中信建投证券研究所所长武超则预测，2025年国内算力最大的机会仍在国产化，AI应用需求将持续增长。

　　02武超则认为，AI视频、Agent和AI终端是C端应用的三大赛道，未来可能迎来大的行情和泡沫化行情。

　　03除此之外，武超还指出，AI广告领域虽然技术含量不一定高，但更高的标记和匹配能力为商业模式带来了升级。

　　04同时，国产模型在迅速迭代，未来10-20年技术交叉发展将带来更大的投资机会。

　　11月28日，新财富白金分析师、中信建投证券研究所所长武超则，在华安基金投资嘉年华科技创新专场中，以“国产算力水到渠成，AI应用落地生根”为题，围绕当前AI行业的发展与投资机会分享了最新观点。

　　武超则表示，展望 2025 年，国内算力最大的机会，还是在国产化这条线上；

　　算力本身的需求，会继续增长的趋势还是非常明确的，她还简单拆解了一下可能的增量来源。

　　武超则把出货量作为衡量一家公司的重点所在，在芯片行业，规模是一切的根本。

　　在国产模型迭代的方向上，就C端而言，主要看好三个方向——AI视频 、Agent和AI终端。

　　简单看，从去年Sora出来之后，国内跑得也很快，像海螺AI、豆包等等，其实都有对标的产品出来，而且在海外出海的认可度也是非常高的

　　已经开始有一些应用的百花齐放，并且已经见到情绪投资的热点，但是我们可能没办法区分，到底哪个公司会最终跑出来。

　　武超则表示，未来在AI方面，我们一定会经历一轮大的行情，甚至是泡沫化的行情。

　　例如最近热门的“智能体”（Agent）概念、AI终端、个人助理等等，表现在不同的业务场景和载体中。

　　以Siri为例，在升级后，它的功能不再仅限于基本操作，现在它可以跨应用进行操作，

　　但其背后，依然围绕大模型强大的工具功能，这也是GPT-4这代模型的主流表现。

　　再往后，我们看到，不仅是大模型本身的演进，更多的是多模型、多模态的演进；

　　这个时候我们可能才会看到，模型的应用从过去的非严肃场景逐步转向严肃场景，

　　以Agent 本身和GPT-4o和o1这些后期模型来看，这一代模型的核心变化就是，从“快思考”向“慢思考”转变。

　　当遇到推理类、逻辑类问题时，我们往往需要更深入的分析路径或框架，我们需要一套更强的方法论来帮助我们解决问题、理解问题，并最终做出决策。

　　尤其是在面对互相矛盾的数据时，我们如何判断哪种结论更为正确，如何做出最佳选择，等等。

　　最近，资本市场的热点也开始集中在ToB的营销服务、办公服务、ERP等场景上，这些已经开始在业绩和财报中得到体现。

　　如果从时间的角度来看，AI的发展就像一个两三岁的baby，像人类一样，它一定会无限的迭代下去。

　　总而言之，在整个模型的变化中，前面几年，我们已经经历了第一段、第二段到第三段的演绎。

　　我们看到，GPT-4o这一代模型，在端到端的信息处理，以及人机交互体验上都有显著提升。

　　与GPT-4相比，GPT-4o并不一定在输出结果上有惊艳的突破，但在易用性方面的提升却是显著的。

　　举个例子，GPT-4o在响应速度上比GPT-4 Turbo提高了两倍，同时它的消息上限提升了5倍，价格降低了50%。

　　相比性价比已经很高的4o，4o mini做得更快、更便宜，其实它的核心优势还是在降成本和性能的保留上。

　　与之前的模型相比，o1的核心还是要证明“规模效应”(scaling law)的存在——模型的规模越大，模型越聪明。

　　理论上，o1模型证明，只要愿意投入更多的成本，增加算力和数据的投入，模型的“聪明程度”依然能够继续叠加。

　　我们看到，o1模型的表现已经不亚于博士生水平，特别是在一些挑战性任务中。

　　例如，在国际数学奥林匹克（IMO）考试中，GPT-4o的正确率仅为13%，而o1的正确率高达83%。

　　海外Meta推出的Llama 3，还有国内的开源模型，如通义千问和智普，都是同等代际的开源模型。

　　举个例子，相比于过去的模型是一个“人”，Agent更多是一个团队或者说小组的概念。

　　Agent是要有一个分析问题、理解问题，最后去解决问题的总揽能力，根据任务来准确地生成业务的执行流，然后再分工给不同的专家模型。

