AIGC产业链投资机会分析：聚焦落地，AIGC赛道披沙简金

本篇报告系统地解析了AIGC产业链的投资机会，结合海内外发展情况对每个环节甄选标的的要素进行了思考总结，除了二级市场标的外，我们也对一些一级市场初创公司进行了梳理，以期构建AIGC产业一二级市场的投资图谱。

本篇报告系统地解析了AIGC产业链的投资机会，结合海内外发展情况对每个环节甄选标的的要素进行了思考总结，除了二级市场标的外，我们也对一些一级市场初创公司进行了梳理，以期构建AIGC产业一二级市场的投资图谱。

大模型的竞争要素是什么？我们从思考AIGC带来的技术变革意义，以及为什么是OpenAI引领此次变革出发，对比当前国内外通用大模型，总结了几个主要的竞争要素：模型规模、训练效率、使用便利性、商业模式等，目前GPT-4多方面领先；国内的大模型目前在使用效果上和GPT-4仍有差距，算力资源是额外需要考虑的一个竞争要素，当然，专业的AI人才是必备的基础条件。

算力基础设施是AIGC的“卖铲人”。我们把AIGC产业分为上游的算力及数据服务，中游的MaaS，及下游的应用。在AIGC系列报告（二）中，我们详细测算了大模型训练及推理需要多少算力，英伟达在全球AI算力环节竞争格局最为突出。数据是大模型的“饲料”，数据工程不只是模型finetune和对齐需要的高质量标注数据集，也包括增强模型“记忆”能力，提高计算效率等相关的技术创新。

MaaS垂直场景化赋能百业。通用大模型是高技术、高资本壁垒的，我们预计未来大概率会头部集中，但垂直行业的场景化开发需求可能派生出丰富多样的垂直小/专模型。大模型的轻量化赋能IOT端也是一个重要的趋势，如具身智能将跨界变革带来众多行业机遇。

应用是被赋能还是被颠覆？GPT的生态化意味着重新定义人机交互界面/应用入口的重新洗牌，什么样的应用能不被颠覆而是有AIGC+的商业前景？我们概括为两类：一是提升生产工作效率的通用工具，应用场景对生成结果准确度要求不高，AIGC对内容供给速度有实质性的提升，可将人从基础/重复性工作中解放；二是可能改变行业格局的场景应用，我们也概括为“有场景的C端，有数据的B端”，即要求个性化生成和高频时效交互的C端场景，和行业差异化、专业化要求高的垂直B端，通过垂直长尾数据来建立竞争壁垒。