关注卜卜子工作室
评说财经热点，解读热点实点
看看多交流，多关注，关注是观看的动力来源，请关注感谢[锦鲤到来][锦鲤到来][锦鲤到来]
扎根行业多年的资深媒体人，用冷静、专业的视角带给你不一样的认知
但斌在东方港湾2025年投资者交流会上对人工智能（AI）的投资前景进行了全面阐述，其核心观点可总结为以下几个方面：
一、人工智能的颠覆性潜力
但斌认为，AI是当前全球最大的财富变革催化剂，其潜力远超其他产业。他特别强调，AI不仅是技术进步，更是人类智慧与机器智能的深度融合，这种结合正在重塑生产方式、生活方式甚至思维方式。例如，无人驾驶、智能家居、智能制造、智慧医疗等应用场景的快速扩展，正推动AI渗透到社会各个领域。从全球视角看，未来五到十年将是AI发展的黄金期，其创造的财富规模可能超过互联网时代的十倍。
二、长期投资逻辑与策略
但斌提出以下投资原则：
关注企业全生命周期：真正的超额收益来源于持有企业从“成长股”到“价值股”的完整周期。例如，互联网行业从1990年代至今的演变已验证这一逻辑，而AI目前尚处于初期阶段，未来可能催生十万亿美元市值级别的公司。
筛选标的的标准：优先选择轻资产、高盈利的企业，这类公司在市场波动中更具韧性。同时，需重点考察企业的创新能力和市场前景，而非短期业绩表现。
聚焦核心投入者：AI产业具有高投入特性，最终胜出者需能持续投入巨额资金。因此，东方港湾当前关注美股科技巨头等具备资金和技术优势的企业。
三、应用场景与行业机会
但斌列举了多个AI应用场景，包括：
垂直领域：医疗（如疾病诊断与药物研发）、金融（智能投顾）、农业（精准种植）、教育（个性化学习）等。
技术融合：工业4.0、智能安防、机器人等领域的“AI+”模式将加速落地。
基础设施：AI芯片、服务器、云计算等硬件与软件需求将持续增长，相关产业规模预计从2023年的2320亿美元增至2027年的5000亿美元。
四、数据与政策支持
市场规模：中国规划到2025年AI核心产业规模超4000亿元，带动相关产业超5万亿元；全球AI对GDP的贡献率预计2030年达1.2%。
技术驱动力：数据量爆发（预计2025年达175ZB）、算力提升（芯片算力达每秒万亿次）、算法优化（深度学习迭代）构成AI发展的三大基石。
政策助力：中国《新一代人工智能发展规划》等政策为技术研发和产业融合提供长期支持。
五、风险与挑战
但斌未直接提及风险，但结合其他资料可补充：
技术瓶颈：如数据隐私、算法偏见、对抗性攻击等可能制约应用。
竞争格局：行业集中度高，需警惕技术垄断和市场泡沫。
但斌的观点可归纳为：AI是第四次工业革命的核心驱动力，其投资逻辑需以长期视野把握技术变革和产业升级的红利。投资者需聚焦头部企业，关注技术与场景的深度结合，同时警惕阶段性波动。这一判断与全球AI市场规模扩张、政策支持及技术突破的趋势高度契合。
人工智能在医疗领域的最新应用和研究成果主要集中在以下几个方面：
提高诊疗精准度
人工智能技术，尤其是计算机视觉和深度学习，已经成功应用于医学影像识别，帮助医生进行疾病诊断。例如，通过分析X光、MRI等影像数据，AI可以提高疾病检测的准确率，尤其是在早期发现癌症和心血管疾病方面。此外，AI技术还能够通过分析患者的基因数据，设计出个性化的治疗方案，实现精准医疗。
无创检测技术
AI在无创检测领域也取得了重要进展。例如，在糖尿病监测中，智能设备可以通过分析病人的口腔呼出气体来监测血糖水平，减少了对病人身体的伤害。
机器人辅助手术
AI技术在手术领域的应用也取得了显著成果。通过操控机器人执行高精度的手术操作，AI不仅提高了手术的精确度和安全性，还减少了患者的恢复时间。
疾病预测与早期预警
通过分析大量的医疗数据，AI能够识别疾病的潜在信号，为医生提供早期预警。这使得患者可以在疾病发展初期得到干预，从而提高治疗效果。
个性化治疗方案
AI技术结合患者的基因数据和病史信息，可以设计出个性化的治疗方案。这种精准医疗的方法不仅提高了治疗效果，还降低了不必要的医疗成本。
