财经头条

提升一亿中产阶级阅读效率

打开

AI投资：把握下一个科技革命

投资家

9小时前

移动网络的“iPhone时刻”恰逢2008年次贷危机，但自2009年3月起，美股开启了史上最长牛市，科技股成为主要驱动力。...而目前的AI大模型，也具备一个类似的规律——“ScalingLaw”。

作者 | 投研团队

来源 | 新全球资产配置

2010年代以来，人工智能(简称AI)取得长足发展。像2016年的AlphaGo，击败围棋世界冠军柯杰，引起一阵轩然大波。这个模型从最初的学习人类棋谱，到后来无监督的自我博弈，实现超越人类的下棋能力。让人们首次意识到，AI能在逻辑层面超越人类。

但后来几年时间，即便AI在数个领域取得不小的进步，并没有其它模型能像AlphaGo那样引发出圈的热度。本质在于，后续的AI模型并没有在通用性上取得足够巨大的突破。人们真正期待的是，一个通用人工智能的出现。

而2022年底ChatGPT的横空出世，似乎预示着这一时代的到来。

一、投资AI，把握未来

1.ChatGPT，牛在哪里？

当谈到人工智能是否具备“智能”时，最具标志性的评估标准无疑是图灵测试。该测试要求AI通过一系列问答，使其回答难以被人类辨别为机器所作，即被视为“通过”。

早期的AI对话工具，多是基于答案匹配的模式，难言智能。即使深度学习模型在分类、翻译、摘要等领域有所突破，但其生成内容缺乏创造性，对话中经常出现逻辑不清、语句生硬的“机器味儿”。ChatGPT的出现打破了这一局限。通过人类偏好对齐（RLHF），其生成文本在流畅度和贴近人类思维上取得显著提升，语言自然度几近人类水平。

得益于互联网海量文本数据支撑，ChatGPT背后的模型不仅储备了广泛的知识（涵盖文学、科技、医学、编程等），还涌现出逻辑推理和类比思维能力。这使得语言模型从单纯的文字生成迈向更高级的“智能”。

如今，随着语言模型同时具备了知识与逻辑，它可以通过对话形式回答各种问题。这一变革意味着，过去为翻译、文本分类、情感分析等任务分别进行繁琐训练的专用模型，已不再需要。一个大语言模型就足以解决所有语言问题。而随着模型迈向多模态，甚至能解决图像识别、机器控制等各种非语言问题，这正是人工智能所追求的“通用性”！

来源：老虎国际

简言之，ChatGPT及其他大语言模型早已超越“能说话的机器”的范畴。它们不仅能生成贴近人类语言的内容，还展现出知识整合、逻辑推理等能力，特定场景下通过图灵测试已不再是问题。通用人工智能已不再遥远，AI正步入发展的黄金时代。

2.科技革命，不可错过的投资主题

英伟达CEO黄仁勋，将ChatGPT的发布视为AI的“iPhone时刻”。“iPhone时刻”代表着一项革命性的技术实现突破，并在未来的实际应用中实现爆发式的扩张，引领人类社会和经济增长。

来源：彭博，截至2023/11/30

上表总结了历史上重要的技术变革及其“iPhone时刻”。自这些时刻起，纳斯达克100指数均表现出色。以1993年1月Mosaic浏览器发布为起点，互联网在90年代迅速崛起，推动指数在2000年4月前实现超过40%的年化收益率。移动网络的“iPhone时刻”恰逢2008年次贷危机，但自2009年3月起，美股开启了史上最长牛市，科技股成为主要驱动力。截至2017年1月，指数年化增长率达22.51%。

