Professional Documents
Culture Documents
ARK投资:2024年重大创新
ARK投资:2024年重大创新
年
年月 日
仅供信息目的而设
lltRh AcrcRpae
Aconps
重大 创新
请仔细阅读风险披露。
投资创新的风险
T:披露
快速变化的步伐 监管障碍
DEAO
不确定性和未知因素 竞争格局
来源:ARK投资管理有限责任公司, x /年。
年重大创新理念
/
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,
TS介绍
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。
DEAO
B
我们希望您喜欢 x 5年的重大创新理念。
技术融合 5
5
人工智能 19
比特币配置 34
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
目录
机器人技术 113
机器人出租车 122
自动化物流 133
可重复使用的火箭 143
打印 153
研究者: 布雷特·温顿
技术
f
首席未来学家
ARK风险投资
委员会成员
融合
x 5年重大创新理念
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o f年的平均/)加速到未来s年的s)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。
融合
多组学测序
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 收集、测序和理解数字生物数据的成本正在急剧
。
五个创新平台正
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
在融合并定义
公司结构本身可能会受到质疑。 检测进行转变。
人工智能 多组学数据应该用于新型精准疗法,利用新兴的基
这个技术时代
因编辑技术来治疗和治愈罕见疾病和慢性病。 多组
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 学应该解锁全新的可编程生物学能力,包括设计
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 和合成具有广泛应用于各行业,特别是农业和食品生
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 产的新型生物构造。
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。
融合
能源储存 机器人技术
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 在人工智能的推动下,适应性机器人可以与人类一起工作,
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 并在传统基础设施中导航,改变产品的制造和销售方
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 式。i 打印应该有助于制造业的数字化,不仅提高最终使
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。 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
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 一个新兴的创新平台,机器人技术可以通过超音速旅行
,从而实现无摩擦的交通,可能提高电子商务的速度,并使个 降低距离成本,通过i 打印机降低制造复杂性成本,通过AI
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 引导的机器人降低生产成本。
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。
通用技术的预计经济影响
(实际GDP增长和消费者剩余的年百分点增加)
n$ /D打印
可重复使用的火箭
自适应机器人
先进电池
内燃机 自动驾驶
电力 云计算
n 互联网
电话
手机
无线电
制冷
GPS
网络 人工智能
空调
化学品和合成材料
个人电脑 电子商务
$ 材料
汽车 生物技术 可再生能源
铁路
装配线 光纤
电报 智能设备
摄影 电视 集成电路
融合
gr
x/x年F
5a5*
5a *
5ap*
5a8*
58a*
5a *
5a**
5n8*
58n*
(*
58(*
589*
( 5*
585*
58 *
5aa*
5na*
5an*
58p*
588*
( *
5a(*
58 *
58**
5a9*
x( f年F
5a5
5ap
5a8
58a
5a*
5n8
58n
( (
58(
589
( 5
585
5aa
5na
5an
58p
588
p
5a(
58*
5a9
5a
58
5a
58
(
(
来源:ARK投资管理有限责任公司, x 5年。 这份ARK分析基于一系列基础来源,包括Be a 等人 xos年的研究,可根据要求提供。 该图表使用GPT 5提示来调查使用详细框架进行识别的广泛用途技术的全面列表。 在可用的情况下
,还使用学术文献来评估可归因的经济影响。 GPTh5评分标准评估技术对技术的影响。 直接测量的影响与评分相匹配,以调整所有评分,以产生技术对技术的经济影响估计(即使无法获得经济影响的直接测量)。 根据广义技术理
论,这些技术被假定在投资期间经济影响为负,然后开始实现生产力进步并反映在经济数据中。 假设所有技术具有相同的扩散和实现周期。 如果假设最近的技术扩散更快,当前浪潮将显得更陡峭。 预测固有地有限,不能依赖。 仅供信
息目的,不应视为投资建议或购买、销售或持有任何特定证券的推荐。 过去的表现不能作为未来结果的指标。
人工智能作为中心技术催化剂
n
技术融合矩阵展示了技术之间的关系
加密货币
融合分数
智能
合约 最高
数字
钱包
精准
疗法
高
多组学
技术
可编程
生物学
神经 中
网络
下一代
云计算
技术
智能
设备 低
自动
移动性
先进电池
技术
最低
可再生
火箭
适应性
机器人技术
/D
打印
催化技术
预计启动通用人工智能系统的年数
(对数刻度)
GPTh/之前的平均年数
5 8x年
O1emAI宣布
GPTh/ 谷歌展示了先进的对话代理,LLa
fx Mda
年
Cga6GPT向公众发布
/5年
GPTh5发布
o8年
5
年数
如果预
融合
8年
测调整
得当
如
果
预
测
误
差
持
续
5
( 58 ( ( ( (5 ( (( ( (p ( ( ( (* ( (9 ( (n ( (a ( (8 ( p
大规模的新市场机会
神经网络 先进的电池技术 自主移动
.
先进的人工智能使得机器人出租 电池电动传动系统 人工智能和电池电动传动系统的结合
车能够依赖更少、更便宜的传感 将机器人出租车的运营成本 使得机器人出租车系统能够扩展。
器。 降低 x)。
机器人出租车制造成本 机器人出租车每英里运营成本
(每辆车, 年) 按传动系统类型划分
自适应机器人技术
l
除了更好的电池和人工智能,通用目标
$x%/o
机器人还需要更好的:
融合
f*
• 电动机
数千美元
f
$x%o • 功率电子学
• 传感器
• 功耗低的计算
*
特斯拉 内燃机 电动
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。
L a
f个激光雷达, n个摄像头, 个 n个摄像头
雷达,8个超声波
传感器
选择主要技术的经济影响
(引入后)技术对实际GDP的累积增长
5 -
5( -
5 -
a -
融合
9 -
( -
-
工业机器人
工业机器人 信息技术 自适应机器人 *
自适应机器人 * 自主移动 * 蒸汽机
蒸汽机 人工智能 *
(onns年至 xxs年) (588*年至( *年) ( x /年至 x/x年) (( (p年至( p 年) (o8/x年至onox年) (( (p年至( p 年)
股权市值
年 年 年增长
股权市值估计 股权市值预测 预测
非创新 n80万亿美元 非创新 o5x万亿美元 /)
颠覆性创新 on00万亿美元 颠覆性创新 x万亿美元 5 )
总计 oos万亿美元 总计 / x万亿美元 os)
多组学测
序
机器人技术 人工智能
公共
9
区块链 能源储存
8 9
融合
公共区块链
=d9
能源 机器人技术
储存 d9
人工智能
多组学测序
k9
技术 - -年的可能性 AG 对 -4-年的进展期望
加密货币已经取代了大多数基于许可、集中控制的货币系统,使金融生态系 全球货币供应量与GDP同步增长,加密货币现在占总量的约ox)。尽管在新兴市场中
统能够围绕一个可以消除交易对手风险的数字资产进行重组,同时继续促进交易 有一些直接取代货币的情况,但其中很少有价值积累归因于直接取代货币。
流动。 这种重组始于传统金融系统的边缘,在货币系统破裂的地理区域和传统金
融中介机构无法满足的市场中。 在发达市场中,加密货币最初作为价值储存工 大部分增值是机构和高净值个人以及企业和国家的资金库的低个位数百分比配置的结
加密货币 具,提供了很少的直接效用。 随着时间的推移,一个真正中立的数字货币,主要 果。 加密货币继续取代黄金成为避险资产,占据市场的5x)份额。 汇款和全球结算等
是比特币,的效率优势已经战胜了其他金融架构。 实用用例分别占交易量的约ox)和f)。
技术 - -年的可能性 AG 对 -4-年的进展期望
在测序成本急剧下降的推动下,研究人员和临床医生常规收集患者的表观基
在全面渗透的情况下,由于AI增强的多组学技术,与药物开发相关的研发效率可能会翻倍。 到 x
因组、转录组和蛋白质组数据。 借助越来越全面的智能设备和新兴人工智
能工具提供的数字健康读数,他们将这种多组学数据进行整合,以了解、预测 /x年,几乎所有新的药物开发计划都将在临床前研发中融入多组学技术,约fx)的计划将在临床
项目中融入人工智能。 实现的研发回报率已经提高了ox),预计到 x/f年研发回报率将近翻
和治疗疾病。 因此,癌症治疗已经完全改变:多组学技术可以在早期阶段检
倍。 早期检测多癌症血液测试已成为标准护理,因为它们已经为某些年龄组的癌症死亡率
测到癌症,更精确地定位治疗,并提供复发监测。 定期基于血液的全癌症检测已
减少了 f)。 在发达市场,/x)的患者从新的诊断方案中受益。
成为中年患者的标准护理。多组学技术提高了生物技术研发效率,临床试验针对
患者群体进行更精确、更容易的测量结果。 结合人工智能,多组学技术改变
了患者与健康系统之间的关系。 数字健康提供商、诊断工具公司和分子检测公司
融合
技术 - -年的可能性 AG 对 -4-年的进展期望
机器人将人和包裹从一个地方运送到另一个地方,彻底改变了物理运动的经济学 自主机器人出租车已经改变了全球交通,几乎每个国家都可以以平均每英里约x%f
。 出租车、快递和观察的成本降低了一个数量级。 乘坐机器人出租车成为常 x美元的价格提供点对点交通。 鉴于引人注目的价格和实用性,机器人出租车已经行驶
态,拥有私人车辆成为例外。 无摩擦的无人机和机器人投递加速了电子商务的速度 了o/万亿英里,并且正在获得越来越多的关注。 自主机器人出租车平台收取平台
。 自主移动系统产生的数据为世界的状态提供了无处不在的实时洞察。 利用自 费用或fx)以上的佣金,实现约fx)的运营利润,并为资产所有者运营商提供了以
自主移动 主移动平台的消费者和企业受益,而汽车、物流、零售和保险行业的先前主要参 合理的资本回报率产生收益的机会。实现这种出行的自主车辆数量约为o亿辆,大部
与者已经被颠覆。 分增量车辆生产都具备自主能力。
电池成本的下降引发了移动形态的寒武纪爆发,将电力供应推向网络的末端节点 随着乘客出行方式转向电动自动驾驶平台,每年销售的具备自动驾驶能力的电动汽车
。 电动车主导着交通,内燃机逐渐消亡。 包括飞行出租车在内的微型交通工 约为s5xx万辆,占据了汽车市场的大部分。 以平均售价约为 万美元计算,电动汽车
具和空中系统推动了创新的商业模式,改变了城市景观。 所有这些创新都以牺牲 制造商每年创造o%5万亿美元的收入,约 x)的毛利润和约ox)的息税前利润率。 随着
液体燃料为代价,从根本上推动了对电能的需求。 它们还更高效地提供电能,降低 制造业整合,利润率增加。 电池占电动汽车价值的约 x)。与电动汽车一样,电
先进电池系统 了电网的脆弱性、运营费用和输配电的资本密集度。 池制造业也是资本密集型和低利润率的。 为电动汽车原始设备制造商提供电池的电池
制造商每年创造/xxx亿美元的收入。 静态能量储存需要的电池数量大致相当于电动汽
融合
车消耗的电池数量,为此产生了另外/xxx亿美元的收入。
石油需求下降,传统汽车制造商和供应商已被少数垂直一体化的技术提供商
取代。
技术 - -年的可能性 AG 对 -4-年的进展期望
通过大量的数据,计算系统和软件正在解决以前无法解决的问题,自动化知识 AI模型的训练成本下降了5x,xxx倍以上,再加上对AI硬件的大规模投资,使得总
工作,并加速技术融入所有经济过程。 随着成本的大幅下降,定制软件正在随 体AI能力自 x /年以来增长了大约 xx,xxx倍。 被fx)的知识工作者采用的AI
着每个人工智能模型的改进而改善,并连接世界。 学习系统运行速度极快,其 软件系统平均提高了n倍的生产力。 与其他软件产品一致,企业支付生产力增长
影响力与微处理器的引入一样重大,正在改变每个行业和地区。 的ox)来使用该软件。
神经网络
技术 - -年的可能性 AG 对 -4-年的进展期望
/D打印消除了设计障碍,降低了成本、重量和生产时间,从根本上改变了传统制 /D打印技术继续主导原型制作市场,并已进入中间工具市场的重要部分,实现了注
造方法。 使用/D打印技术制造的医疗工具是个性化和定制的,为患者和医生 塑成型和金属铸造应用中的低成本设计迭代。 对于行业增长最为重要的是,/D打印
提供了更好的体验。 技术已经开始在航空航天和汽车领域的最终应用中得到实质性的应用,这些市
场每年共销售超过5万亿美元的设备。 在所有行业中,将有近nxxx亿美元的最终应
更轻的/D打印航空航天零部件减少了全球排放,并为地球和外太空的新飞机提 用零部件采用/D打印技术,尽管渗透率仍然在两位数。
%D打印 供了飞行能力。 各行各业的替代零部件可以按需打印,成本仅为以前的一小
部分,最终打破了供应链短缺。/D打印使人工智能能够设计以前无法制造的零
部件。
具有超人类性能的AI模型,如GPTh5,应该会在生产力方面引发前所未有的繁荣。
受Cga6GPT的 -Pg9me 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 x/x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。
人工智能
C P
自从谷歌在 xos年发明了T am =9 <e 架构以来,Cga6GPT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。Cga6GPT
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 x /年,企业竞
相了解和部署生成式人工智能。
5 5a
CeU FMP之后的平均水平
8 59
a 5
n
5(
人工智能
9
(百万)
5
*
月活跃用户
提及次数
CeU FMP之前的平均水平
p 9
(
5 (
年份
*x到o亿用户之间的数值是估计值
.:倍
1倍
. .倍
,%倍
人工智能
没有 e AG 有了 e AG 没有 e AG 有了 e AG
没 有C 4,$ 1
任务质量,工作者前* 百分位
任务质量,工作者后* 百分位
G Sg 18 G Sg C- scd r G Sg 视觉
f 5
e 5
X 5
- 5
5
百分位数
* 5
人工智能
l 5
f 5
5
作
级
fl
写
赛
MA
学
f
学
评
读
C
汇
学
决
BC
数
l
作
阅
史
词
理
试
R半
A
生
A
史
分
学
写
S
MA
学
术
学
LE
物
考
理
府
MA
a8
济
LE
量
济
艺
化
A
言
美
学
律
心
政
B
微
经
A
A
定
经
语
MA
U
文
法
世
A
A
观
A
C8
A
LE
观
语
A
语
一
O
微
学
宏
年
英
A
英
统
科
A
A
A
l
A
环
l
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Ad9be Pg969 g91这样的专业应用程序和像Lem a和Cga6GPT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
