當 AI 成為萬物加速器：ARK Big Ideas 2026 深度解析——從推論成本暴跌 99% 到人形機器人的 20 萬倍複雜度挑戰

本文整理自 ARK Invest 於 2026 年 1 月發布的《Big Ideas 2026》年度研究報告。這是 ARK 連續第十年發布的旗艦報告，完整原文超過 110 頁，涵蓋 13 個重大技術主題。強烈建議讀者直接閱讀原始報告。

這份報告為什麼重要

每年一月，由 Cathie Wood 領軍的 ARK Invest 都會發布一份名為《Big Ideas》的年度研究報告。這份報告不做短期股價預測，而是試圖回答一個更根本的問題：哪些技術正在經歷指數級成長，而這些成長將如何重塑整個經濟結構？

2026 年的報告格外值得關注，不只因為這是 ARK 發布的第十份年度報告，更因為報告中提出了一個大膽到近乎挑釁的預測：到了 2030 年，全球實質 GDP 成長率可能達到 7.3%，是國際貨幣基金組織（IMF）預測的 3.1% 的兩倍以上。

這個數字不是憑空捏造。ARK 的論證建立在一個核心觀察之上：我們正處於人類歷史上前所未有的「技術收斂」時刻。五大創新平台——人工智慧、公共區塊鏈、機器人、能源儲存、多體學——不再是各自獨立發展，而是開始相互加速、相互催化。當 AI 讓機器人更聰明，機器人讓火箭更便宜，火箭讓太空運算成為可能，而太空運算又能訓練更強大的 AI 模型時，我們面對的不再是線性成長，而是指數疊加指數的複合效應。

這篇文章將深入解析報告的 13 個核心主題，並在最後提出我自己的觀察與反思。

【插圖位置：第 6 頁，五大平台技術收斂圖】

第一部分：大加速時代來臨

技術收斂：當五大平台開始相互催化

ARK 的首席未來學家 Brett Winton 在報告開篇就點出了 2026 年與過去最大的不同：技術平台之間的「收斂網路強度」在 2025 年增加了 35%。這個聽起來有點抽象的指標，衡量的是不同技術領域相互催化的程度。

舉個具體的例子。過去我們談 AI，談的是模型參數量、訓練資料量、推論速度。但現在，AI 的發展已經開始受到地球物理條件的限制——電力供應、散熱能力、土地取得。當地面資料中心的擴張遇到瓶頸，一個看似瘋狂的解決方案浮上檯面：把 AI 運算搬到太空去。

報告指出，以目前 SpaceX 的發射成本計算，太空運算的成本還比地面高 30%。但如果 Starship 能將發射成本降到預期的每公斤 100 美元以下，太空運算反而會比地面便宜 25%。這不是科幻小說，而是正在發生的工程計算。為了滿足 100GW 的 AI 運算需求，所需的發射質量將是 SpaceX 目前累計發射量的 60 倍。火箭產業突然從太空探索的配角，變成了 AI 發展的關鍵瓶頸。

這就是技術收斂的威力：一個領域的突破，會意外地解鎖另一個領域的天花板。AI 需要算力，算力需要能源，能源需要電池和太陽能，而這些硬體的製造又需要更聰明的機器人。每一個環節的進步都在加速其他環節，形成一個不斷自我強化的正向循環。

【插圖位置：第 8 頁，太空運算 vs 地面運算成本比較圖】

GDP 成長 7.3%：樂觀還是瘋狂？

報告中最引人注目的數字，莫過於 ARK 對 2030 年全球實質 GDP 成長率的預測：7.3%。相較之下，IMF 的預測只有 3.1%。這個差距不是小數點後的微調，而是對世界運作方式的根本分歧。

ARK 的計算邏輯是這樣的：光是破壞性創新平台帶動的資本投資，就能為每年的實質 GDP 成長貢獻 1.9 個百分點。而這些新資本——自駕計程車、新世代資料中心、企業 AI 代理——的投資報酬率遠高於傳統資本。當這些因素疊加上生產力提升和新商業模式的湧現，實際成長率可能比市場共識高出 4 個百分點以上。

歷史上，每一次重大技術典範轉移都伴隨著 GDP 成長率的結構性躍升。從農業時代的 0.04% 年成長，到工業革命後的 0.6%，再到電氣化時代的 3%。ARK 認為，我們正站在下一次躍升的起點。

