谷歌I/O 2026：Gemini Spark代理上线，AI Ultra从$250降至$100

5月19日，谷歌在年度开发者大会I/O上发布了多项重磅产品，其中最受关注的是Gemini Spark——一款常驻后台的持久AI代理。（企业官方公告）

Gemini Spark不需要用户主动打开应用，它在后台持续监控Gmail、日历、Google Tasks以及第三方接入的应用，自动发现任务信号并提前处理。Spark基于谷歌新发布的Gemini 3.5 Flash模型和Antigravity 2.0开发平台驱动，同日向全球开发者开放。

在硬件侧，谷歌宣布与三星、高通联合开发的Android XR智能眼镜将于今年秋季上市，眼镜框架由Gentle Monster和Warby Parker合作设计，兼容安卓和iPhone，支持Gemini内置显示屏和纯音频两个版本。

定价策略同样是这次I/O的亮点。谷歌AI Ultra订阅价从每月$250大幅调降至$100，包含5倍Gemini使用额度、20TB存储、YouTube Premium，以及下周开始对美国用户开放的Gemini Spark beta访问权。（企业官方公告）

【投黑马点评】
谷歌这次I/O发的不是模型，是一套「AI Native操作系统生态」——Gemini Spark常驻后台 + XR眼镜硬件 + 降价打透企业用户，三件套合力围剿Apple、OpenAI和Meta。对一级市场的信号很明确：通用AI代理助手赛道正被大厂收割，留给创业公司的窗口是垂直场景深度集成——比Spark响应更快、领域更专、数据更干净。另一个值得追踪的信号：AI Ultra从$250降至$100是一次定价清场动作，谷歌在告诉企业：迁移成本已经不是障碍了。

AI自我改进公司Recursive破茧，$650M融资押注「超越大模型」

5月13日，总部位于伦敦的AI初创公司Recursive Superintelligence从隐身状态公开亮相，宣布完成6.5亿美元融资，估值46.5亿美元。本轮由GV（谷歌风投）与Greycroft联合领投，英伟达与AMD同时参与。（据Crunchbase）

公司核心主张只有一句话：AI系统应该能够在无人工干预的情况下分析自身表现并主动改进。创始人阵容包括Salesforce前首席科学家Richard Socher，以及伦敦大学学院AI教授、前Google DeepMind科学家Tim Rocktäschel。团队规模不到30人，办公室分设伦敦与旧金山。（据行业研究机构）

公司成立仅数月、单次融资即达6.5亿美元，在欧洲AI生态中极为罕见。英伟达与AMD同时下注同一家初创公司，释放了一个罕见信号：算力巨头开始主动押注「比大模型训练再往上走一层」的技术路线。（据行业研究机构）

【投黑马点评】
Recursive的核心命题是：当前AI进步依赖人类工程师手工调参，这是一个天花板。如果AI能够自我改进，则可能出现非线性加速。这个命题在学术圈争议巨大，但在融资市场已然成立——6.5亿美元的规模足以让这家公司烧出几年不需要妥协的研究周期。真正值得追踪的信号是：NVIDIA与AMD同时参投意味着什么？是否在押注一个「超出当前芯片路线图」的算力需求场景？如果AI自改进成立，下游受益最明显的是推理侧算力密度——而非训练端。这个判断，值得左侧投资者今天就开始建立追踪。

Anthropic与盖茨基金会签$2亿合作，覆盖全球医疗/教育/农业

5月13日，Anthropic与盖茨基金会宣布达成一项为期四年、规模2亿美元的战略合作协议，内容涵盖资金支持、API积分及技术援助，部署领域锁定医疗、教育与农业。（据企业官方）

合作的核心方向包括：在中低收入国家开展被忽视疾病的AI辅助研究（首批聚焦脊髓灰质炎、HPV与子痫前期），以及为欠发达地区农民提供基于本地数据的实时种植决策支持。合作规模是OpenAI与盖茨基金会1月达沃斯合作（5000万美元）的四倍。（据企业官方）

在Claude Mythos（企业旗舰模型）与Claude Code大规模商业落地之后，Anthropic开始有意识地构建「有社会责任感AI公司」的品牌叙事，并借此进入全球医疗与农业B2B市场。（据多家媒体报道）

【投黑马点评】
这笔$2亿合作的商业意义远大于公益意义。Anthropic在押注的，是「AI用于实际生产力工具」的全球市场叙事——尤其在GPT-5席卷消费市场之后，「Claude=企业级可信AI」的品牌差异化对其估值支撑至关重要。盖茨基金会的背书等于全球医疗/农业B2B市场的入场券。对早期投资者的信号是：Anthropic的下一轮融资可能以「可寻址市场（TAM）突破消费端」为核心叙事——而非单纯的技术性能指标。

月之暗面Kimi D轮融资136亿元，ARR破2亿美元兑现变现能力

5月7日，月之暗面（Kimi）正式官宣完成D轮融资，融资额约136.22亿元人民币，创下中国大模型行业单笔融资最高纪录。据行业信息，投后估值突破200亿美元，4月ARR（年度经常性收入）已超过2亿美元。（据36氪）

这是月之暗面在半年内完成的第二次超大规模融资，累计融资额已超过250亿元。Kimi主打超长上下文能力与多模态搜索，个人用户侧日活跃用户已达千万级规模。（据36氪）

同步传出的信息是，月之暗面已开始筹备新一轮约20亿美元融资，若达成，将进一步巩固其「国内大模型第一融资额」的位置。资本持续押注背后，是其「转化为真实ARR」的能力已超出市场早先预期。（据行业研究机构）

【投黑马点评】
月之暗面真正有趣的地方不是融资额本身，而是它在同类公司中最早呈现出「ARR破2亿美元」的实质变现能力。这意味着其估值逻辑已从「AI概念」切换到「营收倍数」。对一级市场的意义是：ARR导向的估值重构正在国内大模型行业蔓延——下一个问题是，哪些公司会在这轮重构中被「查出业绩」而承压？Kimi目前处于受益一侧，但2亿美元ARR对比200亿美元估值，仍需持续高速增长才能支撑。

科技商业

人形机器人全天候自主上岗，量产前夜信号密集释放

5月初，Figure AI完成关键里程碑验证：Figure 03机器人在工厂环境中实现全天候24小时、7天不间断的完全自主运行，无需人类监督介入。这是基于今年1月发布的Helix 02全身视觉-语言-动作控制系统的首次规模化实证。（据企业官方）

与此同时，宝马集团在北美斯巴坦堡工厂的Figure机器人部署数据公开：已完成逾1,250小时、90,000+个零部件的生产辅助，并正式将机器人支援扩展至德国莱比锡工厂。日本航空于5月初宣布，在羽田机场启动为期三年的人形机器人实证试验，使用基于Unitree Robotics底盘的132厘米人形平台执行行李搬运与机舱清洁任务。（据企业官方）

整个人形机器人赛道在5月密集释放「真实运营数据」，正在重写行业叙事基准线——从「能不能动」到「能不能规模化」。（据行业研究机构）

【投黑马点评】
制造业场景率先跑通，但航空场景才是更大的想象空间。「空港机器人」的故事不是关于节省人力，而是关于极端安全标准下的认证壁垒——能通过民航安全认证的机器人供应商，将在未来三年形成极强的护城河。投资者现在追踪的不该只是Figure或Agility本身，而是其背后的供应链：关节模组、力控传感器、端侧推理芯片厂商，这三个环节的早期标的窗口正在2026年密集打开。

苹果-英特尔达成代工初步协议，台积电独供格局生变

5月8日，苹果与英特尔就芯片代工达成初步协议，英特尔将为苹果部分设备生产芯片。这是近十年来英特尔首次以代工身份进入苹果供应链体系，也是苹果首次将最先进芯片的生产来源多元化至台积电以外的晶圆厂。（据公开市场信息）

协议具体技术细节尚未全部公开，有信源称苹果考虑采用英特尔18A工艺生产入门级M系列芯片，定价比台积电2nm方案低约25%。消息公开当日，英特尔股价收盘涨约14%，市值重回6,000亿美元以上。（据公开市场信息）

这笔协议背后，是苹果持续推进供应链弹性策略，以及英特尔代工业务（Intel Foundry）急需标志性客户提振市场信心的双向需求叠加。（据多家媒体报道）

【投黑马点评】
苹果-英特尔这笔交易，表面是两家公司的商业谈判，实质是全球半导体供应链「多源化」进程的截面。台积电的护城河极深，单纯价格优惠不足以动摇苹果对其旗舰2nm产品的依赖。但英特尔代工若能拿下「入门M系列」，就等于在苹果供应链里楔入了一个脚手架。对一级市场的信号是：EDA工具、先进封装技术、及英特尔18A工艺上的设计辅助工具，都有可能在2026—2027年迎来一轮结构性需求。

DeepSeek拟募500亿首轮融资，产业资本重塑估值逻辑

5月8日，DeepSeek正式启动首轮外部融资，计划募集最高500亿元人民币（约73.5亿美元）。若交易落地，整体估值预计达到3,500亿元以上。国内半导体产业资本和战略投资方正参与洽谈，首轮融资规模若达成将刷新国内AI公司外部融资历史纪录。（据21经济网）

DeepSeek今年初凭借高性价比开源模型R1在全球范围引发广泛关注。此次首轮融资规模折射出资本市场对「以低成本换高效能」技术路线的高度认可。（据21经济网）

从节奏看，DeepSeek此前一直保持低调、拒绝外部融资，首轮融资的启动意味着公司正向「规模化商业部署」转型，需要更大规模的算力投入与工程团队。（据行业研究机构）

【投黑马点评】
DeepSeek估值拟达3,500亿元，但其盈利模式仍然极不清晰。以开源策略换生态影响力，这个打法短期内难以直接转化为ARR——与Kimi的「ARR先行」路线形成鲜明对比。产业资本大规模进入，是因为DeepSeek的战略价值超出了商业价值：它代表「低成本/高效率」AI基础能力路线，对整个国内AI栈都有正外部性。但估值3,500亿元背后有多少是战略溢价？这个问题，一级市场在交易打款之前也在追问。

字节跳动2026年AI基础设施年度预算上调至2000亿元

5月9日，字节跳动宣布将2026年AI基础设施资本支出增加至少25%，整体预算突破2,000亿元人民币。此前年初的计划预算为1,600亿元，本次上调主要由两个因素驱动：AI需求持续超预期，以及存储芯片成本上涨。（据财联社）

这一消息与全球主要云计算厂商支出上修趋势吻合。据TrendForce预测，2026年九大云厂商合计资本支出将达8,300亿美元，较上年增长约79%。字节跳动已成为全球资本支出最高的非北美云企业之一。（据TrendForce）

字节的算力战略重心是豆包大模型生态与抖音/TikTok的个性化推荐基建。上调支出同时也意味着国产算力供应商（含GPU及AI加速芯片）的订单景气度正在被大厂侧持续验证。（据界面新闻）

【投黑马点评】
字节2,000亿的意义，不只是字节本身。它是国产AI基础设施「景气验证」的最强信号——字节的采购对价格最敏感、对国产替代路线最务实。字节持续加码，意味着国产GPU、光模块、液冷散热方案的竞争力正在通过「真实大客户」的持续下单得到验证。追踪方向：配套字节算力采购链条的早期供应商，特别是在HBM内存替代、光互联高速传输、高密度液冷三个环节。

AI终端分级国家标准发布，首批覆盖七大产品品类

5月8日，《人工智能终端智能化分级》（GB/Z 177—2026）系列国家标准正式发布，首批覆盖手机、电脑、电视、AR/VR眼镜、汽车座舱、智能音箱、耳机七大品类。标准采用L1到L4四级体系：L1响应级→L2工具级→L3辅助级→L4协同级，提供AI终端能力的统一评估基准。（据新华网）

工信部、商务部、市场监管总局联合推进该系列标准，将与2026年消费品「以旧换新」政策衔接，对符合一定智能化等级的终端给予补贴倾斜。（据新华网）

对硬件厂商而言，这意味着AI功能的「量化」首次有了官方背书的评级维度——终结了各自口说「AI能力领先」、无从比较的混沌局面。（据行业研究机构）

【投黑马点评】
国家标准发布，最先受益的不是消费者，而是终端芯片设计公司。L3/L4协同级标准要求本地推理能力，这意味着「能在本地跑多少参数的模型」将成为新一轮手机/眼镜/汽车选购的核心规格项。端侧AI芯片——尤其是NPU和边缘推理加速器厂商——其产品路线图会因为这个标准加速收敛到明确的算力档位。追踪这条线索的投资者，应关注能提前满足L3+算力需求的端侧芯片早期标的。

十余家车企同步涨价，智能驾驶功能开始「定价重构」

5月中旬，新能源汽车行业迎来新一轮集体涨价潮。比亚迪将旗下部分车型智能驾驶选装包价格上调约2,000元；小米SU7全系涨价4,000元；特斯拉Model Y长续航版涨价1.8万元、高性能版涨2万元；长安启源智能激光版指导价亦上调3,000元。（据财联社、公开市场信息）

