[趋势研究] 深度：木头姐 Big Ideas 2025

[趋势研究] 深度：木头姐 Big Ideas 2025 [趋势研究] 深度：木头姐 Big Ideas 2025 Modified July 4, 2025 1812 2252 另外火箭的尺寸也在同步缩小，每公斤的发射成本在显著下降（这个图不是很直观，坐标轴的单位不是线性的） 随着SpaceX 发射频次的增加，卫星带宽的成本也在持续降低。发现木头姐特别喜欢用赖特定律，这里稍微提一下，其实就是随着产量增加，生产成本逐步下降的原则。公式表达为： C (n) 表示第 n 个单位产品的成本（或花费时间） C1 ：第一个单位产品的成本（或时间） b ：学习指数（Learning exponent），可以和机器学习里的学习率挂钩 表示随着产量增加，成本呈幂律下降 也可以用对数形式表示为： 根据赖特定律，卫星在轨带宽每累计翻一番，其成本就应下降大概 45%。未来在不考虑地缘政治因素情况下，全球所有人都能以非常低的价格享受到高带宽的近地卫星网络。 3. 星链计划 这个低延迟的卫星网络的意义不光是手机信号变好了，这种低延迟的卫星网络，在未来实现全球自动驾驶，空间交通管理等领域都有非常重要的意义。 星舰的承载能力大概是猎鹰9号的5倍，由于卫星大概有5年的寿命，因此即便是星舰，也需要每隔2.3天发射一次，才能满足4.2万颗卫星覆盖全球网络的目标。SpaceX仍然需要更加高效，载重更强的技术来支持星链计划。截至目前，星链已经拥有了超过7000颗近地卫星。 这里预估了星链的潜在商业价值，可以看到个人客户端只占到很少的一部分，有很多信号薄弱场景，包括航空，航海运输，都有非常大的商业价值空间。 K. 多组学 Multiomics 利用人工智能实现数据操作，变革诊断、药物研发和治疗 1. AI加持下的大幅加速 报告预测，预计2030年，DNA读写的成本会分别降低100倍/1000倍，癌症监测市场规模扩大10倍，早筛效率提升20倍。新药研发的商业化速度提升1.6倍，成本降低4倍，研发回报率提升5倍。根据AI的生物学洞察，治愈率提升20倍。（去年在一篇文章看到说10年内消灭癌症，现在看5年的发展预测，加上AI帮助加速蛋白质解析的进展，还真是有可能的事情） 2. 辅助生物信息学研究 生物信息编码分为三层，分别是 序列层 DNA，RNA和蛋白质的静态遗传 序列层的研究目标是理解DNA、RNA和蛋白质的一级序列（即碱基或氨基酸的排列顺序），并从中提取功能、调控、进化等信息。 AI在研究中的作用 • 自动识别关键区域 ：AI可以快速找出DNA中哪些地方是“开关”（启动子）、哪些是“零件”（基因编码区）。 • 预测突变影响 ：如果你的某个基因发生了变异，AI可以告诉你这个变异是不是可能导致疾病。 • 翻译“蛋白质语言” ：AI可以把蛋白质看作一种“语言”，通过学习大量已知数据，预测新蛋白的功能。 结构层 生物分子的3D折叠，决定了分子的功能 这部分主要方向是预测生物大分子（特别是蛋白质）的三维结构，帮助理解其功能机制、药物设计、互作网络等。 AI在研究中的作用 • 预测蛋白质结构 ：AI可以根据蛋白质的“字母序列”，直接预测出它的3D结构。 • 模拟蛋白质怎么动 ：不只是静态结构，AI还能预测蛋白质怎么折叠、怎么和其他分子互动。 • 帮助开发新药 ：知道蛋白质的形状后，科学家就能设计药物去“堵住”它或者“激活”它。 另外火箭的尺寸也在同步缩小，每公斤的发射成本在显著下降（这个图不是很直观，坐标轴的单位不是线性的） 随着SpaceX 发射频次的增加，卫星带宽的成本也在持续降低。