核心观点 - 提出从“投物”到“投人”的范式革命，认为传统投资逻辑（如房产、股票、存款）已难以为继，未来10年最划算的生意是投资于人[3] - 投资于人是穿越周期、抵御通胀的关键，游戏规则已从“按权力分配”转向“按能力分配”[6] 投资范式转变的驱动因素 - **资金维度**：流动性过剩导致钱不值钱[6] - **人口维度**：人口总量与出生人口双降引发劳动力结构变化[6] - **国家维度**：国家面临中等收入陷阱，需从人口红利转向人才红利[6] - **技术维度**：AI技术重塑财富分配格局，人力成本与AI成本的剪刀差持续扩大[6] 个人投资方法论 - **高杠杆技能选择**：聚焦能立刻换钱或快速涨本事的领域，避免盲目跟风学无用知识[8] - **碎片化定投**：每天投入1小时学习，一年累计365小时足以精通一项新技能[8] - **建立反馈闭环**：学到知识后24小时内应用，通过市场和他人反馈持续优化[8] - **投资自己优于投资房产**：技能即刻兑现，跳槽就能涨薪，知识技能只会增值，能力提升带来薪资增长、发展副业、抓住新机会[9][10] 企业投资方法论 - **核心理念**：将“人力成本”转化为“人才驱动”，通过投资员工技能提升实现乘数效应[10] - **核心工具**：运用“人才ROI测算表”和“成长协议”两大工具，兼顾显性成本与隐性成本、短期回报与长期价值[10] - **雇佣关系定位**：好的雇佣关系是投资关系和合伙关系，企业应成为让员工身价暴涨的“健身房”[10] 未来需布局的关键技能 - **AI工具使用能力**：AI时代无需精通编程，关键是学会“指挥AI干活”[12] - **跨领域整合能力**：π型人才（拥有两大核心技能）将成为职场新宠[12] - **终身学习能力**：核心是“会找答案”，在实践中快速转化知识价值[12] 行动倡议 - **个人行动**：用10分钟列出自己的技能清单与资产清单，明确提升方向[19] - **企业行动**：用20分钟测算核心员工的培训ROI[19] - **政策利用**：花5分钟查询当地职业培训补贴、免费体检等政策红利，积累健康和技能资产[19]

培训背景与主办方 - 未可知人工智能研究院副院长张孜铭为中国商飞上海飞机设计研究院进行专题培训[1] - 中国商飞上海飞机设计研究院是中国最大的民机研发中心，承担C909、C919、C929等客机型号的设计研发任务[1] 生成式AI技术原理与应用 - 生成式AI核心原理在于内容创造，区别于决策式AI的最优决策聚焦[2] - 关键技术包括注意力机制、文生图技术（如CLIP与Diffusion模型结合）[2] - 演示了DeepSeek、Midjourney、Sora等工具在文本、图像、视频生成中的实战效果[2] 提示词工程技巧 - 分享了指令型与推理型提示词的差异化技巧[3] - 通过“四步撰写法”（角色、背景、任务、要求）现场生成旅游行程、政策解读等案例[3] - 演示了用AI模仿鲁迅文风评述科技发展，展现AI的语义理解与创造力[3] 低空经济与eVTOL应用 - 聚焦eVTOL（电动垂直起降飞行器）在50-400公里距离的交通优势[5] - 以上海临港至虹桥枢纽为例，对比eVTOL与传统出行方式的时间效率[5] - 结合无人机AI巡检案例，为AI技术在航空器设计与运维中的融合应用提供新思路[5] 培训成效与行业影响 - 培训通过理论结合实操，助力学员掌握生成式AI工具在航空设计、数据分析、智能运维等场景的落地方法[5] - AI技术正重塑低空经济生态，企业需主动拥抱工具革新，以数智动能驱动产业升级[5]