此轮涨价潮的诱因包含两个层面：一是全球DRAM存储芯片持续紧张，导致车载智能系统硬件成本上行；二是新能源车企在经历价格战之后，开始尝试通过「智能化价值」重新构筑利润空间。（据21经济网）

这轮涨价发生在多家头部车企一季度财报好于预期之后，具有试探市场弹性的战略意图。特斯拉涨幅最大，显示其对国内用户粘性的自信有所回升。（据公开市场信息）

【投黑马点评】
集体涨价背后有一个结构性信号：价格战的边际已经到顶。2023—2025年的惨烈价格战把整个赛道的利润烧薄，而头部玩家现在在尝试「用AI功能提价」——这是一个相对良性的拐点。对一级市场的意义是：智能驾驶软件「订阅制/选装制」的商业模式正在被主机厂验证，这直接利好为车企提供智驾SaaS服务的早期公司——他们有机会从「一次性授权」切换到「持续ARR」的收入逻辑。

轻松一刻

十年十舟：天舟十号首次在轨停靠满一年

5月11日13时11分，天舟十号货运飞船与天和核心舱完成交会对接，精准停靠天和后向端口，历时约5小时。这是天舟系列飞船的第10次飞行任务——「十年十舟」，中国载人航天在这个节点上整整画了个圆。（据中国载人航天官方网站）

本次任务由长征七号遥十一火箭在文昌航天发射场执行，这也是长征系列运载火箭的第641次飞行。天舟十号携带近6.2吨补给物资，共220余件套货物，包含一套舱外航天服。更有意思的数字：此次天舟十号在轨停靠时间将首次达到12个月，是以往6个月的整整两倍。（据中国载人航天官方网站）

「十年十舟一新城」——从2016年的天舟一号到2026年的天舟十号，641次发射不出大事故，这本身就是一段值得安静欣赏的工程史诗。（据新华网）

【投黑马点评】
641次发射不出大事故，本身就是全球最了不起的工程壁垒之一。航天这行没有「快速迭代」，只有「一丝不苟地烧钱」——倒是和早期投资有几分异曲同工：你永远不知道哪次发射是最终回本的那次，但你知道每一次都必须做对。

今日左侧信号

信号：AI生态底座之争正在「操作系统层」展开，大模型能力竞争的上限已逐渐清晰

追踪方向：谷歌Aluminium OS与AI原生设备（Googlebooks、Android XR眼镜）的生态开放程度，将决定下一波开发工具与AI应用公司的分发红利归属；字节与阿里的算力军备竞赛持续验证国产算力供应链景气度，端侧AI芯片（AI终端分级标准为催化剂）、先进封装与光互联是未来18个月最值得左侧埋伏的三条产业链。建议深挖 → 前沿信号 / 黑马雷达

── 投黑马研究团队

AI & 一级市场

DeepSeek首轮融资500亿元，梁文锋亲自出资200亿，估值剑指515亿美元

5月11日，DeepSeek首轮外部股权融资的核心细节进一步明朗。据多家媒体报道，计划融资金额约500亿元人民币（约73.5亿美元），投后估值指向3500亿元人民币（约515亿美元），有望成为国产AI大模型有史以来规模最大的一笔融资。（据多家媒体报道）

本轮融资有一个在一级市场极为罕见的细节：创始人梁文锋计划以个人名义出资200亿元，占本轮融资总额的40%。在核心创始人通常以股权换流动性的行业惯例中，这个比例释放的信号异常强烈。（据多家媒体报道）

国家集成电路产业投资基金（国家大基金）据报洽谈领投，腾讯、阿里巴巴亦作为战略投资方参与。这意味着DeepSeek正在同时获得国家战略背书与互联网流量生态的双重加持。（据多家媒体报道）

投黑马注意到，此轮融资若顺利落地，将标志着国产大模型估值体系正式进入「500亿美元时代」——一个过去只有OpenAI能达到的定价区间。

【投黑马点评】
DeepSeek此番融资，拿到的不是钱，而是「定义权」。梁文锋用200亿元个人资金做最大背书，释放的信号是：创始人认为现在是跑赢窗口期的关键时机，而不是退出套现的节点。对一级市场而言，反直觉的判断在于——515亿美元估值看似高企，但若DeepSeek的技术架构成为全球开发者的默认底层，这个定价反而可能是低估。投资者真正要追踪的不是「估值是否合理」，而是：国家队加互联网巨头的双向背书，是否会将其推向「战略资产」而非「纯商业资产」的定价轨道。

阶跃星辰25亿美元融资落定，腾讯重仓跟投，港股IPO提速

5月11日，阶跃星辰近25亿美元的新轮融资正式确认落地，腾讯再度跟投并与其达成战略合作，香港投资管理有限公司（港投公司）同步参与，本轮融资合计约合人民币170亿元。（据多家媒体报道）

此次融资的机构阵营尤其值得关注。华勤、龙旗、豪威、中兴等手机及消费电子产业链公司集体入场，覆盖从整机制造到上游核心器件的完整硬件生态。阶跃星辰正在将融资结构从「纯AI大模型」向「AI+端侧硬件」双轮驱动转型。（据多家媒体报道）

阶跃星辰已于4月完成股改、拆除红筹架构——这是赴港IPO的关键前置步骤。有「港版淡马锡」之称的港投公司，目前大模型领域仅押注阶跃一家，为其上市路径提供了重要背书。（据多家媒体报道）

【投黑马点评】
阶跃星辰这轮融资的「惊喜」不在金额，而在投资方结构。消费电子产业链集体入场，意味着资本市场在押注「端侧AI+大模型」协同将成为下一代智能硬件的核心架构。对早期投资者而言，真正的左侧信号是：手机供应链的钱已经在提前布局，下一代AI手机、AI眼镜背后的算力和模型标的，时间窗口可能比多数人预期的更短。港投公司的加持，也让阶跃的IPO时间表从「计划中」变成了「大概率落地」。

科技商业

OpenAI成立AI部署公司，头部模型商抢占落地服务层

5月11日，OpenAI宣布成立「OpenAI Deployment Company」，专门帮助企业将AI整合进核心业务流程，以工程团队驻场的方式协助中大型机构完成AI系统改造。（据企业官方公告）

此举与Anthropic本月初宣布联合Blackstone、Goldman Sachs成立企业AI服务公司形成直接呼应——两大头部AI公司同步从「卖模型」切换至「卖服务」，路径与传统软件公司的SaaS向服务层迁移高度相似。（据多家媒体报道）

对AI产业链上游的创业公司而言，头部模型商亲自下场做实施层，将直接压缩传统系统集成商的利润空间，但同时为垂直场景的专业化服务商留出细分窗口。

【投黑马点评】
OpenAI成立部署公司，是一个值得早期投资者高度警觉的产业信号。这宣告了AI创业赛道的一次「向下攻」——头部模型商不再满足于API收费，开始主动抢占下游服务层利润。反直觉的判断：这对细分垂直赛道的早期AI公司未必是坏消息。OpenAI覆盖的是通用型落地，而法律、医疗、制造等深度垂直场景的数据壁垒和合规门槛，短期内难以跨越。窗口期留给了专精型选手，但留给的时间正在快速收窄。

Google I/O 2026下周开幕：Gemini 4领衔，Android 17、AI眼镜同台亮相

5月11日，Google I/O 2026大会相关预热内容密集发布。主会场定于5月19日至20日在加州Shoreline Amphitheatre举行，全程线上直播。（据企业官方公告）

本届I/O的核心看点：旗舰AI模型Gemini 4发布（据报推理能力大幅提升）；Android 17系统预览，内置Agentic AI特性；AluminiumOS——Android与ChromeOS深度融合后的全新笔记本平台操作系统；以及Android XR眼镜的消费版本进展。（据多家媒体报道）

投黑马研究团队注意到，今年I/O的核心叙事已从「大模型发布会」切换至「Agentic AI规模落地」，Google正试图将AI能力从对话框拉升至操作系统层，构建更深的用户黏性护城河。

【投黑马点评】
Google I/O 2026的真正看点不是Gemini 4的跑分，而是AluminiumOS和Android XR眼镜。前者意味着Google在以操作系统为切入点重新定义PC；后者则是智能眼镜赛道重新洗牌的信号。对早期投资者而言，AI眼镜产业链的核心器件——光波导、微型显示、低功耗推理芯片——正进入主流机构的标的视野。一旦Google I/O给出明确的产品时间表，这条产业链的融资节奏将在接下来90天内显著加速。

微软Windows 11五月更新今日推送，AI Agent正式进驻操作系统任务栏

5月12日，微软开始向用户推送Windows 11 May 2026更新，AI Agent监控模块首次内嵌至系统任务栏，Xbox模式支持、文件资源管理器增强及安全策略调整同步上线。（据企业官方公告）

这是微软将AI Agent能力从独立应用（Copilot）整合进操作系统底层的重要一步。与此前AI功能「以插件形式存在」不同，此次更新将AI Agent能力以系统级原生模块的方式部署，标志着Windows正在以AI为核心调度层进行架构重构。（据企业官方公告）

【投黑马点评】
AI Agent进入操作系统任务栏，是一个容易被低估的里程碑。这不是一次功能更新，而是「AI接管人机交互主入口」的第一步。对一级市场而言，真正的左侧信号在于：一旦操作系统层的AI Agent成熟，依赖特定App和SaaS工具的传统软件公司将面临结构性压力，而能够适配Agent调用范式的API优先公司将获得长期竞争优势。早期投资者应重点追踪：哪些企业软件赛道的标的在主动拥抱Agent接入范式，而非被动等待替代。

阿里千问接入淘宝天猫40亿件商品，对话式购物大规模落地

5月10日，阿里巴巴宣布将千问AI平台直接接入淘宝与天猫，覆盖超过40亿件商品。用户可通过与AI对话完成浏览、比较、购买全流程，不再依赖关键词搜索或人工筛选。（据企业官方公告）

这是千问从「AI助手」向「商业基础设施」迁移的关键动作。阿里选择在自有电商生态内先跑通对话式购物的完整链路，再向外开放，延续了其当年「云计算先自用再输出」的打法。（据企业官方公告）

【投黑马点评】
40亿商品的对话式购物，把「AI电商」从概念变成了基础设施。真正反直觉的判断：这对独立AI电商创业公司是一个高风险信号——阿里选择自己做而不是开放给外部创业者，意味着大平台不打算在核心场景留出生态位。左侧投资者更该关注的是：内容电商、跨境电商，以及美妆、服饰等垂直品类的AI导购工具——这些是大平台短期内顾不上精耕的细分市场，也是下一批真实的早期机会。

中国新能源车4月渗透率破53%，再创历史新高

据行业研究机构数据，中国新能源汽车4月新车销量占比达53.2%，连续多月突破半数关口，新能源对传统燃油车的「翻转节点」已成事实。（据行业研究机构）

比亚迪、鸿蒙智行（问界）、小鹏、理想等主要车企均公布4月销量，竞争格局持续分化：比亚迪稳居绝对销量第一，高端新势力在25-40万元区间激烈角逐；小米汽车则宣布正面竞争理想与问界的30万元区间产品。（据多家媒体报道）

【投黑马点评】
53%渗透率意味着新能源车赛道的增量逻辑已经转变：从「替代燃油车」切换至「在新能源内部争排名」。下一个左侧机会不在整车，而在智能化配置的深度渗透——座舱AI、端侧大模型、智能驾驶算法，这些才是未来三年利润率真正分化的竞争层。投黑马建议追踪一个先行指标：各车型的「软件功能订阅率」——这将是判断整车企业能否从硬件商转型为服务商的核心验证指标。

轻松一刻

火星岩石「反咬」好奇号，工程师跨3亿公里远程「拔刺」

5月10日前后，NASA「好奇号」火星探测车遭遇了13年任务史上的「头一遭」。4月25日，好奇号钻入一块名为「阿塔卡马」的火星岩石取样时，意外将整块重约13公斤的岩石拔出地面——岩石随即死死夹住钻头，拒绝脱落。（据行业研究机构）

工程师团队在随后6天内持续尝试各种远程解法：震动钻头、旋转、倾斜……岩石纹丝不动。好奇号与地球距离约3亿公里，一条指令来回传输约需30分钟，每一次「拔刺」都是一场跨行星的耐心博弈。（据多家媒体报道）

直到5月1日第三次综合尝试时，岩石终于断裂脱落，轰然落在火星地面。好奇号的第1.35万个火星日，以一场意外「石劫」留名。

【投黑马点评】
一块岩石「赖」了好奇号6天，最让人回味的是：解决方案不是「更强大的技术」，而是「更耐心的工程师」。某种意义上，这是最接近早期投资现实的隐喻——在充满不确定性的环境里，真正管用的往往不是更猛的资源投入，而是更精准的判断加上足够的耐心。

