计算机行业2023年7月暨中期投资策略：紧抓算力、大模型、应用迭代周期，把握AI带来信息产业革命

证券研究报告|2023年07月17日 核心观点行业研究·行业投资策略 模型端：巨头厂商迭代迅速，国内模型奋起直追。国外科技巨头对大模型迭代迅速，成为AI产业发展的重要引擎。OpenAI引领大模型奇点时刻，GPT-4目前的整体表现优于现有的大型语言模型，真实性和有效性方面取得了有史以来最佳成果。谷歌发布PaLM2，重点改进了多语言翻译、数据相关、程序语言、推理和自然语言生成能力，全面升级迎战OpenAI。Meta引领开源模型，LLaMA模型一定程度可以比肩ChatGPT，整体规模也大幅缩小，商用版有望加快发行；SAM模型是CV领域的ChatGPT，有望推动CV领域机器视觉再进步。国内大模型加快迭代，讯飞星火大模型目标10月中文能力超ChatGPT3.5；360智脑迅速迭代至4.0，模型能力国内领先。 算力端：英伟达推动算力跃迁，AI云租赁是新趋势，国内加快AI芯片投入AI大模型大幅拉动英伟达GPU需求，英伟达数据中心业务持续超预期。在A100、H100供不应求的背景下，英伟达今年再发布H100NVL、GH200，并推出DGX云。Oracle率先与英伟达合作，单季度OCI云业务营收增长54%，位列第一。凭借RDMA技术优势，价格优势，以及结合英伟达GPU集群算力支持，OCI引领AI云租赁发展趋势。英伟达芯片进口受限，国内GPU厂商在加紧突破：创业公司中，壁仞科技、天数智芯、沐曦科技等均已推出采用7nm工艺的GPU，且具备较高的算力表现；上市公司中，海光、寒武纪上一代产品可对标英伟达部分产品，目前均在以英伟达A100为目标加快迭代。 应用端：海外外应用加速落地，国内应用逐步显现。随着GPT能力不断迭代应用端场景也在不断创新，教育、办公、电商、医疗、游戏、金融科技等领域均在融入AI应用。细分场景数据优势是应用成功的关键，如教育领域的Duolingo，充分抓住各个用户的个人数据，针对每个人情况的不同提供定制化的服务。基础软件也是AI重要应用方向，如Datadog帮助大模型用户检测模型api、token使用情况；PalantirAIP数据分析能力在军事上帮助指挥作战。伴随国内AI监管暂行办法落地，国内应用有望加快面向公众：金山办公、科大讯飞、航天宏图均有AI产品在进程中。 投资建议：对计算机板块维持“超配”评级，看好AI产业链。全球AI产业链均处于快速迭代中，海外AI发展趋势给予了更领先的视角，迭代创新和产品突破成为本轮科技投资方向。无论是政策支持，还是产业迭代，国内计算机产业均在AI领域奋起直追。模型端重点关注科大讯飞、三六零；算力端重点关注海光信息；应用端重点关注金山办公，航天宏图等。 风险提示：经济恢复不及预期，计算机各下游需求持续疲弱；ChatGPT商业化落地不及预期；中美贸易摩擦加剧。 重点公司盈利预测及投资评级 公司 公司 投资 昨收盘 总市值 EPS PE 代码 名称 评级 （元） （亿元） 2023E 2024E 2023E 2024E 002230 科大讯飞 买入 70.19 1625 0.86 1.02 81.62 68.81 688111 金山办公 买入 439.23 2027 3.39 4.42 129.57 99.37 601360 三六零 增持 12.10 865 0.08 0.14 151.25 86.43 688066 航天宏图 买入 67.53 176 2.12 3.12 31.85 21.64 688041 海光信息 买入 78.40 1822 0.67 0.99 117.01 79.19 资料来源：Wind、国信证券经济研究所预测 计算机 超配·维持评级 证券分析师：熊莉证券分析师：库宏垚021-61761067021-60875168 xiongli1@guosen.com.cnkuhongyao@guosen.com.cnS0980519030002S0980520010001 