鹏华混合动力基金

在当前的经济形势下，财经知识的重要性不言而喻。了解经济形势、政策变化、市场趋势等方面的信息，可以帮助投资者更好地制定投资策略，把握机会。谈闻财经介绍关于鹏华混合动力基金。相信看完本文，你的疑惑会相对减少。

嘉宾及主持人简介

闫思倩

14年证券从业经验，6年基金管理经验，2022年1月加盟鹏华基金，现担任权益投资三部总经理/投资总监/基金经理，擅长基本面深度研究，挖掘成长股，深谙制造业与科技领域投资之道。

成乔升

中金公司科技硬件行业分析师

闫思倩金句

1. 中国这么大一个需求市场，基于无人机发展的技术化， eVTOL有望改变这个格局，因为我们的运行成本低，同时又有更多需求，这种高端化、智能化、绿色化的通用航空发展模式非常适合中国。

2. 随着AI不断发展，未来20年、30年，我们的电力需求增速将高于经济增长，这也为新能源向光伏发展带来了巨大空间。

3. 机器人具身智能可能是AI浪潮里面最大的硬件。

4. 中国产业链最大的优势在于制造业，我们的软件和AI大模型还有一定代差，但是我们的智能驾驶水平追赶非常快，制造业在硬件上的优势也非常突出，尤其是像特斯拉Optimus中的很多关节、零部件，都在努力实现国产化。

5. 低空经济和卫星通信的联系也比较紧密，因为卫星通信未来低空后，我们可能就不用通过雷达，而是通过无线基站5.5G，建立一整套的通信系统、飞机的基础网络设施，还有航道的规划、通信以及运营，这些基础设施建设都将为低空经济带来很大的发展机遇。

成乔升：近期市场上热议 “新质生产力”，为了准确阐述新质生产力的内涵，有必要将其与传统生产力进行对比。“新质生产力”与传统生产力的主要区别在于“新”上面，依靠创新驱动是“新质生产力”的关键。“新质生产力”涉及的产业包含新能源、先进制造、电子信息等核心战略产业。但在投资领域，近期表现突出的两大主题为人工智能和低空经济，，它们与前述战略性产业以及新质生产力有着交叉对应关系。今天我和闫思倩总就将人工智能和低空经济这两大主题，作为新质生产力的关键支撑，与投资者进行全面交流。

闫思倩：去年以来新质生产力受到广泛关注，中央和地方也在加快部署新质生产力。经济基本面方面中，今年国内在投资、消费以及出口等方面仍有压力，“新质生产力”概念的提出是为了适应高质量发展阶段的新要求，也是为了摆脱传统经济增长方式、生产力发展的路径,要具有高科技、高效能、高质量新发展理念的先进生产力。一方面是经济转型发展主要引擎要向新质生产力转换；另一方面是创新驱动发展的重点也在向新质生产力转移。此外，很多区域协调发展新的投资、政策、各种力度也都向新质生产力聚焦。同时，今年全球经济表现良好，美股科技七巨头涨得非常好，方舟投资的“木头姐”凯茜·伍德（Cathie Wood）去年业绩表现优异，她们团队今年又发布了《Big Ideas 2024》报告，全面分析了14大颠覆性技术构建的五个创新平台，其中就包括新质生产力，涵盖人工智能、多组学测序、新能源相关的储能和机器人、AI。这些新技术掀起了历史性浪潮，也受到全球关注，ARK预测到2030年，与颠覆性创新相关的全球股票市场价值占比将从现在的16%增长到50%。

成乔升：这是很大的数字。

闫思倩：Elon Musk也提到，因为全球都很关注AI，去年AI出现了很大的产业浪潮。今年AI也是类似情况，年初的Sora就非常超预期， Musk还讲到，AI每六个月就要增长10倍，呈加的增长。

所以，我们预计科技创新的会加快，新质生产力是国内新的生产力，也是经济发展的方向。从投资角度，这也是未来两三年的一个主线。

今天我们就从人工智能开始，聊一聊新质生产力。人工智能最近很火，去年11月ChatGPT又有了新的发展，AI产业链受到市场广泛关注，国内也有百度文心一言、文本大模型Kimi，还有Pika、阶跃星辰、秘塔AI搜索等以搜索为主的大模型。今天也想请成老师谈一谈这轮AI产业的变化和上一轮有什么不同？

