幾周前，在紐約的一場以美國貿易為主題的晚宴上，談話很快就轉向了中國。在座的專家們資歷深厚，卻立場對立：有些人支持川普總統強硬、激進的對華策略，有些人則主張採取更溫和、傳統的外交方式。圖片來源：Andrey Kasay我不是貿易專家，但多年來一直在中國進行投資，而且剛結束為期一周的訪華行程。鼓起勇氣後，我提出：這兩種策略恐怕都行不通。中國作為競爭對手太過強大，同時又是全球製造業的核心力量，單靠外交手段或政策上的強硬轉向根本無法遏制它。我們唯一真正的出路，是先把自己的事情做好，然後在中國擅長的領域中擊敗它。而這項需求正變得愈發緊迫——因為川普重返白宮第一年的種種混亂舉措，已經讓美國落後了。除了製造業，中國也在人工智慧、新藥研發等快速成長的關鍵領域挑戰美國的領先地位。當川普試圖削減基礎科學研究等重要政府職能的支出時，中國已將這些領域列為國家戰略重點。中國在人工智慧領域的進步令人震驚。儘管在尖端半導體晶片方面仍落後於美國，但中國擁有另一個人工智慧成功的關鍵要素：電力。中國的發電裝置容量是我們兩倍以上，部分資料中心的電價甚至只有美國的一半。這有助於中國企業以驚人的速度開發出像「Manus」這樣的產品——在我造訪後不久，這款效能堪比ChatGPT的人工智慧代理商就被Meta以超過20億美元的價格收購。人才是中國成功的關鍵因素之一。我見到了無數中國年輕創業者，他們的活力與才智絲毫不遜於矽谷同行，其中一位中國億萬富翁甚至至今仍睡在辦公室裡。無論川普如何高調加徵關稅，我們在貿易戰中並未取勝。這個亞洲巨人繼續穩居全球最大出口國地位，去年貿易順差創下1.2兆美元的歷史新高。這一整體成長表明，大量中國商品只是經由第三國中轉後再進入美國市場。無論有沒有關稅，全世界都離不開中國製造。以汽車為例。此行中，我參觀了小米公司——這家原本主營智慧型手機和電子產品的公司，五年前才宣布進軍電動車領域。在其幾乎看不到工人的龐大工廠裡，形狀像機械恐龍的巨型機器人輕鬆地將鋁板精準安裝到流水線上的車身。展間停放一輛黃色跑車，若不細看，很容易被誤認為保時捷。我還走訪了一家機器人公司，看到看似塑膠兒童玩具的小型機器人在地板上靈活奔跑，展示公司在人形機器人領域的進展——這些機器人未來有望在某些任務中取代人類。 （2024年，中國安裝的工業機器人數量接近美國的九倍。）去年夏天，在訪華之後，福特執行長吉姆法利（Jim Farley）公開表示，中國汽車的車載技術「遠超」美國車型，並稱中國的技術進步是他「一生所見最令人震撼的事」。巧合的是（或許並非巧合），福特最近停產了其F-150電動皮卡，並對其電動車業務提列了高達195億美元的巨額減值。再來看醫藥研發領域。幾年前，中國也主要依賴從海外公司引進藥品授權；如今，它向其他國家授權的藥品數量已超過從國外引進的數量，並且臨床試驗數量也已超過美國。當然，中國自身也面臨挑戰。房地產泡沫持續收縮的餘波仍在蔓延，消費者信心尚未恢復，這形成了一個「兩個中國經濟」的局面：一方面是疲軟的內需，另一方面則是主導全球製造業、並在長期由美國引領的高科技前沿領域取得非凡進展的產業巨獸。中國之所以能如此成就，部分歸功於其「國家主導型」模式。當政府意識到自己在人工智慧競賽中落後時，便明確將追趕列為國家戰略重點，並迅速投入資金、放鬆監管、大規模建設發電能力。如今，成果已然顯現。即便在最理想的情況下，與中國的競爭也將異常艱難。顯然，我們必須重新思考自己的產業政策──也就是如何動用政府資源支持具有戰略意義的產業，這其實就是我們自己的「國家主導」。不幸的是，川普政府混亂無序的政策正在製造極其不利的局面。首先，我們必須逆轉川普對科學研究等關鍵領域的預算削減。雖然我對民主政府能否有效「挑選贏家」持懷疑態度，但我們已不再有袖手旁觀的奢侈。尤其應聚焦未來產業——其中許多與科技相關——並弱化川普對傳統金屬加工製造業的過度強調。例如，在拜登總統任內通過的《晶片與科學法案》推動下，亞利桑那州等地正在興建大型半導體晶圓廠。政府角色的調整不僅限於支出。我們缺乏關鍵礦產，並非因為這些資源稀有，而是因為新建礦場和加工廠的審核程序過於繁瑣。我們完全可以在不犧牲合理環保標準的前提下，找到加快礦業發展的路徑。川普（以及所有人）應當明白：靠加徵關稅或試圖談判貿易協議，我們不可能戰勝中國。 （需要強調的是，健全的產業政策並不意味著政府直接持股企業或索取專利使用費——而這正是川普政府正在做的事。）要超越中國，必須從國內做起──先把我們自己的經濟秩序理順。這項挑戰也應促使川普重新審視其一系列政策。 (邸報)

AI正在全方位重構生命科學。這是一場醫藥研發效率的革命。過去傳統藥物研發受困於三個十定律，耗時10年、花費10億美金，但是僅10%成功率。而今，以AlphaFold為代表的AI模型，將新藥研發的試錯成本、時間大幅降低，效率大幅提升。AI的觸角已不再侷限於實驗室，更延伸至手術機械臂、醫學影像、數位化診療等領域。創新藥、醫療影像、手術機器人，都是全新的醫療新質生產力。如果說AI拓展了人類的智力邊界，那麼AI醫療則通過破解生命密碼，拓展了人類的生命長度。活得長，活得好，AI正在重塑人類的生命極限。1 全球AI醫療加速爆發，創新藥領跑全球AI醫療市場規模加速擴容。行業呈現三大特徵：一是全球科技巨頭入場，算力成為新醫療的“水電煤”。 以輝達、Google、微軟為代表，正在從底層重構醫療基礎設施。比如輝達推出的BioNeMo平台，已成為全球生物醫藥的算力引擎，提供給安進、羅氏等頂級藥企使用；Google的DeepMind發佈的AlphaFold 3，進一步破解了生命分子的結構預測難題，被視為生物學界的ChatGPT時刻。