证券研究报告/策略专题报告

聚焦技术和数据，拥抱 AI

报告摘要：

[Table_Summary] 产业层面：生产力提升需求+新技术广泛应用。目前全球已经历了三轮完整的工业革命，复盘三次工业革命的发展历程，我们发现三次工业革命均是现有产业与新技术结合创造出新的产业，其中新技术诞生的主要驱动力为生产力提升需求，新技术主要围绕信息和能量两个方面展开，对多个行业均有生产力推动。（1）第一次工业革命：蒸汽机诞生的主要驱动力为生产力提升需求。第一次工业革命的核心技术主要围绕能量展开，并广泛应用于多个行业，能量效率和成本的演变是发展主线。（2）第二次工业革命：电力诞生的主要驱动力为全球市场对于更高生产力的需求。第二次工业革命的核心技术仍然以能量为主，同时信息的重要性也开始提升，广泛应用于多个行业，电磁技术和热效率的演变是发展主线。（3）第三次工业革命：电子计算机和集成电路诞生的主要驱动力为二战信息化需求。第三次工业革命的核心技术中能量与信息并重，广泛应用于多个行业，摩尔定律的演变是发展主线。

公司层面：顺应产业发展，把握核心资源。选取成功推动第三次工业革命实现跨越式发展的集成电路、电子计算机、PC 操作系统、互联网作为参考，对推动行业崛起的代表性公司进行讨论，发现能否把握产业发展规律并利用好产业发展每一阶段的核心资源是决定公司能否占优的关键。（1）仙童公司：初创公司+高技术人才的组合下公司快速发展，股权结构和发展方向分歧限制了公司发展，但产业浪潮势不可挡。（2）IBM：把握技术和资金，占领大型机市场，并成功推动计算机应用从政府走向社会。但由于未能把握 PC 市场，IBM 错过全球信息化浪潮。最终依靠从计算机制造到计算机服务的转型推动再度崛起。（3）微软和英特尔：摩尔定律逐渐生效叠加兼容机诞生，PC 市场快速扩大。PC 时代的核心资源在于市场而非技术，微软和英特尔崛起。（4）雅虎：为互联网商业模式定调，流量成为核心资源。但由于互联网 1.0 流量壁垒较低，雅虎未能避免流量恶性竞争。互联网泡沫破裂后平台与应用分离，开创互联网 2.0，但以C端用户为主的商业模式存在盈利天花板。

当前处在第四次工业革命第一阶段，短期看技术，长期看数据。（1）产业层面：信息技术产业生产力提升需求凸显，人工智能发展需求升温。人工智能在信息方面的提升体现在算法和数据两个方面，对能量的要求体现在算力方面，有望呈现以信息为主、能量为辅的局面。人工智能可广泛应用于各行各业，但目前落地程度仍低。数据计算效率的演变规律有望成为第四次工业革命的主线，当前数据计算效率尚未进入快速增长阶段。整体来看，当前仍处于第四次工业革命第一阶段。（2）公司层面：短期看技术，长期看数据。复盘发现，把握所处产业发展阶段的核心资源是公司是否占优的重要因素，核心技本身难度并不高，更稀缺的是使核心技术应用落地的核心资源。短期来看 AI 芯片开发对硬件和软件都要较高要求，技术和资金实力较强的公司有望占优，高成本使得极少数头部企业才具有搭建大模型的实力；长期来看，大部分企业只需要在大模型的基础上结合行业场景和专业需求来赋能自身发展，此时对各行业数据的开发和利用是人工智能相关公司占优的关键。

发布时间：2023-04-16

风险提示：技术发展速度超预期，经济修复、政策出台不及预期

[Table_R相关报告

《公募 REITs 周报：REITs 基金经理“兼任”首次放开》

--20230410

《【东北策略】TMT 行业初期拔估值到何时？》

--20230409

《【东北策略】四月震荡偏强，继续聚焦TMT》

--20230402

《消费基础设施纳入 REITs试点潜在规模或超万亿》

--20230331

《【东北策略】震荡依旧，政策导向占优》

--20230329

证券分析师：邓利军

执业证书编号：S0550520030001

13621861053 denglj@nesc.cn

产业层面：生产力提升需求+新技术广泛应用....
1.1. 第一次工业革命：能量革命.. .4
1.2. 第二次工业革命：能量革命为主，信息革命为辅 ..6
1.3. 第三次工业革命：能量革命与信息革命并重.... ..8
公司层面：顺应产业发展，把握核心资源..... .13
2.1. 仙童公司：技术和人才是工业革命初期的关键动力 ..13
2.2. IBM：把握技术和资金，占领大型机市场...... ....13
2.3. 微软和英特尔：把握市场资源，占领 PC市场.... ...16
2.4. 雅虎：把握流量资源，开创互联网市场 .. ..18
人工智能发展阶段定位和未来发展趋势展望 ...20
3.1. 产业层面：当前处在四次工业革命第一阶段. ..20
3.2. 公司层面：短期看技术，长期看数据.. .26

图表目录

图 1：第一次工业革命中蒸汽机的应用随着能量效率和成本变化展开.....
图 2：能量效率和成本的演变是第一次工业革命的主线...... ..... 6
图 3：第二次工业革命美国主要能源从蒸汽机所需的煤炭转向内燃机所需的石油 .. .... 7
图 4：电磁技术和热效率的演变是发展主线 ....
图 5：ENIAC 的主要单元..... ...... 10
图 6：AlphaGo 早期版本的配置与性能.. ....11
图 7：摩尔定律放缓 ........ ....... 12
图 8：摩尔定律的演变是第三次工业革命的主线.. ...... 12
图 9：IBM Model5150配有主机、显示器和键盘，与当代 PC主要构成已较为类似.. ... 14
图 10：20世纪 80年代 IBM快速追赶 PC发展趋势.. ...... 15
图 11：美国科技股市值占比变化...... .... 16
图 12：微软和英特尔均在 PC 工业生态链中处于不可替代地位 . .... 17
图 13：随着 PC 数量的快速增长，把握市场的微软和英特尔的垄断地位逐渐确立 . ...... 17
图 14：RISC 指令简单但周期数较少，CISC 指令复杂但周期数较多.. ..... 18
图 15：20 世纪 90 年代微软市值收度超过 IBM.... ..... 18
图 16： 21 世纪以来雅虎净利润快速增长... ..... 19
图 17：当前正处于第四次工业革命的开端 ....... ...... 21
图 18：算法模型当前进展和未来相关应用落地预测 . ... 22
图 19：数据要素流通总体框架 .... .... 23
图 20：大语言模型的参数量呈现指数级增长.. ...... 24
图 21：GPT-4 对于软件研发生命周期的变革.. ... 24
图 22：大语言模型的参数量呈现指数级增长 .... .... 25
图 23：针对不同规模的模型和硬件配置，DeepSpeed-RLHF 系统所需的时间和成本 ... ... 26
表 1：1976 年全球大型机市场销售额及市场份额占比.... . 14

