人工智能行业专题研究：拥抱科技，把握AI新时代

（报告出品方：中原证券）
1. 引言

今年以来，以“人工智能”为代表的数字化技术赛道无疑是 A 股市场的最大热点，相关板 块也一度呈现集中快速上涨且大幅放量的火爆态势，wind 资讯统计数据显示，截至 4 月 12 日，TMT 指数（8841646.WI）的年内涨幅达 31.01%、远超各类市场基准指数，该指数板块近一 月的日均成交金额达 4609.92 亿元、占同期 A 股日均成交的比例超过 40%，也由此引发市场对 于该板块交易拥挤、投资价值是否尚存的种种关注和讨论。与此同时，从估值角度看，各子板 块估值差异较大，其中，人工智能指数估值已处于数年来极高位置，但 TMT、芯片、数字经济 等指数的估值还在近几年的低位。但如从科技自主可控与安全的国家战略视角来看，数字化技 术等科技创新相关行业及企业的发展无疑是值得期待，投资者若择优而行，长期坚持，一定会 收获新时代的科技红利。为此，本报告以“人工智能”为切入点，对 TMT 相关行业从从政策、 技术、产业等多方面进行梳理，以预判其中的投资机会。
2. 计算机：ChatGPT 的出现有望加速我国在人工智能领域政策的出台

2.1. 2017 年人工智能发展规划发布，为行业长期发展指明了方向
2017 年 7 月 20 日，国务院出台《新一代人工智能发展规划》，提出三步走战略目标，成 为了人工智能领域最重要的一份整体发展规划，也为后续政策出台提供了重要的依据： 第一步，到 2020 年人工智能总体技术和应用与世界先进水平同步，人工智能产业成为新 的重要经济增长点，人工智能技术应用成为改善民生的新途径，有力支撑进入创新型国家行列 和实现全面建成小康社会的奋斗目标； 第二步，到 2025 年人工智能基础理论实现重大突破，部分技术与应用达到世界领先水 平，人工智能成为带动我国产业升级和经济转型的主要动力，智能社会建设取得积极进展； 第三步，到 2030 年人工智能理论、技术与应用总体达到世界领先水平，成为世界主要人 工智能创新中心，智能经济、智能社会取得明显成效，为跻身创新型国家前列和经济强国奠定 重要基础。
《新一代人工智能发展规划》的出台，同年 AlphaGo 战胜世界第一的围棋选手柯洁，技 术和政策的双向推动下，多项人工智能的推动政策密集出台。十九大报告提出“推动互联 网、大数据、人工智能和实体经济深度融合”，2018 年政府工作报告首次提及“人工智能”， 与此同时工信部出台了《促进新一代人工智能产业发展三年行动计划(2018-2020 年)》进行工 作的专项部署，教育部出台《高等学校人工智能创新行动计划》引领高校的人工智能创新，科 技部在积极推动科技创新 2030—“新一代人工智能”重大项目的展开，2018 年 10 月的第十九 届第九次中央政治局学习以“人工智能发展现状和趋势”为学习主题。而后，科技部和工信部 在试验区、场景创新等方面积极展开示范性建设，以期推动人工智能建设工作加快落地。 在 组织方面，2017 年 11 月科技部宣布成立由科技部、发展改革委、财政部、教育部等 15 个部 门构成新一代人工智能发展规划推进办公室，负责推进新一代人工智能发展规划和重大科技 项目的组织实施。宣布成立新一代人工智能战略咨询委员会，为规划和重大科技项目实施， 以及国家人工智能发展的相关重大部署提供咨询。
在关注人工智能发展的同时，人工智能治理工作也成为了顶层关注的重要问题。2019 年新一代人工智能治理专业委员会成立，6 月出台了《新一代人工智能治理原则——发展负责任 的人工智能》；同时在新组建的国家科技伦理委员会中，人工智能也成为了 3 大重点关注方向 之一；2021 年 12 月中办、国办还发布了《关于加强科技伦理治理的意见》，对新时代我国科 技伦理治理工作做出了全面、系统的部署。
除了人工智能的专项政策，近期国家也有多项数字中国相关的重要政策密集出台，为产 业数字化进行制度的铺垫，为智能化的发展推进奠定了数据和软硬件的基础。2022 年 2 月， 东数西算涉及的 8 个国家算力枢纽节点和 10 个国家数据中心集群全部获批，2022 年 6 月国务 院发布《国务院关于加强数字政府建设的指导意见》统筹数字政府建设，2022 年 12 月《关于 构建数据基础制度更好发挥数据要素作用的意见》成为了数据要素建设的基础制度，2023 年 2 月《数字中国建设整体布局规划》构建了数字中国建设的“2522”整体框架，2023 年 3 月国 务院机构改革中组建了国家数据局。 考虑到当前人工智能技术再次取得重大突破，我们认为国家有望在相关方向上出台更多 推动政策，助力国内产业跟随国际先进水平。
2.2. 15 家开放创新平台企业成为了行业的引领者
2017 年至今科技部启动 3 批共计 15 家企业成为“国家新一代人工智能开放创新平台”。作 为了人工智能的国家队，这 15 家头部企业将在自动驾驶、城市大脑、医疗影像、智能语音、 智能视觉、基础软硬件、智能供应链、图像感知、视觉计算等多个领域发挥各自的优势，利用 国家政策倾斜优势，形成人工智能技术在各个场景的落地。





2.3. 区域和场景示范双结合，推动人工智能的技术落地
2019 年 9 月 6 日，科技部下发《国家新一代人工智能创新发展试验区建设工作指引》，计 划到 2023 年，布局建设 20 个左右试验区，创新一批切实有效的政策工具，形成一批人工智能 与经济社会发展深度融合的典型模式，积累一批可复制可推广的经验做法，打造一批具有重大 引领带动作用的人工智能创新高地。截止目前已经有 19 个城市获批成为国家新一代人工智能 创新发展试验区，同时人工智能也成为相关城市政策发力的重点。
2022 年 8 月，科技部发布《科技部关于支持建设新一代人工智能示范应用场景的通知》， 首批支持建设十个示范应用场景：智慧农场、智能港口、智能矿山、智能工厂、智慧家居、 智能教育、自动驾驶、智能诊疗、智慧法院、智能供应链。同时以国家新一代人工智能创新 发展试验区为主要依托，充分发挥国家新一代人工智能开放创新平台企业作用，遴选一批支持 建设的示范应用场景。
2.4. 举国体制助力人工智能研究
考虑到我国在人工智能领域与美国相比，“缺少重大原创成果，在基础理论、核心算法以 及关键设备、高端芯片、重大产品与系统、基础材料、元器件、软件与接口等方面差距较 大”。针对这些发展的薄弱环节，国家也通过举国体制加强在相关领域的投入。
2.4.1. 重大科技项目支撑人工智能技术的发展
按照《国家创新驱动发展战略纲要》和国家“十三五”规划纲要部署，我国面向 2030 年部 署了一批与国家战略长远发展和人民生活紧密相关科技创新重大项目，统称为“科技创新2030—重大项目”。它与国家科技重大专项形成一个远近结合、梯次接续的系统布局。 2017 年 2 月，考虑到人工智能迅速发展的态势，科技部在已有的 15 个科技创新 2030 项 目的基础上新增“人工智能 2.0”，“重点围绕新一代人工智能基础理论、面向重大需求的核心 关键技术、智能芯片与系统三个方向展开部署”。 而后，《新一代人工智能重大科技项目实施方案》出台，在此基础上，科技部分别在 2018 年、2020 年、2021 年、2022 年出台了相关项目的申报指南，其中从经费上来看，2020 年、 2021 年披露的资金都在 5 亿以上，从研究的方向上来看，前期重点关注的是基础理论、关键 技术、基础软硬件支撑，2020 年开始拓展到了创新应用，2022 年的投入方向进一步拓展到了 与科学的深度结合。与之相结合的是，2023 年 3 月，科技部和自然基金委启动“人工智能驱 动的科学研究”专项部署工作，紧密结合数学、物理、化学、天文等基础学科关键问题，围绕 药物研发、基因研究、生物育种、新材料研发等重点领域科研需求展开，布局“人工智能驱动 的科学研究”前沿科技研发体系。





