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。
【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。
【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。
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。
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。