被低估的爱,被低估的爱情电影,被低估的爱人知乎小说,被低估的纪录片

去年底，ChatGPT横空出世，全球爆火！最新版本 GPT4更“聪明”。以GPT系列为代表的AIGC市场正在爆发，万亿市场规模商业化进程正在加速开启。AI模型快速迭代引发行业竞赛，多模态大模型成香饽饽。GPU主导千亿AI芯片市场，英伟达则站在风口上，稳坐全球AI计算平台头把交椅。

作者：Justin

编辑：Melody

来自芯八哥第374篇原创文章。

本文共6669字，预估阅读时间21分

ChatGPT横空出世，GPT4更“聪明”

2022年11月30日，美国人工智能研究公司OpenAI发布人工智能聊天机器人ChatGPT，推出不久便在全球范围内爆火。短短5天，ChatGPT的注册用户数就超过100万，2023年1月末月活用户突破1亿，成为史上增长最快的消费者应用。从用户体验来看， ChatGPT不仅能实现流畅的文字聊天，还可以胜任翻译、作诗、写新闻、做报表、编代码等相对复杂的语言工作。

然而，技术进步是不会停止的。

仅仅过了三个多月，2023年3月15日，OpenAI发布了ChatGPT的最新“升级版本”―― GPT4模型，再次引爆社交媒体。比起ChatGPT，GPT-4拥有更强大的识图能力，文字输入的上限提升到了2.5万字，它能更加流畅准确地回答用户的问题，能写歌词，写创意文本，且风格多变。实验表明，GPT-4在部分专业测试和学术基准上，表现出了与人类相当的水平。

图片来源网络

是的，它变的更加“聪明”了。

不同于以往高高在上的实验室研究成果，这次AI变革的成果正在迅速落地并走向商业化。据路透社报道，OpenAI在2022年的收入预计只有约8000万美元。不过OpenAI表示，到2024年，OpenAI的收入有望提高到10亿美元。红杉资本预测：ChatGPT这类生成式AI工具，让机器开始大规模涉足知识类和创造性工作，未来预计能够产生数万亿美元的经济价值。

在3月21日晚的GTC开发者大会上，NVIDIA创始人兼首席执行官黄仁勋表示，“我们正处于AI的iPhone时刻，”

AIGC商业化撬动万亿AI市场

AIGC(AI Generated Content)即人工智能自动生成内容，可以在创意、表现力、迭代、传播、个性化等方面，充分发挥技术优势，打造新的数字内容生成与交互形态。GPT系列是AIGC的一种商业化方向。

AIGC也被认为是继UGC、PGC/UGC之后的新型内容生产方式。UGC是用户生成内容，起源于Web2.0时代，例如博客、视频分享、Youtube等应用方案；PGC/UGC分别指专业生产内容与职业生成内容，例如视频创收平台优酷、土豆平台节目《暴走漫画》、《万万没想到》、或是抖音、快手等用户生产内容。AIGC在创作成本上具有颠覆性，而且具备降本增效的多重优势，并且有望解决目前PGC/UGC创作质量参差不齐或是降低其有害性内容传播等问题，同时创意激发，提升内容多样性。此外，价格上OpenAI最贵的AIGC语言模型达芬奇为每0.02美元750个单词，AIGC图型模型价格仅为0.020美元一张。

AIGC 应用场景

资料来源: 中国信息通信研究院, 京东探索研究院

下一代互联网业态对内容产出效率、内容消费的蓬勃需求，将驱动 AIGC 快速发展。结合Gartner 及 Acumen Research and Consulting 预测， 2025 年 AIGC 渗透率将达 10%，至2030 年 AIGC 市场规模达 1108 亿美元 ，对应 2021-2030 年 CAGR 达 34%。其中，对话式AI 预计 2030 年市场规模达 34 亿美元，而2021 年仅为 5.2 亿美元。当前 AIGC 企业变现模式主要为：订阅付费(每月订阅)、按量收费(数据请求量、计算量、图片张数、模型训练次数等)，未来 MaaS（模型即服务）有望复制 SaaS 企服路线迎来需求爆发奇点 。

