《電子行業專題研究：AI大模型商業模式思考-240513（16頁）.pdf》由會員分享，可在線閱讀，更多相關《電子行業專題研究：AI大模型商業模式思考-240513（16頁）.pdf（16頁珍藏版）》請在三個皮匠報告上搜索。

1、 免責聲明和披露以及分析師聲明是報告的一部分，請務必一起閱讀。1 證券研究報告 電子 電子 AI 大模型商業模式思考大模型商業模式思考 華泰研究 華泰研究 電子 電子 增持 增持(維持(維持)研究員 黃樂平，黃樂平，PhD SAC No.S0570521050001 SFC No.AUZ066 +(852)3658 6000 研究員 郭春杏郭春杏 SAC No.S0570524010002 SFC No.BTP481 +(86)21 2897 2228 聯系人 權鶴陽權鶴陽 SAC No.S0570122070045 SFC No.BTV779 +(86)21 2897 2228 行業走勢圖

2、行業走勢圖 資料來源：Wind，華泰研究 2024 年 5 月 13 日中國內地 專題研究專題研究 AI 大模型商業模式思考大模型商業模式思考 本篇報告，我們通過對海內外 AI 大模型企業的研究，提供對 AI 大模型商業模式的思考框架：1）基礎大模型未來的競爭格局方面，或贏者通吃，或國內外分別寡頭競爭，而行業大模型則有望百花齊放；2）本輪 AI 應用中，“AI+”還是“+AI”能夠取勝需要根據場景具體討論，取決于 AI 在業務流程中是否具有護城河，以及 AI 在業務價值鏈的占比；3）開源模型和閉源模型在未來較長一段時間內將形成相互搖擺的博弈格局?；A大模型或國內外各形成寡頭競爭格局，行業大模型

3、百花齊放基礎大模型或國內外各形成寡頭競爭格局，行業大模型百花齊放 目前，“基礎大模型行業大模型終端應用”的大模型路線非常清晰。訓練基礎大模型的高成本和高技術壁壘，決定了科技巨頭或成為主要玩家。目前基礎模型仍處于軍備競爭的階段，未來的競爭格局有兩種可能：1）贏者通吃；2）國內外多個大贏家共存。行業大模型的市場潛力較大，關鍵在于對行業的 Know-How。未來行業大模型很可能是一個百花齊放的市場。以頭部玩家提供的基礎大模型為底座，未來可能產生專門精調行業大模型的公司，憑借對垂直領域的 Know-How 深耕某一賽道的行業大模型；在垂直領域積累已久的公司，具備入局該垂直領域行業大模型的先發優勢。AI

4、+還是還是+AI：關注：關注 AI 是否具有護城河及全業務流程價值鏈占比是否具有護城河及全業務流程價值鏈占比“AI+”（以 AI 技術賦能行業的科技企業）還是“+AI”（采用 AI 技術的傳統企業）能夠勝出是上一輪 AI 投資最大的爭議。我們認為在本輪以大模型為代表的創新周期中，選擇“AI+”還是“+AI”有以下關注點：1）AI 在全業務流程價值鏈的比例；2）業務中 AI 是否具有護城河。本輪“+AI”和“AI+”都可能獲得可觀價值，“+AI”賦能眾多傳統業務，“AI+”更可能重塑行業。對于“+AI”，傳統行業眾多，意味著“+AI”的落地場景眾多，傳統行業體量大，賦能的新增價值將產生規模效應。

5、對于“AI+”，算力、算法、數據等壁壘較高，有較高的進入門檻，先發優勢明顯。開源模型開源模型 vs 閉源模型閉源模型 海外頭部廠商中，OpenAI 和谷歌閉源模型領先，Meta 憑借開源模型獨樹一幟。開源大模型具備低成本高效落地、技術迭代迅速以及可私有化部署的屬性，解決閉源大模型應用痛點隨著以 Llama 為代表的高性能開源大模型的出現，對于垂直行業應用公司來講，從頭訓練大模型的模式的意義正在下降。開源模式將蠶食閉源模型一定的市場份額，兩者在未來較長一段時間內將形成相互搖擺的博弈格局。投資觀點：算力基礎設施投資觀點：算力基礎設施-硬件載體硬件載體-大模型平臺大模型平臺-應用應用 從投資角度，建

6、議按照算力基礎設施-硬件載體-大模型平臺-應用的順序尋找受益標的。AI 大模型推動算力需求快速增長，基礎設施的業績成長可預見性最高，主要產業鏈環節包括計算芯片、服務器、數據中心等。交互終端次之，AI 手機、AI PC 是當前大模型應用的主要載體。未來看好大模型能力提升推動 AR/VR，無人駕駛車，機器人等成為下一代硬件載體的潛力。大模型平臺是當下產業發展趨勢中最核心的一環，看好 MaaS 成為AI 大模型時代新的商業模式。AI 大模型最大的投資機會在應用?？春么竽Ｐ驮谒阉?，電商零售，辦公，金融、醫藥等行業率先落地。風險提示：AI 及技術落地不及預期；本研報中涉及到未上市公司或未覆蓋個股內容，均

7、系對其客觀公開信息的整理，并不代表本研究團隊對該公司、該股票的推薦或覆蓋。(24)(15)(5)514May-23Sep-23Jan-24May-24(%)電子滬深300 免責聲明和披露以及分析師聲明是報告的一部分，請務必一起閱讀。2 電子 電子 AI 大模型商業模式思考大模型商業模式思考 本篇報告，我們通過對海內外 AI 大模型企業的研究，提供對 AI 大模型商業模式的思考框架：1）基礎大模型未來的競爭格局方面，或贏者通吃，或國內外分別寡頭競爭，而行業大模型則有望百花齊放；2）本輪 AI 應用中，“AI+”還是“+AI”能夠取勝需要根據場景具體討論，取決于 AI 在業務流程中是否具有護城河，

