自ChatGPT横空出世以后，大模型让生成式人工智能赛道成为资本市场最闪耀的其中一颗“明星”。去年一整年，生成式人工智能和大语言模型是贯穿一二级市场的一条投资主线。随着大模型技术的不断迭代和进步，一批备受瞩目的AI独角兽企业诞生，二级市场上相关的概念也不断涌现。不过，大模型在场景应用和商业落地方面尚处早期阶段，前期资本的大量涌入已让行业泡沫初现。热点面前，风险因素也需要正视与警惕。
新春之际，申万宏源证券信息化研究部传媒互联网行业首席分析师林起贤走进证券时报·时报会客厅，畅谈了她对于2024年人工智能大模型的洞见，分享了她的投资心得与思考。林起贤认为，模型的能力还在持续进步，视频、3D等多模态方向是下一个阶段发展的重点。从应用上看，可以重点关注生产力场景、消费级场景和AI硬件为代表的“软硬一体化”这三大方向。对于投资者而言，人工智能产业的发展趋势是很确定的，但在二级市场择股和择时方面，还需要兼顾成长股在“从0到1”这一阶段具有长期确定但短期波动大的投资特点。
生成式AI走向应用，三类方向值得关注
证券时报记者：2023年是生成式AI爆发的元年，我们也见证了“百模大战”的盛况，但现在很多人觉得应该更加关注AI大模型在具体产业方面的落地，您看有什么样的产业场景是值得重点关注？
林起贤：我们觉得这个应用方向可以分为三类。第一类是生产力场景；第二类是消费级的场景；第三类是既包含了生产力，也包含了消费级场景，但更多强调跟硬件载体结合，比如以AI硬件为代表的“软硬一体化”。
我们可以挨个来做分析。整个AI的应用，当我们去考察哪一些方向有潜力，哪一些方向落地快的时候，会有几个重要的标准。第一是数据的丰富度，即如果有更精确的文本数据，会更容易被AI赋能。
第二是人力成本高的一些行业，更容易产生被AI替代之后提升ROI的效果，因此对AI有更强的需求。但是我们从落地快慢的角度来说，容错率比较低的行业，相对来讲落地会慢一些。生产力场景来说，软件，其中比较典型的是创意生成、企业服务，是现在我们看到落地最快的。尤其是文字生成、图片生成等场景，在海外已经开始商业化了。其中在企业服务的场景里面，像办公软件，它核心也是利用了文本和图片的生成功能。从去年四季度开始，我们看到有海外的一些巨头开始面向客户去做推广，在整个2024年我们可能会看到付费渗透率以及客单价逐步提升的过程。
哪一些是落地比较慢的呢？就是这些通用软件里涉及视频、3D能力的理解和生成的部分，由于目前还没有非常成熟的商用方案，所以这些方面落地也会慢一些。但是我们看到，相关技术的进步非常快，比如去年年底Pica火爆出圈，让我们看到了视频模态的潜力。
从更聚焦细分场景的一些应用来讲，现在比较典型的是在一些人力成本比较高，同时又有比较精准的文本数据积累的行业，比如法律、医疗、金融、教育，都是落地比较多比较快的行业。
我们可以举几个案例说明一下。比如在法律场景中，法律行业有大量精确的历史案例和文本资料积累，同时律师的人工成本也比较高。如果有一个AI助手的话，就可以帮律师大幅提高处理案头工作的效率。在海外，很多资本涌向了这个赛道。再比如，在跨境营销场景中，由于有大量的跨境沟通文本营销工作需求，我们可以用AI来提高处理文案素材、客服沟通的效率。电商也是落地比较快的场景，我们看到有非常多公司已经在做模特商拍的应用，实现一键换衣等功能。
