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。
算力栈正在纵向分层:硬件仍集中,算子层首次出现可替换选项;三条线索其实在描述同一个结构变化的不同层:最上层是定制芯片与产能金融化(博通 500 亿美元债务),中间层是编译器与算子开始解绑(DeepSeek + 昇腾),最下层是终端承接推理负载(AI PC)。硬件依然高度集中,但「换芯片的成本」这层护城河正在被资本与开源双向削弱。当算子层可替换、终端可分担推理时,算力栈的议价权会从芯片供应方向下游迁移。;对投资人:算力资产的估值模型需要加入「芯片可替换性」变量,单一架构绑定的集群折旧风险高于通用集群。对技术负责人:现在做一次跨芯片的算子适配验证,成本远低于两年后被供应关系锁死时的迁移代价。对国产芯片厂商:开源算子只是入场券,真正的胜负手在调优工具链与人才储备。
价格战把价值挤向两端:低成本的推理层与不可替代的数据层;模型层同一天出现两次「更快更便宜」的发布,说明中间层的差异化正在被抹平,推理单价持续下行。当模型本身变成廉价商品,被资本重新定价的就是两端:一端是能压低单位推理成本的芯片与软件栈(AMD 用 82 亿美元买的就是这个位置),另一端是无法被公开数据替代的物理世界数据(家庭机器人真机数据、3D 交互场景)。中间的纯模型封装层,将在两端挤压下失去议价能力。;对创业者的直接判断:如果你现在的差异化只是「在某个模型上加了一层 Prompt 与工作流」,未来 12 个月会被平台功能更新直接覆盖,需要立刻向垂直数据或交付能力迁移。对投资人,配置重心应从模型应用层转向数据产权清晰、可长期复用且绑定行业客户的资产,尤其关注具身真机数据与仿真引擎两类。
算力资本结构与推理硬件解耦,正在同时削弱英伟达的两条护城河;四条线索看似分散,实则指向同一个结构性变化:推理侧的成本与硬件绑定正在被同时拆开。Anthropic 与 Nscale 代表'资金端'改结构——用长约和可转债把算力变成可融资资产,降低对单一供应商的即时依赖;TPU 跑 Kimi 与 SSD 当显存代表'技术端'改路径——推理框架跨芯片通用,存储带宽替代显存。当供给方能融到长期钱、需求方能换硬件,英伟达在推理市场的份额叙事就从'不可替代'变成'成本可比'。;短期不必看空训练卡需求,但推理侧的成本比较表已经可以开始建。可操作判断:算力采购方应在下一轮合同中引入可切换硬件的条款与跨平台推理基准;投资者应把关注点从 GPU 出货量转向推理每百万 token 成本的季度降幅——这个数字若持续双位数下降,最先受损的是靠推理溢价定价的二线云与模型 API 厂商。