- 发布日期：2025-01-04 17:10 点击次数：57
今日需要关注的数据有，美国截至11月18日当周初请失业金人数、美国10月耐用品订单月率初值、欧元区11月消费者信心指数初值和美国11月密歇根大学消费者信心指数终值。
今日需要关注的数据有，加拿大10月CPI年率、加拿大10月央行核心CPI年率-未季调和美国10月成屋销售年化总数。
11月28日，新财富白金分析师、中信建投证券研究所所长武超则，在华安基金投资嘉年华科技创新专场中，以“国产算力水到渠成，AI应用落地生根”为题，围绕当前AI行业的发展与投资机会分享了最新观点。
武超则表示，展望2025年，国内算力最大的机会，还是在国产化这条线上；
算力本身的需求，会继续增长的趋势还是非常明确的，她还简单拆解了一下可能的增量来源。
武超则把出货量作为衡量一家公司的重点所在，在芯片行业，规模是一切的根本。
你没有规模，就没有办法保证你的毛利率和收入，
没有毛利率、收入，你又没有办法保证你的产能等等，它其实是一个循环。
GPU本身，包括再往上游的半导体的设备和材料，明年都会有不错的表现。
这个背后，武超则认为是有订单和业绩支撑的。
在国产模型迭代的方向上，就C端而言，主要看好三个方向——AI视频、Agent和AI终端。
像AI视频，是今年国内比较超预期的。
简单看，从去年Sora出来之后，国内跑得也很快，像海螺AI、豆包等等，其实都有对标的产品出来，而且在海外出海的认可度也是非常高的
对比移动互联网这一轮来讲，今年可以类比于2013年——
已经开始有一些应用的百花齐放，并且已经见到情绪投资的热点，但是我们可能没办法区分，到底哪个公司会最终跑出来。
武超则表示，未来在AI方面，我们一定会经历一轮大的行情，甚至是泡沫化的行情。
在行情之中，我们再慢慢筛选出那些能够从大的技术浪潮中脱颖而出的公司。
投资报整理提炼了武超则交流的精彩内容：
大模型
从“快思考”走向“慢思考”
在过去的一年里，我相信大多数人已经开始使用AI。
如果还没有，这个时候可以尝试一下，因为AI已经有了相对较多的落地应用。
例如最近热门的“智能体”（Agent）概念、AI终端、个人助理等等，表现在不同的业务场景和载体中。
比如，AI终端可能表现在电脑或手机中，
以Siri为例，在升级后，它的功能不再仅限于基本操作，现在它可以跨应用进行操作，
帮助用户预定酒店、订咖啡等，开始提供更为多样化的组合服务。
这些是目前我们看到的落地展现出的形式。
但其背后，依然围绕大模型强大的工具功能，这也是GPT-4这代模型的主流表现。
再往后，我们看到，不仅是大模型本身的演进，更多的是多模型、多模态的演进；
整个模型从最初的感知和认知智能，逐步过渡到更强的规划和决策能力。
这个时候我们可能才会看到，模型的应用从过去的非严肃场景逐步转向严肃场景，
AI将不再只停留在情感陪伴或者陪聊，而是能承担起更加严肃的任务。
以Agent本身和GPT-4o和o1这些后期模型来看，这一代模型的核心变化就是，从“快思考”向“慢思考”转变。
“慢思考”是什么意思呢？
当遇到推理类、逻辑类问题时，我们往往需要更深入的分析路径或框架，我们需要一套更强的方法论来帮助我们解决问题、理解问题，并最终做出决策。
尤其是在面对互相矛盾的数据时，我们如何判断哪种结论更为正确，如何做出最佳选择，等等。
最新一代的AI模型正逐步展现这种能力。
大模型迭代
提高易用性“加量不加价”
最近，资本市场的热点也开始集中在ToB的营销服务、办公服务、ERP等场景上，这些已经开始在业绩和财报中得到体现。
这可能是当下市场关注度比较高的，
对于远期来说，模型的迭代才刚刚开始。
如果从时间的角度来看，AI的发展就像一个两三岁的baby，像人类一样，它一定会无限的迭代下去。
总而言之，在整个模型的变化中，前面几年，我们已经经历了第一段、第二段到第三段的演绎。
基本上每6-12个月就会看到一次大的周期性迭代。
回到具体模型的例子，举两个例子，
我们看到，GPT-4o这一代模型，在端到端的信息处理，以及人机交互体验上都有显著提升。
与GPT-4相比，GPT-4o并不一定在输出结果上有惊艳的突破，但在易用性方面的提升却是显著的。
什么是“易用性”？
举个例子，GPT-4o在响应速度上比GPT-4Turbo提高了两倍，同时它的消息上限提升了5倍，价格降低了50%。
