保险费计入什么科目？

正文 明年半导体暴增20%，哪些赛道市场回暖？ IDC最新的预测，认为半导体市场已经触底，明年开始半导体将会加速恢复增长。 今年的半导体可谓寒风瑟瑟，市场下滑的消息从年头传到年尾，半导体企业也疲于应对萧瑟的市场环境，不断传出减产、亏损的消息。熬过冬就是春，最近的半导体市场总算是迎来了一些好消息。IDC最新的预测，认为半导体市场已经触底，明年开始半导体将会加速恢复增长。在它的预测中，2023年全球半导体市场收入从5188亿美元上调至5265亿美元，2024年收入预期也从6259亿美元上调至6328亿美元。到明年，全球半导体收入将同比增长20.2%。IDC全球半导体供应链技术情报研究经理Rudy Torrijos表示：“随着半导体市场恢复持续增长，我们将市场前景升级为增长。虽然供应商的库存水平仍然很高，但在关键细分市场的渠道和原始设备制造商中，可见度明显提高。我们预计收入增长将与终端用户需求相匹配。因此，我们预计资本支出将随之改善，从而在供应链中启动一个新的投资周期。”无独有偶，世界半导体贸易统计 (WSTS) 最近发布了 2023 年 11 月对半导体市场的最新预测。其预计全球半导体市场将强劲增长13.1%，估值达到 5880 亿美元。这一增长预计将主要由存储行业推动，该行业有望在 2024 年飙升至 1300 亿美元左右，较上一年增长超过 40%。大多数其他主要细分市场，包括分立器件、传感器、模拟器件、逻辑器件和微型器件，预计也将录得个位数增长率。除此之外，不少国际主流的晶圆厂也都表示，已经看到市场复苏。如台积电发布三季度业绩显示，期内公司收入结束了今年以来持续同比和环比共同下滑的趋势，环比开始出现上涨。2024年，半导体市场复苏在即。实际上，从今年三季度开始，很多半导体企业已经有了回暖的迹象。在Omdia统计的全球排名前十五位的公司中，有十四家在今年三季度实现了半导体营收的季度增长，而在其追踪的126家公司中，有80家（63%）在三季度实现收入增长。哪些赛道开始回暖？01市场回暖，存储现行被称为半导体周期指南针的存储芯片，早已露出回暖端倪。据了解，今年四季度存储芯片的合约价报价优于市场预期，DDR5上涨15～20％，DDR4上涨10～15％，DDR3上涨10％，涨幅优于原先预估的5～10％ ；NAND每家平均涨至少20～25％，涨幅更大。NAND flash，一天一个价“NAND Flash现货价格从9月底开始强劲上行，这源于供应商集体减产。若非亏损非常严重，供应商很难如此团结地提拉价格。“集邦咨询分析师吴雅婷表示。实际上，TrendForce一份研报显示，NAND Flash晶圆合约价已在8月反弹，且随着减产幅度扩大，客户备货力度有望回升，有效支撑9月NAND Flash晶圆合约价续涨。该机构预计，四季度NAND Flash均价有望因此持平或小幅上涨，环比涨幅约0-5%。内存行业报价在前几年都非常稳定，合约价一般以季度为单位敲定价格。但供应链透露，目前内存市场“没有固定价格模式，须等到出货钱才能知道新价格”近期每周价格都持续拉升，甚至一天出现一个新价格。最近三星更是大幅涨价，市场消息传出，三星将在本季度对NAND Flash闪存芯片报价上调10%至20%之后，还将会在明年一季度和二季度再逐季涨价20%。业内人士向半导体产业纵横分析：“具体的涨幅还是要看市场接受度的。”总之，NAND涨价已成定势。DRAM 价格早已出现拐点到今年年尾，DRAM也同样开始涨价。DRAM自10月开始，首次全线涨价，DDR2合约价涨幅2-3%，DDR3涨幅3-5%，DDR4涨幅6-15%，DDR5涨幅11-12%。从今年的趋势来看，DRAM有望借助AI的潮流，在2024年一飞冲天。对于移动DRAM来说，其销量主要看手机市场的情况。今年手机的一个明显变化是AI在终端里的崛起，高通的骁龙8 Gen 3、天玑 9300 和 Exynos 2400 等都添加了AI元素。AI对于手机内存提出了更大的要求，如果要在本地运行AI元素，那就需要更大的内存空间。据统计，目前典型的智能手机配备 8GB 内存；运行图像生成功能的终端侧 AI，手机大约需要 12GB 内存；具备数字 AI 助手功能的设备，大约需要 20GB 内存。