此外，通过“核高基”（核心电子器件、高端通用芯片、基础软件）、集成电路装备等国家 科技重大专项也对人工智能软硬件发展起到了积极推动作用，“科技创新 2030—重大项目”中 的加快脑科学与类脑计算、量子信息与量子计算、智能制造与机器人、大数据等研究也为人工 智能的重大技术突破提供支撑。
2.4.2. 人工智能领域是近期国家实验室和全国重点实验室布局的重点
2021 年 3 月，十四五规划中提到“聚焦量子信息、光子与微纳电子、网络通信、人工智 能、生物医药、现代能源系统等重大创新领域组建一批国家实验室，重组国家重点实验室”， 从这方面的工作来看，也在扎实推进的过程中。
国家实验室
国家实验室作为国家最高科研水平的代表，目前科技部披露一共 14 个（另有 6 家被降级 为国家重点实验室），都是 2006 年及以前批准筹建的，后续很长时间没有新的增量。
近年来，根据地方披露了部分国家实验室建设的信息，我们统计到的 12 个新建国家实验 室中，就有 7 个聚焦在信息科技领域，其中的 3 个都是重点聚焦了人工智能领域。
全国重点实验室
随着国家重点实验室体系重组工作的展开，全国重点实验室作为阶段性的产物，成为新的 国家战略科技力量的体现。截止 2022 年 7 月，科技部已遴选出首批 20 个标杆全国重点实验 室批准建设，其中和信息科技紧密相关的为芯片领域 4 个、人工智能领域 4 个、虚拟现实领 域 1 个，充分显示出了国家对人工智能领域的重视。
2.4.3. 科技管理成为本次机构改革重点，有望加速举国体制的投入和机制改革
2023 年 3 月新的《党和国家机构改革方案》出台，组建中央科技委员会，重新组建科学 技术部，将科技领域管理机构职责的优化和调整作为了重点。 从影响方面来看： （1）新设的科技委员会作为一个中央机构，将原有的国家中长期科技发展规划工作领导 小组、国家科技体制改革和创新体系建设领导小组、国家科技领导小组、国家实验室建设领 导小组、国家科技咨询委员会、国家科技伦理委员会等国务院议事协调机构的职能进行了集 中，机构级别获得提升，有利于对科技工作的统一领导。 （2）科学技术部的多项与科学研究无关职能被剥离给了相关部门，目标就是可以加强对 新兴举国体制和深化财政科技经费分配使用机制改革，也有望解决部门长期以来管资金不管 人和事的弊端。
而从当前机构改革的背景上来看，世界发展正在迎来“百年未有之大变局”，中美科技领 域脱钩趋势明显，同时有俄罗斯被美国全面禁运的先例，我们需要为可能出现的极端情况做更 多的战略准备。这其中，人工智能作为国际竞争的焦点领域和近期迎来重大突破的领域，必将 受益于我国科技管理体制增强的新趋势。
3. 通信：算力需求提升，光模块和运营商有望受益

3.1. 数字中国开启，算力需求提升
3.1.1. 数字中国“2522”框架布局，拉动数字基建需求和数据资源大循环。
2023 年 2 月，中共中央、国务院印发了《数字中国建设整体布局规划》（以下简称《规 划》），《规划》提出数字中国建设按照“2522”的整体框架进行布局，即夯实数字基础设施和 数据资源体系“两大基础”，推进数字技术与经济、政治、文化、社会、生态文明建设“五位 一体”深度融合，强化数字技术创新体系和数字安全屏障“两大能力”，优化数字化发展国内 国际“两个环境”。 《规划》明确要夯实数字中国建设基础。1）打通数字基础设施大动脉。加快 5G 网络与 千兆光网协同建设，深入推进 IPv6 规模部署和应用，推进移动物联网全面发展，大力推进北 斗规模应用。系统优化算力基础设施布局，促进东西部算力高效互补和协同联动，引导通用 数据中心、超算中心、智能计算中心、边缘数据中心等合理梯次布局。整体提升应用基础设 施水平，加强传统基础设施数字化、智能化改造。2）畅通数据资源大循环。构建国家数据管 理体制机制，健全各级数据统筹管理机构。推动公共数据汇聚利用，建设公共卫生、科技、教 育等重要领域国家数据资源库。释放商业数据价值潜能，加快建立数据产权制度，开展数据 资产计价研究，建立数据要素按价值贡献参与分配机制。
数字经济是以数字化的知识和信息作为关键生产要素，以数字技术为核心驱动力量，以 现代信息网络为重要载体，通过数字技术与实体经济深度融合，不断提高经济社会的数字 化、网络化、智能化水平，加速重构经济发展与治理模式的新型经济形态。根据《“十四五” 数字经济发展规划》，到 2025 年，数字经济核心产业增加值占国内生产总值比重达到 10%，数 据要素市场体系初步建立，产业数字化转型迈上新台阶，数字产业化水平显著提升，数字化公 共服务更加普惠均等，数字经济治理体系更加完善。《关于构建数据基础制度更好发挥数据要 素作用的意见》中明确指出数据作为新型生产要素，是数字化、网络化、智能化的基础。数据基础制度建设事关国家发展和安全大局。加快构建数据基础制度，充分发挥我国海量数据 规模和丰富应用场景优势，激活数据要素潜能，做强做优做大数字经济，增强经济发展新动 能，构筑国家竞争新优势。 数字经济包含数字产业化、产业数字化、数字化治理和数据价值化四个方面。1）数字产 业化（信息通信产业）包括电子信息制造业、电信业、软件和信息技术服务业、互联网行业 等；2）产业数字化是指传统产业应用数字技术所带来的产出增加和效率提升部分，包括工业 互联网、智能制造、车联网、平台经济等融合型新产业新模式新业态；3）数字化治理是以 “数字技术+治理”为典型特征的技管结合，包括多元治理和数字化公共服务等；4）数据价值 化包括数据采集、数据标准、数据确权、数据标注、数据定价、数据交易、数据流转、数据保 护等。



