文章核心观点 - 2026年AI行业将进入“祛魅时刻”，市场评判标准转向能否切实降低成本或直接带来收入，无法嵌入工作流解决具体问题的产品将被快速遗弃 [1] - 技术扩散周期规律显示，当AI变得像水电一样寻常时，才真正开始重构商业，机会属于能用AI改造具体业务的实干家，而非单纯的算力持有者 [3] - AI将深度渗透到具体现实场景，技术变得更实用和隐形，同时带来行业规则的重塑，从业者面临思维范式转换的挑战 [37][38][39] AI改造商业模式——代理与效率 - **超级应用平台成为AI服务主要载体**：2026年，微信或抖音将巩固其地位，大量低频生活服务软件将转化为“智能体”，在超级平台内通过对话界面完成服务闭环，用户交互从点击图标转向自然语言对话，流量分发逻辑从“抢占安装量”变为“抢占模型调用” [4] - **信息获取与内容创作逻辑改变**：在小红书等社区，AI将能自动整合分散笔记生成结构化方案，内容创作者需调整策略，结构清晰、信息密度高的内容更易被AI抓取，生成引擎优化（GEO）成为新流量密码 [5] - **B端服务转向“结果付费”模式**：AI可能改变国内企业软件订阅制续费率低的现状，企业更倾向于为“结果”买单，AI编程工具让非技术背景创业者通过自然语言构建复杂应用，专业开发者的核心竞争力从“手写代码”转向“系统架构”与“需求拆解” [7] - **大模型竞争焦点转移**：2026年，豆包与千问的竞争焦点从模型能力转向入口控制与代理能力，本质是字节与阿里体系的对撞，胜负取决于谁能在用户各种使用场景中率先实现“日常化” [8] - **直播电商“数字人”常态化**：中腰部直播间将大规模采用高拟真数字人，实现24小时上播、实时互动，降低商家运营成本，让直播带货回归“货架电商”的比价逻辑 [14] AI硬件与交互——从尝鲜到普及 - **AI眼镜迎来普及拐点**：2026年，随着大厂加入和国内成熟供应链推动，AI眼镜价格将下探至大众消费区间，产品侧重于“听觉+视觉辅助”功能，如实时翻译、识物百科，带动新的硬件换机潮 [15] - **手机成为“个人数据终端”**：随着端侧算力提升，旗舰手机将具备本地运行大模型的能力，核心价值在于“个人数据”的本地化记录与处理，如相册分类、聊天记录检索，无需上传云端 [17] - **语音交互权重显著提升**：低延迟模型的普及让语音交互更自然，在车载、家居及移动场景中使用频率将显著上升，对话式交互将改变生活场景中的人机互动范式 [18] - **具身智能在制造业率先落地**：人形机器人将在比亚迪、特斯拉等工厂的非结构化环境中承担分拣、整理等任务，作为高效自动化劳动力填补制造业用工缺口 [19] - **可穿戴设备关注情感连接**：新一代可穿戴设备将通过传感器数据分析用户情绪并提供反馈，在单身经济和独居人群增加的背景下，具备情感交互功能的硬件将拥有特定市场空间 [21] 影视与娱乐如何被AI再改造 - **短剧行业步入“AI工作流”时代**：2026年将出现完全由AI生成的头部短剧/漫剧，从剧本优化到视频生成、后期配音全流程在云端完成，成本结构重构，人力成本大幅下降，算力成本成为主要支出 [22] - **“互动影剧”加速商业化**：借助AI高度拟人化的即时对话和实时视频生成技术，互动影剧成为可复制商业模式，用户付费为获得“选择权”和“定制权”，按剧情分支付费可能成为新增长点，改变单一会员制模式 [25] - **“数字替身”商业化与收入分化**：二三线艺人和网红可授权AI采集其“数字肖像”变现，短剧、漫剧或商业品牌购买授权后利用AI生成内容，这种模式提供被动收入，但也使演艺行业收入分配更向头部集中 [26] - **影视后期“即时化”变革**：AI让后期制作前置至拍摄现场，实时风格迁移、自动抠像和AI打光技术让导演在监视器上看到接近成片的画面，制作流程从线性“拍完再剪”变为并行“边拍边成片”，大幅压缩制作周期 [28] AI对社会的影响——规则与适应 - **初级白领面临“职场断层”**：AI代理大规模接管PPT制作、会议纪要整理、基础代码编写等工作，企业招聘门槛变化导致初级岗位消失，职场人才梯队出现断层，新人培养体系面临挑战 [29] - **“真人创作”稀缺性溢价**：随着AI生成内容泛滥，“真人创作”将具有更高辨识度和溢价，内容平台可能推出认证机制，带有个人观点、独特瑕疵和真实情感的内容成为稀缺资源 [30] - **AI创作版权收益进入深水区**：行业可能探索出一套基于AI水印识别的支付机制，当AI生成内容使用特定创作者风格或素材时，原作者能获得相应比例利润分成，类似YouTube或Spotify的分成机制 [32] - **互联网信息“部落化”退守**：为防止AI爬虫无休止抓取数据，优质真人讨论社区可能倾向于私有化和加密化，真实、有价值的讨论回缩到封闭的“数字部落”，获取高质量信息的门槛变高 [33] - **情感依赖引发社会心理变化**：AI伴侣拟人化程度提高，部分人群可能与之建立深度情感连接甚至产生高度依赖，对传统社交关系、婚恋观念产生影响，增加心理咨询及立法监管需求 [34] - **能源成为算力硬约束**：AI产业竞争最终受制于能源，数据中心规模扩大使电力供应成为核心瓶颈，拥有稳定、低成本电力资源的地区将成为算力基础设施布局重点，能源成本直接影响AI服务定价和普及速度 [36]

文章核心观点 - 全球8英寸晶圆供需正步入结构性失衡 供给端因台积电、三星等巨头战略转向12英寸而收缩 需求端受AI外围芯片等驱动保持强劲 导致产能利用率回升至高位并引发代工报价上涨[1][4] - 在此变局下 中国大陆晶圆代工厂正承接全球产能真空 成为满足8英寸芯片需求的替代方案 其产能利用率高企并已启动涨价 展现出崛起的势头[1][7][8] 8英寸晶圆供需失衡现状 - **供给收缩**: 台积电已于2025年开始逐步减少8英寸产能 目标2027年部分厂区全面停产 三星电子亦于2025年下半年启动更积极的减产 受此影响 预计2026年全球8英寸晶圆总产能将萎缩2.4%[3][4] - **需求强劲**: AI服务器及边缘算力带动电源管理芯片、功率器件等需求增长 加上供应链恐慌性备货 推动8英寸晶圆出现结构性紧缺[4] - **市场反转**: 全球8英寸代工报价在2025年下半年止跌回升 预计2026年全线涨幅将达5%至20% 2025年四季度全球主要晶圆厂平均产能利用率回升至90% 同比增长约7个百分点 其中8英寸制程持续满载[1][4] 中国大陆晶圆代工厂的机遇与表现 - **填补产能真空**: 当国际巨头削减8英寸产能时 中国大陆晶圆代工厂有望在一定程度上填补全球市场产能真空[6] - **产能与利用率**: 中芯国际逻辑芯片月产能（折合8英寸）于2025年第三季度末达102.3万片 整体产能利用率达95.8% 为2022年二季度以来新高 华虹半导体部分8英寸生产线产能利用率已逼近100%[7] - **价格与订单**: 由于需求激增 中国大陆晶圆厂已将8英寸芯片工艺价格上调约10% 部分订单涨幅甚至触及20% 中芯国际已对8英寸BCD工艺代工提价约10% 此波涨势预计延续至2026年[8][9] - **需求来源**: 需求向好不仅源于AI外围芯片爆发及本土订单回流 也得益于中国大陆产品进入了海外客户供应链 英飞凌、安森美等国际功率半导体巨头的转单也支撑了华虹等公司的产能利用率[7] 主要厂商动态 - **台积电**: 在中国台湾有4座8英寸晶圆厂和1座6英寸晶圆厂 8英寸晶圆代工月产能约为52.8万片 计划2027年部分厂区全面停产 2026年需持续削减产能[6] - **三星电子**: 8英寸晶圆代工月产能亦约为52.8万片 