报告正文

人工智能（AI）并不是一个新的概念，20世纪以来，人类围绕人工智能领域的探索从未止步，不过主要围绕“判别式AI”来展开。虽有97年IBM“深蓝”战胜国际象棋大师卡斯帕洛夫等标志性突破，但始终没有产业化。随着算法、算力、数据三要素的突破，“判别式AI”实现产业化应用。步入21世纪，互联网、移动互联网带来数据量陡升及大数据技术发展，GPU等硬件及云计算技术突破，神经网络“深度学习”算法出世，三者共同驱动“判别式”AI快速发展，并商业化应用于人脸识别、语音识别等领域，2016年AlphaGo战胜李世石第一次点燃AI的讨论浪潮。

ChatGPT让大家意识到，AI发展步入全新阶段即生成式AI（AIGC）。较此前的最大突破是形成了内容生成，交互式体验对应用前景和商业模式的落地带来了新的想象空间。2015年Transformer模型发布以来，NLP大模型发展开始提速，OpenAI 2018、2019、2020年分别推出的GTP1-3代分别有1.17亿、15亿、1750亿个参数。在计算机视觉之外，NLP领域的AI也开始发展起来，AI得以通过文字、视频、图像等与外界产生“交互”，22年底杀手级应用ChatGPT横空出世。

我们知道总需求不足是全球经济增长中枢下移的主要原因。20年起疫情加剧了这一影响，22年起全球经济都在不同程度地从创伤中重启和恢复，但劳动力不足和全要素生产率下滑是全球经济增长面临的共同难题。

经济增长的主要要素投入包括：劳动力、资本、技术（全要素生产率），未来数字经济趋势下数据会成为一种新的要素，而“乘数效应”主要来自于加杠杆。

从长期来看，全球经济增长能否延续，或是在于上述要素投入是否还有持续性的红利，或是在于能否最大限度的放大“杠杆乘数”，但目前展望都较为困难——

（1）全球劳动力增速下降&老龄化上升，国际劳工组织2023年《世界就业和社会展望》报告指出，部分高收入国家的劳动适龄人口已开始收缩，中国作为新兴经济体之一，劳动适龄人口自2015年开始收缩并呈现加速趋势；据联合国2022年《世界人口展望》，世界人口总量由高增长转为低增长，老龄化水平加速，人口结构将从青少年型变为中老年型；（2）全球资本投入效率下降，全球经济转型“由重到轻”，主要经济体的驱动力从投资切换至消费、从制造业过渡到服务业；（3）技术，前沿国家技术进步减缓导致溢出效应下降，全球“全要素生产率”回落；（4）杠杆率，以G2为例加杠杆最快速的阶段过去，美国疫情放松以来高杠杆率面临修正，而中国实体经济杠杆率平稳控制但依然处于全球横向对比高位。

尤其是全球技术进步变缓之后，2010年之后主要国家和地区的“全要素生产率”多出现回落，对GDP贡献度下降明显。据美国经济咨商局测算，全球的全要素生产率由2000-2007年的年均0.80%下降到2011-2019年的年均-0.10%，美国全要素生产率由年均0.60%下降到年均-0.10%，中国全要素生产率则是由年均1.10%下降到年均-0.50%。

AI与大数据是新一轮通用技术创新（general-purpose technology）。历史上的三次工业革命都是通用技术的创新，如18世纪蒸汽机发明，现代工业由此诞生；19世纪电力革命，动力效率大幅改善；20世纪信息革命，晶体管、集成电路和电子计算机等的发明应用宣告步入信息化时代。AI部分解决了全球劳动力红利期过去的痛点（把有限的劳动力从机械重复低效的工作类型中解放），作为一项通用技术更可以广泛作用和赋能各行业。

工业革命或技术革命的爆发，会带来资本深化与全要素生产率（TFP）提升。据Crafts, N. and Woltjer, P. (2021)，蒸汽革命、电力革命、信息技术革命对全球经济带来深远影响，体现为全球资本要素贡献度在未来几十年得以深化，全要素生产率（TFP）大幅提升，从而形成对全球经济增长的贡献与拉动。

工业革命之后，随着劳动力红利期的退潮，技术进步成为经济增长的主要引擎。科技创新对经济增长的拉动会在未来10年更多被看到，从这个角度来理解AI驱动之下数字时代的巨大机遇。计算机硬件突破、软件创新及互联网红利、智能手机及移动互联网浪潮，都带来了全球经济增长斜率的提升。

