來源：六里投資報(bào)

　　11月28日，新財(cái)富白金分析師、中信建投證券研究所所長武超則，在華安基金投資嘉年華科技創(chuàng)新專場中，以“國產(chǎn)算力水到渠成，AI應(yīng)用落地生根”為題，圍繞當(dāng)前AI行業(yè)的發(fā)展與投資機(jī)會(huì)分享了最新觀點(diǎn)。

　　武超則表示，展望 2025 年，國內(nèi)算力最大的機(jī)會(huì)，還是在國產(chǎn)化這條線上；

　　算力本身的需求，會(huì)繼續(xù)增長的趨勢還是非常明確的，她還簡單拆解了一下可能的增量來源。

　　武超則把出貨量作為衡量一家公司的重點(diǎn)所在，在芯片行業(yè)，規(guī)模是一切的根本。

　　你沒有規(guī)模，就沒有辦法保證你的毛利率和收入，

　　沒有毛利率、收入，你又沒有辦法保證你的產(chǎn)能等等，它其實(shí)是一個(gè)循環(huán)。

　　GPU?本身，包括再往上游的半導(dǎo)體的設(shè)備和材料，明年都會(huì)有不錯(cuò)的表現(xiàn)。

　　這個(gè)背后，武超則認(rèn)為是有訂單和業(yè)績支撐的。

　　在國產(chǎn)模型迭代的方向上，就C端而言，主要看好三個(gè)方向——AI視頻 、Agent和AI終端。

　　像AI視頻，是今年國內(nèi)比較超預(yù)期的。

　　簡單看，從去年Sora出來之后，國內(nèi)跑得也很快，像海螺AI、豆包等等，其實(shí)都有對標(biāo)的產(chǎn)品出來，而且在海外出海的認(rèn)可度也是非常高的

　　對比移動(dòng)互聯(lián)網(wǎng)這一輪來講，今年可以類比于2013年——

　　已經(jīng)開始有一些應(yīng)用的百花齊放，并且已經(jīng)見到情緒投資的熱點(diǎn)，但是我們可能沒辦法區(qū)分，到底哪個(gè)公司會(huì)最終跑出來。

　　武超則表示，未來在AI方面，我們一定會(huì)經(jīng)歷一輪大的行情，甚至是泡沫化的行情。

　　在行情之中，我們再慢慢篩選出那些能夠從大的技術(shù)浪潮中脫穎而出的公司。

　　投資報(bào)整理提煉了武超則交流的精彩內(nèi)容：

　　大模型

　　從“快思考”走向“慢思考”

　　在過去的一年里，我相信大多數(shù)人已經(jīng)開始使用AI。

　　如果還沒有，這個(gè)時(shí)候可以嘗試一下，因?yàn)锳I已經(jīng)有了相對較多的落地應(yīng)用。

　　例如最近熱門的“智能體”（Agent）概念、AI終端、個(gè)人助理等等，表現(xiàn)在不同的業(yè)務(wù)場景和載體中。

　　比如，AI終端可能表現(xiàn)在電腦或手機(jī)中，

　　以Siri為例，在升級(jí)后，它的功能不再僅限于基本操作，現(xiàn)在它可以跨應(yīng)用進(jìn)行操作，

　　幫助用戶預(yù)定酒店、訂咖啡等，開始提供更為多樣化的組合服務(wù)。

　　這些是目前我們看到的落地展現(xiàn)出的形式。

　　但其背后，依然圍繞大模型強(qiáng)大的工具功能，這也是GPT-4這代模型的主流表現(xiàn)。

　　再往后，我們看到，不僅是大模型本身的演進(jìn)，更多的是多模型、多模態(tài)的演進(jìn)；

　　整個(gè)模型從最初的感知和認(rèn)知智能，逐步過渡到更強(qiáng)的規(guī)劃和決策能力。

　　這個(gè)時(shí)候我們可能才會(huì)看到，模型的應(yīng)用從過去的非嚴(yán)肅場景逐步轉(zhuǎn)向嚴(yán)肅場景，

　　AI將不再只停留在情感陪伴或者陪聊，而是能承擔(dān)起更加嚴(yán)肅的任務(wù)。

　　以Agent 本身和GPT-4o和o1這些后期模型來看，這一代模型的核心變化就是，從“快思考”向“慢思考”轉(zhuǎn)變。

　　“慢思考”是什么意思呢？

　　當(dāng)遇到推理類、邏輯類問題時(shí)，我們往往需要更深入的分析路徑或框架，我們需要一套更強(qiáng)的方法論來幫助我們解決問題、理解問題，并最終做出決策。