因此，2024年AI手机的出现必然会带涨移动DRAM需求。值得一提的是，最近国内长鑫储正式推出LPDDR5系列产品，包括12Gb的LPDDR5颗粒，POP封装的12GB LPDDR5芯片及DSC封装的6GB LPDDR5芯片。这意味着明年LPDDR5中国存储厂商也将加入战局。PC DRAM方面，也在今年三季度涨价。时序进入年底后，可以看到明年更多的厂商会推出新款PC配备DDR5。随着PC理器改朝换代，全面支援DDR5规格，服务器新平台也将全面支援DDR5。针对DDR5市场发展，威刚表示，现阶段观察到需求端春燕来临，主要来自于PC，客户需求明显好转，且随着PC存储器内容提升，预期明年上半年DDR5将会超越DDR4，形成黄金交叉。茂达董事长王志信预测，2024年底DDR5渗透率将从目前15％提升至50％，成长便是来自PC规格升级。此外，三大存储厂商都在押注DDR5。10月美光科技宣布推出基于1β技术的DDR5内存，速率高达 7200 MT/s，现已面向数据中心及 PC 市场的所有客户出货；三星将扩大DDR5生产线；SK海力士也预测2024年HBM和DDR5的销售额有望翻番。实际上，在WSTS最新的预测中，明年全球半导体市场的增长将主要由存储市场推动。2024年，全球存储市场将会暴增44.8%。存储的复苏早已势不可挡。02射频前端市场的复苏，封装厂的感受更快。在长电科技的财报发布会议上，长电科技表示直接和其相关的高密度射频前端感觉到明显复苏的迹象，会持续增长下去。根据Yole Development的统计与预测,2022年移动终端射频前端市场为192亿美元,到2028年有望达到269亿美元,2022-2028年年均复合增长率将达到5.8%。射频前端市场与通讯设备、无线通信网络、物联网、汽车电子等市场密切相关。目前5G智能手机已经成为射频芯片市场的重要发展动力。今年上半年，我国5G手机占同期手机出货量的78.9%，我国手机市场已基本完成向5G的过渡。华为5G手机的爆火也给国产厂商带来业绩增长的新希望。射频芯片龙头卓胜微显著受益于终端客户库存结构优化以及下半年节假日消费释放，公司滤波器模组的进一步放量，第三季度，公司实现营业收入14.09亿元，同比增长80.22%，归母净利润为4.52亿元，同比增长94.29%。随着5G的进一步发展，以及消费电子市场需求回升，在行业库存水位逐步企稳的背景下，射频前端行业整体需求将跟随手机需求迎来温和复苏。03模拟芯片在WSTS对于模拟芯片明年的增长预测中，模拟芯片将个位数增长3.7%。模拟芯片作为半导体产业“压舱石”之一，触底节奏落后与整个周期，其复苏的节奏也会较慢。电源管理芯片、专用模拟IC 和信号转换器件的需求强劲，是当前模拟IC市场的主要动力。电源管理芯片方面台企多有预测，认为台系电源芯片族群与PC关连程度高，随PC供应链库存已逐步落底，开始对上游芯片商出现短急单拉货动能，明年台系电源管理芯片将搭配着AI PC一同出货。不过，国际的模拟大厂对于明年尚未释放乐观的信号。ADI财报显示，第四财季公司工业市场业务占总营收的50%，同比下滑20%、环比下滑19%。此外，ADI的汽车业务也放缓，其汽车销量占总销量的四分之一以上，但仅增长了 14%，是至少两年来最慢的增速。在业绩交流会上，ADI高管称，展望2024财年，考虑到较弱的宏观背景，预计库存将在上半年继续消化，特别是受影响*的广泛市场客户。目前客户的库存调整以及复苏速度将取决于宏观经济。TI也对市场的前景表达了悲观。其三季度营收环比持平，同比下降14%。德州仪器执行长Haviv Ilan表示：汽车业务持续成长，但工业领域的疲软态势进一步扩大。德州仪器收入份额*的工业市场第三季度的销售额下降了十几个百分点，除日本外，所有地区都普遍疲软。总体来看，明年的模拟芯片行业需求还将继续呈现构性分化，也就是消费类产品需求较高，工业类仍需时间。04逻辑器件消费级CPU已开始复苏。从晶圆代工厂来看，中芯国际第三季销售收入环比开始增长，显示逻辑芯片（CPU、GPU等）的需求开始回暖。消费级电脑出货量影响消费级CPU出货量。自今年二季度笔记本、台式电脑的出货量呈现环比增长态势，而相应消费级CPU出货量也出现逐步复苏迹象。