數(shù)字經(jīng)濟：大國經(jīng)濟體系下人工智能領(lǐng)航數(shù)字經(jīng)濟新階段

目錄一、未來已來，人工智能正式開啟第四次工業(yè)革命 4（一）第四次工業(yè)革命概述，融合技術(shù)正在掀起歷史性的技術(shù)浪潮 4（二）oa發(fā)布標(biāo)志GI系統(tǒng)有望超預(yù)期提前到來 5（三）國內(nèi)Kimi加速迭代，AI應(yīng)用元年百花齊放 8（四）AIGC到AGI將帶來哪些顛覆式革命 8二、人工智能是核心技術(shù)催化劑，領(lǐng)航數(shù)字經(jīng)濟新階段 12（一）“適度超前”建設(shè)算力體系背后的財政貨幣支撐體系 12（二）大國體系下的中國數(shù)字經(jīng)濟產(chǎn)業(yè)已全面開啟，預(yù)計在2035年達到GDP的71.6% 18（三）中美數(shù)字經(jīng)濟及人工智能產(chǎn)業(yè)要素發(fā)展對比 19三、人工智能三要素共振，算力、算法、數(shù)據(jù)未來趨勢推演 22（一）算力：供需缺口加大，AI服務(wù)器產(chǎn)業(yè)鏈分析 22（二）算法：多模態(tài)大模型C端、B端加速滲透，未來從云端走向終端 36（三）數(shù)據(jù)：跨境流動監(jiān)管趨嚴(yán)，大國經(jīng)濟支持?jǐn)?shù)據(jù)要素價值釋放 41四、AIGC驅(qū)動千行百業(yè)加速裂變，行業(yè)應(yīng)用加速滲透 53（一）AIGC+金融：國內(nèi)金融大模型搶灘布局，場景應(yīng)用加速滲透 53（二）AIGC+教育：大模型重構(gòu)教育生態(tài) 56（三）G+醫(yī)療：AI藥物研發(fā)和AI醫(yī)學(xué)影像深具潛力 57（四）AIGC+辦公：ARPU值與付費率雙升 63（五）AIGC+工業(yè)：打造新質(zhì)生產(chǎn)力，推動智能制造發(fā)展 65五、投資建議 68六、風(fēng)險提示 69一、未來已來，人工智能正式開啟第四次工業(yè)革命（一）第四次工業(yè)革命概述，融合技術(shù)正在掀起歷史性的技術(shù)浪潮人工智能是核心技術(shù)催化劑，顛覆性技術(shù)之間的融合產(chǎn)生協(xié)同效應(yīng)，帶來生產(chǎn)力的爆發(fā)，成為第四次工業(yè)革命的主要推動力。人類文明已經(jīng)歷了三次工業(yè)革命，第一次是18世紀(jì)中葉以蒸汽機為代表的機械化革命，第二次是19世紀(jì)中葉以電力、內(nèi)燃機為代表的電氣化革命，第三次是20世紀(jì)中葉以信息技術(shù)為代表的自動化革命。當(dāng)前我們正在進入第四次工業(yè)革命—智能化革命，以人工智能（經(jīng)網(wǎng)絡(luò)/下一代云/智能設(shè)備）、公有區(qū)塊鏈（加密貨幣/智能合約/數(shù)字錢包）、多組學(xué)測序（精準(zhǔn)治療/多組分技術(shù)/可編程生物學(xué)）、儲能（自動駕駛/節(jié)能電池）和機器人（可復(fù)用火箭/自適應(yīng)機器人/3D打?。榇淼奈孱愵嵏残约夹g(shù)正在融合，融合產(chǎn)生的協(xié)同效應(yīng)將發(fā)揮更大作用，推動生產(chǎn)力的發(fā)展。其中，人工智能是核心技術(shù)催化劑，與其他四類技術(shù)的融合范圍最廣、評分最高。圖1：人工智能是核心技術(shù)催化劑，促進顛覆性技術(shù)融合資料來源：ARK投資，融合技術(shù)帶來的實際GDP增速將遠(yuǎn)超第一次和第二次工業(yè)革命，AI對經(jīng)濟增長的貢獻突出。ARK7GDP增速將達7%1253%AI作為核心技術(shù)催化劑，對經(jīng)濟增長的貢獻突出。據(jù)ARK估算，引進AIGDP20232030年間有望累積增長130%。原因是在AI的賦能下，一些行業(yè)的生產(chǎn)效率和成本發(fā)生了巨大的變化。比如：機器人與AI融合后，可以在非結(jié)構(gòu)化環(huán)境中低成本高效地工作，203024萬億美元的經(jīng)濟效益；自動駕駛出租車與生成式AI融合提升了安全性，到2030年有望廣泛應(yīng)用而使每英里成本低至0.25美分，創(chuàng)造一個11萬億美元的潛在市場；而AI軟件直接提高了知識型工作者的生產(chǎn)力，2030年有望提升生產(chǎn)力至2.5倍，若軟件價值量按10%計算，則有望產(chǎn)生13萬億美元的經(jīng)濟效益。圖2：四次工業(yè)革命里通用性技術(shù)的經(jīng)濟影響估算 圖3：AI對經(jīng)濟增長的貢獻突出資料來源：ARK投資， 資料來源：ARK投資，AGI時代有望加速到來。近期，英偉達創(chuàng)始人CEO黃仁勛和谷歌DeepMindCEO哈薩比斯對AGI的到來時間進行了預(yù)測，他們的觀點相似。哈薩比斯認(rèn)為，AGI最早可能在2030年出現(xiàn)，而黃仁勛則認(rèn)為通用人工智能可能在五年內(nèi)實現(xiàn)。ARK分析，根據(jù)賴特定律，加速計算硬件的改進將使AI相對計算單元（RCU）的生產(chǎn)成本每年降低53%，而算法模型的增強可以進一步帶來每年47%的訓(xùn)練成本下降。換而言之，到2030年，硬件和軟件的融合可以使人工智能訓(xùn)練成本以75%的速度下降。人工智能模型的訓(xùn)練成本下降將進一步加速其能力的迭代，AGI有望加速到來。圖4：AGI有望加速到來資料來源：ARK投資，（二）Sora發(fā)布標(biāo)志AGI系統(tǒng)有望超預(yù)期提前到來DiTs算法賦能AIGCSora開啟文生視頻新紀(jì)元北京時間2月16日，OpenAI發(fā)布“文生視頻”大模型Sora。可生成一分鐘的高保真視頻，并配有48個生成案例及技術(shù)報告，能夠通過自然語言指令生成長達60秒的高清流暢視頻，在生成視頻長度、清晰度、連貫性、多鏡頭切換方面都有顯著提升。官方發(fā)布的技術(shù)報告指出，視頻生成模型將是構(gòu)建“世界通用模擬器”的重要途徑。本質(zhì)上，Sora基于DiffusionTransformers（DiTs）構(gòu)建，并使用DALL-E3的重捕獲技術(shù)。研究表明，DiTs相較于傳統(tǒng)語義分割網(wǎng)絡(luò)架構(gòu)（U-Net）在模型大小上更具可擴展性，并能生成更高質(zhì)量的2D3D圖像。圖5：DiT模塊架構(gòu)資料來源：《ScalableDiffusionModelswithTransformers》（WilliamPeebles、SainingXie），OpenAI曾采用循環(huán)網(wǎng)絡(luò)、生成對抗網(wǎng)絡(luò)、自回歸Transformer和擴散模型等方法對視頻數(shù)據(jù)進行生成建模，但生成視頻存在視覺數(shù)據(jù)受限、視頻時長較短或視頻尺寸局限等問題。通過從大語言模型（LLM）中汲取靈感，類似GPT將自然語言轉(zhuǎn)換為文本tokensSora可將視覺數(shù)據(jù)轉(zhuǎn)換為patches(視覺編碼塊)。通過此種方式，即可實現(xiàn)在不同類型的視頻和圖像上訓(xùn)練生成模型。通過視頻壓縮網(wǎng)絡(luò)可降低視覺數(shù)據(jù)的維度，該網(wǎng)絡(luò)將原始視頻作為輸入，并在時間和空間上進行壓縮，Sora在壓縮空間中接受訓(xùn)練并生成視頻；另外，相應(yīng)的解碼器模型可將生成的對象映射回像素空間。Sora基于patches對可變分辨率、持續(xù)時間和縱橫比的視頻和圖像進行訓(xùn)練；亦可以通過在適當(dāng)大小的網(wǎng)格中排列隨機初始化的patches來控制生成視頻的大小。圖6：將視頻壓縮到一個較低維空間，再將其分解為patches 圖7：隨著訓(xùn)練計算的增加，樣本質(zhì)量顯著提高資料來源：OpenAI， 資料來源：OpenAI，Sora功能多樣化，生成質(zhì)量遠(yuǎn)超同類大模型Sora可以將簡短文本描述轉(zhuǎn)換成一分鐘流暢視頻，相對于Runway、Pika、StableVideo等同類大模型提升了幾個代級。1）生成視頻長度：Runway、Pika等傳統(tǒng)文生視頻大模型平均時長在3-5Runway用戶可以最多延長視頻長度至16Sora生成視頻長度相對傳統(tǒng)視頻生成工具提升15-202）視頻質(zhì)量顯著提升：Sora生成視頻分辨率可達1920x10803）可實現(xiàn)多鏡頭切換：可以理解和模擬運動中的物理規(guī)律，可以實現(xiàn)復(fù)雜的運動相機模擬；4）視頻連貫性與穩(wěn)定性出色：在建模能力上表現(xiàn)更好，可以依賴關(guān)系進行建模，能初步理解并模擬物理運動規(guī)律；5）高可拓展性：支持多種數(shù)據(jù)格式輸入，具備實現(xiàn)文生視頻、圖生視頻、向前或向后視頻擴展能力，同時支持視頻連接。表1：OpenAISora對比同類文生視頻大模型模型SoraGen-2Pika研發(fā)團隊pnIRunwayPIKALabs發(fā)布時間2024.022023.032023.11生成時長60s4~16s3~15s可輸入格式文字/圖片/視頻文字/圖片文字/圖片/視頻輸入限制-320字符/單張圖片500字符/單張圖片/單個視頻每秒幀數(shù)-24fps8~24ps分辨率1920x10801408x768（基礎(chǔ)）2816x1536（高級）1280x720（基礎(chǔ)）2560x1440（高級）付費模式-訂閱制/單次付費訂閱制免費試用-限制次數(shù)不限次數(shù)資料來源：OpenAI，Runway，PIKALabs，JournalBharat，Medium，Sora發(fā)布標(biāo)志AGI時代正加速到來，帶動訓(xùn)練及推理算力需求增長由于目前Sora處在初級階段，訓(xùn)練數(shù)據(jù)集和參數(shù)規(guī)模有限，仍存在一些不足之處。