英伟达联手投行推5000亿美元算力证券化软件价值向垂直应用转移

涌现EmergenceHK

随着大模型溢价收窄且开源生态承接工程落地，AI产业核心利润正从基础模型层抽离，不可逆地沉淀至拥有行业Know-How与专有工作流的垂直终端应用。

AI-assisted summary of 英伟达、开源模型、AI应用们的新战争！ — original source. Check the original for full context.

Source published: 2026-09-12

Key ideas

英伟达联合阿波罗、黑石、高盛等顶级机构组建5000亿美元算力融资平台，旨在将“AI工厂”包装为类似收费公路的标准化证券化资产，但下游客户高度集中（仅15至20家）也暗藏周期去杠杆风险。 (0:00)
韩国股市融资盘踩踏去杠杆现已基本出尽，市场呼吁将高技术壁垒的HBM从周期性普通存储中剥离独立估值，对标台积电折半给予约11倍PE，蕴含近三倍修复空间。 (4:38)
高盛预测云巨头自由现金流将于2026-2028年转负，但头部厂商负债与EBITDA之比普遍低于1倍，且手握近2.3万亿美元在途订单，资本负债表健康度远优于2000年电信泡沫期。 (7:54)
闭源模型对开源模型的价格溢价已从8倍收窄至约5倍，但企业最复杂、高密度的推理任务仍锁定闭源底座，推动OpenAI与Anthropic的ARR持续创下新高。 (12:47)
SaaS板块并未消亡而是剧烈分化：传统按人头计费软件承压，而网络安全与AI数据分析逆势增长，垂直领域专属数据与工作流Know-how成为应用层抵御基模侵蚀的终极护城河。 (18:23)

Detailed notes

## Background 本期内容由 YouTube 频道“涌现EmergenceHK”于 2026 年 8 月 15 日发布。节目中主持人所长林超邀请科技投资人 Bill Qian 与 FUNDA.AI 联合创始人 Yujia Zhao（佳佳），从英伟达组建 5000 亿美元算力融资平台的重大动作切入，沿着“算力—云计算—基础模型—终端应用”全产业链，深度复盘 AI 基础设施金融化与行业价值分配的重塑逻辑。

## TL;DR 节目围绕 AI 产业链当下的核心争议展开：英伟达联合华尔街推行算力资产证券化，虽通过原厂增信大幅扩张了购买力杠杆，但也潜藏着下游客户结构单一的周期性挤兑风险；云巨头虽面临自由现金流阶段性承压，但极低的资产负债率与超 2 万亿美元在途订单仍构筑了坚固的安全边际。与此同时，大模型生态并未走向零和博弈，开源与闭源在价格溢价收敛中形成了轻重分流的双轨格局，Coding 因数据标准化与供需合一成为率先突破的尖刀场景。终局层面，SaaS 软件正在走向剧烈分化，单纯依赖人头计费的传统软件价值被侵蚀，而掌握行业深度 Know-How、专有数据壁垒并借力开源模型进行后训练的垂直应用，将成为最终捕获丰厚商业利润的真正阵地。

## Atmosphere & style 整场对话呈现出高密度、极度理性且直击本质的专业研讨质感，兼具宏观金融视野与微观产业洞察。所长林超提纲挈领梳理产业链脉络，投资人 Bill Qian 以历史周期和资本杠杆视角尖锐指出潜在系统性风险，而一线创业者佳佳则调动实操经验与高频追踪数据展开敏锐的反驳与对账。现场交锋层层递进、毫无冗余套话，既有拨开华尔街过热恐慌的冷静推演，又有直面 AI 工程深水区变革的笃定与兴奋。

## Bulletin - [00:00](https://www.youtube.com/watch?v=ZCoXa1o-nwU&t=0s) 英伟达联合阿波罗、黑石、高盛等顶级机构组建5000亿美元算力融资平台，旨在将“AI工厂”包装为类似收费公路的标准化证券化资产，但下游客户高度集中（仅15至20家）也暗藏周期去杠杆风险。 - [04:38](https://www.youtube.com/watch?v=ZCoXa1o-nwU&t=278s) 韩国股市融资盘踩踏去杠杆现已基本出尽，市场呼吁将高技术壁垒的HBM从周期性普通存储中剥离独立估值，对标台积电折半给予约11倍PE，蕴含近三倍修复空间。 - [07:54](https://www.youtube.com/watch?v=ZCoXa1o-nwU&t=474s) 高盛预测云巨头自由现金流将于2026-2028年转负，但头部厂商负债与EBITDA之比普遍低于1倍，且手握近2.3万亿美元在途订单，资本负债表健康度远优于2000年电信泡沫期。 - [12:47](https://www.youtube.com/watch?v=ZCoXa1o-nwU&t=767s) 闭源模型对开源模型的价格溢价已从8倍收窄至约5倍，但企业最复杂、高密度的推理任务仍锁定闭源底座，推动OpenAI与Anthropic的ARR持续创下新高。 - [18:23](https://www.youtube.com/watch?v=ZCoXa1o-nwU&t=1103s) SaaS板块并未消亡而是剧烈分化：传统按人头计费软件承压，而网络安全与AI数据分析逆势增长，垂直领域专属数据与工作流Know-how成为应用层抵御基模侵蚀的终极护城河。

## Key takeaways - [00:00](https://www.youtube.com/watch?v=ZCoXa1o-nwU&t=0s) 英伟达通过原厂增信和折旧兜底推动5000亿美元算力资产证券化，本质是供应商在繁荣期利用自身信用放大全行业购买力，掌握了资产淘汰与定价的全部核心变量。 - [00:00](https://www.youtube.com/watch?v=ZCoXa1o-nwU&t=0s) 算力数字地产的需求方高度单一，全球买家集中在15到20家云巨头与独角兽，一旦商业化增速放缓，极度集中的敞口缺乏跨行业缓冲带。 - [04:38](https://www.youtube.com/watch?v=ZCoXa1o-nwU&t=278s) 存储板块前期的急跌主因是韩国股市两融杠杆踩踏，目前融资余额已回落至大涨前的起点，非理性利空出尽，后续反弹动力将转向公司股份回购。 - [04:38](https://www.youtube.com/watch?v=ZCoXa1o-nwU&t=278s) HBM因兼具高工艺壁垒与先进封装协同，不应与低PE的传统DRAM/NAND混同定价，若按台积电远期市盈率折半（约11倍PE）重估，具备显著补涨潜力。 - [04:38](https://www.youtube.com/watch?v=ZCoXa1o-nwU&t=278s) 存储与光通信供应链当前的唯一硬约束是产能交付上限，而非终端需求见顶，短期内尚无算力需求放缓的产业证据。 - [07:54](https://www.youtube.com/watch?v=ZCoXa1o-nwU&t=474s) 四大云巨头表内杠杆极低，仅靠单年经营利润即可清偿所有表内债务，目前Capex扩张是由自身高额利润支撑的抢跑，而非高危的债务投机。 - [10:48](https://www.youtube.com/watch?v=ZCoXa1o-nwU&t=648s) 谷歌密集调整组织架构并非退败，而是放下追求单一AGI终局的执念，转向依靠单季82%增速及超5000亿美元在手订单巩固AI Hyperscaler基本盘。 - [12:47](https://www.youtube.com/watch?v=ZCoXa1o-nwU&t=767s) 开源模型在聚合路由平台上凭借极高性价比吸纳超80%的轻量开发者调用，但大企业复杂主干业务与海量Token消耗依然坚定采购顶级闭源模型。 - [16:03](https://www.youtube.com/watch?v=ZCoXa1o-nwU&t=963s) 大模型在垂直产业渗透遵循“尖刀模式”：顶级闭源模型强行攻克深水区业务，历经8到12个月工程消化与流程沉淀后，开源模型再承接垂直微调与降本。 - [16:03](https://www.youtube.com/watch?v=ZCoXa1o-nwU&t=963s) Coding成为首个被AI彻底穿透的场景，核心在于供需双方高度合一，且拥有天然结构化的代码、编译器报错与Git环境作为反馈回路。 - [16:03](https://www.youtube.com/watch?v=ZCoXa1o-nwU&t=963s) 金融投研等非IT行业的AI落地门槛极高，算法专家与业务专家存在认知鸿沟，非结构化上下文与隐性Know-How难以快速工程化为微调数据。 - [18:23](https://www.youtube.com/watch?v=ZCoXa1o-nwU&t=1103s) SaaS行业正从“为人类员工提供协作工具”演变为“为海量自主Agent提供权限控制、调度与防护的安全底座”，网络安全与数据分析因此逆势大涨。 - [18:23](https://www.youtube.com/watch?v=ZCoXa1o-nwU&t=1103s) 全产业链终局的利润捕获重心正在下移，开源模型降低了技术门槛，使得掌握专有私有数据、深嵌业务工作流与具备交付能力的垂直应用公司获得持久话语权。

