前沿思想
智能革命：丰裕、稀缺与新 Alpha——AI 时代的技术变迁、价值重构与投资判断系列课
过去几年，人工智能的发展主要围绕“大模型能力还能提升多少”展开。但对于投资人而言，更重要的问题正在发生变化。随着基础模型、推理模型、Agent 及 AI 原生工作流不断成熟，过去高度依赖人类认知的能力，正在逐步变成可以规模化部署、低成本复制、持续迭代的经济资源。智能，正在从一种稀缺的人类能力，逐渐变成一种新的资本。
AI 革命更深层的影响，是经济中的稀缺性正在重新分配。当模型能力越来越普及，信息获取、内容生成、软件开发乃至部分分析能力持续商品化，过去依赖这些能力形成的壁垒可能迅速下降；基础研究、专有数据、长期积累的 know-how、真实业务反馈、组织能力、产业入口和复杂环境下的高质量决策能力，则可能变得更加稀缺。
对股权投资人而言，关键问题包括：
- 哪些公司只是阶段性享受 AI 红利，哪些能够持续捕获“AI 盈余”？
- 当基础模型能力继续提升，哪些企业会变得更强，哪些会失去存在价值？
- 哪些行业会最先被 AI 重构，哪里会形成新的长期护城河？
- 下一轮具有超额回报潜力的“新 Alpha”会出现在哪里？
本系列从技术演进、产业结构和投资判断三个层面展开，以“智能丰裕—价值捕获—新 Alpha”为主线，帮助投资人建立以未来稀缺性判断未来价值的 AI 时代投资框架。
当智能成为新资本：从智能稀缺走向智能丰裕，以及新的价值边界
- • 从人的智能到机器智能：生产函数正在发生什么变化
- • 从大模型到 Agent：为什么这一轮 AI 开始真正进入经济活动
- • 我们距离真正的“智能”还有多远？
- • AI 时代的第一个悖论：使用越来越容易，前沿越来越难
- • 建立 AI 时代的“稀缺性框架”
谁能拿走智能红利？AI 时代的护城河、复利优势与价值捕获
- • 创造价值 ≠ 捕获价值
- • 重新拆解 AI 产业链：哪一层真正有长期价值？
- • 长期积累形成的优势（Accumulated Advantage）
- • 复利飞轮：为什么有些 AI 公司会越跑越快
- • 业务本身成为下一代模型的训练环境
- • 基础研究能力 × 积累优势 × 复利飞轮
- • 一级市场最重要的压力测试
新 Alpha：在智能丰裕时代寻找下一轮稀缺资产与超额价值
- • 建立 AI 行业攻克难度矩阵
- • 一个重要的价值迁移规律
- • Beta AI vs. Alpha AI
- • 一级市场里的“Alpha”
- • Beta Finance vs. Alpha Finance
- • 从金融扩展到真正的高价值决策领域
- • “新 Alpha”的三个条件
往期系列讲座
如何利用 AI，优化投资决策
过去一年，AI尤其是生成式AI的浪潮横扫全球，推动科技与投资的边界不断被重塑。我们在上一轮课程中，从"AI的投资逻辑""项目价值判断标准"到"不同AI解决方案路径的比较分析"，为投资者建立了一个关于"如何理解AI、判断AI、投资AI"的基本框架。
现在我们来到了新的临界点。宏观层面，中美竞争正在从传统制造能力转向对"底层科技话语权"的激烈博弈。国内"强科技""强金融"的政策信号持续释放，金融本身作为社会资源配置的核心引擎，也开始被推上AI化的舞台中央。当下资本市场处于结构化调整的深水区，同时面临外部环境压力；从而导致底层资产价格的大幅波动，以及投资决定的难度上升。投资人迫切需要在不确定性中把握新的可控变量，通过AI优势率先找到适配自己投资场景的"Alpha"突破口。
在本轮课程中，我们将系统解析AI与投资相结合的深层逻辑。这是一次面向未来的认知升级，更是一次从理念到落地的演进。通过多投资决策类场景的AI应用案例为一二级投资者提供实战思维与前瞻视角。
中美金融市场的价值链对比和未来机遇
AI+金融在百年大变局之中的战略意义，强金融科技 = 强金融
AI在金融应用的发展历史以及前景
大语言模型对于投资决策的局限性和场景适配
下一个技术突破：打造原生金融基座模型
金融基座模型将优化全社会资源配置，创造万亿社会价值
大经济模型对于极端事件的预判案例
如何利用AI优化1.5级持仓风险暴露案例
如何利用AI优化公开市场退出择时
如何利用AI技术推进金融产品创新
理解 AI，更好投资 AI
当前全球经济面临诸多挑战，国际地缘政治格局日趋复杂，国内经济正处于深度调整期，资本市场进入前所未有的结构性分化阶段。在这样的大环境下，创新技术尤其是人工智能(AI)成为推动经济增长的重要引擎。
2023年以来，生成式AI的热潮席卷全球，投资市场对A相关赛道的关注度持续升温。然而，在机遇与挑战并存的环境中，如何科学理解AI的核心价值、甄别真正具备长期竞争力的AI项目，已成为每位投资者的必修课。
本课程结合全球视野及丰富实战经验，从AI技术原理、生产力革命、投资逻辑等多维度入手，为投资者提供深刻启发与实操方法。
人工智能即功能 vs 人工智能即产品 vs 人工智能即平台
超级通用助理 vs 产业解决方案(2B or not2B)
如何看待生成式模型的后半场竞争格局?
如何理解泛 AI 空间的投资逻辑?
风投该如何发掘一个值得投资的早期AI项目? (风险管理 vs 风险投资)
如何理解新质生产力和 AI 的关系?
Agents + RAG + 微调语言模型=行业通用解决方案?
创业公司产品化行业解决方案的路径思考
大语言模型的局限性和AI未来发展趋势的思考(EAI)
聊一聊AI最有可能 "颠覆" 的几个行业
AI(深度学习)的基础机理是什么，为什么能驱动现在智能大爆炸?
为什么我们要拥抱AI，拥抱AI意味着什么?
从生产力革命视角推演AI未来的发展路径
中国/美国的投资逻辑差异，是更大更好?还是场景为王?
开源 vs 闭源大模型，AI能力很容易复制?
"炼丹" vs "卖铲子" ,如何做出战略选择?