摘要萬物皆宿命，人生即周期，人生發財靠康波。2025-2026年，我們將會看到，全球的去美元化、去貨幣化浪潮，AI引領新一輪科技革命，全球科技競賽和軍備競賽，大宗商品在需求爆發和供給約束下依次出現驚人的上漲狂潮，然後在未來引發通膨後面臨宿命般的貨幣收緊和產能投放，隨後在流動性退潮後，將在未來迎來康波周期的第一次大調整和蕭條期。周期即是輪迴，所有相信和懷疑者共同的命運。我們來過，愛過，然後像風一樣逝去。無所從來，亦無所去。舍離一切執著，心無所住。我在2021年預測“亂世黃金”，2024年9月預測“信心牛”，2025年初預測“大宗商品元年”。這些判斷不是短期，是基於長期的宏觀周期框架。赴美考察後提出：AI不是風口，是海嘯。2026年關鍵詞：新康波周期、大周期末期、聯準會降息、貿易摩擦、出海、AI超級應用爆發、房地產二八分化、信心牛、大宗元年。經濟有自身的運行規律，2026年將是六大周期疊加的結果：經濟社會大周期、創新康波周期、房地產周期、產能周期、庫存周期、債務周期。1、百年社會經濟大周期末期，舊秩序瓦解，新秩序重建，收入差距、民粹主義、社會撕裂、逆全球化、地緣動盪問題日益嚴重，全球軍備競賽。二戰以來全球經濟進入空前繁榮期，這是推行自由貿易、自由市場的結果，但是也帶來收入差距的巨大鴻溝，導致民粹主義指數回到1929年大蕭條前的水平，導致社會撕裂、逆全球化、地緣動盪、軍備競賽，以AI引領的科技革命不僅無法解決，反而會加重收入分配問題的嚴重性。在這樣的大背景下，大國之間的互信削弱，軍工崛起。2、創新周期迎來第四次科技革命，這是改變財富命運和國家實力的新一輪康波周期，超越IT網際網路革命，全球AI競賽將開啟大規模新基建資本開支。AI革命正處於爆發初期，隨著GPU、大模型技術快速迭代，大規模部署，成本快速下降，AI大規模商業化落地的超級應用時代到來，AI助理、無人駕駛、AI創新藥、人形機器人將改變世界。未來每個都將是AI人，每家公司都將是AI公司。各國正在開展一場AI爭霸的軍備競賽，帶動大規模資本開支。AI泡沫會短暫出現，但終將被未來的商業化買單，任何產業都會經歷萌芽、成長、爆發、成熟的階段。3、房地產周期進入大分化時代，出現二八分化現象。“房地產長期看人口、中期看土地、短期看金融”。隨著人口紅利結束、城鎮化進入尾聲、20-50歲購房人群減少、老齡化少子化到來，房地產告別高增長的普漲時代，但由於後房地產時代，人口往都市圈城市群集聚，未來房地產市場將呈現二八分化。2026年，預計20%人口流入的核心城市、核心區域將率先觸底，80%人口流出的低能級城市將面臨漫長陰跌。房地產市場走穩還需要政策繼續發力，比如放鬆限購、降低利率、大規模住房保障銀行收儲。4、產能周期新舊交替，傳統行業在市場力量和反內卷推動下產能出清，AI新質生產力帶動大規模新基建投資。傳統行業產能周期觸底，有望供求格局改善，價格和企業利潤修復。中國“十五五”規劃提出“搶占人工智能產業應用制高點”，這場由人工智慧驅動的新基建浪潮，將拉動算力、電力、銅等大規模投資，AI產業鏈的資本開支進入上行周期。5、庫存周期觸底回升，回升力度受長周期力量壓制。“反內卷”政策推動工業產品價格和企業利潤回升，庫存周期從被動去庫存向主動補庫存過渡，但回升力度偏弱，行業分化加劇，內需修復的基礎仍有待加強，外需面臨不確定性。2026年物價有望走出通縮，三大因素：反內卷，外部輸入性通膨，新質生產力投資。6、債務周期仍待破解，居民部門資產負債表仍需修復，財稅改革提速破題土地財政。居民部門受房地產市場影響仍在去槓桿，新質生產力企業大規模加槓桿，地方政府財政擴張受債務約束，2026年有必要加大財政、貨幣政策逆周期調節力度，重點支援新質生產力。外部環境：2026年，受關稅影響，全球經濟承壓；美國經濟冰火兩重天，人工智慧浪潮帶動資本開支擴張，但傳統製造業競爭力受關稅和通膨影響削弱，就業市場和通膨粘性對美國經濟構成挑戰；新任聯準會主席履新，預計鴿派，聯準會開啟積極的寬鬆周期，可能會持續大幅降息；川普面臨中期選舉，不排除政策多變；中美經貿關係短暫緩和，變數仍然較大。政策展望：“十五五”開局之年，五大政策值得期待。2026年總基調預計延續寬鬆，重點鼓勵新質生產力，五大政策值得期待。一是貨幣政策適度寬鬆，預計降准降息；二是財政政策力度保持積極，重點支援戰略新興產業和民生；三是房地產政策從促進止跌回穩到全面放開，建構新模式，鼓勵好房子；四是內需政策，投資於人和投資於物相結合，提高居民消費率；五是供給端“反內卷”，出清過剩產能，引導優質產能擴張。大類資產展望：股市“信心牛”，AI爆發，大宗元年，房地產二八分化。我們在2024年9月市場低谷提出“信心牛”和“東昇西落”，提出隨著宏觀政策迎來超預期放鬆拐點，各界對中國資產和經濟前景的信心改善。展望2026年：1）A股信心牛繼續，牛市邏輯仍在，預計走出慢牛長牛行情，主線是科技，關注AI、算力、半導體、智能駕駛、創新藥、儲能、固態電池、商業航天、軍工等。2）聯準會降息和去美元化，大宗商品元年。3）人民幣匯率升值，主因聯準會降息周期、中美利差縮小以及中國出口競爭力提升。4）一二線城市核心區域房價有望觸底，低能級城市有價無市。正文1百年社會經濟大周期末期，舊秩序瓦解，新秩序重建，收入差距、民粹主義、社會撕裂、逆全球化、地緣動盪問題日益嚴重社會經濟大周期的運行規律是增長與分配、效率與公平的周而復始。物極必反，否極泰來。當某一端力量過於集中，經濟社會內部自身也會醞釀逆相反的周期力量，這種新舊秩序調整將帶來內外部的陣痛、摩擦和動盪，直到舊秩序瓦解，新秩序重建，新周期到來。二戰以來，全球經濟進入空前繁榮期，這是推行自由貿易、自由市場的結果，但是也帶來收入差距的巨大鴻溝。社會撕裂、逆全球化、地緣動盪、軍備競賽，民粹主義指數回到1929年大蕭條前的水平。民粹主義強調底層民眾的利益和訴求，反對精英階層，具有情緒化特點，傾向於將複雜問題簡化為民眾與精英的對立。這樣的時代背景把川普代表的迎合民粹主義的政治人物推向歷史舞台，2025年在全球掀起關稅戰，截至2025年11月17日，消費者面臨的平均實際關稅稅率為16.8%，為1935年以來的最高水平。在這樣的大周期背景下，美國從全球秩序的維護者變為破壞者，動搖美國霸權三大根基。美國霸權地位建立在軍事、科技、金融三大霸權之上，本質是有能力輸出並維護全球秩序這一公共品。隨著美國製造業衰落、貧富差距拉大、社會日益撕裂、民粹主義盛行、向全球大打貿易戰、對外轉移矛盾、政府債務不斷創新高、貨幣無底線超發，美國成為全球秩序的破壞者。這導致三大霸權出現動搖或裂痕。軍事上，美國優先，留下巨大權力真空，大國之間不信任加劇，開啟軍備競賽，地緣政治動盪。過去很多經濟體依賴美國軍事庇佑，但俄烏衝突暴露了過度依賴單一安全盟友的風險，各國不得不重新審視自身國防安全建設。全球開啟軍備競賽，地緣動盪加劇。科技上，美國科技創新能力依舊強勁，但以AI引領的科技革命不僅無法解決、反而會加重收入分配問題的嚴重性。2025年4月5日，美國財政部長貝森特透露，美國排名前10%的人持有88%的股票資產，底層50%的人基本沒有股票。而且美國將科技封鎖、晶片武器化，隨意施加制裁禁運、禁止國際人士學習交流，科技成果的市場轉化和落地場景受限。金融上，全球開啟去美元化處理程序，轉向加倉黃金。在過去相當長的時間，聯準會尚能保持貨幣紀律性，美元在全世界範圍內被認可和流通，成為全球主要的儲備和支付貨幣。但隨著美國政府債務不斷創新高、貨幣無底線超發、美元武器化，越來越多央行開啟去美元化處理程序，減少美元儲備、尋求繞開SWIFT系統的通道、增加黃金配置。2018-2025年，美元在全球央行外匯儲備的佔比下降了4個百分點，而黃金佔比大幅上升了12個百分點，黃金儲備在全球央行平均佔比上升至22%。我們處在百年社會經濟大周期末期，全球秩序重構，對於中國而言，最好的應對就是做好自己的事，打鐵還需自身硬。當美國掀起“中國+1”，這也是中國企業紮根全球的機會窗口，從出口到出海，從紅海走向藍海，大航海時代正在到來！2創新周期迎來第四次科技革命，這是改變財富命運和國家實力的新一輪康波周期，堪比IT網際網路革命，全球AI競賽將開啟大規模新基建資本開支第四次科技革命是改變財富命運和國家實力的新一輪康波周期。創新周期，又稱康波周期，60年一輪。上一輪康波周期是IT網際網路技術驅動，從上世紀70-80年代醞釀，在90年代和2000年初大爆發，2007年前後到達繁榮的頂點，隨後過去十多年屬於康波的蕭條期。從2020年以來，AI技術革命正在引領新一輪康波周期，這是新的人生和財富逆襲機會。AI革命處在爆發期，泡沫會短暫出現，但終將被未來的商業化買單，任何產業都會經歷萌芽、成長、爆發、成熟的階段。市場擔心現在我們正處在一個與2000年網際網路剛開始時高度相似的AI泡沫中，未來泡沫可能會破裂。我們必須承認泡沫確實階段性存在，但泡沫化正是AI從實驗室邁向大規模應用的必經階段。當年的網際網路浪潮，先是鋪光纖、建基站，成本極高，但當基礎設施鋪設完畢，使用成本大幅下降後，誕生了淘寶、京東、微信、抖音、亞馬遜、FACEBOOK這樣的超級應用，以及偉大的公司，十倍百倍的大牛股。如果說第一波AI浪潮是賣鏟子的基建狂魔時代，那麼第二波浪潮就是AI超級應用和中國力量的爆發時代。隨著技術擴散，未來的GPU競爭必然加劇，硬體暴利時代將會終結。中國企業最擅長的就是將昂貴的科技產品變成普惠的基礎應用，從太陽能、新能源汽車到晶片，無一例外。一旦技術路徑跑通，國產晶片性能追平，利用大規模生產和市場的優勢，國產GPU的成本可能只有輝達的幾分之一。隨著GPU、大模型技術快速迭代，大規模部署，成本快速下降，AI大規模商業化落地的超級應用時代到來。AI算力成本大幅下降後，商業化落地越來越近了，也就是超級應用的新機會正在出現。AI助理、無人駕駛、AI創新藥、人形機器人將改變世界。未來每個都將是AI人，每家公司都將是AI公司。3 房地產周期進入大分化時代，出現二八分化現象房地產長期看人口、中期看土地、短期看金融。隨著人口紅利結束、城鎮化進入尾聲、20-50歲購房人群減少、老齡化少子化到來，房地產告別高增長的普漲時代，但由於後房地產時代，人口往都市圈城市群集聚，未來房地產市場將呈現二八分化。2026年，預計20%人口流入的核心城市、核心區域將率先觸底，80%人口流出的低能級城市將面臨漫長陰跌。房地產市場走穩還需要政策繼續發力，比如放鬆限購、降低利率、大規模住房保障銀行收儲。2025年是房地產市場止跌回穩的重要一年，政策“以放為主”。除了個別城市外大部分城市限購限貸措施，國家推出保交樓，收購存量房，央行提供3000億元保障性住房再貸款等。當前政策以“放”為主，起到一定托底作用，多數城市庫存去化周期仍處高位，居民購買力、信心存在不足。核心城市以價換量，大部分三四線樓市有價無市、房價持續下行。2025年12月商品房銷售面積和銷售額同比分別為-15.6%和-23.6%，較11月降幅縮窄1.7和1.5個百分點。2026年房地產政策有望轉向加碼鼓勵，市場調整進入尾聲。關注三大訊號：一是政策從“放鬆”到“加碼鼓勵”。2025年8月至9月，北京、上海和深圳等核心城市相繼最佳化了限購措施，未來一至兩年，全面放開是大勢所趨。而且有望看到出台購房補貼、貸款貼息等政策，鼓勵居民購房。二是經濟拐點出現，領先指標回升。經濟復甦，就業和居民收入上漲，樓市才有支撐，配合上政策催化才能啟動購房需求。關注製造業PMI新訂單指數。企業新訂單是是居民就業和收入的先行指標。2015年8月，新訂單指標觸底回升後，北京、上海等一線城市房價啟動上漲。2020年8月新訂單指標突破52%後，樓市迎來小陽春。三是成交縮量，供求逆轉。房價是供求的結果，如果未來熱點城市人口不斷流入，供地持續減少，地價上漲，供求格局就會改善。2024年全國住宅用地成交面積同比大降18%，但是優質地塊很受青睞。2025年北京上半年土拍9宗地塊溢價成交。10月份，上海第八輪土拍，徐匯濱江等土地溢價成交，表明市場對核心城市、核心區域長期看好。我們預計2026年一線、強二線核心區域的房價將逐步觸底，但是低能級城市、核心城市的遠郊區仍將陰跌。未來的發展重點將集中於建構房地產發展新模式、最佳化保障房供給、建設“好房子”以及大力實施城市更新行動。4產能周期新舊交替，傳統行業在市場力量和反內卷推動下產能出清，新質生產力帶動大規模新基建投資產能周期新舊交替，本輪產能周期2018年開始上行，2022年開始下行。產能調整受企業利潤與資金情況影響，也受到裝置更替相關政策的影響，但根本上還是取決於企業對於經濟增長前景和長期需求的預期。中國自1978年改革開放以來經歷了五輪的產能周期，平均每輪周期持續10年左右。經過2015年市場自發的出清，疊加2016-2017年中國“三去一降一補”的供給側改革超預期地去產能，2018年市場產能基本出清完畢，進入上行周期，後隨著疫情擾動2022年以來步入下行周期，工業產能利用率水平整體回落，企業營收與投資意願也持續下滑，全部A股（非金融）資本性支出同比增速逐年下降並於2024年轉負。2024年全部A股（非金融）資本性支出同比增速-5.6%，2025年前三季度增速-2.3%。展望未來，產能周期呈現新舊交替特點：一是傳統行業在市場力量和反內卷推動下產能出清，有望供求格局改善，價格和企業利潤修復。2024年開始的大規模裝置更新政策一定程度上延緩了本輪產能去化，而2025年“反內卷”政策又加速了產能去化處理程序。在自發出清與反內卷政策的共同作用下，產能周期持續磨底，上中游物價回升和企業利潤修復，已觸及轉折點：PPI自2025年7月以來止跌回升；工業企業利潤當月同比增速自2025年8月以來轉負為正，2025年以來全部A股（非金融）銷售利潤率走穩回升；工業產能利用率自2025年二季度止跌回升，四季度為74.9%。二是新質生產力帶動大規模新基建投資。2026年作為“十五五”開局之年，人工智慧軍備競賽將帶動新一輪資本開支周期開啟。從蒸汽機時代到人工智慧的崛起，每一次技術革命都在重塑世界格局。當前，以人工智慧為核心的第四次科技革命，正推動中美展開一場爭奪AI霸權的軍備競賽。美國對人工智慧的政策態度從“引導和扶持”轉為“必須領先”；中國“十五五”規劃提出“搶占人工智能產業應用制高點”，到2027年，新一代智能終端、智能體等應用普及率超70%，到2030年普及率突破90%，智能經濟將全面引領中國經濟增長，從“網際網路+”全面轉向“人工智慧+”。