蝉鸣报告（原爱报告知识星球）
【华泰证券】科技行业专题研究:AI2.0,十年之后我们还能做什么
大语言模型如何赋能行业？
我们把十个主要行业根据：1）工作方式是脑力为主还是体力为主，（2）工作内容是常规性还是非常规性进行划分，归纳了不同性质工作受到生成式AI影响的程度。我们认为，随着AI能力的不断增强，大语言模型（LLM）将从金融法律服务、软件外包等常规性的脑力工作开始，逐步替代人类工作。
具体结论如下：
1）常规性的脑力劳动容易被算法替代。这具体包括金融法律服务、软件外包、传媒等白 领工作。这些工作需要收集，分析和解释大量基于语言的数据和信息，且含有较多重复性 的知识劳动，与大语言模型的文本理解/生成以及逻辑推理能力高度重合，受到生成式 AI 的影响可能较大；
2）非常规性的脑力活动较难被算法替代。 相较白领工作，新药开发等科研工作需要更高 层次的认知和创造力，并且工作内容多变，难以被算法替代，受到生成式 AI 的影响较白领 更小；
3）常规性的体力劳动容易被自动化技术替代。 在零售、制造等行业中，虽然涉及的语言 相关工作不多，受生成式 AI 的影响不大，但工作中有较多重复且任务标准化程度高的内容， 容易被机器人等自动化技术所替代；
4）非常规性的体力劳动受影响较小。建筑、餐饮旅游及交运、采矿等行业虽然也包含较 多的体力劳动，但难以被自动化的长尾场景较多，目前看来，受到生成式 AI 和机器人技术 的影响都较小。
AI 2.0 是下一代通用技术平台
我们认为以 ChatGPT 为代表的大语言模型的出现，使人工智能技术的发展进入了 2.0 时 代。AI 大模型已经具备1) 通用性强，2）固定成本高但边际成本递减等平台性技术的显 著特征，有望成为继 PC，移动互联网，云计算，电动车之后，下一个支撑科技创新的通 用技术平台。
如下图所示，每一代通用技术平台的出现，都会伴随几家平台性公司的出现。这具体包括， 1）主机时代的 IBM，2）PC 时代的微软和 Intel（Wintel），3）智能手机时代的苹果和谷 歌，4）云计算时代的亚马逊和英伟达，5) 智能电动车时代的特斯拉和宁德时代。当我们 进入 AI 大模型时代，我们认为，以微软为代表的大模型厂商和以英伟达为代表的算力提供 方有望受益于 AI2.0 的崛起，实现平台扩张。
过去，计算机视觉等 AI 模型需要针对每个特定任务进行数据采集、模型训练等一系列工作， 且训练出来的模型无法用到其他场景，这导致边际成本难以降低、难以大规模落地等问题。大模型的出现改变了 AI 模型的训练和使用的范式。在大模型的新范式下，首先训练出具备 跨领域知识的基础模型（Foundation Model），然后通过微调等方式适配和执行下游各领 域的任务，能够降低模型落地的边际成本。大模型的新范式带来了成本结构变迁：大模型 出现之前的 AI 1.0 时代，模型训练成本和模型数量等比例增加，边际成本较高；AI 2.0 时 代，训练基础模型的固定成本高，但微调以适应下游应用的成本极低，预训练模型+微调 的新范式边际成本低，具有明显的平台效应，为 AI 公司探索新商业模式提供机会。
展望 AI 大模型时代，我们认为：
1)算力基础设施率先受益：AI 大模型推动算力需求快速增长，基础设施的业绩成长确定性 最高，主要产业链环节包括计算芯片、服务器、数据中心等；
2)交互终端次之，当前智能手机是大模型应用的主要载体。未来看好大模型能力提升推动 AR/VR，无人驾驶车，机器人等成为下一代硬件载体的潜力。
3)大模型平台是当下产业发展趋势中最核心的一环，看好 MaaS 成为 AI 大模型时代新的商 业模式，关注各国对 AI 大模型企业监管政策对行业发展的影响；
4)AI 2.0 最大的投资机会在应用。看好大模型在搜索，电商零售，办公，金融、医药等行 业率先落地。
算力需求增长利好芯片送水人
算力需求增长会率先利好算力芯片，光模块，服务器产业链等送水人。根据 OpenAI 测算，目前算力的增速（翻 1 倍/3-4 个月）远超过摩尔定律（翻 1 倍/18-24 个 月），未来 AI 应用的逐步丰富，将推动推理芯片等相关市场保持强劲增长。我们预计2025 年左右当生成式AI 应用大规模落地后，数据中心用推理及训练芯片市场约900 亿美元， 带动先进代工、先进封装、光模块、服务器在内相关产业链。
算力芯片：全球 900 亿美金市场，训练英伟达一家独大，推理百花齐放。我们认为是否拥 有大模型将成为科技巨头科技平台企业的重要分水岭。我们预计全球有约 30 家科技巨头 和 300 家 AI 大模型初创企业在进行算力相关投资。到 2025 年，这对应大约每年 300 亿美 金训练芯片和 600 亿美金的推理芯片市场。其中，英伟达凭借 CUDA 软件框架构建的强 大行业壁垒，在训练芯片市场一家独大，推理芯片方面，海外客户除了采用英伟达、AMD 等的通用 GPU 以外，也会采用 TPU 等 ASIC 以提高性价比。国内客户出于供应链安全考 虑，逐步提升国产芯片的适用占比。海思，寒武纪，燧原等企业都有较好发展。