证券分析师：朱松证券分析师：张伦可021-608751550755-81982651 zhusong@guosen.com.cnzhanglunke@guosen.com.cnS0980520070001S0980521120004 市场走势 资料来源：Wind、国信证券经济研究所整理 相关研究报告 《甲骨文OCI：高性能+经济性，抢占AI云市场》——2023-07-09 《ChatGPT用户数据：用户时长及流量分析》——2023-06-28 《人工智能行业专题：海外AI基础软件被认可》——2023-06-19 《计算机行业2023年6月投资策略-AI大模型发展新趋势，关注 AI应用+监管》——2023-06-13 《人工智能专题报告（2）：大模型突破技术奇点，海外应用百花齐放》——2023-06-09 计算机行业2023年7月暨中期投资策略 紧抓算力、大模型、应用迭代周期，把握AI带来信息产业革命 超配 请务必阅读正文之后的免责声明及其项下所有内容 内容目录 大模型：国内外快速迭代，信息革命引擎动力十足5 OpenAI引领大模型奇点时刻，GPT-4再次进化5 谷歌推出PaLM2，全面升级迎战OpenAI6 Meta将发布商用版LLaMA，SAM模型引领CV变革8 国内模型奋起直追，中文能力有望取得领先10 算力：GPU仍是最稀缺资源，国内外加速迭代12 英伟达引领算力装备竞赛，GPU和云双管齐下12 Oracle云业务快速增长，与英伟达合作发展AI算力租赁15 国内算力发展迫在眉睫，龙头厂商加大AI芯片投入17 应用：GPT功能日益丰富，海外外应用加速落地，国内应用逐步显现20 GPT大模型应用更新聚焦于B端和C端，不断引入创新功能20 GPT场景覆盖不断拓宽，目前包括教育、办公、电商、医疗、游戏、金融科技等21 海外AI应用持续探索商业模式，商业路径进展明确22 Datadog、Palantir等基于大模型的基础软件应用也是重点方向25 国内监管规定出台，应用有望百花齐放28 投资建议30 风险提示30 图表目录 图1：GPT模型的持续迭代5 图2：GPT-4在各类考试中表现更为优异6 图3：PaLM2提供4个版本，适用于不同场景6 图4：7BLLaMA模型接近ChatGPT95%的能力8 图5：SAM模型原理9 图6：SEEM在交互和语义空间上都比SAM更具泛化性10 图7：SAM-Adapter示意图10 图8：12款中文通用大模型中文评测10 图9：讯飞星火认知大模型1.511 图10：360智脑4.0十大能力12 图11：H100针对大型模型提供高达9倍的AI训练速度13 图12：H100超大模型的AI推理性能提升高达30倍13 图13：英伟达GH200架构14 图14：英伟达推出DGXCloud云服务15 图15：23Q1全球云基础设施服务，Oracle占比2%15 图16：最近季报，Oracle云业务营收同比+54%，位列第一15 图17：单一集群可拓展至32,768个NvidiaA100GPU16 图18：单节点8个GPU16 图19：我国算力网络市场规模（亿元）17 图20：我国算力总规模（EFLOPS）17 图21：MLU370-X4与GPU对标19 图22：华为昇腾AI云服务20 图23：PS界面功能繁多，学习成本较高22 图24：Firefly界面直接，便于使用22 图25：Duolingo自ChatGPT发布以来股价大幅上涨25 图26：Chegg自ChatGPT发布以来股价大幅下降25 图27：Datadog监控OpenAI使用Token情况26 图28：Datadog监控OpenAI使用情况的仪表板27 图29：PalantirAIP的军事应用28 图30：WPSAI将嵌入产品29 图31：WPSAI页面29 图32：科大讯飞AI学习机亮点29 图33：天权视觉大模技术路线30 表1：谷歌发布的AI模型7 表2：同GPT-4相比，PaLM2在推理领域具备一定竞争力8 