嘉賓介紹：劉高暢，國盛計算機首席、機器人大組組長，2021&2022年新財富計算機行業第一名（首席）。南開大學物理學、金融學雙學士，香港中文大學系統工程碩士。曾任申萬宏源人工智能組組長，計算機高級分析師。

今年一季度，隨著ChatGPT的火爆，前期沉寂多年的TMT板塊出現非常好的表現。資本市場在ChatGPT出現之后為什么這么看好TMT行業？人工智能背后的技術積累和突破的關鍵在哪里？算力和數據方面我們和海外有多大的差距？人工智能產業鏈中，哪些賽道會比較好，后續行情將如何演繹？

國盛證券劉高暢表示，ChatGPT不再是0—1，和應用端結合起來之后已經進入1—N的階段，使得資本市場開始真關注到ChatGPT的價值。大模型的出現是人工智能技術經過積累和發展后，量變產生質變的結果。在當前人工智能巨大變革的產業早期，在算力、大模型、應用這三個領域都有非常好的機會。這一輪人工智能的影響力可能比1999年的互聯網更大，行情的持續性和高度可能會超過預期。

(資料圖片僅供參考)

以下為文字精華：

1、國盛證券劉高暢：ChatGPT應用落地 進入1—N階段

提問：很高興今天能有機會和大家一起交流人工智能以及TMT行業的觀點，我們非常榮幸地請來了國盛證券計算機行業首席分析師劉高暢，劉總是連續兩屆的新財富計算機行業第一名，同時去年年底就非常前瞻地看好人工智能行業。

首先想問一下劉總，計算機行業以及人工智能今年如此好的表現是因為什么？

劉高暢：去年底的時候，我們也看了一下所有賣方的年度策略，我們應該是唯一一個把人工智能列入其中進行推薦的，而且列在核心的推薦里。我們當時的年度策略寫的是信創、數據以及AI三個方向，今年應該來講，驗證程度還不錯。

去年12月份的時候，OpenAI放開了ChatGPT的公測。ChatGPT的對話體系展現的智能性，和以前的AI，包括大家比較熟悉的NLP自然語言處理已經發生了比較大的區別。

首先他能理解你的問題，他的回答非常也很有邏輯和條理，而且他的認知范圍非常廣闊，所以我們當時就覺得這個東西和之前的不一樣。我們在機器人的研究當中發現，機械部分甚至控制平衡的部分，都不是一個機器人最重要的點，要讓機器人真的發揮作用，關鍵在他的“大腦”，這可能是通用人工智能改變世界最缺失的一環。

去年12月份我們用了ChatGPT之后，在12月11日也發布了相關的報告，探討ChatGPT是否是新一輪的科技革命。實話實說，當時我們的認知還略淺顯，并不堅定，只是覺得它的可能性和方向已經出現了，所以我們在年度策略里沒有把人工智能列為第一主線，而是列為三大主線之一。

1月3日，微軟宣布推出New Bing，在New Bing的搜索層面運用ChatGPT。當時給了我們一定的觸動，我們發現ChatGPT不只是一個對話系統，它可以和應用端結合起來。對資本市場來講，我們覺得有兩個點特別重要，讓大家真正開始認可。

第一點，我們和資本市場共同看到，在我們的春節期間，微軟宣布Microsoft的Office全家桶包括微軟的全套體系會接入ChatGPT開發應用。當時中國的資本市場的話也是看到ChatGPT不再只是0—1的過程，它真正開始和整個產業界全面結合起來，已經進入1—N的階段。

之后我們就開始深入研究，看很多的相關論文，我們在2月下旬提出的多模態GPT的方向，甚至領先學術界預判了市場包括產業的下一個重要方向，這一塊研究我們非常的自豪。從當時開始，我們就已經將其作為整個年度最重要的產業。

資本市場特別是對公募保險這樣的一些大機構來說，真正讓他們觸動的，相信是3月16日晚，微軟的Copilot六件套的發布，包括 Word、Excel、PPT等。這個時候，我們發現資本市場真正開始相信了。

因為大家以前覺得它只是一個小工具，不能提升社會生產力，但是做PPT這個工作，應該來講我們每個人都有做過，可能對很多投資者來說非常難受，有這么多的PPT要做，大家經常熬夜做PPT熬得頭發都掉了。但是我們發現ChatGPT接入之后，它真的可以開始幫我們自動生成PPT，雖然還比較粗淺，需要我們大量的修改，但是從中可以明確地感受到ChatGPT的魅力。

從那時開始的話，資本市場無論是機構還是個人投資者，對ChatGPT的關注度快速爆炸，真正的熱了起來。

2、國盛證券劉高暢：第三次AI浪潮 量變產生質變

提問：直到2023年，人工智能中在我們看起來“比較基礎”的人機對話功能才得以實現，背后的技術積累和突破到底在哪里？

劉高暢：2006年以后的AI發展，我們把它列為人工智能的第三次浪潮，它的標志是深度學習的成熟，以深度學習模型的成熟和可實現程度的完成作為標志，像Geoffrey Hinton這樣的一些大牛在里面做出了很多貢獻。

