从概念提出到文生视频模型Sora的推出， 人工智能发展经历了三次浪潮和两次寒冬，数 据资源的体量及可获取性、理论模型的研究探 索、数据计算能力的高低是影响其发展的重要 因素。随着移动通讯、互联网的发展及普及， 快速增长的数据量为人工智能发展提供支撑， 算法模型的持续突破创新为人工智能带来发展 方向和庞大的算力需求。 在算力需求驱动及政策扶持下，我国已形 成布局完善的算力基础设施产业链，快速增长 的算力需求带动供应链各行业需求增长。具体 来看：服务器方面，随着大型云服提供商投资 放缓，服务器整机出货量增长放缓，但在人工 智能大模型算力需求拉动下，AI服务器出货量 呈现快速增长，有望为服务器需求带来新的增 长动力。随着AI服务器需求的增长，构成服务 器重要零部件的芯片、存储及光模块产品需求 也有望提升。其中芯片海外进口的限制为国内 芯片厂商发展提供了较大空间，但考虑到AI服 务器对芯片性能要求更高，国产AI芯片发展仍 需大量研发投入，同时也面临一定研究成果转 化失败风险；数据中心AI服务器需求刺激及国 内政策推动下，预计将保持稳步投资。 近年来算力供应链细分行业业绩表现有所 分化，上游半导体存储受整个半导体行业进入 下行周期及存储行业产能过剩影响，盈利及经 营活动净现金流表现不佳，IDC因前期投资支出 较大，盈利有所承压，其余细分行业整体保持 良好的业绩增长及经营获现水平；人工智能训 练模型带来极大的算力需求，有望为供应链各 环节企业提供业绩支撑，同时也带来一定投资 支出需求。得益于良好的获现能力以及较优的 股权融资能力，样本企业财务杠杆预计将维持 较低水平，整体信用表现良好。 主要关注因素 美国人工智能研究实验室OpenAI相继推出 人工智能技术驱动的自然语言处理工具 ChatGPT、文生视频大模型Sora，带来新一轮 人工智能技术变革。随着一系列大模型的推出， 近年来人工智能进入快速发展阶段，并对各行 业产生广泛影响。算力作为支撑人工智能技术 发展重要因素之一，与其发展尤为紧密。以信 息计算能力、网络运输能力、存储能力为核心 的算力行业涉及范围广泛，上游涉及芯片、存 储等基础硬件和操作系统、运算模型等基础软 件，中游包括服务器及网络运营等，下游主要 为数据中心。本文将围绕人工智能发展情况， 分析其对算力基础设施行业各环节需求拉动作 用，分析产业链内样本企业1主要财务表现及信 用风险情况。 从人工智能发展经历来看，数据资源的体 量及可获取性、理论模型的研究探索、数据计 算能力的高低是影响其发展的重要因素。随着 移动通讯、互联网的发展及普及，快速增长的 数据量为人工智能发展提供支撑，算法模型的 持续突破创新为人工智能带来发展方向和庞大 的算力需求。 人工智能（ArtificialIntelligence，AI） 是最早由约翰·麦卡锡在1956年的达特茅斯会议 上提出的研究、开发用于模拟、延伸和扩展人 的智能的理论、方法、技术及应用系统的一门 新的技术科学，具体是指利用数字计算机或者 由数字计算机控制的机器，模拟、延伸和扩展 人类的智能，感知环境、获取知识并使用知识 获得出最佳结果的理论、方法、技术和应用系 统2。根据功能及应用领域的不同，人工智能可 以分类为专用人工智能（ArtificialNarrowInte lligence，ANI）和通用人工智能（ArtificialG eneralSuperIntelligence，AGI），ANI主要 设计用来执行特定的任务，在特定领域表现出 色，例如谷歌的AlphaGo能够在围棋领域击败 世界顶尖人类选手，但不能进行其他活动；相 比于ANI，AGI指具有广泛认知能力的机器，能 够在多个领域执行任务，具有自我意识、情感 理解和创造能力。 结合人工智能的演进历程，发展至今大致 经历了三次浪潮和两次寒冬。第一次浪潮开始 于1956年人工智能概念的提出，在20世纪70年 代降温，这一时期的核心在于让机器具备逻辑 推理能力，通过推理与搜索尝试开发能够解决 代数应用题、证明几何定理等，但在实际应用 中涉及的计算量远超当时的计算能力，因此人 工智能经历第一次寒冬。第二次浪潮开始于专 家系统3的商业化，但随着应用化的深入，该阶 段的人工智能出现较大的场景局限性，同时更 多的数据和算法模型需求使得人工智能发展进 入第二次低迷期。第三次浪潮开始于计算机性 能的障碍被逐步克服，深度学习、神经网络等 理论的提出引领了这波浪潮；2011年以来，随 着深度学习算法的突破、生成对抗网络（GANs） 模型的推出，人工智能快速发展。同时，从人 工智能的功能上看，经历了AGI-ANI-AGI的发 展进程，AGI一直是人工智能发展目标，早期行 业内直接以AGI为发展道路，但受限于数据、算 法和算力等因素，转向更具可行性的ANI的发展 道路，在文本、视觉、声音等多领域持续发展， 为实现AGI奠定了基础；近年来以ChatGPT和 Sora为代表的多模态大模型的推出提升了人工 智能的可迁移性，原局限于单个领域的ANI有了 在不同领域间迁移的可能，将AGI重新带回了舞 台。 消息面上，近日国内AI独角兽月之暗面3月 18日在官方微信公众号宣布，其对话式AI助手 产品Kimi智能助手现已支持200万字的无损上 下文输入。 此外月之暗面还说明：从2024.3.20 9:30:00开始，观测到Kimi的系统流量持续异常 增高，流量增加的趋势远超对资源的预期规划。 这导致了从2024.3.2010:00:00开始，有较多的 SaaS客户持续的体验到429:engine is overloaded的异常问题，并对此表示深表抱歉。

Kimi在长文本单点能力上实现突破，支持 200万汉字的长文本输入，对比来看，GPT-4 Turbo-128k的能力是约10万汉字， Claude3200k上下文是约16万汉字。因此， Kimi更适用于高效阅读、专业文件解读、资料 查询、资料整理总结等方面。随着Kimi等AI产 品持续迭代，AI应用商业化或加速。尤其在广 告、电影、游戏等行业，国内外AI多模态大模 型的持续突破或大幅降低成本，提升效率，扩 大商业化空间。 据了解，KimiChat是一款智能文本助手， 其入口包括网页、App和微信小程序。使用场 景包括长文总结和生成、联网搜索、数据处理、 编写代码、模拟对话和翻译。根据七麦数据， Kimi智能助手在效率（免费榜）排名从1月14 日的436名提升至3月19日的11名。 月之暗面在公众号中进一步表示，大模型 无损上下文长度的数量级提升会进一步帮助用 户打开对AI应用场景的想象力，包括完整代码 库的分析理解、可以自主帮人类完成多步骤复 杂任务的智能体Agent、不会遗忘关键信息的 终身助理、真正统一架构的多模态模型等。 投资观点：Kimi在长文本单点能力上实现 突破，支持200万汉字的长文本输入，对比来看， GPT-4 Turbo-128k的能力是约10万汉字， Claude3200k上下文是约16万汉字。因此， Kimi更适用于高效阅读、专业文件解读、资料 查询、资料整理总结等方面。随着Kimi等AI产 品持续迭代，AI应用商业化或加速。尤其在广 告、电影、游戏等行业，国内外AI多模态大模 型的持续突破或大幅降低成本，提升效率，扩 大商业化空间。