FX168财经网_全球视野外汇黄金加密货币NFT资讯网

ChatGPT爆火这半年：热钱、巨头与监管

资额会更低。” 到目前为止，2023年AI行业最大的一笔融资，就是微软在1月对OpenAI投资的100亿美元。虎嗅根据公开数据统计，在美国的大模型公司创业中，Inflection AI或将成为人工智能领域融资量仅次于Open AI的第二大初创公司，在其之后分别是，Anthropic（15亿美元），Cohere（4.45亿美元）、Adept（4.15亿美元）、Runway（1.955亿美元）、Character.ai（1.5亿美元）和Stability AI（约1亿美元）。在中国，2023年上半年国内人工智能行业的公开投融资事件共有456起。而这项统计在2018年-2022年的5年间分别是731、526、353、631和648。上半年国内人工智能行业公开投融资事件另一个引发飞轮的事件则是ChatGPT放出API接口。当OpenAI在3月首次开放ChatGPT的API接口时，AI行业内外对此几乎形成共识：行业要变天了。随着更多应用接入大模型，AI之上正在长出更加繁茂的森林。 “做大模型和做应用本身就应该分开”，投资人的嗅觉总是敏锐的，在源码资本执行董事陈润泽看来，AI是一个与半导体分工一样的逻辑，AI大模型的繁荣之后，很快就会看到AI应用的一波繁荣。今年年初，陈润泽与同事一起前往硅谷时发现，硅谷声名显赫的创业孵化器Y Combinator（OpenAI首席执行官Sam Altman曾在这家孵化器任总裁多年），有一半的项目都转型做生成式AI了。对于大模型的热情，丝毫不逊于如今大洋彼岸的中国。不过，他也发现在美国无论是资本还是创业者，相比于大模型创业，更看好基于大模型所做的生态应用，毕竟在这个赛道，已经跑出了诸如OpenAI这样的公司，与此同时，美国有很强的ToB应用生态土壤，因此更多的美国公司正在尝试基于大模型的生态做企业应用。陈润泽的观察正在得到证实，大模型服务平台OpenCSG联合创始人陈冉告诉虎嗅，如今，美国湾区90%以上的公司已经把大模型能力用到方方面面。至于中国，陈冉认为，在年底之前很多的客户也都会用起来。今年3月左右，陈润泽和团队开始尝试在国内寻找基于大模型做应用的公司，但他发现这样的公司很少。大量资本进入了人工智能行业，但如果追溯这些资金的流向会发现，更多的钱仍集中在头部几家公司中。 “即便是现在，10个与生成式AI相关的项目，能投1个-2个也已经是很不容易了。”除了源码资本，虎嗅也与多位硬科技投资人交流，他们都表示，虽然项目看得多，但真正靠谱的凤毛麟角。应用端的这种态度，在很多业内人士看来，已是常态。思必驰联合创始人俞凯认为，表面看似热闹的赛道，其实更多的是名义上的竞争，结果无非两种情况：“一种是为了融钱，纯资本导向；另一种是做全域通用大模型的公司，确实需要喊，不喊的话别人不会知道。” 国内的一些统计数据也正在说明这个问题，根据第三方机构烯牛数据统计，截至2023年7月，国内有AIGC公司242家，1月以来AIGC赛道融资事件71起。而AI大模型赛道上的公司有67家，从ChatGPT发布到现在，融资事件只有21起。 AIGC赛道和AI大模型赛道自ChatGPT发布后的融资事件｜数据来源：烯牛数据 “现在国内AI市场上，好的标的太少了。”一位投资人如此告诉虎嗅——好项目太贵，便宜的又不靠谱。虽然目前国内发布的AI大模型数量过百，但国内一众大模型公司中，获得巨额融资的并不多，甚至屈指可数。很多AI投资到最后都变成了投人——曾经的独角兽公司创始人、互联网大佬、具备大模型相关创业经验的人等。公司类型公司成立时间大模型及相关产品融资轮次互联网公司百度 2012 文心一言上市阿里云 2008 通义千问上市騰讯AI实验室 1998 混元上市华为云 2019 盘古未上市字节跳动 2016 火山方舟未上市京东云 2012 言犀上市昆仑万维 2008 天工上市 360 1992 360智脑上市公司类型公司成立时间大模型及相关产品融资轮次 AI公司商汤科技 2014 日日新上市科大讯飞 1999 讯飞星火上市云从科技 2015 从容上市达观数据 2015 曹植 C轮出门问问 2014 序列猴子 D轮智谱Al 2019 ChatGLM B轮澜舟科技 2021 孟子 Pre-A轮 MiniMax 2021 Glow 股权投资面壁科技 2022 VisCPM 天使轮深言科技 2022 CPM 股权投资聆心智能 2021 Al乌托邦 Pre-A轮衔远科技 2021 ProductGPT 天使轮思必驰 2007 DFM-2 IPO终止公司类型公司成立时间大模型及相关产品融资轮次 2023年成立都初创AI公司光年之外 2023 暂无 A轮百川智能 2023 baichuan 股权投资零一万物 2023 暂无股权投资国内AI大模型相关公司部分统计今年的一众AI明星项目中，智谱AI、聆心智能、深言科技和面壁智能，都是清华实验室孵化的公司。深言科技、面壁智能两家公司均成立于2022年，且有AI行业内知名学者的技术背书。比这几家清华系AI公司成立时间更短的是一些互联网行业大佬创立的AI公司，光年之外、百川智能和零一万物均成立于这波大模型热潮开始之后。美团联合创始人王慧文在2023年年初成立的光年之外，一度融资5000万美元，已是彼时中国大模型行业为数不多的融资案例。与智谱AI、西湖心辰这类已有大模型为基础的公司不同，光年之外是2023年2月开始，从零开始做大模型，其难度可想而知，6月29日，美团公告宣布收购光年之外的全部权益，总代价包括现金约2.33亿美元（合人民币16.7亿元）、债务承担约3.67亿元、及现金1元。 “起码要有自然语言处理背景的人，有一定大模型训练实操经验的人，以及数据处理、大规模算力集群等方面的专业人才。如果同时还要做应用，那应该还要有对应领域的产品经理和运营人才。”陈润泽如此描述一个大模型核心团队的标配。大公司的AI赌注过去半年中，老牌互联网大厂们的AI新闻漫天纷飞。对AI大模型的投入，看似是在追热点，但如百度、阿里、华为这样的大公司，在AI上投下的赌注，显然不是跟风。巨头们在AI上的押注很早就已开始，对这些公司来说，AI并不是一个新鲜的话题。虎嗅根据企查查数据不完全统计，各大厂在2018年开始就对人工智能相关的企业有不同程度的投资，从投资企业来看，大多是人工智能应用方面的企业，尽管涉及到一部分AI芯片企业，但是数量并不多，涉及大模型方面的企业几乎没有，并且大厂所投资的人工智能相关的公司大多与其业务息息相关。大厂投资机构投资企业数平均持股比例最高持股比例 100%持股企业数阿里巴巴 23 36.25% 100% 5 百度风投 25 5.50% 15% 0 腾讯投资 54 17.54% 100% 2 三家互联网大厂投资AI相关公司情况｜数据来源：企查查 2017年阿里达摩院成立，研究对象涵盖机器智能、智联网、金融科技等多个产业领域，将人工智能的能力赋能到阿里的各个业务线中。2018年，百度提出了“All in AI”的战略。有所不同的是，生成式AI的出现，似乎是一个转折点。对于拥有数据、算力和算法资源优势的科技巨头来说，人工智能对他们已经不光是赋能场景，而是需要承担基础设施的角色，毕竟，生成式AI的出现，意味着针对人工智能产业的分工已经开始。以百度、阿里、华为、腾讯，四家云供应商为代表的大厂，虽然都宣布了各自的AI策略，但明显各有侧重。在过去的半年时间里，巨头纷纷发布自己的大模型产品。对于百度、阿里这样的大厂来说，他们入局大模型的时间并不算晚，基本在2019年。百度自2019年开始研发预训练模型，先后发布了知识增强文心（ERNIE）系列模型。阿里的通义千问大模型也是始于2019年。