#特斯拉二季度业绩# 以价换量开始？交付和营收超出预期，利润率下跌，自由现金流甚至是负数。

二季度总营收为 282.36亿美元，同比增长 26%；

其中汽车业务收入 205.16亿美元，同比增长 23%，能源业务收入 31.39亿美元，同比增长 13%，服务及其他收入 45.81亿美元，同比增长 50%。

车辆交付 480,126辆，同比增加 25%、环比增加 34%，其中 Model 3/Y交付 467,762辆，占总交付约 97%。同期全球新车库存周转天数从一季度的 27天降至 15天，库存结构也改善了。

但GAAP营业利润仅 3.98亿美元，同比减少 57%，营业利润率从去年同期的 4.1% 降至 1.4%；GAAP净利润 11.14亿美元，同比减少 5%，稀释后每股收益 0.32美元，同比减少 3%。

汽车销售收入同比增加，但是利润减少，答案只能是平均售价下降了。粗略折算单车均价大概在4.2万美元左右。

特斯拉二季度汽车业务 GAAP毛利率为 16.9%，扣除监管积分收入后为 16.3%。这个数字高于去年同期的 15.0%，却显著低于今年一季度的 19.2%，毕竟市场看毛利率，很少只看同比。

监管积分收入从去年同期的 4.39亿美元降至 1.46亿美元，同比减少 66.7%，其对汽车毛利率的贡献由 2.2%收缩至 0.6%。

特斯拉给出的原因包括 AI和其他研发项目、股权激励以及销售和管理费用增长，此外还有供应商电芯问题引发的能源业务保修相关费用。

研发费用从去年同期的 15.89亿美元升至 23.71亿美元，销售、管理费用从 13.66亿美元升至 19.82亿美元，两项合计增长接近 9亿美元。…

二季度经营现金流为 46.97亿美元，同比增加 85%，说明经营端回款与营运资本很好，但赚得多了画得更多，资本开支 57.89亿美元，同比增加 142%，最终自由现金流为负 10.92亿美元；

最终期末现金、现金等价物和短期投资由一季度的 447.43亿美元降至 435.24亿美元。

最后，FSD订阅率还是有好消息的，现在一共有148万 FSD订阅、北美新车超过 55%的附带订阅率，一个月 100美元还是比买断的接受度高太多。

这次去伦敦，看了比亚迪、MG，又逛了一圈古德伍德，我有一个很强烈、可能也不太客气的感受：欧洲的制造业，确实有点不行了，而且他们内心开始接受这一点。

法国、德国的工业底子依然很强，英国更早转向金融和服务业，制造业相对弱一些。我说的“不行”，是面对新能源、智能化、中国供应链的成本和迭代速度，他们大概已经意识到：如果完全按照中国人的方式“卷”，那是真卷不过。

古德伍德也算是一个车展，但和国内强调产能、效率、技术的车展不同，大家到了以后先晃一晃，看看老车，晒晒太阳，很快就拿着啤酒喝起来了。

我想问的是：喝完酒还怎么干活？他们想的是，为什么要干活？好吧，我错了。

经典车、赛车、老钱、草地、庄园和一百多年的汽车历史，已经组成了一套评价体系。这个体系不只是车，还贯穿于社会的各个方面，这是祖上给英国留下的财富遗产。

我们还去了一条所谓的“老钱街”，满街都是富人和奢侈品。那里甚至有一家法拉利店根本不卖车，只卖衣服、箱包和各种生活方式产品。车卖到最后，卖的已经不是车，而是一套身份、一种文化和有钱人愿意进入的生活。

大英博物馆给我的感受也类似。里面的宝物实在太多，很多展柜挤得密密麻麻，一个橱窗能塞十几件。如果放在我们这里，有些可能要单独拿一个房间供着。至于这些东西当年怎么来的，那是另一个让人无语的话题。但不得不承认，这就是祖上留下来的积累：不只是实物，也包括语言、教育、金融、法律和文化影响力。

英国早已不是日不落帝国了，但英语仍然是世界通用语言。对全球有钱人来说，纽约、伦敦、香港、上海、新加坡，可能就是几个最大公约数。人愿意来，钱愿意来，公司和服务业也就跟着来了。

他们也确实更在乎生活本身。我们有一天坐大巴，眼看马上就到酒店了，司机的驾驶时间到了，还是必须换人。…

对我们来说可能觉得“就差这一点了，再坚持一下”；对他们来说，时间到了就是到了。

所以欧洲面对中国制造，并不是手里什么牌都没有。它失去了一部分工业速度，却仍然掌握着市场、规则、金融、品牌、文化和高端生活方式的定价权，这是祖上给他们子孙留下的东西。

与此同时，工业的压力也是真的。2025年，英国汽车及商用车产量下降15.5%，全年只生产约76.5万辆，被英国汽车制造商和贸易商协会称为“一代人以来最艰难的一年”。

德国制造业比英国强得多，但问题也越来越明显。“工业4.0”十多年前喊得很响，确实改善了工厂和制造流程，却没有替德国建立起与其工业地位相匹配的互联网、移动互联网和AI平台。连续三轮技术浪潮，欧洲都没有诞生多少全球级的新公司，就有点不行了。

汽车也是一样。大众以前当然想自己把软件做起来，所以成立了CARIAD。但折腾几年以后，现实了：电动车平台找小鹏，智能驾驶和AI基座找地平线。

这并不只是大众一家的选择。越来越多中国汽车和智驾企业开始去欧洲招人、做测试、积累当地数据。比如@安亭大帆最近就在关注这个事。中国工程师专业、能干、效率高，在当地企业看来成本也不算高；对中国工程师来说，收入又很有吸引力。人员、技术和产业链已经开始向欧洲渗透。

这次在伦敦看到的MG，就是一个特别有意思的样本。第一天去MG门店，一位德国车评人正趴在地上拍底盘，研究得特别认真。第二天，MG就在英国总部开技术大会，讲Plug-in Hybrid+、半固态电池和智能驾驶。

