Vol.22 来自硅谷一线的 AI 行业观察与展望

「AI 是历史级的机会」 美国2025年在科技领域(AI)的Capex投入约为GDP的2%，国防投入约为GDP的3%。预估2026年美国AI的投入要到GDP的5%。 如果中国不断用美国头部模型公司10%~20%的成本复现SOTA模型的能力，美国的AI叙事/投入还能否持续？ 美国风险资本流向（VC）：大概3400亿美金，1750亿美金流到了AI，其中1250亿的美金投向AI应用。 「AI技术加速演进-超摩尔定律」 大语言模型推理成本每年下降90%，智能水平100天翻倍，复杂问题处理时长7个月翻倍。 在过去近2年的时间里，AI领域的超摩尔定律，目前尚不稳定，但仍在加速演进。 「2026 年投资趋势与关键赛道洞察」 2026年将是多模态和Agent大年。 1）比特世界 ① 大语言模型 头部竞争格局清晰，精品AI Lab持续出现，中国公司引领开源（模型）生态。 RL(强化学习)是25年关锭技术点，持续/自主学习将是26年技术核心。 ② 多模态 美国头部模型持续领先，中国公司引领开源生态。成本与效果，控 制精准度和使用门槛都是阶段性衡量模型的核心点。 今年多模态的应用会有一个特别大的爆发。一方面是因为多模态的模型越来越成熟，而且中国的这些开源的模型在成本上非常有优势。 ③ Coding Coding产品的格局已经结束了，用Coding做原生产品才刚开始。 Google Skil是个里程碑级别的产品。 软件工程的终结，只是时间的问题。 ④ Agentic (智能体) 2025年没有达到预期。 2026年将加速渗透。Multi-agent协作、长期记忆、自主学习能力将有突破，从被动响应到主动编排执行的方向越发清晰。 ⑤ Al4S (AI for Science) 范式转变：逐步从简单的预测/拟合，进化到提出科学假设、生成方案并驱动实验闭环。 2）原子世界 - 人类最后的一块堡垒 ① 具身智能 市场已阶段性完成FrontierLab的布局；路径持续分化当前迫切需要落地场景，预计2026年估值与业绩承压。 共识：训练现阶段核心还是用真人和真机的数据。 具身智能现在的头部公司还没有特别多的商业化，但已经分出流派了。 ② 具身技能 相比通用具身智能，专注于特定技能的场景落地进展更快，商业化路径更短，但不够性感。比如商业清洁、酒店、搬运、仓储等。 ③ 智能硬件 在美国算是相对边缘的赛道。 中国制造业能力溢出红利。 AI眼镜/影像、智能日历、AI项链、AI相机。 「✅AI 领域的项目标准」 核心围绕着产品、数据、提效、降本。 AI评估指标体系：System of Record → System of Action → System of Reasoning。 1）平均人效(Token消耗量) 单位员工的算力使用效率。 现阶段最核心的指标，衡量你是不是真的在用AI。 未来比的是人 + AI之后的产出。如果不如AI本身，人就被淘汰了。新的世界的斩杀线。 真正能消耗大量的token一定是你在解决特别难的问题，深度使用AI。 2）AI代码生成量 辅助开发的代码贡献度。 3）Eval Coverage 评估测试展盖率。 4）合成数据占比 现在很多大语言模型公司，逐渐开始接受用合成数据了。 5）研发员工数量 6）AI业务渗透率 在AI时代，提出关键问题的能力更重要。提供有用的问题，让AI帮你解决。现在AI擅长解题。 头部的厂商在牌桌上的话，不会轻易被你颠覆。行业本身有进入壁垒（不好替换）、数据壁垒。 速度：AI发展，每三个月就有一次小的跃迁。你得跟得上。每个浪都在上面。 当世界级的变革发生的时候，你算“账”有啥意义。 AI时代的稀缺能力是想象力。 AI不得不投入，因为这是唯一能够驱动美国长期维持现状的。 老树开新花：英特尔，agent烧的是CPU，利好英特尔。 上一代的所有的软件公司，长期看空。 美国因为看见才相信，不投C；中国人因为相信才看见，投C。 信息是流动性，如果卡在算法，中国永远是能追的。如果卡在硬件，就…… 中国在模型上的成本优势很明显。 工业、军事/军工，居家，目前最主流的三大场景。 最好的场景是人不好做的。