對于Sora當(dāng)前存在的弱點，OpenAI指出它可能難以準(zhǔn)確模擬復(fù)雜場景的物理原理，并且可能無法理解因果關(guān)系。該模型還可能混淆提示的空間細(xì)節(jié)，例如混淆左右；或可能難以精確描述隨著時間推移發(fā)生的事件，例如遵循特定的相機軌跡。圖8：Sora缺陷其一：生成的運動違反物理原理 圖9：Sora缺陷其二：物理建模不精確、目標(biāo)“變形”不自然資料來源：OpenAI， 資料來源：OpenAI，AIGC領(lǐng)域難度排序由易到難依次是文本、圖像、音頻、視頻。未來訓(xùn)練數(shù)據(jù)集將會數(shù)以萬倍的增長，模型參數(shù)量也將不斷提升，目前來看Sora訓(xùn)練所需算力不及GPT-4等大語言模型，伴隨Sora大模型不斷迭代調(diào)優(yōu)、訓(xùn)練數(shù)據(jù)集規(guī)模逐漸擴大，我們認(rèn)為，Sora發(fā)布標(biāo)志著AGI時代正加速到來：1）短期來看，模型迭代優(yōu)化、訓(xùn)練數(shù)據(jù)集增大將快速帶動訓(xùn)練端算力需求；2）長期來看，Sora技術(shù)逐漸成熟帶動下游AI應(yīng)用百花齊放，包括為影視制作、游戲開發(fā)、教育培訓(xùn)、廣告及社交等場景應(yīng)用帶來顛覆，推理端需求將厚積薄發(fā)。（三）國內(nèi)Kimi加速迭代，AI應(yīng)用元年百花齊放北京時間3月18日，Moonshot（月之暗面）宣布在大模型上下文窗口技術(shù)上取得新的突破，其自研的Kimi智能助手已支持200萬字超長無損上下文，并已開啟產(chǎn)品內(nèi)測。Kimi智能助手在去年10月發(fā)布，支持20萬漢字無損級別上下文輸入，是當(dāng)時AI消費級產(chǎn)品支持上下文文本長度記錄保持者。我們認(rèn)為，Kimi智能助手迭代速度超預(yù)期，推動應(yīng)用端加速落地，Kimi智能助手目前已經(jīng)支持200萬文字超長無損上下文，對比目前主流大模型：1谷歌近期發(fā)布的Gemini1.5pro支持100萬token輸入；2）Claude3支持20萬token輸入；3）GPT-4Turbo支持12.8萬token我們依舊堅定年初觀點，2024AI應(yīng)用元年，Kimi智能助手宣布大模型進入“長文本時代”，長文本能力也將是通往AGI進程中的關(guān)鍵之一，Kimi智能助手將是又一里程碑。Kimi智能助手支持多種應(yīng)用場景，生成速度提升3倍之多。Kimi智能助手去年10月發(fā)布的版本僅支持20萬上下文輸入，時隔3個月，Moonshot為Kimi智能助手提供了更多數(shù)據(jù)源，本次迭代升級使Kimi基于出色的長上下文處理能力幫助用戶解鎖更多應(yīng)用場景，比如專業(yè)學(xué)術(shù)論文的翻譯和理解、輔助分析法律問題、一次性幾十張發(fā)票、快速理解API開發(fā)文檔、快速篩選符合條件的簡歷等。當(dāng)面對一個問題時，Kimi智能助手會嘗試不同的方向搜索并據(jù)此做出回答。在回答速度上也有提升，Moonshot工程副總裁表示，基于Infra層的優(yōu)化，Kimi智能助手生成速度較去年10月份提升了3倍。Kimi智能助手訪問量持續(xù)飆升，加速AI應(yīng)用元年進程。根據(jù)SimilarWeb數(shù)據(jù)顯示，去年12月Kimi的周訪問量還在10萬次上下，到了1月下旬才突破40萬，但是從春節(jié)開始訪問量疾速攀升，至今周訪問量已經(jīng)超過1602月訪問量增長107.6%，僅次于百度文心一言與阿里通義千問（訪問量均下降超30%我們認(rèn)為，2024AI應(yīng)用元年有兩個條件：大模型達到可使用狀態(tài)：這點從Kimi用戶的如潮好評中可以看出。2）大模型公眾可觸達：目前Kimi已經(jīng)面向全社會開放使用。（四）AIGC到AGI將帶來哪些顛覆式革命通用人工智能（AGI）是指具備類似于人類思考能力，能夠適應(yīng)廣泛領(lǐng)域并解決多種問題的機器智能，是人工智能研究的重要目標(biāo)之一。而狹義人工智能則指已取得顯著進展但局限于特定領(lǐng)域的人工智能，例如語音識別、機器視覺等。目前我們處于狹義人工智能相對成熟、通用人工智能乍現(xiàn)的階段，GPT-4等大語言模型及Sora等多模態(tài)模型被認(rèn)為是通向通用人工智能的重要潛在路徑，并且這一進程在逐漸加速?！俺L文本”和“超強模擬物理運動”能力將是AGI時代關(guān)鍵。我們認(rèn)為大模型時代將會沿著兩條路線繼續(xù)演繹，一是支持超長上下文能力大模型，二是模擬世界、物理運動規(guī)律的多模態(tài)能力。AGI進程中，大模型上下文輸入長度是關(guān)鍵之一表2：主流大模型上下文輸入長度對比大模型或產(chǎn)品 公司 上下文窗口可支持長度GPT-4TurbopnI12.8萬（tokens）lud-3nthpic20萬（tokens）mini15pole100萬（tokens）imiMnht（月之暗面）200萬（漢字）資料來源：OpenAI等官網(wǎng)，多模態(tài)加速模擬文本、圖像及視頻，未來模擬物理運動規(guī)律將成為現(xiàn)實多模態(tài)模型是指能夠處理不同類型數(shù)據(jù)，并將其融合進行綜合理解的人工智能模型。這種模型能夠更全面地理解和處理真實世界中復(fù)雜多樣的信息，從而進一步提升大型模型的遷移學(xué)習(xí)能力。多模態(tài)技術(shù)的發(fā)展在人工智能領(lǐng)域具有重要意義。當(dāng)前，單模態(tài)的人工智能模型，如處理文本、語音、圖片等的模型，已經(jīng)相對成熟。而大型模型正在向多模態(tài)信息融合的方向快速發(fā)展：重要模型誕生以及GPT-4等模型的圖像處理能力提升。大型模型不僅限于文字和圖像的處理，也開始拓展到音頻、視頻等領(lǐng)域，未來甚至有望延伸到包括味道等其他信號。表3：AGI帶來千行百業(yè)顛覆性革命類別 方向 細(xì)分領(lǐng)域前端 科研輔助、智能工程師、產(chǎn)品設(shè)計、生產(chǎn)管理、執(zhí)行危險任務(wù)等生產(chǎn)力 中端 產(chǎn)業(yè)分析、經(jīng)濟預(yù)測、投資決策等后端 人力資源、廣告公關(guān)、促銷銷售、售后服務(wù)客服等消費領(lǐng)域

軟件 信息搜索、購物、教育、金融、娛樂、社交、精神伴侶、自動駕駛硬件 通用機器人、智能家居、育兒、養(yǎng)老、醫(yī)院陪護、個人智能硬件等政務(wù)領(lǐng)域

政策 政策制定、政策執(zhí)行、社情民意等管理 智慧執(zhí)法、智慧稽查、智慧公共安全等軍事等

軍用 智能裝備、軍隊管理、態(tài)勢分析國際 國際輿情分析、國際談判。局勢分析等資料來源：AGICall等，我們認(rèn)為未來通用人工智能重點將變革以下領(lǐng)域：具身智能成為AI發(fā)展新形態(tài)，機器人將取代大部分工種具身智能作為人工智能發(fā)展的一個重要分支，是指那些可以感知、并與物理世界進行交互、具有自主決策和行動能力的人工智能系統(tǒng)。這些智能體能夠以主人公的視角感受物理世界，并通過與環(huán)境的交互結(jié)合自我學(xué)習(xí)來理解和改變客觀世界，機器人將成為具身最優(yōu)載體。未來機器人產(chǎn)業(yè)將持續(xù)快速發(fā)展，迎來戰(zhàn)略機遇期。具身智能作為兩大領(lǐng)域交叉的核心應(yīng)用，有望在未來取得快速發(fā)展。它將推動智能體具備更多自主規(guī)劃、決策、行動和執(zhí)行的能力，實現(xiàn)人工智能的進一步進階。圖10：受益于人工智能和計算機視覺，機器人將能夠在非結(jié)構(gòu)化環(huán)境中經(jīng)濟高效地運行資料來源：ARK投資，AI與機器人結(jié)合能充分提高生產(chǎn)效率，更好應(yīng)對各種復(fù)雜任務(wù)。在流水作業(yè)以及生產(chǎn)線上，機器人可以根據(jù)大模型提供的實時數(shù)據(jù)分析結(jié)果，對生產(chǎn)流程進行自動優(yōu)化，提高生產(chǎn)效率和產(chǎn)品質(zhì)量。并且能快速學(xué)習(xí)新技能，有效解放勞動力，降低勞動力工作時長，未來人類將更多時間應(yīng)用在線上處理工作任務(wù)，一周工作3-4天或?qū)⒊蔀楝F(xiàn)實。圖11：全球勞動力每天工作時長 圖12：全球上網(wǎng)時長 資料來源：ARK投資， 資料來源：ARK投資，腦機接口成為新的創(chuàng)新交互方式腦機接口作為一種新型的人機交互方式，在醫(yī)學(xué)、教育、游戲等領(lǐng)域有著廣闊的應(yīng)用前景。腦機接口技術(shù)將腦電信號轉(zhuǎn)化為計算機可識別的數(shù)據(jù)，并通過計算機的處理和反饋，實現(xiàn)了人與機器的無縫互動。系統(tǒng)性能指標(biāo)包括響應(yīng)時間、識別正確率、可輸出指令數(shù)量和菲茨吞吐量，可用性指標(biāo)包括易用性、長效性、魯棒性、安全性和互操作性，易用性指標(biāo)包括準(zhǔn)備時長、輕便性和舒適性。表4：腦機接口系統(tǒng)關(guān)鍵指標(biāo)響應(yīng)時間響應(yīng)時間性能指標(biāo)識別正確率菲茨吞吐量可用性指標(biāo) 魯棒性安全性互操作性資料來源：中國信通院，經(jīng)過數(shù)十年的科學(xué)探索與技術(shù)論證，腦機接口已從科幻成為科學(xué)，處于從科學(xué)研究到產(chǎn)業(yè)落地的關(guān)鍵時期。就腦機接口目前的發(fā)展情況，在今后一段時間，腦機接口的基礎(chǔ)學(xué)科研究和應(yīng)用落地都將得到長足發(fā)展，從而有望促進腦機接口市場規(guī)模不斷擴大。另一方面，人類與人工智能之間的交互方式也在不斷升級，腦機接口有望成為下一代人機交互方式。