（来源：亨特研究笔记）
又是AI愁云惨淡的一天..无论是海外还是国内，今天又经历了一次AI的绝望时刻。
元股证券:ygzq.hk核心问题是什么？
有人说是杠杆，有人说是资金。
但我觉得最关键的问题其实是ROI。
一年万亿的资本开支只产生千亿规模的收入，这千亿收入（coding）大部分还是在中间层，是由企业支付的，但企业支付了这千亿之后并没有创造新的价值。
周末2026 TapTap开发者沙龙在上海举行，心动公司CEO黄一孟分享了一个数据很有意思。
今年上半年TapTap新发行可玩游戏数量达5002款，同比增长近10倍。其中，超过4000款为AI辅助生成的小游戏。游戏数量翻了10倍，玩家群体并未同速增长，每款游戏分到的曝光和下载被严重稀释，首页质量下滑的反馈正在增加。
简单来说，AI确实在中间层开始普及，大家拿AI Coding去做游戏，做视频，但做出来这些产品并没有创造新的需求，没有吸引更多人去玩游戏看视频，这些东西要么变成了无人问津的AI垃圾（绝大部分），要么就是略微挤占了过去人类的市场（替代了一些人类创作的游戏），整体没有任何增量。
人类大量的生产场景都是供给非常充分的，AI的带来变化不过是在充分的供给上又增加了大量的平庸供给，并没有带来真正的增量。
这样的结果一定会向上传导。
当下游企业大量花钱用AI但没法赚钱后，一定会去控制AI的开支，用更便宜的AI工具（比如国内开源），进而会导致做AI工具的企业ROI进一步承压。很显然，类似于OpenAI，Anthropic这种企业还会把这种压力往更上游传导，压上游零部件企业的价格，进而影响资本开支的逻辑。
如果我们把AI相关股票的投资分为几个阶段，第一阶段很显然已经结束了，第一阶段最核心的矛盾是资本开支。
当然是去也会有另一面，伴随应用企业控制资本开支，OpenAI，Anthropic这种企业内卷降价，AI的应用成本会大幅的降低，伴随成本的降低很可能应用就会出现爆发，应用的爆发再次反哺行业需求，推动行业健康发展。
这就是2000年互联网泡沫破灭后发生的故事，泡沫的破灭推动了产业真正的发展和繁荣。
无论怎么来看，AI现在最核心的矛盾是应用，有没有真正终端应用，所有的资本开支都是镜中花，水中月。
过去几年每一次资本市场谈论应用结果都是惨烈的，到伴随AI技术发展到今天，产业进步到今天，很显然应用才是那个绕不开，避不了话题。
解决问题的关键是应用
最近WAIC（世界人工智能大会）在上海开幕。作为最前瞻的博览会，我们可以去看看到底AI可以应用到什么地方。
AI不是新词，AI 这个概念诞生于 1956 年达特茅斯会议，已经快 70 年历史了。
而这一轮AI技术的革命，本质是Transformer 架构叠加海量数据与算力的规模效应，使大语言模型在跨过某个参数阈值后涌现出了未经显式训练的能力。
新技术带来最大的变化其实就是两个。
第一个是智能更加泛化。
举个例子，过去的人工智能企业比如商汤，他的商业模式是根据不同的企业，不同的场景给到不同的方案，解决问题。
企业针对一个场景，针对一个企业就需要训练不同的小模型。
成本高，效率低。
而这一轮大模型带来了泛化能力，同一个模型，既可以解决A行业问题，又可以解决B行业问题。
第二个是更聪明的智能。
过去所谓的人工智能常被大家称为人工智障，因为不够聪明。
但这次大模型的技术进步，让人工智能变的更加聪明了，智能的应用场景被大大打开，因此我们看到有人用AI编程，有人用AI做视频。
过去我们在谈论AI应用的时候，往往都在说软件。
上半年我这篇写AI应用的文章爆发前夕！其实写的很清楚。
我觉得AI软件壁垒太差了，软件很容易被大模型吞噬。
我最近去调研了一些做AI视频Agent的企业，这些企业其实就是在seedance，可灵这种视频模型的基础上再套一层，以帮忙用户更好的使用seedance，可灵。
说实话，我觉得他们做的事情就是多此一举，他们做的所有工作，一定都会在seedance，可灵的模型迭代中被优化，可以说毫无价值。
AI软件我能看到的有优势的企业基本都拥有独特的非公开数据和生态，然后能利用非公开数据套上模型去为用户创造价值。比如现在比较火的一些金融软件就是有非公开数据（大量的电话会数据）。
我觉得最有希望的场景一定是AI+制造业。
因为他可以把制造业企业服务业化，而且会增加制造业的壁垒。
之前我举过手机智能化的例子，苹果就是把手机这个制造业，做成了手机+IOS系统这个制造业+服务业的生意，赚了大笔软件的钱。而且适应了IOS的用户还不愿意换手机了..
