我们认为，GenAI有望继续成为2024年科技产业发展的核心主线之一，并持续看好全球AI产业的短期和中长期投资机遇。
算法作为AI产业发展的灵魂和底层支撑，更智能的模型、多模态、推理成本的下降等预计将成为产业2024年的重点。
应用场景作为AI产业商业化闭环的重要一环，2024年有望在软件、边缘AI等层面看到实质性突破，同时自动驾驶、机器人等前沿方向有望伴随多模态模型的突破而进入发展快车道。
AI算法智能水平提升、单位算力下降等亦将使得互联网巨头成为最为明确的受益者之一。
2023年是GenAI元年
作为GenAI元年，全球AI产业在2023年取得诸多突破性进展。
①算法模型：作为AI产业的核心和基础，2023年各类大模型的发展均得到稳定推进，同时以基础模型为根基的各类垂类细分模型快速涌现。
②硬件算力：AI硬件技术在2023年的快速发展，特别是在处理能力和应用范围方面的显著提升，为AI领域的研究和应用提供了更加强大和灵活的计算平台。
③应用场景：基础大模型的不断发展推动了应用场景的快速延伸，但短期仍受制于模型的能力。
④政策监管：伴随AI技术的不断进步，各个国家与地区均推出相应的产业政策。
图1：CTAAI指数走势与AI重点事件
2024年AI仍是科技产业投资主题之一
图2：AI产业发展带来的影响
多模态、推理成本下降等将是2024年算法发展核心主线
大模型的“压缩即智能”在业内接受度不断提高，围绕压缩率的探索有望成为2024年的主线，预计提升模型规模仍然是提高模型压缩率的重要方法，此外还包括通过SFT、RLHF等算法上的优化继续提升压缩率。
除了压缩率的提升外，扩展模型的适用场景也成为当下重要共识。我们判断以Transformer为底层的多模态模型将会是2024年的重点方向，下一代多模态将会快速拓展目前大语言模型有限的应用场景，显著提高语言模型的泛化能力，并有望在成本方面展现出对传统专有模型的优势，从而推动如AIAgent等应用的落地。
技术层面，提升模型智能水平、扩展模型适用场景、降低模型推理成本仍是当前学术/产业界重点努力的方向。
图4：2024年模型层面技术突破点
市场格局层面，预计少数头部公司将聚焦于AGI，大量中长尾公司将聚焦于工程化创新，同时相较于开源模型，闭源模型预计将持续保持1-2年的领先，但开源模型能吸收闭源模型的理念技术进行升级。
图5：2019年至2023年9月发布的大模型及厂商
随着人工智能行业的持续发展，我们观察到行业内算力结构正在发生演变，预计2024年算力市场将面临需求总量、需求结构以及供给等方面的变化。
图6：2024年算力市场将面临需求、供给等方面的变化
五大趋势：①更高算力：GPU持续进化，云端AI芯片百花齐放，服务器伴随增长。②更优网络：高带宽、低延时与低成本，推动光模块进化与RDMA普及化。③更多终端：大模型端侧落地，硬件算力端核心升级。④国产算力芯片：自主趋势明确，算力、生态同步发展。⑤先进封装：AI算力芯片迭代加速，先进封装助力性能提升。
图7：算力市场五大趋势及投资机会
作为AI产业化闭环链条的最终一环，受制于算法本身能力约束等，AI应用场景落地在2023年并未取得明显进展。伴随多模态、模型蒸馏等技术的不断进步，以及主要企业在2023年的不断尝试、产品开发积累等，我们理应对2024年的应用场景有更多预期，主要包括边缘AI、软件、前沿技术以及互联网等。
1.边缘AI：AIPC料将先行
AI跃升至2.0时代，随着大模型进入“轻量化”、“多模态”时代，以云端作为AI大脑，边缘端和终端作为小脑的混合AI料将成为技术发展主线。
图8：混合AI是AIGC时代下主流趋势
在混合式AI时代，边缘计算扮演的角色日益重要。通过更低的运行成本、更低的能耗、更快的响应速度等优势，边缘计算可更加有效地突出用户使用个性，对于生成式AI的商业落地有着重要促进作用。
图9：AI处理重心正在向边缘转移
图10：一张图推演端侧/边缘侧AI的发展趋势
2.软件：预计2024年上半年开启商业化，下半年望加速
