来源：六里投资报

　　11月28日，新财富白金分析师、中信建投证券研究所所长武超则，在华安基金投资嘉年华科技创新专场中，以“国产算力水到渠成，AI应用落地生根”为题，围绕当前AI行业的发展与投资机会分享了最新观点。

　　武超则表示，展望 2025 年，国内算力最大的机会，还是在国产化这条线上；

　　算力本身的需求，会继续增长的趋势还是非常明确的，她还简单拆解了一下可能的增量来源。

　　武超则把出货量作为衡量一家公司的重点所在，在芯片行业，规模是一切的根本。

　　你没有规模，就没有办法保证你的毛利率和收入，

　　没有毛利率、收入，你又没有办法保证你的产能等等，它其实是一个循环。

　　GPU 本身，包括再往上游的半导体的设备和材料，明年都会有不错的表现。

　　这个背后，武超则认为是有订单和业绩支撑的。

　　在国产模型迭代的方向上，就C端而言，主要看好三个方向——AI视频 、Agent和AI终端。

　　像AI视频，是今年国内比较超预期的。

　　简单看，从去年Sora出来之后，国内跑得也很快，像海螺AI、豆包等等，其实都有对标的产品出来，而且在海外出海的认可度也是非常高的

　　对比移动互联网这一轮来讲，今年可以类比于2013年——

　　已经开始有一些应用的百花齐放，并且已经见到情绪投资的热点，但是我们可能没办法区分，到底哪个公司会最终跑出来。

　　武超则表示，未来在AI方面，我们一定会经历一轮大的行情，甚至是泡沫化的行情。

　　在行情之中，我们再慢慢筛选出那些能够从大的技术浪潮中脱颖而出的公司。

　　投资报整理提炼了武超则交流的精彩内容：

　　大模型

　　从“快思考”走向“慢思考”

　　在过去的一年里，我相信大多数人已经开始使用AI。

　　如果还没有，这个时候可以尝试一下，因为AI已经有了相对较多的落地应用。

　　例如最近热门的“智能体”（Agent）概念、AI终端、个人助理等等，表现在不同的业务场景和载体中。

　　比如，AI终端可能表现在电脑或手机中，

　　以Siri为例，在升级后，它的功能不再仅限于基本操作，现在它可以跨应用进行操作，

　　帮助用户预定酒店、订咖啡等，开始提供更为多样化的组合服务。

　　这些是目前我们看到的落地展现出的形式。

　　但其背后，依然围绕大模型强大的工具功能，这也是GPT-4这代模型的主流表现。

　　再往后，我们看到，不仅是大模型本身的演进，更多的是多模型、多模态的演进；

　　整个模型从最初的感知和认知智能，逐步过渡到更强的规划和决策能力。

　　这个时候我们可能才会看到，模型的应用从过去的非严肃场景逐步转向严肃场景，

　　AI将不再只停留在情感陪伴或者陪聊，而是能承担起更加严肃的任务。

　　以Agent 本身和GPT-4o和o1这些后期模型来看，这一代模型的核心变化就是，从“快思考”向“慢思考”转变。

　　“慢思考”是什么意思呢？

　　当遇到推理类、逻辑类问题时，我们往往需要更深入的分析路径或框架，我们需要一套更强的方法论来帮助我们解决问题、理解问题，并最终做出决策。

　　尤其是在面对互相矛盾的数据时，我们如何判断哪种结论更为正确，如何做出最佳选择，等等。

　　最新一代的AI模型正逐步展现这种能力。

　　大模型迭代

　　提高易用性“加量不加价”

