北美云厂商AI规划看光通信

一份视角独特的chatGPT纪要（一位哲学背景的老师跟数学背景的CTO，昨晚邀请他们直播讨论)：

1. Chatgpt，放入深度学习的序列中，没有革命性；这一轮大火是因为用了“文本形式+问答这一古老交互方式”引发了c端的强烈关注。

2. “智能”这词，大家都无意识地认为是“人的智能”，但从宇宙全貌的角度，人的智能、机器的智能对它没有差异；“智能”在哲学上是“记忆（不是咱们普通理解的记忆这个词）”，机器智能的应用对人而言，本质上是“让渡了自己的记忆权”，历史上有类似的让渡，如廉价印刷术的发展。

3. Chatgpt，1）从数学上是限定条件下的映射关系，会有结构性漏洞，因为函数映射需要条件；2）概念上，正确率≠智能，chatgpt正确率会越来越高（有众多用户反馈），但它并不能因人不同而有“针对性”，如老师针对不同的学生，甚至会先故意给一个错答案，这才是智能；3）完整意义上的智能，如今chatgpt是重要探索，更适合用“给出正确答案的能力”来定位它。

4.从技术上，算法本身有局限性，应用上要首先想清楚“算法能做什么？不能做什么？”，记忆栈不能产生意识，机器智能≠智能。chatgpt如果想复现，成本巨高代价巨大：1）算力成本；2）开发时的并发瓶颈需要顶尖高手。

5.具身智能（有物理装置的智能，如人形机器人）与chatgpt的结合会非常有想象力。目前特斯拉的人形机器人还是有漏洞：1）需要想明白具身与环境到底在交互什么？唯识学认为交互的是“身体的记忆”（可以简单理解为习性）；2）神经网络的工作不是简单的“小脑”的工作方式、动力学（自动驾驶）也不是简单的（像现在这么）流程化的。

6.历史来看，技术绝对不是中立的，技术的进步永远是靠内在精神驱动，如俄罗斯的太空探索（东正教）、美国对互联网的探索（反资本主义）。从“我思故我在”开始，人建立起“以人为中心”的思维，忘记了人只是存在的一部分。

7.历史不只是时间轴上的事件分布，背后有“元历史”，那才是真正的因果关系，智能只是一部分，根据哥德尔不完备定律，世界会有盈余部分的，“真”，陷入智能的洪流中必然有问题。

AIGC/ChatGPT商机在哪

一、随着AI技术快速迭代，AIGC可以在创意、表现力、迭代、传播、个性化等方面，充分发挥技术优势，打造新的数字内容生成与交互形态，最近火爆的ChatGPT是其商业化体现之一，预计到2030年市场规模将达到万亿元。ChatGPT是由OpenAI公司于2022年11月发布的聊天机器人模型，可以通过对话形式实现交互，能够回答连续问题，承认错误，质疑不正确的前提，并拒绝不合理的需求。ChatGPT的对话互动可以实现普通聊天、信息咨询、撰写诗词作文、修改代码等，由于更类人的智能化表现，ChatGPT推出后受到广泛关注，上线不到一周用户量突破100万。上月，微软CEO表示计划将ChatGPT等人工智能工具整合到所有产品中，并作为平台提供给其他企业使用。Buzzfeed和亚马逊也在探索ChatGPT应用场景。OpenAI公司通过提供相关AIGC代码，提供自动图形模型或语言模型生成等产品，用户通过其API接口接入，并支付平台费用获取相关图像、语言、代码调整服务，公司可获得付费订阅式的SAAS费用。

二、ChatGPT经历了人工智能发展的三大趋势：1. 机器学习 : 2012年左右，随着基础算力的提升，全球已经开启人工智能热潮即大数据时代。政策、资本先行，应用场景逐渐丰富。机器学习是AI的一种技术方向，无论是自然语言处理还是机器视觉都是机器学习的应用。2. 神经网络 : 2015年左右开始繁荣爆发，神经网络是实现AI深度学习的一种重要算法，是通过对人脑的基本单元神经元的建模和链接，探索模拟人脑系统功能的模型，并研发出的一种具有学习、联想、记忆和模式识别等具有智慧信息处理功能的人工系统。3. Transformer算法 : 2017年左右，是图型神经网络的一种，Transformer开始广泛应用于机器翻译之中，逐步取代循环神经网络，不再使用递归，而是采用了注意力机制进行优化，通过自我监督学习或无监督方法进行训练，优点在于建模能力强，通用性强，可扩展性强，能够更好的进行运算。而ChatGPT则是在该算法上不断迭代、演进、升级，并增加人类的反馈系统，最后生成的一种算法。

三、AIGC已经实现的商业化方向: :1.AI写作 : 例如AI生成文字、写邮件、广告营销等，比如GPT的使用，有望提高文字工作者的效率，例如新闻、政府、金融等工作场景。2.AI作图 : AI自动生成图片，只需要简单输入几个关键词即可在几秒钟之内诞生一幅画作，可应用于传媒、游戏、宣传等工作场景。3.AI底层建模 : AIGC生成底层技术开发，有望提高算法工程师的效率，并进入互联网、ICT等广泛应用场景。4.AI生成视频和动画。AIGC类比元宇宙会提前实现商业化的应用，市场热度或有一定的持续性。

