今天甲骨文财报有两个重要的 AI 行业观察： 1️⃣ 新续约的 GPU 合同价格相比之前提高 20%，大部分 GPU 使用年限达到 4 年以上。这和前段时间 Coreweave 管理层给出的说法共振了，GPU 溢价率很高，即使是前几代 GPU，仍然能拿到很好的价格。 2️⃣ 新增订单不完全需要自己掏钱。可以是靠客户预付款，可以是客户自带 GPU 进场，也可以是数据中心交付后分期付款，这正在成为 AI 云厂商的标准融资方式。 市场过去一段时间对于 Oracle 以及其他 Neocloud 债务的担忧，绝对是过度了。

沉浸式逛完本届WAIC主馆 热闹满满，收获也满满 热门展位根本挤不进；人手一台大疆，氛围感拉满了不少企业更多是参展露脸刷存在感，未见字节、DeepSeek展台，意外见到了即将发布的豆包手机样机。 褪去热闹看本质，今年最大的变化：AI彻底告别花式炫技，从“秀能力”走向“解决真实问题”。 遍地机器人百花齐放，但赛道同质化严重，多数产品、技术路线高度趋同，真正拥有核心壁垒、能跑通真实价值的优质项目，需要慢慢深挖甄别。 而本届WAIC最惊艳、真正拉开代差的突破， 是Long-horizon长程智能Agent的落地。 除此之外，也看到了AI最温柔的一面。 别家展台都是人围观机器，LumiMind展区，是奔波的人被科技治愈。三分钟放松入眠，让我真切感受到：未来AI的终极命题，不止是让机器更强，更是关照人的情绪与疲惫。 2026的AI，不再是冰冷的参数与表演。 有用、有趣、有温度、能落地， 才是人工智能真正走进生活的开始。 #WAIC2026# #WAIC# #人工智能# #具身智能# #机器人# #AI行业观察#

我们上月考差了韩国相关企业，认定韩国在未来史诗级AI物理化方面将是关键国家，评论黄的韩国行： 英伟达韩国之行：锚定全链路物理AI新赛道 黄仁勋此次韩国之行，并非简单的企业合作走访，而是英伟达布局全球AI生态的重要战略落地，标志着其发展重心正式从数据中心算力，转向实体产业的物理AI领域。 英伟达已将韩国定位为综合性国家级AI生态基地，依托韩国完备的产业体系，搭建起全层级AI产业闭环。韩国各大头部企业各司其职、形成互补：三星与SK海力士筑牢HBM高端内存核心供应链，破解AI算力硬件瓶颈；SK电信与Naver搭建AI云基础设施、打造本土主权AI体系，完成AI算力平台与服务落地；LG、斗山补齐数据中心基建、电力、工业自动化与机器人配套；现代汽车则提供自动驾驶、智能工厂、移动机器人等核心物理应用场景。 纵观AI发展历程，行业历经GPU算力、基建配套、AI工厂、实体落地四个发展阶段，而英伟达此番布局，在韩国一次性串联起四大阶段，打通了从硬件供应、云端算力、AI服务到实体制造的完整链路。 此次合作的核心意义，是英伟达将韩国完整的制造业体系纳入全球AI生态，推动AI从虚拟数据中心的算法生成，下沉至汽车、工厂、机器人等真实物理场景。未来投资与行业观察的核心，将聚焦于HBM供应链落地、AI工厂投产、实体产业AI平台应用及相关硬件设备的实际落地采购。这也意味着，英伟达的下一核心战场，正式转向工业与制造业的物理AI赛道。