2006年到2017年是以深度神經網絡為代表，包括CNN（卷積神經網絡）、RNN（循環神經網絡）、DNN（深度神經網絡），一些深度神經網絡的分支。

2017年，代表性的模型框架就是Transformer開始出現，它吸取了CNN體系，殘差神經網絡里殘差塊的體系，去解決梯度下降或者梯度爆炸的問題，在循環神經網絡里，它吸取了Self Organizing Maps（SOM，自組織映射神經網絡）。當時是Google的研究團隊提出了Transformer大模型的邏輯，模型規模很大，有的可能是以編碼器為主，有的是以解碼器為主，Google堅持以編碼器為主，這個路線在識別客戶的問題或者識別客戶的需求方面效果比較好，也有利于Google的搜索產品。

OpenAI非常有意思，它看重的是GPT路線，也就是生成式AI的路線。生成式AI，它的復合里面放的都是解碼器，也就是說在訓練之后會有一個特點，就是會有多種多樣的表達，可以按照各種邏輯去表達。

因為OpenAI在早期的目標就是致力于AIGC，也就是通用人工智能的成型，他們認為GPT路線離實現通用人工智能的距離會更近一些，所以一直進行這種訓練發展。從處理數據集到網絡結構的設計，到訓練的布置實施，包括訓練過程中的修正與調教。

中間有個比較意思的點，就是它用大語言模型去寫代碼。這一點非常有意思，當時是GPT3初始模型之后開始去寫代碼，寫完代碼并做了對齊，對齊叫Instruct Lenition，初始的指導中只有少部分的道德指導，大部分做指令的指導，把代碼和人類的語言進行一一對齊。簡單說就是讓機器去理解人類的語言，用代碼的形式去實現一些邏輯上的操作，并且把結果反饋成人類的語言，可以理解為把機器相關的東西進行翻譯。

這個操作完成之后不再叫“GPT3初始模型”，叫“GPT3達芬奇002模型”。我們當時去測，大概是在2021年底，他的表達表現還不是特別好，但是用特殊方式的引導詞去提問他，你會發現他已經具備了非常強的邏輯能力，只是道德水準還有點問題，所以后面OpenAI做了一定的工作，叫做Instruct GPT指導。

指導分為幾個內容，一方面進一步去調教指令，能夠更好地理解人類的一些指令，一些通俗易懂的話怎么轉化成機器的邏輯。

另外一種就是做道德上的調教，因為怕出現一些黃色暴力血腥的話，以及一些反人類反道德反社會的話。就像我們教小孩子一樣，他可能有邏輯也很聰明，但是表達有問題，世界觀價值觀也有問題，我們要去調教他的三觀。

經過Instruct指導性的調教之后，再進行一些微調，行業化和效果的一些調整，到了2012年12月份，發出來的GPT3.5之上的衍生產品，也就是ChatGPT。

GPT3以前用的是公開數據為主，用了很多的開源代碼，也可能用了一些微軟內部比較高階的代碼，這是一種猜想，但總體來說是以公開數據為主，但是未來往行業化的方向去發展，可能專業化的數據，能夠支撐應用形成的數據會相對來說比較重要。

人工智能技術經過不同的積累和發展到了大模型階段，大模型學習了很多人類互聯網上的公開數據形成了自己的智能，是模型規模到了一定程度量變產生質變的結果。

3、國盛證券劉高暢：中文數據欠缺 算力消耗顯著

提問：除了算法，人工智能訓練的時候也需要很大的算力，包括海量的數據，特別是我們中國跟海外的數據源可能還存在一些割裂。在算力和數據方面，我們和海外有多少差距？

劉高暢：數據方面，在GPT3以前用的都是互聯網的公開數據，中文目前來看，客觀的條件就是高質量的語料庫相對來講會稀缺一些。

在整個OpenAI的大模型中，我們了解到中文的語料庫使用只有5%，從誤差率的角度來講，英文可能在2%—3%，中文大概在10%以上。用中文去測試ChatGPT，效果也不如英文。但是，我們也看到國內的高質量語料庫在快速生成中，大家也在探索，包括知乎和萬方這樣的一些高質量語料庫在形成。

大模型的數據還是以互聯網公開數據為主，可能在寫代碼這個階段，一些頂尖大廠比如微軟，代碼的水平會比較高，但是畢竟這一塊只是小部分，我們推測起不了決定性的作用，應該不是特別大的瓶頸。OpenAI在去年GPT3.5的時候，大概用了45TB的數據，做模型數據集處理和傾斜的部分應該是不超過1TB的，所以其實是很少的數據，這一點不用特別擔心。