文章核心观点 - AI技术可作为医疗账单审计工具，有效识别和纠正医疗收费中的重复计费、编码错误等不规范行为，美国案例显示账单金额从19.5万美元降至3.3万美元，降幅达83% [2][8] - 中国医疗收费体系存在透明度不足问题，如收费代码弹性差异可达3倍、打包收费模糊、设备使用费过高，导致患者维权困难 [11][12] - 中国AI算法能力全球领先，但医疗账单审计应用受阻，主因是数据获取难、利益链阻碍及政策支持不足 [14][15] - 推动医疗收费透明化需三场变革：数据革命（建立国家收费数据库）、算法革命（开发民用审计工具）、惩罚革命（严惩欺诈行为） [18][19] AI在医疗账单审计中的应用案例 - 美国患者使用Claude AI分析医疗账单，发现重复收费（如主手术与包含项目分开计费）和代码乱填（急诊服务标为住院项目），最终将账单从19.5万美元压缩至3.3万美元 [2][7][8] - AI审计依赖统一的收费代码框架，美国联邦医保数据库公开可查，为算法提供训练基础 [8][15] 中国医疗收费体系问题 - 收费代码执行不透明，同一手术可选5档不同代码，差价达3倍，患者无法查询代码含义 [11] - 打包收费项目模糊（如"综合治疗费"），存在将基础服务（如换床单）计入高价项目的情况，某医院借此年多收120万元 [11] - 设备使用费不合理，如直线加速器使用费达设备买价的5倍，且数据未公开 [11] - 患者维权时面临部门推诿，缺乏有效申诉渠道 [12] 中国AI医疗审计的挑战 - 医院以数据安全为由拒绝提供收费明细，导致AI算法缺乏训练数据 [15] - DRG/DIP付费改革下，部分医院设立"编码优化部"钻空子牟利，抵制透明化审计 [15] - 政策文件（如2025年医疗器械监管改革意见）未强制要求收费数据开放，缺乏制度推动力 [16] 医疗收费透明化改革路径 - 数据革命：强制公立医院公开收费明细，建立国家医疗收费数据库，实现明码标价 [18] - 算法革命：鼓励开发民用账单审计工具，将专业规则转化为易懂模型（如扫码分析高风险收费项） [19] - 惩罚革命：设立医疗欺诈黑名单，处以10倍营收罚款并追责，参考美国2025年起诉324人涉案146亿美元的案例 [19]

稳定币的演化历程 - 稳定币已从简单的支付工具演变为融合区块链、Web3.0和现实世界资产三大技术浪潮的金融新基建[7] - 其发展经历了三个阶段：区块链奠定价值互联网基础（2009-2015）、Web3.0推动可编程经济崛起（2015-2020）、现实世界资产实现数字世界价值互联（2020-2024）[8][11][14] - 2024年至今，稳定币已成为数字金融的“定海神针”，是三大技术浪潮的交汇点[16] 稳定币的技术基础与驱动因素 - 区块链技术通过去中心化账本解决了“双花问题”，实现了点对点的价值传输，为稳定币奠定基础[6][8] - 以太坊智能合约技术让区块链从“价值传输”升级为“可编程经济系统”，推动了DeFi等应用爆发，但也凸显了加密资产高波动性与经济系统需要稳定性之间的根本矛盾[6][11] - 现实世界资产代币化趋势为稳定币提供了更丰富的抵押品选择，推动了传统资产通过代币化进入加密领域[7][14] 稳定币在Web3.0生态系统中的作用 - 稳定币作为DeFi协议的“血液”，成为借贷协议的计价单位以确保贷款价值比计算和清算机制的准确性[12] - 在NFT市场中，稳定币作为定价锚，避免以太币价格波动对交易定价的干扰[13] - 稳定币为去中心化自治组织提供可靠的财政工具，满足其国库资金管理对稳定价值存储手段的需求[13] 现实世界资产与稳定币的结合 - 主流稳定币如USDC和USDT开始将部分储备投资于短期美债，成为“生息稳定币”，为用户提供更高收益回报[14] - Ondo Finance、Maple Finance等协议通过将企业债、国债代币化，增强了稳定币的收益能力[14] - 贝莱德与Securitize合作推出的代币化美债基金BUIDL资产管理规模接近30亿美元，显示传统金融巨头对RWA的积极布局[15] - 代币化美国国债市值在2025年显著增长，已超过73亿美元，平均到期收益率为4.13%[15] 稳定币的当前功能与影响 - 在技术层面，稳定币依托智能合约实现自动化管理，通过预言机接入现实世界数据，支持跨链互操作[16] - 在经济层面，稳定币作为法币与加密货币之间的桥梁，为DeFi提供流动性支持，为RWA提供价值锚定和结算媒介[17] - 在社会层面，稳定币推动普惠金融发展，在跨境支付领域展现显著优势，为新兴市场提供抗通胀工具[17] - 稳定币与RWA的结合正在重构金融基础设施，推动传统金融向数字化转型[17]

