03. 大模型狂飙一年半，行业亲历者和你聊聊「伪概念」和「真机会」
59:55 Share

大家第一部分钱已经花出去了就是买了这个很贵的金稿子但是我觉得就目前的这个 GPU 而言它已经不算是这种一般的产子了好的 GPU 它相当于是挖掘机打败谷歌的不会是下个谷歌打败 QQ 的不会是下个 QQ 那你觉得大模型会打败互联网吗我觉得很难

其实跟真正价值是一样的我们汽车取代马车不是我们做了一个新的马车自动驾驶也不是搞了个司机去放在那但是人行机器人这个事他这个方向肯定对的但不一定最后造出来真的是像人

各位听众朋友们大家好 欢迎来到中欧基金我是这期节目的主持人宋婉心其实从去年年初开始大模型就一直是科技行业最重要的议题了但是这一年半的时间以来能够明显发现的是现在行业明显的冷静了很多然后大家也逐步发现现在人工智能行业最赚钱的可能还是卖产人

所以在这个时间节点呢我们该如何理解 AI 行业以及未来的投资机会今天我们请来的两位嘉宾分别是中欧中上机器人指数基金经理孙薇薇然后另一位是林斯智能科技有限公司执行副总裁林满佳他们分别从产业和投资的视角呢能跟大家聊一聊 AI 行业的当下与未来那么先请两位跟听众朋友们打声招呼

大家好,我是中欧的指数基金经理宋维威我的投资方向主要包括芯片、软件还有人工智能整个科技行业的赛道是我非常关注的一个方向

大家好,我叫林曼嘉我是一个极客然后一直在 AI 行业以及正能源链行业去做深耕以及学习今天很高兴在这里跟大家去聊我们 AI 大模型跟产业的机会是的,两位老师都是深度参与 AI 投资和产业的很有经验的人了所以最开始呢也想两位老师先从自己的角度来讲一下自己这么多年所经历的这么几轮 AI 的演进和演变

然后可以讲讲自己的亲身的感受和经历

那我就先从我这边开始讲起吧其实我在 2016 年进入公募基金行业起初呢是作为一个量化的研究员每天工作内容是写代码的但是在 2016 年当时发生了一个很有意思的事情 AlphaGo 击败了李士实当时这件事情呢不仅仅是在整个投资界然后引起了很大的这个影响而且呢对于我觉得对公募行业也产生了一个巨大的变化

因为在当时整个公募行业发现我们可以利用人工智能的模型去对投资做一个赋能在 16 年人工智能第一次我觉得在整个投资圈爆火之后 1819 年有一点点落寞那么在 A 股的市场上面大家也可以看到和 AI 相关的公司可能只有少数的几家公司涨幅比较多落寞了这么几年之后到了 2020

22 年 11 月份 Chad GPT 出现的时候然后就突然意识到这一次人工智能的尤其是从大模型和算力芯片的它这一次的演进和上面几次有特别不一样的一个点一方面呢我觉得是 Chad GPT 它的用户数

在短短的几个月时间里头就达到了上亿其实很像当年的互联网的很多创业企业在它的数量暴增之后呢马上带来的是整个投资圈产业界然后发现大模型然后它不仅仅是之前大家所理解的那种简单的语音交互助手而是呢这个大模型具有了一定的我们

可以把它打引号的叫做智能的去分析问题回答问题的这个能力当然我觉得主要是在 A 股的这个投资市场当中经历完这两轮 AI 的这个浪潮起然后浪潮又回落然后现在来到这个时间点就大家可以看到不仅仅是在投资端然后在产业端

不仅仅是这些股价的上涨而且很多的应用呀包括这种硬件的应用也是层出不穷的所以说我自己的这个在投资圈的经历啊也是和 AI 然后我觉得也特别有渊源吧就从 16 年开始在二年又重新第二次的 AI 的浪潮然后一直到现在

我其实最早接触 AI 是在一亿年的时候第一次创业就当时 Google 眼镜不是出来吗所以当时是接触到 AI 那独立创业当时是做 ID 就是 NLP 相关的一些东西本质上来说包括在 TradeGPT 之前我认为整个 AI 可以说没有说太好的这种波峰上去为什么说呢因为我们说整个好的一个波峰或者是影响面很广最重要的是什么

是普通人它的指标其实是普通人是的就举个简单例子第一代智能手机为什么不叫大众产品因为普通人根本不知道但今时今日 AI 其实就上级了 AI 它问题点就在这它并不是一个很广阔的人在用只是集中在某几个人上面

包括之前很火的那些什么把你的人脸换风格化这种东西其实在这一轮之前这些技术很多都存在但是普通人是没办法使用得到的所以我认为呢就是这一轮跟上一轮最大的区别在这个 point 就分隔开了

看到这个东西之后我为什么说这一轮我挺兴奋的一个点就是以前的 AI 革命我们可以看得到一个点它是一个算法驱动的算法工程师是科学家驱动的设计了很多的调餐设计了很多的像阿巴购一样虽然很漂亮但是后面很多人想去模仿这些都是要时间大模型这个时代来了之后它变成了一个工程的时代

杀手机应用可能就在这个时候要开始启动爆发了就是有点像当年 iPhone 到 iPhone4 这段时间给我的感觉就似曾相识还有就是互联网泡沫到互联网重生那段时间就从技术人员的角度来看我觉得这个很像当年这两波感觉也处于一个时代的一个边界点上大家也都在等下一个 iPhone4 的时刻对就是像刚才两位说的一样其实 AI 之前经历过好几个波风波谷

然后其实进入 Chad GPT 时代以来整个的速度一下子就加速了就从实验线上看从 22 年 11 月份然后 Chad GPT 发布然后中国的很多公司开始 all in AI 然后包括二级市场上整个市值相关的概念股都大幅增长然后开始百摩大战然后到了最近的新闻可能就是 5 月底的时候这才一年半的时间过去就已经开始大模型普遍的降价

其实整个的发展都是很快的跟就像大模型的迭代速度一样其实现在产业侧来看大家都回归到一个理性的一个状态了嘛然后其实很多应用了大模型的公司冷静来看好像规模上和营收上其实并没有相应的增长就是二位怎么看这整个的一个发展的变化以及背后的原因呢

我自己觉得就是在整个二级市场端或者整个投资端很多很多的公司然后他们在 AI 尤其是 ChatGPT 出现之后他们也非常非常积极的去利用 AI 的这些技术给自己的产品或者说服务赋能但是为什么就是大家所困惑的一点尤其是在资本市场困惑的一点好像那个赚钱的应用出现的还没有那么的快我觉得这个和产业发展的周期是相关的

