DeepSeek Moment：一场改写全球AI格局的开源风暴
台积电向来以冷静、理性著称，而它在2025年初财报分析师电话会上的一番表态，却意外成为观察AI真实需求的关键信号：董事长宣布将2026年资本开支（KPS）从原定的490亿美元上调至520亿至560亿美元区间，并强调“这种投资是非常审慎的”。为验证AI需求的真实性，管理层在过去三到四个月中密集调研客户及终端用户，最终得出“令其非常满意”的结论——在产业链最尾端、最理性的公司中，AI需求已给出明确预期。这一信号，标志着全球AI从概念狂热转向真实落地的拐点。
回溯至2025年1月20日，DeepSeek发布开源推理模型DeepSeek R1，迅速登顶全球应用商店榜首，并引发美股剧烈震荡：英伟达单日市值蒸发近六千亿美元，A股、港股随即开启新一轮上涨行情。这一事件被业内称为“DeepSeek Moment”，它不仅是中国AI发展的分水岭，更意味着中国AI模型的命运齿轮开始与美国紧密咬合。
“它只花几百万美金……就可以做的差不多，而且甚至看上去更好。”
“DeepSeek可能是国运级别的科技成果。”
开源即战略：中国模型厂商的范式跃迁
DeepSeek R1的核心突破，不仅在于其训练成本仅为千亿级美元模型的千分之一量级（约数百万美元），更在于其开放性带来的范式颠覆。不同于OpenAI在2024年Q4推出的L2级模型O1（闭源），DeepSeek选择将完整训练方法、实施细节乃至数据集采集策略全部开源，并在论文中明确展示：其方法不仅提升了自家R1性能，还可迁移至Llama等主流开源模型，实现性能同步跃升。
这一姿态彻底扭转了行业认知——此前普遍认为，L2级模型必须依赖巨额投入与闭源研发；而2025年，中国厂商以高频开源实践，推动全球开源模型生态强势复苏。据观察，当年全球AI模型榜单前二十中，绝大多数为中英文双语、多尺寸覆盖的中国开源模型。即便OpenAI也不得不调整策略，将部分非最优模型开源以适应生态。
“从你VC的感觉……至少从更大众的维度或媒体维度，倒退一年前，中国还是看客吧，然后突然间就变成了核心玩家了。”
“这一轮变成了中国的开源的这个姿态，在促进了整个世界的AI的开源，还有包括往前推进。”
2025：技术、资本与应用的共振之年
2025年是AI从模型竞赛迈向应用落地的关键一年。技术层面，强化学习、Agent架构持续演进；模型迭代上，DeepSeek在V3基础上推出R1后，虽未按预期发布V4/R2，但持续输出多篇关于模型结构研发的核心论文，为下一代模型铺路——基础模型与推理模型正趋于融合，预示未来可能以统一架构完成端到端训练。
资本市场与用户行为同步验证这一趋势：字节豆包日活突破1亿，OpenAI ChatGPT周活跃用户达9亿，双方均实现留存曲线“微笑曲线”突破——即用户留存率随时间不降反升，标志产品进入质变临界点。与此同时，中国A股“A证”概念在3月兴起，5月延续热议；4月美股回调虽主因宏观因素，却与AI投资节奏波动形成共振。
“我们这边的工程师们更擅长……后面的事情更多是偏工程跟实施的问题，成本效率的问题。”
留存曲线与质变临界点
当一个产品的品牌影响力与功能叠加达到一定阈值后，其用户留存曲线会出现显著变化：原本应随时间递减的留存曲线被拉起，标志着从量变到质变的关键跃迁——即所谓“微笑曲线”的形成。这一现象在2024年Q4尤为明显：ChatGPT、豆包等产品均报告了留存曲线的上扬，意味着其已越过某个临界点，进入更稳定、更具粘性的增长阶段。
