•
AI到了什麼階段？
梳理下過去一段對AI敘事影響最大的問題，試圖定位下我們現在處於什麼階段。
1. 微軟在capex上的態度轉向了嗎？
這可能是capex敘事轉向謹慎的開端。就此也請教了多個西雅圖朋友，側面都印證了一點，的確satya在公開場合的態度就是最真實的態度，甚至可能更保守一點。但更準確定義，應該是減少訓練投入，增加推理投入。從預算角度二者有本質區別，推理是應用為先，投入在後。驗證一步，再投資一步。不會有FOMO導致的過度建設或者提前，應用到什麼量級就對應多少投入。因此基於目前看到的應用，微軟整體投入的增速二階導就下去了。但不排除某年應用爆發重新加速的可能。
2. OpenAI祛魅了嗎？可能要把研究和商業分開看
DeepSeek這次主導的開源“偷襲”，的確扭轉了中長期AI堆疊的價值量分配。閉源模型本身的長期利潤水平大幅縮水。看到廣密總朋友圈說的，今天Nvidia/AWS/基礎模型的利潤分配是：90%/30%/-20%。之前認為投入階段結束後，閉源模型可以扭虧且大幅盈利（就是OpenAI募資材料的財務預測），但開放原始碼的拐點可能會將模型層本身利潤壓制在接近於0。
這的確可能影響了一些資本市場情緒，但沒有改變產業對AGI的預期。最近很多朋友都在灣區，包括最近北美一些AI領袖的發言，其實很多人對AGI的時間表反而越來越篤定。包括國內相信DeepSeek對此也很堅定。
另一方面，ChatGPT過去2個月卻實現了使用者量歷史最快增長。如下圖：23年增長1億周活用了9個月，o1推出用了4個月，最近一次只用了2個月。
說明什麼？AI應用的使用者滲透率在快速提升。可能OpenAI昂貴的定價的確抑制了用量，但每一代模型的更新，都能看到活躍使用者基數的增加。而這一點在中國也同樣上演，不僅模型在迭代、價格也在快速下降，這也是為什麼我們說：中國自上而下的方式，可能會上演全世界最快的AI滲透率提升。
3. 預訓練真的證偽了嗎？不絕對
最近組織了一些矽谷調研，最前沿實驗室有些交流，20萬卡的確試過了，也就是目前Grok3或者GPT-4.5表現出的邊際提升，的確差強人意。但今天你依然看到，比如Google剛發的分佈式scaling、Anthropic在pre train階段本身就加入大量RL工作、以及最可能被低估的DeepSeek下一代基座模型V4。之前NSA論文的當天我們寫過：基於NSA，DS基座還會有一次能力顯著提升，且不是來自於傳統chinchilla定律，而是來自對Infra層面的最佳化。
說明什麼？chinchilla是個經驗定律，後驗結果，因此各家不是就此停下了pre train，而是優先投入ROI更高的post-train，同時重新回到research去嘗試突破和延續pre-train。畢竟基座模型依然是核心，如果基座能帶來代差，20%的收益也會被盡力squeeze。何況創新還在繼續，B卡剛部署，還有很多嘗試機會。
某家行就此做了些量化，撞牆不撞牆的算力需求差別（其中假設也很多，大概看看）
4. 中國AI敘事可以接力美國嗎？
算力上，可能無法為北美3-4000億美金貢獻多少二階導數，但對比我們自己生態已經是一大步。就好比下周騰訊財報上調capex已經板上釘釘，但別忘了下周業績還有移動聯通，所謂8大節點和三大營運商的算力投入可能一點不比BAT少。
就算比北美更少的算力投入，卻以更高ROI支撐更大user base使用者體量的AI應用普及和滲透率提升，這可能是中國AI敘事對全世界更大的意義。
這也讓中國可能成為最大的“傑文斯悖論”觀察實驗，平鋪算力+猛懟應用（估計都看到了元寶農村刷牆...）情況下，同時DeepSeek繼續迭代模型，能否撬動更大用量和新的價值創造？
5. 應用敘事能無縫銜接嗎？
可能再過段時間回看，Manus就是一個小小的拐點。ChatBot形態的價值天花板（甚至算力消耗）基本到頂，就好比ChatGPT都已經靠頭部品牌效應進入自然增長階段。但Agent可能剛剛實現了0到1或者保守點：0到0.1。
從chatbot到agent，使用者與AI互動的方式、呼叫工具的範圍、解鎖功能的光譜，都是質變。此外，AI整體迭代進步的堆疊多了一個layer層級，從pre-train基座模型、到post train出推理模型、到多模型或多agent組成的系統，中間每一個layer比如獲得20%進步，疊加起來是2倍提升。這也是最早satya說的模型商品化後基於小模型的agent應用依然可以快速進步。總之，讓最終AI應用和普及速度多了一個引擎。
因此並不是沒有“殺手級應用”，實際上無論傳統chatbot還是新的agent都在加速。一個完成了0-1正在1-10到100的快速滲透率提升，一個剛剛0-0.1但能力上限和算力消耗上限都拔了幾個數量級。