​​专业报告，计算机行业中期策略：把握人工智能和数字中国双主线机遇！

（报告出品方/作者：万联证券，夏清莹、王景宜）

1 行业整体：业绩短期承压，估值、持仓显著回暖

1.1 行情回顾：年初以来涨幅较大，行情显著跑赢大盘

计算机行业年初至今涨幅较大，在全行业中排名第3。2023年以来，受到数据要素、 AIGC、数字中国等主题的驱动，计算机行业行情表现较好，大幅领先于沪深300指数。 4月到达行情最高点后经历了AIGC情绪的分歧、以及23Q1业绩表现不佳的影响有所回 调，5月开启新一轮上涨，目前仍处上升通道。2023年年初至6月13日，申万计算机行 业上涨37.49%，涨幅在申万一级31个行业中排名第3位。同期沪深300上涨2.37%，计 算机板块跑赢沪深300指数35.12pct。

估值情况来看，SW计算机行业PE从2022年9月开始探底回升，目前仍处于上升趋势。 截至6月16日收盘，申万计算机PE（TTM）已回升至54.76倍，高于2018年至2023年的 历史均值水平47.55倍。

1.2 业绩分析：23Q1 业绩承压，全年修复可期

2023Q1业绩仍然承压，需求静待修复。2023年第一季度，计算机行业实现营业收入 2270.15亿元，同比下降了1.45%，较22年Q1的增速同比下降了17.03pct，下游需求亟 待修复。实现归母净利润54.54亿元，整体法下同比增速由22年Q1的-41.53%转为 41.17%，增速同比提升了82.70pct，主要是由于非经常性损益的大幅回升。扣非净利 润为-0.98亿元，同比下降104.02%。2023年Q1计算机行业整体毛利率为26.15%，同比 上升0.63pct；销售/管理/研发费用率分别同比提升了0.8pct/0.33pct/1.04pct。

业绩压制因素大幅改善，2023年基本面修复可期。2022年受宏观环境影响，计算机行 业普遍存在项目实施和收入确认延期、商务活动受阻等现象，导致业绩表现较差。 23Q1业绩在宏观经济温和复苏的背景下仍然承压，下游需求亟待修复。当前时点与 2022年相比主要不利因素已基本消除，部分细分领域已出现复苏迹象，随着下游B端、 G端IT支出的回暖、招投标节奏恢复正常，行业的订单和收入增速有望恢复。同时行 业积极控费降本，员工数量增速呈下降趋势，预计收入-成本剪刀差有望扩大，利润 有望释放弹性。

1.3 持仓分析：基金持仓比例大幅提升

2023Q1计算机行业基金重仓比例持续上升，超配比率大幅提升。计算机行业2023年Q1基金持仓占比为7.40%，较2022年Q1同比提升了3.82pct，较2022Q4环比提升了3.05pct。 对比计算机行业流通市值占全部A股流通市值的比例，2023年Q1计算机行业基金持仓 的适配比例为7.40%，超配了2.07pct，但对比2015年的高位仍有较大空间。

从持股市值看，2023年Q1计算机行业的前十大重仓股分别为金山办公、海康威视、恒 生电子、科大讯飞、广联达、纳思达、深信服、同花顺、宝信软件、中科创达。重仓 股持股市值多数环比上升，仅纳思达和中科创达持股市值环比下降。

1.4 行业展望：把握人工智能和数字中国双主线投资机遇

把握人工智能和数字中国双主线机遇。2023年以来，以ChatGPT为代表的AI大模型技 术迎来奇点时刻，AI产业发展日新月异，全球科技公司争相入局大模型研发，上游算 力供不应求，下游应用百花齐放，有望带来IT全面升级。同时，本轮AI的技术升级与 我国的数字经济政策同频共振，2022年年底以来，数据要素、数字中国相关纲领性文 件陆续发布，国家数据局的成立将推动数字中国建设进入实质性落地阶段。数字中国 的核心组成部分数据要素也是AI大模型训练的“燃料”，智算中心、数据中心的建设也为我国发展人工智能提供算力支撑。我们建议把握人工智能和数字中国双主线机 遇，关注AI算力、AI应用、数据要素三大领域。

2 人工智能：ChatGPT 正式开启大模型时代，带动 AI 产业 升级

2.1 OpenAI 与谷歌两大巨头引领技术不断进步

2.1.1 OpenAI：ChatGPT 开启大模型时代，GPT-4 能力大幅提升

2022年11月30日，OpenAI推出全新的对话式AI工具ChatGPT。ChatGPT表现出的交流问 答、文本撰写、生成代码等能力，刷新了人们对AI技术发展的认知。据钛媒体消息， ChatGPT推出短短几天内，注册用户超过100万，2个月活跃用户数已达1个亿，引爆全 网热议，成为历史上增长最快的消费者应用程序，掀起了人工智能领域的技术巨浪。 大规模的参数与海量的训练数据为GPT系列模型赋能，使其可以存储海量的知识、理 解人类的自然语言并且有着良好的表达能力。GPT家族是OpenAI公司推出的一系列生 成式语言模型，每一代GPT相较于上一代模型的参数量均呈现出指数级增长。OpenAI 在2018年6月发布的GPT包含1.2亿参数，在2019年2月发布的GPT-2包含15亿参数，在 2020年5月发布的GPT-3包含1750亿参数。与相应参数量一同增长的还有公司逐年积淀 下来的海量数据。

