馬睿的硬核解讀：“十五五”，AI闖入物理世界的造富機會

我們總以為機會來自市場情緒，來自資本追捧，來自某個突然爆火的賽道。可在中國這樣一個產(chǎn)業(yè)升級與政策牽引并行的環(huán)境里，很多更大的機會，恰恰是沿著國家規(guī)劃的脈絡(luò)，一步一步長出來的。

十三五的時候，光伏、鋰電、生物醫(yī)藥快速起勢；

十四五階段，數(shù)字經(jīng)濟與產(chǎn)業(yè)升級成了主旋律；

那接下來的“十五五”中，哪些技術(shù)會真正穿透產(chǎn)業(yè)成為新的機會？

上周，混沌邀請到峰瑞資本合伙人馬睿，深度解讀“十五五”規(guī)劃中的科技產(chǎn)業(yè)方向與投資機遇，教你怎么看趨勢，怎么識別真正重要的變化。

作為投資人，馬睿老師長期深耕科技與醫(yī)療領(lǐng)域，布局過生物制造、腦科學(xué)、AI4S（AI for Science，人工智能驅(qū)動科學(xué)創(chuàng)新）、固態(tài)電池，也持續(xù)跟蹤量子計算、核聚變、具身智能等前沿方向。

但更關(guān)鍵的是，他還曾參與“十四五”規(guī)劃的編制工作。不只是站在市場結(jié)果后面回頭復(fù)盤，而是更早進入國家產(chǎn)業(yè)邏輯、理解資源流向。

每一次五年規(guī)劃，重要的都不只是“提到了什么”，而是資源會向哪里持續(xù)流動，哪些產(chǎn)業(yè)會被真正推到臺前，哪些技術(shù)會獲得從實驗室走向產(chǎn)業(yè)鏈的加速度。

無論你是投資人、創(chuàng)業(yè)者，還是關(guān)注未來趨勢的從業(yè)者，這都是一次難得的、從頂層設(shè)計到落地應(yīng)用的系統(tǒng)梳理。

以下是課程的精選內(nèi)容，僅占1/10，完整版在混沌APP。

AI成為“十五五”未來產(chǎn)業(yè)的最大驅(qū)動力

“十五五”提出的未來產(chǎn)業(yè)方向比較明確。對于新興產(chǎn)業(yè)，不僅要提質(zhì)升級、變成新質(zhì)生產(chǎn)力，還要實現(xiàn)支柱化、集群化和規(guī)模化。而未來產(chǎn)業(yè)要搶占制高點，必須具備前瞻化、孵化化和生態(tài)化。

戰(zhàn)略新興產(chǎn)業(yè)未來將形成一個40萬億的產(chǎn)業(yè)集群，涵蓋新一代信息技術(shù)、新能源、新材料、智能網(wǎng)聯(lián)新能源汽車、機器人、生物醫(yī)藥、高端裝備和航空航天。未來產(chǎn)業(yè)若干年后有望形成10萬億規(guī)模，成為新的增長點，涉及的行業(yè)包括量子科技、生物制造、氫能與核聚變能、腦機接口、具身智能和第六代移動通信。

而新一輪“五年規(guī)劃”與以往最大的不同就在于，AI將成為主要的驅(qū)動力。Agent和高Token消耗的時代即將來臨。

相比前三次工業(yè)革命，這一次AI革命非常厲害，可以說，AI帶來了前所未有的技術(shù)革命。但技術(shù)突破≠生產(chǎn)力提升，從當(dāng)前數(shù)據(jù)看，它還沒有完全實現(xiàn)生產(chǎn)力的提升。因為過去移動互聯(lián)網(wǎng)的20年里，我們只是完成了與人相關(guān)的數(shù)據(jù)化工作，包括收集人的語言、文本、視頻、搜索行為等，這些都只是今天AI的數(shù)據(jù)基礎(chǔ)。

站在今天往后看AI本身，大語言模型基本已經(jīng)吞盡了所有可用的文本數(shù)據(jù)，迭代在變慢。要繼續(xù)往前發(fā)展，不僅需要新的數(shù)據(jù)，還需要新的模型。而隨著新的模型和應(yīng)用要求，可能會出現(xiàn)新的算力。數(shù)據(jù)、算力和模型一起迭代，AI可以逐漸向前發(fā)展，最終通向AGI。

