易方達(dá)中證人工智能ETF投資價值分析

1、內(nèi)容目錄 HYPERLINK l _TOC_250018 人工智能幾經(jīng)波折后迎來了主升浪 4 HYPERLINK l _TOC_250017 人類對人工智能的期望由來已久 4 HYPERLINK l _TOC_250016 人工智能的孕育期及誕生：1943-1956 4 HYPERLINK l _TOC_250015 第一次黃金時期及低潮：1956-1980 年代初 4 HYPERLINK l _TOC_250014 第二次黃金時期及低潮：1980 年代初-1990 年代中 5 HYPERLINK l _TOC_250013 成果顯現(xiàn)：1990 年代中至今 6 HYPERLINK l _TOC

2、_250012 當(dāng)下是投資人工智能的最好時機(jī) 8 HYPERLINK l _TOC_250011 商業(yè)利益在人工智能浪潮中扮演日益重要的角色 8 HYPERLINK l _TOC_250010 第一、二次低谷不會再重演 8 HYPERLINK l _TOC_250009 2020 年將是智能革命的元年 9 HYPERLINK l _TOC_250008 科技創(chuàng)新大時代是未來行情的主線條 11中證人工智能主題指數(shù)分析：投資人工智能領(lǐng)域核心標(biāo)的 14 HYPERLINK l _TOC_250007 中證人工智能主題指數(shù)編制方式及簡介 14 HYPERLINK l _TOC_250006 中證人工智

3、能主題指數(shù)歷史表現(xiàn) 14 HYPERLINK l _TOC_250005 指數(shù)風(fēng)格：大幅聚焦人工智能領(lǐng)域核心標(biāo)的 16 HYPERLINK l _TOC_250004 指數(shù)估值：估值水平自 2019 年以來出現(xiàn)修復(fù) 17 HYPERLINK l _TOC_250003 易方達(dá)中證人工智能 ETF：交投活躍、費(fèi)用更低 19 HYPERLINK l _TOC_250002 易方達(dá)中證人工智能 ETF 簡介 19 HYPERLINK l _TOC_250001 易方達(dá)中證人工智能 ETF 交易活躍 20 HYPERLINK l _TOC_250000 管理公司&基金經(jīng)理：專業(yè)、規(guī)范、穩(wěn)健、績優(yōu) 21

4、國信證券投資評級 22分析師承諾 22風(fēng)險(xiǎn)提示 22證券投資咨詢業(yè)務(wù)的說明 22圖表目錄圖 1：專家系統(tǒng)示意圖 5圖 2：我國 2G-5G 通信技術(shù)的不斷發(fā)展過程 9圖 3：人工智能行業(yè)模型 10圖 4：不斷下降的計(jì)算成本 10圖 5：2026 年可以模擬人腦的計(jì)算機(jī)單價將低于 1000 美元 11圖 6：8 月份我國經(jīng)濟(jì)數(shù)據(jù)仍在修復(fù)（%） 12圖 7：2020 年后公開市場操作利率持續(xù)下降（%） 12圖 8：當(dāng)前經(jīng)濟(jì)中寬貨幣向?qū)捫庞谜诶^續(xù)（%） 13圖 9：2019 年以來創(chuàng)業(yè)板持續(xù)跑贏大盤整體 13圖 10：2012 年以來中證人工智能主題指數(shù)走勢一覽 15圖 11：中證人工智能主題指數(shù)

5、成分股規(guī)模分布（權(quán)重） 16圖 12：中證人工智能主題指數(shù)成分股規(guī)模分布（數(shù)量） 16圖 13：中證人工智能主題指數(shù)各行業(yè)權(quán)重分布 16圖 14：中證人工智能主題指數(shù)各行業(yè)成分股數(shù)量分布 17圖 15：中證人工智能主題指數(shù)估值水平 18圖 16：2015 年以來中證人工智能主題指數(shù) PE 走勢 18圖 17：2015 年以來中證人工智能主題指數(shù) PB 走勢 19圖 18：上市以來易方達(dá)人工智能 ETF 成交活躍（萬元） 21表 1：計(jì)算機(jī)代數(shù)劃分 6表 2：2015 年以來我國支持人工智能發(fā)展的政策陸續(xù)出臺 7表 3：中證人工智能主題指數(shù)基本信息 14表 4：中證人工智能主題指數(shù)長期收益-風(fēng)險(xiǎn)

6、 15表 5：中證人工智能主題指數(shù)近一年收益-風(fēng)險(xiǎn) 15表 6：中證人工智能主題指數(shù)權(quán)重前十成分股基本信息 17表 7：易方達(dá)中證人工智能 ETF 信息 20人工智能幾經(jīng)波折后迎來了主升浪自古以來，人類就對以自己為模板創(chuàng)造人工生命并賦予其智能充滿著幻想。 1943 年，Warren McCulloch 和Walter Pitts 發(fā)表了關(guān)于人工智能最早的工作，之后到上世紀(jì) 50 年代中的 10 多年時間里一直是人工智能的孕育期。此后 1950年代中至 1990 年代中人工智能的發(fā)展經(jīng)歷兩次黃金時期和低潮。1997 年 5 月11 日，IBM 制造的專門超級計(jì)算機(jī)深藍(lán)擊敗了國際象棋世界冠軍，標(biāo)志

7、著人工智能的研究到達(dá)了一個新的高度。2000 年代后，隨著大數(shù)據(jù)的普及、深度學(xué)習(xí)算法的完善、硬件效能的提高，人工智能的應(yīng)用領(lǐng)域變得更廣，應(yīng)用程度也變得更深，例如近年來人工智能被廣泛應(yīng)用與智能制造、智慧服務(wù)、自動駕駛、智慧抗疫、創(chuàng)新經(jīng)濟(jì)等領(lǐng)域，人工智能幾經(jīng)波折后終于迎來了主升浪。人類對人工智能的期望由來已久自古以來，人類就對以自己為模板創(chuàng)造人工生命并賦予其智能充滿著幻想。古希臘神話中，火神赫菲斯托斯就創(chuàng)造了黃金機(jī)器人作為自己鐵匠鋪的助手；皮格馬利翁則愛上了自己創(chuàng)造的雕像伽拉忒亞并由愛神賦予之生命；列子湯問中的偃師所創(chuàng)造的歌舞伎不止表演高超，甚至有人類的情欲；黑暗的中世紀(jì)中，用巫術(shù)創(chuàng)造魔像的故事廣

8、為傳播；文藝復(fù)興時期歐洲的煉金術(shù)師沉迷于創(chuàng)造出何蒙庫魯茲這種人工生命；怪物弗蘭肯斯坦的故事家喻戶曉；2001 太空漫游中的 HAL 電腦的自主意識及其采取的行動讓人驚心動魄。我們可以發(fā)現(xiàn)，創(chuàng)造人工智能的想法自人類的誕生就一直存在，它隨著人類的發(fā)展不斷演化（神造人-人造超人-人造亞人-人造電腦），并隨著人類的發(fā)展逐漸的變成現(xiàn)實(shí)。人工智能的孕育期及誕生：1943-19561943 年，Warren McCulloch 和Walter Pitts 發(fā)表了關(guān)于人工智能最早的工作。他們提出了一個神經(jīng)網(wǎng)絡(luò)的架構(gòu)：每個神經(jīng)元只有“開”和“關(guān)”兩種狀態(tài)，并可由周圍神經(jīng)元的刺激切換狀態(tài)。同時，他們證明了神經(jīng)網(wǎng)絡(luò)

