敬请参阅末页重要声明及评级说明证券研究报告从ChatGPT等生成式AI的算力开销及商业化潜力，看微软和谷歌面临的挑战[Table_IndNameRptType]互联网传媒行业研究/深度报告[Table_IndRank]行业评级：增持报告日期：2023-02-21[Table_Chart]行业指数与沪深300走势比较[Table_Author]分析师：金荣执业证书号：S0010521080002邮箱：jinrong@hazq.com相关报告·公司点评：快手-W(1024.HK)22Q4前瞻：商业化及流量盘稳健，降本增效持续2023-01-30·深度点评：东方甄选：借流量红利起步，有望靠品牌红利起飞2023-01-19·公司点评：微盟集团（2013.HK）：SaaS业务量价齐升，视频号起量充分获益2023-01-19·公司深度：遥望科技(002291.SZ)：多引擎驱动收入增长，大中台彰显规模效应2023-01-18·行业点评：3年1月游戏版号下发，腾讯黎明觉醒和网易逆水寒均获批2023-01-18·公司点评：携程集团-S(9961.HK)：“新十条”放宽出行限制，单季盈利表现不俗2022-12-19主要观点：[Table_Summary]⚫生成式AI对搜索引擎是否存在威胁？类似ChatGPT的生成式AI在搜索领域实现替代仍然面临诸多挑战，生成式AI技术需要先达到一定程度的“规模优势(包括预训练数据集规模,用户反馈量)”之后才有机会威胁到搜索引擎的生存地位。这种“规模优势”既意味着模型可以解决问题的领域在数量上足够庞大，又意味着同一个领域中模型可交付出的解决路径数量最够庞大。这种“规模效应”的达成有2个制约因素：1）用户习惯的颠覆。基于当前技术迭代路径的“搜索引擎（包括Google，Baidu，和Bing等）”已经教育了市场将近25年以上的时间，颠覆用户习惯需要极大的动能，这种动能一定是基于“替代方案”的效率要比“现存方案”优越数倍以上；2）生成式AI的模型进化的本质是依赖于对庞大的数据集的训练和微调，其背后的算力支撑是重要的技术驱动因素，而算力支撑取决于芯片技术(材料、设计、生产工艺)及“异构计算技术”的发展进程(包括计算开销的下降和计算交付结果精确程度的提高)。⚫生成式AI的算力需求根据NextPlatform对前期训练（不含微调）的估算，GPT-3175B的模型的每次训练成本在875万–1093.75万美元之间，对应花费时间在110.5天-27.6天，每1百万参数的训练价格是50美元-62.5美元之间。根据CerebrasAImodelstudio的GPT-3模型训练服务（基于4-nodeCS-2cluster）的报价信息，GPT70B（700亿参数，14000亿Tokens，85天训练时间）的训练价格在250万美元每次。⚫生成式AI的商业化潜力类似ChatGPT...
