2026年，一個難得的機會窗口可能打開了

作者：李豐

來源：混沌學園（ID：hundun-university）

導讀：站在2026年，我們會猛然發現，過去幾年的技術爆發僅僅是時代的序章，真正的社會級應用與產業洗牌才剛剛開始。面對未來5到20年的巨變與重構，新一輪的紅利與機遇到底在哪里？

峰瑞資本創始合伙人李豐，在混沌學園的年度重磅分享中，給出了他關于2026年的關鍵展望，這不僅是一次關于AI技術的討論，更是一場關于錢、科技創新與AI產業競爭邏輯的深度復盤。

關于中國AI機遇：AI+硬件將成為中國的戰略機遇，當“軟件+硬件”成為中國極為擅長的組合拳，我們能夠利用中國制造業“卷”出來的供應鏈優勢，實現產業轉換與升級。

關于終極競爭：中美AI競爭里，中國正握住另一張底牌，數據。十年之后，大國競爭的終局將聚焦于兩件事：能源和數據。誰在這兩個問題上有更確定性和長期的優勢，誰就有可能贏。

以下為李豐老師2026開年課程的干貨分享，建議收藏品讀。

這個世界和我們身處的中國，為什么發展到了今天這個樣子？為什么你周圍的狀況，和你切身的體驗是現在這般模樣？

今天我們先討論一下最近非常熱的話題，也是中美競爭的焦點，其核心主要在于：AI是不是一次生產力革命？

面對未來5年、10年甚至15到20年，你最重要的問題是：今天要不要參與AI？你要以多大的熱情參與？你要以多快的速度參與？這都取決于你是否認為AI是一次生產力革命。

如果你認為AI是生產力革命，那么回顧歷史上所有的生產力革命，從技術開始出現明顯的變化，直到它改變我們的生活和生產力，大概都要經歷足夠長的時間。

蒸汽機從1712年誕生，到蒸汽汽車、蒸汽輪船真正落地，用了95年；互聯網從1981年個人電腦出現，到iPhone和微信成為國民級應用，也用了約30年。

AI亦是如此，最開始2006—2012年“大數據”階段并非嚴格意義上的AI，而是在做AI的基礎設施。

直到2012年，Google的人臉識別技術才帶來了人工智能的第一波浪潮，而這至今不過13年，這意味著距離AI向生產力的系統性轉化，還有較長的演變時間。

所以，如果你現在還沒有開始所謂的AI，你也不用太焦慮，因為你有足夠的時間。

一

本輪AI熱潮何以空前？

AI的演變，總共遇到了四次熱潮。

1.第一次AI變熱，是從Google在一堆混亂無序的圖片中，識別出貓。

這是神經網絡真正引爆關注的起點。于是AI的第一個大規模應用，落在了兩個方向上，人臉識別和自動駕駛。

如果你回想2015年，全球估值最高的未上市公司是打車軟件Uber。與此同時，特斯拉推出了FSD測試版的前身。

于是大家開始把自動駕駛和車輛調度的想象力疊加在一起，未來所有車都能自動駕駛、統一調度，這直接引爆了自動駕駛的熱潮。

2.第二次是AlphaGo下圍棋，但這件事離普通人仍然較遠。

3.第三次是用AI來做蛋白質結構預測，催生了一波AI制藥熱潮。

為什么AI制藥會熱？如果用事后視角看，其實規律非常清楚。蛋白質結構預測本身只是技術突破，并不會立刻成為投資熱點。

真正的轉折點，是疫情讓生物醫療迅速升溫。正是在這個背景下，AI能力開始進入生物醫藥領域，兩者的交集，催生了AI制藥這一投資焦點。

4.第四次就是我們今天所熟悉的大模型。

所以，你會發現一個清晰的模式：每一次AI技術取得突破后，當其恰好與某個正在發生結構性變化的行業相結合時，才會形成真正的應用浪潮和“投資焦點事件”。

既然歷史上已經是第四次AI熱潮，為什么這一次特別熱？不僅吸引了所有人的關注，更熱到了中美兩國要在芯片、算力、模型、應用上展開全方位的激烈競爭。這背后有一個至關重要的宏觀視角。

我們都知道衡量資本市場泡沫化有一個標準“巴菲特指數”，指的是一個經濟體、一個國家、一個地區，它的GDP和資本市場總市值之間的比例關系。

回看疫情前的2019年，如果將全世界視為一個整體，全球GDP約為86萬億美元，而全球股市總市值約為89萬億美元。兩者比例接近1:1，處于相對合理區間。其中，美股占比略超三分之一。

