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

看多中期OpenAI待回访2026-11-09 提出 · 2027-02-07 回访

2027 年 6 月底前,AI Agent 安全(权限治理/行为审计)赛道将出现至少一笔金额达到或超过 10 亿美元的并购或融资。

证伪条件:若 2027 年 6 月 30 日前,该细分赛道未出现任何单笔金额 ≥ 10 亿美元的交易,则判断错误。

安全能力正在被模型公司直接产品化;三件事从两侧夹击传统安全厂商:模型公司从能力端把“找漏洞”变成按任务计费的商品,安全厂商则从治理端用并购抢占“Agent 权限与审计”这一新品类。结果是安全预算被切成两半——可被模型替代的检测类支出被压缩,而无法被模型替代的治理与合规支出被放大。这也解释了为什么 Clutch 成立不久就能拿到近 5 倍溢价:稀缺的不是能力,是嵌入流程的位置。;企业 CISO 的采购清单需要重排:优先买可审计、可追溯的治理层,其次才是检测层。安全创业者应避免做“模型能直接替代的检测功能”,转向权限、身份、行为审计等需要深度嵌入客户流程的方向。

看多中期阿里巴巴 · 09988.HK待回访2026-11-09 提出 · 2027-02-07 回访

【国外信号传导】Agent 正在吃掉代码托管与开发者入口:AI 编程的瓶颈已经从“模型写得好不好”转移到“写完往哪放、谁来审、怎么合并”。代码托管不是普通工具,它是所有开发行为的记录层与权限层——谁掌握它,谁就掌握 AI 生成代码的审计权与分发权。三家模型公司同时动手,本质是在为“AI 写大部分代码”的未来抢占记录层。微软同时是 GitHub 的所有者与 OpenAI 的投资方,这一冲突会成为拆分的导火索。 ⇒ 阿里巴巴(看多):阿里云效与通义灵码构成“托管 + 模型”闭环,且阿里云本身承载大量企业私有代码,海外平台动荡会加速国内企业把研发链路迁回本土云。

看多中期腾讯 · 00700.HK待回访2026-11-09 提出 · 2027-02-07 回访

【国外信号传导】Agent 正在吃掉代码托管与开发者入口:AI 编程的瓶颈已经从“模型写得好不好”转移到“写完往哪放、谁来审、怎么合并”。代码托管不是普通工具,它是所有开发行为的记录层与权限层——谁掌握它,谁就掌握 AI 生成代码的审计权与分发权。三家模型公司同时动手,本质是在为“AI 写大部分代码”的未来抢占记录层。微软同时是 GitHub 的所有者与 OpenAI 的投资方,这一冲突会成为拆分的导火索。 ⇒ 腾讯(看多):腾讯同时拥有 CODING 研发效能平台与 CodeBuddy 编程助手,海外代码托管平台出现限流与中立性危机时,其一体化方案在国内大客户中的替代价值被重估。

看多长期小米 · 01810.HK待回访2026-11-08 提出 · 2027-08-05 回访

【国外信号传导】物理 AI 从通用人形转向重载工业,钱开始投「能干活」的场景:四个碎片共同指向评价体系的切换:从「机器人能做什么动作」转向「设备在真实场景里跑了多少小时、单台是否赚钱」。易博图用百台级运营规模做验证,Physicl 专攻仿真到现实的迁移成本,丰田把机器人提升到与整车并行的组织层级,特斯拉则用产线腾挪说明自动驾驶与物理 AI 共享同一套制造与数据资产。资本愿意为可运营付费,而不愿再为演示付费。 ⇒ 小米(看多):小米汽车工厂与自有机器人团队为重载与产线物理 AI 提供真实场景与供应链能力,工业侧落地会强化其「制造 + AI」的估值叙事,形成差异化于人形概念的路径。

看多长期优必选待回访2026-11-08 提出 · 2027-08-05 回访

【国外信号传导】物理 AI 从通用人形转向重载工业,钱开始投「能干活」的场景:四个碎片共同指向评价体系的切换:从「机器人能做什么动作」转向「设备在真实场景里跑了多少小时、单台是否赚钱」。易博图用百台级运营规模做验证,Physicl 专攻仿真到现实的迁移成本,丰田把机器人提升到与整车并行的组织层级,特斯拉则用产线腾挪说明自动驾驶与物理 AI 共享同一套制造与数据资产。资本愿意为可运营付费,而不愿再为演示付费。 ⇒ 优必选(看多):重载工业物理 AI 融资升温会带动二级市场对已上市具身智能标的的重估,优必选在工业巡检与物流场景的订单能见度提升,估值锚从技术叙事转向交付量。

