头部游戏公司 运营总监

总结：目前AIGC在研发端可以帮助文本生成 20%- 25%产能提升，道具和角色整体是20%，场景能提升 10%产能。终局来看，文字能提升 70% - 80%产能，或者说 70% 到 80% 的人力时间。道具角色预计能到 60% 到70%，场景大概是 60 %左右。宣发端目前10%产能的提升，未来大概能提升 50%人力成本， 20% 左右的ROI。

AIGC 在游戏中的一些实际应用会分以下模块：

1、研发端，主要分为文本生成、道具角色的生成、音效合成和场景的生成。

文本生成包含 NPC陪聊、 NPC提示，让它变得更智能；游戏的剧情生成，以前可能是 13 个人左右，每个人每周可能要写5万行的这个文字来做成内容，写 10 天，现在差不多每 13 个人只需要写 7- 8 天，也就是提升了 20% 左右到 25% 左右产能，

角色端，AIGC可以做道具，可以做角色，可以做美术方面，数值。比如以前大部分的游戏情况是策划提一个需求给到美术，让美术同学进行角色的绘制。假设现在要做一个很强壮的男性角色，美术可能画一个 3D 角色需要两周左右的时间，这里面会有很大的试错的成本。AIGC 可以生成3D 图，但是因为 3D 图有非常多个切面，它调整起来未必会那么好；3D 成本会更高，生成的时间也会更久，所以说这是大家可能在做 2D 方面可能会用的比较多的原因。比如生成 100 张 2D 的图，拿给策划去看，策划选一张或者选几张觉得最为接近的，再去做内容创作，会让整体试错成本变得更低。数值方面，目前AIGC还不足以直接生成非常完美的数值体系，可能会造成还是需要人为的去进行一些微调。

音效：以前音效师和调音师在封闭的音房里做，因为音房非常封闭，只有音乐设备和内容，如果缺乏灵感是非常孤独和痛苦的。AIGC 可以很好帮忙生成一些音频，比如生成一个 10 分钟的demo，音效师和调音师去听，觉得前面的 10 秒可以拿来做前奏，中间有一部分 10 秒我拿来做副歌，最后面可能结尾 ending 有20 秒我拿来串起来再去做一些延伸。最后面生成一个编曲，编成一个完整的音乐嵌入到这个游戏的场景中，这是一个比较好的方式。第二种是游戏角色的音色生成，很多游戏是由声优配音的，但是声优不是游戏公司的，它是经纪公司的，它跟游戏公司是合作关系，所以说不受约束，如果不受约束每一次求档期会非常麻烦的。AIGC 可以很好的生成角色的音色，而达到一个比较好游戏角色售卖的效果。并且因为你游戏角色可能跟某个声优是强相关和强绑定。比如说假设我现在某个游戏角色我在 IP 里面塑造了很久，比如说我花了半年一年的时间在 IP 故事里面把它塑造成一个三观很正，又很正能量很有能力且很有背景的角色，但是突然声优出什么事情，对于一家游戏公司来讲是非常尴尬的。

场景生成：增量，做大行业蛋糕

某个游戏可能去年只能做三张图，每张图可能会需要 150 个人力做三个月，比如说 150 乘以 3 乘以22，相当于是 9000 多个人效才能出一张图。目前 AIGC 在地图场景上的生成大概能提升 10% 左右的产能，但是未来它能从三个月的产能假设降到一个月，每张图就卖 12 个亿，12 乘以 12 变成 144 亿，以前一张图卖 20亿，三张图才 60 亿，这一年就多了八九十个亿的产值。

游戏产业，本质上是内容消耗型的产业。用户到你游戏产品里面来玩，就是来玩内容的，玩的好玩的内容我就留下，玩的不好玩的内容我就离开，而且本质上游戏它又是供给去创造需求的产业。你问用户，他只会说我想玩好玩的游戏，他的需求是需要我们供给端不断的去挖掘，不断的去做出来的，我们做出了很多好玩的游戏产品，他才发现我是很喜欢玩这种品类的游戏的。如果你能做出更多的内容，比如说你能做出更多的场景，让用户去探索，让用户把更多的碎片化时间投入到游戏中，对游戏的产能的提升也是有帮助的，因为一个有用户他每天的碎片化时间是有限的，而游戏产业是一定要抢占用户碎片化时间的。有更多的内容供给用户去玩，有更多的好的东西给用户去玩，才能去提升用户的体验。

