在全球人工智能浪潮下，日前召开的英伟达年度全球技术大会(GTC)，不仅在科技届备受瞩目，也成为全球资本市场翘首以待的热门事件。

会上，英伟达联合创始人兼CEO黄仁勋发表了主题演讲《见证AI的变革时刻》，并在会上宣布推出下一代人工智能超级计算机，以及名为Blackwell的新一代AI图形处理器(GPU)，并称其“非常非常强大”。英伟达表示，包括亚马逊、谷歌、微软、OpenAI和特斯拉内的主要客户预计将使用Blackwell。

此次被业界公认为“AI风向标”的GTC大会主要看点是什么?大会推出更强大的芯片及算力集群，将如何影响AI产业未来的发展方向?发布会成果将对哪些领域产生利好或提振?带着一系列问题，

在受访基金经理看来，此次GTC大会在AI软硬件升级力度及整体应用生态建设等方面均有看点。2024年英伟达Blackwell构架GPU推出，有望推动今年成为人工智能大模型和下游应用结合爆发的元年。

基金经理们认为，本轮AI变革投资机会主要落在大模型和应用、算力和能源三个最核心行业。从全球范围看，未来10-20年甚至更长时间，AI和AI算力是最重要的新质生产力，是国内外共振的科技产业趋势之一。大家仍对人工智能行情充满信心，展望未来一年，AI相关的软硬件依然是核心主线。

AI软硬件升级及应用生态均有看点

记者：此次GTC大会上，你比较关注的看点是什么?

黄继晨：我主要关注两方面：一是英伟达GPU产品升级力度较大，比如BlackWell系列GPU产品和新的服务器产品形态，以及配套的网络和存储端的升级，会对未来更大规模参数的大模型出现提供基础算力支撑;二是英伟达在AI软件服务及整个应用生态的建设进展较超预期。

苏燕青：AI龙头公司在大会上展示了其在数据中心、机器人等领域的软硬件布局，发布了包括Blackwell系列GPU、GB200超级芯片等硬件产品，以及推理微服务NIM等软件或系统级产品。我比较关注前期市场预期较高的GB200以及英伟达机器人领域的布局情况，GB200性能大幅度提升，能耗却大幅下降，推理成本亦有显著下降。

宋巍巍：推动人类算力能力进步的火炬，已经从摩尔定律时代的CPU交给了加速计算时代的GPU。英伟达硬件加软件的组合(GPU+并行计算平台和编程模型CUDA+虚拟协作和仿真平台Omniverse+云服务平台NIM)已经可以对标当年苹果Iphone加AppStore的组合。

算力需求的下一个爆发点，在具身智能或人形机器人行业。GTC的压轴环节，九款人形机器人与黄仁勋一同亮相，其中三款来自我国人形机器人公司。黄仁勋同时宣布人形机器人通用基础模型GR00T，模拟仿真平台Isaac，旨在推动公司在机器人技术和具身智能方面的突破。人形机器人、工业机器人等具身智能形态，是人工智能时代最重要的技术落地之一。

同时，我们也关注基于GPU、超算、数据中心等相关新技术产品所衍生出的成千上万个下游应用，以及企业如何去提升服务和产品。

王贵重：英伟达作为人工智能时代的“卖水人”，也是最具竞争力的AI芯片厂商。此次大会，我更关注其在整个加速计算解决方案上的一系列行为，包括新架构超级GPU Blackwell，以及基于Blackwell芯片的一套解决方案GB200.同时也需要观察英伟达在整个应用上的关注和拓展。

陆阳：一方面比较关注新的智算芯片和系统方案，因为算力性能提升是AI大模型迭代进步的重要捷径;另一方面，也比较关注AI和垂直行业的结合，比如机器人、医药、游戏等，重点跟踪世界上各行业最优秀的工程师们结合AI在做哪些方向的创新尝试。

AI大模型或将迎来应用元年

记者：英伟达推出更强大的Blackwell架构的B200芯片及其算力集群。这将如何影响人工智能产业未来的发展方向?