當(dāng)前，腦機接口技術(shù)正在突破人類的生理界限，為殘障人士提供了前所未有的可能性。治療罕見病與精準(zhǔn)治療成為現(xiàn)實未來AGI可以應(yīng)用的領(lǐng)域眾多，其中繞不開人類生物工程。我們認(rèn)為，醫(yī)療是AGI落地的最佳場景之一，大模型、多模態(tài)以及垂類大模型將更加廣泛結(jié)合并應(yīng)用在藥物研發(fā)、診斷、影像、治療等細(xì)分環(huán)節(jié)。隨著各類醫(yī)療大模型的加速迭代與演化，醫(yī)療大模型商業(yè)化前景有望進一步打開。例如，谷歌的Med-PaLM2、微軟子公司Nuance的DAXExpress等醫(yī)療大模型已經(jīng)在醫(yī)療領(lǐng)域得到應(yīng)用，并取得了一定的商業(yè)化成果。在最近的一項研究中，Med-PaLM2在USMLE問題上的準(zhǔn)確率達到85.4%，與參試專家的水平相當(dāng)。這使得Med-PaLM2成為第一個在USMLE問題上達到專家級表現(xiàn)的人工智能系統(tǒng)?？梢詭椭t(yī)生更快速、更準(zhǔn)確地進行診斷。它可以通過分析大量的病例和醫(yī)學(xué)文獻，提供對疾病的診斷和治療建議。這有助于減少醫(yī)療錯誤和誤診的風(fēng)險；還可以實現(xiàn)疾病的早期發(fā)現(xiàn)和治療，從而改善患者的治療效果并挽救生命?？梢詭椭t(yī)生節(jié)省時間和精力，使他們能夠更專注于與患者的溝通和治療。在Med-PaLM2一項實驗中，通過對超過50萬個醫(yī)學(xué)圖像進行分析，成功預(yù)測了肺癌的發(fā)生率。Med-PaLM2還可以通過自動化完成目前由醫(yī)生執(zhí)行的許多日常工作，使他們能夠有更充足的時間專注于為患者提供服務(wù)，可以縮短患者的等待時間并提高患者滿意度。可以與其他醫(yī)療設(shè)備和系統(tǒng)進行集成，可以與智能手環(huán)和智能手表等設(shè)備進行連接，實時監(jiān)測患者的生理參數(shù)，并提供相應(yīng)的建議和警告。還可以與電子病歷系統(tǒng)等其他醫(yī)療系統(tǒng)進行集成，從而實現(xiàn)更加智能化和高效化的醫(yī)療服務(wù)。圖13：Med-PaLM2在MedQA上的表現(xiàn)比Med-PaLM提高了19%以上資料來源：《TowardsExpert-LevelMedicalQuestionAnsweringwithLargeLanguageModels》（《BigIdeas2024》、ARKInvest）未來AGI時代，AI賦能醫(yī)療有廣闊前景?？梢詰?yīng)用的領(lǐng)域很多，其中繞不開人類生物工程。我們認(rèn)為，醫(yī)療是AGI落地的最佳場景之一，大模型、多模態(tài)以及垂類大模型將更加廣泛結(jié)合并應(yīng)用在藥物研發(fā)、診斷、影像、治療等細(xì)分環(huán)節(jié)，很多罕見病及疑難雜癥將逐漸被治愈。二、人工智能是核心技術(shù)催化劑，領(lǐng)航數(shù)字經(jīng)濟新階段（一）“適度超前”建設(shè)算力體系背后的財政貨幣支撐體系央行的“科技金融”、“數(shù)字金融”貨幣政策框架結(jié)構(gòu)性貨幣政策支持科技創(chuàng)新和數(shù)字經(jīng)濟發(fā)展中央經(jīng)濟工作會議將“穩(wěn)中求進、以進促穩(wěn)、先立后破”作為2024年宏觀政策基調(diào)。在此背景下，貨幣政策“靈活適度，精準(zhǔn)有效”，總量和結(jié)構(gòu)政策雙重發(fā)力，既托底總量增長又推動結(jié)構(gòu)改革，支持防范化解宏觀風(fēng)險，著力營造良好的貨幣金融環(huán)境，高質(zhì)量服務(wù)實體經(jīng)濟?！熬珳?zhǔn)”即為強調(diào)信貸的方向引導(dǎo)。預(yù)計未來結(jié)構(gòu)性貨幣政策工具將在貨幣投放中扮演更加重要的角色，加大對重大戰(zhàn)略、重點領(lǐng)域和薄弱環(huán)節(jié)的支持力度。聚焦“五篇大文章”，即科技金融、綠色金融、普惠金融、養(yǎng)老金融、數(shù)字金融五篇大文章。中國人民銀行貨幣政策司課題組近期文章《結(jié)構(gòu)性貨幣政策助力做好“五篇大文章”》中詳細(xì)闡述了結(jié)構(gòu)性貨幣政策工具的作用?！敖Y(jié)構(gòu)性貨幣政策是指在市場配置資源基礎(chǔ)上，設(shè)計適當(dāng)激勵機制，引導(dǎo)資金流向經(jīng)濟特定領(lǐng)域的貨幣政策。結(jié)構(gòu)性貨幣政策主要發(fā)揮結(jié)構(gòu)功能，通過建立激勵相容機制，將中央銀行資金與金融機構(gòu)對特定領(lǐng)域和行業(yè)的信貸投放掛鉤，發(fā)揮精準(zhǔn)滴灌實體經(jīng)濟的獨特優(yōu)勢。結(jié)構(gòu)性貨幣政策也有總量效應(yīng)，通過投放基礎(chǔ)貨幣，保持銀行體系流動性合理充裕，支持信貸平穩(wěn)增長”。2023年末，結(jié)構(gòu)性貨幣政策工具余額7.5萬億元，比上年末增加約1億元，占人民銀行總資產(chǎn)的16.4%。其中為“科技金融”和“數(shù)字金融”已創(chuàng)設(shè)的結(jié)構(gòu)性貨幣政策工具共2個，分別為“科技創(chuàng)新再貸款”和“設(shè)備更新改造專項再貸款”。20224月，人民銀行創(chuàng)設(shè)科技創(chuàng)新再貸款，支持金融機構(gòu)加大對科技創(chuàng)新企業(yè)的信貸支持力度；20229月，創(chuàng)設(shè)設(shè)備更新改造專項再貸款，支持金融機構(gòu)向制造業(yè)、社會服務(wù)領(lǐng)域和中小微企業(yè)、個體工商戶等設(shè)備更新改造提供貸款。根據(jù)央行披露，截至2023年第三季度末，科技創(chuàng)新再貸款4000額度全部用完，支持金融機構(gòu)向科技企業(yè)累計發(fā)放貸款1.69萬億元；設(shè)備更新改造專項再貸款累計發(fā)放1694億元，支持新型基礎(chǔ)設(shè)施和產(chǎn)業(yè)數(shù)字化轉(zhuǎn)型等設(shè)備更新改造。2023年科創(chuàng)企業(yè)貸款的獲貸率提升，增速高于各項貸款增速。2023年獲得貸款支持的科技型中小企業(yè)21.2萬家，獲貸率46.8%，獲貸率提升2.1pct。科技型中小企業(yè)本外幣貸款余額2.45萬億元，同比增長21.9%，比上年末低3.8pct，比同期各項貸款增速高11.8pct2023年獲得貸款支持的高新技術(shù)企業(yè)21.75萬家，獲貸率為54.2%，提升0.8pct。高新技術(shù)企業(yè)本外幣貸款余額13.64萬億元，同比增長15.3%，比上年末低0.8pct，比同期各項貸款增速高5.2pct。未來央行可能會繼續(xù)在“科技金融”、“數(shù)字金融”領(lǐng)域創(chuàng)設(shè)相關(guān)結(jié)構(gòu)性貨幣政策工具，豐富政策工具箱，引導(dǎo)商業(yè)銀行信貸直達實體經(jīng)濟，引導(dǎo)信貸投放方向的作用，將為建設(shè)算力體系提供資金支持。圖14：結(jié)構(gòu)性貨幣政策工具梳理（截至2023年末）資料來源：中國人民銀行，提升直接融資占比，構(gòu)建覆蓋科技型企業(yè)全生命周期的金融服務(wù)體系央行20034季度貨幣執(zhí)行報告首次提出“合理把握債券與信貸兩個最大融資市場的關(guān)系”，擴大直接融資，社融結(jié)構(gòu)實現(xiàn)再平衡。提升直接融資的要求13與當(dāng)下中國經(jīng)濟結(jié)構(gòu)轉(zhuǎn)型的新方向相匹配。報告專欄1《準(zhǔn)確把握貨幣信貸供需13請務(wù)必閱讀正文最后的中國銀河證券股份有限公司免責(zé)聲明。規(guī)律和新特點》提出“先進制造、科技創(chuàng)新、綠色低碳、數(shù)字經(jīng)濟等新興產(chǎn)業(yè)蓬勃發(fā)展，這些新動能領(lǐng)域與直接融資的金融支持模式更為適配，也會對貸款形成良性替代”。央行行長在十四屆全國人大二次會議經(jīng)濟主題記者會上強調(diào)“在宏觀層面，要加強頂層設(shè)計和系統(tǒng)籌劃。比如，科技金融方面，科技型企業(yè)一般會經(jīng)歷種子期、初創(chuàng)期、成長期、成熟期不同的階段，企業(yè)成長周期的不同階段，對金融需求有不同的特點。在科技型企業(yè)成長的早期，更多需要風(fēng)險投資、創(chuàng)新創(chuàng)業(yè)投資基金的介入，目前還是一個薄弱環(huán)節(jié)；金融機構(gòu)對科技型企業(yè)風(fēng)險評估能力，也需要進一步提升，下一步需要著力補齊短板，構(gòu)建覆蓋科技型企業(yè)全生命周期的金融服務(wù)體系”。目前，交易商協(xié)會創(chuàng)設(shè)了科創(chuàng)類融資產(chǎn)品工具箱，并在2022年將其升級為了科創(chuàng)票據(jù)?？苿?chuàng)票據(jù)用于支持科創(chuàng)類企業(yè)以及非科創(chuàng)類企業(yè)的科技創(chuàng)新發(fā)展行為。2022年上交所和深交所正式落地了科創(chuàng)債。因此，除了通過結(jié)構(gòu)性貨幣政策工具為建設(shè)算力體系提供間接融資支持外，對于相關(guān)企業(yè)的債券融資等直接融資的支持也會進一步提升，試圖構(gòu)建構(gòu)建覆蓋科技型企業(yè)全生命周期的金融服務(wù)體系。財政政策支持重點首次轉(zhuǎn)向現(xiàn)代化產(chǎn)業(yè)體系建設(shè)從去年年底的中央經(jīng)濟工作會議到今年兩會期間的政府工作報告，均把“加快現(xiàn)代化產(chǎn)業(yè)體系”建設(shè)放在首要目標(biāo)，與此同時持續(xù)強調(diào)要增強宏觀政策取向一致性。