今日左侧信号

信号：国产AI大模型估值体系正式进入「500亿美元时代」，头部集中加注与港股IPO潮并行

追踪方向：关注DeepSeek、阶跃星辰融资落地后，是否触发B轮及以下国产AI应用层公司的估值重新定价；追踪阶跃星辰赴港IPO路径，港股是否成为国产大模型的主流上市场所；同时密切关注Google I/O 2026（5月19-20日）的Gemini 4发布和AI眼镜进展，是否会刺激端侧AI产业链融资节奏在90天内加速。建议深挖 → 黑马雷达（端侧AI硬件产业链）/ 融资观察（国产大模型头部估值重定价）/ 前沿信号（Agentic AI系统级落地）

── 投黑马研究团队

AI & 一级市场

Sierra完成9.5亿美元融资，企业AI Agent头部效应正式形成

5月4日，由Salesforce前CEO Bret Taylor与前谷歌高管Clay Bavor联合创立的企业AI Agent平台Sierra，宣布完成9.5亿美元融资，投后估值达158亿美元。

本轮由Tiger Global与Alphabet旗下GV联合领投，Benchmark、Sequoia、Greenoaks等机构跟投。Sierra的核心产品是Agent SDK——让企业无需从零搭建即可快速部署定制AI客服代理。目前客户已覆盖美国近一半《财富》50强企业，包括Prudential、Cigna及全球三分之一最大银行。

Sierra的增速尤为惊人：年度经常性收入（ARR）从去年11月突破1亿美元，不到六个月即增至1.5亿美元，增速50%。从$100M到$150M ARR，他们只用了约90天。（据公开市场信息）

【投黑马点评】
Sierra这轮融资的真正信号不是估值，而是客户结构——一半Fortune 50已入场，意味着AI Agent正从POC阶段进入「必选基础设施」阶段，企业预算正式开闸。对一级市场而言，垂直行业的Agent中间件、工作流集成层以及Agent安全合规工具，是接下来最值得追踪的早期标的窗口。头部效应一旦固化，二、三线玩家的生存空间将急剧收窄。

四大科技巨头2026年AI资本支出合计超7250亿美元，较上年暴增77%

本周亚马逊、微软、Meta与Alphabet相继披露季报，四家公司2026年资本支出合计预期已超过7250亿美元，较2025年的4100亿美元激增77%。

微软单家的2026年资本支出指引即高达1900亿美元——尽管Azure增速持续加速，这一数字仍令市场吃惊，财报日股价应声下跌近4%。亚马逊Q1资本支出单季即达432亿美元，AWS营收同比增长28%至376亿美元，创15个季度以来最快增速。

这一轮AI基础设施投入的核心逻辑已从「卡位防御」转向「主动构建护城河」——数据中心、能源供应、专用芯片、网络带宽，正在成为科技公司事实上的「第二张资产负债表」。（据公开财报）

数据来源：各公司公开财报 / 图表：投黑马 Touheima.com

【投黑马点评】
7250亿美元的总量背后，真正值得追踪的是结构性卡位：专用AI芯片订单、液冷散热设备、光纤互联网络以及电力供应长协合同——这些都是产业链上的具体机会。当PE机构开始建立AI基础设施独立平台，意味着这条产业链已从「科技股故事」变成了「可量化现金流的实物资产赛道」，进入门槛正在快速提高。

KKR砸超百亿美元成立Helix Digital，AI基础设施独立建制成趋势

5月初，私募巨头KKR宣布旗下新公司Helix Digital Infrastructure已完成超过100亿美元的初始募资承诺，将专门设计、建造并运营AI专用基础设施，覆盖数据中心、发电设施、电力传输及网络连接。

Helix的独立建制是一个重要的组织信号：AI数据中心已经从「云厂商附属品」升级为「独立资产类别」，开始吸引全球头部资本进行专项配置。这一趋势与科技巨头2026年密集建设的轨迹高度协同。

KKR并非第一家入场的PE机构，但独立建制、专项运营代表了新的操盘范式。预计数据中心REITs化、能源长协合同规模化，是这一资产类别进入「成熟期」的两个关键信号。（据公开市场信息）

【投黑马点评】
PE机构下场建基础设施，本质上是用「30年基础设施IRR」的逻辑给AI算力定价。这对早期投资者的启示是：上游的专用电力设备、精密制冷、光网络细分赛道，已经开始受到LP级资金的关注——而这些赛道六个月前还停留在「概念联想」阶段。窗口期正在快速关闭，有产品落地的赛道头部标的，估值倍数拉升将比预想快得多。

科技商业

Meta确认5月20日裁员8000人，扎克伯格：AI重组下半年还有更多

5月4日，Meta在全员大会上正式确认：将于5月20日启动8000人裁员，约占现有员工总数的10%，同时取消6000个原计划招募岗位。

扎克伯格在全员会上亲口表示，此次重组是为了将资源集中投入AI，并明确不排除2026年下半年进一步削减。被裁员工所在团队将重组为AI专项「Pod」架构，工程师统一划入新成立的Applied AI部门，负责人为新任首席AI官Alexandr Wang。

值得关注的是，Meta的财务状况并不支持「危机驱动」的解释——2025年全年营收2010亿美元，同比增长22%，自由现金流436亿美元。裁员的本质，是用人力成本置换算力资本：Meta 2026年计划AI基础设施支出高达1150至1350亿美元。（据企业官方公告）

【投黑马点评】
Meta在盈利高峰期主动裁员，说明AI替代劳动力已不再是「未来时」——即便在高利润的科技公司内部，「AI可以完成这部分工作」已成为实际用人决策的依据。对一级市场而言，这条逻辑会向下传导至SaaS、BPO、专业服务等领域：那些帮助企业在缩编后维持甚至提升产能的AI工具，将迎来一波真实的企业级购买需求。

Figure AI通过24小时全自主连续运营测试，人形机器人关键验证门槛已过

Figure AI近期披露，旗舰型号Figure 03已完成多次24小时无人监督全自主运营测试，包括在户外环境以约2米/秒速度连续慢跑，以及独立完成大批量物料搬运任务，全程无需人工介入。

CEO Brett Adcock随后公布了激进路线图：2026年底前将机器人部署至生产线，24个月内实现机器人自主制造机器人，今年内让Figure机器人走进家庭承担长时复杂任务。Figure机器人此前已在BMW Spartanburg工厂累计运行超1250小时，完成9万余次零部件搬运任务，正在扩展至德国莱比锡工厂。（据企业官方公告）

【投黑马点评】
「24小时全自主」是人形机器人进入实际部署的核心验收标准——此前大多数演示依赖遥操作或分段测试，这一门槛一旦跨过，机器人的故事就从「技术演示」变成了「产能规划」。供应链投资逻辑随之切换：精密减速器、高精度传感器模组、边缘推理芯片以及快速充电设备，将是可见的早期标的卡位方向。

DeepSeek V4接入华为昇腾「超级节点」，AI算力协同技术取得新进展

5月4日前后，DeepSeek披露V4系列模型已与华为昇腾「超级节点」技术完成集成——该方案通过大规模组合华为昇腾950芯片集群，为V4模型提供充足的训练和推理算力。

V4系列包含V4-Pro和V4-Flash两个预览版本，在代码生成基准测试和推理任务中均达到当前领先水平。这一集成方案的产业意义在于：大模型训练所需的算力正在形成新的供应链组合方式，模型公司与芯片公司之间的深度协同生态正在加速完善。与此同时，DeepSeek同步在内蒙古乌兰察布招募数据中心运维工程师，标志着其基础设施团队已进入规模化阶段。（据公开市场信息）

【投黑马点评】
V4与昇腾芯片集成的核心投资信号不在模型性能本身，而在算力生态的形成速度：当顶级开源大模型开始在特定架构芯片上稳定运行，围绕该架构的整个硬件供应链便进入了确定性增长通道。对一级投资者而言，关注点应从模型本身转移至：哪些细分硬件环节尚未形成垄断？工程工具链和基础设施运维服务，是当前最被低估的卡位方向。

Anthropic Claude Mythos Preview率先通过32步自主网络安全基准测试

近期，Anthropic发布的Claude Mythos Preview成为全球首个通过32步端到端自主网络安全基准测试的前沿模型，OpenAI的GPT-5.5随后三周内也完成了同一测试。

这一基准测试模拟真实桌面生产环境中的复杂多步骤自主任务执行，32步全流程通过意味着模型已具备处理长程工作流的自主能力，远超此前版本的单轮推理水平。与此同时，Anthropic还向金融机构发布了10款预配置AI代理，覆盖投资银行、资产管理和保险等典型业务流程的自动化需求。（据公开市场信息）

【投黑马点评】
32步自主任务通过率不只是技术里程碑，更是商业化信号：当AI具备多步骤自主执行能力，专业服务领域的白领工作流就具备了全流程接管的技术基础。Anthropic针对金融机构的预配置代理产品，是这一能力落地最快的商业路径——垂直行业AI代理的定制化需求将在未来12个月内快速释放，有行业数据积累的中间件层机会尤为值得关注。

轻松一刻

诺兰导演电影新作《奥德赛》正式预告发布，2026 大银幕全球献映

5 月 5 日消息，克里斯托弗 · 诺兰导演的电影新作《奥德赛》发布了正式预告，官宣 2026 大银幕全球献映。

《奥德赛》由马特・达蒙、汤姆・赫兰德、罗伯特・帕丁森、赞达亚、安妮・海瑟薇、查理兹・塞隆等主演，改编自荷马史诗故事，讲述特洛伊战争后，奥德修斯回乡的漫长旅程。

据悉，该影片全程采用 IMAX 胶片摄影机拍摄。

据了解，《奥德赛》是诺兰的第 13 部剧情长片。在《追随》《记忆碎片》《失眠症》《致命魔术》《盗梦空间》《星际穿越》《敦刻尔克》《信条》《奥本海默》以及《黑暗骑士》三部曲之后，新片在全球影迷中备受期待。

机器人行李员正式上岗东京机场，英媒已预写「噩梦假期攻略」

5月初，日本航空（JAL）与GMO AI & Robotics联合宣布，将在东京羽田机场启动为期两年的人形机器人地勤试验，使用由中国宇树科技（Unitree）制造的G1型人形机器人。

G1机器人将在停机坪区域承担行李搬运、货物装卸及飞机拖拽辅助任务。JAL的官方理由是应对地勤行业严峻的劳动力短缺——而背景是日本快速老龄化带来的地面服务人员紧缺。

对此，英国媒体The Register在报道时加了一个颇有想象力的标题：「Future holiday horror: ‘A robot lost my luggage in Tokyo’」（未来假日噩梦：「机器人把我行李搞丢了」）。羽田机场若测试成功，下一步可能推广至全日本各主要机场。（据企业官方公告）

【投黑马点评】
行李丢失率理论上只会更低，因为机器人不会去抽烟休息。但如果G1真的把行李搬到了错误的航班，索赔单「责任方」一栏将是一场哲学级别的争论——是机器人、JAL，还是Unitree？

今日左侧信号

信号：AI基础设施正从「云厂商附属品」演进为「独立实物资产类别」，PE专项建制（KKR Helix）是进入主流的最强确认信号

追踪方向：关注PE机构在AI数据中心领域的新基金设立节奏及LP结构；追踪液冷散热、专用电力基础设施、光纤互联等细分环节的融资动态；若头部资产管理机构开始推出AI基础设施REITs产品，可视为该赛道从「早期」全面进入「主流配置」阶段，届时一级市场的窗口期将正式关闭。

── 投黑马研究团队

AI & 一级市场

OpenAI季度目标双落标：用户增长与营收双双错失，CFO发出算力合同警报

4月28日，有报道披露，OpenAI在2026年一季度同时错过了ChatGPT周活用户内部目标（年底目标为10亿）和营收目标，缺口约为15%。

这是OpenAI少见地在同一季度遭遇双重落标。竞争格局正在生变：Anthropic依靠编程与企业服务持续蚕食市场份额，Google Gemini在消费端加速追赶，OpenAI在多个月份均出现营收目标落差。

内部张力随即浮现。据悉，CFO Sarah Friar曾多次向同事警告：若营收增速无法提速，公司履行未来算力采购合同的能力将承压。她与CEO Sam Altman在战略判断上的分歧，也随着财务数字的曝光逐渐公开化。

对于一家账面承诺超6000亿美元算力支出的公司而言，收入侧的任何失速，都将放大资产负债表的杠杆风险。（据公开市场信息）

【投黑马点评】
OpenAI的落标，揭示了一个更深层的结构性问题：算力支出在跑道上飞速扩张，但变现路径仍未跑通。CFO的警告背后，是「买入算力期权」的商业模式本身开始承压——如果模型能力优势不能转化为不可替代的产品粘性，算力合同就会从护城河变成烧钱黑洞。Anthropic、Mistral等在企业端垂直渗透的对手，正享有比OpenAI更健康的单位经济，这才是真正值得左侧关注的竞争格局演变。

