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】端侧开源联盟成型:Meta 借苹果硬件,蚂蚁压单位成本:四条线索指向同一件事:AI 的分发重心正从云端API向端侧设备与本地推理迁移。Meta 用开源换硬件装机量,苹果用外部模型补齐能力缺口,蚂蚁用极致单价打穿企业预算门槛——三者共同把“模型能力”变成可替换的公共品,真正稀缺的变成设备入口、内存供给与推理成本控制力。当模型本身不再稀缺,价值链的利润必然向两侧转移。 ⇒ 阿里巴巴(看多):拿到苹果国行默认模型位,通义千问从云API走向十亿级终端分发,是最直接的分发红利受益标的
【国外信号传导】谷歌双线推进:把 Gemini 塞进交易闭环,同时把量子错误率压低 40 倍:谷歌同日推进两件性质完全不同的事:一件把模型能力变成交易佣金,解决当期收入;一件把量子纠错推进到更接近工程可用的区间,押注十年后的算力范式。放在一起看,其策略是用搜索与电商现金流供养长周期基础研究。OpenAI 的治理事件则提醒所有大厂:能力越强,外部性成本越高,安全投入会成为算力之外的第二个固定支出项。 ⇒ 阿里巴巴(看多):淘宝与千问的 AI 购物助手是对标形态,谷歌验证「对话直接成单」的闭环后,国内电商的 AI 导流价值与转化率会被重新评估,具备模型与交易双闭环的平台受益最直接。
【国外信号传导】Agent 战场从编码工具扩散到通用工作流与手机系统层:编码 Agent 是最先跑通付费的场景,如今这套能力被横向复制:Amp 做知识工作、Reflex 做个人助手、STEPX 把 Agent 塞进手机系统层,学界同时给长任务补上评测标准。四件事合起来说明竞争焦点已从「模型会不会写代码」转向「能不能在几十步的长流程里持续不出错」,而评测标准的出现通常是规模化交付的前置条件。 ⇒ 阿里巴巴(看多):夸克与通义在个人 Agent 上的产品线国内最完整,海外 Agent 从编码扩散到通用工作流的叙事会直接抬升其应用层估值,并强化其「模型+入口」的一体化定位。
【国外信号传导】开源权重集体下沉端侧,Mac 与 AI PC 正在变成新的模型分发渠道:三条线索指向同一件事:模型的分发权正从云端 API 转向终端。Meta 用开放权重换 Mac 端装机量,苹果借第三方模型补齐端侧能力,英伟达与微软把算力前置到笔记本。当开源权重、端侧芯片与系统级适配三者同时成熟,闭源 API 的按 token 计费在个人场景会被绕开——用户不必上传数据也能跑强模型,云端只处理重任务。 ⇒ 阿里巴巴(看多):通义千问开源系列在国内端侧装机量最大,Meta 与苹果验证「开源权重+端侧优化」路线后,Qwen 在手机与 PC 侧的适配价值会被重估,开源生态的话语权直接转化为云与芯片合作议价能力。
【国外信号传导】大模型行业进入「盈利验证期」,估值锚从融资额切向收入质量:把四条线索放在一起看:一级市场同时出现「最大的融资」与「第一份盈利财报」,这不是矛盾,而是行业分层。Anthropic 用收入和盈利证明商业模式成立,DeepSeek 用千亿元融资证明基座建设仍需巨额资本,谷歌则用编程场景争夺最优质的付费用户。三者共同指向一个判断——大模型竞争的评判标准正从「谁融得多」切换到「谁的推理收入能覆盖训练摊销」,而这需要企业在基座与高毛利场景两端同时成立。 ⇒ 阿里巴巴(看多):千问已把模型能力嵌入办公与电商链路,是最接近「高毛利场景覆盖训练成本」模型的国内标的,海外盈利样本验证后其商业化叙事的可信度提升。
