人工智能技术革命评估 - 人工智能技术革命在长期内往往被低估，而在短期内则被高估，目前可能稍微高估了其带来的益处 [2] - 从长远来看，考虑到劳动力市场和人口结构的变化，人工智能将有利于全球经济，并有望弥补劳动力市场人口结构变化带来的影响 [2] - 技术改变社会运作方式、提高经济效率和生产力需要时间，历史经验显示个人电脑、互联网和移动通信革命均经历了漫长过程 [3] 人工智能投资与市场影响 - 关键问题在于大规模投资（万亿美元级别）能否带来相应的全球生产力提升 [2] - 当前市场估值需持谨慎态度，但人工智能的长期收益可能被低估 [2] - 人工智能技术必须产生经济效益，问题在于哪些行业将从技术应用中获益最多，从而提高生产力并最终实现经济效益 [3] 行业受益机会 - 最初受益的是所谓"生产工具"的行业，第二波浪潮中技术必须产生经济效益 [3] - 人工智能可能帮助制药公司更轻松快速地生产新疫苗和新药，并更快推向市场 [3] - 欧洲市场优势领域集中在制药、国防、奢侈品、助听器等，欧洲公司在这些领域占据很高市场份额 [8] 全球市场资金流向 - 全球投资者此前大力押注美国股市，但美国股票在全球指数中占比高达70%，比重过高 [6][7] - 与中国历史平均水平相比，中国股市估值处于较低水平，中国国债收益率下降让股票投资更具吸引力 [6] - 资金减少对美国市场依赖并进一步拓展中国、欧洲等市场的趋势刚刚开始，未来几年会是渐进过程 [7] 欧洲市场评估 - 欧洲股票长期处于大幅折价状态，过去十年欧洲企业盈利停滞不前，而美国企业盈利持续增长 [7] - 欧洲不会成为人工智能基础模型中心，中国和美国遥遥领先 [8] - 德国在国防和基础设施方面投资长期不足，但德国是少数拥有足够财政空间能够加大国防基础设施投资的国家 [8] 市场基本面与驱动因素 - 从长远来看，市场最终会反映基本面表现 [9] - 未来十年股市回报率可能会较为温和，因21世纪20年代迄今股市涨幅已超过企业利润增速 [10] - 关税转嫁方式可能通过推高物价或提高失业率，这将影响美联储的降息决策 [10]

人工智能投资前景 - 人工智能技术革命在长期内往往被低估，而在短期内则被高估，目前可能稍微高估了其短期益处 [2] - 从长远来看，考虑到劳动力市场和人口结构的变化，人工智能将有利于全球经济，并有望弥补劳动力短缺的影响 [2] - 人工智能与互联网泡沫有相似之处，但区别在于当前许多大型企业创造了巨额现金流，利润丰厚 [2] - 技术改变社会运作方式并提高经济效率需要时间，历史经验表明初期赢家未必能长期受益 [3][4] - 人工智能第二波浪潮需产生经济效益，制药等行业可能通过加速新药研发等应用大幅提高生产力 [5] 美国经济与市场风险 - 美国经济表现强劲的原因包括扩张性财政政策（预算赤字接近7%）和移民数量大幅增加 [6] - 财政刺激扩大已很困难且移民政策可能收紧，共同导致美国经济大幅走弱，衰退可能性约为30% [6] - 美国债务水平超过GDP的100%，预算赤字在GDP的6%到7%之间，这种情况不可持续 [9] - 市场估值较高且集中度令人不安，少数几只股票占据了美国股市三分之一的份额 [11] - 未来十年股市回报率可能会较为温和，因迄今股市涨幅已超过企业利润增速 [23] 全球资产配置趋势 - 全球出现摆脱对美元依赖的多元化趋势，黄金价格是这种趋势的佐证 [8][13] - 西方以外国家央行正减少对美元依赖并增持黄金，个人投资者10%到15%的黄金配置比例可能合理 [15] - 美国股市在MSCI全球指数中占比高达70%，资金减少对美国市场依赖并拓展中国、欧洲等市场的趋势刚开始 [17] - 与中国历史平均水平相比，中国股市估值处于较低水平，国债收益率下降使股票投资更具吸引力 [16] - 欧洲股票长期处于大幅折价状态，其优势领域在于制药、国防、奢侈品等成熟行业而非人工智能基础模型 [18][21] 行业与企业影响 - 人工智能等新技术必须产生经济效益，关键问题在于哪些行业能通过应用技术最高效地提高生产力 [5] - 欧洲市场在制药、国防、奢侈品、助听器等领域公司占据很高市场份额，是其优势所在 [21] - 贸易战导致全球生产效率降低和通胀压力增大，但可能降低各国商业周期同步性，为多元资产投资者提供分散投资机会 [10] - 关税转嫁可能通过推高物价或提高失业率实现，其对通胀和美联储政策的影响是明年市场关注点 [23]

文章核心观点 - 上海人工智能实验室主任周伯文以“阿玛拉定律”为引，提出对AGI for Science（通用人工智能驱动科学创新）的“六问”，探讨其边界、能力及未来发展潜力 [1] - AI for Science（AI4S）模式正与生物医药、材料科学、电子技术等实体经济领域紧密结合，推动科技创新 [1] - 行业认为AGI是人工智能的下一阶段目标，其最具魅力的地方在于促进不同学科的深度融合，激发出新的交叉学科 [1][3] - 公司通过发起“科学智能战略科技力量联盟”等具体行动，推动从理论突破到应用落地的全链条闭环 [5] AI for Science 的价值与成果 - AI for Science的价值已得到学界公认，在2025浦江创新论坛上有十项成果发布 [2] - 发布的成果包括首个通专基座联合驱动的蛋白质设计AI科学家Amix-Agent，以及多模态环肽合成深度学习通用模型DeepPeptide等 [2] - 实验室已教会模型理解徐悲鸿笔下的马、鉴赏留白的意境，展示了从非结构化原始数据中识别研究价值模式的能力 [4] AGI for Science 的六问反思 - 边界之问：需清晰认知并非所有科学问题都能被人工智能解决，避免陷入“AGI万能”的误区 [2] - 预测之问：不应高估当前大语言模型或数据驱动方法，其训练受限于人类已有认知和人为约束的数据 [3] - 语言之问：人工智能需从纯粹依赖自然语言，走向自然语言与符号语言等多种表示形式的融合 [3] - 交叉之问：AGI for Science的魅力在于促进不同学科深度融合，帮助构建人类尚未构建的科学范式 [3] - 验证之问：提出思想实验，衡量标准是AGI能否基于1905年之前的科学知识自主推导出广义相对论 [3] - 新科学之问：AI正在重构研究者、研究对象与研究工具的关系，在社会学、工程研究等领域有巨大应用空间 [4] 行业行动与未来展望 - 公司联合多家科研机构共同发起“科学智能战略科技力量联盟”，推动生物制造、量子科技、脑科学、化学材料、气候能源等领域与人工智能深度融合 [5] - 行业观点认为，科学探索的罗盘始终由人类的心灵、好奇心与价值观指引，预测未来最好的方法是创造未来 [4]