社区

金融市场从来不缺故事。 最近，一只叫VCX的基金在纽交所上市，随即上演了一**涨。不到一周，VCX价格最高冲到575美元，较开盘价涨幅超过1700%，吸引了超过10万名投资者入场。 即便回落之后，现在价格仍然有110美元出头，对应资产净值溢价接近5倍。 一只基金，为什么能被炒成这样？ 原因是，它让普通人第一次“可以买到”一级市场里的全球最顶级AI公司。 VCX本质上是一个“顶级AI资产包”，接近一半仓位押在AI上，底层资产直接指向Anthropic、OpenAI、Databricks这些最核心的独角兽。 但这件事，显然不只是“一只基金被爆炒”这么简单，而是AI时代下普通人FOMO情绪的极致表达。 一方面，过去十几年，美国公司越来越“晚上市”，大量价值在IPO之前就被创造并锁定。对普通投资者来说，靠二级市场获取超额收益，正在变得越来越难。 另一方面，相比传统公司15%–25%的增长，AI公司动辄翻倍的收入增长，再叠加“AI替代人类”的叙事不断被强化，一个隐含的共识正在形成： 未来的收益，会集中到少数“拥有AI资产的人”手里。 Fundrise正是在这个节点上，提出了听起来很有吸引力的概念：风险投资的民主化。而VCX就是这个概念下的产物。 今天，我们就来聊聊VCX，以及这背后，普通人在AI时代的那点不安。 / 01 / AI含量最高的基金，被爆炒了 你可以把VCX当成一只基金来看，但它又明显不是传统意义上的基金。 先看它买了什么。 VCX最大的特点，是它的“AI浓度”极高。整个组合里，有接近一半的仓位都押在AI上。 从资产结构看，大约85%都是私募资产，公开市场的东西只有1%，剩下的就是现金和一些固定收益。 其中，私募资产组成里绝大部分都是最顶级的AI资产，比如Anthropic占了20.7%，OpenAI占了9.9%，再加上Databricks的17.7%，基本就是把当下最贵

过去一段时间，智谱、Minimax等港股AI资产出现了一轮明显上涨。 但如果拆开来看，这轮行情背后有一个更重要的变化：被市场重点定价的，不再只是模型能力本身，而是已经跑出收入、验证商业路径的公司。 这对应的，是AI产业逻辑的一次切换。 过去两年，行业的主线是模型迭代——参数更大、能力更强、推理更好、成本更低，资本市场为“智能能力”定价。 但随着模型能力逐渐收敛、推理成本持续下行，AI开始进入规模化落地阶段。于是，一个更关键的分水岭开始出现：AI正在从“能力验证”，走向“结果交付”。 在这个节点上，晶泰科技成为一个具有代表性的样本。 从业绩来看，它已经成为国内最早实现年度盈利的AI应用公司之一。2025年，全年营业总收入达8.03亿元（人民币，下同），同比激增201.2%；经调整净利润额2.58亿元，首次实现全年扭亏为盈，成为港股首家盈利的AI4S（科学智能）股。 这件事的意义，并不在于利润本身，而在于它第一次在高度复杂的产业场景中，跑通了一条完整的商业闭环。 而这背后，对应的不是单个产品的成功，而是一种范式的转变。与其他“用AI做药”的公司不同，晶泰更像是一家“用AI重新定义科学研究方式”的公司。 前者是应用层，后者是基础设施层。也正是在这个差异之下，它们的价值开始走向分化。 / 01 / 当数据资产成为商业壁垒 作为国内首个实现年度盈利的AI应用公司，这件事的意义不在于赚了多少钱，而在于它第一次在高度复杂的产业场景里，跑通了一条完整的商业闭环。 回过头来看，这条闭环的核心，是一套极其“重”的系统能力组合： 模型负责预测与设计，机器人实验室负责执行与验证，数据持续回流，而Multi-Agent系统作为调度中枢，拆解任务、统筹资源，让整个研发流程可以持续运转。 本质上，这更接近一套“自动驾驶式”的研发体系。而这套系统最关键的，不是某一个能力，而是数据闭环。 AI for Sc

