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
2027年Q2前,至少一家中国云厂商或模型公司公开披露采用非英伟达推理芯片承载超过10%的线上推理流量。
证伪条件:若2027年6月30日前无国内厂商披露非英伟达推理芯片的线上流量占比数据,则判断错误。
推理ASIC的第二供应商窗口正在打开;三条线索的共同点是算力采购方开始主动拆分供应:谷歌用TPU把云内推理成本压到自有可控区间,Anthropic用Fractile做英伟达之外的推理备份,英伟达自己则往设计仿真这类更上游的环节布防。结果是训练侧的GPU垄断短期不变,推理侧的价格与议价权开始分散,采购结构从单一供应商转向双轨制。;云厂商与模型公司的采购负责人应在2027年预算里单列「第二供应商」试点,规模不必大但要拿到真实workload数据;芯片创业者应把定位从「更快」改成「更省电或更省内存」,通用性能对标已不具备融资说服力。
谷歌将在 2027 年 Q1 前把 Agent 蜂群能力接入 Workspace 全线产品(邮件、文档、会议),并首次对外公布第八代 TPU 的外部客户名单。
证伪条件:若 2027 年 3 月底前 Workspace 未上线蜂群相关功能,或仍未披露任何 TPU 外部客户,则判断错误。
多智能体编排被上收为模型原生能力,中间件层被挤压;蜂群能力会成倍推高单任务的 token 消耗,这正是长上下文专用 TPU 存在的理由——模型能力设计与芯片负载设计第一次在同一周内互相印证。当编排、工具调用、垂直领域能力都被收进模型内部,夹在模型与应用之间的框架层就失去了存在基础,剩下的是数据、权限与交付。;做 Agent 框架与提示词编排的团队需要在一个版本周期内找到不可替代性,否则会被原生能力免费覆盖。反过来,掌握私有数据与行业交付能力的公司会因模型变便宜而毛利改善。
2027 年上半年,至少一家超大规模厂商的 AI 资本开支同比增速将首次低于其云业务营收同比增速。
证伪条件:若 2027 年 6 月底前谷歌、微软、Meta、亚马逊四家中无一家出现资本开支增速低于云营收增速,则本判断错误。
算力资本开支与组织瘦身同时发生,超大规模厂商进入折旧消化期;这组信号指向同一个财务事实:算力投入的折旧是刚性且前置的,人力成本是弹性且可谈判的,所以资本开支高峰后的第一个压力周期,一定伴随组织收缩。苹果给工程团队设每日 100 美元的 AI 额度同样说明,连最不缺钱的买方也开始对推理成本做精细化管理。当买方管成本、卖方压单价、供给方还在加资本开支,三者之间的缺口只能靠某一方让步来填——这就是美股科技板块剧烈波动的底层原因。;未来两个季度最该盯的不是资本开支绝对值,而是「资本开支增速与云营收增速的差值」。一旦这个差值转负,AI 硬件的订单预期会被系统性下修。持有算力链敞口的投资者应提前设定这一指标的触发阈值;企业内部则应把 AI 使用额度管理做成常态制度,而非一次性削减。
2027 年上半年,PyTorch 主线将把 TPU 或另一非 CUDA 后端纳入一等公民支持,主流开源模型的迁移成本下降 30% 以上。
证伪条件:若 2027 年 6 月前 PyTorch 主线仍未合并任何非 CUDA 后端的一等支持代码,则判断错误。
TorchTPU 与高通建仓:谷歌同时在拆 CUDA 的软件墙和硬件的单一供应;开源 TorchTPU 解决的是「换硬件要重写代码」的软件门槛,建仓高通补的是端侧与边缘推理的硬件短板,2000 亿美元资本开支与人力买断则是把预算从人转向算力的财务动作。三者合起来是一次结构性押注:算力优势将从单一厂商的芯片性能,转移到谁能提供最多可替换后端的软件生态。;对云厂商与大型甲方,硬件议价窗口首次真正打开,应在下一轮算力合同前完成至少一次非英伟达后端压测;对国产加速器厂商,这是可复用的生态捷径,适配优先级应高于纸面算力指标。
