原標題：主題｜AI投資指南
來源：中信證券研究
摘要
2023年全球AI產業已取得諸多突破性進展。2024年2月16日，OpenAI宣佈推出全新生成式人工智慧模型Sora，能夠包括多個角色、特定動作和詳細背景的影片，影片最長可達60秒。Gemini 1.5 Pro亦在同日釋出，其效能直追1.0 Ultra。上述優秀模型的誕生揭示了人工智慧產業未來可能的發展趨勢：1）算力和網路的升級需求將會加強；2）物理世界模擬或將顯著提升AI認知世界能力，為通用式人工智慧發展奠定紮實基礎；3）影片生成與3D視覺的結合有望開啟AI應用想象空間。
我們認為，GenAI有望繼續成為2024年科技產業發展的核心主線之一，並持續看好全球AI產業的短期和中長期投資機遇。
- 演算法作為AI產業發展的靈魂和底層支撐，更智慧的模型、、推理成本的下降等預計將成為產業2024年的重點。
- 伴隨演算法層面的不斷最佳化、創新，以及產業重心從演算法訓練向推理端的遷移，底層算力需求結構、產品形態、市場格局等亦將跟隨發生調整，建議關注多模態AI落地對算力的促進作用以及國產替代。
- 應用場景作為AI產業商業化閉環的重要一環，2024年有望在軟體、邊緣AI等層面看到實質性突破，同時自動駕駛、機器人等前沿方向有望伴隨多模態模型的突破而進入發展快車道。
- AI演算法智慧水平提升、單位算力下降等亦將使得網際網路巨頭成為最為明確的受益者之一。
圖片來源：攝圖網
2023年是GenAI元年
作為GenAI元年，全球AI產業在2023年取得諸多突破性進展。
① 演算法模型：作為AI產業的核心和基礎，2023年各類大模型的發展均得到穩定推進，同時以基礎模型為根基的各類垂類細分模型快速湧現。
② 硬體算力：AI硬體技術在2023年的快速發展，特別是在處理能力和應用範圍方面的顯著提升，為AI領域的研究和應用提供了更加強大和靈活的計算平臺。
③ 應用場景：基礎大模型的不斷發展推動了應用場景的快速延伸，但短期仍受制於模型的能力。
④ 政策監管：伴隨AI技術的不斷進步，各個國家與地區均推出相應的產業政策。
圖1：CTA AI指數走勢與AI重點事件
資料來源：彭博，各公司官網，中信證券研究部
2024年AI仍是科技產業投資主題之一
2024年2月16日，OpenAI釋出文生影片多模態模型Sora，引發產業界與資本市場高度關注。谷歌亦在同日釋出Gemini 1.5 Pro。本次作為影片創作的里程碑式技術躍遷，推出時間點明顯超預期，對於物理世界規律的理解超預期，或將對廣告、短影片、預告片、模特行業等領域產生衝擊或倒逼業態變革。如果說2023年ChatGPT的破圈是引發各界對AI關注度的大幅提升和預期快速上行，那麼當下即進入了AIGC商業化應用的正式起點。
展望2024年，我們判斷AI行業仍望繼續保持快速發展，併成為短期、中長期全球科技產業發展的核心主線之一，進而對中短期企業IT支出規模&結構、應用場景拓展、財務收入增長&運營效率改善等產生持續、深遠的影響。立足資本市場的視角，市場對AI行業中長期的產業投資機遇並沒有太多分歧，市場關注內容更多在於產業技術發展方向、產業化節奏、產業鏈價值分配等層面。
圖2：AI產業發展帶來的影響
資料來源：Gartner（含預測），中信證券研究部
圖3：預計2024年資本市場針對AI產業的關注焦點
資料來源：中信證券研究部預測
多模態、推理成本下降等將是2024年演算法發展核心主線
大模型的“壓縮即智慧”在業內接受度不斷提高，圍繞壓縮率的探索有望成為2024年的主線，預計提升模型規模仍然是提高模型壓縮率的重要方法，此外還包括透過SFT、RLHF等演算法上的最佳化繼續提升壓縮率。
除了壓縮率的提升外，擴充套件模型的適用場景也成為當下重要共識。我們判斷以Transformer為底層的多模態模型將會是2024年的重點方向，下一代多模態將會快速拓展目前大語言模型有限的應用場景，顯著提高語言模型的泛化能力，並有望在成本方面展現出對傳統專有模型的優勢，從而推動如AI Agent等應用的落地。