研究院战略布局 - 未可知人工智能研究院杭州分院在杭州市滨江区正式挂牌成立，是研究院布局华东地区的重要战略支点[1] - 此次落子杭州滨江区是研究院把握长三角人工智能产业发展机遇、完善全国战略布局的关键举措[3] - 杭州分院将依托长三角产业优势与人才资源，聚焦人工智能产业应用研究与创新人才培养[1] 研究院定位与业务 - 未可知人工智能研究院是国内领先的新型AI研究机构，整合集团旗下科技加速器、实验室及企业培训业务板块，形成“产学研用”一体化创新体系[3] - 研究院致力于人工智能技术的产业化落地，在AI解决方案开发、新质生产力咨询研究、人才培养等领域与各地政府、院校及企业建立深度合作[3] - 研究院已成为推动AI技术从实验室走向产业界的重要桥梁[3] 区域产业优势 - 杭州滨江区是浙江省数字经济核心区，集聚了大批人工智能领军企业与创新载体，产业生态完善、政策支持体系健全[5] - 滨江区政府正全力推进人工智能与实体经济深度融合，将为分院提供全方位的政策支持与服务保障[9] - 区域优势为人工智能技术研发与应用提供了得天独厚的土壤[5] 分院发展规划 - 杭州分院将重点开展智能图像处理、机器学习、工业AI应用等领域的研究，打造集技术研发、成果转化、人才孵化于一体的创新平台[5] - 分院将建立“政产学研”协同创新机制，与浙江大学、杭州电子科技大学等高校加强合作，攻克AI产业关键共性技术的产业应用[7] - 分院将打造AI人才培养基地，结合产业需求开展定制化培训，为企业输送高素质技术人才[7] - 分院将推动技术成果本地化落地，聚焦人工智能+智能制造、新能源、智慧医疗以及具身智能等优势产业，开发具有行业竞争力的AI解决方案[7] 合作伙伴与未来展望 - 杭州分院未来将以技术创新为核心驱动力，以产业需求为导向，不断深化与地方政府、企业及高校的合作[12] - 分院将加速人工智能技术成果转化，为长三角乃至全国AI产业高质量发展贡献智慧与力量[12] - 合作伙伴包括字节跳动、万科、招商基金等知名企业与机构[13]

文章核心观点 - AI行业呈现明显的两极分化格局，部分赛道已形成巨头垄断，新玩家难以进入，而另一些领域则存在显著的空白机会 [2][3][7][8][16] 已成定局的"死亡地带"：三大领域再无入场门票 - 基础模型领域由谷歌、Anthropic、OpenAI、xAI、Meta、Mistral六家寡头垄断，技术、资本和生态壁垒极高 [4] - OpenAI训练GPT-4花费超1亿美元，千亿参数模型每日耗电数十万度，百万级GPU集群维护成本高昂 [4] - 巨头通过生态闭环强化优势，例如OpenAI的ChatGPT拥有1亿日活用户，谷歌将Gemini嵌入安卓系统，Meta通过API接口绑定开发者生态 [4] - AI辅助编程市场呈现赢家通吃局面，Anthropic的Claude Code每周下载量达300万次，企业客户续约率超92%，年收入超2亿美元 [5] - OpenAI的Codex通过GitHub Copilot拥有1500万付费用户，市场份额超60% [5] - 客户支持AI市场估值达15亿美元，但竞争激烈，Decagon融资1.31亿美元，其系统能与企业订单、物流数据打通形成闭环能力 [6] - Salesforce、HubSpot等CRM巨头将AI客服模块作为赠品免费提供，挤压独立AI客服公司的价格优势 [6] - 医疗转录领域Abridge占据80%的三甲医院市场，与Ambiance共同占据90%市场份额，新玩家机会渺茫 [6] 野蛮生长的"希望之地"：四大空白领域的掘金机会 - 金融科技领域机会在于解决实际痛点，例如利用多模态模型进行跨境支付反欺诈，系统能在0.3秒内识别骗局，东南亚市场单套售价达200万美元 [9] - 通过替代数据（如电表转速、货车趟次、外卖订单）为中小微企业建立信用画像，贷款利率可降低2个百分点，印度市场已帮助银行降低40%坏账率 [9] - 会计行业AI化潜力巨大，未来5年财务审核岗位可能减少90%，AI系统能处理多国税务，将错误率从15%降至0.5%，深圳市场年服务费达18万元 [11] - 结合区块链的AI审计工具可将审计时间从3个月缩短至2周 [11] - AI安全需求迫切，2024年全球因AI安全漏洞损失超500亿美元，同比2023年增长3倍，定制化安全方案单套售价可达数十万美元 [13] - 联邦学习、大模型防火墙等技术可实现事前防护，并符合数据隐私和监管要求 [13] - 物理智能是AI与真实世界结合的新增量市场，工业机器人通过AI视觉和力控技术实现柔性生产，特斯拉工厂已替代60%人工，国内初创公司产品单价200万元，年销量破千台 [14] - AI药物研发可将新药研发时间从10年缩短至3年，成本从10亿美元降至2亿美元 [14] - 物理智能领域需要算法、硬件、场景深度结合，存在较高的跨学科壁垒 [15]

