计算机行业2023年7月暨中期投资策略

超配

紧抓算力、大模型、应用迭代周期，把握AI带来信息产业革命

核心观点

模型端：巨头厂商迭代迅速，国内模型奋起直追。国外科技巨头对大模型迭代迅速，成为AI产业发展的重要引擎。OpenAI引领大模型奇点时刻，GPT-4目前的整体表现优于现有的大型语言模型，真实性和有效性方面取得了有史以来最佳成果。谷歌发布PaLM2，重点改进了多语言翻译、数据相关、程序语言、推理和自然语言生成能力，全面升级迎战OpenAI。Meta引领开源模型，LLaMA 模型一定程度可以比肩ChatGPT，整体规模也大幅缩小，商用版有望加快发行；SAM模型是CV领域的ChatGPT，有望推动CV领域机器视觉再进步。国内大模型加快迭代，讯飞星火大模型目标10月中文能力超ChatGPT3.5；360智脑迅速迭代至4.0，模型能力国内领先。

算力端：英伟达推动算力跃迁，AI云租赁是新趋势，国内加快AI芯片投入。AI大模型大幅拉动英伟达GPU需求，英伟达数据中心业务持续超预期。在A100、H100 供不应求的背景下，英伟达今年再发布H100 NVL、GH200，并推出DGX云。0racle率先与英伟达合作，单季度0CI云业务营收增长54%，位列第一。凭借RDMA 技术优势，价格优势，以及结合英伟达GPU集群算力支持，OCI引领AI云租赁发展趋势。英伟达芯片进口受限，国内GPU厂商在加紧突破：创业公司中，壁仞科技、天数智芯、沐曦科技等均已推出采用7nm工艺的GPU，且具备较高的算力表现；上市公司中，海光、寒武纪上一代产品可对标英伟达部分产品，目前均在以英伟达A100 为目标加快迭代。

应用端：海外外应用加速落地，国内应用逐步显现。随着GPT能力不断迭代，应用端场景也在不断创新，教育、办公、电商、医疗、游戏、金融科技等领域均在融入AI应用。细分场景数据优势是应用成功的关键，如教育领域的Duolingo，充分抓住各个用户的个人数据，针对每个人情况的不同提供定制化的服务。基础软件也是AI重要应用方向，如Datadog帮助大模型用户检测模型api、token 使用情况；PalantirAIP数据分析能力在军事上帮助指挥作战。伴随国内AI监管暂行办法落地，国内应用有望加快面向公众：金山办公、科大讯飞、航天宏图均有AI产品在进程中。

投资建议：对计算机板块维持“超配”评级，看好AI产业链。全球AI产业链均处于快速迭代中，海外AI发展趋势给予了更领先的视角，迭代创新和产品突破成为本轮科技投资方向。无论是政策支持，还是产业迭代，国内计算机产业均在AI领域奋起直追。模型端重点关注科大讯飞、三六零；算力端重点关注海光信息；应用端重点关注金山办公，航天宏图等。

风险提示：经济恢复不及预期，计算机各下游需求持续疲弱；ChatGPT 商业化落地不及预期；中美贸易摩擦加剧。

重点公司盈利预测及投资评级

公司代码	公司名称	投资评级	昨收盘（元）	总市值（亿元）	EPS		PE
公司代码	公司名称	投资评级	昨收盘（元）	总市值（亿元）	2023E	2024E	2023E	2024E
002230	科大讯飞	买入	70.19	1625	0.86	1.02	81.62	68.81
688111	金山办公	买入	439.23	2027	3.39	4.42	129.57	99.37
601360	三六零	增持	12.10	865	0.08	0.14	151.25	86.43
688066	航天宏图	买入	67.53	176	2.12	3.12	31.85	21.64
688041	海光信息	买入	78.40	1822	0.67	0.99	117. 01	79.19

资料来源：Wind、国信证券经济研究所预测

行业研究·行业投资策略

计算机

超配·维持评级

证券分析师：熊莉
021-61761067
xiongli1@guosen.com.cn
S0980519030002
证券分析师：朱松
021-60875155
zhusong@guosen.com.cn
S0980520070001
证芬分桥师：牛宏辻
021-60875168
kuhongyao@guosen.com.cn
S0980520010001
证券分析师：张伦可
0755-81982651
zhang lunke@guosen.com.cn
S0980521120004

市场走势.

资料来源：Wind、国信证券经济研究所整理

每日免费获取报告 □

每日微信群内分享7+最新重磅报告；

每日分享当日华尔街日报、金融时报；

√ 行研报告均为公开版，权利归原作者所有，起点财经仅分发做内部学习。

内容目录

大模型：国内外快速迭代，信息革命引擎动力十足. .5
OpenAI引领大模型奇点时刻，GPT-4再次进化. .5
谷歌推出PaLM2，全面升级迎战OpenAl.. ..6
Meta 将发布商用版LLaMA，SAM 模型引领CV变革. ..8
国内模型奋起直追，中文能力有望取得领先.. ..10
算力：GPU仍是最稀缺资源，国内外加速迭代.. ..12
英伟达引领算力装备竞赛，GPU和云双管齐下. ...12
Oracle云业务快速增长，与英伟达合作发展AI算力租赁. ...1.5
国内算力发展迫在眉睫，龙头厂商加大AI芯片投入.. ..17
应用：GPT功能日益丰富，海外外应用加速落地，国内应用逐步显现 ...20
GPT 大模型应用更新聚焦于B端和C端，不断引入创新功能. ..20
GPT场景覆盖不断拓宽，目前包括教育、办公、电商、医疗、游戏、金融科技等. .. 21
海外AI应用持续探索商业模式，商业路径进展明确.. ..2
Datadog、Palantir等基于大模型的基础软件应用也是重点方向. ...25
国内监管规定出台，应用有望百花齐放. ..28
投资建议... ..30
风险提示... .30

图表目录

图1：GPT模型的持续迭代.. ..5
图2：GPT-4在各类考试中表现更为优异. ..6
图3：PaLM2提供4个版本，适用于不同场景. ...6
图4：7B LLaMA 模型接近 ChatGPT 95%的能力. ...8
图5：SAM 模型原理..
图6： SEEM在交互和语义空间上都比 SAM更具泛化性.. ······························································· ...0
图7：SAM-Adapter示意图 ….10
图8：12款中文通用大模型中文评测. 10
图9：讯飞星火认知大模型.1... ...1
图10：360 智脑4.0十大能力. ..12
图11：H100 针对大型模型提供高达9 倍的 AI 训练速度.. .3
图12：H100 超大模型的AI 推理性能提升高达 30 倍. ...13
图13：英伟达 GH200 架购构.
图14：英伟达推出 DGX Cloud 云服务.. ..5
图15： 23Q1全球云基础设施服务，Oracle占比 2%.. ..15
图16：最近季报，0racle云业务营收同比+54%，位列第. ...5
图17：单一集群可拓展至32,768个Nvidia A100 GPU.. ….1.6
图18：单节点8个GPU... ·······································.· ..16
图19：我国算力网络市场规模（亿元）
图20：我国算力总规模（EFLOPS） ..7
图21：MLU370-X4 与 GPU 对标.. ..19
图22：华为昇腾AI云服务. · .20
图23：PS界面功能繁多，学习成本较高. ······························································..· .22
图24：Firefly界面直接，便于使用. ..22
图25：Duolingo自 ChatGPT发布以来股价大幅上涨. ..25
图26：Chegg自 ChatGPT发布以来股价大幅下降.
图27：Datadog 监控 OpenAl 使用Token 情况.. ..26
图28：Datadog 监控 OpenAl使用情况的仪表板... ..7
图29：Palantir AIP的军事应用.. 8
图30：WPS AI将嵌入产品.. ·················································.··········· .29
图31：WPS AI页面.. …..29
图32：科大讯飞AI学习机亮点. 9
图33：天权视觉大模技术路线.. ..30
表1：谷歌发布的AI模型..
表2：同GPT-4相比，PaLM2在推理领域具备一定竞争力. .8
表3：英伟达 GH100/GA100/GV100/GP100 对比.. ..13
表4：Private Connectivity-固定包月费用，费用大幅低于其他云厂商. .17
表5：国产GPU部分厂商进展.. ..18
表6：海光深算一号与NVIDIA 公司、AMD 公司的高端 GPU 对比. ..19
表7：AI应用场景及相关公司.. .21
表8：AI应用场景及相关公司.. ….22
表9：海外各类AI应用百花齐放. ..23

大模型：国内外快速迭代，信息革命引擎动力十足

OpenAI 引领大模型奇点时刻，GPT-4再次进化

OpenAI推动GPT模型快速迭代，ChatGPT成为标志。随着ChatGPT引爆全球科技行业，关于AI大模型的突破成为关键焦点。第一阶段GPT-1到GPT-3主要以参数扩张为主：基于Transformer模型，通过学习大量未标记的文本数据，逐步结合无监督预训练的技术，开始具备少样本及零样本学习的能力；模型参数也从1.2亿，提升至15.8亿，最终达到GPT-3的1750亿。第二阶段为模型增强阶段：InstructGPT引入了人类反馈强化学习方案（RLHF），鼓励模型输出与人类偏好一致的结果，随后ChatGPT面向公众，产生更多的有效标注数据；GPT-4则实现了多模态模型，可以接受文本和图像形式的输入，其真实性和有效性方面取得了有史以来最佳成果。

