本文整理自李丰在混沌学园的2026开年课程，来自微信公众号：混沌学园，作者：李丰，原文标题：《李丰：2026，关于赚钱、AI与竞争逻辑，我的展望和预判》，题图来自：AI生成

站在2026年，我们会猛然发现，过去几年的技术爆发仅仅是时代的序章，真正的社会级应用与产业洗牌才刚刚开始。面对未来5到20年的巨变与重构，新一轮的红利与机遇到底在哪里？

峰瑞资本创始合伙人李丰，在混沌学园的年度重磅分享中，给出了他关于2026年的关键展望，这不仅是一次关于AI技术的讨论，更是一场关于钱、科技创新与AI产业竞争逻辑的深度复盘。

关于AI下半场：所有技术周期都有上半场和下半场。上半场美国领先技术，但下半场，中国更有优势。而每一个技术浪潮到了后半场，中国往往开始追赶并反超。

关于中国AI机遇：AI+硬件将成为中国的战略机遇，当“软件+硬件”成为中国极为擅长的组合拳，我们能够利用中国制造业“卷”出来的供应链优势，实现产业转换与升级。

关于终极竞争：中美AI竞争里，中国正握住另一张底牌，数据。十年之后，大国竞争的终局将聚焦于两件事：能源和数据。谁在这两个问题上有更确定性和长期的优势，谁就有可能赢。

以下为演讲内容：

感谢混沌的邀请，让我每年有一次机会来跟大家分享。我每年也以此为契机，试图从我们的角度来探讨：这个世界和我们身处的中国，为什么发展到了今天这个样子？为什么你周围的状况，和你切身的体验是现在这般模样？

今天我们先讨论一下最近非常热的话题，也是中美竞争的焦点，其核心主要在于：AI是不是一次生产力革命？

面对未来5年、10年甚至15到20年，你最重要的问题是：今天要不要参与AI？你要以多大的热情参与？你要以多快的速度参与？这都取决于你是否认为AI是一次生产力革命。

如果你认为AI是生产力革命，那么回顾历史上所有的生产力革命，从技术开始出现明显的变化，直到它改变我们的生活和生产力，大概都要经历足够长的时间。

蒸汽机从1712年诞生，到蒸汽汽车、蒸汽轮船真正落地，用了95年；互联网从1981年个人电脑出现，到 iPhone 和微信成为国民级应用，也用了约30年。

AI亦是如此，最开始2006~2012年“大数据”阶段并非严格意义上的AI，而是在做AI的基础设施。直到2012年，Google的人脸识别技术才带来了人工智能的第一波浪潮，而这至今不过13年，这意味着距离AI向生产力的系统性转化，还有较长的演变时间。

所以，如果你现在还没有开始所谓的AI，你也不用太焦虑，因为你有足够的时间。

一、本轮AI热潮何以空前？

上图中我们看到AI的演变，总共遇到了四次热潮。

第一次AI变热，是从Google在一堆混乱无序的图片中，识别出猫。这是神经网络真正引爆关注的起点。于是AI的第一个大规模应用，落在了两个方向上，人脸识别和自动驾驶。

如果你回想2015年，全球估值最高的未上市公司是打车软件Uber。与此同时，特斯拉推出了FSD测试版的前身。于是大家开始把自动驾驶和车辆调度的想象力叠加在一起，未来所有车都能自动驾驶、统一调度，这直接引爆了自动驾驶的热潮。

第二次是AlphaGo下围棋，但这件事离普通人仍然较远。

第三次是用AI来做蛋白质结构预测，催生了一波AI制药热潮。为什么AI制药会热？如果用事后视角看，其实规律非常清楚。蛋白质结构预测本身只是技术突破，并不会立刻成为投资热点。

真正的转折点，是疫情让生物医疗迅速升温。正是在这个背景下，AI能力开始进入生物医药领域，两者的交集，催生了AI制药这一投资焦点。

再往下，就是我们今天所熟悉的大模型。

所以，你会发现一个清晰的模式：每一次AI技术取得突破后，当其恰好与某个正在发生结构性变化的行业相结合时，才会形成真正的应用浪潮和“投资焦点事件”。

既然历史上已经是第四次AI热潮，为什么这一次特别热？不仅吸引所有人的关注，更热到了中美两国要在芯片、算力、模型、应用上展开全方位的激烈竞争。这背后有一个至关重要的宏观视角。

