中小盘主题：AIGC势头强劲，关注AI及5G通信领域投资机会

AIGC势头强劲，算力、数据、算法、下游应用端有望迎来广阔的发展空间2022年以来，以ChatGPT为代表的AIGC技术热度持续提升。AIGC技术持续取得突破离不开算力、数据、算法三大核心要素。算力方面，随着大模型持续推出及升级迭代，AI算力需求持续增长，带动AI服务器、AI芯片、数据中心等硬件需求增长。根据IDC的数据，我国智能算力市场规模预计将从2019年的31.7 EFLOPS增长至2026年的1271.4EFLOPS，CAGR高达69.4%。数据方面，大模型复杂化需要更大规模的训练数据支持。同时数据标注是大部分AI算法有效运行的关键，尤其是自动标注技术的兴起，推动数据服务行业持续扩容。根据艾瑞咨询的数据，我国AI基础数据服务行业市场规模预计将从2018年的25.9亿元增长至2025年的101.1亿元，CAGR为21.5%。算法方面，预训练模型引发AIGC技术的质变，Open AI、百度等国内外厂商纷纷推出大模型并持续进行升级迭代。 应用方面，AIGC生成文本、图像、视频等的能力持续提升，在自动驾驶、智慧工业、电商、文娱等领域将得到广泛应用。根据头豹研究院的数据，我国AI市场规模预计将从2021年的2607亿元增长至2027年的15732亿元，CAGR达34.9%，其中自动驾驶是AI最大应用领域，同时数字人在AIGC推动下发展迅速。 5G投资前期关注网络基础设施建设，后5G时代关注应用领域持续放量 5G技术具备高速率、低时延和大规模设备连接的特点，主要用于增强移动宽带、高可靠低时延连接、海量物联三大领域。5G建设前期，电新运营商将持续投入网络设备，带动相关设备需求增长。随着5G网络日益完善并在应用端加速渗透，用户侧移动终端及信息服务消费支出将快速增长，同时各垂直行业网络设备投资及流量消费需求也将持续扩大。例如，5G技术是车联网行业发展重要推力之一，将持续受益车联网行业发展迅速。根据中国信通院的数据，5G技术带动的直接产出预计将从2020年的约4840亿元增长至2030年的6.3万亿元，CAGR约为29%，5G技术带动的间接产出预计将从2020年的1.2万亿元增长至2030年的10.6万亿元，CAGR约为24%。此外，5G技术与AI相辅相成。5G技术能够为AI带来更大规模的训练数据，降低对云端的依赖，而AI可帮助5G在部署规划、运行维护等方面实现高度自动化和智能化，降低5G网络的建设和运维成本等。 2023年以来AI及5G通信主题指数明显跑赢大盘，关注相关领域投资机会受益AIGC概念兴起并且预计将在提升更多领域的生产力发挥重要作用，人工智能板块获得资本市场的认可。同时，人工智能的发展需要算力支撑，而5G技术具备带宽高、传输速率快、连接数量大的优势，助力AI产业迅速发展，因此5G通信板块也受到市场追捧。目前市场上以中证人工智能主题指数、中证5G通信主题指数最具行业代表性，许多对应主题ETF产品与其挂钩。根据Wind的数据，2023年以来，中证人工智能主题指数及中证5G通信主题指数明显跑赢上证综合指数，相关领域投资机会值得关注。 风险提示：技术进展不及预期；下游应用领域渗透率不及预期。 1、AIGC势头强劲，算力、数据、算法、应用端需求空间广阔 2022年以来，以ChatGPT为代表的AIGC技术热度持续提升。AIGC作为人工智能的子领域，目的在于开发与人类智慧相媲美的技术，能够通过学习大量的数据内容生成全新的数据。AIGC核心技术包括深度变分自编码、生成对抗神经网络、扩散模型、Transformer等基础模型以及计算机视觉、自然语言处理、多模态等预训练大模型，而模型的训练需要大量的数据支持，并且需要强大的算力作为支撑。同时，在预训练模型的基础上，需要进一步通过专门的调试和训练形成垂直化、场景化、个性化的小模型和应用工具层，以满足特定领域的需求。