图1：GPT模型的持续迭代

资料来源：Freebuf，国信证券经济研究所整理

GPT-4再进化，能力进一步提升。0penAI经过6个月的对抗测试，以及结合ChatGPT的经验对GPT-4持续调整，在真实性和可控性取得了历来最好结果。GPT-4处理文本量达到25000 字左右，约等于ChatGPT的八倍，也能接受图像输入。根据实验结果，GPT-4 在各种专业测试和学术基准上表现与人类水平相当。与GPT-3.5相比，当任务复杂性达到一定阈值后，GPT-4比3.5具有更好的表现，其能够处理更细微的指令。GPT-4 目前的整体表现优于现有的大型语言模型。

媒体爆料GPT-4模型细节，参数体量再扩大。OpenAI并没有披露GPT-4模型的细节，近期媒体 semianalysis 发布文章《GPT-4 Architecture， Infrastructure,TrainingDataset，Costs，Vision，MoE》介绍了GPT-4的模型细节。文章表示,GPT-4在120层中总共包含了1.8万亿参数，是GPT-3的10倍以上；GPT-4采用混合专家（MoE）模型，共有16个专家，每个专家的MLP参数约为1110亿；GPT-4的训练使用了大约25,000个A100 芯片，一次的训练的成本为6300万美元。从GPT-4模型比GPT3.5更好的效果表现来看，无论是参数体量、模型优化都有进一步的提升。性能的持续提升，为AI应用的进一步打下基础，同时也大规模拉动了算力的需求。

图2：GPT-4在各类考试中表现更为优异

资料来源：openAI，国信证券经济研究所整理

谷歌推出PaLM2，全面升级迎战OpenAI

谷歌发布PaLM2新一代Al大模型，包含Gecko、Otter、Bison、Unicorn 四个版本。谷歌发布PaLM2新一代AI大模型，重点改进了多语言翻译、数据相关、程序语言、推理和自然语言生成能力等。目前，PaLM2按照模型大小提供了4个版本，从小到大依次为Gecko（壁虎）、Otter（水獭）、Bison（野牛）、Unicorn（独角兽）。其中，最轻量级的Gecko（壁虎）可以直接在各种智能手机设备上本地化运行，且每秒可以处理约20个 token，对应16-17个单词，基本满足移动设备用户的需要。

图3：PaLM2提供4个版本，适用于不同场景
PaLM 2 Models

资料来源：Google，国信证券经济研究所整理

基于PaLM2，谷歌还推出垂直和多模态模型。Med-PaLM2是由谷歌健康团队打造，能回答各种医学问题，是首个在美国医疗执照考试中达到专家水平的大语言模型。Sec-PaLM2是面向网络安全维护的垂直大模型，通过AI来帮助分析和解释潜在恶意脚本的行为，在非常短的时间内检测哪些脚本实际上对个人和组织构成威胁。此外，谷歌也将研究重心投向多模态模型Gemini。该模型今年才开始开发，将具有像GPT-4一样的万亿参数，目前仍在训练中。

表1：谷歌发布的AI模型

模型	功能		应用场景	市场对应产品
PaML 2	√	改进了数学、代码、推理、多语言翻译和自然语言生成能力，利用谷
		歌最新的TPU算力基础设施提升了训练速度；	自身大模型,包括 Bard、	ChatGPT
	√	提供了不同尺寸规模的四个版本，从小到大依次是Gecko、0tter、	Cloud等
Med-PaLM 2		Bison 和 Unicorn，更易于针对各种用例进行部署
	√ √	基于PaML2，针对医疗知识微调而成；
	√	可以检索医学知识、回答问题、生成有用的模板和解码医学术语；医疗场景		医疗大模型
Sec-PaLM 2	√	轻松通过美国医学执照考试，达到专家水平；
	√	基于PaML2，针对安全知识微调而成；帮助分析和解释具有潜在恶意脚本的行为，并检测哪些脚本对个人或网络安全场景		网络安全大模型
		组织构成威胁；
Gemini	√	Google Brain和DeepMind 合作研发，目前仍在训练中；	未来通用人工智能
（双子星）	√	面向未来，做多模态基础模型；		BEiT-3、BriVL等
（双子星）	√	在工具和API方面非常高效；	（AGI）

资料来源：Google，国信证券经济研究所整理

PaLM2持续迭代进步显著。22年4月，谷歌发布第一代AI大模型PaLM，并持续优化。根据Google发布的《PaLM2Technical Report》披露，PaLM2基于计算最优缩放、增强数据集混合、更新模型架构三个维度进行优化，完成迭代升级。相比于第一代PaLM，PaLM2在多语种、推理、编程等领域表现大幅提升：

1）多语种能力：PaLM2在多语言文本方面进行了大量的训练（涵盖100多种人类语言），大幅提高其理解、生成和翻译各种语言的能力。从实验结果来看，PaLM2在现实世界高级语言能力考试中的表现显著优于第一代PaLM，甚至在部分考试中，语言能力达到了“教授级”的水准。（例如PaLM2的日语水平达到了A级，而PaLM的日语水平仅为F级）

2）推理能力：推理能力是AI大模型的重要能力之一，使用代表性推理数据集WinoGrande、ARC-C、DROP、StrategyQA等对PaLM2的推理能力进行评估，结果显示PaLM2的推理能力表现大幅优于PaLM，甚至在部分数据集中，PaLM2的表现优于SOTA（当前最高水平）。同时，用具有思维链Prompt或自洽性的MATH、GSM8K和MGSM 等基准进行评估，PaLM2的表现大幅优于PaLM。

3）编程能力：PaLM2在大量公开可用的源代码数据集上进行预训练，支持20多种编程语言，尤为擅长Python 和 JavaScript等流行编程语言，也可进行 Prolog、Fortran和Verilog等小众编程语言。1）代码生成能力测试：使用3个编码数据集（HumanEval、MBPP、ARCADE）对PaLM2的代码生成能力进行测试，PaLM2的代码生成表现优于PaLM；2）多语言编码能力测试：使用BabelCode评估PaLM2的多语言编码能力，包括将 HumanEvual翻译成C++、Jave、Go等high-resource语言或 Haskell、Julia等low-resource 语言，结果显示，对于大多数编程语言，PaLM2转码能力优于PaLM。

在推理和数学领域，PaLM2相比GPT-4具有一定竞争。推理领域：PaLM2在WinoGrande、DROP推理数据集中表现优于GPT-4，而在ARC-C 中表现弱于GPT-4,整体来看，同GPT-4相比，PaLM2在推理领域具备一定竞争力。数学领域：PaLM2 在MATH中表现优于GPT-4，在GSM8K中表现弱于GPT-4，整体来看，PaLM2在数学领域具备一定竞争力。

表2：同GPT-4相比，PaLM2在推理领域具备一定竞争力

代表性推理数据集	SOTA GPT-4	PaLM2
WinoGrande	87.54a	87.5a 90.9
ARC-C	96.3a	95.1
DROP	96.3a 88.4d 80.9a	85
StrategyQA	81.6c	90.4
CSQA	91.2e	90.4
XCOPA	89.98g	94.4
BB Hard	65.2f	78.1

资料来源：Google技术文档-《PaLM2Technical Report》-2023-P14，国信证券经济研究所整理

Meta 将发布商用版LLaMA，SAM模型引领CV变革

Meta将发布商用版LLaMA。与OpenAI形成强烈对比，在23年2月，Meta开源了其大语言模型LLaMA，大幅降低了研发人员开发大模型的成本。目前，Meta准备发布其大语言模型LLaMA的商用版本，将允许初创公司和企业在该技术的基础上构建AI软件。Meta 通过开源和商用版的方式推广LLaMA大模型，与OpenAI和谷歌竞争。目前已经有大量模型基于LLaMA去构建。

LLaMA 模型可以比肩ChatGPT，整体规模也大幅缩小。LLaMA 模型提供有70亿、130 亿、330亿和650亿四种参数规模，即使对比有1750亿(175B)个参数的 GPT-3,LLaMA 模型参数量也是小的多。LLaMA的训练数据集包括开放数据平台CommonCrawl、英文文档数据集C4、代码平台GitHub、维基百科、论文预印本平台ArXiv;在逻辑推理等方面优于GPT-3,在代码生成方面优于LaMDA和PaLM。根据香港科技大学针对闭源大语言模型的对抗蒸馏框架的研究，通过蒸馏形成的7B的LLaMA模型（命名为Lion），在只有70k 训练数据的情况下，实现了近95%的ChatGPT能力。LLaMA 模型大幅减少算力消耗，提升模型可部署性和易用性。

图4：7B LLaMA 模型接近ChatGPT 95%的能力

资料来源：香港科技大学，国信证券经济研究所整理

SAM 模型是CV领域的ChatGPT。2023年4月Meta发布了全新的AI模型 SegmentAnything Model，用以处理CV领域的图像分割。模型采用了ChatGPT基于提示Prompt的学习范式，完成了预训练和下游任务的统一，提高了泛化能力，并具有较强的零样本学习能力。SAM的核心愿景为减少对于特定任务的专业建模知识要求，减少训练计算需求，减少自己标注掩码的需求，在“不会/少会、不标注/少标注、不训练/少训练”的情况下分割目标。

SAM模型特点：

1)与ChatGPT的启发思想一样，采用Prompt-based learning的可提示学习范式,提高学习效率；

2）建立了迄今为止最大的分割数据集 Segment Anything 1-Billion（SA-1B），含 1100万张图像，超过10亿个掩码，比任何现有的分割数据集多400 倍；

3）建立了通用的，全自动的分割模型，零样本灵活转化新任务、新领域，结果甚至优于之前的监督结果。

图5：SAM模型原理

资料来源：《Segment Anything》，国信证券经济研究所整理

SAM引起AI届的广泛关注和讨论，并产生相关衍生模型，提升模型功能，增加应用可能性。其衍生模型SEEM、MedSAM、SAM-Adpater、SAM-Track 在分割效率、医学影像分割、阴影缺陷检测、伪体识别和动态图像分割等领域有性能提升，或可应用与运动场景、医学影像、遥感图像等图像分割难度较大的领域：

