文章核心观点 - 文章核心观点认为，“不出海就出局”是一个伪命题，盲目出海风险更高，企业出海成功的关键在于“时空选择”与“深度本地化”的结合，并需避免“降维打击”的傲慢心态 [1][9][30] 中国企业出海模式 - 中国企业出海主要有两种模式：一种是“在中国做大，再走向海外”，如抖音、拼多多、阿里云、格力、大疆、OPPO等；另一种是“生而全球”，从创立第一天就具备全球视野和本地化能力，如极兔、Shopee、Shein [7] 出海成功法则 - 出海成功的极致公式为：时空选择 × 深度本地化 = 出海冠军 [2][9] - “时空选择”指在战略上“先胜后战”，即算清天时（大趋势如移动互联网、电商、AI）、地利（合适的区域和生态位）、人和（匹配的团队）后再行动 [10][12] - “深度本地化”是关键执行环节，其核心是“肉身出海”，即团队必须本地化扎根，否则产品、渠道、供应链都难落地 [13][14] 极兔速递的案例与三次突围 - 极兔速递是一家成立十年的公司，经历了三次关键突围，成为物流出海的代表，并与顺丰互相参股，两家合计市值400亿美元，未来目标是挑战市值曾超2000亿美元的UPS [5][6] - **第一次突围：立足东南亚**：2015年，极兔选择电商渗透率增长最快的东南亚市场，重点切入占东南亚电商50%份额的印尼，利用团队此前在印尼做OPPO手机代理建立的全国性线下网络跨界进入快递业，现已成为东南亚最大快递公司，市占率33%，日均单量2700万，利润远超国内 [16][19][20] - **第二次突围：回归中国**：2020年，极兔决定回归中国市场，当时中国快递市场格局变化，淘系快递占比从80%下降至50%左右，拼多多、抖音等新平台崛起并希望扶持独立第三方物流，这给了极兔机会，回归不仅让其站稳脚跟，更使其运营和技术水平达到全球领先 [21][23][25] - **第三次突围：走向全球**：在站稳中国后，极兔先后进入拉美、中东、非洲等市场，抓住TikTok、Temu等中国电商平台全球化的机遇，接入本地电商平台如美客多，实现快速增长，去年四季度同比增长80%并实现盈利 [26][27][28] 深度本地化的关键要点 - 团队必须“肉身出海”，海外负责人一定要在当地，不能遥控指挥，且需带核心团队前往，再逐步本地化培养 [30] - 出海是二次创业，必须用创业者心态，不能派职业经理人 [30] - 方向选择要谨慎，不能盲目复制国内模式，例如生鲜电商在东南亚因客单价和毛利率支撑不了履约成本而很难成功 [30] - 合规是生命线，用工、关税、进出口等合规问题一旦出问题可能致命 [30] - 企业出海需保持耐心，心态归零，至少需要2–3年磨合期，不能急功近利 [30] 给企业的出海建议 - 先判断该不该出海，并非所有企业都适合，“不出海就出局”是伪命题 [32] - 企业应“借船出海”，伴随大趋势、大平台，如极兔紧随电商全球化趋势 [33] - 选择出海第一站要谨慎，需做好战略规划，是选择欧美成熟市场还是新兴市场 [34] - 如果不适合自己出海，可考虑成为出海企业的投资人，或通过并购进入市场 [35] - 出海是一条漫漫长路，需要战略清晰、执行坚决、本地扎根、长期耐心 [36]

54天，2000万投资全部收回。 如果有人告诉你，这件事情发生在一个没有任何高科技含量、甚至连基础配套都极其简陋的荒山，你的第一反应是什么？ 这个现象级商业背后，没有玄学，只有一套被严密计算过的商业算法。 当多数人把瀑布咖啡归因为"网红打卡"的运气时，申晨老师用这套打磨10+年、被抖音官方认证为"新商业增长体系模板"的方法论，完成了从定位、场景搭建、内 容引爆到私域沉淀的完整链条验证。 继上周六申晨老师在 《超级成长·超级增长——找方向》 中帮你看清河流走向后， 本周六2月7日9:00 ，他将带来该系列课的下半场 《超级成长·超级增长——抓 收入》 。这次，他不谈"看"，只谈"干"——手把手带你 扎进增长的泥土里，把看到的机会，变成口袋里的收入，完成商业闭环。 02707 #246.57 周六 09:00 申晨老师教你如何 抓收入【口】 申晨老师简介 是运气？是神话？还是某种不可言说的"规则"？ "规则你还没弄明白，还谈什么潜规则？" 当这个项目的操盘手、熊猫传媒创始人申晨说出这句话时，语气戏谑但笃定。 他不是在讲一个遥不可及的营销神话，而是在复盘一个发生在浙江安吉，用最新的 "熊猫罗盘·新商业增长七步法" ...