此外，应用层面，利用AI技术生成文本、图像、音频、视频等内容以及由此构成的多模态内容是AIGC的重要应用场景，可广泛应用于游戏、电商、政务、金融等诸多领域，大幅提高创作效率。 图1：AIGC产业链大致可分为基础设施层、模型层及应用层 1.1、算力、数据、算法构成AIGC领域重要支撑，需求随大模型持续推出及升级迭代快速增长 算力、数据、算法是AIGC领域的三大核心要素，推动AIGC技术持续取得突破。 其中算力刻画数据处理能力，主要关联技术包括数据中心、分布式计算、边缘计算、高性能计算等。数据指以数字、文字、图像等形式表现的用于模型训练的素材，其相关技术包括数据挖掘、数据仓库、数据可视化、数据安全和隐私保护等。算法代表用系统的方法描述解决问题的策略机制，其关联技术包括机器学习、深度学习、自然语言处理、计算机视觉、推荐系统等。 图2：算力、数据、算法构成AIGC行业三大核心要素 AI大模型训练需要强大的数据处理能力，推动算力需求持续增长。AI大模型训练需要强大的数据处理能力。随着大模型持续推出及升级迭代，AI算力需求持续增长。 根据IDC的数据，我国智能算力市场规模预计将从2019年的31.7EFLOPS增长至2026年的1271.4EFLOPS，CAGR高达69.4%。具体而言，算力基础设施主要包括AI服务器、AI芯片、数据中心等。AI服务器领域，目前AI服务器以CPU+GPU形式为主，可支持大规模的深度神经网络模型训练并提高训练的精度，具有明显的计算效率优势，因此需求有望持续增长。根据TrendForce的预测，全球AI服务器（包含搭载GPU、FPGA、ASIC等）出货量预计将从2022年的85.5万台增长至2026年的236.9万台，CAGR为29.0%。AI芯片领域，AI芯片是核心算力硬件，除CPU外，还包括高效支持AI应用的GPU、FPGA等通用芯片以及专门为特定的AI产品设计的ASIC芯片等，主要用于辅助CPU进行加速计算。AI芯片占据AI服务器的主要成本，根据IDC的数据，芯片成本在基础型服务器中约占32%，在更高性能的服务器中，芯片相关成本占比高达50%-83%。在算力需求激增的背景下，AI芯片需求有望持续增长。根据Gartner、甲子光年的数据，全球AI芯片市场规模预计将从2018年的43亿美元增长至2025年的726亿美元，2020-2025年CAGR达48.4%，而我国AI芯片市场规模预计将从2018年的61亿元增长至2023年的557亿元，CAGR达55.4%。数据中心领域，数据中心作为算力的重要载体之一，需求将随着大模型算力需求增长而增长。根据科智咨询的数据，我国数据中心市场规模预计将从2014年的372亿元增长至2024年的6123亿元，CAGR达32.3%。 图3：我国智能算力市场有望持续快速扩容 图4：预计我国AI服务器市场规模稳步增长 图5：预计AI芯片需求增长迅速 图6：预计我国数据中心市场规模持续增长 大模型复杂化需要大规模训练数据支持，数据标注是大部分AI算法有效运行的关键。 数据是算法的素材，大模型复杂化需要更大规模的训练数据支持。根据长江存储系统解决方案公众号的数据，ChatGPT的算法模型已经达到1750亿参数，用于预训练的数据量达到45TB，并且随着ChatGPT的持续迭代，模型参数和数据量也在加速增长。受益大模型训练需求持续增长以及升级迭代，叠加数据产权保护加强，数据市场规模有望持续增长。同时，数据本身的质量会影响模型训练的效果，因此数据标注成为大部分Al算法有效运行的关键。数据标注指将原始数据进行处理，使其适用于机器学习和AI算法的学习和分析。尤其是自动化数据标注技术能够通过深度学习和计算机视觉等技术，减少人工标注需求，提高数据标注的效率和准确性，进一步推动数据服务行业发展。根据艾瑞咨询的数据，我国AI基础数据服务行业市场规模预计将从2018年的25.9亿元增长至2025年的101.1亿元，CAGR为21.5%。 