与此同时，中国主要科技巨头在Q4集体加码AI投入。阿里不仅在阿里云与通义千问模型上持续发力，更将AI战略延伸至To C端（如通义app）及蚂蚁集团（如“阿福”模型与应用）；字节则借势春晚赞助，推动豆包在发布当日即迎来DAU高峰；腾讯虽未公开大规模动作，但新任AI负责人姚飞与张小龙团队的动向备受期待。这些动作共同指向一个结论：中国AI大模型的“前序战役”已基本结束，头部格局趋于固化。
“留存曲线拉起来就代表它变了，量变变到了一个质变的过程，我们叫微笑曲线。” “ChatGPT是在十月份拿到的，传说豆包也拿到了，就是它的留存的曲线拉起来了，那就可能到了某个临界点过了。”
模型军备竞赛与路径分化
尽管大模型赛道看似高度集中，实则呈现“条条大路通罗马”的多元格局：除BAT等巨头外，百度、小红书、B站、小米、美团乃至科大讯飞等上市公司均在自研模型，尤其聚焦To B、企业服务与政府场景。一个关键观察是：中国模型厂商普遍以远低于OpenAI的投入（约其1%量级），实现了80–90%的性能水平，并高度适配本土需求——这得益于开源生态、工程优化能力及丰富的中国特色应用场景（如机器人、先进制造等）。
与美国高度依赖超大规模金融叙事、路径单一不同，中国AI发展具备显著的路径多样性：既可走大模型路线，也可聚焦垂直推理、Agent能力或工程落地。值得注意的是，2025年Q4美国兴起的“New Lab”浪潮（如前OpenAI、Google研究员创立的研究实验室），正试图探索基础模型的新范式；而中国则更倾向于在现有模型基础上，通过Agent化、工具调用与行为闭环实现价值延伸。
“我们这边可能有巨深，啊，有机器人，有各种各样的延展，包括先进制造。很多的问题，它可能都叠加在一起。那不是只有那一条路走到黑的选择的。”
从看见到干活：Agent的兴起与基础设施困局
2025年Q2前后，Agent成为行业讨论热点，其本质是AI从“看见它在思考”（L2推理模型）迈向“看见它在干活”（L3行为执行）的跃迁。Meta的早期尝试虽短暂惊艳，却也暴露了核心矛盾：AI Agent并非模型公司单方面可完成的任务——它需与外部环境深度交互（如访问网页、调用API、打车、填验证码），本质上是一个系统工程问题，远比纯语言模型复杂。
正因如此，2025年下半年，纯Agent应用层的热度下降，而Agent Infra（基础设施） 反而获得更高关注：包括AI专用浏览器（如Browser Use）、身份认证协议（如MCP/ACP）、AI访问权限管理等新兴方向。这些基础设施的特殊性在于：互联网早期协议（如HTTP）是公有的、无商业属性的，而今天AI基础设施必须在商业逻辑下重新构建——谁来制定？谁来维护？如何激励？这些问题尚无标准答案。
“你看见了一个东西，在做执行，在打开网页，在访问，在点击，在收集数据，在做PPT，就是这个看见的过程……大家期待中的AI Agent应该是这个样子。” “它就跟自动驾驶一样了……它就变得复杂。那逻辑上来说，这个复杂的流程就不可能是短期就能突然间解决的。”
思考的可视化：从‘快’到‘深’的体验跃迁
DeepSeek App 初期并未上线“深度思考”功能，用户只能看到结果，无法感知模型的推理路径。当这一功能被点亮后，模型开始逐步拆解问题、呈现逻辑框架与思维链条，用户第一次“看见”了AI的思考过程——这不再是简单快速的应答，而是有节奏的慢思考。这种转变带来的震撼在于：它不仅给出了答案，更以结构化方式重新组织了问题本身，甚至启发人类用户从未曾设想的角度切入。
