大模型驱动整个AI产业全面提速,投资者更应该深层次思考整个AI产业的价值重估。
从横空出世的ChatGPT到褒贬不一的百度文心一言,AI大模型的强势入场将如何影响人工智能产业?现在是投资人工智能的好时机吗?哪些赛道更有机会?3月16日的巴伦《科技投资课》邀请了卖方买方两位导师,他们从各自角度分享了对人工智能投资的观察和思考。此次直播课由《巴伦周刊》中文版副总裁王晶主持。
嘉宾导师:
陈俊云
中信证券研究部前瞻科技首席分析师。科技领域12年工作经验,曾在华为、腾讯从事战略研究工作。目前主要负责美股软件&云计算、半导体等领域研究工作,并主要跟踪覆盖微软、英伟达、特斯拉、谷歌、亚马逊等科技企业。
王鑫晨
嘉实港股互联网产业核心资产基金经理。11年证券从业经验、3年投资经验,具有长期海外工作经验。曾任SPARX资产管理集团(日本上市、规模最大对冲基金)亚洲股票研究员、美国花旗银行股票研究员(机构投资者杂志亚洲交通运输股票研究2013年排名第三、2012年排名第四)。
2023年,是人工智能大年吗?
王鑫晨:
我觉得可能2023年过后,AI会是未来几年非常重要的投资线索。
陈俊云:
短期的很多因素的确超乎我们的能力,但我相信其实从中长期来看,AI的投资机会和相关的市场机遇,应该是非常明显和确定的。
ChatGPT如何影响人工智能产业?
王鑫晨:
现在可以大概在产业上做个判断,不管是自然语言理解还是计算机视觉,我们未来人工智能的发展,都会向大模型方向演进。
人工智能产业其实不仅仅是算法层的创新,它其实是由三要素组成的:算力、算法和数据。大模型的这个趋势会改变对于算力的需求,简单来讲会对算力提出更高的要求,另外在数据方面这个关键字也是大,GPT3它披露的是45TB的全网的数据,当然经过清洗以后可能就几百个GB,但是它的输入要依靠大量的通用数据,可以说未来大模型对于数据会变得异常饥渴。
在这一点上数据的重要性我相信也会被产业及人工智能界更加重视,很多公司可能会有自己的数据策略,牺牲一些短期的收入也要积累数据。所以对于算力、算法以及数据,我觉得都是有相应变化的。
总的来讲,我觉得未来的商业模式会分成三个层次:
第一层是最底层的商业模式会出现一批公司。现在来看,这批公司会以巨头为主。我们不太清楚最后最底层一共会有多少家公司,如果只有一家两家,那么这一层会变得非常赚钱,或者说它垄断了特别大的资源。但是我判断这一层现在来看应该不会是一个特别垄断的情况,不管是海外还是国内,最后应该都会有五、六家企业,有点像我们现在的公有云。
第二层中间层,你可以把它认为是各个行业的落地者,可以叫它是服务商,或叫它是信息化厂商,它的工作跟我们现在传统的各个垂直行业信息化企业角色差不多,它需要拿着这个模型深耕每一个行业。因为每一个行业所需要的应用可能是不一样的,这一层我觉得是一个传统信息化的延伸,当然也可能会有新的公司的诞生,这些新公司可能在AI能力上会更强一些。
最上面的一层即最顶层,那就是我们传统意义上的应用层,如果大家把它按互联网去对比,那可能就是微信、抖音、淘宝这些我们用户能够接触到的这种应用层,在应用层的背后连接了大模型,连接了一个聪明的AI,它可以解决我们很多问题。总体来说会有这三层公司的变化。
哪个环节最具投资价值?
