“在大模型创业的泡沫阶段，上游产能需求的爆增是非常确定的。
1. AI 是数字化时代的 “操作系统”，是一个超级工具，它会大幅加速数字化应用的落地，就像移动互联网时代的 IOS 和安卓，但不要忘记更大的时代主线是数字化和智能化，我们既要看到 AI 对数字化的加速，更要看到数字化时代将会对生产、生活方式的下一次重塑，这才是空间更大的领域。
2.这一轮科技创新是在中美科技竞争的背景下展开的，所以很多创新我们不能再只从应用或者商业模式创新做起，需要从底层操作系统、大模型、芯片和 CPU、GPU 做起，甚至从芯片再上层的芯片先进制程，以及半导体装备、材料这些创新做起，这是跟前面两轮科技创新最大的不一样。也会带给我们全新的挑战和机遇。
3. 站在今天，长期看全球供应链要从效率优先逐步走向安全优先，当然这个安全是广义的， 包括自主可控、供应链稳定、数据及信息安全等等。
4.想明白这件事，你就明白了第三次科技浪潮的机会主要是在中美之间。当然对于 AI 来讲，这次 Open AI 的成功，是给中国所有互联网企业带来了一剂强心针，照着这个路径去做生成式 AI，是能够做出来的。我们过去几个月调研了非常多一线的互联网公司，得到一个非常一致的结论，对于这些互联网公司或者产业来讲，他们认为上一次让他们这么恐慌的时候还是 2009 年，就是移动互联网来临的时候，而且这次是全面的一把手工程，很多都是创始人亲自督战，这也是过去几年没有过的。都会发现他们把大模型的团队作为目前阶段他们非常重要的要全力支持的，不管在算力上还是人才上，这个趋势是很清晰的。所以未来 6-12 个月的 AI 行业应该会很卷，但也很精彩。各家模型的登场才刚刚开始。
5. 回到大家最关心的 AI 和接下来 TMT 领域的投资机遇。我们简单把整个产业链分为大模型、中间层、算力和应用来看，大模型可能还是核心中的核心。大模型的壁垒和难点到底是哪些呢？不管是现在开始火的生成式 AI 还是 GPT 自身，这个背后是有大量的底层的技术突破，包括算法，训练模型的机制，也包括算力、数据等，但除了数据量之外更重要的还有数据的质量，当然入口场景也是非常重要，拥有优质数据和场景的公司在这个阶段会很有话语权。
6.事实上我们从 2017 年谷歌这个 Transformer 模型出来之后，GPT 和 BERT 都是从这个链路延伸出来的，你不得不承认，纵然大模型是一个门槛很高的行业，但实际上大模型的成功它不是一个简单的强因果关系，实际上是有一定的偶然性的。所以最近其实在大模型界有很多讨论，就是说如果把 GPT-3 及以前的训练模型，以及算法全部开源了之后，还能不能复现 GPT 的能力，我觉得这个其实是需要时间去检验的。所以接下来的半年对全球 AI 行业都会是非常重要的半年，大家都把 GPT-3.5 当做一个对标的锚点，能不能做到类似的能力或者到底会有多大的差距，这个非常重要。当然，这半年能不能再有比较惊艳的大模型跑出来、被验证也是在目前二级市场情绪和估值已经阶段性高点下还能不能继续或者有空间的重要影响因素。所以我们要去认真跟进每个大模型公司的进展和技术，而不是简单去拍行情是开始还是结束。
7.其实今天的大模型就像几年前的电动车，是有偶然性的，但它也一定会有最后的赢家，但这个赢家是卷出来的，而且是竞争非常激烈的，因为这里边有传统的巨头、有二次创业的新贵，更有门口的野蛮人，最后谁在整车里面能胜出，不确定性极大。但卷了几年的电动车和现在的大模型领域最大的区别是造车的人已经开始减少和出清了，而造模型的人现在还在净增加的阶段。
8.当下来看，流向大模型的每一滴水其实最后都会流向算力，在所谓大模型创业的泡沫阶段，实际上会给上游产能需求的爆增是非常确定的，所以这个阶段我还是认为算力是一个非常确定的投资领域，我们应该把这个算力理解为广义的，算力的上游芯片和半导体甚至设备都会有机会。
9.另外对于应用，我想可能也会带来一个朦胧美的阶段，至少不管是谁的大模型成功，有场景和用户的应用创业者都可以去接入，在这个阶段会给整个应用行业的估值带来很大的想象力。
10. 在应用部分的话，我们想数字化最大空间的领域最终应该是从 to C 走向 to B。今天我们盯着 AI 在解决这些问题，比如说代码、图片、视频、游戏，这是海外的一些创新，但是我个人觉得长期它一定会延伸到更多 to B 的场景，比如汽车、工业（制造业）、军工及航天航空卫星等、能源、生物制药等领域。
11. 每一轮科技创新都是由大的确定性和小的不确定性构成的。确定的是行业技术和演进趋势，不确定的是谁最终能跑出来在行业初期非常难判断。所以我们经常开玩笑说科技行业的投资要留一份清醒留一份醉，太清醒了会错过科技大浪潮的板块性机会，太醉了又可能会被泡沫反噬。
以上，是中信建投证券研究所所长、TMT 科技行业首席分析师武超则，2023 年 4 月 6 日在中信建投证券 “繁荣的起点” 2023 年成长行业专题策略会上 分享的最新观点。
