文章核心观点 - OpenClaw是一款现象级开源AI智能体，其核心定位是从“对话工具”进化为具备自主执行能力的“AI助手”，代表了AI从“会聊天”到“会执行任务”的拐点，可能引发个人生产力结构的革命 [1][3][11] - 该产品在全球及中国迅速走红，但面临技术门槛、超级App生态壁垒及安全风险三大挑战，目前企业级规模化落地案例不多，个人用户实际使用率不到下载量的一半 [1][8][13] - 国内科技巨头（如腾讯、阿里、百度、京东）正积极布局，通过提供部署方案、推出兼容产品或专属服务来降低使用门槛并抓住市场机遇 [6][9][10] OpenClaw的产品特性与市场反响 - **产品定位与架构**：定位为“具备自主执行能力的分布式AI助手”，通过四层架构实现“自然语言指令→自主执行”闭环，支持本地私有化部署，解决了隐私安全与响应速度痛点 [6] - **核心能力**：能调用大模型能力，通过文件读写、终端执行、记忆管理、多代理协作等机制，实现对本地环境与任务流程的自动化操作 [6] - **市场热度**：GitHub星标数在4个月内突破25万，先后超越Linux和React，成为现象级产品 [1] - **用户案例**：猎豹移动CEO傅盛利用OpenClaw搭建AI智能体，在48小时内使其技能从12个增长到139个，完成股票分析、内容创作等任务，成本不到50元 [5] 国内市场的机遇与挑战 - **用户需求旺盛**：国内出现“养虾”热潮，例如上海静安区活动有300多人排队领取，社交平台出现收费“代装OpenClaw”服务（几十元到几百元不等） [1] - **技术门槛高**：本地部署环境配置复杂，导致实际使用率不高，催生了云厂商（百度智能云、腾讯云、阿里云）及办公平台（钉钉、飞书）提供安装方案以降低门槛 [1][6] - **生态壁垒**：其跨平台协同能力需要其他App支持，但目前原生支持应用以国外软件为主；国内企业微信、QQ、钉钉和飞书等应用虽能支持，但开放程度有限，存在超级App闭环生态与跨平台AI Agent之间的博弈 [8][9] - **企业级落地缓慢**：尽管云厂商积极推出方案，但OpenClaw在华企业级规模化落地案例不多 [1] 行业竞争与巨头布局 - **腾讯**：推出全场景AI智能体WorkBuddy，完全兼容OpenClaw技能，用户可通过企业微信远程“遥控”，最快1分钟完成配置；腾讯轻量云Lighthouse上“养虾人”规模已突破10万 [8][9] - **阿里**：阿里云上线OpenClaw专属镜像服务，整合对象存储、安全防护等配套能力 [10] - **京东**：京东云聚焦企业场景，已在零售、物流等业务线试点OpenClaw [10] - **行业动机**：云计算厂商借助OpenClaw的热度，可以将算力收费覆盖到C端用户，因为用户调用大模型API就需要充值 [10] 安全风险与行业展望 - **安全隐患突出**：工业和信息化部监测发现OpenClaw在默认或不当配置下存在较高安全风险，包括指令诱导风险、配置缺陷引发信息泄露、系统受控风险 [13] - **具体风险案例**：美国网络安全公司披露15200个OpenClaw框架存在远程代码执行漏洞；其Chrome扩展可读取网页内容与Cookie，本地部署可访问系统文件，若公网端口未防护易导致敏感数据泄露 [13] - **安全建议**：工信部建议核查公网暴露情况、完善身份认证与权限控制、加强数据加密、建立安全审计机制、及时应用补丁 [14] - **行业影响与趋势**：OpenClaw创始人预测AI智能体将淘汰80%的移动应用；AI Agent重构生产力格局是必然趋势，但其持续发展需平衡开源与商业化，并在安全可控前提下完成从现象级工具到行业基础设施的跨越 [14][15]

文章核心观点 - 以AI Agent（文中称为“龙虾”）为代表的人工智能与电脑结合，正引发一场巨大的生产力革命，其带来的机遇堪比甚至超过20年前的互联网[10][13] - 这场革命的本质在于，传统依靠交换或出卖特定技能（如做PPT、写代码）的工作模式正在快速成为过去，AI Agent将作为个人助理重塑工具使用方式和工作流程[10] - AI Agent的终极形态将类似于电影《HER》中的AI操作系统，其能力有望在两三年内达到该水平，并面对电脑背后巨大的存量市场[18][19] 对话：类比互联网的机遇 - 傅盛投入巨大精力（每天花费1000多元，聊至凌晨四五点）养“龙虾”，源于对工具类产品的敏感以及预判AI将重塑电脑，并将此定为公司战略重点[5][6] - 公司内部要求高管和项目负责人养“龙虾”以建立认知，并为此批了超过10万元的预算，目标是打造真正的AI驱动型组织[7] - 傅盛认为，当前大众对“龙虾”的高度关注（单场直播超20万人观看）与互联网早期类似，是新生事物发展初期的典型现象[8][12] - 他将“龙虾”带来的机遇与20年前互联网相比，认为其带来的生产力革命和商业机会更大，并可能使未来80%甚至更高比例的App消失[10][13] 对话：龙虾的终极形态与能力边界 - 