2010年，麻省理工大学阿齐默鲁教授等提出了科技发展如何影响人类就业的分析框架。当前，随着以GPT-4为代表的大语言模型的出现，AI开始具备文本生成、语言理解、知识问答、逻辑推理等能力，AI大模型出现通用性强、固定成本高但边际成本递减等平台性技术的显著特征，未来有可能大规模替代当前人类的工作。因此，我们认为现在是重新思考人工智能将如何影响工作和投资的又一重要时刻。我们认为：1）大模型对人类工作的替代将从常规性的脑力劳动开始，金融法律服务、软件外包、传媒等工作可能最先被影响。2）从投资角度，建议按照算力基础设施->硬件载体->大模型平台->应用的顺序寻找受益标的。
核心观点
投资机会#1：科技巨头在大模型上竞争激化，芯片等送水人最先受益
我们认为，算力需求增长会率先利好芯片、光模块、服务器产业链等送水人。根据 OpenAI 测算，目前算力的增速（翻1倍 /3-4个月）远超过摩尔定律（翻1倍 /18-24个月），未来AI应用的逐步丰富，将推动推理芯片等相关市场保持强劲增长。我们预计 2025 年左右当生成式 AI 应用大规模落地后，用于数据中心的推理及训练芯片市场约900亿美元，带来先进代工、先进封装、光模块、服务器在内相关产业链机会。
投资机会#2：谁会成为2.0时代的硬件载体？
回顾消费电子硬件的发展历程，硬件的升级和应用的发展往往相互促进。年初以来，ChatGPT Plugins和Auto GPT已让我们在应用层面看到了大语言模型的潜力，有望催化智能终端的发展。一方面，大模型将为智能手机、PC平板、音箱等带来新功能，推动硬件规格升级；另一方面也有望催化AR/VR、无人驾驶汽车、机器人等新的硬件形态，带动产业链发展。长期来看，或将形成同时拥有1）超强感知能力，2）通用人工智能（AGI）和3）灵活的行动能力的硬件产品。虽然离大规模应用仍有距离，但长期来看，建议关注机器人等终端成为AI2.0时代的主流载体。
投资机会#3：世界最后需要几家大模型公司？
我们认为，大语言模型是一个资本密集、人才密集和数据密集的产业，是否拥有大语言模型将成为衡量科技企业甚至衡量国家综合实力的重要尺度之一。当前全球大模型呈现“百模大战”的竞争格局，我们认为最终可能会收敛到国内外各数家的寡头竞争格局。在“百模大战”中最终胜出的企业，有望成为可以类比当前百度、阿里、腾讯体量的科技平台型企业。是否能形成“数据-模型-应用”的飞轮是判断大模型企业能否在竞争中胜出的重要标准之一。
投资机会#4：最大机会在行业，看好互联网、办公、金融等行业落地
我们认为，AI 2.0最大的投资机会在应用，AI落地的节奏或和行业数字化程度成正比，看好互联网（搜索+广告营销）、办公、金融，教育等行业率先迎来“iPhone时刻”，关注大模型在：1）电商、金融、医疗等行业替代传统客服；2）文本和图像生成在办公、广告营销、金融、影视游戏等领域成为下一代生产力工具；3）多模态能力在新药开发等科研上的应用前景。
风险提示：宏观经济波动；新技术渗透进度不及预期；中美贸易摩擦加剧；本研报中涉及到未上市公司或未覆盖个股内容，均系对其客观公开信息的整理，并不代表本研究团队对该公司、该股票的推荐或覆盖。
正文
AI 2.0: 十年之后我们还能做什么
2010年，麻省理工大学应用经济学教授达隆·阿齐默鲁（Daron Acemoglu）等人在论文中提出了科技发展如何影响人类就业和收入的分析框架（图1）。当前，随着以GPT-4为代表的新一代AI技术的出现，人类正面临重新思考人工智能将如何影响我们今后工作生活的又一重要时刻。