从历史来看，技术变革能为相关概念股带来异常丰厚的增长机会。假如AI技术在未来10年间，发展到改变社会运作或生产模式的程度，那当前的增长或许只是个开始。

3.AI概念，造出新巨头

自2022年11月底ChatGPT发布以来，尽管美国基准利率维持在4%以上的历史高位，AI驱动的七大科技巨头（英伟达、苹果、微软、谷歌、亚马逊、META、特斯拉）仍实现了154%的暴涨。其中，英伟达因科技企业对AI芯片的强劲需求，市值增长近7倍，跃居美股市值榜首。同时，AI服务器开发商超微电脑市值从48亿飙升至660亿，成功跻身标普500指数，成为新晋巨头。

美股及AI概念2022/11~2024/10表现，来源：彭博

AI盛宴下资金疯狂涌入相关的美股，造出了不少新的巨头。这难免会引起疑问，目前AI投资是否已经形成泡沫，2000年科网股破裂即将再现？由此，我们从以下三个层级进行评估：

技术：进步是否见顶？
应用：技术能否落地？
投资：估值是否过高？

二、技术：关注进步是否见顶

当前业界对AI抱有巨大的期待。假如技术无法持续进步，导致技术最终表现不及预期，那么相关的投资可能会被证明失败。因此，在投资AI时，我们首先需要关注AI技术是否仍在进步，或是进步的空间还有多少。

1.以史为鉴：芯片发展催生新业态

在过去50年，半导体技术高速不断的发展。业界甚至总结出了一个摩尔定律：芯片上的晶体管数目大约每两年翻倍。

在这一规律下，高性能计算设备不断小型化，或是大规模计算能力越来越强。支撑起了互联网、云计算、移动互联网等多个依托于计算机发展的科技革命，并为社会带来巨大的经济效益。

比如，互联网催生的电商，极大提升商品流通和贸易的效率，普通消费者能很轻松地获取和购买全球各地的商品。像过去美国大萧条时期“倒牛奶”的情景将大大减少。

尽管计算机如今已深入生产和生活，但其早期仅用于军事和科研计算，普通人难以预见其广泛应用。相比之下，通用人工智能的应用场景早已被广泛想象，甚至在ChatGPT等大语言模型出现之前，影视作品如《哆啦A梦》和《终结者》就已描绘了AI和机器人的未来。因此，对于AI而言，关键问题并非应用场景的缺失，而是能否实现足够的智能水平。因此，我们首先要关注的，是人工智能的进步速率和技术潜力。

2.AI版本的摩尔定律：Scaling Law

过去50年芯片遵循“摩尔定律”的发展，为社会带来了持续不断的创新科技应用。而目前的AI大模型，也具备一个类似的规律——“Scaling Law”。它最早由OpenAI提出：语言模型的性能与参数量、数据量及计算量呈现幂律关系。这意味着同时扩展模型、数据、算力三者的规模，就可以持续提升语言模型的性能。

语言模型规模与性能的幂律关系，摘自《Scaling Laws for Neural Language Models》

更厉害的是，大语言模型的规模突破到一定临界值时，能力提升甚至出现“跳涨”，就好像突然“开窍了”！这个“涌现”的现象，在GPT3和GPT4表现得特别明显，从过去的“小语言模型”只会背书，突然就掌握了运算等逻辑能力，并展现出“举一反三”的泛化能力。

语言模型规模突破临界点后涌现出非线性的性能提升，摘自《Emergent Abilities of Large Language Models》

大语言模型的“大”为通用人工智能奠定了基础，推动业界不断追求更大参数规模。以OpenAI为例，其GPT系列模型的参数规模呈数量级增长。尽管训练这些庞大模型需要更多算力、时间和资金，但它们遵循Scaling Law，性能显著提升。

通过对比不同版本的ChatGPT，可以直观感受到模型的进步。GPT-3.5已具备较强的对话能力，但在逻辑上仍有不足，倾向于规避不确定性。而GPT-4的参数规模增加了10倍，逻辑能力大幅提升，知识储备的扩大也显著减少了编造答案（俗称“幻觉”）现象。

