主持人：好的。那么第一個具體問題是：相對于現有的能源可用性，我們是否過度建設了AI基礎設施？這會帶來什么影響？另外，太空數據中心的可行性和經濟性如何？需要實現哪些技術和商業(yè)里程碑才能讓它們與地面替代方案具備競爭力？
研究員：人們擔心的不僅是能源可用性，還有大量資金涌入AI領域是否明智。我們衡量AI性能的標準是它能為知識工作者帶來多少價值。目前全力使用AI能讓1個單位的工作產出1.5個單位的成果。企業(yè)只需支付相當于員工薪水一小部分的費用，就能獲得驚人的業(yè)務回報。
隨著AI進步，我們預計在基準情景下，AI軟件上的投入將達到7萬億美元，這足以支撐超過一萬億美元的數據中心基礎設施建設。雖然能源在某些地區(qū)(如俄亥俄州中部)確實是個制約因素，但許多新型云公司正努力解決，我們不認為這是全球性的絕對限制。與90年代鋪設大量光纖后沉寂多年不同，如今從文本語言模型到多組學、自動駕駛和具身機器人，每一顆GPU都在被充分使用甚至供不應求。關于太空數據中心，在現有的Falcon 9等發(fā)射平臺上確實不具備經濟性。但隨著SpaceX的下一代可重復使用火箭Starship的推出，每噸入軌成本可能會降至幾百美元。一旦跨過這個門檻，基于太空的AI計算將比地面計算更具成本競爭力。這不僅解決了地面因政治阻力或能源網限制導致的數據中心建設難題，還能讓AI計算不受局部限制地實現規(guī)?；瘮U展。Elon Musk曾說這只是個工程問題，而正如他當年力排眾議用手機電池造車一樣，當他全神貫注解決工程問題時，事實證明他總是對的。
主持人：非常精彩。接下來能否向我們簡要介紹一下目前對AI發(fā)展趨勢的整體看法？在營收創(chuàng)造方面，AI在哪些領域創(chuàng)造了真正的凈新增營收，而不僅僅是通過提高效率來壓縮利潤空間？ARK又是如何從炒作中辨別出真正有價值的信號的？
研究員：我們認為AI是一次代際級別的平臺轉型，就像當年從PC向智能手機的跨越一樣。AI正將用戶界面從鍵盤轉向自然語言，以全新的方式與計算機交互，使其更易用且功能更強大。我們將看到內置AI助手的新產品形態(tài)，比如Meta Ray-Ban智能眼鏡。相比互聯(lián)網和智能手機，AI的普及速度是之前的兩倍多，僅用三年就達到了20%的普及率。推動這一進程的是AI模型訓練和推理成本的大幅下降。
在消費者領域，個人AI智能體(Agent)正成為獲取互聯(lián)網服務和信息的首要入口，用戶越來越信任ChatGPT或Claude。這創(chuàng)造了新的變現和商業(yè)模式，AI智能體能代表我們進行交易，注意力的轉移也將吸引大量廣告資金投入這些新助手。例如在ChatGPT中集成Instacart，只需拍下食譜照片，AI就能幫你完成90%的雜貨訂購，這種打破舊習慣的便捷體驗創(chuàng)造了原本根本不存在的增量收入。
在企業(yè)知識型工作方面，自去年底以來，模型的長期推理能力迎來了根本性轉折。AI智能體能夠可靠完成任務的平均時長已從5分鐘提升到55分鐘以上，無需人類時刻監(jiān)督跟進。這極大地增強了企業(yè)的付費意愿，因為基礎企業(yè)版聊天機器人的月訂閱費，只需員工節(jié)省不到一天的時間就能回本。至于如何辨別炒作與實際信號，我們看到云服務商，如AWS、Azure、GCP的收入都在加速增長，GCP甚至實現了48%的同比增長，這證明了對算力的切實需求創(chuàng)造了巨大的新增收入。
