易方达中证人工智能ETF投资价值分析

1、内容目录 HYPERLINK l _TOC_250018 人工智能几经波折后迎来了主升浪 4 HYPERLINK l _TOC_250017 人类对人工智能的期望由来已久 4 HYPERLINK l _TOC_250016 人工智能的孕育期及诞生：1943-1956 4 HYPERLINK l _TOC_250015 第一次黄金时期及低潮：1956-1980 年代初 4 HYPERLINK l _TOC_250014 第二次黄金时期及低潮：1980 年代初-1990 年代中 5 HYPERLINK l _TOC_250013 成果显现：1990 年代中至今 6 HYPERLINK l _TOC

2、_250012 当下是投资人工智能的最好时机 8 HYPERLINK l _TOC_250011 商业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、二次低谷不会再重演 8 HYPERLINK l _TOC_250009 2020 年将是智能革命的元年 9 HYPERLINK l _TOC_250008 科技创新大时代是未来行情的主线条 11中证人工智能主题指数分析：投资人工智能领域核心标的 14 HYPERLINK l _TOC_250007 中证人工智能主题指数编制方式及简介 14 HYPERLINK l _TOC_250006 中证人工智

3、能主题指数历史表现 14 HYPERLINK l _TOC_250005 指数风格：大幅聚焦人工智能领域核心标的 16 HYPERLINK l _TOC_250004 指数估值：估值水平自 2019 年以来出现修复 17 HYPERLINK l _TOC_250003 易方达中证人工智能 ETF：交投活跃、费用更低 19 HYPERLINK l _TOC_250002 易方达中证人工智能 ETF 简介 19 HYPERLINK l _TOC_250001 易方达中证人工智能 ETF 交易活跃 20 HYPERLINK l _TOC_250000 管理公司&基金经理：专业、规范、稳健、绩优 21

4、国信证券投资评级 22分析师承诺 22风险提示 22证券投资咨询业务的说明 22图表目录图 1：专家系统示意图 5图 2：我国 2G-5G 通信技术的不断发展过程 9图 3：人工智能行业模型 10图 4：不断下降的计算成本 10图 5：2026 年可以模拟人脑的计算机单价将低于 1000 美元 11图 6：8 月份我国经济数据仍在修复（%） 12图 7：2020 年后公开市场操作利率持续下降（%） 12图 8：当前经济中宽货币向宽信用正在继续（%） 13图 9：2019 年以来创业板持续跑赢大盘整体 13图 10：2012 年以来中证人工智能主题指数走势一览 15图 11：中证人工智能主题指数

5、成分股规模分布（权重） 16图 12：中证人工智能主题指数成分股规模分布（数量） 16图 13：中证人工智能主题指数各行业权重分布 16图 14：中证人工智能主题指数各行业成分股数量分布 17图 15：中证人工智能主题指数估值水平 18图 16：2015 年以来中证人工智能主题指数 PE 走势 18图 17：2015 年以来中证人工智能主题指数 PB 走势 19图 18：上市以来易方达人工智能 ETF 成交活跃（万元） 21表 1：计算机代数划分 6表 2：2015 年以来我国支持人工智能发展的政策陆续出台 7表 3：中证人工智能主题指数基本信息 14表 4：中证人工智能主题指数长期收益-风险

6、 15表 5：中证人工智能主题指数近一年收益-风险 15表 6：中证人工智能主题指数权重前十成分股基本信息 17表 7：易方达中证人工智能 ETF 信息 20人工智能几经波折后迎来了主升浪自古以来，人类就对以自己为模板创造人工生命并赋予其智能充满着幻想。 1943 年，Warren McCulloch 和Walter Pitts 发表了关于人工智能最早的工作，之后到上世纪 50 年代中的 10 多年时间里一直是人工智能的孕育期。此后 1950年代中至 1990 年代中人工智能的发展经历两次黄金时期和低潮。1997 年 5 月11 日，IBM 制造的专门超级计算机深蓝击败了国际象棋世界冠军，标志

7、着人工智能的研究到达了一个新的高度。2000 年代后，随着大数据的普及、深度学习算法的完善、硬件效能的提高，人工智能的应用领域变得更广，应用程度也变得更深，例如近年来人工智能被广泛应用与智能制造、智慧服务、自动驾驶、智慧抗疫、创新经济等领域，人工智能几经波折后终于迎来了主升浪。人类对人工智能的期望由来已久自古以来，人类就对以自己为模板创造人工生命并赋予其智能充满着幻想。古希腊神话中，火神赫菲斯托斯就创造了黄金机器人作为自己铁匠铺的助手；皮格马利翁则爱上了自己创造的雕像伽拉忒亚并由爱神赋予之生命；列子汤问中的偃师所创造的歌舞伎不止表演高超，甚至有人类的情欲；黑暗的中世纪中，用巫术创造魔像的故事广

