1）生成式AI可充当虚拟教师或者练习伙伴的角色，进行“千人千面”个性化学习方案推荐，实现真正的因材施教，进而提高学生的学习效率；

　　2）降低教育公司运营成本，解决教学中重复工作，为教研端生成教学素材、搜索分析教学内容、生成活动方案、设计美化课件等；

　　3）有助于解决偏远/薄弱地区教育资源不足的问题，在线教育与智能教育一起，实现教育资源共享，促进教育公平。

　　•教育与AI适配性强，叠加高付费意愿性，生成式AI在教育领域应用推广较快，尤其是海外地区。多邻国（DUOL.O）、可汗学院（非营利性）、Embibe等均利用AI工具制定个性化学习策略，辅助学生学习，变现模式跑通。多语言学习平台多邻国以会员订阅付费为主要变现模式，据多邻国公告，2022年订阅付费收入占比达74%，截至2022年底，多邻国付费订阅者达420万人。多邻国于23年3月14日面向iOS客户端中的英语、法语、西班牙语语言学习用户推出DuolingoMax服务，由GPT-4驱动，增加了两大AI辅助学习功能“解释我的答案”和“角色扮演”，学习者会可获得由人工智能驱动的反馈，了解他们回答的准确性和复杂性，以及未来对话的提示。

　　•AI与教育领域契合度高，教育专用大模型的出台有望加速技术落地。目前包括Chat-GPT、文心一言、通义千问等国内外大模型所具备的自然语言处理、逻辑推演、多模态生成等能力与教育领域天然适配。2023年5月5日网易有道的“子曰”大模型现已在AI口语老师和中文作文批改功能中应用，研发工作已取得阶段性进展；好未来也宣布了数学专用大模型的研发计划。随后，科大讯飞基于星火认知大模型推出AI学习机T20，淘云科技也开发出应用于阿尔法蛋儿童GPT机器人的阿尔法蛋儿童认知大模型。6月初，据36氪报道，作业帮也正在内测基于国内市场的教育大模型，包含多学科解题、中英文作文批改、多语言对话方向等教育场景。各教育头部公司相继出台了教育专用的大模型，并与自身业务相结合，有望加速AI在教育领域应用落地。

　　➢AIGC多模态跨模态应用逐渐成熟，市场空间广阔。广义的AIGC指具备生成创造能力的AI技术，即生成式AI。可以基于训练数据和生成算法模型，自主生成创造新的文本、图像、音乐、视频等内容。2022年被称为AIGC元年，未来兼具大模型和多模态模型的AIGC模型有望成为新的技术平台。据《中国AI数字商业产业展望2021-2025》报告，预测AI数字商业内容的市场规模将从2020年的40亿元，增加到2025年的495亿元。

　　➢ChatGPT产品历经多代技术演进，产品与商业模式逐渐成熟。ChatGPT是文本生成式AI，过去的传统AI偏向于分析能力，主要基于已有内容；现在文本生成式AI基于底层Transformer模型，不断训练数据和迭代生成算法模型，历经GPT-1、GPT-2、GPT-3，模型不断升级，到ChatGPT的GPT3.5模型，已可以自主生成各种形式的内容。近期收费版ChatGPTPlus版本发布，AI商业化序幕逐渐拉开。

　　➢AI商业化落地在即，行业算法侧和算力侧投资机会有望超预期。根据数据显示，ChatGPT总算力消耗约为3640PF-Days，按国内的数据中心算力测算，需要7-8个数据中心才能支持其运行。各模态AI数据训练到应用均需要算法和算力的加持，未来要想大规模应用，算法训练和算力部署均需先行。

　　2022年被认为是人工智能生成内容(AIGC)元年。作为AIGC在自然语言领域的代表，ChatGPT在2022年年底一经推出，就掀起了一场可能涉及所有人，2023年3月GPT-4的发布则进一步推动了“态势升和所有行业的“大火”级”。由ChatGPT/GPT-4引发的全球关注，令许多人回忆起2016年AlphaGo战胜人类围棋世界冠军的时刻。如果说AlphaGo代表了AI在专业领域战胜人类的起点，ChatGPT/GPT-4似乎迈出了通用人工智能的第一步。这是第三次AI浪潮以来所有积累产生的硕果，AI技术到了一个即将大规模产业化的临界点。

