aigc概念股票(aigc概念股龙头)

2023-06-09 06:39分类：股票分析阅读：

行情回顾：

【AIGC概念股震荡走弱多股跌超4%】财联社2月22日电，万兴科技、汤姆猫、顺网科技跌超6%，首都在线、云从科技、天娱数科、易点天下、昆仑万维、蓝色光标等跌超4%。

其后，净卖出居前的个股为中科曙光、浪潮信息、中兴通讯等股，均净流出超4亿元，大多为近期比较热门的涨势较好的AIGC-通信概念股。

6）国产芯片厂商瑞芯微布局XR芯片，长期有望承接国产和中低端需求；

周五沪指V字上涨，收涨0.54%，报3328.39点。沪深两市今日成交额8695亿，较上个交易日缩量640亿，北向资金全天净买入20.66亿元。

早间主力响应利好，抢筹半导体板块，龙头股北方华创快速冲高至5.6%。随后大盘跟着人民币汇率和北水指标震荡下挫，部分资金从半导体流向基建、军工板块。随着人民币汇率和北水指标再度走强，市场“超大单”成交量快速扩大，资金回抱GPU算力芯片的半导体板块，踏空资金则选择电力和金融板块上车，ChatGPT、通信板块也获得主力小幅抄底。整体上市场主线仍处于“人工智能-算力”主线。

资金流向上，11个行业获主力资金净流入，其中国防军工行业获主力净流入17.72亿元居首；电子行业和建筑装饰行业排在后面主力净流入均超过15亿元。主力资金净流出的20个行业中，计算机行业净流出48.61亿元，通信行业净流出33.65亿元，传媒行业净流出22.28亿元。

其中主力净买入最多的公司是通富微电，净买入7.67亿元。消息面上，据 Trendforce 报道，ChatGPT 对 GPU 的需求不断增长，新模型预计需要超过30000 个英伟达 GPU，未来会需要更多。公开信息显示通富微电主营业务为集成电路的封装和测试。

汉王科技净流出6.04亿元，消息面上，汉王科技收深交所关注函，要求详细说明近期接待机构、个人投资者调研，以及在互动易回复投资者提问的情况，是否存在违反信息公平披露的情形。资金面上，汉王科技周四尾盘异动触及涨停，盘后龙虎榜数据显示多家知名游资现身买方席位。

数据宝统计显示，A股市场算力（东数西算）概念股合计有40多只，总市值超过6700亿元。从市值角度看，南凌科技、真视通等个股市值不足30亿元。龙头股方面，宝信软件市值超过700亿元居首。

在GPT-4发布之前，已有券商对GPT-4做出展望，普遍观点认为，相较前代，GPT-4可能不会有参数量上的巨幅提升，而是在其他方向寻求提高。

一、ChatGPT 开启 AI 新纪元，指明 NLP 生成领域的技术方向

ChatGPT 是在 GPT 3.5 大语言模型（LLM,即 Large Language Model）的基础上，加入“基于人类反馈的强化学习（RLHF，Reinforcement Learning from Human Feedback）”来不断微调（Fine-tune）预训练语言模型，使得 LLM 模型学会理解不同类型的命令指令，并通过多重标准合理判断基于给定的 prompt 输入指令，输出的是否为优质信息（这些标准包括：富含信息、内容丰富、对用户有帮助、无害、不包含歧视信息等）。因此，ChatGPT 使得人机对话更加人性化，更富有逻辑性，大大提高了 AI 的类人成熟度。

