1、 有关分析师的申明，见本报告最后部分。其他重要信息披露见分析师申明之后部分，或请与您的投资代表联系。并请阅读本证券研究报告最后一页的免责申明。计算机行业 行业研究|深度报告 ChatGPT 引引领领 AI 技术新一轮热潮，技术新一轮热潮，预示着预示着 NLP 技术有望迅速进入平民化应用时技术有望迅速进入平民化应用时代代。2022 年 11 月 30 日，OpenAI 公司上线了聊天机器人模型 ChatGPT，迅速引发了全球的热潮。ChatGPT 是一种预训练的语言大模型，采用大量的参数和大量的数据进行训练，基于人类反馈的强化学习算法，将 NLP 技术和机器学习结合，极大地提升了模型算法的效率和

2、能力。随着 ChatGPT 的热度不断攀升，多家科技公司都开始布局 ChatGPT 相关技术领域，NLP 技术有望迅速进入平民化应用时代。ChatGPT 具有良好的商业价值，未来应用空间广阔具有良好的商业价值，未来应用空间广阔。ChatGPT 相关技术不仅对众多的 C 端应用带来革新，同时也将对 B 端应用产生重大影响，企业数字化转型有望真正从数字化走向智能化，ChatGPT 在企业办公中的应用，具备很大的想象空间。我们认为，协同办公类应用作为企业各类应用的入口，同时具备知识管理、流程引擎等功能，具备很强卡位价值，在把 ChatGPT 技术引入后，可以极大提升产品的功能与应用体验。员工仅需给出

3、想要办理的流程，由 ChatGPT 进行智能化办理，从而改变过去员工需要自行在 OA、ERP 及业务系统中完成信息录入、功能查找、业务办理的现状，将极大地提升办公效率和使用体验。目前微软已经将 ChatGPT 应用到了 Dynamics 365、Teams 等产品线，未来将要应用到 Bing 搜索中，未来的商业价值空间十分可观。AIGC 有望成为未来人工智能的重要方向有望成为未来人工智能的重要方向，商业化模式仍需摸索，商业化模式仍需摸索。AIGC 即人工智能内容生成，ChatGPT 就是典型的文本生成式的 AIGC，其目前的成功也有望带动AIGC 在图像、音乐、视频等其他领域落地。Gartne

4、r 曾多次将生成式 AI 列为未来的重要技术趋势，是当下最引人注目的人工智能技术之一。据 Gartner 预计，到2025 年，生成式人工智能将占所有生成数据的 10%，而目前这一比例还不到 1%。随着 ChatGPT 开启付费订阅试点，AIGC 的商业化进程正式拉开帷幕。据量子位报告统计，到 2030 年，AIGC 的市场规模将超过万亿人民币，但由于 AIGC 目前产业化程度有限，大量业务场景尚未成功变现，商业模式也还处于探索阶段。我们认为，在当下时点，AIGC 基于其出色的降本增效能力，在企业级市场的应用前景较为明朗和稳定，在 C 端消费市场的商业模式仍需进一步摸索。我们认为，未来几年是

5、AIGC 的快速发展窗口期，相关的 AI 模型算法、算力基础设施以及下游应用都有望迎来加速增长。AI 模型和算法能力领域，建议关注科大讯飞(002230，买入)、拓尔思(300229，未评级)、云从科技-UW(688327，未评级)等公司。算力基础设施领域，建议关注中科曙光(603019，买入)、海光信息(688041，买入)、浪潮信息(000977，未评级)等公司。我们看好 ChatGPT 在企业级市场的应用和渗透前景，建议投资者关注致远互联(688369，未评级)、ST 泛微(603039，未评级)、用友网络(600588，买入)、鼎捷软件(300378，未评级)、金山办公(688111，

6、增持)、汉得信息(300170，未评级)等公司。风险提示风险提示 AI 技术发展不及预期；政策监管风险 投资建议与投资标的 核心观点 国家/地区 中国 行业 计算机行业 报告发布日期 2023 年 02 月 08 日 浦俊懿 *6106 执业证书编号：S0860514050004 陈超 *3144 执业证书编号：S0860521050002 谢忱 执业证书编号：S0860522090004 杜云飞 覃俊宁 开门红后未来表现仍值得期待，数据要素、AI、信创是核心方向：计算机行业周报 2023-02-05 ChatGPT 引领 AI 新浪潮，AIGC

7、 商业化启程 看好（维持）计算机行业深度报告 ChatGPT引领AI新浪潮，AIGC商业化启程 有关分析师的申明，见本报告最后部分。其他重要信息披露见分析师申明之后部分，或请与您的投资代表联系。并请阅读本证券研究报告最后一页的免责申明。2 目 录 一、ChatGPT 持续升温，AIGC 热潮来临.4 1.1 ChatGPT 横空出世，AI 发展方兴未艾.4 1.2 ChatGPT 的先行者GPT 模型的发展.5 1.3 ChatGPT 应用在即，B 端商业价值凸显.6 二、AIGC 出圈，潜在应用前景广阔.8 2.1 从 AI 艺术品到 AIGC 的破圈.8 2.2 AIGC 有望成为未来人工

