ChatGPT是人工智能研究實驗室 OpenAI推出的一款基于AI的自然語言處理工具。ChatGPT使用的人類回報強化模型技術使用人類偏好作為獎勵信号來微調模型，能夠通過學習和了解人類的語言進行對話，像人類一樣聊天交流，甚至能完成撰寫郵件、視訊腳本、文案、翻譯、代碼等任務。
ChatGPT可被廣泛應用于多領域，有望率先落地AIGC領域。我們認為ChatGPT中短期内産業化的方向主要分為文字模态的AIGC應用、代碼開發相關、圖像生成領域、智能客服四大闆塊。
ChatGPT的成功，預示着人工智能（AI）無論在經濟性與可獲得性上都達到了支援普及的水準。同時，ChatGPT産生的鲶魚效應，料将推動全球AI産業化程序的全面提速，以及AI生成内容時代的全面到來。
投資機會：對産業界AI的發展而言，資料品質的優化、AI研究人員的儲備與計算能力将是未來能否走在AI應用前沿的核心能力。AI産業有望成為全球科技領域中期最具投資價值的産業賽道之一。AI産業有望繼續保持“晶片+算力基礎設施+AI架構&；算法庫+應用場景”的穩定産業價值鍊結構，擁有完整資料閉環結構、良好資料自處理能力的企業望持續成為産業受益者。以ChatGPT為代表的預訓練大模型加速商業化落地，将帶來大量算力需求，以政府為主導的城市智能計算中心AI算力卡國産化進度較快，建議關注華為昇騰生态圈核心廠商。ChatGPT等AI産業化的落地預計将進一步推動海外雲巨頭對于資料中心硬體裝置的需求增長與技術更新，光子產品、光晶片、光器件長期有望顯著受益。另外，ChatGPT在金融科技領域的應用值得重點關注，超級生态和垂類平台都有機會。
資料來源：中信證券研究部繪制
ChatGPT是什麼？
ChatGPT（Chat Generative Pre-trained Transformer，聊天生成式預訓練器）是人工智能研究實驗室 OpenAI推出的一款基于AI的自然語言處理工具。ChatGPT使用的人類回報強化模型技術采用人類偏好作為獎勵信号來微調模型，能夠通過學習和了解人類的語言進行對話，還能根據聊天的上下文進行互動，真正像人類一樣聊天交流，甚至能完成撰寫郵件、視訊腳本、文案、翻譯、代碼等任務。
圖1：ChatGPT圖解
資料來源：OpenAI官網，中信證券研究部
ChatGPT于2022年11月30日向社群釋出測試，迅速獲得極高的關注度。根據Similarweb的資料，ChatGPT在上線兩個月不到的時間内就擁有了超過1000萬DAU，MAU突破20萬。目前ChatGPT是免費不限量向C端公衆開放，并且OpenAI推出ChatGPT付費訂閱版ChatGPT Plus，每月收費20美元，加速AIGC商業化程序。
圖2：ChatGPT在上線僅兩個月後預估DAU突破1000萬
資料來源：similarweb
ChatGPT的技術邏輯：OpenAI團隊從GPT-3.5系列中的一個模型進行微調，使用與 InstructGPT相同的方法，人類回報強化學習（RLHF）訓練該模型，并對資料收集設定相對做了優化。ChatGPT模型的訓練過程主要分為三個部分：1）收集示範資料并訓練有監督政策；2）收集比較資料并訓練獎勵模型；3）使用PPO強化學習算法針對獎勵模型優化政策。
圖3：ChatGPT模型的訓練過程
資料來源：《ChatGPT發展曆程、原理、技術架構詳解和産業未來》（作者：陳巍 博士，收錄于先進AI技術深度解讀），陳巍談芯@知乎，中信證券研究部
ChatGPT的中短期産業化落地
圖4：ChatGPT應用領域廣泛，有望率先落地AIGC領域
資料來源：中信證券研究部繪制
ChatGPT的出現以及中短期内的産業化落地将會為從使用者創作（UGC）到AI創作（AIGC）的轉型提供關鍵的輔助支援。結合ChatGPT的底層技術邏輯，我們認為ChatGPT中短期内産業化的方向主要分為四大闆塊：
1）文字模态的AIGC應用。ChatGPT在歸納性的文字類工作中展現出了極其優異的表現。中短期内ChatGPT能在辦公輔助類工具中迅速落地，例如會議總結、檔案翻譯、例行報告等，提升辦公效率并節省人力成本。
2）代碼開發相關。2021年中與Github、微軟合作上線的Copilot是目前最成熟的AI代碼補全工具，ChatGPT在目前測試中表現出的代碼生成能力相比于Copilot更加靈活，但欠缺一些底層的穩定性。在進行針對性的優化後，基于新GPT模型的AI代碼輔助工具也有望在中短期内落地。
3）圖像生成領域。圖像生成領域成為了2022年下半年一級市場公司布局的熱點，随着Dalle2的熱度，在商稿方面用AI取代人類畫手的思路基本明确。GPT模型在圖像生成領域目前效果略遜于擴散模型，但擴散模型可以利用ChatGPT生成較佳的Prompt，對于AIGC内容和日趨火熱的藝術創作，提供強大的文字形态的動力。
表1：國内主流AI繪畫軟體
資料來源：各公司官網，中信證券研究部