参考阿齐默鲁教授的模型和咨询公司埃森哲近期关于工作受到生成式AI影响大小的研究结果，我们把十个主要行业根据：1）工作方式是脑力为主还是体力为主，（2）工作内容是常规性还是非常规性进行划分，归纳了不同性质工作受到生成式AI影响的程度。我们认为，随着AI能力的不断增强，大语言模型（LLM）将从金融法律服务、软件外包等常规性的脑力工作开始，逐步替代人类工作。
具体结论如下：
1）常规性的脑力劳动容易被算法替代。这具体包括金融法律服务、软件外包、传媒等白领工作。这些工作需要收集，分析和解释大量基于语言的数据和信息，且含有较多重复性的知识劳动，与大语言模型的文本理解/生成以及逻辑推理能力高度重合，受到生成式AI的影响可能较大；
2）非常规性的脑力活动较难被算法替代。相较白领工作，新药开发等科研工作需要更高层次的认知和创造力，并且工作内容多变，难以被算法替代，受到生成式AI的影响较白领更小；
3）常规性的体力劳动容易被自动化技术替代。在零售、制造等行业中，虽然涉及的语言相关工作不多，受生成式AI的影响不大，但工作中有较多重复且任务标准化程度高的内容，容易被机器人等自动化技术所替代；
4）非常规性的体力劳动受影响较小。建筑、餐饮旅游及交运、采矿等行业虽然也包含较多的体力劳动，但难以被自动化的长尾场景较多，目前看来，受到生成式AI和机器人技术的影响都较小。
AI 2.0是下一代通用技术平台
我们认为以ChatGPT为代表的大语言模型的出现，使人工智能技术的发展进入了2.0时代。AI大模型已经具备 1) 通用性强， 2）固定成本高但边际成本递减等平台性技术的显著特征，有望成为继PC，移动互联网，云计算，电动车之后，下一个支撑科技创新的通用技术平台。
如下图所示，每一代通用技术平台的出现，都会伴随几家平台性公司的出现。这具体包括，1）主机时代的IBM，2）PC时代的微软和Intel（Wintel），3）智能手机时代的苹果和谷歌，4）云计算时代的亚马逊和英伟达，5) 智能电动车时代的特斯拉和宁德时代。当我们进入AI大模型时代，我们认为，大模型厂商和算力提供方有望受益于AI2.0的崛起，实现平台扩张。
过去，计算机视觉等AI模型需要针对每个特定任务进行数据采集、模型训练等一系列工作，且训练出来的模型无法用到其他场景，这导致边际成本难以降低、难以大规模落地等问题。大模型的出现改变了AI模型的训练和使用的范式。在大模型的新范式下，首先训练出具备跨领域知识的基础模型（Foundation Model），然后通过微调等方式适配和执行下游各领域的任务，能够降低模型落地的边际成本。大模型的新范式带来了成本结构变迁：大模型出现之前的AI 1.0时代，模型训练成本和模型数量等比例增加，边际成本较高；AI 2.0时代，训练基础模型的固定成本高，但微调以适应下游应用的成本极低，预训练模型+微调的新范式边际成本低，具有明显的平台效应，为AI公司探索新商业模式提供机会。
我们相信AI 2.0是未来十年科技行业最重要的投资机会，建议投资人参考4G的投资逻辑，按照基础设施->终端->平台->应用 顺序寻找投资标的。
复盘4G产业发展历程，我们看到在受益板块中电信设备商先行，手机次之、电信服务及移动互联网应用紧跟其后。第一阶段，爱立信等通信网络设备商享受最初的资本开支红利，但由于华为出现导致的格局改变以及设备投入存在周期性，股价波动回到原点；其次，中国三大运营商在4G时代发挥着至关重要的作用，但由于来自监管的提速降费压力和业务范围的制约，运营商盈利增速缓慢；4G时代应用端的主要附加价值被互联网占据，社交、游戏、电商和视频等领域出现了一批杀手级应用，以腾讯为代表的平台型企业也在互联网浪潮中实现市值飞跃。
展望AI大模型时代，我们认为：
1)算力基础设施率先受益：AI大模型推动算力需求快速增长，基础设施的业绩成长确定性最高，主要产业链环节包括计算芯片、服务器、数据中心等；