一个诞生在英国、后来被中国企业收购的品牌，现在带着中国研发的新能源技术回到出生地。MG在欧洲累计交付已经超过100万辆，但它也不是只把中国生产的车运过去卖：它在欧洲建立工程能力，用24个国家超过120万公里的道路数据继续做本地适配。

品牌是英国的，资本和主要技术来自中国，市场在欧洲，本地工程、道路数据、销售网络和售后体系又参与进来。你已经很难简单说它属于哪一边。

比亚迪的路径又不一样。它2013年就在英国成立分公司，2015年开始做伦敦纯电大巴和储能，后来与英国大巴车身制造商Alexander Dennis合作：比亚迪提供电动底盘，英国企业负责车身。

到2026年前四个月，比亚迪已经做到英国纯电新车注册量第一。背后不是只有乘用车，还有2750辆运营中的大巴、2.5GWh大型储能、143家门店，以及闪充、售后、备件、二手车和残值管理。

它进入英国的不是一款车，而是一整套工业和能源体系。但在进入的过程中，英国也会尽量把本地企业、就业、渠道和服务体系嵌进去。

回头看，2022年巴黎车展可能就是一个重要的时间点。

那一年，比亚迪正式发布面向欧洲的乘用车阵容，长城也带着一系列新能源车型出现。至少在欧洲汽车舆论场里，大家第一次如此集中地提出：中国汽车不再只是便宜，而是带着完整的电池、软件、产品和制造体系来了，怎么办？

最早的答案是挡：调查补贴、增加关税、给本土企业争取时间。

2022年他们的觉悟：中国这次行了！

但后来发现，只挡是不够的。于是思路逐渐变成“有条件地接受”。英国和欧盟的具体做法不完全一样，但方向很像：车可以来，技术也可以用，可最好在这里投资、建厂、雇人、采购；最好通过合资、授权和本地研发，把一部分能力留在欧洲。

关税是挡，本地建厂是留，合资是分，白盒授权则是学。这次大众通过酷睿程CARIZON与地平线深化合作，就是最新的例子。

大众接受地平线的AI基座大模型，但不要一个完全封闭的黑盒，而是采用白盒授权。酷睿程要在地平线的基座上继续开发，再与自己的C7H芯片、GAIA数据平台、CEA电子电气架构和大众安全标准结合。

翻译一下就是：你这个技术我承认厉害，我也确实要用；但我不能只是买回来装车。我得看得见、学得会、接得住，最后还要形成自己的能力。

所以我这次去欧洲的总体感觉是：他们已经不再只想工业上能不能卷过中国了，而是在认真研究，怎样接受中国工业，同时保证自己的经济利益、政治权力、规则和文化不被一起冲垮。

2022年他们的觉悟：中国真的行了，我们怎么去接受？

中国当然希望得到一个更自由贸易的世界，因为我们强大的生产制造能力，只有在市场开放时才能充分兑现。而欧洲想要的，是开放，但不能失控；接受中国制造，但不能被中国制造完全重写。#地平线##MG##比亚迪#

#漫威电影宇宙已规划到2042年#漫威影业总裁凯文·费奇近日来到上海，对话我们等多家媒体。上次费奇携《复仇者联盟4》剧组来了上海办首映礼，回忆起来，他说：中国影迷的能量难以忘怀，那是“我经历的巅峰”、“能定义我职业生涯的一刻”。

而现在，“终局之战”这场宏大收尾已过去七年，世界发生了巨大变化，人们谈论各种新的娱乐形式、“超级英雄电影疲态”……费奇谈到如今的漫威如何拍电影，首先就是今年的《蜘蛛侠：崭新之日》接着《复联5》，后者如最新发布的预告所示，有很多、更多超级英雄，三个宇宙，怎样让如今的“复联”有新鲜感？观众怕复杂跟不上怎么办？为什么请回小唐尼“钢铁侠变毁灭博士”？漫威下一阶段的重要角色/团队是？下一阶段的思路是？如何吸引更年轻的观众群？

费奇一一解答，更笑说给我们一个“独家”：漫威电影宇宙最新已经规划到了16年后，2042年。“不知道2042我们还在不在”，但，“让我们到时候再相见？”

====以下为问答全程====

·是否有某个特定时刻或特定的某部电影，让漫威影业意识到漫威电影宇宙是在建立一个长期的共享宇宙，而不仅是独立的超级英雄电影？

凯文·费奇：在我们的第一部电影《钢铁侠》，我们就开始去梦想“这可能会发生”，并在那之后的电影中埋下了一些线索，但真正让我们意识到这一点的，是《复仇者联盟》的巨大成功。那让我们明白：全球观众真的愿意接受我们这种互相联系的叙事。当然，这也是漫威漫画几十年来一直在做的事情。我的梦想一直是将漫画迷看漫画的体验搬上大银幕。是《复联1》让我们意识到人们真的理解了这一点。

·《复联5》从宣传开始不走寻常路——我依然记得卡司公布直播，那时是中国的半夜，我牺牲睡眠工作到黎明(笑)，也莫名让我感觉它会是一部很大——人更多了，但或许也会更“怪异”的电影。…

还有一些选择引发影迷讨论，比如为何《复联4》结尾钢铁侠牺牲，《复联5》就将小唐尼请回？“复联”拍到现在要怎么让观众依旧觉得新鲜？所以，你们拍《复仇者联盟5：毁灭之日》《复仇者联盟6：秘密战争》的逻辑是怎样的？

凯文·费奇：这两部电影将是我们(漫威电影宇宙)的第39和40部电影。对于每一部，我们都试图让它们给人独特的观感，并有存在的理由。我认为我们大多数时候做到了这一点，每部电影都给人感觉是独立的，并且每一部电影都对叙事有所推进。

