1、內容目錄 HYPERLINK l _TOC_250018 人工智能幾經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：1990 年代中至今 6 HYPERLINK l _TOC

2、_250012 當下是投資人工智能的最好時機 8 HYPERLINK l _TOC_250011 商業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 科技創新大時代是未來行情的主線條 11中證人工智能主題指數分析：投資人工智能領域核心標的 14 HYPERLINK l _TOC_250007 中證人工智能主題指數編制方式及簡介 14 HYPERLINK l _TOC_250006 中證人工智

3、能主題指數歷史表現 14 HYPERLINK l _TOC_250005 指數風格：大幅聚焦人工智能領域核心標的 16 HYPERLINK l _TOC_250004 指數估值：估值水平自 2019 年以來出現修復 17 HYPERLINK l _TOC_250003 易方達中證人工智能 ETF：交投活躍、費用更低 19 HYPERLINK l _TOC_250002 易方達中證人工智能 ETF 簡介 19 HYPERLINK l _TOC_250001 易方達中證人工智能 ETF 交易活躍 20 HYPERLINK l _TOC_250000 管理公司&基金經理：專業、規范、穩健、績優 21

4、國信證券投資評級 22分析師承諾 22風險提示 22證券投資咨詢業務的說明 22圖表目錄圖 1：專家系統示意圖 5圖 2：我國 2G-5G 通信技術的不斷發展過程 9圖 3：人工智能行業模型 10圖 4：不斷下降的計算成本 10圖 5：2026 年可以模擬人腦的計算機單價將低于 1000 美元 11圖 6：8 月份我國經濟數據仍在修復（%） 12圖 7：2020 年后公開市場操作利率持續下降（%） 12圖 8：當前經濟中寬貨幣向寬信用正在繼續（%） 13圖 9：2019 年以來創業板持續跑贏大盤整體 13圖 10：2012 年以來中證人工智能主題指數走勢一覽 15圖 11：中證人工智能主題指數

5、成分股規模分布（權重） 16圖 12：中證人工智能主題指數成分股規模分布（數量） 16圖 13：中證人工智能主題指數各行業權重分布 16圖 14：中證人工智能主題指數各行業成分股數量分布 17圖 15：中證人工智能主題指數估值水平 18圖 16：2015 年以來中證人工智能主題指數 PE 走勢 18圖 17：2015 年以來中證人工智能主題指數 PB 走勢 19圖 18：上市以來易方達人工智能 ETF 成交活躍（萬元） 21表 1：計算機代數劃分 6表 2：2015 年以來我國支持人工智能發展的政策陸續出臺 7表 3：中證人工智能主題指數基本信息 14表 4：中證人工智能主題指數長期收益-風險

6、 15表 5：中證人工智能主題指數近一年收益-風險 15表 6：中證人工智能主題指數權重前十成分股基本信息 17表 7：易方達中證人工智能 ETF 信息 20人工智能幾經波折后迎來了主升浪自古以來，人類就對以自己為模板創造人工生命并賦予其智能充滿著幻想。 1943 年，Warren McCulloch 和Walter Pitts 發表了關于人工智能最早的工作，之后到上世紀 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展經歷兩次黃金時期和低潮。1997 年 5 月11 日，IBM 制造的專門超級計算機深藍擊敗了國際象棋世界冠軍，標志

7、著人工智能的研究到達了一個新的高度。2000 年代后，隨著大數據的普及、深度學習算法的完善、硬件效能的提高，人工智能的應用領域變得更廣，應用程度也變得更深，例如近年來人工智能被廣泛應用與智能制造、智慧服務、自動駕駛、智慧抗疫、創新經濟等領域，人工智能幾經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造了黃金機器人作為自己鐵匠鋪的助手；皮格馬利翁則愛上了自己創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；黑暗的中世紀中，用巫術創造魔像的故事廣

8、為傳播；文藝復興時期歐洲的煉金術師沉迷于創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。我們可以發現，創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），并隨著人類的發展逐漸的變成現實。人工智能的孕育期及誕生：1943-19561943 年，Warren McCulloch 和Walter Pitts 發表了關于人工智能最早的工作。他們提出了一個神經網絡的架構：每個神經元只有“開”和“關”兩種狀態，并可由周圍神經元的刺激切換狀態。同時，他們證明了神經網絡

