目前AI 和大模型带来了算力搭建需求，以服务器插八张GPU 来计算，两万片GPU 的AI 训练带来的服务器增量，即1250 台服务器。而两万片
GPU，以trendforce 预计约为chatGPT3.5 所需数量，未来可能超过3 颗。考虑到国内各大互联网、IT 厂商相继投入大模型，未来服务器、数
据中心的建设已是高确定性事件。数据中心由于骨干网、云端数据中心其自身1）边界访问安全需求；2）数据保护需求；3）运行状态检测运营需求，对于网络安全设备有天然需求。我们认为，AI 乃至大模型时代，网安设备的硬需求为同向增长状态。

阿里巴巴达摩院在2023年初进行了展望，共计访谈了近百位专家，包括科学家、企业家与工程师，并从定量发散到定性收敛，形成了底层技术突破引起的“范式重置”、科技融合触发的“产业革新”、创新应用带来的“场景变换”三大2023科技趋势池。2022年9月，阿里巴巴达摩院发布最新通义大模型系列，打造了国内首个AI 统一底座，并构建了通用与专业模型协同的层次化人工智能体系，将为AI 从感知智能迈向知识驱动的认知智能提供先进基础设施。通过部署超大模型的轻量化及专业模型版本，通义大模型已在电商、设计、医疗、法律、金融等行业服务超过200个场景，实现了2%～10% 的应用效果提升。

ChatGPT 自身的三大套件是构建海量插件相互协同的核心抓手，其目的是通过将多插件形成对用户的全方位覆盖，最终形成专属个人的AI 管家。从ChatGPT 的首批接入的插件厂商即可看出OpenAI 的目标是覆盖人类生活的全维度。通过调节和协作相关插件，ChatGPT 从本质上转变为每个人的私人助理。当个人可以通过同一平台同时安排衣食住行、工作、娱乐乃至教育的任务部署，将构建不可打破的高粘性，并反哺于GPT 模型的优化，最终进一步扩展ChatGPT-PlugIn 的战略宏图。

从供需角度看，数据要素的流通一方面能够赋能数据需求方的生产经营、业务发展，另一方面对数据供给方来说能够实现数据价值的重估、变现，最终达到双赢的局面。从政策角度看，近年我国加大数据要素市场化建设的支持力度，在十九届四中全会中首次明确将数据纳入生产要素，随后政府陆续出台推进数据要素市场发展的基础制度文件，涉及数据要素的产权、会计处理、流通、交易、安全等环节。在今年的《党和国家机构改革方案》中提出组建国家数据局，也进一步凸显国家对于数据要素的重视程度。未来随着数据量的爆发，数据要素市场化建设的完善，数据要素的价值有望得到充分释放。

2022年12月，OpenAI 推出ChatGPT 并实现用户快速增长。ChatGPT推出仅5天，用户数已超过百万，这一速度远超其他媒体平台；ChatGPT 推出两个月后，在2023 年1 月末的月活用户已经突破了1 亿，成为史上用户增长速度最快的消费级应用程序。根据Sensor
Tower 的数据，TikTok 达到1 亿用户用了9 个月，Instagram 则花了2 年半的时间。1 月期间，ChatGPT 平均每天大约有1300 万独立访客，
这一数据是2022 年12 月的两倍之多。

我们拆解ChatGPT技术模型后认为，GPT与应用层的结合属于“通用大模型+行业小样本”的技术范式，通过上游通用预训练语言模型及下
游任务知识迁移实现通用大模型与垂直应用的快速适配，形成独立且差异化的应用专属大模型。其中预训练大模型的构建可以将更多的资源和数据转移到上游，小样本学习可以提升模型迭代的速度并快速适配下游场景。