看多长期特斯拉 · TSLA待回访2026-11-08 提出 · 2027-08-05 回访

2027 年内,国内重载工业物理 AI 的常态化运营设备规模将突破 1000 台,且至少一家公司公开披露单场景正毛利。

证伪条件:若 2027 年底前公开可查的重载物理 AI 常态化运营规模仍低于 500 台,或没有任何公司披露单场景正毛利,则本判断错误。

物理 AI 从通用人形转向重载工业,钱开始投「能干活」的场景;四个碎片共同指向评价体系的切换:从「机器人能做什么动作」转向「设备在真实场景里跑了多少小时、单台是否赚钱」。易博图用百台级运营规模做验证,Physicl 专攻仿真到现实的迁移成本,丰田把机器人提升到与整车并行的组织层级,特斯拉则用产线腾挪说明自动驾驶与物理 AI 共享同一套制造与数据资产。资本愿意为可运营付费,而不愿再为演示付费。;创业者应把里程碑从「能力指标」改成「运营台数与单场景毛利」,这是当前能拿到产业资本的条件。投资人应重点核查现场维护成本与场景复制周期,这两项决定规模化速度。窗口期在 12~18 个月内,一旦头部公司跑出正毛利,后进入者将只能以被并购方式退出。

看多中期腾讯控股 · 00700.HK待回访2026-11-08 提出 · 2027-02-06 回访

【赛道传导·cloud-compute】算力资本开支与组织瘦身同时发生,超大规模厂商进入折旧消化期 ⇒ 腾讯控股:腾讯云第二梯队

看多中期阿里巴巴 · 09988.HK待回访2026-11-08 提出 · 2027-02-06 回访

【赛道传导·cloud-compute】算力资本开支与组织瘦身同时发生,超大规模厂商进入折旧消化期 ⇒ 阿里巴巴:阿里云国内公有云第一

看多长期海光信息 · 688041.SH待回访2026-11-08 提出 · 2027-08-05 回访

【国外信号传导】中国开源模型拿下美国企业开源支出的 89%,并向芯片层传导:逻辑链是三段式的:开源基座靠单位成本优势拿到海外企业采购份额(89%),份额带来现金流与生态位,生态位反过来定义硬件需求——DeepSeek 的 MoE 与稀疏化路线让显存带宽与互联的重要性超过稠密算力,于是国产芯片可以绕开先进制程的单点劣势。腾讯把研发平台也开源,进一步扩大这一生态的入口。这条链条的关键是它的自我强化性:模型越普及,硬件需求越明确,硬件越成熟,模型成本越低。 ⇒ 海光信息(看多):国产 CPU 与 DCU 组合在政企私有化部署中具备整机交付优势,开源模型本地化部署需求上升会直接拉动其推理算力出货,属于产业链直接受益环节。

看多长期寒武纪 · 688256.SH待回访2026-11-08 提出 · 2027-08-05 回访

【国外信号传导】中国开源模型拿下美国企业开源支出的 89%,并向芯片层传导:逻辑链是三段式的:开源基座靠单位成本优势拿到海外企业采购份额(89%),份额带来现金流与生态位,生态位反过来定义硬件需求——DeepSeek 的 MoE 与稀疏化路线让显存带宽与互联的重要性超过稠密算力,于是国产芯片可以绕开先进制程的单点劣势。腾讯把研发平台也开源,进一步扩大这一生态的入口。这条链条的关键是它的自我强化性:模型越普及,硬件需求越明确,硬件越成熟,模型成本越低。 ⇒ 寒武纪(看多):稀疏计算成为开源基座的主流架构选择后,专用推理芯片的性价比区间被打开,寒武纪在低精度推理侧的积累可直接对接这一需求,订单能见度提升。