華爾街60%的風投資金投向人工智慧領域，科技巨頭（如微軟、Google、阿里、騰訊）資本開支屢創新高、用於建設資料中心和採購晶片。這場由人工智慧驅動的新基建浪潮，將拉動算力、電力與銅等工業關鍵節點的大規模裝置投資，帶動整個產業鏈的資本開支進入上行周期。5庫存周期觸底回升，回升力度受長周期力量壓制“反內卷”政策推動工業產品價格和企業利潤回升，庫存周期從被動去庫存向主動補庫存過渡，但回升力度偏弱，行業分化加劇，內需修復的基礎仍有待加強，外需面臨不確定性。本輪庫存周期觸底回升，處於從被動去庫存向主動補庫存過渡的階段。庫存周期包含主動補庫存（繁榮）、被動補庫存（衰退）、主動去庫存（蕭條）和被動去庫存（復甦）四個階段。2000年-2019年10月中國經歷了六輪完整的庫存周期，2019年11月進入第七輪庫存周期，2023年7月中國工業企業產成品存貨同比降至1.6%、歷史較低水平，中國庫存周期進入一段非典型的被動去庫存磨底期。2026年物價有望走出通縮，三大因素：反內卷，外部輸入性通膨，新質生產力投資。一是“反內卷”推動供給端結構持續最佳化。“反內卷”政策預計將在太陽能、生豬等行業繼續推行，有助於改善行業競爭格局，推動供給端有序收縮，為物價提供支撐。二是外部輸入性通膨預計將持續。人工智慧等新興產業快速發展，帶動銅、稀土、鋰等關鍵原材料需求上升。中國作為銅等大宗商品的淨進口國，國際價格上漲會通過成本管道向國內工業品價格傳導，形成輸入性通膨。三是新質生產力投資帶動物價回升。受益於AI大模型的技術性突破和科技創新相關政策的支援，這些新興行業和未來產業的需求預期持續擴張，拉動其資本開支進入快速上行期。作為“十五五”開局之年，基建投資將發揮穩增長作用；製造業投資則有望在出口韌性、產業升級以及“反內卷”政策改善企業利潤的支撐下保持穩定。6債務周期仍待破解，居民部門資產負債表仍需修復，財稅改革提速破題土地財政居民部門受房地產市場影響仍在去槓桿，新質生產力企業大規模加槓桿，地方政府財政擴張受債務約束，2026年有必要加大財政、貨幣政策逆周期調節力度，重點支援新質生產力。回顧2025年，貨幣政策定調“適度寬鬆”，5月降准25bp、降息10bp，LPR下調10bp。社融、M2保持較高增速，7月達到最高增速9%、8.8%。貨幣不可謂不寬，但遲遲不見信用寬鬆，信貸增速從年初7.5%降至12月6.4%，尤其是居民端貸款需求疲弱。這在過往的金融周期中是比較罕見的。一是居民尚處於去槓桿階段。2026年重在修復居民資產負債表。中長期貸款通常佔居民貸款的5成以上，主要為房貸；對應到資產端，房地產約佔居民財富的60%。房地產市場調整持續五年，居民槓桿率自2021年以來持續橫盤，2024年Q1以來處於緩慢下降趨勢，從62.3%降至2025年底的59.4%。部分居民購房觀望濃厚，部分選擇提前還貸，這是居民端融資需求疲軟的重要原因。2026年需繼續降低利率。如果考慮保護銀行淨息差，可考慮房貸貼息，財政發力降低居民住房負擔，鞏固房地產市場走穩回升，修復居民資產負債表。二是企業部門槓桿率增長放緩，2026年“反內卷”下半程帶動企業盈利和投資復甦。企業部門整體呈加槓桿的趨勢，但速度放緩。2025年一、二、三、四季度非金融企業部門槓桿率分別變化5.3、0.3、0.4、0.2個百分點。企業投資主要涉及擴產、裝置、廠房等中長期規劃，與企業盈利、中長期預期相關。下半年“反內卷”政策推動PPI觸底回正、改善企業盈利，但短期內引起產能收縮，民間投資累計增速自6月再次轉負，企業融資需求提振需等待反內卷效果傳導至下游。三是政府部分加槓桿，但受地方財力所限，實際工作量偏慢。2026年財政改革將提速，釋放地方政府發展經濟的動能。政府部門是逆周期加槓桿的主力，2025年中央政府、地方政府槓桿率分別提高3.8和3.9個百分點。但財政收入轉化為實物工作量不及預期。自4月以來，狹義基建投資累計增速從5.8%的高點降至10月-0.1%，一般公共預算支出累計增速從4.6%降至2.0%。主要原因是地方政府化債壓力仍大、專項債項目儲備不足。解決方法在於加快財政體制轉型，合理調整地方財權與事權，發揮財政穩增長的作用。7全球展望：受關稅地緣影響，全球經濟承壓，美國經濟冰火兩重天，聯準會寬鬆預期，但仍存變數2026年，受關稅不確定性、地緣經濟博弈影響，全球經濟韌而不堅、整體承壓；美國經濟仍呈“冰火兩重天”，人工智慧帶動高科技投資，但傳統製造業受關稅與通膨拖累，就業趨穩但增長乏力，通膨壓力未消；川普已提名凱文·華許為下任聯準會主席，預計其持鴿派傾向但寬鬆節奏放緩；川普為中期選舉調整政策，關稅呈現差異化；中美經貿關係短暫緩和，變數仍大。一是關稅不確定性拖累全球經濟，主要經濟體分化加劇。截至2026年1月，美國實際關稅率攀升至近17%，為1935年以來最高，其影響持續顯現。IMF預測2025、2026年全球經濟增速均為3.3%。2025年全球貿易增速3.8%，2026年預計降至2.2%。美國大機率軟著陸，2026年GDP增速預計2.4%，川普的政策聚焦“穩經濟、拉選票”；歐元區增速預計1.3%、德國幾近停滯，日本溫和復甦但勞動力市場存疑；印度、越南受益於供應鏈轉移，但易受貿易波動影響，其中美印已互降關稅。二是美國經濟“冰火兩重天”格局延續。人工智慧是增長核心動力，有效托底經濟。但勞動力增長低位、通膨粘性構成挑戰，高利率與需求不足拖累私人投資，傳統製造業復甦乏力，未能充分分享高科技紅利。勞動力市場趨穩，通膨壓力未完全消除。2026年1月美國失業率走穩4.4%，上半年預計穩定在4.5%以下，就業壓力不足以支撐聯準會上半年降息。關稅不確定性與供應鏈重構延緩通膨回落，但食品、能源等價格高位運行，加劇美國通膨粘性。三是2026年聯準會溫和降息。2025年9-12月聯準會累計降息75bp至3.5%-3.75%，2026年1月暫停降息，FOMC內部分歧明顯。川普主張激進降息，鮑爾2026年5月任期結束，川普提名凱文·華許接任，華許主張“降息與縮表平行”，預計年內降息1-3次，慢節奏降息成主基調。四是川普中期選舉背景下，政策多變風險仍存。其政策重心轉向“穩經濟、拉選票”，關稅差異化調整，如美印互降、加征部分半導體關稅。最高法院對川普用IEEPA徵收關稅的裁定尚未公佈，多數大法官持懷疑態度，若裁定不利，美國關稅率或回落至8.3%。即便如此，川普政府可借助備用授權重建關稅壁壘，政策不確定性持續。8政策展望：“十五五”開局之年，五大政策值得期待，新質生產力是主線當前有必要啟動新一輪經濟刺激政策。2025年經濟前高後低，一二三季度GDP增速分別為5.4%、5.2%、4.8%，逐季放緩，消費、投資、地產銷售偏弱，近期物價、企業盈利有觸底回升跡象，但基礎仍不牢固，疊加明年初高基數、聯準會降息打開政策空間、人民幣匯率走穩，是政策新一輪發力的重要窗口期。從長期看，2026年作為“十五五”開局之年，關係中長期目標的奠基，如果要實現2035年總量翻番、人均GDP翻番的目標，仍需保持5%左右經濟增速。展望2026年的政策周期，總基調預計延續寬鬆，重點領域加強鼓勵和刺激，五大政策值得期待。貨幣政策：保持適度寬鬆，加大重點領域支援力度，預計2026年繼續降准降息。2026年貨幣政策適度寬鬆有望延續，近期央行重啟買斷式國債逆回購、5000億元新型政策性金融工具已開始投放。央行在Q3貨幣政策執行報告中強調“保持不同利率水平合理均衡”，貨幣政策更專注於價格型訊號傳導、疏通訊用傳導機制、確保流動性精準注入科技創新、綠色發展等關鍵領域。財政政策：更加積極，在化債和擴張中尋求平衡，赤字率與超長期國債力度不低於2025年。2025年預算把赤字率提到約4%，並配套更大規模的超長期特別國債與地方專項債投放；同時，針對隱性債務的三年期約6兆元置換安排與各省專項再融資債的推進，意在降成本、延久期、去風險，為地方恢復正常公共服務與重點項目投資騰挪空間。2026年在此框架下更可能是節奏最佳化、結構調度，赤字率仍維持4%左右，按照5%經濟增速的147兆GDP計算達到5.88億元，預計新增專項債額度4.5-4.9兆元，置換債2兆元，特別國債1.5兆元，廣義赤字率可達9.4%以上。專項債優先保障科技創新、民生與新型投資項目的財政強度，同時用再融資與規範化債安排繼續穩住局部高風險地區。房地產政策：從止跌回穩到全面放開，建構新模式，鼓勵好房子。後房地產時代供求關係發生重大變化，房地產政策的重點從防過熱轉向防過冷。我們倡導的三招救地產有望取得進展：1）住房銀行收儲作為保障房，組建5兆以上的大型住房銀行收儲，改建為保障房，既有助於去庫存和現金流，又有利於中低收入者住房保障。2）降低利率和稅費，包括降低存量房貸利率，配合降低相關稅費，減少購房成本，為居民減負，並通過降准等降低銀行負債成本。3）全面取消限購限貸等行政化措施，釋放剛需和改善型需求，“十五五”規劃建議提出清理住房不合理限制措施。廣州已全面放開，後續其他一線城市也應該逐步全面放開。長期看，以“城市群戰略、金融穩定、人地掛鉤、房地產稅和租購併舉”為核心，可以加快建構房地產新模式。內需政策：投資於人和投資於物相結合，提高居民消費率。在物上，仍以裝置更新+以舊換新為硬抓手。新能源車購置稅減免延至2027年底、預計累計減稅約5200億元，以舊換新規模預計3000億。在人上，中國計畫在未來十年內將中等收入群體由目前約4億人翻倍至2035年的8億人，預示著一系列促進就業穩定、教育提質、技能培訓的措施將密集落地，提升人力資本價值進而帶動收入水平上台階，同時完善社會保障政策，讓居民能花錢、敢花錢。預計2026年會出台鼓勵提高勞動報酬、擴大中等收入群體的政策，比如提升最低工資標準、擴大工資指導線實施範圍、增加對低收入群體的轉移支付等；教育、醫療、養老等領域，將進一步完善社保體系並推出針對性的補貼或減免政策。供給端“反內卷”：有序化解過剩產能、引導優質產能擴容、提升產業鏈價值轉化。2025年7月初，工信部與14家大型太陽能企業召開會議，明確提出要“堅決遏制低價無序競爭”“推進淘汰落後產能”以解決太陽能行業嚴重的產能過剩與價格戰問題，後續政治局會議也有規範企業競爭秩序等表述。2026年，“反內卷”不僅僅是價格治理，其含義將深化為釋放優質資源、提升投資效率，配合中國經濟轉型期的宏觀政策取向。9  大類資產展望：股市“信心牛”，AI爆發，大宗元年，房地產二八分化我們在2024年9月市場低谷提出“信心牛”，提出隨著宏觀政策迎來超預期放鬆拐點，各界對中國資產和經濟前景的信心改善。展望2026年：A股信心牛繼續，牛市邏輯仍在，預計走出慢牛長牛行情，主線是科技和大宗，關注AI、算力、半導體、智能駕駛、創新藥、儲能、固態電池、商業航天、軍工、能源、金屬等。2025年中國股市迎來牛市，上證綜指站上4000點，創10年新高，科技類股領漲；2026年開門紅，大宗商品與科技類股引領。政策牛+科技牛+水牛疊加的信心牛邏輯仍在，政策仍處於寬鬆周期，AI引領的科技革命尚處於初期，利率持續下降提升股市估值。有三大利多支援牛市，分別是：全球降息周期；十五五開門紅，AI+將成為重點投入的新基建，這關係到打造中國經濟新引擎和大國競爭制高點；流動性過剩。聯準會降息和去美元化，大宗元年。2025年全年主要大類資產中，漲幅居前的6類資產有韓國綜指75.6%、COMEX黃金64.1%、LME銅42.3%、巴西BOVESPA 34.0%、MSCI新興市場30.5%、恆生指數27.8%；漲幅居後的3類資產有ICE Brent原油、美元指數、日本國債，分別跌18.5%、9.4%和8.3%。核心邏輯是全球貨幣政策轉向寬鬆、全球流動性擴張；AI 科技革命帶來的結構性需求擴張，加大銅鋁等有色金屬需求；川普政府政策引發全球“再通膨”敘事，去美元化加速，人民幣資產重估；地緣動盪。人民幣匯率升值，主因聯準會降息周期、中美利差縮小以及中國出口競爭力提升。房地產二八分化，一二線城市核心區域房價有望觸底，低能級城市有價無市。20%人口流入的核心城市核心區域將率先觸底回升，房價走穩回升需關注政策加碼、經濟回暖、成交量三大訊號。 (澤平宏觀)

你有沒有一種感覺：這一年，變化不是“快”，而是“失重”。以前的世界像爬山——一步一步往上。現在像坐電梯——你還在找按鈕，它已經到 30 樓了。ARK 在《Big Ideas 2026》裡給了一個特別狠的判斷：未來十年最重要的不是單點創新，而是 5 個“平台級技術”互相咬合、互相加速，形成“大加速時代”。它們分別是：AI / 公鏈/ 機器人 / 儲能 / 多組學你可以把它理解成：世界的底層作業系統，正在被這 5 個模組重裝。這篇文章我用“普通人能用”的方式講清楚兩件事：1）這 5 條加速帶，各自到底在加速什麼？2）我們怎麼把它變成自己的機會，而不是焦慮？先說結論：別追熱點，追“飛輪”大部分人看趨勢報告，會變成“新名詞收藏家”：今天收藏 AI Agent，明天收藏 Tokenization，後天收藏 Humanoid。但 ARK 的精髓不是名詞，而是一個詞：耦合。當一種技術同時降低成本、打開分發、沉澱資料、吸引資本，它就會從“行業機會”變成“時代飛輪”。所以接下來我不按“行業”講，我按“飛輪”講——每個方向都回答你 4 個問題：•它在把什麼變得更便宜？•它在把什麼變得更容易獲得？•它會先改變誰的生活？•普通人怎麼上車？第一章人工智慧 AI它不是工具，它在“吞時間”1）它在加速什麼？AI 最可怕的地方不是“會聊天”，而是推理和執行的成本在斷崖式下降。（過去一年推理成本下降 99%+）當“動腦子”變得便宜，世界會發生一件大事：大量原本靠人力堆出來的流程，突然不值錢了。換句話說：AI 正在把“知識工作”從手藝活，變成規模化生產。2）它會先改變誰？•客服、營運、銷售支援：原來靠“人肉流程”的崗位，會先被重寫•內容生產：從“寫作”變成“策劃-生成-剪裁-分發”的流水線•研發協作：從“寫程式碼”變成“寫清楚驗收標準 + 讓 AI 幫你跑”3）普通人怎麼上車？別糾結“那個模型最強”，要做 3 件更本質的事：動作 A：把你的工作拆成“可驗收”的任務以前你交付的是“努力”，現在你要交付“標準”：•目標是什麼？•輸出格式是什麼？•失敗條件是什麼？動作 B：建立“個人流水線”不是一個 Prompt，而是一條鏈：•選題 → 資料 → 生成 → 校驗 → 發佈 → 復盤•你會發現，AI 真正的價值是“流程複利”，不是“靈感爆炸”。