自第一次工業革命以來,每一次重大技術革命都會推動人類社會經濟出現突飛猛進的長周期增長。新技術是否能引發新一輪科技革命的標準在于,能否廣泛應用于生產生活,并解放發展生產力。
根據規律,科技提升生產力的過程存在所謂“索洛悖論”,即技術對生產率的提升存在明顯的時滯。盡管人工智能(AI)技術發展已久,但其對生產方式的影響沒有脫離互聯網的框架。而伴隨算力、自然語言處理等基礎通用技術的成熟,基于自然語言的ChatGPT快速應用、AIGC(人工智能生成內容)應用場景快速拓展, 給AI技術加速突破“索洛悖論”提供了可實現路徑。
第三次工業革命紅利瀕臨耗竭
在19世紀以前,全球經濟增長非常緩慢。據經濟史學家安格斯·麥迪遜測算,從公元元年至1820年間,全球經濟年均增速只有0.1%,人均收入只增長了約40%。
200多年前英國工業革命徹底改變了這一局面,之前主要依賴人力、獸力的生產方式發生了變化,全球經濟開始加速增長。此后,每一次重大技術革命都會推動人類社會經濟出現突飛猛進的長周期增長,科技已經成為世界經濟增長最重要的動力。
很多人認為我們一直處在科技井噴的高峰,是因為互聯網在日常生活中滲透程度不斷加深,讓我們產生了一種仍處于“技術大爆炸”時代的錯覺。這種錯覺產生主要有兩個原因:一是中國僅用30年就幾乎全盤吸收了西方300年的技術成就;二是信息技術的發展其實只是“平層效率的提升”而非“更高維度的突破”,即雖然電腦內存和運行效率不斷提升,但運行本質和工作原理卻仍在原地踏步,真正對全要素生產率有質的提高的技術并未出現。
即使是以“互聯網+”為代表的21世紀科技紅利,也已瀕臨耗竭。2021年全球互聯網滲透率達65.6%,其中中國滲透率達65.2%,美國滲透率達90%。世界主要經濟體極高的移動互聯網滲透率預示著新興互聯網平臺進入一個獲取“增量”困難,需要依靠“存量”拼殺的紅海時代,在這種情況下再想獲得新用戶或者提高用戶使用時間的邊際成本極高。
同時,隨著科技創新與產業變革循環演進,互聯網逐漸成為傳統行業?;ヂ摼W不僅實現了從桌面互聯網向移動互聯網的過渡,也實現了從信息互聯網、消費互聯網到產業互聯網的覆蓋,應用場景已經滲透到各行各業,難以再找到比較多的拓展點。
圖1 近2000年來全球經濟總量變化
來源:Angus Maddison,中泰證券研究所
圖2 全球主要國家互聯網滲透率接近飽和
來源:WeAreSocial,前瞻產業研究院,中泰證券研究所
人工智能或帶來新一輪科技革命
科技革命爆發的標志是新一代科技成果廣泛應用于生產生活,從而解放、發展生產力,提高勞動生產率。近年來全球范圍內出現的技術突破并未能從本質上解放、發展生產力,尤其對于能夠引領全球經濟發展的大型經濟體而言,其發揮的作用還遠遠不夠。
ChatGPT再次引發了人們對于新一輪科技革命的遐想。ChatGPT推出僅2個月,用戶數已經突破了一個億。電話和手機誕生時分別用時75年和16年才在全球積累1億用戶,即使是上一個最快破億的程序TikTok也要用時9個月。
ChatGPT擁有超大模型和全網數據訓練,實現了生成式人工智能的現象級突破。它不同于前兩年爆火的元宇宙,ChatGPT的應用場景要比元宇宙廣得多,反映了解放大腦的“智能型”生產工具已經出現。這就像20年前的互聯網和10年前的智能手機一樣,很有可能引發新一輪技術和行業換代。
圖3 主要科技產品及平臺達到全球1億用戶所需時間
來源:勾股大數據,中泰證券研究所
媒體上對于“科技革命”一詞的使用十分泛濫,實際上,不能顯著帶來全要素生產率提升的只是“偽革命”?;仡櫄v史,工業革命是技術創新集聚產生的時期,三次工業革命無一例外地促進了勞動生產率的提升,并決定了一個國家甚至世界經濟的可增長性和繁榮程度:
1760年到1840年發生的第一次工業革命,以蒸汽機的發明和廣泛應用為標志,生產工具發生了由手工形態向機器形態的質變,人類走向機械化時代,1770~1840年間英國工人平均勞動生產率提高了20倍。
19世紀末到20世紀初的第二次工業革命,以內燃機和電氣機械的出現為標志,使規?;笊a成為主導性生產方式,大大降低了工業生產成本并提高了生產效率,19世紀末的30年中,世界工業總產值增加了2倍多。