发现木头姐特别喜欢用赖特定律，这里稍微提一下，其实就是随着产量增加，生产成本逐步下降的原则。公式表达为： C (n) 表示第 n 个单位产品的成本（或花费时间） C1 ：第一个单位产品的成本（或时间） b ：学习指数（Learning exponent），可以和机器学习里的学习率挂钩 表示随着产量增加，成本呈幂律下降 也可以用对数形式表示为： 根据赖特定律，卫星在轨带宽每累计翻一番，其成本就应下降大概 45%。未来在不考虑地缘政治因素情况下，全球所有人都能以非常低的价格享受到高带宽的近地卫星网络。 3. 星链计划 这个低延迟的卫星网络的意义不光是手机信号变好了，这种低延迟的卫星网络，在未来实现全球自动驾驶，空间交通管理等领域都有非常重要的意义。 星舰的承载能力大概是猎鹰9号的5倍，由于卫星大概有5年的寿命，因此即便是星舰，也需要每隔2.3天发射一次，才能满足4.2万颗卫星覆盖全球网络的目标。SpaceX仍然需要更加高效，载重更强的技术来支持星链计划。截至目前，星链已经拥有了超过7000颗近地卫星。 这里预估了星链的潜在商业价值，可以看到个人客户端只占到很少的一部分，有很多信号薄弱场景，包括航空，航海运输，都有非常大的商业价值空间。 K. 多组学 Multiomics 利用人工智能实现数据操作，变革诊断、药物研发和治疗 利用人工智能实现数据操作，变革诊断、药物研发和治疗 1. AI加持下的大幅加速 报告预测，预计2030年，DNA读写的成本会分别降低100倍/1000倍，癌症监测市场规模扩大10倍，早筛效率提升20倍。新药研发的商业化速度提升1.6倍，成本降低4倍，研发回报率提升5倍。根据AI的生物学洞察，治愈率提升20倍。（去年在一篇文章看到说10年内消灭癌症，现在看5年的发展预测，加上AI帮助加速蛋白质解析的进展，还真是有可能的事情） 2. 辅助生物信息学研究 生物信息编码分为三层，分别是 序列层 DNA，RNA和蛋白质的静态遗传 序列层的研究目标是理解DNA、RNA和蛋白质的一级序列（即碱基或氨基酸的排列顺序），并从中提取功能、调控、进化等信息。 AI在研究中的作用 • 自动识别关键区域 ：AI可以快速找出DNA中哪些地方是“开关”（启动子）、哪些是“零件”（基因编码区）。 • 预测突变影响 ：如果你的某个基因发生了变异，AI可以告诉你这个变异是不是可能导致疾病。 • 翻译“蛋白质语言” ：AI可以把蛋白质看作一种“语言”，通过学习大量已知数据，预测新蛋白的功能。 结构层 生物分子的3D折叠，决定了分子的功能 这部分主要方向是预测生物大分子（特别是蛋白质）的三维结构，帮助理解其功能机制、药物设计、互作网络等。 AI在研究中的作用 • 预测蛋白质结构 ：AI可以根据蛋白质的“字母序列”，直接预测出它的3D结构。 • 模拟蛋白质怎么动 ：不只是静态结构，AI还能预测蛋白质怎么折叠、怎么和其他分子互动。 • 帮助开发新药 ：知道蛋白质的形状后，科学家就能设计药物去“堵住”它或者“激活”它。 从2001年到现在，分析一个人类的基因组需要的时间已经从180天缩短到了10分钟。我们已经可以用2001年分析一个基因组的成本分析14亿个基因组。这个趋势将推动新的医疗革命，基因分析会逐步商品化，用于个性化医疗和全球基因的大数据分析。 随着成本的下降，基因数据库预计也会呈现爆发式增长。目前最大的公开基因组学数据库 UK Biobank 包括五十万患者，将来预计可能会扩大1000倍。Scaling law的效应应该都很熟悉了，就不展开说了。 