所以未來如果AI要帶來最大的應(yīng)用落地，一定是在物理世界實現(xiàn)生產(chǎn)力的進步，在生物、材料和能源的交叉領(lǐng)域發(fā)生。物理AI從未像今天這樣變的重要，無論是微觀的AI4S，還是三維重建的模型，或是世界模型。

如果AI是這樣演進的，我認(rèn)為這會帶來的生產(chǎn)力躍遷有三點：

第一點是Agent。隨著Token費用按照摩爾定律下降，未來可能從按Token收費，變成按給客戶帶來的價值收費。

第二點是從0到1的AI向其他基礎(chǔ)科學(xué)領(lǐng)域外溢，比如AI+生物、AI+制藥、AI+化學(xué)、AI+物理。通過AI4S的方式完成底層的科技創(chuàng)新，我認(rèn)為這可能是中美競爭的焦點。

第三點是從1到100。這部分是AI4S帶來的底層創(chuàng)新，與中國強勢的產(chǎn)業(yè)鏈結(jié)合，使科技創(chuàng)新和產(chǎn)業(yè)創(chuàng)新融合在一起。這是中國下一個十年、二十年要勝出的關(guān)鍵所在。

從上面我畫的這張圖可以看到。最底層是AI本身，它要從現(xiàn)在的大語言模型再演變?yōu)橄乱淮囊曈X模型或物理AI，或者在某個領(lǐng)域的專有模型。這些模型上的進展，會擴散到數(shù)學(xué)、編程、物理、化學(xué)、材料、生物等行業(yè)。我們把這些統(tǒng)稱為AI4S。

再往上走，它會影響材料設(shè)計、蛋白設(shè)計、生物分子設(shè)計、激光改進，甚至高溫超導(dǎo)材料，以及新一代芯片、新一代機器人。更進一步，它會影響到我們剛才提到的實物中的未來產(chǎn)業(yè)，包括生物制造、具身智能、AI制藥、量子計算、核聚變和腦機接口。

然后再往上，它會影響到更廣義的行業(yè)，也就是戰(zhàn)略新興產(chǎn)業(yè)，包括生物醫(yī)藥、新能源、新材料、食品、云、自動駕駛、航空航天，甚至低空經(jīng)濟。

科技創(chuàng)新：AI向其他基礎(chǔ)科學(xué)領(lǐng)域外溢進入物理世界

當(dāng)AI成為最大的驅(qū)動力，通過一種級聯(lián)放大的方式，一步步影響AI for Science、不同技術(shù)、不同產(chǎn)業(yè)，先看懂AI for Science帶來的科技創(chuàng)新就十分重要。

當(dāng)前，AI4S作為繼經(jīng)驗科學(xué)、理論科學(xué)、計算科學(xué)、數(shù)據(jù)科學(xué)之后的“第五科研范式”，正引發(fā)全球范圍內(nèi)的科研體系變革。AI4S被視為AI三大關(guān)鍵方向之一，其市場規(guī)模有望達到百億美元級別，并成為科技強國與未來產(chǎn)業(yè)競爭的核心驅(qū)動力。

我們可以先來看AI4S的一些進展概覽，非常大的進展：

·藥被AI做出來了，不少AI制藥1.0公司實現(xiàn)了上市

·前沿的模型層出不窮：AlphaFold 4，RF diffusion3，Chai-2，LatentX-2......

·跨國藥企紛紛綁定AI原生公司，Agent+具身機器人+高通量實驗室成為新范式

·現(xiàn)在不只是AI+制藥，已經(jīng)發(fā)展到AI+材料、AI+生物制造、AI+腦科學(xué)、AI+聚變......

