全面解读ChatGPT产业链机会 ！

    一、分析师分享环节

    计算机蒋佳霖

    为什么关注ChatGPT？2022年11月30日，OpenAI推出人工智能聊天工具ChatGPT，一周后用户数突破100万人，月访问量达2100万人次。ChatGPT的推出，在IT产业和资本市场层面均产生巨大的影响。

    在产业层面，搜索引擎巨头忌惮于ChatGPT对传统搜索业务的潜在威胁，均做出了积极的应对：谷歌公司要求其多个团队集中精力，解决ChatGPT对公司搜索引擎业务构成的威胁；百度预计3月推出类似ChatGPT的人工智能聊天机器人。而微软计划将ChatGPT等工具整合进旗下包括Bing、Office在内的所有产品中。

    除此外，ChatGPT由于其对文字工作者、方案策划师、程序员、客服人员等的工作内容具有替代性，正给产业生态带来深刻影响。在资本市场层面，根据华尔街日报消息,OpenAI目前估值已达290亿美元；而BuzzFeed因采用ChatGPT上岗写稿，两天股价涨3倍，等等。产业与资本市场形成了共振。

    对ChatGPT的产业观点：

    （1）ChatGPT之所以成为爆款，除了其本身的产品力较强之外，一个比较核心的原因是，在全球经济面临一定压力的背景下，企业降本增效需求尤其迫切，而ChatGPT等新技术是解决上述需求的最重要路径。

    历史上相类似的，2008年的全球金融危机，催化了云计算产业的快速发展，并逐渐从海外发达国家延展到了国内。因此，在当前，包括ChatGPT在内的人工智能产业，由于其对人工的替代潜能可以有效的帮助企业降本增效，因此会反复发酵甚至加速。

    （2）从中短期来看，ChatGPT对包括搜索引擎巨头在内的产业生态，暂时还不会带来实质性的颠覆。因为目前ChatGPT不开源，商业模式不清晰，同时其运营过程又需持续产生高额成本，因此影响了其生态的快速膨胀，这给其他公司会留出应对的时间和空间，也同时为其他的产业链参与者带来了机会。

    （3）ChatGPT虽然目前技术水平相对其他AI聊天工具更高，但仍未达到理想状态，其产品迭代及生态建立仍需一些时间，盈利兑现也需要时间。

    计算机板块相关标的：

    重点关注科大讯飞，其他标的包括 拓尔思、海康威视、云从科技、格林深瞳、海光信息、寒武纪、景嘉微、海天瑞声。

    人工智能细分领域围绕算法、算力、数据三个方向展开，ChatGPT产业中算法最为重要，算力与数据其次。

    算法角度：科大讯飞、拓尔思（NLP）、海康威视（图像识别）、云从科技（图像识别）、格林深瞳（图像识别）。其中，科大讯飞在文本识别、语音识别、语义理解等领域优势明显。

    算力角度：海光信息（DCU）、寒武纪（AI芯片）、景嘉微（GPU）

    数据角度：海天瑞声（数据标注）。不同行业也均有相关集成和平台类公司拥有大量的数据资源。

    传媒李阳

    对ChatGPT的产业观点：ChatGPT在应用层面仍有很大市场空间。OpenAI的GPT系列从2018年发展至今，技术迭代速度很快，若后续仍有新突破的产品推出，AIGC市场商业应用会迎来爆发。从元宇宙角度来看，2022年11月1日，VR产业计划发布后，元宇宙概念掀起热潮。

    苹果MR设备若在今年二三季度发布，也会带来元宇宙热潮再次启动。在元宇宙应用中，依靠人力进行内容供给远无法满足应用需求，未来AIGC将成为元宇宙应用内容生产主力。

    传媒板块相关标的：中文在线、视觉中国、昆仑万维。

    （1）中文在线在AIGC产业有较多布局，可基于不同场景填写关键词与辅助语句形成文字描述辅助人员进行创作。

    （2）视觉中国旗下元视觉网站已推出AI作图相关应用，且目前销量可观。同时，其拥有大量图片版权，商业价值较高。

    （3）昆仑万维相较前两个公司市值较大，较早进行AIGC布局，天工四大体系布局图片AI、音乐AI、文本AI、编程AI。且其海外StarMusic应用拥有大量用户群体，昆仑万维正探索运用AI技术创作原创音乐降低版权费用支出。