3.1.2. 数字经济在我国经济稳定和加速发展的过程中起到重要作用


2021 年我国数字经济规模达 45.5 万亿元，同比增长 16.1%，占 GDP 比重为 39.6%，数字 经济在我国经济中的“稳定器”和“加速器”作用更加明显。 数字产业化夯实基础实力，产业数字化驶入加速轨道。2021 年我国数字产业化规模达 8.4 万亿元，同比增长 12.0%，占 GDP 比重为 7.3%，ICT 服务部分在数字产业化的主导地位更 加巩固。2021 年我国产业数字化规模为 37.2 万亿元，同比增长 17.4%，占 GDP 比重为 32.4%。产业数字化增速更快，对数字经济的发展具有更强的促进作用。
3.1.3. 算力是核心生产力，算力规模和经济发展水平呈正相关
算力是核心生产力。数据、算力和算法已成为数字经济涉及生产资料、生产力和生产关 系的三大核心生产要素。作为发挥数据生产要素价值的关键驱动力，算力对经济增长的拉动具 有长期性和倍增效应。《2021-2022 全球计算力指数评估报告》量化揭示了全球主要国家 GDP、 数字经济与计算力之间的关联性和相互拉动作用。计算力指数平均每提高 1 点，数字经济和 GDP 将分别增长 3.5‰和 1.8‰，数字经济已逐步进入以算力为核心生产力的新阶段。 算力规模和经济发展水平呈正相关。随着算力底座的持续巩固，算力对数字经济发展和 企业数字化转型的支撑作用逐渐明显，已成为衡量经济社会发展程度的重要指标。算力对数字 经济和 GDP 的发展有显著带动作用，根据《中国算力发展指数白皮书（2022 年）》，2021 年全 球算力规模增长 44%，数字经济规模和名义 GDP 分别增长 15.6%和 13%。全球各国算力规模与 经济发展水平密切相关，经济发展水平越高，算力规模越大。
3.1.4. AI 时代将带动算力规模成倍增长
ChatGPT 的大热为 AIGC 带来新的增量，AI 模型训练需要的更高的算力，AI 时代海量数据 洪流和未来多样应用需求爆发将继续拉动算力规模成倍增长。2023 年 3 月，为贯彻落实国家《新一代人工智能发展规划》，科技部会同自然科学基金委近期启动“人工智能驱动的科学研 究”（AI for Science）专项部署工作。科技部将推进面向重大科学问题的人工智能模型和算 法创新，发展一批针对典型科研领域的“人工智能驱动的科学研究”专用平台，加快推动国 家新一代人工智能公共算力开放创新平台建设，支持高性能计算中心与智算中心异构融合发 展，鼓励绿色能源和低碳化，推进软硬件计算技术升级，鼓励各类科研主体按照分类分级原 则开放科学数据。
3.2. 数据中心作为算力的物理承载，产业赋能价值逐渐显现
算力是一种新的生产力，广泛融合到社会生产生活的各个方面，为企业数字化转型提供基 础动力。数据中心作为承载各类数字技术应用的物理底座，是数字化发展的关键基础设施，其 产业赋能价值逐渐显现。“十四五”规划和 2035 年远景目标纲要中明确提出要“加快构建全国 一体化大数据中心体系，强化算力统筹智能调度，建设若干国家枢纽节点和大数据中心集群， 建设 E 级和 10E 级超级计算中心”。工信部和国家发改委等先后出台《新型数据中心发展三年 行动计划（2021-2023 年）》、《全国一体化大数据中心协同创新体系算力枢纽实施方案》等重 要政策文件，有效规范了我国数据中心产业发展。
3.2.1. 我国数据中心机架规模稳步增长，大型以上数据中心规模迅速增长
按照标准机架 2.5kW 统计，截至 2022 年年底，我国在用数据中心机架总规模超过 650 万 架，近五年 CAGR 达到 31.4%。其中，大型以上数据中心机架规模增长更快，按照标准机架 2.5kW 统计，预计 2022 年机架规模 540 万架，占比超过 80%。





3.2.2. 我国数据中心形态多样化发展，智算中心、边缘数据中心将保持高速增长
目前我国数据中心以通用算力为主，智算、超算和边缘数据中心应用和数量有待增长。随 着我国 AI 计算、高性能计算以及边缘计算需求的提升，智算、超算和边缘数据中心将进一步 发展，算力呈现多样化的发展趋势。当前，通用算力的数据中心仍是市场主力，按机架规模统 计，占比超 90%；智算中心从早期实验探索逐步走向商业试点，尽管现有规模占比不高，但随着我国各类人工智能应用场景的丰富，智算需求将快速增长，预期规模增速将达到 70%；超算 中心主要应用于国家重大科研领域，商业应用场景较少；边缘数据中心能够为智能终端、物联 设备提供实时算力，随着我国数字化转型的加快，包括工业互联网的发展，边缘计算需求将进 一步提升，边缘数据中心的规模增速有望达到 30%1。
3.2.3. 我国当前算力规模中 20%属于智能算力，适用于 AI 应用
截至 2022 年底，全国算力总规模达 180EFlops，位居全球第二，算力总规模近五年 CAGR 超过 25%，存力总规模超过 1000EB2。当前的算力规模中，有超过 20%的算力是智能算力，可 用于人工智能各类应用，包括模型训练和推理。
3.3. 数字中国建设和 AI 时代受益方向之一：光模块
3.3.1. 光模块属于数据中心关键零部件
光模块属于数据中心产业链上游 IT 及网络设备中的光纤通信设备的重要零部件。数据中 心是数据存储和计算的中心，通信网络的核心地带，云产业的底层核心基础设施。数据中心产 业上游主要是为数据中心建设提供所必须的基础设施或条件，其中设备商提供基础设施和 ICT 设备，分别为底层基础设施（供配电系统、散热制冷系统等）和 IT 及网络设备（交换机、服 务器、存储），而软件服务商提供数据中心管理系统（动环监控系统、数据中心基础设施管理 系统等）。除此之外，产业上游还包括土建方和网络运营商等，土建方负责建筑的建设，运营 商提供网络接入及机房节点租用等网络服务。产业中游主要是服务商，包括电信运营商、第三 方中立数据中心服务商、云计算厂商以及从各行业涌入的新进入者。中游整合上游资源，建设 高效稳定的数据中心，是数据中心产业的核心角色。产业下游主要是数据中心的使用者，主要 是云计算企业、互联网企业与其他行业用户（包括：金融机构、政府、电力企业用户等）3。 云计算厂商主要通过虚拟化资源为客户提供灵活的资源分配和调度服务而获取收入，而其他企 业通过部署托管服务器集群或者租用数据中心的服务器为自有业务提供技术服务。
3.3.2. 光模块是光通信设备最关键的组成部分，主要作用是实现光电转换
光模块是光纤通信设备的重要零部件之一，是光通信设备最关键的组成部分，主要作用 是实现光电转换。一个光模块，通常由光发射器件（TOSA）、光接收器件（ROSA）、激光器芯 片（LD Chip）、光探测器芯片（PD Chip）、电路板（PCBA）、光纤接口、电接口等部分组成。 光模块具备丰富的应用场景，分为电信市场与数据通信市场，包括电信通讯、数据宽带、 FTTx、数据中心等领域，近年来数据通信市场逐步成为带动光模块市场增长的主要细分领域。 从数据中心上游 IT 设备成本占比看，在硬件采购成本中，服务器占比为 69%；网络设 备、安全设备、存储设备分别占数据中心 IT 设备采购成本的 11%、9%、6%；光模块及其他占 比 5%。





