夜雨聆风
最近买了一些半导体，在高点上车的外行，有两个核心问题待解答：AI需求带动的半导体行情还有多久？半导体之后什么可投的，提前布局哪个方向？
作为外行，如何快速掌握并且尝试预测一个行业，我尝试写写我的思考。
AI行业是个由上至下的领域，KOL带领行业形成共识
与创新药靠科学碰撞和尝试不同，AI行业看起来是由少数精英推动的，由上至下的创新。
AI行业的实际参与者尚属少数，而能够看到行业终局和趋势的更是少之又少，马斯克能在早年给出电力是AI的堵点，这种结论在近两年的能源股/电力设备上成为现实。我们需要更多前瞻的视角。但作为外行，我们只能被动的体验到商业化的AI产品，AI的边际变化既隐形又晦涩。我们假设AI行业是个英雄史观的行业，想要实现趋势预测，还是要看KOL是如何思考和预测的。我用Codex总结和提炼了近3年AI领域的KOL对行业的关键预测，图表如下
除了重磅级的大佬的AI预测，我们再拉一个数据源：张小珺的商业播客，她是目前采访华人AI商业领袖最有影响力的平台之一，我使用Codex平台总结了播客受访者的主要观点，图表如下：
信息有了，我们来总结KOL们的观点，并在医疗领域里适当发散，但主流的投资机会仍在非医疗领域，仅做参考：
1.模型层面：AI能够处理一切，对外感知多种形式信息，并可以着手处理问题。即多模态和智能体。
AI从下棋这类单一任务，再到训练大语言模型，再到推理的Agent，未来有可能是预测能力。我们见证了AI从小孩到初级白领的进化，看起来无限逼近和超越成年人的智力水平了。
AI未来大概率也能做医生，做临床方案的设计，但前提是有数据和训练。记得之前华大系有家叫碳云智能的公司想做硅基生命，收集多组学数据，做数字生命。在生命科学领域，最大的阻碍在于没有人体数据接口的工具，不能反应出生命完整的变化，临床试验反而是个好的切入点，经过长期训练的模型能够更好的预测试验成功率并且指导研发。
2.物理层面：机器人，汽车是AI在现实世界的载体。
手机也可以是，苹果在这件事上不够激进，需要主流厂商，供应链以及模型厂商的共同催化，届时移动互联网的垂直应用比如打车，外卖都变成Skill了，这类重人力类型的公司其实也失去了竞争优势。
那么硬件公司其实承担的任务是给AI造物理肉身，机器人大规模现实应用应该只是时间问题，一旦成本曲线下降到一定程度，生育率也许没那么重要了。
3.企业应用：AI会嵌入并重构企业工作流程。目前的软件应用逻辑都将改变。
以微软的Copilot为例，嵌入了全部的办公软件中，Excel不再需要记忆复杂函数，只要输入文字指令就可以实现功能。邮件可以智能回复。PPT可以自动生成和润色。会议可以自动生成纪要。文件可以帮助阅读和整理。在完成以上所有的需求之后，还能够保证内部数据不泄露。
未来的软件开发未必被取代，反而将会被更强的订阅制绑定，长流程的工作例如视频剪辑，财务计算都可以自动化完成。对于CEO来说，当企业全部的细节都能在一个模型里训练和展开后，如果能够更好的处理和预测，那么管理层级和人力资源也就不那么重要了。
4.硬件需求：随着AI能力范围的扩大，算力必须提升，训练和推理成本会越来越高，企业客户也会投入预算购买模型或算力并且能源需求激增。
海外的企业AI预算或许可以追踪下，当AI已经越来越接近熟手，AI订阅费用=员工工资，模型公司的规模效应远超现在的单一应用公司。
拥有廉价电力的地方将会和现阶段拥有石油的地方一样，调控电价即可坐收财富。
5.合成数据：现实世界数据是有限的，由模型自己合成的世界模型将成为数据来源。
之前我对AI制药的质疑远远大于信任，但当MNC忽略试错成本时，制药AI的成长就刚刚开始，也许落后于其他的垂直应用5-10年，加上合成数据之后，就成为非线性的成长。至少在项目立项的过程，AI对复杂信息的整理是实实在在的加速。
6.推理延迟：影响模型体验的推理延迟需要被改善，边缘的推理芯片需求将爆发。
现在一个图片生成的需求在Codex里需要大概3分钟左右，高频率使用的话，80%的时间都在等待。另外对于汽车的AI推理，需要毫秒级别的延迟。本地的推理芯片的需求对硬件厂商又是一个长青的业务。
7.AI重塑基础科学：材料，能源，蛋白
AI可以穷尽式的假设，验证，试验，企业未来的Capex中除了人力的那部分还有科研经费
8.算力硬件的革命
不再针对CPU，GPU做针对优化，而是开发出纯为AI制造的硬件，打破对N厂的依赖。
9.图像生产变得简单，文化介质平民化
在B站我们现在已经可以看到全AI生成的财报解读，能够模拟知名直播的声线和语气，一天可以发10个视频。
最后，买什么？我使用Codex做了梳理，但是结果没有那么让我满意（有些人云亦云），大家还是着重看上面的九条总结再对自己的自选股做对照。
如果读者也在使用Agent并有心得，欢迎私信与我交流。
欢迎机构投资者扫码加群，讨论相关话题，请备注“机构-职位-姓名”。
