你可能也会有这种感受：想完全跟上 AI 的迭代速度，似乎变得越来越困难。

一个功能还没用熟，更强的版本已经发布；一个话题还没完全理解，下一个热点又开始刷屏。从 AI Agent、Coding 工具，到前不久的人形机器人马拉松，AI 的技术演进可谓「一日千里」。

但热闹之下，隐藏着更为关键的问题：当前 AI 的能力边界究竟推进到了哪里，未来可能进化成什么形态？对普通人的工作、生活会产生哪些具体影响？在 AI「日更」的技术演进中，哪些产业的不可替代性更强？哪些细分赛道又更具投资确定性？

坐镇本期节目的两位分享嘉宾，他们前不久刚从美国硅谷一线调研回来，参加了 GTC 大会和 OFC 大会，走访了 AI 浪潮的前沿阵地，带回来不少新鲜滚烫的一手观察：

l 硅谷现在热度最高的话题是什么？

l 中美 AI 圈以及美国内部存在哪些「温差」？

l Coding 能力为什么会成为这轮质变的关键？

l 哪些能力无法被 AI 替代，哪些产业可能被重塑？

l 「Token 经济学」是什么，为什么会成为理解 AI 商业模式的关键？

l 美国大模型「御三家」轮流坐头把交椅，他们做对了什么？

l 从算力、通信、存储，到机器人、AI 眼镜、智能驾驶，哪些投资机会更值得关注？

如果你对这些话题感兴趣，欢迎收听本期节目，一起度过充满信息量的 1 个小时。

冯炉丹，中欧科技战队基金经理

董亮，中欧科技战队研究员

偌馨，特邀主持人

Part 1：硅谷一线调研，感受到哪些惊喜和「温差」？
03:04 时隔数年再去美国，AI 的火种已经在硅谷燃烧起来
03:48 AI 行业近两三年的变化可能被低估了
07:18 美国内部也有「温差」：硅谷认为 AGI 即将到来，东海岸歌舞升平
09:26 中国在 AI 方面的短板和优势有哪些？
10:06 「时光机理论」还奏效吗？
10:35 硅谷的紧迫感：更强的被替代焦虑，更大量级的资本投入

Part 2：当 AI 能干活后，对普通人的工作生活有何影响？
13:43 不容易被 AI 替代的三件事：从 “0 到 1” 的创造力，沟通能力，真实世界交互
14:46 从养 “龙虾” 到养 “爱马仕”，过度学习对大脑也是种消耗
15:05 不必焦虑于每个新工具，真正重要的是积累自己的数据和工作流
15:37 AI 可能重塑教育：未来最重要的是提问、交流、与自己相处
19:54 为什么 coding 是打开线上世界的钥匙？ 

Part 3：Token，是 AI 时代的劳动力
21:48 解析今年 GTC 大会上的新概念：推理时代、Token 经济学、AI 工厂
24:44 比起科技界的春晚，GTC 大会更像一场演唱会
25:52 「Token 经济学」描绘了下一代生产关系
27:18 Token 的成本和效率为什么决定了企业生死？

Part 4：B 端商业模式逐渐跑通，「御三家」格局未定
30:57 Coding 打开了 B 端收入，市场不再担心大厂收入
31:58 新闻中常提到的 ARR 是数字游戏吗？
34:48 「御三家」轮流坐大模型头把交椅，每次反超做对了什么？
39:12 中国的开源生态全球领先，这意味着很难掉队
44:05 最新这轮变革主要在 B 端生产力，B 端收入空间远大于 C 端

Part 5：AI 投资机会：最利好 AI 基础设施，通信 > 存储 > 计算
45:44 硅谷调研归来，AI 投资观点有哪些改变？
47:10 当前最利好 AI 基础设施，通信 > 存储 > 计算
51:48 未来 2-3 年期待 AI for Science，未来 5 年期待 AGI 到来
53:00 智能机器人：真正提升全社会生产效率的工具
54:20 智能可穿戴设备可能成为下一代入口
55:25 智能驾驶正在美国跑通商业化
56:28 风险提示：股价变化与产业变化并不一定同步

GTC 大会：英伟达主办的全球技术大会，近年来成为观察 AI 算力、推理、芯片和产业生态的重要窗口。

OFC 大会：光通信领域的重要国际会议，常被用来观察光模块、光互连、数据中心通信等产业趋势。

Token / 词元：AI 模型处理文本时的基本单位，可以理解成 AI 世界里的 “字” 或 “工作量单位”。输入和输出都会消耗 Token。

推理时代：AI 从 “训练更大模型” 逐步走向 “大规模被用户调用和使用” 阶段，对应的推理算力需求会急剧上升。

ARR（Annual Recurring Revenue）：年度经常性收入。常用于衡量 SaaS 或 API 型公司的年化收入能力，但要结合增长持续性和客户质量判断。

AGI（Artificial General Intelligence）：通用人工智能，指具备更广泛理解、推理和执行能力的人工智能。

AI Agent：可以根据目标自主拆解任务、调用工具、执行流程的 AI 系统。

Coding：这里主要指 AI 编程能力。AI 不只是写代码，而是能通过代码完成更复杂的线上任务和工作流。

AI for Science：用 AI 辅助科学研究，比如药物发现、材料科学、生物化学等。

Physical AI：物理 AI，指 AI 从虚拟世界走向物理世界，典型方向包括机器人、自动驾驶等。

光模块 / 光通信：数据中心中承担高速信息传输的重要硬件环节。随着 AI 算力集群扩大，通信效率成为关键瓶颈之一。

风险提示：基金有风险，投资需谨慎。以上内容仅供参考，不预示未来表现，也不作为任何投资建议。其中的观点和预测仅代表当时观点，今后可能发生改变。未经同意请勿引用或转载。