表3：英伟达GH100/GA100/GV100/GP100对比13 表4：PrivateConnectivity-固定包月费用，费用大幅低于其他云厂商17 表5：国产GPU部分厂商进展18 表6：海光深算一号与NVIDIA公司、AMD公司的高端GPU对比19 表7：AI应用场景及相关公司21 表8：AI应用场景及相关公司22 表9：海外各类AI应用百花齐放23 大模型：国内外快速迭代，信息革命引擎动力十足 OpenAI引领大模型奇点时刻，GPT-4再次进化 OpenAI推动GPT模型快速迭代，ChatGPT成为标志。随着ChatGPT引爆全球科技行业，关于AI大模型的突破成为关键焦点。第一阶段GPT-1到GPT-3主要以参数扩张为主：基于Transformer模型，通过学习大量未标记的文本数据，逐步结合无监督预训练的技术，开始具备少样本及零样本学习的能力；模型参数也从1.2亿，提升至15.8亿，最终达到GPT-3的1750亿。第二阶段为模型增强阶段：InstructGPT引入了人类反馈强化学习方案（RLHF），鼓励模型输出与人类偏好一致的结果，随后ChatGPT面向公众，产生更多的有效标注数据；GPT-4则实现了多模态模型，可以接受文本和图像形式的输入，其真实性和有效性方面取得了有史以来最佳成果。 图1：GPT模型的持续迭代 资料来源：Freebuf，国信证券经济研究所整理 GPT-4再进化，能力进一步提升。OpenAI经过6个月的对抗测试，以及结合ChatGPT的经验对GPT-4持续调整，在真实性和可控性取得了历来最好结果。GPT-4处理文本量达到25000字左右，约等于ChatGPT的八倍，也能接受图像输入。根据实验结果，GPT-4在各种专业测试和学术基准上表现与人类水平相当。与GPT-3.5相比，当任务复杂性达到一定阈值后，GPT-4比3.5具有更好的表现，其能够处理更细微的指令。GPT-4目前的整体表现优于现有的大型语言模型。 媒体爆料GPT-4模型细节，参数体量再扩大。OpenAI并没有披露GPT-4模型的细节，近期媒体semianalysis发布文章《GPT-4Architecture,Infrastructure,TrainingDataset,Costs,Vision,MoE》介绍了GPT-4的模型细节。文章表示，GPT-4在120层中总共包含了1.8万亿参数，是GPT-3的10倍以上；GPT-4采用混合专家（MoE）模型，共有16个专家，每个专家的MLP参数约为1110亿；GPT-4的训练使用了大约25,000个A100芯片，一次的训练的成本为6300万美元。从GPT-4模型比GPT3.5更好的效果表现来看，无论是参数体量、模型优化都有进一步的提升。性能的持续提升，为AI应用的进一步打下基础，同时也大规模拉动了算力的需求。 图2：GPT-4在各类考试中表现更为优异 资料来源：openAI，国信证券经济研究所整理 谷歌推出PaLM2，全面升级迎战OpenAI 谷歌发布PaLM2新一代AI大模型，包含Gecko、Otter、Bison、Unicorn四个版本。谷歌发布PaLM2新一代AI大模型，重点改进了多语言翻译、数据相关、程序语言、推理和自然语言生成能力等。目前，PaLM2按照模型大小提供了4个版本，从小到大依次为Gecko（壁虎）、Otter（水獭）、Bison（野牛）、Unicorn （独角兽）。其中，最轻量级的Gecko（壁虎）可以直接在各种智能手机设备上本地化运行，且每秒可以处理约20个token，对应16-17个单词，基本满足移动设备用户的需要。 图3：PaLM2提供4个版本，适用于不同场景 资料来源：Google，国信证券经济研究所整理 基于PaLM2，谷歌还推出垂直和多模态模型。Med-PaLM2是由谷歌健康团队打造，能回答各种医学问题，是首个在美国医疗执照考试中达到专家水平的大语言模型。Sec-PaLM2是面向网络安全维护的