2024科技重大创新最新年度报告

AnnualResearchReport 投资创新的风险 请注意：ARK认为正在利用颠覆性创新和发展技术来取代旧技术或创造新市场的公司实际上可能并非如此。ARK旨在教育投资者，并寻求评估潜在的投资机会，同时指出风险和不确定性可能会影响我们的预测和研究模型。 投资者应仅将所提供的内容用于信息目的，并意识到市场风险、颠覆性创新风险、监管风险和与某些创新领域相关的风险。 请仔细阅读风险披露。 2024年重大创新理念 DisruptingTheNorm,DefiningTheFuture ARKInvest自豪地呈现“2024年重大创新理念：颠覆常规，定义未来。”自2017年以来的传统，重大创新理念提供了对技术融合及其革命产业和经济潜力的全面分析。 ARK寻求通过投资颠覆性创新的领导者、推动者和受益者，实现长期资本增值。ARK相信创新不仅是增长的关键，也是韧性的关键，强调每个投资者组合中对创新的战略配置的必要性。 这种方法旨在利用常规指数经常忽视的指数增长机会，同时提供对面临颠覆的现有企业的风险的对冲。 我们希望您喜欢2024年的重大创新理念。 可重复使用的火箭143技术融合5人工智能19比特币配置342023年的比特币43智能合约53数字消费者64数字钱包75精准疗法87多组学工具和技术96电动车104机器人技术113机器人出租车122自动化物流1333D打印153 技术融合年重大创新理念 根据ARK的研究，颠覆性技术之间的融合将定义这个十年。 人工智能、公共区块链、多组学测序、能源储存和机器人技术这五个主要技术平台正在融合，预计将改变全球经济活动。 技术融合可能会引发比第一和第二次工业革命更具影响力的宏观经济变革。 全球范围内，真实经济增长可能从过去125年的平均3%加速到未来7年的7%以上，因为机器人重新激发制造业，无人驾驶出租车改变交通方式，人工智能提升知识工作者的生产力。 在人工智能突破的推动下，与颠覆性创新相关的全球股票市值可能从总市值的16%增加到2030年的60%以上。 因此，在未来七年内，与颠覆性创新相关的年化股权回报率可能超过40%，将其市值从今天的约19万亿美元增加到2030年的约220万亿美元。 公共区块链 在大规模采用后，所有货币和合同很可能会迁移到能够实现和验证数字稀缺性和所有权的公共区块链上。 金融生态系统很可能会重新配置以适应加密货币和智能合约的崛起。 这些技术增加了透明度，减少了资本和监管控制的影响，并降低了合同执行成本。 在这样的世界中，随着更多的资产变得类似货币，数字钱包将变得越来越必要，企业和消费者将适应新的金融基础设施。 多组学测序 收集、测序和理解数字生物数据的成本正在急剧下降。多组学技术为研究科学家、治疗机构和健康平台 提供了前所未有的DNA、RNA、蛋白质和数字健康数据访问权限。 癌症护理应该通过全癌症血液检测进行转变。 五个创新平台正在融合并定义这个技术时代 公司结构本身可能会受到质疑。 人工智能随着数据的演化，计算系统和软件可以解决棘手的问题，自动化知 多组学数据应该用于新型精准疗法，利用新兴的基因编辑技术来治疗和治愈罕见疾病和慢性病。 多组学应该解锁全新的可编程生物学能力，包括设计和合成具有广泛应用于各行业，特别是农业和食品生产的新型生物构造。 识工作，并加速技术融入每个经济领域。 神经网络的采用应该比互联网的引入更具有重大意义，并有可能创造数万亿美元的价值。 在规模上，这些系统将需要前所未有的计算资源，而AI专用计算硬件应该主导训练和运行AI模型的下一代云数据中心。 对终端用户来说，潜力是明显的：一系列AI驱动的智能设备渗透到人们的生活中，改变他们的消费、工作和娱乐方式。 人工智能的采用应该改变每个行业，影响每个企业，并催化每个创新平台。 机器人技术在人工智能的推动下，适应性机器人可以与人类一起工作， 能源储存 并在传统基础设施中导航，改变产品的制造和销售方式。