明年的重点应该更多地应用

明年的重点应该更多地应用

我想从三个方面谈谈我们对2024年整合大型科技板块的看法。

我们门的问题也可以直观地表达核心观点

从今年整个行业的进步来看，人工智能无疑是科技行业穿针引线的关键技术。

但从根本上说，我认为这可能不是最终目标。

这样一个快速发展的过程，无论是大模型本身，还是与各个行业的结合，都只是一个开始

更重要的是，如果能够支撑2024年的大科技市场，那么我们认为它需要更多地与行业相结合。

例如，结合自动驾驶，或汽车行业，整合自动驾驶应用。

再举一个例子，我们最近看到，与机器人、制造业生产的深度融合，可能会在整个人的制造过程中带来一个可以长期落地的场景。

另一个例子是，与我们生活的结合，包括最近的个人助理。

只有这样，整合科技产业才能走得更远，最终才能带来长期的投资回报。

所以我想先说结论，我们认为，

今年，让我们看看人工智能板块围绕计算能力、特定的大型模型和芯片，更多的是硬件和基础层面的具体目标，

那我想，明年的重点应该更多地集中在应用和围绕应用上，并与各行合作

行业的深度结合。

大模型演变的四个阶段

具体方向分为三个方面。

第一，其实更多的是人工智能技术本身。

核心是，从底层技术的量变积累到整个行业的质变，从决策AI到生成AI更为重要。

最近看了Opena的新闻发布会，其实已经成为一个综合性的智能主体，有没有关键的技术变化？

包括底层算法技术的突破，以及大模型的方向，我们的门核心总结了四个阶段

第一阶段，也就是这一时期，已经成为现实，包括一些国内模型也达到了这样的水平

就是让大模型像人一样懂语言，达到基本语言生成和逻辑推理的水平。

本质上，它仍处于感知智能或认知智能的阶段

它包括一个大阶段，如让机器听、说、看、认、理解和思考。

此后，我认为明年大模型的演变，应该主要处于以下两个阶段。

使模型能够使用工具，

Openal推出Agent这样的功能，其实也是类似的，本质上是个人助理时代的全面到来。

也就是说，基于大型模型，如何在各种终端上调用更多的应用插件？

调用各种工具，让他完成比较复杂的任务，能像人一样规划。

这是我们在这个阶段看到的大模型，以及下一段时间相对发展的重点。

在第三阶段，我们希望大模型能够规划和决策，并具有更强的逻辑推理整体部署能力。

明年应该会看到更多，向这个方向表演，

在这方面，我们可以从工业端期待，比如如何将大模型与机器人等终端深度结合起来，会不会有更多的量变到质变？

这也是明年大模型基础技能未演绎值得期待的。

让大模型有情感，升源升放是大势所趋

然后，第四阶段，也就是说，让大模型有情感和意识。

我认为这并不神奇。现阶段有一些基于心理的应用，包括一些医学应用，已经朝着这个方向发展

总的来说，大模型的解读或技术的变化不是一件事，而是作为数字化和智能时代的核心技术

B将继续选择和引领整个行业的应用，并在应用方面实施。最近11月7日，Openal在开发者大会上重新整合了GPT4的整体功能。

在这个新的模型选择器中，我们可以看到它实际上已经升级为一个统一的智能体。

当然，它所谓的智能包括这个层次，

一是它能理解一切，能理解，能听，能说，更进一步的是它能像人一样，像个人助理一样帮助每个人处理一切。

第三阶段是生成一切，可以演绎，举一反三

我们可以基于早期的认知和处理能力，生成我们从未见过的内容，创造内容，这是我们看到的。

当然，更重要的是，如何让整个生态朝着更便宜、更有用的方向发展。

我们可以看到一些更快更便宜的底层AP调用能力，比如降低开发者的难度，对开发者的生态更友好。

未来，整个应用开发的生态友好性将大大提高。

可想而知，基于未来一段时间，大模型基本能力平等，

一天对我们门的判断是，天模的升开源和升放也是一天的趋势。

事实上，上述三点对应用程序的升发者越来越好，

从这个角度来说，也是支撑我们刚才的观点。也许2024年整个行业的重点会慢慢演绎到应用层面。

回到中国，其实我觉得你不用太悲观

我们也在做相关的评估。

事实上，在国内模型的整合中，索积的访问量和API的调用次数在今年6月以后迅速提高了整个基本模型的能力。

在提升的过程中，我们会看到它的可接入性，或成本，实际上也在迅速下降。

事实上，在技术没有改变的情况下，这种混合模型技术在未来将非常重要，以提高整合使用成本的降低效果，

也就是说，我可能不必在所有的模型中选择a或b，我的模型在未来可以是多模型。

更重要的是，我如何控制这些模型，在不同模型的能力之间，根据我未来处理的任务，或外部任务的复杂性来做出选择，

这是后期技术演进的重点。

自动驾驶，端侧计算能力是明年比较乐观的方向

此外，随着技术的不断变化和机器人模型的快速发展，我们认为这也可能是明年技术演进的重点。

事实上，更值得期待的是，如何与我们现在看到的传感器结合起来，包括人形机器人的技术。

还有计算能力的变化。

最近，我们也非常关注华为产业链。例如，在英伟达的主流芯片受到限制后，在国内进入路线上，事实上，更多的集群围绕着异常的计算。事实上，除了硬件或先进的工艺外，我们认为它的未来是一个整体生态系统。