    除上述公司外，小说类、本文类、图片类、音乐类、视频类、虚拟人等赛道均为AIGC未来战略主流赛道，团队均看好。

    通信章林

    对ChatGPT的产业观点：ChatGPT等AI应用需基于大量模型训练，对算力要求较高，云计算基础设施从而十分关键。若其得到较大发展，其产业对算力要求会带来云计算基础设施较大增量。

    建议重点关注光模块和运营商两个方向：

    光模块作为云计算数据中心重要零部件，是非常典型的新产品周期驱动行业。

    目前行业处于400G、800G新产品放量中后阶段，谷歌、英伟达等海外客户的批量采购宣告800G产品已迎来放量时期。

    故今年由于处于“青黄不接”阶段，行业增速相较去年会有一定程度下降，明年开始光模块行业由于800G驱动增速会显著提升。

    历史来看，在“青黄不接”期间板块会迎来较好投资机会，目前股价处在历史低点，且相较200G、400G两轮新产品周期中板块最高估值40-50倍来看，目前整体估值水平在15-20倍之间，位置较低、上行空间很大。

    且今年行业增速下降已在去年股价中明显体现，下跌空间有限，团队认为即使增速略有下降，但以旭创为代表的公司今年仍具备较大空间。

    运营商方向，过去两年运营商的云计算业务已实现爆发式增长，相比2017年已实现超过100%增长，今年全年三大运营商收入规模总和将超过千亿。

    伴随大安全战略背景，运营商央企背景将带来优势，结合低估值水平，4-8倍PS对应小几千亿市场规模，将迎来较大增量。

    数据要素市场方面，运营商数据量可观，在数据要素市场中可参与较多环节，且配合云计算业务与IDC基础设施下沉，竞争力较强。

    通信板块相关标的：中际旭创、中国移动

    光模块方面：中际旭创作为800G光模块龙头，今年作为国内最早放量标的，拿到最高份额与订单，确定性较强。股权激励为其业绩保驾护航，且估值水平较低，团队预测其2024年进入40%增速。

    运营商方面：中国移动作为团队连续两个月金股将有机会受益于ChatGPT等AI新产品发展。

    海外TMT洪嘉骏

    对ChatGPT的产业观点：ChatGPT用户定位并非想要寻找最优答案的专家型人群而是70%-80%的大多数人群。且其商业模式不同于传统搜索引擎的具有多来源出处的搜索模式，因此其模式的潜在广告收入较少，仍具有较大挑战。

    对于谷歌等巨头来说，其在海量搜索次数与算力的基础上发展商业模式只是时间问题，但聊天机器人的产品广告模式及成本问题短期内仍无法拥有较好解决方案，仍需进行继续探索。团队认为ChatGPT在现阶段算力制约下更为可能走向ToB模式。

    例如，微软将其应用于Office等生产力工具场景中。长期来看，虽然ChatGPT会有更多商业模式与场景应用，但对于搜索行业格局并不会是颠覆式的，两者将与时俱进且并存。