4. 重新定义分子结构预测 AlphaFold 的每个版本都带来了指数级的收益，不仅提高了效率，还解锁了全新的结构预测。例如AlphaFold1 可以预测单链蛋白质（∼60M 结构），但 AlphaFold3 可以预测超过 10 亿个结构，包括多链复合物、蛋白质 配体、蛋白质 DNA/RNA 相互作用。 在医学领域，MRD（可测量残留病）在临床实践中具有重要意义。与传统成像相比，微小残留病 （MRD） 检测可以提前 20 个月发现癌症复发。但因为成本问题，美国目前有超过 800 万合适的癌症患者无法报销 MRD 检测费用。目前MRD 检测的渗透率仅为 10%。成本的下降会显著提升检测的渗透率。 除此之外，相比传统的单一癌症筛查，多癌症筛查技术是以液体活检技术为核心，单次的血液样本就可以筛查多种癌症，也变相降低了筛查的检测成本和时间成本。 5. 新药开发 临床前研究通常被称为药物研发中的“死亡之谷”，由于2D细胞模型和动物活体检测模型和真实临床有非常大的差别，失败率很高。而随着微流体，3D生物打印技术的进步，器官芯片可以支持更具生理性，可扩展性和高通量的检测，结合大量模拟数据集和AI驱动的趋势预测，显著提升新药研发的成功率。根据报告预测，AI将会把新药研发的周期从平均13年缩短到8年，并且将药物成本下降4倍，提升知识产权的价值，并且帮助企业获得更健康的现金流。 根据预测，人工智能驱动的药物研发带来的成本优势很大概率可以扭转制药行业技术回报将近十年的衰退，吸引更多资金推动行业发展。 附上完整版英文报告 ARK's Big Ideas 2025.pdf 15.06MB ARK's Big Ideas 2025.pdf 15.06MB 一、概览 📉 报告内容比较多，主要围绕技术融合（特别是AI+行业），Agent，比特币，稳定币，区块链，自动驾驶，自动化物流，能源，机器人，可回收火箭，多组学（基因），不看细化的观点还是比较全面的，我也不是全部都理解，就尽量挑一些感兴趣的来看看。有些观点很不错，也有些比较水，我尽量挑一些自己觉得值得看的来说。 报告内容比较多，主要围绕技术融合（特别是AI+行业），Agent，比特币，稳定币，区块链，自动驾驶，自动化物流，能源，机器人，可回收火箭，多组学（基因），不看细化的观点还是比较全面的，我也不是全部都理解，就尽量挑一些感兴趣的来看看。有些观点很不错，也有些比较水，我尽量挑一些自己觉得值得看的来说。 A. 融合 Convergence 技术平台融合将推动宏观经济增长显著加速 技术平台融合将推动宏观经济增长显著加速 这里的”融合“也可以通俗理解为”跨界“，我们通常会发现，自己豁然开朗，有新想法的时候，往往是在跟毫不相关行业的人聊天以后产生的。每个领域的人的思维方式都是很独特而且相对闭塞的，当接触到一个平时完全没有交集的思维模式后，就很容易产生“泛化” 或者 ”涌现“ （借助Scalling Law的原理）。Generative AI的出现，增加了”跨界“的概率，神经网络的普及也在不断强化连接主义（Connectionism）的主导地位。未来不论是大到行业，还是小到个体，“融合”能力的提升是必然趋势。 1. 未来经济的五大增长动力 报告里指出了未来的五大增长推动力，分别是： 1.1 公共区块链 公共区块链技术通过分布式账本提供更高的透明性和安全性，能够解决传统金融系统中的信任问题。这种技术可以减少欺诈、提高交易效率，并降低运营成本。结合加密货币（不一定是比特币，感觉更大可能是具备通用性的稳定币），可能成为弱势货币国家对抗美元强绑定的一个重要手段。