中美在跑兩條不同的AI賽道。美國all-in AGI前沿，資本無限、人才扎堆；中國受資源約束，把賭注押在成本效率、垂直場景和企業ROI上。
第一件：中美AI playbook分叉
報告核心論斷很明確——這不是同一場比賽的兩個選手。
美國模式是"前沿突破+AGI"：資本深、人才足、算力管夠，目標是顛覆性技術里程碑。
中國模式是"ROI優先+企業落地"：錢和卡都更緊，策略是快速迭代低成本模型、垂直行業適配、近期可量化的企業回報。
這種差異直接體現在商業化定價上。中國實驗室的產品定價顯著低於美國同行，通過開放權重建構開發者生態，用付費API、定製微調和私有化部署來變現。
模型蒸餾（distillation）的成熟運用，讓國產模型在超高性價比下仍具備競爭力。
JPM認為，中國的AI優勢不在於每一個前沿指標都追上美國，而在於可擴展、低成本的企業部署能力。
第二件：貨幣化從C端轉向B端
專家給出了一個清晰的轉向訊號。
消費端AI產品的轉化率有限——使用者流量很大，但付費意願在高級功能推出後反而走弱。
真正可擴展的收入池已經轉向企業端：API呼叫、token量、企業客戶留存、部署能力、毛利率。這些才是新指標，而不是消費者DAU。
阿里、騰訊、Zhipu都在推企業級編碼智能體（coding agent），方向類似Cursor。
阿里Accio Work供應鏈AI智能體是一個標竿案例——價值不來自通用模型，而是來自阿里獨有的商戶資料、供應鏈網路、庫存系統和場景化營運know-how。
第三件：軟體不會被AI吃掉，行業壁壘還在
市場有一種恐懼——通用AI會完全取代傳統軟體公司和網際網路平台。
JPM請的專家認為，這種擔憂過度了。
傳統行業的LLM採用不會是"換作業系統"式的，而是垂直、工作流驅動、資料依賴的。
SME和標準化流程確實可以被通用AI替代基礎功能。但在大型複雜企業場景裡，核心競爭力不在任務執行，而在行業知識排序、業務責任承擔、定製化服務保證——這些是ERP廠商花幾十年通過流程標準、合規經驗、售後責任機制積累出來的。
在OTA領域，AI可以提供智能預訂入口和簡化消費者操作，但核心交易完成仍依賴人工核驗、後端介面開放和平台責任承擔。
行業know-how、合規經驗和責任機制是AI短期無法複製的壁壘。中國LLM提供商甚至通過開源模型來推動商業採用——先把能力秀出來，再談行業定製。
第四件：宏觀影響是K型的
政策端對AI的態度是實用主義的"雙軌制"。
一方面把AI定位為企業capex的核心驅動力，"AI+"政策推動傳統行業加速認知、實驗和早期部署。
另一方面，杭州出了一個 landmark 判例：企業不得以AI替代為由裁員或降薪。
北京和杭州試點城市還強制要求中小學生每周接受AI工具培訓，目的是幫未來勞動力適應生產力轉型。
整體影響呈K型分化：AI基礎設施和硬體環節受益明確，對整體經濟的外溢效應溫和。主要社會風險是入門級崗位的就業不足。
第五件：JPM的選股清單
報告明確點名三個核心標的，全部維持Overweight評級。
Zhipu AI是JPM首選的LLM標的，理由是企業執行力+編碼智能體推進。目標價從6月12日的HK$1,400進一步上調至HK$1,800（6月18日）。
騰訊的微信AI智能體正在提升其AI商業前景，FTM P/E約-2SD，被JPM視為"在dip中積累AI上行期權"的候選。
阿里巴巴的生態控制、專有資料和企業客戶關係是AI貨幣化的關鍵資產。 (琛哥的投研搬磚日常)