嘉宾介绍：狄星华，国海富兰克林基金基金经理兼高级研究员
　　年初美股表现强势，后续美股将会如何表现？美股科技股股价是否存在泡沫？AI产业链如何看？相关投资机会在哪里？对此，国海富兰克林狄星华跟大家分享精彩观点。
　　狄星华表示，Sora的底层核心逻辑在于通过高效的算法，不仅提升了文生视频的效果，用transformer模型说明公司用更多的资源投入到了模型开发与训练，进一步又激发了算力的需求。算力是指计算的能力，特别是在AI的领域，其是执行大规模数据处理和模型训练的能力。随着模型变得更大，显而易见对算力的需求也随之增加。
　　其表示，如果去年是因为分母端的驱动，今年可能就是分子端驱动会多一点，企业各自的市场表现会有分化。我们今年更多要关注个股的情况，也就是分子端的表现，而不去过多的去担心分母端的变动。
　　以下为文字精华：
　　1、国海富兰克林狄星华：文生视频的应用发展比预期更快
　　提问：2024年美股市场您怎么看？有哪些投资机会可以把握？
　　狄星华：我们认为2024年美国股市大概率会延续今年的比较强韧的走法，原因在于居民端的消费韧性没有这么强，可能是因为超额储蓄的耗尽，通胀率回归到一个比较正常的水平。积极的因素来自于企业端的开支开始正常化，叠加通货膨胀已经是过去时了，美国股市在2024年大概率会走出比较强韧的行情。
　　虽然高利率会触发很多风险，但是这种风险往往是隐形的，当你看到这个风险的时候，大概率已经被曝光了，应对的措施也已经出来了。它可能来自于商业地产的风险，也有可能来自某个行业因为高利率而产生的风险，比如地产和汽车行业。但是综上而言，如果某些风险产生，降息的通道也将开启，所以如果以一个美林时钟的周期走法，降息通道开启之后我们会偏爱成长的股票。
　　提问：Sora的发布对AI行业技术或者对我们投资有什么影响？
　　狄星华：Sora是OpenAI发布的根据文本提示，生成高清视频片段的AI模型。以目前发在网上的一些视频案例看，它一次性可以生成60秒，一镜到底的视频。
　　Sora在这个视频的时长，稳定性、保真度、一致性、分辨率等方面都展现了比较惊艳的效果，并且只需要足够多的提示词，这些提示词如果足够准确，它是可以一键生成视频和精修，大大节约了视频制作的资金、时间和人工投入。
　　Sora相比之前Runway、Pika等文生视频模型，时长更长了，之前的产品只能生成几秒钟的视频，Sora一次可以生成60秒的视频。
　　模型就好在两点，第一个相较于之前大家用的diffusion模型，Sora这次用了一个叫Diffusion Transformer(DiT)的模型。
　　大家应该知道去年整个ChatGPT出来之后也是运用transformer模型，transformer在扩展性和简单性上面，相对来讲非常有优势，而且它因为有模型的整个优势在这边，它可以把更长的时间保持画面和动作的一致性，流畅度细腻度上面相比以前发布的一些模型都更有优势。
　　第二个也是目前大家讨论的非常火的话题，Sora的升级的出现，也证明了Sora在文生视频领域也遵循所谓大力出奇迹的效果，模型是越大越好，越大越容易出现奇迹。
　　所以Sora的底层核心逻辑在于通过高效的算法，不仅提升了文生视频的效果，用transformer模型说明公司用更多的资源投入到了模型开发与训练，进一步又激发了算力的需求。
　　同时在基础模型跑通之后，模型的优化速度也会越来越快，我们可能马上就要看到Sora类似于2.0，3.0的后面的迭代。随着以后广告电影游戏等方行业应用普及，运用文生视频的时代可能比之前预期的要提前到来。
　　提问：能不能科普一下AI产业上下游产业链的情况？
　　狄星华：产业链上游中游下游都可以再去细分为很多的子板块。我们简而言之，就把它大约分为上游、中游和下游。上游包括比如算力，算力中又可以分为什芯片设计，硬件制造，芯片制造又可以分为存储计算等等，算力偏下游可能就是硬件制造、服务器交换机。
　　中游类似算法的开发数据处理，深度学习、机器学习类似于基础模型，是可以放在中游的，下游就是应用层面。往后看智能语音图像识别自动化系统，都是一些下游应用细分。
　　2、国海富兰克林狄星华：AI热潮下算力需求或将井喷
　　提问：给大家介绍一下算力板块？
　　狄星华：算力是指计算的能力，特别是在AI的领域，其是执行大规模数据处理和模型训练的能力。随着模型变得更大，显而易见对算力的需求也随之增加。
　　每天Sora在GPU上的费用是1000万美金，全球也不止这一个模型，如果每个科技巨头都想在这个领域争当领头羊，可想而知对算力的需求会有多大，我们是觉得从ChatGPT到Sora这个过程中，算力端的技术突破已经是超过我们当时的想象，也超过了自己搭的模型的估算。