ChatGPT由一系列GPT模型演变而来，引领AI技术路线发展。除参数量的增长以外，GPT 模型家族的发展从GPT-3开始分成了两个技术路径并行发展，一个路径是以Codex为代 表的代码预训练技术，另一个路径是以InstructGPT为代表的文本指令（Instruction） 预训练技术。后者通过指令学习（Instruction Tuning）、有监督精调（Supervised Fine-tuning）以及基于人类反馈的强化学习（RLHF）等技术实现了以自然语言对话 为接口的ChatGPT模型。ChatGPT的出现为AI技术路线的发展指明了可行的方向，即在 “预训练模型+Prompt”的训练范式下，通过“大算力+大数据+大参数”提升模型准 确性，并加入人类反馈的强化学习（RLHF）与人类偏好对齐，预计将成为后续AI技术 发展的主流路线。

GPT-4升级为多模态，能力飞跃式提升。GPT-4于2023年3月14日发布，属于多模态大 模型，能够支持图像和文本的输入，再输出正确的文本回复。和上一代相比，GPT-4 拥有了更广的知识面和更强的解决问题能力。当任务的复杂性足够高时，GPT-4比 GPT3.5更可靠、更有创意，并且能够处理更细微的指令，例如强大的识图能力、长内 容分析能力、回答准确性显著提高；能够生成歌词、创意文本，实现风格变化。与上 一代模型相比，GPT-4显著减少了“幻觉”。在OpenAI内部对抗性事实性评估中，GPT4的得分比GPT3.5高40%。

OpenAI发布ChatGPT plugins功能，构建第三方应用生态。据官网资料，ChatGPT的第 一批插件由Expedia、FiscalNote、Instacart、KAYAK、Klarna、Milo、OpenTable、 Shopify、Slack、Speak、Wolfram和Zapier等公司提供，这些插件的具体功能包括推 荐餐厅、制定出游计划、网上商店购物、企业办公、信息检索、语言教学等，涵盖日 常生活的衣食住行各个方面。

2.1.2 谷歌：与 OpenAI 竞争持续升级，前瞻性探索具身智能

谷歌紧随OpenAI脚步，发布PaLM 2与GPT-4同台竞技。2023年2月6日，谷歌发布由 “LaMDA轻量级版本”支持的Bard对话式人工智能项目；3月21日，Bard正式开放内测， 并将反馈结果用于改进；5月10日，在年度开发者大会上，谷歌正式发布了对打GPT4的PaLM 2并将其赋能Bard。语言能力方面，新版Bard支持100种语言。推理能力方面， PaLM 2的广泛数据集包括科学论文和包含数学表达式的网页，由此带来了强大的逻 辑、常识推理和数学方面的能力，比之前的PaLM更容易理解人类的意图。在少样本场 景下的推理能力对比中，PaLM 2相较PaLM的性能提升幅度较大，在WinoGrande、DROP 场景超越GPT-4。

谷歌PaLM-E探索具身智能，或是下一阶段大模型发展方向。PaLM-E模型源自于谷歌的 大型语言模型PaLM，E指的就是具象化（Embodied）。通过将通用语言模型与视觉转换 模型ViT相结合，PaLM-E成功实现让AI同时具备“理解文字”和“读懂图片”的能力， 不仅能够输出文字，还能赋予机器思考如何执行人类指令的能力。研究人员介绍称， PaLM和ViT的结合，使得PaLM-E的参数量最高可达5620亿。

大模型是连接人工智能产业生态的桥梁，向上带动算力基础设施的需求，向下促进应 用的百花齐放。上游产业：可分为硬件、软件两部分。其中,硬件上包括通用计算芯 片、AI计算加速芯片、计算服务器、存储服务器、高速互联网络等。软件包括云计算 环境、数据库组件、容器和虚拟化技术等。中游产业：主要围绕大模型技术研发、管 理和运维发展。技术研发方面,主要包括算法研发所需的编程环境(语言)、算法框架 等工具,甚至可能出现专业的模型测评机构。同时,可能出现一批基于模型技术开发 平台、服务和软件开发的企业。下游产业：主要是大模型重点落地的场景,这些场景 可以和教育、营销、社交、娱乐等产业结合,形成丰富的产业形态。

2.2 国内大模型百舸争流，政策大力支持产业发展

国内大模型研发如火如荼，参与者包括BAT、华为、京东等互联网厂商，也包括商汤、 科大讯飞等人工智能算法独立厂商，以及高校和研发机构。从参数量来看，国内大模 型参数规模大多达到了千亿级以上，其中阿里通义及腾讯混元参数量达到万亿级。从 模型类型来看，国内大模型以NLP模型为主，主要实现人机对话、文本生成等功能。 互联网大厂及少数AI算法厂商涉及了CV及多模态领域。

