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
开源权重模型进入「本地可跑」竞赛,私有部署成本曲线陡降;三件事共同压缩了「同等能力的单位成本」:硬件侧从机房降到工作站,模型侧用 MoE 把激活参数降到 42B,应用侧换模型即降本 76 倍。当能力不再稀缺,定价权从模型供应商转向掌握场景与数据的集成方。开源权重是这个转移的加速器——它让企业第一次可以算清「自建 vs 调用」的三年总成本,而这笔账在两年前根本算不清。;有数据合规要求的中大型企业,本地部署的回收期已从三年缩到一年以内。云厂商的推理营收增速可能先于 GPU 采购增速放缓,值得在下一季度财报里重点验证——这是判断 AI 资本开支周期是否见顶的先行指标。
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。;短期看空纯推理 API 的毛利假设,中期看好端侧硬件与私有化部署服务。企业应在下一轮采购谈判中把「本地可跑」作为议价筹码,即便最终仍选云端。真正的时间窗口是未来两个季度,等主要厂商跟进降价,谈判空间就会消失。
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。;未来12个月,模型层的溢价将持续被压缩,价值向掌握终端入口、内存供给与推理优化的环节转移。判断一家 AI 公司的第一步应变成“它是否握有不可替代的分发位”,而不是看榜单分数。对国内厂商,抢终端预装位的优先级高于再发一版模型。
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。
开源正成为护城河迁移工具,而非单纯的理想主义;三家公司开源的对象完全不同——硬件、Agent 框架、算子,但动机一致:当自身在某一层的规模优势不足时,用开源把竞争拉到对自己有利的层面。Meta 缺硬件入口就用开源硬件扩散,DeepSeek 缺芯片生态就用开源工具链换适配,OpenAI 在 Agent 框架被追赶时开源以维持事实标准。开源已从发布方式变成竞争策略。;企业应把「关键开源项目的适配与贡献」纳入技术战略,而不只是消费开源;投资人判断一家 AI 公司的护城河时,要先问它开源的是哪一层——开源执行层、同时守住数据与分发层的公司,才值得下注。
入口之争从屏幕转向随身与桌面;眼镜、笔记本、手机三条产品线在同一周内同时把 Agent 做进系统层,说明大厂已不满足于做一个被调用的 App。共同逻辑是:Agent 的价值取决于能否常驻并持续获得上下文,而只有系统级入口才能稳定拿到麦克风、摄像头、屏幕与日程。谁占据入口,谁就掌握任务分发的默认权——这也解释了 Meta 为何愿意把刚上线的 Muse 火速塞进 100 款眼镜 SKU。;应用层公司应提前评估被系统级 Agent 截流的风险:若用户任务能由系统助手直接完成,独立 App 的打开率会持续被侵蚀。对策是把能力以工具形式暴露给主流 Agent 平台,同时死守自己独有的数据与履约环节,而不是继续赌用户会主动打开你的图标。