二是融合。IT資訊技術+BT生物技術深度融合，交易與合作跨越國界。2025年全球AI醫療相關融資與併購交易額突破新高。跨國藥企如賽諾菲、輝瑞狂砸數十億美元與AI初創公司繫結。比如賽諾菲與AI生物技術公司Earendil達成高達25億美元的合作，利用AI平台開發針對自身免疫疾病的雙特異性抗體。與Atomwise達成潛在價值超10億美元的合作，利用其AtomNet深度學習平台，在缺乏歷史資料的情況下進行小分子藥物設計。2025年12月擴大與Dren Bio的合作，總值17億美元，開發B細胞耗竭療法，與韓國ADEL公司達成10.4億美元協議，佈局阿爾茨海默症AI藥物。科技公司通過AI大模型直接切入臨床診療與醫院管理。比如微軟大規模推廣其Dragon Copilot，一個環境感知AI，通過醫患對話，自動生成符合醫療標準的結構化電子病歷。最終將Copilot深度整合進全球最大的電子病歷系統Epic和Microsoft Fabric醫療資料分析平台。三是應用場景從單點突破走向全面。不僅是AI創新藥研發，在全球範圍內，AI醫學影像、AI手術機器人正在同步發展。在此浪潮下，中國力量正在崛起。按NextPharma中國創新藥出海資料，2025年交易總額1356億美元，首付款70億美元，交易總數157起，較2024年的519億美元大幅增長161%。其中，雙抗、ADC、GLP-1等前沿領域是交易熱點。AI創新藥可針對的病種範圍廣。一是針對腫瘤領域，針對肺癌、乳腺癌等實體瘤，AI 通過靶點預測、分子動力學模擬最佳化雙抗與ADC的分子結構及偶聯策略，提升對癌細胞的靶向殺傷潛力。二是針對神經系統的阿爾茨海默症、帕金森等退行性疾病，AI設計出能穿透血腦屏障的分子，突破藥物入腦瓶頸，解決長期缺乏有效療法的難題；三是針對代謝與慢病，比如在GLP-1的減肥、糖尿病降糖賽道，AI正加速通過虛擬篩選、生成式模型快速發現高活性候選分子，將藥物從注射迭代為口服小分子，最佳化用藥方案；四是針對自身免疫與炎症，如紅斑狼瘡、潰瘍性結腸炎等複雜疾病，AI通過模擬免疫通路網路，篩選高特異性分子，有望替代傳統激素療法。五是針對感染性疾病，如耐藥菌、新發病毒等，AI能快速預測病原體變異，縮短廣譜疫苗與特效藥的研發周期；六是針對罕見病，孤兒藥研發，AI通過整合小眾靶點與單病例多組學資訊，極大降低試錯成本，讓罕見病逐步有藥可醫。AI創新藥應用空間大。AI創新藥正在從早期的靶點發現、化合物篩選，向臨床試驗設計、患者入組篩選等後端環節全產業覆蓋。為癌症、神經退行性疾病等人類頑疾的治療帶來新曙光。AI創新藥效率高。 傳統醫藥研發麵臨三個十定律：一款新藥研發要耗時10年、耗資10億美金、成功機率只有10%。又慢、又貴、又難。AI技術將試錯成本大幅降低，藥物研發效率指數級提升。政策鼓勵AI技術應用到醫療領域：一是國家頂層戰略設計支援。2025年五部門聯合印發《關於促進和規範“人工智慧+醫療衛生”應用發展的實施意見》，促進AI醫藥醫療從技術創新到商業落地。2024年7月《全鏈條支援創新藥發展實施方案》明確提出要利用人工智慧、巨量資料等技術賦能藥物研發，旨在降低研發成本、縮短研發周期，強調要統籌公共和私人部門資源，推動資料資源共享，涵蓋了研發、審批、進院、支付的全鏈條。2025年4月工信部、衛健委等七部門聯合發佈《醫藥工業數智化轉型實施方案（2025—2030年）》明確提出到2030年，規上醫藥工業企業基本實現數智化轉型全覆蓋。要借助AI輔助靶點篩選、化合物合成路徑預測等技術革新傳統研發模式。二是打通了創新藥從研發到用藥的閉環。過去，AI創新藥，特別是First-in-Class，往往研發成本高、技術附加值高，因此上市初期定價較高。在傳統的按病種付費模式下，醫院治療一個病人的總費用被封頂了。如果醫生開了AI創新藥，可能直接導致該病例虧損。結果就是：藥雖好，但醫生不敢開，醫院不敢進。針對進院難問題， 2025年12月落地的“基本醫保+商保”雙目錄模式，建立了三除外機制：不計入藥佔比、不計入醫保總額、不納入DRG/DIP控費。這意味著，未來高價值的AI創新藥有了獨立的支付通道。三是地方政策支援。 2025年，地方政府開始給出真金白銀的補貼。北京、上海等地設立生物醫藥專項產業基金，明確對AI製藥平台的算力成本給予直接補貼。利潤北京發佈的《高精尖產業發展資金實施指南》，推出算力補貼，支援企業租用算力進行模型訓練，補貼金額最高可達實際算力費用的20%，單家企業最高補貼3000萬元。上海提供模型補貼，最高500萬元；算力市級最高30%租金補貼，市區協同可實現1年、最高100%租金補貼。《上海市發展醫學人工智慧工作方案》中明確支援將AI深度融合入臨床診療和藥物研發全流程。四是鼓勵創新藥出海。支援本土企業開展國際多中心臨床試驗，推動國產創新藥在歐美發達國家同步研發與上市。2025年，License-out對外授權持續成為中國創新藥國際化的主流模式之一，全年對外授權交易總額創歷史新高，同時聯合開發、自主出海等深度合作模式快速興起。比如上海部分區的政策，對取得美國FDA或歐盟EMA註冊批件並實現銷售的創新藥，最高可給予1000萬元支援。在此背景下，一批中國領軍的AI創新藥企業跑出來了：比如英矽智能的全球首款由AI設計的治療特發性肺纖維化藥物，已在2025年完成2a期臨床研究並取得積極結果，驗證了AI製藥的臨床有效性。