技術層面，提升模型智慧水平、擴充套件模型適用場景、降低模型推理成本仍是當前學術/產業界重點努力的方向。
圖4：2024年模型層面技術突破點
資料來源：中信證券研究部（含預測）
市場格局層面，預計少數頭部公司將聚焦於AGI，大量中長尾公司將聚焦於工程化創新，同時相較於開源模型，閉源模型預計將持續保持1-2年的領先，但開源模型能吸收閉源模型的理念技術進行升級。
圖5：2019年至2023年9月釋出的大模型及廠商
資料來源：《A Survey of Large Language Models》（Wayne Xin Zhao, Kun Zhou, Junyi Li等，中國人民大學）
算力：關注多模態推動以及國產替代
隨著人工智慧行業的持續發展，我們觀察到行業內算力結構正在發生演變，預計2024年算力市場將面臨需求總量、需求結構以及供給等方面的變化。
圖6：2024年算力市場將面臨需求、供給等方面的變化
資料來源：攝圖網，中信證券研究部（含預測）
建議關注多模態AI落地對算力的促進作用以及國產替代。多模態AI的發展下，算力晶片、伺服器、液冷環節都有望直接受益，AI時代網路架構與連線技術產生變革，同時終端AI也有望落地帶動相關投資機會。國產替代方面，建議關注國產晶片與先進封裝兩大環節，關注國內AI廠商的供應鏈變化以及國內製造帶來的相關廠商市場份額提升。
五大趨勢：① 更高算力：GPU持續進化，雲端AI晶片百花齊放，伺服器伴隨增長。② 更優網路：高頻寬、低延時與低成本，推動光模組進化與RDMA普及化。③ 更多終端：大模型端側落地，硬體算力端核心升級。④ 國產算力晶片：自主趨勢明確，算力、生態同步發展。⑤ 先進封裝：AI算力晶片迭代加速，先進封裝助力效能提升。
圖7：算力市場五大趨勢及投資機會
資料來源：中信證券研究部（含預測）
應用：關注邊緣AI、軟體、自動駕駛、機器人等
作為AI產業化閉環鏈條的最終一環，受制於演算法本身能力約束等，AI應用場景落地在2023年並未取得明顯進展。伴隨多模態、模型蒸餾等技術的不斷進步，以及主要企業在2023年的不斷嘗試、產品開發積累等，我們理應對2024年的應用場景有更多預期，主要包括邊緣AI、軟體、前沿技術以及網際網路等。
1. 邊緣AI：AI PC料將先行
AI躍升至2.0時代，隨著大模型進入“輕量化”、“多模態”時代，以雲端作為AI大腦，邊緣端和終端作為小腦的混合AI料將成為技術發展主線。
圖8：混合AI是AIGC時代下主流趨勢
資料來源：中信證券研究部繪製
在混合式AI時代，邊緣計算扮演的角色日益重要。透過更低的執行成本、更低的能耗、更快的響應速度等優勢，邊緣計算可更加有效地突出使用者使用個性，對於生成式AI的商業落地有著重要促進作用。
圖9：AI處理重心正在向邊緣轉移
資料來源：高通官網白皮書《混合AI是AI的未來》
圖10：一張圖推演端側/邊緣側AI的發展趨勢
資料來源：OpenAI、高通、聯發科、AMD、英特爾、Meta、小米、vivo、Humane等官網及公告，windowscentral，中信證券研究部。2024年及以後：搭載高通xelite處理器的PC開始釋出，首發廠商包括微軟、聯想、戴爾、惠普等為根據windowscentral.com報道；其餘皆為中信證券研究部預測
緣於生成式AI技術的發展，使用者對隱私、安全等因素的不斷關注，疊加模型蒸餾等技術推動AI推理側單位算力成本不斷下移等，邊緣AI有望進入快速發展通道。AI PC、AI手機有望成為2024年硬體市場亮點，並將相應拉動終端換機浪潮，我們相對更為看好AI PC，我們認為PC有望成為邊緣端優先落地的智慧硬體之一，並遵從硬體先行、軟體應用跟隨豐富的基本邏輯。建議關注整機、處理器、DRAM、先進製程等相應環節的產業投資機會。
