AI投资逻辑转变：从模型硬件转向云和应用

上半年的核心是模型和硬件，最近有转云和应用的趋势，逻辑是：

上半年的AI行情是由anthropic在coding领域取得突破，然后伴随ARR爆发性增长带动的

上半年领先的模型有高溢价，这种高溢价导致即使上游硬件毛利率很高、云和模型厂仍有不错毛利率，但有二个前提：其一是跨过商业化可用点的模型极少，有能力溢价；其二是coding的核心使用者是互联网和软件行业，本身的人力成本属于最高的那类公司且上半年用的时候也有fomo情绪

最近有三点发生了变化：

1、open AI的模型与agent和anthropic已经没有多少差距，这种时候必定会有价格战，价格战会杀掉领先者的溢价

2、头部二家之后也会越来越多的模型跨过商业化可用点（尽管还没有追上头部二家的最新模型），而后来者的成本普遍更低且有很多是开源，这会导致不同价值的任务在不同的模型分层，中低价值的任务没必要用高成本的模型

3、上半年给模型大量付费的公司会发现，产出看着提升很大，但是终端的产出（指收入）并没有发生多少变化，同时成本费用上升（裁员和降低外包费用只能降低一部分），这导致企业的利润可能是减少的——即没有达成降本增效的目的，这点会加速2

同时原先少数模型领先的竞争格局下，会担心出现模型吃掉云和下游的情况，而当模型竞争格局变差时，云和下游就会受益：一方面是模型必定会打价格战，把token成本降低；另一方面是模型方必定得集中精力在模型的优化，而不是去卷下游（甚至自研芯片和自建数据中心都比做下游更好，无论是海外的A和O、国内d、k和G都是如此）

当token成本下降、模型格局更为分散同时发生时，云和应用必定会受益

当然上面说的应用并不是指所有的应用，原先t b的、收入会被模型吃掉部分还是会被影响到，即会被模型冲击到收入的软件或应用还是得注意

同时，好的硬件与模型大概率还是有机会，只是上游和模型吃掉绝大部分价值的事情已经不会再出现了