除了百度和阿里的通用大模型，6月19日，腾讯云发布了行业大模型的研发进展。7月7日，华为云发布了盘古3.0行业大模型产品。这些侧重也与各家的整体业务，云战略，以及在AI市场里的长期布局有所呼应。百度的主线业务盈利能力在过去的5年中，出现了较大波动。百度很早就看到了基于搜索的广告业务在国内市场中的问题，对此，百度选择了大力投入AI技术寻找新机会。这些年来，百度不仅邀请过吴恩达、陆奇等业界大佬出任高管，在自动驾驶上投入热情也远超其他大厂。如此关注AI的百度，势必会在这波大模型之争里重手投注。阿里对通用大模型同样表现出了极大的热情。一直以来，阿里云一直被寄予厚望，阿里希望走通技术路线创造集团的第二增长曲线。在电商业务竞争日趋激烈，市场增长放缓的大环境下，依云而生的AI产业新机遇，无疑是阿里云在国内云市场上再发力的好机会。相比百度和阿里，腾讯云在大模型方面选择了优先行业大模型，而华为云则公开表示只会关注行业大模型。对于腾讯来说，近年来主营业务增长稳中向好。在通用大模型的前路尚不明朗的阶段，腾讯对于AI大模型的投注相对谨慎。马化腾在此前的财报电话会上谈及大模型时曾表示：“腾讯并不急于把半成品拿出来展示，关键还是要把底层的算法、算力和数据扎扎实实做好，而且更关键的是场景落地。” 另一方面，从腾讯集团的角度看，腾讯目前有4所AI Lab，去年也发布了万亿参数的混元大模型，腾讯云投身行业大模型方面的动作，更像是一种“不把鸡蛋放在同一个篮子里”的投注策略。对于华为来说，一直以来都是重手投注研发，过去10年里华为在研发方面的总投入超过9000亿元。但由于手机业务遇到发展障碍，华为在很多技术研发上的整体策略或也正在面临调整。一方面手机业务是华为C端技术最大的出口，如果手机业务不为通用大模型买单的话，那么华为研发通用大模型的动力就会明显下降。而对于华为来说，把赌注押在能快速落地变现的行业大模型，似乎是这场AI博弈当中的最优解。正如华为云CEO张平安所说“华为没有时间作诗”。不过，对科技巨头来说，无论赌注多大，只要能赌对，就能够先一步抢占基础设施的市场份额，从而在人工智能时代获得话语权。拿着锤子找钉子对于商业公司来说，所有的决策仍然落到经济账上。即便是一笔不小的投入，越来越多有远见的公司创始人也意识到，这是一项未来必须要做的事情，即便前期投入可能完全看不到回报。 AI大模型的研发需要一笔不小的投入，但越来越多企业创始人、投资人都认为，这是一项”必要投入”，即便眼下完全看不到回报。由此，很多在上一波AI浪潮下诞生的人工智能公司，都在沉寂良久之后看到了新的曙光。 “3年前，大家都说GPT-3是通向通用人工智能的可能性。”李志飞在2020年就开始带着一班人马研究GPT-3，彼时出门问问正处在一个发展的转折点，他们希望探索新业务，但经过一段时间的研究之后，李志飞的大模型项目中止了，原因之一是当时模型不够大，另外就是找不到商业落地场景。不过，2022年底ChatGPT问世以后，李志飞仿佛被扎了一剂强心针，因为他和所有人一样，看到了大模型的新机会。今年4月，出门问问发布了自研的大模型产品——序列猴子。眼下，他们准备拿着新发布的大模型“序列猴子”冲刺港交所，出门问问已在5月末递交了招股书。另一家老牌AI公司也在跟进，去年7月，思必驰向科创板递交了IPO申请，在今年5月被上市审核委员会否决。俞凯坦言，就连OpenAI，在GPT2阶段也是用微软的V100训练了将近一年的时间，算力和A100差好几个量级。思必驰在大模型前期积累阶段，也是用更为经济的卡做训练。当然，这需要时间作为代价。相比于自研大模型，一些应用型公司有自己的选择。一家在线教育公司的总裁张望（化名）告诉虎嗅，过去半年，他们在大模型应用场景的探索上不遗余力，但他们很快发现在落地过程中存在诸多问题，例如成本与投入。这家公司的研发团队有50人-60人，开始做大模型研究以来，他们扩充了研发团队，新招了一些大模型方面的人才，张望说，偏底层模型方面的人才很贵。张望从未想过从头开发大模型，考虑到数据安全和模型稳定性等问题，他也不打算直接接入API做应用。他们的做法是参考开源大模型，用自己的数据做训练。这也是很多应用公司目前的做法——在大模型之上，用自己的数据做一个行业小模型。张望他们从70亿参数的模型开始，做到100亿，现在在尝试300亿的模型。但他们也发现，随着数据量增多，大模型训练会出现的情况是，可能新版本不如上一个版本，就要对参数逐一调整，“这也是必须要走的弯路。”张望说。张望告诉虎嗅，他们对于研发团队的要求就是——基于公司的业务探索AI大模型场景。这是一种拿着“锤子”找“钉子”的方法，但并不容易。 “目前最大的难题是找到合适的场景。其实有很多场景，即便用了AI，效果也提升不了太多。”张望说，例如在上课的场景中，可以用AI大模型赋能一些交互模式，包括提醒学员上课功能、回答问题和打标签等，但他们试用了AI大模型之后，发现精准度不行，理解能力和输出能力并不理想。张望的团队尝试过一段时间后，决定在这个场景里暂时放弃AI。另一家互联网服务商小鹅通，也在AI大模型爆发后第一时间开展了相关业务的探索。小鹅通的主要业务是为线上商家提供数字化运营工具，包括营销、客户管理以及商业变现。小鹅通联合创始人兼COO樊晓星告诉虎嗅，今年4月，当越来越多的应用基于生成式AI诞生时，小鹅通看到了这个技术背后的潜力，“例如MidJourney，生成式AI对于设计图像生成方面的提效确实有目共睹。”樊晓星她们在内部专门组织了AI研究的业务线，寻找与自身业务相关的落地案例。樊晓星说，在将大模型接入业务的过程中，她所考虑的就是成本和效率，“大模型的投入成本还是蛮高的。”她说。互联网行业的“钉子”算是好找的，AI落地真正的难点还是在工业、制造这样的实体产业。俞凯告诉虎嗅，这一波AI浪潮仍然是螺旋式上升、波浪式前进，在产业落地上面的矛盾一点都没变化，只是换了一个套壳而已。所以从这个意义上看，这两次AI浪潮的规律是相同的，最好的办法就是学习历史——“上一波AI浪潮的教训，这次就别再犯了。” 虽然很多厂商在AI大模型的落地方面都喊出了“产业先行”的口号，但很多实体产业的场景真的很难与目前的AI大模型相匹配。比如在一些工业检测场景应用的AI视觉检测系统，即便对AI模型的需求没有高到10亿参数的量级，但初期的训练数据仍然捉襟见肘。以一个简单的风电巡检场景为例，一个风场的巡检量达到七万台次，但同样的裂痕数据，可能只会出现一次，机器可以学习的数据量是远远不够的。扩博智能风电硬件产品总监柯亮告诉虎嗅，目前风机叶片的巡检机器人还做不到100%的精确分析叶片裂痕，因为可供训练和分析的数据量太小了，要形成可靠的全自动巡检和识别，还需要大量的数据积累和人工分析。不过，在工业数据积累较好的场景中，AI大模型已经可以做到辅助管理复杂的三维模型零件库了。国内某飞机制造企业的零件库就已经落地了一款基于第四范式“式说”大模型的零件库辅助工具。可以在十万余个三维建模零件中，通过自然语言实现三维模型搜索，以三维模型搜三维模型，甚至还能完成三维模型的自动装配。这些功能，在很多卡住制造业脖子的CAD、CAE工具中都需要经过多步操作才能完成。今天的大模型和几年前的AI一样面临落地难题，一样要拿着锤子找钉子。有人乐观地相信，今天的锤子和过去完全不一样了，但到了真金白银地为AI付费时，结果却有些不同。彭博社在7月30日发布的Markets Live Pulse调查显示，在514名受调投资者中，约77%的人计划在未来六个月内增加或保持对科技股的投资，且只有不到10%的投资者认为科技行业面临严重的泡沫危机。然而这些看好科技行业发展的投资者中，却只有一半人对AI技术持开放的接受态度。 50.2%的受访者表示，目前还不打算为购买AI工具付费，多数投资公司也没有计划将AI大范围应用到交易或投资中。