新财富白金分析师武超则所长一直专注于 TMT 科技产业链前沿研究，此次对于当前投资热门 AI 赛道，结合对过去研究的复盘与对未来行业的展望，做了名为《AI 全面加速数字化时代来临》的主题演讲。
AI 是数字化时代的 “操作系统”，是一个超级工具，它会大幅加速数字化应用的落地
向大家汇报一下我们的观点：对最近特别热门，但同时争议也很多的 AI 行业以及大的科技板块的一些中长期的思考。
AI 行业从去年 11 月底 OPEN AI 发布 Chat GPT 到现在，应该是市场上最热的话题之一。但我今天这个题目叫做《AI 全面加速数字化时代来临》，核心想说的是：AI 是数字化时代的 “操作系统”，是一个超级工具，它会大幅加速数字化应用的落地，就像移动互联网时代的 IOS 和安卓，但不要忘记更大的时代主线是数字化和智能化，我们既要看到 AI 对数字化的加速，更要看到数字化时代将会对生产、生活方式的下一次重塑，这才是空间更大的领域。
从 2022 年初开始，我们也看到国家有一系列重磅的政策围绕数字化推出，从去年初国务院发布的《“十四五” 数字经济发展规划》，到近期发布的《数字中国建设整体布局规划》，以及近期数据局的成立等等，都在为数字化应用做好底层数据和算力的准备。
AI 可能只是一个加速器或者说一个是催化剂，不要因为 AI 而忘了它背后更长远、更加确定的这一轮中美科技共振的是数字化、智能化的趋势，这是非常确定的，会对未来整个社会的生产和组织方式带来类似互联网革命一样量级的深远影响。所以今天我想花半个小时的时间跟大家分享一下我们怎么看待这轮技术革命的中长期趋势，今天更多的还是围绕产业发展趋势跟大家作一些分享，二级市场短期的波动今天我们不做过多讨论。
ICT 产业发展分为大的三个阶段
总结一下，我们简单的可以把整个现代 ICT 产业发展分为大的三个阶段，一个是从 1980-2009 年，这个节点本质上是以人的连接获取人口的福利。那时候现象级的产品就是 Windows，还有那个时候非常成功的公司是思科，它大概承载了人类大概 80% 的网络设备。
2000 年之后到 2018 年，本质上我们把它认为是以应用的连接来去获取移动互联网福利的 20 年。那么在这 20 年里面，两个比较标志性的节点是 2007 年 iPhone 的 IOS 系统发布，有了操作系统之后 iPhone 才有了灵魂，你发现我可以直接用一个 APP 去听音乐，当然这个背后跟 2009 年 3G 网络的商用是有很大关系的，你可以实时的在线的获取很多的信息，这个时候这个硬件的灵魂被点亮了。
2011 年当时一个标志性的事件是安卓占到了整个手机市场 50% 的份额，所以其实那个时候你会发现智能手机的渗透率基本上已经超过了 50%，当然最后发生的事情就是那 30 年 BAT 市值增长了 20 倍，美国的六大互联网公司支撑了所谓纳斯达克的十年牛市，增量市值 40% 是来自这六个公司。
2018 年之后，我们认为应该是以物的连接来获取连接福利。简单讲，数据现在已经有了，有了这么多数据之后我们怎么用它呢？怎么用一个好的工具来去挖掘出这些数据的价值，而不是简单的把它存下来，你的大脑没有一个好的 CPU 去处理这些海量的信息，怎么能从互联网时代甚至已经过载的海量的信息中更高效的提取出有效的信息，这就是 AI 要去解决的问题。
简单的再给大家看一下这张图，可能很多领导经历过过去十年移动互联网的投资，可能都会对这里面的每个股票都印象深刻。
2007-2011 年，实际上是源起于上一轮的通信和电子行业，整个硬件渗透率的提升，当时两件事的标志是 2009 年整个 3G 商用，2010-2011 年智能手机从渗透率从 30% 到 50%，2011-2016 年，是移动互联网应用爆发的 6 年。
其中 2013 年是一个非常重要的年份，我们看到 2013 年移动互联网第一个赚钱的应用手机游戏诞生了，我记得当时我去路演，基本上每天都在解释手机游戏为什么可以赚钱，当然那年还有一个非常赚钱场景就是给手游行业做卖铲子的人，移动广告。
2014 年当时就两条主线，一个是互联网教育一个是互联网彩票，到了 2015 年的时候，我们看到整个互联网 + 万物开始逐步出现，首先是视频，大家应该还记得乐视网，然后互联网金融等等，还有互联网医疗等。
简单把这些公司回顾了一下，再看那 6 年发生事情，很多人会说这不都是泡沫嘛，大部分公司最后可能都是不成功的，但其实有一个事实，在这轮以传媒和计算机行业驱动的行情中，这个周期其实也是整个移动互联网那一轮里最甜蜜、涨幅最大，或者说对估值容忍度最高的 6 年。
后边就来到 2016-2018 年，行业中大大牛股是卖铲子的人（CDN、云计算）和最后真正胜出的互联网龙头。2017 年，大家应该还记得港股的科技大牛市，那个时候的腾讯、阿里，因为大家发现最后游戏这个行业跑出来的是腾讯和网易，以及互联网行业真正成功的公司不是在 A 股上市的，而是在港股和美股上市的。
