第二十届中国国际金融论坛于2023年12月14-15日在上海召开，国厚资产管理股份有限公司首席投资官潘强出席并发表演讲。
以下为演讲实录：
感谢主办方的邀请，今天跟大家分享的话题是AI革命下金融科技领域的投资机会。我们先说一说AI截至目前的进展，然后再分享一下AI的各种应用，最后探讨一下在金融科技领域里面的一些投资机会。
ChatGPT在2022年底推出以后，2023年整个AI生态呈现爆发式增长，比如说ChatGPT的活跃用户大幅度增长，英伟达的利润暴增，还有整个AI相关股票的股价上涨都说明了一些。这个爆发式增长，前面几位嘉宾都提到了，2018年就有很多AI医药公司已经存在的，并且作出了很多成绩。但是大家切身感受它的爆发式增长是从2023年开始。
第二个，我们现在面临的是跟当年PC互联网和手机革命一样的革命，而且这个革命的速度远远超过之前的革命。这是摩根斯坦利的研究和预测，用的什么美国数据，这个20年是指从PC爆发到达到50%用户渗透率，PC用了将近20年的时间，因特网用了12年时间，手机用了6年时间。现在的AI用了几年，从今年开始也许只需要3年甚至更短。
这一页是说英伟达，英伟达的市值在12000亿美金，有8000亿美金是今年创造的。这个位置是2022年底的市值，4000亿美金左右，8000亿美元的市值是今年创造的，可见这个市场对于AI革命一种澎湃的认知程度。
AI革命对于金融市场的影响，包括今天上午的嘉宾都谈到了这个问题，这个图其实是美联储基础利率的图，我们可以看到，基本上在2022年之前是零利率，2022到今年加息的陡峭程度非常高，几乎从0加到5.5左右。如此陡峭的加息幅度，但是在美国并没有引起特别大的金融动荡，并没有引起特别大的金融衰退，究竟因为什么？去年年底的时候很多美国经济学家，包括中国的经济学家，包括我本人在内，我们都认为在2023年美国大概率要陷入衰退，而且美国的金融机构大概率有一些大金融机构会出现一些问题，因为如此陡峭的加息程度在历史上都是极其罕见的。
但是为什么到今天为止我们看到美国的经济很强劲，美国金融机构除了硅谷银行有点小浪花之外，并没有大的金融机构破产倒闭。更重要的是它的股市，2022年的时候整个股市大幅下降，2023年不但涨了回去，很多公司而且还突破了历史新高，究竟因为什么？刚才肖辰明总分享的时候谈了美国怎么化解商业地产风险的，这个让我得到很多信息，也受到的很多启发。但是我觉得从总体上来讲应该是AI革命，特别是美国的股市，之所以能够一讲2022年的颓势，这就是AI革命。
AI革命在美联储加息的情况下，使得美国没有出现衰退或者大的金融危机，至于明年会不会，我们可以拭目以待。
AI产业在我国未来经济起到极其关键的作用，12月12号中央经济工作会议里面，明年九项工作里面的第一条，这里面提到了很多行业，比如说打造生物制造到商业航天和量子等，这些是作为行业提出的。但是人工智能不是，人工智能是位于前面，要大力推进新型工业化，发展数字经济，加快推动人工智能发展，这些不是具体的行业，这些是战略。也就是说，人工智能战略已经作为我国未来经济发展中极其重要的，和新型工业化同等重要的战略提出来，我相信在中央经济工作会议的文件里面以及党中央历次对于经济的部署里面是第一次。
之前谈了AI到现在的一些发展，可以说AI在这一年以来，自从ChatGPT推出以来，现在AI的发展，包括应用、算力和大模型的发展是以天为单位的，我昨天写的时候还在改，因为不断有新的东西出来。AI发展的四大核心要素：
（1）基础，算力。
（2）算法，大模型。
（4）行业应用。海量数据和行业应用有交叉。
在算力方面，可能大家都很熟悉了，目前我们国家遇到了非常大的问题就是高端芯片进口受限，国产芯片，包括华为，各个厂商都推出自己的GPU芯片。
算力需求，这一轮算力需求或者GPU爆发，其实是由大模型的迭代和进化而产生的，它的爆发点在2022年年底的爆发点，包括英伟达今年价值重估从4000亿涨到12000亿的价值重估，也来自于大模型。未来一到两年之内大模型对于算力的要求，仍然是驱动算力向前发展非常重要的因素。
这是国内一些大模型对于算力的要求，不细讲了。
大家可以看到，在整个大模型的演进过程当中，OpenAI和谷歌成为双雄，从近期来看最早具有大数据量的大模型是谷歌在2017年的Transformer架构，直到目前谷歌采取的还是Transformer架构。OpenAI的转折点在2022年底ChatGPT的推出，ChatGPT的推出把模型量和数据量推到了新的高度。今年最新的GPT4，参数规模大概1.8万亿左右。