接下來，我們來具體介紹下一些情況。

AI制藥

AI制藥實際上已進入2.0階段。我們峰瑞資本完整參與了AI制藥的1.0，過去五年模型有了非常大的提升：

從AlphaFold 2獲得諾貝爾獎，到ChatGPT橫空出世，到蛋白設(shè)計工具和生物基座模型的演進，再到上市頭部公司逐漸向新的modality（如mRNA、小核酸、多肽和抗體）遷移。AI制藥也從工具逐漸走向能夠設(shè)計出藥物，從概念走向越來越多的真實商業(yè)化進展。

例如，已被AI制藥上市公司Recursion收購的Exscientia，它做的一款GLP-1藥物現(xiàn)在已經(jīng)進入申請上市階段，預(yù)計在本月（2026年4月）獲得FDA的正式批準(zhǔn)。

再比如，峰瑞資本早期投資的劑泰科技，它做的MTS-004口崩片已經(jīng)達到Ⅲ期臨床研究主要終點，對神經(jīng)退行性疾病之后的吞咽困難癥狀有非常好的緩解作用。

但事實上，到今天為止，很多這些前沿模型還沒有被藥企廣泛采用。我的判斷是，未來一到兩年內(nèi)，會在制藥上形成更大的生產(chǎn)力釋放和規(guī)模化應(yīng)用。

在技術(shù)上，這些模型基本上有三條路線：

第一，以美國David Baker為代表，基于一些基礎(chǔ)模型做蛋白設(shè)計。過去3年里，他們完全將蛋白設(shè)計從基于物理計算調(diào)整為以AI為基礎(chǔ)，成功率至少提高了10倍。這類代表模型包括RF diffusion和RF diffusion3。

第二，以谷歌DeepMind的AlphaFold系列為代表。它們從只能計算蛋白擴展到可以覆蓋所有生物分子（包括小分子），還能預(yù)測相互作用。

第三，Meta的大模型，用大語言模型直接學(xué)習(xí)生物序列，從只能做預(yù)測到現(xiàn)在能做設(shè)計和生成。

在應(yīng)用上，最難的是小分子，其次是多肽、環(huán)肽和遞送，而蛋白設(shè)計甚至抗體設(shè)計已經(jīng)解決得比較好。抗體這一部分正被AI強力顛覆。

總的來說，模型正在快速迭代，能力邊界不斷擴展。大家可以基于這些模型的進展，判斷哪些公司未來有可能利用最新模型做出更多藥物、獲取更大商業(yè)價值。

值得一提的是，過去三四年最大的算法架構(gòu)創(chuàng)新就是，將Transformer和Diffusion這兩種架構(gòu)跨領(lǐng)域應(yīng)用在生物模型上，結(jié)合生物數(shù)據(jù)，帶來了生物基座模型，比如AlphaFold 2和AlphaFold 3。

AlphaFold 2使用了Transformer架構(gòu)，基于MSA（多序列比對）的一個類似RAG（檢索增強生成）的增強，就獲得了諾貝爾獎這樣的評價和效果。AlphaFold 3可以簡單理解為在AlphaFold 2的基礎(chǔ)上，把后面的結(jié)構(gòu)生成模塊換成了Diffusion模塊，從而變得更加少依賴MSA，并且能更好地預(yù)測更大體系，如蛋白加蛋白、蛋白加分子。

AI+材料

AI+材料是現(xiàn)在一級市場最熱的投資領(lǐng)域之一，已經(jīng)成為一個主戰(zhàn)場。具體體現(xiàn)在，美國提出了“創(chuàng)世紀(jì)計劃”，用AI for science來設(shè)計材料，英偉達、微軟、亞馬遜都加入了這個計劃。另外，獲得很高融資的美國公司，還有中國的“AI+材料”公司都在利用AI設(shè)計高價值材料，比如電解液、高溫超導(dǎo)材料、聚變材料、裂變材料、冷卻液等，非常值得大家去關(guān)注。

舉例來說，Google啟動了一個項目叫GNoME（材料探索圖形網(wǎng)絡(luò)）。它用圖神經(jīng)網(wǎng)絡(luò)來表征分子，并用DFT等高精度物理計算來測算分子的能量，只花了很短的時間，就發(fā)現(xiàn)了大約220萬種穩(wěn)定材料。

過去幾千年，人類一共也就發(fā)現(xiàn)了十幾二十萬種穩(wěn)定材料。而Google在幾周內(nèi)就將人類已知的穩(wěn)定材料基礎(chǔ)擴大了十倍。進一步分析發(fā)現(xiàn)，其中有500多種確實有可能轉(zhuǎn)化為鋰離子電池的導(dǎo)體、太陽能電池的材料或芯片材料等。

