AI趋势下的配置方向：GPT-4时代的认知颠覆与投资机会

2022年3月15日，OpenAI的又一里程碑产品GPT-4发布，随后百度的文心一言和Office Copilot产品陆续成为市场热点。相较于GPT-3.5，GPT-4更强大、更聪明、更全面，也更加具备商业化潜质。GPT-4在图像理解、文字输入限制、回答准确性、创作能力、幻觉问题控制和安全防护六个方面能力有明显提升。 GPT-4为代表的生成式AI属于教科书级别的生产力，应用潜力巨大。 （1）头部企业关注度非常高；（2）潜在需求大；（3）出现某些技术奇异点特征。从产业机会来看，AI技术进步实质上将社会资源相对价值重构。a）AI技术能够替代的资源，原本的人力和资本的相对价值降低，相关产业“毁灭性创造”，整体产业估值先下后上，企业适者生存；b）AI技术难以替代的资源，自身受到影响不大，但是由于全社会效率提高，因此被动估值小幅提升；c）AI技术产生的新需求，抢占布局先机者占优，其中既包括人力资本也包括金融资本估值都将获得大幅提升，具备较大投资机会。关注AI新需求下的配置机会，包括算力、算法、信息安全和认知赋能等产业；关注AI革命下的难替代行业的配置机会，包括实物资产、能源等。 从职业发展机会来看，判断未来可能沿着三条逻辑路径不断形成各类新职业机会。（1）模型训练专家，将GPT功能用到极致的人。该类职业的特点是针对特定的AI应用功能对GPT产品进行反复的培育驯化，从而提升包装后产品功能的解决能力。例如，电商体系下的淘宝商家，移动互联网时代的微商、自媒体平台等。（2）提问专家，做自己的产品经理。“提出正确的问题比解决问题更重要”，这句话在AI时代可能会变得更加正确。具备思维独特性和强认知能力的个人，将通过AI获得更大的赋能。（3）问题解构专家，做头部机构的项目经理。GPT时代由于大量标准化流程被机器替代，因此对问题分解能力的需求量大增。未来评判员工能力强弱的标准，将更多的侧重于将复杂问题清晰的拆分为若干子问题（AI可解决和AI不可解决）的能力。 风险因素：技术进步路径存在较大不确定性 1.GPT-4发布影响深远，技术奇点出现概率上升 2022年3月15日，距离GPT-3.5发布不到4个月，OpenAI的又一里程碑产品GPT-4发布，随后百度的文心一言和OfficeCopilot产品陆续成为市场热点。相较于GPT-3.5，GPT-4更强大、更聪明、更全面，也更加具备商业化潜质，未来商业化成为现象级产品的概率大增。新版本的通用预训练转换器（GenerativePre-training Transformer，GPT）在以下六个方面具备惊艳能力： 1.支持图像理解。OpenAI展示的例子中，GPT-4具备序列图片解读和推力能力，甚至包括梗图（meme）解读能力。俗话说“一图胜千言”，图像语言具备抽象性，复杂问题图像化是人类的本能；在展望复杂的逻辑关系时，图像可读性也更佳。GPT-4没有披露解图能力的原理，但是图像认知能力尤其值得重视。从目前案例中展示的逻辑推理（deductivereasoning）能力（或者说推理模仿能力）蕴含着巨大发展机会。在这一过程中识别人类与AI的推理能力差异，将成为把握下一个风口关键。 2.文字输入限制提升。目前版本提升至2.5万个英语单词。处理文字篇幅上升意味着问题复杂度指数上升，应用落地场景大幅扩展。考虑到未来产品迭代速度，文字类应用或很快与咨询、法律、情报等领域。 3.回答准确性显著提高。GPT专业度在问题解决型场景中是一个必要条件。但在一个非特定对话中对几乎所有话题保持专业度，避免“人工弱智”具有较大难度，GPT使用的多模态大模型似乎探索出一条正确道路。 4.创作能力进一步提升。GPT-4具备生成歌词、创意文本的初步能力。 GPT-4以及后续迭代产品的创造能力高低，既具备颠覆性商业价值的，又同时是一个悖论。假设AI的创造力为大众欢迎，在边际成本很低的假设下，GPT-4生产内容或将爆炸性增长，人的有限时间与无限内容之间的矛盾不可调和，“娱乐至死”极致化。