行业格局重塑 - Meta与AMD宣布战略合作协议，将在其数据中心部署高达6GW的AMD Instinct系列GPU，相当于数百万颗高端AI加速卡[1] - 这份为期5年的合约总价值估算约为600亿美元，且包含深度资本绑定条款，Meta可通过基于绩效的认股权证最多获得AMD 10%的股权[1] - 此举旨在打破AI算力市场对单一供应商的依赖，Meta在已向英伟达下单数百万GPU后，再次进行大规模战略采购[1] 交易核心逻辑 - 交易旨在打破产能与定价的双重掣肘，为Meta提供议价筹码并获得AMD在芯片设计和先进封装产能上的优先权[3] - 认股权证设计将Meta的利益与AMD GPU的迭代成功深度绑定，Meta将向AMD倾注庞大的软件工程资源，以助其对抗英伟达CUDA生态[3] - 该交易为AMD提供了空前的品牌与技术背书，将有效打消其他云厂商和企业客户对非英伟达方案在软件生态及大规模集群稳定性上的顾虑[10] 下游产业链机遇 - 上游芯片厂商的两强相争格局，是下游服务器OEM厂商和系统集成商最渴望看到的生态环境[4] - AMD为满足6GW的庞大交付量，将全力拉动上下游产能爬坡，这为具备全球化交付能力和深厚系统集成底蕴的IT基础设施巨头带来前所未有的增长契机[1][6] - 大多数企业不具备从零搭建、维护数万张GPU集群的工程能力，这为能够提供“交钥匙工程”的系统集成商创造了巨大的市场机会[10][11] 联想集团的战略优势 - 作为AMD历史悠久且级别最高的优先级OEM合作伙伴之一，联想在AMD的产能大爆发中占据得天独厚的优势，能更快、更稳定地获得高端加速卡配额，缓解AI服务器交付的供应链压力[6][8] - 公司有能力复刻其在英伟达Blackwell芯片紧俏时期通过前瞻性研判和囤货保障交付的成功经验，在AMD产能爬坡早期确立交付优势[8] - 联想作为AMD系统集成的顶级专家，拥有从单台服务器到万卡智算中心的完整设计、部署和运维能力，并能通过ODM模式提供深度定制的AI集群服务[11] 技术护城河与多供应商战略 - 6GW算力集群的散热是致命物理问题，传统风冷难以应付，液冷技术成为不可或缺的基础设施[13] - 联想深耕液冷领域十余年，其海神Neptune温水水冷技术能实现极致的PUE，并已具备规模化交付成熟液冷AI集群的能力，形成降维打击优势[13] - 公司坚定推行多供应商策略，与英伟达、AMD、Intel三家芯片巨头保持同等紧密的深度联合研发关系，确保在任何市场格局下都能为客户提供充足且最优的算力组合方案[14] - 公司正从传统服务器制造商向AI基础设施总包商进化，提供包括算力规划、多元异构芯片混编调度、液冷数据中心建设及上层AI软件堆栈在内的全栈式服务[14]

行业趋势：AI大模型应用加速向大众普及渗透 - AI助手已成为社会时尚潮流，在老年等更广泛年龄群体中引发使用热情和追赶心态 [3] - 各类AI小助手层出不穷，新闻、介绍、解读层出，用户开始按部就班地使用多个产品 [3] - 用户行为从“能聊天”向“看懂并操作现实世界”的性能跨越，AI正改变生活 [5] 市场竞争格局与产品定位 - 阿里巴巴全新一代自研大模型千问Qwen3.5-Plus在除夕正式开源，登顶全球最强开源大模型宝座 [5] - 千问多项核心能力媲美或超越了GPT-5.2、Gemini-3-pro等全球顶尖闭源模型 [5] - 市场主要参与者呈现差异化定位：最强脑——DeepSeek，最强手——千问，最强嘴——豆包，最强网——元宝 [6] - 