预判卡
日报里每一条判断,都被固化成一张「预判卡」,到回访日自动回填结果——当时怎么说的、后来如何、差在哪
【国外信号传导】开源模型的能力与对齐出现剪刀差,安全将成为出海的隐性关税:这几件事的共同点是:模型能力进步的速度已快过对齐与治理能力,且责任开始被公开量化与追责。Anthropic 用红队报告把同行的安全短板做成公开标尺,OpenAI 前员工用辞职把内部治理问题外部化,苹果用系统限制把风险定价权收回平台。三者合力形成一个趋势:安全不再是合规附件,而是决定模型能否进入海外与政企市场的准入成本。 ⇒ 阿里巴巴(中性):通义开源权重同样面临同类安全审视,若提前补齐护栏与评测报告,反而可在出海合规中形成差异化优势。
【国外信号传导】国产算力补的是软件栈而非硬件,这一环决定替代能否真正落地:四条碎片拼出的是一条完整链条:AI 需求把算力与存储同时推入紧缺,英伟达与美光用业绩与回购确认景气度,而国产替代的真正瓶颈并不在晶体管数量,而在工具链、计算库与通信库这些「看不见的软件」。DeepSeek 把最难啃的组件开源给昇腾平台,本质是用外部顶级工程力量替国产芯片补课,长鑫的 349 亿元则是把存储这一新瓶颈提前锁产能。 ⇒ 海光信息(中性):受益于国产替代的总体资本开支上行,但生态建设资源不及华为,迁移成本下降的红利传导会相对滞后。
【国外信号传导】国产算力补的是软件栈而非硬件,这一环决定替代能否真正落地:四条碎片拼出的是一条完整链条:AI 需求把算力与存储同时推入紧缺,英伟达与美光用业绩与回购确认景气度,而国产替代的真正瓶颈并不在晶体管数量,而在工具链、计算库与通信库这些「看不见的软件」。DeepSeek 把最难啃的组件开源给昇腾平台,本质是用外部顶级工程力量替国产芯片补课,长鑫的 349 亿元则是把存储这一新瓶颈提前锁产能。 ⇒ 寒武纪(中性):国产算力总需求扩张对其有利,但昇腾生态若因外部贡献快速成熟,其相对竞争力会被压制,需观察其软件栈是否同步跟进。
国产算力补的是软件栈而非硬件,这一环决定替代能否真正落地;四条碎片拼出的是一条完整链条:AI 需求把算力与存储同时推入紧缺,英伟达与美光用业绩与回购确认景气度,而国产替代的真正瓶颈并不在晶体管数量,而在工具链、计算库与通信库这些「看不见的软件」。DeepSeek 把最难啃的组件开源给昇腾平台,本质是用外部顶级工程力量替国产芯片补课,长鑫的 349 亿元则是把存储这一新瓶颈提前锁产能。;判断国产替代是否成立的观察点应从「芯片跑分」转向「迁移一个真实训练任务的返工成本」。若未来两个季度昇腾生态的调优人力需求明显下降,说明软件栈补课见效,相关软件与云服务商会先于芯片公司兑现收入。投资上应优先配置降低迁移成本的工具与集成商,而非单纯押注芯片出货量。
【国外信号传导】资本从「买模型」转向「买工程与物理世界的落地能力」:四笔交易排在一起看,资本的偏好出现了明显位移:愿意为纯模型能力付高价的只剩 Jev 这类顶级团队,而更大的金额流向了能把 AI 嵌入具体流程的公司——硬件设计、个人助手、空间智能。AMD 的并购尤其说明问题,芯片厂商买模型是为了让自家硬件产生独占需求,这是产业资本而非财务资本的逻辑。共同指向的结论是:AI 的估值锚点正从「模型有多强」转向「能替谁省下多少工时或多少人力」。 ⇒ 商汤(中性):空间智能与 3D 生成是其技术积累所在,理论上直接对标李飞飞团队能力,但商业化落地节奏与订单可见度仍是估值的主要约束。
【国外信号传导】推理成本三年降数千倍,前沿订阅却逆势涨价——AI 进入分层定价时代:这四条线合起来解释了同一个悖论:单位算力越来越便宜,但前沿 AI 的使用成本没有同比下降。原因是常驻型 Agent 把调用从「按次」变成「按时」,安全处置又把固定成本抬高到每天数十万美元量级。OpenAI 只能通过配额与涨价把成本转嫁给重度用户,同时用分层定价筛出高价值客户。英伟达的巨额回购则从供给端确认了这一点:硬件这一层的超额利润已经稳定,风险与成本都被推到了应用和用户那一层。 ⇒ 百度(中性):同样受益于推理算力需求,但其模型侧订阅定价能力弱于 OpenAI,配额分层的转嫁空间有限,受益更多体现在云而非应用。
