新浪财经 5小时前
AI行情彷徨期,“木头姐”最新发声!详聊AI医疗、无人驾驶出租车、大模型闭源VS开源等焦点议题
index_new5.html
../../../zaker_core/zaker_tpl_static/wap/tpl_caijing1.html

 

来源:新浪基金

美国知名投资人、ARK Invest 创始人、全球主动 ETF 标杆人物凯西•伍德(Catherine Wood,人称 " 木头姐 "),因对颠覆性技术的前瞻性布局和大胆预测而闻名。一直以来,她对前沿科技产业、资本市场的研判,颇具辨识度,持续受到广大投资者关注。

近日,在由国内 ETF 头部机构华宝基金主办、ARK Invest 与奥明资产管理协办的 " 对话 ARK(第二季)木头姐暨华宝基金海外投资及主动 ETF 机构私享会 " 上," 木头姐 " 惊喜现身、跨洋连线,与华宝基金首席投资官周晶展开了一场深度对话。

" 木头姐 " 一口气回答了诸多资本市场、科技产业的热门议题,如:" 聊天机器人及编程之外,AI 应用最大的赚钱机会在哪里?"

"Robotaxi(无人驾驶出租车)已呈现或将呈现出怎样的竞争格局?"

" 在备受关注的 AI 医疗领域,谁将捕获 AI 医疗的价值?"

" 如何看待 AI 大模型的开源、闭源路径之争?这两种路径又将如何塑造 AI 产业格局?"

面对这些问题," 木头姐 " 倾囊相授,观点清晰鲜明,与研究数据交相印证,整场对话信息量大,十分精彩。

重塑医疗健康:拥抱AI 新技术的公司,  投资回报率或将大幅提升

周晶:你提到过,AI 应用不只是聊天机器人或编程,你认为最大的赚钱机会在医疗健康行业。我们注意到你有一只 ARKG ETF,尤其是今年,这只基金为投资者带来了不少收益,其组合中也有一些出色的持仓。那么,你能否告诉我们,AI 究竟如何为制药行业省钱?它是否帮助科学家更快找到有前景的新药靶点,或者缩短临床试验所需的年限?在节省时间和成本方面,哪些公司会受益最大?

木头姐:我们相信 AI 最深刻的应用不是聊天或写代码,而是多组学(multi-omics),由生物制药承载。市场看不懂,原因不在技术,而在两套分析师文化:医疗分析师习惯监管、报销、慢节奏;科技分析师习惯 " 快速行动、打破规则 "。两套体系正在融合,但也因此产生了混乱 ——这正是定价偏差的来源。

不过,这里有一系列机会将彻底改变医疗健康。第一个是新药靶点的研究、发现与开发。今天,一家大型制药或生物技术公司要花 24 亿美元、用 13 年的时间才能把一款新药推向市场。我们相信这个情况会大幅改变:未来五年,我们预计一款新药从研究、发现到开发的成本将降到 6 亿至 7 亿美元,时间将从 13 年缩短到 8 年甚至更短。考虑到专利保护期长达 21、22 甚至 24 年,多出 5 年的创收期显然是巨大的机会。

第二个是极早期诊断疾病。这里指的是通过一次血液检测,在比现在早得多的阶段诊断出疾病。以结直肠癌为例,可以在一期甚至一期之前就诊断出来,因为肿瘤会向血液释放物质,息肉同样如此。得益于测序技术与人工智能的融合,我们能够很早就识别出这些癌症以及其它疾病。而如果能在更早阶段发现疾病,生存率将会大幅提高。

第三个或许是最重要的应用——治愈疾病。得益于测序技术、AI 和 CRISPR 基因编辑技术,我们已经有能力治愈疾病。目前,CRISPR Therapeutics 公司已经能够治愈两种罕见病——镰状细胞病和 β 地中海贫血。这些是罕见病,但他们同时也在瞄准一些常见病,比如 " 坏胆固醇 "。我们看到更好的靶点、更好的分子、更好的试验,以及整个开发过程中更优的决策:我们能更早发现失败的假设,避免在错误的生物学假设上耗费数年时间和大量资金;我们能更高效地设计药物,在数字环境中探索更多候选分子,只把少数送入实体测试;我们还能改进临床开发——用更好的生物标志物、更好的患者筛选、更好的试验设计。当然,安全性和有效性仍然需要临床证据。AI 能做的,是让通往证据的过程更顺畅。我们相信开发周期会大幅压缩,而最终的赢家是那些把专有数据、强大模型与临床执行力结合起来的企业。因此我们认为,积极运用 AI 工具的公司,其投资回报率将从目前的约 5%(或更低)提升到 30% 至 40% 甚至更高。我们在上个世纪 90 年代见过一次类似的情形,那是生物科技时代的黎明,单克隆抗体兴起,Genentech 站在那场浪潮的前沿,其投资回报率就进入了 30% 至 40% 的区间。

我们认为,愿意积极拥抱这些技术的公司,回报率会大幅提升。在这一点上,要向中国致敬。中国的监管放开力度非常大,已经成为我们许多生物科技和制药公司获取授权靶点的主要来源。据我所知,美国也开始效仿中国放松监管,这样我们就能更快地进入这个新世界。

