诺安基金陈衍鹏:AI产业到了大浪淘沙分化阶段 下半年重点关注AI在广告、搜索引擎、游戏等领域商业变现逻辑

诺安基金陈衍鹏:AI产业到了大浪淘沙分化阶段 下半年重点关注AI在广告、搜索引擎、游戏等领域商业变现逻辑
2023年08月16日 13:20 新浪基金

安装新浪财经客户端第一时间接收最全面的市场资讯→【下载地址

  AI 大模型资本产业论坛圆满落幕,但AI市场的关注度却不减。新浪基金对话诺安益鑫基金经理陈衍鹏,就国内大模型发展现状、AI 行业未来发展趋势及面临挑战、确定性的一些投资机会进行剖析。

陈衍鹏 诺安益鑫基金经理陈衍鹏 诺安益鑫基金经理

  陈衍鹏表示,国内这一波人工智能浪潮的核心任务就是训练大模型。大模型将成为未来AI计算的“操作系统”,是解决AI应用碎片化的新开发范式。大模型会成为一种基础设施,输送给百行千业,所有的应有接口都会被大模型改造。

  对于普通人而言,一是要去学习和跟踪AI产业,积极拥抱AI产业趋势;二是要更加注重创新型的技能,比如说prompt、创意思维很重要。

  他指出,对于AIGC赋能“千行百业”兴致勃勃。但现在我们不得不承认,AI产业确实到了一个大浪淘沙的分化阶段了。如果AI对于商业模式、业绩的改进能够得到验证的话,市场依然会给予较高估值,后续的关键是跟踪AI技术演进的逻辑,寻找能够真正落地的环节。具体到板块而言,下半年我重点关注AI在广告、搜索引擎、游戏等领域的商业变现逻辑,中期重点关注AI在教育、辅助诊疗、工业设计等产业端的应用。

  精彩观点:

  大模型将成为未来AI计算的“操作系统”,是解决AI应用碎片化的新开发范式。通俗地讲,大模型会成为一种基础设施,输送给百行千业,所有的应有接口都会被大模型改造。

  后续展望,全球科技浪潮的生命力与持续性相信会超预期。

  目前我国已经从AI应用、大模型、AI数据要素、AI底层芯片形成完整产业布局。

  今年上半年AI产业发展迅速,在这个过程中暴露出算力短缺、数据安全等问题和挑战。

  下半年开始,A股算力企业进入业绩兑现期。AIGC大模型的算力需求来自于①初始的训练量,和千亿级别的参数量②推理需求,即广泛的应用场景。

  AI技术落地需要过程,不是一蹴而就的,在此期间我们不能对短期变化过于着急,却低估了行业长期变化带来的质变。

  对于二级市场投资而言,今年有两波系统性的上涨,未来调整后一是看应用端落地进展,二是看算力的需求展望,两者相辅相成,算力需要应用来夯实基础,应用需要算力完善和推广。

  对话实录如下:

  大模型将成为未来AI计算的“操作系统”,是解决AI应用碎片化的新开发范式

  新浪基金:国内大模型“百家争鸣”,您对于产业目前的火爆有何看法?

  陈衍鹏:这一波人工智能浪潮的核心任务就是训练大模型。大模型是一个神经网络,之所以现在如此受关注,是因为当人工智能的参数量达到百亿级别后,拐点出现,人工智能的能力将不可预测,即所谓的“智能涌现”现象。人工智能没有被预期到的能力开始出现,这种不可预知让大家都很兴奋。

  大模型是“大算力+强算法”结合的产物,大模型的发展是人工智能发展的趋势和未来,它是AI带来的生产力和生产关系变化的发动机,各行各业将会发生的变化都是由大模型的嫁接带来的。

  其次,大模型是基础能力,提供泛化能力,大模型基础上可以结合行业数据做蒸馏,做行业模型,然后行业模型再和一些具体的业务场景结合,实现模型的私有化部署。大模型将成为未来AI计算的“操作系统”,是解决AI应用碎片化的新开发范式。通俗地讲,大模型会成为一种基础设施,输送给百行千业,所有的应有接口都会被大模型改造。

  新浪基金:AI 大模型应用百花齐放,普通人该如何选择?

  陈衍鹏:在人工智能时代背景下,普通人首先要去学习和跟踪AI产业,积极拥抱AI产业趋势,比如小孩去学AI教育课程,分析师去听AI电话会议。二是要更加注重创新型的技能,比如说prompt、创意思维很重要。需要大量熟悉提示工程(Prompt Engineering)的人才来完成具体任务。

  全球科技浪潮的生命力与持续性会超预期 现在仍面临三大难题

  新浪基金:在您的实践经验中,AI 行业在未来的发展中,存在哪些挑战和机遇?

