5000亿公募新动态 AI+洞察报告出炉！

基金行业新动态，AI洞察报告新鲜出炉！

AI浪潮强势来袭，景顺长城科技军团利剑再出鞘。2月27日，景顺长城基金科技军团发布《重塑与创造——2024AI洞察报告》（下称《报告》），从专业机构投资者角度对AI产业的发展前景及投资机遇进行全方位解析。

据了解，景顺长城基金近年来重点关注科技创新领域投资机会，注重科技投研能力建设，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。通过深耕科技产业研究，连续三年发布科技产业洞察报告，帮助投资者认识科技相关投资机会背后的逻辑。这是继新能源汽车报告、半导体报告之后，景顺长城科技军团第三次发布科技洞察报告。对此，景顺长城股票投资部执行总监杨锐文直言，“发布《报告》旨在将我们的投资逻辑和研究思路清晰地展现给投资者，将晦涩难懂的科技知识变得简单易懂，让前沿科技带来的投资机会真正被了解和认同。”

《报告》率先提出AI+产业的十大预测，并沿着AI产业链的三个层次——模型层、应用层、算力层，依次深度剖析各个趋势的发展情况与核心驱动力，以期能为AI产业界带来有益参考。

景顺长城科技军团表示，我们正在见证一个新时代的到来。AI的终局将超越人类能力的总和，2024年将是AI终端创新与应用落地的元年，产业周期将持续10年。AI产业将呈现“多层次、多浪潮”的发展特征，在科技领域持续带来新的投资机会。

AI+产业十大预测重磅发布

《报告》开篇，景顺长城科技军团对AI+产业进行了预测，提出人工智能产业未来发展的十大趋势：

趋势一，AI将带来一场席卷各行各业的技术革命；

趋势二，大模型正在向多模态和AI Agent方向进化；

趋势三，海外模型将走向寡头格局，国内存在约一年代差；

趋势四，AI将明显提升脑力劳动效率，推动生产力革命；

趋势五，AI将重塑交互体验，有望孵化出新一代超级平台；

趋势六，AI应用将百花齐放，驱动新一轮硬件创新周期的到来；

趋势七，AI赋能感知与决策，加速智能驾驶奇点到来；

趋势八，AI重塑机器人大脑，产业链迎来新机遇；

趋势九，算力需求将从训练转向推理，从云端转向边端；

趋势十，海外算力禁售推动国产芯片和先进封装迎历史性机遇。

对未来趋势的展望，立足于对AI的理解和发展现状的剖析。《报告》指出，此次AI的爆发，本质在于以ChatGPT为代表的大语言模型向世人展露出了前所未有的能力，即机器可以像人一样在一切领域里无差别地学习和与人类交互。

人工智能将是一次科技革命，它将会影响到各个行业。《报告》认为，只有能提高全社会生产效率的技术创新，才能被称为“技术革命”。人工智能的出现，极大地减少了人们的智力活动，将人们从单纯的数字化工作中解放出来，或将带来新的市场机会和财富变革。

景顺长城基金经理张雪薇表示，“AI+革命已经到来，但当下的AI还不够完美，从研究成果到商业应用的转化是一条漫长而艰险的道路。科技产业的发展是非线性的，AI的发展将伴随多个浪潮、多次革命和多次至暗时刻，带来不断出现的新投资机会。”

按照基础大模型的能力去划分，我们现在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。

该如何分析AI产业？《报告》还对AI产业链进行了分类和解读。模型层是大脑，算力层是粮草，应用层是执行单位。

大模型的竞争格局包括海外大模型的竞争以及中国大模型的追赶进程。应用层主要涉及生产力场景和泛娱乐场景。算力层则关注推理需求的爆发以及国产替代的加速发展。

模型层：大模型将向多模态与AI Agent进化

《报告》的第二部分，主要介绍大模型在AI中的角色和下一代大模型的进化方向，以及海内外大模型的竞争格局。

大模型为AI Agent提供强大核心大脑。目前随着模型规模增大，大模型展现出上下文学习、推理和思考链等多种类似于人类思考方式的能力，变得越来越“聪明”。

回溯大模型发展历程，经历了从量变到质变的过程。量变阶段，景顺长城基金贡学博比喻道，“大模型就像一块海绵，会不断地吸收知识。当我们喂给模型更多的知识、扩大模型的‘脑容量’（算力和参数量），模型的学习效果会不断地提升。”

而当模型体量足够大或“脑容量”达到一定规模时，模型会出现类似人类“开悟”般的涌现能力，经过思维链提示后（一步步思考），模型推理能力随模型规模扩大显著提升，从而完成质变。

贡学博认为，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。因此，我们需要改进大模型。

针对下一步大模型的进化方向，《报告》指出，或将沿着多模态与AI Agent两大方向升级。其中，多模态大模型将带来三方面的改变：一是提高泛娱乐、商业等场景内容创作效率；二是感知交互升级，带动终端硬件革新；三是拓展落地场景，提升AI渗透率。