9、可以用于數(shù)值和邏輯的計(jì)算。1950 年，哈佛的兩個本科生 Marvin Minsky 和 Dean Edmonds 建造了第一臺神經(jīng)網(wǎng)絡(luò)計(jì)算機(jī) SNARC，可以模擬 40 個神經(jīng)元。本時期最重要的貢獻(xiàn)來自于阿蘭圖靈。1950 年，圖靈發(fā)表了Computing Machinery and Intelligence論文，介紹了圖靈測試、機(jī)器學(xué)習(xí)、基因算法、強(qiáng)化學(xué)習(xí)等概念，奠定了人工智能發(fā)展的基礎(chǔ)。1956 年的達(dá)特茅斯會議標(biāo)志著人工智能的誕生：John McCarthy 聯(lián)合 Minsky、 Claude Shannon、Nathaniel Rochester 在達(dá)特茅斯組織了兩個月的Worksh

10、op。達(dá)特茅斯會議將不同的研究領(lǐng)域的研究者組織在了一起，提出了“人工智能”這個名詞，人工智能也成為了一個獨(dú)立的研究領(lǐng)域。參會者盡管只有十人，但是他們中的每一位在未來很長的一段時間都對人工智能領(lǐng)域產(chǎn)生了舉足輕重的影響。第一次黃金時期及低潮：1956-1980 年代初達(dá)特茅斯會議之后，人工智能迎來了發(fā)展的黃金時期，出現(xiàn)了大量的研究成果。Herbert Simon、J.C.Shaw、Allen Newell 創(chuàng)建了通用解題器（General Problem Solver），是第一個將待解決的問題的知識和解決策略相分離的計(jì)算機(jī)程序； Minsky、Seymour Aubrey Papert 提出了微世

11、界（Mircro world）的概念，大大簡化了人工智能的場景，有效地促進(jìn)了人工智能的研究。微世界程序的最高成就是 Terry Winograd 的 SHRDLU，它能用普通的英語句子與人交流，還能作出決策并執(zhí)行操作。第一次黃金時期離不開資金的支持。1963 年，ARPA（后來的 DARPA，美國國防部高級研究計(jì)劃局）撥款 220 萬美元給 MIT，并于之后每年提供 300 萬美元（至 1970 年代結(jié)束）。更重要的是，ARPA 的經(jīng)費(fèi)并沒有附帶明確要求，這提供給了 MIT 科學(xué)家夢寐以求的研究氛圍。第一次黃金時期讓人們對人工智能領(lǐng)域充滿了樂觀情緒，甚至人工智能的領(lǐng)軍人物 Minsky 都認(rèn)為

12、“在三至八年里我們將得到一臺具有人類平均智能的機(jī)器”。人們的樂觀情緒在 1970 年代漸漸被澆滅。研究者發(fā)現(xiàn)，即使是最尖端的人工智能程序也只能解決他們嘗試解決的問題中的最簡單的一部分。人工智能還遭遇了以下一些問題：存儲空間和計(jì)算能力的嚴(yán)重不足：例如，Ross Quillian 的自然語言處理程序只包括 20 個單詞，因?yàn)檫@是存儲的上限。指數(shù)級別攀升的計(jì)算復(fù)雜性：1972 年 Richard Karp 的研究表明，許多問題只能在指數(shù)級別的時間內(nèi)獲解，即計(jì)算時間與輸入的規(guī)模的冪成正比。缺乏基本知識和推理能力：研究者發(fā)現(xiàn)，就算是對兒童而言的常識，對程序來說也是巨量信息。1970 年代沒有人建立過這種

13、規(guī)模的數(shù)據(jù)庫，也沒人知道怎么讓程序進(jìn)行學(xué)習(xí)。隨著人工智能發(fā)展遭遇瓶頸，資金紛紛拋棄人工智能領(lǐng)域。由于項(xiàng)目失敗等原因，DARPA 也終止了對 MIT 的撥款。到了 1970 年代中期，人工智能項(xiàng)目已經(jīng)很難找到資金支持。第二次黃金時期及低潮：1980 年代初-1990 年代中這次黃金時期的到來，專家系統(tǒng)（Expert system）功不可沒。專家系統(tǒng)專注于某一個領(lǐng)域，因而設(shè)計(jì)簡單，易于實(shí)現(xiàn)，而且避免了所謂的“常識問題”。商業(yè)領(lǐng)域第一個成功的專家系統(tǒng)是 Digital Equipment Corporation 的 R1，從 1982年至 1988 年，它幫助公司平均每年節(jié)約 4000 萬美元。到了

14、 1988 年，全球頂尖的公司都已經(jīng)裝備了專家系統(tǒng)：DEC 部署了 40 個專家系統(tǒng)，杜邦部署了 100個。隨著專家系統(tǒng)的大規(guī)模應(yīng)用，知識庫系統(tǒng)和知識工程得到了普及。圖 1：專家系統(tǒng)示意圖資料來源:Wikipedia, 百度百科，國信證券經(jīng)濟(jì)研究所整理另一個重大的助力是日本的第五代計(jì)算機(jī)項(xiàng)目。它是日本通商產(chǎn)業(yè)省在 1982年推出的一個大型研發(fā)企劃，目的是開發(fā)采用平行架構(gòu)的擁有人工智能的革命性的電腦，開創(chuàng)下一個時代。整個計(jì)劃預(yù)計(jì) 10 年完成，3 年用于先期研究，4年用于子系統(tǒng)開發(fā)，最后 3 年組成一個可運(yùn)行的原型，整個項(xiàng)目預(yù)算高達(dá) 570億日元。表 1：計(jì)算機(jī)代數(shù)劃分代數(shù)電子元件編程語言第一代

15、電子元件為真空管機(jī)器語言第二代半導(dǎo)體匯編語言第三代集成電路高級編程語言第四代大規(guī)模集成電路SQL 等第五代發(fā)展中發(fā)展中資料來源:百度百科，國信證券經(jīng)濟(jì)研究所整理受此計(jì)劃的刺激，其他強(qiáng)國紛紛采取應(yīng)對策略。1983 年，英國開始了預(yù)算 3.5億英鎊的 Alvey 工程，關(guān)注大規(guī)模集成電路、人工智能、軟件工程、人機(jī)交互（包含自然語言處理）以及系統(tǒng)架構(gòu)；在美國，DRAPA 組織了戰(zhàn)略計(jì)算促進(jìn)會，年投資額在四年內(nèi)增長了 2 倍；而在準(zhǔn)將 Bobby Ray Inman 的領(lǐng)導(dǎo)下，一群美國的計(jì)算機(jī)和半導(dǎo)體廠商組成 MCC （ Microelectronics and Computer Technology