　　尤其是在面對互相矛盾的數(shù)據(jù)時(shí)，我們?nèi)绾闻袛嗄姆N結(jié)論更為正確，如何做出最佳選擇，等等。

　　最新一代的AI模型正逐步展現(xiàn)這種能力。

　　大模型迭代

　　提高易用性“加量不加價(jià)”

　　最近，資本市場的熱點(diǎn)也開始集中在ToB的營銷服務(wù)、辦公服務(wù)、ERP等場景上，這些已經(jīng)開始在業(yè)績和財(cái)報(bào)中得到體現(xiàn)。

　　這可能是當(dāng)下市場關(guān)注度比較高的，

　　對于遠(yuǎn)期來說，模型的迭代才剛剛開始。

　　如果從時(shí)間的角度來看，AI的發(fā)展就像一個(gè)兩三歲的baby，像人類一樣，它一定會(huì)無限的迭代下去。

　　總而言之，在整個(gè)模型的變化中，前面幾年，我們已經(jīng)經(jīng)歷了第一段、第二段到第三段的演繹。

　　基本上每6-12個(gè)月就會(huì)看到一次大的周期性迭代。

　　回到具體模型的例子，舉兩個(gè)例子，

　　我們看到，GPT-4o這一代模型，在端到端的信息處理，以及人機(jī)交互體驗(yàn)上都有顯著提升。

　　與GPT-4相比，GPT-4o并不一定在輸出結(jié)果上有驚艷的突破，但在易用性方面的提升卻是顯著的。

　　什么是“易用性”？

　　舉個(gè)例子，GPT-4o在響應(yīng)速度上比GPT-4 Turbo提高了兩倍，同時(shí)它的消息上限提升了5倍，價(jià)格降低了50%。

　　這就是所謂的“易用性”——“加量不加價(jià)”，效果更好，成本大幅下降。

　　這使得它在產(chǎn)業(yè)大規(guī)模商用中具有了更強(qiáng)的可能性。

　　此外，GPT還推出了4o Mini，是基于4o模型的又一次小型化。

　　相比性價(jià)比已經(jīng)很高的4o，4o mini做得更快、更便宜，其實(shí)它的核心優(yōu)勢還是在降成本和性能的保留上。

　　再往后，我們還看到了最新的o1模型。

　　與之前的模型相比，o1的核心還是要證明“規(guī)模效應(yīng)”（scaling law）的存在——模型的規(guī)模越大，模型越聰明。

　　GPT-3的數(shù)據(jù)集約為1億，而GPT-4的數(shù)據(jù)集達(dá)到了1-2萬億。

　　理論上，o1模型證明，只要愿意投入更多的成本，增加算力和數(shù)據(jù)的投入，模型的“聰明程度”依然能夠繼續(xù)疊加。

　　我們看到，o1模型的表現(xiàn)已經(jīng)不亞于博士生水平，特別是在一些挑戰(zhàn)性任務(wù)中。

　　例如，在國際數(shù)學(xué)奧林匹克（IMO）考試中，GPT-4o的正確率僅為13%，而o1的正確率高達(dá)83%。

　　在代碼能力上，o1模型也排在前89%，達(dá)到了非常優(yōu)異的一個(gè)水平。

　　與此同時(shí)，全球范圍內(nèi)的開源模型進(jìn)展也非常迅速。

　　海外Meta推出的Llama 3，還有國內(nèi)的開源模型，如通義千問和智普，都是同等代際的開源模型。

　　開源模型的發(fā)展，會(huì)為應(yīng)用未來的落地提供非常好的基礎(chǔ)。

　　個(gè)性化方案

　　生成成本會(huì)大幅降低

　　最近，智能體（Agent）這一概念受到了廣泛關(guān)注。

　　舉個(gè)例子，相比于過去的模型是一個(gè)“人”，Agent更多是一個(gè)團(tuán)隊(duì)或者說小組的概念。

　　Agent是要有一個(gè)分析問題、理解問題，最后去解決問題的總攬能力，根據(jù)任務(wù)來準(zhǔn)確地生成業(yè)務(wù)的執(zhí)行流，然后再分工給不同的專家模型。