课程与讲师背景 - 课程核心为“熊猫罗盘”方法论 旨在帮助企业在经济平稳期捕捉新增长机遇 摒弃旧商业剧本[1] - 讲师申晨是资深营销顾问与实战教练 其短视频全网累计播放22亿次 混沌学园单课播放量突破150万次 其方法论课程在抖音销售近15万份[2] - 讲师观点认为 当前商业竞争的关键已从“信息差”转变为“认知差”与“执行差”[2] 核心增长理念 - 企业增长的本质源于创始人的成长 其核心任务为“找方向”与“抓收入”[4] - “找方向”的关键在于不依赖旧模式 而需凭借“自身优势”结合“未来趋势”来锁定确定性增长[5] - 商业的本质是对结果负责 任何研发与产品都需最终转化为收入[4] 未来五年七大财富趋势 - **人口结构变化**：2025年出生人口为792万人 新生儿减少 而“银发经济”被“十五五”规划反复提及 成为巨大商业机会[7] - **个人经济崛起**：个人意识觉醒带动孤独经济、宠物经济等发展[8] - **服务业持续变革**：线上效率提升见顶 线下服务业回归成为机会[9] - **生产力重构**：未来竞争力取决于创造AI或善用AI的能力 AI将接管大多数生产力[10] - **社会核心转向稳定**[11] - **能源体系转变**：从石油主导转向电力主导[12] - **陆权贸易崛起**[13] 出海经济与中国影响力红利 - 出海产品范畴扩大 从传统品类扩展到电动三轮车、丝瓜络、风扇帽等特色商品[15] - 电动三轮车在国内售价约3500-5000元人民币 五年前在美国售价达12000美金 因实用性与独特性在欧美走红[15] - 文化输出显著 例如中国冥币文化影响海外 短剧等文化产品产生广泛影响[15] - 出海门槛降低 借助AI工具 即使不会英语的山东老板也能与中东客户洽谈4小时 拿下200万订单并最终促成2000万美金合作[16] 银发经济与新增长案例 - 未来十年 中国将有约2.8亿高生育率时期出生人口步入老年 叠加更早出生人口 老年人口总数达6亿 该群体具有互联网融入度高、有养老金、受教育程度高等特征[21] - 老年大学成为老年人的“第三空间” 承载社交、婚恋、价值重建功能 存在巨大商业空间[22] - “十五五”规划目标为每3000名老人拥有一家老年大学或活动中心 6亿老年人需求对应20万家 目前仍有12万家缺口[28] - 钢琴行业案例：行业销量从2013年巅峰的40万架断崖式下跌至约4万架[24] 知音琴行通过向老年大学捐赠200架电子琴并开设课程 在三个月内卖出2500架电子琴 并转型为音乐培训公司[26] 珠江钢琴通过成立面向中老年人的艺术教室等策略 在行业下滑背景下 两家公司相关业务均实现逆势增长超过300%[27][28] - 银发娱乐需求旺盛 如刀郎演唱会前排多为银发族 线上短剧、老年电子游戏等市场兴起[29] - “银发+大健康”是重要发展方向[30] 青年经济与情绪价值 - 针对“生无可恋”的青年人 核心是售卖“热爱”[36] - **祈福经济**：雍和宫香灰琉璃手串成本20元售价399元且需排队4小时 其品牌护城河在于“信仰没有平替”[37] - 产品创新案例：与五台山、龙虎山合作推出含芯片的智能手环 手机触碰可查看运势 在美国被称为“上帝手环”并畅销[37] - **孤独经济与情绪价值**：年轻人购物更看重情绪价值 其权重正在升高[39] - 产品溢价公式：溢价 = 可感知价值 — 价格[40] - 情绪价值包含治愈感、归属感、成就感、优越感、幸运感、刺激感等12个维度 满足两三点即易销售 满足三五点即成畅销品[40] - LABUBU玩偶案例：成本十几元售价可达几百上千元 因其几乎满足所有情绪价值维度 如愉悦感、刺激感、归属感、成就感、参与感及通过包挂设计带来的彰显感[41] - 配套产业机会：围绕热门IP（如泡泡玛特）的配套产品市场巨大 例如娃衣（玩偶衣服）行业 预计2025年市场规模将突破25亿美元 其中90%在中国[42][45] 组合创新与转型方法论 - 核心方法是连接现有产品能力与未来趋势 进行组合创新[46] - 具体工具：用一张A4纸 左边列出现有产品/能力/资源 右边列出未来经济趋势（如银发经济、宠物经济等） 思考中间如何划等号结合[47] - **背背佳转型案例**：将产品卖点从儿童“身姿矫正”转向成人“女性体态美” 借助明星种草 三个月销售额达1亿 累计超3亿[48][49] - **工厂转型逻辑**：原有制造能力叠加新产品、新营销、新品牌、新渠道或新场景等新能力[50] - **“爆改氧气罐”案例**：将医疗/登山用氧气罐场景拓展至日常办公提神 通过不同气味满足新需求[51] - 其他创新案例：环氧树脂工厂做出获奖儿童玩具；为神舟飞船做LED灯的ToB企业跨界成为家用“大排灯”美容仪第一品牌；强脑科技通过挖掘“助眠”新场景实现消费级破圈[52][53][54] - “熊猫罗盘新增长七步法”是一套涵盖定位、场景、价值、内容、流量、转化、私域的系统性落地方法[58]