此外，我们在3.30《AI：第四次场景革命-数字经济系列五》中提到，未来AI下游应用迅速爆发也标志着新一轮“场景革命”的到来，推动完成从“万物互联”到“万物赋能”的跨越。（1）在PC互联网时代，即时通讯、网购、端游的出现标志着数字经济的第一次场景革命；（2）智能手机与APP开启了移动互联网时代，以外卖、团购、打车为代表的平台经济掀起了第二次场景革命；（3）2018年，移动互联网进入存量时代，5G技术带来的万物互联推动了第三次场景革命。

2.1 AIGC产业链联结X（模型）×Y（应用），且都以极大速度革新

三

历史上的科技浪潮牛市对AI行情的启示

在对AI技术有了初步认识之后，我们意识到世界对通用人工智能的可能性打开了想象空间，产业前景带来的投资机遇不仅局限于“主题”范畴，可能是新一轮指数级别产业行情的拐点。我们对历史上科技牛市做出复盘，希望能够找到投资节奏的相同点、不同点。

3.1 技术革命视角：70年代信息技术革命，诞生时代的巨头，站上浪潮之巅

如前文所述，蒸汽机、电力、信息通信技术都是划时代的技术创新，未来则是人工智能与大数据构成的数字技术创新。从提升全要素生产率的意义来看，未来的一段较为长期的时间，AI浪潮掀起的产业趋势都会在全球范围的资本市场引起共鸣。

概念出现、技术雏形到广泛应用需要时间，人类需要认识技术、升级技术（降低成本或实现规模化）、找到运用模式，从而看到全要素生产率的提升。比如我们看到1882年发明电之后，至1919-1929年约40年后，全要素生产率才明显改进；1971年计算机被发明，至1995-2004年全要素生产率出现跃升。

在这个过程中，会诞生一批时代的巨头，一批屹立于浪潮之巅的伟大的公司。未来10年或更快，我们可能会见证像上世纪80年代以来一批科技巨头的崛起，会诞生10倍股、50倍股，甚至百倍股。

给科技到商业的过渡一些耐心和时间——技术的不成熟、或商业模式的挑战、或成本与环境的约束，是新科技走向推广的必经之路，在这个过程中股价当然会有波动。1983-1991年近8年的英特尔的股价只有翻倍的增长，但1992-1993年2年时间股价翻了近3倍，1994-2000年股价进一步上涨近20倍。

我们选取1980-1994（美国科网泡沫启动前）的时段，可以看到计算机科技巨头成功之处，或者股价迎来主升浪的重要信号是两个——

第一：技术/产品突破。上世纪70年代以来计算机的生态链中竞争起伏，但只有操作系统开发商的微软和处理器制造商的英特尔处于不可替代的位置，可以看到关键技术突破节点，对应股票主升浪节点。英特尔给每台PC一颗奔腾的芯，从生产低性能的微处理器，到1986年研制出的32位微处理器快速扩大份额，到93年奔腾处理器，技术奠定霸主地位，也甩开了和其它公司的股价差距。1990年，微软经过了windows1.0和2.0的试错，迎来了跨时代的windows3.0系统，是股价的重要拐点。

第二：面向用户，尤其是打开To-C端使用场景。IBM公司在设立之初的客群一直是政府部门、军方、银行和科研院所，错过也缺乏经营To-C终端消费型产品的经验，在上世纪80-90年代的竞争中逐渐成为落伍者，93年IBM出现亏损也带来股价下跌，与其它竞争对手的市值涨幅差距拉大。

而1976年苹果公司创始人乔布斯认识到要让计算机的价格大幅下降才能打开个人消费者用户，并与他人合作研制出第一台面向个人的通用电脑Apple1，1984年第一台苹果电脑Mac机成为老百姓买得起、操作界面简介的个人电脑。

当然微软、戴尔等其它To-C领域做的突出的公司基本上都在科技浪潮中得到了资本市场的正面反馈。

3.2 “技术+场景”视角：99年美股科网泡沫、15年创业板牛市的启示

随着A股围绕AIGC的投资机会扩展到“AI+”的主题行情，很容易令人联想到99年美股的科网泡沫（互联网+）、和15年创业板牛市（移动互联网+）。如果说AI未来的发展空间是以应用场景的创新来度量，是未来技术和算力到达一定级别对新需求的激发，那么这两段历史确实具备一定的参考价值。