4）智能客服。ChatGPT最适合直接落地的項目就是智能客服類的工作。根據模型現有的完成度，在垂直行業針對性的做人工回報訓練，ChatGPT就可以落地為智能客服産品，在to C場景中率先應用。對比目前的智能客服，ChatGPT支撐的客服将在靈活性與人性化服務方面有顯著的進步。
圖5：全球AI客服市場空間與增速（十億美元）
資料來源：GrandView Research（含預測），中信證券研究部
另外，ChatGPT在内容深度搜尋中的強勢表現引發了市場對其是否能替代傳統搜尋引擎的争論。我們認為ChatGPT在中短期内無法完全取代傳統搜尋引擎，也較難改變目前全球搜尋引擎市場競争格局，但料将會加速搜尋引擎演化程序，并在中期形成以傳統搜尋為主、ChatGPT類模型為輔的新搜尋引擎形态，相應帶來谷歌等傳統搜尋引擎巨頭AI投入大幅增加。
圖6：ChatGPT無法在中短期内取代傳統搜尋引擎
資料來源：中信證券研究部繪制
從ChatGPT看AI産業鍊投資機會
ChatGPT的成功，是在前期大量堅實的工作基礎上實作的，不是橫空出世的技術跨越。其證明了兩點：1）單純擴大模型參數并非唯一出路；2）讓模型在早期開放給大衆測試并收集人類回報資料更有利于模型疊代。随着更新的技術、更優的算法、更大的模型出現，算力的成本越來越低，模型訓練與運作所需成本持續下降，而算法從封閉測試到開放測試、開源的逐漸普及，亦降低了使用門檻。由此，人工智能（AI）無論在經濟性與可獲得性上都達到了支援普及的水準。
同時，ChatGPT産生的鲶魚效應，料将推動全球AI産業化程序的全面提速，以及AI生成内容時代的全面到來。
圖7：AI産業鍊發展的幾個階段
資料來源：中信證券研究部繪制（含預測）
圖8：AI産業價值鍊相關投資機會
資料來源：中信證券研究部預測、繪制
·前瞻：ChatGPT模型的亮眼表現背後是研究者在Transformer模型前進的道路上發現了人類回報強化學習這一方法帶來的潛力，對産業界AI的發展而言，資料品質的優化、AI研究人員的儲備與計算能力将是未來能否走在AI應用前沿的核心能力。AI産業有望繼續保持“晶片+算力基礎設施+AI架構&；算法庫+應用場景”的穩定産業價值鍊結構，擁有完整資料閉環結構、良好資料自處理能力的企業有望持續成為産業受益者。
·計算機：ChatGPT是大模型商業化落地的标杆，其底層模型GPT-3共有1750億參數，訓練所需算力和成本均高出傳統NLP模型，雲算力資源訓練成本估算約460萬美金。大模型訓練算力耗費巨大，算力擴容需求明确。以政府為主導的城市智能計算中心AI算力卡國産化進度較快，建議關注華為昇騰生态圈核心廠商。ChatGPT有望率先落地AIGC領域，推動AI領域公司商業化程序加速，中長期建議持續關注相關領域的AI公司：1）應用層；2）基礎設施層。
·通信：ChatGPT等AI産業化的落地需要雲廠商龐大的算力支援，同時也需要算力成本與功耗的進一步降低。預計這将進一步推動海外雲巨頭對于資料中心硬體裝置的需求增長與技術更新。目前光子產品、光晶片、光器件、交換機作為雲廠商硬體基礎設施中必不可少的通信裝置與元件。其速率提升與技術更新可以顯著降低功耗，有望緩解算力成本與功耗過高這一阻礙AI産業化的問題。我們認為在全球科技巨頭加大AI投入的背景下，相關算力上遊核心環節将有望長期受益。
·電子：我們測算單個大模型可帶來2萬GPU銷售量，搜尋引擎帶來成倍空間。短期來看，對高端通用計算GPU的禁令可能會影響英偉達和AMD的GPU産品在中國的銷售，中國AI計算、超級計算和雲計算産業進步受到一定的阻礙；長期來看，國産CPU、GPU、AI晶片廠商受益于龐大的國内市場，疊加國内信創市場帶來國産化需求增量，我們預期國内AI晶片的國産化比例将顯著提升。對于國内廠商，建議重點關注實作自主創新，打造自主生态體系，打磨産品實作穩定供貨的公司。
圖9：ChatGPT對GPU算力的需求測算
資料來源：Raconteur，OpenAI：Language Models are Few-Shot Learners，NVIDIA官網，Amazon，中信證券研究部
·金融科技：ChatGPT為使用者互動體驗大幅提升提供可能性，而使用者互動是線上投顧的基礎，投顧又是财富管理的核心痛點。是以ChatGPT在金融科技領域的應用值得重點關注。由于ChatGPT的核心包括資料、模型和算力，背後分别是規模、科技和資本，對于超級生态和垂類平台都有機會。
圖10：ChatGPT影響金融科技的幾個猜想
資料來源：中信證券研究部預測、繪制
風險因素
·ChatGPT相關AI核心技術發展、變現不及預期；科技領域政策監管持續收緊風險；核心晶片短缺風險；商業模式盈利困難風險；技術路徑風險；
·全球宏觀經濟複蘇不及預期風險；宏觀經濟波動導緻歐美企業IT支出不及預期風險；地緣政治風險；全球雲計算市場發展不及預期風險；
·企業資料洩露、資訊安全風險；行業競争持續加劇風險；
·美國政府限制英偉達、AMD出售高性能GPU導緻算力受限；美國制裁導緻OpenAI等公司拒絕向中國企業開放API；财富管理行業競争加劇。
本文源自券商研報精選