“GPT冲击波已经席卷几乎所有大型的互联网公司，这些互联网公司无论主动还是被动都将不得不卷入这一轮AI的大潮中，新一轮的算力军备竞赛毫无疑问已经开始了。”
景顺长城股票投资部执行总监、基金经理杨锐文在昨天（2月27日）下午，景顺长城主办的《重塑与创造——2024 AI+洞察报告》中再次强调AI行业的重要性。
过去一年里，杨锐文不止一次这样说，也多次谈及对AI行业长期看好。
在景顺长城20周年策略会上，杨锐文就表示AI是一件关乎很多互联网公司生死存亡的事，不加入，“死亡”是时间的问题，但加入只有可能保住现有的地位。
在2023年的四季报中又写道，AI的发展似乎是跳跃式，而不是线性增长或指数式增长，对中国企业来说，只要跳跃速度不是足够快，就有望快速追赶。
作为成长型选手，杨锐文布局科技行业多年，并非“压赛道”，而是沿着产业趋势进行布局。
对他来说，真正的成长股一定处于未成熟的阶段，当前，全球的AI产业正处于迅速发展的阶段，他深信这个行业将会涌现出不少投资机会。
其实景顺长城基金近年来一直在重点关注科技创新领域投资机会。
从行业分布来看，截至2023年6月30日，景顺长城持有电子行业的市值有205.96亿，在持有的所有行业（申万一级）中占基金净值比排在第三，在计算机等其它科技行业的配置也不遑多让。
此外，公司内部将对科技成长有见解、有兴趣、有资源禀赋、科技类股票持仓较多的一批基金经理组成了景顺长城科技军团。
本次直播发布的《2024AI+洞察报告》，已经是由杨锐文领衔的景顺长城科技投研军团继《2023半导体洞察报告》、《2022新能源车洞察报告》之后第三份走心的科技洞察报告。
在本次发布会中，景顺长城科技投研团队对AI产业的发展前景及投资机遇进行了全方位梳理，全程“智”慧满满。
杨锐文首先对AI产业趋势提出了十大预测，景顺长城股票投资部总监、基金经理董晗、张仲维，基金经理张雪薇、农冰立、曾英捷、孟棋与研究员贡学博，分别从模型层、算力层、应用层三个方面，进行了详细拆解。
模型层好比AI的大脑，贡学博表示，模型未来会沿着多模态与AI Agent两大方向升级，而模型进化的终局是AGI，也就是人工通用智能。
AI的执行机构应用层又细分为软件和硬件。
在软件端，农冰立表示AI应用的商业价值可以在生产力和泛娱乐两个场景体现，其中游戏是最适合和AI结合的场景。
在硬件端，张雪薇表示应用软件的变革将推动硬件的创新，最直观的变化是未来可能每个人都会有一个AI终端，2024年将成为AI终端落地的元年。
最后，算力作为AI的“粮草”和“营养补给”，张仲维预计到2024年，全球AI服务器的市场规模也将会增长到接近千亿美金，全球AI算力芯片市场规模将进一步扩容至800亿美金，未来5年也将保持50%以上成长，并在2032突破2000亿美金体量，实现十年十倍成长。
而国产的算力芯片，董晗表示，基本达到2020年英伟达发布的A100水平，已具备一定的竞争力。
我们整理了本次发布会的主要内容，分享给大家。
景顺长城股票投资部执行总监、基金经理杨锐文：对AI产业趋势做了十大预测
过去一年，最火热的科技话题无疑是AI。
ChatGPT犹如平地惊雷一样点燃了新一轮科技革命的引线，景顺长城基金也第一时间调集了大量研究资源研究AI，我的同事们做了很多深入研究。
我们希望通过这篇AI+科技洞察报告展现这些研究成果给大家。
首先，我们对AI产业趋势做了十大预测。
AI产业在迅速发展，AI的应用场景在不断拓展。
但是，由于人工智能现有的泛化能力还是非常有限的，因此，场景的落地能力还是非常重要。