人工智能
“年 月 年 月 年11月 年1 月
i> jDRAW M>chlr.j,6 s M>chlr.j,6 s= M>chlr.j,6 s“
撰写文字内容的成本
5W
5
FMP, %.5
年美元,对数刻度
$x%o
中位数GRE
5 分析写作
人工智能
5 C4U b.
字写作成本,
$x%x5
前十分位数GRE
$x%ox 分析写作
每
585n
58n5
58pa
58ap
58a8
588a
( 59
58 a
5855
58 5
n
58(p
58(8
58p(
588(
58 (
58*9
589*
( 5p
( 58
5
58p*
58*p
58*8
588*
58 *
589a
58a9
58nn
( ((
58(9
58 n
589(
585
58n
58a
58(
( 5
58*
58
(
(
onns年后假设每位雇员的字数保持不变
模型训练性能提升 其他算法创新
摩尔定律加速器优化 算法优化
增加 减少 总计
• Lka<a 表明LLM的卓越写作能力基本上是
58倍 通过从人类反馈中进行强化学习(RL
HF)驱动的
• 优化的提示可以比人类提示提高fx)以
上的性能
人工智能
• 推测解码可以在某些模型上加速推
基准 倍 理 h/倍
年表现
中加速训练 %8倍
英伟达的超越 其他软件
摩尔定律的 创新
摩尔定律 南美洲豪猪 年表现
预测改进 最佳缩放 预测
来源:ARK投资管理有限责任公司, u f年。 此ARK分析基于一系列数据来源,包括Bdka ]4 u s年,Tm6 qmk等人 u s年,Yak5等人 u s年,Ld ar4ak等人 u 年和Dam u s年,可根据要求提供。 预测本质上是有限的,不能依
赖。 仅供信息目的,并不构成投资建议或对任何特定证券的买入、卖出或持有的推荐。 过去的表现不能作为未来结果的指标。
培训成本应继续每年降低8
s
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8 %,而算法模型的改进还可以进一
步每年降低= %的培训成本。 换句话说,硬件和软件的融合可以通过 x x年以每年 8%的速度降低人工智能的培训成本。
人工智能培训硬件成本 使用神经网络的人工智能软件培训成本
实际 , . CT 预测 , . CT 实际计算 估计计算
f T 4 5i
f T 4
i5
fT 4
(对数刻度)
i 5
(对数刻度)
f 4
CR
8天W
人工智能
f 4
i 5
*
P
f4
i
4f
4 f i
f f f T fT T f T T 5 5 5 W 5W W
累积 CR产量 累积 CR产量
(百万)(对数刻度) (百万)(对数刻度)
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8 )
的速度下降,甚至比训练成本下降得更快。 如今,GPTh5 Tt b9 的推理成本比一年前的GPTh/更低。
i *
年化成本下降 年化成本下降
人工智能
h.
i
i p
FMP8, P 9 -
上下文窗口:
FMP8%
i (
FMP8, P 9 - o 8 个令牌, ↑,倍
速度:
每秒55个令牌, ↑,倍
i 5
FMP8% : P 9 -
开源社区及其企业支持者Me6a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。
开源 s 私有模型
8gS4l” MMLU性能
私有 开源
私有(在8gR4m LLKT上没有超越以前的模型) 开源(在8gR4m LLKT上没有超越以前的模型)
5i
GPTh5 pO1emAI(
FkamhPaLM (字母) Ge<-m- Uk6 a(字母)
i8
Ckatde pAm6g 91-c(
ia PaLMh (字母)
Ckatde o%/ pAm6g 91-c( Q2emhs B(阿里巴巴,中国)
in FkamhPaLM pAk1gabe6(
Y-h/5B(xo%AI,中国)
PaLM f5xB pAk1gabe6(
人工智能
i9
绝对对数误差KKIR性能
i5
5 o(no( 5a *o5*o( 58 5(o5o( 58 9o5ao( ( 5o o( (5 no(po( (5 (oao( (( ao(no( (( po5*o( (p 5 o5o( (p o5ao( (
GPTh5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W-mm9G amde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8x多个模型进行了测试,涵盖了s/个场景和 f个指标的组合。
选择GPTg=基准结果 HELM评估指标
人类平均值 G Sg
准确性 与真实数据的比较
5
8 校准 概率分布评估
a
n 稳健性 对扰动输入进行压力测试
人工智能
公平性 在不同群体中的表现
得分
p 偏见 对偏斜的决策模式进行分析
(
5 有害内容的检测率 效率
统一酒吧 高级
资源使用率
OMAB U MA ,e Te
任务执行期间的资源使用
( ( 年半决赛 考试 侍酒师 常识
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? E19cg AI估计,像书籍和科学论文这样的高质量语言7数据来源可能会在 x 5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
领先的LLM训练集与
语言令牌库存 • 每年有/x万亿个单词被说出来
约5x万亿令牌
• 每天捕捉估计超过8x万亿个
l*
l 单词的语音转文本工具。
令牌(万亿)
人工智能
f*
• 合成数据增强
f 主要数据。
• 自动出租车、卡车、
*
无人机和其他机器人
令牌发布在P上 口语语言 产生大量的
物理世界数据。
c d $ l c
训练令牌
C KW4 训练令牌
X a 训练令牌
C KW 令牌发布在
年度估计上 口语语言令牌
令牌
训练令牌 训练令牌 训练令牌 年度估计 年度估计
年度估计
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。
知名企业软件解决方案的收费比例
(*-
( -
人工智能
价值捕获的百分比
5*-
5 -
*-
-
商务电子邮件 电子邮件营销 G 服务管理 C I G 事故 智能交通 基于云的安全
响应 分析 平台
低价值捕获 高价值捕获
• 水平化、商品化工具 • 垂直化、高度差异化的工具
• l f)的价值被捕获 • x).的价值被捕获
• 示例:人工智能会议摘要 • 示例:自动驾驶打车
来源:ARK投资管理有限责任公司, u f年。 此ARK分析基于一系列数据来源,包括S qm4 u s和M]K k d3 & Cm1 u s,截至 u f年1月l日,可根据要求提供。 预测具有固有的局限性,不能依赖。 仅供信息目的,不应视为投
资建议或购买、销售或持有任何特定证券的推荐。 过去的表现不代表未来的结果。
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 x/x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。
年人工智能总可寻址市场(TAM)预测 人工智能对软件增长的影响
软件供应商价值捕获)的生产力增益 r18倍增长 18倍增长 %18倍增长
(
复合年增长率
o) ox) x) 5a
59
5 复合年增长率
人工智能
万亿美元
5
生产力提升(倍数)
万亿美元
a 复合年增长率
年增长率
(
%f o%n万亿美元 on万亿美元 /s万亿美元
xo x / x/x年预测
配置
x 5年重大创新理念
比特币面临快速的价格波动,包括因影响者和媒体的行动和言论、比特币的供求变化和其他因素而引起的波动。 不能保证比特币在长期内保持其价值。
重要术语和概念
以下幻灯片中呈现的研究包含一些对某些读者可能不熟悉的术语和概念,因此我们提供解释以帮助评估研究的基础。
• 夏普比率是一种广为人知且声誉良好的投资或投资组合风险调整回报的衡量指标,它表明投资相对于无风险投资(如美国政府国债或国库券)的回报率表现如何。 夏普比率的计算首先是计算投资组合或个别
投资的预期回报率,然后减去无风险回报率。 通常情况下,较高的夏普比率表示投资绩效良好,考虑到风险,而夏普比率小于o被认为不太理想。 夏普比率在我们的研究中用于确定,假设在其他常用资产
类别组成的整体投资组合中,比特币的分配百分比能够最大化风险调整回报。
比特币配置
• 有效前沿是一组最优投资组合,对于给定的风险水平提供最高的预期回报或对于给定的预期回报水平提供最低的风险。 换句话说,它以图形方式表示了在承担风险的情况下最大化回报的投资组合。
位于有效前沿下方的投资组合被认为是次优的,因为它们无法为所承担的风险提供足够的回报,而位于有效前沿右侧的投资组合也被认为是次优的,因为它们在给定的回报率下具有更高的风险水平。
在本节中,我们使用有效前沿图来说明我们构建的模拟投资组合与比特币的配置相比,位于有效前沿上,而由单一资产类别组成的投资组合则被认为是次优的。
根据ARK的研究,比特币已成为机构投资组合中值得战略配置的独立资产类别。
大宗商品 股票
比特币 房地产 债券
(包括黄金) (包括新兴市场)
最早的债券由威尼斯市在o 世纪发
在 xxn年全球金融危机期间,由一个 最早的私人财产权形成
起源可以追溯到几千年前,像黄 行,但债务7借贷的概念可以追 起源可以追溯到o7世纪,随着阿
个人或团体以化名中本聪创建 于古希腊和古罗马
历史 金这样的大宗商品被用作价值储 溯到古代美索不达米亚 姆斯特丹证券交易所的建立
存
高度流动且对任何有互联网访问
通过实物硬币和ETF通过银行和经纪人 不易流动,直接购买 高度流动。 在债券市场上交易 高度流动。 在股票交易所上交
权限的人都可获得。
可投资性 在加密货币交易所和
相对容易流动和获取 或通过房地产投资信 通过经纪人相对容易获取 易通过经纪人相对容易获取
托基金购买
现货ETF上交易
去中心化和社区驱动,利用开源 由公司管理并受政府机
受当地和国家财产法规 受政府或公司设定的发行条款管
治理 软件进行决策 受挖矿监管 构监管
管辖 辖
固定收益投资,定期支付利息,
稀缺的数字价值存储,其货币是 工业活动、财富保值和对 个人住所、租金收入 公司所有权,通常带有投票权和
应用场景 互联网的本地货币 冲
并在到期时返还本金
股息
在过去七年中,比特币的年化回报率平均约为55%,而其他主要资产的平均回报率为f%s%。
各主要资产类别的年化回报率
比特币 黄金 大宗商品 房地产 债券 股票 新兴市场
$/o
/o
%/o
复合年增长率( )
8/o 比特币的平均复合年增长率:约为 %
/o
比特币配置
/o
资产类别的平均复合年增长率: %
r/o
n/o
/o
gn/o
过去1年 过去 年 **
过去:年 过去,年 过去%年 **
随着时间的推移 比特币实现回报
举办天数
时间,而非时机
fxx o,xxx o,fxx ,xxx ,fxx /,xxx /,fxx 5,xxx 5,fxx
比特币的波动性可能掩盖了其长期回报。 虽然短
xoo
期内可能会出现显著的升值或贬值,但长期投资
xo
视野对于投资比特币至关重要。
xo/
xo5
xof
xo
比特币配置
与其问 何时 ,不如问 多
xos
投资日期
久?
xo8
xon
从历史上看,无论何时购买并持有比特币至少f年的投
x x
资者都获利。 x o
x /
从历史上看,比特币的价格波动与其他资产类别的价格波动关联性不高。 在过去的五年中,比特币相对于传统资产类别的回报相关性平
均仅为x% s。
资产类别相关矩阵 P
(截至 x /年o 月的o 个月)
高相关性:系数值介于+x% 和+o之间
中等相关性:系数值介于+x%5和+x% 之间
低相关性:系数值低于+x%5
平均值 - - T - - T4 - 4T - T4 - *
ARK的研究专注于传统资产类别的波动性和回报特征,表明一个寻求最大化风险调整回报的投资组合
在 x /年,最大化风险调整回报的投资组合将分配on%5)的比特币。
按年份模拟的最佳投资组合分配目标 P4
年模拟投资组合优化4P PT
(每年末滚动f年 ) 基于月度资产类别回报(无限制,滚动f年 )
比特币 黄金 大宗商品 债券 股票
大宗商品
高 n% ) 比特币 比特币
-T x%f) x) x) 8 %f) o %n) on%5)
- %5) x) x) ss%/) x% )
预期回报
-* /%n) o%5) x) sx%5) 5% )
低 高
- 4 * , - , * 5, -, 4- 4,
标准差
[o] 对资产回报与风险(在本例中是波动性)进行测量。 [ ] 根据这些切线投资组合计算出房地产和新兴市场,因为相对于本表中包含的其他资产类别,它们在最大化风险调整回报方面的参与度较低。 [/] 资产类别由以下工具代表:SPDR S&P
fxx ETF T t 6(SPY,股票)、Vam4ta d T96ak B9md Ma e6 Imdeu Ftmd Im3e 69 Sga e (VBMFX,债券)、Vam4ta d Reak E 6a6e Ma e6 Imdeu Ftmd Im3e 69 Sga e (VGSIX,房地产)、SPDR G9kd T t 6(GLD,黄金)、-Sga e
S&P GSCI C9<<9d-6vhImdeued T t 6 ETF(GSG,商品)和Vam4ta d E<e 4-m4 Ma e6 S69c Imdeu Ftmd Im3e 69 Sga e (VEIEX,新兴市场)。 用于代表每个资产类别的性能反映了每个ETF7基金的净资产价值(NAV)表现。 [5] 这个
模拟,也被称为 有效前沿 ,是一组理论上的投资组合,预计在多个风险水平下提供最高的回报。 [f] 图表中有效前沿下的点代表由单一资产类别组成的投资组合。 [ ] 我们使用了f年,因为在我们看来,它们代表了一个长期时间范围的样本。
来源:ARK Im3e 6<em6 Mama4e<em6 LLC, x 5年,基于来自P9 6=9k-9V- tak-we %c9<的数据和计算,使用来自Gka m9de的比特币价格数据,截至 x /年o 月/o日。 仅供信息目的,不应被视为投资建议或购买、销售或持有任何特定证券或
加密货币的推荐。 过去的表现不能预示未来的结果。
在过去 年中,按照 年滚动基准,分配一部分资金给比特币将最大化风险调整回
5o
报
根据我们的分析,在 xof年,为了最大化风险调整回报o—在f年的时间范围内/—最佳配置比例应为x%f)。从那时起,按照同样的基准,
比特币的平均配置比例为5%8),仅在 x /年一年就达到了on%5)。
按年份分配比特币以最大化风险调整回报
(夏普比率最大化,滚动f年时间范围/,5)
r8o
h,
r/o
比特币配置
n8o
n/o
.
