涉及的行业与公司 * 行业：人工智能、大模型、具身智能、云计算、互联网投资[1] * 公司：智谱、MINIMAX-W、百度、DeepSeek、OpenCloud[1][2][3][4] 核心观点与论据 * 一级市场投资逻辑转变 * 2025-2026年，大模型估值逻辑从增长率转向上市确定性[1] * 智谱与MINIMAX-W的成功上市推高了一级市场估值上限[1][2] * 投资者参考已上市公司市值，并判断目标企业若能较快上市，其估值上限应大幅提高[2] * AI商业化与云计算2.0 * 市场重心从构建基础模型转向开发智能体[3] * 云计算进入2.0时代，核心度量衡从日活跃用户(DAU)转向日活跃智能体(DAA)[1][9] * 商业模式从资源租赁转向算力生产，以Token（词源）为核心[1][4] * 2026年国内互联网厂商已进行两次提价，反映Token需求旺盛[4] * OpenCloud的“龙虾”框架通过自定义技能，在B/C端实现降本增效，加速商业化落地[1][4] * 技术趋势与算力方案 * DeepSeek的MoE架构在保证效果的同时降低了算力门槛[1][4] * 针对先进算力受限，提出“先进算力+国产算力”混合部署方案，测算显示投资成本预计可在3年内收回，之后Token产出转为纯利[1][4] * 国产算力在国内市场替代英伟达是必然趋势，但可能需要3-5年或更长时间[10] * To B服务模式的本质变化 * AI与人的关系从“平行”转变为“相辅相成”，能将人的生产能力进行倍数级放大[5] * AI具备了真正的人力替代作用，可替代大部分人力，导致企业成本下降和收入提升[5][6] * 商业模式可能从一次性软件定制开发，转变为持续性的服务模式[5] * 物理AI（具身智能）的竞争策略 * 物理AI与数字AI是平行发展方向[1][7] * 物理AI赛道产业链长，应用场景深入生产制造细分环节，大型科技公司难以全面覆盖[7][8] * 公司核心壁垒并非模型本身，而是通过先发优势在工业、物流、服务等细分场景中构建的解决方案壁垒和数据闭环[1][8] * 多模态大模型发展阶段 * 多模态生成仍处于非常早期的阶段，技术路径尚未定论[1][11] * 多模态理解技术路线相对成熟，但如何与语言模型深度融合仍处探索期[11] * 企业早期竞争壁垒的关键在于核心技术人才和特定场景的数据积累与know-how[1][12] 其他重要内容 * AI ToB交付策略：提出“AI Bridge + 3C”概念，通过教练、咨询、开发服务解决严肃场景交付的“最后一公里”，确保客户为结果买单[1][6] * 国内云计算市场特点：国内企业出于数据安全顾虑，倾向于私有云或混合云部署，导致国内互联网公司的云计算订阅收入规模不及美国同行[10] * 多模态数据挑战：多模态数据的标注成熟度远不及大语言模型，其蕴含的因果关系和物理规律需要大量人工标注[11][12]