国盛证券发布研究报告表示，随着自然语言技术(NLP)进一步降低AI的使用和触达门槛，以及伴随着AIGC生成算法的优化与改进，AIGC的商业化落地速度和效果表现将超预期。在未来AIGC随着B端和C端的商业化落地的实现，算力集群的建设和云服务都会受益，同时考虑到英伟达A100、H100出口受限，相关国产算力芯片将有机会获得增量市场。 国盛证券的主要观点如下： AIGC带来的商业模式变革——AI的显性化。 随着自然语言技术(NLP)进一步降低AI的使用和触达门槛，以及伴随着AIGC生成算法的优化与改进，我们发现AIGC的商业化落地速度和效果表现将超预期，一些如Jasper这样的初创企业已经开始产生了营收。这意味着AI正以越来越显性的方式产生商业模式。AI已经不再像过去那样与硬件、系统等一起打包进行商业化落地了。对于普通人来说也不再是一门遥不可及的尖端技术。 To B仍是AIGC的主要商业模式。 虽然AIGC使C端用户以较低的门槛使用AI生成内容，但就目前来看，to B仍然是核心商业模式。对于B端客户来说，他们的需求和付费意愿是较为稳定的，这主要有以下两个核心原因：对于B端带来的效率提升和成本下降，如用AIGC抓取信息后根据已有模板完成新闻或一些产品的测评;能够填补原本很难完成的需求鸿沟。 面向C端的AIGC，以SaaS订阅为主。 随着AI模型与算力的发展突破了可用的临界点，AIGC对个体的赋能也不容忽视，且将以SaaS订阅为主。第一是作为效率工具，AIGC产品能够在信息获取、格式整理和工作流等各个流程提高个人用户的效率;第二是作为创作工具，像剪辑、修图软件一样，AIGC能够大幅度降低大众用户的创作门槛。效率工具例如Notion发布的NotionAI，尤其值得关注AI模型作为基础设施集成到已有的工作流中。 AIGC未来应用普及的背后，将产生巨大的算力市场。 根据OpenAI的研究，AI训练所需算力指数增长，且增长速度超越硬件的摩尔定律。AI模型大算力的背后需要高昂的算力成本，GPT-3训练的算力成本超过400万美元。尽管AI模型往往会选择开源，但数据集和训练成果是一个团队的内部资产，这意味着每个AI产品都需要支付自己的训练成本。在未来AIGC随着B端和C端的商业化落地的实现，算力集群的建设和云服务都会受益，同时考虑到英伟达A100、H100出口受限，相关国产算力芯片将有机会获得增量市场。 AIGC社区的价值。 近期在与各个创业团队的沟通过程中，我们发现行业一个重要的关注点会放在AIGC与Web3.0的结合，以及AIGC与社区的融合。AIGC让用户的创作门槛的降低，有助于加强社区的互动和发展，同时降低了平台的内容成本。社区用户对内容的探讨与偏好能为AIGC模型提供优质的反馈，以便后续优化增强产品力。NFT能够确权作品和链接社区，AIGC与NFT社区的结合探索，或将产生值得期待的商业创新。 AIGC投资框架： 软硬件与数据集。生成算法、NLP与算力决定AIGC能否运行，而高质量的数据集决定了AIGC质量与商业模式。软件层面主要包括自然语言处理技术：谷歌、微软、科大讯飞、拓尔思;AIGC生成算法模型及数据集：英伟达、Meta、百度、蓝色光标、视觉中国、昆仑万维。算力层包括：中兴通讯、澜起科技、新易盛、天孚通信、宝信软件、中际旭创等。 风险提示： 技术创新不及预期;政策监管风险。

 据微软官方1月9日消息， 微软宣布已收购数据中心芯片初创公司Fungible。 微软表示，Fungible的技术可以增强其数据中心的实力。收购的财务条款尚未披露，但海外媒体Blocks and Files曾在12月中旬的报道中指出， 这笔交易价值1.9亿美金 ，微软将把Fungible的技术部署在Azure云平台支持的数据中心。 受科技巨头青睐，Fungible是何方神圣？据了解，Fungible是一家数据领域初创企业，由硅谷资深人士Pradeep Sindhu和Bertrand Serlet于2015年创立。该公司核心产品为DPU（中央处理器分散处理单元），是继CPU、GPU之后，数据中心场景中的第三颗重要的算力芯片。 Fungible称其技术不仅能够提高服务器效率，也能够提高存储基础设施的效率并简化日常服务器管理，降低数据中心成本。 资料显示， DPU能够作为CPU的卸载引擎，释放CPU的算力到上层应用。 通俗来说，DPU能够让服务器将网络和存储功能从CPU卸载到DPU上，从而使CPU专注于运行操作系统和系统应用程序，可以释放较大一部分算力从而提高运营效率等。 在数字经济时代，算力资源成为科技发展的底座。由于DPU能够释放部分算力资源，其重要性日益凸显。近年来，DPU赛道逐渐拥挤，从海外的 英特尔、博通、英伟达、Pensando、Fungible ，到国内的DPU的初创企业 中科驭数、星云智联、大禹智芯、芯启源 等等，都在加速各自在DPU赛道的布局。 据头豹研究院统计，截至2022年年中，DPU赛道的主要玩家产品推出的时间线为： 此外就在上个月末，中科驭数宣布研发的第二代DPU芯片K2成功点亮， 是目前国内首颗功能较完整的ASIC DPU。 头豹研究院认为，从DPU产品推出时间来看，中国DPU芯片厂商与海外厂商基本在同一时间节点开始发力，步调一致，海外厂商尚未在DPU商用化进度中形成明显的先发优势，中国DPU芯片厂商具有较好发展机遇。 整体市场规模上，经机构测算，随着智能驾驶、元宇宙等其他领域的需求被不断挖掘，DPU渗透应用领域将持续扩大， 中国DPU市场规模将有望于2026年达到1095.3亿元。 中银证券亦指出，DPU的制程挑战略低，适合新入局者。与此同时，DPU行业产业链成熟，有望快速爆发。该机构推荐关注明确有DPU布局的上市公司左江科技、通信芯片相关的紫光股份以及国产异构计算芯片公司景嘉微、紫光国微等。