    AI计算在过去六七年间，英伟达等GPU公司在场景应用上有较大突破，未来在ChatGPT模型搭建与实际商业化应用方面均需要更新型AI降低成本。

    相关存储板块，商业化之后也会有更大渗透率，突破目前消费电子为主要驱动的周期性瓶颈期。

    对于网络运算、网络通信等方面，以及相关通信公司，ChatGPT也将深入网络加速等方面，未来商业化后将看到投资机会。

    港股板块上，中文ChatGPT、语音学习难度大很多，但是当趋势形成，国内龙头将会持续发展储备产品。

    海外TMT板块相关标的：百度、商汤、腾讯、字节跳动。

    （1）百度最近提出筹备ChatGPT相关产品。

    （2）算力方面，商汤本身在超算方面有较好基础。

    （3）腾讯搜索业务发展较快。

    （4）字节也在规划突破社交封锁与搜索业务，值得后续关注。

    二、专家问答环节

    Q：ChatGPT相对于其他竞品来说，主要的创新点和技术壁垒在哪里？

    A：ChatGPT利用强化学习从人类标注者反馈中学习，可进行问答、阅读理解、头脑风暴等。ChatGPT关键能力来自于基座模型能力（InstructGPT），可真实调动数据并从用户标注中反馈学习。

    ChatGPT模型结构与InstructGPT几乎相同，InstructGPT基于OpenAI GPT-3.5模型强大的基座能力，其学习主要分为三个阶段：

    （1）第一阶段为冷启动监督策略模型。一开始依靠GPT-3.5，GPT-3.5虽然很优秀但不能理解人类不同指令中所蕴含的不同意图。

    故人类标注员会对测试用户提交的反馈中，对每个询问做出高质量回答，来使GPT-3.5模型初步具备理解人类意图的模型能力。

    （2）第二阶段为训练回报模型。训练回报模型依然依靠人工标注数据来训练回报模型，对每各问题所对应的K个结果质量进行排序，再通过对比学习方法得到一个激励模型（Reward Model）。

    （3）第三阶段为使用强化学习策略来增强模型预训练能力。此阶段不需要人工标注数据，使用第二阶段模型打分更新预测结果。

    使用提问对应的随机指令，运用冷启动模型初始化PPO模型参数，进行随机打分，此分数即回答的整体Reward，进而将此Reward回传，由此产生的策略梯度可以更新PPO模型参数。

    其创新点在于没有涉及多阶段模型训练任务，一般直接通过监督学习或强化学习。其将多个模型、训练方式累加到一起，通过多个模型作用于一个结果。

    Q：如何展望ChatGPT商业模式，以及对产业链其他公司的影响？

    A：伴随ChatGPT继续快速发展，ChatGPT作为NLP的一个基础模型，NLP领域包括信息抽取、机器翻译、小样本迁移学习等研究方向将会迎来较大发展。上游来看，数据标注、算力、数据清洗、数据采集等行业将面临蓬勃发展。

    下游来看，智能客服、聊天机器人等应用领域将蓬勃发展。目前国内电商等行业智能客服多轮对话能力较差，伴随ChatGPT等开放式对话模型升级，智能客服会在人力成本方面有飞跃。

    在写作等创作领域会有较大突破。NovelAI(diffusion)等绘画AI可提高平均画作质量且降低了成本。

    ChatGPT素材收集、润色改写、扩充摘要等服务将使创作效率得到提升，AI辅助写作可能成为主流写作方式。虚拟现实领域也是较为重要的领域之一。

    得益于AI创造能力提升，人类虚拟世界丰富程度将极大提升，将吸引更多客户。在教育领域，ChatGPT可作为专职教师提高获取知识效率。

    在搜索引擎行业，目前ChatGPT还无法替代搜索引擎功能。

    首先，其基于大规模模型，新知识接受能力不友好，更新模型的训练成本与经验成本很大。

    其次，若面向真实搜索引擎的大量用户请求，在线推理成本较高。

    搜索引擎与ChatGPT模型双结合方式可能会成为搜索引擎主流方向，国外部分厂商已经在逐渐将类似ChatGPT功能嵌入搜索引擎。

    Q：国内ChatGPT产业链的发展现状？

    A：国内向ChatGPT以及AIGC领域发展的公司已非常多。

    百度向ChatGPT领域发展动机十分明确，维护其搜索领域护城河，在下一代搜索引擎市场中抢先占据有利地位。百度ChatGPT业务开展得益于其大量搜索引擎业务问答样本，样本量级足够。