ChatGPT 的技术发展路径：从 GPT-1 到 InstructGPT，数据量与参数量不断增加，模型精度和语言能力提升。1）2018 年，在自然语言处理领域（NLP）刚兴起时，OpenAI 就推出了初代 GPT，它的运行逻辑是：先通过无标签数据学习生成语言模型，并能够运用于一些与有监督任务无关的 NLP 任务中。此后再根据特定的下游任务进行有监督的微调，提高其泛化能力。 2）2019 年推出的 GPT-2 扩展了网络参数和数据集，进行多任务学习，可以在数据量足够丰富且模型容量足够大时，通过训练语言模型就能够完成有监督学习的任务。3）对比 GPT-2，2020 年推出的 GPT-3 最显著的特征是庞大的数据量和参数投入，整体训练过程耗资 1200 万美元，投入数据量达上万亿，模型参数量达到 1750 亿。GPT-3 延续了前两代 GPT 的技术架构，但改变了“大规模数据集预训练+下游数据标注微调”的方式，采用情境学习（in-context learning）来提高模型对话输出的性能。GPT-3 的规模和语言能力几乎是最强大的。它能在不做微调的情况下，在一些传统的 NLP 任务中表现得更好，包括实现闭卷问答、模式解析、纯语言建模、机器翻译等；在新的领域，GPT-3 将 NLP 的应用扩展到缺乏足够训练数据的领域，例如在开发程序代码、文章生成和信息检索领域取得了实质性的进展。然而，GPT-3 在推理和理解能力上还有较长的路要走，在自然语言推理（NLI）任务中表现不佳。

在 Gartner 发布的 2022 年新兴技术成熟度曲线中，生成性 AI 处于技术萌芽期并加速发展中。Gartner 将生成性 AI 列为 2022 年五大影响力技术之一，预测到 2025 年生成性 AI 所创造的数据可占到所有已生产数据的 10%。

ChatGPT 存在的缺陷之一：目前 ChatGPT 在精准性、真实性、重复率和依赖性等问题上尚待改善。第一、由于技术实现的问题，ChatGPT 会不可避免地写出一些似是而非、或者荒谬的答案，这将导致植入虚假数据和误导用户的风险。ChatGPT 依然没有完全克服大型语言模型（LLM）的这一常见缺点；第二、在较长的会话中，由于训练数据的偏差和过度修正，ChatGPT 会过度强调某些短语或者句子，导致重复性高的问题；第三、ChatGPT 的强大能力依赖语料库、数据量的抓取和复杂的训练过程。ChatGPT 模型依赖于大规模离线语料进行训练，往往不能充分接受并采用在线提供的即时信息，难以理解对话中提及的因果关系，也无法基于已有信息进行推测，这距离人类举一反三的能力相差较远。

国外公司中，谷歌发布的聊天机器人 Bard 具有与 ChatGPT 接近的技术水平，可能相差半年左右。2023 年 2 月 6 日，Google CEO 发布了与 ChatGPT 对标的产品 Bard。Bard 是基于由 Google 于两年前就开始的 LaMDA（Language Model for Dialogue Applications，用于对话应用的语言模型）模型的轻量级版本。LaMDA 和 GPT-3 本质上是非常类似的模型，都是使用 Transformer 架构的大语言模型配以 RLHF，已公开的 LaMDA 最大的版本是 1370 亿参数的模型，比 GPT-3 略少。从谷歌 22 年发布的 LaMDA 的论文来看，LaMDA 关注三个关键目标：质量、安全和凭据，从这三个关键目标来看的话，Google 相比于 OpenAI 还是谨慎了很多，这可能也是 Bard 迟迟未推出的原因。国内公司中，百度、华为、字节跳动、阿里、腾讯等巨头均在大模型方向布局，整体发展水平与 ChatGPT 相差大概一到两年左右，约达到接近 GPT-3 的水平。其中，百度进展比较突出，百度的文心一言应用是百度基于文心大模型技术推出的生成式对话产品，将于 2023 年 3 月完成内测，面向公众开放。文心大模型的参数量已经达到 2600 亿，已经超过 GPT-3 水平。从 GPT 模型发展三要素算力、数据、模型来看，国内巨头与 ChatGPT 的主要差距体现在模型结构的设计上，由于 GPT3.5 缺少相关论文，也没有开源，国内在代码的训练及推理上仍缺少积累。