最佳配置比例:平均为5%8) ,% ,1
8o %h
.,
r: rh rh
/o
r/n8 r/n% r/n r/n$ r/n r/r/ r/rn r/rr r/r
从 fx万亿美元的全球可投资资产基础中分配到比特币将对价格产生重大影响。
机构投资对比特币价格的假设影响 P
,rb8//b///
,rb///b///
,nb8//b///
价格潜力(美元)
比特币配置
,nb///b///
,8//b///
,/
no的分配 1$o的平均分配(r/n8gr/r 年平 n 1 o配置(r/r 年
均最大夏普比率,滚动8年时间范围) 最大夏普比率,滚动8年时间范
围)
年
5
x
BIG IDE AS
比特币价格, 年
, 8b///
SEC指控C9-mba e未 法院裁定SEC
注册证券交易所运营 必须审查 Sa< Bam <amh
G av cake的 F -ed被判有罪
, /b/// 比特币ETF竞标 七项指控
ARK, oSga e
申请比特币
ETF PavPak推出
, 8b///
硅谷银行 美元稳定币
和S-4ma6t e Bam
倒闭
创世纪 B-mamceCEO C
, /b/// 申请破 Z辞职并认罪达
产 成与DOJ的和解
C
B
作为ARK的原创指标,链上市场均值一直是比特币风险开关的可靠分界点。 历史上,当比特币价格突破市场均值时,通常意味着牛市
的早期阶段。
比特币突破其真实市场均值,标志着牛市的开始
B C价格 在链上市场均值 在链上市场均值比率(A G ) 风险开o风险关阈值
n///// n//
n////
C
价格和在链上市场均值(美元)
n///
在链上市场均值比率(ASGS)和
n/
B
n//
阈值
n/
n
n
/1n
/1/n /1n
n月nn日 n月nr日 n月n 日 n月n 日 n月n8日 n月n%日 n月n 日 n月n$日 n月n 日 1月r/日 n月rn日 1月rr日 r0r 年1月
实体 年危机 年决议
新加坡金融管理局禁止/AC的联合创始人在资本市场活动中参与九年,并且英属维
T4.,, A..l7 LUNA的崩溃导致知名对冲基金Tg ee A 92 Ca1-6ak(/AC)陷入流
尔京群岛的一家法院冻结了他们的资产。
C n>” i 动性危机,迫使其破产。
破产法院批准了Cek -t 的重组计划,将资产返还给客户,并建立一个专注于挖矿
C,i >r 加密借贷平台Cek -t 冻结了提款,然后申请破产。 和质押的新公司。 首席执行官Akeu Ma g-m v面临欺骗客户的刑事指控。
N,”7l.-
C
FTX
Bk9c F-获得法院批准进行清算,并向债权人部分以实物偿还。
Bil*-F> Bk9c F-对FTX的敞口迫使其破产。
在 x /年初,美国地区银行历史性崩溃期间,比特币的价格上涨了超过5x),凸显了其作用
对冲交易对手风险的保护措施。
随着地区银行的崩溃,比特币的价格上涨了约= 9
B 地区银行指数 比特币价格(美元)
5( *W
硅谷、S-4ma6t
e、S-k3e 4a6e和F- 6
Re1tbk-c Bam 在
55 区域银行危机期 W
间崩溃。
5 p*W
比特币价格(美元)
C
BT地区银行指数
8 p W
B
a (*W
n ( W
9 5*W
一月 二月 三月 四月 五月 六月 七月 八月 九月 十月 十一月 十二月
比特币铭文4
比特币铭记于 x /年1月推出,引入了一个独特
音频、图像、视频、其他 文本.B Cgr/
的编号系统,用于每个比特币的最小单位 a69 g-,
基于其在区块链中的位置。 每个 a69 g-都是可识别 %/
和不可变的,允许用户铭记他们的数据、图像
或文本。 8/
与其他需要智能合约的区块链不同,比特币铭
文位于比特币区块链的基础层。
/
C
累积铭文(百万)
B
r/
序数 引发了关于铭文对交易大小和区块空间影响的辩
n/
论。 在我们看来,序数是自由市场的产物,代表了比特
币上的健康创新。
/
r0r 年1月 r0r 年4月 r0r 年7月 r0r 年10月
比特币的哈希率 ,作为网络安全的代理,在 年达
比特币网络统计数据 到历史最高水平
9
价格 $o ,ff/ *,.a..:
*
市场成本基础1
(十亿美元)1
$/8x%s *,.1 1
哈希率3
f5%/ :.% .
艾哈希每秒
(每秒的艾哈希 , 天平均)
超过 年未转移的比 p
C
特币供应量( )
%f) 1r .
B
具有非零余额的比特 (
币地址 (百万)
5/%/ : 1
长期持有者供应 4 o5%o ,
(比特币,百万)
5
交易数量5
(非铭刻相关,千)
f % % 1:
(0((年4月 (0((年7月 (0((年10月 (0(p年1月 (0(p年4月 (0(p年7月 (0(p年10月
随着 x 年的传染病后,对更多受监管和安全的基础设施的需求增加,比特币的市场动态
更多地转向美国。
比特币期货在CME上的持仓量创下了创纪录的=8亿美元
芝加哥商品交易所的
币安
持仓首次超过币安。
CLE FSW
* 在超过芝加哥商品交易所之后,
FTX的持仓市场份额在 x 年
末崩溃。
p
C
数十亿美元
B
(0((年9月 (0((年10月 (0((年11月 (0((年1(月 (0(p年1月 (0(p年(月 (0(p年p月 (0(p年4月 (0(p年5月 (0(p年6月 (0(p年7月 (0(p年8月 (0(p年9月 (0(p年10月 11月(p日 1(月(p日
随着宏观经济不确定性的增加和对传统“避险资产 的信任减少,比特币已成为一种可行的替代品。
评估比特币作为避险资产的风险
保护它免受任意 将一个非相关的
B
资产查封和交易对 资产添加到投资组
手风险的影响。 合中,有可能增加单位
风险下的回报,并提
供对市场下跌的
缓冲。
特币的怀疑转变为对其作为“质量避险
BHP C
”的潜力的看法,充分体现了这种演变
比特币的流通供应量
比特币供应量(单位)
比特币单位(百万)
比特币供应上限
预期比特币发行
量
合约
5
x
BIG IDE AS
在公共区块链上部署的智能合约提供了一种全球化、自动化和可审计的替代方案,以
取代寻租中介和传统金融基础设施。
在 x 年的 加密危机 之后,包括稳定币、代币化的国库基金和扩容技术在内的几种数
字资产解决方案获得了增长。
根据ARK的研究,随着链上金融资产价值的增加,去中心化应用程序相关的市场价
值可能以年均/ )的速度增长,从 x /年的ssfx亿美元增长到 x/x年的f% 万亿美元。
智能合约
公共区块链是数字资产账本,对参与者开放,并且不受单一实体控制。 智能合约是存在于区块链上的程序,在特定条件满足时执行计算机代码。关于稳定币使用、财政发行和核心开发的来源在随后的幻灯片中提供。来源:ARK投资
管理有限责任公司, u f年,基于一系列外部来源,可根据要求提供。 预测本质上是有限的,不能依赖。 仅供信息目的,不应被视为投资建议或对购买、销售或持有任何特定证券的推荐。 过去的表现不能预示未来的结果。
智能合约是互联网金融系统的基础
ff
在它们的初期阶段,智能合约正在推动一种新颖的与互联网本地化的金融系统。 在以太坊这个最大的智能合约区块链的推动下,
多个网络正在支持链上活动并争夺市场份额。
以太坊 波场 雪崩
以太坊
BMB链 R - l O -6f l O R
$ s50亿 f ne
BNB链 $ 5n0亿 f Se
智能合约
S9kama $ 550亿 f e
雪崩 $ o50亿 f e 亿美元
波场 $ n0亿 f ne
鉴于新兴市场的恶性通胀和全球不稳定加剧,对提供数字美元访问的稳定币的需求飙升。 在过去的三年中,全球每日活跃稳定币地址数
量以每年n/)的速度增长,从os%o万增加到o x万。 x /年,稳定币的转账量超过了万事达卡。
5 ''' '''
美元
a'' ''' a
9'' ''' 9
'' '''
'' ''' *.
月
月
'
4月
4月
月
10
7月
1月
10
5月
1月
贝宝 万事达卡 稳定币 维萨
50
7月
年
7月
4月
年
年
5年
5年
5年
年
年
年
年
5年
0
0
0
0
0
0
0
令牌化使财务主管能够在公共区块链上更轻松地跟踪、交易和抵押资金,而不是在传统金融市场上。 x /年,令牌化的财务资金增
长了s倍以上,达到8%f亿美元。 早期的资金在S6ekka 区块链上启动,但以太坊在 x /年成为最大的令牌化财务市场。
令牌化财务资金价值
R -- 以太坊 O -6f l R - l
8''
a''
n''
9''
智能合约
*''
百万
''
''
''
5''
0 年5月5日 0 年 月5日 0 年 月5日 0 年4月5日 0 年5月5日 0 年6月5日 0 年7月5日 0 年8月5日 0 年9月5日 0 年50月5日 0 年55月5日 0 年5 月5日 0 年5月5日
面对 x 年的危机及其后果,核心开发者推进技术路线图并加强协议,以支持下一个牛市。 以太坊成功转向P9S共识,S9kama创下
了连续正常运行时间的新纪录。
' ''
软件
智能合约
合并
错误
5* 5*'
启动
天数
5' 5''
* *'
'
'日
日
'日
5日
5日
'日
日
日
'日
5日
日
日
'日
日
5日
日
日
日
日
日
日
5日
日
5日
5日
5日
月
月
月
月
月
月
3月
3月
6月
9月
6月
6月
9月
6月
月
3月
9月
6月
3月
9月
月
9月
6月
9月
6月
9月
3月
月
1
1
5
1
5
1
1
1
平均每日交易量
以太坊主网 第二层网络
8
智能合约
交易次数(百万)
/
第一季度 第二季度 第三季度 第四季度 r/r 第二季度 第三季度 第四季度 r/rn 第二季度 第三季度 第四季度 r/rr 第二季度 第三季度 第四季度 r/r 第二季度 第三季度 第四季度
L 网络汇总交易并将结果状态更改结算到基础层智能合约网络,如以太坊,通常具有比基础网络更高的吞吐量和更低的成本。 L 交易计数基于Aqrd
* 仪表板上可用的数据:Aq* rq6 ,Ba d,L kda,O r ,Pmi3 mk 2 EVM,S
qmii,Sraq Ndr,2 S3k Eqa,Zmqa Ndr mq 。图表数据截至 u s年n 月sn日。 来源:ARK投资管理有限责任公司, u f年。
此ARK分析基于一系列来自外部来源的基础数据,可根据要求提供。 预测具有固有的局限性,不能依赖。 仅供信息目的,不应视为投资建议或购买、销售或持有任何特定证券的推荐。 过去的表现不能预示未来的结果。
降低成本正在推动链上参与度
x
随着交易成本的下降,链上参与度(以每日活跃地址(DAU)与每月活跃地址(MAU)的比率衡量)有所增加。
参与度相对于交易费用
DAT LAT
5 - * n. 5' ''
5'-
5 ''
DAR作为 AR的百分比
a- *rn.1 *rn.
平均费用(.r.%年)
智能合约
*rn
*rn %
9- ' 5'
' '5
- *rnrr%
*
智能合约网络设计提供了权衡。 通过优先考虑基础层去中心化,以太坊生态系统在扩展时变得更加复杂。 通过优先考虑单层可扩展性,S9k
ama为用户和应用程序开发人员保持了简单的架构,并获得了发展。
垂直扩展 水平扩展
阿比特拉姆
L L
O16- -'
L
基础
…
智能合约
Lo Lo
以太坊 S9kama
h在L 之间引入了额外的可靠性和安全
.降低了基础层交易的费用 h需要应用程序依赖Lo执行环境
并增加了吞吐量
.利用以太坊主网的网络效应和流动
性优势 性考虑
服务行业的收费率相对于所有金融资产的价值为/%/)。 智能合约可以大幅降低对经济的拖累。
对当前系统的成 降低成本的解
fox万亿美元
活动
os万亿美元
本 决方案
智能合约
了解您的
每个个人验证ofxxh/xxx美元 统一的数字身份,在机
%n%m的综 8 倍 客户
合收费率 构间可验证
验证
8h倍 .