这就是所谓的“易用性”——“加量不加价”，效果更好，成本大幅下降。
这使得它在产业大规模商用中具有了更强的可能性。
此外，GPT还推出了4oMini，是基于4o模型的又一次小型化。
相比性价比已经很高的4o，4omini做得更快、更便宜，其实它的核心优势还是在降成本和性能的保留上。
再往后，我们还看到了最新的o1模型。
与之前的模型相比，o1的核心还是要证明“规模效应”（scalinglaw）的存在——模型的规模越大，模型越聪明。
GPT-3的数据集约为1亿，而GPT-4的数据集达到了1-2万亿。
理论上，o1模型证明，只要愿意投入更多的成本，增加算力和数据的投入，模型的“聪明程度”依然能够继续叠加。
我们看到，o1模型的表现已经不亚于博士生水平，特别是在一些挑战性任务中。
例如，在国际数学奥林匹克（IMO）考试中，GPT-4o的正确率仅为13%，而o1的正确率高达83%。
在代码能力上，o1模型也排在前89%，达到了非常优异的一个水平。
与此同时，全球范围内的开源模型进展也非常迅速。
海外Meta推出的Llama3，还有国内的开源模型，如通义千问和智普，都是同等代际的开源模型。
开源模型的发展，会为应用未来的落地提供非常好的基础。
个性化方案
生成成本会大幅降低
最近，智能体（Agent）这一概念受到了广泛关注。
举个例子，相比于过去的模型是一个“人”，Agent更多是一个团队或者说小组的概念。
Agent是要有一个分析问题、理解问题，最后去解决问题的总揽能力，根据任务来准确地生成业务的执行流，然后再分工给不同的专家模型。
专家模型可能各有所长，
有的擅长解决数学问题，有的擅长解决代码问题，有的擅长解决图像问题等等，最终形成一个协作的智能群体。
这个时候，个性化方案的生成成本会大幅降低，模型与模型之间的摩擦成本也会大幅降低。
我们反推回来，这在人类的历史中也是很相似的。
比如说在医疗行业，现在多学科的会诊，随着现代医疗越来越细分，也变得很常见。
另外比如说在金融服务中，怎么提供个性化的金融服务方案？
在教育里，怎么提供个性化的教育？
这都会带来耳目一新的产品。
像微软在365里面，集成了全新的AIagent。
国内算力
最大机会还是在国产化
回过头来看，我们展望2025年，国内算力最大的机会，还是在国产化这条线上。
首先，我们简单分析需求，
scalinglaw的核心就是，不管是基于训练的需求，还是推理的需求，模型越大，效果就越好。
所以从这点上来讲，主流大厂应该还是会不断去卷模型的效果。
这个背后，算力支撑的规模，就会变得非常重要。
我们现在看下来，如果想要在大模型的训练端有所建树，至少是要万卡，甚至未来是10万卡的集群，这一部分的投入是非常明确的。
另外一块，实际上是基于推理的需求。
我们看到，推理它会更贴近于应用，
你到底用到什么程度上，对于不同卡的需求也是略有不同。
这会对算力的结构带来变化。
比如说，未来更多在推理场景上，对计算的能力要求没有那么高，但可能对存储、对通信的能力要求会更高。
这个时候，基于底层算力的结构，即便总的市场是确定的，但是它结构会略有差异。
对于算力本身的需求，还是会继续往上去增长的，这样一个趋势还是非常明确的。
我们简单拆解一下，可能的增量会在这么几个方面，
一个是GPU本身对应的服务器的模组。
机房里面，还有铜连接、液冷电源、光模块、PCB等等。
看似技术门槛没有那么高，但是我们判断，明年可能会带来实实在在的投资的增量。
最后落到数据中心（IDC），机房里面，它也会带来增量。
往明年看，国产的GPU的交付能力，我们判断是会大幅提升；
之后，它会带来整个产业链的一个投资。
所以我自己觉得，也不仅仅是盯着芯片这一个东西，更多需要站在整个产业链又一代的投资上去看这问题。
国产的需求，应该在未来一段时间还是非常清晰的。
而且对于先进芯片，其实这两年，它的制裁不仅仅是在算力的通信或者是计算能力上的限制，开始更多到算力密度的指标。
这个时候，在国产的市场中，到底哪些厂商能够有比较强的供给能力？
国产的算力这一块，我想就会变得非常重要。
我把出货量放在最前面，在芯片行业，规模是一切的根本。
你没有规模，就没有办法保证你的毛利率和收入，
没有毛利率、收入，你又没有办法保证你的产能等等，它其实是一个循环。
