英伟达联手华尔街撬动5000亿美元融资算力资本推高系统性风险

涌现EmergenceHK

大模型在垂直场景逐步丧失超额定价权，AI产业链的终局利润正从基础模型转向掌握私有数据与工作流入口的应用端。

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: 2026-08-15

Key ideas

英伟达联合阿波罗、黑石、高盛等6家顶级投行组建5000亿美元算力融资平台，旨在将GPU数据中心打包为可定价、承销和交易的类公用事业金融资产，通过供应商信用为全行业加杠杆。 (0:00)
韩国股市融资余额回落化解了存储板块集中去杠杆风险；随着HBM4推进，市场正酝酿将HBM从传统周期品中单列，锚定台积电估值逻辑将打开约三倍重估空间。 (5:00)
超大规模云厂商资产负债表依然稳健，核心厂商净债务/EBITDA多在1倍以下，在途云订单储备达2.3万亿美元，市场对自由现金流转负缩减资本开支的担忧被过度放大。 (10:00)
闭源模型对开源模型的Token溢价倍数虽由8倍收窄至5倍，但OpenAI与Anthropic的ARR仍创新高，高复杂度关键链路依然重度依赖闭源尖刀突破。 (13:10)
美股软件指数IGV收复年内失地，网络安全与AI数据分析SaaS估值大幅修复，而传统按人头计费的CRM持续承压，应用层利润核心正向私有数据与行业Know-How转移。 (17:45)

Detailed notes

## Background 本期视频由B站UP主“涌现EmergenceHK”于2026年8月15日发布。视频中，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，从英伟达联合华尔街建立5000亿美元算力融资平台切入，全景式剖析AI产业链从算力、半导体、云基础设施到模型与应用层的价值重塑与金融化逻辑。

## TL;DR 节目围绕AI全产业链展开深度复盘：底层算力正通过资产证券化被华尔街定价并放大杠杆，英伟达扮演起类似“央行”的增信角色，而存储板块亦随去杠杆迎来分部估值重构；云巨头凭借健康的资产负债表与充沛订单维持极高财务自律，谷歌则展现出向公用事业基础设施转型的战略定力；模型层呈现开源与闭源的动态协同，闭源模型作为尖刀突破高壁垒垂直场景，开源模型随后承接降本；最终，应用层走出“SaaS已死”的悲观叙事，数据资产、行业Know-How与工作流入口正在成为产业链中最稳固的价值捕获重心。

## Atmosphere & style 全片呈现出极具专业纵深感的一二级市场投研复盘基调，冷静、严密且信息密度极高。两位嘉宾分别从宏观金融资本运作与一线产业实测数据的视角切入，交替推进论证，主持人的穿针引线让整场对话在宏大叙事与微观业务逻辑之间切换自如。听感上褪去了技术狂热的喧嚣，充盈着华尔街式穿透财报与工程底层的理性思辨，给人一种抽丝剥茧、透视周期迷雾的沉浸式研讨体验。

## Bulletin - [00:00](https://www.bilibili.com/video/BV1Ptgg6cE17?t=0s) 英伟达联合阿波罗、黑石、高盛等6家顶级投行组建5000亿美元算力融资平台，旨在将GPU数据中心打包为可定价、承销和交易的类公用事业金融资产，通过供应商信用为全行业加杠杆。 - [05:00](https://www.bilibili.com/video/BV1Ptgg6cE17?t=300s) 韩国股市融资余额回落化解了存储板块集中去杠杆风险；随着HBM4推进，市场正酝酿将HBM从传统周期品中单列，锚定台积电估值逻辑将打开约三倍重估空间。 - [10:00](https://www.bilibili.com/video/BV1Ptgg6cE17?t=600s) 超大规模云厂商资产负债表依然稳健，核心厂商净债务/EBITDA多在1倍以下，在途云订单储备达2.3万亿美元，市场对自由现金流转负缩减资本开支的担忧被过度放大。 - [13:10](https://www.bilibili.com/video/BV1Ptgg6cE17?t=790s) 闭源模型对开源模型的Token溢价倍数虽由8倍收窄至5倍，但OpenAI与Anthropic的ARR仍创新高，高复杂度关键链路依然重度依赖闭源尖刀突破。 - [17:45](https://www.bilibili.com/video/BV1Ptgg6cE17?t=1065s) 美股软件指数IGV收复年内失地，网络安全与AI数据分析SaaS估值大幅修复，而传统按人头计费的CRM持续承压，应用层利润核心正向私有数据与行业Know-How转移。