2)交互终端次之，当前智能手机是大模型应用的主要载体。未来看好大模型能力提升推动AR/VR，无人驾驶车，机器人等成为下一代硬件载体的潜力。
3)大模型平台是当下产业发展趋势中最核心的一环，看好MaaS成为AI大模型时代新的商业模式，关注各国对AI大模型企业监管政策对行业发展的影响；
4)AI 2.0最大的投资机会在应用。看好大模型在搜索，电商零售，办公，金融、医药等行业率先落地。
投资机会#1：算力需求增长利好芯片送水人
我们认为，算力需求增长会率先利好算力芯片，光模块，服务器产业链等送水人。根据 OpenAI 测算，目前算力的增速（翻1倍 /3-4个月）远超过摩尔定律（翻1倍 /18-24个月），未来AI应用的逐步丰富，将推动推理芯片等相关市场保持强劲增长。我们预计 2025 年左右当生成式 AI 应用大规模落地后，数据中心用推理及训练芯片市场约 900 亿美元，带动先进代工、先进封装、光模块、服务器在内相关产业链。
算力芯片：全球900亿美金市场，训练英伟达一家独大，推理百花齐放。我们认为是否拥有大模型将成为科技巨头科技平台企业的重要分水岭。我们预计全球有约30家科技巨头和300家AI大模型初创企业在进行算力相关投资。到2025年，这对应大约每年300亿美金训练芯片和600亿美金的推理芯片市场。其中，英伟达凭借CUDA软件框架构建的强大行业壁垒，在训练芯片市场一家独大，推理芯片方面，海外客户除了采用英伟达、AMD等的通用GPU以外，也会采用TPU等ASIC以提高性价比。国内客户出于供应链安全考虑，逐步提升国产芯片的适用占比。
服务器/PCB/先进封装：AI服务器增速超传统服务器，高算力需求带动先进封装需求。从GPU到AI工厂，我们认为AI计算会为整个服务器产业链带来增长。相较于全球传统服务器需求持续低迷，根据IDC预测AI服务器21-26年复合增速有望达到17%。我们看到从单颗 GPU 芯片 H100，通过 NVLINK Switch 形成一颗巨型 GPU，然后通过 Quantum InfiniBand 技术，搭建有上百张 GPU 的 DGX 服务器，最后把多台 DGX 联通形成一台 AI 超级计算机，整个系统的搭建过程会带动包括服务器整机、PCB、光纤光缆、电源在内的整个服务器产业链的性能升级。在先进封装领域，产业从2.5D封装正走向3D封装，根据Prismark预测ABF载板作为先进封装关键材料有望在21-26年实现复合增速11.5%，而相关测试设备有望长期受益于Chiplet和国产替代趋势。
光模块：AI大模型推动800G光模块迎放量元年。以ChatGPT为代表的AI大模型，对数据中心内外的数据流量都提出了新要求，将带来光模块行业“量”和“质”的双重提升。以ChatGPT为代表的AI大模型训练中，由于需要海量数据及跨机器协作，产生了大量的数据中心内部通信需求，无阻塞的胖树结构成为当下最主流的AI训练网络架构，带来两方面主要变化：1）量方面，AI网络架构带来数据中心内部交换机、服务器数量的增加，光模块作为数据中心内外部连接的核心部件，用量将明显提升；2）质方面，AI对于高速率、大带宽的网络需求将推动光模块向800G加速升级，根据Lightcounting预测，2023将成为800G光模块放量元年，2028年800G出货量有望达998万只，对应2023-2028年复合增长率为72%。在此产业趋势下，我们认为能够提供高速光模块的龙头企业以及上游光器件、光芯片厂商有望迎发展机遇。
投资机会#2：谁会成为2.0时代的硬件载体？
我们认为大语言模型能力的不断增强，在为智能手机等现有硬件产品带来AI聊天等新的功能的同时，也会催生机器人，ARVR，无人驾驶车等新的硬件形态。从消费电子硬件变迁历程来看，硬件的升级和应用的发展是一个互相促进的关系。一个新的硬件形态（例如 2008年的iPhone，2023年的苹果Vison Pro）会吸引开发者开发新的应用，另一方面，新的应用（2013年左右的手游）会推动硬件规格的升级。