王鑫晨:
我们目前是在一个非常早期的阶段做判断。如果按过去经验看,一定是应用层最让人兴奋,应用层最接近消费者,拥有最大变现的潜力,但是这一层的问题是,有可能是很颠覆性的、目前我们想象不到的一些新东西。一般来说新东西会产生非常大的颠覆性,它会侵入我们的生活,未来语意理解发展有可能使得我们每个人都能拥有一个非常聪明的、帮我们干很多事情的个人助理,那就是一个非常超级的应用了。
这个新私人助理在整个产业环节中能够产生多大收益?有谁可以去占住这个收益?是只有一个助理?还是每个人拥有几个大厂推出的不同助理?我们都只能拭目以待。应用层应该最令人兴奋,但它的坏处是现在看不太清,而且太颠覆。
中间这层是我们现在一些信息化公司的业务延伸,他们给B端那些企业客户做服务的时候,需要融入一些智能化因素,一些智能化模型。因为企业会提这样的需求,那么他们就要提供这样的服务,所以我觉得,中间层也会有很好的发展,因为客户愿意在智能化的投入会变多。
最底层的,即是掌握大模型的这些、也是现在大家最关注的企业。这些企业将来会有很好的发展,但是我也有跟很多人不太一样的观点,我认为这一层可能会成为基础设施,刚才说了有点像我们现在的公有云,提供算力、提供存储、提供网络,它们之间的通用大模型有可能是比较同质化,每一家的模型差不太多,你可以选择接A或选择接B。那么,在这样的情况下,它们的模型输出可能是一个偏基础设施的、偏同质化的服务,它们虽然也能在这条链条上享受到利润,但是可能不会是一个特别赚钱的业务。反而最性感最让人有想象的是,我认为可能是应用层的那些新应用,需要我们去畅想。
陈俊云:
显然,任何产业在发展早期的时候,一般都是卖水的或者说卖铲子的人,可能最先在这个市场获益。
所以,最早可能会看到明显收益的是来自底层的基础设施,包括芯片和算力。AI的工作主要包括模型训练、调优、推理端的部署,算力消耗主要是在模型的训练和推理端。如果说我们认可大模型是一条技术路线,至少从目前来看,大家认为暴力美学还是一个非常有效的途径,那么自然大家对整个大算力的需求,对芯片的需求就会持续增长。
AI任务复杂性和应用范围增加,高精度大规模不断涌现,这些模型在数据中心等云端AI场景完成训练和推理,会产生巨大算力需求,所以大模型发展到后面,肯定还会去转向GPU,或者说转向专业AI芯片来做算力的承载。
云端的推理,中短期来看GPU是最主要的应用场景。而在边缘侧的推理,我相信整个芯片形态可能会更为分散,包括各种各样的ASIC芯片,或者类似于CPU这样等的方式来做承载,所以我们会看到这个产业环节几年来其实创业公司最多,虽然大家布局的赛道不同,有的做训练,有的做推理,或者说做综合的这样的芯片厂商。所以,我相信整个产业环节,从中长期来看是非常重要的一个赛道。
第二点就是算力设施,显然对于芯片公司来说,生产出芯片出来后,需要把它通过一些外围的软件环境、硬件的整体实现,去构造一个所谓的算力设施。从目前来看,现在云计算公司在这个领域有良好的客户基础,它的资本开支,它在全球中这个计算资源中覆盖的各方面,它本身的角色定位结合,现有的这种算力设施的重合度其实还是挺高的。所以,云计算公司是这个市场的最主要参与者。
到了大模型这个环节,我会看到这里面有几个工作,第一是模型的总理论架构的创新,第二就是模型的工程实践。大模型非常重要,重要到甚至每一个有能力的公司或机构都想做一个。但在全球看,能做的其实是非常有限的少数公司,比如在美国,像谷歌、微软、Meta这样的公司。未来大科技公司它可能主要的工作焦点,或者它主要的工作方向,是在对现有的这种大模型的这种基础之上做一些调优,来实现和下游的使用场景对齐,从而实现这个模型总理论的构建,以及这个理论架构和工程实践之间的这种剥离,从而再使得产业形成更为高效的,这样的一个分工合作协作安排。所以这时候,做相关的数据标注、数据清洗,以及做某种场景数据集的这种公司会有非常明显的机会。
最后的环节,关于应用场景有两点我可以稍微讲一下。第一是搜索引擎,我们信息的获取方式主要是一种关键词输入为主的方式,这其实并不太符合人机交互的习惯,用ChatGPT或者类ChatGPT这样的工具,结合搜索引擎去结合,能提升整个信息这种获取效率或准确度。这也是微软Bing、谷歌搜索正在重点做的事儿。
第二个工作主要还是在于软件层面,微软office主要就是来帮助我们提高工作效率,所以ChatGPT或者类ChatGPT这样的工具若能和软件本身这种结合,能更大幅度提升办公或者说代码编写等工作效率,我相信整个软件行业自身运营效率以及收入都会有比较明显的、实质性的增长。
哪个赛道更有投资机会?
