|
从数字经济到人工智能 1/6、不平静的三月 2023年3月，两会政府工作报告中提出今年的发展目标是5%，不及投资者预期，引发了很多解读，但实际上，这个目标与中央对经济形势的谨慎判断是吻合的，意味着政府需要找到更多的途径去实现“质的有效提升和量的合理增长”。 2023年3月，两会传出国家成立大数据局的消息，我在《国家数据局，将会如何改变我们的未来？》一文中进行了解读，认为“可能是一件改变我们生活的大事，有着2008年的环保总局变成环保部的意义。” 同样是2023年3月，OpenAI发布GPT-4模型，全面超过了4个月前发布的ChatGPT，在多个方面无限接近人类。  这三件事看似无关，但站在一个更宏观的视角，它们刚好构成了一个“宏观政策——产业政策——技术变革”的产业趋势分析框架。 本文将基于这个框架分析生成式AI的投资机会，包括： 1、今年经济工作主线的变化：以政府投资带动民间投资 2、数字经济的产业抓手是人工智能 3、人工智能时代的“算力+模型+应用”的产业体系 4、如何把握这一次人工智能的投资机会 2/6、三驾马车的失速 想要理解AI的投资机会，首先要从中国经济面临的结构性问题说起。 在疫情管控放开、经济全面恢复的背后，高层制定的全年经济发展目标比较谨慎的原因在于，经济增长出现了更长期的隐患，就是“三驾马车”的全面失速。 第一驾马车：出口 出口在2020年~2021年独立支撑中国经济，并成为全球经济唯一亮点，但从去年三季度就出现了下滑的趋势。 其原因，除了因为此前航运运能紧张导致的海外高库存，以及美联储的连续加息使得欧美经济大概率进入衰退期之外，更长期的因素是： 美国主导的全球产业链去中国化，在经过了两到三年的铺垫后，在疫情后期加速进行，这个分析比较敏感，我就不多说了，大家可以自行研究。 第二架马车：消费 消费在近十年GDP中的比重已经超过了其他两驾马车，加上疫情前消费升级的浪潮，让大家对消费取代出口成为GDP核心增长引擎充满了希望。 但疫情三年对于消费力、消费信心和消费习惯的冲击非常之大，这几年敢于提价的公司基本上都折戟沉沙，甚至一路价格高歌猛进的茅台零售价也长期停滞。 消费力下降的更大原因是贫富差距的拉大，众所周知，高收入群体的边际消费倾向低，低收入群体的边际消费倾向高，疫情前几年的消费升级，主要是中低收入阶层的消费升级，但这个趋势也在疫情三年被打断了。 影响消费最重要也最难解决的因素是人口老龄化，一个是总量不足，另一个是结构变差，年轻人、新生儿父母的边际消费倾向高，而老人的边际消费倾向低，且这个影响是长期且不可逆转的。 消费虽然短期可以从疫情中修复，但中长期而言，很难为经济增长提供以往那样的动力。 第三驾马车：投资 以往历次经济衰退，政府投资总是中国经济走出泥潭的引擎，但这个最大“功臣”目前已经廉颇老矣。 在土地财政难以为继的情况下，投资高度依赖地方政府的举债，但考虑到地方融资平台和地方债券违规发行，以及政府的隐性债务，目前地方政府的实际债务可能远远超过官方数据显示的数字。 从2017年以来，中央强调地方政府财政纪律，目前处理地方债务危机已经进入到“加大存量隐性债务处置力度”的攻坚期，自然不太可能让地方政府再加杠杆。 走出衰退，一定要有主动积极的财政政策，目前唯一还有加杠杆余地的，就是中央财政，但中央财政的重点是民生，所以在刺激经济方面，更重要的是做出“四两拨千金”的作用。  这就需要有一个产业抓手。 3/6、以政府投资带动社会投资 今年两会上的政府工作报告，有一个值得关注的变化，从2016年以来，历年两会会议的工作主线都是“供给侧改革”，但今年的会议上，这个主线改成“把实施扩大内需战略同深化供给侧结构性改革有机结合起来”。 