　　最近，资本市场的热点也开始集中在ToB的营销服务、办公服务、ERP等场景上，这些已经开始在业绩和财报中得到体现。

　　这可能是当下市场关注度比较高的，

　　对于远期来说，模型的迭代才刚刚开始。

　　如果从时间的角度来看，AI的发展就像一个两三岁的baby，像人类一样，它一定会无限的迭代下去。

　　总而言之，在整个模型的变化中，前面几年，我们已经经历了第一段、第二段到第三段的演绎。

　　基本上每6-12个月就会看到一次大的周期性迭代。

　　回到具体模型的例子，举两个例子，

　　我们看到，GPT-4o这一代模型，在端到端的信息处理，以及人机交互体验上都有显著提升。

　　与GPT-4相比，GPT-4o并不一定在输出结果上有惊艳的突破，但在易用性方面的提升却是显著的。

　　什么是“易用性”？

　　举个例子，GPT-4o在响应速度上比GPT-4 Turbo提高了两倍，同时它的消息上限提升了5倍，价格降低了50%。

　　这就是所谓的“易用性”——“加量不加价”，效果更好，成本大幅下降。

　　这使得它在产业大规模商用中具有了更强的可能性。

　　此外，GPT还推出了4o Mini，是基于4o模型的又一次小型化。

　　相比性价比已经很高的4o，4o mini做得更快、更便宜，其实它的核心优势还是在降成本和性能的保留上。

　　再往后，我们还看到了最新的o1模型。

　　与之前的模型相比，o1的核心还是要证明“规模效应”（scaling law）的存在——模型的规模越大，模型越聪明。

　　GPT-3的数据集约为1亿，而GPT-4的数据集达到了1-2万亿。

　　理论上，o1模型证明，只要愿意投入更多的成本，增加算力和数据的投入，模型的“聪明程度”依然能够继续叠加。

　　我们看到，o1模型的表现已经不亚于博士生水平，特别是在一些挑战性任务中。

　　例如，在国际数学奥林匹克（IMO）考试中，GPT-4o的正确率仅为13%，而o1的正确率高达83%。

　　在代码能力上，o1模型也排在前89%，达到了非常优异的一个水平。

　　与此同时，全球范围内的开源模型进展也非常迅速。

　　海外Meta推出的Llama 3，还有国内的开源模型，如通义千问和智普，都是同等代际的开源模型。

　　开源模型的发展，会为应用未来的落地提供非常好的基础。

　　个性化方案

　　生成成本会大幅降低

　　最近，智能体（Agent）这一概念受到了广泛关注。

　　举个例子，相比于过去的模型是一个“人”，Agent更多是一个团队或者说小组的概念。

　　Agent是要有一个分析问题、理解问题，最后去解决问题的总揽能力，根据任务来准确地生成业务的执行流，然后再分工给不同的专家模型。

　　专家模型可能各有所长，

　　有的擅长解决数学问题，有的擅长解决代码问题，有的擅长解决图像问题等等，最终形成一个协作的智能群体。

　　这个时候，个性化方案的生成成本会大幅降低，模型与模型之间的摩擦成本也会大幅降低。

　　我们反推回来，这在人类的历史中也是很相似的。

　　比如说在医疗行业，现在多学科的会诊，随着现代医疗越来越细分，也变得很常见。

　　另外比如说在金融服务中，怎么提供个性化的金融服务方案？

　　在教育里，怎么提供个性化的教育？

　　这都会带来耳目一新的产品。

　　像微软在365 里面，集成了全新的 AI agent。

　　国内算力

　　最大机会还是在国产化

　　回过头来看，我们展望 2025 年，国内算力最大的机会，还是在国产化这条线上。

　　首先，我们简单分析需求，

　　scaling law的核心就是，不管是基于训练的需求，还是推理的需求，模型越大，效果就越好。

　　所以从这点上来讲，主流大厂应该还是会不断去卷模型的效果。

　　这个背后，算力支撑的规模，就会变得非常重要。

　　我们现在看下来，如果想要在大模型的训练端有所建树，至少是要万卡，甚至未来是 10 万卡的集群，这一部分的投入是非常明确的。

　　另外一块，实际上是基于推理的需求。

　　我们看到，推理它会更贴近于应用，

　　你到底用到什么程度上，对于不同卡的需求也是略有不同。

　　这会对算力的结构带来变化。

　　比如说，未来更多在推理场景上，对计算的能力要求没有那么高，但可能对存储、对通信的能力要求会更高。

　　这个时候，基于底层算力的结构，即便总的市场是确定的，但是它结构会略有差异。

　　对于算力本身的需求，还是会继续往上去增长的，这样一个趋势还是非常明确的。

　　我们简单拆解一下，可能的增量会在这么几个方面，

　　一个是GPU 本身对应的服务器的模组。

　　机房里面，还有铜连接、液冷电源、光模块、 PCB 等等。

　　看似技术门槛没有那么高，但是我们判断，明年可能会带来实实在在的投资的增量。

　　最后落到数据中心（IDC），机房里面，它也会带来增量。

　　往明年看，国产的GPU 的交付能力，我们判断是会大幅提升；

　　之后，它会带来整个产业链的一个投资。

　　所以我自己觉得，也不仅仅是盯着芯片这一个东西，更多需要站在整个产业链又一代的投资上去看这问题。

　　国产的需求，应该在未来一段时间还是非常清晰的。