但是，由于GPT是基于现有文本训练，其创造性按照逻辑需要某个“开关”打开，因此未来创造性模式有可能是：（1）“开关”是复杂流程或者资金支持，头部机构/独具能力的一小撮人垄断，赢者通吃；（2）“开关”不存在，GPT创作同质化，虽然具备一般性替代作用，但不具备投资意义上的超额回报。 5.幻觉问题（“hallucination problem”）得到改善。OpenAI宣称，由于GPT算法的核心是NLP、深度学习和神经网络而不是记忆存储，因此会偶尔养成言之凿凿“说胡话”的毛病，这实际上反映的人类自身的一种本能。这次版本GPT-4通过设置奖惩函数培训模型进一步降低了幻觉问题。 6.安全防护。“拒绝不当请求”和“避免有害内容方面”表现相对GPT-3.5有明显提升。 图1：“好学生”GPT-4的综合考试能力相较于GPT-3.5有大幅提升 OpenAI的进一步测试显示，GPT-4的标准化考试结果不仅相较于GPT-3.5在多项考试中成绩大幅提升，而且整体能力达到一个受过高等教育的标准。无论是大学入学考试、研究生考试或者是专业考试，GPT-4与人类相比也能够算得上优秀，排名在前20%左右。在不久的未来面临的潜在场景：toC端，通过付出一笔可接受的费用，获得一位全才专家辅佐我们的日常决策（co-pilot）；toB端在多个场景增效降本，企业流程可能会被广泛地重构和优化。OpenAIGPT的名字——通用“问题解决”转换器——或许在不久的将来会真正实现。 2.GPT-4下的投资格局推演 2.1.总体分析 GPT-4为代表的生成式AI属于教科书级别的生产力，应用潜力巨大。 作为实现通用人工智能的关键一步，GPT-4对生产生活影响面广，对于部分领域甚至有颠覆性影响。虽然人工智能热度迅速提升，但是大众在短时间内达到专家级认知的难度很大，深度理解NLP和多模态模型等等技术细节有较高的学习成本。那么如何从资产配置维度理解AI带来的投资机会？可以从弱者思维出发形成以下信息判断，并等待后续信号验证。 （1）头部企业关注度非常高。目前来看，几乎所有科技巨头都选择布局GPT相关技术研发或应用。可以看到，在ChatGPT发布之后，原本这一赛道涉及不多的科技企业对此都非常重视，大幅增加或者All-in的资本开支计划。从侧面说明该技术的商业化概率较高，这与前几年的元宇宙等技术有显著差异。机器人在感知、运动和认知三大功能方面，GPT所带来的认知功能提升超出市场预期。 （2）潜在需求大。虽然GPT3.5免费是引爆本轮大模型诱因，但是用户注册量增长速度前所未有也是不争事实。不仅仅在C端热度很高，B端的应用落地也可以比肩电脑和互联网的嵌入速度。虽然不可否认，多模态模型技术仍处于非常早期，Gartner认为Generated AI技术目前刚进入期望膨胀期。从GPT3.5至GPT4，资本市场给出的估值提升预计行业为10%左右，全市场在2-3%左右，生产力赋能（考虑未来收益贴现到当期）预计在1.05-1.1左右，按照资本市场十年贴现计算，我们认为目前市场预期GPT衍生技术应用落地可以提升企业盈利年化1%左右，宏观经济增速0.2个百分点。 图2：生成式AI处于期望膨胀期，预计未来5-10年达到技术成熟阶段 （3）出现某些技术奇异点特征。发达国家经验来看，技术按照每年1%-2%速度稳态进步是二战后的主要事实。但是在人口老龄化和资源紧张的当下，零和竞争思维抬头，去全球化思潮盛行。技术突破是资本市场冲动的源泉。目前阶段技术爆炸主要展望在人工智能和能源突破。GPT模型下，多模态大型语言模型（LLM）产生“涌现能力（Emergent Ability）”触发了我们对技术奇异点的期待。所谓“涌现能力”指的是当模型参数规模未能达到某个阈值时，模型不具备解决某类任务的能力，体现为其性能和随机选择答案效果相当；但是，当模型规模跨过阈值后，应对任务的能力将出现突变。模型规模是解锁新能力的关键。