　　專家模型可能各有所長，

　　有的擅長解決數(shù)學(xué)問題，有的擅長解決代碼問題，有的擅長解決圖像問題等等，最終形成一個(gè)協(xié)作的智能群體。

　　這個(gè)時(shí)候，個(gè)性化方案的生成成本會(huì)大幅降低，模型與模型之間的摩擦成本也會(huì)大幅降低。

　　我們反推回來，這在人類的歷史中也是很相似的。

　　比如說在醫(yī)療行業(yè)，現(xiàn)在多學(xué)科的會(huì)診，隨著現(xiàn)代醫(yī)療越來越細(xì)分，也變得很常見。

　　另外比如說在金融服務(wù)中，怎么提供個(gè)性化的金融服務(wù)方案？

　　在教育里，怎么提供個(gè)性化的教育？

　　這都會(huì)帶來耳目一新的產(chǎn)品。

　　像微軟在365 里面，集成了全新的 AI agent。

　　國內(nèi)算力

　　最大機(jī)會(huì)還是在國產(chǎn)化

　　回過頭來看，我們展望 2025 年，國內(nèi)算力最大的機(jī)會(huì)，還是在國產(chǎn)化這條線上。

　　首先，我們簡單分析需求，

　　scaling law的核心就是，不管是基于訓(xùn)練的需求，還是推理的需求，模型越大，效果就越好。

　　所以從這點(diǎn)上來講，主流大廠應(yīng)該還是會(huì)不斷去卷模型的效果。

　　這個(gè)背后，算力支撐的規(guī)模，就會(huì)變得非常重要。

　　我們現(xiàn)在看下來，如果想要在大模型的訓(xùn)練端有所建樹，至少是要萬卡，甚至未來是 10 萬卡的集群，這一部分的投入是非常明確的。

　　另外一塊，實(shí)際上是基于推理的需求。

　　我們看到，推理它會(huì)更貼近于應(yīng)用，

　　你到底用到什么程度上，對于不同卡的需求也是略有不同。

　　這會(huì)對算力的結(jié)構(gòu)帶來變化。

　　比如說，未來更多在推理場景上，對計(jì)算的能力要求沒有那么高，但可能對存儲(chǔ)、對通信的能力要求會(huì)更高。

　　這個(gè)時(shí)候，基于底層算力的結(jié)構(gòu)，即便總的市場是確定的，但是它結(jié)構(gòu)會(huì)略有差異。

　　對于算力本身的需求，還是會(huì)繼續(xù)往上去增長的，這樣一個(gè)趨勢還是非常明確的。

　　我們簡單拆解一下，可能的增量會(huì)在這么幾個(gè)方面，

　　一個(gè)是GPU 本身對應(yīng)的服務(wù)器的模組。

　　機(jī)房里面，還有銅連接、液冷電源、光模塊、 PCB 等等。

　　看似技術(shù)門檻沒有那么高，但是我們判斷，明年可能會(huì)帶來實(shí)實(shí)在在的投資的增量。

　　最后落到數(shù)據(jù)中心（IDC），機(jī)房里面，它也會(huì)帶來增量。

　　往明年看，國產(chǎn)的GPU 的交付能力，我們判斷是會(huì)大幅提升；

　　之后，它會(huì)帶來整個(gè)產(chǎn)業(yè)鏈的一個(gè)投資。

　　所以我自己覺得，也不僅僅是盯著芯片這一個(gè)東西，更多需要站在整個(gè)產(chǎn)業(yè)鏈又一代的投資上去看這問題。

　　國產(chǎn)的需求，應(yīng)該在未來一段時(shí)間還是非常清晰的。

　　而且對于先進(jìn)芯片，其實(shí)這兩年，它的制裁不僅僅是在算力的通信或者是計(jì)算能力上的限制，開始更多到算力密度的指標(biāo)。

　　這個(gè)時(shí)候，在國產(chǎn)的市場中，到底哪些廠商能夠有比較強(qiáng)的供給能力？

　　國產(chǎn)的算力這一塊，我想就會(huì)變得非常重要。

　　我把出貨量放在最前面，在芯片行業(yè)，規(guī)模是一切的根本。

　　你沒有規(guī)模，就沒有辦法保證你的毛利率和收入，

　　沒有毛利率、收入，你又沒有辦法保證你的產(chǎn)能等等，它其實(shí)是一個(gè)循環(huán)。

　　GPU 本身，包括再往上游的半導(dǎo)體的設(shè)備和材料，我想明年都會(huì)有不錯(cuò)的表現(xiàn)。

　　這個(gè)背后，我們認(rèn)為是有訂單和業(yè)績?nèi)ブ蔚摹?/p>

　　大家非 AI 不投

　　AI 是投融資最活躍的領(lǐng)域

　　最后一塊，我們快速地分享一下我們對 AI 應(yīng)用的看法——

　　AI 應(yīng)用，落地生根。

　　我們看到在游戲領(lǐng)域、辦公領(lǐng)域、教育、電商、視頻，包括終端以及Agent 領(lǐng)域，都有大量的應(yīng)用公司冒出來。

　　而且我們看海外，它確實(shí)經(jīng)歷了從流量效應(yīng)開始逐步體現(xiàn)到財(cái)報(bào)上，它實(shí)實(shí)在在開始有業(yè)績了。

