这篇访谈讲的是明星基金经理Cathie Wood（木头姐）的投资方法。她认为，市场主流资金都盯着过去成功的公司或去投没上市的公司，导致像人工智能、基因编辑、电动车这些颠覆性创新在股市里被严重低估，这正是长期赚钱的好机会。她重点看好三个方向：一是英伟达（NVIDIA），她早在2014年就发现它的芯片是自动驾驶和基因研究的关键，当时市值才60亿；二是基因测序龙头Illumina，她认为市场低估了它的增长潜力；三是CRISPR基因编辑公司，她认为市场因为专利纠纷等担忧而错判了这些能治愈疾病的公司。
ARK Invest创始人Cathie Wood认为，颠覆性创新是长期增长和公开市场alpha的关键。她强调，由于市场对颠覆性企业的现金流贴现效率低下（如比特币白皮书探讨其货币角色），这类创新被错误定价。ARK采用自上而下的投资策略，聚焦五大技术变革：基础技术（如深度学习）、能源变革、机器人、移动出行即服务（Mobility as a Service）等。她指出，从基准出发的投资方式与ARK流程相悖，并强调开放协作文化的重要性。当前最令她兴奋的领域包括基因组测序、区块链和软件2.0。
好的，以下是基于您提供的访谈文字稿和指令要求，对 Cathie Wood 访谈内容的分析解读。
嘉宾：Cathie Wood，ARK Invest 创始人兼CEO，以专注于颠覆性创新投资而闻名。
主线：Cathie Wood 阐述了 ARK Invest 如何通过“开源研究”模式，聚焦五大颠覆性创新平台，并利用“赖特定律”和价格弹性模型，在公开市场寻找被错误定价的长期成长机会。
核心判断：Cathie Wood 认为，由于市场主流（被动投资和传统主动管理）的短视和对指数基准的依赖，颠覆性创新是公开市场中被错误定价最严重的领域，这为长期投资者创造了巨大的“深度价值”机会。
Cathie Wood 认为，当前市场结构导致了颠覆性创新被系统性低估。 她指出，两大趋势加剧了这一现象：一是资金大规模涌入被动投资，而被动指数是“向后看”的，其权重由过去的成功决定，恰恰是颠覆性创新瞄准的目标；二是传统主动管理公司为寻求创新，将目光转向了IPO前的私募市场。这两股力量共同导致了公开市场中颠覆性创新领域的“低效定价”。她强调，如果给予足够长的时间（5-20年），ARK 本质上是一家“深度价值”管理公司，因为市场对这些长期创新平台的未来现金流贴现效率极低。
> “We would tell you that if you give us a long enough time horizon... we will call ourselves a deep value manager. That is how inefficiently priced these long-term... innovation platforms, how undervalued they are right now.”
> 意即：“如果你给我们足够长的时间框架……我们会称自己为深度价值管理者。这些长期创新平台被错误定价的程度，就是它们目前被低估的程度。”
Cathie Wood 阐述了ARK识别五大颠覆性创新平台的核心方法论。 这五大平台分别是：DNA测序、自动化（机器人与3D打印）、能源存储、下一代互联网（人工智能/深度学习）和区块链技术。她认为，自19世纪末（电话、电力、内燃机）以来，从未有过如此多创新平台同时演进。筛选标准有二：第一，该技术必须遵循“赖特定律”（Wright‘s Law），即累计产量每翻一番，成本下降的百分比是可预测的；第二，需要评估成本每下降一个百分点，需求会增长多少（价格弹性）。以DNA测序为例，从2000年代初测序一个人类基因组需30亿美元和13年，到如今不到1000美元和几小时，正是成本曲线的急剧下降催生了巨大的需求，并开启了基因编辑（CRISPR）等后续应用。
> “So we are very focused on those technologically enabled cost curves or learning curves. And then the second question we ask ourselves is, okay, for every percentage point decline in costs or price, how much does demand increase?”