20世紀60年代開始,伴隨著半導體技術、大型計算機、個人計算機以及互聯網的出現與廣泛應用,自動化機器設備不僅取代了相當比例的體力勞動,還替代了一定程度的腦力勞動,社會生產力和人類文明達到了前所未有的新高度,人類進入信息化時代。
此輪以ChatGPT為代表的人工智能的發展,極有可能實現對勞動力、資本等生產要素的智能替代和功能倍增,促進全要素生產率的提高。蒸汽機之所以推動了第一次科技革命,是因為在提升勞動生產力的同時,還將大量勞動力從低級的農業勞動中解放出來。電力則加速了勞動力從第一產業向第二產業轉移,并刺激了第三產業的發展。信息科技時代,大量勞動力涌入第三產業,形成了如今全球第三產業GDP占比55%的格局。
未來,隨著人工智能的廣泛應用,會有越來越多固定、繁瑣和標準化的工作被取代,這既能緩解人口老齡化時代勞動力短缺的問題,也能幫助勞動者專注更具優勢和創造性的工作,從而大幅提高勞動生產率。同時,數據將成為經濟增長的主導性生產要素和新一代人工智能的基礎,通過從海量數據中深度挖掘信息并將其轉化為知識資本,能夠有效實現生產要素的功能倍增,由此帶來生產率更為顯著的效能提升。
高盛一份報告認為,在生成式人工智能發展的十年內,預計每年可以將生產力提高超1.5%。我們有理由相信,人工智能將掀起新一輪科技革命,在帶來生產方式和產業結構重構的同時,提升社會生產率。
圖4 四次工業革命分別實現自動化、電氣化、數字化和智能化
來源:中泰證券研究所
人工智能有望加速突破“索洛悖論”
人工智能并不是橫空出世的新技術,當前其對全要素生產率的提升效果還不明顯。一個重要原因在于:人工智能技術在經濟中的擴散、傳導與推廣存在“時滯”?;厮輰ι弦徊ㄈ斯ぶ悄艿淖放?,大概還是在2017年AlphaGo圍棋大戰之后,這一熱度沒有保持下來,主要是因為沒有大規模的應用落地,沒能直接推動生產率的進步。
然而,這并不代表人工智能不能引發下一輪科技革命。即使是第三次工業革命期間,信息技術對生產率的提升也存在明顯的時滯,即所謂的“索洛悖論”。當時,美國勞動生產率的增長率從1948~1973年平均3%下降到1984~1990年的大約1.5%,直到上世紀90年代以后,信息技術對生產率提升的作用才明顯體現出來。
同樣的道理,人工智能對全要素生產率的提升發揮作用也需要一段時間,這或許需要三個條件:一是要具備算法、算力、數據等相應的新型基礎設施,促進人工智能技術的全面商業化應用;二是利用機器學習系統的自我學習能力激發互補式創新,實現人工智能技術研發與產業發展之間的良性互動;三是要加大配套投資,實現企業生產模式、組織結構和業務流程的再造。
以ChatGPT為代表新一輪人工智能熱潮讓我們看到了以上條件逐漸被滿足的可能:一方面,近年來世界范圍內算力、算法水平不斷提高,作為人工智能時代的基礎,各國高度關注數據要素市場化發展,努力挖掘、培育、釋放數據價值。從東數西算、全國一體化政務大數據體系建設,到“數據二十條”和《數字中國建設整體布局規劃》,我國也一直在積極引導數據要素的發展。并且隨著AIGC的不斷迭代,我們可以看到人工智能在養老、教育、醫療、內容創作等領域廣泛應用的希望。
另一方面,2006年以來,深度學習的實用化進程為實現人工智能技術研發與產業發展之間的良性互動創造了條件。相比AlphaGo,ChatGPT的出現意味著人類不僅可以在封閉問題上采用神經網絡的辦法進行處理,還能夠通過不斷優化、預訓練、對抗訓練、強化訓練這一套流程對開放性問題進行處理。GPT-4已經具有一些自我反思和糾錯能力的萌芽,這使得它在和人類交互中,可以建立起數據、學習和智能的增長飛輪,從而在產業化過程中實現與產業發展的良性互動。
此外,伴隨AIGC技術的不斷發展和成熟,大量公司將紛紛布局人工智能,企業生產模式、組織結構和業務流程會發生巨大改變。未來人工智能技術將顛覆各行各業,比如人工智能可能會被包裝成“解決方案”以此強化SaaS公司現有護城河,辦公工具將成為AIGC最廣泛的應用等,都將在很大程度上改變企業的商業模式和管理方式。
圖5 生成式AI的應用格局
來源:36Kr,中泰證券研究所
中國制造業或明顯受益“AI+”