GPT冲击波已经席卷几乎所有大型的互联网公司，这些互联网公司无论主动还是被动都将不得不卷入这一轮AI的大潮中，新一轮的算力军备竞赛毫无疑问已经开始了。
我们长期看好AI的发展，未来也会投入大量的时间和精力扎根在这个行业的研究。
AI这门学科从1950年就已经诞生，人类一直在尝试让机器学会看图、下围棋、说话，直到2022年末 Chat GPT发布后，AI才真正开始进入到普罗大众的视野。
仅用2个月就积攒了过亿的用户，而当前爆火的抖音则用了整整9个月才实现这个目标。
而本轮人工智能的爆发，是因为它不再是在一个狭窄的领域里机械地只学会一种专长。
它拥有了广泛的能力圈，变成了通用人工智能，介入了人们生产、生活的方方面面，让每个人都觉得有用，所以才呈现出了井喷式的增长。
站在当下，我们认为，AI的发展将是一场席卷各行各业的技术革命。
过去一年，AI其实已经经历了一波热潮，市场认为当前AI所有的能力都已被大家挖掘，没有了新的亮点，所以产业进入了低迷期。
但事实并非如此，所有的科技巨头还在夜以继日地投入AI的研发和迭代，因为AI产业发展是多层次、多浪潮的。
按照基础大模型的能力去划分，我们正处在人工智能的第二个阶段，后面还有多模态、AI Agent到混合现实，再到具身智能等种种的突破可以期待。
未来通用AI的能力还会持续进化，推动机器重塑各行各业的脑力劳动。
AI产业包罗万象，但我们可以通过概括产业链，将其清晰分为三个层次，模型层、算力层、应用层。
模型层好比AI的大脑，模型的好坏直接决定了机器是否聪明；而算力层好比AI的粮草，补充了粮草和营养之后，大脑才能转得快；应用层则是AI的执行机构，包括呈现给我们的软件、搜索引擎和智能硬件等等。
通过这份报告的分析，我们判断在2024年，国内模型层将成为大宗品，需要和应用场景相结合才能创造差异化。
而应用层，AI将重塑生产效率和交互体验；而算力层作为支撑起整个AI产业的底层投资，将从训练转向推理。
AI应用可能会带来的颠覆性变化，与此同时，应用软件的变革也将推动硬件的创新。
最直观的变化是未来可能每个人都会有一个AI终端。
最有可能成为AI终端的设备是手机和PC，因为这是我们日常生产、生活中使用最高频的设备，天生具备搭载AI的场景。
目前从产业的准备上，所有主流的芯片厂商如英特尔、高通、联发科等，都已纷纷开始布局终端的AI高算力芯片，而手机品牌大厂、PC大厂也都会在2024年推出诸多具备AI能力的产品，因此，2024年将成为AI终端落地的元年。
除了智能手机，在2024年初，苹果将发布Vision Pro，这是一款混合现实产品，带着它，人们是可以感知到周围的真实世界的，可以在虚拟的画面和现实世界中精准地互动，应用场景可以更广阔地展开。
有很多投资者会担心MR会像VR那样成为一个失败的创新，但未来随着多模态大模型的发展，和3D数字建模的成熟，更多理想化的虚拟世界都可以低成本生产，不再需要进昂贵的影棚拍摄，用户甚至可以自己创作3D虚拟视频。
随着优质内容的源源不断和随时随地产生，MR的使用粘性和时长也会相应上升，如同现在的抖音平台一样。
苹果发布MR之后，我们认为安卓有望跟随，因为大厂是不会缺席对下一代智能硬件的卡位的。
未来随着主流手机厂家的纷纷入局，我们期待MR设备在硬件上变得更加好用、美观和便宜。
大模型发展到今天，经历了从量变到质变的过程。
我们认为，模型进化的终局是AGI，也就是人工通用智能，他不仅能和人类一样思考、学习、执行复杂任务，在能力上也将超越人类的总和。
而今天的大模型，在数学能力、复杂推理能力上，仍然存在着短板，模型的“幻觉”问题也制约了当下的应用落地。