1）SEEM（Segment everything everywhere at once)是研究者基于 SAM提出的新的交互模型，利用SAM强大的零样本泛化能力，实现对任意图像中的所有物体进行分割。研究者提出了一种新的分割框架，将SAM与一个检测器结合，通过给SAM提供检测器输出的边界框作为输入提示，从而生成对应物体的掩码；

2）除了医学影像分割的困难程度外，阴影检测和伪装物体分割任务对SAM来说也是比较困难的，因为它们涉及到细微的视觉线索和复杂的背景。因此可以引入SAM-Adapter，通过使用简单而有效的适配器将特定领域的信息或视觉提示融入分割网络，从而提高其在阴影检测和伪装物体分割等任务上的性能。

3）MedSAM为将SAM应用到医学影像分割的研究，该研究提出了一种简单的微调方法来适应SAM到通用的医学影像分割任务，并在21个三维分割任务和9个二维分割任务上进行了全面的实验，证明MedSAM 分割效果优于默认的SAM 模型。

图6：SEEM在交互和语义空间上都比SAM更具泛化性

资料来源：《Segment Everything Everywhere at once》，国信证券经济研究所整理

图7：SAM-Adapter示意图

资料来源：《SAM Fails to Segment Anything?- SAM-Adapter:Adapting SAMin Few-shot Learning》，国信证券经济研究所整理

国内模型奋起直追，中文能力有望取得领先

国内中文通用大模型水平持续逼近GPT-4。SuperCLUE是针对中文可用的通用大模型测评基准，其主要从基础能力、专业能力、中文特性三个维度进行评测。基础能力包括语义理解、对话、代码生成、创造等10项能力；专业能力包括中学、大学考试等，涵盖数学、物理多个学科等50多项能力；中文特性包括中文特色任务，如成语、诗歌、文学等10 项能力。从测评来看，GPT-4、GPT-3.5-turbo、Claude模型依然领先，国内360、讯飞模型紧随其后，其快速迭代有望进一步缩小差距。

图8：12款中文通用大模型中文评测

资料来源：SuperCLUE，国信证券经济研究所整理

讯飞星火大模型目标10月中文能力超ChatGPT3.5。科大讯飞于23年5月6日发布星火认知大模型，6月9日升级到V1.5；目标8月15日，模型代码能力以及多模态交互能力将进一步提升；目标10月24日，模型实现对标ChatGPT3.5：

中文超越、英文相当。在公司最新发布的星火认知大模型1.5版本中，模型对文本生成、数学能力等各项能力均有提升，实现了开放式知识问答、逻辑和数学能力升级和多轮对话能力，综合能力三大升级。目前讯飞星火已经完成了PC、iOS、安卓、小程序与 H5主流系统的全覆盖。科大讯飞是全国唯一一家承建认知智能全国重点实验室的企业，作为中国人工智能“国家队”，持续加强大模型投入，模型能力已位居国内前列，已逐步向各行业赋能。

图9：讯飞星火认知大模型1.5

资料来源：科大讯飞，国信证券经济研究所整理

360 智脑迅速迭代至4.0,模型能力国内领先。360集团自23年3月29日发布360智脑1.0以来，迅速迭代至4.0版本，模型能力进一步提升。360在6月13日最新发布了认知型通用大模型“360 智脑4.0”，并宣布360 智脑已经接入360 旗下产品“全家桶”中，包括搜索引擎、浏览器、安全卫士等核心产品。目前360智脑具备生成与创作、多轮对话、代码能力、阅读理解、逻辑与推理、多模态等十大核心能力。360 智脑4.0是一个千亿级别的自研多模态大模型，在国内首发“文生视频”功能。在商业化方面，360 也推出AI数字人广场，平台上拥有 200 多个角色，分为数字名人和数字员工两大类；同时，360AI数字人支持根据私人知识库进行定制，生成自己的专属数字人。在安全方面，360GPT-S2-V8型号产品已通过工信部信通院认证，成为国内首个可信AIGC大模型。360在2015年即成立了AI研究院，并开始探索多模态数据；同时，公司在搜索、安全等核心业务上也积累了大量AI应用能力。2021年9月，360与智源研究院共同建立了北京国家新一代人工智能创新发展试验区多模态大数据开放实验室。360在AI能力持续积累，并在大模型领域快速迭代和突破，多项能力位列国产大模型第一，有望开启新成长曲线。

图10：360 智脑4.0十大能力

资料来源：360智脑，国信证券经济研究所整理

算力：GPU仍是最稀缺资源，国内外加速迭代

英伟达引领算力装备竞赛，GPU和云双管齐下

AI大模型大幅拉动英伟达GPU需求，英伟达数据中心业务持续超预期。AI大模型的训练和推理对算力提出巨大需求，市场对AI算力GPU呈现供不应求的趋势。英伟达23年Q1数据中心业务收入达到42.8亿美元，同比增长14%，高于预期的39 亿美元，创下历史新高；预测二季度的销售额将达到110亿美元，远高于华尔街预期的72亿美元。受ChatGPT等AI模型和应用的推动，各大云厂商、科技公司在大模型和AIGC 领域加大投入，对GPU 需求显著提升。英伟达数据中心业务超预期刺激其股价大涨的同时，也开启了算力的快速迭代。

英伟达占据GPU八成市场份额，A100、H100是市场重点需求点。根据市场调查机构Jon Peddie Research 对一季度的GPU 出货量统计，虽然整体行业出货量下降，NVIDIA仍以83.7%的份额统治GPU市场。在高端的AI计算领域，英伟达快速迭代成为当前市场的必然选择，尤其A100 和 H100是AI大模型训练的主要产品：

A100：采用NVIDIAAmpere 架构，是NVIDIA 数据中心平台的引擎，性能比上一代产品提升高达 20 倍，并可划分为七个 GPU 实例，以根据变化的需求进行动态调整，且支持第二代NVLink技术。A100 拥有高达6,912个CUDA核心和40GB的高速 HBM2 显存；支持英伟达自主研发的Tensor Cores 加速器，可提供高达 20倍的深度学习性能提升。

H100：采用最新的面向高性能AI计算的 Hopper架构，也是TSMC 目前最先进的4nm 工艺，集成多达800亿个晶体管，支持 NVLink第4代。H100 总计有16896个CUDA 核心、528个Tensor核心、50MB二级缓存。2022年推出的 H100 性能进一步精进，FP64、TF32、FP16 的计算能力是 A100 的3 倍，而 FP8 的计算能力是A100的6倍。

表3：英伟达 GH100/GA100/GV100/GP100 对比

GPU	GH100	GA100	GV100	GP100
Transistors	80B	54.2B	21.1B	15.3B
Die Size	814 mm2	828mm2	815mm2	610 mm2
Architecture	Hopper	Ampere	Volta	Pascal
Fabrication Node	TSMC N4	TSMC N7	12nm FFN	16nm FinFET+
GPU Clusters	132	108	80	56
CUDA Cores	16896/14592	6912	5120	3584
L2 Cache	50MB	40MB	6MB	4MB
Tensor Cores	528	432	320	1
Memory Bus	5120-bit	5120-bit	4096-bit	4096-bit
Memory Size	80 GB HBM3	40/80GB HBM2e	16/32 HBM2	16GB HBM2
TDP	700W/350W	250W/300W/400W	250W/300W/450W	250W/300W
Interface	SXM5/*PCle Gen5	SXM4/PCle Gen4	SXM2/PCle Gen3	SXM/PCle Gen3
Launch Year	2022	2020	2017	2016

资料来源：英伟达，国信证券经济研究所整理

H100 在大模型训练上更为突出。H100 配备第四代 Tensor Core 和Transformer引擎（FP8 精度），与A100 相比，可为多专家（MoE）模型提供高9倍的训练速度。第四代TensorCore可加速所有精度（包括FP64、TF32、FP32、FP16和INT8）。Transformer引擎可结合使用 FP8 和FP16 精度，减少内存占用并提高性能，同时仍能保持大型语言模型的准确性。以具备5300亿参数的Megatron 聊天机器人推理模型为例，H100可将推理速度提高30倍，并提供超低的延迟。H100成为各大AI厂商紧缺产品，近期融资13亿美元的Inflection AI，正在建立世界上最大的AI集群，由22000 张H100 组成。近期英伟达CE0 宣布AI服务器 H100已全面量产。

图11：H100 针对大型模型提供高达9 倍的AI 训练速度

资料来源：英伟达官网，国信证券经济研究所整理

图12:H100 超大模型的 AI 推理性能提升高达 30 倍

资料来源：英伟达官网，国信证券经济研究所整理

英伟达在2023年GTC 大会上再推出 H100 改进版 H100 NVL。该产品是基于去年已经发布的 H100 的改进版本：配备双GPUNVLink，将两张拥有94GB HBM3 显存的 PCle H100 GPU拼接在一起。H100 可处理拥有1750 亿参数的 GPT-3，还可支持商业PCIE 服务器扩展。英伟达宣称 H100 NVL 提供的 GPT3-175B 推理吞吐量是上一代 HGX A100 的12 倍（8 个 H100 NVL 对比8个 A100）。H100 NVL卡将于今年下半年开始发货，以满足当前对大语言模型训练的强烈需求。