## Key takeaways - [00:00](https://www.bilibili.com/video/BV1Ptgg6cE17?t=0s) 英伟达亲自入场为GPU残值提供兜底与增信，本质上在扮演兼具芯片供应商、残值保险承保人与生命周期控制者三重角色的'算力中央银行'。 - [00:00](https://www.bilibili.com/video/BV1Ptgg6cE17?t=0s) 算力资产证券化存在周期下行风险：数据中心需求高度单一于AI，底层最终买家仅15-20家头部机构，高杠杆可能在周期反转时引发类似于2000年电信泡沫的传导震荡。 - [00:00](https://www.bilibili.com/video/BV1Ptgg6cE17?t=0s) 一级市场数据显示模型每1.5个月发生一次明显迭代，大型数据中心ROI已具备可计算的数学模型，下游需求锁定周期已超过资本回收期。 - [05:00](https://www.bilibili.com/video/BV1Ptgg6cE17?t=300s) 存储板块此前剧烈回撤核心是韩国股市融资盘去杠杆所致，目前杠杆率已回落至上涨前常规水平，集中抛售利空基本出尽。 - [05:00](https://www.bilibili.com/video/BV1Ptgg6cE17?t=300s) 压制光通信与存储板块的核心矛盾是短期物理产能的硬约束，而非市场担心的下游需求不足或资本开支意愿下滑。 - [05:00](https://www.bilibili.com/video/BV1Ptgg6cE17?t=300s) 云巨头自由现金流初现转负属于前瞻性Capex正常投入，自ChatGPT发布40多个月巨头才现转负迹象，反映出其表内财务自律性依然极强。 - [10:00](https://www.bilibili.com/video/BV1Ptgg6cE17?t=600s) 谷歌在模型研究层因团队变动受到第一梯队质疑，但作为Hyperscaler云底座统治力极强，在手未结订单超5000亿美元，云业务年对年增速达82%。 - [13:10](https://www.bilibili.com/video/BV1Ptgg6cE17?t=790s) 企业端正形成混合架构：OpenRouter上超80%的成本敏感调用流向开源模型，但大型企业核心严苛链路仍需顶尖闭源模型保底性能下限。 - [13:10](https://www.bilibili.com/video/BV1Ptgg6cE17?t=790s) 垂直行业渗透遵循三阶段规律：先由闭源强推理尖刀耗时8-12个月强行破局，待企业私有上下文理顺后，再由开源模型通过后训练接盘降本。 - [13:10](https://www.bilibili.com/video/BV1Ptgg6cE17?t=790s) Coding之所以成为首个被AI彻底渗透的赛道，在于算法工程师与开发者认知高度重合且代码数据高度标准化；而金融与医疗由于认知门槛和微观机理复杂，渗透难度呈指数级增加。 - [17:45](https://www.bilibili.com/video/BV1Ptgg6cE17?t=1065s) SaaS行业经历剧烈分化：网络安全与数据分析因AI防护与上下文构建需求显著跑赢，传统按坐席收费的模式则受到AI提效的剧烈冲击。 - [17:45](https://www.bilibili.com/video/BV1Ptgg6cE17?t=1065s) 随着开源基座成熟，全产业链终局价值正在重配：利润最终不会停留在均质化的模型层，而是被掌握垂直行业Know-How、私有数据、交付部署能力与工作流入口的应用厂商捕获。

