李丰产业观察

【本期课题】 具身智能机器人的投资逻辑。 【栏目介绍】 在《产业观察》这档专栏里，我们会为你厘清不同产业的历史沿革，希望能够从中找到一些底层的规律。虽然当下变化迭起，但是所有新风口都有迹可循，不同产业的发展其实也有很多相似之处。 【免责声明】 本节目的所有内容并非旨在提供任何形式的建议，包括但不限于投资、税收、会计或者法律上的建议。 【内容索引】 02:12 如今，从创投行业再到普通用户，人们对“机器人”的看法几乎分成两派。一种观点认为机器人非常有潜力。另一种观点则认为，机器人还发展得不够成熟。 03:29 我们为什么选择投资机器人？ 04:25 过去十年，中国已经证明了：如果我们将一项高附加值科技，与一条长而复杂的硬件产业链相结合，从而打造出一种全新的产品形态或者品类。一旦这个产品被社会广泛接受，它就有可能成为中国在全球范围内的一个显著优势。 06:48 一个行业想要发展起来，通常需要经历哪些阶段？ 07:49 参照新能源车行业，在机器人领域，我们到底碰到了什么样的机会？ 09:17 国际经验表明，当一个国家的人均GDP超过一万美元后，通常就会进入服务业高速发展的阶段。 11:07 随着人口结构的变化，特别是老龄化加剧，未来我们可能会面临一个矛盾：想买服务的人越来越多，能提供服务的人越来越少。我们怎么解决这个问题？ 11:54 以电商与网约车为例可以说明，当经济发展到一定阶段，我们或许可以尝试用技术手段来解决供需失衡的“结构性矛盾”。 15:32 机器人为什么要做成人形？ 16:18 机器人行业目前还面临一个挑战——缺乏对物理世界的数据积累。 20:01 回顾新能源车的发展历程，新能源汽车的投资人们可能也没有预料到，10余年间会发生如此巨大的变化。最终，那些敢于投资的人获得了丰厚回报。他们经历了多次泡沫和破灭周期，等到了市场最终爆发。 【本期相关】 文字版内容，可在峰瑞资本公众号查看：李丰：机器人的投资逻辑。 【往期链接】 Vol.102 产业观察15｜人形机器人是具身智能的最佳选择吗：与张巍聊具身智能之双足机器人 Vol.106 产业观察16｜大模型的想象与泡沫，机器人的“不可能三角”与未来：与连文昭聊具身智能之上肢 Vol.109 产业观察17｜投资人如何看待这波人形机器人热潮：与刘鹏琦、颜黔杭聊具身智能之技术与商业 Vol.177 从工具、社区到情感大模型与具身智能：与任永亮聊2011、2016和2022几个技术周期中的测测 【制作团队】 主理人：李翔 、李丰 制作及统筹：张英海 （13514156656）、峰小瑞（[email protected]） 如果你喜欢我们的节目，欢迎你分享到更多的地方，也欢迎你在我们的评论区留言交流。

【本期课题】 AI agent半年回顾。 【栏目介绍】 在《产业观察》这档专栏里，我们会为你厘清不同产业的历史沿革，希望能够从中找到一些底层的规律。虽然当下变化迭起，但是所有新风口都有迹可循，不同产业的发展其实也有很多相似之处。 【免责声明】 本节目的所有内容并非旨在提供任何形式的建议，包括但不限于投资、税收、会计或者法律上的建议。 【本期嘉宾】 刘鹏琦，峰瑞资本执行董事。 颜黔杭，峰瑞资本副总裁。 【内容索引】 01:55 从年初DeepSeek的爆火到如今AI智能体（AI Agent）的涌现，这半年AI领域有哪些超预期的热点事件？ 07:43 在模型领域，大厂的介入将竞争推向“全民军备竞赛”，国内“六小龙”与大厂间的竞争也愈发白热化。在应用侧，部分垂直场景已初步实现产品市场匹配（Product Market Fit，PMF），但通用场景的长期商业化前景仍需观察。 10:48 AI Agent概念怎么理解？这个赛道有哪些共识和分歧？ 11:23 自2022年底OpenAI推出ChatGPT以来，AI应用已从基于提示词（prompt）的直接对话交互模式，发展到AI 工作流（Workflow），再到今天的AI agent阶段。与前两者不同，AI agent的特点在于能够自主感知环境、做出决策并执行任务。 14:05 Tool use（工具使用）和强化学习，如何赋能AI Agent？ 17:41 为什么AI编程能率先实现PMF？ 20:40 基于强化学习迭代的Agent，是AI应用迈向“终极智能”的路径吗？ 26:13 目前，Agent的技术路径大致分为两种：第一种是完全端到端、基于强化学习（RL）的agent，以OpenAI的Deep Research、Kimi近期发布的Researcher为代表；第二种是在工程框架下，将Agent按照不同的能力类型拆分，然后分别提升单点能力。 33:03 听说“The Bitter Lesson”是OpenAI工程师必背的经典，它对AI Agent来说意味着什么？ 