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】国产算力在去 CUDA 绑定上出现工程级进展:把软件层的算子抽象、硬件层的昇腾适配、产能层的存储扩产放在一起看,国内正在做的是把「单点芯片可用」升级为「整套工具链可迁移」。CUDA 的真正壁垒不是指令集而是算子库与开发者习惯,开源算子层是唯一可能低成本撬动的切入点。AMD 用 82 亿美元买软件栈,恰好从反面证明工具链才是当下的定价核心。 ⇒ 华为(看多):昇腾是 DeepSeek 算子工具的首批对接方,工具链一旦形成开发者迁移惯性,昇腾订单的确定性将从政策驱动转为生态驱动。
国产算力在去 CUDA 绑定上出现工程级进展;把软件层的算子抽象、硬件层的昇腾适配、产能层的存储扩产放在一起看,国内正在做的是把「单点芯片可用」升级为「整套工具链可迁移」。CUDA 的真正壁垒不是指令集而是算子库与开发者习惯,开源算子层是唯一可能低成本撬动的切入点。AMD 用 82 亿美元买软件栈,恰好从反面证明工具链才是当下的定价核心。;国内 AI 基础设施团队应在两个季度内完成昇腾等国产卡的算子适配与性能基线测试,把迁移成本从「重写」降到「改配置」;对国产算力的定价视角应从产能指标转向工具链采纳率与开发者迁移数据。
推理成本红利正在被厂商截留,而不是让给用户;成本曲线与定价曲线出现明显背离:推理的单位成本三年下降数千倍,但 OpenAI 选择在同一场发布会上涨价并砍额度,谷歌则用半价抢份额。这说明降本红利被厂商按竞争位置分配——份额落后者让利,份额领先者变现。对下游应用公司而言,毛利率改善不会自动发生,必须靠路由、缓存与级联设计把成本优势抓在自己手里。;应用公司应立即建立多模型路由与成本监控,把「单位任务成本」纳入产品核心指标;投资时应警惕那些把毛利率改善全部寄托在模型厂商降价上的公司,真正的护城河在工程侧而非采购谈判。
个人 Agent 正从功能变成入口,平台反制已经开始;四条线索指向同一件事:Agent 的能力边界已经从「回答问题」推进到「代你操作设备和数据」,入口价值因此被重估——谁常驻在用户设备里,谁就绕过了应用商店与广告分发。与此同时苹果收紧权限,说明平台方已意识到被架空的可能。能力扩张与权限收缩将同步进行,未来一年竞争的实质是「权限谈判能力」,而不是模型分数。;创业者应优先选择平台方愿意开放权限的垂直场景,如财务、日程、硬件运维,避免与系统级能力正面冲突;投资人应把「次日留存加单用户代执行任务数」作为 Agent 项目的核心尽调指标,而不是下载量或调用量。
【国外信号传导】国产算力瓶颈从芯片转向软件栈 ⇒ 华为(看多):昇腾首次获得头部模型公司的官方级软件栈配套,迁移成本与调试难度下降,有利于其在政企与运营商算力招标中扩大份额。
【国外信号传导】前沿模型进入跨代错位定价,单位智能成本开始腰斩式下行 ⇒ 阿里巴巴(中性):海外模型价格腰斩会迫使国内云厂商同步下调 API 单价,调用量放大但 API 毛利被压缩,云收入结构将向算力与行业方案倾斜。
前沿模型进入跨代错位定价,单位智能成本开始腰斩式下行;两家顶级实验室在同一周把价格锚点打到上一代旗舰的 1/5 与 1/2,同时 Astra 因安全标准暂停迭代——说明能力提升的边际成本在下降,而安全评审开始成为发布节奏的闸门。定价不再是成本加成,而是用来抢占企业工作负载的武器:一旦某家模型成为企业默认调用对象,迁移成本会形成长期锁定。安全评审的介入则意味着产品排期将首次受制于合规节奏。;企业采购应在未来 1~2 个季度重谈按量价格与承诺量,并把季度可重议条款写进合同;依赖单一模型定价做毛利模型的团队需要立即重算;把安全评审周期作为产品排期的显性变量,避免上线计划被合规卡点打断。
【国外信号传导】个人 Agent 从「能聊天」切换到「常驻在线加本地权限」 ⇒ 小米(中性):端侧设备是个人 Agent 的天然载体,但系统权限红利与隐私合规成本并存,能否转化为销量取决于端侧推理能力与生态开放度。
【国外信号传导】国产算力正在垂直打通:头部模型公司开始替芯片补软件栈:过去国产算力的瓶颈是「卡能买到、代码跑不动」:模型团队不愿承担迁移成本,芯片厂商自己写软件又拿不到头部模型背书。DeepSeek 这次把基础组件开源、又公开 DSec 训练平台,等于由模型侧主动吸收适配工作;配合长鑫的存储扩产,训练—推理—存储的国产链条第一次出现由头部玩家牵头的纵向打通,采购决策门槛随之下降。 ⇒ 寒武纪(中性):DeepSeek 补齐昇腾软件栈会加剧国产算力内部竞争,寒武纪既受益于整体国产替代情绪上行,也面临客户向昇腾集中的份额压力,短期方向不明确。