英矽智能2026年1月在港交所上市，2025年11月與禮來達成了一項潛在價值超1億美元的合作。再比如晶泰科技旗下專注於生物藥研發的AI雙抗研發平台Ailux，實現了從傳統的小分子AI研發向更複雜的大分子抗體AI研發。2025年11月，禮來與晶泰科技達成最高總價值3.45億美元的合作，利用Ailux平台發現和開發雙特異性抗體。恆瑞通過自建AI藥物設計中心，利用AI模型最佳化ADC抗體偶聯藥物的連接子與載荷結構。2025年成功將多款AI輔助研發的ADC創新藥授權給默克。2 AI創新藥的科學原理和客觀挑戰傳統的新藥研發像“在大海裡撈針”，而AI技術介入，將這一過程徹底轉變。AI通過深度學習、生成式模型等技術，從根本上重構了藥物發現的底層邏輯：從只能做實驗轉向了巨量資料驅動發現。先要搞懂藥物研發的基本邏輯。以癌症為例，癌症就像身體裡的一把“鎖”壞了，這就是“靶點”，我們需要造一把“鑰匙”去修好它，這就是“先導化合物”。在傳統製藥邏輯下，這極其困難：首先，你很難看清“鎖”的內部結構，尋找靶點難度極大；其次，為了配鑰匙，科學家只能在浩如煙海的已知化合物庫裡，大海撈針，一個個去試，去篩選。這有點像碰運氣、試錯，效率很低。現在，AI在3個環節發揮了革命性改變：第一步是解決了“找準鎖”的問題。藥物研發的核心靶點大多數都是蛋白質，只有搞清楚了蛋白質的3D結構，才能設計出完美匹配的藥物分子。以前科學家要弄清蛋白質3D結構非常難，現在像Google旗下的DeepMind開發的AlphaFold這樣的AI模型，能夠以高精準性預測蛋白質的三維結構，有效地解決了蛋白質折疊問題這個過去的重大挑戰。這就相當於AI幫我們開了天眼，直接看清了“鎖芯”靶點的構造。第二步是解決了“配鑰匙”的問題，這就是AI分子設計，更對症下藥、“配鑰匙”的效率更高。理論上存在的化合物數量無窮大，甚至超過宇宙中的原子數量，人類無法窮盡篩選。有了AI技術，就不需要再去大海撈針了。利用生成式AI、採用“藥物從頭設計”的方法，模型可以根據靶點結構，生成全新的、從未存在過的分子結構。設計出數百萬種候選分子，並篩選出結合力最強的前幾十種，直接跳過了傳統長達3-5年的篩選期。這就相當於把開鎖的鑰匙也就是治療絕症的創新藥直接造出來了，這種方法更直接、更快、成本更低。第三步是用AI給創新藥物“排毒”。很多藥進到人體內有毒，或者根本無法吸收。這是新藥研發失敗率最高的關節。AI利用深度學習演算法，基於歷史藥物資料庫，預測新分子的ADMET性質，即吸收、分佈、代謝、排泄、毒性。AI能計算出藥是否會導致肝毒性或心臟副作用，從而在早期淘汰掉90%的不合格分子，極大地節省了後期臨床試驗的成本。也就是說AI創新藥的本質，是將微觀世界的生物學問題（蛋白質與分子的相互作用），轉化為電腦領域的數學問題（高維空間的特徵匹配）。過去傳統模式其實及時不斷試錯，要合成成千上萬個化合物，挨個在實驗室裡試，看那個能起作用。效率極低，成功率僅為0.01%。現在AI模式是學習海量的生物醫藥資料，包括基因組學、蛋白質結構、臨床資料，建構出人體生物系統的數字孿生模型，在虛擬空間中先完成篩選和驗證，再回到實驗室確認。儘管前景廣闊，但我們必須清醒地認識到，AI製藥還有三座大山要翻越：資料、黑箱、臨床。第一座大山是製藥資料質量。AI的燃料是資料。公開資料庫中的資料往往不完整，而且因為實驗標準不一、一致性差，“喂”給AI的“口糧”質量不高，將會影響AI模型訓練效果。第二座大山是AI製藥模型。現有的深度學習模型很多是“黑箱”，擅長髮現“相關性”，但難以確定“因果性”。而製藥是容錯率最低的科學，關係人的安全，行業正在向可解釋性AI演進，確保藥物研發知其然、更知其所以然。第三座大山是臨床試驗。AI目前只是加速了前期藥物發現，但它能否通過臨床試驗，大規模用在人身上，還需要時間的檢驗。通過數位化臨床試驗提升患者招募與資料匹配效率，已成為行業突破口。3 未來AI醫療的四大突破性機遇3.1第一大機遇：AI製藥、創新藥未來AI醫療的第一大應用是：AI輔助藥物發現。這是目前醫藥領域壁壘最高、且最具爆發力的應用場景。隨著生成式AI的成熟，藥物研發將徹底告別碰運氣時代。第一，從市場規模看，AI製藥具有兆級經濟空間。癌症、阿爾茨海默症等絕症是人類壽命的攔路虎。AI通過精準找靶點和分子生成，將攻克這些曾經無藥可醫的疾病。未來，人類壽命上限有望突破120歲，由此衍生的抗衰老、健康管理市場規模巨大。第二，AI製藥也是醫藥工業化的最強驅動。AI介入之前，製藥是手工作坊式的。但AI改變了整個行業的生產邏輯：為了篩選最佳分子，需要計算數億種可能性。這迫使藥物研發必須像流水線一樣高效。目前的AI製藥供應鏈主要分為三個關鍵環節：環節一：算力與演算法基建。這一環節的企業提供核心動力。參與方包括晶泰科技、英矽智能等平台型獨角獸，以及華為等科技巨頭提供的底層算力支援。環節二：創新藥Biotech企業。這是產業鏈中彈性最大的環節。利用AI平台開發出First-in-class管線，進行臨床驗證。環節三：CXO研發外包。負責高效率的合成與測試。AI技術帶來的研發爆發，具備高端測試能力的CXO龍頭的效率將大幅提升。3.2第二大機遇：AI精準診斷、醫療影像與基因測序未來AI醫療的第二大應用是：AI精準診斷。AI賦能醫療影像能夠解決兩大痛點：一是解決醫療資源不均問題。中國醫療資源分佈極度不均，三甲醫院人滿為患，基層醫院門可羅雀。AI通過學習千萬級病例，其閱片精準率已媲美專家。未來，AI影像裝置能以專家級的水平自動讀片、診斷，覆蓋更多基層醫療機構。