我们认为一个应用的能力可以分为感知、思考和行动三个维度。过去15年智能手机和电动车的发展，使手机，电动车等产品已经具备了较强的“感知”能力。过去几年AI云计算的发展，使硬件初步拥有了“思考”的能力。
展望未来，我们认为大语言模型会大幅提高硬件产品的“思考”能力，机器人技术的发展会提高硬件产品的“行动”能力。一个同时拥有（1）超强感知能力，（2）通用人工智能（AGI），和(3) 灵活的行动能力的硬件产品，可能就是现在大家畅想中的人形机器人。虽然很难预判什么时候这个产品能够实现，但在最终实现人形机器人的过程中，我们相信会催熟 ARVR，无人驾驶车等很多新的硬件形态，带动产业发展。
投资机会#3：世界最后需要几家大模型公司？
我们认为是否拥有大模型将成为科技巨头科技平台企业的重要分水岭。目前AI行业呈现出“百模大战”的格局，我们认为未来基础大模型可能呈现国内外各有数个赢家的寡头竞争格局。类比云计算领域，国外有AWS（亚马逊）、Azure（微软）和GCP（谷歌）三巨头，国内有BAT和华为，前期基础设施的巨大投入造成了云计算的寡头市场格局。与云计算类似，基础大模型需要耗费大量算力和数据标注成本，并且随着规模的增加，其训练费用将指数级增长。在高壁垒和地缘政治等原因下，未来基础大模型可能在国内外各自形成寡头竞争格局。
AI大模型是一个资本密集，人才密集和数据密集的产业，如何形成“数据-模型-应用”的飞轮，是大模型企业成功的关键。具体而言，大模型的诞生以算力基础设施为根基，以算法为骨干，以高质量数据为血肉；大模型结合具体应用场景的落地产生应用；用户使用应用的过程中产生数据，数据又得以反哺模型。由此，从大模型的训练到应用落地产生闭环，我们认为“数据-模型-应用”的飞轮能否运转是大模型企业可持续发展和迭代的关键。
MaaS可能成为AI大模型时代新的商业模式。过去云计算架构主要分为IaaS、PaaS、SaaS三层，经过多年发展，出现了像微软，MongoDB，Adobe等一批代表性企业。未来，我们认为，MaaS (Model as a Service）可能成为AI大模型时代一种新的商业模式。如上所述，大模型具有固定成本高，通用性强等特点，MaaS企业依托已经训练好的大模型，向2B客户提供包括API调用、模型训练、模型微调、模型部署服务等各类服务，数据，算法，算力将是MaaS企业的主要竞争壁垒。目前，国内，阿里，百度，商汤等都已经宣布提供类似服务。
监管政策是规范AI大模型健康发展的基础，关注国内政策落地进展。大模型由于涉及到大量个人和企业数据，生成内容中存在虚假信息等风险，是当前全球各国监管关注的重点。23年6月，欧洲议会在全球率先通过《人工智能法案》，对AI模型提出了版权披露、保障隐私与非歧视等基本权利、风险分级监管等要求。23年4月，国家网信办发布发布《生成式人工智能服务管理办法（征求意见稿）》，明确要求，符合大模型生成的内容需要符合”社会主义核心价值观”，并要求人工智能企业在提供服务前，向国家网信部门申报安全评估；并按照《互联网信息服务算法推荐管理规定》履行算法备案和变更，注销备案等手续。关注监管政策落地对行业发展的影响。
投资机会#4：如何把握大模型应用的投资机会
