智通財經APP獲悉，中信證券發佈研究報告稱，展望2024年，AI仍將繼續成爲全球科技產業發展的核心主線之一，算法進步、算力需求變化、應用場景落地&拓展有望同步推進，並相應影響全球企業IT支出總量&結構、半導體&硬件行業需求，以及互聯網公司運營效率等。持續看好AI產業的短期、中長期投資機遇，並建議關注AI芯片、硬件、軟件、互聯網等相關子板塊。
中信證券觀點如下：
Gen AI：有望繼續爲2024年科技行業發展核心主線之一。
作爲Gen AI元年，全球AI產業在2023年取得諸多突破性進展，並體現在：基礎模型&垂類模型井噴、AI算力需求爆發、以Copilot爲代表的應用初步嘗試、歐美政策監管及時跟進等。
展望2024年，AI行業仍有望繼續保持快速發展，併成爲短期、中期全球科技產業發展的核心主線之一，但產業投資邏輯的構建，亦需要依賴於對中短期系列核心問題的系統分析、回答，包括：
1)算法，頭部企業頂尖算法研發進展&推出節奏，多模態、複雜邏輯推理等模型核心能力突破時間表，算法靈活性、單位算力成本等核心指標改善路徑、速度等;
2)算力，算法演變、算力負載從訓練向推理端遷移、供給端產能釋放等，對算力市場需求總量、競爭結構、產品形態等的影響;
3)應用，算法進步到應用落地傳導，AI+軟件、邊緣AI、自動駕駛、機器人、互聯網等2024年商業化前景。以上問題亦是本篇年度展望報告着重討論的內容。
算法：智能水平提升、多模態、推理成本下降等料將是2024年焦點，AI Agent雛形有望在2025年出現。
技術層面，提升模型智能水平、擴展模型適用場景、降低模型推理成本仍是當前學術/產業界重點努力的方向。
1)智能水平提升，基於“壓縮即智能”的主流學術理論，市場亦主要通過規模(Scaling law)、算法優化(SFT、RLHF、超級對齊等)等方式實現模型壓縮率的提升，並相應推動對數據質量重視度不斷提升。
2)場景擴展，融入圖片的多模態模型將是2024年市場發展的重點。
3)推理成本降低，更多依賴於量化、蒸餾等高效率的壓縮技術，參考OpenAI實踐，該行預計2024年，主流模型的使用成本將壓縮1-2個數量級。
4)智能體(AI Agent)，模型智能水平提升、多模態的突破、疊加推理成本不斷下移等，AI Agent雛形極有可能在2025年出現。
市場格局層面，預計少數頭部公司將聚焦於AGI，大量中長尾公司將聚焦於工程化創新，同時相較於開源模型，預計閉源模型將持續保持1-2年的領先，但開源模型能吸收閉源模型的理念技術進行升級。
算力：2024年料將充滿變數，關注供需結構、ASIC、HBM、以太網等。
模型訓練、供給端瓶頸等使得英偉達等少數企業在2023年顯著受益。進入2024年，預計算力市場將面臨如下變化：
1)需求總量，多模態模型料將推動算力需求呈現指數級增長，但大量算法研發企業向工程創新層面的轉移將相應降低算力需求。
2)需求結構，遵從產業發展規律，AI算力負載將逐步從訓練向推理端遷移，芯片門檻料將顯著降低(市場格局趨向分散，利好ASIC等)、AI組網結構亦將重視和現有業務網絡的兼容性(利好以太網)。
3)供給，臺積電CoWoS產能有望在2024Q2-Q3之間大幅增加，參考半導體行業的歷史經驗，每次供需結構再平衡將使得短期市場預期面臨重置風險。
4)其他，該行判斷2024年雲廠商等頭部企業整體數據中心支出預算相對充裕，相較於2023年的投入熱情，應用場景落地進度，以及由此帶來的ROI，將是2024年最終實際支出的主要決定因素。
應用：關注邊緣AI、軟件、自動駕駛、機器人等。
作爲AI產業化閉環鏈條的最終一環，受制於算法本身能力約束等，AI應用場景落地在2023年並未取得明顯進展。伴隨多模態、模型蒸餾等技術的不斷進步，以及主要企業在2023年的不斷嘗試、產品開發積累等，理應對2024年的應用場景有更多預期，主要包括：
1)邊緣AI，考慮到邊緣側的突出優點(低調用成本、低延時、用戶隱私、個性化等)，以及硬件系統有限的改造複雜度(計算芯片、存儲容量等)，AI PC、AI手機有望成爲2024年硬件市場亮點，並將相應拉動終端換機浪潮，相對更爲看好AI PC，蘋果公司進展亦值得重點關注。
2)AI+軟件，考慮到產品成熟度提升，以及企業自身IT堆棧改造進度，預計AI+軟件貨幣化有望在2024年初開啓，並在2024H2加速，Copilot爲短期主要產品形態，微軟、Salesforce、Adobe等仍將是行業風向標，除應用軟件龍頭外，預計基礎軟件(數據管理、系統監控等)、信息安全等子板塊亦將明顯受益。
3)前沿技術，若多模態模型在2024年實現突破，並相應帶來複雜環境理解能力的本質性改善，自動駕駛、機器人等前沿技術方向有望進入發展快車道。
4)互聯網，算法能力不斷提升將爲互聯網巨頭在搜索、電商、社交等產品層面持續打開想象空間，比如貨幣化能力改善、用戶活躍度提升等，並最終體現爲財務層面的收入增長、盈利能力改善等。
風險因素：
AI算法迭代速度放緩、多模態等核心技術難以實現實質性突破風險；AI不恰當使用帶來的用戶隱私、潛在道德&倫理風險，以及由此引致的強力政策監管風險；地緣政治衝突導致AI技術、算力基礎設施等難以在全球自由流動風險；短期AI貨幣化不及預期導致市場投入熱情下降、AI產業發展陷入階段性低迷風險；AI算法創新過度依賴於少數企業、核心技術人員風險等。