二是裝置軟硬體一體化。未來的CT、MRI不再只是成像工具，而是整合了診斷功能的智能終端。聯影醫療、邁瑞醫療等企業正在加速這一處理程序，將AI能力下沉到縣鄉一級，解決基層“有裝置、無人懂”的痛點。除了影像，AI也在重構基因測序。AI能加速測序流程，提升測序精度。2025年美國人類遺傳學學會上，GoogleDeepVariant的AI演算法與華大智造的DNBSEQ-T1+測序平台結合。傳統測序在均聚物等複雜區域極易出錯，而AI專項模型將這些區域的錯檢位點數量直接降至近乎為零，這意味著無數曾經被漏診的遺傳病因現在能被精準捕捉。3.3第三大機遇：AI醫療資訊化，超級醫療APP未來AI醫療的第三大機遇是：臨床決策支援、醫療資訊化、醫療巨量資料、超級醫療APP。隨著通用大模型技術的成熟，醫療資訊化正迎來從傳統的資料儲存、流程管理向深度資料價值挖掘轉變，讓應用場景深化。 AI不再侷限於單一的輔助診斷，開始全面滲透至電子病歷整合、個性化健康諮詢、以及醫院精細化管理等核心環節。通過連接院內異構資料與健康應用，AI能夠生成個性化健康建議，顯著提升醫療服務的可及性與效率。AI也能推動臨床決策的智能化。 面對海量的醫學文獻和不斷更新的診療指南，醫生很難憑藉人腦完全掌握。AI大模型天生擅長處理文字，能即時輔助醫生制定最佳診療方案，減少誤診漏診。2026年也是全球AI醫療商業化落地的關鍵。一方面，OpenAI等全球領軍企業推出針對醫療健康的垂類應用。如ChatGPT Health，加速了行業標準的形成；另一方面，國內網際網路大廠如百度、騰訊、阿里等積極佈局“醫療+AI”，C端使用者規模快速增長，驗證了AI醫療深度融合的商業邏輯。比如螞蟻阿福，自2025年6月正式發佈以來快速崛起，提供健康科普、報告解讀、就診諮詢等上百項AI服務，更實現使用者規模的快速突破，截至2025年12月月活躍使用者已突破1500萬，單日使用者提問量超1000萬。3.4 第四大機遇：AI手術機器人，精準醫療未來AI醫療的第四大機遇是：AI賦能的手術機器人。直覺外科是全球手術機器人的代名詞，其最新一代系統達文西Da Vinci 5(DV5)標誌著行業正式進入AI時代。DV5最核心的升級不在機械臂，而在算力。其搭載的計算能力是上一代的10000倍。這種算力冗餘是為了未來搭載高耗能的即時AI模型，實現術中即時導航、自動組織識別。達文西系統還能夠智能手術分析，這就不僅僅在做手術，還在記錄手術。它能捕捉並分析人體組織對器械的反饋資料，如牽拉力度、切割阻力等，結合AI演算法，術後生成手術績效報告。這相當於給醫生配了一個AI教練，告訴醫生那裡用力過猛、那裡操作可以更高效。新系統還配有Iris AI影像分割，就是利用AI技術將患者術前的CT/MRI掃描資料轉化為高精度的3D模型。醫生在手術中可以在控制台上調出這個3D地圖，像開車看導航一樣避開關鍵血管和神經。此外，強生等企業也有AI手術平檯布局。強生的Monarch平台實現電磁導航與AI融合，在支氣管鏡手術中，肺部結構像迷宮一樣複雜。Monarch利用AI演算法結合術前CT，生成一條虛擬路徑，即時引導軟體導管抵達肺部深處的微小結節。美敦力收購了Digital Surgery公司，專注於手術視訊的AI分析。系統會自動將長達數小時的手術視訊切片，識別出切皮、縫合、止血等關鍵步驟，並對醫生的操作規範性進行打分。AI輔助手術機器人，一是突破人類操作極限。傳統外科手術依賴醫生的手眼配合，受限於生理抖動和視野死角。AI與機器人的結合，利用電腦視覺和力反饋技術，能夠實現微米級的操作精度，讓複雜的高難度手術變得標準化。二是遠端醫療的物理載體。結合5G、6G低時延網路，AI手術機器人讓北京的專家可以為邊疆的患者進行即時手術。這將徹底重構醫療服務的地理邊界。AI醫療已不再是遙遠的技術概念。未來十年，誰能率先用AI跑通“研發-臨床”，誰就掌握了通往長壽時代的藥匙。 (澤平宏觀)

What China will dominate next這個國家的高速創新為世界提供了經驗插圖：皮特·瑞安那些擔憂如何應對中國技術領先地位的人——這樣的人不在少數——一直在認真關注電動汽車、太陽能電池板和開源人工智慧。對於這些人來說，我們有個壞消息。本周我們將報導中國如何在另外兩項前沿技術——自動駕駛汽車和新藥——中迅速推進。隨著這些產業走向全球，它們將彰顯中國創新的力量。中國在這兩個重要領域的進展令人震驚。自動駕駛計程車革命正在加速推進，可能會重塑交通、物流和城市日常生活。中國的自動駕駛計程車製造成本僅為美國Waymo的三分之一，已累計行駛數百萬公里，並正在歐洲和中東建立合作關係。與此同時，在醫藥領域，中國已從仿製藥的仿製者轉變為全球第二大新藥研發國，包括抗癌藥物在內。西方競爭對手正紛紛授權使用中國企業的產品。中國誕生製藥巨頭的那一天，似乎已不再遙遠。這兩個產業的崛起充分說明了中國創新的運作方式。深厚的人才儲備、廣泛的製造業基礎和龐大的規模共同推動其迅速向價值鏈上游攀升。自動駕駛計程車的生產借助了電動汽車的大規模製造，以及在雷射雷達和其他自動駕駛所需感測器供應方面的主導地位；規模效應也幫助降低了成本。大量參與臨床試驗的患者以及仿製藥製造帶來的利潤，加速了醫藥創新的處理程序。中國成功的另一個更令人意外的因素是其靈活且寬鬆的監管機構。與其他行業一樣，地方政府為企業提供了廉價信貸和其他扶持。但真正推動進展的是靈活的法規制定。2016年，中國提出要成為“生物技術強國”的雄心後不久，就實施了一系列改革。