个人 Agent 的入口战在同一天打响,拼的是任务流而非模型分;四条碎片指向同一个转折:Agent 的竞争标准已从「能不能多步执行」变成「谁掌握用户的任务流」。ChatGPT 与 Meta 握有数十亿级分发,靠入口把任务留在自己生态里;腾讯用系统权限把电脑变成 Agent 的执行场地;Manus 则用三个成本下降数据证明第三方仍能靠工程效率留在牌桌上。它们抢的都不是模型分数,而是用户下一次说「帮我办一下」时先打开谁。;未来 2~4 个季度,个人 Agent 的胜负手是「可撤销的自动化」与任务留存,而非模型能力。建议创业公司避开通用入口、转向有支付意愿的垂直任务流;投资人应把「任务流留存」与「单任务成本」作为核心指标,替代模型榜单排名。
国产算力正在从「缺硬件」转向「补软件栈」;四件事拼出的是一条完整的国产替代路径:长鑫解决内存供给这一物理短板,DeepSeek 用开源算子与弹性训练框架解决「迁移成本高、利用率低」的软件短板,而对面的英伟达用1500亿美元回购宣告生态投入不会减速。关键变化是责任主体迁移——过去算子适配是芯片厂自己的功课,现在模型厂商基于真实负载下场开源,可信度和实用性都更高,这意味着国产芯片的可用性拐点可能比预期更早到来。;对使用方,评估国产芯片的时间点应该提前到本季度,而非等生态「成熟」;对投资方,关注受益顺序——先昇腾生态,再兼容层接入的其他国产芯片。预警是生态碎片化:若各家在开源组件上做私有扩展,「一套代码跑遍所有芯片」会退化为又一批厂商锁定。
Personal Agent 正从聊天入口转向系统层控制权;四条线索指向同一件事:Agent 的竞争维度已经不在「回答得好不好」,而在「能不能替用户按下那个按钮」。Muse 靠代买代发邮件拿到300万下载,Marvis 靠接管软件安装与文件管理把日活做近4倍,dots 直接把「常驻在线」写进产品定义,DoorDash 则把点餐这类高频交易交给短信 Agent。它们共同的前提都是拿到系统级或平台级执行权限——这意味着下一轮的护城河是权限与分发,而不是模型分数。;判断窗口在未来6~12个月:谁先跑通细粒度授权(可代买但不可读信)并形成用户习惯,谁就拿到系统层的默认入口。建议创业团队不要在通用助手上与大厂正面竞争,转向权限更浅但任务更闭环的垂直场景;平台方则应尽快把 Agent 权限做成操作系统级标准,抢占规则制定权。
芯片厂商正从「卖算力」转向「买需求定义权」;把三件事串起来看:模型能力仍在快速上行,但「能力释放」开始受到安全与商业节奏的主动管控,这意味着未来算力需求的不确定性更多来自厂商的发布策略而非技术天花板。在这种不确定下,芯片厂商最怕的是押错技术路线,所以选择直接用并购把最吃算力的方向(世界模型)纳入自身体系,用股权而非订单来锁定需求。OpenAI 的暂缓发布则从侧面证明,模型层自己也在给能力释放做节奏管理。;算力侧的确定性正在从「通用 GPU 需求」转向「特定方向的深度绑定」。建议关注那些与芯片厂商形成股权或深度联合开发关系的模型团队,它们的订单可见度显著高于纯 API 客户;反之,只有通用算力叙事、缺乏绑定关系的算力标的,估值波动会更大。
AI 上市窗口正在分层:抢跑的与延期的同时出现;一边是 Anthropic 主动走进披露流程并把安全风险写进文件,一边是 Oura 因市场环境暂停发行、OpenAI 把时间推到 2027 年。差别不在公司质量,而在投资者能否看到盈利路径:模型公司可以用能力叙事换时间,消费硬件公司必须用当期利润换定价。这意味着 AI 上市窗口不会整体开启或关闭,而是按“单位经济是否可解释”分层。;拟上市 AI 公司应提前把算力成本、推理毛利与客户集中度做成可披露口径,避免监管问询拖延发行;二级市场投资者可把 2027 年 OpenAI 上市作为 AI 板块估值再定价的时间锚;一级市场参与者在定价时应预留上市折价的缓冲,而非按私募估值线性外推。