苏燕青：该公司的AI软硬件解决方案升级促进大模型能力升级，有助于当前两大产业的发展。一是智能汽车领域，智能驾驶受益于AI大模型在语言、视觉方面的能力演进，有助于提高其安全性，推动智能驾驶等级提升。二是服务型机器人，大模型可赋能机器人提高其感知决策能力等，且机器人实时运行过程需要大量的算力支持。

黄继晨：英伟达这次硬件升级主要影响在于：一是Blackwell架构B200芯片的算力更强，性价比更优，有望推动单位算力成本显著下降;同时，GB200服务器架构对系统的功耗、体积方面有很大提升，是从系统工程角度提升有效算力的重要方式;二是算力成本持续下降有利于AI大模型成本降低及大模型参数规模持续提升，这将有利于未来大模型的迭代升级，从而为通用人工智能出现铺平道路。

王贵重：首先，算力是走向AGI(通用人工智能)的必由之路，需要不断增加算力投入来提升模型性能。第二，在整个芯片的优化和算力增强上有三条路径：一是物理层面半导体制程的升级，二是整个计算架构的优化，三是软硬件更好的耦合和迭代。

宋巍巍：英伟达作为本轮人工智能科技革命中“卖铲子”的公司，已经通过不断的技术迭代将“铲子”升级成了“挖掘机”。基于Blackwell架构的GB200新系统提升比H100推理能力提升30倍，能耗降低至1/25.

2022年OpenAI以其他互联网大厂、人工智能科研团队通过大量GPU并行运算，将大语言模型训练出了人工智能的形态，诞生了ChatGPT。2023年则是军备竞赛之年，大量科技巨头采购英伟达的GPU和数据中心，加入“大模型”赛道。2024年英伟达Blackwell构架GPU推出，会推动今年成为人工智能大模型和下游应用结合爆发的元年。

这一轮科技浪潮，更多参数的大模型和更高算力的GPU互为因果推动人工智能革命。而人工智能技术最终的行业应用(如机器人、传媒游戏、医疗、汽车等)才是人工智能科技革命产生价值最大领域。

陆阳：新一代芯片在单卡和小规模集群性能上都具备显著的性价比，有望推动AI模型训练降本，从而加速产品迭代，其可以支持更复杂的网络结构和更大规模的数据训练，也意味着可以开发出更精准、更智能的AI应用，推动AI技术在各行业更好地落地推广。

算力产业链获提振

记者：从投研角度看，发布会成果将对哪些领域产生利好或提振?

宋巍巍：本轮AI变革的投资机会将落在三个最核心的行业上。一是大模型和应用，搜索引擎、网络电商、游戏传媒、办公软件等将会被人工智能大模型重新定义。人工智能技术也会带来消费电子的变革，接下来新推出的电子消费品、AI手机、AI电脑、智能穿戴、智能家电等会有更好的交互作用和智能属性。人工智能大模型的迭代最终推动人形机器人实现具身智能，替代人类所有体力劳动。

二是算力。在本轮科技革命中，算力芯片成为科技发展的基础设施。三是能源。对算力的大幅需求下，模型训练、推理所依靠的数据中心、算力中心会消耗大量的电力，人类的用电场景和需求会被本轮AI革命重构。

王贵重：第一，算力型公司。二级市场中有着比较丰富的公司，诸如芯片、PCB、服务器，以及光模块等领域。 第二，整体的应用数据有垂类优质数据的公司。拥有优质数据的公司将会成为数据的使用方，同时会带来整个效率的提升。 第三是互联网的巨头公司。互联网本质商业模型建立的是连接，连接本身还是人对人的需求，人对人的需求如果没有被替代，就只会被加强，所以互联网平台型巨头也会在这一轮受益。

苏燕青：发布会成果至少是符合市场预期，其算力产业链内，国内相关公司或仍有趋势性行情，但短期交易上市场多空博弈较严重，不过产业趋势上亦较难支持深度调整。此外，相关的应用分支较多，短期情绪提振，但最终仍需关注应用落地情况。