竞争关键在于谁能最自然地融入用户的特定生活场景，对于普通大众而言未来是混合使用多个App [6] 用户行为与市场表现 - 春节假期期间，全国用户说了50亿次“千问帮我”，使其跃升为国民级AI助手 [5] - 千问上“一句话下单”功能使用近2亿次，用于买奶茶、订机票酒店、买电影票和景点门票，被称为“新年俗” [5] - 超过400万的60岁以上用户在春节假期期间让千问帮忙下单 [5] - “一句话下单”相比传统点选式操作更简单，极大提升便捷性，使不擅长操作App的老年人群也能享受AI便利 [5] 产品功能与用户体验 - 豆包因其语音功能和生活场景设计，受到老年用户喜爱 [7] - 千问的“一句话下单”功能覆盖交通、娱乐、旅行等多种生活服务场景 [5] - 用户通过AI助手完成查询回家线路、点播歌曲等具体生活任务 [7]

文章核心观点 - 德意志银行（德银）报告推演了AI发展的两个极端终局，并探讨了其对经济学基础、宏观经济运行、政策应对及资产定价的深远影响，旨在为投资者提供一个分析框架而非绝对预测 [1][14][17] AI发展的两种极端终局 - **终局一：AI彻底替代劳动** - AI大规模且近乎完全取代人类劳动力，资本与劳动合二为一，劳动价值归零，可能导致财富极度集中、需求不足、经济陷入长期停滞，通往此终局的道路最具破坏性且充满不确定性 [1][5][7][15] - **终局二：AI仅是赋能技术** - AI像历次技术革命一样主要作为增强人类能力的技术，并未彻底取代劳动，新的工作不断出现，政策体系能修补冲击，经济运行逻辑与过去几十年相似 [1][16][17] AI对传统经济学理论的挑战 - **资本与劳动界限模糊** - 通用人工智能（AGI）和全自动机器人打破了资本与劳动作为独立生产要素的古典经济学假设，资本本身变成了劳动力，导致传统经济学理论崩溃 [1][3][5] - **“供给创造需求”定律可能失效** - 在AI全自动化世界，财富高度集中于少数资本所有者，其边际消费倾向低，而大量失业者购买力丧失，可能导致从供给到需求的传导链条断裂，引发通货紧缩和长期停滞 [6][7] 政策应对与制度挑战 - **凯恩斯主义干预的潜在角色与局限** - 政府可能通过征收“AI税”、发放全民基本收入（UBI）等方式进行强力财政转移支付以应对市场失灵，但历史表明政策和制度调整往往滞后于技术变革速度，可能无法及时生效 [8][9][10] - **需进行深度体制改革** - 为平稳过渡，需要更强大的劳动力谈判机构、限制垄断的竞争政策、中性的税收补贴结构、对技能的公共投资以及改革公司治理等 [10] 深层政治经济学与社会问题 - **产权与稀缺性终结的哲学挑战** - 在全自动化解决稀缺性问题的终局里，资本主义的基础可能崩溃，产权的意义和人类存在的目的成为核心社会政治问题 [11][12][13] 对金融市场与资产定价的启示 - **终局一（彻底替代）下的市场影响** - 宏观经济面临极强通货紧缩压力，实际利率结构性持续走低，企业盈利能力飙升，但股市将因“被没收风险”（如极端高额税收）上升和利润分配悬而未决而长期迷茫波动，能成功管理过渡的国家其货币可能受益最大 [14][17] - **终局二（赋能技术）下的市场影响** - 宏观经济指标更可能温和上行，通胀水平、实际利率及股市更有可能朝着更高的方向发展，历史规律延续 [14][17] 投资者观测AI演变进度的关键路标 - **监测劳动力市场与分配结构** - 观察是否出现结构性失业率上升，以及劳动报酬份额是否加速下降 [19] - **关注政策动向** - 观察政府采取主动财政和再分配政策的意愿，以及对科技巨头实施实质性反垄断措施的力度 [19]