## Detailed walkthrough ### [00:00](https://www.youtube.com/watch?v=ZCoXa1o-nwU&t=0s) 英伟达拉拢华尔街投行：5000亿美元算力资产证券化与周期下行隐忧

所长林超在开场中梳理了过去两周全球AI产业链的剧烈变动，并邀请到科技投资人 Bill Qian 以及 FUNDA.AI 联合创始人佳佳（Yujia Zhao），共同对从底层算力、存储通信、云计算、基础模型到终端应用的六个层级进行全景式复盘。讨论的导火索是英伟达在算力资本化上的惊人动作：英伟达联合阿波罗（Apollo）、黑石（Blackstone）、高盛（Goldman Sachs）、KKR 等全球顶级投行与私募巨头，搭建了一个规模达5000亿美元的算力融资平台；随后黄仁勋亲自发布长文，正面反驳外界关于“融资担保”的质疑，明确表态并非简单的母公司兜底，而是试图将“AI 工厂”打包成类似收费公路、海底光缆那样华尔街能够承销、拆解与交易的标准化基础设施资产包。

针对英伟达推动 AI 工厂资产证券化的举动，Bill 从金融本质出发进行了解析。融债与资产证券化最核心的技术障碍在于快消品式的精密折旧难以定价，而英伟达此时下场，相当于由芯片原厂为折旧兜底，从而锁定了行业未来现金流的可预测性与标准化。这种商业模式的本质，实际上是供应商在产业周期繁荣的顶部，用自身信用去成倍扩张全行业客户的杠杆与购买力。这一幕在商业史上并不新鲜，2000年电信泡沫前夕的网络设备巨头思科与各大电信设备商就曾大规模操盘供应商融资（Vendor Financing）。但英伟达今天更进一步，“他既是卖芯片的，又是给芯片提供增信的，而且还决定上一代的芯片什么时候过时”，完全在控制自己所参与游戏的全部核心变量。

这一机制在繁荣期能让整个 AI 投资生态欢欣鼓舞，因为“前端在卖 Token，中间的 New Cloud 算力云要有钱买芯片，派对不能停”，但 Bill 尖锐地指出了下行周期的死亡螺旋隐患。与写字楼、住宅面向360行完全不同，数据中心这种新型“数字房地产”的最终需求全部押注在 AI 单一赛道，下游真正的大买家在全球范围内仅有15到20家云巨头与头部独角兽。一旦下游商业化增速放缓或需求停滞，高度集中的风险敞口极易在去杠杆过程中引发剧烈的负反馈。对此，佳佳则给出了来自产业一线的乐观反驳：模型迭代速度正从过去的数月缩短至约一个半月，Coding Agent 的突破正迅速将 AI 渗透范围从科技公司内部 IT 预算向各行各业扩散；从 FUNDA.AI 追踪的模型来看，大型数据中心的投放产出比已演化为完全可量化的数学模型，目前锁定的长期需求周期已显著长于收回 Capex 成本的时间，算力资产化依然处于极其健康的轨道上。

- **英伟达算力融资平台阵容**：联合阿波罗（Apollo）、黑石（Blackstone）、高盛（Goldman Sachs）、KKR 等顶级投行，组建总额5000亿美元的算力融资平台。 - **交易底层逻辑**：将 AI 工厂设计为类收费公路与电信光纤的标准化金融资产包，由原厂解决折旧曲线与现金流定价难题。 - **核心周期风险**：客户结构高度单一（全球核心买家仅15至20家），缺乏跨行业抵御波动的纵深，下行期存在潜在的债务挤兑风险。

[04:38](https://www.youtube.com/watch?v=ZCoXa1o-nwU&t=278s) 存储与光模块的博弈：韩国去杠杆利空出尽与HBM的独立重估

随着英伟达确立其类似“算力中央银行”的地位，整个半导体供应链的价值分配剧烈震荡，对冲基金界此前一度热烈讨论“做多光模块、做空存储芯片”的配对交易。针对存储板块前期的急跌，佳佳分享了一线追踪到的关键数据：韩国股市此轮暴跌的核心诱因是融资盘踩踏去杠杆。韩国股市的融资余额自4月初至4月底迅速攀升，并在6月底见顶，随后经历了长达一个多月的惨烈去杠杆过程。目前杠杆水平已基本回落至2月上涨前的常规平台，这意味着由资本市场流动性挤压所带来的非理性利空已基本出尽，后续推动存储股票回升的核心动力将转向公司股份回购。

关于存储板块后续的价值重估，讨论深入到了产品线的拆解估值逻辑。目前如 SK 海力士（SK Hynix）的市盈率被压制在3倍多极低水平，核心原因在于市场将普通 DRAM、NAND Flash 与高端 HBM 混在一起打包定价。事实上，随着 HBM4 的即将出货，资本市场应当把 HBM 剥离出来给予独立估值。以台积电目前约22倍的远期市盈率（Forward P/E）作为参照，具备极高技术壁垒与晶圆级封装协同特性的 HBM 业务，其市盈率至少应当享受台积电一半（即11倍左右）的估值溢价。仅就该业务条线而言，便蕴藏着近三倍的估值修复空间，未来存储板块将呈现结构性而非普涨式的缓慢上行。

关于压在光通信和存储产业链之上的所谓“大山”，与会者达成了一致：核心限制从来不是需求乏力，而是产能交付上限。在技术路径持续跃迁的前提下，目前没有任何产业证据支持短期内算力需求见顶的假说，英伟达主导的金融创新实际上进一步强化了中游零组件向算力系统转化的确定性。

