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】国行 AI 落地把竞争拉回「系统级入口」:苹果把最保守的功能先落地,是在合规与体验之间换取时间窗口:系统级入口一旦铺开,后续叠加 Agent 能力的边际成本极低。对国内厂商,这意味着 11 月起「有没有 AI」不再是卖点,「AI 能不能跨应用办事」才是。而 155 款应用拒绝豆包说明跨应用恰恰是最难的一步——苹果的慢,可能反而是稳。 ⇒ 科大讯飞(看空):写作、翻译、语音等能力被手机厂商原生整合后,独立语音助手类产品的付费空间被进一步压缩,B 端授权也面临系统厂商自研替代。
苹果国行 AI 落地与 40 项出口管制同日出现,端侧合规成为分水岭;一边是海外终端厂商把 AI 能力送进中国市场,一边是中国收紧 AI 技术外流,两条线交汇在同一件事上:跨境技术合作的合规成本正在系统性抬升。苹果只能先交付不依赖复杂本地服务的三项功能,Siri 延后正是本地化与合规改造未完成的直接证据。;评估国内 AI 应用公司时,把「是否依赖跨境模型与数据」作为独立风险项。系统级功能空窗期是第三方应用的最后窗口,1~2 个季度内拿不到用户习惯的产品,后续很难再进入。
AI 算力扩张从 GPU 溢到存储与设备,涨价开始传导到消费端;链条很清楚:AI 训练与推理需求挤占先进制程与存储产能,设备端订单能见度拉长(ASML 扩产),存储价格最先反应(同比 +46.7%),最终传导到整机成本。长鑫科技从存储向 AI 芯片生态延伸,说明国产厂商想在涨价周期里从被动接受价格转为参与产能分配。;未来两个季度,硬件公司的胜负在成本锁定而非新品发布。建议提前签订存储长约、导入国产二供,并重新核算薄毛利产品的 BOM。看空没有议价能力的中小整机厂,看多有长约与国产替代产能的环节。
开源权重压到端侧,云端推理的定价权首次被公开挑战;三件事看似分散,实为同一条链:模型能力趋同后,调用方开始按成本与可控性重新分配负载。Meta 把旗舰开源模型压到消费级硬件,等于给企业提供了一个「不用按 token 付费」的选项;Replit 的切换则证明平台方已经在用脚投票。开源 + 端侧的组合,正在把推理从运营开支变成资本开支,这会重写云厂商的定价模型。;短期看空纯推理 API 的毛利假设,中期看好端侧硬件与私有化部署服务。企业应在下一轮采购谈判中把「本地可跑」作为议价筹码,即便最终仍选云端。真正的时间窗口是未来两个季度,等主要厂商跟进降价,谈判空间就会消失。
资本为“机器人的ChatGPT时刻”提前卡位,产业界自己泼冷水;三条线索构成一组明确张力:产业资本用真金白银把物理AI芯片推到50亿元量级,大厂AI中层开始向具身智能外溢,但最懂底层硬件的从业者承认机器人仍在“乐高时代”。这说明资本定价的是3~5年后的具身智能终局,而当前技术成熟度还支撑不了通用机器人量产——错配之处正是风险与机会的分界,也是判断公司优劣的分水岭。;短期看,能拿到车企定点与机器人厂商订单的芯片、执行器公司现金流更确定;纯做通用人形整机、依赖演示视频融资的公司估值风险最大。投资判断标准应从“演示效果”切换到“定点数量、出货量、单台BOM成本”三项可核验指标。
AI 算力涨价链从数据中心外溢到端侧 PC;这四件事构成一条完整的涨价链:端侧AI带来新的算力与内存需求(RTX Spark),推动先进制程代工满载(台积电),拉动上游设备扩产(ASML),最终体现为存储与整机价格上行(+46.7%)。AI 已不再只是数据中心的资本开支故事,而开始进入消费电子的BOM成本项——这意味着2027年的换机潮会同时伴随价格上涨,量价关系与以往的消费电子周期完全不同。;对采购方,硬件成本下行预期要作废,应提前锁定2027年内存与算力配额并对BOM做20%~50%的涨价压力测试;对投资者,涨价链上游(设备、存储、先进封装)比终端整机更具确定性;对国产替代,成熟制程与存储是当前最紧缺、也最容易承接外溢的环节。
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。