公司创始人背景与创业历程 - 公司创始人是中国AI 1.0时代的拓荒者，曾是中国第一个复现AlexNet深度卷积神经网络模型的团队成员 [1] - 创始人曾为地平线创始团队成员及前智能驾驶总裁，于2024年地平线上市后离开，创立了Vbot维他动力，进入具身智能领域 [2] - 创始人拥有跨越软件算法、芯片硬件到机器人本体的“全栈”技术背景，其创业决策逻辑是追求高上限且锁定下限的领域 [3][30] 公司产品与市场表现 - 公司致力于打造全球领先的消费级机器人产品，首款智能四足机器人产品发布即引爆市场 [2] - 截至1月10日，产品预订订单量已达到6540台，实现了以C端带动B端的销量破局 [2] - 产品定价在10000元人民币级别，早期种子用户为核心科技爱好者，形成了关键的初始用户群体 [56] 行业洞察：AI公司与科技公司的本质区别 - 真正的AI公司与科技公司的核心区别在于是否追求Scaling Law（尺度定律）带来的无限增长 [4] - AI公司的业务特点是资金线性增长能带来性能指数级增长，其产品需要对算力有持续且无限的需求 [48][50] - 若一个产品对AI算力的需求存在明确天花板，则它更接近自动化产品，而非真正的AI产品 [47] 战略选择：避开主战场与寻找新兴价值网 - 公司在战略选择上倾向于避开竞争激烈的“主战场”，例如机器人领域未选择人形机器人，AI芯片领域未选择云端训练芯片 [39] - 这种选择被视为一种创业的“品味”，旨在进入竞争对手少的新兴市场 [41] - 地平线当年选择智能驾驶而非安防，正是因为智能驾驶对算力的需求“没有天花板”，符合其追求无限算力增长的底层逻辑 [42][44] 组织架构：AI时代的“太上老君炼丹”模式 - 未来的AI公司组织将呈现“太上老君炼丹”式结构，只需要极少数顶级的“炼丹师”（定战略、给配方）和一群务实的“造炉人”（搭建基础设施、处理数据） [4][67][69] - 核心的模型研发团队（“炼丹仙童”）可能仅需10名左右的顶尖人才即可 [68] - 当前大部分机器人公司仍属于传统科技公司架构，因为机器人本体技术尚未收敛，必须优先打磨硬件基础 [70][71] 市场拓展：用户群体与B端应用 - 公司认为，拥有高认同感和归属感的核心种子用户群体，是比技术不变量更关键的长期发展决定因素 [57] - B端客户主要分为四类：地产商（用于物业服务）、教育机构（聚焦下沉教育科研市场）、各类园区景区、以及线下门店（如耐克儿童门店用于营造氛围） [60] - 打开B端市场的核心竞争力在于产品能否实现10倍性价比的综合价值提升 [61] 行业趋势：从自动驾驶到机器人的技术迁徙 - 自动驾驶行业已进入收官阶段，市场格局固化，增长预期收缩，导致人才供给过剩 [62][63] - 随着端到端技术成熟，自动驾驶研发从“人海战术”模式（曾需500多人团队）转变为高度整合的模型，释放了大量人才 [64][65] - 机器人赛道因资本涌入和岗位充足，正承接这批从自动驾驶领域流出的人才，重复2015至2020年自动驾驶的发展路径 [66] 发展路径：先硬件后AI的迭代逻辑 - 机器人行业的发展必然经历两个阶段：先打磨好硬件本体，再推进AI技术落地 [71] - 公司的规划是优先做好机器人本体，将其视为后续AI深化的基础 [72] - 借鉴地平线经验，公司将深耕第一代产品，通过广泛铺开建立用户群体与合作关系，为后续产品快速切入市场打下基础 [76]

文章核心观点 全球AI产业格局正从“暴力美学”的预训练范式向“持续学习”的新范式演进 头部模型公司OpenAI、Google、Anthropic呈现“交替领先”与战略分化态势 投资应聚焦技术成长最陡峭的领域 包括领先模型公司、算力基础设施及技术溢出红利 并关注多模态、机器人、主动智能体等新物种的萌芽 [7][15][36][38][39] AI Labs竞争格局与战略分化 - **头部格局固化**：全球AI模型第一梯队由OpenAI（GPT）、Anthropic（Claude）和Google（Gemini）构成 这三家基础模型公司拿走了约90%的AI总收入 [7] - **交替领先成为常态**：在Tier 1阵营内 AI labs之间呈现“交替领先”状态 模型能力上个位数百分点的领先在商业回报上会被放大为数倍差距 [7][8] - **战略路线显著分化**： - **OpenAI坚定押注To C**：ChatGPT在消费端用户体验断档式领先 日活跃用户接近4.8-5亿 是Gemini（约9000万DAU）的5.6倍 正朝着“下一个Google”发展 [9] - **Anthropic专注To B与专业领域**：放弃通用To C市场 Claude Opus4.5在软件开发和Agent领域仍是SOTA 在处理长任务时更可靠、效果更好且更节省Token [9] - **Google优先发展多模态**：Gemini 