我們認(rèn)為，在當(dāng)前經(jīng)濟同時面臨逆周期和結(jié)構(gòu)性調(diào)節(jié)的關(guān)鍵時期，財政政策配合國有資本的政策調(diào)整將是有效發(fā)揮舉國體制優(yōu)勢，支持?jǐn)?shù)字經(jīng)濟和科技轉(zhuǎn)型的重要力量。其實，過去以來的歷次經(jīng)濟周期中，積極的財政政策均起到了關(guān)鍵性作用，力挽經(jīng)濟于狂瀾。但我們也注意到，過去幾輪積極財政政策主要支持的方向為傳統(tǒng)基建產(chǎn)業(yè)，而現(xiàn)如今財政政策支持重心轉(zhuǎn)向科技創(chuàng)新，需要通過何種方式調(diào)整？過去三輪積極財政政策主要投向傳統(tǒng)產(chǎn)業(yè)我國分別于1998年、2008年以及2013年開啟過三輪積極財政政策，其中前兩次均是由外部因素導(dǎo)致的需求沖擊加劇了經(jīng)濟波動，繼而使用擴張性財政政策予以對沖。始于2013年的第三輪積極財政政策主要是由于傳統(tǒng)產(chǎn)能的供給過剩引起，財政政策方面主要以結(jié)構(gòu)性政策為主，但由于土地財政等預(yù)算外廣義財政的存在，使得傳統(tǒng)產(chǎn)能并未完全出清。由此，過去不同歷史時期財政政策的主要支持工具及資金投向也有所區(qū)別：1998年首輪財政支持經(jīng)濟轉(zhuǎn)型：以狹義政府赤字和財政支出政策為主，促進城鎮(zhèn)化、工業(yè)化轉(zhuǎn)型。受到亞洲金融危機的影響1997年6月至1999年12月PPI連續(xù)31個月在負(fù)值區(qū)間運行，且CPI處于負(fù)值區(qū)間。未來應(yīng)對外需沖擊，同時促進我國城鎮(zhèn)化和工業(yè)化的轉(zhuǎn)型發(fā)展，我國分別于19981999年兩年期間多次增發(fā)了共計1600億元的國債，需要注意的是1998年我國GDP水平僅8.5萬億元。當(dāng)時我國剛剛實行改革開放不久，如圖151994年我國公路及民航建設(shè)剛剛起步，國內(nèi)基礎(chǔ)設(shè)施建設(shè)具有大幅擴張的空間及較高的投資回報率，相對而言資本是稀缺的。為此，1998年新增國債由中央政府向國有商業(yè)銀行定向增發(fā)進行募資。圖15：首輪積極財政政策期間我國基礎(chǔ)設(shè)施處于起步階段 圖16：1998年至今價格指數(shù)及GDP增速（%） 資料來源：WIND， 資料來源：WIND，2008年第二輪財政支持經(jīng)濟轉(zhuǎn)型：以政府性基金擴張為主，催生地產(chǎn)與基建快速發(fā)展。2008年全球金融危機影響，中國國內(nèi)需求遭受大幅沖擊，PPI12個月，CPI同樣落入負(fù)值區(qū)間。為穩(wěn)定經(jīng)濟增長，同時推動一批利長遠(yuǎn)項目建4萬億”投資明細(xì)，四萬億投資的資金構(gòu)成是1.18萬億中央預(yù)算內(nèi)投資和2.82萬億配套資金。資金來源是中央財政赤字、地方財政、地方債（財政部代理發(fā)行、政策性貸款、企業(yè)債和中期票據(jù)、銀行貸款，以及民間投資。其中財政預(yù)算內(nèi)較上一輪積極財政中，多增了政府性基金收入中的土地收入增長。2009年和2010年的政府性基金收入分別為1.83萬億元和3.57萬億元，較上年分別增長了17.26%和95.15%，其中超過70%專項用于土地開發(fā)及建設(shè)領(lǐng)域的投資和補償。資金投向方面，主要是重大基礎(chǔ)設(shè)施建設(shè)、災(zāi)后重建、保障房建設(shè)、民生工程等。圖17：“四萬億”計劃的主要投資方向 圖18：我國基建投資資金來源與完成額間的資金缺口（億元）資料來源：WIND， 資料來源：WIND，2013年后第三輪積極財政：以結(jié)構(gòu)性政策配合完成過剩產(chǎn)能出清，但實際開啟了廣義財政擴張。2008年以來廣義財政的擴張導(dǎo)致傳統(tǒng)產(chǎn)能過剩，經(jīng)濟結(jié)構(gòu)性矛盾和隱性債務(wù)風(fēng)險不斷加劇。理論上此時財政政策應(yīng)該以結(jié)構(gòu)性政策配合貨幣政策完成“供給出清”，我們可以看到基建的投資缺口在2015年之后開始顯著提升，如圖19所示。但實際上由于地方政府考核目標(biāo)仍在，地方在穩(wěn)經(jīng)濟過程中實際開啟了廣義財政的擴張，而“寬貨幣、緊信用”的貨幣政策使得“寬”出的貨幣進了城投和地產(chǎn)，”緊“的信用又使城投承擔(dān)了較高的融資成本，造成了一定隱性債務(wù)。圖19：1994年至今廣義財政凈融資額變化（億元） 圖20：城投債與政府債的融資利差 資料來源：WIND， 資料來源：WIND，新一輪積極財政支持重點轉(zhuǎn)向現(xiàn)代化產(chǎn)業(yè)體系建設(shè)2023年中央經(jīng)濟工作會議及2024年政府工作報告均將“現(xiàn)代化產(chǎn)業(yè)體系建設(shè)”放在首位，與之對應(yīng)的2024年財政預(yù)算草案中，對于主要財政收支政策也做出了重要調(diào)整。根據(jù)過往幾年預(yù)算草案來看，每年基本會公布7-8項主要政策，其基本規(guī)律是：后幾項政策相對固定（第四是鄉(xiāng)村振興、第五是生態(tài)環(huán)境、第六是民生、第七是國防、外交、政法），但前三項政策的內(nèi)容和排序往往指明當(dāng)年重點方向。例如2021年首要政策是“推動創(chuàng)新發(fā)展和產(chǎn)業(yè)升級”、2022年首要政策目標(biāo)是保市場主體、2023年為擴大內(nèi)需。而2024年主要財政收支政策中的前兩項均和科創(chuàng)相關(guān)，第一是支持加快現(xiàn)代化產(chǎn)業(yè)體系建設(shè)，第二是支持深入實施科教興國戰(zhàn)略。去年的首要目標(biāo)“擴大內(nèi)需”已經(jīng)移居第三。據(jù)此可以得出的結(jié)論是：新一輪財政逆周期調(diào)控不同于以往幾次擴張，更加聚焦經(jīng)濟轉(zhuǎn)型和科技創(chuàng)新。圖21：2021-2024年主要財政指標(biāo)及政策表述資料來源：財政部、當(dāng)前及未來一段時期財政如何支持科技創(chuàng)新發(fā)展？從今年財政預(yù)算草案及相關(guān)新增政策來看，未來具體支持政策主要以下幾方面：一是新增政府債務(wù)工具重點支持科技創(chuàng)新。一方面是專項債用途在以往的傳統(tǒng)基建和新能源建設(shè)的基礎(chǔ)之上，新增了數(shù)字基礎(chǔ)設(shè)施建設(shè)用途。另一方面，我們看到今年兩會提出了新型債務(wù)工具—超長期特別國債，在3月6日舉行的十四屆全國人大二次會議經(jīng)濟主題記者會上，國家發(fā)展和改革委員會主任鄭柵潔指出初步考慮，超長期特別國債將重點支持科技創(chuàng)新、城鄉(xiāng)融合發(fā)展、區(qū)域協(xié)調(diào)發(fā)展、糧食能源安全、人口高質(zhì)量發(fā)展等領(lǐng)域建設(shè)。這些領(lǐng)域潛在建設(shè)需求巨大、投入周期長，現(xiàn)有資金渠道難以充分滿足要求，亟需加大支持力度。其中首要支持領(lǐng)域便是科技創(chuàng)新。表5：2019年至今歷次專項債用途擴容2019年2020年2021年2022年2024年交通基礎(chǔ)設(shè)施交通基礎(chǔ)設(shè)施能源交通基礎(chǔ)設(shè)施能源農(nóng)林水利能源農(nóng)林水利交通基礎(chǔ)設(shè)施能源農(nóng)林水利生態(tài)環(huán)保民生服務(wù)城鄉(xiāng)冷鏈物流市政產(chǎn)業(yè)園區(qū)交通基礎(chǔ)設(shè)施能源農(nóng)林水利生態(tài)環(huán)保民生服務(wù)城鄉(xiāng)冷鏈物流市政產(chǎn)業(yè)園區(qū)生態(tài)環(huán)保民生服務(wù)城鄉(xiāng)冷鏈物流市政產(chǎn)業(yè)園區(qū)新增：國家重大戰(zhàn)略項目農(nóng)林水利生態(tài)環(huán)保民生服務(wù)城鄉(xiāng)冷鏈物流市政產(chǎn)業(yè)園區(qū)國家重大戰(zhàn)略項目保障性安居工程生態(tài)環(huán)保民生服務(wù)城鄉(xiāng)冷鏈物流新型基礎(chǔ)設(shè)施新能源項目保障性安居工程新增：預(yù)計新增：新型基礎(chǔ)設(shè)施數(shù)字經(jīng)濟新能源項目城中村改造資料來源：財政部，二是稅收政策持續(xù)深化落實，加大研發(fā)費用扣除比例。即落實技術(shù)改造相關(guān)投資稅收優(yōu)惠，落實研發(fā)費用加計扣除等政策，例如去年已將符合條件的集成電路和工業(yè)母機企業(yè)研發(fā)費用稅前加計扣除比例提高至120%，將符合條件的研發(fā)費用稅前加計扣除比例由75%提高至100%。預(yù)計在今年及未來一段時間將持續(xù)貫徹落實以上稅收支持政策，且有望逐步擴大政策支持范圍和支持力度。三是更好發(fā)揮國有資本和國有企業(yè)在科技創(chuàng)新中的引領(lǐng)、引導(dǎo)作用。1月份國務(wù)院印發(fā)了《關(guān)于進一步完善國有資本經(jīng)營預(yù)算制度的意見》，本次新《意6所示。而當(dāng)前我國首要戰(zhàn)略顯然是科技創(chuàng)新和數(shù)字經(jīng)濟的發(fā)展。實際上，國有資本經(jīng)營預(yù)算作為財政收支的重要組成部分，既是中國特色，也是我國更好支持科技轉(zhuǎn)型的體制優(yōu)勢。本次制度的修訂實現(xiàn)了所有國有企業(yè)的預(yù)算全覆蓋，并加強了支出紀(jì)律約束，未來對于關(guān)鍵領(lǐng)域的國有資本的注入有望助力科技創(chuàng)新相關(guān)行業(yè)的快速發(fā)展。表6：關(guān)于國有資本經(jīng)營預(yù)算的定義變化《國務(wù)院關(guān)于試行國有資本經(jīng)營預(yù)算的意見》 《關(guān)于進一步完善國有資本經(jīng)營預(yù)算制度的意見》時間： 2007年09月08日 2024年1月6日相同內(nèi)容：國有資本經(jīng)營預(yù)算，是國家以所有者身份依法取得國有資本收益，并對所得收益進行分配而發(fā)生的各項收支預(yù)算，是政府預(yù)算的重要組成部分。