8、智能的重要方向.9 2.3 ChatGPT 开启付费试点，AIGC 商业化任重道远.11 三、相关标的.13 3.1 科大讯飞：认知智能领域全国领先.13 3.2 拓尔思：语义智能技术（NLP）的领导者.13 3.3 云从科技：从智能感知到认知决策的核心技术闭环.14 风险提示.15 ZVnUpWjXoZ9UyQuM8OdN7NpNrRmOnOjMmMpNeRmMwO6MqRrRuOoOsPNZsOvN 计算机行业深度报告 ChatGPT引领AI新浪潮，AIGC商业化启程 有关分析师的申明，见本报告最后部分。其他重要信息披露见分析师申明之后部分，或请与您的投资代表联系。并请阅读本证券研究报告最

9、后一页的免责申明。3 图表目录 图 1：ChatGPT 回答问题.4 图 2：RHLF 算法的训练流程.4 图 3：基于 NLP 的预训练模型的参数数量（单位：百万个）.6 图 4：GPT-3 模型与其他语言模型的训练算力消耗对比.6 图 5：集成 ChatGPT 的 Bing 搜索短暂上线.7 图 6：UiPath 的 ChatGPT+RPA 尝试.7 图 7：ChatGPT 在 Dynamics 365 中的应用.8 图 8：AI 画作埃德蒙贝拉米画像.8 图 9：AI 数字虚拟人形象.8 图 10：AIGC 发展历程.9 图 11：内容创作模式发展的四个阶段.10 图 12：2022 年

10、 Gartner 人工智能成熟度曲线.10 图 13：2022 年 Gartner 影响力雷达.10 图 14：生成式 AI 模型进展与应用时间表.10 图 15：近年来 AICG 领域的投资情况.11 图 16：OpenAI 推出付费试点订阅计划 ChatGPT Plus.11 图 17：2030 年 AIGC 市场规模将超过万亿人民币.12 图 18：科大讯飞在 SemEval 2022 三项主要赛道中拿下冠军.13 图 19：拓尔思“智创”AIGC 平台架构.14 图 20：云从科技人机协同全景.14 表 1：GPT 历代产品.5 计算机行业深度报告 ChatGPT引领AI新浪潮，AIG

11、C商业化启程 有关分析师的申明，见本报告最后部分。其他重要信息披露见分析师申明之后部分，或请与您的投资代表联系。并请阅读本证券研究报告最后一页的免责申明。4 一一、ChatGPT 持续升温持续升温，AIGC 热潮来临热潮来临 1.1 ChatGPT 横空出世，AI 发展方兴未艾 ChatGPT 是由是由 OpenAI 公司在公司在 2022 年年 11 月月 30 日日发布的一种聊天机器人模型，发布的一种聊天机器人模型，是是由人工智能由人工智能技术驱动的自然语言处理工具技术驱动的自然语言处理工具。它使用了 Transformer 架构并训练了大量的文本数据，能够进行语言翻译、问答、对话等任务。

12、由于其在各种对话交互处理中的性能表现出色，自上线之后就迅速走红，仅一周就吸引了超过百万用户，Elon Musk 也在推特盛赞 ChatGPT 的出色表现。图 1：ChatGPT 回答问题 数据来源：ChatGPT，东方证券研究所 AI 发展方兴未艾，发展方兴未艾，ChatGPT 的优秀表现的优秀表现也也离不开强大的模型算法支撑离不开强大的模型算法支撑。ChatGPT 采用了 RHLF（Reinforcement Learning from Human Feedback，基于人类反馈的强化学习）算法，采用人工标注的方式将NLP（Natural Language Processing，自然语言处理

13、）和RL（Reinforced Learning强化学习）结合起来，极大地提升了模型效率和学习能力。其训练过程可以分为三个步骤：1)有监督微调有监督微调（Supervised FineTune，SFT）：通过人工标注生成SFT数据集，数据集是由 组成的答复对，通过 SFT 数据集来对 GPT-3 模型进行微调；2)奖励模型（奖励模型（Reward Model）训练）训练：针对同一个问题，采用人工标注方式来为微调后的模型输出的不同结果进行排序，用排序的结果来训练奖励模型；3)用用 PPO（Proximal Policy Optimization，最近策略优化算法）进行强化学习，最近策略优化算法）

14、进行强化学习：针对每个问题，采用RM对模型输出的结果进行打分，打分结果再通过PPO算法对模型参数进行更新。图 2：RHLF 算法的训练流程 计算机行业深度报告 ChatGPT引领AI新浪潮，AIGC商业化启程 有关分析师的申明，见本报告最后部分。其他重要信息披露见分析师申明之后部分，或请与您的投资代表联系。并请阅读本证券研究报告最后一页的免责申明。5 数据来源：OpenAI，东方证券研究所 1.2 ChatGPT 的先行者GPT 模型的发展 GPT 已经历了三个版本的发展，已经历了三个版本的发展，ChatGPT 是是 GPT-3 与与 GPT-4 之间的过渡版本。之间的过渡版本。GPT（Gen