1955~1970年,日本經過“引進消化吸收再創新”的技術發展戰略幾乎掌握了工業發達國家過去半個世紀的全部先進技術,基本上消除了比歐美落后二三十年的差距,效仿歐美建立了一套重化型產業結構,國民生產總值上升到世界第三位。
此時,之前“引進消化吸收再創新”發展模式顯得不合時宜。同時,重化型產業結構雖然支撐了日本經濟“一枝獨秀”的高速發展,但這一產業結構固有的局限性日漸凸顯,倒逼日本壟斷資本進行產業調整。
隨著上世紀80年代第三次科技革命向著電子技術、新材料技術以及生命科學技術深入發展,日本摒棄了拿來主義的科技發展模式,提出了“科學技術創造立國”的發展戰略,以信息技術、新材料技術為代表的電子工業迅速發展,帶領日本在“三期疊加”的經濟大環境下保持了較高的經濟增速。
相比上世紀60年代,70年代日本資本對于經濟增長的絕對和相對貢獻均大幅下降,但是經濟增長的一半以上貢獻都要歸功于技術進步。這一期間,受益于持續的技術和設備改造,日本勞動生產率快速上升:《現代日本經濟》數據顯示,1973~1980年日本勞動生產率平均增長6.8%,而同期美國和聯邦德國分別僅增長1.7%和4.8%。
2008年金融危機后,中國也同樣面臨了增長速度換檔期、結構調整陣痛期和前期刺激政策消化期“三期疊加”的經濟問題。借鑒日本經驗,我國必須抓緊新一輪科技革命的發展機遇,在第四次科技革命浪潮中實現高水平自立自強。
與70年代日本不同的是,當今中國面臨的地緣環境更為嚴峻。自2001年加入WTO以來,中國經濟總量實現了對美國的快速追趕。到2021年,中國GDP占全球比重達到了18.5%,而美國和日本的GDP占比分別回落至23.9%和5.1%。此外,中國也在科技、國防、教育等各方面對美國霸主地位提出挑戰。
以史為鑒,世界科技發展往往體現明顯的周期性,每次科學技術劃時代發展的背后,都是大國對抗博弈的激烈競爭,其根本原因在于不計費用的軍事需要的迫切性大于民用需要的緊迫性:博弈壓力下,國家加大財力物力以支持科技研發,并將先進技術應用于軍事領域。而這些先進技術在大國激烈對抗后又會應用于經濟系統的各行各業,實現科技革命的產業化。
以智能化為特征的第四次工業革命輪廓日漸清晰,在世界百年未有之大變局與新一輪工業革命的歷史性拐點,無論是國家、地方還是企業都會不遺余力布局投入,這也意味著人工智能在我國將有歷史性的發展機遇。
關注新一輪科技革命投資機會
在新一輪科技革命背景下,新興科技企業將產生大量融資需求。人工智能發展新格局或開啟新一波投資黃金期。特別是全面注冊制落地之后,更要關注相關金融科技公司、科創公司的投資機會。
短期而言,當前人工智能板塊市場集中度較高,主題投資行情下一些下游應用受益的公司估值過高,投資者需要規避其中過熱風險;中長期來說,若人工智能將帶來一輪科技革命,那么注定將孕育全球科技的新龍頭。
算力是制約AI發展的關鍵要素,目前AI行業龍頭主要使用英偉達的GPU芯片進行開發訓練,國內高性能GPU研發能力有限,具備高國產替代緊迫性。當前芯片制程已經提升至5nm,繼續提升制程的性價比逐漸降低,在這種情況下,“先進封裝”或成為我國算力領域“彎道超車”的關鍵技術。
AI算法包括基礎算法和應用算法兩類,目前幾乎所有基礎算法都由斯坦福、哈佛、OpenAI等美國機構提供,而應用算法幾乎完全開源,美國對開源社區有絕對控制權。也就是說我國AI算法對國外依賴度很強,建議關注有核心算法突破及AI算法商業落地的廠商。
圖6 2020-22年前100篇引用最高的人工智能論文來源排名
來源:Zeta-Alpha,中泰證券研究所
同時,隨著數據這一國家基礎性戰略資源地位的確立,數據要素推動數字經濟發展將進入落地階段,未來以國家主導的數據交易體系逐漸完善,數據要素相關的收集、確權、存儲、處理、定價以及流轉六環節將有大量公司受益,并有望形成板塊效應。
下游應用方面,伴隨AI+的應用場景不斷擴大,應用場景的需求市場不斷拓寬,商業模式良好的軟件龍頭亦或明顯受益。
作者李迅雷,SFI學術委員、中泰證券股份有限公司首席經濟學家;張文宇,中泰證券分析師,本文節選自“李迅雷金融與投資”公眾號發表的文章《奇點將至:AI或開啟新一輪科技革命》,有刪節。文章不代表CF40立場,亦不構成投資建議。