数万亿
智能合约可以以传统金融成本的一小部分促进链上资产的发起、拥有和管理。 如果金融资产以类似于互联网采用的速度迁移到区块链基
础设施,并且与传统金融服务相比,去中心化金融服务的收费率是传统金融服务的三分之一,智能合约可以每年产生超过5fxx亿美元的费
用,并创造超过f万亿美元的市场价值,分别以s8)和/ )的复合年增长率增长,直到 x/x年。
智能合约费用总收入 智能合约协议市值
预测
9 '''
实际情况
o
$f,/xx
*''
$5fx * '''
*'
''
智能合约
'''
*'
数万亿
率
长
'' 率
增
长
增
合
'''
数十亿
复
复
m年
*' 年
m
%1
1
''
'''
5*'
5'' 5 ''' $ssf
*'
$o $ x $oo $8
' ' ' 5 ' ' ' ' * ' 9 ' n ' a ' 8 ' ' ' '
'年估计
x xh x o年数据使用来自T9 em Te -mak的前 x个历史费用生成协议进行近似。来源:ARK投资管理有限责任公司, x 5年。 此ARK分析基于一系列来自外部来源的基础数据,可根据要求提供。 预测具有固有的局限性,不能依赖
。 仅供信息目的,并不应被视为投资建议或购买、销售或持有任何特定证券的推荐。 过去的表现不能作为未来结果的指标。
o
数字
5 研究者: 尼古拉斯·格罗斯 安德鲁·金
副投资组合经理 分析师
消费者
5
x
BIG IDE AS
SpWmrhshnmhmf SnvWpc
ChfhsWk Idhrtpd
根据ARK的研究,数字休闲的支出将从 x /年的s万亿美元以年均增长率on)的速度增长到 x/
x年的 /万亿美元,并从传统休闲方式中获得份额。 几个趋势正在加速向数字休闲的转变:
• 体育博彩将因在线7移动博彩合法化而保持高速增长。
数码消费者
• AI辅助视频游戏创作是游戏界的新浪潮,建立在像Rlbklu这样的用户生成平台之上,Rlbklu
全球托管了超过5%s亿个体验,是PC、游戏机和移动游戏数量的f 倍。
• AI启用的硬件有可能重新定义个人可穿戴计算,尤其是如果虚拟现实(VR)继续面临挑战的话。
在第二次工业革命至二战结束的8x年间,全球每位工人的劳动时间以年均x%f)的速度减少。 生成式人工智能可能平均降低每位工人的劳动
时间o%/),从 x 年的每天f%x小时降至 x/x年的每天5%f小时。*
全球每位工人每天的劳动时间 全球在线和离线时间
在线 离线
5' '
数码消费者
8' 5''-
a'
n' a'-
9'
每日工时
*' 9'-
第二次工业革命
'
清醒时间占比
'-
'
' 每年下降x%f) 生成式人工智能革命 5n)
'- /n)
5' 每年下降o%/) /o)
'' '-
5an' 585' 58*' 588' ' ' '5' ' ' ' '
预测 预测
仅仅两年时间,流媒体在整体电视消费中的份额增加了ox个百分点,截至 x /年s月达到/n),分别超过了有线电视和广播的份额。 连
接电视pCTV(的广告支出正在追随观众,预计以年均os)的实际增长率增长,从 x /年的 fx亿美元增长到 x/x年的s/x亿美元。 如果是
这样,CTV的广告支出将在 x s年超过线性电视。
美国电视收视份额 美国电视广告支出
*- a'
'-
*-
9'
数码消费者
'-
美国电视时间份额
数十亿美元
*-
'
'-
5*-
5'- '
*-
'-
0 年 月
0 年7月
0 5年55月
0 年11月
0 5年7月
年7月
0 年5月
0 年1月
0 /年1 月
年11月
0 年9月
年3月
0 5年5月
年1月
0 5年9月
年5月
年9月
0
0
0
*流媒体、有线电视和广播的份额不加起来不等于oxx),因为我们排除了尼尔森将其归类为 其他 的消费部分,其中包括视频点播pVOD(、音频流媒体、游戏和其他设备使用的时间。**我们将传统电视定义为通过有线、卫星或空
中传输的传统电视。 我们将连接电视定义为通过智能电视、流媒体设备、视频游戏机和其他现代硬件进行流媒体传输的电视。 来源:ARK投资管理有限责任公司, x 5年。 这项ARK分析基于来自外部来源的一系列基础数据,包括尼
尔森、Im'-de Im6ekk-4emce和MAGNA Gk9bak等,可根据要求提供。 预测具有固有的局限性,不能依赖。 仅供信息目的,不应被视为投资建议或对任何特定证券的买入、卖出或持有的推荐。 过去的表现不能作为未来结果的指标。
社交电商商家可以随时随地向任何人销售
8
社交媒体平台正在增加对全球受众的电子商务变现。 由于全渠道解决方案(包括实体和数字),社交电商的年增长率可能达到/
),从今天的s/xx亿美元增长到 x/x年的f万亿美元以上。
全球社交商务销售
ARK预测
> U 9Ug
of亿
%8B 月活跃用户* 社交商务(左手边) 传统电子商务(左手边)
社交商务份额(右手边)
*iR5R4i T T
x%5亿 oo亿
5a '-
59
数码消费者
W i4A *-
F 5
亿
o8亿
5 '-
(万亿美元)
5'
电子商务份额
5*-
a
9 5'-
总交易额
Sg91-= *-
业务启动-全渠道销售-支付处理-营销分析和管理-物流和运输-商业资金 '-
'5a年 l58 l ' l 5 l l El E l *E l 9E l nE l aE l 8E l 'E
美国在线体育博彩交易量 全国存款市场份额
合法化的州(左手边) 未来合法化的州(左手边) D e lf 和F lDs - 其他所有体育博彩平台
在线渗透率(右手边)
'' a'-
..m n*-
体育博彩市场份额
总交易量的m
复合年增长率
数十亿美元
'' 9'-
*'-
'' '-
. m
复合年增长率 *-
5'' '-
'-
' '年1'月
0 年10月
年10月
'-
' '年4月
' '年1月
0 年4月
年4月
0 5年50月
' '年7月
0 年7月
0 5年7月
0 年1月
0 5年4月
年7月
年1月
0 5年5月
'5a年 l58 l ' l 5 l l El E l *E l 9E l nE l aE l 8E l 'E
0
0
0
来源:ARK投资管理有限责任公司, x 5年。 此ARK分析基于来自外部来源的一系列基础数据,包括Y-1-6 Da6a,可根据要求提供。 预测本质上是有限的,不能依赖。 仅供信息目的,不应被视为投资建议或购买、销售或持有任何特定
证券的推荐。 过去的表现不能预示未来的结果。
在线体验变得更加沉浸和可变现
sx
历史表明,更深入的沉浸度会导致更高的变现。 在 x世纪8x年代,计算机图形将市场从基于文本的冒险游戏扩展到了其他领域,游戏收入
以每年on)的速度增长,从on8f年的 x亿美元增长到onn/年的 5x亿美元。
现在,多模态人工智能——文本、图像、音频和视频——正在创造更具沉浸感和互动性的体验,这应该会扩大市场。
视频游戏演变 总平台变现率
5''- * $ox
5' '''
' *n r
数码消费者
a'- *
*rn *rn.%
游戏收入
$o
5 '''
*rnr1
(.r.%年十亿美元)
'
9'-
*
发布游戏的份额
每小时净变现
'-
5*
'- 5'
' '5'
$x%xo
*
'-
$x%xxo
l85
58n*
l'5
l88
lan
l8*
l'*
lnn
la5
la8
la*
ln8
l8n
l8
l'
la
在用户生成内容(UGC)平台上进行AI辅助游戏创作可能会导致游戏内容的爆炸增长。 根据我们的研究,在输出质量标准化后,自 x o
年以来,生成单个/D资产的成本以年均约nn)的速度下降至不到x%x 美元。 AI应该使内容创作民主化,并加速UGC的增长。R9bk9u已经
在全球范围内提供了超过5%s亿个体验,是PC、游戏机和移动应用游戏数量的f 倍。
$ m oxn
5 Ek'
年化
$oxx
5Ek' 美元
成本下降 5 Ek'
ox8 生成式人工智能降低了U
数码消费者
GC的成本。
每个%D资产的成本
(对数刻度)
oxs
5 Ek'5
$ox
(对数刻度)
5Ek'5美元
5 Ek'' 雅达利
ox
推出了
$o
累计数量
5Ek''美元 5 E ox
'5f
A6a - xx。
5E '
ox5
$x%o
5E '5美元 苹果推出了
ox/
5E ' 第一款-Pg9me。
' 美元
5E$x%xo 5 E 'ox
0 5年50月 0 年 月 0 年5月 0 年8月 0 年1 月 0 年 月 58n* lna la5 la lan l8' l8 l89 l88 l' l'* l'a l55 l5 l5n l '
出版日期
尽管包括苹果的V-'-9m P 9在内的头戴式设备有了显著改进,但开发者并没有纷纷支持虚拟现实(VR)技术。
由于缺乏引人注目的应用场景,虚拟现实技术的采用速度较慢。 例如,Me6a Qte'6目前只提供了 , xx款应用程序,仅为-Pg9me发布
五年后的ff/,xxx款应用程序的一小部分。 因此,Me6a Qte'6仅售出了 sxx万台设备,仅占苹果发布五年后累计销量的o8)。
苹果 P l s o M Qr 头 OS s o M Qr 应用程序
戴式设备出货量
应用程序
苹果 O4 l
NR应用程序 L Ps
L Ps
59' 5 '''
5 '
数码消费者
5 ' 5''
千台 对数刻度
5''
(百万)
设备
a' 5'
累计销量
9'
' 5
'
' '
5 * 5 *
发布后的年数 发布后的年数
操作系统
渗透美国人口q8 的时间 软件扩展
整合
计算机
W-md92', C9 9d9 e 5 OS,
W-md92', MacOS, L-mtu
A6a - TOS,A -4a,L-mtu,MacOS...