📒 行业观察 TermMax 笔记｜No.035 有人说，现在最担心的不是AI把人的工作抢走，而是人慢慢把自己想事情这件事也外包了。 这话听有点夸张。 以前我们写一段东西，哪怕只是发个朋友圈、回一条消息，也得自己先琢磨一下。 到底想说什么？ 为什么这么说？ 有没有更合适的表达？ 写得不好也没关系，至少脑子完整走了一遍。 现在方便多了。 一句话丢给AI，让它润色一下； 一段想法丢进去，让它整理一下； 甚至连我到底想表达什么，都可以让AI帮忙总结。 最后拿到的东西确实比自己写得漂亮。 问题是，漂亮和属于自己，是两回事。 我越来越觉得，写作真正重要的地方，可能根本不是最后那几百个字，而是你在组织语言的时候，被迫把脑子里的东西重新排了一遍。 原本模糊的想法，会慢慢变清楚； 原本觉得自己懂了的事情，写两段以后，可能突然发现： 其实我根本没想明白。 这个过程挺重要的。 AI当然可以帮你改错别字、找资料、调整结构，甚至帮你把一个粗糙的想法变得更好看。 但如果从第一步到最后一步，全都交给它，那就有点像健身的时候让别人替你举哑铃。 最后照片里的肌肉可能很漂亮。 但你自己的力量没有增加，所以我现在反而觉得，越是AI方便的时候，越应该保留一点笨办法。 偶尔自己写。 自己总结。 自己把件事情从头想到尾。 不是为了证明自己比AI聪明。 恰恰相反，是因为以后我们可能越来越需要一个能力： 知道什么时候该把事情交给AI，什么时候必须自己想。 工具越来越强没有什么不好，真正值得警惕的，是我们强到最后，连自己的判断力都懒得用了。 #TermMax# @TermMaxFi

# AI 行业三个月变天，模型榜单已经解释不了全部 1小时46分钟里，这期《半球观察》播客的主持人 把 DeepSeek V4、约 1000 条 Cursor 工作轨迹、OpenClaw 出圈、Manus 交易流产和 AI 中转站放在同一张桌上。单看每条都像行业新闻，连起来看就很刺眼：AI 公司正在被新的尺子衡量。模型榜单还重要，但已经解释不了全部。 过去我们习惯问一个问题：谁的模型更强？ 现在还得问另一组问题：谁有真实任务数据，谁掌握用户入口，谁能把价格打下来，谁能穿过监管和资本的窄门。 > **编者注：** 这篇按播客原文提炼判断。DeepSeek 估值、Cursor/xAI 交易、Manus 价格等数字均先按“节目说法”处理，不能直接当作已确认事实。 ## DeepSeek 的强，变成了另一种强 主播对 DeepSeek V4 的评价并不客气。V4 Pro 被认为 reasoning 过长，很多任务里像是在思维链中自己和自己打架。V4 Flash 的体感更好，接近 GPT5.4 mini 或 instant API 的水平，但这已经不是 R1 那种“全行业被迫重新估值”的时刻。 这就产生了第一个反差：DeepSeek 仍然技术很硬，但它的产品冲击力没有天然压倒别人。 节目里提到，Kimi、GLM、MiniMax 等国产模型在 coding 和迭代速度上都给了 DeepSeek 压力。DeepSeek 自己也因为适配国产硬件、减少 CUDA 技术债、拥抱 TileLang 等路线，承受了延期和成本变化。 这听起来像掉队。 但节目给了另一个定位。 节目里说“DeepSeek 正好填补了这个空白”。 这个“空白”指的是 OpenAI 不再开放权重、不再详细公开技术路线之后，全球开发者和研究者仍然需要一个前沿模型的公开参照物。DeepSeek 的价值就从“谁最强”变成“谁还愿意把技术路线摊开”。 这是一种新的强。 它可能不总是最会做产品的公司，也不一定每个版本都压住榜单。但它像开源社区的技术坐标系。大家看它的 report，看它的注意力机制，看它的后训练方法，再把这些东西吸收到自己的模型和产品里。 所以，写 DeepSeek V4 不适合写成“王者归来”或“彻底掉队”。更准确的说法是：DeepSeek 正在从爆款模型公司，变成公开 research lab 的基础设施。 DeepSeek 没有消失，它只是从王者变成了坐标系。 ## 数据飞轮开始压过架构叙事 这期最有信息量的技术段，落在 OPD 上。 