## Detailed walkthrough ### [00:00](https://www.bilibili.com/video/BV1Ptgg6cE17?t=0s) 英伟达联合华尔街组建算力融资平台：AI资产证券化与周期下行风险

过去两周内，AI产业各层级的价值捕获能力与资产定价发生了剧烈变化。所长林超邀请科技投资人 Bill Qian 以及 FUNDA.AI 联合创始人 Yujia Zhao，围绕“算力硬件—半导体供应链—云计算—基础模型—应用层”展开全产业链复盘。讨论的开端源于英伟达（NVIDIA）的一项重磅金融操作：英伟达联合阿波罗（Apollo）、黑石（Blackstone）、高盛（Goldman Sachs）、KKR 等 6 家全球顶级投行与私募巨头，搭建起一个规模达 5000 亿美元的算力融资平台；黄仁勋随后发表长文驳斥外界关于“融资担保”的质疑，明确此举旨在将 GPU 数据中心（“AI 工厂”）打包为华尔街可统一定价、承销和切片交易的基础设施资产包，类似于当年的收费公路或光纤网络。

```mermaid flowchart TD accTitle: GPU算力资产证券化结构 accDescr: 展示英伟达联合华尔街投行将AI数据中心打包成金融资产并向行业提供杠杆的资金与风险传导链路

subgraph FinancialEngine["金融工程与信用背书"] NV["英伟达 (NVIDIA) 核心供应商 / 残值兜底"] Banks["华尔街顶级投行 (Apollo/Blackstone/Goldman/KKR) 债务承销与资产证券化"] NV -->|"提供增信与技术迭代节奏"| Banks end

subgraph Infrastructure["数据中心资产包"] AIFactory["AI 工厂 (GPU 数据中心) 类收费公路 / 基础设施资产"] Banks -->|"发放杠杆 / 打包承销 5000 亿美元"| AIFactory end

subgraph DemandEnd["下游买家与风险集中"] Buyers["全球头部买家 (15-20 家 Hyperscalers/云厂商)"] AIFactory -->|"租赁算力 / 销售 Token"| Buyers Buyers -.->|"周期反转时潜在风险传导"| NV end ```

针对 AI 资产证券化，Bill 指出其本质是在产业周期的繁荣顶点，供应商用自身信用去放大全行业客户的购买力。在数据中心融债过程中，最大的痛点是缺乏对 GPU 折旧的精确定价——由于技术更迭极快，GPU 更像快消品；英伟达亲自下场提供增信与兜底，相当于为未来的标准化现金流做背书。这种模式让人联想到 2000 年电信泡沫破裂前电信设备商的供应商融资。英伟达在此既是芯片供应商，又是残值保险的承保人，同时还掌控着产品生命周期的更替，即“写保险的人本身在控制他所参与的游戏的变量”。

对看多 AI 的二级市场而言，只要前端 Token 需求在扩、新型云厂商（Neocloud）需要资金买卡，华尔街注水能确保“party 不能停”。然而 Bill 提示了周期下行时潜在的“死亡螺旋”风险： 1. **需求高度单一**：写字楼或住宅面向全社会各行各业，而数字房地产（数据中心）目前几乎完全面向 AI 业务。 2. **客户高度集中**：底层最终买家全球仅 15 到 20 家头部机构，一旦出现下游需求停滞或周期调整，高杠杆可能加速系统性风险。

Yujia 则从一级市场与产业一线数据给出了更乐观的视角： - **模型迭代加剧对算力的饥渴**：目前基础模型每 1.5 个月就会经历一次明显迭代；Coding 能力的突破极大释放了模型进化的速度。 - **算力投资进入可计算的数学模型**：大型数据中心的 ROI（投入产出比）已有明确的测算逻辑，目前下游需求的锁定周期已经显著超过了收回资本投入所需的时间。 - **预算来源正在泛化**：过去 AI 采购多受限于企业的 IT 预算，但随着 Agent 能力逐渐向各垂直行业渗透，未来需求将扩展至各个行业。

---

[05:00](https://www.bilibili.com/video/BV1Ptgg6cE17?t=300s) 存储去杠杆、HBM估值重塑与云巨头自由现金流转负的担忧

随着英伟达确立其在算力体系中的“中央银行”定价地位，资本市场开始在存储（Memory）与光通信（Optical）之间构建多空配对交易（Long Optical, Short Memory）。Yujia 从一线追踪的数据剖析了此前存储板块剧烈波动的诱因：核心变量在于韩国股市的融资杠杆。

```mermaid flowchart LR accTitle: 存储板块估值拆分逻辑 accDescr: 展示韩国存储厂商从混合估值向HBM与传统DRAM和NAND业务分拆重估的过程

subgraph OldValuation["传统混合估值"] Mix["SK海力士综合 PE ~3.x 倍 (HBM + 传统DRAM + NAND 混编)"] end

subgraph NewValuation["分部估值重塑"] Trad["传统 DRAM / NAND 成熟周期品定价"] HBM["HBM (高带宽存储) 先进算力核心零部件"] TSMC["台积电远期市盈率 ~22x"] TSMC -->|"锚定其一半估值 (~11x)"| HBM end

Mix -.->|"随 HBM4 出货展开重构"| NewValuation ```

韩国股市的融资余额从 4 月初到 4 月底开始大规模飙升，并在 6 月底触及历史极值。随后的剧烈回撤本质是去杠杆行为，如今杠杆率已回落至 2 月上涨前的常规水平，因融资盘去杠杆导致的集中利空已基本出尽。