《复联5》对我们来说很特别——虽然让复仇者联盟再次集结总是很特别，但这次我们可以做一些拍《复联4》时做不到的事情，那就是放进来一些漫威最著名的角色：最大的是X战警，还有神奇四侠，当然还有维克多·冯·杜姆/毁灭博士。这些角色在“无限传奇”(漫威电影宇宙前三个阶段)时期还不在我们的“玩具箱”里。直到我们收回这些角色，我们才能讲述《复联5》和《复联6》的宏大故事，包括宇宙碰撞——字面意义上的宇宙碰撞，每个宇宙都有一些你最喜欢的角色。

我们不总是说：每一部电影都必须比之前的更大，但我们确实希望它们更娱乐、更有意思，和像你说的，更怪异。“怪异”实际上是一个描述它的好词语，因为《复联5》里有一些非常独特的元素。

至于请回小罗伯特·唐尼，因为多年、多年、多年以来我们一直想再次与他合作，但我们不想只是让托尼·斯塔克复活。《复联4》的结局是我们最自豪的时刻之一，看到全球观众对托尼的牺牲做出反应……所以我们不想仅仅让他“魔法般地”回归。但在漫威，有很多机会以新方式看到演员回归。在《死侍与金刚狼》中，我们请回了克里斯·埃文斯，大家都以为“啊，看，是美国队长”，不，他演的是霹雳火。在“无限多元宇宙”和漫威电影25年的历史中，有很多这样的变化。

当我们为毁灭博士选演员时，我们说：需要找到世界上最伟大的演员。毁灭博士是最有趣的角色之一。他很聪明，智商极高，他可以是反派，但他也认为自己是英雄。在那个时期，我们也仍还在和唐尼谈论能与他做什么，接着我们去看了《奥本海默》——他因此得到了奥斯卡奖，我们终于意识到……就像我们为美国队长选演员时那样，当时我们不想只是因为克里斯·埃文斯演过其他漫威角色(霹雳火)就不考虑他，而在这种情况下，我们考虑到：如果把我们最著名的英雄请回来，来饰演最著名的反派，该是多么伟大、大胆和有风险。谢天谢地，他答应了。

·还有一个《复联5》的“奇怪”安排：为什么定档跟《沙丘3》同一天上映(两部电影北美档期都是今年12月18日)？

凯文·费奇：well……电影人的工作之一，是确保很多、很多人走进电影院。所以一方面，希望那个周末全世界的电影院都会爆满，这很令人兴奋。另一方面是，《复联5》我们五月份(该片原定档期为今年5.1，去年五月份宣布推迟)做不完，所以必须移到12月。

·漫威电影作为一种现代神话，反映着时代精神。十年前，我会觉得《复联4》很好地捕捉了那个时代的合作、全球化和集体英雄主义。但如今，很多人会觉得世界越来越破碎和不确定，这种愿景在你心中是如何演化的？《复联5》在这方面会给观众带来什么样的信息或情感共鸣？

凯文·费奇：我认为电影人和流行故事的讲述者的工作是在世界上寻找最美好的东西，我们寄望于漫威漫画中的英雄来激励我们，不仅仅是因为他们有强壮的绿色肌肉、能射出蛛丝、有盾牌或能自由伸缩，任何这些惊人的超能力，而是因为他们利用这样的超能力来做好事。尽管在许多方面，这些超能力扰乱了他们的生活，使他们的生活更加艰难，而且他们本来就是有缺点的人。然而，尽管有着这些缺陷，有着这些力量有时会带来的诅咒，他们仍选择克服障碍，去做正确的事。

《复联5》会与《复联4》非常不同，因为《复联4》中所有人都在统一对抗灭霸。在《复联5》里状况则更加脆弱：三个不同的宇宙、三个不同的地球，正字面意义上地彼此互相碰撞。那么问题就来了：这些英雄是会为了保卫自己的世界而互相残杀，还是可能会找到一种方法来携手合作，来拯救全部三个世界？而毁灭博士又将如何介入其中？

·世界一直在变，年轻人的兴趣也发生了巨大转变。作为内容创作者的领军人物，你如何确保自己和年轻观众保持同频？

凯文·费奇：我会看很多内容，可能看得太多了。跟我们所有人一样，我也总在看手机。去观察什么能引起人们的共鸣，是很有趣的。但我确实相信：现在社交媒体上流行的东西，与上世纪初我们称为“镍币影院”时期的流行，本质并无不同。那时候人们花五分钱去看猫跟人打架，或者看默片里两个人水下拳击——那些短小、荒诞甚至愚蠢但引人入胜的东西，也正是我们现在在手机上反复观看的。这些都是电影艺术语言的开端。

但我依然坚信，人类成长和延续的最佳方式，是身处电影院一起看电影——而不是只盯着手机，去共同经历笑声、泪水或惊吓。很激动人心的事情是，现在在中国，和在美国、在世界各地，各种不同类型的电影都在取得成功：大场面电影，很好，因为我们就是做这个的，但也有那些能引起人们共鸣的小成本电影。我认为这一切都基于电影艺术的叙事，来引发观众反馈。并且作为电影人，我们的职责是在大银幕上呈现这些，以一种既让熟悉我们电影的粉丝有所共鸣、也能吸引那些从没看过漫威电影的观众进入整个世界的方式。

·漫威漫画里有那么多角色，让谁做下一部电影主角是怎么考量的？是漫画人气、情感核心，还是为了开启MCU的新领域？比如《银河护卫队》的角色之前名气不大，你是为了扩展宇宙线，还是看中角色本身？

凯文·费奇：是综合的考量，但漫画销量并不总是决定因素。其实刚开始做漫威影业时，我们没有蜘蛛侠、X战警、神奇四侠这些最畅销的角色的版权。所以我们想要着眼于那些能让我们共鸣、且我们自信能拍出有趣电影的角色。到我们做了MCU第一阶段，并让复仇者集结之后，大家想要更多这样的电影，让我们很兴奋。

我爱《星球大战》和《星际迷航》，我爱外太空电影，所以我说：我想要做这个。而我们有《银河护卫队》漫画，销量还ok但从未大卖，但其中很棒的角色，让我们能做一部独特的太空歌剧型的电影。