15、erative Pre-trained Transformer，生成式预训练语言模型）系列模型是一种基于互联网可用数据训练的文本生成深度学习模型。GPT 模型是 OpenAI 公司研发的一系列模型，这一系列的模型可以在非常复杂的 NLP 任务中取得非常惊艳的效果，例如文章生成，代码生成，机器翻译，Q&A等，而完成这些任务并不需要有监督学习进行模型微调。不过，要达到这样的目的，GPT模型的训练需要大量的数据、参数以及强大的算力支撑，GPT 模型的发展也印证了，通过不断地提升模型容量和语料规模，模型的能力是可以不断提升的。GPT系列模型经历了 GPT-1、GPT-2和GPT-3 三个阶段，Chat

16、GPT 则是由 GPT-3 微调得到的一个聚焦于对话交互的过渡版本。表 1：GPT 历代产品 模型模型 发布时间发布时间 参数量参数量 预训练数据量预训练数据量 升级内容升级内容 GPT-1 2018 年 6 月 1.17 亿 5GB 无监督学习，从而对高质量标注数据的要求比较低，有比较强的泛化能力。GPT-2 2019 年 2 月 15 亿 40GB 开源，使用了更多的网络参数与更大的数据集，验证了通过海量数据和大量参数训练出来的词向量模型可迁移到其它类别任务中，而不需要额外的训练。GPT-3 2020 年 5 月 1750 亿 45TB 海量数据，从而在不使用样本、使用极少量样本完成下游N

17、LP 任务，还可以完成数学加法、代码编写等任务。数据来源：CSDN，网易伏羲，东方证券研究所 1)GPT-1：由 OpenAI 在 2018 年 6 月发布，采用了半监督学习的方式，在无标签的数据上学习一个通用的语言模型，然后再在有标签的的子任务上进行微调，解决了无标签数据集要远大于有标签数据集的训练问题。GPT-1 首次采用了 Transformer 架构作为特征抽取器，解决了传统 RNN 结构的缺陷与效率问题，在问题回答、语义相似度评估、语义确定、文本分类任务中可以简单应用；2)GPT-2：发布于 2019 年 2 月，引入了 zero-shot 的概念，即模型在不再需要有标注的数据集来进

18、行子任务微调的工作，而是全程都采用无监督学习的方式来训练模型。GPT-2 的核心思 计算机行业深度报告 ChatGPT引领AI新浪潮，AIGC商业化启程 有关分析师的申明，见本报告最后部分。其他重要信息披露见分析师申明之后部分，或请与您的投资代表联系。并请阅读本证券研究报告最后一页的免责申明。6 想是，任何有监督任务都是语言模型的一个子集，当模型的容量非常大且数据量足够丰富时，仅仅靠训练语言模型的学习便可以完成其他有监督学习的任务。因此 GPT-2 的训练数据集和参数数量都远超 GPT-1；3)GPT-3：发布于 2020年5月，OpenAI在微软投资的加持下，GPT-3将模型扩大到了一个新的

19、维度，模型参数量达到 1750 亿个，是当时所有基于 NLP 的预训练模型中最大的，其训练数据集也达到了 45TB。大模型带来的是大量的算力消耗，GPT-3 在微软提供的 Azure AI 超算基础设施（由 V100GPU 组成的高带宽集群）上进行训练，总算力消耗约 3640 PF-days（即每秒一千万亿次计算，运行 3640 天）。在如此规模的数据支持下，GPT-3 的性能表现也远远超过了 GPT-2，也可以进行一些真正意义的 AI 创作。图 3：基于 NLP 的预训练模型的参数数量（单位：百万个）数据来源：medium，东方证券研究所 图 4：GPT-3 模型与其他语言模型的训练算力消耗

20、对比 数据来源：Language Models are Few-Shot Learners，东方证券研究所 1.3 ChatGPT 应用在即，B 端商业价值凸显 05000000001000000 计算机行业深度报告 ChatGPT引领AI新浪潮，AIGC商业化启程 有关分析师的申明，见本报告最后部分。其他重要信息披露见分析师申明之后部分，或请与您的投资代表联系。并请阅读本证券研究报告最后一页的免责申明。7 GPT-4 发布在即，发布在即，有望应用到微软有望应用到微软 Bing 搜索中

21、搜索中。微软在 2019 年给 OpenAI 投资 10 亿美元，有权将 OpenAI 的部分技术商业化。2023 年初，微软宣布将在未来几年为 OpenAI 持续投资 100 亿美元。距离GPT-3的发布已接近3年，据外媒报道，后续模型GPT-4可能会在未来几周内推出，并且将被微软应用到 Bing 搜索中，优化其搜索能力。2 月 3 日，ChatGPT 版本的 Bing 搜索悄然上线了数小时然后又恢复了原状，但用户也能得以初步窥视到新版 Bing 搜索的全貌，ChatGPT 加持的必应搜索不仅可以回答问题，还能以对话的方式回答搜索者的提问。图 5：集成 ChatGPT 的 Bing 搜索短暂

