在资本市场的ChatGPT概念股更多仅是短期热点，长期需综合多因素观察。当二级市场板块轮动、热度退潮后，企业之间的技术与商业应用差距，才是亟需正面解决的重点。

这是一场美国科技巨头对决的盛况，也是一场中国科技厂商闻风而动的转折点。北京时间2月8日凌晨，微软推出由OpenAI提供最新技术支持的新版搜索引擎必应（Bing）与Edge浏览器。面对微软的快节奏进攻，谷歌也放弃缓慢迭代的策略，直接推出类ChatGPT产品——实验性对话AI服务Bard。

乘着海外巨头技术落地的东风，国内企业在二级市场攀上ChatGPT概念股。据第一财经记者观察，1月10日微软表示计划向 OpenAI 投资 100 亿美元以收购其49% 股权。也正是在这一时间点，微博搜索指数显示ChatGPT的搜索量开始出现上扬。进入2023年2月以来，在上证e互动和深交所互动易平台上有关ChatGPT的咨询和问答数量急速增加。

在机构人士看来，ChatGPT既不是单纯的概念炒作，也不能定义为划时代的技术突破，更多是在AI技术上的迭代更新，但在资本市场的ChatGPT概念股，更多仅是短期热点，长期需综合多因素观察。当二级市场板块轮动、热度退潮后，企业之间的技术与商业应用差距，才是亟需正面解决的重点。

ChatGPT“重击”搜索？

一直以来，ChatGPT背后的生成式AI被质疑缺乏明确的商业化落地场景，此次，微软与谷歌将首个落地场景确定为搜索。

微软CEO、董事长萨提亚·纳德拉（Satya Nadella）表示，这是搜索的新一页，新的范式已经出现，军备竞赛从今天开始，我们将以最快的速度前进，每天都会加入新的内容，同时重新创造搜索引擎。

思必驰联合创始人、首席科学家俞凯对第一财经记者表示，微软并不是单纯只把ChatGPT融合进搜索引擎，而是包括Bing、Office、Teams等全家桶产品融合。从行业来看，ChatGPT可谓继Alpha Go后最大的里程碑进步。Alpha Go解决的是规则情况下的搜索和处理，而ChatGPT是在无规则前提下，部分解决自然语言交互的问题。

在微软的融合里，俞凯更看好Office和Teams的应用，ChatGPT本身就是在创造性、创作性方面带来了新的技术和体验。Teams+GPT可以自动生成会议笔记、推荐任务和个性化重点内容；Office+GPT，可以快速生成相应的文章模板。相比搜索引擎的升级来看，更具备快速应用的可能，因为是用户很直接的刚需。

Forrester分析师卢冠男对第一财经表示， ChatGPT的信息汇总能力可以将多个搜索结果内容整合后，更高效地呈现给用户，改善用户的搜索体验，但是否能取代还有待观察。

显然，多轮对话的交互方式，可以更好地整合上下文以及用户对搜索结果的反馈，从而提供更加个性化的结果。这些体验改善会成为搜索引擎改善升级的关注点。

但需注意的是，卢冠男表示，ChatGPT相关技术所提供的搜索结果也会存在一定为问题。比如 ChatGPT的反馈结果准确性可能会和原始数据有偏差。如何化解这个问题，以及面对其他上线后的挑战，仍有待观察。目前看到更多是ChatGPT和搜索引擎的结合而非替代。

谷歌23号员工、Gmail创造者保罗·布赫海特在推文中激进地表示，谷歌将在一两年内被彻底颠覆。当人们的搜索需求能够被封装好的、语义清晰的答案满足，搜索广告将没有生存余地。而占据全球接近84%搜索市场的谷歌，目前仍是一家50%营收来自搜索广告的公司。

在首都经济贸易大学广告学系副主任王水看来，由于同样依循“键入需求-结果满足”逻辑，ChatGPT会冲击搜索，也将导致谷歌和百度推出类似服务。然而，ChatGPT更可能影响“结果导向”的传统搜索，而非影响“过程导向”的新搜索。比如，当前很多搜索已非纯粹的信息对接，而是提供私域沉淀与销售转化能力。这一能力背靠生态，而非技术，ChatGPT很难在短期内替代。

但几乎可以确认的是，搜索引擎的商业化收入肯定会受到ChatGPT的挑战。王水提到，因为搜索广告依附于搜索生态，当搜索生态当中的流量转向ChatGPT对话模式的话，搜索内容生态中的广告商便会受到影响。

千条问询与个股八连板

目前生成式AI方面竞争最为激烈的当属微软与谷歌，国内相关技术领域的热度更多聚焦于二级市场。

以1月10日为节点，记者发现在两家投资者互动平台上共有49条先于这一节点的问询记录，主要针对科大讯飞、汉王科技、高鸿股份、拓尔思等企业。有超过三分之二的提问科技公司，其余涉及下游应用的企业，如金融、消费等。截至发稿，相关问题数总和数量为1054。

值得注意的是，科大讯飞一家早期就有八条提问，分别从“NLP技术突破”“技术投入成本”“算力平台芯片”“开发技术路线”“外部厂商挑战”等不同方面入手，甚至还有一条“询问”质疑科大讯飞的营销战略——“讯飞年年那么多研发投入，得了很多世界冠军，却没有推出引领和震惊世界的技术，大部分中国百姓甚至都不知道科大讯飞，营销上是否需要重新思考一下？”对此，科大讯飞内部人士告诉记者，公司对于布局ChatGPT的态度依旧是要“等等看”。