算力资本反向收购模型能力,具身智能并购窗口打开;这四条线索指向同一个动作:掌握资本与场景的一方,正在直接购买模型与世界模型能力,而不是等待其自然演化。AMD 买下 World Labs 补齐软硬一体,华为把研发预算抬到 190 多亿元强化智驾栈,京东用投资锁定家庭机器人入口,OpenAI 则用 300 亿美元把算力开支前置。模型能力正从独立赛道变成大玩家的内部模块,独立存在的窗口在收窄。;具身与世界模型团队应主动把资产显性化为可被收购的能力模块,并同步评估被并购与自研芯片两条路径的估值差异;创业者在选择产业资本时,应优先考虑能带来场景订单与数据回流的战略方,而非仅出价更高者;投资人可把“能否被芯片厂商或场景方并购”作为退出路径的核心假设。
能力不再是卖点,单位成本曲线才是新的竞争主战场;这四条线索分别来自闭源旗舰、应用集成、竞品迭代与开源社区,却指向同一个转折:模型能力差距收窄后,客户选型的决定性变量变成每百万 token 的成本与延迟。厂商的应对方式高度一致——不再刷榜单,而是用“近旗舰但更便宜”“速度提升三成”“小模型快决策”来争夺调用量。调用量即收入,这意味着价格战会从此前的模型层扩散到推理栈与部署形式。;技术负责人应立即建立按任务分层的路由与成本核算表,把推理账单列为月度关键指标;投资人在评估模型公司时,应把单位推理成本与毛利率而非跑分作为首要指标;创业者若还以“我们用了最强模型”为卖点,将在下一次采购谈判中被直接压价。
「智能装进物理世界」的资产正被硬件与算力巨头系统性收编;空间智能、家庭具身、智驾全栈与实时小模型决策,表面是四个赛道,实则共同指向「把智能装进物理世界」这一底座能力。硬件与算力巨头正通过并购或自建把这类资产收编,因为它们是模型能力变现的实体出口;而小模型负责在真实设备上以毫秒级完成判定,是这条链条的最后一公里。四件事同时发生在同一周,说明这条链条的三段——模型、算力、终端——正在被同一批资本同步定价。;从事具身与世界模型方向的团队,12 个月内最现实的退出路径是被算力或终端厂商并购,应在估值谈判中保留技术团队与核心 IP 的独立性,避免对赌条款过度绑定。投资侧可关注为机器人提供实时决策与数据闭环的中间环节(仿真、数据采集、边缘推理),其确定性高于整机厂商。
资本同时为「模型能力」和「Agent 身份」付溢价,中间层正被两端挤压;一端是算力厂商为模型与软件能力支付 80 亿美元级并购溢价,另一端是资本开始为 Agent 的授权、身份与审计付费;而被夹在中间、既无底层模型也无系统交付能力的工具层,正同时承受 OpenAI 套件下沉与价格战的双重压力。这条链说明 AI 价值链正在两头变厚、中间变薄——价值向「拥有算力与模型」和「掌握权限与审计」两个方向集中。;看项目时先问两个问题:是否掌握底层成本(模型/算力/数据),或系统交付能力(权限、审计、工作流)中的至少一端。两端都不占的中间层标的应下调预期回报,或要求它在 12 个月内证明自己拥有可被并购的独特资产——否则很容易在下一轮融资中被动出局。
推理单价下行 + 常驻 Agent 上线 = 应用层毛利修复窗口;这四条碎片指向同一条曲线:模型侧同时发生降本(新档位、提速、单客户成本降 90%)与扩容(常驻 Agent 把调用量从「用户提问频次」变成「任务持续时长」)。结果是应用层的单位经济模型被重新打开——过去因推理成本不敢做的长任务与高频判定,现在具备毛利空间;而收益会优先落到已有数据闭环和工作流交付能力的公司,因为它们能把省下的成本直接转化为降价或功能扩张,而非被平台方拿走。;未来两个季度,Agent 应用的分水岭不是模型能力而是成本结构。先把单任务成本压到当前 1/3、并把常驻执行做成稳定状态机的团队,会在这轮窗口里吃下份额;反之,纯提示词封装、无法控制推理成本的套壳产品会在价格战中被清出。投资侧可优先看那些已经把推理成本拆解到每个业务动作的标的。
国内 AI 竞争重心正从模型能力转向标准与评测的定义权;这四条线索的共同点是:都不直接比拼模型跑分,而是在建立'什么算合格'的判定标准。荣耀与阿里定义系统级 Agent 的执行规范,龙蜥社区定义 Agent 技能的质量榜单,索辰科技定义具身智能的物理测评口径,阿里开源代码评审工具定义 AI 生成代码的合格线。谁掌握标准,谁就掌握采购目录与生态准入,这比单点模型领先更持久,也更贴合国内以产业联盟推动技术落地的惯用路径。;对国内创业公司的直接含义是:与其在通用能力上追赶,不如尽早进入某一垂域的评测与标准体系,成为标准的贡献者而非遵从者,这直接影响后续的渠道与订单获取。对投资方,可把'是否主导或深度参与某垂域标准'作为筛选国内 AI 项目的一条硬指标;对海外厂商,这意味着进入中国市场除了模型能力,还需通过本地标准这一关。