而在训练端之外，OpenAI推出的o1模型引起了推理层面的热潮。o1采用的思维链模式，是在原来更类似“直觉”的单步推理基础上，加入了多步推理，变得会深入思考了！这带来了逻辑能力的巨大提升。同时他也能作为老师，指导训练出规模更大、性能更强的基底模型。

令人惊喜的是，这种推理侧的思维链似乎也存在Scaling Law！假如算力允许，大模型思考得越多，解决问题的逻辑能力也越强。在这一规律指导下，按照英伟达CEO的说法，未来AI可能是思考数上万步后再给出答案，而伴随应用的增长，推理市场的算力需求甚至能达到十亿倍！

来源：OpenAI官网

目前来看，从训练到推理似乎都存在Scaling Law，凭借两条腿走路，未来大语言模型性能的提升空间依然广阔，或许能在AI领域再现过去半导体的“摩尔定律”。

3.人工智能的通用性：模型具备横向扩展的能力

模型在纵向上的性能，有着Scaling Law作为指导。但我们谈及通用人工智能时，还需关注模型横向的多样化能力。多模态和端到端技术则为AI赋予了除文本之外的图像、语音、世界交互等多种能力。

首先，基于transformer的大模型已在多模态任务中展现潜力。以OpenAI的Sora为例，作为视频生成模型，其设计大量借鉴了GPT-4的架构，能学习文本、图像与视频间的关联。它可以根据文本、图像或视频输入，考虑视觉元素并捕捉时间维度的变化，生成以假乱真的高质量视频。

来源：OpenAI官网

其次，由于现实世界的信息载体多种多样，在输入和输出同时具备多模态能力，对于一个通用人工智能模型是必不可缺的。DALL·E等多模态模型能够将图像、文本和视频统一表示，例如对图片中的“狗”和“狗”这一单词，它们会获得相近的向量表征，实现不同模态内容的统一认知。因此，无论人类输入的是一张图还是一段文本，DALL·E都能实现准确的理解。

此外，能与世界交互的端到端模式，让AI更加接近通用智能。动物最大的特点是，能根据刺激或者信息做出反应，这个刺激可以来自于图像、文字、声音等等。而通用人工智能也需与世界交互，进行自我提升。

以自动驾驶为例，过去的模式多基于规则匹配，多个小模型负责物体识别的子任务，最终决策依赖人工设定的规则。这种模式更像“人工+智能”。而以特斯拉FSD v12为代表的端到端模型则可以通过图像等信息直接生成操作指令，其决策流程更接近人类驾驶员。也就是说，端到端模型具备了强大的泛化能力，它不再局限于预设的场景和规则，而是能够通过对海量数据的训练，学习应对复杂道路情况的策略。例如，FSD v12在面对突发交通状况等非常规的情形，能够迅速分析并作出决策，无需人类干预，显著提升了驾驶的安全性与稳定性。

这种与世界的交互带来了实时反馈，让模型在运行过程中不断获取新数据，从而突破训练数据的限制，达到更高的智能水平。在FSD v12上线后，从模型和真实交通环境的互动中，特斯拉收集到大量有效数据，从而形成正向迭代，加速训练出更强大、表现更稳定的新模型。

总体而言，高质量的文本数据浓缩了大量人类知识，信息密度极高，这能高效地训练出具备丰富知识的大语言模型，甚至迁移到图像生成、机器人控制等其他模态的应用中。而OpenAI及特斯拉近期展示的机器人，具备相当的活动能力，端到端大模型的潜力也初见端倪。这印证了当前的大模型在语言能力之外的图像、视频、声音等模态，也拥有巨大的发展空间。

4.大模型的硬件：成本下降和性能提升

除了模型本身的能力，运行大模型的硬件性能和成本同样重要。以英伟达2025年推出的基于Blackwell架构的GB200 NVL72为例，相比上一代HGX H100，其生成Token的速度提升30倍，能效提升至25倍。这使得AI推理不仅能够快速输出结果，且成本显著下降。高效低成本的推理硬件将极大推动应用的发展。