此前的模型如 GPT 或元宝，虽能快速输出内容，但缺乏对推理过程的显性表达；而 DeepSeek 的“深度思考+在线搜索”双功能组合，构成了完整的体验闭环。当模型不再急于给出答案，而是展示如何得出答案时，其能力跃升才真正被感知。这标志着 AI 从“工具性应答”迈向“认知性协作”的关键一步。
“但凡把深度思考点上，然后它开始给你展现它的思考，它的思维过程，你那一下就是非常震惊的，实打实的看到了一个模型‘思考’的方式。”
“他不是在随便的胡说，他的很多想的角度拆解的方式，可能你都没有想过，是他会让你有启发，反而给我结构化了。”
多模态融合：从‘并行车间’到‘统一盒子’
2024 年，AI 模型的多模态能力实现质的飞跃。Google 的 Gemini（Nando）在实际应用中展现出惊人整合力：面对小学六年级学生“职业日”PPT制作需求，它不仅能将《火影忍者》《蛋仔派对》等文化符号精准映射为 AI 能力的类比载体（如佐助的复制能力对应模型微调），更能将《西游记》的叙事框架抽象为“唐僧（用户）+孙悟空（模型）+紧箍咒（指令约束）”的认知协作模型，并用“老君炼丹炉”隐喻数据、算法、算力三位一体的训练逻辑。
这一案例揭示出：新一代模型已不再依赖‘语言→图片→视频’的并行处理流程，而是以‘多模态输入→统一核心→多模态输出’的单体架构运行。用户只需一句“请用《西游记》风格讲AI”，模型便自动完成语义理解、文化转译、逻辑映射与可视化构建——它不再只是‘画图’，而是在构建认知框架与常识体系的深层匹配。
“它完完全全的理解逻辑框架 common sense 这些东西，然后再匹配可视化。这个是今年才实现的，对，今年确实没这东西，实现没有，达不到。”
搜索与情绪：中美模型路径的分野
中美大模型发展路径正呈现明显分化。Google 凭借其搜索基因，在严肃信息整理、事实核查与收敛性任务中保持优势——其模型天然继承了搜索引擎对信息权重、可信度与排序逻辑的深层理解，因此在需要低幻觉、高准确率的场景中更具可靠性。
而 OpenAI 则选择另一条路：强化情绪价值与个性化陪伴。GPT 等产品开始加入大量恭维性、共情式语言，试图构建更拟人化的交互体验。但这也导致其在专业、严谨场景中表现受限——毕竟 OpenAI 并非搜索出身，第三方搜索接入终究是“锦上添花”，而非“地基重构”。
与此同时，X AI 在马斯克驱动下，以超常规资本投入与生态整合（X平台+数据中心+SpaceX协同）实现估值跃升（达23亿美元），虽当前收入仅约5亿美元，远低于 Google（200亿）与 Meta（90亿），但市场更看重其“马斯克叙事”的长期潜力。而 Meta 则因缺乏云基础设施、内部架构动荡及技术定位模糊，在这场军备竞赛中明显掉队——没有云，就缺乏模型落地的‘内层承接’，千亿投入便如空中楼阁。
云基础设施缺失：Meta的结构性短板
在AI硬件与模型竞赛中，云能力已成为巨头级公司的“入场券”。当Meta高调宣布投入1000亿美元用于AI基础设施与模型研发时，外界普遍关注：它是否具备承接这笔巨额投入的底层能力？答案是否定的——Meta是唯一一家未自建公有云的美国科技巨头。微软、Google、Amazon这三家云厂商（AWS、Azure、GCP）均具备完整的云-模型-应用闭环，而Meta缺乏云层作为“内层承接”，导致其千亿投入显得“飘在天上”。这一结构性缺陷，叠加其模型策略混乱、工程落地滞后等问题，成为其2024年股价表现疲软的重要原因。