2025年下半年启动减产 态度积极 此前传闻对8英寸代工制造和技术团队裁员30%以上[6] - **联电**: 旗下8英寸晶圆月产能曾超36万片 现阶段产能利用率约70% 公司选择通过深耕特殊制程技术来巩固市占率[6] - **中芯国际**: 在上海、北京、天津、深圳建有3座8英寸晶圆厂和4座12英寸晶圆厂 公司明确表态国内产能的扩充速度只会增高不会降低[7] - **华虹半导体**: 在特色工艺上具备竞争力 部分8英寸生产线产能利用率逼近100%[7] 长期趋势与挑战 - **工艺迁移趋势**: 长期来看 电源管理芯片及显示驱动芯片向12英寸成熟节点迁移的趋势并未改变[9] - **未来产能布局**: 全球半导体制造商预计2026年将增加12英寸晶圆厂产能 达到每月960万片的历史新高 晶圆代工、存储器和功率半导体预计将是2026年新增产能的主要驱动力[9] - **大陆厂商策略**: 中国大陆厂商在扩产8英寸的同时 必须加速在12英寸特色工艺上的布局[9]

文章核心观点 - 农业AI正成为达沃斯论坛等全球议程的“底层议题”，其重要性从单纯追求“增产”转向增强粮食系统的“韧性”与稳定性[3] - 农业AI规模化应用面临的核心挑战并非技术本身，而在于其必须嵌入一个高度复杂、风险敏感的真实生产体系，导致其发展路径比其他行业更为谨慎[4][5] - 中国在农业AI领域的实践提供了重要的现实智慧，其系统性整合与场景化落地的模式，为技术从示范走向规模化应用提供了可执行路径[11] AI在农业领域的发展现状与挑战 - 农业AI的发展“走得慢”，主要原因是行业“被迫更加谨慎”，其核心难题在于必须嵌入一个高度复杂、风险极其敏感的真实生产体系[4] - 与金融或互联网行业不同，农业不缺概念验证项目，真正稀缺的是可复制、可持续的规模化应用[5] - 不同市场面临高度分化的瓶颈：欧美大型农场主要问题是数据割裂、系统不兼容及基础设施投入成本高；新兴经济体的小农户则更关注技术是否“听得懂、用得上”[5] - 农业生产的低容错率（技术失误直接影响农户生计）使其对新技术的接受节奏明显慢于多数行业，难以沿用其他行业“模型能力提升—成本下降—自然扩张”的路径[5] 农业AI的价值逻辑转变 - 农业AI的重要性正从“多生产多少粮食”的增产逻辑，越来越多地与增强整个粮食系统的“韧性”相连[7] - 农业贡献了全球约三分之一的温室气体排放，是导致土地退化与水资源压力的关键诱因[7] - 通过精细的数据分析和决策支持，部分技术已能在提高产出的同时，减少化学品、化肥和水的使用，正在将产量与环境压力之间的“非此即彼”的权衡，转变为“更连续、更可管理”的选择区间[7] - 面对极端天气、病虫害和地缘冲突等风险，技术无法消除不确定性，但可通过更早的气候预测、更透明的供应链信息和更快的决策调整，降低系统对局部冲击的敏感度，使粮食安全从“有没有”转向“稳不稳”[9] 中国在农业AI领域的实践与启示 - 中国被视为农业AI实践的重要观察样本，其最值得关注的经验是一种系统性思维：将技术、育种、化学、农机和数据整合进同一生产逻辑，让AI成为“最后一块拼图”而非孤立的创新点[11] - 中国的一些实践并未优先强调模型复杂度，而是将AI嵌入病虫害识别、施用窗口判断和气象风险提示等具体场景，并以本地语言呈现，强调技术必须能直接改变农民每天要做的选择才能走向规模化[11] - 中国的意义不仅在于市场规模，更在于其提供了一个接近真实生产环境的试验场：数字工具普及、基础设施完善、产业链协同，使数据和AI更容易从示范项目走向日常决策，这种“可执行路径”对其他新兴市场具有参考价值[11]