DeepSeek V4发布：百万Token上下文、1.6万亿参数，首款专为华为昇腾优化的旗舰开源大模型

4月29日，DeepSeek发布开源旗舰大模型V4，上下文窗口扩展至百万Token级别，采用Mega MoE架构，参数规模约达1.6万亿。

V4传递了一个关键产业信号：这是DeepSeek首款在训练和推理环节对华为昇腾算力硬件进行专项适配的旗舰模型，同时在开源协议下发布，可自由商用。

就模型能力而言，同期发布的GLM-5.1在专业级软件工程测试（SWE-Bench Pro）中已超越GPT-5.4与Claude Opus 4.6。国产开源大模型的性能天花板，正以快于预期的速度上升。

这一进展的节点值得关注——在OpenAI启动新一轮融资的关键窗口前，开源生态已初步具备企业级替代的技术条件。（据企业官方公告）

【投黑马点评】
V4针对昇腾的专项适配，意味着一条独立的推理算力生态闭环正在成形：DeepSeek做模型，昇腾做硬件，两者互相背书形成商业关系。这对AI基础设施赛道是值得打标记的结构性信号——推理硬件厂商（如曦望、寒武纪）的市场空间，将直接随V4开源生态的商业渗透而扩大。投黑马认为，关注国产推理卡企业的窗口，就在未来两个季度。

Meta、谷歌、OpenAI人才出走潮：顶级研究员批量辞职，下一波AI创业浪潮正在积蓄

4月28日，多名行业观察者和媒体记录到，Meta、谷歌和OpenAI的高层研究员与工程师出现批量离职潮，多人已宣布自行创立AI实验室，并获得顶级机构的种子投资意向。

这一现象并非偶发。在Q1 2026风险投资额创下3000亿美元历史纪录（AI占80%）的背景下，顶尖人才对独立创业的预期回报，已超越大厂薪酬的留用能力。

DeepMind研究员David Silver于4月中旬完成11亿美元种子融资，成为众多在职研究员效仿的参照系。Sequoia、Lightspeed、Benchmark等头部机构已明确转向「人才孵化型」早期交易，把创始人背景置于技术方向之前作为核心投注依据。（据多家媒体报道）

【投黑马点评】
人才出走潮本质上是一次价值再分配事件：过去五年被大厂圈进来的顶级AI产能，正在分散进入初创生态。对早期投资者而言，「人才溢价」将是下一轮竞争的核心货币。投黑马判断：未来6个月，来自DeepMind、Google Brain、Meta AI Labs的创始团队融资公告将显著增多，融资估值的基准线也将继续被拉高。

科技商业

微软Q3财报：Azure增速40%超预期，AI年化营收跃至370亿美元同比翻倍

4月29日，微软发布FY2026 Q3财报，总营收829亿美元，同比增长18%。

最核心的数字：AI相关年化营收达到370亿美元，同比增长123%；Azure及云服务单季增速40%，高于分析师预期的39.3%，整体智能云业务营收348亿美元。微软Cloud总营收545亿美元，同比增长29%。

值得关注的是，微软同时宣布全年资本开支将达到1900亿美元，主因是内存芯片价格上涨推高了基础设施建设成本。商业剩余履约义务同比增长99%至6270亿美元，意味着未来收入已基本锁定。（据公开财报）

【投黑马点评】
Azure+40%的增速固然亮眼，但更值得关注的是6270亿美元的剩余履约义务——这些都是企业客户已承诺的未来支出，可见性极强。真正的左侧机会不在微软本身，而在其生态中：能帮助企业高效消耗Azure AI配额的中间件和垂直SaaS，将迎来最强的需求拉力窗口，这才是投黑马建议追踪的标的方向。

谷歌Q1财报：Cloud+63%至200亿美元，执行官直言「算力明显不够用」

4月29日，Alphabet发布Q1 2026财报，总营收1099亿美元，同比增长22%，超出分析师预期的1072亿美元。

最具看点的是Google Cloud：单季营收200亿美元，同比增长63%，大幅超越市场预期的181亿美元。管理层在财报电话会上直接表示：「如果我们能满足更多需求，云营收本可以更高。」Cloud积压订单规模近乎翻倍，已超4600亿美元。

搜索业务在AI整合后维持强劲，查询量达历史新高。YouTube广告收入达99亿美元，订阅用户增速首次超过广告收入增速，总付费订阅用户突破3.5亿。（据公开财报）

【投黑马点评】
谷歌一句「算力不够用」，是整个财报季最有价值的信号。Cloud增速63%还受制于供给侧时，这不是需求问题，是一个难得的供给侧机会——能帮谷歌在现有硬件上榨出更多推理效率的优化工具（编译器、调度系统、模型量化），此刻正处于极为稀缺的卖方市场，是投黑马重点追踪的前沿信号赛道。

Meta Q1财报：营收563亿增33%、净利268亿增61%，资本开支指引再度上调

4月29日，Meta发布Q1 2026财报，营收563亿美元，同比增长33%；净利268亿美元，同比增长61%；每股摊薄盈利10.44美元。

广告业务是核心引擎：广告展示量同比增长19%，平均广告单价提升12%，每用户平均收入（ARPU）升至15.66美元，超出分析师预期。

全年资本开支指引由此前的1150-1450亿美元再度上调至1250-1450亿美元。与此同时，Meta宣布裁减约8000名员工（约占总员工数10%），并取消6000个在招职位。（据公开财报）

【投黑马点评】
营收超预期、净利大涨、裁员、capex加码——四件事同步发生，背后是同一个逻辑：用AI替换人力、降低运营成本，再把节省出的资源投入AI基础设施，进一步提升广告算法效率，形成自我强化的效率飞轮。这个飞轮的产业传导值得追踪：广告主对AI生成创意素材的需求爆发，将从Meta底层流量变现能力向上传导至创意工具赛道。

亚马逊Q1财报：AWS增速达15季度最高，AI工作负载迁移加速

4月29日，亚马逊发布Q1 2026财报，总营收1815亿美元，超出分析师预期的1773亿美元；净利303亿美元，每股摊薄盈利2.78美元。

AWS单季营收375.9亿美元，同比增长约28%，创近15个季度最快增速。管理层将加速归因于企业AI工作负载迁移：越来越多的企业把训练和推理任务批量迁至云端。Q2收入指引1940-1990亿美元，同比增长16%-19%。（据公开财报）

【投黑马点评】
AWS「15季度最快增速」的背后，是企业AI落地正从POC阶段进入批量部署阶段的真实写照。这对企业AI应用层是正向信号，但要注意层次：迁移需求利好IaaS层，而对纯SaaS应用竞争格局反而更复杂。投黑马的判断：能在AWS生态中成为高频调用「算法插件」、而不被AWS自家服务取代的垂直SaaS，才是值得关注的早期标的筛选维度。

轻松一刻

Starship V3发射第三次推迟，马斯克的五月承诺：检查清单完成了5/17项

4月29日，SpaceX宣布，Starship第12次飞行（V3版本首飞）再度推迟，发射目标调整至不早于2026年5月。

这已经是Starship Flight 12在一年内第三次调整窗口——从最初的3月，到4月，再到5月。这次飞行意义非凡：V3是Starship的全面重新设计版本，近地轨道有效载荷超过100吨，约为上一代的3倍。目前，发射前检查清单的17个关键项目，已完成5项。

好消息是，SpaceX刚刚完成了V3上级的首次满功率静态点火测试，扫清了主要技术障碍。与此同时，SpaceX今年猎鹰9号已完成44次发射，继续以惊人的节奏刷新航天纪录。（据企业官方公告）

【投黑马点评】
三次推迟，五月继续。马斯克的发射日历已成为硅谷最具参考价值的「不靠谱信号源」之一——但也正因如此，每次Starship真的飞起来，都是货真价实的技术里程碑。检查清单5/17，至少说明这次他们是认真的。

今日左侧信号

信号：AI云基础设施全面供不应求——谷歌、微软、AWS三家同日发出「算力受限」或「capex大幅上调」信号，Q1合计资本开支指引超过4500亿美元

追踪方向：算力供给侧价值链正在重组。HBM高带宽内存、液冷散热解决方案、高速网络互联（IB/以太网交换）、以及定制ASIC设计工具等细分环节的早期标的，将直接受益于巨头2026年底前的算力投入浪潮。核心追踪指标：英伟达GB300/Blackwell Ultra供货时间表、台积电CoWoS封装产能及HBM4交货节点。建议深挖 → 前沿信号 / 黑马雷达

── 投黑马研究团队

DeepSeek首次外部融资在2026年4月18日成为投资圈的「信号事件」——100亿美元估值、至少3亿美元募资规模、此前多次拒绝一线机构的顶级公司主动打开大门。但真正的变量不是一家公司的融资动作，而是「技术独立性溢价」的消解与「中国AI第一梯队估值锚」的正式落地。本文拆解这次融资背后的三层结构、七家主要玩家的卡位逻辑，并给出四个被市场严重低估的左侧坐标，以及三个可被持续追踪的关键变量。

一、为什么现在是关键窗口

DeepSeek首次外部融资的消息，在2026年4月18日从中国证券报、上海证券报两条独立渠道同时释放，圈内投资人用「炸了」两个字形容。但真正值得投黑马留意的信号不是「一家顶级AI公司正在融资」，而是「一家曾经坚决拒绝融资的公司改变了主意」。

梁文锋从深度求索2023年7月成立以来的两年多时间里，始终把「技术独立性」放在第一位——资金来源依赖幻方量化内部支持，面对红杉、高瓴、腾讯、字节、阿里等国内外顶级机构的反复邀约，他的回答一律是拒绝。R1模型跻身全球前列、一度超越ChatGPT登顶多国应用商店榜首的时候，DeepSeek依然不要外部钱。这种姿态本身就构成了一种「品牌溢价」，也构成了中国AI投资叙事里一个奇特的变量：有一家最亮的公司，市场用任何价格都投不进去。

现在，这扇门开了。「投黑马」认为这不是一次普通融资，而是中国AI资本结构发生结构性变化的标志——当「投不进去」的公司开始「可以投」，整个第一梯队的估值锚就被重新设定，第二梯队、基础设施层、应用层的相对定价全部需要刷新。更关键的是：V4可能在4月底发布、内蒙古乌兰察布的服务器运维工程师招聘进入实质阶段，这说明融资用途不是模型研发本身，而是算力+人才两道稀缺资源的战略性囤积。

这是过去三年中国AI赛道里信息密度最高的一周。本期黑马雷达的任务，是帮读者把「DeepSeek融资」这一个事件的涟漪，拆解成可追踪、可布局、可验证的三层变量。

二、核心变量 / 战场定义

要理解这次融资的结构性意义，先要把中国AI第一梯队的资本图谱画清楚。可以用一张三层结构来理解：

第一层——顶部，「有模型+有算力+有人才+有独立现金流」的少数玩家。代表是DeepSeek（幻方系内部供血）、智谱AI（清华系+国资+阿里系多重背书）、MiniMax（阿里系+腾讯系股东）、月之暗面（阿里系大股东）、百川智能、阶跃星辰。这一层的共同特征是「不差钱叙事」——不是真的不差钱，而是能够选择性不要某一类钱。

第二层——中部，「有模型+有场景」的公司，往往押注某个垂直行业或某个产品形态（企业知识库、AI客服、AI编程、AI营销、AI办公）。这一层对外部资本的依赖度高，估值对营收/签约客户数的弹性大。

第三层——底部，纯应用层、Agent工具层、垂直SaaS层。这一层的定价高度依赖第一层的估值锚和第二层的商业化节奏。

DeepSeek破例融资之前，第一层和第二层之间其实缺一个锚。智谱最近一轮估值折合约300亿元人民币，MiniMax、月之暗面在200-300亿区间，百川、阶跃星辰略低。但这些价格都缺一个「参照系」——市场没法判断DeepSeek如果开放融资会是什么价，所以整个梯队的相对定价始终带着一层雾。

100亿美元、约合681亿元人民币，这个数字第一次给中国AI第一梯队提供了一个明确的「地板」。投黑马的判断很直接：这不是一个天价，反而是一个「理性价」——它既锚定了DeepSeek自己的商业想象空间（在未来三年营收做到几何量级），也给了第二梯队一个「向上打」的参照。梁文锋真正开放融资的那一天，智谱、MiniMax、月之暗面下一轮的估值谈判桌上，每家都会被反复拿来与这个数字比较。

这才是本期真正要讨论的「战场」：DeepSeek融资释放的不是一个资金缺口，而是一把定价尺。它第一次让中国AI第一梯队有了可比较、可追踪、可交易的估值框架。投黑马要回答的问题是——这把尺落地后，哪些机会被重新定价、哪些赛道被重新分配、左侧投资者应该在哪里布局。

三、竞争格局分析

中国AI大模型第一梯队目前有七家代表性玩家，加上开源阵营的阿里Qwen，构成了八家「必须看懂」的竞争图谱。

公司名：DeepSeek（深度求索）
卡位逻辑：MoE（混合专家模型）架构 + 开源策略 + 幻方量化的算力囤积 + 梁文锋个人对「技术独立性」的近乎偏执的坚持。
护城河：R1模型证明了中国团队可以在推理能力上与一线美国实验室对标；开源策略为其积累了开发者生态；幻方供血意味着过去两年几乎没有现金流压力。
隐患：V4发布后若商业化节奏跟不上，100亿美元估值会被市场质疑是「品牌溢价」而非「价值定价」；过度依赖梁文锋个人决策风格，一旦融资引入外部股东，治理结构变化可能冲击团队文化。
投黑马判断：DeepSeek不是中国版OpenAI，而是「中国版Mistral+Anthropic」的混合体——开源打声量，企业服务打收入。

