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最新的科技和創新進展做深度梳理，又從二級市場的角度給出未來較有機會的行業方向的投資思考。

某種程度上，這是每年公募業界最像瑪麗·米克（華爾街互聯網女王）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。

2023年8月，在申萬菱信基金中期策略會上，作為申萬菱信權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。

內容依然精彩而予人啟發。我們摘錄部分以饗讀者。

（采用第一人稱，部分內容有刪節。）

上半年發生了什么？

首先，和大家回顧一下上半年股票市場的經歷，以及現在這個時點上對權益市場的看法。

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。

上半年到底發生了什么？

第一點，截止7月底萬得全A指數是正收益，但公募基金的中位數是負數。這是2014年以來，公募基金罕見的業績均值跑輸市場（一半以上暫時落后）。上一次出現這種情況是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理應該都表現很好，但實際上成長股風格的基金多數表現不太行，是弱于平衡型或者價值型的產品的，原因是在于2023年的成長股內部發生了極大的分化。

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生的事情。

按照風格來說，按照比較傳統的界定，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濟預期給出“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。

往往在經濟復蘇的時候，大盤股是最先受益于復蘇的。經濟復蘇趨勢日益確定和強化的時候，整個經濟的訂單，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，只要發生一些事件，低波動就會被打破。

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

同時，從庫存的波動來看，基本上已經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蘇點。

國內經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也有所升級，又強調了逆周期調節，對整個經濟向上的預期是現在是越來越多了。

但還有一部分投資者認為，預期起來之后，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的表現，這是大家目前對國內經濟的看法。

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。

如果中國經濟復蘇更加明確，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生一些變化，價值風格大小盤也會發生一些變化，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，電新不管是從復蘇的確定性以及估值來看，都比較好，如果按照經典的景氣度投資方法來看，電新應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年大家特別關注擁擠度，也就是籌碼分布的因素，所以電新也沒有被持續布局或者是選擇。

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

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，大家對行業選擇上是比較糾結的。

關注智能化和空間計算

面對這種糾結的情況，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，在不斷發生變化的企業。

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，發現這一波的AI讓很多產業層面開始能夠釋放出產業紅利，不管是降本還是增效。

比如，新藥或者新材料的研發，有很多與配方、分子式相關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試。

但因為AI的出現，很多過程可以用AI的方式進行篩選，無疑會大大提升效率。

包括數據的重要性及未來合成數據出現，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，尤其是科技產業，尤其是C端和B端。

以前在移動互聯網時代，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。

和上一波移動互聯網有非常明確的不同，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與移動互聯網最大的不同就是，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的應用，營銷軟件里面的應用，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歷了什么樣的過程？

首先，自從有了計算機的發明，人類與系統，現實世界和虛擬世界之間有持續的分工和交互。

有了計算機之后，人類和系統就進行了分工。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，這是第一代系統所完成的任務。

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據，電子化的資料，這一步為第二步奠定了非常好的基礎。

第二代系統，人類和系統之間的分工又發生了一次變化，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去做，這是有了深度學習以及最近的AI之后，我們發現思考環節可以交給大模型去做，我覺得這是發生的最大的變化。

系統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據，去喂養它，去訓練它，從而使系統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祟愐呀洶研畔ⅲ兄澜绲牟糠纸唤o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，更多的是系統幫人類做很多行動上的產品。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，現實與虛擬統一，但空間計算的出現，使得計算機跟人類完全的需求，自然習慣匹配了或者統一了，在各種科幻片當中看到的立體交互就會出現了。

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，歷史上經歷了文字，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的內容。

3D的內容，如果看生產的過程，會發現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，這是按照傳統的3D建模的方式實現3D內容的生成，但因為AI的出現，3D內容上也有了大模型的能力，它的生產成本就會大幅下降。

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，開發者可以迅速實現，更加方便地實現3D內容的生產。

蘋果也推出了很多基于3D內容制作的套件，軟件，模型，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3D數據資產的積累。

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

3D內容的生成，同樣需要3D的語料，因為這些3D的AI的工具產生，相伴產生的3D數據也會越來越多。

現在市面上3D的數據、圖片、視頻非常少，一旦這些數據因為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品是什么樣的狀態。在蘋果M2出現之前，我們一直認為可能在很長一段時間之內，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出現之后，我發現它可能是一個類計算平臺的終端產品，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。

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品。雖然這個產品離3D空間計算最終成熟，還有一定的距離，但我覺得它已經是完全的劃時代的產品。

3D或者三維重建的概念，不光存在于大家印象當中，它存在于現有世界的所有狀態當中，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。

比如智能駕駛，如果看一些智能駕駛的博主的測評，會發現智能駕駛在很短的時間內，甚至已經在個別場景的處理中優于人類的司機，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智能化架構的出現。

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，讓自動駕駛數據的收集，數據的訓練，以及駕駛體驗的優化快速迭代，才達到了讓人特別驚艷的效果。

我們國內新勢力為代表的汽車品牌，也在加速學習，部署一套transfomer架構的智能駕駛。

三維重建的技術，讓智能駕駛也快速升迭代，有時候我們感受不到它在發生變化，其實它已經在某些領域發生非?？焖俚淖兓驗榇竽Ｐ涂梢酝掏碌臄祿柧毩糠浅４?。

以前特斯拉，小鵬等訓練的時候，用的駕駛數據，都是圖像按幀訓練，而現在是基于數據視頻的背景進行訓練，動態的，在4D的基礎上進行訓練。

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，可能也會超預期迭代功能實現。

以特斯拉為例，它的車和機器人有類似的規劃算法，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，去計算應該走的路線或者動作的路線。

雖然現在還沒有人形機器人在成熟的商業場景落地的應用，但我認為基于車最近半年到一年發生的事情，機器人接下來也會有讓我們持續超預期的商業場景的落地的應用展現出來。

參與全球產業鏈

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。

整個的產業鏈，我們可以先通過參與全球產業鏈，依靠自己曾經在消費電子、新能源汽車積累的制造業優勢參與到鏈當中，后來我們一定會孕育出自己的產業鏈的“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據進行構建，進行現實世界和物理世界的連接。

現實狀況下，數據或者數據要素方面，基于AI產業，要關注數據產生的AI化過程，也就是合成數據，大模型能力，要靠能獲得的真實世界的數據數量和質量。

現在整個行業正在發生的非常重要的變化就在于合成數據的產生，或者是仿真環境的產生，未來大模型的訓練，大模型的學習為的不是人類的真實數據，而是很多AI自己生成的合成數據，這也是最近產業里發生的比較重要的變化。

關于數據資產的爭奪越來越像金字塔的頂尖發展了，一方面要占領合成數據模型的進化，同時還要去買未來可能成為模型進化非常重要的數據資產，比如剛才提到的3D數據資產。

微軟多次收購一些游戲公司，不是要進入游戲產業，它看中的是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，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。

我們對數據要素繼續看好，因為它是可以改變現有傳統生產要素的創新型的生產要素。接下來也依然要持續關注跟數據相關的所有的AI資產。

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

關鍵詞：