核心观点：

以Kimi 为代表的国产AI 大模型性能提升显著，长文本能力可能是突破口。根据月之暗面官方微信公众号，2024 年3 月18 日，月之暗面公司宣布其开发的AI 大模型Kimi 在长上下文窗口技术上取得突破，可支持200 万字超长无损上下文。Kimi 大模型于2023 年10 月推出，当时仅支持20 万汉字无损上下文输入，在短短5 个月时间里，其上下文长度就提升了一个数量级。

Kimi 大模型的访问量在过去三个月快速增长。我们通过一系列的测试看到，Kimi 大模型在文本生成长度方面确实更有优势。此外，在解释具体概念时，Kimi 大模型常常举出一些简单易懂的案例，回答方式更加生动。根据SimilarWeb 的数据，Kimi 大模型的访问量从2023 年年底至今呈现出快速增长趋势。23 年12 月、24 年1 月、24 年2 月，Kimi 大模型月度的访问量分别是74 万、140 万和290 万次，呈现出每个月环比翻倍增长的趋势，这背后反映出用户对Kimi 大模型的认可。

国产AI 大模型性能快速提升，AI 应用创新有了更好的可借用的模型能力选择。从Kimi 大模型性能提升驱动用户访问量快速增长的案例，我们看到国产AI 大模型性能快速提升。在国产AI 模型功能完善和丰富的基础上，各行业客户对其接受程度也在不断提升。而对于AI 应用厂商而言，国产AI 大模型性能的提升降低其使用门槛，有利于更多应用创新。但另一方面，下游应用也面临依赖模型提供商带来的同质化挑战，生成内容的知识产权问题也依然是商业化推进中比较棘手复杂的挑战。

AI 算力的持续投入是保障AI 大模型竞争力的关键，应用创新对算力的拉动最终仍然取决于商业化的突破和可持续。在AI 大模型领域，Claude、Gemini、SenseChat-V4、星火大模型和Kimi 等大模型在持续追赶GPT-4，算力的需求随着模型参数量和训练数据集的增加而增加。我们认为，各科技厂商为保持其千亿或万亿参数AI 大模型的竞争力，有望持续投入和优化AI 算力基础设施。另一方面，随着各类AI 大模型产品性能的提升，用户规模和使用量的增加也推动推理侧的算力需求增长，但应用创新对算力的拉动最终仍然取决于商业化的突破和可持续。

风险提示。AI 应用行业竞争加剧的风险。技术处于发展早期，尚未形成成熟的商业化落地模式。AI 生成内容存在知识版权纠纷的风险。