人工智能主题投资价值分析
（以下内容从东方证券《人工智能主题投资价值分析》研报附件原文摘录）
核心结论 人工智能推动产业变革，AIGC引领新一轮浪潮。近年来，人工智能相关技术持续演进，产业化和商业化进程不断提速，正在加快与各行各业深度融合，带动了相关产业在业务上、技术上的变革。AIGC作为当前最受关注的人工智能技术，有望带动新一轮产业变革。 人工智能对算力基础设施的需求。数字经济发展驱动AI算力落地，人工智能基础设施作为“新基建”的重要部分，我国重视并积极支持人工智能基础设施建设发展。AI需求将传导至整个算力产业链。未来，随着越来越多智能计算中心在全国落地，人工智能计算中心、智慧大脑、AI 应用开放平台等应用将为人工智能基础设施赋能，GPU、服务器、光通信、温控等场景将受益于AI需求的提升。 人工智能具有广阔的应用场景。AIGC的出现意味着当下人工智能已具备生成新事物的能力，而不是仅仅局限于分析已经存在的东西。随着多模态大模型的出现，AI在语言、文字外的诸如图像、视频等领域的能力也有望进一步提升，未来在金融、教育、医疗、工业、汽车等行业有望持续深化应用。 中证人工智能主题指数(930713.CSI)以中证全指成分股中为人工智能提供基础资源、技术以及应用支持的优质公司作为待选样本，选取50家最具代表性的公司作为成分股，旨在反映人工智能上市公司的整体表现。自2012年06月29日基日以来，截至2023年2月28日，指数相对中证TMT超额收益+56.57%，相对中证800超额收益+112.77%。行业上聚焦集成电路、应用软件、安防等新兴产业。个股上，前10大公司在指数中权重占比合计达到47.53%，前20大重仓成分股占比达69.59%，集中度相对较高，龙头效应较为突出。指数重仓个股长期以来为投资者带来了较为丰厚的投资回报，其中海康威视、宝信软件近10年收益均超10倍。 中证人工智能主题指数估值水平仍处于合理区间。截至2023年2月28日，CS人工智指数PE_TTM 57.46倍，仍处于指数上市以来历史平均水平附近。指数PB_LF 4.31倍，处于上市以来33.30%分位。从目前指数估值水平看，随着行业基本面逐渐回暖，指数估值水平有望持续修复。 华夏中证人工智能ETF（515070.SH）于2019年12月9日成立，2019年12月24日上市，截至2023年02月28日，基金规模8.51亿元，产品自上市以来运作平稳，在紧密跟踪业绩比较基准的同时取得了相对基准6.19%的超额收益。在任基金经理李俊先生，北京大学法学学士、工商管理硕士，2008年加入华夏基金，具有14年证券从业经验，超5年指数管理经验，截至2023年2日28日，在管12只指数类基金（剔除联接基金），合计管理规模约255亿，具有丰富的指数产品管理经验。截至2023年2月28日，华夏基金旗下非货ETF 70只，管理规模2879亿元，是境内管理非货ETF产品规模最大且数量最多的基金公司，ETF标的指数实现了对A股市场、港股及海外市场、商品市场、债券市场、货币市场的全面覆盖，此外还充分布局场外指数及指数增强型产品。 风险提示 疫情波动风险；下游需求风险；原材料风险；基金历史业绩不代表未来收益；相关基金产品运营及基金经理更换风险 01 人工智能推动产业变革，AIGC再引 新一轮浪潮 人工智能是引领未来的新兴战略性技术，是驱动新一轮科技革命和产业变革的重要力量。近年来，人工智能相关技术持续演进，产业化和商业化进程不断提速，正在加快与各行各业深度融合，带动了相关产业在业务上、技术上的变革。我国“十四五”规划纲要中也明确要大力发展人工智能产业，打造人工智能产业集群以及深入赋能传统行业。人工智能已成为科技创新的关键领域和数字经济时代的重要支柱。 技术创新、工程实践和可信安全成为新时代人工智能发展的新三维坐标，AI软件及应用市场快速增长。随着人工智能技术在产业端的赋能和应用不断深化，人工智能的安全治理问题也开始逐步受到行业的重视。根据中国信通院《人工智能白皮书（2022年）》，技术创新、工程实践和可信安全已经成为人工智能发展的主线发展脉络。围绕着算法、算力和数据的技术创新始终是前进主旋律；工程实践中的相关技术开始覆盖人工智能全流程，加速人工智能大规模落地应用；人工智能可信技术是破解治理难题的重要支撑，愈发受到各界关注。AI技术的软件和应用市场也随着人工智能的发展加速扩大，据IDC统计，2021年中国人工智能软件及应用市场规模为51亿美元，预计2026年将会达到211亿美元，各行业的需求正大力推进AI的发展，推动市场的持续增长。 算法、算力和数据三驾马车屡有创新，大模型引领新一轮发展浪潮。在算法层面，基于NLP的超大规模预训练模型等成为近两年最受关注的热点之一，也催化了AIGC和ChatGPT相关领域的热潮，知识驱动的人工智能等方向研究成为提升认知能力的重要探索。在基础算力方面，大模型对算力的需求的数量级快速攀升，AI芯片的单点算力也持续提升，算力定制化、多元化成为重要发展趋势，计算技术围绕数据处理、数据存储、数据交互三大能力要素演进升级。在数据层面，以深度学习为代表的人工智能技术需要大量的标注数据，带动了数据标注和数据服务产业的发展；随着人工智能模型规模的不断增大，训练所需的数据量也呈指数级增长。以OpenAI的GPT-3大模型为例，该模型有1750亿个参数，训练数据集达到45TB，训练的总算力消耗约 3640 PF-days（即每秒一千万亿次计算，需要运行 3640 天）。 ChatGPT热潮引发行业对生成式AI的关注，AIGC概念如火如荼。2022年11月30日，OpenAI公司上线了聊天机器人模型ChatGPT，迅速引发了全球的热潮。ChatGPT 是一种预训练的语言大模型，采用大量的参数和大量的数据进行训练，基于人类反馈的强化学习算法，将NLP技术和机器学习结合，极大地提升了模型算法的效率和能力。随着ChatGPT的热度不断攀升，业界对ChatGPT背后的人工智能技术——生成式AI的关注也愈发强烈，AIGC这一相关概念也开始进入大众视野。 AIGC潜在应用场景广阔。AIGC意为人工智能生成内容，是指人工智能应用于内容创作领域，其在创作速度、创作成本和传播效应相比传统内容创作具有显著优势。2018年，人工智能生成的画作《埃德蒙·贝拉米画像》在佳士得拍卖行以43.25万美元成交，成为世界上首个出售的人工智能艺术品，引发了各界关注，AIGC的概念也随之火热。在2022年下半年，各类的AI绘画开始在网络上大量传播，AIGC概念正式开始被普通人所了解，常见的AI数字虚拟人、AI智能客服等都可以认为是AIGC的范畴。 AIGC的发展大致可以分为三个阶段： 1)早期萌芽阶段（20世纪50年代至90年代中期）：在20世纪中后段，受限于当时的计算机水平限制，AIGC应用方向较为狭窄，主要包括了计算机创作音乐、简单的对话机器人、语音打字机等； 2)沉淀积累阶段（20世纪90年代中期至21世纪10年代中期）：随着深度学习等人工智能算法的提出，以及GPU等算力设备性能不断提升，AIGC的应用有了更广的拓展，但是在创作方面仍存在限制。 