证券研究报告 2023 年 02 月 08 日湘财证券研究所
行业研究半导体行业事件点评
ChatGPT专题研究之一：探寻 ChatGPT的能力圈，及
“破圈”成长之路
相关研究： 核心要点：
1、《内需提振+创新驱动，半导体 ChatGPT 基于其性能优势，11 月面世至今吸睛无数
产业结构性复苏在望》 2023.01.30ChatGPT 是由 OpenAI 开发的一款高性能的语言生成模型，在语义理解的
精准度、信息输出的准确率、逻辑性及语言流畅自然度方面优于竞品；可
应用于聊天机器人、部分标准化的自动文本生成、社交媒体中文本分类和
情感分析等场景。2022 年 11 月底产品面世就吸睛无数，用户数量随即进
入快速增长期，发布仅 2 个月注册用户已超 1 亿。
行业评级：增持 ChatGPT 在应用领域仍具有较为明显的局限性，“破圈”成长以多领域的
近十二个月行业表现 技术支持为基础
基于 ChatGPT 的底层技术架构、模型训练的数据来源，及使用体验，我
们认为 ChatGPT 现阶段在提高搜索及文本撰写效率方面具有较为明显的
价值；但仍具有“输出文本的时效性方面或存在不足；输出文本的专业度，
准确度受多种因素影响；不具备推理、创作能力”等局限性。ChatGPT 的
破圈成长则以模型的优化，算力资源的扩充，CPU&GPU 处理速度、存储
器及接口芯片等半导体硬件性能的提升等多因素为基础。
%1 个月 3 个月 12 个月
投资建议
相对收益4.56 -7.8 -9.0
绝对收益7.4 0.9 -19.32023 年数字化建设在多领域稳步推进，为产业链发展带来新动能，预期提
注：相对收益与沪深300 相比 振多种半导体硬件的市场需求，带动大数据中心的建设加速。建议关注数
字经济发展为传感器、CPU、GPU等领域带来的需求增量。汽车智能化渗
透率提升及出口增长驱动板块需求稳步增长，建议关注车规级 MOSFET
分析师：王文瑞
及 SIC 功率器件的国产化进程。中长期，人工智能技术的落地商用将持续
证书编号：S0500523010001
增多，人工智能技术的发展以算力资源的扩充、CPU&GPU 处理速度、存
Tel：(8621) 50293694 储器及接口芯片等半导体硬件性能的提升为基础，建议关注 Chiplet 及先
Email：wangwr2@xcsc 进封装，新型存储等先进技术的发展。建议持续关注半导体行业，维持行
业增持评级。
地址：上海市浦东新区银城路88 号风险提示
中国人寿金融中心 10 楼湘财证券研新产品商用化进程不及预期；市场需求不振；技术研发不及预期；宏观政
究所 策变化不及预期。
敬请阅读末页之重要声明 扫码进群领取
1、优质研报免费获取，行业报告定期打包
2、每日推送行业最新深度研报（精选10篇）
3、最新行业报告、公司研究、专业大咖分享 行业研究
1 ChatGPT相较于其他语言生成模型具有什么优
势？
ChatGPT 自 2022 年 11 月底面世就吸睛无数，用户数量就进入了快速增
长期，集微网数据显示ChatGPT 仅用 5 天就获取了超100 万注册用户，两个
月后用户数量已超过 1 亿。
ChatGPT 是由 OpenAI 开发的一款高性能的语言生成模型，在语义理解的
精准度、信息输出的准确率、逻辑性及语言流畅自然度方面优于竞品。基于
产品特性，ChatGPT的应用领域涉及：
（1） 自然语言处理（NLP）应用领域，具体场景如聊天机器人。
（2） 自动文本生成，具体场景如标准化程度较高的新闻报道、文章、
评论等。
（3） 文本分类和情感分析，具体场景如社交媒体中文本的监测和分析。
ChatGPT 的开发逻辑为，基于 Transformer 架构的语言模型，通过学习大
量预先过滤过的文本数据（包括网络新闻、书籍、学术文献等），生成与人
类语言相似的文本。通过数据中心、计算机硬件设备等进行模型的运行、文
本数据的计算处理，以服务器、存储器、网络接口输入输出设备等硬件为基
础。
Transformer 架构于 2017 年问世，现已成为自然语言处理（NLP）领域的
标准模型之一，广泛应用于各种 NLP 任务，如语言翻译、文本生成、情感
分析等。目前基于 Transformer 架构的语言模型/深度学习框架有：海外：
OpenAI 的 GPT 系列模型（GPT、GPT-2、GPT-3、ChatGPT）；Google研发
的 BERT、RoBERTa、ALBERT 模型等。国内主要为开源的深度学习框架，如：
百度 paddlepaddle、腾讯 AI、阿里云 PAI。目前，ChatGPT的信息输出表现优
于其他 Transformer 架构的语言模型主要受益于：
