價值線導讀
四月的第一個交易日，整個AI賽道火出天際。從軟體到硬體；從大模型到行業中模型；從AI晶片到光模塊到伺服器……全面火爆。
價值線長期關注的360、科大訊飛、寒武紀、景嘉微等今天再次大漲。
「不買人工智慧，就是等死，追買人工智慧，可能是找死。橫豎都是死，不如搏一把再死。也許富貴險中求呢！」這是周末刷屏的《一位基金經理的獨白》的原話，或者並不一定準確，但形象的反映出不少踏空投資者目前的焦慮心態。
面對全面爆發的人工智慧，投資者該怎麼辦？
多分支全火爆！
四月的第一個交易日，整個AI賽道火出天際。從軟體到硬體；從大模型到行業中模型；從AI晶片到光模塊到伺服器……全面火爆。
大模型上：360早盤封死漲停，創出階段新高，崑崙萬維上漲超8%；
行業中模型：科大訊飛大漲近9%，盤中觸及歷史新高；雲從科技20CM漲停；同花順大漲15%帶動恒生電子、東方財富相繼跟上；……
晶片方面：上漲前列依然是寒武紀、景佳微、海光信息這幾個「老面孔」……
光模塊：劍橋科技、新易盛、天孚通信、華工科技等全部持續大漲；
伺服器：有傳言稱華為盤古大模型本周六發布，相關公司繼續發力，例如拓維信息、同方股份；
此外遊戲、軟體辦公、傳媒等TMT分支板塊均有表現。
回顧昨日稿件,關於人工智慧的邏輯和標的，價值線曾寫道：
1，通用大模型才是核心中的核心，未來不會存在太多，估計2-5家之間，做出來的公司市值很可能過萬億。
2，除了通用大模型，也會存在一批行業大模型，比如醫療，金融，交通，等等，這類大模型也值錢，但是體量要小一個級別。
3，應用會兩極分化，普通類的應用遲早會被大模型自帶功能取代，而有門檻的應用，會深度受益於大模型引導的巨大流量。
4，科技競賽期間，鏟子股永遠是躺贏的。包括上游的算力，以及一些做AI服務的公司。
具體到公司，算力方面繼續關注寒武紀、景嘉微等；應用方面的如三六零、崑崙萬維、科大訊飛等；擴散方面可關註：吉比特、廣聯達、拓維信息、德賽西威等。
價值線長期關注的公司今天基本全部大漲，360的走勢脫胎換骨，科大訊飛新高，寒武紀距離歷史最高點還有四十個點左右……昨日新近關注的吉比特和廣聯達今天也是大漲。
對於後市，有市場投資者稱，從今天板塊內不少核心個股成交量急劇放大來看，機構開始跑步進場了，散戶是沒有這個吃相和能力，當然行情越往後發展，波動必然加劇。
該投資者稱，可以緊盯著寒武紀，只要它不崩，AI的路就還長。因為它已經是公認沒有業績，主要全靠預期在撐著，如果寒武紀這樣的股作為中軍能扛住，然後其他股上躥下跳，繼續熱鬧。
如果是比較care個股業績的話，可以著重關注光模塊這個細分領域，光模塊很可能是AI方向上少有能儘快見到利潤的分支，也是近期機構正大舉買入的方向。
從近期相關上市公司的公告及調研紀要來看，他們拿了不少英偉達和微軟的大單，此前劍橋科技的董事長稱800G光模塊今年的增速將超過100%。
像極了2013年，
波瀾壯闊科技大行情來了？
ChatGPT掀起的科技行情，讓很多人回想起了10年前的A股。華興資本首席經濟學家李宗光近日發表了對近期A股走勢的看法，並直言今年的行情像極了2013年：
2013年，上證綜指全年下跌6.7%，但代表創新轉型的創業板指數全年上漲82%，傳媒和計算機的漲幅分別達到103%和77%，呈現出極致的風格切換特徵。
如此巨大的風格分化，即使在以高波動著稱的大A股，歷史上也是較為罕見的，這主要是兩方面的原因：
1、自2010年起中國經濟增速開始下降，2013年是經濟降溫的第四年，基建、地產、投資、消費降速，壓力向股市傳導，疊加情緒和預期的線性外推，導致2013年市場對經濟大盤的悲觀預期，達到極致。
