以下是實錄全文：

凱西·伍德（Ark Invest首席執行官兼首席投資官）：大家好。我是Ark Invest的首席執行官兼首席投資官凱西·伍德。今天，我與我們的研究和投資組合團隊一同在此，向大家介紹"2026年宏大構想"。這份研究報告長達104頁，我們今天將為大家提煉其中的精華。我們相信，這種研究類似於上世紀80、90年代投資銀行家在個人電腦問世後，試圖探索技術未來時所做的那種研究。當時播下了我們所認為的技術革命的種子。這場技術革命的種子早在80、90年代就已播下，此後一直在萌芽生長。如今，我們正身處一場全面爆發的技術革命之中，這需要原創性的研究，試圖觸及未來，弄清楚這場革命將引發什麼。因此，我們今天在此與大家分享這項原創研究。我非常高興地介紹我們團隊中的兩位新成員，OID和Shay，他們負責我們的"多組學"主題——我認為在歐洲這被稱為"基因組學"主題。我們相信，這是人工智能最深層的應用。從創收角度看，自動駕駛可能是最大的應用。但基因組學革命，多組學革命，我們認為將是人工智能最深層的應用。

我先介紹OID，他將主持本次活動。OID來自RTW，當然，他在那裏專注於醫療保健領域，尤其是醫療設備、診斷、工具等。教育背景方面，OID擁有哈佛大學和麻省理工學院的醫學工程和醫學物理學博士學位。隨着醫療保健與技術融合的世界不斷發展，他的資歷非常適合這一領域。那麼，OID，歡迎你。

OID：謝謝你，凱西。今天非常高興能與大家相聚，下午好。我將擔任今天會議的主持人，我們非常激動能分享《2026年宏大構想》，並回應我們收到的800多個問題。很高興我們今天能進行一些對話，並對我們收到的想法做出一些回應。我們已經將800個問題提煉到大概十幾個。期待對每個問題做出回應。

首先，我想介紹一下今天在場的整個團隊。從我的右手邊開始，這是佈雷特·溫頓，我們的首席未來學家；弗蘭克，我們的人工智能總監；Shay，我們已經提到過，他也是多組學團隊的分析師；塔莎·基尼，我們的投資分析總監；還有丹·馬奎爾，我們自動駕駛團隊的分析師。那麼，我想先請佈雷特發言，能否請你從最高層面談談我們看到的多種技術融合，以及它們正引領我們走向所謂的"大加速"。

佈雷特·溫頓：當然。我們認為，目前有五大創新平台正在進入市場。人工智能是核心動力源，正在加速所有其他創新平台。多組學，Shay和OID將深入探討。公共區塊鏈，包括穩定幣和比特幣。機器人技術，包括人形機器人和專用機器人。以及可重複使用火箭，丹今天將談到這一點。讓我想想，我是不是都涵蓋了？還有能源存儲，包括機器人出租車和自動駕駛的機會。好了，我想我都提到了。這五大創新平台都正觸及關鍵臨界點，並催生一個前所未有的投資周期。

如果你看看我們在技術所需底層基礎設施方面的投資加速情況，你必須追溯到鐵路時代，才能看到類似的技術投資佔GDP的比重。這不僅短期內影響宏觀經濟增長——數據中心正推動邊際GDP活動，而且對AI代理的投資加速正在改變商業格局。它們也在為持續的經濟增長奠定基礎，因為我們將從這種技術基礎設施中獲得正投資回報。總的來說，我們相信，到本十年末，這將推動全球實際經濟增長超過7%的複合增長率。這聽起來可能有些離譜，但實際上與經濟史相符，當發生重大技術轉型時，它會帶來潛在均衡增長率的轉變。儘管世界普遍認為我們將增長3%，但我們認為有強有力的證據表明，在這些都由人工智能加速的技術推動下，宏觀經濟將出現增長拐點。市場將跟隨宏觀經濟。因此，我們相信，全球總股票市值中，超過60%將歸屬於顛覆性創新平台。這是我希望大家理解的核心信息：你需要擁抱創新。想象一下，在一個前所未有的宏觀經濟周期中，增長率發生轉變，而你持有的核心股票組合卻與創新無關，那麼在本十年餘下的時間裏，當這些創新公司價值暴增時，你的組合價值實際上會略有下降。我們認為這完全是可能的。再次強調，這與歷史一致。信不信由你，在1870年代末，美國75%的股票市值歸屬於鐵路。嗯，我們正處於一個類似的投資周期，我們認為這五大創新平台將產生類似的企業價值積累。這就是我們所說的"大加速"。好了，OID，向我提問吧。

OID：好的，佈雷特。我們的第一個問題，如果你覺得需要，可以隨時向在場的衆多同事求助。問題一：我們是否在相對於能源可用性的情況下過度建設AI基礎設施？這意味着什麼？