3.3.3. 未来 5 年全球光模块市场年均复合增长率达 11%
根据 LightCounting 的测算，光模块市场在 2020-2022 年分别增长 17%、10%、14%。然 而，预计在 2023 年增速将放缓至 4%，随后在 2024-2025 年恢复，2022-2027 年全球光模块市 场 CAGR 为 11%。尽管 2023 年增速或许疲软，2027 年全球光模块销售额有望达到 200 亿美元。
3.3.4. 我国厂商在光模块市场市占率高，未来 AI 产业将继续推动厂商迅速成长
我国供应商在全球以太网光模块市场占主导，未来 AIGC 算力产业对云计算基础设施带来 的增量将继续推动我国光模块供应商快速成长。过去十年中，我国光器件和模块供应商逐渐 在全球市场上获得份额，我国供应商目前在全球以太网光模块市场上占主导地位。另外，在 FTTx 和无线前传等较小的细分市场，几乎都是中国供应商。由于无法与中国供应商竞争，许 多非中国供应商相继退出光模块市场。例如：美国光器件厂商 AOI 在 2022 年 9 月将其光模块 业务出售给宇瀚光电科技（上海）有限公司，使 AOI 重新专注于激光芯片制造。我国光模块供 应商最初的成功得益于国内对光模块的强劲需求，与此同时，未来 AIGC 算力产业对云计算基础设施带来的增量将继续推动我国光模块供应商快速成长。
3.3.5. 光模块或迎接 800G 升级新周期
2024-2026 年 CPO 将逐渐开始取代可插拔光模块，2025 年以太网光模块市场将被 800G 光 模块主导。根据 LightCounting 的测算，全球前五的云厂商，阿里巴巴、亚马逊、 Facebook、谷歌和微软 2026 年在以太网光模块上的支出将超过 30 亿美元。800G 光模块将从 2025 年底开始主导这一细分市场。另外，谷歌计划在 2-3 年后开始部署 1.6T 模块。CPO（共 封装光学）将在 2024-2026 年开始取代云数据中心中的可插拔光模块。 高速率光模块出货量有望大幅提升，光模块或迎接 800G 升级新周期。虽然当前 100G 光 模块仍是需求的主流型号，但依据 LightCounting 推测，随着海外云厂商资本开支提升， 200G/400G/800G 产品预计将持续迭代，高速率光模块出货量有望大幅提升。2022-2024 年 800G 以太网光模块全球出货量或分别达到 11、39、119 万只。800G 光模块产品增长的动力来 源于 AI 相关应用带来流量数据增量、数据中心带宽需求高增、光模块厂商的技术迭代。2023 年 800G 光模块有望开启量产元年，800G 产品升级周期，头部厂商技术路线统一，行业或于近 两年迎来业绩向上拐点。
3.4. 数字中国建设和 AI 时代受益方向之二：电信运营商
运营商掌握海量数据，在数据要素市场中可参与较多环节，配合云计算业务与数据中心 基础设施下沉，竞争力较强。电信运营商在我国具备产业计划职能。运营商通过资本开支和对产业链各环节的定价权，组织协调通信基建各大环节，比如：基站、服务器、交换机、光 纤、光模块等，进行下一代技术攻关和量产，保证每一代通信网络建设的效率和时效性。建设 数字中国和发展 AI 产业对算力的要求将为云计算基础设施带来较大增量。 运营商通过近 20 年的经营和资本开支投入获得了巨大的用户基础、稳定的政企客户、广 泛的全国网络覆盖和庞大的数据积累等。根据规模经济理论，扩大生产规模会引起经济效益增 加，是长期平均总成本具备随产量增加而减少的特性。企业的成本包含固定成本和可变成本。 在生产规模扩大后，可变成本同比例增加而固定成本不增加，单位产品成本下降，企业利润上 升。基于已投入的固定成本，降低单位成本是运营商发展创新业务的盈利之道。运营商长期以 来的资本开支带来了优质的资源积累，依托已具备稳定现金流的个人业务，电信运营商开拓 B 端市场的运营策略是提升资源利用率，在业务规模扩张中用相对较低的边际成本获取利润，边 际成本递减带来的规模效应有助于运营商通过已有积累资源提高盈利能力。运营商可凭借原 有网络和数据中心等基础设施优势，大幅降低算力运维成本。
3.4.1. ChatGPT 大模型可作为工具用来改进信息通信服务能力
中国电信宣布已全面布局大模型技术研发并取得阶段性成果，积极关注产业版 “ChatGPT”并已具备相关技术研发基础，初步具备文章续写、主题写作、同义句生成、多轮 对话和长文本摘要等能力，旨在打造面向电信领域的产业版生成式技术的端到端产品化能力。 借助现有的数据资源，结合 AI 的能力，针对企业客户生产运营的场景提供类似 ChatGPT 的智 能化服务。
3.4.2. 运营商是算力网络建设先锋
ChatGPT 等大模型的运行和服务离不开算力和网络支撑，运营商提供新型信息基础设施服 务运营服务，随着 AI 技术兴起，三大运营商将探索发展机会，加强算网融合建设。人工智能 的发展对信息管道和算力网络的承载能力与体验要求提出了更大的挑战，也为产业链上下游企 业带来了良机。 中国电信：持续优化“2+4+31+X+O” 4算力布局，在京津冀、长三角、粤港澳大湾区、成 渝等区域中心节点，打造天翼云 4.0 自研多 AZ（Availability Zones，可用区）能力，“一城 一池”覆盖超过 240 个城市，边缘算力节点超过 800 个，为用户提供高效集约、超低时延分布 式云服务，2022 年新增天翼云算力 1.7 EFLOPS，算力总规模达 3.8 EFLOPS，同比增长 81%； 建设覆盖全国的“全网-区域-边-端”四级 AI 算力，打造集约 AI 能力中台，实现 AI 算力、算 法、数据的统一调度，汇集 5000 余个算法和上百个场景化解决方案；积极响应国家“东数西 算”战略，聚焦八大枢纽节点加大布局，目前拥有 700 多个数据中心和 3000 多个边缘 DC， IDC 机架达到 51.3 万架，机架利用率超过 70%，IDC 资源在国内数量最多、分布最广。
3.4.3. 运营商发力产业数字化业务，云计算业务高速增长
充分享受 C 端市场红利后，运营商寻求业务转型，重视发挥规模效应，以 B 端为主力增长 点，产业数字化业务成为第二成长曲线。2022 年，中国电信产业数字化收入达 1178 亿元，同 比增长 19.7%。天翼云收入达 579 亿元，同比增长 107.5%。中国移动 DICT 收入为 864 亿元， 同比增长 38.8%，其中大数据收入增长 96.1%，5G 专网收入增长 107.4%。移动云收入达 503 亿 元，同比增长 108.1%，综合实力迈入国内业界第一阵营。中国联通产业互联网收入规模、增 速双增长，产业互联网收入超 700 亿，同比增长 28.6%，占主营业务收入比首次突破 20%。创 新业务收入占比达到历史新高，创新转型成果显著。联通云继续翻倍增长，2022 年实现收入 361 亿元，同比增速达 121%。