为追赶进度，扎克伯格采取了激进策略：大规模挖角硅谷核心工程师，组建了一支“特种兵”式团队，并任命一位风格张扬、经验尚浅的负责人主导AI方向。然而，在模型曲线已被头部公司大幅拉开的背景下，这种“速成式追赶”难以奏效——Llama系列在Q3-Q4几乎失声，至今未发布新一代开源模型。
“你这一千亿美金其实是飘在天上的，你没有云内层做承接，可想而知它内部的这些状态。”
“Meta是唯一一家没有云的美国科技巨头，所以为什么去年Meta股价不好也是个原因。”
五层蛋糕模型：巨头的必争之地
当前科技巨头的竞争逻辑，已演变为对AI基础设施五层架构（芯片→数据中心→云平台→模型→应用）的全面覆盖能力比拼。谷歌凭借自研TPU、全球数据中心、Cloud AI、Gemini模型及Search/Android等应用，成为唯一在五层均具统治力的公司；亚马逊虽以云和物流机器人见长，但AI模型相对滞后；中国巨头则普遍构建了“云+AI+应用”三位一体能力：阿里含云（阿里云）、模型（通义）、应用（淘宝/钉钉）；字节、华为、百度亦在基础设施与模型层持续加码。
这种“全栈能力”已成市场对科技巨头的隐性评判标准——谁在某一层存在明显短板，谁就面临估值折价。贝佐斯早年布局太空（Blue Origin）与仓储机器人，表面看是战略延伸，实则指向“物理世界闭环”：唯有掌控从数据采集、算力供给到模型训练、应用落地的全链路，才能实现可持续的AI商业化。
“大家就开始把各家公司在这个五层上的能力做对比……市场的规则或者市场评判你的角度就是这样都得有，就是都得有。”
“你像年底特别多那种报告拉那个对比的单子嘛，就是把产业链分开……就变成了谁在哪个地方比较强一点，谁在哪个地方比较弱一点。”
初创公司的破局点：非对称竞争与商业反哺
面对巨头的“五层蛋糕”围剿，初创公司难以复制其全栈路径，但DeepSeek的出现揭示了一条新范式：以商业化能力反哺模型研发。作为国内首家由量化交易团队主导的大模型公司，DeepSeek展现出独特的“非对称优势”——不依赖广告/云/硬件生态，而是通过量化业务实现现金流自循环。其模型能力（如OCR、数学推理）与交易系统深度耦合，形成“数据-训练-反馈”的实时闭环，规避了传统模型公司“烧钱换进展”的困局。
这一模式引发硅谷反思：美国头部模型公司是否也应涉足量化基金？毕竟，当前订阅、API、To B等收入仍难覆盖千亿级算力投入。中国量化基金（如幻方）已验证“AI+金融”的协同效应，而美国量化生态更为成熟，若模型公司切入该赛道，或可开辟第二增长曲线。
“DeepSeek就是不仅是中国，还是美国，可能都要感谢这家公司的出现，就是它有一种完全商业逻辑上分析不出来的身位跟角色做了一件事情，并且看上去他不受任何的影响。”
“他们又是最做量化出身，跟这个战场结合最深的一家公司，所以有点独孤九剑的感觉，就是很特殊，非常特殊。”
多模态与世界模型：从语言到物理世界的跃迁
当前AI发展的一个肉眼可见的共识是：纯语言模型正快速进入一个窄领域瓶颈。视觉、图像类模型与语言模型的融合趋势日益明显，多模态、多进多出成为主流方向。智谱和通义千问近期均发布了多模态模型——智谱推出其首代图像生成模型，DeepSeek则发布了OCR模型，虽尚未推出完整多模态系统，但已显露出向该方向靠拢的迹象。