数码消费者
/ n/ r/ / /
年份
全球数字休闲支出 全球数字平台收入
* *'- 9
*-
*
' '-
*-
数码消费者
休闲支出份额
5* '-
万亿美元
万亿美元
*-
5' '-
5*-
* 5'-
5
*-
'-
'5a年 l58 l ' l 5 l l El E l *E l 9E l nE l aE l 8E l 'E '5a l58 l ' l 5 l l E l E l *E l 9E l nE l aE l 8E l 'E
钱包
5
x
BIG IDE AS
垂直软件是指根据特定行业需求量身定制的一套解决方案。 领先的垂直软件平台正
在迅速扩展到面向消费者和商家的金融服务领域。 通过双边网络,这种软件可以促进从
消费者到商家、商家到员工和员工到商家的封闭环路交易。 ARK认为,这些平台上
的数字钱包将能够实现完全封闭的支付生态系统。
消费者 商家
营运资
数字钱 信用
工资单 检查 储蓄 借记卡 金融资 账单支付
包 卡
区块
数字钱包
GW
烤面包
我们将Bim 的Ca 4 A 和Tma r的M3Tma r移动应用程序视为消费者数字钱包,将S4m 3的S4m 移动应用程序和Tma r的Tma r Ta dm6r移动应用程序视为处于早期阶段的数字钱包。 我们将S4m 3 Baiak d视为商户的支票和储蓄工具。
鉴于trqaCHEF的发票自动化功能,我们相信Tma r很快将在其平台上提供直接账单支付服务。 来源:ARK投资管理有限责任公司, u f年。 此ARK分析基于来自外部来源的一系列基础数据,可根据要求提供。 预测本质上是有限的,不能
依赖。 仅供信息目的,不应被视为投资建议或购买、销售或持有任何特定证券的推荐。 过去的表现不能作为未来结果的指标。
垂直软件平台正在整合消费者服务
s8
垂直软件平台不仅能够建立庞大的商家网络,还能够利用数字钱包建立消费者网络。 通过同时扩大商家和消费者网络,垂直软件平台
正在成为这些双边网络的操作系统。
消费者 商家
区块
数字钱包
GW
烤面包
我们将Bim 的Ca 4 A 和Tma r的M3Tma r移动应用程序视为消费者数字钱包,将S4m 3的S4m 移动应用程序和Tma r的Tma r Ta dm6r移动应用程序视为处于早期阶段的数字钱包。 我们将Tma r Pa3 Caq 视为一种消费者借记卡
。 来源:ARK投资管理有限责任公司, u f年。 此ARK分析基于来自外部来源的一系列基础数据,可根据要求提供。 预测具有固有的局限性,不能依赖。 仅供信息目的,不应被视为投资建议或购买、销售或持有任何特定证券的推荐
。 过去的表现不能作为未来结果的指标。
双边网络可以在消费者和商家之间闭合金融循环
sn
闭环支付生态系统通过三种方式将网络内的资金转移:从消费者到商家,从商家到员工,以及从员工(即消费者)到商家。 要构建这
些支付生态系统,平台必须具备以下条件:o)庞大而活跃的双边网络, )对商家运营和财务的端到端可见性,以及/)垂直行业专业知
识。
垂直行业软件平台
消费者 商家
网络内 $ 垂直 $ 网络内
数字钱包
消费者 软件 商家
数字钱包 平台 数字钱包
网络内工资
服务提供商
$ $
员工
使用数字钱包余额资助的交易绕过银行和卡网络,为支付便利商、商家和消费者节省了互换费用。 在ARK的观点中,具有规模化消费者和
商家生态系统的垂直软件平台将利用数字钱包促进闭环交易。*
G 收费率: f G 收费率:
o%o) 5 %/)
/
数字钱包
资金来
发卡银行 收单银行 发卡银行 收单银行
源
n o
内部网络 内部网络
s
交易授权
交易结算
美国数字钱包交易量 美国支付收入
对于Bil* % Spr . 、S ln e6和Tl
开放环路 闭环路 个人消费占比(右手边) 净支付收入 闭环支付收入机会
a '- *
n
*-
C.B交易量(万亿美元)
数字钱包
'
9
C.B支付收入(十亿美元)
.rm年复合增长率 '- . m年复合增长率
* 5*
5*-
5'
5'-
个人消费占比
*- *
5
'-
'5a年 l58 l ' l 5 l l El E l *E l 9E l nE l aE l 8E l 'E '58 l ' l 5 l l E l E l *E l 9E l nE l aE l 8E l 'E
垂直软件平台可以为商户提供金融服务。 通过数字钱包,这些平台不仅提高了便利性,还可以将存款变现,将从付款授权到商户结算
的步骤数量从o 个减少到f个,并且平台收费率增加一倍以上。*
之前:现状商户结算 之后:闭环商户结算
步骤: 步骤:
卡网络 卡网络
n.s o /. f
G 收费率: G 收费率:
o5 o/ o of
o%o) %/) 8 e
消费者银行 消费者
收单银行 发卡银行 收单银行
账户 数字钱包
数字钱包
oo o
5
内部网络
交易授权
交易结算
可寻址的美国商业银行收入
适用于Bil* 的Spr . 、S ln e6和Tl
商业贷款 增量银行业务收入
n
数字钱包
*
总收入(十亿美元)
垂直软件平台可能会使用数字钱包直接将商家与员工联系起来,从而增加了几乎没有客户获取成本的盈利机会。*
之前:现状工资单 之后:闭环工资单
步骤: 步骤:
ACH网络 ACH网络
n.s.f o /. ./ 8
G 收费率: G 收费率:
o%o) on x %5) 8Se
o8 o
内部网络 内部网络
支付服务提供商 员工银行
商家 os 商户数字 支付服务提供商 员工
账户
钱包 8 数字钱包
s
交易授权
交易结算
机会
与消费者钱包类似,员工数字钱包可以发展成为针对特定行业定制的全面金融应用程序。 员工工资单和支付可能成为Bk9c 、Sg91-=
和T9a'6的有吸引力的货币化渠道。根据我们的研究,员工数字钱包在 x/x年的可寻址工资单机会的o万亿美元中,可能产生 fx亿
美元的总收入。如果这些平台能够捕获到这个机会的oxx),员工数字钱包的收入在未来七年内可能以每年o /)的速度增长。
'
数字钱包
*
总收入(十亿美元)
'
.%m 年复合增长率 0亿美元
5*
5'
0亿美元
*
约 亿美元 0亿美元
8/
数字钱包
/
数十亿美元
%%m年复合增长率
r/
n/
g
'58 l ' l 5 l l 亿 l 亿 l *亿 l 9亿 l n亿 l a亿 l 8亿 l '亿
疗法
5
x
BIG IDE AS
在过去的二十年里,精准疗法、CRISPR基因编辑、RNA治疗和靶向蛋白降解等新的治
疗模式不断涌现。
由人工智能(AI)、CRISPR基因编辑和新的测序技术驱动的创新疗法提高了研发回报率
,同时使无法药物化的靶点变得可药物化。
HE O
越来越多的精准疗法成为多组学和治愈性的,其作用机制涵盖了DNA、RNA、蛋白
E NA
质等多个方面。 根据ARK的研究,专注于精准疗法的公司的企业价值在未来七年内
P
在过去的三十年中,具有全新作用机制的治疗模式数量不断增加。不
不仅扩大了可治疗的疾病数量,而且提高了疗效和安全性。到 x /年,超过
f)的临床试验正在利用新的治疗模式。
基于新药申请批准的新模式发现
Ba'e7P - e Ed-69 ' *
TPD'
γδ T细胞
RNA疫苗
CRISPR7Ca'n
HE O
-PSC'
E NA
TALENS
CARhT
P
ZFN'
'-RNA7RNA-
抗生素
NE CHOH
重组 单分子实时测序
沃森和克里克 聚合酶
*此时间表不是详尽无遗的。 MA(* 年)
合成测序(* ( 5**年)
(* X8年)
桑格测序 链式反应 年)
(* 年) (* W 年)
年均研发投入和药物带来的增量收入
用于药物研发的研发投入 增量收入产出
HE O
5a'
E NA
59'
P
5 '
NE CHOH
5 '
5''
数十亿
a'
9'
'
'
'
58a5年至58a*年 58a9年至588'年 5885年至588*年 5889年至 '''年 ''5年至 ''*年 ''9年至 '5'年 '55年至 '5*年 '59年至 ' '年 ' 5年至 ' 年
*时间跨度较短。 数据受COVID影响。
增量收入与相关研发支出的比率
5a
HE O
59
E NA
5
P
5
NE CHOH
比率
'a
'9
'
'
'
58a5年至58a*年 58a9年至588'年 5885年至588*年 5889年至 '''年 ''5年至 ''*年 ''9年至 '5'年 '55年至 '5*年 '59年至 ' '年 ' 5年至 ' 年 ' '年预测
TPD正在扩大可药物治疗的蛋白质组 精准疗法正在减少重复试验的数量
FDA批准的 可药物治疗的 无法用药物治疗的
5''-
人类蛋白质编码基因的百分比
HE O
每个唯一靶点的重复试验
a'-
E NA
r
9'- a e
P
'-
n
NE CHOH
'-
'- /
传统的 SOD启用的 一般 精准
数据截至 x /年1 月
来源:ARK投资管理有限责任公司, x 5年。 此ARK分析基于一系列外部来源,可根据要求提供。 预测本质上是有限的,不能依赖。 仅供信息目的,并不应被视为投资建议或购买、销售或持有任何特定证券的推荐。 过去
的表现不能预示未来的结果。
治愈像镰刀细胞贫血这样的罕见疾病的价值很高
n/
在精准治疗中,基因编辑药物如CRISPRhCa'n有潜力治愈罕见的遗传性疾病,如镰刀细胞病(SCD)。 SCD是一种遗传性红细胞疾病
,影响美国超过oxx,xxx人和全球 xxx万人,主要分布在非洲。如今,治疗方法占用了美国治疗SCD疾病总费用的约o ),但除了缓
解症状外,对于SCD患者的预期寿命仅为普通人口的f )。
SCD医疗费用超过平均患者寿命 镰状细胞病治愈的合理成本
HE O
治疗方法 其他费用
E NA
*
*
P
' '
NE CHOH
百万
百万
5* 5*
5' 5'
其他费用
'*
'*
''
治疗方法
5 * n 8 55 5 5* 5n 58 5 * n 8 5 * n 8 5 * n 8 *5 * ''
当前直接成本 生命质量年增益 新疗法成本
年龄
*
预测
*生命质量年增益 健康效用 * 持续时间
对于健康效用,x表示死亡,o表示完全健康
数据截至 x /年1 月。
来源:ARK投资管理有限责任公司, u f年。 此ARK分析基于一系列外部来源,可根据要求提供。 预测本质上是有限的,不能依赖。 仅供信息目的,并不应被视为投资建议或购买、销售或持有任何特定证券的推荐。 过去
的表现不能预示未来的结果。
治愈所有罕见疾病将具有价值
n5
罕见疾病治愈的预测价值
美国罕见疾病医疗费用总计 对医疗系统的影响超过 年
$ f
药物费用 其他费用
HE O
E NA
* $ x
P
'
NE CHOH
$of
5*
数万亿
数万亿
5' $ox
*
$f
5 * n 8 55 5 5* 5n 58 5 * n 8 5 * n 8 5 * n 8 *5
$x
年份 避免的直接成本 获得的QALY'价值 * 总价值
*生命质量年增益 健康效用 * 持续时间
对于健康效用,x表示死亡,o表示完全健康
数据截至 x /年1 月
来源:ARK投资管理有限责任公司, u f年。 这项ARK分析基于一系列外部来源,包括 u s年的Oq 4akdr,可根据要求提供。 预测本质上是有限的,不能
依赖。 仅供信息目的,不应视为投资建议或购买、销售或持有任何特定证券的推荐。 过去的表现不能预示未来的结果。
机会规模:精准疗法
nf
根据我们的研究,随着CRISPR基因编辑、测序和人工智能(AI)等技术创造出精准疗法,精准疗法公司的企业价值应该以每年约 8
)的复合年增长率(CAGR)增长,在未来七年内从 x /年的约8 xx亿美元增长到 x/x年的约5万亿美元。
精准疗法企业价值预计每年增长' ,持续到' 年
复合年增长率
*'
E NA
*
.m
P
'
m
NE CHOH
*
m
'
m
数万亿
'
5*
% m
5'
'*
''
' ' '
预测
来源:ARK投资管理有限责任公司, u f年。 这项ARK分析基于一系列外部来源,包括S&P Ca rai IQ数据和B m d rqa dq,可根据要求提供。 预测本质上
是有限的,不能依赖。 仅供信息目的,不应视为投资建议或购买、销售或持有任何特定证券的推荐。 过去的表现不能预示
未来的结果。
n 研究者: 皮尔斯·詹米森 c e
分析师 研究助理
多组学工具
和技术
5
x
BIG IDE AS
在过去的十年中,生物工具和技术的数量大幅增加,
它们的能力也有了显著提高。 其中,三种关键技术
突出:高通量蛋白质组学、人工智能和单细胞测序。
它们的融合提高了生产力和效率,增强了医疗应用的精确性,并释放了巨大的经济价值。
根据ARK的研究,这些技术可能使每种药物的研发成本降低超过 f),潜在地使精准疗法领域
的企业价值以复合年增长率 )增加,从 x /年的约8 xx亿美元增加到 x/x年的约5%f万亿美
元。
多组学工具和技术
在过去十年中,质谱和生物信息学的进步极大地改善了蛋白质组学分析的能力,提高了分辨率、准确性和同时分析多个样品的能力
。 这些发展不仅使得对健康和疾病中蛋白质组的详细探索成为可能,还加速了癌症的发现。
生物标志物和靶向治疗的发展。
独特的蛋白质 样本
5' '''
5''
(吞吐量)
(深度)
5'
多组学工具和技术
5 '''
rm 年复合增长率
5
5'' '
r/nn r/nr r/n r/n r/n8 r/n r/n r/n$ r/n r/r/ r/rn r/rr r/r
L
SI L 并行 实时单分子蛋白质
HQ AN RAQD L 反应 离子迁移质 人工智能 机器学习TTT 单细胞 组学测序实时搜索
QLQT D ALTT 监测 谱 技术 蛋白质组学
随着质谱分析的蛋白质组数量增加,成本大幅下降,为医学研究和诊断开启了新的可能性。 我们的研究表明,对于使用质谱分析的非
定向蛋白质组学,每个样本的成本以年均 /)的速度下降,或者每个蛋白质组序列的累计倍增时下降约oo)。 蛋白质组学的发现为鉴定新
的生物标志物铺平了道路,实现了对特定癌症亚型的早期检测和治疗。
赖特定律预测了非定向蛋白质组学的成本下降 具有患者生物标志物的美国试验
n*
5' '''
*
xoo f e A
5 ''' xo/ n* n na n
多组学工具和技术
x o *
x /
成本 样本
5''
试验数量
n*
*
5'
5n*
5 5 *
'5n
' 5
'59
'55
' '
'58
'5'
'5*
'5a
oxx oxo ox ox/ ox5 oxf ox oxs ox8
'5
'5
'5
'
'
累计蛋白质组序列 年份
传统的RNA测序只能测量混合细胞类型中基因的表达,而单细胞RNA测序可以描绘复杂组织样本中不同细胞类型的表达情况
理论上,将基因表达与特定细胞联系起来可以提高测量精度ox倍,并将每千兆字节的成本降低76%
。
癌症组织
相对于正常细胞,癌症组织
N A样本 中没有明显的表达变化
序
测
表达
A
RN 基因5
量
批
基因
基因
多组学工具和技术
癌症 正常
基因
单
细
胞
RN
A
癌症突变导致 细胞类型/
中 基因5 的过度表达
表达
多种细胞类型 癌症
. h . h . h . h
来源:ARK投资管理有限责任公司, u f年。 插图由B mRdk dq1 m 创建,基于H ak 等人的 un$年数据。 仅供信息目的,不应视为投资建议或购买、销售或持有任何特定证券的推荐。 过去的表现不能预示未来的结果。预测具
有固有的局限性,不能依赖。
人工智能和自动化正在赋予药物发现力量
oxo
在药物发现过程中实施人工智能7机器学习(AI7 由人工智能-自动化带来的成本-批准减少的预测
ML)技术,增加了药物开发者可以从虚拟和实体 $o,xxx
ho/f百万美元
nxx百万美元
库中筛选的潜在活性化合物数量。
$nxx
$8xx h5f百万美元
h 8x百万美元
$sxx AIh启用的
自动化的临
平均批准成本
$ xx 图书馆
筛选 床前工作
批准成本
(百万美元)
$fxx 流程 55x百万美元
$5xx
由于批准概率
精准治疗
高通量自动化工作流程,如药物微合成和体外 改善而节省的
$/xx
批准成
费用
$ xx 本
体内实验,对于利用AI技术进行药物发现至关重 $oxx
要。
$x
预测的临床成功概率 预测的每个批准成本
多组学工具和技术
在未来十年内,实施AI7ML药物发现方法和
5 ,ncuuu
每个药物批准的成本(百万美元)
自动化工作流程的公司,很可能将临床成功的概
5 ,$uu
rn 倍
.n 倍
率从一期提高一倍,达到批准阶段。在过程的早
5
,”u u
百分比
期阶段,淘汰化合物和提高生产力应该能将单个药
5
,fuu
物批准的成本减少一半。
5
, uu
5
5 ,u
遗产 精准 遗产 精准
来源:ARK投资管理有限责任公司, u f年。 此ARK分析基于一系列外部来源,包括Rd 6q mk u f、Pa6i等人 unu年、S 4qd *dq u 年和Dqd ak u n年,可根据要求提供。 预测具有固有的局限性,不能依赖。 仅供信息目
的,不应视为投资建议或购买、销售或持有任何特定证券的推荐。 过去的表现不能作为未来结果的指标。
药物研发成本可能会急剧下降
ox
基础生物学、人工智能、自动化和试验设计的进步应该会显著降低临床前药物研发成本。
它们能够在药物研发过程的早期阶段消除不太有希望的候选药物,防止研发资金在后续阶段的错误配置,并在发现阶段早期创造更大的化学搜索空间。 在
未来十年中,充分利用这些技术的公司
可能会将每个批准的成本降低近 x),部分原因是将进入临床试验的药物候选品成功的几率增加了一倍以上。
临床试验。
. 虚拟化合物库
多组学工具和技术
i
. 生物标志物开发
. 人性化动物模型 *5
临床成功的概率
*
自动化
. 自动液体处理 5
. 自动体内组学 k
. 自动微合成
. CRISPR 干扰h顺序 筛选 *5
. 器官芯片技术
人工智能
5
遗产 精准 遗产 精准
. AIh启用的通路分析
. AIh启用的毒性预测
. 体外分子建模
. 机器学习驱动的化合物筛选
在过去的十年中,每种正在研发的药物的研发支出以年均/)的速度下降。 根据我们的研究,这种下降趋势应该会继续,甚至加速,得益
于基础生物学、单细胞测序、蛋白质组学、自动化和人工智能的突破性进展。 这些效率提升预计将为精准疗法的企业价值增长贡献o%
万亿美元,约占总增长的5x),预计将在 x/x年实现。
预计每种正在研发的药物的年均研发支出 精准疗法销售额
预计每年增长 9,直至 年
-
5(
i
历史 历史销售额
55
预计
ALG预测 *
5
市场预期
多组学工具和技术
(十亿美元)
全球,百万美元
精准疗法年销售额
k
a
9
( 59
( 55
( (p
( (8
( 5p
( 58
( (a
( 5a
( (n
( ((
( (9
( 5n
( 5(
( (5
( (
( 5
( 5
( (
( (
( p
k
来源:ARK投资管理有限责任公司,7u7 年。 此ARK分析基于一系列外部来源,可根据要求提供。 预测本质上是有限的,不能依赖。 仅供信息目的,并不应被视为投资建议或购买、销售或持有任何特定证券的推荐。 过去
的表现不能预示未来的结果。
电动车
ox5 研究者: 山姆·科鲁斯 丹尼尔·马奎尔,A A
研究总监,自动驾驶 研究助理
技术和机器人技术
5
x
BIG IDE AS
在供应链中断后上涨之后,电池成本现在正在按照W -4g6定律下降,从而导致
电动车(EV)的价格下降。
ARK预测,未来七年内,电动车销量将以每年//)的速度增长,从 x /年的
大约oxxx万辆增长到 x/x年的s5xx万辆。
电动车
全球车辆销售增长
内燃机 电池电动车
5( - ii%
5 -
a -
1r
9 -
百分比变化
电动车
- %%
.