数据来源：Acumen Research and Consulting

群雄逐鹿，中美AI模型军备竞赛正在升级

AIGC的发展离不开AI 模型。AI 模型最初是针对特定应用场景需求进行训练（即小模型）。小模型的通用性差，换到另一个应用场景中可能并不适用，需要重新训练，这牵涉到很多调参、调优的工作及成本。同时，由于模型训练需要大规模的标注数据，在某些应用场景的数据量少，训练出来的模型精度不理想的情况，这使得 AI 研发成本高，效率低的情况。

直到2017 年，由Google Brain 团队推出深度学习模型Transformer，采用自注意力机制， 对输入数据的每一部分的重要性进行差异加权，主要用于自然语言处理(NLP) 和计算机视觉(CV)领域。目前，基于Transformer的预训练语言模型已成为NLP领域的主流。ChatGPT是一个出色的NLP新模型。

Transformer的Encoder-Decoder示意图

资料来源：《Attention is All You Need》（Google）

众所周知，GPT-4是一个多模态大模型，那到底什么是多模态呢？

模态是一种社会性、文化性的资源，是物质媒体经过时间塑造而形成的意义潜势。从社会符号学的角度上对模态的认知可以是声音、文字和图像等。人类通过眼睛、耳朵、触觉等各种感觉器官接触世界，每种信息的来源或形式都可以称之为模态。同时，模态也可以是与人类通过自身的感觉器官从外部得到的信息，比如说嗅觉、视觉、听觉等。随着人工智能领域机器学习、深度学习的不断发展，研究内容的不断增加和更新，逐渐也赋予了模态新的定义，即机器对包含数据表征模式、数据收集模式、数据特征主体这3个外部信息的感知模式或信息信道。

多模态机器学习（MultiModal Machine Learning, MMML）研究包含不同模态数据的机器学习问题，一般的模态有视觉、文字和声音。它们通常来自不同的传感器，数据的形成方式和内部结构有很大的不同。例如，图像是存在于自然界中的连续空间，文本是依赖于人类知识、语法规则而组织起来的离散空间。多模态机器学习是指通过机器学习的方法实现处理、理解及融合多源模态信息的能力。目前比较热门的研究方向是文本-图像的模型及应用。

随着ChatGPT的爆火以及多模态大模型GPT-4的推出，中美AI模型军备竞赛正在升级。

美国凭借在模型迭代和算力上的先发优势，聚焦大模型 API 的基础设施层开发，带动信息产业和科学行业发展，并加速商业化。中国公司在 AI 数据及大模型参数量层面与美国差距较小，但模型迭代和训练仍有较大提升空间，大部分平台更加聚焦 AIGC 内容和应用端。

美国主要大模型包括 OpenAI 的 GPT-3、 Anthropic 的 Claude、英伟达与微软的 Megatron Turing-NLG 以及 Meta 的 OPT 等。其中，OpenAI 已经上线了 GPT-4，据传参数量将达到万亿级。Google 把 GPT 系列模型作为红线，并全力投入 LLM（大语言模型）模型的构建。

中国大模型主要包括百度文心、华为盘古、阿里通义、腾讯混云以及商汤的视觉模型等。百度推出文心大模型，基本实现跨模态和多下游多领域的应用，目前已上线文心一言。华为通过模型泛化，解决传统AI 作坊式开放模式下不能解决的 AI 规模化和产业化难题。

资料来源：各公司官网，芯八哥整理

整体来看，美国在模型上仍具有先发优势，源于长时间的技术迭代和数据累积。从 2018 年发布 GPT 1.0，到 2021 年发布 GPT-3.5 和 Instruct GPT， OpenAI 已形成了一系列海量数据积累和训练模型，2023年3月发布的GPT-4 版本(据传万亿级参数量)。虽然当前部分中国大模型参数量能达到千亿级乃至万亿级，但数据质量及训练模型尚需时间精进。