节目用一个很好的类比解释 On Policy Distillation：传统后训练像老师先写一大本习题集，学生之后自己看、自己背、自己消化。问题是题太多，领域太杂，学生容易学歪，甚至出现 reward hacking。 OPD 的感觉更像现场教学。 > “学生遇到不会了，老师就过来告诉他为什么不对。” 写代码时，代码老师在旁边；做数学时，数学老师在旁边。学生先尝试，老师实时纠错，模型训练从离线习题集变成在线反馈。 这个机制把问题引向更深一层：老师从哪里来？ 答案是数据。更具体地说，是真实任务里的高质量轨迹。 节目提到 Cursor 的 Composer 2 争议时，有一个关键细节：Cursor 被转述为在 Kimi base model 上加入约 1000 条真实用户工作轨迹做 SFT，使 coding 表现明显强于原始 base model。这个数字需要核查，但方向很重要。 如果模型架构的边际差距变小，真实任务数据就会变成更贵的东西。 Claude Code 和 Codex 为什么会越做越强？节目里的解释是，它们有真实工程师每天使用的轨迹：怎么打开项目，怎么读代码，怎么改错，怎么跑测试，怎么回退，怎么完成一个长任务。 这些数据很难从普通互联网文本里直接获得。它是任务过程。 这也是 Cursor、Claude Code、Codex、OpenClaw、Manus 这一类产品被重新定价的原因。它们表面是工具，底层是数据采集口。谁的用户每天把真实任务交给它，谁就能反过来训练更懂任务的模型。 模型能力当然还重要。但当大家都足够强时，数据会把差距重新拉开。 模型教会产品说话，用户轨迹教会模型做事。 ## OpenClaw 出圈，说明入口开始变形 节目把 OpenClaw 称为 Agent 的 ChatGPT 时刻。 这句话很大，但它有具体场景支撑。主播把 OpenClaw 接进 Telegram 家庭群，当成一个会记忆、会查资料、会调用 skill 的“电子宠物”。更重要的是，在这个框架里，本地 27B 模型和 GPT5.5 的体感差距被缩小了。 原因很简单：OpenClaw 有 memory，有 skill，有连续任务，有工具调用。 这就改变了用户感知。单独问一个小模型，它可能不如大模型；把它放进一个 agent 框架里，它能记住昨天说过什么，能查资料，能跑工具，能把一个任务接着做下去。用户看到的是任务完成，而不是模型参数。 这也是 OpenClaw 出圈的意义。它把 skills 从程序员小圈子带到普通人场景。 节目里提到阿里的电商出海 agent。它可以帮助小商家处理 Shopify、商品上架、趋势分析、网站设计、运营链路。过去这些工作可能需要助理、外包、懂代码的人和运营经验。现在一个小老板可能第一次感到，agent 能把一整套流程接起来。 这个变化比模型榜单更接近商业。 因为用户不会每天比较 benchmark。他们会比较：这个东西能不能帮我把店开起来，能不能生成网页，能不能做 PPT，能不能整理调研表格，能不能少雇一个人。 Agent 的入口价值，不在会聊天，而在能接活。 ## Manus 的稀缺性，被同类产品反向证明 OpenClaw 出来以后，很多人会自然认为 Manus 不稀缺了。节目里的判断正好相反：OpenClaw 爆火，反而证明 Manus 更稀缺。 这个判断的逻辑是产品体验。 主播说，很多 computer use 或 open cloud 服务“根本不想用”，Perplexity 的 computer use 被点名为几乎不可用。相反，Manus 能做出详尽网页、PPT、真实调查表格，任务保持程度更好。 换句话说，壳不稀缺，稳定交付稀缺。 这和 ChatGPT 早期很像。