开放促改革：以服务业尤其是金融开放为突破口
在2026年宏观展望中，一个核心判断是：中国更可能采取“以开放促改革”的路径，而非“左右手互搏”式的并行推进。这里的“开放”，重点落在服务业领域，而其中金融开放又是重中之重。原因在于，对比中美在制造业、经济总量、军事等多维能力后，金融仍是美国相对领先的少数领域之一，因此中国亟需通过开放来倒逼内部制度升级与竞争力提升。
具体来看，2026年可能是金融开放节奏、方式与速度的关键落地窗口期。此前已有一些试点进展，而海南自贸港作为离岛封闭区域，具备天然的政策试验优势——它不仅可承接贸易开放，还可能与金融开放形成叠加试点，例如在跨境资本流动、离岸金融、数据跨境等方面先行先试。此外，上海等其他地区也可能同步推进差异化试点。
值得注意的是，开放与改革的联动逻辑不仅关乎外部压力，更与内部结构性问题密切相关。例如，统一大市场的建设，本质上依赖于财政收入来源的再配置，进而影响区域协调、城乡差距等深层议题。因此，开放不仅是对外姿态，更是撬动内部改革的关键杠杆。
假定大家认为现在中国有最少是一部分美国的整体能力和军事能力的基础上，从国际关系的角度来讲，对中国到底是要证明在当今的这个格局下，中国的行事方式或者叫价值观是跟美国一样，还是跟美国不同？这个事情可能的意义再大一些……即使有人说是丛林法则，但再怎么讲，它最终也还是个人心相背的问题。
所以从结论上来看，可能二六年在现在的国际环境和国内经济结构调整前两章的基础上，更容易看到的应该还是用开放来促进改革。
全球范式转向：产业政策回归与“自由主义市场经济”的松动
一个极具洞察力的现象是：中美在近年出现了高度相似的政策转向趋势——即“举国体制”式产业政策的普遍回归。美国在特朗普政府时期，已明显加强国家对关键行业的干预：包括通过《芯片法案》提供巨额补贴、能源部牵头协调AI产业链发展、对生物医药实施控价（类似中国集采），甚至直接持股关键企业。
这一转向并非偶然。回溯历史，二战后美国长期主导的“自由主义市场经济”范式，本质是建立在美元脱锚黄金、全球军事霸权、跨境资本自由流动三大支柱之上的金融全球化体系。其核心逻辑是：美国以制造业逆差输出美元，再通过金融产品回流美元，形成“产能—金融”双循环。这一机制在冷战后达到顶峰，并催生了1997年亚洲金融危机、2008年全球金融危机等代价。
但如今，这套体系正面临结构性挑战：美国军事影响力收缩、财政不可持续、国内政治极化，导致其难以继续承担全球公共品提供者角色。与此同时，产业政策作为曾被边缘化的工具，正被重新启用——从荷兰支持ASML崛起，到日韩通产省模式，再到今日中美博弈下的政策再平衡，“市场万能论”正让位于“有为政府+有效市场”的新共识。
我们再往回看，如果我们用不往前追溯更早，只是在二战以后……它推动了所谓叫自由主义的市场经济，是因为在汇率和资金流动的跨境这个问题上，减少各国政府的干预，这是自由市场经济当中最重要的一个部分……
你从今天来看……在军事上，我们讲了，它显然在收缩它在全球的军事影响力。他不是认为他的军事能力不行，只是他要把他的军事影响力从冷战结束后的那个状态往回收，太贵了嘛？
房地产周期：土地供给收缩将推升2024–2026年供给缺口
从供需动态看，房地产开发周期通常为2至5年，但近年企业（包括国企、央企）出于去杠杆诉求，普遍缩短持有时间，实际开发周期已压缩至2–3年——即拿地后尽快开工、尽快入市。
由于2022年下半年起土地出让规模骤降超50%，叠加开发周期缩短，将导致2024–2026年新房供给显著收缩，尤其在2023–2025年形成明显供给缺口。尽管历史库存去化压力仍存，但总量层面的供给趋缓，将成为缓解供需失衡、稳定房价预期的结构性支撑因素之一。