在 AI 大规模的去就是进入到社会或者产业的过程当中产业界当中第一件事情是先把基础建设做好那么我觉得应用也是会跟在这个算力的基础建设之后逐步爆发或者说逐步出现的一个产业的不同的节奏吧

那么现在呢很多公司大家刚开始然后去尝试这里都包括我觉得第一点包括游戏公司第二个包括广告公司第三个包括这个 office 这样的公司然后他们都尝试去用 AI 去给自己的产品赋能但在其中的一些我觉得应用场景当中大家已经看到了 AI 实实在在所带来的这种效率的提升

其实我看来历史上都在重复对就是你看从最早的九几年的互联网泡沫到移动互联网到现在的 AI 其实都会很相似的路径但另外一个方面呢就是 AI 现在的落地就很多人在说第四次工业革命嘛

那我们从第四次工业革命来聊起的话那它是另外一个维度工业革命是什么工业革命是效率的提升我们从人力变成了蒸汽机我们从蒸汽机变成了内燃机变成电能都是效率的提升所以呢假设这个 AI 是第四次工业革命的话那意味着就是原来传统效率不高的公司或者原来有缺陷的公司因为效率的问题限制了它库产能的这个企业它可能会得到一轮飞跃的发展但如果原来它不是这个问题

不就是说你可能是方向选错了那你 AI 加速之后可能得到的结果是往错误的方向去比如说像癌症一样对吧癌细胞一样你吃的方向不对了所以在这个我觉得老的这种 system 在这个年代如果它的业务模型是非常的优秀的它借助 AI 它肯定是能够扩大的这也是现在很多 AI 落地的一个阻力所以与其说叫 AI 加不住自动产业区加 AI 算了

对那第二个呢其实这一轮 AI 的革命其实最重要的点还是说人机交互有一个比较大的改变人类第一次能够用正二八经自然语言去跟 AI 去做深层次的交互让 AI 去完成很多的工作从这个角度来看它又有点像当年互联网就是 PC 时代转到 mobile 时代从鼠标 mouse 转到 touch 这么

这么一个过程这个时候转成 voice 肯定它又有两类公司会出现比如说从互联网时代或者是 PC 时代的 CIM ERP 等等一个系统还是回来回到了移动互联网它只是把这个终端做得更智能去适配但是另外一个点一样的可能在现在这个年代 AI 的应用展现啥样

目前来说有点像 APP 在疯狂爆发的那个年代就 1213 年那个年代只不过说可能中国还没到了这个 point 但如果我们放眼全球已经是这个状况了你看现在占有啥各种什么 AI 音乐最近大家看朋友确定看得到的 AI 生成音乐的 AI 生成视频的特别多的这么一个情况那这一个类呢就跟当年互联网也好移动互联网也罢一样的其实就是打尾

各个地方在尝试总有一个地方它会爆发对其实在从 2023 年年初的时候我们就发现 AI 的应用端有趣应用在这个医疗端司法端其实在每一种应用的这个场景当中不仅仅是这个创业者或者说这个产业投资者还有包括二级市场投资者大家都在期待自己所投的那个方向可以最终爆发出来

它其实一个是确定性的一个是不确定性的确定性就是你肯定是有一些老的场景叫旧平行久嘛我肯定是适合延伸过来的这是毋庸置疑你肯定要过来的比如说现在 ERPERP 难道不应该去适配 AI 这个时代吗它肯定要的只是怎么适配不知道现在大家要探索但还有一个是不确定性的现在很多的巨头都是不确定性的产物那这个不确定性的那可能真的就是得跑了嗯

得有足够多的底座足够多的突变就像进化一样了然后还有消费者这样的天对吧去物竞天择去把它塞出来那这个是完全不确定市场行为了有一个词叫做涌现对吧就是在大模型当中其实有一个词叫涌现说这个代码的智能是来自于比如说

模型的这个参数的增多然后最终智能从中涌现出来其实有点点随机性当然它的确定性是在于 AI 所带来的这个真正的效率的提升生产力的提升素呢可以再讲一下比如说在二级市场这个反应现在大家这一些概念股又回吐了之前的很多涨幅您觉得背后这个原因是什么是不是因为固制模型没有变还是其他的一些

要回答这个问题首先得谈一下整个二级市场对于相关的 AI 的这些公司或者说这些投资的标的是怎么来定价的第一个呢就是对于你能挣钱的公司我看你挣的利润怎么样比如说这一块呢对应到 AI 相关的公司比较多的就是这些芯片公司尤其是 GPU

算力芯片光包块还包括存储的企业就是这些企业他们的利润就出现了大幅的增长那么二级市场也就对像他这样利润有增长的企业也给予了他很高的这个市值这一块呢是我们二级市场对核心的有利润的公司的一块估值的方法就是用传统的估值倍数乘以你的

利润这个估值方法可能看你明年或者是后年后几年的利润乘以倍数的方式然后去估计你现在的市值到底应该是值多少钱

第二块呢就是去估值那些下游有应用的公司那这些公司可能在刚开始做这个业务的过程当中他不一定挣钱但是二级市场还是愿意去给他估值核心的我觉得是两点第一点呢他的用户数量这种估值方式和当年大家给互联网的公司估值方式是很像很像的

所以说在这种情况下我们二级市场的投资者会更多的关注用户数或者说潜在的这个用户数那这个用户数对我们投资人来说是非常看重的一个指标因为只要用户在你这哪怕现在不怎么挣钱那么其实我们可以预期未来你可以通过其他的方式然后去赚到你所提供的这个服务的合理利润

除了用户数呢还有一点呢其实和用户数的角度其实比较像就是它的市占率或者说它的赛道的这个成长性在这一块呢如果说我们发现这个公司它所在的赛道成长性很好并且它的市占率处于一个比较高的一个市占率的一个水平所以对于这样的企业我们也愿意去给它一定的通过估值模型去给它估值刚才婉心聊到就是

我们有一些 AI 的相关的公司可能在去年出现了大幅上涨然后在今年又开始下跌这其中呢有很重要的一点就是在他所处的这个赛道当中大家发现最终他的业务的发展和我们二级市场的投资人给他的预期然后出现了这个 miss 或者说出现了低于预期的情况那这里头