同时在2023年12月6日，谷歌又发布了最新的模态大模型Gemini，它在应用方面，包括能够支持的场景方面都很厉害。但是目前它的性能对标应该是对标在GPT4上面。
这是国内大模型的各种发展，包括文心一言、通义千问、星火等等，各大厂商都在推出自己的大模型，在奋力追赶之中。
为什么去年年底人工智能获得了巨量的以天为单位的发展？除了模型的进展、算力的大幅度迭代提升之外，还有一个是数据量的急剧攀升。这里有一个数据，从2020年开始，整个全球的数据量急剧提升，这个数据量包含音频视频和其他各种数据量。这个大家日常生活明显能感觉到，比如说抖音、视频、直播，数据量急剧上升。数据量本身是大模型应用的关键，同时反过来也促进了整个大模型的发展。
AI应用对生产力的提高，这个是美国的估算数据，什么意思？上面7.8、6.4、5.1这些数据，首先它的样本是标准普尔500公司，产生100万美元收入所需要的员工数量，1986年的时候是7.8个人，今天是5.1个人。未来人工智能出来之后可能只需要3个人，这是非常大的突破。
特斯拉在12月13号刚刚推出来人形机器人，我们的看法是人形机器人和医药，我们认为是两个非常大的应用，包括ChatGPT，包括与人交互的这种ToC端的应用也是很大的。但是ToB端的，一个是人形机器人，还有一个是AI+制药是非常大的应用。这一轮AI革命，因为未来两三年还处在算力和模型在迭代的阶段，全球包括中国都需要大量的算力芯片，还需要模型的迭代。当两三年之后，甚至不需要两三年，算力和模型迭代的同时，大量AI应用在各行各业都会产生。未来像十年前产生互联网+一样，会是AI+。
机器人是其中一个重要的，人形机器人，或者现在学术一点的文章把它叫具身智能。
这个是金融科技领域的应用，之前单总已经讲的很详细了，我很快的讲《beat365正版唯一官网》过去。我觉得中国有一个条件，整个银行业金融科技里面的投入非常多，历史上的投入都很多，未来肯定会持续投入。同时在银行、保险、证券的各个领域，前台、中台、后台，客服首先被AI取代，现在大家打银行的客服经常告诉你占线了，如果人工智能在这个方面有所突破的话可能会极大的提升，而且这个难度没有那么高，百分之八九十的问题可以被人工智能的AI替代，最后只需要5%的问题需要人工给你回答，这个可能会先做起来。
最后讲一下挑战，我们最近做了很多AI研究，我们发现AI在中国的应用中还是有些挑战的。
（1）高等级算力的问题，现在进口的受限问题，最近的消息，雷蒙多前两天表态了，英伟达的产品经过某些版本的改进以后可以出口到中国的。第一个问题是要处理好高等级算力。
（2）大模型奋起直追。
（3）处理好人工智能应用和监管要求。因为中国的这个监管要求确实还是挺多的，金融行业的监管，包括我们媒体行业的监管，现在大模型都要备案，然后你的这个AI生成的内容怎么如何符合这个监管的要求，这些可能都是，包括以后如果搞无人机配送，这个无人车配送所需要解决的这个监管问题。因为现在很多城市，其实无人机是不能飞的，怎么把握好无人机的现有的监管和未来人工智能应用的一个关系。
（4）处理好人工智能应用和提高就业率的关系。这话讲的比较隐晦，其实的意思就是说，因为人工智能应用其实是会大量的代替这个人。其实大家最近谈的比较多的美国再工业化，因为之前大家担心美国再工业化，就是因为美国人口比较少，劳动力一个多亿，然后它有可能会出现再工业化过程中劳动力不足的问题。但是如果人工智能大规模应用之后，那有可能以后的一个厂里面可能就两三个人能管几千个机器人。那么这个其实对对美对比从美国的角度来讲，他可能觉得可以。但是中国的角度来讲，中国现在还处于发展中的阶段，未来你如果大量的出现这些人工智能替代人的问题的话，那这个就业率的问题这个是肯定是要处理好的。
（5）电的问题，因为人工智能出来的时候，我们预计整个电力以及对于如果要大规模应用的话，它的电力以及电网起着巨大的挑战，特别是现在因为这个电力多的要绿电，多的要清洁能源。那么你这个电力大幅度增加的情况之下，怎么又符合这个绿电的标准，同时这个电网又能够智能的配送，这其实也是很大的，下一步需要解决的一个大的问题，当然所有这些问题都是投资的机会。
我就讲这么多，谢谢大家。
责任编辑：梁斌 SF055
