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】AI 进入执法与安全流程,可靠性缺口先于能力见顶:四个案例把 AI 在高风险场景的两条边界画了出来:能被自动验证的任务(数学证明、告警研判)可以放心交给模型,不能被自动验证的任务(凶案线索、舆论真伪)必须保留人工复核。Sophos 的 96% 与 52% 之所以成立,是因为它保留了 human-in-the-loop;费城警方的事件之所以发生,恰恰是这条回路缺失。可靠性缺口不在模型分数上,而在流程设计上。 ⇒ 商汤(中性):城市治理与安防业务同属高风险场景,监管预期提升会拉长项目验收周期,同时利好能提供全链路可追溯方案的厂商,纯算法供应商议价能力下降。
【国外信号传导】AI 进入执法与安全流程,可靠性缺口先于能力见顶:四个案例把 AI 在高风险场景的两条边界画了出来:能被自动验证的任务(数学证明、告警研判)可以放心交给模型,不能被自动验证的任务(凶案线索、舆论真伪)必须保留人工复核。Sophos 的 96% 与 52% 之所以成立,是因为它保留了 human-in-the-loop;费城警方的事件之所以发生,恰恰是这条回路缺失。可靠性缺口不在模型分数上,而在流程设计上。 ⇒ 科大讯飞(中性):政务与公共安全是讯飞核心场景,可靠性事件会抬高交付门槛与合规成本,但具备人工复核流程与本地化部署能力的厂商反而获得相对准入优势。
AI 进入执法与安全流程,可靠性缺口先于能力见顶;四个案例把 AI 在高风险场景的两条边界画了出来:能被自动验证的任务(数学证明、告警研判)可以放心交给模型,不能被自动验证的任务(凶案线索、舆论真伪)必须保留人工复核。Sophos 的 96% 与 52% 之所以成立,是因为它保留了 human-in-the-loop;费城警方的事件之所以发生,恰恰是这条回路缺失。可靠性缺口不在模型分数上,而在流程设计上。;企业在把模型接入对外流程前应先判定任务是否「结果可自动验证」:可验证的直接自动化并压缩人力,不可验证的一律加人工复核卡点,并把复核记录留档以应对后续监管质询。这套判据可以直接写进采购合同与内部准入规范。
【国外信号传导】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。 ⇒ 中芯国际(中性):长鑫 4F² 服务器内存若如期落地,将带动国内存储与配套逻辑芯片的代工需求,但服务器 DRAM 的产能爬坡与客户验证节奏仍是主要变量。
【国外信号传导】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。 ⇒ 阿里巴巴(看多):通义系列若在吞吐与单位成本上建立优势,可借阿里云把低价高并发推理卖给中长尾客户,形成区别于闭源旗舰的定价权,并带动云资源复购。
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。 ⇒ 阿里巴巴(看多):无人配送与 AI 硬件规模化后,本地生活履约与云侧推理需求同步上升,平台方在订单入口与算力供给两侧都能受益,且能沉淀履约数据。
【国外信号传导】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。 ⇒ 百度(中性):多强竞争抬高基准分门槛,文心需持续跟进旗舰能力,但价格战同时压缩了国内 API 的溢价空间,短期收入弹性受限。
【国外信号传导】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。 ⇒ 阿里巴巴(看多):前沿模型供给增加压低 API 价格,通义可在开源与低价上强化性价比优势,加速国内企业从闭源旗舰向可自部署方案迁移,云侧调用量随成本下降而放大。
【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
【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。
【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。