3D打印应该有助于制造业的数字化，不仅提高最终使用零部件的性能和精度，还增加供应链的弹性。 与此同时，世界上最快的机器人，可重复使用的火箭，应该会继续降低卫星星座发射的成本，并实现不间断的连接。 作为一个新兴的创新平台，机器人技术可以通过超音速旅行降低距离成本，通过3D打印机降低制造复杂性成本，通过AI引导的机器人降低生产成本。 先进电池技术成本的下降应该会导致形态因素的爆炸，使得自主移动系统的成本降低，从而使人们和物品从一个地方到另一个地方的成本降低。 电动传动成本的下降应该会推动微型移动和空中系统的发展，包括飞行出租车，从而实现改变城市景观的商业模式。 自主性应该能够将出租车、快递和监控的成本降低一个数量级，从而实现无摩擦的交通，可能提高电子商务的速度，并使个人汽车拥有成为例外而不是规则。 这些创新与大规模固定电池相结合，应该会引起能源的转型，用电代替液体燃料，并将发电基础设施推向网络的边缘。 融合技术正在产生一波历史性的技术浪潮 9人工智能作为中心技术催化剂 技术融合矩阵展示了技术之间的关系 人工智能的发展速度超出了预测者的预期 个别技术进步可以融合并形成大规模的新市场机会 自主移动 先进的电池技术 神经网络 先进的人工智能使得机器人出租车能够依赖更少、更便宜的传感器。 电池电动传动系统将机器人出租车的运营成本降低60%。 人工智能和电池电动传动系统的结合使得机器人出租车系统能够扩展。 自适应机器人技术 除了更好的电池和人工智能，通用目标机器人还需要更好的： •电动机•功率电子学•传感器•功耗低的计算 随着机器人出租车规模的扩大，每项技术的成本应该按照其学习曲线下降。 这些技术对经济的影响应该是巨大的 对公共区块链的期望 多组学测序的预期 能源储存的预期 尽管下表中描述的情景以现在时态书写，但它们是基于ARK的观点预测的可能结果。 由于存在许多不确定性，这些可能的结果未来可能无法实现。 所提供的信息不应被视为投资建议，也不应成为任何投资 人工智能的期望 机器人技术的预期 人工智能 ScalingGlobalIntelligenceAndRedefiningWork 具有超人类性能的AI模型，如GPT-4，应该会在生产力方面引发前所未有的繁荣。受ChatGPT的“iPhone”时刻的震撼，企业正在争相利用人工智能（AI）的潜力。 由于成本迅速下降和开源模型的出现，AI承诺带来的不仅仅是效率提升。 如果我们相信知识工作者的生产力到2030年将增加四倍，那么实际GDP的增长可能在未来五到十年内加速并刷新记录。 ChatGPT让消费者欢喜，企业惊叹 自从谷歌在2017年发明了Transformer架构以来，ChatGPT在公众对生成式人工智能的理解方面起到了催化剂的作用。ChatGPT的简单聊天界面使得任何说任何语言的人都能利用大型语言模型（LLM）的强大功能，不再仅仅是开发者的工具。 在2023年，企业竞相了解和部署生成式人工智能。 人工智能已经显著提高了生产力 像GitHubCopilot和ReplitAI这样的编码助手是早期的成功案例，它们提高了软件开发人员的生产力和工作满意度。AI助手正在提高知识工作者的绩效，并且有趣的是，相对于高绩效者，它们对绩效较低者的帮助更大。 基础模型在各个领域不断改进 随着训练数据集的增大和参数的增加，GPT-4在性能上明显优于GPT-3.5。 越来越多的基础模型变得“多模态”——支持文本、图像、音频和视频——不仅更具动态性和用户友好性，而且性能更好。 文本到图像模型正在重新定义图形设计 在多伦多大学的研究人员介绍了第一个现代文本到图像模型八年后，图像模型的输出现在与专业图形设计师的相媲美。 一个人类设计师可以在几个小时内用几百美元创建一幅图像，比如一群大象穿过绿草地。 文本到图像模型可以在几秒钟内以几分钱的价格生成相同的图形。