”巨震之后，5月AI投资思路再梳理“电话会纪要

2023.05.03 □头部游戏公司运营总监 总结：目前AIGC在研发端可以帮助文本生成20%-25%产能提升，道具和角色整体是20%，场景能提升10%产能。终局来看，文字能提升70%–80%产能，或者说70%到80%的人力时间。道具角色预计能到60%到70%，场景大概是60%左右。宣发端目前10%产能的提升，未来大概能提升50%人力成本，20%左右的ROI。 AIGC在游戏中的一些实际应用会分以下模块： 1、研发端，主要分为文本生成、道具角色的生成、音效合成和场景的生成。 文本生成包含NPC陪聊、NPC提示，让它变得更智能；游戏的剧情生成，以前可能是13个人左右，每个人每周可能要写5万行的这个文字来做成内容，写10天，现在差不多每13个人只需要写7-8天，也就是提升了20%左右到25%左右产能， 角色端，AIGC可以做道具，可以做角色，可以做美术方面，数值。比如以前大部分的游戏情况是策划提一个需求给到美术，让美术同学进行角色的绘制。假设现在要做一个很强壮的男性角色，美术可能画一个3D角色需要两周左右的时间，这里面会有很大的试错的成本。AIGC可以生成3D图，但是因为3D图有非常多个切面，它调整起来未必会那么好；3D成本会更高，生成的时间也会更久，所以说这是大家可能在做2D方面可能会用的比较多的原因。比如生成100张2D的图，拿给策划去看，策划选一张或者选几张觉得最为接近的，再去做内容创作，会让整体试错成本变得更低。数值方面，目前AIGC还不足以直接生成非常完美的数值体系，可能会造成还是需要人为的去进行一些微调。 音效：以前音效师和调音师在封闭的音房里做，因为音房非常封闭，只有音乐设备和内容，如果缺乏灵感是非常孤独和痛苦的。AIGC可以很好帮忙生成一些音频，比如生成一个10分钟的demo，音效师和调音师去听，觉得前面的10秒可以拿来做前奏，中间有一部分10秒我拿来做副歌，最后面可能结尾ending有20秒我拿来串起来再去做一些延伸。最后面生成一个编曲，编成一个完整的音乐嵌入到这个游戏的场景中，这是一个比较好的方式。第二种是游戏角色的音色生成，很多游戏是由声优配音的，但是声优不是游戏公司的，它是经纪公司的，它跟游戏公司是合作关系，所以说不受约束，如果不受约束每一次求档期会非常麻烦的。AIGC可以很好的生成角色的音色，而达到一个比较好游戏角色售卖的效果。并且因为你游戏角色可能跟某个声优是强相关和强绑定。比如说假设我现在某个游戏角色我在IP里面塑造了很久，比如说我花了半年一年的时间在IP故事里面把它塑造成一个三观很正，又很正能量很有能力且很有背景的角色，但是突然声优出什么事情，对于一家游戏公司来讲是非常尴尬的。 场景生成：增量，做大行业蛋糕 某个游戏可能去年只能做三张图，每张图可能会需要150个人力做三个月，比如说150乘以3乘以22，相当于是9000多个人效才能出一张图。目前AIGC在地图场景上的生成大概能提升10%左右的产能，但是未来它能从三个月的产能假设降到一个月，每张图就卖12个亿，12乘以12变成144亿，以前一张图卖20亿，三张图才60亿，这一年就多了八九十个亿的产值。 游戏产业，本质上是内容消耗型的产业。用户到你游戏产品里面来玩，就是来玩内容的，玩的好玩的内容我就留下，玩的不好玩的内容我就离开，而且本质上游戏它又是供给去创造需求的产业。你问用户，他只会说我想玩好玩的游戏，他的需求是需要我们供给端不断的去挖掘，不断的去做出来的，我们做出了很多好玩的游戏产品，他才发现我是很喜欢玩这种品类的游戏的。如果你能做出更多的内容，比如说你能做出更多的场景，让用户去探索，让用户把更多的碎片化时间投入到游戏中，对游戏的产能的提升也是有帮助的，因为一个有用户他每天的碎片化时间是有限的，而游戏产业是一定要抢占用户碎片化时间的。有更多的内容供给用户去玩，有更多的好的东西给用户去玩，才能去提升用户的体验。 