存储行业的估值体系正酝酿深层变革： - **传统综合估值钝化**：如 SK 海力士（SK Hynix）此前综合市盈率仅为 3 倍左右，将周期性的普通 DRAM、NAND 与高景气度的 HBM（高带宽存储）混合定价。 - **HBM 估值单列**：随着 HBM4 的推进，市场应将其视为半导体先进制程的关键零部件。若以台积电当前约 22 倍的远期市盈率作为锚，HBM 业务板块的 PE 至少应达到台积电的一半（约 11 倍），这意味着 HBM 资产存在约三倍的重估空间。 - **供应瓶颈定性**：压制光通信与存储的核心矛盾不是市场担心的需求不足或花钱意愿下滑，而是短期内物理产能的硬约束。

针对高盛预测的“云巨头自由现金流（FCF）将在 2026 年三季度至 2028 年一季度转负”，市场曾担忧届时云巨头的资本开支能力将急剧萎缩。Bill 对此并不悲观：自由现金流是当期运营现金流扣除前瞻性 Capex 后的结余，本轮 AI 浪潮自 ChatGPT 发布已有 40 多个月，巨头们的自由现金流至今才初现转负迹象，证明巨头在财务上维持了极高的自律性。

---

[10:00](https://www.bilibili.com/video/BV1Ptgg6cE17?t=600s) 巨头资产负债表健康度与谷歌向“云计算公用事业”的战略调整

深入分析超大规模云计算厂商（Hyperscalers）的资产负债表可以发现，当前的负债风险与 2000 年互联网泡沫时期不可同日而语。巨头的表内杠杆普遍处于极低水平：

- **净负债/EBITDA 比率极低**：大部分核心科技巨头的净债务除以息税折旧摊销前利润（EBITDA）均保持在 1 倍以下，这意味着它们仅凭单年的 EBITDA 就能偿清所有债务。 - **在手在途订单充裕**：微软、亚马逊 AWS、Google 和甲骨文（Oracle）等厂商未来数年的在手云订单储备合计高达 2.3 万亿美元，且这还不包含尚未被模型定价（Price-in）的潜在算力溢价。

```mermaid flowchart TD accTitle: 谷歌的AI双重面貌 accDescr: 对比谷歌在大模型研究组织调整与作为云计算超大规模服务商之间的定位分歧

Google["Alphabet / Google"] Google --> Front["前端：模型与推理 Token"] Google --> Back["后端：Hyperscaler 云基础设施"]

Front -.->|"人员震荡 / 核心大牛流失 失去追逐 AGI 的独占光环"| FrontStatus["被认为掉出一线模型梯队"] Back -->|"战略转向公用事业提供商 在手积压订单超 5000 亿美元"| BackStatus["绝对一线 / 云业务年对年增长 82%"] ```

在云计算巨头的竞争格局上，谷歌近期的人事与架构调整引发了广泛讨论。市场上有人认为谷歌似乎战略性地“放弃了激进追逐 AGI”，转而深耕类似电力公司的 AI 算力公用事业租赁服务。Yujia 认为，传统巨头推进 AI 转型面临巨大的组织摩擦，这次果断的架构重组反而是轻装上阵、加速落地的利好信号。

Bill 从业务维度将谷歌拆解为两个角色： - **作为模型公司**：从前端推理 Token 和大模型技术竞赛看，经历团队动荡的 Gemini 确实面临挑战，市场对其能否稳居模型第一梯队心存疑虑。 - **作为云厂商（Hyperscaler）**：谷歌展现出惊人的统治力。其最新财季云收入实现了 82% 的高额年对年增长，在途未结订单规模超过 5000 亿美元，是其 2025 年预期云收入的 6 倍以上。作为 AI 时代的底层基础设施巨头，其基本盘依旧极其稳固。

---

[13:10](https://www.bilibili.com/video/BV1Ptgg6cE17?t=790s) 闭源与开源之辩：模型能力尖刀、ARR增长与垂直行业渗透路径

基础模型层在过去一个月内经历了开源与闭源格局的激烈对撞。以中国头部开源模型为代表的新势力，在部分基准测试上大幅缩小了与顶尖闭源模型的差距，引发了“闭源模型壁垒是否会迅速瓦解、工作流是否会向廉价开源模型全面迁徙”的争议。

Yujia 结合对冲基金客户与终端渠道核查（Channel Check）的数据分析指出，闭源模型依然具有强劲的变现韧性：

- **顶尖闭源模型 ARR 持续新高**：跟踪数据显示，OpenAI 与 Anthropic 的年经常性收入（ARR）仍在高速增长。这表明在最复杂、最严苛的任务中，头部客户仍然离不开最先进闭源模型的确定性。 - **开源与闭源的协同架构**：企业端开始拆解任务流，仅在边界清晰、对模型能力容忍度高的环节切换到成本极低的开源模型；但核心、消耗 Token 极多且逻辑最复杂的关键链路，仍牢固绑定在闭源模型上。 - **FDE（前向部署工程师）需求爆发**：当前阶段，应用向各行业落地必须依赖最先进闭源模型作为“性能下限的保底”，否则企业级落地往往难以成立。