16、 Corporation，微電子與計(jì)算機(jī)技術(shù)集團(tuán)）財(cái)團(tuán)，在系統(tǒng)架構(gòu)設(shè)計(jì)、芯片組裝、硬件工程、分布式技術(shù)、智慧系統(tǒng)等方向發(fā)力。在這個時期內(nèi)，算法也得到了突破性的進(jìn)展。1982 年，John Hopfield 證明 Hopfield 網(wǎng)絡(luò)可以學(xué)習(xí)并處理信息，David Rumelhart 則提出了反向傳播算法。它們和 1986 年發(fā)表的分布式處理的論文一起，為 1990 年代神經(jīng)網(wǎng)絡(luò)的商業(yè)化打下了堅(jiān)實(shí)的基礎(chǔ)。隨著專家系統(tǒng)的不斷發(fā)展，復(fù)雜度的快速提升，基于知識庫和推理機(jī)的專家系統(tǒng)顯示出了讓人不安的一面：難以升級擴(kuò)展，魯棒性不夠，直接導(dǎo)致高昂的維護(hù)成本。1980 年代末期，由于人工智能的項(xiàng)目成果不明朗

17、，DARPA 大幅削減了對人工智能的資金支持。1991 年，英國政府發(fā)布 Alvey 工程的最終報(bào)告，報(bào)告指明，Alvey 工程達(dá)到了其設(shè)定的技術(shù)目標(biāo)，但是并沒有提升英國在信息技術(shù)市場的競爭力。報(bào)告將原因歸集為“資本的短缺和管理運(yùn)營的低效率”。Alvey 工程主管 Brain Oklay 指出，信息技術(shù)工業(yè)應(yīng)更注重培訓(xùn)、市場推廣和研究成果的商業(yè)化。他抱怨道日本的低利率讓高科技公司可以開發(fā)低毛利產(chǎn)品，而英國的高利率阻止了公司這么做。盡管英國覺得日本的計(jì)劃更為成功，但 1992 年 6 月，日本政府宣布向全世界公開第五代計(jì)算機(jī)項(xiàng)目所開發(fā)的軟件，允許任何人免費(fèi)使用，這標(biāo)志著日本雄心勃勃的第五代計(jì)算機(jī)

18、項(xiàng)目的失敗。第五代計(jì)算機(jī)項(xiàng)目并沒有帶來人工智能的突破，甚至有人說，第五代計(jì)算機(jī)項(xiàng)目的最大收獲其實(shí)是項(xiàng)目的副產(chǎn)物：其訓(xùn)練了成百上千的計(jì)算機(jī)領(lǐng)域的專家。該項(xiàng)目的失敗有多重原因，一般認(rèn)為，通用型微型機(jī)對專用型大型機(jī)的沖擊及項(xiàng)目研發(fā)成果缺乏商業(yè)化場景是項(xiàng)目失敗的重要原因。成果顯現(xiàn)：1990 年代中至今1997 年 5 月 11 日，IBM 制造的專門超級計(jì)算機(jī)深藍(lán)（Deep Blue），在經(jīng)過多輪較量后，擊敗了國際象棋世界冠軍 Garry Kasparov。盡管不乏 IBM 作弊的聲音，但這個事件標(biāo)志著人工智能的研究到達(dá)了一個新的高度，也給人工智能做了一次大規(guī)模的宣傳。2000 年代后，隨著大數(shù)據(jù)的普

19、及、深度學(xué)習(xí)算法的完善、硬件效能的提高，人工智能的應(yīng)用領(lǐng)域變得更廣，應(yīng)用程度也變得更深。例如近年來人工智能被廣泛應(yīng)用于智能制造、智慧服務(wù)、自動駕駛、智慧抗疫、創(chuàng)新經(jīng)濟(jì)等領(lǐng)域。今年新冠疫情的爆發(fā)導(dǎo)致醫(yī)療需求大幅增加，而我國目前的醫(yī)療資源依然相對緊張并且分布較不均衡，但是人工智能在醫(yī)療領(lǐng)域中的圖像識別、醫(yī)藥篩選、遠(yuǎn)程問診等方面能夠發(fā)揮非常良好的作用，可以大大提升醫(yī)療體系的運(yùn)轉(zhuǎn)效率，因此人工智能在抗擊疫情方面發(fā)揮了十分重要的作用。從更長期的角度看，人工智能在醫(yī)療行業(yè)的應(yīng)用將對傳統(tǒng)醫(yī)療機(jī)構(gòu)運(yùn)作方式帶來極大的變革，最終能夠有效緩解醫(yī)療資源存在的壓力，未來智慧醫(yī)療也將有望迎來進(jìn)一步的發(fā)展。此次疫情的爆發(fā)同

20、樣也暴露了城市治理中存在的諸多問題，而人工智能在智慧政務(wù)、疫情監(jiān)控、社區(qū)防疫等方面同樣能夠形成非常好的協(xié)同效應(yīng)，通過科技賦能，人工智能帶來的智慧治理模式對當(dāng)前的城市治理體系和社區(qū)管理方式同樣進(jìn)行了智能化升級，極大的提高了效率。隨著疫情防控進(jìn)入常態(tài)化，經(jīng)濟(jì)中很多企業(yè)面臨人員不足、資金周轉(zhuǎn)困難、生產(chǎn)資料匱乏等問題，而人工智能實(shí)現(xiàn)的智能化轉(zhuǎn)型同樣成為了制造業(yè)和服務(wù)業(yè)提高抗風(fēng)險(xiǎn)能力的重要發(fā)展方向。隨著技術(shù)和應(yīng)用的不斷發(fā)展，人工智能也正與經(jīng)濟(jì)社會的多個領(lǐng)域在不斷進(jìn)行創(chuàng)新融合，新模式、新場景、新交互在不斷催生，人工智能帶來的新經(jīng)濟(jì)也成為了經(jīng)濟(jì)增長的重要支撐。疫情期間的隔離是的正常購物成為難題，實(shí)體零售收到

21、了重大沖擊，但無人零售、智能物流、智能配送能夠幫助零售企業(yè)迅速解決這一方面的難題。與之伴隨的是自動駕駛同樣開始加速發(fā)展，催生新的無人經(jīng)濟(jì)，對于后疫情時代的生活生產(chǎn)的恢復(fù)同樣存在重要的作用。此外隨著人工智能、5G、虛擬現(xiàn)實(shí)等新技術(shù)的發(fā)展，人工智能同樣也會為數(shù)字內(nèi)容領(lǐng)域注入新動能。下一階段人工智能技術(shù)將更廣泛的滲入新型基礎(chǔ)設(shè)施建設(shè)，并且將獲得更多元的應(yīng)用場景和更大規(guī)模的受眾。人工智能也正成為未來經(jīng)濟(jì)的主要增長點(diǎn)，尤其是后疫情時代，人工智將能成為各國經(jīng)濟(jì)實(shí)現(xiàn)重建、轉(zhuǎn)型的重要力量。根據(jù)埃森哲對中國以及全球 12 個發(fā)達(dá)經(jīng)濟(jì)體的研究，到 2035 年人工智能將幫助各國顯著扭轉(zhuǎn)經(jīng)濟(jì)增速近年來的下滑趨勢。隨