22、上线 数据来源：凤凰网，东方证券研究所 ChatGPT 商业价值巨大，商业价值巨大，有望引领有望引领 B 端企业端企业真正真正实现智能化实现智能化。ChatGPT代表的 AI 技术新一轮突破，大概率预示着 NLP 技术有望迅速进入平民化应用时代，相关技术不仅对众多的 C端应用带来革新，同时也将对 B 端应用产生重大影响，企业数字化转型有望真正从数字化走向智能化，ChatGPT 在企业办公中的应用，具备很大的想象空间。我们认为，协同办公类应用作为企业各类应用的入口，同时具备知识管理、流程引擎等功能，具备很强卡位价值，在把ChatGPT技术引入后，可以极大提升产品的功能与应用体验。未来在 B 端协

23、同办公类应用中比较具有潜力的场景有：1)ChatGPT+RPA：伴随着企业信息化多年来的发展，大中型企业已经在内部建立起诸多的业务和管理系统，但是这些系统往往在数据和流程上彼此割裂，往往需要手动完成较多流程，而 RPA（Robotic Process Automation，机器人流程自动化）将工作信息与业务交互通过机器人按照预先设计好的流程去执行，从而高效解决流程执行问题。ChatGPT 借助于语义理解和人机交互，可以实现人与系统间的对话与交互，ChatGPT+RPA 可以将人机交互和流程执行进行结合，形成“智能助理”式的应用，帮助员工通过自然语言与企业各个业务与管理系统进行交互，并完成各项工

24、作的全自动高效办理和智能化决策，从而极大地提升各类系统的使用效率和应用体验。目前国内外很多 RPA 厂商和自动化厂商都开始将 ChatGPT 等大模型类的机器人与 RPA 相集成，比如 UiPath 就将 UiPath Action Center 和 ChatGPT 相结合，通过对话机器人引导员工入职和销售推销电话，国内的来也科技、弘玑 Cyclone 等厂商也正在做这方面的相关尝试。图 6：UiPath 的 ChatGPT+RPA 尝试 计算机行业深度报告 ChatGPT引领AI新浪潮，AIGC商业化启程 有关分析师的申明，见本报告最后部分。其他重要信息披露见分析师申明之后部分，或请与您的投

25、资代表联系。并请阅读本证券研究报告最后一页的免责申明。8 数据来源：澎湃，东方证券研究所 2)ChatGPT+ERP：ERP 产品作为企业核心管理系统，集合了员工所需要的各种流程功能。但正是由于集成功能过多，员工在 OA、ERP 系统中可能会花费大量时间找寻需要的功能和流程。而 ChatGPT+ERP 的结合，将 ERP 的功能进一步智能化，员工仅需给出想要办理的流程，由 ChatGPT 进行智能化办理，从而改变过去员工需要自行在 OA、ERP 及业务系统中完成信息录入、功能查找、业务办理的现状，极大地提升了办公效率和使用体验。目前微软旗下的 Dynamics 365 产品线（ERP+CRM

26、程序）已经宣布旗下的客户关系管理软件 Viva Sales将集成 ChatGPT，通过人工智能帮助销售人员完成许多繁杂且重复的文字工作。AI程序可以从客户记录和 Office 电子邮件软件中提取数据，将这些信息用于生成个性化文本、定价细节和促销信息的电子邮件。图 7：ChatGPT 在 Dynamics 365 中的应用 数据来源：和讯，东方证券研究所 二、二、AIGC 出圈，出圈，潜在潜在应用前景广阔应用前景广阔 2.1 从 AI 艺术品到 AIGC 的破圈 AIGC（Artificial Intelligence Generated Content）意为人工智能生成内容，是指人工智能应用）

27、意为人工智能生成内容，是指人工智能应用于内容创作领域，其在创作速度、创作成本和传播效应相比传统内容创作具有显著优势于内容创作领域，其在创作速度、创作成本和传播效应相比传统内容创作具有显著优势。2018 年，人工智能生成的画作埃德蒙贝拉米画像在佳士得拍卖行以 43.25 万美元成交，成为世界上首个出售的人工智能艺术品，引发了各界关注，AIGC 的概念也随之火热。在 2022 年下半年，各类的 AI 绘画开始在网络上大量传播，AIGC 概念正式开始被普通人所了解，常见的 AI 数字虚拟人、AI 智能客服等都可以认为是 AIGC 的范畴。图 8：AI 画作埃德蒙贝拉米画像 图 9：AI 数字虚拟人形

28、象 计算机行业深度报告 ChatGPT引领AI新浪潮，AIGC商业化启程 有关分析师的申明，见本报告最后部分。其他重要信息披露见分析师申明之后部分，或请与您的投资代表联系。并请阅读本证券研究报告最后一页的免责申明。9 数据来源：佳士得，东方证券研究所 数据来源：科大讯飞，东方证券研究所 AIGC 的发展大致可以分为三个阶段的发展大致可以分为三个阶段：1)早期萌芽阶段（20 世纪 50 年代至 90 年代中期）：在 20 世纪中后段，受限于当时的计算机水平限制，AIGC 应用方向较为狭窄，主要包括了计算机创作音乐、简单的对话机器人、语音打字机等；2)沉淀积累阶段（20 世纪 90 年代中期至 2

