电话会议纪要关键要点总结 一、涉及的行业与公司 * **行业**：人工智能（AI）行业，涵盖大模型、算力、认知层应用、垂直领域应用等细分领域[1][3][10] * **核心公司**：Palantir、Nvidia、Uber、OpenAI、Anthropic、腾讯[1][4][6][9] * **其他提及实体**：蒙牛、微软、马斯克的大模型公司[4][11][19] 二、核心观点与论据 2.1 AI投资范式转移：从暴力计算转向认知层应用 * AI投资拐点已至，市场正从“暴力计算”转向“认知层”应用，2026年Q2算力主导的行情已出现拐点[1] * AGI叙事见顶并快速恶化，叙事投资的特点是上涨时极致，恶化时不留余地[3] * 2026年第二季度，算力疯狂扩张的叙事占据主导，计算出的月度及周度主题中约90%与半导体相关，但过去两三周内已出现快速转向[3] * 截至2026年6月，整体AI叙事已变得相当狭窄和疲弱，Agent叙事已不再是主流趋势[15] * 2025年底预测的十大年度趋势之一“暴力算力模式见顶”正在被验证，依据该模式选出的大约300多只个股组合，截至6月底回报率约为18%，但到7月份则转为小幅亏损[16] 2.2 实体经济约束显现 * 大模型数据中心面临电力、环境及政治压力，美国部分州已叫停建设[1] * 大模型数据中心对电力和环境造成的压力已成为美国中期选举的重要变量，部分共和党议员公开表示大模型公司可能对选举结果造成不确定性，德克萨斯等约四个州已开始叫停数据中心的建设[3] * Uber的CTO在4月份表示预算已经用尽，CEO在6、7月份则表示该技术未产生实际效用，Uber作为积极拥抱AGI并有能力支付高昂API费用的公司，最终结果是财务上的困境[4] * 暴力计算模式在全球能源紧张的背景下难以为继，美国电价上涨、抢占居民资源，以及国内关于数据中心与畜牧业“抢水”的新闻，都反映出实体经济无法长期支持这种只计算不产生价值的模式[4][5] 2.3 Palantir模式崛起 * Palantir的核心是位于客户与模型间的“本体”认知架构，通过FDE团队与客户共享效率提升收益，而非单纯售卖算力或API[1] * Palantir并非传统意义上的AI应用公司，而是为AI提供了一套认知架构，该认知架构位于客户与大模型交互的中间层，能够理解并接入企业的实际业务，实现动态变化与动态决策的衔接[6] * Palantir的商业模式与大模型公司有根本不同：它不以售卖算力或API为核心，而是通过FDE团队与客户共同确定业务基准，并根据业务流程改善所带来的效益进行分成[6] * 从2026年第二季度的财报看，Palantir的美国商业（非政府）收入增长显著，覆盖零售、航天、金融、医疗等多个行业，显示出其跨行业分享效率提升成果的能力，财务报表上的债务已大幅减少，未来可能实现纯现金流运营[6] * Palantir的创始人Alex Karp甚至公开指责大模型公司是“骗子”，并获得了部分硅谷投资人的支持[6] 2.4 估值逻辑重构 * 大模型正沦为被调用的同质化工具，B端入口地位削弱[1] * 大模型赛道正面临高度商品化和同质化的问题，在各方比拼参数的背景下，马斯克的大模型也已入场，加剧了竞争，IPO市场开始出现融资困难，价格回落[4] * 具备结构化计算与结果交付能力的“认知层”公司将获得更高溢价[1] * 以Palantir为例，尽管其估值一直被认为偏高，但当投资者看到其强大的现金流和盈利能力后，即使是此前持批评态度的华尔街也开始认可其价值[12] * 未来，算力的角色更像是市场的Beta，其需求长期存在，而真正的Alpha将来自更高级的应用，即那些具备认知层和计算结果能力的应用，而非简单的AIGC或工具类产品[12] 2.5 Sovereign AI理念 * Sovereign AI理念强调企业自主掌控AI主导权与数据，Palantir模式证明AI主权正从模型方转向用户方，成为2027年企业决策主流[1] * Palantir并非一家数据公司，其核心是一种“语义层”或“认知层”，旨在围绕客户构建一套能够将客户认知转化为智能化机制并交付最终结果的系统[7] * Palantir不持有客户数据，且数据的持有与否并不影响其AI能力的实现，这种自主、开放的机制支持客户构建属于自己的认知“本体”，获得了全球要求最严苛客户群体的认可[7] * 到2027年，企业在讨论AI时，可能不再优先考虑与OpenAI或Anthropic等大模型公司合作，而是更倾向于探讨如何构建企业自身的认知层，发展自主的智能化应用[8] 