相比国外大模型，国内大模型发展更注重实际落地。从落地方向上来看，百度、阿里、 科大讯飞均采取了“通用基础大模型+行业大模型”协同发展的模式，首先发布通用 大模型并开放公众测试，同时积极将大模型融入自身产品线。而华为、腾讯则更侧重 于打造行业专属大模型，专注于对B端客户的赋能。

1）百度：文心大模型

“文心一言”打响国内大模型第一枪。百度于2023年3月16日召开关于“文心一言” 的主题发布会。“文心一言”是国内首款公开发布的生成式语言大模型，基于飞桨深 度学习平台和文心大模型打造，持续从海量数据和大规模知识中融合学习，具备知识 增强、检索增强和对话增强的技术特色，能够与人对话互动、回答问题、协助创作， 高效便捷地帮助人们获取信息、知识和灵感。除NLP大模型“文心一言”外，百度文 心大模型还包括了CV大模型、跨模态大模型、生物计算大模型和一系列行业大模型， 具有多模态内容创作、数理推算、数据搜索分析、程序代码生成分析等能力，可应用 于政务、金融、旅行、电商、企业办公多种场景。 文心大模型积极拓展内外部应用，目前面向公众和企业用户同时进行开放测试。内部应用方面，文心大模型已经率先应用于百度搜索、智能驾驶、百度地图、小度智能屏 等内部重要产品上；外部应用层面，据百度智能云披露，发布三个月以来，已有超15 万客户申请接入文心一言，超300家企业成为文心一言生态伙伴，实现超400个具体场 景落地。

2）阿里：通义大模型

2023年4月，阿里正式发布了“通义千问”产品。该产品基于10万亿级参数的大模型 底座M6-OFA，未来将具有多轮交互及复杂指令理解、可多模态融合、支持外部增强 API等多种能力。阿里巴巴通义大模型以统一底座为基础构建了层次化的模型体系， 其中通用模型层覆盖自然语言处理、多模态、计算机视觉，专业模型层深入电商、医 疗、法律、金融、娱乐等行业。通用与专业领域大小模型协同，让通义大模型系列可 兼顾性能最优化与低成本落地。 钉钉率先接入通义千问，未来阿里全线产品将接入大模型升级。根据峰会当天预告的 Demo演示，接入通义千问之后的钉钉可实现近10项AI功能，包括创作诗歌小说、撰写 邮件、生成营销策划方案、生成会议记录并自动总结会议纪要、生成待办事项等。最 值得关注的是，钉钉展示了拍照生成小程序场景，上传一张功能草图，不用写一行代 码，可立刻生成订餐轻应用。未来阿里全线产品将接入大模型升级，包括天猫、钉钉、 高德地图、淘宝、优酷、盒马等。

3）科大讯飞：星火认知大模型

2023年5月6日，讯飞星火大模型正式发布，宣布10月对标ChatGPT。发布会展示了文 本生成、语言理解、知识问答、逻辑推理、数学能力、代码能力以及多模态能力七项 能力，模型在文本生成、逻辑推理等AI任务上表现惊艳，中文表现已接近ChatGPT。 2023年6月9日，讯飞星火认知大模型V1.5如约而至，几项能力都有了显著提升：文本 生成能力有7%的提升，语言理解能力提升了8%，知识问答提升了24%，在逻辑推理、 数学能力和代码能力上分别有了10%、9%和8%的提升。根据科大讯飞宣布的计划，8月 15日将突破代码能力，多模态交互能力也将正式开放给客户；10月24日在通用大模型 领域对标ChatGPT，中文超越，英文相当。

科大讯飞将大模型嵌入自身产品线，落地教育、办公、汽车、数字员工四方面应用。 教育:学习机实现作文高级批改，能识别错别字、语句不通及根据作文要求评价内容， 快速完成普通教师30分钟的批改量;英文作文纠正拼写错误、词汇用法和句型结构; 并提供AI开放式英文对话练习功能。办公:在办公本、录音笔、讯飞听见等办公产品 中提供语篇规整及规整前后对比，会议纪要并根据手写内容概括会议重点，根据录音 实现品宣文案、新闻稿件等各风格需求一键成稿，并可翻译成多种语言。汽车:车内 实时语音交互，实现路线搜索、行程规划、故事朗读、电话录音并纪要等功能。数字 员工:能够实现更加智能的虚拟人智能交互、RPA自动数据分析及PPT创作等。

4）华为：盘古大模型

华为专注AI for Industry，主要面向企业市场提供全栈式服务。华为盘古大模型于 2021年发布，包括NLP、CV、科学计算等大模型。根据2023年4月华为公布的最新进展， 华为基于一站式AI开发平台ModelArts建立了三个层次的大模型，L0层为基础通用模 型，L1层为结合具体行业数据训练的行业大模型，包括矿山、气象、药物、电力、金 融等行业，L2层为应用于具体业务场景的部署模型，如金融OCR模型、PCB板质检模型、 电力巡检模型等。