在其他制造业也是类似的。
过去安防企业卖摄像头，未来他可以卖摄像头+智能解决方案，从硬件到硬件+软件，毛利率天然就会提升。
十大杠杆配资安防行业的本质是传感器，摄像头，红外线，毫米波，通过不同的传感器设备，感知物理世界的信息。
过去技术不够。
这种感知物理世界的方式就简单的被称为“安防”，也就是用摄像头把物理世界记录下来，然后传输到电脑上，大家可以看到录下了什么视频。
但如果配置上更聪明，泛化能力更强的AI，他的作用就会被大幅拓展。比如海康这次展示了他的多模态智能摄像机。
你可以直接对摄像机设置规则和提问。比如“水库里是否有游泳的人，如‘是’，告警”；“检测画面中是否有垃圾漂浮物，如‘是’，告警”。不需要写规则、不需要训模型，一句话即完成配置。
这是一个很典型的更聪明更泛化的场景。
我家里买的摄像头，也可以实现一些智能化功能，但他是内置的，比如有宠物模式，可以检测宠物是否出现，如果出现了就会提示我。
是写死的内置功能不能改，而且智能非常有限，我想让他在宠物喝水的时候提醒我看，他就做不到。
如果摄像头可以实现不写死规则，直接提问就实现很多功能，这个产品的使用场景一定会被大幅的打开。
这就是AI对于安防企业这种传感器企业的价值。
当然像ChatGPT一样的泛化能力肯定还是理论场景，随便安一个摄像头就想让他实现你设定的所有规则，这个肯定还做不到。
一方面是目前AI多模态的能力还达不到可以让你随意提问设置规则的地步，多模态AI的进展还是远远慢于语言模型的。
另一方面是算力可能无法支撑。
考虑到隐私，摄像头肯定是用端侧算力，端侧算力还很难支撑布局一个可以在任意场景都泛化的模型。
可以做到的是针对某个行业训一个小模型，让他在这个行业的大部分场景里发挥作用。
车其实到了L4也会有巨大的壁垒。比如前一阵我去了一家做矿卡智能驾驶的公司，矿山卡车目前就是一个典型的真L4无人驾驶场景，因为在封闭的矿山内部不进入公开道路，是真的无人驾驶。
有些还有1名随车安全员，但有些地方只有1名远程员监控多车。
矿山几乎都有爬坡场景，电动矿车往上爬耗电，下山发电，能源消耗也下来了。因此矿山内部卡车的电动智能化普及率非常高，而且有明显溢价。
这部分公司在适应了A公司的无人驾驶之后，压根不可能去换矿卡车的供应商，需要长期验证的可靠性成为了巨大的壁垒。
AI+制造业，让制造业从制造插上软件的壁垒，这可能是这个阶段我看到AI最大的价值。
实盘配资网提示：本文来自互联网，不代表本网站观点。
