核心思想
结合产业周期和大趋势周期来看，2023年可能是一个大规模的拐点，其拐点性质与2009年或2016年类似。这意味着新周期的行业和风格特征与2023年有较大不同。 2016 年至 2021 年。
因此，对于2023年乃至2024年，关键判断在于结构分化，即AI将引领TMT的重大转变。
进一步展望四季度，近期高频数据显示经济好转已显，带动A股迎来上涨窗口。 在风险偏好上升、经济温和复苏的背景下，以TMT为代表的增长占据主导地位。
打破游戏规则：人工智能引领新一轮产业周期
对于A股来说，存在以库存周期为主线的规律性3-4年大趋势周期，以产业周期为主线的5-7年市场主线。 回顾历史，2002-2008年重工业主导产业主线，2009-2015年智能手机普及和应用主导产业主线，2016年消费升级和新能源汽车主导产业主线到 2021 年。
目前，我们认为人工智能将主导新一轮产业主线。 这意味着，对于A股主线解读，人工智能是破局的关键； 而对于人工智能来说，低算力应用是打破这一局面的关键。 系统梳理梳理人工智能海外应用进展。
总结：AI应用发展的关键因素
Chat GPT-3的出现打破了人类对人工智能的传统认知。 Chat GPT-4v近期的多模态能力得到了提升，让AI在各个领域的应用提前落地。
AI应用可分为To B端和To C端。 B端应用在应用场景和数据标准化方面更能适应大模型。 他们的支付意愿也相对较强，有望最先落地。 C端应用市场空间巨大。 ，更有价值，但受限于大模型推理能力和计算能力的约束，实现进度缓慢。 是未来人工智能应用的重要方向。
人工智能应用在各领域的落地主要受到供给侧和需求侧的影响。 供给侧主要受算力、成本、数据的制约，需求侧主要受经济效益、容错率的制约。
学习借鉴：美国AI应用最新进展
美国AI产业的发展对于A股AI的发酵和传播具有借鉴意义。 盘点美国AI应用进展，可以提炼出核心亮点：AI+办公率先落地，探索AI边界。 代表公司有微软、Adobe； AI+教育，加速拓展升级多模态模式，以Duolingo、可汗学院为代表； AI+游戏，降本增效，创造新玩法，以Ghostwrite、Stable Diffusion等应用为代表； AI+电商，全面赋能，挖掘新潜力，以亚马逊、Shopify为代表的公司； AI+医疗，未来可期，全程辅助。
推荐：A股AI应用动态跟踪
考虑到国内大规模模型仍处于早期阶段，短期内算力供应存在一定限制，算力要求不高、容错率较高的行业有望率先引入AI完成赋能。 综合前期分析，我们认为办公软件、教育、电商、游戏、医疗等领域有望率先落地。
结合上市公司公告，我们盘点了产业链上代表性企业的最新进展。 其中，办公软件代表企业有金山办公、科大讯飞、万兴科技、福昕软件等； 教育领域包括嘉发教育、盛通股份、世纪天宏、中公教育、新东方、好未来等； 业务领域有值得买、焦点科技、继宏股份、一点天下等； 游戏领域有网易、完美世界、37互娱； 医疗领域有润达医疗、威宁健康、惠康惠康等。
风险提示
人工智能发展不及预期； 公司业绩不及预期。
文本
1 打破游戏规则：人工智能引领新一轮产业周期
在《23年战略展望：汇聚“新”力量，“大”可能》中，我们对A股的行业周期和大势周期进行了详细回顾。 具体来说，对于A股来说，存在着以库存周期为主线的规律性的3-4年的大趋势周期，而工业周期则主导着5-7年的市场主线。 进一步观察风格周期和大趋势周期的嵌套格局，每个风格周期往往都会有结构性牛市和综合性牛市。
2001年3季度至2007年3季度以大盘股为主线，2002年至2008年重工业为主线，2002年至2003年结构性牛市，2005年至2007年全面牛市为主线。
2007年4季度至2015年2季度小盘股占主导地位期间，智能手机主导了2009年至2015年的主流趋势。2009年至2010年是以智能手机渗透率为主的结构性牛市。 2013年至2015年是智能手机应用引领的全面牛市。 。