- **韩国股市去杠杆进程**：两融杠杆于6月末达到历史高点，经历7月至8月集中平仓后，现已完全回吐至2月起点水平，流动性杀跌已告一段落。 - **存储巨头重估逻辑**：SK 海力士等厂商当前整体估值仅约3倍 PE；市场呼吁将普通周期性存储与高确定性的 HBM 分拆定价。 - **HBM 估值对标标杆**：若对标台积电22倍远期 PE 的一半（约11倍 PE），HBM 业务线的合理市值具备至少三倍的扩张空间。

[07:54](https://www.youtube.com/watch?v=ZCoXa1o-nwU&t=474s) 自由现金流转负与万亿在途订单：云巨头进入过度投资周期了吗？

针对华尔街对 AI 资本开支过热的担忧，高盛此前流出的一份内部预测图引发了广泛关注，该图表预测微软、谷歌、亚马逊 AWS 和甲骨文等主要超大规模云服务商（Hyperscalers）的自由现金流（Free Cash Flow, FCF）将在2026年第三季度至2028年第一季度集体深陷负值区间。市场由此产生疑虑：即便2027年算力需求不衰退，但到2028年当所有云巨头的自由现金流持续失血时，他们的资本开支能力是否会遭遇悬崖式下跌？

Bill 对此持相对乐观的态度，并从财务结构角度进行了层层拆解。自由现金流的计算是当期经营现金流扣除面向未来的资本开支，从 ChatGPT 问世至今已过去40多个月，头部科技巨头直到今天才刚刚出现资本开支超过经营现金流、导致 FCF 阶段性转负的苗头，这在科技产业史上属于“极具财务自律”的周期表现。更为关键的是表内杠杆水平，目前各大巨头的净负债与 EBITDA（息税折旧摊销前利润）之比普遍维持在1倍以下，这意味着即便完全不依赖外部融资，巨头们仅凭一年的利润就能全额清偿所有表内债务。当前谈论债务泡沫和过度杠杆为时尚早，企业不过是在把当下的确定性利润投入到对未来的抢跑当中。

此外，充沛的未来在途订单也锁定了下行周期的安全垫。目前仅 Google、微软、AWS 和甲骨文四家巨头公开及未公开的未交付在途订单总额便逼近2.3万亿美元，且尚未完全计入许多超额需求。虽然融资工具正从纯股权向债务工具延伸，但当前科技龙头的真实资产负债表健康度，远非2000年电信泡沫时期的思科等高负债公司所能比拟。

- **云巨头财务安全边际**：四大巨头（Google、Microsoft、AWS、Oracle）的表内 Debt/EBITDA 比率普遍低于1.0x，当期现金利润即可完全覆盖债务。 - **未交付订单护城河**：已确认的未来几年在途订单储备超过2.3万亿美元，对后市 Capex 的收回提供了长周期确定性。 - **与2000年泡沫的本质差异**：思科时代依赖高风险供应商直接垫资与次级信用扩张，当下巨头投资主要依靠自身庞大飞轮业务创造的超额利润。

[10:48](https://www.youtube.com/watch?v=ZCoXa1o-nwU&t=648s) 谷歌组织架构大调整：放下AGI执念，稳守AI Hyperscaler基本盘

在算力与基础设施演进的同时，云计算巨头阵营内部也出现了显著的战略分歧。以谷歌近期频繁的高层换帅、团队重组以及多位明星 AI 研究员离职为标志，市场普遍认为谷歌正在主动淡化追逐虚无缥缈的通用人工智能（AGI）绝对霸权，转而将重心死死锚定在把自身打造成最具执行力与实用价值的“AI 基础设施提供商”上。

佳佳对此评价称，谷歌大刀阔斧的组织架构调整并非败相，反而是一个强烈的积极信号。传统巨头在向生成式 AI 转型时，最致命的阻力往往来自于原有部门墙与利益再分配；若没有彻底的组织架构手术，业务推进将举步维艰。这次大洗牌表明谷歌管理层具备打破惯性的决心，为其在未来两到三年重归一线战局奠定了组织基础。

Bill 则从云业务基本盘和模型商业化的二维视角做出了定性。如果从前端单纯向开发者售卖类似 Gemini 的推理 Token 来看，谷歌或许尚未登顶绝对第一梯队；但若站在超大规模云服务商（Hyperscaler）的角度，谷歌是不折不扣的一线巨头。最新财报数据显示，谷歌云实现了同比82%的惊人增速，而在途订单总额突破5000亿美元，已达到其2025年预期云收入的6倍以上。这充分印证了即使前沿大模型面临激烈竞争，庞大的企业客户依然在疯狂采购谷歌云的基础设施。谷歌已成功卡位不可或缺的 AI 算力底座，无论顶层模型风云如何变幻，它都已立于不败之地。

- **谷歌云核心财务指标**：单季度云业务录得高达 82% 的同比增速。 - **在手储备订单深度**：未履行订单金额突破 5000 亿美元，相当于其 2025 年云业务年化收入的 6 倍以上。 - **战略定位分野**：从纯粹追逐 AGI 前沿研究，实质性转型为以交付与基础设施变现为核心的超级 AI Hyperscaler。

[12:47](https://www.youtube.com/watch?v=ZCoXa1o-nwU&t=767s) 闭源与开源的交锋：溢价缩窄但顶流营收登顶，复杂任务锁定高价值Token

谈及基础模型（Foundation Model）与下游应用的权力天平，硅谷目前存在激烈的两派争论：一派坚信开源模型（如 Llama 系列）由于性价比极高且性能迅速逼近闭源，正快速虹吸主流工作流，闭源模型的价值捕获能力将不可逆转地被摊薄；另一派则坚信头部闭源模型的领跑地位坚不可摧。

佳佳通过 FUNDA.AI 针对海外顶级对冲基金与市场公开信源追踪的 ARR（年度经常性收入）建模数据指出，OpenAI 与 Anthropic 两大闭源龙头的 ARR 正在以 SaaS 历史上罕见的速度连续冲破新高。在基础模型依然保持高速迭代的窗口期，闭源模型依然代表着全行业的天花板性能。尤其在企业级落地的关键场景中，无论是炙手可热的现场部署工程师（Forward Deployment Engineer, FDE）还是复杂的业务流集成，企业必须依靠最强的闭源底座作为确定性保障。尽管开源模型凭借性价比在部分拆解出的简单任务中被广泛采用，但实际生产环境中，最复杂、消耗 Token 数量最多的核心推理任务，依然死死锁定在闭源模型之内。

Bill 拿出了一组具体的追踪数据：从价格溢价来看，闭源对比开源模型的单位价格倍数确实从最高峰时期的8倍以上，收窄到了目前的约5倍（如输入端粗略测算的3.07美元对0.60美元）。然而，溢价的收缩并没有伤及 OpenAI 和 Anthropic 的营收基本盘。虽然在 OpenRouter 这类开发者聚合路由平台上，对成本高度敏感的中小开发者有超过80%的调用量倒向了开源模型，但这与头部大企业选择闭源服务形成了平行世界。大企业虽然在选择性尝试开源私有化部署，但整体商业化预算依然毫无保留地流向两家闭源巨头，过早看衰闭源商业模式与产业现实严重脱节。