所以简单的复盘了一下，你要把现在 AI 行业所处的阶段去对比移动互联网发展阶段的话，我们现在比较像 2012-2013 年的阶段，硬件初成气候，应用跃跃欲试。那么我们要分清楚，我们现在到底买的是什么？是对整个行业成功的预期，还是对其中某个公司改变自己命运的预期？
总体来看，现在去简单的看业绩，尤其在应用领域和技术起步阶段是很难的，你大概率会错过最后跑出来的那个公司，反而买一筐相关公司可能会是比较好的策略。
因为从整个互联网的发展来看的话，它的成功率是极低的，每一轮分布式技术的发展最后一定会造成更大的垄断，这也是一个不争的事实，iPhone 的出现让手机从几百家变成了几千家，云计算的出现让软件公司从几千家变成了几十家，你要考虑大模型的出现是不是把现在已经集中度很高的互联网变得更集中，所以在不同的阶段我们要把所谓投资的理念和我们估值的审美匹配起来，什么阶段买一筐或者买赛道，什么阶段买一个，这个还是非常重要的。当然这并不鼓励大家闭着眼睛做主题投资，其实从中长期产业趋势来看，有三件事情是非常确定的。
第一件长期确定的因素：数字化和智能化时代的全面来临，AI 全面加速数字化应用落地
大家最近都看到围绕新技术或者说新的产业投资有很多短期的波动，最大的感受是我们学习的速度已经赶不上新技术进化的速度了。包括 A 股的交易热度，这种主题的切换都是短期的波动，而产业的进展也必然是一波三折的，这些因素我们很难在今天就把它讨论清楚。那到底有没有什么长期的因素是确定的呢？
这里面我想三件事是相对比较清晰和确定的：第一件事，数字化和智能化时代的全面来临，AI 全面加速数字化应用落地。从产业革命，或者从技术创新的周期视角下来看，我们认为 2018 年是数字化和智能化这样一个新的节点的开始，因为那年我们一方面看到了新一轮硬件终端的智能化趋势开始，比如汽车、穿戴设备、智能家居等等物联网终端，都从 2018 年开始逐步从诺基亚时代走向了苹果时代，今年全球已经有接近 1000 亿的 Iot 智能终端实时在线，大家可以想象这些新终端产生的数据将会数倍于智能手机时代。
另一方面，2018 年是全球 5G 商用的元年，以中国为例，5 年后的已经建设了 238W 的 5G 基站，传输速率比 4G 快了 10 倍，更重要的是可靠性大幅提升、时延降低到了毫秒级，是人类历史上第一张真正意义的物联网。其它比如说算力基础设施的建设也是类似，在过去几年算力几乎每 18 个月翻一翻，以美国为例，用于云计算相关的服务器、网络设备的资本性支出，10 年增长了 5 倍以上。
但是，我们又没有看到数字化时代现象级的应用诞生，过去几年不管是自动驾驶还是 VR、AR、智能家居和工业互联网，都有些落地不及预期。而今天 AIGC 和大模型之所以重要，就是因为它可能会是全面加速数字化应用落地的这样一个超级工具。
它和数字化的关系更像是移动互联网时代的操作系统，大家应该还记得，智能手机刚出来的几年大家也是把它当照相机和 MP3 使用，直到 2007 年苹果发布了 IOS，2009 年 3G 开始正式商用，2011 年安卓的渗透率超过了 50%，进而 2013 年开始了以手游为代表的移动互联网应用大爆发，智能手机的灵魂才真正被点亮，爆发出了前所未有的价值。
当然，后来在投资方面大家就都很清楚了，后来移动互联网的十年牛市所造就了围绕 BAT，以及美股的六大科技上市公司，基本都有 20 倍的涨幅。所以从产业革命或者技术创新的视角来看，要把 AI 和这几年很热的 Iot、5G、云计算、大数据结合起来看，今天 AI 背后的时代背景应该是数字化和智能化，从技术累计的量变到质变，这是一个全新的节点。
另一方面，今天我们看到 AI 的很多能力涌现，不是说从去年才开始发展，而应该是从 2017、2018 年开始的新一轮数据、算力以及算法的大爆发。实际上这个趋势是中美或者说全球共振的，我们看到这个趋势非常确定。
简单跟大家分享一个例子，其实去年工信部发了一个报告，谈到我国的数字经济占 GDP 的比重，我们国家的比重在 40% 左右，对增量 GDP 的贡献在 60% 以上，但实际上我们去看海外，比如说数字经济非常发达的德国、日本，包括美国，他们数字经济占 GDP 的比重都在 60% 以上，GDP 增量的比重更是都在 90% 以上，所以实际上这是一个全球同步的变化。
我们把数字化跟上一轮的网络化同样作为工具来看的话，它未来一定是会影响各行各业，而不仅仅是我们今天看到的 AI 自身，以及不会仅仅影响到游戏、虚拟人等。我想如果只是影响这些 to C 端这些过去比较成熟的行业，那么它可能不足以成为时代主线，我觉得更应该关注 AI 加速带来的整个数字化时代。比如说我们最近看到，AI 在生物制药里带来了一些分子研究以及测算方法的变化，在新材料里带来了一些变化，以及最近我们看到一个文章讲航空航天 GPT-4 时代的来临，航空航天过去都是成本极高，回测周期、研发周期都非常长的行业，当数字化技术来临之后，非常有可能通过数字孪生或者所谓的工业元宇宙大幅缩短过去在可靠性方面验证的时间。
