佛罗里达州正在建造美国首个无人机载客垂直起降场,计划于2025年投入使用。新冠肺炎通过非接触式无人机配送加速了电子商务的试验和采用。ARK估计,在未来5年的某个时候,无人机将递送超过20%的包裹。
▲无人机在全球电子商务零售中的份额
2020年,全球食品外卖销售增长超过40%。ARK公司的研究显示,在约40%的外卖食品中,无人机配送将占到近一半。
▲全球无人机外卖营收
ARK公司预计,到2025年,无人机交付平台将带来近500亿美元的收入,140亿美元的硬件销售收入,以及30亿美元的测绘收入。
到2030年,无人机交付平台可能会再扩大四倍,产生约2750亿美元的收入,而硬件销售将增长近三倍,达到近500亿美元,地图业务收入将增长近四倍,达到120亿美元。
11、商业航天
航天产业正在腾飞。火箭和卫星成本的下降正在颠覆这个一度被视为垄断和官僚主义的行业。得益于深度学习、移动连接、传感器、3D打印和机器人技术的进步,几十年来一直膨胀的成本开始下降。结果,卫星发射和火箭着陆的数量激增。
根据ARK公司的研究,轨道航天机遇号——包括卫星连接和高超音速飞行——每年将超过3700亿美元。
航天产业未来将有三大用途:
1、连接全球:全球约有50%的人口缺乏互联网连接,但随着卫星数量的增加,云计算将走向全球。
2、高超音速点到点旅行:随着长途飞行时间从10多个小时减少到2-3小时,全球经济可能会发生转变。
3、太空移民:人类已经在国际空间站生活了20年。十年之内,人类就能在月球和火星定居。
火箭可重复使用可以将发射成本降低一个数量级,到目前为止,SpaceX已经成功发射了8次相同的猎鹰9号火箭助推器。
▲火箭发射成本
较低的卫星发射成本能够以较低的延迟实现持续的全球覆盖。虽然发射到地球静止轨道(GEO)的卫星试图提供全球覆盖,但延迟限制了它们提供引人注目的宽带互联网服务的能力。今天,许多公司开始在低地球轨道(LEO)发射数千颗卫星,以实现低延迟的持续全球覆盖。
由于发射成本降低,预定进入轨道的卫星数量显著增加。随着卫星网络的发射和利用数据为地面企业服务,卫星可以促进GDP增长。
▲工作中卫星数量变化
未来5-10年,美国的卫星宽带收入每年将接近100亿美元,全球将达到400亿美元。根据ARK的研究,花费400亿美元为无法接入的人群提供服务的机会,只是卫星宽带市场的一小部分。
到2025年,连接飞机、火车和汽车的市场规模可能会达到360亿美元。世界各国政府很可能会进一步增加对太空服务的需求。在中期内,卫星连接市场的总价值将达到每年1000亿美元。
方舟公司预计对高超音速飞行的需求将急剧上升。根据ARK的研究,短途航班的乘客愿意为私人飞机每节省两个小时支付大约1.5万美元。
根据短途飞行市场的经济情况,ARK估计,乘客和企业愿意支付10万美元,以节省从纽约到日本的2-3小时的私人高超音速飞行13小时。
如果270万名乘客为长途高超音速飞行支付约10万美元,该市场每年的收入将扩大到2700亿美元。
12、3D打印
3D打印节省了时间、成本和浪费,同时创造了全新的部件架构。3D打印是一种逐层制造物体的增材制造方式,与传统的减法制造不同,传统的减法制造是将材料从更大的块中去除。
3D打印缩短了设计和生产之间的时间,将权力转移给设计师,并以传统制造成本的一小部分降低了供应链的复杂性。
ARK认为,3D打印将给制造业带来一场革命,其年增长率约为60%,从去年的120亿美元增长到2025年的1200亿美元。
2020年3D打印收入下降,但新用户在疫情期间利用了这项技术。
▲3D打印在上市公司的销售量
由于自动驾驶技术和电池技术的突破,飞机的数量和设计正在激增。由于低成本和快速成型,3D打印正在加速创新。它降低了体积小、高度复杂零件的重量,节省了大量成本。航空航天工业应该是主要的受益者。
ARK估计,到2025年,无人机硬件收入总额将达到1000亿美元左右。
▲无人机各种形态
3D打印和人工智能的融合,使传统制造无法实现的高度优化设计成为可能。ARK公司认为,未来五年,全球3D打印市场将以每年60%的复合速度增长,从120亿美元增长到2025年的1200亿美元左右。
▲2020年至2025年3D打印市场的全球预测
13、长读基因测序
长读基因测序(LRS)可以提供更完整的人类基因组图片。下一代DNA测序(NGS)是基因组革命背后的驱动力。虽然短读测序(SRS)在历史上占主导地位,但我们相信长读序测序以较快的速度获得市场份额。
ARK相信,与短读平台相比,长读技术提供了更高的准确性、更全面的变体检测和更丰富的功能集。到2025年底,高度精确的长读和短读测序将接近成本平价。
ARM估计,该公司的长期收入将以每年82%的速度增长,从2020年的2.5亿美元增长到2025年的50亿美元左右。
基因组“工具箱”正在扩展,为生物学提供更全面、更丰富、更准确的视角。
LRS和SRS系统有三个共同点:(a)将基因组分解成更小的片段;(b)用高分辨率光学分析片段;(c)用高效的计算机算法重新组装基因组。
SRS将许多小的(150-bp)片段(称为reads)混合到一个一致序列中。这种方法可以捕捉到小的突变,但不能检测到更大的重组,即所谓的结构变异,或隐藏在重复基因组区域的突变。
旧的LRS系统测量更大的读数(>10,000 bp),虽然在每个碱基水平上不太准确,但提供了更完整的基因组图片。
由于LRS的成本与SRS趋同,许多临床应用可能转向LRS。在深度学习算法的催化下,例如谷歌(GOOGL)的DeepVariant,合成方法和基于纳米孔的LRS方法都可以迅速提高性能。
虽然目前在每个碱基水平上不那么精确,但基于纳米孔的LRS可以生成整个人类基因组序列,花费约500美元——比SRS更经济有效。