真正改变产业格局的，往往不是已经被反复讨论的热点，而是那些正在发生、但还没有被充分理解的结构性变化。

当政策开始重新配置资源，当技术开始从突破走向转化，当新的产业能力仍处在形成早期，大机会，往往就从这里开始。

• 未来几年，资源会流向哪里？

• 哪些技术会真正穿透产业？

• 下一轮大机会，会先长在什么地方？

这几个问题，决定的是接下来很长一段时间里，你怎么看趋势，怎么理解资产配置，怎么识别真正重要的变化。

这次，混沌邀请到峰瑞资本合伙人马睿，来讲一门关于 " 十五五 " 与未来科技产业的课程。

如果只看投资人的身份，你会发现他长期关注科技与医疗，布局过生物制造、脑科学、AI for Science、固态电池，也持续跟踪量子计算、核聚变、具身智能等前沿方向。

但更关键的一点是，马睿老师曾参与 " 十四五 " 规划编制。这意味着，他不是站在市场结果上回头复盘的人，而是更早进入那套逻辑的人。

国家会把资源往哪里倾斜，哪些产业会被推到前台，哪些技术会从实验室慢慢走进产业链，再一步步长成新的机会。由他来解读 " 十五五 " 里的科技产业方向，这件事本身就很有分量。

（扫描图中二维码   预约明日的课程直播）

一个判断，贯穿整门课

" 每一次五年规划，都是财富再分配的一个窗口期。"

我们总以为机会来自市场情绪，来自资本追捧，来自某个突然爆火的赛道。

可在中国这样一个产业升级与政策牵引并行的环境里，很多更大的机会，恰恰是沿着国家规划的脉络，一步一步长出来的。

十三五的时候，

光伏、锂电、生物医药快速起势；

十四五阶段，

数字经济与产业升级成了主旋律；

那接下来的 " 十五五 " 呢？

什么会走到台前？哪些方向会从 " 概念 " 变成 " 真产业 "？

这门课，讲的正是这些问题。

这门课真正重要的，不只是 AI

今天很多人讨论 AI，讨论的是模型、Agent、应用。但马睿老师在课里反复提醒的一点是：AI 很重要，但 AI 本身并不是终点。技术突破和生产力释放，从来不是同一个时间刻度上的事。

历史上每一轮真正意义上的科技革命，都是先有发明，再有漫长的扩散、落地、重塑。中间那段路，往往才最关键，也最容易被忽略。

所以这堂课并不只把 AI 放在软件、工具、应用这些大家熟悉的维度里讲，而是不断把话题往更深处带：

• AI 会不会进入科学研究？

• 会不会真正改写制药、材料、能源这些底层产业？

• 未来的巨大变化，会不会发生在 AI 与物理世界真正交汇的地方？

• 它最终会在哪些场景里，变成新的生产力？

这门课给人的感觉，很像把望远镜和显微镜同时递到你手里。

你会很强烈地意识到：原来过去被我们分开理解的很多东西，其实早就在同一个系统里互相牵动了。

提前说明

这不是一门轻松听完、随手点个收藏的课程。

这是一门极其 " 烧脑 " 的硬核前沿课。

它有价值的地方，不在于直接告诉你 " 答案 "，而在于帮你建立一种更早看见变化的方式。

带着这 3 个问题去听正课

1. 为什么 AI 如此强大，现实世界的生产力却迟迟没有如期爆发？

今天的 Agent、代码生成、高 Token 消耗、模型竞速……所有迹象都在告诉我们，AI 正以前所未有的速度推进。

可另一个现实是，在 2005 年之后的二十年里，生产力每年增长大概只有 0.17% 左右。

为什么过去二十年 AI 没能显著拉动生产力？问题到底出在哪里？

• 是因为这一轮技术革命还停留在数字世界？

• 还是因为从技术发明走向大规模产业转化，本来就需要更长时间？

• 如果技术突破和生产力释放不是同一个节奏，我们今天到底该看什么，才能看见真正的拐点？

2.AI 将如何越过 " 工具 " 阶段，真正进入物理世界？

今天很多人谈 AI，谈的是效率提升、工作流改造、应用层面的重做。

但这门课追问的是：AI 会不会进一步进入制药、材料、能源、生物制造这些更底层的地方？

它会不会不再只是 " 辅助判断 "，而开始参与科学发现、改写研发范式、重塑产业形成的起点？

• AI + 制药：是否正在让 " 做药 " 这件事，从漫长筛选走向可计算、可生成、可迭代？

• AI + 材料：为什么有可能在极短时间内，打开过去需要数年才能推进的探索空间？

• AI + 能源：AI 究竟会在核聚变这样的终极命题里扮演什么角色？

这些问题，正在从 " 前沿概念 "，变成未来产业的基础设施。

3. 当 " 十五五 " 开启新的资源配置周期，真正值得提前看见的，究竟是什么？

每一次五年规划，重要的都不只是 " 提到了什么 "，而是资源会向哪里持续流动，哪些产业会被真正推到台前，哪些技术会获得从实验室走向产业链的加速度。

所以更关键的问题是：下一轮十万亿级机会，会先长在什么地方？

• 量子科技：当摩尔定律走到物理极限，为什么 " 下一代算力 " 的爆发点可能属于量子计算？

• 生物制造：为什么说 " 设计即制造 "？如何像设计芯片一样改写生物代码，重新定义十万亿规模的化工业？

• 脑机接口：从 " 意念控鼠 " 到 " 意念行走 "，这项技术将如何成为 AI 时代最核心的端侧设备？

• 具身智能：为什么视觉模型（VLM）并不是具身智能的终点？真正的 " 世界模型 " 应该长什么样？

在这些仍处早期的产业里，哪些是概念，哪些是能力，哪些又是未来几年最值得追踪的信号？

这些问题，课程里都会展开。

有些变化，等它变得足够热、足够共识、足够被反复讨论之后，再去理解，当然也来得及。只是那时候，你看到的往往已经是结果，而不是过程；是明确价格，但未必还是机会。

真正重要的变化，通常都不是在最热的时候，才值得看见。

而是在它还没有被完全讲清楚的时候，

在它还只是少数人开始意识到的时候，

在它还处在从技术突破走向产业成形的早期阶段时，

越早看见，越有意义。