量化掘基系列之三：ChatGPT概念加速起飞，大数据产业链投资指南

gaozhiwgjzq.com.cn S1130522110003 S1130522050001 mengcangjzq.com.cn zhao_yangjzq.com.cn S1130522080001 wangqianwengjzq.com.cn ChatGPT带动AI板块景气度持续提升 2022年11月OpenAI发布语音聊天机器人ChatGPT，推出仅2个月用户数已过亿。模型可赋能语音客服、搜索引擎、文字创作等丰富场景，并衍生出更多算力和数据需求，有望带动AI板块景气度持续提升。ChatGPT作为迄今为止AI大模型最接近商用落地的成果，输出内容接近人类的常识、认知、需求和价值观。其采用的InstructGPT方法有望成为新一代AI开发范式，将极大程度促进语言类AI大模型的多场景落地。 目前国内在ChatGPT相关领域进展较快的企业包括百度、科大讯飞、商汤科技、阿里巴巴等。其中，百度宣布将于3月推出人工智能聊天机器人“文心一言”（ERNIEBot），目前已有包括企业软件、媒体、汽车、互联网等多个行业近300家头部企业宣布加入“文心一言”生态。此外，百度还于2月17日宣布“文心一言”将通过百度智能云对外提供服务，赋能更多行业发展。 大模型对算力和数据均提出更高要求，将提振上游GPU等硬件设备、云计算及数据标注行业的景气度。从算力角度看，大模型对算力有着极大的消耗。增加训练参数规模是提升大模型性能最直接的方法之一，预计未来各头部AI厂商的“大模型军备竞赛”仍将持续。从训练数据角度看，ChatGPT对高质量训练数据集需求提升。未来其他大模型训练或也将引入更多人工标注数据，将为相关企业带来新的发展机遇。随着未来GPT系列模型对数据质量的要求进一步提升，拥有高质量数据的流量平台或可通过提供数据等方式进入产业链，带动大数据领域加速发展。 大数据指数布局ChatGPT概念板块 中证大数据产业指数由中证指数有限公司发布，经过测算发现，在目前市场上与ChatGPT相关的中证指数中，中证大数据产业指数与万得ChatGPT概念指数的相关性最高，两者日度收益率相关系数达到86.00%，为广大投资者提供了投资ChatGPT概念的绝佳机会。 中证大数据产业指数成分股共覆盖13个中信三级行业，主要集中在行业应用软件（29.82%）、通用计算机设备（16.38%）、云软件服务（15.67%）、云基础设施服务（14.93%）和新兴计算机软件（9.57%）这5个行业，合计权重占比达到86.37%。在13个中信三级行业中，其中7个行业同样出现在万得ChatGPT概念指数成分股中，较全面的涵盖了ChatGPT的概念股票所处细分行业。 长期来看，中证大数据产业指数相较于宽基指数获得了显著的超额收益。夏普比率和今年以来收益率也显著高于三大宽基指数。根据万得一致预测净利润同比（FY2比FY1），大数据产业指数的预测净利润同比达到53.12%，远高于各宽基指数的水平。充分说明了分析师对于未来大数据产业高速成长的乐观预期。 大数据ETF（515400）优势明显，快速把握ChatGPT投资机会 大数据ETF（515400）是国内最早跟踪中证大数据产业指数的ETF基金产品，截至2月17日，基金总资产净值达到 6.97亿元，2月份成交金额达到9.64亿元，流动性上优势明显。近期成分股中北上资金持股占比稳步上升，受到外资的广泛关注。管理人富国基金在ETF领域全面布局，拥有丰富的ETF管理经验。综上，大数据ETF（515400）是投资者参与ChatGPT概念投资可选择的优质投资标的。 风险提示 基金历史业绩不代表未来；以上结果通过历史数据统计和测算完成，在政策、市场环境发生变化时存在失效风险；行业发展不及预期风险。 