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

　　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