大多数的这些公司集中在下游的软件的应用的公司还有呢包括大模型的公司股价的这个波动其实也在一定程度上面体现着我觉得这些公司的他的商业的模式的一个不稳定性

当然了这种波动呢只是针对其中的一部分公司这里头比较多的可能是传媒的公司还有包括一些软件行业最终大家都发现并没有那么快的落地所以说这一块的公司它的市值

快速的上涨又经历了这个快速的下跌那前面聊到的另外一块硬件端呢尤其是围绕着整个的 GPU 的产业链的这些公司或者说高性能服务器的公司因为大家肉眼可见的看到很多的这些互联网大厂全世界的这些科技巨头进行 GPU 的军备竞赛大家花

大量的资本支出然后去采购然后呢去构建自己的算力基础或者说算力的服务中心也就是刚才你所说的卖铲子的公司大家可能挖金子的这个人涌入了很多大家还在非常热火朝天的绝金的过程当中但是大家第一部分钱已经花出去了就是买了这个很贵的金稿子但是我觉得就目前的这个 GPU 而言它已经不算是这种一般的铲子了好的 GPU 它相当于是挖掘机

一般的这个 GPU 它可能对你的企业来说是就是一般的这种铲子了因为大家在训练的过程当中成本也不一样训练的效率也不一样所以说呢就出现了一边硬件在涨软件这一头呢这些公司出现下跌的这个二级市场的这个现象我听了之后挺有感触的包括林总刚才讲的一点我觉得因为我

最近也在做一个选题挺巧的也是关于大模型的是关于程序员大模型基于这个选题呢我也采了一些大模型公司的一些老板然后他们的反馈

反馈有一点挺统一的也挺有意思的就是他们也是觉得因为大模型是一个新的底座所以其实基于互联网原来的一个开发模式和研发模式去做大模型的话其实是很有阻碍的然后很难以成功的包括原来互联网整个生产方式的可能都要被颠覆所以说不知道就刚才两位老师讲

现在硬件上游已经开始赚钱但是下游可能技术是新的大模型技术但是变现方式还是互联网那一套逻辑所以导致是不是很多产品大模型产品并没有办法很好地走出来走到下游真正的落地是不是因为我们的大模型还是在互联网的原有的逻辑上进行经营进行变现

我的看法不是这样的就是我还是老观念就是人类从有到现在有商业到现在模式没有什么改变你要不做附加值就在老的产品做附加值你加工对吧做出一个东西你要不做交易你并没有创造新的包括我们的互联网包括我们的移动互联网没有创造任何新的东西在这个逻辑上是没有创造新的东西可能另外一个思路我觉得是大家可能对大模型没想透真的需要那么多底座吗

又没问过您这个说法很有意思能展开这样的讲法真的是需要那么多底座吗可能不需要真的要那么大参数量的底座吗我们还得打一个问号然后真的是上一代的商业模式不 mapping 了这个点吗也不是举个简单我前段时间有一个特别好玩的例子给大家举一句

就某一家公司啊他可能是一个图币的服务的公司他公司业务是做这个的那有可能他的 coder 或者是产品经理或者是他的设计师就是他的 sales 对 ok 如果你的思路是大模型去把这些东西人给颠覆了现在所有人都这么想的啊我大模型取代这边的但你有没有想过这些人是你的 sales 财政的收入你把它颠覆了你不就是颠覆你的根本吗 ok 当你用这个思路去 design 你后面所有的逻辑的时候你可能都是 worn 的

你根本不是思考说怎么放大它的效应而是削减它的效应所以呢前段时间海外当时有很多人说客服大概率都要干掉因为客服本来可能就是你很重要的一个部门你不是想着把这个部门通过 AI 放大它的效应而是我削的削成本肯定最后要出事了

您这个说法蛮有意思的因为现在主流的想法是最容易被替代的就是这帮人所以其实你在思考这件事情的时候如果你很浅只是说我替代谁替代谁替代谁你永远会得到一个很恐怖的答案成本高我干你

但你有没有反过来讲 AI 还是个效率工具是呢就 AI 到现在为止都没有跳脱效率工具这件事所以在我看来 AI 因为我不懂投资我真的不怎么投资我不懂投资但在我看来很重要的一个点是什么就是还是原来那些事那你怎么放大原来你的效应

这是非常关键的一个 point 所以我不认为说现在说软件就下来微软这个很好的例子微软就是软件的几乎上线商业的模型还在 openAI 的但人家还能做出很好的机遇 AI 之后商业变形财报有所增长然后海外也有一些公司现在也跑得比较顺

那可能大家得反过来讲这轮 AI 浪潮我最近一直跟我朋友在聊说你想想是取代的关系还是增强的关系如果是增强的关系那你的产品的 design 可能就不是现在这种 design 你天天想着我一个新的 model 新的方式历史这么多年这个新的 model 谈何容易就历史上可能没几次

我很同意林总的观点技术其实最重要的是增强而不是我觉得很多的文章包括一个新的技术出现的时候大家可能最吸引眼球的那个是取代替代因为替代取代会戳中大家的焦虑的痛点会让你觉得啥都做一遍你就上去了但互联网其实有一句话到今天一样适用

打败谷歌的不会是下个谷歌打败 QQ 的不会是下个 QQ 那你觉得大模型会打败互联网吗我觉得很难因为你说白了一点移动互联网也不能百分百说它打赢了互联网它可能只是一种衍生所以我更倾向说用第一性原理去思考这件事情呢你该干嘛还是干嘛你理解到很多 AI 的本质你去做什么样的事嗯

更不要说现在 AS 建立在概率论基础上的对的对的大模型你觉得它除了增强它还一定是需要人的这你逃脱不了的是的是的那基于您说的它是一个增强作用的这样的一个落地场景二位怎么看大模型背后的一个商业模式和一些投资机会呢您觉得现在比如说最快落地的或者说最能够有变现结果的这样的一个方向

我觉得最重要的一点还是在芯片行业林总说了一个很有意思的观点其实我们不一定需要那么多的算力底座我觉得这一件事对于单个的公司来说这是一件非常非常明智的一个决策就是我们不需要买一堆挖掘机不需要买家里买一堆铲子

咱们得按照咱们所挖的这个矿所做的这个商业模式所做的这个客户群体去认真的思考到底自己需要什么样的赋能需要怎么样的改变那么回到二级市场我觉得不能错过的那个投资机会就是和硬件相关的尤其是和算力底座相关的但是呢他们的周期会见顶的会相对来说早一点