國有企業(yè)收入分配制度，推進國有經(jīng)濟布局和結(jié)構(gòu)的戰(zhàn)略性調(diào)意義。

國有資本經(jīng)營預(yù)算是企業(yè)國有資產(chǎn)管理的重要內(nèi)容，是落實國家戰(zhàn)略、增強政府宏觀調(diào)控能力、推進國有經(jīng)濟布局優(yōu)化和結(jié)構(gòu)調(diào)整的重要力量。資料來源：國務(wù)院，四是專項產(chǎn)業(yè)基金支持。去年我國的產(chǎn)業(yè)基礎(chǔ)再造和制造業(yè)高質(zhì)量發(fā)展專項資金增長了20.3%，今年預(yù)算草案再安排專項資金104億元。其中主要強化對制造業(yè)企業(yè)技術(shù)改造的資金支持，落實技術(shù)改造相關(guān)投資稅收優(yōu)惠政策。深入實施首臺（）重大技術(shù)裝備和首批次重點新材料應(yīng)用保險補償政策。優(yōu)化產(chǎn)業(yè)投資基金功能，鼓勵發(fā)展創(chuàng)業(yè)投資、股權(quán)投資，充分運用市場化手段，支持集成電路、新一代信息技術(shù)等產(chǎn)業(yè)加快發(fā)展。五是教育和研發(fā)預(yù)算支出支持。今年財政預(yù)算草案中主要財政政策第二位是“科教興國”，從支持加快建設(shè)高質(zhì)量教育體系和推動高水平科技自立自強兩方面做了闡述，主要支持政策是加大教育支出和財政研發(fā)補貼。于此同時，對于今年中央財政支出的預(yù)算安排中，科技支出和教育支出預(yù)算安排的支出增速分別為10%和5%，大幅高于去年的2.9%和1.9%，是今年中央各項財政支出中主要提升的項目。（二）大國體系下的中國數(shù)字經(jīng)濟產(chǎn)業(yè)已全面開啟，預(yù)計在2035年達到GDP的71.6%總量法測算：國內(nèi)數(shù)字經(jīng)濟預(yù)計2035年占GDP比將達到71.60%。近年來，我國數(shù)50.24.6850202354.611GDP20225.3%，50.2GDP4.98201215.911GDP增速，數(shù)字經(jīng)濟持續(xù)發(fā)揮經(jīng)濟“穩(wěn)定器”、“加速器”作用。圖22：中國數(shù)字經(jīng)濟規(guī)模及增速預(yù)測 圖23：中國數(shù)字經(jīng)濟增速（名義）對比GDP增速（名義） 資料來源：信通院、 資料來源：信通院，GDP203020352022GDP2023-2035GDP203059.73203571.60%。（三）中美數(shù)字經(jīng)濟及人工智能產(chǎn)業(yè)要素發(fā)展對比人工智能的三大基礎(chǔ)要素為數(shù)據(jù)、算力和算法，目前中國在數(shù)據(jù)方面具有明顯的大國優(yōu)勢。首先，數(shù)據(jù)的底層是人和人的活動，因此發(fā)展主體（國家或者區(qū)域內(nèi)）的人口數(shù)量與質(zhì)量對數(shù)據(jù)資源的“量”與“質(zhì)”起到至關(guān)重要的影響。數(shù)量方面，目前世界人14.1714.124.483.33IDC202223.3ZB23%2025202548.6ZBGDP1.2763%。圖24：中美歐印GDP、投資、人口占全球比重 圖25：中美歐印互聯(lián)網(wǎng)滲透率資料來源：WIND，WorldBank， 資料來源：WIND，WorldBank，算力方面，中美兩國的計算力與其他梯隊國家相比有顯著優(yōu)勢，但美國仍領(lǐng)先于中7782AI53019.7%；人工智能75GDP，算力指數(shù)從70716.9%的正增27020.0%以上的增長。算法方面，我們主要通過人才規(guī)模、專利數(shù)、企業(yè)數(shù)量、融資規(guī)模和大模型這幾個角度來對比。Lkdn和獵聘的數(shù)據(jù)統(tǒng)計顯示，全球當(dāng)前累計AI人100AIAI18%，位居世界首位。美國和印度AI人才數(shù)量分居全球第二、三位，且均超過15萬。根據(jù)清華大學(xué)Mer的歷年統(tǒng)AI20001,000AI（2023Q3AI129AI51AI64%，位列全球第一，論文數(shù)也遙遙領(lǐng)先。202363.61.334167%，美中英三國56%2013AI2489（951）和英國（182）。AI企業(yè)和融資活動集中在美、中、英等國家。圖26：全球人工智能人才數(shù)量占比 圖27：中美入選AI2000歷年人數(shù)對比資料來源：LinkedIn,獵聘，清華大學(xué)AMiner團隊發(fā)布的AI2000學(xué)者榜單，智譜研究，尚普研究院，

資料來源：LinkedIn,獵聘，清華大學(xué)AMiner團隊發(fā)布的AI2000學(xué)者榜單，智譜研究，尚普研究院，表7：中美人工智能產(chǎn)業(yè)發(fā)展?fàn)顩r對比，截至2023年7月衡量指標(biāo)美國人工智能產(chǎn)業(yè)發(fā)展?fàn)顩r中國人工智能產(chǎn)業(yè)發(fā)展?fàn)顩r累計企業(yè)數(shù)量13000家5760家累計融資規(guī)模2489億美元951億美元累計專利數(shù)116萬191萬大模型數(shù)量114130計算力指數(shù)82712025數(shù)據(jù)量30.6ZB48.6ZB資料來源：CBInsights、《2022-2023全球計算力指數(shù)評估報告》（IDC、浪潮信息、清華大學(xué)全球產(chǎn)業(yè)研究院聯(lián)合編制），尚普研究，大模型方面，我們通過大模型數(shù)量和大模型表現(xiàn)來進行比較。大模型數(shù)量：根據(jù)賽2023713013811490%以上，具有絕對優(yōu)勢。從大模型參數(shù)來看，中美兩國的代表性大模型里均是既有千億參數(shù)的通用大模型，又有幾十億參T4GmnSoa這種具有60%圖28：全球人工智能人才數(shù)量占比 圖29：截至2023年7月全球大模型累計數(shù)量區(qū)域分布情況資料來源：賽迪顧問， 資料來源：賽迪顧問，表8：國內(nèi)外代表性大模型參數(shù)及預(yù)訓(xùn)練數(shù)據(jù)對比模型 研發(fā)團隊 參數(shù)規(guī)模 預(yù)訓(xùn)練tokensGemini1.5pro谷歌175B-Gemma-2B（開源）2B2TGemma-7B（開源）7B6TStableDiffusion高通65B1.5TGPT-3pnI175B300BGPT-41.8T13TLLaMA（開源）Mta7B-65B1/14TSorapnI7B-ChatGLM-6B（開源）清華大學(xué)6B1TGLM-130B（開源）130B400B混元大模型騰訊100B+2T+文心一言百度260B-盤古NLP華為云110B-Baichuan-7B（開源）百川智能7B1.2TBaichuan-13B（開源）13B1.4T通義千問系列阿里云7B-72B2.2T訊飛星火科大訊飛175B-資料來源：CNBC，decoder，GitHub，CSDN，IT之家，同花順財經(jīng)，中華網(wǎng)，SuperCLUE2372424572GPT-4242GPT-4。SuperCLUE242GPT3.5134.0、GLM-42.157.83分?？梢钥闯?，國內(nèi)大模型在中文領(lǐng)域的能力的平均水平已經(jīng)超過國外大模型。圖30：國內(nèi)外代表性大模型中文測評得分趨勢(23年7月-24年2月) 圖31：全球大模型中文測評結(jié)果（24年2月) 資料來源：SuperCLUE， 資料來源：SuperCLUE，表9：部分國內(nèi)代表性大模型SuperCLUE中文測評基準(zhǔn)得分(23年7月-24年2月)模型23年7月23年8月23年9月23年10月23年11月23年12月24年2月文心一言50.4854.1853.7261.8173.627587.75通義千問-41.7333.7843.3661.0171.7885.70htM42.4638.4954.3158.5363.2769.9187.77資料來源：SuperCLUE，三、人工智能三要素共振，算力、算法、數(shù)據(jù)未來趨勢推演（一）算力：供需缺口加大，AI服務(wù)器產(chǎn)業(yè)鏈分析大模型時代智能算力滲透率持續(xù)提升，AI服務(wù)器有望量價齊升X86和ARMPCATMCPUIO外部數(shù)據(jù)吞吐能力以及更好的擴展性。表10：服務(wù)器架構(gòu)組件名稱 功能 主要參與者CPU解釋指令并處理數(shù)據(jù)，是核心的運算和控制中心。頻率越高，性能越好ntl、M、M、I、i、華為海思等GPU圖像處理顯示IA、M、華碩、技嘉、微星、泰索、影馳等DRAM臨時存儲數(shù)據(jù)，在CPU與硬盤之間，存取效率較高三星、海力士、美光硬盤(H)和固態(tài)硬盤(SS)Sgt、西部數(shù)據(jù)W、ohib、三星、海力士等主板電路板，連接其他組件TTM、深南電路、滬電股份、方正科技等電源提供電力保障臺達、艾默生、光寶科技、康舒科技、高效電子、全漢電源等網(wǎng)卡網(wǎng)絡(luò)連接功能ntl、IK、友訊、騰達，華碩、華為等資料來源：IDC，AI服務(wù)器中用于運算和存儲的芯片占服務(wù)器成本結(jié)構(gòu)約70%，通用服務(wù)器用于運算50%左右。