亚洲男人的天堂2018av,欧美草比,久久久久久免费视频精选,国色天香在线看免费,久久久久亚洲av成人片仓井空

1、行業趨勢：23年重點看好AI&VisionPro

　　AI：1）發展復盤：復盤AI行業發展，AIGC大模型、多模態、商業化發展以算力為支撐，同時又推動算力需求持續擴大。2）空間測算：根據測算，2030年GPT或能帶動近千億美元的服務器端成本。3）上游機遇：各類器件/芯片作為服務器的核心組成，推動上游半導體+AI生態逐漸清晰，其中重點推薦關注AI芯片、定制化SoC、云端芯片、邊端芯片、終端芯片、存儲芯片和HBM/Chiplet等領域。4）英偉達產品線：當前英偉達作為AI生態王者，具有從人工智能計算到網絡端到端的技術，從處理器到軟件的全堆棧產品。人工智能計算硬件方面，英偉達持續以提升算力為核心，優化其GPU處理器架構，至A100，2012年到2020年，處理器性能提升317倍，H100實時深度學習推理性能較A100提升高達30倍。軟件方面，英偉達具備GPU調用開發、AI加速庫和垂直領域應用三層能力，構建起良好的GPU用戶生態。網絡端到端的技術能力主要依靠內生和外延建立。DGXGH200AI超級計算機集成了英偉達最先進的加速計算和網絡技術，算力達到1Eflop。5）云服務廠商擴產：傳統云廠商方面，2023Q1全球云基礎設施服務支出增長19%至664億美元，前三大云廠商AWS、微軟Azure和谷歌云共同增長22%，投資擴建進程顯著加快。專業云廠商方面，CoreWeave獲英偉達、微軟投資，與傳統云服務商相比，專業云廠商CoreWeave深耕GPU加速并且具價格優勢，擴張趨勢逐漸明確。

　　VisionPro：1）配置分析：從硬件配置看，VisionPro為雙芯片設計，由M2芯片同時運行visionOS、執行計算機視覺算法和提供圖形，R1芯片則專門用于處理來自攝像頭、傳感器和麥克風的輸入，同時外置12個攝像頭、5個傳感器和6個麥克風，看好蘋果VisionPro對于供應鏈廠商業績的拉動，看好消費電子零部件及組裝及自動化設備機會。2）拆解和BOM清單：物料成本約1509美元。其中，二片內屏占700美元，為成本最高的零組件，由索尼供應；其次則是組裝費130美元，由中國大陸廠商立訊精密獨占；M2處理器120美元，由臺積電代工。3）部分用戶體驗：真機3D交互&顯示驚艷超發布會2D顯示。可收集到的國內試用用戶普遍認為，VisionPro真機交互體驗在交互/顯示/3D內容體驗方面帶來的震撼遠超2D宣傳片所展示的內容。4）蘋果開發者生態構建：VisionPro生態進行時，VisionPro作為新一代計算平臺，在空間計算和交互領域表現卓越&為開發者提供強大開發工具支持，應用潛力較大。5）發布后的應用開發進展：目前已有許多團隊投入到visionOS的應用研發，從音樂創作、游戲、創意制作、醫療及醫療教育、運動、企業應用等方面發揮VisionPro的創造能力。

　　2、行業細分產業鏈及周期分析：

　　1）消費電子：智能手機末期，看好AI時代來臨帶來的板塊性大級別的投資機會（ChatGPT等大模型、VR、AR、汽車、智能家居、可穿戴設備etc）。安卓廠商需求有望逐步修復，蘋果非手機產品線悲觀預期已反映，手機產品受益于iPhone15創新表現相對穩健，看好后續AI&VisionPro創新對于消費電子產業鏈的拉動。2）半導體：產業鏈自主可控帶動CAPEX持續投資優于全球表現。封測代工方面關注AI產業創新+周期復蘇邏輯。上游設備材料方面關注國產替代邏輯持續強化。設計方面AISoC作為智能化核心芯片，有望迎來量價齊升黃金期。繼續關注存儲大周期級別行情，頭部廠商美光第三財季業績修復，江波龍積極并購布局海外及存儲封測業務。3）看好面板/LED/PCB/被動元器件進入復蘇周期：面板：關注MicroOLEDMini&MicroLED等新型技術迭代。LED：隨著經濟逐步復蘇，商業活動頻繁開展，我們認為國內顯示有望受益G端和B端需求雙重驅動。PCB：ccl價格有望筑底，pcb公司盈利能力季度環比提升。被動元器件：下游產業去庫存接近尾聲，我們預計23年下半年有望好轉。