这种技术方面的描述非常符合我们对技术奇异点的理解，AI专家虽然给出了“涌现能力”几个可能解释，但是目前我们也不知道为何AI模型会产生包括“思维链”在内的涌现能力。 2.2.产业投资机会分析 ChatGPT与广义AI（认知功能，以及认知与感知、运动功能的结合）下，未来产业投资机会前景巨大。 与过去工业革命出现技术类似，AI技术进步实质上将社会资源相对价值重构。 a）AI技术能够替代的资源，原本的人力和资本的相对价值降低，相关产业“毁灭性创造”，整体产业估值先下后上，企业适者生存； b）AI技术难以替代的资源，自身受到影响不大，但是由于全社会效率提高，因此被动估值小幅提升； c）AI技术产生的新需求，如算力算法和内容安全等。抢占布局先机者占优，其中既包括人力资本也包括金融资本估值都将获得大幅提升，是具备最大投资机会的领域。 我们按照GPT属性，将产业投资机会从两个象限分成三类。 第一个象限是“可训练度”，也就是能否通过AI模型的训练，获得应对问题的相应能力。可训练度高的产业，受到的潜在影响相对较大；相反，可训练度低的产业，受到的潜在影响也就相对较小。 第二个象限是“可认知度”，也就是说人类认知的表达具象化能力。俗话说“道可道、非常道”也就是这个意思。无论智慧的简单或者复杂，能够方法论化的流程，受到AI替代的概率较高；相反，不能通过编程语言表达的方法论，或者方法论本身在不断变化的产业，受到AI替代的概率较小。 目前多模态大模型显示的一个重要特征是：GPT类产品在训练过程中，假如能够将问题的分析推理推导分解，那么训练出来的模型能力将会有显著提升。AI科学奖尚不清楚具体原来，但是逐渐提出AI思维链的概 OpenAI“Scaling Laws for Neural Language M odels”, 念。短期来看，认知分解或者逻辑推导难以被“方法论化”的产业，将形成AI需求革命下的新机会。图4中，我们具体展示了受到AI冲击、基本不受到AI影响和形成AI时代新机会的相关产业领域。总体而言，生产方法论和梳理认知的产业将会出现大幅扩张，有“固定套路”的产业在未来被AI替代的概率较高。而实物资产和人类本能需求的行业受到的影响不大，并伴随着科技进步，估值有小幅提升。 由于GPT的输入端是方法论/认知本身，因此对于人类而言将会是一场严峻的考验，马太效应预计进一步放大。从负面影响来看，OpenAICEO SamAltman特别提及“particularly worried that these models could be used for large-scale disinformation”。未来，信息安全与识别、智慧伪装和认知欺骗、行为操纵等与传播学相关的领域，或催生出新的细分产业。 图3：“可训练-可认知”维度下的AI产业影响分类 Chain of thought promptingelicits reasoning in large language models，2022年1月份。随后应用后模型的推理能力得到提升。 图4：认知分解难度排序后，在“可训练-可认知”维度下的具体产业影响 2.3.职业发展机会分析 对于未来职业发展趋势的判断是困难的，我们从GPT系列产品的解决方案提供能力进行推演，判断未来可能沿着三条逻辑路径出现新职业机会。 （1）模型训练专家，将GPT功能用到极致的人。该类职业的特点是针对特定的AI应用功能对GPT产品进行反复的培育驯化，从而提升包装后产品功能的解决能力。例如，电商体系下的淘宝商家，移动互联网时代的微商、自媒体平台等。预计在AI加成下，内容生产商业态将会出现一轮新的变革，一些流程化服务可能整合出现大量的新商业模式机会。 （2）提问专家，做自己的产品经理。“提出正确的问题比解决问题更重要”，这句话在AI时代可能会变得更加正确。具备思维独特性和强认知能力的个人，将通过AI获得更大的赋能，认知定价差异性继续拉大。 （3）问题解构专家，做头部机构的