中科软科技股份有限公司董事长左春

AIGC（生成式人工智能）技术的快速发展引起广泛关注，作为数字技术的最新前沿，在促进新质生产力发展上拥有广阔空间。各行业都在探索通过建立AIGC应用软件系统群，提升发展潜力，AIGC技术的快速迭代给各行业数字化发展带来重大变化。

AIGC的分类

AIGC技术应用可以分为通用AIGC和垂直领域AIGC，类似于搜索：我们日常常用的搜索网站大量的都是以通用搜索为主，但还有一类搜索需求是注重垂直领域比如金融、医疗、学术等，存在大量针对性强的专业问题，进而衍生出众多垂直领域的平台。AIGC技术也同样如此，目前广受关注的各种通用大模型就类似于日常搜索网站，覆盖通用型应用，而具体到各个场景例如金融、医疗卫生、ESG等就涉及很多垂直AIGC应用，与行业领域知识关联度更大，也是AIGC技术未来在发展新质生产力方面的重要方向。

垂直AIGC和支撑行业具体应用的软件之间具有很强的关联性，现在人工智能的发展突破在语义理解、多模态数据处理等方面，而语义、多模态数据等要素和应用场景高度有关，应用场景问题的解决依赖应用软件，例如ESG问题，未来可能行业企业都需要建立自身ESG系统用来搜集、分析企业ESG相关各种数据、信息，ESG系统会是企业系统群的新代表，而ESG的数据源多是多模态数据采集的，内容可能包含数据、文本、影音、图像等多种模样的数据，而通过在系统中加入AIGC技术应用，对于处理这些多模态数据具有极大的辅助提高效率的潜力，并且所处理的问题越复杂，其对于应用系统的支撑能力越强，同时也更加需要具备强领域知识的垂直AIGC能力，而非单单依靠通用大模型能力。

应用AIGC技术可进一步完善行业应用软件

行业应用软件是各行业数字化建设中的一个重要内容，通常这是独立软件开发商（Independent Software Vendors）的主要工作。其中在金融、电信、零售这些IT投入较高的行业中占据市场龙头地位的软件开发商在AIGC技术发展方面将起到重要作用。通常这些开发商具有丰富的领域知识、完善的产品体系、持续的技术积累，建立了自身的行业应用软件参考模型。而现在AIGC技术也在不断融入这些软件开发商的应用软件开发体系中，通过Maas（Model as a Service，既“模型即服务”）平台建设，把原有的参考模型体系进一步升级，实现整个应用开发的智能化。

在行业应用软件对于数据的处理中，未来更多会基于多模态数据进行。我们在软件开发中把数据分成结构化、非结构化的数据，非结构化的数据被泛称为多模态数据，例如一段程序、一个图片，或者一段视频。因为各行各业的知识点，它的存储介质都在多模态中，在金融、医疗、高端制造、ESG等场景中存在大量多模态数据，AIGC技术在处理多模态数据时较已有人工处理内容有更强的“见多识广”特性，能够更好的提高多模态数据处理效率。

行业数字化中AIGC的应用潜力

AIGC在代码自动生成方面的潜力，能够促使应用开发效率的大幅提升。通过将已有行业应用软件开发知识利用AIGC技术进行充分训练，未来可以通过简单的、残缺的或者不完备的描述快速生产相应应用功能，这便大大加快了软件应用功能开发的效率，甚至没有经过软件的编程或者是软件需求表达专业训练的人员也能够生成应用功能，例如：企业的ESG专家可以借助AIGC技术从ESG专业需求的角度进一步完善企业ESG系统群的功能，利用数字技术不断追踪企业ESG问题和风险。在这方面，上面提到的行业应用软件开发商具有更大的施展空间，同时也会派生出大量的创业公司。

AIGC “见多识广”的能力，具备大量节省企业成本投入的潜力。AIGC技术的发展是一次“豁然推断”的进步，通过大量数据训练，AI具备超越人力的推断能力，例如：利用通过ESG垂直领域知识进行充分训练后的AIGC软件，去推断一个包含大量多模态信息的复杂事件的ESG风险并辅助决策，虽然利用软件进行推断也会有误差率，但当软件的误差小于人类的时候，就大量的节省了人力、物力，同时有助于提高精准度，这对于企业而言将节省大量的成本，无疑具有巨大应用价值，因为它代表了一个先进的生产力。当然针对错误率是需要我们用其他的方法去弥补的，AIGC应用还需要建立风险补偿机制。

此外，利用AIGC技术将实现对行业原有数字化系统的升级。对结构化信息，我们侧重“查询”，面对多模态信息，我们侧重“搜索”，AIGC是升级“搜索”为问/答系统。这样我们在运用软件操作的过程中，可以用问/答，代替查询、搜索、整理，就在很大程度上提高了效率。