不僅是技術賦能者，最終受益者也在實現收入增長。例如Palantir幫助像AIG這樣的保險公司，利用AI智能體來評估和承保以前因人工審核能力不足而積壓的數十萬份合同。這種在整個經濟體中利用AI填補人力空白的應用，不僅降低了高昂的運營成本，更帶來了真正的凈新增營收和巨大的市場擴張。
主持人：隨著AIG等保險公司和企業(yè)不斷采用AI，未來三年內AI規(guī)?；淖畲笃款i是什么？是電力、算力、數據質量、監(jiān)管，還是人才？
研究員：這是一個很好的問題，市場也一直在討論當前的瓶頸究竟是什么。我認為最終的瓶頸歸結為電力和算力。
如果OpenAI想發(fā)布新產品，或者Claude Code正在擴大規(guī)模，再或者Anthropic想獲取新用戶，他們都需要GPU、存放GPU的數據中心以及將其連接到電網的電力，像xAI甚至在建造自己的發(fā)電廠。所有這些因素都需要結合在一起，我認為這是主要的瓶頸，甚至可能超過了數據或人才。
從最新模型和AI實驗室的研究趨勢來看，模型正越來越多地生成自己的訓練數據。雖然人類思維作為種子數據固然重要，但可以通過合成數據生成來無限擴展。此外，模型也參與尋找新的算法突破來提升自身性能。比如OpenAI討論的最新編程模型，這是第一個在前代模型輔助下訓練出來的新模型。這在一定程度上緩解了人才瓶頸。當然人才依然非常重要，這也是為什么四大核心AI實驗室之間存在大量人才流動的原因。
但我還是會把算力排在首位，前提是你擁有數據中心和充足的電力來啟動這些芯片。此外，在遇到瓶頸時也可以進行權衡和折衷。過去人們常說數據快用完了，但思維鏈讓我們意識到，實際上可以利用額外的算力基于現有數據生成新數據。如果在某一個環(huán)節(jié)遇到瓶頸，你可以通過消耗另一種資源來提升AI的能力。
主持人：太棒了。我們將進入下一個關于多組學(Multiomics)的環(huán)節(jié)。在這個領域你做出了非常出色的預測。隨著AI加速藥物研發(fā)和診斷，你認為在整個多組學技術棧中最大的價值獲取點在哪里？是數據生成、模型開發(fā)，還是療法的商業(yè)化？
研究員：這是一個非常好的問題。人們本能地可能想從技術棧中挑選某一層，但實際上這些組件在彼此之上會產生疊加效應。AI在這里起到了核心樞紐的作用，驅動著生物創(chuàng)新的飛輪。更好的數據和更大量的數據輸入能轉化為更好的模型，而更好的模型又會反哺分子診斷、治療干預和工具開發(fā)，這又會生成更多豐富的數據，從而形成一個良性循環(huán)。
我們將這個周期分為四個關鍵領域：第一是多組學工具，即以更低成本獲取更高質量的數據；第二是分子診斷，能夠更早且更準確地檢測出疾病；第三是AI藥物研發(fā)，利用生物學洞察開發(fā)更優(yōu)秀的候選藥物，以更快、更低成本推向市場；最后是治愈，即針對疾病根源的一次性治療。它們并非在真空中獨立運行，而是相互增強形成飛輪效應。
真正推動這一飛輪加速發(fā)展的因素是成本的大幅下降。幾十年前，人類基因組計劃完成第一個人類基因組測序耗時約13年，算上基礎設施成本略低于30億美元。如今完成全人類基因組測序只需100美元。展望2030年，我們預見這一成本將再下降一個數量級達到10美元左右。這種成本曲線的下降改變了原有的范式，包括檢測門檻、檢測頻率以及由此產生的數據量。隨著成本下降，測試數量將會增加，我們預計到2030年測試量將翻倍。