9、可以用于數值和邏輯的計算。1950 年，哈佛的兩個本科生 Marvin Minsky 和 Dean Edmonds 建造了第一臺神經網絡計算機 SNARC，可以模擬 40 個神經元。本時期最重要的貢獻來自于阿蘭圖靈。1950 年，圖靈發表了Computing Machinery and Intelligence論文，介紹了圖靈測試、機器學習、基因算法、強化學習等概念，奠定了人工智能發展的基礎。1956 年的達特茅斯會議標志著人工智能的誕生：John McCarthy 聯合 Minsky、 Claude Shannon、Nathaniel Rochester 在達特茅斯組織了兩個月的Worksh

10、op。達特茅斯會議將不同的研究領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立的研究領域。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域產生了舉足輕重的影響。第一次黃金時期及低潮：1956-1980 年代初達特茅斯會議之后，人工智能迎來了發展的黃金時期，出現了大量的研究成果。Herbert Simon、J.C.Shaw、Allen Newell 創建了通用解題器（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算機程序； 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 年代結束）。更重要的是，ARPA 的經費并沒有附帶明確要求，這提供給了 MIT 科學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域充滿了樂觀情緒，甚至人工智能的領軍人物 Minsky 都認為

12、“在三至八年里我們將得到一臺具有人類平均智能的機器”。人們的樂觀情緒在 1970 年代漸漸被澆滅。研究者發現，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：存儲空間和計算能力的嚴重不足：例如，Ross Quillian 的自然語言處理程序只包括 20 個單詞，因為這是存儲的上限。指數級別攀升的計算復雜性：1972 年 Richard Karp 的研究表明，許多問題只能在指數級別的時間內獲解，即計算時間與輸入的規模的冪成正比。缺乏基本知識和推理能力：研究者發現，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、規模的數據庫，也沒人知道怎么讓程序進行學習。隨著人工智能發展遭遇瓶頸，資金紛紛拋棄人工智能領域。由于項目失敗等原因，DARPA 也終止了對 MIT 的撥款。到了 1970 年代中期，人工智能項目已經很難找到資金支持。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（Expert system）功不可沒。專家系統專注于某一個領域，因而設計簡單，易于實現，而且避免了所謂的“常識問題”。商業領域第一個成功的專家系統是 Digital Equipment Corporation 的 R1，從 1982年至 1988 年，它幫助公司平均每年節約 4000 萬美元。到了

14、 1988 年，全球頂尖的公司都已經裝備了專家系統：DEC 部署了 40 個專家系統，杜邦部署了 100個。隨著專家系統的大規模應用，知識庫系統和知識工程得到了普及。圖 1：專家系統示意圖資料來源:Wikipedia, 百度百科，國信證券經濟研究所整理另一個重大的助力是日本的第五代計算機項目。它是日本通商產業省在 1982年推出的一個大型研發企劃，目的是開發采用平行架構的擁有人工智能的革命性的電腦，開創下一個時代。整個計劃預計 10 年完成，3 年用于先期研究，4年用于子系統開發，最后 3 年組成一個可運行的原型，整個項目預算高達 570億日元。表 1：計算機代數劃分代數電子元件編程語言第一代

15、電子元件為真空管機器語言第二代半導體匯編語言第三代集成電路高級編程語言第四代大規模集成電路SQL 等第五代發展中發展中資料來源:百度百科，國信證券經濟研究所整理受此計劃的刺激，其他強國紛紛采取應對策略。1983 年，英國開始了預算 3.5億英鎊的 Alvey 工程，關注大規模集成電路、人工智能、軟件工程、人機交互（包含自然語言處理）以及系統架構；在美國，DRAPA 組織了戰略計算促進會，年投資額在四年內增長了 2 倍；而在準將 Bobby Ray Inman 的領導下，一群美國的計算機和半導體廠商組成 MCC （ Microelectronics and Computer Technology