我们都知道衡量资本市场泡沫化有一个标准——“巴菲特指数”，指的是一个经济体、一个国家、一个地区，它的GDP和资本市场总市值之间的比例关系。

回看疫情前的2019年，如果将全世界视为一个整体，全球GDP约为86万亿美元，而全球股市总市值约为89万亿美元。两者比例接近1:1，处于相对合理区间。其中，美股占比略超三分之一。

然后2020年，疫情爆发。其直接后果是：在随后的一年半时间里，全球以历史上难以想象的规模，进行了史无前例的“放水”。

仅2020年，美联储、欧洲央行和日本央行的资产负债表合计扩张规模就达到约8万亿美元。

TradingView的统计数据进一步显示，在这一年前后，全球主要央行的扩表规模达到约12万亿美元。

扩表并非简单意义上的“印钞”。当这些基础货币开始通过银行信贷等渠道进入实体经济循环时，便会进一步产生货币“乘数效应”。

这放水的12万亿美元，带来了接近50万亿美元的全球流动性。这在全球经济史上都极为罕见。

在资金面极度泛滥的背景下，2022年2月，俄乌冲突爆发。这对欧洲造成了巨大冲击：底层是能源安全，那时甚至有新闻说德国家庭要去砍木头过冬，中间是供应链稳定，因为没有能源就没有生产，上层是国家安全。

在全球资本配置格局中，美国、欧洲和中国是最重要的三大市场。

面对这个局面，想象一下，如果你掌管1000亿美金要配置，那么你显然不愿意配置在欧洲资产上。而2022年，中国仍处于疫情防控中。

欧洲和中国暂被低配的结果就是，增量资金被极限配置到美元资产。

同时，2022年，美元利息上涨，同样吸引资金回流。

这些所有的“历史特例”在这个窗口期撞在了一起。结果就是，这么多的钱，只好极限配置到美元资产。

从2022年三季度开始，全球资金涌入美元资产，资产价格自然上涨。

但问题是，资本市场不能把上涨的原因简单解释为流动性驱动（这么多钱到我这里了），它必须找一个宏大的“叙事”，来解释其原因。于是，市场迫切需要一个“轴”，一个能支撑资产价格持续、规模性上涨的故事和逻辑。

这个故事，凑巧就发生在2022年四季度，ChatGPT3.5横空出世。这个技术进步发生的时间节点，恰好是市场极度渴望一个“大故事”的时间节点。这个“叙事”，就这样产生了。

于是，接下来两年发生的事情，都让你难以想象。我们见证了4万亿市值的公司；见证了美国资本市场“七姐妹”的市值（即Google、亚马逊、苹果、Meta、微软、英伟达和特斯拉），加起来超过了除中美以外，全世界任何一个国家的GDP。

为什么这一轮AI会这么热？简单来讲，是因为钱太多了，而且钱做了“极限配置”。于是，诞生出了历史上未见过的现象。

在2026年，如果全世界不再像金融危机或疫情期间那样大规模印钱，资本市场就维持在了130万亿的市值。一旦资金规模平衡下来，市场就变成了“存量博弈”，A多了B就要少。

今天最难的问题只有一个：美股还能不能维持？

先设一个极端场景——你掌管着1000亿美元，却被迫把80%以上的资金押在美元资产上。这是一种“极限配置”。但只要出现让你感到不安全、不确定的因素，这种配置就不可能持续。

2024年底，特朗普上任，本身就构成了巨大的不确定性。于是，资金从“极限配置”回归“理性配置”，也就是我们所说的再平衡、再配置。

在假设全球不再激进放水、流动性水位基本稳定的前提下，资金只能在全球范围内寻找相对确定、具备中等以上增长和回报的资产，同时避免继续高度集中在美元体系。

这就带来一个结果：巨量资金开始流动，开始找去处。真正的竞争在于，谁能提供更充分、更可信的理由，把资金吸引过去。美国需要，中国需要，欧洲需要，所有经济体都需要。

最终的博弈，比拼的就是谁能积累更多“积极因素”。

二、AI时代的投资逻辑

AI时代的投资逻辑，直接关系到我们的钱袋子。

大家最关心的问题是：美国的AI热度会不会下降？如果下降，会不会影响中国？中国如何接住下一个接力棒？

用最简单的方法来讲，历史上所有的技术投资周期，大致可以分为上半场和下半场。从大数据、人脸识别、自动驾驶，到AI制药，都是如此。

上半场，大家只关心技术创新，谁有这个技术，资本大抵就投谁。下半场就主要看谁用这个技术做了应用，并且最好赚到了钱，谁就热。

如果回顾技术发展史，在技术上半场，美国往往会领先。到了中场，中美开始各有千秋，美国更多在技术端有优势，中国更多在应用端有优势。而每一个技术浪潮到了后半场，中国往往开始追赶并反超。