值得注意的是，生物學領域生成的總Token數或數據量已經可以與用于訓練前沿大語言模型的Token數量相媲美，預計到2030年這一規(guī)模將再增長10倍。總而言之，生物學正在成為全球最大的數據生成引擎之一，推動著整個醫(yī)療保健領域的深刻變革。作為投資組合經理，能學習到這些是一種榮幸。人體大約有35到40萬億個細胞，現在我們已經掌握了單細胞測序技術，這種數據爆炸的規(guī)模將使我們在計算時代見過的任何事物都顯得微不足道。
主持人：你剛才提到飛輪效應的一部分是對藥物研發(fā)的影響。那么AI是否能實質性地降低臨床試驗的成本、時長以及失敗率？這對Biotech領域的資本效率又意味著什么？
研究員：這確實說到了點子上。更豐富的數據會催生更好的模型，其中最明顯的影響之一就是藥物研發(fā)的經濟效益。從現狀來看，傳統(tǒng)的藥物研發(fā)可能耗時超過十年，耗資數十億美元，而且進入臨床開發(fā)階段的候選藥物失敗率高達90%。顯然，這個領域急需提升效率。
AI帶來的動態(tài)效應是可以讓藥物更快推向市場，從而獲得更多受專利保護的收入并降低成本，這具有真正的復利效應。我們的模型顯示，AI有望將藥物產品上市時間縮短40%，并將實際開發(fā)成本降低至原來的四分之一。歷史上藥物研發(fā)的回報率一直處于個位數水平，但考慮到更快的上市時間、更低的成本和更高的成功率，AI確實改變了這種資本效率范式。如果進一步將其應用于治愈性療法，這種轉變會更加劇烈。傳統(tǒng)早期階段的資產幾乎沒有經濟價值，而由AI驅動的療法，每種藥物的價值可能超過20億美元。我們正在構建一個對Biotech資本效率產生巨大影響的絕佳模型。
木頭姐：我在這里再補充一個視角。醫(yī)療保健行業(yè)的黃金時代是在80年代和90年代，當時研發(fā)支出的回報率高達30%，而現在已經降至中低個位數水平。我們認為投資回報率將重新回到那個高點，醫(yī)療保健行業(yè)將迎來新的黃金時代，考慮到外界目前的心理預期，這將是非常出乎意料的。
主持人：由于我對這個話題很感興趣，我想再追加一個問題：隨著基因療法的規(guī)模化應用，投資者應該如何看待監(jiān)管風險以及保險覆蓋的未來發(fā)展路徑？
研究員：這是一個多層面的問題，我們可以逐一拆解。在監(jiān)管方面，特別是過去一年里發(fā)生了巨大的變化。美國FDA意識到藥物上市極其困難，因此希望實現機構的現代化。他們積極與藥物開發(fā)商合作來簡化臨床開發(fā)流程。
我們已經看到了一些轉化成果，尤其是針對罕見病和根源生物學療法出臺了新監(jiān)管框架。另一方面是報銷和保險障礙。有時候天價的標價會產生誤導，比如看到一種療法標價200萬美元，人們自然會懷疑保險能否覆蓋。以Casgevy為例，這是一種已獲批治療鐮狀細胞病和輸血依賴型β-地中海貧血的基因編輯療法，定價略高于200萬美元，但在美國90%的患者都能獲得報銷。原因在于，你需要將該藥物的價格與慢性病患者終身接受的長期治療和頻繁住院費用進行對比。這種對醫(yī)療保健系統(tǒng)的長期巨大價值正是其價格合理的原因。這凸顯了治愈性藥物的經濟學原理與傳統(tǒng)藥物的本質不同。
治愈性療法僅需一次性治療，你預先獲取了所有的價值，將現金流提前，并獲得了更多受專利保護的收入，還能避免競爭重疊。這意味著治愈性療法比傳統(tǒng)藥物更具價值，潛在價值可能高達20倍。為了讓這一點更加具體，我們可以看一個遺傳性疾病的案例。遺傳性血管水腫(HAE)是一種罕見病，會導致疼痛甚至危及生命的腫脹發(fā)作。目前患者需要終身接受長期治療來控制發(fā)作，整個生命周期的費用可能高達1000萬到2000萬美元。
