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
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。
【国外信号传导】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。 ⇒ 百度(中性):文心与自动驾驶业务均涉及执行权限,安全事件会抬高监管预期与合规成本,短期增加投入,长期利好具备全栈可控能力与本地化部署经验的厂商。
【国外信号传导】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。 ⇒ 腾讯(看多):微信生态的智能体天然涉及支付与隐私,若把沙箱与权限审计做成平台标准,合规优势可转化为企业级智能体分发的护城河,第三方开发者迁移成本随之抬高。
【国外信号传导】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。 ⇒ 阿里巴巴(看多):通义与夸克体系正把智能体接入电商与本地生活执行链路,可控性与审计能力是关键准入条件,补齐安全能力后可承接政企与品牌客户的高合规订单,形成对纯模型厂商的交付优势。
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。
【赛道传导·foundation-model】规模化强化学习正在把大模型变成资本开支游戏 ⇒ 百度:文心大模型
【赛道传导·foundation-model】规模化强化学习正在把大模型变成资本开支游戏 ⇒ 科大讯飞:星火大模型,教育/政企场景
【赛道传导·foundation-model】规模化强化学习正在把大模型变成资本开支游戏 ⇒ 腾讯控股:混元大模型,算力+数据+场景齐全
【赛道传导·foundation-model】规模化强化学习正在把大模型变成资本开支游戏 ⇒ 阿里巴巴:通义千问国内基座第一梯队
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】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。
【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。 ⇒ 快手(中性):可灵主攻视频生成,与 Nano Banana 的图像赛道不完全重合,但基础模型多模态成本下行会压低整个内容生成 API 的价格天花板,需靠创作者生态与工作流守住毛利。
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。
【国外信号传导】开源基座正在变成巨头的「产品迭代加速器」:微软没有自研一套全新架构,而是直接以阿里巴巴的 Qwen 为底座做后训练,在数周内输出与 Jev 定位重合的决策评分能力,并通过 Foundry 与 OpenRouter 双通道分发。这证明 2026 年开源权重已把「从想法到可用产品」压缩到以周为单位,架构差异化窗口急剧收窄,真正稀缺的是分发通道与客户数据。 ⇒ 百度(中性):开源基座被巨头复用会加剧国内基座模型同质化竞争,文心的差异化需转向行业数据与政企交付能力,而非模型本身。
【国外信号传导】开源基座正在变成巨头的「产品迭代加速器」:微软没有自研一套全新架构,而是直接以阿里巴巴的 Qwen 为底座做后训练,在数周内输出与 Jev 定位重合的决策评分能力,并通过 Foundry 与 OpenRouter 双通道分发。这证明 2026 年开源权重已把「从想法到可用产品」压缩到以周为单位,架构差异化窗口急剧收窄,真正稀缺的是分发通道与客户数据。 ⇒ 阿里巴巴(看多):Qwen 被微软选作后训练底座,等于全球顶级厂商为其技术能力背书,通义开源生态的标准地位被强化,云业务可借此获得海外开发者信任加成。
开源基座正在变成巨头的「产品迭代加速器」;微软没有自研一套全新架构,而是直接以阿里巴巴的 Qwen 为底座做后训练,在数周内输出与 Jev 定位重合的决策评分能力,并通过 Foundry 与 OpenRouter 双通道分发。这证明 2026 年开源权重已把「从想法到可用产品」压缩到以周为单位,架构差异化窗口急剧收窄,真正稀缺的是分发通道与客户数据。;对所有以单一模型能力为卖点的公司,估值模型需显式加入「复刻周期折价」;对开源基座的贡献者,其权重正被巨头当作生产级基础设施使用,生态位价值高于直接商业化收益。建议把「谁在用你的开源模型」列为技术影响力的核心 KPI。
【国外信号传导】70 亿美元买的不是模型,是「不用英伟达」的选择权:把三件事放在一起看,亚马逊做的是同一件事的两面:技术上通过软件层让算力可迁移,削弱单一 GPU 供应商的锁定;社会层面通过放弃 NDA 降低地方政府的审批阻力。两者共同降低的是 AI 基础设施扩张的两个非技术瓶颈——硬件议价权与社区许可。这是云厂商第一次把「替换英伟达的期权」当作可定价资产买入。 ⇒ 中芯国际(中性):受益偏间接:芯片可迁移性提升会刺激国产 AI 芯片设计公司订单,但最终晶圆需求取决于产能与制程配套,兑现节奏慢于软件层。
【国外信号传导】70 亿美元买的不是模型,是「不用英伟达」的选择权:把三件事放在一起看,亚马逊做的是同一件事的两面:技术上通过软件层让算力可迁移,削弱单一 GPU 供应商的锁定;社会层面通过放弃 NDA 降低地方政府的审批阻力。两者共同降低的是 AI 基础设施扩张的两个非技术瓶颈——硬件议价权与社区许可。这是云厂商第一次把「替换英伟达的期权」当作可定价资产买入。 ⇒ 海光信息(看多):可移植性提升后,国内云厂商更敢引入第二供应商做双轨部署,海光 DCU 在推理侧获得试点与放量机会。
【国外信号传导】70 亿美元买的不是模型,是「不用英伟达」的选择权:把三件事放在一起看,亚马逊做的是同一件事的两面:技术上通过软件层让算力可迁移,削弱单一 GPU 供应商的锁定;社会层面通过放弃 NDA 降低地方政府的审批阻力。两者共同降低的是 AI 基础设施扩张的两个非技术瓶颈——硬件议价权与社区许可。这是云厂商第一次把「替换英伟达的期权」当作可定价资产买入。 ⇒ 寒武纪(看多):跨加速器迁移软件一旦成为行业标配,国产芯片只需兼容统一软件层即可切入客户测试,硬件生态短板被部分补偿,验证周期缩短。
70 亿美元买的不是模型,是「不用英伟达」的选择权;把三件事放在一起看,亚马逊做的是同一件事的两面:技术上通过软件层让算力可迁移,削弱单一 GPU 供应商的锁定;社会层面通过放弃 NDA 降低地方政府的审批阻力。两者共同降低的是 AI 基础设施扩张的两个非技术瓶颈——硬件议价权与社区许可。这是云厂商第一次把「替换英伟达的期权」当作可定价资产买入。;若交易落地,其他超大规模云厂商会被迫跟进收购或自研类似的可移植层,加速器市场的替代威胁从「存在替代方案」变成「切换成本可控」。这会先压制 GPU 采购溢价预期,再传导到国产 AI 芯片的验证窗口。建议关注跨加速器软件层的标准化进展作为先行指标。