2. 軟體：預計2024年上半年開啟商業化，下半年望加速
2023年2月，微軟釋出Microsoft 365 Copilot的Demo，打響了軟體融入AI能力的第一槍，隨後主流軟體廠商均開始加速推進核心產品中AI能力的構建。考慮到產品成熟度提升，以及企業自身IT堆疊改造進度，我們預計AI+軟體貨幣化有望在2024年初開啟，並在2024H2加速，Copilot為短期主要產品形態，微軟、Salesforce、Adobe等仍將是行業風向標，除應用軟體龍頭外，預計基礎軟體（資料管理、系統監控等）、資訊保安等子板塊亦將明顯受益。
圖11：應用軟體、基礎軟體、資訊保安等子板塊將明顯受益
資料來源：中信證券研究部繪製
以微軟Copilot等為代表，海外生成式AI應用進展積極、催化不斷。2月16日OpenAI釋出Sora模型，距離商業落地更進一步；同時生成內容體現出對物理規律的理解與模擬，預計將成為實現AGI的重要里程碑。對應到國內市場，我們預計國內AI應用場景將基於與GPT4.0同等能力上的大模型進行產業創新，看好容錯率低且能落實到量/價提升上的核心場景如辦公、創意、教育等，同時建議重視2024年WPS AI等應用商業化程序的加速到來，以付費率、ARPU為核心抓手，兩大變數向上突破機遇可期。建議持續關注相關領域的頭部AI公司。
圖12：GPT能力與主要應用領域
資料來源：中信證券研究部繪製
3. 自動駕駛：預計多模態帶來產業實質性突破
基於transformer+BEV大模型的自動駕駛能力快速演進，自動駕駛領先的龍頭車企（小鵬、華為、理想等）將快速落地城市NOA，推動自動駕駛需求爆發，預計自動駕駛高配選裝比例將大幅提升。城市NOA將成為評價新能源車是否智慧的核心要素，其能力的差異也將決定不同車企的估值溢價。
圖13：2018-2024年部分車企智駕功能進展示意圖
資料來源：各公司產品釋出會，各公司官網，中信證券研究部預測
- 軟體端：大模型正逐步應用於智慧駕駛演算法，首先在感知演算法上，BEV + Transformer架構有利於解決影象尺度問題和遮擋問題，更好地實現向量空間的構建；其次在規控演算法上，有望提升其泛化能力，最佳化在複雜場景下的表現。
- 硬體端：隨著智駕SoC、鐳射雷達逐步成熟，智駕硬體BOM成本降幅有望達50%。
- 政策端：工信部已表態支援L3及以上級別的自動駕駛功能商業化應用。
長期發展的方向：演算法和算力繼續進化。未來5年的維度而言，更大的模型、更多的里程驗證，是解決安全性的關鍵。軟體方面，用模型解決感知問題已經成為行業共識，但是在同樣極具挑戰的預測、規劃、控制方面，國內車企目前還在探索應用大模型的應用方式。特斯拉推崇的端到端模型方案，也是業界和學界的努力方向。未來真正“自動”駕駛的時代，車上所應用的模型，引數量和複雜程度或遠高於當前的模型的水平，因而也需要更大的車端、雲端算力平臺做支撐。硬體長期的發展方向是“更大的算力”，以容納同樣更大、複雜化的神經網路模型。隨著算力和演算法的持續進化，未來5-10年的維度，車輛輔助駕駛功能的安全性、效率、舒適性都有望迎來巨大的飛躍。
圖14：端到端智駕方案的示意圖
資料來源：中信證券研究部繪製
4. 機器人：奇點臨近，技術與全球化共振突圍
在技術更新迭代、產品百花齊放、產業鏈協同發力、政策持續催化的共同作用下，機器人行業將繼續處在發展的歷史機遇期中，人形/工業/服務/特種機器人等領域都蘊含著豐富的投資機會。
