2024年3月12日晚，第185期“金融学术前沿”报告会在复旦大学智库楼209会议室举行。本次时事报告主题是“AI与资本市场的‘双向奔赴’”，由复旦发展研究院金融研究中心（FDFRC）组织举办，中心主任孙立坚教授主持，报告人为孙教授研究团队成员张佳文。本文根据报告内容、公开材料以及现场讨论，从热点回顾、热点分析、专家解读和深入讨论等几方面展开。

近期全球主要资本市场呈现上扬趋势。

亚太主要股指收盘多数走高，截至上周一（3月4日），日本日经225指数首次突破4万点大关，韩国综合股价指数上涨1.5%报2674.27点。科技股是亚洲涨幅最大的板块，台积电上涨6.2%，SK海力士上涨5%。美股同样迎来飙升，2023年全年标普500指数上涨24%，道琼斯指数上涨14%，首次突破37000点大关，并在2023年最后几个交易日创下七次收盘纪录。围绕AI和大型科技股的狂热推动，纳斯达克综合指数飙升43%，创下2020年以来的最佳年度表现。

美股乃至全球市场上扬背后重要的驱动力是所谓的“七雄”，即苹果、微软、Alphabet、亚马逊、英伟达、特斯拉和Meta Platforms。2023年“七雄”股票已累计上涨75%，令标普500指数中其他493家成份股公司望尘莫及，这些成份股公司的涨幅仅为12%，而该指数整体上涨23%，美股“七雄”强势推动市场上扬。彭博数据显示，全球最富有的个人中，30位持有的财富受益于AI，其中大部分是美国企业家，截止2024年2月17日，他们的持有财富占亿万富翁财富总额的96%。

“七雄”之首是英伟达公司。截止上周一美股收盘，英伟达上涨3.6%，总市值达到2.13万亿美元，超过沙特拉美的2.01万亿美元，成为全球第三大公司。英伟达近期迎来了井喷式的业绩增长，公司2024Q4财报显示,企业创纪录季度营收221亿美元，比三季度增长22%，同比增长265%；创纪录季度数据中心营收184亿美元，比三季度增长27%，同比增长409%；创纪录全年营收609亿美元，增长126%。

1.AI融入资本市场的时间线

初始探索期（1950s-1970s）：早在1950年，阿兰·图灵就提出了图灵测试机。1956年，从计算机专家约翰 麦卡锡提出“人工智能”概念开始，AI发展由最开始基于小规模专家知识逐步发展为基于机器学习。1950年代末到1960年代初,出现了第一代人工智能程序,如逻辑理论家(Logic Theorist)和通用问题求解器(General Problem Solver)。

AI第一次寒冬（1970s末-1980s初）：人工智能缺乏学习和思考能力，只能通过固定指令执行特定问题，问题复杂化后人工智能程序不堪重负，在这期间，机构开始减少对人工智能的资助研究。

AI新一轮高潮——专家系统兴起（1980s）：1980年卡内基梅隆大学设计出了第一套专家系统——XCON。这一阶段的突出特点是专家系统在特定领域模仿人类专家的决策过程。

AI第二次寒冬（1980s末-1990s初）：专家系统应用有限,经常在常识性问题上出错,而且更新迭代和维护成本非常高。由于专家系统的局限性,投资者和研究资助者再次失去了兴趣。

机器学习和互联网时代(1990年代-2000年代)：1990年代，随着机器学习算法(如支持向量机)和神经网络的发展,AI开始出现新的进展。互联网的兴起为AI提供了海量的数据,推动了机器学习的应用。深度学习和现代AI (2010年代至今)：2010年代初，深度学习，特别是卷积神经网络在图像识别领地取得了显著突破，GPU的发展极大地加速了深度学习模型的训练，大数据的可用性为训练更复杂的模型提供了可能。

2.  宏观层面的影响

从宏观层面来看，AI主要从三个方面促进资本市场发展。

第一是提高生产要素组合效率。目前ChatGPT仅需根据管理者设置的提示词，就能够帮助管理者完成指派的各种任务，分析数据、帮助企业发现和解决问题，由此转变传统资源的投入、整合和利用方式，将人从重复性的脑力活动中释放，以资源、资本、劳动等要素最小化投入，实现产出的最大化。根据美国高盛公司研究，采用AIGC技术后，先进国家的全要素生产率将提高1.5个百分点，10年内全球GDP将至少净增7%。

第二是激发创新效率。创新效率既取决于企业内部效率、也包括外部效率。一方面，大模型强大自然语言理解能力会激发企业内生创造动力，不需要依据数据打标就能够自我优化，诸如工业制造、自动驾驶、医疗诊断领域将摆脱传统工作模式，降低人类劳动成本，使其专注于更有创新性的工作任务，最终促进企业创新效率的提升；另一方面，大模型的多模态整合能力可以激发产业链的中下游协作交流效率，通过将数据流、技术流、资金流等有效整合，提高产业链上中下游的社会分工合作，从而也能催生出能多的产业链和产业生态的形成。