公司融资与估值 - 智平方完成B轮融资 融资规模超**10亿元** 公司估值正式超过**百亿** 稳居中国具身智能企业第一梯队[1] - 本轮融资由百度、中国中车及多家特斯拉生态链企业联合投资[2] - 这是马年首例具身智能领域大规模融资 智平方也是全球融资节奏最快的具身智能企业[3] - 过去一年 智平方密集完成了**12轮**融资 其中2025年完成7轮 2026年完成5轮[6][7][8] - 公司是深圳首家估值超百亿元的具身智能独角兽企业[10] 公司业务与技术 - 智平方是一家智能机器人研发企业 由人工智能博士郭彦东于**2023年4月17日**创办[4] - 公司构建了从硬件量产到商业落地的完整闭环[5] - 公司曾与全球第三大面板厂商惠科签订**3年1000台**订单 被认为是该领域全球最大单一订单[5] - 公司是一家**AGI（通用人工智能）原生**的通用智能机器人企业 核心团队具备“AI创新＋终端智能化变革”的基因[15] - 公司聚焦生产力型通用智能机器人 在成立之初就坚持**端到端大模型**的技术范式[15] - **2023年初** 全球选择端到端大模型技术范式的具身智能企业 仅有特斯拉与智平方[16] - **2025年9月** 智平方自建产线投产后 已具备年产**1000台**机器人的能力 计划在**2026年**扩产至**1万台**机器人[16] - 公司**2025年底**推出全球首个模块化具身智能服务空间“智魔方” 已在北京、深圳等多地常态化运营[16] 行业融资概况 - **截至2月24日** 不到两个月时间 中国具身智能企业累计完成**110亿元**融资[5] - **2025年** 中国具身智能和机器人领域投资事件达**744起** 融资总额**735.43亿元** 其中核心赛道融资**298起** 获投企业**168家** 亿元级融资**96笔** 合计融资**329亿元至370亿元**[14] - **2026年** 截至2月24日 不到两个月 中国具身智能机器人领域公开披露融资事件超**25起** 累计披露融资总额**110亿元**左右[14] - 资金持续向头部企业集中 头部企业估值快速突破百亿 行业马太效应凸显[14] 战略合作与投资者背景 - 公司与东风柳汽、惠科、深圳慧智物联等企业达成战略合作[5] - 本次融资方包含券商系基金 市场据此判断公司正在筹划上市[5] - 本轮系列投资构建起“资本+产业”双轮驱动格局 投资方包括互联网和AI巨头、头部央企、特斯拉生态链龙头、场景战略合作伙伴、PE基金、头部券商系及地方基金[10] - 百度战投是百度旗下投资平台 长期耕耘深度学习、大模型与基础算法架构等领域[10] - 中国中车是中国自主高端装备的代表 拥有丰富的制造场景[11] - 中车内部庞大的制造体系 正成为智平方机器人最理想的试验场与落地土壤[12] - 产业端 智平方引入宇信科技、森麒麟等场景战略合作伙伴 强化系统级集成能力与商业化场景协同[13] 创始人背景与市场定位 - 创始人郭彦东曾赴美就读普渡大学人工智能博士 师从Charles A. Bouman院士 并加入微软美国研究院参与深度学习技术研发 **2018年**归国后 担任小鹏汽车、OPPO首席科学家[15] - 外界评价智平方是“最像特斯拉”的中国机器人创业公司 这也是多家特斯拉生态链龙头企业战略投资智平方的原因之一[16]