这一动态与政策端形成共振：在“三大工程”（保障房、城中村改造、平急两用设施）推进背景下，市场化供给收缩与政策性供给扩容的组合，可能推动房地产市场进入新均衡阶段。
美国的三明治困境：军事、金融与自由主义的失衡
当前美国的宏观战略正面临一种结构性张力：它试图在收缩商品全球化参与（减少贸易逆差）的同时，维持军事霸权与金融控制力（美元主导的全球金融循环）。这实质上是在拆解过去几十年形成的“三层夹心”结构——底层是全球军事存在与安全保障，中层是自由主义市场经济与规则体系，顶层是以美元计价的金融资产全球化。而如今，美国正试图保留最下层（军事）与最上层（金融），却有意削弱甚至剥离中间层（自由市场与贸易开放）。这种取舍并非一蹴而就，而是源于其国内政治现实：关税政策未能带来预期的政治资本，尤其在中期选举前，其执政能力与连任前景均面临压力。因此，近期对周边国家（如加拿大）的外交动作，可视为一种“回炉重炼”——试图通过重塑区域秩序来重获政治动能。
如果你把硬币分成一件事儿，分成两面看，多多少少在今年的中期选举对他最最重要的这件事儿上……因为他有可能丢了众议院。
这一战略调整也催生了新的经济理论需求：现代货币理论（MMT） 的兴起，正是为解释美国政府在中央财政杠杆大幅跃升（疫情后）背景下，为何仍能维持高赤字、高债务而不立即引发恶性通胀。与克林顿时代线性增长的债务不同，2020年起的债务扩张在规模与斜率上均属历史罕见，标志着美国财政范式的根本转变。这种转变，也使得传统宏观经济学的边界被不断突破——经济理论始终是应现实需要而生：从亚当·斯密到凯恩斯，再到MMT，皆是政策实践倒逼理论演进的结果。
中国在美元循环中的角色演变与应对逻辑
中国自加入WTO后，深度嵌入了美国主导的“商品—金融”双循环体系：在底层，凭借制造业优势获得巨额贸易顺差；在中层，接受自由主义规则；在顶层，则因强制结汇机制被动积累美元储备，并进一步配置为美元资产以对冲汇率风险。这一机制解释了为何中国虽有巨额顺差，但外汇储备增幅却相对温和——大量美元被用于结汇与再投资，从而同步推高了人民币基础货币投放与外储规模。
如今，美国主动调整其循环结构（削弱中间层、强化两头），对中国构成双重挑战：一方面，若美国彻底放弃贸易逆差依赖，中国出口导向的增长模式将受冲击；另一方面，若其仅保留军事与金融霸权，中国将更易受金融制裁冲击（如俄罗斯案例所示）。因此，中国近年策略清晰：多元化外储配置（如增持黄金）、重构供应链以分散顺差来源、推动服务业与金融业开放，皆是在为“后美元循环”时代铺路。
美国想要竭尽全力保持和保证它的金融全球影响力和控制力；中国希望竭尽全力摆脱这个完全的美元金融控制力和影响力……
金融开放的路径：从香港窗口到资本项目突破
中国金融开放遵循“邀请制→注册制”的渐进逻辑，类似科创板从试点到全面注册制的演进。但与制造业开放不同，资本项目未开放使外资进入意愿受限——“进来容易、出去难”成为现实障碍。在此背景下，香港成为关键制度窗口：其适用普通法体系、无资本管制、已积累大量离岸人民币资产，天然适合作为人民币计价资产的海外融资中心。
一个值得观察的潜在变量是港币联系汇率制度的调整。在美元进入降息周期、人民币存在升值预期的窗口期（如2026年），港币或可效仿2005年内地方案，从单一挂钩美元转向一篮子货币，其中人民币权重或显著提升。此举将强化港币对人民币资产的锚定功能，助力中国资产在海外赢得更多流动性青睐。尽管实现路径仍存制度与市场稳定性挑战，但近年中央对香港的人民币额度支持、数字货币试点等举措，已为这一转型提供必要铺垫。
