金融界1月2日消息，近日，东方港湾发布《开幕的钟声东方港湾2023年年报与展望》称，2024年全球或许将进入AI技术加持下的创新应用喷发的一年。在人工智能时代，新的“飞轮效应”也正在形成，大模型利用人类积累的数据训练出了服务人类的能力，而越来越多人类使用AI的反馈，也正在以“强化学习数据”的形式，指数型地提升着AI的能力。时代开幕的钟声已经敲响，站在AI时代的开端，我们看到飞轮已经被启动，AI规模定律开始生效，世界的运转模式和人们的生活方式正被重塑。往后看十年，一切才刚刚开始！
开幕的钟声东方港湾2023年年报与展望
如果为2023年选择一个世界年度词语，我们觉得应该是“GPT”。GPT即是Generative Pre-trained Transformer（生成式预训练变换器）的缩写，也是General Purpose Technology（通用目的技术）的缩写。
当下被大语言模型所引领的新一轮人工智能革命，被人称为人类历史上第25个通用目的技术。就像石器时代人类学会使用火，开始懂得运用能源；农业的出现直接使人类从游牧转为定居，人口出现大爆发；轮子的发明创造了运输业，改造了整个社会组织形态和生产效率；印刷术带来了信息的跨时空传播，将人类整体心智提高一个段位；工业时代人类彻底掌控了电之后，开启了人造“电器”时代；再到后来发明了计算机，在物理世界之外，打开了另一个“软件”的新世界；以及最近一个通用目的技术的出现，互联网将世界交互的时空距离，彻底拉近于零。这些技术都深刻地影响了许多行业，作为平台技术衍生出了其他技术类型，带动生产力出现跃迁，也同时改变人类的生活方式。
人工智能始于20世纪50年代，而一直到算力与数据爆发的互联网时代，人们才开始逐步跨越“基于规则”的人工智能路线，进入“深度学习”的新路线。也就是从人类为机器写指令，进入到机器拿着数据材料，在人类的帮助下开始自己学习的时代。到今天，机器视觉的感知速度和准确性，已经远远超越人类水平，Alpha Go在围棋上打败李世石和柯洁也已过去了六年时间了，程序化交易在金融投资领域已经占据了重要地位。而随着2023年GPT的推出，深度学习在语言能力上的突破，将把这项通用目的技术彻底推上新时代的主角地位。
为什么语言能力很重要？
过去的人工智能，主要集中在感知能力和自动化规则执行上，这称不上严格意义上的“智能”；而语言的本质是一种“思考能力”。语言是人类与生俱来的一种本能：人类天生能够将所有外界客观存在以及抽象概念，在脑中形成一个“相”，而人脑神经系统的功能，就是去创建这些“相”之间的关联度。这些相可以是文字、声音、图像等多模态，甚至对于盲人来讲的某种触觉，这些关联度就是我们理解世界的各种模型。我们能够彼此交流，翻译不同国家语言，绘画谱曲写作，逻辑推理，数学运算，其本质无不是在处理着不同“相”之间的关系模型。所以，大语言模型开始模拟人类的这种本能，用“token”与“参数”去模拟人脑的“相”与“关联”，通过互联网时代积累的海量数据，以及计算机时代发展至今的神经元算力GPU，去构造出机器的思考能力，这就是GPT的本质。
虽然还缺乏情感与自我意识，但大语言模型已经具备了AI的真正内核。在新的“规模定律”的作用下，我们相信AI的能力会随着数据量与参数量的规模而逐步递增。GPT3到GPT4的参数量提升了10倍，才在2023年打开了Ai应用的新格局；而很快我们将进入GPT5的新时代，AI在多模态处理能力、长链条逻辑能力、规划能力、个性化与记忆能力上必然得到进一步的大幅提升。这种AI思考能力，会深刻的影响几乎所有行业，衍生出其他技术类别，带动生产力出现跃迁，同时极大地改变人们的生活方式。
投资收益的根本来源是伟大企业创造财富的能力，而伟大企业都是每个不同科技时代的结晶。从目前种种线索来看， AI技术对人类社会的影响力，要远比上一个互联网技术深远，成就更加伟大的企业，创造更加可观的财富。这也是我们核心投资哲学“与伟大企业共成长”的现实写照，2023年我们团队的注意力、时间分配和持仓上，全面地与时代主线对齐。
