今年AI行情变来变去，早就过了一开始的普涨阶段，分化非常大，很多人表示“AI轮动太快了”。
那具体怎么跟踪AI行情？以什么框架来分析AI行业？
方法或者说视角的重要性，不言而喻。
今天我引用一个国外的产业的视角来看AI，将AI行业进行大的划分，“SCIR”框架将 AI 企业简单进行分类。
“S”即 “Supplier”，中文叫“提供者”，主要指的是基础层和技术层的相关企业，包括算力、算法+平台两大部分，在整个 AI 产业链中，这些企业更类似于传统行业分类的上游资源品
企业，提供数据、算力、模型资源。
S是供给端。
基础层主要涉及硬件基础、数据、算力、算法等这样的底层核心要素，对应的企业多为设备端，如NVIDIA、AMD、Intel等。其中，最有代表性的就是英伟达，年初至今不光自己表现好，还带着一堆A股亲戚一起发家致富；
技术层主要涉及模型的构建，大模型包括NLP大模型、CV大模型、多模态大模型等，海外主要厂商例如Microsoft、Google、Amazon、Meta等，Meta凭借技术优势，从年初至今表现优于其他企业；
“C”“I”“R”是应用端的三种分类，根据对AI的应用方式，分别是“Combiner”（结合者））、“Invoker”（调用者）、和“Refiner”（微调者）。
C、I、R都是需求端。
详细讲讲：
“C”即Combiner，结合者，指的是原有产品逻辑更综合的企业。说白了就是，AI作为介入方，优化原有的产品逻辑与流程，成为连接中枢。举个例子，在原有产品上增加流程管理、资源管理系统的预测能力，或者部分功能上利用大模型，但产品架构不会被大模型替代；
“I”即Invoker，调用者，指的是主营产品/服务可以直接调用大模型的企业，例如主营翻译、语音转文字、图像识别的企业，关键看大模型是否能够取代从“输入到输出”的原有逻辑，还是仅作为补充，赋能原有算法；
“R”是Refiner，微调者，指的是大模型向垂域小模型演化的过程中，通过企业数据+大的模型的梯度微调，实现对企业目前产品部分功能或运行逻辑的重构。说白了就是，借助企业自身的数据，实现精简大模型，赋能原有功能。通常分布在游戏应用、数据处理、自动驾驶、网络安全、金融科技等领域内。
有点记不住？放个全局的图片，就更清晰了。
那么，如何借助SICR框架看企业投资机会？
首先，Supplier类企业作为供给方，训练受益可达数百万美元，如Megatron-Tuning NLG 530B训练成本高达1135万美元，Gopher、PaLM训练成本同样高达800万美元以上。在目前的国产化趋势下，可以着重关注国内算力供给、算法龙头模型研发进展。
Invoker类企业短期受益于效率提升，长期壁垒降低或致竞争加剧。比图图像处理赛道，以前是很复杂的多重步骤操作实现图像，如今通过简单的语言输入即可完成，Adobe就非常聪明，抢占先机推出AI图像生成工具Firefly企业版，从而帮助Adobe提升收入以及扩大市场份额。
Combiner类企业需要寻找大模型输出与产品某部分功能的契合度，受益时间晚于Invoker。
Refiner类企业需要借助自身数据训练大模型，打造自身的垂域小模型，前期准备时间更长，成本也高。例如在游戏应用，Roblox将生成式AI加入游戏引擎，降低游戏开发的建模门槛，从而降本增效。
从分化程度看，Refiner>Combiner>Invoker>Supplier，也就是说，下游的弹性更大，而上游更集中。
对不同类别的投资的，具体逻辑就是：在“S”里，关注增量需求空间带来的收入爆发力；在“C、I、R”里，主要关注大模型有没有帮助企业降低成本、提升效率，还是提升企业经营绩效。
618也别光顾着采购，把这篇文章分享保存，认真读透读懂，AI的全景就非常清晰了！
相关标的：
Supplier：寒武纪、海光信息、科大讯飞、昆仑万维；
Invoker：万兴科技、新华网、芒果超媒、世纪天鸿；
Combiner+Refiner：奥飞数据、虹软科技、三七互娱、完美世界、东方财富、同花顺。