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】决策模型成为独立品类:Jev 拿到 75 亿美元估值,中国团队同步深挖直觉层:四处线索指向同一件事:行业开始把判断从生成里拆出来单独做模型。理由是成本与延迟——在许多企业场景,需要的不是会写字的模型,而是低延迟、低 token 消耗、输出可校验的决策。DeepSeek 输出时强时弱被归因到 token 站位,说明这种不稳定性正是决策层要解决的问题,也解释了为什么判断型模型的商业价值会被单独定价。 ⇒ 科大讯飞(中性):教育、医疗场景的判分与辅助决策需求明确,采用小决策模型可显著压低推理成本;但基座厂商的 Decisions API 可能直接覆盖同类需求,议价空间受限。
【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。 ⇒ 腾讯(中性):微信若在对话内嵌入广告,可直接参考 ChatGPT 新格式与归因工具的设计思路;但广告密度提升会削弱用户对 AI 助手的信任,需要在变现与体验之间做明确取舍。
【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。
资本从通用助手转向行业流程与评测标准;一边是资本把钱投向能嵌进具体行业流程的 Agent(房贷发起、量化研究、合同审核),另一边是评测机构因掌握“标准制定权”而获得高估值。两者共同说明:通用能力已经过剩,稀缺的是可验证的交付深度与可信的评价体系。谁掌握流程内的完成率数据,谁掌握标准,谁就能定价。;创业公司若还在做通用助手,应在一个季度内选定一个高合规、长流程的行业并拿到真实数据接口;投资人应把“是否持有可验证的流程数据与完成率指标”作为估值核心变量,而非用户数或模型分数。
【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】前沿模型出现「价格分层 + 安全负债」双轨,能力不再是唯一卖点:三件事从不同角度指向同一个事实:模型能力的边际价值在下降,而合规成本与安全负债在上升。OpenAI 用「高能力版本停摆、低能力版本降价」的方式承认了这一点;Anthropic 红队的报告说明开源权重一旦放出就无法回收,风险被转移到部署方;青少年报告的争议则预示监管压力会随用户规模同步上升。模型竞争的胜负手正从参数与榜单,转向单 token 成本与可发布性。 ⇒ 智谱(中性):GLM-5.3 被判定能力追平 Claude Mythos 说明技术实力获国际认可,但护栏缺失会抬高海外企业客户信任成本,短期利空商用、长期强化国内开源生态影响力。
【国外信号传导】开源权重的安全外溢,正在从研究议题变成采购硬约束:这三件事共同把模型安全从技术议题推成采购与合规议题:能力平权的代价是护栏没有同步平权,开源权重一旦能力追平前沿,恶意使用门槛也同步下降;而监管开始以事故和可追溯性(水印、强制报告、熔断)为单位追责。安全评测报告正在变成和性能跑分同等重要的销售材料。 ⇒ 智谱(中性):GLM-5.3 能力被 Anthropic 认定追平 Claude Mythos 是能力背书,但护栏缺失会抬高政企与金融客户的准入成本,正负相抵取决于其补齐安全评测的速度。
开源权重的安全外溢,正在从研究议题变成采购硬约束;这三件事共同把模型安全从技术议题推成采购与合规议题:能力平权的代价是护栏没有同步平权,开源权重一旦能力追平前沿,恶意使用门槛也同步下降;而监管开始以事故和可追溯性(水印、强制报告、熔断)为单位追责。安全评测报告正在变成和性能跑分同等重要的销售材料。;凡使用开源或国产权重做私有化部署的金融、医疗、政企客户,应把拒答率、越狱测试、出网审计写进验收清单与合同条款;模型提供方应提前把第三方安全评估做进销售流程,否则会被挡在招标之外。
【国外信号传导】算力与存储同时进入「扩产 + 证券化」,上游比模型层更早兑现:四条线索共同说明一件事:模型层在打价格战、毛利被主动压缩,而上游因产能与交期的物理刚性,反而拿到更稳的定价与更早的资本兑现窗口。海外用 Pre-IPO 锁定 GPU 产能,国内用扩产加指数化资金托底存储与芯片,AI 产业链的利润正在向「卖水人」集中。 ⇒ 海光信息(中性):受益于国产算力采购倾斜,但其订单节奏更依赖信创与政企预算周期,短期弹性弱于存储与代工环节。
算力与存储同时进入「扩产 + 证券化」,上游比模型层更早兑现;四条线索共同说明一件事:模型层在打价格战、毛利被主动压缩,而上游因产能与交期的物理刚性,反而拿到更稳的定价与更早的资本兑现窗口。海外用 Pre-IPO 锁定 GPU 产能,国内用扩产加指数化资金托底存储与芯片,AI 产业链的利润正在向「卖水人」集中。;短期应重点关注存储、先进封装、服务器电源与光模块的订单能见度与排产节奏;对应用公司,应把关键算力成本锁成长约而非现货采购,避免下一轮涨价时被动挨打。