3的多模态理解能力处于断档式领先地位 但在文本和编码能力上更多是追平OpenAI和Anthropic之前的水平 [10] 算力基础设施阵营对抗 - **GPU与TPU两大阵营对垒**：行业正形成NVIDIA（GPU）与Google（TPU）两大算力阵营 这将是贯穿一二级科技投资的主线 [11] - **生态模式对比**：Google凭借“模型+TPU+云+产品”构建了端到端、自成一体的生态 类似LLM时代的Apple 而NVIDIA则像Android 支撑起庞大的生态联盟 [11] - **性能与成本权衡**：GPU在综合性能上仍优于TPU 但受制于台积电产能且成本昂贵 Google通过TPU展现出更强的成本控制潜力 [11] 下一代技术范式：持续学习 - **范式转移的核心**：持续学习被认为是继预训练之后下一个极其重要的技术范式 旨在解决预训练面临的边际效应递减、数据枯竭等挑战 例如Gemini 3使用的50T数据量已接近极限 [17][18] - **核心目标**：从“存储知识”转向“样本效率” 让模型从“静态冻结的智能”转向能在推理和交互中实时学习的“鲜活智能” 实现真正的数据飞轮 [18][21] - **发展现状与挑战**：持续学习是长上下文、模型遗忘机制及数据分布漂移等5-10个学术难题的集合 难以短期内突破 但学界业界乐观预计2026年能看到明确信号 并希望在未来1-3年内逐步解决 [21] - **早期信号**：Google Research的Nested Learning展示了初步的In-weights Learning能力 Cursor通过捕捉用户对代码的接受或拒绝行为 能在小时级周期内更新模型 是Online RL的典型雏形 [22] 多模态与机器人发展 - **2026年为多模态大年**：多模态技术路径正向“Omni-in, Omni-out”收敛 视觉、音频、文本被统一Token化 纳入同一个自回归序列建模 模型开始具备跨模态“通感”能力 [46] - **机器人是多模态与世界模型的重要接口**：机器人可利用“合成世界”进行训练 解决现实数据不足的问题 Agent具备了“看懂UI、读懂屏幕”的能力 [46][47] - **机器人领域GPT时刻尚需3-5年**：与LLM不同 机器人领域“Day1就是分化的” 因缺乏统一预训练基础和硬件标准 目前正处于“百花齐放”阶段 [53] - **数据是机器人领域的核心赌注**：各家公司采用截然不同的数据方案 例如Generalist收集了27万小时真实机器人交互数据 Sunday通过“手套+众包”模式收集了1000万条人类动作数据 [55][56] - **强化学习作用关键**：在机器人领域 RL的作用比在LLM中更为显著 例如Physical Intelligence的RECAP策略能让机器人在叠衣服、冲咖啡等长时程任务中实现连续10小时稳定执行 [58] 智能体演进与商业模式 - **主动智能体成为主赛场**：下一代智能体将从被动Chatbot转向能主动提供服务的Proactive Agent 这要求模型具备意图识别、始终在线和长期记忆三大核心能力 并与持续学习范式紧密相连 [60][62] - **语音智能体成为新OS入口**：行业正从传统的“STT→LLM→TTS”三段式架构 转向Real-time Speech-to-Speech的端到端解决方案 大幅减少反应时间 ElevenLabs凭借早期数据规模与质量优势构建了护城河 [66][68] - **LLM推理价格快速通缩**：以MMLU为质量指标衡量 推理价格每年下降10倍 自GPT-3发布三年来 同等能力模型推理成本已下降约1000倍 但Agent复杂工作流导致的Token用量激增抵消了单价下降红利 [74][75] - **商业模式面临效率质疑**：市场对AI泡沫的担忧部分源于Sam Altman提出的1.4万亿美元财务承诺 分析指出其中约三分之二包含“有条件解锁”条款 相对容易撤销或展期 [26] - **收入想象力在于新增市场**：在可见的商业模式下 OpenAI未来收入规模预计在2000-3000亿美元之间 其真正想象力在于创造“看不清”的新增净市场 例如AI作为新劳动力释放价值甚至创造增量GDP [28][32] 投资策略与市场视角 - **投资核心策略**：只投资技术成长最陡峭的地方 具体包括三条主线：投资全球最领先的模型公司、投资最领先模型所需的算力与硅基基础设施、投资最领先模型技术溢出的红利 [36][38] - **构建AGI投资组合**：因技术变化快且各家交替领先 最佳策略是构建一个AGI指数组合 理想的配置包括OpenAI、ByteDance、Google、Anthropic、Nvidia以及台积电 [39] - **二级市场聚焦AI Beta**：AI Beta（行业红利）仍是科技创新主旋律 市场叙事已从“AI泡沫”转向“AI战争” 