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】企业 AI 支出走平,token 计价模式进入失效期:四件事指向同一个失衡:供给侧在以上市公司体量投入算力(谷歌 2000 亿美元、OpenAI 1.25 万亿美元估值),需求侧的企业支出却已经走平。原因不是没人用,而是单价下行速度快于用量增长,同时企业开始设预算上限。当单位价格持续下降,按 token 计费会让供应商的收入与客户的节省直接对冲,收入曲线必然钝化。这解释了为什么谷歌要在资本开支高峰同时做组织瘦身——它已经在为毛利压力做准备。 ⇒ 百度(看空):文心一言收入结构中 token 调用计费占比高,企业预算收紧与价格战叠加会同时压低单价与毛利,在向按结果计费切换的过程中缺少企业级交付能力缓冲。
【国外信号传导】ChatGPT 搜索量达谷歌 20%,对话式入口开始侵蚀搜索广告的根基:20% 的查询量只是表象。LifeVal 说明 OpenAI 在把「查询」推进到「代办」,一旦 Agent 能替用户完成任务,变现方式会从关键词竞价变成交易佣金与结果位,单位流量价值远高于搜索广告。Model Spec 强调忠实于用户意图,本质也是在为「可信代办」建立品牌前提,这是搜索公司最难防守的一层。 ⇒ 百度(看空):搜索广告是百度核心现金流,对话式入口分流 query 会直接压缩广告库存与单价;其对冲只能靠 Apollo 与文心 Agent 把流量转成任务型收入,转型期利润率承压。
2027 年 4 月之前,至少一家头部模型公司将以下修估值或可转债/结构化条款的方式完成新一轮融资,纯股权平价融资的窗口关闭
证伪条件:若 2027 年 4 月前 OpenAI 与 Anthropic 均以不低于上一轮估值完成纯股权融资,则判断错误
AI 资本出现裂缝:私募估值见顶,公开市场开始用信用定价;四件事指向同一件事:AI 资产的定价锚正在从「增长叙事」切换到「现金流与信用」。私募市场对 8000 亿美元以上单笔的承接力已见顶,公开市场则用评级打折,而英伟达的暴跌说明连最确定的卖铲人也不再被视为无风险资产。与此同时,中国走的是第三条路——用产业资本替代金融资本,把估值问题转化为产能协同问题。;投资人应立即下调对二线模型公司下一轮的估值预期,并在 term sheet 中为结构性条款(优先清算、分期到账)留出空间。持有算力股的机构需把「资本开支可持续性」纳入核心跟踪指标,而非只看订单。创业者则应提前准备 18 个月现金流,不要假设下一轮会在 12 个月内到来。
2026 年 Q4 财报季,至少两家头部云厂商的 AI 相关收入增速将低于其折旧摊销增速,触发第二轮估值下修。
证伪条件:若 2027 年 1 月底前,微软、谷歌、亚马逊的 Q4 财报中 AI 收入增速均高于折旧摊销增速,则此判断错误。
AI 资产从「叙事溢价」转向「现金流折现」;三条线索指向同一件事:AI 的资本开支曲线仍在上行,但收入曲线开始落后。谷歌的广告收入被自家 AI 概览侵蚀,是「AI 反噬现金牛」的第一个公开样本;英伟达的估值建立在云厂商资本开支的线性外推上,一旦广告侧失速,订单预期就会被打折;而 OpenAI 与 Anthropic 的融资/评级变化,则是一级与债权市场同步给出的折现率上调。二级市场的定价先动,一级市场通常滞后一到两个季度。;未来两个季度应重点看云厂商财报中「AI 收入增速 vs 折旧摊销增速」的剪刀差。若剪刀差持续为负,算力链的估值下修会从美股传导至 A 股与港股,国产算力标的也难以独立。持仓上应把「有明确付费客户」的应用层与「靠资本开支驱动」的硬件层分开对待。
【国外信号传导】OpenAI 把 Computer Use 打到 1 美元档,Agent 中间层被挤出利润区:降价、能力下放、企业入口三步合起来是一次挤压中间层的动作:当模型厂商自己把'看屏幕、点鼠标、跨软件完成流程'做成 1 美元级标准件,靠 prompt 编排与 RPA 封装收费的公司就失去定价权;而 Oracle 应用进驻 ChatGPT,则把企业软件的入口直接收归模型方。上游在压成本,下游在抢入口,中间层的利润空间被两头夹击。 ⇒ 科大讯飞(看空):其办公与政企场景的 Agent 封装大量依赖流程串联,通用 Computer Use 标准件出现后,中间层议价能力将被明显削弱。
