嘉宾介绍：刘高畅，国盛计算机首席、机器人大组组长，2021&2022年新财富计算机行业第一名（首席）。南开大学物理学、金融学双学士，香港中文大学系统工程硕士。曾任申万宏源人工智能组组长，计算机高级分析师。
今年一季度，随着ChatGPT的火爆，前期沉寂多年的TMT板块出现非常好的表现。资本市场在ChatGPT出现之后为什么这么看好TMT行业？人工智能背后的技术积累和突破的关键在哪里？算力和数据方面我们和海外有多大的差距？人工智能产业链中，哪些赛道会比较好，后续行情将如何演绎？
国盛证券刘高畅表示，ChatGPT不再是0—1，和应用端结合起来之后已经进入1—N的阶段，使得资本市场开始真关注到ChatGPT的价值。大模型的出现是人工智能技术经过积累和发展后，量变产生质变的结果。在当前人工智能巨大变革的产业早期，在算力、大模型、应用这三个领域都有非常好的机会。这一轮人工智能的影响力可能比1999年的互联网更大，行情的持续性和高度可能会超过预期。
(资料图片)
以下为文字精华：
1、国盛证券刘高畅：ChatGPT应用落地 进入1—N阶段
提问：很高兴今天能有机会和大家一起交流人工智能以及TMT行业的观点，我们非常荣幸地请来了国盛证券计算机行业首席分析师刘高畅，刘总是连续两届的新财富计算机行业第一名，同时去年年底就非常前瞻地看好人工智能行业。
首先想问一下刘总，计算机行业以及人工智能今年如此好的表现是因为什么？
刘高畅：去年底的时候，我们也看了一下所有卖方的年度策略，我们应该是唯一一个把人工智能列入其中进行推荐的，而且列在核心的推荐里。我们当时的年度策略写的是信创、数据以及AI三个方向，今年应该来讲，验证程度还不错。
去年12月份的时候，OpenAI放开了ChatGPT的公测。ChatGPT的对话体系展现的智能性，和以前的AI，包括大家比较熟悉的NLP自然语言处理已经发生了比较大的区别。
首先他能理解你的问题，他的回答非常也很有逻辑和条理，而且他的认知范围非常广阔，所以我们当时就觉得这个东西和之前的不一样。我们在机器人的研究当中发现，机械部分甚至控制平衡的部分，都不是一个机器人最重要的点，要让机器人真的发挥作用，关键在他的“大脑”，这可能是通用人工智能改变世界最缺失的一环。
去年12月份我们用了ChatGPT之后，在12月11日也发布了相关的报告，探讨ChatGPT是否是新一轮的科技革命。实话实说，当时我们的认知还略浅显，并不坚定，只是觉得它的可能性和方向已经出现了，所以我们在年度策略里没有把人工智能列为第一主线，而是列为三大主线之一。
1月3日，微软宣布推出New Bing，在New Bing的搜索层面运用ChatGPT。当时给了我们一定的触动，我们发现ChatGPT不只是一个对话系统，它可以和应用端结合起来。对资本市场来讲，我们觉得有两个点特别重要，让大家真正开始认可。
第一点，我们和资本市场共同看到，在我们的春节期间，微软宣布Microsoft的Office全家桶包括微软的全套体系会接入ChatGPT开发应用。当时中国的资本市场的话也是看到ChatGPT不再只是0—1的过程，它真正开始和整个产业界全面结合起来，已经进入1—N的阶段。
之后我们就开始深入研究，看很多的相关论文，我们在2月下旬提出的多模态GPT的方向，甚至领先学术界预判了市场包括产业的下一个重要方向，这一块研究我们非常的自豪。从当时开始，我们就已经将其作为整个年度最重要的产业。
资本市场特别是对公募保险这样的一些大机构来说，真正让他们触动的，相信是3月16日晚，微软的Copilot六件套的发布，包括 Word、Excel、PPT等。这个时候，我们发现资本市场真正开始相信了。
因为大家以前觉得它只是一个小工具，不能提升社会生产力，但是做PPT这个工作，应该来讲我们每个人都有做过，可能对很多投资者来说非常难受，有这么多的PPT要做，大家经常熬夜做PPT熬得头发都掉了。但是我们发现ChatGPT接入之后，它真的可以开始帮我们自动生成PPT，虽然还比较粗浅，需要我们大量的修改，但是从中可以明确地感受到ChatGPT的魅力。
从那时开始的话，资本市场无论是机构还是个人投资者，对ChatGPT的关注度快速爆炸，真正的热了起来。
2、国盛证券刘高畅：第三次AI浪潮 量变产生质变
提问：直到2023年，人工智能中在我们看起来“比较基础”的人机对话功能才得以实现，背后的技术积累和突破到底在哪里？