熟悉政府语言体系的人都应该意识到，这类“把XX与XX结合起来”的表述，往往意味着主次关系发生了变化，扩大内需往往代表发挥市场力量，激发民间投资热情，而“供给侧结构性改革”的深层意义你懂的，我就不多说了。 这个主次关系的变化，还可以联系到去年12月中央经济工作会议的表述： “要通过政府投资和政策激励有效带动全社会投资，加快实施'十四五’重大工程，加强区域间基础设施联通。政策性金融要加大对符合国家发展规划重大项目的融资支持” 既要积极发挥中央财政的作用，又要防止地方债务问题扩大，还要扩大内需，那么政府的思路就很清晰了： 通过一系列产业政策，选择几个龙头产业，以政府投资带动全社会投资。 过去十年，这个产业政策是“城镇化”，行业是房地产，地方财政负责基建投资，民间资本主导房地产投资，以居民加杠杆的形式，通过住房消费带动一系列内需增长。 只是现在这个模式难以为继，负债是用未来的钱把未来的需求前置，居民杠杆率没有再加的空间，去年天量新增存款不但没有刺激消费，反而导致居民反向“去杠杆”，房地产反而成为中国经济最大的拖累。 到哪里找一个规模、产业链深度和对宏观经济的影响都不亚于房地产的行业呢？ 其实过去十年，政府也尝试过摆脱过度依赖房地产的发展模式，那就是“互联网+”。 简单说，就是抓住移动互联网的技术发展趋势，以4G网络和宽带建设为抓手，政府投资通信基建设施，实施低电信资费补贴，推动民间资本投资互联网下游应用和传统行业的互联网改造。 这一轮产业投资对经济结构和消费的影响，不亚于房地产，诞生了字节跳动、拼多多、饿了么、小米、快手、B站、米哈游等一系列互联网内容平台公司，甚至出现了移动支付、手游、短视频这三个走向全球互联网产业的应用。 只是移动互联网本身的技术变革有限，加上互联网平台经济遭遇反垄断，这一轮投资高峰从2020年进入下降周期。 去年的中央经济工作会议开始，平台企业监管进入“常态化、日常化”，政府释放出较大的积极信号，希望它们未来成为推动产业升级的重要力量。 总体看来，互联网仍然是民间资本最愿意投资的领域，而国家数据局的横空出世，则代表一个新产业的顶层设计。 4/6、从大数据到人工智能突破 我在《国家数据局，将会如何改变我们的未来？》一文中，介绍了国家数据局诞生的意义： 近期：汇集所有政府、国企的数据，打通各部门的“数据孤岛”，促进城市数据共享和开放，推动城市数据应用和创新，促进数字化转型。 长期：通过数据要素市场，让有数据的企业能获利，让需要数据的企业能方便的买到合法合规的数据，让政府从土地财政转变为数据财政，对应着国民经济从土地经济到数字经济。  但是，数字经济是一个典型的顶层设计，能否实现，取决于下游的需求能否被激发，就像“土地经济”之所以短短二十多年从0到国民经济支柱，完全是因为赶上了中国城镇化的大趋势，居民有强烈的住房改善需求和投资需求。 反例是，2019年的5G和数据中心的建设大潮，由于下游的应用没有跟上，还刚好遇上了“整顿资本无序发展”，缺乏消耗流量的应用场景，新建设的IDC机房上架率不足70%。 数字经济要求让数据流动汇集起来，形成大数据，才能体现出来一些结构化的特征，才能最大程度地挖掘其中的信息。 而专为大数据而生的人工智能技术，刚好在此时出现了长期瓶颈的突破。 5/6、“算力+模型+应用”的产业体系 之前的人脸识别、智能推荐等AI应用都属于行业垂直应用，相比而言，以GPT大模型为主的通用生成型AI，对人类的生活改变更大，而且一出现就自带成熟的商业模式，它的规模、发展速度和产业链纵深也可能超过移动互联网的规模，是数字经济天然的产业承载。 通用型生成式AI的产业链包括上游的算力资源、中游的模型开发，下游的各种应用。 上游的算力资源，在训练阶段，每一代 GPT 模型的参数量均高速扩张，预训练的数据量需求也快速提升，大幅提振算力需求；在应用阶段Chatgpt目前一天2.5亿次咨询，需要3万多块英伟达A100同时运行，每天耗电237万度，这只是文字交互，如果未来进入图像、视频的阶段，那耗费的算力更恐怖。 