- 核心观点: 报告探讨了2026年AI算力应用的发展趋势,重点关注通用大模型与垂类大模型的应用突破及其对算力投资的影响。
- 通用大模型面临的挑战: 目前市场对通用大模型存在担忧,主要问题包括:1)垂类行业专业性和门槛高,通用大模型难以满足;2)训练成本高昂,影响推出进度。例如,GPT-4参数达1.8万亿,训练成本6300万美元,但尚未诞生“AI爆款应用”。
- FSD应用突破: 特斯拉FSD V12自动驾驶系统稳步推进,采用“端到端”神经网络,参数量大幅提升,驾驶流畅度改善,获得下游客户积极反馈。计划2025年第一季度在中国和欧洲推出,但需监管批准。
- 垂类大模型发展: 汽车领域如特斯拉FSD,医疗、金融等领域也出现垂类大模型,如Polaris、FinLLM、Corti.ai等。报告认为垂类大模型与通用大模型相互补充,共同丰富AI产品矩阵。
- 应用变化对算力投资的影响: 垂类大模型训练方式从微调转向预训练,为算力投资带来边际增量。行业参与者重金投资扩大模型参数量,如特斯拉自建超算中心算力约35000块英伟达H100等效算力。
- 研究结论: 算力应用从通用向通用、垂类相互补充转变,不会动摇算力基础设施投资的重要性。下游AI爆款应用仍需高额Capex投入,因此报告坚定看好以AI算力为主的领域,重视相关云厂商光模块供应商、交换机供应商等。
- 建议关注: 算力相关(光通信、铜链接、算力设备、液冷、边缘算力承载平台、卫星通信)、数据要素(运营商、数据可视化)。
- 风险提示: AI发展不及预期,算力需求不及预期,市场竞争风险。