木头姐最新研判：AI正与四大前沿科技深度共振，引发史无前例“大加速”

划重点KeyPoints03-14

3月13日，ARK Invest创始人，被称为“华尔街女股神”的木头姐（Cathie Wood），携核心研究团队深入解读《Big Ideas 2026》报告，对未来科技趋势做出最新洞察。在此次分享中，ARK Invest重点探讨了五大创新平台的融合：AI、多组学（Multiomics）、公共区块链、机器人以及无人驾驶出租车。团队认为，这五大平台的共振将引发一场史无前例的大加速。作为颠覆性创新的坚定...

网页链接

免责声明：本文观点仅代表作者个人观点，不构成本平台的投资建议，本平台不对文章信息准确性、完整性和及时性做出任何保证，亦不对因使用或信赖文章信息引发的任何损失承担责任。

精彩评论

昨夜梦见你
03-15
昨夜梦见你
必须学习[财迷] [财迷] [财迷]
潍坊吉祥号
03-14
潍坊吉祥号
买的阿里卖了吗

发表看法

{"i18n":{"language":"zh_CN"},"isChannel":false,"data":{"share":"https://www.laohu8.com/m/news/1151729793?lang=zh_CN&edition=full","thumbnail":"https://static.tigerbbs.com/0fb0479ff67cd3a760cdce353bcb60ed","is_english":false,"pubTime":"2026-03-14 17:36","share_image_url":"https://static.laohu8.com/e9f99090a1c2ed51c021029395664489","id":"1151729793","market":"us","top_or_hot":-1,"title":"木头姐最新研判：AI正与四大前沿科技深度共振，引发史无前例“大加速”","media":"划重点KeyPoints","content":"<div>\n3月13日，ARK Invest创始人，被称为“华尔街女股神”的木头姐（Cathie Wood），携核心研究团队深入解读《Big Ideas 2026》报告，对未来科技趋势做出最新洞察。在此次分享中，ARK Invest重点探讨了五大创新平台的融合：AI、多组学（Multiomics）、公共区块链、机器人以及无人驾驶出租车。团队认为，这五大平台的共振将引发一场史无前例的大加速。作为颠覆性创新的坚定...\n\n<a href=\"https://mp.weixin.qq.com/s/y70gwJPcplblzTOWDU_sYg\">网页链接</a>\n\n</div>\n","source":"lsy1749356715388","html":"<!DOCTYPE html>\n<html>\n<head>\n<meta http-equiv=\"Content-Type\" content=\"text/html; charset=utf-8\" />\n<meta name=\"viewport\" content=\"width=device-width,initial-scale=1.0,minimum-scale=1.0,maximum-scale=1.0,user-scalable=no\"/>\n<meta name=\"format-detection\" content=\"telephone=no,email=no,address=no\" />\n<title>木头姐最新研判：AI正与四大前沿科技深度共振，引发史无前例“大加速”</title>\n<style type=\"text/css\">\na,abbr,acronym,address,applet,article,aside,audio,b,big,blockquote,body,canvas,caption,center,cite,code,dd,del,details,dfn,div,dl,dt,\nem,embed,fieldset,figcaption,figure,footer,form,h1,h2,h3,h4,h5,h6,header,hgroup,html,i,iframe,img,ins,kbd,label,legend,li,mark,menu,nav,\nobject,ol,output,p,pre,q,ruby,s,samp,section,small,span,strike,strong,sub,summary,sup,table,tbody,td,tfoot,th,thead,time,tr,tt,u,ul,var,video{ font:inherit;margin:0;padding:0;vertical-align:baseline;border:0 }\nbody{ font-size:16px; line-height:1.5; color:#999; background:transparent; }\n.wrapper{ overflow:hidden;word-break:break-all;padding:10px; }\nh1,h2{ font-weight:normal; line-height:1.35; margin-bottom:.6em; }\nh3,h4,h5,h6{ line-height:1.35; margin-bottom:1em; }\nh1{ font-size:24px; }\nh2{ font-size:20px; }\nh3{ font-size:18px; }\nh4{ font-size:16px; }\nh5{ font-size:14px; }\nh6{ font-size:12px; }\np,ul,ol,blockquote,dl,table{ margin:1.2em 0; }\nul,ol{ margin-left:2em; }\nul{ list-style:disc; }\nol{ list-style:decimal; }\nli,li p{ margin:10px 0;}\nimg{ max-width:100%;display:block;margin:0 auto 1em; }\nblockquote{ color:#B5B2B1; border-left:3px solid #aaa; padding:1em; }\nstrong,b{font-weight:bold;}\nem,i{font-style:italic;}\ntable{ width:100%;border-collapse:collapse;border-spacing:1px;margin:1em 0;font-size:.9em; }\nth,td{ padding:5px;text-align:left;border:1px solid #aaa; }\nth{ font-weight:bold;background:#5d5d5d; }\n.symbol-link{font-weight:bold;}\n/* header{ border-bottom:1px solid #494756; } */\n.title{ margin:0 0 8px;line-height:1.3;color:#ddd; }\n.meta {color:#5e5c6d;font-size:13px;margin:0 0 .5em; }\na{text-decoration:none; color:#2a4b87;}\n.meta .head { display: inline-block; overflow: hidden}\n.head .h-thumb { width: 30px; height: 30px; margin: 0; padding: 0; border-radius: 50%; float: left;}\n.head .h-content { margin: 0; padding: 0 0 0 9px; float: left;}\n.head .h-name {font-size: 13px; color: #eee; margin: 0;}\n.head .h-time {font-size: 11px; color: #7E829C; margin: 0;line-height: 11px;}\n.small {font-size: 12.5px; display: inline-block; transform: scale(0.9); -webkit-transform: scale(0.9); transform-origin: left; -webkit-transform-origin: left;}\n.smaller {font-size: 12.5px; display: inline-block; transform: scale(0.8); -webkit-transform: scale(0.8); transform-origin: left; -webkit-transform-origin: left;}\n.bt-text {font-size: 12px;margin: 1.5em 0 0 0}\n.bt-text p {margin: 0}\n</style>\n</head>\n<body>\n<div class=\"wrapper\">\n<header>\n<h2 class=\"title\">\n木头姐最新研判：AI正与四大前沿科技深度共振，引发史无前例“大加速”\n</h2>\n\n<h4 class=\"meta\">\n\n\n2026-03-14 17:36 北京时间&nbsp;&nbsp;&nbsp;<a href=https://mp.weixin.qq.com/s/y70gwJPcplblzTOWDU_sYg>划重点KeyPoints</a>\n\n\n</h4>\n\n</header>\n<article>\n<div>\n3月13日，ARK Invest创始人，被称为“华尔街女股神”的木头姐（Cathie Wood），携核心研究团队深入解读《Big Ideas 2026》报告，对未来科技趋势做出最新洞察。在此次分享中，ARK Invest重点探讨了五大创新平台的融合：AI、多组学（Multiomics）、公共区块链、机器人以及无人驾驶出租车。团队认为，这五大平台的共振将引发一场史无前例的大加速。作为颠覆性创新的坚定...\n\n<a href=\"https://mp.weixin.qq.com/s/y70gwJPcplblzTOWDU_sYg\">网页链接</a>\n\n</div>\n\n\n</article>\n</div>\n</body>\n</html>\n","isBrief":false,"type":0,"news_type":1,"symbol":"ARKK.UK","symbol_name":"ARK INNOVATION UCITS ETF","start_time":0,"source_url":"https://mp.weixin.qq.com/s/y70gwJPcplblzTOWDU_sYg","article_id":"1151729793","we_media_id":null,"thumbnails":["https://static.tigerbbs.com/0fb0479ff67cd3a760cdce353bcb60ed"],"rights":null,"url":"https://stock-news.laohu8.com/highlight/detail?id=1151729793","pubTimestamp":1773480975,"columns":[],"sourceInfo":{"source_id":"lsy1749356715388","name":"划重点KeyPoints"},"weMediaInfo":null,"summary":"团队认为，这五大平台的共振将引发一场史无前例的大加速。在这种强烈的商业诉求下，高达数万亿美元的AI软件支出，将支撑起庞大的算力与数据中心基础设施建设狂潮。生物学正在成为地球上最大的数据生成引擎，在AI的加持下，新药研发的时间将被缩短40%。凭借猎鹰9号的部分可回收技术，SpaceX目前已经将发射成本削减了约95%。目前全力使用AI能让1个单位的工作产出1.5个单位的成果。","collect":0,"end_time":0,"defaultTopTitle":"qq.com","property":[],"viewcount":null,"language":"zh","relate_stocks":{"ARKK.UK":"ARK INNOVATION UCITS ETF"},"translate_title":"Sister Wood's latest research and judgment: AI is deeply resonating with four cutting-edge technologies, triggering an unprecedented \"big acceleration\"","themeId":"3b8ab5e3a1dec1c02d0cd86cfb51f260","isJumpTheme":false,"ttsUrl":"https://static.tigerbbs.com/97da4a544f8972bfe6650f2fd99a09f9","symbols_score_info":{"ARKK.UK":2},"content_text":"3月13日，ARK Invest创始人，被称为“华尔街女股神”的木头姐（Cathie Wood），携核心研究团队深入解读《Big Ideas 2026》报告，对未来科技趋势做出最新洞察。在此次分享中，ARK Invest重点探讨了五大创新平台的融合：AI、多组学（Multiomics）、公共区块链、机器人以及无人驾驶出租车。团队认为，这五大平台的共振将引发一场史无前例的大加速。作为颠覆性创新的坚定支持者，木头姐认为，我们正处于一场全面爆发的技术革命之中，而这场革命的种子早在上世纪80、90年代就已种下，如今正在生根发芽。我们梳理了本期播客的核心信息，以下是重点内容：1. AI正在从简单的文本对话，进化为具备长线执行力的智能体AI带来的新一代计算平台转移，正将人机交互界面从键盘和触屏彻底演进为自然语言。更重要的是，AI模型正在经历一场根本性的能力拐点：它们不再只能处理需要频繁干预的5分钟简短任务，而是能稳定、可靠地独立执行长达55分钟以上的复杂长线工作。这种生产力的大幅提升，将为企业带来极高的投资回报率。伴随模型逐渐能够生成合成数据来完成自我迭代，AI不仅是在帮助企业压缩成本，更在创造纯粹的净增收。在这种强烈的商业诉求下，高达数万亿美元的AI软件支出，将支撑起庞大的算力与数据中心基础设施建设狂潮。2.AI与生物学的融合正在形成强大飞轮，将引领医疗健康回归黄金时代尽管自动驾驶可能是未来创收体量最大的领域，但多组学和基因组学革命才是AI最深远、最具颠覆性的应用。AI与生物学的融合正在形成一个强大的飞轮，海量数据训练出更好的模型，更好的模型又能反哺出更精准的分子诊断与靶向药物。这一飞轮的底层动力在于断崖式下跌的测序成本。人类全基因组测序成本已从最初的近30亿美元降至如今的100美元，并有望在2030年降至仅10美元。生物学正在成为地球上最大的数据生成引擎，在AI的加持下，新药研发的时间将被缩短40%。这种范式转移将让一次性的治愈性基因疗法取代长期的慢性病管理，其单药的经济价值甚至可能比传统药物高出20倍。3.可回收火箭打破成本极限，开启太空基建新纪元根据莱特定律推算，每次将有效质量送入轨道的累计规模翻倍，火箭发射成本就会随之下降17%。凭借猎鹰9号的部分可回收技术，SpaceX目前已经将发射成本削减了约95%。一旦星舰级别的重型火箭实现完全可回收，把有效载荷送入太空的成本将从目前的每公斤1000美元骤降至100美元以下。这一量级突破不仅将极大地扩张卫星通信网络，更让太空轨道数据中心在商业上变得可行。跨过特定的成本门槛后，太空中运行的AI算力成本甚至可能比受到土地和电力网限制的地球本土还要便宜25%。4.无人驾驶出租车是具身智能的首个大规模商业化，重塑十万亿出行市场大众往往认为自动驾驶只是一项辅助驾驶功能，但在ARK看来，它是消费者能够在日常生活中接触到的首个大规模商业化的具身智能。决定这场出行革命胜负的关键，在于底层车辆的每英里运营成本。未来，无人驾驶出租车的规模化运营有望将出行成本压低至每英里25美分，这甚至不到欧美人类驾驶网约车成本的十分之一。极低的价格将释放极其庞大的潜在出行需求。到本世纪末，无人驾驶出租车有望创造高达10万亿美元的惊人总潜在市场（TAM）营收。在这一全新生态中，掌握核心自动驾驶技术的平台运营方，将攫取绝大部分的经济价值。5.五大创新平台融合共振，将颠覆全球经济范式面对当前关于科技领域投入过剩的担忧与极化争论，ARK认为当下的AI基建狂潮与19世纪末占据美国股市75%市值的铁路建设狂潮异曲同工。AI、多组学、公共区块链、机器人技术以及自动驾驶，这五大创新平台不仅各自达到了临界点，更在深度影响经济范式。例如，无人驾驶的普及将全美国每年高达4万亿美元的隐性人类驾驶时间，转化为了真实的GDP经济增量。这不是简单的产业升级，而是全球经济底层引擎的彻底重构。视频最后，木头姐强调，尽管颠覆性技术在早期会引发关于失业的社会焦虑，但历史规律证明，AI时代最终将成为一个净创造就业的时代。伴随着自然语言编程极大地降低了技术门槛，我们将见证一场史无前例的个体创业大爆发。未来的AI不仅仅是算力和代码，它将成为一种赋能人类文明的基础设施，让各行各业的创新以前所未有的速度在物理世界中落地。  以下是ARK视频播客内容实录：1.五大创新平台奠定经济增长基础木头姐：大家好。我是Kathy Wood，ARK Invest的首席执行官兼首席投资官。今天我和研究及投资组合团队一起，为大家展示长达104页的《Big Ideas 2026》研究报告精华。我们相信，这正是投资银行家在80和90年代PC问世后所做的那种研究，旨在洞察技术的未来。那场技术革命的种子在那时就已播下并不断萌发，如今我们正处于一场全面的技术革命之中，需要通过原创性研究来探索未来并弄清它将引发什么。今天非常荣幸能与大家分享这些成果，同时向大家介绍团队的两名新成员，他们组成了我们的多组学(Multiomics)研究小组，在欧洲这也被称为基因组学。虽然从创收角度看，自动驾驶可能是规模最大的，但我们相信基因组学或多组学革命将是AI最深远的应用。主持人：谢谢Kathy。大家下午好，非常激动能在这里分享《Big Ideas 2026》并回答大家提出的800多个问题中的精选部分。接下来我想请问，从宏观层面来看，我们观察到的各种技术是如何融合并导致所谓“大加速”(Great Acceleration)的？研究员：目前有五大主要创新平台正在进入市场，其中AI是加速所有其他平台发展的核心动力。其他四大平台包括：多组学、公共区块链、机器人技术，以及涵盖无人驾驶出租车(RoboTaxi)的储能与自动驾驶出行。这五大创新平台都处于关键转折期，引发了自铁路时代以来最大规模的技术基础设施投资周期。这不仅在短期内影响宏观经济增长，数据中心和对AI智能体(Agent)的投资也在改变商业格局，并为未来的持续经济增长奠定基础。随着投资获得正向回报，预计到本十年末全球经济将实现超过7%的实际复合增长率。虽然外界普遍预计增长率为3%，但这完全符合重大技术转型期潜在均衡增长率发生转变的经济历史规律。市场将追随宏观趋势，我们预计全球超过60%的股市总市值将归属于颠覆性创新平台。我想传递的核心信息是：你必须拥抱创新，如果持有的资产不以创新为核心，其价值比例在未来十年可能会相对下降。如同19世纪70年代后期美国股市75%的市值都归功于铁路行业一样，如今这五大平台也将迎来相似的企业价值爆发。这就是我们所说的“大加速”。2.AI基础设施建设狂潮主持人：好的。那么第一个具体问题是：相对于现有的能源可用性，我们是否过度建设了AI基础设施？这会带来什么影响？另外，太空数据中心的可行性和经济性如何？需要实现哪些技术和商业里程碑才能让它们与地面替代方案具备竞争力？研究员：人们担心的不仅是能源可用性，还有大量资金涌入AI领域是否明智。我们衡量AI性能的标准是它能为知识工作者带来多少价值。目前全力使用AI能让1个单位的工作产出1.5个单位的成果。企业只需支付相当于员工薪水一小部分的费用，就能获得惊人的业务回报。随着AI进步，我们预计在基准情景下，AI软件上的投入将达到7万亿美元，这足以支撑超过一万亿美元的数据中心基础设施建设。虽然能源在某些地区(如俄亥俄州中部)确实是个制约因素，但许多新型云公司正努力解决，我们不认为这是全球性的绝对限制。与90年代铺设大量光纤后沉寂多年不同，如今从文本语言模型到多组学、自动驾驶和具身机器人，每一颗GPU都在被充分使用甚至供不应求。关于太空数据中心，在现有的Falcon 9等发射平台上确实不具备经济性。但随着SpaceX的下一代可重复使用火箭Starship的推出，每吨入轨成本可能会降至几百美元。一旦跨过这个门槛，基于太空的AI计算将比地面计算更具成本竞争力。这不仅解决了地面因政治阻力或能源网限制导致的数据中心建设难题，还能让AI计算不受局部限制地实现规模化扩展。Elon Musk曾说这只是个工程问题，而正如他当年力排众议用手机电池造车一样，当他全神贯注解决工程问题时，事实证明他总是对的。主持人：非常精彩。接下来能否向我们简要介绍一下目前对AI发展趋势的整体看法？在营收创造方面，AI在哪些领域创造了真正的净新增营收，而不仅仅是通过提高效率来压缩利润空间？ARK又是如何从炒作中辨别出真正有价值的信号的？研究员：我们认为AI是一次代际级别的平台转型，就像当年从PC向智能手机的跨越一样。AI正将用户界面从键盘转向自然语言，以全新的方式与计算机交互，使其更易用且功能更强大。我们将看到内置AI助手的新产品形态，比如Meta Ray-Ban智能眼镜。相比互联网和智能手机，AI的普及速度是之前的两倍多，仅用三年就达到了20%的普及率。推动这一进程的是AI模型训练和推理成本的大幅下降。在消费者领域，个人AI智能体(Agent)正成为获取互联网服务和信息的首要入口，用户越来越信任ChatGPT或Claude。这创造了新的变现和商业模式，AI智能体能代表我们进行交易，注意力的转移也将吸引大量广告资金投入这些新助手。例如在ChatGPT中集成Instacart，只需拍下食谱照片，AI就能帮你完成90%的杂货订购，这种打破旧习惯的便捷体验创造了原本根本不存在的增量收入。在企业知识型工作方面，自去年底以来，模型的长期推理能力迎来了根本性转折。AI智能体能够可靠完成任务的平均时长已从5分钟提升到55分钟以上，无需人类时刻监督跟进。这极大地增强了企业的付费意愿，因为基础企业版聊天机器人的月订阅费，只需员工节省不到一天的时间就能回本。至于如何辨别炒作与实际信号，我们看到云服务商，如AWS、Azure、GCP的收入都在加速增长，GCP甚至实现了48%的同比增长，这证明了对算力的切实需求创造了巨大的新增收入。