计算机行业2024年4月投资策略：Kimi引领国产大模型群雄并起，国内AI应用迎发展良机

证券研究报告|2024年03月29日 核心观点行业研究·行业投资策略 Kimi以长文本实现破圈，B、C两端应用均有突破。公司认为AI-Native产品核心价值在于个性化交互，LongContext可以解决90%的模型定制问题，因为足够长的上下文即可让模型定制，大幅减少fine-tune的成本。从全球各大模型迭代方向来看，提升长文本能力是全球大模型技术趋势；“大海捞针”测试验证了Kimi长文本能力，Kimi在中文领域对GPT-4Turbo、Claude 2.1优势明显。24年3月下旬，Kimi进一步将上下文能力提升至200万汉字，同时Kimi应用火爆出圈，用户流量激增导致连续5次扩容。C端应用是公司主要发力点，目标打造超级应用，致力于成为AI原生交互入口。B端公司打造MoonshotAI开放平台，API与OpenAI兼容；内测期间已有法律、游戏、阅读等相关应用进行测试，并反馈较好。随着Kimi应用访问量持续提升，也将再次拉动算力需求的快速增长。 阶跃星辰多模态能力领先，积极布局算力和应用生态。公司在24年3月发布了3款Step系列通用大模型，包括Step-1千亿参数语言大模型、Step-1V千亿参数多模态大模型和Step-2万亿参数MoE语言大模型（预览版）；同时推出C端产品“跃问”、“冒泡鸭”。公司多模态能力领先，在OpenCompass的测试中，Step-1V多模态大模型性能已赶超ChatGPT-4、Qwen-VL等，位居榜首。应用端，公司参股财跃星辰，与中国知网、中文在线等开展合作；算力端，公司在“租用算力+自建厂房”外，还参股了上海智能算力科技公司。 Pixverse引领全球AI视频，目标3-6个月赶超Sora。Pixverse已经成为全球用户量最大的国产AI视频生成产品，24年2月用户访问量已突破124万次，环比增长120%。同样基于DiT的技术路线，PixVerse花了3个月的时间就做到了全球第一梯队的水平，迅速把视频内容做到了4K的分辨率，资源和资金的消耗比Runway、Pika至少小了一个数量级。公司采取To创作者和To消费者的双重策略，目标在24年底实现大规模C端应用。未来3-6个月，公司最重要的目标是技术上能够追平甚至赶超Sora。 投资建议：看好国产大模型持续突破，国内模型、应用、算力均迎来发展机会。2024年国内大模型新势力异军突起，产品力和应用体验快速追赶全球头部模型水平，部分领域已经接近，甚至达到了全球第一梯队。以Kimi为代表的长文本能力、阶跃星辰的多模态模型、Pixverse的AI视频生成，均验证了国内团队在一年多时间里取得的跨越式进步。随着模型能力持续迭代，国内在应用方面的创新性，算力国产化的进一步升级将带动AI生态进入正循环。重点关注金山办公、同花顺、海光信息。 风险提示：宏观经济低迷影响IT支出；国内大模型技术突破不及预期；AI相关商业化拓展不及预期；行业竞争加剧；相关政策进度不及预期。 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） 2024E 2025E 2024E 2025E 688111 金山办公 买入 298.99 1381 3.68 4.89 81.25 61.14 300033 同花顺 买入 134.82 725 3.22 3.79 41.87 35.57 688041 海光信息 买入 76.79 1785 0.72 0.97 106.65 79.16 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 联系人：艾宪0755-22941051 aixian@guosen.com.cn 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 《计算机行业2024年3月投资策略：国产大模型Kimi带动产业链革新》——2024-03-21 《多模态AI大模型点评-OpenAI发布首款文生视频大模型Sora，训练算力需求大幅提升》——2024-02-17 《计算机行业2024年2月投资策略-全球AI训练算力重估，美方将限制对华AI云服务》——2024-02-03 《计算机行业2024年1月投资策略-制造业提效降本，看好各工 业软件龙头智能制造落地》——2024-01-07 《计算机2023年12月暨2024年度策略：大模型能力日新月异， AI将重塑各行各业》——2023-12-22 计算机行业2024年4月投资策略 Kimi引领国产大模型群雄并起，国内AI应用迎发展良机 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 Kimi实现破圈，引领国产大模型新方向4 月之暗面成为国产大模型新星4 Kimi主打长文本能力，产品能力优异5 长文本能力成为产业共识，Kimi取得领先并成为破局关键7 应用体验得到广泛认可，B、C两端均有突破8 Kimi火爆再次拉动算力需求增长10 阶跃星辰发布大模型，多模态能力领先12 阶跃星辰多款大模型问世，参战国内大模型市场12 应用和算力积极布局，AI生态逐步构建13 Pixverse引领全球AI视频，国内开启测试15 投资建议18 风险提示18 图表目录 图1：月之暗面发展历程4 图2：Kimi智能助手自3月以来访问量持续增长5 图3：长上下文能解决部分大模型的问题5 图4：LongContext实现功能案例6 图5：LongContext解决了模型定制的90%问题6 图6：Kimi阅读8篇指定论文并进行文献综述6 图7：Kimi用指定语言复现学术论文代码6 图8：Kimi“大海捞针”实验表现7 图9：GPT-4Turbo“大海捞针”实验表现8 图10：Claude2.1“大海捞针”实验表现8 