1.1.智能科技产业图谱
1.1.1.为何需要产业图谱？
每一代计算平台的发展，囊括硬件及其产业链、软件应用及变现，是一个庞大的生态系统。 每一代生态系统的构建，均是建立在新生产力、新生产关系、新计算平台之上的，故过往的 诸多产业链均会重新构建、链接过程中价值链亦会重新分配、竞争格局成型后的局面会有大 变；甚至是产业链之间的连接也会有创新。具象来看，每一代硬件入口的交互方式完全不同， 依托于交互方式的内容形态会明显改变，进而拉开基于新交互与新内容的社交与应用大创新， 变现方式也随之升级迭代。
每一代计算平台的快速发展，都会迎来一二级市场上的一轮大投资浪潮，一二级市场的投资 目标均是能成功卡到关键生态位的龙头公司；关键生态位众多，贯穿于每一代计算平台的早 中期。故，如何全面寻找众多关键生态位？如何在不同时间段瞄准不同的生态位？这就是产 业图谱的重要作用，即每一代计算平台的早中期投资，与一般行业成熟阶段的投资完全不同， 需要一张产业图谱作为“地图”，助力于投资者去理解每一代计算平台的“大航海时代”。 产业图谱的初始版本不一定准确，但随着时间的推移、关键事件的发生，产业图谱也会及时 更新；产业图谱本质上是代表了当下这一时间节点，我们穷尽自己的认知所推演的演化图谱， 在当下具备较为准确的参考性。
1.1.2.为何称其为“智能科技”产业图谱？
近百年的科技进步，都呈现为“工具观”，由动力机械到电力通信，再到交互硬件，再到小型 化交互硬件，硬件一直是产业皇冠上的明珠——集成了每个时代最先进的技术突破、吸引了 全球消费者追逐的目光。随之而来的是对全世界的物理探索、开拓、互联、全球化分工，向 外探索、互联、协作。
智能科技最大的不同，就在于它的深远影响，重点不再是“向外”，而是“向内”，即向内去 深刻影响人的意识。也就是说，智能科技时代的硬件入口仍然很重要，但更重要的是其新开 辟的新虚拟空间，直至让人分不清虚拟与现实之间的边界。未来我们仍生活在现实物理世界 里，只不过未来的虚拟现实，是囊括现实物理世界的。海外马斯克创立的新公司 xAI，其定 位是“重新理解现实世界”，皆因 AI 或机器人会构建一套理解现实物理世界的、自己物种的 语言体系（如机械语言），进而重新建立一套对现实物理世界的认知体系；人的认知/意识， 经过虚拟现实的一轮深远影响后，若让渡自己更多的决策权于 AI 或机器人，最终可能会顺 从于 AI 或机器人的认知体系。
智能科技的产业图谱，看似也是基于硬件入口的演化，但实质上方向是相反的，是针对于意 识层面、“向内”的演化动力。为何方向上与“对外”是截然相反的，会特别重要、需要特别 强调？这涉及到投资脉络——除了投资主线上的技术进化，投资副线、溢出效应、“卖铲子与 水”与过往会截然不同，这一点值得大家重视与深思，如向外探索的过程即全球化成为“地 球村“的过程，那向内探索呢？如向外探索将会带来地球环境的污染与治理，那向内探索的 污染与治理呢？
1.1.3.智能科技产业图谱的构建思路
2021 年自元宇宙起，科技产业内概念频出，我们首先给出一个认知体系，将众多概念的层级 先做一个界定。 AI、虚拟现实均是“技术”术语，分别囊括与人工智能技术（如 AIGC）、虚拟现实技术相关 （如 VR、AR、MR）的分类；技术外围的“生态”，建设成型后可以称为“元宇宙”，本质是真 正实现了的“虚拟现实”，亦可以是“通用人工智能（AGI）”的真正实现；“技术”层面的背 后是共识机制与治理理念，治理理念依托于区块链技术（解决信任难题），共识机制则是建立在“技术解决信任”理念上、构建的新型生产关系（进而衍生出金融属性）。故，相对于技术， NFT 是更内在的一层（共识）、元宇宙是更外在的一层（生态）。
由“认知体系”可以看到，围绕智能科技的众多存在，并不是并列关系，而是嵌套关系。 认知体系之外，智能科技产业图谱的当下版本，包括 ChatGPT/大模型、MR 眼镜、人形机器 人、NFT 等“现象级”应用或硬件，它们在产业图谱中卡位不同，大模型（ChatGPT 是大模型 的一个爆款）是生产力的范畴、NFT 是生产关系的范畴、MR 眼镜与人形机器人都是空间计算 平台/开辟新的空间。它们彼此之间有逻辑关系、相同卡位的存在有时间先后关系甚至有竞合 关系。
大模型与 MR 相辅相成。AIGC 提供内容，MR 提供新空间，两者需要结合在一起才能发挥 出建设性作用（若无 MR，AIGC 在移动互联网的当下更多发挥出存量博弈、修修补补的作 用）；MR 眼镜作为新空间、新计算平台，能以新产业链、新价值链、新格局的前景，发 挥出 AIGC 的建设性作用、更先进生产力的效用。 MR 与人形机器人是并列关系的两个计算平台。两者作为并列关系，一是两者代表两种实 现 AGI 过程中的技术路径（前者是重构时空、后者是混合平台），二是两者未来将携手去 倒逼现实物理世界的数据交换；此外，两者未来我们预计将存在一定的竞争关系，即抢 夺用户时长与可支配收入；最后，两者的共同迭代方向，我们预计或是脑机接口——既 是混合平台技术路径上的工程方案之一（以人为载体的混合平台），又能真正实现虚拟现 实（在人的意识中重构时空）。
大模型与人形机器人是递进关系。按照唯识学，通用人工智能的实现有四层嵌套关系： 第一层是符号学（大模型）、第二层是具身智能、第三层是构建一个观察点、第四层则涉 及到智能动力学；大模型的爆款——ChatGPT 作为大模型，归属于第一层符号学，而人 形机器人归属于级别更高的第二层具身智能，故人形机器人在技术路径上，较大模型级 别更高，两者是递进关系；同时，未来智能科技产业图谱中一定会有第三层与第四层的 新爆款（类似于 ChatGPT、人形机器人）出现，它们的技术层级愈来愈高。
NFT/智能合约，作为生产关系，弹性最大。NFT 作为一种流通机制，与变现直接挂钩， 在产业逻辑上，与 AIGC 会相伴而生——AIGC 的海量“产出”将由 NFT 来快速筛选出有 价值的内容；NFT 本质是围绕新生产力而构建的新生产关系，且因 NFT 的金融属性，它 将赋予筛选出的优质内容以流通性，给予优质内容以匹配的价值（价值重估），因而弹性 最大。此外，AIGC 与 NFT 的共同作用下，IP 产业链将明显缩短、效率提升，创造力涌现 进而有望将中国的 IP 产业变贫瘠为沃土。
