马睿的(硬核)解读：“十五五”，AI《闯入》物理世界的造富机会
我们总以为机会来自市场情绪，来自资本追捧，来自某个突然爆火的赛道。可在中国这样一个产业升级与政策牵引并行的环境里，很多更大的机会，恰恰是沿着国家规划的脉络，一步一步长出来的。
十三五的时候，光伏、锂电、生物医药快速起势；
十四五阶段，数字经济与产业升级成了主旋律；
那接下来的 " 十五五 " 中，哪些技术会真正穿透产业成为新的机会？
上周，混沌邀请到峰瑞资本合伙人马睿，深度解读 " 十五五 " 规划中的科技产业方向与投资机遇，教你怎么看趋势，怎么识别真正重要的变化。
作为投资人，马睿老师长期深耕科技与医疗领域，布局过生物制造、脑科学、AI4S（AI for Science，人工智能驱动科学创新）、固态电池，也持续跟踪量子计算、核聚变、具身智能等前沿方向。
但更关键的是，他还曾参与 " 十四五 " 规划的编制工作。不只是站在市场结果后面回头复盘，而是更早进入国家产业逻辑、理解资源流向。
每一次五年规划，重要的都不只是 " 提到了什么 "，而是资源会向哪里持续流动，哪些产业会被真正推到台前，哪些技术会获得从实验室走向产业链的加速度。
无论你是投资人、创业者，还是关注未来趋势的从业者，这都是一次难得的、从顶层设计到落地应用的系统梳理。
以下是课程的精选内容，仅占 1/10，完整版在混沌 APP。
AI成为" 十五五 "未来产业的最大驱动力
" 十五五 " 提出的未来产业方向比较明确。对于新兴产业，不仅要提质升级、变成新质生产力，还要实现支柱化、集群化和规模化。而未来产业要抢占制高点，必须具备前瞻化、孵化化和生态化。
战略新兴产业未来将形成一个 40 万亿的产业集群，涵盖新一代信息技术、新能源、新材料、智能网联新能源汽车、机器人、生物医药、高端装备和航空航天。未来产业若干年后有望形成 10 万亿规模，成为新的增长点，涉及的行业包括量子科技、生物制造、氢能与核聚变能、脑机接口、具身智能和第六代移动通信。
而新一轮 " 五年规划 " 与以往最大的不同就在于，AI 将成为主要的驱动力。Agent 和高 Token 消耗的时代即将来临。
相比前三次工业革命，这一次 AI 革命非常厉害，可以说，AI 带来了前所未有的技术革命。但技术突破≠生产力提升，从当前数据看，它还没有完全实现生产力的提升。因为过去移动互联网的 20 年里，我们只是完成了与人相关的数据化工作，包括收集人的语言、文本、视频、搜索行为等，这些都只是今天 AI 的数据基础。
站在今天往后看 AI 本身，大语言模型基本已经吞尽了所有可用的文本数据，迭代在变慢。要继续往前发展，不仅需要新的数据，还需要新的模型。而随着新的模型和应用要求，可能会出现新的算力。数据、算力和模型一起迭代，AI 可以逐渐向前发展，最终通向 AGI。
所以未来如果 AI 要带来最大的应用落地，一定是在物理世界实现生产力的进步，在生物、材料和能源的交叉领域发生。物理 AI 从未像今天这样变的重要，无论是微观的 AI4S，还是三维重建的模型，或是世界模型。
如果 AI 是这样演进的，我认为这会带来的生产力跃迁有三点：
第一点是 Agent。随着 Token 费用按照摩尔定律下降，未来可能从按 Token 收费，变成按给客户带来的价值收费。
第二点是从 0 到 1 的 AI 向其他基础科学领域外溢，比如 AI+ 生物、AI+ 制药、AI+ 化学、AI+ 物理。通过 AI4S 的方式完成底层的科技创新，我认为这可能是中美竞争的焦点。
第三点是从 1 到 100。这部分是 AI4S 带来的底层创新，与中国强势的产业链结合，使科技创新和产业创新融合在一起。这是中国下一个十年、二十年要胜出的关键所在。
从上面我画的这张图可以看到。最底层是 AI 本身，它要从现在的大语言模型再演变为下一代的视觉模型或物理 AI，或者在某个领域的专有模型。这些模型上的进展，会扩散到数学、编程、物理、化学、材料、生物等行业。我们把这些统称为 AI4S。
再往上走，它会影响材料设计、蛋白设计、生物分子设计、激光改进，甚至高温超导材料，以及新一代芯片、新一代机器人。更进一步，它会影响到我们刚才提到的实物中的未来产业，包括生物制造、具身智能、AI 制药、量子计算、核聚变和脑机接口。
然后再往上，它会影响到更广义的行业，也就是战略新兴产业，包括生物医药、新能源、新材料、食品、云、自动驾驶、航空航天，甚至低空经济。
科技创新：AI 向其他基础科学领域外溢进入物理世界
当 AI 成为最大的驱动力，通过一种级联放大的方式，一步步影响 AI for Science、不同技术、不同产业，先看懂 AI for Science 带来的科技创新就十分重要。
当前，AI4S 作为继经验科学、理论科学、计算科学、数据科学之后的 " 第五科研范式 "，正引发全球范围内的科研体系变革。AI4S 被视为 AI 三大关键方向之一，其市场规模有望达到百亿美元级别，并成为科技强国与未来产业竞争的核心驱动力。
我们可以先来看 AI4S 的一些进展概览，非常大的进展：
· 药被 AI 做出来了，不少 AI 制药 1.0 公司实现了上市
· 前沿的模型层出不穷：AlphaFold 4，RF diffusion3，Chai-2，LatentX-2......