動作 C：搶一個“入口位”AI 時代的入口不再是 App 的按鈕，而是：誰能掌控你的搜尋、購買、學習、決策流程。第二章公鏈 Public Blockchains它不是幣，它在重做交易與信任1）它在加速什麼？區塊鏈本質上幹一件事：把“信任”從機構手裡，變成系統規則。當資產、合同、支付逐步“上鏈”，會出現一個很現實的改變：對帳、結算、清算、分潤、所有權確認……這些金融與商業的“後台成本”會被壓平。2）它會先改變誰？•跨境支付、國際貿易：省掉中間摩擦•數字錢包：從“存錢工具”變成“分發入口”•新型公司形態：小團隊 + 鏈上基礎設施，做出傳統公司等級的營收3）普通人怎麼上車？你不需要成為“幣圈玩家”，你只需要學會看一個指標：鏈上有沒有出現“真實需求”——不是炒作，而是每天都有人在用它做事。普通人最實用的切入點反而是：•穩定幣支付（更便宜更快的跨境結算）•資產上鏈（RWA）（把傳統資產變成更可組合的“積木”）•應用層（DeFi apps）（真正賺錢的往往在應用，不在底層敘事）第三章機器人 Robotics它不是科幻，它在“把勞動力變成可複製品”1）它在加速什麼？機器人包括：人形機器人 + 專用機器人 + 可復用火箭等“大機器人”。機器人這條線很直白：把體力勞動、現場服務、物理世界的執行，從“人”遷移到“機器”。人形機器人最大價值是“替代物理勞動 + 釋放時間”。只要它的成本曲線過了臨界點，你會看到一種“社會等級”的變化：以前很多服務貴，是因為人貴；未來很多服務會突然便宜，是因為人不再是瓶頸。2）它會先改變誰？•倉儲、物流、製造：ROI 清晰，先跑起來•醫療與護理：需求剛性，但安全門檻高•家庭場景：最難，但一旦成熟，市場最大3）普通人怎麼上車？別被“人形機器人”晃眼，先抓住一個樸素規律：機器人最先落地的，一定是“環境可控、目標明確、驗收清晰”的場景。所以普通人可以做兩件事：•在自己的行業裡找“可控場景”：有沒有一種重複勞動可以標準化？•提前訓練“機器人時代的工作方式”：把任務變成步驟，把步驟變成驗收。機器人時代，最值錢的人往往不是“最能幹的人”，而是“最會把工作標準化的人”。第四章儲能 Energy Storage它不是電池，它在“重做電力與成本結構”1）它在加速什麼？儲能包括：電池技術 + 分佈式發電/電力系統儲能的意義不是“讓你手機多用兩小時”，而是：當電能可以更便宜地生產、更靈活地儲存、更穩定地調度，整個社會的成本結構會被重算。尤其在 AI 時代，算力是電力的孩子：資料中心越多，電力需求越大；電力越緊，儲能越關鍵。2）它會先改變誰？•新能源與電網：電網韌性與調度能力成為核心•資料中心：選址不再只看地價，而要看電力結構•出行與物流：電池成本下降，疊加自動駕駛，會讓運輸成本再降一個量級3）普通人怎麼上車？普通人不一定要碰硬體，但你可以用“儲能視角”看商業：•那些生意的成本結構高度依賴“能源/運輸”？•那些行業一旦電力成本下降，會出現“規模化降價→需求爆發”的飛輪？判斷儲能是否進入“平台級拐點”：不要只看電動車銷量，要看“資料中心電力 + 電網韌性 + 分佈式發電”是否一起加速。你會發現，儲能像“隱形的基礎設施”：它不搶戲，但它決定了很多戲能不能演。第五章多組學 Multiomics它不是醫學新聞，它在“把生命變成可程式設計系統”1）它在加速什麼？多組學包括：生物資料 + 可程式設計生物學 + AI 自主實驗室多組學最像 AI 的地方是：把複雜世界（生命）資料化，再交給演算法去理解、去預測、去干預。測序、診斷、藥物研發，如果能像軟體一樣迭代——那醫療就會從“經驗驅動”走向“資料與模型驅動”。2）它會先改變誰？•早篩與分子診斷：從“發現晚”到“發現早”•藥物研發：從“十年賭一次”到“更快的實驗閉環”•個性化治療：從“一種藥給所有人”到“更精細的分類干預”3）普通人怎麼上車？你未必進入生物行業，但你需要用這個趨勢保護自己：•未來你和家人的健康管理，會更像“持續監測 + 早期干預”•你對醫療的理解，會從“看病”變成“管理風險”對於創業/投資者：別只看“某個檢測項目”，真正的護城河在資料質量 + 自動化實驗閉環 + 臨床/合規路徑。第六章最重要的一段普通人的“上車方法”，其實只有 3 條看完五大平台，你可能更焦慮：我到底該做什麼？我給你 3 條“最不容易錯”的方法——不靠押寶，靠結構性優勢：方法 1：讓自己站在“耦合點”別做單點技能選手，要做“跨平台受益者”。比如：AI + 內容、AI + 電商、AI + 工業流程、AI + 醫療資料……能同時吃到 2–3 個飛輪的人，增長更快。方法 2：把自己變成“系統搭建者”未來最值錢的人不是“會用工具的人”，而是：•能把流程拆清楚•能把資料組織起來•能把任務交給 AI/工具•能把結果驗收並復盤的人。方法 3：每周做一次“成本表”AI 時代最狠的競爭，不是比努力，是比成本曲線。你每周問自己三個問題：•我工作的那個環節，成本正在被 AI 迅速壓平？•我能不能把自己從這個環節遷移出去？•我能不能站到“制定標準/組織資源/分發結果”的位置？結束語你不需要預測未來，你只需要不站在加速帶的對立面很多人以為，趨勢是給“天才”和“資本”準備的。其實趨勢真正影響的，是普通人的生活方式。未來十年，你會越來越頻繁地遇到這種分叉：•繼續做“人肉流程”，還是學會讓流程自動化？•繼續靠經驗判斷，還是用資料與模型做決策？•繼續被平台分發，還是建立自己的入口與資產？你不需要每次都選對。但你要保證自己始終在車上，而不是站在車頭前面問：它為什麼跑這麼快？ (爽爺帶你秒懂)

舊場景的驗證，新技術的競賽。封面來源｜AI生成2026年，中國AI市場註定硝煙瀰漫。最重量級的玩家將在2026年展開殊死搏鬥。阿里對“千問”的戰略級投入將在2026年更加淋漓盡致，撒30億請使用者喝奶茶，就是一個聲勢浩大的開始；同樣的，大撒“元寶紅包”也不會是騰訊唯一的大動作。而字節卻是個很難打敗的對手，它已經佔據AI to C的一線位置，且手握最大的流量，“豆包手機”也不會是它對突破邊界的唯一試探。如果說此前幾年，大廠的AI業務尚在模型層的陽春白雪中，還有遲疑、走神的空間，但大廠如果想在AI時代依然是“大廠”，面對豆包高企的DAU，2026年是AI ToC市場最後一搏的機會窗口。這場戰爭的重要程度，絕不亞於打車大戰、支付大戰、外賣大戰……我們曾經歷的任何一場戰爭。對於“中廠”來說，隨著智譜和MiniMax的港股IPO、月之暗面和階躍星辰的融資落定、新一輪模型的發佈接力，“AI六小虎”的故事告一段落。是否有餘力衝刺AGI成了薛定諤的命題，但自我造血對六小虎來說迫在眉睫。他們需要找到各自差異化的道路，尤其是商業化的道路。正如一名六小虎高管所說：不要貪大盲目IPO，二級市場的嚴苛審視會立刻反映在股價上。不過，“目前沒有商業模式是成熟的，還需要經過幾年的探索。”某一線美元基金合夥人告訴我們。商業模式的分化，一定伴隨著組織特性的分化。一名大模型初創公司融資負責人一口氣舉出了5種主流的商業模式：ToC的訂閱和廣告付費、ToB的API售賣、ToB定製、按效果收費、軟硬體一體——每種商業模式對應著不同的選擇，例如，做ToC的一定要出海，做ToB的一定要會“打單”……不過，最活色生香，最令人期待的，還是在創業公司，在AI應用領域。每個人都想成為Manus，成為ARR過億美金被大廠重金收購的對象，但是最充滿不確定性的也是這個領域。難以琢磨，不可預測，卻充滿魔力。2026年，“智能湧現”將繼續用熱切的心情、開放的心態，關注AI創業領域。關於模型技術的迭代、商業化，不同玩家的處境，“智能湧現”訪談了十幾位身處一線的創業者、投資人、大廠員工，總結了2026年的10大命題。字節：守住優勢，追擊AI世界第一梯隊圖源：AI生成前flow員工：AI入口的最佳形態還沒有確定豆包做得最對的一個決策是，是將AI能力平權了——在很早的階段確認多模態為核心能力。在2025年，還抓住了最好的時機做增長。2025年，字節完成的一個重要里程碑，是通過引進吳永輝為主的世界頂尖人才，現在已經逐漸完成一流模型人才的儲備，在基礎模型層逐漸穩居在國內第一梯隊。但2026年，隨著AI助手和模型層的競爭變得更加激烈，如何留住這些人才，是最核心的命題。某大廠戰略人士：今年最大的挑戰，是讓豆包聯動線下服務2025年，豆包做得最勇敢的一個決策，是推出豆包手機。雖然這件事註定會被其他大廠圍攻，但這個舉動攪動了移動網際網路和手機廠商的現有利益格局，讓所有玩家都不得不加速行動。展望未來豆包面臨的長期挑戰，是如何保持AI模型能力在最前列，同時把AI助手與普通使用者的真實生活連接起來——尤其是電商、外賣這類線下服務，字節雖然都有佈局，在組織上，字節相比其他大廠來說，歷史包袱少、依然是一個年輕有活力的組織，但怎麼內部協作得更好也並不容易。阿里：再造新AI To C入口圖源：AI生成某千問員工：不只是對外AI入口，也會成為阿里的底層AI能力平台千問是阿里內部集全集團之力做的C端AI入口。從產品路線上，主打差異化，也是因為親民、親切的路線就已經有競品佔據了使用者心智，我們先以差異化的辦事、辦公場景切入市場，走專業路線，但長期目標是成為AI入口。未來，千問不只是對外的AI入口，也會為阿里很多業務提供底層的AI能力。2026年，我們的挑戰在於，阿里的業務體系龐雜，行業差距也很大。千問作為相對獨立的技術團隊，理解阿里內部其他業務對AI能力的訴求是困難的，怎麼和各業務單元之間做更好的協同，這是未來的挑戰。某大廠戰略人士：2026年，大廠真正開打ChatGPT之戰的一年阿里今年能從夸克切換到千問，並在千問這個產品上快速發力，背後是阿里強大的組織能力在支撐。今年會是大廠真正開打ChatGPT之戰的一年，這是因為一條主線仍在持續：只要模型能力持續提升，新的功能釋放出來，就會有反哺業務的機會。從競爭格局看，雖然市場已有過億DAU的產品，但市場遠遠沒有飽和，這是千問敢在這個時間段發力的原因。目前，各家大廠的通用AI助手產品其實同質化程度都比較高，真正的差異在於誰能更快地迭代，誰能更好地把握使用者需求，長期地進行營運。AI助手市場還有很大的增量空間。前阿里員工：用組織變革來換取決策速度AI時代給了大廠一個重新定義入口的機會。原來的搜尋、社交、電商入口都已經被佔據，AI助手有可能成為新的流量入口和推薦網路。問題在於，這個機會窗口可能很短。千問C端事業群的推出，某種程度上是阿里在用組織變革來換取決策速度——與其在內部慢慢協調，不如直接推出新產品，用市場來驗證。騰訊：AI應用和模型繼續補課圖源：AI生成前元寶員工：DeepSeek再次刷新“模型即產品”的重要性事實上，在接入DeepSeek之前，元寶就已經明確“模型即產品”的重要性，DeepSeek之後是更加強化了這一共識。這一年裡，元寶比較聚焦模型能力的提升，強化產品與模型的深度整合。另外，元寶早期很早就定下來選擇聚焦高知人群，走差異化路線，一是高知使用者對體驗和效果的要求更高，二是，他們作為AI領域的早期嘗鮮者和意見領袖，他們的使用習慣會影響周圍人群，形成示範效應。元寶成員：元寶要擺脫DeepSeek依賴目前混元在模型市場上還沒有絕對的優勢。元寶提供的搜尋服務，一部分基於混元，一部分基於DeepSeek。但截至2025年底，大多數使用者還是選擇DeepSeek作為默認模型。最近，TEG的搜推部門合併到了元寶的搜推。此前，TEG搜推負責的是元寶中基於混元的搜尋鏈路，元寶搜推負責的是DeepSeek的搜推鏈路。其中的意義，一方面在於提高合作效率。另一方面，我猜測，未來元寶的搜尋會對模型進行整合，以後內部可能就不會存在基於DeepSeek的搜尋、基於混元的搜尋，只存在“元寶搜尋”。某大廠戰略人士：關鍵要理清微信和元寶的戰略定位相比行業內其他玩家的快速迭代，騰訊的節奏相對謹慎。比如，混元策略可能是不在基礎模型層面做正面競爭，而是聚焦Agent模型等差異化方向。接下來，騰訊需要在自研模型能力上拿出更有說服力的成果。微信遲遲沒有將AI能力深度整合到裡面，也是因為國民級入口要面對的隱私和安全問題太多，難以在短時間裡解決。用“元寶派”等新產品的試水方式，本質上是希望加速產品形態的創新嘗試，而不影響原有使用者的體驗。2026年，騰訊更需要解決的關鍵問題，可能是理順元寶和微信的戰略定位，才能更好發揮騰訊在產品層面的優勢。百度：對著釘子造錘子百度集團執行副總裁、百度智能雲事業群總裁沈抖：智能經濟帶來無限機會，企業需要建構AI原生組織AI正開啟“超級周期”，其價值將遠超網際網路時代。與網際網路僅改變資訊互動不同，AI將深度重構“研產銷服”全產業鏈，撬動10兆級市場。大模型智能湧現，而智能體（Agent）是產業落地關鍵形態，已在程式設計最佳化、數字員工、工業SOP（標準化操作流程）等領域展現突破性效能。企業需建構AI原生組織，推動自上而下的變革。未來企業中層很有可能大幅縮減，形成“決策層+智能體”的高效架構。百度集團副總裁，個人超級智能事業群總裁王穎：AI應用必須想得全、想得對、做得好當前使用者在使用AI產品時，仍有三大明顯痛點：一是認知偏差，幻覺問題未解決，也缺少個人知識沉澱；二是落地斷層，AI手腦分離，即便能想但只能局部實現；三是體驗割裂，即便能做也要在不同工具中轉移，AI能力、模態與格式無法一站滿足，使用者完成任務過程磕磕絆絆，時時碰壁。要打造真正的超級個人智能體，賦能使用者成為“超級個體”，就應該充分解決掉上述的所有問題。我們一直希望把百度文庫和百度網盤打造成為超級個人智能體，讓AI應用想得全、想得對、做得好，為使用者提供個性化、自由化、通用化的能力。百度集團副總裁，百度電商、百度數字人業務負責人平曉黎：未來的數字人會持續自主進化隨著視覺、語音、智能體等AI關鍵技術的突破，數字⼈也在加速進化。1.0時代的數字⼈，只是簡單實現了虛擬⼈的表層，具備了基本的外形和聲⾳。2.0時代是超擬真數字⼈，隨著⼤模型的問世⽽得到顯著提升，實現了對⼈物形象的⾼精 度克隆、⽀持⼤動作、擺脫了紙⽚⼈的效果，實現了數字⼈語⾔指令碼和互動問答的⽣成。⽬前，業界主流的數字⼈就處在這個階段。去年，百度率先發佈了⾼說服⼒數字⼈，把AI數字⼈帶⼊了3.0階段，不僅形神⾳容⾼度協調、還會思考決策、能調度多智能體完成指定任務。