　　3、投資建議：

　　AI時代VisionPro有望重構PC行業，建議關注：1）消費電子零組件&組裝：工業富聯、立訊精密、聞泰科技、領益智造、博碩科技、鵬鼎控股、藍思科技、歌爾股份、長盈精密、京東方、國光電器、長信科技、舜宇光學科技（港股）、高偉電子(港股)、東山精密、德賽電池、欣旺達（與電新組聯合覆蓋）、信維通信、科森科技、環旭電子、兆威機電（機械軍工組覆蓋）等2）消費電子自動化設備：科瑞技術（與機械軍工組聯合覆蓋）、智立方（與機械軍工組聯合覆蓋）、大族激光（與通信組聯合覆蓋）、賽騰股份、杰普特、華興源創、博杰股份、榮旗科技、天準科技、凌云光、精測電子（與機械軍工組聯合覆蓋）等3）品牌消費電子：傳音控股、漫步者、安克創新（由商社、通信組聯合覆蓋）、小米集團（港股）等4）消費電子材料：中石科技、世華科技等

　　AI拉動服務器需求，看好服務器產業鏈，建議關注：1)AItoB：海康威視、大華股份、鼎捷軟件（由計算機組覆蓋）、凌云光等2）AI服務器：工業富聯、紫光股份（由通信、計算機組聯合覆蓋）、浪潮信息、中科曙光等3）服務器線束與連接器：電連技術、兆龍互連等4）服務器PCB：鵬鼎控股、滬電股份（與通信組聯合覆蓋）等5）算力芯片：寒武紀、海光信息（由計算機組覆蓋）、景嘉微（與計算機組聯合覆蓋）等6）存儲供應鏈：兆易創新、北京君正、江波龍(與計算機組聯合覆蓋)、瀾起科技、雅克科技、鼎龍股份（與化工組聯合覆蓋）、華懋科技（與汽車組聯合覆蓋）、華特氣體等7）邊緣AI：瑞芯微、晶晨股份、全志科技、恒玄科技、富瀚微、中科藍訊、樂鑫科技等8）Chiplet：長電科技、通富微電、華天科技、甬矽電子、長川科技（由機械軍工組覆蓋）、華峰測控（由機械軍工組、電新組聯合覆蓋）、利揚芯片、芯碁微裝、偉測科技等 　

來源：弗若斯特沙利文 　　近日，弗若斯特沙利文（Frost & Sullivan，簡稱“沙利文”）發布《AI 大模型市場研究報告（2023）——邁向通用人工智能，大模型拉開新時代序幕》。 　　報告認為，伴隨基于大模型發展的各類應用的爆發，尤其是生成式 AI，促使大模型帶來的價值進一步升級到人類生產力工具的顛覆式革新，逐漸拉開了通用人工智能（AGI）的發展序幕。 　　在通往AGI時代的旅程上，大模型和人類反饋的強化學習（RLHF）的結合，不僅重構了AI開發范式，未來軟件80% 的價值將由 AI 大模型提供，剩余 20% 會由提示工程和傳統業務開發組成，開發者的生產力將得到極大釋放；與此同時，AI的發展也將由之前單向發展的數據飛輪升級到不斷迭代進化的智慧飛輪，更高效的解決海量的開放式任務。 　　報告指出，中國大模型廠商的成功因素主要包括：全棧大模型訓練與研發能力、業務場景落地經驗、AI安全治理舉措、以及生態開放性4個方面，其中全棧大模型訓練與研發能力還包括數據管理經驗，AI基礎設施建設與運營，以及大模型系統和算法設計3個部分。這些成功因素分別體現著大模型廠商的產品技術能力、戰略愿景能力、生態開放能力三個維度。 　　基于這三個維度，沙利文制定了超過70個評估指標，對大模型廠商進行了全面的能力評估。 　 關鍵發現點

　　AI大模型的高速發展離不開底層技術支持和應用場景迭代。大模型作為AGI時代的曙光，相關廠商也將迎來廣闊的發展空間。本報告將呈現從發展現狀、驅動因素洞察AI大模型廠商競爭與發展關鍵點，并推演競爭格局的邏輯分析過程： 　 　　前瞻洞察：

　　通向AGI的技術路徑具有多元性，目前大模型是最佳實現方式。大模型具有強大的泛化性、通用性和實用性，能夠降低AI開發門檻、提高模型精度和泛化能力、提高內容生成質量和效率等多種價值，實現了對傳統AI技術的突破，并成為AGI的重要起點。 　　進而將AI發展由數據飛輪升級到智慧飛輪，最終邁向人機共智。大模型和人類反饋的強化學習（RLHF）的結合，進一步重構了AI開發范式，進入大模型主導的軟件2.0時代。另一方面，AI開發則形成新的“二八定律”，開發者的生產力將得到極大釋放。 　 　　驅動因素：