以基因編輯療法為例，該療法已顯示出令人鼓舞的臨床數據。我們估計其合理價格在300萬美元左右，而其基于核心價值的真實定價可能是這個數字的三到四倍，最終取決于療效和持久性數據。如果將其應用于全美目前的7000名HAE患者，相當于為醫(yī)療系統(tǒng)節(jié)省了520億美元的成本。盡管前期價格很高，但它能為患者帶來更好的結果，消除終身癥狀管理的負擔，并為醫(yī)療系統(tǒng)節(jié)省巨額開支。
最后我想簡要強調一下關于擴展市場的重要轉變?；蚓庉嫰煼ㄕ_始向體內轉移，這種在體內進行編輯的理念正在助力其從罕見病領域拓展到常見病領域，包括全球首要殺手——心血管疾病。針對這類疾病，基于價值的定價可能在16.5萬美元左右。這與罕見病療法動輒數百萬美元的價格截然不同，但卻擁有巨大的潛在市場總量(TAM)。如果僅以美國最高風險的心血管患者為例，乘以這個價格，將得出高達2.8萬億美元的TAM。作為對比，立普妥曾多年蟬聯(lián)史上最暢銷藥物，但其20年的累計銷售額也不過是這個數字的十二分之一。所以從多組學中得出的核心結論是，AI與生物學的融合正在真正推動一場醫(yī)療保健領域的巨大革命。
木頭姐：目前股市還沒有反應過來，但遲早會跟上的。最讓我感到意外的是保險公司對那200萬美元的定價完全沒有異議，我認為市場甚至還沒有注意到這一點。
主持人：謝謝你的精彩分享。接下來我們進入自動駕駛汽車(Autonomous Vehicles)的話題，請給我們講講這個領域的發(fā)展。
研究員：好的。之前提到了具身智能(Embodied AI)，我們認為自動駕駛是消費者能看到的首個具身智能的大規(guī)模落地應用，而且這一切在今天已經發(fā)生了。我們已經看到有些車輛在道路上行駛，駕駛座和副駕駛座上都沒有人，它們正在全自動地接送乘客四處穿梭。
在這個商業(yè)化早期階段，非常重要的一點是汽車的底層成本。當你擁有一支小型車隊并試圖擴大規(guī)模，或者試圖說服合作伙伴時，汽車的制造成本固然重要，但更核心的是每英里的運營成本。每英里成本的降低將是真正推動這項技術和創(chuàng)新的核心動力。
如果對比特斯拉和Waymo，我們看到特斯拉Model Y與第五代Waymo相比，每英里的增量成本降低了30%以上。隨著新車型的推出，這種優(yōu)勢只會進一步擴大。比如將特斯拉的Cybercab與第六代Waymo對比，我們預計成本優(yōu)勢將達到50%。這在平臺擴展初期至關重要，同時也關系到如何為消費者制定具有競爭力的價格策略。
說到價格，我們認為Robotaxi平臺在大規(guī)模運營時，可能收取的最低價格大約是每英里25美分。為了更直觀地說明，它的成本不到西方市場人工駕駛網約車成本的十分之一，比自己駕駛私家車的成本還要低一半以上，甚至比中國的網約車還要便宜近一半。成本的降低將極大地擴張目前的網約車市場，實現低成本的點對點出行，讓更多人享受出行服務，最終也會讓我們的道路變得更加安全。
這里蘊含著巨大的市場潛力。我們認為到本十年末，Robotaxi可能會創(chuàng)造34萬億美元的企業(yè)價值機遇，這些價值將主要累積到自動駕駛技術提供商或平臺運營商手中。這些自主研發(fā)核心自動駕駛技術的公司，可以通過Robotaxi服務來實現商業(yè)閉環(huán)，這也是目前最大的營收機會之一。Robotaxi的TAM可能達到10萬億美元甚至更多，到本十年末，該領域的收入和利潤可能達到2萬億美元左右。能夠實現極低每英里成本的平臺運營商和技術提供商將占據大部分經濟收益。同時我們也看到傳統(tǒng)汽車制造商正在與自動駕駛技術提供商以及網約車巨頭合作，部分公司正在轉變商業(yè)模式，成為自動駕駛技術公司和汽車制造商的維護服務提供商。