不过仍然会存在一些障碍，比如不同国家对区块链的监管和容忍态度，带来的能源消耗，以及对法币的影响等等，都会是需要解决的基本问题。 1.2 人工智能 这里有个概念我觉得是对的，就是AI不能只是AI，单纯的AI是个很泡沫的东西，只有结合了具体的行业和应用场景（比如自动驾驶，软件工程，医疗，科学研究，个性化消费服务等等），才能发挥真正意义。目前看来AIGC（人工智能生成内容）还没有一个特别好的载体，比如智能手机容纳社交媒体，AI生成的内容仍然在Web2.0的环境下分发，会有很大的局限性。未来的可穿戴设备，XR等等也许能催生出新一批的媒介载体来实现生产力的提升。这个命题有点大了，所以后面就只针对报告的观点来聊。 1.3 多组学 测序技术的进步，获取、分析和理解生物数据的成本大幅下降。多模态技术结合基因组学、蛋白质组学、代谢组学等数据，能够实现精准医疗，针对个体化的疾病治疗方案，以及大幅缩短药物研发的周期。延长人类寿命，一定意义上也是加速的文明本身的进步。除此之外，在农业，材料学等方向上面也有非常好的前景。 1.4 能源 电池技术的成本下降会推动电动汽车、储能系统和可再生能源的普及。电动出租车、无人机和飞行器等硬件的发展，一定程度会改变城市现有的交通模式，实现”无摩擦“的物流和运输。同时也需要考虑的就是目前锂电池的技术，锂、钴、镍等关键原材料都是稀缺资源，长期还是需要找到储备更加丰富的元素做替代（比如钠离子电池），同时兼顾性能问题。 1.5 机器人 这里说的机器人范围比较广，不光包含人形机器人，还有一些衍生的范围，比如3D打印，可回收火箭等等。在解决低价值的重复劳动，高危场景，以及个性化上面会有很宽的想象空间，而且肉眼是能看到投资收益回报的。可能会是最先到来的能提供全新的大众需求，促进经济循环的产业。 2. 报告里没提到的潜在增长点 2.1 合成生物学 合成生物学不仅仅是基因编辑（如CRISPR），它还包括设计新的生物系统、改造细胞工厂、生产新型材料等。之前看过一些关于合成食品（人造肉）的行业资料，我记得已经在新加坡还是哪里获得了商业许可，有餐厅提供人造肉为原料的食物了。这块项目我觉得目前是被严重低估的。在未来空间更加密集的环境下，合成食品更加符合有效空间利用，食品安全，以及再往远了去比如星际文明的大基调。 2.2 量子计算 最早关注到应该是Google发布willow芯片的时候，但目前还是存在很大瓶颈：量子比特特别容易受到外界噪声的干扰导致稳定性不足。也是目前大厂着重在攻克的方向。一旦量子计算机可以大范围普及，那么现在所有的算法依赖产业都会崩塌（计算能力差的太多），迫使推动新一轮的算法革命。 2.3 脑机接口 脑机接口可能并没有想象中那么神奇，比如像黑客帝国一样，眨眨眼睛就会功夫和开飞机，但应用场景还是非常广阔的。未来植入式的脑机接口比例可能会大幅增加（比如老马的代表性公司Neuralink），在治疗类似帕金森，瘫痪和其他神经类疾病的场景短期内有很好的增长空间。再往后可能就是大众的辅助认知增强，更普适的脑电波编码解码范式的应用。 💡 上面这部分是我YY的，和报告没直接关系，正好这两年关注的话题里面看过一些相关的产业报告，有兴趣可以开放讨论 上面这些技术以生成式AI作为催化剂，在这几年有了非常显著的进展，依赖AI的知识全面性，通过更广泛的知识融合找到了更加高效的、创新的解决方案，因此更有机会在红海竞争中创造全新的消费需求。 