付娟-世界因AI而加速，空间计算从0到120230804 (1)

的题目其实就非常观点鲜明，表明了接下来在比较长的一段时间里面，非常看好因AI而带动的整个科技产业。我自己认为，股票市场上比较大的、能够贯穿几年的投资机会，往往在于产业机会。 如果我们去回想一下2010年就开始萌芽的中小创，以及2014年开始主题性上涨的新能源，每一波机会都是贯穿了5-6年，当然中间有起起伏伏，有主题炒作阶段，也有最后的产业兑现阶段。 己在开始学习的时 我们也想从每一个历史时期去找一个足够大的、能够主导新科技发展的产业趋势。可能目前很多人还没有去讨论，但是我自候，我认为可能是空间计算会开始从0-1，来到我们的身边。 于下半年，我们在7月下旬写年中策略告的时候就认为，波动率是非常非常低的，基本上是疫情以来最低的一个位置，不管是美股还是A股。我们就认为，这种低波动的情况难以持续，只要发生一些事件，可能就会被打破。 下半年，我们认为这种情况可能会被打破，会发生一些情况导致波动率上行。为什么呢？ 首先，对于国内，我们对于国内的经济是保持乐观的。 因为最近两三个月，大家都知道是体感最差的一个阶段。 在这样一个位置上，如果继续变差，概率应该是非常小。 时，我们从库存的波动来看，基本上经进入了一个主动去库的尾声，接下来大概率是要进入一个被动去库的复苏点。所以，我们认为，国内经济 下半年上行的概率是比较高的。 叠加最近刚刚出的一些重要会议上的变化，包括活跃资本市场，定调也有所升级，又强调了逆周期调节，所以说对整个经济向上的预期是越来越多了。 也能看到市场现在的这种纠结。 但是还有一部分投资者认为，预期起来之后，我们要看到实实在在的政策出台和落地，这是大家目前对国内经济的看法。从行业比较角度，其实 为什么市场这么纠结？ 为什么很难有一以贯之的行业机会？ 们可以看到，估值便宜的成长股，其他们的成长性也较低，也引不起大家的投资兴趣。有成长性的赛道又很拥挤，不拥挤的估值又高。 所以说，在大家选择的时候其实就经常发现，很难有持续上涨的这样一个板块，不管是成长还是价值。举个例子，电新，现在不管是从它的复苏的确定性，还是它的估值来看，其实都比较好。 如果我们按照经典的景气度投资的方法来看，那么电新应该是一个相对值得投资的板块，至少它那些龙头股有比较好的买入价值了。是因为今年大家特别关注拥挤度，也是筹码分布的因素，所以说电新也没有被大家持续地去布局或者选择。 又比如说计算机，计算机其实它非常不拥挤，除了跟AI相关的小部分有超额收益，其实计算机大部分股票表现也非常一般。而且，估值从它历史上来看也在相对低位，不贵。 但是，因为它下游主要是B端和G端，所以说它的盈利周期还没有明确的向上拐点。再比如，已经杀了很多的医药或者是食品饮料，虽然我们看它相对自身的历史估值不高，但是如果去看它相对其他板块，或者自己的PEG，又显得没那么有吸引力。 以，整体而言，因为现在中观层面的些因素影响，大家在行业选择上是比较纠结的。 面对这种纠结的情况，我的选择是什么呢？ 我还是建议关注产业主线， 寻找一些足够新的、有大的成长空间，而且在不断发生变化的这样一些行业。 所以说，我这次中期策略就主要想跟大家分享智能化和空间计算。 以前在移动互联网时代，我觉得感触最多还是C端的变化，但是，今年感受其实最多的其实是B端的变化。所以，AI这一波，它跟上一波移动互联网非常不同，就是它对C端、G端、B端都会进行深刻的改造。 如说我们看到Office的一些AI应用，些营销软件里面的应用，反而是更快去落地的。但是对于C端，哪怕是游戏里面的功能，其实进展相对缓慢。 