卖铲子的人 “如果你在1848年的淘金热潮里去加州淘金，一大堆人会死掉，但卖勺子和铲子的人，永远可以赚钱。”陆奇在一次演讲时说。高峰（化名）想当这样的“卖铲子的人”，准确地说，是能够“在中国卖好铲子的人”。作为一名芯片研究者，高峰大部分科研时间都在AI芯片上。过去一两个月，他感到了一种急迫性——他想做一家基于RISC-V架构的CPU公司。在一家茶室，高峰向虎嗅描绘了未来的图景。然而，要从头开始做AI芯片，无论是在芯片界，还是在科技圈，都像是一个“天方夜谭”。当AI大模型的飞轮飞速启动时，背后的算力逐渐开始跟不上这一赛道中玩家的步伐了。暴涨的算力需求，使英伟达成了最大的赢家。但GPU并非解决算力的全部。CPU、GPU，以及各种创新的AI芯片，组成了大模型的主要算力提供中心。 “你可以把CPU比喻为市区，GPU就是开发的郊区。”高峰说，CPU和AI芯片之间，需要通过一个叫做PCIE的通道连接，数据传给AI芯片，然后AI芯片再把数据回传给CPU。如果大模型的数据量变大，一条通道就会变得拥挤，速度就上不去，因此需要拓宽这条路，而只有CPU能够决定这条通路的宽窄，需要设置几车道。这意味着，中国在大模型上，即便突破了AI芯片，仍有最关键的CPU难以破局。哪怕是在AI训练上，越来越多的任务可以被指派给GPU承担，但CPU依旧是最关键的“管理者”角色。 2023WAIC大模型展区展出的部分国产芯片自1971年英特尔造出世界上第一块CPU至今50余年，在民用服务器、PC市场，早已是英特尔和AMD的天下，英特尔更是建立起涵盖知识产权、技术积累、规模成本、软件生态于一体的整个商业模式壁垒，且这种壁垒从未衰退。要完全抛开X86架构和ARM架构，基于一个全新架构研发完全自主的CPU芯片，可以说是“九十九死一生”，基于MIPS指令集的龙芯，在这条路上走了20多年，更不用说是 RISC-V这样未被充分开垦和验证过的开源架构。指令集，就像一块块土地，基于指令集开发芯片，就相当于是买地盖房子。X86的架构是闭源的，只允许Intel生态的芯片，ARM的架构需要支付IP授权费，而RISC-V是免费的开源架构。产业界和学术界已经看到了这样的机会。 2010年，加州伯克利两位教授的研究团队从零开始开发了一个全新的指令集，就是RISC-V，这个指令集完全开源，他们认为CPU的指令集不应该属于任何一家公司。 “RISC-V或许是中国CPU的一道曙光。”高峰说。2018年，他在院所孵化了一家AI芯片公司，彼时他表示，自己不想错过 AI浪潮发展的机会，这一次，他依然想抓住，而这个切入点，就是RISC-V。在大模型以及如今国产替代的时代，这个需求显得更为紧迫，毕竟，极端地考虑一下，如果有一天，中国公司用不了A100了，又该怎么办。 “如果要取代ARM和X86，RISC-V的CPU需要性能更强，也需要和Linux上做商业操作系统的人参与到代码的开发中。”高峰说。高峰不是第一个意识到这个机会的人，一位芯片行业投资人告诉虎嗅，他曾与一家芯片创业公司创始人聊起，用RISC-V的架构去做GPU的机会。如今，在中国已有一些基于RISC-V架构做GPU的公司，但生态依旧是他们面临的最大的问题。 “Linux已经示范了这条路是可以走通的。”高峰说，在Linux这套开源操作系统中，诞生了红帽这样的开源公司，如今许多云服务都建立在Linux系统上。“需要足够多的开发者。”高峰提出了一个方法。这条路很难，但走通了，将是一条光明的道路。飞轮转得太快了大模型的“应激反应”下，感到急迫的不光是高峰。国内某AI大模型公司联创告诉虎嗅，今年初他们也曾短暂上线过一款对话大模型，但随着ChatGPT的升温，有关部门提高了对大模型安全性的重视，并对他们提出了很多整改要求。 “在没有特别明确的监管政策出来之前，我们不会轻易把产品开放给普通用户，主要还是To B的逻辑。”左手医生CEO张超认为，在《管理办法》出台之前，贸然将生成式AI产品开放给C端用户，风险很大。“现阶段，我们一方面在持续迭代优化，另外一方面也在持续关注政策、法规，保证技术的安全性。” “生成式AI的监管办法还不明确，大模型公司的产品和服务普遍很低调。”一家数字化技术供应商，在6月发布了一款基于某云厂商通用大模型开发的应用产品，在发布会上，该公司技术负责人向虎嗅表示，他们被这家云厂商要求严格保密，如果透露使用了谁的大模型，他们会被视为违约。而对于为何要对案例保密，这位负责人分析，可能很大一部分原因是要规避监管风险。在全球都对AI提高警惕的当下，任何市场都不能接受监管的“真空期”。 7月13日，网信办等七个部门正式发布了《生成式人工智能服务管理暂行办法》（下文简称“《管理办法》”），该办法自2023年8月15日起施行。 “《管理办法》出台后，政策会从问题导向转为目标导向发展就是我们的目标。”观韬中茂律师事务所合伙人王渝伟认为，新规是重“疏”而不重“堵”。浏览美国的风险管理库，是王渝伟每天必需的功课，“我们正在为利用GPT等大模型进行细分行业的商业应用提供风控合规的方案，建立一套合规治理框架。”王渝伟说。美国的AI巨头们正排着队向国会表忠心。7月21日，谷歌、OpenAI、微软、Meta、亚马逊、AI创业公司Inflection、Anthropic，七家最具影响力的美国AI公司，就在白宫签署了一份自愿承诺。保证在向公众发布AI系统前允许独立安全专家测试他们的系统。并与政府和学术界分享有关他们系统安全的数据。他们还将开发系统，当图像、视频或文本是由AI生成时向公众发出警告，采用的方法是“加水印”。 7家美国AI巨头排代表在白宫签署AI承诺此前，美国国会听证会上，OpenAI的创始人山姆·奥特曼表示，需要为人工智能模型创建一套安全标准，包括评估其危险能力。例如，模型必须通过某些安全测试，例如它们是否可以“自我复制”和“渗透到野外”。或许山姆·奥特曼自身也没有想到，AI的飞轮会转得这么快，甚至有失控的风险。 “我们一开始还没有意识到这件事情这么紧迫。”王渝伟说，直到上门来咨询的公司创始人越来越多。他感到，这一次的人工智能浪潮正在发生与过去截然不同的变化。今年年初，一家最早接入大模型的文生图公司找到王渝伟，这家公司希望把自己的业务引入中国，因此，他们想了解这方面的数据合规业务。紧接着，王渝伟发现，这类的咨询越来越多，更明显的变化是，前来咨询的不再是公司的法务，而是创始人。“生成式AI的出现，原有的监管逻辑已经很难适用。”王渝伟说。从事大数据法律工作多年的王渝伟发现，生成式AI与上一波AI浪潮正在呈现更加底层的变化。例如，上一次的AI更多是基于算法进行推荐，还有就是一些人脸识别，都是针对一个场景，针对一些小模型，在具体应用场景当中进行训练，涉及的法律问题不外乎知识产权、隐私保护的问题。而在这个生成式AI生态之上的不同角色，例如提供底层大模型的公司，在大模型之上接入做应用的公司，存储数据的云厂商等，对应的监管都不尽相同。目前大模型所带来的伴生风险已经有了共识，业界明白，商业化应用势必会放大这种风险，要想保持业务的连续性，就需要重视监管。难点就是，“如何找到一条既能做好监管，又能不影响行业发展的路径。”王渝伟说。结语对于整个行业来说，在对技术加深探讨的同时，也正在引发更为深远的思考。在AI逐渐占据科技产业的主导地位之时，要如何确保技术的公正、公平和透明性？当头部公司紧紧掌控技术和资金流向时，如何确保中小企业和初创公司不被边缘化？大模型的开发和应用蕴含巨大潜力，但盲目跟风是否会导致我们忽视其他创新技术？ “从短期来看AI大模型正在被严重高估。但从长期看，AI大模型被严重低估了。” 半年时间里，AI热浪翻涌。然而对于中国的创业公司和科技巨头来说，在热炒的市场氛围中，如何保持清醒的判断，做出长远的规划和投资，将是检验其真正实力和远见的关键。来源：金色财经

