一直以为，付娟的演讲可能是每年公募基金中期策略最值得听的场次。

她通常会就近半年内最新的科技和创新进展做深度梳理，又从二级市场的角度给出未来较有机会的行业方向的投资思考。

【资料图】

某种程度上，这是每年公募业界最像玛丽·米克（华尔街互联网女王）的一场演讲。

即便你对她和她的基金不了解，她的观点和她的思考也会给你很多启发。

2023年8月，在申万菱信基金中期策略会上，作为申万菱信权益投资部负责人兼研究部负责人付娟以“世界因AI而加速，空间计算从0到1”为主题分享。

内容依然精彩而予人启发。我们摘录部分以飨读者。

（采用第一人称，部分内容有删节。）

上半年发生了什么？

首先，和大家回顾一下上半年股票市场的经历，以及现在这个时点上对权益市场的看法。

在重要会议之前，整个市场非常明显或者极致的特点是波动率非常低。但是，较低的波动率在近期被打破了。

上半年到底发生了什么？

第一点，截止7月底万得全A指数是正收益，但公募基金的中位数是负数。这是2014年以来，公募基金罕见的业绩均值跑输市场（一半以上暂时落后）。上一次出现这种情况是2014年。

第二点，上半年直观的感受是TMT行情非常好，我们认为成长股的基金经理应该都表现很好，但实际上成长股风格的基金多数表现不太行，是弱于平衡型或者价值型的产品的，原因是在于2023年的成长股内部发生了极大的分化。

过往公募基金的成长股主要是在新能源和医药，但2023年上涨的TMT鲜有基金重仓，这是2023年上半年公募基金发生的事情。

按照风格来说，按照比较传统的界定，是没有风格的，比如按照成长、价值，大盘、小盘，但实际上上半年大家都知道有非常明确的风格，就是主题。

今年上半年按照大盘小盘来看，也没有特别明确的一边倒的趋势，比如成长风格。

成长风格内部分化也非常大，涨幅排在前面的和排在后面的，都是成长风格。

但偏价值类的，比如家电、建筑、石化，也没有跑输，都是跑赢的，至少上半年来看，成长和价值都是均衡的。

小盘和大盘来看，2023年上半年小盘显著跑赢了大盘，这与市场年初的预期（不同）。

包括我自己2022年12月份做2023年年度策略的时候也看错了，市场绝大部分人看错了。

因为年初的时候基本上是按照东升西落的经济预期给出“大盘跑赢小盘”（的观点），但整个观点错了，实际上整体小盘跑赢了大盘。

往往在经济复苏的时候，大盘股是最先受益于复苏的。经济复苏趋势日益确定和强化的时候，整个经济的订单，效果才外溢到了小盘。

所以，在年初的时候，大家往往认为大盘会相对跑赢。叠加海外经济会软着陆，中小盘受出口影响。但实际来看并非如此。

成长价值难分伯仲

我们写年中策略报告的时候是7月下旬，整个7月下旬波动率是非常低的。

当时我们认为这种低波动的情况难以持续，只要发生一些事件，低波动就会被打破。

第一，我们对于国内的经济是保持乐观的，最近两三个月是对基本面对经济体感最差的阶段，在这样的位置上，继续变差的概率应该是非常小。

同时，从库存的波动来看，基本上已经进入了主动去库的尾声，接下来大概率是要进入被动去库的复苏点。

国内经济下半年上行的概率比较高的，叠加了重要会议上的变化，活跃资本市场的定调也有所升级，又强调了逆周期调节，对整个经济向上的预期是现在是越来越多了。

但还有一部分投资者认为，预期起来之后，要看到实在的政策出台和落地，可能会进一步向上拉动一些资产的表现，这是大家目前对国内经济的看法。

虽然情况可能会有改变，但我们认为风格上可能还是成长和价值有所均衡。

如果中国经济复苏更加明确，可能大盘股风格会跑赢，包括大盘价值，但是如果海外债震荡，接下来边际向下的概率还是逐渐增加的，对于整个新兴市场，包括成长股风格，又是一种促进作用，下半年我们认为整体风格还是均衡，但成长的大小盘可能会发生一些变化，价值风格大小盘也会发生一些变化，但是价值和成长之间可能还是难分伯仲。

从行业比较角度，可以看到，估值便宜的成长股，成长性也较低，引不起大家投资的兴趣。有成长性的赛道又很拥挤，不拥挤的估值又高。所以很难有持续上涨的板块，不管是成长还是价值。