成乔升：AI主题已经火了很长时间，大家都想知道这一轮AI发展与之前相比有哪些根本性变化。我认为这轮AI大发展背后是被多参数、多数据量的大模型支撑，大模型技术的发展给AI行业往前推动带来了意想不到的效果。当下在大模型驱动之下，AI上下文理解能力有了大幅度提升，人机交互可以有问有答，不像以前只能做比较简单的机械性对话。另外， AI能力也从分类在往智能发展，落地场景也会发生变化，过去基本都是像安防、简单的低阶智能驾驶等偏向于图像分类相关的应用，现在会有一定提升。

第二， AI输出的准确度也大幅提升了，内容生成能力提升也很明显，生成式AI中模态的丰富度也增加了，现在可以生成文字、图像，甚至文生视频，像刚才提到的Sora，大家都觉得很超预期，因为这些都是之前我们不太能想象的东西。

闫思倩：总体来看，AI落地场景确实有很大想象空间。大模型是这次AI创新底层的驱动。能否请成老师谈一谈现在前沿大模型的能力和迭代，以及国内与国外的差距？

成乔升：当前主流模型的迭代包括模态（先从单模态往多模态走）以及长上下文的文本处理能力，一些大家熟悉的C端产品都是这么做的。比如，去年4月OpenAI发布了GPT-4，GPT-4拥有 “图生文”的多模态能力，具有十多万token的上下文能力，周活用户数也超过了亿人大关。今年的多模态大模型Sora也很超大家预期。Sora能生成一分钟的高质量视频，训练的无损输入很超预期。Google今年也发布了大模型Gemini1.5版本，同样Gemini1.5也具备了多模态的理解能力。

闫思倩：可以和小鸭子对话。

成乔升：对，还有百万字的上下文处理能力，流量也达到了ChatGPT的1/4，所以整个赛道都在积极推进。

在算法框架层面，除了应用端，为了提升模型使用效率，大模型的厂商和科研团队也引入了新的算法框架，比如GPT-4和Gemini1.5，都采用了混合专家模型，就是我们时常讲到的MoE，实际上训练的参数还会有一个激活的参数，可能很大的参数量不需要拿来全做完，这个模型才能运转。混合专家模型的存在也使这个模型可以低于传统密集模型的计算成本去进行预训练。

另外，大家最近都在谈算力，其实算力遇到了很大问题——文本做长以后，对算力的需求也越来越大，可能会呈现爆炸性增长，比如100万字的输入和200万字的输入，对于算力的需求就不是线性的两倍增长。现在大家也提出一些新的学术界架构，比如去年四季度很火的Mamba，从一定程度上是作为一种选择性状态的空间模型，解决了transformer在固有的算法框架下处理长文本时计算量可能会随着文本长度呈现平方量增长的问题，现在变成线性增长后，可以节省一些算力。这种新的算法在语音、音频等多模态应用中也都取得了行业领先水平，在这样的情况下，我们认为AI的大模型算法框架也在往前推。

闫思倩：这个很重要，不然算力太贵了。

成乔升：是的，现在大家都在乎成本。

另外，您刚刚也提到现在国内和海外的大语言模型到底有什么差距？我觉得国内的语言类模型进步很快，比如百度文心一言现在能做多模态生成，文本上限接近三万字， Kimi Chat也支持200万字的上下文处理，也是今年的新突破，二者月活都达到了百万级，甚至Kimi最近上了千万级。

我也看到了Kimi经历多轮扩容的消息。另一方面，我觉得目前文生视频领域是大家努力的方向，但是公开来看，暂时还没有看到可以与Sora媲美的产品。如果要总结国内外差距，更多还是在于参数的规模和模型泛化性能力上。一些三方的榜单数据中有一些评分指标，海外GPT-4 Turbo大概是六十几分，国内可能五十几分，但很难找到特别统一的标准。

闫思倩：国内大模型很难完全去对标ChatGPT。

成乔升：对，这是比较难的。所以我们要承认，从大的逻辑上来看，就数据量、底层算法能力、算力储备等大模型的核心竞争指标而言，国内企业与海外龙头企业相比仍有提升空间。不过，从人才储备这项非常关键的指标上来看，此前斯坦福也做过一些相关研究，这两年来中国在人才端的回流明显加速，尤其是高端AI人才，所以我们很看好在大模型领域的技术创新。