2、发行端：

1）本地化翻译，特别是全球同发的产品。机翻会有非常重的痕迹；

2) 素材制作中避免文化雷区。大家在做游戏的时候，特别是在海外发行的时候，主要考虑用户洞察。

3）预算分配。比如每个流媒体平台在买量的阈值上，它核心用户的数量是有阈值的。怎么让厂商更好买到更优质的用户？现在 10 美金买一个用户，在 Facebook 我买了1亿的用户，相当于花10 亿美金，每个用户他能在游戏里面充 200 美金，我的 ROI 就非常的高，但是当我买到 20 亿的成本的时候，比如买到 2 个亿的用户的时候，还是 10 美金一个用户可能他每个人在游戏里面只花 70- 80 美金，ROI 就降得很低了。AIGC 可以告诉我们不要去 Facebook继续买，可以去 YouTube ，可能单个用户是 18 美金或者 20 美金，但是每个人在游戏里面可能花 210 美金或者 220 美金，这个时候整个 ROI 又可以被拉高。

4）运营端：做一些 UGC PGC 内容创作帮助KOL，KOC，包括 UGC PGC 在内容创作上面有更低的门槛，达到比较好内容创作效果。

3、商业化端，帮助设计更加合理的付费机制，未来大模型和怪物反馈机制可能卖给其他厂商使用。

传媒互联网&海外首席分析师 

4 月份整个板块表现，尤其是应用表现是非常亮眼的，包括游戏和出版，在大盘还在跌的情况下，游戏指数和出版指数大概都涨了 15% 左右，超额收益也非常显著。年度金股和月度金股，昆仑万维和蓝色光标表现非常的强劲。在波动比较大的时候，每一波我们也都在底部提示市场，即使到现在，我们认为 5 月份整个 AI应用依然有可能会是市场最尖锐的矛。因为 4 月份整体的震荡是比较大，可能 5 月份会是真正的主升浪。

我们一直强调在真正的产业趋势面前，不用去担心催化剂，也不用担心空间，也不用害怕回调。整个行情演绎虽然有些波折，但也在预期当中，因为所有的机会都不可能是一蹴而就的，很多时候你对于这种产业的认知才能有利于更好的去把握机会，对产业认知的深度决定了你把握在什么时点能够更好的去上车，更好的去把握机会。在上周末密集发布的财报当中，大多数公司也都提及到了 AI 技术对其业务潜在的赋能，所以我们认为整个 AI 一定是会对各行业产生深刻的影响。大家在两个月之前可能想象不到，绝大部分的公司的年报里面都已经提到了这一点。

投资方向上，大模型环节是股价最大的弹性，也是最大市值的弹性。应用环节投资呈现百花齐放，弹性也非常大，参照海外节奏， 2023 年国内 AI 应用应该还会持续突破我们的想象和预期。   

1）真正在公司层面、业务层面兑现了逐步被市场认同的公司，像昆仑万维、蓝色光标，万兴科技等TMT投资里有锐度的公司应该成为组合标配，这种持续兑现在引领产业方向。包括光模块，我们认为也有这个特征。

2）AI+游戏。这种影响和改变还处于比较早期的阶段，也就意味着系统性的估值的抬升还是在持续。网易在逆水寒开发中已经加入多项 AI 技术，实现智能捏脸，包括智能的NPC等，玩法也更加丰富，剧情也更加有趣。米哈游在《崩坏：星穹铁道》里面会加入AI 工具开发 AI NPC等，我们认为快的话可能半年之内我们就能看到这些结合AI技术的游戏。因此，结合这个时点游戏板块的位置，我们认为板块估值还有进一步提升的空间。我们对于游戏的投资，一定要去理解它估值提升的因素，系统性的理解beta，在这个基础之上我们才好更好的把握一些机会。