16、 Corporation，微電子與計算機技術集團）財團，在系統架構設計、芯片組裝、硬件工程、分布式技術、智慧系統等方向發力。在這個時期內，算法也得到了突破性的進展。1982 年，John Hopfield 證明 Hopfield 網絡可以學習并處理信息，David Rumelhart 則提出了反向傳播算法。它們和 1986 年發表的分布式處理的論文一起，為 1990 年代神經網絡的商業化打下了堅實的基礎。隨著專家系統的不斷發展，復雜度的快速提升，基于知識庫和推理機的專家系統顯示出了讓人不安的一面：難以升級擴展，魯棒性不夠，直接導致高昂的維護成本。1980 年代末期，由于人工智能的項目成果不明朗

17、，DARPA 大幅削減了對人工智能的資金支持。1991 年，英國政府發布 Alvey 工程的最終報告，報告指明，Alvey 工程達到了其設定的技術目標，但是并沒有提升英國在信息技術市場的競爭力。報告將原因歸集為“資本的短缺和管理運營的低效率”。Alvey 工程主管 Brain Oklay 指出，信息技術工業應更注重培訓、市場推廣和研究成果的商業化。他抱怨道日本的低利率讓高科技公司可以開發低毛利產品，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算機項目所開發的軟件，允許任何人免費使用，這標志著日本雄心勃勃的第五代計算機

18、項目的失敗。第五代計算機項目并沒有帶來人工智能的突破，甚至有人說，第五代計算機項目的最大收獲其實是項目的副產物：其訓練了成百上千的計算機領域的專家。該項目的失敗有多重原因，一般認為，通用型微型機對專用型大型機的沖擊及項目研發成果缺乏商業化場景是項目失敗的重要原因。成果顯現：1990 年代中至今1997 年 5 月 11 日，IBM 制造的專門超級計算機深藍（Deep Blue），在經過多輪較量后，擊敗了國際象棋世界冠軍 Garry Kasparov。盡管不乏 IBM 作弊的聲音，但這個事件標志著人工智能的研究到達了一個新的高度，也給人工智能做了一次大規模的宣傳。2000 年代后，隨著大數據的普

19、及、深度學習算法的完善、硬件效能的提高，人工智能的應用領域變得更廣，應用程度也變得更深。例如近年來人工智能被廣泛應用于智能制造、智慧服務、自動駕駛、智慧抗疫、創新經濟等領域。今年新冠疫情的爆發導致醫療需求大幅增加，而我國目前的醫療資源依然相對緊張并且分布較不均衡，但是人工智能在醫療領域中的圖像識別、醫藥篩選、遠程問診等方面能夠發揮非常良好的作用，可以大大提升醫療體系的運轉效率，因此人工智能在抗擊疫情方面發揮了十分重要的作用。從更長期的角度看，人工智能在醫療行業的應用將對傳統醫療機構運作方式帶來極大的變革，最終能夠有效緩解醫療資源存在的壓力，未來智慧醫療也將有望迎來進一步的發展。此次疫情的爆發同

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、疫情監控、社區防疫等方面同樣能夠形成非常好的協同效應，通過科技賦能，人工智能帶來的智慧治理模式對當前的城市治理體系和社區管理方式同樣進行了智能化升級，極大的提高了效率。隨著疫情防控進入常態化，經濟中很多企業面臨人員不足、資金周轉困難、生產資料匱乏等問題，而人工智能實現的智能化轉型同樣成為了制造業和服務業提高抗風險能力的重要發展方向。隨著技術和應用的不斷發展，人工智能也正與經濟社會的多個領域在不斷進行創新融合，新模式、新場景、新交互在不斷催生，人工智能帶來的新經濟也成為了經濟增長的重要支撐。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展，催生新的無人經濟，對于后疫情時代的生活生產的恢復同樣存在重要的作用。此外隨著人工智能、5G、虛擬現實等新技術的發展，人工智能同樣也會為數字內容領域注入新動能。下一階段人工智能技術將更廣泛的滲入新型基礎設施建設，并且將獲得更多元的應用場景和更大規模的受眾。人工智能也正成為未來經濟的主要增長點，尤其是后疫情時代，人工智將能成為各國經濟實現重建、轉型的重要力量。根據埃森哲對中國以及全球 12 個發達經濟體的研究，到 2035 年人工智能將幫助各國顯著扭轉經濟增速近年來的下滑趨勢。隨