所以你就会看到，可能原来用工程或者说传统研究方法来解决的问题，有可能数字技术时代到来之后，会大幅缩短解决的时间，同时大幅提升研发的效率。比如最近有制药公司宣布通过 AI 制药把新药研发周期缩短至 18 个月，成本降至 260 万美元，远优于传统新药物研发耗时 2-5 年、投入 1098 万美元的平均数据。当然目前这些还只是个别案例，实际大规模产业应用还需要很长时间验证，但我想第一个确定的事情就是数字化和智能化这件事情长期来看不管对 to C 还是对 to B 行业的深远影响已经正在发生了。
第二件长期确定的因素：需要从底层操作系统、大模型甚至是芯片和 CPU、GPU 做起
第二件比较确定的事情，是这一轮科技创新是在中美科技竞争的背景下展开的，所以很多创新我们不能再只从应用或者商业模式创新做起，需要从底层操作系统、大模型甚至是芯片和 CPU、GPU 做起。很多人会把这一轮技术的变化跟移动互联网的二十年相比较，甚至拉回到了 1999 年，跟上一轮所谓 PC 时代或者互联网时代的创新相比较。但我想可能从产业革命的量级上来讲二者是类似的，但是我觉得跟前面两轮的创新最大的不一样的是时代背景，就是中美的科技竞争。
不管是 90 年代开始的 PC 时代或者说互联网时代的红利，还是说 2000 年之后开始，到 2018 年这 20 年移动互联网的节点，当时都是有一个全球产业链分工集大成的年代。
2007 年苹果发布了 IOS 之后，在 2010 年前后谷歌发布了安卓之后，我记得那个时候在国内的创业者，大家都非常兴奋，但是没有人说我要造一个操作系统，所有人的逻辑都是从应用商店创新和各类 APPS 做起的。
大家应该还记得当时的 91 手机助手，帮助用户在不同的操作系统之间下载各种各样的 APPS，同时它也帮助大量的应用者去上应用商店，同时中国大量的移动互联网公司是直接从应用和各种各样的 APPS 创新做起的。
当 AI 带来的数字化时代离我们越来越近的时候，我们看到可能今天我们的科技创新不仅要去考虑做我们自己的 IOS 和安卓，甚至我们要从更上层的芯片，甚至从芯片再上层的底层的芯片先进制程，以及半导体装备、材料这些创新做起，这是跟前面两轮科技创新最大的不一样。
所以在投资上对我们也会有非常大的启发，大家应该还记得上一轮移动互联网牛市里，中国投资者最大投资机遇之一是苹果产业链，以及后来的特斯拉产业链等，简单说就是买全球最牛科技公司的相关供应链，这也是之前中国 TMT 产业相关公司的长板。
但今天，除了供应链依然会有机会外，我想去思考谁会是中国的英伟达、谁会是中国的 Open AI，从长期来看可能会给我们带来更大的投资回报。同时我们会看到，在上一轮移动互联网的创新中，实际上全球供应链一直是效率优先的，所以大家才可能用千元智能机。智能手机应该是过去二十年在所有消费品中知识创新最密集、门槛最高，但实际上消费者性价比最高的一个产品。
大家可以简单的去对比，不管是跟你的房产还是家电、汽车这些终端消费品相比较，手机的技术含量越来越高，元器件越来越精密，但是它的价格是一直下降的。这个背后是因为全球供应链、全球的消费者在为每一支智能手机买单。
站在今天，我觉得长期看全球供应链要从效率优先逐步走向安全优先，当然这个安全是广义的， 包括自主可控、供应链稳定、数据及信息安全等等。目前来看，如果国际形势没有大的变化，我觉得这是第二件长期确定的事情。
第三件长期确定的事情，每一轮科技创新都是由大的确定性和小的不确定性构成的
第三件长期确定的事情，就是每一轮科技创新都是由大的确定性和小的不确定性构成的。确定的是行业技术和演进趋势，不确定的是谁最终能跑出来在行业初期非常难判断。所以我们经常开玩笑说科技行业的投资要留一份清醒留一份醉，太清醒了会错过科技大浪潮的板块性机会，太醉了又可能会被泡沫反噬。
比如 2013 年我们能判断手游行业是移动互联网第一个爆发的应用，这个行业一定会爆发式增长，但完全不能判断当时的 2 万家公司谁能跑出来，结果到 2015 年行业分化以后我们看到跑出来的只有 5% 的行业龙头，剩下的公司都不见了。所以在科技板块的投资中很有必要分清楚什么阶段是在赚主题的钱，什么阶段是在赚价值的钱，不然可能会非常痛苦。因为科技行业最大的魅力就是有偶然性和赢家通吃的特征的。
这是科技行业研究和别的行业最大的不同。就像今天我们讨论的大模型，就像一场马拉松，可能刚开场了 5%-10%，现在 Open AI 跑在前边，但也许后边谷歌会赶上来，也有可能华为或者阿里又会弯道超车，所以我们最近看到虽然大模型的门槛极高，但为什么还是有越来越多的巨头和创业公司涌入到大模型这个领域？
其实就两个原因：一是这个领域是有偶然性的，不是一个简单的强因果关系，大家现在的差距还没有那么大；二是如果将来不做大模型，很多小模型或者小场景的生意会被大模型干掉，而大模型一旦成功，会是万亿市值规模的巨大空间。
