閉源大模型躺賺時代結束，利潤開始流向開源模型和應用公司
上一階段利潤幾乎全被Anthropic和OpenAI拿走，現在國產模型邁過了可用門檻，開源模型又把閉源的高毛利打下來，利潤開始往開源和應用環節外溢。
原視頻在 YouTube 上放不出來，用音頻聽：
核心論點 · 點時間戳可跳到原聲
判斷AI階段的關鍵是滲透率分母怎麼定
衡量AI產業所處階段要看滲透率，分子容易算——Anthropic加OpenAI年底AR可能破2000億美元，難的是分母。如果把AI定義為coding,對應全美程序員工資池5500億美元、全球1.2-1.3萬億美元，滲透率已經不低，進入中後期；但如果定義成所有電腦能完成的任務，分母變成全球白領工資50萬億美元，滲透率就很低。分母怎麼定，本身就是對AI所處階段的判斷，這也是行業分歧的根源。
— 唐總(鄧波爾)開源模型和應用開始分走閉源模型的利潤
上一階段Anthropic、OpenAI吃掉了幾乎所有價值，開源模型和應用公司都沒有議價權，比如Cursor幾乎把所有錢都付給了Anthropic、毛利率為零。現在開源模型逼近前沿水平，會把閉源模型90%的毛利率打下來，利潤開始外溢給開源模型和下游應用。另一個方向是國產模型跨過了可用門檻——從小學生水平變成大學生水平，雖顧不起博士生(海外最前沿模型),但大學生已經夠用，國內需求會因此爆發。
— 唐總(鄧波爾)下游ROI到底是真需求還是裁掉冗餘
浩哥質疑：大廠用AI替代的冗餘員工，本來是不是組織摩擦成本撐出來的多餘崗位，這種降本算不算真實ROI,甚至懷疑幾十萬人的互聯網大廠砍掉六七成都沒問題。唐總反駁：判斷需求強弱該看供給端——國產Coding Plan一齣就被搶購一空、漲價後依然賣爆，說明需求大於供給；而且人和人溝通本身就有摩擦成本，換成AI agent對agent直接傳遞上下文，屬於真實的組織效率提升，不是單純裁員冗餘。
— 浩哥/唐總(鄧波爾)存儲的多頭敘事撞上無法證偽的空頭劇本
存儲股今年漲勢兇猛，但空頭敘事一直存在只是沒人理：供給側看國產擴產會搶份額，更致命的是需求側——只要算法優化把context利用效率提高一點，就能省下鉅額採購，這件事完全無法證偽，而且可能會成為事實。美光財報全線超預期，股價卻只漲了一天就一路下跌，說明情緒已經轉向。浩哥明確表態存儲只能短炒，不能長拿，因為它和海外算力不同，技術路線隨時可能被顛覆。
— 浩哥/唐總(鄧波爾)AI對標電氣化而非互聯網，基建期本就看不到場景
唐總花了約10小時和AI梳理電氣化歷史後發現，AI資本開支佔GDP約2%的量級，歷史上能匹配的只有電氣化這類基礎設施級別的技術革命，互聯網(思科、暗光纖)體量不到GDP的1%,不夠格做參照系。電氣化經歷了約20年的技術路線之爭，再經歷約20年的基建期，基建期製造業生產率增速只有1%左右，完全看不到應用，直到後期才爆發式普及。按這個節奏看，現在的AI大概相當於電氣化的1919年前後，基建才剛顯效。
— 唐總(鄧波爾)AI追蹤反饋能扒到你根本想不到的信息源
唐總把投研拆成獲取idea、判斷是否值得研究、快速研究、深入研究、決策、追蹤反饋六個環節，AI主要接管idea激發、信息收集和追蹤反饋三塊。最震撼的案例是：他只要求AI追蹤一家北歐數據中心公司，AI自己拆解出要監控美國本土的建廠抗議、歐洲新建項目，甚至自己去扒市政府網站上的土地交易記錄，主動報告今天誰和市政府簽了協議、買了多少畝地、花了多少錢——這些都不是他提出的具體要求。
— 唐總(鄧波爾)國產算力是當下勝率賠率都不錯的方向
唐總目前最看好國內算力鏈條：國產模型剛跨過可用門檻(對標Opus 4.6之後才泛化出agent能力),疊加國內大廠把使用門檻做得極低，普及爆發只是時間問題；而國內廠商看清推理能賺錢後，會持續加碼資本開支，但供給仍受限，類似新能源車行業也曾有掙錢的階段。他認為這個方向勝率超過50%,賠率也不錯，具體選大廠小廠、上中下游則見仁見智，應用層則更專業、分歧更大。
— 唐總(鄧波爾)量化已經卷到分鐘級因子，短線散戶必輸
唐總研究量化交易後得出結論：日間因子早已太低頻、沒有alpha,現在都是分鐘級因子的機器學習博弈，人類不可能在這個顆粒度上贏。更殘酷的是量化規模變大後已經開始互相收割，不只是割散戶，今年量化指增的超額收益也在消失。他的應對方式是放棄短線判斷，把週期拉長到三到六個月，只在國產模型突破這類大的轉折點上下判斷，然後在自己能接受的位置參與，不陪量化拼反應速度。