然后2020年，疫情爆發。其直接后果是：在隨后的一年半時間里，全球以歷史上難以想象的規模，進行了史無前例的“放水”。

僅2020年，美聯儲、歐洲央行和日本央行的資產負債表合計擴張規模就達到約8萬億美元。

TradingView的統計數據進一步顯示，在這一年前后，全球主要央行的擴表規模達到約12萬億美元。

擴表并非簡單意義上的“印鈔”。當這些基礎貨幣開始通過銀行信貸等渠道進入實體經濟循環時，便會進一步產生貨幣“乘數效應”。

這放水的12萬億美元，帶來了接近50萬億美元的全球流動性。這在全球經濟史上都極為罕見。

在資金面極度泛濫的背景下，2022年2月，俄烏沖突爆發。

這對歐洲造成了巨大沖擊：底層是能源安全，那時甚至有新聞說德國家庭要去砍木頭過冬；中間是供應鏈穩定，因為沒有能源就沒有生產；上層才是國家安全。

在全球資本配置格局中，美國、歐洲和中國是最重要的三大市場。

面對這個局面，想象一下，如果你掌管1000億美金要配置，那么你顯然不愿意配置在歐洲資產上。而2022年，中國仍處于疫情防控中。

歐洲和中國暫被低配的結果就是，增量資金被極限配置到美元資產。

同時，2022年，美元利息上漲，同樣吸引資金回流。

這些所有的“歷史特例”在這個窗口期撞在了一起。結果就是，這么多的錢，只好極限配置到美元資產。

從2022年三季度開始，全球資金涌入美元資產，資產價格自然上漲。

但問題是，資本市場不能把上漲的原因簡單解釋為流動性驅動（這么多錢到我這里了），它必須找一個宏大的“敘事”，來解釋其原因。

于是，市場迫切需要一個“軸”，一個能支撐資產價格持續、規模性上漲的故事和邏輯。

這個故事，湊巧就發生在2022年四季度，ChatGPT3.5橫空出世。這個技術進步發生的時間節點，恰好是市場極度渴望一個“大故事”的時間節點。這個“敘事”，就這樣產生了。

于是，接下來兩年發生的事情，都讓你難以想象。

我們見證了市值4萬億的公司；見證了美國資本市場“七姐妹”的市值（即Google、亞馬遜、蘋果、Meta、微軟、英偉達和特斯拉），加起來超過了除中美以外，全世界任何一個國家的GDP。

為什么這一輪AI會這么熱？簡單來講，是因為錢太多了，而且錢做了“極限配置”。于是，誕生出了歷史上從未見過的現象。

在2026年，如果全世界不再像金融危機或疫情期間那樣大規模印錢，資本市場就維持在了130萬億的市值。一旦資金規模平衡下來，市場就變成了“存量博弈”，A多了B就要少。

今天最難的問題只有一個：美股還能不能維持？

先設一個極端場景，你掌管著1000億美元，卻被迫把80%以上的資金押在美元資產上。這是一種極限配置，只要出現讓你感到不安全、不確定的因素，這種配置就不可能持續。

2024年底，特朗普上任，本身就構成了巨大的不確定性。于是，資金從“極限配置”回歸“理性配置”，也就是我們所說的再平衡、再配置。

在假設全球不再激進放水、流動性水位基本穩定的前提下，資金只能在全球范圍內尋找相對確定、具備中等以上增長和回報的資產，同時避免繼續高度集中在美元體系。

這就帶來一個結果：巨量資金開始流動，開始找去處。

真正的競爭在于，誰能提供更充分、更可信的理由，把資金吸引過去。美國需要，中國需要，歐洲需要，所有經濟體都需要。

最終的博弈，比拼的就是誰能積累更多積極因素。

二

AI時代的投資邏輯

AI時代的投資邏輯，直接關系到我們的錢袋子。

大家最關心的問題是：美國的AI熱度會不會下降？如果下降，會不會影響中國？中國如何接住下一個接力棒？

用最簡單的方法來講，歷史上所有的技術投資周期，大致可以分為上半場和下半場。從大數據、人臉識別、自動駕駛，到AI制藥，都是如此。

上半場，大家只關心技術創新，誰有這個技術，資本大抵就投誰。下半場就主要看誰用這個技術做了應用，并且最好賺到了錢，誰就熱。

如果回顧技術發展史，在技術上半場，美國往往會領先。到了中場，中美開始各有千秋，美國更多在技術端有優勢，中國更多在應用端有優勢。而每一個技術浪潮到了后半場，中國往往開始追趕并反超。