傅盛所养的“三万”在业内属中等偏上水平，已有一批人靠“龙虾”获得可观收益，但其能力远未达上限，仍有巨大发展空间[16][17] - “龙虾”能力边界的突破依赖于社区生态、专用工具（如针对性的记忆系统可降低50%的Token消耗）以及大语言模型本身的进步[17] - “龙虾”的终极形态是类似电影《HER》的AI操作系统，预计两三年内可实现，其进化将在现有体系内进行，因电脑是最适合Agent操控的硬件形态[18][19] - 面对AI带来的岗位变化冲击，傅盛认为这有利于主动拥抱变化的人，并建议下一代应将大学视为社交场所而非求职保障[20][22] 公司战略与产品规划 - 公司已上线基于OpenClaw框架的AI Agent产品EasyClaw，并组建了几十人的团队，将其视为近十多年来最大的机会和内部再次创业[3][23] - 具体计划包括降低OpenClaw的部署门槛实现一键安装，以及将技能方案打包提供给用户，旨在提升产品易用性，推动广泛使用[24]

文章核心观点 - 知名经济学家付鹏在长白山论坛发表演讲，核心观点认为全球格局正经历深层重构，传统地缘政治逻辑因新生产力（尤其是AI）革命而失效，AI将在未来12-18个月内引发行业级范式转移，同时AI深度伪造等技术也带来了严峻的安全挑战，需要制度与法律跟进调整 [1][2][3][6][7][14] 全球格局与地缘政治重构 - 各国科技发展阶段与资本市场所处赛道不同，中美科技竞争呈现的产业生命周期特征存在明显区别 [3] - 全球格局正进行深层调整，涉及世界秩序、全球分工与分配模式，地缘政治关系正在调整，旧生产关系被打破、新生产关系建立的过程必然伴随巨大动荡 [3] - 新生产力与生产关系的变革正让传统地缘政治逻辑逐渐失效，过去的战争旨在争夺生产要素，但生产逻辑的巨变使这种争夺的意义受到质疑 [6] - 2026年世界地缘政治冲突将进入彻底重构阶段 [6] - 中美两国在旧有发展模式下均面临生产关系的错配问题，这是当前所有经济问题的根源，解决路径是让错配的生产关系暴露和出清 [6] AI生产力革命与行业影响 - 2026年是新时代重要转折点，AI引发的生产力革命将在未来5-10年（快则12-18个月左右）对所有行业生产关系进行破坏性重构，传统岗位和商业模式将面临重大冲击 [7] - 当前世界格局的核心变量聚焦于生产力、生产关系、世界制度和秩序三大维度，人工智能是新生产力的核心载体 [7] - 技术爆发的临界点已近在眼前，尽管当前一些应用（如老人用豆包查询）还不是真正意义上的人工智能 [8] - 生产力上游、技术上游的生产裂变已经足够，数据中心、算力中心等上游基础设施建设已经完成 [9] - 过去几年AI领域的大规模投资可类比2002、2003年中国的基建热潮，市场已经给出了有效答案 [10] - 任何行业都需要思考在新生产力下的商业模式 [11] - 汽车行业需要思考未来是否还有人买车、开车，FSD的普及和应用时代即将到来 [12] - 传媒方式、社交媒体沟通模式将迎来巨变，未来人与人的直接沟通可能减少，更多转向与AI交互以理解信息 [12] - 新的生产关系必然产生破坏，会先淘汰旧的，再进行替代，2026年将是这场变革中的“痛苦期”，旧生产关系出清后新的才会建立 [13] AI技术安全与制度挑战 - AI在带来生产力飞跃的同时，也暴露出技术滥用、伦理失范与安全风险，当技术跑在制度前面，风险便会先行显现 [14] - AI深度伪造技术已实现“以假乱真”，能完美模仿他人的声音、影像，甚至可能出现视频电话另一端不是真人的情况 [15] - 未来看到的音频、视频不一定是本人，AI伪造的逼真度已达到防不胜防的程度 [15] - 当新生产力在各行各业大规模应用时，制度、秩序、法律、法规都是落后的，需要根据新的生产关系进行重构调整 [15] - 法律需要明确规定对真人肖像、迪士尼角色等知识产权的保护，防止AI侵权 [15]

公司概况与战略定位 - 公司“来福电台”由前百川智能联合创始人焦可于2025年初创立，是一家专注于AI音频的创业公司 [1][3] - 公司核心战略不是打造AI播客平台或工具，而是“造人”，即创造具有个性和记忆的AI主播，这是其认为的AI时代独有的产品形态 [10][11][29] - 公司已完成两轮融资，总金额超过1000万美元，投资方包括红杉中国和达晨财智 [10] 市场机会与行业痛点 - 音频赛道存在巨大市场机会：全球范围内音频听众（除音乐外）约有16亿，且音频是高频刚需 [26] - 行业核心痛点是供给严重不足：人类生产音频的成本极高，导致内容供给有限，例如头部播客平台“小宇宙”一年节目量约50万集，日均仅1000多集，远低于视频的日均数千万产量 [25] - 用户存在大量未被满足的“耳朵时间”，如通勤、健身、做家务等场景 [25] 产品逻辑与核心功能 - 产品拥有15位风格各异的中文AI主播和2位英文AI主播，旨在与用户建立情感连接和陪伴感 [13][22] - 产品核心功能是主动为用户生成个性化音频内容，用户无需主动交互即可获得根据其兴趣制作好的节目，同时支持用户随时打断节目并与AI主播进行语音对话和提问 [19][34][35] - 产品设计强调“人”的属性，例如通过一个随语音节奏跃动的球体来强化AI主播的存在感 [13][19] - 产品日均用户使用时长已达到30分钟 [43] 技术架构与竞争壁垒 - 公司自建了一套完整的工程体系，包括：AI主播与内容生成管线、AI音频指令交互界面、以及用于长记忆的基础设施层 [52] - 竞争壁垒在于提供完整的“内容服务”，而非单点工具，整合了内容生成、推荐分发和长记忆交互，目前国内尚无同类完整服务提供商 [50][53] - AI音频推荐技术具有门槛，因为音频的筛选效率低于视频，需要用户收听更长时间才能判断喜好 [51] - 公司的核心壁垒建立在“长上下文”和“长记忆”上，语音交互能产生比文字更丰富、更快速的用户上下文，这是实现真正个性化服务的基础 [4][66][67] 商业模式与发展规划 - 商业模式短期内可能尝试广告，由AI主播进行口播，但长期更看好用户付费模式，认为AI的发展会消除信息不对称，从而动摇广告模式的基础 [57][59] - 增长策略首先聚焦于中国一二线城市上班族的通勤场景，并已与部分汽车厂商合作开发车载个性化AI电台 [48][49] - 公司选择从中国市场起步，是因为国内音频需求大但优质供给弱，属于“边缘地区”，更容易跑通产品；而海外市场供给成熟，需求已被较好满足 [60][61] - 公司更关注DTU（每日对话用户数）而非DAU（日活跃用户数），认为只有通过对话产生的长上下文才能形成稳固的用户关系 [44][45] 行业观点与创业理念 - AI时代是生产力革命，其产品形态应是“人”（如AI医生、AI主播），而非互联网时代以解决连接效率为核心的平台或工具 [24][27][38] - 网络效应在AI时代可能不适用，AI创造的是单边市场，依赖烧钱投流难以建立壁垒，产品力是关键 [38][39] - 与传统播客平台（如小宇宙）是差异化竞争：传统平台提供稀缺的精品深度内容，而来福电台提供高度个性化的海量音频服务，满足更广泛的需求 [54][56] - 创业节奏比先发优势更重要，应追求推出扎实的解决方案而非单纯求快，避免因产品不成熟导致用户流失 [57]

文章核心观点 - 站在2026年，过去几年的技术爆发仅是序章，真正的社会级应用与产业洗牌刚刚开始，未来5到20年将面临巨变与重构[4] - AI发展已进入下半场，中国在应用端和“软件+硬件”结合上具有显著优势，有望利用制造业供应链优势实现产业转换与升级并最终反超[4] - 中美竞争的终局将聚焦于能源和数据，谁在这两个领域拥有更确定和长期的竞争优势，谁就有可能获胜[4] - 当前AI的空前热度与全球流动性泛滥及资金“极限配置”于美元资产密切相关，而随着资金寻求再平衡，全球将进入存量博弈阶段，吸引资金的关键在于积累“积极因素”[18][19][20][21] 本轮AI热潮何以空前 - AI历史上经历了四次热潮：第一次是Google神经网络识别猫，催生了人脸识别和自动驾驶；第二次是AlphaGo；第三次是AI蛋白质预测结合疫情催热AI制药；第四次是当前的大模型浪潮[7][9][10] - 每一次AI技术突破与当时发生结构性变化的行业结合时，才会形成真正的应用和投资浪潮[10] - 本轮AI特别热的关键宏观背景是全球流动性极度泛滥：2020年全球主要央行资产负债表扩张约8万亿美元，前后扩表规模约12万亿美元，产生了接近50万亿美元的全球流动性[11][12][13] - 2022年俄乌冲突冲击欧洲，同时中国处于疫情防控期，导致全球增量资金被“极限配置”到美元资产，叠加美元加息吸引资金回流[15][16][17] - 巨额资金涌入美元资产需要宏大叙事支撑，2022年四季度ChatGPT3.5的横空出世恰好提供了这一“故事”，催生了历史罕见的市值现象，如美国科技“七姐妹”市值总和超过除中美外任何国家的GDP[18] - 2026年，若全球不再激进放水，市场将进入存量博弈，资金将从“极限配置”回归“理性配置”，在全球寻找确定性强、具备中等以上增长回报的资产[18][19][20] AI时代的投资逻辑 - 技术投资周期分为上下半场：上半场关注技术创新，下半场关注技术应用和盈利能力[23] - 在技术上半场，美国往往领先；到了中场，中美各有千秋（美国技术端，中国应用端）；到了后半场，中国往往开始追赶并反超[23] - AI投资可分为三个阶段：第一阶段（2023-2024上半年）只讨论大模型；第二阶段（2024年开始）关注通用Agent和具身智能机器人等最大想象力但短期难落地的应用；第三阶段关注能落地、能赚钱的垂直领域Agent和AI硬件，估值逻辑从“讲故事”转向“算账”[24][26][27][28][29] 中国AI机遇几何 - 大模型下一步发展：当前大模型应用主要玩家变成大厂（如豆包、千问、ChatGPT），因为若技术仅是中后台创新，大厂易靠资源取胜，创业公司难成超大企业；只有前端（UI）、中端（技术）、终端（设备与用户习惯）同时发生巨变，才可能诞生超大新创公司，如字节跳动（结合大数据与滑动交互）、微软（结合图形界面与鼠标）[30][31][34] - 