- **闭源/开源溢价率收敛**：从历史高位的大于 8 倍回落至目前的约 5 倍（以主流对比组的 $3.07 / $0.60 为测算参照）。 - **开发者生态分流**：OpenRouter 等成本敏感型中转平台中，开源模型调用量占比超过 80%；但 OpenAI 与 Anthropic 的整体 ARR 曲线依然维持超高速垂直拉升。 - **企业任务分层架构**：前端流水线简单过滤任务流向廉价开源模型，底层核心链路及高密度 Token 消耗任务由高阶闭源模型全量承接。

[16:03](https://www.youtube.com/watch?v=ZCoXa1o-nwU&t=963s) 为什么首先是Coding？尖刀渗透模式与金融投研等垂直行业的壁垒

针对企业端的数据与场景渗透，佳佳阐述了模型落地各行各业的底层逻辑。许多企业现存的大量内部数据之所以长期未能被 AI 真正激活并纳入上下文（Context），并非企业不想用，而是过去模型的长上下文理解与推理能力根本没有跨过及格线。在这一客观现实下，最顶级的闭源模型必须充当冲锋陷阵的“尖刀”，强行刺入未被开垦的深水区业务流程，经过产业界8到12个月的反复消化与试错，理顺工程可行性后，成本更优的开源模型与垂直模型才有机会顺阶而上、承接规模化优化任务。

```mermaid flowchart TD accTitle: Enterprise AI Scenario Penetration Path accDescr: Three-stage penetration process showing closed-source models breaking in, followed by digestive engineering, and finally open-source post-training.

subgraph Phase1["第一阶段：尖刀刺入"] A["头部闭源模型\n(OpenAI / Anthropic)"] -->|"极限推理突破能力边界"| B["攻克未激活企业高价值场景"] end

subgraph Phase2["第二阶段：工程消化与流程沉淀"] B -->|"长达 8-12 个月实践验证"| C["沉淀业务上下文与行业 Know-How\n(FDE 与应用架构落地)"] end

subgraph Phase3["第三阶段：开源承接与垂直后训练"] C -->|"低成本微调与二次训练"| D["开源模型本地化部署\n(垂直领域 Post-training)"] C -->|"超难复合长推理流"| A end ```

这种“尖刀模式”深刻解释了为何代码编写（Coding）成为了大模型时代第一个被彻底穿透的行业。林超与佳佳分析指出，Coding 之所以能率先跑通，是因为研发大模型的研究员与使用 Coding Agent 的工程师本就是“同一类人”。他们不仅对场景痛点与需求边界心知肚明，而且代码世界的数据、编译器报错反馈、Git 仓库全部是极度结构化且完全天然可获取的。

一旦将该模式搬到其他垂直行业，复杂性便呈指数级上升。以佳佳正在创业的“AI+金融投研”行业为例，要求算法工程师、模型研究员去真正读懂错综复杂的金融市场运作机理极其缓慢。即便是企业坐拥大量 Context 和财报研报数据，如何使用这些数据、如何在数据基础上进行高精度标注与微调对齐，依然依赖深不可测的行业 Know-How。这种领域鸿沟即便在基模能力提升后可以通过模型辅助标注来缓解，其落地阻力依然远超纯粹的代码场景。

- **场景渗透周期律**：闭源前沿模型作为“尖刀”突破后，单一垂直场景往往需要产业耗费 8 至 12 个月进行消化，方能沉淀出标准工程实践。 - **Coding 领域的天然优势**：供需双方高度合一（开发者做工具给开发者用），数据高度标准化、可追踪，具备天然的代码回测与环境反馈验证机制。 - **传统与金融垂直领域的痛点**：缺少结构化标注反馈闭环，算法专家缺乏行业专业语境，业务专家的隐性知识难以低成本转化为数据工程输入。

[18:23](https://www.youtube.com/watch?v=ZCoXa1o-nwU&t=1103s) SaaS并未消亡而是剧烈分化：从人头计费到Agent护航与垂直Know-how重估

在节目的尾声，讨论聚焦到了产业链最终的落脚点——应用层及 SaaS 软件资产的生死分野。上半年资本市场上演了轰轰烈烈的“SaaS 已死（SaaS is Dead）”恐慌，市场一度认定全能基模将降维抹平所有上层软件。然而现实是代表美股软件板块的 IGV 指数在经历阶段性暴跌后已基本修复平盘，软件行业并未迎来无差别的死亡，而是发生了极为残酷的物种分化。

Bill 总结了 SaaS 板块内部的两极分化趋势：跌幅最惨烈的，是以传统“人头工位（Seat-based）”计费、服务员工协同与基础 CRM 的传统软件，其价值主张被 AI 极速侵蚀；而逆势大涨的品类，集中在网络安全（Cybersecurity）与 AI 数据分析（AI Data Analytics）两大板块。背后的商业逻辑在于：当未来互联网中的非人类 Agent 数量激增、甚至使真实人类在网络活动用户中的占比降至1%时，整个数字世界将迫切需要由专业的 SaaS 软件来为海量 Agent 提供基础设施支持、权限管控与安全护航。正如“AI 吞噬了人们对传统 SaaS 的增长预期，但 AI 本身需要更多新型 SaaS 来保驾护航”，甚至连老牌霸主 Salesforce 也在被迫全力转向 AI 原生应用的自我迭代。

佳佳最后补充强调，开源与闭源生态的竞合反倒给垂直应用构筑了极深的护城河。如今成熟的应用层团队已无需全盘受制于闭源巨头的 API 成本，他们完全可以借助开源底座，结合自身独特的行业专有数据和业务 Know-How 自行进行后训练（Post-training）。这些隐性行业数据即便是最头部的 AI Labs 砸重金找数据标注公司也根本无从买到。整场 AI 革命推演至终局，价值捕获能力并未被模型本身垄断，而是不可阻挡地向下转移到了拥有真实业务工作流、私有数据入口与现场交付能力的垂直应用手中。

- **SaaS 资产分化格局**：以 iShares 扩展科技软件板块 ETF（IGV）为代表的指数回本打平，内部出现传统人头 CRM 大跌与 AI 数据分析、网络安全大涨的极端分化。 - **Agent 时代的软件定位**：当 Agent 成为网络流量主体，软件从“赋能人类员工工具”升级为“监管、调度并防御自主智能体的平台底座”。 - **垂直应用的终极护城河**：大模型 Labs 无法触达的非公开行业数据与深度业务流 Know-How，结合开源底座自主后训练，确立了终端应用层长期而独立的商业价值。

