第一章：行业概览

ChatGPT诞生于OpenAI团队，OpenAI是一家成立于2015年的非盈利人工智能研究公司，由企业家埃隆·马斯克、Y Combinator总裁阿尔特曼、PayPal联合创始人彼得·蒂尔等创办，总部位于旧金山。OpenAI凭借硅谷多位重要人物的支持，启动资金达10亿美元。其宗旨在于与其他机构合作进行人工智能相关研究，并公开研究成果，以推动人工智能技术的发展。

图 OpenAI发展历程

GPT模型，作为一种自然语言处理（NLP）模型，运用多层变换器（Transformer）来预测下一个单词的概率分布。其运作方式是通过在大型文本语料库中训练，以学习各种语言模式，从而生成自然语言文本。从GPT-1一直发展到GPT-3，其智能化水平不断提升。而ChatGPT的问世，则可被视为GPT-4正式登场之前的序曲。

根据UBS发布的研究报告，ChatGPT在1月份的月活跃用户数量已达1亿，成为史上用户增长最快的消费者应用之一。根据Similar Web的数据，每日平均有超过1300万名独立访问者在1月份使用ChatGPT，相较去年12月份增加了一倍还多。

ChatGPT因涵盖更广泛的主题数据，能够处理更多领域的小众话题。其功能范围包括但不限于回答问题、撰写文章、文本摘要、语言翻译以及生成计算机代码等多种任务。通过融合人类反馈强化学习和人工监督微调，ChatGPT具备了诸多先进特性，如上下文理解和语境连贯性，从而开启了大量潜在应用场景。

截至2023年2月15日，iFinD ChatGPT的成分股数量为12只。

图 ChatGPT成分股

第二章 商业模式和技术发展

2.1 商业模式

2022年以来，AIGC（AI 生成内容）、ChatGPT的“出圈”显示出预训练大模型性能进步迅猛，行业进入大模型主导的创新周期。

图 AI大模型产业链 

从全流程的角度来看，以ChatGPT为代表的AI大模型企业，首先会自主生产或采购所需的算力基础设施等设备。接着，通过自主的基础模型研发和模型优化改进两个步骤，完成模型的调整和软件的优化工作。最终，这些公司将成品软件进行销售，并通过产品的运营和商业应用，提升专业用户的生产效率。

1）算力基础设施：AI云服务由现有的云服务提供商提供，为AI大模型公司提供所需的算力。在大算力芯片领域，主要参与者包括国外的英伟达等半导体巨头，而国内厂商则在迎头赶上。

2）基础模型研发：高昂的成本和高技术门槛使得科技巨头和科研机构成为主要的参与者。科技巨头所做的基础模型研发成果能够为其公司的一系列业务提供支持。

3）模型优化与改进：这个阶段主要包括将模型进行行业化改造，提供API接口或改进后的模型。实际上，这个功能可能由产业链中基础模型研发环节或者下游的应用软件层来完成，目前还没有看到专门从事这个环节的公司。

4）应用软件：这一阶段侧重于产品的运营和商业应用能力，类似于SaaS（软件即服务）公司。在国内外，已经涌现出许多初创公司，它们的目标是通过提升专业用户的生产效率来创造价值。商业模式主要依赖于订阅制收费，因此衡量指标与SaaS公司相一致，主要使用ARR（年度经常性收入）来衡量。考虑到中美在付费意愿方面的差异可能会影响SaaS的发展，对于国内的AI大模型应用软件层的商业模式，尚需持续观察以获取验证。

影响利润的因素：

1. 软件成品的定价。较高的价格意味着更强的盈利能力。

2. 基础设施成本。例如，算力支持系统等，直接影响盈利水平，属于可变成本。

3. 厂房设备折旧、人工费用、运营费用、运输费用等。这些成本相对较为刚性。

4. 研发成本、模型研发和训练成本。模型在投产之前的调整、训练和反复测试与企业的研发能力密切相关。

5. 后续运营和维护成本。这部分成本会在成品销售后影响企业的经营成本。

图：大模型训练成本估算

2.2 技术进步

1. 自然语言技术效能提升：在自然语言处理领域，技术已经有了显著的进步。ChatGPT 是一个代表，与早期的自然语言技术相比，它通过采用大型模型进行训练，并引入人工反馈增强学习(RLHF)方法，实现了明显的效果提升。

从2017年开始，BERT 和GPT 模型成为应用范围最广的技术，并在这些基础模型上进行了不断的改进。引入人工反馈增强学习(RLHF)方法后，模型能够通过与人类标注者的互动来进行强化学习，通过人类的反馈来提升性能。标注者可以修改、比较和排序初始模型生成的结果，从而协助模型的训练。ChatGPT 在语言生成领域取得了显著的突破，形成了自己的优势。

