国盛证券：AIGC未来应用普及 国产算力芯片有机会获得增量市场

国盛证券发布研究报告表示，随着自然语言技术(NLP)进一步降低AI的使用和触达门槛，以及伴随着AIGC生成算法的优化与改进，AIGC的商业化落地速度和效果表现将超预期。在未来AIGC随着B端和C端的商业化落地的实现，算力集群的建设和云服务都会受益，同时考虑到英伟达A100、H100出口受限，相关国产算力芯片将有机会获得增量市场。

国盛证券的主要观点如下：

AIGC带来的商业模式变革——AI的显性化。随着自然语言技术(NLP)进一步降低AI的使用和触达门槛，以及伴随着AIGC生成算法的优化与改进，我们发现AIGC的商业化落地速度和效果表现将超预期，一些如Jasper这样的初创企业已经开始产生了营收。这意味着AI正以越来越显性的方式产生商业模式。AI已经不再像过去那样与硬件、系统等一起打包进行商业化落地了。对于普通人来说也不再是一门遥不可及的尖端技术。

To B仍是AIGC的主要商业模式。虽然AIGC使C端用户以较低的门槛使用AI生成内容，但就目前来看，to

B仍然是核心商业模式。对于B端客户来说，他们的需求和付费意愿是较为稳定的，这主要有以下两个核心原因：对于B端带来的效率提升和成本下降，如用AIGC抓取信息后根据已有模板完成新闻或一些产品的测评;能够填补原本很难完成的需求鸿沟。

面向C端的AIGC，以SaaS订阅为主。随着AI模型与算力的发展突破了可用的临界点，AIGC对个体的赋能也不容忽视，且将以SaaS订阅为主。第一是作为效率工具，AIGC产品能够在信息获取、格式整理和工作流等各个流程提高个人用户的效率;第二是作为创作工具，像剪辑、修图软件一样，AIGC能够大幅度降低大众用户的创作门槛。效率工具例如Notion发布的NotionAI，尤其值得关注AI模型作为基础设施集成到已有的工作流中。

AIGC未来应用普及的背后，将产生巨大的算力市场。根据OpenAI的研究，AI训练所需算力指数增长，且增长速度超越硬件的摩尔定律。AI模型大算力的背后需要高昂的算力成本，GPT-3训练的算力成本超过400万美元。尽管AI模型往往会选择开源，但数据集和训练成果是一个团队的内部资产，这意味着每个AI产品都需要支付自己的训练成本。在未来AIGC随着B端和C端的商业化落地的实现，算力集群的建设和云服务都会受益，同时考虑到英伟达A100、H100出口受限，相关国产算力芯片将有机会获得增量市场。

AIGC社区的价值。近期在与各个创业团队的沟通过程中，我们发现行业一个重要的关注点会放在AIGC与Web3.0的结合，以及AIGC与社区的融合。AIGC让用户的创作门槛的降低，有助于加强社区的互动和发展，同时降低了平台的内容成本。社区用户对内容的探讨与偏好能为AIGC模型提供优质的反馈，以便后续优化增强产品力。NFT能够确权作品和链接社区，AIGC与NFT社区的结合探索，或将产生值得期待的商业创新。

AIGC投资框架：软硬件与数据集。生成算法、NLP与算力决定AIGC能否运行，而高质量的数据集决定了AIGC质量与商业模式。软件层面主要包括自然语言处理技术：谷歌、微软、科大讯飞、拓尔思;AIGC生成算法模型及数据集：英伟达、Meta、百度、蓝色光标、视觉中国、昆仑万维。算力层包括：中兴通讯、澜起科技、新易盛、天孚通信、宝信软件、中际旭创等。

风险提示：技术创新不及预期;政策监管风险。