本文来自微信公众号“飞仕伯乐Fishburners””（ID:Fishburners） 作者：Fishburners。

文章节选自｜年度报告《Big Ideas 2023》

文章作者｜Ark Invest团队

文章来源｜ark-invest.com

编译｜olivia

编者按：

(资料图)

在创投领域，一个经常被探讨的话题是：什么是创业最好的时机？即便我们能认知到一些行业发展规律，也很难捕捉到具体的指数增长机会。

近期，“木头姐”（Cathie Wood）带领她的ARK研究团队编写了最新一期的《Big Ideas》。这位在二级市场里最像VC投资风格的基金经理，致力于押注具有高度创新且有可能对人类社会未来具有极大影响力的科技企业。

在今年长达153页的报告中，木头姐提出了12个前景广阔的创新主题，涉及的领域涵盖了当下最火的AIGC、癌症分子治疗、基因编辑等等。或许我们可以借此来做预判，期待找出创业、投资的机会与时间点。

我们节选了报告中「人工智能」、「精准治疗」、「神经网络」等飞仕伯乐持续关注的深科技方向并加以编译，具体观点包括：

1）当今所面对的颠覆性创新可分为五大领域：基因编辑、自动化机械、新能源、人工智能、区块链技术。五大创新平台正在融合，创造出前所未有的增长轨迹。人工智能是最重要的催化剂，其速度会连带影响到所有其他技术。

2）整个商业周期中，颠覆性创新平台的市场价值可能会以每年40%的速度增长，从今天的13万亿美元增长到2030年的200万亿美元。

3）AI的发展将不断提高生产力，到2030年，人工智能或将知识工作者的生产力提高4倍以上，将软件工程师的效率提高10倍以上，创造约200万亿美元的价值。

4）专注于精准治疗的公司的企业价值将以每年29%的速度增长，从2022年的约5000亿美元增至2030的约3万亿美元。

1、技术融合的指数级增长潜力

（五大创新平台的融合趋势）

报告中指出，人工智能、区块链、多组学整合、能源存储及机器人技术的五大创新平台正在融合，将以指数级的速度发展，其中人工智能的发展速度将成为最重要的催化剂。颠覆性技术创新平台的市场价值将会以每年40%的速度增长，预计从2023年年初的13万亿美元增长至2030年的200万亿美元。

公共区块链：在被大规模采用后，所有资金和合同将转移到公共区块链上，实现并验证数字稀缺性和所有权证明。在这样的世界里，企业和消费者将适应新的金融基础设施，数字钱包也将变得越来越重要。当下的公司结构，也可能因此受到质疑。

人工智能：未来人工智能的发展可以用于解决棘手的问题，甚至推动知识性工作的自动化，并加速技术与每个经济部门的融合。其中神经网络的采用会变得更加重要，有望创造出10万亿美元的价值。

多组学整合分析：如基因组学、转录组学、蛋白质组学和代谢组学的收集、排序和理解数字生物数据的成本正在急剧下降。未来多组学数据可以通过新兴基因编辑技术，用于针对罕见疾病、慢性病的治疗，为新的疗法提供更多的数据支持。多组学或将激发可编程生物学更大的潜力，特别是针对农业和食品生产领域。

机器人技术：在人工智能的催化下，自适应机器人未来将与人类密切合作，推动产品制造及销售方式的变化。3D打印的进一步发展将赋能制造业的数字化转型。如果将机器人技术融合到颠覆性技术创新平台中，那就意味着包括物流成本、3D打印机制造成本，以及人工智能机器人的生产成本将大幅下降。

2、人工智能是最重要的催化剂

（技术成本下降激发多个领域的创新动能）

报告中指出，五大类目的创新平台涉及多项可投资的技术，这些技术的成本正在急剧下降，对多个行业产生影响，并将激发多个领域的创新动能，包括神经网络（最重要的催化剂）、

自主移动系统、AI聊天机器人等，另外深度神经网络（DNN）可推动更精确的长读DNA测序，AI语言模型可以进一步推动机器学习的发展。

以下是ARK团队关于人工智能研究的一些关键预测：

1）从 DALL-E-2 到 ChatGPT，生成式人工智能掀起了一股浪潮。这些工具正在提高知识工作者的生产力，比如，程序员的工作效率在有人工智能编码助手的情况下提高了约两倍。