我們預計自動駕駛將徹底改變整個汽車行業(yè)。目前基于傳統(tǒng)燃油平臺運營的廠商將會出現大量整合。Robotaxi的未來屬于電動化，電動汽車對于優(yōu)化每英里成本經濟學并使其重新具備吸引力至關重要。我們在美國看到每英里2.80美元左右的理想價格上限再次出現。在中國網約車市場競爭要激烈得多，這正促使許多企業(yè)轉向中東等市場尋求更大的利潤空間。如今Robotaxi已經投入實際運營，我們在各大平臺上追蹤到的總行駛里程已接近一百萬英里?，F在的問題在于它何時能實現全面規(guī)?；?，以及車隊數量的激增如何進一步降低每英里成本。
木頭姐：我去過歐洲很多次，當我與他們分享關于Robotaxi以及我們團隊所做的深度研究時，他們往往還無法感同身受，因為歐洲的監(jiān)管機構尚未推進到那個階段。但我們認為歐洲最終會跟進，因為自動駕駛的安全統(tǒng)計數據實在太驚人了。長期來看監(jiān)管機構阻礙這一趨勢是不明智的，甚至在專業(yè)角度上是不道德的。
研究員：回到“大加速”的主題，以美國為例，每年人工駕駛中未獲得報酬的勞動力成本超過4萬億美元。相對于美國30萬億美元的經濟規(guī)模，如果將這4萬億美元未貨幣化的活動轉化為經濟活動，即你可以付費請別人以低于你時間成本的價格來代勞，最終將實現巨大的經濟轉型并顯著拉動GDP增長。
關于哪些地區(qū)最有可能率先實現大規(guī)模自動駕駛部署，以及監(jiān)管一致性對商業(yè)成功的作用，我們認為美國和中國將是首批實現規(guī)模化落地的市場。在美國，由于監(jiān)管權歸屬各州，它成為了首批允許大規(guī)模測試并實現Robotaxi商業(yè)化的市場之一。中國也非常重視自動駕駛的機遇，本土企業(yè)展現出了巨大的規(guī)模效應。此外中東地區(qū)也是一個極具吸引力的市場，尤其是對尋求更高利潤的中國企業(yè)而言。
在監(jiān)管方面，正如木頭姐所說，自動駕駛平臺已經證明比人類駕駛員安全得多。多年前我們曾估計Robotaxi能帶來約80%的安全性提升，如今Waymo等平臺以及Tesla發(fā)布的FSD全自動駕駛安全統(tǒng)計數據都證實了這一點。這項技術已經成熟，雖然監(jiān)管對推動普及至關重要，但無人車已經上路，我們預見全面普及將在未來5到10年內發(fā)生。
目前技術已不再是障礙，真正的挑戰(zhàn)在于如何讓Robotaxi跨越少數城市的初步試點，實現真正的車隊規(guī)模化擴張。這需要Tesla這樣能將大量汽車投入路面的公司，也需要Waymo與車企的深度合作，以及中國企業(yè)的軟硬件協(xié)同。低成本的車輛平臺將在這里發(fā)揮關鍵作用，只有這樣才能擴展車隊規(guī)模并向消費者提供具吸引力的產品。隨著規(guī)模擴大，每英里成本將持續(xù)低于現有的網約車價格，這才是擴大市場規(guī)模的核心關鍵所在，也是各大公司接下來在執(zhí)行層面的首要任務。
主持人：接下來讓我們談談可重復使用的火箭。
