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】OpenAI 正把企业工作流做成新的护城河:四条线索指向 OpenAI 的战略转向:不再只卖 token,而是把安全、法律、编程等高价值工作流封装成行业方案,绑定客户的流程与数据。当客户的合规流程、案件库与代码库都长在某个模型上,切换成本就从“模型价格”变成“流程重构”。这正好解释了为什么 Replit 能换供应商、而政企与律所客户换不动——可替换的是推理,难替换的是流程。 ⇒ 科大讯飞(看多):国内最接近“行业工作流+模型”打法的公司,政企、教育、医疗的交付体系正是OpenAI式深度绑定的国内镜像
【国外信号传导】AI 监管从「调查」进入「诉讼」,安全与对齐成为组织级成本项:三条海外线索与一条国内线索指向同一趋势:AI 安全已从公关议题变成法律与准入议题。州级诉讼意味着赔偿责任可能被判例化,虚假影响力行动的处置意味着平台责任被前置,字节的部门升格与苹果的备案流程则说明国内选择用组织与准入手段提前消化风险。结果是安全与合规从「成本中心的可选项」变成「产品上线的前置条件」。 ⇒ 科大讯飞(中性):教育场景是其核心收入来源,未成年人保护监管趋严会提高产品合规门槛与交付成本,但同时也抬高了新进入者的门槛,对已建立审核能力的厂商影响相对可控。
【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。
【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
【国外信号传导】决策模型成为独立品类:Jev 拿到 75 亿美元估值,中国团队同步深挖直觉层:四处线索指向同一件事:行业开始把判断从生成里拆出来单独做模型。理由是成本与延迟——在许多企业场景,需要的不是会写字的模型,而是低延迟、低 token 消耗、输出可校验的决策。DeepSeek 输出时强时弱被归因到 token 站位,说明这种不稳定性正是决策层要解决的问题,也解释了为什么判断型模型的商业价值会被单独定价。 ⇒ 科大讯飞(中性):教育、医疗场景的判分与辅助决策需求明确,采用小决策模型可显著压低推理成本;但基座厂商的 Decisions API 可能直接覆盖同类需求,议价空间受限。
【国外信号传导】小模型价格断崖正在重写推理经济学与 API 定价体系:这几条线索拼出同一条成本曲线:单位智能的价格在暴跌,但可交付任务的价值没有同步下降,于是“调用量放大”成为必然,应用层毛利改善而纯 API 转售方毛利被压缩。同时,成本下降并没有降低总支出——安全、评测与运维成为新的固定成本项,谁先建立成本结构优势,谁就能在下一轮价格战中活下来。 ⇒ 科大讯飞(看空):其收入结构中 API 调用与行业交付占比较高,海外小模型价格降至四分之一会直接压缩国内同类小模型的定价空间,毛利承压先于收入承压。
【国外信号传导】开源权重的安全外溢,正在从研究议题变成采购硬约束:这三件事共同把模型安全从技术议题推成采购与合规议题:能力平权的代价是护栏没有同步平权,开源权重一旦能力追平前沿,恶意使用门槛也同步下降;而监管开始以事故和可追溯性(水印、强制报告、熔断)为单位追责。安全评测报告正在变成和性能跑分同等重要的销售材料。 ⇒ 科大讯飞(看多):教育、医疗、政企等高合规场景本就要求本地部署与可控输出,开源权重的安全争议会强化「合规优先」的招标偏好,利好其行业模型入围。
【国外信号传导】Agent 评测从静态答题转向闭环任务,工程短板被量化:三条学术线索与一条工业案例指向同一结论:Agent 的能力评估正从「能不能答对」转向「能不能一路做到结果」。研究普遍发现瓶颈不在模型智力,而在任务数据生成、验证器质量与多轮环境反馈——这恰好解释了为什么工业界能靠 Codex 拿到约 7 倍效率提升,而多数团队自建 Agent 仍卡在中段成功率。 ⇒ 科大讯飞(中性):行业 Agent 落地依赖可验证的任务闭环,讯飞在教育、医疗等垂直场景积累的过程数据与验证标准是差异化资产,但需补齐闭环评测口径。
【国外信号传导】资本从「买模型」转向「买工程与物理世界的落地能力」:四笔交易排在一起看,资本的偏好出现了明显位移:愿意为纯模型能力付高价的只剩 Jev 这类顶级团队,而更大的金额流向了能把 AI 嵌入具体流程的公司——硬件设计、个人助手、空间智能。AMD 的并购尤其说明问题,芯片厂商买模型是为了让自家硬件产生独占需求,这是产业资本而非财务资本的逻辑。共同指向的结论是:AI 的估值锚点正从「模型有多强」转向「能替谁省下多少工时或多少人力」。 ⇒ 科大讯飞(看多):Instinct 以 10 亿美元融资验证个人助手的独立赛道价值,讯飞在教育、办公等垂直场景的落地路径与之同构,情绪面受益明显。
【国外信号传导】推理成本塌方快于付费意愿增长,模型层进入每美元任务量的淘汰赛 ⇒ 科大讯飞(看多):教育与医疗场景的付费意愿来自结果而非对话,与只输出结构化答案的趋势同向;其在教育硬件与政企采购的渠道优势,使其更接近可度量的任务交付。
【国外信号传导】企业 AI 的真瓶颈是工程人力,不是模型能力 ⇒ 科大讯飞(看多):其在教育与政企培训渠道的积累可直接承接企业 AI 落地服务需求,海外厂商重金做培训会加速国内客户的付费意愿与预算释放。
【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 ⇒ 科大讯飞(看多):作为典型的模型使用方,推理单价下行直接改善其教育与办公硬件产品的毛利,价格战对它是对手成本,而非自身成本。
【国外信号传导】推理成本在降、订阅价格在涨:单位经济学正在取代模型榜单成为估值锚:四条碎片共同说明:模型层的成本还在下降,但厂商不再把下降让给客户。谷歌用半价抢份额,OpenAI 用涨价覆盖推理开销,应用公司则靠工程优化(Manus 三个百分点级数字)保住毛利。与此同时 ElevenLabs 用 220 亿美元估值证明,只要效果可感知、能嵌进企业工作流,应用层可以脱离基座模型独立定价。成本与定价之间的剪刀差,正在成为估值的主要变量。 ⇒ 科大讯飞(中性):ElevenLabs 估值翻倍抬高语音 AI 的估值锚,科大讯飞在国内语音与企业市场与其对标,情绪上有重估空间;但国内收入以政企项目为主,传导幅度弱于海外订阅模式。
【国外信号传导】语音与「非生成式」推理同时被资本重估:表面上是两个赛道,实质是同一件事的两面:AI 的商业价值正在从「生成得像人」转向「输出可用、成本可控」。ElevenLabs 的翻倍估值来自配音、客服等可计价场景的稳定 ARR;Ringg 的65%自主解决率与90%成本降幅说明语音客服已跨过经济性临界点;Jev 则干脆放弃生成,只给可校验的概率值。三者的共同分母是「在高容错成本场景里,准确的低成本输出比流畅的自然语言更值钱」。 ⇒ 科大讯飞(看多):国内语音与政企客服市场的主要承接方,海外语音 Agent 证明65%自主解决率与90%成本降幅可行,会加速国内客服中心采购语音 Agent 的预算重估。