ChatGPT概念全解析

对于任何的题材实际都要经历四个阶段，分别是萌芽、成长、爆发和衰退。我不同的系列实际对应的就是不同的阶段。

萌芽阶段依赖于专业深度和人脉广度

成长阶段依赖于资金厚度和政策力度

爆发阶段依赖于市场氛围和专业深度，像去年初和今年末爆发的数字经济概念就是如此，爆发阶段的确是大家已经熟悉的赛道，但赛道能不能挖掘出新意，决定了你的收获，像去年数字经济

衰退阶段潮起就有潮落，这阶段或许还比较火，但问题就明显了，国内的投研圈也是报喜不报忧的多，有的也会被掩埋，我会尽我所能给大家做「吹哨人」。

本篇目录
1.来龙去脉
2. 认识ChatGPT
3.发展趋势
4.市场前景
5.受益板块
6.相关上市公司
7.独家核心提示

一，来龙去脉
ChatGPT火出圈，就是因为太像人了，而且我看了一些海外券商的报告，基本上现在都对其挑战Google充满期待，如果说过去的一二十年，是Google基于自己强大的技术底蕴打造了互联网的核心生态圈，那么ChatGPT或许有机会成为那个挑战者。虽然有一些券商对此不以为然，认为Google也做了很多新技术，但有一点我可以肯定，改变规则的产品，多数来自车库，而不是从CBD里面走出来的，所以ChatGPT火出圈是有其深刻背景的。

二，认识ChatGPT
人工智能子领域包括计算机视觉、语言、语音、推理，不同子领域基于不同的底层技术（例如语言领域基于NLP，即自然语言处理），但训练算法在直觉上相通（例如视觉领域可以参考语言领域使用的Transformer改进自身的训练模型）。其中，GPT代表语言AI的一种实现方式。

ChatGPT是一款对话式AI模型，根据用户输入的文本，自动生成回复内容。2022年11月30日，OpenAI发布了对话式AI新模型ChatGPT。该模型使用简单，只需向ChatGPT文字提出需求，即可让其完成回答问题、书写代码、创作文本等指令。ChatGPT的功能包括交互，以及基于交互的文本/代码创造、息检索等。实际应用上，ChatGPT等文本AI可能帮助文本创造类行业完成智能内容生成，并一定程度上替代搜索引擎。······

GPT即生成型预训练变换模型（Generative Pre-trained Transformer），是解决NLP（自然语言处理）任务的训练模型之一。该预训练模型基于Transformer架构（具有自注意力机制，可以捕捉句子中的上下文关系），可以根据给定文本预测下一个单词的概率分布，从而生成人类可以理解的自然语言。ChatGPT从GPT-3.5模型微调而来，Chat强调了其为了对话而优化，具有记忆能力，可以完成连续性对话。

本质上GPT属于AIGC技术的一部分。AIGC（AI Generated Content）即AI生产内容，利用AI技术赋能文本、音频、视觉等高自由度、低门槛的内容生产。
三，发展趋势
1.ChatGPT应用空间广泛，潜在市场规模可观。
 以过往版本GPT-3为例，截止2021年3月，上线9个月的GPT-3已经有了300+ 应用客户，领域涵盖智能客服、教育与科研、游戏、搜索引擎等。出于更出色的表现和更高的关注度，ChatGPT及其背后的GPT-3.5的应用空间有望较GPT-3更为广阔。

2.预计GPT-4效果更优、成本更低，催化更多应用场景落地
GPT-4的推出对商业应用的潜在影响
1）模型能够生成更有“温度”的文字，对应AI客服、AI心理咨询、营销文本等场景；
2）模型能够生成更加“专业”的文字，对应金融、医学、新闻、工业等垂直行业应用。

四，市场前景
1.GPT的升级推动AIGC的发展，迎万亿市场规模
内容消费量增加，急需降低生产门槛、提升生产效率，AIGC是大势所趋。
PGC（专业内容生产）、UGC（用户内容生产）受限于效率和成本，难以满足迅速增长的内容需求；相比PGC、UGC，AIGC（AI Generated Content，AI生产内容，例如GPT系列）具有效率和成本上的优势。根据东吴证券的测算，理想状况下，如果阅文集团将2021年全年文字内容生产量（360亿）交给GPT-3，耗时8天即可完成，节约成本99%+，

2.G3的升级增强了AIGC能力，释放更多潜在市场空间
T系列的不断升级，增强了AIGC在编程语言（代码生成、软件行为生成）、自然语言（新闻撰写、文案创作、对话机器人、创作性文本）等方面的表现，根据Gartner《2021年预测人工智能对人类和社会的影响》 ，到2025年AIGC产生的数据将占所有数据的10%，而该比例在2021年不足1%。而量子位智库根据现有技术及需求成熟度预测 ，2030年AIGC市场规模将超过万亿人民币。