比应用端要早一点应用端会在我觉得尤其是在今年的后半年或者在明年大家会逐渐看到很多我叫这个赚钱的应用或者说真正能留损到客户给客户创造价值的这些应用逐步的出现是这样的林总也是一直 focus 在智能家居这一方面的芯片的解决方案上所以不知道您接触的一些弊端的客户他们的需求是怎样他们怎么看待大模型

它是这样的一个逻辑就是大模型毕竟是一个新的技术大家想去应用跟当年手机是一模一样的手机出来之后什么各种闹钟 APP 这里 APP 有的是都是工具后面才有业务的体系现代来看我们比如说像 B 端来看现代来说它更多的是在老的业务上面结合上大模型能不能做出比上一代更好的产品但现在来说更多的可能是工具体验为主

它是需要个时间的当中肯定是需要时间跟手机一样手机所有巨头进来的时候其实一样我也道理都是得先把工具属性把体验升级属性做得更好优秀一点然后再寻找机会加节业务属性但历史就这样软件公司特别是在中国如果你一直停留在工具属性

那很难中国好像没有什么工具企业工具 APP 的企业那么的大都得往业务属性去切但目前来说图币公司当然知道一个点就传统上很多以前智能硬件其实智能硬件发了这么多年我算是智能硬件从事十几年了一直在工具属性到业务属性这个月前

越过去特别是智能意见相关的这个是个巨大的鸿沟但现在大模型确实是它有这么一个能力看似是能越过去的因为它有更强的交互

要举个简单以前我们一直是在做一个遥控器的取代你很难在这个概念上去拓展出新的东西你遥控器难道能够点外卖很难但这个 moment 来说它有可能你可能真的是我可以用这么个语音去下达复杂的这种业务需求那 system 去满足你的需求但反过来讲就是整个商业模式来看我觉得现在可能第一波想基建这一块的机会肯定是在而且

最近也观察了一个很有意思的个点可以跟大家 share 一下就是叫做巨头横在我最近观察了一个点就巨头因为存在就这一代的基础大概率就是由上一代的巨头或准巨头们去建设的等他们建设到一定的阶段

你可能上面就有生态了就跟当年如果中国没有那几朵云我们的移动互联网想到今天这个繁荣程度是非常之困难的因为在前余服务的时代你想去构建一个服务端的后台因为只有后台你才能有成本非常高难度其实挺大的今天这个 moment 可能意味着我现在可能算力铺好了足够多的开发者了然后足够多的设备端了那

那可能就这个 gap 就会过去了对就我也发现了这个产业端的这个特点当时我记得在 2016 年我和我们公司一个做 AI 研究的一个同事一块聊了一个很有意思的一个点就是说当年创业的时候可能你用台电脑就可以了电脑也不需要多少钱

但到了比如说我要去跑 AI 模型的时候我除了一个不错的电脑还得配备买好几个很贵的 GPU 那个 GPU 可能总共买下来可能大几万不到十万块钱在当时 2016 年的时候但是再到后面呢随着大模型的参数逐渐增多现在杨立坤在去年的一个采访上说然后很多这种大模型的公司至少要买 1.6 万

块的 GPU 然后资本的支出就要达到 11 美金当然这是对这些科技巨头而言但是对于我觉得普通的这些创业者而言他们去做和 AI 相关的这些创业的过程当中他们对算力的需求以及算力的需求所带来的整个公司的成本也是非常高的

而且他们在做工具的过程当中就是做这个和 AI 相关的这个不管是服务还是应该是服务家的这些工具的过程当中还有一个很重要的一点就是他也不是第一时间就去触达客户的或者说第一时间马上就去变现的也很难通过互联网和移动互联网那些变现的窗口已经被所有的巨头都已经霸占光了那另外呢就是在硬件端的这种云服务也是巨头

群聚的地方大家怎么玩发现永远是在这些科技巨头的这个牌桌上面然后去做一点点打补丁或者是做一些新的服务所以说完完全全的那个像互联网时代或者移动互联网时代几个人几个小团队去创业的时代我觉得早已经过去了对但我因为我作为联系创业者我对这个肯定有点 different 第一我觉得 single 的创业要启动甚至单一个人去创业的时代可能要来了第二就是

其实很多的 AI 相关的创业要求的成本反而是有可能比一定互联网要低原因很简单就是你想不透你就会做得很大模型你往大的去做但这个 moment 那么多开源的模型那么多商业的模型那么多 API 包括 OpenAI 的提供的 API 包括各家公司提供的 API 其实很多都会提供这种 Fighting 或制作模型的一个工具所以你有的是

更低的成本工具去做你要的东西所以比上个世代我觉得幸福多了特别是比前大模型时代的 AI 的创业成本要低得多只是说你可能就大众或者是大众创业者或者某一些创业者吧他更思考的是我现在想不透那我就往大的去但一旦往大的去

那是你应该去的地方就举个简单例子当年移动互联网的时候所有人都想往做系统去中国有一段时间中国的最后水火下来了

但反而是那些往小的去往业务的去是活回来的所以这是两个维度上的一个思考就如果我们的思考维度说往底座去就没得了了那肯定是巨头的活因为说句难听点的你 GPU 有它多吗没有数据有它多吗没有人力有它多吗没有所以这个是很难的一个事了但万事无绝对包括我们现在的反正我跟很多客户在沟通也好

我都是建议说你可以采购比如说优秀的地座你采购优秀的解决方案你思考你的业务思考你的业务你的业务做得好把钱花在刀刃上你慢慢就上去了因为还是个放大效应

是这样的我之前有一个受访者跟您表达也一个意思他觉得大模型时代创业反而比拼的是谁最先找到那个新的技术点或者是需求点然后把这一点做透不在于你这个技术多么的底层投入多么多移动互联网的时候也是一样大家需要更简洁的即时聊天微信出来了互联网当年一样我们需要更容易的去翻一个黄页最早的黄页不像那么的厚一本书去查

出来了底层逻辑它没有变化只是说这个 moment 你究竟是怎么去思考这件事情带来给你的真量是很重要就我刚刚那个例子也其实可以回答这个问题你需不需裁掉你的销售人员还是需不需负能力的销售人员这是两种不一样的思路

是的就像产业里现在也有很多概念就 AI 家啦 AI 手机啦 AIPC 啦这些概念背后就像您说的它到底是该怎样赋能这些概念是真实存在的吗我不知道产业里的真实状况是怎样呢反正我跟产业交流我更希望说他们不要焦虑