拿AI舉例，我們把它分成三個階段。

第一個階段，是2023年到2024年上半年，當時所有人討論的只有大模型。

第二個階段，2024年開始，AI應用在中美都變得很熱，尤其是通用Agent和具身智能機器人這兩個方向。

為什么風向變了？

因為一切變革都是從技術創新開始，所以大家會先投技術。但技術的發展不會一直超預期，當技術上了一個小臺階、跳躍了一下之后，就變成了相對線性的發展。

一旦進入線性發展，大家就開始考慮，既然有了技術突破，最有可能把技術用起來的是什么？是應用。

在AI領域，這種應用一是通用Agent（智能體），在數字世界里，你要做的事情它都能幫你做，或者部分幫你完成。二是具身智能或者人形機器人，它是在物理世界里幫你完成所有事。

一個在數字世界里幫你做所有事，一個在物理世界里要幫你做所有事——這顯然是最大想象力的應用。

但是，“最大想象力”這枚硬幣的反面是什么？就是在短期內，是最不容易落地的。要不然，它也就沒那么大想象力了。

第三個階段，能落地的AI應用，比較典型的是垂直領域的Agent應用和AI硬件。投資真正落地、能掙到錢的應用。

當市場進入這一階段，技術應用開始變得更加腳踏實地，對一個項目的估值邏輯也從“講故事”轉向“算賬”。

當下的AI投資已經開始走向這一階段，核心是到底今天誰能用AI賺到錢？

三

中國AI機遇如何

1.投資的浪潮，始于技術本身

第一階段：大模型的下一步是百花齊放，還是贏家通吃？

大家應該發現了一個現象：現在討論大模型時，大家用的基本變成大廠的產品為主，比如豆包、千問、ChatGPT、Google的Gemini等等。

為什么今天大模型應用的主要玩家變成了大廠？

雖然2025年DeepSeek幫中國大模型做了關鍵性的一步，但是如今我們發現，大眾似乎更習慣在大廠的產品中體驗AI的能力，這是為什么？

因為如果一項技術只是中臺或后臺創新，那么最后大多數的大中小企業都能用得上這個技術，大廠比較容易砸資源來獲得競爭力。

但是，對創業公司而言，想借此技術成為一個“超大型公司”是很難的，因為它的變化不夠。那么什么叫“變化夠”？

前端（UI）+中端（技術）+終端（設備和用戶習慣）同時發生變化，才有誕生超大新創公司的可能性。

否則，它只是一個技術應用浪潮的普及，歷史上的技術演進都是如此。

為什么字節跳動變成了個幾千億美金估值的公司？

從技術上說，今日頭條和抖音的核心技術是大數據的推薦引擎和算法。然而，很多公司都利用了大數據的技術浪潮來創業，為什么是它成為如此大的一家公司？

因為在大數據這個技術誕生的時候，同時誕生了前端UI上人機互動形態和消費者習慣的巨大轉變。

抖音利用的消費習慣和UI改變，不是拿鍵盤輸入關鍵詞來索取信息，而是在屏幕上“滑動”。當大數據推薦引擎遇上這個時機，抖音就誕生了。

微軟為什么如此成功？大家普遍認為是因為圖形化操作系統。但這只是技術，并不是壁壘。

微軟成功的一個原因，是因為它采用了鼠標。鼠標改變了UI和消費者習慣，導致我們不再需要編程和鍵盤輸入來使用電腦，這讓圖形化界面有了巨大的變化。

所以，當一項新技術來臨，你可以做一個成功的技術創業公司。但如果你想在同一個技術周期里成為巨大的成功者，必須伴隨前端、中端、終端的巨大變化。

第二階段：機器人的操作能力能實現突破嗎？

今天中國所有機器人演示的超強能力，幾乎全都是它的運動能力，走路步態、跑步、后空翻、跳舞、摔跤等等，核心都是平衡和運動。而運動能力的核心，來自于中國最厲害的硬件之一：電機。