8、为传播；文艺复兴时期欧洲的炼金术师沉迷于创造出何蒙库鲁兹这种人工生命；怪物弗兰肯斯坦的故事家喻户晓；2001 太空漫游中的 HAL 电脑的自主意识及其采取的行动让人惊心动魄。我们可以发现，创造人工智能的想法自人类的诞生就一直存在，它随着人类的发展不断演化（神造人-人造超人-人造亚人-人造电脑），并随着人类的发展逐渐的变成现实。人工智能的孕育期及诞生：1943-19561943 年，Warren McCulloch 和Walter Pitts 发表了关于人工智能最早的工作。他们提出了一个神经网络的架构：每个神经元只有“开”和“关”两种状态，并可由周围神经元的刺激切换状态。同时，他们证明了神经网络

9、可以用于数值和逻辑的计算。1950 年，哈佛的两个本科生 Marvin Minsky 和 Dean Edmonds 建造了第一台神经网络计算机 SNARC，可以模拟 40 个神经元。本时期最重要的贡献来自于阿兰图灵。1950 年，图灵发表了Computing Machinery and Intelligence论文，介绍了图灵测试、机器学习、基因算法、强化学习等概念，奠定了人工智能发展的基础。1956 年的达特茅斯会议标志着人工智能的诞生：John McCarthy 联合 Minsky、 Claude Shannon、Nathaniel Rochester 在达特茅斯组织了两个月的Worksh

10、op。达特茅斯会议将不同的研究领域的研究者组织在了一起，提出了“人工智能”这个名词，人工智能也成为了一个独立的研究领域。参会者尽管只有十人，但是他们中的每一位在未来很长的一段时间都对人工智能领域产生了举足轻重的影响。第一次黄金时期及低潮：1956-1980 年代初达特茅斯会议之后，人工智能迎来了发展的黄金时期，出现了大量的研究成果。Herbert Simon、J.C.Shaw、Allen Newell 创建了通用解题器（General Problem Solver），是第一个将待解决的问题的知识和解决策略相分离的计算机程序； Minsky、Seymour Aubrey Papert 提出了微世

11、界（Mircro world）的概念，大大简化了人工智能的场景，有效地促进了人工智能的研究。微世界程序的最高成就是 Terry Winograd 的 SHRDLU，它能用普通的英语句子与人交流，还能作出决策并执行操作。第一次黄金时期离不开资金的支持。1963 年，ARPA（后来的 DARPA，美国国防部高级研究计划局）拨款 220 万美元给 MIT，并于之后每年提供 300 万美元（至 1970 年代结束）。更重要的是，ARPA 的经费并没有附带明确要求，这提供给了 MIT 科学家梦寐以求的研究氛围。第一次黄金时期让人们对人工智能领域充满了乐观情绪，甚至人工智能的领军人物 Minsky 都认为

12、“在三至八年里我们将得到一台具有人类平均智能的机器”。人们的乐观情绪在 1970 年代渐渐被浇灭。研究者发现，即使是最尖端的人工智能程序也只能解决他们尝试解决的问题中的最简单的一部分。人工智能还遭遇了以下一些问题：存储空间和计算能力的严重不足：例如，Ross Quillian 的自然语言处理程序只包括 20 个单词，因为这是存储的上限。指数级别攀升的计算复杂性：1972 年 Richard Karp 的研究表明，许多问题只能在指数级别的时间内获解，即计算时间与输入的规模的幂成正比。缺乏基本知识和推理能力：研究者发现，就算是对儿童而言的常识，对程序来说也是巨量信息。1970 年代没有人建立过这种

13、规模的数据库，也没人知道怎么让程序进行学习。随着人工智能发展遭遇瓶颈，资金纷纷抛弃人工智能领域。由于项目失败等原因，DARPA 也终止了对 MIT 的拨款。到了 1970 年代中期，人工智能项目已经很难找到资金支持。第二次黄金时期及低潮：1980 年代初-1990 年代中这次黄金时期的到来，专家系统（Expert system）功不可没。专家系统专注于某一个领域，因而设计简单，易于实现，而且避免了所谓的“常识问题”。商业领域第一个成功的专家系统是 Digital Equipment Corporation 的 R1，从 1982年至 1988 年，它帮助公司平均每年节约 4000 万美元。到了

14、 1988 年，全球顶尖的公司都已经装备了专家系统：DEC 部署了 40 个专家系统，杜邦部署了 100个。随着专家系统的大规模应用，知识库系统和知识工程得到了普及。图 1：专家系统示意图资料来源:Wikipedia, 百度百科，国信证券经济研究所整理另一个重大的助力是日本的第五代计算机项目。它是日本通商产业省在 1982年推出的一个大型研发企划，目的是开发采用平行架构的拥有人工智能的革命性的电脑，开创下一个时代。整个计划预计 10 年完成，3 年用于先期研究，4年用于子系统开发，最后 3 年组成一个可运行的原型，整个项目预算高达 570亿日元。表 1：计算机代数划分代数电子元件编程语言第一代