8、以及 AI 在業務價值鏈的占比；3）開源模型和閉源模型在未來較長一段時間內將形成相互搖擺的博弈格局。圖表圖表1：海外科技巨頭海外科技巨頭 AI 大模型布局大模型布局 資料來源：公司官網，華泰研究 “基礎大模型行業大模型終端應用”的大模型應用路線日漸清晰“基礎大模型行業大模型終端應用”的大模型應用路線日漸清晰 AI 大模型的應用路線日漸清晰，大致途徑為“基礎大模型行業大模型終端應用”?；A大模型，也稱為通用大模型，是通過基于海量通用數據進行預訓練而得到的。其優點在于擁有強大的泛化能力?；A大模型通常利用大算力和擁有大量參數的深度學習算法，在大量無標注的通用數據上進行預訓練，從而形成能夠“舉一反三

9、”的泛化能力，相當于AI 完成了“通識教育”?；A大模型將 AI 的開發應用從“小作坊”帶入“大工業”時代，但由于缺乏特定場景的語料和數據集的訓練及模型調優，因此在特定場景下的“專業度”還有待提高。行業大模型是在基礎大模型的基礎上，進一步融合行業數據、知識和專家經驗，從而有效提升模型的表現和可控性。其優點在于更為專業，并對于不同的應用場景具有更強的適配性。目前，在金融、能源、制造、傳媒等領域，已經有部分頭部企業與科技公司或科研單位聯合發布了行業大模型。eZfYeUfVfYbUfVeU8OaOaQpNrRpNsOkPmMnQjMrQtNaQoOuNvPnQoPuOmQnQ 免責聲明和披露以及分析

10、師聲明是報告的一部分，請務必一起閱讀。3 電子 電子 圖表圖表2：基礎大模型基礎大模型+行業大模型，泛化性與專業性結合賦能各行各業行業大模型，泛化性與專業性結合賦能各行各業 資料來源：百度文心大模型官微，IDC2022 中國大模型發展白皮書，創新工場，華泰研究 大模型的競爭者越來越多，既有 OpenAI（未上市）、微軟（MSFT US）、谷歌（GOOG US/GOOGL US）、百度（9888 HK/BIDU US）、騰訊（700 HK）、阿里（9988 HK/BABA US）、商湯（20 HK）等科技企業，又有智譜（未上市）、月之暗面（未上市）等初創企業，以及英偉達等芯片廠商。隨著大模型被越

11、來越多的消費者及企業接受，未來的市場競爭格局將決定大模型生態系統的發展空間和最終贏家。由于基礎大模型與行業大模型存在差異，這兩類大模型最終可能形成不同的競爭格局。隨著大模型在更多應用端的滲透，科技企業關于大模型的軍備競賽已經從基礎大模型延伸到行業大模型。例如，國內的百度文心、阿里通義、騰訊混元、華為盤古等大模型體系中均覆蓋了基礎大模型和行業大模型。開源模型開源模型 vs 閉源模型閉源模型 開源模型異軍突起，給閉源模型帶來猛烈沖擊。海外市場中，OpenAI 和谷歌閉源模型領先，Meta 憑借開源模型 Llama 系列模型獨樹一幟；國內市場中，百度、騰訊、阿里等互聯網大廠持續迭代自研閉源模型，同時

12、阿里通義千問 7B、GLM-130B、書生浦語 7B、百川 13B 等模型宣布商業開源。我們認為，隨著以 Llama 為代表的高性能開源大模型的出現，對于垂直行業應用公司來講，從頭訓練大模型的模式的意義正在下降，我們已經看到部分垂直應用公司轉而采取開源模型+矢量數據庫的形式，解決特定應用場景和問題。開源模式將蠶食閉源模式一定的市場份額，兩者在未來較長一段時間內或將形成相互搖擺的博弈格局。以以 Llama 為代表的的前沿開源模型性能優異。為代表的的前沿開源模型性能優異。以 Meta 2024 年 4 月發布的 Llama 3 為例，其分為大中小三個版本，相比其他模型：小規模的 8B 模型效果比同

13、類大小的模型 Mistral 7B、Gemma 7B 略好或基本持平；中等規模的 70B 模型效果比 Gemini Pro 1.5、Claude 3 Sonnet 略好或相當，并超過 GPT-3.5；最大的 400B 模型仍在訓練過程中，設計目標是多模態、多語言，根據 Meta 公布的目前訓練數據，其性能與 GPT-4 相當。免責聲明和披露以及分析師聲明是報告的一部分，請務必一起閱讀。4 電子 電子 圖表圖表3：人類注釋者的偏好排名顯示人類注釋者的偏好排名顯示 Llama 3 70B 優于優于 GPT-3.5 等模型等模型 資料來源：Meta 官網，華泰研究 圖表圖表4：開源模型性能進步速度快

14、于閉源模型開源模型性能進步速度快于閉源模型 資料來源：Big Ideas 2024(Ark Investment,2024)，華泰研究 開源大模型具備低成本高效落地、技術迭代迅速以及可私有化部署的屬性，解決閉源大模開源大模型具備低成本高效落地、技術迭代迅速以及可私有化部署的屬性，解決閉源大模型應用痛點。型應用痛點。1）低成本高效落地：模型從頭訓練需要大額資金投入，使用閉源大模型在企業用戶量攀升后 Token 費用將水漲船高；而開源大模型可以幫助用戶簡化模型訓練和部署過程，并節省高額初始及后期資金投入，用戶只需從開源社區如 HuggingFace 中免費下載預訓練好的模型并進行微調，就可快速構建

15、高質量的模型。2）技術迭代迅速：在Llama 2、Llama3 開源發布后，吸引了全球開發者和愛好者參與開發和改進，當前已快速衍生出一系列開源的基礎模型與行業模型，這極大地加快了創新和迭代的速度。3）私有化部署：如果把行業的 know-how 數據輸送給閉源大模型，可能存在數據泄露的風險；而開源大模型可部署在企業內網的 AI 服務器上，幫助企業保護敏感數據安全性。免責聲明和披露以及分析師聲明是報告的一部分，請務必一起閱讀。5 電子 電子 圖表圖表5：開源大模型與閉源大模型對比開源大模型與閉源大模型對比 開源大模型開源大模型 閉源大模型閉源大模型 成本 免費，可能有額外的許可證或服務費用 通?；?/p>

