四、自动驾驶 Robotaxi#

我之前倒写过关于Robotaxi的市场细分研报。如果有针对智能驾驶市场进行拆分详解需求的同学可以搜一下国信证券的三篇报告，分别是：

• 汽车智能化系列专题-感知篇：终端智能化军备竞赛打响，中游各知硬件放量先行
• 汽车智能化系列专题-决策篇（1）：从芯片到软件，车载计算平台产业链全面拆解
• 汽车智能化系列专题-决策篇（2）：全球车载计算平台赛道核心玩家全面梳理

传统Robotaxi赛道过去一直深陷于 「硬件堆砌」 与 「长尾场景优化」 的双重泥潭。「硬件堆砌」指的是以Waymo和Cruise为代表的早期Robotaxi厂商，为了追求极致安全和冗余，不惜采用激光雷达、高精地图、多重传感器和超大算力芯片等豪华配置，这导致单辆自动驾驶出租车的成本一度高达20万美元，商业化进程几乎难以推进。

而「长尾场景优化」则意味着，即便自动驾驶系统已经能够稳定应对绝大多数常规路况，但剩下不到1%的极端案例（比如暴雨中识别交警手势、临时道路封闭改道或乡村小路的特殊障碍物），却仍需要工程师进行手动编写规则、逐一攻克。这种模式使自动驾驶的落地充满瓶颈，技术进步的边际成本异常高昂，极大限制了产业规模化的可能性。

幸好，大模型时代来了。

随着Transformer、Occupancy Network等新一代AI模型的入局，Robotaxi的技术推进开始出现曙光：基于多模态大模型的实时感知能力，车辆不再过度依赖昂贵的高精地图，反而能直接从视觉等多种传感器实时构建更具灵活性的“语义地图”，精准捕捉道路上的动态变化与交通参与者的真实意图。举个栗子，以往让人头疼的“鬼探头”场景（比如路人突然从视线盲区冒出）在Transformer模型的帮助下，车辆反应速度可以达到人类驾驶员的1.5倍。

与此同时，端到端的决策大模型（例如特斯拉的FSD、Wayve的LINGO-1、华为的高阶智能驾驶系统和理想的E2E-VLM等）更是彻底改变了传统自动驾驶需要层层模块堆叠的局面。过去动辄数十万行的代码，如今被高度整合的模型浓缩到了不足2000行，复杂场景的处理效率反而提升了40%以上，让自动驾驶从“硬件为王”的时代悄然过渡到“智能为王”的时代。

除了软硬件层面的进步，智驾厂商庞大的用户量也带来了智驾能力的增长飞轮。随着车队规模不断扩大，每天都会产生PB级的真实路况数据，这些数据通过自动标注技术快速回流训练模型，形成了一个自我强化的“数据飞轮”，如小鹏汽车端到端大模型能够做到“每2天一次版本迭代，每2周一次体验升级”。大模型加持下的Robotaxi终于摆脱了“越堆越贵，越学越慢”的尴尬困境，驶入了一条快速迭代、低成本扩张的新赛道。

我们的ARK主要认为，随着Robotaxi性能曲线的快速增长+持续的降本增效，特斯拉预计其自动驾驶软件在安全性上将超越人类驾驶员，网约车会随之创造约十万亿美元的市场，到2030年无人驾驶出租车可能产生约34万亿美元的企业价值。

oi，还是一如既往的火热和大胆呢，wood桑

五、自动物流（Autonomous Logistics）#

这块我觉得是真的挺有颠覆性想象力的。

我们都知道Robotaxi主要面对长尾场景+政策监管的挑战，而自动物流的落地难度相对更低，商业化前景反而更加清晰。毕竟，货运的核心诉求就是“准时、稳定、低成本”，并不要求像Robotaxi那样具备复杂的人机交互能力。只要能够高效完成点对点的货物运输，自动驾驶物流车就已经能够创造巨大价值。

当前全球物流行业面临的核心挑战是劳动力短缺、成本高企和效率瓶颈。以美国为例，卡车司机的平均年龄已经超过50岁，行业面临持续性的用工荒。与此同时，物流成本占全球GDP比重约10%，其中70%来自人力、燃油和车队运营支出，而传统长途货运受制于人类司机的工作时间限制（如欧美严格的驾驶时间监管），导致车辆利用率远低于理论最大值。自动驾驶货运车队的最大优势就在于无需人力成本，理论上可以24小时不间断运营，提高单车利用率，同时智能算法可以选择最优路线、控制油耗，甚至在新能源卡车普及后进一步压缩能源成本。此外，由于80%以上的公路货运事故由人为失误造成，自动驾驶技术的引入也能极大提高安全性。