所以，通常我们会先确定想做的类型电影，再试图联系上合适的漫画角色，能够允许我们拍出自己想要的类型片。

·那么《黑豹》成为优先考量，有着文化差异的原因吗？

凯文·费奇：是的，同时也是因为黑豹来自于瓦坎达那一整个世界，那里有很多很棒的角色，也深入了漫威的神话领域自1960年代以来我们还未挖掘的一个部分。这也是为什么我们在《美国队长3》中引入他，希望他能让观众激动，而他从此大受欢迎，我们也有幸得以拍成了《黑豹》。

·那么接着她的问题：我们何时会知道戴姆森·伊杜里斯是否会来饰演新的黑豹？

凯文·费奇：不是今天(笑)。

·漫威有了“七年计划”，从《复联5》到《复联6》到之后是更多的角色和庞大的故事线，你们如何把握故事和角色的重要性，比如我们从七年计划和MCU的电影布局会感觉到：X战警、神奇四侠这些群体会扮演很重要的角色，能否从这个层面聊聊《复联5》和之后MCU的规划？我的朋友跟我说：这种问题不要让费奇给你他擅长的“模糊回答”。

凯文·费奇：《复联5》和《复联6》灵感很大程度上是漫威漫画《危在旦夕》(Time Runs Out)和《秘密战争》的故事线，所以——这是惯例了，在漫画里有着我们要拍的电影的重大指引。其实我们想要做的是两件事：一是要为一些故事线做收束结尾，这些故事线早在《钢铁侠》之前就开始了，当然包括初代X战警角色。二是同时也要为未来搭好舞台。《复联4》真的是一个结束，之后，我们尝试和实验了很多新东西。但《复联6》是一个开始。它将建立起一个流线型的、简化的、单个的宇宙，让我们能够跟上。其中一些东西会是熟悉的，但很多很多东西将是全新的。

说回我们之前提到的吸引年轻人、与新一代观众相通，这正是下一个宇宙要做的事。而根本上说，X战警将是其中核心。

拿到X战警的版权不止是要……比如说，金刚狼，是一个卓越的角色，我们得以让他跟死侍组队，这很棒。但X战警远远不止金刚狼，远远不止最开始那支队伍，从根本上来说，它是一个宇宙，它本身就是一个有多个阶段的传奇故事。这其中很多就是我们正在努力的方向。

我们的计划是……这事儿我此前还没告诉过任何人，致你的朋友：这不是一个“模糊回答”(笑)：我们刚刚在漫威影业的会议室里，已经规划到了直到2042年的电影。至于我们能不能坚持到2042年？谁知道呢？拍出来的会不会是那些电影？谁知道呢？但，这就是我们来逐步处理和规划漫画中海量的潜在故事的方式。

我们一直在改变，一直在进化，但能够有一点指引来帮助我们更有目的地行动……特别是X战警——它已经有10部电影了，有一些非常非常好，有一些我认为没有实现承诺——我们如何来以一个非常宏大的方式，去布局“变种人传奇”？

·漫威最大的优势之一是你们会将非常不同的超级英雄、不同的角色配对，制造出神奇的化学反应。当你把比如死侍和金刚狼、奇异博士和蜘蛛侠、蜘蛛侠和钢铁侠等等，要让它奏效、起化学反应，秘诀是什么？

凯文·费奇：很多是来自漫画，很多是来自演员之间的化学反应。但主要的是——我认为这在漫威故事的历史中一直如此——是找出哪两个人最没有共同点，然后把他们放在一起，看会发生什么。

当我们宣布要拍《雷神》电影，人们知道他将与托尼·斯塔克共享同一个宇宙，说："这个一头金发、拿着锤子的北欧神到底怎么可能跟托尼·史塔克融入同一个世界、同一个故事？”我说：“你得看电影，电影讲的就是这个。”而他们在《复联1》的树林里相遇的那一刻，托尼说：“妈妈知道你穿走了她的窗帘吗？”这就是乐趣所在，看他们如何相处，或者如何相处不来。

在《复联5》中，有一些配对——我现在不会透露，当然我们已经拍了——非常棒，非常非常有乐趣。再次：我不会剧透，但有一些你绝对意想不到的搭档，我觉得观众走出电影院会说：“我超爱这这两个人搭配在一起！”而事前你就算想一百万次也猜不到是谁，这就是乐趣所在。

也许你能猜到(小声对我说，我刚问了戴姆斯·伊杜里斯和演黑豹的问题，所以这或许是一个提示？)。

·电影是漫威的优先事项，但近些年出现了短剧，是中国增长最快的内容类型之一。你是否看过短剧，漫威是否考虑制作更短的内容——不一定是短剧，但更短更轻量化的内容？

凯文·费奇：我没有看过很多中国短剧，我看过一些美国的……那个叫什么？(竖屏剧/Vertical Drama)对的，Verts，有人跟我说：你们是做水平的，我们是做垂直的(Vertical是垂直之意)。

我认为它现在很流行，每个人都必须关注它、思考它。我确实认为我们有一点优势：漫画书本身就是短内容，对吧？每一期漫画都是一个小故事。所以我们可能，也已经讨论过如何利用这一点。我认为，当人们看到一个漫威项目时，他们会有一些期望：看到漫画的改编，涉及一些超能力、一些大场面，而这不一定符合目前那些短剧的预算。但它是我们一直在讨论的事情，它太火了。

·如果要选一部你心目中最能定义漫威影业电影哲学的电影，是哪一部？

凯文·费奇：这对我来说非常非常难回答。(也请不要“模糊回答”)不模糊，我想可能有四五部电影，代表了不同的……因为我觉得漫威影业的能力之一就是我们能做不同种类、不同类型的电影。

但如果你要“强迫”我说一部电影——部分原因也是因为我现在在上海，而上一次我到来这里，是因为《复联4》上映。我站在上海的一个体育场里，和8000位粉丝和演员们一起站在舞台上。那可能是最能定义我整个职业生涯的时刻——感受到中国粉丝为《复联4》和我们所建立的一切所倾注的能量。