到 2026 年底,至少两家一线实验室会把旗舰模型迭代周期压缩到 4 周以内,并将 API 首发价打到上一代的 50% 以下。
证伪条件:若 12 月 31 日前没有第二家一线厂商在 6 周内发布新旗舰、或降价幅度不足 40%,该判断即告错误。
两周一代 + 首发半价:前沿模型转入「节奏战」,定价权从能力转向成本;三个动作指向同一策略:用迭代速度让竞品的评估周期失效,用首发折扣抢在对手调价前锁定调用量,用安全资质切入对合规敏感的企业客户。这与 2023~2024 年「堆参数、比榜单」的竞争逻辑完全不同——现在的竞争单位是可验证的单位 token 成本与发布频率,谁的工程化流水线更快,谁就能持续定义价格。;API 重度用户应把模型切换成本压到最低,并利用首发折扣窗口迁移;国内模型厂商需在两个季度内跟进降价,同时把训练预算向推理效率优化倾斜。对投资人而言,评估模型公司的核心指标应从「榜单排名」改为「单代迭代周期与推理毛利率」。
6~12 个月内会出现至少一家头部人形机器人公司公开宣称,其策略训练数据中超过 50% 来自世界模型合成的仿真环境。
证伪条件:若 2027 年 10 月前无人形机器人公司公开披露合成数据占比超 50%,则判断错误。
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。;具身智能公司应评估用合成环境替代真机采数的比例,把数据成本从每台机器人摊销转为算力摊销;内容侧公司要警惕'一次性生成'被降级为世界模型的副产品,纯视频生成工具的溢价会先收窄。
未来 6 个月内,至少还会有 1 家前沿模型公司(Anthropic、Mistral、xAI 之一)把模型上架到非自有的第三方云市场,模型分销的跨云化成为行业惯例。
证伪条件:若 2027 年 4 月底前没有第二家前沿模型公司上架第三方云市场,则判断错误。
前沿模型开始跨云:算力、渠道与债务三者的边界被打穿;过去 AI 的资本结构像软件:轻资产、高毛利、靠订阅滚动。这四条线索说明它已经变成基础设施:模型公司需要云渠道分销,云厂商需要前沿模型填充货架,而两者都要靠股权与债务融资去购买芯片。SpaceX 为买英伟达芯片借 400 亿美元,是这条链最极端的样本——算力采购正在以债务形式进入非 AI 公司的资产负债表。Anthropic 推迟 IPO 则说明公开市场还没准备好为这种重资产结构付 2 万亿美元。;评估 AI 公司时要换一套指标:看算力采购承诺与债务期限的匹配度,而不是单纯看 ARR 增速。云厂商的 AI 收入口径也会被重估——分销第三方模型带来的收入毛利远低于自研模型,会拖累整体云业务的毛利率表现。
谷歌双线推进:把 Gemini 塞进交易闭环,同时把量子错误率压低 40 倍;谷歌同日推进两件性质完全不同的事:一件把模型能力变成交易佣金,解决当期收入;一件把量子纠错推进到更接近工程可用的区间,押注十年后的算力范式。放在一起看,其策略是用搜索与电商现金流供养长周期基础研究。OpenAI 的治理事件则提醒所有大厂:能力越强,外部性成本越高,安全投入会成为算力之外的第二个固定支出项。;电商与联盟广告从业者需重新测算被 AI 助手截流的比例,把站内转化而非站外引流作为核心指标;金融与政务机构的加密迁移预算应提前排期到 2028 年前后,避免「先存后破」风险落地。
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。;做图像与视频生成的中间层产品,需要在 1~2 个季度内把竞争点从「生成质量」迁到「批量一致性与工作流集成」,否则会被基础模型的能力下沉直接吞掉。定价策略上应尽早放弃按张计费,转向按工作流或订阅收费。