上面这部分是我YY的，和报告没直接关系，正好这两年关注的话题里面看过一些相关的产业报告，有兴趣可以开放讨论 上面这些技术以生成式AI作为催化剂，在这几年有了非常显著的进展，依赖AI的知识全面性，通过更广泛的知识融合找到了更加高效的、创新的解决方案，因此更有机会在红海竞争中创造全新的消费需求。 技术的融合会带来新的经济增长，这个观点是没毛病的，但是2030能不能达到这么显著的水平打个问号（我也不知道是怎么算出来的）。从目前的状态而言，AI，自主移动和机器人还没有创造出太大的需求空间，大部分场景下还是在红海里通过“降本增效”提升短期竞争力。但这种趋势下更多概率可能导致价格站，加剧行业竞争，进一步压缩利润空间。但现在看5年趋势，说实话没人能保证能看得准。除了AI，人形机器人和自主移动（智能出行和无人物流）还是有很大机会的。 颠覆式创新未来更有可能会主导市场，占到全球经济的三分之二，其中6巨头 (Microsoft, Nvidea, Apple, Amazon, Meta, Alphabet）的影响力会进一步提升，而传统企业受到创新公司影响，利润率会被进一步挤压（就是前面提到的红海竞争）。绝对值有没有这么夸张不好说，但从趋势上是说得通的。 B. 人工智能代理 AI Agent 重新定义消费者互动和工作流 重新定义消费者互动和工作流 这一章Agent感觉讲的相对片面了，不过毕竟是跨行业报告，不可能讲的太细。Agent目前定义来看，理解任务 → 制定计划 → 执行 → 改进迭代 这个流程是没有大毛病的，只是在实际设计上，会有更复杂的算法设计，更复杂的分工模式和思维链。但右边这张图是有问题的，并不是“用更好的模型 + 更多的工具“就等于”更高的智能。Agent的智能程度和交付能力与模型能力和行动权限（比如MCP）有关系，但并不是线性关系。 1. 通用型Agent企业必然失败 今年有很多Agent发布，比如Manus，Flowith，Lovart等等，所有的体验下来，我得出的一个结论是：通用型Agent企业是不会有出路的。目前的Agent消耗的token是巨大的，而且没有任何的行业数据注入，因此极度依赖模型本身的能力。在这个前提条件下，针对任何行业的特定需求，最终交付都是不可接受的。就好比一个没有任何经验的实习生，你指望他能交付出一个行业可用的研究成果或者产品是不可能的事情。所以通用Agent目前只是个玩具，实用层面没有任何意义。相比之下，垂直领域的Agent在短期内会更有前景，它们不需要那么强的模型（可能Qwen 32b就够了），不需要那么多工具（几个MCP就能很好解决），这样的Agent反而交付能力更强。 长期来看，不排除大模型有更强的能力，这个时候做通用Agent的公司大概率会被大模型服务商直接吞并。通过集成更好的任务解决能力和工具权限，大模型自己本身就是个通用Agent。 OpenAI确实是最快达到百亿营收的公司，但再往上可能就是瓶颈了，Tiktok，Youtube等社交平台会衍生出非常多的营收模式，比如信息流广告，直播分成，电商，以及其他衍生的模式，但OpenAI需要不断投入大量的算力，研发成本，而且考虑到Bias的问题，短期内不大可能会有AI推荐的产品出现，可能会出现后劲不足的问题。不过右边的图表确实是一个显著增长点，AI加持的实时语音以及放权管理前提下，智能化设备会有显著的性能提升。过去天猫精灵“一问三不知”的情况将被彻底消除，全面提升智能设备的普及率。 2. AI 搜索颠覆用户习惯和广告模式 AI会彻底重塑搜索行业，并且改变用户的信息来源，鼓励自主搜索，弱化被动推送（信息流）。报告调研可以看到，AI搜索引擎（GPT，Claude, Perplexity, Bing) 的市占率已经占到了Google的7%，这已经是非常牛逼的数字了。