在年度展望上篇《变革与机遇之“变”》——“资产之变”一章，我们探讨了新思路和新方法。本篇,我们首次尝试AI+人工选股融合模式，依次用“人工为主、AI为辅”、“人工为辅、AI为主”构建了新指数组合与个股精选组合，打通从宏观至个股的传递路径。
　　现实世界的核心资产——大宗商品
　　短中期，战术性看多能源。在能源转型的大背景下，仍然重视短期传统能源的低位。重视上游标的同时，挖掘被低估的中游服务类公司。
　　长期，战略性看多关键金属材料。结合长期绿色能源趋势与短期供需变化的基础上，挖掘分布在全球各国细分垂类的金属龙头。
　　兼顾新、旧能源在战略、战术上的动态平衡。伴随新能源渗透率斜率的短期变化，边际上调整新旧能源组合，使战术与战略有机平衡。
　　数字世界的核心资产——AI生态
　　热门的AI生态下，如何避免拥挤交易获取Alpha？应立足于三点：1)注意互补性，回避与LLM“冲突”的垂类；2)基于生态周期位置布局，当前“百花齐放”状态最适合“买上游”策略，可受益于整体下游Beta繁荣。3)长期趋势研判结合短期催化（多模态API开放、数据战略价值凸显且宜快不宜迟等）。
　　To C端：消费硬件与LLM天然互补，新旧品类齐推2024消费硬件繁荣，落实买上游策略。1）“老树开新花”。即AI赋能传统消费硬件。2）“新树开新花”。全新的消费硬件品类迅速矗立于舞台中央。新旧百花齐放下，我们应专注“买上游”策略，且挖掘上游中新旧品类的交集。
　　To B端：Alpha“三层饼”。数据是被低估的AI生态上游（第一层），性价比高于算力。从数据生态流转图出发，关注数据生态上游，即数据捕获和数据储存（第二层），淡化数据分析（不符合互补原则，或与LLM强大的数据分析能力直接“冲突”）。第三层：1）数据捕获层面，挖掘非互联网巨头中的“隐形数据巨头”（在高数量、质量原则筛选下的金融、医疗），2）数据储存层面，在AI催生更强的隐私安全需求下，或存在“去云化”，传统的本地储存或将重获重视。
　　初探AI+人工选股融合模式，创设新指数—个股策略：
　　如上篇分析，传统指数已非策略最佳表达。我们另辟新径，探索介于单靠指数和仅基于个股分析间的“第三条道路”，差异化打造新指数组合和个股策略：
　　新指数组合（42+50）——“人工为主，AI为辅”。在1000余只全球个股池中，我们借助AI技术，以我们展望报告作为基础，综合关联度和受益度两大维度，辅助人工，初筛了42只大宗组合、50只AI生态组合。
　　个股精选（10+10）——“人工为辅，AI为主”。在新指数组合（42+50）基础上，我们将两份展望报告作为私有数据对LLM进行prompt以及temperature的finetune，再基于基本面、技术面和估值面，平衡短期和长期维度，由AI逐一就组合中个股评分，依据各项加权得分，最终甄选出全球大宗10以及全球AI10个股精选组合。