内容目录 一、ChatGPT带动AI板块景气度持续提升，看好上游算力及数据标注行业增长4 1.1人工智能算法实现底层骨干网络统一，无监督、半监督成为主流训练模式4 1.2ChatGPT有望赋能丰富场景，将带动算力和数据需求提升5 二、大数据指数布局ChatGPT概念板块7 2.1指数基本信息7 2.2大数据指数与ChatGPT概念相关性分析7 2.3指数成分股行业分析7 2.4指数成份股市值分析8 2.5指数前十大成分股分析8 2.6指数表现9 2.7指数盈利预测10 三、大数据ETF（515400）优势明显，快速把握ChatGPT投资机会10 3.1ETF基本信息10 3.2规模大，交易活跃，大数据ETF（515400）优势明显11 3.3大数据ETF（515400）获得北上资金青睐11 3.4ETF跟踪误差分析11 3.5基金管理人介绍12 3.6基金经理简介13 风险提示13 图表目录 图表1：ChatGPT模型演进历程4 图表2：监督学习与无监督学习方式对比4 图表3：ChatGPT有望促进AI大模型多场景落地5 图表4：GPT-3API定价情况5 图表5：百度“文心一言”合作生态丰富5 图表6：语言类大模型规模快速提升6 图表7：大模型训练所需算力呈指数增长6 图表8：训练成本与模型参数量正相关6 图表9：中证大数据产业指数（930902）基本信息7 图表10：万得ChatGPT概念指数与各指数相关系数7 图表11：万得ChatGPT概念指数VS中证大数据产业指数7 图表12：中证大数据产业指数行业分布8 图表13：指数成分股总市值不同区间数量分布8 图表14：指数成分股总市值不同区间权重分布（%）8 图表15：中证大数据产业指数前十大成分股信息8 图表16：中证大数据产业指数与各宽基指数净值走势比较9 图表17：中证大数据产业指数与各宽基指数收益波动表现9 图表18：中证大数据产业指数与各宽基指数一致预测净利润同比（%）（FY2比FY1）10 图表19：大数据ETF（515400）产品要素10 图表20：大数据ETF（515400）月度成交额及规模变化11 图表21：大数据ETF成分股北上资金持股占比11 图表22：大数据ETF成分股北上资金持股占比变化11 图表23：大数据ETF（515400）净值与跟踪指数净值走势12 图表24：富国基金旗下ETF产品分布（单位：只）13 图表25：基金经理在管基金一览（截至2023.02.17）13 一、ChatGPT带动AI板块景气度持续提升，看好上游算力及数据标注行业增长 目前在AI算法层面，Transformer已完成底层骨干网络的统一，开启大模型时代；在模型训练层面，无监督和半监督学习成为大模型训练的主流方式。以此为基础，2022年11月OpenAI发布语音聊天机器人ChatGPT，推出仅2个月用户数已过亿。模型可赋能语音客服、搜索引擎、文字创作等丰富场景，并衍生出更多算力和数据需求，有望带动AI板块景气度持续提升。 1.1人工智能算法实现底层骨干网络统一，无监督、半监督成为主流训练模式 神经网络的发展以Relu激活函数的提出为分水岭，分为浅层神经网络和深度学习两个阶段。目前深度学习算法主要是基于Transformer骨干网络进行分支网络的创新，如引入扩散模型、强化学习等方法。模型骨干网络的统一有望加速应用落地节奏。 在浅层神经网络阶段，最重要的任务就是解决梯度不稳定的问题。在这个问题未被妥善解决之前，神经网络应用性能不佳，而属于非神经网络的支持向量机算法（SVM）是解决人工智能模式识别的主流方法。 2011年Relu激活函数被提出、梯度消失问题被大幅缓解之后，神经网络进入深度学习时代，算法和应用的发展均突飞猛进。最初CNN、RNN等模型在不同的模态和任务中均各有擅长，2017年Transformer的提出让深度学习进入了大模型时代、2020年VisionTransformer的提出让深度学习进入了多模态时代，自此多模态和多任务底层算法被统一为Transformer架构。后续模型发展多采用“Transformer+其他算法”的形式进行微创新。