广发基金冯骋交流纪要20230731

冯骋：先谈一下这次AIGC大模型创新的产 业变革。这次大的产业变革，可以和人类历史上的 工业革命、信息技术革命类比，大概率会 有比较长的产业趋势的演进过程。上半年，产业发展脉络沿着算力、大模型 到数据的方向演进； 往后看，一个非常重要的点，就是AIGC在 未来应用的全面落地； 应用的方向可以集中在to B生产力工具如 数字人、虚拟助理等由大模型带来的可以 替代人的智能工作的方面。以，从中期的产业趋势来说，我们可参考的历史是2009年-2015年移动互联网 浪潮这一次持续了接近十年的产业趋势变 革。同样的周期，我们认为这次AIGC大模型的 突破，实际上不亚于移动互联网这样的底 层技术突破。它影响了千行百业的变化，所以它的产业 持续时间，我觉得至少是3-5年的变化；而且有可能，在年底或者明年就可以看到 很多AI应用在我们身边出现，开始渗入到 我们的工作、生活当中去。我们在投资领域经常讲的一句话就是“买 在分歧，卖在一致”。站在年中的位置，AIGC这个产业趋势在上 半年很火，大家的预期达到了相对的高，但是这样的中期产业趋势并没有达一致的很高的预期。主要原因就在于，我们身边很多人并没有 开始使用AI应用，无论在工作中、还是在 生活中都没有开始用。比如编辑、电影、游戏或者办公场景，还 没有完全渗透到我们的生活中去。移动互联网时期，大家都在用手机玩游 戏、看直播，点外卖、打车等，相关应用 也在铺开。但是现阶段，我们并没有看到身边有很多 人在用这些应用，所以这一波产业趋势没 有结束，而且没有达到市场比较高度的一致预期状态。分析。冯骋：一个新技术的出现，首先是给生产 力效率带来一定的提升和变革。对于AIGC大模型技术，我们比较看重的，是它在生产力场景上会带来效率的提升。比如我们比较关注to B领域的办公场景。简单理解，AI大模型具备小学生或者中学 生这样通识能力的智能水平，但是我们要 在这个基础之上给它灌输更多专业知识。比如给它灌输法律、教育、医疗方面的知 识，它会成为专业领域比较专业的人才，辅助你提升工作效率。所以我们关注它在to B领域垂直应用的进 展。有可能在明年就会看到相关的应用出 来。如，我们现在比较关注的办公领域，键生成PPT的功能，包括帮你提炼会议纪 要、提炼总结要点，帮你做会议整理和梳 理。相当于每个人会配上一个个人助理，帮你 完成一些具体的工作，提升工作效率。这个领域是非常值得关注的。 在to C领域，现在AI跟to C领域的结合，比如情感陪护、私人助理等，也是比较好 落地的场景。但是我们现在看到，to C场景上大家还在 探索，还没有一个非常清晰、全面的场 景。比如之前大家关注度比较高的AI和游戏的 结合，想做出一个特别重度的AI游戏玩 法，现在大家还都在探索过程中。以，我们觉得to B领域落地更快。另外还有一个思路值得未来留意。你可以把AI模型理解为人的智能替代，会 从智能水平比较低向智能水平比较高的工 作慢慢渗透。从这个角度来讲，我比较关注智能驾驶领 域。目前来看，相对于办公领域设计一个非常 复杂的PPT，可能驾驶场景对智能的要求 稍微低一点。智能驾驶通过运用Transformer模型的算 法，已经取得了重要的突破和进步。未来看得再长远一点，模型训练方法用在 机器人这样的训练场景上，也会带来机器 人智能的提升。这些场景有可能未来两三年逐步落地。：年初AI产业链呈现出轮动的变化势，从一开始算力到大模型、到传媒，再 到算力，你会更加关注哪些方面？除了刚 刚说的应用，这个产业链上的机会应该如 何把握？冯骋：行情走到现阶段，再往后，我们比 较关注这几个方向： 一是国内模型能力新的突破，达到可以落 地应用的能力，这是非常重要的。二是大家依然非常关注算力、数据这些场 景后续产业趋势的发展。一方面，随着下游应用的不断渗透，算力 需求不断增长； 另一方面，人类对于模型能力边界的探索 也没有结束。外OpenAI训练到3.5-4.0，实际上未它对模型边界能力的探索还是在往后延伸 的。如果明年出现更大参数模型的探索，它的 能力可能还会有更大的扩展，对算力还会 有更多需求。从这个角度来讲，我们对算力依然非常关 注。同时，我们更关注应用这种能切实落地的 场景，给人的生产生活带来变化，或者说 产品的供给能达到人们想要的能力，这样 的话应用才能得到很好的普及。从这个角度来讲，我们觉得，整个下半年 到明年上半年，一旦出现爆款应用，它会 和算力形成良性互动。用普及，带动算力需求提升，同时算的快速提升、降低成本，又带来应用的普 及，就会形成这样的良性循环。这是下一段行情我们比较关注的点。问：从投资的角度，大家更关心的是，这 些新的产业、新的创新，应该怎么评估它 未来的商业模式和盈利能力呢？冯骋：实际上，它并没有改变原有产业的 商业模式。 比如我是一个卖SaaS软件的公司，通过和 AI结合，还是原来的SaaS订阅收费的模 式，并没有改变商业模式。