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】模型层与云层脱钩:分销权开始比模型能力更值钱:三件事指向同一条传导链:推理效率提升让模型能力趋同,能力不再是壁垒,渠道与算力才是。于是模型公司被迫把自己的旗舰模型摆上竞争对手的云货架换取分发,同时云厂商因为也在做模型,随时可以用配额反向施压。模型公司与云厂商的关系从「供电」变成「既供电又抢生意」,议价权天平正倒向拥有机位的一方。 ⇒ 百度(看多):千帆平台本就主打多模型接入,海外验证渠道化路径后,国内企业客户的比价采购习惯会加速形成,平台型云厂商优先受益。
【国外信号传导】模型层与云层脱钩:分销权开始比模型能力更值钱:三件事指向同一条传导链:推理效率提升让模型能力趋同,能力不再是壁垒,渠道与算力才是。于是模型公司被迫把自己的旗舰模型摆上竞争对手的云货架换取分发,同时云厂商因为也在做模型,随时可以用配额反向施压。模型公司与云厂商的关系从「供电」变成「既供电又抢生意」,议价权天平正倒向拥有机位的一方。 ⇒ 阿里巴巴(看多):阿里云百炼与云市场若能承接第三方旗舰模型上架,可复制 Gemini Model Garden 的渠道逻辑,把模型分发费与算力消费绑定在同一账单,提升云 ARPU。
未来 1~3 个月内,至少再有一家头部模型实验室宣布在竞争对手阵营的云上架旗舰模型,并采用云市场统一账单结算。
证伪条件:若 2027 年 1 月底前没有出现第二起跨阵营模型上架,则本条判断错误。
模型层与云层脱钩:分销权开始比模型能力更值钱;三件事指向同一条传导链:推理效率提升让模型能力趋同,能力不再是壁垒,渠道与算力才是。于是模型公司被迫把自己的旗舰模型摆上竞争对手的云货架换取分发,同时云厂商因为也在做模型,随时可以用配额反向施压。模型公司与云厂商的关系从「供电」变成「既供电又抢生意」,议价权天平正倒向拥有机位的一方。;判断一个模型公司的护城河,应看它在几家云上能上架、能拿到多少保供配额,而不是看榜单分数。对企业采购而言,现在正是谈多年期折扣的窗口——渠道变多意味着比价空间变大,晚一个季度,供应商会把折扣收回。
【国外信号传导】具身智能的估值已前置到 2027 年,分化在下一份财报:这条链条的核心是资本如何给尚未规模化的硬件定价:宇树 2000 亿对应 2027 年出货预期,特斯拉合并则把机器人叙事与航天、算力打包。两者共同说明市场愿意为具身智能支付时间溢价,但支撑溢价的仍是订单与成本曲线,而非演示视频。 ⇒ 优必选(中性):板块普涨带来估值修复,但其订单结构与宇树的量产节奏并不一致,涨幅更多来自主题联动,需以实际交付数据验证。
【国外信号传导】具身智能的估值已前置到 2027 年,分化在下一份财报:这条链条的核心是资本如何给尚未规模化的硬件定价:宇树 2000 亿对应 2027 年出货预期,特斯拉合并则把机器人叙事与航天、算力打包。两者共同说明市场愿意为具身智能支付时间溢价,但支撑溢价的仍是订单与成本曲线,而非演示视频。 ⇒ 小米(看多):人形机器人与汽车、家居的协同叙事在特斯拉合并案中被强化,小米的制造与供应链能力使其成为国内最接近该路径的整机玩家,情绪重估弹性较大。
具身智能的估值已前置到 2027 年,分化在下一份财报;这条链条的核心是资本如何给尚未规模化的硬件定价:宇树 2000 亿对应 2027 年出货预期,特斯拉合并则把机器人叙事与航天、算力打包。两者共同说明市场愿意为具身智能支付时间溢价,但支撑溢价的仍是订单与成本曲线,而非演示视频。;对二级市场,应以季度出货台数与单台成本下降斜率筛选标的,避免按产业链普涨逻辑追高。对一级市场,具身智能的融资窗口仍在,但投资人会要求可验证的量产时间表,纯算法团队的溢价空间收窄。