迅速迭代，英伟达再推GH200。2023年5月底，英伟达CE0在台北电脑展上发布GH200 Grace Hopper 超级芯片，以及基于 NVIDIA NVLink Switch System 驱动的拥有 256个GH200 超级芯片的NVIDIA DGX GH200 超级计算机。GH200 是将 72 核的 Grace CPU、H10O GPU、96GB 的 HBM3 和 512 GB 的 LPDDR5X 集成在同一个封装中，拥有高达 2000 亿个晶体管。GH200 使用 NVIDIA NVLink-C2C 芯片互连，将基于Arm 的 NVIDIA Grace CPU 与 NVIDIA H10O Tensor Core GPU整合在了一起,以提供 CPU十GPU一致性内存模型，从而不再需要传统的 CPU 至GPU PCIe连接，数据带宽可高达 900G/s。GH200 为“巨型GPU”，是英伟达第一次使用NVLinkSwitch 拓扑结构来构建整个超级计算机集群，比前一代系统高出 10 倍的 GPU到 GPU 和7 倍的 CPU 到 GPU 的带宽。256 颗 Grace Hopper 超级芯片将 DGXGH200 的“Al 性能”提升到了exaflop（一百万万亿次）。谷歌云、Meta和微软将有望成为首批选用DGX GH200 系统的科技公司。

图13：英伟达 GH200架构

资料来源：英伟达，国信证券经济研究所整理

DGX Cloud云服务问世，英伟达推出AI算力云。英伟达DGXCloud 是未来公司重点计划，公司提供了专用的NVIDIA DGXAI超级计算集群，搭配NVIDIAAI软件，向每家企业出租AI算力。英伟达的AI计算集群强大而昂贵，企业以云租赁的方式采购将更快、更方便的实现自身的AI训练和应用。目前英伟达已经和微软云、谷歌云、Oracle OCI开展合作，其首个NVIDIADGXCloud 是与Oracle合作的云服务，每个实例每月36,999美元起。每个实例包括八个NvidiaH100 或A100 80GB GPU，每个GPU节点内存高达640 GB。计算资源是专用的，不与云中的其他租户共享，网络也在租户之间隔离。

图14:英伟达推出DGX Cloud云服务

资料来源：英伟达官网，国信证券经济研究所整理

Oracle 云业务快速增长，与英伟达合作发展AI算力租赁

Oracle与英伟达联合发力AI算力，云业务快速增长。在全球云基础设施服务（laaS+PaaS）中，亚马逊AWS、微软Azure、Google Cloud占据主要市场份额，合计占比达 65%;其中,0racle全球市占率为2%,全球位列第七,同AlibabaCloud、IBM Cloud、Salesforce、Tencent Cloud 差距不大，均位于第二梯队。在最近一期0racle季报中，单季度0Cl云业务（laaS+SaaS）营收达44亿美元，同比+54%;其中，laaS 业务营收14亿美元，同比+76%，云厂商中单季度云业务增收增速第一。鉴于科技行业当前对AI算力的巨大需求，Oracle和英伟达合作AI算力云服务有望保持快速增长。0racle董事长在6月底表示，公司正在花费“数十亿美元”购买英伟达公司的芯片，以扩展针对新一波 AI人工智能浪潮的云计算服务。

图15：23Q1全球云基础设施服务，0racle占比2%

资料来源：Synergy Research Group，Statista，国信证券经济研究所整理

图16：最近季报，0racle云业务营收同比+54%，位列第一

资料来源：各公司财报，国信证券经济研究所整理

OCI的RDMA技术优势明显，与英伟达合作强强联合。RDMA（RemoteDirect MemoryAccess）指远程直接地址访问，本端节点可通过RDMA“直接”访问远端节点内存。Oracle可以提供一个RDMA 网络，具有裸金属计算和高性能本地和块存储，可以容纳超过32,000个GPU。一个非阻塞的 RDMA 网络给予0CI更强的竞争优势，尤其比竞争对手更能运行模拟功能。RDMA主要技术优势在：

1）0拷贝：Linux等操作系统将内存划分为用户空间和内核空间，在传统Socket通信中,CPU需要多次把数据在内存中User space和Kernel之间来回拷贝,而RDMA不需要；

2）CPU 卸载：传统以太网通信，双方CPU都必须参与各层报文的解析，而 RDMA不需要，节省CPU 计算资源；

3）内核Bypass：I0（数据）流程可以绕过内核，在用户层把数据准备好并通知硬件准备发送和接收，避免了系统调用和上下文切换的开销。

同时，OCI也选择NVIDIA BIueField-3? DPU 作为其网络堆栈的最新部分，支持RDMA，用于从CPU 卸载数据中心任务。通过利用BIueField-3DPU，OCI正在拓展其布局已久的方法，即将数据中心基础设施任务从CPU卸载。

目前，0CI单一集群可以拓展至32,768个NVIDIAA100 GPUs，节点之间的延迟为微秒，GPU之间的带宽可达 200Gb/sec。单节点8个GPU，全双工（FuII-Duplex）连接到网络结构。以BM.GPU4.8为例,单节点配置8颗NVIDIA A100 GPUs,共1,600Gb/sec，全双工（FulI-Duplex）连接到网络结构，延迟可低至2微秒。

OCI延迟更低，稳定性更好。根据 Accenture 发布的《Enterprise Workloads MeetThe Cloud: Understanding Oracle Databases in the Cloud》，Accenture 对云服务商进行测试（OLTP交易测试），OCI表现出色。1）速度更快：每秒交易量大幅提升；2）更低延迟：0CI峰值延迟水平是其他云的1/5，其平均延迟水平仅有0.168ms（2,000个数据点）；3）更加稳定。

图17：单一集群可拓展至32,768个Nvidia A100 GPU

资料来源：Oracle，国信证券经济研究所整理

图18：单节点8个GPU

资料来源：0racle，国信证券经济研究所整理

OCI具备价格优势，Al算力租赁成为发展方向。OracleCloudInfrastructureFastConnect和亚马逊的AWSDirectConnect是类似的服务，都是连接用户数据中心和云（通过专用的、私有的1Gb或10Gb）。0CI对每个端口收取统一固定费用，且不收取入站/出站费用，在低使用率的情况下，比AWS便宜74.24%，随着使用率的增长，节省的费用会更多。

除此之外，0ClPublic Connectivity-前10T免费，超出部分仅收取少许费用；OCI也更具性价比优势，在通用+内存优化AMD 计算实例测试、计算优化的Intel实例测试中，0CI表现出2x-3x的性价比优势。0CI在全球提供一致的定价，一致的产品体验；亚马逊AWS在全球不同地区定价不同，价格波动加高，往往美国以外地区定价更高。

由于受到算力投入成本的限制，过去国内外仅部分头部互联网厂商可以训练/微调自己的大模型。参考Oracle OCI的成功案例，以及各大云厂商加大对GPU采购，AI算力租赁成为新产业趋势。

表4:Private Connectivity-固定包月费用，费用大幅低于其他云厂商

% Utilization of 10Gbps	TB/Month transferred	Oracle Cloud Infrastructure	AWS DirectConnect	Oracle Cloud
connection		FastConnect price/month	price/month (US East)	Infrastructure Savings
3% utilization	97.2	$918	$3,564	74.24%
10% utilization	324	$918	$8,100	88.67%
30% utilization	972	$918 $918	$21,060	95.64%
40% utilization	1,296		$27,540	96.67%
50% utilization	1,620		$918 $34,020	97.30%

资料来源：0racle，国信证券经济研究所整理

国内算力发展迫在眉睫，龙头厂商加大AI芯片投入

算力成为新的国家竞争力，我国算力市场保持快速发展。随着大模型和AIGC引领的科技革命，算力作为核心支撑，成为国家竞争之间新的关键点。根据数据统计，2022年我国算力市场规模约为628.11亿元，数据中心算力总规模超180EFL0PS，位居世界第二。从全球算力分部来看，我国占33%，仅次于美国的34%。在高端算力芯片上，我国与海外仍有巨大差距，发展算力芯片迫在眉睫。

图19：我国算力网络市场规模（亿元）

资料来源：中商产业研究院，国信证券经济研究所整理

图20：我国算力总规模（EFLOPS）

资料来源：中商产业研究院，国信证券经济研究所整理

英伟达芯片进口受限，国内急需填补算力空缺。2022年8月，美国政府要求限制向中国出口两款被用于加速AI计算的最新两代旗舰GPU计算芯片A100 和 H100。英伟达基于此，也推出了中国特供版的A800和H800，特供版芯片算力与原来相同，主要是将高速互连总线的带宽从600GB/s降低到400GB/s，以规避政府限制。根据7月华尔街日报报道，即使是A800 和H800，美国政府也在考虑出口管制，在没有获得许可证的情况下，美国商务部将禁止英伟达等制造商向中国客户运送AI芯片。因此国产GPU厂商需要加快实现国产替代。

国内GPU厂商在加紧突破。自英伟达推出GPGPU后，GPU也成为AI芯片的代名词。国内上市公司、创业公司均在加快GPU 领域的布局，国产AI芯片产业正迎来爆发期。创业公司中，壁仞科技、天数智芯、沐曦科技等均已推出采用7nm工艺的GPU,且具备较高的算力表现，如壁仞 BR100 在22年创下全球通用GPU芯片算力纪录，沐曦 MXC500 对标A100，有望在年底规模出货。上市公司中，海光、寒武纪上一代产品可对标英伟达部分产品，均在以英伟达A100 为目标加快迭代；龙芯等也在向AI 算力芯片入局。华为昇腾在AI芯片上表现不俗，同时也在顺应产业趋势，推出昇腾AI云服务。