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。“想象一下我们戴着具备AI能力的AR墨镜在海边用餐，只需要看一眼餐桌和菜单，模型就可以计算账单金额，帮我们自动结账。多模态大模型将成为每个人的生活助理，带动AI终端硬件的创新。”贡学博说。

《报告》指出，大模型进化的另一个方向是AI Agent，即可以像人一样规划、反思、使用工具的AI程序。AI Agent相对语言大模型最大的改进是增加自主行动能力，在实现目标过程中无需人类干预。

对于海内外大模型的竞争格局，《报告》也进行了分析。《报告》指出，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，最终的格局是寡头格局。

而中国大模型起步慢于海外，目前能力上与海外约1年代差。首先，海外大模型开源推动了技术的扩散；其次，科学家与工程师的人员流动也会加速技术的扩散，预计中国的AI人才在未来几年会持续扩充，追赶海外成为可能。

应用层（软件端）：重塑生产力和泛娱乐两大应用场景

在介绍完模型层的内容后，《报告》第三部分主要阐述AI软件的应用，即如何将技术转化为商业价值。

目前的AI应用可以分为生产力和泛娱乐两个场景：生产力场景下，AI提供效率价值；泛娱乐场景下，AI提供体验价值。

AI应用场景众多，哪些场景能更快实现商业化落地？《报告》认为，一方面，在容错率较高的场景，例如素材生成、文案草稿撰写、代码开发助理等场景，AI应用领先落地。另一方面，AI大模型的能力半径也是应用落地的重要影响因素。目前图像生成模型与大语言模型相对成熟，在相关领域使用AI模型已经可以基本实现工作流的自动化。

基于此，景顺长城基金经理农立冰直言，现阶段更看好具备掌握良好的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。另一类他看好的是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。

除生产力场景外，泛娱乐领域是AI的另一大应用场景。《报告》指出，泛娱乐领域中，游戏是最适合和AI结合的场景。原因在于，游戏中的各种元素可以通过AI生成，游戏的各生产流程也可通过AIGC提效。

AI与游戏结合的方式主要包括两种，一是改变游戏内容，二是彻底改变游戏形态。在内容方面，传统游戏中，游戏的玩家按游戏创作者预先安排的进度进行游戏内容消耗，类似于“读剧本”。

而未来，AI Agent诞生后，游戏中的NPC被赋予了“生命”，AI NPC会像人一样设计每天的生活轨迹，记住当天发生的事情，玩家与NPC的每一次交互都将改变NPC的生活轨迹，创造出具有无限可能性的游戏内容。

在农立冰看来，AI与游戏的这种结合方式，不会改变行业格局，而会强者恒强。因为游戏内容创新质量对大模型能力的依赖度较高，而自研垂类模型精准度等能力又远高于开源模型，预计拥有大量资金和数据的大厂会在模型方面具有更强优势。

《报告》指出，AI游戏结合的第二种方式就是改变游戏形态。传统情况下，游戏制作门槛较高。未来玩家人人可做策划，并通过AI加持下的UGC来完成代码、美工、测试等任务，实现“游戏去厂商化”。

该创新或颠覆产业链格局，游戏厂商话语权降低，而平台地位凸显。这种情况下，最后或会出现游戏平台的“抖音时刻”。不仅是游戏，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。

应用层（硬件端）：广泛应用于消费电子、汽车、机器人等

AI在软件端的应用落地可能带来颠覆性变化，与此同时，《报告》预测应用软件的变革也将推动硬件的创新。

就硬件端的落地而言，下一代的AI终端形态会百花齐放，将从手机和电脑拓展至可穿戴设备，从自动驾驶的汽车延展至机器人。

首先，最直观的变化是未来可能每个人都会有一个AI终端。生成式AI每一次搜索查询其推理成本是传统搜索方法的10倍，而端侧AI部署有利于降低边际推理成本。

景顺长城基金经理张雪薇认为，当前，最有可能成为AI终端的设备是手机和PC，因为他们是我们日常生产、生活中使用的最高频的设备，天生具备搭载AI的场景，而且他们本来就具备一定的算力。目前从产业的准备上，所有主流的芯片厂商如英特尔、高通等，都已经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，她判断2024年将成为AI终端落地的元年。

《报告》指出，除智能手机外，新的内容和应用可能会推动新的智能终端产生。苹果已经早有准备，2024年初苹果Vision Pro上市，这是一款混合现实（MR）的可穿戴头盔，其相对VR应用场景大幅拓展。

当前VR出货量仍小，核心卡在内容供给。AI多模态和3D建模生产内容，MR出货有望上台阶。未来优质内容可以源源不断地随时随地生产，届时MR的使用粘性和使用时长也会随着上升，就像当前的短视频平台一样。