中國電機之所以變成全球最厲害，并非因為我們一直為了機器人來做電機，而是經過了幾個階段的“多輪驅動”。

舉個著名的公司的例子：匯川 它最早的發展機遇是房地產，大量樓盤的建設帶來了電梯的大規模安裝需求。原來外資電梯的控制器不分離，導致安裝、維修等都很麻煩。 匯川把控制器分離出來并簡化，正好適應了中國房地產周期的大發展。 后來，中國制造業升級用到了大量的電機；再后來，匯川又給部分造車新勢力做了車用電機的配套。 所以，是房地產、制造業升級、新能源車，多輪驅動了中國電機的發展。

今天機器人領域，缺的是操作能力，也就是那只“手”的能力，因為這項能力缺乏產業積累，沒有經歷過像電機那樣的多輪驅動。

比如讓機器人來倒水，杯子里有多少水，杯子是軟的還是硬的，水是涼的還是熱的，杯子傾斜到什么角度水會灑出來？這背后涉及的物體材質、重量、狀態、力反饋等，對機器人來說都是沒有被系統性采集的數據。

第三階段：能落地的AI應用

我們目前投資的AI應用大致可以分為三類：AI基礎設施、垂直領域的AI Agent、AI驅動的智能硬件。

2.為什么AI硬件是中國的戰略機遇？

2025年，工信部牽頭八個部委發了一個文件《“人工智能+制造”專項行動實施意見》，即利用人工智能，加上中國的強勢產業和產業結構，來進行各種不同的標桿和示范型應用。

這是非常典型的“下半場”應用，各個產業+智能化。就目前中國AI應用的形勢來看，如果有一個強勢產業鏈，最好能加上前沿科技（傳感器、芯片、算法），就是用軟件加硬件。

任何情況下“軟件加硬件”，大概都是中國公司擅長的，最好再能把它變成一個新的產品形態，當實現了PMF，在產品定義上站住腳，然后在中國激烈的市場競爭中卷出來，就有機會卷全世界了。

因為沒有人同時具備這些條件了，足夠大、足夠挑剔、足夠卷的市場，相對比較完整的硬件供應鏈和相對比較前沿的技術，不管是傳感器、芯片還是算法。

為什么這件事能在中國發生？

今天，我們用到智能硬件里的新的傳感器，都是因為其在其他領域的廣泛應用，使得它的規模擴大、成本驟降、精度上升。

舉兩個最明顯的例子：

激光雷達，中國卷自動駕駛，就涉及到了激光雷達。

一個反差是，美國激光雷達的鼻祖公司破產了，而中國的速騰聚創、禾賽科技都完成了上市，并且和后面幾家公司一起，把激光雷達的價格卷到了很低。

在2015年自動駕駛剛開始火的時候，線掃激光雷達大概要幾十萬或者十幾萬塊錢。到現在，多線激光雷達大概到了一千多塊錢。

當價格打下來，這些傳感器就可以用到別的地方了。

攝像頭，比如影石Insta360所用的攝像頭，無論是全景還是小廣角，之所以能做進消費者級硬件里，是因為智能手機的超大規模普及，把短焦、廣角攝像頭的精度（像素）打上去，與此同時把價格打下來。