39:24 具身智能的垂直小模型与通用大模型之争。 43:48 未来的AI agent会是什么样？大家的壁垒是什么？商业模式会如何演化？ 50:27 AI Agent赛道有哪些创业和投资机会？ 53:45 从一些C端智能硬件的发展来看，大多是从某一垂直场景切入并逐步成长，很少有人一开始就尝试在C端打造高度通用化的产品。毕竟，C端市场体量庞大，只要在垂直场景中把新品类做好、做深，就有机会把“蛋糕”做大，就像大疆、Insta360等。 【相关文章】 文字版内容，可在峰瑞资本公众号查看。 【本期相关】 本期提到的AI相关模型和产品：OpenAI的o3-pro、Anthropic的Claude 4系列、Google的Gemini 2.5 Pro、DeepSeek-R1-0528、Qwen3、豆包1.6、OpenAI的Operator与Deep Research、Cursor、Windsurf、Lovable、Replit、Bolt、Manus、Genspark、Grok-3、Fellou、Dify、Coze、LangFlow。 “AI六小龙”公司：智谱、MiniMax、月之暗面、阶跃星辰、百川智能、零一万物。 21:16 Reinforcement Learning: An Introduction 33:03 The Bitter Lesson 【往期链接】 Vol.156 产业观察27｜关于DeepSeek的七个核心问题和DeepSeek关键技术拆解 【制作团队】 主理人：李翔 、李丰 制作及统筹：张英海 （13514156656）、峰小瑞（[email protected]） 如果你喜欢我们的节目，欢迎你分享到更多的地方，也欢迎你在我们的评论区留言交流。

【本期课题】 科技消费品牌的全球化之路。 【本期嘉宾】 《运动科技产业的变迁十年》 主持人：沈颖，峰瑞资本执行董事。 牛浩田，COROS高驰创始人。 《AI如何赋能消费及互联网》 主持人：谢蔚文，浪潮新消费资深主笔。 陈芃，蚂蚁金服战投部。 贾凡，商汤集团元罗卜科技联合创始人。 芦胜波，uah有哈创始人 肖培庆，亚马逊云科技初创资深解决方案架构师。 【栏目介绍】 在《产业观察》这档专栏里，我们会为你厘清不同产业的历史沿革，希望能够从中找到一些底层的规律。虽然当下变化迭起，但是所有新风口都有迹可循，不同产业的发展其实也有很多相似之处。 【免责声明】 本节目的所有内容并非旨在提供任何形式的建议，包括但不限于投资、税收、会计或者法律上的建议。 【内容索引】 02:43 《运动科技产业的变迁十年》 04:26 今天在此刻，关税作为全球化的新变量，是个无法回避的问题。高驰是如何看待和应对这个问题的？ 08:37 只要手上有优质产品，能清楚地思考下一步的长期和短期对策，即使短期缺乏资金，我相信聪明的投资者也应该能明白这是可行的。因为不可替代的是一家公司的核心价值。剩下的只是周期中的波动，这些波动可能会让公司变得更好。 09:53 运动科技这几年在全球都经历了蓬勃发展和不断演变。这个行业在全球发生了哪些变化，并且未来会朝什么方向去演化？ 10:42 最初，体能训练主要服务于少数人，因为成本很高。但是随着传感器和算法的发展，我们不再需要专门的医疗设备来进行数据采集，一些基础的部分我们可以直接做。专家分析的部分，可能会不断从科研机构中产生新的智能算法，然后最终被平权化。它慢慢地从高阶的专业用户向普通用户发展，逐步推广。 14:19 我们并非要在海外成功后，再以“墙外开花墙内香”的方式回归，而是深信“先进市场诞生先进品牌” 17:05 这几年消费者端发生了哪些变化？ 21:49 最初高驰的产品不是手表，而是手环，坚持做手环一段时间后，才转向手表。当时为什么开始做手环，然后为什么转向手表，以及坚持到今天？ 24:40 在这种长期的、但价值巨大的产业潮流下，小公司会有机会。市场空间只是大的话，是不行的，需要看周期的长短。如果周期太短，大公司会迅速完成这些事情，因为确定性太大了；但如果周期长，整个业态的发展需要涉及各种生态单元。 27:15 在某些细分市场里，大公司的组织结构和业务方式导致他们无法做小业务。就像是一个特种兵部队打仗和一个集团军打仗，这是两种战役，在不同的战场上有不同的需求。 28:38 在业务转型的过程中，高驰经历过非常困难的时期，甚至比转型更加困难。高驰是如何挺过来的？在这个过程中有哪些非常重要的事情？ 30:48 聚焦这件事情特别重要。不是因为一个市场很赚钱就去进入，而是要克服对更大市场的诱惑，明白自己只能做好某件事情，然后全力以赴。 36:26 《AI如何赋能消费及互联网》 36:43 有的企业可以通过AI弯道超车，但也有企业因为技术落地以及出牌顺序等问题，会陷入困境。