ChatGPT 以生成式 AI 形态，在发布后 60 日实现月活破亿，成为史上增长最快的消费者应用。其商业模式的实质是：大模型以泛化与微调能力降低下游应用研发门槛，价值因而向基础模型与算力环节集中。按产业链划分，上游涵盖云计算、芯片、数据供给方等环节，中游为算法与大模型，下游为落地应用场景；综合来看，最值得关注的四个环节是上游的 AI 芯片、光模块，中游的大模型，以及下游的落地场景。

商业模式：从"小模型定制"到"大模型复用"

在这轮浪潮前期，AI 模型多针对特定应用场景训练，即小模型。其通用性差，换到另一场景往往并不适用，需重新训练，牵涉大量调参、调优工作与成本；同时模型训练依赖大规模标注数据，在数据量少的场景中精度不理想，最终导致 AI 研发成本高、效率低。

大模型改变了这一逻辑：它在大规模无标注数据上训练，学习出特征和规则，泛化能力强。基于大模型开发应用，只需利用下游特定任务上的小规模标注数据做二次训练（微调），甚至不微调，即可完成多个应用场景的任务。这有效降低了 AI 应用研发门槛，也缓解了应用场景数据量少、模型精度低的问题。大模型还具备涌现能力——当模型规模达到某个阈值时，对某些问题的处理性能会突然呈现快速增长，ChatGPT 这类现象级应用正基于此出现。

价值分配：算力—模型—应用三层

产业链位置代表环节价值来源
上游AI 芯片、光模块、云计算、数据供给提供算力与基础支撑
中游大模型（算法层）当下人工智能发展趋势，市场关注度最高
下游落地应用场景以 AI 技术赋能实现降本增效

芯片是人工智能行业的基础层，为行业提供算力支持；未来越来越多 AI 应用的落地都离不开庞大算力支撑，因此也将推动算力产业链快速增长。光模块属于光通信系统的核心器件之一，同样处于基础层；AI 技术快速发展对光通信的带宽容量和传输速率提出了更高要求，而其中的 CPO 技术是实现高速率、大带宽、低功耗网络的必经之路。中游算法层，大模型是当下的人工智能发展趋势，也是最受市场关注的方向。下游应用层，通过 AI 技术赋能能够极大降本增效，其中有优质应用场景的 C 端企业，以及有数据积累的 B 端企业，有望率先受益。

常见问题

ChatGPT 属于哪一类 AI 技术？

从产品模式看，ChatGPT 属于生成式人工智能技术（AIGC）。与传统决策/分析式 AI 不同，生成式 AI 并非简单分析已有数据来做决策，而是在学习归纳已有数据后进行演绎创造，基于历史做模仿式、缝合式创作，生成全新内容。

大模型为什么能降低应用开发门槛？

大模型泛化能力强，可在大规模无标注数据上训练出通用特征与规则。下游开发者通过微调，用特定任务上的小规模标注数据做二次训练，甚至不微调，就能完成多个场景的任务，无需为每个场景从零训练小模型。

人工智能产业链中哪些环节更受关注？

产业链上中下游各含多个环节，上游包括云计算、芯片、数据供给方等。综合来看，最值得关注的四个环节为上游的 AI 芯片、光模块，中游的大模型，以及下游的落地场景。