表5：国产GPU部分厂商进展

厂商	细分	芯片	性能	产品进展
景嘉微	GPU	JM5/JM7/JM9	耗30W	旗舰型号JH920：14nm，1.5TFlops，功JM5/JM7已量产，商业化落地；JM9已完成流片、封装阶段工作及初步测试工作
摩尔线程GPU		MTT S60/MTT S2000	MTT S2000：4096个MUSA，12 TFlops	12nm,MTT S60:2048个MUSA，6 TFlops；2022年3月发布首款 GPU桌面级显卡MTT S60、首款面向数据中心的服务器计算卡MTT S2000
壁仞科技 GPGPU 壁砺系列			7nm	BR100 拥有 770亿个晶体管，1024 T0PS INT8，512 TFLOPS BF16、256TFL0PS TF32+、128 TFL0PS FP32,
沐曦科技GPU		曦思和曦云两款AI芯片，曦云 MXC	7nm	MXC500 是对标A100/A800 的算力芯片，FP32浮点性
昆仑芯	XPU	用于AI训练及通用计算的GPU芯片	7nm	能可达15TFlops，兼容CUDA，预计年底规模出货 2021年下半年实现量产，256 TOPS@INT8，128
龙芯中科 GPGPU3B6000		昆仑2		TFLOPS@FP16 已经完成相关IP 的设计，正在验证优化，第一个集
				成自研GPGPU核的 S0C 芯片计划于2024年Q1流片
	天数智芯 GPGPU	天垓100 和智铠 100 两款AI芯片，）天垓100是一款基于GPGPU 架构芯7nm		从底层硬件到上层软件都是独立设计开发，BI芯片
	天数智芯 GPGPU	片的高性能云端通用并行计算卡		容纳 240亿晶体管，与同类产品相比，面积缩小了 1/2，功耗更低，性能也是同类主流厂商产品的2倍

资料来源：数据猿，国信证券经济研究所整理

寒武纪连续推出云端AI芯片，思元370可对标A10。从2018年开始，寒武纪陆续推出四代芯片产品：思元100、思元270、思元290（车载）以及思元370系列。思元370已于2021年上市量产，其基于7nm制程工艺，集成了390亿个晶体管，最大算力高达256T0PS(INT8)。MLU370-X4 加速卡的优势则表现为高性能，算力可达 256T0PS（INT8），加强了FP16、FP32的计算性能，新增BF16 计算类型。在 Cambricon Neuware SDK 上进行实测可知，常用的 4 种深度学习网络模型中，X4 加速卡与市场主流 150WGPU 相比，性能表现2 项持平2项更优，实测能效则为 GPU 的2 倍。寒武纪产品以英伟达对标，思元370-X4 加速卡在70-75W 功率上性能大幅领先于T4，在150W 功率上又实现了与A10 持平或小幅领先，功耗效率则高出2 倍还多。

寒武纪思元590备受期待，有望接近A100。思元590将是寒武纪最新一代云端智能训练芯片，目前产品还未发布，但市场寄予厚望。思元590采用MLUarch05全新架构，实测训练性能较在售旗舰产品有大幅提升，能够提供更大的内存容量和更高的内存带宽，其I/0和片间互联接口也较上代实现大幅升级。市场分析认为，思元590算力综合性能大约是A100的70%，一定程度和场景上有望能替代A100,成为国内AI芯片有力竞争者。

图21:MLU370-X4与GPU对标

资料来源：寒武纪，国信证券经济研究所整理

海光具备生态优势，深算二号进展顺利。海光DCU采用GPGPU架构，兼容“类CUDA”环境，解决了产品推广过程中的软件生态兼容性问题。海光DCU系列深算一号已于2021年实现商业化应用，相比于英伟达A100及AMD的MI100，在典型应用场景下，海光深算一号指标达到国际上同类型高端产品的水平。深算一号DCU 配备60-64个计算单元，最大32GB HBM2内存，260-350W功耗。深算一号是国内为数不多具备浮点计算能力的GPU，目前性能约为A100 的六成。当前公司在研发深算二号，研发进展顺利，产品性能在国内处于领先地位。

表6：海光深算一号与NVIDIA 公司、AMD 公司的高端 GPU 对比

项目	海光	NVIDIA	AMD
品牌	深算一号	Ampere100	MI100
生产工艺	7nm FinFET	7nm FinFET	7nm FinFET
核心数量	4096 （64 CUs）	2560 CUDA processors 640 Tensor processors	120CUs
内核频率	Up to 1.5GHz (FP64)	Up to 1.53Ghz	Up to 1.5GHz (F64)
显存容量	Up to 1.7Ghz (FP32) 32GB HBM2	80GB HBM2e	Up to 1.7Ghz (FP32) 32GB HBM2
显存位宽	4096 bit	5120 bit	4096bit
显存频率	2.0 GHz	3.2 GHz	2.4 GHz
显存带宽	1024 GB/s	2039 GB/s	1228 GB/s
TDP CPU to GPU互联	350 W	400 W	300W
	PCle Gen4 × 16 xGMI × 2,	PCle Gen4 × 16 NVLink	PCle Gen4 × 16
GPU to GPU 互联	Up to 184 GB/s	up to 600 GB/s	Infinity Fabric x 3, up to276 GB/s

资料来源：海光信息招股书，国信证券经济研究所整理

华为昇腾910算力性能优异，国产大模型算力主力。华为昇腾主要包括昇腾910和昇腾310两款处理器，分别于2018和2019年发布。昇腾910基于自研华为达芬奇架构3DCube技术，支持云边端全栈全场景应用。算力方面，昇腾910完全达到设计规格，半精度（FP16）算力达到320TFL0PS，整数精度（INT8）算力达到640 TOPS，功耗310W。昇腾AI算力集群能力强大，是业内首个万卡AI集群；昇腾AI也是国内唯一一个完成千亿参数大模型训练并商用的系统。2022年昇腾AI产业开发者数量从90万翻倍至180万，基于昇腾AI原生孵化和适配了30多个大模型，目前中国有一半的大模型创新都是由昇腾AI支持。

与Oracle发展逻辑一致，华为云推出昇腾AI云服务。在23年7月7日的华为开发者大会上，华为宣布昇腾AI云服务在乌兰察布和贵安同时上线。昇腾AI云服务单集群提供2000P Flops算力，千卡训练30天长稳率达到90%，断点恢复时长不超过10 分钟。昇腾AI云服务除了支持华为全场景AI框架昇思MindSpore外，还支持Pytorch、Tensorflow等主流AI框架。华为在最底层构建了以鲲鹏和昇腾为基础的AI算力云平台，基于华为的AI根技术，大模型训练效能可以调优到业界主流GPU的1.1倍。华为此时推出AI算力云服务，也顺应了当前AI算力租赁的产业趋势。

图22：华为昇腾AI云服务

资料来源：华为，国信证券经济研究所整理

应用：GPT功能日益丰富，海外外应用加速落地，国内应用逐步显现

GPT 大模型应用更新聚焦于B端和C端，不断引入创新功能

3月15日以来,GPT-4和ChatGPT的应用更新主要集中在B端和C端的应用方面，例如在B端，OpenAI将在未来几个月内推出企业版ChatGPT Business、更新copilot并加入语义索引和自动生成 PPT图片等新功能、GPT-4API全面开放等；在C 端，开源 Deep Speed Chat 帮助用户轻松训练类 ChatGPT等大语言模型、ChatGPTPIus 用户可以获得联网和插件的新功能、发布手机端APP并在苹果应用市场开放下载。

此外，OpenAI的商业模式愈发成熟：1）C端按照月订阅模式收费：现有ChatGPT3免费向用户开放，GPT4按照每月20美元订阅付费模式向用户开放，GPT4相比GPT3，在回答方面更可靠、更有创意，同时可以接收多模态的输入。2）B端可以调用GPT的API接口，按使用量收费。3）未来OpenAI潜在可以通过模型用户流量向插件厂商开启接口收费。

表7：AI应用场景及相关公司

时间	更新内容	详细描述
2023/3/15	正式发布GPT-4 Open AI在ChatGPT PIus上提供GPT-4服务，开发人员可通过API构建应用程序和服务（API需要申请)
2023/4/6	发布 ChatGPT 安全方法	针对各国关注的隐私问题等，0penAI在保护儿童、尊重隐私和提高生成数据准确性等方面进一步提升
2023/4/12	微软开源 Deep Speed Chat 本却大幅度降低	微软宣布开源了Deep Speed Chat，帮助用户轻松训练类ChatGPT等大语言模型，可将训练速度提升15倍以上，成
2023/4/25	出企业版 ChatGPT 极大降低了企业使用ChatGPT的风险。	Open AI宣布将推OpenAI宣布将在未来几个月内推出企业版 ChatGPT Business，以满足企业对 ChatGPT 的需求，ChatGPT Business 将严格遵循OpenAI的API数据使用政策，这意味着在默认情况下不会使用，用户的数据训练企业版 ChatGPT模型，
2023/4/27	ChatGPT小范围测试联网功能	ChatGPT增加一个Default（GPT-3．5）with browsing功能，但彼时联网功能处于邀请测试阶段
2023/5/4	微软免费开放 new Bing 推荐等	微软免费开放内置ChatGPT的搜索引擎Bing，只要有微软账户的用户都能使用该产品，支持中文、开发代码、智能
2023/5/9	更新	微软 365 Copilot微软扩大测试范围将邀请全球首批600 名客户体验 Microsoft 365 Copilot，并新增了语义索引，将 OpenAl的文本生成图片模型DALL-E集成在PPT中，快速起草邮件内容等多个智能功能
2023/5/13	ChatGPT推出联网功能	所有ChatGPT Plus 用户可以在新的测试选项中获得联网（Web browsing）和插件（Plugins）功能
2023/5/19	ChatGPT正式发布 App	发OpenAI在官网宣布正式发布App应用，并登录苹果应用商店。需要i0S16.1或更高版本才能使用，手机端的ChatGPT 支持跨设备同步用户的历史记录，还集成了OpenAI的开源语音识别系统Whisper，用户可以用语音输入内容
2023/5/24 2023/6/14	ChatGPT模型重	微软 Build 大会 Bing 将成为 ChatGPT的默认搜索引擎，微软与OpenAl一起打造 ChatGPT插件生态，在Windows11集成 Copilot等 OpenAI 在官网宣布，对ChatGPT的GPT-4、GPT-3.5系列模型进行了大更新，更新内容主要包括API价格大幅度降
	磅更新低、新增模型和功能等
2023/7/7	放使用出了GPT-3.5 Turbo、DALL·E和 Whisper API	GPT-4 API全面开GPT-4 API全面开放使用。现所有付费API用户都可直接访问8K上下文的GPT-4，无需任何等待，此外OpenAI还推
2023/7/8	OpenAl宣布向所用户开放代码解适用于销售、人力资源、医疗、制造、媒体、金融等业务场景。析器功能	有ChatGPT PIus 数据分析功能使得不会专业代码的业务人员，通过自然语言文本、数据文件等，就能快速创建可视化数据分析图表，