99年科网泡沫和15年创业板存在诸多相似之处，可以概括为“天时地利人和”，有着不可多得的背景环境——

1. 稳定的经济数据和低通胀是这两个时段“泡沫”酝酿的温床。

2. 均处于降息周期，长期利率下行通道，产业转型的顶层设计指明了未来的方向。美国90年代信息高速公路建设，中国13-15年移动互联网建设。

3. 极度宽松的流动性土壤，以及源源不断的增量资金。利率中枢持续下移。

4. To-C的新商业模式带来用户数量的爆发增长，进一步打开了万物皆可“触网”的想象空间。

站在“AI+”时代，我们和“互联网+”与“移动互联网+”做对比，可以发现存在相似之处、也存在不同点。

1.“技术+场景”的公式相似，但99年“互联网+”和15年“移动互联网+”的应用场景落地速度较快、且可以面向To-C端；而“AI+”目前的应用场景环节大多处于“脑洞阶段”，且以To-B为主。

2. 与商业模式承接，99年“互联网+”典型龙头公司的业绩虽然在降速但仍在高位（降速也为未来泡沫破灭埋下隐患），13-15年创业板迎来业绩提速最快的阶段；而“AI+”目前业绩有把握的领域还看不清楚，以算力激增下个别需求爆发环节为主。

3. 当下暂时看不到极度宽松的货币环境和源源不断的增量资金。

3.3 海外映射视角：苹果、新能源车产业链，渗透率第一阶段要把握

由ChatGPT推动的趋势被比喻为“AI的Iphone时刻”，因此市场很容易参考A股历史上两端经典的海外映射行情：苹果产业链引领的智能手机、和特斯拉引领的新能源车产业链。

关于智能手机、新能源车产业链的详细复盘，我们在22年陆续发布的三篇《新兴产业渗透率研究框架》的深度报告中已有详细展开。基于新兴产业渗透率研究框架，新兴产业在0-20%渗透率且渗透率一阶导快速提升的阶段，将迎来不可多得的“戴维斯双击”。我们22.1.5发布《渗透率三阶段，新兴产业如何演绎？》，深度挖掘了07-14年的智能手机、10-16年的安防摄像头、12-17年的移动互联网，用“渗透率”这一核心坐标锚定了新兴产业发展周期的三个阶段。我们发现，渗透率位于0-20% 的“破壁渗透期”是产业内公司实现“戴维斯双击”的最佳机遇期。

下图可见，07-10年全球智能手机渗透率处于0-20%且渗透率一阶导提升的破壁渗透阶段，19年-21年是中国新能源车渗透率处于0-20%且渗透率一阶导提升的破壁渗透阶段。

“破壁渗透期”对应着欣欣向荣的产业趋势、100%以上的盈利中枢，股价可实现“戴维斯双击”。从0到1，新产品/新模式/新场景破壁；少数前瞻的领军公司加大研发与资本开支以增强竞争力；竞争格局以垄断或寡头为主。龙头公司尽享爆发需求增长而业绩强劲。盈利增速往往至100%以上，ROE可达25%-35%；“拔估值”驱动戴维斯双击，PE达到80-200X。

破壁渗透期，少数万家分享增量大蛋糕，如果产业趋势欣欣向荣，市场很少对于偶发的业绩担忧定价。由于产业趋势预期未有明显恶化，破壁渗透的阶段即使龙头公司有偶发的业绩miss，股价也鲜有因业绩担忧下跌，是产业投资周期中比较省心的阶段。

说明市场在产业周期的初始阶段，对于业绩的容忍度很高，而更在意技术和产品的突破。例如几个比较重要的iphone时刻：2010年的iPhone4，2013年的iphone5s，都是技术突破和销量热卖带来了相关产业链的主升浪。

AIGC产业链和苹果产业链、新能车产业链最大的不同在于——

1. 苹果产业链是可以追踪的国际分工，中国零部件代工环节有实实在在的参与者和可以逐年评估确认的业绩；而A股AIGC产业链的公司业绩确认难度大。

2. 新能车产业链已逐步成为中国的优势制造业之一，中国多个环节在全球产业链内巩固龙头地位；但A股AIGC目前的硬件与模型与海外尖端者存在差距，这也会使得A股投资在本轮海外映射中更为理性。

