諾安基金鄧心怡：人工智能使全球技術處于創新周期起點

2023年5月18日，諾安基金研究部總經理鄧心怡出席由《財經天下》周刊&市界主辦的“2023異想大會”，圍繞“AI讓金融更具想象力”參與圓桌討論。

(資料圖)

鄧心怡曾從事一二級市場投資研究，涉及科技等領域，現任諾安基金研究部總經理，善于通過宏、中、微觀全局視野前瞻挖掘市場機會。2023年鄧心怡重點關注科技安全、消費和國企改革三條主線，尤其是以半導體為代表的硬科技安全和以信創為代表的軟科技安全，以及全球共振的AI產業中，群體加速的創新效應帶來的變革和迭代發展。

關于“AI帶來的產業更新及未來機會”，以下演講觀點與你分享：

這次人工智能的科技變革，我想從定位來說重要性不用更多闡述，是全球技術創新的新周期起點，從產業發展的角度，我們覺得這個領域的投資機會可能比2010-2015年移動互聯網從元年到應用爆發的重要性更大、兌現速度更快，對全球生產力提升和生產關系的重塑都有巨大的推動力，過程中自然會孕育出下一批影響未來10年的偉大企業。

如果從產業鏈的角度劃分，AI的投資機會可以簡單分為三部分：

1、算力：以芯片、光模塊、服務器為代表的硬件基礎算力；

2、模型：以OPEN AI的GPT4為代表的大模型，和以彭博的BloombergGPT為代表的金融、醫療、教育等專業領域的垂類模型；

3、應用：以微軟New Bing為代表的依托于大模型能力，對接客戶需求的應用層。

首先，大模型是“大算力+強算法”結合的產物，大模型的發展是人工智能發展的趨勢和未來，它是AI帶來的生產力和生產關系變化的發動機，各行各業將會發生的變化都是由大模型的嫁接帶來的。從剛剛提到的大模型與專用垂類領域小模型的分類來看，二者目前還沒有非常清晰的界定，站在當前時點來看，大模型又具備一定的特點，包括以下幾點：

（1）參數量（十億量級）和訓練數據量（GB以上）巨大，目前大部分采用transformer模型；

（2）采用預訓練模式，首先是在通用數據集上進行訓練，而不是直接在特定數據集進行特定任務的訓練；

（3）具備遷移學習能力，遷移學習的思想是將從一項任務(例如，圖像中的對象識別)中學到的“知識”應用到另一項任務(例如，視頻中的行為識別)中，即訓練樣本很少或者沒有的情況下，依舊能做預測，實現已有知識的遷移；

我們很期待能看到國內大模型推出和不斷迭代成熟，孕育更豐富的人工智能生態，革新這些大模型公司所在行業的競爭壁壘和商業模式。

其次，從先后順序來看，訓練大模型所需要的算力和數據的需求是比大模型和應用生態的成熟更先發生的。目前，英偉達GPU是AI模型中最常用的算力芯片，英偉達GPU憑借較高的靈活性和成熟的軟件生態，成為當前AI模型的主流選擇，根據學術論文的統計結果，英偉達顯卡使用的頻次是FPGA的23倍，TPU的78倍，我們也期待能看到國內GPU芯片在大模型訓練領域的自主可控逐步演進。

隨著AI算力的需求提升，衍生出專注人工智能加速的AI服務器。在小模型時代，AI模型的訓練和推理算力需求相對較小，依賴個人終端就可以實現。隨著模型參數的逐漸提升，AI模型開始依賴云端算力，云服務器承載了主要的算力需求。當前，AI算力在數據中心的占比進一步提升，衍生出了更加專業化的AI服務器，AI服務器具有性能優越、擅長并行計算、高帶寬、散熱能力強等優點，與之匹配的以高性能光模塊為代表的通信需求也將進一步提升。

