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
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。
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。
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。
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。
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。
资本开始用「IPO + 回购」双轨给 AI 定价;一级市场的高估值必须找到出口,于是头部模型公司走向公开市场、把成本结构摊开给投资人看;同时最赚钱的算力龙头选择用创纪录回购把现金还给股东。两条线合起来说明:AI 的钱正在从「讲故事阶段」进入「算账阶段」,能否说清单位经济性成为定价关键,而硬件类 AI 资产的溢价已率先被压缩。;未来 1~2 个季度,AI 相关招股书将成为最权威的行业成本数据库,值得逐份拆解推理成本、毛利率与客户集中度。对国内投资者,长鑫 349 亿元扩产的订单传导会先体现在设备与材料环节,但需警惕 2028 年前后的存储价格周期;回避只有叙事、没有可验证单位成本的标的。
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。
前沿模型进入跨代错位定价,单位智能成本开始腰斩式下行;两家顶级实验室在同一周把价格锚点打到上一代旗舰的 1/5 与 1/2,同时 Astra 因安全标准暂停迭代——说明能力提升的边际成本在下降,而安全评审开始成为发布节奏的闸门。定价不再是成本加成,而是用来抢占企业工作负载的武器:一旦某家模型成为企业默认调用对象,迁移成本会形成长期锁定。安全评审的介入则意味着产品排期将首次受制于合规节奏。;企业采购应在未来 1~2 个季度重谈按量价格与承诺量,并把季度可重议条款写进合同;依赖单一模型定价做毛利模型的团队需要立即重算;把安全评审周期作为产品排期的显性变量,避免上线计划被合规卡点打断。
AI 上市窗口正在分层:抢跑的与延期的同时出现;一边是 Anthropic 主动走进披露流程并把安全风险写进文件,一边是 Oura 因市场环境暂停发行、OpenAI 把时间推到 2027 年。差别不在公司质量,而在投资者能否看到盈利路径:模型公司可以用能力叙事换时间,消费硬件公司必须用当期利润换定价。这意味着 AI 上市窗口不会整体开启或关闭,而是按“单位经济是否可解释”分层。;拟上市 AI 公司应提前把算力成本、推理毛利与客户集中度做成可披露口径,避免监管问询拖延发行;二级市场投资者可把 2027 年 OpenAI 上市作为 AI 板块估值再定价的时间锚;一级市场参与者在定价时应预留上市折价的缓冲,而非按私募估值线性外推。
推理单价下行 + 常驻 Agent 上线 = 应用层毛利修复窗口;这四条碎片指向同一条曲线:模型侧同时发生降本(新档位、提速、单客户成本降 90%)与扩容(常驻 Agent 把调用量从「用户提问频次」变成「任务持续时长」)。结果是应用层的单位经济模型被重新打开——过去因推理成本不敢做的长任务与高频判定,现在具备毛利空间;而收益会优先落到已有数据闭环和工作流交付能力的公司,因为它们能把省下的成本直接转化为降价或功能扩张,而非被平台方拿走。;未来两个季度,Agent 应用的分水岭不是模型能力而是成本结构。先把单任务成本压到当前 1/3、并把常驻执行做成稳定状态机的团队,会在这轮窗口里吃下份额;反之,纯提示词封装、无法控制推理成本的套壳产品会在价格战中被清出。投资侧可优先看那些已经把推理成本拆解到每个业务动作的标的。
入口之争从屏幕转向随身与桌面;眼镜、笔记本、手机三条产品线在同一周内同时把 Agent 做进系统层,说明大厂已不满足于做一个被调用的 App。共同逻辑是:Agent 的价值取决于能否常驻并持续获得上下文,而只有系统级入口才能稳定拿到麦克风、摄像头、屏幕与日程。谁占据入口,谁就掌握任务分发的默认权——这也解释了 Meta 为何愿意把刚上线的 Muse 火速塞进 100 款眼镜 SKU。;应用层公司应提前评估被系统级 Agent 截流的风险:若用户任务能由系统助手直接完成,独立 App 的打开率会持续被侵蚀。对策是把能力以工具形式暴露给主流 Agent 平台,同时死守自己独有的数据与履约环节,而不是继续赌用户会主动打开你的图标。