當然，這個預測建立在許多假設之上：技術進步的速度能維持、監管環境保持友善、地緣政治風險可控。這些假設是否成立，我們稍後會在「我的觀察」段落中討論。

【插圖位置：第 12 頁，全球 GDP 成長預測圖，ARK 7.3% vs IMF 3.1%】

量子電腦被潑冷水

在一片樂觀的預測中，報告有一個格外清醒的段落：ARK 明確指出，量子電腦在未來 20 到 40 年內不會成為「破壞性技術」。

這個判斷的依據很直接。破壞性技術需要具備陡峭的成本下降曲線，能跨越多個產業的關鍵價格點，並且成為其他技術創新的平台。但量子電腦的進展速度遠低於預期。儘管 Google 等公司投入了數十億美元的研發經費，量子位元數量的翻倍週期超過四年。即使未來能加速到摩爾定律的節奏——每兩年翻倍——量子電腦要達到能破解現有加密系統的能力，也要等到 2040 年代。

這個觀點和市場上的熱門敘事形成鮮明對比。過去幾年，量子電腦概念股時不時就會因為某個實驗室的突破而飆漲。但 ARK 提醒投資人：不是所有令人興奮的技術都能成為破壞性創新。真正的破壞性技術需要的不只是科學上的可行性，還需要經濟上的可行性和時間上的緊迫性。

【插圖位置：第 13 頁，量子電腦進展預測圖】

創新市值將佔全球股市六成

報告預測，到 2030 年，創新相關資產——包括公開上市的科技股、加密貨幣、創投獨角獸——將佔全球股票市值的 60% 以上。這個比例聽起來驚人，但 ARK 提醒我們：1870 年，鐵路股就佔了美國股市的類似比重。

從 2020 年到 2025 年，創新市值的年複合成長率達到 35%，遠超過非創新市值的負 4%。這個趨勢如果持續，意味著傳統產業在資本市場上的相對重要性將持續下降，而能夠掌握新技術的公司將獲得不成比例的估值溢價。

【插圖位置：第 14 頁，創新市值佔全球股市比例預測圖】

第二部分：AI 三部曲——基礎建設、消費者、生產力

推論成本一年暴跌 99%

如果要從這份報告中選出一個最震撼的數字，我會選這個：在過去一年內，達到相同智慧水準的 AI 推論成本下降了超過 99%。

2024 年 9 月，OpenAI 推出 o1-preview 模型時，每百萬 token 的成本是 28.90 美元。到了 2025 年底，能達到同等表現的模型成本已降到每百萬 token 0.10 美元。這不是擠牙膏式的改進，而是兩個數量級的斷崖式下跌。

成本暴跌直接引爆了需求。OpenRouter 平台上的 token 推論量在一年內增加了 25 倍。當使用 AI 的邊際成本趨近於零，過去因為成本考量而被擱置的應用場景突然全部變得可行。這就像是智慧型手機剛普及的那幾年：不是手機變聰明了多少，而是當每個人口袋裡都有一台時，整個應用生態系統才真正爆發。

【插圖位置：第 21 頁，AI 推論成本下降圖】

資料中心投資：泡沫還是新常態？

伴隨 AI 需求暴增的，是科技巨頭們瘋狂的資本支出。2026 年，超大規模資料中心業者的資本支出預計將超過 5000 億美元，是 2021 年 ChatGPT 問世前的近三倍。

這讓許多人聯想到 2000 年的網路泡沫。但 ARK 提出了一個關鍵的反駁：雖然科技業的資本支出佔 GDP 比重已經達到 1998 年的水準，但科技股的本益比卻遠低於當年的高峰。1999 到 2000 年間，當時的科技龍頭——思科、甲骨文、諾基亞、英特爾、微軟——的平均本益比超過 80 倍。而今天的「Mag 6」——Alphabet、蘋果、亞馬遜、Meta、微軟、Nvidia——的平均本益比只有 30 多倍。

換句話說，市場這次對科技投資的定價相對理性。資本支出確實在飆升，但股價並沒有脫離基本面太遠。這不是說泡沫不可能發生，而是說目前的情況和 2000 年有本質上的不同。

【插圖位置：第 23 頁，科技資本支出 vs 本益比對比圖】

Nvidia 的競爭壓力

報告也沒有迴避 AI 硬體領域的競爭態勢。Nvidia 憑藉在 AI 晶片設計、軟體生態和網路設備上的先發優勢，目前佔據 GPU 市場約 85% 的份額，毛利率高達 75%。但競爭者正在追趕。