根据Jon Peddie Research发布的最新统计数据显示，第二季度PC客户端CPU的出货量达到5360万台，比上一季度环比增长了17%。其中，笔记本CPU占据72%的份额，相应台式机CPU则占28%。而第三季度，PC客户端CPU环比持续增长，达到15%。明年来看，英特尔和AMD都会在CPU上下功夫。英特尔将推出备受期待的 Meteor Lake 芯片，采用Intel 4制程工艺，首次引入了针对人工智能加速的NPU。此外，英特尔还正式启动*“AI PC加速计划”，该计划旨在联合独立硬件供应商（IHV）和独立软件供应商（ISV），以在2025年前为超过100万台个人电脑（PC）带来人工智能（AI）特性。AMD Ryzen 8000系列AM5桌面处理器预计将于2024年推出。新一代处理器预计将采用基于Zen 5架构的CPU核心。PC方面，AMD首席执行官苏姿丰认为，随着行业客户库存开始恢复正常，PC市场正在复苏，公司业务也会回归正轨。预计今年的市场规模约2.5-2.55亿台左右，考虑到AI PC和现有的Windows更新周期，预计2024年会出现增长，回归季节性上升周期。 【本文由投资界合作伙伴微信公众号：半导体产业纵横授权发布，本平台仅提供信息存储服务。】投资界处理。阿那亚劝退Club Med，地主家也没有余粮了？

正文 OpenAI闹剧中被忽略的一部分 ChatGPT 现象让全世界知道了大模型、Transformer 等新事物，但另一个起关键作用的力量 —— AI 对齐被忽视了。 OpenAI公司与它的大模型产品ChatGPT*的共同点是什么？人们知道它们每天发生了什么，但是不知道是如何发生的。我们使用 AI 大模型，惊喜于它给出的每一个回复，但还没有谁弄清楚 AI 的智能是如何起作用的。为了确保大模型能够按照人类的意愿工作， 几乎每个大模型产品内部都会被注入一段算法，这段算法保证 AI 工作与人类意愿对齐。不同的力量都在试图对齐这家公司，Ilya Sutskever 成为「执剑者」，Sam Altman 给出了反击，双方的两种立场让这家 AI 大模型公司内部的分歧浮出水面。这种分歧会体现在理念、公司方向、利益和资源分配，以及产品的市场表现等方面。把目光聚焦在分歧之上，对于大模型创业公司来说更有意义。技术追求和商业扩张主导着商业体成长，OpenAI 和大多数商业公司一样，长期以来保持着两股力量的微妙平衡，直到 11 月 17 日，天平发生了倾斜。这种平衡是如何保持的？围绕 AI 有哪些分歧？裂缝又是如何扩大的？ChatGPT 现象让全世界知道了大模型、Transformer 等新事物，但另一个起关键作用的力量 —— AI 对齐被忽视了。1、被忽视的算法OpenAI 的在初代 GPT-3 上投喂了 3000 亿单词的语料，其中拥有 1750 亿参数。这样训练出来的模型就像掌握了世界知识的儿童，懂得很多，但交流困难。让 OpenAI 在全世界范围破圈的 ChatGPT 来自于 GPT-3 的变体，它比 GPT-3 的表现更稳定，更能够模拟人与人之间的正常对话。ChatGPT 一发布就成为现象级产品，在此之前，GPT-3 的 API 已经推向市场很长时间，但仅在小范围引发讨论。成就 ChatGPT 的关键技术是 RLHF 算法 —— 基于人类反馈的强化学习。GPT-3 在与人的交流中给出的回答质量参差不齐，OpenAI 通过人工干预的方式，对高质量回答标记正反馈，从而强化 GPT 做出更多高质量的回答。这样的工作得到了出乎意料的效果，ChatGPT 因此有了建模对话历史、增加对话信息量，以及拒绝回答超纲问题等能力。RLHF 算法就像是家长的角色，帮助掌握了知识的儿童学会顺畅地沟通表达?？尚枰康鞯氖?，RLHF 并没有额外注入能力，而是帮助大模型解锁了能力。比如，ChatGPT 拒绝回答问题时会回复统一的开头：「作为 OpenAI 训练的语言模型」。这句话因为在 RLHF 训练中得到了更多的正反馈，因此被 ChatGPT 拿来当做标准模板。事实上，并没有一个命令让 ChatGPT 必须使用这句话。OpenAI 认为，ChatGPT 的突破之所以可能，离不开 RLHF。而 RLHF 算法的工作就叫做 AI 对齐。