2015Q3-2021Q4以大盘股为主线期间，2016-2021年以消费升级和新能源汽车为主线。2016-2017年以消费升级和新能源汽车上游资源为主线，从1月份起以消费升级和新能源汽车为主线。 2016年至2018年1月的结构性牛市； 2019-2021年主线是消费升级和新能源产业链，引领2018年10月-2021年12月全面牛市。
结合产业周期和大趋势周期来看，2023年可能是一个大规模的拐点，其拐点性质与2009年或2016年类似。这意味着新周期的行业和风格特征与2023年有较大不同。 2016年到2021年。因此，对于2023年甚至2024年，关键判断在于结构分化，即AI将引领TMT的重大转变。 进一步展望四季度，近期高频数据显示经济好转已显，带动A股迎来上涨窗口。 在风险偏好上升、经济温和复苏的背景下，以TMT为代表的增长占据主导地位。
回顾历史，2002-2008年重工业主导产业主线，2009-2015年智能手机普及和应用主导产业主线，2016年消费升级和新能源汽车主导产业主线到2021年。目前，我们认为人工智能将主导新一轮产业主线。
进一步展望四季度，近期高频数据显示经济好转已显，带动A股迎来上涨窗口。 在风险偏好上升、经济温和复苏的背景下，以TMT为代表的增长占据主导地位。
这意味着，对于A股主线解读来说，无论是四季度还是中期，人工智能都是破局的关键； 而对于人工智能来说，低算力应用是打破这一局面的关键。 系统梳理梳理人工智能海外应用进展。
2 总结：AI应用发展的关键因素
Chat GPT-3的出现打破了人类对人工智能的传统认知。 它具有与人类相同的逻辑和语言沟通能力。 近期Chat GPT-4v多模态能力的提升，让AI在各领域的应用提前落地。 AI产业链相关企业可分为三个层次：基础设施层、大模型层、AI应用层。 算力是AI产业链的基础，AI芯片为AI算力提供支撑。 AI大模型是新时代的“发电厂”，为各行各业的发展提供新的动力源泉。 AI应用层直接创造价值。 人工智能已经开始渗透到各个领域。 从基本的文本、图像生成到多模态应用，人工智能应用展现出强大的生命力。
人工智能应用有望加速落地。 人工智能的普及被视为又一场“互联网浪潮”，将再次改变各行各业。 随着通用大规模模型计算能力和算法的不断提升，生成式人工智能展现出越来越优异的能力。 大模型在多模态交互、生成内容准确性、生成速度、个性化等方面取得了快速进步。AI应用可分为To B端和To C端。 To B端应用先行，To C端应用是大势所趋。 B端应用在应用场景和数据标准化方面更能适应大模型。 他们的支付意愿也相对较强，有望率先实施。 C端应用市场空间巨大，更有价值。 受限于大型模型的推理能力和计算能力，实现进度缓慢。 是未来人工智能应用的重要方向。
人工智能应用在各领域的落地主要受到供给侧和需求侧两方面的影响。 供给侧主要受到算力、成本、数据三个方面的制约。 需求方主要受限于经济效益和容错能力。
供应方：
1）算力约束：算力是人工智能发展的基础。 以ChatGPT为例，其算力需求大约每两个月翻一番。 GPT-3有1750亿个参数，GPT-4有数万亿个参数。 如果想要同时完成训练，所需的计算能力也会呈指数级增长。 目前GPT-4已经实现了文本、图像、语音、视频等多模态交互能力。
2）成本限制：根据 Dylan Patel 的估算，每次 ChatGPT 查询的成本为 0.36 美分，每天的硬件推理成本高达 70 万美元。 随着LLM参数数量呈指数级增长，计算能力需求的倍增也会导致硬件成本的增加。 ChatGPT 3 的单次训练成本约为 140 万美元，对于较大的 LLM 模型，训练成本从 200 万美元到 1200 万美元不等。
3）数据约束：人工智能要实现工业级应用，需要充足的高质量行业数据。 许多传统行业普遍存在数据采集来源多、质量低、专业性和特异性强、标准不完整等问题，从而制约了场景应用的实施。 ChatGPT已经使用了几乎所有公开数据，未来获取新数据的难度将大幅增加。 特别是，获取某些特定领域或格式的数据成本高昂且难以获取。