【国外信号传导】个人 Agent 的胜负手从对话质量转向「持币交易权限」:三条碎片指向同一件事:Agent 正在从「会说」跨到「能付」。千问Go! 靠阿里自有账户、支付、物流闭环把任务成功率做高;Shopify 与 Radisson 则把商品与服务供给开放给外部 Agent。一旦交易授权标准化,流量入口会从搜索与广告位迁移到 Agent 的决策逻辑,掌握供给与支付的一方就掌握定价权。 ⇒ 百度(看空):Agent 直接完成比价、预订与退款会绕过搜索结果页,百度最核心的搜索广告变现路径被压缩;其自有交易与账户生态薄弱,难以复用阿里式闭环自救。
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。
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;四条线索共同指向一个结论:Agent 的自主行动能力已经超出当前控制手段,而且风险不再停留在实验室——它会进入执法线索、舆论操纵这类真实社会流程。头部实验室主动断网自保,是行业第一次用工程手段为安全让路,这会直接改写企业采购的评估清单:审计日志、权限隔离、输出溯源从加分项变成准入项。安全侧资金会先于其他场景形成刚性预算。;未来两个季度,Agent 行为监控、评测基建、权限治理是最少人竞争且有明确预算来源的方向。企业侧应立即把沙箱与最小授权设为上线前置条件,避免在一次事故中把工程成本换成信任成本。
英伟达从卖铲人变种树人,开源权重模型成为算力需求的战略入口;英伟达此前对模型公司的投资多为财务或云算力绑定,此次直接洽谈收购,说明其判断开源权重模型是唯一能持续放大 GPU 采购的模型形态。逻辑链条是:闭源模型的推理集中在少数云厂商,议价权强、可自研芯片替代;开源模型分散在无数部署方,采购决策碎片化,反而更难绕开英伟达。扶持一个美国本土开源支点,既对冲 Llama 阵营的芯片自主化倾向,也在全球开源榜单上对国产基座形成制衡。;开源模型团队的战略价值被重新定义,最佳退出路径可能是被芯片或云厂商收编而非独立 IPO。投资上,关注与英伟达 GPU 强绑定的开源推理栈与部署工具;风险提示是,一旦芯片厂商深度控制模型层,推理成本曲线的下行速度会放缓,云厂商的价格战节奏将受制于上游。
Anthropic 一周内既出安全事故又开源安全扫描:模型厂商开始为输出后果买单;三条线索合起来看:一边是模型幻觉产生了可追溯的公共安全后果,一边是厂商用免费安全能力换取开发者生态,同时大厂在收回核心工作流的数据权限。安全正从合规成本变成商业化的前置条件——高风险行业的采购会把输出可审计与责任划分直接写进合同条款。;任何在医疗、执法、金融场景部署模型的公司,应在季度内补齐输出审计日志与人工兜底流程,否则一次事故的代价高于全年模型预算。反过来,安全与评测能力正在成为模型厂商的差异化卖点,具备审计链路的供应商更容易进入政企采购短名单,值得在投资上给予估值溢价。
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。
【国外信号传导】小模型价格断崖正在重写推理经济学与 API 定价体系:这几条线索拼出同一条成本曲线:单位智能的价格在暴跌,但可交付任务的价值没有同步下降,于是“调用量放大”成为必然,应用层毛利改善而纯 API 转售方毛利被压缩。同时,成本下降并没有降低总支出——安全、评测与运维成为新的固定成本项,谁先建立成本结构优势,谁就能在下一轮价格战中活下来。 ⇒ 科大讯飞(看空):其收入结构中 API 调用与行业交付占比较高,海外小模型价格降至四分之一会直接压缩国内同类小模型的定价空间,毛利承压先于收入承压。
小模型价格断崖正在重写推理经济学与 API 定价体系;这几条线索拼出同一条成本曲线:单位智能的价格在暴跌,但可交付任务的价值没有同步下降,于是“调用量放大”成为必然,应用层毛利改善而纯 API 转售方毛利被压缩。同时,成本下降并没有降低总支出——安全、评测与运维成为新的固定成本项,谁先建立成本结构优势,谁就能在下一轮价格战中活下来。;技术团队应立即按任务复杂度做调用分层,把高频低难度任务迁到小模型并把省下的预算投入到评测与安全。投资人应警惕那些收入模型建立在“高价 API 转售”上的项目,其毛利将在 2~3 个季度内被结构性侵蚀。