3.4.4. 案例：海外运营商转型 AI 企业
2022 年 11 月 10 日，韩国最大电信运营商 SKT（SK Telecom）宣布将通过把 AI 与广泛的 连接技术相结合，将自己塑造成为一家 AI 企业。其在韩国本土的竞争对手 KT 也发表了类似的 公司转型目标。2021 年 SKT 的业务部门已被划分为固定和移动通信、媒体、企业、AIVERSE （AI+Universe）和互联智能。为了实现新的愿景，该运营商计划运用 AI 来改进业务流程和推 出新型服务，并积极投资 AI 技术企业以产生更大的协同效应。 2023 年 2 月 8 日，SKT 表示已将世界上第一个韩语版本的 GPT-3 应用于其产品“A.”。该 运营商准备采用“长期记忆”技术来进一步升级“A.”。这项技术可以记住旧信息并将其用于 对话，以及可理解文本、照片和语音等复杂信息的“多模态”技术。除了自主开发技术外， SKT 还将在语言模型（例如：ChatGPT）和基础技术等领域促进与不同公司的合作，并于年内 在韩国正式推出“A.”。 SKT 的迅速转型表明运营商在 AI 时代拥有敏锐嗅觉和竞争优势。我国运营商同样在探索 布局 AI 技术，运营商是 AI 时代国家队代表，新技术有望为运营商带来新的动力源泉。
4. 电子：AIGC 带动算力需求爆发，AI 芯片迎来高速成长期

AIGC 模型预训练数据量呈指数级增长，带动算力需求爆发。从 GPT-1 到 GPT-3，模型参 数量从 GPT 的 1.17 亿增加到 GPT-2 的 15 亿，再到 GPT-3 的 1750 亿；训练数据量也由 GPT 的 5GB，增加到 GPT-2 的 40GB，再到 GPT-3 的 45TB。AIGC 模型预训练数据量呈指数级增长，带 动算力需求爆发。
云边端算力协同融合，有望满足不同应用需求并提升算力效率。人工智能在云端、边缘 端、终端都有广泛应用，对算力有不同需求。云端具有海量数据处理与计算能力，可以承载云 端训练和推理的任务；将算力从云端向边缘侧扩展，支持在网络边缘执行深度学习、强化学习等人工智能算法，避免计算任务从网络边缘传输到云中心的超长网络传输延迟，可以满足高实 时性应用的需求；通过算力前置实现终端分布式算力与云端中心算力的动态平衡，可以大幅提 升算力效率。通过云边端算力协同融合，有望满足不同应用需求，并提升算力效率。
算力基础设施云、边、端 AI 芯片作为算力载体，将迎来高速成长期。人工智能的各类应 用场景，从云端溢出到边缘端，或下沉到终端，都离不开智能芯片对于“训练”与“推理” 任务的高效支撑，算力基础设施云、边、端 AI 芯片作为算力载体，将迎来高速成长期。云、 边、 端三种场景对于智能芯片的运算能力和功耗等特性有着不同要求，云端承载处理海量数 据和计算任务，需要高性能、高计算密度，典型计算能力一般要大于 30TOPS；终端对低功 耗、高能效有更高要求，典型计算能力一般小于 8TOPS，典型功耗一般小于 5 瓦；边缘端对功 耗、性能的要求通常介于终端与云端之间。
4.1. AI 大模型产生海量算力需求，驱动云端 AI 芯片快速成长
大模型及人工智能在多场景广泛、深入应用，驱动智能算力规模高速增长。AI 大模型训 练和推理过程消耗海量算力，带动算力需求爆发式的增长，以及人工智能在智慧交通、智慧金融、生物识别、智能制造、智慧医疗、自动驾驶等场景的广泛、深入应用，中国智能算力规模 将持续高速增长。根据 IDC 的数据，2021 年智能算力规模为 155.2 百亿亿次/秒（EFLOPS）， 2022 年智能算力规模达到 268 百亿亿次/秒（EFLOPS），预计 2022-2026 年中国智能算力规模 的年复合增长率将达 52.3%，同期通用算力规模复合增速为 18.5%。
AI 服务器专为人工智能训练和推理应用而设计，大模型有望推动 AI 服务器市场加速成 长。服务器一般可分为通用服务器、云计算服务器、边缘服务器、AI 服务器等类型，AI 服务 器专为人工智能训练和推理应用而设计，大模型带来算力的巨量需求，有望进一步推动 AI 服 务器市场的增长。根据 IDC 的数据，2020 年全球 AI 服务器市场规模为 112 亿美元， 2025 年 预计全球人工智能服务器市场规模将达到 266 亿美元，五年复合增长率为 18.9%。根据 IDC 的 数据，2020 年中国 AI 服务器市场规模将为 35 亿美元，2025 年预计中国 AI 服务器市场规模将 达到 108.6 亿美元，五年复合增长率为 25.3%。





AI 芯片占 AI 服务器成本主要部分。CPU+GPU 是目前 AI 服务器主流的异构计算系统方 案，根据 IDC 2018 年服务器成本构成的数据，推理型和机器学习型服务器中 CPU+GPU 成本占 比达到 50-82.6%，其中机器学习型服务器 GPU 成本占比达到 72.8%。
AI 芯片以 GPU 为主，NPU 成长迅速。AI 芯片主要包括 GPU、NPU、FPGA、专用集成电路 等，根据的 IDC 数据，2021 年中国人工智能芯片中，GPU 依然是实现云端数据中心加速的首 选，占据 89%的市场份额，GPU 芯片多用于图形图像处理、复杂的数学计算等场景，可较好地 支持高度并行的工作负载，常用于云端的 AI 模型训练，也可应用于边缘端和终端的推理工作 负载；NPU 占据 9.6%的市场份额，NPU 增速较快，NPU 芯片设计逻辑更为简单，常用于云端、 边缘端和终端的模型推理，并生成结果，在处理推理工作负载时，能显著的节约功耗；而 ASIC 和 FPGA 占比较小，市场份额分别为 1%和 0.4%。
AI 芯片是 AI 服务器算力的核心组成，有望畅享 AI 算力需求爆发浪潮。AI 芯片是 AI 服 务器算力的核心组成，随着 AI 算力规模的快速增长将催生更大的 AI 芯片需求。根据亿欧智库 的数据，预计 2022 年中国人工智能芯片市场规模为 850 亿元，2023 年中国人工智能芯片市场 规模将达到 1039 亿元，2025 年中国人工智能芯片市场规模将达到 1780 亿元。
英伟达主导云端 AI 计算市场，国内企业加速发展。在云端智能计算市场，主流的芯片和 加速卡方案提供商主要包括英伟达、寒武纪和华为海思等。由于软件生态优势，英伟达的 GPU 芯片和加速卡产品占据大部分市场份额。国内寒武纪、华为海思等企业市场份额相比于英伟达 均较小，但处于加速发展中。据 Liftr Insights 数据，目前在 AI 技术进展最为前沿的北美 数据中心 AI 芯片市场，英伟达市场份额占比超过 80%，且在训练、推理环节均保持持续领 先；在数据中心 AI 加速市场，2022 年英伟达市场份额达 82%，AWS 和 Xilinx 分别占比 8%、 4%，AMD、Intel、Google 均占比 2%。
AI 芯片专用于人工智能领域，国产 AI 芯片厂商迎来高速发展期。AI 芯片是专门针对人 工智能领域设计的芯片，其架构和指令集针对人工智能领域中的各类算法和应用作了专门优 化，可高效支持视觉、语音、自然语言处理和传统机器学习等智能处理任务。在人工智能领 域，AI 芯片的优势明显，可以替代 CPU、 GPU 等传统芯片。国内 AI 芯片以寒武纪思元系 列、华为昇腾系列等为代表，寒武纪和华为昇腾部分 AI 芯片产品性能已达到较高水平，有望 加速实现国产替代，迎来高速发展期。





