029-33111111
2024 年的政府工作报告中，明确指出要深化人工智能应用，并首次提出开展“人工智能+”行动。该行动 打开了新质生产力的大门，人工智能正在成为产业创新的关键抓手。尤其是以大模型为代表的生成式 AI 技术，已成为推动新一代产业变革的核心动力。 围绕生成式 AI 行业，下面我们从了解其定义及与传统 AI 的差别入手，了解其演进历程、驱动因素、发 展意义及市场空间，并对产业链及相关公司进行梳理，对商业模式及相关前景进行解读，并对可能出现 的相关风险进行说明，方便读者深入了解这一行业。
生成式AI行业深度：演进历程、驱动因素、产业链及相关公司深度梳理来源：《幻影视界》
生成式 AI 产业链涵盖了从硬件设施到软件算法的各个环节，主要包括上游基础层、中游模型层和下游 应用层。其中，基础层涵盖包括算力和数据要素，AI 芯片、AI 服务器以及智算中心支持 AI 大模型大量 的计算和储存空间；模型层主要包括通用大模型和行业大模型，单模态模型按照内容种类又分为文本大 模型、语音大模型、视频大模型等，多模态 AI 大模型协同文本识别、声纹识别、图像识别等功能，实 现跨模态内容生成。应用层主要包括生活消费应用、产业经济应用以及公共服务应用。
受益于生成式 AI 带来的算力需求提升及收入端变化，A+H 相关标的上游基础算力层领涨。AI 训练模型 算力提升速度突破极限，目前英伟达训练型 AI 服务器一般配备 8 个 GPU，而通用服务器只需要 1-2 个 CPU、不含 GPU。随着以 ChatGPT 为代表的 AI 的发展，训练 GPT-3、Megatron-TuringNLG530B 等 超大语言模型所要求的算力提升速度已经突破了后摩尔定律算力提升速度的极限，尽管 CPU 不断升级， 但 CPU 制程以及单个 CPU 和核心数量接近极限，仅依靠 CPU 无法满足算力需求。
2022 年 11 月，ChatGPT 的问世引发了生成式人工智能大模型在全球的发展浪潮；2023 年伊始，国内 各大高科技厂商、高校及创业团队相继推出自研大模型；2023 年下半年以来，国内大模型持续更新迭 代，逐步形成了“百模大战”的火热场面。
中国大模型市场呈现快速发展态势，根据亿欧智库发布的《2024 年中国“百模大战”竞争格局分析报告》， 2023 年中国语言大模型市场规模达 132.3 亿元，未来将持续高速增长，预计 2027 年市场规模将突破 600 亿元，2023-2027 年的复合年均增长率达 50.6%。
根据 AI 产品榜公众号的数据，2024 年 3-4 月，百度旗下文心一言和百度文库 AI 功能访问量居前； Kimi(Moonshot)增长势头迅猛，连续两个月访问量快速增长，排名第二；秘塔 AI 搜索、360AI 搜索等 搜索类产品也表现出色。整体来看，访问量数据反映了中国 AI 大模型市场的活跃度和用户对这些技术 的高度兴趣。
（1）生成式 AI 应用按应用领域可以分为：通过工具，通用软件、行业软件、智能硬 件四大类
1）工具型应用：包括聊天机器人、搜索引擎、文本工具、AI 作画以及代码工具等，应用领域主要集中 在 C 端，产品的同质化程度较高，对底层模型的能力存在高度依赖，目前 C 端应用正进入第一轮洗牌阶 段；
2）通用软件：主要包括办公软件、企业服务、IT 运维、软件开发、网络安全、数据智能等领域，各个 赛道上均已出现标杆产品，大多数是智能助理（Coplilot）的形态，预计将在四季度进入商业化落地的 关键阶段九游科技；
3）行业软件：涉及金融、医疗、教育、工业、游戏、法律等多个行业，行业间差异化程度较大，2B 场 景下产品目前成熟度仍低于通用软件，金融、医疗等头部厂商开始打造垂类大模型，未来对行业数据价 值的充分挖掘是竞争的关键；
4）智能硬件：汽车、机器人、智能终端等，无论智能驾驶还是机器人均具备巨大的市场空间，当前的 瓶颈在于感知层与决策层，需要计算机视觉等底层技术的进一步突破。
1）感知：对文字内容的感知、对人类输入的需求理解能力，未来进化方向是从文字内容的感知到图像 视觉的感知；
2）分析：对信息和知识的检索、归纳与整合能力，未来进化方向是推理和决策。
3）生成：文本生成能力较为成熟，未来进化方向为图片、视频、3D 等多模态生成能力的进一步提升。 基于三大底层元能力，未来的 AI 应将沿着 AIGC（内容生成）、Copilot（智能助手）、Insight（知识 洞察）、Agent（数字代理）四个重要的方向演进：
1）AIGC（内容生成）：生成式 AI 的最主要变革是它能够生成创造新的内容，包括文本、图像、视频、 代码、3D 模型等，AIGC 应用发展将取决于大模型及多模态技术的进一步的提升；
2）Insight（知识洞察）：基于大模型实现对数据、信息、知识的分析与整合，为用户提供洞察并辅助 决策，主要应用于金融、医疗、军事等领域的分析、研究和决策工具。
3）Copilot（智能助手）：将 AI 的能力深入嵌入具体应用场景中，作为应用的 AI 助手，能够主动理 解使用者的意图并提供成型的方案，Copilot 是生成式 AI 应用最广泛的产品形态；
4）Agent（数字代理）：AI 智能体，相较于 Copilot，Agent 能够自动感知环境，通过自己的独立决策 和行动来改变环境，并通过不断学习和自适应来提高性能，主要应用包括自动驾驶、机器人等。
（3）目前生成式 AI 在游戏、法律、教育、电商等 C 端场景有较多的结合，而在医疗、 金融、工业等 B 端场景下生成式 AI 产品的成熟度仍然偏低。
在行业类应用场景中是 AI 助手（Copilot）同样得到了广泛应用，而未来在金融、医疗、工业等领域， 最具前景的应用来自于数据挖掘和知识洞察（Insight）类工具。同时，相较于通用大模型，垂直行业大 模型在金融、医疗等领域有着更加深度的应用，一是由于安全及隐私保护等要求，行业数据大多存储在 本地，通用大模型在缺乏必要的训练数据，二是垂直行业的数据量级大，涉及系统又比较复杂，通用大 模型在解决专业问题的能力上不如垂类大模型。包括彭博社推出的金融大模型 Bloomberg，以及 Meta 公司推出的蛋白质大模型 ESMFold 均证明了垂类大模型的专业性能要超过通用大模型，目前各行业头 部厂商也在开始自建垂类大模型。
本文仅供参考，不代表我们的任何投资建议。【幻影视界】整理分享的资料仅推荐阅读，用户获取的资料仅供个人学习，如需使用请参阅报告原文。返回搜狐，查看更多
服务热线 029-33111111 