意味着看到堪比大航海时代的发展机遇 [89][90] - **硬件层投资逻辑**：在GPU与TPU阵营对抗中 只要需求远大于供给 两者都具备投资价值 策略上可向暂时落后的一方稍作倾斜 NVIDIA下一代Rubin芯片设计激进 功耗从1800W拉高到2300W HBM带宽从13TB/s提升到20TB/s [96][98][99] - **关注智能体潜在赢家**：在Proactive Agent萌芽阶段 潜在受益公司包括与OpenAI深度合作的Intuit（已投资1亿美元）、作为电商基础设施的Shopify、数据基础设施公司Snowflake & MongoDB 以及通信API公司Twilio [108][109][110][113]

2026年1月12日，维他动力首款消费级产品「Vbot 超能机器狗」品牌预订正式收官，预订量突破 6540台 。 在具身智能尚处"实验室阶段"的普遍认知下，这个数字极具爆发力。更令行业关注的是其背后的"以 C 带 B"策略：C 端爆单迅速建立品牌制高点，带动了地产、 教育等 B 端客户的主动抢滩。 本期嘉宾 余轶南博士 ，是中国AI圈少有的"全周期"亲历者： 今天，他为何选择从"云端"走入"现实"，为 AI 大脑寻找一个强健的身体？ 《善友探索流》本期播客将于2月3日上线，我们邀请了维他动力创始人兼CEO，同时也是混沌学园六期同学——余轶南博士。欢迎大家到小宇宙平台订阅收听。 他曾是全中国第一个复现AlexNet代码的人，亲历AI奇点。 他曾作为地平线联合创始人，死磕端侧推理芯片，从 0 到 1 验证了算力价值。 三大颠覆性洞见： 重新定义 AI 商业逻辑 在与善友教授的长达数小时的深度对谈中，余轶南博士拆解了他对 AI 终局的极致思考： 生存哲学：锁死下限，才敢赌"无限上限" 很多人认为硬科技创业是豪赌，余轶南却说自己是 极度的风险厌恶者 。 "你要赌一件事情，前提是它的下限不能低，而上限要足够高。" 这种 ...

文章核心观点 在AI时代，营销的核心竞争力已从传统的流量和内容内卷，转向基于深度用户洞察、品牌叙事与内容生成策略的思维升级，关键在于理解并驾驭AI系统与人性复杂面的双重逻辑，以构建个人IP与商业护城河 [4][6][57][72] 用户洞察 - 洞察用户的核心是分析占据其时间与注意力的内容，用户主动投入时间代表认同与偏好，应聚焦于这些内容本身而非仅分析结果数据 [10][11] - 社交媒体评论区隐藏用户最真实的共鸣点，高赞评论往往精准道破众人共通的情绪，指向内容的“爽点”所在 [13] - 通过分析近三十年来每年最热门的华语电视剧中的女性角色设定，可以清晰看到女性形象的演变轨迹：从90年代善良隐忍的奉献型楷模，到21世纪初追求情感与个性解放，再到2010年左右经济独立、自信坚强的都市女性，直至近年来的专业精英形象 [18][19][22] - 分析1990年至2020年每年最热门的30首流行歌曲歌词发现，爱情主题在热门歌曲中的占比已从绝对核心降至不足50%，折射出当代社会心态向个人成长、家庭关系等多元话题的转向 [21][23][25] - 对女性向网文的分析揭示了其内心投射的分层演变：下沉市场中老年女性偏好“霸总文”，年轻女性因对亲密关系信任度变化而兴起“宝妈文”，一二线职场女性流行“马甲文”，而“重生文”则映射了现代女性对掌握命运、追求独立的普遍向往 [27][28] - 通过近距离社群观察发现，女性在网络中发展出独特策略以构建安全空间或获取话语权，例如在“宝宝辅食”等垂直话题下分享个人情感以避开算法推荐的男性用户，或在需要时伪装成“A建材王哥”等男性化身份进行沟通维权 [33][34] 品牌叙事与个人IP打造 - 相较于机构品牌，个人IP更具人格化的“活性”，能更快建立信任与情感连接，组织形式更“柔性”，沟通方式更直接自然，易于穿透信息屏障 [37] - 企业家打造个人IP需实施“话题升维”策略，避免就事论事介绍产品，而应将商业信息包裹在目标人群最深层的焦虑与渴望所对应的社会化情感话题中，例如从“卖沙发”升维至“家庭幸福” [38][39] - 内容需符合平台“语法”：说得通俗无需解释，重视女性粉丝因其通常拥有更高的互动与消费意愿，并需认识到IP的核心“人设”与初始魅力必须源于个人的真实特质 [41] - 筛选成功个人IP的四大标准为：1）“有才”，能快速将思考转化为内容进行高频测试；2）“有矿”，内容能提供满足受众深层心理需求的稀缺价值；3）“有颜”，具有能让观众快速识别的独特记忆点；4）“有病”，具备与受众普遍焦虑“同病相怜”的深刻共情能力，具备其中三项则成功概率大增 [44][45][46] - 成熟的IP运营体系通常包含三层账号：品牌调性层负责维护高级品牌形象；流量话题层负责生产具有广泛社会共鸣的“升维”内容以获取注意力；销售转化层由精准粉丝账号构成，核心在于转化率，可通过在流量层评论区互动引流等方式实现流量承接与闭环 [48][49][50][52] - 