1月10日之后，多数在投资者互动平台上被问询公司的主营业务涵盖半导体芯片设计、自然语言处理、图像识别、人工智能训练和消费应用等领域。2月1日，万得公布ChatGPT指数(8841669.WI)，根据权重股样本的信息，该指数有66.7%的股票选自信息技术行业，有29.2%的股票选自可选消费行业，剩余4.2%选自半导体材料行业。行业分布与记者了解到的问询企业所在的行业分布情况基本一致，该指数在近6个交易日内涨超26%。

在一众个股中，真正引起交易所关注的还是汉王科技。2月8日，ChatGPT概念股汉王科技午后再度触及涨停，走出8连板，日内成交额近29亿元。似乎深交所7日向七连板的汉王科技下发的关注函全未让热情的股民收手。但深交所已要求汉王科技说明公司NLP业务的具体产品、应用情况、研发投入及相关财务数据。要求汉王科技结合公司NLP业务及其他主营业务的经营情况、竞争情况等，以及2022年业绩预计情况，对公司经营风险、业绩亏损等进行充分、明确的风险提示。

尽管二级市场热火朝天，一位关注硬科技领域的投资人对第一财经记者表示，投资动作会非常谨慎，其个人不会选择相关领域的标的，因为国内产品在软件架构、算力支撑、芯片设计等各方面，均存在一定差距。

在过去10年中，比较标准的一个自然语言处理的模型通常有几百万个参数，Open AI的大模型GPT-3拥有1750亿的参数，这个大模型比起之前的AI模型在体量上是几万到几十万倍的增长。

不过，启明创投合伙人周志峰提到，OpenAI 1750亿参数的GPT-3耗费了大约500万美元的训练资金，大模型耗费的成本对于创业公司是一个压力，也会影响效果。

7日，一款号称“首个中文版ChatGPT”的大模型中国元“Yuan”，由元语智能推出的功能型对话大模型ChatYuan上线后，小程序一度崩溃，但评论区也有网友表示：大概仅为GPT2的水平、反应比较慢，还需要增加数据量多练练。

谈到中外差距，俞凯对记者表示，ChatGPT的核心是大模型技术和对话智能技术，其中大模型技术主要包括三方面：上下文学习、思维链推理、指令学习。所谓的“大模型”其实是指基础模型（foundationmodel），当参数足够大的时候，比如当有千亿级以上的大模型时，不再需要额外的采取数据对各个领域进行小规模的、进一步训练了，也就是原本的基础模型因为参数足够大，所以直接被称为“大模型”。大模型的算法是通用的，而数据量在超过千亿级之后，对比也就不再那么明显。

换而言之，俞凯称，底层基础的算法是公开的，并不存在算法上的明显差距。当数据量足够大，微不足道的数据差距影响也没那么明显。中美的差距，主要是在工程化能力、基础架构设置、人员经验，以及长期信念决心的问题等。

国内厂商的机会窗口

IDC中国研究总监卢言霞对记者表示，基于ChatGPT可能会诞生一批新创企业，但单纯依赖大模型无法提供持续的竞争力。垂直领域的数据、面向场景的模型优化、工程化的解决方案，才是将AI落地的根本，也是建立竞争优势的关键。

人工智能公司能否借助ChatGPT实现一轮更新迭代也是二级市场暴涨的原因之一，卢冠男对记者表示，ChatGPT的发布让 OpenAI网站的访问量迅速增长，证明了其市场需求的潜力。在这样的背景下，AI相关企业也会受到比以往更多的关注和资源。ChatGPT的发展或近期整体生成式AI的发展都是对AI 2.0 趋势的体现。

俞凯也认可ChatGPT技术对AI企业的启发作用，他称，新技术的突破往往给创业者提供了更多的机会。关键是看具体如何结合，基于高潜刚需的需求场景来突破，而不是从技术本身来考虑。从聊天机器人的方向看，融合语音、文本、图像信号的多模态感知技术也有很大机会。以当前新起的虚拟数字人为例，多模态、智能化的完整解决方案可以更好地应对不同场景的复杂变化，多模态交互成为行业发展的必然趋势。

“未来我们仍然会看到AI相关领域的各种算法，还有深度学习、机器学习类的岗位人才缺口，不仅会短缺，而且这个短缺的缺口会继续扩大。”米高蒲志科技行业总监文芳萍告诉第一财经，她认为新概念的出现仍与前期的技术积累有关。

因为大模型的出现，AI在很多语言处理领域展示出的能力超越了人类。从产业界角度来看，影响更大的是大模型具备了超强的泛化能力。此前深度学习发展了10年，只有科技大厂、AI独角兽拥有顶级的AI人才、算法工程师，才可以完成对模型的调参、优化，让人工智能在某些狭义场景中达到令人满意的效果，但是其他广大的行业和企业中是非常缺乏AI人才的，这也严重阻碍了AI去赋能百业。

卢冠男对记者表示，海外相关产品在国内落地方面目前没有明显进展，确实留给国内厂商的机会窗口。人工智能算法落地需要考虑中国数据安全法和算法推荐管理规定的合规要求。目前大多产品服务处于内测阶段，所以海外AI产品在本地化方面还没有投入太多资源。国内厂商在满足本地客户需求的同时，也需要关注合规方面的实践。无论是利用第三方API构建新的产品服务，还是推出新模型支持现有服务，这一过程如何满足合规要求，在实践上仍有待探索。