不仅是技术赋能者，最终受益者也在实现收入增长。例如Palantir帮助像AIG这样的保险公司，利用AI智能体来评估和承保以前因人工审核能力不足而积压的数十万份合同。这种在整个经济体中利用AI填补人力空白的应用，不仅降低了高昂的运营成本，更带来了真正的净新增营收和巨大的市场扩张。主持人：随着AIG等保险公司和企业不断采用AI，未来三年内AI规模化的最大瓶颈是什么？是电力、算力、数据质量、监管，还是人才？研究员：这是一个很好的问题，市场也一直在讨论当前的瓶颈究竟是什么。我认为最终的瓶颈归结为电力和算力。如果OpenAI想发布新产品，或者Claude Code正在扩大规模，再或者Anthropic想获取新用户，他们都需要GPU、存放GPU的数据中心以及将其连接到电网的电力，像xAI甚至在建造自己的发电厂。所有这些因素都需要结合在一起，我认为这是主要的瓶颈，甚至可能超过了数据或人才。从最新模型和AI实验室的研究趋势来看，模型正越来越多地生成自己的训练数据。虽然人类思维作为种子数据固然重要，但可以通过合成数据生成来无限扩展。此外，模型也参与寻找新的算法突破来提升自身性能。比如OpenAI讨论的最新编程模型，这是第一个在前代模型辅助下训练出来的新模型。这在一定程度上缓解了人才瓶颈。当然人才依然非常重要，这也是为什么四大核心AI实验室之间存在大量人才流动的原因。但我还是会把算力排在首位，前提是你拥有数据中心和充足的电力来启动这些芯片。此外，在遇到瓶颈时也可以进行权衡和折衷。过去人们常说数据快用完了，但思维链让我们意识到，实际上可以利用额外的算力基于现有数据生成新数据。如果在某一个环节遇到瓶颈，你可以通过消耗另一种资源来提升AI的能力。3.AI赋能多组学测序主持人：太棒了。我们将进入下一个关于多组学(Multiomics)的环节。在这个领域你做出了非常出色的预测。随着AI加速药物研发和诊断，你认为在整个多组学技术栈中最大的价值获取点在哪里？是数据生成、模型开发，还是疗法的商业化？研究员：这是一个非常好的问题。人们本能地可能想从技术栈中挑选某一层，但实际上这些组件在彼此之上会产生叠加效应。AI在这里起到了核心枢纽的作用，驱动着生物创新的飞轮。更好的数据和更大量的数据输入能转化为更好的模型，而更好的模型又会反哺分子诊断、治疗干预和工具开发，这又会生成更多丰富的数据，从而形成一个良性循环。我们将这个周期分为四个关键领域：第一是多组学工具，即以更低成本获取更高质量的数据；第二是分子诊断，能够更早且更准确地检测出疾病；第三是AI药物研发，利用生物学洞察开发更优秀的候选药物，以更快、更低成本推向市场；最后是治愈，即针对疾病根源的一次性治疗。它们并非在真空中独立运行，而是相互增强形成飞轮效应。真正推动这一飞轮加速发展的因素是成本的大幅下降。几十年前，人类基因组计划完成第一个人类基因组测序耗时约13年，算上基础设施成本略低于30亿美元。如今完成全人类基因组测序只需100美元。展望2030年，我们预见这一成本将再下降一个数量级达到10美元左右。这种成本曲线的下降改变了原有的范式，包括检测门槛、检测频率以及由此产生的数据量。随着成本下降，测试数量将会增加，我们预计到2030年测试量将翻倍。值得注意的是，生物学领域生成的总Token数或数据量已经可以与用于训练前沿大语言模型的Token数量相媲美，预计到2030年这一规模将再增长10倍。总而言之，生物学正在成为全球最大的数据生成引擎之一，推动着整个医疗保健领域的深刻变革。作为投资组合经理，能学习到这些是一种荣幸。人体大约有35到40万亿个细胞，现在我们已经掌握了单细胞测序技术，这种数据爆炸的规模将使我们在计算时代见过的任何事物都显得微不足道。主持人：你刚才提到飞轮效应的一部分是对药物研发的影响。那么AI是否能实质性地降低临床试验的成本、时长以及失败率？这对Biotech领域的资本效率又意味着什么？研究员：这确实说到了点子上。更丰富的数据会催生更好的模型，其中最明显的影响之一就是药物研发的经济效益。从现状来看，传统的药物研发可能耗时超过十年，耗资数十亿美元，而且进入临床开发阶段的候选药物失败率高达90%。显然，这个领域急需提升效率。AI带来的动态效应是可以让药物更快推向市场，从而获得更多受专利保护的收入并降低成本，这具有真正的复利效应。我们的模型显示，AI有望将药物产品上市时间缩短40%，并将实际开发成本降低至原来的四分之一。历史上药物研发的回报率一直处于个位数水平，但考虑到更快的上市时间、更低的成本和更高的成功率，AI确实改变了这种资本效率范式。如果进一步将其应用于治愈性疗法，这种转变会更加剧烈。传统早期阶段的资产几乎没有经济价值，而由AI驱动的疗法，每种药物的价值可能超过20亿美元。我们正在构建一个对Biotech资本效率产生巨大影响的绝佳模型。木头姐：我在这里再补充一个视角。医疗保健行业的黄金时代是在80年代和90年代，当时研发支出的回报率高达30%，而现在已经降至中低个位数水平。我们认为投资回报率将重新回到那个高点，医疗保健行业将迎来新的黄金时代，考虑到外界目前的心理预期，这将是非常出乎意料的。主持人：由于我对这个话题很感兴趣，我想再追加一个问题：随着基因疗法的规模化应用，投资者应该如何看待监管风险以及保险覆盖的未来发展路径？研究员：这是一个多层面的问题，我们可以逐一拆解。在监管方面，特别是过去一年里发生了巨大的变化。美国FDA意识到药物上市极其困难，因此希望实现机构的现代化。他们积极与药物开发商合作来简化临床开发流程。我们已经看到了一些转化成果，尤其是针对罕见病和根源生物学疗法出台了新监管框架。另一方面是报销和保险障碍。有时候天价的标价会产生误导，比如看到一种疗法标价200万美元，人们自然会怀疑保险能否覆盖。以Casgevy为例，这是一种已获批治疗镰状细胞病和输血依赖型β-地中海贫血的基因编辑疗法，定价略高于200万美元，但在美国90%的患者都能获得报销。原因在于，你需要将该药物的价格与慢性病患者终身接受的长期治疗和频繁住院费用进行对比。这种对医疗保健系统的长期巨大价值正是其价格合理的原因。这凸显了治愈性药物的经济学原理与传统药物的本质不同。治愈性疗法仅需一次性治疗，你预先获取了所有的价值，将现金流提前，并获得了更多受专利保护的收入，还能避免竞争重叠。这意味着治愈性疗法比传统药物更具价值，潜在价值可能高达20倍。为了让这一点更加具体，我们可以看一个遗传性疾病的案例。遗传性血管水肿(HAE)是一种罕见病，会导致疼痛甚至危及生命的肿胀发作。目前患者需要终身接受长期治疗来控制发作，整个生命周期的费用可能高达1000万到2000万美元。以基因编辑疗法为例，该疗法已显示出令人鼓舞的临床数据。我们估计其合理价格在300万美元左右，而其基于核心价值的真实定价可能是这个数字的三到四倍，最终取决于疗效和持久性数据。如果将其应用于全美目前的7000名HAE患者，相当于为医疗系统节省了520亿美元的成本。尽管前期价格很高，但它能为患者带来更好的结果，消除终身症状管理的负担，并为医疗系统节省巨额开支。最后我想简要强调一下关于扩展市场的重要转变。基因编辑疗法正开始向体内转移，这种在体内进行编辑的理念正在助力其从罕见病领域拓展到常见病领域，包括全球首要杀手——心血管疾病。针对这类疾病，基于价值的定价可能在16.5万美元左右。这与罕见病疗法动辄数百万美元的价格截然不同，但却拥有巨大的潜在市场总量(TAM)。如果仅以美国最高风险的心血管患者为例，乘以这个价格，将得出高达2.8万亿美元的TAM。作为对比，立普妥曾多年蝉联史上最畅销药物，但其20年的累计销售额也不过是这个数字的十二分之一。所以从多组学中得出的核心结论是，AI与生物学的融合正在真正推动一场医疗保健领域的巨大革命。木头姐：目前股市还没有反应过来，但迟早会跟上的。最让我感到意外的是保险公司对那200万美元的定价完全没有异议，我认为市场甚至还没有注意到这一点。4.自动驾驶颠覆汽车行业主持人：谢谢你的精彩分享。接下来我们进入自动驾驶汽车(Autonomous Vehicles)的话题，请给我们讲讲这个领域的发展。研究员：好的。之前提到了具身智能(Embodied AI)，我们认为自动驾驶是消费者能看到的首个具身智能的大规模落地应用，而且这一切在今天已经发生了。我们已经看到有些车辆在道路上行驶，驾驶座和副驾驶座上都没有人，它们正在全自动地接送乘客四处穿梭。在这个商业化早期阶段，非常重要的一点是汽车的底层成本。当你拥有一支小型车队并试图扩大规模，或者试图说服合作伙伴时，汽车的制造成本固然重要，但更核心的是每英里的运营成本。每英里成本的降低将是真正推动这项技术和创新的核心动力。如果对比特斯拉和Waymo，我们看到特斯拉Model Y与第五代Waymo相比，每英里的增量成本降低了30%以上。随着新车型的推出，这种优势只会进一步扩大。比如将特斯拉的Cybercab与第六代Waymo对比，我们预计成本优势将达到50%。这在平台扩展初期至关重要，同时也关系到如何为消费者制定具有竞争力的价格策略。说到价格，我们认为Robotaxi平台在大规模运营时，可能收取的最低价格大约是每英里25美分。为了更直观地说明，它的成本不到西方市场人工驾驶网约车成本的十分之一，比自己驾驶私家车的成本还要低一半以上，甚至比中国的网约车还要便宜近一半。成本的降低将极大地扩张目前的网约车市场，实现低成本的点对点出行，让更多人享受出行服务，最终也会让我们的道路变得更加安全。这里蕴含着巨大的市场潜力。我们认为到本十年末，Robotaxi可能会创造34万亿美元的企业价值机遇，这些价值将主要累积到自动驾驶技术提供商或平台运营商手中。这些自主研发核心自动驾驶技术的公司，可以通过Robotaxi服务来实现商业闭环，这也是目前最大的营收机会之一。Robotaxi的TAM可能达到10万亿美元甚至更多，到本十年末，该领域的收入和利润可能达到2万亿美元左右。能够实现极低每英里成本的平台运营商和技术提供商将占据大部分经济收益。同时我们也看到传统汽车制造商正在与自动驾驶技术提供商以及网约车巨头合作，部分公司正在转变商业模式，成为自动驾驶技术公司和汽车制造商的维护服务提供商。我们预计自动驾驶将彻底改变整个汽车行业。目前基于传统燃油平台运营的厂商将会出现大量整合。Robotaxi的未来属于电动化，电动汽车对于优化每英里成本经济学并使其重新具备吸引力至关重要。我们在美国看到每英里2.80美元左右的理想价格上限再次出现。在中国网约车市场竞争要激烈得多，这正促使许多企业转向中东等市场寻求更大的利润空间。如今Robotaxi已经投入实际运营，我们在各大平台上追踪到的总行驶里程已接近一百万英里。现在的问题在于它何时能实现全面规模化，以及车队数量的激增如何进一步降低每英里成本。木头姐：我去过欧洲很多次，当我与他们分享关于Robotaxi以及我们团队所做的深度研究时，他们往往还无法感同身受，因为欧洲的监管机构尚未推进到那个阶段。但我们认为欧洲最终会跟进，因为自动驾驶的安全统计数据实在太惊人了。长期来看监管机构阻碍这一趋势是不明智的，甚至在专业角度上是不道德的。研究员：回到“大加速”的主题，以美国为例，每年人工驾驶中未获得报酬的劳动力成本超过4万亿美元。相对于美国30万亿美元的经济规模，如果将这4万亿美元未货币化的活动转化为经济活动，即你可以付费请别人以低于你时间成本的价格来代劳，最终将实现巨大的经济转型并显著拉动GDP增长。关于哪些地区最有可能率先实现大规模自动驾驶部署，以及监管一致性对商业成功的作用，我们认为美国和中国将是首批实现规模化落地的市场。在美国，由于监管权归属各州，它成为了首批允许大规模测试并实现Robotaxi商业化的市场之一。中国也非常重视自动驾驶的机遇，本土企业展现出了巨大的规模效应。此外中东地区也是一个极具吸引力的市场，尤其是对寻求更高利润的中国企业而言。在监管方面，正如木头姐所说，自动驾驶平台已经证明比人类驾驶员安全得多。多年前我们曾估计Robotaxi能带来约80%的安全性提升，如今Waymo等平台以及Tesla发布的FSD全自动驾驶安全统计数据都证实了这一点。这项技术已经成熟，虽然监管对推动普及至关重要，但无人车已经上路，我们预见全面普及将在未来5到10年内发生。目前技术已不再是障碍，真正的挑战在于如何让Robotaxi跨越少数城市的初步试点，实现真正的车队规模化扩张。这需要Tesla这样能将大量汽车投入路面的公司，也需要Waymo与车企的深度合作，以及中国企业的软硬件协同。低成本的车辆平台将在这里发挥关键作用，只有这样才能扩展车队规模并向消费者提供具吸引力的产品。随着规模扩大，每英里成本将持续低于现有的网约车价格，这才是扩大市场规模的核心关键所在，也是各大公司接下来在执行层面的首要任务。5.可回收火箭成本正在大幅降低主持人：接下来让我们谈谈可重复使用的火箭。研究员：火箭的可重复使用性确实正在全面开启太空经济。2025年是一个极具标志性的年份，年度入轨质量达到了历史最高水平，这主要归功于SpaceX。目前SpaceX拥有超过9000颗活跃的Starlink卫星在轨运行，占目前在轨卫星总数的三分之二以上。他们之所以能占据主导地位，是因为拥有领先业界十年的先发优势。2015年SpaceX就成功回收了首个轨道级助推器，在部分重复使用方面执行得近乎完美，而其最强劲的竞争对手直到去年年底才首次成功回收助推器。当其他公司还在努力掌握部分重复使用技术时，SpaceX已经全力推进全重复使用技术，这直接转化为发射成本的断崖式下降。我们研究的核心在于莱特定律，在发射成本的语境下，该定律指出进入轨道的累计质量每翻一倍，发射成本就会下降17%。SpaceX的Falcon 9火箭已经证明了这一点。据我们估计自2008年以来，他们已将发射成本降低了约95%。这在太空时代开启了海量的新机遇，包括轨道数据中心，以及在技术融合背景下极大推进多组学发展的医疗失重测试。目前发射价格已降至每公斤约1000美元。当SpaceX成功部署满载且完全可重复使用的Starship火箭时，我们预计成本将降至每公斤100美元以下。这也是轨道数据中心变得极具吸引力的原因。达到这一规模节点后，轨道数据中心可能比地面计算还要便宜25%。从Falcon 9每次发射约700美元的成本降低到Starship的100美元左右，将直接催生车载AI与天基计算的大爆发。天基计算对卫星的需求量至少是目前的十倍甚至更多，远超Starlink及现有通信星座的规模，仅此一项就能将市场扩大一个数量级。未来如果我们建立月球基地，卫星星座的成本甚至可能降至每公斤10美元左右，但这需要前期在月球建立庞大的基础设施。总之，发射成本的降低绝对是所有空间轨道基础设施发展的核心驱动力。木头姐：很多人非常担心AI和自动化会摧毁现有的就业机会。但我想说的是，我们现在正迎来一个全新世界的开启。太空探索是其中之一，另一个则是基于区块链技术和不可篡改的数字产权构建的在线世界。我认为这些领域都将迎来爆发式增长。因此我们对AI时代感到非常兴奋，我们坚信这最终将带来净就业岗位的增长。研究员：提到净就业创造和长期趋势，在可重复使用的火箭生态系统中，短期的现金流生成机会主要集中在卫星连接领域。比如大家都熟知的Starlink，其活跃订阅用户刚刚突破了1000万。这种爆发式增长同样印证了莱特定律。我们认为每当累计轨道的每秒千兆比特传输速率翻倍，卫星成本就会下降约44%。这条陡峭的成本下降曲线引发了行业的爆发式增长。实现规模化后，这可能是一个高达1600亿美元的年度营收机遇，这也是为什么众多航天公司争相进入公开市场以期分一杯羹的原因。6.未来5年的技术发展趋势主持人：那么从2026年到2030年，在AI、机器人、能源系统和公共区块链领域，融合技术栈的发展论点将如何演变？最重要的瓶颈又是什么？研究员：从多元化投资的视角来看，广泛接触多种前沿技术非常重要。你可以全力投入AI企业软件，即使该领域遇到短期波折，也不会影响多组学市场中新疗法的成功研发与定价。虽然AI是所有这些技术的底层加速器，但各细分领域面临着截然不同的商业化阻力和市场机遇。我们需要跨越所有技术领域去积蓄势能，预判并捕捉转化为现金流的动能以进行再投资。关于瓶颈，我们认为全球确实需要更多算力。无论是发展基于太空的数据中心这种正交维度的算力扩张，还是美国本土芯片晶圆厂的持续扩建，都在为算力基础设施添砖加瓦。比如Boom这家超音速民用飞机公司，由于其引擎技术完美契合AI数据中心的巨大动力需求，硬生生开辟出了一项为算力提供电力保障的庞大新业务。目前资本市场正蜂拥而至为这些基础设施机遇提供弹药，这是当下最重要的行业催化剂。木头姐：正如大家多次提到的，单位增长至关重要，这也正是莱特定律的核心。如果非要说什么是阻碍发展的瓶颈，像全球战争这样的极端灾难当然会是重大阻碍。但有趣的是，即使在最艰难的时刻，企业和消费者也依然愿意改变做事的方式，去寻求更好、更便宜、更高效、更精简且更具创造力的解决方案。COVID疫情就是一个绝佳的例子。当时全球供应链一度陷入停滞，各项工作严重受阻，但这反而倒逼了技术落地，现在我们不仅渡过了难关，甚至在以更快的速度向前迈进。研究员：颠覆性技术最大的竞争对手实际上是惯性和现状。当前社会对AI的集体担忧，反而促使人们更积极地采取行动去了解并接纳这项技术。这也是为什么企业确信需要再投入数千亿美元来扩建算力，因为现有的算力根本无法满足客户对AI融合应用的需求。关于在Agentic AI时代企业级软件以及SaaS的未来，我们认为AI对软件的变革并不一定会完全摧毁现有格局。AI正在让开发新软件变得比以往任何时候都容易。部分企业会选择自主开发或增强内部软件能力，但更有可能的是，我们将看到一批更具AI原生属性、更敏捷且针对特定行业量身定制的新兴竞争对手脱颖而出。与其让每家公司都构建自己的CRM系统，不如选择这些效率极高的新一代工具。这种范式转变动摇了市场对传统软件巨头营收增长和定价能力的预期，导致它们在资本市场被持续抛售。目前许多优秀的AI原生公司还在私募市场中孕育。比如用于客户服务的Sierra、主攻法律事务的Harvey，以及辅助软件开发的Cursor。以Cursor为例，成立仅三年其营收运行率就突破了20亿美元。在传统云计算时代，达到1亿美元的运行率就是一个巨大的里程碑，像Twilio这样的头部公司花了六年时间、动用500人才实现。而Cursor却用一半的时间和人力，创造了传统SaaS巨头20倍的营收。这直观展示了Agentic AI带来的恐怖生产力飞跃。未来这些新一代软件企业将展现出惊人的商业爆发力。木头姐：我认为非常有必要说明的是，正因为AI大幅降低了技术门槛，我们坚信一场史无前例的创业大爆发即将到来，因为现在我们所有人都能直接使用自然语言进行编程了。所以，放手去创业吧！主持人：借着创业大爆发这个激动人心的话题，我们今天的会议就到此结束。非常感谢大家的参与，希望各位喜欢今天关于Big Ideas 2026的深度探讨。如果您还没有下载相关报告，请务必阅读查看。会后您可以通过网站或社交平台与我们取得联系。祝愿大家一切顺利，让我们携手共同推进创新。","kind":"news","is_publish_news":true,"is_publish_highlight":true,"is_publish_live":false,"is_publish_wemedia":null,"editions":null,"column":"","sentiment":"1","news_tag":"","news_rank":0,"isVideo":false,"video":null,"symbols":[],"gpt_button":0,"need_auth":false,"code":"91000000","status":"200"},"commentList":[{"id":543028446589608,"gmtCreate":1773565307177,"gmtModify":1773565309685,"author":{"id":"3545737789066182","authorId":"3545737789066182","name":"昨夜梦见你","avatar":"https://static.tigerbbs.com/946db8818ec39ea6c860bbfe06e8677b","vip":1,"crmLevel":2,"crmLevelSwitch":0,"idStr":"3545737789066182","authorIdStr":"3545737789066182"},"htmlText":"必须学习[财迷]&nbsp; [财迷]&nbsp; [财迷]&nbsp;&nbsp;","listText":"必须学习[财迷]&nbsp; [财迷]&nbsp; [财迷]&nbsp;&nbsp;","text":"必须学习[财迷] [财迷] [财迷]","images":[],"top":1,"highlighted":1,"essential":1,"paper":1,"likeSize":1,"commentSize":0,"repostSize":0,"link":"https://laohu8.com/post/543028446589608","repostId":1151729793,"repostType":2,"repost":{"id":"1151729793","kind":"news","pubTimestamp":1773480975,"share":"https://www.laohu8.com/m/news/1151729793?lang=zh_CN&edition=full","pubTime":"2026-03-14 17:36","market":"us","language":"zh","title":"木头姐最新研判：AI正与四大前沿科技深度共振，引发史无前例“大加速”","url":"https://stock-news.laohu8.com/highlight/detail?id=1151729793","media":"划重点KeyPoints","summary":"团队认为，这五大平台的共振将引发一场史无前例的大加速。在这种强烈的商业诉求下，高达数万亿美元的AI软件支出，将支撑起庞大的算力与数据中心基础设施建设狂潮。生物学正在成为地球上最大的数据生成引擎，在AI的加持下，新药研发的时间将被缩短40%。凭借猎鹰9号的部分可回收技术，SpaceX目前已经将发射成本削减了约95%。目前全力使用AI能让1个单位的工作产出1.5个单位的成果。","content":"<html><head></head><body>3月13日，ARK Invest创始人，被称为“华尔街女股神”的木头姐（Cathie Wood），携核心研究团队深入解读《Big Ideas 2026》报告，对未来科技趋势做出最新洞察。<img src=\"https://static.tigerbbs.com/fa2b1fe0b95435abaadb1548a494d582\" tg-width=\"1080\" tg-height=\"608\"/>在此次分享中，ARK Invest重点探讨了五大创新平台的融合：AI、多组学（Multiomics）、公共区块链、机器人以及无人驾驶出租车。团队认为，这五大平台的共振将引发一场史无前例的大加速。作为颠覆性创新的坚定支持者，木头姐认为，我们正处于一场全面爆发的技术革命之中，而这场革命的种子早在上世纪80、90年代就已种下，如今正在生根发芽。我们梳理了本期播客的核心信息，以下是重点内容：1. AI正在从简单的文本对话，进化为具备长线执行力的智能体AI带来的新一代计算平台转移，正将人机交互界面从键盘和触屏彻底演进为自然语言。