……港币可能会像二零零五年内地汇改一样去挂钩一篮子货币，就不是只挂美元。
海南封关：开放试验田与物流新通道
海南封关运作恰逢其时——人民币升值、人民币国际化推进与中国金融开放三者并行，使其成为观察2026年宏观走向的关键窗口。洋浦港作为核心支点，已显著带动海运增长；其潜在影响不仅在于分流上海、舟山港的部分货流，更在于开辟绕开马六甲海峡的新航线可能：若经印尼绕行或直接穿越南海进入印度洋，虽航程略长，但可规避地缘风险。相比之下，陆海联运通道（如中巴瓜达尔港）仍面临地形、跨境基建协同等现实瓶颈，短期内难以形成系统性替代。海南的优势在于其完全可控的地理与行政边界，使其成为政策试点的理想载体。
“海南这个是相对容易，因为这是在自己可控范围里面的，所以这是直接的影响，这没问题。”
此外，北极航线的渐进式可行也带来新变量——因全球变暖与船舶技术进步，通航窗口延长，而格陵兰岛因地理枢纽地位迅速上升，成为大国博弈新前沿。美国对格陵兰的兴趣，除能源外，亦与北极航线的战略价值密切相关。
服务业开放：税收优惠与制度试点的耦合
海南的政策组合拳中，企业所得税与个人所得税的明确优惠，对中高端人力密集型服务业（如金融、教育、医疗）具有极强吸引力——这类行业毛利率高、人力成本占比大，对税率高度敏感。叠加“进口料件在岛内加工增值超30%即免征进口税”的制造激励，海南有望成为服务业与轻加工协同发展的试验平台。
值得注意的是，海南此前已获批开展创新药械先行先试，为后续服务业开放积累制度经验。若将历史类比，深圳当年作为特区的开放初衷是服务加工贸易，却意外催生了国有土地使用权拍卖制度；同理，海南当前聚焦贸易与转口服务的政策，可能因衍生出金融、法律、咨询等高端服务业需求，倒逼出更深层次的制度突破——尤其是当这些需求恰好与海南的税收与管理便利性形成共振时。
“显然，深圳最早开始做开放政策试点的时候，不是为了试点房地产的。但是，因为它为了配合贸易项的需求……导致了它最先在全国突破或者尝试了房地产相关的一些土地转让政策。”
金融开放：路径、前提与渐进逻辑
2026年金融开放的核心命题，是从何处、以何种方式启动试点。传统路径依赖上海，但其开放可能引发较大市场波动；而海南等相对封闭、易管控的区域，更适合作为“压力测试场”。从政策脉络看，人民币国际化与资本项目开放是不可逆的两步走：前者可依托贸易地位先行（如中国与阿根廷贸易中人民币结算占比提升），后者则需以货币自由流动为前提——但这绝非孤立动作。
金融开放真正的难点在于体系化建设：包括法治化保障（如财产权认定）、监管现代化（如从“邀请制牌照”转向“注册制”）、以及与资本市场改革（如科创板注册制）的协同推进。当前中国支付清算牌照向美资开放，仅是信号释放；未来是否实现“符合条件即发牌”，将检验开放诚意。历史经验表明，资本项目开放曾因2015年股灾而暂缓，如今在国际环境趋稳、国内结构优化的窗口期，政策制定者更可能采取渐进、审慎、以点带面的策略。
“金融开放最重要的问题是一定要做体系和法治化建设……这是个国家的现代化也必须做这个事情。”
制度开放：以开放促改革的渐进路径
中国在开放过程中采取了一种“左脚制度建设、右脚试点推进”的双轨并进策略。以科创板为例，尽管实行注册制，但企业即便满足形式标准，仍可能因未被纳入“邀请范围”而无法获得注册名额——这说明注册制≠无门槛开放，而是制度性开放的阶段性体现。类似逻辑也出现在金融牌照发放中：条件明确后，是否获批仍取决于政策节奏与战略安排。这一过程高度渐进，体现为“制度制定—试点运行—效果评估—制度再优化”的循环迭代。制造业开放已走过类似路径：早期《外商投资准入负面清单》严格限制持股比例，如今除个别行业外已全面转为负面清单+注册制管理，大幅降低制度性壁垒。这预示着2026年金融开放将聚焦于特定地区、行业与制度变革的交汇点，而这些领域可能孕育重大结构性机会。与此同时，过去依赖牌照与准入壁垒的本土服务业（尤其是金融领域）将面临竞争压力，牌照保护的退潮意味着行业集中度提升与服务升级的必然性。