　　大模型“基礎設施-底層技術-基礎通用-垂直應用”發展路線逐漸清晰，國內各廠商加速戰略布局，加大資金和技術投入，迎頭趕上全球大模型產業化浪潮，本土化大模型迎來發展新機遇。整體上，行業驅動因素主要包含三個層面： 　　（1）政策端：政策環境持續優化，賦能AI大模型市場高速發展。 　　（2）供給端：下一代AI基礎設施等快速發展，助力大模型應用落地。 　　（3）需求端：AI市場高景氣，大模型下游行業需求旺盛。 　 　　行業觀點：

　　大模型未來發展將趨于通用化與專用化并行、平臺化與簡易化并進。同時，MaaS模式將成為AI應用的全新形式且快速發展，重構AI產業的商業化結構生態，激發新的產業鏈分工和商業模式。未來，大模型將深入應用于用戶生活和企業生產模式，釋放創造力和生產力，活躍創造思維、重塑工作模式，助力企業的組織變革和經營效率，賦能產業變革。 　 　　關鍵成功因素：

　　大模型面臨算力需求大、訓練和推理成本高、數據質量不佳等挑戰。一個可對外商業化輸出的大模型的成功，要求其廠商擁有全棧大模型訓練與研發能力、業務場景落地經驗、AI安全治理舉措、以及生態開放性4大核心優勢，才能保證其在競爭中突出重圍。其中，全棧大模型訓練與研發能力還包括數據管理經驗，AI基礎設施建設與運營，以及大模型系統和算法設計3個關鍵要素。 　 　 　　競爭格局：

　　在競爭格局漸趨明晰的過程中，相關廠商需跨越技術、人才、資金等壁壘，在產品技術能力、戰略愿景能力、生態開放能力三大維度上展開角逐。通過遴選，報告選擇了5家大模型廠商，分別為商湯、百度、阿里巴巴、華為、騰訊，評價模型包含15個一級指標、56個二級指標，對廠商大模型的各個能力進行評估。 　 　　用戶建議：

　　通過此報告能夠了解大模型廠商的競爭態勢，關注領先廠商，內部創建大模型戰略文件，明確其優勢、帶來的風險和機遇，以及部署路線圖，針對具體的用例，權衡模型的優勢和風險，并選擇合適場景試點、評估大模型的應用價值。 　 具體內容如下

我們將“AI+傳媒”的研究框架體系定義為“通用大模型”+“行業小樣本”的技術架構，“AI+傳媒”在應用層表現效力優劣的關鍵取決于通用大模型對垂直應用的適配程度及迭代速度，