二、AIGC 多场景应用处于爆发前夜，千亿市场打开

1. AI 文本生成领域：痛点在于上下文关联、自然语言生成的能力

2. AI 绘画领域：痛点在于高额的算力成本

3. AI 音视频、游戏等其他领域：需要 AI 文本生成和 AI 绘画提供技术基础

目前，AIGC 所覆盖的领域基本属于 AI 软件与服务。根据 Statista 的预测数据，全球 AI 软件的市场规模将在 2025 年超过 1200 亿美元，2021 年到 2025 年的 CAGR 为 38.01%。在 AIGC 发展的推动下，未来人工智能市场规模将以更快的速度增长。

三、AIGC 产业链：基础层最先受益，中间层巨头占优

AIGC 产业链可大致分为上中下三层架构。第一层为基础层，以预训练模型为基础搭建的 AIGC 技术基础设施层，包括芯片、服务器等硬件提供商以及大模型技术提供商。第二层为中间层，通过基础层的模型，进行特定训练，形成垂直化、场景化、定制化的应用工具。第三层为应用层，即面向 C 端用户提供图像、语音、文字生成等各种 AIGC 的应用。鉴于大模型训练需要巨大的算力规模，基础层中的芯片、服务器等硬件提供商将最先受益。而对于中间层来说，技术积累以及资金实力都是关键竞争力，因此我们认为科技巨头更具有竞争优势。应用层中，可类比移动互联网时代，会爆发出很多杀手级应用，用户体验和模式创新都将成为“杀手钳”。

GPT-3 训练所需算力：根据 OPENAI 公布的论文附录，GPT-3 175B 共有 1746 亿个参数，训练该模型需要经过 3.14E+23 个浮点运算，总算力为 3640 PF-days。换言之，在每秒进行 1 万亿次浮点运算的计算速度下，GPT-3 175B 需要耗时 364 天。

GPT-3 训练所需总成本：模型的算力需求几乎与参数量呈同比增长。单一 V100 GPU 芯片进行一次 GPT-3 13B 模型的训练，大约需要 2144 天；进行一次 GPT-3 175B 模型的训练，大约需要 29120 天。由于 NVIDIA 官网公布的最快的 V100 深度学习性能达到 125 TFlops，按照 GPT-3 13B 模型的算力需求 268 PF-days, 单个 V100 GPU 需要进行：268/0.125 = 2144 天的运算；同理，完成一次 GPT3 175B 运算的算力需求为 3640 PF-days，单个 V100 GPU 需要进行 29120 天的计算。GPT-3 13B 发展到 GPT-3 175B，参数量扩大 13.73 倍，算力需求扩大 13.58 倍，两者几乎同比增长。若以一个容量为 28 Tflops 的 V100 GPU 为例，完成 GPT-3 13B 和 GPT-3 175B 模型理论上分别需要 26 个 GPU 年和 355 个 GPU 年的运算。根据 Cloud GPU Comparison 公布的数据， Microsoft Azure 的 V100 型号使用成本为$3.06/H, 我们测算 GPT-3 13B 训练总成本约为：$3.06 /H * 24 H/D * 365 D/Y * 26Y = $0.7 Million；同理，GPT-3 175B 训练总成本约为$ 9.5 Million。