Robotaxi(自动驾驶出租车):中美将各领风骚

周晶:我们来谈谈你非常感兴趣的一个领域—— Robotaxi(自动驾驶出租车)。我们知道你很早就投资了特斯拉,直到今天,特斯拉仍是你组合中最大的持仓之一。我们也知道,马斯克去年在得克萨斯州奥斯汀启动了 Robotaxi 业务;此外,谷歌的 Waymo 则已在旧金山运营多年。能否请你带我们梳理一下 Robotaxi 的市场格局,尤其是在美国?另外,我们知道你也投资了一些中国的 Robotaxi 公司,包括 WeRide(文远知行)和 Pony.ai(小马智行)。也请分享一下,你认为中国 Robotaxi 厂家在成本和国际扩张方面,与全球同行相比如何?

木头姐:在美国,Waymo 大概在 2018 年首次实现商业化,但一直推进得非常缓慢、非常谨慎,要穿过大量监管审批的繁文缛节。我认为,特斯拉很乐意让 Waymo 先去闯过所有监管,基本为自动驾驶出行铺好路。在美国,如今 Waymo 每周完成超过 50 万次完全无人驾驶的行程,而且增长非常快——事实上,它们的目标是年底前达到每周 100 万次完全无人驾驶行程,我们认为它们能做到。它们目前在 15 个城市运营。不过,它们已经上路运营的自动驾驶车辆数量,仍然少于特斯拉公司一天生产的车辆数。

如你所说,特斯拉于 2025 年 6 月在奥斯汀启动 Robotaxi 业务,目前已进入 8 个城市,累计产生约 200 万英里的行驶数据。虽然特斯拉的 Robotaxi 业务起步比 Waymo 晚了七年,但是它达成 100 万英里无人驾驶里程的速度,比 Waymo 当年第一个 100 万英里快六倍。如你所知,特斯拉最近发布了 Cybercab,我们相信到 2030 年或 2031 年,当 Waymo 的下一代车型五年后实现规模化时,Cybercab 每英里的运营成本可能比它低 40%。所以在 AI 领域," 赢家通吃 " 的逻辑是存在的:能把乘客从 A 点送到 B 点、最安全的那家公司极其重要,我知道在中国这也非常重要。届时,最安全、最快、成本最低的那家公司会胜出。在美国,我们认为这家公司是特斯拉,我们认为市场演进会很像 Uber 和 Lyft:在网约车市场,Uber 拿走了最大份额,Lyft 居第二但份额小得多;在自动驾驶领域,我们认为特斯拉会拿走最大份额,Waymo 会拿走余下的大部分。

至于世界上的其他地区,确实由中国主导。我们的组合中有百度、WeRide(文远知行)和 Pony.ai(小马智行)。在欧洲我们持有 Wave,它与整车厂合作,实际上在替代一家叫 Mobileye 的公司。我们认为这一合作有可能落在大众身上。Wave 一直在服务整车厂、建立合作关系,先从较低级别的自动驾驶做起,但仍然有 L4 甚至 L5 的雄心。

中国非常专注于本国市场,但有意思的是,在中国,有司机的网约车市场,出行成本已经极低。我知道在武汉是每英里 35 美分,中国平均约是每英里 50 美分。所以,中国自动驾驶的处境是:由于它们相比网约车并不能提供高得多的经济价值,它们就把目光投向世界其他地区,尤其是欧洲和中东,去发展自己的自动驾驶网络。

如我所说,有司机的网约车,中国平均每英里 50 美分;而在美国,网约车运营的成本是每英里 2.8 美元,美国的成本要高五到六倍。所以,如果能以每英里 50 美分、甚至 1 美元的成本实现自动驾驶出行,会是惊人的划算。这也是为什么我认为自动驾驶出租车网络,在美国、中东、欧洲会比在中国起飞得更快。至于百度、WeRide 和 Pony.ai 在欧洲和中东的表现,我们拭目以待,也很期待看到它们进入这个领域,因为我们认为这会加速从 " 人工网约车 " 向 " 自动驾驶网约车 " 的转变。我认为中国可以成为领先者——在除美国外的世界其他地区;而在美国,由于特斯拉和 Waymo 的发展格局,我们认为它们会是这里的领先者。

谁将捕获AI 医疗的价值?跟踪关注 Anthropic、OpenAI 的合作对象

周晶:在你关注的所有领域里,比如 Robotaxi、AI 制药、自动驾驶,你认为目前哪个领域被低估得最多?

