一份視角獨特的chatGPT紀要（一位哲學背景的老師跟數學背景的CTO，昨晚邀請他們直播討論)：

1. Chatgpt，放入深度學習的序列中，沒有革命性；這一輪大火是因為用了“文本形式+問答這一古老交互方式”引發了c端的強烈關注。

2. “智能”這詞，大家都無意識地認為是“人的智能”，但從宇宙全貌的角度，人的智能、機器的智能對它沒有差異；“智能”在哲學上是“記憶（不是咱們普通理解的記憶這個詞）”，機器智能的應用對人而言，本質上是“讓渡了自己的記憶權”，歷史上有類似的讓渡，如廉價印刷術的發展。

3. Chatgpt，1）從數學上是限定條件下的映射關系，會有結構性漏洞，因為函數映射需要條件；2）概念上，正確率≠智能，chatgpt正確率會越來越高（有眾多用戶反饋），但它并不能因人不同而有“針對性”，如老師針對不同的學生，甚至會先故意給一個錯答案，這才是智能；3）完整意義上的智能，如今chatgpt是重要探索，更適合用“給出正確答案的能力”來定位它。

4.從技術上，算法本身有局限性，應用上要首先想清楚“算法能做什么？不能做什么？”，記憶棧不能產生意識，機器智能≠智能。chatgpt如果想復現，成本巨高代價巨大：1）算力成本；2）開發時的并發瓶頸需要頂尖高手。

5.具身智能（有物理裝置的智能，如人形機器人）與chatgpt的結合會非常有想象力。目前特斯拉的人形機器人還是有漏洞：1）需要想明白具身與環境到底在交互什么？唯識學認為交互的是“身體的記憶”（可以簡單理解為習性）；2）神經網絡的工作不是簡單的“小腦”的工作方式、動力學（自動駕駛）也不是簡單的（像現在這么）流程化的。

6.歷史來看，技術絕對不是中立的，技術的進步永遠是靠內在精神驅動，如俄羅斯的太空探索（東正教）、美國對互聯網的探索（反資本主義）。從“我思故我在”開始，人建立起“以人為中心”的思維，忘記了人只是存在的一部分。

7.歷史不只是時間軸上的事件分布，背后有“元歷史”，那才是真正的因果關系，智能只是一部分，根據哥德爾不完備定律，世界會有盈余部分的，“真”，陷入智能的洪流中必然有問題。

AIGC/ChatGPT商機在哪

一、隨著AI技術快速迭代，AIGC可以在創意、表現力、迭代、傳播、個性化等方面，充分發揮技術優勢，打造新的數字內容生成與交互形態，最近火爆的ChatGPT是其商業化體現之一，預計到2030年市場規模將達到萬億元。ChatGPT是由OpenAI公司于2022年11月發布的聊天機器人模型，可以通過對話形式實現交互，能夠回答連續問題，承認錯誤，質疑不正確的前提，并拒絕不合理的需求。ChatGPT的對話互動可以實現普通聊天、信息咨詢、撰寫詩詞作文、修改代碼等，由于更類人的智能化表現，ChatGPT推出后受到廣泛關注，上線不到一周用戶量突破100萬。上月，微軟CEO表示計劃將ChatGPT等人工智能工具整合到所有產品中，并作為平臺提供給其他企業使用。Buzzfeed和亞馬遜也在探索ChatGPT應用場景。OpenAI公司通過提供相關AIGC代碼，提供自動圖形模型或語言模型生成等產品，用戶通過其API接口接入，并支付平臺費用獲取相關圖像、語言、代碼調整服務，公司可獲得付費訂閱式的SAAS費用。

二、ChatGPT經歷了人工智能發展的三大趨勢：1. 機器學習 : 2012年左右，隨著基礎算力的提升，全球已經開啟人工智能熱潮即大數據時代。政策、資本先行，應用場景逐漸豐富。機器學習是AI的一種技術方向，無論是自然語言處理還是機器視覺都是機器學習的應用。2. 神經網絡 : 2015年左右開始繁榮爆發，神經網絡是實現AI深度學習的一種重要算法，是通過對人腦的基本單元神經元的建模和鏈接，探索模擬人腦系統功能的模型，并研發出的一種具有學習、聯想、記憶和模式識別等具有智慧信息處理功能的人工系統。3. Transformer算法 : 2017年左右，是圖型神經網絡的一種，Transformer開始廣泛應用于機器翻譯之中，逐步取代循環神經網絡，不再使用遞歸，而是采用了注意力機制進行優化，通過自我監督學習或無監督方法進行訓練，優點在于建模能力強，通用性強，可擴展性強，能夠更好的進行運算。而ChatGPT則是在該算法上不斷迭代、演進、升級，并增加人類的反饋系統，最后生成的一種算法。

三、AIGC已經實現的商業化方向: :1.AI寫作 : 例如AI生成文字、寫郵件、廣告營銷等，比如GPT的使用，有望提高文字工作者的效率，例如新聞、政府、金融等工作場景。2.AI作圖 : AI自動生成圖片，只需要簡單輸入幾個關鍵詞即可在幾秒鐘之內誕生一幅畫作，可應用于傳媒、游戲、宣傳等工作場景。3.AI底層建模 : AIGC生成底層技術開發，有望提高算法工程師的效率，并進入互聯網、ICT等廣泛應用場景。4.AI生成視頻和動畫。AIGC類比元宇宙會提前實現商業化的應用，市場熱度或有一定的持續性。