3)快速发展阶段（21世纪10年代中期至今）：近年来，深度学习算法的不断迭代更新，AIGC的新时代随之到来，生成内容百花齐放，在图像、视频、音频等领域都有着诸多应用与创新。 AIGC概念是相对于过去的PCG（专业制作）、UCG（用户创作）而提出的。目前人工智能已具备生成新事物的能力，而不是仅仅局限于分析已经存在的东西，因此广义的AIGC的内核即为生成式AI，可以基于训练数据和生成算法模型，自主生成创造新的文本、图像、音乐、视频、3D交互内容等各种形式的内容和数据，以及包括开启科学新发现、创造新的价值和意义等。ChatGPT正是典型的文本生成式的AIGC，其目前的成功也有望带动AIGC在图像、音乐、视频等其他领域落地。 生成式AI催生了一系列新型的应用程序，我们预计当下AI模型的发展也将推动新一轮应用的落地。目前AIGC可生成的内容形式已经拓展到了包括文字、图像、视频、语音、代码、机器人动作等多种内容形式，生成式AI让机器开始大规模涉足知识类和创造性工作，极大推动了数字化内容生产与创造，微软也正在计划将ChatGPT整合到Bing搜索和其他产品中。根据红杉中国报告，目前生成式AI已经在文本、代码、图像、视频、游戏等领域都有了突破，预计在未来几年内会有更加广泛的应用，真正成为生产力的一部分。 AIGC带来万亿级赛道，但商业化模式仍处于探索阶段。AIGC产业生态正在加速形成和发展，根据6pen预测，未来五年10%-30%的图片都将由AI参与生成，有望创造超过600亿以上的市场空间。据量子位报告统计，到2030年，AIGC的市场规模将超过万亿人民币，在内容生产领域和延伸应用领域都有着广阔的空间。但由于AIGC目前产业化程度有限，大量业务场景尚未成功变现，商业模式也还处于探索阶段，未来几年都将是AIGC商业化的探索期。我们认为，现阶段AIGC的商业模式仍会以To B为核心，B端客户基于对企业降本增效的要求，对AIGC的需求和付费意愿是较为强烈的；面向C端用户的商业化存在订阅制和按次收费等模式，AIGC能够大幅降低大众用户的创作门槛，未来随着AIGC生态不断完善，市场空间也十分可观。 02 人工智能对算力基础设施的需求 2.1 数字经济发展驱动AI算力落地 数字经济时代的新基建：AI算力的落地方式。在智能计算中心概念提出之前，国家信息中心信息化和产业发展部联合浪潮发布了《智能计算中心规划建设指南》，其中对于智能计算中心给出如下定义：“智能计算中心（简称智算中心）是基于最新人工智能理论，采用领先的人工智能计算架构，提供人工智能应用所需算力服务、数据服务和算法服务的公共算力新型基础设施，通过算力的生产、聚合、调度和释放，高效支撑数据开放共享、智能生态建设、产业创新聚集，有力促进AI产业化、产业AI化及政府治理智能化”。 人工智能基础设施作为“新基建”的重要部分，我国重视并积极支持人工智能基础设施建设发展。各地积极出台政策支持人工智能基础设施发展，已有较为清晰的建设思路，如北京、上海、广东聚焦基础研究领域，江苏、浙江、福建、山东偏重应用层面。其中，以北、上、深为例： 北京超前布局人工智能，在算力、算法框架及算法平台等人工智能基础设施方面取得较大进展，均位列全国首位。算力方面，北京超级云计算中心立足北京、辐射全国、构建出了国内领先、国际一流的信息化基础设施及公共服务平台； 上海作为全国首个人工智能应用创新先导区，高度重视人工智能基础设施布局，近年来创建了多个新型研发机构、研发与转换功能型平台等，在应用、数据方面表现突出。算力方面，2021年底，腾讯长三角人工智能超算中心、商汤新一代人工智能计算与赋能平台于上海建成；2025年底，阿里云华东智能算力中心也将在上海建成； 深圳在华为、腾讯、招商银行等大型企业的带领下，人工智能算力投资位于全国第二位。算力、算法、数据方面，深圳市均有较为优秀的表现。算力方面，深圳拥有深圳超算中心与鹏城云脑两大算力资源。其中，深圳超算中心是世界上最早布局的人工智能超算中心之一。 AI算力规模将保持高速发展：根据 2021年底IDC与浪潮联合发布的《2021-2022中国人工智能计算力发展评估报告》数据，2021年中国人工智能加速服务器市场规模约为56.9亿美元，2021-2025年预计年复合增速为25.3%，2025年AI加速服务器市场规模约为108.6亿美元，AI服务器的高增长推动人工智能算力的加速落地。 2.2 AI需求将传导至整个算力产业链 AI算力作为“新基建”的重要部分，我国重视并积极支持人工智能基础设施建设发展。随着越来越多智能计算中心在全国落地，未来，人工智能计算中心、智慧大脑、AI 应用开放平台等应用将为人工智能基础设施赋能。 GPU 2022年4月，英伟达举办NVIDIA GTC 2022大会，公司认为数据中心与AI的融合将不断深化，未来数据中心有望承担“AI工厂”的功能。语音、对话、客服和推荐系统等AI应用正在推动数据中心设计领域的巨大变革。AI数据中心需要处理海量且持续的数据，以训练和完善 AI 模型，原始数据进来，经过提炼，然后智能输出——企业正在制造智能并运营大型AI工厂。而AI在云端与边端的应用同样拥有宽阔的场景。 服务器 算力需求驱动AI服务器增长。目前市面上的AI服务器普遍采用CPU+GPU的形式，因为GPU与CPU不同，采用的是并行计算的模式，擅长梳理密集型的数据运算，如图形渲染、机器学习等。基于AI服务器的优势，AI服务器在医疗、搜索引擎、游戏、电商、金融、安防等行业有着广泛的应用。 光通信 硅光子技术是光通信领域的一项技术，该技术基于硅和硅基衬底，利用CMOS工艺进行光器件开发和集成，旨在使用激光束代替电子信号传输数据。该技术最大优势在于信号传输速率高，可将处理器内核之间的传输速率提升100倍以上，并且光子芯片在制造工艺复杂度上远低于电子芯片，尺寸一般在百纳米级左右，可有效缓解芯片制程进入10nm后制造工艺的瓶颈。现阶段，随着摩尔定律逐步逼近极限，芯片制成难度大，成本高，光子芯片在吸收了成熟微电子技术后，可以有效缓解芯片的尺寸、耗能问题。 温控 目前随着数据量不断增加，数据中心需要增加更多服务器来提升计算能力，而受限于环保政策与数据中心面积，增加单位柜功率密度成为调和解决此矛盾的关键解决方案。 相较于传统风冷，液冷具备强冷却力，冷却能力是空气的1000-3000倍，可实现超高密度制冷，这能大幅降低数据中心PUE，根据曙光实验室的数据，传统风冷的PUE值多在1.5以上，冷板液冷的PUE值可小于1.2，曙光浸没相变液冷的PUE值能低至1.04。 03 AI应用场景 3.1 AI将进一步深化在语音交互、视觉图像领域的应用 AIGC将进一步带动语音交互、视觉图像领域的变革。过去，人工智能已经在语音、视频等领域得到广泛应用，例如智能客服已可以实现与人类的基本沟通，安防领域中AI也被大量地运用于人像识别以及行为分析。而AIGC的出现意味着当下人工智能已具备生成新事物的能力，而不是仅仅局限于分析已经存在的东西，这将进一步深化在语音交互、视觉图像领域的应用。例如ChatGPT不仅能满足与人类进行对话的基本功能，能回答后续问题、承认错误、质疑不正确的前提和拒绝不适当的请求，例如集成了ChatGPT能力后的Bing、Teams也向世界展示了其对于搜索、办公等场景颠覆式的革新，未来在金融、教育、医疗等拥有较多对话场景的领域中，类ChatGPT的应用也具有巨大的商业价值。