反正每一次跟我的朋友们或者我的客户跟我聊天我都说你先不要焦虑第一你原来的东西没有错你需要的是目前来说你是要更好而不是颠覆因为你还没看到颠覆就等一等因为你原来就有自己的业务那其实什么我们客户很多是做 AI 硬件的那你提供更好的 AI 硬件就好了提供增强就好了先提供增强然后等待

因为目前来说真正的颠覆性的或者是这个时代的应用范式坦白来讲还没有完全去定局所以我还是那个观点就是不用说太担心这些概念也不用天天思考这些概念更多的是你的业务拎出来这一块我拿它放进去能够得到啥是能够得到更好的体验还是能够把你的业务给用这个技术给放进去还是说你解决了后项的收获成本

那您觉得 AI 家这个概念是伪概念吗不能说它伪概念但是得猜得很细致去看其实现在在整个 AI 家的这个下游的硬件上面大家可能现在聊的比较多的 AI 手机 AI PC 智能家居 AI 已经深入到了不仅仅从这个应用端或者说这个 APP 端或者说一个简单的功能已经到了这个

和整个操作系统融合在一起的这个趋势这其中所带来的我觉得整个这个电脑和手机端的就会出现了很多的未来的变化第一个变化就是未来你想用端侧的或者说 AI 手机 AI 电脑你需要买这个性能更好的电脑和手机才可以使用到他们完整的这个服务第二点呢就是我发现就是在芯片端也出现了一个变化

当年电脑是由 X86 的构架来主导的手机端是由 ARM 的构架来主导的大家敬畏分明就是你做你的我做我的大家背后都有一个不同的构架但是自从 AI 手机和 AIPC 出现之后 ARM 其实在一定程度上它的构架抢占了原本属于尤其是笔记本电脑端 X86 的构架的这部分市场份额

那么也让像高通这样的公司从之前大多是做这个手机的 soc 芯片然后也进入到了包括平板包括那个笔记本电脑端的这个芯片的这个市场当中去那我觉得之前在这个我们叫做 vintel 的这个联盟的那个时代当中 windows 加 intel

是不可撼动的这种联盟那现在呢我觉得在整个科技圈当中发现了一个巨大的一个变化 Vintel 的这个联盟出现了松动然后高通进入但是呢微软却没有变他的合作的伙伴从之前的英特尔让高通然后也进入了这一个联盟当中去然后我觉得就是在这个硬件端最终的这个 AI 的应用端就我们叫做 AI 家的这些硬件

以及背后的这个软件端到架构端都产生了一些很微妙但是又和过去的历史完全不一样的这个变化林总怎么看算力芯片这几年发生了一些变化其实这么来说就手机跟个人 PC 它非常特殊的两个特殊的存在为什么它一定要 focus 在本地

是因为你有很多隐私很多机密在里面所以它是个超级特殊的中端举个简单例子现在 AI 手机有很大的卖点就是可以用自带语言去收你的照片你绝对不愿意你的照片在云端是的取来一遍是吗简直是好

走一遍对你绝对不愿意这些东西是自己隐私数据 AIPC 上年的工作文档你也绝对不愿意在云端走一遍所以这个它是很特殊的一个两个设备就甚至以前 AI 就真的手机有个词它已经成为你新一个器官了但其实人的信息器官就这两个很私密的

所以难听点的谁拿你的手机你都不肯给现在已经发展到这个 moment 了所以他一定要强大隐私他一定要追求高的算力

但另外一个呢其实这一轮的硬件在我看来除了云端那些大专利之外我们其实正儿八经包括前段时间 GPT-4O 的发布其实我们正儿八经进入了个人的语音交互的一个时代就真的我们可以通过人的语音通过自然语言去跟机器去做交互那这个时候听得清说得清那个很重要所以在中国也有很多的类似这样的一个芯片类似这样的解决方案

然后中国有很多的这种传统的硬件这一轮 update 它可能就是一个很不错的一个 point 因为以前 update 没什么意义的原因就是你加了之后没什么用就是个成本

你抠不起你其他的任何的服务没有服务不产生价值没有价值你很难去维护你的云端的投入维护你的人员的投入传统这些我们所谓的家电我们所谓的智能硬件也面临这个问题一次性买卖一次性买卖的生意很难长久所以定点的很多智能硬件厂商的收入

还不如 APP 时代一个小 APP 一年订阅的收入但它的投入完全不可比那这个年代可能就是另外一个维度了它如果它这个小的硬件能够产生足够多的价值那可能你就有一些新的一些机会会出现

其实平常咱们所说的这些智能家居然后如果说和这个 AI 的模型然后一块去结合的话其实未来用户的体验会产生很大的变化对说不准它是会以什么样的方式出来但是至少呢它是出了一条路径出来了就它这个 AI 足够的智能能够 call 你的业务这是很重要的一个 point

上一个时代你想让这些 NLP 去 call 你的业务你要付出成本特别的高光你要理解客户跟你说的各种各样的问法你都搞不定那现在 AI 能搞定这一段那好 AI 灯就是有点像以前不能用手只能用笔现在变成了当年可以变成触摸一样的以前我们用语音的时候很收线现在 AI 打开了就意味着这个 voice 有点像电阻屏到电阻屏来的转变

那往下走就是看看你的业务怎么来构建了但这个事坦白来讲是需要产业去做实践去做经验甚至去说是错的是的比如现在 AI 手机就是很初级的一个阶段虽然国产手机刚才也说了发了这么多新的产品 AI 手机但是数据显示国产这些还是在一个失水的阶段

说句难听点的他不是说加了个 AI 他就卖得很好对对对不同的客户群体他的需求毕竟是不一样的有一些差别的是这样的其实消费电子现在也是两极化比较严重高价和低端的产品其实是自由市场的

其实我们看到就是传统芯片领域啊和比如和 AI 相关的算力啊存储芯片现在在市场上是冰火两重天而且前阵我们也成立了一个新的基金嘛关于国家集成电路产业的一个三期的基金那么您怎么看就是国产芯片这样的一个未来的机会

谈到国家集成电路产业发展基金这个基金呢咱们如果说去看历史的严格到目前这是第三期之前第一期有 1000 亿第二期有 2000 亿这个第三期是 3400 亿那么咱们国内的国产芯片国内的这个芯片产业的发展尤其是在高端的芯片的产业发展的过程当中国家的集成电路发展基金起到的作用是非常重要的我举两个简单的例子