佈雷特·溫頓：我認為人們擔心的不僅僅是能源可用性。人們會想："天哪，這麼多錢湧入AI，這怎麼可能是個明智之舉？"我們衡量AI性能的方式，是你我作為知識工作者，能從我們使用的AI軟件中獲得多少價值。目前我們認為，如果你全力使用AI，你可以獲得50%的投資回報率提升，意思是投入一個單位的工作，能得到1.5個單位的產出。因此，我應該願意為我的一半工資來換取那個AI軟件。當然，企業不會支付一半工資，他們可能只支付其中的10%，但這仍然是驚人的收入，對企業來說也是一筆非常划算的交易。所以，在這個背景下，隨着AI持續改進，我們相信，在中心情境下，AI軟件支出將達到7萬億美元，這足以支持超過1萬億美元的數據中心基礎設施建設。能源在特定場景下可能是個制約，比如在俄亥俄州中部建數據中心，你得想辦法把能源引進來，把數據中心建起來。有很多優秀的NeoCloud公司正試圖做到這一點。我們不認為這是全球性的總體約束，但肯定是一個需要跨越的摩擦點。

凱西·伍德：我只補充一點。這個問題的根源在於90年代末的科技和電信泡沫與崩盤。想想佈雷特剛纔說的背景，我們在90年代為互聯網時代鋪設了大量光纖，那些光纖閒置了多年，直到最近才真正被利用。而今天，每一塊GPU都在被使用，而且還供不應求。所以，這是非常大的區別。

佈雷特·溫頓：沒錯，即使是舊型號的GPU也還在用。我剛纔提到的7萬億美元，還只是針對類似基於文字的語言模型，主要是幫助企業員工。還有另一個巨大的領域，比如多組學，那裏有海量數據我們無法有效處理；還有實體機器人，包括自動駕駛和人形機器人，我們需要更多的算力。我們需要數萬億美元的算力，所以我認為你會在本十年內看到這一趨勢的發展。

OID：下一個問題，我認為觸及了融合領域最大的例子之一。基於太空的數據中心在多大程度上可行且經濟？要使它們與地面替代方案競爭，需要實現哪些技術和商業里程碑？

佈雷特·溫頓：嗯，丹是這方面的專家，但我先試着說說，你可以指出我說錯的地方。（笑聲）我的意思是，基於現有的發射平台，是不經濟的。SpaceX的獵鷹9號可以着陸，但它能送入軌道的噸位有限。一旦他們有了星艦，下一代可重複使用火箭，我們認為每噸進入軌道的成本可能降至數百美元。一旦跨過這個門檻，那麼基於太空的AI算力在成本上就能與地面算力競爭。這對可重複使用火箭來說意義重大，因為所需的發射量可能比以前增加60倍。這是一個很好的例子，說明AI的加速如何反過來推動另一項技術的需求。這也與之前的問題相關，如果俄亥俄州的人們拼命反對建數據中心，你就有另一個地方可以放置數據中心了。這應該能讓AI算力擴展，避開一些可能由政治因素施加的地方性限制。

凱西·伍德：我只補充一點。埃隆·馬斯克說這是一個工程問題。我們了解到，當埃隆專注於一個工程問題時，結果往往不同。大多數人曾認為用手機電池給汽車供電是個壞主意，沒人這麼做。但他是對的，他成功了。所以，當他現在真正專注於太空領域時，我們感到非常興奮。（笑聲）

OID：太好了。謝謝，佈雷特。謝謝，凱西。好了，弗蘭克·唐寧，如果你能給我們講講我們如何看待AI，之後我們還有幾個問題。

弗蘭克·唐寧：好的。我將更詳細地介紹我們的AI研究。我們認為這是一場代際性的平台轉變。過去，我們從個人電腦時代過渡到智能手機時代。現在，我們認為AI正在推動我們與技術互動方式的又一次代際轉變。新的用戶界面不是從鍵盤到觸摸屏，而是轉向自然語言。我們將以一種根本性的新方式與計算機互動，使控制計算機和技術變得更易用、更強大。我們將看到一系列全新的硬件形態來實現這一點。我今天戴着我的Meta Ray-Ban眼鏡，裏面內置了AI助手。將這次轉變與上一次通過互聯網時代的平台轉變（包括智能手機和雲計算）相比，我們看到這次採用速度是原來的兩倍，甚至更快。僅僅三年時間，我們就達到了覆蓋相關人群的20%，而互聯網用了七年。所以，一切發生得非常快，我們從數據中也能看到這一點。部分原因是AI成本的大幅下降，訓練和推理AI模型的成本急劇下降。這使得技術能夠以極快的速度在經濟中擴散。我們認為，這為消費者、企業以及實體機器人形態（稍後會談到）都創造了機會。

僅以消費端為例，我們看到個人AI代理正在成為人們接觸互聯網上產品、服務和信息的首選入口。人們越來越多地信任ChatGPT或Claude，而不是去傳統的谷歌搜索（順便提一下，Gemini也值得關注，因為谷歌在消費端AI的採用率上僅次於OpenAI）。我們認為這創造了新的變現機會，形式包括我們現在看到的訂閱、AI代理能為我們處理交易的電商（讓購物更便捷），以及隨着注意力轉移到AI系統上，廣告收入也會流向我們正在互動的新助手。