5）腾讯：基于行业大模型的腾讯云MaaS

腾讯以行业大模型切入大模型产业，定位为B端MaaS提供商。6月19日，腾讯首次正式 公布行业大模型研发进展，并发布面向B端客户的腾讯云MaaS（Model-as-a-service， 模型即服务）服务解决方案。腾讯云MaaS的技术底座是一系列的行业大模型，包括金 融、政府、文旅、传媒、教育等。基于这些基础模型，腾讯云的客户只要加入自己的 场景数据，就可以生成契合自身业务需要的专属模型。

我国AI产业支持政策频出，监管政策及立法有序推进有利于推进我国AI大模型的研 发升级和产业链上下游的发展。2023年4月，中央政治局会议首次提出，重视通用人 工智能发展。5月，北上深三地齐发人工智能相关支持政策，均重点提及支持智能算 力建设，预计算力基础设施的投资力度将加大。同时，北京还重点强调了人工智能芯 片的国产化。此外同时，北京和深圳均强调人工智能落地应用场景、赋能千行百业。 监管层面，网信办发布了《生成式人工智能服务管理办法(征求意见稿)》，对AI生成 内容的真实性、歧视性、数据安全、隐私、知识产权等方面提出相应监管要求。《国 务院2023年度立法工作计划》也将人工智能法草案包含在内。

2.3 算力：算力需求持续增长，AI 服务器及芯片市场迎来机遇

2.3.1 大模型发展需要海量算力支持

随着LLM参数规模的提升，知识密集型的学习效率普遍提高，甚至出现“涌现能力”。 2022年Google发表文章探讨大模型的涌现现象，点明很多能力是模型规模增大以后神 奇出现的，当模型规模跨过某一阀值时，大模型对此类任务的效果就出现突然的性能 增长。针对知识密集型任务，随着模型规模逐步放大，任务的表现越来越好；类似于 思维链等比较高级的能力，需要在数百亿参数量以上的模型中才表现得足够优异。

参数量增长的背后是海量的算力支持，预计大模型参数规模增长仍是当前趋势，算力 资源需求保持旺盛。自2010年代初深度学习问世以来，训练所需的算力快速增长，大 约每6个月翻一番。2015年末，随着大规模的出现及其参数量的快速增长，训练算力 的需求提高了10到100倍。据澎湃新闻报道，OpenAI首席执行官Sam Altman在OpenAI 闭门会议上称，ChatGPT开放更长的上下文窗口、提供微调API等服务都受到GPU资源 的限制。此外，OpenAI的内部数据表明，模型性能与规模成比例的规律仍然成立，即 模型更大、性能也会更强。OpenAI会继续尝试把模型做得更大。我们认为继续通过增 大模型和增加训练数据仍会是短期内演进方向。随着全球大模型数量的不断增加、模 型参数的快速增长，叠加模型从单一模态向多模态、具身智能发展的发展趋势，算力 需求将持续保持旺盛。

全球智能算力规模正在快速膨胀。据信通院测算，2021年全球计算设备算力总规模达 到615EFlops，增速达到44%，到2030年智能算力将达到52.5ZFlops,平均年增速超过80%;国内方面，根据IDC数据，2021年中国智能算力规模达155.2每秒百亿亿次浮点运 算（EFLOPS），2022年智能算力规模将达到268.0 EFLOPS，预计到2026年智能算力规 模达到1271.4 EFLOPS。智能算力规模和增速远超通用算力，预计中国智能算力规模 年复合增长率达52.3%，同期通用算力规模年复合增长率为18.5%。

2.3.2 服务器厂商有望率先受益

服务器是AI算力的主要载体，预计全球AI服务器市场规模将高速增长。IDC数据显示， 2021年全球人工智能服务器市场规模达156.3亿美元，约合人民币1045亿元，同比增 长39.1%。其中，浪潮信息、戴尔、HPE分别以20.9%、13.0%、9.2%的市占率位列前三， 三家厂商总市场份额占比达43.1%。未来五年，人工智能服务器市场将继续高速增长， 预计2026年全球人工智能服务器市场规模将达到347.1亿美元，五年复合增长率为 17.3%；国内市场方面，2021年中国人工智能服务器市场规模达到59.2亿美元，与2020 年相比增长68.2%。IDC调研显示，超过80%的中国企业将在未来一年持续增加人工智 能服务器的投资规模，预计到2026年，中国人工智能服务器市场规模将达到123.4亿 美元。

AI服务器相比普通服务器价值量大幅提升，AI芯片为服务器成本核心。对比英伟达 DGX H100服务器和英特尔普通双路服务器的成本结构，可以发现AI服务价值量大幅 提升。其中，GPU成本占AI服务器总成本的比重超过80%，此外，其他主要部件如CPU、 内存、网卡等价值量均大幅提升。