  陈衍鹏:后续展望,全球科技浪潮的生命力与持续性相信会超预期。

  一是AI算力的持续短缺。华为预计,到2030年通用计算能力将增长10倍,AI计算能力将增长500倍。5月底以来,以英伟达、博通、台积电、AMD、亚马逊、甲骨文等为代表的全球计算巨头,在产能、订单、业绩上均给出乐观指引。国内服务器、光模块、芯片等代表企业亦给出相对乐观的态度。下半年开始,A股算力企业进入业绩兑现期。AIGC大模型的算力需求来自于①初始的训练量,和千亿级别的参数量②推理需求,即广泛的应用场景。

  二是大模型。

  三是应用,讲究落地为王。要降本增效创造需求或价值。诸多应用都已经出来或在陆续出来,在产业的早期就能切实给用户创造价值。最早是文字交互,搜索类应用,是应用的冰山一角,然后是多模态,文生图、图生图、文生视频、音频转文字等内容创作领域,在电商、游戏美工、互联网营销等场景也有广泛应用,包括数字人等。未来金融、法律税务、医疗健康、教育、工业设计等B端应用也将增多。

  不过现在仍有一些难题,一是AI有智力涌现的能力,背后的机理是什么、AI进化的速度是不是太快仍需关注,前段时间海外有人提出要限制GPT过快发展,AI安全监管提上议事日程。二是国内AI的底座——芯片,还处于卡脖子阶段,在算力、功耗、软件兼容性上与海外有差距。三是应用端,巨大的潜力和现实之间还有差距。AI技术落地需要过程,不是一蹴而就的,在此期间我们不能对短期变化过于着急,却低估了行业长期变化带来的质变。对于AI产业上正面的创新和实践要给予支持和鼓励。对于二级市场投资而言,今年有两波系统性的上涨,未来调整后一是看应用端落地进展,二是看算力的需求展望,两者相辅相成,算力需要应用来夯实基础,应用需要算力完善和推广。

  机器人方向的进展是令人震撼的 不少资管公司也都在积极发力AI应用

  新浪基金:您认为 AI 产业的技术创新和应用将如何影响我们的生活和工作?

  陈衍鹏:我们看到游戏、美术设计、文本攻关等领域,已经有替代人类的一些案例了。

  1、工业设计制造。在一些更专业的领域,也有迹象,比如说AI智能投顾、工业设计,甚至看到AI电路设计的案例。工程师通过和GPT-4沟通,生成VHDL,仅用19轮对话造出130nm芯片。HDL代码需要非常专业的知识,对很多工程师来说掌握它们都并非易事。AI还帮助缩短芯片的设计时间和上市时间,允许芯片设计者进行更具创意的设计。

  2、自动驾驶。过去我们经历了车的电气化,现在国内外电动汽车渗透率超过30%,车的下半场是智能化。现在是L2级别的辅助驾驶,可以较好完成车道保持、高速跟车等。未来L3级别,驾驶员只有在必要的时候才对车辆进行接管。车有8个以上的摄像头,加上观测距离有几十米的毫米波雷达,本身具备足够的信息采集系统,现在借助FSD,进行足够的训练后,可以进行决策。目前,美国FSD使用者渗透率大幅提升。

  3、机器人方向的进展是令人震撼的。大语言模型推出后,彻底摆脱了以前的机器人设计模式,降低了门槛,迭代演化速度惊人,机器人在交互能力、泛化演进、规划控制等方面能力也有极大提升。谷歌推出RoboCat,提供人类控制的机器人手臂操作实例,对该操作实例练习10000次,生成更多的训练数据。在观察1000个由人类控制的示范项目(仅仅几个小时就收集完毕)之后,RoboCat能够灵巧地指挥新的机械臂,适应精确性和理解性相结合的任务。RoboCat独立学习技能和快速自我提高的能力,特别是应用于不同的机器人设备时,将有助于为新一代更有效、通用的机器人铺平道路。

  近来不少资管公司也都在积极发力AI应用,如交易、智能投研、产业链知识图谱、AI客服等领域,也有尝试用AI虚拟人进行投资者教育方面的尝试。输入个人视频和声音,生成虚拟人,然后文字表达交给AI虚拟人,对投资者进行理财知识讲解和投资科普,甚至AI虚拟人可以和投资者进行一对一互动,提高投资者的学习兴趣,也能提高投资者学习深度。

  国内至少有70家企业推出自己大模型 算力仍然是中长期要面临的问题

  新浪基金:您认为我国 AI 产业存在着哪些优势与劣势?