```mermaid flowchart LR accTitle: AI渗透垂直行业的阶段演进 accDescr: 说明闭源模型作为先导尖刀攻坚行业场景，消化稳定后再由开源模型通过成本优化承接的演化过程

Step1["阶段一：闭源尖刀突破 以最强推理能力强行打破业务边界 (历时约 8-12 个月)"] Step2["阶段二：行业工作流消化 企业上下文/私有数据被激活与重构"] Step3["阶段三：开源承接与成本优化 利用垂直数据做 Post-training 私有化部署实现降本增效"]

Step1 --> Step2 --> Step3 ```

Bill 补充了定价维度的定量数据： - **溢价收敛但需求不减**：闭源模型相对开源模型的 Token 定价溢价倍数已从峰值时的 8 倍多收窄至约 5 倍（例如从百美元级到相对基准的比率下移），但价格差的收缩并没有伤及 OpenAI 和 Anthropic 的营收扩张。 - **开发者生态分层清晰**：在 OpenRouter 等面向成本敏感型开发者的聚合路由平台上，80% 以上的调用量流向了开源模型；但对大型企业而言，生产环境的核心负载依旧稳固留存于闭源服务。

**为什么 Coding 是首个被彻底渗透的行业？** Yujia 剖析道，做 Coding Agent 的人与做基础大模型的人在认知上高度重合，他们最清楚编程的核心痛点、交互场景与逻辑需求，且代码数据在互联网上具备标准化、易获取的特征。反观金融投研或医疗等垂直行业，算法工程师往往很难深刻理解金融市场复杂的微观运作机理；即使存在大量上下文与数据，如何正确标注、组织与清洗依然存在高认知门槛。这种复杂度相比 Coding 呈现指数级跃升，必须先依靠顶尖模型的强认知能力像“尖刀”一样撕开场景，历经 8 到 12 个月的行业工作流消化，才谈得上由开源模型接盘优化。

---

[17:45](https://www.bilibili.com/video/BV1Ptgg6cE17?t=1065s) 应用层与SaaS的剧烈分化：从“SaaS已死”到数据与Know-How的重估

上半年市场曾盛行“AI 将消灭 SaaS”的悲观论调，甚至引发美股软件行业指数 IGV 的断崖式下跌。然而目前 IGV 已基本收复失地并抹平年内跌幅，展现出应用层内部剧烈的结构性分化：