半导体产业机会：GPU主导千亿AI芯片市场

OpenAI预计人工智能科学研究要想取得突破，所需要消耗的计算资源每3~4个月就要翻一倍，资金也需要通过指数级增长获得匹配。在算力方面，GPT-3.5在微软Azure AI超算基础设施（由V100GPU组成的高带宽集群）上进行训练，总算力消耗约 3640PF-days（即每秒一千万亿次计算，运行3640天）。在大数据方面，GPT-2用于训练的数据取自于Reddit上高赞的文章，数据集共有约800万篇文章，累计体积约40G；GPT-3模型的神经网络是在超过45TB的文本上进行训练的，数据相当于整个维基百科英文版的160倍。按照量子位给出的数据，将一个大型语言模型（LLM）训练到GPT-3级的成本高达460万美元。

最新的GPT3.5在训练中使用了微软专门建设的AI计算系统，由1万个英伟达V100 GPU组成的高性能网络集群，总算力消耗约3640PFdays（PD） ， 即假如每秒计算一千万亿（1020） 次，需要计算3640天。采购一片英伟达顶级GPU成本为8万元，GPU服务器成本通常超过40万元。对于ChatGPT而言，支撑其算力基础设施至少需要上万颗英伟达GPU A100，一次模型训练成本超过1200万美元。

数据来源：根据公开资料，芯八哥整理

伴随着人工智能应用场景的多元化，新算法、新模型不断涌现，模型中的参数数量呈指数级增长，对算力的需求越来越大。AI芯片是AI算力的“心脏”。根据WSTS数据，2020年全球人工智能芯片市场规模约为175亿美元。随着人工智能技术日趋成熟，数字化基础设施不断完善，人工智能商业化应用将加落地，推动AI芯片市场高速增长，预计2025年全球人工智能芯片市场规模将达到726亿美元。

数据来源：WSTS

AI 芯片主要分为三种，分别是 GPU, FPGA 与 ASIC 芯片。不同种类别的 AI 计算芯片有各自突出的优势和适用的领域，贯穿 AI 训练与推理阶段。目前 CPU 在人工智能领域中的应用有限，主要受限于 CPU 在 AI 训练方面的计算能力不足。

资料来源：各公司官网，芯八哥整理

目前来看，GPU 仍然是 AI 应用的主导芯片，主要因为它具有强大的计算能力和高通用适用性，广泛应用于各种图形处理、数值模拟及人工智能算法领域。较低的开发成本也时期能够快速在各个垂直下游领域被广泛应用，加速优化拓展。

在独立 GPU 领域，英伟达占据主导地位，份额高达88% 。英伟达 GPU 因其高性能和对 CUDA 的支持而广泛应用于 AI和机器学习领域。因此， OpenAI 主要使用英伟达GPU来训练和运行其 AI 模型，如 GPT-3 和 ChatGPT。据公开数据显示， ChatGPT 已导入至少 1 万个英伟达高端 GPU。

数据来源：JPR

国内 GPU 主要上市公司中，景嘉微通过自主研发 GPU 并规模化商用，是国内显示控制市场龙头企业。此外，海光信息、寒武纪等公司均有布局 GPU 产品。受美国对中国 GPU 芯片出口管制影响，预计国产 GPU 芯片替代将快速推进。

在加速计算GPU领域，国内壁仞科技发布的BR100产品，在FP32单精度计算性能实现超越N【【微信】】芯片，但是不支持FP64双精度计算；天数智芯推出的天垓100的FP32单精度计算性能实现超越A100芯片，但是在INT8整数计算性能方面却低于A100；海光推出的DCU Z100实现了FP64双精度浮点计算，但是其性能为A100的60%左右。因此，从高精度浮点计算能力来看，国内GPU产品与国外产品的计算性能仍或有一代以上差距。

但是，GPU的表现不仅体现在硬件上，软件层面对于生态的布局尤其重要，目前国内企业多采用OpenCL进行自主生态建设，但这是需要大量的时间进行。对比AMD从2013年开始建设GPU生态近10年时间后才推出用于通用计算的ROCm开放式软件平台，国内厂商在软件和生态层面与英伟达CUDA生态的差距相较于硬件更为明显。