29、1 世纪 10 年代中期）：随着深度学习等人工智能算法的提出，以及 GPU等算力设备性能不断提升，AIGC的应用有了更广的拓展，但是在创作方面仍存在限制。3)快速发展阶段（21 世纪 10 年代中期至今）：近年来，深度学习算法的不断迭代更新，AIGC 的新时代随之到来，生成内容百花齐放，在图像、视频、音频等领域都有着诸多应用与创新。图 10：AIGC 发展历程 数据来源：中国信通院，东方证券研究所 2.2 AIGC 有望成为未来人工智能的重要方向 AIGC 概念是相对于过去的概念是相对于过去的 PCG（专业制作）、（专业制作）、UCG（用户创作）而提出的。（用户创作）而提出的。目前人工智能已具

30、备生成新事物的能力，而不是仅仅局限于分析已经存在的东西，因此广义的 AIGC 也即生成式 AI，可以基于训练数据和生成算法模型，自主生成创造新的文本、图像、音乐、视频、3D 交互内容等 计算机行业深度报告 ChatGPT引领AI新浪潮，AIGC商业化启程 有关分析师的申明，见本报告最后部分。其他重要信息披露见分析师申明之后部分，或请与您的投资代表联系。并请阅读本证券研究报告最后一页的免责申明。10 各种形式的内容和数据，以及包括开启科学新发现、创造新的价值和意义等。ChatGPT 正是典型的文本生成式的 AIGC，其目前的成功也有望带动 AIGC 在图像、音乐、视频等其他领域落地。图 11：内

31、容创作模式发展的四个阶段 数据来源：腾讯研究院，东方证券研究所 业界广泛认为生成式业界广泛认为生成式 AI 将成为未来重要的战略技术将成为未来重要的战略技术。Gartner曾多次将生成式 AI 列为未来的重要技术趋势，在 Gartner 2022 年人工智能成熟度曲线中，预计生成式 AI 即将在 2-5 年内进入成熟期，将带来大量的应用机会和商业潜力；在 2022 年的 Gartner 新兴技术和趋势影响力雷达图中，生成式 AI 被认为是年度五大影响力技术之一，未来将可能颠覆和改变整个市场；在 Gartner 2022年重要战略技术趋势预测中，生成式 AI 占据首位，是当下最引人注目的人工智能

32、技术之一。据Gartner 预计，到 2025 年，生成式人工智能将占所有生成数据的 10%，而目前这一比例还不到1%。我们认为，AIGC 作为生成式 AI 的重要子集，也将为未来几年间迎来快速发展，成为人工智能领域不可或缺的组成部分。图 12：2022 年 Gartner 人工智能成熟度曲线 图 13：2022 年 Gartner 影响力雷达 数据来源：Gartner，东方证券研究所 数据来源：Gartner，东方证券研究所 生成式生成式 AI 催生了一系列新型的应用程序，我们预计当下催生了一系列新型的应用程序，我们预计当下 AI 模型的发展也将推动新一轮应用的爆模型的发展也将推动新一轮应用

33、的爆发发。目前 AIGC 可生成的内容形式已经拓展到了包括文字、图像、视频、语音、代码、机器人动作等多种内容形式，生成式 AI 让机器开始大规模涉足知识类和创造性工作，极大推动了数字化内容生产与创造，微软也正在计划将 ChatGPT 整合到 Bing 搜索和其他产品中。根据红杉中国报告，目前生成式 AI 已经在文本、代码、图像、视频、游戏等领域都有了突破，预计在未来几年内会有更加广泛的应用，真正成为生产力的一部分。图 14：生成式 AI 模型进展与应用时间表 计算机行业深度报告 ChatGPT引领AI新浪潮，AIGC商业化启程 有关分析师的申明，见本报告最后部分。其他重要信息披露见分析师申明之

34、后部分，或请与您的投资代表联系。并请阅读本证券研究报告最后一页的免责申明。11 数据来源：红杉，东方证券研究所 AIGC领域已获得资本热捧领域已获得资本热捧。据CB Insights统计，ChatGPT概念领域目前约有 250家初创公司，其中 51融资进度在 A 轮或天使轮。2022 年，ChatGPT 和生成式 AI（AIGC）领域吸金超过 26亿美元，共诞生出 6 家独角兽，估值最高的就是 290 亿美元的 OpenAI，微软也在近期宣布将在未来几年向 OpenAI 持续投资 100 亿美元。图 15：近年来 AICG 领域的投资情况 数据来源：CB Insights，钛媒体，东方证券研究