核心观点 - 人工智能（AI）正导致传统劳动力市场分析框架（菲利普斯曲线和贝弗里奇曲线）系统性失效，经济增长与就业市场表现出现阶段性脱钩，劳动力市场信号的参考性下降 [1][2] 经典劳动力市场框架的偏离 - 以美国为代表的发达经济体劳动力市场表现正偏离传统框架：失业率维持历史低位，未随经济放缓明显抬升；工资增速放缓，通胀对劳动力市场紧张程度的反应弱于历史经验；职位空缺率处于高位，但其变化与就业改善的对应关系明显弱化 [2] - 传统以就业—通胀为主线的分析框架正面临系统性挑战，而AI是理解这一结构性变化的重要切入点 [2] AI对劳动力市场的冲击机制 - AI对就业的影响主要发生在任务层面，而非岗位层面，主要通过三条渠道展开 [3] - **任务替代效应**：AI以更低成本完成具体任务，降低边际劳动需求，影响广泛发生于白领、专业服务和中等技能职业 [3] - **任务重组与生产率放大效应**：AI替代部分任务后，劳动者将时间配置到未自动化任务上，缓冲就业冲击并提升企业生产率，可能带来企业规模扩张并对就业形成反向拉动 [3] - **宏观层面的就业压缩**：在区域和行业层面，任务重组不能完全吸收被替代的劳动，导致AI高暴露地区（尤其是制造业和中等技能服务业）的就业率出现结构性下移 [3] 对菲利普斯曲线的影响 - AI引入系统性削弱了从失业率到工资再到通胀的传统传导链条 [4] - 有效劳动供给弹性显著上升：AI扩展了单个劳动者可完成的任务集合，单位产出所需劳动投入下降，失业率下降不再必然对应同等强度的用工约束 [4] - 工资形成机制出现分化：AI强化工资结构分层，不可替代任务获得溢价，可自动化任务面临压制，降低了平均工资对劳动力紧张程度的敏感性 [5] - 生产率提升缓冲成本冲击：AI通过降低单位边际成本，削弱了工资变动向价格的传导 [5] - 综合导致菲利普斯曲线斜率趋于平坦，通胀对失业率的相关性下降，对技术扩散速度与任务结构变化的依赖上升 [5] 对贝弗里奇曲线的影响 - AI对贝弗里奇曲线的影响更为直观，导致曲线整体外移，即相同职位空缺率对应更高的失业率 [5] - 原因在于AI替代集中于中等技能岗位，而再培训、技能转移与跨区域流动存在显著摩擦，导致结构性错配 [5] - 企业新增岗位更多指向高技能、复合任务及人机协作型职位，而失业人口集中于被AI替代的任务类型 [5] - 职位空缺数据本身信息含量下降：部分空缺反映对AI系统的补充配置或探索性需求，而非等量劳动需求，使其作为劳动力市场紧张度指标的解释力持续弱化 [5] 对货币政策范式的潜在影响 - 薪资增速对通胀的传导效率正在减弱：AI提升单位劳动效率，使企业能在不显著扩张用工下消化成本压力；工资上涨更多集中于不可替代的高技能任务，对整体消费需求与价格水平的外溢效应有限 [6] - 失业率对经济变化的反应变慢：企业更多通过放缓招聘、调整岗位结构和提高效率应对需求变化，导致就业人数和失业率对经济放缓的反应滞后 [6] - 传统宏观模型中以失业率、职位空缺率等作为周期判断和政策信号的做法，其解释力与前瞻性正在下降 [7] - 未来货币政策可能更倾向于采取前瞻性风险管理思路，在核心就业指标尚未明显走弱前，提前释放政策缓冲空间，推动宽松政策前置 [7]

AI对个人生活与亲密关系的影响 - AI应用已渗透至个人情感与亲密关系领域 例如有用户将12万条聊天记录上传至ChatGPT以训练专属“恋爱模型”用于指导恋爱关系中的行为与决策 [4] - AI在亲密关系中扮演了情感分析、建议提供甚至直接代聊的角色 例如AI可准确判断对方情绪并给出应对策略 或在争吵时提供开导与安慰 [6] - 使用AI处理亲密关系沟通正成为一种新常态 甚至出现恋爱双方均使用AI与对方交流的现象 这可能导致人类对AI处理情感与关系产生依赖 [6] AI对就业市场与特定岗位的冲击 - AI工具已在设计、美工、客服、文案及自媒体编辑等岗位导致人员被替代 有企业因要求设计部门大量使用AI工具而大幅缩减编制并裁撤全部实习生 [6] - 