15、电子元件为真空管机器语言第二代半导体汇编语言第三代集成电路高级编程语言第四代大规模集成电路SQL 等第五代发展中发展中资料来源:百度百科，国信证券经济研究所整理受此计划的刺激，其他强国纷纷采取应对策略。1983 年，英国开始了预算 3.5亿英镑的 Alvey 工程，关注大规模集成电路、人工智能、软件工程、人机交互（包含自然语言处理）以及系统架构；在美国，DRAPA 组织了战略计算促进会，年投资额在四年内增长了 2 倍；而在准将 Bobby Ray Inman 的领导下，一群美国的计算机和半导体厂商组成 MCC （ Microelectronics and Computer Technology

16、 Corporation，微电子与计算机技术集团）财团，在系统架构设计、芯片组装、硬件工程、分布式技术、智慧系统等方向发力。在这个时期内，算法也得到了突破性的进展。1982 年，John Hopfield 证明 Hopfield 网络可以学习并处理信息，David Rumelhart 则提出了反向传播算法。它们和 1986 年发表的分布式处理的论文一起，为 1990 年代神经网络的商业化打下了坚实的基础。随着专家系统的不断发展，复杂度的快速提升，基于知识库和推理机的专家系统显示出了让人不安的一面：难以升级扩展，鲁棒性不够，直接导致高昂的维护成本。1980 年代末期，由于人工智能的项目成果不明朗

17、，DARPA 大幅削减了对人工智能的资金支持。1991 年，英国政府发布 Alvey 工程的最终报告，报告指明，Alvey 工程达到了其设定的技术目标，但是并没有提升英国在信息技术市场的竞争力。报告将原因归集为“资本的短缺和管理运营的低效率”。Alvey 工程主管 Brain Oklay 指出，信息技术工业应更注重培训、市场推广和研究成果的商业化。他抱怨道日本的低利率让高科技公司可以开发低毛利产品，而英国的高利率阻止了公司这么做。尽管英国觉得日本的计划更为成功，但 1992 年 6 月，日本政府宣布向全世界公开第五代计算机项目所开发的软件，允许任何人免费使用，这标志着日本雄心勃勃的第五代计算机

18、项目的失败。第五代计算机项目并没有带来人工智能的突破，甚至有人说，第五代计算机项目的最大收获其实是项目的副产物：其训练了成百上千的计算机领域的专家。该项目的失败有多重原因，一般认为，通用型微型机对专用型大型机的冲击及项目研发成果缺乏商业化场景是项目失败的重要原因。成果显现：1990 年代中至今1997 年 5 月 11 日，IBM 制造的专门超级计算机深蓝（Deep Blue），在经过多轮较量后，击败了国际象棋世界冠军 Garry Kasparov。尽管不乏 IBM 作弊的声音，但这个事件标志着人工智能的研究到达了一个新的高度，也给人工智能做了一次大规模的宣传。2000 年代后，随着大数据的普

19、及、深度学习算法的完善、硬件效能的提高，人工智能的应用领域变得更广，应用程度也变得更深。例如近年来人工智能被广泛应用于智能制造、智慧服务、自动驾驶、智慧抗疫、创新经济等领域。今年新冠疫情的爆发导致医疗需求大幅增加，而我国目前的医疗资源依然相对紧张并且分布较不均衡，但是人工智能在医疗领域中的图像识别、医药筛选、远程问诊等方面能够发挥非常良好的作用，可以大大提升医疗体系的运转效率，因此人工智能在抗击疫情方面发挥了十分重要的作用。从更长期的角度看，人工智能在医疗行业的应用将对传统医疗机构运作方式带来极大的变革，最终能够有效缓解医疗资源存在的压力，未来智慧医疗也将有望迎来进一步的发展。此次疫情的爆发同

20、样也暴露了城市治理中存在的诸多问题，而人工智能在智慧政务、疫情监控、社区防疫等方面同样能够形成非常好的协同效应，通过科技赋能，人工智能带来的智慧治理模式对当前的城市治理体系和社区管理方式同样进行了智能化升级，极大的提高了效率。随着疫情防控进入常态化，经济中很多企业面临人员不足、资金周转困难、生产资料匮乏等问题，而人工智能实现的智能化转型同样成为了制造业和服务业提高抗风险能力的重要发展方向。随着技术和应用的不断发展，人工智能也正与经济社会的多个领域在不断进行创新融合，新模式、新场景、新交互在不断催生，人工智能带来的新经济也成为了经济增长的重要支撑。疫情期间的隔离是的正常购物成为难题，实体零售收到

21、了重大冲击，但无人零售、智能物流、智能配送能够帮助零售企业迅速解决这一方面的难题。与之伴随的是自动驾驶同样开始加速发展，催生新的无人经济，对于后疫情时代的生活生产的恢复同样存在重要的作用。此外随着人工智能、5G、虚拟现实等新技术的发展，人工智能同样也会为数字内容领域注入新动能。下一阶段人工智能技术将更广泛的渗入新型基础设施建设，并且将获得更多元的应用场景和更大规模的受众。人工智能也正成为未来经济的主要增长点，尤其是后疫情时代，人工智将能成为各国经济实现重建、转型的重要力量。根据埃森哲对中国以及全球 12 个发达经济体的研究，到 2035 年人工智能将帮助各国显著扭转经济增速近年来的下滑趋势。随