在AI时代里做投资
2023年我们产生了以下的投资思路和策略。
大语言模型所遵循的“规模定律”决定了AI能力的进化，必然伴随着算力需求的膨胀。当下最强模型GPT4包含了1.8万亿参数，是GPT3的1750亿参数量的近10倍，使用了13万亿的token的数据量进行预训练，在大约25000个A100芯片上训练了90到100天，这在算力需求比GPT3大了将近70倍。2024年即将推出的GPT5传言有近10万亿的参数，比当前版本大5倍以上，预训练对于算力的需求也会呈指数级别的上升。而这仅仅是预训练端。在模型的微调阶段，虽然单次微调所使用的数据量以及算力需求远小于模型预训练阶段，但在开源模型广泛传播的趋势下，大模型在各个细分领域进行落地时，微调就变成了一项高频的训练过程，这也在逐步加大对算力的需求。当大模型应用在各个领域开始逐步展开后，紧随着ChatGPT和Bard，越来越多的应用，例如Github、Midjourney、Canva、Runaway、CharacterAI等，月活用户数也会上到千万乃至亿的级别，对于模型推理的算力需求，会比训练端高出一个量级。例如，据AI创投机构Coatue的测算，GPT-4的预训练用了100天和210亿Petaflops的算力，相当于每天2亿Petaflops的算力需求，而GPT4的每一千万日活跃用户，所需的推理算力约为每天高达80亿Petaflops，是训练阶段的40倍！
所以投资的策略之一，是寻找那些助推大语言模型进化所需的算力，无论是GPU、Asic芯片还是AICPU的龙头企业。
2023年，大语言模型首先向人类展示了包括聊天、搜索、辅助编程、文生多媒体、文本记录翻译与总结等多种功能，诞生了一批如上文所提的软件应用，这还只是AI应用的雏形。如果对未来AI应用的发展进行分类，我们觉得可以大致分成三类：
首先是“副驾驶”类型应用，AI将人类工作中繁琐的、较为简单的、流程性的部分工作进行自动化，虽然人类依旧掌握“主驾驶”的决定权，但单位生产力将得到极大的提升，尤其是知识型服务业。过去几百年，工业商品单价不断下跌，而大部分服务业单位价格却与日俱增，主要的问题还是服务业的规模不经济，简单来讲就是规模大了靠堆人，但人不好管，得加钱。而随着AI的接入，未来许多服务业的组织形态将发生重大变化，员工数量未必需要随着规模而上涨，服务业的流程自动化或许可以降低人类的参与率。例如，在游戏设计行业，软件工具目前只占成本的2%，设计和美工的人力成本占比则超过了80%，全球游戏设计引擎龙头Unity目前正在将大模型的能力引入其产品，凭借目前大模型所展现的文生多媒体的能力，势必将给游戏设计业带来极大的颠覆，同样的情况也会发生在电影行业。这种类型的应用非常广泛，正在发生的例子包括了类似Github带来的AI辅助编程，Microsoft365系列产品里的“copilot”助手全面提升办公软件效率，Tesla为代表的汽车智能辅助驾驶将进入L3阶段，LexisNexis推出的Lex Machina等AI工具帮助律师进行案件资料搜索与预测，等等。
其次是“自然语言交互”类型应用，AI将人类从与电器或软件的低效交互方式中解放出来，允许人类使用自然语言进行人机交互。基于大语言模型下的“自然语言交互”与过去基于规则的“自然语言交互”已经是质的区别了。这方面的应用包括了电动车的智能座舱，家庭的电器物联网操控，手机端的中央语音助手，各种文生图的绘画应用，等等。与“副驾驶”类应用直接提高单位生产率不同，AI的“自然语言交互”能力，会大大降低人机交互成本，可能在许多领域引爆一些刚需但使用门槛较高的应用，从而使得某个领域的客户量呈现爆炸式增长。举个例子，互联网时代的社区社交活动，经过了从文字到图片到视频的进化过程，但其内容的编辑门槛却大幅提升，有些软件像Photoshop甚至需要学习课程才能掌握；而AI通过自然语言正在快速地拉低这个门槛，很可能使某类图片或视频应用的用户数未来出现快速增长。同样的，App制作、游戏制作、歌曲谱写、机器人编程、无人机操纵、3D打印，可能都会很快变得更具有“普世性”。