所以其实我觉得在科技板块的投资中做主题投资不是什么丢人的事情，因为从一个主题投资最后用户数的落地，收入、利润的落地，它的分化是需要长的时间链路去验证的。所以我觉得对于科技股投资最重要的是，要在技术和行业不同的生命周期对应的阶段最明显的特征，找到那个特征映射最明显的公司。
举个例子，比如说云计算，在亚马逊 AWS 收入增速最快的阶段，你可能要去通过 PS 去讨论它的估值，但这个前提是有一天它的边际拐点出现之后，它的利润增长是远远快于它的收入增长的，这才叫互联网公司或者这才叫科技公司。
那这个阶段为什么要用 PS 而不是 PE？其实跟整个云计算在那个阶段所处的行业成熟度或者说它所处的那个生命周期最主要的业务特征是有关系的，因为 2015 年那个阶段云计算行业都在追求收入增长，因为只要有确定的收入增长和规模，未来过了非线性的拐点后，利润增长会比收入增长还要快，就会赢家通吃。
科技投资最怕的是你在一个已经非常成熟的行业里面去讲故事、讲 PS、讲用户数，在一个很初期的，还处在一个研发密集或者技术创新的阶段谈 PE、讲利润。
那么回到今天的 AI，我们就要去关注大模型这个阶段最重要的是去挑出谁有好的场景、高质量数据、技术和模型储备、人才储备，谁的日活月活在飞速增长；而在算力领域，我们可能就要去找业绩和订单比较实的公司了，因为这个板块是实实在在有业绩的；而在应用领域，我们又要重点关注的是到底谁能真正用 AI 降本增效，哪些生意会被彻底重塑。以上三点，我觉得是在当下非常确定的，搞清楚的这三点长期确定的事我们再去分析今天很多具体的问题就比较有意义和简单了。
政策方面，从去年起我们国家对整个数字经济的政策友好度是非常强的
下面我想讲一下政策，最近围绕 Open AI 也好，AIGC 也好，海外很多的报道说数据不安全、封杀等等的各种新闻标题很吓人。我们看到从去年起我们国家对整个数字经济的政策友好度是非常强的。我非常强烈建议大家去看一下国务院从去年到现在出台的一系列有关数字经济、数据要素相关政策的原文。
我个人觉得这会是一个，至少在 “十四五” 期间是非常确定的国家支持力度非常大的方向。以及在二十大报告里面，谈到六个强国，其中数字中国是唯一的相比于十九大、十八大新增的部分。再到最近的，今年 2 月份国家发布的《数据中国建设整体规划》以及最近科技部启动的人工智能专项，很多人担心国家会不会去封杀 AI，或者所谓 GPT 能不能在中国使用？
我觉得这样捕风捉影的讨论可能没有太多的意义，但是大家需要想清楚一件事，数字经济或者说智能化这件事是我们国家确定的，长期要做的一件事情，那么 AI 是数字经济核心的一个现象级工具，或者我们把它认为是数字化的一个底层操作系统，那么我们会简单粗暴的封杀 AI 吗？尤其在生成式 AI 上，我们想我们一定是要大力地去投去做的，然后才是到底由谁来做，什么样的企业去组织，以什么样的形式去做，怎样安全的去做。我觉得这个非常像当年的云计算，我觉得没有人能够阻挡这种技术洪流的变化，当然可能海外是公有云发展比较好，但后来在中国的市场中我们有中国的特色，我们有混合云、私有云、国资云，其实就是在公有云的架构和技术上，又强化了安全和可靠。
技术变化方面，第三次科技浪潮的机会主要是在中美之间
另外在技术变化方面再跟大家梳理一下为什么这一轮 AI 和数字化的机遇主要就是中美两个国家，别的国家几乎已经出局了，尽管过去一段时间我们在 AI 大模型领域和美国有差距，但我个人认为中国未来在数字化领域依然机会很大。科技投资中我们经常讲硬三年软三年，商业模式再三年。大家可以看一下这张图，今天正在从过去十年的全产业的一个信息化、网络化走向 2018 年之后的数字化、智能化，那么技术到底发生了什么样的变化？其实大家去看我们每一轮技术的创新，几乎都是从终端或者说从硬件开始，不管是 2006/2007 年左右智能手机对功能机的替代，还是 2008 年之后我们看到的新一轮以物联网为代表的智能终端的增长。
第二个阶段，一般就是网络的升级，所以我们看到中国是在 2009 年商用了 3G 网络，4G 是在 2013 年商用，5G 是 2019 年商用。你会看到第二个阶段是整个网络的升级。第三个阶段是我们看到整个应用的创新，在 3G 时代，我们是在 2007 年左右有了智能手机，2011 年左右智能手机的渗透率超过了 50%，2013 年之后整个上面大家看到的各种应用的创新才真正意义上开始，但是手机游戏作为移动互联网第一个赚钱的应用，实际上是那个时代我们认为所谓应用和软件以及商业模式创新的一个开始。
站在今天来看，我觉得非常类似，实际上 2018 年到 2021 年，应该又是三年所谓硬件的创新时间，比如我们关注电动车渗透率的提升。我一直讲除了电动化之外智能座舱和自动驾驶也会非常重要，所以我们看到单车的硬件成本就像当年的手机一样快速的下降，我觉得把这些问题想清楚，可能我们在车的投资里，或者说这些物联网终端创新的投资里才能找到商业模式它最终的一个出路，而不是简单的去盯着它是不是这个月降价，下个月销量会带来什么样的变化。