需求方：
1）经济效益：人工智能所能带来的经济效益是驱动下游应用投资的重要因素。 人工智能应用的最终目的是帮助人们提高效率。 一方面，人工智能给不同领域带来的效率提升程度不同； 另一方面，不同领域的市场空间不同，人工智能所能带来的市场价值差异很大。
2）容错率：容错率是AI应用能否落地的决定性因素。 生成式AI首先应用于容错性较高的行业，例如内容生成辅助（写作/图形设计），这需要较高的创造力、智力或专业技能。 同时容错率高，没有标准答案。 容错率较低的行业对模型理解和推理能力的要求越高，相关应用的落地难度也越大。 例如，律师、医生、投资行业承担着需要人类背书为主体的重大职责，而芯片设计、火箭制造等高端行业也具有极低的容错能力和高昂的故障成本。
3 借鉴：美国AI应用最新进展
无论是从AI芯片的基础层到大模型和应用层，美国目前都处于领先地位。 映射到二级市场投资，美国AI产业的发展对于A股AI的发酵和传播具有借鉴意义。
回顾今年以来美股AI产业链的增长情况可以发现，到目前为止，基础设施>大模型>应用层。 主要原因是中游“百机大战”上游算力芯片差距较大，下游应用层还处于探索阶段。
展望未来，随着人工智能应用在部分行业开始涌现，将是后续人工智能投资的重点。 为了更好地分析人工智能应用进展，我们将重点盘点美国人工智能应用进展。 总体而言，可优先考虑办公软件、教育、游戏、电商、医疗健康等领域。
3.1 AI+办公：率先落地，探索AI边界
AI在办公软件领域处于领先地位。 原因是办公软件的应用场景与LLM能力非常吻合。 具体来说，与AI和办公软件深度融合的Copilot，可以将自然语言转化为超强的生产力，自动完成繁琐的办公任务，并为用户提供智能的操作建议和帮助，大幅提升办公效率和体验。 办公场景主要包括文档处理、数据处理、演示文稿创建、图像设计等，而LLM本身就是文本、图像、音频、视频的技术，可以直接赋能办公软件。 同时，办公空间的高容错性也导致了一定程度的“错觉”现象。 内容创建通常没有标准答案。 LLM可以提供多种参考解决方案，大大减少工作量。
我们以微软和Adobe为例，看看AI在办公软件领域的进展。
微软Microsoft
微软是AI+办公领域全球领先的公司。 Microsoft Copilot 涵盖 Win11、Microsoft 365、Edge 浏览器和 Bing 等一系列产品。 微软于2019年开始与Open AI合作，于2023年3月发布了win11和Office365 Copilot版本，并于9月正式上线。 首先，Office 365 Copilot将集成到用户常用的办公软件中，包括Word、Excel、PowerPoint、Outlook等，并支持文本/图片生成、数据分析、归纳推理等一系列功能。 其次，Win11系统中的Copilot支持处理文档图像、系统设置、打开软件、整理桌面等功能。 第三，Edge支持撰写电子邮件、编辑文章、管理选项卡等。
Microsoft Copilot可以提供实时智能帮助，帮助用户提高创造力、生产力和技能。 它可以节省用户的时间，简化并自动化他们的 IT 流程，从而提高生产力。 此外，Microsoft 365 Copilot 持续监控用户的 Microsoft 365 环境，分析数据并在潜在问题升级之前检测到问题，并提供实时警报和通知。
土坯
Adobe 推出创意一代 AI 模型系列 Firefly。 Firefly是Adobe于2023年3月正式推出的生成式AI模型集，具有几大功能。 首先，它可以从文本生成图像，可以根据文本提示生成所需的图像； 其次，只需输入文字描述即可将图像转换为视频。 图片可以转成短视频，背景也可以更换； 第三，草稿可以生成成品，并且可以根据草稿生成多个设计方案，并选择最好的一个； 第四，填充和扩展功能，可以根据原图内容自动填充。 生成其他相关的扩展内容。 Firefly的发布有望大幅提高设计创作效率，降低创作门槛，将对当前的创意设计行业产生深远影响。 目前，Adobe还在视频、3D模型等方面进行探索。
