摘要：“2023年与其说是AI技术的突破年，不如说是普通大众对AI技术的普适性应用从0到1的认知变化起点，这会使得未来10-20年各个领域掀起对于AI技术融合的产业革命。” 浙商基金智能权益投资部总经理向伟近日在接受第一财经专访时表示。今年以来，...
“2023年与其说是AI技术的突破年，不如说是普通大众对AI技术的普适性应用从0到1的认知变化起点，这会使得未来10-20年各个领域掀起对于AI技术融合的产业革命。” 浙商基金智能权益投资部总经理向伟近日在接受第一财经专访时表示。
今年以来，OpenAI发布的ChatGPT大模型爆火，业内有观点认为2023年是AI投资元年。“同样的话好像在2014年AlphaGo火热的时候也听过。”向伟直言，AI技术的发展是一个厚积薄发的过程，AlphaGo其实在2011年就有了，ChatGPT在5年前就有了，这些新兴技术的爆发并不是一夜之功。
他同时表示，“数字经济不只是2023年的投资主线，而且是未来10-20年的投资主线。”
国内AI大模型存在哪些差距？
ChatGPT人机交互的聊天接口，使得原本后端复杂的黑盒模型以普通人类能懂的交互方式呈现给大众。大模型的效果由数据、算力、算法三方面共同决定，那么具体来看，国内大模型存在哪些差距？
数据方面，OpenAI团队在最近5年资源非常拮据的情形下坚持持续积累标记数据，这是其通用对话大模型目前效果领先的根本性原因。向伟表示，国内互联网公司中，也有对话系统数据积累较早而且垂直产业链数据布局较全的厂商，拥有不错先发优势；国内头部高校的AI实验室受益于学界数据联盟，也拥有一定优势。
算力方面，向伟认为，国内大模型虽然在芯片先进制程上仍然面临困难，但是在规模效应上只和各家的资本开支意愿相关，随着时间往前并不会成为最大瓶颈。
分别从AI模型的训练端、应用端、实时通信端来看，首先训练端，无论是CPU还是GPU，都呈现出海外企业更强的局面，同时上下游研发生态圈非常完善，因此中国的新兴科技公司一方面在硬件研发端还需要一定时间追赶，另一方面，培育上下游研发生态圈，还需要相当年份的积累。“这方面的公司在未来的10-20年会处于持续投入研发的过程中。”向伟称。
其次，AI模型应用端还需要一些模型解码端芯片，这方面的数字芯片国内已经有不错的发展，而且相对海外企业来说具备一定竞争优势。“今年ChatGPT这类大模型给普通大众开的脑洞，是让大家认知到原来各行各业都可以借助AI模型融入传统的生产生活过程，因此未来10年，终端的AI解码芯片在各行各业的渗透率会大幅提升，在这个过程中，中国企业受益于产业链成本优势可能反而会跑的比海外更快，在业绩端的爆发力也会更强。”
此外，通信端的数字基建链接的是训练端和应用端，会制约各个垂直领域AI化在产业数字化过程中的运用效率。向伟表示，国内通信端的数字基建已经显著领先于海外，短期不会成为瓶颈。
算法方面，过去10-20年，海外科研院所和科技公司注重基础理论研究，而国内科技公司更多注重应用科学（例如电商、视频、出行物流、金融等），因此在前瞻算法的创新上不如海外。
“不过，最近5-10年随着国家加大对AI的资源和政策支持，基础理论研究方面国内与海外的差距已经缩短，而且AI算法的革新频率也比较快，当下领先的技术未必在未来领先，因此在未来新模型和算法的迭代过程中，中国受益于中国数字基建方面的优势，在某些垂直领域的发展进程会快于海外。”向伟称。
普涨后部分AI公司或现估值回归
投资方面，投资收益一般分为估值端的波动与业绩端的贡献。
“目前各个垂直领域大多尚未展开实质性的AI产业革命，因此短期业绩端的贡献很难很快兑现。”向伟表示，近期AI上中下游的普涨行情多半来源于无差别的估值普涨，这相当于是提前透支了未来3-5年的业绩成长空间，而在实业领域成功孵化出一个AI商业模式的公司往往需要约10年的时间。
因此，在经历了短期市场情绪的爆发之后，大多数无法在短期将AI技术转化为实质性业绩的公司，其估值又会缓慢回归到常态。向伟提示到，今年短期对于数字经济板块的投资操作难度与风险其实是相当大的。
而对于3-5年以上的长期投资主线而言，向伟认为三条脉络值得关注：一是数字要素中由于大数据积累带来的数字资产入表带来的估值重定价公司；二是由于各个传统行业开始引入AI技术后从0到1渗透率提升的终端数字芯片公司；三是应用端快速受益于AIGC实现规模化生产降本的垂直领域应用公司，例如传媒、医药、教育等。