1. 产业层面：生产力提升需求+新技术广泛应用

目前全球已经经历了三轮完整的工业革命，复盘三次工业革命的发展历程，我们发现三次工业革命均是现有产业与新技术结合创造出新的产业，其中新技术诞生的主要驱动力为生产力提升需求，新技术主要围绕信息和能量两个方面展开，对多个行业均有生产力推动，具体分析如下：

1.1. 第一次工业革命：能量革命

蒸汽机诞生的主要驱动力为生产力提升需求。首先，在 18 世纪，圈地运动和英国农业革命提高了粮食生产的效率和劳动密集度，迫使无法在农业上自给自足的农民转向家庭手工业，或进入城市和工厂寻求新的就业机会，有助于推动工商业的发展；其次，随着封建制度于 18 世纪初在西方消失，贵族及大地主所享有的各种特权（例如贸易的专利）也随之消失，这些改变推动了自由贸易市场的形成，市场规模快速扩大，而旧有的家庭式工业生产模式已不能满足贸易发展的需要，所以人们便致力提高生产力以增加产量。

第一次工业革命的核心技术主要围绕能量展开，并广泛应用于多个行业。第一次工业革命中蒸汽机的出现使人们利用能量的水平达到新高度，使生产力水平有了较大飞跃。虽然在第一次工业革命之前人们就开始使用机器，但由于动力源只有人力、牲畜或水力，因此机械工具的使用受到较大限制。而化石能源（如煤炭）的使用减少了对于人力或畜力的能量依赖，机械带来的动力为生产效率带来质的飞跃，如农业生产效率得到了大幅提高；机械纺织机的发明使得纺织业的产量大幅提升；煤、铁、钢等资源的大规模开采为工业提供了大量的原材料以及能源；交通运输业得以快速发展，同时铁路、运河的修建和扩张促进了原材料和商品的流通。

能量效率和成本的演变是第一次工业革命的主线。贯穿第一次工业革命的核心技术规律是能量效率和成本。

（1）第一阶段：能量效率逐渐提升，成本偏高。瓦特改良蒸汽机问世前已有多款蒸汽机诞生，但能量效率均较低，如萨弗里蒸汽机蒸汽冷凝是通过向汽缸内注入冷水实现的，从而消耗了大量的热；纽康门蒸汽机所有的冷凝和加热都是在气缸里进行的，蒸汽80%的热量用于维持气缸温度，效率很低。直到瓦特设计了分离式冷凝器和封闭式气缸，使蒸汽机的热效率得到了极大提升，应用价值才开始显现。

（2）第二阶段：能量效率上升到较高水平叠加成本下降，蒸汽机应用全面展开。由于无法进行稳定的能量输送——机器运转速度和蒸汽形成速度相关，蒸汽机在其他工业场景中的应用存在困难。直到 18世纪 80年代，瓦特引入离心调速器和曲柄连杆结构后蒸汽机的速度才得到控制，能量稳定性大幅提升，进一步增强能量效率，同时成本也开始下滑，蒸汽机开始广泛应用于纺织、火车、轮船、机械加工等行业。

（3）第三阶段：蒸汽机在热效率和成本上陷入劣势，逐渐被电动机和内燃机取代。19世纪70-80年代，电力工业开始迅速发展，结构简单、保养和维修成本低的电动机和内燃机被发明后迅速取代操作复杂且耗费大量人工的蒸汽机，蒸汽机在能量效率和成本方面均不再有优势。但电动机和内燃机的应用落地并非一蹴而就，在第二次工业革命初期蒸汽机仍是工业的重要动力，主要源于电力应用需要大量的前期资本投入，而内燃机操作难度较高，直到20世纪初期内，蒸汽机才在工业领域被淘汰。

图 1：第一次工业革命中蒸汽机的应用随着能量效率和成本变化展开

数据来源：东北证券，World History Encyclopedia

图 2：能量效率和成本的演变是第一次工业革命的主线

数据来源：东北证券

1.2. 第二次工业革命：能量革命为主，信息革命为辅

电力诞生的主要驱动力为全球市场对于更高生产力的需求。经济发展先满足了人口增长，之后财富才被用于提高生活质量，越来越多先发展起来的资本主义国家的人民变得富足，美德意日等开辟了统一的国内市场以及资本主义全球市场的初步形成，对商品的需求量进一步扩大，需要更轻便快捷的运输工具，而以蒸汽机为动力的机器存在体积和重量大、能量转换效率低等问题，无法满足当前的生产需要。电机和内燃机应运而生。

第二次工业革命的核心技术仍然以能量为主，同时信息的重要性也开始提升，广泛应用于多个行业。第二次工业革命仍然主要围绕能量展开，首先，电能的出现使工业得以普及，电灯等电器开始出现在家庭中，留声机、电影和收音机的出现则催生了大众娱乐产业；其次，内燃机使铁路、汽车和航空等交通工具得到普及，交通运输业生产力得到释放，物流和贸易快速发展；最后，电动机的发明实现了电能和机械能的互换，电机成为各种机械的驱动力，加速了工业制造进程，提高了生产效率。此外，信息的重要性也开始提高，电话和无线电的普及使长距离通信成为可能，大幅提高了沟通效率，促进了生产力的提升。