另外，这一轮创新里，除了汽车这个终端之外，还有像穿戴设备，工厂装备的智能化以及我们看到的各类的传感器，比如摄像头等各种各样的物联网终端这样智能化渗透率的提升。当然网络就不用再说了，昨天看工信部的数据，从 2019 年到现在，正好 3 年多的时间过去，我们大概建成了 238 万个基站，占到全球基站保有量的 60% 左右，实际上算力也是大家非常关注的，我们看过去几年，大家最关注的英伟达的显卡三分之一卖给了中国，三分之二卖给了美国。另外我们看服务器的保有量，中美也是最大的两个国家。
我简单回顾了一下过去十年发生的事情，实际上我们看到在 3G 的那一轮创新的周期里面，我记得我一开始作为一个 TMT 研究员，研究游戏的时候最向往的是去欧洲和日本调研，当时还有两款非常好玩的，现象级的手机游戏，一个叫植物大战僵尸，还有一个叫愤怒的小鸟，都是欧洲的公司创造的。所以那一轮移动互联网的创新中，实际上全球是一个多元的技术竞争，除了欧洲之外，还有韩国、日本等等，实际上在里面都有非常优秀的公司出来。之所以在那个节点很多竞争还是全球多元的，实际上还有一个原因就是那一轮全球 3G 商用的节点也是比我们要早的，全球是在 2000 年左右就商用了 3G，但是中国那时候还有这样一个制式之争，2009 年我们才商用了 3G。
中国在 3G、 4G 移动互联网时代是一个典型的追赶者。当然后来我们不仅追上了，甚至在移动社交、电商、短视频等应用创新领域实现了超越。当然我觉得那个背景下我们之所以能追上，其实有一个非常重要的背景，就是我们不需要从芯片创新，不需要从操作系统创新做起，我们可以直接从应用创新做起。
到今天最近大家对中国 AI 跟美国的 AI 差距到底有多大，也有很多质疑的声音，但其实我觉得站在今天再看 2018-2022 年这 4 年的硬件和信息基础设施创新和建设中，实际上很多国家已经掉队了，大家不管去看 5G 网络的建设情况还是云算力的投资，中美占了全球一半以上的资本开支。如果简单的拆分 GPU、CPU 和服务器的保有量，也是类似。以及我们看终端如电动车的渗透率、物联网终端的数量，以及看到的拥有的数据的量和质量等等，主要数据、算力和网络资产都是在中美。而这些，都是数字化时代中大模型和应用的基础生产资料和生产力。
想明白这件事，你就明白了第三次科技浪潮的机会主要是在中美之间。当然我觉得对于 AI 来讲，我们虽然在过去的几年中有很多各种各样的发展路径，但这次 Open AI 的成功，我觉得是给中国所有互联网企业带来了一剂强心针，照着这个路径去做生成式 AI，是能够做出来的。
我们过去几个月调研了非常多一线的互联网公司，得到一个非常一致的结论，对于这些互联网公司或者产业来讲，他们认为上一次让他们这么恐慌的时候还是 2009 年，就是移动互联网来临的时候，而且这次是全面的一把手工程，不管是 BAT 还是字节、华为，都是创始人亲自督战，这也是过去几年没有过的。
很多公司在我们看来已经是一个二线的互联网公司或者格局比较稳定了，但它们还是非常坚定的宣布要去做通用的大模型，原因就是未来能不能在这一轮操作系统的创新中取得自己的先机会影响和颠覆未来它的整个商业模式，而不是说它只是一个锦上添花的工具。
所以在产业端，大家最近不管是跟腾讯、字节、华为等等这些公司去交流，都会发现他们把大模型的团队作为目前阶段他们非常重要的要全力支持的，不管在算力上还是人才上，以及未来的研发投入上这样一个支持，我觉得这个趋势是很清晰的。
把整个产业链分为大模型、中间层、算力和应用来看，大模型可能还是核心中的核心
时间原因，不展开讲太多了，回到今天大家最关心的 AI 和接下来 TMT 领域的投资机遇。我们简单把整个产业链分为大模型、中间层、算力和应用来看。大模型可能还是核心中的核心。
我就想说一个问题，大模型的壁垒和难点到底是哪些呢？不管是现在开始火的生成式 AI 还是 GPT 自身，这个背后是有大量的底层的技术突破，包括算法，训练模型的机制，也包括算力、数据等，但除了数据之外还有数据的质量，大家最近去看比如说国产的一些模型，可能在中文的表现上要比 GPT 更好，什么原因呢？
可能很简单，它的数据集整体的可能没有 GPT 那么大，但是它在中文的语料上，数据的质量是要更高的，所以你会发现它在某些问答上表现出来了更好的效果。事实上我们从 2017 年谷歌这个 Transformer 模型出来之后，GPT 和 BERT 都是从这个链路延伸出来的，你不得不承认，实际上大模型的成功它不是一个简单的强因果关系，实际上是有一定的偶然性的。
所以最近其实在大模型界有很多讨论，就是说如果把 GPT-3 及以前的训练模型，以及算法全部开源了之后，还能不能复现 GPT-3 之后的能力，我觉得这个其实是需要时间去检验的。