拿AI举例，我们把它分成三个阶段。

第一个阶段，是2023年到2024年上半年，当时所有人讨论的只有大模型。

第二个阶段，2024年开始，AI应用在中美都变得很热，尤其是通用Agent和具身智能机器人这两个方向。

为什么风向变了？

因为一切变革都是从技术创新开始，所以大家会先投技术。但技术的发展不会一直超预期，当技术上了一个小台阶、跳跃了一下之后，就变成了相对线性的发展。一旦进入线性发展，大家就开始考虑，既然有了技术突破，最有可能把技术用起来的是什么？是应用。

在AI领域，这种应用一是通用Agent（智能体），在数字世界里，你要做的事情它都能帮你做，或者部分帮你完成。二是具身智能或者人形机器人，它是在物理世界里帮你完成所有事。

一个在数字世界里帮你做所有事，一个在物理世界里要帮你做所有事——这显然是最大想象力的应用。

但是，“最大想象力”这枚硬币的反面是什么？就是在短期内，是最不容易落地的。要不然，它也就没那么大想象力了。

第三个阶段，能落地的AI应用，比较典型的是垂直领域的Agent应用和AI硬件。投资真正落地、能挣到钱的应用。当市场进入这一阶段，技术应用开始变得更加脚踏实地，对一个项目的估值逻辑也从“讲故事”转向“算账”。

当下的AI投资已经开始走向这一阶段。核心就是：到底今天谁能用AI赚到钱？

三、中国AI机遇几何？

1. 投资的浪潮，始于技术本身

第一阶段：大模型的下⼀步是百花齐放，还是赢家通吃？

大家应该发现了一个现象：现在讨论大模型时，大家用的基本变成大厂的产品为主，比如豆包、千问、ChatGPT、Google的Gemini等等。

为什么今天大模型应用的主要玩家变成了大厂？

虽然2025年DeepSeek帮中国大模型做了关键性的一步，但是如今我们发现，大众似乎更习惯在大厂的产品中体验AI的能力，这是为什么？

因为如果一项技术只是中台或后台创新，那么最后大多数的大中小企业都能用得上这个技术，大厂比较容易砸资源来获得竞争力。但是，对创业公司而言，想借此技术成为一个“超大型公司”是很难的——因为它的变化不够。那么什么叫“变化够”？

前端（UI）+中端（技术）+终端（设备和用户习惯）同时发生变化，才有诞生超大新创公司的可能性。

否则，它只是一个技术应用浪潮的普及，历史上的技术演进都是如此。

为什么字节跳动变成了个几千亿美金估值的公司？

从技术上说，今日头条和抖音的核心技术是大数据的推荐引擎和算法。然而，很多公司都利用了大数据的技术浪潮来创业，为什么是它会成为如此大的一家公司？

因为在大数据这个技术诞生的时候，同时诞生了前端UI上人机互动形态和消费者习惯的巨大转变。

抖音利用的消费习惯和UI改变，不是拿键盘输入关键词来索取信息，而是在屏幕上“滑动”。当大数据推荐引擎遇上这个时机，抖音就诞生了。

微软为什么如此成功？大家普遍认为是因为图形化操作系统。但这只是技术，并不是壁垒。微软成功的一个原因，是因为它采用了鼠标。鼠标改变了UI和消费者习惯，导致我们不再需要编程和键盘输入来使用电脑，这让图形化界面有了巨大的变化。

所以，当一项新技术来临，你可以做一个成功的技术创业公司。但如果你想在同一个技术周期里成为巨大的成功者，必须伴随前端、中端、终端的巨大变化。

第二阶段：机器人的操作能力能实现突破吗？

今天中国所有机器人演示的超强能力，几乎全都是它的运动能力——走路步态、跑步、后空翻、跳舞、摔跤等等，核心都是平衡和运动。而运动能力的核心，来自于中国最厉害的硬件之一：电机。