這就解釋了，中國的科技行業可以利用上一輪的技術應用把供應鏈打造成熟，再依托中國的硬供應鏈來迭代新產品。

舉個例子，人臉識別技術來自于美國，在2017年之前，全中國的科技行業大概率認為，中國在人臉識別技術上很難追上美國。

但今天我們的體驗很簡單，在中國幾乎所有事情都可以用人臉識別，住宿登記、安檢、交易確認、工商登記注冊等等，應用層無處不在。

這種大規模應用導致的結果是，2019年之后，計算機視覺（CV）相關的頂會和頂刊，大多都是中國作者的論文。

這項技術在第一階段主要靠算法突破，但后半程的突破則靠應用。這就是上半場和下半場的差別。

再看自動駕駛。2022年之前，或許大多數人都認為自動駕駛只能走特斯拉的路線，因為那時特斯拉FSD最領先。

2025年12月，工業和信息化部正式公布我國首批 L3 級有條件自動駕駛車型準入許可，這也意味著我國自動駕駛邁入新階段。

從本質上說，自動駕駛最終是由數據為主、算法為輔驅動的，也就是靠應用驅動。

我傾向于認為，可能從2026年底開始，自動駕駛誰能行，大家會達成新共識，中國自動駕駛有機會超過特斯拉。

因為這是一場數據驅動的競爭。中國載有傳感器的車輛太多，提供的數據維度、質量和總量都太大。

這件事的邏輯與人臉識別技術的發展和如今的AI應用一模一樣。

大家可以看這張產業圖譜，幾乎中國所有的行業，均遵循著同一條演進路徑。

始于以性價比為核心的基礎制造，進階至工藝密集的精密制造，再躍升為科技驅動的復雜制造，進而孕育出高附加值的自主品牌，最終實現全球化布局。

這構成了中國產業升級的底層邏輯。

四

2026宏觀展望

1.關于國際關系

國際關系方面，2025年11月，美國發布了《國家安全戰略》（National Security Strategy）。在這份白皮書中，美國已經相對明示地寫出，要收縮其在全世界的軍事存在。這會導致兩個結果：

第一，使得盟友承擔更多軍費，美國借此出售武器。

第二，回歸美洲，推行“唐羅主義”。

特朗普（Donald Trump）借用門羅主義（Monroe Doctrine）的內核，將北美和中南美洲視為自家“前庭后院”，通過構建隔離帶，鞏固在美洲的絕對影響力。這涉及委內瑞拉石油、格陵蘭、加拿大、墨西哥灣等多地事務。

展望2026年，如果按照特朗普的《國家安全戰略》和其現在所做的事情來看，接下來主要折騰家門口的事。

所以，中國也許能迎來一個難得的戰略窗口期，少了很多外部的壓力。在過去十年，這是比較少見的。

而當美國在折騰盟友和伙伴關系、在家門口搶奪資源時，中國正在打造中長期的國際影響力，成為全球治理體系建設的推動力量。

在2025年9月1日的“上海合作組織+”會議上，中國提出了全球治理倡議的五點原則，“同各國一道，推動構建更加公正合理的全球治理體系，攜手邁向人類命運共同體”。

如果你留意更多的新聞，基于當前國際關系的情形，你可以做一個簡單但對今天很重要的判斷。

從2026年開始往后看5年到20年，中國的國際地位和影響力如果上升，那意味著中國一定會有更多的國際化業務。再往下推導，如果你想要押注一個趨勢性的行業紅利，你就需要國際化。

很多人覺得，國內這幾年經濟體感一直不太好。

核心原因在于：從2015年開始，中國一直在做經濟結構調整，用一句流行的話說，叫“新舊動能轉換”。這件事，說起來容易，但新舊動能不可能立刻“此消彼長”，存在一定陣痛期。

如果外部環境得以稍微緩和、國際關系得以改善，這個新舊轉換能更好的跑通。我認為，今年可能是一個關鍵節點。

2.人民幣會大幅升值嗎？

今年許多人開始認為人民幣會大幅升值，我覺得人民幣要有升值預期，但不會大幅升值。

在去年四季度人民幣升值的背景下，中國的外貿順差反而創了歷史新高。這說明，中國外貿對匯率的敏感度正在下降。核心變化是外貿結構升級。中高附加值產品和服務的占比在顯著提升。

