看清 AI 行业的关键变化

模型能力的主轴已从单纯扩大预训练，转向推理时计算、原生多模态、数据效率和可验证研究。

下一阶段应关注能力增量能否跨基准复现，以及训练数据、评测污染、可靠性与成本是否透明。

Agent 的关键变化是模型开始连接工具、维护任务状态，并承担跨软件的完整工作。聊天体验只是外在表现。

需要关注端到端完成率、记忆、权限、错误恢复、人工接管，以及 Agent 是否已经改变软件的交付和收费方式。

商业化从 API token 消费，转向订阅、席位、任务结果和嵌入核心工作流。

关键指标将从调用量转为完成任务、留存、毛利和组织产能。

资本主线从模型融资，扩展到芯片、数据中心、电力、云承诺和高价值应用。

需要同时跟踪训练/推理 CapEx、收入质量、毛利和平台锁定。

全球 AI 创新由多条路线共同推动：中国的开放模型、工程效率、应用分发和本土算力，与美国的平台能力、欧洲治理和全球开源生态相互影响。

观察跨区域开发者采用、全球收入、开放生态贡献、国产算力的端到端验证和产品长期留存。

单位 token 价格仍在下降，企业评估成本时开始转向“一次任务可靠完成需要多少钱”。

采购需要比较成功率、重试、延迟、人工接管和总拥有成本。