图 3：第二次工业革命美国主要能源从蒸汽机所需的煤炭转向内燃机所需的石油

数据来源：东北证券，Source: David I. Stern, The Role of Energy in Economic Growth

电磁技术和热效率的演变是发展主线。贯穿第二次工业革命的核心技术规律是电磁技术的突破和热效率的提高，据此可将第二次工业革命可分为三个发展阶段：

（1）第一阶段：电磁技术发展缓慢、引擎热效率低。在西门子发明自激式发电机之前，使用的湿电池比能量小、十分笨重，对环境腐蚀性强，循环使用寿命短，自放电大，不易过放电。直到电磁技术的突破导致自激式发电机的出现才大幅增加了电能的功能。此外，第二次工业革命初期的勒努瓦内燃机没有压缩冲程，其热效率比蒸汽机高不了多少，具有马力小，功率低的缺陷，不能驱动汽车。直到奥托内燃机的出现使内燃机的热效率得到提升，应用价值开始显现，SIEMENS、AT&T 等公司应运而生。

（2）第二阶段：电磁技术显著突破、引擎热效率大幅提高。直流电动机在车床、缝纫机、风扇和牙科钻头等小型机械应用良好，直流供电网络也只能为小范围区域供电。交流电动机的出现弥补了直流电动机的这些不足，推动了旋转电源设备的商业化，以及制造的高压交流配电网也使电力可以在更大的区域内供应。此外，狄塞尔内燃机进一步提高了内燃机的热效率，开始用于固定式发电机组、商船、舰艇等大型工业领域。在 19世纪末，全面进入电气时代。

（3）第三阶段：电磁技术和引擎热效率提升速度放缓。20 世纪中期，电磁技术和引擎热效率提升速度放缓，应用的拓展空间有限。性比之下，信息传输的效率仍有较大提升空间，人们不再满足于电话、电报等传统信息传输/处理方式的效率，电子计算机技术应运而生，增长动能的发力点从能量转换到信息。

图 4：电磁技术和热效率的演变是发展主线

数据来源：东北证券

1.3. 第三次工业革命：能量革命与信息革命并重

电子计算机和集成电路诞生的主要驱动力为二战信息化需求。在二战期间，机械处理信息的方法已经无法满足海量信息的处理需求，于是电子计算机应运而生。最初美国研制电子计算机的直接目的是在第二次世界大战中为军方计算弹道，由于流体力学计算量较大，对通用计算机的需求应运而生。20世纪40年代中期，第一台通用电子计算机ENIAC诞生。但此时的计算机设计相关研究还停留在科研阶段，只能进行简单的算术运算。类似的，集成电路源于为应对军事需求的供给升级。半导体最早需求方主要为美国军方，主要应用于武器，而武器的使用场景非常恶劣，当时用来制造晶体管的半导体锗易碎且热稳定性差，于是仙童公司提出用硅替代锗，并将所有电路和原件都制成底板，然后刻在一个硅片上，集成电路就此诞生。相比过去的分立元件电路，集成电路不仅体积小、重量轻，可靠性高，而且其性能可能呈指数提升（即摩尔定律）。

第三次工业革命的核心技术中能量与信息并重，广泛应用于多个行业。第三次工业革命中通信和信息技术的重要性大幅提升，大多数重大发明都与通信有关，包括计算机、半导体、卫星、互联网、移动通信、智能手机等。能量的重要性则体现在提高计算效率/性能方面，如 2016 年打败李世石的 AlphaGo 运行起来需要 1920 个 CPU 和 280 个 GPU，每秒有 600万亿+次运算，相当于1200亿台ENIAC的算力。如果采用ENIAC所使用的真空电子管，则需要 1.8 亿亿瓦的供电量才能维持运行，因此能量使用效率的提升是第三次工业革命的重要突破。第三次工业革命的核心技术同样广泛应用于多个行业，如计算机网络的发展和 ATM 的出现使银行业的经营模式出现使银行营业网点实现全球部署；金融行业繁琐的报价式证券交易流程得到简化，证券交易的效率得到提升；通信技术使得云计算、大数据、物联网等新型产业的出现成为了可能，并促进了互联网和实体经济的深度融合；通信技术的普及和创新为零售业带来了更加便捷和高效的销售方式。通过在线购物平台，消费者可以购买商品和服务，从而加速了消费者的能力和巨大的市场需求。

图 5：ENIAC的主要单元

TABIE 1-1UNITS OF THE ENIAC
UN IT	TOTALNO.	OPERATIONS	OPERATION TIME(1 addition time =1/50oo of a second)
Accumulator	20	1.Stores a lo digit signed number.2.Receives a number and addsit to its contents.onrsuccessive3.Transmits its contents and/or times（l≤r≤9）.the negative.	1.Continues to do so until instructedto clear.2.raddition times.3.
High SpeedMultiplier	1	Multipliee a signed multiplicand having as manyaslo digits by a signed multiplier of pdigits(where 2≤p≤10）.	P +4 addition times.
Divider andSquare Rooter	1	Finds a p(where p=4,7,8,9,10)digitquotient or square root for argumonts with upto 10 digits.	Approximately 13paddition time8(lso see p.VI(31)).
Funotion Table（including anassociated portable functiontable)	3	1.Each funotion table stores by means of switohsettingsa total of l248 variable digite and208 signs in such a way that 12 digits and 2signs are associated with an argument between-2 and lol. In addition,8 digits oonstantthroughout the range of the argument can beremembered.2.Function table selects and transmits thefunotional value (12 vaiable digits,2 signs,and 8 constant digits)or the negative of thefunctional value associated witha particularvalue of the argument. The transmission maybe done r times(l≤r≤9)in succession.	2.4+r addition times for looking upthe functional value and transmittingitrtimes.
ConstantTransmitter andReader	1	1.Constant transmitter stores 8o digits and 16signs which the reader reads from punched cardsand stores 20digits and 4 signs set upmanually on its switohes.2.Constant transmitter omits a signed 5 or 10digit number.	1.The reader scans a card and causes80 digits and 16 signs punched onthe card to be stored in the constanttransmitter in approximately 1/2second.2.1 addition time.
Printer andPunch	1	The printer receives information for 8o digitsand i6 signs from accumulators and the masterprogrammer and causes this information to bepunched on cards from which it can be printed.	80 digits and 16 signs are punched ona card in approximately O.6 second.
MasterProgremmer	1	Coordinates the local programming of the otherENIAC units.	1 addition time.
Cyeling Unit	1	Emits the fundamental train of pulses and thegate upon which other ENIAC units operate andwhich,thus,keeps them in synohronism with oneanother.	In each addit ion time (also seeChapter III).
Initiating Unit	1	Has controls for turning power on and off,starting the ENIAC,clearing the ENIAC,andother special functions.