大模型、MR、人形机器人、NFT，从投资角度，都可以视为产业图谱中的生态卡位点，即最关 键的部位。这些关键部位，相互借力、相辅相成，协同更多生态合作伙伴，齐心协力构建智 能科技的大生态圈。故，从研究的角度，单独研究大模型或单独研究 MR，只是最基础的第一 步，大模型与 MR 的乘数效应，则增生出更多新研究方向；大模型、MR、NFT 三者之间的乘数 效应，则对应着更多维度、更多层次的研究内容。纵横交错、层层嵌套才是生态圈应有的本 色，故建立在产业图谱上的研究，一定是成系列的（嵌套）、不同维度与层次的（纵横交错）， 但共同特点是需要高频迭代——产业图谱需要“相机”而修补迭代甚至革新，建立在产业图 谱上的系列、维度、层次亦轻易会被推翻。
1.1.4.智能科技的深层次影响
服务器+网络开启了人人“上网”的时代——网络世界不亚于大航海时代所发现的新大陆；算 力+算法将开启供给端“上算”的时代——AI 将作为新生产力，借助于数据/算法/算力，以 新场景、新应用、新内容来重新定义供给端，进而创造出用户的新需求（供给创造需求），继 而囊括现实物理世界成就真正的虚拟现实（虚拟现实是描述一种状态，即让用户在体验上， 能模糊掉虚拟与现实之间的边界）。
对“上网”时代的投资布局，主线是硬件与网络两大方向，硬件以智能手机为代表有经典的 产业链，网络则以基础设施与应用（包括内容与场景，以及模式创新）为景气上行。对“上 算”时代的布局，将囊括硬件（硬件入口、智能交互硬件）、基础设施（算力、算法）、应用 （包括内容与场景，以及模式创新）等。从“上网”到“上算”，由“网络世界”至“虚拟现 实”，软硬一体化的趋势极为明显；“上网”时代的爆款逻辑是“消除信息不对称”，“上算” 时代的爆款逻辑我们判断为“消除认知不对称”。
1.2.“大模型 × MR 眼镜/人形机器人 × NFT”，接力“移动互联网”
空间计算平台是苹果官宣 MR 眼镜时所传达出的表述方式，我们认为未来 MR 眼镜里会标配大 模型、NFT 这样的更先进生产力、生产关系，故我们本篇报告提到的“空间计算”，即大模型 （作为生产力）、MR 眼镜（作为硬件入口）、NFT（作为生产关系）共同助力所构建的下一代 计算平台。智能科技产业图谱中，人形机器人将来是与 MR 眼镜所并列存在的另一种硬件入 口、空间计算平台，故我们认为空间计算的严格、技术性表述，应该是“大模型 × MR 眼镜/ 人形机器人 × NFT”，即不同生态位之间的乘数效应。
2021 年的元宇宙提供了一种愿景描绘；2023 年的 ChatGPT 是非常重要的推动力，代表更先 进的生产力、更高效率，但 ChatGPT/大模型在移动互联网的旧有计算平台上，相较于 MR 未 来新的计算平台，难以发挥出势如破竹的作用——移动互联网旧有格局已巨头林立， ChatGPT/大模型作为更先进生产力，只能发挥出存量博弈的替代甚至破坏作用，顶多在特定 的环节修修补补。
即使没有 MR 眼镜这样的新计算平台，当前的移动互联网也已经进入尾期熵增阶段，并且红 利消退导致了许多红利的回吐。MR 眼镜所代表的新计算平台，意义重大，当下处于“网络世 界”到“虚拟世界”的过渡。当前，计算平台正在经历从移动互联网向诸如 MR 眼镜等空间计 算平台的转变。这种转变不仅仅意味着移动互联网的变革，更重要的是标志着 PC + 移动互 联网时代的“网络世界”正逐渐迈向“虚拟现实”。曾经上网时代的关键指标是“网络渗透率”，但大模型的出现重新构建了供给端。因此，当前计算平台的转型远不仅仅是从移动互联网向 空间计算平台的转变，而是从 PC + 移动互联网迈向一个集现实物理世界于一体的虚拟现实 的转型。此外，这一轮转变还涉及到人形机器人的运用，使得虚拟现实直接融合了现实世界。 相较于过去的 PC 和移动互联网时代，这一轮的计算平台转变具有更为广泛的影响。
对大模型或 ChatGPT 的理解，要置于智能科技的大框架下，以此深刻理解有、无 MR 眼镜，对 于产业与行情的“对齐”方式是不一样的——在没有 MR 眼镜之前，大模型是主体；MR 眼镜 推出之后，大模型就变成了景气上行，并且其中的核心就是新秩序、新规则。
在当下的移动互联网时代，若无 MR 眼镜，则是存量博弈，现存的多数公司都会受到一 定的冲击；即使如此，在没有 MR 眼镜的存量博弈中，仍然可能会出现个别的爆款内容 或应用，但更多的爆款应该出现在 MR 眼镜中。大模型是爆款工具，背后是 AIGC 的先进 生产力，它们在移动互联网时代造成了存量博弈，也有一定的修缮作用，但难以构建出 新秩序、新规则、新玩法。 只有在全新的空间中，例如 MR 眼镜这样的全新计算平台，大模型才能作为先进工具更 容易地去系统性地构建新秩序、新规则、新玩法。因此，我们期待 2024 年 MR 眼镜真正 开始出货后，基于新硬件的新爆款将会呈现出来。同时，大模型与 MR 的结合也将带来 新的内容形态。
2.1.大模型：先进生产力，供给端 AI 替代人
2.1.1.大语言模型/多模态模型于 2023 年破圈
技术突破常常以“非线性”方式得到人们的认知，人工智能产业正是呈现出非线性的发展势 头，2023 年引爆全球的大语言模型就是以“非线性”方式一下子进入了人类视野。人工智能 技术的发展起始于 20 世纪 60 年代，但前 50 年一直不温不火，直到进入 21 世纪，人工智能 的发展进入快车道，诸多关键技术得到突破，且有应用落地所带来的正反馈效应。
2010 年代至今，表征学习与深度神经网络的机器学习方法得到广泛应用，多样化的机器学习 任务得到了发展。神经网络和机器学习在 2016 年发生了一次“出圈”事件，即谷歌公司的 AlphaGo 在各种围棋比赛中大获全胜，给全世界做了一次关于人工智能的科普。2017 年，注 意力机制被加入到 Transformer 网络，用于语言建模，此后，Transformer 的出现取代了 RNN 在 NLP 领域的地位。从商用角度，人工智能等相关技术一直在图像识别、自动驾驶、机器人 等做持续探索，但 AI 真正商业化落地应用还非常有限，未引起广泛的关注，直到 2023 年聊 天机器人 ChatGPT 的破圈。
在 2022 年 11 月 30 日的首次公开演示后，基于 GPT-3.5 的聊天机器人 ChatGPT 仅用四天时 间就吸引了超过一百万的用户，2 个月后已拥有 1 亿的月活用户，成为人工智能诞生以来最 快用户破亿的软件产品之一。随后在 2023 年 1 月，微软宣布扩大与 OpenAI 的合作，并投入 数十亿美元，以加速全球 AI 技术的突破。仅两个月后的 2023 年 3 月 14 日，OpenAI 发布了 GPT-4，GPT-4 最重要的变化是拥有了多模态的处理能力，这进一步拉开了全球科技公司对 AI 技术的角逐，大语言模型、多模态模型、生成式 AI、AGI 等概念被广泛认知。 ChatGPT 的成功，源于以深度学习为代表的人工智能技术的长期积累。任何一个领域的研究 都不是突然颠覆的，梳理 ChatGPT 的简要历史就会发现，在其诞生前，有无数技术的迭代、 理论的发展为它铺路，其中最为相关的是自然语言处理（NLP）与大语言模型（LLM）这两种 技术。