王鑫晨:
从时间点上我们排个序,看谁可能先看到AI所带来的增量,比如说业绩的驱动、业绩的增量。
我们现在这个阶段还是在憋大模型的阶段。国内和海外一样,大部分还在追赶OpenAI,底层的巨头都还在做这个大模型,所以当他们还在做大模型的时候,其实是跟中间层、应用层现阶段的关系不大。
在这个阶段,我们国内的也都在等国内自己的大厂做出模型来才能有后面的事儿。所以肯定是最下面那一层要先有突破,才有中间层和应用层的这两个层次,这也是刚陈俊云老师讲的。最下面那一层他们在做大模型的过程中,涉及到算力、算法、数据三个要素,我觉得可能会有一些相关子行业会受益,比如说算力行业,我在模型还没做出来之前得先训练一个模型,训练模型那么我需要的芯片需求就很多了。刚才讲到,大模型和原来的小模型时代是不一样的,大模型它天生非常吃算力,所以巨头都会下单去买芯片,那么这就是最先能看到的,相关产业公司就能先看到业绩拉动。
那还有一些能先看到的可能是数据层面。这跟我们国家的数据要素相关政策也有些关系,如果你有特别有价值的数据是可以用来做训练的专业数据,理论上在数据要素的潜在催化下,那它也是有自己价值的。甚至一些做数据服务的公司,给数据打标签,或者给数据做清洗等,大家都是在去做这个模型过程中的卖水人、卖铲子的人。
芯片这个产业链上其实很长,芯片也好,把芯片包装成服务器的也好,甚至包服务器的人工也好等等,这些都是可能很快就能有相应的业绩落地。
那么等有一个模型后才到中间这一层,这时候有人开始往模型里接进去一些新应用,给他的客户提供一些服务,中间层也能马上产生收入,而他的客户有了一个更牛的、更聪明的应用以后,向消费者去提供不一样的体验,或者给他公司的员工提升生产效率等等。
这样,产生业绩的排序和最有投资价值的排序,就有可能是这么倒过来的。最终可能最让人兴奋的,还是最顶层那些不知道长什么样的应用,可能会长得很大,但是从谁先看到业绩来说,就可能是最底层的那些公司。
陈俊云:
总体上来看,同意王老师所说的,包括像芯片和算力一定是最先看到相应业绩落地以及这种相关的业绩兑现。
模型的开发是成本,还要考虑到在前期应用场景导入的时候,它可能还需要一个额外成本——合作研发费用的支出,所以从这种模型能力的导入再到应用场景商业化变现落地,中间有一个可能不算特别漫长,但还是需要一定时间的这样一个过程。
我会看到最底层中的芯片,包括像算力基础设施、相关硬件方面,短期业绩确定性会非常明显,全球主要的GPU公司,像包括像这种服务器、AI服务器,实现芯片之间或服务器之间高速互联的这些网络设备公司,以及包括从对应的这种IDC等产业环节,都会有确定性受益。
从中期来看,随着大家对暴力美学的追逐,它还会随着这种应用场景的扩展以及对算力需求的拉动,持续获得现在的这种增长。
《科技投资课》是《巴伦周刊》中文版近期推出的直播课程,拟围绕“科技”主题搭建一个跨界学习组织,我们将邀请科技相关方向的一级机构投资人、二级机构基金经理和分析师、技术专家、科技公司创新者和创业者等精英担任导师,用视频直播方式,讲解当下全球科技创新趋势、一二级市场投资机会,以及创新创业机会。
直播课计划涵盖内容包括高端制造、新能源、新材料、新生物、人工智能、区块链、元宇宙、AR/VR/MR、Web3等。
欢迎专业投资人、普通投资者、科技创新创业者,以及热爱科技积极拥抱未来的人加入我们的学习社群,也欢迎相关专业人士、嘉宾老师加入课程导师团,请您添加巴伦v助手具体咨询(微信号:barrons008)。
文|巴伦周刊中文版
版权声明:
《巴伦周刊》(barronschina)原创文章,未经许可,不得转载。
(本文内容仅供参考,投资建议不代表《巴伦周刊》倾向;市场有风险,投资须谨慎。)