在消费级应用里面，比较典型的是教育和娱乐。对于教育，海外已经有像多邻国这样的案例，主要运用到语言学习的场景里面。过去，很多在线教育公司没有解决的一个难点是教师成本边际不为零，所以会产生大量的投入，规模做大了仍然没有能够盈利。但是如果有了AI教师，尤其是在语言学习的场景里面，相当于每一个人都有一个练口语的老师，边际成本比较低。所以在语言学习的教育场景种，海外已经有很成熟的案例出现了。
娱乐场景中比较典型的一个应用案例是情感陪伴。不管是国内过去的Glow还是现在海外的Character.AI，本质都是利用AI接近于通用人工智能的能力，给每一个人提供一个虚拟的伴侣，能满足情感陪伴的需求。甚至我们看到，像Character.AI这样的一些产品在海外，核心用户一天使用的时长能够达到2小时，黏性非常高。
另外一个比较典型的案例是游戏。对游戏的应用可以从两个方面来看，第一种是提升人机交互的体验，比如我们可以把恋爱养成这个功能放在游戏的一个场景里面去做互动，做成一个智能的NPC，就会产生跟以往相比不一样的交互体验。第二种是我们可以利用它降低内容的生产门槛，做成一个UGC大型游戏平台。以前大家也很期待在游戏领域像短视频、图片、文字一样形成一个比较大的UGC的内容社区，过去但是一直难以实现，原因就是对一个普通用户来讲，创建一个游戏需要借助很多工具。如果未来AI的3D能力有质的飞跃，那每一个玩家都能够通过创建游戏内容来获得投资回报。从这个角度来讲，游戏的商业模式就会有很大的变化了。
除了生产力场景和消费级应用，AI的第三类应用方向是跟硬件的结合，比如AI PC、AI Pin、智能驾驶、人形机器人等场景，核心是软硬一体化。
在过去，互联网创新更多建立在PC和手机普及的基础之上。但AI的这轮创新跟互联网创新相比，最大的不同是从软件开始，是受到大模型能力迭代驱动的创新。我们看到在2023年下半年以来，AI硬件成为了一个热门的话题，软硬一体化也逐渐成为一个趋势。
产业趋势很确定，但成长股有波动
证券时报记者：虽然AI的概念很火，也有很多的机会，但是作为一个新技术，很多公司还没有找到很好的商业模式和盈利路径，您觉得对投资者来说，投资AI有哪些风险需要警惕？
林起贤：风险主要有几个方面。第一是生成式AI的技术演进速度非常快，落地也很快，但是过往的社会规则是建立在AI出现及繁荣之前的，所以AI的快速应用普及会对我们现有的伦理、数据安全、版权保护提出很多挑战。
比如说版权问题，目前国内的监管也要求人工智能公司必须要保证自己模型训练的数据来源符合知识产权保护要求。在海外，我们也看到了非常多关于版权诉讼的案例。对于大模型公司来说，在开发人工智能的过程当中，如何满足知识产权保护的要求，非常重要。
第二是从大模型自身的发展角度来看。大模型现在的能力还在持续进步，尤其是像视频、3D的理解与生成，肯定是下一个阶段的重点。在迭代的过程当中，一旦有公司没有跟上的话，竞争格局就会发生变化。而且对于模型训练来说，实体清单也会构成一定的制约，资金的投入也会是一个很重要的瓶颈。
第三是从应用的角度来说。现在很多应用主要是建立在大模型现有能力的基础之上的，但对于很多应用来说，当模型能力迭代的时候，如果没有及时根据模型的能力去调整自己的产品设计，就有被颠覆的风险。还有一些应用公司，产品做得比较简单，很容易被大模型向下兼容。在海外的一级市场，过往有很多这样的案例。所以对投资人来讲，投资AI，尤其是在二级市场上投资AI，有非常强的“从0到1”的投资阶段特征。在这个阶段充满了不确定性，尤其是在择股上面，会有一定的不确定性。虽然从产业趋势来讲，AI大模型是很确定的，但是我们还需要兼顾“从0到1”的成长股在这一阶段投资模式的特点。