一直以為，付娟的演講可能是每年公募基金中期策略最值得聽的場次。

【資料圖】

她通常會就近半年內(nèi)最新的科技和創(chuàng)新進展做深度梳理，又從二級市場的角度給出未來較有機會的行業(yè)方向的投資思考。

某種程度上，這是每年公募業(yè)界最像瑪麗·米克（華爾街互聯(lián)網(wǎng)女王）的一場演講。

即便你對她和她的基金不了解，她的觀點和她的思考也會給你很多啟發(fā)。

2023年8月，在申萬菱信基金中期策略會上，作為申萬菱信權(quán)益投資部負責人兼研究部負責人付娟以“世界因AI而加速，空間計算從0到1”為主題分享。

內(nèi)容依然精彩而予人啟發(fā)。我們摘錄部分以饗讀者。

（采用第一人稱，部分內(nèi)容有刪節(jié)。）

上半年發(fā)生了什么？

首先，和大家回顧一下上半年股票市場的經(jīng)歷，以及現(xiàn)在這個時點上對權(quán)益市場的看法。

在重要會議之前，整個市場非常明顯或者極致的特點是波動率非常低。但是，較低的波動率在近期被打破了。

上半年到底發(fā)生了什么？

第一點，截止7月底萬得全A指數(shù)是正收益，但公募基金的中位數(shù)是負數(shù)。這是2014年以來，公募基金罕見的業(yè)績均值跑輸市場（一半以上暫時落后）。上一次出現(xiàn)這種情況是2014年。

第二點，上半年直觀的感受是TMT行情非常好，我們認為成長股的基金經(jīng)理應(yīng)該都表現(xiàn)很好，但實際上成長股風格的基金多數(shù)表現(xiàn)不太行，是弱于平衡型或者價值型的產(chǎn)品的，原因是在于2023年的成長股內(nèi)部發(fā)生了極大的分化。

過往公募基金的成長股主要是在新能源和醫(yī)藥，但2023年上漲的TMT鮮有基金重倉，這是2023年上半年公募基金發(fā)生的事情。

按照風格來說，按照比較傳統(tǒng)的界定，是沒有風格的，比如按照成長、價值，大盤、小盤，但實際上上半年大家都知道有非常明確的風格，就是主題。

今年上半年按照大盤小盤來看，也沒有特別明確的一邊倒的趨勢，比如成長風格。

成長風格內(nèi)部分化也非常大，漲幅排在前面的和排在后面的，都是成長風格。

但偏價值類的，比如家電、建筑、石化，也沒有跑輸，都是跑贏的，至少上半年來看，成長和價值都是均衡的。

小盤和大盤來看，2023年上半年小盤顯著跑贏了大盤，這與市場年初的預(yù)期（不同）。

包括我自己2022年12月份做2023年年度策略的時候也看錯了，市場絕大部分人看錯了。

因為年初的時候基本上是按照東升西落的經(jīng)濟預(yù)期給出“大盤跑贏小盤”（的觀點），但整個觀點錯了，實際上整體小盤跑贏了大盤。

往往在經(jīng)濟復(fù)蘇的時候，大盤股是最先受益于復(fù)蘇的。經(jīng)濟復(fù)蘇趨勢日益確定和強化的時候，整個經(jīng)濟的訂單，效果才外溢到了小盤。

所以，在年初的時候，大家往往認為大盤會相對跑贏。疊加海外經(jīng)濟會軟著陸，中小盤受出口影響。但實際來看并非如此。

成長價值難分伯仲

我們寫年中策略報告的時候是7月下旬，整個7月下旬波動率是非常低的。

當時我們認為這種低波動的情況難以持續(xù)，只要發(fā)生一些事件，低波動就會被打破。

第一，我們對于國內(nèi)的經(jīng)濟是保持樂觀的，最近兩三個月是對基本面對經(jīng)濟體感最差的階段，在這樣的位置上，繼續(xù)變差的概率應(yīng)該是非常小。