另一個值得一提的是微軟發(fā)表的一篇文章，其中提出的算法叫MatterGen，被視為AI材料生成領(lǐng)域的范式級突破。它的思路是：從一個穩(wěn)定材料出發(fā)，給它加噪聲使其變形，最終變成一個隨機材料。如果對隨機材料進行降噪，它又會變回一個穩(wěn)定材料。AI學(xué)習(xí)了加噪、特別是降噪的過程之后，給定元素組成，就能告訴我們這些元素組成的穩(wěn)定材料應(yīng)該長成什么樣子。

總結(jié)來看，原子和分子是物理世界最底層的基礎(chǔ)，AI for Science本質(zhì)上是數(shù)字世界連接物理世界最關(guān)鍵的橋梁。目前主戰(zhàn)場還在蛋白和抗體上，因為小分子的設(shè)計和合成難度依然很高。

但我判斷，AI制藥的成功會逐步外溢到材料、聚變、量子、腦機接口、生物制造等領(lǐng)域，真正形成一個AI for Science的大范式。

（文章僅為課程1/10，掃碼可前往APP看完整版）

產(chǎn)業(yè)創(chuàng)新：未來10年的機會在哪里？

還是這張圖，AI4S研究原子、分子等微觀粒子和其之間的相互作用，這是物理世界的重要基礎(chǔ)。而在基礎(chǔ)之上，產(chǎn)生了哪些未來產(chǎn)業(yè)呢？為什么是這些產(chǎn)業(yè)？他們的AI的關(guān)系又如何？

其實，生物制造、腦機接口、具身智能都是非常重要的AI的應(yīng)用方向，核聚變是未來AI的一個能源保障，而量子計算可能是未來作為AI的一個算力補充，或者成為下一代的這個算力。這些都是非常重要的，具有非常戰(zhàn)略高度以及需要去搶占的一些未來產(chǎn)業(yè)。

下面我給大家介紹一下這些行業(yè)本身：

AI+量子科技

量子科技通常包含三個部分：量子計算、量子通信和量子傳感。今天我們主要聚焦量子計算，因為它有可能是下一代的算力。

量子計算之所以重要，是因為摩爾定律有可能會終結(jié)。回溯歷史，2003年前后，英偉達架構(gòu)師John Nickolls 判斷摩爾定律即將放慢，給黃仁勛寫信建議開發(fā)CUDA，把GPU內(nèi)部更多的并行核心連起來，繞開“靠晶體管繼續(xù)縮小”這條路。后來事實印證了這個判斷：英特爾靠制程領(lǐng)先的紅利逐步收窄，英偉達用CUDA把GPU改造成大規(guī)模并行計算平臺，在AI這類并行工作負(fù)載上跑贏了CPU。

站在今天往前看，經(jīng)典半導(dǎo)體路徑正在逼近物理極限——后面我會講到，當(dāng)晶體管縮到5個原子直徑量級時會進入量子效應(yīng)主導(dǎo)區(qū)。下一代算力躍遷，大概率要靠量子來接棒。

量子計算和經(jīng)典計算最本質(zhì)的區(qū)別在于基本單元不同。經(jīng)典計算機里，每一位要么是0，要么是1，確定無疑。但量子比特可以同時處于0和1的疊加態(tài)。這聽起來有點玄，但帶來的計算優(yōu)勢是實實在在的：每多一個量子比特，可編碼的狀態(tài)空間就翻一倍，算力也隨之翻倍。

打個比方。經(jīng)典計算機從32位升到64位，算力才能加倍；而量子計算機從32位升到33位，算力就加倍了。僅僅70個量子比特（2的70次方），理論上就能存下人類迄今產(chǎn)生的所有數(shù)據(jù)。

盡管量子優(yōu)越性已經(jīng)被證明，但能否在商業(yè)高價值領(lǐng)域里找到合適的應(yīng)用呢？

目前我覺得比較適合量子落地的方向有以下幾個：

第一個是量子模擬，即利用量子計算去解哈密爾頓方程，做AI for science中提到的很多問題，比如物理模擬、化學(xué)模擬、生物模擬。

第二個是量子組合優(yōu)化。這類問題往往規(guī)模極大，但沒有前序數(shù)據(jù)支撐。

第三個是量子線性代數(shù)，比如解決矩陣的乘加、量子機器學(xué)習(xí)、密碼破譯等。所以，AI特別適合解大數(shù)據(jù)問題，從海量數(shù)據(jù)中發(fā)現(xiàn)規(guī)律并生成結(jié)果。而量子則特別擅長解小數(shù)據(jù)、大組合的問題。