3.2 AI+教育：加速向多模态拓展升级
教育应用场景与人工智能高度契合，应用潜力巨大。 教育与人工智能的契合主要体现在，第一，无论是知识传授还是思想道德教育，人工智能都有非常大的作用。 人工智能在知识获取和推理能力方面具有竞争力。 其次，教育是智力劳动密集型行业，严重依赖教师人力资源，人工智能可以降低教育行业对人力资源的依赖。 第三，在高频互动和个性化教育的应用场景中，传统的教育模式无法完全满足每个学生的个体差异和学习需求，而人工智能可以根据不同学生的特点采取不同的方式进行教学，并且人工智能可以还突破人类身体限制，24小时与学生互动。
随着AIGC的不断推进和多模态能力的快速提升，教学过程中的互动频率和质量将得到显着提升。 2023年9月多模态能力升级后，ChatGPT 4支持语音和图像交互。 在传统教育中，学生和老师之间的互动更多是语言和图像的互动。 AICC的多模态能力对于教育领域应用的拓展具有重要意义。
AIGC 实验表明，GPT-4 在各种专业测试和学术基准上的表现与人类卓越水平不相上下。 具体来说，GPT-4 通过了模拟律师考试，得分在考生中排名前 10% 左右，而 GPT-3.5 得分在考生中排名后 10% 左右； 它在大规模多任务语言理解基准测试中的表现也非常出色。 在测试的 26 种语言中的 24 种中，GPT-4 和 GPT-3.5 都表现得异常出色。
目前，美国多家教育相关公司正在与OpenAI合作推出AI产品。
多邻国
Duolingo深耕AI领域多年，致力于打造个性化教育模式。 Duolingo 是最早推出 GPT-4 的教育技术公司之一。 2011年成立于美国匹兹堡，自成立以来就高度重视人工智能的研发，努力打造一个普惠大众的教育平台，通过多元化的产品覆盖所有用户。 根据2023年第二季度最新财报，业绩大幅超出预期，日活跃用户、月活跃用户和订阅用户均创历史新高，其中月活跃用户达到7410万，同比增长50%。
Duolingo 将于 2023 年 3 月将 ChatGPT-4 引入其产品中，推出 Duolingo Max。 此外，该公司还利用Duolingo应用程序上的大量数据来训练自己的大型模型Birdbrain，并不断改进其产品。 目前，Duolingo APP可以为不同用户提供定制化练习，将“个性化”教育延伸到每一位用户。 Duolingo英语测试在试题生成、管理、评分等方面都采用了人工智能技术，在科学性和公平性方面较传统教学有了很大的提高。
Duolingo Max 订阅费用为每月 29.99 美元，拥有两项新功能：基于“GPT-4”的“角色扮演”和“解释我的答案”。 其中，Roleplay可以模拟现实生活中的各种场景，让用户在实际沟通中快速提高； ExplainMyAnswer智能解释可以针对各种问题给出智能解释。 随着未来模型语法的成熟和训练成本的逐渐降低，越来越多的教育AI应用场景将会落地。
可汗学院
可汗学院利用ChatGPT模型创建了AI助手Khanmigo，以独立ChatBot或现场对话的形式为学生、教师和家长提供帮助。 Khanmigo可以为学生提供一对一的教学，并提供个性化的指导。 它还可以作为教师的课堂助手，帮助教师完成制定大纲等工作。 目前，Khanmigo可以提供十余种学生端AI辅助活动。 ChatGPT-4上线后，将能够给出更加人性化的回复，并对答案提供更深入的解读。
根据可汗学院创始人的TED演讲，一对一引导学习可以有效提高学生的学习成绩和表现。 AI客户在学生学习过程中发挥了更加重要的作用。 AI可以与学生在相互交流中进行讨论，引导学生思考、纠正错误，提高学习效率，增加学习兴趣的科学方法。可汗学院AI助手提供的一对一个性化教学效果很好