　　1、適配程度是指：多模態的輸入及輸出是否匹配應用層的輸入及輸出。比如GPT-4屬于“圖+文”多模態輸入+“文”單模態輸出，因此輸入模態為“圖或文”且輸出模態為“文”的垂直應用更適配GPT-4。 　　2、迭代速度是指：應用層產生的“行業小樣本”的數據量是否匹配大模型的迭代要求。根據我們對GPT模型的理解，比如BingAI產生的“行業小樣本”源自Bing的搜索結果，ChatGPT產生的“行業小樣本”源自用戶的反饋和互動。因此我們認為，對于超出GPT所使用的預訓練數據庫范圍（2021年9月前）的事實性表述，BingAI反饋的是搜索的結果，ChatGPT反饋的是用戶主動的觀點，BingAI反饋的效果比ChatGPT更好。 　　我們認為“行業小樣本”的價值取決于數據數量及數據質量，數量大且質量高（多模態）的應用場景復用及迭代AI能力的效力更強，因此更進一步理解我們的研究框架，我們將“行業小樣本”的結構分層（中層小模型+下層應用及內容），并將“行業小樣本”的結合方式分類（調用+訓練）： 　　1、“行業小樣本”的數據集來自小模型或應用及內容：AI產業鏈包括上層大模型、中層小模型、下層應用及內容，包括應用及內容直接接入大模型或通過小模型接入大模型兩種方式，即“大模型+應用及內容”或“大模型+小模型+應用或內容”，其中具備特定功能的AIGC軟件產品及MaaS我們理解為“小模型”+“應用”的技術范式，本身具備較高質量的AI能力，若接入匹配的多模態大模型，有望實現能力上的質變突破。 　　2、“行業小樣本”的結合方式包括“能力調用”及“能力訓練”兩類： 　　（1）“能力調用”是指下游垂類場景直接調用通用大模型的通用能力，并基于垂類場景內產生的特性化數據不斷提升調用能力在垂類場景內的適配程度。我們認為現階段下游應用及內容主要采取此類方式接入大模型能力，此類方式可高效快速調用大模型先進能力，在時間上及成本上具備優勢。我們認為“能力調用”匹配“AI+傳媒”的第一層利好，即通過AI降本增效，大幅提高數據及內容的供給量。內容產業本質由供給決定需求，因此內容供給量的明顯提升將有效帶動傳媒基本面拐點及增量空間出現。 　　（2）“能力訓練”是指下游垂類場景將通用大模型針對特性化數據集進行再訓練，從而形成垂類場景專屬大模型。例如彭博社利用自身豐富的金融數據源，基于開源的GPT-3框架再訓練，開發出了金融專屬大模型BloombergGPT。我們認為“能力訓練”匹配“AI+傳媒”的第二層利好，即下游垂類場景本身的數據或內容反過來“再訓練”通用大模型（或開源大模型），形成傳媒內容場景專屬大模型，形成更穩定且高質的內容輸出。我們認為訓練難度文本<圖片<視頻<影視<游戲，且內容數量逐步遞減但內容質量逐步遞增，即偏后端的影視、游戲在內容數量上訓練量級不足，因此高質量的內容形態首先通過“能力調用”輸出AIGC內容，再將AIGC內容“再訓練”大模型以解決高質量內容數量不足的問題（合成數據“再訓練”范疇）。從投資的角度，按照我們的研究框架，傳媒對應垂類場景的“行業小樣本”，其核心價值取決于數據與內容，第一層對應數據與內容的輸入模態是否匹配大模型的輸出模態；第二層對應數據與內容的數量及質量是否匹配大模型的能力再訓練： 　　1、按照“模態匹配”的邏輯，AI+文本/虛擬人預計率先兌現案例及業績，其次AI+圖片可通過“大模型”+“小模型”組合方式實現（如GPT+StableDiffusion、GPT+Midjourney）。隨著未來GPT-5提供更多模態的輸入及輸出，下游垂類場景的適配范圍有望擴大，通過“能力調用”適配的應用及內容場景更為豐富，因此后續“AI+視頻/影視/游戲”的案例兌現度存在新的催化空間。 　 　　OpenAI最新發布的GPT-4核心特征包括：（1）多模態輸入（圖+文），單模態輸出（文），可以閱讀并總結論文內容、解答較高難度的物理題目、具備較強的OCR能力（如識別網頁草稿并按要求反饋網頁代碼）、理解人類社會常識；（2）具備長文字處理及推理判斷能力，GPT-4上下文上限約2.5萬字，允許使用長格式內容創建、擴展對話以及文檔搜索和分析等，能夠閱讀并記憶更多信息，且具備更高的推理判斷能力；（3）可靠性大幅提升，分辨能力提高，有效減少“虛構”或“有害”信息輸出。2、按照“能力再訓練”的邏輯，AI+內容/IP預計空間及價值更大，其價值核心取決于數據與內容/IP的數量及質量的高低。微軟本周發布的DeepSpeed-Chat大幅提升大模型預訓練速度并大幅降低訓練成本，我們認為最核心意義為大幅降低垂類場景專屬大模型的訓練門檻，小模型層及應用層有望明顯受益。掌握數據及優質內容（多模態數據）的下游場景具備核心競爭力，因此內容及IP（版權）的價值有望重估。 　 　　DeepSpeed-Chat集成預訓練語言大模型完整三個步驟，其中針對第三步RLHF訓練集成了高效且經濟的DeepSpeed-RLHF系統，使復雜的RLHF訓練變得快速、經濟并且易于大規模推廣（相比現有系統提速15倍以上，且大幅降低算力要求及成本）。本文將選取國外AI圖像生成領域的龍頭之一進行解析，Midjourney是國外一款搭載在Discord社區上的圖像生成應用，通過差異化產品定位擁有了早期數據積累及活躍社區，截至2023年3月在Discord上的用戶數超1300萬，是目前用戶數最多的服務器，年營收約1億美元。公司團隊成員僅11人，人效極高，團隊成員及顧問擁有AI技術及產品創業的復合背景，從不同緯度賦能公司發展。 　 　　基于CLIP及Diffusion的開源模型構建專屬閉源模型，數據飛輪快速構建護城河。Midjourney通過參考CLIP及Diffusion開源模型的基礎上抓取公開數據進行訓練，從而構建自己的閉源模型以適應行業技術的飛速發展。此外，通過收集用戶反饋及數據標注，Midjourney不斷迭代模型，在ValueChain上占據多個數據層、模型層、應用層整個技術棧。 　 　　以藝術風格建立差異化競爭優勢，具備廣闊的用戶基礎，目標客群付費意愿強烈。Midjourney擁有多種不同風格可供選擇，藝術風格在市場上具備差異化優勢。prompt簡短生成效果驚艷，具備較強商業性，鎖定基數大付費意愿強的創意設計目標客群，被大量實踐證明能顯著提高工作效率。2022年3月V1發布時仍參考了很多的開源模型，同年4月、7月、11月分別發布V2、V3、V4，其中V4補充了生物、地點等信息，迭代出了自己的模型優勢，增強對細節的識別能力及多物體、多人物的場景塑造能力。2023年3月，在經歷多次更新后的MidjourneyV5版本解決了一些技術難題，完成了跨越性的突破。 　 　　Midjourney與Discord雙輪驅動，激勵用戶點贊積累標注數據。Discord為Midjourney的啟動提供了絕佳的社交體驗平臺，成功將其帶入了大眾市場。一方面Discordbot降低了用戶使用門檻；另一方面，圖片創作是一個在討論中不斷迭代的過程，欣賞其他用戶的作品有也助于激發靈感。此外，Midjourney通過贈送免費使用時間來激勵用戶點贊，從而積累標注數據不斷優化模型生成效果。 　

