对话西部利得基金经理，前英伟达工程师陈蒙AIGC应用层未来可

　　21世纪经济报道记者赵云帆上海报道
　　在OpenAI更新GPT4以及英伟达（NVIDIA）发布会的联袂出演下，AIGC（生成式人工智能）已经成为资本市场最为热门的话题。从ChatGPT所代表的AIGC模型层，到模型上游的芯片与算力，再到模型下游的应用层，整个电子板块都为之带动，并一扫去年的阴霾。
　　21世纪经济报道记者统计，3月中旬以来，东财AIGC概念板块涨幅整体超两成，今年以来则累计涨超50；而与其相关的东财信创概念今年也上涨超过40，芯片行业涨幅则在20左右。
　　火热的市场预期之下，更多市场炒作实则表现为对AIGC热度的映射，其投资路径尚未在市场参与者中形成共识。
　　对于AIGC的前景对产业的影响，前英伟达工程师、西部利得中证人工智能主题指数增强基金经理陈蒙在接受21世纪经济报道记者采访时，为记者分析了人工智能在iPhone时刻之后，对AI，芯片，算力，商业等领域可能造成的影响。
　　计算光刻能降低晶圆厂开支
　　3月20日，英伟达GTC会议上，公司CEO黄仁勋不仅发布了ChatGPT专用芯片，更披露了计算光刻技术的中间件和软件库cuLitho。
　　那么这个被称之为芯片革命的计算光刻，会如何影响相关企业的发展与经营？
　　对于这个黑科技，陈蒙向记者解释，当前晶圆企业之所以要引入光刻计算，主要是因为目前芯片制程在越来越小之后，光刻光源在透过掩膜版后的衍射效应会更明显，其将对光刻在硅片上的成形产生非常大的影响，进而影响相关企业的研发生产效率。
　　光刻计算是一种倒算的方式，用计算机模拟光源透过掩膜后在衬底形成图案的整个光学和化学过程，从要生成的图案倒推，去优化光刻环节当中的光照条件和掩膜版图形，可以有效提高光刻的分辨率，减少衍射相差，缩短掩膜版的制作过程等等。
　　另外，陈蒙还向记者解释为何在晶圆企业使用基于GPU技术的cuLitho后，能大幅加速晶圆企业的生产节奏。
　　GPU加速本身是一个并行的方式，它的效率是要比CPU串行这种方式高很多。当前台积电就号称有几万台cpu服务器跑光刻计算，但如果用GPU替代CPU去跑，就能大幅提升这一速度。举个例子，英伟达H100芯片应该是要用接近90块掩膜板。如果在以前的CPU上处理一个掩膜版，可能需要两三周的时间，但如果用GPU上运行cuLitho，可能只要几个钟头就可以。
　　全球晶圆厂一年的资本开支近2000亿美元，其中一部分就花在大型数据中心跑数据创建光刻用的掩膜版上面。所以不论是提升效率还是降低功耗，光刻计算都有望帮助晶圆厂缩减资本开支。陈蒙指出。
　　陈蒙则认为，当前大陆大部分相关企业采用最新的光刻计算技术的动力可能并不强，因其主要制程仍然在成熟制程上。
　　初期算力层面更易兑现订单
　　ChatGPT的爆火带动了AIGC行业从算法、算力到应用层面的全方面繁荣，同时也带起了一波资本市场上的热度。
　　而在陈蒙看来，虽然AIGC并非新名词，但其真正得到资本市场认可，还是和商业化落地相关。
　　AIGC其实在很早的时候就出现了，比如AI画图出现时间已经超过两年了。它原来可能是一个偏技术的东西。AI的早期追求也是诸如更完美的语义理解能力，或者能不能战胜职业棋手之类。但是这些都没有商业化。
　　但是，最近围绕人工智能却诞生了一堆具备变现能力的商业化产品，比如AI作画的midjourney，pdf处理工具chatPDF，办公的Microsoft365Copilot。相比过去停留在技术层面的人工智能概念，现阶段智能化正在不同场景中体现出更多的应用价值。陈蒙指出。
　　在他看来，生态当中不仅需要有类似ChatGPT这样的大模型企业，还需要众多垂直行业的细分小模型企业。他认为，大模型至少要达到千亿级别的参数才能达到涌现；相比之下，小模型更多的是融合自己垂直行业的理解，具备独占的数据优势，落地上更多是商业模式的创新，可以几十亿，百亿级别的参数量可能就可以，通过小模型在底层大模型上加约束的方式来控制大模型的输出，最终实现适合自身垂直行业的商业落地。
　　在算力、模型和应用三个AIGC层面上，陈蒙也更看好应用层企业的发展。
　　如果把它想象是一块万亿元的蛋糕，最终来讲应用层可能还是会占大头，因为它直接面对消费者。不过不同阶段也会有不同的表现，比如初期可能在算力层面容易兑现订单。
　　另外，陈蒙还指出，从当前的环境来看，即便ChatGPT在大模型领域仍然较为强势，但国内可能依然最终会有12家的大模型企业，并由他们建立自己在国内的生态。
　　对应用层的企业来讲，未来要重点关注大模型企业如何定义自己的边界，一旦大模型成为流量的超级入口，如果边界定义的很模糊，对很多应用层面的商业模式可能会产生颠覆，需要紧密跟踪。
　　AI算力需求或阶段性提升
　　部分市场观点认为，在AIGC生态建立的早期，云计算、服务器等算力行业及其细分行业可能是较早的受益行业。不过，在陈蒙看来，初期的算力弹性可能没有那么大，而应用端开始普及时，算力提升一定会非常显著。
　　由于一些客观原因，目前很多算法企业已经囤了一些货。如果只是要做模型训练的话，其要求的并非是一个很高频的访问，短期对算力的弹性相对有限。
　　举例而言，如果说一家企业想将过去一段时间所有的数据训练一遍，那么这时候对算力的需求相对处在较高的阶段。但是再往后是增量数据的训练，这时候训练对算力的需求就不是很高了，训练本身相对更低频一些。
　　而对于在AIGC终局时的算力需求，陈蒙认为，就ChatGPT的经验来看，算力需求实际确实会随着应用端的访问需求的增长快速增长。
　　近期AIGC概念火爆，陈蒙透露，相比于ChatGPT这类模型层企业，当前机构投资者相对更看好算力和应用，因为模型层企业最后的行业集中度较高，单个企业的成功率低，因此标的的选择会比较困难。
　　同时，因为国外的产业发展相对领先，算力端的订单兑现能力相对靠前，因此陈蒙认为，在A股中的相关海外供应链当中的算力企业共识度较高。
　　另外，陈蒙也透露，机构投资者也偏好探索能通过AI实现快速提质增效的企业。如在细分行业中经营较为优秀，适应能力较强，在大模型诞生后能挖掘出公司提质增效或者降本的应用的企业，这些企业也可能成为机构投资者长期关注的方向之一。
　　更多内容请下载21财经APP