港股明星英矽智能再度搅动市场波澜。 3月29日，流传在网上的一则消息迅速引发市场广泛猜测。 还不等传言进一步发酵，3月29日晚8时左右，英矽智能即公告与礼来达成管线对外授权与全球药物研发合作。 这笔交易总价值高达27.5亿美元，首付款达1.15亿美元的合作，创下业内少见的高起点合作条件。甚至触发了HSR法案，即企业达到一定规模的交易需向FTC和美国司法部提交申报并等待审核期结束，若执法机构认为该交易不存在损害市场竞争的垄断行为，即可批准该请求。 这种“高首付、高总价、触发HSR”的配置，即便在生物医药行业一路高歌猛进推BD的当下也显得极具冲击力。对于英矽智能而言，这笔首付款和大额交易几乎提前锁定了一张高增长的门票，而对于整个赛道，这笔交易撕开了AI制药长期以来的“幻觉迷雾”：AI制药的竞争不再是“讲PPT”，而是进入了“比临床”和“拼订单”的兑现期。 有趣的是拉长时间线来看，礼来对英矽智能的加码呈现出清晰的梯度：从2023年达成软件合作，到2025年加码达成1亿美元的药物研发合作，再到2025年底礼来首次以基石投资者加入英矽智能的IPO。这种“渐进式加仓”的背后，不难看出传统巨头对AI制药公司真实价值的压力测试。 那么，这场历经三年的‘压力测试’，究竟让礼来看中了英矽智能口袋里的哪些核心筹码？当AI制药公司不再依赖融资续命，而是通过高溢价的BD（商务拓展）实现自我造血，其实际的商业成色究竟几何？ / 01 / 第一层拆解：触发HSR背后的“稀缺性”定价 这笔交易最耐人寻味的细节，莫过于触发了HSR法案（哈特-斯科特-罗迪诺反垄断改进法）。在全球生物医药BD中，能够触发美国反垄断审查的案例并不多见。 这通常意味着两个信号： 一是单笔交易的现金规模巨大（2026年约在1.3亿美元上下），跨过了法定的申报门槛； 二是该合作涉及的管线资产具有极强的市场潜力或行业独占性，以至于监管机

3月以来，港股AI股票又开始猛涨了。 但这里头涨得最猛的，既不是智谱，也不是MiniMax，而是一家很多人之前没怎么听过的公司——迅策。 涨得有多夸张？3月5日还在70港元，现在已经冲到140多港元，短短几天接近翻倍。更极端的是，有两天时间里，股价从76港元直接拉到153港元。 而一切的开始源于公司发布的2025年业绩盈喜。3月6日，公司发布了2025年业绩盈喜：全年收入12.8亿元，同比增长102%。 给出的解释也很直接：大模型落地，带动数据需求爆发。 随着股价暴涨，关于迅策的故事讲得飞起，又是“Token第一股”，又是对标Palantir。 那抛开这些叙述不谈，迅策到底距离Palantir有多远？ 今天，我们就把迅策这家公司拆一遍。 / 01 / 迅策是做什么的？ 迅策的业务，看上去很复杂，其实就干了两件事： 第一，把数据收上来、洗干净、整合好。第二，把数据变成可以直接用来做决策的结果。 简单来说，就是把数据变成可以直接用来做业务决策的东西。 这么说可能还不直观，我们就以资管行业为例。 这是一个典型的数据密集型行业：数据多、来源杂、结构复杂，而且对实时性要求极高。 但过去，这个行业处理数据的方式非常“原始”。 来自几十个终端、上百个Excel 表格的数据，需要人工收集、整理、校对，很多时候要等到收盘之后，才能完成一轮更新。 这种方式不仅效率低、错误率高，而且几乎不具备实时决策能力。 更麻烦的是系统割裂。 内部系统分散在不同业务线，外部数据来自不同供应商，彼此之间难以打通，最后形成“数据孤岛”。 数据拼不起来，自然也就无法支撑决策。 到了AI 时代，这个问题反而被进一步放大。 数据更多了、频率更高了、复杂度更强了，传统的数据架构已经撑不住，更别说把数据真正沉淀为业务能力。 这时候，迅策这类公司的价值才真正显现出来。 它本质上做了一件事：把“数据处理”这件事工业化。 一方面

