大模型驱动人工智能进入新发展时代 [page::4][page::5][page::6]

• 人工智能经历三次浪潮：初期瓶颈、专家系统兴起以及深度学习驱动的高速发展。

- 大模型的关键突破体现在模型结构（迁移学习、Attention机制）和指数级增长的参数量。

• 硬件算力提升（如NVIDIA A100 GPU）和丰富的数据成为大模型发展催化剂。

多模态大模型技术及应用框架 [page::7][page::8]

• 多模态大模型具备处理文本、图像、音频等多种信息输入能力，支持语义理解和内容创作。

- 技术涵盖AI内容孪生、内容编辑和创作能力，广泛适用于多个行业和场景。

大模型行业爆款应用案例 [page::10][page::11][page::12]

• 办公软件领域，微软将GPT模型集成至Office套件，实现文本自动生成与格式校对，提升办公效率。

- 智能驾驶依托大模型多模态感知技术，提升自动驾驶视觉识别和复杂语义理解能力。

• 个性化教育实现因材施教，改善智能软硬件与学生交互，提升教育教学效果。

- 互联网金融领域利用多模态大模型优化投研分析、风险预警与智能投顾服务。

中证人工智能主题指数成分结构与表现 [page::13][page::14][page::15]

| 市值区间 | 成分股数量 | 权重占比 |
|------------|------------|---------|
| 1000亿以上 | 5 | 28% |
| 500亿-1000亿| 6 | 27% |
| 100亿-500亿 | 33 | 45% |

| 证券名称 | 权重 | 行业 | 总市值(亿元) | PE(TTM) | PB | ROE(%) | 2年净利润增速(%) |
|------------|---------|----------------|--------------|---------|------|--------|------------------|
| 海康威视 | 10.15% | 电子产品 | 4007.76 | 31.24 | 6.34 | 25.93 | 7.51 |
| 科大讯飞 | 7.62% | 软件 | 1197.55 | 95.96 | 7.52 | 8.35 | 28.54 |
| 韦尔股份 | 5.18% | 半导体 | 1033.28 | 33.26 | 5.32 | 23.21 | 8.15 |
| 紫光股份 | 4.31% | 通信设备 | 840.29 | 38.44 | 2.68 | 7.12 | 18.77 |
| 用友网络 | 4.07% | 软件 | 831.91 | 2013.53 | 7.62 | 2.15 | 17.16 |

中证人工智能指数及华夏ETF业绩表现亮眼，存在估值低估 [page::15][page::16][page::17]

• 自2013年3月以来，中证人工智能主题指数累积收益约210.5%，远超同期沪深300的62.47%。

- 指数年化收益11.47%，年化超额收益达6.71%，表现韧性强。

• 当前估值PB低于同等成长指数所推算的合理区间，显示一定程度低估。

- 营收与净利润近年持续高增，2024年预估营收增速18.35%，净利润增速30.16%。

华夏中证人工智能ETF产品特征 [page::18]

| 条目 | 内容 |
|------------|----------------------------------------------|
| 基金全称 | 华夏中证人工智能主题交易型开放式指数证券投资基金 |
| 基金简称 | 华夏中证人工智能ETF |
| 基金代码 | 515070 |
| 上市日期 | 2019年12月24日 |
| 基金类型 | 股票型基金，被动指数型基金 |
| 业绩基准 | 中证人工智能主题指数收益率 |
| 投资目标 | 紧密跟踪标的指数，日均跟踪偏离度不超0.2%，年跟踪误差不超2% |

• 基金经理李俊拥有丰富指数基金管理经验，长期专注于被动指数管理。

量化金融专题报告详尽解读 — “业绩表现亮眼，人工智能步入新发展时代”

---

1. 元数据与报告概览

• 报告标题：量化金融丨专题报告——业绩表现亮眼，人工智能步入新发展时代

- 发布机构：长江证券研究所

• 报告发布时间：未具体标注，报告数据截至2023年3月22日

- 主题：人工智能行业发展、相关指数表现及华夏中证人工智能ETF产品

• 分析师：邓越、邓元哲（配有照片信息）

- 核心论点：
- 人工智能进入新发展时代，特别是大模型技术带来的算法与计算力双重突破，开启AI通用时代。
- 中证人工智能主题指数自2013年3月以来表现优异，持续跑赢沪深300，且在目前市场环境下依然具备韧性和投资价值。
- 华夏中证人工智能ETF紧密跟踪该指数，力求实现跟踪偏离度和误差最小化，是投资此主题的有效工具。