2023年2月，微软发布Microsoft365Copilot的Demo，打响了软件融入AI能力的第一枪，随后主流软件厂商均开始加速推进核心产品中AI能力的构建。考虑到产品成熟度提升，以及企业自身IT堆栈改造进度，我们预计AI+软件货币化有望在2024年初开启，并在2024H2加速，Copilot为短期主要产品形态，微软、Salesforce、Adobe等仍将是行业风向标，除应用软件龙头外，预计基础软件（数据管理、系统监控等）、信息安全等子板块亦将明显受益。
图11：应用软件、基础软件、信息安全等子板块将明显受益
图12：GPT能力与主要应用领域
3.自动驾驶：预计多模态带来产业实质性突破
基于transformer+BEV大模型的自动驾驶能力快速演进，自动驾驶领先的龙头车企（小鹏、华为、理想等）将快速落地城市NOA，推动自动驾驶需求爆发，预计自动驾驶高配选装比例将大幅提升。城市NOA将成为评价新能源车是否智能的核心要素，其能力的差异也将决定不同车企的估值溢价。
图13：2018-2024年部分车企智驾功能进展示意图
软件端：大模型正逐步应用于智能驾驶算法，首先在感知算法上，BEV+Transformer架构有利于解决图像尺度问题和遮挡问题，更好地实现向量空间的构建；其次在规控算法上，有望提升其泛化能力，优化在复杂场景下的表现。
硬件端：随着智驾SoC、激光雷达逐步成熟，智驾硬件BOM成本降幅有望达50%。
政策端：工信部已表态支持L3及以上级别的自动驾驶功能商业化应用。
长期发展的方向：算法和算力继续进化。未来5年的维度而言，更大的模型、更多的里程验证，是解决安全性的关键。软件方面，用模型解决感知问题已经成为行业共识，但是在同样极具挑战的预测、规划、控制方面，国内车企目前还在探索应用大模型的应用方式。特斯拉推崇的端到端模型方案，也是业界和学界的努力方向。未来真正“自动”驾驶的时代，车上所应用的模型，参数量和复杂程度或远高于当前的模型的水平，因而也需要更大的车端、云端算力平台做支撑。硬件长期的发展方向是“更大的算力”，以容纳同样更大、复杂化的神经网络模型。随着算力和算法的持续进化，未来5-10年的维度，车辆辅助驾驶功能的安全性、效率、舒适性都有望迎来巨大的飞跃。
图14：端到端智驾方案的示意图
4.机器人：奇点临近，技术与全球化共振突围
在技术更新迭代、产品百花齐放、产业链协同发力、政策持续催化的共同作用下，机器人行业将继续处在发展的历史机遇期中，人形/工业/服务/特种机器人等领域都蕴含着丰富的投资机会。
图15：机器人全景图
5.互联网：货币化能力、运营效率提升均值得期待
算法能力不断提升将为互联网巨头在搜索、电商、社交等产品层面持续打开想象空间，比如货币化能力改善、用户活跃度提升等，并最终体现为财务层面的收入增长、盈利能力改善等。
搜索：当前以助手形式出现，但多模态引入后，搜索引擎的入口属性将再次提升。我们预计，GenAI对搜索引擎的大规模重塑将在2024年二季度末开始，主要观察节点在于多模态模型性能的提升以及单次调用成本的回落。后续来看，不仅电商入口，视频等入口的属性亦将通过GenAI+多模态得到显现。
电商：通过物料生成带动商家效率的提升，AI对导购带来影响。
内容生成：有望快速降低专业内容制作成本，并为短视频等UGC内容的扩张提供工具。
图16：互联网产品代际的更新主要依赖交互方式的变化
图17：中国科技巨头加速发展AI大模型
投资展望
文生视频多模态模型Sora以及Gemini1.5Pro等优秀模型的诞生不仅反映了美国AI产业高速迭代现状，更揭示了人工智能产业未来可能的发展趋势：1）算力和网络的升级需求将会加强；2）物理世界模拟或将显著提升AI认知世界能力，为通用式人工智能发展奠定扎实基础；3）视频生成与3D视觉的结合有望打开AI应用想象空间。
算法方面，作为AI产业发展的灵魂和底层支撑，更智能的模型、多模态、推理成本的下降等预计将成为2024年的重点。
应用场景2024年有望在软件、边缘AI等层面看到实质性突破，同时自动驾驶、机器人等前沿方向有望伴随多模态模型的突破而进入发展快车道。
风险因素
AI算法迭代速度放缓、多模态等核心技术难以实现实质性突破风险；AI不恰当使用带来的用户隐私、潜在道德&伦理风险，以及由此引致的强力政策监管风险；地缘政治冲突导致AI技术、算力基础设施等难以在全球自由流动风险；短期AI货币化不及预期导致市场投入热情下降、AI产业发展陷入阶段性低迷风险；AI算法创新过度依赖于少数企业、核心技术人员风险等。