【国外信号传导】Agent 竞争焦点已从单步能力转向长时稳定性与成本治理:四件事看似分属不同公司与市场,实则指向同一条曲线:智能体的单步能力已不再是瓶颈,能否连续运行数十小时、失败可定位、成本可预测成为新的分水岭。OpenAI 用长时任务案例证明能力上限,腾讯则用可观测中心解决规模化的管理问题——一个从能力侧、一个从治理侧同时逼近同一个结论。这意味着接下来一年 Agent 的真实差距将体现在工程稳定性上,而非模型榜单分数。 ⇒ 阿里巴巴(看多):千问办公与电商版由近百人团队开发,走与腾讯相同的场景嵌入路线,若能复用阿里内部的交易与办公数据闭环,Agent 的替换成本将显著高于通用助手。
【国外信号传导】模型能力验证从刷榜转向可机器核验:三件事共同指向评测范式迁移:Lean 证明可由机器逐步核验,perturber 揭示真实输入是带扰动的,Ironclad 则把评测放进有法律后果的真实工作流。当验证成本下降、刷分空间被压缩,模型的定价依据会从榜单排名转向「特定任务的可核验成功率」,闭源模型的溢价空间随之收窄。 ⇒ 阿里巴巴(看多):通义千问以开源版本积累生态,若行业评测转向可核验能力,开源可复现路线更容易获得开发者与政企客户认可,通义开源生态的位置将被抬升。
【国外信号传导】国产模型把「吞吐」当成新卖点:海外在比谁的能力上限更高,国内在比谁的单位成本更低、吞吐更大,这不是技术落后而是算力约束下的理性选择。智谱的 490 tokens/s、小米的 Token 账本、长鑫的 4F² 服务器产品,分别对应推理软件、训练工程与内存硬件三个降本杠杆。当三条线同时推进,国产模型在同等预算下可服务的并发量会显著提升,中长尾客户的付费门槛随之下移。 ⇒ 阿里巴巴(看多):通义系列若在吞吐与单位成本上建立优势,可借阿里云把低价高并发推理卖给中长尾客户,形成区别于闭源旗舰的定价权,并带动云资源复购。
【国外信号传导】国内 AI 融资转向「重资产 + 可算账」:四条线索的共同点是可算账:无人配送算单车运营成本,体育硬件算设备销量与复购,游戏 Mod 算内容留存,小米算后训练 Token 账本。当模型能力不再稀缺,资本开始要求每个 AI 项目说清单位经济模型;地方国资的进入进一步把评估标准从增长率切换到就业、税收与本地产业链带动,这也解释了为何重资产项目反而更容易拿到大额资金。 ⇒ 阿里巴巴(看多):无人配送与 AI 硬件规模化后,本地生活履约与云侧推理需求同步上升,平台方在订单入口与算力供给两侧都能受益,且能沉淀履约数据。
【国外信号传导】Meta 回到前沿牌桌,前沿模型从双寡头变三强:Meta 从轻量 Spark 跳到旗舰 Wonder,等于承认在低延迟路线上赢不了,只能回到参数与基准分的正面战场;OpenAI 则在模型版本之外同时推进广告变现,先给推理成本找到出口。两者叠加的效果是前沿模型的代差窗口被压缩,供给方从两家变三家,买方在价格、迁移与合规上第一次有了真实选择权,API 转售与套壳应用的毛利空间被同步压缩。 ⇒ 阿里巴巴(看多):前沿模型供给增加压低 API 价格,通义可在开源与低价上强化性价比优势,加速国内企业从闭源旗舰向可自部署方案迁移,云侧调用量随成本下降而放大。
【国外信号传导】智能体从「能力竞赛」转向「可控性竞赛」:四件事指向同一条曲线:智能体一旦获得执行权限,风险就从「答错」变成「做错」。Anthropic 的应对是把评测环境与网络物理隔离,OpenAI 的应对是把隐私与品牌安全做成可售卖的产品能力。两者都在把可控性从合规成本改写成差异化卖点。这意味着下一阶段的智能体竞争,评测隔离、权限审计与可回滚执行会成为与模型分数同等重要的采购指标。 ⇒ 阿里巴巴(看多):通义与夸克体系正把智能体接入电商与本地生活执行链路,可控性与审计能力是关键准入条件,补齐安全能力后可承接政企与品牌客户的高合规订单,形成对纯模型厂商的交付优势。
