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】算力主权竞赛升级,国产芯片与散热材料成为被动受益的确定性环节:四条线索从供需两端勾勒出同一件事:算力基础设施建设仍在加速,且各国都在追求本地化供给。英伟达用投资换取欧洲市场准入,腾讯用债权工具承接长期投入,华为在制程受限下靠架构与供应链协同迭代,而一盛新材这类材料公司则吃到了功率密度上升带来的散热刚需。国产替代的真正机会不在做「另一个 GPU」,而在这些被算力密度物理性拉动的配套环节。 ⇒ 寒武纪(看多):英伟达在欧洲加码投资、腾讯以50亿美元债券募资投向算力,共同确认国内算力采购的持续性,国产 AI 芯片作为替代供给的订单确定性提升。
【国外信号传导】大模型行业进入「盈利验证期」,估值锚从融资额切向收入质量:把四条线索放在一起看:一级市场同时出现「最大的融资」与「第一份盈利财报」,这不是矛盾,而是行业分层。Anthropic 用收入和盈利证明商业模式成立,DeepSeek 用千亿元融资证明基座建设仍需巨额资本,谷歌则用编程场景争夺最优质的付费用户。三者共同指向一个判断——大模型竞争的评判标准正从「谁融得多」切换到「谁的推理收入能覆盖训练摊销」,而这需要企业在基座与高毛利场景两端同时成立。 ⇒ 阿里巴巴(看多):千问已把模型能力嵌入办公与电商链路,是最接近「高毛利场景覆盖训练成本」模型的国内标的,海外盈利样本验证后其商业化叙事的可信度提升。
【国外信号传导】Agent 竞争焦点已从单步能力转向长时稳定性与成本治理:四件事看似分属不同公司与市场,实则指向同一条曲线:智能体的单步能力已不再是瓶颈,能否连续运行数十小时、失败可定位、成本可预测成为新的分水岭。OpenAI 用长时任务案例证明能力上限,腾讯则用可观测中心解决规模化的管理问题——一个从能力侧、一个从治理侧同时逼近同一个结论。这意味着接下来一年 Agent 的真实差距将体现在工程稳定性上,而非模型榜单分数。 ⇒ 阿里巴巴(看多):千问办公与电商版由近百人团队开发,走与腾讯相同的场景嵌入路线,若能复用阿里内部的交易与办公数据闭环,Agent 的替换成本将显著高于通用助手。
【国外信号传导】AI 算力扩张的瓶颈已从产能转向资金:供给端(晶圆、内存)在缓解,资本端成为新的稀缺资源:英伟达用自有现金在欧洲买需求确定性,博通把约束点直接指向资金,国内算力中间层则靠 23 亿元单轮融资买规模。三者共同说明算力竞争已从「抢产能」变成「拼融资成本与订单锁定」,行业进入资本密集型阶段。 ⇒ 中芯国际(中性):晶圆短缺缓解意味着成熟制程供需改善,国产 AI 芯片放量带来增量订单,但海外供给回升会压制代工涨价弹性,利好与利空相互对冲。
AI 算力扩张的瓶颈已从产能转向资金;供给端(晶圆、内存)在缓解,资本端成为新的稀缺资源:英伟达用自有现金在欧洲买需求确定性,博通把约束点直接指向资金,国内算力中间层则靠 23 亿元单轮融资买规模。三者共同说明算力竞争已从「抢产能」变成「拼融资成本与订单锁定」,行业进入资本密集型阶段。;未来 12 个月,云厂商资本开支节奏将更依赖现金流而非供给可得性;设备与材料企业订单确定性上升但估值弹性下降。国内算力项目应尽快锁定客户长约,否则融资窗口收窄后议价能力会快速下滑。
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。;未来 6 个月,Agent 的竞争点是授权协议(允许它花多少钱、动哪些数据)与失败兜底,而不是模型跑分。企业应优先建设机器可读的商品/服务数据与授权接口,否则会在 Agent 流量分发中被降权。
【国外信号传导】国内 AI 融资转向「重资产 + 可算账」:四条线索的共同点是可算账:无人配送算单车运营成本,体育硬件算设备销量与复购,游戏 Mod 算内容留存,小米算后训练 Token 账本。当模型能力不再稀缺,资本开始要求每个 AI 项目说清单位经济模型;地方国资的进入进一步把评估标准从增长率切换到就业、税收与本地产业链带动,这也解释了为何重资产项目反而更容易拿到大额资金。 ⇒ 小米(看多):公开披露后训练 Token 账本,说明其把算力成本当成可管理指标,硬件+模型的垂直整合在可穿戴与汽车场景更容易算清单位成本,抗价格战能力强于纯软件厂。
国内 AI 融资转向「重资产 + 可算账」;四条线索的共同点是可算账:无人配送算单车运营成本,体育硬件算设备销量与复购,游戏 Mod 算内容留存,小米算后训练 Token 账本。当模型能力不再稀缺,资本开始要求每个 AI 项目说清单位经济模型;地方国资的进入进一步把评估标准从增长率切换到就业、税收与本地产业链带动,这也解释了为何重资产项目反而更容易拿到大额资金。;创业者若只有模型能力而没有可量化的单位成本与客户合同,下半年的融资难度会显著上升。建议把下一轮 BP 的一页留给「单位任务成本 + 回款周期」而不是榜单分数;投资人则应把回款周期直接计入估值折价模型。
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。