再者是“新物种”类型的应用，AI可能如互联网一般，不仅为传统商业模式带来革命性进化，还会在新时代诞生出新物种。且通常新物种会以新创业公司横空出世，不一定是老巨头的转型。2023年的AI应用，排第一名的无疑是聊天功能，除了众所周知的ChatGPT以外，主导虚拟人物陪聊的Character.AI和Replika尤为值得一提；其中Character.AI的月活超过千万级别，每月访问次数超过ChatGPT，平均停留时间也远超GPT达到了33分钟。或许未来很快我们就可以看到引入记忆系统或情感系统的AI聊天应用，将具备用户的个性化，AI虚拟人或许不以实体机器人的形式存在于我们周围，但会是如电影《她》中所示，先寄生于手机或耳机设备，陪伴我们生活，获得我们的充分信任，同时随着电器与软件的AI原生化，它也会成为我们对接其他各种AI电器和软件的代理，这将会是一个操作系统级别的应用。另一个可能的应用方向，来自对AR技术的衍生促进作用。AR的成熟非常依赖于设备对佩戴者周边环境的数字化能力与互动能力，而大语言模型的引入将彻底改变游戏规则，AR设备不再需要通过人工指令去与世界交互，而是通过大数据学习的方式去穷尽对世界的认知，这或许真的可以让AR设备成为AI时代的全民设备。
所以我们的投资策略之二，从以上分析出发，是去挖掘、选择和跟踪这里边价值增量最大的应用场景，例如智能驾驶、多媒体编辑软件、游戏制作软件、AI聊天工具、AR设备厂商等。
如上所言，大语言模型未来的行业架构，底层是硬件算力，中间层是大模型底座，而上层是各类别的AI应用，夹在AI应用与大模型之间的，可能还存在一个“大模型能力分发”层，目前判断未来应该会长时间存在，也就是“AI云计算平台”。由于最先进AI模型目前都是不开源的，且AI模型需要持续训练与迭代，参数量、数据量和算力需求也在节节攀升，因此通过云计算的方式，把最先进的AI大模型分发给各种应用，会必然成为未来使用AI的主流方式。这是目前AI能力变现最快最直接，也是未来可能价值量最大的一种方式。目前Azure凭借最强的大语言模型GPT以及行业最强的解决方案落地能力，率先带动其AI云服务出现了加速增长的势头，增速也位列行业第一。谷歌云在Gemini迭代追赶中，也保持着行业第二增速的势头，凭借其行业最强的数据能力以及最低的TPU算力成本，或许很快会出现云服务提速。虽然目前AWS暂时落后，但在开源模型的普及过程中，其云计算也或许能雨露均沾。
所以我们的投资策略之三，就是投资于AI能力的“分发部署渠道”云计算，以上三个策略构成了我们目前AI领域投资的方法论。
2024年全球或许将进入AI技术加持下的创新应用喷发的一年，而与此同时，新冠疫情下的创伤也在逐渐得到修复，尤其是通胀水平正逐步得到缓解，全球将进入“降息通道”。临近年末，美国10年期国债的交易利率在10月末创下5%的高点之后不断下调，目前跌至3.8%。这预示着市场认为24年美联储可能出现5次以上的降息动作，这将作为全球利率水平的重要标杆。无论对于全球整体资产的估值水平，抑或是对于中国经济在金融风险控制和经济刺激能力都起到了正面的促进作用。
在互联网时代，网络将你我链接后，产生了许多“网络效应”或“飞轮效应”的正反馈回路，成为科技加速经济增长的核心动能。而在人工智能时代，新的“飞轮效应”也正在形成，大模型利用人类积累的数据训练出了服务人类的能力，而越来越多人类使用AI的反馈，也正在以“强化学习数据”的形式，指数型地提升着AI的能力。
时代开幕的钟声已经敲响，站在AI时代的开端，我们看到飞轮已经被启动，AI规模定律开始生效，世界的运转模式和人们的生活方式正被重塑。往后看十年，一切才刚刚开始！