随着多模态大模型的出现，AI在语言、文字外的诸如图像、视频等领域的能力也有望进一步提升，例如安防摄像头将进一步提升识别准确率以及行为分析预判能力，在内容创作上AI也将大幅降低图像、音视频的创作难度和成本。 3.2 AI赋能工业设计与数字孪生 在工业领域，AI能提升产业效率和价值。在CAD领域，AIGC可以将工程中重复的、耗时的和低层次的任务自动化，可使原来耗费数千小时的工程设计缩短到分钟级，同时支持生成衍生设计，为工程师或设计师提供灵感，此外AI还能支持在设计中引入变化，实现动态模拟。在EDA领域，借助 AI 算法，EDA工具可以帮助客户实现最优化的功耗、性能、面积目标，大幅提升芯片设计验证效率，助力芯片设计企业提升产品研发效率，以开发性能更高的终端产品。此外，AI还能加速数字孪生系统的构建。通过将基于物理环境形成的数字几何图形，快速转化为实时参数化的3D建模数据，高效创建现实世界中工厂、工业设备和生产线等的数字孪生系统。 3.3 AI带动智能汽车向高级别自动驾驶迈进 竞逐智能化下半场，软件及AI成为新时代下汽车的核心。智能化、网联化、电动化、共享化已成为汽车产业变革的必然趋势，汽车产品逐步由传统代步机械工具向新一代具备感知和决策能力的智能终端转变。与传统汽车相比，智能汽车的本质已经发生了改变，计算和软件成为了汽车的核心。可以预见的是，未来汽车智能化将成为各大车厂竞逐的焦点，而软件和AI能力将成为定义整车功能的关键。为保证车辆在全生命周期内的持续软件升级能力，主机厂在智能驾驶上采取“硬件预置，软件升级”的策略，通过预置大算力芯片，为后续软件与算法升级优化提供足够发展空间，这也将推动着智能汽车向高级别自动驾驶迈进，例如以蔚来、智己、威马、小鹏为代表的主机厂在新一代车型中均将智能驾驶算力提升至500-1000Tops级别。 3.4 AI提升网络安全防护能力 AI驱动网络安全防御体系由被动防御向主动防御演进。传统通过购买更多安全设备的被动防御策略已无法适应当前的网络安全形势，需要进一步提升安全运营水平的同时积极开展主动防御的建设。随着人工智能等新兴技术的逐渐成熟和发展，安全检测技术对安全态势的分析、预警和预测将越来越准确，网络安全防御体系逐渐向自动响应、追查、威胁诱捕等方向的主动防御体系转变。例如态势感知这类主动安全产品，基于人工智能等新兴技术赋予态势感知基于非特征检测技术的能力，通过各类安全设备的联动，以及持续监测、事件响应、深度分析以及预示预警，最终达到有效检测和防御新型安全威胁的目的。 3.5 AI提升企业级服务产品的功能和体验 企业数字化转型有望真正从数字化走向智能化，AI将进一步提升产品的功能和体验。协同办公类应用作为企业各类应用的入口，同时具备知识管理、流程引擎等功能，具备很强卡位价值，在把ChatGPT等AI技术引入后，可以极大提升产品的功能与应用体验。如ERP产品作为企业核心管理系统，集合了员工所需要的各种流程功能。但由于集成功能过多，员工在OA、ERP系统中可能会花费大量时间找寻需要的功能和流程。而ChatGPT+ERP的结合，将ERP的功能进一步智能化，员工仅需给出想要办理的流程，由ChatGPT进行智能化办理，从而改变过去员工需要在OA、ERP及业务系统中需要完成信息录入、功能查找、业务办理等流程，极大地提升办公效率和使用体验。目前微软旗下的Dynamics 365产品线（ERP+CRM程序）已经宣布旗下的客户关系管理软件Viva Sales将集成ChatGPT，通过人工智能帮助销售人员完成许多繁杂且重复的文字工作。AI程序可以从客户记录和Office电子邮件软件中提取数据，将这些信息用于生成个性化文本、定价细节和促销信息的电子邮件。 04 中证人工智能主题指数 4.1 中证人工智能主题指数编制规则 中证人工智能主题指数以中证全指成分股中为人工智能提供基础资源、技术以及应用支持的优质公司作为待选样本，包括但不限于大数据、云计算、云存储、机器学习、机器视觉、人脸识别、语音语义识别、智能芯片等，选取50家最具代表性的公司作为成分股，旨在反映人工智能上市公司的整体表现。 4.2 历史业绩：近期反弹显著，长期跑赢中证TMT指数 自2012年06月29日基日以来，截至2023年2月28日，中证人工智能主题指数（以下简称：CS人工智）收益表现优于同期中证TMT指数和中证800指数，具体上，同期相对中证TMT超额收益+56.57%，相对中证800超额收益+112.77%。 分阶段看，CS人工智指数近1年、近3年、近5年相对中证人工智能产业指数（以下简称人工智能指数）均有超额收益，分别实现超额收益0.09%、9.52%和19.65%，近十年相对中证TMT指数超额收益55.86%。波动率上，CS人工智指数波动率与人工智能指数相当，略高于中证TMT指数。 近期随着AI板块受疫情因素影响减退，指数基本面逐渐回暖，且经过1年半的深度调整后，人工智能板块估值回落至历史较低水平，叠加2022年11月30日，OpenAI公司上线了聊天机器人模型ChatGPT，迅速引发新一轮AI认知智能浪潮，板块自2022年10月中旬触底反弹，自2022年10月12日至2023年2月28日，CS人工智指数录得+34.97%的正收益。 4.3 市净率仍处于上市以来较低水平 受疫情等因素影响，人工智能板块自2020年年中开始遭受大幅调整，估值水平快速回落，截至2023年2月28日，CS人工智指数PE_TTM 57.46倍，处于2015年7月31日上市以来68.23%分位，虽然2022年10月以来估值有所提升，但仍处于历史平均水平附近。市净率角度看，CS人工智指数截至2023年2月28日，指数PB_LF 4.31倍，处于指数上市以来33.30%分位。因此，从目前指数估值水平看，随着行业基本面逐渐回暖，指数估值水平有望持续修复。 4.4 市值分布：偏向中小市值，契合当前市场风格 CS人工智指数成分股中中小市值股票居多，截至2023年2月28日，指数成分股平均总市值421亿元，自由流动市值平均225亿元，52%的成分股总市值和自由流通市值落于（100-300】亿元区间，总市值超1000亿元的公司仅3家。整体上，指数市值分布偏向中小盘，比较契合当前中小市值占优风格。 4.5 行业分布：聚焦集成电路、应用软件、安防等新兴产业 分别按照中信一级行业和中信三级行业分类观察CS人工智指数的行业分布情况，截至2023年2月28日，指数主要分布于计算机（52.98%）、电子行业（35.21%），细分方向上集中于集成电路（20.0%）、行业应用软件（16.2%）、安防（12.8%）、通用计算机设备（12.6%）和新兴计算机软件（8.1%）。另外，根据国家统计局发布的《战略性新兴产业分类（2018）》对公司所属产业进行分类，CS人工智指数成分股中15家公司属于战略性新兴产业，占比30%，截至2023年2月28日，15只股票占指数权重22.0%。 