闫思倩：当下大模型是基于规模效应演进，目前学术界观点也认为，更多的参数、数据，带来损失更低的模型，但是参数越多、数据越多，也带来了非常大的算力需求，比如我们看到英伟达卡的订单一直在增长。

英伟达卡的下游一直在加单，就是因为算力不够。英伟达的业绩不断超预期，市值达到了2万亿美金。全球AI算力GPU卡的技术也一直在迭代，在英伟达大会上，黄仁勋宣布GB200已经出来了，最新的NVlink要5层的光铜互联架构，升级非常快。成老师，算力发展趋势这么如火如荼，您作为科技硬件行业的分析师，能否和我们一起展望一下。

成乔升：我们经常被投资人问到——算力需求怎么展望？实际上，不仅是芯片层级，现在还有互联、系统等方面的变化。我们认为算力的需求会持续增长，这是生成式AI行业发展的必然结果。现在大家更关心的是怎么去降低成本？大家都认为算力需求本身没有问题，但是不能太贵，否则就难以持续。

闫思倩：尤其是国内金山办公以及微软的Copilot，这些新应用发布都很快，如果访问数大幅上升，算力消耗会很大。

成乔升：是，成本会受不了，所以大家比较关心降本问题，比如未来每一代的硬件升级，以前看算力是多少倍，现在大家更关心单位成本的算力变了多少倍，所以算力成本不可能不动。

根据这个思路，我们认为未来一定会推动算力降本，如果算力成本不下降，这样的商业模式也难以持续。

在单芯片方面，目前英伟达依靠高带宽内存HBM进行优化，以提升系统效率，同时也在芯片架构上做文章。以前英伟达的GPU都是通用的计算盒（即Tensor盒），专门配备了Tensor Core去配套AI的卷积计算等等，在架构上也做了一定优化。除了单芯片外，还有很多系统层面的变化，所谓优质算力更多是指能够快速扩展的算力，例如英伟达GB200也是多层架构。

闫思倩：甚至它第一层连接铜线都是1米之内的铜线连5000根，达到了极限。

成乔升：对，都在努力快速扩展。我们认为英伟达的策略也开始逐渐从单卡过渡到1机8卡的系统，现在GTC 2024上又发布了NVL36、72这些整机柜产品，实际上是为客户提供一颗虚拟的、更大的、更快的GPU，算力成本也更低。

除了单板块及系统能力外，刚才提到的铜缆也是一个有较大的变化和升级。由于成本原因，在短距离内不用光了，长距离还要用光，但是诸如“光进铜退”“铜进光退”等等在二级市场已经广受讨论，但我认为这些其实都不重要。

闫思倩：核心还是为了降本和提升效率。

成乔升：对，大家要看到一个更远的空间。不管是光通信还是用铜去通信，更多的是未来需要传递给客户一个更大、更好的系统，从集群角度去努力。

闫思倩：所以已经从千卡集群到万卡集群。

成乔升：对，现在可能会出现10万卡集群。甚至要用到第五层，更多连接的是未来大的发展趋势，纠结一些短期变化对投资而言意义不大，要看到大方向上或者逻辑上的变化。

闫思倩：是的，上面讨论的AI发展趋势更多是纯算力硬件投资一侧，是关于企业的Capex。实际上，大家探讨的Capex不仅仅是资本开支，今年大家普遍认为“AI的尽头是电力”、“AI的终极是电力”，指的就是AI的成本、能耗，因为AI对电力的需求呈指数增长，AI训练的算力也将持续扩张，会消耗大量电力。特斯拉CEO Musk也表达了对电力供应的担忧，他表示未来两年会从“缺硅”、“缺算力”变成“缺电”，未来电力甚至可能成为AI发展的阻力。但我们认为也不至于，虽然传统化石能源的储备有限，预计新能源、太阳能、风能，甚至是核电、光伏是未来较为确定的发展方向。