22、著人工智能技術(shù)不斷走向成熟，人工智能的戰(zhàn)略重要性已經(jīng)成為各國共識，全球主要國家也都在紛紛加大對人工智能的關(guān)注、支持和投入。2015 年以來我國關(guān)于支持人工智能發(fā)展的政策也在不斷落地。表 2：2015 年以來我國支持人工智能發(fā)展的政策陸續(xù)出臺時間文件名稱2015 年 7 月國務(wù)院出臺關(guān)于積極推進(jìn)“互聯(lián)網(wǎng)+”行動的指導(dǎo)意見將人工智能納入發(fā)展重點(diǎn)任務(wù)2016 年 5 月發(fā)改委引發(fā)“互聯(lián)網(wǎng)+”人工智能三年行動實(shí)施方案2016 年 8 月國務(wù)院發(fā)布“十三五”國家科技創(chuàng)新規(guī)則，把人工智能作為體現(xiàn)國家戰(zhàn)略意圖的重大科技項(xiàng)目2017 年 3 月人工智能首次被寫入政府工作報(bào)告2017 年 7 月國務(wù)院發(fā)布新一代

23、人工智能發(fā)展規(guī)劃2018 年 1 月人工智能標(biāo)準(zhǔn)化白皮書正式發(fā)布2018 年 3 月人工智能再度被列入政府工作報(bào)告2018 年 10 月習(xí)近平總書記就人工智能專題組織中央政治局第九次集體學(xué)習(xí)2018 年 11 月工信部印發(fā)新一代人工智能產(chǎn)業(yè)創(chuàng)新重點(diǎn)任務(wù)揭榜工作方案2019 年 3 月關(guān)于促進(jìn)人工智能和實(shí)體經(jīng)濟(jì)深度融合的指導(dǎo)意見審議通過2019 年 8 月科技部發(fā)布國家新一代人工智能創(chuàng)新發(fā)展試驗(yàn)區(qū)建設(shè)工作指引2020 年 5 月政府工作報(bào)告重點(diǎn)支持“兩新一重”建設(shè)，其中人工智能屬于新基建范疇資料來源：Wind、國信證券經(jīng)濟(jì)研究所整理當(dāng)下是投資人工智能的最好時機(jī)通訊技術(shù)在科技革命中起著極其關(guān)鍵的作

24、用，可以說每一次新技術(shù)的大規(guī)模推廣和使用都是以通訊為先導(dǎo)的。今天 5G 通訊網(wǎng)絡(luò)已經(jīng)開始鋪設(shè)，低時延、高速度的通訊網(wǎng)絡(luò)很快就會建成，萬物互聯(lián)的基礎(chǔ)設(shè)施即將具備。整個信息技術(shù)的產(chǎn)業(yè)即將再次迎來大爆發(fā)，2020 年將是智能革命的元年，下一輪的投資機(jī)會將會在人工智能領(lǐng)域產(chǎn)生。對應(yīng)到資本市場上，我們認(rèn)為科技創(chuàng)新大時代是未來行情的主線條，當(dāng)下是投資人工智能的最好時機(jī)。商業(yè)利益在人工智能浪潮中扮演日益重要的角色我們發(fā)現(xiàn)，人工智能的黃金時期與投資規(guī)模息息相關(guān)。第一次黃金時期由 ARPA的投資所觸發(fā)，第二次黃金時期來自于商業(yè)利益的推動和日本第五代計(jì)算機(jī)的刺激，而最近的這一輪人工智能的熱潮，則主要來自于商業(yè)巨頭

25、間用于彌補(bǔ)移動互聯(lián)網(wǎng)增長乏力而發(fā)力尋找下一個增長點(diǎn)的人工智能競賽。明顯的，我們可以發(fā)現(xiàn)，商業(yè)在人工智能中扮演的角色愈發(fā)重要：從第一次黃金時代的缺席，到第二次黃金時代的推動（專家系統(tǒng)），再到這個世代的主動推手這也是我們強(qiáng)調(diào)人工智能公司一定要有應(yīng)用場景的原因。我們認(rèn)為，人工智能領(lǐng)域的繁榮需要政府和企業(yè)互相配合。政府主導(dǎo)的計(jì)劃是基礎(chǔ)研究，畢竟，美國政府 1960 年代所支持的基礎(chǔ)研究造就了一個新的工業(yè)，并且，目前強(qiáng)人工智能的研究還急需基礎(chǔ)理論的補(bǔ)足；但是，政府主導(dǎo)的應(yīng)是基礎(chǔ)研究，而不是應(yīng)用研究，對于弱人工智能來說，其應(yīng)用研究的主導(dǎo)應(yīng)該是商業(yè)化的公司。與政府先比，商業(yè)化公司更為靈活。人工智能是一個新興

26、產(chǎn)業(yè)，其技術(shù)產(chǎn)品的形態(tài)在高速變化中，政府部門必要的長決策鏈難以快速應(yīng)對市場變化。就算是廣受贊譽(yù)的日本經(jīng)濟(jì)產(chǎn)業(yè)省，其 1982 年制定的“正確”政策在1980 年代末泛用型微型機(jī)的沖擊下都顯得十分荒謬。同時，商業(yè)化可以避免英國 Alevy 工程失敗原因之一的政府機(jī)構(gòu)的效率問題。最重要的是，政府的資源的投入并不是長期穩(wěn)定的，而是脈沖式的，會受到當(dāng)前國際政治經(jīng)濟(jì)環(huán)境的強(qiáng)烈影響，而只有技術(shù)的商業(yè)化，形成產(chǎn)品和穩(wěn)定的現(xiàn)金流，方能在長時間內(nèi)支撐人工智能工業(yè)穩(wěn)定發(fā)展。第一、二次低谷不會再重演同時我們也注意到，人工智能的低谷，均與人工智能未能達(dá)到期望有關(guān)。未達(dá)到期望的原因則略有不同：第一次人工智能的失敗在于數(shù)

27、據(jù)、算力的缺失以及算法的不完善，第二次人工智能的失敗在于專家系統(tǒng)高昂的維護(hù)成本、泛用型機(jī)器的沖擊及政府主導(dǎo)計(jì)劃商業(yè)化的失敗，特別是泛用型微型機(jī)的沖擊對專業(yè)型大型機(jī)影響巨大。至于目前出現(xiàn)的從泛用型處理器向?qū)Ｓ眯吞幚砥鬓D(zhuǎn)變的現(xiàn)象，我們認(rèn)為其與 1980 年代末泛用型微型機(jī)對專用型大型機(jī)的沖擊不同：1980年代末計(jì)算機(jī)的滲透率非常低，大量場景對低價泛用型微型機(jī)的需求遠(yuǎn)未滿足，而現(xiàn)在，泛用型處理器已經(jīng)充斥著我們的日常生活（手機(jī)、計(jì)算機(jī)等），而且他們的運(yùn)算能力在大多數(shù)情況下是富余的（計(jì)算機(jī) CPU 的算力對于日常辦公娛樂來說已經(jīng)過剩），但對于研究和模型搭建，尤其是需要復(fù)雜計(jì)算的深度學(xué)習(xí)，以及專用型人工智