• 投资建议：报告未给出明确评级，但强调指数与ETF具有较高投资价值，指数被市场一定程度低估，未来发展具备良好基本面支撑[page::0, 1, 15, 16]

---

2. 逐章深度解读

2.1 人工智能发展与大模型突破

• 人工智能三次发展浪潮：

- 第一次浪潮（1950-70年代）：概念提出，基础理论薄弱，应用受限。
- 第二次浪潮（1980-90年代）：专家系统推进应用落地，但受限于数据量和计算能力，再度陷入停滞。
- 第三次浪潮（2000年至今）：信息技术发展带来算力爆发，深度学习兴起，实现计算机视觉、语音和NLP的大幅突破，迎来商业化应用高峰。

• 技术驱动力：

- 算法创新（设计更智能的大脑）
- 更强算力（新型芯片、高性能计算）
- 海量数据（信息技术积累）

• 大模型的核心突破：

- 算法架构：引入Transformer架构，Attention机制，大幅提升模型对关键特征的识别与利用。
- 参数规模：参数量实现指数级增长，推动模型能力显著提升。
- 迁移学习：通过无标注的大规模预训练，搭配针对任务的微调，减少初期人工设计的特征工程，提升模型通用性。

• 算力、数据基础及产业布局：

- 以英伟达A100等硬件推动训练能力成倍提升。
- 信息技术和数字经济发展为人工智能产业提供数据和算力“双生态”基础。
- 国内外科技巨头（OpenAI、微软、阿里巴巴、百度等）争相投入大模型研发，标志着产业化进程加速。

• 多模态发展：

- 模型从纯文本（GPT、BERT）向结合语音、图片、视频等多模态数据扩展（如DALL-E），增强语义理解和环境感知能力，赋予AI更高泛化和交互能力。

• 总结：

该章节系统回顾了人工智能技术演进脉络，深入剖析大模型在算法与算力层面的关键创新，阐明当前人工智能大幅迈入通用智能阶段的逻辑基础[page::1, 4, 5, 6, 7, 8]

2.2 大模型的应用场景与产业化挑战

• 内容创作的三大能力：

1. 内容孪生能力：根据低质量数据增强生成高质量内容，如图像修复、音频恢复等。
2. 内容编辑能力：通过语义理解与属性控制，实现图像、文本的语义修改与个性化处理。
3. 内容创作能力：基于模仿和概念生成，完成旋律、文本、诗词等创新创作。

• 多行业应用视图（来自表1）：

- 娱乐领域：美妆、虚拟偶像、数字化身等
- 传媒领域：采访助手、写稿机器人、智能视频处理
- 影视制作：剧本生产、数字复活演员、影视内容修复
- 电商及教育：3D模型生成、个性化学习辅导
- 工业、医疗、金融等领域均有相应智能化场景

• 产业化挑战：

- 数据规模庞大且质量参差不齐
- 模型体积庞大，训练难度高
- 算力要求极高
- 训练成本高，推广需平衡成本与效益

• 爆款应用潜力领域：

- 办公软件：微软将大模型整合进Office套件，提升文档创作效率，国内WPS部分AI功能已上线（格式优化、图片生成等）。
- 智能驾驶：多模态数据符合智能驾驶需求，百度文心大模型、小鹏Transformer模型及毫末智行超算平台推动感知、识别能力显著扩容。
- 个性化教育：科大讯飞的智慧教育应用遇到教学交互瓶颈，大模型有望改善“最后一公里”问题，实现更好的人机互动。
- 互联网金融：资本市场由卖方转买方，财富管理需求增长，大模型提升投研、风险预警、智能投顾效能。

该章节强调了大模型从理论突破到产业应用的路径，明确指出大模型结合具体场景的商业化潜力，同时也不隐讳存在的技术和成本挑战[page::8, 9, 10, 11, 12]

2.3 中证人工智能主题指数详解

• 指数构成与编制规则：

- 选取沪深A股中人工智能相关基础资源、技术及应用支持领域的代表公司为样本股。
- 样本筛选标准：上市超过一季度或市值排名靠前，剔除ST、暂停上市股票，重视流动性（成交金额排名前80%）。
- 最大样本数为100只，当前成分股50只。

• 行业与市值分布：

- 行业权重集中在软件(23.26%)、半导体(19.13%)、信息技术(15.89%)、电子产品(14.78%)、计算机硬件(10.37%)，共计占比83.42%。
- 市值配置均衡：中小盘股数量多，但大盘股权重更大，市值500亿以上股票占56.28%，1000亿以上5只占28.04%权重，偏好行业龙头，体现价值属性。