未来 3 个月内,至少两家国内头部模型厂商会把带 Computer Use 能力的 API 价格下调 40% 以上,以对标 Terra 的 1 美元档。
证伪条件:若 2027 年 1 月底前阿里巴巴、百度、字节跳动均未推出对标降价的 Computer Use 接口,则判断错误。
OpenAI 把 Computer Use 打到 1 美元档,Agent 中间层被挤出利润区;降价、能力下放、企业入口三步合起来是一次挤压中间层的动作:当模型厂商自己把'看屏幕、点鼠标、跨软件完成流程'做成 1 美元级标准件,靠 prompt 编排与 RPA 封装收费的公司就失去定价权;而 Oracle 应用进驻 ChatGPT,则把企业软件的入口直接收归模型方。上游在压成本,下游在抢入口,中间层的利润空间被两头夹击。;做 Agent 的团队应立即把价值主张从'能操作软件'迁移到'持有行业数据 + 承担交付结果',否则 6 个月内会被标准件替代;企业 IT 应重算 RPA 与自建 Agent 的成本交叉点,尤其是此前因单价过高被否掉的流程。
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。;电商与联盟广告从业者需重新测算被 AI 助手截流的比例,把站内转化而非站外引流作为核心指标;金融与政务机构的加密迁移预算应提前排期到 2028 年前后,避免「先存后破」风险落地。
AI 监管从「调查」进入「诉讼」,安全与对齐成为组织级成本项;三条海外线索与一条国内线索指向同一趋势:AI 安全已从公关议题变成法律与准入议题。州级诉讼意味着赔偿责任可能被判例化,虚假影响力行动的处置意味着平台责任被前置,字节的部门升格与苹果的备案流程则说明国内选择用组织与准入手段提前消化风险。结果是安全与合规从「成本中心的可选项」变成「产品上线的前置条件」。;面向C端大众市场的 AI 产品应在本季度内完成青少年模式、内容溯源与申诉机制的搭建,否则在下一轮监管或诉讼中会处于被动。投资人评估消费级 AI 标的时,应把合规团队的规模与历史处置记录纳入尽调清单,这部分成本将在未来两年持续抬升。
AI 进入执法与安全流程,可靠性缺口先于能力见顶;四个案例把 AI 在高风险场景的两条边界画了出来:能被自动验证的任务(数学证明、告警研判)可以放心交给模型,不能被自动验证的任务(凶案线索、舆论真伪)必须保留人工复核。Sophos 的 96% 与 52% 之所以成立,是因为它保留了 human-in-the-loop;费城警方的事件之所以发生,恰恰是这条回路缺失。可靠性缺口不在模型分数上,而在流程设计上。;企业在把模型接入对外流程前应先判定任务是否「结果可自动验证」:可验证的直接自动化并压缩人力,不可验证的一律加人工复核卡点,并把复核记录留档以应对后续监管质询。这套判据可以直接写进采购合同与内部准入规范。
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。;企业应在未来两个季度内做一次多模型并行的成本-能力对照测试,把单一供应商依赖降到 60% 以下;投资方向应从模型层向数据层与工作流层迁移,因为模型同质化后,价值只会留在有独占数据与深流程的地方。
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。;未来 12 个月,无法提供权限边界与审计日志的智能体产品会在政企与大企业采购中被直接淘汰。现在就把沙箱、最小权限、全链路日志做进架构的团队,能拿到 B 端订单的准入资格,并把这部分能力作为报价理由而非成本负担。
【国外信号传导】多模态的能力上限被下放到最低价格档:把图像生成的一致性能力从 Pro 档下放到 Flash 档,本质是用成本曲线打击第三方图像模型的定价权;OpenAI 在广告里使用自研图像与视频模型,则说明多模态能力正从「卖 API」转向「内部降本」。两条线合起来意味着图像生成的单价会继续快速下行,价值向工作流与分发两端转移,中间层最危险。 ⇒ 商汤(看空):以视觉与多模态能力为核心的商业模式,正面承受基础模型能力下沉与降价的双重挤压,需尽快把收入结构转向行业交付与硬件绑定。
