数据要素 = AI时代的“锂矿”
国资云 = AI时代的算力“引擎”

AI三大核心要素：算力、算法和数据，数据是AI算法(模型)的“饲料”。当前市场对算力、算法挖掘较深，数据价值还未充分认知！AI的根基是训练，训练的基础除了算力和算法，更需要海量的优质数据。只有掌握核心行业数据，才能训练出适用于行业应用的垂直行业大模型。#AI投资除了算力和算法，更要重视数据。

近期，360董事长周鸿祎谈论AI时也表示：“算力不是最关键的问题，#场景和数据是关键。有知识量的数据，中文语料占了不到5%，大量知识在外文期刊里面。想要给具体行业赋能，让AI成为某一个领域的专家，就必须使用对应领域的专业数据来训练。未来国内各个大厂都会推自己的大模型，微软、谷歌以及未来国内大厂的模型相当于一个通用模型，大而不精。想要给具体行业赋能，成为某一个领域的专家，就必须使用对应领域的专业数据来训练”。

受制于算力成本、商业模式等原因，国内市场针对2B垂直领域、基于大模型精调之后的小模型有望率先商业化落地。To C端的基础大模型用户增长速度快、训练和推理所需算力成本较大，且运行效果需要逐步迭代，因此需要花费大量的时间和金钱成本，难以在短时间内实现盈利。Ch­at GPT在2023年1月推出后2个月内，月活用户数已达1亿，Op­e­n­AI为此每年要向微软支付数十亿美金算力和数据费用。而To B用户的付费意愿更强，且垂直行业的小模型只需要在原有基础大模型上进行精调，花费的时间和金钱成本远低于To C端的基础大模型。

截至2022年11月，#百度文心已累计发布11个行业大模型，涵盖电力、燃气、金融、航天、传媒、城市、影视、制造、社科等领域。百度最新企业级大模型平台 “文心千帆”，使用场景也主要包括政务、金融、企业办公、电商、旅游服务等付费能力较强的2B场景。华为即将上线的“盘古系列AI大模型”：NLP大模型、CV大模型、以及科学计算大模型（气象大模型）预计也将主要面向政企、金融、能源等华为传统擅长的政企市场开放。

针对金融领域，彭博已构建了迄今为止最大的特定领域数据集，并训练了专门用于金融领域的LLM，开发了拥有500亿参数的语言模型Bl­o­o­m­b­e­r­g­G­PT。该模型依托彭博社的大量金融数据源，构建了一个3630亿个标签的数据集，支持金融行业内的各类任务，在#执行金融任务上的表现远超过现有通用大模型。

回到国内市场，据发改委官方批露：#我国政府数据资源占全国数据资源的比重超过3/4，但开放规模不足美国的10%。个人和企业可以利用的规模更是不及美国的7%”的背景下，#加强公共数据的开放开发，是当前急需落实的核心问题。而国家数据局的组建有望，或将从数据源头加快重要政务部门、重点关键行业的数据分类、确权、进程，加快统筹数据资源整合共享和开发利用。未来，#谁掌握关键核心领域政务、企业数据的治理、运营权，#谁就享有在AI、数字经济时代的顶级定价权。同时，在数据安全、AI大模型自主可控需求背景下，未来国内重点行业、关键领域的核心政务、企业数据进行AI赋能，将大概率运行于各自的私有云（国资云）上，确保敏感重点行业原始数据不出域！

美国加大AI相关产业链制的裁力度背景下，科技部已表态：正在积极推动算力网的建设，打造超算、智算的算力底座。结合前期“东数细算工程”，为保障重点行业数据资源的安全与AI赋能，未来国内大模型的数据存储和运算，势必会更大程度使用自主可控的国家队算力资源。国内大模型“国家级”平台智源研究院，与中国电子云、中国移动九天人工智能团队等两大央企集团，合作加速推进国产化大模型发展。

参考目前OP­EN-AI与微软合作模式，OP­EN-AI提供算法、模型，微软提供云算力及数据支持，我们认为未来国内市场不排除出现类似模式，#针对前期付费能力较强的2B垂直市场，国内互联网厂商专注于大模型开发【算法】，#中国电子云、三大运营商等国资云算力国家队提供底层算力支持【算力】，#CEC等数据要素运营商提供高质量政务、企业【数据语料】。

当前市场对算力、算法挖掘较深，数据价值还未充分认知！#未来在垂直场景数据、数据安全、AI大模型自主可控需求背景下，#我们认为AI投资下一步更要重视“数据要素+国资云”。具备运营、治理政务数据、及重点行业、关键垂直领域的”数据要素运营商“、以及央国企背景的自主可控国资云厂商，有望迎来重估。

重点推荐：#深桑达A（全栈式自主可控中国电子云、背靠CEC数据要素运营商）、中国电信、中国移动、中国联通等AI算力国家核心力量，以及第三方#云计算基础设施厂商（润泽科技等、关注光环新网、奥飞数据等）。