2025 STRATEGY
编者按：经过两年的发展，大模型进入了2.0时代，从“百模大战”到“赋能产业”，通用大模型正在往拥有用户和场景的智能终端和应用进行延伸；AI促进了人机交互能力的大幅提升。AI是一个资本密集、人才密集、数据密集的产业，如何形成“应用-数据-模型”的飞轮效应，是AI企业成功的关键。
去年底的策略会上，我们也谈过AI，当时大家最直观的感受应该是，各家海外科技厂商都在all in AI做大模型训练。而从今年下半年开始，我们看到了越来越多的智能应用和智能终端，也就是AI in All。
我们将AI产业链分成四个环节，分别是算法、算力、数据、应用及产品这四个环节。
首先，最底层是GPU的算力支持，帮助做模型的训练和推理。
其次，算法模型和应用产品会构建起用户的使用场景。在用户使用的过程中，会积累大量的数据，从而帮助模型去做迭代。
AI是一个资本密集、人才密集、数据密集的产业，如何形成“应用-数据-模型”的飞轮效应，是AI企业成功的关键，也是我们重点关注的方向。
2023年初我们判断，以海外科技大厂为代表的企业会All in AI，去做模型的训练和迭代，当时产业链较为受益的环节就是图中的下半部分，也就是GPU环节。
当产业时钟来到了 AI in all，AI赋能千行百业，变得更加显性。产业链的价值量开始往上半部分转移，也就是拥有场景和用户的应用及产品侧。
产品和应用侧的繁荣，离不开产业推动的因素。
首先，受益于模型的迭代，模型变得更加好用：从2023年单纯的文字问答到现在的多模态输入和输出，模型对于世界的理解更加多元。
同时，AI思考范式的迭代，从之前单纯的Scaling Law大力出奇迹，到现在的Moe专家模型架构，AI对于复杂问题的处理能力是不断提升的。专家模型可以像人类的慢思考一样，做一步步的任务拆解。
其次，受益于算法的开源与算力的规模效应，模型变得更加便宜了。过去两年时间里，无论是GPT还是LLaMa模型，调用成本呈现千倍的降低，AI通过降本也不断实现了在多场景领域的突破。
图：AI 单位成本快速下降
数据来源：A16Z，朱雀基金整理。统计时间短，不代表未来发展趋势，观点具有时效性，仅供分析参考，不构成对产品业绩的保证，也不构成任何投资建议或承诺。
总而言之，模型变得更加好用更加便宜，开发者构建应用产品的成本在不断降低，生态也变得更加繁荣。海外，ChatGPT访问量创新高，断层式的地位相对稳固。马斯克旗下配备10万张H100超算集群的xAI产品也值得关注。国内科技大厂也在不断迭代算法模型，应用生态更趋丰富。
在此背景下，我们认为需要重视四类机会：
第一，国内互联网大厂目前或处于海外大厂在2022年年底或2023年年初的产业节奏。
复盘海外几家互联网大厂的产业节奏，可以看到，代表企业从2023年一二季度开始资本支出是加速向上的，从那个时候开始All in AI做模型的训练，和与自身业务结合的场景开发。在2024年Q3财报期间，我们也看到海外各家云业务收入的增速也开始呈现台阶式提升。
国内方面，科技大厂在2024年下半年真正开始加大了AI布局，资本开支大幅上升。
同时，国内大厂的算法也在持续迭代。2023年国内落后于海外，而现在某些细分领域上能做到同期发布，甚至在视频领域的细节处理上表现更好。算法的进步得益于互联网时代积累的大量详实数据、丰富场景以及工程师的工程化能力。
过去两年，国内大厂的经营战略转变为聚焦高质量主业，收缩亏损或弱盈利能力业务。体现在财报上，收入端虽有所放缓，但盈利能力持续提升，同时加大了股东回报。
政策环境也发生了积极的变化。11月，国常会研究推动平台经济健康发展，首次将平台经济列入新质生产力范畴。12月，中央经济工作会议也是提到“开展“人工智能+”行动，培育未来产业。
第二，AI带来的人机交互能力的提升，我们关注应用和产品侧的变化。
下图纵轴列示的是人机交互能力的提升，从感知、决策到执行。横轴是AI的硬件载体的升级迭代，从PC、手机到智能可穿戴、智能车以及机器人。新硬件载体的迭代大幅提升了人机交互中的能力。
数据来源：朱雀基金整理。统计时间短，不代表未来发展趋势，观点具有时效性，仅供分析参考，不构成对产品业绩的保证，也不构成任何投资建议或承诺。
多模型的出现，在算法模型的输入输出中增加了视频、语音等感知模块。AI从之前被动的文本识别到主动去识别真实世界，机器感知和改变真实世界的能力大幅提升。
从弹性的角度，我们认为新硬件载体有望实现0到1到30的渗透率快速增长，例如AI眼镜等智能穿戴、智能驾驶以及机器人等。从确定性的角度，基于PC、智能手机的互联网平台及软件公司场景卡位清晰、用户黏性强，拥有独家的用户数据，AI的运用有利于提升付费转换率和客单价。
第三，关注“X+AI”即产业智能化的机会。实体企业在经历了信息化和互联网化之后，可以通过借助AI来提升在各自细分领域的竞争力。
例如在文旅行业，AI能够帮助消费者实现旅程的推荐和规划，对那些有全国布局能力的企业来说，是很好的引流和提高客单价的工具。又如IP内容创作行业，因为有文生图、图生视频等多模态AI算法，有利于解决IP改编周期长、成本高的产能瓶颈，从而提升IP爆款的概率。再如智能物联行业，在多维感知的技术下，可以赋能实业车间多场景的智能化。
第四，关注AI在材料学、医学等基础领域的应用。今年的诺贝尔化学奖颁给了Google DeepMind的团队成员，表彰他们运用AI模型在“在蛋白质结构预测方面的贡献”。Google DeepMind的AlphaFold3能够快速且准确地预测蛋白质的三维结构，将耗时一年且成本高昂的实验缩短至几分钟，极大地加速了科学研究进程。
以上就是我们在AI和产业智能化领域的思考。我们关注的泛AI企业具备一个共同的特征，那就是现有业务的竞争力已经很强，且有一定的成长性，而在AI领域，这些企业往往又兼具“场景+数据+算力+算法”的能力。我们相信，AI的逐步落地将为它们提供基本面进一步向上的业绩期权。
注：本文件非基金宣传推介材料，仅作为本公司旗下基金的客户服务事项之一。
本文件所提供之任何信息仅供阅读者参考，既不构成未来本公司管理之基金进行投资决策之必然依据，亦不构成对阅读者或投资者的任何实质性投资建议或承诺。本公司并不保证本文件所载文字及数据的准确性及完整性，也不对因此导致的任何第三方投资后果承担法律责任。基金有风险，投资需谨慎。
本文所载的意见仅为本文出具日的观点和判断，在不同时期，朱雀基金可能会发出与本文所载不一致的意见。本文未经朱雀基金书面许可任何机构和个人不得以任何形式转发、翻版、复制、刊登、发表或引用。