ChatGPT 是基于 OpenAl 公司的 GPT-3.5 模型开发出来的，而 GPT(Generative Pre-trained Transformer)是一种基于 Transformer 架构的语言模型，它利用了大规模的语料库进行预训 练，并可以用于许多不同的 NLP 任务，例如文本生成、文本分类和文本摘要等。因此，可以说，GPT 模型是一种使用 LLM 技术的 NLP 模型，ChatGPT 这款聊天机器人是多年来一系列大 型语言模型中最典型的案例。
用户们在社交媒体上分享的对话示例表明，ChatGPT 能够完成包括编写代码、调试代码、翻 译文献、写小说、写商业文案、创作菜谱、完成作业、评估作业等一系列常见的文本输出任 务。ChatGPT 比 GPT-3 更优秀的一点在于，前者在回答时更像是在与用户对话，而后者更善 于产出长篇文章，但欠缺口语化的表达。
总结来说，简要回顾 ChatGPT 的发展历程，GPT-1/2/3 到 ChatGPT 都在不同阶段解决不同技 术问题，其核心是建立在 GPT 模型的发展基础之上。GPT-2 提出的纯无监督预训练模式获得 了学术界的广泛关注，GPT-3 在 GPT-2 的基础上，模型容量和能力进一步增强，市面上基于 GPT-3 的应用也如雨后春笋般出现。InstructGPT 出现后，更是引发了更加广泛的关注。下一 代的 ChatGPT 与 InstructGPT 是一对孪生模型，虽然两者在模型结构和训练方式上相同，但 其核心思想在于引入了人工反馈的强化学习来指导模型的训练，且 ChatGPT 数据量大了好几 个量级。GPT-4 的多模态能力更是未来人工智能的发展大方向。
2.1.2.大模型的价值之所在
大模型是产业内预期 AI 将引发一场波及全行业的“平台转移”，类似于过去 15 年向智能移 动设备与云计算平台上转移一样。透过大模型呈现的效果，能够看到 AI 开始从学习走向创 造（主要是自然语言处理 NLP 技术的突破），生成式 AI 对于更多业务场景的颠覆“改造”的 雪球越滚越大，最终将引发新一轮产业革命，进而推动整个科技行业的商业格局都将会迎来 大洗牌，行业的价值链也将相应发生变化。
在本节研究中，我们主要探讨以下两个关键问题： 1) 大模型的价值之所在？ 2) 从基础模型到现象级应用，价值链如何被分配？ 我们已经正式从智能手机时代进入到大模型时代，大模型是新一代通用计算平台。参考 PC 到 智能手机平台的变化，随着信息的组织效率和能力再度变强，大模型的浪潮下也一定能带来 更大、更新的商业模式升级。未来人工智能产业的持续发展中，在新的计算平台上，大模型 将扮演着越来越重要的角色。未来的产业主线将变为大模型、大模型的落地应用以及大模型 配套的生态合作伙伴。
人工智能作为更高效的生产力工具，其战略地位有望比拟“新一代的 iOS/安卓操作系统”， 成为新的流量入口。流量入口意味着大模型时代的应用都要构建于人工智能技术之上，这将颠覆原有应用开发公司与大模型厂商的商业模式。对于拥有大模型的技术厂商，他们的商业 模式不仅仅是为广大客户提供 API 服务，更重要的是构建基于大模型的生态体系，包括 to C 与 to B（类似微软）。大模型将席卷当下互联网的存在，将带来行业洗牌的机会，产业链与 价值链均会有剧变。因此，我们需要重新定义大模型时代的平台型公司，以及审视产业链上 的机会。 我们可以将大模型相关的上下游产业链的入局方大致分为以下三类： 基础模型层：核心代表是 OpenAI、谷歌、百度； 中间层：底层基础模型与上层应用之间的中间环节； 应用层：现阶段出现的现象级应用还不多，ChatGPT 是一个主要代表。
目前国内外的科技公司或互联网大厂均很看好大模型方向，也在推出各自的大模型，竞争激 烈。除此之外，还有其他很多公司都声称在做大模型，但我们认为大多数公司所做的模型是 侧重于行业或是特定方向应用的中模型，不是真正意义上的通用大模型。 我们认为大模型的“大”代表的是通用性，预计未来少数的大型科技公司将专注于通用人工 智能（AGI）的研发。从短期来看，由于目前大模型的能力还在不断提升，形成了类似操作系 统的下游生态过程。在这个过程中，我们认为价值占比最大的是形成生态壁垒的大模型公司， 他们占据了价值链中最主要的环节。中长期来看，一旦大模型到达成熟期，能成为巨头的大 概率只剩几家。因此，基础模型层的大模型平台公司的机会是巨大的，天花板会非常高，就 像 PC 互联网时代的微软和移动互联网时代的谷歌一样。
目前，全球领先的大模型厂商以 OpenAI 以及谷歌母公司 Alphabet 下设的人工智能实验室 DeepMind 为代表。OpenAI 不仅是在大模型领域从基础模型到产品化、商业化进展最快的团 队，且其基础模型能力边界还在不断的拓宽。我们以 OpenAI 为例去分析未来整个大模型的 竞争格局。 类比新一代底层技术设施：可以将大模型类比为 GPU、搜索入口或操作系统等数字基础 设施。这些领域呈现出 9:1 的市场格局，头部垄断效应极强，而 OpenAI 现阶段的优势 及其地位使其有机会获得 90%左右的市场份额，开发者和生态将成为很强的壁垒； 类比新一代公有云：OpenAI 的规划是专注于做一个通用的智能平台，为大模型之上的应 用提供 AI 能力。OpenAI 的角色类似 AWS；类比新一代终端：大模型时代最大的特征之一是人能够用自然语言与计算机进行交互。 自然语言操作机器的形式将产生新的交互，也就有了下一代终端的机会。可以参考定义 移动时代的 iPhone 和其他智能手机的竞争格局。
我们认为，未来 AI 产业链上，在模型层领域，大型科技公司将主要负责训练基础的通用大模 型，这种基础能力会逐渐走向开放，类似于 iOS 与 Android 的两大阵营，或是云计算的竞争 格局，即未来会出现几个基础的大模型，开发者将基于这些基础模型开发各类 AI 应用。目前 来看，在大模型层，海外公司以微软（OpenAI）与谷歌为主导，国内以百度、华为、阿里、 腾讯等互联网或科技公司为主导，但整体国外公司的 AI 大模型能力优于国内公司。 因此，人工智能时代的平台型公司要被重新定义：有自己大模型的才叫平台型公司，且能够 在价值链中占据最主要的环节。以前移动互联网产业链的最顶端是平台型公司，比如抖音、 美团等。但随着大模型的陆续推出，平台型公司要重新被定义。这一轮人工智能产业趋势下， 处于“食物链最顶层”的存在可能要被重新定义，也就是谁能够自建大模型，谁就有机会成 为食物链最顶端的公司。