机器人操作能力：中国机器人展示了超强的运动能力（如平衡、步态），核心得益于中国强大的电机产业，该产业经历了房地产（电梯）、制造业升级、新能源车等多轮驱动而成熟[35][36]；当前机器人缺乏的是精细的操作能力（如“手”），因为这涉及复杂的物体感知与力反馈，缺乏相应的产业积累和数据[36][37] - 能落地的AI应用：当前投资聚焦三类：AI基础设施、垂直领域AI Agent、AI驱动的智能硬件[37] - AI硬件是中国的战略机遇：中国擅长“软件+硬件”组合，并能利用制造业“卷”出的完整供应链和前沿技术（传感器、芯片、算法），在足够大、足够挑剔的市场中实现产品定义（PMF），进而有机会走向全球[38][40] - 中国优势的形成路径：通过上一轮技术应用（如自动驾驶、智能手机）的规模效应，将核心零部件（如激光雷达、摄像头）的成本打低、精度提高，从而为新产品迭代奠定供应链基础[42][43][44]；例如，激光雷达价格从2015年的十几万/几十万元降至现在的一千多元；智能手机普及使得摄像头精度提升、价格下降，得以用于消费级硬件[43][44] - 技术发展模式验证：许多技术在上半场靠算法突破（美国领先），下半场则靠应用驱动（中国反超），人脸识别和自动驾驶是典型例子[45][46][47]；人脸识别技术源自美国，但中国的大规模应用使得2019年后计算机视觉顶会顶刊多为中国作者论文[44]；自动驾驶本质是数据驱动，中国搭载传感器的车辆多，数据维度、质量和总量巨大，从2026年底开始中国自动驾驶有机会超过特斯拉[46] - 中国产业升级的底层逻辑：行业演进遵循从基础制造（性价比）到精密制造（工艺密集），再到复杂制造（科技驱动），进而孕育高附加值自主品牌，最终实现全球化布局的路径[49][50] 2026宏观展望 - 国际关系：美国2025年《国家安全战略》显示其将收缩全球军事存在，让盟友承担更多军费并回归美洲推行“唐罗主义”，这可能导致中国迎来一个外部压力减小的战略窗口期[52]；中国正推动全球治理体系建设，如在上合组织提出全球治理倡议五点原则[53]；中国国际地位若上升，将带来更多国际化业务，押注趋势性行业红利需关注国际化[54] - 人民币汇率：人民币有升值预期，但不会大幅升值[55]；中国外贸顺差在2024年四季度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[55]；2025年汽车出口超500万台，金额超千亿美元；全球创新药对外授权给中国的总金额达1356亿美元；2025年中国芯片出口金额预计约1.5万亿人民币（折合两千多亿美元）[55]；人民币对汇率波动敏感度下降是因为产品附加值在上升[56] - 国家实力对比：可分为五层：最底层军事，其上制造业和GDP，再上金融，最上层全球价值观和文化文明；当前中国与美国差距最大在金融层[57][58]；美国金融优势源于历史积累，通过贸易逆差输出美元，顺差国购买美元资产（如美债）形成循环，但现在美国主动打破此循环（不愿承担逆差和制造业）[59]；中国贸易顺差扩大但外汇储备未显著增长，开始减少美债依赖，增加黄金配置，并推动贸易结算多元化和本币互换[60]；未来5-10年金融行业可能进一步开放，依托贸易优势提升人民币国际化，形成真实需求和升值预期但不兑现为大幅升值，是一种多目标间的精细平衡[61] - 中美数据之争：数据是未来十年大国竞争的关键生产要素，尤其对AI、数字化、智能硬件、自动驾驶至关重要[65]；2023年中国组建国家数据局，标志着数据治理进入新阶段，上海等地已启动“公共数据”授权运营试点[64][65]；数据治理复杂（难治理、难定价、难流通），中美AI竞争下半场看应用，长期看谁的数据治理得好[65]；中国数据量最多、质量优，关键在于如何利用，例如医疗领域，2025年上半年全球医药交易总金额1304亿美元，涉及中国的交易贡献近50%金额和超30%数量，若能打通医院临床数据孤岛，将极大提升研发效率[66][67][68]；十年后国际竞争终局聚焦于能源和数据[68]

文章核心观点 - AI技术发展正从上半场的技术创新阶段，进入下半场的应用落地与产业融合阶段，中国凭借其制造业供应链、庞大应用市场和数据优势，有望在AI竞争的下半场实现追赶并反超 [1][25] - 当前全球AI热潮的空前强度，主要源于2020年后全球史无前例的货币宽松政策（约12万亿美元基础货币扩张带来近50万亿美元流动性）导致资金极限配置于美元资产，而ChatGPT的出现在2022年底为资产价格上涨提供了关键的“宏大叙事” [8][11][12][14][20] - 未来5到20年的国际竞争终局将聚焦于能源和数据两大要素，中国在数据规模与质量上具有优势，如何有效治理和利用数据将成为长期竞争的关键 [1][59][66] AI技术发展周期与投资逻辑 - 所有技术周期都分为上下半场：上半场美国在技术创新领先，下半场中国在应用落地和产业化上更具优势并往往实现反超 [1][25] - AI投资逻辑随阶段演变：第一阶段（2023-2024上半年）聚焦大模型技术；第二阶段（2024年起）关注通用Agent和具身智能机器人等最大想象力应用；第三阶段转向能落地赚钱的垂直领域Agent和AI硬件应用 [25][27][28] - 一项技术要催生超大新创公司，需要前端（UI）、中端（技术）、终端（设备和用户习惯）同时发生巨大变化，例如抖音（大数据+滑动交互）和微软（图形界面+鼠标）的成功 [30][32] 中国在AI时代的战略机遇与优势 - **AI+硬件是中国战略机遇**：结合中国“卷”出来的成熟硬件供应链和前沿科技（传感器、芯片、算法），通过“软件+硬件”的产品形态实现产业转换与升级，并有机会拓展至全球 [1][35][36][38] - **供应链成本优势驱动创新**：中国通过大规模应用将核心传感器价格大幅降低，例如激光雷达从2015年的数十万人民币降至目前的一千多人民币，摄像头也因智能手机普及而成本下降、精度提升，为新产品迭代奠定基础 [39][40] - **应用驱动技术反超**：在AI下半场，大规模应用和数据积累成为技术突破的关键，中国人脸识别和自动驾驶领域的发展路径表明，应用端的优势能推动技术实现追赶甚至超越 [41][42][43][44] - **数据是中国的关键底牌**：中国拥有最庞大的数据量和优质数据，未来竞争的核心在于数据治理能力，国家数据局的成立和公共数据授权运营试点（如上海）标志着数据要素市场化配置进入新阶段 [1][59][61][62][65] 全球宏观经济与资本流动背景 - **流动性泛滥催生AI热潮**：2020年疫情后全球主要央行大规模扩表，仅美联储、欧洲央行和日本央行2020年资产负债表合计扩张约8万亿美元，前后全球主要央行扩表规模约12万亿美元，衍生出近50万亿美元的全球流动性，资金极限配置于美元资产 [9][11][12][14] - **资金再平衡与存量博弈**：2026年，假设全球不再激进放水，资本市场将维持约130万亿美元市值进入存量博弈状态，资金将从对美元资产的“极限配置”转向全球范围内的“理性再配置”，寻找具备确定性和增长性的资产 [21][22][23] - **美国“七姐妹”市值规模**：美国科技巨头（Google、亚马逊、苹果、Meta、微软、英伟达和特斯拉）的市值总和已超过除中美外任何国家的GDP [20] 2026年宏观与行业展望 - **国际关系提供战略窗口期**：美国《国家安全战略》显示其战略收缩倾向，可能将重心转向美洲事务，这为中国减轻外部压力、推动新旧动能转换和提升国际影响力提供了窗口期 [47][48][49][52] - **人民币汇率与外贸结构升级**：人民币有升值预期但不会大幅升值，因为中国外贸结构正向中高附加值产品升级（如2025年汽车出口超500万台，创新药对外授权达1356亿美元，芯片出口约1.5万亿人民币），对汇率波动的敏感度下降 [53][54][55] - **产业升级的底层路径**：中国行业普遍遵循从基础制造到精密制造，再到科技驱动的复杂制造，进而发展高附加值自主品牌并最终实现全球化的演进路径 [46] - **金融开放与人民币国际化**：中国将依托贸易优势，通过“小步快跑”的金融开放试点（如上海在科技金融、跨境金融的创新）提升人民币国际化程度，旨在形成真实需求和升值预期，但不追求大幅升值 [58]

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]

文章核心观点 - 文章核心观点是峰瑞资本创始合伙人李丰对2026年宏观经济、人工智能产业发展及投资逻辑的展望，认为当前AI热潮与全球巨额流动性密切相关，并指出中国在AI硬件领域拥有结合前沿科技、强势产业链和庞大消费市场的战略机遇，同时预判2026年将面临国际关系变化、资本市场再配置及AI应用落地的关键节点 [2][6][17] AI热潮的宏观金融背景 - 本轮AI热潮“前所未有”与全球“大钱”流动有关，2020到2021年全球主要央行扩表了12万亿美元，加上货币乘数效应，形成大几十万亿的流动性涌入市场 [8] - 当巨额流动性在2022年发现难以配置到欧洲或中国时，几乎唯一的去处就是美元资产，AI热潮本质上是巨量流动性在寻找一个“宏大叙事”来赋予高估值合理性 [8][9] - 美股市值已达到全球股市总市值的一半以上，其市值超越美国GDP的逻辑与流动性泡沫和AI叙事共生相关 [6][9] AI技术演进与生产力革命 - 从历史技术演进看，蒸汽机用了约95年深度改变生活，移动互联网用了27年，AI即使再快，要真正普及并影响方方面面也需要足够长的时间，因此不必对尚未参与AI创业感到焦虑 [11] - 文章提出了两个关于AI本质的开放性问题：AI到底是不是一次生产力革命，以及AGI（通用人工智能）是否真的会很快实现 [12] - 课程将通过分析大数据、人脸识别、自动驾驶到大语言模型等四波AI浪潮的兴衰规律，揭示技术周期的真实演进节奏 [11] AI投资的三阶段路线图 - AI投资存在从“大模型”到“通用Agent”，再到“能落地的垂直领域Agent与AI硬件”的三阶段迁移规律 [6][23] - AI产业正从大模型化走向应用化，发展的第三波将是“能落地的AI应用” [18][19] 