颠覆性变革

AIGC是在“内容生产”（PGC）和“用户生产内容”（UGC）后产生的一种全新的生产模式，它具有高效、自动化的特征。在NLG、人工智能等领域逐渐走向成熟的同时，AIGC也逐渐得到了广泛的重视，微软，谷歌，英伟达等科技巨头也在积极地进行AIGC技术与应用领域的研究。

AIGC的出现体现了人工智能的作用发生了变化，从“效率工具”向“生产工具”转变。AIGC拥有与人类相似的知识水平和制造能力，承担起信息挖掘、素材调用、复刻、剪接等基本的机械性工作，在技术上以低成本、高效率地解决大量的个体化需要。从长远来看，AIGC将会带来更多新的业态和模式，从而提升各个产业的创新能力。

ChatGPT的火爆是AI在经过数年技术积累之后的一个里程碑；而其影响则达到了革命性技术的一个重要标志，这将会引导许多应用程序重新进行现有的生活模式。比如AI访问装置，可以极大地提高生产率，或者是通过改变传统的搜索方式来改造内容行业。

算力的竞赛

ChatGPT能够实现当前如此强大的交互，离不开背后庞大的算力支撑。若要支持ChatGPT的运行，需要7-8个这样数据中心支撑，基础设施投入需以百亿元计。

所以，在人工智能等新兴技术的不断发展下，对高可靠、高性能、高安全计算能力的要求越来越高，计算能力“军备竞赛”正在世界范围内被掀起，数据中心、AI芯片、服务器等各个环节，将会受到越来越多的关注。目前，存量已经建立优势的AI公司具备资本实力，拉高了行业壁垒，但是未来AI应用场景广泛，想象空间巨大，而且随着对信息技术的重视，中国的大部分产业都会被中国企业占据，人工智能初创企业还有成长的余地。

算力增长推动基础设施扩容，数据中心服务器、交换机、光模块不断迭代。AI对于算力最大的挑战依然来自于核心数据中心的模型训练，算力需要能耗、成本的堆砌，持续输入数据耗电做存储计算，能耗与投入成本密切相关。

新的技术方案可以取代常规的需求，但是数通投资和光通信的需求将会因为计算能力的暴涨而增加，尤其是在高计算能力的情况下，会有更好的发展空间。结构革新的灵活性将在2023-2024期间显现，当前转型的关键问题就是成本与供应链的稳定性，预期未来的供应链将会有突破性的发展。

机遇与风险

ChatGPT的横空出世以及国内外巨头纷纷投入大模型，意味着大模型有望带领新一轮浪潮，当前投资共有两条主线，一是围绕人工智能三大要素布局，短期关注软硬件配套的底层资源，二是中长期关注新一轮技术变革下新场景和新产品的创新落地。

复盘深度学习的发展历程发现，其中有两类企业伴随此趋势得到真正的商业化成长：

第一类是底层资源企业，以英伟达为代表。2012年，英伟达看到了GPU在图形运算之外的潜力，自研出适合深度学习发展的CUDA(通用冰箱计算平台)，GPU替代CPU成为AI训练市场的首选，英伟达股价开始飙升，乘深度学习之东风，成为AI芯片领域的绝对霸主。后来不断在下游进行深耕，除了优势游戏行业，在智能驾驶的底层资源支持也得到了巨大的突破。

第二类为实现场景赋能的应用企业。首先是互联网平台厂商，在互联网商业变现场景中，广告变现占有主导地位。2012年，深度学习迅速席卷图像、语音、NLP等领域，并逐步在互联网商业化最成功的搜索、推荐和广告领域获得突破并成为主流，在此过程中，中国诞生了一系列火爆应用，同时互联网依托广告变现的商业模式再上新台阶。

虽然AI技术公司已经将技术和传统的应用场景进行了融合，但因为应用场景的规模差异，能够做到投入产出均衡的公司寥寥无几，而科大讯飞依托自身在教育行业的数据优势，实现在教育行业的产品化落地。

人工智能在商业化方面的投资是非常庞大和持久的，所以这些公司的商业能否取得成功至关重要。目前，ChatGPT最具商业价值的例子就是微软将其整合到了OFFICE。以Edge为例，其功能增强达到了质变的程度。这极大提高其商业产品的门槛和附加值，对现有单一产品公司是降维竞争，可以预期其相关产品线的竞争优势会迅速扩大并能逐步新增体现在全球市场份额和财务回报上。　　

在各领先公司或潜力公司之间，各自的数据来源较为割裂。科技公司根据主营业务不同，其采集的数据范围有限。比如阿里收集了大量的用户信息和信息，而腾讯则收集了大量的社会信息，而小红书则收集了大量的关于生活习惯的信息。在建模过程中，由于资料的限制，在多个维度上都会对模型的建模结果产生一定的负面作用，进而会对模型的概化性产生一定的负面作用。