活动核心观点 - 活动主题为探讨未来十年最稳定、最划算的投资方向，强调"投资于人"的理念，认为这是超越物质与技术的核心价值[3] - 活动提出"成人者终达己"的投资哲学，融合经济学理性判断与中国传统"修己以安人"的智慧[3] - 活动旨在为参与者提供重新审视价值和规划未来的高阶视角，帮助各类人群提升未来竞争力[5] 活动基本信息 - 活动时间为11月16日（周日）14:00-16:00，地点在杭州上城区府学巷8号西湖国学讲堂[8] - 活动采用预约制，名额有限需提前报名，参与者需提前15分钟到场签到[10] - 活动面向寻求突破的职场人、为子女未来思虑的家长、渴望系统性成长的年轻人、希望洞察趋势的创业者与管理层等多类人群[7] 主讲嘉宾背景 - 主讲嘉宾杜雨博士为中国社会科学院技术经济学博士，现任未可知人工智能研究院院长[14] - 嘉宾拥有红杉资本副总裁从业经历，是人工智能领域的畅销书作家[14] - 未可知人工智能研究院聚焦AI前沿趋势、商业落地与人才发展，致力于成为AI时代的认知基础设施[17]

AI技术本质与终局 - AI技术的终局不是简单的工具迭代，而是人机结合的全新形态，其本质是新的生命形式，这与蒸汽机、电力等以工具赋能为核心的前几次科技革命存在根本属性差异[7] - AI已具备生命繁殖能力，证据包括特斯拉人形机器人工厂中机器人参与同类制造的生产闭环[9] - AI可干预人类意识，例如未可知人工智能研究院增速最快的GEO业务显示消费者决策正深度依赖AI建议，品牌商需转向影响AI而非说服人类[9] 应对AI革命的策略框架 - 产业端需政府与企业协同作战，联手打造新一代AI产业体系，推动技术、资本、人才的体系化聚合，摒弃单点突破思维[7] - 教育端改革核心在于重构考核逻辑，让学习者深入生活场景解决实际问题，以解决真问题取代纸上谈兵，这是AI无法替代的核心能力[7] - 国际端安全不能闭门造车，必须通过国际合作搭建安全屏障以破除技术孤岛，AI的全球性决定了安全需共建[7] 高质量发展新范式 - 新科技革命的核心是AI革命，高质量发展的关键在质不在量，过去追求GDP最大化的老路已经走不通[11] - 传统GDP指标已无法衡量AI时代的发展质量，例如小公司使用AI智能体后设计费用从年付几百万降至几百元，GDP下降但效率提升、幸福指数上升[11] - 必须打造新的发展仪表盘，未来的衡量标准应聚焦效率提升、民生改善与幸福增长，实现从重量到重质的转轨[11] 政策导向与高频关注点 - 根据四中全会“十五五”公报词频统计，“产业”出现8次，“科技”出现6次，“安全”出现7次，显示产业体系、科技创新和安全是政策重要性排序最高的三大领域[8] - 其他领域如改革出现5次，开放出现3次，内需消费出现2次，债务和房地产各出现1次，金融出现0次，反映出不同的政策关注度[8]