4.2. AI 技术推动算力需求从云端向边缘延伸，带动边缘端智能芯片稳步增长
边缘人工智能解决实时性、安全性需求。边缘计算是在靠近物或数据源头的网络边缘 侧，融合网络、计算、存储、应用核心能力的分布式开放平台，就近提供边缘智能服务，满足 行业数字化在敏捷连接、实时业务、数据优化、应用智能、安全与隐私保护等方面的关键需 求。随着人工智能技术的发展，越来越多的数据处理需求必须在边缘侧完成，例如工厂智能控 制、智能家居、自动驾驶等。这些场景往往需要很强的实时性，对延时敏感，并且有很强的数 据隐私性要求，相关生产数据不能上传到云端。边缘人工智能则很好地解决了这个需求，通过 在产线等边缘处直接部署智能计算设备，在无需将数据传出工厂的同时，实时地进行数据处理 并对产线进行决策和控制。
算力需求从云端向边缘延伸，带动边缘计算服务器和边缘端智能芯片稳步增长。随着人 工智能、5G、物联网等技术的逐渐成熟，算力需求从云端不断延伸至边缘，带动边缘计算服务 器和边缘端智能芯片市场稳步增长。根据 IDC 的数据，预计 2022 年中国边缘计算服务器市场 规模达到 42.7 亿美元，同比增长 25.6%；预计 2021-2026 年中国边缘计算服务器整体市场规 模年复合增长率将达到 23.1%，高于全球的 22.2%。与云端智能芯片相比，边缘智能芯片的使 用场景更加丰富，同时芯片售价并不昂贵。根据 ABI Research 预计，边缘智能芯片市场规模 将从 2019 年的 26 亿美元增长到 2024 年的 76 亿美元。
国内边缘端智能芯片厂商崛起，部分产品性能指标已可对标海外龙头厂商。在边缘场景 下，运算量依然很大、多样化场景要求具备多种算法的兼容性，对边缘智能芯片的计算能力要 求低于云端，但对成本控制和功耗则提出了更高的要求。从市场认知度上看，英伟达的边缘计 算芯片在全球范围内仍处于领先地位，但国内寒武纪、华为海思等厂商的边缘端智能芯片的性 能指标与英伟达部分产品基本处于同一水平，国内边缘智能芯片厂商主要包括有寒武纪、华为 海思、瑞芯微、北京君正、全志科技、紫光展锐、地平线、平头哥、九天睿芯、杭州国芯等。
4.3. AIGC 有望加速智能在终端上的应用，终端 AI 芯片迎来升级与发展机遇
AIGC 应用领域广泛，插件有望推动 AIGC 应用爆发。AIGC 是一种利用 AI 技术自动生成内 容的生产方式，包括文本、图片、视频等多种形式的内容，AIGC 可以应用在文本、代码、图 像、语音、视频、3D 模型、游戏、音乐、音频等领域。目前 ChatGPT 已支持插件功能，首批 上架 11 个插件，包括旅行软件、数据提供商、视频创意平台、电商平台、配送服务等公司， 插件有望加速 AIGC 的应用爆发。





AIGC 有望成为物联网应用的重要助手，推动物联网行业快速发展。物联网可以提供大规 模的数据，能一定程度上解决 AIGC 模型训练所需的数据来源；物联网技术能够实现对物理世 界的状态数据、定位数据、行为数据等采集，在获得这些数据后，AIGC 模型能够更深入地学 习各行业具体场景知识，输出更精准的信息，为行业经营者提供参考，加速产业数字化升级的 步伐，以及简化人们与智能家居、智能硬件交互的方式。AIGC 有望成为物联网应用的重要助 手，推动物联网行业快速发展。根据 IDC 的数据，预计到 2026 年中国物联网设备连接数总量 将达到 102.5 亿个，2022-2026 复合增长率为 18%。
AIGC 有望加速智能在终端上的应用，终端 AI 芯片迎来升级与发展机遇。随着 AI 技术在 手机、智能音箱、智能摄像头、无人机、自动驾驶汽车等终端上的应用，曾经很多人工智能的 推理工作，诸如模式匹配、建模检测、分类、识别、检测等逐渐从云端转移到了终端侧，赋予 终端设备更多“智慧”。智能终端在不同应用场景下对算力、功耗、时延的多元化需求，使得 人工智能芯片在端侧可以拥有更多元化的应用场景。AIGC 有望进一步加速智能在终端上的应 用，终端 AI 芯片迎来升级与发展机遇。根据甲子光年的数据，随着人工智能在终端的广泛应 用，2018-2023 年中国终端 AI 芯片市场规模复合增速达到 62.2%，2023 年中国终端 AI 芯片市 场规模将超过 160 亿元。
5. 传媒：AI 赋能内容创作