我快速舉一個例子說明這在電商領域是如何結合的。例如，現在可以在ChatGPT裏啓動應用體驗，其中之一就是Instacart。長期以來我一直想要生鮮配送，但在應用裏逐一輸入各種雜貨很費勁，我寧願自己去商店，這對我來說很容易，很難改變我一生的習慣。但有了ChatGPT，我前幾周試了一下，你可以拍一張食譜書的照片，通過Instacart集成，直接說"給我下單"，它能做到90%的正確。你只需要改動幾項。正如AI實驗室的負責人喜歡說的，這是模型有史以來最笨的時候。所以這種體驗只會越來越好，這為Instacart創造了以前不存在的收入機會，因為那是我以前自己乾的活，現在我很樂意花錢買省下的時間。

如果我接着談談知識工作的機會，也就是AI應用於企業而非個人生活。你可能聽說過"代理"這個詞在過去一年變得非常流行，尤其是自去年12月以來，關於代理式編碼的討論很多，像Claude Code這樣的產品極大地提高了開發者的生產力。我們認為，自ChatGPT發布以來，我們已經看到了這一點，AI擅長寫軟件。但真正的根本性轉折點出現在去年11月、12月，模型能夠完成時間跨度長得多的任務，這意味着它們更有用，對人類時間的槓桿作用更強。不再需要時刻盯着它們、每分鐘或每五分鐘回答問題，AI代理現在可以可靠地工作30分鐘以上。你可以在各種研究報告中看到這一點（我們螢幕上有顯示），2025年期間，代理能可靠完成任務的平均時間從5分鐘增加到了30分鐘。實際上，最新的數據點已經達到了55分鐘以上。所以，我們看到了這個巨大的拐點，實際上呈超指數級增長，代理的能力越來越強，這提高了企業為它付費的意願。我們看了一下ChatGPT訂閱的成本，基礎企業版是每月20到40美元。根據公司報告的知識工人每天節省的時間，支付月訂閱費的成本在不到一個工作日的工作時間裏就能收回。所以，我們認為AI變現還有很大的空間。

凱西·伍德：我只想補充一點，這回應了第一個問題。你剛纔提到的推理能力真正起飛，長期任務的推理能力在11月起飛，這極大地刺激了對GPU的需求。絕對如此。

OID：太好了。我想接下來的兩個問題都觸及了這兩點。第一，AI在哪些地方創造了真正的淨新增收入，而不僅僅是壓縮利潤率的效率提升？Ark如何區分信號和噪音？

弗蘭克·唐寧：這是個好問題。我認為我給的Instacart例子就是一個好例子，那是以前不存在的收入，是創造的新收入。在上市公司層面，我們看到，例如，對算力的需求激增，我們從芯片公司看到了這一點。所有的雲服務商，AWS、Azure、GCP，在過去幾年都經歷了收入加速增長。GCP增長最快，對於一個700億美元的業務來說，48%的按年增長意味着大量的新收入。但我認為這個問題可能不僅僅是問賦能者，而是問最終受益者以及他們在哪裏看到了收入增長。我認為像Palantir這樣的公司在展示這種情況如何發生方面發揮了重要作用，這也是他們業務增長如此迅速的原因。我舉一個保險行業的例子，他們與AIG這樣的客戶合作，這些客戶收到的保險申請數量超過了他們實際能處理的數量，多出成千上萬份，人類根本沒有時間去審閱。他們有一些優先處理的辦法，但仍有收入被留在桌上。現在，在Palantir的幫助下，他們讓AI代理評估和承保這些以前無法承保的合同，這為業務帶來了新的收入。我認為，經濟中的每個不同行業都存在這樣的情況，有些事情我們可以做，但今天沒有時間和資源去做。總的來說，這創造了AI不僅降低運營成本，而且大規模擴大市場的局面。

OID：隨着像AIG以及其他保險公司和企業繼續採用AI，未來三年AI擴展的最大瓶頸是什麼？電力、算力、數據質量、監管，還是人才？

弗蘭克·唐寧：又一個好問題，市場也一直在談論當前的瓶頸是什麼。我認為我們看到的趨勢是，最終的瓶頸是電力和算力。我把它們放在一起說，因為我認為它們都是問題的一部分。想想看，如果OpenAI想推出新產品，或者Claude Code在擴展，Anthropic想接入新用戶，他們需要GPU、數據中心、電網電力，或者像xAI那樣自己建發電廠。所有這些都需要結合起來。我認為這是主要的瓶頸，相比於數據或人才，原因在於我們看到的AI實驗室的最新模型和研究趨勢：模型越來越多地生成自己的訓練數據。人類種子思想和人類思考很重要，但隨後用合成數據生成來擴展，並且模型本身也參與尋找新的算法進步來提高自身性能。就像OpenAI談到他們最新的編碼模型時說的，這是第一個由前一代模型在訓練新一代模型中發揮重要作用的模型。這也緩解了一些人才瓶頸，儘管人才顯然非常重要，這就是為什麼很多注意力集中在人才在四家主要AI實驗室之間流動。所以，我的排序是，首先是算力，如果你有數據中心和電力來啓動芯片的話。

