这一轮以AI为代表的科技创新，是从“0到1”的突破。

首先是理论范式的创新，从原来基于规则的专家式系统，到现在的自我深度学习。传统的AI，更多是基于规则的专家式系统，也就是相关领域的人类专家把规则和知识图谱写进软件系统，用写好的逻辑规则来教导计算机如何思考和执行。

而这一次的人工智能，是类似于人脑的深度学习，不再预设规则，而是让系统使用输入的数据，训练系统自己去识别数据和期望结果之间的关联性。

另一个创新是来自于人类与机器之间交互方式的创新：Chatgpt回答问题不是通过搜索答案，而是根据前后每个单词按概率去做的自动补齐，是一个词一个词蹦出来的，所以就有了更多的创造力。第二，人类也不用去学习指令集，而是直接通过自然语言就可以与机器去做直接沟通，大大降低了使用的门槛。第三，在模型里增加了视频、语音之后，AI也从被动的文本告知外，大大增加了其主动感知真实世界的能力。

相比于互联网的平台效应，AI有两个较显著的特点，一是规模效应，二是涌现能力。

规模效应指的是AI模型的性能会随着模型规模增长而增长，包括参数量和数据量。涌现能力，指的是当模型足够大、数据足够多的时候，模型自己就会涌现出全新的能力。就像当年学生时代的题海战术，不断刷题，刷着刷着就顿悟了。

总之，大模型让市场看到了全球生产力提升的可能。人工智能极有可能会是一个比PC、移动终端以及互联网更大的市场。人工智能大概率是下一个通用技术，刺激经济生产甚至促进社会组织变革。

AI的规模效应与涌现能力

数据来源：斯坦福大学，朱雀基金整理。统计时间短，不代表未来发展趋势，观点具有时效性，仅供分析参考，不构成对产品业绩的保证，也不构成任何投资建议或承诺。

AI创新进一步推动了人类与机器之间的交互方式的创新，在感知、决策和执行三个环节都是有全新的提升。

具体到研究上，我们把人工智能产业链分为四个环节，分别为算法、算力、数据和应用场景。模型和应用产品会构成用户的使用场景，在用户使用应用的过程中又会积累起大量的数据，而数据会进一步使得模型得到迭代，形成“应用-数据-模型”的飞轮效应。在这个过程中，底层都离不开算力的支持。

图表来源：朱雀基金整理

AI是一个资本密集、人才密集、数据密集的产业；如何形成“应用-数据-模型”的飞轮效应，是AI企业成功的关键因素之一。

从中期维度看，目前重点聚焦三个产业链环节。第一是算力，算力是AI的基础设施，需求受益于云厂商的资本开支增加。

从海外云厂商看，本轮AI科技浪潮中，较为领先的是微软，微软资本支出已经连续三个季度维持高增长，而且每个季度的增速也是在环比提升，23年Q3中的资本开支同比增长接近60%。谷歌的资本开支也已经出现拐点信号，23年三季度资本开支同比增长11%。

微软资本开支与同比增速

数据来源：微软公司财报，朱雀基金整理。统计时间短，不代表未来发展趋势，观点具有时效性，仅供分析参考，不构成对产品业绩的保证，也不构成任何投资建议或承诺。

同时，从国内云厂商的资本支出看，在第二季度重新恢复到接近20%的增长。国内互联网云厂商的资本开支方向大多是服务器和数据中心的建设，以用于提升AI算力的储备。

国内云支出恢复增长

数据来源：公司财报，朱雀基金整理。统计时间短，不代表未来发展趋势，观点具有时效性，仅供分析参考，不构成对产品业绩的保证，也不构成任何投资建议或承诺。

所以，在需求端大概率有确定性增长，同时随着海外GPU出口的限制升级，持续关注国产GPU的性能提升以及国产化情况。

第二个产业链环节，是应用环节。随着算法的开源和算力基础设施的完善，产业链价值会从算力和算法端逐步转移到应用环节。

我们重点关注软件和互联网时代的细分领域龙头。因为这些企业的场景卡位是非常清晰的，竞争格局也很清晰，拥有极强的用户黏性。传统业务提供了很好的价值基础，部分企业通过增加AI功能，会带来付费率和ARPU值的提升。较为典型的是以微软的office，传统产品每年约30美金的订阅费，现在增加了AI功能之后，定价接近翻倍。

未来会补充和进一步挖掘的，会有两个方面：一方面是“新的原生AI应用”，目前海外生态相对更成熟一些，国内产品仍处于迭代水平。

从海外AI融资的项目数看，PE/VC比较偏好AI软件、机器人等领域。从海外产业应用生态看，在文本生成、代码生成、图像生成等领域比较成熟，初步有产品形态和付费的商业模式。在视频生成和3D内容生厂商，也有很多创业尝试。回归国内，预计近期也会有相对成熟的产品推出。

数据来源：Crunchbase数据库，朱雀基金整理.统计时间短，不代表未来发展趋势，观点具有时效性，仅供分析参考，不构成对产品业绩的保证，也不构成任何投资建议或承诺。

另一方面，NewTechNewWay为代表的新硬件载体。重点关注类似于智能车、机器人等这些新硬件载体的迭代。

第三个产业链环节，重点挖掘“产业智能化”的领域。因为实体企业在经历了信息化和互联网化之后，通过AI来提升这些企业在各自细分领域的竞争力。

第一，对于文旅行业，交互式对话的出现，能够帮助消费者实现旅程的推荐和规划，旅行产品的一键预定，对那些有全国布局能力的旅游目的地企业来说，是个很好的引流和提高客单价的工具。

第二，对于影视、游戏等IP内容创作行业，因为有文生图、图生视频等多模态AI算法的迭代，有利于解决IP改编周期长、成本高的产能瓶颈，提升IP爆款的概率。

第三，对于工业软件行业来说，以CAE仿真软件，能够赋能制造业的原始创新和正向研发。比如飞机、汽车在新品研发的时候，在设计外形的过程中，需要做要做大量的流体和材料的实验，现在可以先在CAE仿真软件中跑一遍，也大大缩短了新品研发的时间，提高了成功概率。

总而言之，我们重点关注的人工智能或者产业智能化的企业都有一个特征：传统业务的竞争力非常强，且有一定的成长性。同时在AI领域各方面，这些企业又都是细分领域的冠军，兼具场景+数据+算力+算法的能力，随着AI的逐步落地，可以提供基本面进一步向上的可能性。

数据来源：斯坦福大学、公司财报、Crunchbase数据库

注：本文件非基金宣传推介材料，仅作为本公司旗下基金的客户服务事项之一。

本文件所提供之任何信息仅供阅读者参考，既不构成未来本公司管理之基金进行投资决策之必然依据，亦不构成对阅读者或投资者的任何实质性投资建议或承诺。本公司并不保证本文件所载文字及数据的准确性及完整性，也不对因此导致的任何第三方投资后果承担法律责任。基金有风险，投资需谨慎。

本文所载的意见仅为本文出具日的观点和判断，在不同时期，朱雀基金可能会发出与本文所载不一致的意见。本文未经朱雀基金书面许可任何机构和个人不得以任何形式转发、翻版、复制、刊登、发表或引用。