智通财经APP获悉，中信证券发布研究报告称，展望2024年，AI仍将继续成为全球科技产业发展的核心主线之一，算法进步、算力需求变化、应用场景落地&拓展有望同步推进，并相应影响全球企业IT支出总量&结构、半导体&硬件行业需求，以及互联网公司运营效率等。持续看好AI产业的短期、中长期投资机遇，并建议关注AI芯片、硬件、软件、互联网等相关子板块。
中信证券观点如下：
Gen AI：有望继续为2024年科技行业发展核心主线之一。
作为Gen AI元年，全球AI产业在2023年取得诸多突破性进展，并体现在：基础模型&垂类模型井喷、AI算力需求爆发、以Copilot为代表的应用初步尝试、欧美政策监管及时跟进等。
展望2024年，AI行业仍有望继续保持快速发展，并成为短期、中期全球科技产业发展的核心主线之一，但产业投资逻辑的构建，亦需要依赖于对中短期系列核心问题的系统分析、回答，包括：
1)算法，头部企业顶尖算法研发进展&推出节奏，多模态、复杂逻辑推理等模型核心能力突破时间表，算法灵活性、单位算力成本等核心指标改善路径、速度等;
2)算力，算法演变、算力负载从训练向推理端迁移、供给端产能释放等，对算力市场需求总量、竞争结构、产品形态等的影响;
3)应用，算法进步到应用落地传导，AI+软件、边缘AI、自动驾驶、机器人、互联网等2024年商业化前景。以上问题亦是本篇年度展望报告着重讨论的内容。
算法：智能水平提升、多模态、推理成本下降等料将是2024年焦点，AI Agent雏形有望在2025年出现。
技术层面，提升模型智能水平、扩展模型适用场景、降低模型推理成本仍是当前学术/产业界重点努力的方向。
1)智能水平提升，基于“压缩即智能”的主流学术理论，市场亦主要通过规模(Scaling law)、算法优化(SFT、RLHF、超级对齐等)等方式实现模型压缩率的提升，并相应推动对数据质量重视度不断提升。
2)场景扩展，融入图片的多模态模型将是2024年市场发展的重点。
3)推理成本降低，更多依赖于量化、蒸馏等高效率的压缩技术，参考OpenAI实践，该行预计2024年，主流模型的使用成本将压缩1-2个数量级。
4)智能体(AI Agent)，模型智能水平提升、多模态的突破、叠加推理成本不断下移等，AI Agent雏形极有可能在2025年出现。
市场格局层面，预计少数头部公司将聚焦于AGI，大量中长尾公司将聚焦于工程化创新，同时相较于开源模型，预计闭源模型将持续保持1-2年的领先，但开源模型能吸收闭源模型的理念技术进行升级。
算力：2024年料将充满变数，关注供需结构、ASIC、HBM、以太网等。
模型训练、供给端瓶颈等使得英伟达等少数企业在2023年显著受益。进入2024年，预计算力市场将面临如下变化：
1)需求总量，多模态模型料将推动算力需求呈现指数级增长，但大量算法研发企业向工程创新层面的转移将相应降低算力需求。
2)需求结构，遵从产业发展规律，AI算力负载将逐步从训练向推理端迁移，芯片门槛料将显著降低(市场格局趋向分散，利好ASIC等)、AI组网结构亦将重视和现有业务网络的兼容性(利好以太网)。
3)供给，台积电CoWoS产能有望在2024Q2-Q3之间大幅增加，参考半导体行业的历史经验，每次供需结构再平衡将使得短期市场预期面临重置风险。
4)其他，该行判断2024年云厂商等头部企业整体数据中心支出预算相对充裕，相较于2023年的投入热情，应用场景落地进度，以及由此带来的ROI，将是2024年最终实际支出的主要决定因素。
应用：关注边缘AI、软件、自动驾驶、机器人等。
作为AI产业化闭环链条的最终一环，受制于算法本身能力约束等，AI应用场景落地在2023年并未取得明显进展。伴随多模态、模型蒸馏等技术的不断进步，以及主要企业在2023年的不断尝试、产品开发积累等，理应对2024年的应用场景有更多预期，主要包括：
1)边缘AI，考虑到边缘侧的突出优点(低调用成本、低延时、用户隐私、个性化等)，以及硬件系统有限的改造复杂度(计算芯片、存储容量等)，AI PC、AI手机有望成为2024年硬件市场亮点，并将相应拉动终端换机浪潮，相对更为看好AI PC，苹果公司进展亦值得重点关注。
2)AI+软件，考虑到产品成熟度提升，以及企业自身IT堆栈改造进度，预计AI+软件货币化有望在2024年初开启，并在2024H2加速，Copilot为短期主要产品形态，微软、Salesforce、Adobe等仍将是行业风向标，除应用软件龙头外，预计基础软件(数据管理、系统监控等)、信息安全等子板块亦将明显受益。
3)前沿技术，若多模态模型在2024年实现突破，并相应带来复杂环境理解能力的本质性改善，自动驾驶、机器人等前沿技术方向有望进入发展快车道。
4)互联网，算法能力不断提升将为互联网巨头在搜索、电商、社交等产品层面持续打开想象空间，比如货币化能力改善、用户活跃度提升等，并最终体现为财务层面的收入增长、盈利能力改善等。
风险因素：
AI算法迭代速度放缓、多模态等核心技术难以实现实质性突破风险；AI不恰当使用带来的用户隐私、潜在道德&伦理风险，以及由此引致的强力政策监管风险；地缘政治冲突导致AI技术、算力基础设施等难以在全球自由流动风险；短期AI货币化不及预期导致市场投入热情下降、AI产业发展陷入阶段性低迷风险；AI算法创新过度依赖于少数企业、核心技术人员风险等。