这两天，千问上线了「AI打车」的Skill。 很多人可能没太当回事。AI都能帮点奶茶了，打车听起来不过是再多一个功能。 但这件事，没那么简单。 对AI来说，打车和点奶茶完全不是一回事。奶茶是标准化商品，选品、下单、支付，流程固定；而打车是一个高度非标的过程，涉及人数、车型、路线、时间，甚至临时变化，容错率也更低。 换句话说，这是一个更接近真实世界复杂度的任务。 而当你只需要动动嘴，就能让AI完成这样一件事时，变化就不只是“多了一个能力”。它指向的，是一种全新的交互方式，甚至是一套正在被改写的互联网入口逻辑。 为什么这么说？我们就从千问打车这件事开始聊起。 / 01 / 千问打车背后，交互范式的升级 从目前的用户体验来看，千问打车最大的特点，不在于打车本身，而是它对复杂需求的拆解和执行能力。 简单来说，它可以承接更复杂的指令。 比如，“6个人，需要一辆商务车”，“顺路接一个人”，这些在传统打车App里需要多步操作才能完成的需求，在千问里只需要一句话。系统会自动完成车型匹配、路径拆解，并结合地点记忆、时间预约等能力，把整件事完成。 对用户来说，你只需要像和人说话一样表达，剩下的交给系统完成。 这背后的变化，其实已经不是简单功能层面的提升，而是一次交互范式的升级。 过去十年，移动互联网解决的是一个问题：如何让用户更高效地操作工具。 过去，打车的标准流程是：打开App，输入目的地，选择车型，确认订单。本质是，用户在学习产品逻辑。 但在千问的打车Skill中，这个逻辑被彻底反转。 用户只需要说出：“6个人，需要一辆商务车”、“顺路接一个人”、“明天早上7点出发”。系统就能完成需求拆解，并自动完成车型匹配，路径拆解，时间调度等一系列任务。 也就是说，用户交互从“操作工具”变成“表达需求”，用户与服务之间的接口被彻底改变了。 这事的意义很大，主要体现在两个层面： 第一，能做的事情更多了。

你能想象吗？ 一家在中国几乎家喻户晓的公司，几乎不花钱做营销。2025 年前三季度，广告开支只有 2257 万。 它的人形机器人出货量已经做到全球第一，但2025 年前三季度，研发投入却还不到1个亿。 表面上是一家制造业公司，却做出了接近35% 的净利率，几乎追平五粮液。 把这些放在一起，你会看到一个非常反常的组合：低营销、低研发，却高增长、高利润。 这也指向了宇树更真实的一面：作为中国最受关注的科技公司之一，它几乎是由一连串“矛盾”构成的。 一边，是最前沿的技术叙事和较低的研发投入；另一边，是高端消费品公司的业绩表现和离成熟还很遥远的产品阶段。 而在当下这个阶段，人形机器人离大规模落地仍有距离，真正支撑起这套模型的，并不是应用本身，而是品牌。 也正是这种提前建立的品牌势能，让它在一个尚未成熟的行业里，率先跑出了“反直觉”的盈利能力。 / 01 / 收入17.08亿，增长341% 宇树的收入增长，几乎是指数级的。 2022 到 2024 年，公司收入从 1.21 亿做到 3.87 亿。到了 2025 年，直接跳到 17.08 亿，同比大约增长 341%。 如果把这段增长拆开看，会更清晰。 首先是结构。四足机器人和人形机器人，是宇树最主要的两条收入线。 截至2025 年前三季度，四足机器人收入 4.88 亿，占比 42.25%；人形机器人 5.95 亿，占比 51.53%。 也就是说，人形机器人已经成为第一大收入来源。 但真正的变化，不在占比，而在增速。 2023 年，人形机器人几乎可以忽略，全年收入只有 297 万。但到了 2025 年前三季度，直接做到 5.95 亿。 这背后，其实是一种非常典型但又不那么常见的增长路径。大多数高增长硬件公司，收入增长来自两件事：卖得更多、卖得更贵。 但宇树走的是另一条路：用成本下降，换价格下降，再用价格下降，换规模爆发。 以人形机器人为例