3.3 AI+游戏：降低成本、提高效率、创造新玩法
AI将为游戏行业赋能各个方面。 游戏行业可以分为三个环节：制作端、营销端、玩家体验端。 游戏开发的整个过程是一个复杂的系统工程。 传统的开发方式受限于“成本”、“质量”和“效率”之间的相互制约，导致游戏供给端受到限制。 AIGC可以在游戏策划、美术、编程等方面打破传统束缚，提高制作效率、研发质量，降低制作成本。
对于生产端来说，提高效率是主要着眼点，艺术是突破口。 AIGC在意向图和概念设计方面表现突出。 例如，Midjourney可以帮助游戏美术设计师快速生成不同的抽象内容。 一方面帮助美术设计师汲取灵感，另一方面可以帮助策划师等没有美术功底的岗位轻松创作意图图。
对于营销端来说，自动化分析降低了门槛。 传统的舆情分析和信息采集需要通过爬虫等方式收集海量信息，然后通过情感分析、聚类分析等方法进行处理。 相对门槛和成本都比较高。 大语言模型对上述流程进行优化整合，实现舆情变化的有效自动报告分析。
对于玩家体验端来说，可以产生新的玩法。 AIbot一直是游戏行业研究和应用的重点。 大语言模型将帮助AIbot在多个维度呈现更加生动的表现。 人工智能可以改变玩家互动的方式。 玩家将能够通过自然语言交互传达越来越多的开放信息。 AIbot 使用语言输出作为反馈来打破玩家非此即彼的交互选择。
游戏行业增速放缓，AI助力提升竞争力。 《2022年中国游戏产业报告》数据显示，2022年中国游戏市场销售收入为2658.84亿元，同比-10.33%。 这意味着游戏行业进入存量时代，玩家数量增速放缓，产品获客效率下降。 存量时代产品的品质更加重要，游戏内容的创新和精致将会吸引更多的玩家。 人工智能可以帮助游戏行业无论是在创意还是成本上获得更好的发展。
海外游戏行业AI应用领先：Ghostwrite、StableDiffusion
代笔：生成人工智能 NPC
Ghostwriter是育碧开发的一款AI工具，用于帮助编剧共同创作玩家与NPC互动的台词。 Ghostwriter的工作原理是，作家首先创建一个角色，并输入该角色将经历的“事件或情境”。 根据选择的模式，Ghostwriter 会生成不同版本的版本。 代笔作家可以帮助编剧减少编写这些对话的繁琐任务，从而使开发团队能够腾出时间来处理更重要的元素。
稳定扩散：AI生成的游戏场景
StableDiffusion 可以生成逼真的 3D 环境、角色和对象，并可以分析现有资产和纹理以生成无缝融入游戏世界的新内容。 与其他AI软件不同的是，Stable Diffusion本身有很多选项，可以“定制”用户想要的图像效果，也可以定制训练风格模型。 如果现有的风格不能满足你的需求，你也可以自己训练特定的风格模型。
3.4 AI+电商：全面赋能，挖掘新潜力
AIGC赋能电商全产业链。 “上一代”智能应用已经在电商领域布局，主要集中在聊天机器人、语音助手、智能物流、人脸识别等场景。 但从智能的深度和广度来看，上一代智能产品还远远没有达到“取代人工智能”的效果。 随着具有理解能力和创造能力的生成式人工智能技术不断成熟，“新一代”智能产品将带来颠覆性创新。 人工智能技术在电子商务领域的应用已成为增强用户体验、提高运营效率、增强商业竞争力的重要工具。
AI+电商的几个应用方向：
1）智能搜索：AI通过分析用户的购买历史、浏览行为和偏好，提供更精准、个性化的搜索结果，从而提高用户的购物体验和平台的销售转化率。
2）个性化营销：AI可以智能分析历史数据，精准定位用户需求和偏好，帮助平台制定个性化营销策略。 同时，也为用户提供更精准的产品和服务，增加用户粘性和体验。 AI还可以创建虚拟形象来替代传统的明星代言和直播。
3）智能客服：AI技术可以实现与智能助理更加人性化的沟通，帮助平台更精准地处理用户咨询和问题。 不仅可以提高在线客服的满意度，还可以实现7*24全天候服务。