更重要的是，AI模型正在经历一场根本性的能力拐点：它们不再只能处理需要频繁干预的5分钟简短任务，而是能稳定、可靠地独立执行长达55分钟以上的复杂长线工作。这种生产力的大幅提升，将为企业带来极高的投资回报率。伴随模型逐渐能够生成合成数据来完成自我迭代，AI不仅是在帮助企业压缩成本，更在创造纯粹的净增收。在这种强烈的商业诉求下，高达数万亿美元的AI软件支出，将支撑起庞大的算力与数据中心基础设施建设狂潮。2.AI与生物学的融合正在形成强大飞轮，将引领医疗健康回归黄金时代尽管自动驾驶可能是未来创收体量最大的领域，但多组学和基因组学革命才是AI最深远、最具颠覆性的应用。AI与生物学的融合正在形成一个强大的飞轮，海量数据训练出更好的模型，更好的模型又能反哺出更精准的分子诊断与靶向药物。这一飞轮的底层动力在于断崖式下跌的测序成本。人类全基因组测序成本已从最初的近30亿美元降至如今的100美元，并有望在2030年降至仅10美元。生物学正在成为地球上最大的数据生成引擎，在AI的加持下，新药研发的时间将被缩短40%。这种范式转移将让一次性的治愈性基因疗法取代长期的慢性病管理，其单药的经济价值甚至可能比传统药物高出20倍。3.可回收火箭打破成本极限，开启太空基建新纪元根据莱特定律推算，每次将有效质量送入轨道的累计规模翻倍，火箭发射成本就会随之下降17%。凭借猎鹰9号的部分可回收技术，SpaceX目前已经将发射成本削减了约95%。一旦星舰级别的重型火箭实现完全可回收，把有效载荷送入太空的成本将从目前的每公斤1000美元骤降至100美元以下。这一量级突破不仅将极大地扩张卫星通信网络，更让太空轨道数据中心在商业上变得可行。跨过特定的成本门槛后，太空中运行的AI算力成本甚至可能比受到土地和电力网限制的地球本土还要便宜25%。4.无人驾驶出租车是具身智能的首个大规模商业化，重塑十万亿出行市场大众往往认为自动驾驶只是一项辅助驾驶功能，但在ARK看来，它是消费者能够在日常生活中接触到的首个大规模商业化的具身智能。决定这场出行革命胜负的关键，在于底层车辆的每英里运营成本。未来，无人驾驶出租车的规模化运营有望将出行成本压低至每英里25美分，这甚至不到欧美人类驾驶网约车成本的十分之一。极低的价格将释放极其庞大的潜在出行需求。到本世纪末，无人驾驶出租车有望创造高达10万亿美元的惊人总潜在市场（TAM）营收。在这一全新生态中，掌握核心自动驾驶技术的平台运营方，将攫取绝大部分的经济价值。5.五大创新平台融合共振，将颠覆全球经济范式面对当前关于科技领域投入过剩的担忧与极化争论，ARK认为当下的AI基建狂潮与19世纪末占据美国股市75%市值的铁路建设狂潮异曲同工。AI、多组学、公共区块链、机器人技术以及自动驾驶，这五大创新平台不仅各自达到了临界点，更在深度影响经济范式。例如，无人驾驶的普及将全美国每年高达4万亿美元的隐性人类驾驶时间，转化为了真实的GDP经济增量。这不是简单的产业升级，而是全球经济底层引擎的彻底重构。视频最后，木头姐强调，尽管颠覆性技术在早期会引发关于失业的社会焦虑，但历史规律证明，AI时代最终将成为一个净创造就业的时代。伴随着自然语言编程极大地降低了技术门槛，我们将见证一场史无前例的个体创业大爆发。未来的AI不仅仅是算力和代码，它将成为一种赋能人类文明的基础设施，让各行各业的创新以前所未有的速度在物理世界中落地。<img src=\"https://static.tigerbbs.com/26f4bc0044227a2ce996d0161a8f6929\" title=\"\" tg-width=\"1080\" tg-height=\"608\"/>  以下是ARK视频播客内容实录：<h2 id=\"id_2649472630\">1.五大创新平台奠定经济增长基础</h2>木头姐：大家好。我是Kathy Wood，ARK Invest的首席执行官兼首席投资官。今天我和研究及投资组合团队一起，为大家展示长达104页的《Big Ideas 2026》研究报告精华。我们相信，这正是投资银行家在80和90年代PC问世后所做的那种研究，旨在洞察技术的未来。那场技术革命的种子在那时就已播下并不断萌发，如今我们正处于一场全面的技术革命之中，需要通过原创性研究来探索未来并弄清它将引发什么。今天非常荣幸能与大家分享这些成果，同时向大家介绍团队的两名新成员，他们组成了我们的多组学(Multiomics)研究小组，在欧洲这也被称为基因组学。虽然从创收角度看，自动驾驶可能是规模最大的，但我们相信基因组学或多组学革命将是AI最深远的应用。主持人：谢谢Kathy。大家下午好，非常激动能在这里分享《Big Ideas 2026》并回答大家提出的800多个问题中的精选部分。接下来我想请问，从宏观层面来看，我们观察到的各种技术是如何融合并导致所谓“大加速”(Great Acceleration)的？研究员：目前有五大主要创新平台正在进入市场，其中AI是加速所有其他平台发展的核心动力。其他四大平台包括：多组学、公共区块链、机器人技术，以及涵盖无人驾驶出租车(RoboTaxi)的储能与自动驾驶出行。这五大创新平台都处于关键转折期，引发了自铁路时代以来最大规模的技术基础设施投资周期。这不仅在短期内影响宏观经济增长，数据中心和对AI智能体(Agent)的投资也在改变商业格局，并为未来的持续经济增长奠定基础。随着投资获得正向回报，预计到本十年末全球经济将实现超过7%的实际复合增长率。虽然外界普遍预计增长率为3%，但这完全符合重大技术转型期潜在均衡增长率发生转变的经济历史规律。市场将追随宏观趋势，我们预计全球超过60%的股市总市值将归属于颠覆性创新平台。我想传递的核心信息是：你必须拥抱创新，如果持有的资产不以创新为核心，其价值比例在未来十年可能会相对下降。如同19世纪70年代后期美国股市75%的市值都归功于铁路行业一样，如今这五大平台也将迎来相似的企业价值爆发。这就是我们所说的“大加速”。<img src=\"https://static.tigerbbs.com/804b9e5097445ece555bbf486ebf7a32\" title=\"\" tg-width=\"1080\" tg-height=\"608\"/><h2 id=\"id_3771189295\">2.AI基础设施建设狂潮</h2>主持人：好的。那么第一个具体问题是：相对于现有的能源可用性，我们是否过度建设了AI基础设施？这会带来什么影响？另外，太空数据中心的可行性和经济性如何？需要实现哪些技术和商业里程碑才能让它们与地面替代方案具备竞争力？研究员：人们担心的不仅是能源可用性，还有大量资金涌入AI领域是否明智。我们衡量AI性能的标准是它能为知识工作者带来多少价值。目前全力使用AI能让1个单位的工作产出1.5个单位的成果。企业只需支付相当于员工薪水一小部分的费用，就能获得惊人的业务回报。随着AI进步，我们预计在基准情景下，AI软件上的投入将达到7万亿美元，这足以支撑超过一万亿美元的数据中心基础设施建设。虽然能源在某些地区(如俄亥俄州中部)确实是个制约因素，但许多新型云公司正努力解决，我们不认为这是全球性的绝对限制。与90年代铺设大量光纤后沉寂多年不同，如今从文本语言模型到多组学、自动驾驶和具身机器人，每一颗GPU都在被充分使用甚至供不应求。关于太空数据中心，在现有的Falcon 9等发射平台上确实不具备经济性。但随着SpaceX的下一代可重复使用火箭Starship的推出，每吨入轨成本可能会降至几百美元。一旦跨过这个门槛，基于太空的AI计算将比地面计算更具成本竞争力。这不仅解决了地面因政治阻力或能源网限制导致的数据中心建设难题，还能让AI计算不受局部限制地实现规模化扩展。Elon Musk曾说这只是个工程问题，而正如他当年力排众议用手机电池造车一样，当他全神贯注解决工程问题时，事实证明他总是对的。主持人：非常精彩。接下来能否向我们简要介绍一下目前对AI发展趋势的整体看法？在营收创造方面，AI在哪些领域创造了真正的净新增营收，而不仅仅是通过提高效率来压缩利润空间？ARK又是如何从炒作中辨别出真正有价值的信号的？研究员：我们认为AI是一次代际级别的平台转型，就像当年从PC向智能手机的跨越一样。AI正将用户界面从键盘转向自然语言，以全新的方式与计算机交互，使其更易用且功能更强大。我们将看到内置AI助手的新产品形态，比如Meta Ray-Ban智能眼镜。相比互联网和智能手机，AI的普及速度是之前的两倍多，仅用三年就达到了20%的普及率。推动这一进程的是AI模型训练和推理成本的大幅下降。在消费者领域，个人AI智能体(Agent)正成为获取互联网服务和信息的首要入口，用户越来越信任ChatGPT或Claude。这创造了新的变现和商业模式，AI智能体能代表我们进行交易，注意力的转移也将吸引大量广告资金投入这些新助手。例如在ChatGPT中集成Instacart，只需拍下食谱照片，AI就能帮你完成90%的杂货订购，这种打破旧习惯的便捷体验创造了原本根本不存在的增量收入。在企业知识型工作方面，自去年底以来，模型的长期推理能力迎来了根本性转折。AI智能体能够可靠完成任务的平均时长已从5分钟提升到55分钟以上，无需人类时刻监督跟进。这极大地增强了企业的付费意愿，因为基础企业版聊天机器人的月订阅费，只需员工节省不到一天的时间就能回本。至于如何辨别炒作与实际信号，我们看到云服务商，如AWS、Azure、GCP的收入都在加速增长，GCP甚至实现了48%的同比增长，这证明了对算力的切实需求创造了巨大的新增收入。不仅是技术赋能者，最终受益者也在实现收入增长。例如Palantir帮助像AIG这样的保险公司，利用AI智能体来评估和承保以前因人工审核能力不足而积压的数十万份合同。这种在整个经济体中利用AI填补人力空白的应用，不仅降低了高昂的运营成本，更带来了真正的净新增营收和巨大的市场扩张。主持人：随着AIG等保险公司和企业不断采用AI，未来三年内AI规模化的最大瓶颈是什么？是电力、算力、数据质量、监管，还是人才？研究员：这是一个很好的问题，市场也一直在讨论当前的瓶颈究竟是什么。我认为最终的瓶颈归结为电力和算力。如果OpenAI想发布新产品，或者Claude Code正在扩大规模，再或者Anthropic想获取新用户，他们都需要GPU、存放GPU的数据中心以及将其连接到电网的电力，像xAI甚至在建造自己的发电厂。所有这些因素都需要结合在一起，我认为这是主要的瓶颈，甚至可能超过了数据或人才。从最新模型和AI实验室的研究趋势来看，模型正越来越多地生成自己的训练数据。虽然人类思维作为种子数据固然重要，但可以通过合成数据生成来无限扩展。此外，模型也参与寻找新的算法突破来提升自身性能。比如OpenAI讨论的最新编程模型，这是第一个在前代模型辅助下训练出来的新模型。这在一定程度上缓解了人才瓶颈。当然人才依然非常重要，这也是为什么四大核心AI实验室之间存在大量人才流动的原因。但我还是会把算力排在首位，前提是你拥有数据中心和充足的电力来启动这些芯片。此外，在遇到瓶颈时也可以进行权衡和折衷。过去人们常说数据快用完了，但思维链让我们意识到，实际上可以利用额外的算力基于现有数据生成新数据。如果在某一个环节遇到瓶颈，你可以通过消耗另一种资源来提升AI的能力。<img src=\"https://static.tigerbbs.com/edd57565742382ee883f787fe572b3d7\" title=\"\" tg-width=\"1080\" tg-height=\"608\"/><h2 id=\"id_1161871404\">3.AI赋能多组学测序</h2>主持人：太棒了。我们将进入下一个关于多组学(Multiomics)的环节。在这个领域你做出了非常出色的预测。随着AI加速药物研发和诊断，你认为在整个多组学技术栈中最大的价值获取点在哪里？是数据生成、模型开发，还是疗法的商业化？研究员：这是一个非常好的问题。人们本能地可能想从技术栈中挑选某一层，但实际上这些组件在彼此之上会产生叠加效应。AI在这里起到了核心枢纽的作用，驱动着生物创新的飞轮。更好的数据和更大量的数据输入能转化为更好的模型，而更好的模型又会反哺分子诊断、治疗干预和工具开发，这又会生成更多丰富的数据，从而形成一个良性循环。我们将这个周期分为四个关键领域：第一是多组学工具，即以更低成本获取更高质量的数据；第二是分子诊断，能够更早且更准确地检测出疾病；第三是AI药物研发，利用生物学洞察开发更优秀的候选药物，以更快、更低成本推向市场；最后是治愈，即针对疾病根源的一次性治疗。它们并非在真空中独立运行，而是相互增强形成飞轮效应。真正推动这一飞轮加速发展的因素是成本的大幅下降。几十年前，人类基因组计划完成第一个人类基因组测序耗时约13年，算上基础设施成本略低于30亿美元。如今完成全人类基因组测序只需100美元。展望2030年，我们预见这一成本将再下降一个数量级达到10美元左右。这种成本曲线的下降改变了原有的范式，包括检测门槛、检测频率以及由此产生的数据量。随着成本下降，测试数量将会增加，我们预计到2030年测试量将翻倍。值得注意的是，生物学领域生成的总Token数或数据量已经可以与用于训练前沿大语言模型的Token数量相媲美，预计到2030年这一规模将再增长10倍。总而言之，生物学正在成为全球最大的数据生成引擎之一，推动着整个医疗保健领域的深刻变革。作为投资组合经理，能学习到这些是一种荣幸。人体大约有35到40万亿个细胞，现在我们已经掌握了单细胞测序技术，这种数据爆炸的规模将使我们在计算时代见过的任何事物都显得微不足道。主持人：你刚才提到飞轮效应的一部分是对药物研发的影响。那么AI是否能实质性地降低临床试验的成本、时长以及失败率？这对Biotech领域的资本效率又意味着什么？研究员：这确实说到了点子上。更丰富的数据会催生更好的模型，其中最明显的影响之一就是药物研发的经济效益。从现状来看，传统的药物研发可能耗时超过十年，耗资数十亿美元，而且进入临床开发阶段的候选药物失败率高达90%。显然，这个领域急需提升效率。AI带来的动态效应是可以让药物更快推向市场，从而获得更多受专利保护的收入并降低成本，这具有真正的复利效应。我们的模型显示，AI有望将药物产品上市时间缩短40%，并将实际开发成本降低至原来的四分之一。历史上药物研发的回报率一直处于个位数水平，但考虑到更快的上市时间、更低的成本和更高的成功率，AI确实改变了这种资本效率范式。如果进一步将其应用于治愈性疗法，这种转变会更加剧烈。传统早期阶段的资产几乎没有经济价值，而由AI驱动的疗法，每种药物的价值可能超过20亿美元。我们正在构建一个对Biotech资本效率产生巨大影响的绝佳模型。木头姐：我在这里再补充一个视角。医疗保健行业的黄金时代是在80年代和90年代，当时研发支出的回报率高达30%，而现在已经降至中低个位数水平。我们认为投资回报率将重新回到那个高点，医疗保健行业将迎来新的黄金时代，考虑到外界目前的心理预期，这将是非常出乎意料的。主持人：由于我对这个话题很感兴趣，我想再追加一个问题：随着基因疗法的规模化应用，投资者应该如何看待监管风险以及保险覆盖的未来发展路径？研究员：这是一个多层面的问题，我们可以逐一拆解。在监管方面，特别是过去一年里发生了巨大的变化。美国FDA意识到药物上市极其困难，因此希望实现机构的现代化。他们积极与药物开发商合作来简化临床开发流程。我们已经看到了一些转化成果，尤其是针对罕见病和根源生物学疗法出台了新监管框架。另一方面是报销和保险障碍。有时候天价的标价会产生误导，比如看到一种疗法标价200万美元，人们自然会怀疑保险能否覆盖。以Casgevy为例，这是一种已获批治疗镰状细胞病和输血依赖型β-地中海贫血的基因编辑疗法，定价略高于200万美元，但在美国90%的患者都能获得报销。原因在于，你需要将该药物的价格与慢性病患者终身接受的长期治疗和频繁住院费用进行对比。这种对医疗保健系统的长期巨大价值正是其价格合理的原因。这凸显了治愈性药物的经济学原理与传统药物的本质不同。治愈性疗法仅需一次性治疗，你预先获取了所有的价值，将现金流提前，并获得了更多受专利保护的收入，还能避免竞争重叠。这意味着治愈性疗法比传统药物更具价值，潜在价值可能高达20倍。为了让这一点更加具体，我们可以看一个遗传性疾病的案例。遗传性血管水肿(HAE)是一种罕见病，会导致疼痛甚至危及生命的肿胀发作。目前患者需要终身接受长期治疗来控制发作，整个生命周期的费用可能高达1000万到2000万美元。以基因编辑疗法为例，该疗法已显示出令人鼓舞的临床数据。我们估计其合理价格在300万美元左右，而其基于核心价值的真实定价可能是这个数字的三到四倍，最终取决于疗效和持久性数据。如果将其应用于全美目前的7000名HAE患者，相当于为医疗系统节省了520亿美元的成本。尽管前期价格很高，但它能为患者带来更好的结果，消除终身症状管理的负担，并为医疗系统节省巨额开支。最后我想简要强调一下关于扩展市场的重要转变。基因编辑疗法正开始向体内转移，这种在体内进行编辑的理念正在助力其从罕见病领域拓展到常见病领域，包括全球首要杀手——心血管疾病。针对这类疾病，基于价值的定价可能在16.5万美元左右。这与罕见病疗法动辄数百万美元的价格截然不同，但却拥有巨大的潜在市场总量(TAM)。如果仅以美国最高风险的心血管患者为例，乘以这个价格，将得出高达2.8万亿美元的TAM。作为对比，立普妥曾多年蝉联史上最畅销药物，但其20年的累计销售额也不过是这个数字的十二分之一。所以从多组学中得出的核心结论是，AI与生物学的融合正在真正推动一场医疗保健领域的巨大革命。木头姐：目前股市还没有反应过来，但迟早会跟上的。最让我感到意外的是保险公司对那200万美元的定价完全没有异议，我认为市场甚至还没有注意到这一点。<img src=\"https://static.tigerbbs.com/749f06e277ff17b514225a723a34817d\" title=\"\" tg-width=\"1080\" tg-height=\"608\"/><h2 id=\"id_2537901505\">4.自动驾驶颠覆汽车行业</h2>主持人：谢谢你的精彩分享。接下来我们进入自动驾驶汽车(Autonomous Vehicles)的话题，请给我们讲讲这个领域的发展。研究员：好的。之前提到了具身智能(Embodied AI)，我们认为自动驾驶是消费者能看到的首个具身智能的大规模落地应用，而且这一切在今天已经发生了。我们已经看到有些车辆在道路上行驶，驾驶座和副驾驶座上都没有人，它们正在全自动地接送乘客四处穿梭。在这个商业化早期阶段，非常重要的一点是汽车的底层成本。当你拥有一支小型车队并试图扩大规模，或者试图说服合作伙伴时，汽车的制造成本固然重要，但更核心的是每英里的运营成本。每英里成本的降低将是真正推动这项技术和创新的核心动力。如果对比特斯拉和Waymo，我们看到特斯拉Model Y与第五代Waymo相比，每英里的增量成本降低了30%以上。随着新车型的推出，这种优势只会进一步扩大。比如将特斯拉的Cybercab与第六代Waymo对比，我们预计成本优势将达到50%。这在平台扩展初期至关重要，同时也关系到如何为消费者制定具有竞争力的价格策略。说到价格，我们认为Robotaxi平台在大规模运营时，可能收取的最低价格大约是每英里25美分。为了更直观地说明，它的成本不到西方市场人工驾驶网约车成本的十分之一，比自己驾驶私家车的成本还要低一半以上，甚至比中国的网约车还要便宜近一半。成本的降低将极大地扩张目前的网约车市场，实现低成本的点对点出行，让更多人享受出行服务，最终也会让我们的道路变得更加安全。这里蕴含着巨大的市场潜力。我们认为到本十年末，Robotaxi可能会创造34万亿美元的企业价值机遇，这些价值将主要累积到自动驾驶技术提供商或平台运营商手中。这些自主研发核心自动驾驶技术的公司，可以通过Robotaxi服务来实现商业闭环，这也是目前最大的营收机会之一。Robotaxi的TAM可能达到10万亿美元甚至更多，到本十年末，该领域的收入和利润可能达到2万亿美元左右。能够实现极低每英里成本的平台运营商和技术提供商将占据大部分经济收益。同时我们也看到传统汽车制造商正在与自动驾驶技术提供商以及网约车巨头合作，部分公司正在转变商业模式，成为自动驾驶技术公司和汽车制造商的维护服务提供商。我们预计自动驾驶将彻底改变整个汽车行业。目前基于传统燃油平台运营的厂商将会出现大量整合。Robotaxi的未来属于电动化，电动汽车对于优化每英里成本经济学并使其重新具备吸引力至关重要。我们在美国看到每英里2.80美元左右的理想价格上限再次出现。在中国网约车市场竞争要激烈得多，这正促使许多企业转向中东等市场寻求更大的利润空间。如今Robotaxi已经投入实际运营，我们在各大平台上追踪到的总行驶里程已接近一百万英里。现在的问题在于它何时能实现全面规模化，以及车队数量的激增如何进一步降低每英里成本。木头姐：我去过欧洲很多次，当我与他们分享关于Robotaxi以及我们团队所做的深度研究时，他们往往还无法感同身受，因为欧洲的监管机构尚未推进到那个阶段。但我们认为欧洲最终会跟进，因为自动驾驶的安全统计数据实在太惊人了。长期来看监管机构阻碍这一趋势是不明智的，甚至在专业角度上是不道德的。研究员：回到“大加速”的主题，以美国为例，每年人工驾驶中未获得报酬的劳动力成本超过4万亿美元。相对于美国30万亿美元的经济规模，如果将这4万亿美元未货币化的活动转化为经济活动，即你可以付费请别人以低于你时间成本的价格来代劳，最终将实现巨大的经济转型并显著拉动GDP增长。关于哪些地区最有可能率先实现大规模自动驾驶部署，以及监管一致性对商业成功的作用，我们认为美国和中国将是首批实现规模化落地的市场。在美国，由于监管权归属各州，它成为了首批允许大规模测试并实现Robotaxi商业化的市场之一。中国也非常重视自动驾驶的机遇，本土企业展现出了巨大的规模效应。此外中东地区也是一个极具吸引力的市场，尤其是对寻求更高利润的中国企业而言。在监管方面，正如木头姐所说，自动驾驶平台已经证明比人类驾驶员安全得多。多年前我们曾估计Robotaxi能带来约80%的安全性提升，如今Waymo等平台以及Tesla发布的FSD全自动驾驶安全统计数据都证实了这一点。这项技术已经成熟，虽然监管对推动普及至关重要，但无人车已经上路，我们预见全面普及将在未来5到10年内发生。目前技术已不再是障碍，真正的挑战在于如何让Robotaxi跨越少数城市的初步试点，实现真正的车队规模化扩张。这需要Tesla这样能将大量汽车投入路面的公司，也需要Waymo与车企的深度合作，以及中国企业的软硬件协同。低成本的车辆平台将在这里发挥关键作用，只有这样才能扩展车队规模并向消费者提供具吸引力的产品。随着规模扩大，每英里成本将持续低于现有的网约车价格，这才是扩大市场规模的核心关键所在，也是各大公司接下来在执行层面的首要任务。<img src=\"https://static.tigerbbs.com/e6773435134700e46f291c4460262643\" title=\"\" tg-width=\"1080\" tg-height=\"608\"/><h2 id=\"id_1810669231\">5.可回收火箭成本正在大幅降低</h2>主持人：接下来让我们谈谈可重复使用的火箭。研究员：火箭的可重复使用性确实正在全面开启太空经济。2025年是一个极具标志性的年份，年度入轨质量达到了历史最高水平，这主要归功于SpaceX。目前SpaceX拥有超过9000颗活跃的Starlink卫星在轨运行，占目前在轨卫星总数的三分之二以上。