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
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。
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。
【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。
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。
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。
【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。
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。
【国外信号传导】推理成本塌方快于付费意愿增长,模型层进入每美元任务量的淘汰赛 ⇒ 百度(看空):以通用对话与 API 调用为主的收入结构,在推理单价持续下探时最先承压;若不能在垂直流程中形成任务闭环,文心生态的变现效率会被进一步拉低。
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。