个股：三七互娱前面严重滞涨，在这个位置是一个非常好的选择；恺英网络估值也非常便宜。

3） AI +电商。电商行业市场规模大，玩家多，一旦有变革就会产生很大投资机会。从增量来看，回顾历史，线上零售以其更高的效率抢夺线下份额，AI能给现有电商模式带来进一步的用户体验和效率的改善，我们预计未来线上零售渗透率将因为AI得到进一步提升。从存量的重新分配来看，最先拥抱技术的公司可取得下一轮竞争先机。

标的：强调跨境电商机会，跨境电商本身基本面在恢复，财报都非常不错。AI 对于跨境电商各环节的赋能，会在各个环节体现，而且在跨境电商层面是更早的体现。包括焦点科技、华凯易佰、吉宏股份。返利科技也可以关注。

4）出版：和训练语义素材相关，另外一方面它是教育相关的应用场景。有些公司有自己的内容生产能力，有些公司只是更多发行，有些公司只有教材，这个也会有些差异。所以我们认为这两个逻辑都有的公司可能会是基本面层面的龙头公司，比如凤凰传媒，其他低估值公司里面，估值也整体非常便宜，对比 13- 15 年的估值，尤其13 年估值，出版的主流公司到25 -30 倍应该是没问题的。所以估值还有比较大的提升空间。龙头公司，像凤凰传媒、中文传媒、中南传媒，另外像低估值，像南方 长江 中原 山东 新华文轩 中国出版也值得关注。

5）其他个股推荐：分众传媒，基本面在恢复，尤其是 Q1非常不错。Q2 保持更加乐观一点，五一和六一八都是非常值得期待的。分众的海外业务团队已经将 AI 应用于日常的工作，国内业务团队也在考虑部署，目前已生成了“江南春”数字分身生成短视频，未来可以借助AI进一步提高生产效率。分众的差异化优势在于流量、数据、经验、渠道，可以将广告营销方法论、正确和错误案例喂给AI，让它帮助员工更好地服务客户，并逐步开放给客户使用。所以它本质上有垂直领域的私有数据的价值。

另外像一些黑马，包括像唐德影视、思美传媒，世纪天鸿也可以关注。

综合来讲，整个应用相关机会，依然会是市场上最尖锐的矛， 5 月份有可能会真正的主升浪，这些龙头标应该是大家标配。游戏我们把三七互娱排到了最前面，还有电商+出版+分众。

计算机行业首席 

在GPT3.5出现之前，人们对通用人工智能的发展非常悲观，只能通过特定的数据来训练特定功能的AI，如果要拓展其他功能，需要再通过特定数据进行训练，训练好的模型不互通，没有全面的泛化能力。

GPT-3产生了三个重要能力：语言生成、上下文学习、世界知识，这三个重要能力都源于基于海量数据的大模型预训练：在有3000亿单词的语料上预训练拥有1750亿参数的模型。海量数据为基础的大模型训练产生了突现能力（Emergent Ability），带来了AI研究范式的转变。这种突现能力是在模型大小大于100B时才产生的，目前只存在于大模型中。只有在训练数据量足够大时，量变才能引起质变。GPT相比于此前模型所具备的“泛化能力”，或者说具备“常识”的能力，就是以海量数据为基础产生的。

算法、算力和数据是AI发展的三大重要基础。展望未来，算法和算力，从当前来看，都可以通过挖掘优质人才、引进优秀工程实践，或者直接购买海外优质资产追赶，而培养中文环境的优质数据集、语料库却必须长期自我积累沉淀，因此，我们认为未来数据将成为AI发展的胜负手或者是差异化的关键，并有望为中国训练自己的大模型，走出差异化道路提供重要基础。

语言包含价值取向，未来想要不被强势文化压缩生存空间，中国必须发展自己的大模型。语言中所包含的价值观必然和训练它的人对齐，虽然模型本身不具备价值观取向，但是训练的语料库所包含的价值观将影响模型的输出结果。在目前的OpenAI语料库中，中文语料只占5%，未来如果想在使用过程中符合中国特有价值取向，不被海外强势文化压缩生存空间，中国就必须发展自己的大模型。