GB200 NVL72相比上一代产品大幅提升性能和能效，来源：英伟达官网

目前大模型已具备强大的基础能力，基于大模型构建智能Agent也更加轻松。开发者只需设定性格、流程等参数，便可打造出智能客服、法律咨询等个性化应用。然而，大模型Agent在多步推理过程中需要高算力与低成本的计算资源，而这正是Blackwell架构的优势所在。基于此，我们有望在2025至2026年迎来丰富且创新的大模型应用落地。

5.展望未来：大模型技术增长空间依然广阔

正如前文所述，迈向通用人工智能，需要模型在“性能深度”和“技能广度”两方面取得突破。

在纵向的“性能深度”上，Scaling Law已成为大模型研发的重要指引。谷歌、微软等科技巨头普遍看好模型规模对性能提升的带动作用，纷纷建设超大规模算力集群，甚至为此建设核电供应。而且，在早期以模型参数为主导的Scaling Law之外，业界还开辟了推理端的Scaling Law，OpenAI等头部企业也积极推动这一方向，市场对Scaling Law“撞墙”的担忧有所缓解。OpenAI的CEO Sam Altman最近在活动中表示，模型能力改进的轨迹会像从前一样继续演进，在很长一段时间内都会如此。

在横向的“技能广度”上，大模型在多个领域的应用不断突破，从文字生成扩展到视频生成，从自动驾驶到机器人控制，AI正在朝多模态和通用化方向发展。各领域模型的进步展现了AI在技能广度上的巨大潜力和发展空间。

模型之外，硬件的发展也同样重要。以英伟达GPU为核心的算力系统，在AI需求的驱动下，性能和成本均取得大幅进展，又反过来为后续的模型训练和应用落地提供了有力支撑，形成正向循环。

总的来说，大模型在“涌现”出一定智能后，在纵向的性能和技能的广度都正飞速发展。尤其在推理Scaling Law出来后，可预见的AI天花板被再次提高，我们无需过度担忧技术见顶到来。

三、应用：关注技术能否落地

当前的AI大模型正以前所未有的速度发展，许多人依然担忧AI是否能带来足够应用和回报。但实际上，我们看到目前具备庞大现金流的互联网科技巨头，在早期的发展中也同样面临商业化的压力。

1.以史为鉴：互联网商业化之路有多长？

我们以腾讯和谷歌为例，两家公司分别代表了中美互联网巨头的成长路径。

腾讯

1998年：腾讯成立，推出了即时通讯工具OICQ（后改名QQ），凭借免费服务快速积累了大量用户。
2000~2001年：用户数突破了1000万，但随之而来的是巨大的服务器开销。腾讯尝试了多种收费模式，其中的付费注册QQ甚至引发舆论压力。
2002~2003年：经过多次尝试，QQ秀、高级QQ会员、QQ靓号等增值业务大获成功。同时与运营商的合作，也从移动通信中分得一杯羹。两者共同成为腾讯稳定的收入来源。
2004年：创业6年后，腾讯成功在港交所上市。上市当年推出了休闲游戏《QQ堂》，将天量QQ用户数成功进行转化，为今天以游戏为重要核心的商业模式奠定基础。

谷歌

1998年：谷歌成立，凭借创新的PageRank算法，让搜索结果更加准确，迅速积累了大量用户，但初期并未找到明确的盈利模式。
2000年：谷歌推出了广告系统AdWords，采用的是按展示次数付费（CPM）模式，允许广告主根据关键词投放广告，实现了精准营销，开启了公司的主要收入来源。
2002~2003年：谷歌广告业务不断优化，推出了基于用户点击行为的按点击付费（PPC）模式以及AdSense（内容匹配广告）系统，允许网站主在自己的网页上展示谷歌广告，并从广告收入中获得分成。PPC成为经典的搜索收费模式并延续至今，AdSense则极大扩展了广告覆盖范围，广告收入显著增加。
2004年：同样历时6年，谷歌正式在纳斯达克上市（股票代码GOOG），上市当年推出了Gmail（提供大容量邮箱），在互联网服务中逐步扩展版图。依托搜索和广告业务的收入，谷歌获得了充裕的资金，进一步投资于地图、视频、移动操作系统等多元业务，逐步构建了一个丰富的生态体系。

