特朗普：伊朗刚奉告我们，他们已处于“崩溃状态”，但愿美国尽快盛开海峡
我们总以为机遇来自市场感情，来自本钱追捧，来自某个忽然爆火的赛路？稍谥泄庋桓霾瞪队胝策牵引并行的环境里，好多更大的机遇，刚好是沿着国度规划的脉络，一步一步长出来的。十三五的时辰，光伏、锂电、生物医药急剧起势；十四五阶段，数字经济与产业升级成了主旋律；那接下来的 " 十五五 " 中，哪些技术会真正穿透产业成为新的机遇？上周，混沌约请到峰瑞本钱合资人马睿，深度解读 " 十五五 " 规划中的科技产业方向与投资机缘，教你怎么看趋向，怎么鉴别真正沉要的变动。作为投资人，马睿教员持久深耕科技与医疗领域，布局过生物造作、脑科学、AI4S（AI for Science，人为智能驱动科学创新）、固态电池，也持续跟踪量子推算、核聚变、具身智能等前沿方向。但更关键的是，他还曾参加 " 十四五 " 规划的假造工作。不只是站在市场了局后面回头复盘，而是更早进入国度产业逻辑、理解资源流向。每一次五年规划，沉要的都不只是 " 提到了什么 "，而是资源会向哪里持续流动，哪些产业会被真正推到台前，哪些技术会获得从尝试室走向产业链的加快度。无论你是投资人、创业者，还是关注未来趋向的从业者，这都是一次可贵的、从顶层设计到落地利用的系统梳理。以下是课程的精选内容，仅占 1/10，齐全版在混沌 APP。AI成为" 十五五 "未来产业的最大驱动力" 十五五 " 提出的未来产业方向比力明确。对于新兴产业，不仅要提质升级、造成新质出产力，还要实现支柱化、集群化和规；。而未来产业要抢占造高点，必须具备前瞻化、孵化化和生态化。战术新兴产业未来将形成一个 40 万亿的产业集群，涵盖新一代信息技术、新能源、新资料、智能网联新能源汽车、机械人、生物医药、高端设备和航空航天。未来产业若干年后有望形成 10 万亿规模，成为新的增长点，涉及的行业蕴含量子科技、生物造作、氢能与核聚变能、脑机接口、具身智能和第六代移动通讯。而新一轮 " 五年规划 " 与以往最大的分歧就在于，AI 将成为重要的驱动力。Agent 和高 Token 亏损的时期即未来临。相比前三次工业革命，这一次 AI 革命极度严害，能够说，AI 带来了前所未有的技术革命。但技术突破≠出产力提升，从当前数据看，它还没有齐全实现出产力的提升。由于从前移动互联网的 20 年里，我们只是实现了与人有关的数据化工作，蕴含网络人的说话、文本、视频、搜索行为等，这些都只是今天 AI 的数据基础。站在今天往后看 AI 自身，大说话模型根基已经吞尽了所有可用的文本数据，迭代在变慢。要持续往前发展，不仅必要新的数据，还必要新的模型。而随着新的模型和利用要求，可能会出现新的算力。数据、算力和模型一路迭代，AI 能够逐步向前发展，最终通向 AGI。所以未来若是 AI 要带来最大的利用落地，肯定是在物理世界实现出产力的进取，在生物、资料和能源的交叉领域产生。物理 AI 从未像今天这样变的沉要，无论是微观的 AI4S，还是三维沉建的模型，或是世界模型。若是 AI 是这样演进的，我以为这会带来的出产力跃迁有三点：第一点是 Agent。随着 Token 用度依照摩尔定律降落，未来可能从按 Token 收费，造成按给客户带来的价值收费。第二点是从 0 到 1 的 AI 向其他基础科学领域表溢，好比 AI+ 生物、AI+ 造药、AI+ 化学、AI+ 物理。通过 AI4S 的方式实现底层的科技创新，我以为这可能是中美竞争的焦点。第三点是从 1 到 100。这部门是 AI4S 带来的底层创新，与中国强势的产业链结合，使科技创新和产业创新融合在一路。这是中国下一个十年、二十年要胜出的关键地点。从上面我画的这张图能够看到。最底层是 AI 自身，它要从此刻的大说话模型再演变为下一代的视觉模型或物理 AI，或者在某个领域的专有模型。这些模型上的进展，会扩散到数学、编程、物理、化学、资料、生物等行业。我们把这些统称为 AI4S。