以 AI 绘画工具 Midjourney 生成的画作《太空歌剧院》获美国科罗拉多州艺术博览会数字 艺术类别比赛冠军这一事件为催化剂，自 2022 年开始，AIGC 技术走入大众视野，包括 ChatGPT、Midjourney、Stable Diffusion、Adobe Firefly、Googe Bard 等 AIGC 相关的应用 产品及其迭代版本开始能够触达到 C 端的普通大众用户，与 AIGC 有关的内容在社交网站的讨 论热度持续攀升，引发了较大范围的好奇与关注，AIGC 在 2022 年开始有明显的破圈迹象。随 着 2023 年 GPT-4、Midjourney V5 等新一代 AI 技术及应用的再次迭代更新并表现出优异的内 容生成能力，AIGC 技术正在逐渐改变当前的内容生产模式，带来全新的变革。
5.1. AIGC：从感知理解内容到创造内容
AIGC（Artificial Intelligence Generated Content）或称生成式 AI（Generative AI）是将人工智能技术用于生产内容，是 AI 技术从过去的被动分析到现在的主动创造的迭 代。早期的 AI 技术更偏向于数据的分析和总结，通过已知数据中提取出相应规律和模式并进 行应用，其中最为广泛的用途就是个性化推荐算法；而生成式 AI 并不仅仅分析已经存在的数 据，而是通过学习大量的数据内容用以形成全新的数据，生成式 AI 实现了 AI 技术从感知理解 内容到创造内容的进步。 从更宽泛的角度理解，AIGC 既可以指利用 AI 技术生成的文本、图像、音视频等创造性内 容，也可以指用于内容自动化生产的一种技术合集，还可以指利用 AI 技术的一种新型内容生 产方式。我们认为在当前阶段将 AIGC 看作一种新型的内容生产方式更符合普遍的认知。中国 信通院发布的《人工智能生产内容白皮书》表示，目前国内产学研各界对于 AIGC 的理解也是 “继专业生成内容（PGC）和用户生成内容（UGC）之后，利用人工智能技术自动生成内容的新 型生产方式。”
随着技术的进步，AIGC 能够实现对 PGC 和 UGC 的赋能，在 PGC 创作过程中代替部分人工 工作，有效实现创作效率的提升和创作成本的降低并逐渐拓展更多新的内容生产逻辑及形式； 在 UGC 领域则能够帮助提升内容创作的专业化水平，进一步降低内容创作的准入门槛，提升输 出内容的质量；在更加中长期的发展中，AI 的作用有望从内容生产的辅助性功能逐步过渡至 完全由 AI 自主生产内容，从而进入真正的 AIGC 阶段，实现 AI 技术 24 小时不间断自动生产内 容，内容供给实现大规模快速增长。





5.2. 文字、图像生成日趋成熟，跨模态功能具备高潜力
在 AIGC 的产业生态体系中，可以分为基础层、中间层和应用层三层架构。 第一层为基础层，是整个 AI 生态体系中十分重要的一层，主要是提供预训练模型，是 AIC 技术的基础设施层，为中间层和应用层提供支持和保障，但由于预训练模型通常需要比较 高的技术投入和训练成本，因此具有一定的准入门槛。目前头部的基础设施型的公司包括 OpenAI、Stablilty.ai 等都属于基础层的主要参与者。 第二层是中间层，是在预训练的大模型基础上针对部分垂直化、场景化、个性化的特定需 求场景进行二次开发，实现 AI 在不同行业、不同垂直领域和不同应用场景中的定制化需求。例如同样基于 stable diffusion 开源模型训练的作图软件，Novel-AI 在生成的图像上就更加 偏向于动漫、二次元风格。 第三层是应用层，在基础层和中间层的基础上，将 AI 技术应用到实际的场景中，帮助用 户解决各类问题和需求，实现 AIGC 技术的产业落地，例如面向 C 端用户的各类文字、图像、 音视频的生成服务等。
在内容生产的层面，包括绘画、写作、音乐等内容的生产创作都属于创意性工作，以往被 视为人类的专属技能和智能的体现，是无法被机器替代的部分，但在如今不断进步的 AI 模 型、算法和数据面前，AIGC 已经开始越来越多地介入到数字内容生产的各个领域，担任画 家、写手、作曲家、程序员等角色，从事创意性的创造工作。 基于模态分类，利用 AI 技术实现文本生成、音频生成、图像生成、视频生成、策略生成 以及图像、视频、文本间的跨模态生成的功能都是当前和未来 AIGC 重要的技术落地场景，其 中跨模态/多模态的内容生成将成为未来 AIGC 的关键发展节点。从目前的效果来看，AIGC 在 生成文本、图像、语音等方面已经初步得到应用，效果也可达到比较令人满意的程度，在视 频、3D 等更加复杂的领域则还需要进行更多的探索和进步。
（1）文本生成
以 OpenAI 旗下的 ChatGPT 为代表，在文本生成领域，AI 技术已经得到了比较广泛的应 用，可以完成从互动型的人机交流对话到较为复杂的创作型文章的自动生成等工作。 由于应用型文本大多为结构化写作，相对固定，难度较小，新闻稿件、公司财报、客服聊 天问答等都是比较典型的应用型文本，当前的 AI 技术在结构化写作上已经可以实现比较高的 完成度并实现商业化应用；创作型文本的写作则需要一定的创意和个性化，对于 AI 生成能力 的要求更高，例如营销文案、小说续写等都属于此类，目前 ChatGPT 已经可以满足一定程度的 创作型文本生成的需求，但在长文本方面的生成能力仍待改进，未来有望实现突破；基于沉浸 式沟通社交的需求，闲聊型的交互式文本生成有望在虚拟伴侣、心理咨询、游戏中的智能 NPC 等方面成为重要的应用场景。
（2）音频生成
AI 技术在音频生成领域既可以实现从文字到语音的识别转化、语音的克隆（TTS），也可 以用于歌曲、乐曲以及视频、游戏、影视等领域的配乐创意性创作以达到降低音乐版权采购成 本以及提高音乐制作效率的目的。
（3）图片生成
AI 在图片生成领域的技术场景可以分为图像属性编辑、图像局部生成及更改、端到端的 图像生成。 图像属性编辑技术包括了图片去水印、自动调整光影、设置滤镜等功能；图像局部生成及 更改则能够更改图像的部分构成、例如修改面部表情、局部换脸等，图像属性编辑和图像局部 生产与修改可以被看作以 AI 处理的低门槛方式一定程度上实现 PhotoShop 的功能。图像端到 端生成对应创意性图像生成以及功能性图像生成两大应用场景，能够实现基于草图生成完整图 像、有机组合多张图像生成新图像、根据指定属性生成目标图像等需求。目前 Midjourney、 文心一格、DALL·E2、Stable Diffusion 等产品都能够以比较高的质量实现图像的生成。
（4）视频生成
AI 技术在视频生成领域的使用主要集中在视频属性编辑、视频自动剪辑和视频部分生成 3 个领域，视频属性编辑主要在画质修复、删除特定主体、增加特定内容等方面，通过 AI 的方 式代替大量人工操作环节，目前已经实现相对广泛的应用，视频自动剪辑和视频部分生成对 AI 的智能化要求更高，因此还处于技术拓展的阶段。 虽然目前 AI 技术在视频生成领域的技术还远未达到成熟的地步，难以发挥理想中的效 果，但基于目前互联网上长视频和短视频内容数量的急剧膨胀，视频内容生成的需求将会大幅 提升，未来 AI 技术进步后视频生成有望成为 AIGC 的高潜力场景。