【国外信号传导】算力供给成为模型公司的估值天花板,存储是下一个瓶颈:四件事共同说明算力链的利润正在向上游与交付端集中:模型公司被算力成本压住毛利,云厂商借供需紧张提高服务定价,存储作为推理扩容的硬瓶颈获得资本加注。SpaceX 的高利润则证明,把 AI 嵌入已规模化的硬件业务比单独卖模型更容易赚钱。 ⇒ 中芯国际(看多):存储扩产与推理芯片国产化同步推进,成熟制程代工需求受益,长鑫增资落地通常领先设备与代工订单 1 至 2 个季度。
【国外信号传导】算力供给成为模型公司的估值天花板,存储是下一个瓶颈:四件事共同说明算力链的利润正在向上游与交付端集中:模型公司被算力成本压住毛利,云厂商借供需紧张提高服务定价,存储作为推理扩容的硬瓶颈获得资本加注。SpaceX 的高利润则证明,把 AI 嵌入已规模化的硬件业务比单独卖模型更容易赚钱。 ⇒ 阿里巴巴(中性):阿里云既是模型公司的算力供给方也是自有模型竞争者,供需紧张利好云收入,但自研模型的推理成本同步上升,两股力量对冲,净效应取决于客户结构。
算力供给成为模型公司的估值天花板,存储是下一个瓶颈;四件事共同说明算力链的利润正在向上游与交付端集中:模型公司被算力成本压住毛利,云厂商借供需紧张提高服务定价,存储作为推理扩容的硬瓶颈获得资本加注。SpaceX 的高利润则证明,把 AI 嵌入已规模化的硬件业务比单独卖模型更容易赚钱。;评估模型公司应把长协算力覆盖率作为核心指标,而非仅看模型评测。对国内产业链,存储扩产的设备订单窗口在未来 4 至 6 个季度,是比整机更确定的受益环节。云服务涨价意味着企业 AI 预算需要提前锁定年度框架。
【国外信号传导】模型价值从写新代码转向替换旧系统,IT 服务定价模型被改写:这些碎片串起来是一条清晰的商业路径:模型能力正从生成新内容转向理解与迁移存量资产。存量资产(COBOL 系统、法律合同、信贷协议)价值高、规则明确、可验证,正是企业愿意付费的场景。当准确率跨过 95% 的可用阈值,采购决策就从试验预算转成 IT 预算。 ⇒ 科大讯飞(中性):在政企与司法、医疗等规则明确的文档场景具备交付能力,存量文档智能化需求提升是利好,但其模型能力与头部仍有差距,受益更多体现在项目数量而非单价。
【国外信号传导】模型价值从写新代码转向替换旧系统,IT 服务定价模型被改写:这些碎片串起来是一条清晰的商业路径:模型能力正从生成新内容转向理解与迁移存量资产。存量资产(COBOL 系统、法律合同、信贷协议)价值高、规则明确、可验证,正是企业愿意付费的场景。当准确率跨过 95% 的可用阈值,采购决策就从试验预算转成 IT 预算。 ⇒ 阿里巴巴(看多):通义灵码是国内最接近 Codex 定位的编程助手,海外模型在遗留系统迁移上的验证会提升企业对 AI 编程工具的付费意愿,其企业版渗透率有上行空间。
模型价值从写新代码转向替换旧系统,IT 服务定价模型被改写;这些碎片串起来是一条清晰的商业路径:模型能力正从生成新内容转向理解与迁移存量资产。存量资产(COBOL 系统、法律合同、信贷协议)价值高、规则明确、可验证,正是企业愿意付费的场景。当准确率跨过 95% 的可用阈值,采购决策就从试验预算转成 IT 预算。;企业应优先在规则明确、结果可验证的存量场景落地,而不是追求通用助手。对 IT 服务商,人天计价的模式将在 12 至 18 个月内被模块化交付冲击,先建立审核能力与交付标准的公司能拿到溢价。
【国外信号传导】个人助手从聊天入口转向任务接管,分发效率决定胜负:四件事共同指向一个拐点:个人助手的竞争已从模型能力转向场景占位与分发效率。Meta 靠社交图谱摊薄获客成本,Google 靠系统与车机预装接管场景,创业公司则从会议、日程等高频垂直场景切入。留存数据比下载量更关键,因为它决定助手能否从被动应答变成主动执行。 ⇒ 小米(看多):Google 把助手接入车机的路径,对应小米人车家生态的座舱入口,端侧助手与设备联动是其差异化优势,海外验证提升该叙事的可信度。