22、著人工智能技術不斷走向成熟，人工智能的戰略重要性已經成為各國共識，全球主要國家也都在紛紛加大對人工智能的關注、支持和投入。2015 年以來我國關于支持人工智能發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展的政策陸續出臺時間文件名稱2015 年 7 月國務院出臺關于積極推進“互聯網+”行動的指導意見將人工智能納入發展重點任務2016 年 5 月發改委引發“互聯網+”人工智能三年行動實施方案2016 年 8 月國務院發布“十三五”國家科技創新規則，把人工智能作為體現國家戰略意圖的重大科技項目2017 年 3 月人工智能首次被寫入政府工作報告2017 年 7 月國務院發布新一代

23、人工智能發展規劃2018 年 1 月人工智能標準化白皮書正式發布2018 年 3 月人工智能再度被列入政府工作報告2018 年 10 月習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習2018 年 11 月工信部印發新一代人工智能產業創新重點任務揭榜工作方案2019 年 3 月關于促進人工智能和實體經濟深度融合的指導意見審議通過2019 年 8 月科技部發布國家新一代人工智能創新發展試驗區建設工作指引2020 年 5 月政府工作報告重點支持“兩新一重”建設，其中人工智能屬于新基建范疇資料來源：Wind、國信證券經濟研究所整理當下是投資人工智能的最好時機通訊技術在科技革命中起著極其關鍵的作

24、用，可以說每一次新技術的大規模推廣和使用都是以通訊為先導的。今天 5G 通訊網絡已經開始鋪設，低時延、高速度的通訊網絡很快就會建成，萬物互聯的基礎設施即將具備。整個信息技術的產業即將再次迎來大爆發，2020 年將是智能革命的元年，下一輪的投資機會將會在人工智能領域產生。對應到資本市場上，我們認為科技創新大時代是未來行情的主線條，當下是投資人工智能的最好時機。商業利益在人工智能浪潮中扮演日益重要的角色我們發現，人工智能的黃金時期與投資規模息息相關。第一次黃金時期由 ARPA的投資所觸發，第二次黃金時期來自于商業利益的推動和日本第五代計算機的刺激，而最近的這一輪人工智能的熱潮，則主要來自于商業巨頭

25、間用于彌補移動互聯網增長乏力而發力尋找下一個增長點的人工智能競賽。明顯的，我們可以發現，商業在人工智能中扮演的角色愈發重要：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），再到這個世代的主動推手這也是我們強調人工智能公司一定要有應用場景的原因。我們認為，人工智能領域的繁榮需要政府和企業互相配合。政府主導的計劃是基礎研究，畢竟，美國政府 1960 年代所支持的基礎研究造就了一個新的工業，并且，目前強人工智能的研究還急需基礎理論的補足；但是，政府主導的應是基礎研究，而不是應用研究，對于弱人工智能來說，其應用研究的主導應該是商業化的公司。與政府先比，商業化公司更為靈活。人工智能是一個新興

26、產業，其技術產品的形態在高速變化中，政府部門必要的長決策鏈難以快速應對市場變化。就算是廣受贊譽的日本經濟產業省，其 1982 年制定的“正確”政策在1980 年代末泛用型微型機的沖擊下都顯得十分荒謬。同時，商業化可以避免英國 Alevy 工程失敗原因之一的政府機構的效率問題。最重要的是，政府的資源的投入并不是長期穩定的，而是脈沖式的，會受到當前國際政治經濟環境的強烈影響，而只有技術的商業化，形成產品和穩定的現金流，方能在長時間內支撐人工智能工業穩定發展。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到期望有關。未達到期望的原因則略有不同：第一次人工智能的失敗在于數