在自动物流的市场中，可以拆解为干线物流、支线物流和末端配送三个层级。

其中，当前最具商业化潜力的赛道无疑是干线物流。干线物流适用于高速公路、封闭园区等规则明确、可预测性高的场景，例如，图森未来（TuSimple）、Aurora、Waymo Via等公司已经在美国展开大规模L4级自动驾驶卡车的测试，特斯拉Semi也计划搭载FSD进入自动货运市场。而在国内，满帮集团、美团、京东物流等企业也在加速布局无人驾驶货运车队，阿里旗下的菜鸟物流更是在多地试点“无人车+无人仓”模式，目标是实现全链路智能化。

支线物流一般指干线物流到配送中心或城市内各分拨点之间的中短途运输。由于支线物流场景通常包括城市郊区、高速与城镇道路交织区域，行驶环境的复杂程度明显高于干线物流，但又相对可控，因此具备规模化自动驾驶技术落地的潜力。例如，国内京东物流已在多个城市内实现支线物流自动驾驶车辆的试运营，通过固定路线和区域运营的模式，降低技术落地的难度，实现了运营效率的提升与成本的下降。此外，支线物流在车货匹配和配送路径优化上的空间巨大，结合自动驾驶与AI算法，可进一步提高运输效率、降低货损率，实现更智能的城市物流体系。

末端配送则是自动物流的最末环节，主要面向社区、校园、园区等区域内的短距离配送，货物一般以小包裹或轻量货物为主。末端配送自动驾驶车辆（无人配送车）的优势在于能够高频、高效地完成重复配送任务，节省大量人力资源，降低配送成本。同时，末端配送自动驾驶车辆通常采用电动化、小型化设计，更易于在城市密集环境中穿梭，且具备一定的灵活性，例如自动识别行人和路障，实现安全避让。目前，美团、京东、阿里菜鸟等公司都已在多地展开无人配送车的试运营，特别是在疫情期间，无人配送车在降低人际接触、保障物资供应方面发挥了重要作用，使得末端配送的自动化趋势进一步加速。

如果说自动驾驶Robotaxi的终极形态是一个全球范围的“AI司机车队”，那么自动物流的终极形态或许是一个“机器人物流网络”。自动驾驶卡车承担干线运输，长途货运24小时不间断运行，支线配送由自动驾驶轻型货车完成，灵活应对中短途需求，而末端交付则依赖无人配送车、无人机，完成“最后一公里”服务。从供应链的角度来看，自动物流系统的出现意味着物流行业将从“人力驱动”转向“算力驱动”，物流效率的瓶颈将逐步被算法突破。未来，商品运输成本的下降可能会带动全球商品价格的降低，使得自动化物流成为推动全球经济增长的重要力量。

木头姐在这章最后一页还专门提了一嘴，“美国需要低成本、⼈⼯智能驱动的⻜机”，放了中国和伊朗的无人机和美国的F16还有导弹做对比，主打一个压力给到议员，美元给到专款

六、能源#

能源这一块我是真不懂。按照我之前对于光伏发电市场的调研经验，传统能源早就进入红海市场范畴了，大家卷生卷死只为拼尽全力不出局。这个大市场下有想象力的板块应该就只剩民用核电了。

民用核电具有清洁、高效以及能源密度极高的优势，但由于历史事故的阴影以及公众认知问题，长期以来发展相对迟缓。然而，随着第四代核反应堆技术（如小型模块化反应堆SMR和高温气冷堆HTGR）的快速进步，民用核电正重新进入市场视野。SMR技术通过标准化设计与模块化生产大幅降低了成本，同时也提高了安全性和灵活性，使其能够快速适应不同地区的能源需求。与此同时，高温气冷堆的高安全性设计，即便出现严重事故也能通过被动散热的方式自然降温，几乎消除了核泄漏风险，显著改善了公众接受度。

以中国为例，海南昌江的小型模块化反应堆示范项目、山东荣成的高温气冷堆核电站均取得了里程碑式的进展。这类新型核电站不仅可以应用于集中供电，也适合于偏远地区的能源自给自足，甚至在海上核动力平台上也具备巨大潜力。随着能源转型需求的不断增加，未来十年内，民用核电或许能从边缘角色成长为全球能源市场的新增长极之一，开启全新的能源时代。