人工智能对创意工作的影响与未来工作模式 - 通用人工智能（AGI）的发展可能包揽散文创作和艺术生产，引发创意工作是否会被取代的担忧 [5] - 人工智能承诺让人类摆脱劳作，提供必需品，但可能加剧“意义”的稀缺 [29][31] - 当人工智能和机器人在特定职位上达到“更好、更快、更便宜、更安全”的阈值时，继续雇佣人类在经济上将变得不理性 [35] 社会演变、意义危机与新兴世界观 - 社会科技经济基础从采集、园艺、农业、工业、信息向“智能”阶段演进，主导世界观从前现代、现代、后现代向“元现代”演变 [13] - 工业社会催生了崇尚理性、科学和证据的现代世界观，信息时代的主导世界观是解构一切的后现代主义，这加速了意义危机 [14][16][17] - 社会正处于混乱中心，亟需新结构，人工智能作为新兴的科技经济基础，正在为下一个世界观创造条件 [24][28] 后劳动经济与收入来源的转变 - 传统“职位”概念下的经济循环（公司支付工资，工人消费）受到人工智能的威胁 [33][34] - 如果人工智能导致大规模失业，家庭收入的三条途径（工资、转移支付、资本收入）中，工资可能崩溃，需依靠转移支付和资本收入 [39] - 一个潜在的解决方案是扩大资本参与，让普通人拥有能够产生收入的资产 [40] 无法被自动化取代的人类特质与工作 - 人类独特的“主体性”和“个人视角”可能是AGI无法取代的东西，成为创意工作中的竞争优势 [3][21][22] - 某些职位可能继续存在，它们建立在人类对其他人类的特定需求之上，例如高责任岗位、法定职位、体验经济、意义创造者、关系/信任岗位 [42] - 人类渴望故事、戏剧性、新奇感、神话和意义，并愿意为此支付高昂报酬，一整套经济体系将围绕此建立 [68][69] 创作者经济与意义经济 - 如果失去职位报酬，创意工作者可以从相信其作品的人那里获得报酬，注意力将成为他们争夺的稀缺资源 [70][72] - 创作者经济并非完全是“赢家通吃”，存在多种成功模式，个人可以追求有意义的工作并分享给特定受众 [75] - 技能正在向更高层面抽象，最显著的成果来自于站在“人类”层次上做事 [81] 创意工作者的未来技能栈 - 核心元技能是“主体性”，即创造独特故事、设定人生轨迹并做出决定的能力，通过奋斗、地位和好奇心来实践 [108][109] - “品味”是关键技能，即辨别取舍、进行策展和赋予结构的能力，这源于建立属于自己的东西 [20][115][118] - “视野”或人格容量的提升，要求包容更复杂的思想和更多视角，避免陷入停滞或高度从众 [123][124] - “说服力”是让作品传播并让他人产生共鸣的能力，需要理解注意力机制并将艺术与商业融合 [127][130] - “技术专长”包括利用人工智能和工具，将不需要“人情味”的任务自动化，以释放大脑关注更重要的事情 [131][134]

公司战略合作 - 宇信科技与具身智能领域前沿企业智平方（AI²Robotics）正式签署战略合作协议 [2] - 双方将共同探索具身智能机器人在金融垂直领域的深度应用 [2] - 合作旨在重构底层金融生产力工具 [2] 合作基础与领域 - 合作依托宇信科技在金融业务系统的深度沉淀 [2] - 合作依托智平方在通用人工智能（AGI）物理感知领域的领先优势 [2] - 探索领域包括智慧网点、金融风控、金融机构后台运营及特殊场景保障 [2]