27、據、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高昂的維護成本、泛用型機器的沖擊及政府主導計劃商業化的失敗，特別是泛用型微型機的沖擊對專業型大型機影響巨大。至于目前出現的從泛用型處理器向專用型處理器轉變的現象，我們認為其與 1980 年代末泛用型微型機對專用型大型機的沖擊不同：1980年代末計算機的滲透率非常低，大量場景對低價泛用型微型機的需求遠未滿足，而現在，泛用型處理器已經充斥著我們的日常生活（手機、計算機等），而且他們的運算能力在大多數情況下是富余的（計算機 CPU 的算力對于日常辦公娛樂來說已經過剩），但對于研究和模型搭建，尤其是需要復雜計算的深度學習，以及專用型人工智

28、能的運行來說，專用型處理器的低功耗、高效率是必須的。隨著當前神經網絡被證明可以有效處理復雜問題，以及算力、存儲能力的快速增加，大型計算機的計算節點、計算速度、存儲規模已經超越人腦若干數量級，我們認為弱人工智能領域的“金線”已經觸手可及。2020 年將是智能革命的元年通訊技術在科技革命中起著極其關鍵的作用，可以說每一次新技術的大規模推廣和使用都是以通訊為先導的。石器的應用和推廣是以人類語言的使用為前提的。銅鐵冶煉技術的推廣需要文字的普及。機器的爆發使用、以及相關商品的推廣，和電報的廣泛使用密切相連，汽車時代對應的是電話時代。到了信息技術時代，通訊技術從 1G、2G、3G、4G 一步步升級，每一次

29、都對應著信息技術的跨越式發展。2019 年 6 月 6 日，工信部正式發放 5G 商用牌照。今天 5G 通訊網絡已經開始鋪設，低時延、高速度的通訊網絡很快就會建成，萬物互聯的基礎設施即將具備。整個信息技術的產業即將再次迎來大爆發，2020 年將是智能革命的元年。萬物互聯的網絡就會產生無窮的數據，有了龐大的歷史和動態的實時數據，計算能力和計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，智能的數據會從這里產生。有了智能的數據，我們就可以在機器人、各種自動設備植入 AI 芯片，讓機器按照我們想要的方式運行。有了數據人工智能就有了基礎，所以下一輪的投資機會將會在人工智能領域產生。圖

30、 2：我國 2G-5G 通信技術的不斷發展過程70006000500040003000200010000產量:移動通信基站設備:當月值日，工信部正式發放5G商用牌照2013年12月4日4G TDD-LTE牌照發放21世紀初2G開始向2.5G、2.75G發2009年1月7日3G牌照正式發放2019年6月62000 2002 2004 2006 2008 2010 2012 2014 2016 2018 2020資料來源：Wind、國信證券經濟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、強人工智能和終極人工智能三個階段。不同階段所需要的復雜度是指數級遞增的。弱人工智能指的是

31、專注在某一特定類別任務的人工智能，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 十分強大但是專注于圍棋領域；強人工智能，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質量效應中的 Geth 種族，在質疑自己的存在意義并覺醒后，其戰勝了自己的造物主 Quarians。顯而易見，當前絕大部分人工智能公司的產品均只能在某一特定類別任務試用，是弱人工智能。強人工智能仍處于孕育期，尚未有足夠堅實的理論支撐，也未出現經過檢驗的原型。至于終極人工智能則更加長遠，估計本世紀不會出現。

32、硬件支撐、數據集、算法、應用場景是人工智能的四大要素。根據研究，我們將目前的弱人工智能領域歸集為下面這個模型。硬件支撐是整個人工智能的基礎。數據的搜集需要傳感器，數據的儲存需要存儲介質，算法的訓練需要高效的芯片，應用場景則需要相應的硬件配合（如手機、機器人等）。數據集是訓練算法的基礎。俗話說“巧婦難為無米之炊”，在機器學習當道的情況下，擁有良好標記的大數據集方能訓練出優秀的算法。算法源自數據集，優秀的算法可以應用于相應的應用場景進行變現，如人臉識別可以應用于安全領域，語音識別可以應用于翻譯領域等。應用場景可以產生大量的業務數據，這些數據大多經過了用戶的標識，可以補充進數據集中，從而更好地訓練出