我们认为，长期来看AI 2.0最大的投资机会在应用。根据科大讯飞董事长刘庆峰的观点，通用人工智能应当具备文本生成、语言理解，知识问答、逻辑推理、数学、代码、多模态等七大维度的能力。通过对AI在搜索、电商零售、办公、金融法律、影视游戏，医药、教育、汽车等行业应用前景的分析，我们认为，AI应用的落地节奏或与行业数字化程度成正比，我们看到AI大模型在互联网（搜索+广告营销）、办公、金融等领域率先迎来“iPhone时刻”。其中最值得关注的应用包括：1）知识对话在电商、金融、医疗等行业替代传统客服；2）文本和图像生成在办公、广告营销、金融、影视游戏等领域成为下一代生产力工具；3）多模态能力拓宽人类探讨世界的范围，特别是在新药开发上的应用前景。
AI+搜索：输入输出模态多样化，有望集成全新商业模式，打开行业天花板。传统的搜索行为往往需要经历长时间的判断过程和多轮的互动，而AI技术的加入，将从底层结构上改变搜索形态，以GPT为代表的大模型加持赋能搜索行业：1）创造性内容生产与输出，AI大模型可以利用大量实时文本数据学习语言的规律，并根据用户指示创造性地完成特定需求下各种类型的文本输出，如故事、诗歌、摘要、代码等。2）拓展搜索的多模态能力，利用AI技术处理视频、图片、语音等多种形式的信息，使搜索不再受限于信息的形态。AI+搜索的诞生便吸引了全球的注意力，内置AI聊天功能的New Bing搜索引擎在推出一个月后日活跃用户已突破1亿，自New Bing推出以来，聊天功能使用次数累计超过4500 万次。根据Industry growth insight，2021年全球搜索市场规模为109.0亿美元，预计2023年达到123.6亿美元。同时AI+搜索也催生出未来新的商业模式，例如微软目前内部正在探讨在生成回复的引用链接中放置订阅制和弹出式广告的可行性。
AI+电商零售：定制化内容生成；个性化营销推广。目前广告/营销行业存在单位推广成本高、转化率低的痛点，AI 能赋能行业生产力的提升，主要体现在：1) 创新广告形式，提升信息传递效率，形成强流量、高互动，提高广告营收；2) 提高营销内容生产效率、推进个性化营销；3) 有望推动营销服务商商业模式革新、毛利率提升。通过以上赋能，行业增长空间有望提升，盈利能力。目前海内外 AI+广告/营销应用百花齐放，例如，国外Adspert利用AI将广告全自动化，优化亚马逊广告竞价投放，增加销售额，提升投产比；国内腾讯广告大模型赋能广告制作环节，同时助力提升广告主15%GMV。
AI+办公：生产力的又一次跃升；重塑内容生产、沟通、协作模式。生成式AI当前在办公领域的应用主要包括改善生产力、沟通、协作工具等应用方向。以Microsoft 365 Copilot为例，Copilot通过把GPT-4提供的内容生成功能，与存储在Graph数据库中的企业数据，以及Word、Powerpoint、Excel、Outlook、Teams等办公工具相结合，提供包括内容创作、数据分析、辅助决策等一系列新功能。生成式AI将传统的点式交互升级为自然语言的交互方式，能够实现更灵活的功能调度，进一步降低办公场景的沟通协作成本，提升工作效率。此外，生成式AI能够挖掘办公场景中的数据价值，提供知识管理等功能，进一步提升产品的价值空间。
AI+金融：广泛应用于银行、保险、资管、投顾等环节，助力金融机构降本增效。我们认为垂直行业的高价值量数据对于AI大模型的训练和垂直领域应用至关重要，金融行业数字化程度领先，拥有数据富矿，有望成为AI大模型率先落地的垂直领域之一。应用端，我们看到生成式和理解式大模型在银行、保险、资管、投研、投顾等多个细分领域正在落地或拥有潜在落地场景，帮助金融机构降本增效。过去，理解式大模型主要用于信息识别与挖掘，例如风险识别、客户识别等等。生成式AI的主要落地场景包括应用于各金融子行业的智能客服以及内容生成，例如投研领域的研报生成、投顾领域的投资建议生成、保险/资管领域的合同模板生成等等。