研究員：火箭的可重復使用性確實正在全面開啟太空經濟。2025年是一個極具標志性的年份，年度入軌質量達到了歷史最高水平，這主要歸功于SpaceX。目前SpaceX擁有超過9000顆活躍的Starlink衛(wèi)星在軌運行，占目前在軌衛(wèi)星總數的三分之二以上。他們之所以能占據主導地位，是因為擁有領先業(yè)界十年的先發(fā)優(yōu)勢。2015年SpaceX就成功回收了首個軌道級助推器，在部分重復使用方面執(zhí)行得近乎完美，而其最強勁的競爭對手直到去年年底才首次成功回收助推器。當其他公司還在努力掌握部分重復使用技術時，SpaceX已經全力推進全重復使用技術，這直接轉化為發(fā)射成本的斷崖式下降。
我們研究的核心在于萊特定律，在發(fā)射成本的語境下，該定律指出進入軌道的累計質量每翻一倍，發(fā)射成本就會下降17%。SpaceX的Falcon 9火箭已經證明了這一點。據我們估計自2008年以來，他們已將發(fā)射成本降低了約95%。這在太空時代開啟了海量的新機遇，包括軌道數據中心，以及在技術融合背景下極大推進多組學發(fā)展的醫(yī)療失重測試。目前發(fā)射價格已降至每公斤約1000美元。當SpaceX成功部署滿載且完全可重復使用的Starship火箭時，我們預計成本將降至每公斤100美元以下。這也是軌道數據中心變得極具吸引力的原因。達到這一規(guī)模節(jié)點后，軌道數據中心可能比地面計算還要便宜25%。
從Falcon 9每次發(fā)射約700美元的成本降低到Starship的100美元左右，將直接催生車載AI與天基計算的大爆發(fā)。天基計算對衛(wèi)星的需求量至少是目前的十倍甚至更多，遠超Starlink及現有通信星座的規(guī)模，僅此一項就能將市場擴大一個數量級。未來如果我們建立月球基地，衛(wèi)星星座的成本甚至可能降至每公斤10美元左右，但這需要前期在月球建立龐大的基礎設施。總之，發(fā)射成本的降低絕對是所有空間軌道基礎設施發(fā)展的核心驅動力。
木頭姐：很多人非常擔心AI和自動化會摧毀現有的就業(yè)機會。但我想說的是，我們現在正迎來一個全新世界的開啟。太空探索是其中之一，另一個則是基于區(qū)塊鏈技術和不可篡改的數字產權構建的在線世界。我認為這些領域都將迎來爆發(fā)式增長。因此我們對AI時代感到非常興奮，我們堅信這最終將帶來凈就業(yè)崗位的增長。
研究員：提到凈就業(yè)創(chuàng)造和長期趨勢，在可重復使用的火箭生態(tài)系統(tǒng)中，短期的現金流生成機會主要集中在衛(wèi)星連接領域。比如大家都熟知的Starlink，其活躍訂閱用戶剛剛突破了1000萬。
這種爆發(fā)式增長同樣印證了萊特定律。我們認為每當累計軌道的每秒千兆比特傳輸速率翻倍，衛(wèi)星成本就會下降約44%。這條陡峭的成本下降曲線引發(fā)了行業(yè)的爆發(fā)式增長。實現規(guī)模化后，這可能是一個高達1600億美元的年度營收機遇，這也是為什么眾多航天公司爭相進入公開市場以期分一杯羹的原因。
主持人：那么從2026年到2030年，在AI、機器人、能源系統(tǒng)和公共區(qū)塊鏈領域，融合技術棧的發(fā)展論點將如何演變？最重要的瓶頸又是什么？
研究員：從多元化投資的視角來看，廣泛接觸多種前沿技術非常重要。你可以全力投入AI企業(yè)軟件，即使該領域遇到短期波折，也不會影響多組學市場中新療法的成功研發(fā)與定價。雖然AI是所有這些技術的底層加速器，但各細分領域面臨著截然不同的商業(yè)化阻力和市場機遇。我們需要跨越所有技術領域去積蓄勢能，預判并捕捉轉化為現金流的動能以進行再投資。