35、所 2.3 ChatGPT 开启付费试点，AIGC 商业化任重道远 OpenAI 推出推出 ChatGPT 付费试点订阅计划，付费试点订阅计划，ChatGPT 应用生态有望快速扩大应用生态有望快速扩大。2 月 2 日，美国OpenAI 公司宣布推出付费试点订阅计划 ChatGPT Plus，定价为每月 20 美元。付费版功能包括高峰时段免排队、快速响应以及优先获得新功能和改进等。ChatGPT 的付费订阅是 OpenAI 的大模型产品商业化第一步，预示着 AIGC 商业化进程加速推进。订阅制的商业模式较为轻量化，对于 C 端客户友好，具备良好的可推广性。我们认为，ChatGPT Plus 是

36、OpenAI 对于 ChatGPT 生态建设的第一步，ChatGPT 的应用生态有望快速扩大，更多的付费商业模式将会逐步落地。图 16：OpenAI 推出付费试点订阅计划 ChatGPT Plus 计算机行业深度报告 ChatGPT引领AI新浪潮，AIGC商业化启程 有关分析师的申明，见本报告最后部分。其他重要信息披露见分析师申明之后部分，或请与您的投资代表联系。并请阅读本证券研究报告最后一页的免责申明。12 数据来源：OpenAI，东方证券研究所 ChatGPT 获得了众多科技巨头的关注获得了众多科技巨头的关注，多家公司，多家公司也也开始布局开始布局 AIGC 领域领域。ChatGPT 的高

37、性能表现也让许多科技公司加速对 AI 的应用。2 月 2 日，微软宣布旗下所有产品将全线整合 ChatGPT，目前在 Azure 和 Teams 中已经有了应用，预计 3 月 ChatGPT 将内置于 Bing 搜索；百度计划在 3月推出类似于 ChatGPT 的生成式搜索；数字媒体公司 Buzzfeed 计划使用 OpenAI 的 AI 技术来协助创作个性化内容。在 ChatGPT 之外，一些科技巨头也开始布局 AIGC 领域，如 Google 在 2 月3 日向人工智能初创公司 Anthropic 投资近 4 亿美元，布局 ChatGPT 的竞争产品。AIGC 带来万亿级赛道，但带来万亿级

38、赛道，但商业化模式仍处于探索阶段商业化模式仍处于探索阶段。AIGC 产业生态正在加速形成和发展，根据 6pen 预测，未来五年 10%-30%的图片都将由 AI 参与生成，有望创造超过 600 亿以上的市场空间。据量子位报告统计，到 2030 年，AIGC 的市场规模将超过万亿人民币，在内容生产领域和延伸应用领域都有着广阔的空间。但由于 AIGC 目前产业化程度有限，大量业务场景尚未成功变现，商业模式也还处于探索阶段，未来几年都将是 AIGC 商业化的探索期。我们认为，现阶段AIGC 的商业模式仍会以 To B 为核心，B 端客户基于对企业降本增效的要求，对 AIGC 的需求和付费意愿是较为强

39、烈的；面向 C 端用户的商业化存在订阅制和按次收费等模式，AIGC 能够大幅降低大众用户的创作门槛，未来随着 AIGC 生态不断完善，市场空间也十分可观。图 17：2030 年 AIGC 市场规模将超过万亿人民币 计算机行业深度报告 ChatGPT引领AI新浪潮，AIGC商业化启程 有关分析师的申明，见本报告最后部分。其他重要信息披露见分析师申明之后部分，或请与您的投资代表联系。并请阅读本证券研究报告最后一页的免责申明。13 数据来源：量子位，东方证券研究所 三、三、相关相关标的标的 ChatGPT 带来的带来的 AI 新热潮有望推动相关标的快速发展新热潮有望推动相关标的快速发展。我们认为，未

40、来几年是 AIGC 的快速发展窗口期，其涉及到的相关底层 AI 模型算法、算力基础设施以及下游行业应用都有望迎来加速增长。AI 模型算法是 AIGC 的核心，是技术驱动层，需要投入高额的研发与训练成本；算力基础设施主要包括存储和芯片等设施，是训练大模型必需的基础架构；下游行业应用则是以 AIGC 在不同场景中的落地为主，侧重于满足用户的个性化需求，建立起 AIGC 产业生态。3.1 科大讯飞：认知智能领域全国领先 公司公司在预训练模型方面有坚实的相关技术积累，在预训练模型方面有坚实的相关技术积累，是是业界最广泛流行的中文预训练模型之一业界最广泛流行的中文预训练模型之一。2017年，科技部正式批

41、复依托科大讯飞建设认知智能国家重点实验室，这也是我国在认知智能领域的首个国家级重点实验室。讯飞面向认知智能领域陆续开源了 6 大类、超过 40 个通用领域的系列中文预训练语言模型，开源 3年模型库月均调用量超 1000万，成为业界最广泛流行的中文预训练模型之一。在人工智能的特定领域如智能语音、机器翻译、OCR 等方面，公司一直保持国际领先，并相继在知识推理阅读理解比赛 OpenBookQA、QASC 中夺冠，超过人类平均水平，同时在逻辑推理阅读理解比赛 ReClor 中刷新全球最好成绩。图 18：科大讯飞在 SemEval 2022 三项主要赛道中拿下冠军 数据来源：科大讯飞官网，东方证券研究

