---
title: "[玫瑰]【dcjsj】AI的研究重心应向下游扩展-0730 如果说26年之前，AI的整体叙事依靠供给链(到csp的capex为止)的推动，那么今年的AI核心回答"
topic_id: 45544225852145848
created_at: 2026-07-30T22:18:55.488+0800
source: zsxq
type: topic
cssclasses: zsxq-vault
---

# [玫瑰]【dcjsj】AI的研究重心应向下游扩展-0730 如果说26年之前，AI的整体叙事依靠供给链(到csp的capex为止)的推动，那么今年的AI核心回答

- 序号：062
- 星球链接：[打开网页](https://wx.zsxq.com/group/15522451881222/topic/45544225852145848)
- 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

[玫瑰]【dcjsj】AI的研究重心应向下游扩展-0730

如果说26年之前，AI的整体叙事依靠供给链(到csp的capex为止)的推动，那么今年的AI核心回答了一个问题：AI至少在coding场景可以养活自己，有正循环。Anthropic的ARR+高毛利率是上半年AI产业链高歌猛进的根基。而现在AI叙事的核心焦点是：下一个coding场景在哪里->AI的真正下游有多大空间以支撑整体产业->何时看到再有爆发。

算力链条持续看好
在叙述关于AI下游的观点前，我们强调：坚定看好AI整体产业链，从核心上游出口零部件->国产算力->云等。 研究重心的向下扩展、是为了更好地投资上游，同时储备下游机遇。AI正逐步迈入——投入、变现的正循环，自己赚钱自己投~

非coding场景已经百花齐放
下一个coding其实不用找，ToB/c Agent、AI4S、多模态(未来互动型AI)都在如火如荼开展且空间巨大，不过正如Coding也发展了近3年时间才爆发，目前非coding场景的落地正处于持续推进阶段，而且coding是最为标准化、生成结果验证机制最无人化的场景，其他场景需要定制，这也是FDE的价值所在。

模型能力在很多场景已经ready落地层级价值开始凸显
过去模型持续迭代，我们跟很多应用厂商交流均反应："我们刚基于A-1.0做出应用，B-2.0 C-3.X模型就出来了"，模型的快速迭代也是抑制AI向下游落地变现的原因，因为从从业者到客户都在疲于应对新变化。而目前以fable5等为代表的模型能力已经具备了在大部分场景落地的能力，K3等开源模型也引发了全球性的讨论关注。这时候需要的是通过harness、looping enginering等方式去针对性落地的，AI的整体价值也有望向相应直接面对客户的厂商传导。

scalinglaw依旧有效且有巨大价值
我们并不认可当前模型能力已经ready就不需要继续大力出奇迹了。持续学习能力尚未具备已是共识，而领先模型厂每次发布让AI做奥赛、做EDA、解决数学难题等并非只为营销，AI的未来就是要持续突破上限，以求解决目前无法解决的问题，模型依旧需要持续变大。

模型不是价格战、而是分层
场景也分三六九等，用fable5做星座答疑显然是大炮打蚊子。所以目前海外、国内看到的部分模型低定价，不能理解为价格战，而是AI在快速扩大覆盖人群、场景的有力证明，经济学原理告诉我们，价降则量升。贵的模型做贵的任务，反之亦然。

优质应用企业已经开始展现业绩
AI下游的投资当然不能停留在逻辑叙事，但我们目前能看到的是，不仅仅是腾讯workbuddy、字节豆包付费用户高歌猛进，诸如 金山办公、美图、迈富时等公司的业绩预告中均 有实实在在的总收入、净利润等的数据证明，而非停留在"AI收入、AI PS估值"的主题炒作阶段。

[强]建议关注
段子篇幅有限，我们对AI整体链条坚定看好，研究下游是为了更好的投资上游，同时储备下游机遇。
->持续看好算力产业链：核心出口零部件(光/设备/pcb等)、国产芯片、算力租赁、交换芯片/机、云等（具体标的见前段子)
->看好CPU环节，如果不好选场景、如果应用叙事仍需接受时间，但产业角度CPU是多重交集(上游硬件-下游落地、Agent的核心铲子)：AMD、ARM、Intel、海光、澜起、禾盛等。
应用可逐步开始关注【有业绩、初步有清晰AI增量叙事】的标的：
->A股：金山办公、深信服、税友股份、能科科技、合合、万兴等
->港股：金蝶国际、迈富时、英矽智能、五一视界、海致等

## 总体总结

主题正文
1. 如果说26年之前，AI的整体叙事依靠供给链(到csp的capex为止)的推动，那么今年的AI核心回答了一个问题：AI至少在coding场景可以养活自己，有正循环。
2. 下一个coding其实不用找，ToB/c Agent、AI4S、多模态(未来互动型AI)都在如火如荼开展且空间巨大，不过正如Coding也发展了近3年时间才爆发，目前非coding场景的落地正处于持续推进阶段，而且coding是最为标准化、生成结果验证机制最无人化的场景，其他场景需要定制，这也是FDE的价值所在。
3. 过去模型持续迭代，我们跟很多应用厂商交流均反应："我们刚基于A-1.0做出应用，B-2.0 C-3.X模型就出来了"，模型的快速迭代也是抑制AI向下游落地变现的原因，因为从从业者到客户都在疲于应对新变化。
4. 而目前以fable5等为代表的模型能力已经具备了在大部分场景落地的能力，K3等开源模型也引发了全球性的讨论关注。
5. 持续学习能力尚未具备已是共识，而领先模型厂每次发布让AI做奥赛、做EDA、解决数学难题等并非只为营销，AI的未来就是要持续突破上限，以求解决目前无法解决的问题，模型依旧需要持续变大。
6. 所以目前海外、国内看到的部分模型低定价，不能理解为价格战，而是AI在快速扩大覆盖人群、场景的有力证明，经济学原理告诉我们，价降则量升。
7. AI下游的投资当然不能停留在逻辑叙事，但我们目前能看到的是，不仅仅是腾讯workbuddy、字节豆包付费用户高歌猛进，诸如 金山办公、美图、迈富时等公司的业绩预告中均 有实实在在的总收入、净利润等的数据证明，而非停留在"AI收入、AI PS估值"的主题炒作阶段。
8. ->看好CPU环节，如果不好选场景、如果应用叙事仍需接受时间，但产业角度CPU是多重交集(上游硬件-下游落地、Agent的核心铲子)：AMD、ARM、Intel、海光、澜起、禾盛等。