2015年至2018年間，藥品監管機構的工作人員數量增至原來的四倍，僅用兩年時間就清理了2萬份積壓的新藥申請。獲得人體試驗批准的時間從501天縮短至87天。去年，中國企業開展了全球三分之一的臨床試驗。同樣，中國很早就開始嘗試自動駕駛計程車。熱衷於吸引人才和投資的地方官員迅速批准了試點項目，並安裝了感測器和其他數字基礎設施來輔助自動駕駛汽車導航；試點已在50多個城市開展。許多地方還在責任法律和測試指南方面進行了探索。儘管事故有時會導致試點暫停，但這些項目幫助工程師和政策制定者更好地理解了這項新技術。國內激烈的競爭給單個企業帶來了嚴峻的生存環境，但倖存者會被培養成極具競爭力的出口冠軍。在中國的經濟環境下，自動駕駛計程車營運商不僅要相互競爭，還要與價格低廉的人工駕駛計程車競爭。許多虧損企業將無法在由此引發的價格戰中倖存。但那些存活下來的企業將轉向海外尋求盈利。因此，新一輪中國低成本創新浪潮將席捲全球。其影響方式將各不相同。中國的廉價藥品可能會帶來益處，尤其是對開發中國家而言。但對中國企業來說，美國這個佔據全球醫藥行業70%利潤的誘人市場，才是最豐厚的獎品。而中國在西方製藥企業研發管線中的重要性，意味著雙方關係甚至可能呈現共生狀態。相比之下，自動駕駛計程車可能會遵循中國科技產品出口的更常規路徑：它們會受到美國的封鎖（美國擁有自身的相關產業，且存在強烈的安全擔憂），但可能會在本土自動駕駛技術遠遠落後的其他地區站穩腳跟。世界其他地區應該如何應對？這種競爭可能會導致西方經濟體空心化。然而，以安全為名的下意識保護主義將是一個錯誤。在選民擔憂生活成本的當下，封鎖或限制中國創新成果，將剝奪消費者獲得更廉價、更優質藥品和交通服務的益處。這就是為什麼西方經濟體更應該重新思考本土創新的運作方式。人們很容易對中國的崛起持宿命論觀點。但中國私營部門的創造力和監管機構的靈活性，也是其成功的關鍵因素。遺憾的是，在這方面，西方正朝著錯誤的方向前進。慢車道上的生活美國擁有競爭所需的規模和雄厚資金。但在許多州，尤其是民主黨執政的州，監管機構正在阻撓或拖延自動駕駛汽車的發展。政府正對大學發起打壓，並削減基礎研究資金。與其他西方國家一樣，美國對移民（包括有天賦的移民）持敵視態度。在醫藥領域，隨著中國在臨床試驗中的佔比上升，歐洲正逐漸落後。歐洲經濟體迫切需要進一步整合，以便為新技術提供資金支援和研發保障。但在歐洲，監管機構也常常過於看重安全，而犧牲了冒險精神和實驗探索。沒有人說中國註定會掌控未來。但如果西方希望在自動駕駛汽車和醫藥領域（更不用說電動汽車、太陽能以及其他關鍵技術領域）保持競爭力，就必須從中國的崛起中學到正確的經驗。 (邸報)

Highlights如果稅率更高，人們就會選擇停止工作或尋找避稅的方法。創新的成本正在急劇下降。世界正在向無人機的商品化發展。醫療領域是AI最被低估的受益者。Cathie Wood，ARK Invest創始人。在本次採訪中，她與彭博社記者分享了對於AI、醫療領域和美國關稅的看法。圖片來源：Bloomberg Television美國GDP預計將超出預期加速增長Cathie Wood：現在的情況比所謂的解放日剛開始時感覺好多了，那時情況似乎非常混亂。我們當時的假設是，幕後在進行很多談判，當我們看到財政部長Besant真正接管Peter·Navarro的工作時，那是一個重要的時刻。談判可能不僅僅是為了降低關稅，還包括降低非關稅貿易壁壘。如果我們最終達成了這一點，那就是減稅，這是一個積極的訊號。但當時的動盪——火海似乎在燃燒，由於一些言辭，很多人感到不確定，但我們現在開始明白，這更多的是減稅和市場放開。甚至在這裡，在英國，我之前不知道我們不能將牛肉賣到英國。現在我們可以，甚至乙醇也可以賣。希望這是一條雙向的道路，美國也在開放，所以這對我們的貿易夥伴來說是雙贏。Kriti Gupta：關於貿易問題的看法，你用了一個關鍵的詞語——減稅。現在華盛頓正在推進一項關於進一步減稅的法案和立法，可能比Donald Trump最初競選時提出的還要大，這也引發了關於不斷膨脹的財政赤字的擔憂。請分享一下你的看法——很多人認為現在不是投資美國的時機，不僅因為華盛頓的動盪，還因為膨脹的赤字。你如何看待這種環境下的投資？Cathie Wood：我是一名Laffer曲線的信徒，我們現在有一些證據。在Trump第一任期內，他將企業稅率從35%降低到21%，當時美國的競爭力很差，許多公司正在搬離美國，降低稅率之後，當然受到了很多批評。此後，企業稅收從2000億增長到5000億，因為更多的公司重新搬回美國，現在我們更具競爭力了。所以，如果稅率太高，通常降低稅率會導致更多的收入。現在我們認為，另外一個會發生的事情是，考慮到來源，現在有很多正在進行的創新，尤其是技術驅動的創新。實際GDP增長將超出現在的預期。因此，很多人都在忽視通過增長來擺脫赤字這個想法。我剛剛給了你一個非常好的例子，關於企業稅率——如果你看美國的稅收佔GDP的比例，個人稅收大約在17%到18%之間。如果稅率更高，人們就會選擇停止工作或尋找避稅的方法。所以我們認為，政府支出接近24%才是問題所在，我們需要繼續在這方面保持一定的紀律。主持人：現在是在美國境內還是在美國境外能有更好的機會？AI正在降低科技創新成本Cathie Wood：這取決於你談論的是那些技術領域。關於AI，特別令人興奮的是，創新的成本正在急劇下降。我們的AI訓練成本每年下降75%，AI推理成本每年下降85%。如果相信DeepSeek的話，下降幅度甚至可以達到95%。