我们需要思考，如何跨过理想和现实之间的鸿沟。首先，在消费行业与AI应用融合的趋势下，存在哪些机会和难点？ 37:43 当前许多消费结合的AI应用智能化水平有限，甚至与大模型关联不大，受限于端侧算力和功耗等硬件瓶颈。 38:39 机器人有两大可以发展的方向：第一是把现有成熟品类与AI结合起来；第二是研发出一些新品类，比如下棋机器人。 39:00 AI技术仍有边界，简单套用通用模型难以保障用户体验，如何界定AI技术边界，并将其与产品相结合，真正实现产品的功能诉求、价值诉求，仍需要深入思考。 39:50 AI可在宠物领域实现个性化喂养和情感交互升级，还可以让整个企业的运营链条变得更加顺畅。 42:22 在AI应用领域，有哪些原本被预期会带来显著效果，但实际未达预期的应用？同时，又有哪些曾被低估，如今却展现出巨大潜力的应用？ 43:31 面向未来，AI构建“长期记忆力”和“主动式服务”的前景值得关注。 48:55 一些公司利用AI优化内部流程（如招聘、内容生成），并将降本增效转化为“服务”而非直接售卖AI软件，这是一种有效落地方式。 49:42 对于AI应用而言，是选择做大而通用，还是小而专？ 51:48 如何找到AI应用的创新点？ 56:02 初创公司需要专注于细分市场，找到核心用户，而不是盲目追求宽泛的应用。 56:43 目前市场上有一种论调，认为消费品行业可以通过AI技术重新做一遍。这一观点是否属于伪概念？ 58:43 想要做好消费硬件，既需要深入理解AI和大模型技术，也需要基于数据分析，了解用户需求。 1:03:08 当AI技术逐渐进入平权时代，企业的竞争优势将如何体现？ 1:08:21 站在AI发展的十字路口，作为投资方、品牌方和服务平台方，建议其他企业提前做哪些准备？ 【相关文章】 文字版内容请在峰瑞资本公众号查看：全球化不是美国化、先进市场诞生先进品牌……| 他们在深圳这样说 。 【往期链接】 Vol.139 产业观察23｜科技消费品如何出海：与三位创始人聊出海的见闻与思考 【制作团队】 主理人：李翔 、李丰 制作及统筹：张英海 （13514156656）、峰小瑞（[email protected]） 如果你喜欢我们的节目，欢迎你分享到更多的地方，也欢迎你在我们的评论区留言交流。

【栏目介绍】 在《产业观察》这档专栏里，我们会为你厘清不同产业的历史沿革，希望能够从中找到一些底层的规律。虽然当下变化迭起，但是所有新风口都有迹可循，不同产业的发展其实也有很多相似之处。 【免责声明】 本节目的所有内容并非旨在提供任何形式的建议，包括但不限于投资、税收、会计或者法律上的建议。 【本期嘉宾】 杨杰凌，峰瑞资本投资经理。 马睿，峰瑞资本合伙人。 沈炯，峰瑞资本管理合伙人。 【本期图示】 【内容索引】 02:17 杨杰凌分享： 02:20 DeepSeek出圈后，有一种说法是中国生物医药也迎来DeepSeek时刻。其中一个关键的例子是中国创新药企康方所研发的AK112药物授权给美国生物制药公司Summit Therapeutics后，在肺癌治疗试验中打败了美国默克公司的一款最畅销的抗癌药物。这在全球引起了较大的反响。 03:34 什么是PD-1或K药？PD-1的市场价值巨大。它不仅是肿瘤治疗里最大的品种，也是一艘可以搭载其它疗法的“船”。 05:46 在PD-1治疗实体瘤领域，中美差距可能会从中国“落后五年”转变为中国“领先三年”。 10:34 为什么说康方生物的成功是一种策略上的成功？ 12:43 过去3~5年间，许多中国创新药企的药物管线通过BD（商务拓展）形式卖给了海外跨国药企。然而，这些交易的源头大多还是海外的一些原创研发分子。ADC（抗体偶联药物）和siRNA（小干扰RNA）这两类药物就很典型。 17:35 在三个主体（支付端、供给端、投资端）交织的螺旋下行压力下，中国创新药行业正在迎来破局之年。这个“年”可能并不是一两年的时间，而是一个需要逐步观察的时间段。 24:16 从支付端来看，医保与医改的方向很明确——保基本、挤水份、全国统一大市场，新的支付端开始出现，比如中国的商业保险、欧美跨国药企等等。 32:05 从供给端来看，不同于过去100年所有的时间节点，生物医药行业目前面临的现状是，旧研究范式的效能逐渐逼近极限，以及与人脑算法特质不同的AI开始入局。 35:21 未来，我们或许能跳出原有的药物研发范式，用AI+人类疾病相关数据，从全新的角度去观察、理解并影响人类疾病的进程。 37:44 马睿分享： 37:50 为什么《华尔街日报》说中国生物制药行业正迎来“DeepSeek时刻”？ 38:19 尽管康方生物与Summit Therapeutics之间的交易金额达50亿美金，但是市场上有很多康方获益存疑的言论。 