数据来源：东北证券，《Report on the ENIAC (Electronic Numerical Integrator and Computer)》

图 6：AlphaGo 早期版本的配置与性能

配置	搜索线程数→	CPU数A1	GPU数	Elo等级分←
单机	40	48	1	2,151
单机	40	48	2	2,738
单机	40	48	4	2,850
单机	40	48	8	2,890
分布式	12	428	64	2,937
分布式	24	764	112	3,079
分布式	40	1,202	176	3,140
分布式	64	1,920	280	3, 168

数据来源：东北证券，Wikipedia

摩尔定律的演变是第三次工业革命的主线。贯穿第三次工业革命、兼顾能量和信息的核心技术规律是摩尔定律，即集成电路上可以容纳的晶体管数目大约 18-24 个月便会增加一倍。换言之，处理器的性能大约每两年翻一倍，同时价格下降为之前的一半。该定律从 1965 年被提出以来适用性一直很好，基于此，第三次工业革命经历了分别以硬件、软件和应用为核心的三个发展阶段。具体来看：

（1）第一阶段：摩尔定律的作用尚未体现。第一阶段电子计算机刚刚诞生，硬件性能是核心掣肘。由于硬件研发投入门槛较高，兼具资金和研发实力的大型公司占优，IBM崛起；

（2）第二阶段：摩尔定律发挥作用。随着芯片性能的不断提高，个人电脑开始慢慢胜任一些以前只有大型机才能做的工作，并开始成为计算机主流。上一阶段的硬件龙头 IBM 由于在软件端没有核心技术，逐渐沦为众多 PC硬件制造商之一，而微软、甲骨文等软件公司则逐渐崛起；

（3）第三阶段：摩尔定律放缓。越来越大的操作系统和应用程序抵消了硬件提升带来的好处，叠加 28nm 之后芯片工艺的成本暴涨，导致智能设备性能提升速度减慢，摩尔定律的优势逐渐被掩盖。但另一方面，由于计算机和智能手机的综合性能已经达到较高水平，价格也进入平价化阶段，为应用端活力释放提供基础，对内容和数据的重视度更高的 Youtube、Facebook、阿里巴巴崛起。

图 7：摩尔定律放缓

数据来源：东北证券，Turing Lecture 2018

图 8：摩尔定律的演变是第三次工业革命的主线发展程度

数据来源：东北证券

2. 公司层面：顺应产业发展，把握核心资源

第三次工业革命对本轮工业革命中人工智能行业的发展具有指导意义。我们选取成功推动第三次工业革命实现跨越式发展的集成电路、电子计算机、PC 操作系统、互联网作为参考，选取推动行业崛起的代表性公司进行讨论，发现能否把握产业发展规律并利用好产业发展每一阶段核心资源是决定能否占优的关键，具体分析如下：

2.1. 仙童公司：技术和人才是工业革命初期的关键动力

初创公司+高技术人才的组合下公司快速发展。从企业规模来和人才储备看，集成电路的起步阶段与当前 AI 更加类似，均为生命力极强的小公司迅速崛起，且都有较强的人才储备。仙童公司成立于 1957 年，其核心技术人员来自晶体管之父肖克利的半导体公司，具有世界一流的晶体管研究经验。1958 年集成电路发明后公司快速发展，扁平化的管理风格吸引了大量优势人才。

股权结构和发展方向分歧限制了公司发展。仙童公司虽然在技术和人才储备上发展迅速，但未采用股权所有制使公司核心成员无法享受公司未来的受益，不能适应科创型公司的发展模式。此外，在集成电路被发明之后的头两年中，集成电路的制造成本较高，放弃原有的晶体管业务单独发展集成电路是无法挣钱的，利益导向的公司老板和高管认为应该有限扩大晶体管产能，而技术导向的研发人员则更看好集成电路的发展潜力，二者产生分歧，但没有股权的研发人员没有决策权，最终选择离开仙童公司。

产业发展浪潮势不可挡。仙童公司的人才流失并未影响行业前进的步伐，反而随着流出人才陆续创办新公司而加速了半导体行业的发展，逐渐在旧金山湾区孕育出完整的半导体产业，即后来的硅谷。相比之下，AT&T、IBM 和微软的崛起虽然也能带来一个地区的繁荣，但这类龙头公司一方面抑制了新公司，另一方面也使得该地区在产业转型时迅速落伍。

2.2. IBM：把握技术和资金，占领大型机市场

大型机时代 IBM 龙头地位稳固，应用领域逐渐从政府走向社会。（1）大型机时代 IBM龙头地位稳固。从 20世纪 50年代到 80年代初，IBM始终遵循性能优先于价格和集中式服务的原则，高性能、支持多用户的主机一直是 IBM 硬件制造的重点，虽然计算机售价普遍在百万美元之上，但依然牢牢占据市场份额第一的位置。相比之下，DEC 专注于相对廉价、低性能小型计算机的需求，但由于计算机市场供需当时远未饱和，因此行业竞争格局并未恶化，把握低端市场的 DEC并未对 IBM造成威胁；面对个人电脑的兴起（1976 年乔布斯和沃兹尼克发明第一台个人电脑（PC）AppleⅠ），IBM 凭借绝对的企业实力快速追赶，1981 年设计出比苹果公司 Apple 系列软硬件技术都更优的个人电脑 Model5150，产品问世当年销量达 10 万台，占领 3/4 的 PC 市场。（2）IBM 成功推动计算机应用从政府走向社会，从单纯的科学计算走向商业，使得计算机在公司、学校、银行、政府部门、军方等ToB端用户群体中普及起来。