16、于輸入/輸出 token 大小收費 模型性能 通常性能弱于閉源模型 通常性能更優 適用性 需要開發人員調試 即插即用 定制化 可實現高度的定制化 受限于供應商，可定制化程度低于開源模型 資料來源：華泰研究 開源模式的任何漸進式改進都在蠶食閉源模型的市場份額，未來兩者或在相當長一段時間內形成互相博弈和競爭的格局。部分原計劃用閉源大模型如 GPT-4 的垂直應用公司，可能會迫于成本、定制開發等原因，轉而選擇 Llama 或其他開源模型。另外，開源也能讓其他新加入者更快適應 AI 產業，未來一天或幾天之內的訓練周期將成為常態，以這樣的速度，微調的累積效應將很快幫助小模型克服體量上的劣勢。開源模型和閉

17、源模型各有所長，二者將長期共存：1）模型方面，閉源大模型的質量更高，例如 Llama 2-70B 在代碼生成上與 GPT-3.5 仍有顯著差距。且快速迭代的開源模型數量龐大，對用戶而言選擇成本隨之上升；2）安全性方面，閉源大模型的可靠性更有保障。部分客戶如大型政企，在大模型采購時往往需要大公司的品牌作為可靠性背書。3）產業化方面，閉源大模型的長期服務能力更強、更可用。大模型與業務結合，需要產品、運營、測試工程師等多種角色共同參與，同時大模型的長期應用所需的算力、存儲、網絡等配套都要跟上，開源社區無法幫助用戶“一站式”解決這些細節問題。因此，這場博弈將在未來引導著開源、閉源兩種模式不斷進行改進，

18、模型產業化應用將成為兩種模式的試金石。此外，面對性能優異的 Llama 及其快速增多的衍生開源模型，部分 AI 初創企業可能正在失去存在的意義，市場內自研模型的公司數量或將快速收斂，除了科技巨頭外，只有少數具備先發優勢的 AI 初創企業能夠在激烈的競爭中生存下來。免責聲明和披露以及分析師聲明是報告的一部分，請務必一起閱讀。6 電子 電子 AI+還是還是+AI：關注：關注 AI 是否具有護城河及全業務流程價值鏈占比是否具有護城河及全業務流程價值鏈占比“AI+”（以”（以 AI 技術賦能行業的科技企業）還是“技術賦能行業的科技企業）還是“+AI”（采用”（采用 AI 技術的傳統企業）能夠勝技術的傳

19、統企業）能夠勝出是上一輪出是上一輪 AI 投資最大的爭議。投資最大的爭議?！癆I+”是以 AI 技術為核心，重構現有業務；“+AI”是以現有業務為核心，借助 AI 降本增效，是改進而非重建。從結果來看，“AI+”企業在智慧城市等特定領域獲得商業成功，但互聯網（例如谷歌、百度的搜索，頭條的推薦，阿里的廣告）、金融等行業通過已有業務+AI 提升了效率。我們認為上一輪“AI+”企業沒有全面成功的原因是算法的進入壁壘相對較低。本次大模型主導的創新周期相比上一輪以國內本次大模型主導的創新周期相比上一輪以國內 AI 四小龍（商湯、曠視、云從、依圖）為四小龍（商湯、曠視、云從、依圖）為代表的代表的 AI 浪

20、潮主要有三點區別：浪潮主要有三點區別：1）大模型能力更強。預訓練大模型算法架構更先進，訓練消耗的數據量和算力躍升，因此泛化能力更強。2）應用落地更明確。生成式 AI 在許多領域成為了生產力工具。3）商業模式更清晰多樣。上一輪 AI 浪潮，AI 公司采用小模型+軟硬結合的定制化解決方案變現，偏通用化軟件化的 API 和 SaaS 并未成為主流的變現方式。本次創新周期中，ToC 的訂閱費、ToB 的 API 調用費成為主流的變現手段，ToB 的MaaS 商業模式也逐漸清晰。圖表圖表6：相比上輪相比上輪 AI 浪潮，本輪創新周期的大模型能力更強、應用落地更明確、商業模式更清晰多樣浪潮，本輪創新周期的

21、大模型能力更強、應用落地更明確、商業模式更清晰多樣 資料來源：華泰研究 在當前大模型主導的創新周期中，大模型的應用模式仍然是許多企業關注的焦點。企業需要決定是選擇“AI+”（以 AI 技術為核心，重構現有業務）還是“+AI”（以現有業務為核心，借助 AI 降本增效）？我們認為，對于大模型應用模式的選擇可以從兩個方面考慮：首先，要考慮首先，要考慮 AI 在企業全業務流程價值鏈中所占比例。在企業全業務流程價值鏈中所占比例。如果 AI 在該賽道全業務流程價值鏈中所占比例很小，比如只有 10%，則更容易從“+AI”切入。因為要從“AI+”切入，企業需要先將剩下的 90%業務補足，而在產業鏈深耕多年的競

22、爭對手很可能已經補足了這90%。相比之下，如果 AI 占據全業務價值鏈的較大比例，“AI+”將有更大的發展空間。例如，在電商領域，可能更適合從“+AI”切入。因為即使沒有 AI 技術，商家仍然可以通過提供更優質的產品和服務來取勝。這是因為 AI 在電商全業務價值鏈中所占比例較低，而用戶、渠道和產品等因素更為關鍵。大模型在電商領域更多地用于降低成本和增加效率，例如自動生成營銷文案、圖像快速檢索和智能語音客服等，我們將在下一節進行詳細闡述。免責聲明和披露以及分析師聲明是報告的一部分，請務必一起閱讀。7 電子 電子 其次，要考慮企業業務中其次，要考慮企業業務中 AI 是否具備護城河。是否具備護城河。

23、如果 AI 在業務中沒有護城河或者門檻很低，選擇“+AI”更適合持續發展。因為一旦傳統企業認識到 AI 的價值，也開始采用“+AI”策略，其他企業很容易趕上來。在這種情況下，創業公司選擇“AI+”可能難以生存。相反，如果 AI 在業務中形成了較高的護城河，“AI+”也許會產生創業機會。即使 AI 只占全產業鏈的一小部分，比如 30%，但這 30%卻具有非常高的門檻。后來進入市場的傳統企業即使在其余 70%上取得優勢，也難以突破這 30%的高門檻。因此，提前入局并占據了30%份額的企業仍能持續經營，這也是“AI+”模式的機會所在。在蛋白質結構預測領域，采用“AI+”模式可能會取得突破性進展。蛋白