⽽在不遠的未來，擁有世界知識、不知疲倦的數字⼈，能夠持續⾃主進化，還能夠⽀持千⼈千⾯的個性化情感互動，將在更多的應⽤場景上超越真⼈。模型商業化：賺高品質的錢圖源：AI生成某模型初創公司高管：售賣模型API，只能作為短期商業化的補充手段大模型主流的商業模式有5種：ToC的訂閱付費和廣告收費，ToB的API售賣，ToB和ToG的定製化，按效果付費，以及從資料側走向端側的軟硬一體。選擇ToC訂閱的廠商，基本都選擇了出海，因為國內使用者付費意願還不高；售賣API的模式，本質上是雲服務的延伸，未來雲廠商一定會將API價格打得很低，獨立模型廠商很難實現規模化，因此API只能作為短期商業化的補充手段。至於定製化，市場上一種論調是，大模型的泛化能力可以改變原有重交付的模式。但在國內，不僅需要有能交付的技術能力，人脈也很重要。對初創公司來說，按效果付費和做軟硬一體，兩種模式都有機會。Physical AI的想像空間很大，未來智能終端有望成為新的流量入口和下一代推薦網路。但兩種模式都對初創公司的能力提出了高要求。按效果付費的前提，是模型能力足夠強。做軟硬一體的交付，要求公司有豐富、無短板的多模態模型矩陣，也要求團隊有資深的端雲協同交付經驗。某模型初創公司成員：模型能力迭代，不跟著OpenAI走，跟著客戶需求走2023年以來，我覺得賽道上很多模型公司都有“OpenAI病”，自稱要做“中國的OpenAI”，產品矩陣也強對標OpenAI。但2025年，提要做“中國OpenAI”的公司變少了，反而提做Anthropic的變多了。其中一個很重要的原因是，大家發現，自己手上的錢和卡不夠了，無法支撐OpenAI那樣全面鋪開的產品矩陣。資源有限的情況下，有些東西就不得不放棄。Anthropic已經證明，推理能力、Coding能力有市場、有付費，所以不少廠商2025年以來都將模型的迭代方向轉移到這兩者上。所以，我相信未來不同模型廠商，模型能力也會根據自己的資源、優勢，以及下遊客戶的需求，產生分化。某一線美元基金合夥人：目前模型的商業模式都不夠成熟在產品層面，AI時代的產品形態還沒有完全定型，原因在於模型能力還沒成熟。比如視訊模型的一致性、理解能力，都還在發展。這些能力成熟後，到底能實現什麼功能、落地什麼場景，大家都還在探索。今天，像ChatBot類型的產品，大家都在用訂閱的方式收費。但這只是其中一種形態。OpenAI也在探索，ChatGPT要不要使用更高效的廣告模式，吸引更多使用者，而不是全部採取訂閱模式。所以，目前沒有商業模式是成熟的，還需要經過幾年的探索。找場景 ：在垂直、細分領域找錢圖源：AI生成極致上下文CEO廖謙：創業公司要找垂直場景切入，做端到端的服務交付我不認為通用Agent會統一天下。在做使用者理解時，不同問題的互動形態完全不一樣，資訊蒐集方式也不同。通用Agent會讓上下文變得駁雜，而且很難定義任務的好壞，商業模式只能是成本導向。但垂類場景下，任務可以被明確定義，有行業統一標準。創業公司的關鍵是，要切入資訊生產場景，做端到端的服務，而非工具。另外，要做生產場景而非消費場景（娛樂、社交），後者是大廠的必爭之地，創業公司切入比較難。前百川智能合夥人、AI醫療公司緣啟智慧創始人兼CEO鄧江：不是所有的場景，都願意擁抱大廠創業公司相較於大廠有兩個優勢。第一，創業公司在技術上更垂直、更深入。大廠很難做這麼垂直的投入，他們做的都是更普世、更廣泛的技術投入。豆包、螞蟻這些大廠推出健康類產品，我是開心的。大公司每個決策背後一定有龐大的市場和資料支撐。反過來，每一種病症，都意味著巨大的市場空間。比如皮膚病，中國有上億的患者，把皮膚病做好，都足夠立足了。所以未來還是看你能不能把垂直的能力做深做透。第二，創業公司可以保持技術獨立。不是所有的場景，都願意擁抱大廠，因為大廠和客戶在某類場景上有深度競爭。無論資料安全，還是商業競爭，不管在那個行業、那個時代，獨立的技術公司都有自己的生存空間。攀峰智能CEO王銘：2026年是Agent“按效果付費”的元年傳統的SaaS工具模式，其經濟模型是“收取的訂閱費能否覆蓋算力成本”，至於使用者能否跑出結果，工具方並不負責。我們認為，未來的經濟模型應該會變成“獲取的任務分成能否覆蓋算力成本”，2026年會是按效果付費的元年。這從根本上改變了產品的驅動力，迫使我們會花更多精力去打磨那些能直接幫助使用者賺錢，離ROI更近的功能。這對資源有限的創業公司至關重要，因為大廠會逐漸往下尋找並佔據好場景。一旦驗證了Agent能幫使用者低門檻賺錢，傳播速度會非常快，因為使用者的決策成本幾乎為零——幫你賺到錢了，你再付錢。那裡去找錢：IPO是好事，但不要盲目IPO圖源：AI生成某一線美元基金合夥人：港股IPO是改善一級市場環境的契機至少在過去，我覺得中國一級市場沒有辦法顯著支撐長期、巨額，且不是淨利潤導向的研發投入。如果大模型企業不上市，未來在一級市場的融資效率肯定很低，只能在現在30億、40億美金的估值基礎上小幅地融。但港交所舉措越友好、IPO的公司越多，優質科技型企業有更順暢的退出管道，並且在資本市場能得到國際投資者更公允的定價，這些事實都會反哺到一級市場。如果一級市場更活躍，中國的創新環境也會更好。只有這樣的循環被打通，一級市場才有可能真正支撐起千億美元的科技公司，而不是讓公司在早期階段就考慮上市。作為對比，SpaceX等到估值1萬美金，才考慮上市。他們前期發展的資金全來自美國一級市場。綠洲資本創始合夥人張津劍：不要只做區域創新，要做讓全球資本看見的全球創新很多投資者認為，AI最後就是中美的遊戲。但美國有很多標的，比如輝達。但中國的AI標的，在世界上的面貌不那麼清晰。MiniMax 的港股 IPO讓海外投資者有了一個投資中國AI的清晰樣本。接下來每一家AI、具身公司的上市，都是中美之間鑿壁偷光的一扇窗，讓外界看到中國有那麼多企業推動全球創新，從招股書上也能看到，他們的很多收入也來自全球。同時，越來越多的海外投資人也想直接投資中國。2025年夏天，美國很多GP到中國走了一圈。歸根到底，只要中國有創新、有服務全球的能力，錢是會進來的。創業者就應該堅定地去探索全球創新，而不是區域創新。未來中美之間有多少牆，就會有多少洞，比如港股IPO，比如2025年的DeepSeek和宇樹，只要堅持創新，就一定有好的錢主動找過來。某模型初創公司融資負責人：走向二級市場是“雙刃劍”2026年初，月之暗面、階躍星辰接連宣佈了新一輪的大額融資。這件事向行業證明，一級市場還能支撐大模型發展。之前智譜、MiniMax的IPO向創業者釋放的訊號是，在一級市場不一定融得到錢了，所以大家在匆忙地走向二級市場。走向二級市場是一把“雙刃劍”。好處是企業擁有了更順暢的融資管道，更大的市場聲量。但也要意識到，企業很快會面臨商業化的壓力。能看到很多IPO的企業，立刻開始大力佈局ToB業務，因為ToB的優勢在於變現速度很快。二級市場給企業的業績兌現期是一到兩年，如果沒有達到預期，企業的股價會立刻下跌。AI組織：小是趨勢，人效是關鍵圖源：AI生成Honghub鴻鵠匯發起人鄒凌：稱職的極小團隊Founder，要會找機會、有執行力、能自我行銷能把一人公司或者這種極小組織公司良好經營起來的Founder，身上通常具備以下三種核心能力：一，找機會的能力。他們往往在某個行業深耕多年，可以從自身行業經驗中提煉真實痛點、找到可以用AI改進的低效環節。二，快速執行力，能借助AI獨立完成短時間內做出初版甚至多個Demo，然後迅速獲得反饋，聚焦最有潛力的方向迭代。此外，AI時代，很多早期項目並不依賴ToB銷售或獲客團隊，個人創業者還要擅長用社交媒體為自己“代言”。得有找到早期使用者、驗證需求，甚至帶來現金流的能力。清華交叉資訊學院助理教授、AReaL項目負責人吳翼：極小組織形式和全端創新能力是相輔相成的極小的組織形式和全端的創新能力是相輔相成的。不僅是創業公司，大公司中的AI研發團隊也有必要做簡化。因為人的溝通頻寬是有限的，但大的組織架構必然會走向職責劃分和管理，而人類糟糕低效的Context Sharing能力會成為整個團隊的效率瓶頸。傳統的組織中會把演算法和Infra團隊分開。如果做模型時Infra團隊和演算法團隊太過強調分工，容易產生一種情況，即演算法團隊像是個甲方，Infra團隊承擔做“髒活累活”的乙方角色。隨之而來帶來的問題是，做乙方的團隊，容易失去創新的空間；而習慣於做甲方的團隊，就可能不願意做髒活累活，這會很容易失去對於技術最底層的觀察、感知，和創新所需要的自驅力。因此，AI研發組織中，演算法和Infra是不能脫離成兩個團隊的。兩者共同設計、協同演進，才可以形成一支小而有戰鬥力的團隊。DeepWisdom創始人兼CEO吳承霖：不要迷信一人公司，組織的關鍵在“人效”行業認為AI能夠提效，進而替代人力。但當每家公司都有電腦的時候，其實相當於大家都沒電腦。卷度只會上升，不會下降。所以不要迷信一人公司，最終評價組織的維度應該是“人效”。每家公司80%的成本，其實是溝通成本，反而不是寫程式碼、文件的成本。AI可以精確規避溝通的隱形成本。一些頭部AI公司內部已經用AI代替人來分工。Claude能夠識別員工的所有歷史行為，識別技能體系，判定舒適區，然後派稍稍超出舒適區的任務。目前，人還需要作為AI的管理者。我們更需要的是技能全面、具有批判性思維的通才，去減少人之間的溝通問題。我們公司內部為通才成立了一個試驗性的組織“ROOT”，裡面沒有傳統崗位的劃分，每個人承擔從產品策劃到開發、管理的全端工作，效率是傳統組織的好幾倍。基礎模型下一戰：讓模型“看得懂”、“記得住”、“用得起”圖源：AI生成Luma AI首席科學家宋佳銘：多模態需要走向“大一統”2026年，大家有必要在“大一統”路線上做一些探索，也就是將圖片、視訊、音訊、文字等模態的理解和生成混合在一個模型中。相比於單純的圖像、視訊模型，大一統的擴散模型的好處在於，有更強的In-Context Learning（上下文學習）能力和Zero-shot（零樣本學習）能力，天花板更高，落地的想像空間更大。不少廠商都選擇將不同模態的模型拼接在一起，而不是統一訓練。這種方法會帶來短期收益，但長期來看，會延誤建構更好模型的時間。前百川智能聯合創始人、來福電台創始人兼CEO焦可：AI 時代真正的壁壘是記憶2025年行業對記憶的研究開始變多，但依然非常早期。人的記憶系統很複雜，每天都在睡眠中將短期記憶與長期記憶進行合併、遺忘和抽象，我們是在進行一場持續的日更訓練。今天還沒有一套成熟方案能夠系統性地做到這一點。AI時代真正的壁壘就是記憶。這是所有AI產品的兵家必爭之地，我們之所以選擇從語音切入，也是因為語音能讓使用者最自然地表達出Long Context（長上下文）。誰能跟使用者說更多的話，誰才有使用者更多的記憶，進而更懂使用者，提供更個性化的服務。因此，對我們而言，DAU並沒有那麼重要，因為DAU隨時會走。我們更看重DTU，Daily Talk User（每日交流使用者），這代表每天有多少使用者產生新的記憶。以及LMU，Long-term Memory User（長記憶使用者），這部分才是 AI 產品真正的價值。前阿里/字節大模型帶頭人、Infix.ai創始人兼CEO、港理工人工智慧講座教授楊紅霞：“去中心化”帶來落地今天模型的落地有一個很大的鴻溝。不少高精尖領域、中小企業、醫院、政府機構都想用生成式人工智慧，但遲遲無法實現，核心原因是現在的以個別廠商為中心主導的大模型沒有他們所對應的領域資料。需要強調的是，模型知識的注入只發生在預訓練階段，所以模型在企業或機構的本地化部署，一定要啟動持續預訓練，因為醫院、企業、機構大量的本地化私有資料和知識，在網際網路上是無法獲取的。同時，現在不同企業或機構的資料是很難共同分享的，導致了現有範式下模型無法做到全球化和全行業化。我相信未來每家公司都會需要大模型這樣一個腳手架。所以，我們希望把“腳手架”做到最便宜、最易用、入門門檻最低，讓每一家企業或機構都有自己本地化部署的模型。第二件事，我們想通過模型融合的方式，把某個領域的模型做到全球化。比如不同醫院的醫療專科模型融合起來，就能得到一個醫療領域的基礎模型。所以所謂的“去中心化”，就是在各個領域，集大家的能力，一起做好領域大模型。具身世界模型突破口：演算法要創新，場景要驗證圖源：AI生成大曉機器人董事長，商湯科技聯合創始人王曉剛：世界模型真要有效，必須有下游驗證閉環2024年11月，我就主導發佈過智能駕駛世界模型，但當時行業對這項技術的態度是“不太信”。原因是，包括輝達Cosmos世界模型在內，當時不少公司把世界模型當“資料生成器”。雖然可以在實驗室裡生成一堆看起來成立的場景畫面，但缺少下游真實落地驗證，沒人能回答“這些資料到底好不好用”，信任很難建立。過去採集這類資料危險又貴，甚至得協調“演員車”上路復現。商湯則可以先在世界模型裡規模化生成大量場景畫面與解決策略後，再用上汽智己的實車對世界模型的決策進行檢驗、校準，讓模型能力在真實反饋裡越練越準。同樣，世界模型在具身智能上也需要下游場景驗證。比如，大曉機器人先採用硬體更成熟的四足狗做“上街巡邏”的工作，在任務執行中驗證世界模型的能力，在真實場景裡持續迭代。極佳視界創始人兼CEO黃冠：2-3年內將可能迎來物理世界的“ChatGPT時刻”真機的“VLA+強化學習”正在快速迭代和擴展，但面臨巨巨量資料瓶頸，“世界模型”是被認為是未來能解決物理世界通用智能真機資料瓶頸的方式。我認為，2-3年內將可能迎來物理世界ChatGPT時刻。關於“物理世界ChatGPT時刻”的定義是：在100種常見任務中，90%的場景下達到95%的成功率。之所以認為這個時刻會在2至3年到來，是根據現有技術進展速度所進行的推測。這個過程目前並不是由世界模型完成所有任務，而是仍然需要與VLA、強化學習互相配合。具體而言， VLA解決的是作業的複雜性，世界模型解決泛化性，強化學習解決精準率和可靠性。清華交叉資訊學院助理教授、星海圖聯合創始人趙行：值得探索的前沿方向，是讓機器人預知未來我們會去較為積極地探索世界模型，但它還沒有進入到工業化的技術階段。與靠資料驅動的VLA不同，我覺得世界模型是一個非常典型的、靠聰明頭腦驅動的工作。它需要定義出一個最合理的演算法，建模物理世界的運動規律。如果能把世界的動力學規律給建模出來，那麼我們就不用再靠模仿學習的方式去訓練機器人了，機器人可以直接知道每一個動作的後果。但是讓機器人預知未來，可能比讓機器人規劃現在的動作更難，這有點像為瞭解決一個難題還要創造另一個難題。所以它非常適合最聰明的、最前沿的實驗室去探索。 (36氪)