可见，互联网巨头从成立到探索盈利路径，再到商业定型并上市，通常需要六年时间，而ChatGPT发布至今才两年。多数科技巨头在早期都面临投资者对其盈利能力的质疑。然而，互联网具有强大的规模效应，基于早期现金流的估值往往无法捕捉后续科技爆发带来的红利。

按照互联网的发展经验，AI科技革命随着技术发展和应用逐步渗透，规模效应将在未来数年逐渐显现。从长期投资的角度来看，我们应给予技术落地和商业应用更多耐心。

2.AI现在的应用扩散到什么程度？

不少人对AI的质疑，体现在应用落地层面，尚未感受到AI为其生活带来巨大改变。然而，与历史进行对比，AI技术的渗透速度超越以往任何科技革命。

数据来源：摩根士丹利，摘自《Tech Diffusion 10 Lessons from 100 Years》

摩根士丹利估算了各个技术自"iPhone时刻"后，扩散到不同市场部门的渗透率。可以看到，ChatGPT在发布第1年，AI的应用扩散已经非常迅猛。要达到相同的节点，互联网需要7年，电力更是花费了20年。

AI相关的关键字在谷歌的搜索趋势，数据来源：谷歌

假如只关注ChatGPT一个应用，自公测起仅两个多月，就积累了超1亿个月活跃用户。在服务未上线到中国等互联网用户大国的背景下，依然成为史上增速最快的消费级应用。此外，ChatGPT并非昙花一现的“爆款玩具”，从Google Trend等流量数据看，用户数及收入随着模型升级持续增长。AI大模型的应用渗透速度前所未有，单就ChatGPT本身就足够达到“杀手级”应用的标准。

3.AI的实际应用

目前许多大语言模型的应用仍在探索阶段，但也已经在某些领域带来显著的投资回报。下图是Menlo Ventures统计生成式AI最具价值的用例。

来源：Menlo Ventures《2024: The State of Generative AI in the Enterprise》

其中代码生成排在第一位。最典型的应用有Github Copilot，微软在2024财年的报告中称，该应用为Github带来超过40%的营收增长，对应20亿美元。这样的代码助手能快速解决开发人员的代码问题，极大提升其编程效率。这甚至直接导致了Stack Overflow这样的编程问答平台流量暴跌。

数据来源：谷歌

在ChatGPT等AI聊天工具之外，AI模型也渗透到了各个行业，Menlo Ventures统计了生成式AI在多个领域建立的垂直应用。

数据来源：Menlo Ventures

我们也列举了一些AI的实际应用案例。

金融投资：以我们自己为例，生成式AI已经切切实实地大量应用在投研流程中。AI聊天机器人可以针对海量的事件、数据及报告，进行筛选和文本总结。并主动从互联网中获取实时资讯，辅助分析师和基金经理做出更准确更全面的市场分析。
自动驾驶：特斯拉、Waymo等公司利用AI实现汽车的自动驾驶，模型可以实时处理来自车载传感器的海量数据，做出驾驶决策，提升道路安全性并减少交通事故。
推荐系统：像亚马逊、Netflix、Spotify等平台利用AI进行个性化推荐，分析用户的购买历史、浏览记录等，为每个用户定制个性化的商品推荐。
智能制造：AI在制造业中被应用于生产过程的自动化、设备监控和故障预测。例如，作为AI硬件的核心上游，芯片制造厂台积电将智能制造技术广泛应用于精实生产、人员生产力、制程与机台控制等方面，从而有效提升质量、生产力、效率和弹性。据其高管介绍，仅1%的生产效率提升就为公司创造10亿美元收入。
台积电智能工厂，来源：台积电官网
药物研发：AI帮助药物研发公司预测新药的有效性和副作用，大大加速了药物的研发过程。比如，DeepMind的AlphaFold在蛋白质折叠问题上的突破对生物制药行业产生了深远影响。
内容创作与编辑：AI在视频制作、新闻报道、音乐创作等领域的应用已经成熟。比如，OpenAI的MuseNet可以生成高质量的音乐作品，DeepFake技术可以生成虚拟角色或换脸视频，提升影视制作效率。