看多长期DeepSeek待回访2026-11-08 提出 · 2027-08-05 回访

2027 年上半年,国产 AI 芯片在推理侧新增出货中,稀疏或低精度路线占比将超过 40%,且至少两家国产芯片厂商会披露来自开源模型生态的订单。

证伪条件:若 2027 年 6 月前无任何国产芯片厂商披露稀疏计算相关订单,或第三方统计显示推理新增出货仍以稠密 FP16 为主,则本判断错误。

中国开源模型拿下美国企业开源支出的 89%,并向芯片层传导;逻辑链是三段式的:开源基座靠单位成本优势拿到海外企业采购份额(89%),份额带来现金流与生态位,生态位反过来定义硬件需求——DeepSeek 的 MoE 与稀疏化路线让显存带宽与互联的重要性超过稠密算力,于是国产芯片可以绕开先进制程的单点劣势。腾讯把研发平台也开源,进一步扩大这一生态的入口。这条链条的关键是它的自我强化性:模型越普及,硬件需求越明确,硬件越成熟,模型成本越低。;国内算力链的估值锚应从「对标英伟达峰值算力」转向「每元推理成本」。芯片公司需要绑定主流开源架构做算子级优化;应用公司应把供应商可替换设计写进架构,以应对潜在的采购审查风险。这条逻辑的脆弱点是政策——一旦美国把模型采购纳入供应链审查,89% 会在一个季度内重估。

看多长期奇安信待回访2026-11-08 提出 · 2027-08-05 回访

【国外信号传导】OpenAI 用垂直专用模型加评测标准,切入高价值岗位:这四步是同一条路径:先用专用模型证明在具体岗位上的可测能力(1724 项漏洞、100 项实验任务),再用第三方红队与评测标准建立可信度,最后以投研、安全、生命科学这类高人力成本行业做商业化落地。关键变化是「评测」从营销工具变成了销售工具——企业采购需要可复现的分数来解释预算。这意味着模型竞争的门槛从跑分转向「能否交付可审计的岗位替代率」。 ⇒ 奇安信(看多):GPT-6 Cyber 验证了专用安全模型的付费路径,国内安全厂商手握政企客户与本土漏洞库,安全大模型采购预算有望在 2027 年集中释放,形成对标性重估。

看多长期OpenAI待回访2026-11-08 提出 · 2027-08-05 回访

12 个月内,网络安全与生命科学将成为 AI Agent 商业化收入占比最高的两个垂直领域,OpenAI 或 Anthropic 至少一家会单独披露这两个行业的收入或客户规模。

证伪条件:若 2027 年 11 月前两家均未单独披露安全或生命科学行业收入、且第三方调研显示这两行业占比未进前三,则本判断错误。

OpenAI 用垂直专用模型加评测标准,切入高价值岗位;这四步是同一条路径:先用专用模型证明在具体岗位上的可测能力(1724 项漏洞、100 项实验任务),再用第三方红队与评测标准建立可信度,最后以投研、安全、生命科学这类高人力成本行业做商业化落地。关键变化是「评测」从营销工具变成了销售工具——企业采购需要可复现的分数来解释预算。这意味着模型竞争的门槛从跑分转向「能否交付可审计的岗位替代率」。;垂直行业的 AI 预算会在 2027 年出现结构性转移:从「创新试验」转到「人力成本替代」。国内安全与医疗信息化厂商应尽快建立对应任务的评测集,否则会在客户比价时失去话语权;投资人应关注能出具第三方评测报告的应用公司。

看多中期百度 · 09888.HK待回访2026-11-07 提出 · 2027-02-05 回访

【赛道传导·personal-agent】国内 Agent 从模型竞赛转向工程竞赛:扩容、开源与稀疏算力三线并进 ⇒ 百度:文心+搜索入口,Agent 分发有基础

看多中期阿里巴巴 · 09988.HK待回访2026-11-07 提出 · 2027-02-05 回访

【赛道传导·personal-agent】国内 Agent 从模型竞赛转向工程竞赛:扩容、开源与稀疏算力三线并进 ⇒ 阿里巴巴:千问离交易最近:淘宝/支付宝/高德交易闭环,Personal Agent 规划已公布