28、能的運(yùn)行來說，專用型處理器的低功耗、高效率是必須的。隨著當(dāng)前神經(jīng)網(wǎng)絡(luò)被證明可以有效處理復(fù)雜問題，以及算力、存儲能力的快速增加，大型計(jì)算機(jī)的計(jì)算節(jié)點(diǎn)、計(jì)算速度、存儲規(guī)模已經(jīng)超越人腦若干數(shù)量級，我們認(rèn)為弱人工智能領(lǐng)域的“金線”已經(jīng)觸手可及。2020 年將是智能革命的元年通訊技術(shù)在科技革命中起著極其關(guān)鍵的作用，可以說每一次新技術(shù)的大規(guī)模推廣和使用都是以通訊為先導(dǎo)的。石器的應(yīng)用和推廣是以人類語言的使用為前提的。銅鐵冶煉技術(shù)的推廣需要文字的普及。機(jī)器的爆發(fā)使用、以及相關(guān)商品的推廣，和電報(bào)的廣泛使用密切相連，汽車時代對應(yīng)的是電話時代。到了信息技術(shù)時代，通訊技術(shù)從 1G、2G、3G、4G 一步步升級，每一次

29、都對應(yīng)著信息技術(shù)的跨越式發(fā)展。2019 年 6 月 6 日，工信部正式發(fā)放 5G 商用牌照。今天 5G 通訊網(wǎng)絡(luò)已經(jīng)開始鋪設(shè)，低時延、高速度的通訊網(wǎng)絡(luò)很快就會建成，萬物互聯(lián)的基礎(chǔ)設(shè)施即將具備。整個信息技術(shù)的產(chǎn)業(yè)即將再次迎來大爆發(fā)，2020 年將是智能革命的元年。萬物互聯(lián)的網(wǎng)絡(luò)就會產(chǎn)生無窮的數(shù)據(jù)，有了龐大的歷史和動態(tài)的實(shí)時數(shù)據(jù)，計(jì)算能力和計(jì)算算法就變得十分重要，高精尖的 CPU、高深的算法就有了用武之地，智能的數(shù)據(jù)會從這里產(chǎn)生。有了智能的數(shù)據(jù)，我們就可以在機(jī)器人、各種自動設(shè)備植入 AI 芯片，讓機(jī)器按照我們想要的方式運(yùn)行。有了數(shù)據(jù)人工智能就有了基礎(chǔ)，所以下一輪的投資機(jī)會將會在人工智能領(lǐng)域產(chǎn)生。圖

30、 2：我國 2G-5G 通信技術(shù)的不斷發(fā)展過程70006000500040003000200010000產(chǎn)量:移動通信基站設(shè)備:當(dāng)月值日，工信部正式發(fā)放5G商用牌照2013年12月4日4G TDD-LTE牌照發(fā)放21世紀(jì)初2G開始向2.5G、2.75G發(fā)2009年1月7日3G牌照正式發(fā)放2019年6月62000 2002 2004 2006 2008 2010 2012 2014 2016 2018 2020資料來源：Wind、國信證券經(jīng)濟(jì)研究所整理目前的人工智能是弱人工智能。我們將人工智能分為弱人工智能、強(qiáng)人工智能和終極人工智能三個階段。不同階段所需要的復(fù)雜度是指數(shù)級遞增的。弱人工智能指的是

31、專注在某一特定類別任務(wù)的人工智能，如人臉識別算法專注人臉識別，Siri 只能完成特定功能的語音交互，AlphaGo 十分強(qiáng)大但是專注于圍棋領(lǐng)域；強(qiáng)人工智能，或通用人工智能，指的是泛用型人工智能，一般擁有自主的意識，可以通過圖靈測試；終極人工智能指的是在各方面均能超越其造物主的人工智能，如 EA質(zhì)量效應(yīng)中的 Geth 種族，在質(zhì)疑自己的存在意義并覺醒后，其戰(zhàn)勝了自己的造物主 Quarians。顯而易見，當(dāng)前絕大部分人工智能公司的產(chǎn)品均只能在某一特定類別任務(wù)試用，是弱人工智能。強(qiáng)人工智能仍處于孕育期，尚未有足夠堅(jiān)實(shí)的理論支撐，也未出現(xiàn)經(jīng)過檢驗(yàn)的原型。至于終極人工智能則更加長遠(yuǎn)，估計(jì)本世紀(jì)不會出現(xiàn)。

32、硬件支撐、數(shù)據(jù)集、算法、應(yīng)用場景是人工智能的四大要素。根據(jù)研究，我們將目前的弱人工智能領(lǐng)域歸集為下面這個模型。硬件支撐是整個人工智能的基礎(chǔ)。數(shù)據(jù)的搜集需要傳感器，數(shù)據(jù)的儲存需要存儲介質(zhì)，算法的訓(xùn)練需要高效的芯片，應(yīng)用場景則需要相應(yīng)的硬件配合（如手機(jī)、機(jī)器人等）。數(shù)據(jù)集是訓(xùn)練算法的基礎(chǔ)。俗話說“巧婦難為無米之炊”，在機(jī)器學(xué)習(xí)當(dāng)?shù)赖那闆r下，擁有良好標(biāo)記的大數(shù)據(jù)集方能訓(xùn)練出優(yōu)秀的算法。算法源自數(shù)據(jù)集，優(yōu)秀的算法可以應(yīng)用于相應(yīng)的應(yīng)用場景進(jìn)行變現(xiàn)，如人臉識別可以應(yīng)用于安全領(lǐng)域，語音識別可以應(yīng)用于翻譯領(lǐng)域等。應(yīng)用場景可以產(chǎn)生大量的業(yè)務(wù)數(shù)據(jù)，這些數(shù)據(jù)大多經(jīng)過了用戶的標(biāo)識，可以補(bǔ)充進(jìn)數(shù)據(jù)集中，從而更好地訓(xùn)練出

33、更優(yōu)秀的算法。更優(yōu)秀的算法會促進(jìn)更大規(guī)模的應(yīng)用，這樣就形成了一個正反饋的循環(huán)。因而，我們認(rèn)為，人工智能領(lǐng)域，在無破壞性技術(shù)的出現(xiàn)的情況下，先發(fā)公司優(yōu)勢較大。圖 3：人工智能行業(yè)模型資料來源: 國信證券經(jīng)濟(jì)研究所整理不斷下探的存儲成本和計(jì)算成本推動人工智能的發(fā)展。目前，存儲成本已從 1980 年的 437,500 美元/GB 下跌到 2016 年的 0.019 美元/GB，CAGR 在-38%左右。較低的存儲成本可以使得大數(shù)據(jù)的存儲更為便宜。而用$/GFLOPS（1GFLOPS=109FLOPS，F(xiàn)LPOS=Floating Point Operations Per Second，每秒十億次浮點(diǎn)

34、運(yùn)算價格）衡量的計(jì)算成本也一路下探，根據(jù) Wikipedia 的數(shù)據(jù)，$/GFLOPS CAGR 在-37%左右。2017 年 6 月，AMD Ryzen 結(jié)合 AMD VEGA Frontier Edition 將$/GFLOPS 降到 0.06 美元。保守估計(jì)，2030 年代模擬人腦的計(jì)算機(jī)單價將低于 1000 美元，我們將迎來人工智能奇點(diǎn)。圖 4：不斷下降的計(jì)算成本資料來源:Wikipedia，國信證券經(jīng)濟(jì)研究所整理圖 5：2026 年可以模擬人腦的計(jì)算機(jī)單價將低于 1000 美元資料來源: Wikipedia，國信證券經(jīng)濟(jì)研究所整理科技創(chuàng)新大時代是未來行情的主線條在 2020 年年度策