再往上走，它会影响资料设计、蛋白设计、生物分子设计、激光改进，甚至高温超导资料，以及新一代芯片、新一代机械人。更进一步，它会影响到我们刚才提到的实物中的未来产业，蕴含生物造作、具身智能、AI 造药、量子推算、核聚变和脑机接口。而后再往上，它会影响到更广义的行业，也就是战术新兴产业，蕴含生物医药、新能源、新资料、食品、云、自动驾驶、航空航天，甚至低空经济？萍即葱拢篈I 向其他基础科学领域表溢进入物理世界当 AI 成为最大的驱动力，通过一种级联放大的方式，一步步影响 AI for Science、分歧技术、分歧产业，先看懂 AI for Science 带来的科技创新就极度沉要。当前，AI4S 作为继经验科学、理论科学、推算科学、数据科学之后的 " 第五科研范式 "，正引发全球领域内的科研系统刷新。AI4S 被视为 AI 三大关键方向之一，其市场规模有望达到百亿美元级别，并成为科技强国与未来产业竞争的主题驱动力。我们能够先来看 AI4S 的一些进展概览，极度大的进展：· 药被 AI 做出来了，不少 AI 造药 1.0 公司实现了上视驻 前沿的模型层出不穷：AlphaFold 4，RF diffusion3，Chai-2，LatentX-2......· 跨国药企纷纷绑定 AI 原生公司，Agent+ 具身机械人 + 高通量尝试室成为新范式· 此刻不只是 AI+ 造药，已经发展到 AI+ 资料、AI+ 生物造作、AI+ 脑科学、AI+ 聚变 ......接下来，我们来具体介绍下一些情况。AI 造药AI 造药现实上已进入 2.0 阶段。我们峰瑞本钱齐全参加了 AI 造药的 1.0，从前五年模型有了极度大的提升：从 AlphaFold 2 获得诺贝尔奖，到 ChatGPT 横空出世，到蛋白设计工具和生物基座模型的演进，再到上市头部公司逐步向新的 modality（如 mRNA、幼核酸、多肽和抗体）迁徙。AI 造药也从工具逐步走向可能设计出药物，从概想走向越来越多的真实贸易化进展。例如，已被 AI 造药上市公司 Recursion 收购的 Exscientia，它做的一款 GLP-1 药物此刻已经进入申请上市阶段，预计在本月（2026 年 4 月）获得 FDA 的正式核准。再好比，峰瑞本钱早期投资的剂泰科技，它做的 MTS-004 口崩片已经达到Ⅲ期临床钻研重要终点，对神经退行性疾病之后的吞咽难题症状有极度好的缓解作用。但事实上，到今天为止，好多这些前沿模型还没有被药企宽泛选取。我的判断是，未来一到两年内，会在造药上形成更大的出产力开释和规；。在技术上，这些模型根基上有三条路线：第一，以美国 David Baker 为代表，基于一些基础模型做蛋白设计。从前 3 年里，他们齐全将蛋白设计从基于物理推算调整为以 AI 为基础，成功率至少提高了 10 倍。这类代表模型蕴含 RF diffusion 和 RF diffusion3。第二，以谷歌 DeepMind 的 AlphaFold 系列为代表。它们从只能推算蛋白扩大到能够覆盖所有生物分子（蕴含幼分子），还能预测相互作用。第三，Meta 的大模型，用大说话模型直接进建生物序列，从只能做预测到此刻能做设计和天生。在利用上，最难的是幼分子，其次是多肽、环肽和递送，而蛋白设计甚至抗体设计已经解决得比力好？固逭庖徊棵耪 AI 强力颠覆。总的来说，模型在急剧迭代，能力天堑不休扩大。各人能够基于这些模型的进展，判断哪些公司未来有可能利用最新模型做出更多药物、获取更大贸易价值。值得一提的是，从前三四年最大的算法架构创新就是，将 Transformer 和 Diffusion 这两种架构跨领域利用在生物模型上，结合生物数据，带来了生物基座模型，好比 AlphaFold 2 和 AlphaFold 3。AlphaFold 2 使用了 Transformer 架构，基于 MSA（多序列比对）的一个类似 RAG（检索加强天生）的加强，就获得了诺贝尔焦剽样的评价和成效。