数据来源：各公司官网

全球AI计算平台巨头的产品布局

英伟达目前是全球 AI 计算平台龙头，产品矩阵包含硬件、系统软件、平台软件和应用四层。硬件方面，最底层基于 CPU、 GPU、 DPU 三类芯片，形成三大算力支柱；系统层面，从云端到边缘部署广泛的多种系统，如 RTX（云端游戏服务器）、DGX（一站式 AI 解决方案）、HGX（AI 超级计算平台）、EGX（边缘AI 计算平台）、OVX（数字孪生模拟）等，为开发者提供硬件基础设施。平台软件层面，英伟达为开发者提供 150 个加速库服务，涉及机器学习、神经网络、计算机视觉、 基因检测等细分技术领域。应用方面，英伟达打造了一系列针对特定领域的 AI 应用框架，如MODULUS（物理机器学习框架）、RIVA （语音 AI 应用）、 Isaac（机器人平台）等，这些框架都基于 N【【微信】】、 NVIDIA AI 和 N【【微信】】 平台构建。每一层级都对计算机制造商、服务提供商和开发者开放，软硬一体的解决方案适用于广泛下游领域。

英伟达基于 GPU、 DPU 和 CPU 构建加速计算平台生态，造就核心技术壁垒。

英伟达产品规划图

资料来源：英伟达官网

GPU方面，主要产品 Tesla GPU 系列迭代速度快，从 2008 年至 2022 年，先后推出 8 种 GPU 架构，平均两年多推出新架构，半年推出新产品。超快的迭代速度使英伟达的 GPU 性能走在 AI 芯片行业前沿，引领人工智能计算领域发生变革。

DPU 方面，英伟达于2019年战略性收购以色列超算以太网公司 Mellanox，利用其InfiniBand（无限带宽）技术设计出 Bluefield 系列 DPU 芯片，弥补其生态在数据交互方面的不足。InfiniBand 与以太网相同，是一种计算机网络通信标准，但它具有极高的吞吐量和极低的延迟，通常用于超级计算机的互联。英伟达的 Bluefield DPU 芯片可用于分担 CPU 的网络连接算力需求，从而提高云数据中心的效率，降低运营成本。

CPU 方面，自主设计 Grace CPU 并推出 Grace Hopper 超级芯片，解决内存带宽瓶颈问题。采用 x86 CPU 的传统数据中心会受到 PCIe 总线规格的限制，CPU 到 GPU 的带宽较小，计算效率受到影响；而 Grace Hopper 超级芯片提供自研 Grace CPU+GPU 相结合的一致内存模型，从而可以使用英伟达 N【【微信】】 技术快速传输，其带宽是第 5 代 PCIe 带宽的 7 倍，极大提高了数据中心的运行性能。

资料来源：英伟达官网

---

国联安基金预测 国联安基金近两年规模增幅逾300%

国联安基金规模,国联安基金天天基金网,国联安基金管理有限公司总经理,国联安基金管理公司

市场行情

创业板指低开高走涨超1%，ChatGPT概念股继续爆发

1，大小指数今日走势分化，沪指盘中一度跌超1%，午后震荡回升跌幅收窄，创业板指则低开高走涨超1%。

2，ChatGPT概念股继续爆发，云从科技大涨12%，股价创历史新高，三六零午后触板，海天瑞声、当虹科技、浩瀚深度等涨逾10%。

3，光刻胶概念股大涨，晶瑞电材、格林达封板，同益股份涨超17%。

4，阿里概念股午后异动，创业黑马20CM涨停，光云科技涨超16%，浙大网新、恒生电子涨超6%。

5，华为产业链拉升，软通动力、常山北明、拓维信息涨停，梅安森、英方软件涨超10%。

6，下跌方面，以中字头为首的权重股走低，中国化学触及跌停，中国电信跌超4%。

7，个股跌多涨少，两市超3000股飘绿，成交连续第三个交易日破1万亿。截止收盘沪指跌0.44%，深成指涨0.12%，创业板指涨1.17%。

8，主要行业ETF涨跌不一，芯片ETF跌近2%，房地产ETF跌近2%，创新药ETF涨超1%，医药卫生ETF涨超1%。

9，以每日额度余额口径，北向资金截至A股收盘净流入13亿元；以买卖成交额口径，北向资金净卖出近7亿元。

(华尔街见闻)