金色财经2023-08-04

纳指芯片板块大涨，AMD、博通纷纷大涨超2%！纳指100ETF（159660）小幅下跌0.48%昨日单日吸金超2100万元！

I热度不减，仍为市场主线】消息面上，AI行业近期仍在快速发展，GPT-5可能已经向我们靠近了。美国商标律师发推称，Open AI已经在7月18日，向美国美国专利商标局(USPTO)提交“GPT-5”商标申请。GPT-5的具体功能和改进还有待OpenAI正式确认。如此，AI或仍将是今年乃至明年市场行情的主线。各个科技巨头也在AI领域进一步布局。据消息，Meta最快下个月将推出聊天机器人，产品将具有不同个性，大力布局人工智能聊天机器人，以获取用户的持续性青睐或许成了Meta的破局之道。而周一戴尔公司宣布将与英伟达合作推出新的生成式AI解决方案，帮助客户在本地快速安全地构建生成式AI（GenAI）模型。新的戴尔生成式AI解决方案扩展了该公司于5月份首次发布的Project Helix项目，该项目涉及与英伟达的深度整合，涵盖IT基础架构、PC和专业服务，采用具有大型语言模型（LLM）的全栈GenAI，无论组织处于GenAI开发的哪个阶段，都可以满足他们的要求。此外，华尔街发现英伟达“需求远超预期”：通过云计算厂商最新透露的在人工智能支出计划，测算得出英伟达的实际业绩情况可能更为乐观。分析师表示，芯片需求爆表，2024年英伟达数据中心和AI芯片收入或达750-900亿美元，远超华尔街分析师的一致预期420亿美元。【联储预期转向鸽派，关注科技巨头最新财报进展】天风国际指出，关于7月联储加息，相关人士重点表示市场认为是鸽派言论，在经历完7月加息后，下次联储利率决议将在9月21日进行，当前利率点阵图观测显示，下次基准利率保持在5.25-5.5%不变的概览高达81%，即市场普遍认为本次7月加息或许是最后一次加息。此外，尽管与AI相关的股票已过于狂热，但暂时不会平息，AI的潜力引发了英伟达和微软等股票上涨。本周美股走势将与苹果和亚马逊的财报相关性高。对于联储停止加息后美股走势，华泰期货也表示，美股阶段性调整加大，增加了FOMC货币政策预期转向鸽派的可能。从7月陆续公布的经济数据来看，无论是月初的非农就业报告的走弱，还是实际CPI回落的超预期，亦或是零售销售表现的相对低迷，都给了FOMC未来货币政策表达相对鸽派的空间。而财报动向上，整体来看，科技巨头二季度财报普遍超预期，例如特斯拉二季度营收劲增47%，谷歌和Meta业绩亮眼，微软营收净利同比也录得增长。随着美国科技股反弹的势头不断延续，积极的观点认为科技股已经进入了新一轮牛市。根据方正证券的统计，2010年以来纳斯达克指数、标普500指数和道琼斯工业指数年化收益率分别为13.5%、10.3%和9.2%。分解来看，盈利稳定增长是美股长牛的根基，2010年以来纳斯达克指数、标普500指数和道琼斯工业指数盈利年化增幅分别为14.3%、8.7%和6.3%。数据来源：方正证券纳指100ETF（159660）跟踪纳斯达克100指数，在人工智能的时代浪潮之下，目前全世界AI领域布局和积淀最领先、最深厚的科技巨头仍然集中在纳斯达克，比如微软、谷歌、英伟达、Meta等等，这些AI巨头无一例外都是纳斯达克100指数的前十大权重股，纳斯达克100指数前十大权重占比超59%，龙头属性集中。纳指100ETF（159660）管理费0.5%/年，托管费0.15%/年，明显低于市场主流的费率结构，费率优势明显，省到就是赚到。（风险提示：以上指数成份股仅作展示，不代表任何形式的个股推荐！）【始于纳斯达克，更胜于纳斯达克！】根据公开资料，纳斯达克指数包含100家在纳斯达克上市的非金融公司，纳斯达克市场自诞生以来成功孵化出了一大批科技巨头，被广泛认为是培育创新型、科技型、成长型公司最成功的投资市场之一。作为纳斯达克市场的旗舰指数，纳斯达克100指数长期涨幅明显跑赢纳斯达克指数。自1991年起，纳斯达克100指数30多年来年化收益14.13%，明显高于纳斯达克的11.65%。（数据截至2023.6.30）数据统计区间1991.1.1-2023.6.30 风险提示：基金有风险，投资需谨慎。本资料仅为宣传材料，不作为任何法律文件。基金的过往业绩不预示未来表现，基金管理人管理的其他基金业绩并不构成基金业绩表现的保证。基金管理人依照恪尽职守、诚实信用、谨慎勤勉的原则管理和运用基金财产，但不保证投资于本基金一定盈利，也不保证最低收益。投资人应当仔细阅读《基金合同》、《招募说明书》及《产品资料概要》等法律文件以详细了解产品信息。纳指100ETF属于中等风险等级（R3）产品，适合经客户风险等级测评后结果为平衡型（C3）及以上的投资者。标的指数并不能完全代表整个股票市场。标的指数成份股的平均回报率与整个股票市场的平均回报率可能存在偏离。请投资者关注指数化投资的风险以及集中投资于纳斯达克100指数成份股的持有风险，请关注部分指数成份股权重较大、集中度较高的风险，请关注指数化投资的风险、ETF运作风险、投资特定品种的特有风险、参与转融通证券出借业务的风险等。风险提示：界面有连云呈现的所有信息仅作为参考，不构成投资建议，一切投资操作信息不能作为投资依据。投资有风险，入市需谨慎!

有连云2023-08-02

博睿数据：浙商证券、光合基金等多家机构于7月20日调研我司

20日调研我司。具体内容如下：问：AI行业的变革对博睿数据的发展将带来哪些新机遇？答：随着人工智能应用的快速发展，博睿数据的产品中也集成了人工智能的能力，公司从2021年开始加大了人工智能的投入和布局，2022年发布一体化智能可观测平台 Bonree ONE，完成从监控工具产品到可观测能力平台的升级，在ONE 平台中落地了创新性的无监督知识图谱根因分析能力，根因分析准确率和效率达到业界领先水平，成为国内唯一一家通过信通院 IOps 能力成熟度测评根因分析模块“优秀级”的供应商。Bonree ONE平台作为一体化智能可观测平台可用于泛行业的通用观测场景。随着I的发展与落地，会使得公司客户的后台计算资源将会呈现新一轮的增长，系统的复杂性将会进一步提升，客户对系统的可观测性能力将有更高的要求，由此带来新的市场需求。公司将持续密切关注和积极拥抱I技术的发展。问：您认为现在公司产品核心的竞争力在哪里？答：公司基于多年的产品建设与技术积累，当前公司产品已经覆盖了包括数字终端体验（DEM）、网络性能（NPMD）、应用性能（PM）、基础设施（ITIM）等全面的监控能力，为企业提供从代码到用户的全面的系统可观测能力。自成立以来始终坚持自主创新，截止2022年年末公司已获发明专利14项，已获得软件著作权103件，核心技术共计28项。公司2022年新研发出了新一代端到端一体化智能可观测平台产品 Bonree ONE，实现了主营产品的换代升级，其中新推出的故障智能根因定位功能通过了中国信息通信研究院的“智能化运维（IOPS）能力成熟度”根因分析能力“优秀级”评测，为公司产品和服务能力向统一化和智能化发展奠定良好的基础。博睿数据（688229）主营业务：提供应用性能监测服务、销售应用性能监测软件及提供其他相关服务。博睿数据2023一季报显示，公司主营收入3225.33万元，同比上升0.28%；归母净利润-1782.92万元，同比上升23.12%；扣非净利润-2017.78万元，同比上升24.3%；负债率6.59%，投资收益262.26万元，财务费用-42.24万元，毛利率73.97%。该股最近90天内无机构评级。融资融券数据显示该股近3个月融资净流入484.92万，融资余额增加；融券净流入0.0，融券余额增加。根据近五年财报数据，证券之星估值分析工具显示，博睿数据（688229）行业内竞争力的护城河较差，盈利能力一般，营收成长性较差。财务可能有隐忧，须重点关注的财务指标包括：应收账款/利润率、应收账款/利润率近3年增幅、经营现金流/利润率。该股好公司指标0.5星，好价格指标1星，综合指标0.5星。（指标仅供参考，指标范围：0 ~ 5星，最高5星）以上内容由证券之星根据公开信息整理，由算法生成，与本站立场无关。证券之星力求但不保证该信息（包括但不限于文字、视频、音频、数据及图表）全部或者部分内容的的准确性、完整性、有效性、及时性等，如存在问题请联系我们。本文为数据整理，不对您构成任何投资建议，投资有风险，请谨慎决策。