AlphaFold 3 能够单一理解为在 AlphaFold 2 的基础上，把后面的结构天生？榛怀闪 Diffusion ？，从而变得越发少依赖 MSA，并且能更好地预测更大系统，如蛋白加蛋白、蛋白汲辗视。AI+ 资料AI+ 资料是此刻一级市场最热的投资领域之一，已经成为一个主战场。具体体此刻，美国提出了 " 创世纪打算 "，用 AI for science 来设计资料，英伟达、微软、亚马逊都参与了这个打算。另表，获得很高融资的美国公司，还有中国的 "AI+ 资料 " 公司都在利用 AI 设计高价值资料，好比电解液、高温超导资料、聚变资料、裂变资料、冷却液等，极度值得各人去关注。举例来说，Google 启动了一个项目叫 GNoME（资料索求图形网络）。它用图神经网络来表征分子，并用 DFT 等高精度物理推算来测算分子的能量，只花了很短的功夫，就发现了约莫 220 万种不变资料。从前几千年，人类一共也就发现了十几二十万种不变资料。而 Google 在几周内就将人类已知的不变资料基础扩大了十倍。进一步分析发现，其中有 500 多种的确有可能转化为锂离子电池的导体、太阳能电池的资料或芯片资料等。另一个值得一提的是微软颁发的一篇文章，其中提出的算法叫 MatterGen，被视为 AI 资料天生领域的范式级突破。它的思路是：从一个不变资料启程，给它加噪声使其变形，最终造成一个随机资料。若是对随机资料进行降噪，它又会变回一个不变资料。AI 进建了加噪、出格是降噪的过程之后，给定元素组成，就能通知我们这些元素组成的不变资料应该长成什么样子。总结来看，原子和分子是物理世界最底层的基础，AI for Science 性质上是数字世界衔接物理世界最关键的桥梁。目前主战场还在蛋白和抗体上，由于幼分子的设计和合成难度依然很高。但我判断，AI 造药的成功会逐步表溢到资料、聚变、量子、脑机接口、生物造作等领域，真正形成一个 AI for Science 的大范式。（文章仅为课程 1/10，扫码可前往 APP 看齐全版）产业创新：未来 10 年的机遇在哪里？还是这张图，AI4S 钻研原子、分子等微观粒子和其之间的相互作用，这是物理世界的沉要基础。而在基础之上，产生了哪些未来产业呢？为什么是这些产业？他们的 AI 的关系又若何？其实，生物造作、脑机接口、具身智能都是极度沉要的 AI 的利用方向，核聚变是未来 AI 的一个能源保险，而量子推算可能是未来作为 AI 的一个算力补充，或者成为下一代的这个算力。这些都是极度沉要的，拥有极度战术高度以及必要去抢占的一些未来产业。下面我给各人介绍一下这些行业自身：AI+ 量子科技量子科技通常蕴含三个部门：量子推算、量子通讯和量子传感。今天我们重要聚焦量子推算，由于它有可能是下一代的算力。量子推算之所以沉要，是由于摩尔定律有可能会终结；厮莺骨，2003 年前后，英伟达架构师 John Nickolls ? 判断摩尔定律即将放慢，给黄仁勋写信建议开发 CUDA，把 GPU 内部更多的并行主题连起来，绕开 " 靠晶体管持续缩幼 " 这条路。后来事实印证了这个判断：英特尔靠造程当先的盈利逐步收窄，英伟达用 CUDA 把 GPU 刷新成大规模并行推算平台，在 AI 这类并行工作负载上跑赢了 CPU。站在今天往前看，经典半导体蹊径在逼近物理极限——后面我会讲到，当晶体管缩到 5 个原子直径量级时会进入量子效应主导区。下一代算力跃迁，或许率要靠量子来接棒。量子推算和经典推算最性质的区别在于根基单元分歧。经典推算机里，每一位要么是 0，要么是 1，确定无疑。但量子比特能够同时处于 0 和 1 的叠加态。这听起来有点玄，但带来的推算优势是实切其实的：每多一个量子比特，可编码的状态空间就翻一倍，算力也随之翻倍。打个譬喻。经典推算机从 32 位升到 64 位，算力能力加倍；而量子推算机从 32 位升到 33 位