佈雷特·溫頓：是的。而且你還可以進行權衡。有趣的是，過去人們常說我們會用完數據，但思維鏈的出現讓我們意識到，實際上我們可以利用額外的算力，基於已有的數據生成更多的數據。所以，如果你在某一方面遇到瓶頸，你可以用另一種資源來交換，以提高AI的能力。

OID：太好了。謝謝弗蘭克，謝謝佈雷特。我們將進入下一個部分，與Shay一起探討多組學。Shay，在你的部分，你很好地預測了問題，所以我想我們將用你的幻燈片來討論一些問題。我直接跳到第一個問題：隨着AI加速藥物發現和診斷，在多組學堆棧中，你認為最大的價值捕獲在哪裏？是數據生成、模型開發，還是治療商業化？

Shay：完美。謝謝。這是個很好的問題，我能理解那種可能想從堆棧中選出一個層面的直覺，但實際上，我們看到這些組成部分是相互促進的。AI在這裏真正融合，並像一個關鍵支點，驅動着生物學創新的飛輪。我的意思是，更好的數據、更多的數據輸入到更好的模型中，更好的模型又帶來更好的診斷、更好的治療干預、更好的工具，這又產生更多、更豐富的數據。實際上，這是一個良性循環。我們將這個循環圍繞四個關鍵領域組織起來：一是多組學工具，即以更低的成本獲得更好的數據；二是分子診斷，能夠更早、更準確地檢測疾病；三是AI開發的藥物，即利用這些生物學見解開發更好的候選藥物，更快、更便宜地上市；最後是治癒療法，即一次性治療方法，針對疾病的根本原因。因此，它們並非孤立運作，而是像飛輪一樣相互加強。這是我們不將其視為單一層面的重要原因。真正推動這個飛輪加速的是成本的顯著下降。回想幾十年前，第一個人類基因組測序，即人類基因組計劃，花了大約13年時間，耗資近30億美元，這還包括了完成它所需的所有基礎設施。今天，你可以僅用100美元就能測序整個人類基因組。展望2030年，我們預計這一成本將再下降一個數量級，降至約10美元。這種成本曲線真正改變了誰接受檢測、多久檢測一次以及產生的數據量的範式。因此，可以想象，隨着成本下降，檢測量會增加。這是一個非常重要的轉變，到2030年，我們預計檢測量將翻倍。這裏特別引人注目的是，我們已經生成的總代幣數或數據量，已經可以與用於訓練大型前沿語言模型的代幣數相媲美。我們預計到2030年，這一規模將再擴大10倍。這裏我想強調的是，總的來說，生物學正在成為地球上最大的數據生成引擎之一，這正在推動整個醫療保健領域的真正變革。

凱西·伍德：如果我能補充一點，作為投資組合經理，學習這些是一種特權。但就數據生成而言，我曾問過團隊，我們每個人體內有多少個細胞？答案是35到40萬億個。現在我們有單細胞測序技術。這讓你感受到數據爆炸的規模，它將使我們在計算時代見過的任何其他事物都相形見絀。

OID：太好了。Shay，你提到的一點是，飛輪的一部分是對藥物發現和藥物開發的影響。這個問題問到：AI能否實質性降低臨床試驗的成本、持續時間和失敗率？這對生物技術資本效率意味着什麼？

Shay：確實，這正切中要害。這又回到了更豐富的數據輸入到更好模型的想法。我們可能看到的最清晰的影響之一就是藥物開發的經濟性。如果我把今天的問題框架化，藥物開發可能需要超過十年，耗資數十億美元，每10個進入臨床開發的候選藥物中就有9個最終會失敗。這裏顯然存在一個問題，需要更高的效率。AI創造的動態是，你可以更快地將藥物推向市場，從而獲得更多專利保護的收入，並降低成本。這有真正的複利效應。從我們自己的建模中可以看出，這可能將上市時間減少40%，將實際開發藥物的成本降低四倍。這是一個非常重要的轉變。問題問到了資本效率，它暗示了這裏存在一個明確的問題：歷史上藥物研發的回報率現在已降至個位數。但是，當你考慮到上市時間更快、成本更低、成功率更高所帶來的複利效應時，這種範式就改變了。如果你更進一步，將其應用於治癒性療法，這種轉變就更加顯著。歷史上，早期資產幾乎沒有經濟價值，但相比之下，由AI驅動的治癒性藥物，每種可能價值超過20億美元。所以，直接回答這個問題，是的，我們正在模型中體現對生物技術資本效率的巨大影響。

凱西·伍德：我再補充一點視角。醫療保健的黃金時代是在80年代和90年代，當時研發支出的回報率達到30%，現在則降到了低至中個位數。我們相信，回報率將重回黃金時代，考慮到目前市場上對醫療保健的心理預期，這將是相當出乎意料的。