四

投资结论：站在起点，与之共舞

无论是长期（技术革命视角）、还是中期（渗透率视角）、还是短期（行业比较视角），AI浪潮都是值得把握的投资机遇。但在若干现实约束条件和今年的经济复苏验证思路下，我们需要更加从容和理性的看待投资节奏。

前文提到，基于我们22年1月搭建的新兴产业渗透率研究框架，新兴产业在0-20%渗透率且渗透率一阶导快速提升的阶段，将迎来不可多得的“戴维斯双击”。

据各种权威预测，AIGC的渗透率毫无疑问处于萌芽起步阶段，且与此前一些资本市场“炒作-证伪”的科技创新场景不同，AIGC已经看到商业化落地的潜在路径和对应的庞大用户需求，也就是会看到渗透率的加速上升。

这符合我们所述“破壁渗透期”的产业特征，我们需要观察的是接下来商业化带动的渗透率提升的速度，积极布局渗透率一阶导提升的黄金时期。未来将迎来应用蓬勃期而后转向整体加速期，迎来渗透率和市场规模的快速提升。据华为数据（22年口径），2021年AI的行业渗透率仅7%，2026年有望达到20%；根据Gartner预测，当前AIGC渗透率（生成式AI产生的数据占比）仅不足1%，2025年AIGC渗透率有望提升至30%；另一方面，根据量子位预测，2030年我国AIGC产业规模将接近1.2万亿，市场空间广阔。

为何本轮AIGC行情的第一波上涨斜率如此陡峭？因为在行情启动时点，相关细分产业领域（多集中在TMT）同时满足——①A股修复“估值沟”，TMT行业估值低分位；②TMT行业处于过去若干年的基金配置绝对底部；③TMT行业是今年业绩环比改善高弹性（△g）的受益方向，且AIGC浪潮增强了未来业绩想象前景。

1. 行业之间“估值沟壑”需要填补，TMT启动时处于估值20%分位数以下

我们自1.18《23年买景气g，还是买环比△g？》来持续强调，22.10“市场底”并非所有行业“估值底”，各行业估值分化明显。存量资金优先进行的操作是填平“市场底”的“估值沟”——计算机（22年10月估值处于10%分位数，下同），电子（20%分位数），传媒（0%分位数），通信（3%分位数）。

2. TMT是高弹性（△g）方向，且AIGC浪潮增强了未来业绩想象前景

我们自1.18《23年买景气（g），还是买弹性（△g）》讲到：23年为经济触底复苏的拐点年，只要经济的“强预期”没有被证伪，市场就会不断寻找存在环比改善预期的行业（△g）。09年和16年：从【强预期】走向【强现实】，买环比改善△g（偏价值）；13年和19年：从【强预期】走向【弱现实】，买景气g。

23年TMT等细分领域借助AIGC的想象空间，进一步打开了今年业绩改善（△g）的弹性。截止最新的盈利预测，23年AIGC相关受益领域的盈利预测增速改善明显，存在较高的△g——结构上看改善幅度最显著的是广告营销、模拟芯片设计、数字芯片设计、金融IT、网络安全等。

3. TMT部分行业去年底处于过去若干年基金配置绝对底部，筹码压力较轻

由于连续数年在A股表现欠佳，因此部分TMT行业基金配置已经降至历史底部。从22Q4最新基金持仓数据来看，传媒低配幅度已是10年以来新低，计算机22年也处于2010年以来最低配状态，虽然23年有逐级加仓但依然是低配。

虽然23年以来机构持仓有所上升，但在多年低配的情形下加仓需要过程，目前筹码结构应该不构成行情压力。

经过了前文较为细致的技术认识和历史科技牛市复盘，我们对于本轮AIGC引发的投资浪潮该如何把握投资节奏？我们总结为四条投资结论：

、

1. 无论是长期（技术革命视角）、还是中期（渗透率视角）、还是短期（行业比较视角），这是一轮产业趋势向资本市场映射重要节点

科技牛市往往会有一轮估值泡沫化的过程，值得重视与把握！

作为一项通用技术带来的生产效率提升是巨大潜力，而今年大模型产品化和大众化的成功成为行情的重要催化剂，可以理解为是产业趋势向资本市场映射的重要时点。科技创新会带来一轮产业估值泡沫化的过程，从中长期角度毫无疑问是值得重视和参与的新一轮新兴产业投资浪潮。