被AI替代的员工面临再就业困境 例如有设计专业毕业生在寻求AI技能培训时发现课程价格不菲且不解决实际问题 同时一线城市相关岗位的用人要求非常严苛 [8] - 企业层面出现因相信AI能力而进行的结构性裁员 例如有软件企业在过去一年裁掉了全部8个部门中的3个 整部门解散 其创始人认为AI时代不需要这些部门 [14] AI提升工作效率与引发的职业风险 - AI编程工具如Claude Code能显著提升程序员工作效率 有硅谷程序员通过整合多个AI工具创建无缝工作流 基本实现了工作的完全自动化 [11] - 过度依赖AI自动化可能导致职业风险 例如在硅谷出现AI相关大裁员后 前述高度依赖AI的程序员失去了联系 暗示其可能受到裁员影响 [12] - 企业管理层对AI的认知差异导致内部矛盾 部分老板笃信AI可实现“无人公司”并因此裁员 而员工则不知如何证明自身价值 导致双方陷入僵持与互不信任 [16] 社会对AI影响的认知与态度演变 - 早期社会对AI替代人类工作普遍存在愤怒与恐惧情绪 但当前AI实际开始替代岗位时 公众反应却趋于麻木与冷漠 [17] - 尽管面临真实的失业与降薪困难 社会普遍存在一种“不知该如何是好”的茫然感 并将AI的影响类比互联网与移动支付 认为最终结果会是整体向上 [19] - 当前社会对AI影响的认知呈现“温水煮青蛙”状态 一方面认为变化无害 另一方面又感知到潜在风险 但缺乏明确的应对方向 [19]

核心观点 - 中国科技板块平均盈利增速预计将从过去数年的-3%跃升至未来的+25%，成为支撑A股市场向好的关键[1] - 中国政府正致力于打造“持续、有序的牛市”，并视其为一项政策目标，以推动国家创新[1] - 在技术升级和AI普及浪潮下，投资者需更具选择性，关注特定领域的公司[1] - 宏观经济数据超出预期，出口成为GDP增长主要驱动力，2026年GDP增长率预计在4.5%至5%之间[2][3] - 人民币稳步升值趋势为投资中国市场提供支撑，年底汇率有望达到6.8[4] 行业与板块投资机会 - **科技与AI**：建议关注深度整合AI的互联网平台、技术本土化龙头企业以及在自动化和智慧办公领域取得进展的公司[1] - **医疗健康**：中国在生命科学领域快速崛起，2025年上半年全球三分之一的大型制药企业药品授权交易由中国企业达成[1] - **其他领域**：电力设备、新消费以及在低利率环境下具备吸引力的高股息金融股，也应在中资股投资组合中占有一席之地[1] 宏观经济与政策展望 - **经济增长**：2026年中国GDP增长率预计在4.5%至5%之间，存在上行空间[3] - **消费与投资**：消费增速预计维持在3%左右，投资有望从2025年的负增长中复苏，房地产投资降幅将收窄[3] - **出口表现**：2025年中国净出口额创下1.2万亿美元历史新高，出口总额增长5.5%，对非美国家出口贡献突出[2] - **出口贡献**：2025年出口对GDP增长的贡献率接近33%，较2024年的30%进一步提升，预计2026年出口将实现低个位数增长[2] - **政策重点**：政府聚焦生产力增长，鼓励AI相关领域投资，支持产业升级与技术创新[3] - **投资方向**：制造业和基础设施投资保持韧性，AI相关的公共物流基础设施是政府重点支持领域[3] - **政策特点**：当前政策重点偏向供给侧，政府投资集中于资本密集型产业与AI基础设施等领域[3] - **政策案例**：2025年补贴主要投向电动汽车、电子产品等产业领域，以支持相关产业发展为导向[3] - **货币政策**：预计年底可能有50个基点的存款准备金率下调，同时降息20至30个基点[3] - **财政政策**：除了贸易补贴等供给侧支持，政府也会兼顾民生领域，重点关注养老、托育及面向普通民众的医疗健康保障[3] 资本市场与资金流向 - **政策环境**：政府着手规范融资融券业务，致力于打造强大资本市场以支持缺乏现金流或有形资产的初创企业[1][2] - **资金潜力**：规模庞大的国内超额储蓄，在房地产投资回报预期下降的情况下，有望被逐步引导至股市[1] - **资金动向**：由于利率处于低位，存款流向固定收益基金的规模仍在增长，但已看到存款开始少量流入股市的初步迹象[2]