4.6 重仓个股：聚焦细分行业龙头，整体估值处于较低水平 就指数重仓股而言，CS指数汇聚人工智能领域中为人工智能提供基础资源、技术以及应用支持的优质公司，截至2023年2月28日，前十大公司在指数中权重占比合计达到47.53%，前20大重仓成分股占比达69.59%，集中度相对较高，龙头效应较为突出。指数重仓个股长期以来为投资者带来了较为丰厚的投资回报，其中海康威视、宝信软件近10年收益均超10倍，韦尔股份、德赛西威、中科创达等公司近3年收益超3倍。 从前20大重仓股估值水平看，截至2023年3月28日，前20大重仓股整体市盈率（TTM）中位数45.94倍，其中成立超10年的公司市盈率普遍处于近10年较低分位数水平，其中科大讯飞、紫光股份等公司市盈率处于近10年10%分位数以下。整体看，指数重仓个股估值较多仍处于历史较低水平，或仍有较大向上修复空间。 05 华夏中证人工智能ETF（515070.SH） 华夏中证人工智能ETF（515070.SH）于2019年12月9日成立，2019年12月24日上市，截至2023年02月28日，基金规模8.51亿元，产品自成立以来运作平稳，在紧密跟踪业绩比较基准的同时取得了相对基准6.19%的超额收益。其基本信息如下： 华夏中证人工智能ETF 2019年12月24日上市以来，净值曲线保持着对基准变动的紧密追踪，自基金上市以来至2023年2月28日，获得相对基准超额收益+6.19%。 现任基金经理李俊先生，北京大学法学学士、工商管理硕士，2008年加入华夏基金，具有14年证券从业经验，超5年指数管理经验，截至2023年2日28日，在管12只指数类基金（剔除联接基金），合计管理规模约255亿，具有丰富的指数产品管理经验。 华夏基金管理有限公司成立于1998年4月9日，是经中国证监会批准成立的首批全国性基金管理公司之一。华夏基金定位于综合性、全能化的资产管理公司，服务范围覆盖多个资产类别、行业和地区，构建了以公募基金和机构业务为核心，涵盖华夏香港、华夏资本、华夏财富的多元化资产管理平台。 华夏基金数量投资部是业内最早成立的独立数量投资团队(2005年成立)，数量投研团队由20多位具有多年丰富经验的海内外专业投资经理以及专职研究人员组成。经过多年实战，团队不断创新并积累了丰富的经验，管理能力获海内外机构认可，连续7年获评“被动投资金牛基金公司”奖，华夏基金也成为业内唯一连续7年获此殊荣的基金公司。 截至2023年2月28日，华夏基金旗下非货ETF管理规模2879亿元，是境内管理非货ETF产品规模最大的基金公司，公司旗下已经上市交易的ETF产品数量达70只，为业内最多，ETF标的指数实现了对A股市场、港股及海外市场、商品市场、债券市场、货币市场的全面覆盖，此外还充分布局场外指数及指数增强型产品。 风险提示 疫情波动风险：部分地区疫情反复对于数据中心、边缘计算平台等数字经济基础设施建设造成的风险 下游需求风险：AI的云端及边端渗透率增速可能慢于预期，因此造成下游需求不及预期； 原材料风险：AI基础设施建设上游元器件供应受阻的改善时间可能长于预期，基础设施建设进度可能会受到影响。 基金历史业绩不代表未来。基金投资有风险，基金过往业绩不代表未来表现。 未来基本面表现不及预期风险。中国经济复苏不及预期，海外流动性超预期收紧。 相关基金产品运营及基金经理更换风险。本文假设所展示的基金产品都能正常平稳运营，但基金产品可能会存在清盘等运营风险，另外基金产品未来可能会更换基金经理的风险，基金经理的更换也会对后期基金产品的投资风格产生较大影响。 说明： 本订阅号资料基于东方证券股份有限公司已发布证券研究报告制作。 证券研究报告：《人工智能主题投资价值分析》 发布日期：2023年03月09日 分析师：浦俊懿 执业证书编号：S0860514050004 分析师：张颖 执业证书编号：S0860514090001 香港证监会牌照：BRW773 分析师：陈超 执业证书编号：S0860521050002 分析师：谢忱 执业证书编号：S0860522090004 分析师：邱蕊 执业证书编号：S0860519020001 香港证监会牌照：BSW115 联系人：周天恩 联系人：肖丽华 联系人：覃俊宁 重要提示（向上滑动浏览）： 本订阅号为东方证券股份有限公司（以下称“东方证券”）研究所金融工程研究团队运营的唯一订阅号，并非东方证券研究报告的发布平台, 本订阅号仅转发东方证券已发布研究报告的部分内容或对报告进行的跟踪与解读。通过本订阅号发布的资料仅供东方证券研究所指定客户参考。因本订阅号无法设置访问限制，若您并非东方证券研究所指定客户，为控制投资风险，请您请取消关注，请勿订阅、接收或使用本订阅号中的任何信息。东方证券不因任何单纯订阅本公众号的行为而将订阅人视为客户。 免责声明（向上滑动浏览）： 本订阅号不是东方证券研究报告的发布平台，本订阅号仅转发东方证券已发布研究报告的部分内容或对报告进行的跟踪与解读, 订阅者若使用本订阅号所载资料,有可能会因缺乏对完整报告的了解或缺乏相关的解读而对资料中的内容产生理解上的歧义。提请订阅者参阅东方证券已发布的完整证券研究报告,仔细阅读其所附风险提示、各项声明及信息披露,关注相关的分析、预测能够成立的关键假设条件,关注投资评级和证券目标价格的预测时间周期,并准确理解投资评级的含义。订阅者如使用本资料,请与您的投资代表联系。 在任何情况下，本订阅号中的信息或所表述的意见并不构成对任何人的投资建议，也无法考虑到客户个体特殊的投资目标、财务状况或需求，客户应考虑本订阅号中的任何意见或建议是否符合其特定状况，谨慎合理使用。本订阅号所载的资料、工具、意见及推测只提供给客户作参考之用，并非作为或被视为出售或购买证券或其他投资标的的邀请或向人作出邀请。 在任何情况下，东方证券对本订阅号所载资料的准确性、可靠性、时效性及完整性不作任何明示或暗示的保证。东方证券及关联人员不对任何人因使用本订阅号中的任何内容所引致的任何损失负任何责任，投资者应自主作出投资决策并自行承担投资风险。 东方证券不保证本订阅号中的观点或陈述不会发生任何变更，在不同时期，东方证券可发出与本报告所载资料、意见及推测不一致的证券研究报告。 本订阅号发布的内容仅为东方证券所有。未经东方证券事先书面协议授权,任何机构或个人不得以任何形式复制、转发或引用本订阅号的全部或部分内容,亦不得从未经东方证券书面授权的任何机构、个人或其运营的媒体平台接收、复制、转发或引用本订阅号的全部或部分内容。东方证券股份有限公司有权就任何不当行为要求行为人赔偿全部损失。提示客户及公众投资者慎重使用公众媒体刊载的证券研究报告。除非法律另有规定，任何情况下，对于行为人擅自使用该内容所包含的信息所引起的损失、损害等后果，东方证券概不承担任何责任。 请勿订阅、接收或使用本订阅号中的任何信息。东方证券不因任何单纯订阅本公众号的行为而将订阅人视为客户。 东证数量金融创新实验室 负责人： 021-63325888 邱蕊 Tel*5091 刘静涵 Tel*3211 宋之辰 Tel*2470 薛耕 Tel*6123 栾张心怿 Tel*6099 肖丽华 Tel*6050 陶文启 更多相关信息请关注微信公众号： 期待与您的交流！