2.1.3.以大模型为圆心，国内外产业各部位的优势
人工智能的三个核心要素是算力、算法与数据，这些要素的发展都在酝酿着新的机会与竞争。 纵观国内外公司在 AI 产业链上的布局，在算力、算法、数据各部位各有优势。目前国外的 大模型厂商正在快速迭代其技术，全球领先的通用大模型厂商以 OpenAI 与谷歌为首，且微 软是与 OpenAI 合作最深入的公司之一，他们在算力、算法、数据方面的综合优势领先。自 ChatGPT 火爆以来，在国内各大互联网大厂与科技公司的发布会中，大模型都占据着焦点。 百度、阿里、字节跳动、华为、腾讯等互联网巨头相继登台，展示了其在 AI 大模型领域的最 新研究成果。国内大模型公司目前仍停留在模仿或学习阶段，短期内超越或接近 GPT4 模型 水平的可能性不大，在算力、算法、数据方面仍有很长的路要走。但国内 AI 大模型相关厂商 依据某方面的优势，也有实现部分应用落地。
2.2.大模型的生态合作伙伴
我们认为大模型的合作伙伴可以分为三类：第一类是大模型的生态合作伙伴，比如文学、图 片等细分、垂直领域的龙头公司，大模型联合这些公司进行深度合作，一起探索如何重新定 义细分方向的用户需求（中模型）。同时，随着爆款应用的出现，还会出现一些工具类与变现 类的合作伙伴，这是第二与第三类合作伙伴，比如移动互联网时代的支付宝（工具类）、直播 电商（变现类）。 大模型的生态合作伙伴与工具类、变现类的合作方的区别在于，大模型的合作伙伴的核心是 针对业务层面，而工具类与变现类的合作方的作用则是繁荣整个生态，类似于 App Store 上 的各类应用。
2.2.1.垂类方向的合作伙伴：定义垂类用户需求
是做通用大模型还是垂直大模型，这个问题在“百模大战”下引发了诸多讨论，也是许多 AI 入局方需要着重考虑的问题。与 2022 年底初迅速涌现的生产力工具方向的初创公司不同， 2023 年下半年以来，更多的公司聚焦于底层技术的创新。大模型创业公司也开始分化，许多 面向医疗、电商、科研、工业、自动驾驶和机器人等特定领域的垂直大模型公司开始出现。 大模型的定位是通才，存在两大核心问题：1）通用大模型缺乏行业深度，不能满足企业级应 用场景的垂直性、专业性问题，如某些专业领域对大模型的要求更加苛刻，数据要精确，大 模型是一个概率模型，如果有错误信息进入其中，就有可能污染整个知识库，从而导致问题； 2）通用大模型的训练成本过高、周期长，直接训练和部署千亿级参数大模型成本高。
我们认为未来真正拥有大规模模型参数的通用大模型公司数量将在 3-5 家左右。这些公司的 作用类似于互联网时代的运营商，角色定位为“公共底座”，最终目的是基于通用大模型服务 本身拓展商业化。但通用大模型很难满足行业与企业的场景垂直化的专业需求。因此，对于 大模型厂商而言，要想实现大模型的商业化，最好是在各垂直领域寻找合作伙伴，在业务层 面进行深度合作，共同开发出针对特定行业的垂直类应用模型。 AI 大模型上下游产业链涉及多个层次，可以分为基础层、技术层、能力层、应用层、终端层 五大层次。其中，基础层主要为算力、数据相关，基础层之上是核心技术层，涵盖 AI 技术群与大模型的融合创新，进而形成各式各样的能力。因此，在大模型产业链上，垂类合作伙伴 可以在技术层与能力层深度参与，共同建设 AI 大模型生态，且有望率先落地应用。
大模型的生态合作伙伴并不仅仅指那些将算力、数据及素材出售给大模型厂商的公司。从产 业链的角度看，正常实物商品的产业链可以分为上游与下游，并涵盖各种原材料厂商。然而， 这种实物商品的产业链很难直接映射到大模型的产业链中。首先，算力公司和单纯的将数据 与素材卖给大模型厂商的公司在产业链中处于基础设施层；其次，与国外相比，国内用户的 付费习惯与版权意识不足，故，数据、素材类的公司很难直接将数据、素材当成原材料卖给 大模型厂商。
大模型产业链较高的价值在应用层，AI 大模型后续在 B 端与 C 端的应用有望带来巨大的商业 潜力。因此，我们认为大模型的生态合作伙伴应该在产业链中更进一步，与大模型厂商进行 深度的合作，真正顶级的数据、素材公司，基于其数据、素材的稀缺性拿到与大模型厂商平 等对话的话语权，进而与大模型厂商一起，在特定细分、垂直领域内强强联合，基于大模型 去开发中模型、垂类模型，去探索、甚至是定义用户的新需求。在价值链上，这些大模型的 生态合作伙伴可以共享收益。所以，大模型产业链上，合作伙伴不是“原材料”厂商，而是 话语权一起“并肩作战”的厂商。
大模型的垂类合作伙伴、爆款应用的出现有一定的先后顺序。首先，大模型厂商入局去搭建 基于自身资源禀赋的大模型或中模型；其次，大模型需要许多合作伙伴，共同构建一个大型 生态圈，每个细分领域就像一类植物，有高大的树木，也有低矮的灌木，种类足够繁多，才 能称得上生态；再次，在大模型联合生态圈的合作伙伴，一起去定义出用户需求的过程中， 发掘出细分需求、提高效率、增强变现能力等效用发挥出来的过程，即爆款应用出现的过程。
短期来看，未来 1-2 年将是大模型处于产业化进程中的时期，初期大模型本质上没有实质性 的差异，各家均处于抢跑或入局阶段，未来的差异将出现在生态圈的构建思路以及后续推出 爆款的呈现上。
目前，国内大模型这个赛道处于早期发展阶段，相比于 OpenAI、谷歌以及百度等公司发布的 通用大模型，现阶段国内的大多数厂商推出的大模型更加侧重于 B 端的行业应用，且国内公 司暂时还无法推出能与 OpenAI、Google 相媲美的大模型。例如，百度、阿里等较早公布大模 型技术路径和架构全景的头部公司，产品也均未进入大规模的公测，属于垂直行业厂商的入 局机会仍在。入局方既包括新兴的创业公司，也包括借机扎根产业深处的技术型公司，有机 会做大市场份额。因此，我们认为，当下垂直整合型大模型是另一条发展路径，各厂商的大 模型产品在垂直行业中的创新和应用将是下一阶段行业竞争的重点。
2.2.2.工具类：技术革新初期，工具类应用先行
工具类应用与变现类应用的区别在于：变现类应用更靠近 C 端用户，指的是流量变现，这意 味着变现类应用的主要目标是获取用户访问量，以便赚取广告费用、游戏收入、电商交易佣 金以及增值服务费用等。相反，工具类应用则是一种抢夺用户的方式，或者在技术生态中充 当桥梁的作用，作为争夺流量入口的存在。但工具类应用与变现类应用本身并没有明显的界 限与区分，例如，美图秀秀既是工具类应用，也是变现途径。