证券之星2023-07-31

【一周科技动态】业绩不错，走势分化，投资者落袋为安？

；谷歌、微软和OpenAI等联合推出AI行业前沿模型论坛微软公布Q2财报，云业务增速持续放缓，AI变现还未体现； Meta的Q2财报超预期，收入超预期猛增11%，EPS止降回升。预计英伟达将取得 $台积电(TSM)$ 2024年CoWoS总产能24万片中的14.4万~15万片；英特尔、英伟达、 $高通(QCOM)$ 三大公司CEO促美政府研究对华出口限制影响并暂停行动； $英特尔(INTC)$ Q2财报和Q3指引均好于预期，AI需求推升。一周核心观点 AI双雄——微软、谷歌财报分化，都是预期惹的祸微软、谷歌同一天公布财报，市场此前对两家公司，主要是AI方面的业务期待十足。谷歌业绩大超预期，盘后一度大涨7%，微软虽然也超过市场一致预期，却跌2%。造成这种差异化的原因主要有谷歌大涨：广告业务由于市场此前对衰退预期的计入过多，因此反弹超预期比较多； YouTube业务重获增长，侧面印证短视频竞争优势恢复；云业务超预期恢复增速，21Q3以来第一次单季增速超过微软Azure 利润率在降本增效下提升至新高，毛利率提升至2021年来的巅峰水平市场预期谷歌的广告可能会比微软更早从AI上获得变现；微软大跌：虽然超预期，但是由于体量巨大，PC和云业务增长依然出现减速； AI对收入的贡献几乎没有体现，Edge的份额没有明显提升，低于市场预期；指引的增速基本都是与本季度持平或放缓。我们认为，Q2还远远没到两家公司的AI产品从业绩上正面比拼的时候，更多的只是此前市场预期的一种兑现。自然今年以来MSFT受益于AI的涨幅是大于GOOG的，所以当市场觉得AI变现节奏还比较慢的时候，自然会price-out，而GOOG的业绩被低估的时候，自然会补偿。而MSFT在大科技公司中一向以来都不是最强的变现能力者。以广告为主的META和GOOG反而更懂一些。当然，MSFT的业绩也是相当不错，下个季度有望从Office Pilot产品中额外获得收益，并且边际利润率很高。 META Q2财报后大涨，Reels取得成效 Meta在7月26日盘后公布的Q2财报同样的全面大超市场预期，同时提升了Q3指引，一度涨超10%。其MAU首次超过30亿，并提升了下季度的预期。我们认为， Meta跟Google一样，广告是主要是收入来源，其广告业绩超预期，一方面是宏观的原因，另一方面也是其增加了广告平台的效率，增加对小平台的头部虹吸效应。此外，Tik Tok竞争放缓，也使得Reels商业化进展顺利，变现节奏快于预期。虽然Reels的广告单价较低，但增长势头更高。刚刚推出的对标Twitter（X.com）的产品Threads用户数非常快，不过主要是其完整且庞大的社媒生态体系的助攻，待稳定住用户群体后可以开始变现。估值方面，Meta在315美元的情况下对应的2024年预期的15.5美元EPS的前瞻市盈率为20倍，低于行业平均的23.5倍，仍有上行空间。为啥科技财报不错，却带头回调？本周纳斯达克100指数进行了权重调整，此前我们也提到过，头部的7大公司的权重将被调低，而后面的公司权重将调高，当然这种影响一般会在一两天内完成，有的基金则会提早进行调整。使得科技股带头回调的原因，还是宏观层面的。一方面是GDP数据的上修，进一步降低衰退预期，给进一步的紧缩提供支持；另一方面，外围的欧央行开始表示有暂停加息的可能，使得欧元大跌、欧股大涨，欧洲债券收益率上行，也带来更多的资金。而大科技公司在财报季的表现差异化，也增加了投资者对风险的担忧，可能尽早提前获利了结。大科技"TANMAM"的投资策略我们将这权重最大的7家公司合成一个投资组合，称之为“TANMAM”组合。如果以等权重、每季度重新调整权重的方式对这个组合进行回测，那么从2015年以来表现是远超标普500的，总回报达到了1523.9%，同期 $标普500ETF(SPY)$ 回报257.0%。其中：年化回报37.35%，高于SPY的11.62%。 2023年以来回报90.83%，同期SPY为19.22% 7月以来回报2.47%，同期SPY回报2.08%。

老虎证券2023-07-28

Alphabet再次取得了显著的成绩，自2021年以来，其收入增长速度首次超过支出

计，英伟达约占AI半导体市场的75%，AI行业正处于支出转向人工智能基础设施的早期阶段，只有10%的云服务器配备了适合人工智能项目的芯片。

Heidi2023-07-27

一文读懂OpenAI创始人的「世界币」

ID 是非常重要的。这也是加密货币和 AI 行业重叠的一个例子。」「它可以帮助解决这个互联网上最棘手的一个问题：防止虚假身份干扰在线活动，同时不侵犯隐私。此外，潜在的应用还包括处理社交媒体上的虚假个人资料、分配全民基本收入（UBI），以及授权新形式的数字民主。」 Worldcoin 如前文所述，完成了 World ID 的认证，用户就领取 Worldcoin 代币，获得属于自己的全民基本收入（UBI），然后用这个代币，在 World App 上购买日常所需。考虑到未来，人类 65% 的工作都会被 AI 代替，也就是说不久以后，无收入人口将占全球总数 65% 以上，worldcoin 在全球范围内的分发，可以确保每个用户都能获得公平和稳定的基本收入，这可以有效缓解因 AI 带来的工作损失，为人们提供一定程度的经济保障。根据该计划，Worldcoin 预计在 6 月底之前发行 100 亿枚 WLD 代币，其中 20 亿用于长期资助 Worldcoin 协议的开发者及投资者，剩下的 80 亿全都免费分发给全球所有用户。 Worldcoin 的发放原理｜Worldcoin 在代币机制方面，Worldcoin 采用了「通缩奖励模型」，并通过任务激励来提升活跃度。这意味着，WLD 代币的领取并非一次性发放完毕，而是做任务的方式领取，早期阶段，每周领取 1 枚，后期将随时间推移会增加代币领取的时间间隔，可能是每个月领取 1 枚，这有利于保持用户的活跃度。从数据来看，也获得了不错的效果，目前，注册用户已接近 200 万，按照 Altman 的设想，未来数十亿人将会使用 World ID 来领取全民基本收入（UBI）。 World App 最后就是 World App，它是专为 Worldcoin 开发的原生钱包，也是 WorldID 的载体，也就是说它既是「加密钱包」，又是 AI 时代的「身份证」。 World App 建立在 Polygon 之上，任何人都可以在任何时间下载并使用，其目的是使全世界数十亿人都能获得「去中心化」的身份和金融，从而参与「全球经济」。 World APP 在 2023 年 5 月 8 日首次亮相，经过广泛的开发和 150 多万测试版用户的学习，World App 的第一阶段现已在全球范围内推出。随着非营利性的世界币基金会的成立，在治理、运营和拨款活动等方面，World App 正在进行「去中心化」的进程。 World App 背后的团队，Tools for Humanity（TFH) 在给 The Chainsaw 的一份声明中说，「World App 现已在 100 多个国家推出，入驻了近 200 万用户，有 600,000 个月活跃用户，已然成为当下接触加密货币最流行的方式。」 World App 设计图｜Worldcoin 他们对于 World App 在实现「去中心化」技术普及方面扮演的重要角色感到兴奋，并认为这一成果的出炉终将推动隐私保护型身份证明、互联网原生金融服务的普及，进而让数字货币在全球公平分配与公共治理中占据一席之地。综上，Worldcoin 的愿景非常具有前瞻性和野心。其计划建立的全球身份（World ID）、全球代币（Worldcoin），和钱包系统（WorldAPP）都具有广泛的实际应用价值，既可以帮助应对 AI 带来的「挑战」，又为数字经济的发展带来了新的「机遇」。 03「风险」与「挑战」虽然 Worldcoin 背后，有着颇具影响力的创始人，但是其先进的理念依然面临着许多质疑和挑战。具体而言，Worldcoin 所面临的问题主要包括以下几个方面：技术与隐私风险首当其冲的就是 Worldcoin 的「虹膜扫描」技术方案。它尚未得到广泛的验证和应用，因此许多人都在质疑这项生物识别技术的可靠性和稳定性，尤其是隐私保护方面的能力。美国「棱镜门」事件的主角爱德华·斯诺登在推特上写道：「人体不是打孔机。」表达了他对人体「虹膜扫描」的抗拒。对此，尽管 Worldcoin 团队声称「虹膜代码（IrisCode）」是唯一离开虹膜扫描设备 Orb 的信息，用户的原始生物信息会立即被销毁，而且，链上身份是完全加密安全的，不可追踪的，但这并不能完全消除人们对隐私问题的担忧。就连隐私和监控专家也发出警告称，「收集生物识别数据，即使不保存，仍然是一项有风险的业务。」此外，虹膜扫描设备 Orb 的普及性是也是个重要的问题。Worldcoin 需要确保该设备能够实现广泛覆盖，并且对于全球各地的用户来说易于获取。对此，Worldcoin 采取了一些措施，例如提供优惠券和贷款激励，以促进用户注册和设备的普及，但实际成效甚微。法律与监管风险目前，Worldcoinn 尚未得到广泛的法律认可，因此其合规性也面临着一定的困境和挑战。例如，一些国家和地区像是美国对 World ID 和 Worldcoin 存在限制和管制，这导致 Worldcoin 无法进入这些国家。目前 Worldcoin 获得许可的国家仅 24 个，其中 14 个是发展中国家，8 个位于非洲。然而，贫困地区的居民普遍缺乏法律保护，数据收集成本也最低，在这种地方收集用户数据，被很多媒体指责是「一种变相的加密殖民主义（crypto-colonialism）」。加密投资机构 Block Tower Capital 创办人 Ari Paul 也曾指出，「Worldcoin 的核心商业模式，是从全球最贫穷的人那里窃取数据，以剥削穷人的方式测试数据，并将之货币化，这只是通过欺诈从穷人那里窃取数据的犯罪行为。」而且，贫苦地区的用户普遍对于 Worldcoin，以及加密行业都了解甚少，让他们加入加密世界对他们来说未必是一件好事。此外，监管更是 Worldcoin 绕不过去的风险，毕竟货币是主权国家的权力。曾经承载过「世界货币」愿景的稳定币项目 Libra，即使背后有 Facebook 站台，最终也难逃「流产」的命运。竞争与资金风险数字货币市场竞争激烈，Worldcoin 需要面对来自其他竞争对手的挑战。已经成熟的加密货币项目，像是 plnetwork，的地位难以撼动，新兴的竞争对手又在不断推出更具吸引力的产品和服务，这都会影响到 Worldcoin 的市场份额和用户基础。此外，Worldcoin 还不得不面对加密货币价格高波动属性下的资金风险。 Worldcoin 作为一种创新的加密货币项目，将 AI、区块链技术、和基本收入理念（UBI）相结合，为全球所有人提供可持续和公平的收入解决方案。它是 Sam Altman 对未来通用人工智能（AGI）世界的畅想，正如他早前提到的「希望 AGI 的优势、获取和治理可以得到广泛公平的分享。」这还得到了「亲儿子」ChatGPT 的认可，它表示「AI 与 Web3 可以相互促进，共同支持更多创新。」尽管短期内 Worldcoin 仍将面临许多质疑和挑战，但毫无疑问，它是目前为止最具潜力的加密应用之一。「随着 AI 的蓬勃发展，对提供人格证明的系统的需求，以及对财富再分配和全球治理系统的需求正在增长。」 Sam Altman 如此肯定 Worldcoin 的未来。来源：金色财经