在小型語言模型的推論任務上，AMD 的 MI 系列晶片已經能和 Nvidia 的 H 系列一較高下。Google 的 TPU v7 也在特定場景下展現競爭力。更值得注意的是，像 Broadcom 和亞馬遜 Annapurna Labs 這樣的 ASIC 設計公司，正在為特定工作負載打造更具成本效益的客製化晶片。

ARK 預測，到 2030 年，ASIC 將在加速伺服器市場中佔據越來越大的份額。這對 Nvidia 來說是警訊，但對整個 AI 產業來說卻是好消息：更多競爭意味著更快的成本下降。

AI 消費者作業系統：購買行為的典範轉移

報告中有一個章節特別引起我的注意：「AI 消費者作業系統」。這個概念描述的是，當 AI 模型成為網路堆疊的新一層時，消費者和數位世界的互動方式將徹底改變。

想想看購物體驗的演進。在網路出現之前，買一件商品需要親自到店面、比較價格、做出決定、完成付款，整個過程可能需要一個小時。網路時代縮短到大約 15 分鐘。行動時代再壓縮到 5 分鐘。而在 AI 代理時代，這個過程可能只需要 90 秒。

這不只是速度的提升，而是整個購買漏斗的重構。傳統電商的邏輯是：讓消費者看到更多商品、停留更長時間、點擊更多頁面。但 AI 代理的邏輯完全相反：它的任務是用最短的時間、最少的步驟，幫你找到最適合的商品並完成購買。

Anthropic 的 Model Context Protocol（MCP）讓 AI 代理能無縫存取網路上的即時資訊。OpenAI 和 Stripe 合作的 Agentic Commerce Protocol（ACP）則處理端到端的交易流程。當這些協議成熟並普及，電商的競爭規則將被重寫。過去靠著 SEO 和廣告投放獲得流量的品牌，未來可能要學會如何讓 AI 代理「推薦」自己的產品。

ARK 預測，到 2030 年，AI 代理將促成超過 8 兆美元的線上消費，佔全球線上銷售額的約 25%。

【插圖位置：第 28 頁，購買時間演進圖，60 分鐘到 90 秒】

【插圖位置：第 29 頁，Agent 協議架構圖】

AI 生產力：從分鐘到小時的任務能力躍升

衡量 AI 代理能力的一個有趣指標是：它能可靠完成多長時間的任務？2024 年初，答案是大約 6 分鐘。到了 2025 年底，這個數字已經增長到 31 分鐘。

這個進步來自幾個方向的突破：推理能力的增強讓模型能處理更複雜的邏輯鏈；工具使用能力的提升讓模型能操作外部系統；更長的上下文窗口讓模型能追蹤更複雜的任務狀態。當這些能力疊加，AI 代理就能從「回答問題」進化到「完成工作」。

報告提到一個簡單的計算：一個 ChatGPT Plus 訂閱用戶，如果每天節省 50 分鐘的工作時間，以美國知識工作者的中位數時薪 56.5 美元計算，每天節省的價值約為 47 美元。而訂閱費用是每月 20 美元。換句話說，投資報酬的回收期不到半天。

這解釋了為什麼 AI 原生公司的營收成長如此驚人。OpenAI 的年化營收從 2023 年的 16 億美元成長到 2025 年的 200 億美元，年複合成長率 250%。Anthropic 更誇張，從 1 億美元成長到 60 億美元，年複合成長率 850%。專注於特定領域的新創公司也表現亮眼：Cursor（程式開發）達到 10 億美元年化營收，Harvey（法律）、OpenEvidence（醫療）、Sierra（客服）都突破了 1 億美元。

【插圖位置：第 34 頁，AI Agent 任務時長成長圖】

美中 AI 競賽：六個月的差距與 38 倍的產能鴻溝

報告用一張圖清楚呈現了美中 AI 競賽的現狀。從模型能力來看，中國最先進的模型——如 DeepSeek R1、Qwen 系列——落後美國頂尖模型大約六個月。這個差距看起來不大，但考慮到 AI 能力的指數級成長，六個月可能代表著整整一個世代的差異。

更關鍵的是硬體端的差距。台積電 2024 年的日產電晶體產能約為 1350 億顆，是中國中芯國際的 38 倍。在先進製程晶片的取得受到出口管制限制的情況下，中國要維持 AI 競爭力面臨嚴峻挑戰。

不過，報告也指出中國在開源模型領域的優勢。目前市場上表現最好的十個開源模型中，有八個來自中國，全部超越了曾經稱霸開源領域的 Meta LLaMA 系列。這顯示中國正在用不同的策略參與這場競賽：如果無法取得最先進的硬體，就在軟體效率上下功夫。