AI 对齐是为了保证 AI 按照人类的意图和价值观做事，给出人类有用的、诚实的和无害的结果。在今天运行的大模型训练当中，对齐已经成为最为必要的部分之一。除了上面提到的 ChatGPT 的例子，AI 对齐还要解决 AI 在交流中会给出错误信息和算法歧视等问题，被人类滥用、「越狱」等问题，以及应对未来随着 AI 能力「涌现」而可能出现的失控风险。因此可以把 AI 对齐比作是一场人类跟 AI 进化的赛跑，更强的 AI 系统需要更多的对齐工作，也面临更高等级的风险。但 AI 大模型内部原理对于前沿的 AI 实验室来说仍然是个「黑箱」，这就要求 AI 对齐要尽量跑在大模型的前面，并要求大模型是一个稳定的研究对象。OpenAI 超级对齐负责人 Jan Leike 做过一个预判，构建高性能的强 AI 系统需要两个因素：能力和对齐。但在当前的弱 AI 时期，大模型没有能力带来灾难性后果，与 GPT 给人类带来的惊喜相比，AI 对齐的重要性存在被轻视的情况。对齐算法会在大模型运行过程中分走部分算力资源，也会影响大模型输出的结果，人们常把这种影响叫做「性能阉割」，把对齐分走的算力称为「对齐税」。2、CEO和首席科学家的分歧回到 OpenAI 的这场闹剧，如果把 OpenAI 看作一个 AI 大模型，Sam Altman 主张提升能力，通过融资和商业化等操作吞噬巨量资源，追求变快变强。Ilya Sutskever 领导的部分则像 AI 对齐一样的存在，主张小心翼翼地把车开稳。随着 AI 大模型发展加速，OpenAI 意识到要把对齐工作提升到新的高度。今年 7 月，OpenAI 宣布成立超级对齐团队（Superalignment），由 Ilya Sutskever 和 Jan Leike 两位科学家领导，他们将带着公司 20% 的算力资源，在 4 年内解决超智能 AI 系统的价值对齐和安全问题。与此同时，Sam Altman 带着 GPT 进化，连续推动发布性能更强的 GPT 版本?？梢钥吹?，两个工作团队即使不存在分歧，至少也存在张力，裂缝可能从这里开始产生。Ilya Sutskever 指责 Sam Altman 在与董事会的沟通中始终不坦诚，阻碍了董事会履行职责的能力。而董事会的职责是确保 OpenAI 作为一家非营利组织能够开发造福全人类的「通用人工智能 AGI」。在今年仅剩 6 人的董事会中，有 4 人更认可 AI 安全的重要性，Ilya Sutskever 因此能够使用投票权开除 Sam Altman。Ilya Sutskever 曾提到，他参与创建 OpenAI 的动机之一，是为了探讨和解决 AGI 可能带来的问题，包括技术和道德方面的挑战。当他看到或者被告知这种挑战首先出现在公司内部而不是 AI 当中时，他有理由为了自己的信念行使权力，裂缝由此扩大?？伤贾彰挥懈鼍咛宓睦に得? Sam Altman 不坦诚在哪里，会带来哪些后果。Ilya Sutskever 挑起的风波就像 AI 对齐工作中被拿走的「对齐税」，他暂时限制了 OpenAI 的能力，又无法说明在他眼中这种限制的必要性。?房间里有一头大象，有少数人看到了，但只有更少数人行动。人们要做出符合自身角色和价值观的选择，因此分歧总是会不可避免地出现。即便 Sam Altman 在很多时候是 OpenAI 安全政策的倡导者，但人们无法追问他的倡导是出于应对监管的需要，还是他真的看到了那头大象。即便 Ilya Sutskever 深知算力对 AI 的重要性，看到 AI 更远的未来的他只能把这种重要性放在价值排序的次席。事件最后的焦点指向 OpenAI 的董事会，在复杂的矛盾中，董事会只支持做出 0 和 1 的选择，在功能上没有与这家公司的价值对齐。闹剧以 Sam Altman 回归暂时结束，五天前罢免他的董事会解散，新的董事会雏形将由三人组成，Quora 首席执行官 Adam D'Angelo，Facebook 和 Salesforce 前高管 Bret Taylor，以及前美国财政部长 Lawrence H. Summers。OpenAI 完成了它的对齐。3、隐藏的模型AI 对齐被大模型的声量遮盖，但暗暗决定着大模型的命运。