2、2013年債災，拉開了「倒逼出清和去槓桿」的序幕。市場開始相信，舊模式已死，這次真的不同。
3、創業板新推出，承載了轉型和創新的希望。資金從傳統行業流向TMT和創業板。而存量資金市場特徵下，資金要吃飯，要生存，就必須湧向最具確定性的板塊，抱團取暖。
幾個因素疊加下，共同演繹了2013年波瀾壯闊的科技大行情。
今年開年不久，ChatGPT橫空出世。這一概念天然具備了「年度主題」的所有內在條件。除了ChatGPT概念自身足夠給力外，接近於2013年的大環境，也推動著資金湧向TMT等科技板塊：
1、經濟周期方面，下行慣性和通縮心態仍較嚴重。1~2月份經濟數據顯示，經濟確實在復甦，但缺少一點市場預期中的報復性。
2、宏觀政策整體仍偏穩健和克制，穩健克制的大基調下，市場對於經濟基本面相關板塊興趣不大，未來資金仍可能從這些板塊流出，尋找確定性和正向預期差。
3、主流板塊短期風口不再，新能源處於需求下滑和供給激增帶來的過剩階段，最壞的情況仍未到來，大的機會在2024年之後。以傳媒、電子、計算機為代表的TMT過去數年調整充分，籌碼清洗乾淨。
附件：
國泰君安：人工智慧，輔助人、替代人、成為「人」
人工智慧的發展路徑從輔助人（為勞動力裝備更多「智能資本」）、替代人（解決「鮑莫爾病」），終極形態可能是成為「人」（人工智慧與人高度融合）。
未來隨著人工智慧商業化加速落地，將催生上游新能源電力增量投資，中游帶動智能算力基礎設施補短板（晶片、液冷伺服器等），而下游針對垂直領域訓練的小模型（汽車、辦公、醫療、金融等）可能會更快發揮商業價值。
「人工智慧」的概念最早於1956年提出，從誕生至今大致經歷了三波發展熱潮，分別是20世紀50年代至70年代中期，70年代至90年代（專家系統、知識工程）以及90年代至今（移動網際網路、雲計算）。如今大語言模型引領人工智慧新風口，國內外各大公司紛紛投入到這場「軍備競賽」中，但同時也引發了數據安全和倫理等問題的擔憂。
人工智慧的發展路徑，從輔助人，到替代人，終極形態可能是成為「人」：
1）輔助人：人工智慧的出現首先是輔助人類開展工作，通過為勞動力裝備人工智慧「資本」，從而提高勞動生產率；人工智慧將為產業開啟智能化新時代。
2）替代人：與歷次科技革命中機器替代人的過程不同，人工智慧對人的替代將集中在第三產業，有望從根本上解決三產勞動生產率低下的「鮑莫爾病」。
3）成為「人」：人工智慧發展的終極目的是實現與人類的融合，一方面人工智慧可以作為人類器官的延伸和強化，另一方面人類的情感和意識也可以被「數字化。」
人工智慧產業鏈中上游相對單一，下游由於應用場景廣闊，產業及其豐富：
1）上游催生新能源電力增量投資：人工智慧強大的算力背後是不容忽視的電力消耗，如果AI大規模商用加速落地，則意味著全球將產生大量電力缺口；
2）中游帶動智能算力基礎設施補短板：算力規模的迅速增長帶來對智能算力基礎設施的巨大需求，涉及到高算力晶片、伺服器液冷等技術；
3）在大模型的基礎上，針對垂直領域訓練的小模型可能在短期內更快發揮商業價值：例如智能汽車、智能辦公、醫療健康管理等領域。
從緊迫性上來看，上游電力基礎設施投資是短期各國均需要解決的發展瓶頸；從國內與國際差距來看，高算力晶片將成為決定未來長期人工智慧發展水平的關鍵。
至於當前面臨的AI中文訓練數據偏少、處理中文事務能力偏弱的問題，則可以後續依託國內龐大的市場，增加中文數據供給來解決。