服务器/PCB/先进封装：AI 服务器增速超传统服务器，高算力需求带动先进封装需求。从 GPU 到 AI 工厂，我们认为 AI 计算会为整个服务器产业链带来增长。相较于全球传统服务 器需求持续低迷，根据 IDC 预测 AI 服务器 21-26 年复合增速有望达到 17%。我们看到从 单颗GPU 芯片H100，通过NVLINK Switch 形成一颗巨型GPU，然后通过Quantum InfiniBand 技术，搭建有上百张GPU 的DGX 服务器，最后把多台DGX 联通形成一台AI 超级计算机，整个系统的搭建过程会带动包括服务器整机、PCB、光纤光缆、电源在内的 整个服务器产业链的性能升级。在先进封装领域，产业从 2.5D 封装正走向 3D 封装，根据 Prismark 预测 ABF 载板作为先进封装关键材料有望在 21-26 年实现复合增速 11.5%，而 相关测试设备有望长期受益于 Chiplet 和国产替代趋势。
光模块：AI 大模型推动 800G 光模块迎放量元年。以 ChatGPT 为代表的 AI 大模型，对数 据中心内外的数据流量都提出了新要求，将带来光模块行业“量”和“质”的双重提升。以 ChatGPT 为代表的 AI 大模型训练中，由于需要海量数据及跨机器协作，产生了大量的 数据中心内部通信需求，无阻塞的胖树结构成为当下最主流的 AI 训练网络架构，带来两方 面主要变化：1）量方面，AI 网络架构带来数据中心内部交换机、服务器数量的增加，光 模块作为数据中心内外部连接的核心部件，用量将明显提升；2）质方面，AI 对于高速率、 大带宽的网络需求将推动光模块向 800G 加速升级，根据 Lightcounting 预测，2023 将成 为 800G 光模块放量元年，2028 年 800G 出货量有望达 998 万只，对应 2023-2028 年复 合增长率为 72%。在此产业趋势下，我们认为能够提供高速光模块的龙头企业以及上游光 器件、光芯片厂商有望迎发展机遇。
谁会成为 2.0 时代的硬件载体？
展望未来，我们认为大语言模型会大幅提高硬件产品的“思考”能力，机器人技术的发展 会提高硬件产品的“行动”能力。一个同时拥有（1）超强感知能力，（2）通用人工智能 （AGI），和(3) 灵活的行动能力的硬件产品，可能就是现在大家畅想中的人形机器人。虽 然很难预判什么时候这个产品能够实现，但在最终实现人形机器人的过程中，我们相信会 催熟ARVR，无人驾驶车等很多新的硬件形态，带动产业发展。
世界最后需要几家大模型公司？
我们认为是否拥有大模型将成为科技巨头科技平台企业的重要分水岭。 目前 AI 行业呈现 出“百模大战”的格局，我们认为未来基础大模型可能呈现国内外各有数个赢家的寡头竞 争格局。类比云计算领域，国外有 AWS（亚马逊）、Azure（微软）和 GCP（谷歌）三巨 头，国内有 BAT 和华为，前期基础设施的巨大投入造成了云计算的寡头市场格局。与云计 算类似，基础大模型需要耗费大量算力和数据标注成本，并且随着规模的增加，其训练费 用将指数级增长。在高壁垒和地缘政治等原因下，未来基础大模型可能在国内外各自形成 寡头竞争格局。
AI 大模型是一个资本密集，人才密集和数据密集的产业，如何形成“数据-模型-应用”的 飞轮，是大模型企业成功的关键。具体而言，大模型的诞生以算力基础设施为根基，以算 法为骨干，以高质量数据为血肉；大模型结合具体应用场景的落地产生应用；用户使用应 用的过程中产生数据，数据又得以反哺模型。由此，从大模型的训练到应用落地产生闭环， 我们认为“数据-模型-应用”的飞轮能否运转是大模型企业可持续发展和迭代的关键。
MaaS 可能成为 AI 大模型时代新的商业模式。过去云计算架构主要分为 IaaS、PaaS、 SaaS 三层，经过多年发展，出现了像微软，MongoDB，Adobe 等一批代表性企业。未来， 我们认为，MaaS (Model as a Service）可能成为 AI 大模型时代一种新的商业模式。如上 所述，大模型具有固定成本高，通用性强等特点，MaaS 企业依托已经训练好的大模型， 向 2B 客户提供包括 API 调用、模型训练、模型微调、模型部署服务等各类服务，数据， 算法，算力将是 MaaS 企业的主要竞争壁垒。目前，国内，阿里，百度，商汤等都已经宣 布提供类似服务。
以上为节选样张，关注公众号【蝉鸣报告】回复领取PDF完整电子版。
【蝉鸣报告】每日更新最新硬核报告，覆盖产业报告、全球化、经济报告、趋势等全领域。
