《科创板日报》7月9日讯 （记者 李明明） ChatGPT的横空出现，把人工智能推到了一个更高的风口。
金融机构如何看待其中的产业变革？大模型有哪些应用场景？今年AI概念有哪些投资机会？在本次2023世界人工智能大会（WAIC）上，《科创板日报》记者专访了中金公司研究部硬科技行业首席分析师彭虎。
聚焦技术竞争力强的创新型公司
《科创板日报》：“大小模型”正成为市场关注热点，何为“大小模型”，你认为ChatGPT之后，“大小模型”如何推演？
彭虎：大模型与小模型是相对的概念。
大模型（Large Language Model）是一类以Transformer神经网络为基础架构的人工智能模型，典型特点为语料规模大、算力需求大、参数规模大，具备较强的泛化能力和内容生成能力，在人机交互体验上具有革新意义。典型的大模型包括谷歌BERT、OpenAI GPT、百度ERNIE等。
小模型相对来说，语料规模更孝算力需求更孝参数规模更校由于数据量与参数量的限制，小模型通常针对具体任务或特定场景进行开发，不同场景下的AI模型较难迁移复用，优势在于“专精”。
我们认为，未来大小模型的关系并非彼此取代，而是相互协同促进。核心原因在于两者各有优劣。大模型泛用性较强，所生成内容媲美人类水平，具备涌现能力并处在快速迭代中，但其巨额的训练成本、高昂的算力资源能耗，都对规模商用产生了不利影响。而小模型尽管泛用性较弱，但贴近真实场景，算力要求低、能耗小，在数据隐私要求高的场合，更具有商用落地优势。
具体来看，一方面大模型通过蒸馏可得到小模型，以轻量化的小模型向下游应用场景赋能。另一方面，小模型可作为教师模型加速大模型收敛，或作为样本模型帮助大模型迭代，增强大模型的行业能力积累。
《科创板日报》：今年AI概念表现亮眼，你如何看待下半年相关板块的演绎，又有哪些风险和不确定性可以提示投资者？
彭虎：今年以来，科技硬件板块中算力芯片、服务器、交换机、光模块、PCB等细分行业备受资本市场关注，具备大模型应用能力的公司也受到资金追捧。尽管产业趋势清晰，但如何将大模型和强算力进行商业变现，仍然存在不确定性。而数十家公司发布的上百个大模型产品，也意味着未来市场竞争激烈、市场格局变化难以预料。
展望下半年，我们认为算力产业链较快的成长性和较高的确定性仍值得关注，而生成式人工智能在自动驾驶、机器人、机器视觉等领域的落地节奏或将加速，建议着眼于行业发展的长期潜力，聚焦技术竞争力强、产品先发优势大、业绩确定性高的创新型公司，树立价值投资理念，避免过度追逐热点。
AI芯片需求持续放量
《科创板日报》：随着大模型应用的推出和更新完善，产业链哪些环节有望受益，在应用场景方面，你看好大模型在哪些应用场景的落地？
彭虎：大模型的训练及推理需要海量数据的高效处理作为支撑，云端算力基础设施迎来发展机遇。
1．算力芯片。大模型训练对AI芯片计算能力、存储容量、通信带宽等多个维度，提出了更高的技术要求，AI芯片需求持续放量。
2．服务器。AI服务器以异构形式整合了GPU、TPU、DPU、IPU等多类芯片的数据处理能力，以便更高效地支持大模型训练及推理能力的提升。相较于普通服务器，AI服务器未来或将成为服务器的主流形态。
3．数据交换机。互联网数据流量持续增长和互联网超算数据中心网络架构转型，有望持续驱动数据交换机的升级与提速，高速以太网交换机市场有望实现强劲增长。
4．光模块。AI流量爆发驱动800G、1.6T等下一代超高速光模块产品的渗透率曲线，或将变得更为陡峭。此外，硅光模块、CPO技术、LPO技术有望引领下一代数据中心光模块技术发展趋势，助力超高带宽数据互联加速普及。