国内包括秘塔，纳米搜索，天工之类的AI搜索引擎也体现出了非常强大的能力。广告营收上，个性化的Agent的确有机会拿到很高的份额，但也可能随之而来一些信任问题：比如针对AI搜索倾向做的生成式引擎优化（GEO），以及付费的商品推荐等，是这些服务企业需要在营收和用户体验之间平衡的重要问题。2030年占比50%是个很大胆的预测，有风险，但是喜闻乐见。 AI会在最终的购物决策中扮演更重要的地位，这个倒是没毛病。从发现需求（不知道有某个产品可以解决自己的问题），到产品推荐，甚至直接购买，都有很多可以参与的点在里面。 数字钱包托管Agent成为线上购物的核心，也是个很大胆的假设。但还是考虑到传统购物的信任问题，即使这类Agent会出现，也会面临非常严峻的信任和竞争问题，2030年感觉相对有些激进。 3. 智能客服的广泛应用 智能客服这块没什么好说的，肯定是大趋势，节省了大量客服培训和运营的成本，并且改善了现在机器客服“冷冰冰”的状态。这种客服需要大量符合企业个性情况的RAG数据库做支撑，并且需要解决提示词攻防和模型幻觉问题。 4. 大幅取代知识型劳动力 未来AI会大幅替代知识型劳动力（说白领可能会有点搞笑，白领可能还不具备那么多知识 ），人类现有的知识会变得更加廉价。取而代之的是更多的软件服务（比如OpenAI的Deep Research），以及之前有讨论过的AIGS (AI Generated Science)，AI Agent会具备更强的知识整合能力，甚至跳出渐进式创新的范式，拥有更强的突破创新能力。 C. 比特币 Bitcoin 一个日趋成熟的全球货币体系，拥有健全的网络基础和日益增长的机构采用率 一个日趋成熟的全球货币体系，拥有健全的网络基础和日益增长的机构采用率 个人还是认为比特币暂时还不至于拔高到这个层次，不过报告提了（以投资机构的角度），就还是捡几个我觉得比较有意思的观点来看一下。 1. 比特币的通胀率 比特币在经历第四次供应量减半后，通胀率已经低于黄金的供应增长，也凸显了比特币作为稳定的稀缺资产的重要地位。即使比特币在今年拉上了新高，也有过几次回调，但整体而言波动性越来越小。但虽然比特币的波动率达到历年新低，但风险调整后的投资回报率仍然大鱼大多数主流资产。 2. 比特币的哈希率走强 虽然矿工的收益又减半了，但是比特币的哈希率（每秒进行哈希计算的数量）仍然创下历史新高，也侧面说明了比特币的全网共识依然走强。一旦哈希率呈持续下降趋势，就是虚拟货币泡沫破裂的时刻。 符文系统我不是很理解，这块可能要找币圈大佬来聊了。 3. 广泛共识和抗风险能力 这里讲了一个例子，2024年警方查获了一个网络盗版公司5万枚比特币，并且进行了抛售，而市场完全吸收了这部分的抛售额度，并在之后形成大幅上涨。主流市场仍然是看多趋势。 这里列举了一些上市公司持有比特币的案例，但我觉得还不具备代表性，毕竟只有老马是做实业的，大部分传统企业仍然对虚拟货币相对谨慎。 4. 2030前投资机构的重要配置 目前投资机构仍然对比特币资产持乐观态度。包括Indigo的基金也在做BTC甚至杠杆BTC。 D. 稳定币 Stable coins 重塑数字资产空间 重塑数字资产空间 1. 庞大的交易额度 关于稳定币，已经在很多个场合听到，很多投资机构也都看好，并且越来越多的消费场景都在支持。最熟悉的就是USDt和USDc，2024年，稳定币的交易额已经超过了Visa和Mastercard，增长非常迅速。