四、A 股相关公司介绍

1、浪潮信息——全球 AI 服务器龙头

技术发展：浪潮信息人工智能服务器的市占率位居全球第一，在中国市场份额连续五年保持 50%以上。公司行业竞争力强劲，致力于十四五期间成为全球服务器龙头公司。根据 IDC 数据显示， 2022 年，公司在全球服务器行业市占率排名第三，市占率分别为 9.9%；在国内服务器行业，公司更是当之无愧的龙头厂商，2020 年市占率 35.6%，高于排名第二第三的华为和新华三总和。业务布局：2 月 10 日，浪潮信息推出 AI 算力服务产品，将基于国内领先智算中心的算力基础设施，为国内客户提供先进、开放、高性能、高质量的 AI 算力资源和配套服务，支撑 AI 模型构建、训练和推理的业务全流程，赋力生成式 AI 产业创新。目前，AI 算力服务相关信息已在元脑生态 AIStore 平台上线，包括有多种算力、数据、算法等可选产品。浪潮信息此次推出的 AI 算力服务产品，包括支持国际和国内领先的的 4 种 AI 算力产品、经“源”清洗验证过的语言或多模态的大模型数据集的 2 种数据产品、由浪潮“源”专家团队提供的语言或多模态的大模型训练支持的 2 种算法产品以及 AI 训练推理资源管理调度的 1 种平台产品。

2、彩讯股份——信创+国资云+AIGC 三驾马车

3、嘉和美康——电子病历龙头，AI 智慧医疗先行者

技术发展：公司在国内医疗大数据和人工智能方面具有丰富的技术与经验储备，智慧医疗类产品在全国市场排名领先。据 IDC 报告，公司在 2021 年中国医疗大数据解决方案市场中排名第二。凭借深厚的临床信息化建设经验和上千家医院核心信息系统的数据处理优势，公司对数据处理技术进行二次创新转化，自主研发了智能医学数据中台，对大规模多源异构医疗数据进行深度处理和分析，对不同维度数据进行聚合、关联，形成适用于不同场景的数据模型，打造出拥有自主知识产权的覆盖智能诊前服务、临床决策支持、病历内涵质控及大数据科研等不同应用场景的医疗 AI 系统，实现了数据驱动下的患者服务、临床辅助、科研反哺、质控护航的多位一体医疗服务模式，完成了对“诊前-诊中-诊后”全量医疗数据的全流程闭环应用。

业务布局：临床辅助决策支持系统（CDSS）、大数据科研分析平台、AI 病历内涵质控系统、智能预问诊系统、智能分诊系统是公司智慧医疗产品体系的五大核心产品。公司智慧医疗产品体系以人工智能技术为核心驱动，以医院内真实诊疗数据为基础，以能够提供高度集约化、标准化数据整合、治理及服务的智能医学数据中台为支撑，形成的覆盖临床诊疗、科研支持、医务管理、患者服务等多个应用场景的智慧医疗全生态产品矩阵，能够实现“诊前-诊中-诊后” 智慧医疗服务闭环，为医疗机构、科研院校、卫生主管部门等提供数字化、智能化、精细化的智慧医疗创新服务。智慧医疗产品在智慧医院建设中比重不断增加，随着智慧医院建设要求不断提高，以大数据和人工智能等新兴技术为基础的智慧医疗产品，场景丰富度和成熟度得到根本提升，在医疗过程中发挥的作用不断凸显。公司智慧医疗产品也成为主营业务中新的增长点，2022 上半年，公司智慧医疗产品增速明显，软件产品销售收入 3,107.72 万元，同比增长 128.09%。

4、科大讯飞——人工智能行业龙头企业

技术发展：AI 语音技术为公司之本，公司在 AI 语音市场份额第一，由此延展至人工智能多个领域。目前公司已进入 AI2.0 战略时代，处于 AI 技术的红利兑现期，目标是实现 AI 应用规模化落地。在此时期内，公司将在于教育、消费者、开放平台、智慧城市、医疗、汽车等重点行业规模化推广人工智能解决方案。科大讯飞主导建设了认知智能全国重点实验室，使得自身核心技术始终保持在世界前沿水平，并且面向认知智能领域前后共开源了 6 大类、超过 40 个通用领域的系列中文预训练语言模型，是业界最为流行的中文预训练模型系列之一。业务布局：公司在 2019 年启动 AI2.0 战略，以“开放平台+赛道”的模式，在智慧教育、消费者业务、智慧医疗、智慧城市等应用场景布局。在平台上，公司依靠讯飞人工智能开放平台，为客户提供 AI 解决方案，围绕自身平台筑建产业生态；在赛道上，公司为各行各业提供产品服务以及解决方案，主要有智慧教育、智慧医疗、智慧城市、消费者业务、智慧汽车、智慧金融等。