五，受益板块
ChatGPT上线象征着文本类AI进入新阶段，利好其基础设施及应用，同时，ChatGPT 作为一种NLP 模型，其算法突破带来了NLP 技术的进一步提升，有望加速NLP 技术在各行各业、各个领域的应用，例如智能语音、智能客服、各类机器人等。

1.基础设施
1）算力和储存
高算力的底层基础设施是完成对海量数据处理、训练的基础。海量数据汇集也为AI模型提供强大的数据集支撑。例如GPT-3由互联网上大多数英文文本训练而成，整个英文维基百科只占它训练数据整体的0.6%。

云计算提供了社会级的超大算力计算平台和海量数据存储平台。云计算在数字中国建设和数字经济发展中起着重要的基础性、先导性和战略性作用，已成为经济社会数字化转型的基石，有望在政府、企事业单位和其他组织中广泛积累应用和数据。

底层硬件来看，需要高算力的AI芯片。AI芯片即专门用于处理人工智能应用中大量计算任务的模块，近年来国家高度关注人工智能芯片产业的发展，发布一系列产业支持政策，亿欧智库预测2025年中国AI芯片市场规模约为1780亿元，目前很多企业还在发展初期。

2）数据
数据资源是人工智能技术产业创新发展的驱动力之一。数据集作为数据资源的核心组成部分，是指经过专业化设计、采集 、清洗、标注和管理，生产出来的专供人工智能算法模型训练的数据。大数据的核心始终是面向海量数据的存储、计算、处理等基础技术。

 GPT-4或不再以“大”取胜，数据在精不在多，依靠提高模型效率和数据质量达成改进。此前OpenAI奉“扩展假说”，即海量数据和大量算力是通往AGI的唯一路径。但是，DeepMind的研究或意味着模型效率和数据质量的提升才是未来方向。未来数据类企业的竞争力或体现在数据质量，对数据清洗和标注提出较高要求。

数据标注是大部分人工智能算法得以有效运行的关键环节。现有数据标注以人工标注为主，属于劳动密集型产业。随着机器学不断完善，自动标注成为大趋势。目前我国的数据标注与审核业务的参与者主要包括两类，一是人工智能公司内部的标注部门，二是商务流程外包公司。

3）算法
ChatGPT所基于的自然语言处理是AI的核心课题之一。近两年，对话机器人使得与智能语音相关NLP产品迎来了发展机遇。艾瑞统计研究，2021年，中国NLP核心产品的市场规模为171亿    元，带动规模为450亿元，到2026年,核心产品规模将达到459亿元，CAGR=24.8%，带动规模将超过1000亿元。

当前国内领先的对话交互类AI算法企业主要包括两类以语音识别为核心业务的企业，延生到NLP领域，以NLP为核心业务，专注语义识别的企业。

2.NLP算法应用
ChatGPT是AIGC应用又一个起点，随着深度学模型不断完善、开源模式的推动、大模型探索商业化的可能，AIGC有望加速发展，互联网奇异点正逐渐临近。

1）AI视觉
图像识别技术已经相对成熟，进入广泛落地阶段。人工智能图像识别技术已经进入广泛落地阶段，以海康、大华为首的 AI 视觉领军已将技术应用于安防、工业、文旅等领域。海康、大华等企业以视觉为切入点落地 AI 应用，赋能千行百业降本增效。基于人脸识别、温度识别、动态追踪等技术，海康、大华等 AI龙头为制造业、旅游业、金融行业等各行各业提出了智慧化解决方案，有效降本增效。

2）AIGC 技术
AIGC 技术方兴未艾，基于 NLP 技术未来有望革新内容创作方式。目前，国内外许多厂商已在 AIGC 领域有所布局，比如国内的AI 小说续写软件彩云小梦、OpenAI 推出的AI 绘画模型Dall-E、知名AI 绘画网站midjourney 等。NLP 能力决定了AIGC 应用对用户意图的理解力，是生产力的重要组成部分，ChatGPT的到来有望加速其技术迭代。由于目前 AIGC 的生产模式，是通过语言文字的方式输入用户需求，所以，如何理解用户所描述的内容，就成为决定成品效果的重要因素。而NLP技术，正是理解用户意图的关键所在。ChatGPT 作为当前效果最好的对话式NLP 模型之一，它的出现有望提升AI 理解人类意图的水平，从而加速AIGC 技术的迭代。

六，相关上市公司
为方便大家对我每天整理的题材、概念涉及的个股进行收集、归纳、整理，即日起，我按照发布时间将每天涉及的板块个股做合集清单，方便大家翻阅

七，独家核心提示
「风口系列」和当下市场息紧密结合，有人说只有提前获悉才能抢得先机，但我不这么看，扎实的逻辑才是股价的推动力，逻辑合理自然是市场认同，那就无所畏惧。当然，即便是风口，也要关注「「公司业务匹配度」的情况，也就是「高匹配度个股核心内容解读」中的内容，只有关联度高才能有持续表现。

以上是我自己研究的方向和思路，也就是和大家一起分享下。