都是一些目前已有的垂直应用。而随着大语言模型的不断进步，定制化智能体的构建将变得触手可及。未来，客户只需提出应用需求，AI智能体便可自动生成相应流程，无需繁琐的编程开发。这将使企业轻松设计个性化智能体应用，如同打开Word或Excel般简单。可以预见，基于智能体的大量创新应用即将涌现。

四、投资：关注估值是否过高

目前，AI已成为了投资领域的“香饽饽”。但即便我们对技术和应用前景充满信心，但仍需要判断AI是否能为公司带来足够大的价值，以及公司的价格是否被高估。

1.AI相关股表现更优

数据来源：FactSet

根据FactSet的数据，越来越多的上市公司在财报电话会议中提及AI。在2024年二季度电话会中，超过40%的标普500成分股提到了“AI”，科技公司中这一比例更是高达91%。这表明AI越来越广泛地加入到企业的经营运作中，并呈现向各行业扩展的趋势。

数据来源：FactSet

这些跟AI扯上关系的公司，历史平均表现是高于未提及“AI”的公司。这或许是由于在经营和财务上受到AI的实质帮助，但也表明了资本市场对AI概念的热捧。这引起了许多人对AI投资泡沫的担忧。

2.“AI”概念股只是炒作吗？

众多AI创业项目和科技巨头的AI应用层出不穷。尤其是大型互联网公司，作为基础AI大模型的主要玩家，它们将AI技术首先应用于自身的运营和业务当中。

以Meta为例，作为美股科技七巨头之一，它几乎完全依赖广告收入。但在2020年苹果收紧隐私政策后，Meta精准广告推送的模式受阻，且面临TikTok等竞争者的压力，导致其2022年营收和利润见顶回落。

数据来源：彭博

不过，Meta多年来的AI投资正开花结果。首先，在内容审核、编程等公司的内部运作中大量引入AI，提高了员工的工作效率。其次，AI功能在APP中的引入，以及AI催生的内容生成，显著提升Facebook、Instagram等平台的用户粘性；更为重要的，引入AI的Advantage+提供了高效的个性化内容生成和推广，大幅提升广告推送的效率，成功弥补了隐私限制的影响，使Meta的财务状况回升。

数据来源：摩根士丹利

像Meta这样的例子，还发生在科技巨头外的其它行业中。根据摩根士丹利的研究，一些传统厂商已经能利用AI大幅提升特定业务的效率。特别对于大企业，规模效益将更加显著。

AI技术的迅猛发展和广泛应用正在深刻改变各行业格局，这意味着AI并非“空中楼阁”的炒作。未来将持续推动经济增长和企业创新，成为全球竞争的新引擎。

3.“AI”概念股估值涨疯了吗？

谈及AI概念股，就不得不关注七大科技巨头。自ChatGPT发布以来两年左右时间，标普500指数大涨了44%。其中，期初占比共20%左右的七大科技巨头，受惠于AI概念的推动，平均涨幅高达196%，贡献了绝大部分的指数涨幅。这种背景下，AI驱动的市值增长势必会遭受质疑。