图11：Kimi尝试解决实时性和幻觉焦虑9 图12：Kimi小程序9 图13：接入MoonshotAI开放平台内测的应用9 图14：阶跃星辰股权穿透图（截至2024年3月27日）13 图15：阶跃星辰AGI发展路径13 图16：上海智能算力科技有限公司股权结构（截至2024年3月27日）14 图17：Step-1V多个测试集表现领先15 图18：Step-1V大模型具备数学和推理能力15 图19：爱诗科技发展历程16 图20：Pixverse日访问量17 图21：Pixverse视频生成界面17 表1：月之暗面融资情况一览4 表2：全球玩家不断提升上下文窗口大小7 表3：MoonshotAI的API定价10 表4：芯片利用率情况11 表5：Kimi训练算力测算11 表6：Kimi推理算力测算12 表7：阶跃星辰大模型及产品介绍12 表8：阶跃星辰合作项目14 表9：跃问、冒泡鸭差异化产品定位15 表10：爱诗科技融资历程16 Kimi实现破圈，引领国产大模型新方向 月之暗面成为国产大模型新星 愿景宏大，Kimi成为国内通用大模型头部应用。月之暗面科技有限公司成立于2023年3月11日，秉持“寻求将能源转换为智能的最优解”的愿景，致力于通过产品与用户共同创作，实现通用人工智能（AGI）目标。2023年10月，公司正式推出第一款对话类产品Kimi智能助手，其基于千亿级模型参数构建并以长文本处理作为最核心能力，为用户提供高达20万汉字的输入与输出支持，实现了长上下文的无损记忆。公司产品迭代迅速，并于2024年2月将MoonshotAI开放平台启动公测，于24年3月进一步将上下文能力提升至200万汉字，不到半年提升10倍。当前，随着Kimi火爆出圈，已经成为国产AI头部应用。 图1：月之暗面发展历程 资料来源：公司官网，国信证券经济研究所整理 创AI融资新高，吸金能力强劲。2023年6月，月之暗面获得来自红衫资本中国与真格基金的天使轮投资，投资金额超2亿美元。仅4月后，公司获得近20亿人民币的第二轮融资，主要投资机构包括红衫资本中国、砺思资本等。2024年2月，公司完成超10亿美元的A轮融资，由阿里领投，红衫资本中国、小红书、美团等跟投，投后估值约25亿美元，打破国内AI领域最高单轮融资额度的记录。 表1：月之暗面融资情况一览 轮次 时间 金额 投资方 天使轮 2023年6月 超过2亿美元 红杉中国、真格基金、砺思资本 A轮 2023年10月2024年2月 近20亿元人民币超10亿美元 红杉中国、今日资本、砺思资本等阿里巴巴、红杉中国、小红书、美团等 资料来源：澎湃新闻，企查查，国信证券经济研究所整理 Kimi访问量迅速提升，产品得到市场广泛认可。随着Kimi在用户体验，长文本处理能力上口碑的日益积累，Kimi的访问量整体呈现持续上涨。尤其是在24年3 月后，公司开启了200万字的“长文本”输入的内测，产品能力进一步被市场认可。据SimilarWeb统计，3月20日Kimi移动端/桌面端的访问量同比分别高增332/987pct，尤其近一周访问量激增。根据AI产品榜2月数据，目前国内多数AI应用的访问量出现了下降，但Kimi仍保持了极高的增长。 图2：Kimi智能助手自3月以来访问量持续增长 资料来源：SimilarWeb，国信证券经济研究所整理 Kimi主打长文本能力，产品能力优异 上下文长度不足为传统大模型应用带来定制化和迭代问题。传统大模型应用中，由于较短的上下文，会出现分割输入（同一单词分段输入后，出现语义理解的歧义）、快速遗忘（角色扮演时，多轮对话后遗忘早期设定）、长度受限（Agent等场景下，复杂任务无法装载在Context中）等问题。在“记忆”有限的背景下，为了面对各类应用场景，传统大模型引入fine-tune实现定制化，而这样再模型迭代后又将面临再次fine-tune的困境。如此造成了较高的成本，同时也无法满足多数客户的需求。月之暗面公司认为，LongContext是解锁模型定制与模型迭代之间矛盾的钥匙。 图3：长上下文能解决部分大模型的问题 资料来源：MoonshotAI，国信证券经济研究所整理 长上下文可以解决90%的定制问题。通过LongContext，上下文中可以承载足够多的信息，而这些信息足以让模型实现定制化。第一版的KimiChat就已支持长达20万字的上下文处理能力，能满足大多数场景应用，例如角色定制、客服交流、简历筛选等，在输入大多数客户要求的内容后（角色要求、产品手册、筛选标准），LongContext仍能支持后续超长的互动空间。利用LongContext可以大幅减少fine-tune的成本，实现模型应用的“多、快、好、省”。例如可以先 用5万字定制一个模型的能力，剩余还有大量文字窗口，也足够日常交互使用。而fine-tune需要构造数据并训练，时间较长且需要较高的复杂度，单位token的成本也更高。公司选择用LongContext方式来解决90%的问题，更好向前向后兼容，也成为公司最高优先级的技术突破方向。 图4：LongContext实现功能案例图5：LongContext解决了模型定制的90%问题 资料来源：MoonshotAI，国信证券经济研究所整理资料来源：MoonshotAI，国信证券经济研究所整理 KimiChat在长文本、代码生成方面能力表现出色。我们对其进行测试，发送了8篇有关货币政策的论文进行解析，在响应速度方面，对于30页以内的文档，上 传后即可迅速完成解析，仅需20秒综述相关文本即输出完毕；在长文本概括能力方面，模型能兼顾各文章核心观点，并能在处理多篇论文时，有效地比较和融合相似的观点，同时保证文本输出的可读性和层次性。在代码复现方面，Kimi能够运用Python、R等编程语言，提供精准且高效的代码实现，其不仅能根据论文的模型和关键变量迅速编写出清晰、结构良好的代码，还能逐行解释代码的功能与内在逻辑，确保用户