22、着人工智能技术不断走向成熟，人工智能的战略重要性已经成为各国共识，全球主要国家也都在纷纷加大对人工智能的关注、支持和投入。2015 年以来我国关于支持人工智能发展的政策也在不断落地。表 2：2015 年以来我国支持人工智能发展的政策陆续出台时间文件名称2015 年 7 月国务院出台关于积极推进“互联网+”行动的指导意见将人工智能纳入发展重点任务2016 年 5 月发改委引发“互联网+”人工智能三年行动实施方案2016 年 8 月国务院发布“十三五”国家科技创新规则，把人工智能作为体现国家战略意图的重大科技项目2017 年 3 月人工智能首次被写入政府工作报告2017 年 7 月国务院发布新一代

23、人工智能发展规划2018 年 1 月人工智能标准化白皮书正式发布2018 年 3 月人工智能再度被列入政府工作报告2018 年 10 月习近平总书记就人工智能专题组织中央政治局第九次集体学习2018 年 11 月工信部印发新一代人工智能产业创新重点任务揭榜工作方案2019 年 3 月关于促进人工智能和实体经济深度融合的指导意见审议通过2019 年 8 月科技部发布国家新一代人工智能创新发展试验区建设工作指引2020 年 5 月政府工作报告重点支持“两新一重”建设，其中人工智能属于新基建范畴资料来源：Wind、国信证券经济研究所整理当下是投资人工智能的最好时机通讯技术在科技革命中起着极其关键的作

24、用，可以说每一次新技术的大规模推广和使用都是以通讯为先导的。今天 5G 通讯网络已经开始铺设，低时延、高速度的通讯网络很快就会建成，万物互联的基础设施即将具备。整个信息技术的产业即将再次迎来大爆发，2020 年将是智能革命的元年，下一轮的投资机会将会在人工智能领域产生。对应到资本市场上，我们认为科技创新大时代是未来行情的主线条，当下是投资人工智能的最好时机。商业利益在人工智能浪潮中扮演日益重要的角色我们发现，人工智能的黄金时期与投资规模息息相关。第一次黄金时期由 ARPA的投资所触发，第二次黄金时期来自于商业利益的推动和日本第五代计算机的刺激，而最近的这一轮人工智能的热潮，则主要来自于商业巨头

25、间用于弥补移动互联网增长乏力而发力寻找下一个增长点的人工智能竞赛。明显的，我们可以发现，商业在人工智能中扮演的角色愈发重要：从第一次黄金时代的缺席，到第二次黄金时代的推动（专家系统），再到这个世代的主动推手这也是我们强调人工智能公司一定要有应用场景的原因。我们认为，人工智能领域的繁荣需要政府和企业互相配合。政府主导的计划是基础研究，毕竟，美国政府 1960 年代所支持的基础研究造就了一个新的工业，并且，目前强人工智能的研究还急需基础理论的补足；但是，政府主导的应是基础研究，而不是应用研究，对于弱人工智能来说，其应用研究的主导应该是商业化的公司。与政府先比，商业化公司更为灵活。人工智能是一个新兴

26、产业，其技术产品的形态在高速变化中，政府部门必要的长决策链难以快速应对市场变化。就算是广受赞誉的日本经济产业省，其 1982 年制定的“正确”政策在1980 年代末泛用型微型机的冲击下都显得十分荒谬。同时，商业化可以避免英国 Alevy 工程失败原因之一的政府机构的效率问题。最重要的是，政府的资源的投入并不是长期稳定的，而是脉冲式的，会受到当前国际政治经济环境的强烈影响，而只有技术的商业化，形成产品和稳定的现金流，方能在长时间内支撑人工智能工业稳定发展。第一、二次低谷不会再重演同时我们也注意到，人工智能的低谷，均与人工智能未能达到期望有关。未达到期望的原因则略有不同：第一次人工智能的失败在于数

27、据、算力的缺失以及算法的不完善，第二次人工智能的失败在于专家系统高昂的维护成本、泛用型机器的冲击及政府主导计划商业化的失败，特别是泛用型微型机的冲击对专业型大型机影响巨大。至于目前出现的从泛用型处理器向专用型处理器转变的现象，我们认为其与 1980 年代末泛用型微型机对专用型大型机的冲击不同：1980年代末计算机的渗透率非常低，大量场景对低价泛用型微型机的需求远未满足，而现在，泛用型处理器已经充斥着我们的日常生活（手机、计算机等），而且他们的运算能力在大多数情况下是富余的（计算机 CPU 的算力对于日常办公娱乐来说已经过剩），但对于研究和模型搭建，尤其是需要复杂计算的深度学习，以及专用型人工智