数据来源：彭博

但我们从估值角度分析，七大科技股当前远期市盈率，平均来看仅在近十年的52%分位数附近，说不上很高。而像英伟达这种，营收已经从AI中大幅受益的公司，估值甚至因为营收巨幅增长而回落。这一数据应该与许多人认为涨出泡沫的直觉是相悖的。

数据来源：彭博

2000年的科网股泡沫破裂前，主要概念股的市盈率纷纷到了百倍附近。而目前的AI浪潮下，除了特斯拉和英伟达，其它的科技巨头市盈率基本都在20~30附近。同时，英伟达虽然当前估值较高，但在其动辄一两倍的营收同比增速下，12个月的远期市盈率也仅35倍。相较科网股泡沫前夕的估值，目前依然有较远的距离。

也就是说，七大科技巨头虽然近两年涨幅巨大，但凭借营收和利润的持续增长，当下估值仍处于近十年的中位数水平。而与2000年泡沫破裂前的科网股相比，估值更是相去甚远。

写在最后

AI并非近年兴起的新概念，早期已有深度学习模型在特定领域实现突破。而ChatGPT等大语言模型的革命性，在于展现出通用智能的潜力，未来有望以低成本扩展至各类应用，大幅提升行业效率，甚至催生新业态。这一进展并非停留在理论层面，预计2025~2026年，以GPT-o为代表的智能体模式将推动AI在应用端大规模落地。

技术爆发吸引了大量资本涌入，但也可能带来局部泡沫。同时，技术革命常伴随产业洗牌，正如柯达在数码相机时代、诺基亚在智能手机时代的衰落，当前的领先者也可能被淘汰。这使得AI厂商的估值将面临巨大波动，成者或实现倍数级增长，败者或黯然倒塌。但作为未来十年最重要的发展和投资主题，在其巨大的收益潜力前，高尾部风险不应阻碍我们对AI的布局。

不过这并不意味着，我们要在尾部风险中坐以待毙。如何跟随AI发展进程，及时轮换板块？如何挖掘真正的受益个股，规避“炒作股”？如何用好投资工具和风控策略，控制好回撤？这些都是我们在AI投资中，必须不断思考的问题。

大型峰会回顾

投资家网·第十三届中国资本年会

投资家网·第十二届股权投资年会

“万物资生福启未来”第十一届中国股权投资年度峰会

2023上市公司智能产业对接会

2022第十四届中国高新技术产业投资峰会

智者谋远·2021中国股权投资年度峰会

2021第十三届中国高新技术产业投资峰会

涅槃重生——投资家网2020中国股权投资年度峰会

聚势待发——投资家网2019中国股权投资年度峰会

资本破局—2019中国基金合伙人（GPLP）峰会

回归价值投资—2018中国股权投资年度峰会

寻求报道：yangqin6060（微信）

商务合作：yangqin6060（微信）

作者 | 投研团队

来源 | 新全球资产配置

而2022年底ChatGPT的横空出世，似乎预示着这一时代的到来。

一、投资AI，把握未来

1.ChatGPT，牛在哪里？

当谈到人工智能是否具备“智能”时，最具标志性的评估标准无疑是图灵测试。该测试要求AI通过一系列问答，使其回答难以被人类辨别为机器所作，即被视为“通过”。

早期的AI对话工具，多是基于答案匹配的模式，难言智能。即使深度学习模型在分类、翻译、摘要等领域有所突破，但其生成内容缺乏创造性，对话中经常出现逻辑不清、语句生硬的“机器味儿”。ChatGPT的出现打破了这一局限。通过人类偏好对齐（RLHF），其生成文本在流畅度和贴近人类思维上取得显著提升，语言自然度几近人类水平。

得益于互联网海量文本数据支撑，ChatGPT背后的模型不仅储备了广泛的知识（涵盖文学、科技、医学、编程等），还涌现出逻辑推理和类比思维能力。这使得语言模型从单纯的文字生成迈向更高级的“智能”。