中游的模型开发，虽然理论上，有一个大模型就够了，但从安全性的角度，很多国家和互联网巨头都会开发自己的大模型；除了大模型外，各行业还要开发自己行业垂直模型。 下游的应用，才几个月，大家已经习惯了“这也能干”的惊讶，不断有新的行业陷入“失业”的恐惧，几乎每一个行业都有人在思考，怎么用AI技术把这个行业重新干一遍。 人工智能时代将出现一个新的“算力+模型+应用”的产业体系，而且是典型的供给创造需求，层出不穷的AI应用的出现，刺激上中游的算力和模型的升级，而算力和模型的升级，又支持了更多场景的AI应用，复制当年“英特尔+微软”联盟促进个人电脑发展的历史。 回到中国的人工智能与数字经济产业，这个体系又完美地符合了“通过政府投资和政策激励有效带动全社会投资”的增长模式。 我国比较强的是上游的信息基础建设，但核心的服务器芯片，还在等待突破，这些环节的投资巨大，又涉及到国家安全，天然适合国家投资。 未来的算力突破后，对于清洁和廉价能源的消耗将成为新的瓶颈，这又与国家的新能源产业投资与政策联系起来，化解目前新能源领域投资产能过剩的风险。 而中游的大模型，目前的互联网巨头和科研机构都早已布局，国家可以加大政策支持，尽快在这些领域实现突破。 下游的行业垂直模型和应用，天生适合民间资本投资。 周鸿祎说我们的AI只落后二三年，但按照GPT的进步速度，AI时代的两三年，可能等于工业时代的两三个世纪。人工智能技术的突破，既是挑战，也是机遇，以政府在数字经济、信创、半导体上的投资，带动民间资本对大模型和AI应用的投资，这样，中国经济才有希望走出低谷。 6/6、AI产业趋势投资的四个风险 这个产业趋势从投资的角度来看，有四个较大的风险： 风险一：趋势确定，标的不确定 这一波AI行情与之前的元宇宙一类的概念不同，它是革命性的技术，一方面，传统互联网大公司不断进行投入，不断有新产品出来，另一方面，传统企业纷纷拥抱新技术，借此弯道超车。现在更像是1995-2000年的美国互联网浪潮，虽然最终泡沫破裂，但也诞生了日后的第一批互联网巨头。 只是应用端的标的实在太多，由于A股上市公司很容易追求短期股价，现在大涨的这些标的，最后大部分仍然是过山车的命运，2014-15年的互联网+，大量成功案例都是创业公司和中小公司，最后在美港股上市，而炒得热火朝天的A股，最后走出的只有东方财富，还有一个争议不断的乐视网。 未来也会出现多个十倍股，但现在它们大概率还是因为踏实做事、不为人知而股价躺在地板上。 相比而言，算力端的确定性稍强，但想要算个股空间也不容易，更适合一揽子投资，过程中再不断淘汰。 风险二：大模型无法达到预期的效果 有人说，大模型是大力出奇迹、参数加到一定程度后的“涌现”，以我们的人力物力坚持投入，大模型就一定能出现。 但我们别忘了，大模型是一个黑箱，OpenAI的工程师自己也不知道为什么突破发生在最近。由于GPT3之后不再开源，国内现有大模型都是在GPT3的基础上开发，可GPT3和GPT3.5，才是从猿到人的差别。 换言之，存在除了OpenAI之外的所有大模型全部失败的可能性。 风险三：政府监管风险 AI的能力越强，反对的声音越大，美国是一个宗教氛围很浓的国家，加上要平衡各方诉求，肯定会不断出现反对的声音，现在还只是科学家的呼吁，接下来还有宗教人士、反科学人士、各种思想团队的呼吁，如果出现了一些意外事件，还会有更多的利益群体站出来反对，政治家们基于选票，会出台各种限制法案。 虽然这样会给我们赢得时间，但在我们的技术达到一定程度时，政府也会有相应的监管。 风险四：人工智能真的失控 具体无法预测，毕竟这是人类历史上从未出现过的新物种，但这就不是投资的风险了…… |
|
|