第一个咱们的晶圆制造因为你芯片设计出来最终还是要有晶圆厂帮你造出来尤其是对于先进制程的这种晶圆制造厂国家产业基金对于咱们国内的晶圆厂的这个投资是起到了非常重要的作用第一期当中有 60%的资金是投到了晶圆厂第二期当中是接近 95%的资金投到了晶圆厂当中就是这两期的

大基金的这个资金的头像很大程度上促进了咱们国内晶圆厂的这个扩产尤其是不仅仅是成熟制成还有包括先进制成那这些晶圆厂也是支撑了咱们国内的各种各样的这种芯片的或者说芯片制造的这种需求吧其实晶圆厂是整个芯片行业当中最重要的我觉得一个环节因为没有晶圆厂你什么也造不出来

那么第二个呢我觉得就是对于大家现实当中比较遇到的比较有意思的一个例子我觉得可以感知到国家集成电路产业基金它的那个投资的一个成果吧在过去的几年当中尤其是在 20 年 21 年

大家去买存储的比如说移动硬盘或者固态硬盘的时候大家会发现这个价格很高我就举一个我自己身上的一个例子我在 21 年的时候当时买了一个 2T 的固态硬盘是三星的固态硬盘当时的价格是接近 1700 块钱但是到了今年我再去看这个 2T 的用国产的存储颗粒的固态硬盘它的价格已经到了

700 到 800 块钱价格接近腰斩这个国内的存储芯片现在最重要的公司也是国家集成电路产业投资基金然后重点投资的重要的企业那他们呢也是帮咱们国内呢整个芯片行业当中就做了很重要的这个国产替代的一个产品吧就是从内存然后到这个存储的颗粒

他们的出现呢也让咱们这个国内的消费者或者国内的企业未来也不用承受很高的价格然后去买就是海外的这个存储颗粒了这一块呢也是在咱们平常的生活当中也可以实际的体会到咱们叫做大基金所带来的整个产业当中的变化可能之前的很多芯片都得去购买海外的那么在去年呢咱们国内大概有 3000 亿美金的进口是用来买芯片的

那么这个进口的商品的这个金额的总量也是排到了所有进口商品的第二所以说从这个数据上面也可以看到整个芯片的这个进口额对于咱们国内的这个整个我觉得工业和信息产业来说的话它的规模到底有多么大或者它的重要程度有多么大

那么接近 3000 亿的大基金 1 万亿的这个大基金可以撬动的最终的规模最终放在全世界的半导体市场是一个什么样的一个级别呢在去年全世界的这个半导体的整个的资本开支半导体企业的资本开支是 1600 亿美金也就是接近 1 万亿多人民币

所以说咱们国内这个从政府成立的国家大基金三期最终带动的银行的贷款以及社会资金的这个投入我觉得已经可以在一定程度上和全世界的这个半导体行业的 CAPEX 去做一个对比了所以说我觉得不需要对国内的芯片行业有太悲观的这个看法虽然说有很多偏周期体部或者说偏负面的一些关于芯片行业的一些新闻大家呢我觉得在

互联网端对芯片行业的讨论也比较多但是我觉得还是要用发展的眼光去看待咱们国产替代的市场或者说用发展的眼光去看待咱们追赶最先进的科技最先进芯片制程的步伐

芯片是决定大模型算力的一个很关键的一个环节对所以它有很多潜力可以挖掘但是我比较好奇的是因为 AI 也已经叠了好几代了那么针对大模型我们在芯片上会做哪些调整以及比如说在对接客户需求的时候又会有哪些变化我觉得林总可以用一些具体的案例跟我们聊一聊

其实这样的一个逻辑就是现在芯片是两极分化的看魏总也说了就是有部分其实挺抢手的因为用伟大的芯片像现在占国产的华为的芯片是非常抢手的然后具体到产业来说或者是我们具体到特定的行业像我们做的这种自动家电自动家具的解决方案来说为什么现在这一类的芯片卷得很厉害就是功能芯片我们现在卷得非常非常的厉害因为

因为很简单它很同质化它非常之同质化就是都是那几个单元都是那几个功能所以你很难说逃脱价格的大家都知道嘛就是如果这个市场有两家以上的对手或者是参与者那肯定就是巨量的竞争了

然后麻烦的点在于我们之前的芯片行业或我们用的芯片坦白来讲从 IP 层面上从软件层面上就是从功能层面上它是几乎一样的几乎一样的所以呢我们会看到这轮 AR 大模型来了之后呢很多企业其实现在在讲 AOT 嘛

手机厂商也讲很多家电也讲对就他可能要把他的这杯做一次升级那这个升级的时候呢就更强调软件的作用了就是我们可以看到酷达的成功啊就英伟达的成功在英伟达之前其实我跟很多投资人聊过人家都说芯片行业是个西洋产业不可能了但其实英伟达走出了另外一条路其实没有酷达没有英伟达

它是一个先有软再有硬的这么过程同样反过来讲今天我们 AOT 整体的行业我们在端的变化有很多像我们今天很多智能硬件的交互从以前的手机 APP 要变成语音控制要变成比如说呃

人脸的一些感知之类的那肯定在本地就有一个很小的芯片里面去做很多的功能或 AI 的算法你看现在我们很多的空调就是以前把智能音箱那些能力搬到空调里面去搬进去之后呢以前这种音箱我们可都是用通用的大芯片去做这些通用的大芯片放到智能家居里面可能就不大适合

你需要去 design 一个合适的功耗 design 一个合适的面积 design 一个合适的算法放进去那这个时候呢你就有个机会就软硬协同以前呢芯片公司可能就是算法归算法芯片归芯片工程归工程三方的但 AOT 时代它会看得到很多的产业很多的头部的企业更愿意去选择这种

有算法有芯片有解决方案的公司为什么就跟云端现在大模型一样为什么选英伟大因为有酷的其实端也一样就是你要把这些能力全部 join 到这里你付出的成本如果基建都是你付出这成本太高了但如果我选择一个说的东西都集成好的这么一个体系我可以 focus 在我的业务所以这个是一个变化而且这也是能够让

之前这一堆我们知道的功能芯片往下一个时代去走的可能一个方向在投资段大家就是我们在投这种科技企业的时候就像刚才林总所说的大家会经常区分叫这是软件公司那个是硬件公司但是呢大家目前去看整个世界当中非常成功的这些科技企业你会发现

它几乎都是这种软硬结合的这个方式大家会发现诶苹果在 21 年也开始自己做芯片而且它这个芯片和自己的软件系统的这个结合在用户的层面去操作的话感觉非常的丝滑或者说给你的体验和单纯做一个硬件这样的体验对对对有很大的区别给你举个例子啊就像英伟大有酷的对吧谭逗落地我们还有个例子就是几天那时间疫情的时候办公会议不都很火吗嗯

那头部的很多这种会做那会一包嗯如果你的芯片你的 AI 基础不能让开发者很方便的把他们想要的算法移植进去就当时成立的时候我们这家公司成立的时候为什么这么做就芯片是算力层面上的嗯算力调度层面上是另外一个维度这个年代其实如果只是单单的提供了算力嗯你没有在算力之上去构建一层调度或一层软件其实很难做出竞争力软件能够构建生态然后生态就有壁垒对

除了我们刚才聊的 AI 手机,AI PC 之外,其实机器人也是很重要的一个大模型下游的应用场景,那么想跟二位聊一下,二位怎么看这样的一个新的场景,大模型具体会怎样在这个场景应用,以及我们有怎样的优势呢?