24、質的功能很大程度上取決于其 3D 結構，而預測蛋白質的 3D 結構是一個非常復雜的過程。以前，計算所有可能的折疊方式需要耗費極長的時間。然而，AI 大模型為蛋白質結構預測提供了新的解決方案。例如，DeepMind 從 2016 年開始研究，在 2018 年發布了 AlphaFold，然后在2020 年推出了 AlphaFold 2，在蛋白質結構預測大賽 CASP14 中取得了原子水平的準確度，將運算時間從數月縮短至數小時，有助于加快藥物研發。蛋白質結構預測的大模型門檻很高，目前行業內的企業數量較少。圖表圖表7：從“從“AI 在全業務價值鏈的占比”以及“在全業務價值鏈的占比”以及“AI 是否具備

25、護城河”出發，選擇“是否具備護城河”出發，選擇“AI+”還是“”還是“+AI”資料來源：華泰研究 本輪“本輪“+AI”和“”和“AI+”都可能獲得可觀的價值，“”都可能獲得可觀的價值，“+AI”賦能眾多傳統業務，“”賦能眾多傳統業務，“AI+”更可”更可能重塑行業。能重塑行業。對于“+AI”，1）傳統行業眾多，意味著“+AI”的落地場景眾多；2）傳統行業體量大，賦能的新增價值將產生規模效應，例如一家銀行或一家造車公司，如果 AI 可以幫其 3-5%的效率，就能產生較為可觀的價值；3）關注更易與 AI 結合的傳統業務及其龍頭企業，比如電商的阿里和京東、辦公軟件的微軟和金山辦公等，因為有自身發展需

26、求、具備商業價值的海量數據，我們認為積極擁抱 AI 技術等特質的傳統企業更可能考慮+AI。對于“AI+”，1）算力、算法、數據等壁壘較高，有較高的進入門檻，先發優勢明顯；2）在數據更私密、算法壁壘更高、定制化程度較高的自動駕駛等關鍵領域，“AI+”公司有機會深耕并占據細分賽道的領先地位。免責聲明和披露以及分析師聲明是報告的一部分，請務必一起閱讀。8 電子 電子 搜索、電商、營銷“搜索、電商、營銷“+AI”我們認為，搜索、電商和營銷是目前“+AI”較有代表性的場景。AI 提升了生產力并改進了用戶需求。其應用場景涵蓋文本編寫、圖像生成、智能交互、產品定義開發與營銷的全流程，從多個維度重塑了生產力格

27、局。圖表圖表8：AI+互聯網應用場景互聯網應用場景 資料來源：各公司官網，華泰研究 搜索：信息搜索、內容生成搜索：信息搜索、內容生成 搜索引擎是指根據一定的策略、運用特定的計算機程序從互聯網上采集信息，在對信息進行組織和處理后，為用戶提供檢索服務，將檢索的相關信息展示給用戶的系統。搜索引擎依托于多種技術，如網絡爬蟲技術、檢索排序技術、網頁處理技術、大數據處理技術、自然語言處理技術等，為信息檢索用戶提供快速、高相關性的信息服務。傳統的搜索行為往往需要經歷長時間的判斷過程和多輪的互動，無法直接且有針對性的回答用戶的問題、無法生成新的內容或進行摘要總結、難以支持長文本搜索，難以實現搜索與其他功能的串

28、聯。展望未來，我們站在了新一輪搜索引擎迭代的起點。AI 技術與搜索引擎的不斷融合，將從底層結構上改變搜索形態，過去的搜索引擎重點在于檢索已有信息，而以 GPT 為代表的大模型加持將讓搜索引擎擁有生成內容的能力，帶來全新的對話體驗，為用戶提供個性化的回答和對話服務，具體體現在以下兩個方面：1）創造性內容生產與輸出，AI 大模型可以利用大量實時文本數據學習語言的規律，并根據用戶指示創造性地完成特定需求下各種類型的文本輸出，如故事、詩歌、摘要、代碼等。2）拓展搜索的多模態能力，利用 AI 技術處理視頻、圖片、語音等多種形式的信息，使搜索不再受限于信息的形態。AI+搜索的誕生便吸引了全球的注意力。但與

29、此同時，AI 生成內容的準確性、可靠性也受到了一定的質疑。免責聲明和披露以及分析師聲明是報告的一部分，請務必一起閱讀。9 電子 電子 New Bing：是 2023 年 2 月微軟推出了基于 GPT-4 的搜索引擎。New Bing 不僅更加智能和準確，而且在回答問題時不僅限于文本形式，還可以包含圖像、視頻、音頻等多種形式。此外，New Bing 的側邊欄功能也非常實用，可以直接在 Bing 搜索頁面進行聊天和撰寫，無需切換窗口和標簽頁，并且可以引用實時網絡數據回答問題。內置 AI 聊天功能的 New Bing 搜索引擎在推出一個月后日活躍用戶已突破 1 億。Bard：2023 年 2 月，谷

30、歌推出了基于 LaMDA 大模型的 AI 對話機器人，名為“Bard”。這款聊天機器人于 2023 年 3 月 21 日向公眾開放訪問權限。Bard 是基于 LaMDA 的輕量級版本，使用更少的計算能力，因此可以覆蓋更多用戶并提供額外的反饋。谷歌還在 I/O 開發者大會上發布了大語言模型“PaLM2”，該模型將驅動聊天機器人 Bard。經過升級后，Bard 將支持超過 20 種編程語言，并面向全球用戶開放。文心一言文心一言：是百度推出的一款基于百度新一代大語言模型的生成式 AI 產品，于 2023 年 3月 16 日正式發布，于 3 月 27 日上線。文心一言擁有產業級知識增強文心大模型 ER

31、NIE，具備跨模態、跨語言的深度語義理解與生成能力，文心一言有五大能力，文學創作、商業文案創作、數理邏輯推算、中文理解、多模態生成。圖表圖表9：谷歌谷歌 Bard 對話機器人對話機器人 資料來源：谷歌官網，華泰研究 電商：產品開發、產品營銷、產品售后電商：產品開發、產品營銷、產品售后 零售的核心是人、貨、場。整個零售包括產品開發、產品營銷、產品售后等環節?；仡欉^去，從線下百貨商店到線上電商平臺，互聯網通大數據精準推送目標客戶，通過產業鏈數字化縮短售后步驟、時間，通過海量用戶反饋反哺產品開發環節，優化產品設計。展望未來，AIGC 利用自然語言處理、機器學習和深度學習等工智能技術，能夠自動創建各種