核心结论 人工智能推动产业变革，AIGC引领新一轮浪潮。近年来，人工智能相关技术持续演进，产业化和商业化进程不断提速，正在加快与各行各业深度融合，带动了相关产业在业务上、技术上的变革。AIGC作为当前最受关注的人工智能技术，有望带动新一轮产业变革。 人工智能对算力基础设施的需求。数字经济发展驱动AI算力落地，人工智能基础设施作为“新基建”的重要部分，我国重视并积极支持人工智能基础设施建设发展。AI需求将传导至整个算力产业链。未来，随着越来越多智能计算中心在全国落地，人工智能计算中心、智慧大脑、AI 应用开放平台等应用将为人工智能基础设施赋能，GPU、服务器、光通信、温控等场景将受益于AI需求的提升。 人工智能具有广阔的应用场景。AIGC的出现意味着当下人工智能已具备生成新事物的能力，而不是仅仅局限于分析已经存在的东西。随着多模态大模型的出现，AI在语言、文字外的诸如图像、视频等领域的能力也有望进一步提升，未来在金融、教育、医疗、工业、汽车等行业有望持续深化应用。 中证人工智能主题指数(930713.CSI)以中证全指成分股中为人工智能提供基础资源、技术以及应用支持的优质公司作为待选样本，选取50家最具代表性的公司作为成分股，旨在反映人工智能上市公司的整体表现。自2012年06月29日基日以来，截至2023年2月28日，指数相对中证TMT超额收益+56.57%，相对中证800超额收益+112.77%。行业上聚焦集成电路、应用软件、安防等新兴产业。个股上，前10大公司在指数中权重占比合计达到47.53%，前20大重仓成分股占比达69.59%，集中度相对较高，龙头效应较为突出。指数重仓个股长期以来为投资者带来了较为丰厚的投资回报，其中海康威视、宝信软件近10年收益均超10倍。 中证人工智能主题指数估值水平仍处于合理区间。截至2023年2月28日，CS人工智指数PE_TTM 57.46倍，仍处于指数上市以来历史平均水平附近。指数PB_LF 4.31倍，处于上市以来33.30%分位。从目前指数估值水平看，随着行业基本面逐渐回暖，指数估值水平有望持续修复。 华夏中证人工智能ETF（515070.SH）于2019年12月9日成立，2019年12月24日上市，截至2023年02月28日，基金规模8.51亿元，产品自上市以来运作平稳，在紧密跟踪业绩比较基准的同时取得了相对基准6.19%的超额收益。在任基金经理李俊先生，北京大学法学学士、工商管理硕士，2008年加入华夏基金，具有14年证券从业经验，超5年指数管理经验，截至2023年2日28日，在管12只指数类基金（剔除联接基金），合计管理规模约255亿，具有丰富的指数产品管理经验。截至2023年2月28日，华夏基金旗下非货ETF 70只，管理规模2879亿元，是境内管理非货ETF产品规模最大且数量最多的基金公司，ETF标的指数实现了对A股市场、港股及海外市场、商品市场、债券市场、货币市场的全面覆盖，此外还充分布局场外指数及指数增强型产品。 风险提示 疫情波动风险；下游需求风险；原材料风险；基金历史业绩不代表未来收益；相关基金产品运营及基金经理更换风险 01 人工智能推动产业变革，AIGC再引 新一轮浪潮 人工智能是引领未来的新兴战略性技术，是驱动新一轮科技革命和产业变革的重要力量。近年来，人工智能相关技术持续演进，产业化和商业化进程不断提速，正在加快与各行各业深度融合，带动了相关产业在业务上、技术上的变革。我国“十四五”规划纲要中也明确要大力发展人工智能产业，打造人工智能产业集群以及深入赋能传统行业。人工智能已成为科技创新的关键领域和数字经济时代的重要支柱。 技术创新、工程实践和可信安全成为新时代人工智能发展的新三维坐标，AI软件及应用市场快速增长。随着人工智能技术在产业端的赋能和应用不断深化，人工智能的安全治理问题也开始逐步受到行业的重视。根据中国信通院《人工智能白皮书（2022年）》，技术创新、工程实践和可信安全已经成为人工智能发展的主线发展脉络。围绕着算法、算力和数据的技术创新始终是前进主旋律；工程实践中的相关技术开始覆盖人工智能全流程，加速人工智能大规模落地应用；人工智能可信技术是破解治理难题的重要支撑，愈发受到各界关注。AI技术的软件和应用市场也随着人工智能的发展加速扩大，据IDC统计，2021年中国人工智能软件及应用市场规模为51亿美元，预计2026年将会达到211亿美元，各行业的需求正大力推进AI的发展，推动市场的持续增长。 算法、算力和数据三驾马车屡有创新，大模型引领新一轮发展浪潮。在算法层面，基于NLP的超大规模预训练模型等成为近两年最受关注的热点之一，也催化了AIGC和ChatGPT相关领域的热潮，知识驱动的人工智能等方向研究成为提升认知能力的重要探索。在基础算力方面，大模型对算力的需求的数量级快速攀升，AI芯片的单点算力也持续提升，算力定制化、多元化成为重要发展趋势，计算技术围绕数据处理、数据存储、数据交互三大能力要素演进升级。在数据层面，以深度学习为代表的人工智能技术需要大量的标注数据，带动了数据标注和数据服务产业的发展；随着人工智能模型规模的不断增大，训练所需的数据量也呈指数级增长。以OpenAI的GPT-3大模型为例，该模型有1750亿个参数，训练数据集达到45TB，训练的总算力消耗约 3640 PF-days（即每秒一千万亿次计算，需要运行 3640 天）。 ChatGPT热潮引发行业对生成式AI的关注，AIGC概念如火如荼。2022年11月30日，OpenAI公司上线了聊天机器人模型ChatGPT，迅速引发了全球的热潮。ChatGPT 是一种预训练的语言大模型，采用大量的参数和大量的数据进行训练，基于人类反馈的强化学习算法，将NLP技术和机器学习结合，极大地提升了模型算法的效率和能力。随着ChatGPT的热度不断攀升，业界对ChatGPT背后的人工智能技术——生成式AI的关注也愈发强烈，AIGC这一相关概念也开始进入大众视野。 AIGC潜在应用场景广阔。AIGC意为人工智能生成内容，是指人工智能应用于内容创作领域，其在创作速度、创作成本和传播效应相比传统内容创作具有显著优势。2018年，人工智能生成的画作《埃德蒙·贝拉米画像》在佳士得拍卖行以43.25万美元成交，成为世界上首个出售的人工智能艺术品，引发了各界关注，AIGC的概念也随之火热。在2022年下半年，各类的AI绘画开始在网络上大量传播，AIGC概念正式开始被普通人所了解，常见的AI数字虚拟人、AI智能客服等都可以认为是AIGC的范畴。 AIGC的发展大致可以分为三个阶段： 1)早期萌芽阶段（20世纪50年代至90年代中期）：在20世纪中后段，受限于当时的计算机水平限制，AIGC应用方向较为狭窄，主要包括了计算机创作音乐、简单的对话机器人、语音打字机等； 2)沉淀积累阶段（20世纪90年代中期至21世纪10年代中期）：随着深度学习等人工智能算法的提出，以及GPU等算力设备性能不断提升，AIGC的应用有了更广的拓展，但是在创作方面仍存在限制。 3)快速发展阶段（21世纪10年代中期至今）：近年来，深度学习算法的不断迭代更新，AIGC的新时代随之到来，生成内容百花齐放，在图像、视频、音频等领域都有着诸多应用与创新。 AIGC概念是相对于过去的PCG（专业制作）、UCG（用户创作）而提出的。