第三是改善政府宏观调控。政府各职能部门搜集、整合、分类和利用海量数据对于政府的宏观调控的有效性至关重要。相比工业化时代，人类智能对图片、视频、声音等数据进行挖掘和搜集，从而获取历史数据来对未来的数据处理和分析，大模型时代下，人工智能、大数据和云计算等数智化政务服务已经在实践中兴起，从而政务信息和数据能够及时有效地被获取、存储和加工，打通部门间的数据断流节点的问题，提高政府宏观决策的质量和效率。

3.  中观层面的影响

首先，AI助力传统产业转型升级。第一，大模型会使得传统产业生产方式更智能化和个性化，从而提高资源利用率和劳动生产率。第二，产品个性化成为企业发展的趋势，而非过去传统工业生产的规模化和标准化操作。目前ChatGPT根据用户的需求和偏好进行个性化的设置，根据不同的需求场景提供不同的服务。

其次，AI催生超级产业组织。生成式人工智能大模型推动分散化数字资源的分配。使得带有边界化的垂直经济结构特征的产业组织走向联合性质的跨区域、跨领域、跨行业的超级产业组织，例如ChatGPT上线两个月全球用户就突破了1亿人，传下有史以来增长最迅速的消费者应用程序记录。

4.  微观层面的影响

AI主要改变传统的人机交互模式。早期的人机交互表现为人使用计算机采用二进制代码的方法进行计算工作。当下，大模型颠覆了传统模式，以拟人化和全感官特质模拟用户思维过程，在海量数据不断学习、训练和反馈迭代升级过程中，不断提高人机交互水平。比如大模型促进AI商业价值从商业端延伸至消费者端，直接与用户进行自然语言互动，根据用户需求进行精准化的产品推荐和服务供给。

1.一级市场

一级市场中，AI投资标的吸引了大量来自各方的资本，其中创投公司活跃度最高。据CB insights数据，2023年，生成式AI占据主导地位，吸引了所有AI资金的48%。与2022年相比，这一数字显著上升，当时生成式AI初创公司仅占总数的8%。2023年的激增是由OpenAI、Anthropic和Inflection等大型语言模型 (LLM) 开发商的大规模融资推动的。在大型融资轮的推动下，2023年美国人工智能融资同比增长14%，与之相反，欧洲的人工智能融资额下降了29%，而亚洲的人工智能融资额则下降了61%，美国在全球人工智能交易份额方面继续领先，占所有人工智能交易的近一半。

图1：全球生成式AI的VC投资规模

来源：Dealroom

图2：各区域股权融资情况（2022-2023年）

来源：CB insights

一级市场另一个特点是创投公司投资赛道不断延伸。在细分领域上,各团队切入赛道有所不同，创投逐步从投资技术层延伸至投资应用层，其中，类ChatGPT产品和AI助手布局较多。

在AI迅速发展的当下，针对AI技术和产业发展的科技巨头资本支出不断提升。例如，META公司CEO扎克伯格表示，META计划斥资数十亿美元购买英伟达的计算机芯片，以加强META在人工智能研究和相关项目上的能力。Alphabet（谷歌母公司）人工智能的资本投入力度同样巨大，2023Q4公司的资本支出达到110.19亿美元，创多年来最高水平，本次支出面向的是公司未来的投资，包括谷歌服务、Google DeepMind、谷歌云等。

图3：海外AI投融资案例

来源：报告人根据公开资料整理

图4：谷歌、微软、META的资本性支出（亿美元）

来源：报告人根据Google、META、Microsoft官网等公开资料整理

2.二级市场

在二级市场上，AI巨头给投资者带来超高回报率，多家美国AI公司股票均大涨。AI浪潮的最大受益者是英伟达，从去年年初到今年2月，该芯片制造商的股价上涨404%，是竞争对手微软、苹果、Alphabet和亚马逊涨幅的四倍多。除了英伟达外，其他半导体公司也收获颇丰，例如ARM在2023年涨了3倍，AMD涨幅超120%，英特尔股价也涨超过58%，微软借助ChatGPT也涨了一倍。

图5：科技巨头大盘股回报率（2023年1月~2024年2月）

来源：Business insider

图6：2015-2024科技巨头市值变化

来源：Business insider

1.AI在我国市场发展情况

我国资本市场，人工智能行业整体表现呈现波折。2023年上半年，人工智能指数上涨66.25%。然而，由于业绩兑现没有满足短期的高涨幅，人工智能指数长达半年开启其回撤之路，从2023年6月一直到2024年2月，人工智能指数下跌了47.01%。

图7：人工智能产业链分布

来源：报告人根据百度和谷歌等公开资料整理

上游板块主要聚焦AI芯片。整体来看，AI芯片走势整体弱于人工智能指数。芯片行业从全球范围来看，NVIDIA（英伟达）、Intel（英特尔）、Qualcomm（高通）等国外芯片巨头占据了大部分市场份额。根据2022年中国AI芯片的出货量看，英伟达的市占率达到了85%，华为和百度的市占率分别仅为10%和2%。中国作为全球最大的半导体消费市场，芯片自给率不足，严重依赖进口。2023年10月17日，美国商务部工业和安全局更新了2022年10月发布的对华半导体出口管制的规定，继续收紧对AI芯片领域的限制。