“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好用、美观和便宜。”张雪薇称。

在消费电子等领域之外，AI赋能的另一个重要场景是驾驶。据《报告》介绍，AI赋能智能驾驶，主要是赋能感知层和决策层。在感知层，通过模型的不断迭代，使其拥有类似人类“眼观六路、耳听八方”的能力。决策层通过AI的训练，尤其是后续“端到端”的实时控制，让汽车可以自主决策。

在这部分，《报告》得出结论称，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。一方面，智能驾驶的法律法规逐步完善。另一方面，智能驾驶技术逐步升级。

如果汽车智能化浪潮如期而至，我们中国汽车企业能否充分受益？《报告》指出，综合供给端、需求端和技术端来看，中国汽车产业链展望全球都是最具备竞争力的。

在汽车智能化产业趋势背景下，具备全球的竞争力的中国汽车产业链，也必将酝酿出巨大的投资机会。而景顺长城基金最看好的是整车环节，其次是智能化相关零部件。

AI的突破是机器人进化过程中里程碑式的事件。在AI的助力下，人形机器人也在一步一步进化。《报告》指出，机器人应用场景将从2B到2C逐步展开。智能机器人最初可能用于工厂，替代劳动者双手。其次，商业环境和公共场合也存在大量需求，比如餐饮服务、巡检展览。但机器人真正的未来在于需求迥异的消费者端，包括家居、护理、陪伴等。

随着AI能力的提升，机器人的能力将持续进化，可应用场景开放性增强，需求量级也将成倍提升。未来机器人形态将是多样化的，取决于不同需求场景下，对应功能形态能否降本增效。

“而除了功能的升级，成本的下降则是机器人能够大规模落地的另一个重要维度。”景顺长城基金经理孟棋认为，“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。目前可以看到，国产机器人的供应链已经开始活跃起来。”

算力层：国产替代势在必行

算力是所有人工智能应用都需要使用的基础设施，特别在模型训练阶段，对算力的需求量往往更大。随着AI在软件和硬件端的应用落地，AI算力产业链也将迎来投资机会。

类比4/5G建设，算力投资是应用爆发的必要条件和先行指标。作为AI产业的根基，算力层的资本开支，通常先行于产业生态的发展，也是后续应用爆发的必要条件。

《报告》以全球头部云计算厂商经营数据为参考样本，可以看到，他们整体资本开支强度超过1000亿美元，对比相关云计算业务营收，也率先实现了增速的企稳回升。而结构上来看，AI算力成为主要的增量投资方向。

就全球范围内而言，推理需求驱动算力投资快速成长。一方面，全球算力投资规模在千亿美元以上，AI是未来主要的增量。以算力投资中价值量最大的服务器为参考，未来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。《报告》预计，到2024年全球AI服务器的市场规模将会增长到近千亿美元，占到服务器市场的半壁江山。

另一方面，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，将重塑产业链价值分配。

《报告》预测，算力芯片市场规模增长有望十年十倍。2023年，全球算力芯片市场规模达到218.7亿美元，而根据产业链跟踪及测算，预计2024年这一数字有望扩容至800亿美元，实现翻番以上成长。向后展望， 2032年整体市场规模将达到2274.8亿美元。

《报告》认为，伴随推理侧需求释放，ASIC方案有望加速渗透；存储芯片也有望实现配套升级，云侧/端侧存力升级成为必然趋势。

针对算力产业链上的国产替代新机遇，《报告》从需求端和供应端等角度进行了分析。

数据显示，国内算力需求已经达到全球第二，并实现更快速增长。但在供给层面，国内产业生态尚不完备。目前，国内厂商业务布局更多集中在中下游模块和整机组装环节，而在上游核心芯片等物料，仍存在明显的对外依赖。

近期，针对GPU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。这是挑战也是机遇，供应链国产替代有望全面加速。

具体到价值量最高、技术难度最大的算力芯片环节，目前国内芯片在硬件参数方面已基本达到海外可比水平，差距主要体现在软件生态。海外巨头尚未构建坚实的壁垒，国产芯片具备竞争力，在未来百花齐放的竞争格局下，国内推理芯片厂商有望获得更高的市场份额。

制造环节，国内产业链配套同样面临着机遇和挑战。芯片由设计厂商完成技术研发后，需要交由晶圆制造和封测环节，进行产业链后续生产环节。算力芯片亦是如此，且对制造和封装提出了更高的需求。

景顺长城基金经理董晗介绍，与算力芯片相配套的是以先进制程为代表的晶圆制造能力。传统意义的摩尔定律这些年已经越来越难实现，提升制程微缩尺寸、同时带来成本下降在28nm的制程结点就已经停滞。但移动终端对能耗的追求、AI模型对速度的追求使得半导体制程这些年还在不断进步。

“全球最先进的芯片制造产能在台湾、韩国。”董晗介绍，“以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。”

而对比晶圆制造端的技术差距和供应链限制，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。