在新技术发展的早期，通常会有很多工具类应用迅速崛起。这些工具类应用的出现，不仅推 动了新技术的发展，也为用户提供了更多的便利，满足了人们日常生活中的各种需求，以功 能性为主。例如搜索工具百度、通信工具微信、支付工具支付宝等。这些坐拥海量用户的工 具类 App，一直是生态矩阵大战的必争之地。然而随着市场存量化亮争加剧，工具类产品在 后期也面临着买量成本高的困境，逐渐探索其他的变现路径，功能越来越丰富。比如，现在 的微信不仅可以进行通信，还可以购物，也通过广告变现，腾讯逐渐建立起了围绕微信和 QQ 的用户生态圈，通过免费提供互联网社交产品微信和 QQ,获取海量 C 端个人用户,然后通过游 戏、互联网广告、支付和云服务等方式实现商业化变现。
再次，每一轮的计算平台升级，均是生产力工具的升级。文字创作由纸笔写作到键盘输入， 平台工具箱支持下的普通用户的创作正在替代专业用户生产的内容；未来元宇宙时代的内容 输出，将由更高级别的生产力工具箱去辅助用户，这是历史范式。在当下 AIGC 发展的早期， AI 更多是作为一种工具去辅助于人，AI 不是人的竞争者，而是协作方；AI 可以协助人，人 也可以协助 AI；AI 作为生产力的加持，可以与人合作输出。
一个应用产品是工具还是变现途径，可以先思考这个产品的目的是什么，以及目标用户是谁? 工具类应用的目的一般是帮助用户提高生产效率，并以此进行收费，变现类应用通常是在前 期通过免费或者轻量付费的方式吸引流量，最终的目的是按照四大变现方式（广告、游戏、 电商、增值服务）进行变现。按照这样的思路，我们发现目前 AIGC 所涌现出的诸多应用更多 是属于工具类。这些工具主要是面向企业的 B 端市场，而不是面向消费者的 C 端市场。此外， 由于新技术在前期的研发成本高昂，使得这些工具很难面向广泛的 C 端消费者推广。
典型的如 ChatGPT，ChatGPT 是一款免费、面向用户开放的聊天机器人，它不仅提供普通的问 答服务，还可以进行自然语言处理、语义理解和生成等任务。除此之外，ChatGPT 还提供了 付费订阅的选择，订阅用户可以享受更多高级功能与个性化服务。如果使用者需要使用云计 算服务或相关的技术支持和咨询服务，可能需要付费。但这不是 ChatGPT 本身需要付费，而 是因为使用者需要付费使用相关服务。因此，如果使用者只是简单地使用 ChatGPT 的基本功 能，是不需要支付任何费用的。另外，从用户的角度看，ChatGPT 的用户更多是专业的开发 者或者企业级用户，他们基于 ChatGPT 再去开发其他的应用工具。
2.2.3.变现类：技术革新中后期，变现类应用大发展
工具类应用与变现类应用都是大模型厂商的生态合作伙伴，只不过两者在新计算平台发展的 不同阶段的发展速度不同，技术变革在初期阶段变现并不容易。回溯互联网时代的爆款应用 发展，初期以工具类应用为主，中后期以变现类应用为主，或者工具类应用拓展变现方式。 工具类应用的变现主要分为两种，一是产品自身，靠付费使用来进行变现，收取使用费、会 员费等；二是依托流量，通过产品嵌入广告的方式，赚取广告费用，也是大多数应用产品所 采用的方式。但无论哪一种方式，应用产品想要变现，通常情况下需要与其他技术平台或工 具进行配合，即成为大平台的生态合作伙伴，才能更有效的变现，如接入第三方服务、开发 或接入商城、接入大平台的节日活动等。
然而，以上的变现方式本质上都是建立在一定的流量基础之上，即流量变现。广告作为流量 变现的重要方式之一，一直以来都是各大互联网平台最为重视的业务。在国内互联网发展早 期，百度、阿里巴巴、腾讯三大互联网公司吃到了广告市场最大的红利。 2008 年，百度搜索引擎广告市场规模达 50.3 亿，盘踞中国互联网广告第一的地位。阿里巴 巴紧随其后，在淘宝网的发展壮大中，探索出了电商的广告模式。淘宝先是推出直通车，通 过用户标签定向展示推广，开启了 C 端的广告平台之路，按照展示、点击、销售情况来计算 广告费用。百度广告和阿里电商的成功变现发生在 PC 互联网时代的中后期阶段，前期分别 有搜索引擎、购物网站这些工具所带来的 C 端流量积累。
2.3.大模型的落地应用
大模型的落地应用，与 MR 里的爆款场景/应用，严格意义上所指是不同的。此处特指移动互 联网时代的落地应用，有新爆款（数量偏少）；此外，还有数量不少的公司，绝大多数为已有 收入、业务的公司，顺应大模型趋势，更新、迭代生产力或工具。 展望 2023 年下半年，随着企业级用户陆续接入 OpenAI 等大模型的 API，并将业务流程与 AI 相结合，应用正加速落地。目前市场上已经有比较明确的大的集成的产品出现，例如微软的 Office 365 Copilot、GitHub Copilot，以及 Notion AI、Snapchat（My.ai)等应用的进展已较为深入。我们认为 2023 年第四季度及之后的行情将围绕 AI 落地商用及业绩兑现渐次展 开，验证相关大模型的落地应用是否能从客户增长、价格等层面获得正向反馈。
3. 基于“大模型 × MR”的五大景气上行新方向
场景、新内容、新环节、新赛道、新模式，是我们试图临摹 MR 空间计算平台上的景气上行新 方向的五种抓取方式。相对而言，场景是一种空间计算平台的整体“切割”方法，不会有遗 漏；新内容是产业最关注的 C 位，但相对的，成型时间偏晚；新环节是着眼于未来的内容产 业，新增的产业地位较高的新环节（相对于移动互联网）；新赛道则是相较移动互联网时代完 全新增的大赛道，包括但不限于虚拟人；新模式则是基于 MR 所定义的交互新方式或 NFT 的 新生产关系等，所构建的新业务模式、盈利模式或商业模式，与运营、变现、管理等企业的 横切面高度相关。此外，互联网时代的“应用”是一个相对笼统的指代，任何应用都可以坐 落于上述五部分，上述五部分亦可以统称为 MR“应用落地”。
2.4.场景：“大模型 × MR”新场景，2024-2025 的风口之所在
2023 年上半年传媒产业背后的逻辑是大模型/ChatGPT,此后叠加了新逻辑——苹果发布的 MR 眼镜。MR 眼镜是 VR 与 AR 的结合，囊括性了虚拟世界与现实世界，以此衍生出来了一个很重 要的概念——场景。