今年以來，以“人工智能”為代表的數字化技術賽道無疑是A股市場的最大熱點，相關板塊也一度呈現集中快速上漲且大幅放量的火爆態勢，也由此引發市場對于該板塊交易擁擠、投資價值是否尚存的種種關注和討論。與此同時，從估值角度看，各子板塊估值差異較大，其中，人工智能指數估值已處于數年來極高位置，但TMT、芯片、數字經濟等指數的估值還在近幾年的低位。但如從科技自主可控與安全的國家戰略視角來看，數字化技術等科技創新相關行業及企業的發展無疑是值得期待，投資者若擇優而行，長期堅持，一定會收獲新時代的科技紅利。為此，本報告以“人工智能”為切入點，對TMT相關行業從政策、技術、產業等多方面進行梳理，以預判其中的投資機會。

　　計算機：2017年7月國務院出臺《新一代人工智能發展規劃》，提出三步走戰略目標，成為了人工智能領域最重要的一份整體發展規劃，也為后續政策出臺提供了重要的依據。同年AlphaGo戰勝世界第一的圍棋選手柯潔，技術和政策的雙向推動下，多項人工智能的推動政策密集出臺。考慮到當前人工智能技術再次取得重大突破，我們認為國家有望在相關方向上出臺更多推動政策，助力國內產業跟隨國際先進水平。 　 　　通信：作為發揮數據生產要素價值的關鍵驅動力，算力對經濟增長的拉動具有長期性和倍增效應。數字中國建設和人工智能產業的發展對算力要求將為云計算基礎設施帶來較大增量。光模塊作為數據中心關鍵零部件，行業具備新產品升級周期驅動特征。隨著AI應用和云計算的高速發展以及傳統企業數字化轉型的需要，海量數據對網絡帶寬提出新的要求，有望帶動配套高速光模塊的需求提升。此外，受益于ChatGPT帶來的算力需求激增，行業景氣度提升，配置價值顯現，板塊迎來布局良機。運營商憑借原有網絡和數據中心等基礎設施優勢，算力運維成本得以大幅下降。電信運營商以通信網絡為基礎、以數據資源為核心、以信息技術為動能，作為數字經濟的中堅力量，AI時代國家隊代表，算力網絡建設先鋒，有望充分獲益。受益于AI產業和產業數字化轉型，運營商以B端為主力增長點，產業數字化業務成為第二成長曲線，未來成長空間廣闊。 　 　　電子：AIGC模型預訓練數據量呈指數級增長，帶動算力需求爆發。人工智能的各類應用場景，從云端溢出到邊緣端，或下沉到效支撐，算力基礎設施云、邊、端AI芯片作為算力載體，將迎來高速成長期。云端AI芯片是AI服務器算力的核心組成，英偉達主導云端AI計算市場，美國限制高端GPU供應，國產GPU芯片廠商迎來黃金發展期；AI芯片專用于人工智能領域，國產AI芯片廠商迎來高速發展期。隨著人工智能、5G、物聯網等技術的逐漸成熟，算力需求從云端不斷延伸至邊緣，帶動邊緣計算服務器和邊緣端智能芯片市場穩步增長。國內邊緣端智能芯片廠商崛起，部分產品性能指標已可對標海外龍頭廠商。AIGC有望加速智能在終端上的應用，終端AI芯片迎來升級與發展機遇。 　 　　傳媒：目前的AI技術的應用已經從最初的數據分析突破到創意性內容的生成，優秀的內容生成能力引發了大范圍的關注，GPT-4、Midjourney等AIGC類應用產品的快速迭代和更新表明了AIGC的發展已經步入快車道并正在為內容創作領域帶來深刻的變革。隨著算法、模型、算力的持續優化，未來的AIGC將實現更加高質量的內容產出，當前技術成熟度相對欠缺的長文本生產、視頻生成以及橫跨更多模態的多模態生成等方面也將逐一被突破、解決，進一步擴大AIGC技術的應用范圍和普及率。短期來看，我們認為在目前的AIGC的應用場景之中，游戲行業市場規模大、商業化成熟度高，所涉及的代碼、繪圖、音樂、策劃、測試等多個內容創作環節均能夠與AI技術進行比較好的融合，將率先成為AIGC技術的核心應用場景和投資主線之一。AI技術也為游戲產業帶來了更多的產品附加值，通過與前沿科技的相互融合共同發展，為游戲產業的不斷注入創新發展的動力，建議密切關注“AI+游戲”的結合落地情況，由AI技術所帶來的創新玩法體驗以及游戲公司研發的降本增效將成為驗證AI技術在游戲產業應用情況的重要指標。 　

