随着科学技术的突破与投资资金的大量涌入，从海外到国内，AI（人工智能）变得炙手可热。AI已来，我们该如何应对？哪些新趋势会因AI而生？AI变革又将给投资带来怎样的变化？

日前，由证券时报社主办、长江证券协办的“2024中国金长江私募基金发展高峰论坛”在武汉举行。在圆桌讨论环节，东方港湾董事长但斌、星石投资副董事长杨玲、蒙玺投资创始人李骧、量派投资创始人孙林等4位私募大咖对上述话题进行了深入探讨，长江证券研究所策略团队负责人戴清担任圆桌论坛主持人。

全力以赴拥抱AI

戴清：AI的爆发式发展，成为去年以来的一大火热话题，各位能否结合自身见闻谈谈最新心得？

但斌：东方港湾前年做了一个策略选择，我们认为人类可能进入第四个时代，即人工智能时代。前三个时代分别是电子硬件时代、互联网时代、移动互联网时代。如果认为人工智能时代比前三个时代更具突破性的技术，此刻就应全力以赴地投资人工智能领域。

年轻时，我们买过腾讯这样公司的股票，但懵懵懂懂赚了钱。20年后的现在，我们应该比年轻时更加坚定，更要全力以赴。东方港湾投资美股的产品基本上百分之百拥抱了这个时代。现在英伟达的仓位已经占到40%~50%，我一股没动，有钱继续买入。未来，英伟达大概率会超过微软，成为全球最大的公司。时代的号角，刚刚开始吹响。

杨玲：每一次技术革命，都能够引领一轮新的经济浪潮，第四次工业革命最有希望产生于人工智能，因此市场关注度很高。不过，数据显示去年英伟达全年销售收入500亿美元，市值不断书写神话，纯AI公司的销售收入则为30亿美元左右。

微软以及国内诸多公司，都在全力以赴地投入AI研究。不过，大模型的成本和门槛高，目前并不是大部分公司都在大模型方面投入巨大精力，这导致上游芯片提供商甚至是冷却电力的设备商获得业绩高增长，由此给市场带来了收益颇丰的投资机会。

李骧：量化投资就是将前沿的科技、技术运用到金融市场，本质上与其他的交易行为没有区别，可以做短周期、长周期、多资产、单资产等。自从2017年Transformer架构被提出后，中国量化机构都享受到了AI的红利，逐步全方位运用非线性模型。

我们最关注两块：一是算力，算力的提升能部分解决预测的准确性和耗时问题；二是生成式人工智能，涉及数据的采集和生成分析。虽然真正达成人工通用智能（AGI）还有很长一段路要走，但是当前的AI发展已让我们真正感觉到了机会。

孙林：这一轮AI的爆发式发展，让我觉得人工通用智能是真的可能实现。我觉得，未来AI发展会有两条线：一是如何在最新推出的GPT-4o上再产生一次质变。OpenAI表示，目前已基本用了人类有史以来可以用到的数据，即所有的存量红利已被吃完。如何更进一步发展，这是目前很多前沿AI研究机构和研究员最为关注的。二是如何从单模态突围到多模态。以前常见的AI应用都是一些单模态，但目前AI应用逐渐从图像文本发展到语音视频、音乐等多模态，这些也是未来比较容易出成果的领域。随着越来越多的公司从单模态转向多模态发力，我们可能会看到更多让人眼前一亮的AI应用落地。

聚焦两大投资方向

戴清：如何看待AI各生态的投资机会，现阶段最看好哪些赛道？另外，新技术在二级市场上往往伴随着市场高波动，请问如何看待相关公司的估值和股价波动？

但斌：目前，我们的投资主要集中在AI基础层。美国七大科技巨头都集中在AI基础层，应用层面包括软件等。不过，刚刚公布的季报业绩大多数下跌。互联网时代和移动互联网时代均诞生了许多大型应用，比如谷歌、腾讯以及TikTok、优步等。AI的竞争一定是大量投资的竞争，不投资到一定程度很难有所突破，胜出者大概率是能掏得起钱的公司。

杨玲：在AI初期研发时，大家更聚焦于它能不能变得像人，现在看来至少在相当长时间里还没有办法完全替代人，但是它能够把一个单体劳动力的效能扩大10倍甚至上百倍。在这样的背景下，尤其是A股，未来AI在行业垂直方面的应用将有比较大的投资机会。

整体来看，主要是两大方向，一是上游设备，包括芯片以及其他围绕AI的设备；二是行业垂直方向，未来在国内制造业升级的背景下，AI和垂直领域的结合将是国内AI发展的主流方向。目前，上游的机会看来确定性比较强，新的AI路径也值得关注，但也需警惕风险。

主观与量化愈加融合

戴清：如何看待主观和量化投资的融合？AI变革是否会给投资带来更多变化？

孙林：量化和主观的融合可以从两个角度来看。一方面，是量化方法论对主观的作用，例如用量化方法论可以为人工判断提供更精准可靠的数据支撑；另一方面，就是主观的方法论对量化的作用，例如面对部分极端情况时，主观的判断可以为量化风控提供参考。总体来说，不管是量化还是主观的方法论，随着时间的推移，肯定会被互相借鉴且相互提供帮助，甚至融合产生不同的流派，给投资人提供更多元化的选择。

李骧：所谓的量化和主观，并没有那么明显的界限，很多人误将量化等同于程序化，程序化等同于高频。首先，程序化可以覆盖各个频段；其次，量化只是一种研究方式，但它具备极致的高效，不管是在所谓的速度层面，还是在覆盖度层面。

即便“最量化”的量化，里面仍然有主观的成分。比如，风控优化、约束条件、成份股占比、非线性的暴露以及模型参数的选取等，都是由人来决定的，不同的选择导致最终的业绩表现有所差异。研究深度绝对是主观对量化的优势，同时越来越多的主观在交易执行层面运用一些算法交易，这也是量化的范畴，或者是程序化的范畴。随着技术的进步，量化与主观的融合度将越来越高。