中国电机之所以变成全球最厉害，并非因为我们一直为了机器人来做电机，而是经过了几个阶段的“多轮驱动”。

举个著名的公司的例子：汇川。它最早的发展机遇是房地产，大量楼盘的建设带来了电梯的大规模安装需求。原来外资电梯的控制器不分离，导致安装、维修等都很麻烦。汇川把控制器分离出来并简化，正好适应了中国房地产周期的大发展。后来，中国制造业升级用到了大量的电机；再后来，汇川又给部分造车新势力做了车用电机的配套。

所以，是房地产、制造业升级、新能源车，多轮驱动了中国电机的发展。

今天机器人领域，缺的是操作能力，也就是那只“手”的能力，因为这项能力是缺乏产业积累，没有经历过像电机那样的多轮驱动。

比如让机器人来倒水，杯子里有多少水，杯子是软的还是硬的，水是凉的还是热的，杯子倾斜到什么角度水会洒出来？这背后涉及的物体材质、重量、状态、力反馈等，对机器人来说都是没有被系统性采集的数据。

第三阶段：能落地的AI应用

我们目前投资的AI应用大致可以分为三类：AI基础设施、垂直领域的AI Agent、AI驱动的智能硬件。

2. 为什么AI硬件是中国的战略机遇？

2025年，工信部牵头八个部委发了一个文件《“人工智能+制造”专项行动实施意见》，即利用人工智能，加上中国的强势产业和产业结构，来进行各种不同的标杆和示范型应用。

这是非常典型的“下半场”应用，各个产业+智能化。就目前中国AI应用的形势来看，如果有一个强势产业链，最好能加上前沿科技（传感器、芯片、算法），就是用软件加硬件。

任何情况下“软件加硬件”，大概都是中国公司擅长的，最好再能把它变成一个新的产品形态，当实现了PMF，在产品定义上站住脚，然后在中国激烈的市场竞争中卷出来，就有机会卷全世界了。

因为没有人同时具备这些条件了——足够大、足够挑剔、足够卷的市场，相对比较完整的硬件供应链和相对比较前沿的技术，不管是传感器、芯片还是算法。

为什么这件事能在中国发生？

今天，我们用到智能硬件里的新的传感器，都是因为其在其他领域的广泛应用，使得它的规模扩大、成本骤降、精度上升。

举两个最明显的例子：

激光雷达，中国卷自动驾驶，就涉及到了激光雷达。一个反差是，美国激光雷达的鼻祖公司破产了，而中国的速腾聚创、禾赛科技都完成了上市，并且和后面几家公司一起，把激光雷达的价格卷到了很低。在2015年自动驾驶刚开始火的时候，线扫激光雷达大概要几十万或者十几万块钱。到现在，多线激光雷达大概到了一千多块钱。

当价格打下来，这些传感器就可以用到别的地方了。

摄像头，比如影石Insta360所用的摄像头，无论是全景还是小广角，之所以能做进消费者级硬件里，是因为智能手机的超大规模普及，把短焦、广角摄像头的精度（像素）打上去，与此同时把价格打下来。

这就解释了，中国的科技行业可以利用上一轮的技术应用把供应链打造成熟，再依托中国的硬供应链来迭代新产品。

举个例子，人脸识别技术来自于美国，在2017年之前，全中国的科技行业大概率认为，中国在人脸识别技术上很难追上美国。

但今天我们的体验很简单，在中国几乎所有事情都可以用人脸识别，住宿登记、安检、交易确认、工商登记注册等等，应用层无处不在。这种大规模应用导致的结果是，2019年之后，计算机视觉（CV）相关的顶会和顶刊，大多都是中国作者的论文。

这项技术在第一阶段主要靠算法突破，但后半程的突破则靠应用。这就是上半场和下半场的差别。

再看自动驾驶。2022年之前，或许大多数人都认为自动驾驶只能走特斯拉的路线，因为那时特斯拉FSD最领先。2025年12月，工业和信息化部正式公布我国首批 L3 级有条件自动驾驶车型准入许可，这也意味着我国自动驾驶迈入新阶段。