• 指数成分股表现：

- 前十大成分股覆盖海康威视、科大讯飞、韦尔股份等龙头企业，总市值约10804亿元，占指数权重47.53%。
- 加权平均ROE为13.65%，预期未来两年净利润增长率23.94%，综合盈利能力和成长弹性强。

• 指数表现：

- 自2013年3月以来，指数累计收益210.50%，年化11.47%，明显跑赢同期沪深300的62.47%累计收益和4.76%年化收益。
- 在市场弱势阶段表现依旧稳健，近期年初至今累计收益30.42%，远超沪深300年初仅3.3%收益。

• 相对估值与低估判断：

- 基于PB与预期净利润增长关系模型，中证人工智能指数当前PB低于5倍，但基于约38%的成长预期，其合理PB应高于5，显示一定程度低估。

• 基本面预测：

- 营业收入预计2023至2024年保持约18.35%的高速增长。
- 净利润预计2023年逐步扭亏为盈，2024年增速高达30.16%。

该章节详细介绍了指数的构建逻辑、行业布局、市值分布和主要成分，同时辅以丰富的收益和估值数据，展现了指数的长期超额收益能力及未来增长前景[page::13,14,15,16,17]

2.4 华夏中证人工智能ETF产品介绍

• 基金基本情况：

- 基金简称：华夏中证人工智能ETF
- 基金代码：515070
- 上市时间：2019年12月24日
- 基金类型：股票型，被动指数型基金
- 业绩基准：中证人工智能主题指数收益率
- 投资目标：紧密跟踪标的指数，日均跟踪偏离度绝对值不超过0.2%，年跟踪误差不超过2%

• 基金管理团队：

- 基金经理李俊，具备法学与工商管理双硕士学位，丰富指数基金管理经验，担任多只主题ETF基金经理超过数年。

• 华夏基金背景：

- 成立于1998年，是国内首批综合性基金管理机构之一，管理资产规模超1.7万亿，客户覆盖个人及机构。

该ETF以紧密复制中证人工智能主题指数作为核心目标，管理团队经验丰富，机构背景雄厚，适合看好人工智能主题长期潜力的投资者配置[page::18]

2.5 风险因素评估

• 行业与政策变动风险：

- 行业基本面或相关政策发生重大且无法预测的变化，可能导致目前基于现有信息做出的投资判断失效。

• 量化测算局限：

- 根据历史数据进行的量化模拟测算无法确保未来收益，存在概率事件不一定发生的可能，投资风险仍需警惕。

报告提醒投资者充分识别行业与政策不确定性风险及量化模拟收益的局限性。这种风险释放可能对人工智能主题指数及相关ETF带来波动[page::19]

---

3. 图表深度解读

3.1 人工智能发展三次浪潮（图1）

• 描述了1950至今人工智能发展经历的准备期、停滞期、复兴及高速发展期三个阶段。重点强调2000年后信息技术推动的第三次浪潮，人工智能进入快速发展期，技术突破和产业应用明显。