AI晶片供應改善：預計2026年隨著H200的批准以及晶片本地化進展的增加，AI晶片的供應將有所改善。H200被認為是一款高性能GPU，廣泛用於基礎模型訓練，目前國內晶片無法替代，中國的AI推動者和採用者將在H200獲得官方批准後受益，預計監管方面不會有阻力。中國本土晶片供應能力也在加速提升，摩根士丹利大中華半導體團隊預計，中芯國際的先進製程廠擴產將逐步緩解裝置瓶頸，從而進一步提高中國本土GPU自給率，從2025年的27%升至2026年的39%。圖表4：中國人工智慧：GPU充足率分析：對於近期H200進口的問題大摩的判斷比較明確，儘管美方層層設限，但預計後續我方監管不會有阻力，理由是目前國內用於模型訓練的高性能GPU並沒有替代品。晶片方面的東西我不是很懂，所以我找了一下相關資料，H200的性能是H20的6倍，而且在訓練場景確實沒有國產替代，這種短缺預計會持續2-3年，直到國產能填補這個空缺。上圖4列明了未來兩年中國GPU的自足率走勢，到2027年也就50%，後續還有很長的路要走，這也說明國產晶片的發展具備可持續性。但面臨的技術封鎖等困難也不小，未來國產晶片股的業績是否能支撐目前的估值要打個大大的問號，如果我要買會等確定性再高點，大家可以自行判斷。模型能力的增長：中國人工智慧基礎模型在2025年已與美國前沿模型保持同步（僅落後數月），我們預計到2026年性能差距將進一步縮小，中國模型將在開放權重和多模態類別以及成本效率方面繼續領先。自主智能體AI的發展以及多模態場景的蓬勃發展將進一步推動2026年令牌消耗量增加。圖表 5：中美前沿模型智能對比分析：在AI模型的性能方面目前中美之間的差距並不大（僅幾個月），預計在今年差距將進一步縮小。關鍵是中國AI模型在成本效率上領先美國，這也符合我們這邊價格殺手的一貫風格，成本效率的領先是很重要的，以後AI在應用端的經濟效率和擴張速度很大程度上取決於成本效率。2C端的非線性增長：我們預計AI原生應用將在2026年繼續獲得關注，其增長將呈現非線性態勢，這主要由基礎模型能力提升和超級應用突破推動。豆包（Doubao）在月活使用者（MAU）方面可能仍將保持領先，同時預計隨著阿里巴巴建立C端業務部門來整合阿里生態系統應用，包括淘寶/餓了麼（電商/即時配送、外賣）、飛豬（旅行）、高德地圖（地圖）、支付寶（支付），全新推出的Qwen有望在C端市場獲得關注，從而定位為一站式AI超級應用和生活助手。此外騰訊近期的頂尖人才引進、推出HY2.0及計畫在2026年上半年推出的HY3.0，也可能推動公司在AI領域更積極的投資。圖表7：AI原生應用月活躍使用者數分析：從我個人的應用感受上來說，我覺得目前千問和豆包給我的使用體驗比較不錯，特別是一天限用5次的深度研究，我經常用這個功能來蒐集某些投資問題的意見，給出的報告也比較長比較詳實。但也不是沒問題，比如有一次我叫千問算復投問題時它把75%的分紅支付率給算成了股息率，真是離了個大譜，在我提醒之後才改了過來，AI畢竟不能像人類一樣避免一些常識性錯誤。DS的話之前還行，但從某一天開始似乎參考資料的數量縮水了，回答問題比較敷衍（沒有更改設定）。2B端的發展：2025年下半年CIO調查顯示，企業正越來越多地將其IT預算分配給AI，企業AI預算佔IT總預算的平均比例從2025年的7.7%提高到2026年的13%。另外軟體在AI預算中相對於硬體獲得更多份額，但沒有看到任何證據支援“AI取代軟體”的說法。最後通縮的宏觀環境仍然是企業端整體AI變現的一大障礙。圖表 11：人工智慧在IT領域的支出滲透率分析：資料顯示企業端正在加速佈置AI，預計2026年企業在AI佈置上的預算將增加將近一倍（IT預算從2025年的7.7%提高至2026年的13%），這也意味著企業內一些基礎文員的工作很可能陸續被AI所替代。另外就是AI在企業的佈置受到通縮環境的影響（預算限制）而減慢了速度，這點上也與美國AI在2B市場上的快速擴張形成了對比，所以說通縮對AI付費擴張的限製作用也是很大的。AI在2C端競爭加大：預計網際網路平台之間的競爭將保持激烈，主要是阿里巴巴（千問）、騰訊（元寶）和字節跳動（豆包）。在使用者採用方面，豆包的日活躍使用者數穩步增長，得益於其來自抖音的強大流量匯入。雖然騰訊通過微信/元寶提供最廣泛的超級應用服務，但近期重點在於提升混元模型能力。相比之下，千問正在加強2C服務，該助手整合了整個阿里巴巴生態系統（外賣、快速商業、電子商務、本地服務等業務類股），目前可以提供一體化的日常生活服務而領先於同行。圖表 32：中國AI應用2C端日活躍使用者分析：目前AI在2C端的競爭是最激烈的，巨頭們都分別推出了自己的AI應用，與我上面的使用感受比較相符的是，豆包和千問是兩個日活使用者量領先的AI應用，千問靠的是整合了整個阿里的生態系統，而豆包得益於抖音的流量匯入。我感覺元寶後期可能還有比較大的潛力可挖，畢竟在這個流量的時代流量入口等同於推廣能力，人手一個的微信流量在理論上是顯著大於抖音的，這個優勢騰訊並沒有很好的利用起來。當然我個人對元寶的使用感受也不太好，有時候感覺有點答非所問，希望後面可以有所改善。 (finn的投研記錄)

AI 2026八大趨勢深度解析趨勢一：AI算力需求結構根本性轉向——從訓練到推理的跨越2026年，AI半導體市場進入“推理時代”。在雲端AI半導體市場裡，推理晶片佔比從2024年的約30%躍升至2030年的80%，主流雲服務商月度處理的Token數量，呈現指數級增長，預計到2025年底，將達到數兆等級。推理需求出現爆發狀況，從而對晶片架構提出了新的要求，與訓練晶片側重於追求極致的算力密度不一樣，推理晶片更加注重能效比、低延遲以及成本最佳化，這種情況為定製晶片也就是ASIC開啟了巨大的空間。趨勢二：定製晶片（ASIC）全面崛起，挑戰GPU霸權摩根士丹利作出預測，定製AI晶片市場在2024年至2029年複合增長率將會達到65%，且此增速大大超過通用GPU的增速。GoogleTPU已經迭代到了第七代，也就是Ironwood，AWS Trainium3、Meta MTIA、微軟Maia等產品正加速進行跟進。核心驅動力在於，頭部雲廠商年資本開支常常達到數百億美元，自研晶片能夠節省百分之三十到百分之四十的成本。而且，定製架構針對特殊工作負載比如介紹系統、大語言模型推理可達成兩倍至三倍的能效提升。至2026年，包括Broadcom、Marvell等在內的ASIC設計服務商的具有晶片組裝優勢的產能分配明顯增多，證實這一趨向從規劃邁向量產。趨勢三：先進封裝成為算力競爭的核心戰場有一項名為CoWoS也就是Chip-on-Wafer-on-Substrate的產能，它是二零二六年最為緊缺的資源之一。台積電打算把CoWoS產能從二零二五年的七十萬片每月擴充到二零二六年的一百二十五萬片每月 ，然而依舊面臨著供不應求的狀況。其中關鍵的變化在於：輝達至今仍舊佔據著百分之六十以上的產能 ，不過AMD、Broadcom以及雲端ASIC客戶的份額正在急劇快速提升 ；封裝技術自身朝著CoWoS-L也就是大型基板和SoIC也就是系統級整合的方向演進 ，以此用來支援更大規模的晶片互連。封裝環節之中，價值量有著顯著的提升，單顆AI晶片的封裝成本佔比能夠達到30%至40%，ASE、Amkor等這類OSAT廠商正在加速進行擴產，然而技術差距和台積電相比仍然存在2至3年。趨勢四：HBM記憶體供需緊平衡，技術迭代加速預測在2026年HBM的需求量，將會預計突破到320億GB，而輝達依舊佔有54%的份額。有三大趨勢是值得去加以關注的：首先，HBM4進入到了量產周期，其堆疊層數朝著12 - 16層邁進，單顆容量達到36GB以上；其次，OpenAI等新興勢力直接鎖定了韓廠產能，從而打破了傳統採購模式；最後，國產HBM2e通過了驗證，華為Ascend 910C等晶片達成了128GB HBM配置。記憶體廠商的資本開支朝著HBM傾斜，DDR4等傳統產品的產能出現收縮，進而導致了結構性短缺，而這種情況恰恰就是Winbond、Nanya等利基型記憶體廠商所面臨的投資機遇。趨勢五：中國AI晶片生態"自力更生"進入驗證期開源模型DeepSeek等的爆發，致使中國推理算力需求急劇增加，然而供應端卻面臨著複雜的狀況。摩根士丹利作出預測，2024年中國GPU的自給率僅僅為34%，到2027年有希望提升至50%。華為Ascend 910C的性能能夠與輝達H200相媲美，CloudMatrix 384超節點在特定的指標方面超過了NVL72，可是SMIC 7nm（N+2）工藝的良率以及產能依舊是瓶頸所在。更為貼近實際狀況的情景呈現為“分層替代”：於訓練這一環節依賴經由走私途徑獲取的或者屬於降級版本的H20/B40晶片，在推理環節則加快推進引入國內產業方案。諸如字節跳動、阿里等這類廠商的資本支出在2026年將會達到4450億元人民幣，在這其中佔據相當比例的部分朝著本土的供應鏈方向流動。趨勢六："電力牆"倒逼能效革命，CPO與先進供電成必選項AI資料中心的能耗問題已從成本議題變為物理約束。單叢集功耗朝著GW級邁進，致使行業要從三個維度去突破，在晶片層面，台積電2nm節點致使能效提升了15%至20%，背面供電技術讓IR壓降得以降低，系統層面，CPO把光引擎跟交換晶片整合在一起，功耗降低到可插拔方案的十分之一，延遲減少了一個數量級，在2026年進入量產窗口，在基礎設施層面，800V高壓直流供電、GaN功率器件滲透速度加快。客戶採購時，核心考量不再是峰值算力，而是被能效指標（Performance per Watt）所取代。趨勢七：邊緣AI蓄勢待發，手機與眼鏡成關鍵載體受雲端算力緊張以及隱私需求的作用，促使AI朝著邊緣側進行滲透。摩根士丹利作出預計，在2023年至2030年這個時間段內，邊緣AI半導體的復合增速為22%，略微超過雲端。然而，分化顯著：因換機周期以及殺手級應用的缺失，AI PC的增長比預期要慢；AI眼鏡（Meta Ray-Ban模式）成為了新的增長點，帶動了低功耗ISP、NPU以及連接晶片的需求；在智慧型手機端，蘋果A20處理器採用了台積電N2nm以及WMCM封裝，Android陣營的聯發科天璣系列持續進行升級，不過，“端側大模型”的體驗突破仍有待等待。邊緣AI的真正爆發，取決於模型壓縮技術與應用場景的耦合。趨勢八：供應鏈"再全球化"與地緣政治常態化從裝置材料方面來看，在2025年10月，中國半導體裝置進口出現了同比增長的情況，增長幅度為17%，其中荷蘭的DUV光刻機以及日韓的刻蝕/沉積裝置依舊是主力軍，然而美國和荷蘭針對對華出口的管制不斷地收緊，這就反過來促使國產替代的速度加快，像北方華創、中微公司等這類廠商在成熟製程的份額得到了提升。在製造層面，台積電位於亞利桑那州的工廠正在進行產能爬坡，不過其成本相較於台島而言要高出30%以上，客戶對於分散佈局的意願和實際的經濟性之間存在著矛盾。在設計層面，RISC - V架構在AIoT以及定製晶片當中實現了滲透，進而降低了對ARM的依賴。地緣政治，其性質已然從短期衝擊，轉變成為結構性成本，在此情形之下，企業的供應鏈韌性建設，已然步入深水區。(TOP行業報告)

華許被視為經濟學常識對官僚技術主義的修正。帶有學術和理想色彩的組合拳，是其獲華爾街和川普青睞的原因之一，儘管其政策或有“破壞性”。當地時間周四，川普正式提名凱文•華許（Kevin Warsh）為下一任聯準會主席。這一消息不僅標誌著貨幣政策重回經濟學視野，也在隔夜資本市場引發劇烈震盪，金銀價格雙雙重挫，美元和美債利率上行。市場的這一反應，實際上是對華許所代表的“回歸”邏輯的先行投票。儘管川普一直表示屬意白宮經濟顧問哈塞特，但最終卻選擇了更具有古典學術氣息的華許，在很大程度上表明貨幣政策需要回歸“專業”。某種程度上而言，華許的到來被視為經濟學常識對官僚技術主義的一次修正。長期以來，鮑爾時代被認為帶有強烈的法律背景色彩，政策往往滯後於資料，且在應對危機時傾向於“先開火、再瞄準”的防禦姿態。事實上，聯準會的專業性和預見性已經被市場廣泛質疑，每個季度公佈一次的經濟資料預測（SEP）和點陣圖經常被事後證偽，不僅貽笑大方，也讓市場失去了來自於權威機構的研究之錨。讓專業人士回歸聯準會，有助於檢討貨幣政策框架，也說明經濟在面臨巨變的當下，經典經濟學可能更適合成為政策決策的起點，同時在面臨外部不確定性時需要保持彈性。這在很大程度上意味著“動態平衡”理論的回歸，也表明讓更加專業的經濟學人士來擔綱聯準會，是對過去一個時代各種光怪陸離的糾偏。從這個角度而言，華許代表了更具前瞻性的經濟學邏輯回歸。他曾服務於摩根士丹利，也在布什政府任職，是2008年金融危機期間聯儲決策的核心成員。華許主張政策應基於市場預期的前瞻引導，而非僅僅是對過往資料的反應。這種風格的轉向，意味著聯準會將從一個“被動響應”的機構，重回一個“主動管理預期”的經濟中樞。金銀價格的下跌，部分源於市場預期他將帶回更具邏輯一致性的硬派作風，削弱了長期通膨預期的不確定性溢價。在過去十年中，聯準會的職能邊界經歷了前所未有的擴張，從支援綠色能源到涉足社會公平，貨幣工具被賦予了過多的政治屬性。華許代表了聯準會傳統職能與能力邊界的回歸。他一貫主張聯準會應專注於“穩定物價”和“最後貸款人”的初衷，而非成為社會問題的調節器。這種“退守”並非削弱權力，而是為了重建貨幣政策的公信力。當聯準會不再試圖解決所有問題時，它解決核心問題（即貨幣價值）的能力反而會增強。對於黃金等避險資產而言，這種職能的純粹化意味著“大水漫灌”式的救助時代可能終結。華許政策的另一個亮點在於他對政府槓桿的控制力回歸。他尖銳地指出，如果沒有財政紀律，通膨治理將永遠是無本之木。雖然讓財政回歸秩序絕非一蹴而就，但華許與川普政府之間存在一個極其務實的共識：只有財政紀律回歸，美債才能重新獲得市場的青睞。進一步來看，華許認為，通過建立財政紀律預期，可以有效壓低美債的長端利率，也只有這樣，降息才會達到效果——只有當市場不再擔憂政府債務違約或過度稀釋貨幣時，聯準會的降息才能真正轉化為實體經濟的低融資成本。相信在這一點上，華許仍然與川普繼續溝通，但對於川普而言，更低的利率不僅意味著政策利率更低，國債利率尤其是長債利率下行才具有實質意義，與此同時，財政紀律與通膨之間達到均衡，才能夠讓居民的通膨幻覺消失，從而達到更加良性的經濟內循環。這正是隔夜金銀大跌的深層原因——市場嗅到了聯準會與財政部可能達成的“新契約”：通過適度的財政約束換取更穩健的貨幣環境，從而在不引發惡性通膨的前提下控制美債利率。中長期而言，華許的新古典主義可能帶來的影響仍然需要進一步評估。路徑上而言，華許可能會通過“扭曲操作”——即一邊降息，一邊縮表——來達到其政策目的，但這也需要財政部的配合，同時財政部也很難在短期內大規模減少發債，這意味著“扭曲操作”可能帶來不同形式的市場動盪，而一旦市場出現波動，華許又該如何安撫市場，避免市場單邊押注“Fed put”和“TACO”。與此同時，如果聯準會出現“縮表”，那麼私人部門的資產負債表如何演繹，則對整體經濟產生重大的影響。一般而言，只要私人部門具備“動物本能”，那麼央行的資產負債表的收縮與否不會對宏觀經濟產生根本影響。但如果聯準會的縮表影響到財政部的發債規模，那麼私人部門的舉債可能會增加，這可能會帶來風險溢價的上行。而如果擔心這一趨勢，那麼私人部門的發債時間表則可能會提前，這可能會帶來信用利差的擴大。從這個角度而言，期限溢價和風險溢價之間的再平衡可能是華許時代需要觀察的一個重點指標。假設兩者能夠出現反向運行，那麼私人部門的整體債務壓力仍然可控。最終而言，勞動生產率的提高仍然是化債和控制通膨的最優解。相信華許的這一套帶有學術和理想色彩的組合拳，是讓其獲得華爾街和川普青睞的原因之一。相比之下，哈塞特更像一位帶有網紅氣質的新聞發言人，里德缺乏公共部門經驗，華許則帶兼具批判性和建設性，儘管他的政策可能帶有“破壞性”，但對於川普而言，缺乏創意的聯準會主席可能會讓其更加反感。未來華許和貝森特之間的溝通甚至交鋒，也會是一個頗有意思的看點，但相信兩個smart man會在很多問題上取得共識。但對於聯準會而言，其重新回歸學術路線，並重新擁抱古典主義，是一場華爾茲舞會，還是一場尬舞，我們很難確定，但可以確定的是，一場新的冒險即將開啟。 (FT中文網)