## Notable quotes > [00:00](https://www.youtube.com/watch?v=ZCoXa1o-nwU&t=0s) 他既是卖芯片的，又是给芯片提供增信的，而且还决定上一代的芯片什么时候过时 — Bill Qian

> [00:00](https://www.youtube.com/watch?v=ZCoXa1o-nwU&t=0s) 前端在卖 Token，中间的 New Cloud 算力云要有钱买芯片，派对不能停 — Bill Qian

> [18:23](https://www.youtube.com/watch?v=ZCoXa1o-nwU&t=1103s) SaaS 已死（SaaS is Dead）

> [18:23](https://www.youtube.com/watch?v=ZCoXa1o-nwU&t=1103s) AI 吞噬了人们对传统 SaaS 的增长预期，但 AI 本身需要更多新型 SaaS 来保驾护航 — Bill Qian

## Mentioned 所长林超, Bill Qian, Yujia Zhao（佳佳）, 英伟达（NVIDIA）, 黄仁勋, 阿波罗（Apollo）, 黑石（Blackstone）, 高盛（Goldman Sachs）, KKR, 思科（Cisco）, FUNDA.AI, SK 海力士（SK Hynix）, 台积电（TSMC）, 微软（Microsoft）, 谷歌（Google）, 亚马逊 AWS, 甲骨文（Oracle）, ChatGPT, Gemini, OpenAI, Anthropic, Meta（Llama）, OpenRouter, Salesforce, iShares 扩展科技软件板块 ETF（IGV）, HBM, HBM4

## Video description 本期视频，@所长林超邀请到涌现社区的科技投资人Bill Qian@billitup 、FUNDA.AI 联合创始人Yujia Zhao ，从英伟达组建5000亿美元算力融资平台谈起，讨论AI基础设施如何从科技资产变成华尔街可以定价、承销和交易的金融资产。

当GPU的使用寿命可能达到7—10年，云巨头持续扩大资本开支，AI产业的估值逻辑也正在改变：存储和光通信的瓶颈究竟是需求还是产能？自由现金流转负是否意味着AI投资过热？开源模型不断追赶，闭源模型还能维持多长时间的领先？当模型能力逐渐普及，应用公司的价值又来自哪里？

本期我们沿着“算力—云计算—基础模型—应用”的产业链，讨论AI时代的价值如何重新分配，以及最终能够留下利润的，为什么可能不是模型本身，而是数据、行业know-how、部署能力和工作流入口。

[Source](https://www.youtube.com/watch?v=ZCoXa1o-nwU)

中文简报

英伟达联手投行推5000亿美元算力证券化软件价值向垂直应用转移随着大模型溢价收窄且开源生态承接工程落地，AI产业核心利润正从基础模型层抽离，不可逆地沉淀至拥有行业Know-How与专有工作流的垂直终端应用。节目围绕 AI 产业链当下的核心争议展开：英伟达联合华尔街推行算力资产证券化，虽通过原厂增信大幅扩张了购买力杠杆，但也潜藏着下游客户结构单一的周期性挤兑风险；云巨头虽面临自由现金流阶段性承压，但极低的资产负债率与超 2 万亿美元在途订单仍构筑了坚固的安全边际。与此同时，大模型生态并未走向零和博弈，开源与闭源在价格溢价收敛中形成了轻重分流的双轨格局，Coding 因数据标准化与供需合一成为率先突破的尖刀场景。终局层面，SaaS 软件正在走向剧烈分化，单纯依赖人头计费的传统软件价值被侵蚀，而掌握行业深度 Know-How、专有数据壁垒并借力开源模型进行后训练的垂直应用，将成为最终捕获丰厚商业利润的真正阵地。英伟达联合阿波罗、黑石、高盛等顶级机构组建5000亿美元算力融资平台，旨在将“AI工厂”包装为类似收费公路的标准化证券化资产，但下游客户高度集中（仅15至20家）也暗藏周期去杠杆风险。 (0:00) 韩国股市融资盘踩踏去杠杆现已基本出尽，市场呼吁将高技术壁垒的HBM从周期性普通存储中剥离独立估值，对标台积电折半给予约11倍PE，蕴含近三倍修复空间。 (4:38) 高盛预测云巨头自由现金流将于2026-2028年转负，但头部厂商负债与EBITDA之比普遍低于1倍，且手握近2.3万亿美元在途订单，资本负债表健康度远优于2000年电信泡沫期。 (7:54) 闭源模型对开源模型的价格溢价已从8倍收窄至约5倍，但企业最复杂、高密度的推理任务仍锁定闭源底座，推动OpenAI与Anthropic的ARR持续创下新高。 (12:47) SaaS板块并未消亡而是剧烈分化：传统按人头计费软件承压，而网络安全与AI数据分析逆势增长，垂直领域专属数据与工作流Know-how成为应用层抵御基模侵蚀的终极护城河。 (18:23)

Reading summary

科技投资人Bill与FUNDA.AI联合创始人佳佳复盘指出，当前AI产业正步入深水区：英伟达联合华尔街通过5000亿美元资产证券化扩张杠杆，而云巨头凭借健康的资产负债表与万亿级在途订单支撑资本开支；同时，开源与闭源生态走向分层共存，应用层的核心护城河正向具备垂直行业Know-How与Agent支撑能力的服务商转移。算力证券化扩张与云巨头偿债防线 (0:00) 英伟达联合阿波罗、黑石、高盛及KKR搭建5000亿美元融资平台，试图将“AI工厂”包装成标准基础设施，由芯片原厂为精密折旧兜底以锁定现金流。Bill指出这一供应商融资（Vendor Financing）模式与2000年思科类似，但面临全球仅15至20家核心云买家的单一赛道集中度风险。不过针对高盛关于云巨头2026至2028年自由现金流（FCF）转负的预测，Bill与佳佳认为当前风险可控：微软、谷歌、AWS与甲骨文四大厂商的净负债与EBITDA之比普遍低于1倍，在手未交付订单逼近2.3万亿美元，巨头主要依靠自身主营业务的超额利润抢跑未来，资产负债表远比电信泡沫时期健康。存储流动性出清与HBM独立定价 (4:38) 针对半导体中游的波动，佳佳提供数据指出，韩国股市在经历6月底杠杆见顶及7至8月的集中平仓后，两融杠杆已回落至2月上涨前的水平，流动性踩踏利空基本出尽。与会者一致认为，制约产业链的核心在于产能交付上限而非需求见顶。在估值层面，市场此前将周期性存储与高壁垒的HBM混合打包，导致SK海力士市盈率被压制在约3倍PE。讨论指出，若将HBM剥离并对标台积电22倍远期PE的一半（约11倍PE），该业务线具备至少三倍的估值修复空间，未来存储板块预计呈现结构性修复。闭源开源生态分化与谷歌战略转向 (10:48) 在模型与云服务层，巨头战略与生态分工日渐清晰。谷歌近期调整组织架构并淡化纯粹的AGI追逐，转型为以交付变现为核心的超大规模云服务商（Hyperscaler）；其单季云业务同比增速达82%，在手未交付订单突破5000亿美元。