聊天界面谁都能做，真正难的是持续给出有用答案。Agent 时代也是一样。浏览器自动化、工具调用、任务规划、记忆系统、失败恢复，单独看都不是秘密。难的是把它们组合成用户愿意反复使用的产品。 Manus 交易流产把这个问题又推到监管层面。 节目讨论了 Meta 交易被撤销、VIE、IP、人才和公司归属问题。这里最值得保留的不是情绪判断，而是创业者面临的新现实：AI agent 这种产品绑定了用户数据、任务轨迹、人才供给、模型合作和国家监管。 对中国 AI 创业者来说，路径选择可能会提前。你从第一天就要想清楚，是进入国内生态，还是走海外资本路径；是把团队、IP、数据和客户都放在一个监管框架里，还是冒着未来交易被叫停的风险做跨境结构。 这已经超出普通商业选择。 这是 AI 产品变成战略资产后的副作用。 Manus 的问题不是卖没卖成，而是它到底属于哪里。 ## AI 开始说钱，也开始被低价倒卖 节目后半段最现实。 大厂模型开始收费，推理框架项目开始公司化，IPO 和融资叙事吸走市场流动性，AI 中转站开始变成生意。主播说得很直接： 节目里那句“大家都开始说钱了，不再说 AGI 的梦想了”，把这层现实说得很直。 这句话有点刺耳，但它解释了很多现象。 当模型差距大时，用户会追逐最强模型。当多数日常任务都已经够用时，用户会开始追逐便宜、稳定、可接入、不封号、不断线。AI 中转站就在这个缝隙里长出来。 节目提到 Sub-to-API 这类工具，把 Claude 或 Codex 的订阅转换成 API，再用更低价格分发。也提到部分中转站可能收集用户数据，甚至标称 Claude，实际替换成更便宜的国产模型。 > **编者注：** AI 中转站涉及服务条款、数据安全和潜在欺诈风险。这里仅按节目内容记录产业信号，不构成使用建议。 这说明模型正在商品化。 最前沿模型、企业级合规服务、真实工作流数据仍然贵。但对普通聊天、搜索、轻量写作、心理陪伴、日常问答来说，很多用户已经不愿意为“最强”付出太高溢价。 这会倒逼模型公司回到互联网逻辑：获客、留存、价格、渠道、生态、数据闭环。 AGI 叙事还在，商业账本已经来了。 ## 最后 这期《半球观察》最适合被整理成一组暴论，因为它更像一张行业雷达图。DeepSeek 代表公开技术路线，Cursor 代表 coding 数据，OpenClaw 代表 agent 入口，Manus 代表可交付产品和监管敏感性，AI 中转站代表模型商品化。 把这些点连起来，结论很清楚：AI 行业正在从“模型公司竞赛”变成“模型、产品、数据、资本、监管共同定价”的复杂游戏。 接下来不能只看模型榜单。 要看四个信号。 第一，DeepSeek 后续版本能不能重新打出产品体验上的压倒性差距。如果不能，它仍然有开源坐标系价值，但商业位置会不同。 第二，Claude Code、Codex、Cursor、OpenClaw、Manus 谁能沉淀最高质量的任务轨迹。真实用户每天交出的工作过程，会比静态语料更贵。 第三，agent 产品能不能稳定交付。会调用工具不稀奇，能把网页、PPT、调研、代码修改交付到用户满意，才是分水岭。 第四，价格和监管会不会重塑模型分发。中转站、订阅转 API、模型替换套利、跨境交易叫停，都说明 AI 已经离纯技术讨论很远。 我对这期的最终判断是：模型能力仍然重要，但它已经不是唯一的解释变量。谁拥有入口，谁拥有数据，谁能把价格做到用户愿意持续用，谁能在监管和资本结构里活下来，谁才可能赢到下一阶段。 这也是它最值得写成文章的地方。暴论背后真正冲击人的，是我们判断 AI 公司的尺子正在换。 --- 原始播客：

📒 行业观察 TermMax 笔记｜No.037 今天看到英伟达那条消息，第一反应其实不是5000亿美元。 我更在意的是另外一件事： 当一个行业开始需要越来越多的融资工具来支撑增长时，市场到底是在给未来下注，还是已经开始提前透支未来？ 这两件事看起来很像，结果却可能完全不同。 AI现在最不缺的，其实是需求想象力。 大家都知道算力重要，也知道未来可能还需要更多数据中心、GPU和电力。 问题在于，这些需求最后能不能真的变成足够多的现金流。 英伟达这次提到的5000亿美元，是一个目标融资规模，并不是公司自己拿出5000亿美元，更不是这笔钱已经全部到账。 所以单看这个数字，其实没必要先激动。 真正值得琢磨的是资金怎么走。 如果一家AI公司拿到融资，去采购算力；算力供应商收入增加；收入增加以后估值更高，于是融资能力继续增强；新的融资又继续投入算力建设…… 这个过程在行业高速增长的时候，看起来完全没问题。 甚至会非常漂亮。 收入增长、资本开支增长、估值增长，大家都能讲出一套完整的故事。 但市场真正需要等的，是最后一环： 这些投入什么时候开始自己产生足够的回报？ 因为融资可以解决今天的钱从哪里来。 却不能永远解决明天的钱从哪里来。 我觉得这才是现在AI产业链最值得观察的地方。 不是说循环融资一定会发生，也不是说AI的需求是假的。 恰恰相反，正因为AI可能真的会成为下一轮基础设施升级的核心，所以资本才愿意提前这么大规模下注。 但越是这样，越需要分清楚两件事： 什么是实际需求？ 什么是资本把未来需求提前定价？ 这中间差了一大截。 所以最近看科技股，我反而不会只盯着英伟达还能涨多少。 我更想看看未来几个季度，这些巨额资本开支到底能沉淀出多少真实收入和现金流。 故事可以讲很久。 账，最后还是要算的。 #TermMax# @TermMaxFi

📒 行业观察 TermMax 笔记｜No.036 最近越来越明显地感觉到一个变化，以前大家害怕机器替代的是"体力劳动"。 后来变成担心机器替代重复性的脑力劳动。 但现在真正值得思考的问题可能是： 当工具越来越会表达的时候，人还需要培养自己的表达能力吗？ 很多人觉得，未来只要会提问就够了。 会写Prompt。 会调用工具。 会让AI帮自己完成工作。 这当然是一种能力。 但我觉得还有另外一件事情容易被忽略。 你能不能提出一个好问题，本身取决于你有没有自己的积累。 如果脑子里没有东西，没有经历过思考，没有形成自己的判断，那么即使工具再强，也很难得到真正有价值的结果。 因为AI可以放大一个人的能力。 但它很难凭空创造一个人的认知。 这其实和投资很像。 同样一份市场数据。 不同的人看到的东西完全不一样。 有人只看到涨跌。 有人看到资金变化。 有人看到行业周期。 区别不一定来自信息差。 更多时候来自理解方式。 工具越来越强以后，信息获取成本会越来越低。 未来真正稀缺的，可能不是知道更多。 而是能够把信息变成自己的判断。 所以我觉得，AI时代最重要的能力，可能不是"使用AI"。 而是保持自己的思考能力。 你可以让AI帮你整理。 帮你分析。 帮你提高效率。 但最后那个做判断的人，最好还是自己。 因为工具可以替你节省时间。 但无法替你经历成长。 很多能力，看起来是在输出。 其实真正锻炼的是输入之后的消化过程。 写作如此，投资如此。 做任何长期事情，可能都是如此。 #TermMax# @TermMaxFi