AI+游戏：AIGC带来玩法体验端的创新升级，以及生产营销端的降本提效。1)玩法体验端:目前看AIGC有望在NPC智能交互及玩法设计创新方面加速应用，AINPC的不断成熟将改变游戏玩家与角色的交互方式，进一步提升游戏沉浸感；同时，AIGC带来的UGC等玩法创新也有望带来全新的游戏类型，进一步提升游戏内容的丰富度及自由度。2)生产营销端:以ChatGPT等大语言模型为基础的文本类Al生成工具、StableDiffusion及Midiourney等Al图像生成工具、Gen2等Al视频生成工具等已在游戏行业各环节有所应用，同时英伟达、微软、Epic Games、Unity等基于原有产品或服务纷纷推出AIGC功能。随工具化AIGC产品和服务快速迭代，行业“卖铲人”将加速AIGC对行业赋能，带来进一步的降本提效空间。
AI+教育：虚拟个性化辅导教学，提升教学质量同时降本增效。传统教育具有人工成本高、内容同质化以及资源分配不均匀的弊病。基于多模态模型在文本、图像等领域取得重大突破，生成式 AI技术有望协助构建智慧教育新生态。近期国内外多家公司发布 AI+教育产品，例如多邻国在“Max 订阅方案”中推出两项基于 ChatGPT-4 设计的教辅功能、网易有道发布AI口语老师以及科大讯飞发布“1+N”星火认知大模型等。随着大模型的迭代升级，我们看好生成式AI应用于个性化辅导、AI 虚拟教师等领域，助力打造全新的低成本、个性化自适应教育模式，推动优质教育资源的规模化应用。同时建议关注AI+教育带来的智慧校园、智能终端等硬件设备，以及相关 IT 基础设施、云服务等软件设施的投资机会。
AI+医疗：拓宽人类对自然界的认知半径，探索科学边界。医疗健康领域是人工智能率先落地的行业之一，也已经催生了 Nuance、IBM Watson 等一批全球知名企业。随着基于大模型的生成式 AI 的出现，我们看到AI+医疗有望迎来一波新的发展机遇。我们看好生成式AI：1）应用于实时病例生成、医疗影响分析等领域，从而发挥提高问诊效率、降低数据分析的人工成本等作用；2）赋能药物发现源头创新，探索自动根据功能需求设计/优化蛋白质、给定抗原等目标蛋白生成抗体等，加速药物发现流程。
AI+汽车：降低数据搜集、处理成本，优化驾驶体验，高级别智能驾驶落地可期。无人驾驶看上去很美，但一直很难落地。无人驾驶是最早被提出的人工智能应用场景之一，谷歌、苹果、特斯拉、百度等海内外科技巨头从2016开始就积极布局，但直到现在仍很难实现大规模商用落地。我们认为，1）多维度数据的获取和标注成本高，2）对小概率事件的决策准确度和人类还存在较大差距，3）事故时法律权责归属不明确，是制约其发展的部分原因。我们认为，1）以ChatGPT和SAM为代表的AI大模型的引入，自动标注、虚拟仿真等技术的引入大幅降低模型中数据的采集和处理成本；2）感知、预测、执行全流程算法迭代，体验能力的提升有助于从行业整体层面加速高级别智能驾驶的量产落地。看好AI大模型赋能之下，降低数据标注成本，提升感知预测执行全流程能力。
2023年十大投资机会
长期来看，我们认为全球科技行业的发展会沿着元宇宙，人类永生、和星际文明三个维度演进。其中，1） 追求永生是推动人类进步的动力之一，未来脑机接口、纳米机器人等前沿科技有望继续延长人类寿命；2）元宇宙是互联网的下一站，也是人类数字化迁移的下一步；3）移民火星的意义在于为人类文明留下“备份”，随着航天技术突破，星际旅行与火星移民终将实现。
过去一年，在这三个维度上，除了AI大模型以外，我们还看到科技行业发生了以下变化。