　　而且对于先进芯片，其实这两年，它的制裁不仅仅是在算力的通信或者是计算能力上的限制，开始更多到算力密度的指标。

　　这个时候，在国产的市场中，到底哪些厂商能够有比较强的供给能力？

　　国产的算力这一块，我想就会变得非常重要。

　　我把出货量放在最前面，在芯片行业，规模是一切的根本。

　　你没有规模，就没有办法保证你的毛利率和收入，

　　没有毛利率、收入，你又没有办法保证你的产能等等，它其实是一个循环。

　　GPU 本身，包括再往上游的半导体的设备和材料，我想明年都会有不错的表现。

　　这个背后，我们认为是有订单和业绩去支撑的。

　　大家非 AI 不投

　　AI 是投融资最活跃的领域

　　最后一块，我们快速地分享一下我们对 AI 应用的看法——

　　AI 应用，落地生根。

　　我们看到在游戏领域、办公领域、教育、电商、视频，包括终端以及Agent 领域，都有大量的应用公司冒出来。

　　而且我们看海外，它确实经历了从流量效应开始逐步体现到财报上，它实实在在开始有业绩了。

　　正常来讲，中国会复制类似的时间节点，

　　而且，有可能我们在应用上会表现的更快，或者说更出现一些更新的玩法。

　　现在底层模型，比较不错的，像视频类的豆包，月之暗面的Kimi 等等，它足以去支撑应用场景，比如说音乐、影视、教育、电商等等。

　　我们简单归纳一下，从已经出来的结果来讲，对标来看，B端应用其实似乎比C端的落地更快。

　　C 端其实是访问量和流量在持续增长，但是从商业模式上，其实 B端好像闭环的更快一些。

　　比如说AppLovin，现在实际上已经是一个千亿美金市值的这样一个公司，而且今年以来涨了 6 倍。

　　Shopify 实际上是提供商家的营销服务的，表现也非常好。

　　所以，从结果上来看，海外主要体现在这些 AI 助手、AI 搜索、AI 视频方面。

　　国内发展比较快的也是 AI 搜索、AI 视频、AI助手，这一类相关的也有很多上市公司。

　　这可能是接下来一条非常重要的主线。

　　从投融资上看也是类似的。

　　一句话来讲，大家非 AI 不投，AI 还是投融资最活跃的领域。

　　AI广告

　　AI视频与Agent

　　比如说，AI 广告，你说它有多少 AI 的技术含量，也不一定。

　　但是，更高的标记和匹配能力，给它的商业模式带来了一个很好的升级。

　　这是我们看到的AppLovin这家公司业绩持续超预期，毛利率提升的一个很重要的原因。

　　同样像Meta，Shopify，其实都是类似的，还是原来的那些公司，但是因为有了这样的工具，

　　要么内部降本，要么增效，在客户的落地上、营销的效果上，有了更加直接的体现。

　　还有像 Salesforce，这家公司其实大家应该非常熟悉，在SaaS 时代，他就是一家明星公司，主要推出的是 Agent 客服，就是说一个人可能就能提供整个团队的作用。

　　以前需要 10 个人的团队，现在一个人从设计网站到客服到铺库存等等，都能实现。

　　从这个背后我们看到，美股现在有一个大的趋势，就是所有的SaaS公司，可能都要去上AI 相关的功能。

　　另外，在数据服务方面，Palantir其实也是一家非常有意思的做数据分析的公司。

　　今年它的业绩、股价表现是非常好的。

　　但 AI 能对它做什么？

　　其实核心还是在私有化部署，包括类似于数据分析的效率上、交互上都有比较明显的提升。

　　大家也可以看到，它在AI 产品推出后，整个的客户数量显著提高。 

　　还有，就是 AI 视频，这个是今年国内比较超预期的。

　　简单看，从去年Sora出来之后，国内跑得也很快，像海螺AI、豆包等等，其实都有对标的产品出来，而且在海外出海的认可度也是非常高的。

　　这也给我们提供了一些解决应用问题的思路。

　　到底是一定要先有一个全球最先进的大模型，才能做出最好的应用呢？

　　还是说，有了好的应用场景，反向的，能找到模型更好的迭代？

　　其实现在看起来，后者也是有可能的。

　　在 AI 视频的场景下，灯笼可以随意被替换为一个气泡，背景可以随时被变成森林或者什么东西，

　　以前是要花一些特效的效果，现在基本上是一个软件就可以全部解决。

　　今年就像2013年，

　　情绪投资的热点已经起来了

　　国产模型在迅速迭代，我们觉得在方向上，C端我们比较看好的三个方向——AI视频 、Agent 和 AI 终端。

　　我觉得，数据会成为一个基本的要素，但算力和应用其实是未来的一个胜负手。

　　我们把模型、算力，应用分开成了三块来讲，但我觉得这个东西它不是割裂的，

　　所以我觉得，最终就是，我们要以未来10-20年这样一个维度去看这些技术的交叉发展。

　　从移动互联网那一轮来看的话，去年我觉得可能更像 2012 年——基础的硬件有了，但是应用在哪不知道。

　　那么今年我觉得更像 2013 年，已经开始有一些应用的百花齐放，

　　而且情绪投资的热点已经起来了，但是我们可能没办法区分，到底哪个公司会最终跑出来。

　　但是我相信它一定会经历一轮大的行情，甚至是泡沫化的行情，

　　然后慢慢再筛选出来，哪些公司在这个大的技术浪潮里能够跑出来。