发展自己的大模型需要以国内数据集为重要支撑，而国内缺乏可训练的高质量数据。中文互联网环境下，搜索、视频等数据质量普遍低于海外，很多高价值数据都是公共数据和商业数据，尚未开放，没有成熟的可训练的数据集，未来将会对国内大模型发展产生压力。

而更关键的，是高质量的行业私有数据价值更高。高质量的独特数据也将为国内实现差异化，开发自己的大模型提供有力支撑。

国内更高质量的数据都在政府手中，数据要素市场建设将为国内训练自己的大模型提供坚实基础，未来有望成为国内寻求差异化发展的重要支撑。随着公共数据逐步开放运营，垂直行业数据由严监管向谋发展转变，数据要素市场化发展将使得算法厂商能够获得质量较高的公共和行业数据，提高训练质量和效率，进而为国内开发符合自身发展和价值观的大模型提供支撑。

国家数据局成立，数字经济从严监管向谋发展，产业趋势已经十分明显。我们预计未来数据要素市场化建设将进入全面加速阶段。

数据作为生产要素之后，首先要解决的是供给问题。因为要素需要海量供给，首先要做数据的资源化，需要有数据的汇聚，才能形成数据资源。

数据资源化的核心是数字中国规划里面的数字基础设施和数据资源体系。在大模型发生了涌现后，各行业的专用的垂直模型将会是未来最主要的应用场景。垂直模型这就相当于定制，关键在于数据，只有投喂了别人不具备的知识和数据，才能够形成别人不具备的能力，才能创造出适合于某个细分行业的、提升效能效率的专用模型出来。

什么样的数据最强？谁能够拿到国家卫健委、应急管理部、公安部、国土资源局、金融、电信、各地方政府甚至军队的数据？谁就可以基于大模型在应用端获得更大的优势。AI的发展离不开数据作为基础，公共和垂直行业数据敏感性高，需要具备央国企背景的厂商参与。所以我们判断国资云后续将会成为政府用大模型对外输出专用垂直服务能力的主要载体。国资云输出的是一种服务能力，包括了基础设施服务、算力服务、人工智能服务和大数据服务等等。

国资云是自主可控的数字中国底座，是统筹发展和安全的最佳实践。国内公共数据占比60%，发展数据要素和人工智能的底座都是云基础设施，考虑安全问题，公共数据只能上国资云，国资云有望率先落地兑现放量。

投资建议与相关标的：公共和垂直行业数据敏感性高，需要具备央国企背景的厂商参与。我们看好以下三个环节：1）数据运营：我们预计医保数据将有望成为公共数据放开的第一站，重点推荐久远银海。2）数据基础设施，向外输出专用垂直模型能力。重点推荐深桑达A，易华录，云赛智联。3）数据持有方：具备相关数据的厂商。推荐上海钢联、中远海科等。

电子行业首席 

电子的角度受益于AI拉动的环节主要分为云端（服务器的数据处理）以及终端（一系列智能硬件的应用）。

首先是率先有变化的服务器端硬件环节：

1）参数规模：历代GPT的参数量呈现指数级增长，GPT-4的参数量是3的20倍，据OpenAI的CEO预测，将在2024年底至2025年发布的GPT-5，其参数量将是GPT-3的100倍，计算量为GPT-3的200-400倍。那么随着用户和应用范围的持续扩大，数据处理的压力增大，将提出庞大的算力需求。

2）AI芯片需求：算力需求的快速增长势必带动高算力AI芯片市场规模的持续扩张。第三方机构报告显示，2027年全球GPU行业市场规模将达1853.1亿美元，五年复合增速33%。同时，我国AI芯片市场规模增速更快，可达42.9%。这里市场增量除了需求量的增长以外还暗含了价格的提升，是量价齐升的逻辑，英伟达GPU芯片迭代从最初3万元到A100的10万左右，以及最新的H100的24万。而从格局来看，GPU作为算力最强的芯片种类，从深度学习和处理海量数据运算能力的角度来看，未来会长期占据80%以上的市场份额，英伟达几乎形成垄断（25年预计保持8成份额），而半定制和全定制化芯片会在特定领域提升效率，占据一定的比例。