分享一份Nature Communications發表的觀點文章，聚焦矽光子學的發展歷程與未來方向，探討如何提升產業規模、下一代技術形態和挑戰、應用中的技術瓶頸等問題，並展望了未來十年的關鍵發展里程碑，比如包括整合技術共存、雷射器效率提升、應用場景多元化等。報告主要內容矽光子發展歷程和代際路線技術核心：材料整合、晶片尺寸、電光調製、雷射器整合等光電子系統及整合應用及各自挑戰未來十年里程碑關鍵資訊摘錄1矽光子基本結構及發展代際矽光子整合回路（PIC）從1985 年首次出現到 2025 年，元件數量（元件是元件定義為構成電路的基礎單元，如波導、定向耦合器、加熱器、光柵耦合器等）持續提升，尤其是Si單片整合光子學已發展到LSI（500-10,000 個元件）、VLSI（>10,000 個元件）。矽光子學已發展為資料中心互連的主導技術，並將成為核心技術。大規模整合（LSI）矽光子系統包含三個關鍵子系統：WDM 收發器（光源、核心元件、電子配套、監控機制），相干檢測與訊號處理模組，雷射雷達。2調製材料與機制對比報告系統對比了不同調製材料的核心性能與應用潛力，共10類核心材料的5種關鍵指標，體現了調製器技術瓶頸與研發方向。泡克爾斯效應材料（BTO、LNOI、聚合物）是高速調製的潛力方向，但面臨 CMOS 整合或尺寸侷限；傳統 p-n 摻雜劑仍主導商用市場，但插入損耗問題需通過材料最佳化或整合技術解決；MEMS/NOEMS、液晶材料適合低功耗場景，但頻寬與封裝問題制約規模化應用。3矽光子核心瓶頸：雷射整合矽的間接帶隙無法產生高效光學增益，需通過混合、異質、單片等整合技術引入外部光源，關鍵難點包括降低雷射與矽光子晶片的耦合損耗、控制反射干擾、最佳化熱管理與可靠性、適配大規模整合需求等。雷射與矽 PIC 的整合有六種主流方案，從傳統到先進。異質整合和單片整合的耦合損耗最小，是核心優勢，但是技術成熟度低；混合2.5D成本效益好、輸出功率高、熱管理容易，是當前量產最優解。其他頁面展示(銳芯聞)

1月30日，美國知名投資人、ARK Invest創始人木頭姐（Cathie Wood）接受播客訪談，她詳細解讀了ARK最新發佈的《Big Ideas 2026》報告，內容涵蓋AI Agent、自動駕駛、宏觀經濟等多方領域的發展趨勢。資料顯示，目前AI Agent在長周期任務上的成功率已達到80%。雖然這一數字對於人類員工來說尚不及格，但如果部署100個Agent平行工作，其解決問題的機率將呈指數級上升。最近開源智能體MoltBot（龍蝦機器人，因商標問題從Clawdbot改名而來）刷屏全球網際網路，Moltbot能夠連接使用者的社交媒體、信箱和本地檔案，像私人助理一樣自主完成任務。木頭姐認為Moltbot的爆火代表了個人Agent力量的崛起，個人可以利用開源工具擁有強大的生產力，無需完全依賴大公司的封閉生態。隨著AI Agent任務成功率的提升，智能體將從單純的聊天機器人進化為能夠自主執行複雜工作的數字助手，這是未來GDP和生產力爆發式增長的關鍵驅動力之一。關於大模型公司之間的競爭，木頭姐認為，OpenAI雖然擁有9億使用者的先發優勢，但巨大的算力成本迫使其不得不開始追求商業化。OpenAI正在計畫推出高達60美元的CPM廣告報價，這一價格是目前Facebook的三倍，堪比超級碗廣告的定價水平。相比之下，Google則顯得更遊刃有餘。Google擁有龐大的搜尋業務現金流作為後盾，具備極強的戰略耐力。它不需要急於通過高價搾取使用者價值，相反，可以利用價格優勢來搶佔OpenAI的市場份額。在自動駕駛領域，木頭姐對Robotaxi的未來絕對樂觀，並預測這一市場將徹底顛覆傳統汽車製造業。ARK研究預測，特斯拉將是Robotaxi領域的最大贏家，Waymo緊隨其後。Waymo雖然技術領先，但缺乏製造能力，它必須依賴汽車製造商提供車輛平台。這種組裝式的供應鏈模式，註定了其成本難以極致壓縮。而特斯拉擁有完全垂直整合的生態。從電池製造、晶片設計、資料中心到整車製造，特斯拉憑藉垂直整合的供應鏈，其每英里營運成本預計僅為20美分，比Waymo低50%。木頭姐表示，傳統汽車製造商在這一波浪潮中將難以生存或勝出。Robotaxi是機器人、AI和儲能技術三大領域的融合。傳統車企專注於內燃機，缺乏這三大關鍵技術的積累和融合能力。內燃機技術已經成熟，不再符合萊特定律帶來的成本下降曲線，而電動車和AI技術正處於成本快速下降的通道中，這使得傳統車企在未來的價格戰中毫無還手之力。另一方面，傳統車企嚴重依賴供應商，無法像特斯拉那樣通過內部完全自動化的供應鏈來快速響應指數級增長的需求。關於AI時代的宏觀經濟，木頭姐預測：全球GDP增長率將從歷史平均的3%躍升至7%。現在是機器人、儲能、AI、區塊鏈和多組學測序這五大技術平台的融合期，7%的預測甚至可能是保守的。雖然技術具有降低成本的通縮性質，但由此帶來的單位需求將呈爆炸式增長，從而極大地推動經濟總量的擴張。針對推理成本急速下跌的問題，木頭姐認為這不會導致市場萎縮。相反，人類對智能的需求在本質上是無限的，即便推理成本趨近於零，為了獲得更長思維鏈的智能代理服務，企業和個人仍將投入巨大成本。木頭姐訪談內容劃重點：1.智能的無限需求推理成本向零逼近，但人類對智能的渴望是無限的。人們會耗盡所有預算去獲取更多的智能，即使單次推理變得便宜，總需求量的爆發也會讓市場規模巨大。目前的AI Agent在長期任務上的成功率約為80%。2.個人AI Agent的生產力飛躍開放原始碼的Moltbot能夠運行在個人電腦上，幫助整理工作、連接社交媒體和郵件，甚至在睡眠時自動完成任務。這不僅是技術突破，更成為一種文化現象。這種工具能讓工作效率產生質的飛躍，但它同時也具有破壞性，如果出錯，它可能在兩秒鐘內搞亂甚至損毀電腦系統。3. 特斯拉Robotax的壓倒性優勢在自動駕駛領域，特斯拉將是最大贏家，Waymo位居其次。特斯拉的優勢在於其垂直整合的成本結構和製造能力，能夠將每英里成本降至20美分，而目前Uber等服務的成本在2美元以上。傳統汽車製造商由於依賴外部供應鏈、受限於工會以及缺乏機器人與AI的企業基因，很難在這場轉型中生存，因為未來的汽車本質上是移動的推理引擎和儲能裝置。4.汽車將演變成移動推理引擎和儲能未來的汽車不僅僅是交通工具，而是數以百萬計的移動推理引擎和能源儲存裝置。自動駕駛汽車將成為分佈式能源生態系統的一部分，利用閒置時間平衡電網（例如在夜間利用率低時充電，白天反向供電）。這種深度融合是傳統車企難以理解和複製的。5. 軌道資料中心與垂直整合SpaceX正在建構軌道資料中心，可重複使用火箭的發射成本急劇下降。在太空中，太陽能效率是地面的六倍，且不受土地限制。馬斯克意圖通過高度垂直整合，繞過傳統供應鏈的層層加價，這將徹底改變算力基礎設施的成本結構。以下是木頭姐訪談實錄：1.AI與GDP增長的加速Peter：歡迎大家來到《Moonshots》節目。我們邀請到了ARK Invest的創始人、CEO兼CIO凱茜·伍德（Cathie Wood）。凱茜，你預測全球GDP將實現7%的增長，這簡直是一個奇點事件，畢竟人工智慧的發展速度遠超我們要預期。今天我們還有幸請到了我的“登月”夥伴Dave Blundin和Salim Ismail。這可是全球排名第一的科技播客，旨在讓大家為即將到來的未來巨變做好準備。早上好，凱茜。Cathie Wood：早上好，Peter。Peter：你們發佈了一份令人驚嘆的《2026 Big Ideas》報告。我們從中挑選了大約20張幻燈片，想和團隊一起探討一下。這真的很重要，你能想像世界變化得有多快嗎？這對你來說仍然令人震驚嗎？Cathie Wood：即使我們一直預期世界變化的步伐會比人們想像的更快，但AI的發展速度依然超出了我們的預期。要知道，我們在這方面本來就已經走在很前面了，但這依然說明了某種趨勢。Peter：好的，我們來談談這場巨大的加速。凱茜，我在螢幕上放了第一張幻燈片，是關於2030年GDP預期變化的。這些數字相當驚人，你預測全球GDP增長7%，這就像是一個奇點事件，是國際貨幣基金組織（IMF）預測值的兩倍。我們剛和埃隆·馬斯克聊過，他也認為未來兩年內GDP可能增長5倍，並在下一個十年出現三位數增長。凱茜，你怎麼看？Cathie Wood：這張圖表做得很漂亮。你可以看到，歷史上每一次技術革命都伴隨著GDP增長的階躍式上升。回顧1500年到1900年那幾百年，除了末期的鐵路，並沒有太多新技術，根據Brett Winton與學術界合作的研究，那時的全球實際GDP增長率僅從0.6%提升到了6%左右。隨後，當我們經歷鐵路、電話、電力、內燃機這場技術革命時，在接下來的125年裡，增長率提升了五倍，穩定在3%左右。現在，我們要面對的是五個核心平台：機器人、能量儲存、人工智慧（這是最大的催化劑）、區塊鏈技術和多組學測序。這五大技術的融合，讓我們認為增長率會再提升兩倍半，達到7%左右。實際上，我認為這還是保守估計。幾年前我們剛提出這個數字時，人們都覺得我們瘋了，而在聽了埃隆的觀點後，你會發現我們對全球實際GDP爆發式增長的看法是一致的。這確實是當今在世的人從未見過的景象。Dave Blundin：我來充當一下反方觀點，儘管我自己並不相信這個反方觀點，但為了討論通過必須得有人提出來。Alex和我剛從達沃斯論壇回來，如果你隨機調查那裡的銀行家和政客，大概只有20%的人相信這種增長，80%的人都不信。那80%的人會說：“看，當電腦革命起飛時，GDP 增長率依然穩定在每年3%。不管有什麼突破，無論是聚變還是計算，最終都會被那3%的增長率所包含，我們擺脫不了這個困局。”這種心態源於過去125年的歷史經驗。凱茜，你會怎麼回應這些不信者？Cathie Wood：有趣的是，今天活著的人確實沒有經歷過除此以外的情況。在80年代和90年代，生產率增長確實有所上升，那是投資的黃金時代，但全球GDP增長大體保持在3%。但我認為那些金融界人士不相信這一點的根本原因在於他們的研究架構。Cathie Wood：傳統金融機構是按部門、行業或子行業來孤立地設定研究的。然而，現在的技術正在滲透到每一個領域並模糊這些界限。你必須像我們一樣建立研究體系，也就是圍繞這15項核心技術（歸納為5大平台）來開展。我們的每一位分析師都在研究這些技術何時以及如何在各個行業中擴展。我們在內部打破了孤島，分析師們協同工作，只有這樣才能真正理解當今正在發生的重大技術融合。Peter：這確實是完美的融合。正如你在幻燈片中所見，我們正在見證可重複使用的低成本太空發射技術與太空資料中心的結合。六個月前，我和埃隆·馬斯克以及戴夫交流時，還沒有人談論在太空建立資料中心，但現在每個人都在討論這個話題。Cathie Wood：我們與Mach 33合作推出了一個開放原始碼的SpaceX模型。早在去年年中我們就發佈了這個模型，當時還沒把“軌道資料中心”納入考量。現在，我們和Mach 33重新設計了方案，早期的結果顯示成本正在顯著下降，這將進一步推動單位增長。這正是賴特定律（Wright's Law）的核心：隨著累計產量的每一次翻倍，在這個案例中是可重複使用的火箭技術，成本會以穩定的百分比下降。對於火箭來說，成本下降的幅度相當可觀。信不信由你，在工業機器人領域，累計產量每翻一番，成本就會下降約50%。火箭領域的降幅可能沒那麼高，但我相信也會在百分之二十幾的區間。Dave Blundin：我其實想問關於左邊這張圖表的問題。既然發射成本正在大幅下降，我驚訝的是那條曲線沒有下降得更多。我和埃隆開會時的一個重要收穫是，老實說，我進去時對“太空資料中心”持半信半疑的態度，出來時卻完全被說服了，他正在積極且秘密地推進一件事：繞過現有的供應鏈。目前製造GPU晶片，台積電（TSMC）大約有50%的利潤率，NVIDIA有80%的利潤率，價值鏈中充滿了層層加價。埃隆打算繞過這一切，建立自己的晶圓廠。他總是問：根本性的約束是什麼？真正的物理障礙是什麼？其實很簡單：沙子（矽）的獲取非常便宜；至於電力，太空中太陽能板的效率是地面的六倍，成本極低。所以我認為，如果我們今天只看發射成本的下降，而不考慮GPU成本、電力成本和太陽能板生產成本的趨同性顛覆，那我們就低估了趨勢。如果埃隆是對的，這些都會在短短幾年內平行發生，成本曲線會急劇下降。Cathie Wood：確實如此。