OID：太好了。我有點偏愛Shay的這個部分，所以我想再擠進一個問題：隨着這些技術規模化，投資者應如何考慮基因療法的監管、保險報銷風險以及前進的道路？

Shay：完美。（笑聲）讓我這樣闡述，這是一個多層次的問題。我們把它分解一下，逐層來看。在監管方面，特別是在過去一年裏，我們看到了很多變化。在美國，這個機構是FDA，負責批准藥物。他們已經認識到我剛纔描述的讓藥物上市有多麼困難的問題。所以，他們的想法是現代化自己的機構，希望與藥物開發者合作，簡化臨床開發流程，以便我們真正解決這個問題。我們已經看到一些由此轉化的新框架，特別是針對罕見疾病和針對根本原因生物學的療法。這是一個層面。

問題的另一部分是報銷和保險障礙。當然，我可以理解，200萬美元的治癒性藥物標價可能令人震驚，讓人不禁質疑"這怎麼能報銷？我預見到可能會有保險障礙。"讓我們回到現實世界的例子。以CRISPR Therapeutics的Casgevy為例，這是一種獲批用於治療鐮狀細胞病和輸血依賴性β地中海貧血的基因編輯療法。它的定價略高於200萬美元，然而90%的美國患者已經獲得了報銷准入。為什麼？原因是，你需要將這種藥物的價格與患者需要接受的慢性治療、需要經歷的住院治療相比較，它對醫療系統的價值證明了價格的合理性。這就是理解報銷問題的關鍵。這真正凸顯的是，治癒性藥物的經濟性與傳統藥物根本不同。在這裏，治癒性藥物是一次性治療，你提前獲得了所有價值。它更早地前置了現金流，你獲得了更多專利保護的收入，有可能避免競爭重疊。這意味着治癒性藥物可能比傳統藥物更有價值，在我們的模型中，其價值可能高達20倍。

為了更具體，我快速用一個遺傳性血管性水腫的案例研究來說明。HAE是一種罕見病，會導致疼痛甚至危及生命的腫脹發作。目前，患者一生都需要接受慢性治療來幫助控制這些發作，終身費用可能在1000萬到2000萬美元之間。例如，Antellia Therapeutics正在開發一種基因編輯療法，已經顯示出有希望的臨床數據。我們估計其現實世界價格可能在300萬美元，但基於價值的價格可能是這個數字的三到四倍，最終取決於有效性和持久性數據。如果將其應用於今天美國所有7000名HAE患者，這將為醫療系統節省520億美元的成本。這強調的一點是，即使前期價格高昂，實際上你也能為患者帶來更好的結果，免除他們終身症狀管理的負擔，同時還能為系統節省大量資金。

最後，關於問題的規模化部分，因為這非常重要。這裏有一個重大變化，我簡單強調一下，因為我們有博客文章發布在Ark Invest網站上。正在發生的一個重要轉變是，基因編輯療法開始向"體內"編輯發展，即在體內進行編輯。這有助於實現從罕見病向常見病的過渡，包括全球頭號殺手——心血管疾病。我們在這裏顯示，基於價值的價格可能是16.5萬美元，請注意這與我剛纔描述的有時數百萬美元的罕見病療法標價完全不同，但你仍然擁有巨大的潛在市場機會。如果僅考慮美國風險最高的患者，乘以這個基於價值的價格，你將得到一個2.8萬億美元的市場機會。簡單來說，立普妥多年來一直是最暢銷的藥物，僅捕獲這個市場的十二分之一，就能匹配立普妥20年來的累計銷售額。所以，我想從多組學這部分傳達的是，AI和生物學的真正融合正在驅動巨大的機遇，驅動醫療保健領域的巨大變革。我希望每個人都能像我們在Ark一樣對此感到興奮。

凱西·伍德：嗯，股票市場還沒有完全反映這一點，但它會趕上的。我要說的是，對我來說最大的驚喜是，保險公司對200萬美元的標價沒有任何問題，我認為市場甚至沒有注意到這一點。

OID：太好了。謝謝你，凱西。謝謝你，Shay。好了，塔莎，接下來是你了。請告訴我們關於自動駕駛汽車的情況。

塔莎·基尼：好的，關於自動駕駛汽車。弗蘭克提到了實體人工智能。我們認為，這將是消費者將看到的第一個大規模實施的實體人工智能，而且今天已經發生了。我們已經有汽車在路上行駛，方向盤後面沒有人，乘客座位上也沒有人，它們正在接載乘客並四處穿梭。我們認為，在現有的參與者中，這裏非常重要的一點是汽車的底層成本。這在商業化的早期尤為重要，因為當你的車隊規模很小，並試圖擴大車隊規模，試圖說服合作伙伴與你合作時，汽車的成本確實很重要，但它對每英里成本也很重要。而每英里成本正是我們認為將真正推動這項技術和創新的需求的因素。例如，看看特斯拉與Waymo，我們已經看到，在每英里增量成本基礎上，Model Y與第五代Waymo汽車相比，成本降低了30%以上。我們預計，隨着即將推出的車型，這種優勢只會增加。看看Cybercab與第六代Waymo汽車，我們預計其成本優勢將達到50%。同樣，這在早期擴展平台時極其重要，但對向消費者競爭性定價這些平台也很重要。