黄继晨：英伟达认为全球大模型算力需求遵循每六个月翻四倍的规律，因随着大模型的升级迭代，算力需求未来3-5年有望呈现较高的景气度。发布会最大的硬件成果是GB200服务器产品，如果后续推广顺利，其放量有望利好先进制程晶圆代工、CoWoS先进封装、铜互连、光模块、高多层PCB电路板等环节。

陆阳：发布会成果可以促进各大厂商的算力投入。一旦开启新一轮的算力竞赛，就会带动相关供应链各个环节的需求，包括但不限于芯片制造、服务器、通信设备等。另一方面，更强大的算力给更优秀的应用奠定基础，真正好用的AI应用有望更快进入大众视野，催生出更多场景需求和更好商业模式。

AI是未来10-20年最重要新质生产力

记者：你如何看待AI 算力和新质生产力的关系?以其为主要动力而延伸涌现的产业新赛道有哪些?

黄继晨:从全球范围看，未来10-20年甚至更长时间，AI和AI算力是最重要的新质生产力，是国内外共振的科技产业趋势之一。需求高景气背景下，以AI算力驱动的新赛道预计将涌现出：AI算力服务、AI芯片国产化、高性能存储器(HBM高带宽存储等)以及高性能光通信等。

苏燕青：新质生产力或与三类产业路径相关联，即改造提升传统产业、培育壮大新兴产业和布局建设未来产业。AI是新质生产力的重要方向之一，算力基础设施建设是我国信息化发展战略，在全面自主可控背景下，光芯片、交换芯片、ICT设备系智算中心基础底座、数据中心等赛道值得关注。

陆阳：AI算力作为新质生产力的重要组成部分，提供了强大的数据处理能力，支持人工智能技术的快速发展和广泛应用，从而推动整个社会生产力的跃升。

以算力为动力基础，AI助理、AI文娱、AI办公、AI问诊、AI教育，乃至AI手机、AIPC、自动驾驶和人形机器人等领域，都将因为AI而产生非常大的变化。

王贵重：新质生产力的核心内核就是技术革命性的突破，生产要素创新性的配置，劳动者劳动要素之间都形成了一种量化倍数几何式增效的一些组合、一种新的质态，而这最核心的就是高端化、智能化、绿色化。我认为，人工智能是把握新质生产力的关键要素之一。

宋巍巍：本轮科技革命始于算力芯片的持续进步，英伟达的芯片或AI算力等同于新质生产力(GPU成为像土地一样可以产生租金收益的资产)。

ChatGPT实现了“文生文”(文字生成文字)，随后推出的Sora视频大模型(又叫世界模拟器)实现了“文生视频”(文字生成视频)，下一步，人工智能的技术就落在机器对人类体力劳动的替代(文字生成劳动和实物)。AI人工智能技术就像工业革命、信息革命一样，推动着生产力的提高。

持续看好AI中长期投资机遇

记者：今年以来AI主题行情不断演绎，当前整体基本面和估值情况如何，是否具备可持续性?有观点认为，A股AI板块多数还是炒概念，您怎么看?

黄继晨：目前全球AI产业处于产业生命周期的初期(快速发展阶段)，相关玩家均处于大力投入(研发和基础设施)的阶段，产业也呈现出日新月异的状态。

A股人工智能板块中，有价值成长投资和主题投资两类，并不都是炒概念，特别是在AI算力方向，英伟达供应链中的一些核心标的不管长期空间还是短期订单和估值都处于合理范围，这类公司中期看仍具备较好的投资价值。

苏燕青：AI产业链包含的算力与应用两大方向，算力条线表现相对更为亮眼，当前静态估值相对较高，远期仍需要关注大模型的演进对算力的需求影响。

而应用端，近期随着KIMI大模型的进步涨势较好，落实到基本面来看，估值较高，业绩短期难以兑现，但产业趋势持续向好背景下，估值或仍有向上空间。

王贵重：机会是跌出来的，风险是涨出来的。在市场预期普遍上修之后，更要关注盈利的兑现可能。个人始终认为企业的价值创造是投资收益的主要来源，AI行情能否持续取决于能否真正的实现价值创造。