33、更優秀的算法。更優秀的算法會促進更大規模的應用，這樣就形成了一個正反饋的循環。因而，我們認為，人工智能領域，在無破壞性技術的出現的情況下，先發公司優勢較大。圖 3：人工智能行業模型資料來源: 國信證券經濟研究所整理不斷下探的存儲成本和計算成本推動人工智能的發展。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據的存儲更為便宜。而用$/GFLOPS（1GFLOPS=109FLOPS，FLPOS=Floating Point Operations Per Second，每秒十億次浮點

34、運算價格）衡量的計算成本也一路下探，根據 Wikipedia 的數據，$/GFLOPS CAGR 在-37%左右。2017 年 6 月，AMD Ryzen 結合 AMD VEGA Frontier Edition 將$/GFLOPS 降到 0.06 美元。保守估計，2030 年代模擬人腦的計算機單價將低于 1000 美元，我們將迎來人工智能奇點。圖 4：不斷下降的計算成本資料來源:Wikipedia，國信證券經濟研究所整理圖 5：2026 年可以模擬人腦的計算機單價將低于 1000 美元資料來源: Wikipedia，國信證券經濟研究所整理科技創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入一個科技創新的大時代。回過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證，即使受疫情影響市場短期波動加大，科技板塊持續強于大盤的走勢卻基本未間斷過。站在當前時點，我們依然維持此前的觀點不變，堅信科技創新大時代風格仍將會延續。疫情沖擊不小，但目前中國經濟形勢正處在持續回升的勢頭當中，經濟仍在加快修復。可以看到，進入 2020 年后，突如其來的新冠疫情對短期經濟帶來了較大沖擊，隨著 4 月份一季度經濟數據的公布與上市公司一季報的陸續披露，疫情直接沖擊我國內需帶來的影響基本上已經體現。從經濟數據來看，疫情對我國一季度整體經濟運行帶來的影響是巨大的。一季度 GD

36、P 同比為-6.8%，受國內疫情沖擊影響，國內首次出現季度 GDP 負增長。不過在一季度經濟數據公布以后，基本上可以確定，-6.8%就是經濟增長的最低點了，最新公布的二季度經濟增速已經由負轉正回升至 3.2%的水平，同時各高頻數據也顯示當前我國經濟正在穩步復蘇。圖 6：8 月份我國經濟數據仍在修復（%）151050-5-10-15-20-25-30工業增加值:當月同比固定資產投資完成額:累計同比社會消費品零售總額:當月同比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、國信證券經濟研究所整理進入 2020 年之后，為應對新冠疫情的爆發，國內貨幣政策在持續引導利率下行。2020 年以來，1 年期中期借貸便利（MLF）兩次下調，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歷了兩次下調，從 2.5%下降至 2.2%，降幅同樣高達 30 個基點。6 月 30 日，央行官網發布消息稱決定于 2020 年 7 月 1 日起下調再貸款、再貼現利率。圖 7：2020 年后公開市場操作利率持續下降（%）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、國信證券經濟研究所整理8 月份社融數據再超預期，寬貨幣到寬信用仍在繼續。8 月社融當月新增值 35800 億元，高于市場預期值 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 月金融機構新增人民幣貸款 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%，相比上月繼續回落 0.3%。總體來看，8 月份社融數據再超預期，反映寬貨幣到寬信用仍在繼續。圖 8：當前經濟中寬貨幣向寬信用正在繼續（%）M2:同比社會融資規模存量:同比151413121110987資料來源：Wind、國信證券經濟研究所整理寬松的流動性環境將對資產價格形成支撐，尤其是對于權益類資產，利率的大幅下行有望通過提高估值進而推動股價上行。不過這里需要強調的是這個過程中，因為利率趨于為

40、 0 或者負數，這樣的貼現和從理論上來說是趨向于無窮大的。這也就意味著，當我們面臨零利率或者負利率的宏觀環境時，盈利（分子）穩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一步提高。圖 9：2019 年以來創業板持續跑贏大盤整體360034003200300028002600上證綜指創業板/上證綜指（右）1601501401301201101002400902019-012019-052019-092020-012020-052020-09資料來源：Wind、國信證券經濟研究所整理展望后市，我們認為在當前全球貨幣低增長、低通脹、低利率的“三低”環境中，賽道長、盈利（分