所以我們認為，全球範圍內會有更多創新公司出現。確實，我認為美國曾經有失去創新的風險。在前任證券交易委員會主席Gensler的領導下，我們幾乎將數位資產革命拱手讓給了其他國家。但現在它正在回歸。在當前的管理體制下，美國的技術發展會表現得非常好。我還想提到的一點是，許多人把“MAG-6”當做技術代表，並認為它們代表了技術。事實上，它們的市值從2019年到2024年翻了五倍。如果你看看我們所說的技術驅動型創新的其他領域，它的增長僅為30%。美國市場將會更加多元化，並且會獎勵那些相對滯後的公司。主持人：舉個例子？有那些例子？那些領域？給我一點更多的具體資訊。Cathie Wood：當然。現在很多多組學（multiomics）公司，它們如今都得益於AI技術。多組學是生命科學的一部分。比如，CRISPR Therapeutics正在治癒鐮狀細胞貧血和β地中海貧血。我們當然也有Coinbase，它正在快速增長。Palantir也取得了顯著的進展，剛剛進入了標準普爾500指數。Roku是連接電視的作業系統，尤其在美國，它是第二大作業系統，現在正在全球擴展。還有其他一些多組學公司，比如Twist Therapeutics，它對於通過血液檢測幫助我們發現早期癌症，甚至在癌症處於早期階段之前就能檢測到，或許更早，都是至關重要的。因為腫瘤或息肉會通過血液釋放出來。主持人：基本上不要購買MAG-6，應該關注其他領域。Cathie Wood：如果看看我們的投資組合，過去四年我們面臨了巨大的逆風，估值下降到大約市場倍數，按企業價值與調整後EBITDA的比率衡量。我們與S&P合作過，曾經的市盈率是S&P275%的溢價，而現在我們大約是10%的溢價。如果你要我們再次說明來源，美國的創新——尤其是那些技術驅動型的，脫離了MAG-6的創新，雖然它們已經獲得了豐厚的回報，但現值是被嚴重低估的。創新是Elon Musk效率計畫的一部分Kriti Gupta：Cathie，你提到的很多創新，甚至你提到的美國證券交易委員會（SEC）以及反壟斷情緒的變化，推動了科技和生物技術行業的增長，很多這樣的創新都來源於政府的支出。而你也提到，當你從赤字角度減少政府開支，控制這些開支的時候，在那個時刻這種變化會開始影響你所說的創新生態系統？Cathie Wood：創新是計畫的一部分。尤其是在Elon Musk的領導下，他一直在掌舵，雖然他將會逐漸卸任。他已經意識到技術的老化、低效性以及我們做了太多手動的工作。在政府部門，我們看到了Palantir的加入，最初是從國防部開始，現在正擴展到政府的其他部門，大幅提高效率。我們迫切需要這種改變，因為一些系統已經有50到60年的歷史了。舉個例子，如果看看FDA（美國食品藥品監督管理局），我們已經看到更多的透明度和簡化的流程，這一點至關重要。美國的法規一直在扼殺創新。FDA首次批准了一段軟體程式碼，用於心臟病的診斷，它正在淘汰動物實驗，因為在單克隆抗體的研究中，動物實驗並不起作用。Kriti Gupta：但Cathie，你舉的一些例子，比如提到的國防部，的確是一個很好的例子，他提出了另一個，我再補充一個，就是FAA（美國聯邦航空局）可能會發生的變革。這些都需要你提到的基礎設施和技術投資進行現代化。然而，我們看到川普政府在一些聯邦合同和國防開支上進行了削減。Palantir實際上是為數不多的例外之一。鑑於開支的縮減，你真的認為這種趨勢會繼續下去嗎？Cathie Wood：我親眼看過波蘭的空軍基地，實際上是在一個軍隊基地，看到他們在訓練烏克蘭人，我們意識到戰爭正在發生變化——它正變得更加電子化。而我們的系統，我們稱之為“主導者”的大防務公司，他們生產了精英裝備。但世界正在向無人機的商品化發展。當然，在烏克蘭，他們使用的是大疆（DJI）無人機，我們也從中學到了一些東西——在錯誤的地方花費了太多資金，因為技術正在改變戰爭的性質。主持人：我們的科技公司在錯誤的地方花費了太多。現在看到的這個在AI上的巨大投資，它能夠繼續下去嗎？目前，我和人們討論時，大家都在談論成本的下降，你稍微提到過這個，成本正在下降。我們能確定現在大科技公司和AI領域看到的所有投資都被明智地使用了嗎？“最深遠的AI應用將出現在醫療領域”Cathie Wood：從來不能確定。每當你看到大量資本湧入某個領域，正如現在所發生的那樣，我們會想到一種叫做軟體即服務的模式。在ARC公司內部，有一個叫做“vibe coding”的東西。不知道你是否聽說過，但我們都是程式設計師，你肯定知道NLP和vibe code。我們可以去ChatGPT或者Claude說：幫我建一個網站，它就會實現。主持人：誰從中賺錢？我們仍然沒有弄清楚最終誰會賺錢。Cathie Wood：我們會賺錢，因為會降低我們的成本。主持人：但現在市場上並沒有將這一點定價。Cathie Wood：最大的三個領域，第一個是每個公司都能享受到的巨大的生產力提升，你會看到效率的提升；第二個是地球上最大的AI項目是自動駕駛交通工具，或者是無人駕駛計程車。我們已經說了很長時間，特斯拉是地球上最大的AI項目；最深刻的AI應用將在醫療領域。如果你想知道AI的關鍵是什麼，那就是資料。我們身體裡有37兆個細胞，現在我們能夠通過AI進行分析。說話人3：目前市場正在定價，給予一些公司很高的市盈率，這些公司包括提供工具和資源的公司，製造AI的公司，建設資料中心的公司，以及資料中心的營運商。現在的估值就處於這樣的水平。這些估值是否正確呢？Cathie Wood：它們已經調整了很多。