  陈衍鹏:从优势来看,我国移动互联网时代的发展是领先全球的,具备全球位居前列的通信网络、用户基础和龙头互联网企业。因此在AI发展的早期,我国企业就已经开展了相关的研究和产业化工作,AI具备较好的产业基础。目前我国已经从AI应用、大模型、AI数据要素、AI底层芯片形成完整产业布局。当然,我国AI产业也存在一些短板,比如说目前我国的AI芯片相较于海外科技巨头在运算能力、功耗、开发生态上仍有差距,大部分企业依然需要采购A800和H800芯片,AI芯片的国产化率较低,一旦面临外部环境变化则会有卡脖子的风险。

  新浪基金:您如何看待,在产业发展中存在的算力短缺、数据安全等挑战?

  陈衍鹏:今年上半年AI产业发展迅速,在这个过程中暴露出算力短缺、数据安全等问题和挑战。大模型训练本身需要巨大的算力,不完全统计国内至少有70家企业推出自己的大模型。目前使用最广的依然是英伟达的H800和A800芯片,上半年芯片出现缺货涨价的现象,产品从订单到交付的周期也拉长,到6月份之后才略有缓解。往后看,算力仍然是中长期要面临的问题,一方面是英伟达在流片缓解依赖台积电,而台积电COWOS封装产能有限,公司计划到明年下半年封测产能翻倍,这是一个产能瓶颈环节;另一方面是美国有对中国AI芯片的卡脖子风险。

  数据安全也是今年三四月份引起市场关注的问题。我国去年数字中国的政策里就强调数据要素的重要性,且数据对于提高大模型的训练质量至关重要。在某些领域已经有些AI训练数据收费的商业模式。另外,对于数据的脱敏和安全性处理则不仅仅是AI发展过程中要注意的问题,而是大数据年代的重要议题。

  下半年重点关注AI在广告、搜索引擎、游戏等领域的商业变现逻辑

  新浪基金:您认为 AI 产业目前有哪些投资机会?投资时机是否出现?

  陈衍鹏:我一直在看AI,2014年的图像识别、2017年的围棋、2019年的安防摄像头、去年10月份的文生图模型。在筛投资机会方面,我认为以下3点非常重要。一是认清行业趋势,了解产业发展的规律,对未来做出一些方向上的预判,二是对于产业演进要及时跟踪,三是在产业链上寻找出价值量大、格局好的优秀公司。

  还记得年初的时候,我跟大家一样,对于AIGC赋能“千行百业”兴致勃勃。但现在我们不得不承认,AI产业确实到了一个大浪淘沙的分化阶段了。在我看来,如果AI对于商业模式、业绩的改进能够得到验证的话,市场依然会给予较高估值,后续的关键是跟踪AI技术演进的逻辑,寻找能够真正落地的环节。

  具体到板块而言,下半年我重点关注AI在广告、搜索引擎、游戏等领域的商业变现逻辑,中期重点关注AI在教育、辅助诊疗、工业设计等产业端的应用。

  AI投资逻辑没有发生变化, AI是人类科技革命,类似于工业革命、电气革命和互联网革命,能够显著的提高效率降低成本,创造新的需求和商业模式,这决定了行情的广度和深度。

  风险提示:市场有风险,投资须谨慎。本观点仅代表当时观点,今后可能发生改变,仅供参考,不构成投资建议或保证,亦不作为任何法律文件。投资者投资于本公司管理的基金时,应认真阅读《基金合同》、《托管协议》、《招募说明书》、《风险说明书》、基金产品资料概要等文件及相关公告,如实填写或更新个人信息并核对自身的风险承受能力,选择与自己风险识别能力和风险承受能力相匹配的基金产品。投资者需要了解基金投资存在可能导致本金亏损的情形。基金管理人承诺以诚实信用、勤勉尽责的原则管理和运用基金资产,但不保证基金一定盈利,也不保证最低收益。基金管理人管理的其他基金的业绩不代表本基金业绩表现。基金的过往业绩及其净值高低并不预示其未来业绩表现。基金管理人提醒投资者基金投资的“买者自负”原则,在做出投资决策后,基金运营状况与基金净值变化引致的投资风险,由投资者自行负担。我国基金运作时间较短,不能反映股市发展的所有阶段。

海量资讯、精准解读,尽在新浪财经APP

责任编辑:石秀珍 SF183

VIP课程推荐

加载中...

APP专享直播

1/10

热门推荐

收起
新浪财经公众号
新浪财经公众号

24小时滚动播报最新的财经资讯和视频,更多粉丝福利扫描二维码关注(sinafinance)

7X24小时

  • 08-28 威尔高 301251 --
  • 08-23 金帝股份 603270 --
  • 08-22 民生健康 301507 --
  • 08-21 儒竞科技 301525 --
  • 08-16 泰凌微 688591 24.98
  • 股市直播

    • 图文直播间
    • 视频直播间
    新浪首页 语音播报 相关新闻 返回顶部