AI+生物制造

生物科技本身是一種關(guān)于制造的科技。制造一定要有工廠，在生物制造里，這個工廠叫“細(xì)胞工廠”，它是一個可以自復(fù)制的生產(chǎn)工廠。營養(yǎng)物質(zhì)進來，細(xì)胞在里面進行生產(chǎn)，然后把產(chǎn)物轉(zhuǎn)到細(xì)胞外面。工廠本身可以復(fù)制，所以在發(fā)酵罐里，你可以先把細(xì)胞工廠養(yǎng)起來，養(yǎng)到一定密度，再讓它執(zhí)行生產(chǎn)任務(wù)。

那么，什么是生物制造或合成生物學(xué)？

合成生物學(xué)是2000年在美國提出的概念，是一個涵蓋生物學(xué)、化學(xué)、農(nóng)學(xué)、醫(yī)學(xué)、工學(xué)、AI和數(shù)據(jù)科學(xué)的交叉學(xué)科。它有很多描述方式，但一般來說有三個方向：

第一是基因合成，或者叫合成酵母的基因組。第二是代謝工程，也就是利用合成生物學(xué)改造細(xì)胞，然后用這些細(xì)胞來生產(chǎn)想要的東西。第三是從理性設(shè)計的角度出發(fā)，像搭芯片一樣來搭建生物學(xué)。

簡單來說，合成生物學(xué)可以看作是生物學(xué)的工程化和數(shù)據(jù)化。因為酶和細(xì)胞在一定程度上可以被計算和設(shè)計，AI的幫助作用就在這里。那么AI+合成生物具體能做什么？我覺得這幾個最有前景的方向值得關(guān)注：

·新物質(zhì)發(fā)現(xiàn)

·酶和元件的設(shè)計

·高通量傳感器的開發(fā)

·代謝途徑的優(yōu)化設(shè)計

·發(fā)酵工藝的AI控制

不過，這里要潑一盆冷水，合成生物的商業(yè)化極其艱難。從基因和基因組合成，到細(xì)胞工廠設(shè)計，再到發(fā)酵放大，再到分離純化、聚合改性、產(chǎn)品銷售......鏈條之長令人咋舌。過去20年，很多產(chǎn)品即便在實驗室里產(chǎn)率已經(jīng)做得相當(dāng)高，最終仍難以活到商業(yè)化。

那么，生物制造的商業(yè)機會在哪里？

一是替代化石原料，提供能源和材料安全的緩沖。

二是打破很多原料和產(chǎn)品的進口依賴，保障供應(yīng)鏈安全。

三是通過生物路線創(chuàng)造全新產(chǎn)品或顯著的成本優(yōu)勢，顛覆全球供給格局。

但這三個方向的商業(yè)化難度同樣不能低估。從市場現(xiàn)狀看，中國一級市場的合成生物企業(yè)商業(yè)化能力普遍偏弱，年營收過億的未上市企業(yè)屈指可數(shù)。反而是二級市場，中國表現(xiàn)優(yōu)于美國。像凱賽生物、華恒生物、華熙生物、川寧生物等跑出了不錯的成績。而美國這邊，Amyris已經(jīng)破產(chǎn)，Zymergen被Ginkgo收購，Ginkgo自身也深陷困境。

往更長遠看，未來十年的目標(biāo)是讓生物合成占到市場分子的30%。而下一步真正的突破，做什么分子，很可能要靠AI來引路，找到我們自己找不到的“礦”。

AI+腦機接口

腦機接口到現(xiàn)在已有100年的歷史。我認(rèn)為，它已經(jīng)實現(xiàn)了概念驗證，現(xiàn)在正在通過應(yīng)用驅(qū)動，不斷推進工程化和落地。

