《基金時間》是上海市基金同業(yè)公會與第一財經(jīng)攜手傾力打造的首個電視基金投教欄目，定期邀請各大基金公司高管、基金經(jīng)理等專業(yè)人士和相關領域專家與投資者面對面交流。本季節(jié)目聚焦數(shù)字經(jīng)濟主題，與大家共同探索“數(shù)字中國”戰(zhàn)略下的投資機會。
嘉賓介紹
李欣：華安基金基金經(jīng)理，碩士研究生，13年以上證券從業(yè)經(jīng)驗，7年以上基金管理經(jīng)驗
李欣先生于2012年加入華安基金，他擅長科技成長，深度覆蓋AI、高端制造等領域，他的投資理念是：借助實業(yè)經(jīng)驗、產(chǎn)業(yè)鏈思維研究行業(yè)與公司，從技術發(fā)展、供應鏈變化、競爭結構等角度全方位研判公司成長性與投資機會。注重第一性原則，從源頭上尋找產(chǎn)業(yè)投資邏輯變化的動因；注重產(chǎn)業(yè)鏈的整體性與有機性，善于進行產(chǎn)業(yè)鏈各環(huán)節(jié)間的交叉印證。
1/「能否用通俗的語言描述一下什么是人工智能？」
人工智能是基于人類智能的一種仿生學，基于的是人腦認知客觀世界的邏輯。比如說，我如何來認知我面前這個灰色的橢圓形的話筒呢？當光線照上去，光線會進入我的眼睛，而我的視網(wǎng)膜細胞會根據(jù)入射光線的強度、顏色等向大腦發(fā)出不同強度的電信號；這個電信號傳遞到大腦后，大腦淺層皮層里的神經(jīng)元會負責做出一些比較直觀的判斷，比如判斷是直線還是曲線，是灰色還是黑色。然后隨著皮層的深入，這些信號會逐漸匯聚成更加具有深度的、更加具有抽象意義的信號，比如判斷這是一個弧形或者橢圓球體。
而經(jīng)過成千上萬層的大腦皮層各個神經(jīng)元對于信號的處理和傳遞，我們最終得到了一個抽象的結論：這是一個灰色的橢圓形的話筒。這就是我們的大腦認知一個客觀事物的過程。那么所謂人工智能，也就是模擬和仿真這個過程，通過深度學習的方式，讓機器做出和人一樣的判斷。
2/「從技術應用角度來看，我們今天所說的人工智能和以往有什么不同？」
首先，這一次的AI浪潮體現(xiàn)出非常強的普適性。AI不再是局限在一些非常專業(yè)領域的應用，概括講就是“舊時王謝堂前燕，飛入尋常百姓家”——AI運用于TOC和TOB的諸多領域，比如游戲、教育、制造業(yè)以及醫(yī)療等。甚至像新的蛋白質(zhì)結構的發(fā)現(xiàn)也運用了AI技術。它的普適性遠遠超過了之前的發(fā)展。
其次，AI具備快速迭代能力。很多大模型以周或者以月為時間周期去進行迭代的。我們剛提到，AI是對人腦認知世界的一種仿真，那其實在AI硬件里有很多的基礎運算單元、存儲單元，而層與層之間通過一些數(shù)學運算去做傳遞。這和電信號在人腦里的傳遞方式非常類似。
3/「在AI產(chǎn)業(yè)中，我們是怎么劃分細分產(chǎn)業(yè)鏈的？」
AI產(chǎn)業(yè)鏈從上游向下游遞進至少可以分四個層次：
第一層是芯片和模組環(huán)節(jié),以計算和信號傳輸?shù)男酒湍＝M為主。
計算分成訓練大模型的芯片和推理/使用大模型的芯片，計算出來的數(shù)據(jù)需要快速地在各個服務器之間進行傳輸，因此對于傳輸芯片的要求也非常高。目前電傳輸、光電傳輸都有非常多的應用，隨著大模型的應用和大模型層數(shù)的增加，光芯片和光模組的速率將從400G 800G 1.6T等往速率更高的方向演進。