談到價格，我們認為，機器人出租車平台在規模化後可能收取的最低價格大約是每英里25美分。相比之下，這不到西方市場人類駕駛網約車成本的十分之一，不到駕駛私家車成本的一半，也比中國的網約車便宜，後者已經非常便宜了，摺合每英里約50美分。因此，我們認為成本的降低將使當前的網約車市場大幅擴張，使低成本的點對點出行對更多人來說觸手可及，並最終使我們的道路更加安全。但我們相信這裏還有巨大的市場潛力。我們認為，到本十年末，機器人出租車可能創造34萬億美元的企業價值機會，我們認為這部分價值將歸於我們稱之為"自動駕駛技術提供商"或平台運營商的角色。這些公司正在內部開發驅動汽車的自動駕駛技術。他們可以通過網約車服務、機器人出租車服務來提供這項技術。凱西提到，我們認為這也是最大的收入機會之一。機器人出租車的總潛在市場收入可能達到10萬億美元或更多。到本十年末，我們認為這裏的收入和盈利可能達到2萬億美元左右。我不會一一介紹這張幻燈片上的每個參與者，但這只是讓你了解一下全球範圍內正在研究這個領域的公司。正如我提到的，你可以在底部看到，我們認為平台運營商，即自動駕駛技術提供商，真正有望捕獲這裏最大的經濟份額。這是因為這些公司是那些能夠降低每英里價格、從而真正擴大市場的公司。我們也看到電動汽製造商開始涉足，與自動駕駛技術提供商以及作為潛在客戶生成者的網約車公司合作。同時，我們看到這些公司正在轉變其商業模式，他們正在成為自動駕駛技術公司和汽車製造商的維護服務提供商。

我只想說，我們預計這將徹底改變整個汽車行業。我們認為，今天許多在傳統燃油動力平台上運營的參與者將會大量整合。我們認為機器人出租車的未來是電動的。電動汽車對於再次獲得有吸引力的每英里成本經濟性至關重要。在美國，我們看到網約車價格上限大約在每英里2.80美元，這很不錯。在中國，網約車競爭激烈得多，這正推動許多參與者轉向中東等可能具有更大盈利潛力的市場。機器人出租車今天已經在運營了。我給大家留下這個信息。丹跟蹤着我們在這些平台上看到的每一英里增量。今天，我們已經看到機器人出租車平台上行駛了近一百萬英里。所以，問題只是什麼時候規模化，而實現規模化的是車隊的普及，以及再次提到的更低的每英里成本。

凱西·伍德：我本不打算在大家之後發言，但只想加一個感嘆號。我去過歐洲很多次，我意識到當我和人們談論機器人出租車以及我們團隊所做的令人難以置信的研究時，他們無法產生共鳴，因為歐洲的監管機構還沒到位。但我們認為他們最終會到位，因為安全統計數據如此驚人。長期來看，監管機構若阻止這一趨勢可能是不道德的。

OID：或者更直接地說，我認為你應該把某些監管行為解讀為正在主動殺人。

凱西·伍德：（笑聲）很有外交辭令。只是回到"大加速"部分，在美國，我們無報酬的人力駕駛的隱性勞動成本每年超過4萬億美元。想想看，相對於美國30萬億美元的經濟總量，將4萬億美元的非貨幣化活動轉化為你可以付錢讓別人以低於你時間成本的價格替你做的事情，你最終會帶來經濟轉型。你將一項以前未被計量的活動轉變為經濟活動，就是GDP。

OID：這正是我們第一個問題的答案。塔莎，哪些地區最有可能率先或最晚實現大規模的自動駕駛部署？監管協調對商業成功的決定性有多大？

塔莎·基尼：絕對如此。有趣的是，美國因為監管一直由各州負責，是最早允許大規模測試機器人出租車的市場之一，這也使其成為最早實現機器人出租車商業化的市場之一。現在，中國也非常重視自動駕駛的機會，所以我們看到中國參與者有很大的規模。所以，這兩個市場我認為是首先達到規模的。但正如我提到的，中東也是一個有吸引力的機會，特別是對於那些可能看到海外利潤高於本土利潤的中國參與者來說。關於監管，凱西提到，我們已經看到這些平台比人類駕駛員安全得多。多年前，我們估計，基於事故率，機器人出租車可能比人類駕駛員安全80%以上。今天，我們有Waymo和其他平台的實際數據證明了這一點。特斯拉也定期發布其全自動駕駛軟件的安全統計數據。所以，我們知道它已經更安全了。因此，技術已經成熟。我們預計監管對於允許其普及當然很重要。但今天我們已經看到它在路上行駛，我們預計這將在未來5到10年內發生。

OID：我們已經談到了監管可能成為這個領域的瓶頸。那麼也許請你簡單強調一下，你認為廣泛部署的關鍵瓶頸是什麼？是監管、安全驗證、算力、地圖，還是電信基礎設施？

塔莎·基尼：是的。再次，最重要的收穫是技術已經存在。所以，不再是技術障礙了。但是，要讓機器人出租車真正規模化——因為它們現在還只在某些城市可用，車隊規模相對較小，相比我們預計未來5年左右達到的規模——這就需要像特斯拉這樣能夠將汽車投入市場的公司，當然Waymo需要與其他汽車製造商合作，中國參與者既要自己造車，也要與汽車製造商合作。所以，再次強調，這就是低成本汽車平台真正重要的地方，用以擴大機器人出租車車隊，為消費者提供有吸引力的產品。監管當然重要，但我們已經有了安全證明點，證明自動駕駛技術比目前人類駕駛的現狀要好得多。所以，實際上只是公司執行規模化的問題，隨着規模化，我們預計每英里成本將繼續低於今天的網約車價格，這才能真正擴大市場。