公司名：智谱AI
卡位逻辑：清华系学术背景 + 最早B端商业化 + 国资与阿里系并存的股东结构。
护城河：ChatGLM系列在国内政企场景的渗透率领先；团队在AI安全、对齐方向的技术储备厚；国资股东的政策敏感度高。
隐患：To B路径的增长天花板相对可见；产品路线偏「稳」，在面向C端的叙事张力上弱于MiniMax。
投黑马判断：智谱是中国AI第一梯队里最接近「政企AI基础设施提供商」的公司，估值方法论应参考SAP而非OpenAI。

公司名：MiniMax
卡位逻辑：AI陪伴类产品Talkie在海外做出流水 + 多模态技术储备 + 阿里与腾讯双重股东。
护城河：海外C端收入是中国AI公司里最实的一块现金流；多模态（文本+语音+视频）的工程化能力处于国内第一梯队。
隐患：C端产品的留存与ARPU波动大；海外市场合规、支付、内容审查的长尾风险不可忽视。
投黑马判断：MiniMax最接近「消费互联网时代打法」，但AI时代的C端生意模型还没有被验证——押注它等于押注一套尚未定型的新商业范式。

公司名：月之暗面（Moonshot）
卡位逻辑：Kimi产品在国内长文本场景建立的用户心智 + 阿里作为第一大外部股东的深度绑定。
护城河：To C产品增长曲线较陡；创始人杨植麟的学术声望与团队工程能力。
隐患：与阿里通义的关系既是资源也是约束——大股东的利益冲突可能压制独立商业路径；广告变现路径尚未跑通，月度亏损压力可见。
投黑马判断：Kimi的最大风险不是竞争，是被收编——月之暗面的独立性窗口可能不如它的用户规模长。

公司名：百川智能
卡位逻辑：创始人王小川的搜索背景 + 医疗行业垂直切入 + 企业级SaaS打法。
护城河：医疗垂直数据积累；王小川在政企关系上的资源。
隐患：同时做通用大模型和垂直场景，资源分散风险高；B端市场的获客成本逐年上升。
投黑马判断：百川是第一梯队里「最像传统软件公司」的玩家，估值方法应参考国内SaaS中位数而非AI泡沫期高位。

公司名：阶跃星辰
卡位逻辑：多模态优先 + 上海系资源 + 技术派路线。
护城河：视频生成方向的模型储备；团队技术密度高。
隐患：商业化路径尚未清晰；品牌外溢度相对弱，C端认知未建立。
投黑马判断：阶跃星辰是值得持续追踪但暂时不该重仓的公司——它需要再一到两个季度证明自己是「中国版Runway」还是「中国版Character.AI」的B面。

公司名：阿里Qwen（开源阵营代表）
卡位逻辑：阿里云主导 + Qwen系列开源策略 + 国内最完整的从芯片到推理的全栈能力。
护城河：开源矩阵的生态影响力正在追平Llama；阿里云的渠道分发能力无可替代。
隐患：作为「大厂内部项目」，战略独立性受集团利益牵制；开源商业化路径依赖云服务转化。
投黑马判断：Qwen不会是最亮的，但可能是最难被打倒的——它是中国AI版图里的「基础设施级存在」。

整体竞争格局判断： 投黑马认为第一梯队不会收敛到一两家独大。未来18-24个月，中国AI大模型市场会呈现「DeepSeek+Qwen双开源王者 + 智谱/MiniMax/Moonshot三家垂直领先 + 百川/阶跃二线追赶」的六到七家共存格局。真正稀缺的不是模型公司本身，而是它们背后的算力、人才、数据、渠道四类要素。这正是本期左侧机会的方向。

四、被市场低估的早期机会

基于上述竞争格局，投黑马识别出四个被主流资本视野忽略、但与DeepSeek融资直接相关的早期机会。每一个机会都经过了「需求真实 + 当前解决方案稀缺 + 认知差显著」三层过滤。

机会名称：中国AI算力运维集成商
核心逻辑：DeepSeek在内蒙古乌兰察布招聘服务器运维工程师本身就是信号——中国AI第一梯队进入「大规模推理部署」阶段，算力从建设环节迁移到运营环节。运营环节的服务商是典型的「卖铲人」，但目前没有哪家公司被资本市场正式定价。
当前空白：国内有东数西算枢纽节点，但上层真正「懂AI负载」的运维服务商稀缺——既懂GPU集群又懂MoE推理优化的团队，全国两位数不到。
护城河来源：行业know-how积累周期长、核心工程师挖角成本高、与第一梯队模型厂的深度耦合关系一旦建立难以替代。
追踪信号：关注DeepSeek、智谱、阿里云在内蒙古/贵州/四川三地的服务器招标名单，以及同步出现的「代运维」小公司——典型场景是一家小公司一次性签下不止一家模型厂客户。

机会名称：AI训练数据与对齐工具链
核心逻辑：V4级别模型训练对高质量中文数据、对齐数据、评测数据的需求，在2026年进入「工业化」阶段。单靠第一梯队自己采集已经不够，外包式数据供应链开始出现。
当前空白：市场上多数「AI数据公司」还停留在「众包标注」的初代形态，但真正有价值的是结构化对齐数据、专业领域数据（金融/法律/医疗）、评测基准数据——这三类都还在早期。
护城河来源：专业领域的数据源合作关系、版权合规能力、与第一梯队的年框合同规模。
追踪信号：关注DeepSeek、智谱在数据采购端的对外合作公告；关注国内数据交易所（北京数据基础制度先行区、上海数据交易所）的AI训练数据专区成交记录。

机会名称：顶尖AI人才结构化中介
核心逻辑：DeepSeek融资的一部分资金明确用于「提高薪酬待遇以防止顶尖人才流失」——这意味着中国AI顶尖人才市场进入「结构性稀缺」阶段。传统猎头覆盖不了这个层级，需要懂技术路线、懂期权结构、懂跨境合规的专业中介。
当前空白：目前这个市场主要被个人关系网络和非正式推荐主导，没有成建制的平台型公司。
护城河来源：与第一梯队核心决策者的信任关系、候选人池的质量、期权与股权结构咨询能力。
追踪信号：关注2026年下半年中国AI头部公司的核心成员变动轨迹，以及是否有「AI专属人才服务公司」在一级市场完成融资。

机会名称：开源模型企业级推理优化
核心逻辑：DeepSeek的开源策略 + Qwen的开源矩阵 + Meta Llama 体系，共同造就了一个开源模型在企业场景大规模落地的窗口。但「开源模型」和「企业能用」之间还隔着一道推理优化、私有化部署、权限管理的墙。
当前空白：大厂云服务提供的是标准化方案，客户一旦要求深度定制就显得笨重；真正灵活、懂模型架构、能做到「单张H100跑出三张H100吞吐」的小团队还只有两位数。
护城河来源：推理引擎核心技术（KV-cache优化、推理批处理调度）、客户关系深度、与开源社区的共建关系。
追踪信号：关注国内TOP20金融机构、头部医院、央企IT采购系统中的AI推理优化供应商中标名单；关注开源推理引擎项目（vLLM、SGLang等）在国内的商业化分支。

五、关键变量追踪

本期锁定三个核心变量，每个变量至少配两个可命名的具体观测信号。

变量一：DeepSeek融资份额的最终分配结构
→ 为什么这个变量是关键指标：融资是否由国资主导、VC主导还是战略方主导，直接决定DeepSeek未来两年的决策风格与商业化重心。国资主导 → 偏政企；VC主导 → 偏独立商业化；战略方主导 → 偏生态绑定。这三种路径对整个AI赛道的溢出效应完全不同。
→ 追踪信号1：中国证券报、财新、第一财经对DeepSeek最终股东名单的披露，重点关注是否出现国资背景基金（国调、国新、各地产业基金）与腾讯/阿里/字节的同台。
→ 追踪信号2：工商变更信息——深圳市深度求索人工智能基础技术研究有限公司的股东结构在2026年Q2-Q3的更新记录，这是最权威的一手数据。

变量二：V4发布节奏与商业化路径
→ 为什么这个变量是关键指标：V4是否按期在4月底亮相、发布后是继续开源还是「选择性开源」、API定价策略如何——这三点决定DeepSeek在100亿美元估值之上兑现增长的可信度。
→ 追踪信号1：DeepSeek官方发布渠道（官方公众号、Hugging Face）在2026年4月底-5月初的模型发布记录，以及开源协议细节（是否引入「商业使用须授权」条款）。
→ 追踪信号2：DeepSeek API定价页面变动——特别是对比R1时代的每百万token价格。若V4定价显著上浮，意味着公司在「生态优先」向「营收优先」转变。

变量三：中国AI第二梯队下一轮融资的估值水位
→ 为什么这个变量是关键指标：智谱、MiniMax、月之暗面在DeepSeek之后的下一轮融资估值，将直接验证「估值锚」是否被市场接受。如果第二梯队估值整体向上平移，说明DeepSeek 100亿美元锚有效；如果反向下压，说明市场认为DeepSeek自身定价偏高。
→ 追踪信号1：IT桔子、CVSource投中数据、36氪等渠道对智谱、MiniMax、月之暗面在2026年Q2-Q3的融资轮披露。
→ 追踪信号2：二级市场相关A股/港股上市公司（中科创达、科大讯飞、寒武纪、海光信息）在同期的估值变动与研报推荐逻辑。

三个变量的联动逻辑：
[DeepSeek融资结构落定] → [V4发布并披露商业化路径] → [第二梯队下一轮估值以此为参照重估] → [一级市场中国AI赛道整体重新定价] → [算力/数据/人才/推理四类「卖铲人」随第一梯队扩张而溢价]

投黑马 · 独家评级

赛道热度：🔥🔥🔥🔥🔥　　中国AI第一梯队首次出现公开市场定价锚

左侧机会：⭐⭐⭐⭐　　　　四个早期坐标均位于大厂战略空白处

布局紧迫度：⚡⚡⚡⚡　　V4发布窗口与融资落地节奏将在未来两个季度集中兑现

推荐关注层次：
算力运维集成商 ＞ AI训练数据工具链 ＞ 开源推理优化 ＞ 顶尖人才结构化中介

七、分层布局建议

第一层：低风险，长周期 —— 算力与基础设施层

投资逻辑：中国AI第一梯队全部进入「大规模推理部署」阶段，算力从「建多少」转向「跑多好」。这一层的需求不依赖任何一家模型公司的成败，只依赖「中国AI整体继续发展」这个最底层假设。
选股标准：团队层面——创始核心要有GPU集群运营经验（非学院派纯理论团队）；数据层面——已服务至少两家第一梯队模型厂或头部云厂商，年化收入在2-5亿元人民币区间；客户验证层面——有不止一家客户愿意签三年期年框合同。
时间窗口：建议在2026年Q2-Q3完成接触与尽调，Q4进入核心项目的投决窗口。这一层布局周期长，估值弹性不在短期翻倍，而在3-5年复合增长。

第二层：中风险，中周期 —— AI原生工具链与垂直行业

投资逻辑：DeepSeek融资的溢出效应最先在这一层显现。模型竞争白热化之后，围绕模型的数据工具、评测工具、对齐工具、行业集成商进入快速生长期。
选股标准：团队层面——核心成员来自第一梯队模型厂或头部云厂的真实实战岗位；数据层面——已有不止一家头部模型厂的真实付费合同；客户验证层面——单客户ARR年均增长100%以上。
时间窗口：建议在V4发布后的2026年5-9月集中布局，这个窗口内第一梯队采购预算释放最集中。

第三层：高风险，短周期 —— 大模型平台层非共识押注

投资逻辑：第一梯队竞争中会出现两到三家「非共识赢家」——不是市场最先看到的那两家，而是在特定垂直场景（如视频生成、科学计算、多模态Agent）建立事实领先的公司。这一层押注成功回报高，但失败率同样高。
选股标准：团队层面——创始团队必须有至少一位「可以独自完成模型训练-推理-产品全链条」的硬核技术人员；数据层面——在某个细分指标（特定benchmark、特定用户留存）上处于国内前三；客户验证层面——已积累不可被轻易复制的专属数据或工作流。
时间窗口：建议在2026年下半年完成观察，到2027年Q1之前做出布局决定——这与V4发布后竞争格局重新清晰的周期高度吻合。

风险披露（四条）：

风险一：梁文锋最终放弃融资。概率低但影响大。DeepSeek过去两年已经多次在媒体报道后否认或搁置传闻。一旦融资最终不落地，100亿美元估值锚的市场信心会被削弱，第二梯队的融资节奏将整体放缓。对第一层布局影响小，对第二层和第三层影响较大。