行业应用软件利用AIGC技术的重点

1.IGC与开源技术的应用

开源软件已成为软件行业发展的一大趋势，开源软件要解决流行性问题，既需要有大量的人来用，很多更新、很多人活跃的维护，流行的开源软件具备重大价值。实际上在AIGC行业，大量工作是在利用众多流行开源软件打造新的软件产品，最重要的是在对开源基础技术掌握基础上，又进行融合，进而形成自己的知识产权。从这个意义角度来讲的话，通用AIGC平台最后的竞争，就是流行性的竞争。而在行业垂直应用过程中，具体到AIGC技术是需要进行流行开源技术的知识转移，行业应用开发可利用开源软件建立领域Maas平台，把行业在传统业务领域积累的知识，放在模型训练里面，把训练完之后的成果，形成自身的行业应用成果库。

2.AIGC要解决应用端的集成问题

在AIGC垂直应用的过程中，还有一项重要工作，就是AIGC能力在应用软件端的集成。这里的集成，既包括集成通用AIGC平台的功能，也要集成垂直AIGC应用的功能，这便体现出行业应用软件开发商的重要性。垂直AIGC涉及到隐私数据，很多时候需要进行本地化部署，并且使用较少的算力，通用AIGC要素分：数据（大多公有资产）+算法（相似计算模型）+算力（支撑）技术平台，而垂直应用时资源投入要大幅下降，即轻量化。因为在本地部署，因此也必须要有严格的管理，因为垂直模型本质上是一种私有财产。

3.AIGC的风险管理问题

通用AIGC类似于公有财产，所以需要有一定的政府层面的行政监管；垂直AIGC类似于是私有财产，从这个意义上讲，还要有很强的隐私保护等特点。

4.Maas平台的工程化属性

在AIGC应用的过程中，算力也在不停的变化，当规模越做越大时，需要综合考虑算力的问题。垂直AIGC应用涉及的工程属性很强，在模型搭建的过程中，要涉及一些“取舍”， “取舍”的维度包括：使用效果、替代人工（专家）的规模、数据预处理的方案和节奏，历史的规模和更新的频度，实时效率要求，选择“主题”的聚焦和友好性，解决方案的性价比等。

总而言之，AIGC它是一场数字化的变革，各行业未来都会涉及深入应用，通过AIGC提升数字化能力，进而形成新质生产力，无论是传统行业还是新兴行业都存在广阔的应用空间和发展潜力。场景、成果和规模是其成熟发展的关键，未来随着应用规模的不断扩大，将给全社会带来新的生产力的大幅提升。

近年来，中国企业在规模上进步很大。财富500强排行榜上，中国企业连续四年都超过美国。2023年，包括中国台湾、中国香港在内，中国有142家销售收入能够达到世界前500名的企业，超过美国的136家。

而我们在讨论“规模大”和“企业强”之间，可能还有一些认知上的误区，比如，以上市公司为代表的中国企业资本收益率，过去20多年平均只有3%—4%，相较美国11.6%左右而言，中国企业盈利能力或资本使用效率还有一定差距。

我们看到，中国GDP的增速，2015年就降到7%以内，最近几年基本上都是5%左右。大家可能会问，中国企业未来增长空间在什么地方？过去20多年间，假如以上市公司为代表的所谓中国的“好企业”结构变化来看，格局变化是非常大的。

我们对2035年做一个预测：什么样的企业，来自什么行业的企业可能会在2035年变成中国乃至世界上有引领力的大企业或伟大企业？这是开放性的难题，不管是央企还是大的民企。这也意味着我们在未来一段时间可能是充满挑战，同时也充满机遇。

这几年增长下降主要原因是什么？我认为，还是我们在完成工业化进程之后，推动增长最重要的一个底层力量，就是全要素生产率的增速在下降，现在基本上已经是降到2%以内。因此讨论未来增长还是在于全要素增长，这是我们以新质生产力为核心的标志。

如何让中国未来在全要素生产率能够降到2%甚至1.5%的情况下实现反弹，这背后意味着未来的企业不管是从投资还是变革角度都是努力的方向。这个挑战本身是全球性的挑战，大家看到即使美国拥有全世界最好的研发，但是它最近几十年时间，完成了工业化，进入到一个以服务业做主导的经济结构之后，它的全要素生产率增速也大幅度下降，像美国现在基本上也只有0.7%或者0.5%左右的全要素生产力年增速，这导致美国长期增长速度就1.5%—2%左右。

如果我们延续西方国家经济发展路径的规律，我们认为它在完成工业化之后全要素生产率增速会降下来，这是悲观的前景。但是中国经济本身从来跟西方国家路径发展不一样，未来要思考我们有什么样的领域能够使得在完成工业化竞争之后，还能够有新的、特别是推动全要素生产率增长的因素，正是提出新质生产力、战略性新兴产业的宏大背景。

中国在提升全要素生产率方面有很多因素，主要来源于技术进步和资源配置效率提升，我们有转型带来工业化的机会，有大国工业现代化的产业体系建设，同时有更彻底的改革所带来的可能性，包括新兴的战略性机遇出现，它本身会带来大量投资，大量投资背后会形成新的一轮全要素生产率增速的厚重来源。投资率本身跟全要素生产率的增速是密切联系在一起的，投资率高基本上全要素生产率就比较高。