资料来源：OpenAI官网，国信证券经济研究所整理

GPT 场景覆盖不断拓宽，目前包括教育、办公、电商、医疗、游戏、金融科技等

GPT的多领域应用不断推动技术的创新与发展。在教育领域，它可以用于语言学习、辅助教学等；在办公领域，它能够提供文档撰写、自动化办公等服务；在电商领域，它可以用于推荐系统、客户服务等；在医疗领域，它具备辅助诊断、健康咨询的潜力；在游戏领域，它能够提供角色扮演、对话系统等交互体验；在金融科技领域，它可用于客户支持、风险评估等应用。GPT的多领域应用不断推动技术的创新与发展。

GPT 赋能海外应用流量入口，双方相互助力。GPT通过语言理解和生成的能力，为海外应用提供了强大的语言交互能力，拓展了其用户基础和市场份额。同时，海外应用为GPT提供了更多的实际应用场景和数据反馈，进一步推动了GPT的优化和升级，并且按照流量等方式进行收费。

表8：AI应用场景及相关公司

场景	类别	海外	功能
教育场景	语音文本互动、内容创作	Duolingo、Chegg、Quizlet、Speak、Nerdy、Facing ItAl 授课、模仿场景教学
办公场景	内容创作、编辑、企业内信息检索Microsoft Copilot、Bluemail、Slack、Salesforce 协助写作、生成办公文档、搜索
电商场景	商品与内容推荐、客服、营销	Shopify、Instacart、 Ai Advertising、Jasper	生成电商产品描述、电商客服
医疗场景	语音文本互动、图片识别、信息检索	Nuance、Bullfrog、Novadiscovery	线上问诊、AI辅助诊断、精准药物研发
游戏场景	内容创作、语音文本互动	Midjourney、Stability Al、 Runway、Canva、 Character.ai	生成素材、NPC 脚本写作、角色建模
	金融科技场景文本交互、数据分析、信息检索 Morgan Stanley、BloombergGPT		智能投研
搜索场景	信息检索	Microsoft Bing、ShiftPixy、YouChat	提升搜索准确率
支付场景	数据分析、文本交互	Affirm、Stripe	自动计费、结账与税务合规
数据分析类场景	数据分析	Palantir	文本交互提取非结构化数据、下达指令

资料来源：各公司官网，国信证券经济研究所整理

基于现有场景和用户积累，AI功能可能降低门槛，扩大受众。以Adobe和 Unity为例，两家公司均属于创作领域的公司。Adobe专注于图形设计、图像制作、数码视频等领域，通过AI产品firefly可实现通过自然语言描述创建图像、插图或视频等功能，相较于传统高技术门槛的PS、PR 等专业图像和视频处理软件，AI产品可大幅降低使用门槛。同样的，Unity是游戏创作领域的龙头公司，旗下AI产品实时创建游戏、并提供数据分析和客户营销等服务，为游戏开发者提供了更高效、便捷的工具和资源。

图23：PS界面功能繁多，学习成本较高

资料来源：Photoshop，国信证券经济研究所整理

图24:Firefly界面直接，便于使用

资料来源：公司官网，知乎，国信证券经济研究所整理

海外AI应用持续探索商业模式，商业路径进展明确

AI产品可大致分为四个阶段：产品创意阶段、产品面向小范围用户开放、产品全面开放以及财务指标显现，根据2023Q1及目前各家公司的进度来看，绝大多数公司处于前两个阶段。以B端应用以及C端的创作领域和教育领域为例：

B端应用更新：

微软365Copilot目前处于产品面向小范围用户开放的阶段

微软 365 Copilot是微软的产品，将LLM的功能与Microsoft 365应用相结合，与商业客户一同测试。

微软 Build2023开发者大会扩大了测试范围，提供50个来自合作伙伴的插件，并邀请600名客户体验。

创作领域更新：

Adobefirefly目前处于产品面向小范围用户开放的阶段

Adobefirefly通过文字描述创建图像、插图或视频，已面向小范围用户开放。

Adobe 在官网放出firefly介绍视频和文字内容，并发布了测试版，集成了多个Adobe 软件。

firefly个人测试版全面开放体验，包含四个功能。开放企业版测试，计划在2023年下半年上线。

教育领域更新：

DuolingoMAX目前处于产品面向小范围用户开放的阶段

Duolingo 与OpenAl 合作进行 Duolingo max 的研发。

Duolingo宣布发布由GPT-4支持的DuolingoMax，针对特定区域用户开放学习法语和西班牙语。

随着AI场景的不断拓宽，以及模型的进一步发展，商业模式和盈利空间将会逐渐在各家公司的产品中逐渐显露出来。

表9：海外各类AI应用百花齐放

公司名称公司业务 AI产品名称 AI产品功能收费 AI产品发布时间线
Adobe 和网页制作	图形设计、图像制作、数码视频firefly	通过文字描述创建图像、插图或视频	文字内容暂无（矢量图重新着色）官网显示firefly仍然是作为嵌入到ps等软件中的一项功能	AI产品阶段 1）2023.3.21 adobe 在其官网放出有关 firefly 的介绍视频和 2）2023.3.21同时放出放测试版，首先集成的程序是Adobe Express，Adobe Experience Manager，Adobe Photoshop and Adobe Illustrator. 产品面向小范 3）2023.5.24 官网宣布firefly个人测试版全面开放体验，共围用户商业化开放四个功能Text to image（文生图）、Generative fill（生开放成填充）、Texteffects（文字效果）、Generativerecolor
C3. Al	帮助企业快速构建和部署人 Al Product 工智能应用程 Suite 序	C3 Generative 利用自然语言快速所有客定位、检索和呈现企户均可业信息	25万美元/月，目前价格为25万美元/月在AWS 市场购买在继续与大公司签约	4）2023.6.8 开放企业版测试，计划让企业本身训练firefly，提高效率，新的企业版产品计划在2023年下半年上线 1）2023.1.31C3.AI提出“宣布推出 C3代AI产品套件” 2）2023.5.30 C3.AI官网宣布生成式AI套件已经可以在 AWS 市场上使用，客户可以在AWS上查看并购买C3AI的所有产品，产品全面开放 3)2023.5.31Q4 财报中说已经与 Georgia Pacific，Flint Hills Resources，and the U.S.Department of Defense Missile Defense Agency (MDA)签署协议，应用将于下一季度启用，并且
Chegg	家庭作业帮助、教科书租赁、大CheggMate 学生在线辅导云应用监控及	驱动性方案、个性化学习、适应性辅导、暂无即时性反馈了解 GPT的使用情	我们将在全年扩大访问范围。” 加入队列等待）	1）2023.4.18 宣布推出由 GPT-4 支持的 Cheggmate 2）2023.5.1 公司在Q1业绩会上说明“随着我们的测试和迭代，产品创意阶段 3）2023.6.12官网上仍然需要加入waitinglist（个人用户可
datadog	datadog 安全平台	暂无况、延迟和 token	控ai的使用、成本和性能”	2023.5.10宣布“Datadog与OpenAl ChatGPT集成，帮助用户监产品创意阶段