表 1：1976 年全球大型机市场销售额及市场份额占比

总销售额(百万美元)	市场份额占比
IBM	59%
Sperry Rand	16304 3203 12%
Honeywell	2495 9%
NCR	2312 8%
Burroughs	1871 7%
Control Data	1331 5%

数据来源：东北证券, Bloomberg

图 9：IBM Model5150配有主机、显示器和键盘，与当代 PC主要构成已较为类似

数据来源：东北证券，Wikipedia

图 10：20 世纪 80 年代 IBM 快速追赶 PC 发展趋势

数据来源：东北证券，IDC

未能把握 PC市场，IBM错过全球信息化浪潮。在20世纪 80年代开始的PC浪潮中，IBM成为了落伍者，主要有三方面原因：一是因为IBM对PC软件端的重视度不足，满足于把握高质量、高价格硬件端大额订单坐地收钱的商业模式，导致英特尔和微软弯道超车，依靠处理器和 PC 操作系统迅速成为 PC端龙头；二是兼容机的出现使 IBM沦为众多 PC硬件制造商之一，IBM 后续在硬件方面的创新也很快被兼容机厂商抄袭/改进，利润受到竞争的限制；三是由于 1982 年反垄断的限制，IBM 未能阻止其他小公司使用自己的技术进入市场。20 世纪 80 年代末，IBM 放弃了 PC 端业务，只针对企业用户；2005年，IBM将PC业务出售，专注发展高端服务业和大型机系统。

图 11：美国科技股市值占比变化

数据来源：东北证券，Thomson Reuters; The Economist

从计算机制造到计算机服务的转型推动IBM再度崛起。20世纪90年代，IBM 逐渐回购前期分出的服务公司，然后将 IBM 的硬件制造、软件开发和服务合成一体，旨在打造一家服务型的技术公司。IBM 放弃了自己没有优势的 PC端市场，着力打造 ToB端商业模式，通过降低价格扩大市场份额，确立了 IBM 在针对各种规模企业的计算机产品和服务上的优势低位。此外，IBM 还更加注重专利申请和产品化，将研究和开发深度结合，加快将研究成果转化成产品。

2.3. 微软和英特尔：把握市场资源，占领PC市场

摩尔定律逐渐生效叠加兼容机诞生，微软和英特尔崛起。摩尔定律下电脑硬件性能快速提升，PC 慢慢开始胜任一些以前只有大型机才能做的工作，开始蚕食大型机的市场；1981 年，IBM为了短平快地搞出 PC，没有选择自研芯片和操作系统，芯片选择了英特尔的 8086 处理器，操作系统选择了微软的 DOS。后来随着兼容机的出现，IBM 逐渐失势，但为了兼容 IBM PC，兼容机都选了英特尔的处理器和微软的操作系统，使二者在整个 PC 工业生态链中处于不可替代的地位，而计算机软硬件、其他芯片和外设等门槛较低，市场参与者众多，很难有公司胜出。20 世纪 90 年代，随着 PC数量的快速增加，微软和英特尔的垄断地位逐渐确立。

图 12：微软和英特尔均在 PC 工业生态链中处于不可替代地位

数据来源：东北证券，《浪潮之巅》

图 13：随着PC数量的快速增长，把握市场的微软和英特尔的垄断地位逐渐确立

数据来源：东北证券，Wind

硬件端来看，PC 时代的核心资源在于市场而非技术。（1）20 世纪 80 年代，老牌半导体公司摩托罗在资金、技术等各方面均强于英特尔，摩托罗拉处理器的新能源要优于英特尔的同类产品，但最终依然不敌英特尔，重要原因之一在于英特尔借助 IBM PC的普及，市场份额快速扩大。（2）20世纪 90年代，研发复杂指令集（CISC）的英特尔成功抵挡了全球精简指令集（RISC）的发展浪潮，重要原因之一在于英特尔坚持自己系列产品的兼容性，保证之前的软件程序可以在新款处理器上运行。即使英特尔处理器在某些技术方面不如其竞争对手，但用户粘性依然使英特尔脱颖而出。

图 14：RISC 指令简单但周期数较少，CISC 指令复杂但周期数较多

数据来源：东北证券，Wind

软件端来看，技术上各有特色，占领市场资源的微软最终胜出。最初，苹果在图形界面操作系统技术上领先于微软，但微软由于把握住了市场资源实现了对苹果的反超，具体来看：最初，微软将操作系统近乎免费的推广给 PC 制造商，同时保持良好的兼容性，很快积累了用户粘性，这与苹果封闭式、兼容性差的发展战略截然不同。随后，随着摩尔定律逐渐发挥作用以及行业分工进一步明确，硬件对计算机性能提升的限制减少，软件逐渐成为主导整个计算机工业的核心。相比软硬件都做的苹果公司，微软没有了软硬件发展速度不匹配带来的不兼容问题以及相应的高价问题。微软在软件领域的垄断地位逐渐形成，20 世纪 90 年代微软市值收度超过 IBM。

图 15：20世纪 90年代微软市值收度超过 IBM

数据来源：东北证券，Wind

2.4. 雅虎：把握流量资源，开创互联网市场

雅虎为互联网商业模式定调，流量成为核心资源。雅虎诞生 10 年前互联网就已经问世，最初是由美国自然科学基金会出钱，为美国大学的教授和在校学生提供的特权。互联网上免费的内容较少、检索难度较大，且费用较高。随着通信事业的发展，互联网向公众开放成为不可阻挡的潮流。在ToC端浪潮下，美国在线迅速发展，但其商业模式为付费拨号，类似收取电话费一样收取网络使用费用，这严重阻碍了互联网的发展速度。而雅虎所有的服务都是免费的，盈利主要来自电子商务和广告。这种开放和免费的商业模式使雅虎的流量快速增长，成立仅一年便在纳斯达克上市，净利润在 1996-2005年从-1200多万美元增长到约 19亿美元。后来由于摩尔定律逐渐发挥作用，硬件性能快速提高，上网费越来越低，美国在线所代表的商业模式没落，而雅虎的营收却逐年提高，其商业模式也成为全球互联网公司的典范，使各行各业可以不依靠其他 IT 公司而独立生存和发展。

