《国务院机构改革方案的议案》提出组建国家数据局，负责协调推进数据基础制度建设，统筹数据资源整合共享和开发利用，统筹推进数字中国、数字经济、数字社会规划和建设等，由国家发展和改革委员会管理。我们认为，一方面，《“十四五”数字经济规划》等政策已经形成了我国发展数字经济的顶层设计与中长期发展目标，国家数据局的组建意味着数据要素乃至数字经济的发展真正进入落地阶段。另一方面，这充分体现了国家层面将数据作为未来经济社会发展核心的高度重视，短期有望加速数据要素流通和使用的步伐加快，长期有利于数据、算法、算力等数字经济相关产业的发展。

信创：2023 年国产化和自主可控的相关表述被列入到了当年工作目标中，这是2022 年未涉及的部分。而此前，2022 年的中央经济工作会议中，信创相关主题也是重要的新增内容，同时2 月第二十届第三次中央政治局集体学习中，也重点关注了“要打好科技仪器设备、操作系统和基础软件国产化攻坚战”等相关议题。结合刚推出的科学技术部的重组方案来说，国家对于基础科研实力的重视度进一步提升，也有望在核心科技领域获得更多突破，支持信创工作的推进。

2023 年3 月1 日，OpenAI 宣布开发者可通过API 将ChatGPT 和Wisper 模型集成到他们的应用程序和产品中。本次ChatGPT API 接入的模型名为GPT-3.5-turbo，只需0.2 美分/千 Tokens。本文尝试测算训练和不同推理场景之下的实际成本；未来随着模型压缩的持续发展，推理成本可能进一步降低，也有望大幅推动生成式模型在各个场景的大规模商用。我们的成本估算思路是：计算AI 模型在进行训练与推理时所需的浮点运算次数，与AI 算力集群的平均算力 (以每秒浮点运算次数计) 做比，以此估算AI 模型的训练成本与推理成本。

算法创新及算力进步、数据爆发，催化本轮人工智能奇点将至。1）人工智能的技术演进经历了符号主义、连接主义和行为主义，在行为主义思想中引入了连接主义的理念，最终诞生引导AI 落地的深度学习技术；2）深度学习技术的出现，改变了传统AI 的技术路线，解决了传统机器学习算法无法处理大量数据、准确率遭遇瓶颈的问题，使得AI 从理论上具备了工程化落地的可能；3）基于摩尔定理的算力提升，互联网及数字经济的快速发展带来的数据量井喷，使得AI 最终从设想走向场景落地，在语音识别、图像识别等领域的计算准确度都实现了突破性进展并得到广泛应用。

（1）当前在数字经济持续推进和国企新一轮改革深化的背景下，我们认为央国企会在新一轮经济复苏周期中承担重要作用，并在经济指标提升的同时迎来估值重构机遇，推荐关注有望享受央国企估值重构并受益行业信创带来业务高景气度的公司；（2）AI的商业化发展离不开算力和应用场景的支撑。随着参与大模型训练公司数量的增加和生成类AI 应用的推广，我们看好AI 服务器需求的加速释放；（3）考虑类Chatgpt 技术的优势和当前已尝试的场景落地，推荐关注类gpt 技术可融合的应用类标的。

我们认为ChatGPT具备跨时代的意义的本质是AI算法大模型，因此科技巨头已经开始算力“军备赛”，大模型的出现有望带动AI服务器需求爆发。服务器架构随负载量扩张不断优化，已经经历传统单一部署与集群模式，目前正处于分布式模式的转变阶段。CPU、内部存储和外部存储是服务器的核心部件。按照CPU指令集架构的差异，服务器可分为CISC(复杂指令集)、RISC(精简指令集)、VLIM等架构，代表架构为X86。人工智能应用场景下的加速计算服务器是中国服务器的核心驱动力，AI服务器相较于通用服务器区别在于硬件架构、加速卡数量与设计方面；我们认为AI服务器众芯片组为服务器的核心，且价值成本占比较高。

AIGC 的落地痛点在于成本高昂的通用大模型与下游垂直应用场景需求的不匹配。ChatGPT 热度持续提升，一方面推动了科技巨头持续加大AI 投入，另一方面也直接带动下游付费意愿提升，进一步加速AIGC 应用落地和商业变现，AIGC产业迎来发展良机。

3月到4 月，人工智能的催化剂：1、国内产品落地；2、OpenAI 的付费用户数。根据新华网，美国人工智能公司OpenAI 的大语言模型ChatGPT 在推出约两个月后，1 月已达到1 亿月活跃用户，成为历史上增长最快的消费者应用程序。根据商汤智能产业研究院官微，商汤的模型，其最近三年的数据自动标注成本下降了500 倍，模型生产成本下降了94%，算力使用的应用大装置TCO 下降了70%，从而有利于成本的下降和需求的增长。而根据商汤官微，2022 年以来，商汤科技重点参与了中国信通院总计14 项行业、团体标准，覆盖人工智能平台、可信治理、大规模预训练模型、AI 研发运营一体化（MLOps）等多个领域。大规模预训练模型是当前人工智能发展的重要技术突破。商汤将SenseCore AI 大装置的研发经验与“书生”通用大模型的能力输出为标准文本，有效支撑大规模预训练模型开发流程和模型功能的标准化发展