32、形式的內容，如文字、圖像、音頻和視頻等。這使得 AI 與電商行業的需求深度結合，涵蓋了產品開發、產品營銷和產品售后等各個階段，為電商平臺帶來全方面的降本增效。在產品開發階段，AI 可以提供設計靈感、定制化產品描述和優化產品決策。AIGC 分析市場趨勢、消費者喜好和競爭對手的產品，為電商提供設計靈感和創意方向。同時，以Midjourney 為代表的 AIGC 可以根據需求和特定目標群體，定制生成產品描述和配圖，自動生成吸引人的產品描述和高質量的配圖，幫助電商展示產品的特點和優勢。此外，AIGC 基于市場信息對產品價格、目標群體等要素進行分析，為電商提供優化建議和方案，幫助其調整產品定價和推廣策略

33、。免責聲明和披露以及分析師聲明是報告的一部分，請務必一起閱讀。10 電子 電子 在 2021 年 4 月，海外電商領軍企業亞馬遜首次推出了官方 AI 選品工具，利用超過 600 個數據維度，個性化預測賣家在不同國家銷售產品的全球需求。吉宏股份（002803 CH）自2023 年 1 月起廣泛采用 AIGC 技術，深入挖掘產品的優缺點，深度分析客戶的購買動機，進一步優化選品決策，目前已累計幫助公司上新了 1 萬多個新品。圖表圖表10：AI+AI+電商：應用、場景與代表公司電商：應用、場景與代表公司 資料來源：公司公告，華泰研究 在產品營銷階段，AIGC 能夠實現廣告智能投放和虛擬主播帶貨。在廣告

34、智能投放方面，AIGC 通過分析用戶數據、行為和興趣，預測他們的購買行為，并有針對性地投放廣告。這個過程包括廣告創意制作、投放時機和選擇投放渠道等方面。通過 AIGC 的智能投放，廣告可以更準確地觸達目標受眾，提高廣告的轉化率，降低投放成本。在虛擬主播帶貨方面，通過使用 AIGC 技術，可以讓虛擬主播根據商品特點和用戶需求，自動生成相應的推薦語言和圖像，實現更加精準的推薦和銷售。這種模式不僅提高了效率，還可以節約人力和成本，同時增強用戶體驗。在產品售后階段，AIGC 能夠實現智能客服售后和自動化訂單管理。智能客服為電商平臺提供更高效和智能化的客戶支持。通過自然語言處理和機器學習等技術，AIGC

35、 能夠理解和解答用戶的問題，并提供準確的解決方案。它可以處理常見的售后問題，如訂單跟蹤、退換貨流程、產品使用指導等，并提供個性化的客戶服務。此外，AIGC 還可以實現訂單管理的自動化。例如，Shopify 應用商店中的 ShipStation 工具就通過自動化處理訂單管理流程，包括倉儲、發貨、物流等環節，AIGC 能夠大大提高電商平臺的操作效率和準確性。它可以自動處理訂單的確認、配貨、打印運單等操作，減少人工干預的時間和錯誤。免責聲明和披露以及分析師聲明是報告的一部分，請務必一起閱讀。11 電子 電子 營銷：廣告文本編寫、生成虛擬人物營銷：廣告文本編寫、生成虛擬人物 AI 技術在營銷領域發揮了

36、重要作用，提升了信息傳遞效率，并大幅提高了營銷內容的生產效率。這些改進使得廣告媒體能夠從收入端提高廣告媒體的營收規模，同時營銷服務商也從成本端提高了毛利率。具體來說，AI 技術提高信息傳遞效率有兩個主要原因。首先，通過個性化推薦，AI 可以根據用戶的歷史瀏覽記錄、興趣愛好、購買記錄等數據進行分析，從而推薦個性化的廣告內容。這樣可以更好地吸引用戶的注意力，并更加精準地傳遞信息。其次，AI 技術可以幫助企業在多個渠道進行廣告投放和營銷，實現更全面的覆蓋，從而提高信息傳遞效率。AI 技術提高營銷內容的生產效率也有兩個主要原因。首先，通過自動化生成，AI 可以自動化生成廣告文案、圖像素材、視頻內容等，

37、大大減少了人工制作的時間和工作量。通過使用 AI 生成的工具和系統，營銷人員可以快速生成大量優質內容，提高信息的生產效率。其次，數據驅動的創作讓 AI 利用大數據分析和機器學習算法深入挖掘用戶行為和偏好數據。這為營銷人員提供了更準確的創作方向和內容主題。通過分析用戶數據，AI 可以幫助營銷人員更好地理解受眾需求，精準定位目標用戶，并根據用戶反饋不斷優化內容，提高信息的生產效率。例如，Copy.ai（未上市）是一款基于人工智能技術的文本生成工具，利用 90 多種工具和模板幫助用戶快速生成各種類型的文本內容，如廣告語、博客文章、產品描述、社交媒體帖子等。通過使用 Copy.ai，營銷人員可以節省大

38、量的時間和精力，快速生成高質量的文本內容。此外，Copy.ai 還可以基于用戶提供的關鍵詞和語境生成針對性的文本內容，幫助營銷人員更好地傳達信息。Rosebud AI（未上市）是一家專注于人工智能生成圖像的技術公司。他們的主要產品是一個基于 GAN 技術和自然語言模型 GPT-3 技術的面部合成引擎，可以根據用戶提供的指示生成高度逼真的人臉圖像。Rosebud AI 的技術能夠生成虛擬的商品模特面孔，從而實現個性化的營銷。通過使用 Rosebud AI，營銷人員可以根據特定的目標群體和品牌需求，自動生成適合的商品模特圖像，以吸引目標消費者的注意力并增加購買意愿。據 Rosebud稱，利用該產品