「AI 是历史级的机会」 美国2025年在科技领域(AI)的Capex投入约为GDP的2%，国防投入约为GDP的3%。预估2026年美国AI的投入要到GDP的5%。 如果中国不断用美国头部模型公司10%~20%的成本复现SOTA模型的能力，美国的AI叙事/投入还能否持续？ 美国风险资本流向（VC）：大概3400亿美金，1750亿美金流到了AI，其中1250亿的美金投向AI应用。 「AI技术加速演进-超摩尔定律」 大语言模型推理成本每年下降90%，智能水平100天翻倍，复杂问题处理时长7个月翻倍。 在过去近2年的时间里，AI领域的超摩尔定律，目前尚不稳定，但仍在加速演进。 「2026 年投资趋势与关键赛道洞察」 2026年将是多模态和Agent大年。 1）比特世界 ① 大语言模型 头部竞争格局清晰，精品AI Lab持续出现，中国公司引领开源（模型）生态。 RL(强化学习)是25年关锭技术点，持续/自主学习将是26年技术核心。 ② 多模态 美国头部模型持续领先，中国公司引领开源生态。成本与效果，控 制精准度和使用门槛都是阶段性衡量模型的核心点。 今年多模态的应用会有一个特别大的爆发。一方面是因为多模态的模型越来越成熟，而且中国的这些开源的模型在成本上非常有优势。 ③ Coding Coding产品的格局已经结束了，用Coding做原生产品才刚开始。 Google Skil是个里程碑级别的产品。 软件工程的终结，只是时间的问题。 ④ Agentic (智能体) 2025年没有达到预期。 2026年将加速渗透。Multi-agent协作、长期记忆、自主学习能力将有突破，从被动响应到主动编排执行的方向越发清晰。 ⑤ Al4S (AI for Science) 范式转变：逐步从简单的预测/拟合，进化到提出科学假设、生成方案并驱动实验闭环。 2）原子世界 - 人类最后的一块堡垒 ① 具身智能 市场已阶段性完成FrontierLab的布局；路径持续分化当前迫切需要落地场景，预计2026年估值与业绩承压。 共识：训练现阶段核心还是用真人和真机的数据。 具身智能现在的头部公司还没有特别多的商业化，但已经分出流派了。 ② 具身技能 相比通用具身智能，专注于特定技能的场景落地进展更快，商业化路径更短，但不够性感。比如商业清洁、酒店、搬运、仓储等。 ③ 智能硬件 在美国算是相对边缘的赛道。 中国制造业能力溢出红利。 AI眼镜/影像、智能日历、AI项链、AI相机。 「✅AI 领域的项目标准」 核心围绕着产品、数据、提效、降本。 AI评估指标体系：System of Record → System of Action → System of Reasoning。 1）平均人效(Token消耗量) 单位员工的算力使用效率。 现阶段最核心的指标，衡量你是不是真的在用AI。 未来比的是人 + AI之后的产出。如果不如AI本身，人就被淘汰了。新的世界的斩杀线。 真正能消耗大量的token一定是你在解决特别难的问题，深度使用AI。 2）AI代码生成量 辅助开发的代码贡献度。 3）Eval Coverage 评估测试展盖率。 4）合成数据占比 现在很多大语言模型公司，逐渐开始接受用合成数据了。 5）研发员工数量 6）AI业务渗透率 在AI时代，提出关键问题的能力更重要。提供有用的问题，让AI帮你解决。现在AI擅长解题。 头部的厂商在牌桌上的话，不会轻易被你颠覆。行业本身有进入壁垒（不好替换）、数据壁垒。 速度：AI发展，每三个月就有一次小的跃迁。你得跟得上。每个浪都在上面。 当世界级的变革发生的时候，你算“账”有啥意义。 AI时代的稀缺能力是想象力。 AI不得不投入，因为这是唯一能够驱动美国长期维持现状的。 老树开新花：英特尔，agent烧的是CPU，利好英特尔。 上一代的所有的软件公司，长期看空。 美国因为看见才相信，不投C；中国人因为相信才看见，投C。 信息是流动性，如果卡在算法，中国永远是能追的。如果卡在硬件，就…… 中国在模型上的成本优势很明显。 工业、军事/军工，居家，目前最主流的三大场景。 最好的场景是人不好做的。