i
( -
i
-
8. 8, 8,
( -
8i
-
( 5a ( 58 ( ( ( (5 ( (( ( (p年
如果电动汽车的采用继续增长,传统汽车制造商可能被迫进行重组和整合。
全球电池电动车销售
通用汽车将密歇根州的电动卡车生产推迟到明
年 市场份额
大众集团推迟在欧洲建设电动汽车电池工厂
因 低迷 的电动汽车需求
n o
大众集团首席执行官奥利弗·布卢梅表示: 目前没有商
百分比
电动车
业理由决定进一步的场地。
8o
福特将根据需求放缓F 8 o
闪电版每周生产量 r n 年 r n 年 r n8年 r n%年 r n 年 r n$年 r n<年 r r 年 r rn年 r rr年 r r 年
全球乘用车电动汽车销售中
电池成本下降
磷酸铁锂正极化学的份额
镍电池 * 镍预测 磷酸铁锂电池
* 磷酸铁锂预测
-
5 W
-
p -
5W
p -
每千瓦时美元
电动车
( -
5
( -
5 -
5
5 -
5 -
5 W 5W W 5 W W 5 W W 5W W W 5 W W W ( 58 ( (p
累计千瓦时
基于建模和历史数据的组合。 来源:ARK投资管理有限责任公司,7u7 年。 这项ARK分析基于来自外部来源的一系列基础数据,包括彭博新能源金融7u7s年的数据,可根据要求提供。 预测本质上是有限的,不能依赖。 仅供信息目的,
并不构成投资建议或购买、销售或持有任何特定证券的推荐。 过去的表现不能预示未来的结果。
赖特定律指向更快的电动汽车充电速度
oxn
英里行驶里程的充电速率
历史数据点 x s年预测
5 W
: : 年 ,/o5分钟
5W
: 年 5x分钟
充电.rr英里所需时间
电动车
5
: 年 o88分钟 年 o 分钟
5
: x 分钟
5 年 o 分钟
理论分钟数
年k l 5分钟
5 5 5 5W 5 W 5 W 5W W 5 W W 5 W W
电动汽车累计生产量
在没有电动汽车供应链的情况下,特斯拉别无选择,只能进行垂直整合。 现在供应链正在发展,其他汽车制造商如果规模化,将实现
盈利。 然而,许多汽车制造商正在退出市场,因为已经盈利的市场领导者正在大幅降价。
各个价格点的全球豪华BEV销售单位
W
Y N (中国)
W
p W
)
p W
截至.r.%年8月的单位(
Y N (美国)
Y N (欧洲)
非豪华车型销量
( W
最高的比亚迪
电动车
( W 为了提供背景,这 Y N $(美国)
是中国的车型
Y N $(中国)
5 W
5 W Y N $(欧洲)
NNT 88Z(中国)
W Y E (中国) 奥迪 Q N d Y (欧洲)
W 5 W 5 W ( W ( W
价格
*数据可能不完整。 TTM (过去十二个月)。 BEV (电池电动汽车)。 来源:ARK投资管理有限责任公司, x 5年。 此ARK分析基于来自外部来源的一系列基础数据,包括P-1e Samdke x /年的数据,可根据要求提供。
预测具有固有的局限性,不能依赖。 仅供信息目的,不应被视为投资建议或购买、销售或持有任何特定证券的推荐。 过去的表现不能作为未来结果的指标。
电动车已经达到与内燃机车辆价格相当的水平
ooo
随着电池成本的持续下降,电动车价格有望下降,可能推动销售单位的指数增长。
美国新车交易价格
车辆价格与可寻址市场
新车交易价格(平均)
供应链瓶颈之前的新车交易价格
线性(供应链瓶颈之前的新车交易价格) 5 -
8 -
,$8
豪华汽车
按建议零售价计算的可寻址收入份额
a -
, 8 n -
全尺寸皮卡
9 -
,%8
豪华紧凑型 -
电动车
,88 SUV7跨界车
平均价格
-
电动汽车
特斯拉M9dek Y
p -
, 8
特斯拉M9dek /
( -
, 8
5 -
紧凑型汽车 -
,r8
5(
$o 5
$oxx n
$s $ x $( $x
r nr r n r n% r n$ r r r rr r r r r%
.r.%年美元(千美元)
如果电动汽车继续增加份额,正如我们所预计的那样,那么二手车和新的电动汽车将比新的内燃机车更具经济意义,可能导致现有
汽车制造商陷入死亡螺旋。 随着电动汽车和二手车的价格下降,消费者可能会推迟购买,等待更低的价格点。
汽车销售
历史电动汽车销售 A 电动汽车预测 A 内燃机预测 IHR Zp > 预测
nr
$
单位(百万)
电动车
r n% r n r n$ r n< r r r rn r rr r r 年 r r r r8 r r% r r r r$ r r< r
实际的 预测
注:来源:ARK投资管理有限责任公司,7u7 年。 此ARK分析基于一系列来自外部来源的基础数据,可根据要求提供。 预测具有固有的局限性,不能依赖。 仅供信息目的,不应视为投资建议或购买、销售或持有任何特定证券的推荐。
过去的表现不能作为未来结果的指标。
oo/ 研究者: 山姆·科鲁斯 丹尼尔·马奎尔,A A
研究总监,自动驾驶 研究助理
技术和机器人技术
机器人技术
5
x
BIG IDE AS
人工智能和硬件的融合应该能够实现通用机器人。
在工厂环境中,机器人的表现优于人类,并且在许多领域也应该如此。 随着硬件和软
件成本按照W -4g6定律的规律下降,人工智能应该继续提高生产力,并为通用机器
人创造一个年收入超过 5万亿美元的新市场机会。
机器人技术
运作
非结构化环境
人形机器人*
大型军用无人机 消费者
无人机
自动驾驶车辆**
机器人技术
农业科技机器人 建筑
机器人
昂贵的
廉价的
Pi ,.. ... Pi o.. ... Pi ... ... Pa.. ... P .. ... Po.. ... Pi . ... Pi.. ... P . ... P.
协作机器人
传统工业
医疗7外科机器人
机器人
仓储机器人
家用
电器
结构化环境
每个类别中的点代表真实世界的产品,除了人形机器人和自动驾驶车辆*这些数字是我们预计将进入市场的人形机器人的估计成本。 **这些数字适用于当前运营和未来的机器人出租车。 来源:ARK投资管理有限责任公司, x 5年。 这个
ARK分析基于来自外部来源的一系列基础数据,可以根据要求提供。
预测本质上是有限的,不能依赖。 仅供信息目的,并不应被视为投资建议或购买、销售或持有任何特定证券的推荐。 过去的表现不能预示未来的结果。
较低的价格刺激了对工业机器人的需求
oo
工业机器人的成本每累积翻倍下降 x)。
工业机器人:需求的价格弹性
x
x o
W
xo8
W
xos
机器人技术
x x
销售数量
xon
p W xo
xo
xo5
( W
xoo xo/
xo
xxs
xox
5 W
xx xx xx8
xxx xx5
onn onns onnn xxo xx xx/
onn8 xxn
5( 5 a 9 (
单位价格
千
计算机视觉和深度学习的进步使机器人的性能提高了//倍,用时七年。 机器人已经超过人类表现了两倍以上,上限尚不清楚。
每小时拾取和放置的物品数量
nr
n
机器人技术
$
数字
工业机器人销售 协作机器人的销售单位占总工业机器
协作机器人 传统机器人 人销售的百分比
9
5(-
5 -
机器人技术
a-
百分比
千个单位
p
9-
( -
5 (-
-
( 5n ( 5a ( 58 ( ( ( (5 ( (( ( 5n ( 5a ( 58 ( ( ( (5 ( ((
机器人使人类摆脱了繁琐的体力劳动。
亚马逊机器人和员工
机器人 员工(年初)
5Wa
ia r
5W9 ia ,i
5W ia.
机器人技术
5W( iar .
5W
数千
1
a
,
9 .r
%,i % r
. 亿
.%i .rr
( i , i,r亿
ii1 irr
i %r ,
i
( 5p ( 5 ( 5 ( 59 ( 5n ( 5a ( 58 ( ( ( (5 ( (( ( (p
从点击到发货的时间
洗衣服的时间 制造一辆汽车的时间
在亚马逊仓库
59 5 a
5 n
5(
5( 9
5
5
机器人技术
小时
小时
分钟
a
9
9 p
( (
5
家庭机器人技术 制造业机器人技术
×
ARK预测 x/x年全球制造业GDP约为 8% 万
每天约 %/小时的无偿工作 亿美元
生产力提升
×
约 8亿的劳动年龄人口 ox) ) x) oxx) xx) 5xx)
机器人技术
×
约ox%s 美元的加权平均小时工资
收费率
x) so o,5 n ,8 s ,so oo,5/x ,8 x
= =
自由时间与付费时间相比,价值的一半归因于自由时间 收入机会
(以十亿为单位)
约 万亿美元的机会 超过 万亿美元的机会
(绿色单元格的平均值)
机器人出租车
5
x
BIG IDE AS
由于人工智能的突破,机器人出租车开始改变城市交通方式,并可能加速汽车贷款
行业的崩溃。
机器人出租车比人类驾驶员更安全,有望使街道更安全和更清洁。
机器人出租车平台的先驱者应该享受早期采用所带来的更高价格。
机器人出租车
根据ARK的研究,机器人出租车平台可能重新定义个人出行方式,并在未来五到十年内
创造 8万亿美元的企业价值。
每英里个人拥有车辆的成本
( 年美元)
*in1r
机器人出租车
*rn1r
*rn1r *rn1r
*rn.