　　ChatGPT将单调呆板的人机通信演进到前所未有的自然、高效、有创造力的人机协作，代表了生产力的提升。chatGPT有多重要?埃隆·马斯克评价:“好得吓人，我们离危险的强人工智能不远了”。黄仁评价:“这是AI界的iPhone时刻”。比尔.盖茨表示“和个人电脑和互联网的出现一样重要。是当前最重要的创新，将改变世界”。在ChatGPT的基础上，GPT-4进一步在各种专业和学术基准测试中表现出“人类水平”的性能，在事实性、可引导性和可控制方面取得了“史上最佳结果”。当然，GPT-4在不是无所不能的，仍具有与早期GPT模型相似的局限性，如:犯常识性的错误、缺乏对新世界知识的了解、存在社会偏见、产生幻觉、推理错误等。但是我们看到其技术背后却具有一直优化.学习和进步的能力。

　　在ChatGPT/GPT-4席卷全球的热潮中，人们已经深刻认识到人工智能作为经济社会发展中一项变革性技术与关键性力量，将为全球产业带来的巨大飞跃和突破式发展，深刻影响未来世界竞争格局。通信行业作为信息通信基础设施的建设者和运营者，既为AI的发展提供基础设施支撑，又是AI应用落地的领先者。

　　1）从3G时代到5G时代，互联网历经PC互联网、移动互联网，当前迈入AIGC新业态探索期，电商行业从PC网页（以文字、图片静态内容为主）到传统货架电商再到直播电商（以音视频流媒体动态内容为主），不断升级迭代，看好AIGC技术运用下的电商新机会；

　　2）运用人工智能计算机视觉、智能语音、机器学习等AI技术在零售场景中的落地应用，通过为零售行业的参与主体、不同业务环节赋能，实现对零售行业的整体升级和改造。

　　1）货架VS内容电商之争或迎来变革，行业格局有望重新洗牌，AIGC+搜索信息获取方式升级为通过语音/文字/图片/视频等多种方式输入，更加智能便捷，支持多形态输入，生成信息准确度提升；

　　2）ChatGPT引入插件功能，或进一步提升搜索效率和精准度，满足更多用户主动搜索需求，但传统电商平台还能满足用户“逛”和“被动种草”需求，无法完全取代中心化电商平台，且平台背后的商户/商品丰富度、价格力、物流履约、用户标签数据沉淀等能力仍是核心竞争力，平台仍具有收取一定广告/佣金变现的底层逻辑。

　　1）据量子位《AIGC/AI生成内容产业展望》报告，预计2030年AIGC市场规模有望超过万亿元人民币，内容领域预估1-2年内有一定程度商业化，延展领域后期有望成为AIGC创造价值的主阵地；

　　2）案例分析：海信集团引入京小智后，降本增效成效明显，日均节省成本占比50.2%，较同期提升34.37%，尤其是大促期间辅助人工节省人力数，较同期提升了1.67倍。

　　AIGC提高数据中心需求增速：AIGC超预期的发展速度将催生海量算力需求，数据中心迎来新一轮的发展机会，较不考虑AIGC带来未来1-2年年均新增需求增速提升8-10pct至28-30%，合计新增算力需求115.45-122.95Eflops，谨慎预期下拉动数据中心投资1134-1167.5亿元，乐观预期下拉动投资约1300亿元。

　　1）科华数据：21年数据中心收入为30.48亿元，占比63%，贡献净利约2.7亿，占比约62%；22年因疫情影响，预计实现该业务收入约30-35亿元，IDC服务毛利率约27%，产品及集成毛利率约35%。23年数据中心业务预期约10-15%增速，达到全年35亿收入，占比约37%。