【插圖位置：第 36 頁，美中 AI 能力對比 + TSMC vs SMIC 產能圖】

第三部分：Crypto 三部曲——比特幣、代幣化、DeFi

比特幣：從投機資產到機構配置

比特幣在 2025 年經歷了質的轉變。美國 ETF 和上市公司持有的比特幣數量，從年初佔流通量的 8.7% 增加到年底的 12%。這不只是數字的增加，而是持有者結構的根本改變。

威斯康辛州退休基金將比特幣納入投資組合、Metaplanet 宣布 54 億美元的比特幣國庫策略、川普總統簽署行政命令建立「戰略比特幣儲備」——這些事件標誌著比特幣正從邊緣資產走向主流配置。

更值得注意的是波動性的下降。報告指出，2025 年比特幣從歷史高點的平均回撤幅度，無論是以五年、三年、一年還是三個月的時間維度來衡量，都創下了歷史最低紀錄。這支持了比特幣作為「避險資產」的敘事：當一個資產的波動性持續下降、機構持有比例持續上升時，它就越來越像是一種值得認真對待的資產類別。

ARK 對比特幣 2030 年的市值預測維持相對穩定，但調整了幾個關鍵假設。「數位黃金」這個用例的可及市場（TAM）因為實體黃金價格在 2025 年飆漲 64.5% 而上調了 37%。但「新興市場避風港」這個用例的滲透率假設則下調了 80%，原因是穩定幣在發展中國家的快速普及——當你可以用穩定幣獲得美元曝險時，對比特幣的需求就會被部分替代。

穩定幣：悄悄超越傳統支付巨頭

如果說比特幣的故事是關於「儲值」，穩定幣的故事則是關於「支付」。而這個故事在 2025 年達到了一個驚人的里程碑：穩定幣的月交易量達到 3.5 兆美元，是 Visa、PayPal 和全球跨境匯款加總的 2.3 倍。

這個數字需要一些脈絡。穩定幣交易量中有很大一部分是交易所之間的資金移動和套利活動，並非真正的「支付」。但即使扣除這些因素，剩下的「經調整交易量」仍然驚人。Circle 的 USDC 佔經調整交易量的約 60%，Tether 的 USDT 佔約 35%。

更重要的是基礎設施的成熟。《GENIUS Act》的通過為穩定幣提供了監管清晰度。Circle 完成 IPO、多家穩定幣發行商取得銀行執照、傳統金融機構開始擁抱這項技術——Stripe 推出專注穩定幣的 Layer 1 網路 Tempo、Visa 在 Solana 上啟用原生穩定幣結算、JP Morgan 在 Base 上推出 JPM Coin。

當傳統金融和加密原生基礎設施開始融合，穩定幣就不再只是加密貨幣交易者的工具，而是有可能成為全球支付基礎設施的一部分。

【插圖位置：第 48 頁，穩定幣交易量 vs Visa+PayPal+跨境匯款】

代幣化資產：從概念到 11 兆美元的市場

代幣化——將傳統金融資產放到區塊鏈上——是另一個在 2025 年從概念走向現實的趨勢。代幣化真實世界資產（RWA）的總價值從年初的約 60 億美元成長到年底的 190 億美元，成長超過三倍。

領頭的是美國國債的代幣化。貝萊德的 BUIDL 貨幣市場基金規模達到 17 億美元，佔代幣化國債市場的 20%。代幣化黃金產品——Tether 的 XAUT 和 Paxos 的 PAXG——也分別達到 18 億和 16 億美元的規模。

ARK 預測，到 2030 年，代幣化資產市場將成長到 11 兆美元，佔全球金融資產的約 1.38%。這個數字聽起來不大，但考慮到這是一個從幾乎為零開始的市場，成長曲線是陡峭的。而且，一旦基礎設施成熟，代幣化可能加速進入銀行存款、公開股票等更大的市場。

DeFi：應用層營收首次超越網路層

在加密貨幣的早期，大部分價值都被底層區塊鏈網路（Layer 1）捕獲。但這個格局在 2025 年開始翻轉。報告指出，DeFi 應用層的營收首次超越了網路層。

這個轉變的象徵是 Hyperliquid。這個專注於永續合約交易的平台，2025 年全年營收達到約 38 億美元，其中單單一月份就貢獻了超過 8 億美元。更驚人的是，這一切是由不到 15 名員工完成的。