图 16： 21世纪以来雅虎净利润快速增长

数据来源：东北证券，雅虎公司年报

互联网 1.0 流量壁垒较低，难以避免恶性竞争。雅虎商业模式的核心在于好内容和流量。雅虎虽然可以凭借其一流的平台吸引到一流的广告商，但无法阻止其他小公司对流量整体质量的侵蚀。很多互联网公司片面追求流量而不重视内容，从而导致互联网上垃圾网页迅速泛滥，单位流量带来的广告收入整体下降，并且这种下降不是雅虎所能控制的。最终在2000 年互联网泡沫破裂，互联网开放和免费的模式受到严重冲击，强如雅虎市值也蒸发了 90%。

未能明确定位、错误的技术追赶使雅虎失去优势。雅虎最初的核心优势在于其一流的平台，大型公司的广告需求足以支撑起雅虎的收入。相比之下，Google 的优势在于在搜索结果中做广告，这是针对中小商家的业务，并不对雅虎的业务造成威胁。但雅虎错误地把精力分散化，除了应收贡献较少的雅虎电子邮件在用户数量上是的世界第一外，其他的服务全部排名第二或第三，每一个项目都要耗费很多的人力和资源，而互联网行业往往是一家独大，第一名之外难有突破。

平台与应用分离开创互联网 2.0，但盈利存在天花板。雅虎的超级网站提供了上网必备的所有服务，不仅提供互联网的目录和查询、电子邮件、即时留言和语音服务，而且也是新闻、视频和其他内容的提供商，同时还是所有商务活动的提供商，包括找工作、在线旅游业和网上购物、网上支付等活动。相比之下，互联网 2.0 阶段的互联网公司致力于打造专业、垂直的平台，允许用户在平台上进行内容创作且能够与其他用户交互，如 Blogger、Wikipedia、Facebook、YouTube、微博等。这种商业模式下公司盈利较慢，但给中小型内容制作商和服务商，以及个人提供了巨大的发展空间。但整体来看，由于用户能够为互联网提供的总收入不可能无限制地增长，因此互联网 2.0的盈利存在天花板。

3. 人工智能发展阶段定位和未来发展趋势展望

3.1. 产业层面：当前处在四次工业革命第一阶段

信息技术产业生产力提升需求凸显，人工智能发展需求升温。支撑第三次工业革命中信息技术产业长期高速发展的基础是摩尔定律，但 21 世纪以来，半导体材料的集成电路的性能已经接近物理极限，性能提升速度放缓，支撑全球经济增长长达半个世纪之久的半导体产业动能在下降。于此同时，全球的信息量仍在不断高速增长，大约每三年翻一番，计算机数量/芯片性能的增加已经无法应对生产力提升需求。在这样的时代背景下，人工智能的发展需求升温。从侧面来看，随着全球技术创新放缓，经济增速下行，蛋糕扩大的速度放慢，国家/经济体对蛋糕划分方法的重视程度也在不断提高，近年来地缘冲突频发也从侧面印证了各国家/经济体对蛋糕划分的重视。在此背景下，能够带动全球经济增长提速的技术创新的需求提高。

图 17：当前正处于第四次工业革命的开端

数据来源：东北证券，势乘资本，光锥智能

人工智能开启的第四次工业革命以信息为主，能量为辅。人工智能在信息方面的提升体现在算法和数据两个方面，对能量的要求体现在算力方面，具体分析如下：

（1）算法方面，2017 年之前，人工智能深受模型碎片化、泛化能力不足问题的困扰，应用局限于计算机视觉技术。2017 年 Transformer 架构诞生，奠定了大模型领域的主流算法基础。2018年“预训练+微调”大模型的诞生有效解决了1.0时代AI泛化能力不足的问题。具体来看，预训练大模型在海量数据的学习训练后具有良好的通用性和泛化性，细分场景的应用厂商能够基于大模型通过零样本、小样本学习即可获得显著的效果，使得人工智能有望构建成统一的智能底座，使 AI 和细分行业结合成为可能。

图 18：算法模型当前进展和未来相关应用落地预测

TEXT	PRE-2020	2020	2022	2023?	2025?	2030?
TEXT	Spamdetection Translation Basic Q&A	Basic copy writing First drafts	Longerform Second drafts	Vertical fine tuning gets good (scientific papers,etc)	Final drafts better than the human average	Final drafts better than professional writers
CODE	1-line auto-complete	Multi-line generation	Longerform Betteraccuracy	More languages More verticals	Text to product (draft)	Text to product (final), betterthan full-time developers
IMAGES			Art Logos Photography	Mock-ups (product design,architecture, etc.)	Final drafts (product design,architecture, etc.)	Final drafts better than professional artists,designers, photographers)
VIDEO / 3D/ GAMING			First attemptsat 3D/videomodels	Basic/first draft videosand3Dfiles	Second drafts	Al Roblox Video games and moviesare personalized dreams
Large model availability: First attempts					Almost there	Ready for prime time

数据来源：东北证券，红杉资本

（2）数据是预训练大模型的原材料，类型有待开发，质量有待提升。从数据类型来看，以目前最先进的大数据模型 GPT-4为例，GPT-4是基于公共可用数据（如互联网数据）和第三方提供商许可的数据进行训练，无法获得非公开的行业数据，因此虽然可以进行百科全书式的回答，但距离真正满足专业场景还具有较大差距；从数据质量来看，高质量的数据是保证预训练模型输出质量的关键，但高质量数据的获取存在难度，面临数据采集、标注费时费力、成本高企、数据多样化不足、隐私保护和法规限制等问题。这些数据方面的限制在很大程度上阻碍了人工智能更广泛的应用和部署。