39:07 康方生物与Summit Therapeutics交易背后的关键人物——74岁开始买入Summit Therapeutics的Robert Duggan。 41:43 生物医药价值链的三个核心环节：生物学和靶点选择、分子的开发/临床前/临床、商业化。 43:51 生物医药的DeepSeek时刻不完全是AI制药的时刻。 47:07 如何实现中国生物医药的价值重构？ 49:37 沈炯分享： 49:53 据统计，中国药企license-out（对外授权许可）的大额交易已占全球交易的近1/3。交易涉及的种类也非常多样，包括小分子、单抗、ADC、双抗等。 51:11 为什么中国创新药出口大多是抗体药物？ 53:57 做PD-1不是一个创新的idea，国内外很多公司都在做，康方生物胜在了执行力强。 54:55 为什么中国在抗体相关创新药领域有优势？ 56:41 为什么AI制药第一个取得实质性突破的是大分子领域，如AlphaFold？ 57:16 从投资角度看，复杂系统的自由度可能更低，因此更容易预测。以人类的高级认知和初级运动为例，相比于让机器人自如行走，AI在语言模型上率先有所突破。这或许可以打一个不太严谨的比喻：语言可以被视为一维信息，而运动功能则涉及物理世界，可能是三维甚至多维信息，因此复杂度更高，实现突破的难度也更大。 【本期相关】 WSJ：The Drug Industry Is Having Its Own DeepSeek Moment 【相关文章】 文字版内容请在峰瑞资本公众号查看。 【制作团队】 主理人：李翔 、李丰 制作及统筹：张英海 （13514156656）、峰小瑞（[email protected]） 如果你喜欢我们的节目，欢迎你分享到更多的地方，也欢迎你在我们的评论区留言交流。

【栏目介绍】 在《产业观察》这档专栏里，我们会为你厘清不同产业的历史沿革，希望能够从中找到一些底层的规律。虽然当下变化迭起，但是所有新风口都有迹可循，不同产业的发展其实也有很多相似之处。 【免责声明】 本节目的所有内容并非旨在提供任何形式的建议，包括但不限于投资、税收、会计或者法律上的建议。 【本期嘉宾】 范铭望，峰瑞资本早期项目负责人。 【内容索引】 00:43 范铭望分享： 00:59 伟大的电影作品往往映射了时代的情绪。 02:29 《哪吒2》的票房增量到底来自于哪里？ 03:40 《哪吒2》成功的核心原因之一是它吸引了那些一年到头不怎么看电影的、非大城市户籍的流动人口。 06:05 中华文化坐标系中的“哪吒”。 08:23 《哪吒2》背后是否包含政治隐喻？ 09:51 在我们看来，《哪吒2》的胜利不仅是技术革新的胜利，也是组织革新的胜利。 12:25 《哪吒2》现象对投资的启示。 14:06 丰叔分享： 14:35 在创新消费产品领域，中国凭借完备的产业链、科技创新、庞大的消费市场，以及完善的物流与数字化基础设施，不断迭代出具有国际竞争力的产品。如今，中国在高附加值服务业领域，也出现了类似的情况。 16:01 在制造业高速发展时期，我们更多地依赖产业工人。而在如今发展高附加值服务业的过程中，“工程师红利”成为重要的基础之。 17:39 从文化角度看，“我命由我不由天”可能是黄河农耕文明最早的文化基因之一。 【本期相关】 返乡看《哪吒2》撑起70亿元票房，春节档里的中国城市电影市场有什么特点？ 【相关文章】 文字版内容请在峰瑞资本公众号查看（《哪吒2》爆火背后的天时、地利与人和 | 峰瑞研究所）。 【制作团队】 主理人：李翔 、李丰 制作及统筹：张英海 （13514156656）、峰小瑞（[email protected]） 如果你喜欢我们的节目，欢迎你分享到更多的地方，也欢迎你在我们的评论区留言交流。

【栏目介绍】 在《产业观察》这档专栏里，我们会为你厘清不同产业的历史沿革，希望能够从中找到一些底层的规律。虽然当下变化迭起，但是所有新风口都有迹可循，不同产业的发展其实也有很多相似之处。 【免责声明】 本节目的所有内容并非旨在提供任何形式的建议，包括但不限于投资、税收、会计或者法律上的建议。 【本期嘉宾】 刘鹏琦，峰瑞资本执行董事。 颜黔杭，峰瑞资本副总裁。 【内容索引】 00:41 刘鹏琦分享： 01:27 DeepSeek为什么这么火？ 03:05 DeepSeek真正的技术创新是什么？ 11:04 为什么是DeepSeek？ 13:21 Scaling Law（缩放定律）还成立吗？ 17:56 Deepseek给其他模型厂商带来什么影响？ 21:53 DeepSeek对硬件生态带来什么影响？ 25:50 DeepSeek如何影响应用生态？ 