从这个角度来看，也可能是底层计算能力的变化，从今年到明年。

另一个较大的技术没有变化，就是端侧计算能力的重要性，

事实上，最近我们也在看到，基于大型模型的轻量化，是未来从模型实践到推理和广泛应用的真正意义

事实上，轻量化或模型在端侧的计算能力部署可以使这种大规模应用成为真正的现实

比如自动驾驶，这是我们明年对终端这一侧比较乐观的一些方

向。

围绕底层的技术变化

综上所述，首先，我们认为大模型仍然是整合行业的首要任务，它将在引领创新或推动整个行业发挥非常重要的作用。

其未来发展的门槛，包括这种持续迭代能力的要求，对底层计算能力的数据质量要求将非常高。

因此，整个行业的集中度应该进一步上升

在产业链的整合中，计算能力端可能发生的变化是国产链

特别是像华为的升腾产业链一样，我们认为这可能是一个长期的趋势变化。

只有更快地在中国建立这种相关生态，一些与产业链相关的公司才能准确地分享整个产业链增长的价值。

然后是终端侧的重要性，

基于大模型的迭代和轻量化趋势，它部着回终端

是否有可能推动新终端创新周期的到来？我们认为提前结束消费电子固有周期是非常有可能的

这是第一大块，围绕底层的技术没有变化

与上一天的创新相比，现在更像2012年和2013年

第二，作为数学字经济时代的底层“操作系统”，

我们还是要展望它在未来会给整合数学经济带来多大的变化，甚至是我们整个社会的商业形式，

这在很大程度上决定了投资机会有多大。

假如简单地比较一下，过去的40年，以及现在的阶段，那么我们认为，

即将到来的2023年和即将到来的2024年，更像是2012年、2013年这样的阶段，如果手掌移动互联网那十年去做比较，

工业本身，它实际上是非常不清楚或不稳定的，它不是一个稳定的状态。

现在你去讨论谁最终会走出这个行业，我觉得还是很难的。

但可以肯定的是

整个行业将处于这样一个非常活跃、创新和应用变化非常快的节点。

当然，与投资相对应，相关媒体和计算机相关的投资目标可能会更加活跃，这是我们的一般判断。

当然，回到行业本身，更多的是围绕oc，比如在营销、游戏、影视等方面，已经开始出现一些让大家非常兴奋的应用。

但我们认为，如果明年做一个前瞻性的展望，它会和行业有更多的火花吗？

例如，数学+交通工业。

现在自动驾驶实际上是一个更明显的趋势，

再比如与制造业、医疗行业、创新药等方向的结合。

包括与能源、消费等大型行业的结合。

我们门认为这个过程，或者这个序幕可能刚刚开始。

站在一个大周期里，看看这个科技创新的机会

最后，回到投资本身

在我们看来，简单地说可能会落在三点上。

首先，2018年以后，这样一个节点已经从以前的网络和信息时代转变为数字和智能。事实上，这是一个全球共鸣

这种趋势很明显，这种技术趋势是一样的，

在这个过程中，每一轮TMT大市场实际上都取决于底层硬技术的创新。

这实际上是一条非常重要的产业规律，

站在今天，也许又处于这样一个大节点。

因此，我们仍然对如此新一轮的科技创新带来的机遇非常乐观，它肯定会支持科技行业的长期投资机会。

因此，我们应该从更大的宏观背景和更大的周期来看待这一轮科技股的投资机会。

第二点是，这一轮的机会实际上是在全球科技竞争的背景下发展起来的，这与上一轮移动互联网的十年有很大的不同。

如果我们比较2011年和2012年，安卓和iOS实际上是世界底层的操作系统，无论是安卓还是iOS

中国企业更多的创新是基于操作系统，比如应用商店。

但从前面看，我们应该有自己的底层操作系统

我们还应该有底层的计算能力芯片，甚至上游，包括与计算能力产业链相关的缺点。我们应该补充它

我们是否需要一家类似于底层芯片创新的公司，以及与该操作系统相关的软件公司？

那么我认为这些机会也可能更加突出，创造出更大的市值空间。

所以在硬件层面，比如华为产业链，包括相关的上游设备和材料，我觉得会带来更大的机遇。

这是第二点。

第三，它是整个科技产业的固有特征，

也就是说，从主题投资到落地，再到真正的价值投资，分化谁最终能走出这个行业，需要很长时间，

移动互联网可能需要10年的时间。

那么，对于投资者来说，什么阶段是主题投资，可能更适合投资呢？整个板块；

什么时候是分化后的价值投资，更需要区分个股，

这种投资策略应该有一定的变化。