1) 商业航天：近一年来，我们观察到中国商业航天产业链上下游发生明显变化。在技术端，国内民营液体火箭公司积极探索发动机技术与可回收技术突破，国内卫星制造在国家统筹规划、民企合力组建下步入规模化发展。在需求端，我国多项星座计划有序开展部署，中国星网预计明年上半年开始发射；“卫星直连”成为行业热点，手机、汽车、模组厂商积极开展尝试；工信部提出加快6G 研发，为卫星互联网提供重要机遇。在政策面，国内多省市利好政策频出，助力商业航天产业成长。建议关注我国商业航天产业链发展机遇。
2) 元宇宙：受Meta缩小在硬件上的投入以及币价下跌等影响，元宇宙产业链从2022年下半年开始出现回调。6月，苹果正式发布第一代头显产品Vision Pro，在微显示技术（硅基OLED)和人机交互技术（眼动和手动追踪）上和Oculus等现有产品比有了显著的提升。后续关注苹果如何发挥其在开发者和用户生态上的优势，以及生成式AI等最新的技术发展，激活元宇宙生态，值得关注。
3) Web3：回顾Web3过去一年，加密寒冬中市场风险事件频发，加速合规框架建立成为美国、欧洲、新加坡、香港等各国家/地区监管强共识。同时，行业创新持续，基础设施层：1）以太坊完成合并驱动生态进入新阶段，市场关注Layer2扩容、流动性质押等赛道。2）央行数字货币在过去一年取得了积极进展，或将成为区块链技术逐步迈入主流的铺垫。应用层：1）金融领域，流动性质押衍生品、现实世界资产等新赛道兴起，印证普通人进入门槛降低，Web3正逐步完善与真实世界的连接；2）非金融领域，NFT成交量高位跌落后，市场投机情绪减弱，关注Web3和音乐、社交、游戏等具体场景结合。
4) 半导体国产化：我们认为半导体设备和材料是中国半导体行业国产化的关键一环，美国、日本进一步收紧出口限制，中国半导体当前面临国内需求远大于国内供应链产能的供需错配现象。2022 年中国计算、手机、汽车、通信等系统厂商半导体消费额超过1068亿美元，约占全球半导体消费额的25%，而中国代工收入仅为全球10%。在半导体设备（全球市占率 5%）、材料（全球市占率9%）等环节存在严重“卡脖子”问题。在国产化推动下，我们看好：（1）设备：刻蚀、薄膜沉积、量检测等；（2）零部件：射频电源、光学镜头、金属结构件等，（3）材料：光刻胶、抛光液/垫等投资机会。
5）汽车智能化：在汽车电动化渗透率不断提高的背景下，汽车智能化较大可能成为下一个红海竞争的破局点，具体表现在：智能驾驶领域：领航辅助驾驶（NOA）等高级别辅助驾驶功能模型成熟度不断提高，市场领先者的测试版逐渐落地。我们认为今年或是城市 NOA 普及的元年并且成本有望进一步下降，国产供应商有望受益。智能座舱领域：现阶段智能座舱已经处于全面向 4.0 阶段发展的时期，硬件的装载是实现软件层交互的基础，座舱硬件已率先迎来大规模上车机遇；其次在智能座舱大模型生态发展下，我们认为拥有大模型和机器视觉技术布局的软件层企业同样有望受益。
本文作者：黄乐平等，来源：华泰证券研究所，原文标题：《AI 2.0：十年之后我们还能做什么》
黄乐平 S0570521050001 | AUZ066
谢春生S0570519080006 |BQZ938
朱珺S0570520040004 |BPX711
余熠S0570520090002 |BNC535
陈旭东S0570521070004|BPH392
丁宁S0570522120003
张皓怡S0570522020001
王兴S0570121070161
王心怡S0570121070166|BTB527
权鹤阳S0570122070045
于可熠S0570122120079
风险提示及免责条款
市场有风险，投资需谨慎。本文不构成个人投资建议，也未考虑到个别用户特殊的投资目标、财务状况或需要。用户应考虑本文中的任何意见、观点或结论是否符合其特定状况。据此投资，责任自负。
原文链接：https://wallstreetcn.com/articles/3692303