他们之所以能占据主导地位，是因为拥有领先业界十年的先发优势。2015年SpaceX就成功回收了首个轨道级助推器，在部分重复使用方面执行得近乎完美，而其最强劲的竞争对手直到去年年底才首次成功回收助推器。当其他公司还在努力掌握部分重复使用技术时，SpaceX已经全力推进全重复使用技术，这直接转化为发射成本的断崖式下降。我们研究的核心在于莱特定律，在发射成本的语境下，该定律指出进入轨道的累计质量每翻一倍，发射成本就会下降17%。SpaceX的Falcon 9火箭已经证明了这一点。据我们估计自2008年以来，他们已将发射成本降低了约95%。这在太空时代开启了海量的新机遇，包括轨道数据中心，以及在技术融合背景下极大推进多组学发展的医疗失重测试。目前发射价格已降至每公斤约1000美元。当SpaceX成功部署满载且完全可重复使用的Starship火箭时，我们预计成本将降至每公斤100美元以下。这也是轨道数据中心变得极具吸引力的原因。达到这一规模节点后，轨道数据中心可能比地面计算还要便宜25%。从Falcon 9每次发射约700美元的成本降低到Starship的100美元左右，将直接催生车载AI与天基计算的大爆发。天基计算对卫星的需求量至少是目前的十倍甚至更多，远超Starlink及现有通信星座的规模，仅此一项就能将市场扩大一个数量级。未来如果我们建立月球基地，卫星星座的成本甚至可能降至每公斤10美元左右，但这需要前期在月球建立庞大的基础设施。总之，发射成本的降低绝对是所有空间轨道基础设施发展的核心驱动力。木头姐：很多人非常担心AI和自动化会摧毁现有的就业机会。但我想说的是，我们现在正迎来一个全新世界的开启。太空探索是其中之一，另一个则是基于区块链技术和不可篡改的数字产权构建的在线世界。我认为这些领域都将迎来爆发式增长。因此我们对AI时代感到非常兴奋，我们坚信这最终将带来净就业岗位的增长。研究员：提到净就业创造和长期趋势，在可重复使用的火箭生态系统中，短期的现金流生成机会主要集中在卫星连接领域。比如大家都熟知的Starlink，其活跃订阅用户刚刚突破了1000万。这种爆发式增长同样印证了莱特定律。我们认为每当累计轨道的每秒千兆比特传输速率翻倍，卫星成本就会下降约44%。这条陡峭的成本下降曲线引发了行业的爆发式增长。实现规模化后，这可能是一个高达1600亿美元的年度营收机遇，这也是为什么众多航天公司争相进入公开市场以期分一杯羹的原因。<img src=\"https://static.tigerbbs.com/7e7d30c84e173e3cc4a81851ad94ff7f\" title=\"\" tg-width=\"1080\" tg-height=\"608\"/><h2 id=\"id_2214720627\">6.未来5年的技术发展趋势</h2>主持人：那么从2026年到2030年，在AI、机器人、能源系统和公共区块链领域，融合技术栈的发展论点将如何演变？最重要的瓶颈又是什么？研究员：从多元化投资的视角来看，广泛接触多种前沿技术非常重要。你可以全力投入AI企业软件，即使该领域遇到短期波折，也不会影响多组学市场中新疗法的成功研发与定价。虽然AI是所有这些技术的底层加速器，但各细分领域面临着截然不同的商业化阻力和市场机遇。我们需要跨越所有技术领域去积蓄势能，预判并捕捉转化为现金流的动能以进行再投资。关于瓶颈，我们认为全球确实需要更多算力。无论是发展基于太空的数据中心这种正交维度的算力扩张，还是美国本土芯片晶圆厂的持续扩建，都在为算力基础设施添砖加瓦。比如Boom这家超音速民用飞机公司，由于其引擎技术完美契合AI数据中心的巨大动力需求，硬生生开辟出了一项为算力提供电力保障的庞大新业务。目前资本市场正蜂拥而至为这些基础设施机遇提供弹药，这是当下最重要的行业催化剂。木头姐：正如大家多次提到的，单位增长至关重要，这也正是莱特定律的核心。如果非要说什么是阻碍发展的瓶颈，像全球战争这样的极端灾难当然会是重大阻碍。但有趣的是，即使在最艰难的时刻，企业和消费者也依然愿意改变做事的方式，去寻求更好、更便宜、更高效、更精简且更具创造力的解决方案。COVID疫情就是一个绝佳的例子。当时全球供应链一度陷入停滞，各项工作严重受阻，但这反而倒逼了技术落地，现在我们不仅渡过了难关，甚至在以更快的速度向前迈进。研究员：颠覆性技术最大的竞争对手实际上是惯性和现状。当前社会对AI的集体担忧，反而促使人们更积极地采取行动去了解并接纳这项技术。这也是为什么企业确信需要再投入数千亿美元来扩建算力，因为现有的算力根本无法满足客户对AI融合应用的需求。关于在Agentic AI时代企业级软件以及SaaS的未来，我们认为AI对软件的变革并不一定会完全摧毁现有格局。AI正在让开发新软件变得比以往任何时候都容易。部分企业会选择自主开发或增强内部软件能力，但更有可能的是，我们将看到一批更具AI原生属性、更敏捷且针对特定行业量身定制的新兴竞争对手脱颖而出。与其让每家公司都构建自己的CRM系统，不如选择这些效率极高的新一代工具。这种范式转变动摇了市场对传统软件巨头营收增长和定价能力的预期，导致它们在资本市场被持续抛售。目前许多优秀的AI原生公司还在私募市场中孕育。比如用于客户服务的Sierra、主攻法律事务的Harvey，以及辅助软件开发的Cursor。以Cursor为例，成立仅三年其营收运行率就突破了20亿美元。在传统云计算时代，达到1亿美元的运行率就是一个巨大的里程碑，像Twilio这样的头部公司花了六年时间、动用500人才实现。而Cursor却用一半的时间和人力，创造了传统SaaS巨头20倍的营收。这直观展示了Agentic AI带来的恐怖生产力飞跃。未来这些新一代软件企业将展现出惊人的商业爆发力。木头姐：我认为非常有必要说明的是，正因为AI大幅降低了技术门槛，我们坚信一场史无前例的创业大爆发即将到来，因为现在我们所有人都能直接使用自然语言进行编程了。所以，放手去创业吧！主持人：借着创业大爆发这个激动人心的话题，我们今天的会议就到此结束。非常感谢大家的参与，希望各位喜欢今天关于Big Ideas 2026的深度探讨。如果您还没有下载相关报告，请务必阅读查看。会后您可以通过网站或社交平台与我们取得联系。祝愿大家一切顺利，让我们携手共同推进创新。</body></html>","source":"lsy1749356715388","collect":0,"html":"<!DOCTYPE html>\n<html>\n<head>\n<meta http-equiv=\"Content-Type\" content=\"text/html; charset=utf-8\" />\n<meta name=\"viewport\" content=\"width=device-width,initial-scale=1.0,minimum-scale=1.0,maximum-scale=1.0,user-scalable=no\"/>\n<meta name=\"format-detection\" content=\"telephone=no,email=no,address=no\" />\n<title>木头姐最新研判：AI正与四大前沿科技深度共振，引发史无前例“大加速”</title>\n<style type=\"text/css\">\na,abbr,acronym,address,applet,article,aside,audio,b,big,blockquote,body,canvas,caption,center,cite,code,dd,del,details,dfn,div,dl,dt,\nem,embed,fieldset,figcaption,figure,footer,form,h1,h2,h3,h4,h5,h6,header,hgroup,html,i,iframe,img,ins,kbd,label,legend,li,mark,menu,nav,\nobject,ol,output,p,pre,q,ruby,s,samp,section,small,span,strike,strong,sub,summary,sup,table,tbody,td,tfoot,th,thead,time,tr,tt,u,ul,var,video{ font:inherit;margin:0;padding:0;vertical-align:baseline;border:0 }\nbody{ font-size:16px; line-height:1.5; color:#999; background:transparent; }\n.wrapper{ overflow:hidden;word-break:break-all;padding:10px; }\nh1,h2{ font-weight:normal; line-height:1.35; margin-bottom:.6em; }\nh3,h4,h5,h6{ line-height:1.35; margin-bottom:1em; }\nh1{ font-size:24px; }\nh2{ font-size:20px; }\nh3{ font-size:18px; }\nh4{ font-size:16px; }\nh5{ font-size:14px; }\nh6{ font-size:12px; }\np,ul,ol,blockquote,dl,table{ margin:1.2em 0; }\nul,ol{ margin-left:2em; }\nul{ list-style:disc; }\nol{ list-style:decimal; }\nli,li p{ margin:10px 0;}\nimg{ max-width:100%;display:block;margin:0 auto 1em; }\nblockquote{ color:#B5B2B1; border-left:3px solid #aaa; padding:1em; }\nstrong,b{font-weight:bold;}\nem,i{font-style:italic;}\ntable{ width:100%;border-collapse:collapse;border-spacing:1px;margin:1em 0;font-size:.9em; }\nth,td{ padding:5px;text-align:left;border:1px solid #aaa; }\nth{ font-weight:bold;background:#5d5d5d; }\n.symbol-link{font-weight:bold;}\n/* header{ border-bottom:1px solid #494756; } */\n.title{ margin:0 0 8px;line-height:1.3;color:#ddd; }\n.meta {color:#5e5c6d;font-size:13px;margin:0 0 .5em; }\na{text-decoration:none; color:#2a4b87;}\n.meta .head { display: inline-block; overflow: hidden}\n.head .h-thumb { width: 30px; height: 30px; margin: 0; padding: 0; border-radius: 50%; float: left;}\n.head .h-content { margin: 0; padding: 0 0 0 9px; float: left;}\n.head .h-name {font-size: 13px; color: #eee; margin: 0;}\n.head .h-time {font-size: 11px; color: #7E829C; margin: 0;line-height: 11px;}\n.small {font-size: 12.5px; display: inline-block; transform: scale(0.9); -webkit-transform: scale(0.9); transform-origin: left; -webkit-transform-origin: left;}\n.smaller {font-size: 12.5px; display: inline-block; transform: scale(0.8); -webkit-transform: scale(0.8); transform-origin: left; -webkit-transform-origin: left;}\n.bt-text {font-size: 12px;margin: 1.5em 0 0 0}\n.bt-text p {margin: 0}\n</style>\n</head>\n<body>\n<div class=\"wrapper\">\n<header>\n<h2 class=\"title\">\n木头姐最新研判：AI正与四大前沿科技深度共振，引发史无前例“大加速”\n</h2>\n\n<h4 class=\"meta\">\n\n\n2026-03-14 17:36 北京时间&nbsp;&nbsp;&nbsp;<a href=https://mp.weixin.qq.com/s/y70gwJPcplblzTOWDU_sYg>划重点KeyPoints</a>\n\n\n</h4>\n\n</header>\n<article>\n<div>\n3月13日，ARK Invest创始人，被称为“华尔街女股神”的木头姐（Cathie Wood），携核心研究团队深入解读《Big Ideas 2026》报告，对未来科技趋势做出最新洞察。在此次分享中，ARK Invest重点探讨了五大创新平台的融合：AI、多组学（Multiomics）、公共区块链、机器人以及无人驾驶出租车。团队认为，这五大平台的共振将引发一场史无前例的大加速。作为颠覆性创新的坚定...\n\n<a href=\"https://mp.weixin.qq.com/s/y70gwJPcplblzTOWDU_sYg\">网页链接</a>\n\n</div>\n\n\n</article>\n</div>\n</body>\n</html>\n","type":0,"thumbnail":"https://static.tigerbbs.com/0fb0479ff67cd3a760cdce353bcb60ed","relate_stocks":{"ARKK.UK":"ARK INNOVATION UCITS ETF"},"source_url":"https://mp.weixin.qq.com/s/y70gwJPcplblzTOWDU_sYg","is_english":false,"share_image_url":"https://static.laohu8.com/e9f99090a1c2ed51c021029395664489","article_id":"1151729793","content_text":"3月13日，ARK Invest创始人，被称为“华尔街女股神”的木头姐（Cathie Wood），携核心研究团队深入解读《Big Ideas 2026》报告，对未来科技趋势做出最新洞察。在此次分享中，ARK Invest重点探讨了五大创新平台的融合：AI、多组学（Multiomics）、公共区块链、机器人以及无人驾驶出租车。团队认为，这五大平台的共振将引发一场史无前例的大加速。作为颠覆性创新的坚定支持者，木头姐认为，我们正处于一场全面爆发的技术革命之中，而这场革命的种子早在上世纪80、90年代就已种下，如今正在生根发芽。我们梳理了本期播客的核心信息，以下是重点内容：1. AI正在从简单的文本对话，进化为具备长线执行力的智能体AI带来的新一代计算平台转移，正将人机交互界面从键盘和触屏彻底演进为自然语言。更重要的是，AI模型正在经历一场根本性的能力拐点：它们不再只能处理需要频繁干预的5分钟简短任务，而是能稳定、可靠地独立执行长达55分钟以上的复杂长线工作。这种生产力的大幅提升，将为企业带来极高的投资回报率。伴随模型逐渐能够生成合成数据来完成自我迭代，AI不仅是在帮助企业压缩成本，更在创造纯粹的净增收。在这种强烈的商业诉求下，高达数万亿美元的AI软件支出，将支撑起庞大的算力与数据中心基础设施建设狂潮。2.AI与生物学的融合正在形成强大飞轮，将引领医疗健康回归黄金时代尽管自动驾驶可能是未来创收体量最大的领域，但多组学和基因组学革命才是AI最深远、最具颠覆性的应用。AI与生物学的融合正在形成一个强大的飞轮，海量数据训练出更好的模型，更好的模型又能反哺出更精准的分子诊断与靶向药物。这一飞轮的底层动力在于断崖式下跌的测序成本。人类全基因组测序成本已从最初的近30亿美元降至如今的100美元，并有望在2030年降至仅10美元。生物学正在成为地球上最大的数据生成引擎，在AI的加持下，新药研发的时间将被缩短40%。这种范式转移将让一次性的治愈性基因疗法取代长期的慢性病管理，其单药的经济价值甚至可能比传统药物高出20倍。3.可回收火箭打破成本极限，开启太空基建新纪元根据莱特定律推算，每次将有效质量送入轨道的累计规模翻倍，火箭发射成本就会随之下降17%。凭借猎鹰9号的部分可回收技术，SpaceX目前已经将发射成本削减了约95%。一旦星舰级别的重型火箭实现完全可回收，把有效载荷送入太空的成本将从目前的每公斤1000美元骤降至100美元以下。这一量级突破不仅将极大地扩张卫星通信网络，更让太空轨道数据中心在商业上变得可行。跨过特定的成本门槛后，太空中运行的AI算力成本甚至可能比受到土地和电力网限制的地球本土还要便宜25%。4.无人驾驶出租车是具身智能的首个大规模商业化，重塑十万亿出行市场大众往往认为自动驾驶只是一项辅助驾驶功能，但在ARK看来，它是消费者能够在日常生活中接触到的首个大规模商业化的具身智能。决定这场出行革命胜负的关键，在于底层车辆的每英里运营成本。未来，无人驾驶出租车的规模化运营有望将出行成本压低至每英里25美分，这甚至不到欧美人类驾驶网约车成本的十分之一。极低的价格将释放极其庞大的潜在出行需求。到本世纪末，无人驾驶出租车有望创造高达10万亿美元的惊人总潜在市场（TAM）营收。在这一全新生态中，掌握核心自动驾驶技术的平台运营方，将攫取绝大部分的经济价值。5.五大创新平台融合共振，将颠覆全球经济范式面对当前关于科技领域投入过剩的担忧与极化争论，ARK认为当下的AI基建狂潮与19世纪末占据美国股市75%市值的铁路建设狂潮异曲同工。AI、多组学、公共区块链、机器人技术以及自动驾驶，这五大创新平台不仅各自达到了临界点，更在深度影响经济范式。例如，无人驾驶的普及将全美国每年高达4万亿美元的隐性人类驾驶时间，转化为了真实的GDP经济增量。这不是简单的产业升级，而是全球经济底层引擎的彻底重构。视频最后，木头姐强调，尽管颠覆性技术在早期会引发关于失业的社会焦虑，但历史规律证明，AI时代最终将成为一个净创造就业的时代。伴随着自然语言编程极大地降低了技术门槛，我们将见证一场史无前例的个体创业大爆发。未来的AI不仅仅是算力和代码，它将成为一种赋能人类文明的基础设施，让各行各业的创新以前所未有的速度在物理世界中落地。  以下是ARK视频播客内容实录：1.五大创新平台奠定经济增长基础木头姐：大家好。我是Kathy Wood，ARK Invest的首席执行官兼首席投资官。今天我和研究及投资组合团队一起，为大家展示长达104页的《Big Ideas 2026》研究报告精华。我们相信，这正是投资银行家在80和90年代PC问世后所做的那种研究，旨在洞察技术的未来。那场技术革命的种子在那时就已播下并不断萌发，如今我们正处于一场全面的技术革命之中，需要通过原创性研究来探索未来并弄清它将引发什么。今天非常荣幸能与大家分享这些成果，同时向大家介绍团队的两名新成员，他们组成了我们的多组学(Multiomics)研究小组，在欧洲这也被称为基因组学。虽然从创收角度看，自动驾驶可能是规模最大的，但我们相信基因组学或多组学革命将是AI最深远的应用。主持人：谢谢Kathy。大家下午好，非常激动能在这里分享《Big Ideas 2026》并回答大家提出的800多个问题中的精选部分。接下来我想请问，从宏观层面来看，我们观察到的各种技术是如何融合并导致所谓“大加速”(Great Acceleration)的？研究员：目前有五大主要创新平台正在进入市场，其中AI是加速所有其他平台发展的核心动力。其他四大平台包括：多组学、公共区块链、机器人技术，以及涵盖无人驾驶出租车(RoboTaxi)的储能与自动驾驶出行。这五大创新平台都处于关键转折期，引发了自铁路时代以来最大规模的技术基础设施投资周期。这不仅在短期内影响宏观经济增长，数据中心和对AI智能体(Agent)的投资也在改变商业格局，并为未来的持续经济增长奠定基础。随着投资获得正向回报，预计到本十年末全球经济将实现超过7%的实际复合增长率。虽然外界普遍预计增长率为3%，但这完全符合重大技术转型期潜在均衡增长率发生转变的经济历史规律。市场将追随宏观趋势，我们预计全球超过60%的股市总市值将归属于颠覆性创新平台。我想传递的核心信息是：你必须拥抱创新，如果持有的资产不以创新为核心，其价值比例在未来十年可能会相对下降。如同19世纪70年代后期美国股市75%的市值都归功于铁路行业一样，如今这五大平台也将迎来相似的企业价值爆发。这就是我们所说的“大加速”。2.AI基础设施建设狂潮主持人：好的。那么第一个具体问题是：相对于现有的能源可用性，我们是否过度建设了AI基础设施？这会带来什么影响？另外，太空数据中心的可行性和经济性如何？需要实现哪些技术和商业里程碑才能让它们与地面替代方案具备竞争力？研究员：人们担心的不仅是能源可用性，还有大量资金涌入AI领域是否明智。我们衡量AI性能的标准是它能为知识工作者带来多少价值。目前全力使用AI能让1个单位的工作产出1.5个单位的成果。企业只需支付相当于员工薪水一小部分的费用，就能获得惊人的业务回报。随着AI进步，我们预计在基准情景下，AI软件上的投入将达到7万亿美元，这足以支撑超过一万亿美元的数据中心基础设施建设。虽然能源在某些地区(如俄亥俄州中部)确实是个制约因素，但许多新型云公司正努力解决，我们不认为这是全球性的绝对限制。与90年代铺设大量光纤后沉寂多年不同，如今从文本语言模型到多组学、自动驾驶和具身机器人，每一颗GPU都在被充分使用甚至供不应求。关于太空数据中心，在现有的Falcon 9等发射平台上确实不具备经济性。但随着SpaceX的下一代可重复使用火箭Starship的推出，每吨入轨成本可能会降至几百美元。一旦跨过这个门槛，基于太空的AI计算将比地面计算更具成本竞争力。这不仅解决了地面因政治阻力或能源网限制导致的数据中心建设难题，还能让AI计算不受局部限制地实现规模化扩展。Elon Musk曾说这只是个工程问题，而正如他当年力排众议用手机电池造车一样，当他全神贯注解决工程问题时，事实证明他总是对的。主持人：非常精彩。接下来能否向我们简要介绍一下目前对AI发展趋势的整体看法？在营收创造方面，AI在哪些领域创造了真正的净新增营收，而不仅仅是通过提高效率来压缩利润空间？ARK又是如何从炒作中辨别出真正有价值的信号的？