看多中期腾讯控股 · 00700.HK待回访2026-11-07 提出 · 2027-02-05 回访

【赛道传导·personal-agent】国内 Agent 从模型竞赛转向工程竞赛:扩容、开源与稀疏算力三线并进 ⇒ 腾讯控股:微信生态最像 Muse:14亿月活+社交关系链+微信支付+小程序,入口与执行能力最全

看多中期腾讯控股 · 00700.HK待回访2026-11-07 提出 · 2027-02-05 回访

2027 年 Q1 前,国内至少一家头部云厂商会把 Agent 平台从按 token 计费改为按任务或席位计费,并公布单任务成本口径。

证伪条件:若 2027 年 3 月前主流国内云厂商的 Agent 产品仍全部按 token 计费、无席位或任务制定价上线,则判断错误。

国内 Agent 从模型竞赛转向工程竞赛:扩容、开源与稀疏算力三线并进;十倍扩容说明真实负载已超出发布预期,瓶颈从模型转向推理供给;LoopForge 开源说明单机提效已到天花板,竞争转入团队级工作流;稀疏计算融资则说明降低成本必须往芯片与编译层走。三条线合起来是国内 Agent 竞争的主轴切换:从「谁的模型分高」变成「谁能把单位任务成本压下来并塞进真实流程」。;对国内云厂商,Agent 平台的计费方式会先于模型能力发生变化;对企业采购方,合同里必须写清扩容响应与限流阈值。判断谁能跑出来,看它能否给出单任务成本曲线,而不是榜单排名。

看多长期海光信息 · 688041.SH待回访2026-11-07 提出 · 2027-08-04 回访

【国外信号传导】TorchTPU 与高通建仓:谷歌同时在拆 CUDA 的软件墙和硬件的单一供应:开源 TorchTPU 解决的是「换硬件要重写代码」的软件门槛,建仓高通补的是端侧与边缘推理的硬件短板,2000 亿美元资本开支与人力买断则是把预算从人转向算力的财务动作。三者合起来是一次结构性押注:算力优势将从单一厂商的芯片性能,转移到谁能提供最多可替换后端的软件生态。 ⇒ 海光信息(看多):同为非 CUDA 路线,框架层兼容性提升后,国产加速器在推理侧的价格优势才能兑现,海光的软件栈投入回报周期随之缩短。

看多长期寒武纪 · 688256.SH待回访2026-11-07 提出 · 2027-08-04 回访

【国外信号传导】TorchTPU 与高通建仓:谷歌同时在拆 CUDA 的软件墙和硬件的单一供应:开源 TorchTPU 解决的是「换硬件要重写代码」的软件门槛,建仓高通补的是端侧与边缘推理的硬件短板,2000 亿美元资本开支与人力买断则是把预算从人转向算力的财务动作。三者合起来是一次结构性押注:算力优势将从单一厂商的芯片性能,转移到谁能提供最多可替换后端的软件生态。 ⇒ 寒武纪(看多):TorchTPU 证明非 CUDA 后端可原生接入 PyTorch,国产加速器若同步适配,可显著降低客户迁移成本,把「国产替代」从政策驱动变成工程可行。

看多长期谷歌 · GOOGL待回访2026-11-07 提出 · 2027-08-04 回访

2027 年上半年,PyTorch 主线将把 TPU 或另一非 CUDA 后端纳入一等公民支持,主流开源模型的迁移成本下降 30% 以上。

证伪条件:若 2027 年 6 月前 PyTorch 主线仍未合并任何非 CUDA 后端的一等支持代码,则判断错误。

TorchTPU 与高通建仓:谷歌同时在拆 CUDA 的软件墙和硬件的单一供应;开源 TorchTPU 解决的是「换硬件要重写代码」的软件门槛,建仓高通补的是端侧与边缘推理的硬件短板,2000 亿美元资本开支与人力买断则是把预算从人转向算力的财务动作。三者合起来是一次结构性押注:算力优势将从单一厂商的芯片性能,转移到谁能提供最多可替换后端的软件生态。;对云厂商与大型甲方,硬件议价窗口首次真正打开,应在下一轮算力合同前完成至少一次非英伟达后端压测;对国产加速器厂商,这是可复用的生态捷径,适配优先级应高于纸面算力指标。

上一页第 4 / 20 页 · 共 388 张预判卡下一页