另一个观点认为“AI的终极是电力，而电力的终极是新能源”。所以，电力的需求非常大，有预测表示，未来中长期我们对电力需求的长期增速可能高于GDP，因为历史上电力的需求增长跟着经济走，但是比特币矿、AI卡对电力的需求和消耗变大了。比如，英伟达一张H100的卡，一年的耗电量能达到4000多度电，今年英伟达有350万张卡，总能耗可以达到130亿度电，130亿度电在全球26万亿度电中的占比仅万分之五，但是到了2050年，人工智能带来100倍增速，25年40倍增长，130亿度电变成了130万亿度电，是现在全球26万亿电量五六倍的发展空间。因为中国的限制，今年英伟达的350万张卡几乎不包含中国的需求，可能就十几个点。所以中国未来将迎来非常大的人工智能耗电量市场，我们预计中国的AI市场将在2050年和全球平分秋色，如果预测成真，届时中国的人工智能带来的用电量贡献也能达到130万亿度，到2050年全球有300万亿度电，按照现在是26万亿度，到2050年可能比2023年还要增长10倍。

随着AI不断发展，未来20年、30年，我们的电力需求增速将高于经济增长，这也为新能源向光伏发展带来了巨大空间。我们预计今年光伏全球装机能开始迈向500GW，到2030年可能达到2000GW，相信到2040年、2050年，我们已经走向开门红，新能源占比会非常高。当然，因为新能源有时被称为 “垃圾电”，太阳是中午最好，风也不是什么时候都刮，所以我们也需要传统电力对新能源的装机。但是我们对煤炭能源未来的新增供给非常少，反而会变得稀缺。随着碳中和目标的达成，我们的新能源占比会越来越高。

为了支撑这么大的电力需求，电力设备也会迎来一个非常大的需求增速。尤其是今年，全球的电力设备经济增速较高，海外的电力设备需求也比较好，国内随着新能源的装机增长，要解决限电问题、垃圾电问题、新能源波动问题，特高压的审批也比较超。海外经济也非常好，甚至亚非拉要再造一个中国，因为他们的智能化水平、用电量以及科技发展很像多年前中国的发展阶段，所以未来二三十年，亚非拉确实有可能再造一个中国。这方面对电力设备的需求也非常大。

谈完电力需求后，请成老师谈一谈中国与国外AI的发展差距和追赶方向，以及哪些企业能够参与到国内AI的产业链。

成乔升：首先，从上游硬件端来看，需要承认在芯片方面中国相较海外有一定差距。一方面算力的表观数据与海外相差大概1-2代左右，主要是中国集群能力的表现相对要弱一些。但从创新性角度，国内一些后发企业选择了DSA定制化架构，试图以一个更低的成本去破局。另一方面，国产AI芯片在软件层面的兼容性和用户黏性提升方面有发展潜力，还有提高的空间。

其次，在中游端，与国外相比，国内的大模型技术在参数规模和通用能力上仍面临一些差距，但现在国内进步很快，在长文本大语言模型方面也实现了比较明显的突破，多模态大模型虽然没有公开的信息佐证，但我们从产业调研中了解到大家都在追赶。

另一方面，我也相信国内做大模型的人才很丰富，在人才驱动下，中国大模型未来成功的可能性很大。

最后，从下游应用来看，国内大模型企业进行应用落地的导向比较明确，在金融和办公领域的渗透率都是可观的。随着理解能力、生成文本和视频生成内容的成本下降以后，教育和文娱领域也有望依托庞大的市场需求实现弯道超车。

所以从行业角度，我们非常乐观。

第二个问题，到底哪些企业能参与以及怎么参与。可以分为两部分：一部分受益于全球产业链的发展，比如英伟达这些龙头企业以及产业链环节上参与的企业，跟着全球产业链维度发展，我认为这部分受益的确定性比较靠前。对于主权和我们在做的这部分AI来看，未来市场空间较大，无论是做算力、应用端还是模型的国产化，我们拥有很大的应用市场，对整个需求端的看法非常乐观。所以，我认为要从这两个逻辑去参与全球AI产业链的变革。

闫思倩：国内的应用可以随之快速发展起来。

接下来，我们展开聊聊AI的应用。AI的生成能力显著提升，成本也不断优化，在传媒方向有很多落地场景，还有一些其他趋势上的投资机会，能否请您展开谈谈？

成乔升：生成式AI可以学习已有的数据、模式和结构，摆脱人类创作者的数量和能力限制，从而快速稳定地生成大量高质量内容，提高人们的生产效率，比如AI可以写诗，生成不同风格的音乐、图片、电影等等。

