📑 💼本周瑞银举办私营人工智能软件公司闭门会议，本次会议核心结论为人工智能需求持续旺盛、营收增长预期向好、开源模型落地速度加快。 💼随着各类企业应用场景从测试阶
- 序号：083
- 星球链接：打开网页
- 附件：图片 0，音频 0，文档 0
- 音频文件：无音频
图片
无图片
正文
📑
💼本周瑞银举办私营人工智能软件公司闭门会议，本次会议核心结论为人工智能需求持续旺盛、营收增长预期向好、开源模型落地速度加快。 💼随着各类企业应用场景从测试阶段迈入量产规模化部署阶段，各类机构愈发重视优化单 Token 使用成本、提升投资回报率；部分服务商（例如微软 Copilot）已将部分客户的授权模式从席位订阅制切换为按量计费模式。 💼我们并不认为该模式转变会削弱市场需求，反而判断资金需求正在持续向性价比更高的模型与算力负载倾斜。 💼企业对成本优化的需求，同步推动开源模型普及；过去一年开源模型与前沿闭源模型的性能差距持续收窄，越来越多开源模型被用于智能代理工作流细分环节、面向终端消费者的应用程序。 💼，原因在于英伟达在开源模型研发领域具备软件层面领先优势、拥有 Nemotron 模型系列，且绝大多数开源模型的训练与微调工作均依托英伟达硬件完成。 📌 💼人工智能需求依旧维持极高景气度，市场需求呈现扩容态势而非萎缩。 💼尽管市场对投资回报率的审核标准不断收紧，几乎所有参会公司均表示自身业务使用规模持续扩张。 💼以 Perplexity 为例，该公司提到今年年初至今年度经常性收入提升至原先三倍，用户使用习惯从基础搜索转向长周期智能代理工作流。 💼AlphaSense 表示随着客户大规模落地智能投研工具，平台使用量呈指数级增长；ElevenLabs、Sierra、Cursor 均指出市场新增多类人工智能支出赛道（语音、智能代理、代码生成、数字员工），该类新增需求属于增量市场，不会挤压原有业务空间。 💼参会方统一传递同一观点：各大企业人工智能部署仍处于早期阶段，但行业整体已从概念验证阶段转向规模化落地。 💼我们判断这将为推理基础设施、算力资源、原生人工智能应用带来规模更大、持续性更强的需求支撑。 💼与此同时，当应用场景从早期测试走向量产落地，部分服务商（例如微软旗下 Copilot）将收费模式从席位授权调整为按量计费。 💼部分场景下，该模式会抬升客户人工智能总支出，也促使市场更加关注人工智能成本优化、提升单 Token 投资回报。 💼多家机构表示，模型配套优化（智能代理配套底层支撑架构）、智能算力路由调度、匹配业务负载定制化选型模型，已经成为行业标配能力。 💼关键行业变化：过去一年前沿闭源模型与开源模型的性能差距持续缩小，多家服务商表示开源模型落地规模大幅提升。 💼部分参会方透露，从 Token 使用量维度统计，开源模型去年占比不足 1%，2026 年初升至 1%，当前占比已数倍于年初水平，长期来看开源模型 Token 使用量有望占据市场主流。 💼我们注意到该行业变化与英伟达近期重点布局开源领域的战略方向契合（英伟达 1 月 CES 展会、3 月 GTC 大会均重点宣讲开源生态）。 💼我方专家访谈信息显示，绝大多数开源模型均依托英伟达硬件完成训练与微调，在同一套硬件体系下，英伟达设备可实现更优异的推理性能。 💼本次会议结束后，我们持续看多开源模型渗透率提升趋势，以及该趋势给英伟达带来的业绩增量。 💼尽管开源模型普及会压缩仅依靠前沿闭源模型盈利的商业逻辑，但开源生态会持续推高整体推理市场总需求，多家公司均提到统一行业发展规律。 💼各类应用初期均基于前沿闭源模型搭建，待业务流程成熟、成本与延迟指标优先级超过模型峰值智能能力后，企业会将业务迁移至开源替代方案。 💼我们认为这是半导体行业的重要格局转变。 💼低成本开源模型不会降低人工智能基础设施需求，反而会拓展具备落地可行性的应用场景数量，推动全行业更广范围部署人工智能。 💼行业受益标的逐步转向推理优化算力、存储、网络、部署基础设施，不再仅局限于前沿闭源模型配套生态。 💼关于高速推理基础设施，我们与一家 CBRS 行业企业客户开展沟通交流。 💼我方结论：WSE 芯片的最优适用场景依旧为延迟敏感型搜索、单次检索类算力负载。 💼与之相对，长周期智能代理工作流更看重模型性能、配套工具链、调度编排能力，而非单纯的推理速度。 💼基于以上判断，我们认为英伟达此前观点依旧成立：高速推理业务约占整体推理市场规模的 10%-20%。 💼但我们判断，随着单 Token 使用成本持续下行、未来芯片架构迭代优化，算力服务商可服务更多客户（分布式解决方案、堆叠内存静态存储架构），高速推理相关应用场景将持续扩容。
总体总结
主题正文
- 💼本周瑞银举办私营人工智能软件公司闭门会议，本次会议核心结论为人工智能需求持续旺盛、营收增长预期向好、开源模型落地速度加快。
- 💼随着各类企业应用场景从测试阶段迈入量产规模化部署阶段，各类机构愈发重视优化单 Token 使用成本、提升投资回报率；
- 💼，原因在于英伟达在开源模型研发领域具备软件层面领先优势、拥有 Nemotron 模型系列，且绝大多数开源模型的训练与微调工作均依托英伟达硬件完成。
- ElevenLabs、Sierra、Cursor 均指出市场新增多类人工智能支出赛道（语音、智能代理、代码生成、数字员工），该类新增需求属于增量市场，不会挤压原有业务空间。
- 💼部分场景下，该模式会抬升客户人工智能总支出，也促使市场更加关注人工智能成本优化、提升单 Token 投资回报。
- 💼部分参会方透露，从 Token 使用量维度统计，开源模型去年占比不足 1%，2026 年初升至 1%，当前占比已数倍于年初水平，长期来看开源模型 Token 使用量有望占据市场主流。
- 💼我们注意到该行业变化与英伟达近期重点布局开源领域的战略方向契合（英伟达 1 月 CES 展会、3 月 GTC 大会均重点宣讲开源生态）。
- 💼但我们判断，随着单 Token 使用成本持续下行、未来芯片架构迭代优化，算力服务商可服务更多客户（分布式解决方案、堆叠内存静态存储架构），高速推理相关应用场景将持续扩容。