公司战略合作 - 宇信科技与具身智能领域前沿企业智平方（AI²Robotics）正式签署战略合作协议 [1] 合作基础与目标 - 合作基于双方各自优势：公司在金融业务系统有深度沉淀，智平方在通用人工智能（AGI）物理感知领域具有领先优势 [1] - 双方共同目标是探索具身智能机器人在金融垂直领域的深度应用 [1] 具体应用领域 - 探索的应用领域包括智慧网点、金融风控、金融机构后台运营及特殊场景保障 [1] - 合作旨在重构底层金融生产力工具 [1]

月球电磁弹射AI卫星计划的核心观点 - 公司向美国联邦通信委员会提交了在月球建设巨型电磁弹射器以向地球轨道发射卫星、构建覆盖百万颗卫星的太空数据中心网络的真实申请[1] - 该计划旨在解决AI发展的核心痛点——算力需求爆炸与地球资源有限的矛盾，其宣称在太空部署AI数据中心的成本比地球低10倍[3] - 该构想面临巨大的工程与成本挑战，但公司过往在降低发射与制造成本方面有成功经验，可能采用迭代式发展路径[3] - 该计划不仅是技术尝试，更是公司为支撑其高达1.5万亿美元的IPO估值而讲述的“新故事”，旨在将公司从卫星互联网运营商转型为未来科技基础设施运营商[5] - 计划的深层目标是争夺太空规则制定权与AI时代的关键战略资源，意图在近地轨道日益拥挤的背景下抢占月球轨道这一“处女地”[7] SpaceX的星链业务与市场策略 - 星链业务已成为公司的“现金奶牛”，2025年贡献了150亿美元收入，占公司总收入的90%[5] - 为应对亚马逊Kuiper等竞争对手即将入场的挑战，公司近期采取了激进的用户争夺策略：将用户终端硬件免费赠送（其制造成本高达600美元），并将美国套餐价格从110美元/月降至50美元/月[5] - 公司采用“先垄断后提价”的市场策略，旨在通过短期亏损锁定用户、抢占市场份额，此策略与其在特斯拉电动车业务上的成功打法类似[5] 技术构想与可行性分析 - **理论优势**：月球因其低重力、零大气阻力及24小时太阳能，被认为是理想的“太空算力基地”，可规避传统数据中心占全球电力消耗3%及高昂散热成本的问题[3] - **核心挑战**：需要将成百上千颗卫星加速到每秒11.2公里的逃逸速度，而地球上最先进的电磁弹射器仅能推动30吨物体；月球缺乏工业基础，所有设备需从地球运送，成本极高[3] - **技术支撑与路径**：公司通过火箭回收技术已将发射成本降低90%；通过规模化生产将星链卫星的单颗成本从100万美元压缩至5万美元；月球计划可能遵循从发射小型试验装置开始，再逐步扩建的迭代发展路径[3] 行业竞争与战略意图 - **太空资源争夺**：当前近地轨道卫星数量已超过2万颗，碰撞风险剧增，而月球轨道是尚未被充分开发的战略要地[7] - **构建独立网络**：公司申请部署100万颗卫星，旨在月球轨道“划地盘”，并利用激光通信构建独立于地面的“太空互联网”，此举可能使其服务摆脱地球法律约束[7] - **AI竞赛制高点**：通过建设低延迟、高算力的太空数据中心，公司可能在通用人工智能（AGI）的全球竞赛中占据先机，将AI算力的战场从地球延伸至太空[7] 潜在的市场影响与社会意义 - **服务普及化**：星链降价使偏远地区用户能更便捷地获得高速网络，应用于教育、农业监控等领域[9] - **新商业模式**：未来或向普通人开放“租用太空算力”的服务，例如用于电影渲染或气候模拟[9] - **行业格局重塑**：若计划成功，公司将跃升为“未来科技基础设施运营商”，其估值有巨大想象空间；若星链形成对太空网络的垄断，可能影响各国的通信安全[5][9]

