观点聚焦

投资建议

年初以来，ChatGPT所展现出的生命力与创造力使世界为之侧目，几次迭代都牵动着市场关注的焦点。相较原先“大炼模型”时代下各厂商在各自赛道迭代的自家小模型，大模型较强的泛化能力以及丰富的生成内容，使一个问题自然被抛出：行业范式是否会从“大炼模型”转向“炼大模型”，由大模型赋能呢？与市场普遍看好大模型不同，我们认为，大小模型各有优劣，未来，大小模型有望协同促进，共同赋能生产、生活的方方面面。

理由

大模型彰显“暴力美学”，小模型专精细分领域。1）大模型：大模型之大，体现在语料规模大、参数规模大。自Transformer之后，大模型参数规模由1亿个（2017 年）指数级上升至万亿个（2021 年）。可以说，大模型的迭代是一场“暴力”填数据、拔规模而造就的“美学盛宴”。2）小模型：与大模型相比，小模型的训练数据量与参数量较少，其优势在于“专精”，可满足特定任务需求。我们认为， AI模型当前仍以小模型为主，赋能安防、消费、金融、工业等众多行业。

我们判断，未来大小模型的关系并非取代，而是协同促进，核心原因在于两者各有优劣。虽然大模型泛用性较强，所生成内容媲美人类水平，具备突现能力并处在快速迭代中；但是其高昂的成本、较大的能耗令人难以忽视。我们测算，GPT-3 训练所需算力成本约1,200 万美元，所产生二氧化碳排放量达362 吨，对厂商的资金压力以及训练当地的环境压力较大。而小模型尽管泛用性较弱，但贴近真实场景（具备行业know-how），且算力要求低、能耗小，一些厂商的数据保护意识较高，都使得小模型仍会在诸多场景具有优势。

具体来看，1）大模型促进小模型：大模型能够通过压缩技术向小模型输出知识能力；或从大模型中抽取小模型，以轻量化的小模型向下游场景赋能。2）小模型促进大模型：小模型可作为教师模型加速大模型收敛，或作为样本价值判断模型帮助大模型迭代，增强大模型的行业知识积累。

展望产业结构格局演化，我们认为短期受政策法规、配套设施的不完善，大模型的商业化落地仍属早期，小模型仍是主力；但随着各环节发展，大模型有望成为“发电机”般的重要算法基础平台。我们认为，软硬件环节都有望受益于人工智能行业的发展。

估值与建议

我们维持所覆盖公司盈利预测不变。

风险

大模型发展与小模型应用落地不及预期。