研究员：我们认为AI是一次代际级别的平台转型，就像当年从PC向智能手机的跨越一样。AI正将用户界面从键盘转向自然语言，以全新的方式与计算机交互，使其更易用且功能更强大。我们将看到内置AI助手的新产品形态，比如Meta Ray-Ban智能眼镜。相比互联网和智能手机，AI的普及速度是之前的两倍多，仅用三年就达到了20%的普及率。推动这一进程的是AI模型训练和推理成本的大幅下降。在消费者领域，个人AI智能体(Agent)正成为获取互联网服务和信息的首要入口，用户越来越信任ChatGPT或Claude。这创造了新的变现和商业模式，AI智能体能代表我们进行交易，注意力的转移也将吸引大量广告资金投入这些新助手。例如在ChatGPT中集成Instacart，只需拍下食谱照片，AI就能帮你完成90%的杂货订购，这种打破旧习惯的便捷体验创造了原本根本不存在的增量收入。在企业知识型工作方面，自去年底以来，模型的长期推理能力迎来了根本性转折。AI智能体能够可靠完成任务的平均时长已从5分钟提升到55分钟以上，无需人类时刻监督跟进。这极大地增强了企业的付费意愿，因为基础企业版聊天机器人的月订阅费，只需员工节省不到一天的时间就能回本。至于如何辨别炒作与实际信号，我们看到云服务商，如AWS、Azure、GCP的收入都在加速增长，GCP甚至实现了48%的同比增长，这证明了对算力的切实需求创造了巨大的新增收入。不仅是技术赋能者，最终受益者也在实现收入增长。例如Palantir帮助像AIG这样的保险公司，利用AI智能体来评估和承保以前因人工审核能力不足而积压的数十万份合同。这种在整个经济体中利用AI填补人力空白的应用，不仅降低了高昂的运营成本，更带来了真正的净新增营收和巨大的市场扩张。主持人：随着AIG等保险公司和企业不断采用AI，未来三年内AI规模化的最大瓶颈是什么？是电力、算力、数据质量、监管，还是人才？研究员：这是一个很好的问题，市场也一直在讨论当前的瓶颈究竟是什么。我认为最终的瓶颈归结为电力和算力。如果OpenAI想发布新产品，或者Claude Code正在扩大规模，再或者Anthropic想获取新用户，他们都需要GPU、存放GPU的数据中心以及将其连接到电网的电力，像xAI甚至在建造自己的发电厂。所有这些因素都需要结合在一起，我认为这是主要的瓶颈，甚至可能超过了数据或人才。从最新模型和AI实验室的研究趋势来看，模型正越来越多地生成自己的训练数据。虽然人类思维作为种子数据固然重要，但可以通过合成数据生成来无限扩展。此外，模型也参与寻找新的算法突破来提升自身性能。比如OpenAI讨论的最新编程模型，这是第一个在前代模型辅助下训练出来的新模型。这在一定程度上缓解了人才瓶颈。当然人才依然非常重要，这也是为什么四大核心AI实验室之间存在大量人才流动的原因。但我还是会把算力排在首位，前提是你拥有数据中心和充足的电力来启动这些芯片。此外，在遇到瓶颈时也可以进行权衡和折衷。过去人们常说数据快用完了，但思维链让我们意识到，实际上可以利用额外的算力基于现有数据生成新数据。如果在某一个环节遇到瓶颈，你可以通过消耗另一种资源来提升AI的能力。3.AI赋能多组学测序主持人：太棒了。我们将进入下一个关于多组学(Multiomics)的环节。在这个领域你做出了非常出色的预测。随着AI加速药物研发和诊断，你认为在整个多组学技术栈中最大的价值获取点在哪里？是数据生成、模型开发，还是疗法的商业化？研究员：这是一个非常好的问题。人们本能地可能想从技术栈中挑选某一层，但实际上这些组件在彼此之上会产生叠加效应。AI在这里起到了核心枢纽的作用，驱动着生物创新的飞轮。更好的数据和更大量的数据输入能转化为更好的模型，而更好的模型又会反哺分子诊断、治疗干预和工具开发，这又会生成更多丰富的数据，从而形成一个良性循环。我们将这个周期分为四个关键领域：第一是多组学工具，即以更低成本获取更高质量的数据；第二是分子诊断，能够更早且更准确地检测出疾病；第三是AI药物研发，利用生物学洞察开发更优秀的候选药物，以更快、更低成本推向市场；最后是治愈，即针对疾病根源的一次性治疗。它们并非在真空中独立运行，而是相互增强形成飞轮效应。真正推动这一飞轮加速发展的因素是成本的大幅下降。几十年前，人类基因组计划完成第一个人类基因组测序耗时约13年，算上基础设施成本略低于30亿美元。如今完成全人类基因组测序只需100美元。展望2030年，我们预见这一成本将再下降一个数量级达到10美元左右。这种成本曲线的下降改变了原有的范式，包括检测门槛、检测频率以及由此产生的数据量。随着成本下降，测试数量将会增加，我们预计到2030年测试量将翻倍。值得注意的是，生物学领域生成的总Token数或数据量已经可以与用于训练前沿大语言模型的Token数量相媲美，预计到2030年这一规模将再增长10倍。总而言之，生物学正在成为全球最大的数据生成引擎之一，推动着整个医疗保健领域的深刻变革。作为投资组合经理，能学习到这些是一种荣幸。人体大约有35到40万亿个细胞，现在我们已经掌握了单细胞测序技术，这种数据爆炸的规模将使我们在计算时代见过的任何事物都显得微不足道。主持人：你刚才提到飞轮效应的一部分是对药物研发的影响。那么AI是否能实质性地降低临床试验的成本、时长以及失败率？这对Biotech领域的资本效率又意味着什么？研究员：这确实说到了点子上。更丰富的数据会催生更好的模型，其中最明显的影响之一就是药物研发的经济效益。从现状来看，传统的药物研发可能耗时超过十年，耗资数十亿美元，而且进入临床开发阶段的候选药物失败率高达90%。显然，这个领域急需提升效率。AI带来的动态效应是可以让药物更快推向市场，从而获得更多受专利保护的收入并降低成本，这具有真正的复利效应。我们的模型显示，AI有望将药物产品上市时间缩短40%，并将实际开发成本降低至原来的四分之一。历史上药物研发的回报率一直处于个位数水平，但考虑到更快的上市时间、更低的成本和更高的成功率，AI确实改变了这种资本效率范式。如果进一步将其应用于治愈性疗法，这种转变会更加剧烈。传统早期阶段的资产几乎没有经济价值，而由AI驱动的疗法，每种药物的价值可能超过20亿美元。我们正在构建一个对Biotech资本效率产生巨大影响的绝佳模型。木头姐：我在这里再补充一个视角。医疗保健行业的黄金时代是在80年代和90年代，当时研发支出的回报率高达30%，而现在已经降至中低个位数水平。我们认为投资回报率将重新回到那个高点，医疗保健行业将迎来新的黄金时代，考虑到外界目前的心理预期，这将是非常出乎意料的。主持人：由于我对这个话题很感兴趣，我想再追加一个问题：随着基因疗法的规模化应用，投资者应该如何看待监管风险以及保险覆盖的未来发展路径？研究员：这是一个多层面的问题，我们可以逐一拆解。在监管方面，特别是过去一年里发生了巨大的变化。美国FDA意识到药物上市极其困难，因此希望实现机构的现代化。他们积极与药物开发商合作来简化临床开发流程。我们已经看到了一些转化成果，尤其是针对罕见病和根源生物学疗法出台了新监管框架。另一方面是报销和保险障碍。有时候天价的标价会产生误导，比如看到一种疗法标价200万美元，人们自然会怀疑保险能否覆盖。以Casgevy为例，这是一种已获批治疗镰状细胞病和输血依赖型β-地中海贫血的基因编辑疗法，定价略高于200万美元，但在美国90%的患者都能获得报销。原因在于，你需要将该药物的价格与慢性病患者终身接受的长期治疗和频繁住院费用进行对比。这种对医疗保健系统的长期巨大价值正是其价格合理的原因。这凸显了治愈性药物的经济学原理与传统药物的本质不同。治愈性疗法仅需一次性治疗，你预先获取了所有的价值，将现金流提前，并获得了更多受专利保护的收入，还能避免竞争重叠。这意味着治愈性疗法比传统药物更具价值，潜在价值可能高达20倍。为了让这一点更加具体，我们可以看一个遗传性疾病的案例。遗传性血管水肿(HAE)是一种罕见病，会导致疼痛甚至危及生命的肿胀发作。目前患者需要终身接受长期治疗来控制发作，整个生命周期的费用可能高达1000万到2000万美元。以基因编辑疗法为例，该疗法已显示出令人鼓舞的临床数据。我们估计其合理价格在300万美元左右，而其基于核心价值的真实定价可能是这个数字的三到四倍，最终取决于疗效和持久性数据。如果将其应用于全美目前的7000名HAE患者，相当于为医疗系统节省了520亿美元的成本。尽管前期价格很高，但它能为患者带来更好的结果，消除终身症状管理的负担，并为医疗系统节省巨额开支。最后我想简要强调一下关于扩展市场的重要转变。基因编辑疗法正开始向体内转移，这种在体内进行编辑的理念正在助力其从罕见病领域拓展到常见病领域，包括全球首要杀手——心血管疾病。针对这类疾病，基于价值的定价可能在16.5万美元左右。这与罕见病疗法动辄数百万美元的价格截然不同，但却拥有巨大的潜在市场总量(TAM)。如果仅以美国最高风险的心血管患者为例，乘以这个价格，将得出高达2.8万亿美元的TAM。作为对比，立普妥曾多年蝉联史上最畅销药物，但其20年的累计销售额也不过是这个数字的十二分之一。所以从多组学中得出的核心结论是，AI与生物学的融合正在真正推动一场医疗保健领域的巨大革命。木头姐：目前股市还没有反应过来，但迟早会跟上的。最让我感到意外的是保险公司对那200万美元的定价完全没有异议，我认为市场甚至还没有注意到这一点。4.自动驾驶颠覆汽车行业主持人：谢谢你的精彩分享。接下来我们进入自动驾驶汽车(Autonomous Vehicles)的话题，请给我们讲讲这个领域的发展。研究员：好的。之前提到了具身智能(Embodied AI)，我们认为自动驾驶是消费者能看到的首个具身智能的大规模落地应用，而且这一切在今天已经发生了。我们已经看到有些车辆在道路上行驶，驾驶座和副驾驶座上都没有人，它们正在全自动地接送乘客四处穿梭。在这个商业化早期阶段，非常重要的一点是汽车的底层成本。当你拥有一支小型车队并试图扩大规模，或者试图说服合作伙伴时，汽车的制造成本固然重要，但更核心的是每英里的运营成本。每英里成本的降低将是真正推动这项技术和创新的核心动力。如果对比特斯拉和Waymo，我们看到特斯拉Model Y与第五代Waymo相比，每英里的增量成本降低了30%以上。随着新车型的推出，这种优势只会进一步扩大。比如将特斯拉的Cybercab与第六代Waymo对比，我们预计成本优势将达到50%。这在平台扩展初期至关重要，同时也关系到如何为消费者制定具有竞争力的价格策略。说到价格，我们认为Robotaxi平台在大规模运营时，可能收取的最低价格大约是每英里25美分。为了更直观地说明，它的成本不到西方市场人工驾驶网约车成本的十分之一，比自己驾驶私家车的成本还要低一半以上，甚至比中国的网约车还要便宜近一半。成本的降低将极大地扩张目前的网约车市场，实现低成本的点对点出行，让更多人享受出行服务，最终也会让我们的道路变得更加安全。这里蕴含着巨大的市场潜力。我们认为到本十年末，Robotaxi可能会创造34万亿美元的企业价值机遇，这些价值将主要累积到自动驾驶技术提供商或平台运营商手中。这些自主研发核心自动驾驶技术的公司，可以通过Robotaxi服务来实现商业闭环，这也是目前最大的营收机会之一。Robotaxi的TAM可能达到10万亿美元甚至更多，到本十年末，该领域的收入和利润可能达到2万亿美元左右。能够实现极低每英里成本的平台运营商和技术提供商将占据大部分经济收益。同时我们也看到传统汽车制造商正在与自动驾驶技术提供商以及网约车巨头合作，部分公司正在转变商业模式，成为自动驾驶技术公司和汽车制造商的维护服务提供商。我们预计自动驾驶将彻底改变整个汽车行业。目前基于传统燃油平台运营的厂商将会出现大量整合。Robotaxi的未来属于电动化，电动汽车对于优化每英里成本经济学并使其重新具备吸引力至关重要。我们在美国看到每英里2.80美元左右的理想价格上限再次出现。在中国网约车市场竞争要激烈得多，这正促使许多企业转向中东等市场寻求更大的利润空间。如今Robotaxi已经投入实际运营，我们在各大平台上追踪到的总行驶里程已接近一百万英里。现在的问题在于它何时能实现全面规模化，以及车队数量的激增如何进一步降低每英里成本。木头姐：我去过欧洲很多次，当我与他们分享关于Robotaxi以及我们团队所做的深度研究时，他们往往还无法感同身受，因为欧洲的监管机构尚未推进到那个阶段。但我们认为欧洲最终会跟进，因为自动驾驶的安全统计数据实在太惊人了。长期来看监管机构阻碍这一趋势是不明智的，甚至在专业角度上是不道德的。研究员：回到“大加速”的主题，以美国为例，每年人工驾驶中未获得报酬的劳动力成本超过4万亿美元。相对于美国30万亿美元的经济规模，如果将这4万亿美元未货币化的活动转化为经济活动，即你可以付费请别人以低于你时间成本的价格来代劳，最终将实现巨大的经济转型并显著拉动GDP增长。关于哪些地区最有可能率先实现大规模自动驾驶部署，以及监管一致性对商业成功的作用，我们认为美国和中国将是首批实现规模化落地的市场。在美国，由于监管权归属各州，它成为了首批允许大规模测试并实现Robotaxi商业化的市场之一。中国也非常重视自动驾驶的机遇，本土企业展现出了巨大的规模效应。此外中东地区也是一个极具吸引力的市场，尤其是对寻求更高利润的中国企业而言。在监管方面，正如木头姐所说，自动驾驶平台已经证明比人类驾驶员安全得多。多年前我们曾估计Robotaxi能带来约80%的安全性提升，如今Waymo等平台以及Tesla发布的FSD全自动驾驶安全统计数据都证实了这一点。这项技术已经成熟，虽然监管对推动普及至关重要，但无人车已经上路，我们预见全面普及将在未来5到10年内发生。目前技术已不再是障碍，真正的挑战在于如何让Robotaxi跨越少数城市的初步试点，实现真正的车队规模化扩张。这需要Tesla这样能将大量汽车投入路面的公司，也需要Waymo与车企的深度合作，以及中国企业的软硬件协同。低成本的车辆平台将在这里发挥关键作用，只有这样才能扩展车队规模并向消费者提供具吸引力的产品。随着规模扩大，每英里成本将持续低于现有的网约车价格，这才是扩大市场规模的核心关键所在，也是各大公司接下来在执行层面的首要任务。5.可回收火箭成本正在大幅降低主持人：接下来让我们谈谈可重复使用的火箭。研究员：火箭的可重复使用性确实正在全面开启太空经济。2025年是一个极具标志性的年份，年度入轨质量达到了历史最高水平，这主要归功于SpaceX。目前SpaceX拥有超过9000颗活跃的Starlink卫星在轨运行，占目前在轨卫星总数的三分之二以上。他们之所以能占据主导地位，是因为拥有领先业界十年的先发优势。2015年SpaceX就成功回收了首个轨道级助推器，在部分重复使用方面执行得近乎完美，而其最强劲的竞争对手直到去年年底才首次成功回收助推器。当其他公司还在努力掌握部分重复使用技术时，SpaceX已经全力推进全重复使用技术，这直接转化为发射成本的断崖式下降。我们研究的核心在于莱特定律，在发射成本的语境下，该定律指出进入轨道的累计质量每翻一倍，发射成本就会下降17%。SpaceX的Falcon 9火箭已经证明了这一点。据我们估计自2008年以来，他们已将发射成本降低了约95%。这在太空时代开启了海量的新机遇，包括轨道数据中心，以及在技术融合背景下极大推进多组学发展的医疗失重测试。目前发射价格已降至每公斤约1000美元。当SpaceX成功部署满载且完全可重复使用的Starship火箭时，我们预计成本将降至每公斤100美元以下。这也是轨道数据中心变得极具吸引力的原因。达到这一规模节点后，轨道数据中心可能比地面计算还要便宜25%。从Falcon 9每次发射约700美元的成本降低到Starship的100美元左右，将直接催生车载AI与天基计算的大爆发。天基计算对卫星的需求量至少是目前的十倍甚至更多，远超Starlink及现有通信星座的规模，仅此一项就能将市场扩大一个数量级。未来如果我们建立月球基地，卫星星座的成本甚至可能降至每公斤10美元左右，但这需要前期在月球建立庞大的基础设施。总之，发射成本的降低绝对是所有空间轨道基础设施发展的核心驱动力。木头姐：很多人非常担心AI和自动化会摧毁现有的就业机会。但我想说的是，我们现在正迎来一个全新世界的开启。太空探索是其中之一，另一个则是基于区块链技术和不可篡改的数字产权构建的在线世界。我认为这些领域都将迎来爆发式增长。因此我们对AI时代感到非常兴奋，我们坚信这最终将带来净就业岗位的增长。研究员：提到净就业创造和长期趋势，在可重复使用的火箭生态系统中，短期的现金流生成机会主要集中在卫星连接领域。比如大家都熟知的Starlink，其活跃订阅用户刚刚突破了1000万。这种爆发式增长同样印证了莱特定律。我们认为每当累计轨道的每秒千兆比特传输速率翻倍，卫星成本就会下降约44%。这条陡峭的成本下降曲线引发了行业的爆发式增长。实现规模化后，这可能是一个高达1600亿美元的年度营收机遇，这也是为什么众多航天公司争相进入公开市场以期分一杯羹的原因。6.未来5年的技术发展趋势主持人：那么从2026年到2030年，在AI、机器人、能源系统和公共区块链领域，融合技术栈的发展论点将如何演变？最重要的瓶颈又是什么？研究员：从多元化投资的视角来看，广泛接触多种前沿技术非常重要。你可以全力投入AI企业软件，即使该领域遇到短期波折，也不会影响多组学市场中新疗法的成功研发与定价。虽然AI是所有这些技术的底层加速器，但各细分领域面临着截然不同的商业化阻力和市场机遇。我们需要跨越所有技术领域去积蓄势能，预判并捕捉转化为现金流的动能以进行再投资。关于瓶颈，我们认为全球确实需要更多算力。无论是发展基于太空的数据中心这种正交维度的算力扩张，还是美国本土芯片晶圆厂的持续扩建，都在为算力基础设施添砖加瓦。比如Boom这家超音速民用飞机公司，由于其引擎技术完美契合AI数据中心的巨大动力需求，硬生生开辟出了一项为算力提供电力保障的庞大新业务。目前资本市场正蜂拥而至为这些基础设施机遇提供弹药，这是当下最重要的行业催化剂。木头姐：正如大家多次提到的，单位增长至关重要，这也正是莱特定律的核心。如果非要说什么是阻碍发展的瓶颈，像全球战争这样的极端灾难当然会是重大阻碍。但有趣的是，即使在最艰难的时刻，企业和消费者也依然愿意改变做事的方式，去寻求更好、更便宜、更高效、更精简且更具创造力的解决方案。COVID疫情就是一个绝佳的例子。当时全球供应链一度陷入停滞，各项工作严重受阻，但这反而倒逼了技术落地，现在我们不仅渡过了难关，甚至在以更快的速度向前迈进。研究员：颠覆性技术最大的竞争对手实际上是惯性和现状。当前社会对AI的集体担忧，反而促使人们更积极地采取行动去了解并接纳这项技术。这也是为什么企业确信需要再投入数千亿美元来扩建算力，因为现有的算力根本无法满足客户对AI融合应用的需求。关于在Agentic AI时代企业级软件以及SaaS的未来，我们认为AI对软件的变革并不一定会完全摧毁现有格局。AI正在让开发新软件变得比以往任何时候都容易。部分企业会选择自主开发或增强内部软件能力，但更有可能的是，我们将看到一批更具AI原生属性、更敏捷且针对特定行业量身定制的新兴竞争对手脱颖而出。与其让每家公司都构建自己的CRM系统，不如选择这些效率极高的新一代工具。这种范式转变动摇了市场对传统软件巨头营收增长和定价能力的预期，导致它们在资本市场被持续抛售。目前许多优秀的AI原生公司还在私募市场中孕育。比如用于客户服务的Sierra、主攻法律事务的Harvey，以及辅助软件开发的Cursor。以Cursor为例，成立仅三年其营收运行率就突破了20亿美元。在传统云计算时代，达到1亿美元的运行率就是一个巨大的里程碑，像Twilio这样的头部公司花了六年时间、动用500人才实现。而Cursor却用一半的时间和人力，创造了传统SaaS巨头20倍的营收。这直观展示了Agentic AI带来的恐怖生产力飞跃。未来这些新一代软件企业将展现出惊人的商业爆发力。木头姐：我认为非常有必要说明的是，正因为AI大幅降低了技术门槛，我们坚信一场史无前例的创业大爆发即将到来，因为现在我们所有人都能直接使用自然语言进行编程了。所以，放手去创业吧！主持人：借着创业大爆发这个激动人心的话题，我们今天的会议就到此结束。非常感谢大家的参与，希望各位喜欢今天关于Big Ideas 2026的深度探讨。如果您还没有下载相关报告，请务必阅读查看。会后您可以通过网站或社交平台与我们取得联系。祝愿大家一切顺利，让我们携手共同推进创新。","news_type":1,"symbols_score_info":{"ARKK.UK":2}},"isVote":1,"likeStatus":false,"favoriteStatus":false,"reportStatus":false,"tweetType":1,"langContent":"CN"},{"id":542573079659440,"gmtCreate":1773489733564,"gmtModify":1773489736171,"author":{"id":"242949638079967","authorId":"242949638079967","name":"潍坊吉祥号","avatar":"https://static.tigerbbs.com/578ac994ad69614ee393c7c08aca3a38","vip":1,"crmLevel":2,"crmLevelSwitch":0,"idStr":"242949638079967","authorIdStr":"242949638079967"},"htmlText":"买的阿里卖了吗","listText":"买的阿里卖了吗","text":"买的阿里卖了吗","images":[],"top":1,"highlighted":1,"essential":1,"paper":1,"likeSize":1,"commentSize":0,"repostSize":0,"link":"https://laohu8.com/post/542573079659440","repostId":1151729793,"repostType":2,"repost":{"id":"1151729793","kind":"news","pubTimestamp":1773480975,"share":"https://www.laohu8.com/m/news/1151729793?lang=zh_CN&edition=full","pubTime":"2026-03-14 17:36","market":"us","language":"zh","title":"木头姐最新研判：AI正与四大前沿科技深度共振，引发史无前例“大加速”","url":"https://stock-news.laohu8.com/highlight/detail?id=1151729793","media":"划重点KeyPoints","summary":"团队认为，这五大平台的共振将引发一场史无前例的大加速。在这种强烈的商业诉求下，高达数万亿美元的AI软件支出，将支撑起庞大的算力与数据中心基础设施建设狂潮。生物学正在成为地球上最大的数据生成引擎，在AI的加持下，新药研发的时间将被缩短40%。凭借猎鹰9号的部分可回收技术，SpaceX目前已经将发射成本削减了约95%。目前全力使用AI能让1个单位的工作产出1.5个单位的成果。","content":"<html><head></head><body>3月13日，ARK Invest创始人，被称为“华尔街女股神”的木头姐（Cathie Wood），携核心研究团队深入解读《Big Ideas 2026》报告，对未来科技趋势做出最新洞察。