　　正常來講，中國會(huì)復(fù)制類似的時(shí)間節(jié)點(diǎn)，

　　而且，有可能我們在應(yīng)用上會(huì)表現(xiàn)的更快，或者說更出現(xiàn)一些更新的玩法。

　　現(xiàn)在底層模型，比較不錯(cuò)的，像視頻類的豆包，月之暗面的Kimi 等等，它足以去支撐應(yīng)用場景，比如說音樂、影視、教育、電商等等。

　　我們簡單歸納一下，從已經(jīng)出來的結(jié)果來講，對標(biāo)來看，B端應(yīng)用其實(shí)似乎比C端的落地更快。

　　C 端其實(shí)是訪問量和流量在持續(xù)增長，但是從商業(yè)模式上，其實(shí) B端好像閉環(huán)的更快一些。

　　比如說AppLovin，現(xiàn)在實(shí)際上已經(jīng)是一個(gè)千億美金市值的這樣一個(gè)公司，而且今年以來漲了 6 倍。

　　Shopify 實(shí)際上是提供商家的營銷服務(wù)的，表現(xiàn)也非常好。

　　所以，從結(jié)果上來看，海外主要體現(xiàn)在這些 AI 助手、AI 搜索、AI 視頻方面。

　　國內(nèi)發(fā)展比較快的也是 AI 搜索、AI 視頻、AI助手，這一類相關(guān)的也有很多上市公司。

　　這可能是接下來一條非常重要的主線。

　　從投融資上看也是類似的。

　　一句話來講，大家非 AI 不投，AI 還是投融資最活躍的領(lǐng)域。

　　AI廣告

　　AI視頻與Agent

　　比如說，AI 廣告，你說它有多少 AI 的技術(shù)含量，也不一定。

　　但是，更高的標(biāo)記和匹配能力，給它的商業(yè)模式帶來了一個(gè)很好的升級(jí)。

　　這是我們看到的AppLovin這家公司業(yè)績持續(xù)超預(yù)期，毛利率提升的一個(gè)很重要的原因。

　　同樣像Meta，Shopify，其實(shí)都是類似的，還是原來的那些公司，但是因?yàn)橛辛诉@樣的工具，

　　要么內(nèi)部降本，要么增效，在客戶的落地上、營銷的效果上，有了更加直接的體現(xiàn)。

　　還有像 Salesforce，這家公司其實(shí)大家應(yīng)該非常熟悉，在SaaS 時(shí)代，他就是一家明星公司，主要推出的是 Agent 客服，就是說一個(gè)人可能就能提供整個(gè)團(tuán)隊(duì)的作用。

　　以前需要 10 個(gè)人的團(tuán)隊(duì)，現(xiàn)在一個(gè)人從設(shè)計(jì)網(wǎng)站到客服到鋪庫存等等，都能實(shí)現(xiàn)。

　　從這個(gè)背后我們看到，美股現(xiàn)在有一個(gè)大的趨勢，就是所有的SaaS公司，可能都要去上AI 相關(guān)的功能。