目前人工智能已具备生成新事物的能力，而不是仅仅局限于分析已经存在的东西，因此广义的AIGC的内核即为生成式AI，可以基于训练数据和生成算法模型，自主生成创造新的文本、图像、音乐、视频、3D交互内容等各种形式的内容和数据，以及包括开启科学新发现、创造新的价值和意义等。ChatGPT正是典型的文本生成式的AIGC，其目前的成功也有望带动AIGC在图像、音乐、视频等其他领域落地。 生成式AI催生了一系列新型的应用程序，我们预计当下AI模型的发展也将推动新一轮应用的落地。目前AIGC可生成的内容形式已经拓展到了包括文字、图像、视频、语音、代码、机器人动作等多种内容形式，生成式AI让机器开始大规模涉足知识类和创造性工作，极大推动了数字化内容生产与创造，微软也正在计划将ChatGPT整合到Bing搜索和其他产品中。根据红杉中国报告，目前生成式AI已经在文本、代码、图像、视频、游戏等领域都有了突破，预计在未来几年内会有更加广泛的应用，真正成为生产力的一部分。 AIGC带来万亿级赛道，但商业化模式仍处于探索阶段。AIGC产业生态正在加速形成和发展，根据6pen预测，未来五年10%-30%的图片都将由AI参与生成，有望创造超过600亿以上的市场空间。据量子位报告统计，到2030年，AIGC的市场规模将超过万亿人民币，在内容生产领域和延伸应用领域都有着广阔的空间。但由于AIGC目前产业化程度有限，大量业务场景尚未成功变现，商业模式也还处于探索阶段，未来几年都将是AIGC商业化的探索期。我们认为，现阶段AIGC的商业模式仍会以To B为核心，B端客户基于对企业降本增效的要求，对AIGC的需求和付费意愿是较为强烈的；面向C端用户的商业化存在订阅制和按次收费等模式，AIGC能够大幅降低大众用户的创作门槛，未来随着AIGC生态不断完善，市场空间也十分可观。 02 人工智能对算力基础设施的需求 2.1 数字经济发展驱动AI算力落地 数字经济时代的新基建：AI算力的落地方式。在智能计算中心概念提出之前，国家信息中心信息化和产业发展部联合浪潮发布了《智能计算中心规划建设指南》，其中对于智能计算中心给出如下定义：“智能计算中心（简称智算中心）是基于最新人工智能理论，采用领先的人工智能计算架构，提供人工智能应用所需算力服务、数据服务和算法服务的公共算力新型基础设施，通过算力的生产、聚合、调度和释放，高效支撑数据开放共享、智能生态建设、产业创新聚集，有力促进AI产业化、产业AI化及政府治理智能化”。 人工智能基础设施作为“新基建”的重要部分，我国重视并积极支持人工智能基础设施建设发展。各地积极出台政策支持人工智能基础设施发展，已有较为清晰的建设思路，如北京、上海、广东聚焦基础研究领域，江苏、浙江、福建、山东偏重应用层面。其中，以北、上、深为例： 北京超前布局人工智能，在算力、算法框架及算法平台等人工智能基础设施方面取得较大进展，均位列全国首位。算力方面，北京超级云计算中心立足北京、辐射全国、构建出了国内领先、国际一流的信息化基础设施及公共服务平台； 上海作为全国首个人工智能应用创新先导区，高度重视人工智能基础设施布局，近年来创建了多个新型研发机构、研发与转换功能型平台等，在应用、数据方面表现突出。算力方面，2021年底，腾讯长三角人工智能超算中心、商汤新一代人工智能计算与赋能平台于上海建成；2025年底，阿里云华东智能算力中心也将在上海建成； 深圳在华为、腾讯、招商银行等大型企业的带领下，人工智能算力投资位于全国第二位。算力、算法、数据方面，深圳市均有较为优秀的表现。算力方面，深圳拥有深圳超算中心与鹏城云脑两大算力资源。其中，深圳超算中心是世界上最早布局的人工智能超算中心之一。 AI算力规模将保持高速发展：根据 2021年底IDC与浪潮联合发布的《2021-2022中国人工智能计算力发展评估报告》数据，2021年中国人工智能加速服务器市场规模约为56.9亿美元，2021-2025年预计年复合增速为25.3%，2025年AI加速服务器市场规模约为108.6亿美元，AI服务器的高增长推动人工智能算力的加速落地。 2.2 AI需求将传导至整个算力产业链 AI算力作为“新基建”的重要部分，我国重视并积极支持人工智能基础设施建设发展。随着越来越多智能计算中心在全国落地，未来，人工智能计算中心、智慧大脑、AI 应用开放平台等应用将为人工智能基础设施赋能。 GPU 2022年4月，英伟达举办NVIDIA GTC 2022大会，公司认为数据中心与AI的融合将不断深化，未来数据中心有望承担“AI工厂”的功能。语音、对话、客服和推荐系统等AI应用正在推动数据中心设计领域的巨大变革。AI数据中心需要处理海量且持续的数据，以训练和完善 AI 模型，原始数据进来，经过提炼，然后智能输出——企业正在制造智能并运营大型AI工厂。而AI在云端与边端的应用同样拥有宽阔的场景。 服务器 算力需求驱动AI服务器增长。目前市面上的AI服务器普遍采用CPU+GPU的形式，因为GPU与CPU不同，采用的是并行计算的模式，擅长梳理密集型的数据运算，如图形渲染、机器学习等。基于AI服务器的优势，AI服务器在医疗、搜索引擎、游戏、电商、金融、安防等行业有着广泛的应用。 光通信 硅光子技术是光通信领域的一项技术，该技术基于硅和硅基衬底，利用CMOS工艺进行光器件开发和集成，旨在使用激光束代替电子信号传输数据。该技术最大优势在于信号传输速率高，可将处理器内核之间的传输速率提升100倍以上，并且光子芯片在制造工艺复杂度上远低于电子芯片，尺寸一般在百纳米级左右，可有效缓解芯片制程进入10nm后制造工艺的瓶颈。现阶段，随着摩尔定律逐步逼近极限，芯片制成难度大，成本高，光子芯片在吸收了成熟微电子技术后，可以有效缓解芯片的尺寸、耗能问题。 温控 目前随着数据量不断增加，数据中心需要增加更多服务器来提升计算能力，而受限于环保政策与数据中心面积，增加单位柜功率密度成为调和解决此矛盾的关键解决方案。 相较于传统风冷，液冷具备强冷却力，冷却能力是空气的1000-3000倍，可实现超高密度制冷，这能大幅降低数据中心PUE，根据曙光实验室的数据，传统风冷的PUE值多在1.5以上，冷板液冷的PUE值可小于1.2，曙光浸没相变液冷的PUE值能低至1.04。 03 AI应用场景 3.1 AI将进一步深化在语音交互、视觉图像领域的应用 AIGC将进一步带动语音交互、视觉图像领域的变革。过去，人工智能已经在语音、视频等领域得到广泛应用，例如智能客服已可以实现与人类的基本沟通，安防领域中AI也被大量地运用于人像识别以及行为分析。而AIGC的出现意味着当下人工智能已具备生成新事物的能力，而不是仅仅局限于分析已经存在的东西，这将进一步深化在语音交互、视觉图像领域的应用。例如ChatGPT不仅能满足与人类进行对话的基本功能，能回答后续问题、承认错误、质疑不正确的前提和拒绝不适当的请求，例如集成了ChatGPT能力后的Bing、Teams也向世界展示了其对于搜索、办公等场景颠覆式的革新，未来在金融、教育、医疗等拥有较多对话场景的领域中，类ChatGPT的应用也具有巨大的商业价值。