2.3.3 国产 AI 芯片迎来发展机遇

AI芯片是专门为AI计算加速而设计的芯片，GPU目前占据主流地位。“CPU+X”的异构 计算模式极大加速了AI应用的运算效率。X即指代AI芯片，常见架构类型包括GPU、 FPGA和ASIC。在云端及边缘侧对芯片的计算性能、精度及通用性有高要求的训练场景， 以英伟达产品为代表的GPU长期占据AI芯片主流应用市场。而ASIC架构的AI芯片由于 高度定制化带来的极致性能，近年来发展势头较为迅速，市场上涌现出的类似谷歌的 TPU、高通的NPU等各种芯片，本质上都属于ASIC。

英伟达在GPU领域独占鳌头，已充分受益于本轮AI浪潮。英伟达是全球GPU市场的龙 头，凭借优异的产品性能及完善的CUDA生态占据主导地位。其拳头产品A100、H100加 速卡在本轮全球大模型竞赛中“一卡难求”。得益于在AI大模型持续火热的背景下， 互联网公司和云服务商对GPU需求的持续增长，英伟达2024FYQ1业绩大幅超出市场预 期，并预期下半年GPU需求仍将显著提升。

美国限制高性能AI芯片对华出口，国产芯片迎来机遇。2022年10月7日，美国正式出 台了针对中国大陆的出口管制新规，其中包括了对于高性能计算芯片对中国大陆的 出口限制，并且以NVIDIA的A100芯片的性能指标作为限制标准。对此，英伟达宣布将 推出符合新规划的A100的替代产品A800。从官方公布的参数来看，A800主要是对互联 带宽进行了限制，由A100的600GB/s降至了400GB/s，单卡算力不变，但互联带宽的限 制可能会限制整个集群的算力规模。

国内AI芯片厂商奋起直追，有望在ASIC路线上实现弯道超车。整体上看，国外芯片巨 头目前仍处于领先地位，占据了大部分市场份额，并且在GPU和FPGA方面近乎垄断。 国内AI芯片采用ASIC路线切入，在性能上向英伟达不断追赶。华为昇腾、寒武纪、百 度昆仑芯等厂商在多个领域取得突破进展，部分已进入批量出货阶段。如寒武纪的第 三代云端推训一体芯片思元370，最大算力高达256TOPS(INT8)，目前已与数家头部互 联网企业完成适配工作，已经进入了批量销售环节，并与金融、运营商等众多行业领 域中的头部公司实现了批量销售或达成合作意向。我们认为在国内政策支持和大模 型训练需求的双重驱动下，国产AI芯片有望扩大在国内的市场份额。

2.4 应用：大模型赋能千行百业，AI 应用百花齐放

预计未来3年内文本、代码领域出现成熟应用。目前AIGC大模型涉及到的模态有文本、 代码、图片、视频、音频、3D模型等，不同模态间往往可以进行相互转化，例如文本 生成图片、文本生成代码等。当前AIGC类的应用开发多数也是均是基于上述模态的生成和转化进行落地，满足不同场景的需求。根据红杉资本的预测，文本领域的应用走 在前列，在2023年左右已经可以输出较高质量的垂直领域文案；代码领域应用进展同 样迅速，而图像、视频等领域受限于多模态大模型的发展进度起步较晚。

2.4.1 通用工具：AI+办公软件开启智能办公新时代，大幅提升生产力

办公软件为本轮AI应用最先落地的应用场景，Notion AI开启付费订阅，微软已在探 索AI功能定价。2月底，文档协同软件公司Notion就推出了基于ChatGPT的企服工具 Notion AI，成为行业中第一个发布AI+轻文档办公软件应用的厂商。Notion AI拥有总结、改错、翻译、续写、头脑风暴等功能，已开启订阅制收费。3月16日，微软正 式发布Microsoft 365 Copilot，将GPT-4大语言模型能力融入了旗下全栈生产力工 具。据科技媒体The Information报道，包括美国银行、沃尔玛、福特和埃森哲在内 的600多家微软最大的客户预计将试用Microsoft Office 365中的Copilot功能，其 中至少已有100家客户已经额外分别为1000个订阅账户支付了高达10万美元的年费。 与经典版本相比，这一AI版本的Office 365价格至少高出了40%。微软利用AI功能进 行提价有望充分打开办公软件订阅付费空间。

WPS AI宣布全面嵌入Word、PPT、Excel及PDF四大组件，进一步对标微软Copilot。与 微软于3月发布的Microsoft Copilot功能类似，WPS AI在办公套件中能够执行各类 生成、理解、分析等任务。在Word中，用户只需要向助手提供创意，或复制粘贴已有 素材，WPS AI即可提供撰写、润色、总结的能力，并支持语音输入功能；在Excel中， 用户可直接向助手下达调用公式、函数等能力，自动生成相关图表，WPS AI可自动完 成计算和对数据的分析；在PPT中，WPS AI现已支持输入主题，一键生成PPT演示文稿， 并会根据用户要求进细化调节，如更改主题风格、单页美化、更改字体、更改配色、 生成演讲稿等；在PDF中，WPS AI能够阅读包括论文、合同、课件等文档，用户以问 答方式则可以获得关键信息，并提供文档溯源功能。此外，用户还能通过手机拍摄相 关文档，而后WPS给出相关翻译、概括、分析等功能。