中国在AI领域的战略机遇（特别是硬件） - 中国在AI领域的战略机遇在于“智能硬件”，其核心逻辑是“前沿科技 + 中国强势产业链 + 全球既大且‘卷’的单一消费市场”，这将催生高附加值的全球化品牌新物种 [6][14][23] - 中国企业有机会依托强势产业链，把所有能“数字化”与“智能化”的东西重新做一遍，类似于80年代日本电子产业将所有东西电子化的历程 [14] - 软硬件结合是中国最擅长的事，当激光雷达和传感器价格被中国供应链卷到只有原来的百分之一时，便开启了“新外贸”时代 [16] - 中国在自动驾驶、具身智能和智能终端上，有可能重演其在人脸识别技术领域那样的“下半场逆袭” [16] 2026年宏观趋势预判 - **国际关系**：美国战略收缩，中国加强国际合作 [18][19] - **国内经济**：中国经济处于结构转型期，重点在于提振消费与CPI，人民币汇率与新型服务业的发展，以茅台为例说明消费提振 [18] - **改革与开放**：中美对比的关键在于金融领域，数据治理和金融开放将决定下一个十年的胜负手 [18] - **资本市场**： - 美国：可能出现大公司上市与降息，中期选举带来政治极化 [18] - 中国：关注香港与A股市场，以科技为主线的行业应用是重点，创新药出海授权达1356亿美元 [18] - 全球资金正从“极限配置”走向“再配置” [19] - **AI产业**：呈现大公司化的大模型趋势，芯片/大模型公司上市，发展焦点转向能落地的AI应用 [18][19] 李丰的历史观点回顾（时间对账单） - 2016年：看好“新国货爆发”，如今国货已在智能手机、新能源车等领域系统性占据主流 [5] - 2018年：指出“零售出海的核心是供应链”，如今中国供应链优势支撑品牌走向全球 [5] - 2020年：提到“硬科技接棒模式创新”，投资风向从消费互联网转向SaaS，之后生物科技与高端制造成为重要投资主题 [5] - 2023年：对“新三样出口换挡”保持乐观，当年中国超越日本成为全球第一大汽车出口国 [5] - 2024年：预判“AI的一大机会在于硬件”，随后在2025年以AI眼镜为代表的智能硬件迎来爆发 [5]

文章核心观点 文章基于峰瑞资本在2025年投资人年度峰会上的分享，系统阐述了关于AI投资与行业发展的宏观背景、演变逻辑及具体机遇。核心观点认为，AI驱动的生产力革命仍处于早期阶段，当前全球资本正在经历从“极限配置”到“再配置”的转变，这为不同市场创造了新的博弈空间。在AI投资进入关注“能落地应用”的第三阶段后，中国凭借其在应用落地、智能硬件创新及完整产业链方面的结构性优势，有望在AI工程化与应用驱动阶段实现快速追赶甚至反超。同时，中国生物医药行业也正迎来从“精密制造”向“全球品牌”升级的关键质变期[3][4][27][64][68][70]。 关于AI的两个开放性问题 - AI是否会引发生产力革命仍无定论，但已成为全球共识和激烈竞争的焦点[6][8] - 历次生产力革命所需时间比预期更长：蒸汽机时代耗时近百年，互联网/移动互联网时代耗时约30年[10] - 人工智能时代从数据基础设施成形（2006年Hadoop出现）算起不到20年，若从2012年算起仅13年，系统性转化为生产力仍处于起步阶段[11] 本轮AI热潮何以空前？一个宏观的解读视角 - **2020-2021年全球央行“大放水”**：为应对疫情，全球主要央行扩表规模约12万亿美元，考虑货币乘数（平均取4）效应，创造了近50万亿美元的全球流动性，占2019年全球GDP（86万亿美元）的近60%，强力推升了全球资产价格[15][16][17][18] - **2022-2023年增量资金极限配置美元资产**：因俄乌冲突、地缘政治等因素，欧洲与中国资产被低配，巨量流动性集中流入美国，推动美股自2022年三季度持续上涨。至2025年，全球资本市场总市值约130万亿美元（为全球GDP114万亿美元的1.14倍），其中美国市值68万亿美元，占比超一半[20][21][22] - **2025年至今全球资金从“极限配置”走向“再配置”**：随着地缘政治预期变化及各国积极吸引资本，资金开始重新配置。例如，2025年港股在多项指标上位居全球前列，欧洲股市表现也一度优于美股。全球进入存量博弈状态，资本市场总市值维持在130多万亿美元水平，各国竞相创造投资叙事以吸引资金[24][25][26][27] AI时代的投资逻辑 - **技术投资通常经历三个阶段**：第一阶段投资技术本身（如2023-2024年的大模型），第二阶段投资最有想象力的应用（如2024-2025年的通用智能体AI Agent和人形机器人），第三阶段投资真正落地、能盈利的应用（2025年至今）[28][29][31][33][36] - **AI投资已进入第三阶段**：投资逻辑转向“算账”，关注谁能把技术推给成千上万用户并让其付费。峰瑞资本布局方向包括具身智能、AI应用（硬件、垂直Agent）、AI基础设施及AI+新药研发[36][37] - **技术创新会经历多轮“三步走”周期**：经历轮次越多，表明技术对社会经济渗透越深。