【国外信号传导】算子层解耦开始撬动 CUDA 的地基:模型代码可移植、算子性能不可移植,这是 CUDA 生态最深的护城河。DeepSeek 把算子层开源并适配昇腾,等于把「迁移成本」从开发者身上转移到工具链上;而长鑫的存储扩产解决的是另一半瓶颈——算力有了、内存跟不上同样跑不起来。一端是软件解耦,一端是硬件自给,两条线合起来才构成国产算力从「能用」到「划算」的完整条件。这也是国内路线与海外「抬订阅价、堆算力」最本质的分野。 ⇒ 中芯国际(中性):国产芯片可用性提升会传导到代工订单,但存储扩产与算子开源对先进制程的直接拉动有限,影响偏中长期且间接。
算子层解耦开始撬动 CUDA 的地基;模型代码可移植、算子性能不可移植,这是 CUDA 生态最深的护城河。DeepSeek 把算子层开源并适配昇腾,等于把「迁移成本」从开发者身上转移到工具链上;而长鑫的存储扩产解决的是另一半瓶颈——算力有了、内存跟不上同样跑不起来。一端是软件解耦,一端是硬件自给,两条线合起来才构成国产算力从「能用」到「划算」的完整条件。这也是国内路线与海外「抬订阅价、堆算力」最本质的分野。;真正的验证指标不是能否跑通,而是单位算力的推理吞吐与能耗比能否接近英伟达同代产品。建议在未来 6 个月内在国产卡上完成主流开源模型的基准测试并公开数据;对采购方而言,现在可以开始做小规模迁移验证,但不宜一次性切换生产集群,保留双栈并行 2~3 个季度是更稳妥的做法。
【国外信号传导】Personal Agent 从对话框走向系统常驻,入口与权限同时成为战场:四条线索指向同一件事:个人 Agent 的竞争焦点已从「模型多聪明」转向「能常驻多久、能看多少数据」。OpenAI 用 dots 抢占常驻心智,Meta 用开源换硬件密度,腾讯用分发优势做本机管理,三者的共同前提都是更深的系统权限。苹果的权限收紧正是这一前提的直接反噬——当 Agent 需要读文件、邮件和浏览记录才能干活时,操作系统就成了那个必须表态的守门人。这标志着 Agent 竞争正式进入「授权谈判」阶段。 ⇒ 阿里巴巴(中性):阿里云承接 Agent 常驻带来的持续推理需求是利好,但其 C 端入口能力弱于腾讯与字节,更多体现为云侧收入弹性而非入口价值重估。
【国外信号传导】企业侧 AI 的 ROI 已能用分钟计量,应用层第一波确定性出现在流程密集行业 ⇒ 金蝶国际(中性):同样受益于流程 Agent 替代人工核对,但关键在于能否把 ROI 量化成客户可签字的节省金额,这决定其订阅收入增速能否上台阶。
【国外信号传导】企业侧 AI 的 ROI 已能用分钟计量,应用层第一波确定性出现在流程密集行业 ⇒ 用友网络(中性):企业流程型 Agent 需要 ERP 数据与审批链支撑,海外 ROI 验证会加速国内客户预算意愿;但用友交付偏项目制,收入弹性的释放会慢于产品型公司。
企业侧 AI 的 ROI 已能用分钟计量,应用层第一波确定性出现在流程密集行业;这四条线索的共同点是 AI 的价值被换算成了流程时间。交易验证省下的 26 分钟、门店协作的响应提速、硬件设计验证周期的压缩,都是能直接进入财务模型的数字。这说明应用层的确定性不来自模型多强,而来自流程有多少可拆解、可回滚的人工搬运环节——越流程密集的行业,ROI 越早出现,也越容易在预算评审中活下来。;未来 6 至 12 个月最值得下注的不是通用助手,而是金融合规、硬件设计、零售供应链这类流程密集且已有明确 KPI 的垂直 Agent。判断标准很简单:能否把节省的时间直接写进客户的成本表。做不到这一点的项目,会在第二轮预算评审时被砍掉。
