温馨提示：本文为止于至善投资研究员彭进京翻译，全文仅供分享交流，不作为投资建议，请自担风险。

1.GAI带来的行业增量测算

高盛团队预估，生成式AI软件规模增量中性预估为1500亿美元，乐观估计达到4290亿美元。新增量主要来自于新的产品、AI集成后带来溢价，提高客户留存率。

具体算法为，AI可以使单个产品美国用户付费提高10美元/月，非美国用户提高3美元/月，假设全球有11亿个知识工作者基数，每人需要使用至少5个产品。

图表 1 行业规模算法

目前全球软件规模为6850亿美元，人工智能10年内可能推动7万亿美元的全球经济增长。

2.基本概念

人工智能的提出：概念的首次提出是在20世纪50年代，科学家艾伦.图灵决定测试计算机的智能来探索机器是否也可以像人类一样处理和解决问题，但是具体的实践受限于计算能力和昂贵的设备。硅芯片的兴起，摩尔定律的到来，处理能力变得更快，更便宜，人工智能兴起。

人工智能快速发展：基于底层硬件和算法的大发展。GPU的开发，可以同时运行多个计算的大模型，更快的处理速度，更高的内存带宽，提供了硬件基础；Transformer算法提出，谷歌发明的这一算法改变了神经网络模型对数据排序的方式，实现了数据可以并行化，可以根据数据顺序和上下文学习变量之间的关系，增强了AI自我学习能力。

图表 2 人工智能算法

机器学习：使机器能够从模型数据训练来进行自我学习，通过历史数据输入来进行预测和识别，例如短视频根据个人之前的浏览量来推荐相关视频。分为有监督和无监督的机器学习。有监督的机器学习通过对大量的输入和预期输出进行训练，例如用几百万只猫和其它动物进行不断比对，然后就可以让机器识别猫。无监督学习就是使用未标记的数据进行训练，添加了一个反馈层，不断强化学习。

神经网络：类似于人脑中的神经元，人工创造神经节点，数据通过前馈过程或反向算法在人工神经网络中流动，在每个节点进行数据的过滤和分类，前一层的输出作为下一个节点的输入，下一个节点评估之前的输出是否正确。将最高的权重分配给产生正确答案的路径，较低的权重分配给输出较弱的神经路径。

自然语言处理（NLP）：人们过去智能通过代码与计算程序进行交流，NLP使得机器可以解读演讲、判断情绪、阅读文本，能够使机器更加理解人类语言。

传统AI与生成式AI区别：传统的AI模型是建立在判别模型上，通过对现有数据的识别，进行预测。生成式AI基于底层数据生成新的数据，生成式AI具有创造性能力，可以根据人类文本查询，以文本、图像、音频、视频、代码等形式生成原始想法。人类可以用自然语言和编程语言与机器进行交流。

3.模型应用进展

Open AI的ChatGPT：GPT-4能够接受文本和图像两种形式的输入来生成文本输出，在100万亿参数上进行训练，而GPT3只有1750亿个参数。

图表 3 ChatGPT工作原理

Open AI的CodeX和微软的Co-pilot：基于文本生成可编程的代码脚本，还可以将代码从一种语言翻译成另一种语言，支持python、java、ruby等。

谷歌的生成式AI产品：Bard，具有基于对话的界面和输入，由谷歌的LLM模型支持，目前处于早期测试中。其它图文、音频、视频的产品也在测试中。

Hugging Face：AI应用开源社区，AI模型和数据存储中心，用户可以选择任何模型然后构建AI应用程序。

生成式AI的其它功能应用举例：可以显著提高工作效率，提高生产力。

金融分析师可以常规问题问AI，只需要几秒内就能完成作答，剩下时间可以放在更有回报的工作上，从而增加产能。

不再需要一个程序员来专门写代码，可以把文本和语音转换成代码。通过自然语言输入就可以与数据库底层对话，减少SQL的编程。

在医学可以通过用户的医疗记录和测试，提供更深入的见解和更明确的结论。在药物开发方面，可以减少进行昂贵的临床前动物和人类的研究前，识别潜在候选药物并预测其属性，降低开发成本。在电影行业，制作人描绘出电影愿景，由生成式AI来执行。

4.产业链构成

基础层：类似于云计算的传统架构，AI架构的基础层，因为沉重的资本支出投资、高昂的计算成本、大型数据的需求、transformer模型的知识产权等问题，只会有有限的参与者。更多的人应该是购买引用，而不是从头构建，谷歌和微软应该是头部领导者。