公司与环球音乐达成新授权协议 - 网易云音乐与环球音乐集团宣布达成一项多年期授权协议 [2] - 协议内容涵盖版权发行、艺人推广、AI技术探索和文化交流等多个维度 [2] 行业竞争格局与用户分析 - 国家版权局曾推动网易云音乐与腾讯音乐互授版权 一定程度上松动了版权作为平台护城河的局面 [2] - 目前国内在线音乐平台迎来新“搅局者” 字节系汽水音乐在2025年9月月活用户规模上紧随网易云音乐之后位居第四 [2] - 网易云音乐月活用户规模仍居行业前三 平台月活用户超2亿人 [2] - 网易云音乐超9成活跃用户为90后和00后 [2] 协议中的AI相关合作 - 此次授权协议包含了人工智能相关条款 [2] - 国外AI巨头正通过合作协议的方式与唱片公司就AI生成音乐的版权问题取得“和解” [2] - 网易云音乐与环球音乐将在AI技术探索方面展开更深层次的合作 [2]

普华永道全球CEO调查报告核心观点 - 企业在AI应用上的雄心与现实之间存在巨大鸿沟，尽管已普遍认同AI价值并投入布局，但实际产生效益的比例很低 [1] - 企业AI应用成效不佳的根源主要在于忽视了落地的底层逻辑，如数据治理、业务流程和合规框架，而非技术本身 [4] - 面对不确定性环境，CEO对企业自身实现增长的信心降至五年新低，但大量领导者仍在通过AI、技术创新与跨行业扩张布局长期增长机遇 [5] - AI正在颠覆传统的职业发展模式，企业需重构人才培养体系，从侧重任务执行转向侧重系统思维 [8] - 报告将未来定义为“创新与产业重构的十年”，建议以长期历史视角看待当前投资与变革，并主动拥抱变化 [8] AI应用现状与挑战 - 调查显示，仅有10%至12%的企业表示AI应用在营收增长或成本控制上带来了实际效益 [1] - 高达56%的企业直言“AI投入毫无回报” [1] - 此结论与麻省理工学院（MIT）去年8月的研究相呼应，该研究指出企业界95%的生成式AI试点项目均以失败告终 [1] - 从AI应用中获益的企业，无一例外都“搭建好了扎实的基础架构” [4] CEO信心与战略布局 - 仅有三成CEO对未来12个月的营收增长抱有信心，这一比例较2025年的38%、2022年的56%大幅下滑，创下五年来最低纪录 [5] - 尽管对短期营收信心下滑，但大量领导者持续布局跨年度增长机遇，试图通过AI、技术创新与跨行业扩张推动企业转型重塑 [5] - 报告指出，那些从新兴领域获取更多营收的企业，往往拥有更高的利润率，CEO对未来增长的信心也更为充足 [8] 企业管理与领导力挑战 - 当前变局对企业高管层而言是一场真正的考验，是“领导者面临的最严峻挑战之一” [4] - 挑战要求领导者在摆脱日常战术性事务牵绊的同时，实现快速变革与灵活适应 [4] - 问题的核心在于执行能力，而执行力的高低取决于企业的管理水平与领导力 [4] 未来趋势与职业发展 - AI正彻底颠覆传统的“学徒制模式”和从基层起步、逐级晋升的经典职业阶梯 [8] - 随着AI逐步接管重复性任务，企业必须重构培养体系，将侧重点从任务执行能力转向系统思维能力的培养 [8] - 建议以过去50至100年的历史维度审视当下，类比铁路时代和互联网早期的基建热潮，当前投资浪潮将催生新一轮创新纪元 [8]