多模态的能力上限被下放到最低价格档;把图像生成的一致性能力从 Pro 档下放到 Flash 档,本质是用成本曲线打击第三方图像模型的定价权;OpenAI 在广告里使用自研图像与视频模型,则说明多模态能力正从「卖 API」转向「内部降本」。两条线合起来意味着图像生成的单价会继续快速下行,价值向工作流与分发两端转移,中间层最危险。;做图像与视频生成的中间层产品,需要在 1~2 个季度内把竞争点从「生成质量」迁到「批量一致性与工作流集成」,否则会被基础模型的能力下沉直接吞掉。定价策略上应尽早放弃按张计费,转向按工作流或订阅收费。
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。;对其算力供应商是短期利好、中期风险:订单继续扩,但若收入爬坡不及预期,长期算力承诺会被重新谈判。对国内厂商,这意味着对标 GPT-6 的能力不再是估值理由,付费留存与单位推理毛利才是。建议在本季度内把估值模型从用户数切换到单用户毛利。
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。;对采购决策者:把单价与合规清单并列为核心评分项,对开源模型额外要求护栏测试报告与部署方责任界定。对投资人:模型公司的估值模型需要加入「合规成本」与「监管处罚期望值」,Anthropic IPO 十倍估值分歧正源于此类变量无法锚定。对开源厂商:安全议题短期会抬高海外客户信任成本,但不会逆转生态扩散。
AI 生成内容进入可结算阶段:确权、分发、变现同时到位;AI 内容的商业闭环需要三块拼图:能结算的收入模型、能承载曝光的界面、以及能追溯来源的确权工具。爱奇艺的分账数据证明第一块已跑通(首周回本意味着成本结构发生质变),ChatGPT 的广告格式与归因工具提供了第二块,SynthID 则补上了第三块。三者同时出现,说明 AI 内容不再是流量噱头,而是开始进入可计量、可结算、可追溯的正常商业轨道。;对内容公司:优先选择有既有 IP 认知度、非写实审美的题材做 AIGC 试制,单部试错成本可控在百万级,用分账数据直接验证。对工具厂商:影视公司的稳定采购需求正在形成,但竞争会集中在后期与生成环节而非剧本。对平台方:确权工具一旦普及,「未标注 AI 生成」将迅速从灰色地带变成合规风险。
【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。 ⇒ 智谱(看空):被海外前沿实验室公开点名安全护栏缺失,会抬高其政企与海外客户采购的合规门槛,短期技术口碑获认可但商务成本上升。
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。;对有出海意图的国内模型与应用团队,建议立即准备红队报告、护栏设计与日志留存三件套,并在今年四季度完成一次可对外出示的评测。这件事拖延的代价不是排名下降,而是在客户尽调阶段直接被排除,且补做需要数月时间,很难在投标周期内追平。
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。;评估任何 AI 应用时,把「单用户月成本 / 订阅价」作为第一指标,超过 35% 即视为单位经济不健康。对云厂商而言这是确定性利好,因为常驻推理消耗的是不可压缩的在线算力;对应用层而言,能否把用户分层并让重度用户承担真实成本,将决定未来两年谁能活下来。
推理成本红利正在被厂商截留,而不是让给用户;成本曲线与定价曲线出现明显背离:推理的单位成本三年下降数千倍,但 OpenAI 选择在同一场发布会上涨价并砍额度,谷歌则用半价抢份额。这说明降本红利被厂商按竞争位置分配——份额落后者让利,份额领先者变现。对下游应用公司而言,毛利率改善不会自动发生,必须靠路由、缓存与级联设计把成本优势抓在自己手里。;应用公司应立即建立多模型路由与成本监控,把「单位任务成本」纳入产品核心指标;投资时应警惕那些把毛利率改善全部寄托在模型厂商降价上的公司,真正的护城河在工程侧而非采购谈判。