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】开源基座正在变成巨头的「产品迭代加速器」:微软没有自研一套全新架构,而是直接以阿里巴巴的 Qwen 为底座做后训练,在数周内输出与 Jev 定位重合的决策评分能力,并通过 Foundry 与 OpenRouter 双通道分发。这证明 2026 年开源权重已把「从想法到可用产品」压缩到以周为单位,架构差异化窗口急剧收窄,真正稀缺的是分发通道与客户数据。 ⇒ 百度(中性):开源基座被巨头复用会加剧国内基座模型同质化竞争,文心的差异化需转向行业数据与政企交付能力,而非模型本身。
【国外信号传导】国产基座首次进入美国大厂生产链路,开源中立性成为新资产:把这几条拼起来看,决策/结构化输出已被验证为独立品类,而基础模型能力本身正在快速商品化。微软选择用 Qwen 而非自研基座做后训练,说明在特定任务上,选择最成熟的开放基座比自研更划算。这反过来给国产基座厂商带来一个此前没有的身份:美国大厂的生产原料供应商,其价值不在榜单分数,而在被多少下游产品当作起点。 ⇒ 百度(中性):同属国内基座阵营,微软选择 Qwen 客观上确立了同侪中的相对劣势,但决策模型类垂直后训练需求增加也会带来增量调用,需观察其开源策略是否跟进调整。
【国外信号传导】Anthropic 一周内既出安全事故又开源安全扫描:模型厂商开始为输出后果买单:三条线索合起来看:一边是模型幻觉产生了可追溯的公共安全后果,一边是厂商用免费安全能力换取开发者生态,同时大厂在收回核心工作流的数据权限。安全正从合规成本变成商业化的前置条件——高风险行业的采购会把输出可审计与责任划分直接写进合同条款。 ⇒ 百度(中性):国内大模型在政企与公共服务场景落地时同样面临输出可追溯与责任划分要求,提前建设审计链路可转化为政务订单的准入优势,但短期不改变竞争格局。
【国外信号传导】OpenAI 收入下修与 GPT-6 全量推送同期发生:能力扩张与变现节奏的错位显性化:三件事指向同一条链条:模型能力的迭代速度仍以季度计,但订阅付费的增长已追不上推理成本。把广告塞进对话界面、把 GPT-6 全量铺开,本质是用更高的使用频次去摊薄单次推理成本,同时为下一轮融资提供收入结构多元化的叙事。能力领先不再自动等于收入领先,这是 2026 年 AI 商业化的核心变化。 ⇒ 百度(中性):文心与百度搜索的商业化同样依赖广告与订阅双轨。OpenAI 的广告化验证了对话式广告的可行性,但也意味着国内搜索广告的存量博弈会更激烈,短期难有超额收益。
【国外信号传导】小模型价格断崖正在重写推理经济学与 API 定价体系:这几条线索拼出同一条成本曲线:单位智能的价格在暴跌,但可交付任务的价值没有同步下降,于是“调用量放大”成为必然,应用层毛利改善而纯 API 转售方毛利被压缩。同时,成本下降并没有降低总支出——安全、评测与运维成为新的固定成本项,谁先建立成本结构优势,谁就能在下一轮价格战中活下来。 ⇒ 百度(中性):文心与百度智能云可通过低价换量、绑定 PaaS 与行业方案对冲单价下滑,短期份额未必受损,但单位毛利改善空间有限。
【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。