在基础模型竞争方面，Bill观察到闭源对开源的单位价格溢价已从8倍以上收窄至约5倍，聚合平台上80%的中小开发者流向开源；但佳佳指出，企业级复杂链路和高密度Token推理仍高度依赖顶级闭源底座，推动OpenAI与Anthropic的ARR持续刷新纪录，闭源并未失去商业根基。场景渗透周期与SaaS软件资产重构 (16:03) 在应用落地层面，Coding因开发者与使用者重合且具备天然代码反馈闭环，率先跑通；而金融投研等垂直领域由于缺少结构化反馈和行业Know-How，渗透周期显著拉长。佳佳提出“尖刀模式”：顶级闭源模型先行破局未开垦场景，经产业界8至12个月工程消化后，垂直应用结合开源底座与私有数据进行后训练（Post-training）。与此对应，Bill指出SaaS行业经历残酷物种分化，传统按人头计费的协同工具遭AI侵蚀，而网络安全与AI数据分析板块逆势上扬。当未来网络流量由海量Agent主导时，软件正演变为服务自主智能体的调度、权限与安全平台，拥有深度业务流Know-How的垂直应用构筑了终极壁垒。整体讨论表明，AI基建与应用正从早期的模型狂热过渡到精密量化的工程与资本落地阶段；然而，若下游商业化未能如期突破垂直场景壁垒，高度依赖少数云巨头承销的5000亿美元算力债务杠杆仍存在潜在的周期下行传导风险。

Source quotes

[0:00] Bill Qian: 他既是卖芯片的，又是给芯片提供增信的，而且还决定上一代的芯片什么时候过时 [0:00] Bill Qian: 前端在卖 Token，中间的 New Cloud 算力云要有钱买芯片，派对不能停 [18:23] SaaS 已死（SaaS is Dead） [18:23] Bill Qian: AI 吞噬了人们对传统 SaaS 的增长预期，但 AI 本身需要更多新型 SaaS 来保驾护航

Original transcript

[0:00] 韩国股市的杠杆直接影响就全出至少在去杠杆这层级基本上这个利空已经走完了某种意义上英伟达是在给整个AH加杠杆当周期出现调整的时候会不会出现一种周期下行时候的一个死亡螺旋为什么coding是第一个能渗透的行业做coding agents的人和做模型人士一类人最明白自己的这个场景和需求是什么以及数据都是可被获取的欢迎来到我们新一期的这个涌现对谈啊实际上过去两周发生了很多大新闻那我们可以把这些新闻串起来看可以看到这个产业的各个不同的链条的价值捕获能力上的差异啊也在资产价格上也其实发生了一些比较大的一些变化所以我们今天请到还是Bill还有另外一个就是我们的好朋友就是佳佳他自己创业的一个公司现在是很多美国顶级的对冲基金是他们的客户所以他们是对这个业内的这个信息也是非常的了解的今天就是说大家来做一个综合的点评这个六个层级我们从每个地方开始了解现在先从最近这一周刚刚才发生了一件非常重磅的一个新闻就发生在GPU这一侧的简单来说就是10号的时候英伟达实际上拉上了6家全球顶级的投行比如说Aporo、Breakstone、Gormansac、KKR等等这些投行做了一个5000亿美元的算力融资平台然后11号的时候黄仁勋又在亲自下场他其实发了一篇长文就是有理有据讲了他们为什么要做这个事情而且驳斥了之前的一些质疑而且他们也不是融资担保,他尝试拉上一些顶级投行,把AI工厂这个东西打包成一个华尔街,它能够承销,而且能够拆开来买卖的基础设施的一个资产包,模仿的就是像以前收费公路或者光纤。那么这个东西先请Bill来聊一下,就是说资产证券化这个东西不是新鲜事儿,那你怎么看英伟达这次把AI工厂资产证券化这件事情?在进行融债和资产证券化的过程中最大的一个问题是在于对资产的精确定价的缺失嘛,有点相当于工业里面的快销品的折旧。那现在的话就是相当于英伟达他说我来为折旧兜底某种意义上其实是为行业的未来现金流的可预测性和标准化去做一个担保了我觉得整个生意的本质其实就是在产业周期的顶部就供应商想用自己的信用去扩张全行业的客户的购买力就这件事情其实在历史上已经不是第一次了00年的时候其实当时的电信运营商我说电信的设备商都已经做过这个事情了但今天的话其实就是英伟达相当于说他既是卖芯片的又是给芯片提供增信的而且还决定就是说上一代的芯片什么时候过时的是在控制他所要参与的游戏的变量的我不是说这个事情是好还是不好只是说今天我们去看这个现象的话它肯定是推动了AI往前走但我们要看到这件事情背后它的一个特性然后第二个点就是说全市场只要是做多AI的人肯定是希望这件事情的因为相当于说party不能停只要钱端在卖token然后中间的New Cloud要有钱去买芯片肯定是需要有人来供子弹了所以这个事情我觉得大多数人都是看多的我只是想提示一两个如果当周期反转的时候我们会看到一个风险今天的数据中心其实作为一种新型的数字房地产它的需求其实是高度集中的比如说像写字楼也好啊或者是比如说这个住宅也好其实你面向的是360行嘛但今天的话其实就是说整个数据中心的话你面向的全部都是AI用户另外呢其实就是说客户群也是高度集中的因为本质上来讲其实到最后这个英伟达在前面写这个保险然后呢五六家资本公司这个去underride的这个债务最终的话其实买家可能全世界就15到20家相当于说他下游的这客户也是高度集中的所以就在这个逻辑下面的话我会觉得就是当行业好的时候如果说将来就当周期出现调整的时候会不会出现一种周期下行时候的一个死亡螺旋今天大家觉得这个事情是利好背后可能存在的这个问题这些问题就只要在增长的时候没有任何问题但当增长出现停滞或者是出现下行调整的时候我觉得是可能是要注意的刚刚Bill提到说会不会进入一个死亡螺旋如果AI现在需求如果变化就我们从模型和AI角度来看现在其实模型的迭代速度是在增强的两个模型现在可能就一个半月左右就会有一批模型的迭代所以现在模型能力越来越强Coding能力的解锁其实解锁了大量的模型迭代的速度和需求以及说现在也有更多的可能性AI的这些能力是能够扩展到全行业的比如说过去可能大部分AI公司去瞄准的预算其实是各个公司的IT预算我们现在只有Coding Agent是可以被替代的其实现在模型能力增强到一定程度之后所以很有可能在将来这些需求不仅仅来自于AI公司各个行业都会涌现大量的其他的专业模型和一些应用所以我们现在是对这个方向还是非常非常看好的对AI的需求是目前没有看到放缓的可能性以及可以从另外一个角度 [5:00] 来看我们现在跟踪到底些数据发现大型的数据中心的这些投入的产出比已经是一个可以计算的数学模型了就是说现在需求锁定的时间已经远远超过支出投入所能收回成本的时间了所以目前来看AI相关的资本投入依然是一个非常好的模式像英伟达这样的方式去做算力的资产化这个在市场上其实在过去几个月一直是有讨论的只不过现在是有了个明确的方案来说就是GPU这个定价英伟达这个层面它是现在是中央银行的地位嘛所以它是确实会影响上下游的各个环节的这个价值分配的这个信息出来之后反正存储和光两边也都在找顺带来聊一下就是说前段时间基金行业有讨论的教育队就是说做空存储做多光针对这个现象这个家家里面那边在一线这个同学怎么看呢之前跟存储相关的一个很重要的发现了一个数字就是到底韩国这个去杠杆的情况这是过去这轮大跌里最重要讨论的一个话题其实这波韩国股市里的融资余额的走势集中的开始上调是在4月初到4月底4月的时间开始大规模上涨那你看到在过去6月底其实是最高的顶点,那在这个之后杠杆一直在剧烈的往下调,其实调到这个月已经基本回到了2月那波上涨前的水平了。