自动驾驶乘车率 自动驾驶英里率
机器人出租车
n1$ $
n1%
n1 %
n1r
8
百万英里(年化)
百万英里(年化)
n1
1$
1%
1 r
1r n
1
百度 VZ6km 特斯拉 Cps> 百度 VZ6km 特斯拉 Cps>
在 xo 年,ARK估计自动驾驶车辆事故率将比与人类司机相关的事故率低约8x%,从而减少美国每年约5万起与汽车相关的死亡事故
和全球约o/ 万起。 当前数据支持我们的原始估计。
在城市道路上完全自动驾驶(FSD)模式下,特斯拉的安全性似乎比手动模式下的特斯拉安全性高约 倍,比全国平均水平高约o 倍。 Wa
v<9的自动驾驶汽车的安全性似乎比全国平均水平高 h/倍,而C t- e(现已被监管机构搁置)的表现似乎明显低于全国平均水平。
仅限城市道路上的事故间里程(千)
机器人出租车
%a.rr
,1
i . ,%
特斯拉在FRD模式下 人工驾驶的特斯拉
人工驾驶的特斯拉(r VZ6km( 全国平均水平(r Cps> (
(r r 年)
rr年平均) r r 年) rn年) r r 年)
资料来源:ARK投资管理有限责任公司, x 5年。 这个ARK分析基于一系列来自外部来源的基础数据,包括CDC x 5、Kt am9 x /、NHTSA x /、特斯拉 x /、 x 5和张 x /年的数据,可以根据要求提供。 预测本质上是有限的,不
能依赖。 仅供信息目的,不应被视为投资建议或购买、销售或持有任何特定证券的推荐。 过去的表现不能预示未来的结果。
自动驾驶电动交通工具应该每年节省约, 条美国生命
o s
因车辆排放而丧失
来自汽油动力乘用车的空气污染每年导致n,sxx人死亡。 根据ARK的
研究,自动驾驶电动车辆应该在 x/x年阻止约ox,xxx人死亡。*
由电动和自动驾驶车辆的低排放导致的美国增量生命拯救
nr
机器人出租车
%
避免的死亡人数
r r r r8 r r% r r r r$ r r< r
通过GPTh5训练来执行机器人任务的神经网络,在8/)的任务上表现优于人类专家编码人员,改进幅度平均为 )。
大型语言模型(LLM )可以进行基于文本的训练、验证和自我解释,这应该有助于监管批准。
多模态模型可以通过图像和文本训练自动驾驶车辆,这可能会带来更好的性能。
生成式人工智能可以通过模拟训练和验证自动驾驶车辆的安全性。
基于LLM的强化学习优于专家人工编码员 任务图例:
在各种机器人任务、环境和形态中
机器人出租车
任务i:打开柜门任务.:使手旋转物体朝
向目标。
E , (基于 的奖励设计,几乎没有手动输入,零样本奖励)
L(基于 的奖励设计,使用手动奖励模板,少量样本示例) 任务%:使人形机器人尽可能快地奔跑。
人类
任务,:使蚂蚁尽可能快地向前奔跑。
Ze Ze Q e8 e8
任务 :使影子手旋转物体朝向目标。
Z
任务 :使四足动物跟随随机选择的u、v
Z Qe
Z eQ
8 Z8 8 Z8 Z 88 Z 88 Z 88 Z 88 和偏航目标速度。
人类标准化分数
任务1:使四旋翼飞行器达到并
8 在固定位置附近悬停。
任务 :在小车上使杆保持直立。
任务 :在桌面上稳定一个球。
e 8Q Z 8Q
乘车服务可达市场
, 18 价格点(美元):
$Q0亿美元:西方市场上乘车服务公司的
1 1 r1 n1n 1% 18 1r8
现有可达市场,每英里收费为 hQ美
Q亿美元
, 1
元
, 18
机器人出租车
, 1 $88亿美元
Z万亿美元:西方市场上的可达乘车人数约为Z美元
,r18
每英里价格
,r1 Z888亿美元
e Q万亿美元:高收入国家非通勤里程,每英里价
格约为x x美元
,n18
e 万亿美元:低收入国家人工驾驶乘车服务的长尾需求,每
,n1 英里价格为x x美元
万亿美元:每英里价格为x% 美元的低
成本、可访问的自动驾驶出行
, 18
, 1
x o ox /x
里程(万亿)
自主平台的收益潜力与城市里程的渗透率
5( -
5 -
a -
机器人出租车
9 -
收益份额
( -
-
- 5 - ( - p - - - 9 - n - a - 8 - 5 -
城市里程的渗透率
得益于赖特定律,电动汽车的价格应该会继续下降,将更多里程转移到电动平台上,降低燃油车的价值。
因此,目前存放在金融机构资产负债表上的约o% 万亿美元的汽车贷款,主要用于燃油车,可能在未来ox年面临风险。
汽车车队构成
汽车贷款“ 1逾期 (万亿美元)
次级 优质
机器人出租车
银行拥有和证券化的机动车贷款
9- 消费者资产负债表上的机动车贷款(A 估计)
p-
贷款百分比
Z 万亿美元
Z $万亿美元
(-
5-
( 5a
( ((
( 5n
588a
( 5(
( (5
( a
( 59
( 55
588n
( n
( (p
5889
( (
( 9
( 5p
( 58
( 5
588p
5888
( p
( 8
588
( 5
( 5
588
( (
( 5
(
(
(
价值
到 x/x年,以o 倍的EBIT为基础,自主平台提供商的企业价值可能达到 8万亿美元,约为 x /年所有汽车制造商的n倍。
收入、盈利和企业价值 收入、收益和企业价值
年实际汽车制造商 年ARK估计
自动驾驶电动 车队所有者 自动驾驶平台提供商
汽车制造商
5 W
机器人出租车
5(W p W e Z88
5 W ( W
数十亿美元
aW ( W
数十亿美元
9W 5 W
W
*.a1 r *%airr 5 W
(W W $ e88 $ 88
*.rr 88
Z 88 Z Q88 e e88
Z88 Q88
物流
5
x
BIG IDE AS
Pdctbhmf Bnrsr mc
Pdrg ohmf Rtook Bg hmr
在未来五到十年内,自主物流应该能够将货物运输成本降低o 倍。 自主无人机和机器
人已经完成了数百万次交付,而自主卡车公司已经行驶了数千万英里,并开始取消安
全驾驶员。
人工智能正在证明优于人类飞行员和驾驶员,这鼓励监管机构允许真正的自主运
营,这将改变购物行为。
自主车辆应该通过加速生命救援物资的交付,特别是在新兴市场上对医疗保健产生影
自主物流
响。
根据ARK的研究,自主交付的收入从今天的几乎零增长到 x/x年的nxxx亿美元。
根据我们的研究,自动驾驶车辆应该以比人为操作系统更高的利用率运行,从而创造出更具成本效益的最后一英里交付系统。
*rnr1
*.n,r * n,r
*rnr%
*rn%
*rn,r
拥有更多实际数据的公司应具有竞争优势。 垂直化和制造合作伙伴关系也
对于成功至关重要。
) x,xxx *
极光
亚马逊 * a5 ...
o..
MZ %Z
着手 机器人
11Z eZ1 o. ... sx,xxx
i .. ...
D eZ 4 ii. ...
自主物流
* 奇异机器人 /xx,xxx
Gn $
ee 无人机
i .. ...
i . ...
人工智能飞行员在数据上具有巨大优势。 Z-1k-me无人机的商业飞行里程超过了人类可能实现的里程。
竞争胜利 飞行小时
人工智能飞行员 人类
1 arrr
i
ir
a rr
自主物流
ia rr
监管批准
在COVID期间和之后,外卖配送费用使基准菜单订单的平均成本翻了一番。
由于最近FAA的批准,无需视觉观察员的超视距无人机应该能大幅降低食品配送成本。
食品交付成本(税前) 无人机交付价格
pox英里的行程(
餐食 交付成本 $ 5
5a
59
r
5
自主物流
5(
$o
5
每单平均美元
a
r
9
( $x%/
在没有道路基础设施的地理区域,Z-1k-me无人机可以在不到o 分钟内运送血液,将产后出血相关的死亡率降低8x)。
卢旺达无人机输血前后产后出血死亡率
1 o
18o
1 o
r18o
自主物流
r1 o
n18o
n1 o
18o
1 o
无人机交付之前 无人机交付 55
无人机送货 分钟
分钟 无人机交付 n8
无人机送货 分钟 无人机交付 i n8分钟
无人机送货
最后一英里自动送餐和包裹交付的可寻址市场
5 xx亿美元:基于消费者时间价值的高成
本市场的额外需求
自主物流
$x%/ h$x%5x
xB sxxB o%o万亿 o%/万亿
交付行程累计数量
到 x/x年,机器人和无人机的食品和包裹配送费用可能达到5 xx亿美元,因为价格实惠的技术支持的配送正在改变消费习惯。 与
此同时,到 x/x年,自动驾驶卡车的收入可能达到5 xx亿美元,因为自动驾驶卡车与无人机和机器人相结合,以成本效益和快速的方
式改变了企业运输货物的方式。
自动配送收入
(十亿美元, 年)
包裹 食品 所有商品
i r
自主物流
, r
%rr
机器人和无人机 卡车
最后一英里 中间一英里
注意:ARK经常更新其研究模型,并最近调整了自主技术的采用曲线,导致市场预测较之前估计的较低。 ARK投资管理
有限责任公司,7u7 年。 此ARK分析基于来自外部来源的一系列基础数据,截至7u7s年17月“日,可根据要求提供。 预测本质上是有限的,不能依赖。 仅供
信息目的,并不应被视为投资建议或购买、销售或持有任何特定证券的推荐。 过去的表现不能预示未来的结果。
自动化物流可能使精准农业的企业价值翻倍
o5
由于持续的自动化和通过育种、转基因和农业生物技术实现的产量改进,每蒲式耳生产的运营成本(包括成本和产量)可能在美国主
要农作物中下降约/x)。*
拥有每英亩经营模式的农业公司可以通过技术的成本节约产生自主平台费用,实现类似软件的利润率。 因此,它们的集体企业价值在
规模上可能大致翻倍,达到约 xxx亿美元。**
主要作物的美国农场运营成本每蒲式耳 全球农业和农机械企业价值
每蒲式耳的农场运营成本
每蒲式耳的自主平台费用
i n
i
自主物流
9
pi 8%r
数十亿美元
美元,蒲式耳
pi .倍
(i
(i p
5i
(
5i
5
i
( (( 按规模 ( (p 按规模
(A 估计) (A 估计)
本分析重点关注 主要作物%ee玉米、大豆和小麦,ARK根据美国的蒲式耳产量将其定义为前三大作物。数字已四舍五入。 考虑到全球不同的成本构成和采用率。这假设自主平台费用为=uo,自主服务收入的EV EBITDA倍数为nl倍。 来源:
ARK投资管理有限责任公司,7u7 年。 此ARK分析基于来自外部来源的一系列基础数据,使用的是截至7u7 年n月 日最新可用的数据,可根据要求提供。 预测本质上是有限的,不能依赖。 仅供信息目的,不应被视为投资建议或对任何特
定证券的买入、卖出或持有的推荐。 过去的表现不能预示未来的结果。
o5/ 研究者: 山姆·科鲁斯 丹尼尔·马奎尔,A A
研究总监,自动驾驶 研究助理
可重复使用的
技术和机器人技术
火箭
5
x
BIG IDE AS
odmhmf tsdp Ro bd
Enp Atrhmdrr
可重复使用的火箭大幅降低了发射成本,为商业开拓外太空并创造直接设备卫星连接
等新服务提供了机会。
根据ARK的研究,卫星连接的收入在 x/x年可能达到o/xx亿美元,仍然只是大约 万亿美
元电信收入的一小部分。
火箭发射成本
Sn * X发射成本
联盟号 A -Z 猎鹰<号 历史 r r 年 预测
(
,n
MeZ8
每公斤到低地球轨道,.r.%年美元
可重复使用的火箭
( ,n
MZ Q
百万美元,.ri 年美元
,n
5
MZZ
,n
5
M Z M Z
,n
,n
n n n n n
累计上行质量
( 9 ( 5
p公斤(
S
当航天飞机每次发射的成本约为o 亿美元时,行业专家认为可重复使用的火箭在经济上是不可能的。 然后,S1aceX改变了局面。
(
%
可重复使用的火箭
p (
. .
(
( 5
5
天数
天数
5
,
.1 .i .