大模型有望推动办公软件重构。我们认为LLM会从两方面改变办公软件行业：1）更好 的人机交互：办公软件功能繁多、交互复杂，用户的学习成本较高。在LLM能力的加 持下，用户通过简单的自然语言指令描述自己想要实现的功能和效果，办公软件就可 以自动执行操作，能够用户学习成本、省去大量的人工操作，从而大幅提升工作效率。 此外，过去移动端场景不便于深度操作文档，但随着AI技术不断提升人机交互的便利 性，移动端办公的用户体验有望充分提升。2）知识的再利用：LLM可以赋予办公软件 非结构化数据处理能力，随着大量文件与对话的数据在办公场景中不断沉淀，LLM的 能力可以帮助企业挖掘数据价值，未来企业可以私有化部署大模型，做到对企业的文 档库了如指掌，从而挖掘文档中沉淀的知识。

2.4.2 垂直行业：深度赋能千行百业，教育、金融领域加速融合

AI在教育、金融、医疗、工业、游戏等行业均有丰富的应用场景。1）教育：在课程 生成、作业批改、答疑反馈、个性化教学等场景均能融入；2）金融:可用于智能客服、 智能投顾、量化交易、信用评级、风险欺诈检测等领域；3）医疗:可辅助进行药物研 发、影像分析、拟定初步诊疗方案等；4）工业：赋能产品设计，生成设计图草稿、 3D建模；在产品制造阶段也可用于人机协作、工业质检；5）影视娱乐:对于非严肃场 景下的内容生成、特效处理、脚本创作等均有有效促进；6）游戏：辅助进行原画设 计、场景剧情生成、角色建模；可在个性化定制关卡、NPC交互等方面进行玩法创新。

AI+金融：智能客服、智能投研领域应用前景广阔

彭博构建金融数据集，训练出金融领域专用大模型BloombergGPT。2023年3月30日， 彭博发布一篇关于BloombergGPT开发情况的研究论文，文章详细介绍了这一全新的大 规模生成式人工智能（AI）模型。该大语言模型（LLM）专门针对各类金融数据进行 训练，以全方位支持金融领域的自然语言处理（NLP）任务，包括市场情绪分析、命 名实体识别、新闻分类和问题回答等。根据实验结果，BloombergGPT模型在金融任务 上的表现远超类似规模的开放模型，而在一般NLP基准上的表现也达到甚至超过了平 均水平。Bloomberg通过其积累的大量金融行业优质数据训练行业专有模型，更能够 满足金融场景的特定需求。

同花顺基于AI技术打造i问财等产品，实现智能客服、智能投研等功能。i问财可以提 供多维度的股票、基金、债券数据，投资者可输入自然语言问句，搜索想要的数据和 信息。i问财还能为客户提供条件选股、研报图表、精选策略、产品搜索、短线复盘、 策略回测、宏观经济等功能。此外，同花顺AI开放平台下还有智能服务数字人功能， 用人工智能技术、多模态的交互及富媒体的表达，解决用户个性化的投资问题。

AI+教育：提升教学互动性，打造个性化专属教师

Duolingo接入GPT-4，大大提升语言教学的互动性和个性化。Duolingo是一款广受欢 迎的语言学习应用程序，旨在帮助用户通过游戏化的方式学习新语言。该应用提供了 多种语言学习课程，包括英语、西班牙语、法语、德语、意大利语、葡萄牙语等。 Duolingo已经建立了广泛的语言学习课程和资源库，涵盖了多种语言和学习层级。结 合GPT-4的技术，Duolingo可以进一步扩展其课程内容，提供更丰富的教学体验。近 期Duolingo与OpenAI团队合作推出了Duolingo Max，在原有会员功能的基础上提供角 色扮演(“Roleplay”)及对话辅导(“Explain My Answer”)的两个新功能： 角色扮演(“Roleplay”):通过日常生活场景对话模拟练习，帮助用户掌握更实 用的表达。互动结束后，用户会从Duo获得反馈，了解自己表达的准确性，增进 对话的技巧。 AI对话辅导(“Explain My Answer”):通过对话的方式为用户解析翻译出现用 词及语法的问题。用户在练习后点击一个按钮，就可以进入与Duo的聊天，以获 得简单的解释为什么他们答案是对还是错，也可以要求进一步进行举例或说明。

讯飞星火认知大模型覆盖“教、学、考、评、管”全链路场景，在精准教学、学情分 析、个性化学习、测评与评价等方面带来更丰富的体验创新。在作文批改上，搭载认 知大模型的科大讯飞AI学习机T20系列可实现中英文作文类人批改。相比于传统学习 机只能针对字词标点纠错、识别句式修辞错误这些基础批改，讯飞AI学习机实现了围 绕写作要求、分析全篇结构和文采的深度高阶批改。它还可以实现写作思路启发，利 用AI润色技术生成片段优化参考和写作建议提升。

