核心观点 - AI周期并未结束，价值正在从训练向推理、从Capex向Opex传导 [3] - 核心仍是需求，二级市场对TAM的判断随股价波动，但编程之后的空间才刚刚打开 [3] - 新范式正在出现，需持续关注neo-labs的加速设立以及行业领袖在不同领域的应用深耕 [3] 模型层竞争格局恶化 - 国产开源快速突破，海外开源生态加速发展，模型能力差距收窄 [4] - 头部闭源厂商之间竞争加剧，同时面临Token价格下行和客户切换成本降低的压力 [4] - Meta和xAI回到牌桌，Muse Spark与Grok证明充足算力及高质量数据仍能在较短时间内重新拉近模型差距 [5] - 2026年7月底，OpenAI宣布大幅下调GPT-5.6系列部分模型定价，GPT-5.6 Luna价格下调80%，GPT-5.6 Terra价格下调20%，8月下旬旗舰Sol也开启促销降价 [5] - 开源模型能力提升但定价仍激进，Kimi K3已接近前沿模型水平，DeepSeek V4 Pro版具备头部模型能力但价格为几十分之一 [11] - 海外开源生态加速，Thinking Machines Lab发布Inkling（能力、价格对标GLM5.2），Meta Muse Spark 1.2有开源计划，英伟达开发Nemotron 4（预计至少1万亿参数） [11] 杰文斯悖论仍然有效 - Token需求弹性约为1.2–1.8，价格每降10%，Token用量增加12–18%，Token支出仍在上升 [14] - AI Token价格下跌、模型能力提升，加上推理“思考”消耗更多Token，共同放大总需求，以前不经济的场景变得可行 [14] 模型收入斜率放缓但企业AI渗透仍在早期 - Anthropic 7月增速斜率放缓 [18] - 美国AI应用渗透率仍在低位，截至2Q26，Gallup Workforce Survey显示美国18岁以上全职及兼职雇员中AI使用率不高 [18] - 全球模型ARR仍在持续加速，2026E全球模型ARR与AI Capex累计折旧匹配，行业收入已能覆盖算力投资的折旧成本 [20][21] - 2026E全球ARR增速约516%，远超折旧追赶线，AI Capex回报担忧可以缓解 [21] - 海外模型ARR：OpenAI从2024年5.5十亿增至2026E 80.0十亿，Anthropic从1.0十亿增至150.0十亿，Gemini从5.0十亿增至40.0十亿，xAI从0.1十亿增至2.5十亿，Mistral从0.1十亿增至1.0十亿，Cohere从0.0十亿增至0.5十亿，海外总计从11.7十亿增至274.0十亿 [19] - 国内模型ARR：阿里巴巴从0.0十亿增至4.3十亿，字节跳动从0.0十亿增至3.6十亿，Moonshot AI从-增至1.1十亿，Kling从-增至1.2十亿，DeepSeek从-增至2.0十亿，智谱从0.0十亿增至2.5十亿，Minimax从0.0十亿增至1.0十亿，国内总计从0.1十亿增至18.4十亿 [19] - 全球模型ARR总计从2024年11.8十亿增至2025年47.5十亿，2026E达292.4十亿，同比增长515.5% [19] 编程之后的AI需求已发生在传统行业 - 编程场景仍有渗透空间，但二阶导放缓似乎是客观事实 [22] - 今天大部分开发者已在使用AI编程，下一步是持续渗透白领市场 [25] - 美国企业AI采用率约20%（Census BTOS，总样本约120万家企业，截至2026年5月初），仍在稳步爬坡 [25] - S&P500上市公司提到AI impact的绝对比例不算高 [25] - 中共中央政治局会议强调深入实施“人工智能+”行动，发展智能经济新形态 [25] AI落地 = Model + Harness - AI应用不等于大模型本身，而是模型+外围系统的组合体 [26] - Model提供推理、理解与生成能力，是应用的“智能内核” [28] - Harness连接模型与真实业务场景，将模型能力转化为可用产品 [28] - 单独的Model只是通用能力，完整系统才能产生商业价值 [28] - Harness是激活模型商业价值的操作系统，包括Context & Prompt、RAG & Data、Agent & Tools [28] - 基础模型能力趋于同质化，AI应用竞争转向数据、Workflow、Agent编排与系统集成能力 [28] - 高质量私域数据+深度业务集成+持续反馈闭环，构成更持久的应用壁垒 [28] FDE模式的出现帮助企业上AI - FDE连接通用模型与真实业务 [29] - Agent规模化以科技、媒体电信领先，金融已深入风控/合规，先进制造已进入供应链、生产等核心流程 [32] - 金融、医疗、能源、先进制造及政府/军工等数据敏感、流程复杂行业，对FDE需求更强 [32] - FDE深入客户现场，将行业Know-how、私有数据和业务流程固化进Harness，形成数据飞轮 [32] - Sovereign AI强调企业需避免核心数据、Know-how和Workflow被单一厂商锁定 [32] - 随着模型趋于同质化，壁垒将更多沉淀在客户的数据、Know-how、Workflow与Harness中 [32] 白领的渗透是生态的竞争 - 白领的Harness就是办公入口，上一代办公产品和下一代AI白领场景入口的融合正在加速 [33] - WorkBuddy领跑AI办公智能体，PC端MAU达1,115万，7月环比增长304% [33] - 百度搭子MAU 674.30万，环比增长1063.79% [33] - TraeWork MAU 265.99万，环比增长51.08% [33] - 扣子MAU 217.33万，环比增长62.23% [33] - QcodeWork MAU 188.55万，环比增长48.91% [33] - 字节加速AI与办公入口融合，飞书产品团队与豆包整合，GTM并入火山引擎To B体系 [34] - 腾讯WorkBuddy势头较强，验证大厂正在将通用Agent与既有办公生态、企业客户体系深度结合 [34] - 白领Agent的竞争将逐步走向“谁占据工作入口、掌握企业Context与Workflow”，模型能力本身的重要性相对下降 [34] 下个阶段：持续关注neo-labs - 从GPT moment开始算，AI叙事已经历三年，但底层仍有很多科学问题 [35] - 顶级AI人才持续创业，前沿实验室加速涌现 [36] - World Labs由李飞飞创立，估值50.0亿美元，专注空间智能 [36] - SSI由Ilya Sutskever创立，估值320.0亿美元，专注安全超级智能 [36] - Thinking Machines由Mira Murati创立，估值120.0亿美元，专注人机协作 [36] - Periodic Labs估值75.0亿美元，专注AI科学家自主实验室 [36] - General Intuition估值60.0亿美元，专注世界模型+Large Action Model [36] - AMI Labs由Yann LeCun创立，估值45.0亿美元，专注世界模型 [36] - Flapping Airplanes估值50.0亿美元，专注数据效率 [36] - Prentis估值10.0亿美元，专注Computer-use模型 [36] - Ineffable Intelligence由David Silver创立，估值51.0亿美元，专注强化学习 [36] - Pragmatik Labs由林俊旸创立，估值20.0亿美元，专注世界模型+具身大脑 [36] - Recursive Superintelligence估值46.5亿美元，专注自我改进AI [36] - Discovery Loop由Jeff Dean创立，估值100.0亿美元，专注AI科学家自动化实验闭环 [36]