NOTE

伴随以GPT为代表的大模型浪潮兴起，全球算力需求呈现爆发式增长，对能源供应的需求也随之剧增。以微软为代表的科技巨头已经开始积极布局小型核电站项目，以满足数据中心大规模模型训练和推理阶段对于稳定、高效且低碳能源的庞大需求。

七、具身智能#

这段直接参见我 暗涌系列：Ark Invest《Big Ideas 2025》报告浅析 Part 1 观点洞察里的「具身智能革命进入成本临界点」部分就行了。

八、可重复利用轨道火箭#

这块毋庸置疑，肯定是青天大老爷马斯克的星舰的天下。ARK关注的主要是星舰+星链建设，看起来她们也没有不要脸到嗯画星辰大海的饼的地步。

传统的航天发射业务一贯以昂贵、复杂且难以复用为特点，导致航天成本居高不下，航天任务严重依赖政府补贴和少数大公司的垄断控制。星舰项目的目标则在于实现完全可复用，且能够快速周转的轨道级运载火箭。一旦这一目标实现，每次航天发射的边际成本将出现数量级的下降，或将从数千万美元甚至上亿美元降至几百万美元级别。这不仅会大幅降低卫星发射的成本，也能极大促进空间基础设施建设的发展。

畅想未来一点，星舰的大规模运载能力（单次运载高达100吨），也为深空探测、月球基地建设甚至火星殖民带来了实际可能性。虽然现在谈星辰大海还有些言之过早，但至少有了星舰，我们对于未来的太空探索终于有了一个相对清晰且务实的路线图。

毕竟，有时候未来看起来就差一个火箭而已。

九、多组学#

生物这块我纯丁真水平，就不在这里献丑了，直接放上R1总结的内容：

我们能从ARK Invest的报告里学到什么？#

那些最具颠覆性潜力的赛道，往往都是伴随着巨大的不确定性和前期投入。Robotaxi的硬件堆砌问题、自动物流的监管挑战、民用核电的公众接受度等，这些赛道的共性在于早期资本投入大、技术风险高，但一旦跨越技术与市场的临界点，后续的规模效应与成本下降则能带来几何级增长。投资者需要学会区分真正的瓶颈与暂时的障碍，看到行业中「由量变到质变」的转折点，并做好在市场尚未普遍认可之时的战略布局。

未来投资最核心的能力之一，就是理解技术进步的本质：无论是自动驾驶、多组学，还是太空运输，其成功的关键都依赖于算力、算法和数据的结合，即「智能为王」的时代已经到来。这意味着投资逻辑也必须相应转型，从传统的硬件、渠道、品牌等资产投入，转向数据、算法、生态体系等智力资本的价值挖掘。

ARK Invest擅长描绘产业发展的远期愿景，但要真正捕捉这些产业机会，投资者不仅要能够忍受短期的波动和市场的不确定性，更需要有足够的定力和信念在市场产生悲观情绪时反而逆向投资。正如特斯拉自动驾驶项目曾遭遇的种种质疑，或生物技术产业早期高昂的试错成本，市场总是倾向于高估短期变化，却低估长期影响。

对于个人投资者，我们需要警惕两种心态：

• 技术乐观主义的「信仰透支」：将实验室突破等同于商业成功，忽视监管滞后性、社会接受度等摩擦力（例如公众对核电站的「零风险」要求可能延缓民用核电普及）
• 过度风险规避的「安全幻觉」：用传统行业的确定性思维评估科技赛道，低估生态位重构带来的超额收益窗口（例如多组学对制药业价值链的重塑可能使现有巨头失去护城河）

最后，我们究竟在投资什么？

从小时候开始接受教育，我们实际上就是在不断的进行自我投资——用时间换取知识，用精力兑换技能。进入资本市场，我们实际上是在用当下的资源去置换对于未来的预期。

我不太愿意像ARK那样狂吹宏大叙事，作为个人投资者，或许我们比机构更需要一种清醒的边界感：承认自己在信息获取、技术研判和风险承受能力上的天然劣势，反而能构建更具韧性的投资框架。

NOTE

教育教我们“种瓜得瓜”，但资本市场时常在演绎“种瓜得星辰大海or一场空”。 我们可以说，尤其是对于宏观择时的策略而言，金融市场的任何收益都是时间的函数。绝大多数时候选择正确的入场时机比选择正确的赛道更重要。接受这种反直觉的荒诞，或许才是成年人最艰难的一课。