从本质上说，自动驾驶最终是由数据为主、算法为辅驱动的，也就是靠应用驱动。

我倾向于认为，可能从2026年底开始，自动驾驶谁能行，大家会达成新共识，中国自动驾驶有机会超过特斯拉。因为这是一场数据驱动的竞争。中国载有传感器的车辆太多，提供的数据维度、质量和总量都太大。

这件事的逻辑与人脸识别技术的发展和如今的AI应用一模一样。

大家可以看这张产业图谱，几乎中国所有的行业，均遵循着同一条演进路径，始于以性价比为核心的基础制造，进阶至工艺密集的精密制造，再跃升为科技驱动的复杂制造，进而孕育出高附加值的自主品牌，最终实现全球化布局。

这构成了中国产业升级的底层逻辑。

四、2026宏观展望

1. 关于国际关系

国际关系方面，2025年11月美国发布了《国家安全战略》（National Security Strategy）。在这份白皮书中，美国已经相对明示地写出，要收缩其在全世界的军事存在。这会导致两个结果：

第一，使得盟友承担更多军费，美国借此出售武器。

第二，回归美洲，推行“唐罗主义”。特朗普（Donald Trump）借用门罗主义（Monroe Doctrine）的内核，将北美和中南美洲视为自家“前庭后院”，通过构建隔离带，巩固在美洲的绝对影响力。这涉及委内瑞拉石油、格陵兰、加拿大、墨西哥湾等多地事务。

展望2026年，如果按照特朗普的《国家安全战略》和其现在所做的事情来看，接下来主要折腾家门口的事。

所以，中国也许能迎来一个难得的战略窗口期，少了很多外部的压力。在过去十年，这是比较少见的。

而当美国在折腾盟友和伙伴关系、在家门口抢夺资源时，中国正在打造中长期的国际影响力，成为全球治理体系建设的推动力量。在2025年9月1日的“上海合作组织+”会议上，中国提出了全球治理倡议的五点原则，“同各国一道，推动构建更加公正合理的全球治理体系，携手迈向人类命运共同体”。

如果你留意更多的新闻，基于当前国际关系的情形，你可以做一个简单但对今天很重要的判断。

从2026年开始往后看5年到20年，中国的国际地位和影响力如果上升，那意味着中国一定会有更多的国际化业务。再往下推导，如果你想要押注一个趋势性的行业红利，你就需要国际化。

很多人觉得，国内这几年经济体感一直不太好。核心原因在于：从2015年开始，中国一直在做经济结构调整，用一句流行的话说，叫“新旧动能转换”。这件事，说起来容易，但新旧动能不可能立刻“此消彼长”，存在一定阵痛期。

如果外部环境得以稍微缓和、国际关系得以改善，这个新旧转换能更好的跑通。我认为，今年可能是一个关键节点。

2.人民币会大幅升值吗？

今年许多人开始认为人民币会大幅升值，我觉得人民币要有升值预期，但不会大幅升值。

在去年四季度人民币升值的背景下，中国的外贸顺差反而创了历史新高。这说明，中国外贸对汇率的敏感度正在下降。核心变化是外贸结构升级。中高附加值产品和服务的占比在显著提升。

2025年，中国汽车出口超过500万台，按单车两万多美元计算，金额在千亿美元以上，已经是典型的中高附加值产品。

再看创新药。2025年，全球创新药对外授权总金额中，签给中国的高达1356亿美元，这是100%高附加值产品，对汇率和劳动力成本都高度不敏感。

再举一个也许你不曾关注过的数据，包括外资厂在内，2025年中国芯片出口金额预计约1.5万亿人民币，折合两千多亿美元。我们曾长期被“卡脖子”，是全球最大的芯片进口国，但在很多人毫无察觉的情况下，中国的外贸结构已然发生了实质变化。

这也是为什么，人民币对汇率波动的敏感度在下降——因为附加值在上升。

如果从国家实力的角度做一个简化对比，大致可以分为五层：

最底层是军事；再上一层是制造业和GDP；再往上是金融；最上层是全球价值观和文化文明。

今天，中国与美国差距最大的，集中在金融这一层。

美国的金融优势，并不是天然形成的，而是历史积累的结果。二战结束后，美国制造业和GDP一度占全球50%以上，长期保持贸易顺差。为了解决产能过剩、恢复全球市场，同时配合冷战，美国推动建立了IMF、世界银行、联合国、WTO等一整套国际体系。

