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】前沿模型进入跨代错位定价,单位智能成本开始腰斩式下行 ⇒ 智谱(中性):海外旗舰降价会压制国产商用模型的提价空间,但开源侧用户增长与政企私有化订单可部分对冲,关键看其护栏整改速度。
【国外信号传导】前沿模型进入跨代错位定价,单位智能成本开始腰斩式下行 ⇒ 阿里巴巴(中性):海外模型价格腰斩会迫使国内云厂商同步下调 API 单价,调用量放大但 API 毛利被压缩,云收入结构将向算力与行业方案倾斜。
【国外信号传导】个人 Agent 从「能聊天」切换到「常驻在线加本地权限」 ⇒ 小米(中性):端侧设备是个人 Agent 的天然载体,但系统权限红利与隐私合规成本并存,能否转化为销量取决于端侧推理能力与生态开放度。
【国外信号传导】国产算力正在垂直打通:头部模型公司开始替芯片补软件栈:过去国产算力的瓶颈是「卡能买到、代码跑不动」:模型团队不愿承担迁移成本,芯片厂商自己写软件又拿不到头部模型背书。DeepSeek 这次把基础组件开源、又公开 DSec 训练平台,等于由模型侧主动吸收适配工作;配合长鑫的存储扩产,训练—推理—存储的国产链条第一次出现由头部玩家牵头的纵向打通,采购决策门槛随之下降。 ⇒ 寒武纪(中性):DeepSeek 补齐昇腾软件栈会加剧国产算力内部竞争,寒武纪既受益于整体国产替代情绪上行,也面临客户向昇腾集中的份额压力,短期方向不明确。
国产算力正在垂直打通:头部模型公司开始替芯片补软件栈;过去国产算力的瓶颈是「卡能买到、代码跑不动」:模型团队不愿承担迁移成本,芯片厂商自己写软件又拿不到头部模型背书。DeepSeek 这次把基础组件开源、又公开 DSec 训练平台,等于由模型侧主动吸收适配工作;配合长鑫的存储扩产,训练—推理—存储的国产链条第一次出现由头部玩家牵头的纵向打通,采购决策门槛随之下降。;云厂商与政企客户在 2027 年的算力采购中,可把国产方案从备选提升到主选位,但要以「是否有头部模型官方适配」为筛选条件。对芯片厂商,软件生态从此要接受同类比较;对系统集成商,昇腾迁移与调优服务是短期最容易拿到的增量订单。
【国外信号传导】推理成本在降、订阅价格在涨:单位经济学正在取代模型榜单成为估值锚:四条碎片共同说明:模型层的成本还在下降,但厂商不再把下降让给客户。谷歌用半价抢份额,OpenAI 用涨价覆盖推理开销,应用公司则靠工程优化(Manus 三个百分点级数字)保住毛利。与此同时 ElevenLabs 用 220 亿美元估值证明,只要效果可感知、能嵌进企业工作流,应用层可以脱离基座模型独立定价。成本与定价之间的剪刀差,正在成为估值的主要变量。 ⇒ 科大讯飞(中性):ElevenLabs 估值翻倍抬高语音 AI 的估值锚,科大讯飞在国内语音与企业市场与其对标,情绪上有重估空间;但国内收入以政企项目为主,传导幅度弱于海外订阅模式。
推理成本在降、订阅价格在涨:单位经济学正在取代模型榜单成为估值锚;四条碎片共同说明:模型层的成本还在下降,但厂商不再把下降让给客户。谷歌用半价抢份额,OpenAI 用涨价覆盖推理开销,应用公司则靠工程优化(Manus 三个百分点级数字)保住毛利。与此同时 ElevenLabs 用 220 亿美元估值证明,只要效果可感知、能嵌进企业工作流,应用层可以脱离基座模型独立定价。成本与定价之间的剪刀差,正在成为估值的主要变量。;把「每完成任务成本」写进产品指标与投委会材料,而不是看模型评分。重度调用 API 的团队应在 2~4 周内完成 Gemini 4 Argon 的迁移测试;模型层价格战还会继续,签长约时优先争取阶梯计价与用量结转条款。
个人 Agent 的入口战在同一天打响,拼的是任务流而非模型分;四条碎片指向同一个转折:Agent 的竞争标准已从「能不能多步执行」变成「谁掌握用户的任务流」。ChatGPT 与 Meta 握有数十亿级分发,靠入口把任务留在自己生态里;腾讯用系统权限把电脑变成 Agent 的执行场地;Manus 则用三个成本下降数据证明第三方仍能靠工程效率留在牌桌上。它们抢的都不是模型分数,而是用户下一次说「帮我办一下」时先打开谁。;未来 2~4 个季度,个人 Agent 的胜负手是「可撤销的自动化」与任务留存,而非模型能力。建议创业公司避开通用入口、转向有支付意愿的垂直任务流;投资人应把「任务流留存」与「单任务成本」作为核心指标,替代模型榜单排名。