— 唐總(鄧波爾)原話 · 已逐字校驗
別十個點開始重新理解現金流 怎麼我不帶的時候 天天產業趨勢不肯膩 我一上車就價值迴歸了 有這麼強嗎
跌到10%就開始重新理解現金流的重要性——為什麼我沒上車的時候天天說產業趨勢不會變，我一上車就開始價值迴歸了，有這麼巧嗎？
浩哥1:00
光伏的滲透率到多少了 新電源車的滲透率 到多少了 然後一般來講 技術革命的滲透率 最舒服的時候 大概是在5%到10的時候 對吧 那個時候總量足夠大
光伏的滲透率到了多少，新能源車的滲透率到了多少——一般來說，技術革命滲透率最舒服的時候，大概是在5%到10%的時候，那時候總量已經足夠大。
唐總(鄧波爾)6:04
它之前是小學生 它現在變成大學生了 對吧 你是博士生 我顧不起你 我就顧個大學生 那你小學生 我肯定不用你了
它以前是小學生水平，現在變成大學生了——你是博士生我用不起，我就用個大學生；你是小學生，我肯定不用你了。
唐總(鄧波爾)15:12
那所以這個敘事 就是說供給擴產的這個敘事 就到了長心倉存身上 對吧 國產去擴產去擊敗它 但是我覺得更強的一個敘事 就是完全無法證偽的 而且我覺得它會成為事實的 就是它會被算法砍一刀呀
供給擴產這個敘事放到存儲身上，就是國產擴產去打敗它；但我覺得更強的一個敘事是完全無法證偽、而且會成為事實的——它會被算法砍一刀。
唐總(鄧波爾)35:17
我這裡要特別 就表達一下我的觀點 就我認為存儲 千萬不要超 就你要超的話只能短期超 就是你不能長期拿
我要特別表達一下我的觀點：存儲千萬不要追多，要追也只能短期追，不能長期拿著。
浩哥37:20
當你有了這個工具之後 一定要有的一個想法 就是說什麼事情 你都要讓AI先做 不要你自己去做 這個很重要
有了工具之後，一定要有一個想法：什麼事情都先讓AI去做，不要自己先做，這個很重要。
唐總(鄧波爾)1:03:27
他一天就是這樣直接下去 再直接上來 再直接下去 再直接上來 他都沒有那種柔和的曲線 全是那種30度角
大盤一天之內直接跌下去、再直接漲上來，再跌下去再漲上來，完全沒有緩和的曲線，全是那種陡峭的直上直下。
浩哥1:08:28
然後那個時候 它已經九百億了 它能賺一百多億 然後覺得那個時候 可能pick了 給它十倍 那它一千五百億 五年 大概從九百億 漲到一千五百億 才60%空間 沒啥意思 結果它從九百億 漲到五千億 完了又從五千億 跌回了一千億
那時候它市值已經900億，預測五年後能賺一百多億，按十倍PE算是1500億，從900億漲到1500億才60%空間，沒什麼意思——結果它從900億漲到5000億，又從5000億跌回了1000億。
唐總(鄧波爾)1:16:33
數字與實體
| AI資本開支佔全球GDP比例 | 2% | 5:04 |
| 技術革命滲透率舒適區間 | 5%-10% | 6:04 |
| Anthropic用量中coding佔比 | 35% | 24:16 |
| Anthropic AR規模 | 700多億美元 | 26:16 |
| OpenAI AR規模 | 四五百億美元 | 26:16 |
| GPU租金(按1GW折算) | 約500億美元/年 | 27:16 |
| 美國AI相關資本開支(年化) | 八九千億美元 | 28:16 |
| DeepSeek回本週期 | 10個月 | 19:13 |
術語
- Jevons Paradox傑文斯悖論
- 效率提升、成本下降反而刺激總需求上升，導致資源消耗不降反升
- AI for ScienceAI科學研究
- 用AI加速藥物研發等科學發現過程，被視為AI下一個高價值場景
- World Model世界模型
- 讓AI理解物理世界運行規律的研究方向，支撐機器人等具身智能
- AR年化收入
- 按當前運行速率折算出的全年營收水平，常用於衡量AI公司增速
- Agent智能體
- 能自主拆解並執行多步任務的AI程序，區別於一問一答的聊天模型
收聽指南
關注AI產業鏈的二級市場投資者和研究員，以及想用AI工具搭建個人投研流程的普通投資者。
開頭0:00-2:00吐槽市場波動的閒聊信息量低，可直接跳到6:04的滲透率框架。