金色财经2023-07-25

数字鸭“AI大航海计划”启动首期开放300个高校社团合作

能，改完以后我自己非常满意。我非常看好AI行业，未来有机会的话会深入了解。”大三学生小许这样评价道。作为一款为高校大学生群体量身打造的AI助手，数字鸭致力于打造高校大学生每天都在用的“AIGC 工具集”，目前提供两大核心功能——AI 对话(根据你的需求，生成对应文字)及 AI 绘图(根据你的描述或要求，生成对应的图片)，并围绕这两大核心功能，衍生出了上百个 AI对话小应用和 AI绘图小应用，內容涵盖了学习、生活、职场、情感、娱乐等多领域需求场景，可以根据使用者的实际需要，生成更加精准实用的内容。数字鸭工作人员介绍，数字鸭的研发团队曾2周上架了超过100个小应用，平均1天上架5个应用，其中60%都源自用户提出的灵感或需求。数字鸭希望通过自己的持续努力，培养和支持高校青年群体，倡导活力、探索、创新和主动学习的气氛，并启发大学生对AI的理解和热爱，提升他们的实操能力。 2022年底，ChatGPT的横空出世再次引发了市场对于AI的热议，AIGC是继PGC和UGC之后的一个新浪潮。自然语言与人工智能开始融合，通过人工智能技术实现内容生成，并在生成中注入了“创作”能力。这也意味着开启了“模型”主导内容生成的时代。AIGC的发展，深刻影响了内容生态：AIGC重塑人机协作的内容生产范式，开启了全新的内容消费形态。 AIGC 的最大的意义之一在于把智能从人的专属能力，变成了人类的能源。立足中国，从更深远的⻆度来看，AI必将在越来越多的领域中发挥作用，而中国的高校学生是未来的主力军，他们的知识、技能和思想将影响到社会的未来。通过“AI大航海计划”，可以为社会培养出一批具有实际操作经验和创新思维的AI人才，同时积极响应国家“提高国家创新能力，促进科技与经济社会发展深度融合”的总体战略需要。来源：金色财经

金色财经2023-07-25

鹏华基金精华投资观点摘要：资本市场有望进入新一轮投资周期，未来看好三大投资主线

将继续聚焦数字经济的主线——数据要素与AI，行业配置集中在传媒、计算机、通信、电子等方向，其中传媒主要投资于游戏等方向；计算机主要投资于AI+办公应用、数据要素、工业软件等方向；通信主要投资于运营商等方向；电子主要投资于AI算力产业链等方向，三季度投资组合将继续保持较高的仓位。张鹏：一以贯之保持泛制造业的核心持仓二季度市场剧烈震荡，结构分化剧烈。同时又有新的线索，一是临近中报季，对业绩好甚至有超预期可能得个股和板块的挖掘逐步加深，二是在算力链和应用端预期挖掘比较充分的情况下，海外公司进展和产业政策，催化拓展出了人形机器人和智能驾驶等泛AI线上的新线索。在产品操作上的核心思路，一以贯之的保持了泛制造业的核心持仓的基础上，一是愿意容纳和学习AI线索等新兴前沿产业的变化，二是结合各类资产价格周期所处的位置进行一定的边际轮动，控制回撤。总体仓位水平保持90%左右未做择时，边际结构上，增加数据要素链条上进展较快的公司的仓位和泛AI线索上的智能驾驶板块的仓位，减仓如算力链等预期比较充分甚至有泡沫化迹象的公司，增仓如出口链等景气趋势向上的标的，减仓复苏节奏明显低于预期的相关板块，增仓新能源等处于相对较低位置的优质公司。整体上，2023年是疫情放开后的第一年，市场对复苏普遍抱有较高预期，与政府保持高质量增长的定力和指向，存在一定的预期差。我们认为，产业结构的优化和产业政策的指向，是强于总量逻辑的投资线索，因此后续的研究和关注重点依然是产业结构的变化，例如智能驾驶、数据要素闭环的推进等，以及部分不依赖于经济强复苏的线索，例如自主可控、新能源新技术以及通胀线等方向。王云鹏：立足制造业，重点挖掘基础化工/机械领域机会在二季度的操作中，我们仍然立足于制造业，重点挖掘了几个细分行业的机会，这些机会主要分布在基础化工/机械中。这些机会总结起来有3个方向：第一是源于国内制造业转型升级的需要，重点在自主可控和进口替代；第二是源于全球供应链的再分配给中国企业带来的份额扩张机遇；第三是源于部分资源国进行工业化尝试给中国企业带来的蛋糕扩大机遇，重点在“一带一路”国家。这些机会的挖掘在5-6月的市场调整中，给组合带来了明显的正向贡献。从投资策略来看，整体上看属于成长股投资。从投资方向来看，任何具备内生扩张能力和持续发展空间的企业都属于潜在的投资标的。从投资方法来看，我们不断完善自下而上成长视角的个股静态挖掘和自上而下周期视角的市场动态匹配。从投资属性来看，我们追求的是逻辑主导的中长期投资收益，尽量避免结果主导的短期投机博弈。市场波谲云诡，但随着投资视野的扩大，我们对于组合的把控能力在逐渐提升，基于产业视角挖掘超额机会的信心也在不断增强。柳黎：深耕投研，坚信估值回归和价值发现的力量二季度市场主线清晰：一方面，年初预期的顺周期复苏遭遇波折，PMI维持在荣枯线以下而政策立足高质量发展、保持定力，因此地产链和消费链表现靠后；另一方面，两大主线AI、中特估逐步向AI聚焦，且更多集中到产业链变化积极的光模块、网络设备等，应用层面走向分化、部分预期透支标的大幅回调。此外，人形机器人、智能驾驶等板块迎来主题型表现，也可以视为对AI应用的延伸。今年市场一波三折，我们的组合表现也是。对真实世界与股票世界之间差异的理解，体现出基金管理人的认知。庆幸的是，在高波动、快速轮动的行情下，相对于持续追逐热点，我们的研究和翻石头工作依然以高强度开展，也已经积累了一批有潜力的新标的，这些标的也将逐步体现在我们的持仓中，我们坚信估值回归和价值发现的力量。朱睿：资本市场有望进入新一轮投资周期我们在2022年度报告中曾经写道：“展望2023年，权益市场有望迎来积极的变化，我们有预感这有可能是新一轮市场周期的起点。所以，我们在心态上更加开放和积极。”因此，在2023年市场开局的阶段，我们布局了较多受益疫后修复的行业和公司。实际过程中，宏观经济和权益市场的修复一波三折，一方面，基本面的复苏需要时间和信心的循序修复，另一方面，在过去几年赚钱不佳、增量资金有限的背景下，权益市场呈现出热点较多、轮动加快、博弈现象加重的特征。在这种背景下，主流权益基金普遍表现不佳。我们的组合表现在上半年也经受了挑战，因此针对宏观环境的变化、市场风格的理解，对持仓结构进行了一定的优化，在汽车零部件上增持和集中了看好的标的，增加了医药、机械等行业内业绩趋势向好的品种，同时在化工等顺周期资产上更加注重自下而上、聚焦个股成长性和细分领域投资机会。站在当前，我们判断上半年相对极致的市场风格有望得到平衡，许多我们长期看好的公司，已经逐渐进入可投资的性价比阶段，我们仍然维持对资本市场有望进入新一轮投资周期的判断。我们将积极的在此过程中，修复业绩曲线，取得让持有人满意的回报。