科创板是注册制，是注册制。我的意思就是这个嘛，就是你说注册制，我们是注册制，对，这是中国非常典型的。
它在开放的过程当中是两件事儿在左一脚右一脚左一脚右一脚的往前迈，有一边的脚是尝试进行体系化和制度化的颁布、制定和修改。另一只脚是在这个基础上尝试进行试点性的开放……
中美开放路径分化：叙事、规则与国际组织博弈
中美在开放逻辑上呈现系统性反向运动：中国持续扩大免签范围、推动新能源转型、降低对发展中国家关税、支持国际组织有效运转；而美国则收紧签证政策、强化石化能源依赖、增设贸易壁垒、退出多边组织。这种分化背后，是国际秩序主导权认知的根本差异——美国认为二战后由其主导建立的国际体系已不再服务其核心利益，转而寻求规则重写与新体系构建；中国则作为体系中日益重要的受益者与贡献者，更倾向于优化而非颠覆现有机制。中国推动开放的动因有二：一是弥补国际叙事缺位，通过免签等举措缓解“耳闻不如眼见”的认知偏差；二是基于现实自信——即外部观察者若亲身体验，将发现中国实际表现优于主流叙事。相比之下，美国的限制性政策则更多源于国内政治、移民管控等多重考量，但其结果是全球信任赤字的进一步扩大。
因为美国在二战以后主要推动建立的国际组织，在今天他觉得很多不符合他的意愿了。所以他想……他要不干了，就想要改变规则，改变规则，对他想要再建一个新的体系。
中国开始变成其中的更主要的受益者和推动者，所以中国希望把这些国际体系和组织能够更好的运用和推动起来。大概最大的差别就是这个。
资本市场与AI产业：泡沫、周期与盈利拐点
2026年资本市场观察聚焦三大变量：美国降息周期的深度与节奏（影响美元汇率与资本外流）、AI热潮的顶点信号（历史显示泡沫高点常与核心企业上市同步，如2008年黑石、2015年Uber/Airbnb、2000年互联网泡沫末期），以及美国中期选举对政策连续性的影响（若执政基础弱化，可能引发政策预期重估）。当前私募资本仍高度集中于美元风险资产，OpenAI、Anthropic等AI头部企业估值逼近万亿美元，SpaceX虽属商业航天但亦反映资本热度——三者互为因果，表明全球资金尚未大规模再配置，周期尚未进入明确衰退阶段。值得注意的是，泡沫破裂往往由非基本面事件触发（如意外卖盘或流动性冲击），而非技术或业绩本身。
A股方面，增量资金来源明确：一是储蓄搬家（2022–2023年三年期定期集中到期后转向理财、基金等产品），二是保险资金权益配置系数调整带来的结构性增配，叠加ETF规模突破5万亿的平准效应。港股则更受国际资本流动与政策信号影响——当全球资金回流中国资产时，其受益程度取决于中国是否持续兑现改革开放承诺与科技竞争力。在AI产业层面，当前处于“第一波（大模型）美国领先、第二波（Agent/机器人）中美并行、第三波（盈利应用）中国有望反超”的演进中：大模型仍普遍亏损，而通用Agent与人形机器人已出现部分盈利企业；2026年关键观察点是：谁能在保持AI概念的同时，真正实现基于AI的商业化盈利——这将决定二级市场估值逻辑从“想象力”转向“现金流”的拐点是否到来。
但你从历史上来看，有一个有意思的事情，是每一次所谓叫泡沫的终点，或者叫热潮的最高点，都是跟叫这个方向最重要的公司即将上市或刚刚完成上市作为终点的。
