《一周資本市場觀察》是鈦媒體推出的資本市場要聞解讀直播欄目，每周一中午12:30-13:30，在一個小時的時間裡，幫助大家一網打盡一周資本市場大事！
本期節目，《一周資本市場觀察》主理人雨朦對話易觀智慧院院長李智，《鈦度熱評》主編車銘德，寧澤基金董事、雪球人氣用戶吳吞，分享了AI大模型未來的演進方向，衡量模型能力的關鍵指標，AI大模型的異同，未來企業怎樣通過AI大模型實現盈利，AI大模型與雲計算的融合機會，算力板塊的機會，降低算力成本上的發展方向，AI大模型方向有哪些新的投資機會，「網紅大米」營銷分析，證監會就《上市公司獨立董事管理辦法（徵求意見稿）》的指導意義，藍色光標為何全面停用文案外包，軟銀為何減持阿里股票，美團發布企業版等話題。
一周資本市場表現盤點（04.13-04.17）
A股三大股指中，滬指周漲0.32%，深成指周跌1.40%，創業板指周跌0.77%。上周，北上資金淨流入137.36億元，南下資金淨流入153.39億元。行業偏好上，北上資金增持規模前三的行業為光伏設備、有色金屬與電力行業；南下資金增持規模前三的行業為資本貨物行業、半導體與半導體生產設備行業、製藥、生物科技與生命科學行業；北上資金上周增持個股中市值增幅排名前5的，分別是厚普股份、盛劍環境、國力股份、同力日升與諾泰生物；南下資金上周增持個股中市值增幅排名前5的，分別是中芯國際、商湯、工商銀行、藥明生物與中國海洋石油。
上周港股的兩大指數漲跌互現，恒生指數上周周漲0.53%，恒生科技指數上周周跌1.74%。
上周美股三大股指中，道指累計上漲1.20%，標普500指數上漲0.79%，納指上漲0.29%。
上周，A股共有10隻新股上市，這10隻新股也是A股主板註冊制下的首批新股，沒有出現破發，當日漲幅最大的是中電港，單日漲幅221.55%；港股在上周有2隻新股上市，其中北森控股當日破發，另一隻新股陸控上市當日收漲10.30%。
目前，中國已有超過30家公司、機構發布了大模型產品或公布了大模型計劃，AI大模型未來的演進方向有哪些？衡量模型能力有哪些關鍵指標可以關注？
易觀智慧院院長李智指出，大家通過大模型的發布會，就可以看到大模型未來的演進方向以及衡量模型能力的關鍵指標。
首先，發布會的第一部分都會展示大模型所擁有的能力：包括語義的理解，比如對話的能力、快速形成文本摘要的能力；知識能力，比如大模型了解的事實性知識、常識等；第三個是對複雜問題的推理能力，比如現在大家經常會問的，這個AGI或者大模型，它是鸚鵡還是烏鴉？此外還有執行通用任務的能力，比如讓大模型做一些角色扮演之類的工作。
之後，在演示完大模型的能力後，發布會還會介紹大模型的核心技術能力，這裡可以分三個方向來看其中包含的幾個衡量大模型能力的關鍵指標：
1、模型能力。李智坦言，目前國內大模型的模型架構與國外相比差距還是比較大的，模型層級不夠強大所帶來的直接影響就是數據的吞吐和消化能力比較弱，訓練效率較低。如果想在短期追上GPT的能力，那就需要給它更多的數據，做更快速的訓練。但在此之前，需要先把模型層級和模型結構的差距補上，這樣才能把大模型表現出來的能力做得更好。
2、數據能力。大模型都是海量數據訓練，這些數據的來源分為幾個部分：首先，網絡公開數據，只要具備數據獲取能力就可以得到；第二，採購一些封閉數據，比如論文、專利數據等，這些數據的質量相對來說更高，但這些數據只要有錢，誰都可以買到；第三，就是這些訓練大模型的企業自己獨有的數據，比如百度的搜索數據、阿里的電商數據、字節跳動的視頻類數據。
3、工程化能力。李智指出，即使不是AI專業人士，但現在也有很多人可以說出來大模型的訓練過程包括預訓練、代碼訓練、指令調優、對齊調優等，但是具體到工程落地和實踐的過程當中，光知道這些方法論是不夠的，需要有很豐富的經驗與實驗成果的積累來真正實現這幾個能力的升級與調優的過程。比如在GPT-4的發布會上，還同步發布了一個模型評測工具Evals，這就體現了工程化能力，Evals可以很好地幫助自己與開發者評估模型的能力與下一步優化的方向。所以工程化能力也是比較重要的部分。
最後，發布會的結尾通常都會介紹一下大模型的應用場景，李智指出，做大模型的目的一方面是為了實現技術理想，去看到通用人工智能的邊界可能是什麼，但除此之外，人們訓練大模型必定要用它來解決實際的業務和場景問題，所以關於大模型能力的衡量指標還有一點很重要的，就是生態打造、經營和商業化的能力。無論是哪家企業，在發布大模型時都會介紹這個大模型將如何進入到業務場景當中，從而幫助到更多的企業去發揮AI的能力。
目前已經發布的這些AI大模型有哪些異同？您比較看好哪些公司的大模型？
李智介紹，目前做的比較多的對比主要還是針對國內與國外的大模型之間的對比，她坦言，現在國內的水平跟國外相比，還是有一定距離的。從目前國內發布大模型的情況來看，李智認為百度作為首家發布大模型的公司，不僅有勇氣，而且所展現出來的核心技術能力，包括對於未來可能的商業化發展等方面，都是想的比較清楚的。雖然後面許多公司也陸續發布了AI大模型，但其實他們所講述的邏輯、呈現出來的能力以及對未來的展望，都是沿着百度做好的框架，所以相當於百度打了一個很好的模板，後面發布的大模型基本都是做到跟百度對齊。