2）人工智能训练成本继续以每年70%的速度下降，将一个大型语言模型训练到 GPT-3 水平的成本，从2020年的460万美元，下降到 2022 年的 45 万美元。预计到 2030 年之前，成本都将继续以70%的速度下降。

3）到2030年，人工智能应使知识工作者的生产率提高4倍以上。如果100% 采用人工智能，全球劳动生产率将提高约200万亿美元，使如今 32 万亿美元的知识工作者工资总额相形见绌。

3、AIGC进入高速发展期，未来将进一步释放生产力

（以程序员为例，AIGC的生产力比对）

报告中还强调了人工智能将知识工作者的生产力提高 55% 的关键点，因为它涉及编写代码。人工智能培训成本预计也将以每年70%的速度大幅下降。人工智能硬件和软件成本也将继续以每年 70% 的速度下降。

在不到一年的时间里，几十个AIGC项目已从仅能生成辨识度较低的图像发展成可以生成高质量的三维模型和视频，这将进一步提高知识工作者的生产力，并减少企业成本。

“以编程为例，在AI帮助下，程序员编写一套代码的时间将缩短55%。由于培训成本的不断下降，到2030年，像Copilot的人工智能编码助手可以将软件工程师的产出提高10倍。”

人工智能正在创造对训练数据的爆炸性需求。生成式人工智能算法依赖于大规模训练数据。为了利用实时创建的数据和新内容还需要自动化。在团队的研究指出，2020年训练最先进的 GPT-3 的成本为 460 万美元。

在低成本计算的世界里，数据将成为主要的约束。有了足够的训练数据，人工智能算法加上自动化和实时分析，编码效率可以提高 10 倍。成本的下降应该会使复杂的人工智能聊天机器人得以大规模采用。

4、基因编辑接近商业化，未来将创造更高的价值

（基因编辑临床试验到2030年将增加三倍）

报告指出，随着人工智能、DNA和RNA测序、CRISPR基因组编辑和新一代测序等技术的高速发展，精准治疗将逐步催生出了新的疗法，使得以往的棘手的疾病有了治愈的可能。根据研究，专注于精准治疗的公司的企业价值将以每年29%的速度增长，从2022年的约5000亿美元增至2030的约3万亿美元。

随着精准治疗的发展，创新也将逐步抢占市场，市场份额将会发生巨大转变。同时，精准治疗所囊括的领域正在逐步扩大，包括DNA、RNA、蛋白质等技术，为研究人员针对不同疾病的治疗，创造了更大的灵活性，基因编辑疗法能够获得高溢价。

到2030年，使用基因编辑技术的临床试验数量将翻倍，并将加速首个基因编辑药物的上市。基因编辑疗法定价的中位数可能达到250万美元，在某些特定的适应症领域将会更高，例如近期获批上市的A型血友病基因疗法的费用高达350万美元。ARK预测，到2030年基因编辑疗法年总收入将达到300亿美元，如果能够拓展应用于治疗1型糖尿病，年总收入将扩展至600亿美元。

此外，RNA药物将越来越受欢迎。在过去的20年中，每年的RNA专利授权数量增加了10倍，基于RNA药物的临床试验数量增加了5倍多。得益于多组学突破（下一代基因测序（NGS)、CRISPR基因编辑和人工智能），药物研发失败率将大大下降，从研发到商业化的时间将大大缩短。

本文节选自《Big Ideas 2023》「人工智能」、「精准治疗」、「神经网络」三章中精华内容汇编而成，如需观看完整版报告，请登录ark-invest.com搜索《Big Ideas 2023》。

关键词： 人工智能 万亿美元 神经网络