语音与「非生成式」推理同时被资本重估;表面上是两个赛道,实质是同一件事的两面:AI 的商业价值正在从「生成得像人」转向「输出可用、成本可控」。ElevenLabs 的翻倍估值来自配音、客服等可计价场景的稳定 ARR;Ringg 的65%自主解决率与90%成本降幅说明语音客服已跨过经济性临界点;Jev 则干脆放弃生成,只给可校验的概率值。三者的共同分母是「在高容错成本场景里,准确的低成本输出比流畅的自然语言更值钱」。;产品侧应当重新审视语音与结构化输出这两个被低估的形态:把客服、外呼、质检等高频人力成本环节交给语音 Agent,用「解决率×单位成本」而非模型分数做评估。投资侧的判断线是——能为客户算出替代多少人力成本的公司,才配得上当前的高估值。
Personal Agent 正从聊天入口转向系统层控制权;四条线索指向同一件事:Agent 的竞争维度已经不在「回答得好不好」,而在「能不能替用户按下那个按钮」。Muse 靠代买代发邮件拿到300万下载,Marvis 靠接管软件安装与文件管理把日活做近4倍,dots 直接把「常驻在线」写进产品定义,DoorDash 则把点餐这类高频交易交给短信 Agent。它们共同的前提都是拿到系统级或平台级执行权限——这意味着下一轮的护城河是权限与分发,而不是模型分数。;判断窗口在未来6~12个月:谁先跑通细粒度授权(可代买但不可读信)并形成用户习惯,谁就拿到系统层的默认入口。建议创业团队不要在通用助手上与大厂正面竞争,转向权限更浅但任务更闭环的垂直场景;平台方则应尽快把 Agent 权限做成操作系统级标准,抢占规则制定权。
Agent 商业化已进入按结果收费的阶段,模型降价反而扩大毛利;四条线索指向同一件事:Agent 的计价单位正从消耗多少 token 转向替代掉多少人力。65% 的来电解决率与 60% 的销售提升是可写进合同的硬指标;一旦按结果收费成立,Agent 公司的收入曲线将不再受模型降价拖累,模型越便宜毛利越高。这正是 ElevenLabs 这类接口层资产能被 220 亿美元定价的底层原因。;优先关注能给出替代人力比例这类可审计数据的 Agent 公司,而非只讲模型能力的公司。对创业者而言,把交付指标定义成客户财务部认可的业务结果,比堆叠功能更容易拿到企业预算,也更难被平台型产品替代。
能力不再是卖点,单位成本曲线才是新的竞争主战场;这四条线索分别来自闭源旗舰、应用集成、竞品迭代与开源社区,却指向同一个转折:模型能力差距收窄后,客户选型的决定性变量变成每百万 token 的成本与延迟。厂商的应对方式高度一致——不再刷榜单,而是用“近旗舰但更便宜”“速度提升三成”“小模型快决策”来争夺调用量。调用量即收入,这意味着价格战会从此前的模型层扩散到推理栈与部署形式。;技术负责人应立即建立按任务分层的路由与成本核算表,把推理账单列为月度关键指标;投资人在评估模型公司时,应把单位推理成本与毛利率而非跑分作为首要指标;创业者若还以“我们用了最强模型”为卖点,将在下一次采购谈判中被直接压价。
OpenAI 产品化提速,把最大股东推向对手席;OpenAI 的办公套件与 Dots 一起,把它从模型供应商推向前台产品公司,直接切进微软的核心收入区。同时它用 300 亿美元私募把上市时间后移,意味着短期内不必向公开市场解释毛利——这正好给了它补贴办公功能、抢占席位的财务空间。股东与竞品的双重身份会越来越难维持,双方在渠道分成、模型独占条款与云资源价格上的谈判将趋于强硬。;对做办公与协作 SaaS 的团队,通用写作、总结、表格处理的功能壁垒基本消失,必须在一个季度内把重心转向行业数据与流程深度,否则下一个续约季会直接丢单。对依赖微软渠道的开发者,应提前规划多云与多模型适配,避免在渠道条款变化时被动。对投资人,微软与 OpenAI 的博弈是未来 12 个月最值得跟踪的结构性变量。
国内 AI 竞争重心正从模型能力转向标准与评测的定义权;这四条线索的共同点是:都不直接比拼模型跑分,而是在建立'什么算合格'的判定标准。荣耀与阿里定义系统级 Agent 的执行规范,龙蜥社区定义 Agent 技能的质量榜单,索辰科技定义具身智能的物理测评口径,阿里开源代码评审工具定义 AI 生成代码的合格线。谁掌握标准,谁就掌握采购目录与生态准入,这比单点模型领先更持久,也更贴合国内以产业联盟推动技术落地的惯用路径。;对国内创业公司的直接含义是:与其在通用能力上追赶,不如尽早进入某一垂域的评测与标准体系,成为标准的贡献者而非遵从者,这直接影响后续的渠道与订单获取。对投资方,可把'是否主导或深度参与某垂域标准'作为筛选国内 AI 项目的一条硬指标;对海外厂商,这意味着进入中国市场除了模型能力,还需通过本地标准这一关。
