本文來自格隆匯專欄：六裏投資報
8月4日下午，申萬菱信基金權益投資部負責人付娟在申萬菱信中期策略會上，以“世界因AI而加速，空間計算從0到1”為題，分享了自己對AI相關的科技產業最新動向的看法。
投資報梳理了付娟的發言，如同題目一般，她的觀點非常明確——世界因AI而加速，付娟認為，AI將會帶動整個大的科技產業加速發展。
如果要從當前的時間段去找一個足夠大的、能夠主導科技發展的產業趨勢，付娟認為，很可能是空間計算。
計算機出現後，人類的現實世界就和計算機的虛擬世界之間，存在持續不斷地分工交互。
第一次信息技術革命完成了信息的收集，大模型的出現實現了類似人類一般對信息的思考。
而下一步，計算機要幫人類去做的，是在行動上的替代。
但就這一方向而言，此前一直存在人類三維世界與計算機二維世界不匹配的情況，3D內容的生成需要耗費巨量的人力與時間成本。
而在大模型出現後，3D內容上大模型同樣具備生產能力，使得3D內容的生產成本大幅度下降，而生產效率大幅提高。
3D內容的加速生成、積累和沉澱也會反過來反哺3D大模型的進展。
對於這一領域，付娟表示，蘋果MR非常震撼，是個劃時代的產品，令人首次感受到了空間計算的終端產品究竟是什麼樣的狀態。
付娟交流的精彩內容：
1.智能駕駛、機器人，3D打印等等，其實都是跟我們整個世界3D能力的加速相關。
比如説智能駕駛……現在對拐彎、超車、加塞這種現象的話，自動駕駛包括L3或者是L4級別，你會發現它的流暢度已經甚至超過人類司機的駕駛能力了。
為什麼？
其實背後也是因為人工智能，或者Transformer智能化的架構的出現。
比如説特斯拉的智能駕駛最近一次的迭代，它就是運用了Transformer+BEV的架構，它構建了一個非常強大的三維重建的數據庫，用數據庫去訓練它自動駕駛的能力。
2.我認為，基於車最近這半年到一年發生的事情來看，機器人可能接下來也會有讓我們持續超預期的一些商業場景的落地應用展現出來。
落到A股投資……第一步，我們先可以通過參與產業鏈，依靠自己曾經在消費電子、新能源汽車積累的製造業優勢，精密製造的優勢，去參與到鏈當中。
最後，我們一定會孕育出自己的產業鏈的鏈主，就如同我們的電動車。
3.微軟為什麼多次去收購一些遊戲公司？難道大家認為他是要進入遊戲產業嗎？
我認為不是。
他是看中游戲產業可能是目前3D數據資產最豐富的領域。
從這些巨頭做的動作上，你就能夠感受到，現在哪些數據是稀缺的，哪些數據是未來最有價值的。
尋找主導科技發展的產業趨勢
我的題目其實就非常觀點鮮明，表明了我接下來在比較長的一段時間裏面，非常看好因AI而帶動的整個科技產業。
我自己認為，股票市場上比較大的、能夠貫穿幾年的投資機會，往往在於產業機會。
如果我們去回想一下2010年就開始萌芽的中小創，以及2014年開始主題性上升的新能源，每一波機會都是貫穿了5-6年，
當然中間有起起伏伏，有主題炒作階段，也有最後的產業兑現階段。
我們也想從每一個歷史時期去找一個足夠大的、能夠主導新科技發展的產業趨勢。
可能目前很多人還沒有去討論，但是我自己在開始學習的時候，我認為可能是空間計算會開始從0-1，來到我們的身邊。
對於下半年，我們在7月下旬寫年中策略報吿的時候就認為，波動率是非常非常低的，基本上是疫情以來最低的一個位置，不管是美股還是A股。
我們就認為，這種低波動的情況難以持續，只要發生一些事件，可能就會被打破。
下半年，我們認為這種情況可能會被打破，會發生一些情況導致波動率上行。
為什麼呢？
首先，對於國內，我們對於國內的經濟是保持樂觀的。
因為最近兩三個月，大家都知道是體感最差的一個階段。
在這樣一個位置上，如果繼續變差，概率應該是非常小。
同時，我們從庫存的波動來看，基本上已經進入了一個主動去庫的尾聲，接下來大概率是要進入一個被動去庫的復甦點。
所以，我們認為，國內經濟下半年上行的概率是比較高的。
疊加最近剛剛出的一些重要會議上的變化，包括活躍資本市場，定調也有所升級，又強調了逆週期調節，所以説對整個經濟向上的預期是越來越多了。
但是還有一部分投資者認為，預期起來之後，我們要看到實實在在的政策出台和落地，這是大家目前對國內經濟的看法。
關注產業主線，
有足夠空間、正在發生變化的行業
從行業比較角度，其實也能看到市場現在的這種糾結。
為什麼市場這麼糾結？
為什麼很難有一以貫之的行業機會？
我們可以看到，估值便宜的成長股，其實他們的成長性也較低，也引不起大家的投資興趣。
有成長性的賽道又很擁擠，不擁擠的估值又高。