刘高畅：2006年以后的AI发展，我们把它列为人工智能的第三次浪潮，它的标志是深度学习的成熟，以深度学习模型的成熟和可实现程度的完成作为标志，像Geoffrey Hinton这样的一些大牛在里面做出了很多贡献。
2006年到2017年是以深度神经网络为代表，包括CNN（卷积神经网络）、RNN（循环神经网络）、DNN（深度神经网络），一些深度神经网络的分支。
2017年，代表性的模型框架就是Transformer开始出现，它吸取了CNN体系，残差神经网络里残差块的体系，去解决梯度下降或者梯度爆炸的问题，在循环神经网络里，它吸取了Self Organizing Maps（SOM，自组织映射神经网络）。当时是Google的研究团队提出了Transformer大模型的逻辑，模型规模很大，有的可能是以编码器为主，有的是以解码器为主，Google坚持以编码器为主，这个路线在识别客户的问题或者识别客户的需求方面效果比较好，也有利于Google的搜索产品。
OpenAI非常有意思，它看重的是GPT路线，也就是生成式AI的路线。生成式AI，它的复合里面放的都是解码器，也就是说在训练之后会有一个特点，就是会有多种多样的表达，可以按照各种逻辑去表达。
因为OpenAI在早期的目标就是致力于AIGC，也就是通用人工智能的成型，他们认为GPT路线离实现通用人工智能的距离会更近一些，所以一直进行这种训练发展。从处理数据集到网络结构的设计，到训练的布置实施，包括训练过程中的修正与调教。
中间有个比较意思的点，就是它用大语言模型去写代码。这一点非常有意思，当时是GPT3初始模型之后开始去写代码，写完代码并做了对齐，对齐叫Instruct Lenition，初始的指导中只有少部分的道德指导，大部分做指令的指导，把代码和人类的语言进行一一对齐。简单说就是让机器去理解人类的语言，用代码的形式去实现一些逻辑上的操作，并且把结果反馈成人类的语言，可以理解为把机器相关的东西进行翻译。
这个操作完成之后不再叫“GPT3初始模型”，叫“GPT3达芬奇002模型”。我们当时去测，大概是在2021年底，他的表达表现还不是特别好，但是用特殊方式的引导词去提问他，你会发现他已经具备了非常强的逻辑能力，只是道德水准还有点问题，所以后面OpenAI做了一定的工作，叫做Instruct GPT指导。
指导分为几个内容，一方面进一步去调教指令，能够更好地理解人类的一些指令，一些通俗易懂的话怎么转化成机器的逻辑。
另外一种就是做道德上的调教，因为怕出现一些黄色暴力血腥的话，以及一些反人类反道德反社会的话。就像我们教小孩子一样，他可能有逻辑也很聪明，但是表达有问题，世界观价值观也有问题，我们要去调教他的三观。
经过Instruct指导性的调教之后，再进行一些微调，行业化和效果的一些调整，到了2012年12月份，发出来的GPT3.5之上的衍生产品，也就是ChatGPT。
GPT3以前用的是公开数据为主，用了很多的开源代码，也可能用了一些微软内部比较高阶的代码，这是一种猜想，但总体来说是以公开数据为主，但是未来往行业化的方向去发展，可能专业化的数据，能够支撑应用形成的数据会相对来说比较重要。
人工智能技术经过不同的积累和发展到了大模型阶段，大模型学习了很多人类互联网上的公开数据形成了自己的智能，是模型规模到了一定程度量变产生质变的结果。
3、国盛证券刘高畅：中文数据欠缺 算力消耗显著
提问：除了算法，人工智能训练的时候也需要很大的算力，包括海量的数据，特别是我们中国跟海外的数据源可能还存在一些割裂。在算力和数据方面，我们和海外有多少差距？
刘高畅：数据方面，在GPT3以前用的都是互联网的公开数据，中文目前来看，客观的条件就是高质量的语料库相对来讲会稀缺一些。
在整个OpenAI的大模型中，我们了解到中文的语料库使用只有5%，从误差率的角度来讲，英文可能在2%—3%，中文大概在10%以上。用中文去测试ChatGPT，效果也不如英文。但是，我们也看到国内的高质量语料库在快速生成中，大家也在探索，包括知乎和万方这样的一些高质量语料库在形成。
大模型的数据还是以互联网公开数据为主，可能在写代码这个阶段，一些顶尖大厂比如微软，代码的水平会比较高，但是毕竟这一块只是小部分，我们推测起不了决定性的作用，应该不是特别大的瓶颈。OpenAI在去年GPT3.5的时候，大概用了45TB的数据，做模型数据集处理和倾斜的部分应该是不超过1TB的，所以其实是很少的数据，这一点不用特别担心。