场景/应用将先于内容运行在新计算平台之上。内容产业中，每一代的新内容都会在新一代 计算平台起步之后才被确定下来。例如，在移动互联网时代，直到 2015 年左右才将短视频这 种内容形式确定下来，而 2015 年前，大多数内容都是智能手机上的应用。因此，我们目前暂 且还不知道未来的内容形式会是什么样子，预计要到 2025、2626 年左右才能确定 MR 时代的 新内容形式。在确定之前，我们在 MR 中所看到的大多数都是场景。 从供给的角度，技术决定操作系统，模式（to C 还是 to B/G）决定操作路径，要素与场景则 以产品或服务形式共同作用于人性（顺人性还是逆人性）。对场景这个“点”的客观、真实理 解，须沿着“技术+模式→产品或服务”这条线来分析。
相对于新内容、新模式，我们预计新场景/应用将会率先被重塑，商业模式率先跑通；此外， 因文化环境的差异，在这一轮技术变革中，预计海内外 to C 端、to B 端的爆款内容出现的 先后顺序不同。 场景/应用更多以技术面貌出现，会比内容的逻辑更顺畅。AIGC 更利好应用与场景，最利好 的并非内容，尤其是我们习惯性认为的重度内容（非重度游戏而是轻量化内容）；从监管角度， 更偏好应用场景类的技术型公司，而非内容型公司（待观察）。
基于上述场景的本质，供给方根据自身技术禀赋选择一种业务模式再设计具体的情节，交付 于用户后，用户在其中投放自身时长与可支配收入；任何供给方的供给，均能落入八大场景 模型之一。元宇宙重构的时空，是 3D、沉浸式、互动式的、增加更多感官体验维度的，故切 割新时空的元宇宙场景们，用户置身其中的体验感更为突出，每增强一项，所有过往的场景 都可以被重塑。
在场景重塑的过程中，蕴藏着增量的机会。一是，关注 AIGC 等新技术对原有产业的颠覆式 创新。当下移动互联网所介入到现实物理世界中的部分，需要全部重新再“被定义”一遍， 如购物 App 现在打开是图文界面，3D 沉浸式与交互式的虚拟现实中，购物场景从商品展示的方式（不再是图文形式）开始全部都需要重新定义。二是，新应用场景预计孕育出新巨头的 概率更大。历次工业革命都会有一大批核心产业之外的受益群体，都会按照创新的范式诞生 出新的产业。在历史上，对现有行业的颠覆常常来自于外部，我们认为下一代新的科技巨头 将诞生于新的领域，而不是现有领域。
相较于国内产业界在 2003 年的跟随（海外爆款）策略、2013 年创新应用大爆发，2023 年的 当下，“海外映射”的标的，在产业内的风格，到底是跟随还是创新场景大爆发，尚难判断， 市场当下也仅仅以“跟随”风格来找相关标的。但我们认为，在“逆人性”的产品逻辑方向 上，国内标的大概率能大放异彩，尤其是 to B 的“逆人性”标的。 首先，在不同文化区域，筛选标的的逻辑不同，以中国与美国为例。在我们构建出来的选股 坐标轴上，我们预计美国可能会在 to C 端显现出很多爆款应用。目前已经有诸多海外 C 端 产品破圈，如 ChatGPT、Midjourney、Jasper AI、接入 GPT4 的 Office 全家桶等，此外 OpenAI 允许第三方开发 ChatGPT Plugin 插件，第一批支持的包括 Expedia、Instacart、Zapier 等酒旅、电商场景的头部应用等。“插件”生态的放开确立了 ChatGPT 的流量入口地位，意味 着 AI 的下游生态全面开启。
但在中国，to B 端可能会出率先出现爆款应用。这是因为，一是海外已经有个别爆款的 to C 端应用出现，付费习惯，国内用户可以直接使用。然而，目前大模型均处于做基建的阶段， 短期内国内大模型厂商的商业化重心在 to B 端，而不在 to C 端。例如，目前百度的商业化 目标是通过文心千帆这样的开放平台，实现与行业的连接及商业化。 另外，从顺/逆人性层面来区分，起初可能顺人性的爆款应用会居多，但在后期逆人性的爆款 应用会居多。另一方面，一开始大模型的落地应用会较多出现，到后期就是大模型+虚拟现实 的应用会居多。
2.5.新内容：新内容形态，且内容产业将成为优质产业
梳理内容形态的发展脉络，我们可以发现，内容形态的发展从最早的文本和图片形式演变成 了更复杂与吸引人的视频、游戏、交互媒体等多种格式，再到现在的短视频和直播。这些内 容形态及相关技术正在改变我们消费和参与内容的方式，内容形态的演变呈现了两个主要特 征：首先，内容创作的难度不断升级、内容形态越来越高级；其次，新的内容形态基于新技 术，几乎每隔数年就会出现。相对于场景，新内容被最终确认的时间会偏晚。
第一，内容的生成方式正在被重新定义，内容大繁荣，进入新生成主义时代。 每一代计算平台的升级，实际上对用户消耗的应用、内容和场景的量级有明显的指数级增长。 但是，我们发现在从 PC 互联网到移动互联网时代的转变中，计算平台升级后并没有完全满 足用户内容的需求量。在 PC 互联网时代，人们消耗电视剧这类由专业人员创作的 PGC 内容。 但在移动互联网时代，短视频应运而生，每个人都可以用手机拍摄。虽然从 PGC 到 UGC 的生 产方式没有发生太大变化，只不过 PGC 是由专业人员制作的内容，而 UGC 则不一定由专业人 员制作。
第二，内容的能力正在被重新定义，变现更极致。虽然 AIGC 使得内容生产的效率与边际成本极大降低，但流量会变得更贵。随着 AIGC 技术的 进步，一方面，AI 可以轻松地生成大量的高质量的内容；另一方面，人们对于内容的需求也 在发生着变化，消费者不会仅满足于视觉和听觉的体验刺激，他们更加需要的是更具有差异 化的服务体验。但大量溢出的内容也导致了流量争夺的加剧，随着 AI 技术的发展，创作内容 不再稀缺，变现反而变得更加重要。因此，我们预计私域流量运营也将会成为未来内容产业 的重要一环。
第三，大模型/AIGC 与 MR 的软硬结合带来乘数效应，内容更具沉浸式与互动性。 随着内容形态升维为 VR/AR 内容，且加入了实时交互的属性，制作的难度进一步升维(相比 于移动互联网时代的视频、游戏等 2D 内容)，AIGC 工具可帮助用户更快、更轻松的构建自定 义 VR 内容。AIGC 与 MR 相辅相成，AIGC 提供内容，MR 提供新空间，AI 与 MR 的软硬结合的 应用将迸发出无限可能。随着图像生成 AI、ChatGPT 等技术逐渐成熟，VR/AR 领域也开始探 索 AI 技术，市场上陆续有多种 3D 内容制作工具与 AI 结合。
综上，移动互联网由 PGC 大步走向 UGC，UGC 随着竞争的加剧，必然升级走向 PUGC。元宇宙 时代，因内容形态标配为 3D 视频内容且有沉浸式与互动式的需求，进入门槛即为 PUGC—— 内容更具沉浸式、亦有互动性，甚至是增加更多的感官体验。内容的要求虽然更加的专业化、 精细化，但有 AIGC 的加持仍然可以产出批量的内容，同时内容的成功变现变得更加重要。