每名員工創造超過 5000 萬美元營收——這個數字讓 Hyperliquid 成為全球員工人均營收最高的公司之一，超越了 Tether、OnlyFans、Valve、YouTube、甚至 Nvidia。這不只是加密貨幣的故事，而是關於軟體槓桿能達到多大程度的故事。當你的產品是純粹的程式碼、運行在去中心化的基礎設施上、面向全球市場時，傳統的營運成本結構就被徹底顛覆。

【插圖位置：第 55 頁，員工人均營收對比圖】

報告還觀察到 Layer 1 區塊鏈的價值來源正在分化。以太坊 90% 以上的市值來自於它作為「貨幣資產」的角色——類似於數位黃金的儲值功能。而 Solana 則恰恰相反，90% 的市值來自於其作為「網路效用」的角色——實際產生的交易手續費收入。這意味著這兩條鏈雖然都被歸類為「Layer 1」，但實際上在做完全不同的事情，應該用完全不同的估值框架來評價。

第四部分：Multiomics——AI 原生生物學

基因定序成本：從 10 億到 10 美元

在報告的 13 個主題中，篇幅最長的是「多體學」（Multiomics）——一個對多數讀者可能相對陌生的領域。ARK 為這個主題分配了超過 20 頁的篇幅，分成五個子章節詳細闘述，暗示這可能是他們認為最被低估的投資機會。

多體學研究的是構成生命的多個層次：基因體（DNA）、表觀基因體（控制基因表達的修飾）、轉錄體（RNA）、蛋白質體、代謝體。過去，這些領域各自為政。但當收集這些數據的成本急劇下降，加上 AI 能夠整合分析跨層次的複雜模式時，我們對生命運作方式的理解正在經歷典範轉移。

人類基因體定序的成本是這個趨勢最好的例證。2001 年，完成一個人的全基因體定序需要花費近 30 億美元。到了 2025 年，這個成本已經降到約 100 美元。ARK 預測，到 2030 年，成本將進一步降到 10 美元。當定序一個人的完整基因體比做一次血液常規檢查還便宜時，精準醫療就不再是富人的專利，而是可以普及到每一個人的基礎醫療服務。

【插圖位置：第 65 頁，基因定序成本下降曲線圖】

AI 藥物開發：成本降四倍、時間縮短五年

傳統藥物開發是一個昂貴且緩慢的過程。一顆新藥從發現到上市，平均需要 13 年時間、24 億美元成本，而且絕大多數候選藥物都會在臨床試驗階段失敗。這種經濟模式導致製藥公司傾向於開發服務大量患者的「重磅藥物」，而忽略罕見疾病。

AI 正在改變這個方程式。報告預測，AI 驅動的藥物開發能將平均成本從 24 億美元降低到 7 億美元，時間從 13 年縮短到 8 年。這個改進來自幾個方向：AI 能更精準地預測哪些分子有成藥潛力，減少前期試錯；AI 能優化臨床試驗設計，提高成功率；AI 能加速監管審批所需的文件準備。

更重要的是，當藥物開發的固定成本下降，過去經濟上不可行的罕見疾病治療就變得有利可圖。這對數千萬罕見疾病患者來說是真正的福音。

【插圖位置：第 69 頁，AI 藥物開發成本與時間對比圖】

基因編輯治療：從罕見疾病到心血管疾病

基因編輯技術正在從實驗室走向臨床。報告以遺傳性血管性水腫（HAE）為例說明這項技術的經濟影響。HAE 患者目前依賴昂貴的長期預防性治療，終身醫療成本可達數百萬美元。一次性的基因編輯治療雖然定價可能高達 300 萬美元，但與終身用藥相比，仍能為醫療系統節省約 520 億美元。

但真正的市場機會不在罕見疾病，而在常見疾病。報告特別點出動脈粥狀硬化性心血管疾病（ASCVD）——全球頭號殺手。透過基因編輯降低有害脂質水平，有可能將重大心血管事件的風險減半。以美國約 1700 萬名控制不佳的 ASCVD 患者計算，如果採用以價值為基礎的定價（每人約 16.5 萬美元），這個市場的規模將達到 2.8 兆美元——是輝瑞立普妥（Lipitor）累計 20 年銷售額的 12 倍以上。