一臺服務(wù)器主要硬件包括處理器、內(nèi)存、芯片組、ORD卡、網(wǎng)卡、HA卡)、硬盤、機箱電源、風(fēng)扇。以一臺普通的服務(wù)器生產(chǎn)成本為例，CPU及芯片組大致占比50%左右，內(nèi)存大致占比15致占比10%左右，其他硬件占比25%左右。其中機器學(xué)習(xí)型服務(wù)器中GPU成本占比達72.8%。圖32：通用服務(wù)器拆解圖（以華為TS200-2280為例） 圖33：AI服務(wù)器拆解解（以華為Atlas800TA2為例）資料來源：華為官網(wǎng)， 資料來源：華為官網(wǎng)，Statista8487億美元，同比增長204%，中國服務(wù)器市場占比0%，預(yù)計2023年全球服務(wù)器市場規(guī)模來到086%3.3%，變化+3.77pct圖34：全球服務(wù)器市場規(guī)模及預(yù)測 圖35：中國服務(wù)器市場規(guī)模及預(yù)測資料來源：Statista， 資料來源：Statista，人工智能時代AI服務(wù)器優(yōu)勢凸顯。AICPUAIITCPUGPUFPGAASICGPU、FPGA、ASICAI20251350CAGR50%。研究機構(gòu)AeeaAI服務(wù)器市場規(guī)模將在20242025年達到135020224.5TrendForceAI貨量將進一步提升，20222026CAGR10.8%。圖36：全球AI服務(wù)器市場規(guī)模及預(yù)測 圖37：全球AI服務(wù)器廠商出貨量及預(yù)測資料來源：Aletheia， 資料來源：TrendForce，GPUIDCU服務(wù)器出貨量占比73%，U服務(wù)器銷售額占比9%。圖38：全球AI服務(wù)器出貨量結(jié)構(gòu) 圖39：全球AI服務(wù)器銷售額結(jié)構(gòu)資料來源：IDC， 資料來源：IDC，AI研究院數(shù)據(jù)及我們預(yù)測，中國AI服務(wù)器市場預(yù)計026年市場規(guī)模超千億元，未來三年21.65202664.515.26%。中國AI3-52）伴隨人工智能浪潮以及數(shù)字中國建設(shè)，未來對智能算力需求將持續(xù)爆發(fā)增長，且智能算力增長速度遠(yuǎn)超算力AI2021-2026AI服務(wù)器市場規(guī)模由億350億元增長至094億元，221至2026年AGR為03%。圖40：中國AI服務(wù)器市場規(guī)模及預(yù)測 圖41：中國AI服務(wù)器出貨量及預(yù)測資料來源：《2023年中國AI服務(wù)器市場前景及投資研究報告》（中商產(chǎn)業(yè)研究院），

資料來源：《2023年中國AI服務(wù)器市場前景及投資研究報告》（中商產(chǎn)業(yè)研究院），中商產(chǎn)業(yè)研究院，Sora等多模態(tài)加速應(yīng)用端落地，推理服務(wù)器需求激增多模態(tài)對推理算力需求指數(shù)級增長，推理服務(wù)器占比將持續(xù)提升。IDCAI41.5202539.2GPT-42023202544081、4850Fpsdy。圖42：2023年、2025年推理求預(yù)測資料來源：IDC，ARK投資，浪潮信息，AIChatGPT662000字的響應(yīng)，對應(yīng)6ts，根據(jù)nFow的數(shù)據(jù)和《SangLasfrNrlLugeMes》，在推理過程中每個tn的計算成本約為2*NFs，其中N為模型hPT4一萬億參數(shù)中每個kn需算力2萬億FsT4訓(xùn)練期間FLOPS利用率為32%，則每人每次提問需要算力：2萬億27tn2%7PFps。據(jù)官網(wǎng)9月數(shù)據(jù)，tT目前擁有超過1億用戶，每月產(chǎn)生18億次訪問量，假定每日訪問量為6000萬人次，每人提問10次，且假設(shè)一天平均分布，則每秒算力需求為1lsAI推理使用的主流U是45TFps182T4GPU22.758*T48*T42900066圖43：推理服務(wù)器需求推算資料來源：《ScalingLawsforNeuralLanguageModels》（JaredKaplan等）、NVIDIA官網(wǎng)，OpenAI，Sora訓(xùn)練一次所需算力或可達到2.6×10^24Flops，相當(dāng)于GPT-3175B的8.2倍。多模態(tài)大模型在訓(xùn)練端算力需求通常在計算大語言模型算力需求通常與參數(shù)量及token數(shù)量成正比，而Sora大模型中可以將Patch類比與大語言模型中token，基于大語言模型計算算力需求方法框架及以下三大假設(shè)，對Sora算力需求進行分析測算。假設(shè)一：Sora訓(xùn)練數(shù)據(jù)集為60億張圖片，分辨率為1980×1024；3500萬個視頻，每個視頻平均時長為30秒，分辨率為1980×1024，幀率為60FPS。根據(jù)阿里聯(lián)合浙江大學(xué)、華中科技大學(xué)提出的文生視頻模型I2VGen-XL，研究人員350060SoraI2VGen-XLH×W×C（其H為長度，W為寬度，CRGBC=3）。我們估算ra訓(xùn)練數(shù)據(jù)集中視頻類數(shù)據(jù)Pth規(guī)模300×04×60×30×39×01；圖片類數(shù)據(jù)Pah規(guī)模0×0^8×1024×980×35×016；訓(xùn)練數(shù)據(jù)集總Path=圖片類數(shù)據(jù)Pach視頻類數(shù)據(jù)Pach35×1^6。假設(shè)二：Sora中PatchSize為16×16，將Patch轉(zhuǎn)化為token。NAEISWRTH6×6WRS:TASFORMSFORGENITNTSE》，Trfmr的輸入是一個序列，對于一張圖像來說如果把每個像素點當(dāng)作一個，那就會需要相當(dāng)旁大的計算量，該文則將圖像劃分為大小的一個個Pth，然后將每個Pth當(dāng)作一個ken組成一串序列作為Trsor的PhSze為16×16P（N×××換為kn，N大小為H×W（×），每個tn的大小為P×P×，P6，通過計算得到kn5×06（16×16）.3×04。圖44：Tranformer語義分割方法資料來源：《RethinkingSemanticSegmentationfromaSeq-to-SeqPerspectivewithTransformer》（SixiaoZheng等），Sra模型參數(shù)為30B=模型參數(shù)量×tkn數(shù)量×3×2。OpenAIT5中只有一半token處于激活狀態(tài)，而BERT與GPT基于Transformer的自然語言監(jiān)督模型，每個tokentoken都在向前傳播過程中涉及一次加法和一次乘法，3GPTtoken3×2Sora訓(xùn)練一次所需算力0×08×3×04×3×26×1ls。圖45：不同模型訓(xùn)練一輪所需算力需求資料來源：《LanguageModelsareFew-ShotLearners》（TomB.Brown等），Sora30（待確認(rèn)I2VGen-XL訓(xùn)練數(shù)據(jù)集水平進行估算，我們保守估計，Sora訓(xùn)練一次所需算力或可達到2.6×GPT-3175B8.2（測算采用參數(shù)和訓(xùn)練數(shù)據(jù)集規(guī)模會與實際有一定出入）。Soa1萬張A00上訓(xùn)練154天。A10019.5TFlops，暫時不考慮模型訓(xùn)練利用率及其他訓(xùn)練成本，如果在10000張英偉達A100進行訓(xùn)練，所需時間6×0495×02×000/4×60×60)≈154天。202435體系建設(shè)，加快發(fā)展新質(zhì)生產(chǎn)力。同時，深化大數(shù)據(jù)、人工智能等研發(fā)應(yīng)用，開展“人入推進數(shù)字經(jīng)濟創(chuàng)新發(fā)展，制定支持?jǐn)?shù)字經(jīng)濟高質(zhì)量發(fā)展政策，積極推進數(shù)字產(chǎn)業(yè)化、產(chǎn)業(yè)數(shù)字化，促進數(shù)字技術(shù)和實體經(jīng)濟深度融合。適度超前建設(shè)數(shù)字基礎(chǔ)設(shè)施，加快形成全國一體化算力體系。圖46：算力對數(shù)字經(jīng)濟和GDP的影響資料來源：IDC《2022-2023全球算力指數(shù)評估報告》，“適度超前”建設(shè)算力基礎(chǔ)設(shè)施，國產(chǎn)服務(wù)器大勢所趨。報告中提出，適度超前建設(shè)數(shù)字基礎(chǔ)設(shè)施，加快形成全國一體化算力體系。我們認(rèn)為，“適度超前”一方面將驅(qū)動數(shù)字產(chǎn)業(yè)化加速發(fā)展，算力基礎(chǔ)設(shè)施國產(chǎn)化提上日程，芯片、服務(wù)器國產(chǎn)化率將進一AI細(xì)分賽道機會；另一方面，將持續(xù)推動產(chǎn)業(yè)數(shù)字化升級轉(zhuǎn)型，算力基礎(chǔ)設(shè)施將大范圍賦能千行百業(yè)，降本增效，為新質(zhì)生產(chǎn)力發(fā)展提供新動能。出口禁令影響海外供應(yīng)，AI20231017hPT面世以來，國內(nèi)各企業(yè)和研究院在短短半年多的時130鋪設(shè)大數(shù)據(jù)時代的信息高速，推動產(chǎn)業(yè)創(chuàng)新升級，降低企業(yè)調(diào)用以大模型為代表的科技2023模型所需的算力相對于2020年預(yù)計將增長500倍，這個算力缺口正在不斷擴大。A800H800H20昇910b2023年11月9日，相關(guān)報道稱英偉達已開發(fā)出針對中國市場的最新改良版系列芯片——HGXH20、L20PCleL2PCleH100910b。