其关键在于投资什么地方？投资什么领域？我们讲到两个领域可能是比较重要，一个是节点行业，就是对中国经济未来能够带来巨大影响的关键性行业；另一个就是制约生产率增长的领域，它需要投资，需要在供给侧结构性提升，需要发生质的变化。不管是大型国有企业还是民营企业，要想实现高质量发展，就需要去关注行业和领域，也就是战略新兴行业，包括未来产业，它都是形成未来新质生产力的重要来源。

简单谈几个问题，比如碳中和，还有人与人之间交互的强度，基本上是衡量一个文明的程度的重要指标，区别到农业文明、工业文明以及未来的文明形态。现在我们面临一方面投资体量非常大，我们测算到2050年到巴黎协定规定的投资，在中国是250万亿元到300万亿元的投资体量。同时我们讲到和个人之间的交互强度会因为AI，因为人脑跟机器交互技术的突破，有可能会突破时间的约束，一天24小时的约束，这会带来技术性的变革，会带来巨大的生产力提升的可能性。

消费方面，目前居民消费率只占到GDP38%—39%，与60%还是有很大差距。同时我们消费服务占的比重低，50%左右的消费比例。但是在一般现代化国家可能是67%、68%。到未来可能想通过消费拉动经济增长新的引擎。增加消费最重要的前提就是提升居民的可支配收入，这需要有大量相关投资。比如，现在居民可支配收入只有GDP的13%，而美国是67%，但是我们最大的落差就是居民财产性收入只相当于GDP的3.6%、3.7%，而美国是16%。如果这个指标我们能达到美国的水平，就意味着居民可支配收入能到55%。从这个角度讲，我们金融服务业怎么能够提供居民可支配收入，增加居民的获得感，有很多可以去挖掘的潜力和空间。

关于战略性新兴行业，目前从价值链分布里面还是偏中游和下游，要往上游走就要涉及专利和品牌。往上游走就意味着需要在研发方面加大投入，而研发方面需要在基层研发方面加大投入，现在来看企业确实是研发最大的资金来源，但是企业很少在基础研究方面有所投入。中国整个研发结构里面基础研究的研发金额大概占到整个研发的7%不到，而十四五规划纲要是要在2025年突破8%，还有两年时间能不能突破是很大的挑战。像美国、法国，基础研究研发比重占到15%甚至20%以上。这方面未来除了增加国家财政收入之外，企业能不能把视野放得更长远一些。决定一个国家在全球的竞争力最终还是取决于原创性、基础性的科学研究成果，而这方面我们还有很长的路要走。

城镇化和收入分配方面，现在基本上整个收入分配不平等，主要体现还是在城乡的二元结构。未来要提升全要素生产率，农业现代化增加对农业的投入变得非常重要，同时大量的农业人口要转移到其他产业和城市。中国城镇化率里面，按照常住65%、户籍人口是47%的水平，中间有18个百分点的差异，也就意味着2.55亿人居住在城市但是没有户籍。未来农业人口转移出1.4亿人口到第一产业或者第三产业，有4亿人会在城市永久性居住下来，我们什么样的公共服务体系，什么样的未来产业结构能够为这4个亿的人提供这方面的服务？至少从居住上讲，像保障性住房，或者说是未来长租公寓的投资，还有相应公共服务体系建设它会成为中国未来经济投资建设的非常重要的来源，也对我们提升整个全要素生产率可能会带来重大的推动。

关于企业和伟大企业，最近我们做了一个分析，伟大企业其实是创造价值的企业。以往可能比较强调股东权益的价值，比如说用利益相关方价值来衡量，可能这种企业对中国经济发展能带来更大的推动作用。举一个简单的例子，通过这个图可以看到在生成的网络里面密度特别高的行业我们叫节点行业，这里面的行业其实是处于整个中国经济的核心位置，它有非常长的产业链、供应链，它会拉动大量的上下游企业，它发展得好，它做得比较强的话，会带动大量的上下游中小微企业，民营企业，甚至中型国有企业的发展。但是中型企业的发展并没有纳入社会价值供应体系里面来。如果以上市公司为例子，可以发现他们会带来很大的股票市值的提升。社会价值，特别是处于节点行业的企业它所带来的对上下游的拉动作用每年可能带来10%的超额收益率。这表明我们在目前对企业的衡量，投资者对企业价值评估的时候，并没有把价值反映到估值体系里面来。

所以，未来在建设估值体系过程中，怎么把企业创造社会价值部分反映到企业估值里面来。从这个角度来讲，我们未来在估值理念上需要调整，可能需要企业，不管是央企还是大型国企、民企在企业运营管理过程中和市值管理过程中主动追求社会价值创造。从投资方角度来讲，可能需要培育认同社会价值创造的这样一些企业，通过这种方式形成新的估值体系、估值理念，最终形成互相加强的闭环，最终使得中国企业在从大到伟大的路径上做出新的尝试性的突破。

从这个角度讲，中国企业它未来的发展路径跟新质生产力，全要素生产率的增长，跟价值创造是紧密联系在一起的。