29:24 颜黔杭分享： 29:30 从技术角度聊聊DeepSeek的V2模型与V3模型。 35:00 DeepSeek的低价策略秘密之一是MLA（Multi-head Latent Attention，多头潜在注意力）。 37:59 DeepSeek的MoE（Mixture of Experts，专家混合模型）架构，通过多个专家模型的协同工作，提高整体性能，这有点类似于“人多力量大”。 41:47 关于DeepSeek Infra技术中的DualPipe（双管道）算法与FP8（8位浮点数表示法）的混合计算。 43:47 从DeepSeek的R1-Zero到R1的演进：强化学习（Reinforcement Learning，简称RL）驱动的后训练新方法。 47:41 DeepSeek为什么这么火？ 50:24 如何看待马斯克的xAI发布的更新版Grok 3大模型？ 53:30 DeepSeek给AI行业和技术投资带来了哪些影响？ 【本期图示】 【相关文章】 文字版内容请在峰瑞资本公众号查看（一文讲透关于DeepSeek的7个核心问题 | 峰瑞报告）。 【制作团队】 主理人：李翔 、李丰 制作及统筹：张英海 （13514156656）、峰小瑞（[email protected]） 如果你喜欢我们的节目，欢迎你分享到更多的地方，也欢迎你在我们的评论区留言交流。

【本期课题】 DeepSeek对AI产业的影响。 【栏目介绍】 在《产业观察》这档专栏里，我们会为你厘清不同产业的历史沿革，希望能够从中找到一些底层的规律。虽然当下变化迭起，但是所有新风口都有迹可循，不同产业的发展其实也有很多相似之处。 【免责声明】 本节目的所有内容并非旨在提供任何形式的建议，包括但不限于投资、税收、会计或者法律上的建议。 【本期主持人】 李罡，峰瑞资本副总裁。 【本期嘉宾】 季宇，行云集成电路创始人。 【内容索引】 03:32 春节期间，国产 AI 模型 DeepSeek引起了全球关注。它不仅引发英伟达股价震荡，甚至多国政府相继提出限制或禁用它。DeepSeek为何能掀起如此大的波澜？ 04:12 在AI编程这个对逻辑性有极高要求的应用场景下，DeepSeek展现出卓越的模型效果，私有化部署后，它的运行效率远超云端API。从消费者角度来看，本地部署解决了以往大模型难以输出长上下文的痛点。 11:46 与国内外其他模型相比，DeepSeek有哪些关键的区别？ 15:05 DeepSeek采用参数规模较大的MoE（Mixture of Experts）架构，在保证模型质量的同时，实现了显著的成本下降。DeepSeek的技术路线是如何实现的？ 19:46 自Transformer和Attention架构诞生以来，上一次引发全球性大规模影响的是GPT 3.5，它来自美国公司OpenAI。而这一次，凭借创新出圈的却是一家中国公司。这背后或许跟国内企业受芯片禁令影响有关。 22:52 在算力资源不受限的情况下，OpenAI的发展受阻了吗？ 24:39 如果模型的规模、能力和计算速度的增长没有那么快，那么，增加上下文长度会是下一个突破口吗？ 27:50 未来几年可能会出现更多新的范式，它们跟原有范式可能是承接关系。例如，DeepSeek的R1模型是在V3这个足够好的基座模型的基础上，通过后训练（包括强化学习等技术）迭代而来的。 28:31 现在容易获取的数据基本都被AI训练过了，未来是否会变成AI自己生成数据来训练自己？ 33:42 过去，大模型的发展逻辑是“算力+数据=模型能力”。DeepSeek证明，在有限算力下依然可以取得显著的效果。从模型的发展来看，未来还会有哪些瓶颈？ 36:07 在DeepSeek开源的生态下，个人用户和企业用户都能相对容易地以较低的成本自行部署或复制出模型，那么AI模型公司的护城河在哪里？ 37:59 DeepSeek的出现，是偶然的破局，还是产业发展的必然方向？ 40:08 DeepSeek能否真正绕开英伟达的CUDA生态？ 41:42 当前，Scaling Law推动千卡、万卡集群的形成，本质上是在构建一个大型规模的计算体系。如果未来围绕DeepSeek、国产芯片以及AI普惠目标，我们能够打造出类似过去的x86集群和个人电脑的生态系统，或许可以逐渐让这个“大型计算体系”失去其核心价值。 43:52 过去，一些国产芯片企业难以找到很好的下游商业场景。DeepSeek的开源模型相对标准化，不同芯片只要能够高效运行它，都可以通过API接入服务。这为国产芯片企业提供了新的可能。 46:22 作为创业者，如何看待梁文峰所说的“技术优势是短暂的，真正的护城河是文化和组织”？ 49:02 创新需要一套强大的方法论，其中可能要摒弃经验主义。