<img src=\"https://static.tigerbbs.com/fa2b1fe0b95435abaadb1548a494d582\" tg-width=\"1080\" tg-height=\"608\"/>在此次分享中，ARK Invest重点探讨了五大创新平台的融合：AI、多组学（Multiomics）、公共区块链、机器人以及无人驾驶出租车。团队认为，这五大平台的共振将引发一场史无前例的大加速。作为颠覆性创新的坚定支持者，木头姐认为，我们正处于一场全面爆发的技术革命之中，而这场革命的种子早在上世纪80、90年代就已种下，如今正在生根发芽。我们梳理了本期播客的核心信息，以下是重点内容：1. AI正在从简单的文本对话，进化为具备长线执行力的智能体AI带来的新一代计算平台转移，正将人机交互界面从键盘和触屏彻底演进为自然语言。更重要的是，AI模型正在经历一场根本性的能力拐点：它们不再只能处理需要频繁干预的5分钟简短任务，而是能稳定、可靠地独立执行长达55分钟以上的复杂长线工作。这种生产力的大幅提升，将为企业带来极高的投资回报率。伴随模型逐渐能够生成合成数据来完成自我迭代，AI不仅是在帮助企业压缩成本，更在创造纯粹的净增收。在这种强烈的商业诉求下，高达数万亿美元的AI软件支出，将支撑起庞大的算力与数据中心基础设施建设狂潮。2.AI与生物学的融合正在形成强大飞轮，将引领医疗健康回归黄金时代尽管自动驾驶可能是未来创收体量最大的领域，但多组学和基因组学革命才是AI最深远、最具颠覆性的应用。AI与生物学的融合正在形成一个强大的飞轮，海量数据训练出更好的模型，更好的模型又能反哺出更精准的分子诊断与靶向药物。这一飞轮的底层动力在于断崖式下跌的测序成本。人类全基因组测序成本已从最初的近30亿美元降至如今的100美元，并有望在2030年降至仅10美元。生物学正在成为地球上最大的数据生成引擎，在AI的加持下，新药研发的时间将被缩短40%。这种范式转移将让一次性的治愈性基因疗法取代长期的慢性病管理，其单药的经济价值甚至可能比传统药物高出20倍。3.可回收火箭打破成本极限，开启太空基建新纪元根据莱特定律推算，每次将有效质量送入轨道的累计规模翻倍，火箭发射成本就会随之下降17%。凭借猎鹰9号的部分可回收技术，SpaceX目前已经将发射成本削减了约95%。一旦星舰级别的重型火箭实现完全可回收，把有效载荷送入太空的成本将从目前的每公斤1000美元骤降至100美元以下。这一量级突破不仅将极大地扩张卫星通信网络，更让太空轨道数据中心在商业上变得可行。跨过特定的成本门槛后，太空中运行的AI算力成本甚至可能比受到土地和电力网限制的地球本土还要便宜25%。4.无人驾驶出租车是具身智能的首个大规模商业化，重塑十万亿出行市场大众往往认为自动驾驶只是一项辅助驾驶功能，但在ARK看来，它是消费者能够在日常生活中接触到的首个大规模商业化的具身智能。决定这场出行革命胜负的关键，在于底层车辆的每英里运营成本。未来，无人驾驶出租车的规模化运营有望将出行成本压低至每英里25美分，这甚至不到欧美人类驾驶网约车成本的十分之一。极低的价格将释放极其庞大的潜在出行需求。到本世纪末，无人驾驶出租车有望创造高达10万亿美元的惊人总潜在市场（TAM）营收。在这一全新生态中，掌握核心自动驾驶技术的平台运营方，将攫取绝大部分的经济价值。5.五大创新平台融合共振，将颠覆全球经济范式面对当前关于科技领域投入过剩的担忧与极化争论，ARK认为当下的AI基建狂潮与19世纪末占据美国股市75%市值的铁路建设狂潮异曲同工。AI、多组学、公共区块链、机器人技术以及自动驾驶，这五大创新平台不仅各自达到了临界点，更在深度影响经济范式。例如，无人驾驶的普及将全美国每年高达4万亿美元的隐性人类驾驶时间，转化为了真实的GDP经济增量。这不是简单的产业升级，而是全球经济底层引擎的彻底重构。视频最后，木头姐强调，尽管颠覆性技术在早期会引发关于失业的社会焦虑，但历史规律证明，AI时代最终将成为一个净创造就业的时代。伴随着自然语言编程极大地降低了技术门槛，我们将见证一场史无前例的个体创业大爆发。未来的AI不仅仅是算力和代码，它将成为一种赋能人类文明的基础设施，让各行各业的创新以前所未有的速度在物理世界中落地。<img src=\"https://static.tigerbbs.com/26f4bc0044227a2ce996d0161a8f6929\" title=\"\" tg-width=\"1080\" tg-height=\"608\"/>  以下是ARK视频播客内容实录：<h2 id=\"id_2649472630\">1.五大创新平台奠定经济增长基础</h2>木头姐：大家好。我是Kathy Wood，ARK Invest的首席执行官兼首席投资官。今天我和研究及投资组合团队一起，为大家展示长达104页的《Big Ideas 2026》研究报告精华。我们相信，这正是投资银行家在80和90年代PC问世后所做的那种研究，旨在洞察技术的未来。那场技术革命的种子在那时就已播下并不断萌发，如今我们正处于一场全面的技术革命之中，需要通过原创性研究来探索未来并弄清它将引发什么。今天非常荣幸能与大家分享这些成果，同时向大家介绍团队的两名新成员，他们组成了我们的多组学(Multiomics)研究小组，在欧洲这也被称为基因组学。虽然从创收角度看，自动驾驶可能是规模最大的，但我们相信基因组学或多组学革命将是AI最深远的应用。主持人：谢谢Kathy。大家下午好，非常激动能在这里分享《Big Ideas 2026》并回答大家提出的800多个问题中的精选部分。接下来我想请问，从宏观层面来看，我们观察到的各种技术是如何融合并导致所谓“大加速”(Great Acceleration)的？研究员：目前有五大主要创新平台正在进入市场，其中AI是加速所有其他平台发展的核心动力。其他四大平台包括：多组学、公共区块链、机器人技术，以及涵盖无人驾驶出租车(RoboTaxi)的储能与自动驾驶出行。这五大创新平台都处于关键转折期，引发了自铁路时代以来最大规模的技术基础设施投资周期。这不仅在短期内影响宏观经济增长，数据中心和对AI智能体(Agent)的投资也在改变商业格局，并为未来的持续经济增长奠定基础。随着投资获得正向回报，预计到本十年末全球经济将实现超过7%的实际复合增长率。虽然外界普遍预计增长率为3%，但这完全符合重大技术转型期潜在均衡增长率发生转变的经济历史规律。市场将追随宏观趋势，我们预计全球超过60%的股市总市值将归属于颠覆性创新平台。我想传递的核心信息是：你必须拥抱创新，如果持有的资产不以创新为核心，其价值比例在未来十年可能会相对下降。如同19世纪70年代后期美国股市75%的市值都归功于铁路行业一样，如今这五大平台也将迎来相似的企业价值爆发。这就是我们所说的“大加速”。<img src=\"https://static.tigerbbs.com/804b9e5097445ece555bbf486ebf7a32\" title=\"\" tg-width=\"1080\" tg-height=\"608\"/><h2 id=\"id_3771189295\">2.AI基础设施建设狂潮</h2>主持人：好的。那么第一个具体问题是：相对于现有的能源可用性，我们是否过度建设了AI基础设施？这会带来什么影响？另外，太空数据中心的可行性和经济性如何？需要实现哪些技术和商业里程碑才能让它们与地面替代方案具备竞争力？研究员：人们担心的不仅是能源可用性，还有大量资金涌入AI领域是否明智。我们衡量AI性能的标准是它能为知识工作者带来多少价值。目前全力使用AI能让1个单位的工作产出1.5个单位的成果。企业只需支付相当于员工薪水一小部分的费用，就能获得惊人的业务回报。随着AI进步，我们预计在基准情景下，AI软件上的投入将达到7万亿美元，这足以支撑超过一万亿美元的数据中心基础设施建设。虽然能源在某些地区(如俄亥俄州中部)确实是个制约因素，但许多新型云公司正努力解决，我们不认为这是全球性的绝对限制。与90年代铺设大量光纤后沉寂多年不同，如今从文本语言模型到多组学、自动驾驶和具身机器人，每一颗GPU都在被充分使用甚至供不应求。关于太空数据中心，在现有的Falcon 9等发射平台上确实不具备经济性。但随着SpaceX的下一代可重复使用火箭Starship的推出，每吨入轨成本可能会降至几百美元。一旦跨过这个门槛，基于太空的AI计算将比地面计算更具成本竞争力。这不仅解决了地面因政治阻力或能源网限制导致的数据中心建设难题，还能让AI计算不受局部限制地实现规模化扩展。Elon Musk曾说这只是个工程问题，而正如他当年力排众议用手机电池造车一样，当他全神贯注解决工程问题时，事实证明他总是对的。主持人：非常精彩。接下来能否向我们简要介绍一下目前对AI发展趋势的整体看法？在营收创造方面，AI在哪些领域创造了真正的净新增营收，而不仅仅是通过提高效率来压缩利润空间？ARK又是如何从炒作中辨别出真正有价值的信号的？研究员：我们认为AI是一次代际级别的平台转型，就像当年从PC向智能手机的跨越一样。AI正将用户界面从键盘转向自然语言，以全新的方式与计算机交互，使其更易用且功能更强大。我们将看到内置AI助手的新产品形态，比如Meta Ray-Ban智能眼镜。相比互联网和智能手机，AI的普及速度是之前的两倍多，仅用三年就达到了20%的普及率。推动这一进程的是AI模型训练和推理成本的大幅下降。在消费者领域，个人AI智能体(Agent)正成为获取互联网服务和信息的首要入口，用户越来越信任ChatGPT或Claude。这创造了新的变现和商业模式，AI智能体能代表我们进行交易，注意力的转移也将吸引大量广告资金投入这些新助手。例如在ChatGPT中集成Instacart，只需拍下食谱照片，AI就能帮你完成90%的杂货订购，这种打破旧习惯的便捷体验创造了原本根本不存在的增量收入。在企业知识型工作方面，自去年底以来，模型的长期推理能力迎来了根本性转折。AI智能体能够可靠完成任务的平均时长已从5分钟提升到55分钟以上，无需人类时刻监督跟进。这极大地增强了企业的付费意愿，因为基础企业版聊天机器人的月订阅费，只需员工节省不到一天的时间就能回本。至于如何辨别炒作与实际信号，我们看到云服务商，如AWS、Azure、GCP的收入都在加速增长，GCP甚至实现了48%的同比增长，这证明了对算力的切实需求创造了巨大的新增收入。不仅是技术赋能者，最终受益者也在实现收入增长。例如Palantir帮助像AIG这样的保险公司，利用AI智能体来评估和承保以前因人工审核能力不足而积压的数十万份合同。这种在整个经济体中利用AI填补人力空白的应用，不仅降低了高昂的运营成本，更带来了真正的净新增营收和巨大的市场扩张。主持人：随着AIG等保险公司和企业不断采用AI，未来三年内AI规模化的最大瓶颈是什么？是电力、算力、数据质量、监管，还是人才？研究员：这是一个很好的问题，市场也一直在讨论当前的瓶颈究竟是什么。我认为最终的瓶颈归结为电力和算力。如果OpenAI想发布新产品，或者Claude Code正在扩大规模，再或者Anthropic想获取新用户，他们都需要GPU、存放GPU的数据中心以及将其连接到电网的电力，像xAI甚至在建造自己的发电厂。所有这些因素都需要结合在一起，我认为这是主要的瓶颈，甚至可能超过了数据或人才。从最新模型和AI实验室的研究趋势来看，模型正越来越多地生成自己的训练数据。虽然人类思维作为种子数据固然重要，但可以通过合成数据生成来无限扩展。此外，模型也参与寻找新的算法突破来提升自身性能。比如OpenAI讨论的最新编程模型，这是第一个在前代模型辅助下训练出来的新模型。这在一定程度上缓解了人才瓶颈。当然人才依然非常重要，这也是为什么四大核心AI实验室之间存在大量人才流动的原因。但我还是会把算力排在首位，前提是你拥有数据中心和充足的电力来启动这些芯片。此外，在遇到瓶颈时也可以进行权衡和折衷。过去人们常说数据快用完了，但思维链让我们意识到，实际上可以利用额外的算力基于现有数据生成新数据。如果在某一个环节遇到瓶颈，你可以通过消耗另一种资源来提升AI的能力。<img src=\"https://static.tigerbbs.com/edd57565742382ee883f787fe572b3d7\" title=\"\" tg-width=\"1080\" tg-height=\"608\"/><h2 id=\"id_1161871404\">3.AI赋能多组学测序</h2>主持人：太棒了。我们将进入下一个关于多组学(Multiomics)的环节。在这个领域你做出了非常出色的预测。随着AI加速药物研发和诊断，你认为在整个多组学技术栈中最大的价值获取点在哪里？是数据生成、模型开发，还是疗法的商业化？研究员：这是一个非常好的问题。人们本能地可能想从技术栈中挑选某一层，但实际上这些组件在彼此之上会产生叠加效应。AI在这里起到了核心枢纽的作用，驱动着生物创新的飞轮。更好的数据和更大量的数据输入能转化为更好的模型，而更好的模型又会反哺分子诊断、治疗干预和工具开发，这又会生成更多丰富的数据，从而形成一个良性循环。我们将这个周期分为四个关键领域：第一是多组学工具，即以更低成本获取更高质量的数据；第二是分子诊断，能够更早且更准确地检测出疾病；第三是AI药物研发，利用生物学洞察开发更优秀的候选药物，以更快、更低成本推向市场；最后是治愈，即针对疾病根源的一次性治疗。它们并非在真空中独立运行，而是相互增强形成飞轮效应。真正推动这一飞轮加速发展的因素是成本的大幅下降。几十年前，人类基因组计划完成第一个人类基因组测序耗时约13年，算上基础设施成本略低于30亿美元。如今完成全人类基因组测序只需100美元。展望2030年，我们预见这一成本将再下降一个数量级达到10美元左右。这种成本曲线的下降改变了原有的范式，包括检测门槛、检测频率以及由此产生的数据量。随着成本下降，测试数量将会增加，我们预计到2030年测试量将翻倍。值得注意的是，生物学领域生成的总Token数或数据量已经可以与用于训练前沿大语言模型的Token数量相媲美，预计到2030年这一规模将再增长10倍。总而言之，生物学正在成为全球最大的数据生成引擎之一，推动着整个医疗保健领域的深刻变革。作为投资组合经理，能学习到这些是一种荣幸。人体大约有35到40万亿个细胞，现在我们已经掌握了单细胞测序技术，这种数据爆炸的规模将使我们在计算时代见过的任何事物都显得微不足道。主持人：你刚才提到飞轮效应的一部分是对药物研发的影响。那么AI是否能实质性地降低临床试验的成本、时长以及失败率？这对Biotech领域的资本效率又意味着什么？研究员：这确实说到了点子上。更丰富的数据会催生更好的模型，其中最明显的影响之一就是药物研发的经济效益。从现状来看，传统的药物研发可能耗时超过十年，耗资数十亿美元，而且进入临床开发阶段的候选药物失败率高达90%。显然，这个领域急需提升效率。AI带来的动态效应是可以让药物更快推向市场，从而获得更多受专利保护的收入并降低成本，这具有真正的复利效应。我们的模型显示，AI有望将药物产品上市时间缩短40%，并将实际开发成本降低至原来的四分之一。历史上药物研发的回报率一直处于个位数水平，但考虑到更快的上市时间、更低的成本和更高的成功率，AI确实改变了这种资本效率范式。如果进一步将其应用于治愈性疗法，这种转变会更加剧烈。传统早期阶段的资产几乎没有经济价值，而由AI驱动的疗法，每种药物的价值可能超过20亿美元。我们正在构建一个对Biotech资本效率产生巨大影响的绝佳模型。木头姐：我在这里再补充一个视角。医疗保健行业的黄金时代是在80年代和90年代，当时研发支出的回报率高达30%，而现在已经降至中低个位数水平。我们认为投资回报率将重新回到那个高点，医疗保健行业将迎来新的黄金时代，考虑到外界目前的心理预期，这将是非常出乎意料的。主持人：由于我对这个话题很感兴趣，我想再追加一个问题：随着基因疗法的规模化应用，投资者应该如何看待监管风险以及保险覆盖的未来发展路径？研究员：这是一个多层面的问题，我们可以逐一拆解。在监管方面，特别是过去一年里发生了巨大的变化。美国FDA意识到药物上市极其困难，因此希望实现机构的现代化。他们积极与药物开发商合作来简化临床开发流程。我们已经看到了一些转化成果，尤其是针对罕见病和根源生物学疗法出台了新监管框架。另一方面是报销和保险障碍。有时候天价的标价会产生误导，比如看到一种疗法标价200万美元，人们自然会怀疑保险能否覆盖。以Casgevy为例，这是一种已获批治疗镰状细胞病和输血依赖型β-地中海贫血的基因编辑疗法，定价略高于200万美元，但在美国90%的患者都能获得报销。原因在于，你需要将该药物的价格与慢性病患者终身接受的长期治疗和频繁住院费用进行对比。这种对医疗保健系统的长期巨大价值正是其价格合理的原因。这凸显了治愈性药物的经济学原理与传统药物的本质不同。治愈性疗法仅需一次性治疗，你预先获取了所有的价值，将现金流提前，并获得了更多受专利保护的收入，还能避免竞争重叠。这意味着治愈性疗法比传统药物更具价值，潜在价值可能高达20倍。为了让这一点更加具体，我们可以看一个遗传性疾病的案例。遗传性血管水肿(HAE)是一种罕见病，会导致疼痛甚至危及生命的肿胀发作。目前患者需要终身接受长期治疗来控制发作，整个生命周期的费用可能高达1000万到2000万美元。以基因编辑疗法为例，该疗法已显示出令人鼓舞的临床数据。我们估计其合理价格在300万美元左右，而其基于核心价值的真实定价可能是这个数字的三到四倍，最终取决于疗效和持久性数据。如果将其应用于全美目前的7000名HAE患者，相当于为医疗系统节省了520亿美元的成本。尽管前期价格很高，但它能为患者带来更好的结果，消除终身症状管理的负担，并为医疗系统节省巨额开支。最后我想简要强调一下关于扩展市场的重要转变。基因编辑疗法正开始向体内转移，这种在体内进行编辑的理念正在助力其从罕见病领域拓展到常见病领域，包括全球首要杀手——心血管疾病。针对这类疾病，基于价值的定价可能在16.5万美元左右。这与罕见病疗法动辄数百万美元的价格截然不同，但却拥有巨大的潜在市场总量(TAM)。如果仅以美国最高风险的心血管患者为例，乘以这个价格，将得出高达2.8万亿美元的TAM。作为对比，立普妥曾多年蝉联史上最畅销药物，但其20年的累计销售额也不过是这个数字的十二分之一。所以从多组学中得出的核心结论是，AI与生物学的融合正在真正推动一场医疗保健领域的巨大革命。木头姐：目前股市还没有反应过来，但迟早会跟上的。最让我感到意外的是保险公司对那200万美元的定价完全没有异议，我认为市场甚至还没有注意到这一点。<img src=\"https://static.tigerbbs.com/749f06e277ff17b514225a723a34817d\" title=\"\" tg-width=\"1080\" tg-height=\"608\"/><h2 id=\"id_2537901505\">4.自动驾驶颠覆汽车行业</h2>主持人：谢谢你的精彩分享。接下来我们进入自动驾驶汽车(Autonomous Vehicles)的话题，请给我们讲讲这个领域的发展。研究员：好的。之前提到了具身智能(Embodied AI)，我们认为自动驾驶是消费者能看到的首个具身智能的大规模落地应用，而且这一切在今天已经发生了。我们已经看到有些车辆在道路上行驶，驾驶座和副驾驶座上都没有人，它们正在全自动地接送乘客四处穿梭。在这个商业化早期阶段，非常重要的一点是汽车的底层成本。当你拥有一支小型车队并试图扩大规模，或者试图说服合作伙伴时，汽车的制造成本固然重要，但更核心的是每英里的运营成本。每英里成本的降低将是真正推动这项技术和创新的核心动力。如果对比特斯拉和Waymo，我们看到特斯拉Model Y与第五代Waymo相比，每英里的增量成本降低了30%以上。随着新车型的推出，这种优势只会进一步扩大。比如将特斯拉的Cybercab与第六代Waymo对比，我们预计成本优势将达到50%。这在平台扩展初期至关重要，同时也关系到如何为消费者制定具有竞争力的价格策略。说到价格，我们认为Robotaxi平台在大规模运营时，可能收取的最低价格大约是每英里25美分。为了更直观地说明，它的成本不到西方市场人工驾驶网约车成本的十分之一，比自己驾驶私家车的成本还要低一半以上，甚至比中国的网约车还要便宜近一半。成本的降低将极大地扩张目前的网约车市场，实现低成本的点对点出行，让更多人享受出行服务，最终也会让我们的道路变得更加安全。这里蕴含着巨大的市场潜力。我们认为到本十年末，Robotaxi可能会创造34万亿美元的企业价值机遇，这些价值将主要累积到自动驾驶技术提供商或平台运营商手中。这些自主研发核心自动驾驶技术的公司，可以通过Robotaxi服务来实现商业闭环，这也是目前最大的营收机会之一。Robotaxi的TAM可能达到10万亿美元甚至更多，到本十年末，该领域的收入和利润可能达到2万亿美元左右。能够实现极低每英里成本的平台运营商和技术提供商将占据大部分经济收益。同时我们也看到传统汽车制造商正在与自动驾驶技术提供商以及网约车巨头合作，部分公司正在转变商业模式，成为自动驾驶技术公司和汽车制造商的维护服务提供商。我们预计自动驾驶将彻底改变整个汽车行业。目前基于传统燃油平台运营的厂商将会出现大量整合。Robotaxi的未来属于电动化，电动汽车对于优化每英里成本经济学并使其重新具备吸引力至关重要。我们在美国看到每英里2.80美元左右的理想价格上限再次出现。在中国网约车市场竞争要激烈得多，这正促使许多企业转向中东等市场寻求更大的利润空间。如今Robotaxi已经投入实际运营，我们在各大平台上追踪到的总行驶里程已接近一百万英里。现在的问题在于它何时能实现全面规模化，以及车队数量的激增如何进一步降低每英里成本。木头姐：我去过欧洲很多次，当我与他们分享关于Robotaxi以及我们团队所做的深度研究时，他们往往还无法感同身受，因为欧洲的监管机构尚未推进到那个阶段。但我们认为欧洲最终会跟进，因为自动驾驶的安全统计数据实在太惊人了。长期来看监管机构阻碍这一趋势是不明智的，甚至在专业角度上是不道德的。研究员：回到“大加速”的主题，以美国为例，每年人工驾驶中未获得报酬的劳动力成本超过4万亿美元。相对于美国30万亿美元的经济规模，如果将这4万亿美元未货币化的活动转化为经济活动，即你可以付费请别人以低于你时间成本的价格来代劳，最终将实现巨大的经济转型并显著拉动GDP增长。关于哪些地区最有可能率先实现大规模自动驾驶部署，以及监管一致性对商业成功的作用，我们认为美国和中国将是首批实现规模化落地的市场。在美国，由于监管权归属各州，它成为了首批允许大规模测试并实现Robotaxi商业化的市场之一。中国也非常重视自动驾驶的机遇，本土企业展现出了巨大的规模效应。此外中东地区也是一个极具吸引力的市场，尤其是对寻求更高利润的中国企业而言。在监管方面，正如木头姐所说，自动驾驶平台已经证明比人类驾驶员安全得多。多年前我们曾估计Robotaxi能带来约80%的安全性提升，如今Waymo等平台以及Tesla发布的FSD全自动驾驶安全统计数据都证实了这一点。这项技术已经成熟，虽然监管对推动普及至关重要，但无人车已经上路，我们预见全面普及将在未来5到10年内发生。目前技术已不再是障碍，真正的挑战在于如何让Robotaxi跨越少数城市的初步试点，实现真正的车队规模化扩张。这需要Tesla这样能将大量汽车投入路面的公司，也需要Waymo与车企的深度合作，以及中国企业的软硬件协同。低成本的车辆平台将在这里发挥关键作用，只有这样才能扩展车队规模并向消费者提供具吸引力的产品。