现在人类已经把信息或者感知世界的功能交给了计算机，把思考的部分也交给了计算机，那么接下来，就差一个行动了。那么行动是什么呢？就是我们通常说的，比如说具身智能、AI代理等等这样一些功能，这些都叫行动。行动的话，其中有一个，我为什么要提出空间计算呢？ 在空间计算概念出现之前，计算机它再强，它也是一个二维计算。但是人类世界是一个三维世界。 没有办法去完全匹配、融合或者是令实与虚拟统一。 但是因为空间计算的出现，就使计算机跟人类的需求自然匹配了或者统一了，也就是我们在各种科幻片中看到的这种立体的交互就能实现了。 为什么要关注到这个东西呢？ 是因为AI让我看到了这种三维世界构建的可能性，或者说，三维世界会因为AI而加速来到我们身边。比如说大家看大众传媒的介质，在历史上经历了文字、图片到视频的这样一个变化。 到了三维世界的时候，我们传递信息的媒介不再是文字、图片或视频了，而是一些3D的内容。 D的内容，我们在调研中看生产的过程你会发现一个非常大的痛点，是在于它的时间成本，成本是非常贵的，时间上非常耗时。这是原来按照传统3D建模的方式，去实现3D内容的生成。 那么它的生产速度就会大幅提升，或者生产成本就会大幅下降。 但是因为AI的出现，3D内容上也有了这种大模型的能力， 举个例子，比如说Unity，它是做游戏引擎、做3D引擎的一个非常重要的玩家，它在Transformer之后也推出了两项AI的工具。你会发现，利用Unity提供的这样一些3D工具，开发者可以迅速去实现一些3D内容 生产，更加方便地去生产3D内容。 包括苹果也是， 苹果在以它的VisionPro为硬件载体的情况下，它也推出了很多基于3D内容制作的一些套件，或者是软件，或者是模型。所以说，大家生产3D内容的工具也日渐丰富起来了。 这中间就会产生一个非常重要的点，就是3D数据资产的积累。现在你在市面上去看3D的数据，非常非常少。 但是一旦这些数据因为AI加速而沉淀，越来越多的话，那么其实它也可以反过来去反哺3D大模型的一个进展。为什么要开始研究这个事情，就是MR真的给我一种很震撼的感觉， 果的MR，让我第一次感觉到了空间计的终端产品是一种什么样的状态。 在苹果MR出现之前，我们一直认为，可能在很长一段时间之内，那种头盔、眼镜都是一个用于娱乐甚至只用于游戏的终端。但是苹果的MR出现之后，我发现它可能是一个类计算平台的终端产品。 类计算平台就是相当于我们的手机，相当于我们的电脑，这样一个计算平台的概念。 它不光仅仅用于娱乐，它用于我们的生活，用于我们的工作，用于我们的沟通交互等等，它都可以实现。它强大的芯片，首次出现的强大的传感器，研究完之后，让我觉得这真是一个划时代的产品。 然离我们所说的3D空间计算最终成熟可能产品还有一定的距离，但是我觉得它已经是一个完全划时代的产品了。 一提3D，就说苹果的VersionPro，它其实存在于我们现有世界的所有状态当中，包括智能驾驶、机器人，哪怕前段时间刚刚炒过的3D打印，其实都是跟我们整个世界3D能力的加速而相关。 比如说举个例子，智能驾驶，最近你如果去看一些关于智能驾驶博主的测评，你发现智能驾驶在很短的时间内，在个别场景的处理上是优于人类的司机。 而不是像之前，大家一看就觉得是一个新手司机。 现在对拐弯、超车、加塞这种现象的话，自动驾驶包括L3或者是L4级别，你会发现 的流畅度已经甚至超过人类司机的驾能力了。 为什么？ ，Transformer智能化的架构的出现。 