随着多模态大模型的出现，AI在语言、文字外的诸如图像、视频等领域的能力也有望进一步提升，例如安防摄像头将进一步提升识别准确率以及行为分析预判能力，在内容创作上AI也将大幅降低图像、音视频的创作难度和成本。 3.2 AI赋能工业设计与数字孪生 在工业领域，AI能提升产业效率和价值。在CAD领域，AIGC可以将工程中重复的、耗时的和低层次的任务自动化，可使原来耗费数千小时的工程设计缩短到分钟级，同时支持生成衍生设计，为工程师或设计师提供灵感，此外AI还能支持在设计中引入变化，实现动态模拟。在EDA领域，借助 AI 算法，EDA工具可以帮助客户实现最优化的功耗、性能、面积目标，大幅提升芯片设计验证效率，助力芯片设计企业提升产品研发效率，以开发性能更高的终端产品。此外，AI还能加速数字孪生系统的构建。通过将基于物理环境形成的数字几何图形，快速转化为实时参数化的3D建模数据，高效创建现实世界中工厂、工业设备和生产线等的数字孪生系统。 3.3 AI带动智能汽车向高级别自动驾驶迈进 竞逐智能化下半场，软件及AI成为新时代下汽车的核心。智能化、网联化、电动化、共享化已成为汽车产业变革的必然趋势，汽车产品逐步由传统代步机械工具向新一代具备感知和决策能力的智能终端转变。与传统汽车相比，智能汽车的本质已经发生了改变，计算和软件成为了汽车的核心。可以预见的是，未来汽车智能化将成为各大车厂竞逐的焦点，而软件和AI能力将成为定义整车功能的关键。为保证车辆在全生命周期内的持续软件升级能力，主机厂在智能驾驶上采取“硬件预置，软件升级”的策略，通过预置大算力芯片，为后续软件与算法升级优化提供足够发展空间，这也将推动着智能汽车向高级别自动驾驶迈进，例如以蔚来、智己、威马、小鹏为代表的主机厂在新一代车型中均将智能驾驶算力提升至500-1000Tops级别。 3.4 AI提升网络安全防护能力 AI驱动网络安全防御体系由被动防御向主动防御演进。传统通过购买更多安全设备的被动防御策略已无法适应当前的网络安全形势，需要进一步提升安全运营水平的同时积极开展主动防御的建设。随着人工智能等新兴技术的逐渐成熟和发展，安全检测技术对安全态势的分析、预警和预测将越来越准确，网络安全防御体系逐渐向自动响应、追查、威胁诱捕等方向的主动防御体系转变。例如态势感知这类主动安全产品，基于人工智能等新兴技术赋予态势感知基于非特征检测技术的能力，通过各类安全设备的联动，以及持续监测、事件响应、深度分析以及预示预警，最终达到有效检测和防御新型安全威胁的目的。 3.5 AI提升企业级服务产品的功能和体验 企业数字化转型有望真正从数字化走向智能化，AI将进一步提升产品的功能和体验。协同办公类应用作为企业各类应用的入口，同时具备知识管理、流程引擎等功能，具备很强卡位价值，在把ChatGPT等AI技术引入后，可以极大提升产品的功能与应用体验。如ERP产品作为企业核心管理系统，集合了员工所需要的各种流程功能。但由于集成功能过多，员工在OA、ERP系统中可能会花费大量时间找寻需要的功能和流程。而ChatGPT+ERP的结合，将ERP的功能进一步智能化，员工仅需给出想要办理的流程，由ChatGPT进行智能化办理，从而改变过去员工需要在OA、ERP及业务系统中需要完成信息录入、功能查找、业务办理等流程，极大地提升办公效率和使用体验。目前微软旗下的Dynamics 365产品线（ERP+CRM程序）已经宣布旗下的客户关系管理软件Viva Sales将集成ChatGPT，通过人工智能帮助销售人员完成许多繁杂且重复的文字工作。AI程序可以从客户记录和Office电子邮件软件中提取数据，将这些信息用于生成个性化文本、定价细节和促销信息的电子邮件。 04 中证人工智能主题指数 4.1 中证人工智能主题指数编制规则 中证人工智能主题指数以中证全指成分股中为人工智能提供基础资源、技术以及应用支持的优质公司作为待选样本，包括但不限于大数据、云计算、云存储、机器学习、机器视觉、人脸识别、语音语义识别、智能芯片等，选取50家最具代表性的公司作为成分股，旨在反映人工智能上市公司的整体表现。 4.2 历史业绩：近期反弹显著，长期跑赢中证TMT指数 自2012年06月29日基日以来，截至2023年2月28日，中证人工智能主题指数（以下简称：CS人工智）收益表现优于同期中证TMT指数和中证800指数，具体上，同期相对中证TMT超额收益+56.57%，相对中证800超额收益+112.77%。 分阶段看，CS人工智指数近1年、近3年、近5年相对中证人工智能产业指数（以下简称人工智能指数）均有超额收益，分别实现超额收益0.09%、9.52%和19.65%，近十年相对中证TMT指数超额收益55.86%。波动率上，CS人工智指数波动率与人工智能指数相当，略高于中证TMT指数。 近期随着AI板块受疫情因素影响减退，指数基本面逐渐回暖，且经过1年半的深度调整后，人工智能板块估值回落至历史较低水平，叠加2022年11月30日，OpenAI公司上线了聊天机器人模型ChatGPT，迅速引发新一轮AI认知智能浪潮，板块自2022年10月中旬触底反弹，自2022年10月12日至2023年2月28日，CS人工智指数录得+34.97%的正收益。 4.3 市净率仍处于上市以来较低水平 受疫情等因素影响，人工智能板块自2020年年中开始遭受大幅调整，估值水平快速回落，截至2023年2月28日，CS人工智指数PE_TTM 57.46倍，处于2015年7月31日上市以来68.23%分位，虽然2022年10月以来估值有所提升，但仍处于历史平均水平附近。市净率角度看，CS人工智指数截至2023年2月28日，指数PB_LF 4.31倍，处于指数上市以来33.30%分位。因此，从目前指数估值水平看，随着行业基本面逐渐回暖，指数估值水平有望持续修复。 4.4 市值分布：偏向中小市值，契合当前市场风格 CS人工智指数成分股中中小市值股票居多，截至2023年2月28日，指数成分股平均总市值421亿元，自由流动市值平均225亿元，52%的成分股总市值和自由流通市值落于（100-300】亿元区间，总市值超1000亿元的公司仅3家。整体上，指数市值分布偏向中小盘，比较契合当前中小市值占优风格。 4.5 行业分布：聚焦集成电路、应用软件、安防等新兴产业 分别按照中信一级行业和中信三级行业分类观察CS人工智指数的行业分布情况，截至2023年2月28日，指数主要分布于计算机（52.98%）、电子行业（35.21%），细分方向上集中于集成电路（20.0%）、行业应用软件（16.2%）、安防（12.8%）、通用计算机设备（12.6%）和新兴计算机软件（8.1%）。另外，根据国家统计局发布的《战略性新兴产业分类（2018）》对公司所属产业进行分类，CS人工智指数成分股中15家公司属于战略性新兴产业，占比30%，截至2023年2月28日，15只股票占指数权重22.0%。 4.6 重仓个股：聚焦细分行业龙头，整体估值处于较低水平 就指数重仓股而言，CS指数汇聚人工智能领域中为人工智能提供基础资源、技术以及应用支持的优质公司，截至2023年2月28日，前十大公司在指数中权重占比合计达到47.53%，前20大重仓成分股占比达69.59%，集中度相对较高，龙头效应较为突出。