这波的去杠杆是一个很重要的影响股市波动的原因,那当它扛锅股市的杠杆已经回到了一个比较正常常规的水平之后,所以它所带来的这些利空的因素已经基本上消失了。产生波动的原因,这个的影响已经在逐步消除了,这个是我们能给到的一个比较明确的信息。韩国股市的杠杆就直接影响了就是存储嘛,所以说现在对于存储的估值至少在去杠杆这层级基本上这个利空已经走完了,我觉得从存储这个产业的重估的角度来看,接下来比较明显的整个如果还能够推动这个存储股票的价格上涨的话,首先是利空出镜,然后接下来就是最重要的推动力是回购。很难继续往上涨了因为继续往上涨的话下游吃不消了第二个东西就是说可能如果这个阶段走完整个市场随着HBN4的出货开始把存储股尤其是头部的这三家存储股的这个不同的产品线进行分开估值这里边可能有一个很重要的东西就是HBN这个整个这个业务线应该要被用不同的PE去算比如说韩律师现在三点几倍的这个PE他是把所有东西合在一起算了那HBN和DRAM和NAID应该大家享受不同的PE的这个估值HBM的估值应该至少能够达到台积电的远期市盈率的一半台积电远期市盈率现在是达到22%吧那如果它能够达到台积电的一半那它的HBM的估值应该至少是有三倍的上涨空间那我是觉得存储可能面临的是这样的一个结构的缓慢上涨的一个过程那我们说回最近这几天发生的这个应伟达的这个事件它是不是就使得这个原来压在存储和光身上的这座需求或者是花钱能力不足的这个大山被拿掉了呢从技术的趋势上来看,限制大家的最重要的都是产能而不是需求。目前在短期时间内,我们都没有看到需求会放缓的可能性。实际上整个市场并没有认为压在存储而光上面的真正的大三是需求不足的问题这张图是高盛之前内部的一张图它预测在大概2026年的三季度直到2028年的一季度几个云巨头他们的自由现金流都是会严重的转付的所以这个是不是也是市场先担心就说即便是到2027年整个需求可能还没萎缩但到了2028年因为他们长期所有的自由现金流全部转付的情况下那么是不是这个市场花钱的能力会急剧的下降没有那么的悲观当然就这里面核心还是在于说今天所付出的每块钱新增的这个CAPEX未来的这个回本周期了然后我会认为就是说首先我们怎么计算这个所谓的自由现金流是你当期的这个运营现金流然后再去这个扣去你对未来的这个投资那从这个角度来讲其实我理解今天才刚刚出现自由现金为负而这个整个AI浪潮从GPT这个到现在已经有差不多40多个月了其实我觉得是非常财务自律的然后呢这个一就是说自由现金到今天才刚刚转负就是说大家才刚开始你的capx超过你当期的运营现金流这是第一个点第二个点就是我们看巨头所有的这个比如说他表内的杠杆他的债务除以他当年的ebitda就是吸税折旧钱的利润基本上都是在一倍以下的也就是说他吸税折旧钱的利润其实就可以把整个债都还掉了就整个表内的杠杆所以今天我觉得去讨论杠杆我觉得是非常早期的基本上就是说大家拿今天的利润去投资未来这件事情刚刚出现在自由现金流转付这个细节上面所有的这些在图订单嘛你像这个Google啊微软AWS这家Oracle到今天差不多这个未来几年还有这个2.3万亿美元那这些的话还不包含就是说我们 [10:00] 可能没有price in的那些超额需求所以我自己是对这方面没有特别大的担心从整个财务融资的角度来讲大家也逐渐的从股权然后逐渐转到了债务但是今天的债务的杠杆率其实是远远要小于00年那时候的思科就这些公司的那么刚才就是讲完了从GPU到存储到光基本上他们都是属于就我们叫半导体供应链的这个模块那么接下来我们又看了这个云计算基本的观点就是说云计算的这些巨头尽管说它的自由线运为负但整体上来讲它的杠杆率还是在可控的范围内当然云计算的公司之间其实也在大家也在分野上个月就出现了这个谷歌的这个事情谷歌它现在基本上把自己已经放弃了追逐这个AGI的梦想再更加倾向把自己变成AI这块现在市场上怎么看这件事情啊?就是好像有些人就觉得说这样子的谷歌其实更好。那佳佳你怎么看这个问题?我们倒是认为谷歌这个组织架构调整是一个好事,其实是显示出来它更有可能通过组织调整来加快它对AI的投入。现在看到很多公司,特别是传统的大厂在去往AI转型的时候,你不去做一个非常彻底的组织架构的调整,可能各种推进起来会反倒会更难一点。我认为其实组织解构的调整是它开始有变化的可能性。可能。是一个好的趋势所以换句话说谷歌在整个AI的巨头的竞赛里面其实也不能完全说就完全掉队了它可能也有生存空间也许搞不好在未来的两到三年里面还可以再重新又回到一线我觉得就是说定义这个AI巨头的话也要看就是说打到什么样的标准才能够叫做一线那今天就是说从前端比如说卖这个推理token这个角度来讲对吧可能Gemini它不是一线但如果是从这个hyperscaler的这个角度来讲那其实谷歌现在是绝对的一线了为什么这次就是人员调整和他的这个财务数据之间会形成鲜明对比是因为人员调整觉得所有大牛都走了那个是可能就是说跟他自己的这个大模型将来能够站到什么样的一个梯队会有一个现行关系但另外一个角度来讲其实他作为一个整个AI的一个基础设施这个季度我看他的这个年对年的话是82%的这个云的这个增长而且其实在图的这个订单的话差不多是5000多亿美元是整个2025年的这个云收入的6倍以上所以从这个逻辑上来讲的话其实用户在用谷歌云这件事情其实是这个增速是在扩张的了会是在AI的这个时代依然是一个hyperscaler的这个一个决策,然后立于不败之地,这个我觉得可能是他今天的一个基本盘,但可能就是说他未来这个模型本身会不会有更多人用,这个是今天可能大家会打一个问号的。那么我们现在讲完计算再讲讲基模,基模和应用我觉得这个是烂丘烂地了,基模强应用就弱,应用强基模就弱,或者说基模本身如果竞争很激烈的话,那应用测反而价值不破的能力就更强一点。我知道在美国是有两派观点有一派就认为说所有的工作流会越来越迁徙到主要的都在开源的模型上去做因为很便宜而且性能也没有差多少那B元的价值不够能力会越来越长那另外一派就觉得说B元之中还是非常强的那这一派我不知道嘉嘉莉你怎么看我们可以先看一下B元的AR的增长情况其实我们有自己根据公开信息以及我们自己的一些数据做建模方向有跟踪B元的最top的两个模型的收入增长情况可以看到根据公开数据以及我们一些Channel Check得到的模型来看,OpenAI和Unsharpy这两家Top的他们的AR收入在看到还是依然在快速增长。从这个角度来看,至少在一段时间之内,B元模型依然代表着最强大的能力。在模型现在依然在快速返代的情况下,B元模型依然代表着最好的性能和最佳的表现。这是一段时间可能很难得到快速的振伪。