其实背后也是因为人工智能 或者 比如说以特斯拉的智能驾驶最近一次的迭代而言，它就是运用了Transformer+BEV的架构， 去让自动驾驶的数据收集、数据训练以及它驾驶体验的优化快速迭代，才达到了刚才我说的让人特别惊艳的一种效果。 实特斯拉做的一个事情就是它构建了个非常强大的三维重建的数据库，以及用数据库去训练它自动驾驶的能力。 所以说我们国内的汽车品牌，以新势力为代表的，也正在加速去学习、部署这样一套因基于Transformer架构的智能驾驶。你如果再去把它整个的过程进一步细拆，你会发现， 所以，我们可以看到，三维重建的这些技术让智能驾驶也在快速迭代。 包括机器人也是，因为大模型它可以吞吐的数据训练量非常大， 比如说特斯拉，包括小鹏等等，以前训练的时候，它用的驾驶数据，都是图像按帧去训练的。 但是现在我们看到，它喂进去训练的数据是视频的资料，是动态的，也就是说是超越3D，在一个4D的基础上去进行训练。你会发现，因为算法的能力提升，对真实世界的模拟或者是仿真能力都在提升。我们看到车上已经有了非常明显的进展。 下来，我们可以期待的是，机器人可也会超预期的去迭代它的功能的实现。为什么呢？ 以特斯拉为例来看这件事情的话，其实你会发现，车跟机器人有类似的规划算法。当然，因为它的机器人是有更多的自由度的，它每个自由度可能都是一个去控制的算法，所以说可能比车要更难。 但是它每一个自由度上的算法，其实跟车还是有非常相似的这样一个规划算法的，都是在空间去做计算，把这些物体在空间去占位，然后去计算我应该走的路线，或者我动作的路线。 所以说，虽然现在我们还没有看到人形机器人在成熟的商业场景去落地应用， 是我认为，基于车最近这半年到一年生的事情来看，机器人可能接下来也会有让我们持续超预期的一些商业场景的落地应用展现出来。 对于中国的机器人而言，我认为可能是制造先行。 落到A股投资，整个的产业链，虽然链主可能目前来看似乎在国外。 但是第一步，我们先可以通过参与产业链，依靠自己曾经在消费电子、新能源汽车去积累的制造业优势，精密制造的优势，去参与到链当中。 后来，我们一定会孕育出自己的产业链的链主，就如同我们的电动车。 的智能手机都是一个非常好的案例， 明曾经我们只是参与了产业链的制造节，但是后来我们有可能从制造走向品牌、走向运营。 所以说，这也是我们需要持续去关注的一些领域。 电动车就是一个非常好的案例，包括我们 最后提一下“数据”，因为在去年的策略报告当中，其实我也特别提出来数据，尤其是数据要素。对于现实状况下，数据或者数据要素，我们需要关注的是什么呢？ 我觉得基于AI产业，我们要关注数据产生的AI化的过程，也就是说合成数据。什么意思？ 现在我们经常知道，我的大模型能力怎么样，要靠我能获得的真实世界的数据的数量和质量。 是，现在整个行业内正在发生的一个常重要的变化，就是在于合成数据的产生，或者是真实仿真环境的产生。 也就是说，未来大模型的训练或者大模型的学习，喂的可能不是人类的真实数据，而是很多AI自己生成的合成数据。 这也是最近产业里面发生的比较重要的变化。 所以关于数据资产的争夺，越来越向金字塔的顶尖去发展了。 一方面要去占领合成数据模型的进化，同时还要去买那些未来可能成为模型进化非常重要的一些数据资产。比如说我刚才提到的3D数据资产。 微软为什么多次去收购一些游戏公司？难道大家认为他是要进入游戏产业吗？ 认为不是。 他是看中游戏产业可能是目前3D数据资产最丰富的领域。 从这些巨头做的动作上，你就能够感受到，现在哪些数据是稀缺的，哪些数据是未来最有价值的。 同时再重申一下，我们对数据要素继续看好。 它是可以改变现有传统生产要素的一个创新型的生产要素。