39、生成商品模特的第一個活動獲得了 22%的點擊率提升。這種個性化的營銷手段可以提高品牌的影響力和產品的營銷效果。Rosebud AI 的技術在時尚、美妝、電子商務等行業中得到廣泛應用，并為營銷人員提供了創新的工具和方法來推動營銷活動的成功。到 2021 年，該公司已提供了超過 25,000 張不同的虛擬人建模圖像。免責聲明和披露以及分析師聲明是報告的一部分，請務必一起閱讀。12 電子 電子 投資機會：算力基礎設施投資機會：算力基礎設施-終端終端-平臺平臺-應用 應用 我們認為 AI 大模型是未來十年科技行業重要的投資機會，建議按照算力基礎設施-硬件載體-大模型平臺-應用的順序尋找受益標的。復盤

40、4G 產業發展歷程，我們看到在受益板塊中電信設備商先行，手機次之、電信服務及移動互聯網應用緊跟其后。第一階段，愛立信等通信網絡設備商享受最初的資本開支紅利，但由于競爭格局改變以及設備投入存在周期性，股價波動回到原點；其次，中國三大運營商在 4G 時代發揮著至關重要的作用，但由于來自監管的提速降費壓力和業務范圍的制約，運營商盈利增速緩慢；4G 時代應用端的主要附加價值被互聯網占據，社交、游戲、電商和視頻等領域出現了一批殺手級應用，以騰訊為代表的平臺型企業也在互聯網浪潮中實現市值飛躍。展望 AI 大模型時代，我們認為：1)算力基礎設施率先受益：AI 大模型推動算力需求快速增長，基礎設施的業績成長的

41、可預見性最高，主要產業鏈環節包括計算芯片、服務器、數據中心等；2)交互終端次之，當前 AI 手機、AI PC 是大模型應用的主要載體。未來看好大模型能力提升推動 AR/VR，無人駕駛車，機器人等成為下一代硬件載體的潛力。3)大模型平臺是當下產業發展趨勢中最核心的一環，看好 MaaS（Model-as-a-Service）成為 AI 大模型時代新的商業模式，關注各國對 AI 大模型企業監管政策對行業發展的影響；4)AI 大模型時代最大的投資機會在應用?？春么竽Ｐ驮谒阉?、電商零售、辦公、金融、醫藥等行業率先落地。圖表圖表11：從從 4G 周期經驗看周期經驗看 AI 大模型受益順序大模型受益順序 注

42、：股價漲跌幅周期為 2012 年 1 月至 2021 年 7 月 資料來源：Bloomberg，華泰研究 免責聲明和披露以及分析師聲明是報告的一部分，請務必一起閱讀。13 電子 電子 附錄：國內外主流 AI 大模型 附錄：國內外主流 AI 大模型 對比國內外主流 AI 大模型，我們發現以下趨勢：1）開源 vs 閉源：2023 年初，主流閉源大模型通常為純文本的 LLM。2023 年至今，閉源模型的多模態能力具有大幅度提升，目前主流閉源大模型通常具備圖像理解、圖像生成能力。如圖 5 所示，雖然開源模型的文本能力有了較大提升，但大多數開源模型尚不具備多模態能力。2）國內 vs 海外：23 年底以來

43、更新的國內主流大模型開始對標 GPT-4。例如 2023 年 10 月更新的文心 4.0（Ernie 4.0）“綜合水平與 GPT4 相比已經毫不遜色”，2024 年 1 月更新的智譜 GLM-4 整體性能“逼近 GPT-4”，2024 年 4 月更新的商湯日日新 5.0“綜合性能全面對標 GPT-4 Turbo”。圖表圖表12：國內外主流國內外主流 AI 大模型大模型 地區地區 公司公司 模型模型 參數量參數量 模態（輸入；輸出）模態（輸入；輸出）開源開源/閉源閉源 發布時間發布時間 美國 OpenAI GPT-4 turbo 未公開 文本，圖像；文本，圖像 閉源 2023 年 11 月 美

44、國 OpenAI Sora 未公開 文本，圖像；圖像，視頻 閉源 2024 年 2 月 美國 谷歌 Gemini 未公開 文本，圖像，視頻；文本，圖像 閉源 2023 年 12 月 美國 Anthropic Claude 3 未公開 文本，圖像；文本 閉源 2024 年 3 月 中國 百度 ERNIE 4.0 未公開 文本，圖像；文本，圖像，視頻 閉源 2023 年 10 月 中國 商湯 日日新 5.0 600B（MoE）文本，圖像；文本，圖像，視頻 閉源 2024 年 4 月 中國 智譜 AI GLM-4 未公開 文本，圖像；文本，圖像 閉源 2024 年 1 月 美國 Meta Llama

45、 3 70B 文本；文本 開源 2024 年 4 月 美國 微軟 Phi-3 3.8B 文本；文本 開源 2024 年 4 月 中國 阿里巴巴 Qwen 1.5 72B 文本；文本 開源 2024 年 2 月 中國 零一萬物 Yi-VL 34B 文本；文本 開源 2024 年 1 月 美國 xAI Grok-1 314B（MoE）文本；文本 開源 2023 年 11 月 資料來源：Stanford ecosystem graphs，公司官網，華泰研究 風險提示風險提示 1）AI 技術落地不及預期。雖然 AI 技術加速發展，但由于成本、落地效果等限制，相關技術落地節奏可能不及我們預期。2）本研報

46、中涉及到未上市公司或未覆蓋個股內容，均系對其客觀公開信息的整理，并不代表本研究團隊對該公司、該股票的推薦或覆蓋。免責聲明和披露以及分析師聲明是報告的一部分，請務必一起閱讀。14 電子 電子 免責聲明免責聲明 分析師聲明分析師聲明 本人，黃樂平、郭春杏，茲證明本報告所表達的觀點準確地反映了分析師對標的證券或發行人的個人意見；彼以往、現在或未來并無就其研究報告所提供的具體建議或所表迖的意見直接或間接收取任何報酬。一般聲明及披露一般聲明及披露 本報告由華泰證券股份有限公司（已具備中國證監會批準的證券投資咨詢業務資格，以下簡稱“本公司”）制作。本報告所載資料是僅供接收人的嚴格保密資料。本報告僅供本公司