【国外信号传导】推理成本塌方快于付费意愿增长,模型层进入每美元任务量的淘汰赛 ⇒ 智谱(中性):海外推理单价被压到对手一半,会直接压低国内 API 定价锚点;智谱若不能在行业场景形成任务级交付能力,仅靠模型能力难以守住毛利。
【国外信号传导】芯片厂商开始买算法栈,护城河从硬件转向硬件加模型加工具链 ⇒ 寒武纪(中性):AMD 以并购补软件栈的路径反向说明国产 AI 芯片的短板同样在生态而非算力;短期订单受益于国产替代情绪,但若不能绑定模型与框架,估值溢价难以长期维持。
【国外信号传导】个人智能体正从聊天窗升级为系统层入口,而权限是它的天花板 ⇒ 阿里巴巴(中性):通义与夸克均押注个人助手入口,但缺少操作系统级权限,只能靠生态调用绕开系统闸门;海外权限收紧会提高其端侧落地合规成本,短期难形成差异化。
个人智能体正从聊天窗升级为系统层入口,而权限是它的天花板;这五条线索指向同一件事:智能体的价值不在对话质量,而在它能触达多少本地系统与应用。OpenAI、腾讯、Manus 在抢入口,Meta 在把入口硬件化,苹果则在入口之上加了一道闸门。谁先把权限模型做成可审计、可撤销的工程方案,谁就能同时拿到用户信任和企业采购;反之,能力越强的产品越容易在下一次事故后被系统级限制,功能优势一夜清零。;未来 2 至 3 个季度,个人智能体的竞争焦点会从能做什么转向被允许做什么。建议优先关注有明确权限治理方案的团队;对产品方而言,把权限设计提前到架构阶段,比事后补审计日志便宜一个数量级,也决定了能否进入企业采购名单。
【国外信号传导】开源正成为护城河迁移工具,而非单纯的理想主义:三家公司开源的对象完全不同——硬件、Agent 框架、算子,但动机一致:当自身在某一层的规模优势不足时,用开源把竞争拉到对自己有利的层面。Meta 缺硬件入口就用开源硬件扩散,DeepSeek 缺芯片生态就用开源工具链换适配,OpenAI 在 Agent 框架被追赶时开源以维持事实标准。开源已从发布方式变成竞争策略。 ⇒ 智谱(中性):国内开源模型厂商在框架开源浪潮中可获得更多二次开发与政企私有化订单,但同质化开源会持续压低模型授权价格,需靠行业解决方案维持毛利。
国产算力在去 CUDA 绑定上出现工程级进展;把软件层的算子抽象、硬件层的昇腾适配、产能层的存储扩产放在一起看,国内正在做的是把「单点芯片可用」升级为「整套工具链可迁移」。CUDA 的真正壁垒不是指令集而是算子库与开发者习惯,开源算子层是唯一可能低成本撬动的切入点。AMD 用 82 亿美元买软件栈,恰好从反面证明工具链才是当下的定价核心。;国内 AI 基础设施团队应在两个季度内完成昇腾等国产卡的算子适配与性能基线测试,把迁移成本从「重写」降到「改配置」;对国产算力的定价视角应从产能指标转向工具链采纳率与开发者迁移数据。
个人 Agent 正从功能变成入口,平台反制已经开始;四条线索指向同一件事:Agent 的能力边界已经从「回答问题」推进到「代你操作设备和数据」,入口价值因此被重估——谁常驻在用户设备里,谁就绕过了应用商店与广告分发。与此同时苹果收紧权限,说明平台方已意识到被架空的可能。能力扩张与权限收缩将同步进行,未来一年竞争的实质是「权限谈判能力」,而不是模型分数。;创业者应优先选择平台方愿意开放权限的垂直场景,如财务、日程、硬件运维,避免与系统级能力正面冲突;投资人应把「次日留存加单用户代执行任务数」作为 Agent 项目的核心尽调指标,而不是下载量或调用量。
【国外信号传导】国产算力瓶颈从芯片转向软件栈 ⇒ 寒武纪(中性):软件栈统一会抬高生态兼容度的竞争标准,寒武纪需自建同等级工具链才能跟上,否则差距会从硬件性能转移到开发体验。