主要觀點： 　　ChatGPT帶來大模型時代變革，數據要素重要性提升 　　ChatGPT是由OpenAI研發的一種語言AI模型，其特點在于使用海量語料庫來生成與人類相似的反應。初代GPT模型參數1.17億，GPT2模型、GPT3模型參數分別達到15億、1750億。不斷提升的參數量級，使得ChatGPT3當前已經能夠應用在商業、研究和開發活動中。 　　當前此類參數體量龐大的模型，成為各大科技廠商研發重點。大模型的基礎為高質量大數據。ChatGPT的前身GPT-3就使用了3,000億單詞、超過40T的數據。此類大數據基礎的前提為三部分1）有效場景下的采集數據；2）大數據的存儲、清洗和標注；3）數據質量檢驗。 　　大模型發展之下，算力與網絡設施建設成為剛需 　　算力：ChatGPT類人工智能需要更充足的算力支持其處理數據，帶來更多高性能的算力芯片需求。英偉達表示，GPT-3需要512顆V100顯卡訓練7個月，或者1024顆A100芯片訓練一個月。2012年以來，AI訓練任務中的算力增長（所需算力每3.5月翻一倍）已經超越摩爾定律（晶體管數量每18月翻一倍）。 　　網絡設施：以微軟Azure為例，其AI基礎設施由互聯的英偉達AmpereA100TensorCoreGPU組成，并由QuantuminfiniBand交換機提供橫向擴展能力。服務器節點多、跨服務器通信需求巨大，網絡帶寬性能成為GPU集群系統的瓶頸，解決方式包括增加單節點通信帶寬與降低網絡收斂比，帶來光模塊、交換機等需求。 　　下游應用場景豐富，多行業落地可期 　　1）“生成式AI(generativeAI)”在互聯網及元宇宙領域市場化空間較為廣闊。基于現行的NLP算法發展程度及數據集規模。在不久的將來，生成式AI有較大可能在“智能客服”和“搜索引擎”進行增值，并有希望以“插件”的形式賦能現有的“生產力工具鏈(工程軟件/音視頻制作工具等)”。 　　2）AI在制造業的應用可分為三方面：a）智能裝備：指具有感知、分析、推理、決策、控制功能的制造裝備，典型代表有工業機器人、協作機器人、數控機床等；b）智能工廠：重點在于實現工廠的辦公、管理及生產自動化，典型的代表場景有協作機器人、智能倉儲物流系統等；c）智能服務：指個性化定制、遠程運維及預測性維護等。 　　3）人工智能在智能汽車領域的應用包括：a）智能駕駛依托AI，將從駕駛輔助發展至自動駕駛；b）智能座艙在AI支持下，從出行工具演變為出行管家。

過去的兩年，全球企業均面臨著巨大的挑戰。日益復雜的價值鏈、高度競爭的市場、不斷變化的客戶需求、中斷的供應鏈和緊張的地緣政治局勢，以及仍在持續的新冠肺炎疫情大流行，無一不為企業帶來了巨大壓力。在金融不穩定和市場不確定性的雙重承壓下，企業戰略必須適應當下以保持業務穩定增長，推動組織在短時間內接受變革，實現生存和繁榮。根據IDC2022年一項調查顯示，企業已經意識到利用工業互聯網生態合作伙伴來支持自身業務，共享數據和洞見、共享應用以及專業知識，是一種高效的業務運行和創新方式。84%的受訪企業已經開始或已經參與數字優先戰略，超過一半的受訪企業預計到2023年將擴大其核心行業以外的工業互聯網生態。工業互聯網生態是引領企業面向未來發展的全新產業形態，企業產生價值的能力將與它參與工業互聯網生態的程度有關。當前，業內對于工業互聯網以生態模式發展的共識已基本形成，每個行業的企業都認識到，通過工業互聯網生態實現平臺和服務的共享、跨行業協作和創新將會是其發展的必由之路。工業互聯網生態也脫離了早期基于產業鏈的線性價值傳遞的理念形態，逐漸進入2.0階段，從行業鏈接走向共享聚變。未來的工業生態系統將從線性價值鏈轉變為立體的網狀生態體系。隨著新的業務模式、客戶需求和運營方式的出現，工業互聯網生態將利用平臺擴大規模、提升速度，并整合企業產品、資產、人員和流程的數據。這種開放、敏捷和規模化的生態系統促進了創新的出現與其范圍的推廣，根據需要提供運營支持和專業知識，為響應企業的動態需求和發展機會提供支撐。更進一步，工業互聯網生態賦能產業協同和區域轉型升級，在更大規模上推動創新共贏。工業互聯網生態的重點是創建實現跨行業創新、協作和數據共享的平臺，以協同生態，為區域伙伴創造新的收入機會。傳統的行業界限逐漸讓位于不同行業的參與者之間，和公共部門的參與者之間的合作。雖然這種跨行業合作一直被認為只存在于汽車等行業，但這一趨勢在食品飲料、服裝和鞋類、生命科學和醫療設備等行業中正在加速，以提供高效快速的創新能力、知識共享和運營支持。為此，工業互聯網生態需要實現數據和洞察力的共享、應用程序的共享、專業知識的共享。生態中的各個共享元素都在補充和增強其他元素，提高創新程度、智能化程度，增強客戶體驗和企業間的信任。中國正憑借在制造業存量、數據資源和需求規模方面的優勢，走出一條具備自己特色的工業互聯網發展道路。隨著中國工業互聯網生態的完善，中國將日益接近實現從“制造大國”邁向”制造強國“的偉大跨越。“工業互聯網生態”未來將如何演進？這種產業組織形態的價值和機制又是什么？作為全球著名的信息技術、電信行業和消費科技咨詢、顧問和活動服務專業提供商，IDC與卡奧斯工業智能研究院合作，試圖通過本白皮書來回答這個核心問題。本白皮書旨在通過探討工業互聯網生態的演進，及其生態價值和核心賦能機制，解析面向企業數智化轉型、產業協同和區域轉型升級的三類共享生態，為業內提供一種基于工業互聯網生態和產業組織的系統性思考框架，一起展望工業互聯網生態的未來演進。