47、及其客戶和其關聯機構使用。本公司不因接收人收到本報告而視其為客戶。本報告基于本公司認為可靠的、已公開的信息編制，但本公司及其關聯機構(以下統稱為“華泰”)對該等信息的準確性及完整性不作任何保證。本報告所載的意見、評估及預測僅反映報告發布當日的觀點和判斷。在不同時期，華泰可能會發出與本報告所載意見、評估及預測不一致的研究報告。同時，本報告所指的證券或投資標的的價格、價值及投資收入可能會波動。以往表現并不能指引未來，未來回報并不能得到保證，并存在損失本金的可能。華泰不保證本報告所含信息保持在最新狀態。華泰對本報告所含信息可在不發出通知的情形下做出修改，投資者應當自行關注相應的更新或修改。本公司不是

48、 FINRA 的注冊會員，其研究分析師亦沒有注冊為 FINRA 的研究分析師/不具有 FINRA 分析師的注冊資格。華泰力求報告內容客觀、公正，但本報告所載的觀點、結論和建議僅供參考，不構成購買或出售所述證券的要約或招攬。該等觀點、建議并未考慮到個別投資者的具體投資目的、財務狀況以及特定需求，在任何時候均不構成對客戶私人投資建議。投資者應當充分考慮自身特定狀況，并完整理解和使用本報告內容，不應視本報告為做出投資決策的唯一因素。對依據或者使用本報告所造成的一切后果，華泰及作者均不承擔任何法律責任。任何形式的分享證券投資收益或者分擔證券投資損失的書面或口頭承諾均為無效。除非另行說明，本報告中所引用

49、的關于業績的數據代表過往表現，過往的業績表現不應作為日后回報的預示。華泰不承諾也不保證任何預示的回報會得以實現，分析中所做的預測可能是基于相應的假設，任何假設的變化可能會顯著影響所預測的回報。華泰及作者在自身所知情的范圍內，與本報告所指的證券或投資標的不存在法律禁止的利害關系。在法律許可的情況下，華泰可能會持有報告中提到的公司所發行的證券頭寸并進行交易，為該公司提供投資銀行、財務顧問或者金融產品等相關服務或向該公司招攬業務。華泰的銷售人員、交易人員或其他專業人士可能會依據不同假設和標準、采用不同的分析方法而口頭或書面發表與本報告意見及建議不一致的市場評論和/或交易觀點。華泰沒有將此意見及建議向

50、報告所有接收者進行更新的義務。華泰的資產管理部門、自營部門以及其他投資業務部門可能獨立做出與本報告中的意見或建議不一致的投資決策。投資者應當考慮到華泰及/或其相關人員可能存在影響本報告觀點客觀性的潛在利益沖突。投資者請勿將本報告視為投資或其他決定的唯一信賴依據。有關該方面的具體披露請參照本報告尾部。本報告并非意圖發送、發布給在當地法律或監管規則下不允許向其發送、發布的機構或人員，也并非意圖發送、發布給因可得到、使用本報告的行為而使華泰違反或受制于當地法律或監管規則的機構或人員。本報告版權僅為本公司所有。未經本公司書面許可，任何機構或個人不得以翻版、復制、發表、引用或再次分發他人(無論整份或部分

51、)等任何形式侵犯本公司版權。如征得本公司同意進行引用、刊發的，需在允許的范圍內使用，并需在使用前獲取獨立的法律意見，以確定該引用、刊發符合當地適用法規的要求，同時注明出處為“華泰證券研究所”，且不得對本報告進行任何有悖原意的引用、刪節和修改。本公司保留追究相關責任的權利。所有本報告中使用的商標、服務標記及標記均為本公司的商標、服務標記及標記。中國香港中國香港 本報告由華泰證券股份有限公司制作,在香港由華泰金融控股（香港）有限公司向符合證券及期貨條例及其附屬法律規定的機構投資者和專業投資者的客戶進行分發。華泰金融控股（香港）有限公司受香港證券及期貨事務監察委員會監管，是華泰國際金融控股有限公司的

52、全資子公司，后者為華泰證券股份有限公司的全資子公司。在香港獲得本報告的人員若有任何有關本報告的問題,請與華泰金融控股（香港）有限公司聯系。免責聲明和披露以及分析師聲明是報告的一部分，請務必一起閱讀。15 電子 電子 香港香港-重要監管披露重要監管披露 華泰金融控股（香港）有限公司的雇員或其關聯人士沒有擔任本報告中提及的公司或發行人的高級人員。阿里巴巴-SW（9988 HK）、百度集團-SW（9888 HK）、騰訊控股（700 HK）：華泰金融控股（香港）有限公司、其子公司和/或其關聯公司在本報告發布日擔任標的公司證券做市商或者證券流動性提供者。有關重要的披露信息，請參華泰金融控股（香港）有限公

53、司的網頁 https:/.hk/stock_disclosure 其他信息請參見下方“美國“美國-重要監管披露”重要監管披露”。美國美國 在美國本報告由華泰證券（美國）有限公司向符合美國監管規定的機構投資者進行發表與分發。華泰證券（美國）有限公司是美國注冊經紀商和美國金融業監管局（FINRA）的注冊會員。對于其在美國分發的研究報告，華泰證券（美國）有限公司根據1934 年證券交易法（修訂版）第 15a-6 條規定以及美國證券交易委員會人員解釋，對本研究報告內容負責。華泰證券（美國）有限公司聯營公司的分析師不具有美國金融監管（FINRA）分析師的注冊資格，可能不屬于華泰證券（美國）有限公司的關聯

54、人員，因此可能不受 FINRA 關于分析師與標的公司溝通、公開露面和所持交易證券的限制。華泰證券（美國）有限公司是華泰國際金融控股有限公司的全資子公司，后者為華泰證券股份有限公司的全資子公司。任何直接從華泰證券（美國）有限公司收到此報告并希望就本報告所述任何證券進行交易的人士，應通過華泰證券（美國）有限公司進行交易。美國美國-重要監管披露重要監管披露 分析師黃樂平、郭春杏本人及相關人士并不擔任本報告所提及的標的證券或發行人的高級人員、董事或顧問。分析師及相關人士與本報告所提及的標的證券或發行人并無任何相關財務利益。本披露中所提及的“相關人士”包括 FINRA 定義下分析師的家庭成員。分析師根據

