熱鬧是展會的，帳本是自己的。 今年WAIC，是史上最大規模，也幾乎是最“熱鬧”的一屆。 但在熱鬧之外，如大家所知，虎嗅做了兩場”安靜”的活動： 一場連續8小時、7場、20位CEO級實幹家入席的「AI帳本公開日」對談直播；

中國“芯”爆發，DeepSeekV4與八大國產GPU適配，更低算力成本、更頂級性能。 算力國產化加速，國產GPU全面崛起。 AI不是風口，是海嘯。 擁抱康波周期，不要做老登。 1、輝達最擔心的事來了，國產算力爆發 一是硬體適配。DeepSeekV4在發佈首日即實現華為昇騰、寒武紀、海光、摩爾線程、沐曦、崑崙芯、阿里平頭哥、天數智芯八大國產晶片廠商的全量適配。“發佈即跑通”，有力證明國產算力足以支撐兆級參數的大模型運行。

一、核心結論：算力成本 邏輯徹底切換，單一GPU不再是成本核心約束 在大模型早期預訓練階段，行業普遍將算力成本等同於GPU硬體採購成本，企業競爭焦點集中在高端GPU備貨量、單卡租賃單價，算力成本結構高度單一，GPU佔據整體TCO（總擁有成本）70%以上，儲存、網路、機房配套、CPU、維運等環節被視作次要配套支出，長期處於成本分析盲區。 進入2026年，伴隨兆參數大模型規模化訓練、長上下文推理、AI智能體（Agent）、多模態生成等業務全面落地，算力需求從“單次大規模訓練”轉向“7×24小時持續推理、多工具聯動、海量資料持久快取”，算力約束從GPU單點瓶頸演變為**計算、記憶體、儲存、高速互聯、供電散熱、機房土建、軟體調度、人力維運**全鏈條系統性瓶頸。直觀資料印證這一趨勢：新一代Vera Rubin整機中，GPU物料成本佔比從前代GB300的65%下滑至51%，記憶體、高速網路、供電冷卻、CPU配套合計成本佔比提升近30個百分點，算力成本完成從單點向全端的全面擴散。

2026 年，SaaS 已死，成了科技圈最流行的訃告。 邏輯聽起來無懈可擊：既然 AI 智能體可以在幾分鐘內生成軟體，企業為什麼還要為一套按席位收費的標準化軟體付錢？ 既然 Agent 會取代大量白領崗位，那按「人頭」定價的商業模式，豈不是就把SaaS公司的商業模式直接連根拔起？ 但事情似乎沒有這麼簡單。

智譜深度：模型層定價權的中國樣本，程式碼 Agent 與 API 飛輪能否跑贏算力成本 智譜的定價分歧不在“是不是中國大模型公司”，而在它能否反覆把前沿模型能力轉化為高價值工作流、API 價格和可持續 ARR。程式碼 Agent 是第一塊試金石，GLM-5.2 是最新證據；真正的證偽點則在算力供給、模型迭代速度、雲 API 毛利率和客戶留存。 內容概括 智譜最值得追問的地方，不是它已經成為稀缺的上市大模型標的，而是它在模型層裡暴露出一個更難回答的問題：當基礎智能不斷降價，模型公司還能不能靠前沿能力漲價。UBS 把它稱作“中國版 Anthropic”，BofA 強調程式碼資料飛輪，JPM 則用 GLM-5.2 解釋“成熟智能降價、前沿能力漲價”的價格分層。三份報告共同指向同一件事：智譜的估值不是傳統軟體股估值，也不是一次性項目制 AI 公司估值，而是一種仍在驗證中的模型層期權。

“如果日均建模數80000次，每次兩毛錢，每天花費16000元，如果是一個月，就是48萬元。” 在說起算力消耗這個話題時，Remy創始人王正男掏出了手機，很認真地算了筆帳，如果放在輝達的顯示卡上跑，每個月固定消耗50萬元。 對於一家創業公司來說，這筆Token消耗是不小的開銷。這是建立在所有任務都跑在輝達的顯示卡上。嚴格意義上說，Remy所做的事情跟Token的關係並不大，但Remy的生意，卻與算力的消耗息息相關，甚至關係到這家公司的關鍵商業模式。王正男有他自己的一套控製成本的方法。 “我們從去年年底至今，半年時間，Remy的使用者數達到了250萬。”但王正男在思考另一件事，他就像一個精力無限的陀螺，語調昂揚，眼裡有光。