你到真正应用端，大概基本上中国就会逐渐开始有优势了。那你从结果上来看……就看谁真正意义上不是靠概念……还能真正意义上拿AI做出盈利来。
AI产业演进：从大模型烧钱到云化整合
当前AI产业已进入第三阶段：企业不再只看收入，而更关注能否真正盈利。尽管部分公司（如个别大模型企业）仍在严重亏损，但整体已出现分化——有收入≠可持续盈利。从行业引导逻辑看，二级市场将更聚焦于“既有AI概念，又能用AI实现盈利”的公司。值得注意的是，中美上市企业仍以第一类（技术验证/收入阶段）为主，但中国部分企业已展现出更强商业化能力。
以字节跳动为例，其作为少有的全球化媒介科技企业，已实现显著盈利（据传2024年净利润达500–600亿元人民币），展现出中国企业在AI时代突破全球竞争壁垒的可能性。相较之下，美国同类企业估值动辄达数千亿美元，而中国超高估值企业（如某些估值数百亿人民币的AI公司）虽融资活跃，但整体仍处于“高估值、中等亏损”区间，尚未形成美国式的指数级估值泡沫。
“如果你要观察一些有意思的现象，其实它最近这大概两三个月，就是在港股的一些重要公司打新里边和在A股的一些重要公司……保险都开始比较多地出现了。”
“大模型基础模型的服务要变成云？然后算力也会变成云，那它如果一变成云，可能这些超大型公司就有巨大优势……软加硬的把它变成云服务。”
从技术演进路径看，大模型正加速“云化”：未来基础模型、算力、应用将深度整合为一体化云服务。阿里云、微软Azure等已具备“软硬一体云服务”能力——既提供算力基础设施，又输出基础模型调用接口（如通义千问），形成显著生态壁垒。这使得创业公司生存空间被压缩，大模型第一波浪潮（独立模型公司）或将终结。类似十年前硬件云的整合路径：早期众多创业公司竞争后，最终仅剩少数基础设施巨头。微软凭借其在操作系统、SaaS、协同办公、云服务等每一轮技术浪潮中的快速跟进能力，已构建起强大护城河；其对大模型的布局虽起步稍晚，但凭借资源与整合能力，仍具后发优势。
唯一不确定性在于OpenAI：其当前估值已高到难以被并购，又缺乏自有云基础设施支撑，若无法通过IPO或垂直应用（如与X平台整合的AI社交/内容生态）实现商业化闭环，其长期价值将面临质疑。马斯克的xAI若坚持“垂直集成”路线（如服务于自动驾驶、机器人），或可避开与云巨头的正面竞争，但其能否形成独立商业闭环仍存疑。
最终，AI竞争的核心已从算力与模型转向数据：数字化程度、数据质量、数据流动规则（定价、脱敏、授权机制）将决定未来十年的产业格局。数据不仅是生产要素，更是国家与企业级核心竞争力的基石。
资本市场：长钱入场与医药板块触底反弹
中国资本市场正经历结构性变化：保险资金作为“长钱”代表，正逐步参与一级市场基石配售与二级市场配置。相比过去以短期炒作为主的打新资金（如港股中大量“开盘即卖出”行为），保险资金因资金久期长、风险偏好稳健（强调“分红加安全第一”），更倾向于长期持有新股，有助于降低市场短期波动性。尤其在科创板、港股新股发行中，保险机构的参与比例明显上升，成为继ETF之后又一稳定器力量。
与此同时，创新药行业已度过“三年暗时刻”。2024年全球创新药授权合同总额约2000亿美元，中国达1300多亿元，占比超60%；但首付款比例仍偏低（仅约5%，约为国际水平的一半），主因管线偏早期、打包交易多、国内竞争激烈导致买方议价权强。尽管如此，政策支持（如2024年底《关于鼓励创新药高质量发展的若干措施》）与市场数据表明，中国生物医药研发已走出低谷，进入效率验证阶段。
“中国这么大的体量，无论是四大五之间，都是很了不起了呀。”
“从我刚才讲到那个差异化来讲，我们就纯粹把它理解为外资投行代表的是外资本身对宏观的看法……它肯定需要你有更多确定的积极信号来做资金的回流和回配。”