【国外信号传导】Agent 评测从静态答题转向闭环任务,工程短板被量化:三条学术线索与一条工业案例指向同一结论:Agent 的能力评估正从「能不能答对」转向「能不能一路做到结果」。研究普遍发现瓶颈不在模型智力,而在任务数据生成、验证器质量与多轮环境反馈——这恰好解释了为什么工业界能靠 Codex 拿到约 7 倍效率提升,而多数团队自建 Agent 仍卡在中段成功率。 ⇒ 科大讯飞(中性):行业 Agent 落地依赖可验证的任务闭环,讯飞在教育、医疗等垂直场景积累的过程数据与验证标准是差异化资产,但需补齐闭环评测口径。
Agent 评测从静态答题转向闭环任务,工程短板被量化;三条学术线索与一条工业案例指向同一结论:Agent 的能力评估正从「能不能答对」转向「能不能一路做到结果」。研究普遍发现瓶颈不在模型智力,而在任务数据生成、验证器质量与多轮环境反馈——这恰好解释了为什么工业界能靠 Codex 拿到约 7 倍效率提升,而多数团队自建 Agent 仍卡在中段成功率。;评估 Agent 时应把预算从「刷榜」转向「自建闭环任务集 + 可自动验证的奖励信号」,谁的验证器更密,谁就能更快把成功率推过可用阈值。对采购方,应要求供应商提供端到端任务成功率与失败分布,而不是基础评测分数,这两类指标的预测力差距正在拉大。
【国外信号传导】资本开始用「IPO + 回购」双轨给 AI 定价:一级市场的高估值必须找到出口,于是头部模型公司走向公开市场、把成本结构摊开给投资人看;同时最赚钱的算力龙头选择用创纪录回购把现金还给股东。两条线合起来说明:AI 的钱正在从「讲故事阶段」进入「算账阶段」,能否说清单位经济性成为定价关键,而硬件类 AI 资产的溢价已率先被压缩。 ⇒ 寒武纪(中性):海外算力龙头回购不改变国内替代逻辑,但若存储与算力投资同步放量,国产 AI 芯片的配套需求会跟随上行,节奏取决于国产集群招标。
【国外信号传导】AI 安全与合规从加分项变成出海准入证:四条看似无关的消息共同说明:AI 能力的扩散速度已经快过治理工具的建设速度。水印、红队报告、赏金计划失效,本质是同一个问题——如何区分「人写的」与「模型生成的」,以及如何界定「可用能力」与「危险能力」。当监管把可追溯性写进法律,合规能力就从成本项变成市场准入条件。 ⇒ 智谱(中性):GLM-5.3 被点名能力追平但护栏缺失,短期提升国际知名度,但要进入欧盟与企业市场,补齐拒答机制与安全评估比继续刷分更紧迫。
AI 安全与合规从加分项变成出海准入证;四条看似无关的消息共同说明:AI 能力的扩散速度已经快过治理工具的建设速度。水印、红队报告、赏金计划失效,本质是同一个问题——如何区分「人写的」与「模型生成的」,以及如何界定「可用能力」与「危险能力」。当监管把可追溯性写进法律,合规能力就从成本项变成市场准入条件。;面向欧盟或企业客户的产品,应在 2026 年内把内容水印与来源标注做进默认流程,否则将面临下架或采购排除;做开源模型的团队需主动公布护栏与红队结果,否则「能力追平顶级闭源」会反过来成为负面标签。安全投入的回报正在从「避免事故」变成「获得投标资格」。
【国外信号传导】旗舰模型进入「价格错位」竞争,Agent 能力快速下沉到中小企业:把价格、安全与评测三条线放在一起看,前沿模型的竞争维度已经分裂:能力上限因安全审查而放慢,实际可交付的性价比与合规速度成为新战场。Sol 用五分之一的价格提供接近旗舰的 Agent 能力,等于把去年只有大企业能负担的工作流下沉到中小团队;而反蒸馏防御升级则堵住了靠逆向提取快速追平的捷径。 ⇒ 智谱(中性):GLM-5.3 被 Anthropic 红队认定能力追平 Claude Mythos,国产开源代差已缩短至半年内;但海外旗舰降价会压缩其以低价换规模的空间,出海还需补护栏。
AI 的收入正在从消费者订阅转向企业流程改造,定价权随支付方转移;这组碎片解释了同一个问题:AI 的钱在哪里。消费者侧付费率仅 2%,而企业侧已能把收益折算成可审计的工时节省(30 分钟到 4 分钟)与人力替代,因此定价权在企业手里。FDE 这类岗位的走热正是落地成本从「模型调用」转向「流程改造」的证据——模型越便宜,人对流程的理解就越贵。;创业者的产品叙事应从「更好的助手」改为「可量化的流程节省」,并把 FDE 或解决方案能力当成核心竞争力而非成本项。投资侧可关注提供交付标准化与行业模板的公司,它们能把一次性项目变成可复制的边际收入,这是当前 AI 应用最缺的一环。
【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。