目前大火的ChatGPT模型也采用Transformer骨干网络，并融合强化学习思想进行训练。 图表1：ChatGPT模型演进历程 来源：《OntheComparabilityofPre-trainedLanguageModels》（Matthias，2020），《EvaluatingLargeLanguageModelsTrainedonCode》（MarkChen，2021），OpenAI，BFT智能机器人研究公众号，国金证券研究所 算法、数据、算力是AI三要素，在AI相关技术中，训练方法作为搭建模型的核心技术与AI三要素间均有紧密联系。AI模型的训练方法主要包括监督学习与无监督学习两种典型方式，二者的区别在于是否使用带人工标注的数据集进行训练。随着模型训练数据量的增加，标记大量样本成本过于昂贵，衍生出使用大量未标注数据和少量标注数据的半监督学习方式。目前大模型训练多采用无监督（如BERT）或半监督（如InstructGPT/ChatGPT）的方式进行训练。 图表2：监督学习与无监督学习方式对比 来源：CSDN云计算，国金证券研究所 1.2ChatGPT有望赋能丰富场景，将带动算力和数据需求提升 ChatGPT作为迄今为止AI大模型最接近商用落地的成果，输出内容接近人类的常识、认知、需求和价值观。其采用的InstructGPT方法有望成为新一代AI开发范式，将极大程度促进语言类AI大模型的多场景落地。 图表3：ChatGPT有望促进AI大模型多场景落地 场景ChatGPT优势 AI客服、语音助手 现有的AI问答机器人仅能回答具体场景的定制式问题，通过调用ChatGPT相关技术有望帮助企业提升用户体验 搜索引擎 相较于传统搜索引擎，ChatGPT能够更好地理解客户需求并输出更为精简的内容，但目前模型更新的成本较高 文字创作 ChatGPT在邮件、新闻稿撰写方面与人工水平相近，可承担日常性文字创作工作，可作为办公软件的增值服务 医疗协助医生进行患者随访，电子病历撰写，辅助诊断等 教育辅助教师进行课程设计和备课教研，充当课堂助教实时回答学生问题，生成作业测验和考试游戏生成符合NPC角色设定的对话，丰富场景体验，也可辅助生成游戏 金融帮助金融机构监测行业趋势、财务数据、舆情走向等，快速生成财务分析报告或风险评估报告计算机代码有望辅助程序员完成部分重复和基础性开发工作 来源：36氪，CHIMA公众号，中国高等教育培训中心公众号，量子位公众号，中小银行互联网金融联盟公众号，国金证券研究所 短期来看，在语言大模型领域，国内外AI巨头与最先进的GPT-3.5仍存在一定技术差距，预计在未来1-2年内OpenAI仍将保持最领先的技术地位。国内在大模型领域积累深厚、现金流充足的头部AI企业有望率先实现技术突破，参照OpenAI目前的商业模式，未来AI厂商的大模型变现方式可分为以下2类： 直接收费：目前OpenAI已推出付费版ChatGPTplus，价格为20美元/月。 赋能收费：根据OpenAI于2021年3月发布的数据，GPT-3模型已经向超过300个应用提供SaaS服务，平均每天生成45亿词，根据我们的估算，这将为OpenAI带来每年约740万美元的收入。此外，2023年2月8日起ChatGPT与微软搜索引擎必应相连，新的交互模式极大增加了必应的用户活跃度，有望推动微软的广告服务收入大幅增长。 图表4：GPT-3API定价情况 模型名称 微调训练价格 使用价格 Ada（速度最快） 0.4美元/75万词 1.6美元/75万词 Babbage 0.6美元/75万词 2.4美元/75万词 Curie 3美元/75万词 12美元/75万词 Davinci（性能最好） 3美元/75万词 120美元/75万词 来源：OpenAI，国金证券研究所 目前国内在ChatGPT相关领域进展较快的企业包括百度、科大讯飞、商汤科技、阿里巴巴等。其中，百度宣布将于3月推出人工智能聊天机