举个例子，电新不管是从复苏的确定性以及估值来看，都比较好，如果按照经典的景气度投资方法来看，电新应该是相对值得投资的板块，至少它的龙头股市会有比较好的买入价值。

但2023年大家特别关注拥挤度，也就是筹码分布的因素，所以电新也没有被持续布局或者是选择。

比如计算机非常不拥挤，除了与AI相关的一小部分有超额收益，大部分的股票表现非常一般。

而且估值从在历史分位上来看也处于相对低位，但下游主要是B端和G端，所以盈利周期还没有明确的向上拐点。

再比如医药或是食品饮料，虽然相对自身的历史估值不高，但相对其他板块或从PEG角度看，又显得没那么有吸引力。

所以受中观层面的因素影响，大家对行业选择上是比较纠结的。

关注智能化和空间计算

面对这种纠结的情况，我还是建议关注产业主线，寻找一些足够新的，有大的成长空间，在不断发生变化的企业。

我这次中期策略就主要想跟大家分享智能化和空间计算。

首先，今年上半年全民都在热议的就是Transfomer，AI加速的问题。我也投入了比较多的时间和精力去看这方面的东西，发现这一波的AI让很多产业层面开始能够释放出产业红利，不管是降本还是增效。

比如，新药或者新材料的研发，有很多与配方、分子式相关的不断的试错或模拟的过程，以前可能都靠固定的程序，甚至人工去做实验或者调试。

但因为AI的出现，很多过程可以用AI的方式进行筛选，无疑会大大提升效率。

包括数据的重要性及未来合成数据出现，也会让AI进一步加速。

AI对B端影响更大

所以2023年我的一个非常明显的感受是，周围的很多事物在变化，尤其是科技产业，尤其是C端和B端。

以前在移动互联网时代，感受最多的还是C端的变化，但是2023年感受最多的其实是B端的变化。

和上一波移动互联网有非常明确的不同，AI这波，对C端、B端，它都会进行深刻的改造。

AI刚开始炒的时候，全市场瞄准C端，尤其是传媒。但一开始我的观点就跟大家不同，我认为这一波AI与移动互联网最大的不同就是，对B端的影响可能是更加突出的。

从目前我们看到的一些情况来看，Office的一些AI的应用，营销软件里面的应用，反而是更快落地的，但对于C端，哪怕是游戏里面的功能，都是相对缓慢地应用。

所以这一波的AI跟上一波是明显不同的，让我们深刻感受到的是AI加速了世界的变化。

整个世界3D能力加速

人工智能、或者智能化，对整个信息的影响到底经历了什么样的过程？

首先，自从有了计算机的发明，人类与系统，现实世界和虚拟世界之间有持续的分工和交互。

有了计算机之后，人类和系统就进行了分工。没有计算机之前，对物理世界所有信息的收集、处理、行动，都是人类自己去做。

有了计算机之后，可以把信息、模型和行动这三要素的信息部分交给计算机去处理，这是第一代系统所完成的任务。

在第一次信息革命的时候，更多的是把物理世界的东西进行电子化，信息化，这一步上积累了大量的电子数据，电子化的资料，这一步为第二步奠定了非常好的基础。

第二代系统，人类和系统之间的分工又发生了一次变化，在信息处理，模型（也就是思考）和行动这三步里，人类可以把思考开始交给系统去做，这是有了深度学习以及最近的AI之后，我们发现思考环节可以交给大模型去做，我觉得这是发生的最大的变化。

系统如何具有知识或者像人一样思考的能力，还是来自于第一步，有了很多电子化的数据，去喂养它，去训练它，从而使系统或者计算机拥有了思考，也就是大模型的能力。

大模型的能力也是日新月异，进步速度非常快。人类已经把信息，感知世界的部分交给了计算机，把思考的部分也交给了计算机，接下来就差行动了。

所以，在接下来一段时间，更多的是系统帮人类做很多行动上的产品。行动就是我们通常说的，比如具身智能、AI代理等这样的功能，这些都叫行动。

在空间计算概念出现之前，计算机再强，也是二维计算（工具），但人类世界是三维世界。在空间计算出现之前，一直存在一种矛盾，人类生活是三维世界，但计算机永远是二维的，没有办法去完全匹配融合，现实与虚拟统一，但空间计算的出现，使得计算机跟人类完全的需求，自然习惯匹配了或者统一了，在各种科幻片当中看到的立体交互就会出现了。

我认为这个是接下来可能比较新的一个方向。

因为AI让我看到了三维世界构建的可能性，三维世界因为AI会加速来到我们身边。

大众传媒的介质，历史上经历了文字，图片到视频的变化，但到了三维世界，可能我们传递信息的媒介不再是文字图片或者视频，而是3D的内容。

3D的内容，如果看生产的过程，会发现一个非常大的痛点是在于它的时间成本，付出的成本是非常贵的、也非常耗时，这是按照传统的3D建模的方式实现3D内容的生成，但因为AI的出现，3D内容上也有了大模型的能力，它的生产成本就会大幅下降。

比如unity，是做游戏引擎、做3D引擎的非常重要的全球玩家，他在transformer之后也推出了两项AI的工具，利用unity提供的3D工具，开发者可以迅速实现，更加方便地实现3D内容的生产。