然后开源的价格再往上升是的但现在我们来看如果我们超开coding让模型的能力让模型的应用进入到各行各业它首先要有一个基本的能力保证现在的模型能力在点代过程中依然我们还是需要大部分的场景里面还是需要强大的避原的模型的能力才能作为不管现在企业比较热门的话题FDE Forward Deployment Engineer 现在很多行业的应用依然需要避原的模型作为性能的保证才能进入更多的行业那么接下来模型能力越来越溢出的之后是不是有一些行业不需要最好的模型了那这样的情况下会更考虑开源模型的性价比以及说开源模型能在这个基础上提供额外的这个垂直引入的数据进行二次的这个post training二次的训练能够更适应某些行业的情况那这个是个分化的标志性的时间点那目前可能还没有到这个时间我们也看到说现在此时此刻已经有很多企业那么可能使用币源模型去做一些更复杂的任务,这里面拆解出来比较好的机实看,绝不到开源跟币源明显区别的一些任务里,使用更便宜的开源模型去处理。你从短期来看,依然是更复杂的任务,token的成本就更高,它消耗的token又更高。 [15:00] 所以纯从商业模式来讲即使有越来越多的任务去使用了开源模型但留在使用币源模型的依然是最难Token消耗最多的任务我尝试查了一些数据第一行我想表达的一个点的确就是说币源和开源的价格的溢价这件事情其实是在降低的我们用这种比较粗糙的方法3.07除以0.6的话差不多是5倍之前可能是分值的时候到过8倍多但是其实这个行业的现状它其实并没有影响Anthropic跟OpenAI他们的输入再创新高其实就是说该用币源的人其实还依然在用币源而且收入是这个以前SaaS公司都没有见过的这个增长第二个点就是说开发者的这个调用量大企业其实现在已经开始就是说他也在选择性的进行私有化部署那同时就是说你去看那些这个open router上的这些数据那上面其实是给那些成本敏感的这个开发者用的嘛那成本敏感的开发者如果他们到了这个open router这样的一些路由器上的话那的确就是说可能80%以上都会用这个开源的模型然后消费者份额的话第三行其实就echo这个加加刚刚说的这个点了完全没有影响OA这两家收入的增长所以我自己感觉现在还没有到一个畅衰避原模型的时候有可能这个行业还太早了其实现在很多企业里面的数据没有办法被AI使用没有真的去激活在AI的context里它其实确实是因为过去模型能力不够强AI首先在企业去部署就本身已经遇到瓶颈了那导致说这个企业的很多上下文很多数据是没有办法进入AI被AI所识别所以肯定这个开始由一个非常强大的避元模型能够产生一系列进入到各行各业的应用逐步的说这个替换才能到模型已经非常非常强了拥有所有行业的知识了那在这样的情况下再逐渐被开源模型所替代所以这个时间可能是一个非常长的时间AI的场景渗透这件事情首先它现在也只是渗透了coding然后呢剩下还有很多很多不同的场景它需要渗透像一把尖刀一样因为它能够实现最强的能力它就要不断不断地去试验和渗透和像一把尖刀一样刺进去刺进去之后要逐渐消化需要一个比较长的时间比如8到12个月逐渐逐渐消化了一个场景整个产业里面觉得这个场景能这么用然后开源才有可能慢慢接手在这里面去实现成本优化为什么coding是第一个能渗透的行业首先因为做coding agent的人和做模型的人是一类人就是最明白自己的这个场景和需求是什么获取的那我们进到任何其他的行业比如说我们现在在做的这个AI加投研的行业那其实让researcher让做算法的人和做研发做工程师的人去理解金融市场是如何工作的是个非常非常慢的工作就即使context和数据都在那这个数据到底要怎么去使用怎么去在这个数据基础上去做标注去做优化就这块都是还有一个很复杂理解的过程当然当基模的能力足够强的时候有一些理解的过程和数据标注的过程可以交给模型但依然会比大家去coding的场景的复杂度会是成指数级的上升从基因模的能力层到应用层就到最后一层到应用这层有一段时间我们知道应用层在美国资本市场的股价表现还挺好的在此之前上半年的时候一度传出来就是说SARS已死就是说这个B原模型能够把它们全部都干掉但现在感觉已经被证伪了就整个市场又不相信SARS会死而是有一些SARS会分化不同的行业会有不同的分化到底应用层现在的分化情况是什么样子的我简单拉了一下各个板块,首先就是说今年其实大家最关注的是IGV,美国SARS指数的当时的一个暴跌嘛,但那个暴跌我前两天看了一下,其实基本上它今年已经打平了,但这个打平最后其实里面是非常风化的,就这里面的话比如说有这个像网络安全跟AI数据分析就这一类,就相当于说当你AI和agent越来越多了以后,更需要这样的一些SaaS去服务的这么一些逻辑板块的增长同时又会有比如说一些之前按作息然后服务员工的CIM板块是跌的最大的所以今天我觉得市场的情绪是在于说SaaS这件事情它会依然存在某种意义上其实OpenAI和Anthropic其实也是SaaS对吧只是说AI类的SaaS起来了以后又会让其他的一些SaaS会下降在未来的话可能就是说当AI这个Agent越来越多对吧人口的population占整个互联网用户降到比如说1%的时候应用是更加被需要的那可能今天看来的话比如说像AI的这个数据分析啊或者网安全等等是更被需要的那其他的一些品类的话你可能就需要说自己来对自己进行这个AI的这个转型了所以我们会看到像Salesforce的话本身它也在做出一些这个AI原生的一些应用这是我自己就是说对于这个SaaS板块的一个观察吧而且这个观察背后我觉得一言以蔽之的话相当于说这个一开始这个AI吃掉了很多这个大家对于SaaS增长的这个预期但很快发现就是说AI本身需要更多的SaaS来护航就是人的SaaS的话,你是要对自己来进行迭代和升级。还有就是说,其实现在应用被重估,还有另外一个原因也是跟开源币有关系的,现在很多的应用级的 [20:00] 它可以有相当一部分的成本是可以不用太过依赖于这个B原的模型他们其实可以自己去做这个后期面是不是有这样的一个趋势教教教我觉得在AI应用领域里我还是一直非常相信垂直领域因为有数据和行业knowhow的优势只要在B原和开源模型到达一定能力基础之上是很有可能去走出自己一条路线来的因为这些独特的数据很难被这个像数据标注公司去买到的看到现在即使TopLab都在大量的采购这些那其实如果这些行业直接自己去拿着自己的know how自己的数据就去做后训练很有可能是效果更好在对于企业来讲其实它本质上还是一个数据问题了也就是说整个开源必源的生态的竞争它使得这个确实是使得应用端的这个价值不获能力在未来的几年都在不断增强那今天我们基本上把这个这段时间发生在六个模块上的不同的一些新闻事件来了一个串讲希望对大家能够有一些帮助和启发一起探讨全球AI的创业创新和投资的相关话题,如果你喜欢,欢迎大家订阅留言分享给你喜欢的朋友,感谢大家支持,我是林超,我们下期见。优优独播剧场——YoYo Television Series Exclusive

英伟达联手投行推5000亿美元算力证券化 软件价值向垂直应用转移