文章核心观点 - AI基础设施投资存在严重泡沫，科技巨头年资本开支近4000亿美元，未来五年计划总投资达5.2万亿美元，但当前全球AI收入仅200亿美元，需增长100倍才能匹配投资规模[1][5] - 历史规律表明，过度资本开支和重资产扩张将导致公司跑输市场，AI基建股估值过高，存在巨大风险[7][17][40] - 真正的投资机会在于不直接参与基建、但能有效应用AI技术提升业务的“AI搭便车者”公司，这些公司估值更低且能直接受益于AI带来的效率提升[31][32][33] AI基建投资规模与历史对比 - 美国科技巨头今年AI资本开支接近4000亿美元，麦肯锡预测未来五年全球AI基建投资将达5.2万亿美元，相当于印度全年GDP[5] - 当前AI收入与投资严重不匹配，全球AI收入仅200亿美元，需增长100倍才能达到2030年所需的2万亿美元年收入目标[7] - 历史上有类似泡沫案例：1868-1873年美国铁路泡沫期间铺设3.3万英里铁轨，经济恐慌后数百家铁路公司破产；2000年互联网泡沫中电信公司投资5000亿美元铺设光纤，导致85%光纤闲置，带宽价格下跌90%，行业指数暴跌92%[7] AI对股市的影响 - 自ChatGPT发布后，AI股贡献了标普500指数75%的涨幅、80%的盈利增长和90%的资本开支增长[11] - “七巨头”（苹果、微软等）在标普500中的权重超过30%，集中度高于互联网泡沫时期[11] - AI资本开支支撑了美国GDP增长的50%，成为经济的“遮羞布”[12] 资本周期与资产扩张风险 - 自1963年以来，疯狂扩张资产负债表的公司年化回报率比保守公司低8.4%，存在“资产增长异象”[17] - 该规律在全球各大行业和市场中普遍适用，过度投资的公司均表现不佳[20] - AI设备折旧速度极快，芯片可能2-3年过时，导致持续的高额资本支出，铁路可用30年，光纤可用7年，而AI芯片生命周期短[21] 科技巨头的战略转型与困境 - 过去十年“七巨头”依靠轻资产模式获得22.5%的投资回报率，是标普其他公司的3.6倍，无形资产是其他公司的3-7倍[25] - 目前“七巨头”资本开支占营收比例从2012年的4%上升至15%，Meta、微软、谷歌超过21%，高于公用事业公司水平[25] - 巨头陷入“AI囚徒困境”，Meta为建数据中心借入270亿美元表外债务，扎克伯格称“宁愿错花几千亿也不能错过AI”，拉里·佩奇表示“宁愿破产也不输”[29][30] AI领域的投资机会识别 - AI受益者分为两类：AI基建者（芯片、云、数据中心）估值溢价达137%；AI早期使用者（金融、工业、医疗等）估值溢价仅为13%[33] - AI早期使用者遍布全球，以色列、德国的AI使用者占比高于美国，日本、中国、印度也有众多机会，例如沃尔玛用AI优化供应链，摩根大通用AI做风控，西门子用AI改进生产，罗氏制药用AI搞研发[37][39] - 自2015年以来，便宜的AI股票收益比市场高136%，而贵的AI股票仅高出61%，尤其在2021-2022年估值回调时，便宜股票更具韧性[42]

文章核心观点 - AI行业当前存在严重估值泡沫，英伟达和Palantir等明星公司估值已严重脱离基本面，迈克尔·伯里以10亿美元看跌期权押注泡沫破裂，类似2008年次贷危机前的市场环境 [2][4][5][8][10][11][13][14][15] 泡沫现状与具体案例 - 英伟达市值突破5万亿美元，超过德国全年GDP，但估值与基本面脱钩 [5][8] - Palantir年营收仅44亿美元，但股价一年上涨4倍，市值达3.2万亿元人民币，估值达到营收增速的6倍 [5][7][13] - 超微电脑股价两年内上涨40倍，市盈率达800，但随后7个月内下跌80%，3个月内下跌47% [10] - 高盛指出2024年AI领域投资达1610亿美元，但大部分集中在10家公司，存在投资回报风险 [7][10] 历史对比与行业风险 - 当前AI泡沫与2000年互联网泡沫、2008年次贷泡沫相似，表现为全民疯狂、价值与价格脱钩、风险被忽视 [8][10][14] - AI行业已出现裂缝：Runway宣布放弃纯AI业务转向传媒，Character.AI估值从50亿美元降至25亿美元（实际价值仅10亿美元） [8][10] - 资本盲目追逐AI概念，例如StabilityAI一季度营收不足500万美元，亏损超3000万美元，仍获投资 [11] 市场反应与空头策略 - 伯里通过Scion资产公司投入9.12亿美元看跌期权押注Palantir，1.87亿美元押注英伟达，占其持仓80% [4][13] - 伯里持仓曝光后，英伟达股价短期上涨6.5%，Palantir上涨4.6%，但市场波动类似2005-2007年空头策略初期浮亏阶段 [13][15] - 泡沫预警信号已现：英伟达盘前跌2%，Palantir跌近8%，显示市场情绪敏感 [15] 行业未来走向 - 泡沫破裂后将引发行业清洗，缺乏技术的公司被淘汰，真正有技术实力的公司存活并长期发展 [14] - 类比2000年互联网泡沫破裂后纳斯达克指数下跌78%，但优质公司最终成长为行业巨头 [14]