木头姐:今年是 " 多组学 "(multi-omics)第一次获得认可的一年。如我一开始所说,我们相信 " 多组学 "(multi-omics)领域——生物科技、制药、医疗健康——会提供 AI 最深刻的应用。我们认为,更好的数据会带来更好的预测、更好的治疗。我们也相信,把这些生物学的层次编织在一起,会改善疾病检测、靶点识别。这在过去是不可能做到的,做不到是因为我们没有相应的知识。在此之上,还有成本的坍塌式下降。给大家一个感受:全人类基因组被测序的数量,每累计翻一番(1 到 2、2 到 4、4 到 8),成本就下降 40%。

而在 AI 这一侧,我提到AI 训练成本每年下降 75%,推理成本每年下降 99%,还要感谢 DeepSeek,让我们看到如何把成本降下来——我们原估计每年降 85%,但 DeepSeek 横空出世使得每年下降了 99%。所以,我们相信接下来会看到:更早的疾病发现、更高的药物开发成功率,以及可能出现的 " 治愈 ",它们创造的价值将远超传统预测所能设想的水平。

那么谁会捕获这些价值?我们关注、跟踪的是 Anthropic、OpenAI 这样的公司——它们在跟谁合作?它们在跟 Twist Bioscience、10x Genomics、Tempus AI 合作。这三家不只是我们 ARKG(基因组革命 ETF)中的三大持仓,也是我们旗舰策略 ARKK 中的重要持仓。我们的旗舰策略大约把 28% 的组合配置在这场医疗健康领域的 AI 革命上,这与大多数科技及赋能型创新基金非常不同,我们为此非常自豪。

开源 VS 闭源路径之争:各有所长,重点看专有数据、客户关系、工作流及定价权

问:众所周知,美国的模型生态基本是闭源的,而中国则转向了开源。如何看待这两种路径对 AI 产业整体的塑造?各自的比较优势是什么?

木头姐:"DeepSeek 时刻 " 帮助我们认识到,中国的开源生态有多成熟。我一直很喜欢开源。我看着 Linux 成长起来并主导了数据中心,所以我对开源非常尊重。不过美国大多是闭源的。

我们可以看到两种路径都有各自的作用。从闭源模型的角度看,这些公司能够提供一体化的产品、管理、服务并直接变现。从开源模型的角度看,我们看到的是可定制、部署可控和更广泛的可得性。

此外,更低的成本会扩大采用范围,开源显然在这方面有帮助,它们也能对闭源模式的模型定价形成压力,并改善下游应用的经济性,这是好事。投资上的检验标准将是:谁拥有差异化的数据,也就是专有数据;谁掌握客户关系,谁掌握工作流,以及定价权在哪里。

在这场对话的尾声," 木头姐 " 也向周晶抛来了两个问题——

木头姐:通过 ETF 构建 AI 敞口时,如何在广义科技基金与更聚焦的主题(如半导体、软件或机器人)之间做选择?

周晶:我们通常会倾向于更具针对性的主题型 ETF,尤其是在目标明确为建立 AI 投资敞口时。我们的方法是自上而下的。我们的 ETF 组合基金是一只专注于科技领域的基金。因此,我们首先需要确定希望配置于 AI 领域的比例。随后,我们会对 AI 投资周期形成宏观判断,并识别价值链中哪些环节——例如算力、大语言模型(LLM)或应用——具备最具吸引力的风险收益特征。然后,我们会确定对各个环节的配置比例。之后,我们会研究数据库中各只 ETF 的构成,为每个细分环节选择最合适的 ETF。这种方法能够把我们自上而下的行业配置优势,与海外投资组合经理在选股方面的优势结合起来。

木头姐:从全球投资者的角度看,中国 AI 最令人瞩目的是像 DeepSeek 这样的开源模型很快就改变了全球的成本曲线。我很想听听你的看法:在中国,AI 真正落地、正在赚钱和放量的领域是哪些?是企业软件、自动驾驶、机器人,还是别的什么?在中国市场哪些 AI 应用能胜出,以及市场又是如何给这些赢家定价的?

周晶:中国有极其庞大的消费者群体,我们一直相信,面向消费者的 AI 应用在中国会有光明的未来。不同于美国在AI 医疗、自动驾驶等领域的发展,中国的 AI 短剧发展令人瞩目,已实现了商业闭环。以字节跳动为代表,其一方面提供 Seedance 多模态模型来帮助开发者创作 AI 短剧,另一方面他们卖出 AI 短剧中的广告位。

风险提示:本文内容和意见仅作为客户服务信息,并非为投资者提供对市场走势、个股和基金进行投资决策的参考。我公司对这些信息的完整性和准确性不作任何保证,也不保证有关观点或分析判断不发生变化或更新,不代表我公司或者其他关联机构的正式观点。文中观点、分析及预测不构成对阅读者的投资建议。文中个股仅作展示,个股描述不作为任何形式的投资建议,也不代表管理人旗下任何基金的持仓信息和交易动向。我公司及雇员不就本内容对任何投资作出任何形式的风险承诺和收益担保,不对因使用内容所引发的直接或间接损失而负任何责任。在投资基金前请仔细阅读基金合同和招募说明书等法律文件,了解基金产品情况、基金投资范围,选择适合自身风险偏好的基金产品。基金过往业绩不预示其未来表现,基金投资须谨慎。

智客推

智客推

ZAKER 智客推 GEO | AI 时代的品牌认知解决方案

一起剪

一起剪

ZAKER旗下免费视频剪辑工具

相关标签

ai ai医疗 etf 华宝基金 无人驾驶出租车
相关文章
评论
没有更多评论了
取消

登录后才可以发布评论哦

打开小程序可以发布评论哦

12 我来说两句…