四月的第一个交易日，整个AI赛道火出天际

　　四月的第一个交易日，整个AI赛道火出天际。从软件到硬件；从大模型到行业中模型；从AI芯片到光模块到服务器……全面火爆。

　　“不买人工智能，就是等死，追买人工智能，可能是找死。横竖都是死，不如搏一把再死张元英ai人工智能。也许富贵险中求呢！”这是周末刷屏的《一位基金经理的独白》的原话，或者并不一定准确，但形象的反映出不少踏空投资者目前的焦虑心态。

　　四月的第一个交易日，整个AI赛道火出天际。从软件到硬件；从大模型到行业中模型；从AI芯片到光模块到服务器……全面火爆。

　　行业中模型：科大讯飞大涨近9%，盘中触及历史新高；云从科技20CM涨停；同花顺大涨15%带动恒生电子、东方财富相继跟上；……

　　回顾昨日稿件,关于人工智能的逻辑和标的，价值线，通用大模型才是核心中的核心，未来不会存在太多，估计2-5家之间，做出来的公司市值很可能过万亿。

　　2，除了通用大模型，也会存在一批行业大模型，比如医疗，金融，交通，等等，这类大模型也值钱，但是体量要小一个级别。

　　3，应用会两极分化，普通类的应用迟早会被大模型自带功能取代，而有门槛的应用，会深度受益于大模型引导的巨大流量。

　　具体到公司，算力方面继续关注寒武纪、景嘉微等；应用方面的如三六零、昆仑万维、科大讯飞等；扩散方面可关注：吉比特人工智能推理系统、广联达人工智能培训班知乎、拓维信息、德赛西威等。

　　价值线长期关注的公司今天基本全部大涨，360的走势脱胎换骨，科大讯飞新高，寒武纪距离历史最高点还有四十个点左右……昨日新近关注的吉比特和广联达今天也是大涨。

　　对于后市，有市场投资者称，从今天板块内不少核心个股成交量急剧放大来看，机构开始跑步进场了，散户是没有这个吃相和能力，当然行情越往后发展，波动必然加剧。

　　该投资者称张元英ai人工智能，可以紧盯着寒武纪，只要它不崩，AI的路就还长。因为它已经是公认没有业绩，主要全靠预期在撑着，如果寒武纪这样的股作为中军能扛住人工智能推理系统张元英ai人工智能，然后其他股上蹿下跳，继续热闹。

　　如果是比较care个股业绩的话，可以着重关注光模块这个细分领域，光模块很可能是AI方向上少有能尽快见到利润的分支，也是近期机构正大举买入的方向。

　　从近期相关上市公司的公告及调研纪要来看，他们拿了不少英伟达和微软的大单，此前剑桥科技的董事长称800G光模块今年的增速将超过100%。

　　ChatGPT掀起的科技行情人工智能推理系统，让很多人回想起了10年前的A股。华兴资本首席经济学家李宗光近日发表了对近期A股走势的看法，并直言今年的行情像极了2013年：2013年，上证综指全年下跌6.7%，但代表创新转型的创业板指数全年上涨82%，传媒和计算机的涨幅分别达到103%和77%，呈现出极致的风格切换特征。

　　如此巨大的风格分化，即使在以高波动著称的大A股，历史上也是较为罕见的，这主要是两方面的原因：

　　1、自2010年起中国经济增速开始下降，2013年是经济降温的第四年，基建、地产人工智能推理系统、投资、消费降速，压力向传导，叠加情绪和预期的线年市场对经济大盘的悲观预期，达到极致。

　　2、2013年债灾，拉开了“倒逼出清和去杠杆”的序幕。市场开始相信，旧模式已死，这次线、创业板新推出，承载了转型和创新的希望。资金从传统行业流向TMT和创业板。而存量资金市场特征下，资金要吃饭，要生存，就必须涌向最具确定性的板块张元英ai人工智能，抱团取暖。

　　今年开年不久，ChatGPT横空出世。这一概念天然具备了“年度主题”的所有内在条件。除了ChatGPT概念自身足够给力外，接近于2013年的大环境，也推动着资金涌向TMT等科技板块：

　　1、经济周期方面，下行惯性和通缩心态仍较严重。1~2月份经济数据显示，经济确实在复苏，但缺少一点市场预期中的报复性张元英ai人工智能。

　　2、宏观政策整体仍偏稳健和克制，稳健克制的大基调下，市场对于经济基本面相关板块兴趣不大，未来资金仍可能从这些板块流出，寻找确定性和正向预期差。

　　3、主流板块短期风口不再，新能源处于需求下滑和供给激增带来的过剩阶段，最坏的情况仍未到来，大的机会在2024年之后。以传媒、电子、计算机为代表的TMT过去数年调整充分，筹码清洗干净。

　　人工智能的发展路径从辅助人（为劳动力装备更多“智能资本”）、替代人（解决“鲍莫尔病”），终极形态可能是成为“人”（人工智能与人高度融合）。

　　未来随着人工智能商业化加速落地张元英ai人工智能，将催生上游新能源电力增量投资，中游带动智能算力基础设施补短板（芯片、液冷服务器等），而下游针对垂直领域训练的小模型（汽车、办公、医疗、金融等）可能会更快发挥商业价值。“人工智能”的概念最早于1956年提出，从诞生至今大致经历了三波发展热潮，分别是20世纪50年代至70年代中期，70年代至90年代（专家系统、知识工程）以及90年代至今（移动互联网、云计算）人工智能推理系统。如今大语言模型引领人工智能新风口，国内外各大公司纷纷投入到这场“军备竞赛”中，但同时也引发了数据安全和伦理等问题的担忧。

　　1）辅助人：人工智能的出现首先是辅助人类开展工作，通过为劳动力装备人工智能“资本”，从而提高劳动生产率；人工智能将为产业开启智能化新时代。

　　2）替代人：与历次科技中机器替代人的过程不同，人工智能对人的替代将集中在第三产业，有望从根本上解决三产劳动生产率低下的“鲍莫尔病”。

　　3）成为“人”：人工智能发展的终极目的是实现与人类的融合，一方面人工智能可以作为人类器官的延伸和强化，另一方面人类的情感和意识也可以被“数字化。”

　　1）上游催生新能源电力增量投资：人工智能强大的算力背后是不容忽视的电力消耗，如果AI大规模商用加速落地，则意味着全球将产生大量电力缺口；

　　2）中游带动智能算力基础设施补短板：算力规模的迅速增长带来对智能算力基础设施的巨大需求，涉及到高算力芯片、服务器液冷等技术；

　　3）在大模型的基础上，针对垂直领域训练的小模型可能在短期内更快发挥商业价值：例如智能汽车、智能办公、医疗健康管理等领域。

　　从紧迫性上来看，上游电力基础设施投资是短期各国均需要解决的发展瓶颈；从国内与国际差距来看人工智能培训班知乎，高算力芯片将成为决定未来长期人工智能发展水平的关键。

　　至于当前面临的AI中文训练数据偏少、处理中文事务能力偏弱的问题，则可以后续依托国内庞大的市场，增加中文数据供给来解决。