2. 创新的AI应用场景：ChatGPT 属于生成式人工智能，与分析型AI不同，它不仅局限于现有内容，已经在文学创作、代码处理、营销等多个创造性场景中得到应用。

生成式AI广泛应用于创意工作。人工智能可以分为生成式AI和分析型AI。分析型AI主要在已有数据的基础上分析出规律和关系，并生成报告或提供建议。例如，通过追踪客户行为来创建用户画像，并基于此进行个性化推荐，实现精准营销；通过收集城市传感器的数据并分析，预测天气和环境污染情况，帮助政府部门制定政策。

与分析型AI不同，生成式AI可以通过学习已有数据和信息生成多种形式的新内容，广泛应用于创造性领域，包括生成文本、图像、对话、音视频、代码、3D等。

3. 商业化潜力的创新：ChatGPT 迅速增加的用户数量显示出其巨大的商业化潜力，内容生成可能成为其重要应用。据报道，仅用了5天时间，ChatGPT 的用户数量从零增长到100万，速度远超其他平台。从活跃用户角度来看，在2023年1月，ChatGPT 平均每天吸引约1300万独立访客，比去年12月翻了一倍。用户数量的迅速增加反映出ChatGPT 具备强大的商业化潜力。

图 NLP自然语言处理技术发展历程

2.3 政策监管

行业监管机构和管理体制

国家发展和改革委员会以及国家工业和信息化部对该行业进行宏观调控。行业自律组织包括中国软件行业协会、中国人工智能产业发展联盟和中国人工智能学会。

相关政策

作为人工智能和机器学习领域的重要应用，ChatGPT 对于实现服务业高质量发展，提升业务服务智能水平具有重要意义。自党的十九大以来，为促进相关行业的高质量发展，推动先进制造业和服务业的布局，优化产业结构，提升产业智能化水平，国家和地方相继出台了一系列扶持政策，为高质量发展提供了有力支持。

表 国家主要政策及指导性方案

第三章 行业估值、定价机制和全球龙头企业

3.1 行业综合财务分析和估值方法

图 指数PE/PB

图 指数市场表现

行业估值方法包括市盈率估值法、PEG估值法、市净率估值法、市现率、市销率估值法、企业价值估值法、市售率估值法、重估净资产估值法、企业价值与EBITDA比率估值法、股息折现模型、现金流折现模型、红利折现模型、股权自由现金流折现模型、无杠杆自由现金流折现模型、净资产价值法、经济增加值折现模型、调整现值法、净资产价值估值法、账面价值法、清算价值法、成本重置法、实物期权、LTV/CAC比率、GMV比率、P/C(customer)比率、梅特卡夫估值模型等多种方法。

图 主要上市公司估值对比

3.2 行业发展的驱动因素

技术创新

基于Transformer 架构的技术，结合RLHF方法，推动了自然语言处理领域的新突破。当前，Transformer 架构已成为主流，AI 和自然语言处理正逐渐进入基于Transformer 架构的GPT 和BERT等技术的影响范围将进一步扩大。BERT 模型采用了双向Transformer编码器的多层结构，而GPT 模型则由12 个经过修改的Transformer 解码器模块组成。

相对而言，BERT 模型主要在自然语言理解方面具有优势，而GPT 模型则在自然语言生成方面更为出色。BERT 的改进型号包括RoBERTa、ALBERT 等，而GPT 的改进型号包括GPT2、GPT3、ChatGPT 等。引入人工反馈增强学习(RLHF)方法后，模型

能够在与人类标注者互动时通过人类的反馈进行强化学习，从而在语言生成领域形成新的优势。

需求驱动

当前以ChatGPT技术为代表的新型AI技术属于生成式AI，生成式AI可以通过学习现有数据和信息生成多种形式的新内容，在创造性领域得到应用。生成式AI的发展将带动下游需求快速增长，推动整个行业的发展。

快速商业化发展

ChatGPT 用户数量迅速增加，显示出巨大的商业化潜力。仅用了5天时间，ChatGPT 的用户数量从零增长到100万，速度远超其他平台。国内外巨头持续投入人工智能和生成内容领域。AIGC（AIGeneratedContent）指由人工智能生成的内容，包括文本、图像、音频、3D等多种类型，具有高效自动化生产的特点。近年来，谷歌、亚马逊、百度等国内外巨头在AIGC领域持续布局，相关应用的实际落地推动了相关技术的商业化应用，加速了行业的发展。

事件驱动

图 ChatGPT综合新闻指数

3.3 行业风险分析

表 常见行业风险因子

(1)宏观经济动态：在后疫情时代，国内经济的复苏前景充满不确定性。产业转型和新技术的实施可能受到影响，而宏观经济的波动可能对IT领域的投资造成负面影响，从而影响整体行业的增长预期。