大家知道其实从 4 月份华为和阿里要发布自己的模型，大概 6 月份会有字节的模型要出来，8 月份或者说下半年腾讯的模型要出来，这个期间谷歌的模型也要出来，我觉得去验证非常重要的，接下来的半年对全球 AI 行业都会是非常重要的半年，大家都把 GPT-3.5 当做一个对标的锚点，能不能做到类似的能力或者到底会有多大的差距，这个非常重要。
我觉得不一定最大的公司就做得越好，先做的公司就比后做的公司好，因为本质上我们去看大模型它其实是有一定的基于数据、模型、和训练机制不同的偶然性出现的。这是一个需要去关注的变化。当然，这半年能不能再有比较惊艳的大模型跑出来、被验证也是在目前二级市场情绪和估值已经阶段性高点下还能不能继续或者有空间的重要影响因素。所以我们要去认真跟进每个大模型公司的进展和技术，而不是简单去拍行情是开始还是结束。
我觉得其实今天的大模型就像几年前的电动车，它一定会有最后的赢家，但这个赢家是卷出来的，而且是竞争非常激烈的，因为这里边有传统的巨头、有二次创业的新贵，更有门口的野蛮人，最后谁在整车里面能胜出，不确定性极大。
但卷了几年的电动车和现在的大模型领域最大的区别是造成的人已经开始减少和出清了，而造模型的人现在还在净增加的阶段。它实际上是需要一定的时间周期，以及不断的在算力算法和研发上，以及数据和场景上投入，它是一个非常复合的因素，最后才有可能去胜出，所以这个链路可能会比较长。但是这也会造成一个阶段性的现象，会怎么样呢？
越来越多的人会跳进来说我要做大模型，纵然我们都知道这件事情很难，但是我觉得阶段性会有越来越多的人去做，这个在投资上给大家的启示就很简单了，流向大模型的每一滴水其实最后都会流向算力，在所谓大模型创业的泡沫阶段，实际上会给上游产能需求的爆增是非常确定的，所以这个阶段我还是认为算力是一个非常好的投资领域，我觉得我们应该把这个算力理解为广义的，算力的上游芯片和半导体甚至设备都会有机会。
另外对于应用，我想可能也会带来一个朦胧美的阶段，至少我觉得不管是谁的大模型成功，有场景和用户的应用创业者都可以去接入，在这个阶段会给整个应用行业的估值带来很大的想象力。
还有一个事实，我们去看 GPT-4 跟 GPT-3.5，很多用过的人都会用一个词形容，就是能力的又一个指数级上升。大家看最右下角那张图，绿色的代表 GPT-4，蓝色的是 GPT-3.5，GPT-4 的表现在难度阈值上升的任务中能力是大幅提升的。比如公认最难的律考，GPT-3.5 当时的表现是在后 10%，GPT-4 直接到了前 10%，你会发现大概 6-12 个月这样一个周期里面，AI 的自我迭代能力是非常强的，我们线性的去看中美的差距到底是一年两年还是半年，可能意义也不大，因为要取决于它迭代的速度。
训练模型的这个机制或者说你这个模型和算法本身其实是你这个人的基因，决定了你这个人的天赋，智商大概是多少；算力就是你这个人的体质，你是个体弱多病的人还是你是个强壮的人；数据和场景是什么呢，就是你每天吃的食物，我需要不断的高质量的营养去实现我这个人能力的增进。实际上你会发现在这样一个复合的链路下，大家把大模型的培养当成一个人的培养机制就行了，就会发现有的人可能小学的成绩好，初中就不行了，有的人可能高一高二还在做白日梦，高三忽然开窍了。我觉得 AI 就像培养人一样，本质上是一场中长跑，需要不断迭代和成长，甚至是活到老学到老，现在可能也就开始了 5%-10%，我们直接去猜终局是比较难的。
当时代的新技术创新的主线来临之后，不要去关注很多细枝末节的问题，一定要考虑它对全行业带来什么样的影响
说回到投资方面，最近确实简单来看 AI 有关的，不管是互联网公司还是宣布做大模型的公司估值都涨了非常多。再给大家看这张图，这就是为什么当时代的新技术创新的主线来临之后，不要去关注很多细枝末节的问题，一定要考虑它对全行业带来什么样的影响。最后几分钟我回到投资上，还是给大家分享一下，这个报告是我们去年就发布了的，数字经济的五大趋势。我觉得这五条主线看起来比较虚，但能够给大家提供一个比较完整的投资机会挖掘思路，现在这个验证才刚刚开始。
底层来看，数字化时代核心生产要素从网络变成了数字和数据，我们会看到现在现实世界的任何事情都可以变成 0 和 1，把它全部变成代码，AI 就是数字化时代的一个操作系统。所以我们短期看到的可能 AI 去影响一些 to C 的行业，但是其实 AI 会去影响大量的 to B 行业，对智能制造的改变，对医疗的改变，就像这次 Open AI 在海外在新药研发上已经有了一些改变，包括对消费、对金融业的影响。
所以对应 AI 产业链，我们大概列了一下了，这张图供大家参考，大概有四类公司：大模型、中间层、算力和应用。这里面大模型肯定是这个链路里面创新的重中之重，对应宣布做这块的有海外的微软、谷歌还有特斯拉等等，还有国内的 BAT 以及华为、昆仑万维、科大讯飞、360 这些公司，其实它会在整个链路里起到非常核心的作用，我们能判断的是做这一环节的人会越来越多，这就是我前面讲的跟大模型自身有非线性的拐点，以及因果链路不会那么强有关系。同时我们要意识到大模型是一个持久战，它应该是一个卷出来的大赢家，可能会有那么几家，就像今天的电动车一样。