金融界2023-07-24

从新兴产业发展角度来看AI产业投资价值

第一阶段和第二阶段。我们注意到，现在AI行业基本已经属于第二阶段的前期。2016年alphago 战胜围棋高手时尚处于第一阶段，到了2022年底ChatGPT发布，成为史上用户数最快过亿的产品，名副其实成为AI行业爆款产品。而今天微软office 365的提价，AI的商业价值已经体现。因此，我们认为当下AI行业或已经进入新兴产业发展的第二阶段。二、复盘历史上的新兴产业在第二个行业演绎阶段中，一个特别重要的投资逻辑就是渗透率。本文第二部分中，我们将从数据的角度复盘历史上的消费电子、新能车和光伏产业，来验证该规律结合阶段划分来进行投资是否有效。在复盘之前，我们先来定义什么是渗透率？渗透率是指品类小a的新增量在全品类大A新增量中的占比，代表了新兴产业在传统行中的市场渗透率水平。通常，渗透率可用出货量、装机量、发电量等指标来衡量。渗透率指标的优点是容易理解，容易帮助投资者把握大趋势。它不仅给出了买点，同时还给出了卖点，比如市场渗透率较低的时候就是我们介入的好时机。当渗透率接近天花板的时候就是一个潜在的卖点。但是在使用渗透率指标的时候也存在一些难点，主要包括：第一，如何量化新兴产业的渗透率？毕竟在新兴产业的发展初期，用什么来代表行业的渗透率也还处于探索的过程。第二，如何找到决定渗透率提升的本质因素？只有找到背后的驱动因素后，我们才能通过跟踪该因素的发展变化而对行业走势做出判断。第三，渗透率的天花板是多少？以上这些都是在研究新兴产业中需要关注的一些问题。接下来我们将梳理三个我们比较熟悉的新兴产业的发展历史，包括智能手机，新能车和光伏，从复盘中来观察渗透率的变化，并探索它对投资有怎样的指引。首先，我们来明确每个行业内的渗透率概念及当下表现。第一个是智能手机，该行业的渗透率通常用智能手机的出货量除以全部手机的出货量来度量，该指标在2015年的时候就已经超过了90%。第二个是新能源汽车，该行业的渗透率等于新能车的销量除以全部汽车的销量。根据乘联会的最新数据，我国的新能源车渗透率在6月份便已超过30%，远未到达天花板。第三个是光伏，其渗透率常用光伏的新增装机容量在所有发电设备新增装机容量中的占比来衡量。这个数据在2023年的5月份也达到了57%的水平。（数据来源：乘联会，wind）其次，我们来梳理各行业渗透率变化与股价变动之间的关系。第一，智能手机渗透率的变化和苹果股价呈现正相关关系。在2003年，全球智能手机的渗透率大概只有2%。但到了2017年，全球的智能手机的渗透率便已经超过10%，达到了11%的水平。与此同时，从2003年底到2007年底，苹果股价涨了16.5倍。苹果于2007年推出了首代iPhone，尽管2008年全球金融危机时股价也出现了明显的下跌，但此后随着智能手机渗透率的快速提升，苹果的股价也继续快速上涨。从2008年底到2012年底，苹果股价上涨5.3倍。截至2012年底，全球智能手机渗透率已经达到42%，2013年进一步达到了56%的水平，处于比较高的位置。如果将其对应于四个阶段划分，2007年之前智能手机行业基本上处于新兴产业发展的第一阶段，2008年至2012年可以对应第二阶段。我们也可以看出这两个阶段的回报都比较丰厚。此外需要注意的是，在渗透率增长的大趋势中，股价并不是一直持续上涨的，期间也回收其他因素干扰而出现回调。比如在第二轮渗透率快速提升的过程中，出现过两次比较大的回调，时间跨度大概是一个月，幅度大约10%。（数据来源：IDC，wind）第二，新能源汽车和行业的渗透率和中证新能源汽车产业指数之间呈现正相关关系。特斯拉于2008年发布了首款车型，之后也是受到了各种争议和质疑。2017年，特斯拉推出了Model 3，同时实现了大规模生产和普及化，其总销量于2018年10月突破10万辆大关。从2019年底开始，我国新能车的渗透率出现快速的上涨，从2019年的6%左右，上涨到2022年底的32%。从2019年底到2021年11月，新能车指数涨了2.4倍，龙头公司宁德时代期间上涨了630%。同样的在上涨过程中我们也可以看到期间有一些回调，期间两次比较大的回调，回调时间大约1~2个月，回调幅度大概是15%~30%，比如说2020年2月到3月，回调一个月，幅度31%。2021年1月到3月，回调1个半月，回调幅度16%。（数据来源：wind）第三，再来研究光伏行业的情况。对于新能车或消费电子来说，渗透率和股价涨跌的相关性非常强，基本是同步上涨的。但我们可以发现，光伏指数的上涨领先于渗透率的快速提升。光伏新增装机快速增长的时间跨度是从2021年2月到2022年2月，对应数据从20%增长到46%，但是股价从2020年3月就开始上涨了。2020年3月到2021年8月期间，光伏指数（中证光伏产业指数）涨了2.6倍。这个时间段相较渗透率的快速提升区间要早半年左右。同样，在指数上涨的过程中也存在一些回调，比如2020年的2月到3月回调一个多月，幅度达22%；2021年2-3月份回调22%左右，时间跨度约一个月。复盘了上述3个产业之后，我们看可以总结出以下几点结论：第一，渗透率指标在新兴产业中的投资的作用比较明显。新兴产业在渗透率快速上升阶段的投资回报率非常丰厚。但要注意的是，上涨的过程往往不是一蹴而就的，存在一定回调，幅度大约20%~30，回调时间大约是1~2个月。第二，不同行业的渗透率、驱动因素和天花板差异较大。其中，智能手机的渗透率天花板是最高的，几乎可以达到100%。但新能车和光伏行业受限于一些基础设施配套，比如充电桩、光伏消纳等，导致其天花板相对较低。这也是为什么今年以来，新能车和光伏下调较多的一个非常重要的原因，这也导致市场对渗透率的提升有所担忧。第三，市场行为是在不断的进化的。如果从时间顺序来看，智能手机是这三个中发展最早的新兴产业，其次是新能车，最后是光伏。通过对他们三者复盘的横向对比，可以看出市场渗透率快速增长所需要的时间越来越短。智能手机快速增长的时间大约有4年，新能车大约2年，光伏则只有1.5年。此外，从时间线角度纵向分析可以发现，智能手机和新能车的渗透率发展基本和股价变化同步，但是光伏市场则出现明显领先，这是因为有一定炒预期的行为存在。三、如何看待当前AI的投资价值在总结了上述规律之后，我们来类比分析AI产业的运行情况。该行业目前可能处于新兴产业发展的第二阶段初期。等二个阶段主要依赖于产品本身，且一个重要的衡量指标是渗透率。那么对于AI行业来说，选什么指标来度量其渗透率会比较合适呢？我们总结了三个值得参考的渗透率指标。第一个是AI产业规模占国内生产总值的比例。根据中国通信院的数据，在2022年底，我国人工智能核心产业规模达5080亿元，在国内生产总值中所占比例约0.4%，处于非常低的位置。而根据PWC的预测，2030年人工智能产业占国内生产总值的比例大约达到26.1%。第二个方法是沿用AIGC的渗透率，即用AI生产的内容，包括网文、图片、音频、视频等占原本这个市场的比例。根据头豹研究院的测算，2021年底AIGC的渗透率还不到1%，规模也只有10亿元左右。预计未来5年中，文本和图像领域由AI参与完成的比例能够达到25%。预计到2026年，市场的规模能达到700亿，年化增速超过100%。第三个是AI技能的渗透率，即我们每个人使用AI的比例。斯坦福人工智能指数的相关报告中统计了领英会员在简历中提及AI使用的比率，根据2015~2021年的数据，其中中国用户的使用比例大概是1.56%。该指标相对前两个指标来说，数据更好跟踪，相关统计更多，且第三个指标是我们日常生活中比较直观能感受到的，比如目前我们周围使用AI的人数相对还是比较少的。综合上述三个指标来看，在2021到2022年，AI行业的渗透率都很低，不到2%，未来还有很大的发展空间。探讨完渗透率的选取之后，我们可以思考一下AI行业渗透率提升的本质。其实归根结底，AI行业渗透率提升的本质是降本增效。以ChatGPT为代表的AI人工智能的出现，标志着人类生产效率出现了第二次脑力效率的飞跃。下图中展示的就是人类各种生产效率提升的历史过程。此外，随着多模态和场景的发展，AI逐渐融入千行百业之中。例如，医疗场景、零售、工业、银行和投资领域以及自动驾驶领域等。最近智能汽车、人形机器人等概念也比较热门，我们可以看到越来多的行业应用正在不断涌现。而这也是AI渗透率提升的一个非常重要的原因。（参考资料：甲子光年智库）四、AI行业后市展望站在当前时点，我们来探讨一下对于AI后市的观点和看法。当下，AI行业可能属于新兴产业发展的第二阶段，这个阶段是投资回报率最高的阶段之一，市场所给的估值也会较高。从渗透率角度来看，当前AI行业的渗透率还处于很低的位置，2022年底，我国人工智能核心产业规模在国内生产总值中所占比例约0.4%，而根据PWC的预测，2030年人工智能产业占国内生产总值的比例大约达到26.1%。未来发展空间巨大。此外，对于AI板块近期的回调，我们认为这是非常正常的现象。从历史上的几个新兴产业来看，在上涨的过程中总会有相应的回调。AI板块在4月上旬大约回调一个半月，幅度约20%；6月下旬以来的回调，幅度约15%，时间尚未到一个月。下图是AI指数和新能车指数的叠加走势图，可以发现这两个产业的走势非常相近。新能源车在2019年之前也经历了一波大跌，此后才开启了一波放量。而AI在2020年10月份之前也经历了一波非常大的下杀，随后则逐步进入了估值修复及上涨的过程。（数据来源：wind）在渗透率提升的大逻辑下，AI从产业有可能会复制新能车产业的发展路径。我们非常看好AI行业的长期投资价值，近期的回调反而给投资者提供了很好的布局机会。平安AI人工智能ETF（512930）是业内首只人工智能主题ETF，紧密跟踪中证人工智能主题指数，成立于2019年，管理费率0.15%，是同类产品中费率最低的。中证人工智能主题指数是一个更侧重于AI产业链上中游的指数，目前中小市值成分股偏多，市场弹性大，未来业绩预期向好。欢迎大家关注！风险提示：界面有连云呈现的所有信息仅作为参考，不构成投资建议，一切投资操作信息不能作为投资依据。投资有风险，入市需谨慎!

