会议主要讨论的核心内容 大模型能力持续进步 - 大模型的能力在2-3年内将持续进步，但进步速度有所放缓，主要体现在用户感知方面的进步较慢[3][4] - 大模型的能力提升主要体现在数学能力等不太明显的方面，而非用户体验的明显改善[3] - 大模型要实现AGI级别的能力仍存在较大挑战，目前大模型更多是一种统计结果[5] 模型进步驱动算力需求 - 模型进步对算力需求的拉动作用仍然强劲，传统科技巨头正在加大投入应对[4][5] - 数据质量和数量可能成为限制模型进步的瓶颈，多模态训练数据相对更充足[6][7] - 算力供给方面，电力短缺成为制约因素，谷歌等公司正在尝试多数据中心协同计算[8] 竞争格局分析 - OpenAI、Google、Meta等公司在大模型领域处于领先地位，Anthropic等新兴公司也有较强实力[9][10] - 传统科技巨头在人才储备和技术交流方面优势明显，有望缩小与OpenAI的差距[10][11] - 国内大模型研发与硅谷存在一定差距，但考虑到硅谷进展放缓，国内有望保持不被拉开[12][13] 应用创新面临瓶颈 - 大模型在PPT、Excel等创作型应用中表现不佳，主要问题在于难以满足用户从0开始构建的需求[14] - 当前大模型应用更多集中在企业搜索、总结等效率型场景，C端原生应用仍面临挑战[14] - 未来应用创新可能更多依赖于手机、电脑等终端厂商的产品形态调整[16] 投资建议 - 算力板块在1年内仍有较强景气度，是最值得配置的AI方向[17] - 关注有B端布局的公司，以及可能带来用户体验超预期的AIpc和AIphone等系统级创新[17] - 调低对国内AI原生应用及大模型公司C端商业化的预期[17]