还有一些围绕大模型做服务的公司，包括数据清洗、标记等等，我把它叫中间层。在大模型卷起来的阶段，这些公司的业绩映射和受益比较直接，但缺点是长期估值想象空间不会太大，因为本质上还是一些比较脏累的活。
另外，非常确定的是在算力的部分，这也是这个周末关注度非常高的。大家讲 Open AI 现在的瓶颈到底在哪，其实就在 GPU 上面，除了 GPU 之外，我们认为算力是一个系统，所以在整个链路上，它其实是一个全行业有关系的算力服务系统，我觉得用这个来定义可能会更合适一些。
再往应用的链路上看，因为我们列了非常多，对标海外的图片应用、影视应用等等，如果现在是 2012、2013 年的话，就很难区分哪些应用能跑出来，哪些会被干掉，所以不得不承认，现在还是一个主题投资。当然还有有些类似入口连接类的公司，像耳机、音响及穿戴设备等等。
当下比较重要的三条主线：大模型自身、算力和应用我个人的观点，当下比较值得重点关注的是以下三条主线：
一个还是大模型自身，它在整个产业链中是核心。当然它的空间也是最大的，但它的缺点是，我们不能确定谁最终能够跑出来，所以有一些代表的公司在里面。当然做大模型有几个因素，比如说你的算法、训练模型的机制，以及算力、场景等，我觉得场景是非常重要的，因为 AI 它跟别的创新不太一样，它不是一个静态的创新，就像人一样它需要不断的去学习和进化。
不是说那个模型 Open AI 做了两千亿个参数，我们做一万亿的就一定好，而取决于你数据的质量，因为大家知道 AI 是没有感情色彩的，喂给它有质量的数据它就输出高质量的数据，所以接下来谁拥有有质量的、更多的数据还是非常有价值的，其实现在从投资上来看，数据的重估已经在发生了，比如运营商这个板块。当然整个大模型是里面的核心，未来真正能跑出来的，我想应该是万亿估值量级的。
第二个就是非常确定的算力。这里面我们列了 AI 行业的卖水人和卖铲子的人，它的确定性是非常高的，刚开始我讲了这一轮创新跟海外有很大的不一样，就是国内是被卡脖子的，所以我觉得这也会给中国的芯片公司带来非常多的机会。所以在算力部分我觉得主要是考虑卖水人和这些卡脖子领域。
CPU 和 GPU 领域现在国内也有很多不错的设计公司，现在其实主要的差距不完全是在设计能力上，更多还是在应用生态和先进制程上，这两个制约因素又会影响产业化进度。所以这些瓶颈又会传导到半导体设备和材料这些上。其实我们看海外也是一样的，大家都盯着英伟达今年的需求订单增量，但其实不用想这个需求肯定是爆掉的，关键是台积电能给它的 A100 和 H100 多少 5nm 和 7nm 的产能呢？再加上我们前边谈到的全球供应链从效率优先转向了安全优先，所以接下来投资机遇有可能会从 CPU、GPU 延伸到半导体和网络安全以及信创，因为根本上我们还是需要有自我创新这个链路的闭环。我觉得这是一个整体，它实际上是一个上下游的关系。
另外算力相关就是整个数据通信产业链，未来支撑整个 AI 训练和推理的计算，只有芯片是不够的，机房里还要有配套的 IDC、ICT 设备和云服务商。IDC 里还有电源设备、制冷设备等等，ICT 设备里还有服务器、交换路由和光模块等等，当然这些领域有它原有的周期，如果没有 AI 的需求扰动，本来这两个季度应该是景气下行的，但 AI 可能会提前终结这个下行周期。不管是运营商还是这些云计算厂商，其实整体来看，我觉得趋势就是从终端走向云端，在数通产业链中，光模块、交换路由、服务器、信息安全是我们相对比较看好的，尤其是服务海外云厂商和互联网巨头的相关供应链公司，业绩可能会率先被验证。
第三个就是最近涨的比较多的应用领域。但应用可能要分海外和国内，海外我还是非常建议大家要去认真的研究，现在已经产生的 5 万多家创业公司里有哪些已经跑出来的，比如在文字、生图、视频和社交领域，最近海外都已经出现了一些 10 亿美金估值以上的公司，我觉得要按照这些链路去对标观察。但是在国内应用领域，因为现在大家还没有系统性的去接入像样的大模型，我觉得其实还是一个主题的阶段。所以近期大家最简单的选择还是去买存量的一些龙头，至少在目前阶段他们有更好的场景、用户数和资源。
但从历史经验来看，应用往往又会是一些全新的公司，这是现在买国内应用比较矛盾的地方，还需要进一步观察了解这些公司是不是真正在 AI 领域未来有大的决心和真正的布局，而不是接入某个大模型就可以了。另外，在应用部分的话，我们想数字化最大空间的领域最终应该是从 to C 走向 to B。今天我们盯着 AI 在解决这些问题，比如说代码、图片、视频、游戏，这是海外的一些创新，但是我个人觉得长期它一定会延伸到更多 to B 的场景，比如汽车、工业（制造业）、军工及航天航空卫星等、能源、生物制药等领域，这也是今天我们为什么跟电新和汽车等行业一起开这个会。
本文来源：中信建投证券研究，原文标题：《武超则：AI 加速数字化时代来临》，分析师武超则 SAC 编号：S1440513090003。