5．数据中心配套存储、温控、电源等产业链均有望受益。
在AI应用方面，大模型有望在消费等多场景落地。
消费场景方面，智能手机：在硬件端，生成式AI有望带动移动端AI芯片性能提升，促进智能手机性能再次升级；在应用端，生成式AI将改变人机交互的方式，提升手机作为流量入口的商业价值，并深刻影响智能手机应用生态体系的发展。
可穿戴产品：借助AI内容生成和图像分割/识别模型，AR/VR人机交互效率和使用体验将得到显著提升。
智能家居：智能音箱的交互水平有望得到全面提升，或将成为智能家居流量入口之一，同时通过接入大模型，将提升智能家居系统的智能化程度，有望真正意义上实现全屋智能。
服务机器人：谷歌PaLM-E模型探索了通过自主学习的大模型，在现实环境中处理机器人指令，使服务机器人完成复杂任务。
产业场景方面，智能驾驶应用中，大模型能够帮助提升长尾路况场景决策能力；智能座舱应用中，“重体验、强交互”趋势下，大模型能够增强车载语音多轮对话、上下文理解能力，有望革新交互体验；城市安防中，大模型有望赋能城市底层业务的统一感知、关联分析和态势预测，更好地实现城市决策与治理。此外，对高重复度、重知识量等场景，大模型也能有较好的应用，包括工业质检、智慧医疗、法律服务、教育等。
未来AI算力领域将会性能提升、需求多样化、产业链配套加速
《科创板日报》：作为人工智能三大核心要素之一，算力也被誉为人工智能“发动机”，你认为，未来AI算力领域将会呈现怎样的发展趋势？
彭虎：首先是性能提升。AI范式进入“炼大模型”时代，对AI芯片计算能力、存储容量、通信带宽等多个维度，提出了更高的技术要求。当下硬件迭代也反映了上述需求变化，例如英伟达H100 NVL GPU专为大模型训练而开发，服务器系统训练效果12倍好于前代A100系统。
其次是需求多样化。训练芯片方面，训练属于非实时业务，取决于模型参数量的多少和算力芯片性能的高低，科技厂商“算力竞赛”推升AI加速芯片及AI服务器需求。TrendForce预计2023年AI芯片出货量将同比增长46%。推理芯片方面，推理属于实时业务，需要响应客户端触发的实际请求，算力需求取决于活跃用户数和设计并发数的级别。推理芯片的需求和用户数增长呈正比，考虑到大模型应用向千行百业各类场景落地的较大潜力，广阔的行业需求有望驱动推理芯片市场空间加速成长。
然后是产业链配套加速。AI服务器、交换机、光模块、存储、温控、电源等算力配套基础设施建设，有望迎来发展机遇。
第四是自主创新紧迫性强。目前全球GPU市场竞争格局较为集中，某些海外公司的芯片及硬件系统处于市场主导地位。长远来看，算力将是AI产业第一生产力，提升国内AI芯片产业链创新能力，加强产业链供应稳定性，已成为亟待解决的问题。
《科创板日报》：AI如何助推数字经济发展？数字经济对中国经济发展又起到怎样的关键作用？
彭虎：人工智能能够实现对海量数据的高速处理和智能分析，并能给出趋势预测，从而提高社会生产生活各环节运营效率，深化数字经济与实体经济的融合。
数字经济“是继农业经济、工业经济之后的主要经济形态，是以数据资源为关键要素，以现代信息网络为主要载体，以信息通信技术融合应用、全要素数字化转型为重要推动力，促进公平与效率更加统一的新经济形态”。
在传统投资对经济拉动增长效果边际递减背景下，发展数字经济能够推动产业数字化、智慧化转型，拉动数据中心、服务器、算力芯片、存储、网络传输基础设施等一系列数字新基建相关高科技行业的发展，同时也为新经济注入新活力，接替传统投资成为拉动中国经济的新增长极。
（财联社记者 李明明）