　　有的擅长解决数学问题，有的擅长解决代码问题，有的擅长解决图像问题等等，最终形成一个协作的智能群体。

　　这个时候，个性化方案的生成成本会大幅降低，模型与模型之间的摩擦成本也会大幅降低。

　　比如说在医疗行业，现在多学科的会诊，随着现代医疗越来越细分，也变得很常见。

　　回过头来看，我们展望 2025 年，国内算力最大的机会，还是在国产化这条线上。

　　scaling law的核心就是，不管是基于训练的需求，还是推理的需求，模型越大，效果就越好。

　　我们现在看下来，如果想要在大模型的训练端有所建树，至少是要万卡，甚至未来是 10 万卡的集群，这一部分的投入是非常明确的。

　　比如说，未来更多在推理场景上，对计算的能力要求没有那么高，但可能对存储、对通信的能力要求会更高。

　　这个时候，基于底层算力的结构，即便总的市场是确定的，但是它结构会略有差异。

　　对于算力本身的需求，还是会继续往上去增长的，这样一个趋势还是非常明确的。

　　看似技术门槛没有那么高，但是我们判断，明年可能会带来实实在在的投资的增量。

　　所以我自己觉得，也不仅仅是盯着芯片这一个东西，更多需要站在整个产业链又一代的投资上去看这问题。

　　而且对于先进芯片，其实这两年，它的制裁不仅仅是在算力的通信或者是计算能力上的限制，开始更多到算力密度的指标。

　　GPU 本身，包括再往上游的半导体的设备和材料，我想明年都会有不错的表现。

　　我们看到在游戏领域、办公领域、教育、电商、视频，包括终端以及Agent 领域，都有大量的应用公司冒出来。

　　而且我们看海外，它确实经历了从流量效应开始逐步体现到财报上，它实实在在开始有业绩了。

　　现在底层模型，比较不错的，像视频类的豆包，月之暗面的Kimi 等等，它足以去支撑应用场景，比如说音乐、影视、教育、电商等等。

　　我们简单归纳一下，从已经出来的结果来讲，对标来看，B端应用其实似乎比C端的落地更快。

　　C 端其实是访问量和流量在持续增长，但是从商业模式上，其实 B端好像闭环的更快一些。

　　比如说AppLovin，现在实际上已经是一个千亿美金市值的这样一个公司，而且今年以来涨了 6 倍。

　　所以，从结果上来看，海外主要体现在这些 AI 助手、AI 搜索、AI 视频方面。

　　国内发展比较快的也是 AI 搜索、AI 视频、AI助手，这一类相关的也有很多上市公司。

　　这是我们看到的AppLovin这家公司业绩持续超预期，毛利率提升的一个很重要的原因。

　　同样像Meta，Shopify，其实都是类似的，还是原来的那些公司，但是因为有了这样的工具，

　　要么内部降本，要么增效，在客户的落地上、营销的效果上，有了更加直接的体现。

　　还有像 Salesforce，这家公司其实大家应该非常熟悉，在SaaS 时代，他就是一家明星公司，主要推出的是 Agent 客服，就是说一个人可能就能提供整个团队的作用。

　　以前需要 10 个人的团队，现在一个人从设计网站到客服到铺库存等等，都能实现。

　　从这个背后我们看到，美股现在有一个大的趋势，就是所有的SaaS公司，可能都要去上AI 相关的功能。

　　另外，在数据服务方面，Palantir其实也是一家非常有意思的做数据分析的公司。

　　其实核心还是在私有化部署，包括类似于数据分析的效率上、交互上都有比较明显的提升。

　　简单看，从去年Sora出来之后，国内跑得也很快，像海螺AI、豆包等等，其实都有对标的产品出来，而且在海外出海的认可度也是非常高的。

　　在 AI 视频的场景下，灯笼可以随意被替换为一个气泡，背景可以随时被变成森林或者什么东西，

　　国产模型在迅速迭代，我们觉得在方向上，C端我们比较看好的三个方向——AI视频 、Agent 和 AI 终端。

　　所以我觉得，最终就是，我们要以未来10-20年这样一个维度去看这些技术的交叉发展。

　　从移动互联网那一轮来看的话，去年我觉得可能更像 2012 年——基础的硬件有了，但是应用在哪不知道。

　　而且情绪投资的热点已经起来了，但是我们可能没办法区分，到底哪个公司会最终跑出来。CQ9电子游戏平台推荐CQ9电子游戏平台推荐