【插圖位置：第 74 頁，ASCVD 基因編輯治療市場規模圖】

長壽科學：1.2 千兆美元的潛在市場

報告最後觸及了一個幾乎具有哲學意味的問題：如果我們能延緩甚至逆轉生物老化，這個市場值多少錢？

ARK 的計算方式是這樣的：以目前美國人口計算，如果能消除所有非意外死亡、並消除與年齡相關的生活品質下降，理論上能增加 119 億個「品質調整生命年」（QALY）。以每個健康生命年價值 10 萬美元計算，這代表 1.2 千兆美元（quadrillion，即 1.2 × 10^15）的潛在價值。

這個數字大到難以理解，但它傳達的訊息很清楚：如果長壽科學能取得突破，它將不只是一個產業，而是人類經濟活動的根本重組。目前全球生技市場的規模只佔這個潛在市場的約 0.1%。

第五部分：實體世界自動化——機器人、自駕車、火箭、能源

人形機器人：複雜度是自駕車的 20 萬倍

如果說 AI 是這份報告的主角，機器人就是它最重要的配角。報告花了相當篇幅討論一個關鍵問題：人形機器人和自駕車相比，到底難在哪裡？

答案是：難在每一個維度上，而且是指數級的難。

從運動自由度來看，自駕車只需要控制方向盤、油門、煞車，大約 3 個自由度。人形機器人需要控制數十個關節，自由度超過 20 個。從控制頻率來看，自駕車的控制迴路運行在約 10Hz，人形機器人需要達到 100Hz 以上才能維持平衡。從環境複雜度來看，自駕車面對的是相對結構化的道路環境，人形機器人需要在完全非結構化的人類生活空間中運作。從任務多樣性來看，自駕車本質上只做一件事——把乘客從 A 點送到 B 點。人形機器人需要完成無數種不同的任務。

把這些因素相乘，ARK 估計人形機器人的整體複雜度是自駕車的約 20 萬倍。這個數字解釋了為什麼自駕計程車已經開始商業運營，而人形機器人還在實驗室階段。

【插圖位置：第 88 頁，人形機器人 vs 自駕車複雜度對比圖】

但報告也給出了樂觀的展望。以 Tesla 的 Optimus 為例，如果將 Full Self-Driving 的算力需求和性能進步外推到人形機器人領域，並假設 Tesla 持續擴張 AI 運算能力，Optimus 可能在 2028 年左右達到人類水準的任務執行能力。這個預測高度依賴於算力擴張的持續性和 AI 模型效率的持續改進，但它至少提供了一個可量化的路徑。

如果人形機器人真的能規模化部署，市場機會是巨大的。報告估計，製造業自動化和家庭機器人加起來，是一個 26 兆美元的潛在市場。

自駕計程車：價值 34 兆美元的生態系統

相較於人形機器人的「未來時態」，自駕計程車已經是「現在進行時」。Waymo 在舊金山的市佔率持續攀升，開始對 Uber 和 Lyft 構成實質壓力。

報告預測，到 2030 年，自駕計程車生態系統的企業價值將達到 34 兆美元。但更有趣的是價值如何分配：自駕技術平台（主要是 Tesla）將獲得 98% 的企業價值，傳統車廠只能分到 1%，車隊營運商同樣只有 1%。

這個分配反映了一個殘酷的現實：在自駕計程車的價值鏈中，技術平台擁有的是可規模化的軟體資產，而車廠和營運商擁有的是相對商品化的硬體和勞務。當軟體吃掉世界時，擁有最好軟體的公司將獲得絕大部分的經濟利益。

【插圖位置：第 100 頁，Robotaxi 企業價值分配圖】

報告也提供了一個有趣的算術：以目前 Uber 在美國城市出行中不到 1% 的市佔率來看，大約 14 萬輛自駕計程車就能服務目前所有的網約車需求。而如果要服務美國城市的大部分出行需求，需要約 2400 萬輛——不到目前美國註冊車輛的 10%。Tesla 目前的年產能已經足以在幾年內達到這個規模。

可重複使用火箭：發射成本從萬元降到百元

SpaceX 對太空產業的顛覆是這份報告中少數已經被證實的預測之一。從 2008 年到 2025 年，SpaceX 將發射成本從每公斤約 15,600 美元降低到每公斤不到 1,000 美元，降幅超過 95%。

這個成本下降遵循的是「萊特定律」——每當累計產量翻倍，成本就會下降一個固定的百分比。對火箭發射來說，這個學習率約為 17%。如果 Starship 能實現完全可重複使用並達到規模化運營，發射成本有望進一步降到每公斤 100 美元以下。