在大模型訓練之外，隨著應用端生態的不斷豐富和大模型參數的提升，我們也一定會看到推理端常規服務器的需求的非線性膨脹。以GPT的演進為代表，原先GPT3.5的時候用戶輸入的Token上限大概是4000個，而現在GPT4已經可以接受32000個token，大約相當于25000個單詞，文本長度被擴大了八倍。與之相對應的，是用戶在使用大模型時對算力需求的爆炸。大模型采用的注意力機制的特點，是它會判斷輸入的請求與已知的信息相關度有多高，把所有相關性疊加，加權之后才能得到最終的輸出，在計算過程中，所有的token，都要去判斷和整個系列的重要程度到底有多相關，輸入長度的增長對推理端算力需求來說是非線性的爆炸膨脹。站在當下時點，實際開放商用的AI應用還不夠多，隨著AI應用端生態的蓬勃發展，算力需求膨脹是大概率事件，目前還無法判斷需求的上限和邊際。

算力的需求膨脹，也將有助于帶動全球半導體產業的周期復蘇。

往后看，算法的發展將對算力提出更高要求，算力發展也將助力算法和模型不斷革新。

第三，在應用層，隨著技術的快速進步，AI生成內容極大的解放了生產力，多模態（通常包含兩個或者兩個以上的模態形式，是從多個視角出發對事物進行描述）所對應的廣闊的應用場景和潛在的市場價值推動著其商業化道路的快速發展。

垂直領域不斷有產品在快速推出落地，國內外都陸續在代碼生成、文本生成、圖像生成、音視頻和游戲等領域出現了潛在現象級產品，這幾天大家聽到的AI孫燕姿應該就是距離大家最近的音頻生成產品。我們非常關注在辦公、教育、醫療等領域落地的應用產品，相信這些會是最早能看到toC和toB端使用的領域。

最后，對人工智能后續的發展除了算力、模型和應用三條主線之外，我們還有三個關注的方向：

一是人工智能將從意識走向實體。人工智能這一次的變革使AI不再像之前AlphaGo一樣在不同領域與人類競爭，而是在不同領域與人類協作。這種協作目前還主要存在于意識層面，下一個突破會從純虛擬存在轉到幫助人在物理世界、生物世界和信息世界里更高效觀察、形成新知識并完成任務、創造更高價值場景。未來合作將從意識走向實體，具人形、具實體的機器人和新型智能終端將隨著大模型的成熟而逐一落地。

二是安全性問題。這個方向可能也不用再做更多的解釋。

三是人類還在學習研究的大模型的“可解釋性”與生命科學的結合。“可解釋性”研究的目的是解釋模型的各類回答是“如何做到的”，也許通過對大模型“可解釋性”的研究，不僅能更好地解決對模型回答的信任問題，加快模型迭代，更可能讓我們距離解釋真實人類生命科學的奧秘更近一些。記得不久之前張亞勤院士和朱民老師對談的時候，讓我記憶最深的描述之一是對語言的定義，數學是描述物理學的語言，也許Alpha Fold就是描述生物學蛋白質的語言。

眾所周知，諾安基金投研的鮮明特色就是“科技投資”。基于科技投資領域的深厚積累和對于科技板塊未來投資的信心，諾安基金在2020年，就組建了“諾安科技組”，并著力打造“科技超市”，為投資者提供投資科技板塊“一站式投資選擇”。目前已布局六只產品，分別聚焦軟硬科技的細分領域進行前瞻布局，包括半導體、計算機、數字經濟、通信、軍工、人工智能等，我們希望通過深度的產業研究幫助投資者分享科技的發展紅利。

風險提示：市場有風險，投資須謹慎。本觀點僅代表當時觀點，今后可能發生改變，僅供參考，不構成投資建議或保證，亦不作為任何法律文件。投資者投資于本公司管理的基金時，應認真閱讀《基金合同》、《托管協議》、《招募說明書》、《風險說明書》、基金產品資料概要等文件及相關公告，如實填寫或更新個人信息并核對自身的風險承受能力，選擇與自己風險識別能力和風險承受能力相匹配的基金產品。投資者需要了解基金投資存在可能導致本金虧損的情形。基金管理人承諾以誠實信用、勤勉盡責的原則管理和運用基金資產，但不保證基金一定盈利，也不保證最低收益。基金管理人管理的其他基金的業績不代表本基金業績表現。基金的過往業績及其凈值高低并不預示其未來業績表現。基金管理人提醒投資者基金投資的“買者自負”原則，在做出投資決策后，基金運營狀況與基金凈值變化引致的投資風險，由投資者自行負擔。我國基金運作時間較短，不能反映股市發展的所有階段。

本文來源：財經報道網

關鍵詞：