说到机器人呢我觉得人工智能的下游的应用我觉得它和我们平常所说的手机电脑或者说一些 APP 它有一个巨大的不一样那么现在咱们所用的做了 AI 家的这种应用之后呢它可能是一定程度上面提升了你工作的效率之前我需要三个小时要做的活现在

可能 50 分钟半个小时就做好了但是呢 AI 的这些 APP 还暂时没有办法去帮你生产任何实物的商品在物理世界当中还没有办法去帮你生产去帮你运输但是呢机器人的出现尤其是人型机器人的出现会让 AI 从数字端

落地到物理端有一个这样的说法就是说第一个掌握人心机器人的国家它的制造业水平将迅速地达到世界第一你用人心机器人去制造任何商品你会发现你的机器人它不需要休息几乎不需要休息

24 小时工作只需要充电就可以了而且呢机器人也可以自己制造机器人当然这是咱们比较远的一个这样的展望了这是大家对机器人这个行业或者人心机器人行业比较关注的一个很底层的一个原因也是这一轮 AI 或者说大模型的出现大家又对这个行业产生了不一样的预期的一个核心的一个逻辑吧

另外一端呢就是因为 AI 所带来的技术的发展所带来的人行机器人它的可应用场景的这个拓展那么人行机器人大家预期就是它的这个销量会像汽车一样达到一个很大的规模而且呢人行机器人的价格未来会下降到两万美金以下也就是十五六万的样子

那这个价格呢刚好和咱们国内的消费者平均买一台车的价格一样所以说人行机器人它的可使用的场景是远大于这个汽车的在这一点上面人行机器人未来可以应用的场景

不仅仅在家庭端包括工厂端都可以有很多这种应用的场景所以说这一块的市场整个产业界包括投资界然后对它的预期的期望是很高的尤其是到了现在 AI 的大模型然后有这样跳跃式的发展之后呢那也我觉得推进了它的未来的发展的这个速度

你总是怎么看可能要泼点烧水要点冷水啊就是说它是这么一个逻辑啊就是说为什么这一轮机器人热在我看来它是这个逻辑就是大模型局解决了虚拟脑的事什么叫虚拟脑就刚刚王先生问我说那个上一代像之前有智能音箱有智能空调跟这一代有什么不同对脑子不同嗯嗯

以前叫做功能驱动就你说一句话他想一直说不信你回家你问你的小爱同学一定是这样的你跟他说其他问题单轮对话或者是说他没有思考但大模型恰恰是他是具备一定的思考能力或是模拟这种思考能力的嗯

意味着就是虚拟脑开始可以构建了你可以给它很多的工具让它去做这种思考这也就是说现在为什么大模型在各种智能硬件大家一定要去尝试的一个原因就是它在于这脑袋它这个角色的存在了以前它叫做功能驱动没有说你打开空调它直接就打开空调你现在可以跟它说我好热

他会给你 feedback 这种是思维的不一样它是一个角色的存在了机器人的脑子或者是所有的政治意见都会在这一轮受益的就是这个脑子它是有推理能力的它是有思考能力的甚至说我们定义它都是定义角色这么一个逻辑去定义它这个

因为还是那句话

当你的这个驱动者是用脑子的时候一直在说用脑子的时候你可以做的东西就完全不一样了举个可能你们没关注的例子不要那么冷门 2B 的机械币如果我们去住三角去看很多机械币的企业

制造业你去看你会发现机器人的落地是非常难的因为每条产线调这个机器人的周期都特别的长但如果他今天还没做到但有人在尝试如果这个脑子能够把一些简单的话转成他这个机械币意味着很多产线的适配就会很快

像机器人的麻烦点就是说得难听一点的就是个悖论机械币需要工程师工程师不会去制造业工资太低了去产线调整机械币的工资太低了地道根本招不了好的工程师恶性循环了所以意味着你只能高端产线用这些的低端产线根本没法搞

但是有脑子之后意味着你就可以用一些简单的自然语言简单的诉求让它生成控制的指令然后人去确定今天其实是这么一个突破机器人感觉会有这么一个领域的一个发生大家会觉得这个东西是有个期望的但短期来讲其实这个逻辑套用在任何传统的真正硬件它都是成立的所以这个是我觉得它是底层驱动的一个逻辑

我理解您的意思是说就是需要这样一个大脑但是是不是需要一个人形的就巨声机器人可能不一定四处场景都有必要肯定我们未来是要做这个方向的因为人形机器人带来的价值肯定是巨大的但是呢这个肯定是有个过程是的肯定的

现在呢很多企业然后他们去做人型机器人其实当然他们就最终的目的啊可能是替代比如说替代人的一些工作啊因为我们整个世界的构造其实是依据于人的需求和人的这个身体来构造的比如说你门的大小

或者你的台阶甚至包括汽车所有的工具都是照着手和人的这种形体去造的很多现在公司让他们去做人形机器人的一个核心的出发点是两个第一个呢就是这个人形机器人落地就是最终形态它可以无缝的衔接人类社会所制造的这些工具和这些所有的这些已经生产出来的商品

第二个呢人型机器人的研制的出发点是来自于大家更愿意接受是一个人形而存在当然这个最终不一定是以人形就其实跟自动驾驶是一样的我们汽车取代马车不是我们做了一个新的马车我们现在自动驾驶也不是搞了个司机去放在那但是人型机器人这个事它这个方向肯定对的但不一定最后造出来真的是像人对就不一定是巨声的机器人但是它肯定是有一个