平台层：主要由AI框架和API组成，帮助开发者开发支持AI的应用程序，预计会出现几个强大的平台。这块要看PASS供应商和云服务商的合作关系，市场上生态数量。目前看到的一些玩家主要包括Open AI、Hug face 和Stable diffusion。商业模式上可以从免费体验到提供增值服务进行变现。

应用层：通常现有的应用软件和人工智能公司不会进行强竞争，现有的Saas公司拥有大量的数据，可以通过AI赋能，来极大的降低软件的复杂性，增强客户粘性，提高付费水平，来增强自己的护城河。另外还会有一些独立的人工智能应用公司涌现，如果做得好也会吸引大量用户使用，形成数据优势。

5.行业引领者及推荐

微X、谷X、英X达、亚X逊、SalesforXX、MetX、IntuXX和AdoXX。

微X：微X处于领先地位，核心产品全面接入GAI，微X构建了生产力套件、云服务、开发工具和其它平台的全面数据中心，可以巩固其护城河。

谷X：五年之前，谷X就广泛的将人工智能技术布局在自己的产品中，扩大搜索的输入机制，提高更高的广告投资回报率，在YouTube上引入推荐引擎，广告领域的一些自动化管理服务。基于此，广告和云服务将推动谷X的持续增长。

英X达：英X达通过硬件和软件产品在生成式人工智能中处于有利地位，支持大型模型的生产和部署，越来越多的数据中心计算将由GPU解决，此外英X达在23年H2还将推出基于ARM架构的CPU。有紧迫感的客户会更依赖英X达的解决方案。

亚X逊：认为市场对于亚X逊云业务受益AI这一影响有所低估，对于超大型规模企业，亚X逊可以直接通过AI技术或者与AI技术工作合作，亚X逊未来的表现会明显好于大盘。

SalesforXX： SalesforXX拥有海量的用户数据，将AI推向终端用户体验的最前沿，可以提高生产力，就可以长期推动收入增长。另外从CRM平台的复杂度来说，生成AI可以增强当前软件的效率计划，自动执行重复或低价值的任务。

MetX： MetX也是新兴的AI公司领导者之一，2019-2023年，公司累计花费了1100亿美元的资本支出，大部分用于人工智能工作。MetX自成立时，就将AI注入到了核心产品中，例如推荐引擎、内容审核、创意活动管理、广告定位、隐私保护等。公司将继续在短视频、消息、AR、社交中调整不断变化的消费习惯。2023-2024年MetX将要恢复正常的增长趋势。

AdoXX： AdoXX强大的直接面向消费者的产品，使用生成式AI技术可以推动新用户增长，使用端可以简化用户体验，提高转换成本，降低了用户流失率，并可是产品长期价格上涨。

IntuXX：通过个性化每个用户的数据，可以更好的理解客户，成功部署增强功能，IntuXX有大量的数据，可以使客户将税务系统更好的连接起来。

其它潜在数据受益股：snowflaXX、MongoXX

6.相关风险

内容审核，生成式AI产生的内容由谁负责，是平台公司，还是发布内容的用户

错误的信息：由于模型的不完善，生成了不准确的信息。

版权问题：AI工具创造的内容是否有原创性，是否涉及到了侵权问题。

隐私：AI模型训练的数据要符合当地法律、安全存储和严格管理。

END

---

4月11日，止于至善投资成功举办了线上投资策略会，主题为《人工智能时代，止于至善投资将驶向何方》，与大家重点分享和探讨了：

1.止于至善投资一季度运营情况；

2.百年未有之大变局中，如何践行价值投资；

3.人工智能时代，止于至善将如何投资？

如需会议视频，请扫描下方二维码联系客服。如果有私募排排网账号，也可前往私募排排网观看（直接搜索会议主题）。谢谢大家的信任与支持，我们一定不负众望，尽心尽力为大家做好理财服务。

欢迎关注公众号：止于至善投资，获取公司最新动态与观点。

---

风险提示及版权声明

本文全部内容，仅出于传播信息的需要，市场有风险，投资需谨慎。所述内容和意见仅供参考，并不构成对交易做出保证。投资者不应将以上观点作为投资决策的唯一参考因素，亦不应以本意见取代自己的判断。在任何情况下，不对任何人因阅读以上内容所引致的任何损失负任何责任。

本文内容是作者对公开信息数据的整理与分析，不保证文中观点或陈述不会发生任何变更，本文对这些信息的准确性及完整性不作任何保证。如需转载，请注明来源与作者，保证文章内容完整性，并自负相关责任。