所以説，在大家選擇的時候其實就經常發現，很難有持續上升的這樣一個板塊，不管是成長還是價值。
舉個例子，電新，現在不管是從它的復甦的確定性，還是它的估值來看，其實都比較好。
如果我們按照經典的景氣度投資的方法來看，那麼電新應該是一個相對值得投資的板塊，至少它那些龍頭股有比較好的買入價值了。
但是因為今年大家特別關注擁擠度，也就是籌碼分佈的因素，所以説電新也沒有被大家持續地去佈局或者選擇。
又比如説計算機，計算機其實它非常不擁擠，除了跟AI相關的小部分有超額收益，其實計算機大部分股票表現也非常一般。
而且，估值從它歷史上來看也在相對低位，不貴。
但是，因為它下游主要是B端和G端，所以説它的盈利週期還沒有明確的向上拐點。
再比如，已經殺了很多的醫藥或者是食品飲料，
雖然我們看它相對自身的歷史估值不高，但是如果去看它相對其他板塊，或者自己的PEG，又顯得沒那麼有吸引力。
所以，整體而言，因為現在中觀層面的一些因素影響，大家在行業選擇上是比較糾結的。
面對這種糾結的情況，我的選擇是什麼呢？
我還是建議關注產業主線，
尋找一些足夠新的、有大的成長空間，而且在不斷髮生變化的這樣一些行業。
所以説，我這次中期策略就主要想跟大家分享智能化和空間計算。
以前在移動互聯網時代，我覺得感觸最多還是C端的變化，但是，今年感受其實最多的其實是B端的變化。
所以，AI這一波，它跟上一波移動互聯網非常不同，就是它對C端、G端、B端都會進行深刻的改造。
比如説我們看到Office的一些AI應用，一些營銷軟件裏面的應用，反而是更快去落地的。
但是對於C端，哪怕是遊戲裏面的功能，其實進展相對緩慢。
空間計算實現三維世界，
與計算機二維世界的匹配
現在人類已經把信息或者感知世界的功能交給了計算機，把思考的部分也交給了計算機，那麼接下來，就差一個行動了。
那麼行動是什麼呢？
就是我們通常説的，比如説具身智能、AI代理等等這樣一些功能，這些都叫行動。
行動的話，其中有一個，我為什麼要提出空間計算呢？
在空間計算概念出現之前，計算機它再強，它也是一個二維計算。
但是人類世界是一個三維世界。
它沒有辦法去完全匹配、融合或者是令現實與虛擬統一。
但是因為空間計算的出現，就使計算機跟人類的需求自然匹配了或者統一了，也就是我們在各種科幻片中看到的這種立體的交互就能實現了。
為什麼要關注到這個東西呢？
是因為AI讓我看到了這種三維世界構建的可能性，或者説，三維世界會因為AI而加速來到我們身邊。
比如説大家看大眾傳媒的介質，在歷史上經歷了文字、圖片到視頻的這樣一個變化。
到了三維世界的時候，我們傳遞信息的媒介不再是文字、圖片或視頻了，而是一些3D的內容。
3D的內容，我們在調研中看生產的過程，你會發現一個非常大的痛點，是在於它的時間成本，成本是非常貴的，時間上非常耗時。
這是原來按照傳統3D建模的方式，去實現3D內容的生成。
但是因為AI的出現，3D內容上也有了這種大模型的能力，
那麼它的生產速度就會大幅提升，或者生產成本就會大幅下降。
舉個例子，比如説Unity，它是做遊戲引擎、做3D引擎的一個非常重要的玩家，它在Transformer之後也推出了兩項AI的工具。
你會發現，利用Unity提供的這樣一些3D工具，開發者可以迅速去實現一些3D內容的生產，更加方便地去生產3D內容。
包括蘋果也是，
蘋果在以它的Vision Pro為硬件載體的情況下，它也推出了很多基於3D內容製作的一些套件，或者是軟件，或者是模型。
所以説，大家生產3D內容的工具也日漸豐富起來了。
這中間就會產生一個非常重要的點，就是3D數據資產的積累。
現在你在市面上去看3D的數據，非常非常少。
但是一旦這些數據因為AI加速而沉澱，越來越多的話，那麼其實它也可以反過來去反哺3D大模型的一個進展。
蘋果MR是一個，劃時代的產品
為什麼要開始研究這個事情，就是MR真的給我一種很震撼的感覺，
蘋果的MR，讓我第一次感覺到了空間計算的終端產品是一種什麼樣的狀態。
在蘋果MR出現之前，我們一直認為，可能在很長一段時間之內，那種頭盔、眼鏡都是一個用於娛樂甚至只用於遊戲的終端。
但是蘋果的MR出現之後，我發現它可能是一個類計算平台的終端產品。
類計算平台就是相當於我們的手機，相當於我們的電腦，這樣一個計算平台的概念。
它不光僅僅用於娛樂，它用於我們的生活，用於我們的工作，用於我們的溝通交互等等，它都可以實現。
它強大的芯片，首次出現的強大的傳感器，研究完之後，讓我覺得這真是一個劃時代的產品。
雖然離我們所説的3D空間計算最終成熟，可能產品還有一定的距離，但是我覺得它已經是一個完全劃時代的產品了。
