Meta第三季度營收646.01億美元，同比增長26.07%。看完這份業績資料和電話會紀要，我對智譜的商業機會反而更積極了。
理由落在一件很具體的事上。當AI開始替人挑商品、處理資訊、執行任務，客戶需要的模型，要能把事情做完，也要付得起、叫得動。智譜值得期待的機會，就在這幾個條件能否同時成立。
這份財報讓我更有信心的，是模型能力可以用在那裡。
01 使用者開始交辦任務，模型就有了新帳本
按Meta電話會紀要，美國與加拿大超過1000萬人完成MUSE設定，其中約四分之一每天使用。設定人數與日用比例是不同口徑，也不能拿購物比例乘進去推算成交額。
我更看重的是重複使用。一個人讓AI回答一道題，和每天讓它替自己辦事，對模型提出的要求差得很遠。
比如替商家處理售後，助手可能需要讀訂單、核對規則、呼叫工具，再把處理結果寫回系統。中途漏一步，前面生成得再漂亮，商家仍要找人收拾。
這會改變客戶的採購方式。便宜的單次呼叫，如果經常出錯、反覆重試，完成一張工單反而更貴。能力更強的模型，只要能減少返工，就有爭取付費的理由。
智譜的公開開發文件已經列出模型API、精調與推理服務，並支援程式碼生成及Agent應用。它有承接這類需求的產品入口。Meta展示的使用方向，讓這些入口背後的需求更容易被理解。
02 我更在意發佈當天，客戶能不能用起來
關於智譜的下一代模型，我最關心的是發佈首日能否規模化服務，其次是實際任務的效果與成本，再往後才是雲合作的商業條款和後訓練改善。總參數有多大，排在這些問題後面。
參數規模像餐廳廚房的面積。顧客付錢以後，關心的是能不能按時吃到飯。發佈會上演示順暢，上線後排隊、限流，開發者就很難把自己的業務接上去。
若下一代模型能實現發佈即規模化服務，智譜就有機會縮短從“想試試”到“接進業務”的距離。對企業客戶而言，呼叫穩定，才有條件持續測試、付費使用，逐步擴大用量。
我對這一方向偏積極，但還沒有把它算進智譜已經取得的收入。公司交流材料給了我思考方向，具體技術與發佈安排仍以公開披露為準。
模型有需求，利潤留給誰？
來AlphaGBM的「股票研究」，把AI公司的基本面、估值與風險放在一起覆核。讀模型廠商的生意，尤其要分清呼叫增長與利潤兌現。
03 把同一件事做便宜，比一次跑分更有後勁
Meta紀要提出，未來一年算力成本效益提高10倍的目標。目標尚未兌現，但它把一件事擺得很清楚，AI商業化需要同時處理能力和成本。
把這個問題放回智譜，降價和降本要分開。介面價格降低，客戶當然高興。可如果服務成本沒有跟著下降，增加的呼叫也可能把模型公司的利潤越攤越薄。
假設處理同一批售後工單，新模型減少了重試，也減少了人工接手，那麼客戶總成本可能下降。這是機制上的算例，不能當成智譜已經實現的經營成績。
後訓練的價值也在這裡。基座模型像招進來的員工，後訓練更接近針對具體工作反覆練習。遇到複雜任務，能否選對工具、檢查結果、發現錯誤後修正，會影響客戶到底要花多少人力兜底。
所以我願意給持續改善任務效果的路線更多耐心。只要每次更新都能減少客戶返工，一代基座也可能在上線後繼續創造商業價值，不必每次都靠新名字重新吸引關注。
04 需求變大之後，智譜能留下多少錢
Meta擁有廣告收入和自己的使用者入口。智譜作為獨立模型廠商，不能直接複製這套條件。
如果未來通過雲合作擴大供給，雲廠商能帶來算力與客戶，但錢怎麼分、誰承擔服務成本、客戶關係留在那一邊，會決定模型廠商最終留下多少利潤。合作帶來用量，與合作帶來賺錢能力，還隔著合同條款這一步。
這也解釋了我的“更看好”具體落在那裡。未來一至兩個季度，我更傾向於認為，穩定供給與任務成本會成為智譜商業討論中更有份量的證據。這個方向判斷的把握中等，收入兌現的時間還不能下定論。
我現在更看好智譜爭取企業持續付費的機會，而不是給它預支一筆來自Meta的訂單。只要發佈後接得住呼叫、完成任務少返工、合作後還能留下合理利潤，模型升級就有機會一步步變成一門更好的生意。
若只有榜單進步，客戶仍然用不上，或者用量增長卻留不下利潤，這份樂觀就要收回。比起發佈會上那張參數表，我更想看到客戶上線後，第二個月仍願意付費。 (曾敏敏)