算力方面，如果從訓練端的角度來看，如果在GPT3以前，用2000張英偉達A100的算力，如果你訓不出來成果，我們建議就不要去做了，說明這個團隊水平有點問題。如果在GPT3.5以前，5000張如果訓不出來，我們建議也不要再做訓練了，說明這個團隊多多少少有點問題。

我們認為在訓練階段，對算力的需求量沒有那么極限，國內明面上和潛在的產業中的儲備我們認為是夠的。

應用端來看，做模型蒸餾和模型裁剪，把算力的消耗做到以前的90%，已經是很高的縮減度了。但是就這樣的情況來看，算力還是會捉襟見肘，對未來算力的消耗還會非常顯著，包括我們國家的一些晶圓代工和設計廠商，這也是他們需要努力的地方，其實是機遇也是挑戰。

4、國盛證券劉高暢：關注三個領域 皆有可觀機會

提問：在ChatGPT或者人工智能產業鏈上，您覺得哪個賽道會比較好？

劉高暢：我覺得在這樣巨大變革的產業早期，算力、大模型、應用這三個領域都有非常好的機會。

算力領域我們也測算過，在應用端來看，如果應用快速擴張的情況下，它的算力需求相較于現在可能是以萬倍為基數的提升，甚至會更高。我們做過一個很有意思的測算，就是通用的人形機器人出現的時候，它的模型規模我們認為至少是3萬億—4萬億的參數級別。

到了三四萬億的參數，即使我們做了很好的模型的蒸餾裁剪，我們認為機器人也需要10張英偉達A100，未來的話我們相信機器人的數量會超過人類，因為它可以解放你的生產力。

假如100億的機器人，現在一張英偉達A100的卡基本上都在十多萬，可以看到形成了多么大的空間。當然這是比較遠期的假設，可能需要十年左右的時間，但也讓我們感受到算力擴張的量級，因為算力嚴格意義上是跟著應用走的，所以算力是一個比較確定的方向。

需求上也是比較確定的，方向上可能我們國家的企業更多的是解決供給的問題，如何設計出高密度的計算芯片。如何比較好地保證在晶圓代工這一塊供應鏈的穩定性，可能是整個產業需要重視的地方。

大模型端，國內的大模型逐漸多了起來，但是我們也看到，大模型是驅動整個產業鏈啟動的發動機，到底誰能做出來其實現在不好講。如果在比較深的優勢的行業，做行業的大模型，就很多人講的“小模型”。其實不對，Transformer它就是大模型，對Fine Tune微調之后的行業大模型，通用智能更好的這種大模型不一定比你效果更好，或者說即使效果比較好，綜合的能耗可能消耗比你大，這樣的一些可能性也是存在的，所以一定會有自己的機會所在。

在應用的階段，我們現在看到不管是辦公的這種多模態，金融領域、醫療領域、教育領域，還是像智能助理這樣一些To C的應用，都在蓬勃發展。我們相信在未來的半年到三年內，我們的生活一定會發生巨變，巨變之下可能大家就會真正感受到時代的魅力以及巨大的投資機會。

5、國盛證券劉高暢：產業周期變化 行情生命力強

提問：最近市場有比較大的波動，到了這種分歧的時刻，后市該怎么看？

劉高暢：我們前期寫了一篇報告——《1999年互聯網行情的復盤》。淡化所有對投資的理解，對護城河、PE、PB等框架的各種認知，從產業周期來講，最可比的就是1999年互聯網新技術的顛覆，帶來了巨大的變化。短期內可能產品形態、商業模式都不是非常清晰，因為它在快速變化，大家都在攻城略地，去改變這個世界。

這一輪的影響力可能比1999年的互聯網更大，因為影響的并不是說我們計算機行業的400家公司，也不是A股的4000家公司，它影響的是我們每一個人的生活，每一個人的工作狀態，影響的是整個社會的形態。我們認為，如此顛覆性的技術，它的持續期、它的高度、它的生命力是非常強的。

復盤1999年，當時產業的行情演繹大概是1年9個月的時間，也有十幾倍的一些公司，漲幾倍的公司不勝枚舉。其實從春節之后到現在，整個ChatGPT的演繹也就兩個月的時間，考慮到現在社會節奏變快，信息傳遞加速，行情的持續性和高度可能會超過大家的想象。

前一段交易上的波動我們認為問題不大，而且持續的時間也不會太長。我個人判斷時間可能不會特別長，下一輪的AI行情會開啟新一輪的機會，所以近期基于交易的回調是非常好的。

我們從2月份的路演開始一直講一件事，就是年內ChatGPT有且只有兩個利空，一個是大家意識到芯片這一塊有封鎖的風險，另外一個就是大家認識到我們國家的大模型和OpenAI有比較大的差距。但這兩件事情在2月底和3月中已經發生了，所以博弈已經完成了。純交易性的因素造成的調整，我們覺得每次回調都是非常好的布局機會，上一波重視程度不高的投資者，可以在新一輪的大行情中加大重視。

關鍵詞：