35、略會上，我們提出我國有望進(jìn)入一個科技創(chuàng)新的大時代?；剡^頭來看剛過去的近半年時間，我們此前的判斷似乎在不斷地被驗(yàn)證，即使受疫情影響市場短期波動加大，科技板塊持續(xù)強(qiáng)于大盤的走勢卻基本未間斷過。站在當(dāng)前時點(diǎn)，我們依然維持此前的觀點(diǎn)不變，堅(jiān)信科技創(chuàng)新大時代風(fēng)格仍將會延續(xù)。疫情沖擊不小，但目前中國經(jīng)濟(jì)形勢正處在持續(xù)回升的勢頭當(dāng)中，經(jīng)濟(jì)仍在加快修復(fù)。可以看到，進(jìn)入 2020 年后，突如其來的新冠疫情對短期經(jīng)濟(jì)帶來了較大沖擊，隨著 4 月份一季度經(jīng)濟(jì)數(shù)據(jù)的公布與上市公司一季報(bào)的陸續(xù)披露，疫情直接沖擊我國內(nèi)需帶來的影響基本上已經(jīng)體現(xiàn)。從經(jīng)濟(jì)數(shù)據(jù)來看，疫情對我國一季度整體經(jīng)濟(jì)運(yùn)行帶來的影響是巨大的。一季度 GD

36、P 同比為-6.8%，受國內(nèi)疫情沖擊影響，國內(nèi)首次出現(xiàn)季度 GDP 負(fù)增長。不過在一季度經(jīng)濟(jì)數(shù)據(jù)公布以后，基本上可以確定，-6.8%就是經(jīng)濟(jì)增長的最低點(diǎn)了，最新公布的二季度經(jīng)濟(jì)增速已經(jīng)由負(fù)轉(zhuǎn)正回升至 3.2%的水平，同時各高頻數(shù)據(jù)也顯示當(dāng)前我國經(jīng)濟(jì)正在穩(wěn)步復(fù)蘇。圖 6：8 月份我國經(jīng)濟(jì)數(shù)據(jù)仍在修復(fù)（%）151050-5-10-15-20-25-30工業(yè)增加值:當(dāng)月同比固定資產(chǎn)投資完成額:累計(jì)同比社會消費(fèi)品零售總額:當(dāng)月同比2019-012019-022019-032019-042019-052019-062019-072019-082019-092019-102019-112019-12202

37、0-012020-022020-032020-042020-052020-062020-072020-08資料來源：Wind、國信證券經(jīng)濟(jì)研究所整理進(jìn)入 2020 年之后，為應(yīng)對新冠疫情的爆發(fā)，國內(nèi)貨幣政策在持續(xù)引導(dǎo)利率下行。2020 年以來，1 年期中期借貸便利（MLF）兩次下調(diào)，從 3.25%下降至 2.95%，下降了 30 個 BP，短端的 7 天期逆回購利率也經(jīng)歷了兩次下調(diào)，從 2.5%下降至 2.2%，降幅同樣高達(dá) 30 個基點(diǎn)。6 月 30 日，央行官網(wǎng)發(fā)布消息稱決定于 2020 年 7 月 1 日起下調(diào)再貸款、再貼現(xiàn)利率。圖 7：2020 年后公開市場操作利率持續(xù)下降（%）中期借

38、貸便利(MLF):利率:1年逆回購利率:7天3.53.33.12.92.72.52.32.11.91.72016/032016/062016/092016/122017/032017/062017/092017/122018/032018/062018/092018/122019/032019/062019/092019/122020/032020/062020/091.5資料來源：Wind、國信證券經(jīng)濟(jì)研究所整理8 月份社融數(shù)據(jù)再超預(yù)期，寬貨幣到寬信用仍在繼續(xù)。8 月社融當(dāng)月新增值 35800 億元，高于市場預(yù)期值 2.73 萬億元，同比多增 13844 億元，存量 276.7萬億元，同比增

39、長 13.3%，相比上月小幅回升 0.4%。8 月金融機(jī)構(gòu)新增人民幣貸款 12800 億元，同比多增 700 億元。8 月 M1 同比增速為 8.0%，相比上月上行 1.1%，M2 同比增長 10.4%，相比上月繼續(xù)回落 0.3%?？傮w來看，8 月份社融數(shù)據(jù)再超預(yù)期，反映寬貨幣到寬信用仍在繼續(xù)。圖 8：當(dāng)前經(jīng)濟(jì)中寬貨幣向?qū)捫庞谜诶^續(xù)（%）M2:同比社會融資規(guī)模存量:同比151413121110987資料來源：Wind、國信證券經(jīng)濟(jì)研究所整理寬松的流動性環(huán)境將對資產(chǎn)價格形成支撐，尤其是對于權(quán)益類資產(chǎn)，利率的大幅下行有望通過提高估值進(jìn)而推動股價上行。不過這里需要強(qiáng)調(diào)的是這個過程中，因?yàn)槔授呌跒?/p>

40、 0 或者負(fù)數(shù)，這樣的貼現(xiàn)和從理論上來說是趨向于無窮大的。這也就意味著，當(dāng)我們面臨零利率或者負(fù)利率的宏觀環(huán)境時，盈利（分子）穩(wěn)定性以及成長性的價值會更加突出，市場對于基本面無瑕疵品種的估值容忍度會進(jìn)一步提高。圖 9：2019 年以來創(chuàng)業(yè)板持續(xù)跑贏大盤整體360034003200300028002600上證綜指創(chuàng)業(yè)板/上證綜指（右）1601501401301201101002400902019-012019-052019-092020-012020-052020-09資料來源：Wind、國信證券經(jīng)濟(jì)研究所整理展望后市，我們認(rèn)為在當(dāng)前全球貨幣低增長、低通脹、低利率的“三低”環(huán)境中，賽道長、盈利（分

41、子）穩(wěn)定性以及成長性的價值會更加突出，我們繼續(xù)看好科技板塊，堅(jiān)信科技創(chuàng)新大時代風(fēng)格仍將會延續(xù)。中證人工智能主題指數(shù)分析：投資人工智能領(lǐng)域核心標(biāo)的中證人工智能主題指數(shù)（930713.CSI）是由中證指數(shù)有限公司發(fā)布的股票指數(shù)，從滬深兩市選取為人工智能提供基礎(chǔ)資源、技術(shù)以及應(yīng)用支持的公司中選取代表性公司作為樣本股，反映人工智能主題公司的整體表現(xiàn)。從歷史表現(xiàn)來看，中證人工智能主題指數(shù)長期收益率較高， 收益- 風(fēng)險(xiǎn)表現(xiàn)優(yōu)異， 其中在 2013-2015 年以及去年下半年以來科技占優(yōu)的行情中表現(xiàn)十分亮眼。從行業(yè)的權(quán)重分布上看，從申萬一級行業(yè)的權(quán)重分布上看，中證人工智能主題指數(shù)成分股主要集中在 TMT 板