图 19：数据要素流通总体框架

数据来源：东北证券，《数据要素流通标准化白皮书》

（3）人工智能对能量的要求体现在算力方面，算力的重要程度显著提升。模型对算力的要求显著提高，芯片的计算效率便成为人工智能的一大瓶颈。从各代 GPT 参数规模看，GPT-1/2/3 分别有 1.2/15/1750 亿个训练参数，对于高算力芯片的需求呈现指数级增长。据 OpenAI 测算，自 2012 年以来，全球头部 AI 模型训练算力需求 3-4 个月翻一番，每年头部训练模型所需算力增长幅度高达 10倍，速度远快于摩尔定律下AI芯片性能提升的速度，两者间的不匹配势必将带来对算力基础设施需求的快速增长。这与第三次工业革命中由以微软为代表的软件端主要受益于摩尔定律的局面有所不同。

图 20：大语言模型的参数量呈现指数级增长

数据来源：东北证券，《The Economics of Large Language Models》

人工智能可广泛应用于各行各业，但目前落地程度仍低。以目前最先进的大模型GPT-4为例，已经能够预见到人工智能将为多个行业实现降本增效。GPT-4 与各行各业应用相结合，将在多领域、多功能应用中密集落地，具有降本增效的意义，如在传媒领域，GPT-4 可优化重复劳动性的采编工作；在影视领域，创作者可使用GPT-4生成内容，再进行筛选和二次加工，从而缩短创作周期；在软件开发领域，GPT-4 可以帮助研发人员更快速、更高效地进行开发和测试工作，从而提高研发效率和质量；在金融领域，GPT-4 可用于欺诈检测和风险管理、客户服务与支持、客户意图识别及精准营销等；在医疗领域，GPT-4 可以在医学影像诊断、临床辅助决策、精准医疗辅助、健康管理、医疗信息化、医药研发以及医疗机器人等细分场景中发挥作用。但当前来看，人工智能在这些领域的应用尚未落地，还需要大模型的进一步完善以及行业数据的补充才能使人工智能对各行业实现降本增效。

图 21：GPT-4 对于软件研发生命周期的变革

软件研发生命周期		需求	设计		开发		集成		测试		发布
现有实践	.	用户研究捷开发产品化思维需求管理工具	. ·	模块设计设计原型可视化建模	开发框架和库测试驱动开发代码审查代码生成	IDE（集成开发环境）	自动化构建持续集成和持续交付		自动化测试代码染色流量复制		持续发布容器化部

数据来源：东北证券，《AIGC（GPT-4）赋能通信行业应用白皮书》

数据计算效率的演变规律有望成为第四次工业革命的主线。在人工智能引领的第四次工业革命中，数据的增长速度大大加快，对数据计算效率的要求提高。参考前三次工业革命的复盘结果，结合当前数据计算效率现状和核心瓶颈，对未来数据计算效率的变化进行合理推演，可将第四次工业革命可大致分为三个阶段：（1）第一阶段：数据计算效率在算力支撑力度、算法复杂程度和数据量方面均受到限制；（2）第二阶段：训练和运行推理所需的算力成本的不断下降，更好的算法和更大的模型的问世，以及模型访问趋向于免费和开源有望为应用程序开发打开窗口，人工智能将与各行业深度结合，数据的计算效率得到极大提升；（3）第三阶段：数据量、算法和算力的提升速度放缓，人工智能发展速度放缓。

图 22：大语言模型的参数量呈现指数级增长

数据来源：东北证券

当前仍处于第四次工业革命第一阶段，数据使用效率尚未进入快速增长阶段。人工智能已经能够较好的实现降本增效，如人工智能已经可以帮助游戏和动画制作 B 端用户实现降低人力和时间成本，帮助 C 端用户进行基础的文字整理和图像识别，但整体来看数据计算效率尚未实现跨越式提高，应用开始落地但尚未面向C端全面展开，即第四次工业革命第一阶段。后续来看，当算力、算法、数据方面整体达到能够达到ToC端广泛应用阶段才有望迎来第二阶段。近期微软发布的DeepSpeed Chat可使用消费级 GPU实现类似 ChatGPT模型的端到端 RLHF训练，在几天甚至几小时内即可生成一个高质量类 ChatGPT 模型，但从价格上来看依然偏高，且偏重模型开发端而非应用端，因此仍是第一阶段的产品。

图 23：针对不同规模的模型和硬件配置，DeepSpeed-RLHF 系统所需的时间和成本

GPU SKUs	OPT-1.3B	OPT-6.7B	OPT-13.2B	OPT-30B	OPT-66B	Blo0m-175B
1x V100 32G	1.8 days
1x A6000 48G	1.1 days	5.6 days
1x A100 40G	15.4 hrs	3.4 days
1x A100 80G	11.7 hrs	1.7 days	4.9 days
8x A100 40G	2 hrs	5.7 hrs	10.8 hrs	1.85 days
8x A100 80G	1.4 hrs($45)	4.1 hrs ($132)	9 hrs ($290)	18 hrs ($580)	2.1 days ($1620)
64x A100 80G	31 minutes	51 minutes	1.25 hrs ($320)	4 hrs ($1024)	7.5 hrs ($1920)	20 hrs ($5120)

数据来源：东北证券，新智元

3.2. 公司层面：短期看技术，长期看数据

把握所处产业发展阶段的核心资源是公司是否占优的重要因素。核心技术诞生后的使用门槛较低，如蒸汽机、电力和内燃机机器、电子计算机从技术本身来讲难度并不高，更稀缺的是使核心技术应用落地的核心资源，如第一次工业革命中率先将蒸汽机用于制瓷的韦奇伍德、第二次工业革命中的通过电缔造现代通信业的贝尔、第三次工业革命中受益于 PC崛起的微软，以及受益于互联网崛起的 Youtube，都是借助核心技术、掌握核心资源的公司，因此把握核心资源才是公司发展的关键。

短期来看，技术和资金是提高算力和算法的核心资源。（1）技术方面：目前进行 AIGC 业务所需的 AI 算力芯片格局主要由英伟达主导，由于其A100 和 H100系列在 2022 年 8 月被美国限制对华出口，因此国内在高性能 AI芯片技术方面的国产替代趋势需求较高。AI 芯片开发对硬件和软件都要较高要求，技术和资金实力较强的公司有望占优。（2）资金方面：ChatGPT训练使用了微软专门建设的 1万个V100 GPU 组成的高性能网络集群，总算力消耗约3640PF-days（即每秒一千万亿次计算，运行3640个整日）。其前代 GPT-3 的训练单次成本就高达 460 万美元，预计ChatGPT/GPT-4 训练成本更高。高成本使得极少数头部企业才具有搭建大模型的实力。