当然，反经验主义并非简单地抛弃过去，而是要重新构建一套能让整个组织高效运作的方法。 51:26 过去30年，中国科技产业经历了从“中国制造”到“中国创新”的跃迁。DeepSeek的崛起是否意味着中国企业在全球科技竞赛中迎来了关键转折点？ 54:50 随着AI的推理成本大幅下降，和计算速度进一步提升，可能会出现哪些有趣的应用或发展？ 【本期相关】 DeepSeek R1的技术报告 从DeepSeek展望AI产业的未来发展 Vol.116 产业观察18｜如何成为下一个英伟达：与Mackler季宇聊AI芯片的突围之路 李丰对话季宇：理解英伟达，解构英伟达，挑战英伟达 【制作团队】 主理人：李翔 、李丰 制作及统筹：张英海 （13514156656）、峰小瑞（[email protected]） 如果你喜欢我们的节目，欢迎你分享到更多的地方，也欢迎你在我们的评论区留言交流。

【本期课题】 生物制造。 【栏目介绍】 在《产业观察》这档专栏里，我们会为你厘清不同产业的历史沿革，希望能够从中找到一些底层的规律。虽然当下变化迭起，但是所有新风口都有迹可循，不同产业的发展其实也有很多相似之处。 【免责声明】 本节目的所有内容并非旨在提供任何形式的建议，包括但不限于投资、税收、会计或者法律上的建议。 【本期嘉宾】 刘天罡，上海交通大学生命科学技术学院特聘教授、合生科技创始人。 【内容索引】 01:01 生物制造主要涉及分子的制造，根据分子量大小可以分为三类：第一类是分子量在100以下的物质，通常是细胞的主要代谢产物，如大宗氨基酸等；第二类是分子量在 100 到 1000 之间的天然产物，主要是生物活性的物质，广泛应用于药物、食品和化妆品等行业；第三类是大分子产品，通常是分子量几千到几万的多肽或蛋白质，比如抗体药物和功能性蛋白。 02:49 从《地图里的人类史》看生物制造与人类历史及文明的关系。 07:25 一个有趣的例子是玻尿酸，最初它是从鸡冠中提取的。但从动物组织中提取这个方法终究不够高效，研究发现，这是一种由特定菌种合成的产物。通过大规模发酵、分离纯化等工艺，才生产出了用于美容的玻尿酸。这种微生物发酵法成本可控、产量高、纯度高。 09:16 生物制造是我们国家重要的未来产业之一，也是全球科技强国争相发展的前沿技术方向之一。今天，我们能够让微生物和细菌定向工作，生产高产率、高精度的产品。这一能力的背后，是如何发展到今天的水平？ 10:12 人类最早用到生物制造的其实是酿酒。 12:28 在第二次世界大战期间，伤员们对于抗感染药物的需求极为迫切，青霉素被大规模生物制造出来。这是人类第一次全链条地将微生物产物投入到规模化的生产、提纯和制造，奠定了现代生物制造技术的基础。一些参与青霉素开发的公司也随之发展为现代制药行业的重要企业。 15:50 DNA 双螺旋结构的发现，为基因工程的发展奠定了基础。我们开始能够对微生物、植物甚至动物的基因进行剪切和编辑。 20:19 青霉素刚被研发出来时，生产成本非常高，一支青霉素的价格相当于一根金条。但现在青霉素制剂的成本甚至比输液管还低。 22:11 关于“合成生物学”、“发酵工程”（Fermentation Engineering）和“代谢工程”（Metabolic Engineering）：传统酿酒时，先来筛选天然菌种，然后控制外部条件使其高效生产，这一过程被称为发酵工程；代谢工程，则是当找到一种天生就会做某种事的菌种，改变其代谢途径，使其产量和效率更高；至于合成生物学，可以理解为原来这个菌种不具备某种能力，但现在点石成金，即通过导入某种基因，它就能产生我们想要的物质。 23:19 基因编辑技术的出现，对合成生物行业产生了什么影响？这和之前基因编辑技术对生物制药行业的影响有什么关联吗？ 26:21 到今天，人类大约已经发现了 40 万种天然产物。其中，我们日常用到的大约只有 5 千种，包括降血糖、降血脂、抗肿瘤药物，以及抗生素等各种药物，还有一类不常被注意的天然产物，如叶绿素、番茄红素，甚至还有橡胶这种材料类的天然产物。 30:52 现在，基因组大数据、AI 预测算法、自动化实验技术和微生物底盘技术这四大要素，经过多年积累与发展到了一个新高度，成为了新的研究范式的起点。 35:29 今天，在生物制造或合成生物学方面的研究和产业能力方面，中国、美国和欧洲分别处于什么位置和状态？ 40:41 未来，生物制造有哪些让人激动的蓝图和大方向？ 43:46 合生科技已经已具备量化生产几十种植物来源产品的能力。例如，番茄红素过去只能通过种植番茄提取，但现在可以借助酿酒酵母来实现工业化合成，成本远低于农业提取。这样不仅改变了番茄红素的生产模式，还能更好地利用土地资源，使番茄主要用来食用，而不是浪费在提取上。 