恒生指数收跌1.75%，恒生科技指数跌2.82%

美团跌超6%，京东健康跌超4%，腾讯控股、蔚来跌近4%。阿里巴巴微跌，盘中一度涨超5%。

(华尔街见闻)

行业动态

“迷你基金”遭遇“紧箍咒” 公募保壳上演“猫鼠游戏”

近年来，“迷你基金”数量与日俱增，公募基金产品数量和质量的失衡逐渐显现，“迷你基金”问题悬而未决。中国证券报记者调查发现，无论从持营、清盘等多个解决措施来看，“迷你基金”处置存在诸多难点。与此同时，部分公司为了“保壳”，找寻相关资金帮忙，用商务对价的方式暂时消灭“迷你基金”形成恶性循环。

（中证网）

“养”业绩、晒业绩、拼业绩背后：谁在为私募的规模野心买单？

上海证券报记者近日获悉，在中国证券投资基金业协会（简称“中基协”）发布登记备案新规后，一些私募为基金经理“养业绩”的难度明显提高了。所谓“养业绩”，即私募管理人用自有资金为基金经理成立极小规模的产品，待其实现亮眼的净值走势后再进行路演推介，吸引更多资金注意。此外，一部分私募还采取“更换”策略，为业绩不连贯的基金经理拼凑净值曲线以实现规模扩张的目的。

在多位业内人士看来，此类美化业绩的行为容易造成风险错配，从而损害投资人利益，并对私募机构造成负面影响。资产管理行业正不断走向成熟，私募机构须审慎进行投资者预期管理，重视旗下产品的业绩一致性，持续为投资人创造价值。

（上海证券报）

人工智能频现牛股 基金经理欲罢不能

在公募需要重新覆盖已被清仓多年的AI概念股后，基本面“差生”已不是基金经理在AI产业上重仓的障碍，“差生”的连年下跌和无人问津，反而成为一种另类的投资优势。许多AI“差生”在股价翻倍后依然能吸引基金建仓，而基金这种貌似后知后觉的追高行为，实际上在十年前的互联网牛市中似曾相识，有的基金经理迟到半年去追高已翻倍的基本面“差生”，也能挤进年度业绩的全国五强。

（证券时报）

暴增90%！资金借道ETF狂买港股，基金经理：互联网板块接近"击球点"

今年以来，港股互联网板块先扬后抑，走出了一段倒V走势，而投资港股互联网的投资者却坐稳了这段过山车行情，借道ETF持续进场。深交所数据显示，截至3月27日盘前，港股通互联网ETF的份额从2022年底的53.89亿份增长到102.27亿份，突破100亿份，增长率近90%；基金规模从38.40亿元增长至70.91亿元，增长了近85%。此外，恒生互联ETF、恒生科技ETF、恒指科技ETF等相关产品也均在今年获得了一定的规模增长。

相关基金经理认为，2月以来港股互联网板块的回调，主要源于部分投资者的获利了结和市场对加息幅度的担心，如果说2022年10月底是巴菲特所说的“甜美的击球点”的话，那么在市场经过调整后，当下的港股互联网板块正越来越重新接近“击球点”。

（券商中国）

太意外！这类QDII基金逆势上涨，竟是银行爆雷"助攻"？这只股票"带飞"多只产品

近期硅谷银行倒闭等金融风险事件让美联储的加息动作再度成为全球焦点，欧美银行股的下跌让投资者忧心新一轮的海外危机是否即将来临。但市场的多重信号暗示美联储或将很快结束加息，且美股以及相关QDII基金的坚挺走势也让国内基民们长舒一口气，年后多只全球科技行业主题的QDII产品以及纳斯达克ETF的净值均涨超15%。

有业内人士分析，金融子行业在纳斯达克指数仅占3.8%，从年内利率见顶概率提升的角度来看，估值相对较高的科技成长股的压力或相对缓解，对纳斯达克指数的成份股相对利好。但部分去年大放异彩的原油主题以及抗通胀主题基金迎来回撤，多只产品跌逾10%。

（券商中国）

这场私募大赛很热闹！优秀投资人：仍看好中字头长期机会

头部券商的私募大赛正在成为私募行业集中竞技，展现自我的重要平台。近期，国泰君安第三届私募大赛正在进行中。在此次大赛中，优秀私募共聚一堂，聚焦行业发展机遇，探讨市场策略和机会。