文章核心观点 - 人工智能正加速全球药物研发进程，中美在该领域形成双向依赖关系：美国依赖中国的临床数据，中国依赖美国的市场准入与AI技术[1][3][5] AI驱动药物研发的现状与竞争格局 - AI药物研发的竞争优势取决于算力和高效挖掘基因组、临床试验数据的能力，中国正成为美国重要的数据来源地[1] - 全球尚未出现具备真正“多模态”能力、能在DNA、分子影像与临床试验报告输出间自由切换的AI模型[1] - 美国凭借顶尖AI技术和成熟风投生态，在AI驱动药物研发领域占据领先地位[5] - 中国正通过推进国产AI芯片和算力基础设施建设以追赶[5] - 全球迎来制药企业和科技巨头押注AI研发的热潮，例如英伟达与礼来公司合作成立AI联合创新实验室[6] 中国在药物研发领域的优势与依赖 - 中国拥有庞大的患者基数、极快的受试者招募速度以及生物制药企业的高效运转，显著缩短新药上市时间，临床试验生态可能是全球最好的之一[3] - 中国已成长为药物创新强国，在临床开发方面不断领先，其数据与全球数据一致性提高，信任度正在提升[3] - 中国生物科技企业仍相当依赖美国市场进行商业化，美国市场准入是中企创新体系中缺失的关键环节[3] - 2025年，中国药企共完成157项早期药物对外授权协议，总金额高达1357亿美元，合作对象多为欧美大型制药企业[4] - 最新案例如荣昌生物与艾伯维就RC148药物签署高达56亿美元的独家授权许可协议[4] - 中国生物科技公司也通过与跨国药企合作进入国际市场，例如信达生物与日本武田药品工业公司达成总金额114亿美元的合作，信达生物将获得12亿美元首付款[4] 行业市场规模与预测 - 招商银行研究院预计，2028年全球AI制药市场规模有望达56.2亿美元[6] - 麦肯锡预测，长期来看全球AI制药市场规模有望达到280亿至530亿美元[6] - 截至今年7月，中国国内AI制药企业数量超过100家，主要集聚于北京、长三角地区及粤港澳大湾区[6] - 中研普华研究预测，2025至2030年中国智能制药行业将迎来高速发展期，市场规模预计突破5000亿元人民币，年复合增长率维持在15%以上[6] 行业面临的挑战与瓶颈 - 美国收紧对生物数据的控制，去年通过的《生物安全法案》将美国基因数据提升至战略高度，其核心条款被视为针对中国生物科技企业的新一轮政策围堵[5] - 行业面临基础性瓶颈，人类基因组中只有约1%到2%是负责蛋白质编码的基因，对其余部分知之甚少[5] - 传统药物研发流程漫长，从发现到上市一种新药通常需要10至15年[2]

核心观点 - 知名投资者迈克尔・伯里与好莱坞影星本・阿弗莱克均对当前人工智能领域的过度炒作和巨额投资表示质疑 他们认为相关公司的估值存在泡沫 技术普及将慢于预期 且投资回报堪忧 [1][2][6][7] 对人工智能行业的批评 - 认为当前人工智能领域的宣传夸大其词 部分源于科技公司需要为其巨大的数据中心资本支出寻找估值支撑 [1][2] - 指出新技术的历史普及进程向来“缓慢”且循序渐进 而非颠覆性爆发 [2] - 批评新一代人工智能模型的性能提升有限 但运行所需的电力与数据量却呈指数级增长 [2] - 认为人工智能聊天机器人生成的文字质量“糟糕透顶”且“完全不可靠” [6] - 预测人工智能在内容创作上无法写出“任何有深度的内容” 更不可能独立完成整部电影 [6] - 指出当前许多人工智能应用（如虚拟伴侣）既不创造工作岗位 也不提升生产效率 社会价值存疑 [6][7] 对人工智能投资与估值的警告 - 核心观点认为人工智能概念股的估值已严重过高 [7] - 警告行业在芯片与数据中心领域存在过度投资 这些设施可能很快被淘汰 [7] - 认为巨额投资打造的技术最终会沦为同质化商品 无法带来预期回报 [7] - 预测未来将出现大规模资产减记与股价暴跌 [7] - 明确指出“人工智能行业的投资回报率将持续走低 几乎所有人工智能企业都会走向破产 大部分相关投资最终都将沦为坏账被核销” [7]