核心观点：
ChatGPT 指明了 NLP 生成领域的技术方向，从技术本源上加速 AIGC发展。 我们认为， ChatGPT 对 AIGC 发展的意义在于：一方面， GPT 作为 NLP 生成领域模型的突破，将迅速解决 AI 文本生成、 AI 代码生成等领域的痛点；另一方面， AI 文本生成、 AI 代码生成作为 AI 音视频、游戏等其他领域的技术基础，其突破发展也将加速 AIGC 在音视频、游戏等场景中的渗透（比如生成 AI 绘画提示词，或生成调用计算引擎等）。全球巨头争相追赶，与 ChatGPT 水平尚存一定差距。国外公司中，谷歌发布的聊天机器人 Bard 具有与 ChatGPT 接近的技术水平，大约相差半年左右。国内公司中，百度、华为、字节跳动、阿里、腾讯等巨头均在大模型方向布局，整体发展水平与 ChatGPT 相差大概一到两年左右，约接近 GPT-3 的水平。
AIGC 多场景应用处于爆发前夜，千亿市场打开。 随着大模型算法突破以及算力成本下降， AIGC 发展痛点逐步解除，亟待爆发；同时又有ChatGPT 助力，文本、代码、图像生成有望率先成熟，视频、游戏将紧随其后。我们预测，到 2025 年 AIGC 在网络文学领域、文本分析领域、绘画及图片领域、数字音乐领域技术将相对成熟，因此渗透率分别为70%/60%/60%/50%；网络视频领域、游戏领域由于技术原因渗透率相对较低，分别约为 30%/25%。基于上述假设，我们分别对 AIGC 细分领域做市场规模预测，预计 2025 年中国 AIGC 市场规模有望达到 1600 亿。
AIGC 产业链：基础层最先受益，中间层巨头占优。 AIGC 产业链可大致分为基础层、中间层和应用层三层架构。鉴于大模型训练需要巨大的算力规模，基础层中的芯片、服务器等硬件提供商将最先受益。而对于中间层来说，技术积累以及资金实力都是关键竞争力，因此我们认为科技巨头更具有竞争优势。应用层中，可类比移动互联网时代，会爆发出很多杀手级应用，用户体验和模式创新都将成为“杀手钳”。
GPT-3 训练所需总成本： 模型的算力需求几乎与参数量呈同比增长。单一 V100 GPU 芯片进行一次 GPT-3 13B 模型的训练，大约需要 2144天；进行一次 GPT-3 175B 模型的训练，大约需要 29120 天。我们测算GPT-3 13B 训练总成本约为： $3.06 /H * 24 H/D * 365 D/Y * 26Y = $0.7Million；同理， GPT-3 175B 训练总成本约为$ 9.5 Million。在不计 RAM、CPU、 SSD 驱动器、电源等其他情况下， GPT-3 运行所需芯片成本至少在 20 万美元以上。
投资建议： ChatGPT 开启 AI 新纪元， AIGC 千亿市场处于爆发前夜。产业链基础层中，我们重点推荐全球 AI 服务器龙头浪潮信息（ 000977.SZ） ，关注中科曙光（ 603019.SH） 、中国长城（ 000066.SZ） ；中间层中，推荐人工智能技术积累深厚的拓尔思（ 300229.SZ）、科大讯飞（ 002230.SZ）；应用层中，推荐彩讯股份（ 300634.SZ）、嘉和美康（ 688246.SH） 、金山办公（ 688111.SH）、同花顺（ 300033.SZ） ，关注万兴科技（ 300624.SZ）。
风险提示： 行业竞争加剧的风险；产业发展进度不达预期的风险；技术风险；政策风险。