2.6.新环节：话语权不弱的商业化变现的平台型公司
因大模型的颠覆性，产业链内的各大环节之间将会重组，AIGC 时代，我们不仅需要重新定义 内容能力，还需要重新审视内容产业及其产业链、价值链。我们认为在流量平台与内容创作 者之间，未来会出现基于商业化变现的平台型公司，这类公司将会成为行业新贵以及牛股之 所在。
PC/移动互联网时代，流量平台与内容（创作者）之间“寸草不生”，这源于流量平台太强势、 内容（内容创作者）太不稳定。以营销公司为例，移动互联网时代的营销企业的估值，在近 五年持续下行，原因在营销企业并无明显的竞争壁垒，随着流量红利的消退，流量平台坐大 后会侵蚀合作方利润率，受此影响，企业盈利能力与资本市场所给予的估值水平，均大幅下 行；移动互联网时代经典的变现公司例如蓝标、华扬联众、省广、微盟等企业，不仅盈利能 力不稳定，甚至连生存的业态都非常不稳定——移动互联时代的营销企业处于两头都不靠的 地位，无论是相对于流量平台还是内容创作方都处于不利地位，在行业上行景气结束以后， 会面临非常漫长的毛利率持续下行，若有内外部其他风险因素的爆发，无论规模多大，瞬间 即岌岌可危。
而 AIGC 的发展带来产业链的剧变，将打破上述产业竞争格局。我们认为这一轮将会会出现 手握“内容/供给”优势的商业化变现的平台型公司，其业绩与估值得到双升。例如，以营销 企业为代表的弱势企业，过往“两头不靠”，但在 AIGC 时代，反而能借助于大模型，快速去 布局内容端/供给端，携供给端优势，则在选择下游平台时，选择余地在扩大，甚至会游刃有 余。目前弱势企业若想跻身为商业化变现的平台，大模型确实带来了历史性的契机：通过大 模型的低门槛，弱势企业可以实现内容环节的布局；拥“内容”而自重——既不依赖流量平 台也不受制于内容创作者，下游流量平台相对的强势地位反而会有所削弱。
因此，AIGC 时代，我们需要重新定义平台型公司与内容能力，未来有自己大/中小模型的才 叫平台型公司。以前移动互联网产业链的最顶端是平台型公司，比如抖音、美团等。但随着 大模型的陆续推出，平台型公司要重新被定义，目前处于食物链最顶端的平台都面临着冲击， 无法确定它们是否能够保持当前的优势地位。
大模型之下还有各类的“小模型”们。AIGC、ChatGPT 使得内容门槛大幅下降，内容门槛下 放到底，有助于各企业低成本、顺畅地入局供给环节。目前初步认为未来会出现很多平台型 公司，因为这一轮 AIGC 使得内容门槛大幅下降，未来基于沉淀数据、数据交换的企业都可以 称之为平台型公司。AIGC 看起来是用 AI 生产 C，但是 AIGC 中最重要的是“G”，生成范式的 变化，是未来所有剧变与颠覆的来源，这种生成不是拷贝和组合，而是全方位的重新定义内 容能力，大模型之上会有众多形形色色的小模型，小模型在各种调试跟修正之后会初步成为小的内容平台。故内容能力被重新定义之后，有内容能力的小模型公司，也将会沉淀成为平 台型公司。
未来的趋势判断中，基于 IP 做内容的公司，天生就是建立起小模型的平台型公司，且商业化 变现能力很强（也只有商业化变现能力强才能做大），但这些 IP 内容公司相对来说，都是小 而美的公司，因为内容产业是百花齐放的行业属性；而下游流量平台，因为应用场景将非常 复杂，不会像当下流量平台这般强势。两头都不会特别强势，故 IP 内容与流量平台之间，基 于 AIGC 技术、经营能力等，将会出现一类专门服务于 IP 做商业化变现的平台型公司。这类 公司反而能做大，成为与移动互联网时代不一样的行业“新贵”。
2.7.新赛道：以虚拟人为代表
虚拟人并不是新鲜概念，实际上早在几十年前的科幻小说和电影中就已经有了描绘。然而， 随着元宇宙在 2021 年的热潮，虚拟人再次引起了人们的广泛关注。 目前虚拟人产业在 AI 的赋能下正在迎来新的变化。首先是价格的变化，AIGC 带来的“降本 增效”。在元宇宙概念刚兴起的时候制作一个 2D 或 3D 虚拟人的费用很高，制作周期也相对 较长。但随着技术的迭代，市面上已经有很多相似的成熟的模块化产品，售价也从之前的几 十万一套，降至几万一套。
AIGC 推动了虚拟人的变革，虚拟人在今年的发展非常引人注目。首先，主要是因为价格的因 素，当一项技术变得普及时，市场的应用场景就也会处于临界点。未来虚拟人的发展方向在 于其能够应用于广阔的 C 端领域，因此：1）未来想要实现批量化生产虚拟人，重要前提是大 幅降低制作门槛与成本；2）人工智能技术是推动虚拟人规模化应用的重要基础，以人工智能 为代表的技术将决定未来虚拟人的高度。
其次，AIGC 使得虚拟人变得更加“真实”。它可以由 AI 驱动，而不再由中间人驱动，从而变 成企业的超级员工，也可以是私人管家或我们的工作助理。例如，目前已经很多人在使用自 己的数字分身成为自媒体人。在未来，当 AIGC 加持后，它将变得更符合品牌或消费者的个性 化需求，每个人都有可能成为广告商。 我们认为，在未来 AIGC 所赋能下的虚拟人这个全新赛道将会是景气上行，其价值在于：第 一虚拟人将是新时空构造中基础设施建设的“圆心”；第二虚拟人的本质是 AI，可以替代成 为新的生产力。
下一代计算平台的目标是实现虚实融合，因而交互的设计思路则是以“人”为核心，最大限 度地实现人与周围环境的自然交互。这里的“人”不只是真实的人，还包括虚拟人（人的数 字人、虚拟数字人）。因此虚拟人的职能首先是作为人的数字人，肩负着将人拉进虚拟空间的 使命；其次是作为在现实物理世界中不存在实体的虚拟数字人。 参照现实物理世界的交互方式，我们预计虚拟人是新时空构造过程中，基础设施建设的“圆 心”。从 2D 到 3D，交互界面需要重构，一方面是交互范式需要重构，另一方面是交互体验更贴近于现实物理世界的交互。交互的设计思路则是以“人”核心，最大限度的去实现人与周 围环境的自然交互。这里的“人”不止是真实的人，还包括虚拟人（人的数字人、虚拟数字 人）、机器人。
虚拟人的作用在于最广泛承接 2D（图文）升维成 3D（视频）的交互界面。换个角度，任何入 局方，无论是平台生态的构建方、B 端企业的入局方案，以虚拟人为切入口或虚拟人的交互 脉络为建设的主脉络，将是被普遍采用的方式。