46:15 在物质研究与开发进程中，一种物质最初被发现时往往会先考虑其在药物领域的应用。随着研究深入，如果发现有些物质做药物活性不够，但它可能有非常好的气味，那么这些物质会被转而用于香精香料行业。如果再进一步研究，发现它还有杀虫的活性，又可以被用在农药领域。这是一条比较典型的物质利用链条。 51:08 今年诺贝尔奖有两项与 AI 有关的研究成果，比如 AlphaFold 蛋白质结构预测。AlphaFold这类技术被认为是一个基座模型，展现出了广泛的适用性和实用性。那么，在合成生物学或生物制造领域，是否也可能出现类似的基础 AI 计算模型或预测模型？还是说AI 在这个领域更多会被当作一种工具，基于特定的需求、数据和组学结果来使用？ 54:35 作为一名创业者，你在做科技成果转化和产业化时，有什么心得体会？特别是从教授到创业者的角色转变中，你有什么特别的感悟？ 58:33 国家将生物制造列入未来产业规划，这一政策对你们有什么影响和变化？ 59:11 目前，把东西做出来其实不难，难点在于做出来的东西能否形成商业闭环并达到产业化规模。理想状态下，供需能实现匹配，也就是生产多少就能销售多少，但实际上这个通路往往不够畅通。 【本期相关】 生物基化学品代谢全图 【本期福利】 你最期待生物制造技术在哪个领域带来革命性的变化？欢迎大家在评论区留言，我们将为留言最走心的三位用户送上《地图里的人类史》各一本（评论截至2024年12月16日下午17点）。 【相关文章】 文字版内容请在峰瑞资本公众号查看。 【制作团队】 主理人：李翔 、李丰 制作及统筹：张英海 （13514156656）、峰小瑞（[email protected]） 如果你喜欢我们的节目，欢迎你分享到更多的地方，也欢迎你在我们的评论区留言交流。

【本期课题】 智能驾驶与激光雷达。 【栏目介绍】 在《产业观察》这档专栏里，我们会为你厘清不同产业的历史沿革，希望能够从中找到一些底层的规律。虽然当下变化迭起，但是所有新风口都有迹可循，不同产业的发展其实也有很多相似之处。 【免责声明】 本节目的所有内容并非旨在提供任何形式的建议，包括但不限于投资、税收、会计或者法律上的建议。 【本期主持人】 杨永成，峰瑞资本合伙人。 【本期嘉宾】 张忠祥，深圳力策创始人兼CEO。 【内容索引】 03:59 新能源汽车近十年的发展波澜壮阔，不仅是中国汽车智能化的历史，也是国产汽车逆袭的历程。 04:25 四个数据代表行业现状：一、中国品牌乘用车占乘用车销售总量的67.7%；二、新能源汽车占中国整体市场46.3%；三、激光雷达在新能源汽车的搭载率约为13%；四、中国汽车制造业的利润率为4.9%。 06:47 从特斯拉到国内造车新势力，大量辅助驾驶和高阶驾驶产品不断涌现并在市场获得认可。然而，智能驾驶汽车事故的新闻不时曝光，不禁让人怀疑：安全可靠的自动驾驶是否仍遥遥无期？ 08:24 科学技术都是在试错中曲线发展，自动驾驶也不例外，公众会经历质疑、尝鲜、小心尝试到普遍接受的过程。 10:28 自动驾驶技术发展到什么阶段，最终能实现商用和实用吗？ 12:03 自动驾驶的发展可以用高铁呼啸而过的场景来比喻。当高铁距离我们较远时，感觉它在慢悠悠地开过来；当我们完全看清它时，它可能就呼啸而过了。 12:52 自动驾驶行业两大技术流派：一是特斯拉为代表的纯视觉派，另一个是多传感器融合派。 16:10 在自动驾驶技术中，尽管有许多尝试，但仍面临一些问题。例如，在光线良好、没有干扰的情况下，自动驾驶系统可能未能识别出障碍物，导致未做出刹车动作。这可能与汽车的传感器、算法软件或摄像头有关。 17:26 自动驾驶的AI模型需要大量的数据采集和训练，以便能够识别障碍物。这种识别不仅包括对障碍物的认识，还包括对其大小和距离的判断。 21:03 自动驾驶技术面临诸多挑战，包括物品识别的难度、组合方式的无穷无尽以及端到端黑盒子等问题。然而，技术的快速进步，以及多传感器融合等方案的引入，可以更好地解决这些挑战。 23:45 激光雷达是目前人类掌握的最高效和精准的三维成像工具。 24:00 激光雷达方案VS纯摄像头方案 26:31 激光雷达和摄像头在自动驾驶中从来都不是竞争关系，而是互补关系。 27:21 如何看待马斯克曾说“傻子才用激光雷达”？ 30:53 “安全才是最大的豪华”，激光雷达在智能驾驶中具有重要的安全价值，能够大幅度提高识别率，降低误判率。其价值的地板是安全气囊式的安全冗余，天花板是高阶无人驾驶。用不用激光雷达是一个商业考量，而非技术考量。 33:07 机器的科技和工程进步方向，不一定要走人的进化路径。以运输工具为例，从汽车、火车到飞机，每个运输工具都没有用人的两条腿这种形式。工程的进化路径也不以人为最优标准。 34:07 自动驾驶在不同场景下的难度有什么不同？ 