2025年，中國汽車出口超過500萬臺，按單車兩萬多美元計算，金額在千億美元以上，已經是典型的中高附加值產品。

再看創新藥。2025年，全球創新藥對外授權總金額中，簽給中國的高達1356億美元，這是100%高附加值產品，對匯率和勞動力成本都高度不敏感。

再舉一個也許你不曾關注過的數據，包括外資廠在內，2025年中國芯片出口金額預計約1.5萬億人民幣，折合兩千多億美元。

我們曾長期被“卡脖子”，是全球最大的芯片進口國，但在很多人毫無察覺的情況下，中國的外貿結構已然發生了實質變化。

這也是為什么，人民幣對匯率波動的敏感度在下降，因為附加值在上升。

如果從國家實力的角度做一個簡化對比，大致可以分為五層：

最底層是軍事；再上一層是制造業和GDP；再往上是金融；最上層是全球價值觀和文化文明。

今天，中國與美國差距最大的，集中在金融這一層。

美國的金融優勢并不是天然形成的，而是歷史積累的結果。二戰結束后，美國制造業和GDP一度占全球50%以上，長期保持貿易順差。

為了解決產能過剩、恢復全球市場，同時配合冷戰，美國推動建立了IMF、世界銀行、聯合國、WTO等一整套國際體系。

真正的轉折點，是1971年美元與黃金脫鉤，美元成為全球第一種信用貨幣。

隨后，美國通過軍事、能源、金融和市場經濟，構建起以美元為核心的金融循環。

這個循環的邏輯是，美國通過貿易逆差輸出美元；順差國家賺到美元后，為了規避匯率風險，可能會選擇購買美元計價資產，尤其是美債；美元再通過金融體系回流美國。

而現在，美國主動打破了它，它只想保留金融和軍事，不再愿意承擔逆差和制造業。

當這個循環被打破，我們也看到了中國的一些調整。你會看到，中國的貿易順差在擴大，但外匯儲備并沒有顯著增長；同時，中國開始減少對美債的依賴，增加黃金和其他資產配置。

更重要的是，中國開始推動貿易結算多元化和本幣互換。

未來5—10年，我們可能會看到金融行業的進一步開放。2023年10月底的中央金融工作會議，已經釋放了極為明確的信號。

2025年6月，國家金融監管總局局長李云澤發言提到，進一步拓展金融開放廣度和深度，鼓勵上海在科技金融、跨境金融等領域開展創新試點。我預計，中國將會像當年深圳一樣，“小步快跑”、先試點、再推廣。

邏輯是，先依托貿易優勢，提升人民幣國際化；讓全球形成對人民幣的真實需求和一定升值預期，但不兌現為大幅升值。

這也是為什么，人民幣要有升值預期，但不會大幅升值；

既要增強購買力，又要兼顧外貿和國際地位；

既要改善國際關系，又不能破壞自身結構穩定。

這是一種在多個目標之間的精細平衡，而這正是當前人民幣匯率政策的底層邏輯。

3.中美數據之爭

最后一個話題，是影響十年的事：數據，是中國科技之爭的關鍵要素嗎？

2023年3月“兩會”后的機構改革，國家新組建了國家金融監督管理總局與國家數據局。

特別是國家數據局的成立，標志著數據治理進入了新階段。

以上海為代表的地區已率先啟動“公共數據”的授權運營試點。

所謂“公共數據”，是指由政府及公共機構（如醫院、教育、金融等）在履職或服務過程中產生的數據資源。

目前的改革重點，在于如何將這些龐大的沉睡資產進行合規的集中、治理與市場化流通。

什么是生產要素？錢、地、人、設備，這些都是。十年后的今天，數據毫無疑問也是最大的生產要素。AI需要數據，數字化需要，無數普及的智能硬件和傳感器需要，自動駕駛也需要。

同時，數據比錢、人、地更特殊的地方在于：它可以被反復使用，可以多次使用，可以流動著使用，可以用不同定價來使用。

但也因此，它很復雜，難治理、難管理、難定價、難流通，還涉及脫敏問題。

短期看，中美AI產業競爭的下半場是看誰應用做得好；長期看，最終就看誰在這個問題上治理得好。

中國毫無疑問數據量最多，數據質量優質，需要思考的是怎么把數據用起來。

舉個醫療的例子。2025年上半年，全球醫藥交易數量達456筆，交易總金額高達1304億美元。其中，涉及中國的交易貢獻了近50%的總金額和超過30%的交易數量。

如果想進一步提高全鏈條效率，就需要更多的臨床數據。

現狀是，高價值的臨床數據分散在各個醫院，處于碎片化、非標準化的數據孤島狀態。

在美國，獲取高質量臨床數據的成本極其高昂。如果中國能打通這一堵點，醫藥研發效率將實現質的飛躍。

但這需要解決一系列制度性難題：誰有資格歸集數據？誰負責清洗脫敏、將其結構化？誰有權使用？定價機制如何確立？

上海目前的試點，正是在探索這套“數據要素市場化配置”的標準化流程。

未來，這些臨床數據還將與實驗室數據、歷史科研數據融合，形成指導研發的“數據金礦”。

所以十年以后，或許不用十年，最后國際競爭就是這兩件事：能源和數據。

誰在這兩個問題上有更長期和更確定的競爭優勢，誰就有贏的可能。

本文來源：公眾號 @混沌學園。混沌學園用創新助力每一人、每一組織成就不凡，以哲科思維為根基，遍邀300位全球頂級師資，打造創新教育體系，幫助中國職場精英培養創新能力。

版權聲明：部分文章推送時未能與原作者取得聯系。若涉及版權問題，敬請原作者聯系我們。