28、能的运行来说，专用型处理器的低功耗、高效率是必须的。随着当前神经网络被证明可以有效处理复杂问题，以及算力、存储能力的快速增加，大型计算机的计算节点、计算速度、存储规模已经超越人脑若干数量级，我们认为弱人工智能领域的“金线”已经触手可及。2020 年将是智能革命的元年通讯技术在科技革命中起着极其关键的作用，可以说每一次新技术的大规模推广和使用都是以通讯为先导的。石器的应用和推广是以人类语言的使用为前提的。铜铁冶炼技术的推广需要文字的普及。机器的爆发使用、以及相关商品的推广，和电报的广泛使用密切相连，汽车时代对应的是电话时代。到了信息技术时代，通讯技术从 1G、2G、3G、4G 一步步升级，每一次

29、都对应着信息技术的跨越式发展。2019 年 6 月 6 日，工信部正式发放 5G 商用牌照。今天 5G 通讯网络已经开始铺设，低时延、高速度的通讯网络很快就会建成，万物互联的基础设施即将具备。整个信息技术的产业即将再次迎来大爆发，2020 年将是智能革命的元年。万物互联的网络就会产生无穷的数据，有了庞大的历史和动态的实时数据，计算能力和计算算法就变得十分重要，高精尖的 CPU、高深的算法就有了用武之地，智能的数据会从这里产生。有了智能的数据，我们就可以在机器人、各种自动设备植入 AI 芯片，让机器按照我们想要的方式运行。有了数据人工智能就有了基础，所以下一轮的投资机会将会在人工智能领域产生。图

30、 2：我国 2G-5G 通信技术的不断发展过程70006000500040003000200010000产量:移动通信基站设备:当月值日，工信部正式发放5G商用牌照2013年12月4日4G TDD-LTE牌照发放21世纪初2G开始向2.5G、2.75G发2009年1月7日3G牌照正式发放2019年6月62000 2002 2004 2006 2008 2010 2012 2014 2016 2018 2020资料来源：Wind、国信证券经济研究所整理目前的人工智能是弱人工智能。我们将人工智能分为弱人工智能、强人工智能和终极人工智能三个阶段。不同阶段所需要的复杂度是指数级递增的。弱人工智能指的是

31、专注在某一特定类别任务的人工智能，如人脸识别算法专注人脸识别，Siri 只能完成特定功能的语音交互，AlphaGo 十分强大但是专注于围棋领域；强人工智能，或通用人工智能，指的是泛用型人工智能，一般拥有自主的意识，可以通过图灵测试；终极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质量效应中的 Geth 种族，在质疑自己的存在意义并觉醒后，其战胜了自己的造物主 Quarians。显而易见，当前绝大部分人工智能公司的产品均只能在某一特定类别任务试用，是弱人工智能。强人工智能仍处于孕育期，尚未有足够坚实的理论支撑，也未出现经过检验的原型。至于终极人工智能则更加长远，估计本世纪不会出现。

32、硬件支撑、数据集、算法、应用场景是人工智能的四大要素。根据研究，我们将目前的弱人工智能领域归集为下面这个模型。硬件支撑是整个人工智能的基础。数据的搜集需要传感器，数据的储存需要存储介质，算法的训练需要高效的芯片，应用场景则需要相应的硬件配合（如手机、机器人等）。数据集是训练算法的基础。俗话说“巧妇难为无米之炊”，在机器学习当道的情况下，拥有良好标记的大数据集方能训练出优秀的算法。算法源自数据集，优秀的算法可以应用于相应的应用场景进行变现，如人脸识别可以应用于安全领域，语音识别可以应用于翻译领域等。应用场景可以产生大量的业务数据，这些数据大多经过了用户的标识，可以补充进数据集中，从而更好地训练出

33、更优秀的算法。更优秀的算法会促进更大规模的应用，这样就形成了一个正反馈的循环。因而，我们认为，人工智能领域，在无破坏性技术的出现的情况下，先发公司优势较大。图 3：人工智能行业模型资料来源: 国信证券经济研究所整理不断下探的存储成本和计算成本推动人工智能的发展。目前，存储成本已从 1980 年的 437,500 美元/GB 下跌到 2016 年的 0.019 美元/GB，CAGR 在-38%左右。较低的存储成本可以使得大数据的存储更为便宜。而用$/GFLOPS（1GFLOPS=109FLOPS，FLPOS=Floating Point Operations Per Second，每秒十亿次浮点

34、运算价格）衡量的计算成本也一路下探，根据 Wikipedia 的数据，$/GFLOPS CAGR 在-37%左右。2017 年 6 月，AMD Ryzen 结合 AMD VEGA Frontier Edition 将$/GFLOPS 降到 0.06 美元。保守估计，2030 年代模拟人脑的计算机单价将低于 1000 美元，我们将迎来人工智能奇点。图 4：不断下降的计算成本资料来源:Wikipedia，国信证券经济研究所整理图 5：2026 年可以模拟人脑的计算机单价将低于 1000 美元资料来源: Wikipedia，国信证券经济研究所整理科技创新大时代是未来行情的主线条在 2020 年年度策