Bill 概括道，市场情绪已经从“AI 扼杀 SaaS 的增长”转变为“AI 本身需要更多的新型 SaaS 护航”。当未来 AI Agent 数量远超人类用户时，围绕数据管线、安全合规与智能协同的软件应用不仅不会消亡，反而会更加不可或缺。

```mermaid flowchart TD accTitle: 应用层价值捕获能力重构 accDescr: 展示开源模型降低后训练门槛后，行业Know-How与私有数据如何成为应用公司的核心护城河

subgraph ModelLayer["模型供给层"] OpenSrc["开源基础模型 (成本更低 / 可微调)"] CloseSrc["闭源前沿模型 (性能上限)"] end

subgraph AppMoat["应用端护城河与价值捕获"] Data["企业核心私有数据"] KnowHow["垂直领域 Know-How"] PostTrain["自主进行 Post-training (后训练)"] Data & KnowHow --> PostTrain end

OpenSrc -->|"提供高性价比基座"| PostTrain PostTrain --> Result["构建高壁垒垂直应用 摆脱对单一模型的过度依赖"] ```

此外，应用端价值的重塑也得益于模型开源生态的发展： - **摆脱对单一闭源模型的强依赖**：应用公司拥有了多元的选择，不再完全受制于头部模型厂商的定价权。 - **垂直后训练（Post-training）成为核心壁垒**：应用厂商手握垂直领域的专业知识（Know-How）与深层业务数据，可以直接基于开源底座进行二次训练，其在特定场景下的输出效果甚至优于通用闭源模型。

林超总结指出，贯穿“算力—云计算—基础模型—应用”整条产业链，随着底层算力资产被金融化加杠杆、模型层竞争日趋白热化，最终能够稳固捕获超额利润的，或许并非大模型本身，而是牢牢掌握在应用端手中的数据资产、行业认知、交付部署能力以及不可替代的工作流入口。

## Notable quotes > [00:00](https://www.bilibili.com/video/BV1Ptgg6cE17?t=0s) 写保险的人本身在控制他所参与的游戏的变量 — Bill Qian

> [00:00](https://www.bilibili.com/video/BV1Ptgg6cE17?t=0s) party 不能停 — Bill Qian

> [00:00](https://www.bilibili.com/video/BV1Ptgg6cE17?t=0s) 数字房地产（数据中心）目前几乎完全面向 AI 业务 — Bill Qian

> [05:00](https://www.bilibili.com/video/BV1Ptgg6cE17?t=300s) 压制光通信与存储的核心矛盾不是市场担心的需求不足或花钱意愿下滑，而是短期内物理产能的硬约束 — Yujia Zhao

> [10:00](https://www.bilibili.com/video/BV1Ptgg6cE17?t=600s) 放弃了激进追逐 AGI — 所长林超

> [13:10](https://www.bilibili.com/video/BV1Ptgg6cE17?t=790s) 性能下限的保底 — Yujia Zhao

> [13:10](https://www.bilibili.com/video/BV1Ptgg6cE17?t=790s) 像“尖刀”一样撕开场景 — Yujia Zhao

> [17:45](https://www.bilibili.com/video/BV1Ptgg6cE17?t=1065s) AI 将消灭 SaaS — 所长林超

> [17:45](https://www.bilibili.com/video/BV1Ptgg6cE17?t=1065s) AI 本身需要更多的新型 SaaS 护航 — Bill Qian

## Mentioned 英伟达 (NVIDIA), 阿波罗 (Apollo), 黑石 (Blackstone), 高盛 (Goldman Sachs), KKR, 黄仁勋, 所长林超, Bill Qian, Yujia Zhao, SK海力士 (SK Hynix), 台积电 (TSMC), 微软 (Microsoft), 亚马逊 AWS, 谷歌 (Google / Alphabet), 甲骨文 (Oracle), OpenAI, Anthropic, OpenRouter, Salesforce, ChatGPT, Gemini

## 弹幕氛围 (Danmaku mood) — 27 条观众整体氛围偏向质疑、挑剔和深度技术/金融探讨。不少观众对本期嘉宾的专业性、客观立场表示怀疑并予以吐槽，认为嘉宾在唱多或空谈；同时弹幕中也有较多硬核观众就美股、存储周期、开闭源大模型、DeepSeek及Coding场景展开专业技术分析和反驳，整体批判性与讨论欲较强。

**整体情绪**：😊 正面 10% · 😐 中性 40% · 😞 负面 50%

**热议点** - **吐槽嘉宾专业度不够、立场偏颇或视频内容较水** —— “这期比往期水的多，找了两个金融行业的唱多股市，其他无” - **调侃金融从业者空谈行业与唱多股市** —— “两个金融文科生谈何行业？谈谈股市能谈明白就不错了” - **针对宏观市场、科技股与周期股的风险讨论** —— “存储仍然还是周期股，不能用周期最好的时候来算后续的PE。” - **围绕DeepSeek、开闭源模型及Coding场景的技术性辩驳** —— “大公司会抛弃闭源，因为数据会泄露，开源可以自己部署在公司内部” - **反讽与玩梗调侃** —— “这俩人讲的不错，下次别请了”

**代表弹幕** > KKR不是投行

> 说明快到顶了

> 这期比往期水的多，找了两个金融行业的唱多股市，其他无

> 两个金融文科生谈何行业？谈谈股市能谈明白就不错了

> 这个佳佳不够客观屁股决定脑袋随便听听好了

> DeepSeek进展取决于它硬件算力总量，何时追上超过闭源要看国产硬件产能

> 跟开闭源无关，随着coding到来机器会成为瓶颈，开源迟早涨价，不然会被拉爆

> 这俩人讲的不错，下次别请了

## 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@Bill_It_Up 、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.bilibili.com/video/BV1Ptgg6cE17)

中文简报