我們再看賴特定律在半導體行業的應用。現在的問題是，什麼會阻礙這種增長？我不認為監管會成為障礙，因為我們正處於一場太空競賽中。既然埃隆的公司高度垂直整合，我們假設他能搞定晶片供應。Dr. Alexander：凱茜，如果我們天真地通過過去的資料向外推演，我們會達到“戴森群”等級的規模嗎？在未來的某個時刻，為了建造軌道資料中心，我們是否需要從月球、其他行星或小行星帶獲取足夠的原材料？我知道你通常做五年預測，但如果讓你展望50年後，我們會看到戴森群（Dyson swarm）嗎？還是會有多個相互競爭的戴森群？Cathie Wood：雖然我不夠專業去回答關於戴森群的具體問題，但我們的模型確實已經把SpaceX的規劃推演到了五年以後，並且納入了Optimus機器人、特斯拉和The Boring Company甚至火星殖民的因素。我們認為這在技術上是可行的。不過，軌道碎片確實是近期最大的絆腳石，一旦發生連鎖反應，後果不堪設想。Peter：讓我們把話題轉回AI基礎設施。正如幻燈片所示，推理成本正以驚人的速度下降，其影響巨大，我認為人們尚未完全意識到這一點。Salim Ismail：這裡有個悖論：當技術像我們所見的那樣具有極強的通縮性，例如火箭發射成本從航天飛機的6億美元降至SpaceX的6000萬美元，甚至還將再降10倍，這對GDP來說是巨大的縮減。當技術如此徹底地降低一切成本時，我們如何預測GDP的增長？這是我最大的擔憂之一。Cathie Wood：成本下降的另一面是單位數量的爆炸式增長，這就是傑文斯悖論（Jevons Paradox）。很多人嘲笑我預測價格將開始下跌，他們認為通膨會卡在2%到3%的區間。但如果你看真實通膨資料，它已經降到了1.2%到2%。聯準會還在對抗通膨幽靈，但我認為明年通膨率會降至2%以下，甚至轉為負值。這裡的關鍵是生產率增長和單位勞動成本的下降。Dave Blundin：確實，油價在跌，租金也在跌。或許我們需要一個“凱茜·伍德定律”來解釋這一切。埃隆曾講過一個笑話：兩個經濟學家在樹林裡散步，互相付錢吃對方的排泄物，結果GDP增加了200美元，卻沒創造任何價值。反過來看，如果AI治癒了癌症，數百萬人不再需要放療和化療，這在GDP上會表現為負增長，但對人類價值卻是巨大的。所以在AI時代，GDP指標本身就有根本性缺陷。Cathie Wood：你說到了點子上，但這事還有另一面。看看機器人技術，特別是那些我們要花時間做卻沒有任何報酬的事情，比如接送孩子、做飯、打掃衛生。這些從未計入GDP。但未來我們將購買機器人來做這些事，這將轉化為付費服務，從而進入GDP統計。這就像從農業經濟向工業經濟轉型時，家務勞動逐漸社會化一樣。被“看不見”的勞動將轉化為可衡量的經濟活動，這將帶來GDP的大幅回流。Cathie Wood：舉個具體的例子，當年很多風險投資人錯過了Uber。有人告訴我，他們當時算了一筆帳：舊金山的計程車市場每年約為5億美元，如果Uber拿走20%，這生意就不值得投。但他們沒算到的是，由於價格和便利性的變化，拼車市場擴大了四倍，而且Uber從計程車手中搶走了80%的份額。如今，Uber僅佔所有城市出行里程的1%。根據我們在《Big Ideas》裡的分析，要滿足這1%的里程只需要14萬輛車；而要滿足全美所有的城市里程，需要2400萬輛車。考慮到美國現有的4億輛汽車保有量，Robotaxi（機器人計程車）的增長將徹底摧毀我們熟知的汽車市場結構。Peter：同意。我們正在見證“認知的商品化”。人類經濟的基石，智能，正以每年99%的速度降價。這是一場逐底競爭。我的問題是，隨著價格暴跌，大語言模型（LLM）公司能否維持建構AI基礎設施所需的收入？凱茜，你對這些前沿模型的商業閉環有擔憂嗎？Cathie Wood：觀察OpenAI最近的動向非常有趣。他們開始商業化了，規劃了廣告、電商和機器人業務。但我們聽說他們的廣告報價是每千次展示（CPM）60美元，這相當於超級碗廣告的價格，而Facebook目前只有20美元。OpenAI可能會因為控制了供應端而暫時得逞，但我們的分析師認為這不可持續。Google的Gemini不會這麼做，他們有Google龐大的現金流支援，可以打價格戰來搶佔市場份額。這對OpenAI來說不是好消息。雖然OpenAI有9億使用者的先發優勢，但他們必須加快收入增長來支撐基礎設施擴張。這可能意味著他們需要在某些方面收縮戰線，更加專注。Dave Blundin：我想插一句。幻燈片上提到AI Agent在長期任務上的成功率是80%。彼得，你說任何員工如果只有80%的成功率都會被解僱，但這還沒算完。如果把上一張關於推理成本降至零的幻燈片結合來看，你會發現：無論推理變得多便宜，離真正的“零成本”還很遠。因為人類對“思考循環”的渴望是無限的。正因為彼得提到的80%成功率，如果你啟動100個AI Agent去解決同一個問題，只要其中一個成功了，整體成功率就會極高。這是一種“暴力破解”法。因此，對智能的需求基本上是無限的，人們會花光所有預算去獲取更多的智能。Cathie Wood：另外，最近那個開放原始碼的Claude機器人（Claude-bot）真是令人驚嘆。它在一個周末內就火遍了網際網路。你可以把它看作個人版的Jarvis，它能運行在你的電腦上，幫你組織工作、連接社交媒體和郵件，甚至在你睡覺時自動完成任務。我們的首席AI分析師只用了一個周末，工作效率和條理性就有了質的飛躍。Dave Blundin：沒錯。它之所以還沒被大型AI實驗室直接推出，是因為它非常強大但也具有破壞性，如果出了差錯，它可能在兩秒鐘內搞亂甚至損毀你的電腦系統。所以使用時要小心，但這也正是它強大的原因。這不僅僅是技術，更是一種文化現象。Dr. Alexander：凱西，我想回到你剛才提到的一個非常有趣的觀點。據我所知，還沒有人像你這樣表述過。很多人，包括本節目的嘉賓，都在擔心GDP增長與實際財富增長之間存在固有的不一致，甚至擔心超級通膨。但你提出了一個相反的獨特視角：隨著人類將越來越多的服務委派給AI代理，從GDP的角度來看，這種“委派”構成了商業活動。本質上，我們將人類個體的角色與生產性服務剝離，而這些細分領域之間的互動許多將由代理完成，這反而會增加對GDP的貢獻並促進商業發展。所以，你描繪的是一個GDP資料可能爆發式增長，但實際人類財富或許保持不變的圖景。那麼我想問你，如果你能揮動魔法棒，給出一個並不是單純指GDP增長，而是定義“人類真實財富增長”的完美指標，你會如何定義？Cathie Wood：財富增長在很大程度上與生產率增長密切相關。我所說的實際財富增長，不是指由價格驅動的房地產泡沫，而是由技術推動的生產力提升。我們在80年代和90年代初曾稍微嘗到過一點甜頭。那時是PC時代和網際網路時代的開端。對金融市場而言，那是一個輝煌的時期，因為軟體的潛力首次被真正釋放。雖然我們在80年代經歷過一段“索洛悖論”時期，當時人們覺得科技發展似乎反而削弱了生產力，但隨後微軟崛起，緊接著迎來了網際網路熱潮。這只是我們即將經歷的變革的前奏。如果你回顧歷史，從糟糕的70年代到80年代初，生產率增長幾乎為零甚至為負。隨後生產率開始回升，金融市場隨之繁榮，通貨膨脹開始下降。我之所以對此深有感觸，是因為在我職業生涯早期，我們就判斷通膨會下降，而當時大多數人認為除非發生經濟大蕭條，否則這不可能發生。但事實恰恰相反，通膨下降是由於技術帶來的生產率增長以及合理的貨幣政策。這裡有一個與哈佛學派相關的凱恩斯主義經濟學的不同觀點：凱恩斯主義認為增長會導致通膨；但實際上，增長不會導致通膨，反而會導致通縮。我們即將進入的世界是通縮性的，這是“好的通縮”，即當商品價格下降時，需求會激增。2.在AI時代重新定義財富Dave Blundin：凱西，我也許可以順著這一點深入問一下。這似乎是問題的核心，不僅關乎視覺展示，也關乎你更廣泛的投資論點，即GDP可能不是衡量進步的最佳宏觀指標。聽起來你認為“人均生產力”才是關鍵。但最終，作為通過ETF進行的投資，你必須用美元或其他單位來量化它。我好奇的是，我們應該設定什麼樣的基準？你顯然在投資未來的行業。而標普500指數（S&P 500）作為傳統的基準，可能無法正確衡量通向未來的進步。如果讓你設定一個單一的度量標準來最佳化進步本身，那會是什麼？Cathie Wood：首先，關於指數化投資，這是我的一個痛點。目前的金融市場結構確實如此，埃隆·馬斯克（Elon Musk）對此也有非常強烈的看法，我們在一次X Space的對話中花了很多時間討論這個話題。標普500、納斯達克這些榜單前列的公司，代表的是過去的成功。如果我們的判斷是正確的，即我們正進入有史以來最具顛覆性的創新時期，那麼傳統的舊世界秩序將被打破。長期來看，標普500的名義回報率一直維持在個位數的高位。但我們認為這將會改變。因為標普在納入新股票時往往滯後，他們需要先看到收入增長和盈利能力。在我們的《Big Ideas》報告中，我們預測顛覆性創新在未來五年內將以年化35%的速度複利增長。Peter：你們那只基金專注於這個方向？Cathie Wood：我們所有的基金都專注於此。我們的旗艦基金ARKK整合了所有這些平台。這是一項艱巨的任務。我們經歷了一段非常艱難的時期，特別是在遭遇供應衝擊和與新冠相關的貨幣政策時，創新股在包括風險投資在內的各個領域都遭受了重創。當時很少有人相信創新，但我們認為現在正在走出困境。橡皮筋已經被拉得很長，事實上，企業已經加速了世界各個角落的數位化處理程序。Peter：僅僅看ARKK，過去兩年的年化回報率大約在31%到33%之間，這相當了不起。Cathie Wood：是的，我們的三年資料正開始向我們預期的數字攀升，但為了達到平均值，我們還得超過35%。如果你要我嘗試用一個經濟指標來衡量進步，當大多數人關注GDP時，我會關注國民總收入（GNI）。理論上，GNI和GDP的增長率應該相等，但實際上並非如此，兩者總是存在統計差異。這種差異正在擴大，因為從產出角度（GDP）我們無法精準測量剛才討論的許多技術影響，但這些影響會在收入端（GNI）顯現出來。Peter：所以答案是GNI，而不是某種人均生產力？Cathie Wood：對，我認為應該是GNI。生產率也很難測量，這就是為什麼我們認為目前的生產率被低估了，年化增長率大約被低估了2%。這意味著什麼？按照GDP的構成方式，如果我們低估了生產率，那麼我們就低估了實際GDP增長，同時高估了通貨膨脹。這像個拼圖，如果政策制定者不具備我們這種思維方式，盲目信任公佈的資料，就會在政策上犯錯。3.10兆美元公司的預測Peter：凱西，我想問你。到2030年，我們會看到市值達到十兆美元的公司嗎？比如SpaceX是會上市，還是可能與特斯拉合併？你認為埃隆會通過那種方式為SpaceX獲得流動性或穩定性？Cathie Wood：這很有趣。我不確定埃隆是不是在你的播客裡提到過，但我聽說過他說預見到旗下公司的融合，這是我之前沒預料到的。不過我們確實已經討論這種情況一段時間了，因為在人工智慧的世界裡，要取勝就必須擁有專有資料。想想他擁有的所有專有資料：特斯拉擁有路面的語言資料；Neuralink擁有多組學資料；SpaceX擁有太空資料；X擁有獨特的社交資料；Boring Company也有別人沒有的資料。所以，我確實認為由於這種融合驅動，到2030年那些兆美元等級的公司將會開始上線。Peter：我認為主要的候選者就是特斯拉，正如你剛才所說的原因。而且可能會有一些組合作為其中一部分發生。Cathie Wood：是的，這也很有趣。我知道有傳聞說SpaceX正在接觸投行人士，但我以前從未想過SpaceX會上市，也不覺得有必要。畢竟埃隆在特斯拉的公開市場經歷並不愉快。但如果SpaceX真的上市，那可能是為了抓住軌道資料中心（Orbital Data Center）的機會。Peter：其實在這個播客上我們也問過埃隆。那是關於他最不可思議的事情之一。我們問他：“看看你的商業帝國，Starlink、全球太空資料中心、雷射鏈路，這一切難道不是你畢生心血的匯聚點嗎？通向這個驚人的十兆美元的成功，當時的遠見一定非同凡響。”但他卻笑著說：“不不不，這完全是運氣，這些事情彼此毫無關聯。”我覺得這太不可思議了，他本可以藉機吹噓自己的遠見或宣稱自己是天才，但他沒有。Cathie Wood：其實這是因為人工智慧正在導致一切融合。這就是為什麼我們在組建公司和組織研究時，讓機器人工程、能源儲存和AI分析師共同協作來研究它。在傳統的金融機構裡，汽車分析師通常只懂內燃機，不懂技術，他們經常為此爭論地盤，導致技術分析師的話語權旁落。這就是為什麼華爾街到現在仍然看不懂特斯拉。Peter：沒錯，凱西。我對“專家”的定義就是那些能確切告訴你為什麼某件事做不成的人。那麼，讓我們進入最內層的循環，談談能源。再次引用《Big Ideas Report 2026》的圖表，我們看到越來越高效的能源正在驅動全球經濟，每美元GDP對應的千瓦時能耗正在下降。此外，太陽能和電池成本也在大幅下降。我認為人們並沒有真正意識到能源在根本上有多麼關鍵。它不僅與GDP相關，還與每個國家的生活水平、健康和教育息息相關，尤其是在現在的資料中心爭奪戰中，它已成為國家主導地位的根本。凱西，你對此有什麼看法？Cathie Wood：經濟活動本質上就是能量的轉化。那些盲目說能源是壞事的人，並不清楚自己在說什麼，他們基本上是想把我們逼回黑暗的中世紀。如果我們要進步，就必須使用更多能源。關於核能，特別值得注意的是，美國和日本在70年代開始的過度監管扼殺了這個行業。如果按照賴特定律，隨著技術進步建設成本本應下降。如果我們在核能上繼續沿賴特定律發展，今天的電力成本會比現在低40%。所以我認為我們對核能重新燃起的熱情很重要，這將把我們帶回成本下降的軌道。當然，還有太陽能。埃隆關於軌道資料中心的願景，也會為資料中心的太陽能採購注入強大動力。Dr. Alexander：我很好奇，凱西。你認為是因為核能過度監管，還是其他原因，導致1971年後美國經濟走上了一條不同的道路？Cathie Wood：我認為，當年放棄金本位制、關閉黃金窗口，導致貨幣政策除了受人性的脆弱影響外，不再與任何實質事物掛鉤，這實際上開啟了一段艱難的時期。隨之而來的是工資和價格管制、各種市場扭曲，以及整體監管力度的增加。核能產業就是這種情況的一個縮影。