长期来看，数据是核心资源。当大模型开发问题被解决后，大部分企业只需要在大模型的基础上，结合自己的行业场景、专业需求，利用大模型提供 AI 的能力来赋能自身发展即可，即进入第二阶段，此时对各行业数据的开发和利用是人工智能相关公司占优的关键。目前我国80%的数据属于公共数据，但市场流通的数据中只有 5-10%是公共数据，大量优质的公共数据没有得到开放与利用，同时目前现有数据要素市场不规范、不安全也导致数据价值无法真正释放，阻止了更多数据创造更大价值。近期国家互联网信息办公室就《生成式人工智能服务管理办法（征求意见稿）》公开征求意见，该管理办法涉及的生成式人工智能包括基于算法、模型、规则生成文本、图片、声音、视频、代码等内容的技术，是国家首次对生成式 AI 产业发布规范性政策，有望为数据要素的规范化发展打下基础，公共数据的开发和利用有望成为数据行要素的切入点。

风险提示：技术发展速度超预期，经济修复、政策出台不及预期

研究团队简介：

[Table_Introduction] 邓利军：复旦大学计算数学硕士，上海交通大学本科，现任东北证券策略组组长。曾任川财证券首席策略分析师；在混沌投资等多家私募基金公司任商品期货和股指期货研究员、投资经理；具有 10 多年证券市场从业经验。2015 年所在团队获得新财富最佳分析师策略领域入围奖。

分析师声明

作者具有中国证券业协会授予的证券投资咨询执业资格，并在中国证券业协会注册登记为证券分析师。本报告遵循合规、客观、专业、审慎的制作原则，所采用数据、资料的来源合法合规，文字阐述反映了作者的真实观点，报告结论未受任何第三方的授意或影响，特此声明。

投资评级说明

股票投资评级说明	买入	未来6个月内，股价涨幅超越市场基准15%以上。	投资评级中所涉及的市场基准：A 股市场以沪深 300 指数为市场基准，新三板市场以三板成指（针对协议转让标的）或三板做市指数（针对做市转让标的）为市场基准；香港市场以摩根士丹利中国指数为市场基准；美国市场以纳斯达克综合指数或标普500指数为市场基准。
	增持	未来6个月内，股价涨幅超越市场基准5%至15%之间。
	中性	未来6个月内，股价涨幅介于市场基准-5%至5%之间。
	减持	未来6个月内，股价涨幅落后市场基准5%至15%之间。
	卖出	未来6个月内，股价涨幅落后市场基准15%以上。
行业投资评级说明	优于大势	未来6个月内，行业指数的收益超越市场基准。
	同步大势	未来6个月内，行业指数的收益与市场基准持平。
	落后大势	未来6个月内，行业指数的收益落后于市场基准。

重要声明

本报告由东北证券股份有限公司（以下称“本公司”）制作并仅向本公司客户发布，本公司不会因任何机构或个人接收到本报告而视其为本公司的当然客户。

本公司具有中国证监会核准的证券投资咨询业务资格。

本报告中的信息均来源于公开资料，本公司对这些信息的准确性和完整性不作任何保证。报告中的内容和意见仅反映本公司于发布本报告当日的判断，不保证所包含的内容和意见不发生变化。

本报告仅供参考，并不构成对所述证券买卖的出价或征价。在任何情况下，本报告中的信息或所表述的意见均不构成对任何人的证券买卖建议。本公司及其雇员不承诺投资者一定获利，不与投资者分享投资收益，在任何情况下，我公司及其雇员对任何人使用本报告及其内容所引发的任何直接或间接损失概不负责。

本公司或其关联机构可能会持有本报告中涉及到的公司所发行的证券头寸并进行交易，并在法律许可的情况下不进行披露；
可能为这些公司提供或争取提供投资银行业务、财务顾问等相关服务。

本报告版权归本公司所有。未经本公司书面许可，任何机构和个人不得以任何形式翻版、复制、发表或引用。如征得本公司同意进行引用、刊发的，须在本公司允许的范围内使用，并注明本报告的发布人和发布日期，提示使用本报告的风险。

若本公司客户（以下称“该客户”）向第三方发送本报告，则由该客户独自为此发送行为负责。提醒通过此途径获得本报告的投资者注意，本公司不对通过此种途径获得本报告所引起的任何损失承担任何责任。

东北证券股份有限公司

网址：http://www.nesc.cn 电话：95360,400-600-0686 研究所公众号：dbzqyanjiusuo

地址	邮编
中国吉林省长春市生态大街6666号	130119
中国北京市西城区锦什坊街28号恒奥中心D座	100033
中国上海市浦东新区杨高南路799号陆家嘴世纪金融广场3号楼10层	200127
中国深圳市福田区福中三路1006号诺德中心34D	518038
中国广东省广州市天河区洗村街道黄埔大道西122号之二星辉中心15楼	510630

报告摘要：

风险提示：技术发展速度超预期，经济修复、政策出台不及预期

相关数据

[Table_R相关报告

目录

图表目录

1. 产业层面：生产力提升需求+新技术广泛应用

1.1. 第一次工业革命：能量革命

1.2. 第二次工业革命：能量革命为主，信息革命为辅

1.3. 第三次工业革命：能量革命与信息革命并重

2. 公司层面：顺应产业发展，把握核心资源

2.1. 仙童公司：技术和人才是工业革命初期的关键动力

2.2. IBM：把握技术和资金，占领大型机市场

2.3. 微软和英特尔：把握市场资源，占领PC市场

2.4. 雅虎：把握流量资源，开创互联网市场

3. 人工智能发展阶段定位和未来发展趋势展望

3.1. 产业层面：当前处在四次工业革命第一阶段

3.2. 公司层面：短期看技术，长期看数据

研究团队简介：

分析师声明

投资评级说明

重要声明

东北证券股份有限公司

东北证券-策略专题报告：聚焦技术和数据，拥抱AI-230416.pdf