　　另外，在數(shù)據(jù)服務(wù)方面，Palantir其實(shí)也是一家非常有意思的做數(shù)據(jù)分析的公司。

　　今年它的業(yè)績、股價(jià)表現(xiàn)是非常好的。

　　但 AI 能對它做什么？

　　其實(shí)核心還是在私有化部署，包括類似于數(shù)據(jù)分析的效率上、交互上都有比較明顯的提升。

　　大家也可以看到，它在AI 產(chǎn)品推出后，整個(gè)的客戶數(shù)量顯著提高。?

　　還有，就是 AI 視頻，這個(gè)是今年國內(nèi)比較超預(yù)期的。

　　簡單看，從去年Sora出來之后，國內(nèi)跑得也很快，像海螺AI、豆包等等，其實(shí)都有對標(biāo)的產(chǎn)品出來，而且在海外出海的認(rèn)可度也是非常高的。

　　這也給我們提供了一些解決應(yīng)用問題的思路。

　　到底是一定要先有一個(gè)全球最先進(jìn)的大模型，才能做出最好的應(yīng)用呢？

　　還是說，有了好的應(yīng)用場景，反向的，能找到模型更好的迭代？

　　其實(shí)現(xiàn)在看起來，后者也是有可能的。

　　在 AI 視頻的場景下，燈籠可以隨意被替換為一個(gè)氣泡，背景可以隨時(shí)被變成森林或者什么東西，

　　以前是要花一些特效的效果，現(xiàn)在基本上是一個(gè)軟件就可以全部解決。

　　今年就像2013年，

　　情緒投資的熱點(diǎn)已經(jīng)起來了

　　國產(chǎn)模型在迅速迭代，我們覺得在方向上，C端我們比較看好的三個(gè)方向——AI視頻 、Agent 和 AI 終端。

　　我覺得，數(shù)據(jù)會(huì)成為一個(gè)基本的要素，但算力和應(yīng)用其實(shí)是未來的一個(gè)勝負(fù)手。

　　我們把模型、算力，應(yīng)用分開成了三塊來講，但我覺得這個(gè)東西它不是割裂的，

　　所以我覺得，最終就是，我們要以未來10-20年這樣一個(gè)維度去看這些技術(shù)的交叉發(fā)展。

　　從移動(dòng)互聯(lián)網(wǎng)那一輪來看的話，去年我覺得可能更像 2012 年——基礎(chǔ)的硬件有了，但是應(yīng)用在哪不知道。

　　那么今年我覺得更像 2013 年，已經(jīng)開始有一些應(yīng)用的百花齊放，

　　而且情緒投資的熱點(diǎn)已經(jīng)起來了，但是我們可能沒辦法區(qū)分，到底哪個(gè)公司會(huì)最終跑出來。

　　但是我相信它一定會(huì)經(jīng)歷一輪大的行情，甚至是泡沫化的行情，

　　然后慢慢再篩選出來，哪些公司在這個(gè)大的技術(shù)浪潮里能夠跑出來。