> 意即：“所以我们非常关注那些由技术驱动的成本曲线或学习曲线。然后我们问自己的第二个问题是，成本或价格每下降一个百分点，需求会增加多少？”
Cathie Wood 解释了如何将宏观主题转化为具体的投资组合。 ARK 的“筛选器”不是任何指数，而是其内部研究。她以 NVIDIA 为例，在2014年，当市场仍将其视为“PC代理股”时，ARK 的研究团队通过“头脑风暴”发现，GPU 是解决自动驾驶（AI/深度学习问题）和基因组学（理解生物通路）的核心硬件，而市场对此一无所知。当时 NVIDIA 市值仅60-100亿美元，而如今已超过1600亿美元。同样，在DNA测序领域，Illumina 作为拥有90-95%市场份额的“基石股票”，其增长潜力被市场低估。ARK 基于成本曲线和需求弹性模型预测，其营收增速可能从共识的15%加速至30%以上。这种“研究驱动”的方法使得 ARK 的主动份额高达95-99%。
Cathie Wood 认为，移动出行领域将因成本骤降而发生根本性变革。 她指出，当前点对点交通成本为每英里70美分，自汽车流水线生产以来几乎没有变化。而自动驾驶电动出租车网络将把这一成本降至35美分，甚至更低。成本的减半将导致需求“爆炸式增长”，城市车辆行驶里程将增加2-3倍。这反过来会催生“空中出租车”的需求，因为人们不愿花3小时去机场。ARK 的研究显示，到2021-22年，空中出租车的成本将与当前出租车相当（约75美元），而地面自动驾驶出租车成本将降至7-10美元。此外，由于电动车的效率是燃油车的4倍，她判断石油需求将在未来2-3年内见顶。同时，由于自动驾驶出租车利用率可达70-80%，汽车销量将下降，停车场需求也将锐减，从而重塑城市房地产格局。
Cathie Wood 认为，CRISPR基因编辑公司是当前市场错误定价最严重的领域之一。 她指出，市场对CRISPR公司的看法存在三大误区：认为它们陷入专利战、市值太小、尚未进入人体试验。她认为，这些公司掌握着治愈疾病的钥匙。仅针对单基因遗传病（占所有疾病的2%，但每100名新生儿中就有1名患病），每年就有750亿美元的收入机会，而对现有患者的“治愈”则意味着2万亿美元的财富。她以 Kite Pharma 的CAR-T疗法为例，说明当市场因临床试验中出现一例死亡而抛售时，ARK 因其团队成员（Manisha Samy）的科研背景，判断这是买入机会，最终获得了巨大回报。她认为，当前市场对CRISPR的冷漠态度恰恰证明“我们不在泡沫中”。
| 标的 | 嘉宾态度 | 关键数据 |
|---|---|---|
| NVIDIA | 看好 | 2014年市值60-100亿美元，现约1600-1700亿美元；拥有80%的AI训练市场。 |
| Illumina | 看好 | 拥有全球90-95%的DNA测序市场份额；市场共识营收增速15%，ARK模型预测可超30%。 |
| Kite Pharma | 看好（历史案例） | 因CAR-T疗法临床试验死亡事件被抛售，ARK逆势买入，后因高缓解率而成功。 |
| Amazon | 看好 | 早期投资案例；认为其未来ROIC可达三位数百分比。 |
| Tesla | 看好（隐含） | 提及Elon Musk在电池技术和成本下降方面的推动作用。 |
| Coinbase | 中性（合作方） | 与ARK合作撰写关于比特币的白皮书。 |
| CRISPR公司 | 看好 | 认为市场对其专利、规模和临床试验阶段的担忧是错误定价。 |
1. 颠覆性创新是公开市场中最被错误定价的资产（Cathie Wood）。支撑：市场资金流向被动投资（向后看）和私募市场（寻找创新），导致公开市场的创新领域被忽视，为长期投资者创造了“深度价值”机会。
2. 赖特定律是预测技术成本下降的核心工具（Cathie Wood）。支撑：与摩尔定律类似，它关注累计产量翻倍带来的成本下降百分比，是判断一项技术是否“准备好进入主流”的关键。
3. ARK 的“筛选器”是其研究，而非任何指数（Cathie Wood）。支撑：通过“头脑风暴”和跨领域知识连接（如GPU同时是AI和基因组学的关键），发现市场尚未定价的关联，从而找到像2014年的NVIDIA这样的投资机会。
4. 移动出行成本将从每英里70美分降至35美分，需求将因此爆炸（Cathie Wood）。支撑：自动驾驶电动出租车网络将实现这一降幅，导致城市车辆行驶里程增加2-3倍，并催生空中出租车市场。
5. 石油需求将在未来2-3年内见顶（Cathie Wood）。支撑：电动车效率是燃油车的4倍，叠加自动驾驶和共享出行带来的成本优势，将加速替代内燃机。
6. CRISPR基因编辑是当前最被低估的领域，市场对其专利和规模的担忧是错误定价（Cathie Wood）。支撑：仅单基因遗传病每年就有750亿美元的收入机会，而市场因专利纠纷和尚未进入人体试验而回避，这恰恰表明“不在泡沫中”。
7. “公开犯错”是加速学习、验证假设的最快方式（Cathie Wood）。支撑：通过社交媒体（如Twitter）公开研究结论，让“多头和空头互相攻击”，可以快速发现模型中的错误假设，避免在指数级增长中犯下“指数级错误”。
8. ARK 的招聘优先考虑“领域专家”而非传统金融背景（Cathie Wood）。支撑：例如，聘请曾在NVIDIA工作9年的James Wang研究AI芯片，聘请在斯坦福大学从事干细胞和CRISPR实验的Manisha Samy研究基因组学。