4）供应链优化：人工智能技术还可以应用于供应链管理，通过供应链数据分析做出未来预测，帮助平台确定未来需求、优化库存成本、缩短响应时间。
美股领先的AI+电商应用公司：亚马逊、Shopify
亚马逊
2023年4月，亚马逊推出了名为Titan的大规模语言模型和名为Bedrock的生成人工智能服务。 7 月，亚马逊推出了七款用于生成人工智能的创新工具。 亚马逊实行“模式”和“工具”并重的战略。
在2023年Accelerate大会上，亚马逊推出了卖家端AI产品Listing。 通过有针对性的大规模数据学习和训练，可以识别、总结、翻译、预测和生成文本，帮助卖家创建更全面、更准确的产品描述。 卖家只需要提供简短的描述即可获得AI自动生成的产品名称，描述和关键点，即满足亚马逊的要求，从而大大简化了创建清单的过程，并帮助卖家更快，更轻松地将新产品放在货架上。
购物
Shopify及其软件中心已经启动了许多基于Chatgpt的AI应用程序。 Shopify平台自己的AI主要解决了创意需求和分析需求； Shopify Apps AI主要解决垂直方案和解决方案。 Shopify的AI助手Sidekick具有对话表和AI功能。 用户可以通过自然语言对话解决与Shopify商店运营相关的操作和分析。 App Store补充了Shopify的各种垂直功能，使Shopify可以专注于开发平台功能和改善用户体验。 同时，App Store还为Shopify提供了验证数据，以实施众多第三方产品。
3.5 AI+医疗：有希望的未来，协助整个过程
AI可以在多种医疗方案中提高服务效率。 医疗行业有许多情况，并且需要将AI与不同的方案结合在一起，以最大程度地提高其价值。 根据应用程序方案，AI+医疗保健主要分为AI医学成像，CDSS，智能医疗记录，AI Pharmaceuticals，医疗数据智能平台，AI医疗机器人和AI遗传分析。 一方面，在医疗领域的授权可以降低成本并提高医疗效率； 另一方面，它还可以提高医疗质量，并帮助医生带来更好的治疗效果。
海外AI医学发展相对成熟。 早期的AI在成像领域取得了突破。 随着大型模型（例如Chatgpt）的发展，AI在病理诊断领域显示了其才华。 一些医疗平台组织连续发布了通过微调基本模型（例如ChatGpt）在医疗领域应用的大型模型。 微软正在基于GPT-4开发医疗模型LLAVA-MED，旨在加速医疗过程并建立更准确的病理模型。Google在7月发布了Med-Palm 2，这是第一个达到专家级别的大规模语言模型，以达到专家美国医疗许可检查，能够回答各种医疗问题
4个建议：A-Share AI应用程序的动态跟踪
美国的大型人工智能模型早早开始，具有完整的基础架构，并且在应用领域具有一定的领先地位。 映射到二级市场，美国与股票相关的应用公司的动态对于解释国内工业链具有一定的参考意义。
考虑到国内大规模型号仍处于早期阶段，并且在短期内计算电源有某些限制，预计计算电源需求低的行业和高可容忍度率有望成为第一个引入AI以完成AI的人。 基于先前的分析，我们认为办公软件，教育，电子商务，游戏，医疗和其他领域将被预计将是第一个实施的。
结合了上市公司的公告，我们盘点了工业链中代表性公司的最新进展。 其中，代表性的办公软件公司包括Kingsoft Office，Iflytek，Wondershare Technology，Foxit软件等。 在教育领域，有Jiafa教育，Shengtong Co.，Century Tianhong，中国公共教育，新东方，TAL等。 在商业领域，有值得购买的，重点技术，圣战股票，伊迪安·天德克西亚等。 在游戏领域，有Netase，完美的世界和37个互动娱乐。 在医疗领域，有Runda Medical，Weikang Huikang等。
5风险警告
人工智能开发并非预期。 人工智能开发受多种因素的影响，未达到预期将影响下游应用程序的进步。
该公司的表现不足。 从行业发展到行业繁荣和公司业绩，都有一定程度的不确定性。
评论列表