41、子）穩定性以及成長性的價值會更加突出，我們繼續看好科技板塊，堅信科技創新大時代風格仍將會延續。中證人工智能主題指數分析：投資人工智能領域核心標的中證人工智能主題指數（930713.CSI）是由中證指數有限公司發布的股票指數，從滬深兩市選取為人工智能提供基礎資源、技術以及應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。從歷史表現來看，中證人工智能主題指數長期收益率較高， 收益- 風險表現優異， 其中在 2013-2015 年以及去年下半年以來科技占優的行情中表現十分亮眼。從行業的權重分布上看，從申萬一級行業的權重分布上看，中證人工智能主題指數成分股主要集中在 TMT 板

42、塊，其中計算機和電子行業權重靠前。從個股情況來看，中證人工智能主題指數大幅聚焦人工智能領域核心標的。中證人工智能主題指數編制方式及簡介中證人工智能主題指數（930713.CSI）是由中證指數有限公司發布的股票指數，從滬深兩市選取為人工智能提供基礎資源、技術以及應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。中證人工智能主題指數以 2012 年 6 月 29 日為基期，基點 1000 點，于 2015年 7 月 31 日首次公開發布。從調整頻率來看，指數按照每半年一次的頻率進行樣本股定期調整，調整時間為每年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、能主題指數基本信息指數名稱中證人工智能主題指數英文名稱CSI Artificial Intelligence Index指數代碼930713.CSI指數類型股票類基日2012/6/29基點1,000發布日期2015/7/31發布機構中證指數有限公司成份數量98收益處理方式價格指數指數簡介中證人工智能主題指數是由中證指數有限公司發布的股票指數，從滬深兩市選取為人工智能提供基礎資源、技術以及應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。樣本空間為中證全指指數樣本股，對樣本股做如下處理：（1）對樣本空間內股票按照最近一年（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資源、技術以及應用支持的公司作為待選樣本，包括但不限于大數據、云計算、云存儲、機器學習、機器視覺、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只股票構成指數樣本股。資料來源：Wind、國信證券經濟研究所整理中證人工智能主題指數歷史表現中證人工智能主題指數長期收益率較高，收益- 風險表現優異， 其中在2013-2015 年以及去年下半年以來科技占優的行情中表現十分亮眼。以 2012年 6 月末為起點，截至 2020 年 9 月 23

45、日，中證人工智能主題指數年化收益率為 17.4%，年化波動率為 33.1%。長期來看，收益-風險優于上證綜指、深證成指等指數，充分體現中證人工智能主題指數成分股的優質性。中證人工智能主題指數在 2019 年之后穩步上升，即便 2020 年春節后，市場受新冠肺炎疫情影響出現大幅下挫，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近一年多年化收益率達 47%，遠高于上證綜指、深證成指、wind 全 A 等指數；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定的水平。圖 10：2012 年以來中證人工智

46、能主題指數走勢一覽中證人工智能主題指數上證綜指創業板綜深證綜指64054044034024014040201220132014201520162017201820192020資料來源：Wind、國信證券經濟研究所整理注：2012 年 6 月 29 日定基作圖=100表 4：中證人工智能主題指數長期收益-風險中證人工智能主題指數上證綜指深證成指萬得全 A創業板綜年化收益率（%）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、國信證券經濟研究所整理注：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近一年收益-風險中證人工智能主題指數上證綜指深證成指萬得全 A創業板綜年化收益率（%）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、國信證券經濟研究所整理注：時間范圍為 2019 年 1 月 1 日-2020 年 9 月 23 日指數風格：大幅聚焦人工智能領域核心標的綜合來看，中證人工智能主題指數成分股權重分布較為均衡。截至 2020 年 9月 23 日，中證人工智能主題指數總

48、市值 1000 億以上的成分股共 5 只，權重合計 20%；總市值 500 億以上的成分股共 17 只，權重合計 48%；總市值不足 100億的 32 只成分股權重為 9%。圖 11：中證人工智能主題指數成分股規模分布（權重）圖 12：中證人工智能主題指數成分股規模分布（數量）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成分股規模分布353212145403020100 資料來源：Wind、國信證券經濟研究所整理資料來源：Wind、國信證券經濟研究所整理從申萬一級行業的權重分布上看，中證人工智能主題指數成分股