从全球的AI发展趋势来看，下一代大模型将沿着多模态与AI Agent两大方向升级。
多模态大模型可以跟随人类的提示，利于眼动追踪、手势追踪，分析环境中的特定物体，人机交互形态迎来新的变革。
此外，多模态大模型还可以应用于自动驾驶、工业检测、电商娱乐等更丰富的场景，大幅提升模型的渗透率。
而AI Agent本质上，是在基础大模型之外添加了记忆、规划、工具使用和行动模块，让大模型向着AGI的终极目标更进一步。
随着大模型的持续进化，海外大模型的竞争格局走向马拉松式的淘汰赛，模型层每年升级一代，竞争门槛持续提升，参与玩家持续减少，最终的格局是寡头格局。
中国大模型与海外有1年代差，目前已有几十家模型获得监管授权，可以商业化运营，国内模型将持续追赶海外的发展进程。
我们认为，下一代的AI应用将高度整合各类功能，为用户带来自动化的体验。
随着自主AI芯片的落地与推广，算力成本将逐步下降，基础模型的使用成本也将降低。国内模型层格局相对海外更加分散，应用层将获得更高的产业价值分配。
模型更多是讲技术本身，而应用才是技术转化为商业价值的载体。
AI应用的商业价值可以在两个场景体现，
第一，生产力场景，AI提供的是效率价值，它能够辅助各个岗位完成工作，为企业降本增效。
基于AI应用的自动化程度和对于模型缺陷的容忍程度，创意设计、代码开发、智能客服、文档助理等都是相对更有潜力的应用场景。
在法律、医疗等容错率较低的领域，大模型的商业化需要更垂直化的微调和场景落地，商业化的时间点会更靠后。
现阶段我们更看好具备掌握良好用户基础和应用场景的既有玩家，而不是AI原生的新应用厂商。
此外，也看好的具备垂直领域数据壁垒的垂类应用厂商，比如金融、法律这样的专业领域，只有高质量的垂类数据才能够保证模型输出的专业性和深度，这类玩家也有较高的壁垒。
第二，泛娱乐场景，AI提供的是体验价值，它可以大幅提升普通用户和虚拟世界的交互体验。
泛娱乐领域有很多种表现形式，比如说图片、漫画、视频、游戏等等，我们认为游戏是最适合和AI结合的场景。
在游戏以外，其他形式的泛娱乐场景也可能会产生各自领域的超级平台。
现在AI赋能的内容创作工具降低了图片、漫画、视频和虚拟人等的制作门槛，对应地，未来或许有可能出现新的漫画、电影或者虚拟人领域的“抖音平台”。
AI赋能的另一个重要场景是汽车。
我们团队对智能汽车提出了以下四个研究观点：
第一，AI通过赋能感知和决策，将加速智能汽车技术升级；
第二，智能汽车产业发展的奇点即将到来，我们期待行业的爆发时刻；
第三，在智能汽车发展浪潮中，展望全球，中国汽车企业是最具备竞争力的；
第四，在汽车智能化的大贝塔下，具备全球竞争力的中国汽车产业链将酝酿巨大的投资机会。
我们2021年的洞察报告提出一个观点，“上半场电动化，下半场智能化”。
站在当下，我们认为智能汽车产业发展的奇点即将到来，智能车产业有望复制三年前电动化的发展浪潮。
首先，有关智能驾驶的法律法规逐步完善，其次是智能驾驶技术逐步升级，再加上具备L2+及以上的智能驾驶功能的车型的日益增加，我们判断智能化汽车的需求即将来到爆发时刻，而这个奇点类似三年前的电动化的奇点。
如果汽车智能化浪潮如期而至，中国汽车企业肯定是充分受益的，因为中国汽车产业链在全球都是最具备竞争力的。
在汽车智能化产业趋势背景下，我们最看好的是整车环节，其次是智能化相关零部件。
整车环节的竞争格局可能由于智能化而发生改变，变化就意味着机会。
而智能化相关零部件，将充分受益智能化的贝塔，享受行业渗透率快速提升所带来的时代红利，