42、所 公司的公司的 AI 能力支持多场景落地，提前布局能力支持多场景落地，提前布局 AIGC。公司持续拓展 AI在行业赛道上的落地，目前在消费者、智慧教育、智慧城市、智慧司法、智能服务、智能汽车、智慧医疗、运营商等领域都有深度应用。在 AIGC 领域，公司也积极布局，基于深厚的语义理解与智能语音能力，公司在 AI 虚拟人领域走在行业前列，并通过 AI 虚拟人交互平台在媒体、金融、教育、文旅等领域赋能内容生产创作和业务服务。3.2 拓尔思：语义智能技术（NLP）的领导者 公司是国内最早从事自然语言处理（公司是国内最早从事自然语言处理（NLP）研发的企业之一，在）研发的企业之一，在NLP、知识图谱、

43、知识图谱、OCR、图像视、图像视频结构化领域都具频结构化领域都具备自主可控的底层技术，处于行业领先地位备自主可控的底层技术，处于行业领先地位。自 2010 年起，公司自主投资建设的大数据中心，充分发挥数据获取成本控制和数据持续有效性方面优势，目前已拥有规模及质量均位列业界前茅的大数据资产，而公司积累的海量数据也有助于 NLP 技术的持续迭代。计算机行业深度报告 ChatGPT引领AI新浪潮，AIGC商业化启程 有关分析师的申明，见本报告最后部分。其他重要信息披露见分析师申明之后部分，或请与您的投资代表联系。并请阅读本证券研究报告最后一页的免责申明。14 公司以公司以“专业大模型专业大模型+领域

44、知识数据领域知识数据”为核，为核，NLP 技术突破推动更多技术突破推动更多 AIGC 商业落地商业落地。公司将基于通用 AIGC 大模型，专注优势行业进行专业大模型的研发，融合学习行业特有的大数据和知识，提升大模型对行业应用的适配性。以预训练大模型、In-Context Learning、instruction tuning 等技术为基础，将文本生成、交互式生成、跨模态生成、小样本学习、大模型与外部知识库的融合等功能作为研发重点，突破基于大模型的 AIGC 关键技术，在问答式 AI、智能创作、搜索引擎等领域实现成功应用。同时，公司正在加快推进拓尔思“智创”AIGC 平台的研发，依托公司长期积累

45、的自然语言处理技术和人工智能平台产品为基础，融合开源大模型，将专注在辅助型、应用型、创作型等文本内容的自动生成研发，以个性化、专业性的内容自动生成为壁垒，保持在 AI 领域的技术竞争力。图 19：拓尔思“智创”AIGC 平台架构 数据来源：拓尔思官方公众号，东方证券研究所 3.3 云从科技：从智能感知到认知决策的核心技术闭环 公司公司致力于人机协同领域，致力于人机协同领域，在在 AIGC 赛道已赛道已提前提前布局布局。公司一直以来都在人机协同领域布局，打造了像人一样思考和工作的人机协同操作系统（CWOS），致力于整合打通视觉、语音、NLP 等多个领域的大模型，不止于像ChatGPT那样在文本世

46、界实现超级智能，还要彻底打通数字世界和物理世界，为“像人一样思考和工作”打下坚实的技术基础。公司的研究团队高度认同“预训练大模型+下游任务迁移”的技术趋势，从2020年开始，已经陆续在NLP、OCR、机器视觉、语音等多个领域开展预训练大模型的实践，不仅进一步提升了公司各项核心算法的性能效果，同时也大幅提升了公司的算法生产效率，已经在城市治理、金融、智能制造等行业应用中体现价值。图 20：云从科技人机协同全景 计算机行业深度报告 ChatGPT引领AI新浪潮，AIGC商业化启程 有关分析师的申明，见本报告最后部分。其他重要信息披露见分析师申明之后部分，或请与您的投资代表联系。并请阅读本证券研究报

47、告最后一页的免责申明。15 数据来源：云从科技官网，东方证券研究所 风险提示风险提示 AI 技术发展不及预期技术发展不及预期：AIGC和 ChatGPT相关的应用落地需要大模型、深度学习、视觉感知、语音语义等多种人工智能技术赋能，以完成特定场景下的任务。若未来相关 AI 技术演进速度不及预期，将影响 AIGC 的应用落地的节奏。政策监管风险政策监管风险：目前有关于 AIGC 创作内容的版权及监管等方面的政策尚未明确，ChatGPT 也仍存在一些伦理道德上的不当内容，若未来相关政策对 AIGC 和 ChatGPT 相关的应用监管力度加强，将会影响 AIGC 的应用推广。计算机行业深度报告 Cha

48、tGPT引领AI新浪潮，AIGC商业化启程 有关分析师的申明，见本报告最后部分。其他重要信息披露见分析师申明之后部分，或请与您的投资代表联系。并请阅读本证券研究报告最后一页的免责申明。16 分析师申明 每位负责撰写本研究报告全部或部分内容的研究分析师在此作以下声明：每位负责撰写本研究报告全部或部分内容的研究分析师在此作以下声明：分析师在本报告中对所提及的证券或发行人发表的任何建议和观点均准确地反映了其个人对该证券或发行人的看法和判断；分析师薪酬的任何组成部分无论是在过去、现在及将来，均与其在本研究报告中所表述的具体建议或观点无任何直接或间接的关系。投资评级和相关定义 报告发布日后的 12 个月