行业核心动态与资本事件 - 2026年初大模型领域资本活动密集，阶跃星辰被曝正筹备赴港IPO，计划募资约5亿美元，其在约一个月前刚完成超50亿元人民币的B+轮融资，刷新了过去十二个月中国大模型赛道的单笔融资纪录 [3] - 智谱AI与MiniMax在2026年1月初的一周内相继登陆港交所，智谱AI募资约43亿港元，MiniMax募资55.4亿港元 [3] - 月之暗面在2025年最后一天完成了5亿美元的新一轮融资 [5] - 零一万物与百川智能的公开融资记录陷入漫长静默期，转向更具体务实的业务纵深地带 [5] - 行业在2025至2026年交界点分化急剧加速，产业竞争核心逻辑已从“模型能力赛”全面转向“生态卡位战” [5] 行业背景与挑战演变 - 2023年明星创业公司普遍追求成为中国的OpenAI，打造强大的通用人工智能基座模型 [6] - 高昂算力成本、巨头碾压及商业化落地困局迫使玩家面对现实问题，训练千亿乃至万亿参数基础模型成本极高，一次大规模预训练“点火”成本可能高达数千万美元 [6][7] - DeepSeek以极低的训练成本实现性能突破，对行业原有玩家形成巨大冲击 [7] - 互联网巨头如豆包、元宝、千问等依托母体流量与生态优势，在C端市场构筑了难以逾越的用户规模与场景壁垒 [9] - 在技术突破与流量碾压的双重夹击下，“纯通用大模型创业”的现实基础加速瓦解，投资人热情退潮，更关注商业模式、护城河与自我造血能力 [9] 主要公司战略路径分化 路径一：企业服务商 - 代表公司为智谱AI，选择深耕企业和政府大客户，商业模式是MaaS，将千亿参数GLM大模型打包成行业解决方案销售 [12] - 该路径主动避开与巨头在C端的消耗战，依靠行业理解、项目交付能力和服务体系构建壁垒，门槛高但订单和现金流相对稳定 [12] 路径二：To C差异化产品经理 - **MiniMax**：将重心押注在海外消费市场，通过轻量化模型和趣味性、人性化交互体验吸引全球用户，走互联网产品付费订阅路线 [12][14] - **月之暗面**：选择在国内市场与巨头周旋，聚焦底层技术突破，其推出的K2模型获得市场好评，路径更偏向依靠“硬核”技术实力赢得特定用户群体忠诚 [14] 路径三：软硬一体化生态赋能者 - 代表公司为阶跃星辰，战略是将大模型能力深度嵌入手机、汽车、IoT设备等智能终端，目标是成为“AI时代的英特尔或高通” [16] - 商业化逻辑改变，收入不再单纯依赖API调用，而是与硬件厂商深度绑定，例如与OPPO、荣耀等手机厂商合作，总装机量已超过4200万台；在汽车领域目标是在2026年让模型上车超过100万辆 [19] - 核心团队具备硬件落地经验，董事长来自旷视科技，CTO曾主导建设国内顶尖AI基础设施 [18] 路径四：垂直赛道行业专家 - **零一万物**：解散庞大预训练团队，重心全面转向为企业提供深度定制的行业大模型和Agent解决方案，转型为深度To B技术服务商 [19] - **百川智能**：明确聚焦于“百小应、AI儿科、AI全科、精准医疗”等方向，尤其在医疗领域，试图将AI能力与专业医学知识图谱深度结合 [19] - 该路径逻辑在于通过“AI+行业知识”的深度融合，在垂直行业解决具体、刚需、高价值的问题，从而建立专业壁垒 [21] 行业未来格局展望 - 未来2-3年中国大模型产业可能形成“金字塔结构” [22] - **顶层**：由少数统治级开源基座模型（如DeepSeek）提供基础AI能力，创业公司已难介入 [22] - **中层**：包含“垂直王国”与“新入口”，智谱、MiniMax、零一万物、百川智能依靠行业深度或产品差异建立壁垒；阶跃星辰则押注“AI+终端”，试图通过嵌入手机、汽车成为下一代交互入口 [22] - **底层**：是蓬勃的“AI广阔天地”，将催生无数解决具体场景的应用与智能体 [22] - 未来竞合关系复杂，超级玩家可能向下渗透推出垂直应用，与中层玩家竞争；不同垂直玩家可能形成联盟；押注“物理世界新入口”的玩家将成为硬件厂商争相合作或警惕的对象 [24][25] - 技术范式的颠覆性创新仍是最大变数 [25]