低成本發射解鎖的不只是衛星互聯網。報告指出，衛星連線服務在 2035 年可能創造超過 1600 億美元的年營收，佔全球通訊營收的約 15%。更前瞻的應用是前面提到的太空 AI 運算——在地球軌道上部署資料中心，不受地面電力和冷卻的限制。

【插圖位置：第 81 頁，SpaceX 發射成本下降曲線圖】

分散式能源：為 AI 革命供電

所有這些技術願景都有一個共同的前提：電力。AI 資料中心是吃電怪獸，電動車需要充電基礎設施，機器人工廠需要穩定供電。報告估計，到 2030 年，全球電力基礎設施的累計投資需要達到約 10 兆美元，是 2021-2025 年投資額的兩倍。儲能設備的部署需要增加 19 倍。

好消息是，太陽能和電池的成本持續下降。報告也提到了一個有趣的歷史：核能在 1970 年代之前也曾沿著陡峭的學習曲線下降，但監管環境的改變打斷了這個趨勢。如果最近的政策轉向能讓核能回到原本的成本下降軌道，它可能成為 AI 資料中心的理想電力來源——穩定、低碳、能量密度高。

自動化物流：無人配送成本降九成

最後一個主題是自動化物流——用無人機、送貨機器人、自駕卡車來完成貨物運輸。

報告引用的數據顯示，全球無人機配送已經達到每年超過 400 萬次的規模，由 Zipline、美團、Wing 等公司領頭。地面送貨機器人的累計配送次數超過 900 萬次，Starship Technologies 一家就佔了大部分。自駕卡車的累計里程也已達到數億英里。

自動化對物流成本的影響是戲劇性的。傳統的 App 外送服務每單成本約 15 美元。無人機和機器人配送可以將成本壓到每單不到 1 美元——降幅超過 90%。長途卡車運輸的成本可以從每噸英里 7 美分降到 3 美分——降幅約 60%。

ARK 預測，到 2030 年，自動化配送的全球營收將達到 4800 億美元，其中最後一哩配送佔 3200 億美元，長途卡車運輸佔 1600 億美元。

我的觀察

讀完這份超過 110 頁的報告，我想分享幾點自己的觀察和反思。

ARK 的投資哲學：萊特定律與指數思維

要理解 ARK 的預測，首先要理解他們的方法論。貫穿整份報告的核心工具是「萊特定律」（Wright’s Law）：每當某項技術的累計產量翻倍，其成本就會下降一個固定的百分比。這個規律最早在 1930 年代被用於分析飛機製造，後來被發現適用於幾乎所有經歷規模化生產的技術——從太陽能電池到鋰電池到基因定序。

ARK 的獨特之處在於，他們不是用萊特定律來回顧歷史，而是用它來外推未來。如果你相信某項技術會持續沿著其歷史學習曲線前進，你就可以預測五年、十年後的成本，然後反推哪些應用場景會在什麼時間點變得經濟可行。

這種方法的優勢是它提供了一個系統性的框架來思考技術進步。但它的風險在於，學習曲線可能因為各種原因而斷裂——監管變化、資源限制、技術瓶頸、地緣政治衝突。報告中核能的例子就是一個警示：1970 年代的監管轉向讓核能成本不降反升，徹底偏離了原本的學習曲線。

技術收斂：這次真的不一樣嗎？

報告最核心的論點是「技術收斂」——五大創新平台開始相互加速。這個觀點讓我想起過去幾十年來無數次「這次不一樣」的宣言。每一次技術泡沫，都有人聲稱我們正處於前所未有的變革時刻。

但讀完報告後，我傾向於認為 ARK 這次的論證是有說服力的。關鍵不在於單一技術的進步速度——那總是可能被高估的——而在於技術之間的交互作用。當 AI 讓機器人更聰明、機器人讓製造更便宜、便宜的製造讓更多 AI 晶片被生產出來時，這個循環確實可能產生超越線性外推的效果。

我自己的判斷是：技術收斂是真實的，但 ARK 預測的時間表可能過於樂觀。歷史上，重大技術轉型的完成時間幾乎總是比先驅者預期的更長，但影響範圍則往往比懷疑者預期的更大。

臺灣的位置：TSMC 的護城河與能源的挑戰

作為臺灣讀者，報告中有兩個數據特別值得關注。

第一是台積電相對於中芯國際的產能優勢：38 倍。這個數字說明了為什麼即使面對出口管制，中國在先進製程晶片上仍然高度依賴臺灣。這是臺灣的戰略資產，但也是地緣政治風險的來源。