OID：謝謝你，塔莎。接下來，有請丹。最後但同樣重要的是，從我們在日常生活中越來越多看到的自動駕駛，轉向我們可能不常看到的東西——可重複使用火箭。

丹·馬奎爾：當然。（笑聲）是的，你將來會看到更多它們的身影。所以，火箭的可重複使用性正在真正開啓太空經濟。2025年是一個顯著的年份，年度入軌質量達到了歷史新高。這很大程度上要歸功於SpaceX。SpaceX今天有超過9000顆活躍的Starlink衛星在地球軌道上運行，這佔據了在軌衛星總數的三分之二以上。他們之所以擁有這種主導地位，是因為他們領先行業10年。我是什麼意思呢？2015年，SpaceX首次着陸了軌道級助推器。從那時起，它在部分可重複使用方面執行得近乎完美，而其最接近的競爭對手直到去年年底才首次着陸助推器。所以，當其他公司還在努力掌握部分可重複使用時，SpaceX正在全速推進全面可重複使用，這真正轉化為發射成本的下降。Ark研究的一個關鍵概念是萊特定律。在發射成本的背景下，萊特定律指出，入軌質量的累計每翻一番，每公斤發射成本下降17%。SpaceX迄今為止的獵鷹9號火箭已經證明了這一點。根據我們的研究，我們估計自2008年以來，他們已經將發射成本削減了大約95%。其結果是，它開啓了太空時代的許多許多機遇，包括佈雷特早些時候提到的軌道數據中心，以及融合領域的零重力測試，用於推進我們談到的多組學領域的醫學進步。今天，成本大約是每公斤1000美元。根據我們的研究，當SpaceX實現火箭的完全可重複使用，也就是它的星艦火箭時，我們相信成本可能降至每公斤100美元以下。那時，關於軌道數據中心的討論才真正令人興奮。我知道佈雷特在這方面做了很多研究。在那個規模點上，我們認為軌道數據中心可能比地面計算便宜25%。但要達到那裏還有一段路要走。我們很高興今年能關注星艦的進展。我想這是對可重複使用火箭的一個快速概覽。我知道我們可以整天談論它，但我們今天已經涵蓋了很多主題，我相信你有一些問題，我很樂意回答。

OID：太好了，丹。謝謝。第一個問題：可重複使用發射是否已經永久性地重置了進入太空的成本曲線？還是需要再降低一個數量級才能解鎖下一波軌道基礎設施？

丹·馬奎爾：當然。我們這裏有個壞習慣，就是在問題提出之前就回答了，但（笑聲）是的，也許只是再強調一下，因為關鍵在於完全可重複使用。今天，獵鷹9號有兩級火箭，發射後上面級會損失掉，回收下面級。星艦的目標是擁有兩級火箭，發射後兩級都回收。關鍵在於，這將使成本降低一個數量級。我們相信它能達到每公斤100美元以下。再次強調軌道數據中心，但這確實開啓了很多機會，使它們在經濟上變得可行，而以前不是這樣。所以，發射成本確實是太空中所有軌道基礎設施的關鍵。

佈雷特·溫頓：是的，只是再回答一下，從獵鷹9號的大約700美元，到星艦的100美元左右，帶來了基於太空的AI計算。而基於太空的計算所需的衛星數量，至少是今天Starlink等通信星座所需數量的10倍，甚至可能更多。所以，僅此一項，市場就擴大了大約一個數量級。然後，如果我們殖民月球或建立月球基地，並能使用基於質量的發射器，我們有可能以大約每公斤10美元的成本為地球衛星星座提供服務。這樣，將東西送入地球軌道的成本就有可能再降低一個數量級。但這需要在月球上建設大量基礎設施。所以，那將是另一個完全不同的基礎設施投資機會。

凱西·伍德：我喜歡說，很多人擔心AI和自動化會摧毀勞動機會。但我們有一個全新的世界正在打開。太空是一個，還有另一個，實際上與區塊鏈技術和不可篡改的數字產權有關。我認為我們將在那裏看到一個爆發。所以，我們對AI時代感到非常興奮，我們認為它將淨創造就業機會。

OID：說到淨創造就業和長期變化，在可重複使用火箭生態系統中，長期價值在哪裏積累？是發射提供商、衛星、衛星網絡，還是下游的數據和服務？

丹·馬奎爾：當然。我提到了發射提供商、發射成本。我們認為，近期產生現金流的機會是衛星連接。今天，我相信很多人都聽說過Starlink，他們啱啱突破了1000萬活躍用戶。這種爆炸式增長又回到了萊特定律，這是我們研究的關鍵。我們相信，每累計翻一倍的在軌每秒千兆比特，衛星成本就會下降大約44%。這是一條非常陡峭的成本下降曲線，導致了這種爆炸式增長。在規模化時，我們認為這可能是一個每年1600億美元的收入機會。這就是為什麼你看到很多太空公司進入公開市場，試圖抓住這個巨大的份額。