英伟达联手华尔街撬动5000亿美元融资算力资本推高系统性风险大模型在垂直场景逐步丧失超额定价权，AI产业链的终局利润正从基础模型转向掌握私有数据与工作流入口的应用端。节目围绕AI全产业链展开深度复盘：底层算力正通过资产证券化被华尔街定价并放大杠杆，英伟达扮演起类似“央行”的增信角色，而存储板块亦随去杠杆迎来分部估值重构；云巨头凭借健康的资产负债表与充沛订单维持极高财务自律，谷歌则展现出向公用事业基础设施转型的战略定力；模型层呈现开源与闭源的动态协同，闭源模型作为尖刀突破高壁垒垂直场景，开源模型随后承接降本；最终，应用层走出“SaaS已死”的悲观叙事，数据资产、行业Know-How与工作流入口正在成为产业链中最稳固的价值捕获重心。英伟达联合阿波罗、黑石、高盛等6家顶级投行组建5000亿美元算力融资平台，旨在将GPU数据中心打包为可定价、承销和交易的类公用事业金融资产，通过供应商信用为全行业加杠杆。 (0:00) 韩国股市融资余额回落化解了存储板块集中去杠杆风险；随着HBM4推进，市场正酝酿将HBM从传统周期品中单列，锚定台积电估值逻辑将打开约三倍重估空间。 (5:00) 超大规模云厂商资产负债表依然稳健，核心厂商净债务/EBITDA多在1倍以下，在途云订单储备达2.3万亿美元，市场对自由现金流转负缩减资本开支的担忧被过度放大。 (10:00) 闭源模型对开源模型的Token溢价倍数虽由8倍收窄至5倍，但OpenAI与Anthropic的ARR仍创新高，高复杂度关键链路依然重度依赖闭源尖刀突破。 (13:10) 美股软件指数IGV收复年内失地，网络安全与AI数据分析SaaS估值大幅修复，而传统按人头计费的CRM持续承压，应用层利润核心正向私有数据与行业Know-How转移。 (17:45)

Reading summary

科技投资人 Bill Qian、FUNDA.AI 联合创始人 Yujia Zhao 与所长林超复盘认为，AI 产业链正在经历深度重构：英伟达联合华尔街通过金融化手段加杠杆扩展算力边界，而随着模型层溢价收窄与开源追赶，最终能够持续捕获超额价值的重心正向拥有私有数据、行业认知与深层工作流的应用端转移。算力资产证券化与杠杆风险 (0:00) 英伟达联合阿波罗、黑石、高盛等 6 家投行与私募机构组建 5000 亿美元算力融资平台，黄仁勋称此举旨在将 GPU 数据中心打造为类似收费公路或光纤网络的基础设施资产。针对这一操作，Bill Qian 指出，英伟达兼具芯片供应商与残值兜底方双重身份，其本质是在产业繁荣期用自身信用放大下游购买力；但数据中心面临需求完全面向 AI、终端买家高度集中于 15 至 20 家头部机构的特征，一旦需求停滞或折旧失控，高杠杆可能诱发类似电信泡沫破裂的下行风险。Yujia Zhao 则从产业数据提出更乐观的看法，认为基础模型每 1.5 个月迭代一次且大型数据中心投入产出比已有明确测算，需求锁定周期已超过资本回收期，叠加 Agent 渗透使预算从单纯的 IT 支出泛化至各行业，短期需求具备实质支撑。存储重估与云巨头现金流韧性 (5:00) 在半导体与云计算层面，前期存储板块剧烈回调主因是韩国股市融资杠杆攀升并在 6 月底触及极值，随后回落至常规区间，因去杠杆导致的利空已基本出尽。Yujia 分析指出，传统综合市盈率仅约 3 倍的 SK 海力士等厂商正面临估值重构，若以台积电约 22 倍远期市盈率的一半（约 11 倍）作为锚定，HBM 业务存在近三倍的单列重估空间，当前压制光通信与存储的核心矛盾为物理产能硬约束而非下游意愿下滑。针对高盛关于云巨头自由现金流将于 2026 年三季度至 2028 年一季度转负的预测，Bill 强调头部巨头净债务对 EBITDA 比率普遍低于 1 倍，且微软、亚马逊、谷歌与甲骨文在手在途云订单储备达 2.3 万亿美元，财务维持了高度自律；即便谷歌在模型竞赛上面临团队调整争议，其云业务年对年增速仍达 82%，未结订单超 5000 亿美元，正稳固扮演底层公用事业基础设施角色。闭源尖刀突破与开源协同演进 (13:10) 开源与闭源模型的竞争未如市场早期预期的那样击溃闭源壁垒。渠道数据显示，OpenAI 与 Anthropic 的 ARR 仍创下新高，闭源 Token 相对开源溢价虽从逾 8 倍收窄至约 5 倍，但生产环境中复杂严苛任务依旧高度依赖前沿闭源模型保底。企业端普遍演变为协同架构：在聚合路由平台上开源模型调用量超 80%，负责容忍度高、边界清晰的环节，而核心链路仍由闭源支撑。Yujia 与 Bill 解释，Coding 能够率先被彻底渗透是因为开发者认知重合且代码数据标准化；而在金融投研、医疗等复杂垂直行业，由于认知门槛与非标数据清洗难度呈指数级提升，必须先由最先进闭源模型充当“尖刀”突破业务边界，历经 8 至 12 个月消化业务流后，开源模型才能凭借成本优势在后训练阶段承接并优化任务。应用层分化与行业壁垒重构 (17:45) 此前“AI 将消灭 SaaS”的恐慌一度导致软件指数 IGV 暴跌，但目前已收复失地并呈现剧烈结构性分化。传统基于人头坐席收费的 CRM 业务承压最重，倒逼厂商转向原生 Agent；而伴随 AI 威胁激增的网络安全赛道，以及承担上下文清洗与数据流转的 AI 数据分析赛道则跑赢板块并大幅修复估值。Bill 指出，市场逻辑已转向“AI 自身需要更多新型 SaaS”。随着开源模型降低后训练门槛，应用厂商逐步摆脱对单一模型的强依赖，其核心护城河正回归至专有业务数据、行业 Know-How 与交付入口，在特定垂直场景下利用后训练实现甚至超越通用闭源模型的效果。林超总结指出，当底层算力资产被金融杠杆快速放大、基础模型同质化竞逐加剧时，全产业链的超额利润不会长期滞留在中游模型层，拥有不可替代的垂直工作流入口与私有数据壁垒的应用端将成为终局价值分配的核心赢家。

Source quotes

[0:00] Bill Qian: 写保险的人本身在控制他所参与的游戏的变量 [0:00] Bill Qian: party 不能停 [0:00] Bill Qian: 数字房地产（数据中心）目前几乎完全面向 AI 业务 [5:00] Yujia Zhao: 压制光通信与存储的核心矛盾不是市场担心的需求不足或花钱意愿下滑，而是短期内物理产能的硬约束 [10:00] 所长林超: 放弃了激进追逐 AGI [13:10] Yujia Zhao: 性能下限的保底 [13:10] Yujia Zhao: 像“尖刀”一样撕开场景 [17:45] 所长林超: AI 将消灭 SaaS [17:45] Bill Qian: AI 本身需要更多的新型 SaaS 护航

Original transcript

