個股方面，該行建議關注：1）通用大模型：崑崙萬維(300418.SZ)；2）垂類大模型：因賽集團(300781.SZ)、中文在線(300364.SZ)等。
智通財經APP獲悉，太平洋證券發佈研報稱，年內需關注 AI 三條主線：1）關注面向 B 端用戶及端側部署的 AI 應用發展：爲應對較高的模型調用成本，實現應用的商業化，面向更高價值的 B 端用戶的應用會更先實現發展。同時端側部署是 AI 應用實現應用爆發的重要路徑，並且，端側部署能降低雲端算力需求及推理成本。
2）關注多模態技術進展：多模態模型生成的內容形式所對應的應用場景的商業化價值更大。並且，基於多模態模型開發的應用擁有更多樣的交互方式，有望進一步提升應用體量。
3）關注大模型自主可控需求：OpenAI 斷服有望提升國產大模型關注度，利好擁有通用及垂類大模型的公司。
個股方面，該行建議關注：1）通用大模型：崑崙萬維(300418.SZ)；2）垂類大模型：因賽集團(300781.SZ)、中文在線(300364.SZ)等。
太平洋證券主要觀點如下：
主線一：關注面向 B 端用戶及端側部署的 AI 應用發展
目前海外主流大模型調用成本仍較高，如 GPT-4o 每百萬 tokens 輸入 5 美元、輸出 15 美元。國內大模型廠商雖經歷了 API 價格的集體下調，但進行價格調整的均爲性能參數較低的模型，高性能大模型 API 價格仍維持高位，如百度 ERNIE-4.0 每百萬 tokens 輸入輸出均爲 120 元。我們認爲，高性能的底層大模型是保障應用智能化程度及用戶體驗的基礎，因此在高性能模型調用成本仍維持高位的當下，面向擁有更高價值的 B 端用戶的 AI 應用會先於 C 端應用實現發展。同時，端側部署是 AI 應用觸達海量用戶，推動 AI 普及、實現應用爆發的重要發展路徑。並且，端側部署能降低雲端算力需求及推理成本。看好面向 B 端用戶及端側部署的 AI 應用較先實現發展。
主線二：關注多模態技術進展
多模態模型生成的內容形式所對應的應用場景的商業化價值遠大於大語言模型。並且，基於大語言模型開發的應用與用戶交互的方式較爲單一，而基於多模態模型開發的應用除了文本對話外，用戶還可通過語音、視頻等方式進行交互。更多樣的交互方式能豐富 AI 應用的使用場景，推動應用體量進一步提升。以 OpenAI 爲例，根據 AI 產品榜數據，在推出具有語音、視頻等交互方式的混合多模態模型 GPT4o 之後，ChatGPT 的月訪問量同比實現了 39.60%的增長，打破了此前幾個月同比個位數增長的瓶頸。我們認爲，基於多模態模型開發的應用擁有更高的商業化價值，並且能提供更多樣的交互方式，加強應用與場景的結合度。持續關注未來多模態技術進展。
主線三：模型自主可控，OpenAI 斷服提升國產大模型關注度
7 月 9 日起，OpenAI 將停止不支持國家和地區的 API 使用，中國大陸和香港不在其提供 API 服務的 161 個國家和地區名單中。此次 OpenAI 斷服將帶來國內應用開發向國產大模型遷移，有望加速國產大模型迭代速度，提升國產大模型關注度。利好擁有通用及垂類大模型的公司。
核心觀點
我們認爲，年內需關注 AI 三條主線：1）關注面向 B 端用戶及端側部署的 AI 應用發展：爲應對較高的模型調用成本，實現應用的商業化，面向更高價值的 B 端用戶的應用會更先實現發展。同時端側部署是 AI 應用實現應用爆發的重要路徑。並且，端側部署能降低雲端算力需求及推理成本。2）關注多模態技術進展：多模態模型生成的內容形式所對應的應用場景的商業化價值更大。並且，基於多模態模型開發的應用擁有更多樣的交互方式，有望進一步提升應用體量。3）關注大模型自主可控需求：OpenAI 斷服有望提升國產大模型關注度，利好擁有通用及垂類大模型的公司。建議關注：1）通用大模型：崑崙萬維；2）垂類大模型：因賽集團、中文在線等。
風險提示：
AI 技術發展不及預期的風險、政策監管風險、行業競爭加劇的風險。