请务必阅读正文之后的免责声明及其项下所有内容

docusign 提供在线合同签署服务	面向企业客户, Agreement	帮助签名者更快了 Summarization 解合同中的内容	暂无	1）2023.5.3宣布“将生成型人工智能引入合同和协议”，目前只提供给美国境内小部分用户	产品面向小范围用户商业化
Duol ingo	语言学习APP、 Duolingo Max	1）Explain my 回答错误的地方。2)英榜/	168美元 Answer:根据用户学/年，或习语言的回答，讲解119.99	1）2022.9 Duolingo 已经开始与 OpenAI开始合作进行 Duolingo max 的研发。	开放产品面向小范
	数学学习APP 代码审查、代码		Role Play：在语言年。只针学习的过程中进行对现有角色扮演，针对特定付费会场景学习语言。员开放。支持代码建议、人工	针对澳大利亚、加拿大、爱尔兰、新西兰、英国、美国的区域用开放户开放，只针对法语和西班牙语学习。 1）2023.5.3宣布与谷歌达成生成式AI合作关系，使得GITLAB 可以使用谷歌的大模型，并为自己的客户提供生成式AI服务。	2）2023.3.15 宣布发布由GPT-4 支持的 Duolingo Max。目前只围用户商业化
Git lab	分支、代码自动Gitlab 化部署	等功能	智能辅助查找漏洞暂无用自然语言对话沟	2）2023.6.5Q1 财报宣布“Announced Al-powered workflows in a single DevSec0ps platform with the introduction of Code Suggestions”提及正在扩大谷歌和甲骨文的合作，并不断推出新的AI产品；但同时官网可以提供Al- powered 1）2023.3.17 宣布推出Copilot将大型语言模型（LLM）的强大功能与业务数据和Microsoft365应用相结合，并且微软公司正	产品创意阶段
Microsof t	研发、制造、授权以及提供电copilot 脑软件服务	用户的问题	通，下达指令让它帮助完成任何办公软暂无件中的摘要、整理工作、产出内容或回答	在与部分商业客户一同测试 Microsoft 365 Copilot。 2）2023.5.23 微软年度开发者大会 Build 2023 宣布扩大测试范围用户商业化围至提供超过 50 个来自 Atlassian、Adobe、ServiceNow、Thomson开放 Reuters、Moveworks、Mural等合作伙伴的插件,在Microsoft 365 Copilot正式发布时，将有数千个插件可供选择。 1）2023.6.130racle宣布“计划为全球组织开发强大的生成性	产品面向小范
Oracle	信息管理软件 OCI 及服务供应	设施支持	为生成式AI模型部署和训练提供基础暂无	人工智能服务。”“Oracle将与领先的企业人工智能平台Cohere 合作，提供原生生成人工智能服务，帮助组织自动化端到端业务流程，改进决策，增强客户体验。基于Oracle云基础设施（OCI) 并利用Oracle独特的超级集群功能，0racle生成式人工智能服务将跨越应用程序到基础设施，旨在提供业界最高级别的安全性、性能和价值。” 2）0racle还未宣布计划提供生成式AI应用 3）0racle目前只计划将云服务（OCI）提供作为生成式ai的设	产品创意阶段
Palantir	为美国国防部门、金融机构等 AIP 提供大数据监测和分析软件	支持多种开源大型户建立私人模型和	语言模型，并确保用暂无使用模型的安全性	施和工具 1）2023.4.26 Palantir 发布视频宣布推出继 Gotham、Foundry 平台最大的特色在于能够将0penAI的GPT-4和谷歌的BERT等大语言模型（LLM）集成到私有网络中。 2）2023.5.26 公司宣布其首个AIPCon的直播，来自25多位客	围用户商业化开放
salesfor ce	CRM 软件，跟踪客户活动、营销EinsteinGPT 客户	决策	进行数据处理并分析，提出实现特定目暂无标的建议，显著优化	户的AI演示和公告 1)2023.2.7salesforce在官网上首次提出建立自己的生成式 AI 2）2023.3.1在Q4业绩会上宣布将在一周后发布EinsteinGPT 产品创意阶段 3）2023.3.7salesforce 宣布推出 EinsteinGPT
Shopify	提供工具和服务，帮助商家搭建和运营自己的在线商店	shopify magic 的标题等	生成内容建议，例如产品描述、电子邮件暂无主题和在线商店中	1）2023.2.8 shopify 首次在 the Winter Editions 2023 提出 shopify magic 2）2023.4.20 宣布推出由 ChatGPT支持的AI 购物助手 magic 3）2023.4.20 也宣布已经可以使用magic 用于产品描述生成，但目前也只支持该功能，未来将会不断添加新功能，公司官网已经提供全平台下载和用户指导说明	产品全面开放
Ulpath	帮助公司实现常规业务流程 Clipboard Al 自动化		智能理解文档、电子表格和应用程序中剪贴板上的内容，并暂无自动将数据插入正确位置，进而传输给	1）2023.3.30 UiPathAl峰会上宣布推出 Clipboard，该平台基于 ChatGPT打造 2）2023.3.30开放 waitinglist 申请，目前人人均可申请加入名单	产品创意阶段
Unity	平台 Editor、The	实时 3D互动内暂无明确产品，实时创建游戏、并提容创作和运营但在The Unity 供数据分析和客户暂无营销等服务	企业内部的每个人	1）2023.3.20 unity 在官方新闻中提及将致力于为游戏产业打开生成式AI市场 2）2023.5.10在Q1致股东信中花费大量篇幅论述公司的AI发	产品创意阶段

资料来源：各公司官网，国信证券经济研究所整理

细分场景数据优势是海外应用成功的关键。以教育领域为例，Duolingo和 Chegg均是该领域软件应用的代表公司，Duolingo的主要业务是为全球用户提供针对性和定制化的外语学习计划，Chegg的主要业务是家庭作业帮助、教科书租赁、大学生在线辅导等。在ChatGPT大模型发布后，二者的股价走势呈现出截然相反的走势，Duolingo由69最高上涨至168 美元/股，Chegg 股价由29美元大幅下降至9美元/股，其原因则是在于两款软件的数据稀缺性不同，Chegg提供的均为已有的、确定性知识材料，较为容易被GPT类模型查找及交互功能所取代，而Duolingo则是充分抓住各个用户的个人数据，针对每个人情况的不同提供定制化的服务，拥有极高的教育行业数据壁垒。

除细分场景的数据优势外，1）产品的落地速度：现有业务场景是否已经推出相关AI应用，AI功能是否能够满足现有场景的需求，带动付费率和ARPU值的提升；2)用户指标&财务指标的爆发性突破：接入大模型后，能否观察到用户数量或财务指标有爆发性的增长；3）商业模式的变革：是否通过引入AI功能，实现收入空间的全面打开等三方面也是海外应用能否成功的重要变量。

图25：Duolingo自ChatGPT发布以来股价大幅上涨

资料来源：Choice，国信证券经济研究所整理

图26:Chegg自ChatGPT发布以来股价大幅下降

资料来源：Choice，国信证券经济研究所整理

Datadog、Palantir等基于大模型的基础软件应用也是重点方向

Datadog是全球APM领导者，帮助客户监测大模型应用情况。Datadog是专注于云端软件基础设施的全维度监测平台，提供APM解决方案。它提供实时的全栈性能可见性，涵盖从应用程序顶层到中间层的Kubernetes/Docker/Hypervisor，再到操作系统和中间件，甚至包括数据库和第三方服务等完整基础设施堆栈的性能监测。根据Gartner象限划分，Datadog位居行业领导象限。基于客户对大模型的使用，产生了对模型api、token 等监控的需求。Datadog 提供了一种监控与OpenAl解决方案相关的资源消耗的方法，以便客户在使用大模型中能够了解使用趋势，以此更有效地分配成本。

数据监控需求将起，Datadog与OpenAI集成为客户提供工具。随着OpenAl等大模型产品使用范围越来越广泛，不同的公司、组织、团队构建自身模型，或者使用过程中，均需要对使用情况做全面的了解。因此，监控API的使用情况和Tokens消耗对用户控制支出和提高应用程序性能非常重要，客户可以通过Datadog全面监控，并优化API的使用、延迟和成本，进而更加有效地使用AI模型：

1）跟踪OpenAI的使用模式：提供开箱即用的仪表板，用户可以使用Datadog，通过OpenAI模型、服务、组织ID和API密钥来分解API请求，了解整个组织的API使用趋势。例如，通过API密钥进行跟踪可以帮助客户看到细分特定用户的使用情况，从而使客户能够归因于使用情况和成本的峰值。

图27:Datadog 监控OpenAl使用Token 情况

资料来源：Datadog官网，国信证券经济研究所整理

2)跟踪OpenAI速率和性能：通过跟踪 API 错误率、速率限制和响应时间,Datadog允许用户识别应用程序性能问题并将其与API性能问题隔离开来，避免违反 API速率限制或导致过度延迟。此外，用户可以查看包含提示和完成示例的跟踪和日志，以了解关键应用程序瓶颈和用户行为。

3）跟踪 token 消耗和成本：不同模型对 token成本差异很大，Datadog可跟踪总token 消耗，并按“提示”和“完成”进行细分，帮助用户了解OpenAl使用中主要成本驱动因素。用户可以发现OpenAI成本的峰值，并监控哪些请求、团队和服务产生的成本最高。

4）跟踪多种AI 模型：除了涵盖大型语言模型的GPT系列之外，Datadog 的集成还使客户能够跟踪其他OpenAI模型的性能，成本和使用情况，包括 Ada，Babbage，Curie和Davinci。

图28：Datadog监控OpenAI使用情况的仪表板

资料来源：Datadog官网，国信证券经济研究所整理

Palantir是大数据平台领导者。Palantir以美国军方情报数据的集成及分析起家，目前主要客户是美国及海外盟国政府与能源、运输、金融服务及医疗保健领域的企业。Palantir提供两款主要产品：1）Gotham主要用于政府机构，包括防御和情报部门，用于数据集成、可视化和分析。2）Foundry则更偏向于企业市场，可以帮助组织进行数据管理、数据治理和分析决策。

Palantir发布人工智能平台(AIP)，需求"史无前例"。2023年4月26日,Palantir发布基于大模型的AIP产品，可将大语言模型集成到客户的私人网络中，并在数据分析、数据安全、决策辅助和办公交互等层面为客户提供更优质的服务。AIP在军事和民用市场均有突出表现。军事领域：AIP平台通过大模型综合各方军事数据，为指挥官提供详细的战场信息、各类型情报数据等，提供可行的行动，优化决策时间；在决策后，AIP还能够进行命令下达，并监控整个作战过程。简单案例如，用类似ChatGPT的聊天机器人命令无人机视察，制定攻击计划等。民用领域：AIP通过分析公司和市场多种时间，帮助业务人员进行商业决策。例如，一家制造业公司利用AIP分析其配送中心的运营情况，并决定是否加速、延迟或取消订单，以应对即将到来的飓风。PalantirAIP最大特点是允许客户基于私有数据进行私有化部署，安全是核心优势之一。公司表示，AIP产品正面临“前所未有”的需求。