一提3D，就説蘋果的Version Pro，它其實存在於我們現有世界的所有狀態當中，
包括智能駕駛、機器人，哪怕前段時間剛剛炒過的3D打印，其實都是跟我們整個世界3D能力的加速而相關。
比如説舉個例子，智能駕駛，最近你如果去看一些關於智能駕駛博主的測評，你發現智能駕駛在很短的時間內，在個別場景的處理上是優於人類的司機。
而不是像之前，大家一看就覺得是一個新手司機。
現在對拐彎、超車、加塞這種現象的話，自動駕駛包括L3或者是L4級別，你會發現它的流暢度已經甚至超過人類司機的駕駛能力了。
為什麼？
其實背後也是因為人工智能，或者Transformer智能化的架構的出現。
比如説以特斯拉的智能駕駛最近一次的迭代而言，它就是運用了Transformer+BEV的架構，
去讓自動駕駛的數據收集、數據訓練以及它駕駛體驗的優化快速迭代，才達到了剛才我説的讓人特別驚豔的一種效果。
所以説我們國內的汽車品牌，以新勢力為代表的，也正在加速去學習、部署這樣一套因基於Transformer架構的智能駕駛。
你如果再去把它整個的過程進一步細拆，你會發現，
其實特斯拉做的一個事情就是它構建了一個非常強大的三維重建的數據庫，以及用數據庫去訓練它自動駕駛的能力。
所以，我們可以看到，三維重建的這些技術讓智能駕駛也在快速迭代。
機器人或將有，超預期的商業應用落地
包括機器人也是，因為大模型它可以吞吐的數據訓練量非常大，
比如説特斯拉，包括小鵬等等，以前訓練的時候，它用的駕駛數據，都是圖像按幀去訓練的。
但是現在我們看到，它喂進去訓練的數據是視頻的資料，是動態的，也就是説是超越3D，在一個4D的基礎上去進行訓練。
你會發現，因為算法的能力提升，對真實世界的模擬或者是仿真能力都在提升。
我們看到車上已經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期的去迭代它的功能的實現。
為什麼呢？
以特斯拉為例來看這件事情的話，其實你會發現，車跟機器人有類似的規劃算法。
當然，因為它的機器人是有更多的自由度的，它每個自由度可能都是一個去控制的算法，所以説可能比車要更難。
但是它每一個自由度上的算法，其實跟車還是有非常相似的這樣一個規劃算法的，都是在空間去做計算，
把這些物體在空間去佔位，然後去計算我應該走的路線，或者我動作的路線。
所以説，雖然現在我們還沒有看到人形機器人在成熟的商業場景去落地應用，
但是我認為，基於車最近這半年到一年發生的事情來看，機器人可能接下來也會有讓我們持續超預期的一些商業場景的落地應用展現出來。
對於中國的機器人而言，我認為可能是製造先行。
落到A股投資，整個的產業鏈，雖然鏈主可能目前來看似乎在國外。
但是第一步，我們先可以通過參與產業鏈，依靠自己曾經在消費電子、新能源汽車去積累的製造業優勢，精密製造的優勢，去參與到鏈當中。
後來，我們一定會孕育出自己的產業鏈的鏈主，就如同我們的電動車。
電動車就是一個非常好的案例，包括我們的智能手機都是一個非常好的案例，
證明曾經我們只是參與了產業鏈的製造環節，但是後來我們有可能從製造走向品牌、走向運營。
所以説，這也是我們需要持續去關注的一些領域。
數據產生的AI化，
合成數據正在興起
最後提一下“數據”，因為在去年的策略報吿當中，其實我也特別提出來數據，尤其是數據要素。
對於現實狀況下，數據或者數據要素，我們需要關注的是什麼呢？
我覺得基於AI產業，我們要關注數據產生的AI化的過程，也就是説合成數據。
什麼意思？
現在我們經常知道，我的大模型能力怎麼樣，要靠我能獲得的真實世界的數據的數量和質量。
但是，現在整個行業內正在發生的一個非常重要的變化，就是在於合成數據的產生，或者是真實仿真環境的產生。
也就是説，未來大模型的訓練或者大模型的學習，喂的可能不是人類的真實數據，而是很多AI自己生成的合成數據。
這也是最近產業裏面發生的比較重要的變化。
所以關於數據資產的爭奪，越來越向金字塔的頂尖去發展了。
一方面要去佔領合成數據模型的進化，
同時還要去買那些未來可能成為模型進化非常重要的一些數據資產。
比如説我剛才提到的3D數據資產。
微軟為什麼多次去收購一些遊戲公司？難道大家認為他是要進入遊戲產業嗎？
我認為不是。
他是看中游戲產業可能是目前3D數據資產最豐富的領域。
從這些巨頭做的動作上，你就能夠感受到，現在哪些數據是稀缺的，哪些數據是未來最有價值的。
同時再重申一下，我們對數據要素繼續看好。
它是可以改變現有傳統生產要素的一個創新型的生產要素。