讯飞还发布大模型赋能的AI口语助手星火语伴App，实现1对1口语陪练和随身翻译， 让每个孩子都有专属的AI学习助手，并发布全新的智能“星火教师助手”，深度定制 开发了更符合教学实际需求的功能和应用，通过对话交互的方式，使教学更加具象化， 以人工智能技术助力高效智慧课堂教与学。

3 数据要素：进入实质性落地阶段，与 AI 产业共振

3.1 中央及地方政策密集出台，数据局成立有望推动产业加速落地

纲领性政策文件密集出台，国家数据局成立推动产业进入实质性落地阶段。2022年12 月，国务院发布“数据二十条”，从数据产权、流通交易、收益分配、安全治理四方 面初步搭建中国数据基础制度体系，提出20条政策举措，确立了数据要素发展顶层指 导框架。同月，财政部印发《企业数据资源相关会计处理暂行规定(征求意见稿)》， 对于符合条件的数据资源，内部使用确认为无形资产，外部交易确认为存货，数据资 产入表有助数据要素价值可视化。2023年3月，十四届全国人大一次会议举行第二次 全体会议，根据国务院关于提请审议国务院机构改革方案的议案，组建国家数据局， 负责协调推进数据基础制度建设，统筹数据资源整合共享和开发利用，统筹推进数字 中国、数字经济、数字社会规划和建设等，由国家发展和改革委员会管理。

地方层面，今年多个省市密集发布数据要素相关政策。北京、上海、广东、浙江、江 苏、山东、四川等各地积极响应，从数据产权登记、公共数据开放、数据流通交易等 方面积极探索，切实推动各地数据要素市场化改革落地。

当前我国数据要素市场处于高速发展阶段，“十四五”期间规模超千亿。“十三五”期 间，我国各要素市场规模实现不同程度的增长，以数据采集、数据储存、数据加工、 数据流通等环节为核心的数据要素市场增长尤为迅速。据国家工信安全中心测算数 据，2020年我国数据要素市场规模达到545亿元，“十三五”期间市场规模复合增速 超过30%；预计“十四五”期间市场规模复合增速将超过25%，到2025年市场规模达到 1749亿元。

我国数商生态持续扩容。数商是数据要素市场的参与主体，主要职能是为数据交易双 方提供数据产品开发、发布、承销和数据资产的合规化、标准化、增值化服务，促进 提高数据交易效率。上海数据交易所将数据服务商分成基础设施提供商、数据资源集 成商、数据加工服务商、数据分析技术服务商、数据治理服务商等15类。“数据二十 条”明确提出，培育一批数据商和第三方专业服务机构。

3.2 多地探索公共数据运营新模式，医疗数据要素或将先行

公共数据作为数据资源的重要组成部分，蕴藏着巨大的经济和社会价值，我国高度重 视并大力推动公共数据开发利用和运营。根据《国家数据资源调查报告（2021）》，我 国2021年数据产量6.6ZB，其中个人数据产量为1.4ZB，各类行业机构产生数据5.2ZB。 行业分布看，数据产量排名前五位的行业分别为政府、互联网、媒体、公众服务及专 业服务、交通，前五大行业数据产量占全国行业机构数据总产量的65%。国家“十四五”规划提出，“开展政府数据授权运营试点，鼓励第三方深化对公共数据的挖掘利 用”，《“十四五”数字经济发展规划》进一步提出，通过数据开放、特许开发、授权 应用等方式，鼓励更多社会力量对政务数据和公共数据进行增值开发利用。随着数据 要素市场化配置改革、数据安全、网络安全、个人信息保护等政策法规颁布实施，公 共数据运营正迈入落地实施阶段。 公共数据运营主要分为行业主导、区域主导、场景牵引三种模式。根据赛迪研究院的 研究成果，我国公共数据授权运营主要形成三种主要模式：一是行业主导模式，主要 由垂直行业管理部门授权和指导其下属机构承担数据运营平台建设、场景开发和市 场运营；二是区域一体化模式，主要由地区数据管理机构以整体授权形式委托数据运 营机构开展平台建设和市场运营；三是场景牵引模式，主要基于特定应用场景分类授 权引入专业数据运营机构，分领域、分场景激活公共数据价值的运营模式。

多个省市成立数据集团，有望成为各地政府参与数据运营的抓手。央企层面，中国电 子数据产业集团于2022年12月成立，是国内首家由中央企业设立的数据产业集团；地 方层面，上海、河南、福建、陕西、成都、南京等地陆续成立数据集团，多为政府主 导。部分数据集团为当地数据交易所的控股股东。数据集团以数据为核心业务，实现 公共数据、行业数据和社会数据的交汇、供给、配置及市场化开发利用，开展数字资 产运营、数据交易服务和数字产业投资。数据集团也可作为电子政务公共平台，实现 电子政务网络+云+平台系统建设一体化，助推数字经济发展市场化、专业化。