　　2）科士达：市占率为4%，UPS产品主要为中小功率UPS，正着重布局高端中大功率UPS市场。海外收入高，占UPS收入的30%+。21年数据中心及智慧电源相关业务营收21.5亿元，占比约70-80%，毛利率30%+，净利率12-13%，净利约3亿元，占比81%。22年由于储能收入暴增，数据中心业务比重或将降至50%+。23年数据中心业务预期增速或将稳定在10-15%，达到全年26亿收入，占比约33%。

　　3）欧陆通：服务器电源毛利率2022Q3为22%，预计2023年到25%。2022年收入6亿元，预计2023、2024年增长50%，2023-2024年营收分别为9亿元和13亿元，利润分别为1亿元和1.5亿元。目前正在进行国产替代，预计未来公司份额可能达到30%。

　　ChatGPT热潮席卷全球。ChatGPT（ChatGenerativePre-trainedTransformer）是由OpenAI于2022年12月推出的对话AI模型，一经面世便受到广泛关注，其2023年1月月活跃用户达到1亿，是史上月活用户增长最快的消费者应用。在问答模式的基础上ChatGPT可以进行推理、编写代码、文本创作等等，这样的特殊优势和用户体验使得应用场景流量大幅增加。

　　①技术原理角度：ChatGPT基于Transformer技术，随着模型不断迭代，层数也越来越多，对算力的需求也就越来越大；

　　②运行条件角度：ChatGPT完美运行的三个条件：训练数据+模型算法+算力，需要在基础模型上进行大规模预训练，存储知识的能力来源于1750亿参数，需要大量算力。

　　2）价：对高端芯片的需求将拉动芯片均价。采购一片英伟达GPU成本为8万元，GPU服务器成本通常超过40万元。支撑ChatGPT的算力基础设施至少需要上万颗英伟达GPUA100，高端芯片需求的快速增加会进一步拉高芯片均价。

　　ChatGPT的“背后英雄”：芯片，看好国内GPU、CPU、FPGA、AI芯片及光模块产业链

　　1）GPU：支撑强大算力需求。由于具备并行计算能力，可兼容训练和推理，目前GPU被广泛应用于加速芯片。看好海光信息、景嘉微；

　　2）CPU：可用于推理/预测。AI服务器利用CPU与加速芯片的组合可以满足高吞吐量互联的需求。看好龙芯中科、中国长城；

　　3）FPGA：可通过深度学习+分布集群数据传输赋能大模型。FPGA具备灵活性高、开发周期短、低延时、并行计算等优势。看好安路科技、复旦微电、紫光国微；

　　4）ASIC：极致性能和功耗表现。AIASIC芯片通常针对AI应用专门设计了特定架构，在功耗、可靠性和集成度上具有优势。看好寒武纪、澜起科技；

　　5）光模块：容易被忽略的算力瓶颈。伴随数据传输量的增长，光模块作为数据中心内设备互联的载体，需求量随之增长。看好德科立、天孚通信、中际旭创。

　　1）明确鼓励生成式人工智能技术在各行业、各领域的创新应用，生成积极健康、向上向善的优质内容，探索优化应用场景，构建应用生态体系。

　　2）支持行业组织、企业、教育和科研机构、公共文化机构、有关专业机构等在生成式人工智能技术创新、数据资源建设、转化应用、风险防范等方面开展协作。

　　3）鼓励生成式人工智能算法、框架、芯片及配套软件平台等基础技术的自主创新，平等互利开展国际交流与合作，参与生成式人工智能相关国际规则制定。

　　4）提出推动生成式人工智能基础设施和公共训练数据资源平台建设；促进算力资源协同共享，提升算力资源利用效能；推动公共数据分类分级有序开放，扩展高质量的公共训练数据资源；鼓励采用安全可信的芯片、软件、工具、算力和数据资源。

　　不仅仅是数据，基础模型的使用也应具备合法来源，强调“采取有效措施提高训练数据质量，增强训练数据的真实性、准确性、客观性、多样性”。

　　中国AI领域投资与研究能力齐头并进，重点行业渗透超50%，未来3年图像、视频单点技术布局加码。2022年全球AIGC市场规模为107.9亿美。