人工智能+场景的投资展望：从大模型到智能体

研报总结

第一部分：什么是真正的人工智能？

1.1 大语言模型改变了什么？

• 大语言模型（LLM）是“大数据+大算力+强算法”结合的产物，展现了理解人类语言的潜力，可能颠覆互联网业态并影响实体经济。
• ChatGPT 代表了AI的iPhone时刻，大语言模型可执行多种语言任务，如问答、文本生成、翻译等，并推动AIGC在多个领域突破。
• 大语言模型的应用领域广泛，包括医疗、金融、教育、传媒等产业，并在算力、服务器、通信等领域引发技术革命。

1.2 LLM是通向通用人工智能的道路吗？

• 通用人工智能（AGI）需要具备“知识+计算+推理”的组合能力，包括语言能力、逻辑推理和知识图谱。
• 大语言模型可能帮助建立已知知识边界的不连续地带的联系，甚至跨越未知。

1.3 什么才是真正的智能？

• 智能的核心是对因果规律的理解，而非简单的信息压缩。
• 大语言模型有可能帮助我们建立已知知识边界的不连续地带的联系，这种联系甚至可能是跨越未知的。

第二部分：引入智能体（Agent）或是人工智能应用的必经之路

• AI加速我们的工作，核心是系统化我们的能力和执念。
• 智能体（Agent）是利用大语言模型和人工智能的关键，实现人机协作能力提取。

第三部分：人工智能场景建设与产业数字化

数字经济时代下的金融

• 金融行业持续加大科技投入，人工智能、大数据等技术与金融业务深度融合，推动金融科技成为转型升级的新引擎。
• 中国金融科技产业政策演变历程：从1993年提出加快金融电子化建设，到2014年促进互联网金融发展，再到2016年将金融科技作为国家政策引导方向。

数据资产相关政策发展三阶段

• 第一阶段（2014-2019年）：“大数据”战略提出，数据成为国家基础战略资源。
• 第二阶段（2020-2021年）：确立数据为生产要素，数据要素市场加快建设。
• 第三阶段（2022-至今）：数据要素市场逐渐规范，数据确权、定价等制度逐步完善。

展望未来

• 中国资产有望成为全球最具价值的类别之一，数字资产也有望拥有一席之地。

第四部分：风险提示

• 技术迭代与路径不确定风险：底层技术快速演进，商业化路径存在不确定性。
• 商业落地与规模化风险：应用场景碎片化，盈利模式与成本控制或面临挑战。
• 监管与伦理风险：若政策法规滞后于技术发展，数据安全与责任界定模糊，或存在监管与伦理风险。