（1） 模型设计：ChatGPT的模型在处理复杂的语言问题上更具备竞争
力。
（2） 数据模型规模巨大：OpenAI 使用了大规模的数据集进行模型训
练，优化了生成文本的流畅、自然度。
（3） 技术进步：OpenAI通过使用新的人工智能和机器学习技术，持
续不断地优化模型；同时通过收集和分析大量数据，提高模型的
准确性和效率。
（4） 高性能计算资源：OpenAI 使用了大量高端 GPU 计算加速芯片进
敬请阅读末页之重要声明 2 行业研究
行模型的训练和运行。据集微网数据显示，ChatGPT 的总算力消
耗约为 3640PF-days。随着用户数量的增长，ChatGPT 的算力消耗
将持续增加。
2 ChatGPT是否存在局限性？破圈成长需要哪些支
持？
基于 ChatGPT 的底层技术架构、模型训练的数据来源，及使用体验，我
们认为 ChatGPT 现阶段更适合作为搜索引擎、文字撰写工作的辅助软件，在
提高搜索及文本撰写效率方面具有较为明显的价值；在专业性较强的文本撰
写、或“独立作业”等方面仍具有较为明显的局限性。ChatGPT 的破圈成长
则以模型的优化，算力资源的扩充，CPU&GPU 处理速度、存储器及接口芯
片等半导体硬件性能的提升等多因素为基础。
局限性一：输出文本的时效性方面或存在不足。ChatGPT的时效性受
OpenAI 的模型数据库更新频率、数据来源影响。OpenAI 的模型数据库为定
期更新，存在信息时效性不足的风险。数据库更新频率的提升可以解决时效
性不足的问题。ChatGPT 的数据库更新频率主要受数据源更新频率，数据库
结构、硬件资源、算力资源等因素影响。其中硬件资源影响因素包括CPU 处
理速度，存储设备的数据传输速度、容量及可用性，网络带宽和延时，内存
的容量及可用性。
局限性二：输出文本的专业度，准确度受多种因素影响。ChatGPT 的输
出信息的专业度影响因素如下：
（1）语言模型的底层原理。ChatGPT语言模型是通过学习大量的文本数
据来预测下一个单词的概率分布。则提供的上下文更详细，模型就能更好地
理解询问的内容，输出专业度更高的答案。这就意味着输出文本的专业程度
受 ChatGPT 使用者的问题分析、拆解能力影响。
（2）模型数据库中的数据来源、数据广度及质量等因素影响。ChatGPT
只能基于已经学到的数据和模式输出文本信息，若 ChatGPT 的数中不包含特
定领域的专业信息，则生成的回答专业度将存在不足；如ChatGPT 未获取 IDC、
Gartner 等机构的数据使用授权，则关于半导体产业的市场分析中很少涉及量
化的数据信息。此外，模型的公开使用可能导致模型的准确性下降：OpenAI
在训练 ChatGPT 模型时，通常使用大量经过人工或自动的过滤来排除不合适
的内容的过滤数据。然而，随着模型的公开使用，有可能会出现某些不合适
的数据被用于生成结果的情况，这可能会导致模型的准确性下降。从数据库
的来源这一影响因素来看，输出文本的专业度、准确度可以通过扩充数据库、
敬请阅读末页之重要声明 3 行业研究
优化过滤算法，并实施相应的审核措施来提升。但数据库的扩充或受到算力、
成本、法律等因素的限制。
局限性三：ChatGPT不具备推理、创作能力，生成的文本只能基于已经
学到的数据和模式。ChatGPT 作为一个语言生成模型，是通过学习大量文本
数据，根据已有的数据信息生成与人类语言相近的文本，其并不具备对文本
的理解能力，同样也无法对文本进行推理及创作。且由于语言生成模型与联
想推理模型、强化学习模型等具备推理能力的人工智能模型具有不同的技术
原理，从而ChatGPT 模型的独立优化无法使其具备推理能力。语言生成模型
和联想推理模型的融合或有望提升人工智能的推理能力，但仅从人工智能聊
天机器人的研发历史即可窥见，这一技术的落地需要研究者们翻越科技领域
的崇山峻岭。
3 投资建议
2023 年数字化建设在多领域稳步推进，为产业链发展带来新动能，预期
提振多种半导体硬件的市场需求，带动大数据中心的建设加速。建议关注数
字经济发展为传感器、CPU、GPU 等领域带来的需求增量。汽车智能化渗透
率提升及出口增长驱动板块需求稳步增长，建议关注车规级 MOSFET 及 SIC
功率器件的国产化进程。中长期，人工智能技术的落地商用将持续增多，人
工智能技术的发展以算力资源的扩充、CPU&GPU 处理速度、存储器及接口
芯片等半导体硬件性能的提升为基础，建议关注 Chiplet 及先进封装，新型存
储等先进技术的发展。建议持续关注半导体行业，维持行业增持评级。
4 风险提示
新产品商用化进程不及预期；市场需求不振；技术研发不及预期；宏观
政策变化不及预期。
敬请阅读末页之重要声明 4