我们认为生成式AI降低了创作门槛，相关公司也在推动元宇宙建设工具的AI化。受益于多模态的趋势，AI生成内容也不断从2D向3D转变，可以进一步提升大家在元宇宙里面的沉浸感。同时，生成式AI也可以分析用户的浏览历史，包括互动数据和社交行为，可以根据用户需求和偏好定制个性化内容，并实现智能对话，提升参与度和内容的互动性。我们认为现在生成式AI可以大幅度改善目前AR生态上内容匮乏、交互有限的缺陷，提升AR人机交互的功能，同样也能够提升VR产品的丰富度和内容质量，使得AR、VR产品更具吸引力。同时，也会反过来推动这些新终端的销量。

另外，除了传媒应用之外，工业相关的场景也是人工智能应用的重点。举个例子，在这一轮人工智能的产业浪潮之下，更好的人机互动可以使机器的适用场景大幅扩张，也能利好机器人产业的发展。您是工业方面的行业专家，也想和您探讨一下有关机器人的看法。

闫思倩：去年AI到来，很多国内外互联网巨头都认为AI是一个新的科技浪潮，一个新的科技起点。在我看来，机器人具身智能可能是AI浪潮里面最大的硬件。过去几年已经能够在科技领域看到未来从0到1的增量，甚至新的科技产品走进了我们的生活。例如，苹果公司遇到了硬件创新的瓶颈，这几年很重要的产品是人形机器人，过去几年则是手表，甚至一些不太成熟的AR、VR。随着AI的诞生，人形机器人将成为最大的可能，机器能通过AI很好地和我们沟通。除了特斯拉的Optimus2，还有斯坦福大学的炒虾机器人，机器人既可以做饭，也可以去买菜，甚至可以帮我们接送孩子上下学。Gemini模型实际上是小鸭子在和人类进行对话。首先是机器有了感知能力，甚至思考能力，它能够和我们对话。其次，如果这个机器人能够自由行走，甚至帮我们买东西、购物，它也需要一个ADAS系统，如果像车一样到处行走，还需要有一个非常智能的硬件。比如 Optimus，不仅手灵巧，能够穿针引线，还能剥熟鸡蛋和生鸡蛋，甚至有各种皮肤传感器能更好地去模拟人类，所以我认为人形机器人现在还处于从0到1的阶段，未来产业发展空间非常大。

今年Figure AI也推出了01号机器人，展示了极佳的交付能力，能够与人进行完整对话、投递食物、捡垃圾。当然，现在最先进的机器人已经去炒菜做饭了，英伟达在今年3月份的GTC大会上现场发布了技术模型，邀请了25款机器人，其中包含几款中国的机器人，向大家展示人形机器人可以灵活地适应现实世界。国内有很多人形机器人公司发展非常快。中国产业链最大的优势在于制造业，我们的软件和AI大模型还有一定代差，但是我们的智能驾驶水平追赶非常快，制造业在硬件上的优势也非常突出，尤其是像特斯拉Optimus中的很多关节、零部件，都在努力实现国产化。诚然，很多环节技术壁垒很高，但这也是一个非常大的市场。目前特斯拉人形机器人的BOM成本为50-60万，目标是计划将来降到2万美金，大概十四五万人民币，比一辆车还便宜，能帮你做很多事，降本需求很大。国内机器人产业链未来的发展空间也比较大，我们在制造环节有领先优势，包括四大核心件：电机、减速器、丝杠、传感器。目前国内和海外仍然存在差距，今年国产化已经非常快了，我相信正处于从0到1突破的过程。

成乔升：那我们该如何理解具身智能和您提到的行业应用空间？怎么对市场空间进行具体展望？

闫思倩：人形机器人应用很广泛，制造业中人形机器人能够辅助生产，实现过程优化；在医疗领域，人形机器人甚至可以在手术患者护理过程中实现一些人做不到的环节。当然，服务业里面人形机器人可以替代人类，例如在银行ATM以及营业厅里面。

所以，人形机器人在许多场景中工作效率和用户体验方面潜力很大，例如咖啡制作。论及行业空间，如果到2026年，全球服务机器人渗透率达到3.5%，就有20亿美元的市场，这还仅仅是服务机器人。随着人工成本越来越贵，在中国工业制造领域有大量职位可能被替代，因为机器人灵巧手以及各方面技能、硬件和软件水平不断提升，能够做更多复杂劳动，假设我们有100万台机器人， 每台成本20万，就是2000亿美金的市场。如果按Musk所言，未来我们每个家庭都有一台机器人，甚至是上亿台机器人，这就是一个非常大的万亿市场空间。所以我认为人形机器人可能是未来我们在科技创新方向上最大的硬件。