2. 理性对比，短期很难像99年和15年出现股价快速泡沫化的过程，节奏的差异在于——①短期业绩兑现难度大；②泡沫化需要源源不断的增量资金

95-99年即使微软、英特尔等龙头公司的业绩降速但依然处于较高景气区间，ROE中枢保持在30-40%；13-15年的移动互联网浪潮更是有传媒行业等业绩逐步兑现的支持。13年华谊兄弟净利润增速从12年的20%大幅上升至172%，网速科技从12年净利润增速的90%进一步抬升至13年的130%，掌趣科技从12年净利润增速的48%上升至13年的87%，业绩兑现比比皆是。

当前AIGC领域对于相关公司业绩的把握，目前还集中在算力需求测算带来的产业链增量等前期推演环节。在这个过程中，如果产业巨头技术和模式有高频推进，业绩想象能够延续；反之则会进入业绩真空的等待期。

此外，与99年美国极度宽松的流动性环境、15年源源不断的杠杆资金相比，23年股市目前的增量资金较为有限。

3. “四月决断期”临近，会阶段性带来“复苏投资”和“产业投资”的拉锯

在经济上行拐点的年份中，13年和19年是比较有利于产业炒作氛围的（13年的绿水青山环保、传媒互联网，19年的新能源产业链），其核心还是在于经济从“强预期”走向“弱现实”，复苏的投资机会乏善可陈。今年不同。

今年即将进入比较重要的“四月决断”阶段，地产数据的阶段性修复良好、消费数据的韧性、包括一季报线索的清晰，可能会让市场在△g的行业（地产链、消费链）中不断去做阶段性的优选，如果AIGC产业链调整则提供了布局时点。

4. 因此AIGC投资节奏大概率是“波折上行”的态势，待舒适的参与时点积极布局——现阶段投资牢牢锚定“技术”和“用户”，是主升浪的前奏

我们从历史上科技浪潮中英特尔、微软、苹果、雅虎等科技巨头的股价走势看到，技术或产品的爆点（微软90年Window3，英特尔93年奔腾处理器），和用户尤其是To-C用户场景的打开（苹果84年第一台面向个人的PC电脑，雅虎94年创造面向To-C用户的门户网站），这都是科技浪潮中股价主升浪的催化剂。

对应到AIGC，模型学习和技术迭代的速度之快可能并非我们现有的想象力能够触及，但我们可以对于产业未来趋势的演绎保持密切的关注——如下一代ChatGPT的技术突破，国内大厂或巨头的产品推进路径，To-B比较领先的应用的测评，以及最重要的是什么时候能看到一个代表性的To-C应用问世，等等。

下层建筑方面优推算力：AI大模型引发确定性算力需求，关注流量基础设施产业链。

AI大模型训练、推理需要大量高性能计算算力支持，算力基础设施产业链需求确定性强：（1）AI芯片：GPU/ASIC/FPGA三种计算架构并行，在通用性和高效性之间平衡，是决定芯片算力的本质因素。（2）服务器/交换机：伴随着数据流量持续提升，交换机作为数据中心必要设备，预计全球数据中心交换机保持稳定增长。（3）光模块/光芯片：传统可插拔光模块技术弊端和瓶颈开始显现，NPO/CPO技术有望成为高算力背景下的解决方案。（4）液冷温控：稳定CPU温度、保障CPU在一定范围内进行超频工作不会出现过热故障，有望在超高算力密度场景下持续渗透。

上层场景方面，AI赋能第四次场景革命，遴选C/B/G端优质AI新场景。

AI技术引领第四次场景革命，赋能生活、生产、办公、医疗、出行、金融等C端、B端、G端的重要场景领域，结合“五维度”场景价值分析框架，即用户规模及增速、单用户价值及增速、政策导向，可以优选出当前较为出色的AI场景：（1）办公软件：在内容生产领域具备天然的结合点，显著提升用户的工作效率，从软件产品向价值工具、生产力工具转变。（2）智能家居：有望解决人机交互弱、器件间交互弱的问题，提高全屋智能家居渗透率，进入全面互联阶段。（3）智能工厂：在生产调度、质量监控、机器人控制、设备预测维护、物流管理等场景实现更高效的智能生产。（4）智慧政务：通过资源整合、流程优化、业务协同，提高政府办公、服务、监管、决策的智能化水平。