【国外信号传导】个人助手从聊天入口转向任务接管,分发效率决定胜负:四件事共同指向一个拐点:个人助手的竞争已从模型能力转向场景占位与分发效率。Meta 靠社交图谱摊薄获客成本,Google 靠系统与车机预装接管场景,创业公司则从会议、日程等高频垂直场景切入。留存数据比下载量更关键,因为它决定助手能否从被动应答变成主动执行。 ⇒ 腾讯(看多):微信生态内的助手可依托社交关系链与小程序交易闭环完成跨应用任务,与 Meta 靠社交分发起量的路径高度对标,是海外信号最直接的映射标的。
【国外信号传导】个人助手从聊天入口转向任务接管,分发效率决定胜负:四件事共同指向一个拐点:个人助手的竞争已从模型能力转向场景占位与分发效率。Meta 靠社交图谱摊薄获客成本,Google 靠系统与车机预装接管场景,创业公司则从会议、日程等高频垂直场景切入。留存数据比下载量更关键,因为它决定助手能否从被动应答变成主动执行。 ⇒ 阿里巴巴(看多):夸克与通义系列具备搜索+工具的场景闭环,海外助手向任务接管演进会推动其从问答工具升级为执行入口,用户时长与会员转化有重估空间。
个人助手从聊天入口转向任务接管,分发效率决定胜负;四件事共同指向一个拐点:个人助手的竞争已从模型能力转向场景占位与分发效率。Meta 靠社交图谱摊薄获客成本,Google 靠系统与车机预装接管场景,创业公司则从会议、日程等高频垂直场景切入。留存数据比下载量更关键,因为它决定助手能否从被动应答变成主动执行。;评估助手类产品应把核心指标从 DAU 换成跨应用任务完成率与授权深度。对平台型公司,助手是广告与订阅的新入口;对创业公司,必须锁定一个平台无法轻易复制的垂直工作流,否则会在分发效率上被碾压。
【国外信号传导】框架层解耦正在削弱 CUDA 的锁定,而非 GPU 的份额:三件事指向同一条逻辑链:模型公司对推理成本的敏感度已超过对峰值算力的追求,而 CUDA 的锁定主要来自迁移成本。一旦框架层兼容成熟,芯片选型就从技术决策变成采购决策。谷歌与亚马逊愿意自己承担适配成本,本质是用云收入补贴生态迁移,这笔账只有在算力规模化后才算得过来。 ⇒ 中芯国际(中性):芯片架构多元化利好本土代工需求,但先进制程约束仍在,受益主要体现在成熟制程的推理芯片订单,弹性有限。
【国外信号传导】框架层解耦正在削弱 CUDA 的锁定,而非 GPU 的份额:三件事指向同一条逻辑链:模型公司对推理成本的敏感度已超过对峰值算力的追求,而 CUDA 的锁定主要来自迁移成本。一旦框架层兼容成熟,芯片选型就从技术决策变成采购决策。谷歌与亚马逊愿意自己承担适配成本,本质是用云收入补贴生态迁移,这笔账只有在算力规模化后才算得过来。 ⇒ 海光信息(看多):PyTorch 后端解耦降低了国产加速卡的适配门槛,海光的软件栈投入产出比提升,在信创与智算中心招标中的可比性增强。
【国外信号传导】框架层解耦正在削弱 CUDA 的锁定,而非 GPU 的份额:三件事指向同一条逻辑链:模型公司对推理成本的敏感度已超过对峰值算力的追求,而 CUDA 的锁定主要来自迁移成本。一旦框架层兼容成熟,芯片选型就从技术决策变成采购决策。谷歌与亚马逊愿意自己承担适配成本,本质是用云收入补贴生态迁移,这笔账只有在算力规模化后才算得过来。 ⇒ 寒武纪(看多):CUDA 锁定被框架层削弱后,国产芯片的竞争维度从生态兼容转向性价比,寒武纪的推理产品线在云厂商多芯片采购中获得的验证机会增加。
框架层解耦正在削弱 CUDA 的锁定,而非 GPU 的份额;三件事指向同一条逻辑链:模型公司对推理成本的敏感度已超过对峰值算力的追求,而 CUDA 的锁定主要来自迁移成本。一旦框架层兼容成熟,芯片选型就从技术决策变成采购决策。谷歌与亚马逊愿意自己承担适配成本,本质是用云收入补贴生态迁移,这笔账只有在算力规模化后才算得过来。;短期不要做空英伟达的出货,但应下调对其软件溢价可持续性的假设。对国产 AI 芯片公司,这是生态解耦的窗口期,兑现的关键是框架适配仓库的社区活跃度,而非发布会上的算力参数。跟踪指标是 PyTorch 各硬件后端的 PR 合并速度。