伴隨ChatGPT在多場景的廣泛深入地應用，人工智能的想象空間得到顯著放大，市場、投資者對AI大模型給予了厚望，人工智能板塊走勢強勁。WIND數據顯示，截至6月2日，AI應用指數 （8841683.WI） 、AI算力指數 （8841678.WI）2023年以來分別上漲74.83%、73.85%，同期滬深300指數下滑0.25%。

華商基金研究員金曦對此表示，站在產業視角，國內外巨頭競相加速布局AI大模型領域，包括成立AI研究部門、推出聊天機器人、發布AI應用等，整體產業的長期向上趨勢可能是較為明確的。映射至當前A股市場計算機大板塊中，雖然AI 的方向可能會存在一些分歧，但整體觀察依然催化不斷。

商業化AI公司或強者恒強

(資料圖片)

華商基金研究員金曦認為，站在當前階段，AI技術含量的高低，其實不是改變生產力的核心因素，唯有通過新的工具（即在應用場景落地的產品）來重塑節點和業務流程，重塑很多垂直場景的用戶習慣，使標準化做得更加容易，可能才是AI技術對生產力的真正提升。瞻前未來，也許高階的AI可以重塑產業場景。

AI依然屬于信息技術行業的范疇，產業鏈各環節可能都會產生較強的頭部效應。這是因為，專業場景需要專業數據的積累，以此來優化模型準確率。一旦某項產品在某一領域打造出成功案例后，后續可能會收到越來越多的項目訂單，并帶來更多的數據，從而提升產品的效率，反過來再推動項目訂單的增長，形成正反饋效應。

基于上述所言，這也意味著能夠取得商業化成功的AI公司，或許更容易在AI探索上取得突破、落地和變現。因為能夠取得商業化成功的公司通常有著成熟的現金流，可以支撐其持續的研發投入。而一些基于單一AI技術壁壘的初創公司，面向需要多元技術的應用場景時可能會束手無策，如果沒有掌握其他技術，很難實現商業化，商業化的受限反過來又會制約其進行新技術的投入。

算力、數據要素及國產化

立足中長期維度，華商基金研究員金曦表示，相信未來隨著AI 的普及應用，算力的需求將持續提升。

舉個例子，根據Similarweb數據，ChatGPT官網在穩定狀態下每日訪客數量高達2500萬。假設每日每個用戶提問約10個問題、每個問題平均30字，對應每天需要30382片A100 GPU同時計算，才可滿足當前ChatGPT的訪問量。

同時，在AI的技術變革浪潮之下，數據要素和國產化也將成為人工智能產業發展的重要方向。

展望未來，數據要素與AI 的結合有望更好得發揮生產力和創造價值。2022年12月，財政部發布《企業數據資源相關會計處理暫行規定（征求意見稿）》，提出數據資源將根據內部使用或對外交易兩種用途，分別計入無形資產或存貨，數據資產價值均以成本進行初始計量；2023年1月，工業和信息化部等十六部門發布《關于促進數據安全產業發展的指導意見》，提出到2025年，數據安全產業規模超過1500億元、年復合增長率超過30%等目標。隨著政策的進一步明晰和先行試點的摸索，將逐步探索出適合國情的數據要素流通之路。

國產化層面，“國家安全”長期趨勢不變。2023年4月，國資委召開國資央企信息化工作推進會議，強調要積極順應信息化發展趨勢，全面推進國資央企云體系和大數據體系建設，持續健全完善信息化工作保障機制，加快推進國資央企高質量發展。

來源：華商基金

審讀：譚錄崗

標簽：