42、塊，其中計(jì)算機(jī)和電子行業(yè)權(quán)重靠前。從個股情況來看，中證人工智能主題指數(shù)大幅聚焦人工智能領(lǐng)域核心標(biāo)的。中證人工智能主題指數(shù)編制方式及簡介中證人工智能主題指數(shù)（930713.CSI）是由中證指數(shù)有限公司發(fā)布的股票指數(shù)，從滬深兩市選取為人工智能提供基礎(chǔ)資源、技術(shù)以及應(yīng)用支持的公司中選取代表性公司作為樣本股，反映人工智能主題公司的整體表現(xiàn)。中證人工智能主題指數(shù)以 2012 年 6 月 29 日為基期，基點(diǎn) 1000 點(diǎn)，于 2015年 7 月 31 日首次公開發(fā)布。從調(diào)整頻率來看，指數(shù)按照每半年一次的頻率進(jìn)行樣本股定期調(diào)整，調(diào)整時間為每年6 月和12 月的第二個星期五的下一個交易日。表 3：中證人工智

43、能主題指數(shù)基本信息指數(shù)名稱中證人工智能主題指數(shù)英文名稱CSI Artificial Intelligence Index指數(shù)代碼930713.CSI指數(shù)類型股票類基日2012/6/29基點(diǎn)1,000發(fā)布日期2015/7/31發(fā)布機(jī)構(gòu)中證指數(shù)有限公司成份數(shù)量98收益處理方式價格指數(shù)指數(shù)簡介中證人工智能主題指數(shù)是由中證指數(shù)有限公司發(fā)布的股票指數(shù)，從滬深兩市選取為人工智能提供基礎(chǔ)資源、技術(shù)以及應(yīng)用支持的公司中選取代表性公司作為樣本股，反映人工智能主題公司的整體表現(xiàn)。樣本空間為中證全指指數(shù)樣本股，對樣本股做如下處理：（1）對樣本空間內(nèi)股票按照最近一年（新股為上市以來）的 A 股日均成交樣本空間及選樣方

44、法金額由高到低進(jìn)行排名，剔除排名后 20%的股票；（2）對樣本空間的剩余股票，將為人工智能提供基礎(chǔ)資源、技術(shù)以及應(yīng)用支持的公司作為待選樣本，包括但不限于大數(shù)據(jù)、云計(jì)算、云存儲、機(jī)器學(xué)習(xí)、機(jī)器視覺、人臉識別、語音語義識別、智能芯片等；（3）在待選樣本中，按照過去一年日均總市值由高到低排名，選取不超過 100只股票構(gòu)成指數(shù)樣本股。資料來源：Wind、國信證券經(jīng)濟(jì)研究所整理中證人工智能主題指數(shù)歷史表現(xiàn)中證人工智能主題指數(shù)長期收益率較高，收益- 風(fēng)險(xiǎn)表現(xiàn)優(yōu)異， 其中在2013-2015 年以及去年下半年以來科技占優(yōu)的行情中表現(xiàn)十分亮眼。以 2012年 6 月末為起點(diǎn)，截至 2020 年 9 月 23

45、日，中證人工智能主題指數(shù)年化收益率為 17.4%，年化波動率為 33.1%。長期來看，收益-風(fēng)險(xiǎn)優(yōu)于上證綜指、深證成指等指數(shù)，充分體現(xiàn)中證人工智能主題指數(shù)成分股的優(yōu)質(zhì)性。中證人工智能主題指數(shù)在 2019 年之后穩(wěn)步上升，即便 2020 年春節(jié)后，市場受新冠肺炎疫情影響出現(xiàn)大幅下挫，仍然能夠保持總體較高的正收益。自 2019年 1 月 1 日至 2020 年 9 月 23 日，中證人工智能主題指數(shù)近一年多年化收益率達(dá) 47%，遠(yuǎn)高于上證綜指、深證成指、wind 全 A 等指數(shù)；年化波動率為 32.2%，最大回撤-26.5%，波動及回撤基本保持在相對穩(wěn)定的水平。圖 10：2012 年以來中證人工智

46、能主題指數(shù)走勢一覽中證人工智能主題指數(shù)上證綜指創(chuàng)業(yè)板綜深證綜指64054044034024014040201220132014201520162017201820192020資料來源：Wind、國信證券經(jīng)濟(jì)研究所整理注：2012 年 6 月 29 日定基作圖=100表 4：中證人工智能主題指數(shù)長期收益-風(fēng)險(xiǎn)中證人工智能主題指數(shù)上證綜指深證成指萬得全 A創(chuàng)業(yè)板綜年化收益率（%）17.45.14.311.319.7年化波動率（%）33.121.225.225.031.0最大回撤（%）-65.8-52.3-60.8-56.0-67.4資料來源: Wind、國信證券經(jīng)濟(jì)研究所整理注：時間范圍為 201

47、2 年 6 月 29 日-2020 年 9 月 23 日表 5：中證人工智能主題指數(shù)近一年收益-風(fēng)險(xiǎn)中證人工智能主題指數(shù)上證綜指深證成指萬得全 A創(chuàng)業(yè)板綜年化收益率（%）46.717.642.031.050.8年化波動率（%）32.219.123.221.526.8最大回撤（%）-26.5-18.7-18.3-15.9-19.4資料來源: Wind、國信證券經(jīng)濟(jì)研究所整理注：時間范圍為 2019 年 1 月 1 日-2020 年 9 月 23 日指數(shù)風(fēng)格：大幅聚焦人工智能領(lǐng)域核心標(biāo)的綜合來看，中證人工智能主題指數(shù)成分股權(quán)重分布較為均衡。截至 2020 年 9月 23 日，中證人工智能主題指數(shù)總

48、市值 1000 億以上的成分股共 5 只，權(quán)重合計(jì) 20%；總市值 500 億以上的成分股共 17 只，權(quán)重合計(jì) 48%；總市值不足 100億的 32 只成分股權(quán)重為 9%。圖 11：中證人工智能主題指數(shù)成分股規(guī)模分布（權(quán)重）圖 12：中證人工智能主題指數(shù)成分股規(guī)模分布（數(shù)量）100億以下 9%100-300 億23%300-500億20%1000億以上 20%500-1000億28%中證人工智能主題指數(shù)成分股規(guī)模分布353212145403020100 資料來源：Wind、國信證券經(jīng)濟(jì)研究所整理資料來源：Wind、國信證券經(jīng)濟(jì)研究所整理從申萬一級行業(yè)的權(quán)重分布上看，中證人工智能主題指數(shù)成分股

49、主要集中在 TMT 板塊，其中計(jì)算機(jī)和電子行業(yè)權(quán)重靠前。具體來看，中證人工智能主題指數(shù)行業(yè)分布集中度較高，截至 2020 年 9 月 23 日，計(jì)算機(jī)行業(yè)權(quán)重占比為 47%，電子行業(yè)次之，占比為 38%，而通信、機(jī)械設(shè)備等行業(yè)占比均在 10%以下。從申萬一級行業(yè)的數(shù)量分布上看，中證人工智能主題指數(shù)成分股同樣主要分布于計(jì)算機(jī)、電子和通信行業(yè)。具體來看，截至 2020 年 9 月 23 日，計(jì)算機(jī)行業(yè)成分股數(shù)量為 53 只，電子和通信行業(yè)成分股數(shù)量次之，分別為 23 和 9 只。而國防軍工、傳媒和汽車行業(yè)成分股數(shù)量均在 5 只以下。圖 13：中證人工智能主題指數(shù)各行業(yè)權(quán)重分布50%45%40%35