同時，從庫存的波動來看，基本上已經(jīng)進入了主動去庫的尾聲，接下來大概率是要進入被動去庫的復(fù)蘇點。

國內(nèi)經(jīng)濟下半年上行的概率比較高的，疊加了重要會議上的變化，活躍資本市場的定調(diào)也有所升級，又強調(diào)了逆周期調(diào)節(jié)，對整個經(jīng)濟向上的預(yù)期是現(xiàn)在是越來越多了。

但還有一部分投資者認為，預(yù)期起來之后，要看到實在的政策出臺和落地，可能會進一步向上拉動一些資產(chǎn)的表現(xiàn)，這是大家目前對國內(nèi)經(jīng)濟的看法。

雖然情況可能會有改變，但我們認為風格上可能還是成長和價值有所均衡。

如果中國經(jīng)濟復(fù)蘇更加明確，可能大盤股風格會跑贏，包括大盤價值，但是如果海外債震蕩，接下來邊際向下的概率還是逐漸增加的，對于整個新興市場，包括成長股風格，又是一種促進作用，下半年我們認為整體風格還是均衡，但成長的大小盤可能會發(fā)生一些變化，價值風格大小盤也會發(fā)生一些變化，但是價值和成長之間可能還是難分伯仲。

從行業(yè)比較角度，可以看到，估值便宜的成長股，成長性也較低，引不起大家投資的興趣。有成長性的賽道又很擁擠，不擁擠的估值又高。所以很難有持續(xù)上漲的板塊，不管是成長還是價值。

舉個例子，電新不管是從復(fù)蘇的確定性以及估值來看，都比較好，如果按照經(jīng)典的景氣度投資方法來看，電新應(yīng)該是相對值得投資的板塊，至少它的龍頭股市會有比較好的買入價值。

但2023年大家特別關(guān)注擁擠度，也就是籌碼分布的因素，所以電新也沒有被持續(xù)布局或者是選擇。

比如計算機非常不擁擠，除了與AI相關(guān)的一小部分有超額收益，大部分的股票表現(xiàn)非常一般。

而且估值從在歷史分位上來看也處于相對低位，但下游主要是B端和G端，所以盈利周期還沒有明確的向上拐點。

再比如醫(yī)藥或是食品飲料，雖然相對自身的歷史估值不高，但相對其他板塊或從PEG角度看，又顯得沒那么有吸引力。

所以受中觀層面的因素影響，大家對行業(yè)選擇上是比較糾結(jié)的。

關(guān)注智能化和空間計算

面對這種糾結(jié)的情況，我還是建議關(guān)注產(chǎn)業(yè)主線，尋找一些足夠新的，有大的成長空間，在不斷發(fā)生變化的企業(yè)。

我這次中期策略就主要想跟大家分享智能化和空間計算。

首先，今年上半年全民都在熱議的就是Transfomer，AI加速的問題。我也投入了比較多的時間和精力去看這方面的東西，發(fā)現(xiàn)這一波的AI讓很多產(chǎn)業(yè)層面開始能夠釋放出產(chǎn)業(yè)紅利，不管是降本還是增效。

比如，新藥或者新材料的研發(fā)，有很多與配方、分子式相關(guān)的不斷的試錯或模擬的過程，以前可能都靠固定的程序，甚至人工去做實驗或者調(diào)試。

但因為AI的出現(xiàn)，很多過程可以用AI的方式進行篩選，無疑會大大提升效率。

包括數(shù)據(jù)的重要性及未來合成數(shù)據(jù)出現(xiàn)，也會讓AI進一步加速。

AI對B端影響更大

所以2023年我的一個非常明顯的感受是，周圍的很多事物在變化，尤其是科技產(chǎn)業(yè)，尤其是C端和B端。

以前在移動互聯(lián)網(wǎng)時代，感受最多的還是C端的變化，但是2023年感受最多的其實是B端的變化。

和上一波移動互聯(lián)網(wǎng)有非常明確的不同，AI這波，對C端、B端，它都會進行深刻的改造。

AI剛開始炒的時候，全市場瞄準C端，尤其是傳媒。但一開始我的觀點就跟大家不同，我認為這一波AI與移動互聯(lián)網(wǎng)最大的不同就是，對B端的影響可能是更加突出的。