【赛道传导·foundation-model】规模化强化学习正在把大模型变成资本开支游戏 ⇒ 阿里巴巴:通义千问国内基座第一梯队
【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。 ⇒ 阿里巴巴(看多):Qwen 被微软选作后训练底座,等于全球顶级厂商为其技术能力背书,通义开源生态的标准地位被强化,云业务可借此获得海外开发者信任加成。
【赛道传导·ai-application】Agent 失控从个案变成公开承认,安全与评测基建进入刚性采购期 ⇒ 阿里巴巴:通义应用矩阵+电商场景
【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。 ⇒ 阿里巴巴(看多):Qwen 被微软选作后训练基座,是国产模型首次进入美国大厂生产链路,直接提升其海外开发者采用率与云服务引流能力,属于比榜单排名更具说服力的生态证据。
【国外信号传导】个人智能体成为巨头同步押注的入口战争,时间差只剩一到两个季度:这四条线索指向同一件事:个人智能体的竞争已经从模型能力转为系统权限与入口控制。Meta 靠硬件与社交关系链率先给出范式,国内巨头则用国民级 App 内的高频交易闭环(支付、出行、本地生活)反向包抄。隐私承诺被反复提及,恰恰说明行业清楚权限是用户最大的顾虑,谁先在可控授权上建立信任,谁就能更早拿到操作系统级权限。 ⇒ 阿里巴巴(看多):支付宝与饿了么、高德构成的高频交易链同样适配智能体接管,且其 Qwen 基座已被外部大厂用作后训练原料,模型与场景两端同时受益。
【国外信号传导】企业级 Agent 三线并进:谷歌 Gemini Agent、OpenAI computer use、国内开源 AgentOS 同时落地:三家在不同层面做同一件事:把 Agent 从 demo 推到企业采购清单。谷歌从席位绑定渗透率、OpenAI 从高价值工作流(合同)切入、国内用开源降低接入门槛。共同卡点是评估与可靠性——没有可量化的成功率,企业不会把核心流程交出去,这也是 Ironclad 类联合评估合作真正的意义。 ⇒ 阿里巴巴(看多):钉钉加通义是企业 Agent 的天然落点,开源 AgentOS 会加速国内企业自建意愿,阿里可通过算力与模型调用承接这部分新增需求。
【国外信号传导】开源生态正在被大厂收编为安全责任与分发通道:大厂正在用免费安全、算力赞助和政策条款,把自己绑定为开源生态的默认基础设施层。表面是公益,实质是争夺开发者默认路径与模型调用的上游入口:谁提供安全扫描,谁定义安全标准;谁赞助发行版,谁获得默认模型位。开源因此从“中立公共品”变成竞争前置阵地。 ⇒ 阿里巴巴(看多):通义千问是国内最大的开源模型分发方,海外免费安全扫描与开源资本升温会降低开源采用门槛,扩大其模型分发与阿里云推理消耗,形成分发换云收入的闭环。
【赛道传导·ai-application】资本从通用助手转向行业流程与评测标准 ⇒ 阿里巴巴:通义应用矩阵+电商场景
【国外信号传导】通用 Agent 从演示走进后台执行层,入口争夺上移到操作系统:这四条线索指向同一个门槛被跨过:Agent 从“需要人盯着演示”变成“可在后台稳定执行”。成本下降使高频调用在经济上成立,能力提升使任务完成率可交付,交互层升级则让“执行结果”直接呈现为可操作界面。三者叠加后,竞争不再是模型能力高低,而是谁拿到系统级执行权限与默认入口。 ⇒ 阿里巴巴(看多):通义、夸克、钉钉覆盖办公与消费双入口,跨应用执行能力可复用其既有账号与支付体系,是海外 Agent 路线最直接的对标标的。