其中比较受益的新增部件有线控制动、线控转向、域控制器、激光雷达等等。
最后，汽车经历电动化和智能化的技术变化，中国汽车弯道超车是必然的，中国从汽车大国进阶为汽车强国也是必然趋势。
AI的突破是机器人进化过程中里程碑式的事件。
AI大模型的进步，使得机器人开始真正拥有大脑，变得更像人类。
人类的典型进化包括直立行走、双手使用工具、使用语言交流、学习思考处理复杂的事务，最后是情感表达。
在AI的助力下，人形机器人也在这样一步一步进化。
特斯拉近期发布的第二代擎天柱行走速度提升了30%，从一代的单腿瑜伽动作到二代稳稳的深蹲动作，身体的协调进一步加强。
智能机器人的落地节奏可以从应用场景和成本两个维度展开。
应用场景方面将从to B到to C逐步展开。
最初可能用于工厂，其次在商业环境和公共场合也存在大量的需求，最后更大的作用或许在于消费者端多样化的护理与陪伴需求。
随着AI能力的不断提升，机器人的能力也将持续进化，应用场景依次展开，机器人需求量级也将成倍提升。
除了功能的升级，成本的下降是机器人能够大规模落地的另一个重要维度。
如果智能机器人的成本能够下降到汽车的价格区间，根据功能的不同，定价从几万到几十万元，或许是他们能够像汽车一样走入千家万户的临界点。
具体的降本路径不仅仅是依靠规模效应，更有赖于中国供应链的参与。
机器人所需的减速器、滚柱丝杠等核心零部件当前大多由海外供应商供应，价格昂贵。如果机器人达到百万台规模体量，中国制造大规模地参与进来，降本的空间是巨大的。
国产厂商通过参与机器人供应链，将实现自身制造能力的延展与升级。
这其中也充满了机会，通过不断探索新的应用、新的形态，也有机会享受于机器人家族不断壮大的红利。
可以看到，国产机器人供应链，已经开始活跃起来。
AI行业以及AI应用发展的基础来自算力的资源投入，算力之于AI，就如同我们现在享受移动互联网的便利，必须有通畅快速的网络建设环境一样。
因此，类比4G、5G建设，算力投资是应用爆发的必要条件和先行指标。
站在当前时点，我们认为算力投资正由训练向推理开始延伸，并更看好长期推理侧的需求爆发。
在美国制裁的背景下，国产AI芯片和生态系统将迎来史无前例的机会。
我们以全球头部云计算厂商经营的数据为参考，可以看到他们整体资本开支强度超过1000亿美金。
对比相关云计算收入业务，也率先实现了增速的企稳回升。
从结构来看，AI算力成为主要的增量投资方向。
我们以算力投资中价值量最大的服务器为参考，2022年全球出货量达到1500万台左右，对应产值规模超过1000亿美金。
现阶段，AI服务器占比不到20%，但受益于下游客户旺盛的投资需求，其绝对规模及份额都将呈现快速提升。
我们预计到2024年，全球AI服务器的市场规模也将会增长到接近千亿美金，占到整体市场的半壁江山。
全球科技龙头也对未来AI的需求拉动给以积极展望。
台积电预计AI相关业务营收未来5年将以50%复合增速快速成长，而海力士预计配套使用的HBM芯片2030年出货量将达到1亿颗，7年成长200倍。
旺盛的算力投资需求，也拉动了对应产业链的经营成长和投资机会。
分环节来看，价值量最大的算力芯片。
根据第三方统计，2023年全球AI算力芯片市场规模达到218.7亿美金。
现阶段，产能供给仍有瓶颈，集中在以台积电主导的先进封装环节，伴随供应链产能扩张及技术扩散，有望在明年中得到改善。
我们预计，2024年全球AI算力芯片市场规模将进一步扩容至800亿美金，实现翻番以上成长，未来5年也将保持50%以上成长，并在2032突破2000亿美金体量，实现十年十倍成长。
伴随算力需求从算力侧延伸到推理侧，算力芯片需求特征也在发生改变。