5、拓尔思——专注于 NLP(语义智能)领域的行业领军者

技术发展：在人工智能领域，拓尔思是国内最早研发自然语言处理（NLP）的公司之一，在知识图谱、NLP、OCR 等领域都有着自主可控的底层技术，也是行业领军者。此外，公司的语义智能技术还包括了知识图谱、智能搜索等领域，并且在相关领域业处于领先地位。如今公司将以预训练大模型、In-Context Learning、instruction tuning 等技术为基础，把文本生成、交互式生成、跨模态生成、小样本学习等功能作为研发重点，力求在问答式 AI、智能创作、搜索引擎等领域实现成功应用。业务布局：公司先前主要业务为向各级党政机关和企事业单位等提供人工智能和大数据工具软件平台以及解决方案，现在正逐步从提供软件产品向提供云平台服务转型升级，以软件产品+云服务的商业模式成为目前公司的核心竞争力所在。

6、金山办公——推动 OA 与 AIGC 高效融合的办公软件龙头

技术发展：公司在办公软件具备 30 余年的技术积累，且具有办公领域专业研究的优势，对核心技术具有自主知识产权。目前关键技术研究重点针对数据云存储、智能数据处理、安全云文档以及数据协同共享等多个领域。由于办公领域与 AIGC 天然的结合点，能大幅提高工作效率，实现“软件产品向价值工具”的转变。目前公司在研项目包括智能协作创新和产业化公共服务平台、智能办公软件集成等，目前已完成国产软硬件深度适配基本技术的研究实现、产品架构设计及第一阶段功能定制开发等工作。业务布局：公司一直探索人工智能和大数据分析技术的发展，并应用于用户文档创作和在线协同中，以提供“多屏、云、内容、AI、协作”的办公生活方式，依托 AI 构建产品云服务体系。2022 年 11 月，金山办公与华为签订战略合作备忘录，进一步在鸿蒙生态领域展开深度合作，逐步将 WPS 及其他旗下产品适配华为 1+8+N 设备，以期实现设备协同和生态融合的理念，未来将推动“跨设备、跨用户、跨服务”的办公形态。

7、同花顺——AI+互联网金融信息服务提供商

技术发展：公司在人工智能技术方面具有丰富的经验积累，2009 年落地的“i 问财”部门是最早为股票信息服务平台，逐步完善智能问答功能，并从金融垂直领域扩展到多领域生成答案。2015 年公司自主研发的自然语言系统中，语音识别表现处于第一梯队，此后上线的语音系产品包括智能外呼、智能客服、语音质检等，其智能客服机器人已应用于多家大中型证券公司及基金公司。同花顺长期保持高研发投入，不断加大对机器学习、自然语言理解、语音识别、人机交互、数字人等关键技术应用的研发，正在推出更多 ALL IN AI 的产品。业务布局：公司从 2009 年开始布局人工智能领域，先后推出自主研发的股票信息检索服务、智能问答、语音识别等技术，目前已上线 AI 开放平台，可面向客户提供数字虚拟人、智能金融问答、智能语音、智能客服机器人、智能质检机器人、会议转写系统、智慧政务平台、智能医疗辅助系统等 40 余项人工智能产品及服务，应用于证券、基金、银行、保险、运营商、高校、企业、科研院所、政府部门等多个行业。目前公司已在金融领域以外推出智能电梯产品、 AI 医疗内镜助手等，未来将推动 AI 和更多垂直领域的结合。

8、万兴科技——全球领先的新生代数字创意赋能者

9、云从科技——提供人机协同操作系统和行业解决方案的人工智能企业