随着规模扩大，每英里成本将持续低于现有的网约车价格，这才是扩大市场规模的核心关键所在，也是各大公司接下来在执行层面的首要任务。<img src=\"https://static.tigerbbs.com/e6773435134700e46f291c4460262643\" title=\"\" tg-width=\"1080\" tg-height=\"608\"/><h2 id=\"id_1810669231\">5.可回收火箭成本正在大幅降低</h2>主持人：接下来让我们谈谈可重复使用的火箭。研究员：火箭的可重复使用性确实正在全面开启太空经济。2025年是一个极具标志性的年份，年度入轨质量达到了历史最高水平，这主要归功于SpaceX。目前SpaceX拥有超过9000颗活跃的Starlink卫星在轨运行，占目前在轨卫星总数的三分之二以上。他们之所以能占据主导地位，是因为拥有领先业界十年的先发优势。2015年SpaceX就成功回收了首个轨道级助推器，在部分重复使用方面执行得近乎完美，而其最强劲的竞争对手直到去年年底才首次成功回收助推器。当其他公司还在努力掌握部分重复使用技术时，SpaceX已经全力推进全重复使用技术，这直接转化为发射成本的断崖式下降。我们研究的核心在于莱特定律，在发射成本的语境下，该定律指出进入轨道的累计质量每翻一倍，发射成本就会下降17%。SpaceX的Falcon 9火箭已经证明了这一点。据我们估计自2008年以来，他们已将发射成本降低了约95%。这在太空时代开启了海量的新机遇，包括轨道数据中心，以及在技术融合背景下极大推进多组学发展的医疗失重测试。目前发射价格已降至每公斤约1000美元。当SpaceX成功部署满载且完全可重复使用的Starship火箭时，我们预计成本将降至每公斤100美元以下。这也是轨道数据中心变得极具吸引力的原因。达到这一规模节点后，轨道数据中心可能比地面计算还要便宜25%。从Falcon 9每次发射约700美元的成本降低到Starship的100美元左右，将直接催生车载AI与天基计算的大爆发。天基计算对卫星的需求量至少是目前的十倍甚至更多，远超Starlink及现有通信星座的规模，仅此一项就能将市场扩大一个数量级。未来如果我们建立月球基地，卫星星座的成本甚至可能降至每公斤10美元左右，但这需要前期在月球建立庞大的基础设施。总之，发射成本的降低绝对是所有空间轨道基础设施发展的核心驱动力。木头姐：很多人非常担心AI和自动化会摧毁现有的就业机会。但我想说的是，我们现在正迎来一个全新世界的开启。太空探索是其中之一，另一个则是基于区块链技术和不可篡改的数字产权构建的在线世界。我认为这些领域都将迎来爆发式增长。因此我们对AI时代感到非常兴奋，我们坚信这最终将带来净就业岗位的增长。研究员：提到净就业创造和长期趋势，在可重复使用的火箭生态系统中，短期的现金流生成机会主要集中在卫星连接领域。比如大家都熟知的Starlink，其活跃订阅用户刚刚突破了1000万。这种爆发式增长同样印证了莱特定律。我们认为每当累计轨道的每秒千兆比特传输速率翻倍，卫星成本就会下降约44%。这条陡峭的成本下降曲线引发了行业的爆发式增长。实现规模化后，这可能是一个高达1600亿美元的年度营收机遇，这也是为什么众多航天公司争相进入公开市场以期分一杯羹的原因。<img src=\"https://static.tigerbbs.com/7e7d30c84e173e3cc4a81851ad94ff7f\" title=\"\" tg-width=\"1080\" tg-height=\"608\"/><h2 id=\"id_2214720627\">6.未来5年的技术发展趋势</h2>主持人：那么从2026年到2030年，在AI、机器人、能源系统和公共区块链领域，融合技术栈的发展论点将如何演变？最重要的瓶颈又是什么？研究员：从多元化投资的视角来看，广泛接触多种前沿技术非常重要。你可以全力投入AI企业软件，即使该领域遇到短期波折，也不会影响多组学市场中新疗法的成功研发与定价。虽然AI是所有这些技术的底层加速器，但各细分领域面临着截然不同的商业化阻力和市场机遇。我们需要跨越所有技术领域去积蓄势能，预判并捕捉转化为现金流的动能以进行再投资。关于瓶颈，我们认为全球确实需要更多算力。无论是发展基于太空的数据中心这种正交维度的算力扩张，还是美国本土芯片晶圆厂的持续扩建，都在为算力基础设施添砖加瓦。比如Boom这家超音速民用飞机公司，由于其引擎技术完美契合AI数据中心的巨大动力需求，硬生生开辟出了一项为算力提供电力保障的庞大新业务。目前资本市场正蜂拥而至为这些基础设施机遇提供弹药，这是当下最重要的行业催化剂。木头姐：正如大家多次提到的，单位增长至关重要，这也正是莱特定律的核心。如果非要说什么是阻碍发展的瓶颈，像全球战争这样的极端灾难当然会是重大阻碍。但有趣的是，即使在最艰难的时刻，企业和消费者也依然愿意改变做事的方式，去寻求更好、更便宜、更高效、更精简且更具创造力的解决方案。COVID疫情就是一个绝佳的例子。当时全球供应链一度陷入停滞，各项工作严重受阻，但这反而倒逼了技术落地，现在我们不仅渡过了难关，甚至在以更快的速度向前迈进。研究员：颠覆性技术最大的竞争对手实际上是惯性和现状。当前社会对AI的集体担忧，反而促使人们更积极地采取行动去了解并接纳这项技术。这也是为什么企业确信需要再投入数千亿美元来扩建算力，因为现有的算力根本无法满足客户对AI融合应用的需求。关于在Agentic AI时代企业级软件以及SaaS的未来，我们认为AI对软件的变革并不一定会完全摧毁现有格局。AI正在让开发新软件变得比以往任何时候都容易。部分企业会选择自主开发或增强内部软件能力，但更有可能的是，我们将看到一批更具AI原生属性、更敏捷且针对特定行业量身定制的新兴竞争对手脱颖而出。与其让每家公司都构建自己的CRM系统，不如选择这些效率极高的新一代工具。这种范式转变动摇了市场对传统软件巨头营收增长和定价能力的预期，导致它们在资本市场被持续抛售。目前许多优秀的AI原生公司还在私募市场中孕育。比如用于客户服务的Sierra、主攻法律事务的Harvey，以及辅助软件开发的Cursor。以Cursor为例，成立仅三年其营收运行率就突破了20亿美元。在传统云计算时代，达到1亿美元的运行率就是一个巨大的里程碑，像Twilio这样的头部公司花了六年时间、动用500人才实现。而Cursor却用一半的时间和人力，创造了传统SaaS巨头20倍的营收。这直观展示了Agentic AI带来的恐怖生产力飞跃。未来这些新一代软件企业将展现出惊人的商业爆发力。木头姐：我认为非常有必要说明的是，正因为AI大幅降低了技术门槛，我们坚信一场史无前例的创业大爆发即将到来，因为现在我们所有人都能直接使用自然语言进行编程了。所以，放手去创业吧！主持人：借着创业大爆发这个激动人心的话题，我们今天的会议就到此结束。非常感谢大家的参与，希望各位喜欢今天关于Big Ideas 2026的深度探讨。如果您还没有下载相关报告，请务必阅读查看。会后您可以通过网站或社交平台与我们取得联系。祝愿大家一切顺利，让我们携手共同推进创新。</body></html>","source":"lsy1749356715388","collect":0,"html":"<!DOCTYPE html>\n<html>\n<head>\n<meta http-equiv=\"Content-Type\" content=\"text/html; charset=utf-8\" />\n<meta name=\"viewport\" content=\"width=device-width,initial-scale=1.0,minimum-scale=1.0,maximum-scale=1.0,user-scalable=no\"/>\n<meta name=\"format-detection\" content=\"telephone=no,email=no,address=no\" />\n<title>木头姐最新研判：AI正与四大前沿科技深度共振，引发史无前例“大加速”</title>\n<style type=\"text/css\">\na,abbr,acronym,address,applet,article,aside,audio,b,big,blockquote,body,canvas,caption,center,cite,code,dd,del,details,dfn,div,dl,dt,\nem,embed,fieldset,figcaption,figure,footer,form,h1,h2,h3,h4,h5,h6,header,hgroup,html,i,iframe,img,ins,kbd,label,legend,li,mark,menu,nav,\nobject,ol,output,p,pre,q,ruby,s,samp,section,small,span,strike,strong,sub,summary,sup,table,tbody,td,tfoot,th,thead,time,tr,tt,u,ul,var,video{ font:inherit;margin:0;padding:0;vertical-align:baseline;border:0 }\nbody{ font-size:16px; line-height:1.5; color:#999; background:transparent; }\n.wrapper{ overflow:hidden;word-break:break-all;padding:10px; }\nh1,h2{ font-weight:normal; line-height:1.35; margin-bottom:.6em; }\nh3,h4,h5,h6{ line-height:1.35; margin-bottom:1em; }\nh1{ font-size:24px; }\nh2{ font-size:20px; }\nh3{ font-size:18px; }\nh4{ font-size:16px; }\nh5{ font-size:14px; }\nh6{ font-size:12px; }\np,ul,ol,blockquote,dl,table{ margin:1.2em 0; }\nul,ol{ margin-left:2em; }\nul{ list-style:disc; }\nol{ list-style:decimal; }\nli,li p{ margin:10px 0;}\nimg{ max-width:100%;display:block;margin:0 auto 1em; }\nblockquote{ color:#B5B2B1; border-left:3px solid #aaa; padding:1em; }\nstrong,b{font-weight:bold;}\nem,i{font-style:italic;}\ntable{ width:100%;border-collapse:collapse;border-spacing:1px;margin:1em 0;font-size:.9em; }\nth,td{ padding:5px;text-align:left;border:1px solid #aaa; }\nth{ font-weight:bold;background:#5d5d5d; }\n.symbol-link{font-weight:bold;}\n/* header{ border-bottom:1px solid #494756; } */\n.title{ margin:0 0 8px;line-height:1.3;color:#ddd; }\n.meta {color:#5e5c6d;font-size:13px;margin:0 0 .5em; }\na{text-decoration:none; color:#2a4b87;}\n.meta .head { display: inline-block; overflow: hidden}\n.head .h-thumb { width: 30px; height: 30px; margin: 0; padding: 0; border-radius: 50%; float: left;}\n.head .h-content { margin: 0; padding: 0 0 0 9px; float: left;}\n.head .h-name {font-size: 13px; color: #eee; margin: 0;}\n.head .h-time {font-size: 11px; color: #7E829C; margin: 0;line-height: 11px;}\n.small {font-size: 12.5px; display: inline-block; transform: scale(0.9); -webkit-transform: scale(0.9); transform-origin: left; -webkit-transform-origin: left;}\n.smaller {font-size: 12.5px; display: inline-block; transform: scale(0.8); -webkit-transform: scale(0.8); transform-origin: left; -webkit-transform-origin: left;}\n.bt-text {font-size: 12px;margin: 1.5em 0 0 0}\n.bt-text p {margin: 0}\n</style>\n</head>\n<body>\n<div class=\"wrapper\">\n<header>\n<h2 class=\"title\">\n木头姐最新研判：AI正与四大前沿科技深度共振，引发史无前例“大加速”\n</h2>\n\n<h4 class=\"meta\">\n\n\n2026-03-14 17:36 北京时间&nbsp;&nbsp;&nbsp;<a href=https://mp.weixin.qq.com/s/y70gwJPcplblzTOWDU_sYg>划重点KeyPoints</a>\n\n\n</h4>\n\n</header>\n<article>\n<div>\n3月13日，ARK Invest创始人，被称为“华尔街女股神”的木头姐（Cathie Wood），携核心研究团队深入解读《Big Ideas 2026》报告，对未来科技趋势做出最新洞察。在此次分享中，ARK Invest重点探讨了五大创新平台的融合：AI、多组学（Multiomics）、公共区块链、机器人以及无人驾驶出租车。团队认为，这五大平台的共振将引发一场史无前例的大加速。作为颠覆性创新的坚定...\n\n<a href=\"https://mp.weixin.qq.com/s/y70gwJPcplblzTOWDU_sYg\">网页链接</a>\n\n</div>\n\n\n</article>\n</div>\n</body>\n</html>\n","type":0,"thumbnail":"https://static.tigerbbs.com/0fb0479ff67cd3a760cdce353bcb60ed","relate_stocks":{"ARKK.UK":"ARK INNOVATION UCITS ETF"},"source_url":"https://mp.weixin.qq.com/s/y70gwJPcplblzTOWDU_sYg","is_english":false,"share_image_url":"https://static.laohu8.com/e9f99090a1c2ed51c021029395664489","article_id":"1151729793","content_text":"3月13日，ARK Invest创始人，被称为“华尔街女股神”的木头姐（Cathie Wood），携核心研究团队深入解读《Big Ideas 2026》报告，对未来科技趋势做出最新洞察。在此次分享中，ARK Invest重点探讨了五大创新平台的融合：AI、多组学（Multiomics）、公共区块链、机器人以及无人驾驶出租车。团队认为，这五大平台的共振将引发一场史无前例的大加速。作为颠覆性创新的坚定支持者，木头姐认为，我们正处于一场全面爆发的技术革命之中，而这场革命的种子早在上世纪80、90年代就已种下，如今正在生根发芽。我们梳理了本期播客的核心信息，以下是重点内容：1. AI正在从简单的文本对话，进化为具备长线执行力的智能体AI带来的新一代计算平台转移，正将人机交互界面从键盘和触屏彻底演进为自然语言。更重要的是，AI模型正在经历一场根本性的能力拐点：它们不再只能处理需要频繁干预的5分钟简短任务，而是能稳定、可靠地独立执行长达55分钟以上的复杂长线工作。这种生产力的大幅提升，将为企业带来极高的投资回报率。伴随模型逐渐能够生成合成数据来完成自我迭代，AI不仅是在帮助企业压缩成本，更在创造纯粹的净增收。在这种强烈的商业诉求下，高达数万亿美元的AI软件支出，将支撑起庞大的算力与数据中心基础设施建设狂潮。2.AI与生物学的融合正在形成强大飞轮，将引领医疗健康回归黄金时代尽管自动驾驶可能是未来创收体量最大的领域，但多组学和基因组学革命才是AI最深远、最具颠覆性的应用。AI与生物学的融合正在形成一个强大的飞轮，海量数据训练出更好的模型，更好的模型又能反哺出更精准的分子诊断与靶向药物。这一飞轮的底层动力在于断崖式下跌的测序成本。人类全基因组测序成本已从最初的近30亿美元降至如今的100美元，并有望在2030年降至仅10美元。生物学正在成为地球上最大的数据生成引擎，在AI的加持下，新药研发的时间将被缩短40%。这种范式转移将让一次性的治愈性基因疗法取代长期的慢性病管理，其单药的经济价值甚至可能比传统药物高出20倍。3.可回收火箭打破成本极限，开启太空基建新纪元根据莱特定律推算，每次将有效质量送入轨道的累计规模翻倍，火箭发射成本就会随之下降17%。凭借猎鹰9号的部分可回收技术，SpaceX目前已经将发射成本削减了约95%。一旦星舰级别的重型火箭实现完全可回收，把有效载荷送入太空的成本将从目前的每公斤1000美元骤降至100美元以下。这一量级突破不仅将极大地扩张卫星通信网络，更让太空轨道数据中心在商业上变得可行。跨过特定的成本门槛后，太空中运行的AI算力成本甚至可能比受到土地和电力网限制的地球本土还要便宜25%。4.无人驾驶出租车是具身智能的首个大规模商业化，重塑十万亿出行市场大众往往认为自动驾驶只是一项辅助驾驶功能，但在ARK看来，它是消费者能够在日常生活中接触到的首个大规模商业化的具身智能。决定这场出行革命胜负的关键，在于底层车辆的每英里运营成本。未来，无人驾驶出租车的规模化运营有望将出行成本压低至每英里25美分，这甚至不到欧美人类驾驶网约车成本的十分之一。极低的价格将释放极其庞大的潜在出行需求。到本世纪末，无人驾驶出租车有望创造高达10万亿美元的惊人总潜在市场（TAM）营收。在这一全新生态中，掌握核心自动驾驶技术的平台运营方，将攫取绝大部分的经济价值。5.五大创新平台融合共振，将颠覆全球经济范式面对当前关于科技领域投入过剩的担忧与极化争论，ARK认为当下的AI基建狂潮与19世纪末占据美国股市75%市值的铁路建设狂潮异曲同工。AI、多组学、公共区块链、机器人技术以及自动驾驶，这五大创新平台不仅各自达到了临界点，更在深度影响经济范式。例如，无人驾驶的普及将全美国每年高达4万亿美元的隐性人类驾驶时间，转化为了真实的GDP经济增量。这不是简单的产业升级，而是全球经济底层引擎的彻底重构。视频最后，木头姐强调，尽管颠覆性技术在早期会引发关于失业的社会焦虑，但历史规律证明，AI时代最终将成为一个净创造就业的时代。伴随着自然语言编程极大地降低了技术门槛，我们将见证一场史无前例的个体创业大爆发。未来的AI不仅仅是算力和代码，它将成为一种赋能人类文明的基础设施，让各行各业的创新以前所未有的速度在物理世界中落地。  以下是ARK视频播客内容实录：1.五大创新平台奠定经济增长基础木头姐：大家好。我是Kathy Wood，ARK Invest的首席执行官兼首席投资官。今天我和研究及投资组合团队一起，为大家展示长达104页的《Big Ideas 2026》研究报告精华。我们相信，这正是投资银行家在80和90年代PC问世后所做的那种研究，旨在洞察技术的未来。那场技术革命的种子在那时就已播下并不断萌发，如今我们正处于一场全面的技术革命之中，需要通过原创性研究来探索未来并弄清它将引发什么。今天非常荣幸能与大家分享这些成果，同时向大家介绍团队的两名新成员，他们组成了我们的多组学(Multiomics)研究小组，在欧洲这也被称为基因组学。虽然从创收角度看，自动驾驶可能是规模最大的，但我们相信基因组学或多组学革命将是AI最深远的应用。主持人：谢谢Kathy。大家下午好，非常激动能在这里分享《Big Ideas 2026》并回答大家提出的800多个问题中的精选部分。接下来我想请问，从宏观层面来看，我们观察到的各种技术是如何融合并导致所谓“大加速”(Great Acceleration)的？研究员：目前有五大主要创新平台正在进入市场，其中AI是加速所有其他平台发展的核心动力。其他四大平台包括：多组学、公共区块链、机器人技术，以及涵盖无人驾驶出租车(RoboTaxi)的储能与自动驾驶出行。这五大创新平台都处于关键转折期，引发了自铁路时代以来最大规模的技术基础设施投资周期。这不仅在短期内影响宏观经济增长，数据中心和对AI智能体(Agent)的投资也在改变商业格局，并为未来的持续经济增长奠定基础。随着投资获得正向回报，预计到本十年末全球经济将实现超过7%的实际复合增长率。虽然外界普遍预计增长率为3%，但这完全符合重大技术转型期潜在均衡增长率发生转变的经济历史规律。市场将追随宏观趋势，我们预计全球超过60%的股市总市值将归属于颠覆性创新平台。我想传递的核心信息是：你必须拥抱创新，如果持有的资产不以创新为核心，其价值比例在未来十年可能会相对下降。如同19世纪70年代后期美国股市75%的市值都归功于铁路行业一样，如今这五大平台也将迎来相似的企业价值爆发。这就是我们所说的“大加速”。2.AI基础设施建设狂潮主持人：好的。那么第一个具体问题是：相对于现有的能源可用性，我们是否过度建设了AI基础设施？这会带来什么影响？另外，太空数据中心的可行性和经济性如何？需要实现哪些技术和商业里程碑才能让它们与地面替代方案具备竞争力？研究员：人们担心的不仅是能源可用性，还有大量资金涌入AI领域是否明智。我们衡量AI性能的标准是它能为知识工作者带来多少价值。目前全力使用AI能让1个单位的工作产出1.5个单位的成果。企业只需支付相当于员工薪水一小部分的费用，就能获得惊人的业务回报。随着AI进步，我们预计在基准情景下，AI软件上的投入将达到7万亿美元，这足以支撑超过一万亿美元的数据中心基础设施建设。虽然能源在某些地区(如俄亥俄州中部)确实是个制约因素，但许多新型云公司正努力解决，我们不认为这是全球性的绝对限制。