风险二：V4发布不及预期或延迟。执行风险。若V4未能在4月底亮相、或者发布后市场反馈未达到「R1级别的话题效应」，整个第一梯队的估值体系会进入「观望模式」。对第三层布局影响最大。

风险三：监管与政策边界收紧。结构性风险。中国AI股权投资涉及跨境数据、算法备案、国产芯片替代等多重政策变量，一旦出现行业性收紧（例如禁止VIE结构AI公司跨境融资），第一、二、三层都会同步承压。

风险四：地缘政治导致高端算力供给断裂。低概率高破坏力。一旦高端GPU断供进一步升级，第一梯队的算力囤积优势会被放大，但第二、三层的工具链公司服务基础会被压缩。该风险对算力运维类标的构成双面影响——既有需求侧承压，也有国产替代放量。

结语： DeepSeek破例融资本身不是故事，它是故事的开篇。中国AI第一梯队第一次拥有了可比较、可追踪、可交易的估值框架，而真正的长期赢家往往不在聚光灯下的那几家模型公司，而在围绕它们生长出来的卖铲人、工具链、推理层与人才层。当市场还在争论「100亿美元贵不贵」的时候，投黑马已经把四个坐标与三个变量画在地图上。在聚光灯照亮之前，我们已经在那里。

投黑马 · 信号解读

DeepSeek这次破例融资表面是一次资本动作，实质是中国AI第一梯队「技术独立性溢价」终结的信号。过去两年「投不进去的公司」本身构成了一种市场估值模糊地带，现在这个模糊地带被一个明确的数字——100亿美元——替代。从此以后，第一梯队的每一家公司都会在这个锚上下被重新定价，整个赛道的相对估值框架将在未来两个季度完成刷新。

左侧投资者真正应该追踪的信号不是「DeepSeek融资成功了吗」，而是「谁拿到了份额」「V4发布的API定价变不变」「智谱和MiniMax下一轮的估值是几何」。这三个问题的答案，会在2026年Q2-Q3陆续浮出水面，每一个都会把第二梯队和卖铲人赛道的价格重新排一遍。看懂这次融资背后的估值锚效应，就看懂了中国AI接下来18个月的投资主线。

── 投黑马研究团队

AI & 一级市场

OpenAI万亿IPO路线图浮出，散户首次获配售入场权

OpenAI首席财务官Sarah Friar4月11日确认，公司计划在IPO中为散户投资者预留份额配售，这在AI独角兽中尚属首次。此前3月底完成的1220亿美元融资中，已有30亿美元来自个人投资者通过银行渠道认购——原定目标仅10亿美元，实际超额3倍。OpenAI目前年化收入约250亿美元，但预计2026年亏损约140亿美元。内部IPO时间表指向2026年Q4提交申请、2027年上市，目标估值突破1万亿美元。（据企业官方公告、综合公开信息整理）

【投黑马点评】
散户配售不只是PR动作——OpenAI需要海量零售持仓来对冲IPO后机构股东的集中抛压。250亿营收+140亿亏损的组合意味着IPO定价将完全锚定「AI基础设施溢价」而非利润。左侧投资者应关注IPO前最后一波S份额（二手股权）交易窗口，以及围绕OpenAI生态的应用层公司能否在IPO光环期完成自己的融资。

亚马逊Trainium芯片年入200亿，英伟达垄断格局首现裂缝

亚马逊CEO Andy Jassy在2026年度股东信中披露：公司自研芯片业务（含Graviton、Trainium、Nitro）年化收入已超200亿美元，同比三位数增长。其中AI训练芯片Trainium2性价比较同类GPU高出约30%且已基本售罄；年初开始出货的Trainium3性价比再提升30-40%，产能已近满订；Trainium4虽距量产还有18个月，预订已被大量锁定。Jassy同时透露2026年AI相关资本开支将达2000亿美元。（据企业官方公告）

【投黑马点评】
200亿美元的芯片收入证明「自研替代英伟达」不再是PPT故事——亚马逊正在用客户的脚投票重新定义AI算力的供给格局。对一级市场而言，关注两个溢出效应：一是Trainium外销（Jassy暗示可能向第三方出售），将催生独立于英伟达生态的AI编译器和部署工具链创业机会；二是2000亿capex将直接拉动液冷、光模块、AI服务器ODM的订单周期。

Sarvam AI融3.5亿美元估值15亿，印度主权AI正面对标硅谷

印度AI初创公司Sarvam AI完成3.5亿美元融资，由Bessemer Venture Partners领投，亚马逊、英伟达、沙特阿美旗下Prosperity7 Ventures等参投，投后估值达15.5亿美元。Sarvam专注支持22种印度语言的语音优先AI系统，已获得印度政府IndiaAI Mission的GPU算力支持（通过Yotta Data Services提供的NVIDIA H100集群）。这是印度2026年最大规模的AI私募融资。（据公开市场信息）

【投黑马点评】
Sarvam的融资结构值得细看：亚马逊+英伟达+中东主权基金，这是典型的「算力换股权」模式——投资人同时也是算力供应商和云服务商。印度12亿人口+22种语言的多模态AI需求，正在复制中国2019年「AI四小龙」的融资路径。左侧机会不在Sarvam本身，而在印度AI基础设施层：本土化数据标注、印度语言语料库、以及面向印度市场的垂直Agent公司。

MCP协议月装9700万，捐赠Linux基金会终结协议之战

Anthropic发起的Model Context Protocol（MCP）3月份月度SDK下载量达9700万次，较2024年11月发布时的200万次增长47.5倍。更关键的是治理层面的变化：Anthropic已将MCP捐赠给Linux基金会旗下新成立的Agentic AI Foundation（AAIF），由Anthropic、Block、OpenAI联合发起，谷歌、微软、AWS、Cloudflare等支持。目前全球已有超过10000个活跃MCP服务器，覆盖数据库、CRM、云平台、开发者工具等主流场景。（据行业研究机构）

【投黑马点评】
当OpenAI和Anthropic同时出现在AAIF的创始名单上，协议之战就提前结束了。MCP正在走USB或HTTP的老路——从私有协议变成公共基础设施。对一级市场的关键推论：Agent赛道的护城河不在协议层（已被公共化），而在「协议之上的工作流编排层」。能把10个MCP工具串成一个完整业务流程的垂直Agent公司，才是下一波融资热点。

科技商业

三巨头组建反蒸馏联盟，DeepSeek等遭2.4万账号封禁

OpenAI、Anthropic、Google通过Frontier Model Forum联合发布声明，将共享攻击模式数据以检测和阻止「对抗性蒸馏」行为。Anthropic披露具体数据：DeepSeek、Moonshot AI、MiniMax三家公司通过约2.4万个虚假账号，与Claude模型产生超过1600万次交互，涉嫌未授权提取模型能力。三巨头此前在商业层面激烈竞争，此次罕见联手标志着AI行业的知识产权保护从单打独斗转向集体行动。（综合公开信息整理）

【投黑马点评】
反蒸馏联盟的真正意义不在于封账号——1600万次交互早已完成数据抽取。核心信号是：闭源模型公司正在构建技术+法律+行业联盟的「三重护城河」来维持定价权。但DeepSeek V4即将在Q2发布，如果开源模型继续缩小性能差距，蒸馏争议反而会加速企业客户向开源迁移。左侧投资者应两面下注：既关注模型安全/水印技术公司，也追踪开源模型商业化基础设施。

碳酸锂V型反转站稳15.6万，电池级锂盐同比翻倍

国内电池级碳酸锂基准价4月稳定在15.6万元/吨附近，较2025年7月的7.5万元/吨低点上涨超110%。Q1价格两度冲击18万元/吨后回落，目前围绕15-16万元/吨区间震荡。推动因素包括：新能源汽车产销持续放量、储能装机需求爆发（2026年预计150-200GWh新增装机）、以及上游锂矿供给弹性不足。分析机构预计2026年新能源汽车终端价格整体涨幅将控制在3-5%。（据公开市场信息）

【投黑马点评】
碳酸锂从7.5万到15.6万的反转，本质是产业链库存周期从「主动去库存」切换到「被动补库存」。对一级市场的含义：锂价中枢上移将重新激活上游锂矿和盐湖提锂项目的融资意愿，但真正的结构性机会在下游——能在15万+锂价环境下仍保持成本优势的下一代电池技术（钠离子、固态）和电池回收循环经济。

新能源渗透率Q1破52%，固态电池进入中试落地关键期

中汽协数据显示，2026年3月中国新能源汽车销量渗透率突破52%，全年预计销售1900万辆。更值得关注的是技术端：2026年被业内定义为「固态电池量产元年」，半固态电池已在多家车企实现规模化装车，全固态电池完成样车验证阶段，中试产线正在密集落地。SiC功率半导体在800V平台的渗透率超过15%，全球新能源汽车SiC市场规模接近35亿美元。（据行业研究机构）

【投黑马点评】
52%渗透率是一个拐点——新能源汽车从「替代品」正式变成「主流选择」，这意味着竞争焦点从「能不能卖出去」转向「能不能赚到钱」。固态电池中试线落地是下一个融资催化剂：谁先跑通量产工艺，谁就锁定下一代动力电池的定价权。追踪指标：半固态电池装车成本何时跌破1元/Wh；全固态中试线良率何时突破80%。

今日左侧信号

信号：AI产业从「模型竞赛」进入「基础设施定价权争夺」——芯片自研（亚马逊Trainium）、协议标准化（MCP/AAIF）、IPO资本化（OpenAI）三条线同时收敛

追踪方向：当亚马逊用200亿芯片收入证明「去英伟达化」可行，当MCP用9700万安装量锁定Agent协议标准，当OpenAI用万亿估值IPO为整个赛道定价——AI产业的价值分配正在从模型层向基础设施层迁移。左侧投资者应从「押注谁的模型更强」切换到「押注谁控制了不可替代的基础设施节点」：算力供给多元化（非英伟达芯片生态）、Agent工作流编排（MCP之上的垂直应用）、AI合规与安全（反蒸馏/模型水印）。

── 投黑马研究团队

本文从推理成本的三条压缩曲线切入，拆解商业模式重写的传导路径，绘制赢家与输家的竞争全景，点名被市场低估的早期机会，并给出可持续追踪的关键变量信号。读完本文，你将理解为什么”成本曲线”是AI时代最重要、也最被主流投资人忽视的坐标系。阅读要点：① 三条压缩曲线为何同步加速；② SaaS订阅制将如何被重写；③ 谁在赢，谁在输；④ 被低估的三类早期机会；⑤ 左侧投资者应追踪的三个核心变量；⑥ 投黑马的分层布局建议。

一、为什么推理成本是当前最被低估的投资变量

2026年3月，AI推理成本趋零正在成为一级市场最被低估的结构性变量。如果你问一位主流VC”AI投资最重要的变量是什么”，十有八九的答案是：模型能力、数据护城河、或者某个垂直场景的渗透率。

推理成本，鲜少出现在这份答案里。

这是一个认知错位。在我们看来，推理成本的下降曲线，是当前AI产业链中最具确定性、传导链路最清晰、也最被一级市场系统性低估的结构性变量。

数字先说话：2023年初，调用GPT-4处理一百万个Token的成本约为60美元。2025年底，同等质量的推理成本已跌至不足1美元，跌幅超过98%。更关键的是，这条曲线的斜率没有放缓的迹象——驱动它的三条压缩路线，正在同步加速。

2025年初，DeepSeek R1的横空出世是一个历史性的信号时刻——不是因为它的模型能力超越了GPT-4o，而是因为它用大约六百万美元的训练成本，复现了需要数亿美元才能达到的推理质量。这件事向全球一级市场宣告了一个此前只有少数人相信的命题：推理成本的下降，不受制于任何单一公司的意志，它是一股结构性力量。

但市场的主流反应，仍然停留在”这会不会影响英伟达的股价”这个层面。

真正值得追问的问题是：当让AI执行一次复杂任务的成本趋近于零，被颠覆的不只是某一个行业——而是”规模需要人力堆砌”这一商业文明运转了数十年的底层假设。

这是这篇文章真正想讨论的事情。

二、三条压缩曲线：为什么这次不一样

理解推理成本为什么会持续下降，需要看清驱动它的三条独立曲线——每一条都有自己的技术逻辑，三者叠加形成了一个几乎不可逆的合力。

第一条曲线：硬件竞争侵蚀垄断溢价

英伟达的GPU在AI训练领域的统治地位是真实的。但推理不是训练——推理对内存带宽的依赖远大于对原始算力的需求，这给了挑战者真实的切入空间。

Groq以LPU（语言处理单元）架构将推理延迟压缩至传统GPU方案的十分之一；Cerebras用晶圆级芯片直接绕开了内存带宽瓶颈；国内的摩尔线程、壁仞科技、燧原科技正在将推理芯片产品推向量产。更重要的是，过去三年各大云厂商大规模采购建设的AI算力集群，其硬件成本已完成初始摊薄——在会计意义上，这些集群每增加一次推理调用的边际成本已经趋近于零。