图29:PalantirAIP的军事应用

资料来源：Palantir，国信证券经济研究所整理

国内监管规定出台，应用有望百花齐放

《生成式人工智能服务管理暂行办法》通过，AI应用将加快落地。7月13日，网信办等七部门正式发布《生成式人工智能服务管理暂行办法》，自2023年8月15日起施行，是国内首份生成式AI监管发展文件。自ChatGPT火爆全球以来，AI大模型应用开始广泛试用，在实现AI领域质变突破的同时，也带来了生成虚假信息、数据安全、偏见隐私、道德法律等问题，也是全球监管领域重点研究的方向。我国此次从《征求意见稿》，到《暂行办法》落地迅速，也表明了政府对AI等科技创新的呵护。《暂行办法》依然重点强调了对数据、隐私、知识产权等的保护，提供者要承担网络信息内容生产者责任，按照《互联网信息服务深度合成管理规定》对图片、视频等生成内容进行标识。同时，《暂行办法》还鼓励生成式人工智能算法、框架、芯片及配套软件平台等基础技术的自主创新，推动生成式人工智能基础设施和公共训练数据资源平台建设等。本次《暂行办法》新增多处对于AIGC 的鼓励，随着相关政策落定，大模型、AIGC 等应用有望加快推向公众，国内应用端有望百花齐放。

金山办公正式推出智能办公助手WPS AI。在2023年7月的的世界人工智能大会上，金山办公宣布推出了旗下的智能办公助手WPS AI。公司在AI 领域一直保持积极投入，如传统产品中智能辅助写作、文档自动翻译、表格拍照还原等应用；随着大模型应用能力持续深化，WPSAI将更进一步。通过WPSAI，用户可以快速文档生成，嵌入多轮对话；WPSAI能帮助用户对已有的文档进行编辑、改写、扩充、润色、中英互译、更换文风等处理。WPSAI还具备强大的智能助手功能，通过与AI助手对话寻求帮助和建议。未来WPSAI 将进一步向三个方向迈进：AIGC（辅助编辑、改写润色等）、阅读理解和问答（辅助阅读和知识检索等）、人机交互（通过自然语言操作）。根据海外多家客户对微软0ffice365Copilot的试用，其价格相比经典版至少高出40%，金山办公同样有较大提价空间。金山办公卡位AIGC+办公场景，AI应用有望重塑商业逻辑。

图30:WPS AI将嵌入产品

资料来源：金山办公，国信证券经济研究所整理

图31:WPS AI页面

资料来源：金山办公，国信证券经济研究所整理

星火大模型助力，科大讯飞AI学习机快速增长。自讯飞大模型推出以来，公司一直加强行业应用落地，公司发布了大模型在教育、办公、汽车、数字员工等多个方向的行业应用成果。以“大模型+AI学习机”为例，让AI 像老师一样批改作文，进行场景式口语对话。在2023世界人工智能大会上，科大讯飞推出最新的LUMIE10学习机，搭载讯飞星火认知大模型，对AI1对1个性化精准学习系统进行了全方位的改进升级。讯飞星火认知大模型发布后，2023年5月～6月，公司C端硬件GMV 创历史新高，同比翻倍增长。其中，搭载讯飞星火认知大模型的讯飞AI学习机GMV在5月和6月分别增长136%和217%。

图32：科大讯飞AI学习机亮点

资料来源：科大讯飞，国信证券经济研究所整理

航天宏图推出多模态大模型“天权”，为遥感领域提供交互式知识服务和内容生成功能。模型可理解并识别用户的意图，并根据多模态数据（文本、语音、图像等）生成回答；模型与公司产品生态紧密结合，嵌入了PIE-Engine Studio服务，提供遥感计算服务代码生成能力。天权大模型经过基础大模型快速迁移、多模态遥感数据引入训练、编码器优化、全流程优化等阶段，以“分割一切、检测一切、生成一切”为目标。

天权大模型在多个领域具备应用空间。基于“天权”大模型的智能问答应用是面向遥感领域的人机对话协作系统，提供感知交互式的知识检索和内容生成能力，赋能国防安全、应急管理、交通水利、国土资源等多个领域。在应急管理、国防安全等行业应用中，航天宏图已经形成了“知识+模型”的任务流调度模式。借助“天权”大模型的意图识别能力，结合专业的行业知识图谱和规则库，该模式可以自动分解任务并搜索当前场景下所需的处理算法或AI模型集合。同时，它还能自动调用流程编排组件，形成解决方案。

图33：天权视觉大模技术路线

资料来源：航天宏图，国信证券经济研究所整理

投资建议

依然建议“超配”计算机板块，尤其关注AI产业链赛道。从国内外AI相关产品迭代节奏来看，AI仍是确定性产业趋势；海外AI发展趋势给予了更领先的视角，迭代创新和产品突破成为本轮科技投资方向。在模型端、算力端、应用端，国内外产业进展积极，尤其国内政策逐步完善后，AI模型、应用有望加快面向市场。我们认为AI仍是当前最值得投资的产业方向，重点关注科大讯飞、三六零、海光信息、金山办公，航天宏图等。

风险提示

经济恢复不及预期，计算机各下游需求持续疲弱。

ChatGPT商业化落地不及预期，相关应用产品竞争力不及预期

中美贸易摩擦加剧，相关AI产业发展受到影响。

免责声明

分析师声明

作者保证报告所采用的数据均来自合规渠道；分析逻辑基于作者的职业理解，通过合理判断并得出结论，力求独立、客观、公正，结论不受任何第三方的授意或影响；作者在过去、现在或未来未就其研究报告所提供的具体建议或所表述的意见直接或间接收取任何报酬，特此声明。

国信证券投资评级

类别	级别	说明
股票投资评级	买入	股价表现优于市场指数20%以上
	增持	股价表现优于市场指数10%-20%之间
	中性	股价表现介于市场指数±10%之间
	卖出	股价表现弱于市场指数10%以上
行业投资评级	超配	行业指数表现优于市场指数10%以上
	中性	行业指数表现介于市场指数 ±10%之间
	低配	行业指数表现弱于市场指数10%以上

重要声明

本报告由国信证券股份有限公司（已具备中国证监会许可的证券投资咨询业务资格）制作；报告版权归国信证券股份有限公司（以下简称“我公司”）所有。本报告仅供我公司客户使用，本公司不会因接收人收到本报告而视其为客户。未经书面许可，任何机构和个人不得以任何形式使用、复制或传播。任何有关本报告的摘要或节选都不代表本报告正式完整的观点，一切须以我公司向客户发布的本报告完整版本为准。

本报告基于已公开的资料或信息撰写，但我公司不保证该资料及信息的完整性、准确性。本报告所载的信息、资料、建议及推测仅反映我公司于本报告公开发布当日的判断，在不同时期，我公司可能撰写并发布与本报告所载资料、建议及推测不一致的报告。我公司不保证本报告所含信息及资料处于最新状态；我公司可能随时补充、更新和修订有关信息及资料，投资者应当自行关注相关更新和修订内容。我公司或关联机构可能会持有本报告中所提到的公司所发行的证券并进行交易，还可能为这些公司提供或争取提供投资银行、财务顾问或金融产品等相关服务。本公司的资产管理部门、自营部门以及其他投资业务部门可能独立做出与本报告中意见或建议不一致的投资决策。

本报告仅供参考之用，不构成出售或购买证券或其他投资标的要约或邀请。在任何情况下，本报告中的信息和意见均不构成对任何个人的投资建议。任何形式的分享证券投资收益或者分担证券投资损失的书面或口头承诺均为无效。投资者应结合自己的投资目标和财务状况自行判断是否采用本报告所载内容和信息并自行承担风险，我公司及雇员对投资者使用本报告及其内容而造成的一切后果不承担任何法律责任。

证券投资咨询业务的说明

本公司具备中国证监会核准的证券投资咨询业务资格。证券投资咨询，是指从事证券投资咨询业务的机构及其投资咨询人员以下列形式为证券投资人或者客户提供证券投资分析、预测或者建议等直接或者间接有偿咨询服务的活动：接受投资人或者客户委托，提供证券投资咨询服务；举办有关证券投资咨询的讲座、报告会、分析会等；在报刊上发表证券投资咨询的文章、评论、报告，以及通过电台、电视台等公众传播媒体提供证券投资咨询服务；通过电话、传真、电脑网络等电信设备系统，提供证券投资咨询服务；中国证监会认定的其他形式。

发布证券研究报告是证券投资咨询业务的一种基本形式，指证券公司、证券投资咨询机构对证券及证券相关产品的价值、市场走势或者相关影响因素进行分析，形成证券估值、投资评级等投资分析意见，制作证券研究报告，并向客户发布的行为。

国信证券经济研究所

深圳深圳市福田区福华一路125号国信金融大厦36层邮编：518046总机：0755-82130833

上海
上海浦东民生路1199弄证大五道口广场1号楼12层
邮编：200135
北京
北京西城区金融大街兴盛街6号国信证券9层
邮编：100032

START YOUR FINANCE

起点财经，网罗天下报告

计算机行业2023年7月暨中期投资策略：紧抓算力、大模型、应用迭代周期，把握AI带来信息产业革命-20230717-国信证券-32页