指数重仓个股长期以来为投资者带来了较为丰厚的投资回报，其中海康威视、宝信软件近10年收益均超10倍，韦尔股份、德赛西威、中科创达等公司近3年收益超3倍。 从前20大重仓股估值水平看，截至2023年3月28日，前20大重仓股整体市盈率（TTM）中位数45.94倍，其中成立超10年的公司市盈率普遍处于近10年较低分位数水平，其中科大讯飞、紫光股份等公司市盈率处于近10年10%分位数以下。整体看，指数重仓个股估值较多仍处于历史较低水平，或仍有较大向上修复空间。 05 华夏中证人工智能ETF（515070.SH） 华夏中证人工智能ETF（515070.SH）于2019年12月9日成立，2019年12月24日上市，截至2023年02月28日，基金规模8.51亿元，产品自成立以来运作平稳，在紧密跟踪业绩比较基准的同时取得了相对基准6.19%的超额收益。其基本信息如下： 华夏中证人工智能ETF 2019年12月24日上市以来，净值曲线保持着对基准变动的紧密追踪，自基金上市以来至2023年2月28日，获得相对基准超额收益+6.19%。 现任基金经理李俊先生，北京大学法学学士、工商管理硕士，2008年加入华夏基金，具有14年证券从业经验，超5年指数管理经验，截至2023年2日28日，在管12只指数类基金（剔除联接基金），合计管理规模约255亿，具有丰富的指数产品管理经验。 华夏基金管理有限公司成立于1998年4月9日，是经中国证监会批准成立的首批全国性基金管理公司之一。华夏基金定位于综合性、全能化的资产管理公司，服务范围覆盖多个资产类别、行业和地区，构建了以公募基金和机构业务为核心，涵盖华夏香港、华夏资本、华夏财富的多元化资产管理平台。 华夏基金数量投资部是业内最早成立的独立数量投资团队(2005年成立)，数量投研团队由20多位具有多年丰富经验的海内外专业投资经理以及专职研究人员组成。经过多年实战，团队不断创新并积累了丰富的经验，管理能力获海内外机构认可，连续7年获评“被动投资金牛基金公司”奖，华夏基金也成为业内唯一连续7年获此殊荣的基金公司。 截至2023年2月28日，华夏基金旗下非货ETF管理规模2879亿元，是境内管理非货ETF产品规模最大的基金公司，公司旗下已经上市交易的ETF产品数量达70只，为业内最多，ETF标的指数实现了对A股市场、港股及海外市场、商品市场、债券市场、货币市场的全面覆盖，此外还充分布局场外指数及指数增强型产品。 风险提示 疫情波动风险：部分地区疫情反复对于数据中心、边缘计算平台等数字经济基础设施建设造成的风险 下游需求风险：AI的云端及边端渗透率增速可能慢于预期，因此造成下游需求不及预期； 原材料风险：AI基础设施建设上游元器件供应受阻的改善时间可能长于预期，基础设施建设进度可能会受到影响。 基金历史业绩不代表未来。基金投资有风险，基金过往业绩不代表未来表现。 未来基本面表现不及预期风险。中国经济复苏不及预期，海外流动性超预期收紧。 相关基金产品运营及基金经理更换风险。本文假设所展示的基金产品都能正常平稳运营，但基金产品可能会存在清盘等运营风险，另外基金产品未来可能会更换基金经理的风险，基金经理的更换也会对后期基金产品的投资风格产生较大影响。 说明： 本订阅号资料基于东方证券股份有限公司已发布证券研究报告制作。 证券研究报告：《人工智能主题投资价值分析》 发布日期：2023年03月09日 分析师：浦俊懿 执业证书编号：S0860514050004 分析师：张颖 执业证书编号：S0860514090001 香港证监会牌照：BRW773 分析师：陈超 执业证书编号：S0860521050002 分析师：谢忱 执业证书编号：S0860522090004 分析师：邱蕊 执业证书编号：S0860519020001 香港证监会牌照：BSW115 联系人：周天恩 联系人：肖丽华 联系人：覃俊宁 重要提示（向上滑动浏览）： 本订阅号为东方证券股份有限公司（以下称“东方证券”）研究所金融工程研究团队运营的唯一订阅号，并非东方证券研究报告的发布平台, 本订阅号仅转发东方证券已发布研究报告的部分内容或对报告进行的跟踪与解读。通过本订阅号发布的资料仅供东方证券研究所指定客户参考。因本订阅号无法设置访问限制，若您并非东方证券研究所指定客户，为控制投资风险，请您请取消关注，请勿订阅、接收或使用本订阅号中的任何信息。东方证券不因任何单纯订阅本公众号的行为而将订阅人视为客户。 免责声明（向上滑动浏览）： 本订阅号不是东方证券研究报告的发布平台，本订阅号仅转发东方证券已发布研究报告的部分内容或对报告进行的跟踪与解读, 订阅者若使用本订阅号所载资料,有可能会因缺乏对完整报告的了解或缺乏相关的解读而对资料中的内容产生理解上的歧义。提请订阅者参阅东方证券已发布的完整证券研究报告,仔细阅读其所附风险提示、各项声明及信息披露,关注相关的分析、预测能够成立的关键假设条件,关注投资评级和证券目标价格的预测时间周期,并准确理解投资评级的含义。订阅者如使用本资料,请与您的投资代表联系。 在任何情况下，本订阅号中的信息或所表述的意见并不构成对任何人的投资建议，也无法考虑到客户个体特殊的投资目标、财务状况或需求，客户应考虑本订阅号中的任何意见或建议是否符合其特定状况，谨慎合理使用。本订阅号所载的资料、工具、意见及推测只提供给客户作参考之用，并非作为或被视为出售或购买证券或其他投资标的的邀请或向人作出邀请。 在任何情况下，东方证券对本订阅号所载资料的准确性、可靠性、时效性及完整性不作任何明示或暗示的保证。东方证券及关联人员不对任何人因使用本订阅号中的任何内容所引致的任何损失负任何责任，投资者应自主作出投资决策并自行承担投资风险。 东方证券不保证本订阅号中的观点或陈述不会发生任何变更，在不同时期，东方证券可发出与本报告所载资料、意见及推测不一致的证券研究报告。 本订阅号发布的内容仅为东方证券所有。未经东方证券事先书面协议授权,任何机构或个人不得以任何形式复制、转发或引用本订阅号的全部或部分内容,亦不得从未经东方证券书面授权的任何机构、个人或其运营的媒体平台接收、复制、转发或引用本订阅号的全部或部分内容。东方证券股份有限公司有权就任何不当行为要求行为人赔偿全部损失。提示客户及公众投资者慎重使用公众媒体刊载的证券研究报告。除非法律另有规定，任何情况下，对于行为人擅自使用该内容所包含的信息所引起的损失、损害等后果，东方证券概不承担任何责任。 请勿订阅、接收或使用本订阅号中的任何信息。东方证券不因任何单纯订阅本公众号的行为而将订阅人视为客户。 东证数量金融创新实验室 负责人： 021-63325888 邱蕊 Tel*5091 刘静涵 Tel*3211 宋之辰 Tel*2470 薛耕 Tel*6123 栾张心怿 Tel*6099 肖丽华 Tel*6050 陶文启 更多相关信息请关注微信公众号： 期待与您的交流！
大部分微信公众号研报本站已有pdf详细完整版：https://www.wkzk.com/report/（可搜索研报标题关键词或机构名称查询原报告）
郑重声明：悟空智库网发布此信息的目的在于传播更多信息，与本站立场无关，不构成任何投资建议。