（5）跨模态生成
AIGC 本质是一种利用 AI 技术实现高效便捷的内容生产方式，按照生成内容的模态来划 分，AI 已经能够不同程度地在文字、图像、音频、视频等多个领域实现内容生成。基于对未 来 AIGC 技术易用性以及内容生产的丰富性的需求，单一模态的内容生产方式已经难以满足多 元化内容的生成需求，因此对于从文字、图像、音频、视频等多个不同模态之间的互相转化和 生成的需求不断提升，进一步催生内容的生产方式的变革，拓展 AIGC 内容生产的边界，实现 AIGC 从“能用”进化到“好用”。 为了更加接近人类的多模态能力，大型预训练模型的发展重点也开始向横跨文本、图像、 语音、视频的全模态通用模型发展并成为主要趋势。在跨模态领域，“文字-图像”的跨模态生 成正在快速发展并进入较为成熟的阶段，通过输入风格、色彩、内容元素等关键字就可以得到相应的图像，MidJourney V5、Stable Diffusion 等 AI 绘图产品已经可以以比较高的质量实 现文字到图片的生成；“文字-视频”可以被看作“文字-图像”的进阶技术，通过关联文本和 图像生成，逐帧生成所需的图片，最后进行组合生成完整的视频，但由于视频生成需要面临不 同帧之间的连续性问题，需要确保视频整体的连贯流畅，因此技术要求也更高，目前基于文字 搜索合适的配图、音乐等素材在已有模板下完成自动剪辑的“拼凑式生成”已经进入商用阶段 并存在较为成熟的产品，但不直接引用现有素材，只基于 AI 模型自身能力的“完全从头生 成”还处于技术尝试阶段，生成的视频时长、清晰度、逻辑程度等还有比较大的提升空间。
5.3. 商业变现路径日趋清晰，市场规模有望快速增长
AIGC 在文字、代码、图片的生成领域已经进入相对成熟阶段并能够实现一定程度的规模 化内容产出的背景下，AI 技术的商业化路径和变现模式也日益清晰。目前的 AIGC 下几种主流 的商业模式分别是 MaaS、根据产出数量收费、订阅收费等： MaaS（Model as a Services）：拥有预训练模型的大型公司对外开放 API 接口，基于模型 的调用量进行收费，适合底层大模型和中间层进行商业化变现。例如 OpenAI 允许第三方通过 API 将 ChatGPT 集成到第三方的应用程序和服务中心之中，定价为 0.002 美元/750 字。 根据内容产出数量计费：向用户提供内容生成服务，按照生成的内容数量进行收费。例如 DALL·E、Midjourney 等绘图软件会按照图片产出的张数进行收费。
5.4. AIGC 有望带来内容产业的降本增效和模式创新
传媒行业本质是一个内容型产业，尤为注重内容的生产创作。对于传媒产业下的游戏、影 视、广告营销等细分领域来说，生产的内容即是产品，内容供给端的丰富性会在较大程度上影 响用户的需求，并且技术的进步也会催生更多对于内容的需求。因此，能够降低内容生产的门 槛和成本、提高内容生产的效率和质量的 AIGC 也将率先在传媒领域得到比较广泛的重视和应 用。 短期来看，AIGC 所带来的文本生成、音频生成、图像生成、视频生成以及跨模态生成等 多个应用功能都能够在游戏、广告、影视等多个传媒细分领域得到比较好的体现，为传媒产业 持续赋能。AIGC 目前在传媒领域的应用短期将体现在两大通用功能：（1）作为内容辅助生产 工具，在内容创作过程中实现降本增效；（2）利用 AIGC 技术实现内容产品质量和使用体验的 提升。
（1）AIGC+游戏
游戏产业从研发到发行环节涉及的内容创作环节数量众多，流程复杂，从产业链来看，游 戏的研发过程中包含了人物设定、剧情设计、美术绘画、程序代码、音乐音效、3D 建模等大 量的内容要素，在游戏发行过程中也包含了营销素材制作、广告投放策略等环节。 在玩家公认的质量上乘的 3A（3A 为 A lot of money、A lot of time、A lot of resources）级别游戏研发过程中，存在“成本、质量和速度”的不可能三角，质量的保障伴 随高昂的成本和大量的研发时间，因此游戏产业对内容创作环节的降本增效需求也十分强烈。 AIGC 技术所带来的内容创作模式变革将打破人力生产内容的产能天花板，提升研发过程中内 容产出的效率和发行的效率，在保障内容产品质量甚至进一步提升质量的同时还能够使研发和 发行成本下降。





（2）AIGC+广告营销
广告营销领域的工作涉及数据资料收集和处理、宣传文案的撰写、宣传内容的制作、投放 渠道的管理与效果分析等工作，需要消耗大量的时间，其中有较多的工作都可以通过 AI 代替 人工的方式实现效率的提升。 在前期的数据收集和处理方面，AI 可以实现数据的获取、整合和分析的全过程参与，AI 能够在社交媒体、搜索引擎、新闻网站等平台自动抓取数据并将数据进行整合、优化和分析， 帮助广告主更好地了解当前的市场趋势、竞争情况以及受众群体的偏好并制定相应的广告投放 策略，同时 AI 还能够基于数据分析的结果和加上模型训练对广告投放策略进行模拟，对转化 率、点击量、ROI 等指标进行预测并根据预测结果实时优化投放策略并反馈给广告主和营销策 划机构。
（3）AIGC+影视
影视行业产业链中包含了上游的剧本创作、中游的影视内容拍摄、后期制作、宣发以及下 游的播放环节。其中 AIGC 技术能够在在上游的影视剧本创作和中游的影视内容拍摄与后期制作领域进行深度参与。 在剧本创作方面，目前的影视剧本创作高度依赖编剧团队，导致剧本的撰写速度和质量会 受编剧团队的灵感、状态等不确定性因素的影响。与游戏策划、广告文案撰写类似，AIGC 在 文本生成领域可以高度参与剧本创作，根据主题或情节梗概自动生成相关的剧本构思大纲和创 意内容甚至完全独立撰写剧本，在短时间内给作者和编剧提供不同的想法和思路，也能够基于 特定的需求帮助编剧修正和优化剧本，使剧本的语言和剧情的推进更加流畅，缩短剧本的创作 周期，增加剧本产出的稳定性。 另外 AI 也能够通过分析大量影视戏剧作品的表现及数据的方式获取市场和观众的偏好， 帮助剧本作者和制片方快速评估剧本的市场潜力，并根据市场偏好及时进行内容调整。
5.5. AIGC 应用破圈，引发市场关注
目前的 AI 技术的应用已经从最初的数据分析突破到创意性内容的生成，优秀的内容生成 能力引发了大范围的关注，GPT-4、Midjourney 等 AIGC 类应用产品的快速迭代和更新表明了 AIGC 的发展已经步入快车道并正在为内容创作领域带来深刻的变革。随着算法、模型、算力 的持续优化，未来的 AIGC 将实现更加高质量的内容产出，当前技术成熟度相对欠缺的长文本 生产、视频生成以及横跨更多模态的多模态生成等方面也将逐一被突破、解决，进一步扩大AIGC 技术的应用范围和普及率。 在内容生产领域，AIGC 已经率先被应用于游戏、影视、新闻媒体、文学创作、音乐、广 告等多个内容领域，AIGC 带来的高效率创作能够帮助 B 端和 C 端的内容创作者降低创作门槛 和成本，提升内容创作效率并带来更多的商业化变现可能，未来的 AI 技术影响范围还将进一 步扩大，有望实现全行业的“AI+”。
（本文仅供参考，不代表我们的任何投资建议。如需使用相关信息，请参阅报告原文。）
精选报告来源：【未来智库】。「链接」