從目前我們看到的一些情況來看，Office的一些AI的應(yīng)用，營銷軟件里面的應(yīng)用，反而是更快落地的，但對于C端，哪怕是游戲里面的功能，都是相對緩慢地應(yīng)用。

所以這一波的AI跟上一波是明顯不同的，讓我們深刻感受到的是AI加速了世界的變化。

整個世界3D能力加速

人工智能、或者智能化，對整個信息的影響到底經(jīng)歷了什么樣的過程？

首先，自從有了計算機的發(fā)明，人類與系統(tǒng)，現(xiàn)實世界和虛擬世界之間有持續(xù)的分工和交互。

有了計算機之后，人類和系統(tǒng)就進行了分工。沒有計算機之前，對物理世界所有信息的收集、處理、行動，都是人類自己去做。

有了計算機之后，可以把信息、模型和行動這三要素的信息部分交給計算機去處理，這是第一代系統(tǒng)所完成的任務(wù)。

在第一次信息革命的時候，更多的是把物理世界的東西進行電子化，信息化，這一步上積累了大量的電子數(shù)據(jù)，電子化的資料，這一步為第二步奠定了非常好的基礎(chǔ)。

第二代系統(tǒng)，人類和系統(tǒng)之間的分工又發(fā)生了一次變化，在信息處理，模型（也就是思考）和行動這三步里，人類可以把思考開始交給系統(tǒng)去做，這是有了深度學(xué)習以及最近的AI之后，我們發(fā)現(xiàn)思考環(huán)節(jié)可以交給大模型去做，我覺得這是發(fā)生的最大的變化。

系統(tǒng)如何具有知識或者像人一樣思考的能力，還是來自于第一步，有了很多電子化的數(shù)據(jù)，去喂養(yǎng)它，去訓(xùn)練它，從而使系統(tǒng)或者計算機擁有了思考，也就是大模型的能力。

大模型的能力也是日新月異，進步速度非?？臁Ｈ祟愐呀?jīng)把信息，感知世界的部分交給了計算機，把思考的部分也交給了計算機，接下來就差行動了。

所以，在接下來一段時間，更多的是系統(tǒng)幫人類做很多行動上的產(chǎn)品。行動就是我們通常說的，比如具身智能、AI代理等這樣的功能，這些都叫行動。

在空間計算概念出現(xiàn)之前，計算機再強，也是二維計算（工具），但人類世界是三維世界。在空間計算出現(xiàn)之前，一直存在一種矛盾，人類生活是三維世界，但計算機永遠是二維的，沒有辦法去完全匹配融合，現(xiàn)實與虛擬統(tǒng)一，但空間計算的出現(xiàn)，使得計算機跟人類完全的需求，自然習慣匹配了或者統(tǒng)一了，在各種科幻片當中看到的立體交互就會出現(xiàn)了。

我認為這個是接下來可能比較新的一個方向。

因為AI讓我看到了三維世界構(gòu)建的可能性，三維世界因為AI會加速來到我們身邊。

大眾傳媒的介質(zhì)，歷史上經(jīng)歷了文字，圖片到視頻的變化，但到了三維世界，可能我們傳遞信息的媒介不再是文字圖片或者視頻，而是3D的內(nèi)容。

3D的內(nèi)容，如果看生產(chǎn)的過程，會發(fā)現(xiàn)一個非常大的痛點是在于它的時間成本，付出的成本是非常貴的、也非常耗時，這是按照傳統(tǒng)的3D建模的方式實現(xiàn)3D內(nèi)容的生成，但因為AI的出現(xiàn)，3D內(nèi)容上也有了大模型的能力，它的生產(chǎn)成本就會大幅下降。