表1：大模型训练需要大量数据作为支撑 图7：受益大模型训练所需数据需求增长，我国AI基础数据服务行业有望持续扩容 预训练模型引发AIGC技术的质变，国内外厂商积极纷纷推出大模型。预训练模型引发AIGC技术的质变，有效推进AIGC在应用端的落地。具体而言，预训练模型可分为：(1)自然语言处理(NLP)预训练模型，包括谷歌的LaMDA和PaLM、Facebook的OPT-175B和 M2M -100、Open Al的GPT系列等；(2)计算机视觉(CV)预训练模型，包括微软的Florence等;(3)多模态预训练模型，即融合文字、图片、音频、视频等多种内容形式的预训练模型，包括谷歌的Imagen和Parti、Deep Mind的Gato、Open Al的CLIP&DALL-E等。我国企业也在不断推出自己的大模型。根据中国移动研究院，科技大厂在算力层、平台层、模型层、应用层进行四位一体的全面布局，如百度的“昆仑芯+飞桨平台+文心大模型+行业应用”、阿里的“含光800芯片+M6-OFA底座+通义大模型+行业应用”、华为“昇腾芯片+MindSpore框架+盘古大模型+行业应用”，有望提升模型训练的效率及行业的可用性。 表2：Open Al等海外厂商纷纷推出预训练模型 表3：国内科技大厂及垂类科技企业积极推出自己的大模型 1.2、AIGC赋能千行百业，应用端发展前景广阔 AIGC生成文本、代码、图像、视频等内容的能力持续提升，应用端发展前景广阔。 大模型技术水平日益精进，感知并理解海量数据的能力持续提升，推动AIGC在文本、代码、图像、视频等内容的自动生成方面不断取得突破。在AIGC的加持下，内容生成领域在自动生成、提高丰富度和准确性、降低制作门槛及生产成本方面成效显著。同时，多模态大模型的出现使得多领域融合成为可能，提升AIGC的可用范围。因此，AIGC在自动驾驶、智慧工业、电商、游戏、文娱、金融、工业、政务、医疗越来越多的领域得到广泛应用。应用领域持续开拓推动人工智能行业持续扩容。 根据太原大数据官微公众号引用的头豹研究院数据，我国人工智能市场规模预计将从2021年的2607亿元增长至2027年的15732亿元，CAGR达34.9%，其中自动驾驶是人工智能的最大应用领域，市场份额预计将从2022年的38%提升至2027年的52%。 图8：AIGC在文本、代码、图像、视频等方面的生成能力将持续提升 图9：我国人工智能市场规模有望持续增长 图10：自动驾驶是人工智能的最大应用领域 人工智能在自动驾驶领域意义非凡，大模型推动自动驾驶进一步发展 人工智能在自动驾驶领域意义非凡，大模型推动自动驾驶进一步发展。人工智能技术在自动驾驶领域有极重要的意义。深度学习技术可以帮助车辆精准感知和理解外部环境；深度学习技术是SLAM系统中的一项关键技术，可以实现地图创建等多项任务；深度学习技术能帮助自动驾驶汽车学习和适应周围环境，帮助其提高决策能力，提升驾驶效率及安全性。同时，大模型在自动驾驶中应用趋势明确。根据九章智驾公众号，在云端，可以发挥大模型参数量增加带来的容量优势，用于自动驾驶数据自动标注、数据挖掘、通过蒸馏方式训练小模型等；在车端，大模型可用于合并用于不同检测任务的小模型等方面，节省车端计算环节所需的推理时间，增加自动驾驶安全性。因此，在大模型技术的推动下，自动驾驶将迎来更广阔的发展空间。 根据艾媒咨询的数据，我国无人驾驶汽车行业规模预计将从2015年的30.5亿元增长至2025年的267.6亿元，CAGR为24.3%。 表4：大模型目前在自动驾驶领域有诸多应用，推动自动驾驶进一步发展 图11：我国无人驾驶汽车行业预计将持续扩容 AIGC推动数字人更智能化、拟人化，推动数字人在众多产业得到广泛应用 AIGC推动数字人更智能化、拟人化，推动数字人在众多产业得到广泛应用。AI技术在文本、音频生成、图像、视频、3D模型生成及多模态交互等方面全面赋能数字人。具体而言，AI技术逐渐渗透到数字人建模、渲染、生成、驱动等全部环节，并使其制作成本降低、周期缩短、门槛降低，并