云厂商之间愈演愈烈的推理API价格战，是这一趋势最直白的市场信号。AWS、Google Cloud、Azure在推理服务上的定价已经进入互相跟进式降价的螺旋。这不是商业策略的选择，而是成本结构的必然反映。

第二条曲线：软件优化的自我加速

比硬件竞争更深层的变革，发生在软件侧——AI开始优化AI本身，而且速度越来越快。

量化压缩技术（Quantization）将模型权重从FP32压缩至INT4或INT8，体积缩小至原来的四分之一，而在多数基准测试上的精度损失低于2%。推测解码（Speculative Decoding）让模型在一次前向传播中同时完成多个Token的预测，将推理吞吐量提升3至5倍。KV Cache的持续演进使得长上下文任务中的重复推理成本不断摊薄。

更关键的是：这些优化工作本身越来越多地由AI代码助手完成。人类工程师设定方向，AI完成实现与迭代。这意味着软件优化曲线的斜率，会随着AI编码能力的提升而持续陡峭化——它是一条自我加速的曲线。

第三条曲线：架构创新重写效率天花板

混合专家模型（MoE）架构是这一轮架构革新中最重要的技术方向。与传统的稠密模型相比，MoE在处理每一个Token时只激活全部参数的一小部分——通常在10%至25%之间。这意味着在保持同等模型质量的前提下，推理的计算量可以减少75%至90%。

GPT-4o、Gemini 1.5、Mixtral都已采用MoE架构。更重要的是，这个架构范式正在向开源社区快速扩散，意味着连专有模型的训练成本优势也将被进一步压缩。

三条曲线的叠加效应

这三条曲线不是平行运行的，它们之间存在正向强化关系：更便宜的芯片降低了部署成本，使得更多公司有动力投入软件优化；更好的软件优化使得更小的模型可以完成同等任务，进一步降低对高端芯片的依赖；架构创新则同时作用于训练和推理两端，持续压低整个系统的成本底线。

硬件摊薄是一条算术曲线；软件优化是一条指数曲线；架构创新是每隔12到18个月触发一次的阶梯式跳跃。三者叠加的终点，是推理成本在经济意义上的趋零。

这不是预测，这是正在发生的算术。

三、谁在赢，谁在输：推理成本趋零的竞争全景

成本曲线不是抽象的宏观叙事，它会精确地改变每一类公司的竞争地位。理解谁受益、谁受损，是做出正确左侧判断的前提。

赢家一：按结果定价的垂直Agent公司

这是这场变革中获益最直接的群体。

它们的商业模式从一开始就建立在”完成任务收费”而非”提供访问权收费”的基础上。推理成本趋零意味着它们的执行成本在持续下降，而向客户收取的结果费用却因为确定性溢价而维持稳定甚至上升——这是一个毛利率天然改善的结构。

Harvey（法律Agent）是目前这一模式最成熟的早期样本。它不向律所收取席位费，而是按完成的合同审查数量和复杂度收费。随着推理成本下降，Harvey处理每一份合同的实际成本在缩小，但向客户收取的费用锚定在”一名初级律师完成同等工作的市场价”——这个价格不会随推理成本同步下降。这个剪刀差，是按结果定价模式最核心的价值逻辑。

同类模式的公司还包括：专注医疗文档自动化的Abridge、专注财务合规的Numeric、专注销售流程自动化的11x。它们的共同特征是：深耕单一垂直场景、有独家行业数据、团队来自行业内部而非纯AI背景。

赢家二：推理基础设施层

无论上层应用如何演变，推理请求的总量只会增加，不会减少。成本趋零反而会刺激调用量的非线性增长——当每次推理近乎免费，企业会在更多场景、更高频率地使用AI。

Groq、Cerebras等推理专用芯片公司，以及Together AI、Fireworks AI、Anyscale等推理云平台，处于这个确定性受益的位置。它们卖的不是某个特定应用的成败，而是整个AI推理量增长的基础设施。

输家一：传统SaaS公司

这是这场变革中压力最大、处境最被动的群体。

按席位收费的SaaS逻辑建立在一个前提上：软件功能需要人来操作，所以按人头计费。当Agent可以自主操作软件完成工作流，这个前提开始动摇。

Salesforce、ServiceNow、Workday面临的挑战不是来自更好的竞争对手，而是来自付费逻辑的根基松动——客户开始质疑：为什么要为五十个席位付钱，如果一个Agent可以完成其中四十个人的工作？

Salesforce推出Agentforce，ServiceNow押注AI工作流，本质上都是在用”主动转型”来对冲”被动替代”的风险。但转型的速度能否跟上客户认知迁移的速度，是一个悬而未决的问题。

输家二：人力密集型外包公司

Accenture、Wipro、Infosys等以人力规模为核心竞争力的IT外包公司，面临的是更直接的存在性挑战。

这些公司的商业模式本质是：把人的时间打包成服务，按小时或项目收费。当推理成本趋零使得AI可以以极低成本完成同等工作量，这个模式的定价基础将被系统性侵蚀。

值得注意的是：这个替代不会一夜之间发生，因为企业客户的采购惯性和信任迁移需要时间。但方向是确定的，时间是唯一的变量。

中间地带：云厂商

AWS、Google Cloud、Azure的处境最为复杂——它们既是推理成本下降的受益者（推理调用量增长，云计算总需求上升），也是受损者（推理单价下降压缩GPU租赁收入）。

目前来看，量的增长仍然压过价的下降。但这个平衡点会在哪里被打破，是整个云计算行业值得持续追踪的核心变量。

四、被市场低估的三类早期机会

大厂的竞争格局已经清晰，对于左侧投资者而言，真正的Alpha在大厂战略空白处的细分赛道。我们重点关注以下三个方向：

机会一：按结果定价的垂直行业Agent原生公司

选题框架已在上文建立，这里给出具体的选股标准：

团队构成方面，必须有至少一名来自目标行业的深度从业者——不只是AI工程师，而是真正理解行业工作流痛点的人。纯AI背景的团队很难在垂直行业建立真实的数据优势和客户信任。

数据来源方面，必须有独家或准独家的行业数据获取渠道。这是垂直Agent最核心的护城河——通用模型能力会持续提升，但行业专属数据是大厂无法快速复制的壁垒。

客户验证方面，必须已经有至少三到五家真实付费的早期企业客户，且续约率超过85%。概念验证（POC）阶段的客户不算，因为POC到规模化部署之间存在一道”企业信任门槛”，只有跨越这道门槛的产品才算真正完成了市场验证。

目前值得持续追踪的方向：法律（合同生命周期管理）、医疗（临床文档与编码）、建筑工程（合规审查与造价估算）、跨境贸易（单证处理与合规申报）。

机会二：一人公司基础设施

“一人公司”正在从边缘现象变成主流结构，但服务这个群体的基础设施工具还远未成熟。

当前市场上几乎所有的SaaS工具，设计逻辑都围绕”团队协作”构建——权限分配、角色管理、多人审批流。这套逻辑对一个人指挥多个Agent完成复杂任务的场景完全不适用。

真正面向一人公司的工具，核心设计哲学是单人的杠杆倍率：一条指令能触发多少自动化动作、能调度多少Agent并行工作、能在多少个系统之间无缝流转。

这个赛道目前的早期公司还很少，进入门槛并不高，但找到真正理解这个用户群体需求的团队并不容易。值得追踪的信号：Product Hunt上的新兴工具、独立开发者社区（Indie Hackers、X/Twitter上的建设者群体）中正在快速获得自然增长的产品。

机会三：推理成本可观测性工具

这是一个极其细分、但在未来12个月内将迎来爆发性需求的赛道。

随着企业在更多场景部署Agent，一个新的成本管理问题正在浮现：我的Agent到底在什么场景下调用了多少推理资源？哪些调用是必要的，哪些是冗余的？如何在不损失任务完成质量的前提下优化推理成本？

这个问题目前没有成熟的解决方案。企业只能通过云厂商的账单事后追踪，无法做到实时监控和主动优化。

真正的推理成本可观测性工具需要提供：调用链级别的成本归因、任务质量与成本的实时权衡、跨模型和跨供应商的成本比较基准。这个产品一旦成熟，将成为每一个规模化部署Agent的企业的刚需。

目前这个赛道几乎是空白的。率先在这里建立产品的团队，将在企业预算从”AI探索期”切换到”AI规模化期”的那个时刻，迎来非线性的需求爆发。

五、关键变量追踪：左侧投资者的信号地图

左侧研究的核心不是预测结果，而是识别变量——找到那些一旦发生变化，就会触发市场重新定价的关键信号。对于推理成本趋零这个赛道，我们追踪以下三个核心变量：

变量一：推理单价的下降速度是否维持

这是最基础、也最容易被忽视的追踪指标。

推理成本的下降不是线性的，它会经历技术突破期的陡降、消化期的平台、再到下一次陡降的循环。真正值得关注的，不是某一个时间点的绝对价格，而是下降曲线的斜率是否在维持——这决定了商业模式重写的速度。

我们追踪的具体信号：

OpenAI、Anthropic、Google三家主力模型的API定价变化频率——过去18个月，主流模型的推理价格每3至6个月就会出现一次显著下调。如果这个节奏放缓，意味着技术端的压缩动力在减弱，商业模式重写的时间表需要相应延长。

Together AI、Fireworks AI等推理云平台的报价——这些平台的定价通常领先于主流云厂商，是推理成本曲线的领先指标。

开源模型与闭源模型的性能/成本比收敛速度——当开源模型在特定垂直任务上的表现接近闭源模型的90%，而成本只有其10%，整个市场的定价逻辑将触发一次跃变式重写。这个收敛正在发生，但速度尚未确定。

变量二：企业客户从POC到规模化部署的转化率

融资数据和产品发布都可以被包装，但企业的真实采购行为不会说谎。

当前AI Agent在企业侧的部署，绝大多数仍停留在POC（概念验证）阶段——企业愿意花小钱测试，但真正把核心工作流迁移到Agent上的案例仍然稀少。从POC到规模化部署之间，存在一道我们称之为”企业信任门槛”的屏障。

跨越这道门槛需要三个条件同时成立：Agent的任务完成率稳定在85%以上；有完整的审计、可解释和回滚机制；同行业内出现可被引用的标杆客户成功案例。

我们追踪的具体信号：

Salesforce Agentforce的企业客户数量及续约率——Salesforce是目前企业级Agent部署最激进的传统软件公司，其客户数据是整个企业Agent市场最有参考价值的晴雨表。2025年Q4财报显示已有超过5000家企业完成了Agentforce的初步部署，但续约数据尚未公开披露。

头部垂直Agent公司（Harvey、Abridge等）的ARR增长曲线——这些公司的营收增长速度，是”按结果定价”模式能否在垂直行业真正跑通的最直接证明。

麦肯锡、BCG、埃森哲发布的企业AI采购报告——咨询公司的调研数据通常滞后于市场6至9个月，但它们是企业决策层真实想法的最可靠镜像。当这些报告开始大量出现”Agent ROI为正”的客户案例，意味着信任门槛正在被系统性突破。

变量三：一人公司的规模化程度

这是三个变量中最难量化、但信号价值最高的一个。

一人公司的崛起是推理成本趋零最直接的社会化体现——当个人可以用近乎零边际成本调用AI完成大量工作，”企业规模”与”人员规模”之间的正相关关系将开始解耦。这个解耦的速度，决定了整个劳动力市场和企业估值逻辑重写的时间表。

我们追踪的具体信号：

Stripe的小企业支付数据——Stripe处理了全球大量小型在线企业的支付，其发布的年度报告中关于”独立开发者和小型团队营收”的数据，是一人公司规模化程度最可靠的代理指标。

Product Hunt和AppSumo上的新产品发布节奏——这两个平台是一人公司和极小团队发布产品的主要渠道。如果单人或双人团队发布的产品在这两个平台上的占比持续上升，且获得显著用户增长，意味着一人公司的生产力跃升正在被市场验证。

Twitter/X上”Indie Hacker”群体的月营收公开披露——这个群体有透明分享收入的文化传统，其中出现”单人团队、月营收超过五万美元”的案例频率，是一人公司战斗力最真实的实时数据库。

三个变量的联动逻辑

推理单价持续下降 → 更多企业场景的ROI跑通 → POC到规模化的转化率上升 → 企业Agent部署加速 → 个人也受益于同样的成本下降 → 一人公司生产力跃升 → 一人公司规模化程度提高 → 新的工具需求涌现 → 吸引更多资本和人才进入垂直Agent赛道 → 进一步推动推理成本优化的商业动力。