OID：太好了。謝謝你，丹。我們已經完成了所有部分。我這裏還有一些可能屬於快速問答環節的一般性問題。我把它們拋給小組，看誰想接，多人可以參與。我從第一個開始：從2026年到2030年，Ark的融合堆棧論點在AI、機器人、能源系統和公共區塊鏈之間如何展開？最重要的瓶頸是什麼？我們今天已經問了好幾個關於瓶頸的問題：電力、算力、人才、監管、資本效率。

佈雷特·溫頓：嗯，我想我們已經回答了它如何在所有技術領域展開的問題。我要說的是，從多元化角度來看，Ark對多種技術的敞口很重要。你可能全力投資AI企業軟件，但可能會遇到坎坷。而這種坎坷應該與市場中多組學領域治癒療法成功定價無關。因此，雖然AI是所有技術的加速器，但它們有不同的商業化摩擦點和市場機會。我們正在增加所有技術領域的勢能，然後試圖預測它轉化為現金流的動能，然後被再投資。至於瓶頸，我確實認為世界需要更多的算力。所以，我認為，無論是基於太空的數據中心（這是一個正交方向，可以通過它來激勵算力），還是除了台灣之外美國晶圓廠的持續擴張，我們都有芯片可以繼續建設算力，並且有很多企業從中賺了很多錢。例如，有一家超音速民用飛機公司實際上將從中獲益，因為它的引擎非常適合為AI數據中心提供電力。所以，Boom公司突然冒出了一個大型業務，為計算提供電力。資本市場正在湧入，為這個機遇提供動力。我們認為這是所有正在發生的事情中最重要的催化劑。單位增長至關重要，正如丹幾次提到的萊特定律，單位增長。

OID：所以，如果問題是瓶頸，或者有什麼可能阻礙發展，當然，像全球戰爭這樣的災難會阻礙。但有趣的是，即使在那些艱難的時刻，企業和消費者也願意改變他們做事的方式。他們在尋找更好、更便宜、更快、更有生產力、更高效、更有創造力的方案。具有諷刺意味的是，實際上，新冠就是一個例子。供應鏈一度堵塞，但現在我們已經走出了困境，正在向前發展。

凱西·伍德：是的，我想說的是，顛覆性技術最大的競爭對手實際上是慣性和現狀。這是最大的競爭。所以，我認為，世界有點動盪，每個人都意識到了AI，並擔心這意味着什麼，這正促使人們採取行動，擁抱這項技術。這為我們提供了證據，表明我們需要在這裏投資數千億美元的更多算力，因為這些公司缺乏算力，無法向客戶提供服務。

OID：佈雷特，你提到了擔憂。這在過去幾周我們肯定聽到了一些。那麼，我們對在代理式AI世界中企業軟件和SaaS的未來有何看法？包括哪些商業模式會被顛覆，哪些會被加強？

佈雷特·溫頓：有趣的是，你提到企業軟件，好像大家現在都在迴避它。但我認為，我們的觀點是，AI對軟件具有變革性，但不一定會摧毀整個現有格局。這是因為AI使創建新軟件比以往任何時候都更容易。一些企業會選擇創建自己的軟件，或利用內部能力增強他們的軟件。但我認為，更可能的是，我們將看到一批新的競爭者從當前的許多現有企業中湧現出來。與其每個人都構建自己的CRM，不如有許多可能更AI原生、更敏捷、更針對特定行業的新競爭者出現，這會改變對現有企業收入增長和定價能力的未來預期，這就是市場正在迴避它們的原因。我們還沒有看到一些AI原生公司進入公開市場，但我們在私有市場看到了很多萌芽，涉及許多不同的行業或職能，無論是Sierra在客戶服務領域，Harvey在法律領域，Cursor在軟件開發領域。例如，Cursor啱啱突破了20億美元的年化收入運行率。這家公司才成立三年，就達到了20億美元的年化收入運行率。在雲計算時代，達到1億美元的年化收入運行率是一個重要的里程碑。像Twilio這樣的公司，我記得花了六年時間，用了500人。Cursor在更短的時間內，用更少的人，實現了20倍的收入。這是可能的。這些新的軟件企業中的一些將會非常出色，只是可能不完全是今天公開市場上的那些。

凱西·伍德：我認為非常重要的一點是，儘管弗蘭克剛纔說的，我們認為一場創業爆炸即將發生，因為我們現在都可以用自然語言編程了。所以，去創業吧。

OID：本着創業爆炸的主題，我們今天就在這裏結束吧。非常感謝大家今天的參與。我們希望你們喜歡對《2026年宏大構想》的深入了解。如果你還沒有下載，請下載並閱讀，並通過網站或社交媒體與我們任何人聯繫。希望你們享受這段時光，祝你們今天餘下時間愉快。讓我們擁抱創新，向前邁進。