2、发行端： 1）本地化翻译，特别是全球同发的产品。机翻会有非常重的痕迹； 2)素材制作中避免文化雷区。大家在做游戏的时候，特别是在海外发行的时候，主要考虑用户洞察。 3）预算分配。比如每个流媒体平台在买量的阈值上，它核心用户的数量是有阈值的。怎么让厂商更好买到更优质的用户？现在10美金买一个用户，在Facebook我买了1亿的用户，相当于花10亿美金，每个用户他能在游戏里面充200美金，我的ROI就非常的高，但是当我买到20亿的成本的时候，比如买到2个亿的用户的时候，还是10美金一个用户可能他每个人在游戏里面只花70-80美金，ROI就降得很低了。AIGC可 以告诉我们不要去Facebook继续买，可以去YouTube，可能单个用户是18美金或者20美金，但是每个人在游戏里面可能花210美金或者 220美金，这个时候整个ROI又可以被拉高。 4）运营端：做一些UGCPGC内容创作帮助KOL，KOC，包括UGCPGC在内容创作上面有更低的门槛，达到比较好内容创作效果。 3、商业化端，帮助设计更加合理的付费机制，未来大模型和怪物反馈机制可能卖给其他厂商使用。 □传媒互联网&海外首席 4月份整个板块表现，尤其是应用表现是非常亮眼的，包括游戏和出版，在大盘还在跌的情况下，游戏指数和出版指数大概都涨了15%左右，超额收益也非常显著。年度金股和月度金股，昆仑万维和蓝色光标表现非常的强劲。在波动比较大的时候，每一波我们也都在底部提示市场，即使到现在，我们认为5月份整个AI应用依然有可能会是市场最尖锐的矛。因为4月份整体的震荡是比较大，可能5月份会是真正的主升浪。 我们一直强调在真正的产业趋势面前，不用去担心催化剂，也不用担心空间，也不用害怕回调。整个行情演绎虽然有些波折，但也在预期当中，因为所有的机会都不可能是一蹴而就的，很多时候你对于这种产业的认知才能有利于更好的去把握机会，对产业认知的深度决定了你把握在什么时点能够更好的去上车，更好的去把握机会。在上周末密集发布的财报当中，大多数公司也都提及到了AI技术对其业务潜在的赋能，所以我们认为整个AI一定是会对各行业产生深刻的影响。大家在两个月之前可能想象不到，绝大部分的公司的年报里面都已经提到了这一点。 投资方向上，大模型环节是股价最大的弹性，也是最大市值的弹性。应用环节投资呈现百花齐放，弹性也非常大，参照海外节奏，2023年国内 AI应用应该还会持续突破我们的想象和预期。 1）真正在公司层面、业务层面兑现了逐步被市场认同的公司，像昆仑万维、蓝色光标，万兴科技等TMT投资里有锐度的公司应该成为组合标配，这种持续兑现在引领产业方向。包括光模块，我们认为也有这个特征。 2）AI+游戏。这种影响和改变还处于比较早期的阶段，也就意味着系统性的估值的抬升还是在持续。网易在逆水寒开发中已经加入多项AI技术，实现智能捏脸，包括智能的NPC等，玩法也更加丰富，剧情也更加有趣。米哈游在《崩坏：星穹铁道》里面会加入AI工具开发AINPC等，我们认为快的话可能半年之内我们就能看到这些结合AI技术的游戏。因此，结合这个时点游戏板块的位置，我们认为板块估值还有进一步提升的空间。我们对于游戏的投资，一定要去理解它估值提升的因素，系统性的理解beta，在这个基础之上我们才好更好的把握一些机会。 个股：三七互娱前面严重滞涨，在这个位置是一个非常好的选择；恺英网络估值也非常便宜。 3）AI+电商。电商行业市场规模大，玩家多，一旦有变革就会产生很大投资机会。从增量来看，回顾历史，线上零售以其更高的效率抢夺线下份额，AI能给现有电商模式带来进一步的用户体验和效率的改善，我们预计未来线上零售渗透率将因为AI得到进一步提升。从存量的重新分配来看，最先拥抱技术的公司可取得下一轮竞争先机。 标的：强调跨境电商机会，跨境电商本身基本面在恢复，财报都非常不错。AI对于跨境电商各环节的赋能，会在各个环节体现，而且在跨境电商层面是更早的体现。包括焦点科技、华凯易佰、吉宏股份。