我記得那是1974年或1975年左右，在脫離金本位制後，我們失去了約束，油價幾乎瞬間翻了四倍，這讓我們走上了一條非常糟糕的道路，我們也因此停止了載人登月計畫。隨後出現了里根經濟學（Reaganomics），即沃爾克（Volcker）的貨幣政策與里根的經濟政策相結合，包括放鬆管制和減稅，這一策略今天仍在被沿用。目前美國的企業實際稅率在發達國家中屬於極低水平。雖然川普在第一任期內開始降低稅率，但在新稅法之前的折舊時間表其實並不利於創新。現在的新政策允許製造業結構在投入使用的第一年就完全折舊，而不是分30到40年逐步折舊。這意味著，任何在美國建設製造設施的公司，只要在2028年底前開工，就能獲得巨額退稅，並可以將這些資金重新投入研發，從而降低價格，推動再工業化。我們正在見證這一切，未來幾年我們將迎來一場經濟繁榮，這甚至會讓埃隆·馬斯克所說的5倍GDP增長都顯得保守。這聽起來是非常合理的預測。4.AI與未來投資方向Peter：Dave，我很好奇，我們之前在簡訊裡聊過關於下一波投資方向的問題。當然這不是投資建議，但你提到了能源基礎設施。小型模組化反應堆（SMRs）、核裂變能源，以及雖然目前還有點遙遠的核聚變，都是關注重點。同時還有資料中心的建設。這些領域的數字看起來非常驚人，這將是我們看到上市公司中投資最多、增長最快的領域。Dave Blundin：我們與凱西（Cathie Wood）以及Peter你的科技路線不同之處在於，我們並不試圖一次性部署上百億美元，所以我們可以更靈活地深入觀察資料中心的技術堆疊。你會發現，供應鏈中的某些元件突然之間面臨無限的需求。我們在Boom Supersonic（Boom超音速公司）身上也看到過類似的情況。這是一家製造超音速飛機的公司，其引擎元件的價值突然上漲了10倍甚至100倍，因為同樣的元件可以用於製造發電機，而這些發電機多年來一直處於積壓狀態。Peter：我認識Boom的創始人，當時我就覺得處理聯邦航空管理局（FAA）的監管簡直是瘋狂的挑戰。但後來他們找到了市場，完成了一次出色的轉型。Dave Blundin：沒錯，這是一個絕佳的轉型案例。這其實是兩個不同層面的案例研究：一個是與這次人工智慧（AI）建設相關的任何事物，如果你能搶先發現，可能會帶來千倍的回報；另一個是關於優秀的團隊如何轉型。有些項目乍看之下像是一潭死水，但如果你意識到這是一個了不起的團隊，你會發現他們轉型的速度比以往任何時候都快。所以，無論如何都要選擇並堅持支援優秀的團隊。Peter和我討論時，我們一直在尋找那些尚未被發現的機會。比如Alex對光子學（Photonics）有很多見解，在大型資料中心的網際網路互連、讓資料高速傳輸方面，存在著巨大的機會。但我認為這一切都指向同一個主題：如果你看未來幾年，軌道資料中心、對晶片的無限需求，以及將這一切連接起來的管道、布線和粘合劑，到處都是潛在的機會。Cathie Wood：我想回應Dave剛才提到的很重要的一點，那就是必須從“出色的團隊”開始。我們看到那些轉型之所以非常成功，是因為不同技術之間的融合創造了全新的產業。因此，轉型的機會比以前多得多。如果你因為擔心監管阻礙而錯過交易，那將是一個風險。因為就像Boom那樣，有時一次轉型正好能契合監管的需求，甚至監管機構也希望這種改變發生。關於這張幻燈片，我想指出，到2030年，全球電力累計投資需要增加到10兆美元。這說明我們將在電力方面進行巨額投資，毫無疑問，數兆美元將投入到與AI相關的一切基礎設施中。Dr. Alexander：我想問凱西，也想問問在座的各位關於能源的話題。也許你們看過Apple TV的劇集《為全人類》（For All Mankind），它提出了一個替代歷史的場景：如果蘇聯先於我們登上月球，太空競賽從未結束，核能技術因此被快速推進，歷史會怎樣發展？我很想從“學習曲線”的角度探討這個替代歷史。如果20世紀70年代中期我們的發展沒有脫軌，我們現在在能源領域應該達到什麼水平？是落後了十年，還是五十年？Cathie Wood：在能源方面，特別是核能，我不能說我們整體落後了，但我認為我們在新建項目上確實落後了。美國需要大、中、小型反應堆的全面投資。毫無疑問，我們在核能上確實浪費了很多時間。由於美元是儲備貨幣，我們在70年代將通貨膨脹帶給了全世界。雖然瑞士等少數國家能夠抵抗，但這總體上是一個全球現象。但我認為我們現在的心態是正確的，矽谷一直保持著正確的心態。我們正試圖在這裡打造一個新的創新中心，加州的稅法可能也在推動這一點。雖然AI人才聚集在矽谷至關重要，但我們現在看到創新力量正在分佈到全美各地。隨著創新成本的急劇下降，個人的能動性變得越來越強，你可以在任何地方成為企業家。5.自動駕駛車輛的未來Peter：我們現在進入最後一個話題，自動駕駛汽車。關於這個話題有太多可以討論的，比如人形機器人，也許我們在討論特斯拉時會順帶聊到。目前的消息是，自動駕駛計程車終於來了。我們已經看到了Waymo的進展，CyberCab也即將上線。Uber、Lucid都在部署自己的車隊。資料顯示，Waymo的份額正在上升，而Lyft和Uber在下降。我們在聖塔莫尼卡出差時，往返機場或送孩子上學的路上，平均每天能在街上看到10到12輛Waymo。我認為大約在四五年後，80%的車輛將是自動駕駛汽車。你們怎麼看？Cathie Wood：我們同意這個觀點。正如我們的研究報告所示，我們預計從平台角度看，特斯拉將是最大的贏家，Waymo將位列第二。原因在於Waymo的成本結構依賴於外部供應鏈，這與特斯拉的垂直整合模式完全不同。這正是埃隆的運作方式。Waymo曾一度難以吸引汽車零部件供應商，所以他們現在正與極氪（Zeekr）、現代（Hyundai）等公司合作。目前他們在全美的車輛少於3000輛，如果你一次行程能看到10輛，說明它們高度集中在你所在的區域。我們認為從成本角度看，特斯拉的方案將比Waymo低50%，因此能夠收取更低的費用。目前Uber的平均價格隨著高峰定價上漲了40%，達到每英里2美元到2.8美元。而我們的研究證實了埃隆的說法：當達到規模效應時，特斯拉能夠將價格定在每英里20美分。在達到那個低價之前，巨大的價格保護傘將導致特斯拉的現金流暴增。Dave Blundin：你完全說對了，凱西。在去參觀特斯拉超級工廠之前，我完全沒意識到這一點。我曾以為埃隆不喜歡供應商只是因為他是個控制狂，但這並不是真的。他不依賴供應商是因為他看到了製造業的指數級機會。需求會在一夜之間飆升，而滿足這種需求的唯一方法是將原材料（如原鋁）在工廠的一端輸入，在另一端直接產出汽車或晶片。你必須內部製造所有東西並提前規劃。如果你像Waymo那樣，在供應鏈中缺少那怕一個受限元件，整個生產鏈都不得不停下來等待。Cathie Wood：絕對是這樣。對Waymo和特斯拉的需求都會是無限的，但特斯拉能更快地生產更多汽車，因為埃隆將所有環節都納入了那個完全指數級自動化的內部供應鏈中。Salim Ismail：我認為如果特斯拉允許人們擁有自己的汽車並將其轉變為計程車，那將是一個巨大的優勢，這更符合指數級增長組織的特點。那樣的話，你甚至不需要擁有自己的資產，這正是Uber增長如此迅速的原因。Peter：凱西，在技術融合的討論中，你有沒有關注這樣一個概念：數以百萬計的自主聯網計程車，實際上就是移動在城市中的推理引擎（Inference Engines）和能源儲存裝置？Cathie Wood：哦，當然。這與埃隆關於我們電網目前效率低下的觀點不謀而合。電網在晚上的利用率很低，而白天有時又被過度使用。這是一個典型的分佈式能源生態系統機會。Dave Blundin：令人驚訝的是人們多麼低估這一點。如果你看特斯拉的超級工廠，街對面就是Optimus（柯博文機器人）的工廠，旁邊還有資料中心。這裡的核心在於，所有元件都是通用的。當你對比福特或通用汽車時，你會問：“你們到底在做什麼？”他們從別處訂購底盤和動力總成。如果他們明天想轉型成一家機器人公司，他們做不到，因為他們只是在組裝第三方的元件集合。他們只能是一家汽車公司。而埃隆建構帝國的方式是，整條製造鏈的每一個環節都可以在短時間內轉向，例如變成衛星製造業務。整條長鏈本質上是可重構的機器人。我認為這可能是他獨有的優勢。也許Google在做類似的事情，我不確定，但這就是未來。所有這些都可以通過AI和機器人進行重新配置。Cathie Wood：在這個方面，美國汽車行業正在減少對電動汽車的投入，開始收縮，但他們又試圖搞清楚如何切入Robotaxi（機器人計程車）領域。這一切最終會融為一體，而特斯拉早就看明白了這一點。埃隆在他的宏圖計畫裡早就寫明了。如果傳統車企認真對待過他，那答案早就擺在他們面前了。Peter：我看不出傳統汽車行業能挺過這一劫。未來是與AI深度整合的：AI知道你的日程，當你走向前門拉動門把手時，自動駕駛汽車已經在那裡等你，你甚至不需要叫車。Salim Ismail：關鍵在於，我們只需要幾千萬輛汽車就能覆蓋所有人的出行需求。現在全球每年銷售9000萬輛新車，這是瘋狂的供應過剩。Dr. Alexander：但我認為，對不同形狀和尺寸的機器人的需求實際上是無限的。所以我認為汽車行業會以某種形式存活下來，就像自行車演變成馬車、再演變成飛機和汽車一樣。這個行業會演變成機器人行業，並且規模比以往任何時候都大。Dave Blundin：但在行業內部，有些公司根本沒有做好轉型的準備，而其他公司則準備充分。在這方面，美國人有一種特質，那就是熱愛重塑，我們願意把舊的東西扔掉，去建立一個全新的創業公司。Salim Ismail：我想強調一個非常關鍵的點。有人類駕駛員的網約車服務與完全自動駕駛之間的成本差異，實際上超過了10倍，這是一種驚人的成本下降。Cathie Wood：問題的核心在於，傳統車企是在內燃機和人工駕駛的環境下成長起來的，這導致它們的企業基因與當前的技術變革不匹配。雖然人們常說它們可以重新配置、整合或重組，但在顛覆性創新領域，這種轉型往往難以成功。我認為它們無法在這個新領域獲勝，因為這涉及三項技術的深度融合：機器人技術（像埃隆·馬斯克那樣將汽車視為機器人）、人工智慧（這是方程中永恆的一部分）以及能源儲存。隨著電池技術的發展，電動汽車的成本持續下降。相比之下，內燃機是一個完全成熟的行業，根據賴特定律，由於其累計產量基數巨大，成本翻倍從而帶來成本下降可能需要上百年的時間。因此，傳統車企無法像堅持做電動汽車那樣享受到成本下降曲線帶來的紅利。Dr. Alexander：我認為我們可能遺漏了一個非常重要的組成部分，也就是埃隆所說的“製造那些生產機器的機器”。我們在討論內燃機與電動汽車的對比時，往往忽略了它們的製造方式。目前的傳統汽車公司在很大程度上依賴受工會保護的人工勞動，而在未來，大部分製造工作將由機器人自動完成。所以我想問Cathie，你是否認為對於傳統汽車公司，至少是美國汽車公司，來說，真正的競爭障礙在於它們無法像特斯拉那樣，實現高度機器人化的製造自動化？Cathie Wood：毫無疑問。大概三四年前，埃隆曾說過：“我發現自己其實是一個工廠的製造者。”這對我們來說也是一個重要的頓悟時刻。他在設計未來的工廠，並引入了正確的技術。Dave Blundin：回到Alex的觀點，當初位於加州的初代超級工廠（Gigafactory）在疫情期間被迫停工時，埃隆決定搬離加州，前往德克薩斯州，在一個監管環境更友好的地方從頭開始建設。如果你看看傳統汽車公司，它們受到工會、養老金計畫以及與當地選區緊密繫結的制約。因此，在一個新的司法管轄區從頭開始建廠，實際上比改造傳統車企的現有生產線要便宜得多。Salim Ismail：是的，歐洲的情況更糟。例如在德國，他們有工人委員會來決定寶馬或梅賽德斯作為公司被允許做什麼。這在達沃斯論壇上也成為了一個重要話題。歐洲的資本如果沒有好的去處，比如你想藏錢可以去列支敦斯登或摩納哥，但如果你想在一個監管相對理性、或者說較少受限的環境中建立一家低成本汽車公司，你會去那裡？Cathie Wood：我知道大多數人認為歐洲在技術和監管層面已經完全沒希望了，因為創新的崩塌和個人能動性的減弱。從宏觀層面上我同意這一點。但我想問，歐洲有什麼是其他地方沒有的？為什麼我們都去那裡度假？Dave Blundin：建築，還有生活方式。Cathie Wood：對，生活方式、悠閒的節奏、美食。所以我不會完全否定歐洲，他們會像以往那樣為世界其他地區提供服務，生活方式、旅遊服務、漂亮的廣場和濃縮咖啡。Dave Blundin：我來做個預測。歐洲擁有令人難以置信的潛在人才儲備，才華橫溢。歷史上，像印度這樣的人才流出國，人們去美國賺錢後往往會回國退休。但歐洲人以前不這麼做，因為離開歐洲太難了，那裡的生活太美好了。但我認為現在差距已經變得如此之大，真正的創業群體將開始湧向美國，工作十年，保留在歐洲的居所，然後來回往返。Salim Ismail：我可以提出反方觀點嗎？我認為過去對於歐洲企業家來說，來美國是一個可行的選擇，但現在這已經不再是唯一的路徑了。接下來會發生的是，歐洲將被迫改變監管制度。目前的結構無法維持，必須通過設立特別經濟區或進行結構性變革來突破，否則就會陷入“死亡螺旋”。我們在今年的達沃斯看到了這種跡象，他們試圖建立一種“歐盟公司”（EU Inc.）的概念，即在一個國家註冊就等於在所有國家註冊，並統一創新體系的規則。Peter：這是我們的最後一張幻燈片。全自動配送已經到來了。雖然我們長期以來一直關注機器人計程車（Robotaxi），但我們看到目前每年已經有400萬次無人配送。Cathie Wood：是的，最美妙的是他是從盧安達開始的，利用無人機運送醫療用品。據統計，他將孕產婦因產後大出血導致的死亡率降低了50%以上。Peter：所以，我們在空中看到了Zipline和Wing實現了無人配送，還有Matternet。在地面上，我們有Starship、Meituan和Coco Robotics等幾十家公司。當然，我們也看到了卡車運輸自動化的起步。有趣的是，地面交通已經很擁擠了，目前空中航線雖然是開放的，但最終也會變得擁擠。如果配送量激增，主要是來自Zipline和Wing，我很好奇人們是否會開始抱怨噪音問題，因為它們雖然在高空飛行，但需要通過纜繩放下貨物來完成投遞。Dave Blundin：航道是三維的，物理上不會那麼快擁擠，但你說得對，噪音將成為一個非常大的問題。如果有人能發明出靜音無人機，那將徹底改變遊戲規則。 (劃重點KeyPoints)