开篇继续强调一下哈，不喜欢的不要看，不认可的不要买，即便认可的，也请找到自己看得懂的买入点，不要盲目干，亏了又来骂人，这样不好！要时刻提醒自己是个投资人，而非巨婴！

再来吹一下终端应用的佳禾智能。物联网入口。

周末又梳理了一遍，感觉逻辑没什么问题，从这几天的消息面来看，消费电子AI终端应用，作为物联网的超级入口，这条线的炒作应该是没有办法避开的，周五盘面最热的是硬件的芯片，实际上也是等同于终端应用的线的铲子逻辑，毕竟任何AI终端都需要内置芯片，所以从炒作路径来看，终端应用在接下来的一周内，应该会逐步被资金认可。

就这条线来说，整体AI带来的生产力是否能够落地，最终都要看终端产品是不是能够被人们广泛接受。

上周三盘中微软开源DeepSpeed-Chat消息传出来，浪潮被干了个跌停，之后国盛发了一篇解读文章，如下:

【国盛计算机】DeepSpeed-Chat，应用与算力的加速器

微软开源DeepSpeed-Chat，助力类ChatGPT模型训练。开源社区贡献了很多类GPT模型，但RLHF环节作为ChatGPT能力的重要来源，实现依然有一定复杂度。2023年4月12日，微软开源了DeepSpeed-Chat，它能进行简单、快速且经济的 RLHF 训练，适用于各种规模的类似ChatGPT的模型：只需要用一个脚本，就能够采用预训练的Huggingface模型，使用DeepSpeed-RLHF系统运行完成 RLHF过程，生成自己的类 ChatGPT的模型。DeepSpeed-HE是DeepSpeed-RLHF系统的引擎，具备三大优势：1）效率和经济性：效率比现有其他系统快15倍以上。2）出色的可扩展性：支持数千亿参数的模型，在一天内可以训练一个庞大的175B模型。3）亲民的RLHF训练：只需一个 GPU就能支持训练超过130亿个参数的模型。

算力需求伴随应用而生。 1）DeepSheep-Chat降低了RLHF的工程难度以及算力需求，但RLHF在ChatGPT训练过程中的算力需求占比极小。ChatGPT的成功，基石是预训练大模型GPT-3.5/4，绝大多数算力消耗在预训练环节而不是RLHF。2）即使有能大幅降低大模型训练全过程算力需求的技术出现，也只会促进厂商追求更大更强的模型。OpenAI的目标是要实现通用人工智能，其他大厂也必将全力追赶OpenAI，目前的大语言模型对于通用人工智能还只是一个起步，技术进步只会加速人类对更强AI的探索而不是让人类安于现状。

DeepSpeed-Chat加速应用百花齐放，中期加大算力需求。DeepSpeed-Chat降低了RLHF的工程难度，并极大降低了微调大模型的成本，让中小厂商更容易基于大模型实现细分领域应用，如办公、多模态GPT、智能助理、金融、医疗等场景训练中模型微调的难度和成本将大幅降低。同时中小应用厂商在一些不需要模型能力非常强的场景，也可以自己基于开源模型，迅速低成本进行RLHF得到自己的小型类ChatGPT模型进行应用落地。除了训练端的算力需求，在应用爆发后，推理侧的算力需求将指数型增长。DeepSpeed-Chat加速各类应用落地，中期算力需求有望迎来大爆发。

从国盛的解读来看，微软的开源，对应用层是直接利好，所以周五应用方向的硬件芯片逆势起爆，

佳禾智能周末互动易回复：

佳禾智能（300793）在互动平台表示，随着各类生成式AI的迅猛发展，已经出现若干开源的平台，开源的平台有其便利性和需遵守的协议，也有其局限性。公司的智能硬件产品会留出接入各种生成式AI的接口，公司客户会根据其具体需求和战略，选择合适的AI大模型平台。