如果按應(yīng)用來分，腦機接口可以分成兩大類：

第一類是通信和運動型的腦接口，往往是用大腦信號直接去控制鼠標(biāo)或機械臂，或者從外界得到信號寫入大腦。

第二類是治療型的腦接口，通過改變大腦活動來緩解癲癇、精神疾病等病癥，這必須有采集、計算、刺激的閉環(huán)，也就是采集信號、處理信號、然后刺激大腦。

此外，還有非侵入、最小侵入、侵入的分類（按醫(yī)生關(guān)心的手術(shù)帶來的損傷來分），以及植入式、介入式、非植入式的分類（按工程師關(guān)心的傳感器位置及信號質(zhì)量來分）。過去十年，最多的是非植入和非侵入的，大約占85%；植入和侵入的約占9%；介于兩者之間的半侵入約占4.9%。

關(guān)于非侵入腦機接口的信號局限，去年Meta做了一個意念打字的實驗：讓受試者想象一段要打的字，通過腦磁圖或腦電圖解碼他想打什么字，然后比較準(zhǔn)確率。

結(jié)果顯示，非侵入的錯誤率是67%；腦磁圖也有32%的錯誤率，這從產(chǎn)品角度完全無法接受。半侵入的皮層腦電圖（雖然沒有插入皮層，但在顱骨下面）錯誤率為15.2%。侵入式的猶他電極，可以做到小于6%的錯誤率。如果再使用AI矯正模型，可以做到1%的錯誤率和每分鐘90個詞的帶寬。從這個對比能看到，雖然顱外測信號也有用，但準(zhǔn)確度和精度很難支撐嚴(yán)肅的應(yīng)用。

在侵入式腦機接口領(lǐng)域，Neuralink算是當(dāng)之無愧的標(biāo)桿公司。其核心產(chǎn)品N1芯片已擁有1024個電極，遠超傳統(tǒng)設(shè)備水平，并規(guī)劃持續(xù)擴展至數(shù)萬個。

去年，Neuralink讓首位四肢癱瘓患者通過意念成功控制光標(biāo)，成為行業(yè)歷史性時刻。截至目前，全球已有12名患者完成植入。臨床適應(yīng)癥持續(xù)擴展，語音恢復(fù)和視覺恢復(fù)均已獲得FDA突破性設(shè)備認(rèn)定，并在美國、英國、加拿大、阿聯(lián)酋等地開展國際試驗。

其實不管是侵入式、半侵入式還是介入式，在國內(nèi)都能找到對標(biāo)的公司。現(xiàn)在國內(nèi)頭部的如「階梯醫(yī)療」、「智冉」等，都是對標(biāo)Neuralink的方案。

整個腦機接口的市場可以這樣劃分：總計約4000億美元的市場（這是美國市場的估算）。第一階段約800億美元，主要包括上肢癱瘓、癲癇、抑郁；第二階段約3200億美元，包括下肢癱瘓等病人。其中，上肢癱瘓大約100億美元，抑郁市場約500-600億美元。預(yù)計到2035年實現(xiàn)5億美元的年營收，到2041年實現(xiàn)10億美元，到2045年滲透率可能才到3%。

這是一個非常大的市場，但滲透較慢，暫時還達不到像神經(jīng)調(diào)控那樣能夠形成規(guī)模化營收的階段。

但總體來看，我認(rèn)為腦機接口和神經(jīng)調(diào)控其實是兩條可以融合的路線。腦機接口有多電極、多通道的記錄優(yōu)勢，神經(jīng)調(diào)控有成熟的刺激平臺和醫(yī)療器械化經(jīng)驗。未來最理想的產(chǎn)品形態(tài)，可能是幾十通道的軟電極，既能記錄又能刺激，實現(xiàn)真正的閉環(huán)控制。

最后要提醒下，腦機接口在商業(yè)化方面也面臨著挑戰(zhàn)。市場空間是分層打開的，馬上能做的場景市場小，臨床時間長、難度大的又需要足夠的融資才能支撐走到最后。腦機接口要真正迎來“iPhone時刻”，還需要腦科學(xué)持續(xù)深入、工程化降本、電極技術(shù)迭代，以及在更多病種中不斷驗證拓展，系統(tǒng)化的轉(zhuǎn)化投入有賴于國家支持。對于中國而言，我們有機會引領(lǐng)全球，真正再造一個高技術(shù)產(chǎn)業(yè)的體量。

（文章僅為課程1/10，掃碼可前往APP看完整版）