![](https://gbres.dfcfw.com/Files/iimage/20240704/DC81191C3D5796584AE230FA7D15D908_w1000h419.jpg)
关于恒生科技指数近期的强势,我们已经看到了很多解释,美联储释放的“鸽”声是一个,市场本身的性价比是一个,互联网公司们大手笔的回购也是一个。但今天,我们想讨论一个问题:今时今日,我们究竟该如何定义恒生科技指数?这个问题的答案或将在很大程度上影响恒生科技指数走强的动机和持续性。
时间回到5月,科技圈的一个大动态是我国AI大模型算力迎来一波降价潮:
多家云厂商接连宣布降低模型推理token价格(大语言模型中,token指文本单位。一个token可以是单词、标点、数字、符号等),部分模型推理价格降幅超过90%,其中字节跳动旗下的火山引擎豆包通用模型pro 32k的推理价格低至0.0008元/千tokens;通义千问GPT-4级主力模型Qwen-Long的价格直降97%至0.0005元/千tokens,1块钱可以买200万tokens,相当于5本《新华字典》的文字量;其他厂牌的部分主力轻量大模型甚至可以免费调用。(数据来源:各公司官网)
大型互联网云厂商大模型的降价,一方面说明经过一年多以来的调试、优化和技术进步,算力价格的确已经明显下降。另一方面,考虑到大模型价格降幅远高于算力,云厂商更主要的目标是以短期的盈利能力减弱,换取AI大模型应用生态的快速爆发。
这背后的逻辑是,当前AI大模型商业化所面临的主要堵点,在于实用价值和开发风险与成本之间的错配。
对企业来说,是否选择大模型,或者说让大模型在自身业务中介入多深,是需要综合考虑投入成本、投资风险,及其能为企业创造多少经济价值的。
尤其大企业,虽然数字化智能化转型的预算较为充足,风险承受能力较强,也有比较丰富的可落地场景,但内部阻力也更多,决策更为保守,在没有看到足够有说服力的成功应用案例之前,并不会轻易决定在核心业务场景中引入大模型,哪怕训练和推理的成本降低了,但大模型部署所涉及到的AI人才招聘、数据标准化处理、跨部门流程改造等任务都会产生额外费用,因此大企业对大模型的推理成本本身反而并不敏感。
相反,中小、初创公司乃至独立开发团队或将是大模型降价的主要受益者。过去,受制于推理价格高昂,中小公司和应用开发商普遍可投入资本又比较有限,应用开发创新的成功率又低,导致试错风险难以承受,大模型生态构造的性价比不高。当大模型推理价格接近免费之后,中小企业和应用开发商试错门槛显著下降,资金压力得到缓解,得以充分发挥其决策机制灵活,历史包袱轻,创新驱动力强的优势,快速开发迭代以最终找到适用于大模型时代的AI原生应用的可能性大大增加,从而通过大模型的普惠化调动更广泛的积极性,形成类似移动互联网时代各路APP争相涌现的生动活泼的局面。
当中小公司在实践中沉淀出AI大模型较为成熟的应用方法论之后,又能为大公司提供新的思路,有望将大模型的市场空间拓展到更高的维度。
因此,虽然“价格战”已经成为了资本市场最为敏感的字眼之一,但大模型领域的价格战总体而言却或许是符合其产品特性和发展规律的,即生成式人工智能的资本投入规模收益递增。
在传统基于规则的符号人工智能框架中,软件工程师需要将数据的规律总结为规则或算法,通过编程让计算机按照规则完成特定的任务,最典型的就是代码中的“If…Then…Else”语句。这样的模型在情境数量较少、任务复现频率高时会有较好的表现,但是当模型应用场景开始泛化,情境数量大量增加,单个任务重复频率又不高时,需要添加的规则数量就会成倍增加,设置额外规则的成本将高于收益,呈现出边际收益递减的规律。因此,符号人工智能只能应用于高重复性的工作任务,而在计算机视觉以及自动驾驶这样需要高度泛化的场景中就举步维艰。
而我们如今讨论的AI大模型所依托的,基于神经网络和深度学习的亚符号人工智能,则无须设置固定规则,而是通过对海量预训练材料和数据的持续自训练学习来不断提升自己的推理能力。也就是说,投入的算力、数据、语料越多,大模型的推理准确度就越高,使用场景就丰富,市场需求就越大,需求方调用次数增加反过来又会扩充大模型预训练的素材“养分”,并对进一步投资产生正向激励,AI大模型也就在这样的供需螺旋式上升中实现技术水平的进步。
推而广之的话,在技术发展史上,我们其实已经见证过很多这样的案例,无论是PC、手机还是智能汽车,都是在技术尚未完全成熟时就以低价普及硬件,提高用户的数量级,推动软件、应用、生态的自发繁荣,创造出广泛而刚性的市场需求,再通过规模经济和应用收费反哺硬件实现降本与盈利。
如果以自动驾驶作为类比的话,OpenAI选择直接奔向库兹维尔所描述的“奇点时刻”以及终局的AGI(通用人工智能),就像当年Waymo直接挑战L4级以上的高级自动驾驶,而国内外云厂商以及一众大模型初创公司,就仿佛特斯拉和国内新势力车企,从L2级别的智能辅助驾驶起步,在数据、场景的持续积累和算法、模型和系统的大规模应用过程中不断优化完善技术能力、供应链体系与应用生态,逐步向更高级别的自动驾驶过渡。最终的竞争格局现在还无法准确预测,但凭借占据全球30%的制造业增加值比重所创造的大量潜在优质数据和应用场景,我国AI大模型在这场极其重要的未来技术竞争中至少将占据一席之地。
因此,从投资角度而言,恒生科技指数依然是个不可忽视的选择。
如前所述,随着反垄断的阴影散去,互联网平台纷纷开发AI大模型并通过类似当初三大运营商的“提速降费”为市场提供新基建,可以说重新回到了“新质生产力”行列,后续投资逻辑或也更加接近2021年之前的市场化思路。
此外,几大互联网平台也都积极以各种方式入股布局具有较大潜力的初创大模型公司,如月之暗面、MiniMax、智谱AI、百川智能、零一万物等,这些公司尽管没有参与“价格战”,但要么已经发布了现象级的产品,要么在企业应用端有较为坚实的护城河。
由于与2017-2019那波人工智能投资高峰相比,外资PE受到美国行政指令限制,基本无法参与中国初创大模型公司的股权投资,导致初创公司议价权减弱,互联网平台能够用更低的价格获得优质资产权益。若这些初创公司后续估值继续抬升乃至成功上市,互联网平台或也将凭借所持股权获取较为丰厚的回报。
此外,恒生科技指数中的其他行业成份股,如晶圆代工、造车新势力和各领域软件开发商等,都有望充分受益于AI大模型降价以及可能随之而来的应用生态繁荣,因而在新质生产力的重要性被反复强调的背景下,恒生科技指数整体或都与中国人工智能行业发展的前景息息相关。
$恒生科技ETF(SH513130)$ $华泰柏瑞恒生科技ETF联接(QDII)A(OTCFUND|015310)$ $华泰柏瑞恒生科技ETF联接(QDII)C(OTCFUND|015311)$
#恒生科技指数飙升,腾讯大涨#
![](https://gbres.dfcfw.com/Files/iimage/20240704/1124FBB1A4F2DC186900CCA381F03A6A_w884h261.png)
本文作者可以追加内容哦 !