如何捕捉AI投资机会？

18世纪中叶，人类开始工业革命，随着蒸汽机的发明和使用，人类进入蒸汽时代，生产方式从“手动”跃进向“机器”；

100年后的19世纪下半叶，随着赫兹发现了电磁波；西门子发明电动机、发电机、有轨电车；爱迪生完成了留声机、电灯和电力系统、电影摄影机的三大发明，人类完成了第二次工业革命，开始进入电器时代；

20世纪40年代，随着第一部电子计算机投入使用，人类进入信息时代。

进入21世纪，人工智能(AI)这项突破性技术成为令人瞩目的焦点。随着2022年11月ChatGPT的迅速崛起，席卷全球，人工智能在现实世界的应用指数级增长，各路资本也几乎一致涌向AI领域，这意味着智能时代可能加速到来，我们正站在第四次技术革命的起点。

AI时代又将开启怎样的新纪元？

对社会经济的发展具有怎样的意义？

我们又能在这场生产力/社会结构的变革中，提前布局哪些机会？

JP Morgan在六月份的一份报告中评估并讨论了AI对经济的潜在影响及投资机会，我们翻译并梳理了其中重点内容，并结合重点内容展开探讨：

AI革命颠覆性产品：ChatGPT

上一次引发AI圈的“狂热事件”发生在2016年（AlphaGo打败人类棋手），自此AI虽是热门话题，但却很难激起惊涛骇浪。

直至2022年11月，OpenAI推出GPT-3.5，这款产品很快引起关注，仅用5天时间就积累了100万用户，截至2023年1月，用户数量已累计超过1亿，成为有史以来增长最快的平台之一。

▲ChatGPT是用户增长速度最快的应用之一

为什么是ChatGPT？它和其他AI产品有什么不同？对于AI行业又怎样的意义？

任何生成式AI产品都离不开数据、算法、算力，而ChatGPT的核心能力正是在算力的发展和大数据共同支持下完成大规模训练。

在腾讯研究院《2022十大数字科技前沿应用趋势》报告中也提到过，ChatGPT背后的支撑是AI大模型。

过去的AI大多是针对特定的场景应用进行训练，生成的模型难以迁移到其他应用，属于小模型范畴。整个过程不仅需要大量的手工调参，还需要给机器喂养海量的标注数据，这拉低了人工智能的研发效率且成本较高。而ChatGPT背后的支撑是AI大模型，大模型通常是在无标注的大数据集上，采用自监督学习的方法进行训练。在其他场景的应用中，开发者只需要对模型进行微调，或采用少量数据进行二次训练，就可以满足新应用场景的需要。这意味着，对大模型的改进可以让所有的下游小模型受益，大幅提升AI的适用场景和研发效率，因此大模型成为业界重点投入的方向。

更多的模型参数量、更大的数据处理量、更大的训练计算量，意味着AI变得更加像人类。

简而言之，过去的AI只能模仿人类，做“已知”的事情，而ChatGPTChatGPT像人脑一样，学习大量的“知识”，发现问题，解决问题，同样是模仿人类，但可以做“创作性”的事情。

生成式AI的主要投资方向

然而，ChatGPT仅仅是生成式AI的体现之一，我们目前正处在起步阶段。 

▲过去6年，生成式AI交易突飞猛进增长，但我们仍然处于“起步阶段”

目前，全世界只有不到1%的内容是由AI产生的，而10年后，这个比例将超过50%；此外，截至2023年6月，美国本土的ChatGPT常用用户不到20%；

这说明目前所显露的价值只是冰山一角，掘金的大陆仍未被充分开拓。

那么，生成式AI在哪些领域具有更大的潜力和投资空间呢？

或将集中于3个层面：

一、面向用户的应用程序，二、为运行于专有模型中的AI产品提供技术支撑的模型，三、为模型提供算力的基础设施提供商。

随着市场主要参与者开始布局，预计以下细分市场的AI应用程序或将迎来投资：

1.关于“生产力和效率”的应用

比如微软上线AI助手Copilot。2023年3月，微软发布了基于AI的365 Coilot，也就是将Copilot直接嵌入到Office365 的五款应用中，以大幅提升生产力。在 Word写作的场景中，可以给出想法、快速完成写作和美化文档；在 Excel数据分析场景中，可以生成模型和图表并进行问题分析；在PowerPoint场景中，可以根据文档一键生成 Slides；在Outlook和Teams中也可以快速概括和回复邮件，以及进行会议纪要。

公司将效率转化为“金钱”只是时间问题，值得注意的是，真正的进步将取决于算法训练所依赖的底层数据的质量。

2.云基础设施

大型数据集上的运行操作会增加云基础设施的负载。为了迎合计算能力的需求，资本将会提高对基础设施的投资。对此，在开发可靠的大型语言模型时，诸如Microsoft Azure、Amazon Web Services或Google Cloud Platform等云合作伙伴将会发挥关键作用。

3.计算能力和芯片

据预测，AI数据中心的单位出货量占比将从目前的7%翻番至2027年的15%，收入占比将从目前的20%增至2027年的45%，这种扩张的原因可能在于AI服务器成本增加3至10倍的推动。

AI对全球经济产生的影响？

AI可以通过多种方式对经济增长起到正面刺激作用：

1）提高生产力：AI可以自动化日常任务，并比人类更快、更准确地执行这些任务，这可以提高生产力和输出；

2）节省成本：通过自动化任务和流程，AI可以降低劳动力成本；

3）新商机：AI可以帮助企业发现新的增长和创新机会；

4）改进决策：AI可以帮助企业做出更明智、数据驱动的决策。但值得注意的是，某些行业可能会比其他行业获得更大的收益，此外，AI对就业和收入不平等的影响也需要考虑进去。

JP Morgan认为，AI就像过去颠覆性创新技术一样，可能会提高经济和生产力。虽然有一些工作岗位可能会被取代，但也会产生新的工作岗位和就业机会。在采用AI技术后，预计企业生产力可提高2-4%。预计约有四分之一的公司将以更有意义的方式拥抱AI，这可能相当于每年将GDP提高0.5%。

投资机会在哪里？

未来几年，可能推动创新并且快速增长的颠覆者中，许多公司将是处于早期阶段的未上市公司。这意味着，投资机会潜藏在私募股权市场中，而AI可能成为私人资本和风险投资者的焦点。

在公开市场中，有AI技术、数据中心概念的半导体公司，将是生成式AI最直接的受益者。为了训练LLM，对算力的需求预计将在未来五年内增长3-5倍，GPU（显示芯片）制造商将受益匪浅。尽管准备程度较低，但预计将使其他制造商受益，他们可能会争夺一个强劲且不断增长的潜在市场，该市场将在未来五年内扩大10倍。

在亚洲，制造AI相关集成电路的高端代工厂的需求将快速增长，这得益于CoWoS（晶圆上芯片）产能在下半年的大幅提高。内存制造商也将从中受益。

随着市场对高性能计算芯片 (HPC) 的需求不断增长，可能会让拥有面向HPC产品的半导体设备制造商受益。这些呈指数级增长的计算中，大部分可能会在数据中心进行，这将使提供这种“容量即服务”的企业受益。最后，许多软件公司越来越多地将AI融入他们的工作实践和产品中，这反过来又可能带来新的收入机会，考虑到软件在半导体领域的涨幅落后，这类参与者可能会进行追赶，为投资者提供较强的吸引力。