第二是報告對能源需求的預測。AI 資料中心的電力消耗將急劇增加，全球電力基礎設施投資需要翻倍。臺灣作為半導體製造中心，本身就是能源密集產業。如果同時要支援本地的 AI 發展，電力供應將成為關鍵瓶頸。報告提到核能可能回歸，這對正在進行能源轉型辯論的臺灣來說是一個值得思考的參考點。

哪些預測可能過度樂觀

任何預測都需要批判性閱讀。以下是我認為 ARK 可能過度樂觀的幾個領域：

首先是 GDP 成長 7.3% 的預測。這個數字假設所有技術趨勢同時成功、監管環境保持友善、沒有重大地緣政治衝突。歷史上，這種假設很少完全成立。我認為一個更合理的預期是：實際成長率會高於 IMF 的 3.1%，但可能達不到 7.3%。

其次是人形機器人 2028 年達到人類水準的預測。報告自己承認，人形機器人的複雜度是自駕車的 20 萬倍。即使算力持續增長，軟體層面的挑戰——讓機器人在完全非結構化環境中可靠運作——可能比報告預期的更難解決。

第三是 Robotaxi 34 兆美元企業價值的預測，以及 Tesla 獲得其中 98% 的假設。這個預測幾乎沒有考慮監管風險（各國對自駕車的態度差異巨大）、競爭風險（Waymo、百度等玩家的技術也在快速進步）、以及消費者接受度的不確定性。

被低估的賽道：Multiomics

如果要從報告中選出一個最被市場低估的領域，我會選多體學（Multiomics）。ARK 給這個主題的篇幅最長，但它在財經媒體上獲得的關注最少。

原因可能是這個領域離大眾太遠——大部分人不知道基因體、轉錄體、蛋白質體是什麼，更不用說它們如何協同工作。但報告中的數據是驚人的：AI 驅動的藥物開發能將成本降低四倍、時間縮短五年；基因編輯治療心血管疾病的潛在市場達 2.8 兆美元；長壽科學的理論市場規模達 1.2 千兆美元。

這讓我想到 AI 在 2022 年底 ChatGPT 發布前的狀態：業內人士知道突破即將到來，但大眾還沒有意識到。多體學可能正處於類似的拐點。

量子電腦被潑冷水的啟示

報告明確指出量子電腦在未來 20-40 年內不會成為破壞性技術，這個判斷和市場上的熱門敘事形成對比。每隔幾個月，就會有量子電腦概念股因為某個實驗突破而飆漲。

ARK 的分析提醒我們一個重要的區分：「令人興奮的科學進展」和「可投資的破壞性創新」是兩回事。後者需要陡峭的成本下降曲線、跨產業的應用潛力、以及可預見的商業化時間表。量子電腦目前只滿足第一個條件的萌芽階段，離後兩個條件還很遠。

這個框架也可以應用於其他熱門技術。每當市場為某項技術瘋狂時，值得問的問題是：它的學習曲線有多陡？它能解鎖多少經濟價值？這個價值在什麼時間框架內可以實現？

給讀者的行動建議

最後，如果你讀到這裡，我想給幾點具體的建議。

第一，直接閱讀原始報告。這篇文章只是摘要和評論，報告中還有大量的圖表、數據、公司案例是我沒有涵蓋到的。ARK 的報告是免費公開的，值得花幾個小時仔細讀一遍。

第二，帶著批判性思維閱讀。ARK 是一家投資公司，他們的研究服務於他們的投資論述。報告中的樂觀預測需要用懷疑的眼光檢視，但這不意味著它們沒有價值——它們至少提供了一個思考未來的系統性框架。

第三，關注技術收斂的具體案例。報告最有價值的部分不是那些驚人的數字，而是它描述技術如何相互影響的具體機制。太空運算如何解決地面算力瓶頸？AI 如何加速藥物開發？穩定幣如何改變跨境支付？理解這些機制，比記住任何一個預測數字都更有用。

第四，思考這些趨勢對你自己的職業和生活的影響。如果 AI 代理真的能將購物流程壓縮到 90 秒，你所在的產業會如何改變？如果人形機器人在五到十年內進入工廠和家庭，哪些工作會消失、哪些會新增？這些問題沒有標準答案，但值得開始思考。

技術變革的速度正在加快，但人類適應變革的速度並沒有相應提升。這份報告最大的價值，或許不是它的具體預測，而是它迫使我們正視一個不舒適的事實：未來正以比我們想像中更快的速度到來。我們準備好了嗎？

📖 延伸閱讀：ARK Big Ideas 2026 完整報告