從報告“GPU研究框架（2023）”看，GPU的核心競爭力在于架構等因素決定的性能先進性和計算生態壁壘。國內GPU廠商紛紛大力投入研發快速迭代架構，推動產業開放構建自主生態，加速追趕全球頭部企業。國產替代需求持續釋放疊加國際局勢不確定性加劇，AI&數據中心、智能汽車、游戲等GPU需求有望高增，國產GPU迎來發展黃金期，我們看好國產GPU公司的發展與投資機遇。第一，我們從性能和生態2個維度構建了GPU完整的研究體系。1）性能：決定GPU是否“高效”，其中微架構/制程是影響GPU性能的核心要素。2）生態：CUDA構筑通用計算堅固壁壘。第二，提出在評估GPU性能的指標的重要性上：微架構、制程、流處理器數量、核心頻率對GPU性能影響較大。我們詳細梳理了GPU的微架構、制程、顯存容量/位寬/帶寬/頻率、核心頻率等各類性能參數及重要性程度，并利用“核心數核心頻率2”公式對性能算力進行量化，揭示可用3DMark、MLPerf 等GPU軟件跑分進行相關性能測試評估。第三，詳細拆解了NVIDIA Fermi和Hopper兩大典型微架構的具體硬件實現，在頂點處理、光柵化計算、紋理貼圖、像素處理的圖形渲染流水線上對Fermi架構進行了拆分；在指令接收、調度、分配、計算執行的通用計算流水線上對Hopper架構進行了簡單易懂的描述，并指明更多、更專、更智能等未來架構升級迭代的方向。第四，明晰了生態是構建通用計算壁壘的基石。提出GPU研發難度在圖形渲染硬件和通用計算軟件生態層面，在IP、軟件棧方面研發門檻較高，需要較長的積累，先發者優勢明顯。CUDA生態從2006年推出至今，經過不斷發展完善，幾乎已在行業生態內處于壟斷地位。第五，深度復盤Nvidia/AMD（ATI）的產品迭代和競爭發展史，通過對NVIDIA長期保持領先和AMD（ATI）反超進行總結得出結論：架構創新升級和新興領域前瞻探索是領跑GPU行業的關鍵。 第六，梳理和測算了國內GPU在AI&數據中心、智能汽車、游戲行業的市場空間和發展趨勢。以下為報告原文，節選部分內容，更多內容請參看原報告“GPU研究框架（2023）”。

2021年中國云原生AI開發平臺白皮書

行業背景：近年來，國內人工智能技術成熟度持續提升、服務種類不斷豐富，在企業經營管理各環節的價值已得到市場的初步驗證。然而，當前國內甲方企業在進行人工智能開發和應用時仍然面臨著技術人才儲備不足、AI應用部署存在困難、投入產出比不達預期等問題，亟需能夠幫助企業解決這一問題的高效AI開發和應用工具。

產品&關鍵技術：云原生AI開發平臺融合了成熟的人工智能開發框架以及云原生工具靈活調用云資源、高效部署云應用的能力，一方面幫助企業開發者提高算法模型的開發效率，另一方面提升交付、部署、運維環節的效率并降低TCO。橫向對比甲方企業可能采用的諸多獲取人工智能能力的平臺和方式之后，我們認為云原生AI開發平臺在AI開發應用全生命周期視角下具備一定的綜合優勢。