《复联4》代表漫威叙事所能达到的最佳，因为它是一个非常宏大的故事线，灭霸、时间旅行……但最终，它讲的也是个人的故事：娜塔莎·罗曼诺夫、史蒂夫·罗杰斯、托尼·斯塔克的故事线。我们拍了那部宏大的电影——在一段短时间内，它是史上最大制作的电影，而“爱你三千/I love you three thousand”是那部电影中最重要的台词之一。如此巨大的一部电影，最终浓缩成女儿对父亲说的那句暖心的话：“我爱你三千。”这代表了漫威能够达到的样子：史诗般的叙事，又有着最人性的内核。

·《蜘蛛侠：崭新之日》马上就要上映了，我要问一下蜘蛛侠，也不含混直接问了：彼得·帕克系列会有《蜘蛛侠5》吗？以及我个人最喜欢蜘蛛侠迈尔斯·莫拉莱斯，他的真人版现在是什么状态？印象中你曾说过，要做真人版迈尔斯得等“蜘蛛宇宙”动画电影完结才能有所动作？

凯文·费奇： 做这行有趣的事情之一，是我们一直在各种做梦、想出各种点子。在《蜘蛛侠：英雄无归》中有一句台词，电光人说：“在某处一定有个黑人蜘蛛侠。”全世界的观众兴高采烈，因为他们知道这可能暗示着蜘蛛侠迈尔斯。

好消息是，索尼出了《蜘蛛侠：平行宇宙》系列电影，它们备受喜爱，非常出色，且《超越宇宙》也将于明年上映。但是，没错，我们无疑有(真人版迈尔斯的)计划，并且我想，真人版蜘蛛侠电影有这样的宿命：在《蜘蛛宇宙》系列完结后某个时刻加入迈尔斯。

我们也一直在思考和讨论蜘蛛侠的更多冒险故事，不管协议、合同如何。我的制片搭档艾米·帕斯卡已经在着手做了，我们也已经深入讨论过接下来两、三、四、五部蜘蛛侠电影可能拍什么。

·说到《复联4》的经历，以及漫威电影不止是一部电影，也是影迷们大事件、文化事件，那么我们能否期待届时《复联5》剧组会在中国集结？

凯文·费奇： 我想你可以这么假设，我这么讲：我认为这不会是我今年最后一次来上海(笑)。

·一直规划到了2042年，那么会不会有一些针对中国市场的考虑和项目？

凯文·费奇： 我心中一直有中国，我们MCU早期的电影深受中国观众的喜爱。正如我所说，《复联4》那次来上海，真是我经历的巅峰。我认为我喜欢中国观众的原因——和喜欢世界各地的观众一样，是中国观众对我们所有的角色和我们在讲述的故事有共鸣。

话虽如此，我们未来还有很多角色——已经排到2042年了，特别是X战警，X战警有很多来自亚太地区的、尚未深入挖掘的角色，尤其是中国，我们非常想探索。这就是我对X战警感到兴奋的原因：我们可以向世界展示不同类型的英雄。

·最后

凯文·费奇：我们2042年再在此相见？

现场媒体：一言为定。

#模型时代# 把10至15年的药物研发压到5年以内：Anthropic与Chai讨论如何重写生命科学研发｜斯坦福AI经济学课程

2026年7月18日，Stanford Online发布了管理科学与工程课程 MS&E435《AI超级周期经济学》的一节课堂对谈。授课教师、Altimeter Capital合伙人 Apoorv Agrawal邀请了两位嘉宾：Anthropic生命科学负责人 Eric Kauderer-Abrams，以及 Chai Discovery联合创始人兼CEO Josh Meier。

Chai公司的业务是试图把分子设计做成计算机辅助设计系统，让模型直接生成具有目标性质的抗体等分子；Anthropic关注更长的研发链条，希望Claude参与基础研究、药物设计、临床开发、监管沟通和生产转移。对谈由此触及一个更具体的问题：AI能从药物研发的哪些环节拿走时间，整个产业的价值又会流向哪里。

Anthropic于2025年10月推出Claude for Life Sciences，并已与Benchling、10x Genomics和Novo等生命科学机构展开合作。Chai成立约两年半，投资方包括OpenAI、Anthropic和Thrive。Eric上一次来到这间教室还是参加电子工程博士课程的器件物理期末考试。他笑称，自己至今仍对那次考试“心有余悸”。

虽然最近Anthropic最近在产品上非议很多，不过从这期讲座，能看出来在医学这个赛道是扎的蛮深的。可能和创始人就是生物专业有关。

一、两条进入AI制药的路径

1、Josh Meier想把药物变成一种可计算、可分发的设计成果

Josh来自医生家庭，也完成过医学预科课程。…

兄姐已经走上学医道路，他在高中开始学习编程，希望做一件与家人不同的事。他最喜欢代码的一点是可分发性：一段程序写完后，能够以很低的边际成本交给很多人使用。

后来接触生物技术时，他发现药物也有类似属性。一项医学发现可以经由药物规模化地抵达患者。编程与生物学在这里连了起来。他此后曾在早期OpenAI和Meta从事研究，参与蛋白质语言模型ESM-1的工作，后来创办Chai Discovery。

Chai将自己的产品描述为“分子的CAD”。

Josh在课堂上称，抗体约占当前获批药物的一半。传统药物设计包含大量试错：先找到一个能够作用于目标的初始命中分子，再不断修改，使其同时满足效力、稳定性、安全性和可制造性等要求。Chai的中期目标是让大量实验工作迁移到计算机上，最终从计算机直接生成可进入后续开发的抗体分子。

公司成立之初有两项反常规选择。其一，模型最终应当能够进行零样本分子设计；其二，公司主要与产业生态合作，不把成为一家拥有大量自有管线的制药公司作为唯一终点。课堂上，Josh称已有大型药企使用Chai的模型设计药物。