一个关键推动力是“世界模型”（World Model）的兴起。李飞飞等人推动的路线，旨在构建一个符合现实物理规则的虚拟世界：山坡有坡度、水有流动性、玻璃杯落地会碎……这类模型并非仅用于游戏（如《我的世界》的AI化生成），更核心的价值在于为机器人、自动驾驶等实体智能系统提供高保真仿真训练环境。传统机器人研发受限于现实世界数据稀缺、试错成本高昂；而世界模型允许在可控虚拟环境中反复训练——哪怕“捏碎杯子”，也不会造成真实损失。
目前行业存在两条技术路线：一是物理规则驱动派（如李飞飞合作项目、DeepSeek、DeepMind），强调物理一致性；二是视觉生成驱动派，从图像→视频→实时渲染演进，目标是实现“一句话生成动态场景”：比如在播客录制中说“请站起来踢倒椅子”，视频中人物即刻执行动作。二者尚未分出高下，但都在2025年Q3-Q4迎来密集落地尝试。世界模型此前已有探索，但媒体热度与融资规模在2025年显著跃升，标志着其从学术概念走向产业基础设施。
你哪怕真的捏碎个杯子，也不会出现什么问题嘛？
现在的世界模型的一个行业内的进展大概是怎么样的？
To B先行：垂类场景与AI价值链重构
在应用落地层面，To B领域正成为短期最可能取得突破的方向。AI医疗、法律、金融、销售、视频剪辑等垂直赛道已涌现一批高价值公司——它们并非单纯依赖大模型能力，而是依托行业特有数据资产与业务闭环构建壁垒。正如一位数据库从业者所言：行业足够大 + 内生数据价值高 → 更愿意率先投入AI能力验证。
这背后折射出一个更深层问题：当前AI价值链结构失衡。传统IT产业遵循“倒三角”：应用层最大（如电商、社交平台），中间层（云/基础设施）次之，底层（芯片）最小。但AI行业却呈现正三角结构：英伟达等芯片厂商市值遥遥领先（四万亿美元级），而应用层公司仍处早期。逻辑上，离用户最近者应最具价值；若AI终将催生二十万亿美元级头部公司（参考互联网→移动互联网→云的三倍浪潮规律），当前市值结构必然重构。
OpenAI估值已达一万亿美元，远超其当前两百亿美元年收入（PS约50倍）。市场并非按收入定价，而是基于2030年预期收入2000–3000亿美元的测算——订阅、广告、电商、To B API等路径清晰可算。中国公司亦遵循类似逻辑：头部模型公司以美国1%成本实现80%效果，估值亦约1%；国产GPU龙头对标英伟达（4–5万亿→400–500亿美金，即3000亿人民币），形成“百分之一定律”的完整映射。
今天无论是美国还是中国的一级和二级，他都会把一个算出来的预期直接打满……完全不保守。
就像当年快手上市前夜，大家对估值毫无分歧：一定是往上跳很多的。
平台化与生态绑定：七姐妹时代的暗流涌动
头部公司正加速向平台化转型：ChatGPT已上线广告，标志着商业化进入实质阶段。未来AI平台将依赖网络效应与商业模式闭环——这与互联网、移动互联网的演进路径高度一致。但当前挑战在于：应用层公司如何突破“卖铲子”逻辑，真正掌握用户入口与数据飞轮？
在巨头生态中，绑定关系正重塑竞争格局：微软与OpenAI深度协同，推动Azure云在2025年Q3前连续两个季度增速反超AWS（30% vs 12%）；苹果与Google的绑定则形成另一极。这种“晋西北乱成一锅粥”的生态重组，使得传统市场份额（如AWS云龙头地位）不再绝对安全，而技术协同性与生态话语权成为新胜负手。
七姐妹（OpenAI、微软、Google、Meta、Amazon、Apple、Anthropic）之外，Gemini等新势力亦在争夺第二梯队位置。市场共识已转向右侧：投资逻辑从“是否可行”变为“是否足够坚定”——如马斯克历史表现证明其持续兑现能力，使其成为少数可“无条件信任”的标的。AI赛道已告别左侧博弈，进入“信则有，不信则无”的高共识阶段。