苹果也推出了很多基于3D内容制作的套件，软件，模型，大家生产3D内容的工具也日渐丰富起来了。

这中间就会产生3D数据资产的积累。

为什么系统开始具备模型或者思考的能力，是有了计算机之后，把物理世界大量转化为电子信息的世界，电子化的世界。有了这些数据、语料、资料，才让模型“大力出奇迹”，涌现的方式，来实现自我思考、自我学习的能力。

3D内容的生成，同样需要3D的语料，因为这些3D的AI的工具产生，相伴产生的3D数据也会越来越多。

现在市面上3D的数据、图片、视频非常少，一旦这些数据因为AI加速而越来越多，它也可以反哺3D大模型的进展，可以颠覆我们现有所有的交互模式。

苹果的M2让我第一次感觉到了空间计算终端产品是什么样的状态。在苹果M2出现之前，我们一直认为可能在很长一段时间之内，头盔和眼镜都是用于娱乐，甚至只用于游戏的终端。但是苹果的M2出现之后，我发现它可能是一个类计算平台的终端产品，类计算平台就相当于手机，电脑的计算平台的概念。不仅仅用于娱乐，用于生活，工作，沟通交互等都可以实现。

它强大的芯片，强大的传感器，研究完之后，让我觉得真的是划时代的产品。虽然这个产品离3D空间计算最终成熟，还有一定的距离，但我觉得它已经是完全的划时代的产品。

3D或者三维重建的概念，不光存在于大家印象当中，它存在于现有世界的所有状态当中，包括智能驾驶，机器人，甚至前段时间刚炒过的3D打印，都跟整个世界3D能力加速相关。

比如智能驾驶，如果看一些智能驾驶的博主的测评，会发现智能驾驶在很短的时间内，甚至已经在个别场景的处理中优于人类的司机，而不是像之前一看就是新手司机的感觉。

对拐弯、超车、加塞这种场景，自动驾驶，包括L3，L4级别的，它的流畅度甚至超过人类司机的驾驶能力了，这也是因为人工智能，transfomer智能化架构的出现。

以特斯拉智能驾驶最新一次的迭代而言，它就是运用了transformer+BEV的架构，让自动驾驶数据的收集，数据的训练，以及驾驶体验的优化快速迭代，才达到了让人特别惊艳的效果。

我们国内新势力为代表的汽车品牌，也在加速学习，部署一套transfomer架构的智能驾驶。

三维重建的技术，让智能驾驶也快速升迭代，有时候我们感受不到它在发生变化，其实它已经在某些领域发生非常快速的变化，因为大模型可以吞吐的数据训练量非常大。

以前特斯拉，小鹏等训练的时候，用的驾驶数据，都是图像按帧训练，而现在是基于数据视频的背景进行训练，动态的，在4D的基础上进行训练。

算法的能力提升，对真实世界的模拟，仿真能力都在提升，车上已经有了非常明显的进展，接下来我们可以期待的是机器人，可能也会超预期迭代功能实现。

以特斯拉为例，它的车和机器人有类似的规划算法，当然机器人是有更多的自由度的，每个自由度可能都是一个去控制的算法，可能比车要更难。但是每一个自由度上的算法，和车还是有非常相似的规划算法的，都是在空间做计算，把物体在空间去站位，去计算应该走的路线或者动作的路线。

虽然现在还没有人形机器人在成熟的商业场景落地的应用，但我认为基于车最近半年到一年发生的事情，机器人接下来也会有让我们持续超预期的商业场景的落地的应用展现出来。

参与全球产业链

对于中国的机器人而言，可能是制造先行，这就落地到A股投资。

整个的产业链，我们可以先通过参与全球产业链，依靠自己曾经在消费电子、新能源汽车积累的制造业优势参与到链当中，后来我们一定会孕育出自己的产业链的“链主”，电动车，智能手机就是非常好的案例。

包括3D打印，也是基于三维模型的数据进行构建，进行现实世界和物理世界的连接。

现实状况下，数据或者数据要素方面，基于AI产业，要关注数据产生的AI化过程，也就是合成数据，大模型能力，要靠能获得的真实世界的数据数量和质量。

现在整个行业正在发生的非常重要的变化就在于合成数据的产生，或者是仿真环境的产生，未来大模型的训练，大模型的学习为的不是人类的真实数据，而是很多AI自己生成的合成数据，这也是最近产业里发生的比较重要的变化。

关于数据资产的争夺越来越像金字塔的顶尖发展了，一方面要占领合成数据模型的进化，同时还要去买未来可能成为模型进化非常重要的数据资产，比如刚才提到的3D数据资产。

微软多次收购一些游戏公司，不是要进入游戏产业，它看中的是游戏产业可能是目前3D数据资产最丰富的领域。从这些巨头做的动作上，就能够感受到现在哪些数据是稀缺的，哪些数据是未来最有价值的。

我们对数据要素继续看好，因为它是可以改变现有传统生产要素的创新型的生产要素。接下来也依然要持续关注跟数据相关的所有的AI资产。

关键词：