表11：英偉達H20、L20、L2性能參數(shù)對比性能參數(shù) HGXH20 L20PCle L2PCleGPU架構(gòu)IAHpprIAdaolceIAdaolceGPU內(nèi)存96GBHBM348BGD6/E24BGD6/EGPU內(nèi)存帶寬4.0TB/s864GB/s300GB/sINT8|FP8TensorCore296|296TFLOPS239|239TFLOPS193|193TFLOPSBF16|FP16TensorCore148|148TFLOPS119.5|119.5TFLOPS96.5|96.5TFLOPSTF32TensorCore74TFLOPS59.8TFLOPS48.3TFLOPSFP3244TFLOPS59.8TFLOPS24.1TFLOPSFP641TFLOPS/A/ARTCore/AYesYesMIGUpto7MIG/A/AL2Cache60MB96MB36MBMediaEngine7NVDEC7NVJPEG3E(+A1)NVDECNVJPEG2E(A1)4NVDEC4NVJPEGPower400W275WTBDFormFactor8-wayHGX2-ltHL1-ltPInterconnectPceGen5x16:128GB/sink:900/sPCleGen4x16:64GB/sPCleGen4x16:64GB/s上市時間生產(chǎn)排期:Nov2023量產(chǎn):Dec2023生產(chǎn)排期:Nov2023量產(chǎn):Dec2023生產(chǎn)排期:Dec2023量產(chǎn):Jan2024數(shù)據(jù)來源：NVIDIA官網(wǎng)，華為昇騰芯片為AI昇騰910b單卡性能接近英偉達A100310910910AI7nm256TOPS310AI12nm8TOPS2023為昇騰啟動專項攻關(guān)，合力打造我國通用人工智能新底座，讓國產(chǎn)大模型架構(gòu)在自主創(chuàng)新的軟硬件基礎(chǔ)之上，當(dāng)前華為昇910BA100。表12：華為昇騰910b與英偉達A100參數(shù)性能對比性能指標(biāo) 昇騰910b 英偉達A100架構(gòu)自研華為達芬奇架構(gòu)IAmpe架構(gòu)峰值算力FP16376lps312lps峰值算力FP3294lps195lpsGPU顯存64GBHBM2E80GBHBM2ECPU-NPUPCIe規(guī)格PCIe5.0×16512GBPCIe4.0×16256GBNPU-NPU帶寬392GB/s（HCCL）400/（Nlink）RDMA出口帶寬200GB/sRoCE芯片直出網(wǎng)口1000b-000b/B需要通過B網(wǎng)卡擴展出口TDP400W300W制程工藝7nm7nm資料來源：華為海思官網(wǎng)、NVIDIA官網(wǎng)，華為昇騰生態(tài)打開市場空間，國產(chǎn)算力產(chǎn)業(yè)鏈有望持續(xù)受益。我們認(rèn)為，國內(nèi)第一批大模型廠商使用的基本都是英偉達A100A800CUDA生態(tài)，貿(mào)然換生態(tài)，意味著學(xué)習(xí)成本、試錯成本、調(diào)試成本都會增加。目前華為基于“鯤鵬+昇騰”雙引擎正式全面啟航計算戰(zhàn)略，打造算力底座，未來自主開發(fā)趨勢下，華為昇騰市場份額將不斷提升，產(chǎn)業(yè)鏈細(xì)分賽道上市公司有望持續(xù)受益。15%到全國產(chǎn)化是大概率事件，國產(chǎn)化空間巨大。根據(jù)IDC數(shù)據(jù)，2022年中國AI芯片出貨量約109萬張，其中英偉達市占率約為85%，華為在內(nèi)的國產(chǎn)AI芯片市占率約為15%，國產(chǎn)化仍有很大空間。圖47：中國AI芯片市場規(guī)模 圖48：2018-2022年中國AI芯片投資情況資料來源：中商產(chǎn)業(yè)研究院， 資料來源：中商產(chǎn)業(yè)研究院，AlCANNAl圖49：華為昇騰計算產(chǎn)業(yè)生態(tài)資料來源：《昇騰計算產(chǎn)業(yè)發(fā)展白皮書》（華為、中國信通院聯(lián)合發(fā)布），百度等率先開始采購昇910B，釋放多重積極信號。2001600910BAIA1001060%3601000AI雖然此訂單規(guī)模相較過去從英偉達采購的數(shù)千顆芯片較小，但是此次采購證明國產(chǎn)昇騰910B360AIAIAIAIAI1）Atlas800（型號：9000）920+昇騰910處理器的AI2Alas800訓(xùn)練服務(wù)器（型號：9010）Intel910AIAI推理服務(wù)器：1）Atlas800（型號：3000）是基于昇騰310芯片的推理服務(wù)器，最大可支持8個Ats300IAI2）Atlas800（型號：3010）Intel7Atlas300I560AI表13：華為服務(wù)器對比產(chǎn)品名稱 算力 AI加速卡 CPU CPU內(nèi)存 PCIe 最大功耗Atlas800訓(xùn)練服務(wù)器型號：90002.24PFLOPSFP161.76PFLOPSFP168*昇騰9104*鯤鵬920最多32個DDR4內(nèi)存插槽，支持RDIMM內(nèi)存速率最高3200MT/s，單根內(nèi)存條容量支持16GB/32GB/64GB2PCIe4.0槽56kWtl800訓(xùn)練服務(wù)器型號：90102.24PFLOPSFP161.76PFLOPSFP168*昇騰9102*ntl5cddLke處理器最多24個DDR4內(nèi)存插槽，支持RDIMM6PCIe3.0x8插槽56kWAtlas800推理服務(wù)器型號：3000最大704TOPSINT8最大支持8個Atlas300I推理卡2*鯤鵬92032個DDR4內(nèi)存插槽，最高3200MT/s9PCIe4.0PCIe1RAIDPCIe8個為標(biāo)準(zhǔn)的PCIe擴展槽位67WAtlas800推理服務(wù)器型號：3010最大616TOPSINT8最大支持7個Atlas300I推理卡1/2個IntelXeonSPSkylake或CascadeLake處理器24個DDR4內(nèi)存插槽，最高3200MT/s10PCIeGen3.0(1D控制卡+1個靈活LM)205W數(shù)據(jù)來源：華為海思，軟件端：昇騰全棧AI軟硬件平臺，面向“端、邊、云”的全場景AI基礎(chǔ)設(shè)施。AI處理器和基礎(chǔ)軟件構(gòu)建AlaslsAI圖50：昇騰全棧AI軟硬件平臺資料來源：華為昇騰官網(wǎng)，昇MindSporeAI910AIAIAltas昇騰計算模組和計算20+硬件合作伙伴(整機、工控機等)，15家一體機伙伴;在軟件上開源昇思MindSporeAI39010002000+110120圖51：華為昇思Mindpoe框架 資料來源：華為昇思官網(wǎng)，4、高性能計算對液冷需求爆發(fā)式增長，液冷服務(wù)器打開千億市場空間數(shù)據(jù)中心PUE要求愈發(fā)嚴(yán)苛。隨著云計算、大數(shù)據(jù)、人工智能、元宇宙等信息技術(shù)的快速發(fā)展和傳統(tǒng)產(chǎn)業(yè)數(shù)字化的轉(zhuǎn)型，數(shù)據(jù)呈現(xiàn)幾何級增長，算力和硬件部分能耗也在持續(xù)增加，而在“雙碳”政策的持續(xù)推進下，國家、地方政府、企業(yè)層面均在積極推動綠色低碳轉(zhuǎn)型和可持續(xù)發(fā)展，通訊領(lǐng)域?qū)?shù)據(jù)中心節(jié)能降耗要求越來越嚴(yán)格。AIA1,由此帶來的芯片性能需求、服務(wù)器功率需求不斷提高，DGXA100640GB6.5KW，傳統(tǒng)風(fēng)冷無法1000-350015-25倍，利用自然冷卻顯著降低耗電量，使得液冷成為風(fēng)冷的不二選擇。我們認(rèn)為，人工智能浪潮下，對算力需求進一步提升，液冷預(yù)計將成為最優(yōu)冷卻方案，未來中國液冷服務(wù)器市場有望進一步打開競爭格局，產(chǎn)業(yè)相關(guān)上市公司將受益。目前，中國液冷服務(wù)器普及率不足5%，徑普及率并不高。受制于：1）數(shù)據(jù)中心國家PUE標(biāo)準(zhǔn)收緊；2）受制于面積等因素，機柜密度逐漸提升；3）溫度過高，芯片故障率升高等客觀因素，未來液冷服務(wù)器將成為調(diào)和快速的算力需求與有限數(shù)據(jù)中心承載力的共識方案。圖52：風(fēng)冷與液冷散熱能力對比資料來源：中興通訊《液冷技術(shù)白皮書》，表14：全國主要數(shù)據(jù)中心PUE要求城市 年平均氣溫℃ 數(shù)據(jù)中心PUE要求北京12.31PUE1.312PUE1.2523PUE1.23噸標(biāo)準(zhǔn)煤的項目，PUE值不應(yīng)高于1.15；14＜≤18，每度電加價E＞18，每度電加價￥05上海16.62024PUE131.25PUE1.4。廣東22.6新增或擴建數(shù)據(jù)中心PUE不高于13，優(yōu)先支持PUE低于1.25的數(shù)據(jù)中心項目，起步區(qū)內(nèi)PUE要求低于1.25浙江16.5到2025年，大型及以上數(shù)據(jù)中心電能利用效率不超過13，集群內(nèi)數(shù)據(jù)中心電能利用效車不得超過1.25江蘇15.52023206530％，高性能算力占比達10％，新建大型及以上數(shù)據(jù)中心電能利用效率（PUE）降低到1.3以下，起步區(qū)內(nèi)電能利用效率不得超過1.25山東14.72020PUE1.32022PUE142025據(jù)中心運行電能利用效率降到1.3以下。優(yōu)先支持PUE值低于1.25，上架率高于65％的數(shù)據(jù)中心新建、擴建項目青島12.7新建13，至2022年存量改造14重慶18.4到2025年，電能利用效率（PUE）不高于13。集群起步區(qū)內(nèi)PUE不高于1.25。四川15.3到2025年，電能利用效率（PUE）不高于13。集群起步區(qū)內(nèi)PUE不高于125。