成乔升：除了机器人以外，自动驾驶也是人工智能在智能汽车领域落地的典型场景，边际上也在慢慢渗透，但当前车厂竞争激烈，大家都在进行降价增配的动作，依靠自身的智能化实力，去试图提升在消费者中的核心竞争力。关于自动驾驶，您觉得行业目前处于什么发展阶段？

闫思倩：我觉得大家已经基本接受自动驾驶L2了。首先，自动驾驶的渗透率仍然很低，电动车的渗透率仅30%左右，大部分接受电动车的车主已经接触到了L2、 ADAS，下一步就是到L3。随着降价增配的新车的科技感、智能化水平不断提升，我们将迎来L3的体验。最近小米SU7热卖，问界在去年十一之后销量非常火爆。华为在ADAS领域的智能驾驶体验很不错，能够帮你主动避让、换道、高速上智驾。对于消费者而言，体验上的核心差异在于，无论身在何处，一按键车就来找我。在北美，特斯拉的FSD完全可以通过各个红绿灯，只是你在使用智驾过程中，系统使用的体验如何？是否经常跳出让你来接管？如果现在的接手率都非常低，智能驾驶的功能就已经非常完善了。现在车能够在它已经记忆了地图的车库，帮你实现智能驾驶。但是不管你人在何处，车都能一按键就来找你这个功能暂时没有，我相信这个体验会让消费者耳目一新，接下来智能驾驶会让消费者体验到升级版的体验。

成乔升：作为一名消费者，我非常期待刚才您讲的这些功能都能实际落地。从行业头部企业的动作来看，大家也都积极在自动驾驶方面不断升级，从软件模型或者算法相关的一些领域，再到最终的应用程序。最近，特斯拉也正式在美国全境推送了FSD12.3的版本，将大模型与自动驾驶进行了有机结合，取得了非常好的效果。想请教一下您，FSD做这件事有些什么样的特点？另外，这波人工智能或者AI浪潮中，大模型和自动驾驶如何进行结合，或者大模型如何赋能自动驾驶，一步一步往前演进，去实现我们所展望的耳目一新的功能？

闫思倩：FSD12.3版本的不同之处主要在于使用了端到端模型，就是和AI相结合的自动驾驶技术，这是一个很大的创新，可以看作是基于海量数据自主学习的人类驾驶模式，在输入后能够直接输出，相当于一个大模型。我们的感知系统，不管是摄像头还是激光雷达，得到数据后进行分析并输出，就相当于一个大模型，不管扔给它什么，都能直接出来结果。相当于智慧涌现，就像ChatGPT最早期，随便丢给它什么，都能有结果。特斯拉有一个非常厉害的Occupancy建模模型，过去是车行驶到哪里，模型感知到了什么，就迅速输入到车的系统中，但是Occupancy模型，即使车还没有开到，随着每一个感知数据输入，就已经移动建了很多模型来模拟接下来可能发生的事情，甚至是接下来可能得到的更多感知数据，所以它具有预判和模拟功能，我认为FSD12是个非常强大的智能驾驶版本。

成乔升：聊完人工智能的话题，我们也看看其他关于新质生产力的变化，现在低空经济是最近市场热门关注的投资板块。能否请您谈谈低空经济的市场主要关注点和行业热点是什么？

闫思倩：低空经济是一个比较新的概念，最早是在2021年提出并纳入国家规划，去年年底中央经济工作会议才强调发展低空经济成为战略性新兴产业之一，所以各地方政府都将低空经济作为产业密集创新和高速发展的机遇。今年年初四部委联合发文，各地方例如苏州、深圳纷纷行动起来。深圳最早开始示范，表示今年要投100亿或资金，未来将建成300个试运行点，合肥也很快发布了规划，包括四川、广州等地进展都非常快。各省规划发布后，四部委也出台了各省的产业补贴配套政策以及规划，现在都在快速地落地开展了。尤其是广州飞珠海最有意义，成本可以降得非常低，因为它是eVTOL，并采用无人驾驶，我们只需花二三十块钱体验。所以，低空经济有很多种类，例如航空器可以应用于应急、救援，货物等场景，现在的低空上空已经有5000个航空器在飞行了，大部分都是物流以及景区这些示范运营场景，真正的城市交通以及eVTOL在比较后的阶段。未来，按照规划eVTOl也会逐渐进入私人To C端，从To B到To C来满足出行需求，我们变成了一个低空的运行社会。低空经济和卫星通信的联系也比较紧密，因为卫星通信未来低空后，我们可能就不用通过雷达，而是通过无线基站5.5G，建立一整套的通信系统、飞机的基础网络设施，还有航道的规划、通信以及运营，这些基础设施建设都将为低空经济带来很大的发展机遇。

