近期，基于大数据、大模型训练得到的内容生成人工智能（AIGC）引发了热烈的关注和讨论。模型参数数量超过千亿之后产生的能力“涌现”令人兴奋，不少投资者认为这是一场改变生产力的技术革命，将再一次改变人类生产、生活的范式。

回顾历史，创新的速度不断加快、时间间隔不断缩窄：从石器时代、青铜器时代到铁器时代，再从蒸汽机时代跨越到电气时代以及移动互联网时代，移动互联网普及后的5-10年，迎来了人工智能变革。每一次生产、生活变化所需的时间都在缩短。

在不断加速的科技革命中，数据扮演着越来越重要的角色，在科学、经济、政治等领域发挥着重要的作用。收集海量数据并进行分析、组织，将其转变为可控的形式，可为模型、理论、规律提供一些洞见或有效的检测。当前的大模型更是使人类与机器的交互方式发生了巨大的改变，只要有对话框，一个人可以大幅拓宽自己的能力边界——高效地查找内容，甚至让机器帮助完成特定的任务。

这一切看起来十分美好，但仔细想来似乎存在一些问题。传统的科学范式一般是假设——建模——测试验证，但目前的大模型和大数据，本质上是相关关系替代了因果关系，只要数据足够多、模型足够大，“数据自己会说话”。

但是，相关关系并不意味着因果关系。依靠大数据或单纯对数据进行拟合，而没有深刻理解背后根本性的机制，得到的结果可能是具有欺骗性或不可控的。

LTCM（长期资本管理公司）失败的原因之一在于基于历史统计规律设计的量化模型，无法涵盖未来所有的可能性。因此一旦黑天鹅发生，模型失效，此时如果没有管理好相应的风险，将导致毁灭性结果。

相反，如果有底层理论的支撑，可以大幅提升数据使用效率。典型例子是希格斯粒子的发现。在日内瓦的大型强子对撞机中，每秒产生6亿次碰撞，如果把每一次碰撞记录下来，每天将产生150艾字节（1艾字节=10^9GB）数据，这将是一个极其难以处理的大数据。但在相关理论的指导下，每秒钟对寻找希格斯粒子有效的碰撞只有100次，因此科学家设计了一个算法，提取这一微小的数据子集，大幅提升了寻找希格斯粒子的效率。

诚然，本轮大模型和大数据对人类的赋能是阶跃性的，将对生产、生活产生深远的影响。但是在投资上，相关关系和因果关系需要认真甄别，更需要有底层稳定框架和逻辑的支撑，由此做出的决策才是相对稳健并且可以归因的。

许多投资大师早已揭示价值的本质以及市场运行的普遍规律，我们需要尊重和运用这些原理和框架。每天市场产生的信息就像一个大数据的集合，而一个基金经理的“算力”是有限的，如果没有框架和理念的支持，基金经理就像强子对撞机中的探测器一样，无法处理每天收到的海量数据（大部分是噪音）；而框架和理念的支撑，可以指导基金经理沿着正确的道路行进，并按照投资框架产生有“因果关系”的决策、不断精进。

基金投资除了分析基础资产之外，还需要对管理人进行研究，这对FOF投资运作管理提出了更高的要求。人本身是一个难以研究的对象，因果关系更多需要从管理人本身的理念、价值观等更底层的角度认知。

关于FOF投资的底层框架，我们笃信以下三条理念：

（1）优秀的基金经理应当具备稳定的投资策略和优秀执行策略的能力；

（2）分散化是金融市场唯一的免费午餐，均衡的组合更能适应不同市场环境；

（3）有效的基金配置来自对多资产、多策略和多管理人的认知。

我们也希望通过长期、分散化持有不同优秀基金经理来获得不同策略的长期Alpha，并在合适的时机进行适度的偏离，进行收益的增强，努力为投资者创造超额收益。

易方达基金 黄亦磊

声明：本手记的观点、分析及预测仅代表作者个人意见，不代表易方达基金管理有限公司（以下简称“本公司”）立场，也不构成对阅读者的投资建议。本公司或本公司相关机构、雇员或代理人不对任何人使用此全部或部分内容的行为或由此而引致的任何损失承担任何责任。未经本公司事先书面许可，任何人不得将此报告或其任何部分以任何形式进行派发、复制、转载或发布，或对本专栏内容进行任何有悖原意的删节或修改。基金有风险，投资需谨慎。