更好的問題是，我剛才提到的一些機會，尤其是在醫療領域，是否得到了充分認識？它們完全沒有得到認識。Kriti Gupta：Cathie，提到醫療行業，有一個問題，我知道你專門從事生物技術，但我也知道你之前在你的投資組合中也談到了其他製藥公司。現在有一個問題，尤其是在歐洲市場，很多人都把製藥和生物技術作為投資組合的一部分，關於關稅影響或互惠關稅影響的問題，主要是涉及到開發你所談論的創新所需的原材料，然後最終把這些技術成本轉嫁給消費者。你說的是一個非常具有創新性的領域，或者是市場中的一個跨平台、跨行業的領域，但我很好奇這會如何影響利潤率，如何影響創造這些東西的實際成本，尤其是當我看到你持有的特斯拉、Palantir等公司時，還有CRISPR Therapeutics。請為我們詳細講解一下，在成本可能在短期內變得更高的背景下利潤率的情況。Cathie Wood：醫療行業有機會提高研發回報率，這個回報率曾經在80年代和90年代的黃金時代高達20%-30%，現在降到了低個位數。但隨著AI的發展，它將大幅降低藥物發現和開發的成本。發現並推出新藥所需的時間將從13年縮短到8年，我們將能夠更早地通過分子診斷測試來診斷疾病，進而將支出從目前美國85%的“病患護理”支出，轉向更能治癒疾病的治療方式。以CRISPR Therapeutics為例，基因組測序技術、AI和CRISPR Therapeutics基因編輯的結合，將治癒更多的疾病。正如我之前提到的，我們已經看到鐮狀細胞貧血症和β地中海貧血的治癒。他們目前正在研發一款能夠與他汀類藥物（如立普妥）競爭的藥物，顯示出令人驚嘆的效果。再次強調，這是一種“一次性治癒”，不再需要終身服用有很多副作用的他汀類藥物。因此，我真的認為醫療領域是AI最被低估的受益者，但正如你所提到的，你的觀眾中有很多製藥公司持股，你必須確保他們在利用這些工具，因為傳統的做法已經不再奏效。它非常低效，而技術將改變這一點。你們有一些優秀的製藥公司，但他們必須積極地利用這些工具。否則，新的競爭者會出現，緊追不捨，然後就會讓你們大吃一驚。 (invest wallstreet)

【新智元導讀】就在剛剛，世界首個AI科學家天團首個成果重磅發佈——治療失明的新藥被發現了，而且僅僅用時2.5個月！世界首個AI科學家天團，剛剛重磅爆出了第一個成果！其中一位AI科學家，在實驗室中取得了首個重大突破——針對失明（dAMD）的全新藥物。可以說，這是一項真正的科學發現！AI自己做實驗、自己發現醫新藥的時代，真的來臨了。注意，在這個過程中，所有資料、假設、原始實驗和後續實驗，都是由AI科學家智能體生成的。只有實驗室工作和論文撰寫沒有被自動化。而且，全過程僅僅由一個研究人員小團隊，在短短2.5個月內就完成了。這代表了AI驅動科學發現的全新範式！就在五一期間，FutureHouse發佈了四個AI科學家Agent，科研能力直接超越o3，文獻搜尋已經超過人類博士。沒想到這次，才短短二十多天，AI們就已經產生了真正的成果。論文地址：https://arxiv.org/abs/2505.13400諾獎得主押注的方向，被人搶先了？不僅如此，GoogleDeepMind CEO、諾獎得主Demis Hassabis也在進軍AI藥物研發方向。他作為創始人，已經擁有了一家藥物研發初創公司Isomorphic Labs，成立僅四年。而Hassabis表示，到今年年底，公司就會有一款由AI設計的藥物進入臨床試驗了！在採訪中，Hassabis透露，公司正在關注腫瘤、心血管疾病、神經退行性疾病等主要疾病領域。「通常,發現一種新藥平均需要五到十年。而我們也許能將這個過程提速十倍，這將在人類健康領域帶來一場真正的革命。」這個方向實在是前景巨大，讓Isomorphic Labs一家吸引了多家大型製藥公司，希望借助AI降低高昂的藥物開發成本、提高研發效率。而現在，Future House，或許已經在這個方向上搶了先。AI科學家的首個發現AI科學家的首個重大突破，是一種治療乾性老年性黃斑變性（AMD）的新療法。因為乾性AMD是致盲的主要原因之一，這種療法前景十分廣闊。AI科學家智能體，這次直接包辦了寫論文所需的全過程，人類根本無需插手——它生成了假設、設計了實驗、分析了資料、進行了迭代，甚至為論文製作了圖表。可以說，除了沒進實驗室親手做實驗，AI基本把能幹的都幹了！不過要注意，提出這一發現的Future House團隊、真正的生物學家們特別強調說，這並不意味著他們已經用AI治癒了乾性AMD。如果要驗證這一假設，接下來還需要做人體試驗，這會需要更長的發現。而且，還不能說AI科學家這次做出了「第37步」等級的發現。不過按照目前的速度，相信達到這個水平，也會很快了。Robin出場：首個自動化科學發現的AI在這個過程中，團隊還推出了首個全自動化的多智能體系統——Robin。可以說，這個AI完全自動化了科學發現的電腦內(in-silico)元件。就是靠它，這次重大科研成果才能被發現。這應該是人類首次做到，讓AI將假設生成、實驗和資料分析以閉環的形式連接起來，這也標誌著，智能體推動的科學發生速度，從此會大幅加快！就在下週二，團隊將以開源形式發佈Robin。類似於Google的Co-Scientist，這段程式碼非常簡潔。團隊使用了多個AI智能體來篩選想法。在下周，程式碼就將開源，所有軌跡資料也會同時公開此前，FutureHouse發佈了一個AI智能體天團，專門用來實現科研各個環節的自動化。