2.6 产业协同新范式 * Nvidia与Palantir的深度融合，共同构成了美国AI基础设施的核心，揭示了一种新的产业协同模式[8] * Nvidia迅速推出了其开源模型Nemotron，显示出其在模型开发上的能力，并选择与Palantir紧密合作，Nvidia CEO黄仁勋甚至表示Palantir可能是合作中更重要的一方[8] * 算力虽然是持续存在的需求，但其本身无法直接转化为客户价值，必须通过一个中间的“认知层”来实现价值变现[8] * 这一逻辑也解释了为何腾讯的混元、元宝等产品虽具热度，但未能显著提振股价，因为市场更看重能为客户提供明确价值和结果的解决方案，而非单纯的工具[9] 2.7 未来半年AI应用发展方向 * 未来半年，AI发展的关键将从单纯的算力消耗和通用聊天工具，转向能够提供明确“结果”的应用[10] * 具备结构化计算能力，能够理解客户意图并动态形成结果的“认知层”能力，将是市场寻找的核心[10] * 前期的工具类应用，如文件压缩等，虽然发展迅速，但由于大模型也能实现且可能通过涨价挤压其生存空间，已难以激发市场热情[10] * 未来半年内将出现两类主要的应用发展路径：第一类是拥有算力或token的公司，主动寻找并结合“认知层”能力，形成面向垂直领域的应用落地范式；第二类是传统行业企业，如蒙牛，在认识到模型本身技术门槛并非高不可攀后，选择自主构建符合自身需求的模型[10][11] 2.8 AGI路径的根本性挑战 * AGI与Scaling Law的路径，本质上是试图通过不计成本的、海量的数据计算来模拟出结果，但这并未被证明是可行的，因为它不解决认知框架的问题[18] * 核心在于人工智能领域一个被称为“框架问题”的根本性挑战，即机器如何像人一样构建思考和解决问题的框架，人类婴儿通过少量观察就能掌握规律，而机器单纯依靠大规模计算，在过去几十年中并未解决这个问题[18] * Palantir的模式则不同，它致力于解决认知层面的框架问题，即如何构建一个框架，使得输入信息后能直接产出有效结果[18] * AGI路径依赖纯粹的计算能力，而Palantir路径则依赖于对认知结构的理解和构建，这是两条完全不同的技术路线[18] 2.9 宏观影响与投资策略 * 未来三到五年的宏观影响，核心取决于市场选择AGI路径还是AI认知升级（即Palantir）路径[19] * AGI路径消耗巨量资源，导致微软等公司自身都面临成本压力，推高了资本开支和债券融资需求，甚至对美国国债收益率产生影响，旨在替代人力，若持续推进，将对经济体造成难以想象的冲击[19][20] * Palantir的路径是提升企业竞争力和创造价值的路径，不以替代人为首要目标，资本消耗和社会压力相对较小，对通胀或通缩的直接影响也更为温和[20] * 未来两三个月的关键在于识别并评估那些真正从事大模型应用开发的企业，关注这些应用型公司是否具备快速形成闭环、产出有效结果的能力，以及其业务深度是否会被大模型公司轻易取代[17] * 未来需要关注的关键信号包括两个层面：宏观政策层面，若宏观政策转向强力刺激内需和保增长，AI板块的调整时间可能更长、幅度更深；应用层面，关键在于观察是否有企业能成功打造出类似Palantir模式的应用[17] 三、其他重要但可能被忽略的内容 * 市场对Anthropic的IPO已出现怀疑态度，甚至有关于其创始人Dario能否在IPO时留任的公开押注，这种幻灭的速度超出了预期[4] * 大模型公司手握充裕资金，必然会积极寻找应用场景和垂直领域的机会，一条可行的路径是利用其强大的计算能力，向下碾压所有现有的计算类和工具类产品[13] * 未来竞争的核心都将是掌握认知计算和结构化认知的能力，政策层面也可能越来越重视能够产出实际结果的AI技术和应用[14] * 识别具备可持续护城河的AI企业，关键在于识别那些不仅理解业务，还能利用AI开辟业务新方向的公司，这类公司能够将AI应用于解决真实世界中尚未被满足的需求，而不是仅仅追求降本增效[20] * 在投资领域，AI的应用不应止于替代初级分析员，而应着眼于解决叙事驱动市场下的决策难题，如如何处理海量信息、识别市场主线[20] * 具备护城河的公司通常拥有独特的商业洞察力，例如，消费品公司利用自有模型实现与消费者千人千面的个性化需求连接，摆脱对传统流量平台的依赖[21] * 识别这类企业的核心是判断其AI应用是否能形成商业逻辑的闭环，能否将技术投入转化为可持续的客户价值和商业回报，这种基于深度行业理解和业务创新的能力，是最难被纯粹的技术进步所快速替代的[21]