「AI 是历史级的机会」 美国2025年在科技领域(AI)的Capex投入约为GDP的2%，国防投入约为GDP的3%。预估2026年美国AI的投入要到GDP的5%。 如果中国不断用美国头部模型公司10%~20%的成本复现SOTA模型的能力，美国的AI叙事/投入还能否持续？ 美国风险资本流向（VC）：大概3400亿美金，1750亿美金流到了AI，其中1250亿的美金投向AI应用。 「AI技术加速演进-超摩尔定律」 大语言模型推理成本每年下降90%，智能水平100天翻倍，复杂问题处理时长7个月翻倍。 在过去近2年的时间里，AI领域的超摩尔定律，目前尚不稳定，但仍在加速演进。 「2026 年投资趋势与关键赛道洞察」 2026年将是多模态和Agent大年。 1）比特世界 ① 大语言模型 头部竞争格局清晰，精品AI Lab持续出现，中国公司引领开源（模型）生态。 RL(强化学习)是25年关锭技术点，持续/自主学习将是26年技术核心。 ② 多模态 美国头部模型持续领先，中国公司引领开源生态。成本与效果，控 制精准度和使用门槛都是阶段性衡量模型的核心点。 今年多模态的应用会有一个特别大的爆发。一方面是因为多模态的模型越来越成熟，而且中国的这些开源的模型在成本上非常有优势。 ③ Coding Coding产品的格局已经结束了，用Coding做原生产品才刚开始。 Google Skil是个里程碑级别的产品。 软件工程的终结，只是时间的问题。 ④ Agentic (智能体) 2025年没有达到预期。 2026年将加速渗透。Multi-agent协作、长期记忆、自主学习能力将有突破，从被动响应到主动编排执行的方向越发清晰。 ⑤ Al4S (AI for Science) 范式转变：逐步从简单的预测/拟合，进化到提出科学假设、生成方案并驱动实验闭环。 2）原子世界 - 人类最后的一块堡垒 ① 具身智能 市场已阶段性完成FrontierLab的布局；路径持续分化当前迫切需要落地场景，预计2026年估值与业绩承压。 共识：训练现阶段核心还是用真人和真机的数据。 具身智能现在的头部公司还没有特别多的商业化，但已经分出流派了。 ② 具身技能 相比通用具身智能，专注于特定技能的场景落地进展更快，商业化路径更短，但不够性感。比如商业清洁、酒店、搬运、仓储等。 ③ 智能硬件 在美国算是相对边缘的赛道。 中国制造业能力溢出红利。 AI眼镜/影像、智能日历、AI项链、AI相机。 「✅AI 领域的项目标准」 核心围绕着产品、数据、提效、降本。 AI评估指标体系：System of Record → System of Action → System of Reasoning。 1）平均人效(Token消耗量) 单位员工的算力使用效率。 现阶段最核心的指标，衡量你是不是真的在用AI。 未来比的是人 + AI之后的产出。如果不如AI本身，人就被淘汰了。新的世界的斩杀线。 真正能消耗大量的token一定是你在解决特别难的问题，深度使用AI。 2）AI代码生成量 辅助开发的代码贡献度。 3）Eval Coverage 评估测试展盖率。 4）合成数据占比 现在很多大语言模型公司，逐渐开始接受用合成数据了。 5）研发员工数量 6）AI业务渗透率 在AI时代，提出关键问题的能力更重要。提供有用的问题，让AI帮你解决。现在AI擅长解题。 头部的厂商在牌桌上的话，不会轻易被你颠覆。行业本身有进入壁垒（不好替换）、数据壁垒。 速度：AI发展，每三个月就有一次小的跃迁。你得跟得上。每个浪都在上面。 当世界级的变革发生的时候，你算“账”有啥意义。 AI时代的稀缺能力是想象力。 AI不得不投入，因为这是唯一能够驱动美国长期维持现状的。 老树开新花：英特尔，agent烧的是CPU，利好英特尔。 上一代的所有的软件公司，长期看空。 美国因为看见才相信，不投C；中国人因为相信才看见，投C。 信息是流动性，如果卡在算法，中国永远是能追的。如果卡在硬件，就…… 中国在模型上的成本优势很明显。 工业、军事/军工，居家，目前最主流的三大场景。 最好的场景是人不好做的。

08:58 持续学习 自主学习

08:58 持续学习 自主学习

08:58 持续学习 自主学习