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，语料规模更小、算力需求更小、参数规模更小。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。