算力方面，如果从训练端的角度来看，如果在GPT3以前，用2000张英伟达A100的算力，如果你训不出来成果，我们建议就不要去做了，说明这个团队水平有点问题。如果在GPT3.5以前，5000张如果训不出来，我们建议也不要再做训练了，说明这个团队多多少少有点问题。
我们认为在训练阶段，对算力的需求量没有那么极限，国内明面上和潜在的产业中的储备我们认为是够的。
应用端来看，做模型蒸馏和模型裁剪，把算力的消耗做到以前的90%，已经是很高的缩减度了。但是就这样的情况来看，算力还是会捉襟见肘，对未来算力的消耗还会非常显著，包括我们国家的一些晶圆代工和设计厂商，这也是他们需要努力的地方，其实是机遇也是挑战。
4、国盛证券刘高畅：关注三个领域 皆有可观机会
提问：在ChatGPT或者人工智能产业链上，您觉得哪个赛道会比较好？
刘高畅：我觉得在这样巨大变革的产业早期，算力、大模型、应用这三个领域都有非常好的机会。
算力领域我们也测算过，在应用端来看，如果应用快速扩张的情况下，它的算力需求相较于现在可能是以万倍为基数的提升，甚至会更高。我们做过一个很有意思的测算，就是通用的人形机器人出现的时候，它的模型规模我们认为至少是3万亿—4万亿的参数级别。
到了三四万亿的参数，即使我们做了很好的模型的蒸馏裁剪，我们认为机器人也需要10张英伟达A100，未来的话我们相信机器人的数量会超过人类，因为它可以解放你的生产力。
假如100亿的机器人，现在一张英伟达A100的卡基本上都在十多万，可以看到形成了多么大的空间。当然这是比较远期的假设，可能需要十年左右的时间，但也让我们感受到算力扩张的量级，因为算力严格意义上是跟着应用走的，所以算力是一个比较确定的方向。
需求上也是比较确定的，方向上可能我们国家的企业更多的是解决供给的问题，如何设计出高密度的计算芯片。如何比较好地保证在晶圆代工这一块供应链的稳定性，可能是整个产业需要重视的地方。
大模型端，国内的大模型逐渐多了起来，但是我们也看到，大模型是驱动整个产业链启动的发动机，到底谁能做出来其实现在不好讲。如果在比较深的优势的行业，做行业的大模型，就很多人讲的“小模型”。其实不对，Transformer它就是大模型，对Fine Tune微调之后的行业大模型，通用智能更好的这种大模型不一定比你效果更好，或者说即使效果比较好，综合的能耗可能消耗比你大，这样的一些可能性也是存在的，所以一定会有自己的机会所在。
在应用的阶段，我们现在看到不管是办公的这种多模态，金融领域、医疗领域、教育领域，还是像智能助理这样一些To C的应用，都在蓬勃发展。我们相信在未来的半年到三年内，我们的生活一定会发生巨变，巨变之下可能大家就会真正感受到时代的魅力以及巨大的投资机会。
5、国盛证券刘高畅：产业周期变化 行情生命力强
提问：最近市场有比较大的波动，到了这种分歧的时刻，后市该怎么看？
刘高畅：我们前期写了一篇报告——《1999年互联网行情的复盘》。淡化所有对投资的理解，对护城河、PE、PB等框架的各种认知，从产业周期来讲，最可比的就是1999年互联网新技术的颠覆，带来了巨大的变化。短期内可能产品形态、商业模式都不是非常清晰，因为它在快速变化，大家都在攻城略地，去改变这个世界。
这一轮的影响力可能比1999年的互联网更大，因为影响的并不是说我们计算机行业的400家公司，也不是A股的4000家公司，它影响的是我们每一个人的生活，每一个人的工作状态，影响的是整个社会的形态。我们认为，如此颠覆性的技术，它的持续期、它的高度、它的生命力是非常强的。
复盘1999年，当时产业的行情演绎大概是1年9个月的时间，也有十几倍的一些公司，涨几倍的公司不胜枚举。其实从春节之后到现在，整个ChatGPT的演绎也就两个月的时间，考虑到现在社会节奏变快，信息传递加速，行情的持续性和高度可能会超过大家的想象。
前一段交易上的波动我们认为问题不大，而且持续的时间也不会太长。我个人判断时间可能不会特别长，下一轮的AI行情会开启新一轮的机会，所以近期基于交易的回调是非常好的。
我们从2月份的路演开始一直讲一件事，就是年内ChatGPT有且只有两个利空，一个是大家意识到芯片这一块有封锁的风险，另外一个就是大家认识到我们国家的大模型和OpenAI有比较大的差距。但这两件事情在2月底和3月中已经发生了，所以博弈已经完成了。纯交易性的因素造成的调整，我们觉得每次回调都是非常好的布局机会，上一波重视程度不高的投资者，可以在新一轮的大行情中加大重视。
标签：