外资对中国资本市场的关注点已从“竞争力与开放意愿”转向“经济能否企稳”。其预期普遍偏悲观（2026年GDP预测中值约4.5%–4.8%），远低于国内机构（4.7%–5.4%）。若宏观数据持续改善、政策信号明确，外资有望从“低配”转向“相对超配”（即悲观预期修正带来的回流），进而提振港股与A股流动性。当前国内流动性主要依赖两股力量：储蓄向理财/保险转化的资金，以及政策鼓励下的保险资金配置扩容——后者虽侧重安全与分红，但已开始有选择性地参与高壁垒、长周期赛道（如GPU、创新药），推动市场向理性化、长期化演进。
宏观与开放：数据成为新竞争维度
中美宏观环境差异正催生新的竞争范式：数据已成为比算力、模型更底层的生产要素。无论金融AI、医疗AI还是垂直行业应用，其天花板最终取决于两个维度——数字化的广度与深度（决定数据规模与质量），以及数据治理与流通机制（决定数据如何被定价、使用、脱敏与授权）。这不仅是技术问题，更是制度与生态问题。
“最后都回到了数据问题……到底数字化的程度和范围，这个决定了数字的基础规模和质量问题。”
“这些数据是怎么流动和管理的？……每个人用的时候，是不是有不同的使用方式和价格基础？大概这是个极其巨大和复杂的问题。”
当前中国在数据要素化进程中已迈出关键一步：公共数据开放、行业数据平台建设、隐私计算技术落地等举措，正逐步构建“可用不可见”的数据流通基础设施。但与美国相比，中国在数据确权、交易定价、跨境流动规则等方面仍处探索期。未来十年，谁能率先建立高效、可信、可扩展的数据治理体系，谁就将在AI时代掌握核心竞争力。这不仅是技术竞赛，更是制度创新的比拼——数据主权、治理能力与开放程度，将共同定义新一轮全球化竞争的胜负手。
数据：AI时代的新型生产要素
当前，AI驱动的生产力变革已进入深水区，数据正成为比模型和算力更关键的长期竞争力来源。正如文中所言，数据的基础规模与质量，以及数据的流动、定价、脱敏与使用权限管理，构成了未来十年最核心的生产要素问题。与土地等传统要素不同，数据具有非排他性、可复用性与跨地域共享潜力——河南能用，湖北也能用；医院、药企、保险公司可同时调用同一份数据，但用途、付费意愿与结构化需求各不相同。这种特性使得数据的统筹治理、确权机制与分级定价体系变得异常复杂，也成为中美在AI战略上即将分道扬镳的关键节点。
“你从中国和美国……大概从二零二六年开始，这个就会开始出现分化了，因为只有今年开始，这些AI才会开始到数据了。”
“最终所有的约束的瓶颈都是数据。”
中国已率先行动：中央层面设立数据管理机构，上海作为试点城市正推动公共数据（如医院临床数据）的脱敏、清洗、结构化与标准化，并探索面向不同用户（药企、保险、慢病管理平台）的差异化调用与商业模式。相比之下，美国尚未形成统一协调机制，数据确权与流通规则仍处于碎片化状态。这种制度差异，将在2026年后深刻影响两国在AI产业落地阶段的效率与盈利空间——谁能高效、合规、低成本地调动高质量数据，谁就掌握AI时代的“石油”命脉。
AI投资趋势：从模型竞赛到软硬一体化
一级市场对AI的投资逻辑正经历明显迁移：2023–2024年聚焦大模型本身，2025年转向机器人，而当前（2025年末至2026年初）最热赛道已变为智能硬件——涵盖消费端（可穿戴设备、智能相机、无人机）、宠物设备等多场景智能化终端。这一趋势反映市场共识正在形成：独立大模型公司若仅提供基础模型服务，将面临与云基础设施类似的“重投入、长回报”困境。