面向企业客户（To B）的企业家IP本质是一张高效的“数字名片”，核心是清晰传达身份、业务与优势，无需追求内容数量与矩阵规模，素材可源于客户拜访、解决方案展示、行业会议记录等日常工作，传播应聚焦微信生态以实现精准穿透，核心在于效率与信任 [53][55][56] 内容生成与算法理解 - 当前内容生成面临双重“观众”：真实的消费者与决定分发规则的AI推荐系统，二者诉求并不总是一致 [57] - 内容平台（如抖音）的分发逻辑是动态竞赛，内容经初审获测试流量后，系统根据完播率、互动、转化等综合指标决定是否推入更大流量池，算法的底层架构稳定，变化的是用户的集体偏好与行为模式 [59][60][61] - 理解AI推荐系统的核心在于把握其不变逻辑：1）平台根本目标，短视频平台在于最大化用户停留时长，直播平台在于给定时长内最大化成交与平台分成；2）匹配与筛选机制依赖动态调整权重的复合指标；3）竞争范围是“同赛道同时段”，即与过去未来72小时内面向同一类用户群体的内容同台竞技 [63] - 不同平台算法逻辑不同：视频号植根于微信强社交链，鼓励深度观看（如超过7秒）比单纯点赞更重要；小红书核心流量来源之一是搜索，平台判断笔记优劣的长期依据在于评论区能否引发持续、多元且有价值的讨论 [64] - 全球使用AI工具的月活人次已达14亿，其中中国占4.6亿，AI在一定程度上实现了“内容扶贫”，缩小了新手与专家在创意能力上的差距 [66] - 最难以被AI替代的是根植于人性复杂面的东西，例如人类情感中那些带来痛感却也定义深度的互动，受限于伦理框架的AI无法模拟，因其“无害”而显得“不真实” [69][70] 未来竞争力 - 未来的竞争力将围绕两种关键的“沟通”能力展开：一是真实世界的深刻用户洞察与共情力，即从细微处精准推断他人真实需求与心理状态的能力；二是虚拟世界的高阶人机沟通能力，即掌握能以模块化、结构化思维与AI对话的提示词技巧，将AI转化为“超级副手” [72][74]

课程核心观点 - 企业增长源于企业家成长，而成长的第一步是看清趋势、做对选择，努力不能替代正确的方向[2][3] - 未来五年的商业机会在于将现有职业和能力与新兴趋势相结合，而非完全更换行业[4] - 课程旨在通过系统性框架和真实案例，帮助创业者与管理者建立可迁移的趋势认知，并找到可落地的增长路径[3][5] 课程内容与趋势分析 - 课程深度解读国家“十五五”规划要点，系统梳理未来五年影响财富的七个确定性趋势[3] - 趋势分析不空谈理论，而是通过讲师亲身操盘和观察的大量鲜活案例进行深入拆解[3] - 重点剖析的赛道包括“出海经济”、“银发经济”、“孤独经济”与“祈福经济”等[3] 重点赛道与案例拆解 - **出海经济**：案例包括不会英语的山东老板一夜之间拿下中东百万级订单，以及丝瓜络成为年销800万美金的环保爆品[3] - **银发经济**：案例剖析老年大学如何成为千亿流量入口，并带动珠江钢琴的新业务逆势增长超过300%[3] - **孤独经济与祈福经济**：案例解析泡泡玛特如何用12种情绪价值创造产品溢价，以及雍和宫手串、可隆服装如何将“信仰”与“玄学”转化为品牌护城河[3] 讲师背景与课程方法论 - 讲师申晨拥有15年一线营销咨询经验，服务过超过580家企业，曾是新浪微博创始团队成员[4] - 讲师与善友教授共创“熊猫罗盘”方法论，其营销课以180万观看量保持着混沌最受欢迎课程的纪录[4] - 课程提供“职业x趋势”等落地工具，拒绝焦虑贩卖，旨在找到顺势前行的增长路径[5] - 课程采用“信息差、认知差、执行差”模型，来剖析个人与企业间拉开差距的根本原因[6] 课程亮点 - **趋势地图**：基于“十五五”规划拆解未来五年七大趋势，建立可迁移的认知框架[5] - **案例宝库**：提供数十个真实跨界案例，用于拆解底层商业逻辑并训练跨界迁移能力[5] - **落地心法**：提供如“职业x趋势”等实用工具，帮助寻找增长路径[5] 目标受众 - 正在寻找新增长曲线或创业方向的创业者与企业负责人[8] - 面对行业变革、急需理解新趋势并寻找转型切入点的传统行业经营者[8] - 负责企业战略规划、市场洞察与业务创新的中高层管理者[8] - 对银发经济、出海、青年消费等新兴领域感兴趣的投资人与研究者[8]