35、略会上，我们提出我国有望进入一个科技创新的大时代。回过头来看刚过去的近半年时间，我们此前的判断似乎在不断地被验证，即使受疫情影响市场短期波动加大，科技板块持续强于大盘的走势却基本未间断过。站在当前时点，我们依然维持此前的观点不变，坚信科技创新大时代风格仍将会延续。疫情冲击不小，但目前中国经济形势正处在持续回升的势头当中，经济仍在加快修复。可以看到，进入 2020 年后，突如其来的新冠疫情对短期经济带来了较大冲击，随着 4 月份一季度经济数据的公布与上市公司一季报的陆续披露，疫情直接冲击我国内需带来的影响基本上已经体现。从经济数据来看，疫情对我国一季度整体经济运行带来的影响是巨大的。一季度 GD

36、P 同比为-6.8%，受国内疫情冲击影响，国内首次出现季度 GDP 负增长。不过在一季度经济数据公布以后，基本上可以确定，-6.8%就是经济增长的最低点了，最新公布的二季度经济增速已经由负转正回升至 3.2%的水平，同时各高频数据也显示当前我国经济正在稳步复苏。图 6：8 月份我国经济数据仍在修复（%）151050-5-10-15-20-25-30工业增加值:当月同比固定资产投资完成额:累计同比社会消费品零售总额:当月同比2019-012019-022019-032019-042019-052019-062019-072019-082019-092019-102019-112019-12202

37、0-012020-022020-032020-042020-052020-062020-072020-08资料来源：Wind、国信证券经济研究所整理进入 2020 年之后，为应对新冠疫情的爆发，国内货币政策在持续引导利率下行。2020 年以来，1 年期中期借贷便利（MLF）两次下调，从 3.25%下降至 2.95%，下降了 30 个 BP，短端的 7 天期逆回购利率也经历了两次下调，从 2.5%下降至 2.2%，降幅同样高达 30 个基点。6 月 30 日，央行官网发布消息称决定于 2020 年 7 月 1 日起下调再贷款、再贴现利率。图 7：2020 年后公开市场操作利率持续下降（%）中期借

38、贷便利(MLF):利率:1年逆回购利率: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资料来源：Wind、国信证券经济研究所整理8 月份社融数据再超预期，宽货币到宽信用仍在继续。8 月社融当月新增值 35800 亿元，高于市场预期值 2.73 万亿元，同比多增 13844 亿元，存量 276.7万亿元，同比增

39、长 13.3%，相比上月小幅回升 0.4%。8 月金融机构新增人民币贷款 12800 亿元，同比多增 700 亿元。8 月 M1 同比增速为 8.0%，相比上月上行 1.1%，M2 同比增长 10.4%，相比上月继续回落 0.3%。总体来看，8 月份社融数据再超预期，反映宽货币到宽信用仍在继续。图 8：当前经济中宽货币向宽信用正在继续（%）M2:同比社会融资规模存量:同比151413121110987资料来源：Wind、国信证券经济研究所整理宽松的流动性环境将对资产价格形成支撑，尤其是对于权益类资产，利率的大幅下行有望通过提高估值进而推动股价上行。不过这里需要强调的是这个过程中，因为利率趋于为

40、 0 或者负数，这样的贴现和从理论上来说是趋向于无穷大的。这也就意味着，当我们面临零利率或者负利率的宏观环境时，盈利（分子）稳定性以及成长性的价值会更加突出，市场对于基本面无瑕疵品种的估值容忍度会进一步提高。图 9：2019 年以来创业板持续跑赢大盘整体360034003200300028002600上证综指创业板/上证综指（右）1601501401301201101002400902019-012019-052019-092020-012020-052020-09资料来源：Wind、国信证券经济研究所整理展望后市，我们认为在当前全球货币低增长、低通胀、低利率的“三低”环境中，赛道长、盈利（分

41、子）稳定性以及成长性的价值会更加突出，我们继续看好科技板块，坚信科技创新大时代风格仍将会延续。中证人工智能主题指数分析：投资人工智能领域核心标的中证人工智能主题指数（930713.CSI）是由中证指数有限公司发布的股票指数，从沪深两市选取为人工智能提供基础资源、技术以及应用支持的公司中选取代表性公司作为样本股，反映人工智能主题公司的整体表现。从历史表现来看，中证人工智能主题指数长期收益率较高， 收益- 风险表现优异， 其中在 2013-2015 年以及去年下半年以来科技占优的行情中表现十分亮眼。从行业的权重分布上看，从申万一级行业的权重分布上看，中证人工智能主题指数成分股主要集中在 TMT 板

