半个月A股狂飙1000亿，ChatGPT概念股凭什么？

晓寒妖妖

原标题：半个月A股狂飙1000亿，ChatGPT概念股凭什么？
                          
图片来源@视觉中国

  文｜读懂财经
) M$ L& e9 H0 a# v) c+ F

ChatGPT掀起了A股历史上最疯狂的一轮市值狂飙。
自春节后至今，ChatGPT概念股开始了暴走模式，短短半月时间，海天瑞声、开普云等ChatGPT概念股市值累计增加了近1400亿。
如此的爆炸效应，得益于ChatGPT所展现出商业化落地的巨大潜力。要知道，在此之前，无论是十年AI投入超千亿的百度，还是困在硬件化里的AI四小龙，都在重复着AI商业化难落地的故事。
ChatGPT的出现，让AI从生产力的赋能者直接成为一种创造生产力的工具。随着订阅模式的推出，ChatGPT已经成为第一个以AI技术为核心直接变现的消费者应用。
" b7 c$ G' w- `+ I+ ? 本文持有以下核心观点：
1、ChatGPT是AI技术迭代的受益者。过去受限技术能力，AI只具备分析、判断、预测等功能。如今技术范式升级下，AI具备了内容创造能力，其适用范围和适用场景大为延伸，为ChatGPT在消费端的普及打下了基础。
2、ChatGPT有希望建立可持续的商业模式。过去AI作为提升效率的工具，很难直接为公司创收。但ChatGPT能够自生产内容，本质上是生产工具。从过去看，生产工具往往更有可能延伸新商业模式甚至改变商业秩序。
9 c, }2 y! n9 ]' d+ `3 I% V* o 3、ChatGPT的价值类似于第二次工业革命的发电机。第二次工业革命中，电力被发现后的30年时间中，都未受到规模应用，直到发电机把电力转化为机械能后，电力革命才被引爆。如今，ChatGPT正成为AI领域的“发电机“-其正把把AI直接转化为生产力，有望成为有望加速AI产业的发展。
三起三落留下的“遗产”
在ChatGPT出现之前，AI经历了三起三落。
& z5 a1 }9 p) h8 K2 G 1964年，有一台叫做STUDENT的机器能够证明数学应用题，掀起了AI的第一次浪潮，当时AI界认为按照这样的发展速度，AI可以代替人类。但寒冬很快来临，20世纪70年代初，几乎所有机构都停止了对AI的拨款。
5 `1 }5 p8 X" h. F% j0 W" i0 a 硬件性能不足使AI停滞。当时计算机有限的内存和处理速度不足以解决任何实际问题，AI被困在理论中。本次热潮AI虽未实用，但在算法方面出现了很多世界级的发明，包括增强学习雏形（谷歌AlphaGo算法核心思想内容）、感知器（深度学习模型的基础）等，为后续的AI研究提供了基础。
( }, O9 s* M. I& T' U 1980年，日本斥资8.5亿美元创造出一台具有超级计算能力和人类智能的计算机。计算机性能大幅提升，使AI打造出了专家系统。专家系统能够模拟人类专家的知识和经验解决特定领域的问题。如在企业的生产中发挥作用，DEC公司与卡耐基大学合作研发的专家系统，能够运用AI为技术人员选出最合适的系统部件，组装小型机。
实用化带动新热潮，1988年AI投资额是1984年的三倍。但专家系统很快出现了问题，它只能应用在非常窄的领域，并且开发、维护成本高，企业商用不经济，专家系统很快衰落，寒冬在此降临。第二次热潮虽然止于商业化，但推动了人工智能从理论走向应用。
互联网时代，为AI带来第三次热潮，数据爆炸以及大数据技术的成熟，使AI进入到深度学习时代。深度学习使AI基于大数据的喂养具备了分析辨别能力。最熟知的案例就是AlphaGo 结合人类专家比赛中学到的棋谱，以及在和自己下棋中进行强化学习最终打败了李世石。
$ k! n' m$ U; g7 | AlphaGo将AI推到了一个新高度。AlphGo横空出世的2016年，单单我国的AI企业融资数量就直接翻了2倍，融资金额一年超千亿。但回过头看，投入大多打了“水漂”。AI四小龙集体陷入到了高投入、低收入的泥潭中。
商业化难落地仍是是这一阶段AI发展的主要问题。AI作为一个效率的工具，很难直接为公司创收，其价值发挥的路径更多的是被内嵌在产品中打包出售。于是，很多公司做着做着都变成了一家硬件公司，如某个四小龙企业，硬件收入占比超过70%，硬件收入比重仍保持扩大趋势。
虽然仍未解决商业化问题，但深度学习使AI 模型的准确度、计算效率、泛化性等指标大幅优化，并奠定了“大模型+场景小模型”的技术路线，为ChatGPT的出现打下了基础。