四、目前我国与先进技术差距约3年，底层技术差距是核心，独立公司少，大公司的辅助型业务多。我国AIGC商业仍处于初期阶段，部分文本、图像等生成的公司仍处于初期阶段，以辅助生成内容服务为主，部分公司已经进入AIGC开发阶段，但仍处于免费试用、获取流量阶段，未来相关公司SAAS模式也有望形成。

五、H股相关标的：1.平台代表：百度集团，公司已发布20多个模型，百度文心多场景应用，预计今年3月上线中文类功能，国内最强，但与ChatGPT仍有差距。2.TOB代表：腾讯优图只是整合效率提升，阿里鹿班TOB的商业绘画、海报等功能，二者投入偏向主业客户的使用方向。3.C端代表：网易音乐编曲方向、美图AI绘画、阅文等。4.基础技术代表：商汤科技AI算力算法、虚拟IP解决方案、训练模型优化具备优势。

六、如何选择股票？首推平台类的百度，空间够大，投入集中，可能是百度的翻身机会。重点要看3月产品上线的质量和市场预期。估值角度看，短期翻倍的涨幅较大，注意防守。整体上结论，百度最优。

北美云厂商AI规划看光通信

资本开支：北美云计算大厂财报口径上，对海外衰退下云计算投资、资本开支的降速已反映出来了，Meta下调了整体费用和资本开支指引（340-390下调到300-330亿美金），方向从元宇宙调到AI方向；微软整体口径变化不大，还是云计算相关需求，但Azure增速放缓，谷歌、Amazon云计算相关投资也有回落。

投资方向有变化：最近微软投资110亿美金OpenAI，ChatGPT嵌入到搜索引擎里，正面硬刚谷歌搜索引擎，包括FB在布局很多超算，谷歌也推出类似ChatGPT的交互。AI进入到提速过程，包括最近ChatGPT迅速出圈，拥有很多用户。跟基础设施和硬件设备相关的变化是算力会有大幅增长。算力从广义讲需要能耗、成本堆出来，不断烧数据发电做存储计算，能耗跟投入成本密切相关，AI背后的算力相较于之前云计算、电商需要的算力成倍增长，按照传统速率升级、堆叠算力的方式不符合商业化发展，所以设备上要为了匹配高算力带来的低成本方案。目前已经有很多设备、光通信、服务器产业链面向超算去提升出货量。

机遇：需要降能耗成本，体现在设备、光模块、交换机的更新。用在国内外超大数据中心和超算里的设备已经有区分了，能耗消耗有很大差别。光模块100G-400G-800G的速率还不够，很多超算的交换机要按照T的计量，这个量级匹配相应光模块的成本非常惊人，因此衍生出同步散热降温，同时在10+T的交换机搭载800G光模块需要很多堆叠，交换机会过载，所以衍生出交换机和光模块融合（COPACKAGE）,以前的光模块演进成光引擎，然后再和交换芯片贴在同一张PCB背板上，通过交换机搭载的液冷板进行物理冷却和降温。同时光引擎由于体积、集成度高，搭配硅光封装规模化后会体现成本优势，会替代高算力场景。建议关注：交换机、服务器、光模块的天孚通信、锐捷网络、新华三。

现在在北美等大厂都在推进COPACKAGE方案，最近由于AI进度加速，近期由于ChatGPT爆火，大厂方向迅速转变，可能带来光引擎、液冷服务器加速推进。天孚通信、锐捷网络、新华三都在COPACKAGE和硅光有典型的布局，下游已经面向北美核心AI厂商开始出货。不论交换机的华为华三锐捷，海外思科英特尔英伟达都在全面布局，很多大厂已经出货但由于体量较小，未来在数据中心侧会规模性铺开。对于传统空间被新方案替代市场需求，但由于算力激增，数通投资、光通信出货量还是会大幅提升尤其在高算力场景。结构性创新带来的弹性会在今明年体现，基本到800G到1.6T差异会清晰，目前切换新方案纠结点在于成本和供应链稳定，等量起来供应链会突破。A股已经有部分公司产品出货了，天孚、锐捷网络核心主推，之前这个方向公司被海外通胀衰退抑制，数通市场增速往下走，这个预期短期已经由于北美大厂财报也出释放了，同时AI对算力增长的拉动在2425年体现更加明显，当前低估值具备高的性价比，20X不到。现在市场规模非常小，光模块一年100+亿美金只有1%不到做光引擎，但光引擎速率升级、液冷交换机升级交付量会大提升。

天孚、锐捷怎么降低功耗？原来交换机上有口可插拔光模块去做光电转化，信号传输速度快走光纤，交换机里会转成电信号。之前模块在交换机外部现在放到内部对模块和交换机都要同步升级匹配，但目前容错率低、成本高，但未来是必然选项，不是主题性投资了，会有明显订单和产业趋势的切换，目前是早期阶段。硅光和封装良率都会有质变。

之前大家盯着北美资本开支看行业需求，未来会细化看资本开支投向AI的部分会是增速最高的部分，在这个方向寻找标的是下一个投资方向，同时海外ChatGPT远远领先于国内，所以会看国内硬件优质供应商。

审核编辑 ：李倩