其中，Crow、Falcon和Owl用於文獻檢索和合成；Phoenix用於化學合成設計；Finch用於複雜資料分析。而這一次，團隊又完成了一項重大突破：所有這些智能體，合體到一個統一系統Robin中！這樣，科學過程中的關鍵智力步驟，就全部自動化。現在，Robin已經做出了首個發現——它識別出，Ripasudil可以作為治療乾性老年性黃斑變性（dAMD）的新型候選藥物。乾性老年性黃斑變性，是全球範圍內導致不可逆性失明的主要原因之一。此前，作為一種Rho激酶（ROCK）抑製劑，它已被臨床用於治療青光眼。Robin，如何做出首次發現所以，Robin具體是如何完成這一重大發現的呢？這個過程中，它經過了假設生成、實驗設計和資料分析的迭代循環。初始假設在這一階段，Robin借助Crow進行了廣泛的文獻綜述，隨後並提出一個關鍵假設——增強視網膜色素上皮（RPE）細胞的吞噬功能，可能對治療乾性老年性黃斑變性（dAMD）具有治療價值。隨後，Robin使用Falcon工具評估了一組可能實現該目標的候選分子，並在實驗室中對其中的十種進行了測試。接著，Robin利用Finch工具分析了這些實驗資料，由此有了這一發現：ROCK抑製劑Y-27632，能在細胞培養中增強RPE的吞噬功能。作用機制研究Robin隨後提出，應該進行RNA測序實驗，以確定Y-27632是否引起了可以解釋 RPE吞噬能力增強的基因表達變化。據此，人類科學家動手展開了實驗，由Finch進行資料分析，結果發現：Y-27632果然上調了ABCA1的表達！ABCA1，就是RPE細胞中一個關鍵的脂質外排泵。發現dAMD新療法基於第一輪藥物候選測試的資料，Robin提出了第二組候選藥物。研究者按照相同的實驗方法進行了測試，最終發現新的最佳候選物——Ripasudil，這是一種已被用於眼科治療的藥物。注意，整個研究的知識框架，完全是由AI主導的，而人類研究員起的作用，僅僅是執行物理實驗而已。要注意，Robin雖然首先被團隊應用於治療領域，但這個智能體是通用的，可以被用於從材料科學到氣候技術等跨多個領域的發現。科學研究的新範式，從此誕生了。人類從未想過的方法，被AI發現了從Future House放出的視訊中，我們可以瞭解到更多詳細資訊。團隊的三位成員，都是實打實的生物學家。比如左邊的Michaela，在過去十年中，一直在探索人類細胞基因調控分子機制的基本原理。中間的Ali，是一名臨床科學家，正在公司建立藥物研發管線。此前，他取得了生物技術的博士學位，還創辦過一家致力於研究新型生物材料藥物的公司。右邊的Benjamin，剛剛加入Future House，正在牛津大學攻讀統計機器學習博士學位，此前曾從事計算合成生物學工作。團隊介紹說，為了生成針對幹性AMD的新型治療候選藥物，他們建立了一個管線，把三個智能體Crow、Falcon（文獻綜述智能體）和Finch（原型資料分析智能體）連接了起來。這個多智能體系統，是同類系統中第一個將假設生成與資料分析結合起來的系統，從而建立了一個端到端的治療發現系統。以下，就是這個系統的具體工作原理。首先，通過對150篇文獻進行廣泛綜述，它提出了一種治療乾性黃斑變性（dAMD）的實驗策略。在綜合了400多篇科學論文和臨床實驗報告後，該系統生成了增強RPE吞噬作用的治療候選藥物的假設。然後，團隊嘗試了本次實驗中智能體建議的10種初始藥物。另外AI還建議，在實驗室的細胞培養測定中，使用ARP 19細胞和流式細胞術模擬這種行為。總之，這些智能體幾乎完成了藥物發現工作流中的每個步驟，人類只需要從系統給出的分析中進行選擇、執行實驗就可以了。由此，他們發現：Y-27632在增強RPE吞噬能力上表現最佳。當他們第二次運行Robin，並向其提供實驗結果時，它提出了另一種藥物Ripasudil。此前，人們只知道Ripasudil會抑制吞噬作用，但沒有人想到，它還可以作為乾性黃斑變性的一種治療方法！這就是AI科研的奇妙之處了——答案在幾年前就在那裡，但從未有人想過用這種方式，將所有事實整合到一起。甚至，這個AI還建議人類去進行RNA研究，來搞清為何Y27632能增強吞噬作用。聽話地做完這個實驗後，人們把資料提供給Finch，發現這種藥物不僅能導致肌動蛋白細胞骨架基因的差異表達，還改變了自噬基因的表達。這就揭示了Ripasudil發揮作用的潛在新機制。只要繼續這個實驗循環，智能體就會不斷進行資料分析，生成進一步的假設，從而很可能讓我們得到關於如何治療疾病的新機制的假設。這代表了AI智能體中科學發現上一個真正令人興奮的里程碑。更令人激動的是，這個過程才剛剛開始。 (新智元)

流感新藥成了保命“神藥”。 “這個藥，救了我的命！”天津的李女士感慨說。除夕當天的午後，剛從午睡中醒來的李女士，忽然感到渾身痠痛，明明陽光很好、暖氣很足，她卻感到陣陣發冷。她意識到，自己可能“中招了”。 李女士年過七旬，又患有心臟病、高血壓等基礎疾病，疫情以來一直深居簡出，避免與人接觸，連續三四年都沒有感冒了。她感覺這次感冒來勢特別兇猛，很快就燒到了39℃，雖然不知道是不是流感，她還是趕緊吃了子女提前準備的流感藥，也就是社交平台上越來越常見的“瑪巴洛沙韋”。服藥後，病情逐漸得到了控制，高燒也降了下來。 像李女士一樣，剛遭遇了流感折磨的並非少數。中國疾控中心報告的資料，剛剛過去的春節期間，中國流感樣病例在門急診佔比到了歷史新高——1月27日至2月2日，南方省份和北方省份報告的資料分別為5.2%和5.5%，超過了2022年至2024年同期水平。