GPT 的发展和人类的反应一度超出了 OpenAI 的预料，在很多研究人员眼中，市面上的模型仍然远非*，甚至只是半成品。他们对生成式人工智能推向市场的速度和规模感到担忧。与之对应的，AI 对齐的重要性已经成为 OpenAI、DeepMind、Anthropic 等前沿 AI 实验室的共识。按照 OpenAI 超级对齐工作负责人 Jan Leike 的说法，各家公司会很快拥有能力水平相当的预训练语言模型，AI 对齐将决定产品的竞争力。而影响竞争力的关键是「对齐税」。Jan Leike 把「对齐税」总结为三类：性能税、研发税、上线时间税。性能税（Performance taxes）：对齐模型相比未对齐模型在某些能力上表现下降，需要更多计算资源来弥补性能。研发税（Development taxes）：对齐模型研发工作消耗的成本，如研究人员时间、计算资源、人工成本等。上线时间税（Time-to-deployment taxes）：从预训练模型到可用的对齐模型上线所需要的时间成本。以性能税为例，由于对齐模型在输出结果上更「保守」，用户想用它得到满意的结果，需要更多的算力，也需要调用更多次 API，性能税因此影响到产品的定价，进一步影响到用户规模。Jan Leike 用一个例子说明了这种相关性：OpenAI 的 DALL·E 2 模型在市场规模上不如 Stable Diffusion 和 Midjourney，因为后面两个模型采取了较少的对齐限制。另外，随着大模型能力不断增强，原来的对齐技术可能被 AI 绕过，需要不断更新对齐技术来跟上大模型迭代，这也可能导致研发税和上线时间税的增加。AI 对齐在大模型训练中的存在感远非只有「对齐税」，存在于 OpenAI 的裂缝有更多延伸。训练 ChatGPT 的 RLHF 算法证明了对齐的价值，但它依赖大量人工参与，只能作为初阶的对齐工具使用。更复杂的 AI 运行会涉及巨量的需要干预的环节，这样的对齐工作只能交给另一个或者一些 AI 来完成。即，用 AI 对齐模型帮助 AI 大模型对齐?？梢园? OpenAI 超级对齐团队的工作看作是研发 AI 对齐模型，在拥有最强大 AI 的实验室内部隐藏着一个将用来管理 AI 的 AI。其中涉及到「解剖」 AI 大模型、AI 对抗训练、以及这个 AI 对齐模型的对齐。GPT 等大模型被设计用来处理自然语言，它的输出结果可以被用户部分地分辨真假。而 AI 对齐模型的输出结果会更难验证，越狱行为更隐蔽，因此需要更严格地对齐。吊诡的地方就在于此，认为大模型发展太快，存在安全问题的 Ilya Sutskever，做着比 Sam Altman 更激进的工作。4、低垂的果实AI 能力的「涌现」来自于训练量，扩大训练规模成了玩家们坚信的方向，结果是天文数字的训练成本投入。GPT-3 把大模型训练参数提高到千亿规模，开启了大模型训练的规模竞赛。百度文心、阿里通义、华为盘古等头部公司的大模型训练量都同步来到千亿。而最新的 GPT-4 的参数规模又上一个台阶，到达了百万亿。却有观点认为，训练规模给大模型带来的边际效益呈递减趋势，有人称为「数字泡沫」或者「AI 版摩尔定律」，在一定程度，AI 对齐工作成果支持了这种观点。OpenAI 在博客中提到：安全与大模型能力息息相关。一方面强调在 AI 进化过程中安全问题的重要性。另一方面也指出，AI 对齐训练是提升 AI 能力的隐藏路径?：笠恢智榭鲈贗nstructGPT 当中得到了验证。与 GPT-3 相比，经过对齐的InstructGPT 在输出结果时更符合人类要求，InstructGPT 减少了生成有害内容的情况，也能给出更多真实可靠性的信息。不仅如此，InstructGPT 比 GPT-3 使用更少的算力，它的训练参数减少了 100 多倍，仅 13 亿规模。经历 OpenAI 的闹剧，赛道上的玩家或许会认识到，把所有的成本放在算力和规模之上过于奢侈，在追求超大规模、超高算力的路上存在未被发现的低垂的果实。而面对将到来的淘汰赛，不同玩家将必须在 Ilya Sutskever 和 Sam Altman 之间选边站。 【本文由投资界合作伙伴电厂授权发布，本平台仅提供信息存储服务。】投资界处理。资本涌入供应链：投早成主流