延迟低
虽然延迟使地球同步轨道(GEO)卫星无法提供引人注目的宽带互联网解决方案,但现在成千上万的低成本、低地球轨道(LEO)
卫星可以提供低延迟、连续全球覆盖和直接连接移动设备的服务。
低地球轨道
~/xx英里
l5x毫秒延迟
可重复使用的火箭
残骸将在~
年内掉落
回地球
地球同步轨道
~ ,xxx英里
sxx毫秒延迟
残骸将在o,xxx
.年内掉落回
地球
e
星际飞船的低地球轨道有效载荷能力是猎鹰n号的约 倍。 虽然令人印象深刻,但考虑到其卫星的五年寿命,星际飞船仍需要每/% 天飞
行一次,以维持其目标星链卫星的5 ,xxx颗。 截至 x 5年1月,S1aceX拥有约 ,5xx颗卫星的星链。
5W
可重复使用的火箭
5 W
5W(
5W 维持5 ,xxx颗卫星星座所需的上行负载
千克 数千
5 W
千克 数千
9 ~8x)
W
(
pia (i 5 i 3.5
g( (p年发射频率 g( ( 年目标
r r 年 发射间隔天数
发射间隔天数
来源:ARK投资管理有限责任公司,7u7 年。 此ARK分析基于来自外部来源的一系列基础数据,包括B 3 drd 4 7u7sa、7u7s*、7u7s 和M Dm dii 7u7 ,截至7u7 年1月7s日,可根据要求提供。 预测具有固有的局限性,不能依赖
。 仅供信息目的,不应被视为投资建议或购买、销售或持有任何特定证券的推荐。 过去的表现不能预示未来的结果。
小型发射服务提供商增多,但可能不是太空领域的赢家
o5n
自 kk“年以来创建的小型发射服务
新成立的小型发射服务提供商
提供商的阶段
退役 取消
概念 休眠
r8 开发时间超过8年 开发时间不超过8年
运营中
可重复使用的火箭
r r
n$ o
n8 n%
数字
5
n
n nr
数字
n 5/
8 $
% 5/
o
r 8
r $
r %
r n
r r
n<<$
r <
r rr
r n<
n<<%
r n8
r
n<<<
r n$
r n%
r nn
r nr
r rn
o8
r n
r r
n<<
r n
r n
r n
r r n
r
r
S” .i -天线成本 Slak i 订户
,n r8
/0万
x /年1 月
r
可重复使用的火箭
n8
(对数刻度)
单位成本
,n
数字
n
5 x美元
x 8年预测 8
,n
n n n n n r % $ n nr
累计生产
发射日期: x o年 月 自 ) 94 5发射以来的天数
(对数刻度)
ARK相信随着时间的推移,所有电信运营商都将采用直接设备功能。
卫星订户占
可寻址用户* 年收入* 年可寻址市场*
移动通信订户的百分比
直接到设备 80亿 $ ~$580亿
5 i -
全球家庭
无法接入 亿 $ x ~$5xx亿
宽带
5 i -
S1aceX与ThM9b-ke直接到设
备,规模化时
房车 约o80亿美元
可重复使用的火箭
oo00万 $o, x
5i -
(对数刻度)
卫星订户占移动通信订户的百分比
娱乐船只 8 0万 $o, x ~$o50亿
i5 -
商用
. 千 ~$ 0亿
飞机舰队
$ ,xxx
i 5 -
游轮,
军舰, ox万 $ x,xxx ~$ 0亿
商船 i 5-
588n ( n ( 5n ( (n
预测
总计 : a 0亿
到长期约 亿美元
可寻址市场预测的构建模块
根据美国交通部的数据,休闲旅行者愿意花费其预计每小时家庭收入的;x
hnx 来节省一小时的时间%* 全球航空旅客总数: 亿
f 的航班是长途航班
与传统航班相比,需要往返 8小时的时间,ARK估计超音速航班只需;小时
,每位旅客可节省约 小时。 长途航班上的乘客数量:约 . 亿
f 的乘客是头等舱乘客
可重复使用的火箭
根据典型的成本和潜在的时间节约,ARK的研究表明,头等舱乘客应
头等舱乘客数量:约 00万
愿意花费55xxx美元往返乘坐超音速航班。
成熟时的采用率为fx
打印
5
x
BIG IDE AS
rg h f
te stph f
库存并节省模具成本。
在医疗保健领域,/D打印技术使定制导管、工具和植入物的新型手术成为可能。
与传统制造相比,/D打印技术还应该带来积极的环境效益。
D打印
到目前为止,使用/D打印技术的公司比/D打印设备制造商获益更多。 未来,数据反馈循环可能改
变这种动态。
根据ARK的研究,/D打印收入在未来七年内可能以每年约5x 的速度增长,从今天的o8x亿美元增
长到 x/x年的o8xx亿美元。
据报道,特斯拉正在尝试使用/D打印的砂模来铸造汽车底盘,可以用一个零件替代5xx个零件,将汽车开发时间线和模具设计验证成本
分别降低fx 和ns 。/D打印技术可能在每辆汽车的生产中发挥作用。
5
D打印
o8h
百万美元
5个月 5
D打印在医学突破中发挥了作用
在确定捐赠者不到 5小时后,Ma6e’-ak-'e /D打印了世界 在一系列手术中,通过手术准确性和结果测量,/D打印的工具、指
上第一例眼角膜移植手术中使用的关键性手术工具和指南 南和模型提高了性能,提高了约5xhfx ,平均缩短了约/x 的手
。 手术速度对于保护失去血液供应的供体组织至关重要。 术时间。
在手术过程中, D打印的工具、指南和模型缩短
了时间并提高了准确性。
术前计划
.7h标准误差
手术工具 指南
-
9 -
D打印
百分比改善
-
9 -
性能 时间
捐赠者 患者 注:/D打印手术指南和术前计划提供的时间节约和准确性改进:柱状图表示时间或性能的平均百分比改进,如Be’4<amm
等人 xos年和W99da’d等人 xon年所述,每个样本组的N ;hn。 误差棒表示.7h标准误差。 上述分析是跨医学领域进行的;
然而,口腔颌面外科和肌肉骨骼研究是最常见的。
S1aceX每天使用/D打印来制造S6a’'g-1的Ra169’发动机零件。 如今,S1aceX的发射
和卫星业务的运营利润率优于任何/D打印供应商。 受益于/D打印的工业公司可以
垂直整合以维持其竞争优势。
V l D和S X
年的估计数以千计 一枚装有 个R l 发动机的S X超重型助推器:
$o8x,xxx
D打印
$n,xxx $/,xxx
$ox8 $ox/ h$so
企业价值 收入 息税前利润
V im D是一家专门从事无需支撑粉末床熔合的 D打印机制造商。 资料来源:ARK投资管理有限责任公司,7u7 年,基于S&P Ca rai IQ的数据,7u7 年。S a X重型助推器插图来源于Ai 7u7 年。 预测本质上是有限的,不能依赖
。 仅供信息目的,并不应被视为投资建议或购买、销售或持有任何特定证券的推荐。
过去的表现不能预示未来的结果。
软件定义的 D打印机可能会将一些经
of8
来自客户打印机传感器的实时
济效益重新转移到打印机制造商
发送给 打印机制
打印数据:
造商
几何
。 温度
湿度
通过配备传感器的/D打印机,/D打印设备制造商可以从客户
通过空中更新
的打印作业中收集数据,并通过空中软件更新改进其打印机群。 改善每次打印
这种数据反馈循环可以帮助/D打印公司捕捉比今天更多的经济
效益。
利润结构
D打印机制造商与成熟工具公司
毛利率
D打印
EBISDA利润率
尽管公司可能不愿意共享数据,但AI技术驱动的制造解决方案应 -
-
该能够为/D打印设备公司及其客户创造更好的结果 -
-
5 -
-
5 -
-
-
D打印机制造商的平均值(最近5 个 伊利诺伊工具公司
月) (最近5 个月)
行业收入
D打印收入预测 使用 D打印的选择行业
(截至o7o87 5的最近o 个月)
59
万亿美元
5
5
5
数十亿美元
5
D打印
参考文献
o;o Ak-, I% x o% S1aceX加快Ra169’发动机生产,今年S6a’'g-1助推器发动机数量将增加到/ 个。" H2am4等人。 xo8年。 单细胞RNA测序技术和生物信息学流程。" Eu1 M9k Med%
Te'ka9’acke%
Im'-de’ Im6ekk-4emce Imc% x /a% 美国的连接电视使用时间。"
ARK投资管理有限责任公司。 x /年。 x /年重大创新理念。"
Im'-de’ Im6ekk-4emce Imc% x /b% 美国的电视使用时间。"
A’6e<-'终端仪表板。 x /年。 链:A’b-6’t<,Ba'e,L-mea,O16-<-'<,P9kv49m wjEVM,Sc’9kk,S6a’jNe6,wjSvmc E’a,
Z9’a Ne629’j。" Im'-de’ Im6ekk-4emce Imc% x /c% 美国的电视观众。"
Beja’, C% e6 ak% xos% 理论、应用和争议中的通用技术:一项综述。" CORE。 Im'-de’ Im6ekk-4emce Imc% x /d% 美国的连接电视家庭。"
Bema-cg, N% x /年 AI报告的现状。" A-’ S6’ee6 Ca1-6ak。 Im'-de’ Im6ekk-4emce Imc% x /e% 美国的连接电视广告支出。"
N-ek'em。 x oa年。 Tge Gat4e Sg92' S6’ea<-m4 I' Taj-m4 a Sea6 a6 6ge Tabke%" N-ek'em% S1aceX% x /b。 Box5n。" Redd-6。
Am6g’91-c% x 5年
N-ek'em。 x ob年。 Tge Gat4e Sg92' Sea'9mak-6v, S19’6' amd S6’ea<-m4 C9m6em6 D’-3e Sg-=6' -m V-e2-m4%" N-ek'em。
S6a’k-mj% x /年。 S6a’k-mj规格。"
N-ek'em。 x 年。 S6’ea<-m4 Cka-<' La’4e'6 P-ece 9= TV V-e2-m4 P-e -m Jtkv%" N-ek'em%
特斯拉。 x /年。 特斯拉投资者日:第三个总体规划。" 主题演讲。
N-ek'em。 x /a年。 S6’ea<-m4 G’ab' a Rec9’d /8%s 9= T96ak TV U'a4e -m Jtkv, 2-6g Ac t-’ed T-6ke' Ot61ac-m4 Ne2 O’-4-mak'%"
N-ek'em% 特斯拉。 x 5年。 特斯拉车辆安全报告。"
N-ek'em。 x /b年。 S19’6' amd Ne2' B99'6 B’9adca'6 amd Cabke V-e2-m4 -m At4t'6r S6’ea<-m4 Deck-me' a' K-d' Head Bacj 69 Tgaj’a’等人。 x x年 通过针对特定排放源减少美国空气污染的死亡率。"
Scg99k% 环境科学技术快报。
N-ek'em。 x /c年。 S19’6' Ga3e B’9adca'6 Cgammek' a Sec9md S6’a-4g6 M9m6g 9= V-e2-m4 Ga-m' -m Se16e<be’%" T9jem Te’<-mak。 x /年。
N-ek'em。 x /d年。 S19’6' C9m6-mte' 69 Ftek B’9adca'6 Ga-m' -m Oc69be’r S6’ea<-m4 St’’emde’' Ak<9'6 a Ftkk Sga’e P9-m6%" T9t3’9m,H%等人。 x /年。 Lka<a :开放基础和精细调整的聊天模型。" a’X-3。
N-ek'em。 x /e年。 B’9adca'6 P’94’a<<-m4 Se6' 6ge Tabke =9’ Tgamj'4-3-m4%"
交通政策。 x /年。 车辆定义。"
E D
N-ek'em。 x 5年。 TV U'a4e R-'e' -m Dece<be’r V-de9 Ga<-m4 D’-3e' B-4 Ga-m'%"
Wav3e。 x /年。 LINGOho:探索自动驾驶的自然语言。"
NEONE。 x /年。 为什么卫星延迟高?"
I C
Pa6ek D%和K9'69693-c, A% x /年。 TPU3fe:成本效益推理和训练的新基准,适用于l xxB参数模型。" Se<-Amakv'-'% W9’kd1av Imc% x /年。 x /年全球支付报告。"
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不会这样做,和7或可能面临来自竞争对手、行业团体或地方和国家政府的政治或法
律攻击。
ARK旨在教育投资者并评估颠覆性创新的潜在机会,但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、监管风险和与深度学习、数字钱包、电池技术、自动化技术、无人机、DNA测序、CRISPR、机器人技术、/D打印、比特币、区块链技术等相关的风险。加密货币风险。
加密货币(也称为 虚拟货币"和 数字货币")是设计为充当交换媒介的数字资产。 加密货币是一种新兴的资产类别。 有成千上万种加密货币,其中最著名的是比特币。 加密货币通
常在没有中央机构(如银行)的情况下运作,并且没有任何政府支持。 加密货币不是法定货币。 联邦、州和7或外国政府可能会限制加密货币的使用和交换,美国的监管工作仍在发
展中。 比特币和其他加密货币的市场价格经历了极端波动。 与法定货币(即由中央银行或国家、超国家或准国家组织支持的货币)类似,加密货币容易遭受盗窃、丢失和破坏。 加
密货币交易所和其他加密货币交易场所相对较新,并且在大多数情况下,基本上没有受到监管,因此可能更容易受到欺诈和失败的影响,而不像证券、衍生品和其他货币的已建立、
受监管的交易所。 加密货币交易所可能因欺诈、技术故障、黑客或恶意软件而停止运营或永久关闭,这也可能影响加密货币的价格。
披露
加密货币税务风险。美国联邦所得税对比特币和其他加密货币投资的许多重要方面仍不确定且不断发展。
本演示文稿的内容仅供信息目的,并可能随时更改。 本演示文稿不构成ARK明示或暗示的任何服务或产品提供,投资者被鼓励咨询法律顾问和7或其他投资专业人士,以确定特定的
投资管理服务是否适合他们的投资需求。 关于公司或证券的所有陈述均为ARK持有的信仰和观点,不代表ARK对任何公司或证券的认可,也不代表ARK对购买、出售或持有任何证
券的建议。 历史结果不能作为未来结果的指标。 本演示文稿中包含的某些陈述可能是对ARK当前观点和假设的未来预期和其他前瞻性陈述,涉及已知和未知的风险和不确定性,可
能导致实际结果、绩效或事件与此类陈述中所表达或暗示的结果不同。 本演示文稿讨论的事项也可能涉及ARK不时在美国证券交易委员会的备案中描述的风险和不确定性。ARK不
承担更新本演示文稿中包含的任何前瞻性信息的义务。 某些信息来源于ARK认为可靠的来源,但ARK不保证从任何第三方获得的任何信息的准确性或完整性。 ARK及其客户以及相
关人员可能(但不一定)在讨论的证券或发行人中拥有财务利益。
A 投资管理有限责任公司