[0:00] 韩国股市的这个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 agent 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、Golmansec、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他能够承销而且能够拆开来买卖的我们叫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那你怎么看英伟达这次把AI工厂资产证券化这件事情我觉得本质上来讲这个事情其实并不惊讶了因为大家都知道就是说现在对于整个GPU它作为数据中心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供应商想用自己的信用去扩张全行业的客户的购买力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等于是这个就是说写保险的那个人本身其实他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家其实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某种意义上英伟达是在给整个AI去加杠杆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有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是非常有可能去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一个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。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面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HBN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HBN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山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比喻你怎么看这个问题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复而这个整个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流到今天才刚刚转负大家才刚开始你的CAPEX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比如说它表内的杠杆它的债务除以它当年的EBDA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它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就这个细节上面但同时我觉得就是说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今天 [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的追逐这个AGI的梦想再更加倾向把自己变成AI这一款变成个云计算的一个株例公司这个现在市场上怎么看这件事情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割的调整是它开始有变化的可能性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就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这个角度来讲对吧看来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的这个角色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难修难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弱能力就更强一点最近这一个月吧讨论的最多的事情毫无疑问就是各种各样的中国先进的开源模型对所谓的弊源的基模的冲击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加弹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刚才有跟踪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Antriop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迭代的情况下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挣文我们以前看到B元的价格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,必源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必源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式看,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来讲其实就是说该用B元的人其实还依然在用B元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OpenRooter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OpenRooter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这两家他们的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的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CodeAgent的人和做模型的人是一类人就是最明白自己的场景和需求是什么以及数据都是可被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须面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奖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

英伟达联手华尔街撬动5000亿美元融资 算力资本推高系统性风险