今年以来，随着AI越来越火，有一个话题一直被广泛讨论： AI到底会不会抢工作？ 这种讨论背后，其实是一种普遍的焦虑。大家都隐约感觉AI会带来冲击，但它究竟是怎么把一个白领岗位替代掉的，大多数人并没有清晰的理解。 要回答这个问题，或许并不难。因为技术带来的就业冲击，从来不是第一次发生。 最近我在外网上看到了一篇非常精彩的文章，从另一个视角理解了AI对工作的冲击。 它提到了一个很有趣的现象，当年ATM刚出现时，市场普遍认为银行柜员会大规模失业，但银行柜员不但没有消失，人数甚至一度比ATM普及前还多。 可如果把时间线拉长，你会发现，银行柜员这份工作后来还是大规模萎缩了。 而真正把它推向衰落的，不是ATM，而是iPhone。 通过这个现象，作者得出一个结论： 单纯的效率升级，并不会立刻带来想象中的大规模替代。 真正改变就业结构的，是技术引发的一整套系统重构，包括新的组织方式、新的公司形态，以及新的工作流。 到那时，被改变的，也将不再是某一个岗位，而是整套劳动结构本身。 / 01 / 取代劳动力的，不单单是技术 几个月前，美国副总统万斯在接受《纽约时报》专栏作者罗斯·杜特哈特采访时，谈到自己对人工智能的看法。 杜特哈特问他，是否担心AI会让人产生一种被淘汰的感觉，不一定是世界末日式的担忧，而是更现实的那种：人会不会觉得自己正在变得多余。 万斯的回答很典型。他说，技术和创新的历史表明，它们更多是在提升人的生产力，而不是简单取代劳动者。他举的例子，就是银行柜员和自动取款机。 这个故事很多人都很熟悉。大意是，当年ATM出现时，市场曾普遍预测银行柜员会大规模失业，但事实并非如此。 银行柜员不但没有消失，人数甚至一度比ATM普及前还多，只是工作内容发生了变化：从单纯处理取款、存款，转向更多客户服务和产品销售。 这是一个很经典的经济学寓言。很多经济学家、评论员和科技乐观主义者都引用过它，用来说明

昨天，腾讯音乐发布财报，股价直接大跌24.65%。 一个核心原因是，在线音乐服务的月度活跃用户继续下跌，2025Q4 的月活为 5.28 亿，相比 2024Q4 下跌了 5%，月活减少了 2800 万。 与此同时，另一边是汽水音乐的快速崛起。最新数据显示，其月活已突破1.4亿，同比增长接近90%，而做到这个规模，字节只用了三年。 如果只从表面看，这是简单的用户迁移。但更关键的问题在于：它过去赖以成立的那套逻辑，正在被动摇。 腾讯音乐，本质是建立在“人”本身的稀缺之上。优秀的歌手、稳定的创作能力、持续产出的作品，这些都是有限供给，因此平台可以围绕“人”去构建版权、流量和付费体系。 但在AI出现之后，这个前提正在被打破。 当音乐的生产，可以不依赖真实的创作者，当“像样的作品”可以被规模化、低成本地生成。用户面对的，就不再是“有限的人”，而是“无限的内容”。 在这种情况下，分发效率成为内容平台的核心竞争力。而这恰恰是背靠抖音分发体系的汽水音乐所擅长的。 所以，对腾讯音乐来说，真正的问题并不是月活的短期波动，而是当内容竞争的核心，从“人”转向“生产效率和分发效率”之后，那套围绕“人”所建立起来的商业体系，还能剩下多少不可替代的壁垒？ / 01 / 流行音乐是什么？ 很多人都有一个误区：在线音乐这门生意，核心是内容。 但事实上，流行的本质，从来都不是内容本身，而是媒介的话语权。媒介决定了审美，而审美决定了流行。 80年代香港乐坛为什么能爆发？很多人会说是创作力强、艺人多，但更底层的原因，其实是那一代的媒介形态——唱片。 唱片是一个很重的产品形态，它天然决定了两件事：第一，你必须围绕“专辑”去创作，而不是单首歌；第二，用户会在一张专辑里反复听，从而认识“这个人”。 所以，那个时代的商业模式，本质不是卖歌，而是打造艺人IP。你买专辑，不只是为了听歌，而是在“认识一个人”。从歌迷变成人迷，