有连云2023-07-19

生成式 AI 是炒作还是变革？

Jenny Grimberg 与多个 AI 行业专业人士进行了深度对话，包括 AI 风投公司 Conviction 创始人 Sarah Guo、纽约大学教授、初创公司 Robust.AI 首席执行官兼创始人 Gary Marcus、高盛软件和互联网分析师 Kash Rangan 和 Eric Sheridan，试图回答以上问题。除此以外，他们还探讨了 AI 领域当下最具吸引力的投资机会，以及投资者最应关注的风险。 AI 的革命性变化生成式 AI 与传统 AI 技术最根本的区别在于前者通过理解自然语言创建内容，而后者依赖的是编程语言，按照高盛软件分析师 Kash Rangan 的说法，这是生成式 AI 技术的关键变革特征。第一，它能够以文本、图像、视频、音频和代码的形式生成新内容，而传统的 AI 系统训练计算机对人类行为、商业结果等进行预测。第二，它允许人类用自己的自然语言与计算机进行沟通交流，这是以前从未有过的；传统上，计算机使用编程语言提示。 Guo 进一步解释说，在软件 1.0 时代人类需要编写代码来执行特定任务，软件 2.0 时代，则通过「艰苦」地收集数据来训练神经网络，现在人类迎来了软件 3.0 时代：基础模型可以通过开源或 API 使用，具有自然语言能力、推理能力，并具备关于世界的常识。在这种模式下，公司不需要收集几乎同样多的培训数据，使技术变得更有用、更容易访问、以及更便宜。自 ChatGPT 去年爆火出圈以来，许多人已经感受到生成式 AI 技术的强大。分析师认为，生成式 AI 可能会重塑社会生产的运作方式，为全球经济增添新的增长引擎。Guo 表示，生成式 AI 的变革潜力已经开始转化为现实。任何 AI 投资公司现在都可以投资这些模型，增强业务或进行转型。 Rangan 估计，在某些情况下，开发人员通过使用生成式 AI 工具，将生产力提高了 15-20%。而伴随着 AI 的普及，Guo 预计，未来更多领域，特别是法律、数据分析、图片、语音和视频生成等传统服务业，将越来越多地由 AI 提供服务。高盛 TMT 行业分析师 Peter Callahan 指出，散户认为生成式 AI 技术具备平台转型的所有要素，有可能全方位改变企业和消费者的体验。另外，高盛高级全球经济学家 Joseph Briggs 表示，这种变革潜力可能会对宏观经济产生深远影响。他估计，美国和其他发达经济体普及生成式 AI 技术后，能够在未来 10 年内将年劳动生产率增速提高约 1.5 个百分点，全球 GDP 最终将提高 7%。高盛美国股票策略师 Ryan Hammond 和 David Kostin 认为，美股也将从中受益，中长期内预计出现更为广泛的反弹，标普 500 指数的公允价值将比现在高出大约 9%。人工智能还远远不够智能，警惕过度炒作长期看来，AI 技术的变革性是毋庸置疑的，但鉴于当前这项技术的发展进度，市场对它的炒作是不是太过分了？ Marcus 的答案为「是」，因为「目前的人工智能还远远不够智能」。他指出，当前 AI 所谓的神经网络的功能与人脑的神经网络完全不同。AI 虽然可以进行「自反性」统计分析，但几乎没有成熟的推理能力。这些机器可以学习，但很大程度上围绕着单词的统计和对提示的正确反应，而非抽象概念。并且，它们不像人类那样拥有「内部模型」以让它们理解周围的世界。 Marcus 向投资者发出警告：要警惕 AI 能还没有很多人想象的那么神奇。我不会说现在投资 AI 为时过早；一些投资于那些拥有聪明的创始团队、对产品市场适应性有很好理解的公司可能会成功，但也会有很多失败者。 Marcus 说，通用人工智能（AGI）可能最终会实现，但人类距离这个目标还很遥远，而且任何投资都不可能改变这一点。此外，投资者还可以从历史中学习一些经验。高盛市场策略师 Dominic Wilson 和 Vickie Chang 曾提到，在过去创新主导的生产力繁荣时期，例如，电力（1919-1929）、个人电脑和互联网（1996-2005）普及之后，股价和估值飙升形成泡沫，最终走向破裂。 Guo 则认为，即使在今天，私募市场某些领域仍存在定价错误。虽然投资者对这些领域有更深入的了解，但仍然普遍采用相同的投资方法。她警告称，错误地判断变革发生的时机是投资中常见的陷阱。作为一名早期投资者，她不太关注估值，而是选择她认为有意义的市场、产品和企业。高盛互联网分析师 Eric Sherida 的看法稍有不同。他认为绝大多数表现出色的 AI 概念股的交易价格，相对于公认会计原则每股收益 (GAAP EPS) 的倍数，仍较为合理。 Rangan 也认为，AI 可能并非处于炒作周期中，因为本次浪潮是由科技巨头主导的，而非初创企业：这一技术周期并不是由（AI）新贵主导的，不太可能出现虎头蛇尾式的失败结局或需要耗费很长时间才能开始。 20 世纪 90 年代初（计算机）从大型机向分布式系统的转变，以及 21 世纪初从分布式向云计算的转变，所花的时间比许多人预期的要长，均因为大型老牌公司是反对的关键声音。正如 Rangan 所说，国外 ChatGPT 背后公司 OpenAI 有微软支持，谷歌推出了 Bard，投资 Anthropic 等 AI 初创公司，Meta 推出 LLaMA，国内百度、阿里等巨头也发布了自己的模型，全球 AI 竞赛正在如火如荼的进行中。「铁镐和铁铲」质疑炒作的声音不绝于耳，AI 当下还有哪些最引人注目的投资机会？按照 Rangan 和 Sheridan 的说法，机会不仅仅在于开发基础 AI 模型的大型科技公司，而且在于「铁镐和铁铲」 (Picks and Shovels) 企业。「铁镐和铁铲」是投资界传奇人物彼得·林奇偏好的投资策略之一，即投资于间接受益于某一热潮的公司。 Rangan 和 Sheridan 认为，在当前的 AI 潮中，半导体公司、云计算超大规模公司和基础设施公司等服务于该领域的公司都可以在当前的「构建」阶段获得有利地位。 Guo 有类似看法，但也看到了整个堆栈的机会，并且对应用层最为兴奋。许多投资者对这一层不确定，认为所有的价值都在模型训练本身，但在让非确定性模型在生产用例中发挥作用方面，需要大量的创造力和工作。目前初创公司和现有 APP 公司都将在许多领域利用这些功能...我们很兴奋。来源：金色财经

金色财经2023-07-14

24小时热点