过去中国科技投资的核心方法就是『对标』：看美国有什么，回来找中国谁在做。这套方法的学术源头是施乐在1980年代创立的标杆管理——将产品、服务与行业最强对手持续比较，以行业最高标准为目标改进自身。中美在某领域差距越明确，对标越有效；一旦并跑，参照系消失，投资人就像在雾里登山。明白标杆管理的前世今生，才能理解为什么张辰说『雾里登山』不是比喻，而是方法论失效的真实状态。

文章讨论『对标美国公司找锚点』的失效，但一个更深层的问题是：就算在『跟跑』阶段，用美股做A股的估值锚准不准？美股科技股的核心逻辑是业绩为王、个股独立定价，资金只筛选有独家技术壁垒和稳定现金流的企业；而A股科技板块是政策导向+题材热度+板块联动，个股基本面往往退居次席。两套市场是完全独立的定价体系，盲目对标本身就是一重误判。

张辰在文中用『串葡萄』比喻前沿创业——先有长远愿景，再沿主线做出一颗颗可闭环的『葡萄』。具身智能就是典型：2024-2026年一级市场涌入超1800亿，催生23家百亿估值公司，但第一梯队全年营收总和不足百亿，大量订单来自『数采中心-地方国资』的循环融资模式。泡沫真实存在，但泡沫也推动供应链成熟——资源浪费在产业链核心节点时，即便公司倒闭，也会留下零部件和人才生态。对投资人来说，关键不是躲泡沫，而是判断哪些节点最终会成为产业底座。

宝钢用盘古大模型打造的AI智慧高炉，能处理2万个高炉参数，每10分钟预测一次炉况，2小时后铁水温度预测命中率超90%，单座高炉年降本超千万元。这看似与『雾里登山』无关，但背后是同一个范式转变：当AI能穿透高炉这个『黑箱』，把老师傅数十年经验变成算法参数，传统产业的『对标-追赶-超越』逻辑同样被瓦解。前沿科技投资面临的无锚点困惑，在传统制造业的技术改造中正好相反——它给传统产业提供了一套全新的『坐标』。这引发一个实质性问题：在『雾里登山』的新范式中，AI究竟在消除迷雾，还是在加重迷雾中的信息不对称？