1 AI赋能人类，放大能力。

史雁南讨论了AI对现实社会的影响，认为AI更多是放大人类能力而非替代工作。他提到AI有五层架构：能源、芯片、模型、应用和软件定义硬件。对于投资者，他建议在信息噪音增多的环境下回归常识，市场最终会奖励正确决策。国内AI芯片已从能用迈向好用阶段，在核心推理业务上提供高商业价值。

2 探讨AI芯片发展现状。

史雁南分析了AI芯片从能用到好用的进展，指出国内芯片在推理业务上已具备较高商业价值。他认为AI更多是放大人类能力而非替代，并提到市场噪音增多时需回归投资常识。此外，他讨论了AI对现实社会的影响层级和未来发展方向。

3 探讨AI芯片发展现状与影响。

史雁南讨论了AI芯片从能用到好用的进展，指出国内芯片在推理业务上已具备较高商业价值。他认为AI更多是放大人类能力而非替代，强调哲学思考和心理修炼是人类优势。面对市场噪音，他建议投资者回归常识，相信市场会奖励正确决策。

4 AI赋能人类，投资需回归常识。

史雁南主持易方达基金栏目，聚焦世界人工智能大会。嘉宾石家胜指出今年大会产业导向更明显，分论坛更专业，参展商关注智能体落地应用。肖婉远提到展会反映现实世界变化，今年AI应用更丰富，包括物理AI和AI制药等。AI更多是放大人类能力，投资需回归常识。

5 AI技术在各行业的应用前景广阔。

史雁南讨论了AI技术在多个领域的应用和影响，特别是在coding、视频生成、生物医药和教育行业的潜力。他指出AI不仅提高了效率，还能放大人类能力，帮助探索和改造世界。此外，AI在材料科学和航空航天等领域也有广阔的应用前景。

6 AI改变人机交互方式。

史雁南讨论了AI如何简化编程和数据处理流程，使人们只需关注目标而非技术细节。他举例说明从早期编程到现代AI工具的演变，强调AI在金融分析等领域的应用价值。此外，他提到AI产业链的复杂性，包括芯片、能源等基础设施，并指出当前产业链价值分配的不稳定性，与云计算时代形成对比。

7 AI芯片产业价值分配动态变化。

史雁南讨论了AI芯片产业的价值分配变化，指出产业链各环节如晶体管、软件栈等都在动态调整中。他强调当前产业仍处早期，需先扩大整体规模再考虑比例分配。同时，芯片公司边界在扩大，与上下游合作更紧密。在推理卡方面，国内芯片已从能用迈向好用，商业化进展显著。

8 AI芯片经济性成为核心变量。

史雁南讨论了AI推理和训练的经济性转变，指出当前模型厂商更关注每百万token的成本而非技术指标。他提到推理已成为盈利业务，推动硬件企业优化性能，如分离profile和decode操作。王源补充说，资源有限性迫使厂商在训练和推理间权衡，经济效应倒逼技术迭代。未来AI芯片的核心变量在于应用需求驱动的经济性优化。

9 AI技术推动硬件创新。

史雁南讨论了AI技术快速发展对硬件需求的影响，强调应用定义模型、模型定义硬件的趋势。他指出计算需求的动态变化要求工程方法和习惯随之调整，硬件创新需关注计算本质。面对模型架构的不确定性，芯片公司需理解技术本质，与生态合作，保持竞争力。

10 芯片技术迭代加速，AI助力设计。

史雁南指出芯片技术正加速迭代，模块化技术和AI辅助设计缩短了芯片开发周期。王远从投资角度分析，半导体设备因算力需求增长和资本开支转移成为关注重点，国内科技小循环推动设备需求。物理AI与云端AI在计算范式上有差异，云端更注重量。

11 物理AI发展面临数据挑战。

史雁南讨论了物理AI的发展现状和挑战，指出训练数据的质量和数量不足是主要瓶颈。他提到通过模拟生成数据可能是性价比高的解决方案，并以自动驾驶为例说明实际测试的局限性。此外，他还探讨了模型迭代对硬件需求的影响，强调应用、模型和硬件之间的动态关系。最后，他提到物理AI的独特性，认为AI在某些领域无法完全替代人类工作。

12 AI应用需结合物理世界实践。

史雁南指出AI在药物研发等领域的应用需通过实验验证，无法完全依赖数字模拟。他强调物理世界落地是投资机会，并提到市场噪音增多时需回归商业常识，长期来看市场会奖励正确决策。主持人补充应适应快速变化而非等待稳定信号。

13 科技投资需关注风险收益平衡。

史雁南讨论了科技行业快速迭代带来的挑战，强调投资者需辨别技术创新的本质。他指出，高收益资产伴随高风险，建议通过ETF分散尾部风险。投资应回归常识，管理好组合波动，理性看待市场变化。