· 跨国药企纷纷绑定 AI 原生公司，Agent+ 具身机器人 + 高通量实验室成为新范式
· 现在不只是 AI+ 制药，已经发展到 AI+ 材料、AI+ 生物制造、AI+ 脑科学、AI+ 聚变 ......
接下来，我们来具体介绍下一些情况。
AI 制药
AI 制药实际上已进入 2.0 阶段。我们峰瑞资本完整参与了 AI 制药的 1.0，过去五年模型有了非常大的提升：
从 AlphaFold 2 获得诺贝尔奖，到 ChatGPT 横空出世，到蛋白设计工具和生物基座模型的演进，再到上市头部公司逐渐向新的 modality（如 mRNA、小核酸、多肽和抗体）迁移。AI 制药也从工具逐渐走向能够设计出药物，从概念走向越来越多的真实商业化进展。
例如，已被 AI 制药上市公司 Recursion 收购的 Exscientia，它做的一款 GLP-1 药物现在已经进入申请上市阶段，预计在本月（2026 年 4 月）获得 FDA 的正式批准。
再比如，峰瑞资本早期投资的剂泰科技，它做的 MTS-004 口崩片已经达到Ⅲ期临床研究主要终点，对神经退行性疾病之后的吞咽困难症状有非常好的缓解作用。
但事实上，到今天为止，很多这些前沿模型还没有被药企广泛采用。我的判断是，未来一到两年内，会在制药上形成更大的生产力释放和规模化应用。
在技术上，这些模型基本上有三条路线：
第一，以美国 David Baker 为代表，基于一些基础模型做蛋白设计。过去 3 年里，他们完全将蛋白设计从基于物理计算调整为以 AI 为基础，成功率至少提高了 10 倍。这类代表模型包括 RF diffusion 和 RF diffusion3。
第二，以谷歌 DeepMind 的 AlphaFold 系列为代表。它们从只能计算蛋白扩展到可以覆盖所有生物分子（包括小分子），还能预测相互作用。
第三，Meta 的大模型，用大语言模型直接学习生物序列，从只能做预测到现在能做设计和生成。
在应用上，最难的是小分子，其次是多肽、环肽和递送，而蛋白设计甚至抗体设计已经解决得比较好。抗体这一部分正被 AI 强力颠覆。
总的来说，模型正在快速迭代，能力边界不断扩展。大家可以基于这些模型的进展，判断哪些公司未来有可能利用最新模型做出更多药物、获取更大商业价值。
值得一提的是，过去三四年最大的算法架构创新就是，将 Transformer 和 Diffusion 这两种架构跨领域应用在生物模型上，结合生物数据，带来了生物基座模型，比如 AlphaFold 2 和 AlphaFold 3。
AlphaFold 2 使用了 Transformer 架构，基于 MSA（多序列比对）的一个类似 RAG（检索增强生成）的增强，就获得了诺贝尔奖这样的评价和效果。AlphaFold 3 可以简单理解为在 AlphaFold 2 的基础上，把后面的结构生成模块换成了 Diffusion 模块，从而变得更加少依赖 MSA，并且能更好地预测更大体系，如蛋白加蛋白、蛋白加分子。
AI+ 材料
AI+ 材料是现在一级市场最热的投资领域之一，已经成为一个主战场。具体体现在，美国提出了 " 创世纪计划 "，用 AI for science 来设计材料，英伟达、微软、亚马逊都加入了这个计划。另外，获得很高融资的美国公司，还有中国的 "AI+ 材料 " 公司都在利用 AI 设计高价值材料，比如电解液、高温超导材料、聚变材料、裂变材料、冷却液等，非常值得大家去关注。
举例来说，Google 启动了一个项目叫 GNoME（材料探索图形网络）。它用图神经网络来表征分子，并用 DFT 等高精度物理计算来测算分子的能量，只花了很短的时间，就发现了大约 220 万种稳定材料。
过去几千年，人类一共也就发现了十几二十万种稳定材料。而 Google 在几周内就将人类已知的稳定材料基础扩大了十倍。进一步分析发现，其中有 500 多种确实有可能转化为锂离子电池的导体、太阳能电池的材料或芯片材料等。
另一个值得一提的是微软发表的一篇文章，其中提出的算法叫 MatterGen，被视为 AI 材料生成领域的范式级突破。它的思路是：从一个稳定材料出发，给它加噪声使其变形，最终变成一个随机材料。如果对随机材料进行降噪，它又会变回一个稳定材料。AI 学习了加噪、特别是降噪的过程之后，给定元素组成，就能告诉我们这些元素组成的稳定材料应该长成什么样子。
总结来看，原子和分子是物理世界最底层的基础，AI for Science 本质上是数字世界连接物理世界最关键的桥梁。目前主战场还在蛋白和抗体上，因为小分子的设计和合成难度依然很高。
但我判断，AI 制药的成功会逐步外溢到材料、聚变、量子、脑机接口、生物制造等领域，真正形成一个 AI for Science 的大范式。
（文章仅为课程 1/10，扫码可前往 APP 看完整版）
产业创新：未来 10 年的机会在哪里？
还是这张图，AI4S 研究原子、分子等微观粒子和其之间的相互作用，这是物理世界的重要基础。而在基础之上，产生了哪些未来产业呢？为什么是这些产业？他们的 AI 的关系又如何？
其实，生物制造、脑机接口、具身智能都是非常重要的 AI 的应用方向，核聚变是未来 AI 的一个能源保障，而量子计算可能是未来作为 AI 的一个算力补充，或者成为下一代的这个算力。这些都是非常重要的，具有非常战略高度以及需要去抢占的一些未来产业。
下面我给大家介绍一下这些行业本身：
AI+ 量子科技