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】中国开源多模态架构首次被海外大厂反向采用:过去两年中国多模态模型多以「能力接近但成本更低」被讨论,这次的性质不同:英伟达选择在 H3 架构上做增强并开源,等于公开承认该架构在工程效率上具备可复用价值。逻辑链是:视频生成的瓶颈从模型结构转向推理成本与显存效率,而国内团队在压缩与调度上的工程积累更扎实,于是架构本身成为可出口的技术资产。 ⇒ 商汤(中性):多模态能力积累深厚,但商业化以政企项目为主,海外开源生态的认领对其收入传导较弱。
【国外信号传导】Genie 4 把世界模型做成可实时操控的仿真环境:世界模型的价值不在生成一段视频,而在成为可交互的训练场:机器人策略训练需要大量带物理一致性的反事实数据,视频生成模型给不了动作—反馈闭环,Genie 4 给得了。于是竞争从'画面像不像'转向'能不能被策略网络调用',这会重新定义多模态公司的客户结构——从内容公司变成机器人公司与自动驾驶公司。 ⇒ 商汤(中性):其在仿真与视觉基础模型上有积累,但商业化以政企项目为主,世界模型带来的收入弹性短期难以体现。
【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。 ⇒ 商汤(中性):具备行业解决方案能力但现金流承压,需把垂直交付从项目制复制为订阅制才能获得估值重估
【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】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】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」。 ⇒ 商汤(中性):空间智能与 3D 生成是其技术积累所在,理论上直接对标李飞飞团队能力,但商业化落地节奏与订单可见度仍是估值的主要约束。
【国外信号传导】多模态正从「能生成」转向「能实时理解并执行」,估值开始分层:多模态的价值锚点正从「生成质量」移到「实时理解 + 立即行动」。Guided Vision 让相机变成输入设备,虚拟试穿把视觉接进交易,Muse 把理解结果变成下单动作,而 ElevenLabs 证明语音这种效果可感知的模态能拿到 220 亿美元。四者拼出一条链路:看到→听懂→替你做→收佣金,中途不再经过人工确认,这正是它同时带来效率与风险的原因。 ⇒ 商汤(看多):多模态从生成转向实时理解与执行,商汤在视觉多模态有对标位置,海外同类产品密集上线会带来估值情绪传导,也为其行业落地提供参照路径。