- 图表直观展示了不同时期关键事件（如达特茅斯会议、深度学习突破、AlphaGo胜利）对技术曲线的影响，呼应正文对三次浪潮的技术驱动说明。

3.2 参数量增长曲线（图2、6）

• 图2显示Transformer模型之前，多数AI模型的计算需求增长平缓，没有显著扩大参数规模。

- 图6展示自Transformer发布后参数量呈指数级递增，多模态大模型等代表——如GPT系列、Chinchilla等迅速扩充模型规模。

• 此趋势强化算法突破和算力提升共同驱动大模型能力跃升的论点。

3.3 算法架构（图3-5）

• 图3对比机器学习和深度学习，突出深度学习网络复杂性及隐层带来的非线性幅度增长。

- 图4阐释迁移学习中预训练+微调机制，强调无监督大规模预训练带来的普适性提升。

• 图5着重展示Attention机制架构，有助理解大模型如何确定不同输入关系权重。

3.4 多模态示例（图9）

• 以DALL-E2编辑图片为例，显示文本指令“在画中添加柯基”的智能内容编辑，彰显模型跨模态理解和生成能力。

3.5 应用实例（图12-16）

• 微软Office整合GPT等AI模型，说明大模型办公场景的明确商业价值。

- 百度文心及毫末超算平台，反映智能驾驶领域多模态感知和大规模计算需求。

• WPS集成功能（图13-14）体现国内办公软件AI化趋势，强调先行者应用优势。

- 科大讯飞个性化学习手册细节（图17），展示教育智能化的实际应用路径。

3.6 指数行业和市值分布（图21-23）

• 行业分布饼图明确软件与半导体主导指数权重，反映底层与应用端兼备。

- 市值结构柱状图揭示中小盘股数量多但权重大盘股，表明指数整体风险与成长兼顾。

3.7 收益与估值表现（图24-27）

• 净值走势（图24）显示人工智能指数长期跑赢沪深300，且避免了市场的深度下跌。

- 近期收益表（表3）突显指数年初至今和过去三月表现亮眼。

• PB估值与成长散点图（图25）和对应回归线验证了指数当前被市场低估的结论。

- 营收和净利润增速柱状图（图26-27）预测未来两年指数成分公司收入和利润均持续高速增长。

---

4. 估值分析

• 估值方法：报告侧重基于PB（市净率）与一致预期净利润增速的回归模型进行估值判断。

- 关键输入：指数当前PB水平、主流指数样本的PB与净利润增速关系、指数预期净利润增速（38%）等。

• 结论：当前PB低于5倍，而基于2023-24年增长预期合理估值应在5倍以上，暗示一定低估，存在估值修复空间。

- 盈利预测：
- 采用历史业绩与一致预期数据，预计2023-24年指数营业收入及净利润将保持18%-30%的高速增长，支撑估值合理性。

• 敏感性分析未显式展开，但PB-增长关系提供隐性估值弹性分析基础。

---

5. 风险因素评估

• 行业与政策变化风险：

- 行业基础面和政策环境可能出现超出预期的变化，导致当前分析判断失效。

• 量化模拟测算风险：

- 模拟历史概率无法确保收益实现，存在实际发生与模拟预测偏差。

• 缓释措施：报告未详述，但提示投资者关注行业政策动态及模拟模型局限，隐含建议风险管理。

---

6. 批判性视角与细微差别

• 积极偏向明显：

- 研报整体基调较为正面，强调人工智能指数的韧性与成长潜力。
- 对AI发展机遇和大模型应用的积极描述可能淡化了技术迭代不确定性和监管风险。

• 数据局限：

- 估值分析主要基于PB/G回归模型，存在模型简化假设，未纳入宏观经济波动、市场情绪、估值溢价等因素。

• 风险描述较为笼统：

- 仅点明两大风险，未充分细化与行业特性相关的技术、伦理、数据隐私等风险维度。

• 细致度不足：

- 大模型应用“爆款”潜力判断基于基本公共逻辑，较少量化测算和案例数据支持。

• 内部结构一致：

- 报告各部分逻辑连贯，图表与文字相辅相成，较好展现主题索引建设、市场表现及相关基金特点。

---

7. 结论综合

本报告全面系统地分析了人工智能进入大模型时代的技术背景、产业应用及资本市场表现，重点聚焦于中证人工智能主题指数及其代表ETF产品。技术层面，报告强调了大模型以Transformer为核心架构，通过迁移学习和Attention机制带来的算法根本性变革，辅以算力提升和多模态融合，推动AI进入通用智能阶段。应用层面明确指出大模型赋能办公软件、智能驾驶、个性化教育和互联网金融四大爆款潜力方向，同时剖析产业化面临的高成本和算力要求挑战。

指数层面展现了如软件、半导体为核心的行业权重配置及大盘龙头价值属性，突出指数50只成分股结构优良、盈利能动性强。报告通过长期收益率、多期限收益对比及PB与增长回归模型，确认了指数自2013年以来稳定跑赢市场，且当前存在合理估值低估。基本面预测显示未来1-2年指数成分营业收入和净利润将保持18%-30%的高速增长，为资本市场表现提供重要支撑。

华夏中证人工智能ETF作为该主题指数的代表性被动基金，追求精准跟踪，资金管理团队经验丰富，具备良好机构背书。同时报告也明确指出行业政策与基本面可能突发变化以及量化模拟的不确定性，为投资风险提供了提醒。

整体上，该报告不仅对人工智能行业技术变革进行深入解读，而且结合市场数据与指数构建，客观反映了主题投资现状与前景，具有较高的研究价值和指导意义。投资者应关注报告展示的成长机遇，同时注意潜在监管和市场风险，合理安排配置比例。

---

附：关键图表示例展示

图 1：人工智能发展三次浪潮

图 6：Transformer 发布后，模型参数量指数级上升

图 21：中证人工智能主题指数成分股行业分布（截至 2023.3.22）

图 24：指数与沪深 300 单位净值走势（截至 2023.3.22）

图 25：相对同等成长性的指数，指数PB 仍有一定程度低估（截至2023.3.22）

---

[page::0,1,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18,19]

报告