互联网即是例证[38][39] 大模型的下一步：百花齐放还是赢家通吃？ - **讨论焦点集中于大公司**：近期关于大模型的新闻多围绕Google、阿里、字节等头部企业[41] - **大模型正走向“云化”**：逐渐演变为类似硬件云的基础服务，竞争格局可能收拢到具备多重能力的巨头之间，包括能承担巨额算力开支、拥有成熟云设施与庞大用户群、能持续投入研发并能将大模型搭载在云上销售的公司[44][47] - **千亿市值公司的诞生条件**：需要前端（UI）、中端（技术）、终端（设备和用户习惯）同时发生根本性变化，并引发消费者习惯迁移。否则技术红利易被既有巨头吸收[42][43][45] 机器人的操作能力能实现突破吗？ - **当前机器人擅长运动，不擅长操作**：操作指抓取物体、使用工具等真正“干活”的能力，涉及与物理世界的复杂交互，缺乏系统性数据积累[46][48][49] - **操作能力突破依赖新维度数据**：类似自动驾驶的“自主数据采集”方式效率低且受硬件未定型制约。合成数据和VLA（视觉-语言-动作）模型有局限性。物理模型必要但非唯一解[50][51] - **数据获取与智能硬件普及相关**：历史上超级应用（如微信、抖音）的诞生依赖于装有高精度、低成本芯片与传感器的智能设备普及所产生的新维度数据。机器人操作能力的突破同样取决于能否获得源自真实物理世界、涉及状态变化与连续动作的丰富新数据[51][52][63] 能落地的AI应用 - **方向一：AI基础设施（芯片）**：AI走向应用端将重新定义数据存储、通信、算力等需求，必然孕育新的高度垂直化的AI基础设施芯片机会，涵盖推理、服务器端与端侧[54][55] - **方向二：垂直领域的AI Agent**：需满足行业数字化水平高、服务价值可通过自然语言交互兑现两个条件（如教育、金融）。更适合已有公司转型作为“第二增长曲线”，全新赛道机会较少[56][57][58][60] - **方向三：AI驱动的智能硬件**：中国不仅有能力将传统产品系统性地“电子化”，更能将已电子化的产品升级为“智能化系统”。智能化过程产生的数据是训练下一代机器人的宝贵资源[61][62][63] 中国的结构性优势与AI硬件机遇 - **智能化创造新数据维度**：智能硬件普及持续产生源自真实物理世界的新维度数据，这是过往互联网时代未大规模积累的[63][65] - **新需求驱动新型外贸能力**：产品面向全球市场，主要竞争在中国公司之间，运营多年的公司多已盈利[65] - **维持合理制造业比例**：需同时具备高效率的制造链与高效率的芯片/传感器链，并实现高频同步迭代。中国在新能源车、智能手机等领域的成功已验证此路径可行性，并规模化哺育了上游核心元器件供应链[65] - **两类公司有机会**：一是在芯片、传感器等核心技术上已有积累，能从ToB转向ToC的公司；二是深刻理解消费者需求和新技术趋势，能反向整合硬件、传感器与算法的公司。“AI原生硬件”难以一蹴而就[66][67] 若美国AI热度下降，中国AI机遇几何？ - **进入工程化落地阶段，中国有望快速追赶**：在底层模型和算力资源不具备优势，但在应用驱动阶段，中国有可能实现快速追赶甚至反超，类似人脸识别、自动驾驶领域的发展路径[68][69] - **广泛落地应用推动技术迭代超越**：以人脸识别为例，中国通过将其推向酒店、支付等极限应用场景，最终在2018年实现技术全面领先[68] 生物医药领域，有哪些属于中国的机会？ - **中国创新药对外授权（License-out）迎来爆发**：2025年前三季度全球医药交易总额1910亿美元中，中国相关交易贡献937亿美元，占比49%。加上10月信达生物与武田的交易，中国创新药对外授权总金额已突破1000亿美元[70] - **中国生物医药的下一步发展围绕三点**：“更快更好”即利用AI for Science等新工具提升研发效率；“更贵”即掌握新科学发现能力，开发首创（First-in-Class）药物；“更多更优质”即探索美国尚未发现的科学机理[72] - **产业演进路径清晰**：从装备制造依次迈向精密制造、科技制造，进而构建全球品牌。当前中国生物医药阶段可比拟消费电子产业的2010-2012年（精密制造阶段），下一步将进入科技制造阶段，并最终诞生生物医药版的华为、小米等全球品牌（MNC）[73][75] - **支付环境改善提供支撑**：2025年商业保险相关制度出现关键变化，推出“丙类目录”并为商业保险预留空间。国家推动商保创新药目录纳入商业健康保险保障范围，长期将形成社保兜底、商保承接消费升级的多层次支付体系，为行业提供“长钱”并扩大市场规模[77][78]