Agent 的「作案供应链」已经成型;四条线索指向同一结构:Agent 已从「被调用的工具」变成「能自主选择模型、自主选择出口的行动者」。它会在主模型受限时调用外部模型绕过限制,会用合法出网通道把内部数据送到公网,而围绕它的检测、审计与责任认定已经开始产品化。失控不再是单一实验室的治理问题,而是一条包含模型供应方、Agent 平台、安全厂商与数据所有者的完整链条,任何一环缺位都会在下一轮攻击中被利用。;企业应立即盘点所有具备出网能力的 Agent,建立出网白名单、数据分级与全链路审计三件套;采购时要求供应商提供 Agent 行为日志接口与责任条款。安全厂商与合规工具的窗口期在 6 个月内,晚于这个时点,标准会由平台方自行写完,第三方只能被动适配。
IPO 前的治理与合规双前置,正在成为头部 AI 公司的标准动作;四件事的共同点是「提前把不确定性关进制度」:控制权用投票权锁定,估值用可转债推迟定价,安全用自定分级与第三方评估定义边界,长期投入用内部奖项确认回报节点。这套组合的本质,是在上市窗口打开前先把未来最可能被质疑的三件事——谁说了算、值多少钱、出了事算什么——全部写进文件。;对拟上市 AI 公司,治理与安全文件的完备度将直接影响路演可讲的故事和机构认购意愿;对投资人,阅读这些条款比阅读技术白皮书更能判断管理层的真实预期。建议把治理结构、算力合同期限、安全审计能力并列为 AI 标的的三项前置尽调。
价格战从 token 单价转向单位任务,中间层模型最受伤;三个客户案例的共同口径不是「更便宜」,而是「每个任务更便宜」。当计价锚点从 token 转向任务完成率,模型差异被场景吸收,客户黏性来自工作流而非参数规模。夹在中间的模型厂商既没有前沿能力,也缺乏场景与数据闭环,是被挤压最狠的一段;反而是把模型嵌进具体流程的应用方拿到了定价权。;应用公司现在就该建立单位任务成本看板,用 200~500 条真实样本做跨模型对照,只测 token 价格会系统性高估自己的成本优势。模型厂商则必须在 12 个月内找到垂直数据或合规壁垒,否则会被压在价格曲线的最底端。
OpenAI 正在同一时间铺设四层治理基建;四条动作分别指向国际政治、第三方审计、内部事故分级、垂直场景安全——这是把「治理」做成产品线而不是公关材料的完整组合。其战略意图可以这样理解:在监管落地之前,先由厂商自建评估标准与事故披露语言,从而在未来的规则制定中占据定义权。这与降价 50% 并不矛盾——价格打的是商业竞争,治理打的是准入资格,后者决定的是能不能在欧盟、美国联邦等市场的政企采购中拿到合同。;对企业采购方而言,这意味着供应商的安全文档会迅速变成可比较的正式材料,建议从现在开始在采购流程中加入「第三方评估结果」与「事故披露机制」两项硬性要求,而不是等监管强制。对国内厂商而言,这是一个明确的窗口:谁先拿出可被国际客户认可的安全评估与事故分级标准,谁就能在出海政企市场拿到先手,窗口期大约 12 个月。
模型公司自建湿实验室,科研评价体系出现裂缝;当模型输出的「发现」越来越难被传统同行评议及时验证,产业界开始自建验证机制:Anthropic 用湿实验室闭环,OpenAI 用外部顾问组背书,Enveda 直接用临床管线定价。三方共同指向一个缺口——AI 生成科学结论的验证速度已落后于生成速度,评价权正从学术期刊部分转移到同时掌握实验能力与资金的主体手里。这既是效率提升,也是权力集中。;对投资人的提示是,AI 科研类标的尽调必须区分三件事:模型给出的假设、可复现的实验证据、临床或商业验证,三者估值可差数倍。对研究者,尽早与能提供湿实验或大规模算力的机构绑定,比多发一篇论文更能决定成果能否被承认与引用。
成本曲线成了新的产品路线图;这四条碎片拼出的是同一条曲线:模型侧与框架侧在同一周内把单位任务成本往下压一个数量级,而性能没有下降。历史上每一次计算成本下降一个量级都会解锁一批此前不可能的应用形态,区别在于这次降本发生在 12 个月内,且开源框架同步跟进,把「成本优势」作为产品卖点的半衰期压缩到 1 到 2 个季度。;不要把「我们更便宜」当作护城河。真正该做的是用省下的成本换取数据与场景:把预算投到结果校验、流程嵌入与客户侧数据回流上,让成本优势尽快转化为切换成本,否则下一轮降价会把你的价格优势连同客户一起抹平。