    京东、阿里、拼多多等公司已经开始在智能客服方向上做出尝试。

    字节跳动也在逐渐入局AIGC，并将生态场景在内部进行应用，原来今日头条中内容分层依靠于UGC等生产者，现在已逐步往AIGC方向迁移。

    国内一些创业型公司也已经开始崭露头角。聆心智能推出AI乌托邦，其开放式对话与ChatGPT较为类似。

    国内大多数公司正在向虚拟人、AIGC等概念靠拢，目前没有ChatGPT替代品问世，还存在着一些技术发展瓶颈。原因在于四点：

    （1）国内缺少基础模型，没有模型迭代积累。ChatGPT依赖于InstructGPT，InstructGPT依赖于GPT-3.5、GPT-3。

    （2）国内缺少真实数据。除百度有天然用户搜索问答训练样本外，对于其他公司较为缺少。

    （3）国内缺少技术积累。ChatGPT发展过程中对于数据处理、清洗、标注、模型训练、推理加速等方面均具有技术难点，且对结果均影响较大。且包括国内大厂在内，强化学习框架仍未出现大规模使用场景。

    （4）国内创新性土壤还需发展。整体商业环境较为急躁，但投入与产出需要花费一些时间。

    Q：随着ChatGPT的应用群体增加，是否会出于成本考虑对国内的流量使用进行限制？

    A：目前ChatGPT处于demo阶段，是否会对流量作出限制取决于OpenAI在此阶段预备投入，其是否愿意增加机器、增加服务部署。若国内流量已经完全影响到其在线服务，限制国内流量是有可能的。

    Q：后续围绕ChatGPT、AI，产业还有哪些值得期待的重大变化？

    A：短期重要产业变化主要在三个方面。

    首先，短期内围绕ChatGPT，搜索引擎领域会出现两者结合发展方向。

    其次，在智能客服领域，若ChatGPT可以实现客服功能，对人力成本降低会有突破。

    再次，在NLP应用领域，由于其本质上是序列到序列的语言模型，伴随ChatGPT模型能力提升，领域技术上限提升，下游机器翻译等领域也会得到发展。

    Q：基于ChatGPT的智能客服，是否反而会增加企业成本？

    A：分情况而定。传统客服成本为人力成本，ChatGPT成本包括在线策略成本、机械成本、离线训练成本、数据采集调度成本等方面。

    在成本方面，需要对客服对接客户问答数据量进行估算，对小规模公司来说，自研此类工具需要大规模数据训练、采集、清洗等资本花费。

    对于大规模日均产生用户交互较多的公司来说，长期来说，数据训练、采集、清洗等资本花费只是一次性的，花费更多集中在在线成本上，此时成本会低于人力成本。

    故新型的ToB服务模式为中小型企业提供智能客服功能也将是未来发展的方向。

    在质量方面，ChatGPT质量不会低于人工客服，其足以支持代码Debug等精细专业化服务，效率比人工客服高。

    Q：国内布局ChatGPT公司中，在信息基础设施选择方面，国产设备及云的占比情况如何？

    A：云计算设施方面，国内大厂例如百度、阿里、字节均使用自研云计算服务。对于中小型企业，阿里云市占率最高，阿里云、京东云排名较为靠前。

    芯片方面，目前大规模使用英伟达芯片，主要原因在于其性能、服务链路积累及其市占率优势。

    目前自然语言处理、计算机视觉等领域均会使用英伟达GPU芯片等高性能芯片。针对搜索、推荐等场景，很多公司不采用GPU而采用CPU形式，例如字节在推荐等场景更多使用CPU芯片进行分布式计算环境搭建，成本会有所降低。

    但对ChatGPT来说，对大规模GPU芯片有所需求，国外大厂目前市占率非常高，国内自研有所推进但在此方面仍有所欠缺。