3）服务器需求：在此基础上我们率先建立独特的软硬结合的模型测算了AI服务器的硬件需求，以最核心的GPU芯片为例，测算推理需要的服务器数量；按照每天3千万人实时提问的前提假设下，设定单个模型参数下处理用户请求的token字符串所需要的浮点运算次数、模型参数规模、每秒处理token字符串的数量、单台服务器所需GPU数量、浮点运算能力的利用率等，计算出OpenAI当前所需推理服务器数量约为6600台、训练服务器需求量约1100台，在未来模型参数或活跃用户数量指数级提升的前提下，是几十万甚至接近百万量级的需求。由此可见在AI推理下，GPT对服务器拉动需求显著。

所以在数据处理环节，AI芯片及服务器端的相关零组件会是率先受益的领域，市场关注以及投资重点的方向。

按照重要性和产业链环节来梳理：

1）CPU、GPU是服务器最主要的部件，是衡量服务器性能的首要指标。行业龙头集中效应显著，Intel占据服务器CPU市场80%以上的份额，英伟达占据GPU 80%以上份额，国内厂商与其技术差距较大，关注重点公司的技术突破进展，代表像寒武纪和海光信息。

2）存储单元方面，内存、硬盘是服务器中其他的重要部件，内存是与CPU进行通信的桥梁，硬盘是服务器数据的仓库。计算机中的所有程序都在内存中执行，服务器的硬盘需要满足速度快和高可靠性，内存和硬盘都对服务器的性能有较大的影响。存储器总体市场空间将超过2000亿美金，呈垄断竞争格局，DRAM市场CR3超90%，目前国内厂商与国外的技术，规模等差距较大，自主产品亟待突破。代表江波龙和澜起科技（内存接口芯片）。

3）电源负责各个模块的供电和电路控制，由电源管理芯片实现。海外占据主导地位，服务器主板CPU/GPU电源管理芯片领域可触及的市场规模达20亿美元，但国内厂商的自给率极低，成长潜力可期。代表公司杰华特（intel供货）和晶丰明源。

4）服务器芯片经由封装形成模块，进入整机组装环节。一方面，全球封测产业正逐步向中国大陆转移，内资企业与外资厂商技术差距持续缩小，中国台湾、中国大陆和美国占据主要市场份额，另一方面为了应对持续提升的算力需求和芯片制程，封测头部厂商均积极布局Chiplet等先进技术。代表公司长电科技、通富微电。

5）服务器其他零部件包括PCB、连接器和结构件等，成本占比低于20%。代表环节PCB在高端服务器中的应用主要包括背板、高层数线卡、HDI卡、GF卡等，其特点主要体现在高层数、高纵横比、高密度及高传输速率，中国大陆PCB产值规模在全球占比均超50%，龙头沪电股份，国际头部客户。另外就是整机集成商，工业富联作为全球服务器代工出货量第一，绑定微软等大客户。

从前到后格局越来越国产化，因此从基本面角度来看国内产业是从后往前依次受益，我们看好沪电股份、工业富联在AI服务器订单和营收方面率先呈现弹性。芯片端虽然短期市场认为落地有难度，但我们结合Q2对于半导体产业的看好，可以重点关注中芯国际这一国内唯一具备先进制程能力的晶圆厂后续对AI服务器芯片流片的落地能力。

其次是终端的应用场景，从电子的角度可以预见到很多传统或新型智能硬件结合AI技术做出的硬件升级，作为交互的载体，安防、教育、2C的手机和智能家居等都会有新的AI赋能应用场景，推动终端硬件不断升级，比如手机的摄像头、安防的AI视频识别、混合现实眼镜对于三维场景的交互等，都是未来AI大趋势下的发展方向，标的更多是消费电子及品牌。