4月13日交易日志——AI机遇掀起数据市场狂潮

在上一篇日志中，我强调了消费复苏和CHATGPT的投资机会。然而，令人意外的是，CHATGPT引发了AI技术的井喷，各大企业开始争相内测AI产品，开启了AI行业的“军备竞赛”。同时，上周TMT行业的成交量超过40%，引起了投资界的关注。因此，我想重点讨论一下我对这次AI机会的看法，以及我对投资策略的调整。

首先，我认为AI浪潮的本质是数据要素市场。AI的发展水平取决于三个要素，即数据、算法和算力。这可以类比为做一道菜肴，数据是优质的食材，算法是菜系，算力则是出色的厨师，缺一不可。针对这三个要素，我们可以进一步拆分

首先是数据，包括数据提供方和数据标记商。数据提供方主要是掌握大量用户数据和业务数据的企业，如百度、阿里、南方电网等，不仅大厂在这方面有重要角色，各行各业都有企业扮演着数据提供方的角色。例如，医疗行业需要医疗机构的数据，工业行业需要工厂的数据。对于AI要在行业中有良好的应用，就需要在行业内有足够深度的数据。然而，如何让AI在学习时理解数据所表达的含义？这就引出了数据标记商。

数据标记商是对每一段数据进行关键词标注，例如一张热狗的图片，会给它标记成“面包、香肠、西餐、简餐”等关键词。当AI多次看到这些关键词所对应的内容后，用户输入这些关键词时，AI就能自动生成与“热狗”相关的内容。目前参与这一领域的企业有海天瑞声等。需要注意的是，随着行业门槛逐渐提高，对于数据标记的工作量和标记人员的专业能力要求也会逐渐提升。目前，CHATGPT只能解决90%的通用需求，对于需要一定专业能力的问题表现可能不如意，例如在医疗行业，给一张癌细胞幻灯片打标记，即便由一位医生进行标记，也需要40分钟。对于复杂的数据格式，如图片、视频、3D模型等其所需要的数据标记工作量也会成倍增加。

在AI领域，算法和算力是决定其成功的关键因素。算法是AI模型的数学模型结构和架构，而算力则是指用于训练AI模型的硬件资源。当前，主要有谷歌、OPENAI、百度等大厂以及AI解决方案企业如AI四小龙等参与了算法的研发。类比做菜，算法在AI中起到了选择和设计菜谱的角色，不同的菜谱对应不同的烹饪方法、食材搭配和调味技巧。目前，神经网络学习CNN和Transformer等技术路线被广泛应用于AI领域，而基于大模型的Fine-Tune、面向视觉的计算机视觉（CV）和面向自然语言的自然语言处理（NLP）等模型也在不断涌现，以提升AI的训练效率和精度。

另一方面，算力对于AI的训练效率同样至关重要，主要涉及到GPU厂商如英伟达、AMD等。尽管算法可以提升AI的训练效率，但优秀的硬件资源对于缩短AI的学习时间有着明显的影响。当前，AI学习的硬件门槛一般为1000张A100，国内的AI厂商通常需要2000至3000张以上的GPU资源。

投资逻辑一览

1、半监督学习和垂直行业数据打标随着AI场景的发展，通用需求场景的数据将逐步脱离对人工标记的依赖，转向由机器自行进行标记，并通过后续的人工微调来实现半监督学习。随之，不同行业的数据打标商将开始崭露头角，从而推动垂直行业数据市场的发展，推动数据要素市场发展。

2、AI融合进各行业场景，提升软硬件需求AI技术在各行业场景中的应用空间已经打开，未来将更加深入融合进各行业，包括但不限于消费、医疗、金融、工业等。随着数据和参数量的不断增加，对算法和算力的要求也会逐渐提高，进一步推动GPU和算法模型的需求。

投资策略调整

本人之前的持仓组合包括科大讯飞（50%）、上海机场（30%）、五粮液（20%）、中国电（20%），主要看好人工智能领域的预期提升和消费行业的复苏。然而，近两个月的宏观数据显示消费数据复苏不如预期，市场开始回归理性。因此决定降低消费行业的比重，并加大科技行业的投资比例。新持仓调整为科大讯飞（25%）、韦尔股份（25%）、紫光国微（25%）、五粮液（10%）、中国电和招商银行（15%）。

需要注意的是，由于目前资金集中在TMT行业，行业价格波动较大，投资需具备较强的风险承受能力。以上投资策略仅供参考，投资决策需谨慎考虑。