由于美元仍然处于强势地位，稳定币短期内看不会有太大风险，作为便捷的全球通用的数字货币资产。 经历2023年的回调后，2024年稳定币的供应量（占美国M2货币供应量0.97%）和活跃交易地址数（2300万）都创下新高。 2. 对抗美元脱钩 由于全球经济和地缘政治因素，很多国家都在通过抛售美国国债，或者减少美元交易协议来减少对美元的依赖。但在数字资产上，由于稳定币（与美元挂钩）的增量，使得美元仍然处于主导地位。 与“去美元化”的趋势抗衡，稳定币正在逐步增加对美国国债的需求。截至2024年12月，usdt和usdc已经成为全球top 20美国国债持有者。 另外报告预测，2023年稳定币发行量可能会占到全球M2的0.9%（大概1.4万亿美元），这是个很可怕的数字了，看趋势线是大于线性增长的。我感觉有点夸张，但是线性提升应该是没太大毛病。之前桥水的达里奥有提到过，只要没有新势力超过美国经济体（或者权力体），主导经济体之间战争的概率就会很小，这里就不展开了。 E. 区块链规模化 Scaling Blockchain 这块技术不怎么懂，暂时没有看 这块技术不怎么懂，暂时没有看 F. 无人出租车 Robotaxis 改变出行方式，降低成本，提高安全性 改变出行方式，降低成本，提高安全性 1. 全球汽车销量下滑 这个确实非常伤感啊，毕竟我也是做了10年车企服务的老登...车市确实压力非常大，电动车仍然在抢燃油车的份额 贴上这两天热乎的新闻： 2. 大多数车企退出自动驾驶竞争 目前来看只剩下Tesla和Waymo（google）了，传统车企基本都已经退出。国内受到政策影响，虽然有一些试点，但短期内不大会有突破性进展。Tesla因为保有量在那，可以获得海量行驶数据，具备了很强的先发优势。 3. 降低点对点出行成本，中国市场竞争激烈 自动驾驶预计会进一步降低点对点的出行成本，包括驾照，司机，专注时间等等。但是看到中国网约车的成本，只能说还是国人牛逼 人力成本还是存在相对优势。但这也是阻碍自动驾驶发展的一个重要因素。 ARK预测2030年全球自动出租车数量会达到5000万辆，特斯拉预计会占到市场份额的50%。中国市场因为成本优势和竞争格局，预计可能会更加多元化一些。包括百度的Apollo，小马智行，文远知行等国内企业。根据这个预测，燃油车市场的衰落会来得更快，因为智能驾驶更依赖电动车的控制架构，但至于政策怎么倾斜是另一码事了。一汽，上汽，广汽这几个大型国企，不大会这么轻易就被放掉。理论上还是会通过调控手段有一个平稳过渡期。 这张图很有意思，对比人类驾驶和自动驾驶每英里的成本。无人驾驶会把大头的成本（平台调度，预约费用，司机费用，包括空载成本）都节约下来，压缩到一个非常经济的水平。 4. 安全性探讨 特斯拉表示，自动驾驶的安全性远大于人类驾驶。这个观点其实客观看，理论是成立的。虽然这几年频繁报道特斯拉出事的新闻，但从概率上来讲，人类司机因为水平参差不齐，以及外界条件的复杂性，犯错的概率确实更高。但唯一需要讨论的，还是在这个犯错概率下的权责归属问题：到底事故是人的责任，还是车的责任？ G. 自主物流 Autonomous Logistics 削减成本、革新供应链、重塑消费者行为 削减成本、革新供应链、重塑消费者行为 1. 自动物流的挑战 2. 无人机 相比自动驾驶出租车，卡车和无人机面临更大的挑战（比如更高的载重，政策，合约关系，数据处理），都比单纯的载客逻辑要更加复杂。 无人机配送领域，美国企业已经通过监管批准，并且完成了大量的试飞配送，国内以美团为代表，目前保持在第二梯队。 同时看到在乌克兰战争实例中，单程无人机的成本也已经远超过传统战斗机。