2、Eric是在经营生物科技公司时重新认识大模型的

Eric早期学习数学和物理，随后进入AI研究。他在斯坦福读研究生期间加入 Kwabena Boahen的 Brains in Silicon Lab。实验室通过研究大脑寻找可用于AI的原理，这段经历让他开始系统接触生物学。此后，他陆续创办医疗科技与生物科技公司，研究范围延伸至分子生物学、生物化学和有机化学。

在经营分子诊断公司Detect期间，他重新关注生成式AI。Claude 3.5 Sonnet发布后，模型开始能够帮助他排查实验失败，也能协助处理FDA反馈。模型当时的能力距离完整科研智能仍很远，但已经能介入一家生物科技公司的日常问题。这促使他判断，通用模型有机会加速生命科学研发的完整流程。

二、Anthropic想让Claude覆盖整条研发链

1、模型训练的范围从结构生物学延伸到项目取舍

Anthropic的目标涵盖基础研究和治疗药物开发。在底层模型上，团队希望Claude在生物信息学、化学、结构生物学等学科达到较高水平，同时具备设计临床试验、回应监管意见和处理开发策略的能力。

所谓开发策略，包括选择靶点和药物模态，组织研发项目，以及判断一个候选项目应当继续推进还是终止。Eric的设想中，Claude承担的角色接近贯穿研发全程的科学与项目协作系统，单一的文献问答只是其中一项功能。

2、专业能力还要进入科学家的工具和界面

仅提高模型能力不足以改变研发效率。生命科学工作者还需要专用界面、数据连接和工具调用。Eric透露，Anthropic正在准备一款类似“Claude Code for Bio”的产品。它会保留Claude Code式的后端能力，界面则针对实验科学家设计。

用户可以在其中查看蛋白质与小分子结构，围绕这些对象与Claude交流，并调用计算资源运行Chai一类的专业模型。Anthropic把模型层和产品层视为同一个平台，希望借此把生命科学研发的端到端效率提高一个数量级或更多。

3、Anthropic建立湿实验室，用于测试工具

Anthropic近期建立了一个湿实验室，选取宏基因组发现作为研究方向。基础研究团队会在真实实验中使用Claude和配套产品，寻找模型能力、工作流连接和产品设计中的限制，再把这些反馈送回训练与开发团队。

但湿实验室是基础研究的试验场，公司当前仍以向行业提供模型与工具为主，不会自己开发药物。

对于“AI多久能治愈所有疾病”这类命题，他也给出了边界：未来五年内治愈所有疾病并不现实。Anthropic当前关注的是改变疾病和衰老负担的长期轨迹，为更快的研发速度建立条件。

三、一种药从想法走向市场，时间花在了哪里

1、第一道瓶颈发生在研发计时开始之前

按照Eric在课堂上的估算，一种药物从产生想法到获得FDA批准并上市，平均需要10至15年；最快的案例约为5至6年。行业讨论常把瓶颈归结为药物设计或临床试验。他认为，时间实际分散在约5至10个瓶颈中，任何单点改进都难以独自压缩完整周期。

研发先要确定疾病和患者群体，再选择靶点。靶点是药物准备干预的体内分子。选择一个靶点，相当于提出一个假设：若能有效调节这个分子，治疗可能对患者安全并改善疾病。

治疗药物行业存在“靶点拥挤”。Eric给出的数字是，全球每年进入临床阶段的净新增靶点约30个，潜在靶点则以数千计，粗略估算约为1万个。人类基因组约有1.9万个基因，但基因与可成药靶点并非简单的一一对应。更棘手的一点是，行业统计的10至15年研发周期往往从靶点选定后才开始，寻找好靶点所消耗的时间可能没有进入这只“时钟”。

2、临床前设计平均约四年，AI先从这里压缩迭代

确定靶点后，团队需要选择药物模态，例如抗体、小分子、分子胶或基因药物。随后进入临床前阶段，设计能够结合靶点的候选药物。候选物还需控制脱靶效应，保持体内稳定，并按照预期方式被人体吸收、分布和代谢。

从靶点选择到启动人体临床研究，历史平均时间约为四年。Eric认为，这一阶段存在很大的压缩空间。零样本药物设计代表理论上限，即模型一次生成可以直接使用的分子。实际达到“一次迭代”已经会带来巨大变化：模型先给出少量候选物，实验室完成一轮验证，几周后获得合适分子，原本四年的过程便被大幅缩短。

这段过程内部仍有多个小循环。团队先寻找能够命中靶点的初始分子，再把它优化为先导分子，同时改善可制造性、脱靶效应、稳定性和体内处理方式。AI可以在这些相互牵制的性质之间搜索更好的组合。

3、临床阶段更长、更贵，也有可以被拿走的时间

候选药物确定后，企业需要锁定生产工艺并完成严格记录，向FDA申请试验用新药许可，也就是IND。获得许可后进入人体临床。传统划分中，一期主要观察安全性，二期首次验证疗效，三期通过更大规模研究确认安全性和有效性，为最终审批提供证据。生产转移工作与临床研究并行推进。

Eric估计，药物设计约占四年，从进入临床到FDA审批还需约6至9年，成本也主要集中在后半段。AI在临床阶段能够优化试验中心选择和患者招募，也能减少试验管理中的操作负担，包括中心监查、电子数据录入与记录核验。

更深的影响来自候选药物本身。Josh举例说，一些药只能把患者生存期延长一两个月。这种收益对患者依然重要，但很小的效应量会迫使临床试验招募更多受试者，才能获得统计显著性。若AI设计出效力更强的药物，试验所需样本和验证难度会同时下降。药物发现与临床开发因此形成同一条效率链。

四、为什么这一轮AI可能真正改变药物研发

1、专业基础模型负责分子，大语言模型负责外层循环

Josh把近年的进展归因于模型架构的可扩展性、算力供给和新数据集。行业使用AI的意愿也明显提高。Eric进一步区分了两种模型的职责。

Chai一类专业基础模型负责生成和评估分子。Claude一类大语言模型负责外层循环：提出方案，调用专业模型，分析候选物，安排实验，读取结果，再决定下一轮操作。专业模型的准确度越高，所需迭代次数越少；大语言模型的规划与工具调用能力越强，每轮迭代的等待和人工协调就越少。