新型生物材料的应用
在临床医学中，新型生物材料（如组织工程中的生物材料和药物载体）与AI技术相结合，为许多难治疾病提供了新的解决方案。这些技术不仅提高了诊断的准确性，还降低了患者的痛苦和医疗成本。
远程医疗与健康管理
AI技术在远程医疗和智能健康管理中的应用也日益广泛。通过智能设备和数据分析，医生可以远程监测患者的健康状况，并提供及时的医疗建议。
药物研发与发现
AI在药物研发领域也发挥了重要作用。通过机器学习和生物信息学方法，AI可以提高药物发现的效率，预测抗肿瘤药物的敏感性，并评估药物毒性。
伦理与安全问题
尽管AI在医疗领域取得了诸多成就，但也面临数据隐私、安全性和伦理问题。如何在保障患者隐私的同时，充分利用AI技术，是未来研究的重要方向。
人工智能在医疗领域的应用正不断深化，从辅助诊断到精准治疗，再到新型生物材料的应用，AI技术正在为医疗行业带来革命性的变革。
评估人工智能技术在提高生产效率方面的实际效果可以从多个角度进行分析
1. 理论框架与背景
根据中的研究，自动化技术（包括人工智能）通过改变生产任务的分配，使资本替代劳动力，从而影响劳动需求。然而，这种替代效应可以通过创造新的任务来抵消，这些新任务可能需要更多的劳动力。因此，评估人工智能对生产效率的影响时，需要考虑其对劳动需求和生产任务的双重作用。
2. 实证研究与案例分析
（1）企业层面的实证研究
提供了多个实证研究结果：
在德国，AI技术的应用显著降低了商业部门的年度总成本，并且经验丰富的企业的创新成果显著提高。
在中国台湾省，AI技术与就业和生产力呈正相关关系，表明AI技术的应用可以促进生产力增长。
在中国，制造业企业中AI技术的应用显著提高了全要素生产率。
这些研究表明，AI技术在不同国家和行业中均能显著提升生产效率，尤其是在制造业和商业领域。
（2）实验研究
和通过实验研究进一步验证了AI技术在提高生产效率方面的潜力：
单独使用AI或增强现实（AR）技术时，均能显著提高工人完成任务的速度和减少错误率。
当AI与AR结合使用时，生产力提高了22%，平均得分为62分。这表明技术整合可以带来更大的协同效应。
这些实验结果表明，AI技术不仅能够单独提升生产效率，还能通过与其他技术的结合实现更大的生产力提升。
3. 行业与区域层面的影响
指出，AI技术对企业生产效率的提升具有重要作用，但这种影响在不同企业、行业和地区之间存在差异。例如：
在某些行业（如制造业），AI技术通过柔性生产和全天候生产等方式显著提高了生产效率。
在其他行业（如服务业），AI技术可能通过优化决策质量和员工能力来提升效率。
此外，提到，AI技术在企业智能化升级中的应用（如智能机器人、自动化生产线等）也显著提高了生产效率和降低了成本。
4. 技术整合与协同效应
强调了AI技术在自动化决策、智能监控和精准执行方面的优势。通过深度学习和机器学习技术，AI能够不断优化工作流程，从而进一步提升生产效率。
同时，提到，AI技术不仅提高了生产效率，还能够使某些任务完全自动化，从而释放更多资源用于更高价值的工作。
5. 潜在挑战与限制
尽管AI技术在提高生产效率方面表现出色，但也存在一些潜在挑战：
结构性失业：指出，AI技术可能导致传统“非智能”产品被淘汰，同时创造新的职业岗位。这可能会引发结构性失业问题。
技术整合难度：和的研究表明，虽然AI技术本身具有显著潜力，但其与其他技术（如AR）的整合需要较高的技术支持和成本投入。
人工智能技术在提高生产效率方面具有显著的实际效果。具体表现为：
直接提升生产效率：通过自动化决策、智能监控和精准执行等方式，AI技术能够显著提高生产效率。
协同效应：AI与其他技术（如AR）的结合可以带来更大的生产力提升。
行业与区域差异：AI技术的影响在不同行业和地区之间存在差异，需要根据具体情况进行调整。
潜在挑战：AI技术的应用可能引发结构性失业问题，并需要较高的技术支持和成本投入。