文章核心观点 - 文章探讨了在通用人工智能（AGI）能力快速演进的背景下，垂直领域AI创业公司面临的挑战，并以百川智能在医疗AI赛道与蚂蚁集团（蚂蚁阿福）的竞争为例，论证了强大的通用基座模型能力是决定垂直应用成败的关键，而仅依赖垂直行业数据和场景的“护城河”策略可能失效 [2][3][20] 行业竞争格局与关键参与者 - 百川智能自创立之初就专注于医疗赛道，试图利用其从搜狗时代延续的医疗搜索基因和行业数据构建护城河 [2] - 蚂蚁集团旗下的“蚂蚁阿福”背靠支付宝和阿里云生态，以金融级精准要求切入医疗应用市场，并凭借其基座模型优势实现了快速突破 [3][11] - 通用基座模型的头部竞争者包括阿里的Qwen系列、DeepSeek、ChatGPT、Gemini等，它们构成了行业的技术天花板 [9] 技术能力分析：基座模型的决定性作用 - 基座模型的能力被比作学生的“基础智商”和“逻辑下限”，决定了垂直应用的上限 [6] - 蚂蚁阿福的成功源于其背后强大的基座模型（如Qwen系列和蚂蚁百灵模型），其强大的逻辑推理和理解能力对专业文本的处理形成了“智力层面的跨代屠杀” [7] - 数据本身不是护城河，处理数据的“消化器官”（即基座模型能力）才是关键，若基座能力不足，海量垂直数据也无法产出高质量应用 [8] - 基座能力处于第二梯队的创企，其应用在对话体验、响应速度和准确率上难以给用户带来“惊艳感” [9] 产品与商业模式差异 - 蚂蚁阿福的优势在于深度嵌入支付宝的“国民级”入口和完整的医疗生态闭环，能够实现从对话到挂号、支付、报告解读等服务的“最后一公里”，即“模型即服务（MaaS）” [13] - 百川智能则被描述为拥有技术（绝世好剑）但需寻找落地场景的探索者，缺乏现成的生态闭环 [12] - 金融行业对“合规”和“精准”的“零容忍”要求，使得蚂蚁在转向医疗时，其产品对准确性的追求成为天然优势 [10][11] 资源与生态竞争 - 大模型研发是烧钱的军备竞赛，蚂蚁背靠阿里云的整建制支持，其算力成本和研发投入可能是创企的数十倍 [14] - 阿里系的“生态溢出”效应意味着，只要将通用模型能力稍向医疗倾斜，其产生的动能就可能覆盖垂直创企数年的深耕成果 [14] 对垂直AI创业的启示与趋势判断 - 缺乏顶级基座支撑的垂直深耕可能变成资金和精力的“焚化炉”，当通用基座的逻辑能力跨过临界点，其对垂直赛道的侵蚀将是全覆盖式的 [15] - 创企的破局思路可能在于：从迷信“垂直数据”堆砌转向追求“算法效率”和模型架构创新（如效仿DeepSeek），或者彻底拥抱顶尖开源基座，专注于场景精调和业务闭环 [16] - 未来优秀的医疗AI产品需要两个硬性指标：极强的逻辑引擎（能进行多步推理）和极深的场景嵌入（接管挂号、支付、随访等全流程） [17][18][19] - 大模型竞争是一场智力长跑，所有的行业应用、场景积淀和数据护城河都必须建立在稳固的基座之上，基座不稳，一切应用皆为泡沫 [20] - 蚂蚁阿福的成功本质上是通用人工智能（AGI）能力向垂直行业渗透的体现，未来的AI将不再严格区分行业，顶级通用大脑会自然渗透进每个领域 [21] - 文章警示，留给垂直领域创企的时间已经不多了 [22]