像AdobePhotoshop这样的专业应用程序和像Lensa和ChatGPT这样的消费者应用程序正在将图像模型整合到其产品和服务中。 一群大象穿过绿草地 2022年2月Midjourneyv1 2022年11月Midjourneyv4 2023年12月Midjourneyv6 撰写文字的成本已经崩溃 在过去的一个世纪中，撰写书面内容的成本在实际上是相对恒定的。 在过去的两年中，随着LLMs的写作质量的提高，成本已经崩溃。 AI训练性能正在迅速提高 AI研究人员正在创新训练和推理、硬件和模型设计方面，以提高性能并降低成本。 其他算法创新 培训成本应继续每年降低75% 根据赖特定律，加速计算硬件的改进应该每年将人工智能相关计算单元（RCU）的生产成本降低53％，而算法模型的改进还可以进一步每年降低47％的培训成本。 换句话说，硬件和软件的融合可以通过2030年以每年75％的速度降低人工智能的培训成本。 随着生产使用案例的出现，人工智能的重点正在转向推理成本 在最初关注LLM训练成本优化之后，研究人员现在将推理成本作为优先事项。 根据企业规模的使用案例，推理成本似乎以每年约86%的速度下降，甚至比训练成本下降得更快。 如今，GPT-4Turbo的推理成本比一年前的GPT-3更低。 开源社区正在与私有模型竞争 开源社区及其企业支持者Meta正在使生成式人工智能的获取民主化。总体而言，开源模型的性能改进速度比封闭源模型更快，最近受到中国模型的帮助。 语言模型性能的进步需要细致的技术 GPT-4在标准化教育测试中表现明显优于平均人类水平，从SAT到高级侍酒师考试。 然而，在常识推理方面，它落后于人类水平，这是由WinnoGrande测量得出的。斯坦福大学的框架-语言模型的整体评估（HELM）是最全面、持续更新的评估方法之一，已经对80多个模型进行了测试，涵盖了73个场景和65个指标的组合。 LLM是否会耗尽数据，限制其性能？ 计算能力和高质量的训练数据似乎是模型性能的主要因素。 随着模型的增长和对更多训练数据的需求，缺乏新鲜数据会导致模型性能停滞不前吗？EpochAI估计，像书籍和科学论文这样的高质量语言/数据来源可能会在2024年用尽，尽管还存在更大的未开发的视觉数据集。 未开发的数据来源 •每年有30万亿个单词被说出来 •每天捕捉估计超过80万亿个单词的语音转文本工具。 •合成数据增强主要数据。 •自动出租车、卡车、无人机和其他机器人产生大量的物理世界数据。 定制化的人工智能产品应该享有更强的定价权 随着开源替代品的出现和成本的降低，将人工智能定制到最终应用程序的软件供应商应该能够更容易地实现商业化。 相反，简单的生成式人工智能应用很可能会迅速成为商品。 低价值捕获 •垂直化、高度差异化的工具•20%+的价值被捕获•示例：自动驾驶打车 •水平化、商品化工具•<5%的价值被捕获•示例：人工智能会议摘要 加速知识工作者生产力的增长代表着一个数万亿美元的潜在机会 到2030年，人工智能有潜力自动化知识型职业中的大部分任务，大幅提高平均工人的生产力。 自动化和加速知识工作任务的软件解决方案应该是主要受益者。 2030年人工智能总可寻址市场（TAM）预测 比特币配置年重大创新理念 GrowingTheRoleOfBitcoinInInvestmentPortfolios 重要信息 比特币是一个相对较新的资产类别，比特币市场面临快速变化和不确定性。 比特币主要没有受到监管，比特币投资可能比受到更多监管的投资更容易受到欺诈和操纵的影响。 比特币面临独特而重大的风险，包括显著的价格波动和缺乏流动性，以及盗窃。 以下幻灯片提供的信息基于ARK的研究，不意味着投资建议。ARK研究比特币作为一种投资的效用，以确定其在未来的潜在价值，如下幻灯片所示。 本材料不构成ARK明示或暗示的任何服务或产品提供，投资者应自行确定特定的投资管理服务是否适合其投资需求。ARK强烈建议任何考虑投资比