📒 行业观察 TermMax 笔记｜No.033 今晚没有太多意外。 美股整体偏弱，几个指数都在水下震荡，真正让市场有点反应的，反而不是指数，而是财报。 存储板块因为企业业绩不及市场预期，出现了比较明显的回调； AI应用方向也有明星公司交出成绩单后被资金用脚投票。 很多人第一反应会觉得，是不是AI不行了？ 我倒觉得，未必，市场很多时候并不是在交易"好不好"，而是在交易"有没有超预期"。 同样一份财报，放在不同的位置，结果可能完全不同。 大家已经把预期拉得很高，只要没达到那个高度，就容易出现回调。 反过来，一家原本没人关注的公司，只要比预期稍微好一点，股价反而可能表现得更积极。 所以最近看海外市场，我越来越少只盯着涨跌。 更想知道的是： 市场到底在期待什么？ 因为真正影响价格的，很多时候不是事实，而是事实和预期之间的差距。 接下来还有一个大家都在等的时间点，就是美国7月非农就业数据。 就业人数、失业率这些数字，本身并不只是经济数据，它们还会影响市场对利率、流动性以及风险偏好的判断。 很多资金这两天没有急着出手，也是在等这个答案。 数据出来之后，市场自然会重新定价，有时候，等待本身也是交易的一部分。 很多机会，并不是因为比别人更快。 而是因为比别人更愿意等。 #TermMax# @TermMaxFi

📒 行业观察 TermMax 笔记｜No.026 （好消息是，隔壁韩股指数今天涨18%，海力士涨30%；昨夜美股存储、光、半导体也都大涨，闪迪涨超25%、美光涨超18%坏消息是，咱们又玩高开低走的剧本了祖训不可违不过能红，至少比前些天无脑爆锤强多了就在大家昨晚上都在想着今天AI硬件王者归来的时候，又拉了一坨大的然后资金转头去拉AI应用，涨幅榜被各种AI应用板块霸屏一方面说明市场对已经元气大伤的硬件股，不再抱有短期期待，无论外围是涨是跌，无论利好利空，都挡不住里面的资金要流出到其他方向） 有时候觉得，市场特别像一座城市，白天看，很热闹，到处都是声音： 新闻； 观点； 情绪； 价格。 每一分钟都有新的事情发生，可如果站高一点，你会发现真正决定城市方向的，不是这些。 而是道路： 供水； 电力； 地铁。 这些平时没人讨论的东西。 市场也一样，真正决定行业发展的，很多时候不是今天涨了什么。 而是底层有没有慢慢发生变化。 有没有新的资金进入； 有没有新的使用习惯形成； 有没有新的商业模式开始跑通。 这些变化都很慢，慢到很多时候，只有几年以后回头看，才会发现原来早就开始了。 所以后来我越来越少追热点，不是热点不重要。 而是我发现，真正值得长期关注的，往往发生在聚光灯照不到的地方。 #TermMax# @TermMaxFi

华尔街观察｜两大AI产业前瞻判断 @cnfinancewatch 在X平台的宏观研判之中，我并非产出海量观点，但有两项判断，已经逐步得到市场现实验证。 第一，去年年底我提出：AI本质是中美两国的排他性游戏。很多市场目光聚焦芯片、大模型算法，却忽略底层约束：AI算力大规模扩张的硬门槛是电力供给。只有中美具备支撑超大规模算力集群的电力储备与电网基建能力，全球AI竞赛的底层，本质是电力的竞争。没有充足稳定的电力，再多GPU硬件也无法落地，这一底层逻辑，正在被全球算力建设的现实不断印证。 第二，今年5月实地走访美日韩之后，我得出明确判断：日韩将成为美国AI体系最重要的战略支撑国家。韩国手握HBM存储芯片的核心产能，是AI服务器不可或缺的硬件底座；而日本正在全力构筑完整的AI上下游产业链，从半导体设备、关键材料，到精密元器件、工业机器人、AI行业解决方案，村田制作所、东京电子、发那科等一众细分龙头深度布局，覆盖算力硬件、材料、制造、垂直应用全链条，试图打造自主可控的AI产业生态。 美日韩正在形成深度产业协同：美国掌握大模型与算法生态，韩国提供存储硬件，日本补齐上游材料设备短板。这套分工体系，将深刻改写全球AI供应链格局，是我们研判科技赛道不可忽视的关键变量。 以上仅为宏观逻辑推演，不构成投资建议。 欢迎订阅，参加我的实战训练营：