与90年代铺设大量光纤后沉寂多年不同，如今从文本语言模型到多组学、自动驾驶和具身机器人，每一颗GPU都在被充分使用甚至供不应求。关于太空数据中心，在现有的Falcon 9等发射平台上确实不具备经济性。但随着SpaceX的下一代可重复使用火箭Starship的推出，每吨入轨成本可能会降至几百美元。一旦跨过这个门槛，基于太空的AI计算将比地面计算更具成本竞争力。这不仅解决了地面因政治阻力或能源网限制导致的数据中心建设难题，还能让AI计算不受局部限制地实现规模化扩展。Elon Musk曾说这只是个工程问题，而正如他当年力排众议用手机电池造车一样，当他全神贯注解决工程问题时，事实证明他总是对的。主持人：非常精彩。接下来能否向我们简要介绍一下目前对AI发展趋势的整体看法？在营收创造方面，AI在哪些领域创造了真正的净新增营收，而不仅仅是通过提高效率来压缩利润空间？ARK又是如何从炒作中辨别出真正有价值的信号的？研究员：我们认为AI是一次代际级别的平台转型，就像当年从PC向智能手机的跨越一样。AI正将用户界面从键盘转向自然语言，以全新的方式与计算机交互，使其更易用且功能更强大。我们将看到内置AI助手的新产品形态，比如Meta Ray-Ban智能眼镜。相比互联网和智能手机，AI的普及速度是之前的两倍多，仅用三年就达到了20%的普及率。推动这一进程的是AI模型训练和推理成本的大幅下降。在消费者领域，个人AI智能体(Agent)正成为获取互联网服务和信息的首要入口，用户越来越信任ChatGPT或Claude。这创造了新的变现和商业模式，AI智能体能代表我们进行交易，注意力的转移也将吸引大量广告资金投入这些新助手。例如在ChatGPT中集成Instacart，只需拍下食谱照片，AI就能帮你完成90%的杂货订购，这种打破旧习惯的便捷体验创造了原本根本不存在的增量收入。在企业知识型工作方面，自去年底以来，模型的长期推理能力迎来了根本性转折。AI智能体能够可靠完成任务的平均时长已从5分钟提升到55分钟以上，无需人类时刻监督跟进。这极大地增强了企业的付费意愿，因为基础企业版聊天机器人的月订阅费，只需员工节省不到一天的时间就能回本。至于如何辨别炒作与实际信号，我们看到云服务商，如AWS、Azure、GCP的收入都在加速增长，GCP甚至实现了48%的同比增长，这证明了对算力的切实需求创造了巨大的新增收入。不仅是技术赋能者，最终受益者也在实现收入增长。例如Palantir帮助像AIG这样的保险公司，利用AI智能体来评估和承保以前因人工审核能力不足而积压的数十万份合同。这种在整个经济体中利用AI填补人力空白的应用，不仅降低了高昂的运营成本，更带来了真正的净新增营收和巨大的市场扩张。主持人：随着AIG等保险公司和企业不断采用AI，未来三年内AI规模化的最大瓶颈是什么？是电力、算力、数据质量、监管，还是人才？研究员：这是一个很好的问题，市场也一直在讨论当前的瓶颈究竟是什么。我认为最终的瓶颈归结为电力和算力。如果OpenAI想发布新产品，或者Claude Code正在扩大规模，再或者Anthropic想获取新用户，他们都需要GPU、存放GPU的数据中心以及将其连接到电网的电力，像xAI甚至在建造自己的发电厂。所有这些因素都需要结合在一起，我认为这是主要的瓶颈，甚至可能超过了数据或人才。从最新模型和AI实验室的研究趋势来看，模型正越来越多地生成自己的训练数据。虽然人类思维作为种子数据固然重要，但可以通过合成数据生成来无限扩展。此外，模型也参与寻找新的算法突破来提升自身性能。比如OpenAI讨论的最新编程模型，这是第一个在前代模型辅助下训练出来的新模型。这在一定程度上缓解了人才瓶颈。当然人才依然非常重要，这也是为什么四大核心AI实验室之间存在大量人才流动的原因。但我还是会把算力排在首位，前提是你拥有数据中心和充足的电力来启动这些芯片。此外，在遇到瓶颈时也可以进行权衡和折衷。过去人们常说数据快用完了，但思维链让我们意识到，实际上可以利用额外的算力基于现有数据生成新数据。如果在某一个环节遇到瓶颈，你可以通过消耗另一种资源来提升AI的能力。3.AI赋能多组学测序主持人：太棒了。我们将进入下一个关于多组学(Multiomics)的环节。在这个领域你做出了非常出色的预测。随着AI加速药物研发和诊断，你认为在整个多组学技术栈中最大的价值获取点在哪里？是数据生成、模型开发，还是疗法的商业化？研究员：这是一个非常好的问题。人们本能地可能想从技术栈中挑选某一层，但实际上这些组件在彼此之上会产生叠加效应。AI在这里起到了核心枢纽的作用，驱动着生物创新的飞轮。更好的数据和更大量的数据输入能转化为更好的模型，而更好的模型又会反哺分子诊断、治疗干预和工具开发，这又会生成更多丰富的数据，从而形成一个良性循环。我们将这个周期分为四个关键领域：第一是多组学工具，即以更低成本获取更高质量的数据；第二是分子诊断，能够更早且更准确地检测出疾病；第三是AI药物研发，利用生物学洞察开发更优秀的候选药物，以更快、更低成本推向市场；最后是治愈，即针对疾病根源的一次性治疗。它们并非在真空中独立运行，而是相互增强形成飞轮效应。真正推动这一飞轮加速发展的因素是成本的大幅下降。几十年前，人类基因组计划完成第一个人类基因组测序耗时约13年，算上基础设施成本略低于30亿美元。如今完成全人类基因组测序只需100美元。展望2030年，我们预见这一成本将再下降一个数量级达到10美元左右。这种成本曲线的下降改变了原有的范式，包括检测门槛、检测频率以及由此产生的数据量。随着成本下降，测试数量将会增加，我们预计到2030年测试量将翻倍。值得注意的是，生物学领域生成的总Token数或数据量已经可以与用于训练前沿大语言模型的Token数量相媲美，预计到2030年这一规模将再增长10倍。总而言之，生物学正在成为全球最大的数据生成引擎之一，推动着整个医疗保健领域的深刻变革。作为投资组合经理，能学习到这些是一种荣幸。人体大约有35到40万亿个细胞，现在我们已经掌握了单细胞测序技术，这种数据爆炸的规模将使我们在计算时代见过的任何事物都显得微不足道。主持人：你刚才提到飞轮效应的一部分是对药物研发的影响。那么AI是否能实质性地降低临床试验的成本、时长以及失败率？这对Biotech领域的资本效率又意味着什么？研究员：这确实说到了点子上。更丰富的数据会催生更好的模型，其中最明显的影响之一就是药物研发的经济效益。从现状来看，传统的药物研发可能耗时超过十年，耗资数十亿美元，而且进入临床开发阶段的候选药物失败率高达90%。显然，这个领域急需提升效率。AI带来的动态效应是可以让药物更快推向市场，从而获得更多受专利保护的收入并降低成本，这具有真正的复利效应。我们的模型显示，AI有望将药物产品上市时间缩短40%，并将实际开发成本降低至原来的四分之一。历史上药物研发的回报率一直处于个位数水平，但考虑到更快的上市时间、更低的成本和更高的成功率，AI确实改变了这种资本效率范式。如果进一步将其应用于治愈性疗法，这种转变会更加剧烈。传统早期阶段的资产几乎没有经济价值，而由AI驱动的疗法，每种药物的价值可能超过20亿美元。我们正在构建一个对Biotech资本效率产生巨大影响的绝佳模型。木头姐：我在这里再补充一个视角。医疗保健行业的黄金时代是在80年代和90年代，当时研发支出的回报率高达30%，而现在已经降至中低个位数水平。我们认为投资回报率将重新回到那个高点，医疗保健行业将迎来新的黄金时代，考虑到外界目前的心理预期，这将是非常出乎意料的。主持人：由于我对这个话题很感兴趣，我想再追加一个问题：随着基因疗法的规模化应用，投资者应该如何看待监管风险以及保险覆盖的未来发展路径？研究员：这是一个多层面的问题，我们可以逐一拆解。在监管方面，特别是过去一年里发生了巨大的变化。美国FDA意识到药物上市极其困难，因此希望实现机构的现代化。他们积极与药物开发商合作来简化临床开发流程。我们已经看到了一些转化成果，尤其是针对罕见病和根源生物学疗法出台了新监管框架。另一方面是报销和保险障碍。有时候天价的标价会产生误导，比如看到一种疗法标价200万美元，人们自然会怀疑保险能否覆盖。以Casgevy为例，这是一种已获批治疗镰状细胞病和输血依赖型β-地中海贫血的基因编辑疗法，定价略高于200万美元，但在美国90%的患者都能获得报销。原因在于，你需要将该药物的价格与慢性病患者终身接受的长期治疗和频繁住院费用进行对比。这种对医疗保健系统的长期巨大价值正是其价格合理的原因。这凸显了治愈性药物的经济学原理与传统药物的本质不同。治愈性疗法仅需一次性治疗，你预先获取了所有的价值，将现金流提前，并获得了更多受专利保护的收入，还能避免竞争重叠。这意味着治愈性疗法比传统药物更具价值，潜在价值可能高达20倍。为了让这一点更加具体，我们可以看一个遗传性疾病的案例。遗传性血管水肿(HAE)是一种罕见病，会导致疼痛甚至危及生命的肿胀发作。目前患者需要终身接受长期治疗来控制发作，整个生命周期的费用可能高达1000万到2000万美元。以基因编辑疗法为例，该疗法已显示出令人鼓舞的临床数据。我们估计其合理价格在300万美元左右，而其基于核心价值的真实定价可能是这个数字的三到四倍，最终取决于疗效和持久性数据。如果将其应用于全美目前的7000名HAE患者，相当于为医疗系统节省了520亿美元的成本。尽管前期价格很高，但它能为患者带来更好的结果，消除终身症状管理的负担，并为医疗系统节省巨额开支。最后我想简要强调一下关于扩展市场的重要转变。基因编辑疗法正开始向体内转移，这种在体内进行编辑的理念正在助力其从罕见病领域拓展到常见病领域，包括全球首要杀手——心血管疾病。针对这类疾病，基于价值的定价可能在16.5万美元左右。这与罕见病疗法动辄数百万美元的价格截然不同，但却拥有巨大的潜在市场总量(TAM)。如果仅以美国最高风险的心血管患者为例，乘以这个价格，将得出高达2.8万亿美元的TAM。作为对比，立普妥曾多年蝉联史上最畅销药物，但其20年的累计销售额也不过是这个数字的十二分之一。所以从多组学中得出的核心结论是，AI与生物学的融合正在真正推动一场医疗保健领域的巨大革命。木头姐：目前股市还没有反应过来，但迟早会跟上的。最让我感到意外的是保险公司对那200万美元的定价完全没有异议，我认为市场甚至还没有注意到这一点。4.自动驾驶颠覆汽车行业主持人：谢谢你的精彩分享。接下来我们进入自动驾驶汽车(Autonomous Vehicles)的话题，请给我们讲讲这个领域的发展。研究员：好的。之前提到了具身智能(Embodied AI)，我们认为自动驾驶是消费者能看到的首个具身智能的大规模落地应用，而且这一切在今天已经发生了。我们已经看到有些车辆在道路上行驶，驾驶座和副驾驶座上都没有人，它们正在全自动地接送乘客四处穿梭。在这个商业化早期阶段，非常重要的一点是汽车的底层成本。当你拥有一支小型车队并试图扩大规模，或者试图说服合作伙伴时，汽车的制造成本固然重要，但更核心的是每英里的运营成本。每英里成本的降低将是真正推动这项技术和创新的核心动力。如果对比特斯拉和Waymo，我们看到特斯拉Model Y与第五代Waymo相比，每英里的增量成本降低了30%以上。随着新车型的推出，这种优势只会进一步扩大。比如将特斯拉的Cybercab与第六代Waymo对比，我们预计成本优势将达到50%。这在平台扩展初期至关重要，同时也关系到如何为消费者制定具有竞争力的价格策略。说到价格，我们认为Robotaxi平台在大规模运营时，可能收取的最低价格大约是每英里25美分。为了更直观地说明，它的成本不到西方市场人工驾驶网约车成本的十分之一，比自己驾驶私家车的成本还要低一半以上，甚至比中国的网约车还要便宜近一半。成本的降低将极大地扩张目前的网约车市场，实现低成本的点对点出行，让更多人享受出行服务，最终也会让我们的道路变得更加安全。这里蕴含着巨大的市场潜力。我们认为到本十年末，Robotaxi可能会创造34万亿美元的企业价值机遇，这些价值将主要累积到自动驾驶技术提供商或平台运营商手中。这些自主研发核心自动驾驶技术的公司，可以通过Robotaxi服务来实现商业闭环，这也是目前最大的营收机会之一。Robotaxi的TAM可能达到10万亿美元甚至更多，到本十年末，该领域的收入和利润可能达到2万亿美元左右。能够实现极低每英里成本的平台运营商和技术提供商将占据大部分经济收益。同时我们也看到传统汽车制造商正在与自动驾驶技术提供商以及网约车巨头合作，部分公司正在转变商业模式，成为自动驾驶技术公司和汽车制造商的维护服务提供商。我们预计自动驾驶将彻底改变整个汽车行业。目前基于传统燃油平台运营的厂商将会出现大量整合。Robotaxi的未来属于电动化，电动汽车对于优化每英里成本经济学并使其重新具备吸引力至关重要。我们在美国看到每英里2.80美元左右的理想价格上限再次出现。在中国网约车市场竞争要激烈得多，这正促使许多企业转向中东等市场寻求更大的利润空间。如今Robotaxi已经投入实际运营，我们在各大平台上追踪到的总行驶里程已接近一百万英里。现在的问题在于它何时能实现全面规模化，以及车队数量的激增如何进一步降低每英里成本。木头姐：我去过欧洲很多次，当我与他们分享关于Robotaxi以及我们团队所做的深度研究时，他们往往还无法感同身受，因为欧洲的监管机构尚未推进到那个阶段。但我们认为欧洲最终会跟进，因为自动驾驶的安全统计数据实在太惊人了。长期来看监管机构阻碍这一趋势是不明智的，甚至在专业角度上是不道德的。研究员：回到“大加速”的主题，以美国为例，每年人工驾驶中未获得报酬的劳动力成本超过4万亿美元。相对于美国30万亿美元的经济规模，如果将这4万亿美元未货币化的活动转化为经济活动，即你可以付费请别人以低于你时间成本的价格来代劳，最终将实现巨大的经济转型并显著拉动GDP增长。关于哪些地区最有可能率先实现大规模自动驾驶部署，以及监管一致性对商业成功的作用，我们认为美国和中国将是首批实现规模化落地的市场。在美国，由于监管权归属各州，它成为了首批允许大规模测试并实现Robotaxi商业化的市场之一。中国也非常重视自动驾驶的机遇，本土企业展现出了巨大的规模效应。此外中东地区也是一个极具吸引力的市场，尤其是对寻求更高利润的中国企业而言。在监管方面，正如木头姐所说，自动驾驶平台已经证明比人类驾驶员安全得多。多年前我们曾估计Robotaxi能带来约80%的安全性提升，如今Waymo等平台以及Tesla发布的FSD全自动驾驶安全统计数据都证实了这一点。这项技术已经成熟，虽然监管对推动普及至关重要，但无人车已经上路，我们预见全面普及将在未来5到10年内发生。目前技术已不再是障碍，真正的挑战在于如何让Robotaxi跨越少数城市的初步试点，实现真正的车队规模化扩张。这需要Tesla这样能将大量汽车投入路面的公司，也需要Waymo与车企的深度合作，以及中国企业的软硬件协同。低成本的车辆平台将在这里发挥关键作用，只有这样才能扩展车队规模并向消费者提供具吸引力的产品。随着规模扩大，每英里成本将持续低于现有的网约车价格，这才是扩大市场规模的核心关键所在，也是各大公司接下来在执行层面的首要任务。5.可回收火箭成本正在大幅降低主持人：接下来让我们谈谈可重复使用的火箭。研究员：火箭的可重复使用性确实正在全面开启太空经济。2025年是一个极具标志性的年份，年度入轨质量达到了历史最高水平，这主要归功于SpaceX。目前SpaceX拥有超过9000颗活跃的Starlink卫星在轨运行，占目前在轨卫星总数的三分之二以上。他们之所以能占据主导地位，是因为拥有领先业界十年的先发优势。2015年SpaceX就成功回收了首个轨道级助推器，在部分重复使用方面执行得近乎完美，而其最强劲的竞争对手直到去年年底才首次成功回收助推器。当其他公司还在努力掌握部分重复使用技术时，SpaceX已经全力推进全重复使用技术，这直接转化为发射成本的断崖式下降。我们研究的核心在于莱特定律，在发射成本的语境下，该定律指出进入轨道的累计质量每翻一倍，发射成本就会下降17%。SpaceX的Falcon 9火箭已经证明了这一点。据我们估计自2008年以来，他们已将发射成本降低了约95%。这在太空时代开启了海量的新机遇，包括轨道数据中心，以及在技术融合背景下极大推进多组学发展的医疗失重测试。目前发射价格已降至每公斤约1000美元。当SpaceX成功部署满载且完全可重复使用的Starship火箭时，我们预计成本将降至每公斤100美元以下。这也是轨道数据中心变得极具吸引力的原因。达到这一规模节点后，轨道数据中心可能比地面计算还要便宜25%。从Falcon 9每次发射约700美元的成本降低到Starship的100美元左右，将直接催生车载AI与天基计算的大爆发。天基计算对卫星的需求量至少是目前的十倍甚至更多，远超Starlink及现有通信星座的规模，仅此一项就能将市场扩大一个数量级。未来如果我们建立月球基地，卫星星座的成本甚至可能降至每公斤10美元左右，但这需要前期在月球建立庞大的基础设施。总之，发射成本的降低绝对是所有空间轨道基础设施发展的核心驱动力。木头姐：很多人非常担心AI和自动化会摧毁现有的就业机会。但我想说的是，我们现在正迎来一个全新世界的开启。太空探索是其中之一，另一个则是基于区块链技术和不可篡改的数字产权构建的在线世界。我认为这些领域都将迎来爆发式增长。因此我们对AI时代感到非常兴奋，我们坚信这最终将带来净就业岗位的增长。研究员：提到净就业创造和长期趋势，在可重复使用的火箭生态系统中，短期的现金流生成机会主要集中在卫星连接领域。比如大家都熟知的Starlink，其活跃订阅用户刚刚突破了1000万。这种爆发式增长同样印证了莱特定律。我们认为每当累计轨道的每秒千兆比特传输速率翻倍，卫星成本就会下降约44%。这条陡峭的成本下降曲线引发了行业的爆发式增长。实现规模化后，这可能是一个高达1600亿美元的年度营收机遇，这也是为什么众多航天公司争相进入公开市场以期分一杯羹的原因。6.未来5年的技术发展趋势主持人：那么从2026年到2030年，在AI、机器人、能源系统和公共区块链领域，融合技术栈的发展论点将如何演变？最重要的瓶颈又是什么？研究员：从多元化投资的视角来看，广泛接触多种前沿技术非常重要。你可以全力投入AI企业软件，即使该领域遇到短期波折，也不会影响多组学市场中新疗法的成功研发与定价。虽然AI是所有这些技术的底层加速器，但各细分领域面临着截然不同的商业化阻力和市场机遇。我们需要跨越所有技术领域去积蓄势能，预判并捕捉转化为现金流的动能以进行再投资。关于瓶颈，我们认为全球确实需要更多算力。无论是发展基于太空的数据中心这种正交维度的算力扩张，还是美国本土芯片晶圆厂的持续扩建，都在为算力基础设施添砖加瓦。比如Boom这家超音速民用飞机公司，由于其引擎技术完美契合AI数据中心的巨大动力需求，硬生生开辟出了一项为算力提供电力保障的庞大新业务。目前资本市场正蜂拥而至为这些基础设施机遇提供弹药，这是当下最重要的行业催化剂。木头姐：正如大家多次提到的，单位增长至关重要，这也正是莱特定律的核心。如果非要说什么是阻碍发展的瓶颈，像全球战争这样的极端灾难当然会是重大阻碍。但有趣的是，即使在最艰难的时刻，企业和消费者也依然愿意改变做事的方式，去寻求更好、更便宜、更高效、更精简且更具创造力的解决方案。COVID疫情就是一个绝佳的例子。当时全球供应链一度陷入停滞，各项工作严重受阻，但这反而倒逼了技术落地，现在我们不仅渡过了难关，甚至在以更快的速度向前迈进。研究员：颠覆性技术最大的竞争对手实际上是惯性和现状。当前社会对AI的集体担忧，反而促使人们更积极地采取行动去了解并接纳这项技术。这也是为什么企业确信需要再投入数千亿美元来扩建算力，因为现有的算力根本无法满足客户对AI融合应用的需求。关于在Agentic AI时代企业级软件以及SaaS的未来，我们认为AI对软件的变革并不一定会完全摧毁现有格局。AI正在让开发新软件变得比以往任何时候都容易。部分企业会选择自主开发或增强内部软件能力，但更有可能的是，我们将看到一批更具AI原生属性、更敏捷且针对特定行业量身定制的新兴竞争对手脱颖而出。与其让每家公司都构建自己的CRM系统，不如选择这些效率极高的新一代工具。这种范式转变动摇了市场对传统软件巨头营收增长和定价能力的预期，导致它们在资本市场被持续抛售。目前许多优秀的AI原生公司还在私募市场中孕育。比如用于客户服务的Sierra、主攻法律事务的Harvey，以及辅助软件开发的Cursor。以Cursor为例，成立仅三年其营收运行率就突破了20亿美元。在传统云计算时代，达到1亿美元的运行率就是一个巨大的里程碑，像Twilio这样的头部公司花了六年时间、动用500人才实现。而Cursor却用一半的时间和人力，创造了传统SaaS巨头20倍的营收。这直观展示了Agentic AI带来的恐怖生产力飞跃。未来这些新一代软件企业将展现出惊人的商业爆发力。木头姐：我认为非常有必要说明的是，正因为AI大幅降低了技术门槛，我们坚信一场史无前例的创业大爆发即将到来，因为现在我们所有人都能直接使用自然语言进行编程了。所以，放手去创业吧！主持人：借着创业大爆发这个激动人心的话题，我们今天的会议就到此结束。非常感谢大家的参与，希望各位喜欢今天关于Big Ideas 2026的深度探讨。如果您还没有下载相关报告，请务必阅读查看。会后您可以通过网站或社交平台与我们取得联系。祝愿大家一切顺利，让我们携手共同推进创新。","news_type":1,"symbols_score_info":{"ARKK.UK":2}},"isVote":1,"likeStatus":false,"favoriteStatus":false,"reportStatus":false,"tweetType":1,"langContent":"CN"}],"isCommentEnd":true,"newsSizeData":{"likeSize":11,"commentSize":2,"repostSize":2,"favoriteSize":18,"likeStatus":false,"favoriteStatus":false},"APP":{"userAgent":"Mozilla/5.0 AppleWebKit/537.36 (KHTML, like Gecko; compatible; ClaudeBot/1.0; +claudebot@anthropic.com)","isDev":false,"isTTM":false,"tenantId":"TBCN","deviceId":"web-server-community-laohu8-v3","version":"4.39.0","shortVersion":"4.39.0","platform":"web","vendor":"web","appName":"laohu8","isIOS":false,"isAndroid":false,"isTiger":false,"isTHS":false,"isWeiXin":false,"isWeiXinMini":false,"isWeiBo":false,"isQQ":false,"isBaiduSwan":false,"isBaiduBox":false,"isDingTalk":false,"isToutiao":false,"isOnePlus":false,"isHuaWei":false,"isXiaomi":false,"isXiaomiWebView":false,"isOppo":false,"isVivo":false,"isSamsung":false,"isMobile":false},"href":"/m/news/1151729793","isCrawlerRequest":true}