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
2027年Q2前,至少一家中国云厂商或模型公司公开披露采用非英伟达推理芯片承载超过10%的线上推理流量。
证伪条件:若2027年6月30日前无国内厂商披露非英伟达推理芯片的线上流量占比数据,则判断错误。
推理ASIC的第二供应商窗口正在打开;三条线索的共同点是算力采购方开始主动拆分供应:谷歌用TPU把云内推理成本压到自有可控区间,Anthropic用Fractile做英伟达之外的推理备份,英伟达自己则往设计仿真这类更上游的环节布防。结果是训练侧的GPU垄断短期不变,推理侧的价格与议价权开始分散,采购结构从单一供应商转向双轨制。;云厂商与模型公司的采购负责人应在2027年预算里单列「第二供应商」试点,规模不必大但要拿到真实workload数据;芯片创业者应把定位从「更快」改成「更省电或更省内存」,通用性能对标已不具备融资说服力。
到 2026 年底,至少两家一线实验室会把旗舰模型迭代周期压缩到 4 周以内,并将 API 首发价打到上一代的 50% 以下。
证伪条件:若 12 月 31 日前没有第二家一线厂商在 6 周内发布新旗舰、或降价幅度不足 40%,该判断即告错误。
两周一代 + 首发半价:前沿模型转入「节奏战」,定价权从能力转向成本;三个动作指向同一策略:用迭代速度让竞品的评估周期失效,用首发折扣抢在对手调价前锁定调用量,用安全资质切入对合规敏感的企业客户。这与 2023~2024 年「堆参数、比榜单」的竞争逻辑完全不同——现在的竞争单位是可验证的单位 token 成本与发布频率,谁的工程化流水线更快,谁就能持续定义价格。;API 重度用户应把模型切换成本压到最低,并利用首发折扣窗口迁移;国内模型厂商需在两个季度内跟进降价,同时把训练预算向推理效率优化倾斜。对投资人而言,评估模型公司的核心指标应从「榜单排名」改为「单代迭代周期与推理毛利率」。
未来 6 个月内,至少还会有 1 家前沿模型公司(Anthropic、Mistral、xAI 之一)把模型上架到非自有的第三方云市场,模型分销的跨云化成为行业惯例。
证伪条件:若 2027 年 4 月底前没有第二家前沿模型公司上架第三方云市场,则判断错误。
前沿模型开始跨云:算力、渠道与债务三者的边界被打穿;过去 AI 的资本结构像软件:轻资产、高毛利、靠订阅滚动。这四条线索说明它已经变成基础设施:模型公司需要云渠道分销,云厂商需要前沿模型填充货架,而两者都要靠股权与债务融资去购买芯片。SpaceX 为买英伟达芯片借 400 亿美元,是这条链最极端的样本——算力采购正在以债务形式进入非 AI 公司的资产负债表。Anthropic 推迟 IPO 则说明公开市场还没准备好为这种重资产结构付 2 万亿美元。;评估 AI 公司时要换一套指标:看算力采购承诺与债务期限的匹配度,而不是单纯看 ARR 增速。云厂商的 AI 收入口径也会被重估——分销第三方模型带来的收入毛利远低于自研模型,会拖累整体云业务的毛利率表现。