生物数据的生产能力也在同步提高。传统测序之外，单细胞测序、蛋白质组学、高通量抗体测量和其他检测手段持续提供训练与验证材料。Eric认为，通用大模型、专业基础模型和大规模生物数据在同一时期成熟，为这轮变化提供了条件。

2、代码生成给了Josh一个直观参照

一年前使用大模型写软件，常见过程是先得到初稿，再反复调试、提问和修正。模型如今已经能够一次生成可运行的应用。Josh认为，零样本药物设计试图复现类似跃迁，其意义也超出把四年缩成几周。

更好的分子会提高临床成功率，更多候选分子会扩大可治疗疾病的范围。Josh在课堂上称，约80%的已命名疾病没有获批药物。Chai因此先聚焦分子生成，把它视为后续研发活动的起点。若外部实验循环也被Claude等系统加快，模型就能获得更多验证机会，两端会相互促进。

3、地缘竞争增加了美国药企采用AI的紧迫感

Josh观察到，近年的制药行业会议反复讨论两个主题：AI和中国。他判断，中国的药物发现成本更低，团队执行更快，临床前研究效率更高，监管环境也更容易让候选药进入首次人体试验。

但是Josh认为美国的AI占有优势。所以其含义是，美国若难以在现有组织和成本结构下追上中国，便会更积极地用AI改变研发效率。

五、研发周期能缩短到什么程度

1、Eric把五年视为当前可见路径的上限目标

在10至15年的基线下，Eric认为行业已经能够看见把完整药物研发周期压到五年以内的路径，理想状态可能只需数年。他没有给出15分钟制造一种药的判断，也没有消除临床验证本身的时间要求。

临床试验的持续时间会形成物理和医学下限。例如骨质疏松药物的传统终点可能要求观察患者在一年内是否发生骨折。只有经过足够长时间，研究才可能积累统计证据。

这个下限仍可能改变。若研究者找到可靠的替代终点，通过生物检测在更早阶段确认药物已经产生预期作用，部分试验便无需等待最终事件发生。候选药效力提高后，试验所需人数也会减少。Eric正是依据替代终点、效应量和流程自动化，得出“五年以内”的判断。

2、发现阶段反馈以周计算，临床反馈以年计算

一位学生质疑，生物学任务拥有很深的步骤链，零样本或少样本方法在这里能否奏效。Josh承认，零样本分子设计仍可能无法实现，行业没有最终答案。但模型的缩放趋势、新数据集和更多计算正在让过去被视为不可能的目标进入测试范围。

Chai创业早期，投资者曾向制药专家询问他们愿意为零样本分子设计支付多少钱。对方回答不愿付费，因为这项技术不起作用。即使把前提改成“假设它有效”，部分专家仍回答“这不可能”。Josh把这类反应视为市场尚未形成定价框架的信号。

发现环节更容易先取得进展，也与反馈周期有关。分子可以在几周内完成设计和实验验证。若要验证AI能否改善临床开发，往往需要真的完成一项临床试验，反馈可能数年后才出现。当前行业对“AI药物发现”的讨论远多于“AI药物开发”，其中既有技术难度差异，也有验证时间造成的可见度差异。

3、更大的训练投入会带来渐进改进，也可能触发能力跃迁

另一位学生把模型训练成本从10亿美元推演到100亿乃至1000亿美元，询问更大训练运行会解锁什么。Eric没有把投入规模对应到某个确定成果。他观察到两类变化：许多能力会随每代模型稳定改善；有些能力长期接近于零，达到特定规模后才开始出现。

蛋白质理解是他的例子。Anthropic此前的模型对蛋白质理解有限，直到Claude Opus 4.6，团队才首次看到相关能力开始形成。训练方法、规模和其他因素共同作用，难以用单一变量解释。对生命科学而言，未来能力增长可能同时包含可预测的增量和难以提前定位的涌现点。

六、AI制药的价值会流向工具、药企还是新公司

1、工具只有真正改变成功率，才可能获得更高价值

传统生物科技估值主要围绕药物未来收入展开，工具公司的价值通常低于拥有药品权益的企业。Josh认为，旧有工具对成药概率的提升有限，药企也就缺乏为其支付高价的理由。

在他看来，今天的药物设计仍很原始。实验室常依靠酵母、小鼠和大量试错发现药物，许多药物会作用于多个非目标分子，产生不必要的副作用。如果AI工具能够提高研发成功率、降低成本并缩短上市时间，使用工具的药企本身会获得更高价值，工具提供者也有理由分享其中一部分收益。软件和模型的可扩展性又高于单个药物产品。

2、“零样本生成一家生物科技公司”会改变创业门槛

过去二十五年里，西方很少出现能长成最大规模的新药企。当前生物科技创业的一条常见路径，是比大型药企更高效地找到一个靶点，快速推进候选分子，在患者身上取得初步概念验证，再被大公司收购。

Josh提出一个两年左右的假设：若届时模型可以零样本生成候选分子，创业者甚至可能“零样本生成一家生物科技公司”。简单的分子生成能力会像一次生成应用程序一样迅速普及。新公司需要拥有新的药物模态、复杂研发能力或更独特的价值来源。

他没有据此判断生物科技创业会消失。静态条件可能有利于既有药企聚集价值，现实中创业者会围绕新工具继续寻找此前无法成立的项目。若底层能力提升，新公司的潜在成果也可能扩大。

3、Eric对“只向药企卖工具”反而持谨慎态度

Anthropic和Chai都在向生命科学行业提供工具，Eric却直言，他总体不看好高度依赖向药企卖工具的商业模式。成功案例存在，但历史数量有限，销售和价值捕获都很困难。

与此同时，直接开发药物的门槛正在下降。Eric用“pipeline in a person”描述一种可能状态：一个人借助大量Claude算力和专业基础模型，就能管理一组早期药物项目；随着能力推进，一个小团队可能同时运行数个临床阶段项目。