文章核心观点 - 创业者当前面临的最大成本并非试错成本，而是在错误方向上支付的“认知税”，方向错误时，所有努力都是自我消耗[10][9] - 实现超级增长的前提是创始人的超级成长，即认知底层的重构，而非简单的规模线性放大[23] - 在经济平稳期，比起“怎么跑得快”，更重要的是“往哪儿跑”，企业需要跳出“努力陷阱”和“勤奋的死循环”，抓住确定性趋势红利[14][16] 增长悖论与认知层级 - 许多创业者陷入“越努力，亏得越多”的困境，其根源在于认知维度的错位，而非单纯的环境问题[21][22] - 拉开差距的关键在于三层“差额”：信息差（我知道你不知道）、认知差（我知道为什么和怎么做你不知道）、执行差（我干了，你没干）[23][24][25] - 信息差在搜索框、AI等工具普及下正急速消弭，而认知差是当下最昂贵的“税种”，例如直播中“情绪要上扬”、“换条宽腿裤能提升10%转化率”等细节认知[23][24] - 财富层级被划分为A4至A12，大多数人卡在A8.5（约五千万资产）这条线，每向上突破一层都需要新的认知注入[25][26] 行业幻觉与创新路径 - 面对趋势，正确的做法不是盲目“换行业和职业”，而是将新能力与现有行业或职业相结合[28] - 以中国120万家工厂（其中1.5万家为“超级工厂”）为例，其核心制造能力并未消失，消失的是“连接消费者的路径”[28] - “爆改氧气罐”案例展示了“组合创新”的路径：将原有制造能力与新营销能力、新场景能力结合，使产品从工具变为“社交货币”，从而获得溢价权[29][30] - 企业无需抛弃经营多年的行业，只需在原有根基上嫁接“新能力”的红线，通过“破界”与“连接”实现创新[30] 未来趋势与落地工具 - 企业的增长源于企业主的成长，而成长的第一步是看清趋势，没有人能逆趋势成功[36] - 基于国家“十五五”规划，梳理出未来五年影响财富的七个确定性趋势，并解读其如何具体冲刷每一个产业[37][39] - 提供一套可落地的工具与方法：包括一张基于“十五五”的未来五年七大财富趋势地图、一个包含数十个真实跨界案例的宝库、以及一套用一张A4纸重新梳理业务的落地心法[39][41][42] - 案例库展示了跨界迁移能力：如不会英语的山东老板靠AI助手拿下2000万美金订单、珠江钢琴借“银发经济”让老年业务逆势增长超过300%、雍和宫手串将“信仰”做成品牌护城河等[40][41]

文章核心观点 - 站在2026年视角，过去的技术爆发仅是序章，真正的社会级应用与产业洗牌即将开始，未来5到20年存在巨变与机遇 [1] - 判断AI是否为生产力革命，是决定个人与企业参与AI程度与速度的关键 [2] - AI技术从突破到系统性转化为生产力需要较长时间，当前尚未开始者仍有时间窗口 [3][4][5] - 本轮AI热潮的空前强度，源于全球史无前例的流动性泛滥与资金对美元资产的“极限配置”，需要宏大叙事支撑，ChatGPT的出现恰逢其时 [7][11][14][16][21][22] - AI技术投资周期分为上下半场，上半场美国在技术创新领先，下半场中国凭借应用、供应链和数据优势往往能追赶并反超 [1][30][31] - 中美长期竞争的终局将聚焦于能源和数据两大要素，谁拥有更确定、长期的竞争优势，谁就可能获胜 [1][94] AI技术发展历程与生产力革命 - 历史上生产力革命从技术出现到改变生活均需长时间：蒸汽机95年，移动互联网约30年 [4] - AI发展自2006年大数据基础设施阶段起，2012年Google人脸识别引发第一波浪潮，至今约13年，距离系统性生产力转化仍有较长演变时间 [4] - AI技术演进时间线：从2006年Hadoop起，历经大数据、CNN/DNN、自动驾驶、AlphaGo、Transformer、GPT-3、ChatGPT到2025年DeepSeek，共19年 [6] 本轮AI热潮的宏观驱动因素 - 疫情后全球央行大规模“放水”：2020年美联储、欧央行、日央行资产负债表合计扩张约8万亿美元，全球主要央行扩表规模约12万亿美元 [13][14] - 巨额基础货币通过信贷产生乘数效应，带来接近50万亿美元的全球流动性 [16] - 2022年俄乌冲突冲击欧洲能源安全与供应链，中国处于疫情防控期，导致全球资本暂低配欧洲与中国资产 [16][18] - 美元加息吸引资金回流，多重因素叠加导致增量资金“极限配置”至美元资产 [19][20][21] - 全球资金涌入推动美元资产价格上涨，市场急需宏大叙事支撑，ChatGPT 3.5在2022年四季度的出现正好提供了这一“叙事” [22] - 资金极限配置催生历史未见现象：见证4万亿美元市值公司，美股“七姐妹”市值总和超除中美外任何国家的GDP [22] 资本市场演变与资金再配置 - 2026年若全球不再激进放水，全球资本市场市值维持在130万亿美元，市场进入“存量博弈”状态 [23] - 2024年底特朗普上任带来不确定性，推动资金从对美元资产的“极限配置”回归“理性配置”与全球再平衡 [24][25] - 巨量资金开始在全球寻找具备确定性、中等以上增长回报的资产，各经济体竞争在于谁能提供更充分可信的理由吸引资金 [25][26] AI时代的投资逻辑与阶段划分 - 技术投资周期分上下半场：上半场资本追逐技术创新者，下半场资本关注技术应用与盈利能力 [30][31] - AI投资可划分为三个阶段 [32] - **第一阶段（2023-2024上半年）**：焦点集中于大模型本身 [34] - **第二阶段（2024年开始）**：焦点转向AI应用，特别是通用Agent和具身智能机器人，因其代表数字与物理世界的最大想象力应用 [35][36][37] - **第三阶段（当前走向）**：焦点转向能落地、能赚钱的垂直领域Agent应用和AI硬件，估值逻辑从“讲故事”转向“算账” [38][39] 中国AI的机遇与优势 - **核心战略机遇**：在于“AI+硬件”，结合中国制造业“卷”出的供应链优势，实现产业转换与升级 [1][57] - **成功模式**：“软件+硬件”成为中国公司擅长组合拳，结合强大供应链与前沿技术（传感器、芯片、算法），定义新产品形态并实现PMF（产品市场匹配），通过国内激烈市场竞争后有机会席卷全球 [57][59] - **产业升级路径**：中国行业普遍遵循从性价比基础制造，到工艺密集精密制造，再到科技驱动复杂制造，进而孕育高附加值自主品牌，最终实现全球化布局的演进路径 [68][69] 技术应用浪潮与巨头诞生条件 - 单一中后台技术创新难以催生超大新创公司，需前端（UI）、中端（技术）、终端（设备与用户习惯）同时发生巨大变化 [41][43][46] - 字节跳动（抖音）的成功在于大数据推荐引擎技术遇上了“滑动”交互的UI与消费者习惯革命 [44][45] - 微软的成功不仅因图形化操作系统，更因鼠标的引入改变了人机交互习惯 [45] - 当前大模型应用主要玩家变为大厂（如豆包、千问、ChatGPT），因大众更习惯在其产品中体验AI能力 [40][41] 中国在具体技术领域的追赶与反超 - **人脸识别**：技术源于美国，但中国通过大规模应用（住宿、安检、交易等）实现反超，2019年后计算机视觉顶会顶刊多为中国作者论文 [62][63] - **自动驾驶**：本质是数据为主、算法为辅的应用驱动竞争。中国搭载传感器的车辆多，数据维度、质量、总量巨大，从2026年底开始，中国自动驾驶有机会超过特斯拉 [63][64][65][66] - **传感器与供应链**：中国通过下游应用规模化驱动上游供应链成熟与成本下降 - 激光雷达因中国自动驾驶产业“内卷”，价格从十几万/几十万人民币降至一千多人民币，催生新应用 [60] - 摄像头因智能手机普及，将精度提升、价格打低，使影石Insta360等消费级硬件成为可能 [61] 核心硬件（电机）的产业积累 - 中国机器人展示的超强运动能力（平衡、步态）核心源于先进的电机技术 [47] - 中国电机（以汇川为例）的强大源于多轮产业驱动：房地产（电梯需求）、制造业升级、新能源车，而非为机器人专门研发 [48][49] - 当前机器人领域缺乏的是操作能力（“手”），因其涉及复杂的物体属性与力反馈，缺乏系统性数据积累与产业驱动 [50] 国际关系与战略窗口期 - 美国2025年《国家安全战略》显示其战略收缩，将更多军事责任转移给盟友并聚焦美洲事务 [74][75] - 此举可能为中国提供一个外部压力减小的战略窗口期，利于国内经济结构调整与新旧动能转换 [76][77][78] - 中国正推动构建更加公正合理的全球治理体系，国际地位若上升将带来更多国际化业务机会，是趋势性行业红利所在 [76][77] 人民币汇率与外贸结构 - 人民币有升值预期，但不会大幅升值 [79] - 中国外贸顺差在人民币升值背景下创历史新高，显示外贸对汇率敏感度下降，核心原因是外贸结构升级，中高附加值产品占比显著提升 [79][82] - 2025年汽车出口超500万台，金额超千亿美元 [80] - 2025年中国创新药对外授权总金额达1356亿美元 [81] - 2025年中国芯片出口金额预计约1.5万亿元人民币（约两千多亿美元） [81] 金融格局与人民币国际化 - 中美国家实力对比中，金融层是最大差距所在 [83] - 美国战后建立的“贸易逆差输出美元-顺差国购买美元资产-美元回流”金融循环正在被美国自身打破 [84][85] - 中国应对：贸易顺差扩大但外汇储备未显著增长；减少美债依赖，增持黄金；推动贸易结算多元化与本币互换 [85] - 中国正推动金融行业进一步开放，通过“小步快跑”试点（如上海科技金融、跨境金融创新），依托贸易优势提升人民币国际化，形成真实需求与升值预期，但不追求大幅升值 [86][87] 数据要素与中美长期竞争 - 数据是未来十年大国竞争的关键要素，与能源并列 [1][88][94] - 2023年中国组建国家数据局，标志数据治理进入新阶段，上海等地已开展公共数据授权运营试点 [90][91] - 数据作为生产要素，可反复、多场景使用，但治理复杂（难管理、定价、流通、脱敏） [91] - **短期**：中美AI竞争下半场看应用落地 [92] - **长期**：竞争终局看谁的数据治理更好。中国数据量多质优，关键在于如何利用 [92] - **医疗数据例证**：中国临床数据价值高但碎片化，若打通此堵点将极大提升医药研发效率。2025年上半年全球医药交易总金额1304亿美元中，近50%金额与超30%交易数量涉及中国 [92][93]