ChatGPT上线60天月活破亿，成为史上增长最快的消费者应用，这一现象级表现直接引爆了人工智能产业链。受益最明确的是上游算力环节（AI芯片、光模块）、中游大模型厂商，以及下游具备优质场景的应用企业，其中AI芯片和CPO光模块被视作最值得关注的四个方向之一。

算力：AI时代的“卖水人”

ChatGPT所属的大模型技术，其核心驱动力来自算力、算法与数据三要素的协同提升。大模型在训练和推理阶段都需要海量算力支撑，因此AI应用的爆发首先拉动上游算力基础设施的需求增长。

在产业链上游，AI芯片为人工智能提供算力支持，是所有AI应用落地的物理基础；光模块（尤其是CPO技术）则是光通信系统的核心器件，AI技术对光通信的带宽容量和传输速率提出了更高要求，CPO被视为实现高速率、大带宽、低功耗网络的必经之路。这两个环节均被列为人工智能产业链中最值得关注的四个方向之一。

大模型：从技术到应用的关键一跃

中游环节的核心是大模型本身。与针对特定场景训练、通用性差的小模型相比，大模型泛化能力强，基于大模型进行应用开发只需少量微调甚至不微调，即可完成多个场景任务，有效降低了AI应用的研发门槛。

更重要的是，大模型具备涌现能力——当模型规模达到某个阈值时，模型对某些问题的处理性能会突然呈现快速增长。正是基于这种能力，才诞生了ChatGPT这一现象级AIGC应用。国内百度、阿里、商汤等企业也陆续发布了自己的大模型，每一轮发布都引发市场热烈讨论。

应用落地：降本增效的长期逻辑

下游应用层的受益逻辑在于AI赋能带来的降本增效。人工智能被视作数字经济时代的“蒸汽机”，将在很大程度上替代重复的脑力劳动，深刻影响经济社会方方面面。

从受益优先级看，拥有优质应用场景的C端企业，以及有数据积累的B端企业，有望率先受益。而国内人工智能市场增速显著高于全球，中国在全球人工智能市场中的占比预计将持续提升，为产业链各环节带来广阔空间。

常见问题

为什么算力环节最先受益？

大模型的训练和运行高度依赖算力支撑，AI应用的爆发直接推高了对AI芯片和光模块等基础层的需求。算力是AI产业发展的物理底座，因此上游基础设施环节的需求增长最为直接和确定。

大模型相比传统小模型有什么优势？

大模型泛化能力强，基于大模型进行应用开发时，只需少量下游特定任务的标注数据进行微调，甚至不微调即可完成多个场景任务。这有效降低了AI应用的研发门槛，也解决了小模型在数据量少时精度不理想的问题。

国内AI产业处于什么位置？

国内人工智能大模型与海外的差距约为1-3年。在技术方面美国优势稍大，但国内企业正通过持续投入算法研发、以国产GPU或ASIC替代部分算力约束等方式追赶，未来有望依托大模型的应用落地和产业升级释放增长潜力。