　　海外半导体巨头目前基本上就是以提升算力为核心，去进行一些迭代升级，速度远超耳熟能详的摩尔定律。算力需求的井喷，半导体作为支持算力的重要基础环节也将受益。
　　AI在方兴未艾之前，市场的增长率有可能要翻一倍。除了AI市场，半导体在其他领域包括通信、汽车、工业、消费电子等应用市场，也将提供必不可少的算力。
　　提问：中游深度学习大模型带来哪些机会？
　　狄星华：这边我来做个科普，大模型通常有大量参数。首先设一个大量参数的基础模型，同时还要有非常好的数据资源提供给这个模型，我们把它称为深度学习模型。随着生成式AI的出现，大模型的数据处理量也呈指数型增长，它不是线性的，而是指数型的，也带动了AI云端算力需求的快速拉升。
　　目前以ChatGPT模型来讲，我们是根据已知的信息，它是有1750亿的参数，往后看这个参数可能还是会继续往上走，同时在训练过程中，各类中间变量都是需要存储的，所以对训练场景下的算力和存储需求都提出了更高的要求。
　　提问：下游应用层面怎么看？
　　狄星华：ChatGPT发布之后，很多人疑问下游会有什么应用。我认为，比较无效的劳动力上面大模型有重大的改善作用。现在一年已经过去了，下游的发展远超当时我们浅显的判断。
　　下游AI应用端可以说是百方百花齐放，包括教育、游戏、医疗、机器人都打开了新的应用空间。所以AI对各行各业的影响程度由低到高，最开始是简单的重复性的劳动工作被AI取代，接下来会在各个层面上做一些可能的应用。
　　高盛预计人工智能软件的潜在市场规模接近1500亿美元，这仅仅是指人工智能的软件，不包括下游和中游，规模的确很庞大。
　　所以下游应用对AI模型的需求非常强劲，大模型的训练已经是成为一种趋势。我们也看一些海外的巨头的财报，包括它们在AI中的投入，以及AI给这些公司云服务所带来的收入增长。追踪下来，还是说从大模型普及到每个公司开始把大模型纳入自己的KPI的指标，把它逐渐的跟自己的云服务做融合，每个季度渗透率都在不断的提升。所以企业端开始就是寻求自身的AI策略，加速自己的研发步伐，就像一个良好的循环，再间接地推动了整个行业的创新和竞争。
　　3、国海富兰克林狄星华：今年美股投资关注个股分化
　　提问：怎么看今年美股整体的情况,是否会出现泡沫？
　　狄星华：以去年情况来讲，美股的行情确实可以用井喷这两个字来形容，但是这种繁荣更多集中在科技七巨头上面，具体表现可能从宏观分母端来解读。
　　通胀虽然每个月有些变化，但是再怎么样也是慢慢往下走，因为通胀往下走，美联储要适时选择时机。之前不断升息加码，经济可能有风险，过高的利率一定会带来未知的风险。所以从年初看，它是想结束升息的过程，逐渐回到一个比较正常的经济状态，今年它可能回到一个降息的周期中。
　　从去年来讲，同样分母端美联储不再像2022年这么鹰派，通胀到了一个终点，所以大家情绪就从特别悲观，到极度乐观，尤其是在AI之后，大家认为AI增加了工作效率，长期在通胀的过程中，AI能有效的简化通胀，所以大家就觉得又看到了希望。
　　所以开年非常悲观，到结束的时候就是非常乐观的情况，所以我更喜欢把去年就是整个美股的情况归结在这个分母端的有效的转变。所以从2008年到2020年，美股处于非常美好的10来年，宏观比较稳定，供给端很平稳，但是从2020年到2022年，宏观有一些变化了。
　　美股会不会涨的过多，是否有回调的风险？大家有这些顾虑很正常。
　　2022年的时候，我们看到海内外很多分析师喜欢把2022年高通胀的情况去跟70年代做比较石油危机的时代，但我们觉得类似于2022年到2023年整个小周期，我们认为它是一个大的经济周期中的小的周期波动。这个波动归结点是疫情，它导致了库存问题以及通胀。
　　我们目前的观点，我们认为当前的整个全球的经济形势，有一点像95-96年的那个时候。大家如果有印象，它是一个互联网时代的开端，微软的windows套件等等刚刚萌芽的那种状态。
　　那个时代跟现在有相似的地方，发达国家跟发展中国家都面临着高通胀高增长的局面，因为大家想发达国家他可能就是一个低通胀低发展，GDP增速都很低，但现在的情况就比较微妙，发达国家反而通胀高，增长也比之前上了一个台阶。美国的GDP经过两次上修，CPI也比预期要偏高一点点，这样的情况类似于发展中国家的高增长模式。在这种背景下，今年美债交易确实挺有挑战的。
　　如果去年是因为分母端的驱动，今年可能就是分子端驱动会多一点，企业各自的市场表现会有分化。第一季度给的指引好的公司，相对最近股价就稳健一点，股价开始有些分化。
　　所以我们今年更多要关注个股的情况，也就是分子端的表现，而不去过多的去担心分母端的变动，所以我们的今年策略可能要结合具体公司具体案例，结合当时宏观所处的周期情况。择股优先，我们希望在贝塔相对稳定的市场中找到阿尔法。在海外市场股价催化就是业绩，几乎所有的长牛股票呈现的特征都是公司盈利不断成长。