AI行业发展阶段与历史定位 - 人工智能作为生产力革命仍处于非常早期阶段 相较于蒸汽机普及的100年、内燃机应用的30多年以及互联网发展的30年 人工智能发展至今仅约20年 若严格计算其发展期可能只有13年[7][8] - 当前AI浪潮的空前热度与全球宏观流动性环境密切相关 并非单纯由技术成熟度驱动[9] 全球资本市场与AI叙事 - 2019年至2021年 全球主要央行大规模扩表 规模达12万亿美元 经货币乘数放大后对经济体的潜在影响接近50万亿美元 相当于全球GDP在短期内增长约60%[9] - 大量流动性推动全球资本市场总市值增长 从2019年与全球GDP大致相当的89万亿美元 增长至2024年的130万亿美元 超过114万亿美元的名义GDP 巴菲特指数超过1.1倍[10] - 全球资本在2022年后集中配置美元资产 叠加ChatGPT于2022年11月出现 为资产价格上涨提供了关键叙事支撑 催生并需要AI这一宏大叙事来赋予高估值合理性[10][11] - 当前全球总市值维持在130多万亿美元水平 市场进入存量博弈阶段 各地区资本市场表现差异取决于其创造新投资叙事与想象空间的能力[13] 技术投资周期规律 - 每一轮技术投资均经历三个阶段：第一阶段投资技术本身 第二阶段投资最有想象力的应用 第三阶段投资能落地的应用[15] - 2023年投资焦点集中于大模型技术本身 2024-2025年转向最具想象力的应用 如通用Agent和具身智能 预计后续将进入探索垂直领域落地应用的阶段[15][16] - 技术变革能否催生新的千亿市值公司 关键取决于前（用户界面）、中（技术）、后（基础设施）台是否同时发生变化并引发消费者习惯迁移 否则大公司可能通过资本投入追赶上来[18][20][21] 大模型发展趋势 - 大模型发展可能遵循“云化”路径 类似硬件云和算力云 最终演变为由巨头提供的基础设施服务[18][19] - 当前大模型讨论焦点集中于谷歌Gemini、千问、豆包等大公司产品 因技术若未伴随前端UI升级和消费者习惯转变 大公司具备追赶优势[18] 机器人行业现状与挑战 - 当前机器人运动能力（如跑步、跳跃）取得显著进展 主要受益于传统汽车行业带来的硬件（电机）发展以及自动驾驶和强化学习推动的算法革命[22] - 机器人操作能力（如叠衣服）仍是行业短板 因其需要改变物体物理状态 相关领域缺乏历史数据积累[22] - 解决操作能力的关键在于获取新维度的数据 而数据采集面临核心挑战：机器人硬件尚未定型 硬件改动会导致原有采集数据失效[23] AI数据问题的解决路径 - 解决机器人数据问题的主要方法包括独立采集和合成数据/VLA 但各有局限[23] - 独立采集方案在自动驾驶领域已验证 但规模扩展慢 且受机器人硬件迭代影响大[23] - 合成数据/VLA存在局限性 仅凭视觉学习难以直接转化为实际操作能力[23] - 最核心的大规模数据采集最终需从传感器或“新设备”中获取 多样化消费级智能设备的普及及其产生的新维度数据是解决问题的关键[24][25] 峰瑞资本的投资布局与逻辑 - 投资聚焦于五条主线：AI基础设施、具身智能、AI应用、AI+新药研发、未来科技 覆盖近两年80%以上的投资公司[6] - 投资节奏遵循技术投资三阶段规律：2023年关注大模型（技术本身） 2024年重点布局具身智能（最有想象力的应用） 2024年底转向AI智能硬件（探索落地应用）[6][15][16][18] - 在具身智能市场变热前即开始集中投资 但在2024年7月判断行业过热而放缓 然而机器人热度持续上涨约一年半[18] - AI智能硬件投资初期竞争较少 但近一个季度赛道变得非常火爆[18] AI基础设施投资机会 - AI基础设施投资主要指向为AI应用而生的新型芯片[26] - 历史上 新终端设备（如PC、手机）的出现催生了新的芯片巨头（如英特尔、英伟达、高通）[26] - 大量新消费级设备的出现将催生新的芯片公司机会 新芯片需满足数据存储、通讯、算力、功耗、尺寸、成本等方面的新需求组合[26][27] 垂直领域AI Agent投资机会 - 垂直领域AI Agent的成功需具备两个基础条件：行业已有较高的数字化水平；行业服务价值能用自然语言交互形态兑现[27] - 该赛道更适合已有公司的转型（如教育、心理、金融公司） 因其已具备业务流、数据流、客户流及技术能力[27] - 新公司机会存在于全链条数字化的领域 如电商直播、编程、游戏Agent 但普遍面临缺乏数据和客户积累的挑战[27] AI智能硬件的战略意义 - 中国具备通过软科技与产业链结合 研发新产品、带动新需求、形成新物种并销往全球的能力 例如将吸尘器改造为扫地机器人 将传统汽车升级为智能车[28] - 智能硬件的普及具有多重意义：创造大量新维度数据；驱动由新需求牵引的新供给 符合中国新外贸发展需要；有助于保持合理的制造业比例并促进高效制造及芯片传感器产业发展[28] - 新一轮智能硬件的诞生是技术元件日益成熟与消费者需求成熟共同作用的产物 历史上苹果等成功硬件也非凭空出现 而是经历了iPod、MP3等前代产品的技术铺垫和用户习惯教育[29][30] 中国在AI应用阶段的超越机会 - 历史经验表明 中国在技术应用阶段存在超越机会 例如人脸识别技术从2015年落后到2018年后领跑全球 关键驱动因素是将技术应用推至极限[31] - 自动驾驶领域同样存在类似趋势 中国新能源车的普及和大规模传感器加装 正在改变技术竞争格局[31] - 当AI发展进入应用爆发阶段 中国凭借广泛的应用场景有机会实现超越[31]