比如unity，是做游戲引擎、做3D引擎的非常重要的全球玩家，他在transformer之后也推出了兩項AI的工具，利用unity提供的3D工具，開發(fā)者可以迅速實現(xiàn)，更加方便地實現(xiàn)3D內(nèi)容的生產(chǎn)。

蘋果也推出了很多基于3D內(nèi)容制作的套件，軟件，模型，大家生產(chǎn)3D內(nèi)容的工具也日漸豐富起來了。

這中間就會產(chǎn)生3D數(shù)據(jù)資產(chǎn)的積累。

為什么系統(tǒng)開始具備模型或者思考的能力，是有了計算機之后，把物理世界大量轉(zhuǎn)化為電子信息的世界，電子化的世界。有了這些數(shù)據(jù)、語料、資料，才讓模型“大力出奇跡”，涌現(xiàn)的方式，來實現(xiàn)自我思考、自我學(xué)習的能力。

3D內(nèi)容的生成，同樣需要3D的語料，因為這些3D的AI的工具產(chǎn)生，相伴產(chǎn)生的3D數(shù)據(jù)也會越來越多。

現(xiàn)在市面上3D的數(shù)據(jù)、圖片、視頻非常少，一旦這些數(shù)據(jù)因為AI加速而越來越多，它也可以反哺3D大模型的進展，可以顛覆我們現(xiàn)有所有的交互模式。

蘋果的M2讓我第一次感覺到了空間計算終端產(chǎn)品是什么樣的狀態(tài)。在蘋果M2出現(xiàn)之前，我們一直認為可能在很長一段時間之內(nèi)，頭盔和眼鏡都是用于娛樂，甚至只用于游戲的終端。但是蘋果的M2出現(xiàn)之后，我發(fā)現(xiàn)它可能是一個類計算平臺的終端產(chǎn)品，類計算平臺就相當于手機，電腦的計算平臺的概念。不僅僅用于娛樂，用于生活，工作，溝通交互等都可以實現(xiàn)。

它強大的芯片，強大的傳感器，研究完之后，讓我覺得真的是劃時代的產(chǎn)品。雖然這個產(chǎn)品離3D空間計算最終成熟，還有一定的距離，但我覺得它已經(jīng)是完全的劃時代的產(chǎn)品。

3D或者三維重建的概念，不光存在于大家印象當中，它存在于現(xiàn)有世界的所有狀態(tài)當中，包括智能駕駛，機器人，甚至前段時間剛炒過的3D打印，都跟整個世界3D能力加速相關(guān)。

比如智能駕駛，如果看一些智能駕駛的博主的測評，會發(fā)現(xiàn)智能駕駛在很短的時間內(nèi)，甚至已經(jīng)在個別場景的處理中優(yōu)于人類的司機，而不是像之前一看就是新手司機的感覺。

對拐彎、超車、加塞這種場景，自動駕駛，包括L3，L4級別的，它的流暢度甚至超過人類司機的駕駛能力了，這也是因為人工智能，transfomer智能化架構(gòu)的出現(xiàn)。

以特斯拉智能駕駛最新一次的迭代而言，它就是運用了transformer+BEV的架構(gòu)，讓自動駕駛數(shù)據(jù)的收集，數(shù)據(jù)的訓(xùn)練，以及駕駛體驗的優(yōu)化快速迭代，才達到了讓人特別驚艷的效果。

我們國內(nèi)新勢力為代表的汽車品牌，也在加速學(xué)習，部署一套transfomer架構(gòu)的智能駕駛。

三維重建的技術(shù)，讓智能駕駛也快速升迭代，有時候我們感受不到它在發(fā)生變化，其實它已經(jīng)在某些領(lǐng)域發(fā)生非?？焖俚淖兓?，因為大模型可以吞吐的數(shù)據(jù)訓(xùn)練量非常大。

以前特斯拉，小鵬等訓(xùn)練的時候，用的駕駛數(shù)據(jù)，都是圖像按幀訓(xùn)練，而現(xiàn)在是基于數(shù)據(jù)視頻的背景進行訓(xùn)練，動態(tài)的，在4D的基礎(chǔ)上進行訓(xùn)練。