成乔升：是的，我也认为低空经济作为一个新型经济形态，代表了未来交通产业的一大发展趋势。大家还比较关心低空经济未来的发展趋势和空间的大小。

闫思倩：低空经济的空间较大，包括基础设施、低空飞行器的建设、低空运营服务以及低空飞行的产业保障等，目前飞行器也要价值1000万。去年我们低空经济的运行就已经有5000亿产值规模，主要集中在快递、物流领域。低空经济飞行器的制造和运营服务贡献很大，如果按照各个地方政府的规划，到2026年市场很快就要突破万亿，发展空间很大。这和新能源汽车产业链相似， 2010-2015年新能源汽车当时也是先经过了To B，比如公交车、物流车开始运营，之后到了To C的乘用车、小轿车开始电动化。最早的时候，国家给予了新能源汽车产业链了很多扶持和补贴我们实现弯道超车。因为eVTOL将来是无人驾驶 电动化的模式，而中国在低碳和动力电池自主可控技术上有优势，不管是电机电控、多旋翼和复合翼等机型的电机、电控以及电池，国内技术水平都比较领先。

最近很多国内主机厂已经去申请适航证了，过去美国低空飞机比较多，但对于低空经济产业链仍有一定壁垒，比如整机企业要经过三五年的申请甚至投资几亿，才有可能拿到一款飞机的适航证，这还是有先发技术的一些公司，如果你是一个新进入者，可能差距更大。国内想通过低空经济所带来的未来空间城市，为我们带来一个更大的新的经济发展空间。

成乔升：现在国内低空经济的发展仍处于初期阶段，国内外对比来看，您如何看待国内企业未来在低空经济领域的发展空间？或者在行业浪潮之中，国内企业会不会存在一些优势？

闫思倩：中国的发展优势很大，而且国内很适合发展低空经济，因为我们人口很密集，比如北京非常拥堵，如果使用eVTOL，从西城到东城可能10分钟就到了，但是堵车可能就需要两个小时。所以，国内人口密集，运输受到了很多限制，但是国内直升机历史上发展比较缓慢。中国这么大一个需求市场，基于无人机发展的技术化， eVTOL有望改变这个格局，因为我们的运行成本低，同时又有更多需求，这种高端化、智能化、绿色化的通用航空发展模式非常适合中国。不管是短途还是中长途运输，国内的快递很多，外卖很多，人口密集，功能作业的需求很多，所以国内这种需求适合我们在低空经济行业进行提前布局，不管是在电机电控、动力系统，还是电池领域，我们的制造产业链都相当具有优势。

数据来源：wind。

风险提示如下

尊敬的投资者：

观点仅代表基金经理个人观点，不代表基金管理人观点，不构成实际投资建议，也不代表基金过去及未来持仓。投资有风险，投资需谨慎。公开募集证券投资基金（以下简称“基金”）是一种长期投资工具，其主要功能是分散投资，降低投资单一证券所带来的个别风险。基金不同于银行储蓄等能够提供固定收益预期的金融工具，当您购买基金产品时，既可能按持有份额分享基金投资所产生的收益，也可能承担基金投资所带来的损失。

声明：本直播活动属于讨论交流的性质，所交流的信息、意见等均仅供参考之用，不构成对买卖任何证券或其他金融工具的出价或征价或提供任何投资决策建议的服务。对依据或者使用本直播内容所造成的一切后果，中金公司及/或其关联机构、人员均不承担任何责任。

虽然我们无法避免生活中的问题和困难，但是我们可以用乐观的心态去面对这些难题，积极寻找这些问题的解决措施。谈闻财经希望鹏华混合动力基金，能给你带来一些启示。