摘要：核心观点：ChatGPT 指明了 NLP 生成领域的技术方向，从技术本源上加速 AIGC发展。 我们认为， ChatGPT 对 AIGC 发展的意义在于：一方面， GPT 作为 NLP 生成领域模型的突破，将迅速解决 AI 文本生成、 AI 代码生成等领域的痛点；另一方面， AI 文本生成、 AI 代码生成作为 AI 音视频、游戏等其他领域的技术基础，其突破发展也将加速 AIGC 在音视频、游戏等场景中的渗透（比如生成 AI 绘画提示词，或生成调用计算引擎等）。全球巨头争相追赶，与 ChatGPT 水平尚存一定差距。国外公司中，谷歌发布的聊天机器人 Bard 具有与 ChatGPT 接近的技术水平，大约相差半年左右。国内公司中，百度、华为、字节跳动、阿里、腾讯等巨头均在大模型方向布局，整体发展水平与 ChatGPT 相差大概一到两年左右，约接近 GPT-3 的水平。AIGC 多场景应用处于爆发前夜，千亿市场打开。 随着大模型算法突破以及算力成本下降， AIGC 发展痛点逐步解除，亟待爆发；同时又有ChatGPT 助力，文本、代码、图像生成有望率先成熟，视频、游戏将紧随其后。我们预测，到 2025 年 AIGC 在网络文学领域、文本分析领域、绘画及图片领域、数字音乐领域技术将相对成熟，因此渗透率分别为70%/60%/60%/50%；网络视频领域、游戏领域由于技术原因渗透率相对较低，分别约为 30%/25%。基于上述假设，我们分别对 AIGC 细分领域做市场规模预测，预计 2025 年中国 AIGC 市场规模有望达到 1600 亿。AIGC 产业链：基础层最先受益，中间层巨头占优。 AIGC 产业链可大致分为基础层、中间层和应用层三层架构。鉴于大模型训练需要巨大的算力规模，基础层中的芯片、服务器等硬件提供商将最先受益。而对于中间层来说，技术积累以及资金实力都是关键竞争力，因此我们认为科技巨头更具有竞争优势。应用层中，可类比移动互联网时代，会爆发出很多杀手级应用，用户体验和模式创新都将成为“杀手钳”。GPT-3 训练所需总成本： 模型的算力需求几乎与参数量呈同比增长。单一 V100 GPU 芯片进行一次 GPT-3 13B 模型的训练，大约需要 2144天；进行一次 GPT-3 175B 模型的训练，大约需要 29120 天。我们测算GPT-3 13B 训练总成本约为： $3.06 /H * 24 H/D * 365 D/Y * 26Y = $0.7Million；同理， GPT-3 175B 训练总成本约为$ 9.5 Million。在不计 RAM、CPU、 SSD 驱动器、电源等其他情况下， GPT-3 运行所需芯片成本至少在 20 万美元以上。投资建议： ChatGPT 开启 AI 新纪元， AIGC 千亿市场处于爆发前夜。产业链基础层中，我们重点推荐全球 AI 服务器龙头浪潮信息（ 000977.SZ） ，关注中科曙光（ 603019.SH） 、中国长城（ 000066.SZ） ；中间层中，推荐人工智能技术积累深厚的拓尔思（ 300229.SZ）、科大讯飞（ 002230.SZ）；应用层中，推荐彩讯股份（ 300634.SZ）、嘉和美康（ 688246.SH） 、金山办公（ 688111.SH）、同花顺（ 300033.SZ） ，关注万兴科技（ 300624.SZ）。风险提示： 行业竞争加剧的风险；产业发展进度不达预期的风险；技术风险；政策风险。

免责声明：
1.本站部分作品是由网友自主投稿和发布、编辑整理上传，对此类作品本站仅提供交流平台，不为其版权负责。
2.如发布机构认为违背了您的权益，请与我们联系，我们将对相关资料予以删除。
3.资源付费，仅为我们搜集整理和运营维护费用，感谢您的支持！

合集服务：
单个细分行业的合集获取请联系行研君：hanyanjun830