七小强之外，因为还有几家额外的，这算是AI的新贵啊……
绑定格局重构：从微软-OpenAI到苹果-Google
当前AI基础设施领域的竞争格局正经历深刻重构。过去几年，微软与OpenAI的深度绑定曾是行业主轴，支撑其云业务（Azure）实现30%左右的季度增长率，显著高于亚马逊AWS（约11%-12%）和谷歌Cloud（约30%），形成对市场龙头的结构性挑战。而如今，战场已转向另一组绑定关系：苹果与Google的协同，与微软-OpenAI形成对峙态势。这一变化源于2024年11月微软与OpenAI“和平分手”——虽保留部分合作延续性，但解除了独家限制，使微软得以参与Soket融资轮；与此同时，Google在Anthropic最新融资中不仅加满注资，更签署了一项TPU与云服务深度绑定协议。这种多方交叉投资的混乱局面被业内戏称为“晋西北乱成一锅粥”：OpenAI获英伟达资金支持，Anthropic获Google与微软双重加持，而苹果则借自身终端优势构建闭环生态。
“再帮我们梳理梳理……现在市面上有两个阵营，一个是Google跟苹果这阵营，确实在2025年12月份的股价上有一个分道扬镳的趋势。”
“用那个说法就是‘晋西北乱成一锅粥’啊！”
现金流焦虑与阵营分化：谁在最危险的位置？
当前市场对AI投资的乐观预期普遍锚定在2030年，涵盖云投入、KPS（千卡/秒）算力基建、数据中心扩张及收入增长等多重假设。然而，随着细节推演深入，一个核心问题浮现：账算不过来。不同阵营公司所处风险层级各异：处于最前端、杠杆率最高的“New Cloud”公司（如Cove、Nebulous）面临现金流断裂风险；次级如Oracle，其未来三年现金流亦存隐忧；再往下，AMD等硬件厂商则担忧数据中心业务难以起量，重蹈英特尔当年困局。与此形成对比的是，Google凭借自身技术与生态优势，展现出更强的预期牵引力——其带动的合作伙伴虽未同步暴涨，但股价相对稳定；而英伟达、苹果、微软、Meta等头部企业亦维持震荡整固态势，反映出市场在2025年初进入阶段性观望。
“在起初打这个预期的时候，确实大家涨了一波。但是过程中大家去算细节的时候，发现核心的问题其实特别简单一个问题：这个账算不过来。”
入口之争再起：AI叙事向硬件终端迁移
AI竞争正从纯模型与云服务层，向硬件入口延伸。随着Google与苹果——美国两大移动终端巨头——强化绑定，市场开始热议：这是否预示新一轮“入口战争”？类似十几年前的移动生态争夺战，如今中国互联网大厂亦在Q4重启入口战略：字节推豆包、阿里推千问App、腾讯推元宝并联合DeepSeek冲榜，均试图借春节节点引爆用户关注。值得注意的是，中短期AI落地仍高度依赖现有终端载体，难以催生全新硬件形态；手机作为核心交互中心的地位短期内不可替代。这一趋势倒逼企业重新思考自身定位：是坚持应用层突破，还是ALL IN模型研发？巨头们的选择各异——阿里最激进，以“尚方宝剑”姿态推动千万模型全面赋能全业务线；字节保持B端多模态优势，同时To C端稳步推进；腾讯则依托雄厚现金流保持稳健节奏，但组织调整（如姚顺宇入主）暗示其亦在为AI时代做准备。
“那自然，那再往前推，那就变成了这些刚才我们聊的……为什么进入到Q4，中国互联网大厂又开始搞入口之战、入口之争，就跟十几年前大家又回来一样，就这个感觉为什么强，就也是个原因。”
腾讯的AI策略：低调兜底，还是情绪博弈？