(2)下游需求疲软：下游市场在具体技术应用和数字化需求方面可能不如预期，对中上游的拉动作用有限，因此行业的增长可能会受限。

(3)伦理等风险存在：人工智能技术的应用可能涉及侵犯个人隐私和伦理问题。如何明确定义技术应用范围，制定隐私保护政策以及相关法规，目前尚存在很多未知因素。

3.4 竞争分析

图 SWOT分析

3.5 中国主要参与企业

中国企业的主要参与者包括阿里巴巴[BABA.N]、百度[BIDU.O]、知乎[ZH.N]、极光[JG.O]等。

1. 阿里巴巴[BABA.N]：阿里巴巴集团控股有限公司，简称阿里巴巴，是一家总部位于中国的跨国科技公司，专注于电子商务、零售、互联网和技术领域。该公司成立于1999年9月28日，总部位于浙江杭州。它通过门户网站提供C2C、B2C和B2B销售服务，还提供电子支付、购物搜索引擎和云计算等服务。在全球范围内经营多样化的业务。

2. 百度[BIDU.O]：百度公司是一家总部位于北京海淀区的中国跨国科技公司，专注于互联网相关服务、产品和人工智能。它是全球最大的人工智能和互联网公司之一，在中国搜索引擎市场占有76.05%的市场份额。2007年，百度成为第一家被纳入纳斯达克100指数的中国公司。此外，它也是美国计算机伦理联盟“人工智能伙伴关系”的第一家中国公司。

3. 极光[JG.O]：极光成立于2011年，是中国领先的客户互动和营销科技服务提供商。最初专注于稳定高效的消息推送服务，如今已发展为市场份额领先的移动消息推送服务商。极光推出了消息云和营销云等解决方案，帮助企业实现多渠道客户互动和人工智能驱动的营销科技应用，助力企业数字化转型。

3.6 全球主要竞争者

全球范围内的主要非中国企业包括微软[MSFT.O]、谷歌[GOOG.O]、亚马逊[AMZN.O]、英伟达[NVDA.O]、META[META.O]、LivePerson[LPSN.O]、BuzzFeed[BZFD.O]等。

1. 微软[MSFT.O]：微软公司是一家美国跨国科技公司，总部位于华盛顿州雷德蒙德。它涵盖计算机软件、消费电子产品、个人计算机和相关服务。微软以Windows系列操作系统、Microsoft Office套件、Internet Explorer和Edge网络浏览器著称。其旗舰硬件产品包括Xbox视频游戏机和Microsoft Surface触摸屏个人电脑系列。

2. 谷歌[GOOG.O]：谷歌有限责任公司是美国一家跨国技术公司，专注于在线广告、搜索引擎技术、云计算、计算机软件、量子计算、电子商务、人工智能等领域。谷歌因其在人工智能、数据收集和技术方面的优势而被誉为“世界上最强大的公司”之一。

3. LivePerson[LPSN.O]：LivePerson是一家总部位于纽约市的全球技术公司，致力于开发对话式商务和人工智能软件。最知名的产品是Conversational Cloud，它允许消费者与品牌进行消息交流。

第四章 展望未来

在“十四五”时期，国家政策将推动相关行业迅速发展。一系列政策文件，如“十四五”规划和关于发展战略性新兴产业的指导意见，将推动人工智能、机器学习等领域的快速发展，促进新兴产业壮大，推动国家经济转型和高质量发展。

技术落地加速商业化。ChatGPT仅用5天时间就从零发展到了百万用户，速度远超其他平台。根据Similarweb的数据，2023年1月，ChatGPT每天平均吸引约1300万独立访客，较去年12月增长一倍以上。国际大企业积极推动技术落地，例如，亚马逊与AI制图平台StabilityAI合作，成为其首选云合作伙伴，同时提供亚马逊Tradium芯片；华为

诺亚方舟实验室联合多部门推出了首个2000亿参数中文预训练模型盘古α；百度宣布了类ChatGPT大模型新项目文心一言（英文名ERNIE Bot）。技术商业化的步伐加快，推动了下游行业的深刻变革。

多领域创新推动行业改革。一系列技术，以ChatGPT为代表，将在办公、教育、机器人等领域迅速推进，并协同在医疗、电商、安防、工业制造、金融等领域应用。这将显著提升行业的智能化和高效化水平，推动行业的深刻变革。

后记：本文由GPT3.5辅助写作

延伸阅读：

关于协议转让的分析报告（2023年修订版）

两部一局：完善研究开发费用税前加计扣除政策的通知

海泰科股东违规减持股票问题分析

券商融资融券业务市场分析（2023年修订版）

2023年股票质押违约处置市场分析