四、目前我國與先進技術差距約3年，底層技術差距是核心，獨立公司少，大公司的輔助型業務多。我國AIGC商業仍處于初期階段，部分文本、圖像等生成的公司仍處于初期階段，以輔助生成內容服務為主，部分公司已經進入AIGC開發階段，但仍處于免費試用、獲取流量階段，未來相關公司SAAS模式也有望形成。

五、H股相關標的：1.平臺代表：百度集團，公司已發布20多個模型，百度文心多場景應用，預計今年3月上線中文類功能，國內最強，但與ChatGPT仍有差距。2.TOB代表：騰訊優圖只是整合效率提升，阿里鹿班TOB的商業繪畫、海報等功能，二者投入偏向主業客戶的使用方向。3.C端代表：網易音樂編曲方向、美圖AI繪畫、閱文等。4.基礎技術代表：商湯科技AI算力算法、虛擬IP解決方案、訓練模型優化具備優勢。

六、如何選擇股票？首推平臺類的百度，空間夠大，投入集中，可能是百度的翻身機會。重點要看3月產品上線的質量和市場預期。估值角度看，短期翻倍的漲幅較大，注意防守。整體上結論，百度最優。

北美云廠商AI規劃看光通信

資本開支：北美云計算大廠財報口徑上，對海外衰退下云計算投資、資本開支的降速已反映出來了，Meta下調了整體費用和資本開支指引（340-390下調到300-330億美金），方向從元宇宙調到AI方向；微軟整體口徑變化不大，還是云計算相關需求，但Azure增速放緩，谷歌、Amazon云計算相關投資也有回落。

投資方向有變化：最近微軟投資110億美金OpenAI，ChatGPT嵌入到搜索引擎里，正面硬剛谷歌搜索引擎，包括FB在布局很多超算，谷歌也推出類似ChatGPT的交互。AI進入到提速過程，包括最近ChatGPT迅速出圈，擁有很多用戶。跟基礎設施和硬件設備相關的變化是算力會有大幅增長。算力從廣義講需要能耗、成本堆出來，不斷燒數據發電做存儲計算，能耗跟投入成本密切相關，AI背后的算力相較于之前云計算、電商需要的算力成倍增長，按照傳統速率升級、堆疊算力的方式不符合商業化發展，所以設備上要為了匹配高算力帶來的低成本方案。目前已經有很多設備、光通信、服務器產業鏈面向超算去提升出貨量。

機遇：需要降能耗成本，體現在設備、光模塊、交換機的更新。用在國內外超大數據中心和超算里的設備已經有區分了，能耗消耗有很大差別。光模塊100G-400G-800G的速率還不夠，很多超算的交換機要按照T的計量，這個量級匹配相應光模塊的成本非常驚人，因此衍生出同步散熱降溫，同時在10+T的交換機搭載800G光模塊需要很多堆疊，交換機會過載，所以衍生出交換機和光模塊融合（COPACKAGE）,以前的光模塊演進成光引擎，然后再和交換芯片貼在同一張PCB背板上，通過交換機搭載的液冷板進行物理冷卻和降溫。同時光引擎由于體積、集成度高，搭配硅光封裝規模化后會體現成本優勢，會替代高算力場景。建議關注：交換機、服務器、光模塊的天孚通信、銳捷網絡、新華三。

現在在北美等大廠都在推進COPACKAGE方案，最近由于AI進度加速，近期由于ChatGPT爆火，大廠方向迅速轉變，可能帶來光引擎、液冷服務器加速推進。天孚通信、銳捷網絡、新華三都在COPACKAGE和硅光有典型的布局，下游已經面向北美核心AI廠商開始出貨。不論交換機的華為華三銳捷，海外思科英特爾英偉達都在全面布局，很多大廠已經出貨但由于體量較小，未來在數據中心側會規模性鋪開。對于傳統空間被新方案替代市場需求，但由于算力激增，數通投資、光通信出貨量還是會大幅提升尤其在高算力場景。結構性創新帶來的彈性會在今明年體現，基本到800G到1.6T差異會清晰，目前切換新方案糾結點在于成本和供應鏈穩定，等量起來供應鏈會突破。A股已經有部分公司產品出貨了，天孚、銳捷網絡核心主推，之前這個方向公司被海外通脹衰退抑制，數通市場增速往下走，這個預期短期已經由于北美大廠財報也出釋放了，同時AI對算力增長的拉動在2425年體現更加明顯，當前低估值具備高的性價比，20X不到。現在市場規模非常小，光模塊一年100+億美金只有1%不到做光引擎，但光引擎速率升級、液冷交換機升級交付量會大提升。

天孚、銳捷怎么降低功耗？原來交換機上有口可插拔光模塊去做光電轉化，信號傳輸速度快走光纖，交換機里會轉成電信號。之前模塊在交換機外部現在放到內部對模塊和交換機都要同步升級匹配，但目前容錯率低、成本高，但未來是必然選項，不是主題性投資了，會有明顯訂單和產業趨勢的切換，目前是早期階段。硅光和封裝良率都會有質變。

之前大家盯著北美資本開支看行業需求，未來會細化看資本開支投向AI的部分會是增速最高的部分，在這個方向尋找標的是下一個投資方向，同時海外ChatGPT遠遠領先于國內，所以會看國內硬件優質供應商。

審核編輯 ：李倩