参考云计算发展史，若大模型走向云化、软硬一体、算力服务化路径（如IaaS），其商业模式将趋近于基础设施提供商，估值逻辑偏重规模与效率；反之，若能深度嵌入垂直场景，提供直接可调用的应用服务（如Zoom、SaaS工具），则更易构建用户粘性与盈利闭环。值得注意的是，模型能力的领先优势正在消解——腾讯等追赶者完全可能在2–3年内弥补技术差距，最终竞争壁垒回归至数据资源与生态整合能力。
“最终的竞争壁垒全是数据。”
以微信输入法升级为例：其近期强化的“语音转文本”功能背后，实为大模型在语境理解与纠错能力上的跃升，背后是数据反馈闭环与模型迭代能力的综合体现。这提示我们：模型只是工具，数据才是燃料，而场景才是价值出口。
输入法竞争：数据为王，场景分化
当前大模型驱动下的输入法升级，本质上是语音识别与上下文理解能力的比拼，而背后的核心壁垒已从技术转向数据积累的质量与规模。尽管字节跳动通过豆包等产品快速提升语音识别准确率，对腾讯形成明显挑战，但微信凭借过去十年在含上下文的文本与语音语料上的海量沉淀，仍占据数据优势。语音转文字并完成合理校正与纠错的能力，目前仍以微信为最优。然而，不同企业正走向差异化路径：阿里依托电商、交易与消费者行为数据，在交易导向场景中具备独特优势；字节则在图文视频内容理解方面积累深厚。这种数据结构的差异，将深刻影响各平台在AI时代的发展方向——“大家各自最擅长的地方会有一点点差异化”。
“最终的竞争壁垒全是数据……只要足够多的钱去砸人和砸研发的话，最终的竞争壁垒全是数据。”
“它这个数据全都是跟个人隐私高度相关的……这可能是个很长很长的数据治理问题。”
Agent落地：依赖数据、客户与流程三位一体
Agent作为大模型的轻量化应用形态，其成败关键在于是否同时具备垂直场景数据、真实客户基础与成熟数字化流程。这三者缺一不可——只有当三者齐备时，Agent才能成为提升效率的实用工具：通过小模型在已有客户中替代部分人工、解决具体问题。因此，Agent最适配的并非初创公司，而是已有一定数字化程度的中型企业。对于新创公司而言，难点在于如何同步获取初始数据、客户验证与流程嵌入——用户不可能在非数字化环境中完成Agent交互闭环。
与此同时，硅谷近年兴起一种新型并购模式：大厂（如Google、Meta）不再整体收购初创公司，而是以IP+数据+团队锁定为标的支付授权费，规避反垄断审查。这种模式虽加速技术整合，却显著降低对财务投资人的回报友好度：现金分配高度前置，优先保障创始人与早期股东利益，后续投资人收益被压缩。这种机制在中国尚未普及，但随着AI产业成熟，未来可能被借鉴——尤其当一批模型与Agent公司集中上市时，将引发新一轮投资策略调整。
“它最终是取决于谁有足够多的数据……在垂直具体应用场景上，然后最好你还有客户，你还有数字化流程。”
资本节奏：上市潮下的结构性分化
2026年可能迎来AI领域关键分水岭：一批大模型公司与Agent应用公司集中上市。这一进程将引发资本市场的结构性反应——若首批上市企业（如智谱、Mini Max、月之暗面）表现稳健，将形成正向财富效应，吸引更多资金涌入AI赛道；反之，若表现疲软，则可能暴露泡沫风险，倒逼行业加速整合。
值得注意的是，公开市场定价将重塑一级市场估值逻辑：一旦头部模型公司上市并获得合理估值，后续未上市的同类项目将面临“后来者估值折价”压力。投资者更倾向押注尚未被验证的垂直领域AI应用，尤其是那些具备“千行百业”落地潜力、且能成为首批上市标的的创新方向。这并非否定大模型价值，而是体现为投资节奏的结构性前移——资本更愿支持“带着AI先上市”的新兴应用层企业，而非重复建设基础模型。
“它会激励投AI，是因为在投AI的过程中出现了财富效应……原来不看好AI的也会愿意投AI。”