腾讯在AI领域的动作看似保守，实则暗藏玄机。它没有像阿里那样高调发布大模型或发起百亿级红包战役，而是将AI深度嵌入现有业务体系——比如腾讯会议、文档MA、微信内部元宝搜索、公众号内容结合等，这些“提效型”应用虽不显山露水，却已产生切实价值。从年终奖、加薪等短期激励机制看，相关团队成果可被量化认可；在技术前沿层面，如浑元在3D视觉、多模态等方向也处于行业领先，只是因低调风格而少有PR曝光。
这种策略构成了腾讯在AI时代的“安全底座”：虽不足以打开上限，但凭借其深厚的现金流与用户基本盘，哪怕仅提升几个点的增长，也足以转化为天文数字的绝对收益。然而，问题恰恰在于：当市场情绪被“AI叙事”主导时，腾讯的克制反而与投资者期待错位。散户对短期增长的耐心有限，而股价作为“情绪投票机”，天然更青睐有明确flag、强战役感、持续胜仗输出的公司——这正是阿里的风格。
“它只要把它有时候提个几个点，那就是一个天文数字了。”
“你就要适合这个情绪嘛，就是要匹配这个情绪。从股价角度，它就要这么做。”
因此，腾讯并非不焦虑——否则不会在当下重用年轻研究员（如马丁、泡妞），也不会在DeepSeek发布一周年之际仍被反复审视。其调整背后，是在“长期主义”与“短期情绪”之间的艰难权衡。当公司身位与投资者诉求不一致时，市场便用估值来表达态度：腾讯股价已重返600港元以上高位，估值不再便宜；阿里亦从谷底爬升，同样难言便宜。
AI投资的周期轮动：从巨头到边缘战场
回顾2022年底GPT发布后的市场路径，可清晰看到AI投资的三层结构轮动规律：2023年，英伟达“七姐妹”遥遥领先；2024年，其领先优势大幅收窄；而2025年，AI领域的非巨头公司（如Snowflake、Salesforce、芯片、能源、应用层企业）已反超巨头。美国市场已从硬件层（芯片）→云服务→存储，逐步向基础设施与应用层扩散。
中国大致滞后一年，当前正处“巨头引领、涨幅放缓”的阶段。这意味着：未来机会可能不在头部平台，而在边缘战场——如底层芯片代工（台积电）、数据中心建设、AI原生应用开发等。台积电近期上调2026年资本开支与晶圆价格预期（从490→520–560亿美元），并强调其决策基于“对客户及客户客户的深度调研”，释放出需求真实、非泡沫化的强信号。
“我们似乎只能信代工公司了……再往下呢？原材料嘛，贵，那只能这么推演了。”
当然，这不意味着可盲目乐观。泡沫争议始终存在：2025年Q2起，市场开始激烈讨论“是否在技术曲线顶峰”，而2025年Q4因英伟达、博通、AMD等交叉投资引发一轮融资高潮，成为议题顶点。但如今，主流机构对2026年预期已全部上调，共识趋于一致。这反而削弱了“泡沫必然破裂”的悲观逻辑——毕竟，科技革命的周期已被压缩至季度级：2024年4月大跌后迅速反弹，说明系统具备极强修复力。
AI使用实操：从工具到思维伙伴
对普通用户而言，AI的价值不在于宏大叙事，而在于解决重复性任务。一个简单标准是：若某件事一周重复超五次，就该交给AI——无论是工作中的稿件撰写、信息整理，还是生活中的翻译、可视化表达。以品牌公关为例，团队可将五款主流模型比作“五个AI同事”，通过指令跑稿、竞争上岗，高效完成初稿生产；英文阅读障碍则可通过Notion AI等工具一键转为信息图或PPT，实现“无痛理解长文”。
更进一步，AI可成为思维训练的对手盘：当你看好某只股票，不妨模拟与“对手方”辩论——“如果你是空头，会如何质疑我的逻辑？”这种低成本推演，能有效暴露认知盲区，构建更稳健的决策框架。