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

50、%30%25%20%15%10%5%0%中證人工智能主題指數成分股行業分布(權重)47%38%9%3%2%1%1%計算機電子通信機械設備 國防軍工汽車傳媒資料來源: Wind、國信證券經濟研究所整理圖 14：中證人工智能主題指數各行業成分股數量分布中證人工智能主題指數成分股行業分布(數量)5323973216050403020100計算機電子通信機械設備 國防軍工傳媒汽車資料來源: Wind、國信證券經濟研究所整理從個股情況來看，中證人工智能主題指數大幅聚焦人工智能領域核心標的。中證人工智能主題指數前十大成分股主要為電子、計算機等科技板塊的龍頭公司，這些成分股均為大盤風格，安全性高，且具有較可

51、觀的成長空間，近年來表現優異。表 6：中證人工智能主題指數權重前十成分股基本信息個股名稱權重%一級行業總市值（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用友網絡3.8計算機1269616174.720.4兆易創新3.7電子862576110.18.5科大訊飛3.3計算機76958286.66.6紫光國微3.0電子718458116.715.8中科曙光2.7計算機51939081.08.6長電科技2.7電子58838082.44.5紫光股份2.7計

52、算機78933342.02.7資料來源: Wind、國信證券經濟研究所整理指數估值：估值水平自 2019 年以來出現修復中證人工智能主題指數市盈率低于創業板整體，2015 年來整體呈先降后升態勢。從市盈率來看，截至 2020 年 9 月 23 日，中證人工智能主題指數的 PE（TTM） 為 57.1，在我們選擇的幾個參照指數中高于大盤指數，但低于創業板綜指。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的估值先是震蕩下行，隨后在 2019 年年初達到低點后出現反彈。從市凈率來看，中證人工智能主題指數市凈率同樣也自 2019 年年初出現了一定程度的反彈。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 PB。從歷史走勢來看，中證人工智能主題指數 PB 中樞 2015 下半年下移趨勢同樣較為顯著，隨后在 2019 年年初達到低點后出現反彈。雖然目前人工智能主題指數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的科技板塊表現持續占優，估值水平同樣有所修復。而當前來看，寬信用格局依然在延續，人工智能板塊后續的成長空間同樣十分廣闊，因此我們認為中長期看人工智能板塊仍然具備較強的投資價值。圖 15：

54、中證人工智能主題指數估值水平140120100806040200PE(TTM)PB(右)6543210資料來源: Wind、國信證券經濟研究所整理注：數據截至 2020 年 9 月 23 日圖 16：2015 年以來中證人工智能主題指數 PE 走勢人工智能主題指數上證綜指深證綜指創業板綜(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、國信證券經濟研究所整理數據截至 2020 年 9 月 23 日圖 17：2015 年以來中證人工智能主題指數 PB 走勢人工智能主題指數上證綜指深證綜指創業板綜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、國信證券經濟研究所整理數據截至 2020 年 9 月 23 日易方達中證人工智能 ETF：交投活躍、費用更低易方達中證人工智能 ETF（159819.OF，簡稱 AI 智能）是緊密跟蹤中證人工 智能主題指數收益率的基金產品，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投資工具。費率端來看，本基金的管 理費率為 0.15%，托管費率為 0.05%，而同類基金上述兩類費率平均分別為 0.54%和 0.11%。自 9 月 23 日上市以來，易方達中證人工智能 ETF 交易十分活躍，表明該基金的市場關注度及參與度均比較高，同時反映了易方達中證人工智能 ETF 流動性相對較好。易方達中證人工智能 ETF 簡介易方達中證人工智能 ETF（159819.OF，簡稱 AI 智能）是緊密跟蹤中證人工智能主題指數收益率的基金產品，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投資工具。費率端來看，本基金的管理費率為 0.15%，托管費率為 0.05%，而同類基金上述兩類費率平均分別為 0.54%和 0.11%，即本基金的費率要顯著低于同類型其他基金。基金全稱易方達中證人工智能主題交易型開放式指數證券投資基金表