这是一个典型的正向飞轮。一旦转动，市场的重新定价速度将超出大多数人的预期。左侧布局的窗口，正在这个飞轮启动之前。

赛道热度：🔥🔥🔥🔥🔥   极热，但认知分层明显
左侧机会：⭐⭐⭐⭐     仍有显著Alpha，窗口收窄中
布局紧迫度：⚡⚡⚡⚡   建议12个月内完成核心布局

推荐关注层次：
垂直Agent原生公司 > 一人公司基础设施 > 推理可观测性工具

六、分层布局建议与风险披露

布局建议

我们建议将这个方向的布局分为三个层次，根据风险偏好和资金周期灵活配置：

第一层：垂直行业Agent原生公司（中风险，中周期）

这是当前性价比最高的布局层次。企业客户的采购决策周期滞后于技术成熟度12至18个月，这意味着现在布局的团队，恰好卡在企业预算从”观望”切换到”审批”的临界点之前。

选股标准已在第四节列出，核心是三点：行业内部团队构成、独家数据渠道、真实付费客户的高续约率。

时间窗口：建议在2026年底之前完成核心布局，届时企业级Agent的规模化部署案例将大量涌现，估值将进入右侧定价区间。

第二层：一人公司基础设施（低风险，长周期）

这是一个正在形成、但尚未被充分定价的新市场。与其押注哪家具体公司会胜出，不如优先关注那些在独立开发者社区中已经出现自然增长、且创始人本身就是一人公司的产品——他们是在为自己的问题构建解决方案，这是最可靠的产品市场匹配信号。

第三层：推理成本可观测性工具（高风险，短周期）

这是一个时机极为敏感的赛道——太早进入，企业尚未有规模化部署的成本管理需求；太晚进入，大厂会将这个功能内置到自己的云平台中。最佳布局时机，是企业Agent规模化部署案例开始大量出现之前的6至9个月。根据我们对变量二的追踪，这个时机大概率在2026年中至年底之间出现。

风险披露

左侧研究的诚实，要求我们同样清晰地列出这个判断可能出错的理由：

风险一：大模型能力跃升使Agent架构发生根本性变化 如果下一代基础模型（GPT-5或Claude 4级别）的规划和自主执行能力出现质的飞跃，现有的垂直Agent架构可能被快速平替。届时，壁垒建立在”Agent工程能力”上的公司将面临根本性的竞争冲击，只有壁垒真正建立在”独家行业数据”上的公司才能抵御这一风险。这是概率较低但影响极大的尾部风险。

风险二：企业信任门槛的跨越速度慢于预期 如果企业采购惯性和监管合规要求导致从POC到规模化部署的转化周期超过预期，垂直Agent公司的营收增长曲线将被迫延长，资本效率下降。这是当前最需要持续监控的执行风险。

风险三：大厂将可观测性工具内置化 AWS、Google Cloud、Azure完全有能力将推理成本可观测性作为云服务的标配功能推出，届时独立可观测性工具的商业化空间将被大幅压缩。这个风险对第三层布局影响最直接。

风险四：一人公司规模化引发监管响应 当一人公司可以打出中型企业的营收规模，劳动市场的结构性变化将触发监管层的注意。用工认定、税务处理、社会保障等政策的不确定性，可能成为一人公司基础设施赛道发展的外部变量。

结语

三十年前，互联网把信息的边际传播成本压缩至零。

没有人在1994年准确预判到，这件事会同时颠覆零售、媒体、音乐、出行、金融——几乎所有依赖信息不对称运转的行业。

今天，AI正在把智识劳动的边际执行成本压缩至零。

这一次，被颠覆的不是某个行业，而是”规模需要人力堆砌”这个商业文明运转数十年的底层操作系统。

SaaS的席位费逻辑会被重写。复杂流程外包的人力溢价会被侵蚀。大团队作为竞争壁垒的时代正在结束。

这不是危言耸听，这是一场已经开始、只是大多数人还没有意识到规模的静默革命。

左侧投资者的优势，从来不是比别人更聪明，而是比别人更早站在正确的位置上等待。

在聚光灯照亮之前，我们已经在那里。

美区App Store免费榜Top100中，DeepSeek和ChatGPT跻身前三，谷歌Gemini排第33名，其他明星AI聊天机器人App则了无踪影。在TikTok被迫下架的空档期，DeepSeek再度霸榜美国应用商店，展现出中国应用程序惊人的出海影响力。

市场迅速做出反应，刚被美国3.6万亿元“星际之门”AI巨型项目重振的纳斯达克100指数迷你期货，哐哐下跌超过300点。

这是中国AI带给美国的最新暴击。
在国内，DeepSeek也“刷屏”股市，AI智能体、AI语料等概念股领涨。相关炒作亦是闻风而动，与DeepSeek关联的股东、合作伙伴被相继挖出，名单涉及浙江东方、华金资本等股权关联方，浪潮信息、中科曙光、润泽科技、航锦科技等算力基础设施供应商，拓尔思、科大讯飞、金山办公等垂直领域合作方，南威软件、并行科技等技术合作方，每日互动、卓创资讯等数据与生态合作方……

《黑神话：悟空》制作人冯骥专门发了篇小作文，盛赞DeepSeek“可能是个国运级别的科技成果”、“会让你对当前最先进的AI祛魅”，让知识和信息平权“又往前迈出了坚实的一步”。

他总结了DeepSeek做到的六大突破：强大、便宜、开源、免费、联网、本土。
这个横空出世的“神秘东方力量”，正凭借这些突破在硅谷引起连连巨震，令许多顶尖AI竞争对手手忙脚乱。
就在两天前，美国财经媒体CNBC针对DeepSeek制作了一期长达40分钟的专题视频报道，标题为《中国新型AI模型DeepSeek如何威胁美国主导地位》。目前这个视频观看量已经超过200万。

评论有上万条。其中一则高赞评论称受够了“威胁论”，任何中国和其他国家的进步都是美国的“威胁”；另一则评论拿DeepSeek与OpenAI作对比，说DeepSeek开放开源，OpenAI却封闭且保密，颇具讽刺意味。

应对来势汹汹的DeepSeek，OpenAI联合创始人兼CEO Sam Altman发文预告ChatGPT免费套餐将可用o3-mini。Meta被曝紧急成立4个作战小分队，层层拆解DeepSeek模型的技术秘诀。OpenAI等其他顶级AI公司的研究人员也一直在仔细研究DeepSeek模型如何做到更便宜高效。

DeepSeek成立于2023年5月，背靠国内对冲基金巨头，因开源和低价而闻名，素有“AI界拼多多”、“国产AI价格屠夫”之称。

就在一周前，DeepSeek推出性能媲美OpenAI o1模型的推理模型R1，成本仅用了o1的一小部分，而且开源，API付费价格远低于o1，App和网页版均支持免费使用，还支持联网搜索。

开源意味着只要你的电脑配置充足，你就可以用Ollama等应用把最大版本的R1模型下载到电脑本地，充分保护隐私和数据安全。

你也可以把DeepSeek R1 1.5B版本部署到手机，让它在手机本地的Web浏览器上流畅运行。

免费使用意味着在联网状态下，你不用花钱，就能享受ChatGPT付费用户每月花20美元、200美元才能使用的高端模型。

这让大众看到了真正的AI自由。

短短几天之内，DeepSeek已经成为硅谷讨论最多的公司，被视作“威胁美国AI巨头”的存在。一些外媒将DeepSeek R1的问世比作“中国的ChatGPT时刻”，称其“打破了美国在AI领域无敌的论调”，令整个硅谷嗡嗡作响。

硅谷顶级风投a16z的创始人Marc Andreeseen发文评论说，DeepSeek是“我见过的最令人惊叹、令人印象深刻的突破之一”，“作为开源，是给世界的一份意义深远的礼物”。

斯坦福大学计算机科学系客座教授吴恩达在第55届世界经济论坛上说对DeepSeek的进展印象深刻，微软董事长兼CEO萨提亚·纳德拉表态“必须非常非常认真地对待中国的这些进展”。

许多网友夸赞DeepSeek成为“新晋开源AI之王”，其影响就像安卓之于移动生态。英伟达高级研究经理兼GEAR Lab联合创始人Jim Fan发文称赞：“一家非美国公司正在让OpenAI的最初使命继续存在——真正开放、前沿的研究，赋能所有人。”Meta首席AI科学家杨立昆说，DeepSeek的成功表明开源模型正在超越专有模型，开源将使每个人都从中受益。

在国内，DeepSeek R1的文笔已经风靡社交平台。它能够模仿不同语言风格，洋洋洒洒输出各种奇妙的金句，写出文采斐然的精彩文章，不过仍不能解决严重的幻觉问题。让DeepSeek R1一句话辣评竞品，它也能给出非常有梗的毒舌点评：

AI社区的活力被持续激发。软件作曲家Riley Brown分享自己使用DeepSeek推理模型，在短短1小时内，创建了AI搜索引擎Perplexity AI的克隆版。他说自己没写一行代码。

来自AI实验室EXO Labs的Alex Cheema分享说，他把7台M4 Pro Mac mini和一台M4 Max MacBook Pro相连来运行DeepSeek R1，总内存496GB，利用EXO Labs的分布式推理和4bit量化来实现“在家AGI”。

Y Combinator首席执行官Garry Tan今日发文分享他的使用体验：“经过几次查询后，DeepSeek搜索感觉更加可靠，因为看到推理过程（乃至它对自己知道什么和可能不知道什么有多么认真）会大大增加用户的信任。”

此前一则在硅谷匿名八卦分享平台Blind上发布的消息广为流传，称Meta因DeepSeek的成功而陷入危机。另据The Information今日援引Meta员工消息，Meta AI基础设施主管Mathew Oldham等高管担心Meta的下一代Llama旗舰模型的表现不会像DeepSeek那么出色。

据说Meta生成式AI团队和基础设施团队已经启动4个作战小分队来剖析DeepSeek工作原理：

小分队1和2试图搞清楚DeepSeek是如何降低训练和运行成本的；
小分队3负责研究DeepSeek可能使用了哪些数据来训练模型；
小分队4正在考虑基于DeepSeek模型的属性重组Meta模型的新技术。

Meta计划将从中吸取的经验用于改进Llama。下一个版本的Llama可能将在本季度发布，将包括多款模型。
“我们在开发过程中定期评估所有竞争模型，自从（公司的）生成式AI（团队）成立以来，我们就一直这样做。”Meta发言人Jon Carvill在一份声明中说，“Llama一直是建立开源AI模型生态系统的基础，我们对即将发布的Llama 4扩展这一领先地位感到非常兴奋。”

一些AI公司已经考虑转向DeepSeek。

Together AI是一家帮助开发者运行和调整开放权重模型的AI公司。其联合创始人兼CEO Vipul Ved Prakash说，过去两周，他们每天都将DeepSeek模型的运行能力提高1倍，以满足客户需求；许多客户已经从Anthropic的Claude 3.5 Sonnet转向DeepSeek模型，用于AI编程。

企业级AI代理开发商SuperFocus的联合创始人Steve Hsu一直在使用上个月发布的DeepSeek v3模型，认为它的性能与为SuperFocus大部分生成式AI功能提供支持的OpenAI旗舰模型GPT-4相似甚至更好。他说SuperFocus可能会在未来几周转向DeepSeek，因为DeepSeek可以免费下载、在自家服务器上存储和运行，并将增加销售产品的利润率。
“DeepSeek效应”令美股陷入动荡，更给美国AI公司们带来了空前紧迫感。

中国AI公司证明了用有限的计算资源，足以做出顶尖水平的模型。OpenAI估值已经高达1570亿美元，如果不能确保在AI前沿赛道遥遥领先，又不能展现出显著的投资回报率，如何证明其高估值和高开销的合理性？

AI经济效益悬而未决，而美国正计划大举砸钱投入AI基础设施。就在上周，美国新任总统特朗普宣布OpenAI、甲骨文、软银将成立一家合资企业“星际之门项目”，未来四年斥资5000亿美元（约合人民币3.6万亿元）建设新的AI数据中心。（特朗普宣布AI巨型项目：3.6万亿！）

今年早些时候，微软宣布将投入800亿美元用于AI数据中心建设。Meta创始人扎克伯格也在上周发文，称今年将是“AI决定性的一年”，Llama 4将成为领先的SOTA模型，Meta正在建设一个2GW+数据中心，将拥有超过130万块GPU，计划今年将600亿~650亿美元用于资本支出。

记者Holger Zschaepitz评价DeepSeek可能是对美国股市的最大威胁，因为该模型引发了对数千亿美元资本支出的效用的质疑。Garry Tan则认为DeepSeek的成功对美国竞争对手有好处：“如果训练模型变得更便宜、更快、更容易，那么对推理（实际使用AI）的需求将增长和加速得更快，这确保了计算的供应将被使用。”

在去年7月接受《暗涌》采访时，DeepSeek创始人梁文锋曾谈道，DeepSeek押注了三个方向：一是数学和代码，二是多模态，三是自然语言本身。他认为过去三十多年IT浪潮里，中国基本没有参与到真正的技术创新里，随着经济发展，中国也要逐步成为贡献者，而不是一直搭便车。

股市的激烈波动或许短暂，通往AGI的发展路径也尚不明晰。但显而易见，DeepSeek R1正在改写AI游戏规则。它所代表的中国AI开源力量扇动翅膀，已经在全球科技产业刮起影响深远的飓风。

撰文 | ZeR0
摘编 | 智东西