42、块，其中计算机和电子行业权重靠前。从个股情况来看，中证人工智能主题指数大幅聚焦人工智能领域核心标的。中证人工智能主题指数编制方式及简介中证人工智能主题指数（930713.CSI）是由中证指数有限公司发布的股票指数，从沪深两市选取为人工智能提供基础资源、技术以及应用支持的公司中选取代表性公司作为样本股，反映人工智能主题公司的整体表现。中证人工智能主题指数以 2012 年 6 月 29 日为基期，基点 1000 点，于 2015年 7 月 31 日首次公开发布。从调整频率来看，指数按照每半年一次的频率进行样本股定期调整，调整时间为每年6 月和12 月的第二个星期五的下一个交易日。表 3：中证人工智

43、能主题指数基本信息指数名称中证人工智能主题指数英文名称CSI Artificial Intelligence Index指数代码930713.CSI指数类型股票类基日2012/6/29基点1,000发布日期2015/7/31发布机构中证指数有限公司成份数量98收益处理方式价格指数指数简介中证人工智能主题指数是由中证指数有限公司发布的股票指数，从沪深两市选取为人工智能提供基础资源、技术以及应用支持的公司中选取代表性公司作为样本股，反映人工智能主题公司的整体表现。样本空间为中证全指指数样本股，对样本股做如下处理：（1）对样本空间内股票按照最近一年（新股为上市以来）的 A 股日均成交样本空间及选样方

44、法金额由高到低进行排名，剔除排名后 20%的股票；（2）对样本空间的剩余股票，将为人工智能提供基础资源、技术以及应用支持的公司作为待选样本，包括但不限于大数据、云计算、云存储、机器学习、机器视觉、人脸识别、语音语义识别、智能芯片等；（3）在待选样本中，按照过去一年日均总市值由高到低排名，选取不超过 100只股票构成指数样本股。资料来源：Wind、国信证券经济研究所整理中证人工智能主题指数历史表现中证人工智能主题指数长期收益率较高，收益- 风险表现优异， 其中在2013-2015 年以及去年下半年以来科技占优的行情中表现十分亮眼。以 2012年 6 月末为起点，截至 2020 年 9 月 23

45、日，中证人工智能主题指数年化收益率为 17.4%，年化波动率为 33.1%。长期来看，收益-风险优于上证综指、深证成指等指数，充分体现中证人工智能主题指数成分股的优质性。中证人工智能主题指数在 2019 年之后稳步上升，即便 2020 年春节后，市场受新冠肺炎疫情影响出现大幅下挫，仍然能够保持总体较高的正收益。自 2019年 1 月 1 日至 2020 年 9 月 23 日，中证人工智能主题指数近一年多年化收益率达 47%，远高于上证综指、深证成指、wind 全 A 等指数；年化波动率为 32.2%，最大回撤-26.5%，波动及回撤基本保持在相对稳定的水平。图 10：2012 年以来中证人工智

46、能主题指数走势一览中证人工智能主题指数上证综指创业板综深证综指64054044034024014040201220132014201520162017201820192020资料来源：Wind、国信证券经济研究所整理注：2012 年 6 月 29 日定基作图=100表 4：中证人工智能主题指数长期收益-风险中证人工智能主题指数上证综指深证成指万得全 A创业板综年化收益率（%）17.45.14.311.319.7年化波动率（%）33.121.225.225.031.0最大回撤（%）-65.8-52.3-60.8-56.0-67.4资料来源: Wind、国信证券经济研究所整理注：时间范围为 201

47、2 年 6 月 29 日-2020 年 9 月 23 日表 5：中证人工智能主题指数近一年收益-风险中证人工智能主题指数上证综指深证成指万得全 A创业板综年化收益率（%）46.717.642.031.050.8年化波动率（%）32.219.123.221.526.8最大回撤（%）-26.5-18.7-18.3-15.9-19.4资料来源: Wind、国信证券经济研究所整理注：时间范围为 2019 年 1 月 1 日-2020 年 9 月 23 日指数风格：大幅聚焦人工智能领域核心标的综合来看，中证人工智能主题指数成分股权重分布较为均衡。截至 2020 年 9月 23 日，中证人工智能主题指数总

48、市值 1000 亿以上的成分股共 5 只，权重合计 20%；总市值 500 亿以上的成分股共 17 只，权重合计 48%；总市值不足 100亿的 32 只成分股权重为 9%。图 11：中证人工智能主题指数成分股规模分布（权重）图 12：中证人工智能主题指数成分股规模分布（数量）100亿以下 9%100-300 亿23%300-500亿20%1000亿以上 20%500-1000亿28%中证人工智能主题指数成分股规模分布353212145403020100 资料来源：Wind、国信证券经济研究所整理资料来源：Wind、国信证券经济研究所整理从申万一级行业的权重分布上看，中证人工智能主题指数成分股

49、主要集中在 TMT 板块，其中计算机和电子行业权重靠前。具体来看，中证人工智能主题指数行业分布集中度较高，截至 2020 年 9 月 23 日，计算机行业权重占比为 47%，电子行业次之，占比为 38%，而通信、机械设备等行业占比均在 10%以下。从申万一级行业的数量分布上看，中证人工智能主题指数成分股同样主要分布于计算机、电子和通信行业。具体来看，截至 2020 年 9 月 23 日，计算机行业成分股数量为 53 只，电子和通信行业成分股数量次之，分别为 23 和 9 只。而国防军工、传媒和汽车行业成分股数量均在 5 只以下。图 13：中证人工智能主题指数各行业权重分布50%45%40%35