根據易觀分析測算，2021年中國人工智能軟件及服務市場規模為1064.4億元，較2020年增長23.5%，預計2024年人工智能軟件及服務市場規模超2000億元。人工智能已進入大規模落地應用關鍵期，在此期間，哪些場景和行業將最先受益？
作為易觀智慧院院長，李智首先提出，隨着AI大模型的出現與更多能力的陸續湧現，AI相關的研究方向與測算方式都需要有一定的調整。
隨後，針對哪些場景與行業將最先受益於人工智能的發展這一問題，李智同時也詢問了大模型，大模型認為，無論是現在還是未來，人工智能的發展會在很多行業，比如金融、醫療、零售、智能製造、交通運輸、智慧城市等等，都會有更廣泛的推進和應用。李智指出，大模型的回答不僅是可用的，而且也很符合一個分析師的邏輯。
接下來，李智分享了自己對這個問題的看法，
短期來看，在大模型出現之前就有比較高的AI滲透率的一些行業將會最先受益，比如銀行、證券、新能源等行業。從場景視角來看，與行業一樣，也是原來AI進入比較多的一些場景會先受益，比如利用大模型的能力可以更好地提高交互體驗的一些營銷服務的場景，以及把大模型的能力用作生產力工具，提升工作效率的一些場景。
長期來看，李智認為要看兩件事，一個是給內容產業會帶來比較大的影響，不僅是對內容生產的影響，長期來看對內容分發與內容消費都會產生影響；另一個是對交互層面的影響，隨着眾多大模型的發布，流量入口會發生變化。早期的流量入口可能是搜索引擎，或者是觸摸屏上的一個個App，但到了今天，「對話」就可以是一個入口，通過對話智能的提升，交互和流量的入口可能就不在微信或者手機上了，這會帶來非常大的影響。
未來企業將如何通過AI大模型實現盈利？
李智提出，要回答這個問題，首先需要把企業分為兩個不同的類型，首先是提供大模型的企業，這類企業目前主要通過兩種方式實現盈利：一類是按照項目制的方式，與傳統的企業服務一樣，通過幫助客戶生成自己專有的大模型實現盈利。這裡包括提供算力資源的租用、模型精調等服務；還有一種更理想的方式，就是通過抽象出來標準的API實現盈利，比如通過 PaaS 加 API 的方式來收取費用,商湯發布的大模型就開放了自然語言生成的API，以及數據標註、模型訓練等服務。
另一類企業是利用大模型做AI的產品與服務的，因為AI可以把所有的行業與產品重新做一遍，比如很多SaaS類的工具和產品就可以用AI的能力重新做一遍。此外，李智還為大家舉了幾個例子，比如阿里可以通過在釘釘增加 AI 能力而提升釘釘收取的費用，產品的能力增強了，是可以適當多收取一些費用的。另外就是利用 AI的一些原生應用，比如文生圖的能力來進行盈利，其實現在文生圖的應用在國外來說也是蠻賺錢的一個應用。
如何看待AI大模型與雲計算的融合機會？
李智提出，目前最大的一個變化是大模型在一定程度上改變了雲計算原來的商業模式。以前，雲計算租用的是計算存儲這類資源，但現在，如果僅憑計算能力、存儲能力，對於買單的客戶來說恐怕是沒有足夠的吸引力的，還需要增加 AI 能力，比如文生圖能力、自然語言理解能力等。只有這些能力也都符合要求了，客戶才會考慮從模型層到最後的算力基礎層，這一攬子的解決方案都在這裡租用。所以，其實AI大模型改變了雲計算的競爭格局。
大模型的訓練離不開龐大算力的支撐，在越來越多大模型產品湧現的同時，相關算力板塊有哪些機會？在降低算力成本上有哪些發展方向？
李智認為，算力板塊最直接的機會應該就是GPU了，在提高單卡性能的同時，也要關注一些新技術，比如目前把芯片互聯起來的方案實際上是電互聯，但其實已經開始討論光互聯的可能性了。
另外，李智還提到，除了訓練成本需要龐大算力支撐之外，未來在應用的深度與廣度都得到提升之後，可能還有一個成本是大家必須要看到的，就是推理和應用成本。隨着應用進一步的深化，每一次調用其實都會消耗算力，大家應該考慮的是如何降低推理和應用的成本，這也是影響AI大模型商業化非常重要的因素。這裡可能就會包括：如何針對模型做優化，從而加快模型的訓練和推理速度，以及如何對模型進行蒸餾，即把大模型的能力精簡後，通過小模型去實現。以上這些都是在降低算力成本上可以去關注的方向。
AI大模型方向還有哪些新的投資機會？
李智指出，除了之前提到的製作大模型的公司，以及利用大模型的能力做產品應用開發的公司值得關注之外，還應該有一個工具層的機會值得關注。
英偉達CEO提到的「iPhone時刻」，指的是目前已經到了AI應用爆發的黃金時期。但不管是iPhone還是安卓，都圍繞移動互聯網生態提供了非常多的工具，包括廣告的SDK、聲音的SDK等等。因此在大模型這個方向上，應該也有類似的可以幫助很多產品的應用出現，以此來幫助更多的AI應用去發揮大模型的能力，比如數據標註、模型的實驗與部署、向量數據庫、各種框架的機會等等。-(鈦媒體/作者:平台運營部編輯:雨朦）