规模化强化学习正在把大模型变成资本开支游戏;把三件事串起来的逻辑是:后训练成本已被推到百万美元量级,这意味谁能持续负担多轮 RL,谁就能稳定维持能力差距;而训练与推理对内存带宽与容量的依赖,又把存储供给拉进竞争力方程。模型护城河正从算法转移到资本开支与供应链——算法可以被论文拉平,算力与内存的预算不能。;二线模型团队应在 1~2 个季度内明确收缩到垂直场景,把预算从通用能力转向推理效率与成本控制;投资侧应关注训练卡向推理卡、通用 DRAM 向高带宽内存的需求结构切换,这比总量增长更能决定产业链的利润分配。
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。
ChatGPT 广告从文字扩到视觉,对话界面开始吞食展示广告预算;视觉广告加上归因与品牌安全,意味着 ChatGPT 已具备承接品牌展示预算的完整链路,而不再只是文字答案里的嵌入推荐。Radisson 把酒店发现搬进 ChatGPT,则展示了对话界面直接完成交易闭环的可能。两者叠加的后果是:用户从搜索到下单的路径被压缩在对话窗口内,传统搜索结果页与内容信息流的中间环节被跳过,广告预算随之迁移。;品牌方现在入场能拿到低价流量红利,建议先小额度 A/B 对比搜索与社交渠道的 CPA 再放量。对国内内容平台而言,这是明确的竞争前兆,应提前测试对话式广告位与归因口径,避免预算迁移时被动应对。
国产基座首次进入美国大厂生产链路,开源中立性成为新资产;把这几条拼起来看,决策/结构化输出已被验证为独立品类,而基础模型能力本身正在快速商品化。微软选择用 Qwen 而非自研基座做后训练,说明在特定任务上,选择最成熟的开放基座比自研更划算。这反过来给国产基座厂商带来一个此前没有的身份:美国大厂的生产原料供应商,其价值不在榜单分数,而在被多少下游产品当作起点。;国内基座厂商应立刻把「被美国大厂采用」转化为海外开发者运营素材,配套工具链、评测集与行业微调套件,把兼容性做成事实标准。投资上,估值模型应从「模型能力领先度」切换到「下游集成数量」,后者才决定生态位的持久性。
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。
企业级 Agent 三线并进:谷歌 Gemini Agent、OpenAI computer use、国内开源 AgentOS 同时落地;三家在不同层面做同一件事:把 Agent 从 demo 推到企业采购清单。谷歌从席位绑定渗透率、OpenAI 从高价值工作流(合同)切入、国内用开源降低接入门槛。共同卡点是评估与可靠性——没有可量化的成功率,企业不会把核心流程交出去,这也是 Ironclad 类联合评估合作真正的意义。;企业采购 Agent 时,合同与法务、客服、IT 运维是最先能算清 ROI 的三类场景,建议先在这三类做 1 至 2 个 POC,并在合同里强制写明成功率 SLA 与失败兜底方案。国内厂商若只拼模型能力而忽视 AgentOS 与工具链层,会在集成环节被开源方案截流。
决策模型成为独立品类:Jev 拿到 75 亿美元估值,中国团队同步深挖直觉层;四处线索指向同一件事:行业开始把判断从生成里拆出来单独做模型。理由是成本与延迟——在许多企业场景,需要的不是会写字的模型,而是低延迟、低 token 消耗、输出可校验的决策。DeepSeek 输出时强时弱被归因到 token 站位,说明这种不稳定性正是决策层要解决的问题,也解释了为什么判断型模型的商业价值会被单独定价。;创业窗口在 6 至 12 个月内:企业风控、定价、推荐、路由等规则引擎存量市场是首选切入口,客户 ROI 极易量化。技术负责人应开始评估把哪些 LLM 调用替换为小决策模型,可先做 10% 至 20% 流量的 A/B,用延迟与成本数据推动替换决策。
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。
通用 Agent 从演示走进后台执行层,入口争夺上移到操作系统;这四条线索指向同一个门槛被跨过:Agent 从“需要人盯着演示”变成“可在后台稳定执行”。成本下降使高频调用在经济上成立,能力提升使任务完成率可交付,交互层升级则让“执行结果”直接呈现为可操作界面。三者叠加后,竞争不再是模型能力高低,而是谁拿到系统级执行权限与默认入口。;未来一年,Agent 的商业价值会从“能做什么”转向“嵌入在哪个入口”。做应用的一方应尽快把能力封装成可被外部 Agent 调用的服务,而不是争夺用户打开自己的 App;做平台的一方应优先锁死跨应用执行权限与数据接口。错过这轮入口卡位,后续获客成本会成倍上升。
【国外信号传导】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。 ⇒ 阿里巴巴(看多):通义开源系列同样面对护栏与合规议题,海外对开源模型安全的关注会提升头部厂商在安全对齐上的相对优势与政企采购竞争力。
【国外信号传导】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。 ⇒ 快手(看多):可灵系列视频生成模型与短视频生态结合,海外 AI 内容变现闭环形成会带动市场对国内 AIGC 视频工具与平台变现能力的重估。