但是，我可以通过提供AI模块，提升你的 工作效率，多收一部分费用。交了这个费用的人，用了AI之后，工作效 率比不用的人大幅提升，最后的结果很可是大家都会用AI功能。前提是，我的AI功能效果要好，能真正产 生价值。比如写一篇报告，以前要花一周时间，现 在通过AI辅助的模式，一天就写完了，这对我工作效率提升很大，我愿意为这个 效率提升付费，这是AI核心商业模式的本 质。问：还有别的想象空间吗？冯骋：在降成本这一端也有很大的应用场 景。比如，以前做一部动画电影有可能花三年 时间，通过和AI技术结合，有可能出现一 年做三部电影的情况，大幅提升生产端的 效率。且，AI是否会改变很多企业的成本结以及盈利模式，这也是值得探讨的。比如直播行业，以前直播行业的利润分配 以人为主，如果未来能做出非常逼真的数 字人形象，而且它有很好的IP效果，它极 有可能就是头部主播。而且，成本很可能是更低的，完全可以依 赖它的IP效应，它的收入跟IP效应相关，但成本非常低，预计会大幅提升这些行业 的盈利能力。问：当这个行业热起来之后，很多企业都 在涌入这个赛道。你觉得什么样的企业更 容易胜出？或者说投资者应该关注具备什 么样特质的企业？冯骋：这也是我们不断思考的问题。产业链环节来说，其实用一句话就可表达结论，就是真真正正能把产品做好的 企业。企业自身能做好这个产品，把产品打磨 好，能给大家带来价值提升、效率提升。能把产品做好的企业，这是我们非常关注 的备选标的。到了这一阶段之后，我们一定要重点关注 能把产品落地、能把价值体现出来的企 业，这样的话，客户才会为你付费。问：从中长期视角看，你觉得科技板块有 哪些机会是值得投资者密切关注的？冯骋：从2023年往后看，预计未来2-3年 是科技创新的上行周期。从时间节奏来看，未来2-3年是小的创新上 行周期。方向来看，在我们的框架里，TMT行最有吸引力的点是创新，创新的本质就是 渗透率的快速提升，所谓的渗透率提升就 是有新需求、有新空间。未来我们要关注哪些产业是从1到10的产 业趋势创新，哪些产业是从0到1偏主题性 的创新，我们比较关注这两类方向。从0到1偏主题性创新，有可能产品形态定 义还不够清楚，渗透率常年维持在几个 点，这种创新更 多是过去没有，现在突然 有了，会有一波主题性机会。但是往后看，我们要更多关注这一类创新 能不能度过技术供给的拐点，使得产业趋 势从1到10。比如过去两年的元宇宙、VR，都属于这样 的状态。有一类是从1到10，是我们比较关注产业趋势的创新。本质是渗透率从1到10，渗透率从个位数 到10个点，再到20个点、30个点。有这样的产业趋势，使得很多公司能在业 绩层面逐步快速兑现，这一类机会一旦出 现，就是非常重要的投资机会。未来有几个方向可能有渗透率快速提升，比如智能汽车，比如再过一两年的MR、VR可能就是这样的产业趋势机会。同时，我们也关注到一些周期成长性机 会，比如半导体周期，从历史数据来看，因为它的产业规律相对明确，一般是两年 半上行、一年半下行。问：智能汽车的投资逻辑你们是怎么看 的？骋：智能汽车的市场空间，跟之前消电子的需求空间有可能是一个量级。对于汽车来说，智能化的渗透率目前只有 10个点左右。我们要关注智能化的渗透率能不能快速提 升，这是我们做行业比较时较为关注的 点。过去几年，我们看到汽车出现辅助驾驶功 能，加上了摄像头、激光雷达、座椅、座 舱的智能化； 加上这些辅助功能，使得汽车变得更方 便、更舒适，驾驶效率更高，智能效率提 升。同时，我们也看到，自动驾驶新的功能在 今年通过算法的提升又上了一个新的台，我们判断有可能进一步加速行业的展。不过，我们认为，智能驾驶这个细分的 Beta还是服从于汽车行业的大Beta。二季度之前，大家对智能驾驶板块关注比 较少，表现不是太好，主要是车的大Beta 没有起来，偏负向。6月、7月之后，车的销售数据在改善，智 能驾驶成了板块里表现最亮眼的细分方 向。往后看，随着车的大Beta企稳，智能驾驶 板块技术出现突破，将带来更强的渗透率 变化。问：你管理的TMT主题基金表现这么好，跟你自己在技术方面长期的跟踪研究是不 是有很密切的关系？骋：研究TMT是比较辛苦的，科技的化非常快，新技术出现、产业链的变化也 非常快。我和我们TMT研究组的组员，紧密跟踪产 业链上的变化，对公司的基本面情况进行 跟踪，不断验证，提出一些假设和想法，或者得出一些观点。再观察它是否能得到 市场进一步的支持或者验证，这对我们提 出了很高的要求。同时，我们也在不断思考，从偏中观的角 度，每一个技术的发展都有风险，不一定 每个技术都能真正进入产业趋势1-10的阶 段。有可能它在出现之后就消亡了，没有 落地。这也需要我们学习很多技术发展的历史，总结规律，判断哪些技术可以实实在在地 地，哪些技术还有很长的成长周期。这涉及到对中观产业趋势的判断，对我们 提出了比较高的要求。