關于瓶頸，我們認為全球確實需要更多算力。無論是發(fā)展基于太空的數據中心這種正交維度的算力擴張，還是美國本土芯片晶圓廠的持續(xù)擴建，都在為算力基礎設施添磚加瓦。比如Boom這家超音速民用飛機公司，由于其引擎技術完美契合AI數據中心的巨大動力需求，硬生生開辟出了一項為算力提供電力保障的龐大新業(yè)務。目前資本市場正蜂擁而至為這些基礎設施機遇提供彈藥，這是當下最重要的行業(yè)催化劑。
木頭姐：正如大家多次提到的，單位增長至關重要，這也正是萊特定律的核心。如果非要說什么是阻礙發(fā)展的瓶頸，像全球戰(zhàn)爭這樣的極端災難當然會是重大阻礙。但有趣的是，即使在最艱難的時刻，企業(yè)和消費者也依然愿意改變做事的方式，去尋求更好、更便宜、更高效、更精簡且更具創(chuàng)造力的解決方案。COVID疫情就是一個絕佳的例子。當時全球供應鏈一度陷入停滯，各項工作嚴重受阻，但這反而倒逼了技術落地，現在我們不僅渡過了難關，甚至在以更快的速度向前邁進。
研究員：顛覆性技術最大的競爭對手實際上是慣性和現狀。當前社會對AI的集體擔憂，反而促使人們更積極地采取行動去了解并接納這項技術。這也是為什么企業(yè)確信需要再投入數千億美元來擴建算力，因為現有的算力根本無法滿足客戶對AI融合應用的需求。
關于在Agentic AI時代企業(yè)級軟件以及SaaS的未來，我們認為AI對軟件的變革并不一定會完全摧毀現有格局。AI正在讓開發(fā)新軟件變得比以往任何時候都容易。部分企業(yè)會選擇自主開發(fā)或增強內部軟件能力，但更有可能的是，我們將看到一批更具AI原生屬性、更敏捷且針對特定行業(yè)量身定制的新興競爭對手脫穎而出。與其讓每家公司都構建自己的CRM系統(tǒng)，不如選擇這些效率極高的新一代工具。這種范式轉變動搖了市場對傳統(tǒng)軟件巨頭營收增長和定價能力的預期，導致它們在資本市場被持續(xù)拋售。
目前許多優(yōu)秀的AI原生公司還在私募市場中孕育。比如用于客戶服務的Sierra、主攻法律事務的Harvey，以及輔助軟件開發(fā)的Cursor。以Cursor為例，成立僅三年其營收運行率就突破了20億美元。在傳統(tǒng)云計算時代，達到1億美元的運行率就是一個巨大的里程碑，像Twilio這樣的頭部公司花了六年時間、動用500人才實現。而Cursor卻用一半的時間和人力，創(chuàng)造了傳統(tǒng)SaaS巨頭20倍的營收。這直觀展示了Agentic AI帶來的恐怖生產力飛躍。未來這些新一代軟件企業(yè)將展現出驚人的商業(yè)爆發(fā)力。
木頭姐：我認為非常有必要說明的是，正因為AI大幅降低了技術門檻，我們堅信一場史無前例的創(chuàng)業(yè)大爆發(fā)即將到來，因為現在我們所有人都能直接使用自然語言進行編程了。所以，放手去創(chuàng)業(yè)吧！
主持人：借著創(chuàng)業(yè)大爆發(fā)這個激動人心的話題，我們今天的會議就到此結束。非常感謝大家的參與，希望各位喜歡今天關于Big Ideas 2026的深度探討。如果您還沒有下載相關報告，請務必閱讀查看。會后您可以通過網站或社交平臺與我們取得聯(lián)系。祝愿大家一切順利，讓我們攜手共同推進創(chuàng)新。
快報
根據《網絡安全法》實名制要求，請綁定手機號后發(fā)表評論