之前看到篇报道说，大疆的全球份额超过80%了，不知道现在有没有继续涨 3. 重卡 卡车物流领域，中国的嬴彻科技（上海）在2021年已经可以量产L3级的自动重型卡车。在全国范围内的干线物流网络中运营，客户包括百威、雀巢、京东物流和德邦快递等。 2022年，嬴彻科技获得了在公共道路上测试4级无人驾驶重型卡车的许可。 4. 道路机器人 国内在道路送货机器人领域也具备优势。美国的大部分场景还停留在校园内，中国在很多地方道路机器人已经非常常见。下面是新石器公司的快递运输车。 H. 能源 Energy 推动人工智能革命 推动人工智能革命 1. 核裂变 目前所有的可商业化的供电方式里，核裂变技术的经济效益明显优于其他的可再生能源。光伏，天然气，陆上风等能源的稳定性和供电量仍然有很大差距。 2. 核聚变 这个话题之前我也特地去研究了一阵，虽然从热力学的基本规律角度去看，可控核聚变更像是个伪命题（参考天体物理中恒星的生成和消亡的过程，涉及到更广范围内宇宙能量的流动转移）。在一个特定空间内实现完全独立的可控核聚变，本身的能耗可能远远大于产生的能源，即Q<1，但还是能看到有很多资本源源不断投入。报告预测商业化至少还需要15年左右的时间，这个方向持保留态度，但可能还是我比较菜，继续保持观望。 3. 其他能源 风能和光伏目前还在起步阶段，还没有单一的能源模式可以解决所有需求。不过有一个很扎眼的数据，特斯拉占了全球储能市场的19%。包括特斯拉自己，Grok的算力中心，以及老马其他的企业都是耗电量的大户。 美国市场的监管仍然存在滞后性，新能源发电的审核时间从2009年的31个月增加到了54个月。这里是在呼吁加快审批时间，促进能源密集型项目的落地。 I. 机器人技术 Robotics 解放物理劳动力 解放物理劳动力 1. 自动化应当提高生产力并重塑行业 这里举了洗衣机，汽车制造和机器人物流的例子，自动化后的效率有了显著提升。在其他劳动密集型的行业来看，理应是完全可以复制的。 2. 人形机器人成为主流 之所以全球都在人形机器人上面砸钱，主要是考虑人形机器人的通用性。虽然直接做一个扳手拧螺丝会更好，但人手的通用性是工具无法替代的。我们现在的工作还是围绕“人”为主体构建的社会中，因此人形机器人会具备更大的市场潜力。 3. 生产力的提升 人形机器人的成本在显著下降，这里提到一个数字，如果人形机器人的工作效率提升了100%，那么在十年的时间里，它所带来的额外产出相当于一个工人全天工作的全部产出（即可以替代人类本身）。 相比大公司的边际效应，人形机器人在小型企业理论上会带来更高的投资收益。 4. 自动化带来的“无偿”收益 这个例子很有意思，由于美国人上班时间比较长，所以会选择外出就餐。调研发现，如果把全国人的工作时间减少一半，单食物的准备和清理就会贡献超过1万亿美元的GDP。（这个角度非常清奇...只能说是一个非常小范围的变量预测吧，没什么实际意义) 3D打印这两年又火起来了，19年的时候我稍微做过些工艺和材料研究。现在民用的场景大部分是PLA塑料（拓竹系列，很多商场和市集都会卖一些3D打印的小玩具）以及光敏树脂（有轻微污染，精度比较高，用来做手办之类）。当然工业级也有更多耐用材料，包括金属粉末，做强度和精度更高的配件打印。下面的例子甚至用于核潜艇的配件制作。之后的成本下降和材料多样性会支持到更广泛的个性化定制场景。 J. 可回收火箭 Reusable Rockets 放眼全球也就SpaceX了，但这个公司确实值得开辟一个独立的产业赛道，而且影响力巨大。 放眼全球也就Spac