医保数据要素具备较好的落地基础和清晰的商业模式，且已有相关地方政策开始探 索，或将成为率先落地场景。一方面，我国已具备一定的医疗信息化基础，2022年3 月，全国统一医保信息平台已在31省全域上线，该平台包括公共服务、经办管理、智 能监管、分析决策共4大类14个业务子系统，实现了标准全国统一、数据两级集中、 平台分级部署、网络全面覆盖、系统安全可控，实现了国家、省、市、县四级医保信 息互联互通、数据有序共享，为医保数据要素的流通交易奠定了充分基础。另一方面， 医保数据具备较为清晰的落地场景，如杭州市数据资源管理局起草的《杭州市公共数 据授权运营实施方案(试行)》，其中明确提到“推动重点场景应用。如普惠健康险场 景，通过融合保险数据、诊疗数据、医保数据、健康数据等。”；《青岛市公共数据运 营试点管理暂行办法》公开征求意见提出在公共数据运营平台中设置医疗专区，围绕 “医疗、医保、医药”应用场景建设，医疗人工智能企业药企、保险公司等三医行业 相关企业，可通过医疗专区申请并使用医疗数据，可用于智慧核保、快速理赔、药物 研发等医疗场景。

3.3 数据交易所建设如火如荼，数据产品不断丰富

我国大数据交易所建设方兴未艾，加速数据要素价值转化。我国自2014年开始探索建 立类似证券交易所形式的数据交易机构，随着数据要素相关政策的推动，数据产品交 易迎来2.0时代。截至2022年底，全国数据交易所已近50家。各大数据交易所交易主 题、上架产品以及交易规模都处于快速发展态势，数据产品和服务类型日益丰富，能 够提供数据AP1、数据集、数据报告等多种形式的产品和服务：

贵阳大数据交易所:2015年4月正式挂牌，是全国第一家大数据交易所，根据数据 交易网披露，截至2023年6月21日，贵数所已累计集聚“数据商”、“数据中介” 等市场主体629家，上架产品1055个，交易888笔，共计交易额达14443万元。贵 数所表示，力争到2025年，年度交易额突破100亿元。

上海数据交易所:2021年11月揭牌交易，根据数据交易网披露，2022年，上海数 据交易所数据产品挂牌超800个，涉及金融、交通、工业、通信等12个行业领域， 交易金额突破1亿元。上海交易所总经理汤奇峰表示，2023年，场内交易有望突 破10亿元。

深圳数据交易所:2022年11月15日挂牌运营。截至2023年6月，深数所已累计交易突破700笔，覆盖165个应用场景，生态合作机构突破900家。汇集数据产品超1500 个，服务触达2000家以上市场主体。预计未来2-3年，其数据交易规模超过100亿 元，对经济增加值贡献超过50亿元。

3.4 高质量数据是 AI 大模型的“燃料”

数据是人工智能三要素之一，大模型的训练离不开高质量的数据集。数据集的质量直 接影响着大模型的性能和表现。一个优质的数据集应该具备多样性、广泛性和准确性， 以确保模型能够获取全面而可靠的信息。例如，在训练NLP大模型时，如果数据集中 只包含特定领域的文本，比如新闻报道，那么这个模型在其他领域的表现可能会相对 较差。但如果数据集包含了例如科技、医学、法律和社交媒体等不同类型的文本，那 么训练出来的模型将具备更广泛的知识和理解能力。此外，用于垂直领域的专用大模 型更需要大量行业专属数据进行微调，才能解决更为专业复杂的行业问题。 AI数据相关市场快速增长。据艾瑞统计与预测，2022年我国AI基础数据服务市场规模 (含数据采集与标注)为31亿元。受各类AI应用对于图像、语音和文本数据集及定制化 数据服务的需求上涨影响，2027年相应规模可达到79亿元，2022-2027年的相关CAGR 达20.6%。2022年中国面向人工智能的数据治理市场规模约为45亿元。受数据平台服 务、数据治理服务和AI应用建设的需求推动影响，面向人工智能的数据治理市场规模 将持续上升，2027年达121亿元，2022-2027年的相关CAGR为21.7%。

北京、深圳在人工智能产业政策中针对性提及数据要素，有望推动产业发展。2023年 5月，《深圳市加快推动人工智能高质量发展高水平应用行动方案（2023—2024年）》 提出，“建立多模态公共数据集，打造高质量中文语料数据”。同月，《北京市促进 通用人工智能创新发展的若干措施(2023-2025年)(征求意见稿)》发布，针对“提升 高质量数据要素供给能力”提出三大举措：(1)归集高质量基础训练数据集；(2)打造 “国家数据基础制度先行先试示范区”，谋划国家级数据训练基地；(3)搭建数据集 精细化标注众包服务平台。

下载地址：https://t.zsxq.com/0fiRbch5u

以上就是今天分享观点，若有什么问题，欢迎在下方留言。

学习资料见知识星球。

以上就是今天要分享的技巧，你学会了吗？若有什么问题，欢迎在下方留言。

快来试试吧，小琥 my21ke007。获取 1000个免费 Excel模板福利​​​​！

更多技巧， www.excelbook.cn

欢迎 加入 零售创新 知识星球，知识星球主要以数据分析、报告分享、数据工具讨论为主；