证券研究报告 | 行业点评
2022 年 12 月 05 日
区块链
AIGC的里程碑——Chat GPT 凭什么引爆科技圈？
事件：11 月 30 日，OpenAI 上线了新模型 ChatGPT，其网页应用允许用户 增持（维持）
免费使用， 能够理解人类语言并且回答问题，不限于普通聊天、协
ChatGPT
助写代码、解决具体难题等等应用场景。因为其高质量的回答、高效获取信
息的方式、以及上瘾式的交互体验，ChatGPT引起了社交媒体的广泛传播与行业走势
关注。
通信沪深300
ChatGPT 效果出人意料，“全能AI”火遍社交媒体。ChatGPT 的交互界面16%
简洁，只有一个输入框，AI 将根据输入内容进行回复，并允许在一个语境
下持续聊天。ChatGPT 的聊天范围广泛，涵盖大部分领域，根据亲身体验以 0%
及社交媒体分享的内容来看，ChatGPT 能在绝大部分知识领域给出专业回
-16%
答，同时对输入的理解能力和包容度高。无论是让ChatGPT 写首押韵的诗、
检查代码的bug、回答科学问题、对推特未来的发展提出建议都不在话下， -32%
其回复内容每次都是随机的，但总体保持着一定的专业性和信息量，具备很 2021-12 2022-04 2022-08 2022-12
强的参考意义。与 ChatGPT 持续对话是一种令人上瘾的体验，因此在该应
用发布的短短几天内，就能看到国内外的社交媒体上就有大量关于 ChatGPT
对话的分享。作者
ChatGPT 的背后离不开大模型、大数据、大算力。ChatGPT 成为 AIGC 里分析师 宋嘉吉
程碑的背后，是算力发展和数字时代形成的大数据所共同支持的大模型训 执业证书编号：S0680519010002
练，才能实现目前的效果。由 OpenAI 研发的 ChatGPT 是微调后的GPT-3.5邮箱：songjiaji@gszq
系列模型，有着多达 1750 亿个模型参数，并在今年年初训练完成。模型训 相关研究
练的背后离不开大数据的支持，OpenAI 主要使用的公共爬虫数据集有着超
1、《通信：运营商价值重估的三大核心支撑》2022-12-04
过万亿单词的人类语言数据集。在算力方面，GPT-3.5 在 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36402、《区块链：Web3 底层语言：Move 弥补了 Solidity 哪
PF-days（即每秒一千万亿次计算，运行 3640 个整日）。 些不足？》2022-12-01
3、《通信：5G 后周期的投资框架》2022-11-27
AIGC 不仅改变创作，还将改变获取信息的主要方式。在之前的报告中，我
们讨论过 AIGC 对于创作的替代，降低了创作门槛，为元宇宙数字内容的丰
富打下基础。而在此之上，ChatGPT 所展示了作为生产力的存在，ChatGPT
在寻找答案、解决问题的效率上已经部分的超越了如今的搜索引擎，
ChatGPT 或许在未来会改变我们获取信息、输出内容的方式，AIGC 有望成
为数字经济时代驱动需求爆发的杀手级应用。
模型缺点瑕不掩瑜，未来迭代值得期待。据官网显示，ChatGPT 目前存在着
一些局限性，包括：有时会给出看上去正确但荒谬的答案、微调提问的方式
会得到完全不同的答案、有时会反复使用某些句子等等。在我们实际体验中
也能感受到，这些问题来自训练过程和数据集的局限性。ChatGPT 本次面向
用户免费开放能够进一步强化训练，从而完善模型质量。
投资建议：软硬件与数据集。生成算法、NLP 与算力决定AIGC 能否运行，
而高质量的数据集决定了AIGC 质量与商业模式。软件层面主要包括自然语
言处理技术：谷歌、微软、科大讯飞、拓尔思；AIGC生成算法模型及数据
集：视觉中国、万兴科技、蓝色光标、昆仑万维；算力层包括：三大运营商
（移动、电信、联通）、英伟达、澜起科技、中兴通讯、新易盛、天孚通信、
中际旭创等。
风险提示：技术创新不及预期；政策监管风险。
请仔细阅读本报告末页声明扫码进群领取
1、优质研报免费获取，行业报告定期打包
2、每日推送行业最新深度研报（精选10篇）
3、最新行业报告、公司研究、专业大咖分享 2022 年 12 月 05 日
11 月 30 日，OpenAI 上线了新模型 ChatGPT，该模型允许用户以对话的方式与其交互。
ChatGPT 是之前发布的InstructGPT 的兄弟模型，后者被训练用于根据输入给出详细的
一段输出。同时，ChatGPT 模型为了获得更多用户反馈，在目前阶段对用户开放免费使
用，用户可通过 chat.openai 进行应用交互体验。
ChatGPT 的交互界面简洁，只有一个输入框，用户可以任意开启话题或者给出指令，模
型将根据输入内容给出输出。ChatGPT 的一大特点就是允许在同一个语境下持续交流，
能够根据上下文进行回复。
ChatGPT 的聊天范围广泛，涵盖大部分领域，具备参考意义。根据亲身体验以及社交
媒体分享的内容来看，ChatGPT能在绝大部分知识领域给出专业回答，同时对输入的理
解能力和包容度高。无论是让ChatGPT 写首押韵的诗、检查代码的bug、回答科学问题、
