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
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 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。
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。
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。
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。
企业 AI 的真瓶颈是工程人力,不是模型能力;两家最大的模型公司同时把预算投向「人」而非「模型」:Anthropic 砸 1 亿美元培训工程师,OpenAI 向中小企业铺培训,而 Chatham 把交易校验效率提升 7 倍以上,成为可被引用的落地样板。这说明企业 AI 的转化漏斗卡在「没人能把模型接进流程」,模型能力已不是稀缺项,交付方法论与工程人力才是,谁先解决谁就先拿到续约与增购。;做企业 AI 的公司应把交付方法论产品化:模板库、行业提示工程、上线周期与 ROI 度量四件套,把落地周期压到 4~8 周。投资侧可用「客户侧上线工程师数量」作为比 ARR 更领先的判断指标,同时警惕纯人力交付模式的规模天花板。
个人 Agent 从「能聊天」切换到「常驻在线加本地权限」;三条碎片指向同一件事:Agent 的竞争维度已从模型能力转向「谁能长期在线、谁能拿到系统权限」。OpenAI 用云端电脑解决在线时长,腾讯用应用宝的分发与本地权限解决落地,苹果则用权限收紧把风险成本外部化。这意味着常驻时长与权限通道正在取代参数量,成为个人 Agent 的核心资产;而一旦系统层开始限制权限,没有自建入口的第三方 Agent 会被结构性挤压。;做个人 Agent 的团队应尽快把权限申请路径与长时运行成本写进产品架构,并预设系统权限收紧后的降级方案。投资侧可关注能提供 Agent 沙箱、权限代理与云端常驻算力的基础设施标的,而非又一个通用助手;国内应重点跟踪拥有系统级入口的公司。
前沿模型的分发正在「准入化」,通用开发者的免费红利期结束;四条消息的共同指向是:模型厂商正在从「卖能力」转向「筛客户 + 防外流」。准入名单决定谁有资格用最强模型,涨价与额度控制决定谁能付得起,Codex Harness 开源决定谁留在自己的工具链里,反蒸馏则是在掐断「用你的输出训练我的模型」这条捷径。四道闸门同时落下,说明前沿模型的供给方已经具备定价权,不再需要用免费或低价换份额。;对企业采购,应在续约前补上「模型版本变更与访问受限」的通知期条款,并准备可替换的B角模型;对创业者,把核心能力建立在对单一海外模型 API 的调用上是高风险的,应尽快把差异化沉淀到数据、工作流与评测集上,这些是模型厂商收走的。
安全对齐成为模型准入的新闸门,能力越强越由评估决定发布与否;四条线索指向同一趋势:模型能力越过网络安全阈值后,能不能放出来由安全评估而非产品节奏决定。谷歌用准入分级控制风险扩散,OpenAI 用内部安全闸门调节代际发布节奏,Anthropic 用红队报告把竞争对手推到聚光灯下。安全能力正在从成本中心同时变成竞争工具和准入门槛,而蒸馏防御则说明连模型输出本身都开始成为被保护资产。;企业采购前沿模型时,把是否提供可审计的安全评估与护栏文档写进供应商清单;使用开源权重模型做安全相关产品的团队应自行补齐拒绝策略与输出过滤,一次公开事故就足以断掉政企与海外订单,而这项投入现在做成本最低。
AI 估值的一级与二级背离正在显性化;三条线索指向同一件事:一级市场仍在用「算力与能力领先」给 AI 公司定价,而公开市场开始要求看到盈利路径与治理结构。OpenAI 把大额融资放在 IPO 之前,本质是回避公开市场的定价约束;Anthropic 则选择把风险摊在阳光下主动接受检验。Oura 暂停 IPO 说明非 AI 核心资产在当下窗口融资难度上升,资金正被 AI 叙事抽走。这三件事共同说明:AI 资产与非 AI 资产的资本待遇分化,已经大过 AI 资产内部的分化。;未来 6 个月是估值分水岭。建议投资人对手中 AI 资产做「能否独立支撑二级市场估值」的压力测试,对无法通过的项目提前设计并购退出或老股转让;创业者若计划 2027 年前后上市,现在就要准备可披露的收入结构与治理文件,临时补做的成本极高。
Agent 从「工具」变「雇员」,最先赚钱的是身份与权限层;这四条线索指向同一个变化:Agent 的执行权正在从人手上转移到常驻进程上。一旦自动化动作能代替用户下单、付款、改文件,交易对手与企业合规部门就必须先回答「这个动作是谁授权的」。模型能力越强、托管时间越长,验证需求越是刚性,而这层需求不依赖模型厂商的善意,是外部强制性需求。OpenAI 自己把安全列入发布类别,等于承认这层外部性无法内部消化。;未来 12 个月,Agent 身份与会话审计大概率成为企业采购的准入项而非加分项。可操作方向:关注做 Agent 身份验证、操作审计日志、权限回收中间件的早期公司,尤其是已经有金融客户验证场景的团队;同时警惕只做「Agent 编排」而无信任层能力的产品,其估值会被压在应用层而非基础设施层。
自主运行时长,正在取代模型分数成为新的能力刻度;这几件事的公共变量不是参数,而是「能跑多久」与「跑在哪」。Claude 与求是引擎比拼的是长时间自主运行的稳定性,OpenAI 的暂停说明时长同时是风险暴露窗口,而 Colibrì 的本地推理把长时任务的成本压到可承受区间。三件事合起来说明,能力评价重心正从单点基准分数转向「单位成本下可持续自主工作的时长」,这恰好也是付费意愿最集中的地方。;团队设计 Agent 产品时,应把长时运行成功率、失败恢复与成本上限列为一级指标,而不是追求单轮回答质量;科研与工业场景可优先布局 24 小时以上的常驻 Agent 任务,这类任务的付费意愿与竞争密度目前严重不匹配,先做的人会拿到基准定义权。