聪明的脑子去控制它的四肢对对对它的四肢是能够被编成的嗯这是很重要的这就是关于机器人这个定义我们怎么去定义它对嗯嗯嗯它的核心就是脑子只不过呢它就是脑子加了你运动的最终的这些零所以现在这一块的创业好事业也罢

你做这些功能我觉得是有意义的因为现在我们多机都没突破那在这个人性机制上上疯狂去投钱砸资源最后可能你一些多机或者是一些基础的技术会突破就如人工智能在 OpenAI 全 GBT 没出来之前大家觉得 N2P 是最难的

好现在发现 NOP 是最简单的 NOP 是最简单的嗯 OK 是这样的是这样的就是这个逻辑而且其实大模型它是很适合虚拟世界的这个技术但是当它介入物理世界的时候它大模型一定需要介入物理世界嗯

因为很简单我们互联网的革命得益于一个技术叫做 AJAX 就是你点一个 button 可以到云端换一段代码去你的网页执行这催生了 Facebook 催生了 Twitter 我们移动互联网是云端回来去做那大模型今天有一个新的技术

大门型能产生代码但我接下来不解释你可能就是他可能就是个程序员工具对吧他可能是体育但不是大家知道产生代码的意思是啥吗本质它可以驱动它想驱动执行的任务做决策本质上的是你是一句话可以翻译成代码去 control 它要的一切功能就是自然语言去 control

对就举个简单的例子我想知道昨晚欧洲被预选帅的情况他只要能够知道他怎么去调用输出引擎他就能自己去调他就能理解这个事是可以通过 code 去产生的他一定是要呼唤机器人的出现的因为他有这个能力他一定是要机器人出现让他能够 control 机器人去完成他要完成的事

完成物理世界的一些事情对明白明白但当然现在还处于一个初期整个产业还是对而且包括成本啦技术上一些平衡对现在还处于一个初期

林总就是从产业界的角度然后您怎么看待就是整个和 AI 相关的这些公司的增长和未来产业的投资机会因为我们这边更多的是从二级市场的上市公司的角度然后去看这些企业的投资机会也想跟您请教一下从产业端你们是去从怎么样不一样的角度更新颖的这种看法去看待这一轮的这个 AI 浪潮的投资机会呢

这很好问题啊那因为我本人也知道刚才说其实我关注投资比较少那在我看来就在说产业的发展吧就第一个来说我觉得强子恒强这个时代是肯定的一个主旋律嘛在中国肯定是这么个逻辑所以如果他这个产业规模本来就在那然后他如果这个产业的规模产业的模式通过应该能够改造的效率更高那他肯定会带来更好的效益但我说的是效率更高而不是说就像刚刚说我其实我的观点是

不包括那种说提人这种我觉得这不是提升效率而是放大就能够放大多少倍第二种呢就是比较的像刚刚说的不确定的事了接下来有没有一些应用的爆发有没有一些上线的爆发这个其实挺难讲的有可能明天就有有可能得很久就跟抖音没出来之前短视频我们都不知道是怎么一回事

GPT 没出来之前我们都很难知道说大模型是怎么回事所以这个东西其实是需要打个问号的但是这个东西肯定是存在的因为毕竟底座已经到这了对所以我觉得就分开来看就看看大家是怎么选择是强子横墙的路线还是说选爆发的路线我觉得都有机会是就是我们在 A 股的投资端然后大家去面对未来的不确定的过程当中因为投资永远是

他不参与到企业的平常的这种运营当中大家永远考虑的问题是收益和风险的一个对比刚才我说了从业绩和这个用户规模上面其实区分了两种不同的估值方式其实从风险端呢其实也可以区分成两种我觉得不同的赛道第一种呢就是风险相对来说比较

就是它的格局已经清晰了唯一不知道的是它到底最终挣多少钱放大多少倍对放大多少倍这种是一种投资的一个角度还有一种呢是我知道一定会出现但我不知道是谁比如说应用端就是这样的风险我知道最终

会有比如说一群猎物从这个草原当中经过但我不知道它什么时候经过所以说我只能在这个地方等待它们的出现所以说很多的投资机会最终分成这两种不同的风险的表现形式但是呢虽然说这两个是风险但是它底下有个确定性那个确定性就是 AI 时代已经到来了它这个时代的到来就代表着很多产业最终它和 AI 的结合会提升它的生产效率

有个朋友最近给我一个例子就是以前我们想做一个收入很大的一个企业很难但是在海外其实现在已经在爆发了像 Majority 才几个人他的每年的收益是多少但有可能别人将会顶付他但不意味着他现在特别的差他财务情况就挺好的我十分看好这个逻辑的一定会出现的因为这个时代到了对在那个使用 AI 工具的这个过程当中

我发现也有很有意思的一点我们现在很多人把那个 AI 叫做提示词工具对吧你要给 AI 输入正确的提示词它才可以给你返回你真正想要的那个结果而提问题的能力或者说提出正确的提示词的能力拥有这个能力的人还是占少数的因为一个好问题其实它已经指向了一个正确的结果的方向不一定马上得到结果但 AI 的出现让好问题迅速就会有好结果

或者说正确的这个结果可能有以前有很多很聪明的人他没有工具去创作音乐他没有工具去创造电影他没有工具去创造程序对那这个年代都有了其实是空间的过程简化了可能就是有很多天才冒好的天才会大规模爆发嗯

因为人在很多领域都是有天赋的我看过一个不会弹钢琴的人他搞的旋律很厉害但他只能通过吹口哨的方式表现出来那可能这种人就在 AI 的情况下他可能会成为一个音乐家所以我觉得可能会到了一个万天才爆发的年代这个说不定这是个好事我觉得

就是 AI 的工具让这些天才然后突破了之前的界限之前我们定义的天才其实是很窄的对对对 AI 的技术可能让我们的天才扩了非常的大

好的感谢两位老师今天的分享帮我们展现了很多 AI 产业内部和投资内部的一些真实样貌因为在产业刚刚发展的前期阶段肯定是充满了伪概念和真机会我们需要去冷静的鉴别所以十分感谢两位老师今天的分享也感谢听众朋友们的收听我们下期再见再见好再见

基金有风险 投资需谨慎以上内容仅供参考不预示未来表现也不作为任何投资建议其中的观点和预测仅代表当时观点今后可能发生改变未经同意请勿引用或转载外部嘉宾发言仅能代表其个人意见中欧基金不能保证外部嘉宾发言内容的准确性与完整性也不承担外部嘉宾发言内容以及相关转载转发所引起的任何损失及责任