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】Personal AI 从概念变成资本赛道,大厂用战投锁定入场券:Personal AI 的成立需要三个条件同时具备:用户愿意把个人数据授权给一个长期在线的 Agent、Agent 能在真实账户里执行操作、以及单位推理成本可被订阅费覆盖。Muse 的 22 天 500 万下载证明需求端成立,1Password 的凭证代理补齐执行端,词元涨价则让「靠低价 API 套利」的模式失效、加速向订阅制迁移。腾讯与蚂蚁此时战投,是在形态未收敛前买入观察位。 ⇒ 小米(看多):手机与 AI 眼镜构成个人 Agent 的端侧感知入口,Personal AI 若从 App 转向系统能力,端侧硬件厂商的分发价值会被重估。
【国外信号传导】特斯拉用软件订阅对冲硬件利润下滑,FSD 成为对华竞争筹码:利润腰斩与订阅用户高增长同时出现,说明特斯拉的收入结构正在从卖车一次性毛利转向软件订阅的持续现金流,但转换速度尚不足以抵消价格战。70 万新增付费用户意味着 FSD 已具备规模化收费的用户基础,此时强调在华领先,是在为进入中国市场后的定价与监管沟通造势。对国内智驾厂商而言,竞争维度将从功能清单转向订阅价格与用户留存。 ⇒ 小米(中性):小米汽车智驾仍处追赶阶段,FSD 入华会抬高用户预期,短期形成压力,但其价格带与特斯拉重叠度有限,影响偏情绪层面。
【国外信号传导】人形机器人第一次有了出货量,但瓶颈已经转移到软件侧:三条线索指向同一个转折:AI 硬件的瓶颈正从'能不能造出来'变成'造出来之后有没有用'。宇树 1~2 万台的出货量说明供应链已经能支撑量产,但王兴兴自己承认难点在模型与本体对齐,等于承认当前出货主要流向科研与开发者。Flowtica 与 Nirva 则代表另一条路径——不做通用本体,做随身轻交互入口,赌使用频次而非运动能力。两条路径的共同考核指标只有一个:单台日均有效使用时长。 ⇒ 小米(看多):小米在机器人本体与自研芯片、汽车工厂场景上同时有布局,出货量破万后其'本体+场景'的闭环价值会被重新定价。
【国外信号传导】L3 从测试走向强标:责任转移才是自动驾驶真正的商业化开关:整车毛利被价格战打穿,软件订阅成为唯一能逆势增长的高毛利项,特斯拉的 70 万付费用户就是给全行业的估值锚。但软件收费的前提是责任可转移,而 L2 阶段事故责任仍在驾驶员,因此 L3 强标才是真正的商业化开关。国内 L2 搭载率已达 70%,意味着普及红利结束,接下来的增长只能来自责任主体变更后的定价权上移。 ⇒ 小米(看多):作为新入局者,小米的智驾投入尚未形成沉没成本,L3 强标一旦明确,其可以按新标准一次性设计架构,后发优势大于先发的合规包袱。
【国外信号传导】主动型 Agent 从「能用」进入「能托付」,竞争转向权限与误操作率:三家头部实验室在同一周把产品定位从「回答问题」改成「替你办事」,同时资本以 4 个月独角兽的速度为个人助理定价,硬件团队则在抢物理入口。这说明竞争焦点已经转移到三件事:后台常驻权限、任务完成率、误操作可撤销性。谁先把这三件事做成企业可审计的标准,谁就拿到下一轮订阅定价权。 ⇒ 小米(看多):端侧设备与手机背挂配件是 Agent 常驻的自然载体,Flowtica 类硬件验证需求后,具备供应链与渠道能力的手机厂商最容易规模化复制。
【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。
【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】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。 ⇒ 小米(看多):端侧 AI 与自研芯片、汽车座舱形成多入口,苹果首批功能保守留下的窗口期,有利于其以更激进的 AI 功能抢占国内高端换机用户。
【国外信号传导】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。 ⇒ 小米(看多):苹果用端侧 AI 拉高用户预期,国内手机厂商必须在同档期给出对标功能,澎湃端侧模型与自有硬件体系的协同价值被放大。
【国外信号传导】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。 ⇒ 小米(看多):端侧可跑的大模型直接抬高手机与 IoT 设备的本地 AI 能力上限,小米的硬件出货规模使其成为端侧推理落地的直接受益方。