早期大模型快速迭代的训练端爆发阶段，芯片的算力及互联带宽为核心指标，同时使用通用芯片可避免专门研发定制芯片的高投入和高风险，故高算力通用GPU成为此阶段硬件最优解。
随着大规模应用部署推理端将逐步放量，此阶段偏应用定制化且具备成本、功耗、体积等优势的ASIC方案渗透率有望快速提升。
预计到2025年，云端训练、推理端，ASIC方案渗透率分别达到50%和40%，边缘测推理端ASIC方案渗透率将达到70%。
搭配算力芯片还需要相关的存储芯片。
对比算力芯片，近20年处理器峰值算力提高近90000倍，而存储器带宽仅提升30倍，存与算性能失配制约综合算力，云侧、端侧存力升级成为必然趋势。
云侧来看，AI服务器在SSD和Dram上的容量需求将分别达到8TB和2.7TB，约为传统服务器的2倍和4倍。
以2024年算力芯片出货为参考，对应配套HBM需求市场将达到接近百亿美金。
端侧来看，模型的本地化部署同样拉动存储容量升级，以单次运算100亿参数模型为例，当前手机的存储配置已经无法满足需求。
未来主流方案有望从当下的8GB提升到12GB以上。
从行业层面看，当前存储行业周期已处于底部区间，供给侧收缩叠加AI需求拉动，有望驱动行业周期向上。
景顺长城股票投资部总监、基金经理董晗：供应链国产替代有望全面加速
我们把视角从全球拉回到国内，看看这一轮轰轰烈烈的AI浪潮下，国产供应链未来的成长机遇在哪里？
从需求角度看，国内市场已经成为全球算力的重要组成部分。
参考工信部统计，2021年国内算力需求规模达到202 EFLOPS，占比32.9%，略低于美国，位列全球第二。
但是，这些算力的主要构成还是传统的X86 CPU架构。
AI时代，GPU服务器作为主要的需求增量，我们在这个时代面临的是怎样的局面？
在供给层面，国内AI硬件的产业生态尚不完备，优势环节主要集中在中下游的模块，以及整机的组装环节。
而在最核心的GPU芯片环节，和世界其他国家一样，我们现在也主要依赖于美国的头部芯片企业。
在价值量最高、技术难度最大的算力芯片环节。
对比性能参数，国产算力芯片在部分硬件参数方面，已经基本达到2020年英伟达发布的A100水平。
这说明我们和世界最先进的已经量产的算力卡，大致只相差一代，其实这已经是一个很了不起的能力。
当下国产芯片已具备一定的竞争力。
尤其是从训练侧来看，国内芯片性能指标是能够满足目前国内大模型的训练需求。
当前差距主要存在于软件生态的适配。
在制造环节，我们的制造能力还是可以满足当期的需求。
目前中美在半导体产业生态的进一步“割裂”，本土先进产能的扩张能力是国产芯片厂商竞争的关键要素，国内半导体制造设备企业的进步可能是最为核心的要素。
而在先进封装领域，国内厂商已有技术积累，并在积极技术及产能投入下，未来具备更好的追赶机会。
整体而言，国内外在科技领域的竞争愈发激烈，AI作为新一轮“工业革命”的核心驱动，不可避免面临着外部环境的制约。
近期针对AI算力芯片的禁运，一定程度上延缓了国内算力的投资节奏，但也让终端客户意识到，本土产业链配套的必要性和迫切性，供应链国产替代有望全面加速。
如果说，2018年是国内半导体企业的成长拐点，外部冲击下开始了真正自主可控之路。
那么，2023年针对算力芯片管制升级，也将开启国产算力生态发展的新起点。
我们期待并相信着，在像华为这样的龙头企业的牵引下，各个产业链环节将会不断涌现出优秀的国产厂商，并在客户的支持下实现快速的技术迭代。
—— / Cong Ming Tou Zi Zhe / ——
排版：周周责编：艾暄
