用场景提供了一站式算法训练平台，可基于小样本数据训练高精度算法，并持续上线声音分类、文字识别、数据智能、自主学习、编排平台等功能。

大华股份：全球领先的以视频为核心的智慧物联解决方案提供商和运营服务商。

公司将人工智能作为核心战略之一，围绕感知智能、数据智能、决策智能持续做宽做深，不断提升人工智能场景化能力，加速推进人工智能规模产业化落地进程。

奥普特：国产机器视觉开拓者，打破国际品牌垄断。

公司以光源为突破口，并逐步拓展至视觉系统、工业相机、镜头、3D 激光传感器、工业读码器等领域，应用于3C 电子、新能源、半导体、汽车等领域，提升下游客户的智能制造能力，得到了苹果、华为、谷歌、OPPO、宁德时代、ATL、比亚迪、孚能等全球知名企业的认可。

2022 年上半年，公司发布了基于自研AI 和3D 算法的新一代视觉软件SciDeepVision 和SciSmart3 视觉平台，集成了预处理、定位、测量、检测、识别、3D 聚焦、自动对焦等图像处理工具。

万兴科技：国产数字创意龙头，AIGC为产品赋能。

公司于AI基础、AI分割、AI生成等领域持续研发，目前已落地虚拟人、文生图、AI智能抠像、AI智能降噪等功能，并逐步从泛娱乐、泛知识向泛营销领域等多场景渗透。公司旗下AI绘画产品“万兴爱画”提供随机生成与关键词创作两种创作模式，用户输入关键词，选择图片比例和艺术风格之后，即可获得由AI自动生成的绘画作品，AIGC进一步为创作赋能。

07 风险提示

AI技术迭代不及预期的风险： 若AI技术迭代不及预期，NLP模型优化受限，则相关产业发展进度会受到影响。

商业化落地不及预期的风险：ChatGPT盈利模式尚处于探索阶段，后续商业化落地进展有待观察。

政策监管风险：目前AIGC相关技术还处于发展早期，后续若出台监管政策可能会对行业发展有一定影响。