我们仍对人工智能充满信心，人工智能对信息生产效率的提升逻辑非常清晰，也是科技里最大的创新。展望未来一年，AI相关的软硬件依然是核心主线。

宋巍巍：在本轮人工智能革命中，大多科技公司的本身并没变化，但他们所处的环境发生了巨大变化，每家公司的业务都可能被人工智能颠覆。科技变革的持续性毋庸置疑，只是股价会随着市场情绪和条件发生改变。

陆阳：纵观泛科技方向，目前TMT和先进制造等成长赛道股大多处于历史股价的相对低位，申万TMT四个行业均处于历史中枢偏下方的区间。随着经济基本面的复苏及新兴产业给行业带来的新增量新机遇，一批新的优质成长型公司有望开启业绩和估值双升通道。

另外，反观近一年来A股的AI行情，其实并没有跟上AI实际的发展速度。至于持续性问题，股票的长短期交易总存在博弈，关键是保持向上的趋势，我们仍看好AI主题的行情演绎。

AI算力和应用均有丰富机会

记者：就AI产业链而言，当前哪些细分领域的机会值得关注和挖掘?

黄继晨:在A股AI产业链主要是AI算力、AI应用两个主要方向，AI算力方向又可细分为：英伟达供应链的头部公司(光模块、PCB、交换机等)以及国产替代供应链头部公司;AI应用板块主要机会在内容端导入AIGC带来的变革。后续需要特别关注一些新兴的AI应用独角兽企业发布的产品，在这些产品中，有望出现下一个爆款应用，从而带来非线性增长的投资机会。

宋巍巍：第一个细分机会是“一大三力”(大模型、算力、存力、运力)。人工智能革命的本质是暴力计算，算力(芯片)是不能绕开的投资方向，围绕算力还有存力(存储芯片)和运力(光模块)。

第二个细分机会是“三大应用，两大软科技一大硬科技”。两个AI软科技应用行业分别为传媒和软件行业，AI技术让未来的视频制作和软件开发进入人人平权的时代。人工智能在硬科技中的最大下游应用就是机器人行业。商业化的自动驾驶电动车已为人形机器人落地铺平道路，自动驾驶电动车就是四个轮子的机器人。

苏燕青：可重点关注半导体板块，近期服务器市场正在逐步复苏，存储器价格上行，在供需关系不断改善且在短期供给不变情况下，存储器价格有望延续反弹，除存储外，下游消费类需求在复苏过程中，相对较缓，但数据仍呈向上趋势，整体来看半导体下游当前已处于结构性复苏过程中，整体板块估值相对较低，可重点关注，尤其是其子领域半导体设备与材料。

陆阳：进入2024年，AI赛道仍充满机遇，尤其是应用方向。不管是软件场景还是硬件入口，不管是B端降本增效还是C端体验升级，好的产品将陆续出现。不同行业间的爆发可能会有先后，但AI赋能确实给原本很多或有业务瓶颈的公司带来重生的机会。因此，AI应用的商业化落地和创造的增量空间会是今年市场最重要的关注方向之一。

除了更大参数的AI模型和探索新的人工智能算法外，算力降本对于人工智能发展也非常重要，新的产品、技术方案和制造工艺也将是算力领域的重要关注点。另一方面，国内人工智能参与者近年来愈发重视海外算力芯片的供应风险，国产替代是未来的必选项。

王贵重：嘉实科技投研团队长期聚焦的三大需求是能源、信息、生命。这三件事是人和整个世界发生交互的底层要素。AI+医疗自然而然把两件大家最关心的事情结合到一起。

在AI和医疗结合上，需要回到整个AI的能力上，目前揭开谜题的是两个系统：一是2016年得到广泛应用的识别系统，包括现在人脸识别应用于门锁、手机解锁等，背后都有AI一系列助力，这方面结合到医疗领域的检测等领域也比较简单，这是一个很重要的方向。

第二个是生成式AI，特点在于它是大样本下的统计规律，将会广泛应用在生物制药领域里，帮助提升整个生物制药的发展和发现。整体看，无论是在药的发现还是生物治疗过程中，AI都会有显著帮助。