美股財報季凸顯AI崛起，聚焦人工智能產(chǎn)業(yè)發(fā)展

　　來源：易方達(dá)基金

　　隨著AI浪潮席卷全球，正重塑著千行百業(yè)的產(chǎn)品形態(tài)和商業(yè)模式。當(dāng)前，一些AI應(yīng)用已為實際場景中的工作提升了效率，引發(fā)海內(nèi)外資本市場的高度關(guān)注。

　　人工智能產(chǎn)業(yè)鏈長且環(huán)節(jié)眾多，圍繞其布局的各類指數(shù)在產(chǎn)業(yè)環(huán)節(jié)側(cè)重上亦各具特色。例如，中證人工智能主題指數(shù)聚焦各細(xì)分領(lǐng)域龍頭，賽道分布相對均勻；中證云計算與大數(shù)據(jù)主題指數(shù)聚焦先受益的算力和成長空間較大的應(yīng)用；中證軟件服務(wù)指數(shù)聚焦人工智能軟件供應(yīng)商，相較云計算更偏下游應(yīng)用；國證機器人產(chǎn)業(yè)指數(shù)聚焦前景廣闊的AI終端，主要涉及各類應(yīng)用軟件和智能硬件。

　　目前，市場上有人工智能ETF(159819)、云計算ETF(516510)、軟件30ETF(562930)、機器人100ETF(159530)等產(chǎn)品跟蹤上述指數(shù)。

　　圖：人工智能相關(guān)指數(shù)及跟蹤指數(shù)的ETF產(chǎn)品

　　AI浪潮洶涌，全球科技公司爭相布局探索新機遇

　　2022年末，ChatGPT的發(fā)布意味著人工智能具備了通用能力，有望賦能千行百業(yè)。經(jīng)過一年多的探索，越來越多人認(rèn)同AI將大大提升全社會的生產(chǎn)效率，全球各行業(yè)的公司也開始探索AI如何賦能自身業(yè)務(wù)發(fā)展。

　　以美股為例，AI在財報中被提及的次數(shù)顯著上升。據(jù)統(tǒng)計，2023年第四季度，36%的標(biāo)普500指數(shù)成份公司在財報電話會中提及了AI，這一比例大幅高于2018-2022年10%-15%的水平，相比前一季度也提高了5個百分點。

　　圖：標(biāo)普500成份股在最新財報會中提及AI的比例飆升

　　數(shù)據(jù)來源：Goldman Sachs

　　在科技領(lǐng)域內(nèi)，AI被全球投資者高度關(guān)注，海外科技硬件公司的估值與AI業(yè)務(wù)發(fā)展情況整體呈現(xiàn)出正相關(guān)的關(guān)系。根據(jù)Morgan Stanley統(tǒng)計，海外科技硬件公司2025年P(guān)E估值與其AI收入占比呈明顯正相關(guān)，一定程度上反映出海外科技投資人看好AI對相關(guān)公司成長性的帶動，從而對趕上AI“快車”的公司給予明顯的估值溢價。

　　圖：海外科技股估值與AI收入占比呈正相關(guān)

　　數(shù)據(jù)來源：Morgan Stanley

　　海外AI應(yīng)用助力效率提升，國內(nèi)有望迎頭趕上

　　當(dāng)前，AI已深入專業(yè)領(lǐng)域，可以通過信息檢索分析、內(nèi)容自動生成、輔助創(chuàng)意設(shè)計等多種方式提高工作效率。例如在編程領(lǐng)域，根據(jù)麥肯錫研究，除了高度復(fù)雜的場景外，AI能夠在各類任務(wù)中節(jié)省20%-50%的時間，大幅提升程序員的工作效率。

　　圖：AI明顯提升編程效率

　　數(shù)據(jù)來源：McKinsey & Company

　　國內(nèi)AI應(yīng)用發(fā)展目前仍處于早期階段，但隨著底層模型能力的持續(xù)提升，2023年9月以來，文心一言、通義千問、訊飛星火等多款A(yù)I應(yīng)用的訪問量取得明顯增長，國內(nèi)AI應(yīng)用廠商將獲得更多高質(zhì)量的用戶反饋數(shù)據(jù)，進(jìn)而加速產(chǎn)品升級迭代。飛輪效應(yīng)逐步開啟后，預(yù)計國內(nèi)AI應(yīng)用也將進(jìn)入專業(yè)領(lǐng)域，進(jìn)一步提升生產(chǎn)效率。

　　AI終端創(chuàng)新不斷，機器人與智能駕駛等新品引關(guān)注

　　除軟件應(yīng)用外，AI終端的發(fā)展也備受期待。AI終端的核心理念是通過攝像頭等傳感器拓展AI感知的邊界，通過機械臂等執(zhí)行器提升AI執(zhí)行任務(wù)的能力，最終實現(xiàn)AI與現(xiàn)實世界的緊密互動。

　　在所有AI終端中，人形機器人和智能駕駛的前景受到廣泛關(guān)注。人形機器人的背后是大量AI感知、決策和控制算法。大模型的出現(xiàn)將加快機器人學(xué)習(xí)人類行為的速度，目前已有人形機器人基本實現(xiàn)行走、搬運物體等基礎(chǔ)功能。

　　智能駕駛同樣依賴于AI對行車環(huán)境的感知和駕駛決策的制定。通過學(xué)習(xí)人類駕駛行為數(shù)據(jù)，大模型做出的決策將更像人類司機，且有望在邊緣場景中也能做出正確的決策。隨著智能汽車的決策效率不斷提升，復(fù)刻過去三年電動化汽車滲透率快速增長的歷程，智能駕駛或?qū)泶罅慨a(chǎn)業(yè)鏈投資機會。