这并不等于Anthropic准备转型为药企。它揭示了工具公司的商业矛盾：模型越能降低药物开发门槛，客户自己做药的能力越强，单纯出售工具的议价方式也越需要调整。

七、接下来最值得攻克的技术和商业问题

1、抗体之外，还有大量药物模态没有工程化

Eric认为，抗体目前可能是最有效的一类药物，但并非所有靶点和疾病都适合抗体。小分子、分子胶和其他新模态仍需要类似的设计跃迁。

抗体设计正在从带有炼金术色彩的经验工作转为工程学科。下一个目标是扩大“可成药靶点”的边界，让其他药物模态也获得可预测、可重复的设计方法。

2、行业需要规模化发现新靶点

靶点拥挤限制了新药数量。Eric提到两条正在探索的路线。一条是虚拟细胞和细胞扰动模型，尝试预测细胞在不同干预下的变化；另一条是更传统的人类遗传学方法，在人群尺度上把遗传数据与健康记录关联起来。

当前仍缺少一种能够持续产生大量高质量靶点的方法。若这一问题没有解决，分子设计再快也会围绕有限靶点重复竞争。

3、更精细的分子控制会带来更复杂的药物

Josh把现有许多药物称为相对简单的干预。Chai能够预测所设计药物中蛋白质的折叠状态，这相当于提供一个观察系统的原子级显微镜。研究者对分子结构和相互作用的控制越精细，越可能设计出过去难以想象的复杂药物。

主持人追问下一种可能达到GLP-1规模的药物。Josh提到增加瘦体重的相关新靶点，并特意把社会价值与商业前景分开。能帮助人增加肌肉的药物拥有明确医疗用途，也可能产生很大的消费需求。课堂随即开起玩笑：如果Chai有一天自己做药，或许可以把这种药变成员工福利，像文艺复兴科技内部的大奖章基金一样，只向员工开放。

Eric看好睡眠药物。睡眠障碍与许多疾病相关，潜在患者众多。其商业路径可能类似GLP-1，先从明确疾病适应症起步，再扩展到更广泛的消费需求，例如提高睡眠质量或效率。他把这类产品称为可能出现的“消费级基础药物”。

八、AI进入湿实验室后，实验数量可能增加

1、更好的计算设计会提高实验投资回报率

Josh看好的对象包括制药企业和真实实验。大型药企拥有能产生数十亿美元收入的药物，也承担把这些现金继续投入新药的职责。若AI提高研发效率，这类企业会成为更有效的资本聚合器。

计算能力增强也不会自动减少湿实验。他借用杰文斯悖论解释：实验设计越准确，每次实验的预期回报越高，行业可能愿意开展更多实验。若要在一年里完成过去十年的生物医学发现，背后仍需要大量实验验证，AI会推动这些实验发生。

他相对谨慎的方向，是缺少前沿能力的纯软件产品。药物发现行业已经使用基于物理和传统计算的方法数十年，其中一些公司产生过重要影响。随着AI能力提高，只对旧方法进行软件封装的产品更容易被替代。未来机会更可能来自AI与物理实验系统的结合。

2、Claude现在已经能通过CRO“跑实验”

Eric看好能让Claude接入现实实验的公司。直接连接实验仪器需要处理硬件和协议集成，目前更容易实现的方式是让Claude与合同研究组织（CRO）协作。

人类委托CRO时会编写实验方案、发送邮件、讨论条件并处理往返沟通。Claude已经能够完成这类数字环节，进而下单执行实验。Eric提到 Plasmidsaurus、Adaptyv Bio和 Twist Bioscience等可规模化提供测序、材料制造或实验服务的公司。它们拥有较标准化的接口，较适合成为AI与湿实验之间的执行层。

3、下一步是“可编程化学”和实验室盒子

若重新选择创业方向，Eric会考虑把AI直接连接到实验仪器。问题同时包含仪器硬件、控制软件和通信协议。主持人把它概括为给Claude装上手脚，又称其为“可编程化学”。

Eric设想的产品接近“lab in a box”：设备接入实验室后，Claude便能直接控制湿实验流程。他判断已有一些创业公司在探索这个方向，但整个市场只走了一两年，后面仍是多年研发和产业化过程。

Josh给出的相邻方向是自主药物项目。团队可以把药物发现中的前沿问题写成评测，持续让最新智能体尝试。模型跨过某个能力阈值并取得实际突破后，再把成果尽快推向市场。在他看来，治疗疾病有清晰的需求和商业价值，创业者无需反复寻找类似“下一个Snapchat”的轻量消费应用。

九、临床开发为何被AI行业忽视

1、开发阶段缺少容易展示的单点突破

课堂提问环节，一位有制药背景的学生指出，市场频繁讨论药物发现，却很少讨论后续开发。Eric给出的原因与能力展示有关。发现阶段的问题较容易列举，分子生成也更接近模型智能的直观表现；开发阶段包含大量运营工作，需要接入试验中心、患者、数据系统和监管流程，单纯提高模型智力无法完成所有连接。

AI研究者通常拥有较强的计算和科学背景，对临床开发的实际经验有限。患者招募、中心监查和试验数据管理的媒体吸引力也低于生成一个新分子。这些因素共同造成关注差异。

2、患者招募和试验管理已经有明确任务可做

临床开发中的机会仍然具体。AI可以根据疾病患病率、历史入组情况和中心能力选择试验地点，加快患者招募；也可以自动处理中心监查、电子数据库录入和记录核对。更重要的上游工作是提高候选药成功概率和效应量。前者减少失败项目，后者缩小样本规模，两项都会直接改变临床时间与成本。

这场对谈最终留下的判断较为明确：AI制药的核心进展不会只表现为“模型生成了一个分子”。真正决定产业速度的，是专业模型、通用智能体、临床运营和湿实验能否形成持续反馈回路。发现阶段已经可以在数周内完成一次循环，临床阶段仍以年为单位。两种反馈速度之间的落差，既解释了当前进展集中在哪里，也标出了下一阶段最难的工作。