50、%30%25%20%15%10%5%0%中证人工智能主题指数成分股行业分布(权重)47%38%9%3%2%1%1%计算机电子通信机械设备 国防军工汽车传媒资料来源: Wind、国信证券经济研究所整理图 14：中证人工智能主题指数各行业成分股数量分布中证人工智能主题指数成分股行业分布(数量)5323973216050403020100计算机电子通信机械设备 国防军工传媒汽车资料来源: Wind、国信证券经济研究所整理从个股情况来看，中证人工智能主题指数大幅聚焦人工智能领域核心标的。中证人工智能主题指数前十大成分股主要为电子、计算机等科技板块的龙头公司，这些成分股均为大盘风格，安全性高，且具有较可

51、观的成长空间，近年来表现优异。表 6：中证人工智能主题指数权重前十成分股基本信息个股名称权重%一级行业总市值（亿元）自由流通市值（亿元）PE(TTM)PB(LF)海康威视5.5电子3420123826.77.9歌尔股份5.3电子129882684.48.0中兴通讯4.3通信156983028.43.9用友网络3.8计算机1269616174.720.4兆易创新3.7电子862576110.18.5科大讯飞3.3计算机76958286.66.6紫光国微3.0电子718458116.715.8中科曙光2.7计算机51939081.08.6长电科技2.7电子58838082.44.5紫光股份2.7计

52、算机78933342.02.7资料来源: Wind、国信证券经济研究所整理指数估值：估值水平自 2019 年以来出现修复中证人工智能主题指数市盈率低于创业板整体，2015 年来整体呈先降后升态势。从市盈率来看，截至 2020 年 9 月 23 日，中证人工智能主题指数的 PE（TTM） 为 57.1，在我们选择的几个参照指数中高于大盘指数，但低于创业板综指。就 市盈率的长期走势来看，2015 年下半年以来，中证人工智能主题指数的估值先是震荡下行，随后在 2019 年年初达到低点后出现反弹。从市净率来看，中证人工智能主题指数市净率同样也自 2019 年年初出现了一定程度的反弹。截至 2020 年

53、 9 月 23 日，中证人工智能主题指数的 PB（LF）为 5.3，高于我们选取的上证综指、深证成指、wind 全 A 等指数 PB。从历史走势来看，中证人工智能主题指数 PB 中枢 2015 下半年下移趋势同样较为显著，随后在 2019 年年初达到低点后出现反弹。虽然目前人工智能主题指数的估值水平大致处于历史中枢水平，但正如我们前文所述，受益于景气度改善和流动性宽松的逻辑，2019 年来的这轮行情中成长性较强的科技板块表现持续占优，估值水平同样有所修复。而当前来看，宽信用格局依然在延续，人工智能板块后续的成长空间同样十分广阔，因此我们认为中长期看人工智能板块仍然具备较强的投资价值。图 15：

54、中证人工智能主题指数估值水平140120100806040200PE(TTM)PB(右)6543210资料来源: Wind、国信证券经济研究所整理注：数据截至 2020 年 9 月 23 日图 16：2015 年以来中证人工智能主题指数 PE 走势人工智能主题指数上证综指深证综指创业板综(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资料来源: Wind、国信证券经济研究所整理数据截至 2020 年 9 月 23 日图 17：2015 年以来中证人工智能主题指数 PB 走势人工智能主题指数上证综指深证综指创业板综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资料来源: Wind、国信证券经济研究所整理数据截至 2020 年 9 月 23 日易方达中证人工智能 ETF：交投活跃、费用更低易方达中证人工智能 ETF（159819.OF，简称 AI 智能）是紧密跟踪中证人工 智能主题指数收益率的基金产品，追求跟踪偏离度和跟踪误差的最小化，为投资者提供一个管理透明且成本较低的指数投资工具。费率端来看，本基金的管 理费率为 0.15%，托管费率为 0.05%，而同类基金上述两类费率平均分别为 0.54%和 0.11%。自 9 月 23 日上市以来，易方达中证人工智能 ETF 交易十分活跃，表明该基金的市场关注度及参与度均比较高，同时反映了易方达中证人工智能 ETF 流动性相对较好。易方达中证人工智能 ETF 简介易方达中证人工智能 ETF（159819.OF，简称 AI 智能）是紧密跟踪中证人工智能主题指数收益率的基金产品，追求跟踪偏离度和跟踪误差的最小化，为投资者提供一个管理透明且成本较低的指数投资工具。费率端来看，本基金的管理费率为 0.15%，托管费率为 0.05%，而同类基金上述两类费率平均分别为 0.54%和 0.11%，即本基金的费率要显著低于同类型其他基金。基金全称易方达中证人工智能主题交易型开放式指数证券投资基金表