对推特未来的发展提出建议都不在话下，其回复内容每次都是随机的，但总体保持着一
定的专业性和信息量，具备很强的参考意义。
图表 1：ChatGPT 使用截图
资料来源：chat.openai、国盛证券研究所
ChatGPT 的对话内容开始在社交媒体引起关注。因为 ChatGPT 对话的随机性以及较为
丰富的信息量，与 ChatGPT 持续对话令人上瘾，在该应用发布的短短几天内，国内外的
社交媒体上就有大量关于ChatGPT 对话的分享。这其中包括马斯克像 ChatGPT 请教如
何改变推特，也有各类有趣的问答合辑。
P.2请仔细阅读本报告末页声明
2022 年 12 月 05 日
AIGC 里程碑的背后离不开大模型、大数据、大算力。ChatGPT 成为 AIGC 里程碑的背
后，是算力发展和数字时代形成的大数据所共同支持的大模型训练，才能实现目前的效
果。由 OpenAI 研发的 ChatGPT 是微调后的GPT-3.5 系列模型（GPT模型专门用于人类
语言应用），有着多达 1750 亿个模型参数，并在今年年初训练完成。
模型训练的背后离不开大数据的支持，公共爬虫数据集有着超过万亿单词的人类语言数
据集，OpenAI 团队在此基础上进行整理加工形成用于训练模型的数据集。在算力方面，
GPT-3.5 在 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3640 PF-days（即每秒一千万亿次计算，运行 3640 个整日）。
图表 2：不同模型训练所需要的算力对比
资料来源：Language Models are Few-Shot Learners、国盛证券研究所
AIGC 不仅改变创作，还将改变获取信息的主要方式。在之前的报告中，我们讨论过AIGC
对于创作的替代，降低了创作门槛，为元宇宙数字内容的丰富打下基础。而在此之上，
ChatGPT 所展示了作为生产力的存在，ChatGPT 在寻找答案、解决问题的效率上已经部
分的超越了如今谷歌等搜索引擎，ChatGPT或许在未来会改变我们获取信息的方式，
AIGC 成为新时代的用户入口。
模型缺点瑕不掩瑜，未来迭代值得期待。官网注明了 ChatGPT 目前存在着一些局限性及
原因，在我们的实际体验中，也确实遇到这些问题：
1）有时 ChatGPT 会写一些看上去合理但错误且荒谬的答案，这个在体验中较少但会出
现。据官网描述，这个问题是难以解决的，因为：第一，在训练期间，并没有提问者目
前所有的事实；第二，如果让模型过于谨慎，那么他能回答的问题也会拒绝回答；第三，
有观察的训练误导了模型，因为正确的答案来源于模型的数据库而非人类知道什么。
2）ChatGPT 对输入的改变比较敏感。例如，给出一句问题，模型声称无法得知答案，
但轻微地改变问题，就能正确地回答。这种特性在体验中表现的比较明显。
3）ChatGPT 有时会非常重复表达，反复使用某些句子，例如：重申自己是 OpenAI 训练
的语言模型。这个问题在我们的体验中也经常出现，根据官网，该问题来自于训练数据
的偏差，以及过度拟合问题。
4）在理想情况下，当用户问题模糊时，模型应该会提问将问题清晰化。但目前的模型经
P.3请仔细阅读本报告末页声明
2022 年 12 月 05 日
常不去追问问题，直接猜想用户可能问的方向。
除了官网提到的局限性外，根据实际体验，ChatGPT 即是在输入的明确要求下，也难以
在表达中使用数据支持，这可能是因为ChatGPT 所使用的语言数据集并不包含太多关于
数据的内容。
投资建议
相比于此前的 AI 绘画，ChatGPT 更具有将 AI 能力与工作流程相结合的潜力，例如我们
试着让其解释“光学模块中的光芯片和电芯片是什么？当前的全球主流供应商是谁？中
国企业的竞争地位如何？未来是否有什么技术可以替代 InP 材料？”这类问题时，
ChatGPT 能够给出颇为专业的答复，且语言表达流畅。如果将 ChatGPT 与 Midjourney
等创作工具融合，有可能直接输出设计图稿等内容，毕竟文字生成是基础，而用户要做
的尽量调整自己的输入，以促使 AI 输出更质量的内容，这本身也是一种训练和反馈过程。
目前部分用户已在社交媒体上表达了对ChatGPT 的付费意愿，可见 C 端用户为了提高效
率有意愿订阅此类服务。
目前OpenAI 等巨头已着手自建计算集群来满足AIGC的要求，这种集中式的训练对GPU、
存储、机房、供电等基础设施均有巨大需求。国内部分创业团队目前基于公有云训练，
随着需求的增加，也有望转向自建集群。
今年以来，我国“东数西算”战略自上而下快速推进，作为数字经济的基础，“算力即权
力”，其重要性不言而喻，此前我们更多的互联网应用聚焦于“存”而非“算”，随着 AIGC
技术在全球的兴起，“东数西算”的算力需求将越来越显著。
关于 AIGC 的投资策略，能够从软硬件与数据集的三个角度梳理，生成算法、NLP与算
力决定 AIGC 能否运行，而高质量的数据集决定了 AIGC 质量与商业模式。
软件层面主要包括自然语言处理技术：谷歌、微软、科大讯飞、拓尔思。
AIGC 生成算法模型及数据集：蓝色光标、视觉中国、昆仑万维、万兴科