SMS 應用場景：云原生AI開發平臺在諸多人工智能密集應用的下游場景和行業具備通用性，包括互聯網、金融、自動駕駛、政務、制造、營銷等。本報告挑選了部分應用場景，梳理了上述場景下企業進行AI開發和應用過程中面臨的實際需求和難點，展示了典型云原生AI開發產品的服務架構以及對企業經營管理的價值。

發展趨勢：AI開發平臺還將朝著易用性、專業化、綜合性、產用協同等方向發展，我們認為在這一過程中，AI開發平臺的產品廣度將進一步提升，并有望集成DevOps、AIOps等運維方法和工具，全方位融入企業的數字化經營體系。同時，AI開發平臺的服務業態還將向軟硬一體化方向演進，深度融合技術交流社區等平臺，形成學用一體化的技術傳播與升級環境。

自研AI芯片、云原生架構、彈性分布式訓練服務以及MLOps能力成為平臺核心能力

　　AI芯片將持續架構創新、形態演進以及軟硬一體化趨勢；云原生應用可以為AI開發平臺的用戶（開發者）提供更敏捷高質量的應用交付以及更簡單和高效的應用管理；分茍式訓練可提供底層資源的彈性配置，提升系統的資源利用率；MLOps為AI開發平臺帶來靈活性與速度。

　　開發者流量與平臺規模是AI開發平臺營收決定性要素

　　AI開發平臺商業模式相對簡單。AI開發平臺經營模式是通過為企業或并發者提供Ai技術接口或AI并發工具而獲利I計費方式主要包括免費、按調用量計費、包年或包月三種。

　　模型調用業務營收將提升

　　2016-2020年，中國AI開發平臺營收規模快速擴張，2020年中國AI開發平臺營收突破200億元^現階段算力、數據、模型調用、部署/維護四項業務占AI并發平臺的營收占比約為4:3:21。未來，隨著推斷應用占比的提升，數據業務的營收占比預計將下降；而隨著AI在各垂直場景中應用的深入，模型調用業務的營收占比預計將提升。

進入 21 世紀以來，隨著數據的爆發式增長，計算能力的大幅度提升和深度學習的發展和成熟，人工智能("AI")迎來了第三次發展浪潮，人工智能技術走向了全面應用，在全球范圍內掀起了一場新的產業革命。在中國，發展人工智能已上升為國家戰略，并連續多年寫入政府工作報告中。得益于社會經濟的持續增長、政策和資本的大力驅動、創新力量的持續沉淀，AI 產業正在蓬勃發展，并孕育了數千家人工智能相關企業。而成長型 AI 企業數量占總體比例達九成，是人工智能技術發展，應用創新和產業融合的重要推動力量。研究成長型 AI 企業對理解人工智能產業的發展現狀和發展趨勢有著重要意義。

德勤、英特爾和深圳人工智能行業協會強強聯合，通過對數千家成長型 AI 企業數據的分析研究，幾百家企業的走訪以及和近百家優秀企業的深度合作，就中國成長型 AI 企業的發展特點、投融資變化、發展過程中面臨的挑戰、不同區域和城市的相關政策和產業現狀、生態圈構建、技術發展趨勢、以及企業發展建議等進行了全面系統性研究。我們希望通對成長型 AI 企業多維度、全面的研究，能夠推動中國成長型 AI 企業的發展，構建更加繁榮的 AI 產業生態，并為政府相關部門制定相應的企業扶持政策和產業發展政策提供一定的參考。

主要發現：

人工智能核心產業規模 5 年內將突破 5000 億元： 預計 2021 年中國人工智能市場規模將達 2058 億元，增速 30%，到 2025 年突破 5000 億元。隨著疫情中人工智能場景的密集應用、落地渠道的增加和技術的不斷成熟和開放，中國人工智能將再度高速增長，迎來產業發展黃金期。

成長型 AI 企業數量龐大：

中國人工智能相關企業共約 5015 家，其中，成長型 AI 企業 4484 家，占整體約九成比例。成長型 AI 企業覆蓋的產業領域日趨全面，部分已經在特定的 AI 領域引領市場和技術。

2020 年投資總額同比增長 73.8%，投資向 B 輪及以后企業聚攏：

2020 年中國在人工智能領域的投資金額再創新高，達到 1748 億元，同比增長 73.8%。但融資次數同比有所減少，平均單筆融資額有所攀升。整體來看，A 輪及前序初始輪投資活動明顯減少，資金更多向 正經歷B 輪及后序輪融資的成熟企業集中，其中，智能制造和智慧醫療是投融資數最多的兩大細分領域。