; I" c1 D4 J9 u. b 回顾AI发展史，除第一次热潮止于硬件性能，后两次热潮本质上受到商业化难落地的困扰。那么，站在历次浪潮肩膀上的ChatGPT能够终结AI寒冬吗？
导弹与弓箭的区别
在国际学术界看来，ChatGPT的出现是一种划时代产物。它与之前常见AI的区别，几乎是导弹与弓箭的区别。这种区别主要体现在，ChatGPT使AI由生产力的赋能者直接成为一种创造生产力的工具。
; c3 C& M6 S* H ChatGPT出现之前，所有的AI都属于决策式AI，即根据已有数据进行分析、判断、预测，主要应用于推荐系统和风控系统的辅助决策，如信息流推荐、自动驾驶等。
本质上，分析式AI并不能直接算作生产力，其更多的只是扮演赋能者的角色，促进生产力提升。如分析式AI帮助电商深度挖掘用户和物品的关联关系，将商品、店铺精准推送给用户，带动电商交易额的提升。辅助者的角色，使AI的价值从属于各个产业之下，其单独作为一个产业的商业价值有限，所以AI发展中屡次出现商业化落地难的现象。
ChatGPT则是生成式AI的代表产品。生成式AI可直接作为一种生产工具，创造是生成式AI的核心，通过算法学习，不仅能实现传统AI的分析、判断还能够实现传统AI力所不及的创造性功能，生成知识性和创作型内容，如输出文本答案、游戏代码等等。
生产工具革新往往有衍生新商业模式。所以能够看到，ChatGPT正逐渐打开AI商业化。某种程度上说，ChatGPT是第一个以AI技术为核心直接变现的消费者应用，目前ChatGPT已经推出会员订阅服务，每个用户的免费回答次数有限，只有开通会员的用户才可享受无限次服务。
从目前看，ChatGPT的出现，更多是技术范式升级的结果。长期以来，人工智能是小模型的天下，小模型可以理解为专用模型优化算法和精度去解决垂类场景问题。
; V4 o0 h; |6 N; R& w5 ~  k 举个例子，智能音箱用的就是小模型，它系统中包含若干个Agent，一个专门负责聊天对话、一个专门负责诗词生成、一个专门负责代码生成、一个专门负责营销文案等等。如果需要增加新功能，还需要训练一个新的Agent。
这种小模型极大限制了AI技术的延展性，使AI只能在特定Agent下进行分析和辨别，Agent的割裂使其很难综合生成内容。所以在小模型下，如果用户的问题超出了既有Agent的范围，那么就会从人工智能变为人工智障。
大模型的出现加速了AI的普及应用。大模型可以理解为背后只有一个Agent来解决用户所有的问题。大模型的参数量更大，并且能使AI综合进行各种模块的机器学习，最终综合生成全新内容。
+ a2 \6 P9 {" ~4 V# g- X6 R 从过去看，很多商业价值源自生产力的革新。ChatGPT也是如此，其潜在的商业价值很大程度是源于对生产力的提升。
ChatGPT，算力时代的“发电机”
生产工具在生产资料中起主导作用，会反作用生产力的变化和发展。落在具体产业中，生产工具的革新往往带来新的产业机会。
以第二次工业革命为例，电力产业蓬勃发展的开始源自发电机的诞生。早在1831年，英国科学家法拉第就发现了电磁感应现象。但在之后的30年，电力并未被广泛应用。
直到19世纪70年代，发电机问世。发电机本质上一种新的生产工具，其能把电能转化为机械能，使电力开始能带动机器成为补充和取代蒸汽动力的新能源。随后，电灯、电车、电钻、电焊等电气产品如雨后春笋般地涌现出来。人类逐渐开始跨入“电气时代”。
& x) b, T4 J' V9 [& }9 h# o# m AI与电力类似，本质上是生产力的提升。而ChatGPT则与发电机相似，是将AI直接转化为生产力的生产工具。
在实际作用上，就如同发电机取代了蒸汽机为机器提供新动力源，ChatGPT展示出了解放重复性脑力（知识蓝领）工作的潜力。
在实际应用中，ChatGPT正与过去的电力一样，被更广泛的应用到各个商业场景中。如美国版“今日头条”BuzzFeed已经宣布与OpenAI合作写稿。微软CEO纳德拉也表示，将实现OpenAI的工具商业化，将包括ChatGPT等人工智能工具整合进微软旗下的所有产品中。在被广泛应用的过程中，ChatGPT有望刺激AI衍生出更多的商业模式，带动生产关系的范式变革，甚至重构世界商业秩序。
以此来看，ChatGPT或许正扮演着“发电机”的角色，成为引爆AI产业发展的奇点。