“重要的，可能对于自身而言，更重要还是日常的学习、工作、生活当中，你想怎么改进自己……甚至说在具体一点投资，你可以拿AI当你的对手盘做训练呀。”
技术终将迭代，工具会越来越智能，但股价≠技术成熟度。投资者需清醒：产业向好不等于股价稳涨，情绪与叙事的叠加会让波动远超基本面曲线。因此，专注可操作的提效场景，比追逐宏大叙事更务实。
对手盘思维：低成本迭代决策能力
在投资决策中，构建一个假想对手盘是一种高效且低门槛的思维训练方式。与其依赖耗时费力的头脑风暴，不如直接问自己：“如果今天你是我的对手盘，你会怎么考虑这件事？有没有什么我忽略的关键因素？” 即便对方的观点未必正确，这种角色代入也能迫使你跳出自身认知框架，不断校准判断逻辑。尤其在缺乏真实高经验对手的日常场景中，这一方法能显著提升决策质量——过去你很难模拟一位经验丰富的对手的思考路径，但今天，AI让这种模拟变得唾手可得。关键在于：不是依赖AI给出答案，而是用它暴露你未考虑到的变量，再通过一次次下注与复盘，打磨出属于自己的投资风格与风险偏好。这些风格与偏好，从来不是凭空而来，而是在一次次盈亏中沉淀下来的、真正属于你自己的认知资产。
“就这个的对手盘的试炼，我觉得是一个很很容易……你就可以让自己构建跟思维去不断的变得更适合自己。”
“那这些东西是怎么产生？是你的一次次的投资，一次次的挣到钱或者亏到钱产生的你自己的这个东西，你的这套东西才是你应该去坚持跟打磨的东西吗？”
AI教育：在不确定中提供体验的‘外围环境’
关于AI对儿童的影响，与其纠结“是否该让孩子用”，不如转向更务实的路径：提供可参与、可感知的真实体验场景。例如，杭州AI黑客松、上海与北京正在兴起的儿童AI营，都是由家长自发组织的实践尝试——由行业专家（如纪录片导演、AI培训师）牵头，带领孩子用七天封闭营期完成从入门到产出的全过程，最终成果可参展、可展示。这种模式不追求标准答案，而是强调过程性参与与创造力激发。值得注意的是，AI并非取代思考，而是降低表达门槛：比如幼儿园大班孩子用语音输入完成“画louse（虱子）”的作业，虽画得抽象，却能借助语音识别与图像生成工具完成表达。这背后反映的是技术对认知表达的赋能，而非智力替代。
“你只能给他提供这种我们叫外围的环境，因为现在没有标准答案，没有人知道。”
“你像杭州不是开那个AI的黑客松嘛？……就转去参加各种各样的项目的体验，让他感受。”
技术周期：春节节点下的AI演进节奏
回望过去三年，春节已成为观察中国AI产业跃迁的重要时间锚点：2023年春节对应A股AI概念股第一波浪潮；2024年春节Sora发布，引爆视频生成技术；2025年春节DeepSeek横空出世，再次刷新行业预期；而2026年春节，市场已开始预热“定有大事发生”的氛围。这一节奏表明，AI的爆发并非线性渐进，而是以年度为单位的阶段性跃升。站在当下回望，从巨神智能笨拙地转手绢，到DeepSeek的moment级突破，技术迭代之快已远超预期。我们正身处一个从工具辅助走向深度协同的临界点——无论是投资决策、儿童教育，还是日常表达，AI都在悄然重构人类的认知与行动边界。真正的挑战，或许不在于技术本身，而在于我们是否愿意持续调整心态，在不确定中主动试错、迭代与适应。
“其实，我觉得已经发生了挺翻天覆地的变化了。”
“嗯，强调再多，其实人天性都是要偷懒的，是，都是要找捷径，哪怕没有AI，上一轮搜索啊，电子的设备的加入也会让这个事情往这个东西里面去发展。”