36:55 为什么激光雷达现在的搭载率不高，行业的痛点在哪儿？ 40:24 什么是光学相控阵（OPA）雷达？ 43:45 国内已经有速腾聚创和禾赛两家激光雷达上市公司了，其他团队何去何从？ 45:29 毫米波雷达和激光雷达是竞争关系吗？ 48:14 特朗普当选对激光雷达行业有什么直接影响？ 【本期相关】 * 独立第三方机构AMCI Testing，网址为：amcitesting.com。 * NOA，全称是“Navigate On Autopilot”。一种车辆驾驶辅助系统。 【相关文章】 文字版内容请在峰瑞资本公众号查看。 【制作团队】 主理人：李翔 、李丰 制作及统筹：张英海 （13514156656）、峰小瑞（[email protected]） 如果你喜欢我们的节目，欢迎你分享到更多的地方，也欢迎你在我们的评论区留言交流。

【本期课题】 科技消费品牌和它们的全球化。 【本期主持人】 沈颖，峰瑞资本副总裁。 【本期嘉宾】 牛亚锋，戴乐科技（Aeroband空气拨片）创始人。 芦胜波，uah有哈创始人。 刘韬，SPEEDIANCE速境创始人兼CEO。 【栏目介绍】 在《产业观察》这档专栏里，我们会为你厘清不同产业的历史沿革，希望能够从中找到一些底层的规律。虽然当下变化迭起，但是所有新风口都有迹可循，不同产业的发展其实也有很多相似之处。 【免责声明】 本节目的所有内容并非旨在提供任何形式的建议，包括但不限于投资、税收、会计或者法律上的建议。 【内容索引】 03:21 出海见闻。 06:21 国内养宠人群可能比较关注产品的颜值、功能性以及体验，而欧美的用户有两个关注点让我印象深刻：一是他们特别关注产品的材质是否健康安全；二是他们还会看材料是不是环保的、可回收的。 09:35 欧洲消费者对产品创新的接纳度没有国内市场这么高。这可能也是为什么很多新产品都是先从中美铺开，然后才到欧洲。 12:53 有没有哪一个海外市场是出乎你们意料的，如何选择出海第一站？ 15:31 欧美的消费市场还在经历“渠道品牌”的阶段。他们很早就进入了“去工业化”的阶段，不少产品都是Made in China，产品的迭代、更新周期很长。这意味着，欧美市场还有很多潜在的创新和差异化的机会。 17:42 现在，全球化的进展可能不像从前那么蓬勃向上，三位都在欧美市场布局了自己的产品，当地用户对中国品牌的接受度是什么样的？ 20:06 在许多海外用户眼里，他们会默认这些有创新性的智能硬件品牌，就是来自中国的。 21:55 “中国制造”已经逐渐变成了“中国智造”。 23:04 其实我们今天在海外市场的竞争，不仅是在跟本土企业竞争，更多可能是跟来自国内的同行竞争。 27:28 无论是音乐、健身还是养宠，三位创业者瞄准的是自我实现或者情感层面的需求。在产品出海的过程中，你们能感受到海内外用户存在的一些共通的需求吗，这些需求是能够跨越文化、跨越国界的？ 30:59 品牌的认可度很大程度上取决于情绪价值这个因素，那怎么给用户提供情绪价值？ 36:50 健身是非常反人性的，对于大多数用户来说，健身时需要陪伴和指导。硬件只是一个工具，真正让用户去坚持下去的往往是软件。 42:09 消费品牌出海，在不同阶段，最核心的能力有什么不同？ 50:23 在出海的过程当中，你们遇到的最大的挑战是什么？ 50:51 美国是一个非常注重知识产权的国家，对于出海企业来说要更加注重知识产权和产品的原创性，避免潜在的风险。 51:41 合规很重要，比较表层的法律法规的合规相对容易，但表层之下还有一些潜规则，如果你没有深度理解，也会出问题。 55:20 尤其是做智能类、创新类产品的公司，在一个新产品PVT（Process Verification Test是小批量过程验证测试，是硬件测试的一种）之后，不光要测试其长时间做大量产品的能力，还要测试短时间下的情况。 56:46 中美竞争下，如何布局供应链？ 59:36 在极端情况下，中国大量的消费电子产品是有可能挪到东南亚的，东南亚也具备量产的条件。 1:00:08 出海时如果考虑欧洲的市场，那么成都可以作为中欧的桥梁之一，大家可以多了解一下成都及其周边区域的经济政策走向。 1:03:23 本土化之后应该怎么保障用户的售后维修，这是大部分创新出海企业要去思考的。 1:04:15 如何做好产品的智能化？ 1:11:35 如何看待AI技术对智能乐器以及宠物智能用品的影响？ 1:14:29 从大疆、奈飞、特斯拉学到了什么？ 【本期相关】 【制作团队】 主理人：李翔 、李丰 制作及统筹：张英海 （13514156656）、峰小瑞（[email protected]） 如果你喜欢我们的节目，欢迎你分享到更多的地方，也欢迎你在我们的评论区留言交流。