展望2024年，我們預計：① 全球人形機器人行業規模2024年將望超過10億美元，更多企業將入局，首批應用將在工業場景。② 特斯拉機器人定樣並小批次生產，產業鏈降本仍是主線，未來單機成本有望降至20萬元、甚至更低。③ 人形機器人產業鏈或有諸多變數，建議關注“新”和“變”。④ 國內工業/服務/特種機器人總市場規模超過200億美元，“機器人+”趨勢延續。⑤ 工業機器人國內市場2024年銷量將望超過30萬臺，國產份額將提升至50%以上。⑥ 服務機器人頭部企業將出海破局。⑦ 更多傳統機器人企業將擁抱AI大模型。⑧ 機器人賽道融資熱度不減，各細分領域的“第一股”逐步上市，二級市場機器人板塊擴容。⑨ 各家機器人企業在關注規模的同時，將更關注盈利能力。⑩ 機器人政策紅利期延續，從中央到地方繼續加碼。
我們看好人形機器人具備從0到1階段的投資價值。我們認為，機器人的核心零部件將是率先起勢的環節，尤其是價值量佔比高、複用性強的執行器環節。建議關注機器人的上游核心零部件環節中的優秀企業。
圖15：機器人全景圖
資料來源：特斯拉官網，各產品公司官網，各產品公司招股書，中信證券研究部（含預測）
5. 網際網路：貨幣化能力、運營效率提升均值得期待
演算法能力不斷提升將為網際網路巨頭在搜尋、電商、社交等產品層面持續開啟想象空間，比如貨幣化能力改善、使用者活躍度提升等，並最終體現為財務層面的收入增長、盈利能力改善等。
- 搜尋：當前以助手形式出現，但多模態引入後，搜尋引擎的入口屬性將再次提升。我們預計，GenAI對搜尋引擎的大規模重塑將在2024年二季度末開始，主要觀察節點在於多模態模型效能的提升以及單次呼叫成本的回落。後續來看，不僅電商入口，影片等入口的屬性亦將透過GenAI+多模態得到顯現。
- 電商：透過物料生成帶動商家效率的提升，AI對導購帶來影響。
- 社交媒體：AI有望帶來活躍度的提升。對於社交媒體而言，使用者互動方式的變化以及新功能的加入，必然會帶來使用者活躍度、線上時長的提升，從而帶來廣告庫存的增長。
- 內容生成：有望快速降低專業內容製作成本，併為短影片等UGC內容的擴張提供工具。
圖16：網際網路產品代際的更新主要依賴互動方式的變化
資料來源：各公司官網，中信證券研究部
基於基礎設施、技術架構、模型演算法等方面積累的深厚優勢，我們認為頭部網際網路公司有望受益於AI發展帶來的效率提升和業務機會，如雲計算、大模型與行業應用結合等。儘管AI的產業化應用大規模落地及體現到業績表現仍需時間，但我們堅信頭部網際網路公司仍將是我國數字經濟和人工智慧領域的重要玩家，長期增長空間可期。
圖17：中國科技巨頭加速發展AI大模型
資料來源：各公司官網，中信證券研究部
投資展望
文生影片多模態模型Sora以及Gemini 1.5 Pro等優秀模型的誕生不僅反映了美國AI產業高速迭代現狀，更揭示了人工智慧產業未來可能的發展趨勢：1）算力和網路的升級需求將會加強；2）物理世界模擬或將顯著提升AI認知世界能力，為通用式人工智慧發展奠定紮實基礎；3）影片生成與3D視覺的結合有望開啟AI應用想象空間。
我們認為，GenAI有望繼續成為2024年科技產業發展的核心主線之一，並持續看好全球AI產業的短期和中長期投資機遇。
- 演算法方面，作為AI產業發展的靈魂和底層支撐，更智慧的模型、多模態、推理成本的下降等預計將成為2024年的重點。
- 算力方面，建議關注多模態AI落地對算力的促進作用以及國產替代。
- 應用場景2024年有望在軟體、邊緣AI等層面看到實質性突破，同時自動駕駛、機器人等前沿方向有望伴隨多模態模型的突破而進入發展快車道。
- AI演算法智慧水平提升、單位算力下降等亦將使得網際網路巨頭成為最為明確的受益者之一。
風險因素
AI演算法迭代速度放緩、多模態等核心技術難以實現實質性突破風險；AI不恰當使用帶來的使用者隱私、潛在道德&倫理風險，以及由此引致的強力政策監管風險；地緣政治衝突導致AI技術、算力基礎設施等難以在全球自由流動風險；短期AI貨幣化不及預期導致市場投入熱情下降、AI產業發展陷入階段性低迷風險；AI演算法創新過度依賴於少數企業、核心技術人員風險等。
圖18：AI產業投資展望
資料來源：中信證券研究部繪製