第二層是以服務器為代表的設備層。
以算力芯片和傳輸芯片為代表的底層器件層組裝起來之后，再進行系統(tǒng)級和基礎軟件的設計形成服務器。服務器之間的信號傳輸一般是通過交換機。傳統(tǒng)交換機起碼分成兩層，下面一層被稱為“葉”，上面一層是“脊”，一些新的架構在這兩層之外還出現(xiàn)了更多的交換機，用來將參與大模型運算的各個算力卡數(shù)據(jù)進行池化。不論是以運算和存儲數(shù)據(jù)為主要職責的服務器，還是以交換數(shù)據(jù)為主要職責的交換機，量和性能參數(shù)都有非?？斓奶嵘?/p>
第三層為算法層。
可以看到全球主要的大廠都在研發(fā)自己的大模型，除此之外也有很多以OPEN AI為代表的專業(yè)廠商，提供模型的方式包括消費者直接訪問的pop方式，或是以plugin的方式通過APP服務更多的消費者。
第四層稱之為應用層。
大家耳熟能詳?shù)幕ヂ?lián)網(wǎng)搜索引擎、辦公軟件，包括圖形和視頻生成類或者編輯類的專業(yè)軟件，還有應用在制造業(yè)、生物醫(yī)藥等領域的設計軟件，這些工具都會更多接入AI的能力。
4/「在當下AI產(chǎn)業(yè)鏈變革中蘊藏哪些機遇和挑戰(zhàn)？」
我們這些年以來在人工智能的很多領域都取得了長足的進步，尤其是像CV（Computer Vision)，即機器視覺，在這一領域每年很多高校、科研所、公司都發(fā)了頂會的paper，在全球也有相當?shù)氖⒆u和地位，同時AI的下游應用有非常廣闊的空間，出來了一些非常好的公司。
說到挑戰(zhàn)的話，比如偏上游的關鍵算力芯片。算力對于芯片的計算效能——就是當數(shù)千只、上萬只芯片進行組網(wǎng)時統(tǒng)一的效率有非常高的要求。其實一顆芯片跑出95%的效率并沒有那么難，但是當成百上千顆算力芯片在進行快速交互的時候還要保持整個系統(tǒng)有非常高的效率，這件事情確實比較難，可能需要涉及到不僅僅是芯片本身底層的硬件設計，還需要涉及到它的編譯器等等一些軟硬件結合的環(huán)節(jié)，而且還需要涉及到多卡、多服務器之間聯(lián)調(diào)聯(lián)動的一些數(shù)據(jù)交互層面的軟件，那么這一塊還有比較大的發(fā)展空間。
5/「普通投資者怎么才能把握好AI的投資機會？」
在每一波科技浪潮的時間點上，我們對它的把握都既需要對于相關公司和行業(yè)當前的把握，也需要對于技術跟行業(yè)長遠發(fā)展方向的判斷，這確實有一定的難度。當時間回溯到上個世紀末，看那一輪的桌面互聯(lián)網(wǎng)浪潮；或者說回溯到大概15年以前，在那個時間點看移動互聯(lián)網(wǎng)浪潮；在一開始的時候，對于整個行業(yè)后面的走向跟脈絡，甚至對于哪些公司最后會成為產(chǎn)業(yè)鏈上面的受益者、或者說它們的地位如何，既需要基于行業(yè)積累專業(yè)知識的研究，也需要隨著行業(yè)的發(fā)展逐步地去驗證和判斷。這種情況可能對于我們每個投資者的投資（知識）積累方面提出了較大的挑戰(zhàn)，同時我們認為在科技浪潮前面，以公募基金為代表的專業(yè)投資者在技術判斷、相關行業(yè)及公司的研究方面更專業(yè)，我們也希望能夠給廣大投資者提供更加專業(yè)的服務。
分享至：