算法的能力提升，對真實世界的模擬，仿真能力都在提升，車上已經(jīng)有了非常明顯的進展，接下來我們可以期待的是機器人，可能也會超預(yù)期迭代功能實現(xiàn)。

以特斯拉為例，它的車和機器人有類似的規(guī)劃算法，當然機器人是有更多的自由度的，每個自由度可能都是一個去控制的算法，可能比車要更難。但是每一個自由度上的算法，和車還是有非常相似的規(guī)劃算法的，都是在空間做計算，把物體在空間去站位，去計算應(yīng)該走的路線或者動作的路線。

雖然現(xiàn)在還沒有人形機器人在成熟的商業(yè)場景落地的應(yīng)用，但我認為基于車最近半年到一年發(fā)生的事情，機器人接下來也會有讓我們持續(xù)超預(yù)期的商業(yè)場景的落地的應(yīng)用展現(xiàn)出來。

參與全球產(chǎn)業(yè)鏈

對于中國的機器人而言，可能是制造先行，這就落地到A股投資。

整個的產(chǎn)業(yè)鏈，我們可以先通過參與全球產(chǎn)業(yè)鏈，依靠自己曾經(jīng)在消費電子、新能源汽車積累的制造業(yè)優(yōu)勢參與到鏈當中，后來我們一定會孕育出自己的產(chǎn)業(yè)鏈的“鏈主”，電動車，智能手機就是非常好的案例。

包括3D打印，也是基于三維模型的數(shù)據(jù)進行構(gòu)建，進行現(xiàn)實世界和物理世界的連接。

現(xiàn)實狀況下，數(shù)據(jù)或者數(shù)據(jù)要素方面，基于AI產(chǎn)業(yè)，要關(guān)注數(shù)據(jù)產(chǎn)生的AI化過程，也就是合成數(shù)據(jù)，大模型能力，要靠能獲得的真實世界的數(shù)據(jù)數(shù)量和質(zhì)量。

現(xiàn)在整個行業(yè)正在發(fā)生的非常重要的變化就在于合成數(shù)據(jù)的產(chǎn)生，或者是仿真環(huán)境的產(chǎn)生，未來大模型的訓(xùn)練，大模型的學(xué)習為的不是人類的真實數(shù)據(jù)，而是很多AI自己生成的合成數(shù)據(jù)，這也是最近產(chǎn)業(yè)里發(fā)生的比較重要的變化。

關(guān)于數(shù)據(jù)資產(chǎn)的爭奪越來越像金字塔的頂尖發(fā)展了，一方面要占領(lǐng)合成數(shù)據(jù)模型的進化，同時還要去買未來可能成為模型進化非常重要的數(shù)據(jù)資產(chǎn)，比如剛才提到的3D數(shù)據(jù)資產(chǎn)。

微軟多次收購一些游戲公司，不是要進入游戲產(chǎn)業(yè)，它看中的是游戲產(chǎn)業(yè)可能是目前3D數(shù)據(jù)資產(chǎn)最豐富的領(lǐng)域。從這些巨頭做的動作上，就能夠感受到現(xiàn)在哪些數(shù)據(jù)是稀缺的，哪些數(shù)據(jù)是未來最有價值的。

我們對數(shù)據(jù)要素繼續(xù)看好，因為它是可以改變現(xiàn)有傳統(tǒng)生產(chǎn)要素的創(chuàng)新型的生產(chǎn)要素。接下來也依然要持續(xù)關(guān)注跟數(shù)據(jù)相關(guān)的所有的AI資產(chǎn)。

風險提示及免責條款 市場有風險，投資需謹慎。本文不構(gòu)成個人投資建議，也未考慮到個別用戶特殊的投資目標、財務(wù)狀況或需要。用戶應(yīng)考慮本文中的任何意見、觀點或結(jié)論是否符合其特定狀況。據(jù)此投資，責任自負。

關(guān)鍵詞：