55、華泰證券的整體收入和盈利能力獲得薪酬，包括源自公司投資銀行業務的收入。阿里巴巴-SW（9988 HK）、百度集團-SW（9888 HK）、騰訊控股（700 HK）：華泰證券股份有限公司、其子公司和/或其聯營公司在本報告發布日擔任標的公司證券做市商或者證券流動性提供者。華泰證券股份有限公司、其子公司和/或其聯營公司,及/或不時會以自身或代理形式向客戶出售及購買華泰證券研究所覆蓋公司的證券/衍生工具，包括股票及債券（包括衍生品）華泰證券研究所覆蓋公司的證券/衍生工具，包括股票及債券（包括衍生品）。華泰證券股份有限公司、其子公司和/或其聯營公司,及/或其高級管理層、董事和雇員可能會持有本報告中所提到

56、的任何證券（或任何相關投資）頭寸，并可能不時進行增持或減持該證券（或投資）。因此，投資者應該意識到可能存在利益沖突。本報告所載的觀點、結論和建議僅供參考，不構成購買或出售所述證券的要約或招攬，亦不試圖促進購買或銷售該等證券。如任何投資者為美國公民、取得美國永久居留權的外國人、根據美國法律所設立的實體（包括外國實體在美國的分支機構）、任何位于美國的個人，該等投資者應當充分考慮自身特定狀況，不以任何形式直接或間接地投資本報告涉及的投資者所在國相關適用的法律法規所限制的企業的公開交易的證券、其衍生證券及用于為該等證券提供投資機會的證券的任何交易。該等投資者對依據或者使用本報告內容所造成的一切后果，華

57、泰證券股份有限公司、華泰金融控股（香港）有限公司、華泰證券（美國）有限公司及作者均不承擔任何法律責任。新加坡新加坡 華泰證券（新加坡）有限公司持有新加坡金融管理局頒發的資本市場服務許可證，可從事資本市場產品交易，包括證券、集體投資計劃中的單位、交易所交易的衍生品合約和場外衍生品合約，并且是財務顧問法規定的豁免財務顧問，就投資產品向他人提供建議，包括發布或公布研究分析或研究報告。華泰證券（新加坡）有限公司可能會根據財務顧問條例第 32C 條的規定分發其在華泰內的外國附屬公司各自制作的信息/研究。本報告僅供認可投資者、專家投資者或機構投資者使用，華泰證券（新加坡）有限公司不對本報告內容承擔法律責任

58、。如果您是非預期接收者，請您立即通知并直接將本報告返回給華泰證券（新加坡）有限公司。本報告的新加坡接收者應聯系您的華泰證券（新加坡）有限公司關系經理或客戶主管，了解來自或與所分發的信息相關的事宜。免責聲明和披露以及分析師聲明是報告的一部分，請務必一起閱讀。16 電子 電子 評級說明 評級說明 投資評級基于分析師對報告發布日后 6 至 12 個月內行業或公司回報潛力（含此期間的股息回報）相對基準表現的預期（A 股市場基準為滬深 300 指數，香港市場基準為恒生指數，美國市場基準為標普 500 指數，臺灣市場基準為臺灣加權指數，日本市場基準為日經 225 指數），具體如下：行業評級行業評級 增持：

59、增持：預計行業股票指數超越基準 中性：中性：預計行業股票指數基本與基準持平 減持：減持：預計行業股票指數明顯弱于基準 公司評級公司評級 買入：買入：預計股價超越基準 15%以上 增持：增持：預計股價超越基準 5%15%持有：持有：預計股價相對基準波動在-15%5%之間 賣出：賣出：預計股價弱于基準 15%以上 暫停評級：暫停評級：已暫停評級、目標價及預測，以遵守適用法規及/或公司政策 無評級：無評級：股票不在常規研究覆蓋范圍內。投資者不應期待華泰提供該等證券及/或公司相關的持續或補充信息 法律實體披露 法律實體披露 中國：中國：華泰證券股份有限公司具有中國證監會核準的“證券投資咨詢”業務資格，

60、經營許可證編號為：91320000704041011J 香港：香港：華泰金融控股（香港）有限公司具有香港證監會核準的“就證券提供意見”業務資格，經營許可證編號為：AOK809 美國美國：華泰證券（美國）有限公司為美國金融業監管局（FINRA）成員，具有在美國開展經紀交易商業務的資格，經營業務許可編號為：CRD#:298809/SEC#:8-70231 新加坡新加坡：華泰證券（新加坡）有限公司具有新加坡金融管理局頒發的資本市場服務許可證，并且是豁免財務顧問。公司注冊號：202233398E 華泰證券股份有限公司華泰證券股份有限公司 南京南京 北京北京 南京市建鄴區江東中路 228號華泰證券廣場

61、1號樓/郵政編碼：210019 北京市西城區太平橋大街豐盛胡同 28號太平洋保險大廈 A座 18層/郵政編碼：100032 電話：86 25 83389999/傳真：86 25 83387521 電話：86 10 63211166/傳真：86 10 63211275 電子郵件：ht- 電子郵件：ht- 深圳深圳 上海上海 深圳市福田區益田路 5999號基金大廈 10樓/郵政編碼：518017 上海市浦東新區東方路 18號保利廣場 E棟 23樓/郵政編碼：200120 電話：86 755 82493932/傳真：86 755 82492062 電話：86 21 28972098/傳真：86 21

62、 28972068 電子郵件：ht- 電子郵件：ht- 華泰金融控股（香港）有限公司華泰金融控股（香港）有限公司 香港中環皇后大道中 99 號中環中心 53 樓 電話：+852-3658-6000/傳真：+852-2567-6123 電子郵件： http:/.hk 華泰證券（美國）有限公司華泰證券（美國）有限公司 美國紐約公園大道 280 號 21 樓東（紐約 10017）電話：+212-763-8160/傳真：+917-725-9702 電子郵件:Huataihtsc- http:/www.htsc- 華泰證券（新加坡）有限公司華泰證券（新加坡）有限公司 濱海灣金融中心 1 號大廈,#08-02,新加坡 018981 電話：+65 68603600 傳真：+65 65091183 版權所有2024年華泰證券股份有限公司