昨天，又有一家AI公司准备登陆港股了。 它叫思谋科技。这家公司的业务有点特别，做的是工业AI智能体。 这个方向，过去其实并不多见。原因也很简单。工业，是一个对稳定性、精度和可靠性要求极高的场景。通用大模型，在这里往往“水土不服”。 而思谋科技不仅做了，还做到了第一。 根据灼识咨询的数据，按2025年收入计算，思谋科技是中国收入规模最大的工业AI智能体提供商，市场份额为5.8%。 2023年至2025年，思谋科技的收入由4.85亿元增长至10.86亿元，三年内营收翻了一倍多。更关键的是，其核心业务"工业AI智能体"的收入占比从62.4%一路攀升至78.5%。 今天，我们就来说说思谋科技。 / 01 / 工业AI到了拐点 这两年，很多人都在聊AI如何用升级制造业。但如果你把这件事拆开看，会发现一个挺有意思的变化： AI正在重写的，其实不是某个环节，而是整个自动化逻辑。 先说一个很简单的判断。所谓工业AI，本质上就是工业自动化的升级版。 只不过这一次，底层逻辑变了。 你可以把它类比成自动驾驶。过去的自动化，有点更像早期的“自动驾驶”，需要人把规则写好，系统按既定的规则来跑。 在标准化的道路上，这套系统效率很高。但问题也很明显，一旦环境变复杂，这套系统就开始失效。 这是放在工业自动化上也一样成立。 这种基于固定规则编程的模式，在面对单一、大批量生产时效率极高，但一旦遇到复杂的曲面材料、高反光表面，或者需要频繁换线的多品种生产时，其局限性就会迅速显现。 这也是为什么在高度自动化的今天，工厂里依然有大量依赖人工肉眼检测和手工操作的环节。 但大模型带来的变化，在于一件事：让机器开始具备“理解”和“判断”的能力。 也就是从“执行规则”，变成“根据环境实时决策”。 这其实是一次非常底层的变化。这意味着，工业系统从“自动化流程”，走向“具备决策能力的生产体系”。 有了AI的带动，中国工业AI市

前两天，大摩发了一份挺有意思的报告，标题也很直接：《中国AI GPU——缩小与美国的差距》。 报告里有一个核心判断，其实挺颠覆很多人的直觉：中国AI芯片和美国的差距，并没有市场想象得那么大。 更关键的是，大摩还提出了一个时间判断——2026年，可能会成为中国AI GPU产业的一个重要拐点。 为什么这么说？ 原因不只是技术在进步，更重要的是，国内新一轮AI GPU公司正在走向资本市场。比如百度旗下的昆仑芯、阿里体系里的平头哥，都将在未来一两年进入IPO阶段。 在这份报告里，大摩系统拆解了中国AI GPU产业，并试图回答三个核心问题： 第一，中国是否能够大规模供应具有竞争力的AI GPU？ 第二，中国AI GPU市场到底有多大？ 第三，投资人应该如何评估中国AI GPU公司的商业价值？ 接下来，我们就沿着这三个问题，一起看看大摩是怎么说的。 / 01 / 差距没有想象那么大 很多投资人在讨论中国AI GPU时，往往只盯着晶圆工艺节点，然后很快得出一个结论：中国AI芯片在制程上落后一代甚至几代，因此竞争力有限。 但大摩提出了一个相对不同的判断：中国AI芯片与美国的差距，其实没有市场想象得那么大。 原因很简单。中国的电力成本相对更低，因此能效在整体算力经济模型中的权重，并不像欧美那样高。 如果从“每美元每瓦性能”（performance per watt per dollar）的框架来看，这种差距会明显缩小。 要判断中国AI GPU是否能够真正实现规模化供应，关键还是要回到半导体产业链的供给侧——尤其是晶圆厂产能。 在这一层面，产能扩张不仅取决于晶圆厂的名义产能，还取决于一系列关键上游投入的成熟度和可获得性。而现实情况是，中国AI GPU产业链仍然受到多重供应瓶颈的制约。 这些瓶颈最明显地体现在晶圆前端设备（WFE）上。 在部分设备领域，中国已经取得一定进展。例如外延设备和刻蚀设备