参赛的私募普遍表示，私募行业要健康发展需要内外结合，不断强化严谨的合规风控和优秀的投资策略，而优秀的私募大赛等外部活动，也能给更多私募展示、宣传的机会，通过参赛提升公司的品牌知名度和认可度。对于市场机会，参赛机构对于A股后市相对乐观，当下热门的“中”字头，私募机构普遍认为存在较大的机会，但也要关注部分个股估值过高的问题。

（券商中国）

今年来平均回报超44% 游戏主题ETF“霸榜”

近期，游戏板块持续回暖，相关主题ETF涨幅明显。数据显示，截至3月24日，游戏主题ETF年内平均回报达44.38%，不仅领涨ETF产品，还有4只产品霸榜年内回报前四位。Wind数据显示，截至3月24日，游戏主题ETF年内平均回报达44.38%，其中，华夏中证动漫游戏ETF年内回报达52.57%，领涨ETF基金，华泰柏瑞中证动漫游戏ETF、国泰中证动漫游戏ETF、国泰中证沪港深动漫游戏ETF分别以51.65%、50.87%、47.16%紧随其后，分列第二至第四位。

（中国基金报）

新基金发行回暖 权益与固收品种强力吸金

3月以来新基金发行呈现明显回暖迹象，不仅数量和规模增长，平均认购天数也在缩短，无论权益基金还是固收品种都有多只新产品收获亮眼募集成绩。展望后市，公募认为，今年是复苏之年，利率、货币环境、经济增长预期都有利于权益资产；预计市场仍将以结构性机会为主，经财报验证业绩明显改善的上市公司将呈现更多投资机会。

（中国基金报）

半导体最牛股今年涨超110%！“蔡嵩松们”归来 这次有哪些不同？

市场对半导体去库存拐点的预判正在逐步实现，叠加系列消费电子(VR、MR)等创新应用爆发，半导体板块在今年不到一季度时间里迎来了久违的结构性行情，相关个股年内涨幅超110%。这不仅给芯片主题ETF基金带来了可观收益，包括蔡嵩松管理的诺安积极回报A在内，一众重仓半导体的主动权益基金大放异彩，成为今年最闪耀的主题基金。多点开花态势下，基金经理在布局本轮半导体行情时，逐步将投资比价触角延伸到了基础软件、计算机等半导体“周边”上来。

（券商中国）

公司动态

永赢基金旗下13只基金发布年报 11只基金去年业绩告负

近日，永赢基金发布旗下13只基金的年报，除永赢安盈90天滚动持有债券发起、永赢合享混合发起外，其余11只基金去年利润及份额净值增长率均告负。从业绩表现来看，永赢优质精选混合发起去年跌幅最大，其A/C份额净值增长率分别为-33.79%、-34.18%，且均大幅跑输业绩比较基准，在同类基金中排名垫底。

（经济参考网）

产品动态

国联安ESG基金同类垫底，老将潘明挂帅投了个“寂寞”

2023年春节后行情的急速变化让投资者无所适从，公募基金的排名较去年发生巨大变化：截至3月24日收盘，蔡嵩松所管理的诺安积极回报排在首位，净值增长率已经接近50%。但是并非所有明星都有他这般好运，老将潘明去年挂帅的新基同类排名垫底。

数据显示，国联安气候变化责任投资基金成立于去年的9月28日，目前运作还不到两个季度，但是从今年的业绩和同类排名来看却遭遇开门黑，同一时间段基金的净值增长率仅为-19.28%，这一数值在同类的3540只基金中排名最后一位。与此同时，去年四季度他的在管5只基金合计规模仅为25.26亿元，这也与9年老将的领军地位并不相符合。

（财富独角兽）

方正富邦创新动力混合基金过去3年暴跌超48%！

wind数据显示，截止3月24日，方正富邦旗下方正富邦创新动力混合基金过去3年复权单位净值增长率为-48.47%，在962只同类基金中排名垫底。另一只基金――方正富邦信泓混合过去3年复权单位净值增长率为-22.78%，在1882只同类基金中排名1858名。

（中国基金报）