GPU本身，包括再往上游的半导体的设备和材料，我想明年都会有不错的表现。
这个背后，我们认为是有订单和业绩去支撑的。
大家非AI不投
AI是投融资最活跃的领域
最后一块，我们快速地分享一下我们对AI应用的看法——
AI应用，落地生根。
我们看到在游戏领域、办公领域、教育、电商、视频，包括终端以及Agent领域，都有大量的应用公司冒出来。
而且我们看海外，它确实经历了从流量效应开始逐步体现到财报上，它实实在在开始有业绩了。
正常来讲，中国会复制类似的时间节点，
而且，有可能我们在应用上会表现的更快，或者说更出现一些更新的玩法。
现在底层模型，比较不错的，像视频类的豆包，月之暗面的Kimi等等，它足以去支撑应用场景，比如说音乐、影视、教育、电商等等。
我们简单归纳一下，从已经出来的结果来讲，对标来看，B端应用其实似乎比C端的落地更快。
C端其实是访问量和流量在持续增长，但是从商业模式上，其实B端好像闭环的更快一些。
比如说AppLovin，现在实际上已经是一个千亿美金市值的这样一个公司，而且今年以来涨了6倍。
Shopify实际上是提供商家的营销服务的，表现也非常好。
所以，从结果上来看，海外主要体现在这些AI助手、AI搜索、AI视频方面。
国内发展比较快的也是AI搜索、AI视频、AI助手，这一类相关的也有很多上市公司。
这可能是接下来一条非常重要的主线。
从投融资上看也是类似的。
一句话来讲，大家非AI不投，AI还是投融资最活跃的领域。
AI广告
AI视频与Agent
比如说，AI广告，你说它有多少AI的技术含量，也不一定。
但是，更高的标记和匹配能力，给它的商业模式带来了一个很好的升级。
这是我们看到的AppLovin这家公司业绩持续超预期，毛利率提升的一个很重要的原因。
同样像Meta，Shopify，其实都是类似的，还是原来的那些公司，但是因为有了这样的工具，
要么内部降本，要么增效，在客户的落地上、营销的效果上，有了更加直接的体现。
还有像Salesforce，这家公司其实大家应该非常熟悉，在SaaS时代，他就是一家明星公司，主要推出的是Agent客服，就是说一个人可能就能提供整个团队的作用。
以前需要10个人的团队，现在一个人从设计网站到客服到铺库存等等，都能实现。
从这个背后我们看到，美股现在有一个大的趋势，就是所有的SaaS公司，可能都要去上AI相关的功能。
另外，在数据服务方面，Palantir其实也是一家非常有意思的做数据分析的公司。
今年它的业绩、股价表现是非常好的。
但AI能对它做什么？
其实核心还是在私有化部署，包括类似于数据分析的效率上、交互上都有比较明显的提升。
大家也可以看到，它在AI产品推出后，整个的客户数量显著提高。
还有，就是AI视频，这个是今年国内比较超预期的。
简单看，从去年Sora出来之后，国内跑得也很快，像海螺AI、豆包等等，其实都有对标的产品出来，而且在海外出海的认可度也是非常高的。
这也给我们提供了一些解决应用问题的思路。
到底是一定要先有一个全球最先进的大模型，才能做出最好的应用呢？
还是说，有了好的应用场景，反向的，能找到模型更好的迭代？
其实现在看起来，后者也是有可能的。
在AI视频的场景下，灯笼可以随意被替换为一个气泡，背景可以随时被变成森林或者什么东西，
以前是要花一些特效的效果，现在基本上是一个软件就可以全部解决。
今年就像2013年，
情绪投资的热点已经起来了
国产模型在迅速迭代，我们觉得在方向上，C端我们比较看好的三个方向——AI视频、Agent和AI终端。
我觉得，数据会成为一个基本的要素，但算力和应用其实是未来的一个胜负手。
我们把模型、算力，应用分开成了三块来讲，但我觉得这个东西它不是割裂的，
所以我觉得，最终就是，我们要以未来10-20年这样一个维度去看这些技术的交叉发展。
从移动互联网那一轮来看的话，去年我觉得可能更像2012年——基础的硬件有了，但是应用在哪不知道。
那么今年我觉得更像2013年，已经开始有一些应用的百花齐放，
而且情绪投资的热点已经起来了，但是我们可能没办法区分，到底哪个公司会最终跑出来。
但是我相信它一定会经历一轮大的行情，甚至是泡沫化的行情，
然后慢慢再筛选出来哪里可以找到股票配资平台，哪些公司在这个大的技术浪潮里能够跑出来。
- 在线配资门户 2024年10月7日全国主要批发市场中华蜜宝价格行情2024-11-06