相较于上一轮移动互联网，新一代计算平台增加了 AI 生成与驱动的机制。在移动互联网时 代，交互的内容和对象基本上都是由真实的人（软件工程师、创作者等）设计与渲染出来的， 但在 AIGC 时代，AI 成为新一代计算平台的一大新增生产要素，将会大量存在于供给、需求 的各个环节，虚拟人等就是 AI 的诸多应用之一。 虚拟人的本质是 AI，意味着未来内容背后的创作主体不仅是人自身，也包括虚拟人，甚至是 未来的机器人。因此，在新一轮的 IP 孵化与商业化中，创作者种类将大幅增加，除了现实中 的人，人的数字人、虚拟数字人、机器人也可能成为 IP 的创作者，这丰富了作品的来源。
此外，虚拟人作为 AI 可以替代人力，这产生了一种作用力，相应地也会产生一个反作用力。 反作用力指的是人不愿意被替代，不愿意被挤出供给端。在大模型运作规则中，如果人想要 继续存在于供给端，目前看来有两种途径：第一种是创造自己的虚拟人，并接入 GPT；第二 种是脑机接口，因为人的硬件算力和存储能力无法与数据库和大模型背后的算力相比，脑机 接口本质上是改变人的硬件。相对于脑机接口，人们可能更愿意在虚拟人这条道路上前进。 因此，虚拟人的真正逻辑是背后所产生的作用力与反作用力，作用力越强，反作用力就越强。 因此，虚拟人赛道是一体两面的，在反作用力的推动下是未来景气上升的赛道之一。
2.8.新模式：基于交互、NFT 等的业务、盈利、商业模式创新
基于“大模型 × MR”的五大景气上行新方向的最后一个是模式创新。新模式则是基于 MR 大 模型所定义的交互新方式或 NFT 的新生产关系等，所构建的新业务模式、盈利模式或商业模 式，与运营、变现、管理等企业的横切面高度相关。 在人类历史上，每一次获取信息服务方式的变迁都会带来巨大的商业变革。PC 互联网、移动 互联网的发展均带来了新的商业模式，以及新的互联网巨头，例如门户、搜索、游戏、社交、 电商、团购、共享等新兴的商业模式，培育出阿里巴巴、腾讯、百度、网易、京东、美团等 细分领域的互联网巨头。
现在，AI 大模型迎来新的技术拐点，带领我们进入智能交互时代，人类获取信息和服务的方 式将再次发生巨大的变化。现阶段我们很难精确定义未来的爆款 AI 原生应用与 MR 原生应用 会长什么样，以及模式的创新，我们提供一些观察视角，梳理出了模式创新的几个思路：1）业务模式的创新与新产品相关，在新 MR 空间中，基于新交互会产生新的产品或应用；2）生 产关系（NFT）的创新，与盈利模式、商业模式相关。
3.1.研究逻辑：八大景气上行方向
置身于智能科技这一大的产业趋势，2023 年，AIGC 只是智能科技的开始，随后 6 月苹果发布 MR 眼镜，但计划于 2024 年才发售。故内容生态上，不管是围绕大模型还是 MR 的内容生态， 预计于 2024-2025 年才能大量涌现出大爆款（场景或内容）
由于大模型的颠覆性，产业链内的各个环节之间正在重新组合。除了现有公司会利用人工智 能来重塑业务之外，预计产业链之外的公司也会通过资本等优势强势介入，成为产业链中的 新入局者。现有公司也会积极寻求增量空间，新增业务项，重塑资产负债表。即每一次技术 变革都会给许多产业带来结构性影响与系统性重组。 综上，我们梳理出了围绕智能科技的 8 大景气上行方向：第一大类是与大模型相关的 3 大方 向，分别为大模型、生态合作伙伴、落地应用；第二大类是大模型与 MR 的结合共同所带来的 5 大方向，分为新场景、新内容、新环节、新赛道及新模式。以上 8 个方向是市场认同度高、 估值高的部位，都代表着大的景气上行方向，是未来我们筛选标的的核心逻辑。
长期来看，智能科技的相关标的均可落座于这 8 大方向上，标的的来源有三类：1）TMT 或传 媒行业的标的通过投资布局相关技术或并购重组等方式实现升级，关注这些积极拥新技术并 最终能够成功实现迭代的标的；二是非 TMT 行业的标的，收购智能科技 8 大方向上的诸多部 位，通过并购重组的方式实现转型；三是在智能科技 8 大方向上成功实现 IPO 的新股。
八大景气上行方向的标的，因产业发展阶段、国内外偏好、业务底层逻辑的不同，不同时期 能给高估值的标的会有明显变化。如移动互联网时代的手游，2013 年业绩高增长的标的被给 予了高估值，但 2016 年后手游竞争格局确定后只有龙头标的能被给予高估值；如移动互联 网时代海外偏好 to B 标的，国内则偏好 to C 标的（空间计算平台时代不一定沿袭各自的偏 好）。 国内外本轮智能科技创新周期的参与主力不同。身处巨大变革期，海外内的各巨头都有必要 去重新审视各自的基本盘与基因。 国外：智能科技的布局呈现巨头“接力赛”的局面。目前，ChatGPT（微软）、MR 眼镜（苹果） 和人形机器人（特斯拉）是最为前沿的技术进展。在这个接力赛中，微软将在 2023、2024 年 发力，其次是苹果在 2024、2025 年的重点发力，最后则是特斯拉在 2026、2027 年的重点发 力。
由此可以看出，海外这场接力赛，每家公司都有领跑的一棒。反观国内，除了基本盘与基因 的反复推敲之外，这场追逐赛国内到底怎么去打反而是更重要的命题，比如 2024、2025 年国 家层面会不会围绕人工智能的方向进行大力的配套支持。除了大环境国家层面的助力，并购 重组也是一个助力。
我们认为，国内本轮的产业主力大概率是央企/国企。央国企改革，有一个必然将被重视的布 局方向——围绕智能科技的诸多关键部位。相较海外的产业内驱动，国内有三个特点：1）时 代背景不同。上一轮移动互联网时代，2013 年前后恰逢万众创业，而 2023 年则是公司的资 产负债表出清；2）参与主体的积极性不同。相较于上一轮 2013、2014 年传媒牛市的并购重 组的主要参与方相比，这一轮反而是央国企参与并购重组的积极性、可能性会更大；3）这轮 智能科技在技术、资金等方面的门槛高，且后面越来越高。
综上所述，自 2023 年第四季度开始，我们看好的方向之一是并购重组，投并购的大方向是以 上 8 大景气上行的方向，大背景是生产力生产关系范畴的变革，类似于工业革命和大航海时 代的变化逻辑。我们需要重新审视海外巨头的基本盘与基因，源于每家领跑公司的基本盘和 基因会给行业的发展带来独具特色的影响。在国内，我们需要考虑国家层面的助力和大环境， 而央国企，尤其是国企，预计将是通过积极并购重组推动这轮周期的主力。
3.2.三大类相关个股：选股坐标轴
以上述八大方向为景气上行的锚定，任一方向上都会有三类标的：1）移动互联网及过往计算 平台上的各类标的，积极主动且有资源禀赋向上述八大方向升级、迭代的优质个股；2）坐落 于上述八大方向的 IPO 新股；3）以并购重组方式积极转型、升级的优质个股。
（本文仅供参考，不代表我们的任何投资建议。如需使用相关信息，请参阅报告原文。）