各市（州）要充分發(fā)揮已建在建數(shù)據(jù)中心作用，除天府?dāng)?shù)據(jù)中心集群外，區(qū)域內(nèi)平均上架率未達到60％、平均PUE值未達到1.3及以下的，原則上不得新建數(shù)據(jù)中心。內(nèi)蒙古4.3到2025年，全區(qū)大型數(shù)據(jù)中心平均PUE值降至13以下，寒冷及極寒地區(qū)力爭降到1.25以下，起步區(qū)做到12以下寧夏9.5到205年，建成國家（中衛(wèi)）數(shù)據(jù)中心集群，集群內(nèi)數(shù)據(jù)中心的平均PE≤115，U≤08，分級分類升級改造國家（中衛(wèi)）數(shù)據(jù)中心集群外的城市數(shù)據(jù)中心，通過改造或關(guān)停，到2025年，力爭實現(xiàn)PUE降至1.2及以下。貴州15.5PUEPUE14量替代，根據(jù)PUE值嚴(yán)控數(shù)據(jù)中心的能源消費新增量，PUE低于1.3的數(shù)據(jù)中心可享受新增能源消費量支持。資料來源：中興通訊《液冷技術(shù)白皮書》，PUE1.25PUE圖53：制冷技術(shù)PUE對比資料來源：中興通訊《液冷技術(shù)白皮書》，冷板式液冷服務(wù)器與浸沒式相變服務(wù)器為兩大主流液冷服務(wù)器。冷板式液冷服務(wù)器技術(shù)利用工作流體作為中間熱量傳輸?shù)拿浇?，將熱量由熱區(qū)傳遞到遠(yuǎn)處再進行冷卻。在該技術(shù)中，工作液體與被冷卻對象分離，工作液體不與電子器件直接接觸，而是通過液冷板等高效熱傳導(dǎo)部件將被冷卻對象的熱量傳遞到冷媒中。圖54：冷板式液冷服務(wù)器散熱原理資料來源：中興通訊《液冷技術(shù)白皮書》，該技術(shù)將冷卻劑直接導(dǎo)向熱源，同時由于液體比空氣的比熱大，散熱速度遠(yuǎn)遠(yuǎn)大于1000該技術(shù)可有效解決高密度服務(wù)器的散熱問題，降低冷卻系統(tǒng)能耗而且降低噪聲。圖55：曙光冷板式液冷服務(wù)器資料來源：曙光數(shù)創(chuàng)，浸沒式液冷服務(wù)器又可以分為單相浸沒式液冷服務(wù)器和兩相浸沒式液冷服務(wù)器。浸沒式相變換熱液冷系統(tǒng)采用進口環(huán)保專用冷媒，具有不導(dǎo)電、無閃點、無腐蝕性、無毒性的特性，利用環(huán)保冷媒良好的熱物理特性，通過控制系統(tǒng)物理參數(shù)，利用冷媒工質(zhì)的氣化潛熱轉(zhuǎn)移服務(wù)器內(nèi)部熱量，極大提高了系統(tǒng)的換熱效率，同時保留了高端熱源的能50℃～60無須利用壓縮機進行機械制冷，從而使室外機組的全年自然冷卻工作方式成為可能。圖56：單相浸沒式液冷服務(wù)器散熱原理資料來源：中興通訊《液冷技術(shù)白皮書》，0。2）35dB3）終極的功率密度：高密度配置，輕松實200kWPUEPUE1.01-1.02。圖57：曙光數(shù)創(chuàng)全浸沒式液冷服務(wù)器資料來源：曙光數(shù)創(chuàng)，2023H13IDC）跟蹤》報告數(shù)據(jù)顯示，2023到68.%2023年全年將達到5.1C02202789圖58：2022年-2027年中國液冷服務(wù)器市場規(guī)模預(yù)測資料來源：IDC、中商產(chǎn)業(yè)研究院，（二）算法：多模態(tài)大模型C端、B端加速滲透，未來從云端走向終端邊云算法協(xié)同發(fā)展，推動大模型終端側(cè)落地MordorIntelligence2023510.42074（2023-202832.37隨著企業(yè)數(shù)業(yè)務(wù)和服務(wù)相集成。此外，將公司致力于降低運營成本以提高利潤率，推動云端人工智能快速發(fā)展，進一步推動預(yù)測期內(nèi)的市場規(guī)模增長。圖59：云端AI預(yù)計市場規(guī)模資料來源：MordorIntelligence，大模型時代，從云到端（邊緣側(cè)）算法不斷優(yōu)化升級，其中邊緣智能優(yōu)化方向包括五大方面，包括邊云協(xié)同、模型分割、模型壓縮、減少冗余數(shù)據(jù)傳輸以及輕量級加速體系結(jié)構(gòu)。其中，邊云協(xié)同、模型分割、模型壓縮能夠減少邊緣智能對于計算、存儲和設(shè)備的需求；減少冗余數(shù)據(jù)傳輸以改善傳輸效率，降低網(wǎng)絡(luò)資源浪費；輕量級加速體系結(jié)構(gòu)將在硬件和應(yīng)用方面支持邊緣計算效率提升。邊云協(xié)同云計算和邊緣計算相結(jié)合，將數(shù)據(jù)和計算資源分布在云端和邊緣設(shè)備，實現(xiàn)數(shù)據(jù)的高效處理和傳輸。云邊協(xié)同優(yōu)勢明顯，1）充分利用云端強大的計算資源；2）在需要實時響應(yīng)或者斷網(wǎng)情況下可借助本地設(shè)備完成任務(wù)；3）保證數(shù)據(jù)安全性。處理以落地終端的重要性凸顯?；旌霞軜?gòu)具有不同的卸載選項，以便根據(jù)模型和查詢復(fù)10AI100將來在設(shè)備上運行。終端側(cè)大模型主要用于推理，將拓展邊緣設(shè)備應(yīng)用?；旌螦I將提振B端AIAIAI將優(yōu)化生成式AI的功能性及可用性，推動企業(yè)研發(fā)以全面化終端AIC圖60：云+邊緣落地方向資料來源：NVIDIA，多模態(tài)大模型角逐日益激烈，自研模型本地部署是大方向3月15（集團202420衡量標(biāo)準(zhǔn)涵蓋經(jīng)濟抗衡力、行業(yè)影響力、技術(shù)競爭力、商業(yè)角逐力、營收規(guī)模、數(shù)據(jù)優(yōu)勢、模型規(guī)模、算力能級等十余個指標(biāo)。排名前五的依次是，騰訊混元大模型、科大訊飛星火大模型、阿里巴巴通義千問大模型、華為盤古大模型和智譜華章智普清言大模型。OpenAISora模態(tài)（包括文本、圖像、音頻和視頻）相關(guān)數(shù)據(jù)方面的能力。多模態(tài)大模型可理解和生成不同形式的復(fù)雜數(shù)據(jù)，其重要性驟增，并將應(yīng)用于包括數(shù)字人、游戲、廣告商拍、社交媒體、智能營銷、教培、健康醫(yī)療、新聞媒體及藝術(shù)創(chuàng)作等多個行業(yè)。據(jù)賽迪研究院強企業(yè)中僅有15%的企業(yè)具備文生視頻能力；從應(yīng)用場景來看，相較語言大模型賦能行業(yè)，多模態(tài)大模型更加偏重落地場景。表15：AI多模態(tài)大模型企業(yè)20強排名企業(yè)名稱大模型名稱1騰訊混元2科大訊飛星火3阿里巴巴通義千問4華為盤古5智譜華章智普清言6百度文心一言7網(wǎng)易丹青8360360智腦9昆侖萬維天工10萬興科技天幕11商湯科技日日新12虹軟科技Muse13中國電信星辰14抖音imtr15因賽集團nihtT16第四范式式說17京東言犀18開普云開悟19小冰公司小冰20硅基智能炎帝資料來源：賽迪四川，億歐智庫，隨著企業(yè)自研大模型的發(fā)展，輕量級和本地部署已成為趨勢。輕量級加速體系結(jié)構(gòu)在大模型部署終端側(cè)應(yīng)用方面至關(guān)重要。應(yīng)用方面，英偉達在mue03大會上發(fā)布模組JesAXRN，算力高達每秒275萬億次TOPS，性能是上一代產(chǎn)品的8倍，同時發(fā)布的工業(yè)級模組可以幫助客戶在農(nóng)業(yè)、建筑、能源、航空航天、衛(wèi)星等領(lǐng)域部署邊緣AIFteARM分別推出適用于邊緣計算的芯片F(xiàn)oi5和Hrcs、plo，F(xiàn)r5安全芯片防火墻性能大幅提升17倍，功耗相比業(yè)內(nèi)高性能通用U降低88%Hrls和polo性能最480成AI能力，實現(xiàn)更廣泛的邊緣計算應(yīng)用。多模態(tài)大模型賦能終端，持續(xù)滲透C端及B端AI+手機：大模型接入手機，終端功能多樣化38MediaPipeLLMInferenceAPI，新版本使大語言模型（LLM）跨平臺在設(shè)備上運行。LLM100Wb開發(fā)人員的設(shè)備端LLMWbndod和S，LLM：GemmaPhi2FalconStableLMLLMAdoidMeiaPpeLLMnfeenePI可通過ndIo在設(shè)備上使用GmniAPI或ninoACre是Add4中引入的全新系統(tǒng)級功能，旨在為高端設(shè)備提供mniMLLA適配器和安全過濾器集成。初始版本支持以下四種模型架構(gòu)，與其架構(gòu)兼容的任何模型都可與MediaPipeLLMInferenceAPI一起使用。圖61：MediaPipeLLMInferenceAPI適配四種模型架構(gòu)資料來源：NVIDIA，S24用戶將能通過三星構(gòu)建的應(yīng)用程序和服務(wù)訪AI模型Gmni借助miPoaxy24系列，三星的NtsVieeodr和eod應(yīng)用程序可使用miPro優(yōu)化摘要功能。例ogmgn2在ly4Glry應(yīng)用程序中使用Grtvet訪問照片編輯功能。GalaxyS24GeminiNanoGoogleMessagesGeminiUltra的公司之一，并將在2024年內(nèi)向開發(fā)人員和企業(yè)客戶提供。圖62：三星手機接入谷歌AI大模型Gemini資料來源：Google，AI+PC：MaaSToCAI手機成C端落地第一場景，引發(fā)換機需求CAIAI手機設(shè)備落地，進而引發(fā)換機需求。AIAIAI功能，可完成在不同智能設(shè)備上的應(yīng)用，進而提升用戶生活品質(zhì)及工作效率，提振終端設(shè)備智能化需求。20237Meta2024Llama2”，高AIMta此舉預(yù)計將推動IC加速推廣到C端市場；邊緣端算力需求將成為算力側(cè)未來新的增長點。高通和Mta正在努力優(yōu)化Mta的Lma2大型語言模型的執(zhí)行，而不只依RR耳機和汽車等設(shè)備上運行Lm2等生成人工智能高通計劃提供基于Lma2的人