企业级 Agent 三线并进:谷歌 Gemini Agent、OpenAI computer use、国内开源 AgentOS 同时落地;三家在不同层面做同一件事:把 Agent 从 demo 推到企业采购清单。谷歌从席位绑定渗透率、OpenAI 从高价值工作流(合同)切入、国内用开源降低接入门槛。共同卡点是评估与可靠性——没有可量化的成功率,企业不会把核心流程交出去,这也是 Ironclad 类联合评估合作真正的意义。;企业采购 Agent 时,合同与法务、客服、IT 运维是最先能算清 ROI 的三类场景,建议先在这三类做 1 至 2 个 POC,并在合同里强制写明成功率 SLA 与失败兜底方案。国内厂商若只拼模型能力而忽视 AgentOS 与工具链层,会在集成环节被开源方案截流。
通用 Agent 从演示走进后台执行层,入口争夺上移到操作系统;这四条线索指向同一个门槛被跨过:Agent 从“需要人盯着演示”变成“可在后台稳定执行”。成本下降使高频调用在经济上成立,能力提升使任务完成率可交付,交互层升级则让“执行结果”直接呈现为可操作界面。三者叠加后,竞争不再是模型能力高低,而是谁拿到系统级执行权限与默认入口。;未来一年,Agent 的商业价值会从“能做什么”转向“嵌入在哪个入口”。做应用的一方应尽快把能力封装成可被外部 Agent 调用的服务,而不是争夺用户打开自己的 App;做平台的一方应优先锁死跨应用执行权限与数据接口。错过这轮入口卡位,后续获客成本会成倍上升。
基座层「能力平权 + 价格腰斩」,定价权正从模型转向分发入口;四条线索指向同一结论:前沿能力在六个月内被两家同时推到相近水平,模型本身不再是稀缺品。于是 OpenAI 用降价换开发者份额,谷歌用取消免费额度换付费转化,双方都把变现押回各自的分发入口(ChatGPT 广告、安卓与云绑定)。能力不再是护城河,入口、切换成本与数据资产才是。;做应用的公司应立即把模型调用层抽象化、按任务分档路由,把省下的推理成本投入数据资产与用户留存,而不是继续提升单模型依赖度;投资人应下调纯 API 封装类项目的估值权重,把注意力放到同时握有入口与数据的团队。
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;供给端成本三年下降数千倍,需求端只有约 2% 的消费者真正付费,中间的缺口只能由单位任务的价值密度来填补。谷歌用半价抢可替换的推理环节,Manus 用框架优化把成本再压三成,Jev 干脆放弃对话、只输出结构化概率,三条路径都在回答同一个问题:不做通用聊天,做能直接嵌入决策链路的高信噪比输出。;纯 API 转售与通用聊天助手的毛利会在 2 至 3 个季度内被压到极薄。创业者应把定位从提供能力改为交付结果,例如给出可校准的答案与置信度而非一段可读文本。投资人则应重点看单位任务成本下降曲线与付费转化率是否同向,两者背离的公司估值终会被修正。
高质量语料的定价权正在从平台转向内容方;前两条是买,第三条是防:AI 公司对高质量内容与推理数据的需求已经大到必须同时用付费、合作与法律手段维护供给。当谷歌愿意为搜索摘要付费,说明免费抓取的时代在监管与诉讼压力下正在收口,内容的边际价格被重新定价。与此同时,蒸馏被定性为对抗性攻击,意味着模型输出也进入被保护的资产清单。;对内容方,现在是谈授权条款的窗口,AI 搜索的付费意愿随诉讼进展上升,越晚进场议价空间越小。对 AI 公司,数据成本将从一次性爬取转为持续性授权支出,需要在单位经济模型中单列这一项,并重新评估自建语料与外部授权的成本分界点。
安全对齐成为模型准入的新闸门,能力越强越由评估决定发布与否;四条线索指向同一趋势:模型能力越过网络安全阈值后,能不能放出来由安全评估而非产品节奏决定。谷歌用准入分级控制风险扩散,OpenAI 用内部安全闸门调节代际发布节奏,Anthropic 用红队报告把竞争对手推到聚光灯下。安全能力正在从成本中心同时变成竞争工具和准入门槛,而蒸馏防御则说明连模型输出本身都开始成为被保护资产。;企业采购前沿模型时,把是否提供可审计的安全评估与护栏文档写进供应商清单;使用开源权重模型做安全相关产品的团队应自行补齐拒绝策略与输出过滤,一次公开事故就足以断掉政企与海外订单,而这项投入现在做成本最低。