返利科技也可以关注。 4）出版：和训练语义素材相关，另外一方面它是教育相关的应用场景。有些公司有自己的内容生产能力，有些公司只是更多发行，有些公司只有教材，这个也会有些差异。所以我们认为这两个逻辑都有的公司可能会是基本面层面的龙头公司，比如凤凰传媒，其他低估值公司里面，估值也整体非常便宜，对比13-15年的估值，尤其13年估值，出版的主流公司到25-30倍应该是没问题的。所以估值还有比较大的提升空间。龙头公司，像凤凰传媒、中文传媒、中南传媒，另外像低估值，像南方长江中原山东新华文轩中国出版也值得关注。 5）其他个股推荐：分众传媒，基本面在恢复，尤其是Q1非常不错。Q2保持更加乐观一点，五一和六一八都是非常值得期待的。分众的海外业务团队已经将AI应用于日常的工作，国内业务团队也在考虑部署，目前已生成了“江南春”数字分身生成短视频，未来可以借助AI进一步提高生产效率。分众的差异化优势在于流量、数据、经验、渠道，可以将广告营销方法论、正确和错误案例喂给AI，让它帮助员工更好地服务客户，并逐步开放给客户使用。所以它本质上有垂直领域的私有数据的价值。 另外像一些黑马，包括像唐德影视、思美传媒，世纪天鸿也可以关注。 综合来讲，整个应用相关机会，依然会是市场上最尖锐的矛，5月份有可能会真正的主升浪，这些龙头标应该是大家标配。游戏我们把三七互娱排到了最前面，还有电商+出版+分众。 □计算机行业首席 在GPT3.5出现之前，人们对通用人工智能的发展非常悲观，只能通过特定的数据来训练特定功能的AI，如果要拓展其他功能，需要再通过特定数据进行训练，训练好的模型不互通，没有全面的泛化能力。 GPT-3产生了三个重要能力：语言生成、上下文学习、世界知识，这三个重要能力都源于基于海量数据的大模型预训练：在有3000亿单词的语料上预训练拥有1750亿参数的模型。海量数据为基础的大模型训练产生了突现能力（EmergentAbility），带来了AI研究范式的转变。这种突现能力是在模型大小大于100B时才产生的，目前只存在于大模型中。只有在训练数据量足够大时，量变才能引起质变。GPT相比于此前模型所具备的“泛化能力”，或者说具备“常识”的能力，就是以海量数据为基础产生的。 算法、算力和数据是AI发展的三大重要基础。展望未来，算法和算力，从当前来看，都可以通过挖掘优质人才、引进优秀工程实践，或者直接购买海外优质资产追赶，而培养中文环境的优质数据集、语料库却必须长期自我积累沉淀，因此，我们认为未来数据将成为AI发展的胜负手或者是差异化的关键，并有望为中国训练自己的大模型，走出差异化道路提供重要基础。 语言包含价值取向，未来想要不被强势文化压缩生存空间，中国必须发展自己的大模型。语言中所包含的价值观必然和训练它的人对齐，虽然模型本身不具备价值观取向，但是训练的语料库所包含的价值观将影响模型的输出结果。在目前的OpenAI语料库中，中文语料只占5%，未来如果想在使用过程中符合中国特有价值取向，不被海外强势文化压缩生存空间，中国就必须发展自己的大模型。 发展自己的大模型需要以国内数据集为重要支撑，而国内缺乏可训练的高质量数据。中文互联网环境下，搜索、视频等数据质量普遍低于海外，很多高价值数据都是公共数据和商业数据，尚未开放，没有成熟的可训练的数据集，未来将会对国内大模型发展产生压力。 而更关键的，是高质量的行业私有数据价值更高。高质量的独特数据也将为国内实现差异化，开发自己的大模型提供有力支撑。 国内更高质量的数据都在政府手中，数据要素市场建设将为国内训练自己的大模型提供坚实基础，未来有望成为国内寻求差异化发展的重要支撑。随着公共数据逐步开放运营，垂直行业数据由严监管向谋发展转变，数据要素市场化发展将使得算法厂商能够获得质量较高的公共和行业数据，提高训练质量和效率，进而为国内开发符合自身发展和价值观的大模型提供支撑。 国家数据局成立，数字经济从严监管向谋发展，产业趋势已经十分明显。我们预计未来数据要