49、内的公司的涨跌幅相对同期的上证指数/深证成指的涨跌幅为基准；公司投资评级的量化标准公司投资评级的量化标准 买入：相对强于市场基准指数收益率 15%以上；增持：相对强于市场基准指数收益率 5%15%；中性：相对于市场基准指数收益率在-5%+5%之间波动；减持：相对弱于市场基准指数收益率在-5%以下。未评级 由于在报告发出之时该股票不在本公司研究覆盖范围内，分析师基于当时对该股票的研究状况，未给予投资评级相关信息。暂停评级 根据监管制度及本公司相关规定，研究报告发布之时该投资对象可能与本公司存在潜在的利益冲突情形；亦或是研究报告发布当时该股票的价值和价格分析存在重大不确定性，缺乏足够的研究依据支持

50、分析师给出明确投资评级；分析师在上述情况下暂停对该股票给予投资评级等信息，投资者需要注意在此报告发布之前曾给予该股票的投资评级、盈利预测及目标价格等信息不再有效。行业投资评级的量化标准行业投资评级的量化标准：看好：相对强于市场基准指数收益率 5%以上；中性：相对于市场基准指数收益率在-5%+5%之间波动；看淡：相对于市场基准指数收益率在-5%以下。未评级：由于在报告发出之时该行业不在本公司研究覆盖范围内，分析师基于当时对该行业的研究状况，未给予投资评级等相关信息。暂停评级：由于研究报告发布当时该行业的投资价值分析存在重大不确定性，缺乏足够的研究依据支持分析师给出明确行业投资评级；分析师在上述情

51、况下暂停对该行业给予投资评级信息，投资者需要注意在此报告发布之前曾给予该行业的投资评级信息不再有效。免责声明 本证券研究报告（以下简称“本报告”）由东方证券股份有限公司（以下简称“本公司”）制作及发布。本公司不会因接收人收到本报告而视其为本公司的当然客户。本报告的全体接收人应当采取必要措施防止本报告被转发给他人。本报告是基于本公司认为可靠的且目前已公开的信息撰写，本公司力求但不保证该信息的准确性和完整性，客户也不应该认为该信息是准确和完整的。同时，本公司不保证文中观点或陈述不会发生任何变更，在不同时期，本公司可发出与本报告所载资料、意见及推测不一致的证券研究报告。本公司会适时更新我们的研究，但

52、可能会因某些规定而无法做到。除了一些定期出版的证券研究报告之外，绝大多数证券研究报告是在分析师认为适当的时候不定期地发布。在任何情况下，本报告中的信息或所表述的意见并不构成对任何人的投资建议，也没有考虑到个别客户特殊的投资目标、财务状况或需求。客户应考虑本报告中的任何意见或建议是否符合其特定状况，若有必要应寻求专家意见。本报告所载的资料、工具、意见及推测只提供给客户作参考之用，并非作为或被视为出售或购买证券或其他投资标的的邀请或向人作出邀请。本报告中提及的投资价格和价值以及这些投资带来的收入可能会波动。过去的表现并不代表未来的表现，未来的回报也无法保证，投资者可能会损失本金。外汇汇率波动有可能

53、对某些投资的价值或价格或来自这一投资的收入产生不良影响。那些涉及期货、期权及其它衍生工具的交易，因其包括重大的市场风险，因此并不适合所有投资者。在任何情况下，本公司不对任何人因使用本报告中的任何内容所引致的任何损失负任何责任，投资者自主作出投资决策并自行承担投资风险，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。本报告主要以电子版形式分发，间或也会辅以印刷品形式分发，所有报告版权均归本公司所有。未经本公司事先书面协议授权，任何机构或个人不得以任何形式复制、转发或公开传播本报告的全部或部分内容。不得将报告内容作为诉讼、仲裁、传媒所引用之证明或依据，不得用于营利或用于未经

54、允许的其它用途。经本公司事先书面协议授权刊载或转发的，被授权机构承担相关刊载或者转发责任。不得对本报告进行任何有悖原意的引用、删节和修改。提示客户及公众投资者慎重使用未经授权刊载或者转发的本公司证券研究报告，慎重使用公众媒体刊载的证券研究报告。HeadertTable_Address 东方证券研究所 地址：上海市中山南路 318 号东方国际金融广场 26 楼 电话： 传真： 网址： 东方证券股份有限公司经相关主管机关核准具备证券投资咨询业务资格，据此开展发布证券研究报告业务。东方证券股份有限公司及其关联机构在法律许可的范围内正在或将要与本研究报告所分析的企业发展业务关系。因此，投资者应当考虑到本公司可能存在对报告的客观性产生影响的利益冲突，不应视本证券研究报告为作出投资决策的唯一因素。