◎記者 王彥琳

ChatGPT的橫空出世，掀起人工智能熱潮。生成式人工智能有望催生和引領新一輪科技革命和產業變革，開展“人工智能+”行動，也成爲加快培育和發展新質生產力的重要引擎。當前，AI大模型應用進程如何？作爲底層基礎設施的AI硬件端有何發展趨勢？

“2024年有望成爲國產大模型全面商業化落地的元年。”海通證券計算機行業分析師楊林在接受上海證券報記者採訪時表示，隨着國產大模型性能的全面升級，先進的大模型能力也將逐漸轉化爲落地實際場景的產品應用，從而帶動大模型在辦公、教育、醫療、工業製造等衆多垂直行業的持續落地，AI to B與AI to C的需求也有望全面打開。

楊林表示，從場景應用維度看，智能化場景在行業的落地隨着時間的推移，正呈現出更深入、更廣泛的趨勢。人工智能持續爲提升用戶體驗作出貢獻，如智能客服、智能推薦、精準營銷等在各行業落地。人工智能也在公共衛生安全體系建設中承擔重要角色，在病毒演變預測、疫苗藥物研發、輔助診斷等維度實現廣泛應用。長期來看，企業通過在數字人等數字化營銷內容領域佈局，創造差異化的營銷體驗，升級品牌形象。此外，越來越多科學家利用人工智能技術，從數據中建立模型，重點圍繞新藥創制、基因研究、新材料研發等領域加速對前沿科學的探索。

商業化落地是大模型發展的關鍵一環。楊林預計，2024年生成式AI技術有望在IP開發、互動陪伴、遊戲、營銷、電商、教育等方向獲得廣泛應用。隨着AI產品逐步落地，2024年將是去僞存真的邏輯驗證階段，檢驗AI技術的應用能否高效產出，多模態進化之後能否在更復雜的視頻、遊戲等領域有所建樹。一旦實現AI賦能，將會帶來收入和利潤的巨大增量和彈性。

一方面，AI賦能千行百業，潛力巨大。但另一方面，AI應用的推進，還需要底層技術的持續支持。算力是訓練大模型的重要支撐，當前算力需求呈指數級增長，AI算力對於數據傳輸、通信的要求更高。從AI算力產業鏈來看：GPU方面，在英偉達帶動下，新的AI芯片計算能力不斷提升，芯片間互聯速度、內存容量快速增長；交換機方面，服務器與交換機、交換機與交換機之間接口速率從100G、400G快速向800G、1.6T演進；光器件方面，光模塊作爲光電轉換的核心器件，速率升級的同時，產品上也衍生出LPO、CPO、硅光、薄膜鈮酸鋰等方向，並帶來光電芯片新需求。

從電子產業鏈來看，AI帶動的下游需求有望驅動產業鏈回暖：

第一，存儲爲半導體核心受益板塊，大模型迭代利好DRAM（動態隨機存取內存）需求向好。未來在AI模型逐漸複雜化的趨勢下，將刺激更多存儲器用量，並同步帶動服務器DRAM、SSD（固態硬盤）以及HBM（高帶寬內存）的需求成長。

第二，AI端側數字芯片是不可或缺的一環。到2024年，邊緣AI芯片的出貨量將增至15億顆，年增長率至少爲20% ，遠高於全球半導體整體增長率（約9%）。

第三，Al PC、AloT能見度增強。生成式AI模型的爆發式增長，帶來將專用的AI加速硬件集成到PC的需求。頭部廠商正在積極佈局AI PC。2024年出貨的PC中，預計AI PC的佔比接近20%。此外，多模態加持下，智能眼鏡需求端將迎來催化，以Micro LED+光波導的光顯方案爲代表的AR眼鏡，有望成爲AI大模型的極佳載體。