真正的转折点，是1971年美元与黄金脱钩，美元成为全球第一种信用货币。随后，美国通过军事、能源、金融和市场经济，构建起以美元为核心的金融循环。

这个循环的逻辑是，美国通过贸易逆差输出美元；顺差国家赚到美元后，为了规避汇率风险，可能会选择购买美元计价资产，尤其是美债；美元再通过金融体系回流美国。

而现在，美国主动打破了它——它只想保留金融和军事，不再愿意承担逆差和制造业。

当这个循环被打破，我们也看到了中国的一些调整。你会看到，中国的贸易顺差在扩大，但外汇储备并没有显著增长；同时，中国开始减少对美债的依赖，增加黄金和其他资产配置。

更重要的是，中国开始推动贸易结算多元化和本币互换。

未来5~10年，我们可能会看到金融行业的进一步开放。2023年10月底的中央金融工作会议，已经释放了极为明确的信号。2025年6月，国家金融监管总局局长李云泽发言提到，进一步拓展金融开放广度和深度，鼓励上海在科技金融、跨境金融等领域开展创新试点。我预计，中国将会像当年深圳一样，“小步快跑”、先试点、再推广。

逻辑是，先依托贸易优势，提升人民币国际化；让全球形成对人民币的真实需求和一定升值预期，但不兑现为大幅升值。

这也是为什么，人民币要有升值预期，但不会大幅升值；既要增强购买力，又要兼顾外贸和国际地位；既要改善国际关系，又不能破坏自身结构稳定。这是一种在多个目标之间的精细平衡，而这正是当前人民币汇率政策的底层逻辑。

3. 中美数据之争

最后一个话题，是影响十年的事：数据，是中国科技之争的关键要素吗？

2023年3月“两会”后的机构改革，国家新组建了国家金融监督管理总局与国家数据局。

特别是国家数据局的成立，标志着数据治理进入了新阶段。

以上海为代表的地区已率先启动“公共数据”的授权运营试点。所谓“公共数据”，是指由政府及公共机构（如医院、教育、金融等）在履职或服务过程中产生的数据资源。目前的改革重点，在于如何将这些庞大的沉睡资产进行合规的集中、治理与市场化流通。

什么是生产要素？钱、地、人、设备，这些都是。十年后的今天，数据毫无疑问也是最大的生产要素。AI需要数据，数字化需要，无数普及的智能硬件和传感器需要，自动驾驶也需要。

同时，数据比钱、人、地更特殊的地方在于：它可以被反复使用，可以多次使用，可以流动着使用，可以用不同定价来使用。但也因此，它很复杂——难治理、难管理、难定价、难流通，还涉及脱敏问题。

短期看，中美AI产业竞争的下半场是看谁应用做得好；长期看，最终就看谁在这个问题上治理得好。

中国毫无疑问数据量最多，数据质量优质，需要思考的是怎么把数据用起来。

举个医疗的例子。2025年上半年，全球医药交易数量达456笔，交易总金额高达1304亿美元。其中，涉及中国的交易贡献了近50%的总金额和超过30%的交易数量。

如果想进一步提高全链条效率，就需要更多的临床数据。

现状是，高价值的临床数据分散在各个医院，处于碎片化、非标准化的数据孤岛状态。在美国，获取高质量临床数据的成本极其高昂。如果中国能打通这一堵点，医药研发效率将实现质的飞跃。但这需要解决一系列制度性难题：谁有资格归集数据？谁负责清洗脱敏、将其结构化？谁有权使用？定价机制如何确立？

上海目前的试点，正是在探索这套“数据要素市场化配置”的标准化流程。未来，这些临床数据还将与实验室数据、历史科研数据融合，形成指导研发的“数据金矿”。

所以十年以后，或许不用十年，最后国际竞争就是这两件事：能源和数据。谁在这两个问题上有更长期和更确定的竞争优势，谁就有赢的可能。

本文来自微信公众号：混沌学园，作者：李丰

本内容由作者授权发布，观点仅代表作者本人，不代表虎嗅立场。如对本稿件有异议或投诉，请联系 tougao@huxiu.com。

End

想涨知识 关注虎嗅视频号！