50、%30%25%20%15%10%5%0%中證人工智能主題指數(shù)成分股行業(yè)分布(權(quán)重)47%38%9%3%2%1%1%計(jì)算機(jī)電子通信機(jī)械設(shè)備 國防軍工汽車傳媒資料來源: Wind、國信證券經(jīng)濟(jì)研究所整理圖 14：中證人工智能主題指數(shù)各行業(yè)成分股數(shù)量分布中證人工智能主題指數(shù)成分股行業(yè)分布(數(shù)量)5323973216050403020100計(jì)算機(jī)電子通信機(jī)械設(shè)備 國防軍工傳媒汽車資料來源: Wind、國信證券經(jīng)濟(jì)研究所整理從個股情況來看，中證人工智能主題指數(shù)大幅聚焦人工智能領(lǐng)域核心標(biāo)的。中證人工智能主題指數(shù)前十大成分股主要為電子、計(jì)算機(jī)等科技板塊的龍頭公司，這些成分股均為大盤風(fēng)格，安全性高，且具有較可

51、觀的成長空間，近年來表現(xiàn)優(yōu)異。表 6：中證人工智能主題指數(shù)權(quán)重前十成分股基本信息個股名稱權(quán)重%一級行業(yè)總市值（億元）自由流通市值（億元）PE(TTM)PB(LF)海康威視5.5電子3420123826.77.9歌爾股份5.3電子129882684.48.0中興通訊4.3通信156983028.43.9用友網(wǎng)絡(luò)3.8計(jì)算機(jī)1269616174.720.4兆易創(chuàng)新3.7電子862576110.18.5科大訊飛3.3計(jì)算機(jī)76958286.66.6紫光國微3.0電子718458116.715.8中科曙光2.7計(jì)算機(jī)51939081.08.6長電科技2.7電子58838082.44.5紫光股份2.7計(jì)

52、算機(jī)78933342.02.7資料來源: Wind、國信證券經(jīng)濟(jì)研究所整理指數(shù)估值：估值水平自 2019 年以來出現(xiàn)修復(fù)中證人工智能主題指數(shù)市盈率低于創(chuàng)業(yè)板整體，2015 年來整體呈先降后升態(tài)勢。從市盈率來看，截至 2020 年 9 月 23 日，中證人工智能主題指數(shù)的 PE（TTM） 為 57.1，在我們選擇的幾個參照指數(shù)中高于大盤指數(shù)，但低于創(chuàng)業(yè)板綜指。就 市盈率的長期走勢來看，2015 年下半年以來，中證人工智能主題指數(shù)的估值先是震蕩下行，隨后在 2019 年年初達(dá)到低點(diǎn)后出現(xiàn)反彈。從市凈率來看，中證人工智能主題指數(shù)市凈率同樣也自 2019 年年初出現(xiàn)了一定程度的反彈。截至 2020 年

53、 9 月 23 日，中證人工智能主題指數(shù)的 PB（LF）為 5.3，高于我們選取的上證綜指、深證成指、wind 全 A 等指數(shù) PB。從歷史走勢來看，中證人工智能主題指數(shù) PB 中樞 2015 下半年下移趨勢同樣較為顯著，隨后在 2019 年年初達(dá)到低點(diǎn)后出現(xiàn)反彈。雖然目前人工智能主題指數(shù)的估值水平大致處于歷史中樞水平，但正如我們前文所述，受益于景氣度改善和流動性寬松的邏輯，2019 年來的這輪行情中成長性較強(qiáng)的科技板塊表現(xiàn)持續(xù)占優(yōu)，估值水平同樣有所修復(fù)。而當(dāng)前來看，寬信用格局依然在延續(xù)，人工智能板塊后續(xù)的成長空間同樣十分廣闊，因此我們認(rèn)為中長期看人工智能板塊仍然具備較強(qiáng)的投資價值。圖 15：

54、中證人工智能主題指數(shù)估值水平140120100806040200PE(TTM)PB(右)6543210資料來源: Wind、國信證券經(jīng)濟(jì)研究所整理注：數(shù)據(jù)截至 2020 年 9 月 23 日圖 16：2015 年以來中證人工智能主題指數(shù) PE 走勢人工智能主題指數(shù)上證綜指深證綜指創(chuàng)業(yè)板綜(右)1002009018080160701406012050100408030602040102015/0715/0915/1116/0116/0316/0516/0716/0916/1117/0117/0317/0517/0717/0917/1118/0118/0318/0518/0718/0918/111

55、9/0119/0319/0519/0719/0919/1120/0120/0320/0520/0720/0900資料來源: Wind、國信證券經(jīng)濟(jì)研究所整理數(shù)據(jù)截至 2020 年 9 月 23 日圖 17：2015 年以來中證人工智能主題指數(shù) PB 走勢人工智能主題指數(shù)上證綜指深證綜指創(chuàng)業(yè)板綜1098765432115/0715/0915/1116/0116/0316/0516/0716/0916/1117/0117/0317/0517/0717/0917/1118/0118/0318/0518/0718/0918/1119/0119/0319/0519/0719/0919/1120/0120

56、/0320/0520/0720/090資料來源: Wind、國信證券經(jīng)濟(jì)研究所整理數(shù)據(jù)截至 2020 年 9 月 23 日易方達(dá)中證人工智能 ETF：交投活躍、費(fèi)用更低易方達(dá)中證人工智能 ETF（159819.OF，簡稱 AI 智能）是緊密跟蹤中證人工 智能主題指數(shù)收益率的基金產(chǎn)品，追求跟蹤偏離度和跟蹤誤差的最小化，為投資者提供一個管理透明且成本較低的指數(shù)投資工具。費(fèi)率端來看，本基金的管 理費(fèi)率為 0.15%，托管費(fèi)率為 0.05%，而同類基金上述兩類費(fèi)率平均分別為 0.54%和 0.11%。自 9 月 23 日上市以來，易方達(dá)中證人工智能 ETF 交易十分活躍，表明該基金的市場關(guān)注度及參與度均比較高，同時反映了易方達(dá)中證人工智能 ETF 流動性相對較好。易方達(dá)中證人工智能 ETF 簡介易方達(dá)中證人工智能 ETF（159819.OF，簡稱 AI 智能）是緊密跟蹤中證人工智能主題指數(shù)收益率的基金產(chǎn)品，追求跟蹤偏離度和跟蹤誤差的最小化，為投資者提供一個管理透明且成本較低的指數(shù)投資工具。費(fèi)率端來看，本基金的管理費(fèi)率為 0.15%，托管費(fèi)率為 0.05%，而同類基金上述兩類費(fèi)率平均分別為 0.54%和 0.11%，即本基金的費(fèi)率要顯著低于同類型其他基金?；鹑Q易方達(dá)中證人工智能主題交易型開放式指數(shù)證券投資基金表