【国外信号传导】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。 ⇒ 小米(看多):同时押注人形机器人与汽车,物理AI芯片与执行器供应链成熟会直接降低其自研与量产成本
【国外信号传导】端侧开源联盟成型:Meta 借苹果硬件,蚂蚁压单位成本:四条线索指向同一件事:AI 的分发重心正从云端API向端侧设备与本地推理迁移。Meta 用开源换硬件装机量,苹果用外部模型补齐能力缺口,蚂蚁用极致单价打穿企业预算门槛——三者共同把“模型能力”变成可替换的公共品,真正稀缺的变成设备入口、内存供给与推理成本控制力。当模型本身不再稀缺,价值链的利润必然向两侧转移。 ⇒ 小米(看多):端侧开源模型成熟直接降低手机厂商自研AI门槛,小米可借本地推理把AI能力做成差异化换机卖点
【国外信号传导】Agent 战场从编码工具扩散到通用工作流与手机系统层:编码 Agent 是最先跑通付费的场景,如今这套能力被横向复制:Amp 做知识工作、Reflex 做个人助手、STEPX 把 Agent 塞进手机系统层,学界同时给长任务补上评测标准。四件事合起来说明竞争焦点已从「模型会不会写代码」转向「能不能在几十步的长流程里持续不出错」,而评测标准的出现通常是规模化交付的前置条件。 ⇒ 小米(看多):端侧 Agent 需要系统级权限与跨应用调度,小米手机与澎湃 OS 是天然载体,STEPX Neo 验证「Agent 手机」形态后,小米的系统级 AI 能力会被市场重新评估。
【国外信号传导】开源权重集体下沉端侧,Mac 与 AI PC 正在变成新的模型分发渠道:三条线索指向同一件事:模型的分发权正从云端 API 转向终端。Meta 用开放权重换 Mac 端装机量,苹果借第三方模型补齐端侧能力,英伟达与微软把算力前置到笔记本。当开源权重、端侧芯片与系统级适配三者同时成熟,闭源 API 的按 token 计费在个人场景会被绕开——用户不必上传数据也能跑强模型,云端只处理重任务。 ⇒ 小米(看多):端侧模型能力提升直接利好小米的 AI 手机与 AI PC 产品线,其自研端侧模型与澎湃 OS 的系统级适配正是这一路线的国内对标,海外验证会强化市场对其端侧 AI 投入的估值预期。
【国外信号传导】大模型公司开始向物理世界找第二曲线:模型层参数竞赛边际收益下降后,DeepSeek 这类公司需要物理载体来兑现能力;本体厂商宇树公开承认低估了 AI 的权重,主动向模型层靠拢;上游材料端已先于整机感受到散热与结构件的需求外溢。三方合力说明具身智能的瓶颈正从「本体做不出来」转向「大脑不够用」。 ⇒ 小米(看多):小米同时拥有汽车智驾、IoT 生态与人形机器人布局,具备把模型能力直接落到可量产硬件上的条件,是具身智能产业链中闭环最完整的国产标的之一。
国产模型把「吞吐」当成新卖点;海外在比谁的能力上限更高,国内在比谁的单位成本更低、吞吐更大,这不是技术落后而是算力约束下的理性选择。智谱的 490 tokens/s、小米的 Token 账本、长鑫的 4F² 服务器产品,分别对应推理软件、训练工程与内存硬件三个降本杠杆。当三条线同时推进,国产模型在同等预算下可服务的并发量会显著提升,中长尾客户的付费门槛随之下移。;做推理部署的团队应优先评测国产模型在长上下文、高并发下的 P99 延迟而非平均延迟;云厂商可把「每元 Token 数」做成对外的报价口径,用可比的成本单位抢下成本敏感的中长尾客户,而不是继续在榜单上对标海外旗舰。
【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。
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。
【国外信号传导】个人智能体成为巨头同步押注的入口战争,时间差只剩一到两个季度:这四条线索指向同一件事:个人智能体的竞争已经从模型能力转为系统权限与入口控制。Meta 靠硬件与社交关系链率先给出范式,国内巨头则用国民级 App 内的高频交易闭环(支付、出行、本地生活)反向包抄。隐私承诺被反复提及,恰恰说明行业清楚权限是用户最大的顾虑,谁先在可控授权上建立信任,谁就能更早拿到操作系统级权限。 ⇒ 小米(看多):个人智能体的终局形态需要操作系统级权限,手机厂商是天然受益方;小米同时具备自研 MiMo-V2.6 模型与终端入口,是少数模型与硬件双端自持的标的。