图8：人工智能产业链分布

来源：报告人根据百度和谷歌等公开资料整理

中游板块聚焦大模型。整体来看，AIGC走势略强于人工智能指数。ChatGPT引领大模型走入公众视野后,中国本土厂商加速追赶，陆续有百度发布的“文心一言”和华为推出的“盘古Chat”等大模型，这些大模型推动新一轮人工智能发展的热潮。根据中商情报网，中国大模型产业市场规模从2020年15亿元增长至2022年70亿元，年均复合增长率达116.02%，2023年约为147亿元。

图9：中国AI大模型主要厂商及产品

来源：报告人根据百度和谷歌等公开资料整理

下游板块聚焦游戏和传媒等应用。整体来看，游戏板块明显强于人工智能指数。2023年上半年，动漫游戏指数上涨120.86%，同期人工智能指数上涨66.25%。2023年下半年到2024年初，动漫游戏指数下跌53.68%，人工智能指数下降47.01%。随着2023年AIGC的爆火，尤其是目前OpenAI发布了大模型Sora及多个视频样例后，有望为游戏和传媒行业的生产效率带来极大的提升。加速布局AIGC也成为腾讯、网易、三七互娱、完美世界等头部游戏大厂公司的2023年“主旋律”之一，例如网易伏羲AI在游戏领域已应用于剧情生成、AIGC美术和AIBot等场景。

图10：2023年游戏板块成绩单

来源：WIND

2.中美人工智能发展对比

虽然AI产业在中国持续发展，但仍面临很多挑战。与美国对比，在人工智能发展上中国还存在一定的差距，特别是在算力和基础技术上，在AI发展道路上两国也呈现不同。

在宏观战略方面，中国希望以平衡社会稳定和技术创新的方式来获得人工智能的全球领导地位。2024年2月19日，国务院国资委召开中央企业人工智能专题推进会，会议强调“央企要开展AI+专项行动，强化需求牵引，加快重点行业赋能，构建一批产业多模态优质数据集，打造从基础设施、算法工具、智能平台到解决方案的大模型赋能产业生态”。美国则是注重通用AI、AI技术的基础性研究，坚持“技术崇高”。

微观层面从五个角度对比如下：在硬件基础上，美国芯片起步早，并且人才丰富，美国芯片产业布局完整，芯片和互联网巨头众多，为资本退出提供更多选择。在科研现状上，根据“2023人工智能指数报告”显示，2021年中国AI论文数量最多，但是质量不如美国。2021年AI期刊论文的发表数量，中国占比为39.8%，其次是“欧盟和英国”15.1%，美国排在第三位，占比10.0%，而从顶会论文引用量来看，美国顶会论文引用量为23.9%，中国为22.02%。在产业发展方面，根据2021年美国智库数据创新中心的报告，美国在人工智能产业的总体发展状况要优于中国。2019年美国的人工智能公司数量约是中国的7.7倍，2020年，对比获得100万美元以上资金的活跃人工智能公司数量，美国是中国的约5.4倍。美国人工智能公司在风险资本和私募股权融资额以及交易量方面都领先于中国，美国人工智能的风险投资生态系统更有规模和活力，美国公司对于研发的投入也远远高于中国公司。在人才支撑方面，根据清华大学人工智能发展报告2020版的数据来看，美国的人工智能高层次学者数量最多，有1244人次，占比62.2%，中国位列第二，有196人次，占比9.8%，即美国高层次人才数量是中国的6倍多。在市场应用和数据规模方面，中国拥有全球最大的市场，庞大的市场规模使得人工智能在各行各业广泛应用，此外，中国拥有全球最大的人口和互联网用户规模，因而拥有人工智能发展所需的巨大数据量，比美国更具有数据优势。

第一个趋势是算力需求指数级提升。世界的每个角落都会有算力需求，大模型的大数据量需要庞大的基础算力支撑。根据中国信息通信研究院测算，2022年我国算力核心产业规模达到1.8亿，算力每投入1元，将带动3至4元GDP经济增长，这也是数字经济时代国家的核心竞争力。

第二个趋势是产业智能化。一方面，无数传统企业都能通过大模型进行调整，配适于不同的行业，为企业降本增效提高竞争力；另一方面，企业可以以模型为基础增加应用场景，例如虚拟数字人、AIGC内容创作等。

第三个趋势是AI软硬件结合。在全球最具影响力的科技盛会——2024年CES全球消费电子展上，AI在物理世界的落地成为深度贯穿的主题。未来AI发展的关键一步，是将AI与硬件载体结合，使得通用AI惠及每个人,to C端有无限空间，相关的关键领域包括XR（扩展现实）、智能驾驶和人形机器人等。